diff --git a/CMakeLists.txt b/CMakeLists.txt index dd2054d977..066d0563da 100644 --- a/CMakeLists.txt +++ b/CMakeLists.txt @@ -337,6 +337,9 @@ if(DEFINED CMAKE_DEBUG_POSTFIX) set(OPENCV_DEBUG_POSTFIX "${CMAKE_DEBUG_POSTFIX}") endif() +if(INSTALL_CREATE_DISTRIB AND BUILD_SHARED_LIBS AND NOT DEFINED BUILD_opencv_world) + set(BUILD_opencv_world ON CACHE INTERNAL "") +endif() # ---------------------------------------------------------------------------- # Path for build/platform -specific headers @@ -554,7 +557,6 @@ endif() # ---------------------------------------------------------------------------- # Finalization: generate configuration-based files # ---------------------------------------------------------------------------- -ocv_track_build_dependencies() # Generate platform-dependent and configuration-dependent headers include(cmake/OpenCVGenHeaders.cmake) @@ -999,18 +1001,34 @@ endif() # ========================== python ========================== status("") -status(" Python:") -status(" Interpreter:" PYTHONINTERP_FOUND THEN "${PYTHON_EXECUTABLE} (ver ${PYTHON_VERSION_STRING})" ELSE NO) -if(BUILD_opencv_python) - if(PYTHONLIBS_VERSION_STRING) - status(" Libraries:" HAVE_opencv_python THEN "${PYTHON_LIBRARIES} (ver ${PYTHONLIBS_VERSION_STRING})" ELSE NO) +status(" Python 2:") +status(" Interpreter:" PYTHON2INTERP_FOUND THEN "${PYTHON2_EXECUTABLE} (ver ${PYTHON2_VERSION_STRING})" ELSE NO) +if(BUILD_opencv_python2) + if(PYTHON2LIBS_VERSION_STRING) + status(" Libraries:" HAVE_opencv_python2 THEN "${PYTHON2_LIBRARIES} (ver ${PYTHON2LIBS_VERSION_STRING})" ELSE NO) else() - status(" Libraries:" HAVE_opencv_python THEN "${PYTHON_LIBRARIES}" ELSE NO) + status(" Libraries:" HAVE_opencv_python2 THEN "${PYTHON2_LIBRARIES}" ELSE NO) endif() - status(" numpy:" PYTHON_NUMPY_INCLUDE_DIRS THEN "${PYTHON_NUMPY_INCLUDE_DIRS} (ver ${PYTHON_NUMPY_VERSION})" ELSE "NO (Python wrappers can not be generated)") - status(" packages path:" PYTHON_EXECUTABLE THEN "${PYTHON_PACKAGES_PATH}" ELSE "-") + status(" numpy:" PYTHON2_NUMPY_INCLUDE_DIRS THEN "${PYTHON2_NUMPY_INCLUDE_DIRS} (ver ${PYTHON2_NUMPY_VERSION})" ELSE "NO (Python wrappers can not be generated)") + status(" packages path:" PYTHON2_EXECUTABLE THEN "${PYTHON2_PACKAGES_PATH}" ELSE "-") endif() +status("") +status(" Python 3:") +status(" Interpreter:" PYTHON3INTERP_FOUND THEN "${PYTHON3_EXECUTABLE} (ver ${PYTHON3_VERSION_STRING})" ELSE NO) +if(BUILD_opencv_python3) + if(PYTHON3LIBS_VERSION_STRING) + status(" Libraries:" HAVE_opencv_python3 THEN "${PYTHON3_LIBRARIES} (ver ${PYTHON3LIBS_VERSION_STRING})" ELSE NO) + else() + status(" Libraries:" HAVE_opencv_python3 THEN "${PYTHON3_LIBRARIES}" ELSE NO) + endif() + status(" numpy:" PYTHON3_NUMPY_INCLUDE_DIRS THEN "${PYTHON3_NUMPY_INCLUDE_DIRS} (ver ${PYTHON3_NUMPY_VERSION})" ELSE "NO (Python3 wrappers can not be generated)") + status(" packages path:" PYTHON3_EXECUTABLE THEN "${PYTHON3_PACKAGES_PATH}" ELSE "-") +endif() + +status("") +status(" Python (for build):" PYTHON_DEFAULT_AVAILABLE THEN "${PYTHON_DEFAULT_EXECUTABLE}" ELSE NO) + # ========================== java ========================== status("") status(" Java:") diff --git a/apps/traincascade/CMakeLists.txt b/apps/traincascade/CMakeLists.txt index cca56361e3..59d48172da 100644 --- a/apps/traincascade/CMakeLists.txt +++ b/apps/traincascade/CMakeLists.txt @@ -1,4 +1,4 @@ -set(OPENCV_TRAINCASCADE_DEPS opencv_core opencv_ml opencv_imgproc opencv_photo opencv_objdetect opencv_imgcodecs opencv_videoio opencv_highgui opencv_calib3d opencv_video opencv_features2d) +set(OPENCV_TRAINCASCADE_DEPS opencv_core opencv_imgproc opencv_objdetect opencv_imgcodecs opencv_highgui opencv_calib3d opencv_features2d) ocv_check_dependencies(${OPENCV_TRAINCASCADE_DEPS}) if(NOT OCV_DEPENDENCIES_FOUND) @@ -6,21 +6,18 @@ if(NOT OCV_DEPENDENCIES_FOUND) endif() project(traincascade) - -ocv_include_directories("${CMAKE_CURRENT_SOURCE_DIR}" "${OpenCV_SOURCE_DIR}/include/opencv") -ocv_include_modules(${OPENCV_TRAINCASCADE_DEPS}) - -set(traincascade_files traincascade.cpp - cascadeclassifier.cpp cascadeclassifier.h - boost.cpp boost.h features.cpp traincascade_features.h - haarfeatures.cpp haarfeatures.h - lbpfeatures.cpp lbpfeatures.h - HOGfeatures.cpp HOGfeatures.h - imagestorage.cpp imagestorage.h) - set(the_target opencv_traincascade) -add_executable(${the_target} ${traincascade_files}) -target_link_libraries(${the_target} ${OPENCV_TRAINCASCADE_DEPS}) + +ocv_target_include_directories(${the_target} PRIVATE "${CMAKE_CURRENT_SOURCE_DIR}" "${OpenCV_SOURCE_DIR}/include/opencv") +ocv_target_include_modules(${the_target} ${OPENCV_TRAINCASCADE_DEPS}) + +file(GLOB SRCS *.cpp) +file(GLOB HDRS *.h*) + +set(traincascade_files ${SRCS} ${HDRS}) + +ocv_add_executable(${the_target} ${traincascade_files}) +ocv_target_link_libraries(${the_target} ${OPENCV_TRAINCASCADE_DEPS}) set_target_properties(${the_target} PROPERTIES DEBUG_POSTFIX "${OPENCV_DEBUG_POSTFIX}" diff --git a/apps/traincascade/boost.h b/apps/traincascade/boost.h index 0edf776a5b..48d4789b9c 100644 --- a/apps/traincascade/boost.h +++ b/apps/traincascade/boost.h @@ -2,7 +2,7 @@ #define _OPENCV_BOOST_H_ #include "traincascade_features.h" -#include "ml.h" +#include "old_ml.hpp" struct CvCascadeBoostParams : CvBoostParams { diff --git a/apps/traincascade/cascadeclassifier.h b/apps/traincascade/cascadeclassifier.h index 93be478b4e..6d6cb5b3f9 100644 --- a/apps/traincascade/cascadeclassifier.h +++ b/apps/traincascade/cascadeclassifier.h @@ -7,8 +7,6 @@ #include "lbpfeatures.h" #include "HOGfeatures.h" //new #include "boost.h" -#include "cv.h" -#include "cxcore.h" #define CC_CASCADE_FILENAME "cascade.xml" #define CC_PARAMS_FILENAME "params.xml" diff --git a/apps/traincascade/old_ml.hpp b/apps/traincascade/old_ml.hpp new file mode 100644 index 0000000000..6ec31a025d --- /dev/null +++ b/apps/traincascade/old_ml.hpp @@ -0,0 +1,2165 @@ +/*M/////////////////////////////////////////////////////////////////////////////////////// +// +// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. +// +// By downloading, copying, installing or using the software you agree to this license. +// If you do not agree to this license, do not download, install, +// copy or use the software. +// +// +// Intel License Agreement +// +// Copyright (C) 2000, Intel Corporation, all rights reserved. +// Third party copyrights are property of their respective owners. +// +// Redistribution and use in source and binary forms, with or without modification, +// are permitted provided that the following conditions are met: +// +// * Redistribution's of source code must retain the above copyright notice, +// this list of conditions and the following disclaimer. +// +// * Redistribution's in binary form must reproduce the above copyright notice, +// this list of conditions and the following disclaimer in the documentation +// and/or other materials provided with the distribution. +// +// * The name of Intel Corporation may not be used to endorse or promote products +// derived from this software without specific prior written permission. +// +// This software is provided by the copyright holders and contributors "as is" and +// any express or implied warranties, including, but not limited to, the implied +// warranties of merchantability and fitness for a particular purpose are disclaimed. +// In no event shall the Intel Corporation or contributors be liable for any direct, +// indirect, incidental, special, exemplary, or consequential damages +// (including, but not limited to, procurement of substitute goods or services; +// loss of use, data, or profits; or business interruption) however caused +// and on any theory of liability, whether in contract, strict liability, +// or tort (including negligence or otherwise) arising in any way out of +// the use of this software, even if advised of the possibility of such damage. +// +//M*/ + +#ifndef __OPENCV_ML_HPP__ +#define __OPENCV_ML_HPP__ + +#ifdef __cplusplus +# include "opencv2/core.hpp" +#endif + +#include "opencv2/core/core_c.h" +#include + +#ifdef __cplusplus + +#include +#include + +// Apple defines a check() macro somewhere in the debug headers +// that interferes with a method definiton in this header +#undef check + +/****************************************************************************************\ +* Main struct definitions * +\****************************************************************************************/ + +/* log(2*PI) */ +#define CV_LOG2PI (1.8378770664093454835606594728112) + +/* columns of matrix are training samples */ +#define CV_COL_SAMPLE 0 + +/* rows of matrix are training samples */ +#define CV_ROW_SAMPLE 1 + +#define CV_IS_ROW_SAMPLE(flags) ((flags) & CV_ROW_SAMPLE) + +struct CvVectors +{ + int type; + int dims, count; + CvVectors* next; + union + { + uchar** ptr; + float** fl; + double** db; + } data; +}; + +#if 0 +/* A structure, representing the lattice range of statmodel parameters. + It is used for optimizing statmodel parameters by cross-validation method. + The lattice is logarithmic, so must be greater then 1. */ +typedef struct CvParamLattice +{ + double min_val; + double max_val; + double step; +} +CvParamLattice; + +CV_INLINE CvParamLattice cvParamLattice( double min_val, double max_val, + double log_step ) +{ + CvParamLattice pl; + pl.min_val = MIN( min_val, max_val ); + pl.max_val = MAX( min_val, max_val ); + pl.step = MAX( log_step, 1. ); + return pl; +} + +CV_INLINE CvParamLattice cvDefaultParamLattice( void ) +{ + CvParamLattice pl = {0,0,0}; + return pl; +} +#endif + +/* Variable type */ +#define CV_VAR_NUMERICAL 0 +#define CV_VAR_ORDERED 0 +#define CV_VAR_CATEGORICAL 1 + +#define CV_TYPE_NAME_ML_SVM "opencv-ml-svm" +#define CV_TYPE_NAME_ML_KNN "opencv-ml-knn" +#define CV_TYPE_NAME_ML_NBAYES "opencv-ml-bayesian" +#define CV_TYPE_NAME_ML_EM "opencv-ml-em" +#define CV_TYPE_NAME_ML_BOOSTING "opencv-ml-boost-tree" +#define CV_TYPE_NAME_ML_TREE "opencv-ml-tree" +#define CV_TYPE_NAME_ML_ANN_MLP "opencv-ml-ann-mlp" +#define CV_TYPE_NAME_ML_CNN "opencv-ml-cnn" +#define CV_TYPE_NAME_ML_RTREES "opencv-ml-random-trees" +#define CV_TYPE_NAME_ML_ERTREES "opencv-ml-extremely-randomized-trees" +#define CV_TYPE_NAME_ML_GBT "opencv-ml-gradient-boosting-trees" + +#define CV_TRAIN_ERROR 0 +#define CV_TEST_ERROR 1 + +class CvStatModel +{ +public: + CvStatModel(); + virtual ~CvStatModel(); + + virtual void clear(); + + CV_WRAP virtual void save( const char* filename, const char* name=0 ) const; + CV_WRAP virtual void load( const char* filename, const char* name=0 ); + + virtual void write( CvFileStorage* storage, const char* name ) const; + virtual void read( CvFileStorage* storage, CvFileNode* node ); + +protected: + const char* default_model_name; +}; + +/****************************************************************************************\ +* Normal Bayes Classifier * +\****************************************************************************************/ + +/* The structure, representing the grid range of statmodel parameters. + It is used for optimizing statmodel accuracy by varying model parameters, + the accuracy estimate being computed by cross-validation. + The grid is logarithmic, so must be greater then 1. */ + +class CvMLData; + +struct CvParamGrid +{ + // SVM params type + enum { SVM_C=0, SVM_GAMMA=1, SVM_P=2, SVM_NU=3, SVM_COEF=4, SVM_DEGREE=5 }; + + CvParamGrid() + { + min_val = max_val = step = 0; + } + + CvParamGrid( double min_val, double max_val, double log_step ); + //CvParamGrid( int param_id ); + bool check() const; + + CV_PROP_RW double min_val; + CV_PROP_RW double max_val; + CV_PROP_RW double step; +}; + +inline CvParamGrid::CvParamGrid( double _min_val, double _max_val, double _log_step ) +{ + min_val = _min_val; + max_val = _max_val; + step = _log_step; +} + +class CvNormalBayesClassifier : public CvStatModel +{ +public: + CV_WRAP CvNormalBayesClassifier(); + virtual ~CvNormalBayesClassifier(); + + CvNormalBayesClassifier( const CvMat* trainData, const CvMat* responses, + const CvMat* varIdx=0, const CvMat* sampleIdx=0 ); + + virtual bool train( const CvMat* trainData, const CvMat* responses, + const CvMat* varIdx = 0, const CvMat* sampleIdx=0, bool update=false ); + + virtual float predict( const CvMat* samples, CV_OUT CvMat* results=0, CV_OUT CvMat* results_prob=0 ) const; + CV_WRAP virtual void clear(); + + CV_WRAP CvNormalBayesClassifier( const cv::Mat& trainData, const cv::Mat& responses, + const cv::Mat& varIdx=cv::Mat(), const cv::Mat& sampleIdx=cv::Mat() ); + CV_WRAP virtual bool train( const cv::Mat& trainData, const cv::Mat& responses, + const cv::Mat& varIdx = cv::Mat(), const cv::Mat& sampleIdx=cv::Mat(), + bool update=false ); + CV_WRAP virtual float predict( const cv::Mat& samples, CV_OUT cv::Mat* results=0, CV_OUT cv::Mat* results_prob=0 ) const; + + virtual void write( CvFileStorage* storage, const char* name ) const; + virtual void read( CvFileStorage* storage, CvFileNode* node ); + +protected: + int var_count, var_all; + CvMat* var_idx; + CvMat* cls_labels; + CvMat** count; + CvMat** sum; + CvMat** productsum; + CvMat** avg; + CvMat** inv_eigen_values; + CvMat** cov_rotate_mats; + CvMat* c; +}; + + +/****************************************************************************************\ +* K-Nearest Neighbour Classifier * +\****************************************************************************************/ + +// k Nearest Neighbors +class CvKNearest : public CvStatModel +{ +public: + + CV_WRAP CvKNearest(); + virtual ~CvKNearest(); + + CvKNearest( const CvMat* trainData, const CvMat* responses, + const CvMat* sampleIdx=0, bool isRegression=false, int max_k=32 ); + + virtual bool train( const CvMat* trainData, const CvMat* responses, + const CvMat* sampleIdx=0, bool is_regression=false, + int maxK=32, bool updateBase=false ); + + virtual float find_nearest( const CvMat* samples, int k, CV_OUT CvMat* results=0, + const float** neighbors=0, CV_OUT CvMat* neighborResponses=0, CV_OUT CvMat* dist=0 ) const; + + CV_WRAP CvKNearest( const cv::Mat& trainData, const cv::Mat& responses, + const cv::Mat& sampleIdx=cv::Mat(), bool isRegression=false, int max_k=32 ); + + CV_WRAP virtual bool train( const cv::Mat& trainData, const cv::Mat& responses, + const cv::Mat& sampleIdx=cv::Mat(), bool isRegression=false, + int maxK=32, bool updateBase=false ); + + virtual float find_nearest( const cv::Mat& samples, int k, cv::Mat* results=0, + const float** neighbors=0, cv::Mat* neighborResponses=0, + cv::Mat* dist=0 ) const; + CV_WRAP virtual float find_nearest( const cv::Mat& samples, int k, CV_OUT cv::Mat& results, + CV_OUT cv::Mat& neighborResponses, CV_OUT cv::Mat& dists) const; + + virtual void clear(); + int get_max_k() const; + int get_var_count() const; + int get_sample_count() const; + bool is_regression() const; + + virtual float write_results( int k, int k1, int start, int end, + const float* neighbor_responses, const float* dist, CvMat* _results, + CvMat* _neighbor_responses, CvMat* _dist, Cv32suf* sort_buf ) const; + + virtual void find_neighbors_direct( const CvMat* _samples, int k, int start, int end, + float* neighbor_responses, const float** neighbors, float* dist ) const; + +protected: + + int max_k, var_count; + int total; + bool regression; + CvVectors* samples; +}; + +/****************************************************************************************\ +* Support Vector Machines * +\****************************************************************************************/ + +// SVM training parameters +struct CvSVMParams +{ + CvSVMParams(); + CvSVMParams( int svm_type, int kernel_type, + double degree, double gamma, double coef0, + double Cvalue, double nu, double p, + CvMat* class_weights, CvTermCriteria term_crit ); + + CV_PROP_RW int svm_type; + CV_PROP_RW int kernel_type; + CV_PROP_RW double degree; // for poly + CV_PROP_RW double gamma; // for poly/rbf/sigmoid/chi2 + CV_PROP_RW double coef0; // for poly/sigmoid + + CV_PROP_RW double C; // for CV_SVM_C_SVC, CV_SVM_EPS_SVR and CV_SVM_NU_SVR + CV_PROP_RW double nu; // for CV_SVM_NU_SVC, CV_SVM_ONE_CLASS, and CV_SVM_NU_SVR + CV_PROP_RW double p; // for CV_SVM_EPS_SVR + CvMat* class_weights; // for CV_SVM_C_SVC + CV_PROP_RW CvTermCriteria term_crit; // termination criteria +}; + + +struct CvSVMKernel +{ + typedef void (CvSVMKernel::*Calc)( int vec_count, int vec_size, const float** vecs, + const float* another, float* results ); + CvSVMKernel(); + CvSVMKernel( const CvSVMParams* params, Calc _calc_func ); + virtual bool create( const CvSVMParams* params, Calc _calc_func ); + virtual ~CvSVMKernel(); + + virtual void clear(); + virtual void calc( int vcount, int n, const float** vecs, const float* another, float* results ); + + const CvSVMParams* params; + Calc calc_func; + + virtual void calc_non_rbf_base( int vec_count, int vec_size, const float** vecs, + const float* another, float* results, + double alpha, double beta ); + virtual void calc_intersec( int vcount, int var_count, const float** vecs, + const float* another, float* results ); + virtual void calc_chi2( int vec_count, int vec_size, const float** vecs, + const float* another, float* results ); + virtual void calc_linear( int vec_count, int vec_size, const float** vecs, + const float* another, float* results ); + virtual void calc_rbf( int vec_count, int vec_size, const float** vecs, + const float* another, float* results ); + virtual void calc_poly( int vec_count, int vec_size, const float** vecs, + const float* another, float* results ); + virtual void calc_sigmoid( int vec_count, int vec_size, const float** vecs, + const float* another, float* results ); +}; + + +struct CvSVMKernelRow +{ + CvSVMKernelRow* prev; + CvSVMKernelRow* next; + float* data; +}; + + +struct CvSVMSolutionInfo +{ + double obj; + double rho; + double upper_bound_p; + double upper_bound_n; + double r; // for Solver_NU +}; + +class CvSVMSolver +{ +public: + typedef bool (CvSVMSolver::*SelectWorkingSet)( int& i, int& j ); + typedef float* (CvSVMSolver::*GetRow)( int i, float* row, float* dst, bool existed ); + typedef void (CvSVMSolver::*CalcRho)( double& rho, double& r ); + + CvSVMSolver(); + + CvSVMSolver( int count, int var_count, const float** samples, schar* y, + int alpha_count, double* alpha, double Cp, double Cn, + CvMemStorage* storage, CvSVMKernel* kernel, GetRow get_row, + SelectWorkingSet select_working_set, CalcRho calc_rho ); + virtual bool create( int count, int var_count, const float** samples, schar* y, + int alpha_count, double* alpha, double Cp, double Cn, + CvMemStorage* storage, CvSVMKernel* kernel, GetRow get_row, + SelectWorkingSet select_working_set, CalcRho calc_rho ); + virtual ~CvSVMSolver(); + + virtual void clear(); + virtual bool solve_generic( CvSVMSolutionInfo& si ); + + virtual bool solve_c_svc( int count, int var_count, const float** samples, schar* y, + double Cp, double Cn, CvMemStorage* storage, + CvSVMKernel* kernel, double* alpha, CvSVMSolutionInfo& si ); + virtual bool solve_nu_svc( int count, int var_count, const float** samples, schar* y, + CvMemStorage* storage, CvSVMKernel* kernel, + double* alpha, CvSVMSolutionInfo& si ); + virtual bool solve_one_class( int count, int var_count, const float** samples, + CvMemStorage* storage, CvSVMKernel* kernel, + double* alpha, CvSVMSolutionInfo& si ); + + virtual bool solve_eps_svr( int count, int var_count, const float** samples, const float* y, + CvMemStorage* storage, CvSVMKernel* kernel, + double* alpha, CvSVMSolutionInfo& si ); + + virtual bool solve_nu_svr( int count, int var_count, const float** samples, const float* y, + CvMemStorage* storage, CvSVMKernel* kernel, + double* alpha, CvSVMSolutionInfo& si ); + + virtual float* get_row_base( int i, bool* _existed ); + virtual float* get_row( int i, float* dst ); + + int sample_count; + int var_count; + int cache_size; + int cache_line_size; + const float** samples; + const CvSVMParams* params; + CvMemStorage* storage; + CvSVMKernelRow lru_list; + CvSVMKernelRow* rows; + + int alpha_count; + + double* G; + double* alpha; + + // -1 - lower bound, 0 - free, 1 - upper bound + schar* alpha_status; + + schar* y; + double* b; + float* buf[2]; + double eps; + int max_iter; + double C[2]; // C[0] == Cn, C[1] == Cp + CvSVMKernel* kernel; + + SelectWorkingSet select_working_set_func; + CalcRho calc_rho_func; + GetRow get_row_func; + + virtual bool select_working_set( int& i, int& j ); + virtual bool select_working_set_nu_svm( int& i, int& j ); + virtual void calc_rho( double& rho, double& r ); + virtual void calc_rho_nu_svm( double& rho, double& r ); + + virtual float* get_row_svc( int i, float* row, float* dst, bool existed ); + virtual float* get_row_one_class( int i, float* row, float* dst, bool existed ); + virtual float* get_row_svr( int i, float* row, float* dst, bool existed ); +}; + + +struct CvSVMDecisionFunc +{ + double rho; + int sv_count; + double* alpha; + int* sv_index; +}; + + +// SVM model +class CvSVM : public CvStatModel +{ +public: + // SVM type + enum { C_SVC=100, NU_SVC=101, ONE_CLASS=102, EPS_SVR=103, NU_SVR=104 }; + + // SVM kernel type + enum { LINEAR=0, POLY=1, RBF=2, SIGMOID=3, CHI2=4, INTER=5 }; + + // SVM params type + enum { C=0, GAMMA=1, P=2, NU=3, COEF=4, DEGREE=5 }; + + CV_WRAP CvSVM(); + virtual ~CvSVM(); + + CvSVM( const CvMat* trainData, const CvMat* responses, + const CvMat* varIdx=0, const CvMat* sampleIdx=0, + CvSVMParams params=CvSVMParams() ); + + virtual bool train( const CvMat* trainData, const CvMat* responses, + const CvMat* varIdx=0, const CvMat* sampleIdx=0, + CvSVMParams params=CvSVMParams() ); + + virtual bool train_auto( const CvMat* trainData, const CvMat* responses, + const CvMat* varIdx, const CvMat* sampleIdx, CvSVMParams params, + int kfold = 10, + CvParamGrid Cgrid = get_default_grid(CvSVM::C), + CvParamGrid gammaGrid = get_default_grid(CvSVM::GAMMA), + CvParamGrid pGrid = get_default_grid(CvSVM::P), + CvParamGrid nuGrid = get_default_grid(CvSVM::NU), + CvParamGrid coeffGrid = get_default_grid(CvSVM::COEF), + CvParamGrid degreeGrid = get_default_grid(CvSVM::DEGREE), + bool balanced=false ); + + virtual float predict( const CvMat* sample, bool returnDFVal=false ) const; + virtual float predict( const CvMat* samples, CV_OUT CvMat* results, bool returnDFVal=false ) const; + + CV_WRAP CvSVM( const cv::Mat& trainData, const cv::Mat& responses, + const cv::Mat& varIdx=cv::Mat(), const cv::Mat& sampleIdx=cv::Mat(), + CvSVMParams params=CvSVMParams() ); + + CV_WRAP virtual bool train( const cv::Mat& trainData, const cv::Mat& responses, + const cv::Mat& varIdx=cv::Mat(), const cv::Mat& sampleIdx=cv::Mat(), + CvSVMParams params=CvSVMParams() ); + + CV_WRAP virtual bool train_auto( const cv::Mat& trainData, const cv::Mat& responses, + const cv::Mat& varIdx, const cv::Mat& sampleIdx, CvSVMParams params, + int k_fold = 10, + CvParamGrid Cgrid = CvSVM::get_default_grid(CvSVM::C), + CvParamGrid gammaGrid = CvSVM::get_default_grid(CvSVM::GAMMA), + CvParamGrid pGrid = CvSVM::get_default_grid(CvSVM::P), + CvParamGrid nuGrid = CvSVM::get_default_grid(CvSVM::NU), + CvParamGrid coeffGrid = CvSVM::get_default_grid(CvSVM::COEF), + CvParamGrid degreeGrid = CvSVM::get_default_grid(CvSVM::DEGREE), + bool balanced=false); + CV_WRAP virtual float predict( const cv::Mat& sample, bool returnDFVal=false ) const; + CV_WRAP_AS(predict_all) virtual void predict( cv::InputArray samples, cv::OutputArray results ) const; + + CV_WRAP virtual int get_support_vector_count() const; + virtual const float* get_support_vector(int i) const; + virtual CvSVMParams get_params() const { return params; } + CV_WRAP virtual void clear(); + + virtual const CvSVMDecisionFunc* get_decision_function() const { return decision_func; } + + static CvParamGrid get_default_grid( int param_id ); + + virtual void write( CvFileStorage* storage, const char* name ) const; + virtual void read( CvFileStorage* storage, CvFileNode* node ); + CV_WRAP int get_var_count() const { return var_idx ? var_idx->cols : var_all; } + +protected: + + virtual bool set_params( const CvSVMParams& params ); + virtual bool train1( int sample_count, int var_count, const float** samples, + const void* responses, double Cp, double Cn, + CvMemStorage* _storage, double* alpha, double& rho ); + virtual bool do_train( int svm_type, int sample_count, int var_count, const float** samples, + const CvMat* responses, CvMemStorage* _storage, double* alpha ); + virtual void create_kernel(); + virtual void create_solver(); + + virtual float predict( const float* row_sample, int row_len, bool returnDFVal=false ) const; + + virtual void write_params( CvFileStorage* fs ) const; + virtual void read_params( CvFileStorage* fs, CvFileNode* node ); + + void optimize_linear_svm(); + + CvSVMParams params; + CvMat* class_labels; + int var_all; + float** sv; + int sv_total; + CvMat* var_idx; + CvMat* class_weights; + CvSVMDecisionFunc* decision_func; + CvMemStorage* storage; + + CvSVMSolver* solver; + CvSVMKernel* kernel; + +private: + CvSVM(const CvSVM&); + CvSVM& operator = (const CvSVM&); +}; + +/****************************************************************************************\ +* Expectation - Maximization * +\****************************************************************************************/ +namespace cv +{ +class EM : public Algorithm +{ +public: + // Type of covariation matrices + enum {COV_MAT_SPHERICAL=0, COV_MAT_DIAGONAL=1, COV_MAT_GENERIC=2, COV_MAT_DEFAULT=COV_MAT_DIAGONAL}; + + // Default parameters + enum {DEFAULT_NCLUSTERS=5, DEFAULT_MAX_ITERS=100}; + + // The initial step + enum {START_E_STEP=1, START_M_STEP=2, START_AUTO_STEP=0}; + + CV_WRAP EM(int nclusters=EM::DEFAULT_NCLUSTERS, int covMatType=EM::COV_MAT_DIAGONAL, + const TermCriteria& termCrit=TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, + EM::DEFAULT_MAX_ITERS, FLT_EPSILON)); + + virtual ~EM(); + CV_WRAP virtual void clear(); + + CV_WRAP virtual bool train(InputArray samples, + OutputArray logLikelihoods=noArray(), + OutputArray labels=noArray(), + OutputArray probs=noArray()); + + CV_WRAP virtual bool trainE(InputArray samples, + InputArray means0, + InputArray covs0=noArray(), + InputArray weights0=noArray(), + OutputArray logLikelihoods=noArray(), + OutputArray labels=noArray(), + OutputArray probs=noArray()); + + CV_WRAP virtual bool trainM(InputArray samples, + InputArray probs0, + OutputArray logLikelihoods=noArray(), + OutputArray labels=noArray(), + OutputArray probs=noArray()); + + CV_WRAP Vec2d predict(InputArray sample, + OutputArray probs=noArray()) const; + + CV_WRAP bool isTrained() const; + + AlgorithmInfo* info() const; + virtual void read(const FileNode& fn); + +protected: + + virtual void setTrainData(int startStep, const Mat& samples, + const Mat* probs0, + const Mat* means0, + const std::vector* covs0, + const Mat* weights0); + + bool doTrain(int startStep, + OutputArray logLikelihoods, + OutputArray labels, + OutputArray probs); + virtual void eStep(); + virtual void mStep(); + + void clusterTrainSamples(); + void decomposeCovs(); + void computeLogWeightDivDet(); + + Vec2d computeProbabilities(const Mat& sample, Mat* probs) const; + + // all inner matrices have type CV_64FC1 + CV_PROP_RW int nclusters; + CV_PROP_RW int covMatType; + CV_PROP_RW int maxIters; + CV_PROP_RW double epsilon; + + Mat trainSamples; + Mat trainProbs; + Mat trainLogLikelihoods; + Mat trainLabels; + + CV_PROP Mat weights; + CV_PROP Mat means; + CV_PROP std::vector covs; + + std::vector covsEigenValues; + std::vector covsRotateMats; + std::vector invCovsEigenValues; + Mat logWeightDivDet; +}; +} // namespace cv + +/****************************************************************************************\ +* Decision Tree * +\****************************************************************************************/\ +struct CvPair16u32s +{ + unsigned short* u; + int* i; +}; + + +#define CV_DTREE_CAT_DIR(idx,subset) \ + (2*((subset[(idx)>>5]&(1 << ((idx) & 31)))==0)-1) + +struct CvDTreeSplit +{ + int var_idx; + int condensed_idx; + int inversed; + float quality; + CvDTreeSplit* next; + union + { + int subset[2]; + struct + { + float c; + int split_point; + } + ord; + }; +}; + +struct CvDTreeNode +{ + int class_idx; + int Tn; + double value; + + CvDTreeNode* parent; + CvDTreeNode* left; + CvDTreeNode* right; + + CvDTreeSplit* split; + + int sample_count; + int depth; + int* num_valid; + int offset; + int buf_idx; + double maxlr; + + // global pruning data + int complexity; + double alpha; + double node_risk, tree_risk, tree_error; + + // cross-validation pruning data + int* cv_Tn; + double* cv_node_risk; + double* cv_node_error; + + int get_num_valid(int vi) { return num_valid ? num_valid[vi] : sample_count; } + void set_num_valid(int vi, int n) { if( num_valid ) num_valid[vi] = n; } +}; + + +struct CvDTreeParams +{ + CV_PROP_RW int max_categories; + CV_PROP_RW int max_depth; + CV_PROP_RW int min_sample_count; + CV_PROP_RW int cv_folds; + CV_PROP_RW bool use_surrogates; + CV_PROP_RW bool use_1se_rule; + CV_PROP_RW bool truncate_pruned_tree; + CV_PROP_RW float regression_accuracy; + const float* priors; + + CvDTreeParams(); + CvDTreeParams( int max_depth, int min_sample_count, + float regression_accuracy, bool use_surrogates, + int max_categories, int cv_folds, + bool use_1se_rule, bool truncate_pruned_tree, + const float* priors ); +}; + + +struct CvDTreeTrainData +{ + CvDTreeTrainData(); + CvDTreeTrainData( const CvMat* trainData, int tflag, + const CvMat* responses, const CvMat* varIdx=0, + const CvMat* sampleIdx=0, const CvMat* varType=0, + const CvMat* missingDataMask=0, + const CvDTreeParams& params=CvDTreeParams(), + bool _shared=false, bool _add_labels=false ); + virtual ~CvDTreeTrainData(); + + virtual void set_data( const CvMat* trainData, int tflag, + const CvMat* responses, const CvMat* varIdx=0, + const CvMat* sampleIdx=0, const CvMat* varType=0, + const CvMat* missingDataMask=0, + const CvDTreeParams& params=CvDTreeParams(), + bool _shared=false, bool _add_labels=false, + bool _update_data=false ); + virtual void do_responses_copy(); + + virtual void get_vectors( const CvMat* _subsample_idx, + float* values, uchar* missing, float* responses, bool get_class_idx=false ); + + virtual CvDTreeNode* subsample_data( const CvMat* _subsample_idx ); + + virtual void write_params( CvFileStorage* fs ) const; + virtual void read_params( CvFileStorage* fs, CvFileNode* node ); + + // release all the data + virtual void clear(); + + int get_num_classes() const; + int get_var_type(int vi) const; + int get_work_var_count() const {return work_var_count;} + + virtual const float* get_ord_responses( CvDTreeNode* n, float* values_buf, int* sample_indices_buf ); + virtual const int* get_class_labels( CvDTreeNode* n, int* labels_buf ); + virtual const int* get_cv_labels( CvDTreeNode* n, int* labels_buf ); + virtual const int* get_sample_indices( CvDTreeNode* n, int* indices_buf ); + virtual const int* get_cat_var_data( CvDTreeNode* n, int vi, int* cat_values_buf ); + virtual void get_ord_var_data( CvDTreeNode* n, int vi, float* ord_values_buf, int* sorted_indices_buf, + const float** ord_values, const int** sorted_indices, int* sample_indices_buf ); + virtual int get_child_buf_idx( CvDTreeNode* n ); + + //////////////////////////////////// + + virtual bool set_params( const CvDTreeParams& params ); + virtual CvDTreeNode* new_node( CvDTreeNode* parent, int count, + int storage_idx, int offset ); + + virtual CvDTreeSplit* new_split_ord( int vi, float cmp_val, + int split_point, int inversed, float quality ); + virtual CvDTreeSplit* new_split_cat( int vi, float quality ); + virtual void free_node_data( CvDTreeNode* node ); + virtual void free_train_data(); + virtual void free_node( CvDTreeNode* node ); + + int sample_count, var_all, var_count, max_c_count; + int ord_var_count, cat_var_count, work_var_count; + bool have_labels, have_priors; + bool is_classifier; + int tflag; + + const CvMat* train_data; + const CvMat* responses; + CvMat* responses_copy; // used in Boosting + + int buf_count, buf_size; // buf_size is obsolete, please do not use it, use expression ((int64)buf->rows * (int64)buf->cols / buf_count) instead + bool shared; + int is_buf_16u; + + CvMat* cat_count; + CvMat* cat_ofs; + CvMat* cat_map; + + CvMat* counts; + CvMat* buf; + inline size_t get_length_subbuf() const + { + size_t res = (size_t)(work_var_count + 1) * (size_t)sample_count; + return res; + } + + CvMat* direction; + CvMat* split_buf; + + CvMat* var_idx; + CvMat* var_type; // i-th element = + // k<0 - ordered + // k>=0 - categorical, see k-th element of cat_* arrays + CvMat* priors; + CvMat* priors_mult; + + CvDTreeParams params; + + CvMemStorage* tree_storage; + CvMemStorage* temp_storage; + + CvDTreeNode* data_root; + + CvSet* node_heap; + CvSet* split_heap; + CvSet* cv_heap; + CvSet* nv_heap; + + cv::RNG* rng; +}; + +class CvDTree; +class CvForestTree; + +namespace cv +{ + struct DTreeBestSplitFinder; + struct ForestTreeBestSplitFinder; +} + +class CvDTree : public CvStatModel +{ +public: + CV_WRAP CvDTree(); + virtual ~CvDTree(); + + virtual bool train( const CvMat* trainData, int tflag, + const CvMat* responses, const CvMat* varIdx=0, + const CvMat* sampleIdx=0, const CvMat* varType=0, + const CvMat* missingDataMask=0, + CvDTreeParams params=CvDTreeParams() ); + + virtual bool train( CvMLData* trainData, CvDTreeParams params=CvDTreeParams() ); + + // type in {CV_TRAIN_ERROR, CV_TEST_ERROR} + virtual float calc_error( CvMLData* trainData, int type, std::vector *resp = 0 ); + + virtual bool train( CvDTreeTrainData* trainData, const CvMat* subsampleIdx ); + + virtual CvDTreeNode* predict( const CvMat* sample, const CvMat* missingDataMask=0, + bool preprocessedInput=false ) const; + + CV_WRAP virtual bool train( const cv::Mat& trainData, int tflag, + const cv::Mat& responses, const cv::Mat& varIdx=cv::Mat(), + const cv::Mat& sampleIdx=cv::Mat(), const cv::Mat& varType=cv::Mat(), + const cv::Mat& missingDataMask=cv::Mat(), + CvDTreeParams params=CvDTreeParams() ); + + CV_WRAP virtual CvDTreeNode* predict( const cv::Mat& sample, const cv::Mat& missingDataMask=cv::Mat(), + bool preprocessedInput=false ) const; + CV_WRAP virtual cv::Mat getVarImportance(); + + virtual const CvMat* get_var_importance(); + CV_WRAP virtual void clear(); + + virtual void read( CvFileStorage* fs, CvFileNode* node ); + virtual void write( CvFileStorage* fs, const char* name ) const; + + // special read & write methods for trees in the tree ensembles + virtual void read( CvFileStorage* fs, CvFileNode* node, + CvDTreeTrainData* data ); + virtual void write( CvFileStorage* fs ) const; + + const CvDTreeNode* get_root() const; + int get_pruned_tree_idx() const; + CvDTreeTrainData* get_data(); + +protected: + friend struct cv::DTreeBestSplitFinder; + + virtual bool do_train( const CvMat* _subsample_idx ); + + virtual void try_split_node( CvDTreeNode* n ); + virtual void split_node_data( CvDTreeNode* n ); + virtual CvDTreeSplit* find_best_split( CvDTreeNode* n ); + virtual CvDTreeSplit* find_split_ord_class( CvDTreeNode* n, int vi, + float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); + virtual CvDTreeSplit* find_split_cat_class( CvDTreeNode* n, int vi, + float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); + virtual CvDTreeSplit* find_split_ord_reg( CvDTreeNode* n, int vi, + float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); + virtual CvDTreeSplit* find_split_cat_reg( CvDTreeNode* n, int vi, + float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); + virtual CvDTreeSplit* find_surrogate_split_ord( CvDTreeNode* n, int vi, uchar* ext_buf = 0 ); + virtual CvDTreeSplit* find_surrogate_split_cat( CvDTreeNode* n, int vi, uchar* ext_buf = 0 ); + virtual double calc_node_dir( CvDTreeNode* node ); + virtual void complete_node_dir( CvDTreeNode* node ); + virtual void cluster_categories( const int* vectors, int vector_count, + int var_count, int* sums, int k, int* cluster_labels ); + + virtual void calc_node_value( CvDTreeNode* node ); + + virtual void prune_cv(); + virtual double update_tree_rnc( int T, int fold ); + virtual int cut_tree( int T, int fold, double min_alpha ); + virtual void free_prune_data(bool cut_tree); + virtual void free_tree(); + + virtual void write_node( CvFileStorage* fs, CvDTreeNode* node ) const; + virtual void write_split( CvFileStorage* fs, CvDTreeSplit* split ) const; + virtual CvDTreeNode* read_node( CvFileStorage* fs, CvFileNode* node, CvDTreeNode* parent ); + virtual CvDTreeSplit* read_split( CvFileStorage* fs, CvFileNode* node ); + virtual void write_tree_nodes( CvFileStorage* fs ) const; + virtual void read_tree_nodes( CvFileStorage* fs, CvFileNode* node ); + + CvDTreeNode* root; + CvMat* var_importance; + CvDTreeTrainData* data; + CvMat train_data_hdr, responses_hdr; + cv::Mat train_data_mat, responses_mat; + +public: + int pruned_tree_idx; +}; + + +/****************************************************************************************\ +* Random Trees Classifier * +\****************************************************************************************/ + +class CvRTrees; + +class CvForestTree: public CvDTree +{ +public: + CvForestTree(); + virtual ~CvForestTree(); + + virtual bool train( CvDTreeTrainData* trainData, const CvMat* _subsample_idx, CvRTrees* forest ); + + virtual int get_var_count() const {return data ? data->var_count : 0;} + virtual void read( CvFileStorage* fs, CvFileNode* node, CvRTrees* forest, CvDTreeTrainData* _data ); + + /* dummy methods to avoid warnings: BEGIN */ + virtual bool train( const CvMat* trainData, int tflag, + const CvMat* responses, const CvMat* varIdx=0, + const CvMat* sampleIdx=0, const CvMat* varType=0, + const CvMat* missingDataMask=0, + CvDTreeParams params=CvDTreeParams() ); + + virtual bool train( CvDTreeTrainData* trainData, const CvMat* _subsample_idx ); + virtual void read( CvFileStorage* fs, CvFileNode* node ); + virtual void read( CvFileStorage* fs, CvFileNode* node, + CvDTreeTrainData* data ); + /* dummy methods to avoid warnings: END */ + +protected: + friend struct cv::ForestTreeBestSplitFinder; + + virtual CvDTreeSplit* find_best_split( CvDTreeNode* n ); + CvRTrees* forest; +}; + + +struct CvRTParams : public CvDTreeParams +{ + //Parameters for the forest + CV_PROP_RW bool calc_var_importance; // true <=> RF processes variable importance + CV_PROP_RW int nactive_vars; + CV_PROP_RW CvTermCriteria term_crit; + + CvRTParams(); + CvRTParams( int max_depth, int min_sample_count, + float regression_accuracy, bool use_surrogates, + int max_categories, const float* priors, bool calc_var_importance, + int nactive_vars, int max_num_of_trees_in_the_forest, + float forest_accuracy, int termcrit_type ); +}; + + +class CvRTrees : public CvStatModel +{ +public: + CV_WRAP CvRTrees(); + virtual ~CvRTrees(); + virtual bool train( const CvMat* trainData, int tflag, + const CvMat* responses, const CvMat* varIdx=0, + const CvMat* sampleIdx=0, const CvMat* varType=0, + const CvMat* missingDataMask=0, + CvRTParams params=CvRTParams() ); + + virtual bool train( CvMLData* data, CvRTParams params=CvRTParams() ); + virtual float predict( const CvMat* sample, const CvMat* missing = 0 ) const; + virtual float predict_prob( const CvMat* sample, const CvMat* missing = 0 ) const; + + CV_WRAP virtual bool train( const cv::Mat& trainData, int tflag, + const cv::Mat& responses, const cv::Mat& varIdx=cv::Mat(), + const cv::Mat& sampleIdx=cv::Mat(), const cv::Mat& varType=cv::Mat(), + const cv::Mat& missingDataMask=cv::Mat(), + CvRTParams params=CvRTParams() ); + CV_WRAP virtual float predict( const cv::Mat& sample, const cv::Mat& missing = cv::Mat() ) const; + CV_WRAP virtual float predict_prob( const cv::Mat& sample, const cv::Mat& missing = cv::Mat() ) const; + CV_WRAP virtual cv::Mat getVarImportance(); + + CV_WRAP virtual void clear(); + + virtual const CvMat* get_var_importance(); + virtual float get_proximity( const CvMat* sample1, const CvMat* sample2, + const CvMat* missing1 = 0, const CvMat* missing2 = 0 ) const; + + virtual float calc_error( CvMLData* data, int type , std::vector* resp = 0 ); // type in {CV_TRAIN_ERROR, CV_TEST_ERROR} + + virtual float get_train_error(); + + virtual void read( CvFileStorage* fs, CvFileNode* node ); + virtual void write( CvFileStorage* fs, const char* name ) const; + + CvMat* get_active_var_mask(); + CvRNG* get_rng(); + + int get_tree_count() const; + CvForestTree* get_tree(int i) const; + +protected: + virtual cv::String getName() const; + + virtual bool grow_forest( const CvTermCriteria term_crit ); + + // array of the trees of the forest + CvForestTree** trees; + CvDTreeTrainData* data; + CvMat train_data_hdr, responses_hdr; + cv::Mat train_data_mat, responses_mat; + int ntrees; + int nclasses; + double oob_error; + CvMat* var_importance; + int nsamples; + + cv::RNG* rng; + CvMat* active_var_mask; +}; + +/****************************************************************************************\ +* Extremely randomized trees Classifier * +\****************************************************************************************/ +struct CvERTreeTrainData : public CvDTreeTrainData +{ + virtual void set_data( const CvMat* trainData, int tflag, + const CvMat* responses, const CvMat* varIdx=0, + const CvMat* sampleIdx=0, const CvMat* varType=0, + const CvMat* missingDataMask=0, + const CvDTreeParams& params=CvDTreeParams(), + bool _shared=false, bool _add_labels=false, + bool _update_data=false ); + virtual void get_ord_var_data( CvDTreeNode* n, int vi, float* ord_values_buf, int* missing_buf, + const float** ord_values, const int** missing, int* sample_buf = 0 ); + virtual const int* get_sample_indices( CvDTreeNode* n, int* indices_buf ); + virtual const int* get_cv_labels( CvDTreeNode* n, int* labels_buf ); + virtual const int* get_cat_var_data( CvDTreeNode* n, int vi, int* cat_values_buf ); + virtual void get_vectors( const CvMat* _subsample_idx, float* values, uchar* missing, + float* responses, bool get_class_idx=false ); + virtual CvDTreeNode* subsample_data( const CvMat* _subsample_idx ); + const CvMat* missing_mask; +}; + +class CvForestERTree : public CvForestTree +{ +protected: + virtual double calc_node_dir( CvDTreeNode* node ); + virtual CvDTreeSplit* find_split_ord_class( CvDTreeNode* n, int vi, + float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); + virtual CvDTreeSplit* find_split_cat_class( CvDTreeNode* n, int vi, + float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); + virtual CvDTreeSplit* find_split_ord_reg( CvDTreeNode* n, int vi, + float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); + virtual CvDTreeSplit* find_split_cat_reg( CvDTreeNode* n, int vi, + float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); + virtual void split_node_data( CvDTreeNode* n ); +}; + +class CvERTrees : public CvRTrees +{ +public: + CV_WRAP CvERTrees(); + virtual ~CvERTrees(); + virtual bool train( const CvMat* trainData, int tflag, + const CvMat* responses, const CvMat* varIdx=0, + const CvMat* sampleIdx=0, const CvMat* varType=0, + const CvMat* missingDataMask=0, + CvRTParams params=CvRTParams()); + CV_WRAP virtual bool train( const cv::Mat& trainData, int tflag, + const cv::Mat& responses, const cv::Mat& varIdx=cv::Mat(), + const cv::Mat& sampleIdx=cv::Mat(), const cv::Mat& varType=cv::Mat(), + const cv::Mat& missingDataMask=cv::Mat(), + CvRTParams params=CvRTParams()); + virtual bool train( CvMLData* data, CvRTParams params=CvRTParams() ); +protected: + virtual cv::String getName() const; + virtual bool grow_forest( const CvTermCriteria term_crit ); +}; + + +/****************************************************************************************\ +* Boosted tree classifier * +\****************************************************************************************/ + +struct CvBoostParams : public CvDTreeParams +{ + CV_PROP_RW int boost_type; + CV_PROP_RW int weak_count; + CV_PROP_RW int split_criteria; + CV_PROP_RW double weight_trim_rate; + + CvBoostParams(); + CvBoostParams( int boost_type, int weak_count, double weight_trim_rate, + int max_depth, bool use_surrogates, const float* priors ); +}; + + +class CvBoost; + +class CvBoostTree: public CvDTree +{ +public: + CvBoostTree(); + virtual ~CvBoostTree(); + + virtual bool train( CvDTreeTrainData* trainData, + const CvMat* subsample_idx, CvBoost* ensemble ); + + virtual void scale( double s ); + virtual void read( CvFileStorage* fs, CvFileNode* node, + CvBoost* ensemble, CvDTreeTrainData* _data ); + virtual void clear(); + + /* dummy methods to avoid warnings: BEGIN */ + virtual bool train( const CvMat* trainData, int tflag, + const CvMat* responses, const CvMat* varIdx=0, + const CvMat* sampleIdx=0, const CvMat* varType=0, + const CvMat* missingDataMask=0, + CvDTreeParams params=CvDTreeParams() ); + virtual bool train( CvDTreeTrainData* trainData, const CvMat* _subsample_idx ); + + virtual void read( CvFileStorage* fs, CvFileNode* node ); + virtual void read( CvFileStorage* fs, CvFileNode* node, + CvDTreeTrainData* data ); + /* dummy methods to avoid warnings: END */ + +protected: + + virtual void try_split_node( CvDTreeNode* n ); + virtual CvDTreeSplit* find_surrogate_split_ord( CvDTreeNode* n, int vi, uchar* ext_buf = 0 ); + virtual CvDTreeSplit* find_surrogate_split_cat( CvDTreeNode* n, int vi, uchar* ext_buf = 0 ); + virtual CvDTreeSplit* find_split_ord_class( CvDTreeNode* n, int vi, + float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); + virtual CvDTreeSplit* find_split_cat_class( CvDTreeNode* n, int vi, + float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); + virtual CvDTreeSplit* find_split_ord_reg( CvDTreeNode* n, int vi, + float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); + virtual CvDTreeSplit* find_split_cat_reg( CvDTreeNode* n, int vi, + float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); + virtual void calc_node_value( CvDTreeNode* n ); + virtual double calc_node_dir( CvDTreeNode* n ); + + CvBoost* ensemble; +}; + + +class CvBoost : public CvStatModel +{ +public: + // Boosting type + enum { DISCRETE=0, REAL=1, LOGIT=2, GENTLE=3 }; + + // Splitting criteria + enum { DEFAULT=0, GINI=1, MISCLASS=3, SQERR=4 }; + + CV_WRAP CvBoost(); + virtual ~CvBoost(); + + CvBoost( const CvMat* trainData, int tflag, + const CvMat* responses, const CvMat* varIdx=0, + const CvMat* sampleIdx=0, const CvMat* varType=0, + const CvMat* missingDataMask=0, + CvBoostParams params=CvBoostParams() ); + + virtual bool train( const CvMat* trainData, int tflag, + const CvMat* responses, const CvMat* varIdx=0, + const CvMat* sampleIdx=0, const CvMat* varType=0, + const CvMat* missingDataMask=0, + CvBoostParams params=CvBoostParams(), + bool update=false ); + + virtual bool train( CvMLData* data, + CvBoostParams params=CvBoostParams(), + bool update=false ); + + virtual float predict( const CvMat* sample, const CvMat* missing=0, + CvMat* weak_responses=0, CvSlice slice=CV_WHOLE_SEQ, + bool raw_mode=false, bool return_sum=false ) const; + + CV_WRAP CvBoost( const cv::Mat& trainData, int tflag, + const cv::Mat& responses, const cv::Mat& varIdx=cv::Mat(), + const cv::Mat& sampleIdx=cv::Mat(), const cv::Mat& varType=cv::Mat(), + const cv::Mat& missingDataMask=cv::Mat(), + CvBoostParams params=CvBoostParams() ); + + CV_WRAP virtual bool train( const cv::Mat& trainData, int tflag, + const cv::Mat& responses, const cv::Mat& varIdx=cv::Mat(), + const cv::Mat& sampleIdx=cv::Mat(), const cv::Mat& varType=cv::Mat(), + const cv::Mat& missingDataMask=cv::Mat(), + CvBoostParams params=CvBoostParams(), + bool update=false ); + + CV_WRAP virtual float predict( const cv::Mat& sample, const cv::Mat& missing=cv::Mat(), + const cv::Range& slice=cv::Range::all(), bool rawMode=false, + bool returnSum=false ) const; + + virtual float calc_error( CvMLData* _data, int type , std::vector *resp = 0 ); // type in {CV_TRAIN_ERROR, CV_TEST_ERROR} + + CV_WRAP virtual void prune( CvSlice slice ); + + CV_WRAP virtual void clear(); + + virtual void write( CvFileStorage* storage, const char* name ) const; + virtual void read( CvFileStorage* storage, CvFileNode* node ); + virtual const CvMat* get_active_vars(bool absolute_idx=true); + + CvSeq* get_weak_predictors(); + + CvMat* get_weights(); + CvMat* get_subtree_weights(); + CvMat* get_weak_response(); + const CvBoostParams& get_params() const; + const CvDTreeTrainData* get_data() const; + +protected: + + virtual bool set_params( const CvBoostParams& params ); + virtual void update_weights( CvBoostTree* tree ); + virtual void trim_weights(); + virtual void write_params( CvFileStorage* fs ) const; + virtual void read_params( CvFileStorage* fs, CvFileNode* node ); + + virtual void initialize_weights(double (&p)[2]); + + CvDTreeTrainData* data; + CvMat train_data_hdr, responses_hdr; + cv::Mat train_data_mat, responses_mat; + CvBoostParams params; + CvSeq* weak; + + CvMat* active_vars; + CvMat* active_vars_abs; + bool have_active_cat_vars; + + CvMat* orig_response; + CvMat* sum_response; + CvMat* weak_eval; + CvMat* subsample_mask; + CvMat* weights; + CvMat* subtree_weights; + bool have_subsample; +}; + + +/****************************************************************************************\ +* Gradient Boosted Trees * +\****************************************************************************************/ + +// DataType: STRUCT CvGBTreesParams +// Parameters of GBT (Gradient Boosted trees model), including single +// tree settings and ensemble parameters. +// +// weak_count - count of trees in the ensemble +// loss_function_type - loss function used for ensemble training +// subsample_portion - portion of whole training set used for +// every single tree training. +// subsample_portion value is in (0.0, 1.0]. +// subsample_portion == 1.0 when whole dataset is +// used on each step. Count of sample used on each +// step is computed as +// int(total_samples_count * subsample_portion). +// shrinkage - regularization parameter. +// Each tree prediction is multiplied on shrinkage value. + + +struct CvGBTreesParams : public CvDTreeParams +{ + CV_PROP_RW int weak_count; + CV_PROP_RW int loss_function_type; + CV_PROP_RW float subsample_portion; + CV_PROP_RW float shrinkage; + + CvGBTreesParams(); + CvGBTreesParams( int loss_function_type, int weak_count, float shrinkage, + float subsample_portion, int max_depth, bool use_surrogates ); +}; + +// DataType: CLASS CvGBTrees +// Gradient Boosting Trees (GBT) algorithm implementation. +// +// data - training dataset +// params - parameters of the CvGBTrees +// weak - array[0..(class_count-1)] of CvSeq +// for storing tree ensembles +// orig_response - original responses of the training set samples +// sum_response - predicitons of the current model on the training dataset. +// this matrix is updated on every iteration. +// sum_response_tmp - predicitons of the model on the training set on the next +// step. On every iteration values of sum_responses_tmp are +// computed via sum_responses values. When the current +// step is complete sum_response values become equal to +// sum_responses_tmp. +// sampleIdx - indices of samples used for training the ensemble. +// CvGBTrees training procedure takes a set of samples +// (train_data) and a set of responses (responses). +// Only pairs (train_data[i], responses[i]), where i is +// in sample_idx are used for training the ensemble. +// subsample_train - indices of samples used for training a single decision +// tree on the current step. This indices are countered +// relatively to the sample_idx, so that pairs +// (train_data[sample_idx[i]], responses[sample_idx[i]]) +// are used for training a decision tree. +// Training set is randomly splited +// in two parts (subsample_train and subsample_test) +// on every iteration accordingly to the portion parameter. +// subsample_test - relative indices of samples from the training set, +// which are not used for training a tree on the current +// step. +// missing - mask of the missing values in the training set. This +// matrix has the same size as train_data. 1 - missing +// value, 0 - not a missing value. +// class_labels - output class labels map. +// rng - random number generator. Used for spliting the +// training set. +// class_count - count of output classes. +// class_count == 1 in the case of regression, +// and > 1 in the case of classification. +// delta - Huber loss function parameter. +// base_value - start point of the gradient descent procedure. +// model prediction is +// f(x) = f_0 + sum_{i=1..weak_count-1}(f_i(x)), where +// f_0 is the base value. + + + +class CvGBTrees : public CvStatModel +{ +public: + + /* + // DataType: ENUM + // Loss functions implemented in CvGBTrees. + // + // SQUARED_LOSS + // problem: regression + // loss = (x - x')^2 + // + // ABSOLUTE_LOSS + // problem: regression + // loss = abs(x - x') + // + // HUBER_LOSS + // problem: regression + // loss = delta*( abs(x - x') - delta/2), if abs(x - x') > delta + // 1/2*(x - x')^2, if abs(x - x') <= delta, + // where delta is the alpha-quantile of pseudo responses from + // the training set. + // + // DEVIANCE_LOSS + // problem: classification + // + */ + enum {SQUARED_LOSS=0, ABSOLUTE_LOSS, HUBER_LOSS=3, DEVIANCE_LOSS}; + + + /* + // Default constructor. Creates a model only (without training). + // Should be followed by one form of the train(...) function. + // + // API + // CvGBTrees(); + + // INPUT + // OUTPUT + // RESULT + */ + CV_WRAP CvGBTrees(); + + + /* + // Full form constructor. Creates a gradient boosting model and does the + // train. + // + // API + // CvGBTrees( const CvMat* trainData, int tflag, + const CvMat* responses, const CvMat* varIdx=0, + const CvMat* sampleIdx=0, const CvMat* varType=0, + const CvMat* missingDataMask=0, + CvGBTreesParams params=CvGBTreesParams() ); + + // INPUT + // trainData - a set of input feature vectors. + // size of matrix is + // x + // or x + // depending on the tflag parameter. + // matrix values are float. + // tflag - a flag showing how do samples stored in the + // trainData matrix row by row (tflag=CV_ROW_SAMPLE) + // or column by column (tflag=CV_COL_SAMPLE). + // responses - a vector of responses corresponding to the samples + // in trainData. + // varIdx - indices of used variables. zero value means that all + // variables are active. + // sampleIdx - indices of used samples. zero value means that all + // samples from trainData are in the training set. + // varType - vector of length. gives every + // variable type CV_VAR_CATEGORICAL or CV_VAR_ORDERED. + // varType = 0 means all variables are numerical. + // missingDataMask - a mask of misiing values in trainData. + // missingDataMask = 0 means that there are no missing + // values. + // params - parameters of GTB algorithm. + // OUTPUT + // RESULT + */ + CvGBTrees( const CvMat* trainData, int tflag, + const CvMat* responses, const CvMat* varIdx=0, + const CvMat* sampleIdx=0, const CvMat* varType=0, + const CvMat* missingDataMask=0, + CvGBTreesParams params=CvGBTreesParams() ); + + + /* + // Destructor. + */ + virtual ~CvGBTrees(); + + + /* + // Gradient tree boosting model training + // + // API + // virtual bool train( const CvMat* trainData, int tflag, + const CvMat* responses, const CvMat* varIdx=0, + const CvMat* sampleIdx=0, const CvMat* varType=0, + const CvMat* missingDataMask=0, + CvGBTreesParams params=CvGBTreesParams(), + bool update=false ); + + // INPUT + // trainData - a set of input feature vectors. + // size of matrix is + // x + // or x + // depending on the tflag parameter. + // matrix values are float. + // tflag - a flag showing how do samples stored in the + // trainData matrix row by row (tflag=CV_ROW_SAMPLE) + // or column by column (tflag=CV_COL_SAMPLE). + // responses - a vector of responses corresponding to the samples + // in trainData. + // varIdx - indices of used variables. zero value means that all + // variables are active. + // sampleIdx - indices of used samples. zero value means that all + // samples from trainData are in the training set. + // varType - vector of length. gives every + // variable type CV_VAR_CATEGORICAL or CV_VAR_ORDERED. + // varType = 0 means all variables are numerical. + // missingDataMask - a mask of misiing values in trainData. + // missingDataMask = 0 means that there are no missing + // values. + // params - parameters of GTB algorithm. + // update - is not supported now. (!) + // OUTPUT + // RESULT + // Error state. + */ + virtual bool train( const CvMat* trainData, int tflag, + const CvMat* responses, const CvMat* varIdx=0, + const CvMat* sampleIdx=0, const CvMat* varType=0, + const CvMat* missingDataMask=0, + CvGBTreesParams params=CvGBTreesParams(), + bool update=false ); + + + /* + // Gradient tree boosting model training + // + // API + // virtual bool train( CvMLData* data, + CvGBTreesParams params=CvGBTreesParams(), + bool update=false ) {return false;} + + // INPUT + // data - training set. + // params - parameters of GTB algorithm. + // update - is not supported now. (!) + // OUTPUT + // RESULT + // Error state. + */ + virtual bool train( CvMLData* data, + CvGBTreesParams params=CvGBTreesParams(), + bool update=false ); + + + /* + // Response value prediction + // + // API + // virtual float predict_serial( const CvMat* sample, const CvMat* missing=0, + CvMat* weak_responses=0, CvSlice slice = CV_WHOLE_SEQ, + int k=-1 ) const; + + // INPUT + // sample - input sample of the same type as in the training set. + // missing - missing values mask. missing=0 if there are no + // missing values in sample vector. + // weak_responses - predictions of all of the trees. + // not implemented (!) + // slice - part of the ensemble used for prediction. + // slice = CV_WHOLE_SEQ when all trees are used. + // k - number of ensemble used. + // k is in {-1,0,1,..,}. + // in the case of classification problem + // ensembles are built. + // If k = -1 ordinary prediction is the result, + // otherwise function gives the prediction of the + // k-th ensemble only. + // OUTPUT + // RESULT + // Predicted value. + */ + virtual float predict_serial( const CvMat* sample, const CvMat* missing=0, + CvMat* weakResponses=0, CvSlice slice = CV_WHOLE_SEQ, + int k=-1 ) const; + + /* + // Response value prediction. + // Parallel version (in the case of TBB existence) + // + // API + // virtual float predict( const CvMat* sample, const CvMat* missing=0, + CvMat* weak_responses=0, CvSlice slice = CV_WHOLE_SEQ, + int k=-1 ) const; + + // INPUT + // sample - input sample of the same type as in the training set. + // missing - missing values mask. missing=0 if there are no + // missing values in sample vector. + // weak_responses - predictions of all of the trees. + // not implemented (!) + // slice - part of the ensemble used for prediction. + // slice = CV_WHOLE_SEQ when all trees are used. + // k - number of ensemble used. + // k is in {-1,0,1,..,}. + // in the case of classification problem + // ensembles are built. + // If k = -1 ordinary prediction is the result, + // otherwise function gives the prediction of the + // k-th ensemble only. + // OUTPUT + // RESULT + // Predicted value. + */ + virtual float predict( const CvMat* sample, const CvMat* missing=0, + CvMat* weakResponses=0, CvSlice slice = CV_WHOLE_SEQ, + int k=-1 ) const; + + /* + // Deletes all the data. + // + // API + // virtual void clear(); + + // INPUT + // OUTPUT + // delete data, weak, orig_response, sum_response, + // weak_eval, subsample_train, subsample_test, + // sample_idx, missing, lass_labels + // delta = 0.0 + // RESULT + */ + CV_WRAP virtual void clear(); + + /* + // Compute error on the train/test set. + // + // API + // virtual float calc_error( CvMLData* _data, int type, + // std::vector *resp = 0 ); + // + // INPUT + // data - dataset + // type - defines which error is to compute: train (CV_TRAIN_ERROR) or + // test (CV_TEST_ERROR). + // OUTPUT + // resp - vector of predicitons + // RESULT + // Error value. + */ + virtual float calc_error( CvMLData* _data, int type, + std::vector *resp = 0 ); + + /* + // + // Write parameters of the gtb model and data. Write learned model. + // + // API + // virtual void write( CvFileStorage* fs, const char* name ) const; + // + // INPUT + // fs - file storage to read parameters from. + // name - model name. + // OUTPUT + // RESULT + */ + virtual void write( CvFileStorage* fs, const char* name ) const; + + + /* + // + // Read parameters of the gtb model and data. Read learned model. + // + // API + // virtual void read( CvFileStorage* fs, CvFileNode* node ); + // + // INPUT + // fs - file storage to read parameters from. + // node - file node. + // OUTPUT + // RESULT + */ + virtual void read( CvFileStorage* fs, CvFileNode* node ); + + + // new-style C++ interface + CV_WRAP CvGBTrees( const cv::Mat& trainData, int tflag, + const cv::Mat& responses, const cv::Mat& varIdx=cv::Mat(), + const cv::Mat& sampleIdx=cv::Mat(), const cv::Mat& varType=cv::Mat(), + const cv::Mat& missingDataMask=cv::Mat(), + CvGBTreesParams params=CvGBTreesParams() ); + + CV_WRAP virtual bool train( const cv::Mat& trainData, int tflag, + const cv::Mat& responses, const cv::Mat& varIdx=cv::Mat(), + const cv::Mat& sampleIdx=cv::Mat(), const cv::Mat& varType=cv::Mat(), + const cv::Mat& missingDataMask=cv::Mat(), + CvGBTreesParams params=CvGBTreesParams(), + bool update=false ); + + CV_WRAP virtual float predict( const cv::Mat& sample, const cv::Mat& missing=cv::Mat(), + const cv::Range& slice = cv::Range::all(), + int k=-1 ) const; + +protected: + + /* + // Compute the gradient vector components. + // + // API + // virtual void find_gradient( const int k = 0); + + // INPUT + // k - used for classification problem, determining current + // tree ensemble. + // OUTPUT + // changes components of data->responses + // which correspond to samples used for training + // on the current step. + // RESULT + */ + virtual void find_gradient( const int k = 0); + + + /* + // + // Change values in tree leaves according to the used loss function. + // + // API + // virtual void change_values(CvDTree* tree, const int k = 0); + // + // INPUT + // tree - decision tree to change. + // k - used for classification problem, determining current + // tree ensemble. + // OUTPUT + // changes 'value' fields of the trees' leaves. + // changes sum_response_tmp. + // RESULT + */ + virtual void change_values(CvDTree* tree, const int k = 0); + + + /* + // + // Find optimal constant prediction value according to the used loss + // function. + // The goal is to find a constant which gives the minimal summary loss + // on the _Idx samples. + // + // API + // virtual float find_optimal_value( const CvMat* _Idx ); + // + // INPUT + // _Idx - indices of the samples from the training set. + // OUTPUT + // RESULT + // optimal constant value. + */ + virtual float find_optimal_value( const CvMat* _Idx ); + + + /* + // + // Randomly split the whole training set in two parts according + // to params.portion. + // + // API + // virtual void do_subsample(); + // + // INPUT + // OUTPUT + // subsample_train - indices of samples used for training + // subsample_test - indices of samples used for test + // RESULT + */ + virtual void do_subsample(); + + + /* + // + // Internal recursive function giving an array of subtree tree leaves. + // + // API + // void leaves_get( CvDTreeNode** leaves, int& count, CvDTreeNode* node ); + // + // INPUT + // node - current leaf. + // OUTPUT + // count - count of leaves in the subtree. + // leaves - array of pointers to leaves. + // RESULT + */ + void leaves_get( CvDTreeNode** leaves, int& count, CvDTreeNode* node ); + + + /* + // + // Get leaves of the tree. + // + // API + // CvDTreeNode** GetLeaves( const CvDTree* dtree, int& len ); + // + // INPUT + // dtree - decision tree. + // OUTPUT + // len - count of the leaves. + // RESULT + // CvDTreeNode** - array of pointers to leaves. + */ + CvDTreeNode** GetLeaves( const CvDTree* dtree, int& len ); + + + /* + // + // Is it a regression or a classification. + // + // API + // bool problem_type(); + // + // INPUT + // OUTPUT + // RESULT + // false if it is a classification problem, + // true - if regression. + */ + virtual bool problem_type() const; + + + /* + // + // Write parameters of the gtb model. + // + // API + // virtual void write_params( CvFileStorage* fs ) const; + // + // INPUT + // fs - file storage to write parameters to. + // OUTPUT + // RESULT + */ + virtual void write_params( CvFileStorage* fs ) const; + + + /* + // + // Read parameters of the gtb model and data. + // + // API + // virtual void read_params( CvFileStorage* fs ); + // + // INPUT + // fs - file storage to read parameters from. + // OUTPUT + // params - parameters of the gtb model. + // data - contains information about the structure + // of the data set (count of variables, + // their types, etc.). + // class_labels - output class labels map. + // RESULT + */ + virtual void read_params( CvFileStorage* fs, CvFileNode* fnode ); + int get_len(const CvMat* mat) const; + + + CvDTreeTrainData* data; + CvGBTreesParams params; + + CvSeq** weak; + CvMat* orig_response; + CvMat* sum_response; + CvMat* sum_response_tmp; + CvMat* sample_idx; + CvMat* subsample_train; + CvMat* subsample_test; + CvMat* missing; + CvMat* class_labels; + + cv::RNG* rng; + + int class_count; + float delta; + float base_value; + +}; + + + +/****************************************************************************************\ +* Artificial Neural Networks (ANN) * +\****************************************************************************************/ + +/////////////////////////////////// Multi-Layer Perceptrons ////////////////////////////// + +struct CvANN_MLP_TrainParams +{ + CvANN_MLP_TrainParams(); + CvANN_MLP_TrainParams( CvTermCriteria term_crit, int train_method, + double param1, double param2=0 ); + ~CvANN_MLP_TrainParams(); + + enum { BACKPROP=0, RPROP=1 }; + + CV_PROP_RW CvTermCriteria term_crit; + CV_PROP_RW int train_method; + + // backpropagation parameters + CV_PROP_RW double bp_dw_scale, bp_moment_scale; + + // rprop parameters + CV_PROP_RW double rp_dw0, rp_dw_plus, rp_dw_minus, rp_dw_min, rp_dw_max; +}; + + +class CvANN_MLP : public CvStatModel +{ +public: + CV_WRAP CvANN_MLP(); + CvANN_MLP( const CvMat* layerSizes, + int activateFunc=CvANN_MLP::SIGMOID_SYM, + double fparam1=0, double fparam2=0 ); + + virtual ~CvANN_MLP(); + + virtual void create( const CvMat* layerSizes, + int activateFunc=CvANN_MLP::SIGMOID_SYM, + double fparam1=0, double fparam2=0 ); + + virtual int train( const CvMat* inputs, const CvMat* outputs, + const CvMat* sampleWeights, const CvMat* sampleIdx=0, + CvANN_MLP_TrainParams params = CvANN_MLP_TrainParams(), + int flags=0 ); + virtual float predict( const CvMat* inputs, CV_OUT CvMat* outputs ) const; + + CV_WRAP CvANN_MLP( const cv::Mat& layerSizes, + int activateFunc=CvANN_MLP::SIGMOID_SYM, + double fparam1=0, double fparam2=0 ); + + CV_WRAP virtual void create( const cv::Mat& layerSizes, + int activateFunc=CvANN_MLP::SIGMOID_SYM, + double fparam1=0, double fparam2=0 ); + + CV_WRAP virtual int train( const cv::Mat& inputs, const cv::Mat& outputs, + const cv::Mat& sampleWeights, const cv::Mat& sampleIdx=cv::Mat(), + CvANN_MLP_TrainParams params = CvANN_MLP_TrainParams(), + int flags=0 ); + + CV_WRAP virtual float predict( const cv::Mat& inputs, CV_OUT cv::Mat& outputs ) const; + + CV_WRAP virtual void clear(); + + // possible activation functions + enum { IDENTITY = 0, SIGMOID_SYM = 1, GAUSSIAN = 2 }; + + // available training flags + enum { UPDATE_WEIGHTS = 1, NO_INPUT_SCALE = 2, NO_OUTPUT_SCALE = 4 }; + + virtual void read( CvFileStorage* fs, CvFileNode* node ); + virtual void write( CvFileStorage* storage, const char* name ) const; + + int get_layer_count() { return layer_sizes ? layer_sizes->cols : 0; } + const CvMat* get_layer_sizes() { return layer_sizes; } + double* get_weights(int layer) + { + return layer_sizes && weights && + (unsigned)layer <= (unsigned)layer_sizes->cols ? weights[layer] : 0; + } + + virtual void calc_activ_func_deriv( CvMat* xf, CvMat* deriv, const double* bias ) const; + +protected: + + virtual bool prepare_to_train( const CvMat* _inputs, const CvMat* _outputs, + const CvMat* _sample_weights, const CvMat* sampleIdx, + CvVectors* _ivecs, CvVectors* _ovecs, double** _sw, int _flags ); + + // sequential random backpropagation + virtual int train_backprop( CvVectors _ivecs, CvVectors _ovecs, const double* _sw ); + + // RPROP algorithm + virtual int train_rprop( CvVectors _ivecs, CvVectors _ovecs, const double* _sw ); + + virtual void calc_activ_func( CvMat* xf, const double* bias ) const; + virtual void set_activ_func( int _activ_func=SIGMOID_SYM, + double _f_param1=0, double _f_param2=0 ); + virtual void init_weights(); + virtual void scale_input( const CvMat* _src, CvMat* _dst ) const; + virtual void scale_output( const CvMat* _src, CvMat* _dst ) const; + virtual void calc_input_scale( const CvVectors* vecs, int flags ); + virtual void calc_output_scale( const CvVectors* vecs, int flags ); + + virtual void write_params( CvFileStorage* fs ) const; + virtual void read_params( CvFileStorage* fs, CvFileNode* node ); + + CvMat* layer_sizes; + CvMat* wbuf; + CvMat* sample_weights; + double** weights; + double f_param1, f_param2; + double min_val, max_val, min_val1, max_val1; + int activ_func; + int max_count, max_buf_sz; + CvANN_MLP_TrainParams params; + cv::RNG* rng; +}; + +/****************************************************************************************\ +* Auxilary functions declarations * +\****************************************************************************************/ + +/* Generates from multivariate normal distribution, where - is an + average row vector, - symmetric covariation matrix */ +CVAPI(void) cvRandMVNormal( CvMat* mean, CvMat* cov, CvMat* sample, + CvRNG* rng CV_DEFAULT(0) ); + +/* Generates sample from gaussian mixture distribution */ +CVAPI(void) cvRandGaussMixture( CvMat* means[], + CvMat* covs[], + float weights[], + int clsnum, + CvMat* sample, + CvMat* sampClasses CV_DEFAULT(0) ); + +#define CV_TS_CONCENTRIC_SPHERES 0 + +/* creates test set */ +CVAPI(void) cvCreateTestSet( int type, CvMat** samples, + int num_samples, + int num_features, + CvMat** responses, + int num_classes, ... ); + +/****************************************************************************************\ +* Data * +\****************************************************************************************/ + +#define CV_COUNT 0 +#define CV_PORTION 1 + +struct CvTrainTestSplit +{ + CvTrainTestSplit(); + CvTrainTestSplit( int train_sample_count, bool mix = true); + CvTrainTestSplit( float train_sample_portion, bool mix = true); + + union + { + int count; + float portion; + } train_sample_part; + int train_sample_part_mode; + + bool mix; +}; + +class CvMLData +{ +public: + CvMLData(); + virtual ~CvMLData(); + + // returns: + // 0 - OK + // -1 - file can not be opened or is not correct + int read_csv( const char* filename ); + + const CvMat* get_values() const; + const CvMat* get_responses(); + const CvMat* get_missing() const; + + void set_header_lines_number( int n ); + int get_header_lines_number() const; + + void set_response_idx( int idx ); // old response become predictors, new response_idx = idx + // if idx < 0 there will be no response + int get_response_idx() const; + + void set_train_test_split( const CvTrainTestSplit * spl ); + const CvMat* get_train_sample_idx() const; + const CvMat* get_test_sample_idx() const; + void mix_train_and_test_idx(); + + const CvMat* get_var_idx(); + void chahge_var_idx( int vi, bool state ); // misspelled (saved for back compitability), + // use change_var_idx + void change_var_idx( int vi, bool state ); // state == true to set vi-variable as predictor + + const CvMat* get_var_types(); + int get_var_type( int var_idx ) const; + // following 2 methods enable to change vars type + // use these methods to assign CV_VAR_CATEGORICAL type for categorical variable + // with numerical labels; in the other cases var types are correctly determined automatically + void set_var_types( const char* str ); // str examples: + // "ord[0-17],cat[18]", "ord[0,2,4,10-12], cat[1,3,5-9,13,14]", + // "cat", "ord" (all vars are categorical/ordered) + void change_var_type( int var_idx, int type); // type in { CV_VAR_ORDERED, CV_VAR_CATEGORICAL } + + void set_delimiter( char ch ); + char get_delimiter() const; + + void set_miss_ch( char ch ); + char get_miss_ch() const; + + const std::map& get_class_labels_map() const; + +protected: + virtual void clear(); + + void str_to_flt_elem( const char* token, float& flt_elem, int& type); + void free_train_test_idx(); + + char delimiter; + char miss_ch; + //char flt_separator; + + CvMat* values; + CvMat* missing; + CvMat* var_types; + CvMat* var_idx_mask; + + CvMat* response_out; // header + CvMat* var_idx_out; // mat + CvMat* var_types_out; // mat + + int header_lines_number; + + int response_idx; + + int train_sample_count; + bool mix; + + int total_class_count; + std::map class_map; + + CvMat* train_sample_idx; + CvMat* test_sample_idx; + int* sample_idx; // data of train_sample_idx and test_sample_idx + + cv::RNG* rng; +}; + + +namespace cv +{ + +typedef CvStatModel StatModel; +typedef CvParamGrid ParamGrid; +typedef CvNormalBayesClassifier NormalBayesClassifier; +typedef CvKNearest KNearest; +typedef CvSVMParams SVMParams; +typedef CvSVMKernel SVMKernel; +typedef CvSVMSolver SVMSolver; +typedef CvSVM SVM; +typedef CvDTreeParams DTreeParams; +typedef CvMLData TrainData; +typedef CvDTree DecisionTree; +typedef CvForestTree ForestTree; +typedef CvRTParams RandomTreeParams; +typedef CvRTrees RandomTrees; +typedef CvERTreeTrainData ERTreeTRainData; +typedef CvForestERTree ERTree; +typedef CvERTrees ERTrees; +typedef CvBoostParams BoostParams; +typedef CvBoostTree BoostTree; +typedef CvBoost Boost; +typedef CvANN_MLP_TrainParams ANN_MLP_TrainParams; +typedef CvANN_MLP NeuralNet_MLP; +typedef CvGBTreesParams GradientBoostingTreeParams; +typedef CvGBTrees GradientBoostingTrees; + +template<> void DefaultDeleter::operator ()(CvDTreeSplit* obj) const; + +bool initModule_ml(void); +} + +#endif // __cplusplus +#endif // __OPENCV_ML_HPP__ + +/* End of file. */ diff --git a/apps/traincascade/old_ml_boost.cpp b/apps/traincascade/old_ml_boost.cpp new file mode 100644 index 0000000000..be4cd81f04 --- /dev/null +++ b/apps/traincascade/old_ml_boost.cpp @@ -0,0 +1,2162 @@ +/*M/////////////////////////////////////////////////////////////////////////////////////// +// +// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. +// +// By downloading, copying, installing or using the software you agree to this license. +// If you do not agree to this license, do not download, install, +// copy or use the software. +// +// +// Intel License Agreement +// +// Copyright (C) 2000, Intel Corporation, all rights reserved. +// Third party copyrights are property of their respective owners. +// +// Redistribution and use in source and binary forms, with or without modification, +// are permitted provided that the following conditions are met: +// +// * Redistribution's of source code must retain the above copyright notice, +// this list of conditions and the following disclaimer. +// +// * Redistribution's in binary form must reproduce the above copyright notice, +// this list of conditions and the following disclaimer in the documentation +// and/or other materials provided with the distribution. +// +// * The name of Intel Corporation may not be used to endorse or promote products +// derived from this software without specific prior written permission. +// +// This software is provided by the copyright holders and contributors "as is" and +// any express or implied warranties, including, but not limited to, the implied +// warranties of merchantability and fitness for a particular purpose are disclaimed. +// In no event shall the Intel Corporation or contributors be liable for any direct, +// indirect, incidental, special, exemplary, or consequential damages +// (including, but not limited to, procurement of substitute goods or services; +// loss of use, data, or profits; or business interruption) however caused +// and on any theory of liability, whether in contract, strict liability, +// or tort (including negligence or otherwise) arising in any way out of +// the use of this software, even if advised of the possibility of such damage. +// +//M*/ + +#include "old_ml_precomp.hpp" + +static inline double +log_ratio( double val ) +{ + const double eps = 1e-5; + + val = MAX( val, eps ); + val = MIN( val, 1. - eps ); + return log( val/(1. - val) ); +} + + +CvBoostParams::CvBoostParams() +{ + boost_type = CvBoost::REAL; + weak_count = 100; + weight_trim_rate = 0.95; + cv_folds = 0; + max_depth = 1; +} + + +CvBoostParams::CvBoostParams( int _boost_type, int _weak_count, + double _weight_trim_rate, int _max_depth, + bool _use_surrogates, const float* _priors ) +{ + boost_type = _boost_type; + weak_count = _weak_count; + weight_trim_rate = _weight_trim_rate; + split_criteria = CvBoost::DEFAULT; + cv_folds = 0; + max_depth = _max_depth; + use_surrogates = _use_surrogates; + priors = _priors; +} + + + +///////////////////////////////// CvBoostTree /////////////////////////////////// + +CvBoostTree::CvBoostTree() +{ + ensemble = 0; +} + + +CvBoostTree::~CvBoostTree() +{ + clear(); +} + + +void +CvBoostTree::clear() +{ + CvDTree::clear(); + ensemble = 0; +} + + +bool +CvBoostTree::train( CvDTreeTrainData* _train_data, + const CvMat* _subsample_idx, CvBoost* _ensemble ) +{ + clear(); + ensemble = _ensemble; + data = _train_data; + data->shared = true; + return do_train( _subsample_idx ); +} + + +bool +CvBoostTree::train( const CvMat*, int, const CvMat*, const CvMat*, + const CvMat*, const CvMat*, const CvMat*, CvDTreeParams ) +{ + assert(0); + return false; +} + + +bool +CvBoostTree::train( CvDTreeTrainData*, const CvMat* ) +{ + assert(0); + return false; +} + + +void +CvBoostTree::scale( double _scale ) +{ + CvDTreeNode* node = root; + + // traverse the tree and scale all the node values + for(;;) + { + CvDTreeNode* parent; + for(;;) + { + node->value *= _scale; + if( !node->left ) + break; + node = node->left; + } + + for( parent = node->parent; parent && parent->right == node; + node = parent, parent = parent->parent ) + ; + + if( !parent ) + break; + + node = parent->right; + } +} + + +void +CvBoostTree::try_split_node( CvDTreeNode* node ) +{ + CvDTree::try_split_node( node ); + + if( !node->left ) + { + // if the node has not been split, + // store the responses for the corresponding training samples + double* weak_eval = ensemble->get_weak_response()->data.db; + cv::AutoBuffer inn_buf(node->sample_count); + const int* labels = data->get_cv_labels( node, (int*)inn_buf ); + int i, count = node->sample_count; + double value = node->value; + + for( i = 0; i < count; i++ ) + weak_eval[labels[i]] = value; + } +} + + +double +CvBoostTree::calc_node_dir( CvDTreeNode* node ) +{ + char* dir = (char*)data->direction->data.ptr; + const double* weights = ensemble->get_subtree_weights()->data.db; + int i, n = node->sample_count, vi = node->split->var_idx; + double L, R; + + assert( !node->split->inversed ); + + if( data->get_var_type(vi) >= 0 ) // split on categorical var + { + cv::AutoBuffer inn_buf(n); + const int* cat_labels = data->get_cat_var_data( node, vi, (int*)inn_buf ); + const int* subset = node->split->subset; + double sum = 0, sum_abs = 0; + + for( i = 0; i < n; i++ ) + { + int idx = ((cat_labels[i] == 65535) && data->is_buf_16u) ? -1 : cat_labels[i]; + double w = weights[i]; + int d = idx >= 0 ? CV_DTREE_CAT_DIR(idx,subset) : 0; + sum += d*w; sum_abs += (d & 1)*w; + dir[i] = (char)d; + } + + R = (sum_abs + sum) * 0.5; + L = (sum_abs - sum) * 0.5; + } + else // split on ordered var + { + cv::AutoBuffer inn_buf(2*n*sizeof(int)+n*sizeof(float)); + float* values_buf = (float*)(uchar*)inn_buf; + int* sorted_indices_buf = (int*)(values_buf + n); + int* sample_indices_buf = sorted_indices_buf + n; + const float* values = 0; + const int* sorted_indices = 0; + data->get_ord_var_data( node, vi, values_buf, sorted_indices_buf, &values, &sorted_indices, sample_indices_buf ); + int split_point = node->split->ord.split_point; + int n1 = node->get_num_valid(vi); + + assert( 0 <= split_point && split_point < n1-1 ); + L = R = 0; + + for( i = 0; i <= split_point; i++ ) + { + int idx = sorted_indices[i]; + double w = weights[idx]; + dir[idx] = (char)-1; + L += w; + } + + for( ; i < n1; i++ ) + { + int idx = sorted_indices[i]; + double w = weights[idx]; + dir[idx] = (char)1; + R += w; + } + + for( ; i < n; i++ ) + dir[sorted_indices[i]] = (char)0; + } + + node->maxlr = MAX( L, R ); + return node->split->quality/(L + R); +} + + +CvDTreeSplit* +CvBoostTree::find_split_ord_class( CvDTreeNode* node, int vi, float init_quality, + CvDTreeSplit* _split, uchar* _ext_buf ) +{ + const float epsilon = FLT_EPSILON*2; + + const double* weights = ensemble->get_subtree_weights()->data.db; + int n = node->sample_count; + int n1 = node->get_num_valid(vi); + + cv::AutoBuffer inn_buf; + if( !_ext_buf ) + inn_buf.allocate(n*(3*sizeof(int)+sizeof(float))); + uchar* ext_buf = _ext_buf ? _ext_buf : (uchar*)inn_buf; + float* values_buf = (float*)ext_buf; + int* sorted_indices_buf = (int*)(values_buf + n); + int* sample_indices_buf = sorted_indices_buf + n; + const float* values = 0; + const int* sorted_indices = 0; + data->get_ord_var_data( node, vi, values_buf, sorted_indices_buf, &values, &sorted_indices, sample_indices_buf ); + int* responses_buf = sorted_indices_buf + n; + const int* responses = data->get_class_labels( node, responses_buf ); + const double* rcw0 = weights + n; + double lcw[2] = {0,0}, rcw[2]; + int i, best_i = -1; + double best_val = init_quality; + int boost_type = ensemble->get_params().boost_type; + int split_criteria = ensemble->get_params().split_criteria; + + rcw[0] = rcw0[0]; rcw[1] = rcw0[1]; + for( i = n1; i < n; i++ ) + { + int idx = sorted_indices[i]; + double w = weights[idx]; + rcw[responses[idx]] -= w; + } + + if( split_criteria != CvBoost::GINI && split_criteria != CvBoost::MISCLASS ) + split_criteria = boost_type == CvBoost::DISCRETE ? CvBoost::MISCLASS : CvBoost::GINI; + + if( split_criteria == CvBoost::GINI ) + { + double L = 0, R = rcw[0] + rcw[1]; + double lsum2 = 0, rsum2 = rcw[0]*rcw[0] + rcw[1]*rcw[1]; + + for( i = 0; i < n1 - 1; i++ ) + { + int idx = sorted_indices[i]; + double w = weights[idx], w2 = w*w; + double lv, rv; + idx = responses[idx]; + L += w; R -= w; + lv = lcw[idx]; rv = rcw[idx]; + lsum2 += 2*lv*w + w2; + rsum2 -= 2*rv*w - w2; + lcw[idx] = lv + w; rcw[idx] = rv - w; + + if( values[i] + epsilon < values[i+1] ) + { + double val = (lsum2*R + rsum2*L)/(L*R); + if( best_val < val ) + { + best_val = val; + best_i = i; + } + } + } + } + else + { + for( i = 0; i < n1 - 1; i++ ) + { + int idx = sorted_indices[i]; + double w = weights[idx]; + idx = responses[idx]; + lcw[idx] += w; + rcw[idx] -= w; + + if( values[i] + epsilon < values[i+1] ) + { + double val = lcw[0] + rcw[1], val2 = lcw[1] + rcw[0]; + val = MAX(val, val2); + if( best_val < val ) + { + best_val = val; + best_i = i; + } + } + } + } + + CvDTreeSplit* split = 0; + if( best_i >= 0 ) + { + split = _split ? _split : data->new_split_ord( 0, 0.0f, 0, 0, 0.0f ); + split->var_idx = vi; + split->ord.c = (values[best_i] + values[best_i+1])*0.5f; + split->ord.split_point = best_i; + split->inversed = 0; + split->quality = (float)best_val; + } + return split; +} + +template +class LessThanPtr +{ +public: + bool operator()(T* a, T* b) const { return *a < *b; } +}; + +CvDTreeSplit* +CvBoostTree::find_split_cat_class( CvDTreeNode* node, int vi, float init_quality, CvDTreeSplit* _split, uchar* _ext_buf ) +{ + int ci = data->get_var_type(vi); + int n = node->sample_count; + int mi = data->cat_count->data.i[ci]; + + int base_size = (2*mi+3)*sizeof(double) + mi*sizeof(double*); + cv::AutoBuffer inn_buf((2*mi+3)*sizeof(double) + mi*sizeof(double*)); + if( !_ext_buf) + inn_buf.allocate( base_size + 2*n*sizeof(int) ); + uchar* base_buf = (uchar*)inn_buf; + uchar* ext_buf = _ext_buf ? _ext_buf : base_buf + base_size; + + int* cat_labels_buf = (int*)ext_buf; + const int* cat_labels = data->get_cat_var_data(node, vi, cat_labels_buf); + int* responses_buf = cat_labels_buf + n; + const int* responses = data->get_class_labels(node, responses_buf); + double lcw[2]={0,0}, rcw[2]={0,0}; + + double* cjk = (double*)cv::alignPtr(base_buf,sizeof(double))+2; + const double* weights = ensemble->get_subtree_weights()->data.db; + double** dbl_ptr = (double**)(cjk + 2*mi); + int i, j, k, idx; + double L = 0, R; + double best_val = init_quality; + int best_subset = -1, subset_i; + int boost_type = ensemble->get_params().boost_type; + int split_criteria = ensemble->get_params().split_criteria; + + // init array of counters: + // c_{jk} - number of samples that have vi-th input variable = j and response = k. + for( j = -1; j < mi; j++ ) + cjk[j*2] = cjk[j*2+1] = 0; + + for( i = 0; i < n; i++ ) + { + double w = weights[i]; + j = ((cat_labels[i] == 65535) && data->is_buf_16u) ? -1 : cat_labels[i]; + k = responses[i]; + cjk[j*2 + k] += w; + } + + for( j = 0; j < mi; j++ ) + { + rcw[0] += cjk[j*2]; + rcw[1] += cjk[j*2+1]; + dbl_ptr[j] = cjk + j*2 + 1; + } + + R = rcw[0] + rcw[1]; + + if( split_criteria != CvBoost::GINI && split_criteria != CvBoost::MISCLASS ) + split_criteria = boost_type == CvBoost::DISCRETE ? CvBoost::MISCLASS : CvBoost::GINI; + + // sort rows of c_jk by increasing c_j,1 + // (i.e. by the weight of samples in j-th category that belong to class 1) + std::sort(dbl_ptr, dbl_ptr + mi, LessThanPtr()); + + for( subset_i = 0; subset_i < mi-1; subset_i++ ) + { + idx = (int)(dbl_ptr[subset_i] - cjk)/2; + const double* crow = cjk + idx*2; + double w0 = crow[0], w1 = crow[1]; + double weight = w0 + w1; + + if( weight < FLT_EPSILON ) + continue; + + lcw[0] += w0; rcw[0] -= w0; + lcw[1] += w1; rcw[1] -= w1; + + if( split_criteria == CvBoost::GINI ) + { + double lsum2 = lcw[0]*lcw[0] + lcw[1]*lcw[1]; + double rsum2 = rcw[0]*rcw[0] + rcw[1]*rcw[1]; + + L += weight; + R -= weight; + + if( L > FLT_EPSILON && R > FLT_EPSILON ) + { + double val = (lsum2*R + rsum2*L)/(L*R); + if( best_val < val ) + { + best_val = val; + best_subset = subset_i; + } + } + } + else + { + double val = lcw[0] + rcw[1]; + double val2 = lcw[1] + rcw[0]; + + val = MAX(val, val2); + if( best_val < val ) + { + best_val = val; + best_subset = subset_i; + } + } + } + + CvDTreeSplit* split = 0; + if( best_subset >= 0 ) + { + split = _split ? _split : data->new_split_cat( 0, -1.0f); + split->var_idx = vi; + split->quality = (float)best_val; + memset( split->subset, 0, (data->max_c_count + 31)/32 * sizeof(int)); + for( i = 0; i <= best_subset; i++ ) + { + idx = (int)(dbl_ptr[i] - cjk) >> 1; + split->subset[idx >> 5] |= 1 << (idx & 31); + } + } + return split; +} + + +CvDTreeSplit* +CvBoostTree::find_split_ord_reg( CvDTreeNode* node, int vi, float init_quality, CvDTreeSplit* _split, uchar* _ext_buf ) +{ + const float epsilon = FLT_EPSILON*2; + const double* weights = ensemble->get_subtree_weights()->data.db; + int n = node->sample_count; + int n1 = node->get_num_valid(vi); + + cv::AutoBuffer inn_buf; + if( !_ext_buf ) + inn_buf.allocate(2*n*(sizeof(int)+sizeof(float))); + uchar* ext_buf = _ext_buf ? _ext_buf : (uchar*)inn_buf; + + float* values_buf = (float*)ext_buf; + int* indices_buf = (int*)(values_buf + n); + int* sample_indices_buf = indices_buf + n; + const float* values = 0; + const int* indices = 0; + data->get_ord_var_data( node, vi, values_buf, indices_buf, &values, &indices, sample_indices_buf ); + float* responses_buf = (float*)(indices_buf + n); + const float* responses = data->get_ord_responses( node, responses_buf, sample_indices_buf ); + + int i, best_i = -1; + double L = 0, R = weights[n]; + double best_val = init_quality, lsum = 0, rsum = node->value*R; + + // compensate for missing values + for( i = n1; i < n; i++ ) + { + int idx = indices[i]; + double w = weights[idx]; + rsum -= responses[idx]*w; + R -= w; + } + + // find the optimal split + for( i = 0; i < n1 - 1; i++ ) + { + int idx = indices[i]; + double w = weights[idx]; + double t = responses[idx]*w; + L += w; R -= w; + lsum += t; rsum -= t; + + if( values[i] + epsilon < values[i+1] ) + { + double val = (lsum*lsum*R + rsum*rsum*L)/(L*R); + if( best_val < val ) + { + best_val = val; + best_i = i; + } + } + } + + CvDTreeSplit* split = 0; + if( best_i >= 0 ) + { + split = _split ? _split : data->new_split_ord( 0, 0.0f, 0, 0, 0.0f ); + split->var_idx = vi; + split->ord.c = (values[best_i] + values[best_i+1])*0.5f; + split->ord.split_point = best_i; + split->inversed = 0; + split->quality = (float)best_val; + } + return split; +} + + +CvDTreeSplit* +CvBoostTree::find_split_cat_reg( CvDTreeNode* node, int vi, float init_quality, CvDTreeSplit* _split, uchar* _ext_buf ) +{ + const double* weights = ensemble->get_subtree_weights()->data.db; + int ci = data->get_var_type(vi); + int n = node->sample_count; + int mi = data->cat_count->data.i[ci]; + int base_size = (2*mi+3)*sizeof(double) + mi*sizeof(double*); + cv::AutoBuffer inn_buf(base_size); + if( !_ext_buf ) + inn_buf.allocate(base_size + n*(2*sizeof(int) + sizeof(float))); + uchar* base_buf = (uchar*)inn_buf; + uchar* ext_buf = _ext_buf ? _ext_buf : base_buf + base_size; + + int* cat_labels_buf = (int*)ext_buf; + const int* cat_labels = data->get_cat_var_data(node, vi, cat_labels_buf); + float* responses_buf = (float*)(cat_labels_buf + n); + int* sample_indices_buf = (int*)(responses_buf + n); + const float* responses = data->get_ord_responses(node, responses_buf, sample_indices_buf); + + double* sum = (double*)cv::alignPtr(base_buf,sizeof(double)) + 1; + double* counts = sum + mi + 1; + double** sum_ptr = (double**)(counts + mi); + double L = 0, R = 0, best_val = init_quality, lsum = 0, rsum = 0; + int i, best_subset = -1, subset_i; + + for( i = -1; i < mi; i++ ) + sum[i] = counts[i] = 0; + + // calculate sum response and weight of each category of the input var + for( i = 0; i < n; i++ ) + { + int idx = ((cat_labels[i] == 65535) && data->is_buf_16u) ? -1 : cat_labels[i]; + double w = weights[i]; + double s = sum[idx] + responses[i]*w; + double nc = counts[idx] + w; + sum[idx] = s; + counts[idx] = nc; + } + + // calculate average response in each category + for( i = 0; i < mi; i++ ) + { + R += counts[i]; + rsum += sum[i]; + sum[i] = fabs(counts[i]) > DBL_EPSILON ? sum[i]/counts[i] : 0; + sum_ptr[i] = sum + i; + } + + std::sort(sum_ptr, sum_ptr + mi, LessThanPtr()); + + // revert back to unnormalized sums + // (there should be a very little loss in accuracy) + for( i = 0; i < mi; i++ ) + sum[i] *= counts[i]; + + for( subset_i = 0; subset_i < mi-1; subset_i++ ) + { + int idx = (int)(sum_ptr[subset_i] - sum); + double ni = counts[idx]; + + if( ni > FLT_EPSILON ) + { + double s = sum[idx]; + lsum += s; L += ni; + rsum -= s; R -= ni; + + if( L > FLT_EPSILON && R > FLT_EPSILON ) + { + double val = (lsum*lsum*R + rsum*rsum*L)/(L*R); + if( best_val < val ) + { + best_val = val; + best_subset = subset_i; + } + } + } + } + + CvDTreeSplit* split = 0; + if( best_subset >= 0 ) + { + split = _split ? _split : data->new_split_cat( 0, -1.0f); + split->var_idx = vi; + split->quality = (float)best_val; + memset( split->subset, 0, (data->max_c_count + 31)/32 * sizeof(int)); + for( i = 0; i <= best_subset; i++ ) + { + int idx = (int)(sum_ptr[i] - sum); + split->subset[idx >> 5] |= 1 << (idx & 31); + } + } + return split; +} + + +CvDTreeSplit* +CvBoostTree::find_surrogate_split_ord( CvDTreeNode* node, int vi, uchar* _ext_buf ) +{ + const float epsilon = FLT_EPSILON*2; + int n = node->sample_count; + cv::AutoBuffer inn_buf; + if( !_ext_buf ) + inn_buf.allocate(n*(2*sizeof(int)+sizeof(float))); + uchar* ext_buf = _ext_buf ? _ext_buf : (uchar*)inn_buf; + float* values_buf = (float*)ext_buf; + int* indices_buf = (int*)(values_buf + n); + int* sample_indices_buf = indices_buf + n; + const float* values = 0; + const int* indices = 0; + data->get_ord_var_data( node, vi, values_buf, indices_buf, &values, &indices, sample_indices_buf ); + + const double* weights = ensemble->get_subtree_weights()->data.db; + const char* dir = (char*)data->direction->data.ptr; + int n1 = node->get_num_valid(vi); + // LL - number of samples that both the primary and the surrogate splits send to the left + // LR - ... primary split sends to the left and the surrogate split sends to the right + // RL - ... primary split sends to the right and the surrogate split sends to the left + // RR - ... both send to the right + int i, best_i = -1, best_inversed = 0; + double best_val; + double LL = 0, RL = 0, LR, RR; + double worst_val = node->maxlr; + double sum = 0, sum_abs = 0; + best_val = worst_val; + + for( i = 0; i < n1; i++ ) + { + int idx = indices[i]; + double w = weights[idx]; + int d = dir[idx]; + sum += d*w; sum_abs += (d & 1)*w; + } + + // sum_abs = R + L; sum = R - L + RR = (sum_abs + sum)*0.5; + LR = (sum_abs - sum)*0.5; + + // initially all the samples are sent to the right by the surrogate split, + // LR of them are sent to the left by primary split, and RR - to the right. + // now iteratively compute LL, LR, RL and RR for every possible surrogate split value. + for( i = 0; i < n1 - 1; i++ ) + { + int idx = indices[i]; + double w = weights[idx]; + int d = dir[idx]; + + if( d < 0 ) + { + LL += w; LR -= w; + if( LL + RR > best_val && values[i] + epsilon < values[i+1] ) + { + best_val = LL + RR; + best_i = i; best_inversed = 0; + } + } + else if( d > 0 ) + { + RL += w; RR -= w; + if( RL + LR > best_val && values[i] + epsilon < values[i+1] ) + { + best_val = RL + LR; + best_i = i; best_inversed = 1; + } + } + } + + return best_i >= 0 && best_val > node->maxlr ? data->new_split_ord( vi, + (values[best_i] + values[best_i+1])*0.5f, best_i, + best_inversed, (float)best_val ) : 0; +} + + +CvDTreeSplit* +CvBoostTree::find_surrogate_split_cat( CvDTreeNode* node, int vi, uchar* _ext_buf ) +{ + const char* dir = (char*)data->direction->data.ptr; + const double* weights = ensemble->get_subtree_weights()->data.db; + int n = node->sample_count; + int i, mi = data->cat_count->data.i[data->get_var_type(vi)]; + + int base_size = (2*mi+3)*sizeof(double); + cv::AutoBuffer inn_buf(base_size); + if( !_ext_buf ) + inn_buf.allocate(base_size + n*sizeof(int)); + uchar* ext_buf = _ext_buf ? _ext_buf : (uchar*)inn_buf; + int* cat_labels_buf = (int*)ext_buf; + const int* cat_labels = data->get_cat_var_data(node, vi, cat_labels_buf); + + // LL - number of samples that both the primary and the surrogate splits send to the left + // LR - ... primary split sends to the left and the surrogate split sends to the right + // RL - ... primary split sends to the right and the surrogate split sends to the left + // RR - ... both send to the right + CvDTreeSplit* split = data->new_split_cat( vi, 0 ); + double best_val = 0; + double* lc = (double*)cv::alignPtr(cat_labels_buf + n, sizeof(double)) + 1; + double* rc = lc + mi + 1; + + for( i = -1; i < mi; i++ ) + lc[i] = rc[i] = 0; + + // 1. for each category calculate the weight of samples + // sent to the left (lc) and to the right (rc) by the primary split + for( i = 0; i < n; i++ ) + { + int idx = ((cat_labels[i] == 65535) && data->is_buf_16u) ? -1 : cat_labels[i]; + double w = weights[i]; + int d = dir[i]; + double sum = lc[idx] + d*w; + double sum_abs = rc[idx] + (d & 1)*w; + lc[idx] = sum; rc[idx] = sum_abs; + } + + for( i = 0; i < mi; i++ ) + { + double sum = lc[i]; + double sum_abs = rc[i]; + lc[i] = (sum_abs - sum) * 0.5; + rc[i] = (sum_abs + sum) * 0.5; + } + + // 2. now form the split. + // in each category send all the samples to the same direction as majority + for( i = 0; i < mi; i++ ) + { + double lval = lc[i], rval = rc[i]; + if( lval > rval ) + { + split->subset[i >> 5] |= 1 << (i & 31); + best_val += lval; + } + else + best_val += rval; + } + + split->quality = (float)best_val; + if( split->quality <= node->maxlr ) + cvSetRemoveByPtr( data->split_heap, split ), split = 0; + + return split; +} + + +void +CvBoostTree::calc_node_value( CvDTreeNode* node ) +{ + int i, n = node->sample_count; + const double* weights = ensemble->get_weights()->data.db; + cv::AutoBuffer inn_buf(n*(sizeof(int) + ( data->is_classifier ? sizeof(int) : sizeof(int) + sizeof(float)))); + int* labels_buf = (int*)(uchar*)inn_buf; + const int* labels = data->get_cv_labels(node, labels_buf); + double* subtree_weights = ensemble->get_subtree_weights()->data.db; + double rcw[2] = {0,0}; + int boost_type = ensemble->get_params().boost_type; + + if( data->is_classifier ) + { + int* _responses_buf = labels_buf + n; + const int* _responses = data->get_class_labels(node, _responses_buf); + int m = data->get_num_classes(); + int* cls_count = data->counts->data.i; + for( int k = 0; k < m; k++ ) + cls_count[k] = 0; + + for( i = 0; i < n; i++ ) + { + int idx = labels[i]; + double w = weights[idx]; + int r = _responses[i]; + rcw[r] += w; + cls_count[r]++; + subtree_weights[i] = w; + } + + node->class_idx = rcw[1] > rcw[0]; + + if( boost_type == CvBoost::DISCRETE ) + { + // ignore cat_map for responses, and use {-1,1}, + // as the whole ensemble response is computes as sign(sum_i(weak_response_i) + node->value = node->class_idx*2 - 1; + } + else + { + double p = rcw[1]/(rcw[0] + rcw[1]); + assert( boost_type == CvBoost::REAL ); + + // store log-ratio of the probability + node->value = 0.5*log_ratio(p); + } + } + else + { + // in case of regression tree: + // * node value is 1/n*sum_i(Y_i), where Y_i is i-th response, + // n is the number of samples in the node. + // * node risk is the sum of squared errors: sum_i((Y_i - )^2) + double sum = 0, sum2 = 0, iw; + float* values_buf = (float*)(labels_buf + n); + int* sample_indices_buf = (int*)(values_buf + n); + const float* values = data->get_ord_responses(node, values_buf, sample_indices_buf); + + for( i = 0; i < n; i++ ) + { + int idx = labels[i]; + double w = weights[idx]/*priors[values[i] > 0]*/; + double t = values[i]; + rcw[0] += w; + subtree_weights[i] = w; + sum += t*w; + sum2 += t*t*w; + } + + iw = 1./rcw[0]; + node->value = sum*iw; + node->node_risk = sum2 - (sum*iw)*sum; + + // renormalize the risk, as in try_split_node the unweighted formula + // sqrt(risk)/n is used, rather than sqrt(risk)/sum(weights_i) + node->node_risk *= n*iw*n*iw; + } + + // store summary weights + subtree_weights[n] = rcw[0]; + subtree_weights[n+1] = rcw[1]; +} + + +void CvBoostTree::read( CvFileStorage* fs, CvFileNode* fnode, CvBoost* _ensemble, CvDTreeTrainData* _data ) +{ + CvDTree::read( fs, fnode, _data ); + ensemble = _ensemble; +} + +void CvBoostTree::read( CvFileStorage*, CvFileNode* ) +{ + assert(0); +} + +void CvBoostTree::read( CvFileStorage* _fs, CvFileNode* _node, + CvDTreeTrainData* _data ) +{ + CvDTree::read( _fs, _node, _data ); +} + + +/////////////////////////////////// CvBoost ///////////////////////////////////// + +CvBoost::CvBoost() +{ + data = 0; + weak = 0; + default_model_name = "my_boost_tree"; + + active_vars = active_vars_abs = orig_response = sum_response = weak_eval = + subsample_mask = weights = subtree_weights = 0; + have_active_cat_vars = have_subsample = false; + + clear(); +} + + +void CvBoost::prune( CvSlice slice ) +{ + if( weak && weak->total > 0 ) + { + CvSeqReader reader; + int i, count = cvSliceLength( slice, weak ); + + cvStartReadSeq( weak, &reader ); + cvSetSeqReaderPos( &reader, slice.start_index ); + + for( i = 0; i < count; i++ ) + { + CvBoostTree* w; + CV_READ_SEQ_ELEM( w, reader ); + delete w; + } + + cvSeqRemoveSlice( weak, slice ); + } +} + + +void CvBoost::clear() +{ + if( weak ) + { + prune( CV_WHOLE_SEQ ); + cvReleaseMemStorage( &weak->storage ); + } + if( data ) + delete data; + weak = 0; + data = 0; + cvReleaseMat( &active_vars ); + cvReleaseMat( &active_vars_abs ); + cvReleaseMat( &orig_response ); + cvReleaseMat( &sum_response ); + cvReleaseMat( &weak_eval ); + cvReleaseMat( &subsample_mask ); + cvReleaseMat( &weights ); + cvReleaseMat( &subtree_weights ); + + have_subsample = false; +} + + +CvBoost::~CvBoost() +{ + clear(); +} + + +CvBoost::CvBoost( const CvMat* _train_data, int _tflag, + const CvMat* _responses, const CvMat* _var_idx, + const CvMat* _sample_idx, const CvMat* _var_type, + const CvMat* _missing_mask, CvBoostParams _params ) +{ + weak = 0; + data = 0; + default_model_name = "my_boost_tree"; + + active_vars = active_vars_abs = orig_response = sum_response = weak_eval = + subsample_mask = weights = subtree_weights = 0; + + train( _train_data, _tflag, _responses, _var_idx, _sample_idx, + _var_type, _missing_mask, _params ); +} + + +bool +CvBoost::set_params( const CvBoostParams& _params ) +{ + bool ok = false; + + CV_FUNCNAME( "CvBoost::set_params" ); + + __BEGIN__; + + params = _params; + if( params.boost_type != DISCRETE && params.boost_type != REAL && + params.boost_type != LOGIT && params.boost_type != GENTLE ) + CV_ERROR( CV_StsBadArg, "Unknown/unsupported boosting type" ); + + params.weak_count = MAX( params.weak_count, 1 ); + params.weight_trim_rate = MAX( params.weight_trim_rate, 0. ); + params.weight_trim_rate = MIN( params.weight_trim_rate, 1. ); + if( params.weight_trim_rate < FLT_EPSILON ) + params.weight_trim_rate = 1.f; + + if( params.boost_type == DISCRETE && + params.split_criteria != GINI && params.split_criteria != MISCLASS ) + params.split_criteria = MISCLASS; + if( params.boost_type == REAL && + params.split_criteria != GINI && params.split_criteria != MISCLASS ) + params.split_criteria = GINI; + if( (params.boost_type == LOGIT || params.boost_type == GENTLE) && + params.split_criteria != SQERR ) + params.split_criteria = SQERR; + + ok = true; + + __END__; + + return ok; +} + + +bool +CvBoost::train( const CvMat* _train_data, int _tflag, + const CvMat* _responses, const CvMat* _var_idx, + const CvMat* _sample_idx, const CvMat* _var_type, + const CvMat* _missing_mask, + CvBoostParams _params, bool _update ) +{ + bool ok = false; + CvMemStorage* storage = 0; + + CV_FUNCNAME( "CvBoost::train" ); + + __BEGIN__; + + int i; + + set_params( _params ); + + cvReleaseMat( &active_vars ); + cvReleaseMat( &active_vars_abs ); + + if( !_update || !data ) + { + clear(); + data = new CvDTreeTrainData( _train_data, _tflag, _responses, _var_idx, + _sample_idx, _var_type, _missing_mask, _params, true, true ); + + if( data->get_num_classes() != 2 ) + CV_ERROR( CV_StsNotImplemented, + "Boosted trees can only be used for 2-class classification." ); + CV_CALL( storage = cvCreateMemStorage() ); + weak = cvCreateSeq( 0, sizeof(CvSeq), sizeof(CvBoostTree*), storage ); + storage = 0; + } + else + { + data->set_data( _train_data, _tflag, _responses, _var_idx, + _sample_idx, _var_type, _missing_mask, _params, true, true, true ); + } + + if ( (_params.boost_type == LOGIT) || (_params.boost_type == GENTLE) ) + data->do_responses_copy(); + + update_weights( 0 ); + + for( i = 0; i < params.weak_count; i++ ) + { + CvBoostTree* tree = new CvBoostTree; + if( !tree->train( data, subsample_mask, this ) ) + { + delete tree; + break; + } + //cvCheckArr( get_weak_response()); + cvSeqPush( weak, &tree ); + update_weights( tree ); + trim_weights(); + if( cvCountNonZero(subsample_mask) == 0 ) + break; + } + + if(weak->total > 0) + { + get_active_vars(); // recompute active_vars* maps and condensed_idx's in the splits. + data->is_classifier = true; + data->free_train_data(); + ok = true; + } + else + clear(); + + __END__; + + return ok; +} + +bool CvBoost::train( CvMLData* _data, + CvBoostParams _params, + bool update ) +{ + bool result = false; + + CV_FUNCNAME( "CvBoost::train" ); + + __BEGIN__; + + const CvMat* values = _data->get_values(); + const CvMat* response = _data->get_responses(); + const CvMat* missing = _data->get_missing(); + const CvMat* var_types = _data->get_var_types(); + const CvMat* train_sidx = _data->get_train_sample_idx(); + const CvMat* var_idx = _data->get_var_idx(); + + CV_CALL( result = train( values, CV_ROW_SAMPLE, response, var_idx, + train_sidx, var_types, missing, _params, update ) ); + + __END__; + + return result; +} + +void CvBoost::initialize_weights(double (&p)[2]) +{ + p[0] = 1.; + p[1] = 1.; +} + +void +CvBoost::update_weights( CvBoostTree* tree ) +{ + CV_FUNCNAME( "CvBoost::update_weights" ); + + __BEGIN__; + + int i, n = data->sample_count; + double sumw = 0.; + int step = 0; + float* fdata = 0; + int *sample_idx_buf; + const int* sample_idx = 0; + cv::AutoBuffer inn_buf; + size_t _buf_size = (params.boost_type == LOGIT) || (params.boost_type == GENTLE) ? (size_t)(data->sample_count)*sizeof(int) : 0; + if( !tree ) + _buf_size += n*sizeof(int); + else + { + if( have_subsample ) + _buf_size += data->get_length_subbuf()*(sizeof(float)+sizeof(uchar)); + } + inn_buf.allocate(_buf_size); + uchar* cur_buf_pos = (uchar*)inn_buf; + + if ( (params.boost_type == LOGIT) || (params.boost_type == GENTLE) ) + { + step = CV_IS_MAT_CONT(data->responses_copy->type) ? + 1 : data->responses_copy->step / CV_ELEM_SIZE(data->responses_copy->type); + fdata = data->responses_copy->data.fl; + sample_idx_buf = (int*)cur_buf_pos; + cur_buf_pos = (uchar*)(sample_idx_buf + data->sample_count); + sample_idx = data->get_sample_indices( data->data_root, sample_idx_buf ); + } + CvMat* dtree_data_buf = data->buf; + size_t length_buf_row = data->get_length_subbuf(); + if( !tree ) // before training the first tree, initialize weights and other parameters + { + int* class_labels_buf = (int*)cur_buf_pos; + cur_buf_pos = (uchar*)(class_labels_buf + n); + const int* class_labels = data->get_class_labels(data->data_root, class_labels_buf); + // in case of logitboost and gentle adaboost each weak tree is a regression tree, + // so we need to convert class labels to floating-point values + + double w0 = 1./ n; + double p[2] = { 1., 1. }; + initialize_weights(p); + + cvReleaseMat( &orig_response ); + cvReleaseMat( &sum_response ); + cvReleaseMat( &weak_eval ); + cvReleaseMat( &subsample_mask ); + cvReleaseMat( &weights ); + cvReleaseMat( &subtree_weights ); + + CV_CALL( orig_response = cvCreateMat( 1, n, CV_32S )); + CV_CALL( weak_eval = cvCreateMat( 1, n, CV_64F )); + CV_CALL( subsample_mask = cvCreateMat( 1, n, CV_8U )); + CV_CALL( weights = cvCreateMat( 1, n, CV_64F )); + CV_CALL( subtree_weights = cvCreateMat( 1, n + 2, CV_64F )); + + if( data->have_priors ) + { + // compute weight scale for each class from their prior probabilities + int c1 = 0; + for( i = 0; i < n; i++ ) + c1 += class_labels[i]; + p[0] = data->priors->data.db[0]*(c1 < n ? 1./(n - c1) : 0.); + p[1] = data->priors->data.db[1]*(c1 > 0 ? 1./c1 : 0.); + p[0] /= p[0] + p[1]; + p[1] = 1. - p[0]; + } + + if (data->is_buf_16u) + { + unsigned short* labels = (unsigned short*)(dtree_data_buf->data.s + data->data_root->buf_idx*length_buf_row + + data->data_root->offset + (data->work_var_count-1)*data->sample_count); + for( i = 0; i < n; i++ ) + { + // save original categorical responses {0,1}, convert them to {-1,1} + orig_response->data.i[i] = class_labels[i]*2 - 1; + // make all the samples active at start. + // later, in trim_weights() deactivate/reactive again some, if need + subsample_mask->data.ptr[i] = (uchar)1; + // make all the initial weights the same. + weights->data.db[i] = w0*p[class_labels[i]]; + // set the labels to find (from within weak tree learning proc) + // the particular sample weight, and where to store the response. + labels[i] = (unsigned short)i; + } + } + else + { + int* labels = dtree_data_buf->data.i + data->data_root->buf_idx*length_buf_row + + data->data_root->offset + (data->work_var_count-1)*data->sample_count; + + for( i = 0; i < n; i++ ) + { + // save original categorical responses {0,1}, convert them to {-1,1} + orig_response->data.i[i] = class_labels[i]*2 - 1; + // make all the samples active at start. + // later, in trim_weights() deactivate/reactive again some, if need + subsample_mask->data.ptr[i] = (uchar)1; + // make all the initial weights the same. + weights->data.db[i] = w0*p[class_labels[i]]; + // set the labels to find (from within weak tree learning proc) + // the particular sample weight, and where to store the response. + labels[i] = i; + } + } + + if( params.boost_type == LOGIT ) + { + CV_CALL( sum_response = cvCreateMat( 1, n, CV_64F )); + + for( i = 0; i < n; i++ ) + { + sum_response->data.db[i] = 0; + fdata[sample_idx[i]*step] = orig_response->data.i[i] > 0 ? 2.f : -2.f; + } + + // in case of logitboost each weak tree is a regression tree. + // the target function values are recalculated for each of the trees + data->is_classifier = false; + } + else if( params.boost_type == GENTLE ) + { + for( i = 0; i < n; i++ ) + fdata[sample_idx[i]*step] = (float)orig_response->data.i[i]; + + data->is_classifier = false; + } + } + else + { + // at this moment, for all the samples that participated in the training of the most + // recent weak classifier we know the responses. For other samples we need to compute them + if( have_subsample ) + { + float* values = (float*)cur_buf_pos; + cur_buf_pos = (uchar*)(values + data->get_length_subbuf()); + uchar* missing = cur_buf_pos; + cur_buf_pos = missing + data->get_length_subbuf() * (size_t)CV_ELEM_SIZE(data->buf->type); + + CvMat _sample, _mask; + + // invert the subsample mask + cvXorS( subsample_mask, cvScalar(1.), subsample_mask ); + data->get_vectors( subsample_mask, values, missing, 0 ); + + _sample = cvMat( 1, data->var_count, CV_32F ); + _mask = cvMat( 1, data->var_count, CV_8U ); + + // run tree through all the non-processed samples + for( i = 0; i < n; i++ ) + if( subsample_mask->data.ptr[i] ) + { + _sample.data.fl = values; + _mask.data.ptr = missing; + values += _sample.cols; + missing += _mask.cols; + weak_eval->data.db[i] = tree->predict( &_sample, &_mask, true )->value; + } + } + + // now update weights and other parameters for each type of boosting + if( params.boost_type == DISCRETE ) + { + // Discrete AdaBoost: + // weak_eval[i] (=f(x_i)) is in {-1,1} + // err = sum(w_i*(f(x_i) != y_i))/sum(w_i) + // C = log((1-err)/err) + // w_i *= exp(C*(f(x_i) != y_i)) + + double C, err = 0.; + double scale[] = { 1., 0. }; + + for( i = 0; i < n; i++ ) + { + double w = weights->data.db[i]; + sumw += w; + err += w*(weak_eval->data.db[i] != orig_response->data.i[i]); + } + + if( sumw != 0 ) + err /= sumw; + C = err = -log_ratio( err ); + scale[1] = exp(err); + + sumw = 0; + for( i = 0; i < n; i++ ) + { + double w = weights->data.db[i]* + scale[weak_eval->data.db[i] != orig_response->data.i[i]]; + sumw += w; + weights->data.db[i] = w; + } + + tree->scale( C ); + } + else if( params.boost_type == REAL ) + { + // Real AdaBoost: + // weak_eval[i] = f(x_i) = 0.5*log(p(x_i)/(1-p(x_i))), p(x_i)=P(y=1|x_i) + // w_i *= exp(-y_i*f(x_i)) + + for( i = 0; i < n; i++ ) + weak_eval->data.db[i] *= -orig_response->data.i[i]; + + cvExp( weak_eval, weak_eval ); + + for( i = 0; i < n; i++ ) + { + double w = weights->data.db[i]*weak_eval->data.db[i]; + sumw += w; + weights->data.db[i] = w; + } + } + else if( params.boost_type == LOGIT ) + { + // LogitBoost: + // weak_eval[i] = f(x_i) in [-z_max,z_max] + // sum_response = F(x_i). + // F(x_i) += 0.5*f(x_i) + // p(x_i) = exp(F(x_i))/(exp(F(x_i)) + exp(-F(x_i))=1/(1+exp(-2*F(x_i))) + // reuse weak_eval: weak_eval[i] <- p(x_i) + // w_i = p(x_i)*1(1 - p(x_i)) + // z_i = ((y_i+1)/2 - p(x_i))/(p(x_i)*(1 - p(x_i))) + // store z_i to the data->data_root as the new target responses + + const double lb_weight_thresh = FLT_EPSILON; + const double lb_z_max = 10.; + /*float* responses_buf = data->get_resp_float_buf(); + const float* responses = 0; + data->get_ord_responses(data->data_root, responses_buf, &responses);*/ + + /*if( weak->total == 7 ) + putchar('*');*/ + + for( i = 0; i < n; i++ ) + { + double s = sum_response->data.db[i] + 0.5*weak_eval->data.db[i]; + sum_response->data.db[i] = s; + weak_eval->data.db[i] = -2*s; + } + + cvExp( weak_eval, weak_eval ); + + for( i = 0; i < n; i++ ) + { + double p = 1./(1. + weak_eval->data.db[i]); + double w = p*(1 - p), z; + w = MAX( w, lb_weight_thresh ); + weights->data.db[i] = w; + sumw += w; + if( orig_response->data.i[i] > 0 ) + { + z = 1./p; + fdata[sample_idx[i]*step] = (float)MIN(z, lb_z_max); + } + else + { + z = 1./(1-p); + fdata[sample_idx[i]*step] = (float)-MIN(z, lb_z_max); + } + } + } + else + { + // Gentle AdaBoost: + // weak_eval[i] = f(x_i) in [-1,1] + // w_i *= exp(-y_i*f(x_i)) + assert( params.boost_type == GENTLE ); + + for( i = 0; i < n; i++ ) + weak_eval->data.db[i] *= -orig_response->data.i[i]; + + cvExp( weak_eval, weak_eval ); + + for( i = 0; i < n; i++ ) + { + double w = weights->data.db[i] * weak_eval->data.db[i]; + weights->data.db[i] = w; + sumw += w; + } + } + } + + // renormalize weights + if( sumw > FLT_EPSILON ) + { + sumw = 1./sumw; + for( i = 0; i < n; ++i ) + weights->data.db[i] *= sumw; + } + + __END__; +} + + +void +CvBoost::trim_weights() +{ + //CV_FUNCNAME( "CvBoost::trim_weights" ); + + __BEGIN__; + + int i, count = data->sample_count, nz_count = 0; + double sum, threshold; + + if( params.weight_trim_rate <= 0. || params.weight_trim_rate >= 1. ) + EXIT; + + // use weak_eval as temporary buffer for sorted weights + cvCopy( weights, weak_eval ); + + std::sort(weak_eval->data.db, weak_eval->data.db + count); + + // as weight trimming occurs immediately after updating the weights, + // where they are renormalized, we assume that the weight sum = 1. + sum = 1. - params.weight_trim_rate; + + for( i = 0; i < count; i++ ) + { + double w = weak_eval->data.db[i]; + if( sum <= 0 ) + break; + sum -= w; + } + + threshold = i < count ? weak_eval->data.db[i] : DBL_MAX; + + for( i = 0; i < count; i++ ) + { + double w = weights->data.db[i]; + int f = w >= threshold; + subsample_mask->data.ptr[i] = (uchar)f; + nz_count += f; + } + + have_subsample = nz_count < count; + + __END__; +} + + +const CvMat* +CvBoost::get_active_vars( bool absolute_idx ) +{ + CvMat* mask = 0; + CvMat* inv_map = 0; + CvMat* result = 0; + + CV_FUNCNAME( "CvBoost::get_active_vars" ); + + __BEGIN__; + + if( !weak ) + CV_ERROR( CV_StsError, "The boosted tree ensemble has not been trained yet" ); + + if( !active_vars || !active_vars_abs ) + { + CvSeqReader reader; + int i, j, nactive_vars; + CvBoostTree* wtree; + const CvDTreeNode* node; + + assert(!active_vars && !active_vars_abs); + mask = cvCreateMat( 1, data->var_count, CV_8U ); + inv_map = cvCreateMat( 1, data->var_count, CV_32S ); + cvZero( mask ); + cvSet( inv_map, cvScalar(-1) ); + + // first pass: compute the mask of used variables + cvStartReadSeq( weak, &reader ); + for( i = 0; i < weak->total; i++ ) + { + CV_READ_SEQ_ELEM(wtree, reader); + + node = wtree->get_root(); + assert( node != 0 ); + for(;;) + { + const CvDTreeNode* parent; + for(;;) + { + CvDTreeSplit* split = node->split; + for( ; split != 0; split = split->next ) + mask->data.ptr[split->var_idx] = 1; + if( !node->left ) + break; + node = node->left; + } + + for( parent = node->parent; parent && parent->right == node; + node = parent, parent = parent->parent ) + ; + + if( !parent ) + break; + + node = parent->right; + } + } + + nactive_vars = cvCountNonZero(mask); + + //if ( nactive_vars > 0 ) + { + active_vars = cvCreateMat( 1, nactive_vars, CV_32S ); + active_vars_abs = cvCreateMat( 1, nactive_vars, CV_32S ); + + have_active_cat_vars = false; + + for( i = j = 0; i < data->var_count; i++ ) + { + if( mask->data.ptr[i] ) + { + active_vars->data.i[j] = i; + active_vars_abs->data.i[j] = data->var_idx ? data->var_idx->data.i[i] : i; + inv_map->data.i[i] = j; + if( data->var_type->data.i[i] >= 0 ) + have_active_cat_vars = true; + j++; + } + } + + + // second pass: now compute the condensed indices + cvStartReadSeq( weak, &reader ); + for( i = 0; i < weak->total; i++ ) + { + CV_READ_SEQ_ELEM(wtree, reader); + node = wtree->get_root(); + for(;;) + { + const CvDTreeNode* parent; + for(;;) + { + CvDTreeSplit* split = node->split; + for( ; split != 0; split = split->next ) + { + split->condensed_idx = inv_map->data.i[split->var_idx]; + assert( split->condensed_idx >= 0 ); + } + + if( !node->left ) + break; + node = node->left; + } + + for( parent = node->parent; parent && parent->right == node; + node = parent, parent = parent->parent ) + ; + + if( !parent ) + break; + + node = parent->right; + } + } + } + } + + result = absolute_idx ? active_vars_abs : active_vars; + + __END__; + + cvReleaseMat( &mask ); + cvReleaseMat( &inv_map ); + + return result; +} + + +float +CvBoost::predict( const CvMat* _sample, const CvMat* _missing, + CvMat* weak_responses, CvSlice slice, + bool raw_mode, bool return_sum ) const +{ + float value = -FLT_MAX; + + CvSeqReader reader; + double sum = 0; + int wstep = 0; + const float* sample_data; + + if( !weak ) + CV_Error( CV_StsError, "The boosted tree ensemble has not been trained yet" ); + + if( !CV_IS_MAT(_sample) || CV_MAT_TYPE(_sample->type) != CV_32FC1 || + (_sample->cols != 1 && _sample->rows != 1) || + (_sample->cols + _sample->rows - 1 != data->var_all && !raw_mode) || + (active_vars && _sample->cols + _sample->rows - 1 != active_vars->cols && raw_mode) ) + CV_Error( CV_StsBadArg, + "the input sample must be 1d floating-point vector with the same " + "number of elements as the total number of variables or " + "as the number of variables used for training" ); + + if( _missing ) + { + if( !CV_IS_MAT(_missing) || !CV_IS_MASK_ARR(_missing) || + !CV_ARE_SIZES_EQ(_missing, _sample) ) + CV_Error( CV_StsBadArg, + "the missing data mask must be 8-bit vector of the same size as input sample" ); + } + + int i, weak_count = cvSliceLength( slice, weak ); + if( weak_count >= weak->total ) + { + weak_count = weak->total; + slice.start_index = 0; + } + + if( weak_responses ) + { + if( !CV_IS_MAT(weak_responses) || + CV_MAT_TYPE(weak_responses->type) != CV_32FC1 || + (weak_responses->cols != 1 && weak_responses->rows != 1) || + weak_responses->cols + weak_responses->rows - 1 != weak_count ) + CV_Error( CV_StsBadArg, + "The output matrix of weak classifier responses must be valid " + "floating-point vector of the same number of components as the length of input slice" ); + wstep = CV_IS_MAT_CONT(weak_responses->type) ? 1 : weak_responses->step/sizeof(float); + } + + int var_count = active_vars->cols; + const int* vtype = data->var_type->data.i; + const int* cmap = data->cat_map->data.i; + const int* cofs = data->cat_ofs->data.i; + + cv::Mat sample = cv::cvarrToMat(_sample); + cv::Mat missing; + if(!_missing) + missing = cv::cvarrToMat(_missing); + + // if need, preprocess the input vector + if( !raw_mode ) + { + int sstep, mstep = 0; + const float* src_sample; + const uchar* src_mask = 0; + float* dst_sample; + uchar* dst_mask; + const int* vidx = active_vars->data.i; + const int* vidx_abs = active_vars_abs->data.i; + bool have_mask = _missing != 0; + + sample = cv::Mat(1, var_count, CV_32FC1); + missing = cv::Mat(1, var_count, CV_8UC1); + + dst_sample = sample.ptr(); + dst_mask = missing.ptr(); + + src_sample = _sample->data.fl; + sstep = CV_IS_MAT_CONT(_sample->type) ? 1 : _sample->step/sizeof(src_sample[0]); + + if( _missing ) + { + src_mask = _missing->data.ptr; + mstep = CV_IS_MAT_CONT(_missing->type) ? 1 : _missing->step; + } + + for( i = 0; i < var_count; i++ ) + { + int idx = vidx[i], idx_abs = vidx_abs[i]; + float val = src_sample[idx_abs*sstep]; + int ci = vtype[idx]; + uchar m = src_mask ? src_mask[idx_abs*mstep] : (uchar)0; + + if( ci >= 0 ) + { + int a = cofs[ci], b = (ci+1 >= data->cat_ofs->cols) ? data->cat_map->cols : cofs[ci+1], + c = a; + int ival = cvRound(val); + if ( (ival != val) && (!m) ) + CV_Error( CV_StsBadArg, + "one of input categorical variable is not an integer" ); + + while( a < b ) + { + c = (a + b) >> 1; + if( ival < cmap[c] ) + b = c; + else if( ival > cmap[c] ) + a = c+1; + else + break; + } + + if( c < 0 || ival != cmap[c] ) + { + m = 1; + have_mask = true; + } + else + { + val = (float)(c - cofs[ci]); + } + } + + dst_sample[i] = val; + dst_mask[i] = m; + } + + if( !have_mask ) + missing.release(); + } + else + { + if( !CV_IS_MAT_CONT(_sample->type & (_missing ? _missing->type : -1)) ) + CV_Error( CV_StsBadArg, "In raw mode the input vectors must be continuous" ); + } + + cvStartReadSeq( weak, &reader ); + cvSetSeqReaderPos( &reader, slice.start_index ); + + sample_data = sample.ptr(); + + if( !have_active_cat_vars && missing.empty() && !weak_responses ) + { + for( i = 0; i < weak_count; i++ ) + { + CvBoostTree* wtree; + const CvDTreeNode* node; + CV_READ_SEQ_ELEM( wtree, reader ); + + node = wtree->get_root(); + while( node->left ) + { + CvDTreeSplit* split = node->split; + int vi = split->condensed_idx; + float val = sample_data[vi]; + int dir = val <= split->ord.c ? -1 : 1; + if( split->inversed ) + dir = -dir; + node = dir < 0 ? node->left : node->right; + } + sum += node->value; + } + } + else + { + const int* avars = active_vars->data.i; + const uchar* m = !missing.empty() ? missing.ptr() : 0; + + // full-featured version + for( i = 0; i < weak_count; i++ ) + { + CvBoostTree* wtree; + const CvDTreeNode* node; + CV_READ_SEQ_ELEM( wtree, reader ); + + node = wtree->get_root(); + while( node->left ) + { + const CvDTreeSplit* split = node->split; + int dir = 0; + for( ; !dir && split != 0; split = split->next ) + { + int vi = split->condensed_idx; + int ci = vtype[avars[vi]]; + float val = sample_data[vi]; + if( m && m[vi] ) + continue; + if( ci < 0 ) // ordered + dir = val <= split->ord.c ? -1 : 1; + else // categorical + { + int c = cvRound(val); + dir = CV_DTREE_CAT_DIR(c, split->subset); + } + if( split->inversed ) + dir = -dir; + } + + if( !dir ) + { + int diff = node->right->sample_count - node->left->sample_count; + dir = diff < 0 ? -1 : 1; + } + node = dir < 0 ? node->left : node->right; + } + if( weak_responses ) + weak_responses->data.fl[i*wstep] = (float)node->value; + sum += node->value; + } + } + + if( return_sum ) + value = (float)sum; + else + { + int cls_idx = sum >= 0; + if( raw_mode ) + value = (float)cls_idx; + else + value = (float)cmap[cofs[vtype[data->var_count]] + cls_idx]; + } + + return value; +} + +float CvBoost::calc_error( CvMLData* _data, int type, std::vector *resp ) +{ + float err = 0; + const CvMat* values = _data->get_values(); + const CvMat* response = _data->get_responses(); + const CvMat* missing = _data->get_missing(); + const CvMat* sample_idx = (type == CV_TEST_ERROR) ? _data->get_test_sample_idx() : _data->get_train_sample_idx(); + const CvMat* var_types = _data->get_var_types(); + int* sidx = sample_idx ? sample_idx->data.i : 0; + int r_step = CV_IS_MAT_CONT(response->type) ? + 1 : response->step / CV_ELEM_SIZE(response->type); + bool is_classifier = var_types->data.ptr[var_types->cols-1] == CV_VAR_CATEGORICAL; + int sample_count = sample_idx ? sample_idx->cols : 0; + sample_count = (type == CV_TRAIN_ERROR && sample_count == 0) ? values->rows : sample_count; + float* pred_resp = 0; + if( resp && (sample_count > 0) ) + { + resp->resize( sample_count ); + pred_resp = &((*resp)[0]); + } + if ( is_classifier ) + { + for( int i = 0; i < sample_count; i++ ) + { + CvMat sample, miss; + int si = sidx ? sidx[i] : i; + cvGetRow( values, &sample, si ); + if( missing ) + cvGetRow( missing, &miss, si ); + float r = (float)predict( &sample, missing ? &miss : 0 ); + if( pred_resp ) + pred_resp[i] = r; + int d = fabs((double)r - response->data.fl[si*r_step]) <= FLT_EPSILON ? 0 : 1; + err += d; + } + err = sample_count ? err / (float)sample_count * 100 : -FLT_MAX; + } + else + { + for( int i = 0; i < sample_count; i++ ) + { + CvMat sample, miss; + int si = sidx ? sidx[i] : i; + cvGetRow( values, &sample, si ); + if( missing ) + cvGetRow( missing, &miss, si ); + float r = (float)predict( &sample, missing ? &miss : 0 ); + if( pred_resp ) + pred_resp[i] = r; + float d = r - response->data.fl[si*r_step]; + err += d*d; + } + err = sample_count ? err / (float)sample_count : -FLT_MAX; + } + return err; +} + +void CvBoost::write_params( CvFileStorage* fs ) const +{ + const char* boost_type_str = + params.boost_type == DISCRETE ? "DiscreteAdaboost" : + params.boost_type == REAL ? "RealAdaboost" : + params.boost_type == LOGIT ? "LogitBoost" : + params.boost_type == GENTLE ? "GentleAdaboost" : 0; + + const char* split_crit_str = + params.split_criteria == DEFAULT ? "Default" : + params.split_criteria == GINI ? "Gini" : + params.boost_type == MISCLASS ? "Misclassification" : + params.boost_type == SQERR ? "SquaredErr" : 0; + + if( boost_type_str ) + cvWriteString( fs, "boosting_type", boost_type_str ); + else + cvWriteInt( fs, "boosting_type", params.boost_type ); + + if( split_crit_str ) + cvWriteString( fs, "splitting_criteria", split_crit_str ); + else + cvWriteInt( fs, "splitting_criteria", params.split_criteria ); + + cvWriteInt( fs, "ntrees", weak->total ); + cvWriteReal( fs, "weight_trimming_rate", params.weight_trim_rate ); + + data->write_params( fs ); +} + + +void CvBoost::read_params( CvFileStorage* fs, CvFileNode* fnode ) +{ + CV_FUNCNAME( "CvBoost::read_params" ); + + __BEGIN__; + + CvFileNode* temp; + + if( !fnode || !CV_NODE_IS_MAP(fnode->tag) ) + return; + + data = new CvDTreeTrainData(); + CV_CALL( data->read_params(fs, fnode)); + data->shared = true; + + params.max_depth = data->params.max_depth; + params.min_sample_count = data->params.min_sample_count; + params.max_categories = data->params.max_categories; + params.priors = data->params.priors; + params.regression_accuracy = data->params.regression_accuracy; + params.use_surrogates = data->params.use_surrogates; + + temp = cvGetFileNodeByName( fs, fnode, "boosting_type" ); + if( !temp ) + return; + + if( temp && CV_NODE_IS_STRING(temp->tag) ) + { + const char* boost_type_str = cvReadString( temp, "" ); + params.boost_type = strcmp( boost_type_str, "DiscreteAdaboost" ) == 0 ? DISCRETE : + strcmp( boost_type_str, "RealAdaboost" ) == 0 ? REAL : + strcmp( boost_type_str, "LogitBoost" ) == 0 ? LOGIT : + strcmp( boost_type_str, "GentleAdaboost" ) == 0 ? GENTLE : -1; + } + else + params.boost_type = cvReadInt( temp, -1 ); + + if( params.boost_type < DISCRETE || params.boost_type > GENTLE ) + CV_ERROR( CV_StsBadArg, "Unknown boosting type" ); + + temp = cvGetFileNodeByName( fs, fnode, "splitting_criteria" ); + if( temp && CV_NODE_IS_STRING(temp->tag) ) + { + const char* split_crit_str = cvReadString( temp, "" ); + params.split_criteria = strcmp( split_crit_str, "Default" ) == 0 ? DEFAULT : + strcmp( split_crit_str, "Gini" ) == 0 ? GINI : + strcmp( split_crit_str, "Misclassification" ) == 0 ? MISCLASS : + strcmp( split_crit_str, "SquaredErr" ) == 0 ? SQERR : -1; + } + else + params.split_criteria = cvReadInt( temp, -1 ); + + if( params.split_criteria < DEFAULT || params.boost_type > SQERR ) + CV_ERROR( CV_StsBadArg, "Unknown boosting type" ); + + params.weak_count = cvReadIntByName( fs, fnode, "ntrees" ); + params.weight_trim_rate = cvReadRealByName( fs, fnode, "weight_trimming_rate", 0. ); + + __END__; +} + + + +void +CvBoost::read( CvFileStorage* fs, CvFileNode* node ) +{ + CV_FUNCNAME( "CvBoost::read" ); + + __BEGIN__; + + CvSeqReader reader; + CvFileNode* trees_fnode; + CvMemStorage* storage; + int i, ntrees; + + clear(); + read_params( fs, node ); + + if( !data ) + EXIT; + + trees_fnode = cvGetFileNodeByName( fs, node, "trees" ); + if( !trees_fnode || !CV_NODE_IS_SEQ(trees_fnode->tag) ) + CV_ERROR( CV_StsParseError, " tag is missing" ); + + cvStartReadSeq( trees_fnode->data.seq, &reader ); + ntrees = trees_fnode->data.seq->total; + + if( ntrees != params.weak_count ) + CV_ERROR( CV_StsUnmatchedSizes, + "The number of trees stored does not match tag value" ); + + CV_CALL( storage = cvCreateMemStorage() ); + weak = cvCreateSeq( 0, sizeof(CvSeq), sizeof(CvBoostTree*), storage ); + + for( i = 0; i < ntrees; i++ ) + { + CvBoostTree* tree = new CvBoostTree(); + CV_CALL(tree->read( fs, (CvFileNode*)reader.ptr, this, data )); + CV_NEXT_SEQ_ELEM( reader.seq->elem_size, reader ); + cvSeqPush( weak, &tree ); + } + get_active_vars(); + + __END__; +} + + +void +CvBoost::write( CvFileStorage* fs, const char* name ) const +{ + CV_FUNCNAME( "CvBoost::write" ); + + __BEGIN__; + + CvSeqReader reader; + int i; + + cvStartWriteStruct( fs, name, CV_NODE_MAP, CV_TYPE_NAME_ML_BOOSTING ); + + if( !weak ) + CV_ERROR( CV_StsBadArg, "The classifier has not been trained yet" ); + + write_params( fs ); + cvStartWriteStruct( fs, "trees", CV_NODE_SEQ ); + + cvStartReadSeq( weak, &reader ); + + for( i = 0; i < weak->total; i++ ) + { + CvBoostTree* tree; + CV_READ_SEQ_ELEM( tree, reader ); + cvStartWriteStruct( fs, 0, CV_NODE_MAP ); + tree->write( fs ); + cvEndWriteStruct( fs ); + } + + cvEndWriteStruct( fs ); + cvEndWriteStruct( fs ); + + __END__; +} + + +CvMat* +CvBoost::get_weights() +{ + return weights; +} + + +CvMat* +CvBoost::get_subtree_weights() +{ + return subtree_weights; +} + + +CvMat* +CvBoost::get_weak_response() +{ + return weak_eval; +} + + +const CvBoostParams& +CvBoost::get_params() const +{ + return params; +} + +CvSeq* CvBoost::get_weak_predictors() +{ + return weak; +} + +const CvDTreeTrainData* CvBoost::get_data() const +{ + return data; +} + +using namespace cv; + +CvBoost::CvBoost( const Mat& _train_data, int _tflag, + const Mat& _responses, const Mat& _var_idx, + const Mat& _sample_idx, const Mat& _var_type, + const Mat& _missing_mask, + CvBoostParams _params ) +{ + weak = 0; + data = 0; + default_model_name = "my_boost_tree"; + active_vars = active_vars_abs = orig_response = sum_response = weak_eval = + subsample_mask = weights = subtree_weights = 0; + + train( _train_data, _tflag, _responses, _var_idx, _sample_idx, + _var_type, _missing_mask, _params ); +} + + +bool +CvBoost::train( const Mat& _train_data, int _tflag, + const Mat& _responses, const Mat& _var_idx, + const Mat& _sample_idx, const Mat& _var_type, + const Mat& _missing_mask, + CvBoostParams _params, bool _update ) +{ + train_data_hdr = _train_data; + train_data_mat = _train_data; + responses_hdr = _responses; + responses_mat = _responses; + + CvMat vidx = _var_idx, sidx = _sample_idx, vtype = _var_type, mmask = _missing_mask; + + return train(&train_data_hdr, _tflag, &responses_hdr, vidx.data.ptr ? &vidx : 0, + sidx.data.ptr ? &sidx : 0, vtype.data.ptr ? &vtype : 0, + mmask.data.ptr ? &mmask : 0, _params, _update); +} + +float +CvBoost::predict( const Mat& _sample, const Mat& _missing, + const Range& slice, bool raw_mode, bool return_sum ) const +{ + CvMat sample = _sample, mmask = _missing; + /*if( weak_responses ) + { + int weak_count = cvSliceLength( slice, weak ); + if( weak_count >= weak->total ) + { + weak_count = weak->total; + slice.start_index = 0; + } + + if( !(weak_responses->data && weak_responses->type() == CV_32FC1 && + (weak_responses->cols == 1 || weak_responses->rows == 1) && + weak_responses->cols + weak_responses->rows - 1 == weak_count) ) + weak_responses->create(weak_count, 1, CV_32FC1); + pwr = &(wr = *weak_responses); + }*/ + return predict(&sample, _missing.empty() ? 0 : &mmask, 0, + slice == Range::all() ? CV_WHOLE_SEQ : cvSlice(slice.start, slice.end), + raw_mode, return_sum); +} + +/* End of file. */ diff --git a/apps/traincascade/old_ml_data.cpp b/apps/traincascade/old_ml_data.cpp new file mode 100644 index 0000000000..d221dcbf0f --- /dev/null +++ b/apps/traincascade/old_ml_data.cpp @@ -0,0 +1,792 @@ +/*M/////////////////////////////////////////////////////////////////////////////////////// +// +// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. +// +// By downloading, copying, installing or using the software you agree to this license. +// If you do not agree to this license, do not download, install, +// copy or use the software. +// +// +// Intel License Agreement +// +// Copyright (C) 2000, Intel Corporation, all rights reserved. +// Third party copyrights are property of their respective owners. +// +// Redistribution and use in source and binary forms, with or without modification, +// are permitted provided that the following conditions are met: +// +// * Redistribution's of source code must retain the above copyright notice, +// this list of conditions and the following disclaimer. +// +// * Redistribution's in binary form must reproduce the above copyright notice, +// this list of conditions and the following disclaimer in the documentation +// and/or other materials provided with the distribution. +// +// * The name of Intel Corporation may not be used to endorse or promote products +// derived from this software without specific prior written permission. +// +// This software is provided by the copyright holders and contributors "as is" and +// any express or implied warranties, including, but not limited to, the implied +// warranties of merchantability and fitness for a particular purpose are disclaimed. +// In no event shall the Intel Corporation or contributors be liable for any direct, +// indirect, incidental, special, exemplary, or consequential damages +// (including, but not limited to, procurement of substitute goods or services; +// loss of use, data, or profits; or business interruption) however caused +// and on any theory of liability, whether in contract, strict liability, +// or tort (including negligence or otherwise) arising in any way out of +// the use of this software, even if advised of the possibility of such damage. +// +//M*/ + +#include "old_ml_precomp.hpp" +#include + +#define MISS_VAL FLT_MAX +#define CV_VAR_MISS 0 + +CvTrainTestSplit::CvTrainTestSplit() +{ + train_sample_part_mode = CV_COUNT; + train_sample_part.count = -1; + mix = false; +} + +CvTrainTestSplit::CvTrainTestSplit( int _train_sample_count, bool _mix ) +{ + train_sample_part_mode = CV_COUNT; + train_sample_part.count = _train_sample_count; + mix = _mix; +} + +CvTrainTestSplit::CvTrainTestSplit( float _train_sample_portion, bool _mix ) +{ + train_sample_part_mode = CV_PORTION; + train_sample_part.portion = _train_sample_portion; + mix = _mix; +} + +//////////////// + +CvMLData::CvMLData() +{ + values = missing = var_types = var_idx_mask = response_out = var_idx_out = var_types_out = 0; + train_sample_idx = test_sample_idx = 0; + header_lines_number = 0; + sample_idx = 0; + response_idx = -1; + + train_sample_count = -1; + + delimiter = ','; + miss_ch = '?'; + //flt_separator = '.'; + + rng = &cv::theRNG(); +} + +CvMLData::~CvMLData() +{ + clear(); +} + +void CvMLData::free_train_test_idx() +{ + cvReleaseMat( &train_sample_idx ); + cvReleaseMat( &test_sample_idx ); + sample_idx = 0; +} + +void CvMLData::clear() +{ + class_map.clear(); + + cvReleaseMat( &values ); + cvReleaseMat( &missing ); + cvReleaseMat( &var_types ); + cvReleaseMat( &var_idx_mask ); + + cvReleaseMat( &response_out ); + cvReleaseMat( &var_idx_out ); + cvReleaseMat( &var_types_out ); + + free_train_test_idx(); + + total_class_count = 0; + + response_idx = -1; + + train_sample_count = -1; +} + + +void CvMLData::set_header_lines_number( int idx ) +{ + header_lines_number = std::max(0, idx); +} + +int CvMLData::get_header_lines_number() const +{ + return header_lines_number; +} + +static char *fgets_chomp(char *str, int n, FILE *stream) +{ + char *head = fgets(str, n, stream); + if( head ) + { + for(char *tail = head + strlen(head) - 1; tail >= head; --tail) + { + if( *tail != '\r' && *tail != '\n' ) + break; + *tail = '\0'; + } + } + return head; +} + + +int CvMLData::read_csv(const char* filename) +{ + const int M = 1000000; + const char str_delimiter[3] = { ' ', delimiter, '\0' }; + FILE* file = 0; + CvMemStorage* storage; + CvSeq* seq; + char *ptr; + float* el_ptr; + CvSeqReader reader; + int cols_count = 0; + uchar *var_types_ptr = 0; + + clear(); + + file = fopen( filename, "rt" ); + + if( !file ) + return -1; + + std::vector _buf(M); + char* buf = &_buf[0]; + + // skip header lines + for( int i = 0; i < header_lines_number; i++ ) + { + if( fgets( buf, M, file ) == 0 ) + { + fclose(file); + return -1; + } + } + + // read the first data line and determine the number of variables + if( !fgets_chomp( buf, M, file )) + { + fclose(file); + return -1; + } + + ptr = buf; + while( *ptr == ' ' ) + ptr++; + for( ; *ptr != '\0'; ) + { + if(*ptr == delimiter || *ptr == ' ') + { + cols_count++; + ptr++; + while( *ptr == ' ' ) ptr++; + } + else + ptr++; + } + + cols_count++; + + if ( cols_count == 0) + { + fclose(file); + return -1; + } + + // create temporary memory storage to store the whole database + el_ptr = new float[cols_count]; + storage = cvCreateMemStorage(); + seq = cvCreateSeq( 0, sizeof(*seq), cols_count*sizeof(float), storage ); + + var_types = cvCreateMat( 1, cols_count, CV_8U ); + cvZero( var_types ); + var_types_ptr = var_types->data.ptr; + + for(;;) + { + char *token = NULL; + int type; + token = strtok(buf, str_delimiter); + if (!token) + break; + for (int i = 0; i < cols_count-1; i++) + { + str_to_flt_elem( token, el_ptr[i], type); + var_types_ptr[i] |= type; + token = strtok(NULL, str_delimiter); + if (!token) + { + fclose(file); + delete [] el_ptr; + return -1; + } + } + str_to_flt_elem( token, el_ptr[cols_count-1], type); + var_types_ptr[cols_count-1] |= type; + cvSeqPush( seq, el_ptr ); + if( !fgets_chomp( buf, M, file ) ) + break; + } + fclose(file); + + values = cvCreateMat( seq->total, cols_count, CV_32FC1 ); + missing = cvCreateMat( seq->total, cols_count, CV_8U ); + var_idx_mask = cvCreateMat( 1, values->cols, CV_8UC1 ); + cvSet( var_idx_mask, cvRealScalar(1) ); + train_sample_count = seq->total; + + cvStartReadSeq( seq, &reader ); + for(int i = 0; i < seq->total; i++ ) + { + const float* sdata = (float*)reader.ptr; + float* ddata = values->data.fl + cols_count*i; + uchar* dm = missing->data.ptr + cols_count*i; + + for( int j = 0; j < cols_count; j++ ) + { + ddata[j] = sdata[j]; + dm[j] = ( fabs( MISS_VAL - sdata[j] ) <= FLT_EPSILON ); + } + CV_NEXT_SEQ_ELEM( seq->elem_size, reader ); + } + + if ( cvNorm( missing, 0, CV_L1 ) <= FLT_EPSILON ) + cvReleaseMat( &missing ); + + cvReleaseMemStorage( &storage ); + delete []el_ptr; + return 0; +} + +const CvMat* CvMLData::get_values() const +{ + return values; +} + +const CvMat* CvMLData::get_missing() const +{ + CV_FUNCNAME( "CvMLData::get_missing" ); + __BEGIN__; + + if ( !values ) + CV_ERROR( CV_StsInternal, "data is empty" ); + + __END__; + + return missing; +} + +const std::map& CvMLData::get_class_labels_map() const +{ + return class_map; +} + +void CvMLData::str_to_flt_elem( const char* token, float& flt_elem, int& type) +{ + + char* stopstring = NULL; + flt_elem = (float)strtod( token, &stopstring ); + assert( stopstring ); + type = CV_VAR_ORDERED; + if ( *stopstring == miss_ch && strlen(stopstring) == 1 ) // missed value + { + flt_elem = MISS_VAL; + type = CV_VAR_MISS; + } + else + { + if ( (*stopstring != 0) && (*stopstring != '\n') && (strcmp(stopstring, "\r\n") != 0) ) // class label + { + int idx = class_map[token]; + if ( idx == 0) + { + total_class_count++; + idx = total_class_count; + class_map[token] = idx; + } + flt_elem = (float)idx; + type = CV_VAR_CATEGORICAL; + } + } +} + +void CvMLData::set_delimiter(char ch) +{ + CV_FUNCNAME( "CvMLData::set_delimited" ); + __BEGIN__; + + if (ch == miss_ch /*|| ch == flt_separator*/) + CV_ERROR(CV_StsBadArg, "delimited, miss_character and flt_separator must be different"); + + delimiter = ch; + + __END__; +} + +char CvMLData::get_delimiter() const +{ + return delimiter; +} + +void CvMLData::set_miss_ch(char ch) +{ + CV_FUNCNAME( "CvMLData::set_miss_ch" ); + __BEGIN__; + + if (ch == delimiter/* || ch == flt_separator*/) + CV_ERROR(CV_StsBadArg, "delimited, miss_character and flt_separator must be different"); + + miss_ch = ch; + + __END__; +} + +char CvMLData::get_miss_ch() const +{ + return miss_ch; +} + +void CvMLData::set_response_idx( int idx ) +{ + CV_FUNCNAME( "CvMLData::set_response_idx" ); + __BEGIN__; + + if ( !values ) + CV_ERROR( CV_StsInternal, "data is empty" ); + + if ( idx >= values->cols) + CV_ERROR( CV_StsBadArg, "idx value is not correct" ); + + if ( response_idx >= 0 ) + chahge_var_idx( response_idx, true ); + if ( idx >= 0 ) + chahge_var_idx( idx, false ); + response_idx = idx; + + __END__; +} + +int CvMLData::get_response_idx() const +{ + CV_FUNCNAME( "CvMLData::get_response_idx" ); + __BEGIN__; + + if ( !values ) + CV_ERROR( CV_StsInternal, "data is empty" ); + __END__; + return response_idx; +} + +void CvMLData::change_var_type( int var_idx, int type ) +{ + CV_FUNCNAME( "CvMLData::change_var_type" ); + __BEGIN__; + + int var_count = 0; + + if ( !values ) + CV_ERROR( CV_StsInternal, "data is empty" ); + + var_count = values->cols; + + if ( var_idx < 0 || var_idx >= var_count) + CV_ERROR( CV_StsBadArg, "var_idx is not correct" ); + + if ( type != CV_VAR_ORDERED && type != CV_VAR_CATEGORICAL) + CV_ERROR( CV_StsBadArg, "type is not correct" ); + + assert( var_types ); + if ( var_types->data.ptr[var_idx] == CV_VAR_CATEGORICAL && type == CV_VAR_ORDERED) + CV_ERROR( CV_StsBadArg, "it`s impossible to assign CV_VAR_ORDERED type to categorical variable" ); + var_types->data.ptr[var_idx] = (uchar)type; + + __END__; + + return; +} + +void CvMLData::set_var_types( const char* str ) +{ + CV_FUNCNAME( "CvMLData::set_var_types" ); + __BEGIN__; + + const char* ord = 0, *cat = 0; + int var_count = 0, set_var_type_count = 0; + if ( !values ) + CV_ERROR( CV_StsInternal, "data is empty" ); + + var_count = values->cols; + + assert( var_types ); + + ord = strstr( str, "ord" ); + cat = strstr( str, "cat" ); + if ( !ord && !cat ) + CV_ERROR( CV_StsBadArg, "types string is not correct" ); + + if ( !ord && strlen(cat) == 3 ) // str == "cat" + { + cvSet( var_types, cvScalarAll(CV_VAR_CATEGORICAL) ); + return; + } + + if ( !cat && strlen(ord) == 3 ) // str == "ord" + { + cvSet( var_types, cvScalarAll(CV_VAR_ORDERED) ); + return; + } + + if ( ord ) // parse ord str + { + char* stopstring = NULL; + if ( ord[3] != '[') + CV_ERROR( CV_StsBadArg, "types string is not correct" ); + + ord += 4; // pass "ord[" + do + { + int b1 = (int)strtod( ord, &stopstring ); + if ( *stopstring == 0 || (*stopstring != ',' && *stopstring != ']' && *stopstring != '-') ) + CV_ERROR( CV_StsBadArg, "types string is not correct" ); + ord = stopstring + 1; + if ( (stopstring[0] == ',') || (stopstring[0] == ']')) + { + if ( var_types->data.ptr[b1] == CV_VAR_CATEGORICAL) + CV_ERROR( CV_StsBadArg, "it`s impossible to assign CV_VAR_ORDERED type to categorical variable" ); + var_types->data.ptr[b1] = CV_VAR_ORDERED; + set_var_type_count++; + } + else + { + if ( stopstring[0] == '-') + { + int b2 = (int)strtod( ord, &stopstring); + if ( (*stopstring == 0) || (*stopstring != ',' && *stopstring != ']') ) + CV_ERROR( CV_StsBadArg, "types string is not correct" ); + ord = stopstring + 1; + for (int i = b1; i <= b2; i++) + { + if ( var_types->data.ptr[i] == CV_VAR_CATEGORICAL) + CV_ERROR( CV_StsBadArg, "it`s impossible to assign CV_VAR_ORDERED type to categorical variable" ); + var_types->data.ptr[i] = CV_VAR_ORDERED; + } + set_var_type_count += b2 - b1 + 1; + } + else + CV_ERROR( CV_StsBadArg, "types string is not correct" ); + + } + } + while (*stopstring != ']'); + + if ( stopstring[1] != '\0' && stopstring[1] != ',') + CV_ERROR( CV_StsBadArg, "types string is not correct" ); + } + + if ( cat ) // parse cat str + { + char* stopstring = NULL; + if ( cat[3] != '[') + CV_ERROR( CV_StsBadArg, "types string is not correct" ); + + cat += 4; // pass "cat[" + do + { + int b1 = (int)strtod( cat, &stopstring ); + if ( *stopstring == 0 || (*stopstring != ',' && *stopstring != ']' && *stopstring != '-') ) + CV_ERROR( CV_StsBadArg, "types string is not correct" ); + cat = stopstring + 1; + if ( (stopstring[0] == ',') || (stopstring[0] == ']')) + { + var_types->data.ptr[b1] = CV_VAR_CATEGORICAL; + set_var_type_count++; + } + else + { + if ( stopstring[0] == '-') + { + int b2 = (int)strtod( cat, &stopstring); + if ( (*stopstring == 0) || (*stopstring != ',' && *stopstring != ']') ) + CV_ERROR( CV_StsBadArg, "types string is not correct" ); + cat = stopstring + 1; + for (int i = b1; i <= b2; i++) + var_types->data.ptr[i] = CV_VAR_CATEGORICAL; + set_var_type_count += b2 - b1 + 1; + } + else + CV_ERROR( CV_StsBadArg, "types string is not correct" ); + + } + } + while (*stopstring != ']'); + + if ( stopstring[1] != '\0' && stopstring[1] != ',') + CV_ERROR( CV_StsBadArg, "types string is not correct" ); + } + + if (set_var_type_count != var_count) + CV_ERROR( CV_StsBadArg, "types string is not correct" ); + + __END__; +} + +const CvMat* CvMLData::get_var_types() +{ + CV_FUNCNAME( "CvMLData::get_var_types" ); + __BEGIN__; + + uchar *var_types_out_ptr = 0; + int avcount, vt_size; + if ( !values ) + CV_ERROR( CV_StsInternal, "data is empty" ); + + assert( var_idx_mask ); + + avcount = cvFloor( cvNorm( var_idx_mask, 0, CV_L1 ) ); + vt_size = avcount + (response_idx >= 0); + + if ( avcount == values->cols || (avcount == values->cols-1 && response_idx == values->cols-1) ) + return var_types; + + if ( !var_types_out || ( var_types_out && var_types_out->cols != vt_size ) ) + { + cvReleaseMat( &var_types_out ); + var_types_out = cvCreateMat( 1, vt_size, CV_8UC1 ); + } + + var_types_out_ptr = var_types_out->data.ptr; + for( int i = 0; i < var_types->cols; i++) + { + if (i == response_idx || !var_idx_mask->data.ptr[i]) continue; + *var_types_out_ptr = var_types->data.ptr[i]; + var_types_out_ptr++; + } + if ( response_idx >= 0 ) + *var_types_out_ptr = var_types->data.ptr[response_idx]; + + __END__; + + return var_types_out; +} + +int CvMLData::get_var_type( int var_idx ) const +{ + return var_types->data.ptr[var_idx]; +} + +const CvMat* CvMLData::get_responses() +{ + CV_FUNCNAME( "CvMLData::get_responses_ptr" ); + __BEGIN__; + + int var_count = 0; + + if ( !values ) + CV_ERROR( CV_StsInternal, "data is empty" ); + var_count = values->cols; + + if ( response_idx < 0 || response_idx >= var_count ) + return 0; + if ( !response_out ) + response_out = cvCreateMatHeader( values->rows, 1, CV_32FC1 ); + else + cvInitMatHeader( response_out, values->rows, 1, CV_32FC1); + cvGetCol( values, response_out, response_idx ); + + __END__; + + return response_out; +} + +void CvMLData::set_train_test_split( const CvTrainTestSplit * spl) +{ + CV_FUNCNAME( "CvMLData::set_division" ); + __BEGIN__; + + int sample_count = 0; + + if ( !values ) + CV_ERROR( CV_StsInternal, "data is empty" ); + + sample_count = values->rows; + + float train_sample_portion; + + if (spl->train_sample_part_mode == CV_COUNT) + { + train_sample_count = spl->train_sample_part.count; + if (train_sample_count > sample_count) + CV_ERROR( CV_StsBadArg, "train samples count is not correct" ); + train_sample_count = train_sample_count<=0 ? sample_count : train_sample_count; + } + else // dtype.train_sample_part_mode == CV_PORTION + { + train_sample_portion = spl->train_sample_part.portion; + if ( train_sample_portion > 1) + CV_ERROR( CV_StsBadArg, "train samples count is not correct" ); + train_sample_portion = train_sample_portion <= FLT_EPSILON || + 1 - train_sample_portion <= FLT_EPSILON ? 1 : train_sample_portion; + train_sample_count = std::max(1, cvFloor( train_sample_portion * sample_count )); + } + + if ( train_sample_count == sample_count ) + { + free_train_test_idx(); + return; + } + + if ( train_sample_idx && train_sample_idx->cols != train_sample_count ) + free_train_test_idx(); + + if ( !sample_idx) + { + int test_sample_count = sample_count- train_sample_count; + sample_idx = (int*)cvAlloc( sample_count * sizeof(sample_idx[0]) ); + for (int i = 0; i < sample_count; i++ ) + sample_idx[i] = i; + train_sample_idx = cvCreateMatHeader( 1, train_sample_count, CV_32SC1 ); + *train_sample_idx = cvMat( 1, train_sample_count, CV_32SC1, &sample_idx[0] ); + + CV_Assert(test_sample_count > 0); + test_sample_idx = cvCreateMatHeader( 1, test_sample_count, CV_32SC1 ); + *test_sample_idx = cvMat( 1, test_sample_count, CV_32SC1, &sample_idx[train_sample_count] ); + } + + mix = spl->mix; + if ( mix ) + mix_train_and_test_idx(); + + __END__; +} + +const CvMat* CvMLData::get_train_sample_idx() const +{ + CV_FUNCNAME( "CvMLData::get_train_sample_idx" ); + __BEGIN__; + + if ( !values ) + CV_ERROR( CV_StsInternal, "data is empty" ); + __END__; + + return train_sample_idx; +} + +const CvMat* CvMLData::get_test_sample_idx() const +{ + CV_FUNCNAME( "CvMLData::get_test_sample_idx" ); + __BEGIN__; + + if ( !values ) + CV_ERROR( CV_StsInternal, "data is empty" ); + __END__; + + return test_sample_idx; +} + +void CvMLData::mix_train_and_test_idx() +{ + CV_FUNCNAME( "CvMLData::mix_train_and_test_idx" ); + __BEGIN__; + + if ( !values ) + CV_ERROR( CV_StsInternal, "data is empty" ); + __END__; + + if ( !sample_idx) + return; + + if ( train_sample_count > 0 && train_sample_count < values->rows ) + { + int n = values->rows; + for (int i = 0; i < n; i++) + { + int a = (*rng)(n); + int b = (*rng)(n); + int t; + CV_SWAP( sample_idx[a], sample_idx[b], t ); + } + } +} + +const CvMat* CvMLData::get_var_idx() +{ + CV_FUNCNAME( "CvMLData::get_var_idx" ); + __BEGIN__; + + int avcount = 0; + + if ( !values ) + CV_ERROR( CV_StsInternal, "data is empty" ); + + assert( var_idx_mask ); + + avcount = cvFloor( cvNorm( var_idx_mask, 0, CV_L1 ) ); + int* vidx; + + if ( avcount == values->cols ) + return 0; + + if ( !var_idx_out || ( var_idx_out && var_idx_out->cols != avcount ) ) + { + cvReleaseMat( &var_idx_out ); + var_idx_out = cvCreateMat( 1, avcount, CV_32SC1); + if ( response_idx >=0 ) + var_idx_mask->data.ptr[response_idx] = 0; + } + + vidx = var_idx_out->data.i; + + for(int i = 0; i < var_idx_mask->cols; i++) + if ( var_idx_mask->data.ptr[i] ) + { + *vidx = i; + vidx++; + } + + __END__; + + return var_idx_out; +} + +void CvMLData::chahge_var_idx( int vi, bool state ) +{ + change_var_idx( vi, state ); +} + +void CvMLData::change_var_idx( int vi, bool state ) +{ + CV_FUNCNAME( "CvMLData::change_var_idx" ); + __BEGIN__; + + int var_count = 0; + + if ( !values ) + CV_ERROR( CV_StsInternal, "data is empty" ); + + var_count = values->cols; + + if ( vi < 0 || vi >= var_count) + CV_ERROR( CV_StsBadArg, "variable index is not correct" ); + + assert( var_idx_mask ); + var_idx_mask->data.ptr[vi] = state; + + __END__; +} + +/* End of file. */ diff --git a/apps/traincascade/old_ml_inner_functions.cpp b/apps/traincascade/old_ml_inner_functions.cpp new file mode 100644 index 0000000000..10b43f93fe --- /dev/null +++ b/apps/traincascade/old_ml_inner_functions.cpp @@ -0,0 +1,1879 @@ +/*M/////////////////////////////////////////////////////////////////////////////////////// +// +// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. +// +// By downloading, copying, installing or using the software you agree to this license. +// If you do not agree to this license, do not download, install, +// copy or use the software. +// +// +// Intel License Agreement +// +// Copyright (C) 2000, Intel Corporation, all rights reserved. +// Third party copyrights are property of their respective owners. +// +// Redistribution and use in source and binary forms, with or without modification, +// are permitted provided that the following conditions are met: +// +// * Redistribution's of source code must retain the above copyright notice, +// this list of conditions and the following disclaimer. +// +// * Redistribution's in binary form must reproduce the above copyright notice, +// this list of conditions and the following disclaimer in the documentation +// and/or other materials provided with the distribution. +// +// * The name of Intel Corporation may not be used to endorse or promote products +// derived from this software without specific prior written permission. +// +// This software is provided by the copyright holders and contributors "as is" and +// any express or implied warranties, including, but not limited to, the implied +// warranties of merchantability and fitness for a particular purpose are disclaimed. +// In no event shall the Intel Corporation or contributors be liable for any direct, +// indirect, incidental, special, exemplary, or consequential damages +// (including, but not limited to, procurement of substitute goods or services; +// loss of use, data, or profits; or business interruption) however caused +// and on any theory of liability, whether in contract, strict liability, +// or tort (including negligence or otherwise) arising in any way out of +// the use of this software, even if advised of the possibility of such damage. +// +//M*/ + +#include "old_ml_precomp.hpp" + + +CvStatModel::CvStatModel() +{ + default_model_name = "my_stat_model"; +} + + +CvStatModel::~CvStatModel() +{ + clear(); +} + + +void CvStatModel::clear() +{ +} + + +void CvStatModel::save( const char* filename, const char* name ) const +{ + CvFileStorage* fs = 0; + + CV_FUNCNAME( "CvStatModel::save" ); + + __BEGIN__; + + CV_CALL( fs = cvOpenFileStorage( filename, 0, CV_STORAGE_WRITE )); + if( !fs ) + CV_ERROR( CV_StsError, "Could not open the file storage. Check the path and permissions" ); + + write( fs, name ? name : default_model_name ); + + __END__; + + cvReleaseFileStorage( &fs ); +} + + +void CvStatModel::load( const char* filename, const char* name ) +{ + CvFileStorage* fs = 0; + + CV_FUNCNAME( "CvStatModel::load" ); + + __BEGIN__; + + CvFileNode* model_node = 0; + + CV_CALL( fs = cvOpenFileStorage( filename, 0, CV_STORAGE_READ )); + if( !fs ) + EXIT; + + if( name ) + model_node = cvGetFileNodeByName( fs, 0, name ); + else + { + CvFileNode* root = cvGetRootFileNode( fs ); + if( root->data.seq->total > 0 ) + model_node = (CvFileNode*)cvGetSeqElem( root->data.seq, 0 ); + } + + read( fs, model_node ); + + __END__; + + cvReleaseFileStorage( &fs ); +} + + +void CvStatModel::write( CvFileStorage*, const char* ) const +{ + OPENCV_ERROR( CV_StsNotImplemented, "CvStatModel::write", "" ); +} + + +void CvStatModel::read( CvFileStorage*, CvFileNode* ) +{ + OPENCV_ERROR( CV_StsNotImplemented, "CvStatModel::read", "" ); +} + + +/* Calculates upper triangular matrix S, where A is a symmetrical matrix A=S'*S */ +static void cvChol( CvMat* A, CvMat* S ) +{ + int dim = A->rows; + + int i, j, k; + float sum; + + for( i = 0; i < dim; i++ ) + { + for( j = 0; j < i; j++ ) + CV_MAT_ELEM(*S, float, i, j) = 0; + + sum = 0; + for( k = 0; k < i; k++ ) + sum += CV_MAT_ELEM(*S, float, k, i) * CV_MAT_ELEM(*S, float, k, i); + + CV_MAT_ELEM(*S, float, i, i) = (float)sqrt(CV_MAT_ELEM(*A, float, i, i) - sum); + + for( j = i + 1; j < dim; j++ ) + { + sum = 0; + for( k = 0; k < i; k++ ) + sum += CV_MAT_ELEM(*S, float, k, i) * CV_MAT_ELEM(*S, float, k, j); + + CV_MAT_ELEM(*S, float, i, j) = + (CV_MAT_ELEM(*A, float, i, j) - sum) / CV_MAT_ELEM(*S, float, i, i); + + } + } +} + +/* Generates from multivariate normal distribution, where - is an + average row vector, - symmetric covariation matrix */ +CV_IMPL void cvRandMVNormal( CvMat* mean, CvMat* cov, CvMat* sample, CvRNG* rng ) +{ + int dim = sample->cols; + int amount = sample->rows; + + CvRNG state = rng ? *rng : cvRNG( cvGetTickCount() ); + cvRandArr(&state, sample, CV_RAND_NORMAL, cvScalarAll(0), cvScalarAll(1) ); + + CvMat* utmat = cvCreateMat(dim, dim, sample->type); + CvMat* vect = cvCreateMatHeader(1, dim, sample->type); + + cvChol(cov, utmat); + + int i; + for( i = 0; i < amount; i++ ) + { + cvGetRow(sample, vect, i); + cvMatMulAdd(vect, utmat, mean, vect); + } + + cvReleaseMat(&vect); + cvReleaseMat(&utmat); +} + + +/* Generates of points from a discrete variate xi, + where Pr{xi = k} == probs[k], 0 < k < len - 1. */ +static void cvRandSeries( float probs[], int len, int sample[], int amount ) +{ + CvMat* univals = cvCreateMat(1, amount, CV_32FC1); + float* knots = (float*)cvAlloc( len * sizeof(float) ); + + int i, j; + + CvRNG state = cvRNG(-1); + cvRandArr(&state, univals, CV_RAND_UNI, cvScalarAll(0), cvScalarAll(1) ); + + knots[0] = probs[0]; + for( i = 1; i < len; i++ ) + knots[i] = knots[i - 1] + probs[i]; + + for( i = 0; i < amount; i++ ) + for( j = 0; j < len; j++ ) + { + if ( CV_MAT_ELEM(*univals, float, 0, i) <= knots[j] ) + { + sample[i] = j; + break; + } + } + + cvFree(&knots); +} + +/* Generates from gaussian mixture distribution */ +CV_IMPL void cvRandGaussMixture( CvMat* means[], + CvMat* covs[], + float weights[], + int clsnum, + CvMat* sample, + CvMat* sampClasses ) +{ + int dim = sample->cols; + int amount = sample->rows; + + int i, clss; + + int* sample_clsnum = (int*)cvAlloc( amount * sizeof(int) ); + CvMat** utmats = (CvMat**)cvAlloc( clsnum * sizeof(CvMat*) ); + CvMat* vect = cvCreateMatHeader(1, dim, CV_32FC1); + + CvMat* classes; + if( sampClasses ) + classes = sampClasses; + else + classes = cvCreateMat(1, amount, CV_32FC1); + + CvRNG state = cvRNG(-1); + cvRandArr(&state, sample, CV_RAND_NORMAL, cvScalarAll(0), cvScalarAll(1)); + + cvRandSeries(weights, clsnum, sample_clsnum, amount); + + for( i = 0; i < clsnum; i++ ) + { + utmats[i] = cvCreateMat(dim, dim, CV_32FC1); + cvChol(covs[i], utmats[i]); + } + + for( i = 0; i < amount; i++ ) + { + CV_MAT_ELEM(*classes, float, 0, i) = (float)sample_clsnum[i]; + cvGetRow(sample, vect, i); + clss = sample_clsnum[i]; + cvMatMulAdd(vect, utmats[clss], means[clss], vect); + } + + if( !sampClasses ) + cvReleaseMat(&classes); + for( i = 0; i < clsnum; i++ ) + cvReleaseMat(&utmats[i]); + cvFree(&utmats); + cvFree(&sample_clsnum); + cvReleaseMat(&vect); +} + + +CvMat* icvGenerateRandomClusterCenters ( int seed, const CvMat* data, + int num_of_clusters, CvMat* _centers ) +{ + CvMat* centers = _centers; + + CV_FUNCNAME("icvGenerateRandomClusterCenters"); + __BEGIN__; + + CvRNG rng; + CvMat data_comp, centers_comp; + CvPoint minLoc, maxLoc; // Not used, just for function "cvMinMaxLoc" + double minVal, maxVal; + int i; + int dim = data ? data->cols : 0; + + if( ICV_IS_MAT_OF_TYPE(data, CV_32FC1) ) + { + if( _centers && !ICV_IS_MAT_OF_TYPE (_centers, CV_32FC1) ) + { + CV_ERROR(CV_StsBadArg,""); + } + else if( !_centers ) + CV_CALL(centers = cvCreateMat (num_of_clusters, dim, CV_32FC1)); + } + else if( ICV_IS_MAT_OF_TYPE(data, CV_64FC1) ) + { + if( _centers && !ICV_IS_MAT_OF_TYPE (_centers, CV_64FC1) ) + { + CV_ERROR(CV_StsBadArg,""); + } + else if( !_centers ) + CV_CALL(centers = cvCreateMat (num_of_clusters, dim, CV_64FC1)); + } + else + CV_ERROR (CV_StsBadArg,""); + + if( num_of_clusters < 1 ) + CV_ERROR (CV_StsBadArg,""); + + rng = cvRNG(seed); + for (i = 0; i < dim; i++) + { + CV_CALL(cvGetCol (data, &data_comp, i)); + CV_CALL(cvMinMaxLoc (&data_comp, &minVal, &maxVal, &minLoc, &maxLoc)); + CV_CALL(cvGetCol (centers, ¢ers_comp, i)); + CV_CALL(cvRandArr (&rng, ¢ers_comp, CV_RAND_UNI, cvScalarAll(minVal), cvScalarAll(maxVal))); + } + + __END__; + + if( (cvGetErrStatus () < 0) || (centers != _centers) ) + cvReleaseMat (¢ers); + + return _centers ? _centers : centers; +} // end of icvGenerateRandomClusterCenters + +// By S. Dilman - begin - + +#define ICV_RAND_MAX 4294967296 // == 2^32 + +// static void cvRandRoundUni (CvMat* center, +// float radius_small, +// float radius_large, +// CvMat* desired_matrix, +// CvRNG* rng_state_ptr) +// { +// float rad, norm, coefficient; +// int dim, size, i, j; +// CvMat *cov, sample; +// CvRNG rng_local; + +// CV_FUNCNAME("cvRandRoundUni"); +// __BEGIN__ + +// rng_local = *rng_state_ptr; + +// CV_ASSERT ((radius_small >= 0) && +// (radius_large > 0) && +// (radius_small <= radius_large)); +// CV_ASSERT (center && desired_matrix && rng_state_ptr); +// CV_ASSERT (center->rows == 1); +// CV_ASSERT (center->cols == desired_matrix->cols); + +// dim = desired_matrix->cols; +// size = desired_matrix->rows; +// cov = cvCreateMat (dim, dim, CV_32FC1); +// cvSetIdentity (cov); +// cvRandMVNormal (center, cov, desired_matrix, &rng_local); + +// for (i = 0; i < size; i++) +// { +// rad = (float)(cvRandReal(&rng_local)*(radius_large - radius_small) + radius_small); +// cvGetRow (desired_matrix, &sample, i); +// norm = (float) cvNorm (&sample, 0, CV_L2); +// coefficient = rad / norm; +// for (j = 0; j < dim; j++) +// CV_MAT_ELEM (sample, float, 0, j) *= coefficient; +// } + +// __END__ + +// } + +// By S. Dilman - end - + +static int CV_CDECL +icvCmpIntegers( const void* a, const void* b ) +{ + return *(const int*)a - *(const int*)b; +} + + +static int CV_CDECL +icvCmpIntegersPtr( const void* _a, const void* _b ) +{ + int a = **(const int**)_a; + int b = **(const int**)_b; + return (a < b ? -1 : 0)|(a > b); +} + + +static int icvCmpSparseVecElems( const void* a, const void* b ) +{ + return ((CvSparseVecElem32f*)a)->idx - ((CvSparseVecElem32f*)b)->idx; +} + + +CvMat* +cvPreprocessIndexArray( const CvMat* idx_arr, int data_arr_size, bool check_for_duplicates ) +{ + CvMat* idx = 0; + + CV_FUNCNAME( "cvPreprocessIndexArray" ); + + __BEGIN__; + + int i, idx_total, idx_selected = 0, step, type, prev = INT_MIN, is_sorted = 1; + uchar* srcb = 0; + int* srci = 0; + int* dsti; + + if( !CV_IS_MAT(idx_arr) ) + CV_ERROR( CV_StsBadArg, "Invalid index array" ); + + if( idx_arr->rows != 1 && idx_arr->cols != 1 ) + CV_ERROR( CV_StsBadSize, "the index array must be 1-dimensional" ); + + idx_total = idx_arr->rows + idx_arr->cols - 1; + srcb = idx_arr->data.ptr; + srci = idx_arr->data.i; + + type = CV_MAT_TYPE(idx_arr->type); + step = CV_IS_MAT_CONT(idx_arr->type) ? 1 : idx_arr->step/CV_ELEM_SIZE(type); + + switch( type ) + { + case CV_8UC1: + case CV_8SC1: + // idx_arr is array of 1's and 0's - + // i.e. it is a mask of the selected components + if( idx_total != data_arr_size ) + CV_ERROR( CV_StsUnmatchedSizes, + "Component mask should contain as many elements as the total number of input variables" ); + + for( i = 0; i < idx_total; i++ ) + idx_selected += srcb[i*step] != 0; + + if( idx_selected == 0 ) + CV_ERROR( CV_StsOutOfRange, "No components/input_variables is selected!" ); + + break; + case CV_32SC1: + // idx_arr is array of integer indices of selected components + if( idx_total > data_arr_size ) + CV_ERROR( CV_StsOutOfRange, + "index array may not contain more elements than the total number of input variables" ); + idx_selected = idx_total; + // check if sorted already + for( i = 0; i < idx_total; i++ ) + { + int val = srci[i*step]; + if( val >= prev ) + { + is_sorted = 0; + break; + } + prev = val; + } + break; + default: + CV_ERROR( CV_StsUnsupportedFormat, "Unsupported index array data type " + "(it should be 8uC1, 8sC1 or 32sC1)" ); + } + + CV_CALL( idx = cvCreateMat( 1, idx_selected, CV_32SC1 )); + dsti = idx->data.i; + + if( type < CV_32SC1 ) + { + for( i = 0; i < idx_total; i++ ) + if( srcb[i*step] ) + *dsti++ = i; + } + else + { + for( i = 0; i < idx_total; i++ ) + dsti[i] = srci[i*step]; + + if( !is_sorted ) + qsort( dsti, idx_total, sizeof(dsti[0]), icvCmpIntegers ); + + if( dsti[0] < 0 || dsti[idx_total-1] >= data_arr_size ) + CV_ERROR( CV_StsOutOfRange, "the index array elements are out of range" ); + + if( check_for_duplicates ) + { + for( i = 1; i < idx_total; i++ ) + if( dsti[i] <= dsti[i-1] ) + CV_ERROR( CV_StsBadArg, "There are duplicated index array elements" ); + } + } + + __END__; + + if( cvGetErrStatus() < 0 ) + cvReleaseMat( &idx ); + + return idx; +} + + +CvMat* +cvPreprocessVarType( const CvMat* var_type, const CvMat* var_idx, + int var_count, int* response_type ) +{ + CvMat* out_var_type = 0; + CV_FUNCNAME( "cvPreprocessVarType" ); + + if( response_type ) + *response_type = -1; + + __BEGIN__; + + int i, tm_size, tm_step; + //int* map = 0; + const uchar* src; + uchar* dst; + + if( !CV_IS_MAT(var_type) ) + CV_ERROR( var_type ? CV_StsBadArg : CV_StsNullPtr, "Invalid or absent var_type array" ); + + if( var_type->rows != 1 && var_type->cols != 1 ) + CV_ERROR( CV_StsBadSize, "var_type array must be 1-dimensional" ); + + if( !CV_IS_MASK_ARR(var_type)) + CV_ERROR( CV_StsUnsupportedFormat, "type mask must be 8uC1 or 8sC1 array" ); + + tm_size = var_type->rows + var_type->cols - 1; + tm_step = var_type->rows == 1 ? 1 : var_type->step/CV_ELEM_SIZE(var_type->type); + + if( /*tm_size != var_count &&*/ tm_size != var_count + 1 ) + CV_ERROR( CV_StsBadArg, + "type mask must be of + 1 size" ); + + if( response_type && tm_size > var_count ) + *response_type = var_type->data.ptr[var_count*tm_step] != 0; + + if( var_idx ) + { + if( !CV_IS_MAT(var_idx) || CV_MAT_TYPE(var_idx->type) != CV_32SC1 || + (var_idx->rows != 1 && var_idx->cols != 1) || !CV_IS_MAT_CONT(var_idx->type) ) + CV_ERROR( CV_StsBadArg, "var index array should be continuous 1-dimensional integer vector" ); + if( var_idx->rows + var_idx->cols - 1 > var_count ) + CV_ERROR( CV_StsBadSize, "var index array is too large" ); + //map = var_idx->data.i; + var_count = var_idx->rows + var_idx->cols - 1; + } + + CV_CALL( out_var_type = cvCreateMat( 1, var_count, CV_8UC1 )); + src = var_type->data.ptr; + dst = out_var_type->data.ptr; + + for( i = 0; i < var_count; i++ ) + { + //int idx = map ? map[i] : i; + assert( (unsigned)/*idx*/i < (unsigned)tm_size ); + dst[i] = (uchar)(src[/*idx*/i*tm_step] != 0); + } + + __END__; + + return out_var_type; +} + + +CvMat* +cvPreprocessOrderedResponses( const CvMat* responses, const CvMat* sample_idx, int sample_all ) +{ + CvMat* out_responses = 0; + + CV_FUNCNAME( "cvPreprocessOrderedResponses" ); + + __BEGIN__; + + int i, r_type, r_step; + const int* map = 0; + float* dst; + int sample_count = sample_all; + + if( !CV_IS_MAT(responses) ) + CV_ERROR( CV_StsBadArg, "Invalid response array" ); + + if( responses->rows != 1 && responses->cols != 1 ) + CV_ERROR( CV_StsBadSize, "Response array must be 1-dimensional" ); + + if( responses->rows + responses->cols - 1 != sample_count ) + CV_ERROR( CV_StsUnmatchedSizes, + "Response array must contain as many elements as the total number of samples" ); + + r_type = CV_MAT_TYPE(responses->type); + if( r_type != CV_32FC1 && r_type != CV_32SC1 ) + CV_ERROR( CV_StsUnsupportedFormat, "Unsupported response type" ); + + r_step = responses->step ? responses->step / CV_ELEM_SIZE(responses->type) : 1; + + if( r_type == CV_32FC1 && CV_IS_MAT_CONT(responses->type) && !sample_idx ) + { + out_responses = cvCloneMat( responses ); + EXIT; + } + + if( sample_idx ) + { + if( !CV_IS_MAT(sample_idx) || CV_MAT_TYPE(sample_idx->type) != CV_32SC1 || + (sample_idx->rows != 1 && sample_idx->cols != 1) || !CV_IS_MAT_CONT(sample_idx->type) ) + CV_ERROR( CV_StsBadArg, "sample index array should be continuous 1-dimensional integer vector" ); + if( sample_idx->rows + sample_idx->cols - 1 > sample_count ) + CV_ERROR( CV_StsBadSize, "sample index array is too large" ); + map = sample_idx->data.i; + sample_count = sample_idx->rows + sample_idx->cols - 1; + } + + CV_CALL( out_responses = cvCreateMat( 1, sample_count, CV_32FC1 )); + + dst = out_responses->data.fl; + if( r_type == CV_32FC1 ) + { + const float* src = responses->data.fl; + for( i = 0; i < sample_count; i++ ) + { + int idx = map ? map[i] : i; + assert( (unsigned)idx < (unsigned)sample_all ); + dst[i] = src[idx*r_step]; + } + } + else + { + const int* src = responses->data.i; + for( i = 0; i < sample_count; i++ ) + { + int idx = map ? map[i] : i; + assert( (unsigned)idx < (unsigned)sample_all ); + dst[i] = (float)src[idx*r_step]; + } + } + + __END__; + + return out_responses; +} + +CvMat* +cvPreprocessCategoricalResponses( const CvMat* responses, + const CvMat* sample_idx, int sample_all, + CvMat** out_response_map, CvMat** class_counts ) +{ + CvMat* out_responses = 0; + int** response_ptr = 0; + + CV_FUNCNAME( "cvPreprocessCategoricalResponses" ); + + if( out_response_map ) + *out_response_map = 0; + + if( class_counts ) + *class_counts = 0; + + __BEGIN__; + + int i, r_type, r_step; + int cls_count = 1, prev_cls, prev_i; + const int* map = 0; + const int* srci; + const float* srcfl; + int* dst; + int* cls_map; + int* cls_counts = 0; + int sample_count = sample_all; + + if( !CV_IS_MAT(responses) ) + CV_ERROR( CV_StsBadArg, "Invalid response array" ); + + if( responses->rows != 1 && responses->cols != 1 ) + CV_ERROR( CV_StsBadSize, "Response array must be 1-dimensional" ); + + if( responses->rows + responses->cols - 1 != sample_count ) + CV_ERROR( CV_StsUnmatchedSizes, + "Response array must contain as many elements as the total number of samples" ); + + r_type = CV_MAT_TYPE(responses->type); + if( r_type != CV_32FC1 && r_type != CV_32SC1 ) + CV_ERROR( CV_StsUnsupportedFormat, "Unsupported response type" ); + + r_step = responses->rows == 1 ? 1 : responses->step / CV_ELEM_SIZE(responses->type); + + if( sample_idx ) + { + if( !CV_IS_MAT(sample_idx) || CV_MAT_TYPE(sample_idx->type) != CV_32SC1 || + (sample_idx->rows != 1 && sample_idx->cols != 1) || !CV_IS_MAT_CONT(sample_idx->type) ) + CV_ERROR( CV_StsBadArg, "sample index array should be continuous 1-dimensional integer vector" ); + if( sample_idx->rows + sample_idx->cols - 1 > sample_count ) + CV_ERROR( CV_StsBadSize, "sample index array is too large" ); + map = sample_idx->data.i; + sample_count = sample_idx->rows + sample_idx->cols - 1; + } + + CV_CALL( out_responses = cvCreateMat( 1, sample_count, CV_32SC1 )); + + if( !out_response_map ) + CV_ERROR( CV_StsNullPtr, "out_response_map pointer is NULL" ); + + CV_CALL( response_ptr = (int**)cvAlloc( sample_count*sizeof(response_ptr[0]))); + + srci = responses->data.i; + srcfl = responses->data.fl; + dst = out_responses->data.i; + + for( i = 0; i < sample_count; i++ ) + { + int idx = map ? map[i] : i; + assert( (unsigned)idx < (unsigned)sample_all ); + if( r_type == CV_32SC1 ) + dst[i] = srci[idx*r_step]; + else + { + float rf = srcfl[idx*r_step]; + int ri = cvRound(rf); + if( ri != rf ) + { + char buf[100]; + sprintf( buf, "response #%d is not integral", idx ); + CV_ERROR( CV_StsBadArg, buf ); + } + dst[i] = ri; + } + response_ptr[i] = dst + i; + } + + qsort( response_ptr, sample_count, sizeof(int*), icvCmpIntegersPtr ); + + // count the classes + for( i = 1; i < sample_count; i++ ) + cls_count += *response_ptr[i] != *response_ptr[i-1]; + + if( cls_count < 2 ) + CV_ERROR( CV_StsBadArg, "There is only a single class" ); + + CV_CALL( *out_response_map = cvCreateMat( 1, cls_count, CV_32SC1 )); + + if( class_counts ) + { + CV_CALL( *class_counts = cvCreateMat( 1, cls_count, CV_32SC1 )); + cls_counts = (*class_counts)->data.i; + } + + // compact the class indices and build the map + prev_cls = ~*response_ptr[0]; + cls_count = -1; + cls_map = (*out_response_map)->data.i; + + for( i = 0, prev_i = -1; i < sample_count; i++ ) + { + int cur_cls = *response_ptr[i]; + if( cur_cls != prev_cls ) + { + if( cls_counts && cls_count >= 0 ) + cls_counts[cls_count] = i - prev_i; + cls_map[++cls_count] = prev_cls = cur_cls; + prev_i = i; + } + *response_ptr[i] = cls_count; + } + + if( cls_counts ) + cls_counts[cls_count] = i - prev_i; + + __END__; + + cvFree( &response_ptr ); + + return out_responses; +} + + +const float** +cvGetTrainSamples( const CvMat* train_data, int tflag, + const CvMat* var_idx, const CvMat* sample_idx, + int* _var_count, int* _sample_count, + bool always_copy_data ) +{ + float** samples = 0; + + CV_FUNCNAME( "cvGetTrainSamples" ); + + __BEGIN__; + + int i, j, var_count, sample_count, s_step, v_step; + bool copy_data; + const float* data; + const int *s_idx, *v_idx; + + if( !CV_IS_MAT(train_data) ) + CV_ERROR( CV_StsBadArg, "Invalid or NULL training data matrix" ); + + var_count = var_idx ? var_idx->cols + var_idx->rows - 1 : + tflag == CV_ROW_SAMPLE ? train_data->cols : train_data->rows; + sample_count = sample_idx ? sample_idx->cols + sample_idx->rows - 1 : + tflag == CV_ROW_SAMPLE ? train_data->rows : train_data->cols; + + if( _var_count ) + *_var_count = var_count; + + if( _sample_count ) + *_sample_count = sample_count; + + copy_data = tflag != CV_ROW_SAMPLE || var_idx || always_copy_data; + + CV_CALL( samples = (float**)cvAlloc(sample_count*sizeof(samples[0]) + + (copy_data ? 1 : 0)*var_count*sample_count*sizeof(samples[0][0])) ); + data = train_data->data.fl; + s_step = train_data->step / sizeof(samples[0][0]); + v_step = 1; + s_idx = sample_idx ? sample_idx->data.i : 0; + v_idx = var_idx ? var_idx->data.i : 0; + + if( !copy_data ) + { + for( i = 0; i < sample_count; i++ ) + samples[i] = (float*)(data + (s_idx ? s_idx[i] : i)*s_step); + } + else + { + samples[0] = (float*)(samples + sample_count); + if( tflag != CV_ROW_SAMPLE ) + CV_SWAP( s_step, v_step, i ); + + for( i = 0; i < sample_count; i++ ) + { + float* dst = samples[i] = samples[0] + i*var_count; + const float* src = data + (s_idx ? s_idx[i] : i)*s_step; + + if( !v_idx ) + for( j = 0; j < var_count; j++ ) + dst[j] = src[j*v_step]; + else + for( j = 0; j < var_count; j++ ) + dst[j] = src[v_idx[j]*v_step]; + } + } + + __END__; + + return (const float**)samples; +} + + +void +cvCheckTrainData( const CvMat* train_data, int tflag, + const CvMat* missing_mask, + int* var_all, int* sample_all ) +{ + CV_FUNCNAME( "cvCheckTrainData" ); + + if( var_all ) + *var_all = 0; + + if( sample_all ) + *sample_all = 0; + + __BEGIN__; + + // check parameter types and sizes + if( !CV_IS_MAT(train_data) || CV_MAT_TYPE(train_data->type) != CV_32FC1 ) + CV_ERROR( CV_StsBadArg, "train data must be floating-point matrix" ); + + if( missing_mask ) + { + if( !CV_IS_MAT(missing_mask) || !CV_IS_MASK_ARR(missing_mask) || + !CV_ARE_SIZES_EQ(train_data, missing_mask) ) + CV_ERROR( CV_StsBadArg, + "missing value mask must be 8-bit matrix of the same size as training data" ); + } + + if( tflag != CV_ROW_SAMPLE && tflag != CV_COL_SAMPLE ) + CV_ERROR( CV_StsBadArg, + "Unknown training data layout (must be CV_ROW_SAMPLE or CV_COL_SAMPLE)" ); + + if( var_all ) + *var_all = tflag == CV_ROW_SAMPLE ? train_data->cols : train_data->rows; + + if( sample_all ) + *sample_all = tflag == CV_ROW_SAMPLE ? train_data->rows : train_data->cols; + + __END__; +} + + +int +cvPrepareTrainData( const char* /*funcname*/, + const CvMat* train_data, int tflag, + const CvMat* responses, int response_type, + const CvMat* var_idx, + const CvMat* sample_idx, + bool always_copy_data, + const float*** out_train_samples, + int* _sample_count, + int* _var_count, + int* _var_all, + CvMat** out_responses, + CvMat** out_response_map, + CvMat** out_var_idx, + CvMat** out_sample_idx ) +{ + int ok = 0; + CvMat* _var_idx = 0; + CvMat* _sample_idx = 0; + CvMat* _responses = 0; + int sample_all = 0, sample_count = 0, var_all = 0, var_count = 0; + + CV_FUNCNAME( "cvPrepareTrainData" ); + + // step 0. clear all the output pointers to ensure we do not try + // to call free() with uninitialized pointers + if( out_responses ) + *out_responses = 0; + + if( out_response_map ) + *out_response_map = 0; + + if( out_var_idx ) + *out_var_idx = 0; + + if( out_sample_idx ) + *out_sample_idx = 0; + + if( out_train_samples ) + *out_train_samples = 0; + + if( _sample_count ) + *_sample_count = 0; + + if( _var_count ) + *_var_count = 0; + + if( _var_all ) + *_var_all = 0; + + __BEGIN__; + + if( !out_train_samples ) + CV_ERROR( CV_StsBadArg, "output pointer to train samples is NULL" ); + + CV_CALL( cvCheckTrainData( train_data, tflag, 0, &var_all, &sample_all )); + + if( sample_idx ) + CV_CALL( _sample_idx = cvPreprocessIndexArray( sample_idx, sample_all )); + if( var_idx ) + CV_CALL( _var_idx = cvPreprocessIndexArray( var_idx, var_all )); + + if( responses ) + { + if( !out_responses ) + CV_ERROR( CV_StsNullPtr, "output response pointer is NULL" ); + + if( response_type == CV_VAR_NUMERICAL ) + { + CV_CALL( _responses = cvPreprocessOrderedResponses( responses, + _sample_idx, sample_all )); + } + else + { + CV_CALL( _responses = cvPreprocessCategoricalResponses( responses, + _sample_idx, sample_all, out_response_map, 0 )); + } + } + + CV_CALL( *out_train_samples = + cvGetTrainSamples( train_data, tflag, _var_idx, _sample_idx, + &var_count, &sample_count, always_copy_data )); + + ok = 1; + + __END__; + + if( ok ) + { + if( out_responses ) + *out_responses = _responses, _responses = 0; + + if( out_var_idx ) + *out_var_idx = _var_idx, _var_idx = 0; + + if( out_sample_idx ) + *out_sample_idx = _sample_idx, _sample_idx = 0; + + if( _sample_count ) + *_sample_count = sample_count; + + if( _var_count ) + *_var_count = var_count; + + if( _var_all ) + *_var_all = var_all; + } + else + { + if( out_response_map ) + cvReleaseMat( out_response_map ); + cvFree( out_train_samples ); + } + + if( _responses != responses ) + cvReleaseMat( &_responses ); + cvReleaseMat( &_var_idx ); + cvReleaseMat( &_sample_idx ); + + return ok; +} + + +typedef struct CvSampleResponsePair +{ + const float* sample; + const uchar* mask; + int response; + int index; +} +CvSampleResponsePair; + + +static int +CV_CDECL icvCmpSampleResponsePairs( const void* a, const void* b ) +{ + int ra = ((const CvSampleResponsePair*)a)->response; + int rb = ((const CvSampleResponsePair*)b)->response; + int ia = ((const CvSampleResponsePair*)a)->index; + int ib = ((const CvSampleResponsePair*)b)->index; + + return ra < rb ? -1 : ra > rb ? 1 : ia - ib; + //return (ra > rb ? -1 : 0)|(ra < rb); +} + + +void +cvSortSamplesByClasses( const float** samples, const CvMat* classes, + int* class_ranges, const uchar** mask ) +{ + CvSampleResponsePair* pairs = 0; + CV_FUNCNAME( "cvSortSamplesByClasses" ); + + __BEGIN__; + + int i, k = 0, sample_count; + + if( !samples || !classes || !class_ranges ) + CV_ERROR( CV_StsNullPtr, "INTERNAL ERROR: some of the args are NULL pointers" ); + + if( classes->rows != 1 || CV_MAT_TYPE(classes->type) != CV_32SC1 ) + CV_ERROR( CV_StsBadArg, "classes array must be a single row of integers" ); + + sample_count = classes->cols; + CV_CALL( pairs = (CvSampleResponsePair*)cvAlloc( (sample_count+1)*sizeof(pairs[0]))); + + for( i = 0; i < sample_count; i++ ) + { + pairs[i].sample = samples[i]; + pairs[i].mask = (mask) ? (mask[i]) : 0; + pairs[i].response = classes->data.i[i]; + pairs[i].index = i; + assert( classes->data.i[i] >= 0 ); + } + + qsort( pairs, sample_count, sizeof(pairs[0]), icvCmpSampleResponsePairs ); + pairs[sample_count].response = -1; + class_ranges[0] = 0; + + for( i = 0; i < sample_count; i++ ) + { + samples[i] = pairs[i].sample; + if (mask) + mask[i] = pairs[i].mask; + classes->data.i[i] = pairs[i].response; + + if( pairs[i].response != pairs[i+1].response ) + class_ranges[++k] = i+1; + } + + __END__; + + cvFree( &pairs ); +} + + +void +cvPreparePredictData( const CvArr* _sample, int dims_all, + const CvMat* comp_idx, int class_count, + const CvMat* prob, float** _row_sample, + int as_sparse ) +{ + float* row_sample = 0; + int* inverse_comp_idx = 0; + + CV_FUNCNAME( "cvPreparePredictData" ); + + __BEGIN__; + + const CvMat* sample = (const CvMat*)_sample; + float* sample_data; + int sample_step; + int is_sparse = CV_IS_SPARSE_MAT(sample); + int d, sizes[CV_MAX_DIM]; + int i, dims_selected; + int vec_size; + + if( !is_sparse && !CV_IS_MAT(sample) ) + CV_ERROR( !sample ? CV_StsNullPtr : CV_StsBadArg, "The sample is not a valid vector" ); + + if( cvGetElemType( sample ) != CV_32FC1 ) + CV_ERROR( CV_StsUnsupportedFormat, "Input sample must have 32fC1 type" ); + + CV_CALL( d = cvGetDims( sample, sizes )); + + if( !((is_sparse && d == 1) || (!is_sparse && d == 2 && (sample->rows == 1 || sample->cols == 1))) ) + CV_ERROR( CV_StsBadSize, "Input sample must be 1-dimensional vector" ); + + if( d == 1 ) + sizes[1] = 1; + + if( sizes[0] + sizes[1] - 1 != dims_all ) + CV_ERROR( CV_StsUnmatchedSizes, + "The sample size is different from what has been used for training" ); + + if( !_row_sample ) + CV_ERROR( CV_StsNullPtr, "INTERNAL ERROR: The row_sample pointer is NULL" ); + + if( comp_idx && (!CV_IS_MAT(comp_idx) || comp_idx->rows != 1 || + CV_MAT_TYPE(comp_idx->type) != CV_32SC1) ) + CV_ERROR( CV_StsBadArg, "INTERNAL ERROR: invalid comp_idx" ); + + dims_selected = comp_idx ? comp_idx->cols : dims_all; + + if( prob ) + { + if( !CV_IS_MAT(prob) ) + CV_ERROR( CV_StsBadArg, "The output matrix of probabilities is invalid" ); + + if( (prob->rows != 1 && prob->cols != 1) || + (CV_MAT_TYPE(prob->type) != CV_32FC1 && + CV_MAT_TYPE(prob->type) != CV_64FC1) ) + CV_ERROR( CV_StsBadSize, + "The matrix of probabilities must be 1-dimensional vector of 32fC1 type" ); + + if( prob->rows + prob->cols - 1 != class_count ) + CV_ERROR( CV_StsUnmatchedSizes, + "The vector of probabilities must contain as many elements as " + "the number of classes in the training set" ); + } + + vec_size = !as_sparse ? dims_selected*sizeof(row_sample[0]) : + (dims_selected + 1)*sizeof(CvSparseVecElem32f); + + if( CV_IS_MAT(sample) ) + { + sample_data = sample->data.fl; + sample_step = CV_IS_MAT_CONT(sample->type) ? 1 : sample->step/sizeof(row_sample[0]); + + if( !comp_idx && CV_IS_MAT_CONT(sample->type) && !as_sparse ) + *_row_sample = sample_data; + else + { + CV_CALL( row_sample = (float*)cvAlloc( vec_size )); + + if( !comp_idx ) + for( i = 0; i < dims_selected; i++ ) + row_sample[i] = sample_data[sample_step*i]; + else + { + int* comp = comp_idx->data.i; + for( i = 0; i < dims_selected; i++ ) + row_sample[i] = sample_data[sample_step*comp[i]]; + } + + *_row_sample = row_sample; + } + + if( as_sparse ) + { + const float* src = (const float*)row_sample; + CvSparseVecElem32f* dst = (CvSparseVecElem32f*)row_sample; + + dst[dims_selected].idx = -1; + for( i = dims_selected - 1; i >= 0; i-- ) + { + dst[i].idx = i; + dst[i].val = src[i]; + } + } + } + else + { + CvSparseNode* node; + CvSparseMatIterator mat_iterator; + const CvSparseMat* sparse = (const CvSparseMat*)sample; + assert( is_sparse ); + + node = cvInitSparseMatIterator( sparse, &mat_iterator ); + CV_CALL( row_sample = (float*)cvAlloc( vec_size )); + + if( comp_idx ) + { + CV_CALL( inverse_comp_idx = (int*)cvAlloc( dims_all*sizeof(int) )); + memset( inverse_comp_idx, -1, dims_all*sizeof(int) ); + for( i = 0; i < dims_selected; i++ ) + inverse_comp_idx[comp_idx->data.i[i]] = i; + } + + if( !as_sparse ) + { + memset( row_sample, 0, vec_size ); + + for( ; node != 0; node = cvGetNextSparseNode(&mat_iterator) ) + { + int idx = *CV_NODE_IDX( sparse, node ); + if( inverse_comp_idx ) + { + idx = inverse_comp_idx[idx]; + if( idx < 0 ) + continue; + } + row_sample[idx] = *(float*)CV_NODE_VAL( sparse, node ); + } + } + else + { + CvSparseVecElem32f* ptr = (CvSparseVecElem32f*)row_sample; + + for( ; node != 0; node = cvGetNextSparseNode(&mat_iterator) ) + { + int idx = *CV_NODE_IDX( sparse, node ); + if( inverse_comp_idx ) + { + idx = inverse_comp_idx[idx]; + if( idx < 0 ) + continue; + } + ptr->idx = idx; + ptr->val = *(float*)CV_NODE_VAL( sparse, node ); + ptr++; + } + + qsort( row_sample, ptr - (CvSparseVecElem32f*)row_sample, + sizeof(ptr[0]), icvCmpSparseVecElems ); + ptr->idx = -1; + } + + *_row_sample = row_sample; + } + + __END__; + + if( inverse_comp_idx ) + cvFree( &inverse_comp_idx ); + + if( cvGetErrStatus() < 0 && _row_sample ) + { + cvFree( &row_sample ); + *_row_sample = 0; + } +} + + +static void +icvConvertDataToSparse( const uchar* src, int src_step, int src_type, + uchar* dst, int dst_step, int dst_type, + CvSize size, int* idx ) +{ + CV_FUNCNAME( "icvConvertDataToSparse" ); + + __BEGIN__; + + int i, j; + src_type = CV_MAT_TYPE(src_type); + dst_type = CV_MAT_TYPE(dst_type); + + if( CV_MAT_CN(src_type) != 1 || CV_MAT_CN(dst_type) != 1 ) + CV_ERROR( CV_StsUnsupportedFormat, "The function supports only single-channel arrays" ); + + if( src_step == 0 ) + src_step = CV_ELEM_SIZE(src_type); + + if( dst_step == 0 ) + dst_step = CV_ELEM_SIZE(dst_type); + + // if there is no "idx" and if both arrays are continuous, + // do the whole processing (copying or conversion) in a single loop + if( !idx && CV_ELEM_SIZE(src_type)*size.width == src_step && + CV_ELEM_SIZE(dst_type)*size.width == dst_step ) + { + size.width *= size.height; + size.height = 1; + } + + if( src_type == dst_type ) + { + int full_width = CV_ELEM_SIZE(dst_type)*size.width; + + if( full_width == sizeof(int) ) // another common case: copy int's or float's + for( i = 0; i < size.height; i++, src += src_step ) + *(int*)(dst + dst_step*(idx ? idx[i] : i)) = *(int*)src; + else + for( i = 0; i < size.height; i++, src += src_step ) + memcpy( dst + dst_step*(idx ? idx[i] : i), src, full_width ); + } + else if( src_type == CV_32SC1 && (dst_type == CV_32FC1 || dst_type == CV_64FC1) ) + for( i = 0; i < size.height; i++, src += src_step ) + { + uchar* _dst = dst + dst_step*(idx ? idx[i] : i); + if( dst_type == CV_32FC1 ) + for( j = 0; j < size.width; j++ ) + ((float*)_dst)[j] = (float)((int*)src)[j]; + else + for( j = 0; j < size.width; j++ ) + ((double*)_dst)[j] = ((int*)src)[j]; + } + else if( (src_type == CV_32FC1 || src_type == CV_64FC1) && dst_type == CV_32SC1 ) + for( i = 0; i < size.height; i++, src += src_step ) + { + uchar* _dst = dst + dst_step*(idx ? idx[i] : i); + if( src_type == CV_32FC1 ) + for( j = 0; j < size.width; j++ ) + ((int*)_dst)[j] = cvRound(((float*)src)[j]); + else + for( j = 0; j < size.width; j++ ) + ((int*)_dst)[j] = cvRound(((double*)src)[j]); + } + else if( (src_type == CV_32FC1 && dst_type == CV_64FC1) || + (src_type == CV_64FC1 && dst_type == CV_32FC1) ) + for( i = 0; i < size.height; i++, src += src_step ) + { + uchar* _dst = dst + dst_step*(idx ? idx[i] : i); + if( src_type == CV_32FC1 ) + for( j = 0; j < size.width; j++ ) + ((double*)_dst)[j] = ((float*)src)[j]; + else + for( j = 0; j < size.width; j++ ) + ((float*)_dst)[j] = (float)((double*)src)[j]; + } + else + CV_ERROR( CV_StsUnsupportedFormat, "Unsupported combination of input and output vectors" ); + + __END__; +} + + +void +cvWritebackLabels( const CvMat* labels, CvMat* dst_labels, + const CvMat* centers, CvMat* dst_centers, + const CvMat* probs, CvMat* dst_probs, + const CvMat* sample_idx, int samples_all, + const CvMat* comp_idx, int dims_all ) +{ + CV_FUNCNAME( "cvWritebackLabels" ); + + __BEGIN__; + + int samples_selected = samples_all, dims_selected = dims_all; + + if( dst_labels && !CV_IS_MAT(dst_labels) ) + CV_ERROR( CV_StsBadArg, "Array of output labels is not a valid matrix" ); + + if( dst_centers ) + if( !ICV_IS_MAT_OF_TYPE(dst_centers, CV_32FC1) && + !ICV_IS_MAT_OF_TYPE(dst_centers, CV_64FC1) ) + CV_ERROR( CV_StsBadArg, "Array of cluster centers is not a valid matrix" ); + + if( dst_probs && !CV_IS_MAT(dst_probs) ) + CV_ERROR( CV_StsBadArg, "Probability matrix is not valid" ); + + if( sample_idx ) + { + CV_ASSERT( sample_idx->rows == 1 && CV_MAT_TYPE(sample_idx->type) == CV_32SC1 ); + samples_selected = sample_idx->cols; + } + + if( comp_idx ) + { + CV_ASSERT( comp_idx->rows == 1 && CV_MAT_TYPE(comp_idx->type) == CV_32SC1 ); + dims_selected = comp_idx->cols; + } + + if( dst_labels && (!labels || labels->data.ptr != dst_labels->data.ptr) ) + { + if( !labels ) + CV_ERROR( CV_StsNullPtr, "NULL labels" ); + + CV_ASSERT( labels->rows == 1 ); + + if( dst_labels->rows != 1 && dst_labels->cols != 1 ) + CV_ERROR( CV_StsBadSize, "Array of output labels should be 1d vector" ); + + if( dst_labels->rows + dst_labels->cols - 1 != samples_all ) + CV_ERROR( CV_StsUnmatchedSizes, + "Size of vector of output labels is not equal to the total number of input samples" ); + + CV_ASSERT( labels->cols == samples_selected ); + + CV_CALL( icvConvertDataToSparse( labels->data.ptr, labels->step, labels->type, + dst_labels->data.ptr, dst_labels->step, dst_labels->type, + cvSize( 1, samples_selected ), sample_idx ? sample_idx->data.i : 0 )); + } + + if( dst_centers && (!centers || centers->data.ptr != dst_centers->data.ptr) ) + { + int i; + + if( !centers ) + CV_ERROR( CV_StsNullPtr, "NULL centers" ); + + if( centers->rows != dst_centers->rows ) + CV_ERROR( CV_StsUnmatchedSizes, "Invalid number of rows in matrix of output centers" ); + + if( dst_centers->cols != dims_all ) + CV_ERROR( CV_StsUnmatchedSizes, + "Number of columns in matrix of output centers is " + "not equal to the total number of components in the input samples" ); + + CV_ASSERT( centers->cols == dims_selected ); + + for( i = 0; i < centers->rows; i++ ) + CV_CALL( icvConvertDataToSparse( centers->data.ptr + i*centers->step, 0, centers->type, + dst_centers->data.ptr + i*dst_centers->step, 0, dst_centers->type, + cvSize( 1, dims_selected ), comp_idx ? comp_idx->data.i : 0 )); + } + + if( dst_probs && (!probs || probs->data.ptr != dst_probs->data.ptr) ) + { + if( !probs ) + CV_ERROR( CV_StsNullPtr, "NULL probs" ); + + if( probs->cols != dst_probs->cols ) + CV_ERROR( CV_StsUnmatchedSizes, "Invalid number of columns in output probability matrix" ); + + if( dst_probs->rows != samples_all ) + CV_ERROR( CV_StsUnmatchedSizes, + "Number of rows in output probability matrix is " + "not equal to the total number of input samples" ); + + CV_ASSERT( probs->rows == samples_selected ); + + CV_CALL( icvConvertDataToSparse( probs->data.ptr, probs->step, probs->type, + dst_probs->data.ptr, dst_probs->step, dst_probs->type, + cvSize( probs->cols, samples_selected ), + sample_idx ? sample_idx->data.i : 0 )); + } + + __END__; +} + +#if 0 +CV_IMPL void +cvStatModelMultiPredict( const CvStatModel* stat_model, + const CvArr* predict_input, + int flags, CvMat* predict_output, + CvMat* probs, const CvMat* sample_idx ) +{ + CvMemStorage* storage = 0; + CvMat* sample_idx_buffer = 0; + CvSparseMat** sparse_rows = 0; + int samples_selected = 0; + + CV_FUNCNAME( "cvStatModelMultiPredict" ); + + __BEGIN__; + + int i; + int predict_output_step = 1, sample_idx_step = 1; + int type; + int d, sizes[CV_MAX_DIM]; + int tflag = flags == CV_COL_SAMPLE; + int samples_all, dims_all; + int is_sparse = CV_IS_SPARSE_MAT(predict_input); + CvMat predict_input_part; + CvArr* sample = &predict_input_part; + CvMat probs_part; + CvMat* probs1 = probs ? &probs_part : 0; + + if( !CV_IS_STAT_MODEL(stat_model) ) + CV_ERROR( !stat_model ? CV_StsNullPtr : CV_StsBadArg, "Invalid statistical model" ); + + if( !stat_model->predict ) + CV_ERROR( CV_StsNotImplemented, "There is no \"predict\" method" ); + + if( !predict_input || !predict_output ) + CV_ERROR( CV_StsNullPtr, "NULL input or output matrices" ); + + if( !is_sparse && !CV_IS_MAT(predict_input) ) + CV_ERROR( CV_StsBadArg, "predict_input should be a matrix or a sparse matrix" ); + + if( !CV_IS_MAT(predict_output) ) + CV_ERROR( CV_StsBadArg, "predict_output should be a matrix" ); + + type = cvGetElemType( predict_input ); + if( type != CV_32FC1 || + (CV_MAT_TYPE(predict_output->type) != CV_32FC1 && + CV_MAT_TYPE(predict_output->type) != CV_32SC1 )) + CV_ERROR( CV_StsUnsupportedFormat, "The input or output matrix has unsupported format" ); + + CV_CALL( d = cvGetDims( predict_input, sizes )); + if( d > 2 ) + CV_ERROR( CV_StsBadSize, "The input matrix should be 1- or 2-dimensional" ); + + if( !tflag ) + { + samples_all = samples_selected = sizes[0]; + dims_all = sizes[1]; + } + else + { + samples_all = samples_selected = sizes[1]; + dims_all = sizes[0]; + } + + if( sample_idx ) + { + if( !CV_IS_MAT(sample_idx) ) + CV_ERROR( CV_StsBadArg, "Invalid sample_idx matrix" ); + + if( sample_idx->cols != 1 && sample_idx->rows != 1 ) + CV_ERROR( CV_StsBadSize, "sample_idx must be 1-dimensional matrix" ); + + samples_selected = sample_idx->rows + sample_idx->cols - 1; + + if( CV_MAT_TYPE(sample_idx->type) == CV_32SC1 ) + { + if( samples_selected > samples_all ) + CV_ERROR( CV_StsBadSize, "sample_idx is too large vector" ); + } + else if( samples_selected != samples_all ) + CV_ERROR( CV_StsUnmatchedSizes, "sample_idx has incorrect size" ); + + sample_idx_step = sample_idx->step ? + sample_idx->step / CV_ELEM_SIZE(sample_idx->type) : 1; + } + + if( predict_output->rows != 1 && predict_output->cols != 1 ) + CV_ERROR( CV_StsBadSize, "predict_output should be a 1-dimensional matrix" ); + + if( predict_output->rows + predict_output->cols - 1 != samples_all ) + CV_ERROR( CV_StsUnmatchedSizes, "predict_output and predict_input have uncoordinated sizes" ); + + predict_output_step = predict_output->step ? + predict_output->step / CV_ELEM_SIZE(predict_output->type) : 1; + + if( probs ) + { + if( !CV_IS_MAT(probs) ) + CV_ERROR( CV_StsBadArg, "Invalid matrix of probabilities" ); + + if( probs->rows != samples_all ) + CV_ERROR( CV_StsUnmatchedSizes, + "matrix of probabilities must have as many rows as the total number of samples" ); + + if( CV_MAT_TYPE(probs->type) != CV_32FC1 ) + CV_ERROR( CV_StsUnsupportedFormat, "matrix of probabilities must have 32fC1 type" ); + } + + if( is_sparse ) + { + CvSparseNode* node; + CvSparseMatIterator mat_iterator; + CvSparseMat* sparse = (CvSparseMat*)predict_input; + + if( sample_idx && CV_MAT_TYPE(sample_idx->type) == CV_32SC1 ) + { + CV_CALL( sample_idx_buffer = cvCreateMat( 1, samples_all, CV_8UC1 )); + cvZero( sample_idx_buffer ); + for( i = 0; i < samples_selected; i++ ) + sample_idx_buffer->data.ptr[sample_idx->data.i[i*sample_idx_step]] = 1; + samples_selected = samples_all; + sample_idx = sample_idx_buffer; + sample_idx_step = 1; + } + + CV_CALL( sparse_rows = (CvSparseMat**)cvAlloc( samples_selected*sizeof(sparse_rows[0]))); + for( i = 0; i < samples_selected; i++ ) + { + if( sample_idx && sample_idx->data.ptr[i*sample_idx_step] == 0 ) + continue; + CV_CALL( sparse_rows[i] = cvCreateSparseMat( 1, &dims_all, type )); + if( !storage ) + storage = sparse_rows[i]->heap->storage; + else + { + // hack: to decrease memory footprint, make all the sparse matrices + // reside in the same storage + int elem_size = sparse_rows[i]->heap->elem_size; + cvReleaseMemStorage( &sparse_rows[i]->heap->storage ); + sparse_rows[i]->heap = cvCreateSet( 0, sizeof(CvSet), elem_size, storage ); + } + } + + // put each row (or column) of predict_input into separate sparse matrix. + node = cvInitSparseMatIterator( sparse, &mat_iterator ); + for( ; node != 0; node = cvGetNextSparseNode( &mat_iterator )) + { + int* idx = CV_NODE_IDX( sparse, node ); + int idx0 = idx[tflag ^ 1]; + int idx1 = idx[tflag]; + + if( sample_idx && sample_idx->data.ptr[idx0*sample_idx_step] == 0 ) + continue; + + assert( sparse_rows[idx0] != 0 ); + *(float*)cvPtrND( sparse, &idx1, 0, 1, 0 ) = *(float*)CV_NODE_VAL( sparse, node ); + } + } + + for( i = 0; i < samples_selected; i++ ) + { + int idx = i; + float response; + + if( sample_idx ) + { + if( CV_MAT_TYPE(sample_idx->type) == CV_32SC1 ) + { + idx = sample_idx->data.i[i*sample_idx_step]; + if( (unsigned)idx >= (unsigned)samples_all ) + CV_ERROR( CV_StsOutOfRange, "Some of sample_idx elements are out of range" ); + } + else if( CV_MAT_TYPE(sample_idx->type) == CV_8UC1 && + sample_idx->data.ptr[i*sample_idx_step] == 0 ) + continue; + } + + if( !is_sparse ) + { + if( !tflag ) + cvGetRow( predict_input, &predict_input_part, idx ); + else + { + cvGetCol( predict_input, &predict_input_part, idx ); + } + } + else + sample = sparse_rows[idx]; + + if( probs ) + cvGetRow( probs, probs1, idx ); + + CV_CALL( response = stat_model->predict( stat_model, (CvMat*)sample, probs1 )); + + if( CV_MAT_TYPE(predict_output->type) == CV_32FC1 ) + predict_output->data.fl[idx*predict_output_step] = response; + else + { + CV_ASSERT( cvRound(response) == response ); + predict_output->data.i[idx*predict_output_step] = cvRound(response); + } + } + + __END__; + + if( sparse_rows ) + { + int i; + for( i = 0; i < samples_selected; i++ ) + if( sparse_rows[i] ) + { + sparse_rows[i]->heap->storage = 0; + cvReleaseSparseMat( &sparse_rows[i] ); + } + cvFree( &sparse_rows ); + } + + cvReleaseMat( &sample_idx_buffer ); + cvReleaseMemStorage( &storage ); +} +#endif + +// By P. Yarykin - begin - + +void cvCombineResponseMaps (CvMat* _responses, + const CvMat* old_response_map, + CvMat* new_response_map, + CvMat** out_response_map) +{ + int** old_data = NULL; + int** new_data = NULL; + + CV_FUNCNAME ("cvCombineResponseMaps"); + __BEGIN__ + + int i,j; + int old_n, new_n, out_n; + int samples, free_response; + int* first; + int* responses; + int* out_data; + + if( out_response_map ) + *out_response_map = 0; + +// Check input data. + if ((!ICV_IS_MAT_OF_TYPE (_responses, CV_32SC1)) || + (!ICV_IS_MAT_OF_TYPE (old_response_map, CV_32SC1)) || + (!ICV_IS_MAT_OF_TYPE (new_response_map, CV_32SC1))) + { + CV_ERROR (CV_StsBadArg, "Some of input arguments is not the CvMat") + } + +// Prepare sorted responses. + first = new_response_map->data.i; + new_n = new_response_map->cols; + CV_CALL (new_data = (int**)cvAlloc (new_n * sizeof (new_data[0]))); + for (i = 0; i < new_n; i++) + new_data[i] = first + i; + qsort (new_data, new_n, sizeof(int*), icvCmpIntegersPtr); + + first = old_response_map->data.i; + old_n = old_response_map->cols; + CV_CALL (old_data = (int**)cvAlloc (old_n * sizeof (old_data[0]))); + for (i = 0; i < old_n; i++) + old_data[i] = first + i; + qsort (old_data, old_n, sizeof(int*), icvCmpIntegersPtr); + +// Count the number of different responses. + for (i = 0, j = 0, out_n = 0; i < old_n && j < new_n; out_n++) + { + if (*old_data[i] == *new_data[j]) + { + i++; + j++; + } + else if (*old_data[i] < *new_data[j]) + i++; + else + j++; + } + out_n += old_n - i + new_n - j; + +// Create and fill the result response maps. + CV_CALL (*out_response_map = cvCreateMat (1, out_n, CV_32SC1)); + out_data = (*out_response_map)->data.i; + memcpy (out_data, first, old_n * sizeof (int)); + + free_response = old_n; + for (i = 0, j = 0; i < old_n && j < new_n; ) + { + if (*old_data[i] == *new_data[j]) + { + *new_data[j] = (int)(old_data[i] - first); + i++; + j++; + } + else if (*old_data[i] < *new_data[j]) + i++; + else + { + out_data[free_response] = *new_data[j]; + *new_data[j] = free_response++; + j++; + } + } + for (; j < new_n; j++) + { + out_data[free_response] = *new_data[j]; + *new_data[j] = free_response++; + } + CV_ASSERT (free_response == out_n); + +// Change according to out response map. + samples = _responses->cols + _responses->rows - 1; + responses = _responses->data.i; + first = new_response_map->data.i; + for (i = 0; i < samples; i++) + { + responses[i] = first[responses[i]]; + } + + __END__ + + cvFree(&old_data); + cvFree(&new_data); + +} + + +static int icvGetNumberOfCluster( double* prob_vector, int num_of_clusters, float r, + float outlier_thresh, int normalize_probs ) +{ + int max_prob_loc = 0; + + CV_FUNCNAME("icvGetNumberOfCluster"); + __BEGIN__; + + double prob, maxprob, sum; + int i; + + CV_ASSERT(prob_vector); + CV_ASSERT(num_of_clusters >= 0); + + maxprob = prob_vector[0]; + max_prob_loc = 0; + sum = maxprob; + for( i = 1; i < num_of_clusters; i++ ) + { + prob = prob_vector[i]; + sum += prob; + if( prob > maxprob ) + { + max_prob_loc = i; + maxprob = prob; + } + } + if( normalize_probs && fabs(sum - 1.) > FLT_EPSILON ) + { + for( i = 0; i < num_of_clusters; i++ ) + prob_vector[i] /= sum; + } + if( fabs(r - 1.) > FLT_EPSILON && fabs(sum - 1.) < outlier_thresh ) + max_prob_loc = -1; + + __END__; + + return max_prob_loc; + +} // End of icvGetNumberOfCluster + + +void icvFindClusterLabels( const CvMat* probs, float outlier_thresh, float r, + const CvMat* labels ) +{ + CvMat* counts = 0; + + CV_FUNCNAME("icvFindClusterLabels"); + __BEGIN__; + + int nclusters, nsamples; + int i, j; + double* probs_data; + + CV_ASSERT( ICV_IS_MAT_OF_TYPE(probs, CV_64FC1) ); + CV_ASSERT( ICV_IS_MAT_OF_TYPE(labels, CV_32SC1) ); + + nclusters = probs->cols; + nsamples = probs->rows; + CV_ASSERT( nsamples == labels->cols ); + + CV_CALL( counts = cvCreateMat( 1, nclusters + 1, CV_32SC1 ) ); + CV_CALL( cvSetZero( counts )); + for( i = 0; i < nsamples; i++ ) + { + labels->data.i[i] = icvGetNumberOfCluster( probs->data.db + i*probs->cols, + nclusters, r, outlier_thresh, 1 ); + counts->data.i[labels->data.i[i] + 1]++; + } + CV_ASSERT((int)cvSum(counts).val[0] == nsamples); + // Filling empty clusters with the vector, that has the maximal probability + for( j = 0; j < nclusters; j++ ) // outliers are ignored + { + int maxprob_loc = -1; + double maxprob = 0; + + if( counts->data.i[j+1] ) // j-th class is not empty + continue; + // look for the presentative, which is not lonely in it's cluster + // and that has a maximal probability among all these vectors + probs_data = probs->data.db; + for( i = 0; i < nsamples; i++, probs_data++ ) + { + int label = labels->data.i[i]; + double prob; + if( counts->data.i[label+1] == 0 || + (counts->data.i[label+1] <= 1 && label != -1) ) + continue; + prob = *probs_data; + if( prob >= maxprob ) + { + maxprob = prob; + maxprob_loc = i; + } + } + // maxprob_loc == 0 <=> number of vectors less then number of clusters + CV_ASSERT( maxprob_loc >= 0 ); + counts->data.i[labels->data.i[maxprob_loc] + 1]--; + labels->data.i[maxprob_loc] = j; + counts->data.i[j + 1]++; + } + + __END__; + + cvReleaseMat( &counts ); +} // End of icvFindClusterLabels + +/* End of file */ diff --git a/apps/traincascade/old_ml_precomp.hpp b/apps/traincascade/old_ml_precomp.hpp new file mode 100644 index 0000000000..32ae269818 --- /dev/null +++ b/apps/traincascade/old_ml_precomp.hpp @@ -0,0 +1,376 @@ +/*M/////////////////////////////////////////////////////////////////////////////////////// +// +// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. +// +// By downloading, copying, installing or using the software you agree to this license. +// If you do not agree to this license, do not download, install, +// copy or use the software. +// +// +// Intel License Agreement +// +// Copyright (C) 2000, Intel Corporation, all rights reserved. +// Third party copyrights are property of their respective owners. +// +// Redistribution and use in source and binary forms, with or without modification, +// are permitted provided that the following conditions are met: +// +// * Redistribution's of source code must retain the above copyright notice, +// this list of conditions and the following disclaimer. +// +// * Redistribution's in binary form must reproduce the above copyright notice, +// this list of conditions and the following disclaimer in the documentation +// and/or other materials provided with the distribution. +// +// * The name of Intel Corporation may not be used to endorse or promote products +// derived from this software without specific prior written permission. +// +// This software is provided by the copyright holders and contributors "as is" and +// any express or implied warranties, including, but not limited to, the implied +// warranties of merchantability and fitness for a particular purpose are disclaimed. +// In no event shall the Intel Corporation or contributors be liable for any direct, +// indirect, incidental, special, exemplary, or consequential damages +// (including, but not limited to, procurement of substitute goods or services; +// loss of use, data, or profits; or business interruption) however caused +// and on any theory of liability, whether in contract, strict liability, +// or tort (including negligence or otherwise) arising in any way out of +// the use of this software, even if advised of the possibility of such damage. +// +//M*/ + +#ifndef __OPENCV_PRECOMP_H__ +#define __OPENCV_PRECOMP_H__ + +#include "opencv2/core.hpp" +#include "old_ml.hpp" +#include "opencv2/core/core_c.h" +#include "opencv2/core/utility.hpp" + +#include "opencv2/core/private.hpp" + +#include +#include +#include +#include +#include +#include +#include +#include + +#define ML_IMPL CV_IMPL +#define __BEGIN__ __CV_BEGIN__ +#define __END__ __CV_END__ +#define EXIT __CV_EXIT__ + +#define CV_MAT_ELEM_FLAG( mat, type, comp, vect, tflag ) \ + (( tflag == CV_ROW_SAMPLE ) \ + ? (CV_MAT_ELEM( mat, type, comp, vect )) \ + : (CV_MAT_ELEM( mat, type, vect, comp ))) + +/* Convert matrix to vector */ +#define ICV_MAT2VEC( mat, vdata, vstep, num ) \ + if( MIN( (mat).rows, (mat).cols ) != 1 ) \ + CV_ERROR( CV_StsBadArg, "" ); \ + (vdata) = ((mat).data.ptr); \ + if( (mat).rows == 1 ) \ + { \ + (vstep) = CV_ELEM_SIZE( (mat).type ); \ + (num) = (mat).cols; \ + } \ + else \ + { \ + (vstep) = (mat).step; \ + (num) = (mat).rows; \ + } + +/* get raw data */ +#define ICV_RAWDATA( mat, flags, rdata, sstep, cstep, m, n ) \ + (rdata) = (mat).data.ptr; \ + if( CV_IS_ROW_SAMPLE( flags ) ) \ + { \ + (sstep) = (mat).step; \ + (cstep) = CV_ELEM_SIZE( (mat).type ); \ + (m) = (mat).rows; \ + (n) = (mat).cols; \ + } \ + else \ + { \ + (cstep) = (mat).step; \ + (sstep) = CV_ELEM_SIZE( (mat).type ); \ + (n) = (mat).rows; \ + (m) = (mat).cols; \ + } + +#define ICV_IS_MAT_OF_TYPE( mat, mat_type) \ + (CV_IS_MAT( mat ) && CV_MAT_TYPE( mat->type ) == (mat_type) && \ + (mat)->cols > 0 && (mat)->rows > 0) + +/* + uchar* data; int sstep, cstep; - trainData->data + uchar* classes; int clstep; int ncl;- trainClasses + uchar* tmask; int tmstep; int ntm; - typeMask + uchar* missed;int msstep, mcstep; -missedMeasurements... + int mm, mn; == m,n == size,dim + uchar* sidx;int sistep; - sampleIdx + uchar* cidx;int cistep; - compIdx + int k, l; == n,m == dim,size (length of cidx, sidx) + int m, n; == size,dim +*/ +#define ICV_DECLARE_TRAIN_ARGS() \ + uchar* data; \ + int sstep, cstep; \ + uchar* classes; \ + int clstep; \ + int ncl; \ + uchar* tmask; \ + int tmstep; \ + int ntm; \ + uchar* missed; \ + int msstep, mcstep; \ + int mm, mn; \ + uchar* sidx; \ + int sistep; \ + uchar* cidx; \ + int cistep; \ + int k, l; \ + int m, n; \ + \ + data = classes = tmask = missed = sidx = cidx = NULL; \ + sstep = cstep = clstep = ncl = tmstep = ntm = msstep = mcstep = mm = mn = 0; \ + sistep = cistep = k = l = m = n = 0; + +#define ICV_TRAIN_DATA_REQUIRED( param, flags ) \ + if( !ICV_IS_MAT_OF_TYPE( (param), CV_32FC1 ) ) \ + { \ + CV_ERROR( CV_StsBadArg, "Invalid " #param " parameter" ); \ + } \ + else \ + { \ + ICV_RAWDATA( *(param), (flags), data, sstep, cstep, m, n ); \ + k = n; \ + l = m; \ + } + +#define ICV_TRAIN_CLASSES_REQUIRED( param ) \ + if( !ICV_IS_MAT_OF_TYPE( (param), CV_32FC1 ) ) \ + { \ + CV_ERROR( CV_StsBadArg, "Invalid " #param " parameter" ); \ + } \ + else \ + { \ + ICV_MAT2VEC( *(param), classes, clstep, ncl ); \ + if( m != ncl ) \ + { \ + CV_ERROR( CV_StsBadArg, "Unmatched sizes" ); \ + } \ + } + +#define ICV_ARG_NULL( param ) \ + if( (param) != NULL ) \ + { \ + CV_ERROR( CV_StsBadArg, #param " parameter must be NULL" ); \ + } + +#define ICV_MISSED_MEASUREMENTS_OPTIONAL( param, flags ) \ + if( param ) \ + { \ + if( !ICV_IS_MAT_OF_TYPE( param, CV_8UC1 ) ) \ + { \ + CV_ERROR( CV_StsBadArg, "Invalid " #param " parameter" ); \ + } \ + else \ + { \ + ICV_RAWDATA( *(param), (flags), missed, msstep, mcstep, mm, mn ); \ + if( mm != m || mn != n ) \ + { \ + CV_ERROR( CV_StsBadArg, "Unmatched sizes" ); \ + } \ + } \ + } + +#define ICV_COMP_IDX_OPTIONAL( param ) \ + if( param ) \ + { \ + if( !ICV_IS_MAT_OF_TYPE( param, CV_32SC1 ) ) \ + { \ + CV_ERROR( CV_StsBadArg, "Invalid " #param " parameter" ); \ + } \ + else \ + { \ + ICV_MAT2VEC( *(param), cidx, cistep, k ); \ + if( k > n ) \ + CV_ERROR( CV_StsBadArg, "Invalid " #param " parameter" ); \ + } \ + } + +#define ICV_SAMPLE_IDX_OPTIONAL( param ) \ + if( param ) \ + { \ + if( !ICV_IS_MAT_OF_TYPE( param, CV_32SC1 ) ) \ + { \ + CV_ERROR( CV_StsBadArg, "Invalid " #param " parameter" ); \ + } \ + else \ + { \ + ICV_MAT2VEC( *sampleIdx, sidx, sistep, l ); \ + if( l > m ) \ + CV_ERROR( CV_StsBadArg, "Invalid " #param " parameter" ); \ + } \ + } + +/****************************************************************************************/ +#define ICV_CONVERT_FLOAT_ARRAY_TO_MATRICE( array, matrice ) \ +{ \ + CvMat a, b; \ + int dims = (matrice)->cols; \ + int nsamples = (matrice)->rows; \ + int type = CV_MAT_TYPE((matrice)->type); \ + int i, offset = dims; \ + \ + CV_ASSERT( type == CV_32FC1 || type == CV_64FC1 ); \ + offset *= ((type == CV_32FC1) ? sizeof(float) : sizeof(double));\ + \ + b = cvMat( 1, dims, CV_32FC1 ); \ + cvGetRow( matrice, &a, 0 ); \ + for( i = 0; i < nsamples; i++, a.data.ptr += offset ) \ + { \ + b.data.fl = (float*)array[i]; \ + CV_CALL( cvConvert( &b, &a ) ); \ + } \ +} + +/****************************************************************************************\ +* Auxiliary functions declarations * +\****************************************************************************************/ + +/* Generates a set of classes centers in quantity that are generated as + uniform random vectors in parallelepiped, where is concentrated. Vectors in + should have horizontal orientation. If != NULL, the function doesn't + allocate any memory and stores generated centers in , returns . + If == NULL, the function allocates memory and creates the matrice. Centers + are supposed to be oriented horizontally. */ +CvMat* icvGenerateRandomClusterCenters( int seed, + const CvMat* data, + int num_of_clusters, + CvMat* centers CV_DEFAULT(0)); + +/* Fills the using by choosing the maximal probability. Outliers are + fixed by and have cluster label (-1). Function also controls that there + weren't "empty" clusters by filling empty clusters with the maximal probability vector. + If probs_sums != NULL, filles it with the sums of probabilities for each sample (it is + useful for normalizing probabilities' matrice of FCM) */ +void icvFindClusterLabels( const CvMat* probs, float outlier_thresh, float r, + const CvMat* labels ); + +typedef struct CvSparseVecElem32f +{ + int idx; + float val; +} +CvSparseVecElem32f; + +/* Prepare training data and related parameters */ +#define CV_TRAIN_STATMODEL_DEFRAGMENT_TRAIN_DATA 1 +#define CV_TRAIN_STATMODEL_SAMPLES_AS_ROWS 2 +#define CV_TRAIN_STATMODEL_SAMPLES_AS_COLUMNS 4 +#define CV_TRAIN_STATMODEL_CATEGORICAL_RESPONSE 8 +#define CV_TRAIN_STATMODEL_ORDERED_RESPONSE 16 +#define CV_TRAIN_STATMODEL_RESPONSES_ON_OUTPUT 32 +#define CV_TRAIN_STATMODEL_ALWAYS_COPY_TRAIN_DATA 64 +#define CV_TRAIN_STATMODEL_SPARSE_AS_SPARSE 128 + +int +cvPrepareTrainData( const char* /*funcname*/, + const CvMat* train_data, int tflag, + const CvMat* responses, int response_type, + const CvMat* var_idx, + const CvMat* sample_idx, + bool always_copy_data, + const float*** out_train_samples, + int* _sample_count, + int* _var_count, + int* _var_all, + CvMat** out_responses, + CvMat** out_response_map, + CvMat** out_var_idx, + CvMat** out_sample_idx=0 ); + +void +cvSortSamplesByClasses( const float** samples, const CvMat* classes, + int* class_ranges, const uchar** mask CV_DEFAULT(0) ); + +void +cvCombineResponseMaps (CvMat* _responses, + const CvMat* old_response_map, + CvMat* new_response_map, + CvMat** out_response_map); + +void +cvPreparePredictData( const CvArr* sample, int dims_all, const CvMat* comp_idx, + int class_count, const CvMat* prob, float** row_sample, + int as_sparse CV_DEFAULT(0) ); + +/* copies clustering [or batch "predict"] results + (labels and/or centers and/or probs) back to the output arrays */ +void +cvWritebackLabels( const CvMat* labels, CvMat* dst_labels, + const CvMat* centers, CvMat* dst_centers, + const CvMat* probs, CvMat* dst_probs, + const CvMat* sample_idx, int samples_all, + const CvMat* comp_idx, int dims_all ); +#define cvWritebackResponses cvWritebackLabels + +#define XML_FIELD_NAME "_name" +CvFileNode* icvFileNodeGetChild(CvFileNode* father, const char* name); +CvFileNode* icvFileNodeGetChildArrayElem(CvFileNode* father, const char* name,int index); +CvFileNode* icvFileNodeGetNext(CvFileNode* n, const char* name); + + +void cvCheckTrainData( const CvMat* train_data, int tflag, + const CvMat* missing_mask, + int* var_all, int* sample_all ); + +CvMat* cvPreprocessIndexArray( const CvMat* idx_arr, int data_arr_size, bool check_for_duplicates=false ); + +CvMat* cvPreprocessVarType( const CvMat* type_mask, const CvMat* var_idx, + int var_all, int* response_type ); + +CvMat* cvPreprocessOrderedResponses( const CvMat* responses, + const CvMat* sample_idx, int sample_all ); + +CvMat* cvPreprocessCategoricalResponses( const CvMat* responses, + const CvMat* sample_idx, int sample_all, + CvMat** out_response_map, CvMat** class_counts=0 ); + +const float** cvGetTrainSamples( const CvMat* train_data, int tflag, + const CvMat* var_idx, const CvMat* sample_idx, + int* _var_count, int* _sample_count, + bool always_copy_data=false ); + +namespace cv +{ + struct DTreeBestSplitFinder + { + DTreeBestSplitFinder(){ splitSize = 0, tree = 0; node = 0; } + DTreeBestSplitFinder( CvDTree* _tree, CvDTreeNode* _node); + DTreeBestSplitFinder( const DTreeBestSplitFinder& finder, Split ); + virtual ~DTreeBestSplitFinder() {} + virtual void operator()(const BlockedRange& range); + void join( DTreeBestSplitFinder& rhs ); + Ptr bestSplit; + Ptr split; + int splitSize; + CvDTree* tree; + CvDTreeNode* node; + }; + + struct ForestTreeBestSplitFinder : DTreeBestSplitFinder + { + ForestTreeBestSplitFinder() : DTreeBestSplitFinder() {} + ForestTreeBestSplitFinder( CvForestTree* _tree, CvDTreeNode* _node ); + ForestTreeBestSplitFinder( const ForestTreeBestSplitFinder& finder, Split ); + virtual void operator()(const BlockedRange& range); + }; +} + +#endif /* __ML_H__ */ diff --git a/apps/traincascade/old_ml_tree.cpp b/apps/traincascade/old_ml_tree.cpp new file mode 100644 index 0000000000..b7e346ccbc --- /dev/null +++ b/apps/traincascade/old_ml_tree.cpp @@ -0,0 +1,4151 @@ +/*M/////////////////////////////////////////////////////////////////////////////////////// +// +// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. +// +// By downloading, copying, installing or using the software you agree to this license. +// If you do not agree to this license, do not download, install, +// copy or use the software. +// +// +// Intel License Agreement +// +// Copyright (C) 2000, Intel Corporation, all rights reserved. +// Third party copyrights are property of their respective owners. +// +// Redistribution and use in source and binary forms, with or without modification, +// are permitted provided that the following conditions are met: +// +// * Redistribution's of source code must retain the above copyright notice, +// this list of conditions and the following disclaimer. +// +// * Redistribution's in binary form must reproduce the above copyright notice, +// this list of conditions and the following disclaimer in the documentation +// and/or other materials provided with the distribution. +// +// * The name of Intel Corporation may not be used to endorse or promote products +// derived from this software without specific prior written permission. +// +// This software is provided by the copyright holders and contributors "as is" and +// any express or implied warranties, including, but not limited to, the implied +// warranties of merchantability and fitness for a particular purpose are disclaimed. +// In no event shall the Intel Corporation or contributors be liable for any direct, +// indirect, incidental, special, exemplary, or consequential damages +// (including, but not limited to, procurement of substitute goods or services; +// loss of use, data, or profits; or business interruption) however caused +// and on any theory of liability, whether in contract, strict liability, +// or tort (including negligence or otherwise) arising in any way out of +// the use of this software, even if advised of the possibility of such damage. +// +//M*/ + +#include "old_ml_precomp.hpp" +#include + +using namespace cv; + +static const float ord_nan = FLT_MAX*0.5f; +static const int min_block_size = 1 << 16; +static const int block_size_delta = 1 << 10; + +CvDTreeTrainData::CvDTreeTrainData() +{ + var_idx = var_type = cat_count = cat_ofs = cat_map = + priors = priors_mult = counts = direction = split_buf = responses_copy = 0; + buf = 0; + tree_storage = temp_storage = 0; + + clear(); +} + + +CvDTreeTrainData::CvDTreeTrainData( const CvMat* _train_data, int _tflag, + const CvMat* _responses, const CvMat* _var_idx, + const CvMat* _sample_idx, const CvMat* _var_type, + const CvMat* _missing_mask, const CvDTreeParams& _params, + bool _shared, bool _add_labels ) +{ + var_idx = var_type = cat_count = cat_ofs = cat_map = + priors = priors_mult = counts = direction = split_buf = responses_copy = 0; + buf = 0; + + tree_storage = temp_storage = 0; + + set_data( _train_data, _tflag, _responses, _var_idx, _sample_idx, + _var_type, _missing_mask, _params, _shared, _add_labels ); +} + + +CvDTreeTrainData::~CvDTreeTrainData() +{ + clear(); +} + + +bool CvDTreeTrainData::set_params( const CvDTreeParams& _params ) +{ + bool ok = false; + + CV_FUNCNAME( "CvDTreeTrainData::set_params" ); + + __BEGIN__; + + // set parameters + params = _params; + + if( params.max_categories < 2 ) + CV_ERROR( CV_StsOutOfRange, "params.max_categories should be >= 2" ); + params.max_categories = MIN( params.max_categories, 15 ); + + if( params.max_depth < 0 ) + CV_ERROR( CV_StsOutOfRange, "params.max_depth should be >= 0" ); + params.max_depth = MIN( params.max_depth, 25 ); + + params.min_sample_count = MAX(params.min_sample_count,1); + + if( params.cv_folds < 0 ) + CV_ERROR( CV_StsOutOfRange, + "params.cv_folds should be =0 (the tree is not pruned) " + "or n>0 (tree is pruned using n-fold cross-validation)" ); + + if( params.cv_folds == 1 ) + params.cv_folds = 0; + + if( params.regression_accuracy < 0 ) + CV_ERROR( CV_StsOutOfRange, "params.regression_accuracy should be >= 0" ); + + ok = true; + + __END__; + + return ok; +} + +template +class LessThanPtr +{ +public: + bool operator()(T* a, T* b) const { return *a < *b; } +}; + +template +class LessThanIdx +{ +public: + LessThanIdx( const T* _arr ) : arr(_arr) {} + bool operator()(Idx a, Idx b) const { return arr[a] < arr[b]; } + const T* arr; +}; + +class LessThanPairs +{ +public: + bool operator()(const CvPair16u32s& a, const CvPair16u32s& b) const { return *a.i < *b.i; } +}; + +void CvDTreeTrainData::set_data( const CvMat* _train_data, int _tflag, + const CvMat* _responses, const CvMat* _var_idx, const CvMat* _sample_idx, + const CvMat* _var_type, const CvMat* _missing_mask, const CvDTreeParams& _params, + bool _shared, bool _add_labels, bool _update_data ) +{ + CvMat* sample_indices = 0; + CvMat* var_type0 = 0; + CvMat* tmp_map = 0; + int** int_ptr = 0; + CvPair16u32s* pair16u32s_ptr = 0; + CvDTreeTrainData* data = 0; + float *_fdst = 0; + int *_idst = 0; + unsigned short* udst = 0; + int* idst = 0; + + CV_FUNCNAME( "CvDTreeTrainData::set_data" ); + + __BEGIN__; + + int sample_all = 0, r_type, cv_n; + int total_c_count = 0; + int tree_block_size, temp_block_size, max_split_size, nv_size, cv_size = 0; + int ds_step, dv_step, ms_step = 0, mv_step = 0; // {data|mask}{sample|var}_step + int vi, i, size; + char err[100]; + const int *sidx = 0, *vidx = 0; + + uint64 effective_buf_size = 0; + int effective_buf_height = 0, effective_buf_width = 0; + + if( _update_data && data_root ) + { + data = new CvDTreeTrainData( _train_data, _tflag, _responses, _var_idx, + _sample_idx, _var_type, _missing_mask, _params, _shared, _add_labels ); + + // compare new and old train data + if( !(data->var_count == var_count && + cvNorm( data->var_type, var_type, CV_C ) < FLT_EPSILON && + cvNorm( data->cat_count, cat_count, CV_C ) < FLT_EPSILON && + cvNorm( data->cat_map, cat_map, CV_C ) < FLT_EPSILON) ) + CV_ERROR( CV_StsBadArg, + "The new training data must have the same types and the input and output variables " + "and the same categories for categorical variables" ); + + cvReleaseMat( &priors ); + cvReleaseMat( &priors_mult ); + cvReleaseMat( &buf ); + cvReleaseMat( &direction ); + cvReleaseMat( &split_buf ); + cvReleaseMemStorage( &temp_storage ); + + priors = data->priors; data->priors = 0; + priors_mult = data->priors_mult; data->priors_mult = 0; + buf = data->buf; data->buf = 0; + buf_count = data->buf_count; buf_size = data->buf_size; + sample_count = data->sample_count; + + direction = data->direction; data->direction = 0; + split_buf = data->split_buf; data->split_buf = 0; + temp_storage = data->temp_storage; data->temp_storage = 0; + nv_heap = data->nv_heap; cv_heap = data->cv_heap; + + data_root = new_node( 0, sample_count, 0, 0 ); + EXIT; + } + + clear(); + + var_all = 0; + rng = &cv::theRNG(); + + CV_CALL( set_params( _params )); + + // check parameter types and sizes + CV_CALL( cvCheckTrainData( _train_data, _tflag, _missing_mask, &var_all, &sample_all )); + + train_data = _train_data; + responses = _responses; + + if( _tflag == CV_ROW_SAMPLE ) + { + ds_step = _train_data->step/CV_ELEM_SIZE(_train_data->type); + dv_step = 1; + if( _missing_mask ) + ms_step = _missing_mask->step, mv_step = 1; + } + else + { + dv_step = _train_data->step/CV_ELEM_SIZE(_train_data->type); + ds_step = 1; + if( _missing_mask ) + mv_step = _missing_mask->step, ms_step = 1; + } + tflag = _tflag; + + sample_count = sample_all; + var_count = var_all; + + if( _sample_idx ) + { + CV_CALL( sample_indices = cvPreprocessIndexArray( _sample_idx, sample_all )); + sidx = sample_indices->data.i; + sample_count = sample_indices->rows + sample_indices->cols - 1; + } + + if( _var_idx ) + { + CV_CALL( var_idx = cvPreprocessIndexArray( _var_idx, var_all )); + vidx = var_idx->data.i; + var_count = var_idx->rows + var_idx->cols - 1; + } + + is_buf_16u = false; + if ( sample_count < 65536 ) + is_buf_16u = true; + + if( !CV_IS_MAT(_responses) || + (CV_MAT_TYPE(_responses->type) != CV_32SC1 && + CV_MAT_TYPE(_responses->type) != CV_32FC1) || + (_responses->rows != 1 && _responses->cols != 1) || + _responses->rows + _responses->cols - 1 != sample_all ) + CV_ERROR( CV_StsBadArg, "The array of _responses must be an integer or " + "floating-point vector containing as many elements as " + "the total number of samples in the training data matrix" ); + + r_type = CV_VAR_CATEGORICAL; + if( _var_type ) + CV_CALL( var_type0 = cvPreprocessVarType( _var_type, var_idx, var_count, &r_type )); + + CV_CALL( var_type = cvCreateMat( 1, var_count+2, CV_32SC1 )); + + cat_var_count = 0; + ord_var_count = -1; + + is_classifier = r_type == CV_VAR_CATEGORICAL; + + // step 0. calc the number of categorical vars + for( vi = 0; vi < var_count; vi++ ) + { + char vt = var_type0 ? var_type0->data.ptr[vi] : CV_VAR_ORDERED; + var_type->data.i[vi] = vt == CV_VAR_CATEGORICAL ? cat_var_count++ : ord_var_count--; + } + + ord_var_count = ~ord_var_count; + cv_n = params.cv_folds; + // set the two last elements of var_type array to be able + // to locate responses and cross-validation labels using + // the corresponding get_* functions. + var_type->data.i[var_count] = cat_var_count; + var_type->data.i[var_count+1] = cat_var_count+1; + + // in case of single ordered predictor we need dummy cv_labels + // for safe split_node_data() operation + have_labels = cv_n > 0 || (ord_var_count == 1 && cat_var_count == 0) || _add_labels; + + work_var_count = var_count + (is_classifier ? 1 : 0) // for responses class_labels + + (have_labels ? 1 : 0); // for cv_labels + + shared = _shared; + buf_count = shared ? 2 : 1; + + buf_size = -1; // the member buf_size is obsolete + + effective_buf_size = (uint64)(work_var_count + 1)*(uint64)sample_count * buf_count; // this is the total size of "CvMat buf" to be allocated + effective_buf_width = sample_count; + effective_buf_height = work_var_count+1; + + if (effective_buf_width >= effective_buf_height) + effective_buf_height *= buf_count; + else + effective_buf_width *= buf_count; + + if ((uint64)effective_buf_width * (uint64)effective_buf_height != effective_buf_size) + { + CV_Error(CV_StsBadArg, "The memory buffer cannot be allocated since its size exceeds integer fields limit"); + } + + + + if ( is_buf_16u ) + { + CV_CALL( buf = cvCreateMat( effective_buf_height, effective_buf_width, CV_16UC1 )); + CV_CALL( pair16u32s_ptr = (CvPair16u32s*)cvAlloc( sample_count*sizeof(pair16u32s_ptr[0]) )); + } + else + { + CV_CALL( buf = cvCreateMat( effective_buf_height, effective_buf_width, CV_32SC1 )); + CV_CALL( int_ptr = (int**)cvAlloc( sample_count*sizeof(int_ptr[0]) )); + } + + size = is_classifier ? (cat_var_count+1) : cat_var_count; + size = !size ? 1 : size; + CV_CALL( cat_count = cvCreateMat( 1, size, CV_32SC1 )); + CV_CALL( cat_ofs = cvCreateMat( 1, size, CV_32SC1 )); + + size = is_classifier ? (cat_var_count + 1)*params.max_categories : cat_var_count*params.max_categories; + size = !size ? 1 : size; + CV_CALL( cat_map = cvCreateMat( 1, size, CV_32SC1 )); + + // now calculate the maximum size of split, + // create memory storage that will keep nodes and splits of the decision tree + // allocate root node and the buffer for the whole training data + max_split_size = cvAlign(sizeof(CvDTreeSplit) + + (MAX(0,sample_count - 33)/32)*sizeof(int),sizeof(void*)); + tree_block_size = MAX((int)sizeof(CvDTreeNode)*8, max_split_size); + tree_block_size = MAX(tree_block_size + block_size_delta, min_block_size); + CV_CALL( tree_storage = cvCreateMemStorage( tree_block_size )); + CV_CALL( node_heap = cvCreateSet( 0, sizeof(*node_heap), sizeof(CvDTreeNode), tree_storage )); + + nv_size = var_count*sizeof(int); + nv_size = cvAlign(MAX( nv_size, (int)sizeof(CvSetElem) ), sizeof(void*)); + + temp_block_size = nv_size; + + if( cv_n ) + { + if( sample_count < cv_n*MAX(params.min_sample_count,10) ) + CV_ERROR( CV_StsOutOfRange, + "The many folds in cross-validation for such a small dataset" ); + + cv_size = cvAlign( cv_n*(sizeof(int) + sizeof(double)*2), sizeof(double) ); + temp_block_size = MAX(temp_block_size, cv_size); + } + + temp_block_size = MAX( temp_block_size + block_size_delta, min_block_size ); + CV_CALL( temp_storage = cvCreateMemStorage( temp_block_size )); + CV_CALL( nv_heap = cvCreateSet( 0, sizeof(*nv_heap), nv_size, temp_storage )); + if( cv_size ) + CV_CALL( cv_heap = cvCreateSet( 0, sizeof(*cv_heap), cv_size, temp_storage )); + + CV_CALL( data_root = new_node( 0, sample_count, 0, 0 )); + + max_c_count = 1; + + _fdst = 0; + _idst = 0; + if (ord_var_count) + _fdst = (float*)cvAlloc(sample_count*sizeof(_fdst[0])); + if (is_buf_16u && (cat_var_count || is_classifier)) + _idst = (int*)cvAlloc(sample_count*sizeof(_idst[0])); + + // transform the training data to convenient representation + for( vi = 0; vi <= var_count; vi++ ) + { + int ci; + const uchar* mask = 0; + int64 m_step = 0, step; + const int* idata = 0; + const float* fdata = 0; + int num_valid = 0; + + if( vi < var_count ) // analyze i-th input variable + { + int vi0 = vidx ? vidx[vi] : vi; + ci = get_var_type(vi); + step = ds_step; m_step = ms_step; + if( CV_MAT_TYPE(_train_data->type) == CV_32SC1 ) + idata = _train_data->data.i + vi0*dv_step; + else + fdata = _train_data->data.fl + vi0*dv_step; + if( _missing_mask ) + mask = _missing_mask->data.ptr + vi0*mv_step; + } + else // analyze _responses + { + ci = cat_var_count; + step = CV_IS_MAT_CONT(_responses->type) ? + 1 : _responses->step / CV_ELEM_SIZE(_responses->type); + if( CV_MAT_TYPE(_responses->type) == CV_32SC1 ) + idata = _responses->data.i; + else + fdata = _responses->data.fl; + } + + if( (vi < var_count && ci>=0) || + (vi == var_count && is_classifier) ) // process categorical variable or response + { + int c_count, prev_label; + int* c_map; + + if (is_buf_16u) + udst = (unsigned short*)(buf->data.s + vi*sample_count); + else + idst = buf->data.i + vi*sample_count; + + // copy data + for( i = 0; i < sample_count; i++ ) + { + int val = INT_MAX, si = sidx ? sidx[i] : i; + if( !mask || !mask[(size_t)si*m_step] ) + { + if( idata ) + val = idata[(size_t)si*step]; + else + { + float t = fdata[(size_t)si*step]; + val = cvRound(t); + if( fabs(t - val) > FLT_EPSILON ) + { + sprintf( err, "%d-th value of %d-th (categorical) " + "variable is not an integer", i, vi ); + CV_ERROR( CV_StsBadArg, err ); + } + } + + if( val == INT_MAX ) + { + sprintf( err, "%d-th value of %d-th (categorical) " + "variable is too large", i, vi ); + CV_ERROR( CV_StsBadArg, err ); + } + num_valid++; + } + if (is_buf_16u) + { + _idst[i] = val; + pair16u32s_ptr[i].u = udst + i; + pair16u32s_ptr[i].i = _idst + i; + } + else + { + idst[i] = val; + int_ptr[i] = idst + i; + } + } + + c_count = num_valid > 0; + if (is_buf_16u) + { + std::sort(pair16u32s_ptr, pair16u32s_ptr + sample_count, LessThanPairs()); + // count the categories + for( i = 1; i < num_valid; i++ ) + if (*pair16u32s_ptr[i].i != *pair16u32s_ptr[i-1].i) + c_count ++ ; + } + else + { + std::sort(int_ptr, int_ptr + sample_count, LessThanPtr()); + // count the categories + for( i = 1; i < num_valid; i++ ) + c_count += *int_ptr[i] != *int_ptr[i-1]; + } + + if( vi > 0 ) + max_c_count = MAX( max_c_count, c_count ); + cat_count->data.i[ci] = c_count; + cat_ofs->data.i[ci] = total_c_count; + + // resize cat_map, if need + if( cat_map->cols < total_c_count + c_count ) + { + tmp_map = cat_map; + CV_CALL( cat_map = cvCreateMat( 1, + MAX(cat_map->cols*3/2,total_c_count+c_count), CV_32SC1 )); + for( i = 0; i < total_c_count; i++ ) + cat_map->data.i[i] = tmp_map->data.i[i]; + cvReleaseMat( &tmp_map ); + } + + c_map = cat_map->data.i + total_c_count; + total_c_count += c_count; + + c_count = -1; + if (is_buf_16u) + { + // compact the class indices and build the map + prev_label = ~*pair16u32s_ptr[0].i; + for( i = 0; i < num_valid; i++ ) + { + int cur_label = *pair16u32s_ptr[i].i; + if( cur_label != prev_label ) + c_map[++c_count] = prev_label = cur_label; + *pair16u32s_ptr[i].u = (unsigned short)c_count; + } + // replace labels for missing values with -1 + for( ; i < sample_count; i++ ) + *pair16u32s_ptr[i].u = 65535; + } + else + { + // compact the class indices and build the map + prev_label = ~*int_ptr[0]; + for( i = 0; i < num_valid; i++ ) + { + int cur_label = *int_ptr[i]; + if( cur_label != prev_label ) + c_map[++c_count] = prev_label = cur_label; + *int_ptr[i] = c_count; + } + // replace labels for missing values with -1 + for( ; i < sample_count; i++ ) + *int_ptr[i] = -1; + } + } + else if( ci < 0 ) // process ordered variable + { + if (is_buf_16u) + udst = (unsigned short*)(buf->data.s + vi*sample_count); + else + idst = buf->data.i + vi*sample_count; + + for( i = 0; i < sample_count; i++ ) + { + float val = ord_nan; + int si = sidx ? sidx[i] : i; + if( !mask || !mask[(size_t)si*m_step] ) + { + if( idata ) + val = (float)idata[(size_t)si*step]; + else + val = fdata[(size_t)si*step]; + + if( fabs(val) >= ord_nan ) + { + sprintf( err, "%d-th value of %d-th (ordered) " + "variable (=%g) is too large", i, vi, val ); + CV_ERROR( CV_StsBadArg, err ); + } + num_valid++; + } + + if (is_buf_16u) + udst[i] = (unsigned short)i; // TODO: memory corruption may be here + else + idst[i] = i; + _fdst[i] = val; + + } + if (is_buf_16u) + std::sort(udst, udst + sample_count, LessThanIdx(_fdst)); + else + std::sort(idst, idst + sample_count, LessThanIdx(_fdst)); + } + + if( vi < var_count ) + data_root->set_num_valid(vi, num_valid); + } + + // set sample labels + if (is_buf_16u) + udst = (unsigned short*)(buf->data.s + work_var_count*sample_count); + else + idst = buf->data.i + work_var_count*sample_count; + + for (i = 0; i < sample_count; i++) + { + if (udst) + udst[i] = sidx ? (unsigned short)sidx[i] : (unsigned short)i; + else + idst[i] = sidx ? sidx[i] : i; + } + + if( cv_n ) + { + unsigned short* usdst = 0; + int* idst2 = 0; + + if (is_buf_16u) + { + usdst = (unsigned short*)(buf->data.s + (get_work_var_count()-1)*sample_count); + for( i = vi = 0; i < sample_count; i++ ) + { + usdst[i] = (unsigned short)vi++; + vi &= vi < cv_n ? -1 : 0; + } + + for( i = 0; i < sample_count; i++ ) + { + int a = (*rng)(sample_count); + int b = (*rng)(sample_count); + unsigned short unsh = (unsigned short)vi; + CV_SWAP( usdst[a], usdst[b], unsh ); + } + } + else + { + idst2 = buf->data.i + (get_work_var_count()-1)*sample_count; + for( i = vi = 0; i < sample_count; i++ ) + { + idst2[i] = vi++; + vi &= vi < cv_n ? -1 : 0; + } + + for( i = 0; i < sample_count; i++ ) + { + int a = (*rng)(sample_count); + int b = (*rng)(sample_count); + CV_SWAP( idst2[a], idst2[b], vi ); + } + } + } + + if ( cat_map ) + cat_map->cols = MAX( total_c_count, 1 ); + + max_split_size = cvAlign(sizeof(CvDTreeSplit) + + (MAX(0,max_c_count - 33)/32)*sizeof(int),sizeof(void*)); + CV_CALL( split_heap = cvCreateSet( 0, sizeof(*split_heap), max_split_size, tree_storage )); + + have_priors = is_classifier && params.priors; + if( is_classifier ) + { + int m = get_num_classes(); + double sum = 0; + CV_CALL( priors = cvCreateMat( 1, m, CV_64F )); + for( i = 0; i < m; i++ ) + { + double val = have_priors ? params.priors[i] : 1.; + if( val <= 0 ) + CV_ERROR( CV_StsOutOfRange, "Every class weight should be positive" ); + priors->data.db[i] = val; + sum += val; + } + + // normalize weights + if( have_priors ) + cvScale( priors, priors, 1./sum ); + + CV_CALL( priors_mult = cvCloneMat( priors )); + CV_CALL( counts = cvCreateMat( 1, m, CV_32SC1 )); + } + + + CV_CALL( direction = cvCreateMat( 1, sample_count, CV_8UC1 )); + CV_CALL( split_buf = cvCreateMat( 1, sample_count, CV_32SC1 )); + + __END__; + + if( data ) + delete data; + + if (_fdst) + cvFree( &_fdst ); + if (_idst) + cvFree( &_idst ); + cvFree( &int_ptr ); + cvFree( &pair16u32s_ptr); + cvReleaseMat( &var_type0 ); + cvReleaseMat( &sample_indices ); + cvReleaseMat( &tmp_map ); +} + +void CvDTreeTrainData::do_responses_copy() +{ + responses_copy = cvCreateMat( responses->rows, responses->cols, responses->type ); + cvCopy( responses, responses_copy); + responses = responses_copy; +} + +CvDTreeNode* CvDTreeTrainData::subsample_data( const CvMat* _subsample_idx ) +{ + CvDTreeNode* root = 0; + CvMat* isubsample_idx = 0; + CvMat* subsample_co = 0; + + bool isMakeRootCopy = true; + + CV_FUNCNAME( "CvDTreeTrainData::subsample_data" ); + + __BEGIN__; + + if( !data_root ) + CV_ERROR( CV_StsError, "No training data has been set" ); + + if( _subsample_idx ) + { + CV_CALL( isubsample_idx = cvPreprocessIndexArray( _subsample_idx, sample_count )); + + if( isubsample_idx->cols + isubsample_idx->rows - 1 == sample_count ) + { + const int* sidx = isubsample_idx->data.i; + for( int i = 0; i < sample_count; i++ ) + { + if( sidx[i] != i ) + { + isMakeRootCopy = false; + break; + } + } + } + else + isMakeRootCopy = false; + } + + if( isMakeRootCopy ) + { + // make a copy of the root node + CvDTreeNode temp; + int i; + root = new_node( 0, 1, 0, 0 ); + temp = *root; + *root = *data_root; + root->num_valid = temp.num_valid; + if( root->num_valid ) + { + for( i = 0; i < var_count; i++ ) + root->num_valid[i] = data_root->num_valid[i]; + } + root->cv_Tn = temp.cv_Tn; + root->cv_node_risk = temp.cv_node_risk; + root->cv_node_error = temp.cv_node_error; + } + else + { + int* sidx = isubsample_idx->data.i; + // co - array of count/offset pairs (to handle duplicated values in _subsample_idx) + int* co, cur_ofs = 0; + int vi, i; + int workVarCount = get_work_var_count(); + int count = isubsample_idx->rows + isubsample_idx->cols - 1; + + root = new_node( 0, count, 1, 0 ); + + CV_CALL( subsample_co = cvCreateMat( 1, sample_count*2, CV_32SC1 )); + cvZero( subsample_co ); + co = subsample_co->data.i; + for( i = 0; i < count; i++ ) + co[sidx[i]*2]++; + for( i = 0; i < sample_count; i++ ) + { + if( co[i*2] ) + { + co[i*2+1] = cur_ofs; + cur_ofs += co[i*2]; + } + else + co[i*2+1] = -1; + } + + cv::AutoBuffer inn_buf(sample_count*(2*sizeof(int) + sizeof(float))); + for( vi = 0; vi < workVarCount; vi++ ) + { + int ci = get_var_type(vi); + + if( ci >= 0 || vi >= var_count ) + { + int num_valid = 0; + const int* src = CvDTreeTrainData::get_cat_var_data( data_root, vi, (int*)(uchar*)inn_buf ); + + if (is_buf_16u) + { + unsigned short* udst = (unsigned short*)(buf->data.s + root->buf_idx*get_length_subbuf() + + vi*sample_count + root->offset); + for( i = 0; i < count; i++ ) + { + int val = src[sidx[i]]; + udst[i] = (unsigned short)val; + num_valid += val >= 0; + } + } + else + { + int* idst = buf->data.i + root->buf_idx*get_length_subbuf() + + vi*sample_count + root->offset; + for( i = 0; i < count; i++ ) + { + int val = src[sidx[i]]; + idst[i] = val; + num_valid += val >= 0; + } + } + + if( vi < var_count ) + root->set_num_valid(vi, num_valid); + } + else + { + int *src_idx_buf = (int*)(uchar*)inn_buf; + float *src_val_buf = (float*)(src_idx_buf + sample_count); + int* sample_indices_buf = (int*)(src_val_buf + sample_count); + const int* src_idx = 0; + const float* src_val = 0; + get_ord_var_data( data_root, vi, src_val_buf, src_idx_buf, &src_val, &src_idx, sample_indices_buf ); + int j = 0, idx, count_i; + int num_valid = data_root->get_num_valid(vi); + + if (is_buf_16u) + { + unsigned short* udst_idx = (unsigned short*)(buf->data.s + root->buf_idx*get_length_subbuf() + + vi*sample_count + data_root->offset); + for( i = 0; i < num_valid; i++ ) + { + idx = src_idx[i]; + count_i = co[idx*2]; + if( count_i ) + for( cur_ofs = co[idx*2+1]; count_i > 0; count_i--, j++, cur_ofs++ ) + udst_idx[j] = (unsigned short)cur_ofs; + } + + root->set_num_valid(vi, j); + + for( ; i < sample_count; i++ ) + { + idx = src_idx[i]; + count_i = co[idx*2]; + if( count_i ) + for( cur_ofs = co[idx*2+1]; count_i > 0; count_i--, j++, cur_ofs++ ) + udst_idx[j] = (unsigned short)cur_ofs; + } + } + else + { + int* idst_idx = buf->data.i + root->buf_idx*get_length_subbuf() + + vi*sample_count + root->offset; + for( i = 0; i < num_valid; i++ ) + { + idx = src_idx[i]; + count_i = co[idx*2]; + if( count_i ) + for( cur_ofs = co[idx*2+1]; count_i > 0; count_i--, j++, cur_ofs++ ) + idst_idx[j] = cur_ofs; + } + + root->set_num_valid(vi, j); + + for( ; i < sample_count; i++ ) + { + idx = src_idx[i]; + count_i = co[idx*2]; + if( count_i ) + for( cur_ofs = co[idx*2+1]; count_i > 0; count_i--, j++, cur_ofs++ ) + idst_idx[j] = cur_ofs; + } + } + } + } + // sample indices subsampling + const int* sample_idx_src = get_sample_indices(data_root, (int*)(uchar*)inn_buf); + if (is_buf_16u) + { + unsigned short* sample_idx_dst = (unsigned short*)(buf->data.s + root->buf_idx*get_length_subbuf() + + workVarCount*sample_count + root->offset); + for (i = 0; i < count; i++) + sample_idx_dst[i] = (unsigned short)sample_idx_src[sidx[i]]; + } + else + { + int* sample_idx_dst = buf->data.i + root->buf_idx*get_length_subbuf() + + workVarCount*sample_count + root->offset; + for (i = 0; i < count; i++) + sample_idx_dst[i] = sample_idx_src[sidx[i]]; + } + } + + __END__; + + cvReleaseMat( &isubsample_idx ); + cvReleaseMat( &subsample_co ); + + return root; +} + + +void CvDTreeTrainData::get_vectors( const CvMat* _subsample_idx, + float* values, uchar* missing, + float* _responses, bool get_class_idx ) +{ + CvMat* subsample_idx = 0; + CvMat* subsample_co = 0; + + CV_FUNCNAME( "CvDTreeTrainData::get_vectors" ); + + __BEGIN__; + + int i, vi, total = sample_count, count = total, cur_ofs = 0; + int* sidx = 0; + int* co = 0; + + cv::AutoBuffer inn_buf(sample_count*(2*sizeof(int) + sizeof(float))); + if( _subsample_idx ) + { + CV_CALL( subsample_idx = cvPreprocessIndexArray( _subsample_idx, sample_count )); + sidx = subsample_idx->data.i; + CV_CALL( subsample_co = cvCreateMat( 1, sample_count*2, CV_32SC1 )); + co = subsample_co->data.i; + cvZero( subsample_co ); + count = subsample_idx->cols + subsample_idx->rows - 1; + for( i = 0; i < count; i++ ) + co[sidx[i]*2]++; + for( i = 0; i < total; i++ ) + { + int count_i = co[i*2]; + if( count_i ) + { + co[i*2+1] = cur_ofs*var_count; + cur_ofs += count_i; + } + } + } + + if( missing ) + memset( missing, 1, count*var_count ); + + for( vi = 0; vi < var_count; vi++ ) + { + int ci = get_var_type(vi); + if( ci >= 0 ) // categorical + { + float* dst = values + vi; + uchar* m = missing ? missing + vi : 0; + const int* src = get_cat_var_data(data_root, vi, (int*)(uchar*)inn_buf); + + for( i = 0; i < count; i++, dst += var_count ) + { + int idx = sidx ? sidx[i] : i; + int val = src[idx]; + *dst = (float)val; + if( m ) + { + *m = (!is_buf_16u && val < 0) || (is_buf_16u && (val == 65535)); + m += var_count; + } + } + } + else // ordered + { + float* dst = values + vi; + uchar* m = missing ? missing + vi : 0; + int count1 = data_root->get_num_valid(vi); + float *src_val_buf = (float*)(uchar*)inn_buf; + int* src_idx_buf = (int*)(src_val_buf + sample_count); + int* sample_indices_buf = src_idx_buf + sample_count; + const float *src_val = 0; + const int* src_idx = 0; + get_ord_var_data(data_root, vi, src_val_buf, src_idx_buf, &src_val, &src_idx, sample_indices_buf); + + for( i = 0; i < count1; i++ ) + { + int idx = src_idx[i]; + int count_i = 1; + if( co ) + { + count_i = co[idx*2]; + cur_ofs = co[idx*2+1]; + } + else + cur_ofs = idx*var_count; + if( count_i ) + { + float val = src_val[i]; + for( ; count_i > 0; count_i--, cur_ofs += var_count ) + { + dst[cur_ofs] = val; + if( m ) + m[cur_ofs] = 0; + } + } + } + } + } + + // copy responses + if( _responses ) + { + if( is_classifier ) + { + const int* src = get_class_labels(data_root, (int*)(uchar*)inn_buf); + for( i = 0; i < count; i++ ) + { + int idx = sidx ? sidx[i] : i; + int val = get_class_idx ? src[idx] : + cat_map->data.i[cat_ofs->data.i[cat_var_count]+src[idx]]; + _responses[i] = (float)val; + } + } + else + { + float* val_buf = (float*)(uchar*)inn_buf; + int* sample_idx_buf = (int*)(val_buf + sample_count); + const float* _values = get_ord_responses(data_root, val_buf, sample_idx_buf); + for( i = 0; i < count; i++ ) + { + int idx = sidx ? sidx[i] : i; + _responses[i] = _values[idx]; + } + } + } + + __END__; + + cvReleaseMat( &subsample_idx ); + cvReleaseMat( &subsample_co ); +} + + +CvDTreeNode* CvDTreeTrainData::new_node( CvDTreeNode* parent, int count, + int storage_idx, int offset ) +{ + CvDTreeNode* node = (CvDTreeNode*)cvSetNew( node_heap ); + + node->sample_count = count; + node->depth = parent ? parent->depth + 1 : 0; + node->parent = parent; + node->left = node->right = 0; + node->split = 0; + node->value = 0; + node->class_idx = 0; + node->maxlr = 0.; + + node->buf_idx = storage_idx; + node->offset = offset; + if( nv_heap ) + node->num_valid = (int*)cvSetNew( nv_heap ); + else + node->num_valid = 0; + node->alpha = node->node_risk = node->tree_risk = node->tree_error = 0.; + node->complexity = 0; + + if( params.cv_folds > 0 && cv_heap ) + { + int cv_n = params.cv_folds; + node->Tn = INT_MAX; + node->cv_Tn = (int*)cvSetNew( cv_heap ); + node->cv_node_risk = (double*)cvAlignPtr(node->cv_Tn + cv_n, sizeof(double)); + node->cv_node_error = node->cv_node_risk + cv_n; + } + else + { + node->Tn = 0; + node->cv_Tn = 0; + node->cv_node_risk = 0; + node->cv_node_error = 0; + } + + return node; +} + + +CvDTreeSplit* CvDTreeTrainData::new_split_ord( int vi, float cmp_val, + int split_point, int inversed, float quality ) +{ + CvDTreeSplit* split = (CvDTreeSplit*)cvSetNew( split_heap ); + split->var_idx = vi; + split->condensed_idx = INT_MIN; + split->ord.c = cmp_val; + split->ord.split_point = split_point; + split->inversed = inversed; + split->quality = quality; + split->next = 0; + + return split; +} + + +CvDTreeSplit* CvDTreeTrainData::new_split_cat( int vi, float quality ) +{ + CvDTreeSplit* split = (CvDTreeSplit*)cvSetNew( split_heap ); + int i, n = (max_c_count + 31)/32; + + split->var_idx = vi; + split->condensed_idx = INT_MIN; + split->inversed = 0; + split->quality = quality; + for( i = 0; i < n; i++ ) + split->subset[i] = 0; + split->next = 0; + + return split; +} + + +void CvDTreeTrainData::free_node( CvDTreeNode* node ) +{ + CvDTreeSplit* split = node->split; + free_node_data( node ); + while( split ) + { + CvDTreeSplit* next = split->next; + cvSetRemoveByPtr( split_heap, split ); + split = next; + } + node->split = 0; + cvSetRemoveByPtr( node_heap, node ); +} + + +void CvDTreeTrainData::free_node_data( CvDTreeNode* node ) +{ + if( node->num_valid ) + { + cvSetRemoveByPtr( nv_heap, node->num_valid ); + node->num_valid = 0; + } + // do not free cv_* fields, as all the cross-validation related data is released at once. +} + + +void CvDTreeTrainData::free_train_data() +{ + cvReleaseMat( &counts ); + cvReleaseMat( &buf ); + cvReleaseMat( &direction ); + cvReleaseMat( &split_buf ); + cvReleaseMemStorage( &temp_storage ); + cvReleaseMat( &responses_copy ); + cv_heap = nv_heap = 0; +} + + +void CvDTreeTrainData::clear() +{ + free_train_data(); + + cvReleaseMemStorage( &tree_storage ); + + cvReleaseMat( &var_idx ); + cvReleaseMat( &var_type ); + cvReleaseMat( &cat_count ); + cvReleaseMat( &cat_ofs ); + cvReleaseMat( &cat_map ); + cvReleaseMat( &priors ); + cvReleaseMat( &priors_mult ); + + node_heap = split_heap = 0; + + sample_count = var_all = var_count = max_c_count = ord_var_count = cat_var_count = 0; + have_labels = have_priors = is_classifier = false; + + buf_count = buf_size = 0; + shared = false; + + data_root = 0; + + rng = &cv::theRNG(); +} + + +int CvDTreeTrainData::get_num_classes() const +{ + return is_classifier ? cat_count->data.i[cat_var_count] : 0; +} + + +int CvDTreeTrainData::get_var_type(int vi) const +{ + return var_type->data.i[vi]; +} + +void CvDTreeTrainData::get_ord_var_data( CvDTreeNode* n, int vi, float* ord_values_buf, int* sorted_indices_buf, + const float** ord_values, const int** sorted_indices, int* sample_indices_buf ) +{ + int vidx = var_idx ? var_idx->data.i[vi] : vi; + int node_sample_count = n->sample_count; + int td_step = train_data->step/CV_ELEM_SIZE(train_data->type); + + const int* sample_indices = get_sample_indices(n, sample_indices_buf); + + if( !is_buf_16u ) + *sorted_indices = buf->data.i + n->buf_idx*get_length_subbuf() + + vi*sample_count + n->offset; + else { + const unsigned short* short_indices = (const unsigned short*)(buf->data.s + n->buf_idx*get_length_subbuf() + + vi*sample_count + n->offset ); + for( int i = 0; i < node_sample_count; i++ ) + sorted_indices_buf[i] = short_indices[i]; + *sorted_indices = sorted_indices_buf; + } + + if( tflag == CV_ROW_SAMPLE ) + { + for( int i = 0; i < node_sample_count && + ((((*sorted_indices)[i] >= 0) && !is_buf_16u) || (((*sorted_indices)[i] != 65535) && is_buf_16u)); i++ ) + { + int idx = (*sorted_indices)[i]; + idx = sample_indices[idx]; + ord_values_buf[i] = *(train_data->data.fl + idx * td_step + vidx); + } + } + else + for( int i = 0; i < node_sample_count && + ((((*sorted_indices)[i] >= 0) && !is_buf_16u) || (((*sorted_indices)[i] != 65535) && is_buf_16u)); i++ ) + { + int idx = (*sorted_indices)[i]; + idx = sample_indices[idx]; + ord_values_buf[i] = *(train_data->data.fl + vidx* td_step + idx); + } + + *ord_values = ord_values_buf; +} + + +const int* CvDTreeTrainData::get_class_labels( CvDTreeNode* n, int* labels_buf ) +{ + if (is_classifier) + return get_cat_var_data( n, var_count, labels_buf); + return 0; +} + +const int* CvDTreeTrainData::get_sample_indices( CvDTreeNode* n, int* indices_buf ) +{ + return get_cat_var_data( n, get_work_var_count(), indices_buf ); +} + +const float* CvDTreeTrainData::get_ord_responses( CvDTreeNode* n, float* values_buf, int*sample_indices_buf ) +{ + int _sample_count = n->sample_count; + int r_step = CV_IS_MAT_CONT(responses->type) ? 1 : responses->step/CV_ELEM_SIZE(responses->type); + const int* indices = get_sample_indices(n, sample_indices_buf); + + for( int i = 0; i < _sample_count && + (((indices[i] >= 0) && !is_buf_16u) || ((indices[i] != 65535) && is_buf_16u)); i++ ) + { + int idx = indices[i]; + values_buf[i] = *(responses->data.fl + idx * r_step); + } + + return values_buf; +} + + +const int* CvDTreeTrainData::get_cv_labels( CvDTreeNode* n, int* labels_buf ) +{ + if (have_labels) + return get_cat_var_data( n, get_work_var_count()- 1, labels_buf); + return 0; +} + + +const int* CvDTreeTrainData::get_cat_var_data( CvDTreeNode* n, int vi, int* cat_values_buf) +{ + const int* cat_values = 0; + if( !is_buf_16u ) + cat_values = buf->data.i + n->buf_idx*get_length_subbuf() + + vi*sample_count + n->offset; + else { + const unsigned short* short_values = (const unsigned short*)(buf->data.s + n->buf_idx*get_length_subbuf() + + vi*sample_count + n->offset); + for( int i = 0; i < n->sample_count; i++ ) + cat_values_buf[i] = short_values[i]; + cat_values = cat_values_buf; + } + return cat_values; +} + + +int CvDTreeTrainData::get_child_buf_idx( CvDTreeNode* n ) +{ + int idx = n->buf_idx + 1; + if( idx >= buf_count ) + idx = shared ? 1 : 0; + return idx; +} + + +void CvDTreeTrainData::write_params( CvFileStorage* fs ) const +{ + CV_FUNCNAME( "CvDTreeTrainData::write_params" ); + + __BEGIN__; + + int vi, vcount = var_count; + + cvWriteInt( fs, "is_classifier", is_classifier ? 1 : 0 ); + cvWriteInt( fs, "var_all", var_all ); + cvWriteInt( fs, "var_count", var_count ); + cvWriteInt( fs, "ord_var_count", ord_var_count ); + cvWriteInt( fs, "cat_var_count", cat_var_count ); + + cvStartWriteStruct( fs, "training_params", CV_NODE_MAP ); + cvWriteInt( fs, "use_surrogates", params.use_surrogates ? 1 : 0 ); + + if( is_classifier ) + { + cvWriteInt( fs, "max_categories", params.max_categories ); + } + else + { + cvWriteReal( fs, "regression_accuracy", params.regression_accuracy ); + } + + cvWriteInt( fs, "max_depth", params.max_depth ); + cvWriteInt( fs, "min_sample_count", params.min_sample_count ); + cvWriteInt( fs, "cross_validation_folds", params.cv_folds ); + + if( params.cv_folds > 1 ) + { + cvWriteInt( fs, "use_1se_rule", params.use_1se_rule ? 1 : 0 ); + cvWriteInt( fs, "truncate_pruned_tree", params.truncate_pruned_tree ? 1 : 0 ); + } + + if( priors ) + cvWrite( fs, "priors", priors ); + + cvEndWriteStruct( fs ); + + if( var_idx ) + cvWrite( fs, "var_idx", var_idx ); + + cvStartWriteStruct( fs, "var_type", CV_NODE_SEQ+CV_NODE_FLOW ); + + for( vi = 0; vi < vcount; vi++ ) + cvWriteInt( fs, 0, var_type->data.i[vi] >= 0 ); + + cvEndWriteStruct( fs ); + + if( cat_count && (cat_var_count > 0 || is_classifier) ) + { + CV_ASSERT( cat_count != 0 ); + cvWrite( fs, "cat_count", cat_count ); + cvWrite( fs, "cat_map", cat_map ); + } + + __END__; +} + + +void CvDTreeTrainData::read_params( CvFileStorage* fs, CvFileNode* node ) +{ + CV_FUNCNAME( "CvDTreeTrainData::read_params" ); + + __BEGIN__; + + CvFileNode *tparams_node, *vartype_node; + CvSeqReader reader; + int vi, max_split_size, tree_block_size; + + is_classifier = (cvReadIntByName( fs, node, "is_classifier" ) != 0); + var_all = cvReadIntByName( fs, node, "var_all" ); + var_count = cvReadIntByName( fs, node, "var_count", var_all ); + cat_var_count = cvReadIntByName( fs, node, "cat_var_count" ); + ord_var_count = cvReadIntByName( fs, node, "ord_var_count" ); + + tparams_node = cvGetFileNodeByName( fs, node, "training_params" ); + + if( tparams_node ) // training parameters are not necessary + { + params.use_surrogates = cvReadIntByName( fs, tparams_node, "use_surrogates", 1 ) != 0; + + if( is_classifier ) + { + params.max_categories = cvReadIntByName( fs, tparams_node, "max_categories" ); + } + else + { + params.regression_accuracy = + (float)cvReadRealByName( fs, tparams_node, "regression_accuracy" ); + } + + params.max_depth = cvReadIntByName( fs, tparams_node, "max_depth" ); + params.min_sample_count = cvReadIntByName( fs, tparams_node, "min_sample_count" ); + params.cv_folds = cvReadIntByName( fs, tparams_node, "cross_validation_folds" ); + + if( params.cv_folds > 1 ) + { + params.use_1se_rule = cvReadIntByName( fs, tparams_node, "use_1se_rule" ) != 0; + params.truncate_pruned_tree = + cvReadIntByName( fs, tparams_node, "truncate_pruned_tree" ) != 0; + } + + priors = (CvMat*)cvReadByName( fs, tparams_node, "priors" ); + if( priors ) + { + if( !CV_IS_MAT(priors) ) + CV_ERROR( CV_StsParseError, "priors must stored as a matrix" ); + priors_mult = cvCloneMat( priors ); + } + } + + CV_CALL( var_idx = (CvMat*)cvReadByName( fs, node, "var_idx" )); + if( var_idx ) + { + if( !CV_IS_MAT(var_idx) || + (var_idx->cols != 1 && var_idx->rows != 1) || + var_idx->cols + var_idx->rows - 1 != var_count || + CV_MAT_TYPE(var_idx->type) != CV_32SC1 ) + CV_ERROR( CV_StsParseError, + "var_idx (if exist) must be valid 1d integer vector containing elements" ); + + for( vi = 0; vi < var_count; vi++ ) + if( (unsigned)var_idx->data.i[vi] >= (unsigned)var_all ) + CV_ERROR( CV_StsOutOfRange, "some of var_idx elements are out of range" ); + } + + ////// read var type + CV_CALL( var_type = cvCreateMat( 1, var_count + 2, CV_32SC1 )); + + cat_var_count = 0; + ord_var_count = -1; + vartype_node = cvGetFileNodeByName( fs, node, "var_type" ); + + if( vartype_node && CV_NODE_TYPE(vartype_node->tag) == CV_NODE_INT && var_count == 1 ) + var_type->data.i[0] = vartype_node->data.i ? cat_var_count++ : ord_var_count--; + else + { + if( !vartype_node || CV_NODE_TYPE(vartype_node->tag) != CV_NODE_SEQ || + vartype_node->data.seq->total != var_count ) + CV_ERROR( CV_StsParseError, "var_type must exist and be a sequence of 0's and 1's" ); + + cvStartReadSeq( vartype_node->data.seq, &reader ); + + for( vi = 0; vi < var_count; vi++ ) + { + CvFileNode* n = (CvFileNode*)reader.ptr; + if( CV_NODE_TYPE(n->tag) != CV_NODE_INT || (n->data.i & ~1) ) + CV_ERROR( CV_StsParseError, "var_type must exist and be a sequence of 0's and 1's" ); + var_type->data.i[vi] = n->data.i ? cat_var_count++ : ord_var_count--; + CV_NEXT_SEQ_ELEM( reader.seq->elem_size, reader ); + } + } + var_type->data.i[var_count] = cat_var_count; + + ord_var_count = ~ord_var_count; + ////// + + if( cat_var_count > 0 || is_classifier ) + { + int ccount, total_c_count = 0; + CV_CALL( cat_count = (CvMat*)cvReadByName( fs, node, "cat_count" )); + CV_CALL( cat_map = (CvMat*)cvReadByName( fs, node, "cat_map" )); + + if( !CV_IS_MAT(cat_count) || !CV_IS_MAT(cat_map) || + (cat_count->cols != 1 && cat_count->rows != 1) || + CV_MAT_TYPE(cat_count->type) != CV_32SC1 || + cat_count->cols + cat_count->rows - 1 != cat_var_count + is_classifier || + (cat_map->cols != 1 && cat_map->rows != 1) || + CV_MAT_TYPE(cat_map->type) != CV_32SC1 ) + CV_ERROR( CV_StsParseError, + "Both cat_count and cat_map must exist and be valid 1d integer vectors of an appropriate size" ); + + ccount = cat_var_count + is_classifier; + + CV_CALL( cat_ofs = cvCreateMat( 1, ccount + 1, CV_32SC1 )); + cat_ofs->data.i[0] = 0; + max_c_count = 1; + + for( vi = 0; vi < ccount; vi++ ) + { + int val = cat_count->data.i[vi]; + if( val <= 0 ) + CV_ERROR( CV_StsOutOfRange, "some of cat_count elements are out of range" ); + max_c_count = MAX( max_c_count, val ); + cat_ofs->data.i[vi+1] = total_c_count += val; + } + + if( cat_map->cols + cat_map->rows - 1 != total_c_count ) + CV_ERROR( CV_StsBadSize, + "cat_map vector length is not equal to the total number of categories in all categorical vars" ); + } + + max_split_size = cvAlign(sizeof(CvDTreeSplit) + + (MAX(0,max_c_count - 33)/32)*sizeof(int),sizeof(void*)); + + tree_block_size = MAX((int)sizeof(CvDTreeNode)*8, max_split_size); + tree_block_size = MAX(tree_block_size + block_size_delta, min_block_size); + CV_CALL( tree_storage = cvCreateMemStorage( tree_block_size )); + CV_CALL( node_heap = cvCreateSet( 0, sizeof(node_heap[0]), + sizeof(CvDTreeNode), tree_storage )); + CV_CALL( split_heap = cvCreateSet( 0, sizeof(split_heap[0]), + max_split_size, tree_storage )); + + __END__; +} + +/////////////////////// Decision Tree ///////////////////////// +CvDTreeParams::CvDTreeParams() : max_categories(10), max_depth(INT_MAX), min_sample_count(10), + cv_folds(10), use_surrogates(true), use_1se_rule(true), + truncate_pruned_tree(true), regression_accuracy(0.01f), priors(0) +{} + +CvDTreeParams::CvDTreeParams( int _max_depth, int _min_sample_count, + float _regression_accuracy, bool _use_surrogates, + int _max_categories, int _cv_folds, + bool _use_1se_rule, bool _truncate_pruned_tree, + const float* _priors ) : + max_categories(_max_categories), max_depth(_max_depth), + min_sample_count(_min_sample_count), cv_folds (_cv_folds), + use_surrogates(_use_surrogates), use_1se_rule(_use_1se_rule), + truncate_pruned_tree(_truncate_pruned_tree), + regression_accuracy(_regression_accuracy), + priors(_priors) +{} + +CvDTree::CvDTree() +{ + data = 0; + var_importance = 0; + default_model_name = "my_tree"; + + clear(); +} + + +void CvDTree::clear() +{ + cvReleaseMat( &var_importance ); + if( data ) + { + if( !data->shared ) + delete data; + else + free_tree(); + data = 0; + } + root = 0; + pruned_tree_idx = -1; +} + + +CvDTree::~CvDTree() +{ + clear(); +} + + +const CvDTreeNode* CvDTree::get_root() const +{ + return root; +} + + +int CvDTree::get_pruned_tree_idx() const +{ + return pruned_tree_idx; +} + + +CvDTreeTrainData* CvDTree::get_data() +{ + return data; +} + + +bool CvDTree::train( const CvMat* _train_data, int _tflag, + const CvMat* _responses, const CvMat* _var_idx, + const CvMat* _sample_idx, const CvMat* _var_type, + const CvMat* _missing_mask, CvDTreeParams _params ) +{ + bool result = false; + + CV_FUNCNAME( "CvDTree::train" ); + + __BEGIN__; + + clear(); + data = new CvDTreeTrainData( _train_data, _tflag, _responses, + _var_idx, _sample_idx, _var_type, + _missing_mask, _params, false ); + CV_CALL( result = do_train(0) ); + + __END__; + + return result; +} + +bool CvDTree::train( const Mat& _train_data, int _tflag, + const Mat& _responses, const Mat& _var_idx, + const Mat& _sample_idx, const Mat& _var_type, + const Mat& _missing_mask, CvDTreeParams _params ) +{ + train_data_hdr = _train_data; + train_data_mat = _train_data; + responses_hdr = _responses; + responses_mat = _responses; + + CvMat vidx=_var_idx, sidx=_sample_idx, vtype=_var_type, mmask=_missing_mask; + + return train(&train_data_hdr, _tflag, &responses_hdr, vidx.data.ptr ? &vidx : 0, sidx.data.ptr ? &sidx : 0, + vtype.data.ptr ? &vtype : 0, mmask.data.ptr ? &mmask : 0, _params); +} + + +bool CvDTree::train( CvMLData* _data, CvDTreeParams _params ) +{ + bool result = false; + + CV_FUNCNAME( "CvDTree::train" ); + + __BEGIN__; + + const CvMat* values = _data->get_values(); + const CvMat* response = _data->get_responses(); + const CvMat* missing = _data->get_missing(); + const CvMat* var_types = _data->get_var_types(); + const CvMat* train_sidx = _data->get_train_sample_idx(); + const CvMat* var_idx = _data->get_var_idx(); + + CV_CALL( result = train( values, CV_ROW_SAMPLE, response, var_idx, + train_sidx, var_types, missing, _params ) ); + + __END__; + + return result; +} + +bool CvDTree::train( CvDTreeTrainData* _data, const CvMat* _subsample_idx ) +{ + bool result = false; + + CV_FUNCNAME( "CvDTree::train" ); + + __BEGIN__; + + clear(); + data = _data; + data->shared = true; + CV_CALL( result = do_train(_subsample_idx)); + + __END__; + + return result; +} + + +bool CvDTree::do_train( const CvMat* _subsample_idx ) +{ + bool result = false; + + CV_FUNCNAME( "CvDTree::do_train" ); + + __BEGIN__; + + root = data->subsample_data( _subsample_idx ); + + CV_CALL( try_split_node(root)); + + if( root->split ) + { + CV_Assert( root->left ); + CV_Assert( root->right ); + + if( data->params.cv_folds > 0 ) + CV_CALL( prune_cv() ); + + if( !data->shared ) + data->free_train_data(); + + result = true; + } + + __END__; + + return result; +} + + +void CvDTree::try_split_node( CvDTreeNode* node ) +{ + CvDTreeSplit* best_split = 0; + int i, n = node->sample_count, vi; + bool can_split = true; + double quality_scale; + + calc_node_value( node ); + + if( node->sample_count <= data->params.min_sample_count || + node->depth >= data->params.max_depth ) + can_split = false; + + if( can_split && data->is_classifier ) + { + // check if we have a "pure" node, + // we assume that cls_count is filled by calc_node_value() + int* cls_count = data->counts->data.i; + int nz = 0, m = data->get_num_classes(); + for( i = 0; i < m; i++ ) + nz += cls_count[i] != 0; + if( nz == 1 ) // there is only one class + can_split = false; + } + else if( can_split ) + { + if( sqrt(node->node_risk)/n < data->params.regression_accuracy ) + can_split = false; + } + + if( can_split ) + { + best_split = find_best_split(node); + // TODO: check the split quality ... + node->split = best_split; + } + if( !can_split || !best_split ) + { + data->free_node_data(node); + return; + } + + quality_scale = calc_node_dir( node ); + if( data->params.use_surrogates ) + { + // find all the surrogate splits + // and sort them by their similarity to the primary one + for( vi = 0; vi < data->var_count; vi++ ) + { + CvDTreeSplit* split; + int ci = data->get_var_type(vi); + + if( vi == best_split->var_idx ) + continue; + + if( ci >= 0 ) + split = find_surrogate_split_cat( node, vi ); + else + split = find_surrogate_split_ord( node, vi ); + + if( split ) + { + // insert the split + CvDTreeSplit* prev_split = node->split; + split->quality = (float)(split->quality*quality_scale); + + while( prev_split->next && + prev_split->next->quality > split->quality ) + prev_split = prev_split->next; + split->next = prev_split->next; + prev_split->next = split; + } + } + } + split_node_data( node ); + try_split_node( node->left ); + try_split_node( node->right ); +} + + +// calculate direction (left(-1),right(1),missing(0)) +// for each sample using the best split +// the function returns scale coefficients for surrogate split quality factors. +// the scale is applied to normalize surrogate split quality relatively to the +// best (primary) split quality. That is, if a surrogate split is absolutely +// identical to the primary split, its quality will be set to the maximum value = +// quality of the primary split; otherwise, it will be lower. +// besides, the function compute node->maxlr, +// minimum possible quality (w/o considering the above mentioned scale) +// for a surrogate split. Surrogate splits with quality less than node->maxlr +// are not discarded. +double CvDTree::calc_node_dir( CvDTreeNode* node ) +{ + char* dir = (char*)data->direction->data.ptr; + int i, n = node->sample_count, vi = node->split->var_idx; + double L, R; + + assert( !node->split->inversed ); + + if( data->get_var_type(vi) >= 0 ) // split on categorical var + { + cv::AutoBuffer inn_buf(n*(!data->have_priors ? 1 : 2)); + int* labels_buf = (int*)inn_buf; + const int* labels = data->get_cat_var_data( node, vi, labels_buf ); + const int* subset = node->split->subset; + if( !data->have_priors ) + { + int sum = 0, sum_abs = 0; + + for( i = 0; i < n; i++ ) + { + int idx = labels[i]; + int d = ( ((idx >= 0)&&(!data->is_buf_16u)) || ((idx != 65535)&&(data->is_buf_16u)) ) ? + CV_DTREE_CAT_DIR(idx,subset) : 0; + sum += d; sum_abs += d & 1; + dir[i] = (char)d; + } + + R = (sum_abs + sum) >> 1; + L = (sum_abs - sum) >> 1; + } + else + { + const double* priors = data->priors_mult->data.db; + double sum = 0, sum_abs = 0; + int* responses_buf = labels_buf + n; + const int* responses = data->get_class_labels(node, responses_buf); + + for( i = 0; i < n; i++ ) + { + int idx = labels[i]; + double w = priors[responses[i]]; + int d = idx >= 0 ? CV_DTREE_CAT_DIR(idx,subset) : 0; + sum += d*w; sum_abs += (d & 1)*w; + dir[i] = (char)d; + } + + R = (sum_abs + sum) * 0.5; + L = (sum_abs - sum) * 0.5; + } + } + else // split on ordered var + { + int split_point = node->split->ord.split_point; + int n1 = node->get_num_valid(vi); + cv::AutoBuffer inn_buf(n*(sizeof(int)*(data->have_priors ? 3 : 2) + sizeof(float))); + float* val_buf = (float*)(uchar*)inn_buf; + int* sorted_buf = (int*)(val_buf + n); + int* sample_idx_buf = sorted_buf + n; + const float* val = 0; + const int* sorted = 0; + data->get_ord_var_data( node, vi, val_buf, sorted_buf, &val, &sorted, sample_idx_buf); + + assert( 0 <= split_point && split_point < n1-1 ); + + if( !data->have_priors ) + { + for( i = 0; i <= split_point; i++ ) + dir[sorted[i]] = (char)-1; + for( ; i < n1; i++ ) + dir[sorted[i]] = (char)1; + for( ; i < n; i++ ) + dir[sorted[i]] = (char)0; + + L = split_point-1; + R = n1 - split_point + 1; + } + else + { + const double* priors = data->priors_mult->data.db; + int* responses_buf = sample_idx_buf + n; + const int* responses = data->get_class_labels(node, responses_buf); + L = R = 0; + + for( i = 0; i <= split_point; i++ ) + { + int idx = sorted[i]; + double w = priors[responses[idx]]; + dir[idx] = (char)-1; + L += w; + } + + for( ; i < n1; i++ ) + { + int idx = sorted[i]; + double w = priors[responses[idx]]; + dir[idx] = (char)1; + R += w; + } + + for( ; i < n; i++ ) + dir[sorted[i]] = (char)0; + } + } + node->maxlr = MAX( L, R ); + return node->split->quality/(L + R); +} + + +namespace cv +{ + +template<> CV_EXPORTS void DefaultDeleter::operator ()(CvDTreeSplit* obj) const +{ + fastFree(obj); +} + +DTreeBestSplitFinder::DTreeBestSplitFinder( CvDTree* _tree, CvDTreeNode* _node) +{ + tree = _tree; + node = _node; + splitSize = tree->get_data()->split_heap->elem_size; + + bestSplit.reset((CvDTreeSplit*)fastMalloc(splitSize)); + memset(bestSplit.get(), 0, splitSize); + bestSplit->quality = -1; + bestSplit->condensed_idx = INT_MIN; + split.reset((CvDTreeSplit*)fastMalloc(splitSize)); + memset(split.get(), 0, splitSize); + //haveSplit = false; +} + +DTreeBestSplitFinder::DTreeBestSplitFinder( const DTreeBestSplitFinder& finder, Split ) +{ + tree = finder.tree; + node = finder.node; + splitSize = tree->get_data()->split_heap->elem_size; + + bestSplit.reset((CvDTreeSplit*)fastMalloc(splitSize)); + memcpy(bestSplit.get(), finder.bestSplit.get(), splitSize); + split.reset((CvDTreeSplit*)fastMalloc(splitSize)); + memset(split.get(), 0, splitSize); +} + +void DTreeBestSplitFinder::operator()(const BlockedRange& range) +{ + int vi, vi1 = range.begin(), vi2 = range.end(); + int n = node->sample_count; + CvDTreeTrainData* data = tree->get_data(); + AutoBuffer inn_buf(2*n*(sizeof(int) + sizeof(float))); + + for( vi = vi1; vi < vi2; vi++ ) + { + CvDTreeSplit *res; + int ci = data->get_var_type(vi); + if( node->get_num_valid(vi) <= 1 ) + continue; + + if( data->is_classifier ) + { + if( ci >= 0 ) + res = tree->find_split_cat_class( node, vi, bestSplit->quality, split, (uchar*)inn_buf ); + else + res = tree->find_split_ord_class( node, vi, bestSplit->quality, split, (uchar*)inn_buf ); + } + else + { + if( ci >= 0 ) + res = tree->find_split_cat_reg( node, vi, bestSplit->quality, split, (uchar*)inn_buf ); + else + res = tree->find_split_ord_reg( node, vi, bestSplit->quality, split, (uchar*)inn_buf ); + } + + if( res && bestSplit->quality < split->quality ) + memcpy( bestSplit.get(), split.get(), splitSize ); + } +} + +void DTreeBestSplitFinder::join( DTreeBestSplitFinder& rhs ) +{ + if( bestSplit->quality < rhs.bestSplit->quality ) + memcpy( bestSplit.get(), rhs.bestSplit.get(), splitSize ); +} +} + + +CvDTreeSplit* CvDTree::find_best_split( CvDTreeNode* node ) +{ + DTreeBestSplitFinder finder( this, node ); + + cv::parallel_reduce(cv::BlockedRange(0, data->var_count), finder); + + CvDTreeSplit *bestSplit = 0; + if( finder.bestSplit->quality > 0 ) + { + bestSplit = data->new_split_cat( 0, -1.0f ); + memcpy( bestSplit, finder.bestSplit, finder.splitSize ); + } + + return bestSplit; +} + +CvDTreeSplit* CvDTree::find_split_ord_class( CvDTreeNode* node, int vi, + float init_quality, CvDTreeSplit* _split, uchar* _ext_buf ) +{ + const float epsilon = FLT_EPSILON*2; + int n = node->sample_count; + int n1 = node->get_num_valid(vi); + int m = data->get_num_classes(); + + int base_size = 2*m*sizeof(int); + cv::AutoBuffer inn_buf(base_size); + if( !_ext_buf ) + inn_buf.allocate(base_size + n*(3*sizeof(int)+sizeof(float))); + uchar* base_buf = (uchar*)inn_buf; + uchar* ext_buf = _ext_buf ? _ext_buf : base_buf + base_size; + float* values_buf = (float*)ext_buf; + int* sorted_indices_buf = (int*)(values_buf + n); + int* sample_indices_buf = sorted_indices_buf + n; + const float* values = 0; + const int* sorted_indices = 0; + data->get_ord_var_data( node, vi, values_buf, sorted_indices_buf, &values, + &sorted_indices, sample_indices_buf ); + int* responses_buf = sample_indices_buf + n; + const int* responses = data->get_class_labels( node, responses_buf ); + + const int* rc0 = data->counts->data.i; + int* lc = (int*)base_buf; + int* rc = lc + m; + int i, best_i = -1; + double lsum2 = 0, rsum2 = 0, best_val = init_quality; + const double* priors = data->have_priors ? data->priors_mult->data.db : 0; + + // init arrays of class instance counters on both sides of the split + for( i = 0; i < m; i++ ) + { + lc[i] = 0; + rc[i] = rc0[i]; + } + + // compensate for missing values + for( i = n1; i < n; i++ ) + { + rc[responses[sorted_indices[i]]]--; + } + + if( !priors ) + { + int L = 0, R = n1; + + for( i = 0; i < m; i++ ) + rsum2 += (double)rc[i]*rc[i]; + + for( i = 0; i < n1 - 1; i++ ) + { + int idx = responses[sorted_indices[i]]; + int lv, rv; + L++; R--; + lv = lc[idx]; rv = rc[idx]; + lsum2 += lv*2 + 1; + rsum2 -= rv*2 - 1; + lc[idx] = lv + 1; rc[idx] = rv - 1; + + if( values[i] + epsilon < values[i+1] ) + { + double val = (lsum2*R + rsum2*L)/((double)L*R); + if( best_val < val ) + { + best_val = val; + best_i = i; + } + } + } + } + else + { + double L = 0, R = 0; + for( i = 0; i < m; i++ ) + { + double wv = rc[i]*priors[i]; + R += wv; + rsum2 += wv*wv; + } + + for( i = 0; i < n1 - 1; i++ ) + { + int idx = responses[sorted_indices[i]]; + int lv, rv; + double p = priors[idx], p2 = p*p; + L += p; R -= p; + lv = lc[idx]; rv = rc[idx]; + lsum2 += p2*(lv*2 + 1); + rsum2 -= p2*(rv*2 - 1); + lc[idx] = lv + 1; rc[idx] = rv - 1; + + if( values[i] + epsilon < values[i+1] ) + { + double val = (lsum2*R + rsum2*L)/((double)L*R); + if( best_val < val ) + { + best_val = val; + best_i = i; + } + } + } + } + + CvDTreeSplit* split = 0; + if( best_i >= 0 ) + { + split = _split ? _split : data->new_split_ord( 0, 0.0f, 0, 0, 0.0f ); + split->var_idx = vi; + split->ord.c = (values[best_i] + values[best_i+1])*0.5f; + split->ord.split_point = best_i; + split->inversed = 0; + split->quality = (float)best_val; + } + return split; +} + + +void CvDTree::cluster_categories( const int* vectors, int n, int m, + int* csums, int k, int* labels ) +{ + // TODO: consider adding priors (class weights) and sample weights to the clustering algorithm + int iters = 0, max_iters = 100; + int i, j, idx; + cv::AutoBuffer buf(n + k); + double *v_weights = buf, *c_weights = buf + n; + bool modified = true; + RNG* r = data->rng; + + // assign labels randomly + for( i = 0; i < n; i++ ) + { + int sum = 0; + const int* v = vectors + i*m; + labels[i] = i < k ? i : r->uniform(0, k); + + // compute weight of each vector + for( j = 0; j < m; j++ ) + sum += v[j]; + v_weights[i] = sum ? 1./sum : 0.; + } + + for( i = 0; i < n; i++ ) + { + int i1 = (*r)(n); + int i2 = (*r)(n); + CV_SWAP( labels[i1], labels[i2], j ); + } + + for( iters = 0; iters <= max_iters; iters++ ) + { + // calculate csums + for( i = 0; i < k; i++ ) + { + for( j = 0; j < m; j++ ) + csums[i*m + j] = 0; + } + + for( i = 0; i < n; i++ ) + { + const int* v = vectors + i*m; + int* s = csums + labels[i]*m; + for( j = 0; j < m; j++ ) + s[j] += v[j]; + } + + // exit the loop here, when we have up-to-date csums + if( iters == max_iters || !modified ) + break; + + modified = false; + + // calculate weight of each cluster + for( i = 0; i < k; i++ ) + { + const int* s = csums + i*m; + int sum = 0; + for( j = 0; j < m; j++ ) + sum += s[j]; + c_weights[i] = sum ? 1./sum : 0; + } + + // now for each vector determine the closest cluster + for( i = 0; i < n; i++ ) + { + const int* v = vectors + i*m; + double alpha = v_weights[i]; + double min_dist2 = DBL_MAX; + int min_idx = -1; + + for( idx = 0; idx < k; idx++ ) + { + const int* s = csums + idx*m; + double dist2 = 0., beta = c_weights[idx]; + for( j = 0; j < m; j++ ) + { + double t = v[j]*alpha - s[j]*beta; + dist2 += t*t; + } + if( min_dist2 > dist2 ) + { + min_dist2 = dist2; + min_idx = idx; + } + } + + if( min_idx != labels[i] ) + modified = true; + labels[i] = min_idx; + } + } +} + + +CvDTreeSplit* CvDTree::find_split_cat_class( CvDTreeNode* node, int vi, float init_quality, + CvDTreeSplit* _split, uchar* _ext_buf ) +{ + int ci = data->get_var_type(vi); + int n = node->sample_count; + int m = data->get_num_classes(); + int _mi = data->cat_count->data.i[ci], mi = _mi; + + int base_size = m*(3 + mi)*sizeof(int) + (mi+1)*sizeof(double); + if( m > 2 && mi > data->params.max_categories ) + base_size += (m*std::min(data->params.max_categories, n) + mi)*sizeof(int); + else + base_size += mi*sizeof(int*); + cv::AutoBuffer inn_buf(base_size); + if( !_ext_buf ) + inn_buf.allocate(base_size + 2*n*sizeof(int)); + uchar* base_buf = (uchar*)inn_buf; + uchar* ext_buf = _ext_buf ? _ext_buf : base_buf + base_size; + + int* lc = (int*)base_buf; + int* rc = lc + m; + int* _cjk = rc + m*2, *cjk = _cjk; + double* c_weights = (double*)alignPtr(cjk + m*mi, sizeof(double)); + + int* labels_buf = (int*)ext_buf; + const int* labels = data->get_cat_var_data(node, vi, labels_buf); + int* responses_buf = labels_buf + n; + const int* responses = data->get_class_labels(node, responses_buf); + + int* cluster_labels = 0; + int** int_ptr = 0; + int i, j, k, idx; + double L = 0, R = 0; + double best_val = init_quality; + int prevcode = 0, best_subset = -1, subset_i, subset_n, subtract = 0; + const double* priors = data->priors_mult->data.db; + + // init array of counters: + // c_{jk} - number of samples that have vi-th input variable = j and response = k. + for( j = -1; j < mi; j++ ) + for( k = 0; k < m; k++ ) + cjk[j*m + k] = 0; + + for( i = 0; i < n; i++ ) + { + j = ( labels[i] == 65535 && data->is_buf_16u) ? -1 : labels[i]; + k = responses[i]; + cjk[j*m + k]++; + } + + if( m > 2 ) + { + if( mi > data->params.max_categories ) + { + mi = MIN(data->params.max_categories, n); + cjk = (int*)(c_weights + _mi); + cluster_labels = cjk + m*mi; + cluster_categories( _cjk, _mi, m, cjk, mi, cluster_labels ); + } + subset_i = 1; + subset_n = 1 << mi; + } + else + { + assert( m == 2 ); + int_ptr = (int**)(c_weights + _mi); + for( j = 0; j < mi; j++ ) + int_ptr[j] = cjk + j*2 + 1; + std::sort(int_ptr, int_ptr + mi, LessThanPtr()); + subset_i = 0; + subset_n = mi; + } + + for( k = 0; k < m; k++ ) + { + int sum = 0; + for( j = 0; j < mi; j++ ) + sum += cjk[j*m + k]; + rc[k] = sum; + lc[k] = 0; + } + + for( j = 0; j < mi; j++ ) + { + double sum = 0; + for( k = 0; k < m; k++ ) + sum += cjk[j*m + k]*priors[k]; + c_weights[j] = sum; + R += c_weights[j]; + } + + for( ; subset_i < subset_n; subset_i++ ) + { + double weight; + int* crow; + double lsum2 = 0, rsum2 = 0; + + if( m == 2 ) + idx = (int)(int_ptr[subset_i] - cjk)/2; + else + { + int graycode = (subset_i>>1)^subset_i; + int diff = graycode ^ prevcode; + + // determine index of the changed bit. + Cv32suf u; + idx = diff >= (1 << 16) ? 16 : 0; + u.f = (float)(((diff >> 16) | diff) & 65535); + idx += (u.i >> 23) - 127; + subtract = graycode < prevcode; + prevcode = graycode; + } + + crow = cjk + idx*m; + weight = c_weights[idx]; + if( weight < FLT_EPSILON ) + continue; + + if( !subtract ) + { + for( k = 0; k < m; k++ ) + { + int t = crow[k]; + int lval = lc[k] + t; + int rval = rc[k] - t; + double p = priors[k], p2 = p*p; + lsum2 += p2*lval*lval; + rsum2 += p2*rval*rval; + lc[k] = lval; rc[k] = rval; + } + L += weight; + R -= weight; + } + else + { + for( k = 0; k < m; k++ ) + { + int t = crow[k]; + int lval = lc[k] - t; + int rval = rc[k] + t; + double p = priors[k], p2 = p*p; + lsum2 += p2*lval*lval; + rsum2 += p2*rval*rval; + lc[k] = lval; rc[k] = rval; + } + L -= weight; + R += weight; + } + + if( L > FLT_EPSILON && R > FLT_EPSILON ) + { + double val = (lsum2*R + rsum2*L)/((double)L*R); + if( best_val < val ) + { + best_val = val; + best_subset = subset_i; + } + } + } + + CvDTreeSplit* split = 0; + if( best_subset >= 0 ) + { + split = _split ? _split : data->new_split_cat( 0, -1.0f ); + split->var_idx = vi; + split->quality = (float)best_val; + memset( split->subset, 0, (data->max_c_count + 31)/32 * sizeof(int)); + if( m == 2 ) + { + for( i = 0; i <= best_subset; i++ ) + { + idx = (int)(int_ptr[i] - cjk) >> 1; + split->subset[idx >> 5] |= 1 << (idx & 31); + } + } + else + { + for( i = 0; i < _mi; i++ ) + { + idx = cluster_labels ? cluster_labels[i] : i; + if( best_subset & (1 << idx) ) + split->subset[i >> 5] |= 1 << (i & 31); + } + } + } + return split; +} + + +CvDTreeSplit* CvDTree::find_split_ord_reg( CvDTreeNode* node, int vi, float init_quality, CvDTreeSplit* _split, uchar* _ext_buf ) +{ + const float epsilon = FLT_EPSILON*2; + int n = node->sample_count; + int n1 = node->get_num_valid(vi); + + cv::AutoBuffer inn_buf; + if( !_ext_buf ) + inn_buf.allocate(2*n*(sizeof(int) + sizeof(float))); + uchar* ext_buf = _ext_buf ? _ext_buf : (uchar*)inn_buf; + float* values_buf = (float*)ext_buf; + int* sorted_indices_buf = (int*)(values_buf + n); + int* sample_indices_buf = sorted_indices_buf + n; + const float* values = 0; + const int* sorted_indices = 0; + data->get_ord_var_data( node, vi, values_buf, sorted_indices_buf, &values, &sorted_indices, sample_indices_buf ); + float* responses_buf = (float*)(sample_indices_buf + n); + const float* responses = data->get_ord_responses( node, responses_buf, sample_indices_buf ); + + int i, best_i = -1; + double best_val = init_quality, lsum = 0, rsum = node->value*n; + int L = 0, R = n1; + + // compensate for missing values + for( i = n1; i < n; i++ ) + rsum -= responses[sorted_indices[i]]; + + // find the optimal split + for( i = 0; i < n1 - 1; i++ ) + { + float t = responses[sorted_indices[i]]; + L++; R--; + lsum += t; + rsum -= t; + + if( values[i] + epsilon < values[i+1] ) + { + double val = (lsum*lsum*R + rsum*rsum*L)/((double)L*R); + if( best_val < val ) + { + best_val = val; + best_i = i; + } + } + } + + CvDTreeSplit* split = 0; + if( best_i >= 0 ) + { + split = _split ? _split : data->new_split_ord( 0, 0.0f, 0, 0, 0.0f ); + split->var_idx = vi; + split->ord.c = (values[best_i] + values[best_i+1])*0.5f; + split->ord.split_point = best_i; + split->inversed = 0; + split->quality = (float)best_val; + } + return split; +} + +CvDTreeSplit* CvDTree::find_split_cat_reg( CvDTreeNode* node, int vi, float init_quality, CvDTreeSplit* _split, uchar* _ext_buf ) +{ + int ci = data->get_var_type(vi); + int n = node->sample_count; + int mi = data->cat_count->data.i[ci]; + + int base_size = (mi+2)*sizeof(double) + (mi+1)*(sizeof(int) + sizeof(double*)); + cv::AutoBuffer inn_buf(base_size); + if( !_ext_buf ) + inn_buf.allocate(base_size + n*(2*sizeof(int) + sizeof(float))); + uchar* base_buf = (uchar*)inn_buf; + uchar* ext_buf = _ext_buf ? _ext_buf : base_buf + base_size; + int* labels_buf = (int*)ext_buf; + const int* labels = data->get_cat_var_data(node, vi, labels_buf); + float* responses_buf = (float*)(labels_buf + n); + int* sample_indices_buf = (int*)(responses_buf + n); + const float* responses = data->get_ord_responses(node, responses_buf, sample_indices_buf); + + double* sum = (double*)cv::alignPtr(base_buf,sizeof(double)) + 1; + int* counts = (int*)(sum + mi) + 1; + double** sum_ptr = (double**)(counts + mi); + int i, L = 0, R = 0; + double best_val = init_quality, lsum = 0, rsum = 0; + int best_subset = -1, subset_i; + + for( i = -1; i < mi; i++ ) + sum[i] = counts[i] = 0; + + // calculate sum response and weight of each category of the input var + for( i = 0; i < n; i++ ) + { + int idx = ( (labels[i] == 65535) && data->is_buf_16u ) ? -1 : labels[i]; + double s = sum[idx] + responses[i]; + int nc = counts[idx] + 1; + sum[idx] = s; + counts[idx] = nc; + } + + // calculate average response in each category + for( i = 0; i < mi; i++ ) + { + R += counts[i]; + rsum += sum[i]; + sum[i] /= MAX(counts[i],1); + sum_ptr[i] = sum + i; + } + + std::sort(sum_ptr, sum_ptr + mi, LessThanPtr()); + + // revert back to unnormalized sums + // (there should be a very little loss of accuracy) + for( i = 0; i < mi; i++ ) + sum[i] *= counts[i]; + + for( subset_i = 0; subset_i < mi-1; subset_i++ ) + { + int idx = (int)(sum_ptr[subset_i] - sum); + int ni = counts[idx]; + + if( ni ) + { + double s = sum[idx]; + lsum += s; L += ni; + rsum -= s; R -= ni; + + if( L && R ) + { + double val = (lsum*lsum*R + rsum*rsum*L)/((double)L*R); + if( best_val < val ) + { + best_val = val; + best_subset = subset_i; + } + } + } + } + + CvDTreeSplit* split = 0; + if( best_subset >= 0 ) + { + split = _split ? _split : data->new_split_cat( 0, -1.0f); + split->var_idx = vi; + split->quality = (float)best_val; + memset( split->subset, 0, (data->max_c_count + 31)/32 * sizeof(int)); + for( i = 0; i <= best_subset; i++ ) + { + int idx = (int)(sum_ptr[i] - sum); + split->subset[idx >> 5] |= 1 << (idx & 31); + } + } + return split; +} + +CvDTreeSplit* CvDTree::find_surrogate_split_ord( CvDTreeNode* node, int vi, uchar* _ext_buf ) +{ + const float epsilon = FLT_EPSILON*2; + const char* dir = (char*)data->direction->data.ptr; + int n = node->sample_count, n1 = node->get_num_valid(vi); + cv::AutoBuffer inn_buf; + if( !_ext_buf ) + inn_buf.allocate( n*(sizeof(int)*(data->have_priors ? 3 : 2) + sizeof(float)) ); + uchar* ext_buf = _ext_buf ? _ext_buf : (uchar*)inn_buf; + float* values_buf = (float*)ext_buf; + int* sorted_indices_buf = (int*)(values_buf + n); + int* sample_indices_buf = sorted_indices_buf + n; + const float* values = 0; + const int* sorted_indices = 0; + data->get_ord_var_data( node, vi, values_buf, sorted_indices_buf, &values, &sorted_indices, sample_indices_buf ); + // LL - number of samples that both the primary and the surrogate splits send to the left + // LR - ... primary split sends to the left and the surrogate split sends to the right + // RL - ... primary split sends to the right and the surrogate split sends to the left + // RR - ... both send to the right + int i, best_i = -1, best_inversed = 0; + double best_val; + + if( !data->have_priors ) + { + int LL = 0, RL = 0, LR, RR; + int worst_val = cvFloor(node->maxlr), _best_val = worst_val; + int sum = 0, sum_abs = 0; + + for( i = 0; i < n1; i++ ) + { + int d = dir[sorted_indices[i]]; + sum += d; sum_abs += d & 1; + } + + // sum_abs = R + L; sum = R - L + RR = (sum_abs + sum) >> 1; + LR = (sum_abs - sum) >> 1; + + // initially all the samples are sent to the right by the surrogate split, + // LR of them are sent to the left by primary split, and RR - to the right. + // now iteratively compute LL, LR, RL and RR for every possible surrogate split value. + for( i = 0; i < n1 - 1; i++ ) + { + int d = dir[sorted_indices[i]]; + + if( d < 0 ) + { + LL++; LR--; + if( LL + RR > _best_val && values[i] + epsilon < values[i+1] ) + { + best_val = LL + RR; + best_i = i; best_inversed = 0; + } + } + else if( d > 0 ) + { + RL++; RR--; + if( RL + LR > _best_val && values[i] + epsilon < values[i+1] ) + { + best_val = RL + LR; + best_i = i; best_inversed = 1; + } + } + } + best_val = _best_val; + } + else + { + double LL = 0, RL = 0, LR, RR; + double worst_val = node->maxlr; + double sum = 0, sum_abs = 0; + const double* priors = data->priors_mult->data.db; + int* responses_buf = sample_indices_buf + n; + const int* responses = data->get_class_labels(node, responses_buf); + best_val = worst_val; + + for( i = 0; i < n1; i++ ) + { + int idx = sorted_indices[i]; + double w = priors[responses[idx]]; + int d = dir[idx]; + sum += d*w; sum_abs += (d & 1)*w; + } + + // sum_abs = R + L; sum = R - L + RR = (sum_abs + sum)*0.5; + LR = (sum_abs - sum)*0.5; + + // initially all the samples are sent to the right by the surrogate split, + // LR of them are sent to the left by primary split, and RR - to the right. + // now iteratively compute LL, LR, RL and RR for every possible surrogate split value. + for( i = 0; i < n1 - 1; i++ ) + { + int idx = sorted_indices[i]; + double w = priors[responses[idx]]; + int d = dir[idx]; + + if( d < 0 ) + { + LL += w; LR -= w; + if( LL + RR > best_val && values[i] + epsilon < values[i+1] ) + { + best_val = LL + RR; + best_i = i; best_inversed = 0; + } + } + else if( d > 0 ) + { + RL += w; RR -= w; + if( RL + LR > best_val && values[i] + epsilon < values[i+1] ) + { + best_val = RL + LR; + best_i = i; best_inversed = 1; + } + } + } + } + return best_i >= 0 && best_val > node->maxlr ? data->new_split_ord( vi, + (values[best_i] + values[best_i+1])*0.5f, best_i, best_inversed, (float)best_val ) : 0; +} + + +CvDTreeSplit* CvDTree::find_surrogate_split_cat( CvDTreeNode* node, int vi, uchar* _ext_buf ) +{ + const char* dir = (char*)data->direction->data.ptr; + int n = node->sample_count; + int i, mi = data->cat_count->data.i[data->get_var_type(vi)], l_win = 0; + + int base_size = (2*(mi+1)+1)*sizeof(double) + (!data->have_priors ? 2*(mi+1)*sizeof(int) : 0); + cv::AutoBuffer inn_buf(base_size); + if( !_ext_buf ) + inn_buf.allocate(base_size + n*(sizeof(int) + (data->have_priors ? sizeof(int) : 0))); + uchar* base_buf = (uchar*)inn_buf; + uchar* ext_buf = _ext_buf ? _ext_buf : base_buf + base_size; + + int* labels_buf = (int*)ext_buf; + const int* labels = data->get_cat_var_data(node, vi, labels_buf); + // LL - number of samples that both the primary and the surrogate splits send to the left + // LR - ... primary split sends to the left and the surrogate split sends to the right + // RL - ... primary split sends to the right and the surrogate split sends to the left + // RR - ... both send to the right + CvDTreeSplit* split = data->new_split_cat( vi, 0 ); + double best_val = 0; + double* lc = (double*)cv::alignPtr(base_buf,sizeof(double)) + 1; + double* rc = lc + mi + 1; + + for( i = -1; i < mi; i++ ) + lc[i] = rc[i] = 0; + + // for each category calculate the weight of samples + // sent to the left (lc) and to the right (rc) by the primary split + if( !data->have_priors ) + { + int* _lc = (int*)rc + 1; + int* _rc = _lc + mi + 1; + + for( i = -1; i < mi; i++ ) + _lc[i] = _rc[i] = 0; + + for( i = 0; i < n; i++ ) + { + int idx = ( (labels[i] == 65535) && (data->is_buf_16u) ) ? -1 : labels[i]; + int d = dir[i]; + int sum = _lc[idx] + d; + int sum_abs = _rc[idx] + (d & 1); + _lc[idx] = sum; _rc[idx] = sum_abs; + } + + for( i = 0; i < mi; i++ ) + { + int sum = _lc[i]; + int sum_abs = _rc[i]; + lc[i] = (sum_abs - sum) >> 1; + rc[i] = (sum_abs + sum) >> 1; + } + } + else + { + const double* priors = data->priors_mult->data.db; + int* responses_buf = labels_buf + n; + const int* responses = data->get_class_labels(node, responses_buf); + + for( i = 0; i < n; i++ ) + { + int idx = ( (labels[i] == 65535) && (data->is_buf_16u) ) ? -1 : labels[i]; + double w = priors[responses[i]]; + int d = dir[i]; + double sum = lc[idx] + d*w; + double sum_abs = rc[idx] + (d & 1)*w; + lc[idx] = sum; rc[idx] = sum_abs; + } + + for( i = 0; i < mi; i++ ) + { + double sum = lc[i]; + double sum_abs = rc[i]; + lc[i] = (sum_abs - sum) * 0.5; + rc[i] = (sum_abs + sum) * 0.5; + } + } + + // 2. now form the split. + // in each category send all the samples to the same direction as majority + for( i = 0; i < mi; i++ ) + { + double lval = lc[i], rval = rc[i]; + if( lval > rval ) + { + split->subset[i >> 5] |= 1 << (i & 31); + best_val += lval; + l_win++; + } + else + best_val += rval; + } + + split->quality = (float)best_val; + if( split->quality <= node->maxlr || l_win == 0 || l_win == mi ) + cvSetRemoveByPtr( data->split_heap, split ), split = 0; + + return split; +} + + +void CvDTree::calc_node_value( CvDTreeNode* node ) +{ + int i, j, k, n = node->sample_count, cv_n = data->params.cv_folds; + int m = data->get_num_classes(); + + int base_size = data->is_classifier ? m*cv_n*sizeof(int) : 2*cv_n*sizeof(double)+cv_n*sizeof(int); + int ext_size = n*(sizeof(int) + (data->is_classifier ? sizeof(int) : sizeof(int)+sizeof(float))); + cv::AutoBuffer inn_buf(base_size + ext_size); + uchar* base_buf = (uchar*)inn_buf; + uchar* ext_buf = base_buf + base_size; + + int* cv_labels_buf = (int*)ext_buf; + const int* cv_labels = data->get_cv_labels(node, cv_labels_buf); + + if( data->is_classifier ) + { + // in case of classification tree: + // * node value is the label of the class that has the largest weight in the node. + // * node risk is the weighted number of misclassified samples, + // * j-th cross-validation fold value and risk are calculated as above, + // but using the samples with cv_labels(*)!=j. + // * j-th cross-validation fold error is calculated as the weighted number of + // misclassified samples with cv_labels(*)==j. + + // compute the number of instances of each class + int* cls_count = data->counts->data.i; + int* responses_buf = cv_labels_buf + n; + const int* responses = data->get_class_labels(node, responses_buf); + int* cv_cls_count = (int*)base_buf; + double max_val = -1, total_weight = 0; + int max_k = -1; + double* priors = data->priors_mult->data.db; + + for( k = 0; k < m; k++ ) + cls_count[k] = 0; + + if( cv_n == 0 ) + { + for( i = 0; i < n; i++ ) + cls_count[responses[i]]++; + } + else + { + for( j = 0; j < cv_n; j++ ) + for( k = 0; k < m; k++ ) + cv_cls_count[j*m + k] = 0; + + for( i = 0; i < n; i++ ) + { + j = cv_labels[i]; k = responses[i]; + cv_cls_count[j*m + k]++; + } + + for( j = 0; j < cv_n; j++ ) + for( k = 0; k < m; k++ ) + cls_count[k] += cv_cls_count[j*m + k]; + } + + if( data->have_priors && node->parent == 0 ) + { + // compute priors_mult from priors, take the sample ratio into account. + double sum = 0; + for( k = 0; k < m; k++ ) + { + int n_k = cls_count[k]; + priors[k] = data->priors->data.db[k]*(n_k ? 1./n_k : 0.); + sum += priors[k]; + } + sum = 1./sum; + for( k = 0; k < m; k++ ) + priors[k] *= sum; + } + + for( k = 0; k < m; k++ ) + { + double val = cls_count[k]*priors[k]; + total_weight += val; + if( max_val < val ) + { + max_val = val; + max_k = k; + } + } + + node->class_idx = max_k; + node->value = data->cat_map->data.i[ + data->cat_ofs->data.i[data->cat_var_count] + max_k]; + node->node_risk = total_weight - max_val; + + for( j = 0; j < cv_n; j++ ) + { + double sum_k = 0, sum = 0, max_val_k = 0; + max_val = -1; max_k = -1; + + for( k = 0; k < m; k++ ) + { + double w = priors[k]; + double val_k = cv_cls_count[j*m + k]*w; + double val = cls_count[k]*w - val_k; + sum_k += val_k; + sum += val; + if( max_val < val ) + { + max_val = val; + max_val_k = val_k; + max_k = k; + } + } + + node->cv_Tn[j] = INT_MAX; + node->cv_node_risk[j] = sum - max_val; + node->cv_node_error[j] = sum_k - max_val_k; + } + } + else + { + // in case of regression tree: + // * node value is 1/n*sum_i(Y_i), where Y_i is i-th response, + // n is the number of samples in the node. + // * node risk is the sum of squared errors: sum_i((Y_i - )^2) + // * j-th cross-validation fold value and risk are calculated as above, + // but using the samples with cv_labels(*)!=j. + // * j-th cross-validation fold error is calculated + // using samples with cv_labels(*)==j as the test subset: + // error_j = sum_(i,cv_labels(i)==j)((Y_i - )^2), + // where node_value_j is the node value calculated + // as described in the previous bullet, and summation is done + // over the samples with cv_labels(*)==j. + + double sum = 0, sum2 = 0; + float* values_buf = (float*)(cv_labels_buf + n); + int* sample_indices_buf = (int*)(values_buf + n); + const float* values = data->get_ord_responses(node, values_buf, sample_indices_buf); + double *cv_sum = 0, *cv_sum2 = 0; + int* cv_count = 0; + + if( cv_n == 0 ) + { + for( i = 0; i < n; i++ ) + { + double t = values[i]; + sum += t; + sum2 += t*t; + } + } + else + { + cv_sum = (double*)base_buf; + cv_sum2 = cv_sum + cv_n; + cv_count = (int*)(cv_sum2 + cv_n); + + for( j = 0; j < cv_n; j++ ) + { + cv_sum[j] = cv_sum2[j] = 0.; + cv_count[j] = 0; + } + + for( i = 0; i < n; i++ ) + { + j = cv_labels[i]; + double t = values[i]; + double s = cv_sum[j] + t; + double s2 = cv_sum2[j] + t*t; + int nc = cv_count[j] + 1; + cv_sum[j] = s; + cv_sum2[j] = s2; + cv_count[j] = nc; + } + + for( j = 0; j < cv_n; j++ ) + { + sum += cv_sum[j]; + sum2 += cv_sum2[j]; + } + } + + node->node_risk = sum2 - (sum/n)*sum; + node->value = sum/n; + + for( j = 0; j < cv_n; j++ ) + { + double s = cv_sum[j], si = sum - s; + double s2 = cv_sum2[j], s2i = sum2 - s2; + int c = cv_count[j], ci = n - c; + double r = si/MAX(ci,1); + node->cv_node_risk[j] = s2i - r*r*ci; + node->cv_node_error[j] = s2 - 2*r*s + c*r*r; + node->cv_Tn[j] = INT_MAX; + } + } +} + + +void CvDTree::complete_node_dir( CvDTreeNode* node ) +{ + int vi, i, n = node->sample_count, nl, nr, d0 = 0, d1 = -1; + int nz = n - node->get_num_valid(node->split->var_idx); + char* dir = (char*)data->direction->data.ptr; + + // try to complete direction using surrogate splits + if( nz && data->params.use_surrogates ) + { + cv::AutoBuffer inn_buf(n*(2*sizeof(int)+sizeof(float))); + CvDTreeSplit* split = node->split->next; + for( ; split != 0 && nz; split = split->next ) + { + int inversed_mask = split->inversed ? -1 : 0; + vi = split->var_idx; + + if( data->get_var_type(vi) >= 0 ) // split on categorical var + { + int* labels_buf = (int*)(uchar*)inn_buf; + const int* labels = data->get_cat_var_data(node, vi, labels_buf); + const int* subset = split->subset; + + for( i = 0; i < n; i++ ) + { + int idx = labels[i]; + if( !dir[i] && ( ((idx >= 0)&&(!data->is_buf_16u)) || ((idx != 65535)&&(data->is_buf_16u)) )) + + { + int d = CV_DTREE_CAT_DIR(idx,subset); + dir[i] = (char)((d ^ inversed_mask) - inversed_mask); + if( --nz ) + break; + } + } + } + else // split on ordered var + { + float* values_buf = (float*)(uchar*)inn_buf; + int* sorted_indices_buf = (int*)(values_buf + n); + int* sample_indices_buf = sorted_indices_buf + n; + const float* values = 0; + const int* sorted_indices = 0; + data->get_ord_var_data( node, vi, values_buf, sorted_indices_buf, &values, &sorted_indices, sample_indices_buf ); + int split_point = split->ord.split_point; + int n1 = node->get_num_valid(vi); + + assert( 0 <= split_point && split_point < n-1 ); + + for( i = 0; i < n1; i++ ) + { + int idx = sorted_indices[i]; + if( !dir[idx] ) + { + int d = i <= split_point ? -1 : 1; + dir[idx] = (char)((d ^ inversed_mask) - inversed_mask); + if( --nz ) + break; + } + } + } + } + } + + // find the default direction for the rest + if( nz ) + { + for( i = nr = 0; i < n; i++ ) + nr += dir[i] > 0; + nl = n - nr - nz; + d0 = nl > nr ? -1 : nr > nl; + } + + // make sure that every sample is directed either to the left or to the right + for( i = 0; i < n; i++ ) + { + int d = dir[i]; + if( !d ) + { + d = d0; + if( !d ) + d = d1, d1 = -d1; + } + d = d > 0; + dir[i] = (char)d; // remap (-1,1) to (0,1) + } +} + + +void CvDTree::split_node_data( CvDTreeNode* node ) +{ + int vi, i, n = node->sample_count, nl, nr, scount = data->sample_count; + char* dir = (char*)data->direction->data.ptr; + CvDTreeNode *left = 0, *right = 0; + int* new_idx = data->split_buf->data.i; + int new_buf_idx = data->get_child_buf_idx( node ); + int work_var_count = data->get_work_var_count(); + CvMat* buf = data->buf; + size_t length_buf_row = data->get_length_subbuf(); + cv::AutoBuffer inn_buf(n*(3*sizeof(int) + sizeof(float))); + int* temp_buf = (int*)(uchar*)inn_buf; + + complete_node_dir(node); + + for( i = nl = nr = 0; i < n; i++ ) + { + int d = dir[i]; + // initialize new indices for splitting ordered variables + new_idx[i] = (nl & (d-1)) | (nr & -d); // d ? ri : li + nr += d; + nl += d^1; + } + + bool split_input_data; + node->left = left = data->new_node( node, nl, new_buf_idx, node->offset ); + node->right = right = data->new_node( node, nr, new_buf_idx, node->offset + nl ); + + split_input_data = node->depth + 1 < data->params.max_depth && + (node->left->sample_count > data->params.min_sample_count || + node->right->sample_count > data->params.min_sample_count); + + // split ordered variables, keep both halves sorted. + for( vi = 0; vi < data->var_count; vi++ ) + { + int ci = data->get_var_type(vi); + + if( ci >= 0 || !split_input_data ) + continue; + + int n1 = node->get_num_valid(vi); + float* src_val_buf = (float*)(uchar*)(temp_buf + n); + int* src_sorted_idx_buf = (int*)(src_val_buf + n); + int* src_sample_idx_buf = src_sorted_idx_buf + n; + const float* src_val = 0; + const int* src_sorted_idx = 0; + data->get_ord_var_data(node, vi, src_val_buf, src_sorted_idx_buf, &src_val, &src_sorted_idx, src_sample_idx_buf); + + for(i = 0; i < n; i++) + temp_buf[i] = src_sorted_idx[i]; + + if (data->is_buf_16u) + { + unsigned short *ldst, *rdst, *ldst0, *rdst0; + //unsigned short tl, tr; + ldst0 = ldst = (unsigned short*)(buf->data.s + left->buf_idx*length_buf_row + + vi*scount + left->offset); + rdst0 = rdst = (unsigned short*)(ldst + nl); + + // split sorted + for( i = 0; i < n1; i++ ) + { + int idx = temp_buf[i]; + int d = dir[idx]; + idx = new_idx[idx]; + if (d) + { + *rdst = (unsigned short)idx; + rdst++; + } + else + { + *ldst = (unsigned short)idx; + ldst++; + } + } + + left->set_num_valid(vi, (int)(ldst - ldst0)); + right->set_num_valid(vi, (int)(rdst - rdst0)); + + // split missing + for( ; i < n; i++ ) + { + int idx = temp_buf[i]; + int d = dir[idx]; + idx = new_idx[idx]; + if (d) + { + *rdst = (unsigned short)idx; + rdst++; + } + else + { + *ldst = (unsigned short)idx; + ldst++; + } + } + } + else + { + int *ldst0, *ldst, *rdst0, *rdst; + ldst0 = ldst = buf->data.i + left->buf_idx*length_buf_row + + vi*scount + left->offset; + rdst0 = rdst = buf->data.i + right->buf_idx*length_buf_row + + vi*scount + right->offset; + + // split sorted + for( i = 0; i < n1; i++ ) + { + int idx = temp_buf[i]; + int d = dir[idx]; + idx = new_idx[idx]; + if (d) + { + *rdst = idx; + rdst++; + } + else + { + *ldst = idx; + ldst++; + } + } + + left->set_num_valid(vi, (int)(ldst - ldst0)); + right->set_num_valid(vi, (int)(rdst - rdst0)); + + // split missing + for( ; i < n; i++ ) + { + int idx = temp_buf[i]; + int d = dir[idx]; + idx = new_idx[idx]; + if (d) + { + *rdst = idx; + rdst++; + } + else + { + *ldst = idx; + ldst++; + } + } + } + } + + // split categorical vars, responses and cv_labels using new_idx relocation table + for( vi = 0; vi < work_var_count; vi++ ) + { + int ci = data->get_var_type(vi); + int n1 = node->get_num_valid(vi), nr1 = 0; + + if( ci < 0 || (vi < data->var_count && !split_input_data) ) + continue; + + int *src_lbls_buf = temp_buf + n; + const int* src_lbls = data->get_cat_var_data(node, vi, src_lbls_buf); + + for(i = 0; i < n; i++) + temp_buf[i] = src_lbls[i]; + + if (data->is_buf_16u) + { + unsigned short *ldst = (unsigned short *)(buf->data.s + left->buf_idx*length_buf_row + + vi*scount + left->offset); + unsigned short *rdst = (unsigned short *)(buf->data.s + right->buf_idx*length_buf_row + + vi*scount + right->offset); + + for( i = 0; i < n; i++ ) + { + int d = dir[i]; + int idx = temp_buf[i]; + if (d) + { + *rdst = (unsigned short)idx; + rdst++; + nr1 += (idx != 65535 )&d; + } + else + { + *ldst = (unsigned short)idx; + ldst++; + } + } + + if( vi < data->var_count ) + { + left->set_num_valid(vi, n1 - nr1); + right->set_num_valid(vi, nr1); + } + } + else + { + int *ldst = buf->data.i + left->buf_idx*length_buf_row + + vi*scount + left->offset; + int *rdst = buf->data.i + right->buf_idx*length_buf_row + + vi*scount + right->offset; + + for( i = 0; i < n; i++ ) + { + int d = dir[i]; + int idx = temp_buf[i]; + if (d) + { + *rdst = idx; + rdst++; + nr1 += (idx >= 0)&d; + } + else + { + *ldst = idx; + ldst++; + } + + } + + if( vi < data->var_count ) + { + left->set_num_valid(vi, n1 - nr1); + right->set_num_valid(vi, nr1); + } + } + } + + + // split sample indices + int *sample_idx_src_buf = temp_buf + n; + const int* sample_idx_src = data->get_sample_indices(node, sample_idx_src_buf); + + for(i = 0; i < n; i++) + temp_buf[i] = sample_idx_src[i]; + + int pos = data->get_work_var_count(); + if (data->is_buf_16u) + { + unsigned short* ldst = (unsigned short*)(buf->data.s + left->buf_idx*length_buf_row + + pos*scount + left->offset); + unsigned short* rdst = (unsigned short*)(buf->data.s + right->buf_idx*length_buf_row + + pos*scount + right->offset); + for (i = 0; i < n; i++) + { + int d = dir[i]; + unsigned short idx = (unsigned short)temp_buf[i]; + if (d) + { + *rdst = idx; + rdst++; + } + else + { + *ldst = idx; + ldst++; + } + } + } + else + { + int* ldst = buf->data.i + left->buf_idx*length_buf_row + + pos*scount + left->offset; + int* rdst = buf->data.i + right->buf_idx*length_buf_row + + pos*scount + right->offset; + for (i = 0; i < n; i++) + { + int d = dir[i]; + int idx = temp_buf[i]; + if (d) + { + *rdst = idx; + rdst++; + } + else + { + *ldst = idx; + ldst++; + } + } + } + + // deallocate the parent node data that is not needed anymore + data->free_node_data(node); +} + +float CvDTree::calc_error( CvMLData* _data, int type, std::vector *resp ) +{ + float err = 0; + const CvMat* values = _data->get_values(); + const CvMat* response = _data->get_responses(); + const CvMat* missing = _data->get_missing(); + const CvMat* sample_idx = (type == CV_TEST_ERROR) ? _data->get_test_sample_idx() : _data->get_train_sample_idx(); + const CvMat* var_types = _data->get_var_types(); + int* sidx = sample_idx ? sample_idx->data.i : 0; + int r_step = CV_IS_MAT_CONT(response->type) ? + 1 : response->step / CV_ELEM_SIZE(response->type); + bool is_classifier = var_types->data.ptr[var_types->cols-1] == CV_VAR_CATEGORICAL; + int sample_count = sample_idx ? sample_idx->cols : 0; + sample_count = (type == CV_TRAIN_ERROR && sample_count == 0) ? values->rows : sample_count; + float* pred_resp = 0; + if( resp && (sample_count > 0) ) + { + resp->resize( sample_count ); + pred_resp = &((*resp)[0]); + } + + if ( is_classifier ) + { + for( int i = 0; i < sample_count; i++ ) + { + CvMat sample, miss; + int si = sidx ? sidx[i] : i; + cvGetRow( values, &sample, si ); + if( missing ) + cvGetRow( missing, &miss, si ); + float r = (float)predict( &sample, missing ? &miss : 0 )->value; + if( pred_resp ) + pred_resp[i] = r; + int d = fabs((double)r - response->data.fl[(size_t)si*r_step]) <= FLT_EPSILON ? 0 : 1; + err += d; + } + err = sample_count ? err / (float)sample_count * 100 : -FLT_MAX; + } + else + { + for( int i = 0; i < sample_count; i++ ) + { + CvMat sample, miss; + int si = sidx ? sidx[i] : i; + cvGetRow( values, &sample, si ); + if( missing ) + cvGetRow( missing, &miss, si ); + float r = (float)predict( &sample, missing ? &miss : 0 )->value; + if( pred_resp ) + pred_resp[i] = r; + float d = r - response->data.fl[(size_t)si*r_step]; + err += d*d; + } + err = sample_count ? err / (float)sample_count : -FLT_MAX; + } + return err; +} + +void CvDTree::prune_cv() +{ + CvMat* ab = 0; + CvMat* temp = 0; + CvMat* err_jk = 0; + + // 1. build tree sequence for each cv fold, calculate error_{Tj,beta_k}. + // 2. choose the best tree index (if need, apply 1SE rule). + // 3. store the best index and cut the branches. + + CV_FUNCNAME( "CvDTree::prune_cv" ); + + __BEGIN__; + + int ti, j, tree_count = 0, cv_n = data->params.cv_folds, n = root->sample_count; + // currently, 1SE for regression is not implemented + bool use_1se = data->params.use_1se_rule != 0 && data->is_classifier; + double* err; + double min_err = 0, min_err_se = 0; + int min_idx = -1; + + CV_CALL( ab = cvCreateMat( 1, 256, CV_64F )); + + // build the main tree sequence, calculate alpha's + for(;;tree_count++) + { + double min_alpha = update_tree_rnc(tree_count, -1); + if( cut_tree(tree_count, -1, min_alpha) ) + break; + + if( ab->cols <= tree_count ) + { + CV_CALL( temp = cvCreateMat( 1, ab->cols*3/2, CV_64F )); + for( ti = 0; ti < ab->cols; ti++ ) + temp->data.db[ti] = ab->data.db[ti]; + cvReleaseMat( &ab ); + ab = temp; + temp = 0; + } + + ab->data.db[tree_count] = min_alpha; + } + + ab->data.db[0] = 0.; + + if( tree_count > 0 ) + { + for( ti = 1; ti < tree_count-1; ti++ ) + ab->data.db[ti] = sqrt(ab->data.db[ti]*ab->data.db[ti+1]); + ab->data.db[tree_count-1] = DBL_MAX*0.5; + + CV_CALL( err_jk = cvCreateMat( cv_n, tree_count, CV_64F )); + err = err_jk->data.db; + + for( j = 0; j < cv_n; j++ ) + { + int tj = 0, tk = 0; + for( ; tk < tree_count; tj++ ) + { + double min_alpha = update_tree_rnc(tj, j); + if( cut_tree(tj, j, min_alpha) ) + min_alpha = DBL_MAX; + + for( ; tk < tree_count; tk++ ) + { + if( ab->data.db[tk] > min_alpha ) + break; + err[j*tree_count + tk] = root->tree_error; + } + } + } + + for( ti = 0; ti < tree_count; ti++ ) + { + double sum_err = 0; + for( j = 0; j < cv_n; j++ ) + sum_err += err[j*tree_count + ti]; + if( ti == 0 || sum_err < min_err ) + { + min_err = sum_err; + min_idx = ti; + if( use_1se ) + min_err_se = sqrt( sum_err*(n - sum_err) ); + } + else if( sum_err < min_err + min_err_se ) + min_idx = ti; + } + } + + pruned_tree_idx = min_idx; + free_prune_data(data->params.truncate_pruned_tree != 0); + + __END__; + + cvReleaseMat( &err_jk ); + cvReleaseMat( &ab ); + cvReleaseMat( &temp ); +} + + +double CvDTree::update_tree_rnc( int T, int fold ) +{ + CvDTreeNode* node = root; + double min_alpha = DBL_MAX; + + for(;;) + { + CvDTreeNode* parent; + for(;;) + { + int t = fold >= 0 ? node->cv_Tn[fold] : node->Tn; + if( t <= T || !node->left ) + { + node->complexity = 1; + node->tree_risk = node->node_risk; + node->tree_error = 0.; + if( fold >= 0 ) + { + node->tree_risk = node->cv_node_risk[fold]; + node->tree_error = node->cv_node_error[fold]; + } + break; + } + node = node->left; + } + + for( parent = node->parent; parent && parent->right == node; + node = parent, parent = parent->parent ) + { + parent->complexity += node->complexity; + parent->tree_risk += node->tree_risk; + parent->tree_error += node->tree_error; + + parent->alpha = ((fold >= 0 ? parent->cv_node_risk[fold] : parent->node_risk) + - parent->tree_risk)/(parent->complexity - 1); + min_alpha = MIN( min_alpha, parent->alpha ); + } + + if( !parent ) + break; + + parent->complexity = node->complexity; + parent->tree_risk = node->tree_risk; + parent->tree_error = node->tree_error; + node = parent->right; + } + + return min_alpha; +} + + +int CvDTree::cut_tree( int T, int fold, double min_alpha ) +{ + CvDTreeNode* node = root; + if( !node->left ) + return 1; + + for(;;) + { + CvDTreeNode* parent; + for(;;) + { + int t = fold >= 0 ? node->cv_Tn[fold] : node->Tn; + if( t <= T || !node->left ) + break; + if( node->alpha <= min_alpha + FLT_EPSILON ) + { + if( fold >= 0 ) + node->cv_Tn[fold] = T; + else + node->Tn = T; + if( node == root ) + return 1; + break; + } + node = node->left; + } + + for( parent = node->parent; parent && parent->right == node; + node = parent, parent = parent->parent ) + ; + + if( !parent ) + break; + + node = parent->right; + } + + return 0; +} + + +void CvDTree::free_prune_data(bool _cut_tree) +{ + CvDTreeNode* node = root; + + for(;;) + { + CvDTreeNode* parent; + for(;;) + { + // do not call cvSetRemoveByPtr( cv_heap, node->cv_Tn ) + // as we will clear the whole cross-validation heap at the end + node->cv_Tn = 0; + node->cv_node_error = node->cv_node_risk = 0; + if( !node->left ) + break; + node = node->left; + } + + for( parent = node->parent; parent && parent->right == node; + node = parent, parent = parent->parent ) + { + if( _cut_tree && parent->Tn <= pruned_tree_idx ) + { + data->free_node( parent->left ); + data->free_node( parent->right ); + parent->left = parent->right = 0; + } + } + + if( !parent ) + break; + + node = parent->right; + } + + if( data->cv_heap ) + cvClearSet( data->cv_heap ); +} + + +void CvDTree::free_tree() +{ + if( root && data && data->shared ) + { + pruned_tree_idx = INT_MIN; + free_prune_data(true); + data->free_node(root); + root = 0; + } +} + +CvDTreeNode* CvDTree::predict( const CvMat* _sample, + const CvMat* _missing, bool preprocessed_input ) const +{ + cv::AutoBuffer catbuf; + + int i, mstep = 0; + const uchar* m = 0; + CvDTreeNode* node = root; + + if( !node ) + CV_Error( CV_StsError, "The tree has not been trained yet" ); + + if( !CV_IS_MAT(_sample) || CV_MAT_TYPE(_sample->type) != CV_32FC1 || + (_sample->cols != 1 && _sample->rows != 1) || + (_sample->cols + _sample->rows - 1 != data->var_all && !preprocessed_input) || + (_sample->cols + _sample->rows - 1 != data->var_count && preprocessed_input) ) + CV_Error( CV_StsBadArg, + "the input sample must be 1d floating-point vector with the same " + "number of elements as the total number of variables used for training" ); + + const float* sample = _sample->data.fl; + int step = CV_IS_MAT_CONT(_sample->type) ? 1 : _sample->step/sizeof(sample[0]); + + if( data->cat_count && !preprocessed_input ) // cache for categorical variables + { + int n = data->cat_count->cols; + catbuf.allocate(n); + for( i = 0; i < n; i++ ) + catbuf[i] = -1; + } + + if( _missing ) + { + if( !CV_IS_MAT(_missing) || !CV_IS_MASK_ARR(_missing) || + !CV_ARE_SIZES_EQ(_missing, _sample) ) + CV_Error( CV_StsBadArg, + "the missing data mask must be 8-bit vector of the same size as input sample" ); + m = _missing->data.ptr; + mstep = CV_IS_MAT_CONT(_missing->type) ? 1 : _missing->step/sizeof(m[0]); + } + + const int* vtype = data->var_type->data.i; + const int* vidx = data->var_idx && !preprocessed_input ? data->var_idx->data.i : 0; + const int* cmap = data->cat_map ? data->cat_map->data.i : 0; + const int* cofs = data->cat_ofs ? data->cat_ofs->data.i : 0; + + while( node->Tn > pruned_tree_idx && node->left ) + { + CvDTreeSplit* split = node->split; + int dir = 0; + for( ; !dir && split != 0; split = split->next ) + { + int vi = split->var_idx; + int ci = vtype[vi]; + i = vidx ? vidx[vi] : vi; + float val = sample[(size_t)i*step]; + if( m && m[(size_t)i*mstep] ) + continue; + if( ci < 0 ) // ordered + dir = val <= split->ord.c ? -1 : 1; + else // categorical + { + int c; + if( preprocessed_input ) + c = cvRound(val); + else + { + c = catbuf[ci]; + if( c < 0 ) + { + int a = c = cofs[ci]; + int b = (ci+1 >= data->cat_ofs->cols) ? data->cat_map->cols : cofs[ci+1]; + + int ival = cvRound(val); + if( ival != val ) + CV_Error( CV_StsBadArg, + "one of input categorical variable is not an integer" ); + + int sh = 0; + while( a < b ) + { + sh++; + c = (a + b) >> 1; + if( ival < cmap[c] ) + b = c; + else if( ival > cmap[c] ) + a = c+1; + else + break; + } + + if( c < 0 || ival != cmap[c] ) + continue; + + catbuf[ci] = c -= cofs[ci]; + } + } + c = ( (c == 65535) && data->is_buf_16u ) ? -1 : c; + dir = CV_DTREE_CAT_DIR(c, split->subset); + } + + if( split->inversed ) + dir = -dir; + } + + if( !dir ) + { + double diff = node->right->sample_count - node->left->sample_count; + dir = diff < 0 ? -1 : 1; + } + node = dir < 0 ? node->left : node->right; + } + + return node; +} + + +CvDTreeNode* CvDTree::predict( const Mat& _sample, const Mat& _missing, bool preprocessed_input ) const +{ + CvMat sample = _sample, mmask = _missing; + return predict(&sample, mmask.data.ptr ? &mmask : 0, preprocessed_input); +} + + +const CvMat* CvDTree::get_var_importance() +{ + if( !var_importance ) + { + CvDTreeNode* node = root; + double* importance; + if( !node ) + return 0; + var_importance = cvCreateMat( 1, data->var_count, CV_64F ); + cvZero( var_importance ); + importance = var_importance->data.db; + + for(;;) + { + CvDTreeNode* parent; + for( ;; node = node->left ) + { + CvDTreeSplit* split = node->split; + + if( !node->left || node->Tn <= pruned_tree_idx ) + break; + + for( ; split != 0; split = split->next ) + importance[split->var_idx] += split->quality; + } + + for( parent = node->parent; parent && parent->right == node; + node = parent, parent = parent->parent ) + ; + + if( !parent ) + break; + + node = parent->right; + } + + cvNormalize( var_importance, var_importance, 1., 0, CV_L1 ); + } + + return var_importance; +} + + +void CvDTree::write_split( CvFileStorage* fs, CvDTreeSplit* split ) const +{ + int ci; + + cvStartWriteStruct( fs, 0, CV_NODE_MAP + CV_NODE_FLOW ); + cvWriteInt( fs, "var", split->var_idx ); + cvWriteReal( fs, "quality", split->quality ); + + ci = data->get_var_type(split->var_idx); + if( ci >= 0 ) // split on a categorical var + { + int i, n = data->cat_count->data.i[ci], to_right = 0, default_dir; + for( i = 0; i < n; i++ ) + to_right += CV_DTREE_CAT_DIR(i,split->subset) > 0; + + // ad-hoc rule when to use inverse categorical split notation + // to achieve more compact and clear representation + default_dir = to_right <= 1 || to_right <= MIN(3, n/2) || to_right <= n/3 ? -1 : 1; + + cvStartWriteStruct( fs, default_dir*(split->inversed ? -1 : 1) > 0 ? + "in" : "not_in", CV_NODE_SEQ+CV_NODE_FLOW ); + + for( i = 0; i < n; i++ ) + { + int dir = CV_DTREE_CAT_DIR(i,split->subset); + if( dir*default_dir < 0 ) + cvWriteInt( fs, 0, i ); + } + cvEndWriteStruct( fs ); + } + else + cvWriteReal( fs, !split->inversed ? "le" : "gt", split->ord.c ); + + cvEndWriteStruct( fs ); +} + + +void CvDTree::write_node( CvFileStorage* fs, CvDTreeNode* node ) const +{ + CvDTreeSplit* split; + + cvStartWriteStruct( fs, 0, CV_NODE_MAP ); + + cvWriteInt( fs, "depth", node->depth ); + cvWriteInt( fs, "sample_count", node->sample_count ); + cvWriteReal( fs, "value", node->value ); + + if( data->is_classifier ) + cvWriteInt( fs, "norm_class_idx", node->class_idx ); + + cvWriteInt( fs, "Tn", node->Tn ); + cvWriteInt( fs, "complexity", node->complexity ); + cvWriteReal( fs, "alpha", node->alpha ); + cvWriteReal( fs, "node_risk", node->node_risk ); + cvWriteReal( fs, "tree_risk", node->tree_risk ); + cvWriteReal( fs, "tree_error", node->tree_error ); + + if( node->left ) + { + cvStartWriteStruct( fs, "splits", CV_NODE_SEQ ); + + for( split = node->split; split != 0; split = split->next ) + write_split( fs, split ); + + cvEndWriteStruct( fs ); + } + + cvEndWriteStruct( fs ); +} + + +void CvDTree::write_tree_nodes( CvFileStorage* fs ) const +{ + //CV_FUNCNAME( "CvDTree::write_tree_nodes" ); + + __BEGIN__; + + CvDTreeNode* node = root; + + // traverse the tree and save all the nodes in depth-first order + for(;;) + { + CvDTreeNode* parent; + for(;;) + { + write_node( fs, node ); + if( !node->left ) + break; + node = node->left; + } + + for( parent = node->parent; parent && parent->right == node; + node = parent, parent = parent->parent ) + ; + + if( !parent ) + break; + + node = parent->right; + } + + __END__; +} + + +void CvDTree::write( CvFileStorage* fs, const char* name ) const +{ + //CV_FUNCNAME( "CvDTree::write" ); + + __BEGIN__; + + cvStartWriteStruct( fs, name, CV_NODE_MAP, CV_TYPE_NAME_ML_TREE ); + + //get_var_importance(); + data->write_params( fs ); + //if( var_importance ) + //cvWrite( fs, "var_importance", var_importance ); + write( fs ); + + cvEndWriteStruct( fs ); + + __END__; +} + + +void CvDTree::write( CvFileStorage* fs ) const +{ + //CV_FUNCNAME( "CvDTree::write" ); + + __BEGIN__; + + cvWriteInt( fs, "best_tree_idx", pruned_tree_idx ); + + cvStartWriteStruct( fs, "nodes", CV_NODE_SEQ ); + write_tree_nodes( fs ); + cvEndWriteStruct( fs ); + + __END__; +} + + +CvDTreeSplit* CvDTree::read_split( CvFileStorage* fs, CvFileNode* fnode ) +{ + CvDTreeSplit* split = 0; + + CV_FUNCNAME( "CvDTree::read_split" ); + + __BEGIN__; + + int vi, ci; + + if( !fnode || CV_NODE_TYPE(fnode->tag) != CV_NODE_MAP ) + CV_ERROR( CV_StsParseError, "some of the splits are not stored properly" ); + + vi = cvReadIntByName( fs, fnode, "var", -1 ); + if( (unsigned)vi >= (unsigned)data->var_count ) + CV_ERROR( CV_StsOutOfRange, "Split variable index is out of range" ); + + ci = data->get_var_type(vi); + if( ci >= 0 ) // split on categorical var + { + int i, n = data->cat_count->data.i[ci], inversed = 0, val; + CvSeqReader reader; + CvFileNode* inseq; + split = data->new_split_cat( vi, 0 ); + inseq = cvGetFileNodeByName( fs, fnode, "in" ); + if( !inseq ) + { + inseq = cvGetFileNodeByName( fs, fnode, "not_in" ); + inversed = 1; + } + if( !inseq || + (CV_NODE_TYPE(inseq->tag) != CV_NODE_SEQ && CV_NODE_TYPE(inseq->tag) != CV_NODE_INT)) + CV_ERROR( CV_StsParseError, + "Either 'in' or 'not_in' tags should be inside a categorical split data" ); + + if( CV_NODE_TYPE(inseq->tag) == CV_NODE_INT ) + { + val = inseq->data.i; + if( (unsigned)val >= (unsigned)n ) + CV_ERROR( CV_StsOutOfRange, "some of in/not_in elements are out of range" ); + + split->subset[val >> 5] |= 1 << (val & 31); + } + else + { + cvStartReadSeq( inseq->data.seq, &reader ); + + for( i = 0; i < reader.seq->total; i++ ) + { + CvFileNode* inode = (CvFileNode*)reader.ptr; + val = inode->data.i; + if( CV_NODE_TYPE(inode->tag) != CV_NODE_INT || (unsigned)val >= (unsigned)n ) + CV_ERROR( CV_StsOutOfRange, "some of in/not_in elements are out of range" ); + + split->subset[val >> 5] |= 1 << (val & 31); + CV_NEXT_SEQ_ELEM( reader.seq->elem_size, reader ); + } + } + + // for categorical splits we do not use inversed splits, + // instead we inverse the variable set in the split + if( inversed ) + for( i = 0; i < (n + 31) >> 5; i++ ) + split->subset[i] ^= -1; + } + else + { + CvFileNode* cmp_node; + split = data->new_split_ord( vi, 0, 0, 0, 0 ); + + cmp_node = cvGetFileNodeByName( fs, fnode, "le" ); + if( !cmp_node ) + { + cmp_node = cvGetFileNodeByName( fs, fnode, "gt" ); + split->inversed = 1; + } + + split->ord.c = (float)cvReadReal( cmp_node ); + } + + split->quality = (float)cvReadRealByName( fs, fnode, "quality" ); + + __END__; + + return split; +} + + +CvDTreeNode* CvDTree::read_node( CvFileStorage* fs, CvFileNode* fnode, CvDTreeNode* parent ) +{ + CvDTreeNode* node = 0; + + CV_FUNCNAME( "CvDTree::read_node" ); + + __BEGIN__; + + CvFileNode* splits; + int i, depth; + + if( !fnode || CV_NODE_TYPE(fnode->tag) != CV_NODE_MAP ) + CV_ERROR( CV_StsParseError, "some of the tree elements are not stored properly" ); + + CV_CALL( node = data->new_node( parent, 0, 0, 0 )); + depth = cvReadIntByName( fs, fnode, "depth", -1 ); + if( depth != node->depth ) + CV_ERROR( CV_StsParseError, "incorrect node depth" ); + + node->sample_count = cvReadIntByName( fs, fnode, "sample_count" ); + node->value = cvReadRealByName( fs, fnode, "value" ); + if( data->is_classifier ) + node->class_idx = cvReadIntByName( fs, fnode, "norm_class_idx" ); + + node->Tn = cvReadIntByName( fs, fnode, "Tn" ); + node->complexity = cvReadIntByName( fs, fnode, "complexity" ); + node->alpha = cvReadRealByName( fs, fnode, "alpha" ); + node->node_risk = cvReadRealByName( fs, fnode, "node_risk" ); + node->tree_risk = cvReadRealByName( fs, fnode, "tree_risk" ); + node->tree_error = cvReadRealByName( fs, fnode, "tree_error" ); + + splits = cvGetFileNodeByName( fs, fnode, "splits" ); + if( splits ) + { + CvSeqReader reader; + CvDTreeSplit* last_split = 0; + + if( CV_NODE_TYPE(splits->tag) != CV_NODE_SEQ ) + CV_ERROR( CV_StsParseError, "splits tag must stored as a sequence" ); + + cvStartReadSeq( splits->data.seq, &reader ); + for( i = 0; i < reader.seq->total; i++ ) + { + CvDTreeSplit* split; + CV_CALL( split = read_split( fs, (CvFileNode*)reader.ptr )); + if( !last_split ) + node->split = last_split = split; + else + last_split = last_split->next = split; + + CV_NEXT_SEQ_ELEM( reader.seq->elem_size, reader ); + } + } + + __END__; + + return node; +} + + +void CvDTree::read_tree_nodes( CvFileStorage* fs, CvFileNode* fnode ) +{ + CV_FUNCNAME( "CvDTree::read_tree_nodes" ); + + __BEGIN__; + + CvSeqReader reader; + CvDTreeNode _root; + CvDTreeNode* parent = &_root; + int i; + parent->left = parent->right = parent->parent = 0; + + cvStartReadSeq( fnode->data.seq, &reader ); + + for( i = 0; i < reader.seq->total; i++ ) + { + CvDTreeNode* node; + + CV_CALL( node = read_node( fs, (CvFileNode*)reader.ptr, parent != &_root ? parent : 0 )); + if( !parent->left ) + parent->left = node; + else + parent->right = node; + if( node->split ) + parent = node; + else + { + while( parent && parent->right ) + parent = parent->parent; + } + + CV_NEXT_SEQ_ELEM( reader.seq->elem_size, reader ); + } + + root = _root.left; + + __END__; +} + + +void CvDTree::read( CvFileStorage* fs, CvFileNode* fnode ) +{ + CvDTreeTrainData* _data = new CvDTreeTrainData(); + _data->read_params( fs, fnode ); + + read( fs, fnode, _data ); + get_var_importance(); +} + + +// a special entry point for reading weak decision trees from the tree ensembles +void CvDTree::read( CvFileStorage* fs, CvFileNode* node, CvDTreeTrainData* _data ) +{ + CV_FUNCNAME( "CvDTree::read" ); + + __BEGIN__; + + CvFileNode* tree_nodes; + + clear(); + data = _data; + + tree_nodes = cvGetFileNodeByName( fs, node, "nodes" ); + if( !tree_nodes || CV_NODE_TYPE(tree_nodes->tag) != CV_NODE_SEQ ) + CV_ERROR( CV_StsParseError, "nodes tag is missing" ); + + pruned_tree_idx = cvReadIntByName( fs, node, "best_tree_idx", -1 ); + read_tree_nodes( fs, tree_nodes ); + + __END__; +} + +Mat CvDTree::getVarImportance() +{ + return cvarrToMat(get_var_importance()); +} + +/* End of file. */ diff --git a/apps/traincascade/traincascade.cpp b/apps/traincascade/traincascade.cpp index 52bacc8083..d1c3e4e87a 100644 --- a/apps/traincascade/traincascade.cpp +++ b/apps/traincascade/traincascade.cpp @@ -1,6 +1,4 @@ #include "opencv2/core.hpp" - -#include "cv.h" #include "cascadeclassifier.h" using namespace std; diff --git a/apps/traincascade/traincascade_features.h b/apps/traincascade/traincascade_features.h index dfba7a3d43..c8f024b507 100644 --- a/apps/traincascade/traincascade_features.h +++ b/apps/traincascade/traincascade_features.h @@ -2,9 +2,6 @@ #define _OPENCV_FEATURES_H_ #include "imagestorage.h" -#include "cxcore.h" -#include "cv.h" -#include "ml.h" #include #define FEATURES "features" diff --git a/cmake/OpenCVDetectAndroidSDK.cmake b/cmake/OpenCVDetectAndroidSDK.cmake index 90e11761e7..d97e9ec74f 100644 --- a/cmake/OpenCVDetectAndroidSDK.cmake +++ b/cmake/OpenCVDetectAndroidSDK.cmake @@ -280,9 +280,6 @@ macro(add_android_project target path) string(REGEX REPLACE "LOCAL_MODULE[ ]*:=[ ]*([a-zA-Z_][a-zA-Z_0-9]*)[ ]*" "\\1" JNI_LIB_NAME "${JNI_LIB_NAME}") if(JNI_LIB_NAME) - ocv_include_modules_recurse(${android_proj_NATIVE_DEPS}) - ocv_include_directories("${path}/jni") - if(NATIVE_APP_GLUE) include_directories(${ANDROID_NDK}/sources/android/native_app_glue) list(APPEND android_proj_jni_files ${ANDROID_NDK}/sources/android/native_app_glue/android_native_app_glue.c) @@ -291,7 +288,9 @@ macro(add_android_project target path) endif() add_library(${JNI_LIB_NAME} MODULE ${android_proj_jni_files}) - target_link_libraries(${JNI_LIB_NAME} ${OPENCV_LINKER_LIBS} ${android_proj_NATIVE_DEPS}) + ocv_target_include_modules_recurse(${JNI_LIB_NAME} ${android_proj_NATIVE_DEPS}) + ocv_target_include_directories(${JNI_LIB_NAME} "${path}/jni") + ocv_target_link_libraries(${JNI_LIB_NAME} ${OPENCV_LINKER_LIBS} ${android_proj_NATIVE_DEPS}) set_target_properties(${JNI_LIB_NAME} PROPERTIES OUTPUT_NAME "${JNI_LIB_NAME}" diff --git a/cmake/OpenCVDetectPython.cmake b/cmake/OpenCVDetectPython.cmake index 95a26dbf32..91e62e38c6 100644 --- a/cmake/OpenCVDetectPython.cmake +++ b/cmake/OpenCVDetectPython.cmake @@ -1,101 +1,240 @@ -if(WIN32 AND NOT PYTHON_EXECUTABLE) - # search for executable with the same bitness as resulting binaries - # standard FindPythonInterp always prefers executable from system path - # this is really important because we are using the interpreter for numpy search and for choosing the install location - foreach(_CURRENT_VERSION ${Python_ADDITIONAL_VERSIONS} 2.7 "${MIN_VER_PYTHON}") - find_host_program(PYTHON_EXECUTABLE - NAMES python${_CURRENT_VERSION} python - PATHS - [HKEY_LOCAL_MACHINE\\\\SOFTWARE\\\\Python\\\\PythonCore\\\\${_CURRENT_VERSION}\\\\InstallPath] - [HKEY_CURRENT_USER\\\\SOFTWARE\\\\Python\\\\PythonCore\\\\${_CURRENT_VERSION}\\\\InstallPath] - NO_SYSTEM_ENVIRONMENT_PATH - ) - endforeach() -endif() -find_host_package(PythonInterp 2.7) -if(NOT PYTHONINTERP_FOUND) -find_host_package(PythonInterp "${MIN_VER_PYTHON}") +# Find specified Python version +# Arguments: +# preferred_version (value): Version to check for first +# min_version (value): Minimum supported version +# library_env (value): Name of Python library ENV variable to check +# include_dir_env (value): Name of Python include directory ENV variable to check +# found (variable): Set if interpreter found +# executable (variable): Output of executable found +# version_string (variable): Output of found version +# version_major (variable): Output of found major version +# version_minor (variable): Output of found minor version +# libs_found (variable): Set if libs found +# libs_version_string (variable): Output of found libs version +# libraries (variable): Output of found Python libraries +# library (variable): Output of found Python library +# debug_libraries (variable): Output of found Python debug libraries +# debug_library (variable): Output of found Python debug library +# include_path (variable): Output of found Python include path +# include_dir (variable): Output of found Python include dir +# include_dir2 (variable): Output of found Python include dir2 +# packages_path (variable): Output of found Python packages path +# numpy_include_dirs (variable): Output of found Python Numpy include dirs +# numpy_version (variable): Output of found Python Numpy version +function(find_python preferred_version min_version library_env include_dir_env + found executable version_string version_major version_minor + libs_found libs_version_string libraries library debug_libraries + debug_library include_path include_dir include_dir2 packages_path + numpy_include_dirs numpy_version) + + ocv_check_environment_variables(${executable}) + if(${executable}) + set(PYTHON_EXECUTABLE "${${executable}}") + endif() + + if(WIN32 AND NOT ${executable}) + # search for executable with the same bitness as resulting binaries + # standard FindPythonInterp always prefers executable from system path + # this is really important because we are using the interpreter for numpy search and for choosing the install location + foreach(_CURRENT_VERSION ${Python_ADDITIONAL_VERSIONS} "${preferred_version}" "${min_version}") + find_host_program(executable + NAMES python${_CURRENT_VERSION} python + PATHS + [HKEY_LOCAL_MACHINE\\\\SOFTWARE\\\\Python\\\\PythonCore\\\\${_CURRENT_VERSION}\\\\InstallPath] + [HKEY_CURRENT_USER\\\\SOFTWARE\\\\Python\\\\PythonCore\\\\${_CURRENT_VERSION}\\\\InstallPath] + NO_SYSTEM_ENVIRONMENT_PATH + ) + endforeach() + endif() + + find_host_package(PythonInterp "${preferred_version}") + if(NOT PYTHONINTERP_FOUND) + find_host_package(PythonInterp "${min_version}") + endif() + + if(PYTHONINTERP_FOUND) + # Copy outputs + set(_found ${PYTHONINTERP_FOUND}) + set(_executable ${PYTHON_EXECUTABLE}) + set(_version_string ${PYTHON_VERSION_STRING}) + set(_version_major ${PYTHON_VERSION_MAJOR}) + set(_version_minor ${PYTHON_VERSION_MINOR}) + set(_version_patch ${PYTHON_VERSION_PATCH}) + + # Clear find_host_package side effects + unset(PYTHONINTERP_FOUND) + unset(PYTHON_EXECUTABLE CACHE) + unset(PYTHON_VERSION_STRING) + unset(PYTHON_VERSION_MAJOR) + unset(PYTHON_VERSION_MINOR) + unset(PYTHON_VERSION_PATCH) + endif() + + if(_found) + set(_version_major_minor "${_version_major}.${_version_minor}") + + if(NOT ANDROID AND NOT IOS) + ocv_check_environment_variables(${library_env} ${include_dir_env}) + if(${library}) + set(PYTHON_LIBRARY "${${library_env}}") + endif() + if(${include_dir}) + set(PYTHON_INCLUDE_DIR "${${include_dir_env}}") + endif() + + # not using _version_string here, because it might not conform to the CMake version format + find_host_package(PythonLibs "${_version_major_minor}.${_version_patch}" EXACT) + + if(PYTHONLIBS_FOUND) + # Copy outputs + set(_libs_found ${PYTHONLIBS_FOUND}) + set(_libraries ${PYTHON_LIBRARIES}) + set(_include_path ${PYTHON_INCLUDE_PATH}) + set(_include_dirs ${PYTHON_INCLUDE_DIRS}) + set(_debug_libraries ${PYTHON_DEBUG_LIBRARIES}) + set(_libs_version_string ${PYTHONLIBS_VERSION_STRING}) + set(_debug_library ${PYTHON_DEBUG_LIBRARY}) + set(_library ${PYTHON_LIBRARY}) + set(_library_debug ${PYTHON_LIBRARY_DEBUG}) + set(_library_release ${PYTHON_LIBRARY_RELEASE}) + set(_include_dir ${PYTHON_INCLUDE_DIR}) + set(_include_dir2 ${PYTHON_INCLUDE_DIR2}) + + # Clear find_host_package side effects + unset(PYTHONLIBS_FOUND) + unset(PYTHON_LIBRARIES) + unset(PYTHON_INCLUDE_PATH) + unset(PYTHON_INCLUDE_DIRS) + unset(PYTHON_DEBUG_LIBRARIES) + unset(PYTHONLIBS_VERSION_STRING) + unset(PYTHON_DEBUG_LIBRARY CACHE) + unset(PYTHON_LIBRARY) + unset(PYTHON_LIBRARY_DEBUG) + unset(PYTHON_LIBRARY_RELEASE) + unset(PYTHON_LIBRARY CACHE) + unset(PYTHON_LIBRARY_DEBUG CACHE) + unset(PYTHON_LIBRARY_RELEASE CACHE) + unset(PYTHON_INCLUDE_DIR CACHE) + unset(PYTHON_INCLUDE_DIR2 CACHE) + endif() + endif() + + if(NOT ANDROID AND NOT IOS) + if(CMAKE_HOST_UNIX) + execute_process(COMMAND ${_executable} -c "from distutils.sysconfig import *; print(get_python_lib())" + RESULT_VARIABLE _cvpy_process + OUTPUT_VARIABLE _std_packages_path + OUTPUT_STRIP_TRAILING_WHITESPACE) + if("${_std_packages_path}" MATCHES "site-packages") + set(_packages_path "python${_version_major_minor}/site-packages") + else() #debian based assumed, install to the dist-packages. + set(_packages_path "python${_version_major_minor}/dist-packages") + endif() + if(EXISTS "${CMAKE_INSTALL_PREFIX}/lib${LIB_SUFFIX}/${${packages_path}}") + set(_packages_path "lib${LIB_SUFFIX}/${_packages_path}") + else() + set(_packages_path "lib/${_packages_path}") + endif() + elseif(CMAKE_HOST_WIN32) + get_filename_component(_path "${_executable}" PATH) + file(TO_CMAKE_PATH "${_path}" _path) + if(NOT EXISTS "${_path}/Lib/site-packages") + unset(_path) + get_filename_component(_path "[HKEY_LOCAL_MACHINE\\SOFTWARE\\Python\\PythonCore\\${_version_major_minor}\\InstallPath]" ABSOLUTE) + if(NOT _path) + get_filename_component(_path "[HKEY_CURRENT_USER\\SOFTWARE\\Python\\PythonCore\\${_version_major_minor}\\InstallPath]" ABSOLUTE) + endif() + file(TO_CMAKE_PATH "${_path}" _path) + endif() + set(_packages_path "${_path}/Lib/site-packages") + unset(_path) + endif() + + set(_numpy_include_dirs ${${numpy_include_dirs}}) + + if(NOT _numpy_include_dirs) + if(CMAKE_CROSSCOMPILING) + message(STATUS "Cannot probe for Python/Numpy support (because we are cross-compiling OpenCV)") + message(STATUS "If you want to enable Python/Numpy support, set the following variables:") + message(STATUS " PYTHON2_INCLUDE_PATH") + message(STATUS " PYTHON2_LIBRARIES") + message(STATUS " PYTHON2_NUMPY_INCLUDE_DIRS") + message(STATUS " PYTHON3_INCLUDE_PATH") + message(STATUS " PYTHON3_LIBRARIES") + message(STATUS " PYTHON3_NUMPY_INCLUDE_DIRS") + else() + # Attempt to discover the NumPy include directory. If this succeeds, then build python API with NumPy + execute_process(COMMAND "${_executable}" -c "import os; os.environ['DISTUTILS_USE_SDK']='1'; import numpy.distutils; print(os.pathsep.join(numpy.distutils.misc_util.get_numpy_include_dirs()))" + RESULT_VARIABLE _numpy_process + OUTPUT_VARIABLE _numpy_include_dirs + OUTPUT_STRIP_TRAILING_WHITESPACE) + + if(NOT _numpy_process EQUAL 0) + unset(_numpy_include_dirs) + endif() + endif() + endif() + + if(_numpy_include_dirs) + file(TO_CMAKE_PATH "${_numpy_include_dirs}" _numpy_include_dirs) + if(CMAKE_CROSSCOMPILING) + if(NOT _numpy_version) + set(_numpy_version "undefined - cannot be probed because of the cross-compilation") + endif() + else() + execute_process(COMMAND "${_executable}" -c "import numpy; print(numpy.version.version)" + RESULT_VARIABLE _numpy_process + OUTPUT_VARIABLE _numpy_version + OUTPUT_STRIP_TRAILING_WHITESPACE) + endif() + endif() + endif(NOT ANDROID AND NOT IOS) + endif() + + # Export return values + set(${found} "${_found}" PARENT_SCOPE) + set(${executable} "${_executable}" CACHE FILEPATH "Path to Python interpretor") + set(${version_string} "${_version_string}" PARENT_SCOPE) + set(${version_major} "${_version_major}" PARENT_SCOPE) + set(${version_minor} "${_version_minor}" PARENT_SCOPE) + set(${libs_found} "${_libs_found}" PARENT_SCOPE) + set(${libs_version_string} "${_libs_version_string}" PARENT_SCOPE) + set(${libraries} "${_libraries}" PARENT_SCOPE) + set(${library} "${_library}" CACHE FILEPATH "Path to Python library") + set(${debug_libraries} "${_debug_libraries}" PARENT_SCOPE) + set(${debug_library} "${_debug_library}" CACHE FILEPATH "Path to Python debug") + set(${include_path} "${_include_path}" PARENT_SCOPE) + set(${include_dir} "${_include_dir}" CACHE PATH "Python include dir") + set(${include_dir2} "${_include_dir2}" CACHE PATH "Python include dir 2") + set(${packages_path} "${_packages_path}" CACHE PATH "Where to install the python packages.") + set(${numpy_include_dirs} ${_numpy_include_dirs} CACHE PATH "Path to numpy headers") + set(${numpy_version} "${_numpy_version}" PARENT_SCOPE) +endfunction(find_python) + +find_python(2.7 "${MIN_VER_PYTHON2}" PYTHON2_LIBRARY PYTHON2_INCLUDE_DIR + PYTHON2INTERP_FOUND PYTHON2_EXECUTABLE PYTHON2_VERSION_STRING + PYTHON2_VERSION_MAJOR PYTHON2_VERSION_MINOR PYTHON2LIBS_FOUND + PYTHON2LIBS_VERSION_STRING PYTHON2_LIBRARIES PYTHON2_LIBRARY + PYTHON2_DEBUG_LIBRARIES PYTHON2_LIBRARY_DEBUG PYTHON2_INCLUDE_PATH + PYTHON2_INCLUDE_DIR PYTHON2_INCLUDE_DIR2 PYTHON2_PACKAGES_PATH + PYTHON2_NUMPY_INCLUDE_DIRS PYTHON2_NUMPY_VERSION) + +find_python(3.4 "${MIN_VER_PYTHON3}" PYTHON3_LIBRARY PYTHON3_INCLUDE_DIR + PYTHON3INTERP_FOUND PYTHON3_EXECUTABLE PYTHON3_VERSION_STRING + PYTHON3_VERSION_MAJOR PYTHON3_VERSION_MINOR PYTHON3LIBS_FOUND + PYTHON3LIBS_VERSION_STRING PYTHON3_LIBRARIES PYTHON3_LIBRARY + PYTHON3_DEBUG_LIBRARIES PYTHON3_LIBRARY_DEBUG PYTHON3_INCLUDE_PATH + PYTHON3_INCLUDE_DIR PYTHON3_INCLUDE_DIR2 PYTHON3_PACKAGES_PATH + PYTHON3_NUMPY_INCLUDE_DIRS PYTHON3_NUMPY_VERSION) + +# Use Python 2 as default Python interpreter +if(PYTHON2LIBS_FOUND) + set(PYTHON_DEFAULT_AVAILABLE "TRUE") + set(PYTHON_DEFAULT_EXECUTABLE "${PYTHON2_EXECUTABLE}") endif() unset(HAVE_SPHINX CACHE) -if(PYTHONINTERP_FOUND) - set(PYTHON_VERSION_MAJOR_MINOR "${PYTHON_VERSION_MAJOR}.${PYTHON_VERSION_MINOR}") - - if(NOT ANDROID AND NOT IOS) - ocv_check_environment_variables(PYTHON_LIBRARY PYTHON_INCLUDE_DIR) - # not using PYTHON_VERSION_STRING here, because it might not conform to the CMake version format - find_host_package(PythonLibs "${PYTHON_VERSION_MAJOR_MINOR}.${PYTHON_VERSION_PATCH}" EXACT) - endif() - - if(NOT ANDROID AND NOT IOS) - if(CMAKE_HOST_UNIX) - execute_process(COMMAND ${PYTHON_EXECUTABLE} -c "from distutils.sysconfig import *; print(get_python_lib())" - RESULT_VARIABLE PYTHON_CVPY_PROCESS - OUTPUT_VARIABLE PYTHON_STD_PACKAGES_PATH - OUTPUT_STRIP_TRAILING_WHITESPACE) - if("${PYTHON_STD_PACKAGES_PATH}" MATCHES "site-packages") - set(_PYTHON_PACKAGES_PATH "python${PYTHON_VERSION_MAJOR_MINOR}/site-packages") - else() #debian based assumed, install to the dist-packages. - set(_PYTHON_PACKAGES_PATH "python${PYTHON_VERSION_MAJOR_MINOR}/dist-packages") - endif() - if(EXISTS "${CMAKE_INSTALL_PREFIX}/lib${LIB_SUFFIX}/${PYTHON_PACKAGES_PATH}") - set(_PYTHON_PACKAGES_PATH "lib${LIB_SUFFIX}/${_PYTHON_PACKAGES_PATH}") - else() - set(_PYTHON_PACKAGES_PATH "lib/${_PYTHON_PACKAGES_PATH}") - endif() - elseif(CMAKE_HOST_WIN32) - get_filename_component(PYTHON_PATH "${PYTHON_EXECUTABLE}" PATH) - file(TO_CMAKE_PATH "${PYTHON_PATH}" PYTHON_PATH) - if(NOT EXISTS "${PYTHON_PATH}/Lib/site-packages") - unset(PYTHON_PATH) - get_filename_component(PYTHON_PATH "[HKEY_LOCAL_MACHINE\\SOFTWARE\\Python\\PythonCore\\${PYTHON_VERSION_MAJOR_MINOR}\\InstallPath]" ABSOLUTE) - if(NOT PYTHON_PATH) - get_filename_component(PYTHON_PATH "[HKEY_CURRENT_USER\\SOFTWARE\\Python\\PythonCore\\${PYTHON_VERSION_MAJOR_MINOR}\\InstallPath]" ABSOLUTE) - endif() - file(TO_CMAKE_PATH "${PYTHON_PATH}" PYTHON_PATH) - endif() - set(_PYTHON_PACKAGES_PATH "${PYTHON_PATH}/Lib/site-packages") - endif() - SET(PYTHON_PACKAGES_PATH "${_PYTHON_PACKAGES_PATH}" CACHE PATH "Where to install the python packages.") - - if(NOT PYTHON_NUMPY_INCLUDE_DIRS) - if(CMAKE_CROSSCOMPILING) - message(STATUS "Cannot probe for Python/Numpy support (because we are cross-compiling OpenCV)") - message(STATUS "If you want to enable Python/Numpy support, set the following variables:") - message(STATUS " PYTHON_INCLUDE_PATH") - message(STATUS " PYTHON_LIBRARIES") - message(STATUS " PYTHON_NUMPY_INCLUDE_DIRS") - else() - # Attempt to discover the NumPy include directory. If this succeeds, then build python API with NumPy - execute_process(COMMAND "${PYTHON_EXECUTABLE}" -c "import os; os.environ['DISTUTILS_USE_SDK']='1'; import numpy.distutils; print(os.pathsep.join(numpy.distutils.misc_util.get_numpy_include_dirs()))" - RESULT_VARIABLE PYTHON_NUMPY_PROCESS - OUTPUT_VARIABLE PYTHON_NUMPY_INCLUDE_DIRS - OUTPUT_STRIP_TRAILING_WHITESPACE) - - if(NOT PYTHON_NUMPY_PROCESS EQUAL 0) - unset(PYTHON_NUMPY_INCLUDE_DIRS) - endif() - endif() - endif() - - if(PYTHON_NUMPY_INCLUDE_DIRS) - file(TO_CMAKE_PATH "${PYTHON_NUMPY_INCLUDE_DIRS}" _PYTHON_NUMPY_INCLUDE_DIRS) - set(PYTHON_NUMPY_INCLUDE_DIRS ${_PYTHON_NUMPY_INCLUDE_DIRS} CACHE PATH "Path to numpy headers") - if(CMAKE_CROSSCOMPILING) - if(NOT PYTHON_NUMPY_VERSION) - set(PYTHON_NUMPY_VERSION "undefined - cannot be probed because of the cross-compilation") - endif() - else() - execute_process(COMMAND "${PYTHON_EXECUTABLE}" -c "import numpy; print(numpy.version.version)" - RESULT_VARIABLE PYTHON_NUMPY_PROCESS - OUTPUT_VARIABLE PYTHON_NUMPY_VERSION - OUTPUT_STRIP_TRAILING_WHITESPACE) - endif() - endif() - endif(NOT ANDROID AND NOT IOS) -endif() - if(BUILD_DOCS) find_host_program(SPHINX_BUILD sphinx-build) find_host_program(PLANTUML plantuml) diff --git a/cmake/OpenCVMinDepVersions.cmake b/cmake/OpenCVMinDepVersions.cmake index 9dae725481..e8591e26e2 100644 --- a/cmake/OpenCVMinDepVersions.cmake +++ b/cmake/OpenCVMinDepVersions.cmake @@ -1,5 +1,6 @@ set(MIN_VER_CMAKE 2.8.7) set(MIN_VER_CUDA 4.2) -set(MIN_VER_PYTHON 2.6) +set(MIN_VER_PYTHON2 2.6) +set(MIN_VER_PYTHON3 3.2) set(MIN_VER_ZLIB 1.2.3) set(MIN_VER_GTK 2.18.0) diff --git a/cmake/OpenCVModule.cmake b/cmake/OpenCVModule.cmake index 3f4da5f106..d53f0666ec 100644 --- a/cmake/OpenCVModule.cmake +++ b/cmake/OpenCVModule.cmake @@ -6,16 +6,19 @@ # Global variables: # # OPENCV_MODULE_${the_module}_LOCATION +# OPENCV_MODULE_${the_module}_BINARY_DIR # OPENCV_MODULE_${the_module}_DESCRIPTION # OPENCV_MODULE_${the_module}_CLASS - PUBLIC|INTERNAL|BINDINGS # OPENCV_MODULE_${the_module}_HEADERS # OPENCV_MODULE_${the_module}_SOURCES # OPENCV_MODULE_${the_module}_DEPS - final flattened set of module dependencies +# OPENCV_MODULE_${the_module}_DEPS_TO_LINK - differs from above for world build only # OPENCV_MODULE_${the_module}_DEPS_EXT - non-module dependencies # OPENCV_MODULE_${the_module}_REQ_DEPS # OPENCV_MODULE_${the_module}_OPT_DEPS # OPENCV_MODULE_${the_module}_PRIVATE_REQ_DEPS # OPENCV_MODULE_${the_module}_PRIVATE_OPT_DEPS +# OPENCV_MODULE_${the_module}_IS_PART_OF_WORLD # HAVE_${the_module} - for fast check of module availability # To control the setup of the module you could also set: @@ -53,6 +56,7 @@ foreach(mod ${OPENCV_MODULES_BUILD} ${OPENCV_MODULES_DISABLED_USER} ${OPENCV_MOD unset(OPENCV_MODULE_${mod}_OPT_DEPS CACHE) unset(OPENCV_MODULE_${mod}_PRIVATE_REQ_DEPS CACHE) unset(OPENCV_MODULE_${mod}_PRIVATE_OPT_DEPS CACHE) + unset(OPENCV_MODULE_${mod}_LINK_DEPS CACHE) endforeach() # clean modules info which needs to be recalculated @@ -61,6 +65,7 @@ set(OPENCV_MODULES_BUILD "" CACHE INTERNAL "List of OpenCV modules incl set(OPENCV_MODULES_DISABLED_USER "" CACHE INTERNAL "List of OpenCV modules explicitly disabled by user") set(OPENCV_MODULES_DISABLED_AUTO "" CACHE INTERNAL "List of OpenCV modules implicitly disabled due to dependencies") set(OPENCV_MODULES_DISABLED_FORCE "" CACHE INTERNAL "List of OpenCV modules which can not be build in current configuration") +unset(OPENCV_WORLD_MODULES CACHE) # adds dependencies to OpenCV module # Usage: @@ -68,6 +73,7 @@ set(OPENCV_MODULES_DISABLED_FORCE "" CACHE INTERNAL "List of OpenCV modules whic # Notes: # * - can include full names of modules or full pathes to shared/static libraries or cmake targets macro(ocv_add_dependencies full_modname) + ocv_debug_message("ocv_add_dependencies(" ${full_modname} ${ARGN} ")") #we don't clean the dependencies here to allow this macro several times for every module foreach(d "REQUIRED" ${ARGN}) if(d STREQUAL "REQUIRED") @@ -105,6 +111,7 @@ endmacro() # Example: # ocv_add_module(yaom INTERNAL opencv_core opencv_highgui opencv_flann OPTIONAL opencv_cuda) macro(ocv_add_module _name) + ocv_debug_message("ocv_add_module(" ${_name} ${ARGN} ")") string(TOLOWER "${_name}" name) string(REGEX REPLACE "^opencv_" "" ${name} "${name}") set(the_module opencv_${name}) @@ -134,6 +141,8 @@ macro(ocv_add_module _name) set(OPENCV_MODULE_${the_module}_DESCRIPTION "${the_description}" CACHE INTERNAL "Brief description of ${the_module} module") set(OPENCV_MODULE_${the_module}_LOCATION "${CMAKE_CURRENT_SOURCE_DIR}" CACHE INTERNAL "Location of ${the_module} module sources") + set(OPENCV_MODULE_${the_module}_LINK_DEPS "" CACHE INTERNAL "") + # parse list of dependencies if("${ARGV1}" STREQUAL "INTERNAL" OR "${ARGV1}" STREQUAL "BINDINGS") set(OPENCV_MODULE_${the_module}_CLASS "${ARGV1}" CACHE INTERNAL "The category of the module") @@ -150,8 +159,14 @@ macro(ocv_add_module _name) endif() # add self to the world dependencies - if(NOT DEFINED OPENCV_MODULE_IS_PART_OF_WORLD AND NOT OPENCV_MODULE_${the_module}_CLASS STREQUAL "BINDINGS" OR OPENCV_MODULE_IS_PART_OF_WORLD) + if((NOT DEFINED OPENCV_MODULE_IS_PART_OF_WORLD AND NOT OPENCV_MODULE_${the_module}_CLASS STREQUAL "BINDINGS" + AND NOT OPENCV_PROCESSING_EXTRA_MODULES) + OR OPENCV_MODULE_IS_PART_OF_WORLD + ) + set(OPENCV_MODULE_${the_module}_IS_PART_OF_WORLD ON CACHE INTERNAL "") ocv_add_dependencies(opencv_world OPTIONAL ${the_module}) + else() + set(OPENCV_MODULE_${the_module}_IS_PART_OF_WORLD OFF CACHE INTERNAL "") endif() if(BUILD_${the_module}) @@ -164,12 +179,15 @@ macro(ocv_add_module _name) # stop processing of current file return() - else(OPENCV_INITIAL_PASS) + else() + set(OPENCV_MODULE_${the_module}_BINARY_DIR "${CMAKE_CURRENT_BINARY_DIR}" CACHE INTERNAL "") if(NOT BUILD_${the_module}) return() # extra protection from redefinition endif() - project(${the_module}) - endif(OPENCV_INITIAL_PASS) + if((NOT OPENCV_MODULE_${the_module}_IS_PART_OF_WORLD AND NOT ${the_module} STREQUAL opencv_world) OR NOT ${BUILD_opencv_world}) + project(${the_module}) + endif() + endif() endmacro() # excludes module from current configuration @@ -200,7 +218,11 @@ macro(ocv_glob_modules) # collect modules set(OPENCV_INITIAL_PASS ON) + set(OPENCV_PROCESSING_EXTRA_MODULES 0) foreach(__path ${ARGN}) + if("${__path}" STREQUAL "EXTRA") + set(OPENCV_PROCESSING_EXTRA_MODULES 1) + endif() get_filename_component(__path "${__path}" ABSOLUTE) list(FIND __directories_observed "${__path}" __pathIdx) @@ -222,16 +244,7 @@ macro(ocv_glob_modules) endif() list(APPEND __directories_observed "${__modpath}") - if(OCV_MODULE_RELOCATE_ON_INITIAL_PASS) - file(MAKE_DIRECTORY "${CMAKE_CURRENT_BINARY_DIR}/${mod}/.${mod}") - file(COPY "${__modpath}/CMakeLists.txt" DESTINATION "${CMAKE_CURRENT_BINARY_DIR}/${mod}/.${mod}") - add_subdirectory("${CMAKE_CURRENT_BINARY_DIR}/${mod}/.${mod}" "${CMAKE_CURRENT_BINARY_DIR}/${mod}/.${mod}") - if("${OPENCV_MODULE_opencv_${mod}_LOCATION}" STREQUAL "${CMAKE_CURRENT_BINARY_DIR}/${mod}/.${mod}") - set(OPENCV_MODULE_opencv_${mod}_LOCATION "${__modpath}" CACHE PATH "" FORCE) - endif() - else() - add_subdirectory("${__modpath}" "${CMAKE_CURRENT_BINARY_DIR}/${mod}/.${mod}") - endif() + add_subdirectory("${__modpath}" "${CMAKE_CURRENT_BINARY_DIR}/${mod}/.${mod}") endif() endforeach() endif() @@ -244,15 +257,31 @@ macro(ocv_glob_modules) # create modules set(OPENCV_INITIAL_PASS OFF PARENT_SCOPE) set(OPENCV_INITIAL_PASS OFF) - foreach(m ${OPENCV_MODULES_BUILD}) - if(m MATCHES "^opencv_") - string(REGEX REPLACE "^opencv_" "" __shortname "${m}") - add_subdirectory("${OPENCV_MODULE_${m}_LOCATION}" "${CMAKE_CURRENT_BINARY_DIR}/${__shortname}") - else() - message(WARNING "Check module name: ${m}") - add_subdirectory("${OPENCV_MODULE_${m}_LOCATION}" "${CMAKE_CURRENT_BINARY_DIR}/${m}") - endif() - endforeach() + if(${BUILD_opencv_world}) + add_subdirectory("${OPENCV_MODULE_opencv_world_LOCATION}" "${CMAKE_CURRENT_BINARY_DIR}/world") + foreach(m ${OPENCV_MODULES_BUILD}) + if(NOT OPENCV_MODULE_${m}_IS_PART_OF_WORLD AND NOT ${m} STREQUAL opencv_world) + message(STATUS "Processing module ${m}...") + if(m MATCHES "^opencv_") + string(REGEX REPLACE "^opencv_" "" __shortname "${m}") + add_subdirectory("${OPENCV_MODULE_${m}_LOCATION}" "${CMAKE_CURRENT_BINARY_DIR}/${__shortname}") + else() + message(WARNING "Check module name: ${m}") + add_subdirectory("${OPENCV_MODULE_${m}_LOCATION}" "${CMAKE_CURRENT_BINARY_DIR}/${m}") + endif() + endif() + endforeach() + else() + foreach(m ${OPENCV_MODULES_BUILD}) + if(m MATCHES "^opencv_") + string(REGEX REPLACE "^opencv_" "" __shortname "${m}") + add_subdirectory("${OPENCV_MODULE_${m}_LOCATION}" "${CMAKE_CURRENT_BINARY_DIR}/${__shortname}") + else() + message(WARNING "Check module name: ${m}") + add_subdirectory("${OPENCV_MODULE_${m}_LOCATION}" "${CMAKE_CURRENT_BINARY_DIR}/${m}") + endif() + endforeach() + endif() unset(__shortname) endmacro() @@ -394,11 +423,36 @@ function(__ocv_resolve_dependencies) __ocv_sort_modules_by_deps(OPENCV_MODULE_${m}_DEPS) ocv_list_sort(OPENCV_MODULE_${m}_DEPS_EXT) + set(LINK_DEPS ${OPENCV_MODULE_${m}_DEPS}) + + # process world + if(BUILD_opencv_world) + if(OPENCV_MODULE_${m}_IS_PART_OF_WORLD) + list(APPEND OPENCV_WORLD_MODULES ${m}) + endif() + foreach(m2 ${OPENCV_MODULES_BUILD}) + if(OPENCV_MODULE_${m2}_IS_PART_OF_WORLD) + if(";${LINK_DEPS};" MATCHES ";${m2};") + list(REMOVE_ITEM LINK_DEPS ${m2}) + if(NOT (";${LINK_DEPS};" MATCHES ";opencv_world;") AND NOT (${m} STREQUAL opencv_world)) + list(APPEND LINK_DEPS opencv_world) + endif() + endif() + if(${m} STREQUAL opencv_world) + list(APPEND OPENCV_MODULE_opencv_world_DEPS_EXT ${OPENCV_MODULE_${m2}_DEPS_EXT}) + endif() + endif() + endforeach() + endif() + set(OPENCV_MODULE_${m}_DEPS ${OPENCV_MODULE_${m}_DEPS} CACHE INTERNAL "Flattened dependencies of ${m} module") set(OPENCV_MODULE_${m}_DEPS_EXT ${OPENCV_MODULE_${m}_DEPS_EXT} CACHE INTERNAL "Extra dependencies of ${m} module") + set(OPENCV_MODULE_${m}_DEPS_TO_LINK ${LINK_DEPS} CACHE INTERNAL "Flattened dependencies of ${m} module (for linker)") -# message(STATUS " module deps: ${OPENCV_MODULE_${m}_DEPS}") -# message(STATUS " extra deps: ${OPENCV_MODULE_${m}_DEPS_EXT}") +# message(STATUS " module deps of ${m}: ${OPENCV_MODULE_${m}_DEPS}") +# message(STATUS " module link deps of ${m}: ${OPENCV_MODULE_${m}_DEPS_TO_LINK}") +# message(STATUS " extra deps of ${m}: ${OPENCV_MODULE_${m}_DEPS_EXT}") +# message(STATUS "") endforeach() __ocv_sort_modules_by_deps(OPENCV_MODULES_BUILD) @@ -406,6 +460,7 @@ function(__ocv_resolve_dependencies) set(OPENCV_MODULES_PUBLIC ${OPENCV_MODULES_PUBLIC} CACHE INTERNAL "List of OpenCV modules marked for export") set(OPENCV_MODULES_BUILD ${OPENCV_MODULES_BUILD} CACHE INTERNAL "List of OpenCV modules included into the build") set(OPENCV_MODULES_DISABLED_AUTO ${OPENCV_MODULES_DISABLED_AUTO} CACHE INTERNAL "List of OpenCV modules implicitly disabled due to dependencies") + set(OPENCV_WORLD_MODULES ${OPENCV_WORLD_MODULES} CACHE INTERNAL "List of OpenCV modules included into the world") endfunction() @@ -422,18 +477,31 @@ macro(ocv_include_modules) endforeach() endmacro() -# setup include paths for the list of passed modules and recursively add dependent modules -macro(ocv_include_modules_recurse) +# setup include paths for the list of passed modules +macro(ocv_target_include_modules target) foreach(d ${ARGN}) if(d MATCHES "^opencv_" AND HAVE_${d}) if (EXISTS "${OPENCV_MODULE_${d}_LOCATION}/include") - ocv_include_directories("${OPENCV_MODULE_${d}_LOCATION}/include") - endif() - if(OPENCV_MODULE_${d}_DEPS) - ocv_include_modules(${OPENCV_MODULE_${d}_DEPS}) + ocv_target_include_directories(${target} "${OPENCV_MODULE_${d}_LOCATION}/include") endif() elseif(EXISTS "${d}") - ocv_include_directories("${d}") + ocv_target_include_directories(${target} "${d}") + endif() + endforeach() +endmacro() + +# setup include paths for the list of passed modules and recursively add dependent modules +macro(ocv_target_include_modules_recurse target) + foreach(d ${ARGN}) + if(d MATCHES "^opencv_" AND HAVE_${d}) + if (EXISTS "${OPENCV_MODULE_${d}_LOCATION}/include") + ocv_target_include_directories(${target} "${OPENCV_MODULE_${d}_LOCATION}/include") + endif() + if(OPENCV_MODULE_${d}_DEPS) + ocv_target_include_modules(${target} ${OPENCV_MODULE_${d}_DEPS}) + endif() + elseif(EXISTS "${d}") + ocv_target_include_directories(${target} "${d}") endif() endforeach() endmacro() @@ -441,11 +509,12 @@ endmacro() # setup include path for OpenCV headers for specified module # ocv_module_include_directories() macro(ocv_module_include_directories) - ocv_include_directories("${OPENCV_MODULE_${the_module}_LOCATION}/include" - "${OPENCV_MODULE_${the_module}_LOCATION}/src" - "${CMAKE_CURRENT_BINARY_DIR}" # for precompiled headers - ) - ocv_include_modules(${OPENCV_MODULE_${the_module}_DEPS} ${ARGN}) + ocv_target_include_directories(${the_module} + "${OPENCV_MODULE_${the_module}_LOCATION}/include" + "${OPENCV_MODULE_${the_module}_LOCATION}/src" + "${CMAKE_CURRENT_BINARY_DIR}" # for precompiled headers + ) + ocv_target_include_modules(${the_module} ${OPENCV_MODULE_${the_module}_DEPS} ${ARGN}) endmacro() @@ -454,6 +523,8 @@ endmacro() # Usage: # ocv_set_module_sources([HEADERS] [SOURCES] ) macro(ocv_set_module_sources) + ocv_debug_message("ocv_set_module_sources(" ${ARGN} ")") + set(OPENCV_MODULE_${the_module}_HEADERS "") set(OPENCV_MODULE_${the_module}_SOURCES "") @@ -481,31 +552,50 @@ endmacro() # Usage: # ocv_glob_module_sources([EXCLUDE_CUDA] ) macro(ocv_glob_module_sources) + ocv_debug_message("ocv_glob_module_sources(" ${ARGN} ")") set(_argn ${ARGN}) list(FIND _argn "EXCLUDE_CUDA" exclude_cuda) if(NOT exclude_cuda EQUAL -1) list(REMOVE_AT _argn ${exclude_cuda}) endif() - file(GLOB_RECURSE lib_srcs "src/*.cpp") - file(GLOB_RECURSE lib_int_hdrs "src/*.hpp" "src/*.h") - file(GLOB lib_hdrs "include/opencv2/*.hpp" "include/opencv2/${name}/*.hpp" "include/opencv2/${name}/*.h") - file(GLOB lib_hdrs_detail "include/opencv2/${name}/detail/*.hpp" "include/opencv2/${name}/detail/*.h") - file(GLOB_RECURSE lib_srcs_apple "src/*.mm") + file(GLOB_RECURSE lib_srcs + "${CMAKE_CURRENT_LIST_DIR}/src/*.cpp" + ) + file(GLOB_RECURSE lib_int_hdrs + "${CMAKE_CURRENT_LIST_DIR}/src/*.hpp" + "${CMAKE_CURRENT_LIST_DIR}/src/*.h" + ) + file(GLOB lib_hdrs + "${CMAKE_CURRENT_LIST_DIR}/include/opencv2/*.hpp" + "${CMAKE_CURRENT_LIST_DIR}/include/opencv2/${name}/*.hpp" + "${CMAKE_CURRENT_LIST_DIR}/include/opencv2/${name}/*.h" + ) + file(GLOB lib_hdrs_detail + "${CMAKE_CURRENT_LIST_DIR}/include/opencv2/${name}/detail/*.hpp" + "${CMAKE_CURRENT_LIST_DIR}/include/opencv2/${name}/detail/*.h" + ) if (APPLE) + file(GLOB_RECURSE lib_srcs_apple + "${CMAKE_CURRENT_LIST_DIR}/src/*.mm" + ) list(APPEND lib_srcs ${lib_srcs_apple}) endif() - ocv_source_group("Src" DIRBASE "${CMAKE_CURRENT_SOURCE_DIR}/src" FILES ${lib_srcs} ${lib_int_hdrs}) - ocv_source_group("Include" DIRBASE "${CMAKE_CURRENT_SOURCE_DIR}/include" FILES ${lib_hdrs} ${lib_hdrs_detail}) + ocv_source_group("Src" DIRBASE "${CMAKE_CURRENT_LIST_DIR}/src" FILES ${lib_srcs} ${lib_int_hdrs}) + ocv_source_group("Include" DIRBASE "${CMAKE_CURRENT_LIST_DIR}/include" FILES ${lib_hdrs} ${lib_hdrs_detail}) if (exclude_cuda EQUAL -1) - file(GLOB lib_cuda_srcs "src/cuda/*.cu") + file(GLOB lib_cuda_srcs + "${CMAKE_CURRENT_LIST_DIR}/src/cuda/*.cu" + ) set(cuda_objs "") set(lib_cuda_hdrs "") if(HAVE_CUDA) ocv_include_directories(${CUDA_INCLUDE_DIRS}) - file(GLOB lib_cuda_hdrs "src/cuda/*.hpp") + file(GLOB lib_cuda_hdrs + "${CMAKE_CURRENT_LIST_DIR}/src/cuda/*.hpp" + ) ocv_cuda_compile(cuda_objs ${lib_cuda_srcs} ${lib_cuda_hdrs}) source_group("Src\\Cuda" FILES ${lib_cuda_srcs} ${lib_cuda_hdrs}) @@ -516,17 +606,19 @@ macro(ocv_glob_module_sources) set(lib_cuda_hdrs "") endif() - file(GLOB cl_kernels "src/opencl/*.cl") + file(GLOB cl_kernels + "${CMAKE_CURRENT_LIST_DIR}/src/opencl/*.cl" + ) if(cl_kernels) + set(OCL_NAME opencl_kernels_${name}) ocv_include_directories(${OPENCL_INCLUDE_DIRS}) - string(REGEX REPLACE "opencv_" "" the_module_barename "${the_module}") add_custom_command( - OUTPUT "${CMAKE_CURRENT_BINARY_DIR}/opencl_kernels.cpp" "${CMAKE_CURRENT_BINARY_DIR}/opencl_kernels.hpp" - COMMAND ${CMAKE_COMMAND} -DMODULE_NAME="${the_module_barename}" -DCL_DIR="${CMAKE_CURRENT_SOURCE_DIR}/src/opencl" -DOUTPUT="${CMAKE_CURRENT_BINARY_DIR}/opencl_kernels.cpp" -P "${OpenCV_SOURCE_DIR}/cmake/cl2cpp.cmake" + OUTPUT "${CMAKE_CURRENT_BINARY_DIR}/${OCL_NAME}.cpp" "${CMAKE_CURRENT_BINARY_DIR}/${OCL_NAME}.hpp" + COMMAND ${CMAKE_COMMAND} -DMODULE_NAME="${name}" -DCL_DIR="${CMAKE_CURRENT_LIST_DIR}/src/opencl" -DOUTPUT="${CMAKE_CURRENT_BINARY_DIR}/${OCL_NAME}.cpp" -P "${OpenCV_SOURCE_DIR}/cmake/cl2cpp.cmake" DEPENDS ${cl_kernels} "${OpenCV_SOURCE_DIR}/cmake/cl2cpp.cmake") ocv_source_group("Src\\opencl\\kernels" FILES ${cl_kernels}) - ocv_source_group("Src\\opencl\\kernels\\autogenerated" FILES "${CMAKE_CURRENT_BINARY_DIR}/opencl_kernels.cpp" "${CMAKE_CURRENT_BINARY_DIR}/opencl_kernels.hpp") - list(APPEND lib_srcs ${cl_kernels} "${CMAKE_CURRENT_BINARY_DIR}/opencl_kernels.cpp" "${CMAKE_CURRENT_BINARY_DIR}/opencl_kernels.hpp") + ocv_source_group("Src\\opencl\\kernels\\autogenerated" FILES "${CMAKE_CURRENT_BINARY_DIR}/${OCL_NAME}.cpp" "${CMAKE_CURRENT_BINARY_DIR}/${OCL_NAME}.hpp") + list(APPEND lib_srcs ${cl_kernels} "${CMAKE_CURRENT_BINARY_DIR}/${OCL_NAME}.cpp" "${CMAKE_CURRENT_BINARY_DIR}/${OCL_NAME}.hpp") endif() ocv_set_module_sources(${_argn} HEADERS ${lib_hdrs} ${lib_hdrs_detail} @@ -537,29 +629,39 @@ endmacro() # creates new target, configures standard dependencies, compilers flags, install rules # Usage: # ocv_create_module() -# ocv_create_module(SKIP_LINK) +# ocv_create_module() macro(ocv_create_module) + ocv_debug_message("ocv_create_module(" ${ARGN} ")") + set(OPENCV_MODULE_${the_module}_LINK_DEPS "${OPENCV_MODULE_${the_module}_LINK_DEPS};${ARGN}" CACHE INTERNAL "") + if(${BUILD_opencv_world} AND OPENCV_MODULE_${the_module}_IS_PART_OF_WORLD) + # nothing + set(the_module_target opencv_world) + else() + _ocv_create_module(${ARGN}) + set(the_module_target ${the_module}) + endif() +endmacro() + +macro(_ocv_create_module) # The condition we ought to be testing here is whether ocv_add_precompiled_headers will # be called at some point in the future. We can't look into the future, though, # so this will have to do. - if(EXISTS "${CMAKE_CURRENT_SOURCE_DIR}/src/precomp.hpp") + if(EXISTS "${CMAKE_CURRENT_SOURCE_DIR}/src/precomp.hpp" AND NOT ${the_module} STREQUAL opencv_world) get_native_precompiled_header(${the_module} precomp.hpp) endif() - add_library(${the_module} ${OPENCV_MODULE_TYPE} ${OPENCV_MODULE_${the_module}_HEADERS} ${OPENCV_MODULE_${the_module}_SOURCES} + ocv_add_library(${the_module} ${OPENCV_MODULE_TYPE} ${OPENCV_MODULE_${the_module}_HEADERS} ${OPENCV_MODULE_${the_module}_SOURCES} "${OPENCV_CONFIG_FILE_INCLUDE_DIR}/cvconfig.h" "${OPENCV_CONFIG_FILE_INCLUDE_DIR}/opencv2/opencv_modules.hpp" ${${the_module}_pch}) if(NOT the_module STREQUAL opencv_ts) set_target_properties(${the_module} PROPERTIES COMPILE_DEFINITIONS OPENCV_NOSTL) endif() - if(NOT "${ARGN}" STREQUAL "SKIP_LINK") - target_link_libraries(${the_module} ${OPENCV_MODULE_${the_module}_DEPS}) - target_link_libraries(${the_module} LINK_INTERFACE_LIBRARIES ${OPENCV_MODULE_${the_module}_DEPS}) - target_link_libraries(${the_module} ${OPENCV_MODULE_${the_module}_DEPS_EXT} ${OPENCV_LINKER_LIBS} ${IPP_LIBS} ${ARGN}) - if (HAVE_CUDA) - target_link_libraries(${the_module} ${CUDA_LIBRARIES} ${CUDA_npp_LIBRARY}) - endif() + ocv_target_link_libraries(${the_module} ${OPENCV_MODULE_${the_module}_DEPS_TO_LINK}) + ocv_target_link_libraries(${the_module} LINK_INTERFACE_LIBRARIES ${OPENCV_MODULE_${the_module}_DEPS_TO_LINK}) + ocv_target_link_libraries(${the_module} ${OPENCV_MODULE_${the_module}_DEPS_EXT} ${OPENCV_LINKER_LIBS} ${IPP_LIBS} ${ARGN}) + if (HAVE_CUDA) + ocv_target_link_libraries(${the_module} ${CUDA_LIBRARIES} ${CUDA_npp_LIBRARY}) endif() add_dependencies(opencv_modules ${the_module}) @@ -614,13 +716,16 @@ macro(ocv_create_module) endif() endforeach() endif() + _ocv_add_precompiled_headers(${the_module}) endmacro() # opencv precompiled headers macro (can add pch to modules and tests) # this macro must be called after any "add_definitions" commands, otherwise precompiled headers will not work # Usage: # ocv_add_precompiled_headers(${the_module}) -macro(ocv_add_precompiled_headers the_target) +macro(_ocv_add_precompiled_headers the_target) + ocv_debug_message("ocv_add_precompiled_headers(" ${the_target} ${ARGN} ")") + if("${the_target}" MATCHES "^opencv_test_.*$") SET(pch_path "test/test_") elseif("${the_target}" MATCHES "^opencv_perf_.*$") @@ -637,6 +742,7 @@ endmacro() # Usage: # ocv_define_module(module_name [INTERNAL] [EXCLUDE_CUDA] [REQUIRED] [] [OPTIONAL ]) macro(ocv_define_module module_name) + ocv_debug_message("ocv_define_module(" ${module_name} ${ARGN} ")") set(_argn ${ARGN}) set(exclude_cuda "") foreach(arg ${_argn}) @@ -647,10 +753,9 @@ macro(ocv_define_module module_name) endforeach() ocv_add_module(${module_name} ${_argn}) - ocv_module_include_directories() ocv_glob_module_sources(${exclude_cuda}) + ocv_module_include_directories() ocv_create_module() - ocv_add_precompiled_headers(${the_module}) ocv_add_accuracy_tests() ocv_add_perf_tests() @@ -685,7 +790,7 @@ macro(__ocv_parse_test_sources tests_type) set(__file_group_name "") set(__file_group_sources "") elseif(arg STREQUAL "DEPENDS_ON") - set(__currentvar "OPENCV_TEST_${the_module}_DEPS") + set(__currentvar "OPENCV_${tests_type}_${the_module}_DEPS") elseif("${__currentvar}" STREQUAL "__file_group_sources" AND NOT __file_group_name) set(__file_group_name "${arg}") else() @@ -700,20 +805,20 @@ endmacro() # this is a command for adding OpenCV performance tests to the module # ocv_add_perf_tests() function(ocv_add_perf_tests) - set(perf_path "${CMAKE_CURRENT_SOURCE_DIR}/perf") + ocv_debug_message("ocv_add_perf_tests(" ${ARGN} ")") + + set(perf_path "${CMAKE_CURRENT_LIST_DIR}/perf") if(BUILD_PERF_TESTS AND EXISTS "${perf_path}") __ocv_parse_test_sources(PERF ${ARGN}) # opencv_imgcodecs is required for imread/imwrite - set(perf_deps ${the_module} opencv_ts opencv_imgcodecs ${OPENCV_PERF_${the_module}_DEPS} ${OPENCV_MODULE_opencv_ts_DEPS}) + set(perf_deps ${the_module} opencv_ts opencv_imgcodecs ${OPENCV_MODULE_${the_module}_DEPS} ${OPENCV_MODULE_opencv_ts_DEPS}) ocv_check_dependencies(${perf_deps}) if(OCV_DEPENDENCIES_FOUND) set(the_target "opencv_perf_${name}") # project(${the_target}) - ocv_module_include_directories(${perf_deps} "${perf_path}") - if(NOT OPENCV_PERF_${the_module}_SOURCES) file(GLOB_RECURSE perf_srcs "${perf_path}/*.cpp") file(GLOB_RECURSE perf_hdrs "${perf_path}/*.hpp" "${perf_path}/*.h") @@ -722,10 +827,13 @@ function(ocv_add_perf_tests) set(OPENCV_PERF_${the_module}_SOURCES ${perf_srcs} ${perf_hdrs}) endif() - get_native_precompiled_header(${the_target} perf_precomp.hpp) + if(NOT BUILD_opencv_world) + get_native_precompiled_header(${the_target} perf_precomp.hpp) + endif() - add_executable(${the_target} ${OPENCV_PERF_${the_module}_SOURCES} ${${the_target}_pch}) - target_link_libraries(${the_target} ${OPENCV_MODULE_${the_module}_DEPS} ${perf_deps} ${OPENCV_LINKER_LIBS}) + ocv_add_executable(${the_target} ${OPENCV_PERF_${the_module}_SOURCES} ${${the_target}_pch}) + ocv_target_include_modules(${the_target} ${perf_deps} "${perf_path}") + ocv_target_link_libraries(${the_target} ${OPENCV_MODULE_${the_module}_DEPS} ${perf_deps} ${OPENCV_LINKER_LIBS}) add_dependencies(opencv_perf_tests ${the_target}) # Additional target properties @@ -738,8 +846,9 @@ function(ocv_add_perf_tests) set_target_properties(${the_target} PROPERTIES FOLDER "tests performance") endif() - ocv_add_precompiled_headers(${the_target}) - + if(NOT BUILD_opencv_world) + _ocv_add_precompiled_headers(${the_target}) + endif() else(OCV_DEPENDENCIES_FOUND) # TODO: warn about unsatisfied dependencies endif(OCV_DEPENDENCIES_FOUND) @@ -752,21 +861,19 @@ endfunction() # this is a command for adding OpenCV accuracy/regression tests to the module # ocv_add_accuracy_tests([FILES ] [DEPENDS_ON] ) function(ocv_add_accuracy_tests) - set(test_path "${CMAKE_CURRENT_SOURCE_DIR}/test") - ocv_check_dependencies(${test_deps}) + ocv_debug_message("ocv_add_accuracy_tests(" ${ARGN} ")") + + set(test_path "${CMAKE_CURRENT_LIST_DIR}/test") if(BUILD_TESTS AND EXISTS "${test_path}") __ocv_parse_test_sources(TEST ${ARGN}) # opencv_imgcodecs is required for imread/imwrite - set(test_deps ${the_module} opencv_ts opencv_imgcodecs opencv_videoio ${OPENCV_TEST_${the_module}_DEPS} ${OPENCV_MODULE_opencv_ts_DEPS}) + set(test_deps ${the_module} opencv_ts opencv_imgcodecs opencv_videoio ${OPENCV_MODULE_${the_module}_DEPS} ${OPENCV_MODULE_opencv_ts_DEPS}) ocv_check_dependencies(${test_deps}) - if(OCV_DEPENDENCIES_FOUND) set(the_target "opencv_test_${name}") # project(${the_target}) - ocv_module_include_directories(${test_deps} "${test_path}") - if(NOT OPENCV_TEST_${the_module}_SOURCES) file(GLOB_RECURSE test_srcs "${test_path}/*.cpp") file(GLOB_RECURSE test_hdrs "${test_path}/*.hpp" "${test_path}/*.h") @@ -775,10 +882,13 @@ function(ocv_add_accuracy_tests) set(OPENCV_TEST_${the_module}_SOURCES ${test_srcs} ${test_hdrs}) endif() - get_native_precompiled_header(${the_target} test_precomp.hpp) - add_executable(${the_target} ${OPENCV_TEST_${the_module}_SOURCES} ${${the_target}_pch}) + if(NOT BUILD_opencv_world) + get_native_precompiled_header(${the_target} test_precomp.hpp) + endif() - target_link_libraries(${the_target} ${OPENCV_MODULE_${the_module}_DEPS} ${test_deps} ${OPENCV_LINKER_LIBS}) + ocv_add_executable(${the_target} ${OPENCV_TEST_${the_module}_SOURCES} ${${the_target}_pch}) + ocv_target_include_modules(${the_target} ${test_deps} "${test_path}") + ocv_target_link_libraries(${the_target} ${OPENCV_MODULE_${the_module}_DEPS} ${test_deps} ${OPENCV_LINKER_LIBS}) add_dependencies(opencv_tests ${the_target}) # Additional target properties @@ -795,7 +905,9 @@ function(ocv_add_accuracy_tests) get_target_property(LOC ${the_target} LOCATION) add_test(${the_target} "${LOC}") - ocv_add_precompiled_headers(${the_target}) + if(NOT BUILD_opencv_world) + _ocv_add_precompiled_headers(${the_target}) + endif() else(OCV_DEPENDENCIES_FOUND) # TODO: warn about unsatisfied dependencies endif(OCV_DEPENDENCIES_FOUND) @@ -807,6 +919,8 @@ function(ocv_add_accuracy_tests) endfunction() function(ocv_add_samples) + ocv_debug_message("ocv_add_samples(" ${ARGN} ")") + set(samples_path "${CMAKE_CURRENT_SOURCE_DIR}/samples") string(REGEX REPLACE "^opencv_" "" module_id ${the_module}) @@ -816,15 +930,14 @@ function(ocv_add_samples) if(OCV_DEPENDENCIES_FOUND) file(GLOB sample_sources "${samples_path}/*.cpp") - ocv_include_modules(${OPENCV_MODULE_${the_module}_DEPS}) foreach(source ${sample_sources}) get_filename_component(name "${source}" NAME_WE) set(the_target "example_${module_id}_${name}") - add_executable(${the_target} "${source}") - target_link_libraries(${the_target} ${samples_deps}) - + ocv_add_executable(${the_target} "${source}") + ocv_target_include_modules(${the_target} ${samples_deps}) + ocv_target_link_libraries(${the_target} ${samples_deps}) set_target_properties(${the_target} PROPERTIES PROJECT_LABEL "(sample) ${name}") if(ENABLE_SOLUTION_FOLDERS) @@ -847,82 +960,3 @@ function(ocv_add_samples) PERMISSIONS OWNER_READ GROUP_READ WORLD_READ COMPONENT samples) endif() endfunction() - -# internal macro; finds all link dependencies of the module -# should be used at the end of CMake processing -macro(__ocv_track_module_link_dependencies the_module optkind) - set(${the_module}_MODULE_DEPS_${optkind} "") - set(${the_module}_EXTRA_DEPS_${optkind} "") - - get_target_property(__module_type ${the_module} TYPE) - if(__module_type STREQUAL "STATIC_LIBRARY") - #in case of static library we have to inherit its dependencies (in right order!!!) - if(NOT DEFINED ${the_module}_LIB_DEPENDS_${optkind}) - ocv_split_libs_list(${the_module}_LIB_DEPENDS ${the_module}_LIB_DEPENDS_DBG ${the_module}_LIB_DEPENDS_OPT) - endif() - - set(__resolved_deps "") - set(__mod_depends ${${the_module}_LIB_DEPENDS_${optkind}}) - set(__has_cycle FALSE) - - while(__mod_depends) - list(GET __mod_depends 0 __dep) - list(REMOVE_AT __mod_depends 0) - if(__dep STREQUAL the_module) - set(__has_cycle TRUE) - else()#if("${OPENCV_MODULES_BUILD}" MATCHES "(^|;)${__dep}(;|$)") - ocv_regex_escape(__rdep "${__dep}") - if(__resolved_deps MATCHES "(^|;)${__rdep}(;|$)") - #all dependencies of this module are already resolved - list(APPEND ${the_module}_MODULE_DEPS_${optkind} "${__dep}") - else() - get_target_property(__module_type ${__dep} TYPE) - if(__module_type STREQUAL "STATIC_LIBRARY") - if(NOT DEFINED ${__dep}_LIB_DEPENDS_${optkind}) - ocv_split_libs_list(${__dep}_LIB_DEPENDS ${__dep}_LIB_DEPENDS_DBG ${__dep}_LIB_DEPENDS_OPT) - endif() - list(INSERT __mod_depends 0 ${${__dep}_LIB_DEPENDS_${optkind}} ${__dep}) - list(APPEND __resolved_deps "${__dep}") - elseif(NOT __module_type) - list(APPEND ${the_module}_EXTRA_DEPS_${optkind} "${__dep}") - endif() - endif() - #else() - # get_target_property(__dep_location "${__dep}" LOCATION) - endif() - endwhile() - - ocv_list_unique(${the_module}_MODULE_DEPS_${optkind}) - #ocv_list_reverse(${the_module}_MODULE_DEPS_${optkind}) - ocv_list_unique(${the_module}_EXTRA_DEPS_${optkind}) - #ocv_list_reverse(${the_module}_EXTRA_DEPS_${optkind}) - - if(__has_cycle) - # not sure if it can work - list(APPEND ${the_module}_MODULE_DEPS_${optkind} "${the_module}") - endif() - - unset(__dep_location) - unset(__mod_depends) - unset(__resolved_deps) - unset(__has_cycle) - unset(__rdep) - endif()#STATIC_LIBRARY - unset(__module_type) - - #message("${the_module}_MODULE_DEPS_${optkind}") - #message(" ${${the_module}_MODULE_DEPS_${optkind}}") - #message(" ${OPENCV_MODULE_${the_module}_DEPS}") - #message("") - #message("${the_module}_EXTRA_DEPS_${optkind}") - #message(" ${${the_module}_EXTRA_DEPS_${optkind}}") - #message("") -endmacro() - -# creates lists of build dependencies needed for external projects -macro(ocv_track_build_dependencies) - foreach(m ${OPENCV_MODULES_BUILD}) - __ocv_track_module_link_dependencies("${m}" OPT) - __ocv_track_module_link_dependencies("${m}" DBG) - endforeach() -endmacro() diff --git a/cmake/OpenCVPCHSupport.cmake b/cmake/OpenCVPCHSupport.cmake index 8af30f1151..e5fb90e6ff 100644 --- a/cmake/OpenCVPCHSupport.cmake +++ b/cmake/OpenCVPCHSupport.cmake @@ -68,6 +68,15 @@ MACRO(_PCH_GET_COMPILE_FLAGS _out_compile_flags) endif() ENDFOREACH(item) + get_target_property(DIRINC ${_PCH_current_target} INCLUDE_DIRECTORIES ) + FOREACH(item ${DIRINC}) + if(item MATCHES "^${OpenCV_SOURCE_DIR}/modules/") + LIST(APPEND ${_out_compile_flags} "${_PCH_include_prefix}\"${item}\"") + else() + LIST(APPEND ${_out_compile_flags} "${_PCH_isystem_prefix}\"${item}\"") + endif() + ENDFOREACH(item) + GET_DIRECTORY_PROPERTY(_directory_flags DEFINITIONS) GET_DIRECTORY_PROPERTY(_global_definitions DIRECTORY ${OpenCV_SOURCE_DIR} DEFINITIONS) #MESSAGE("_directory_flags ${_directory_flags} ${_global_definitions}" ) @@ -254,6 +263,9 @@ MACRO(ADD_PRECOMPILED_HEADER _targetName _input) endif() endif() + get_target_property(DIRINC ${_targetName} INCLUDE_DIRECTORIES) + set_target_properties(${_targetName}_pch_dephelp PROPERTIES INCLUDE_DIRECTORIES "${DIRINC}") + #MESSAGE("_compile_FLAGS: ${_compile_FLAGS}") #message("COMMAND ${CMAKE_CXX_COMPILER} ${_compile_FLAGS} -x c++-header -o ${_output} ${_input}") diff --git a/cmake/OpenCVUtils.cmake b/cmake/OpenCVUtils.cmake index d8171770de..a7d449f1b9 100644 --- a/cmake/OpenCVUtils.cmake +++ b/cmake/OpenCVUtils.cmake @@ -42,6 +42,11 @@ macro(ocv_assert) endif() endmacro() +macro(ocv_debug_message) +# string(REPLACE ";" " " __msg "${ARGN}") +# message(STATUS "${__msg}") +endmacro() + macro(ocv_check_environment_variables) foreach(_var ${ARGN}) if(NOT DEFINED ${_var} AND DEFINED ENV{${_var}}) @@ -53,8 +58,18 @@ macro(ocv_check_environment_variables) endforeach() endmacro() +# rename modules target to world if needed +macro(_ocv_fix_target target_var) + if(BUILD_opencv_world) + if(OPENCV_MODULE_${${target_var}}_IS_PART_OF_WORLD) + set(${target_var} opencv_world) + endif() + endif() +endmacro() + # adds include directories in such way that directories from the OpenCV source tree go first function(ocv_include_directories) + ocv_debug_message("ocv_include_directories( ${ARGN} )") set(__add_before "") foreach(dir ${ARGN}) get_filename_component(__abs_dir "${dir}" ABSOLUTE) @@ -67,6 +82,30 @@ function(ocv_include_directories) include_directories(BEFORE ${__add_before}) endfunction() +# adds include directories in such way that directories from the OpenCV source tree go first +function(ocv_target_include_directories target) + _ocv_fix_target(target) + set(__params "") + foreach(dir ${ARGN}) + get_filename_component(__abs_dir "${dir}" ABSOLUTE) + if("${__abs_dir}" MATCHES "^${OpenCV_SOURCE_DIR}" OR "${__abs_dir}" MATCHES "^${OpenCV_BINARY_DIR}") + list(APPEND __params "${__abs_dir}") + else() + list(APPEND __params "${dir}") + endif() + endforeach() + if(CMAKE_VERSION VERSION_LESS 2.8.11) + include_directories(${__params}) + else() + if(TARGET ${target}) + target_include_directories(${target} PRIVATE ${__params}) + else() + set(__new_inc "${OCV_TARGET_INCLUDE_DIRS_${target}};${__params}") + set(OCV_TARGET_INCLUDE_DIRS_${target} "${__new_inc}" CACHE INTERNAL "") + endif() + endif() +endfunction() + # clears all passed variables macro(ocv_clear_vars) foreach(_var ${ARGN}) @@ -295,8 +334,8 @@ endfunction() macro(ocv_finalize_status) if(NOT OPENCV_SKIP_STATUS_FINALIZATION) - if(TARGET opencv_core) - execute_process(COMMAND ${CMAKE_COMMAND} -E copy_if_different "${OPENCV_BUILD_INFO_FILE}" "${opencv_core_BINARY_DIR}/version_string.inc" OUTPUT_QUIET) + if(DEFINED OPENCV_MODULE_opencv_core_BINARY_DIR) + execute_process(COMMAND ${CMAKE_COMMAND} -E copy_if_different "${OPENCV_BUILD_INFO_FILE}" "${OPENCV_MODULE_opencv_core_BINARY_DIR}/version_string.inc" OUTPUT_QUIET) endif() endif() endmacro() @@ -533,16 +572,20 @@ function(ocv_install_target) # message(STATUS "Process ${__target} dst=${__dst}...") if(DEFINED __dst) - get_target_property(fname ${__target} LOCATION_DEBUG) - if(fname MATCHES "\\.lib$") - string(REGEX REPLACE "\\.lib$" ".pdb" fname "${fname}") - install(FILES ${fname} DESTINATION ${__dst} CONFIGURATIONS Debug) - endif() + if(CMAKE_VERSION VERSION_LESS 2.8.12) + get_target_property(fname ${__target} LOCATION_DEBUG) + if(fname MATCHES "\\.lib$") + string(REGEX REPLACE "\\.lib$" ".pdb" fname "${fname}") + install(FILES ${fname} DESTINATION ${__dst} CONFIGURATIONS Debug) + endif() - get_target_property(fname ${__target} LOCATION_RELEASE) - if(fname MATCHES "\\.lib$") - string(REGEX REPLACE "\\.lib$" ".pdb" fname "${fname}") - install(FILES ${fname} DESTINATION ${__dst} CONFIGURATIONS Release) + get_target_property(fname ${__target} LOCATION_RELEASE) + if(fname MATCHES "\\.lib$") + string(REGEX REPLACE "\\.lib$" ".pdb" fname "${fname}") + install(FILES ${fname} DESTINATION ${__dst} CONFIGURATIONS Release) + endif() + else() + # CMake 2.8.12 brokes PDB support in STATIC libraries for MSVS endif() endif() endif() @@ -637,6 +680,9 @@ endmacro() ################################################################################################ # short command to setup source group function(ocv_source_group group) + if(BUILD_opencv_world AND OPENCV_MODULE_${the_module}_IS_PART_OF_WORLD) + set(group "${the_module}\\${group}") + endif() cmake_parse_arguments(SG "" "DIRBASE" "GLOB;GLOB_RECURSE;FILES" ${ARGN}) set(files "") if(SG_FILES) @@ -669,3 +715,39 @@ function(ocv_source_group group) source_group(${group} FILES ${files}) endif() endfunction() + +function(ocv_target_link_libraries target) + _ocv_fix_target(target) + set(LINK_DEPS ${ARGN}) + # process world + if(BUILD_opencv_world) + foreach(m ${OPENCV_MODULES_BUILD}) + if(OPENCV_MODULE_${m}_IS_PART_OF_WORLD) + if(";${LINK_DEPS};" MATCHES ";${m};") + list(REMOVE_ITEM LINK_DEPS ${m}) + if(NOT (";${LINK_DEPS};" MATCHES ";opencv_world;")) + list(APPEND LINK_DEPS opencv_world) + endif() + endif() + endif() + endforeach() + endif() + target_link_libraries(${target} ${LINK_DEPS}) +endfunction() + +function(_ocv_append_target_includes target) + if(DEFINED OCV_TARGET_INCLUDE_DIRS_${target}) + target_include_directories(${target} PRIVATE ${OCV_TARGET_INCLUDE_DIRS_${target}}) + unset(OCV_TARGET_INCLUDE_DIRS_${target} CACHE) + endif() +endfunction() + +function(ocv_add_executable target) + add_executable(${target} ${ARGN}) + _ocv_append_target_includes(${target}) +endfunction() + +function(ocv_add_library target) + add_library(${target} ${ARGN}) + _ocv_append_target_includes(${target}) +endfunction() \ No newline at end of file diff --git a/cmake/templates/OpenCVConfig.cmake.in b/cmake/templates/OpenCVConfig.cmake.in index e3bde4bbe3..5d97474f3a 100644 --- a/cmake/templates/OpenCVConfig.cmake.in +++ b/cmake/templates/OpenCVConfig.cmake.in @@ -141,6 +141,7 @@ SET(OpenCV_VERSION_STATUS "@OPENCV_VERSION_STATUS@") # ==================================================================== SET(OpenCV_LIB_COMPONENTS @OPENCV_MODULES_CONFIGCMAKE@) +SET(OpenCV_WORLD_COMPONENTS @OPENCV_WORLD_MODULES@) # ============================================================== # Extra include directories, needed by OpenCV 2 new structure @@ -200,8 +201,8 @@ foreach(__cvcomponent ${OpenCV_FIND_COMPONENTS}) message(WARNING "${__cvcomponent} is required but was not found") endif() #indicate that module is NOT found - string(TOUPPER "${__cvcomponent}" __cvcomponent) - set(${__cvcomponent}_FOUND "${__cvcomponent}_FOUND-NOTFOUND") + string(TOUPPER "${__cvcomponent}" __cvcomponentUP) + set(${__cvcomponentUP}_FOUND "${__cvcomponentUP}_FOUND-NOTFOUND") else() list(APPEND OpenCV_FIND_COMPONENTS_ ${__cvcomponent}) # Not using list(APPEND) here, because OpenCV_LIBS may not exist yet. @@ -209,8 +210,31 @@ foreach(__cvcomponent ${OpenCV_FIND_COMPONENTS}) # to find_package(OpenCV) with different component lists add up. set(OpenCV_LIBS ${OpenCV_LIBS} "${__cvcomponent}") #indicate that module is found - string(TOUPPER "${__cvcomponent}" __cvcomponent) - set(${__cvcomponent}_FOUND 1) + string(TOUPPER "${__cvcomponent}" __cvcomponentUP) + set(${__cvcomponentUP}_FOUND 1) + endif() + if(OpenCV_SHARED AND ";${OpenCV_WORLD_COMPONENTS};" MATCHES ";${__cvcomponent};" AND NOT TARGET ${__cvcomponent}) + get_target_property(__implib_dbg opencv_world IMPORTED_IMPLIB_DEBUG) + get_target_property(__implib_release opencv_world IMPORTED_IMPLIB_RELEASE) + get_target_property(__location_dbg opencv_world IMPORTED_LOCATION_DEBUG) + get_target_property(__location_release opencv_world IMPORTED_LOCATION_RELEASE) + add_library(${__cvcomponent} SHARED IMPORTED) + if(__location_dbg) + set_property(TARGET ${__cvcomponent} APPEND PROPERTY IMPORTED_CONFIGURATIONS DEBUG) + set_target_properties(${__cvcomponent} PROPERTIES + IMPORTED_IMPLIB_DEBUG "${__implib_dbg}" + IMPORTED_LINK_INTERFACE_LIBRARIES_DEBUG "" + IMPORTED_LOCATION_DEBUG "${__location_dbg}" + ) + endif() + if(__location_release) + set_property(TARGET ${__cvcomponent} APPEND PROPERTY IMPORTED_CONFIGURATIONS RELEASE) + set_target_properties(${__cvcomponent} PROPERTIES + IMPORTED_IMPLIB_RELEASE "${__implib_release}" + IMPORTED_LINK_INTERFACE_LIBRARIES_RELEASE "" + IMPORTED_LOCATION_RELEASE "${__location_release}" + ) + endif() endif() endforeach() set(OpenCV_FIND_COMPONENTS ${OpenCV_FIND_COMPONENTS_}) @@ -321,6 +345,7 @@ macro(ocv_check_dependencies) set(OCV_DEPENDENCIES_FOUND TRUE) foreach(d ${ARGN}) if(NOT TARGET ${d}) + message(WARNING "OpenCV: Can't resolve dependency: ${d}") set(OCV_DEPENDENCIES_FOUND FALSE) break() endif() @@ -346,6 +371,10 @@ macro(ocv_include_modules) include_directories(BEFORE "${OpenCV_INCLUDE_DIRS}") endmacro() +macro(ocv_target_link_libraries) + target_link_libraries(${ARGN}) +endmacro() + # remove all matching elements from the list macro(ocv_list_filterout lst regex) foreach(item ${${lst}}) diff --git a/data/haarcascades/haarcascade_mcs_eyepair_big.xml b/data/haarcascades/haarcascade_mcs_eyepair_big.xml deleted file mode 100644 index c3ac7a1bac..0000000000 --- a/data/haarcascades/haarcascade_mcs_eyepair_big.xml +++ /dev/null @@ -1,8827 +0,0 @@ - - - -BOOST - HAAR - 45 - 11 - - 85 - - 0 - 19 - - <_> - 4 - -1.4563479423522949e+00 - - <_> - - 0 -1 0 1.0129979997873306e-01 - - -7.9546368122100830e-01 7.8110837936401367e-01 - <_> - - 0 -1 1 3.1212110072374344e-02 - - -7.2823482751846313e-01 6.2244427204132080e-01 - <_> - - 0 -1 2 -5.4906789213418961e-02 - - 6.6794431209564209e-01 -6.0760712623596191e-01 - <_> - - 0 -1 3 1.3104109466075897e-01 - - -4.8816078901290894e-01 6.7495757341384888e-01 - <_> - 6 - -1.4917520284652710e+00 - - <_> - - 0 -1 4 1.5072830021381378e-01 - - -6.3909012079238892e-01 8.0536258220672607e-01 - <_> - - 0 -1 5 2.2887440398335457e-02 - - -7.2313660383224487e-01 3.9929839968681335e-01 - <_> - - 0 -1 6 2.7674660086631775e-02 - - -7.0643997192382812e-01 4.8853880167007446e-01 - <_> - - 0 -1 7 3.1899858266115189e-02 - - -4.2184171080589294e-01 5.3921532630920410e-01 - <_> - - 0 -1 8 3.6972828209400177e-02 - - -4.2400631308555603e-01 5.6811082363128662e-01 - <_> - - 0 -1 9 -1.6711089760065079e-02 - - 4.6170559525489807e-01 -4.2389839887619019e-01 - <_> - 11 - -1.6821570396423340e+00 - - <_> - - 0 -1 10 2.1208600699901581e-01 - - -6.5022879838943481e-01 5.9933120012283325e-01 - <_> - - 0 -1 11 -2.2745320573449135e-02 - - 5.1935321092605591e-01 -4.4163998961448669e-01 - <_> - - 0 -1 12 2.1561959758400917e-02 - - -6.4395201206207275e-01 5.1543998718261719e-01 - <_> - - 0 -1 13 8.7526358664035797e-02 - - -3.7235569953918457e-01 4.8228278756141663e-01 - <_> - - 0 -1 14 1.7132370267063379e-03 - - -6.2590628862380981e-01 3.1931561231613159e-01 - <_> - - 0 -1 15 -1.2182939797639847e-01 - - 4.4271498918533325e-01 -2.8492081165313721e-01 - <_> - - 0 -1 16 -1.6568049788475037e-02 - - 4.3862259387969971e-01 -3.0607050657272339e-01 - <_> - - 0 -1 17 -8.0553777515888214e-02 - - 6.0115402936935425e-01 -1.9848510622978210e-02 - <_> - - 0 -1 18 9.4548419117927551e-02 - - -2.5033459067344666e-01 4.8005449771881104e-01 - <_> - - 0 -1 19 -9.6633229404687881e-03 - - 2.1125659346580505e-01 -2.5508201122283936e-01 - <_> - - 0 -1 20 -1.7194730462506413e-03 - - -7.4376249313354492e-01 1.3561910390853882e-01 - <_> - 19 - -2.4261860847473145e+00 - - <_> - - 0 -1 21 -2.9845130443572998e-01 - - 5.7684171199798584e-01 -5.6365752220153809e-01 - <_> - - 0 -1 22 8.4831789135932922e-02 - - -4.8785820603370667e-01 3.0233600735664368e-01 - <_> - - 0 -1 23 4.8235268332064152e-03 - - -4.1680189967155457e-01 5.4730242490768433e-01 - <_> - - 0 -1 24 2.4796100333333015e-02 - - -4.0749680995941162e-01 2.9871928691864014e-01 - <_> - - 0 -1 25 7.8466311097145081e-03 - - -6.6262972354888916e-01 3.0879470705986023e-01 - <_> - - 0 -1 26 8.8172443211078644e-02 - - -1.9640329480171204e-01 1.7876540124416351e-01 - <_> - - 0 -1 27 6.7136192228645086e-04 - - -4.5652940869331360e-01 4.7216510772705078e-01 - <_> - - 0 -1 28 -5.8130059187533334e-05 - - 1.8948759883642197e-02 -2.7900961041450500e-01 - <_> - - 0 -1 29 -7.0680370554327965e-03 - - 4.3155920505523682e-01 -5.2287191152572632e-01 - <_> - - 0 -1 30 1.0486739687621593e-02 - - -6.2000381946563721e-01 4.0068510174751282e-01 - <_> - - 0 -1 31 3.0196599662303925e-02 - - -7.2579962015151978e-01 1.9102710485458374e-01 - <_> - - 0 -1 32 2.2740899585187435e-03 - - -7.4379247426986694e-01 1.4359140396118164e-01 - <_> - - 0 -1 33 2.8281889390200377e-03 - - -7.0359271764755249e-01 2.0774589478969574e-01 - <_> - - 0 -1 34 9.4722010544501245e-05 - - -6.8661361932754517e-01 2.3000240325927734e-01 - <_> - - 0 -1 35 5.8486708439886570e-05 - - -7.4927699565887451e-01 1.7420600354671478e-01 - <_> - - 0 -1 36 -5.3329051297623664e-05 - - 1.9545179605484009e-01 -6.4602172374725342e-01 - <_> - - 0 -1 37 -1.9914070435333997e-05 - - 3.1910550594329834e-01 -5.0005888938903809e-01 - <_> - - 0 -1 38 -2.8483340516686440e-02 - - 2.7206888794898987e-01 -1.7283840477466583e-01 - <_> - - 0 -1 39 -7.0301168598234653e-03 - - 4.9069970846176147e-01 -2.5846821069717407e-01 - <_> - 16 - -1.6515820026397705e+00 - - <_> - - 0 -1 40 1.7105689644813538e-01 - - -5.6416177749633789e-01 5.4754227399826050e-01 - <_> - - 0 -1 41 -1.0497429966926575e-01 - - 4.7274130582809448e-01 -4.5322591066360474e-01 - <_> - - 0 -1 42 -3.1381469219923019e-02 - - 4.9009248614311218e-01 -3.5930469632148743e-01 - <_> - - 0 -1 43 6.2426690012216568e-02 - - -3.1271660327911377e-01 3.7389820814132690e-01 - <_> - - 0 -1 44 5.4725550115108490e-02 - - -4.3851169943809509e-01 3.3310478925704956e-01 - <_> - - 0 -1 45 4.7346241772174835e-03 - - -6.4141207933425903e-01 2.5311610102653503e-01 - <_> - - 0 -1 46 7.9919751733541489e-03 - - -4.6805310249328613e-01 2.4310259521007538e-01 - <_> - - 0 -1 47 1.6218619421124458e-02 - - -3.6558291316032410e-01 1.9355100393295288e-01 - <_> - - 0 -1 48 -2.7070839423686266e-03 - - -6.2368887662887573e-01 1.5246219933032990e-01 - <_> - - 0 -1 49 -1.4570339582860470e-02 - - 2.5488319993019104e-01 -1.0177270323038101e-01 - <_> - - 0 -1 50 -7.4289329349994659e-02 - - -5.9631901979446411e-01 1.4141720533370972e-01 - <_> - - 0 -1 51 1.7482470721006393e-02 - - 6.8981222808361053e-02 -8.0752617120742798e-01 - <_> - - 0 -1 52 7.4595998739823699e-04 - - 8.9970856904983521e-02 -7.5478130578994751e-01 - <_> - - 0 -1 53 6.8119657039642334e-01 - - 1.2513290345668793e-01 -5.9507852792739868e-01 - <_> - - 0 -1 54 -3.2223601010628045e-04 - - -5.4766350984573364e-01 1.4170460402965546e-01 - <_> - - 0 -1 55 -1.3318139826878905e-03 - - -4.6108511090278625e-01 8.7741702795028687e-02 - <_> - 21 - -1.8342440128326416e+00 - - <_> - - 0 -1 56 7.9966977238655090e-02 - - -6.6598808765411377e-01 4.2352628707885742e-01 - <_> - - 0 -1 57 -2.7264660224318504e-02 - - 3.3973929286003113e-01 -5.0634992122650146e-01 - <_> - - 0 -1 58 2.8883190825581551e-02 - - -4.9011540412902832e-01 4.0123671293258667e-01 - <_> - - 0 -1 59 3.9732199162244797e-02 - - -4.7746640443801880e-01 2.0590600371360779e-01 - <_> - - 0 -1 60 -9.7214527428150177e-02 - - 4.5142328739166260e-01 -4.6996578574180603e-01 - <_> - - 0 -1 61 7.0403199642896652e-03 - - -5.0513231754302979e-01 1.8722230195999146e-01 - <_> - - 0 -1 62 1.0033249855041504e-02 - - -6.0716050863265991e-01 2.0498579740524292e-01 - <_> - - 0 -1 63 -2.2186320275068283e-03 - - 2.7919989824295044e-01 -3.9091849327087402e-01 - <_> - - 0 -1 64 7.2839930653572083e-02 - - -8.7004872038960457e-03 -4.3667841796875000e+03 - <_> - - 0 -1 65 -6.8644046783447266e-02 - - 5.4671740531921387e-01 -9.7120396792888641e-02 - <_> - - 0 -1 66 8.3757557149510831e-05 - - -4.3773889541625977e-01 2.0737740397453308e-01 - <_> - - 0 -1 67 -1.8882959848269820e-03 - - 2.8053081035614014e-01 -1.1238359659910202e-01 - <_> - - 0 -1 68 -3.6242630332708359e-02 - - -6.3709640502929688e-01 1.4787060022354126e-01 - <_> - - 0 -1 69 -3.3338118344545364e-02 - - 4.7268480062484741e-01 -2.1240149438381195e-01 - <_> - - 0 -1 70 2.5847079232335091e-03 - - 1.2344239652156830e-01 -7.4099230766296387e-01 - <_> - - 0 -1 71 -2.0372489467263222e-02 - - 1.3778980076313019e-01 -1.9940899312496185e-01 - <_> - - 0 -1 72 3.6333200987428427e-03 - - 7.9361379146575928e-02 -7.6000207662582397e-01 - <_> - - 0 -1 73 4.6827611513435841e-03 - - -6.6145867109298706e-02 1.7332559823989868e-01 - <_> - - 0 -1 74 -4.8445351421833038e-03 - - 4.4801148772239685e-01 -1.5643960237503052e-01 - <_> - - 0 -1 75 2.4819609522819519e-01 - - -8.6152970790863037e-02 3.3757150173187256e-01 - <_> - - 0 -1 76 1.9421289861202240e-01 - - -1.4059330523014069e-01 5.1121640205383301e-01 - <_> - 26 - -1.6580430269241333e+00 - - <_> - - 0 -1 77 -9.6888672560453415e-03 - - 3.8957211375236511e-01 -4.8118248581886292e-01 - <_> - - 0 -1 78 2.9810279607772827e-01 - - -4.8006340861320496e-01 3.9554169774055481e-01 - <_> - - 0 -1 79 -9.8945433273911476e-03 - - 4.2066010832786560e-01 -3.4448111057281494e-01 - <_> - - 0 -1 80 5.6289549916982651e-02 - - -2.3237819969654083e-01 4.2001250386238098e-01 - <_> - - 0 -1 81 2.8186529874801636e-02 - - -5.4988211393356323e-01 1.9484530389308929e-01 - <_> - - 0 -1 82 4.7115761786699295e-02 - - 1.6842770576477051e-01 -5.3077638149261475e-01 - <_> - - 0 -1 83 -3.1187951099127531e-03 - - 1.9679939746856689e-01 -3.7416198849678040e-01 - <_> - - 0 -1 84 1.9423909485340118e-02 - - -4.4669228792190552e-01 1.6852539777755737e-01 - <_> - - 0 -1 85 -2.6180699467658997e-01 - - -8.3780890703201294e-01 6.1774950474500656e-02 - <_> - - 0 -1 86 -4.8632198013365269e-03 - - -4.8009449243545532e-01 6.6771760582923889e-02 - <_> - - 0 -1 87 3.8411598652601242e-02 - - 1.3380399346351624e-01 -5.8349931240081787e-01 - <_> - - 0 -1 88 5.7644587941467762e-03 - - 8.2218721508979797e-02 -8.1420588493347168e-01 - <_> - - 0 -1 89 -2.7703220024704933e-02 - - 4.7253361344337463e-01 -1.4942400157451630e-01 - <_> - - 0 -1 90 2.9970629839226604e-04 - - -3.5082170367240906e-01 1.1788990348577499e-01 - <_> - - 0 -1 91 6.6997818648815155e-03 - - -1.5635940432548523e-01 3.6560869216918945e-01 - <_> - - 0 -1 92 1.8159940736950375e-05 - - -3.1400790810585022e-01 1.2775659561157227e-01 - <_> - - 0 -1 93 -2.3775480221956968e-03 - - -7.1568191051483154e-01 7.5858749449253082e-02 - <_> - - 0 -1 94 -4.4308858923614025e-03 - - -5.7954931259155273e-01 6.5880201756954193e-02 - <_> - - 0 -1 95 8.2603342831134796e-02 - - 7.0020496845245361e-02 -6.6175222396850586e-01 - <_> - - 0 -1 96 -8.3666313439607620e-03 - - -4.9013429880142212e-01 9.3764282763004303e-02 - <_> - - 0 -1 97 -4.2126090265810490e-03 - - -5.8547890186309814e-01 7.7719986438751221e-02 - <_> - - 0 -1 98 1.4681339962407947e-03 - - -2.4955469369888306e-01 1.1525829881429672e-01 - <_> - - 0 -1 99 5.7278228923678398e-03 - - -1.1968609690666199e-01 4.2483189702033997e-01 - <_> - - 0 -1 100 6.5779332071542740e-03 - - 2.8237590566277504e-02 -4.0717759728431702e-01 - <_> - - 0 -1 101 1.2635639905056451e-05 - - -3.2787650823593140e-01 1.4637599885463715e-01 - <_> - - 0 -1 102 -4.6048699878156185e-03 - - 1.8424710631370544e-01 -2.3546899855136871e-01 - <_> - 31 - -1.7386059761047363e+00 - - <_> - - 0 -1 103 6.1627078801393509e-02 - - -6.3852781057357788e-01 3.3314740657806396e-01 - <_> - - 0 -1 104 4.2768982239067554e-03 - - -4.2443430423736572e-01 4.3040299415588379e-01 - <_> - - 0 -1 105 4.6536661684513092e-03 - - -3.5712578892707825e-01 3.4206199645996094e-01 - <_> - - 0 -1 106 8.9929848909378052e-02 - - -3.0818319320678711e-01 3.1036278605461121e-01 - <_> - - 0 -1 107 7.4353553354740143e-02 - - -4.1107970476150513e-01 2.7357169985771179e-01 - <_> - - 0 -1 108 1.8687270348891616e-03 - - -3.2678169012069702e-01 1.8466979265213013e-01 - <_> - - 0 -1 109 -6.2053278088569641e-03 - - 3.1079730391502380e-01 -2.4444060027599335e-01 - <_> - - 0 -1 110 -1.6329739242792130e-02 - - 2.4938680231571198e-01 -3.8487339019775391e-01 - <_> - - 0 -1 111 1.1337800323963165e-01 - - -4.3810528516769409e-01 1.5818390250205994e-01 - <_> - - 0 -1 112 7.4822813272476196e-02 - - 7.7593952417373657e-02 -6.1711072921752930e-01 - <_> - - 0 -1 113 -4.5132860541343689e-02 - - 5.9627789258956909e-01 -1.0650890320539474e-01 - <_> - - 0 -1 114 -1.0261160321533680e-02 - - 3.4028670191764832e-01 -7.6013132929801941e-02 - <_> - - 0 -1 115 1.9562950183171779e-04 - - -3.2240030169487000e-01 1.5930220484733582e-01 - <_> - - 0 -1 116 1.2749910354614258e-02 - - 3.4237869083881378e-02 -8.2333010435104370e-01 - <_> - - 0 -1 117 1.0267910547554493e-03 - - -3.3482649922370911e-01 1.4868380129337311e-01 - <_> - - 0 -1 118 1.1899939738214016e-02 - - -1.1105280369520187e-01 2.9978659749031067e-01 - <_> - - 0 -1 119 9.4404807314276695e-03 - - 6.3143752515316010e-02 -7.4914127588272095e-01 - <_> - - 0 -1 120 -4.4033881276845932e-03 - - 1.5069060027599335e-01 -1.2134409695863724e-01 - <_> - - 0 -1 121 8.2504339516162872e-03 - - 6.5444067120552063e-02 -7.5574231147766113e-01 - <_> - - 0 -1 122 -1.1925470083951950e-02 - - 1.1579179763793945e-01 -1.8231560289859772e-01 - <_> - - 0 -1 123 2.3744169156998396e-03 - - -2.3897719383239746e-01 1.9362419843673706e-01 - <_> - - 0 -1 124 1.8954979255795479e-02 - - -7.3902383446693420e-02 9.5206938683986664e-02 - <_> - - 0 -1 125 -6.4718048088252544e-03 - - 1.8825650215148926e-01 -2.7421408891677856e-01 - <_> - - 0 -1 126 1.1885800398886204e-02 - - -7.9389132559299469e-02 3.9397639036178589e-01 - <_> - - 0 -1 127 3.9641708135604858e-03 - - -3.1416910886764526e-01 1.5722210705280304e-01 - <_> - - 0 -1 128 -1.5312650240957737e-02 - - 4.3467319011688232e-01 -8.0059163272380829e-02 - <_> - - 0 -1 129 -4.4087409041821957e-03 - - -6.9355368614196777e-01 7.2660736739635468e-02 - <_> - - 0 -1 130 2.6811350136995316e-02 - - -2.8735099360346794e-02 4.3056601285934448e-01 - <_> - - 0 -1 131 1.2916729785501957e-02 - - -7.9113177955150604e-02 5.6161957979202271e-01 - <_> - - 0 -1 132 -2.8802119195461273e-03 - - -6.6846042871475220e-01 7.7757932245731354e-02 - <_> - - 0 -1 133 -7.7549487352371216e-02 - - 6.9363379478454590e-01 -7.2858713567256927e-02 - <_> - 33 - -1.6643459796905518e+00 - - <_> - - 0 -1 134 1.1415310204029083e-01 - - -4.6382120251655579e-01 3.8176709413528442e-01 - <_> - - 0 -1 135 4.8969490453600883e-03 - - -1.8987430632114410e-01 3.6797779798507690e-01 - <_> - - 0 -1 136 2.1013330668210983e-02 - - -3.9102751016616821e-01 3.0523461103439331e-01 - <_> - - 0 -1 137 -8.5326731204986572e-03 - - 4.0289008617401123e-01 -3.7945809960365295e-01 - <_> - - 0 -1 138 2.2233189083635807e-03 - - -5.8341151475906372e-01 2.0504960417747498e-01 - <_> - - 0 -1 139 -8.9455489069223404e-03 - - 1.0734400153160095e-01 -1.4078269898891449e-01 - <_> - - 0 -1 140 -4.4652701035374776e-05 - - 3.1881740689277649e-01 -2.4204300343990326e-01 - <_> - - 0 -1 141 -2.7766218781471252e-01 - - 3.1993478536605835e-01 -2.3212060332298279e-01 - <_> - - 0 -1 142 2.9992889612913132e-02 - - -4.8636630177497864e-01 1.5733970701694489e-01 - <_> - - 0 -1 143 1.0384639725089073e-02 - - -3.5761609673500061e-01 1.0168769955635071e-01 - <_> - - 0 -1 144 -9.9069289863109589e-03 - - 3.4743508696556091e-01 -2.0619870722293854e-01 - <_> - - 0 -1 145 -9.3680381774902344e-02 - - 5.4358488321304321e-01 -7.3790967464447021e-02 - <_> - - 0 -1 146 4.6968900278443471e-05 - - -3.6511829495429993e-01 2.0056860148906708e-01 - <_> - - 0 -1 147 -8.3182547241449356e-03 - - -5.2089792490005493e-01 5.1686830818653107e-02 - <_> - - 0 -1 148 -1.1552570015192032e-01 - - -6.0911101102828979e-01 9.2298023402690887e-02 - <_> - - 0 -1 149 4.5758039050269872e-05 - - -2.4188159406185150e-01 1.1205270141363144e-01 - <_> - - 0 -1 150 8.3619967103004456e-02 - - -1.6591419279575348e-01 2.9946151375770569e-01 - <_> - - 0 -1 151 -1.7055140342563391e-03 - - 6.6100686788558960e-02 -1.7834219336509705e-01 - <_> - - 0 -1 152 -5.0255719572305679e-02 - - 5.0841152667999268e-01 -1.0191909968852997e-01 - <_> - - 0 -1 153 -1.4493470080196857e-02 - - 3.3411300182342529e-01 -9.1295331716537476e-02 - <_> - - 0 -1 154 6.6773351281881332e-03 - - 7.0742093026638031e-02 -7.1941351890563965e-01 - <_> - - 0 -1 155 -2.4902720469981432e-03 - - 2.7122259140014648e-01 -2.8118500113487244e-01 - <_> - - 0 -1 156 5.9668770991265774e-03 - - 8.6890019476413727e-02 -5.5102467536926270e-01 - <_> - - 0 -1 157 8.9923879131674767e-03 - - -1.1156769841909409e-01 1.8312740325927734e-01 - <_> - - 0 -1 158 -1.8761169631034136e-03 - - 1.6583199799060822e-01 -2.9823789000511169e-01 - <_> - - 0 -1 159 4.4691809453070164e-03 - - 6.7625999450683594e-02 -5.9995788335800171e-01 - <_> - - 0 -1 160 4.9513768404722214e-02 - - -1.1853209882974625e-01 4.0671309828758240e-01 - <_> - - 0 -1 161 -5.2096061408519745e-02 - - -4.9050968885421753e-01 4.4450759887695312e-02 - <_> - - 0 -1 162 -5.7540610432624817e-02 - - 2.2163380682468414e-01 -2.2697730362415314e-01 - <_> - - 0 -1 163 -1.2027090415358543e-02 - - -7.8315860033035278e-01 2.5225780904293060e-02 - <_> - - 0 -1 164 4.3592308647930622e-03 - - 7.8445762395858765e-02 -5.4399901628494263e-01 - <_> - - 0 -1 165 1.0845139622688293e-02 - - 4.3532259762287140e-02 -7.5301069021224976e-01 - <_> - - 0 -1 166 -2.2464629728347063e-04 - - 1.8881680071353912e-01 -2.1684129536151886e-01 - <_> - 36 - -1.5700939893722534e+00 - - <_> - - 0 -1 167 1.5167570114135742e-01 - - -3.1243559718132019e-01 3.9714258909225464e-01 - <_> - - 0 -1 168 -5.6243538856506348e-03 - - 2.8443521261215210e-01 -4.6888008713722229e-01 - <_> - - 0 -1 169 -1.3363420031964779e-02 - - 2.9847151041030884e-01 -2.8974089026451111e-01 - <_> - - 0 -1 170 1.1973579972982407e-01 - - -2.5059941411018372e-01 3.6980310082435608e-01 - <_> - - 0 -1 171 2.9538029804825783e-02 - - -5.3302282094955444e-01 1.9540609419345856e-01 - <_> - - 0 -1 172 2.2876099683344364e-03 - - -3.9356181025505066e-01 2.2455599904060364e-01 - <_> - - 0 -1 173 3.3369789889547974e-05 - - -4.2540431022644043e-01 1.2474709749221802e-01 - <_> - - 0 -1 174 1.2203590013086796e-02 - - -1.1117500066757202e-01 3.3035451173782349e-01 - <_> - - 0 -1 175 2.8831530362367630e-02 - - -2.6190409064292908e-01 2.6021391153335571e-01 - <_> - - 0 -1 176 2.3157240357249975e-03 - - 5.2618000656366348e-02 -6.1872607469558716e-01 - <_> - - 0 -1 177 3.3288369886577129e-03 - - 7.9465217888355255e-02 -6.1543351411819458e-01 - <_> - - 0 -1 178 -4.1650598868727684e-03 - - 2.2358900308609009e-01 -2.8173050284385681e-01 - <_> - - 0 -1 179 -5.5534418672323227e-02 - - 5.3370571136474609e-01 -9.7847342491149902e-02 - <_> - - 0 -1 180 1.0430039837956429e-02 - - -3.1936469674110413e-01 1.3222220540046692e-01 - <_> - - 0 -1 181 7.3731052875518799e-01 - - 8.5652276873588562e-02 -5.6832748651504517e-01 - <_> - - 0 -1 182 2.1106310188770294e-02 - - 1.0350720025599003e-02 -4.3624758720397949e-01 - <_> - - 0 -1 183 1.8394569633528590e-03 - - -3.0258610844612122e-01 1.8252749741077423e-01 - <_> - - 0 -1 184 -6.2626888975501060e-03 - - -7.0305782556533813e-01 3.4566838294267654e-02 - <_> - - 0 -1 185 -2.5872439146041870e-03 - - 1.9593180716037750e-01 -2.5039601325988770e-01 - <_> - - 0 -1 186 7.9651866108179092e-03 - - 5.6051678955554962e-02 -4.8542159795761108e-01 - <_> - - 0 -1 187 -2.6494610309600830e-01 - - -7.4813681840896606e-01 5.7292331010103226e-02 - <_> - - 0 -1 188 -8.7696090340614319e-03 - - 5.5027532577514648e-01 -9.8186388611793518e-02 - <_> - - 0 -1 189 9.3607688322663307e-03 - - 8.7964951992034912e-02 -6.3283741474151611e-01 - <_> - - 0 -1 190 6.7315441556274891e-03 - - -1.1990720033645630e-01 2.6050290465354919e-01 - <_> - - 0 -1 191 -4.8705069348216057e-03 - - -6.7054021358489990e-01 6.8369716405868530e-02 - <_> - - 0 -1 192 -3.3518500626087189e-02 - - 4.3754190206527710e-01 -5.5987328290939331e-02 - <_> - - 0 -1 193 7.6086460612714291e-03 - - -2.5253391265869141e-01 1.9854959845542908e-01 - <_> - - 0 -1 194 1.8334789201617241e-02 - - 8.3083607256412506e-02 -4.9109730124473572e-01 - <_> - - 0 -1 195 -2.7305909898132086e-03 - - -4.8166638612747192e-01 8.7030112743377686e-02 - <_> - - 0 -1 196 -2.5308089330792427e-02 - - -5.1370352506637573e-01 3.1775940209627151e-02 - <_> - - 0 -1 197 -6.7148888483643532e-03 - - -4.6419641375541687e-01 8.6918152868747711e-02 - <_> - - 0 -1 198 -1.3796479906886816e-03 - - 1.1364360153675079e-01 -1.0997840017080307e-01 - <_> - - 0 -1 199 -1.7988620325922966e-02 - - -5.6473308801651001e-01 8.4838069975376129e-02 - <_> - - 0 -1 200 1.2048670032527298e-04 - - -3.3594891428947449e-01 1.1819580197334290e-01 - <_> - - 0 -1 201 -7.3997122235596180e-03 - - -7.1109187602996826e-01 5.0271350890398026e-02 - <_> - - 0 -1 202 -4.4395271688699722e-03 - - 2.4038110673427582e-01 -8.4818542003631592e-02 - <_> - 37 - -1.5616159439086914e+00 - - <_> - - 0 -1 203 6.7837378010153770e-03 - - -2.4474079906940460e-01 5.2373462915420532e-01 - <_> - - 0 -1 204 -2.6304289698600769e-02 - - 2.3381529748439789e-01 -4.2366439104080200e-01 - <_> - - 0 -1 205 7.0552483201026917e-02 - - -4.8068380355834961e-01 2.1674250066280365e-01 - <_> - - 0 -1 206 1.1588639765977859e-01 - - -2.1499669551849365e-01 2.6753580570220947e-01 - <_> - - 0 -1 207 1.0048950091004372e-02 - - -2.0594270527362823e-01 4.0484279394149780e-01 - <_> - - 0 -1 208 1.4628170058131218e-02 - - 4.5195270329713821e-02 -4.3382239341735840e-01 - <_> - - 0 -1 209 1.0691519826650620e-01 - - -4.0005341172218323e-01 1.5653589367866516e-01 - <_> - - 0 -1 210 2.1544670686125755e-02 - - -3.8369441032409668e-01 1.2536710500717163e-01 - <_> - - 0 -1 211 5.0607468001544476e-03 - - -1.3730029761791229e-01 5.3118318319320679e-01 - <_> - - 0 -1 212 -4.9039809964597225e-03 - - -6.9460391998291016e-01 7.7118568122386932e-02 - <_> - - 0 -1 213 5.5592060089111328e-02 - - 8.4951102733612061e-02 -6.1610800027847290e-01 - <_> - - 0 -1 214 -5.3959678858518600e-02 - - -3.7826099991798401e-01 3.3103808760643005e-02 - <_> - - 0 -1 215 3.6401430406840518e-05 - - -3.6711519956588745e-01 1.3446779549121857e-01 - <_> - - 0 -1 216 -5.5411658249795437e-03 - - -5.7400441169738770e-01 7.4292019009590149e-02 - <_> - - 0 -1 217 7.9086691141128540e-01 - - 7.7422752976417542e-02 -6.3653308153152466e-01 - <_> - - 0 -1 218 4.4924449175596237e-03 - - 6.8504527211189270e-02 -5.3273099660873413e-01 - <_> - - 0 -1 219 -6.8721971474587917e-03 - - -6.5151798725128174e-01 6.4900688827037811e-02 - <_> - - 0 -1 220 4.6454541385173798e-02 - - -1.1238980293273926e-01 2.0744140446186066e-01 - <_> - - 0 -1 221 6.0355630703270435e-03 - - -8.8757097721099854e-02 5.4748558998107910e-01 - <_> - - 0 -1 222 3.9944230229593813e-04 - - 8.6624041199684143e-02 -4.6936568617820740e-01 - <_> - - 0 -1 223 7.5040599331259727e-03 - - -9.2116452753543854e-02 5.3663599491119385e-01 - <_> - - 0 -1 224 -1.5840120613574982e-02 - - 3.8116949796676636e-01 -6.9548472762107849e-02 - <_> - - 0 -1 225 5.7859481312334538e-03 - - 8.0815151333808899e-02 -5.5126720666885376e-01 - <_> - - 0 -1 226 -6.8534379824995995e-03 - - 2.0171649754047394e-01 -2.9816129803657532e-01 - <_> - - 0 -1 227 -3.2146628655027598e-05 - - 1.6275359690189362e-01 -2.5661829113960266e-01 - <_> - - 0 -1 228 4.8393569886684418e-02 - - 6.8830713629722595e-02 -5.7602387666702271e-01 - <_> - - 0 -1 229 4.5954588800668716e-02 - - 5.7024329900741577e-02 -6.5287989377975464e-01 - <_> - - 0 -1 230 1.1721630580723286e-03 - - 1.0443740338087082e-01 -2.3838600516319275e-01 - <_> - - 0 -1 231 4.0837051346898079e-03 - - -8.1231042742729187e-02 5.0901311635971069e-01 - <_> - - 0 -1 232 -1.6486380249261856e-02 - - -5.5164510011672974e-01 6.5037772059440613e-02 - <_> - - 0 -1 233 -1.5899680554866791e-02 - - -6.0929298400878906e-01 6.0179140418767929e-02 - <_> - - 0 -1 234 -3.7392228841781616e-04 - - -4.7092041373252869e-01 9.4327569007873535e-02 - <_> - - 0 -1 235 4.5171450823545456e-02 - - -1.5723140537738800e-01 2.5750550627708435e-01 - <_> - - 0 -1 236 3.9194729179143906e-03 - - -1.1993490159511566e-01 4.1458979249000549e-01 - <_> - - 0 -1 237 4.8551987856626511e-03 - - 8.4063969552516937e-02 -5.1544702053070068e-01 - <_> - - 0 -1 238 4.9727171659469604e-02 - - -8.0618113279342651e-02 2.8510481119155884e-01 - <_> - - 0 -1 239 -2.5979800149798393e-02 - - 2.0879699289798737e-01 -1.9923439621925354e-01 - <_> - 41 - -1.4751789569854736e+00 - - <_> - - 0 -1 240 3.6881880369037390e-03 - - -2.0089849829673767e-01 5.8759230375289917e-01 - <_> - - 0 -1 241 1.2514260411262512e-01 - - -3.3750560879707336e-01 3.0424299836158752e-01 - <_> - - 0 -1 242 1.0761030018329620e-02 - - -1.7004770040512085e-01 4.1313949227333069e-01 - <_> - - 0 -1 243 5.7919409126043320e-02 - - 1.1780419945716858e-01 -5.8375751972198486e-01 - <_> - - 0 -1 244 1.4278049580752850e-02 - - -5.2599787712097168e-01 1.3024589419364929e-01 - <_> - - 0 -1 245 9.2770338058471680e-02 - - -2.8803780674934387e-01 2.0918029546737671e-01 - <_> - - 0 -1 246 -1.2687300331890583e-03 - - -6.8545269966125488e-01 6.7969717085361481e-02 - <_> - - 0 -1 247 -4.1586877778172493e-03 - - 1.5776990354061127e-01 -3.7061429023742676e-01 - <_> - - 0 -1 248 -2.6486739516258240e-03 - - 1.4115740358829498e-01 -3.8789930939674377e-01 - <_> - - 0 -1 249 3.3513078960822895e-05 - - -1.7047059535980225e-01 9.1491073369979858e-02 - <_> - - 0 -1 250 4.1814000724116340e-05 - - -3.3629861474037170e-01 1.5615530312061310e-01 - <_> - - 0 -1 251 -1.0579999536275864e-02 - - 5.1775962114334106e-01 -1.2346430122852325e-01 - <_> - - 0 -1 252 9.6945222467184067e-03 - - -9.3172810971736908e-02 5.4562288522720337e-01 - <_> - - 0 -1 253 2.5123909115791321e-02 - - 2.9200939461588860e-02 -3.9561650156974792e-01 - <_> - - 0 -1 254 -1.9009890820598230e-05 - - 1.3413070142269135e-01 -3.5932931303977966e-01 - <_> - - 0 -1 255 1.1085460428148508e-03 - - 7.0447176694869995e-02 -5.0175982713699341e-01 - <_> - - 0 -1 256 8.4646381437778473e-02 - - -1.4077399671077728e-01 2.9327180981636047e-01 - <_> - - 0 -1 257 -4.6889279037714005e-02 - - 5.4173952341079712e-01 -7.2838932275772095e-02 - <_> - - 0 -1 258 -1.9944239407777786e-02 - - -4.9865978956222534e-01 9.5483623445034027e-02 - <_> - - 0 -1 259 2.3346049711108208e-03 - - -3.4936821460723877e-01 8.6551502346992493e-02 - <_> - - 0 -1 260 -1.2524469755589962e-02 - - 4.2317241430282593e-01 -1.0624880343675613e-01 - <_> - - 0 -1 261 7.4971290305256844e-03 - - -7.7121920883655548e-02 3.3112499117851257e-01 - <_> - - 0 -1 262 -4.3038600124418736e-03 - - 4.4627100229263306e-01 -9.7493350505828857e-02 - <_> - - 0 -1 263 -2.4376739747822285e-03 - - -6.3246351480484009e-01 7.2243332862854004e-02 - <_> - - 0 -1 264 4.0068682283163071e-03 - - 7.4511006474494934e-02 -5.2885991334915161e-01 - <_> - - 0 -1 265 1.6935829818248749e-01 - - 1.9200190901756287e-02 -9.3619912862777710e-01 - <_> - - 0 -1 266 -5.1640910096466541e-03 - - -4.5252829790115356e-01 8.3753086626529694e-02 - <_> - - 0 -1 267 2.1301470696926117e-03 - - 5.9029411524534225e-02 -5.9486192464828491e-01 - <_> - - 0 -1 268 -1.0491809807717800e-03 - - 1.4820049703121185e-01 -2.5729310512542725e-01 - <_> - - 0 -1 269 6.5077878534793854e-03 - - -1.0978510230779648e-01 4.8351821303367615e-01 - <_> - - 0 -1 270 1.0791060049086809e-03 - - 8.5893951356410980e-02 -4.9897330999374390e-01 - <_> - - 0 -1 271 -1.1327429674565792e-02 - - -8.8535779714584351e-01 1.2531019747257233e-02 - <_> - - 0 -1 272 -7.9090192914009094e-02 - - 5.3530997037887573e-01 -7.0534676313400269e-02 - <_> - - 0 -1 273 8.9392989873886108e-02 - - -2.3977179080247879e-02 5.4723167419433594e-01 - <_> - - 0 -1 274 -1.1642159894108772e-02 - - 2.4973329901695251e-01 -1.4847369492053986e-01 - <_> - - 0 -1 275 7.8169062733650208e-02 - - 4.7635629773139954e-02 -5.1396459341049194e-01 - <_> - - 0 -1 276 -5.2542597986757755e-03 - - -4.8597300052642822e-01 7.2495378553867340e-02 - <_> - - 0 -1 277 5.8305509388446808e-02 - - 1.6267899423837662e-02 -5.8864599466323853e-01 - <_> - - 0 -1 278 5.8591919951140881e-03 - - -3.1926271319389343e-01 1.3474270701408386e-01 - <_> - - 0 -1 279 -2.9373338911682367e-03 - - 4.2839759588241577e-01 -9.2287540435791016e-02 - <_> - - 0 -1 280 -3.7391098885564134e-05 - - 2.0448459684848785e-01 -1.8515400588512421e-01 - <_> - 49 - -1.5896049737930298e+00 - - <_> - - 0 -1 281 -6.1791189946234226e-03 - - 2.8580269217491150e-01 -3.7005850672721863e-01 - <_> - - 0 -1 282 4.1821770370006561e-02 - - -5.3575879335403442e-01 1.6827170550823212e-01 - <_> - - 0 -1 283 5.7136882096529007e-03 - - -3.2001748681068420e-01 2.6822981238365173e-01 - <_> - - 0 -1 284 2.8650460299104452e-03 - - -4.2462509870529175e-01 1.3827459514141083e-01 - <_> - - 0 -1 285 2.9460960067808628e-03 - - -3.9784219861030579e-01 2.0654679834842682e-01 - <_> - - 0 -1 286 4.6483702026307583e-03 - - -1.9075180590152740e-01 2.4786050617694855e-01 - <_> - - 0 -1 287 2.3228039499372244e-03 - - -5.2134007215499878e-01 1.0562290251255035e-01 - <_> - - 0 -1 288 -7.4393101967871189e-03 - - 1.6785180568695068e-01 -2.1561630070209503e-01 - <_> - - 0 -1 289 2.8299659607000649e-04 - - -3.8065499067306519e-01 1.4934809505939484e-01 - <_> - - 0 -1 290 -1.3282369822263718e-02 - - 8.6049616336822510e-02 -2.3779979348182678e-01 - <_> - - 0 -1 291 -1.1417060159146786e-02 - - 4.0117940306663513e-01 -1.3484360277652740e-01 - <_> - - 0 -1 292 -1.4769020676612854e-01 - - -4.8844268918037415e-01 1.5933260321617126e-02 - <_> - - 0 -1 293 -3.2284119515679777e-04 - - 1.1826100200414658e-01 -3.8623189926147461e-01 - <_> - - 0 -1 294 -3.6730729334522039e-05 - - 1.0511270165443420e-01 -1.2332110106945038e-01 - <_> - - 0 -1 295 4.3103349162265658e-04 - - 8.0074340105056763e-02 -5.6408351659774780e-01 - <_> - - 0 -1 296 -8.7611482013016939e-04 - - -4.1123768687248230e-01 3.5481810569763184e-02 - <_> - - 0 -1 297 -3.6012110649608076e-04 - - -3.9288720488548279e-01 1.0729379951953888e-01 - <_> - - 0 -1 298 1.1329179629683495e-02 - - -7.7669121325016022e-02 3.0630418658256531e-01 - <_> - - 0 -1 299 -8.5942242294549942e-03 - - 4.0262201428413391e-01 -1.1348369717597961e-01 - <_> - - 0 -1 300 -1.1088109575212002e-02 - - 1.3112230598926544e-01 -1.6582110524177551e-01 - <_> - - 0 -1 301 -2.3962128907442093e-03 - - 1.8446379899978638e-01 -2.1245540678501129e-01 - <_> - - 0 -1 302 1.4491369947791100e-03 - - 1.3291729986667633e-01 -3.4224191308021545e-01 - <_> - - 0 -1 303 -2.3471130989491940e-03 - - -5.9373968839645386e-01 5.2677150815725327e-02 - <_> - - 0 -1 304 -3.3021058887243271e-02 - - 2.0655089616775513e-01 -1.1640720069408417e-01 - <_> - - 0 -1 305 -1.7596699297428131e-02 - - 1.1615789681673050e-01 -2.8771498799324036e-01 - <_> - - 0 -1 306 9.0615563094615936e-02 - - 4.9429651349782944e-02 -5.9598392248153687e-01 - <_> - - 0 -1 307 -4.1973239183425903e-01 - - -9.1762787103652954e-01 2.9144510626792908e-02 - <_> - - 0 -1 308 -4.5256591401994228e-03 - - 3.0929449200630188e-01 -1.1589109897613525e-01 - <_> - - 0 -1 309 -3.1792598747415468e-05 - - 1.2300709635019302e-01 -2.6961469650268555e-01 - <_> - - 0 -1 310 9.3048512935638428e-03 - - -1.6311720013618469e-01 4.5435959100723267e-01 - <_> - - 0 -1 311 1.8182669579982758e-01 - - -6.5462931990623474e-02 5.2403932809829712e-01 - <_> - - 0 -1 312 7.6404958963394165e-03 - - -2.8455978631973267e-01 9.9262543022632599e-02 - <_> - - 0 -1 313 5.8155450969934464e-03 - - -1.8076479434967041e-01 1.9177889823913574e-01 - <_> - - 0 -1 314 2.0472649484872818e-02 - - -4.2547050863504410e-02 4.9899381399154663e-01 - <_> - - 0 -1 315 -9.9484594538807869e-03 - - 4.5864629745483398e-01 -8.2073070108890533e-02 - <_> - - 0 -1 316 5.6835189461708069e-03 - - 7.0460416376590729e-02 -4.9191218614578247e-01 - <_> - - 0 -1 317 6.8594329059123993e-04 - - -2.5722059607505798e-01 1.3338489830493927e-01 - <_> - - 0 -1 318 8.5325147956609726e-03 - - 5.4296270012855530e-02 -4.8597770929336548e-01 - <_> - - 0 -1 319 -2.9188990592956543e-03 - - -3.6844459176063538e-01 8.7630286812782288e-02 - <_> - - 0 -1 320 -5.1809879951179028e-03 - - 2.6872760057449341e-01 -1.3063269853591919e-01 - <_> - - 0 -1 321 -9.3669425696134567e-03 - - 3.7982439994812012e-01 -8.4970362484455109e-02 - <_> - - 0 -1 322 2.1493609528988600e-03 - - 6.7364171147346497e-02 -3.8138151168823242e-01 - <_> - - 0 -1 323 7.9133054241538048e-03 - - 6.1179801821708679e-02 -4.7124278545379639e-01 - <_> - - 0 -1 324 3.3651650883257389e-03 - - -1.9406950473785400e-01 1.6957849264144897e-01 - <_> - - 0 -1 325 5.9752619563369080e-05 - - -3.1296211481094360e-01 9.8244443535804749e-02 - <_> - - 0 -1 326 -4.8905829899013042e-03 - - 2.4011640250682831e-01 -4.0517911314964294e-02 - <_> - - 0 -1 327 -1.6692260280251503e-02 - - -5.8297210931777954e-01 5.1860880106687546e-02 - <_> - - 0 -1 328 2.6945179700851440e-01 - - 2.1222369745373726e-02 -5.0650900602340698e-01 - <_> - - 0 -1 329 2.5985699892044067e-01 - - 4.3021328747272491e-02 -6.9706851243972778e-01 - <_> - 54 - -1.5319960117340088e+00 - - <_> - - 0 -1 330 9.6479244530200958e-03 - - -2.1499650180339813e-01 4.5064011216163635e-01 - <_> - - 0 -1 331 1.1707089841365814e-01 - - -4.5927199721336365e-01 1.4997510612010956e-01 - <_> - - 0 -1 332 -7.2843180969357491e-03 - - 2.0559869706630707e-01 -3.4988620877265930e-01 - <_> - - 0 -1 333 4.3017291318392381e-05 - - -2.9128479957580566e-01 1.4479379355907440e-01 - <_> - - 0 -1 334 -1.6313560307025909e-02 - - 3.6099588871002197e-01 -1.4882080256938934e-01 - <_> - - 0 -1 335 3.8464391231536865e-01 - - 4.7116551548242569e-02 -5.4356420040130615e-01 - <_> - - 0 -1 336 4.4735490519087762e-05 - - -4.7153618931770325e-01 1.0130570083856583e-01 - <_> - - 0 -1 337 2.8128800913691521e-03 - - 2.5190239772200584e-02 -3.8858410716056824e-01 - <_> - - 0 -1 338 6.5664112567901611e-02 - - -1.9981299340724945e-01 2.7820420265197754e-01 - <_> - - 0 -1 339 3.6691401153802872e-02 - - -3.2141581177711487e-01 8.3295859396457672e-02 - <_> - - 0 -1 340 1.9937170669436455e-02 - - 9.6269257366657257e-02 -4.8872131109237671e-01 - <_> - - 0 -1 341 -4.8181511461734772e-02 - - -4.3690940737724304e-01 4.0801100432872772e-02 - <_> - - 0 -1 342 -6.4909900538623333e-03 - - 1.5237170457839966e-01 -2.8793171048164368e-01 - <_> - - 0 -1 343 -2.1715220063924789e-03 - - -4.5620518922805786e-01 9.0800173580646515e-02 - <_> - - 0 -1 344 -1.9035710021853447e-02 - - 1.6175259649753571e-01 -2.4115300178527832e-01 - <_> - - 0 -1 345 -1.7119180411100388e-02 - - -5.1326441764831543e-01 4.2472470551729202e-02 - <_> - - 0 -1 346 -1.8220050260424614e-02 - - -7.0324420928955078e-01 4.4962640851736069e-02 - <_> - - 0 -1 347 -8.9265108108520508e-03 - - 4.3140518665313721e-01 -1.9158810377120972e-01 - <_> - - 0 -1 348 -8.3519242703914642e-02 - - -6.1536192893981934e-01 7.4886828660964966e-02 - <_> - - 0 -1 349 3.6072250804863870e-04 - - 5.7905141264200211e-02 -4.1235160827636719e-01 - <_> - - 0 -1 350 4.9997381865978241e-03 - - -6.9844640791416168e-02 5.6807458400726318e-01 - <_> - - 0 -1 351 -8.4604680538177490e-02 - - 5.8838641643524170e-01 -6.4438559114933014e-02 - <_> - - 0 -1 352 -2.5773020461201668e-02 - - -7.4485701322555542e-01 5.8126550167798996e-02 - <_> - - 0 -1 353 8.6997799575328827e-02 - - 8.3158798515796661e-03 -5.0057667493820190e-01 - <_> - - 0 -1 354 -4.9193361774086952e-03 - - -5.0268518924713135e-01 6.2273811548948288e-02 - <_> - - 0 -1 355 7.9372245818376541e-03 - - -1.0656870156526566e-01 4.9397408962249756e-01 - <_> - - 0 -1 356 2.3460648953914642e-03 - - 7.8172452747821808e-02 -4.3537878990173340e-01 - <_> - - 0 -1 357 -2.4173699319362640e-02 - - 1.4930419623851776e-01 -1.8787060678005219e-01 - <_> - - 0 -1 358 5.0533721223473549e-03 - - -1.0777329653501511e-01 3.3679130673408508e-01 - <_> - - 0 -1 359 -1.7847840487957001e-01 - - 3.2536488771438599e-01 -4.3528459966182709e-02 - <_> - - 0 -1 360 -9.2971222475171089e-03 - - -5.4683762788772583e-01 6.4206808805465698e-02 - <_> - - 0 -1 361 -4.5331679284572601e-03 - - -2.7402278780937195e-01 6.9679208099842072e-02 - <_> - - 0 -1 362 4.4196969829499722e-03 - - -2.6736640930175781e-01 1.2777979671955109e-01 - <_> - - 0 -1 363 -2.4256419390439987e-02 - - -7.3339939117431641e-01 3.4833770245313644e-02 - <_> - - 0 -1 364 1.2094249948859215e-02 - - 6.7233562469482422e-02 -4.4198140501976013e-01 - <_> - - 0 -1 365 -3.1668329029344022e-04 - - -3.4792518615722656e-01 8.6957253515720367e-02 - <_> - - 0 -1 366 6.6463160328567028e-03 - - -7.4840560555458069e-02 4.2975288629531860e-01 - <_> - - 0 -1 367 -8.7216906249523163e-03 - - 6.5960638225078583e-02 -1.1695290356874466e-01 - <_> - - 0 -1 368 3.8271831726888195e-05 - - -2.6323419809341431e-01 1.2117200344800949e-01 - <_> - - 0 -1 369 -2.7925189584493637e-02 - - 1.1978749930858612e-01 -1.0626199841499329e-01 - <_> - - 0 -1 370 -3.6273279692977667e-03 - - 1.2563459575176239e-01 -2.6336249709129333e-01 - <_> - - 0 -1 371 -1.1868350207805634e-02 - - 2.7150759100914001e-01 -5.8620139956474304e-02 - <_> - - 0 -1 372 4.4153559952974319e-02 - - -1.1503530293703079e-01 3.1426700949668884e-01 - <_> - - 0 -1 373 2.4056360125541687e-02 - - 7.5575739145278931e-02 -4.2317551374435425e-01 - <_> - - 0 -1 374 6.9733301643282175e-04 - - -9.7587190568447113e-02 3.2876640558242798e-01 - <_> - - 0 -1 375 -6.4465990290045738e-03 - - -7.1510308980941772e-01 2.5225099176168442e-02 - <_> - - 0 -1 376 -8.1870909780263901e-03 - - -7.6685047149658203e-01 3.2576881349086761e-02 - <_> - - 0 -1 377 -2.7694210875779390e-03 - - 2.4075849354267120e-01 -1.4446850121021271e-01 - <_> - - 0 -1 378 5.9827328659594059e-03 - - -7.9637400805950165e-02 3.3648189902305603e-01 - <_> - - 0 -1 379 7.5759701430797577e-03 - - -7.7287860214710236e-02 3.6068120598793030e-01 - <_> - - 0 -1 380 -3.7349949125200510e-03 - - 3.5057601332664490e-01 -1.0241500288248062e-01 - <_> - - 0 -1 381 3.2173299696296453e-03 - - 6.4644902944564819e-02 -5.0682359933853149e-01 - <_> - - 0 -1 382 5.2299688104540110e-04 - - 5.5405199527740479e-02 -4.9950990080833435e-01 - <_> - - 0 -1 383 4.8098989645950496e-04 - - -2.4837599694728851e-01 7.4951313436031342e-02 - <_> - 63 - -1.5442479848861694e+00 - - <_> - - 0 -1 384 -3.2547898590564728e-02 - - 2.5708261132240295e-01 -3.2944089174270630e-01 - <_> - - 0 -1 385 4.6782270073890686e-02 - - -3.3552670478820801e-01 1.4950010180473328e-01 - <_> - - 0 -1 386 1.1599030112847686e-03 - - -2.1494610607624054e-01 2.9501560330390930e-01 - <_> - - 0 -1 387 4.7644421458244324e-02 - - -1.7128750681877136e-01 9.9497273564338684e-02 - <_> - - 0 -1 388 6.2301728874444962e-02 - - -3.8296920061111450e-01 1.8469420075416565e-01 - <_> - - 0 -1 389 1.6393130645155907e-02 - - -4.8794609308242798e-01 1.9131919741630554e-01 - <_> - - 0 -1 390 6.3293199054896832e-03 - - -1.8209590017795563e-01 2.8313478827476501e-01 - <_> - - 0 -1 391 6.4573478884994984e-03 - - 3.9345800876617432e-02 -5.2096349000930786e-01 - <_> - - 0 -1 392 -2.5518420152366161e-03 - - 2.1809610724449158e-01 -2.0214560627937317e-01 - <_> - - 0 -1 393 2.6448559947311878e-03 - - -9.7657637670636177e-03 -5.8440917730331421e-01 - <_> - - 0 -1 394 3.3177100704051554e-05 - - -2.9121240973472595e-01 1.3445389270782471e-01 - <_> - - 0 -1 395 -4.0287282317876816e-03 - - 2.7975788712501526e-01 -1.0854139924049377e-01 - <_> - - 0 -1 396 1.7501820111647248e-03 - - 8.0245189368724823e-02 -5.1040309667587280e-01 - <_> - - 0 -1 397 -9.8289866000413895e-03 - - 2.2203339636325836e-01 -2.5279709696769714e-01 - <_> - - 0 -1 398 -1.1355300433933735e-02 - - -5.6477332115173340e-01 6.1788219958543777e-02 - <_> - - 0 -1 399 6.1084949411451817e-03 - - -1.2973600625991821e-01 3.1682729721069336e-01 - <_> - - 0 -1 400 -1.0406709770904854e-04 - - 1.2907129526138306e-01 -2.5948029756546021e-01 - <_> - - 0 -1 401 2.6019159704446793e-03 - - 4.8421688377857208e-02 -5.4648971557617188e-01 - <_> - - 0 -1 402 -5.9403157792985439e-03 - - -5.5114412307739258e-01 5.9723380953073502e-02 - <_> - - 0 -1 403 -4.0788599289953709e-03 - - 7.9743288457393646e-02 -1.7927250266075134e-01 - <_> - - 0 -1 404 -8.8134910911321640e-03 - - 3.8017749786376953e-01 -8.6376570165157318e-02 - <_> - - 0 -1 405 -2.3983590304851532e-02 - - -4.9645310640335083e-01 5.4226141422986984e-02 - <_> - - 0 -1 406 3.9569390937685966e-03 - - 5.1663581281900406e-02 -5.6799358129501343e-01 - <_> - - 0 -1 407 -1.3359559699892998e-02 - - 2.3724800348281860e-01 -3.2083779573440552e-02 - <_> - - 0 -1 408 8.6046587675809860e-03 - - -8.2463279366493225e-02 4.0011510252952576e-01 - <_> - - 0 -1 409 -8.4893424063920975e-03 - - -5.2815818786621094e-01 6.8383157253265381e-02 - <_> - - 0 -1 410 7.7398498542606831e-03 - - -4.3508920073509216e-01 6.3567712903022766e-02 - <_> - - 0 -1 411 5.4778340272605419e-03 - - 2.4115180596709251e-02 -4.5364230871200562e-01 - <_> - - 0 -1 412 -5.3739761933684349e-03 - - -4.8526778817176819e-01 6.2529832124710083e-02 - <_> - - 0 -1 413 -6.5155163407325745e-02 - - 3.3586868643760681e-01 -1.1969889700412750e-01 - <_> - - 0 -1 414 3.1082800123840570e-03 - - -9.3668088316917419e-02 3.1569510698318481e-01 - <_> - - 0 -1 415 -5.6411409750580788e-03 - - 4.1902360320091248e-01 -5.2446529269218445e-02 - <_> - - 0 -1 416 1.0050649754703045e-02 - - 6.9715507328510284e-02 -4.8279500007629395e-01 - <_> - - 0 -1 417 -6.4478779677301645e-04 - - -3.9206001162528992e-01 2.6635570451617241e-02 - <_> - - 0 -1 418 4.2866038711508736e-05 - - -2.8287550806999207e-01 9.8806321620941162e-02 - <_> - - 0 -1 419 5.5659800767898560e-02 - - 3.4592561423778534e-02 -5.7936602830886841e-01 - <_> - - 0 -1 420 -1.9027240574359894e-02 - - 1.2798109650611877e-01 -2.2252650558948517e-01 - <_> - - 0 -1 421 -5.4886029101908207e-03 - - 2.2120019793510437e-01 -1.4247809350490570e-01 - <_> - - 0 -1 422 -9.1977212578058243e-03 - - 1.1419790238142014e-01 -2.5367730855941772e-01 - <_> - - 0 -1 423 1.5616010129451752e-01 - - -2.4698130786418915e-02 6.4977157115936279e-01 - <_> - - 0 -1 424 1.0394269973039627e-01 - - -4.7591820359230042e-02 6.7088091373443604e-01 - <_> - - 0 -1 425 2.3722560144960880e-03 - - -2.5346800684928894e-01 1.2758140265941620e-01 - <_> - - 0 -1 426 6.3766101375222206e-03 - - -8.0695442855358124e-02 4.2792451381683350e-01 - <_> - - 0 -1 427 -1.3368749991059303e-02 - - 1.0521420091390610e-01 -4.7770101577043533e-02 - <_> - - 0 -1 428 -5.6055800087051466e-05 - - 1.2017639726400375e-01 -2.5983789563179016e-01 - <_> - - 0 -1 429 2.6153340004384518e-03 - - 4.9611940979957581e-02 -4.0553820133209229e-01 - <_> - - 0 -1 430 -8.5704872617498040e-04 - - 3.6326551437377930e-01 -8.2753598690032959e-02 - <_> - - 0 -1 431 4.0100780315697193e-03 - - 4.0156569331884384e-02 -5.6216222047805786e-01 - <_> - - 0 -1 432 1.5721879899501801e-02 - - -1.1804500222206116e-01 2.4654519557952881e-01 - <_> - - 0 -1 433 -2.6668920181691647e-03 - - -5.4068821668624878e-01 4.3663289397954941e-02 - <_> - - 0 -1 434 4.1414599865674973e-02 - - -8.2976840436458588e-02 3.3884221315383911e-01 - <_> - - 0 -1 435 4.8187570646405220e-03 - - 4.3414391577243805e-02 -4.0724611282348633e-01 - <_> - - 0 -1 436 -5.4356600157916546e-03 - - 3.3830219507217407e-01 -9.0368166565895081e-02 - <_> - - 0 -1 437 -4.6245800331234932e-03 - - 4.8925418406724930e-02 -1.0818439722061157e-01 - <_> - - 0 -1 438 -5.0910529680550098e-03 - - 3.3953168988227844e-01 -7.7847503125667572e-02 - <_> - - 0 -1 439 -6.9446121342480183e-03 - - -3.6882779002189636e-01 3.4155908972024918e-02 - <_> - - 0 -1 440 -5.2966130897402763e-03 - - -4.6671220660209656e-01 5.5030699819326401e-02 - <_> - - 0 -1 441 8.2239676266908646e-03 - - -1.9418859854340553e-02 2.7148181200027466e-01 - <_> - - 0 -1 442 -6.9603421725332737e-03 - - 1.3864019513130188e-01 -2.1237270534038544e-01 - <_> - - 0 -1 443 -3.5027971025556326e-03 - - 4.8216879367828369e-01 -8.9572787284851074e-02 - <_> - - 0 -1 444 -3.3562759199412540e-05 - - 1.7753930389881134e-01 -1.5390409529209137e-01 - <_> - - 0 -1 445 -1.1905809864401817e-02 - - -4.4905489683151245e-01 4.8765189945697784e-02 - <_> - - 0 -1 446 1.0403740452602506e-03 - - 6.9199390709400177e-02 -3.9061141014099121e-01 - <_> - 68 - -1.5824840068817139e+00 - - <_> - - 0 -1 447 1.1477550119161606e-01 - - -3.5392341017723083e-01 2.4686269462108612e-01 - <_> - - 0 -1 448 -8.3238538354635239e-03 - - 3.5804480314254761e-01 -2.9096409678459167e-01 - <_> - - 0 -1 449 3.3069178462028503e-02 - - -4.5017778873443604e-01 1.4678280055522919e-01 - <_> - - 0 -1 450 -9.8486011847853661e-03 - - 1.5487630665302277e-01 -1.5467190742492676e-01 - <_> - - 0 -1 451 -3.6737930495291948e-03 - - 2.7250599861145020e-01 -2.0117540657520294e-01 - <_> - - 0 -1 452 -3.5203520674258471e-03 - - 2.1894049644470215e-01 -3.0996188521385193e-01 - <_> - - 0 -1 453 -2.9107630252838135e-03 - - 1.7095150053501129e-01 -2.5036340951919556e-01 - <_> - - 0 -1 454 1.1107170023024082e-02 - - -2.9383128881454468e-01 9.0500317513942719e-02 - <_> - - 0 -1 455 4.5277690514922142e-03 - - -3.6567330360412598e-01 7.1812681853771210e-02 - <_> - - 0 -1 456 1.6910480335354805e-03 - - -2.4635620415210724e-01 1.4365090429782867e-01 - <_> - - 0 -1 457 -5.2848931401968002e-02 - - -4.8988130688667297e-01 5.8866269886493683e-02 - <_> - - 0 -1 458 2.7257269248366356e-02 - - -1.3318820297718048e-01 1.7798610031604767e-01 - <_> - - 0 -1 459 -1.0774610191583633e-01 - - 7.5734657049179077e-01 -4.5793280005455017e-02 - <_> - - 0 -1 460 6.2365201301872730e-03 - - 7.6347790658473969e-02 -4.6734619140625000e-01 - <_> - - 0 -1 461 -3.2917850185185671e-03 - - 2.5657090544700623e-01 -1.3669669628143311e-01 - <_> - - 0 -1 462 -7.0988652296364307e-03 - - -7.3587757349014282e-01 5.6788709014654160e-02 - <_> - - 0 -1 463 -2.0502239465713501e-02 - - -6.1333388090133667e-01 4.0661100298166275e-02 - <_> - - 0 -1 464 -5.7894989848136902e-02 - - -4.2337441444396973e-01 1.6256660223007202e-02 - <_> - - 0 -1 465 -7.0625008083879948e-03 - - 1.5070070326328278e-01 -2.1530729532241821e-01 - <_> - - 0 -1 466 -1.4774609589949250e-03 - - 9.9447593092918396e-02 -1.9990250468254089e-01 - <_> - - 0 -1 467 -5.9045450761914253e-03 - - 2.3448540270328522e-01 -1.3239750266075134e-01 - <_> - - 0 -1 468 4.9114958383142948e-03 - - 5.5307600647211075e-02 -4.1024419665336609e-01 - <_> - - 0 -1 469 -4.0302358567714691e-02 - - 5.1089602708816528e-01 -6.7178718745708466e-02 - <_> - - 0 -1 470 -3.1478509306907654e-02 - - -3.5742738842964172e-01 3.4691110253334045e-02 - <_> - - 0 -1 471 -2.0419940119609237e-04 - - 1.1907909810543060e-01 -2.6256930828094482e-01 - <_> - - 0 -1 472 6.1496188864111900e-03 - - 3.8344919681549072e-02 -7.0752871036529541e-01 - <_> - - 0 -1 473 -6.4982818439602852e-03 - - -5.7135289907455444e-01 4.1346888989210129e-02 - <_> - - 0 -1 474 -2.0436770282685757e-03 - - 2.1547719836235046e-01 -9.2143923044204712e-02 - <_> - - 0 -1 475 8.4923263639211655e-03 - - 5.7075109332799911e-02 -5.3487390279769897e-01 - <_> - - 0 -1 476 -2.2661099210381508e-03 - - 2.7374848723411560e-01 -1.8907399475574493e-01 - <_> - - 0 -1 477 -3.8180600386112928e-03 - - -4.9997299909591675e-01 5.6287519633769989e-02 - <_> - - 0 -1 478 1.9832929968833923e-01 - - -4.9284029752016068e-02 3.0991891026496887e-01 - <_> - - 0 -1 479 -5.3573800250887871e-03 - - 3.6525368690490723e-01 -8.1586323678493500e-02 - <_> - - 0 -1 480 -4.1200658306479454e-03 - - -4.9979409575462341e-01 3.3759441226720810e-02 - <_> - - 0 -1 481 2.7241830248385668e-03 - - -7.4961036443710327e-02 4.0402159094810486e-01 - <_> - - 0 -1 482 -1.1279270052909851e-02 - - -6.2540912628173828e-01 4.0539268404245377e-02 - <_> - - 0 -1 483 -2.6438670232892036e-02 - - 6.2469798326492310e-01 -5.0695668905973434e-02 - <_> - - 0 -1 484 9.3085810542106628e-02 - - -2.7736229822039604e-02 1.2201499938964844e-01 - <_> - - 0 -1 485 3.6821569665335119e-04 - - 6.3227869570255280e-02 -4.5462760329246521e-01 - <_> - - 0 -1 486 -2.6150209829211235e-02 - - 2.1615530550479889e-01 -3.4189209342002869e-02 - <_> - - 0 -1 487 -1.5219129621982574e-01 - - -5.6291139125823975e-01 5.0881389528512955e-02 - <_> - - 0 -1 488 -5.3802412003278732e-03 - - 1.1969149857759476e-01 -4.5463770627975464e-02 - <_> - - 0 -1 489 3.1421401072293520e-03 - - 3.5171128809452057e-02 -7.5333297252655029e-01 - <_> - - 0 -1 490 -2.3642999585717916e-03 - - -7.8145317733287811e-02 3.6591161042451859e-02 - <_> - - 0 -1 491 -3.4253650810569525e-03 - - 2.7961251139640808e-01 -1.0286819934844971e-01 - <_> - - 0 -1 492 -1.0126389563083649e-02 - - 1.2946769595146179e-01 -2.0795370638370514e-01 - <_> - - 0 -1 493 9.5109362155199051e-03 - - -6.4487166702747345e-02 4.5304939150810242e-01 - <_> - - 0 -1 494 -2.8382990509271622e-02 - - 1.8103609979152679e-01 -1.2647239863872528e-01 - <_> - - 0 -1 495 7.2591200470924377e-02 - - -1.3137449324131012e-01 2.1626609563827515e-01 - <_> - - 0 -1 496 5.6936382316052914e-03 - - -7.3818109929561615e-02 1.0788620263338089e-01 - <_> - - 0 -1 497 -5.4796910844743252e-03 - - 4.1715219616889954e-01 -6.7778319120407104e-02 - <_> - - 0 -1 498 -6.8001292645931244e-02 - - -5.7230949401855469e-01 5.9687018394470215e-02 - <_> - - 0 -1 499 4.1796491132117808e-05 - - -3.6016240715980530e-01 6.7770622670650482e-02 - <_> - - 0 -1 500 -6.0458998195827007e-03 - - -6.6702812910079956e-01 2.0666399970650673e-02 - <_> - - 0 -1 501 -8.9402851881459355e-04 - - 1.8525250256061554e-01 -1.3367660343647003e-01 - <_> - - 0 -1 502 -5.2337357774376869e-03 - - -6.4259058237075806e-01 3.8245800882577896e-02 - <_> - - 0 -1 503 -1.0876660235226154e-02 - - -6.5612989664077759e-01 3.0916240066289902e-02 - <_> - - 0 -1 504 1.0764590464532375e-02 - - -1.2209519743919373e-01 2.3244349658489227e-01 - <_> - - 0 -1 505 6.2717488035559654e-03 - - 3.6665380001068115e-02 -6.4267098903656006e-01 - <_> - - 0 -1 506 3.9870911277830601e-03 - - -1.0013840347528458e-01 2.6687619090080261e-01 - <_> - - 0 -1 507 5.6966538541018963e-03 - - 4.1680138558149338e-02 -6.2925517559051514e-01 - <_> - - 0 -1 508 -2.4660900235176086e-03 - - 3.0375760793685913e-01 -8.9954569935798645e-02 - <_> - - 0 -1 509 4.3577459291554987e-04 - - 5.6845329701900482e-02 -4.4916090369224548e-01 - <_> - - 0 -1 510 -8.6022150935605168e-04 - - -3.1331560015678406e-01 2.2231949493288994e-02 - <_> - - 0 -1 511 -3.6151748645352200e-05 - - 1.6037069261074066e-01 -1.5645219385623932e-01 - <_> - - 0 -1 512 -1.2417449615895748e-03 - - 3.6251470446586609e-01 -6.8029686808586121e-02 - <_> - - 0 -1 513 -9.3716438859701157e-03 - - -6.5667027235031128e-01 3.9296999573707581e-02 - <_> - - 0 -1 514 5.0649640616029501e-04 - - -9.9897801876068115e-02 2.5486990809440613e-01 - <_> - 71 - -1.4470269680023193e+00 - - <_> - - 0 -1 515 6.9536222144961357e-03 - - -3.0070298910140991e-01 2.8844910860061646e-01 - <_> - - 0 -1 516 1.5524399280548096e-01 - - -2.8483951091766357e-01 1.2542790174484253e-01 - <_> - - 0 -1 517 -9.5990058034658432e-03 - - 2.6636219024658203e-01 -2.2467589378356934e-01 - <_> - - 0 -1 518 8.2325551193207502e-04 - - -1.5014129877090454e-01 1.7611239850521088e-01 - <_> - - 0 -1 519 -6.3837850466370583e-03 - - -5.3211832046508789e-01 8.8923923671245575e-02 - <_> - - 0 -1 520 -1.8110420554876328e-02 - - 2.9294028878211975e-01 -1.8418279290199280e-01 - <_> - - 0 -1 521 -2.2221719846129417e-03 - - 2.3608820140361786e-01 -1.8082359433174133e-01 - <_> - - 0 -1 522 -4.2745987884700298e-03 - - 1.1372009664773941e-01 -2.8232550621032715e-01 - <_> - - 0 -1 523 -1.1924340389668941e-02 - - 3.0177098512649536e-01 -1.3063450157642365e-01 - <_> - - 0 -1 524 2.1337319631129503e-03 - - -2.0078870654106140e-01 1.0759650170803070e-01 - <_> - - 0 -1 525 3.9748410927131772e-05 - - -3.3652520179748535e-01 9.8408773541450500e-02 - <_> - - 0 -1 526 -7.4939359910786152e-03 - - 4.4728818535804749e-01 -1.2359820306301117e-01 - <_> - - 0 -1 527 -5.4673082195222378e-03 - - -3.7992051243782043e-01 9.0167470276355743e-02 - <_> - - 0 -1 528 -4.6410970389842987e-02 - - -4.7909379005432129e-01 2.2162070497870445e-02 - <_> - - 0 -1 529 -1.8335790373384953e-03 - - 1.4062260091304779e-01 -2.7500510215759277e-01 - <_> - - 0 -1 530 3.2272320822812617e-04 - - 4.4330291450023651e-02 -3.1671470403671265e-01 - <_> - - 0 -1 531 -2.0776148885488510e-03 - - 4.1858351230621338e-01 -7.0875823497772217e-02 - <_> - - 0 -1 532 -7.9464362934231758e-03 - - -7.9281628131866455e-01 1.9778270274400711e-02 - <_> - - 0 -1 533 1.8161779735237360e-03 - - -3.5335579514503479e-01 8.0757312476634979e-02 - <_> - - 0 -1 534 -1.3951859727967530e-04 - - 8.7176196277141571e-02 -2.3442719876766205e-01 - <_> - - 0 -1 535 -3.0605921056121588e-03 - - 1.9965550303459167e-01 -1.4475509524345398e-01 - <_> - - 0 -1 536 -3.5044189542531967e-02 - - -4.6923148632049561e-01 6.3744127750396729e-02 - <_> - - 0 -1 537 2.2343990206718445e-01 - - 3.6188349127769470e-02 -6.7740142345428467e-01 - <_> - - 0 -1 538 6.2643741257488728e-03 - - 5.3922589868307114e-02 -2.9957211017608643e-01 - <_> - - 0 -1 539 5.1456191577017307e-03 - - -8.5695646703243256e-02 3.4958600997924805e-01 - <_> - - 0 -1 540 -4.5792991295456886e-04 - - -3.7274828553199768e-01 5.2098128944635391e-02 - <_> - - 0 -1 541 -8.9521985501050949e-03 - - -5.5943322181701660e-01 4.5037239789962769e-02 - <_> - - 0 -1 542 -8.8845528662204742e-03 - - -8.2152491807937622e-01 1.9023310393095016e-02 - <_> - - 0 -1 543 -8.3964038640260696e-04 - - 1.3553179800510406e-01 -1.9439619779586792e-01 - <_> - - 0 -1 544 5.7581579312682152e-03 - - 3.4872371703386307e-02 -6.1317610740661621e-01 - <_> - - 0 -1 545 -3.2971119508147240e-03 - - 2.0933049917221069e-01 -1.1797709763050079e-01 - <_> - - 0 -1 546 6.6358018666505814e-03 - - -1.2625180184841156e-01 2.3151409626007080e-01 - <_> - - 0 -1 547 9.1771818697452545e-03 - - 4.2256359010934830e-02 -6.4281421899795532e-01 - <_> - - 0 -1 548 -1.8898380920290947e-02 - - -5.4784798622131348e-01 2.4022759869694710e-02 - <_> - - 0 -1 549 -1.3961439952254295e-02 - - 1.3342179358005524e-01 -1.8949310481548309e-01 - <_> - - 0 -1 550 3.9351810701191425e-03 - - 1.2323100119829178e-02 -4.8017400503158569e-01 - <_> - - 0 -1 551 2.8737629763782024e-03 - - -6.3833169639110565e-02 3.8450908660888672e-01 - <_> - - 0 -1 552 -2.1502410527318716e-03 - - 2.4967829883098602e-01 -8.3693861961364746e-02 - <_> - - 0 -1 553 -2.0945349708199501e-02 - - -4.6581479907035828e-01 5.9967949986457825e-02 - <_> - - 0 -1 554 1.2025360483676195e-03 - - -7.4031457304954529e-02 2.6217839121818542e-01 - <_> - - 0 -1 555 -1.2649910058826208e-03 - - -5.6358098983764648e-01 4.7350831329822540e-02 - <_> - - 0 -1 556 -3.5608751204563305e-05 - - 8.3944819867610931e-02 -9.2339277267456055e-02 - <_> - - 0 -1 557 1.7638429999351501e-03 - - -6.7106232047080994e-02 3.5390651226043701e-01 - <_> - - 0 -1 558 2.6478520594537258e-03 - - 4.9792490899562836e-02 -5.6108528375625610e-01 - <_> - - 0 -1 559 1.1421759845688939e-03 - - -8.0566927790641785e-02 3.1899300217628479e-01 - <_> - - 0 -1 560 -3.7144690286368132e-03 - - -2.1286490559577942e-01 6.6972009837627411e-02 - <_> - - 0 -1 561 4.6520791947841644e-03 - - 5.9289190918207169e-02 -4.5674440264701843e-01 - <_> - - 0 -1 562 -4.7056251205503941e-03 - - -2.4541069567203522e-01 2.4544840678572655e-02 - <_> - - 0 -1 563 7.1251969784498215e-03 - - 3.8318928331136703e-02 -6.4973872900009155e-01 - <_> - - 0 -1 564 -6.7658387124538422e-02 - - 4.0030410885810852e-01 -3.2079871743917465e-02 - <_> - - 0 -1 565 3.5729840397834778e-02 - - -7.0430107414722443e-02 3.0633118748664856e-01 - <_> - - 0 -1 566 -3.3828441053628922e-02 - - 5.0491297245025635e-01 -3.5456459969282150e-02 - <_> - - 0 -1 567 1.3351860456168652e-02 - - -1.7890280485153198e-01 1.4767180383205414e-01 - <_> - - 0 -1 568 8.7488196790218353e-02 - - 4.3538779020309448e-02 -4.6793699264526367e-01 - <_> - - 0 -1 569 3.6777120549231768e-03 - - -2.0427100360393524e-01 1.5148130059242249e-01 - <_> - - 0 -1 570 1.0766600025817752e-03 - - -9.6319787204265594e-02 3.5530230402946472e-01 - <_> - - 0 -1 571 5.2243531681597233e-03 - - 5.3389668464660645e-02 -4.5717859268188477e-01 - <_> - - 0 -1 572 -9.5345107838511467e-03 - - 1.4912480115890503e-01 -1.4985750615596771e-01 - <_> - - 0 -1 573 4.2573010432533920e-05 - - -1.3890530169010162e-01 1.5467180311679840e-01 - <_> - - 0 -1 574 -1.5596169978380203e-03 - - -5.4723149538040161e-01 3.4767109900712967e-02 - <_> - - 0 -1 575 7.6222111238166690e-04 - - -7.8980550169944763e-02 2.8355160355567932e-01 - <_> - - 0 -1 576 -2.1907720714807510e-02 - - -4.3671789765357971e-01 5.1701240241527557e-02 - <_> - - 0 -1 577 4.6507688239216805e-05 - - -3.1914091110229492e-01 6.2482111155986786e-02 - <_> - - 0 -1 578 -2.9253138927742839e-04 - - -2.4766990542411804e-01 8.4014937281608582e-02 - <_> - - 0 -1 579 3.0009269248694181e-03 - - -1.1042869836091995e-01 1.9720460474491119e-01 - <_> - - 0 -1 580 8.7042397353798151e-04 - - 6.7197367548942566e-02 -1.8366929888725281e-01 - <_> - - 0 -1 581 7.6602102490141988e-04 - - -6.4485676586627960e-02 3.2467260956764221e-01 - <_> - - 0 -1 582 3.3248408726649359e-05 - - -9.8362646996974945e-02 8.6462937295436859e-02 - <_> - - 0 -1 583 1.2568470556288958e-03 - - 4.9354679882526398e-02 -4.3177890777587891e-01 - <_> - - 0 -1 584 -9.7309090197086334e-03 - - -2.7393120527267456e-01 3.9641439914703369e-02 - <_> - - 0 -1 585 5.8255670592188835e-03 - - -7.0380076766014099e-02 3.0546179413795471e-01 - <_> - 77 - -1.4913309812545776e+00 - - <_> - - 0 -1 586 -6.9308779202401638e-03 - - 2.3897680640220642e-01 -3.3735579252243042e-01 - <_> - - 0 -1 587 6.3356258906424046e-03 - - -2.0606219768524170e-01 2.4546289443969727e-01 - <_> - - 0 -1 588 3.2951928675174713e-02 - - -4.8151299357414246e-01 1.3534410297870636e-01 - <_> - - 0 -1 589 -2.0294299349188805e-02 - - 2.4425999820232391e-01 -3.0648550391197205e-01 - <_> - - 0 -1 590 -8.0935731530189514e-03 - - 2.1754260361194611e-01 -2.3051339387893677e-01 - <_> - - 0 -1 591 -3.2209409400820732e-03 - - 2.4082750082015991e-01 -1.4753510057926178e-01 - <_> - - 0 -1 592 3.6949120461940765e-02 - - -2.8758960962295532e-01 1.7237929999828339e-01 - <_> - - 0 -1 593 1.0001210030168295e-03 - - -1.8483549356460571e-01 1.0649669915437698e-01 - <_> - - 0 -1 594 -4.9832418881123886e-05 - - 1.0084930062294006e-01 -3.7289780378341675e-01 - <_> - - 0 -1 595 4.6645071357488632e-02 - - 7.1331411600112915e-02 -4.2174908518791199e-01 - <_> - - 0 -1 596 2.9729669913649559e-03 - - -2.3385779559612274e-01 1.5728150308132172e-01 - <_> - - 0 -1 597 1.1885419953614473e-03 - - -2.1615119278430939e-01 8.5435479879379272e-02 - <_> - - 0 -1 598 -2.5504899676889181e-03 - - 2.4453009665012360e-01 -1.3642320036888123e-01 - <_> - - 0 -1 599 1.4580690301954746e-02 - - 6.3050612807273865e-02 -4.3805420398712158e-01 - <_> - - 0 -1 600 1.7621000006329268e-04 - - -3.5026490688323975e-01 9.7995147109031677e-02 - <_> - - 0 -1 601 -1.0763060301542282e-02 - - -5.5614972114562988e-01 5.2613109350204468e-02 - <_> - - 0 -1 602 -1.7733459826558828e-03 - - 2.1240839362144470e-01 -1.2885910272598267e-01 - <_> - - 0 -1 603 -5.6170229800045490e-03 - - -5.7895171642303467e-01 2.7056280523538589e-02 - <_> - - 0 -1 604 7.8137779235839844e-01 - - 4.3512191623449326e-02 -5.1112377643585205e-01 - <_> - - 0 -1 605 1.5521559864282608e-02 - - 1.7887489870190620e-02 -4.2302969098091125e-01 - <_> - - 0 -1 606 -6.0149789787828922e-03 - - -6.1993318796157837e-01 4.1468121111392975e-02 - <_> - - 0 -1 607 -1.2032959610223770e-02 - - 3.7520378828048706e-01 -5.2101939916610718e-02 - <_> - - 0 -1 608 5.7090952759608626e-04 - - -2.3000800609588623e-01 1.3806359469890594e-01 - <_> - - 0 -1 609 -3.5141059925081208e-05 - - 1.3613599538803101e-01 -1.3633610308170319e-01 - <_> - - 0 -1 610 3.8827958633191884e-04 - - 6.2043979763984680e-02 -4.0999558568000793e-01 - <_> - - 0 -1 611 -3.1813879031687975e-03 - - 4.3042609095573425e-01 -5.8574389666318893e-02 - <_> - - 0 -1 612 1.2359759770333767e-02 - - -5.3425218909978867e-02 4.4235768914222717e-01 - <_> - - 0 -1 613 5.3630769252777100e-03 - - 4.8345729708671570e-02 -3.6919850111007690e-01 - <_> - - 0 -1 614 6.7529240623116493e-03 - - -6.7788898944854736e-02 4.0632560849189758e-01 - <_> - - 0 -1 615 -1.1506180278956890e-02 - - -2.4940669536590576e-01 3.0043790116906166e-02 - <_> - - 0 -1 616 -6.5450267866253853e-03 - - -5.0393360853195190e-01 5.1048409193754196e-02 - <_> - - 0 -1 617 -6.4059509895741940e-03 - - -7.8335607051849365e-01 7.0806178264319897e-03 - <_> - - 0 -1 618 -4.7279968857765198e-03 - - -6.8467348814010620e-01 3.3867139369249344e-02 - <_> - - 0 -1 619 -5.2285747369751334e-04 - - 1.4660769701004028e-01 -6.7289963364601135e-02 - <_> - - 0 -1 620 -9.3035101890563965e-03 - - -4.0989071130752563e-01 5.7299319654703140e-02 - <_> - - 0 -1 621 6.8128891289234161e-03 - - 4.2919881641864777e-02 -2.4730630218982697e-01 - <_> - - 0 -1 622 4.6791278873570263e-04 - - -7.5994156301021576e-02 3.0771958827972412e-01 - <_> - - 0 -1 623 2.3431669920682907e-02 - - 1.0545349679887295e-02 -4.1394978761672974e-01 - <_> - - 0 -1 624 9.2174801975488663e-03 - - 5.8044180274009705e-02 -4.0034890174865723e-01 - <_> - - 0 -1 625 -7.8371819108724594e-03 - - 1.2945890426635742e-01 -7.3255613446235657e-02 - <_> - - 0 -1 626 3.5635009407997131e-03 - - -7.1402922272682190e-02 3.4709578752517700e-01 - <_> - - 0 -1 627 -5.3719929419457912e-03 - - 6.9731049239635468e-02 -6.1688169836997986e-02 - <_> - - 0 -1 628 4.3290190398693085e-02 - - 5.0334971398115158e-02 -4.5517569780349731e-01 - <_> - - 0 -1 629 -4.6179331839084625e-03 - - -4.9110341072082520e-01 3.5927779972553253e-02 - <_> - - 0 -1 630 -7.0018521510064602e-03 - - -6.0634332895278931e-01 3.3043950796127319e-02 - <_> - - 0 -1 631 -2.0546320825815201e-02 - - 3.7467220425605774e-01 -6.0966350138187408e-02 - <_> - - 0 -1 632 9.0153552591800690e-03 - - -8.1377029418945312e-02 2.8447070717811584e-01 - <_> - - 0 -1 633 1.6945270821452141e-02 - - 1.9947079941630363e-02 -4.2220640182495117e-01 - <_> - - 0 -1 634 8.2118361024186015e-04 - - -2.7205279469490051e-01 9.5590539276599884e-02 - <_> - - 0 -1 635 3.5344670322956517e-05 - - -7.9617857933044434e-02 7.4185736477375031e-02 - <_> - - 0 -1 636 -8.4219790995121002e-02 - - -4.8575800657272339e-01 4.2242940515279770e-02 - <_> - - 0 -1 637 4.3517339974641800e-02 - - -1.5482529997825623e-01 1.0759840160608292e-01 - <_> - - 0 -1 638 -8.3383917808532715e-03 - - 4.0242099761962891e-01 -8.3734147250652313e-02 - <_> - - 0 -1 639 -2.6848739944398403e-03 - - 2.5776070356369019e-01 -5.7312320917844772e-02 - <_> - - 0 -1 640 3.9407201111316681e-03 - - -9.5994941890239716e-02 2.4924820661544800e-01 - <_> - - 0 -1 641 -6.5882800845429301e-04 - - 1.2785859405994415e-01 -1.5311600267887115e-01 - <_> - - 0 -1 642 -1.1875710450112820e-02 - - -7.0702570676803589e-01 3.2913740724325180e-02 - <_> - - 0 -1 643 -2.3982020094990730e-02 - - -5.0821501016616821e-01 4.6551831066608429e-02 - <_> - - 0 -1 644 -2.0041069947183132e-03 - - -6.8692350387573242e-01 2.5760149583220482e-02 - <_> - - 0 -1 645 7.8222304582595825e-03 - - -4.8103228211402893e-02 2.1432960033416748e-01 - <_> - - 0 -1 646 1.0946569964289665e-02 - - -1.6195610165596008e-01 1.6880209743976593e-01 - <_> - - 0 -1 647 2.6802860200405121e-02 - - 5.6256961077451706e-02 -2.7505400776863098e-01 - <_> - - 0 -1 648 3.9884559810161591e-03 - - -1.2663219869136810e-01 2.1626690030097961e-01 - <_> - - 0 -1 649 -1.8008690327405930e-02 - - 1.4534379541873932e-01 -5.5422309786081314e-02 - <_> - - 0 -1 650 1.7189480364322662e-02 - - -6.7623190581798553e-02 4.0081891417503357e-01 - <_> - - 0 -1 651 -1.2231480330228806e-02 - - -8.2071441411972046e-01 2.1297780796885490e-02 - <_> - - 0 -1 652 1.5830479562282562e-02 - - 3.5207420587539673e-02 -6.0531431436538696e-01 - <_> - - 0 -1 653 -1.5264269895851612e-02 - - -2.7459529042243958e-01 2.2607039660215378e-02 - <_> - - 0 -1 654 3.8808338344097137e-02 - - 3.9623390883207321e-02 -5.8665269613265991e-01 - <_> - - 0 -1 655 1.6585539560765028e-03 - - 2.4927699938416481e-02 -1.7679250240325928e-01 - <_> - - 0 -1 656 -7.0774480700492859e-03 - - 3.9536350965499878e-01 -5.4568108171224594e-02 - <_> - - 0 -1 657 4.7583471314283088e-05 - - -9.0718649327754974e-02 6.7698262631893158e-02 - <_> - - 0 -1 658 4.4619271648116410e-05 - - -2.3770439624786377e-01 9.9762678146362305e-02 - <_> - - 0 -1 659 -1.1851030401885509e-02 - - 3.2351729273796082e-01 -3.9586558938026428e-02 - <_> - - 0 -1 660 -1.6401939792558551e-03 - - -2.9881209135055542e-01 7.3466911911964417e-02 - <_> - - 0 -1 661 -6.9199479185044765e-03 - - 4.3420779705047607e-01 -1.0284329950809479e-01 - <_> - - 0 -1 662 -1.1484259739518166e-02 - - -4.9977409839630127e-01 5.0039488822221756e-02 - <_> - 85 - -1.4498629570007324e+00 - - <_> - - 0 -1 663 5.7978169061243534e-03 - - -2.5478368997573853e-01 3.1262540817260742e-01 - <_> - - 0 -1 664 3.4410690423101187e-03 - - -1.4427100121974945e-01 1.4882120490074158e-01 - <_> - - 0 -1 665 1.6638059914112091e-01 - - -2.9001000523567200e-01 1.7310169339179993e-01 - <_> - - 0 -1 666 -7.4716238304972649e-03 - - 2.5105801224708557e-01 -2.0066189765930176e-01 - <_> - - 0 -1 667 -3.6712910514324903e-03 - - 2.5619038939476013e-01 -1.9867749512195587e-01 - <_> - - 0 -1 668 1.8908550555352122e-04 - - -1.2631610035896301e-01 1.1225890368223190e-01 - <_> - - 0 -1 669 -1.9562460947781801e-03 - - 2.2644129395484924e-01 -1.6129520535469055e-01 - <_> - - 0 -1 670 -8.1449178978800774e-03 - - 2.5742760300636292e-01 -7.2123177349567413e-02 - <_> - - 0 -1 671 6.4932177774608135e-03 - - -1.8143969774246216e-01 2.2572280466556549e-01 - <_> - - 0 -1 672 4.5387531281448901e-04 - - 2.3686420172452927e-02 -4.0528649091720581e-01 - <_> - - 0 -1 673 4.2509411287028342e-05 - - -2.9150670766830444e-01 1.1115519702434540e-01 - <_> - - 0 -1 674 -1.5767119824886322e-02 - - -7.3671698570251465e-01 1.0386019945144653e-02 - <_> - - 0 -1 675 -6.9369110278785229e-03 - - 1.6062590479850769e-01 -1.8799079954624176e-01 - <_> - - 0 -1 676 -3.2210960052907467e-03 - - 1.1640430241823196e-01 -1.8258500099182129e-01 - <_> - - 0 -1 677 -1.2131559662520885e-02 - - -6.3532382249832153e-01 3.5376798361539841e-02 - <_> - - 0 -1 678 -2.6418970082886517e-04 - - -2.4938230216503143e-01 5.5897600948810577e-02 - <_> - - 0 -1 679 1.1737859994173050e-01 - - 3.1205369159579277e-02 -7.4014288187026978e-01 - <_> - - 0 -1 680 -1.1690290411934257e-03 - - 7.8599072992801666e-02 -1.7284469306468964e-01 - <_> - - 0 -1 681 2.4764470756053925e-02 - - 5.1048379391431808e-02 -5.1298439502716064e-01 - <_> - - 0 -1 682 -4.2942222207784653e-03 - - 3.2294911146163940e-01 -9.1555416584014893e-02 - <_> - - 0 -1 683 1.2354889884591103e-02 - - -7.1046717464923859e-02 3.7195768952369690e-01 - <_> - - 0 -1 684 -2.3104460909962654e-02 - - -5.9680628776550293e-01 1.2195380404591560e-02 - <_> - - 0 -1 685 -2.0122020505368710e-03 - - 1.3106389343738556e-01 -2.0082409679889679e-01 - <_> - - 0 -1 686 -1.2122809886932373e-02 - - -3.3110201358795166e-01 3.2431658357381821e-02 - <_> - - 0 -1 687 -1.3967029750347137e-02 - - -4.7931128740310669e-01 5.2107390016317368e-02 - <_> - - 0 -1 688 7.5348587706685066e-03 - - -9.8858788609504700e-02 3.6169511079788208e-01 - <_> - - 0 -1 689 -1.6827749088406563e-02 - - -6.1323410272598267e-01 4.3719381093978882e-02 - <_> - - 0 -1 690 5.4655349813401699e-03 - - 2.9257390648126602e-02 -4.1502380371093750e-01 - <_> - - 0 -1 691 -5.7378439232707024e-03 - - -4.9381670355796814e-01 4.4704858213663101e-02 - <_> - - 0 -1 692 -9.9511053413152695e-03 - - 3.1045120954513550e-01 -6.0698598623275757e-02 - <_> - - 0 -1 693 2.8865570202469826e-03 - - -1.9001829624176025e-01 1.2568040192127228e-01 - <_> - - 0 -1 694 4.1129510849714279e-02 - - 3.0545100569725037e-02 -4.2006531357765198e-01 - <_> - - 0 -1 695 1.6931550204753876e-01 - - 3.2922860234975815e-02 -7.0118480920791626e-01 - <_> - - 0 -1 696 3.9114229381084442e-02 - - -1.2389829754829407e-01 2.5299561023712158e-01 - <_> - - 0 -1 697 1.4167210459709167e-01 - - -1.1856999993324280e-01 2.6716861128807068e-01 - <_> - - 0 -1 698 2.3257229477167130e-03 - - 2.7907749637961388e-02 -3.4009200334548950e-01 - <_> - - 0 -1 699 -2.6245389133691788e-02 - - 9.8266378045082092e-02 -2.5756400823593140e-01 - <_> - - 0 -1 700 1.8283349927514791e-03 - - -8.3703443408012390e-02 2.3101350665092468e-01 - <_> - - 0 -1 701 4.7496692277491093e-03 - - 6.1327129602432251e-02 -4.3593269586563110e-01 - <_> - - 0 -1 702 -4.3565989471971989e-03 - - -4.2383280396461487e-01 9.4382222741842270e-03 - <_> - - 0 -1 703 -3.8147179875522852e-03 - - -6.4637732505798340e-01 3.7270799279212952e-02 - <_> - - 0 -1 704 -2.1859859116375446e-03 - - 2.8486278653144836e-01 -1.9577220082283020e-01 - <_> - - 0 -1 705 -1.5153910499066114e-03 - - 1.6781100630760193e-01 -1.3713860511779785e-01 - <_> - - 0 -1 706 -3.2454739994136617e-05 - - 7.3632411658763885e-02 -7.7787682414054871e-02 - <_> - - 0 -1 707 1.1885840445756912e-02 - - -4.3111089617013931e-02 5.2360087633132935e-01 - <_> - - 0 -1 708 4.4173169881105423e-03 - - 4.5849800109863281e-02 -3.2220908999443054e-01 - <_> - - 0 -1 709 7.3544741608202457e-03 - - -7.6994776725769043e-02 2.8344219923019409e-01 - <_> - - 0 -1 710 -1.4129919931292534e-02 - - -3.9489749073982239e-01 4.1761901229619980e-02 - <_> - - 0 -1 711 6.3752778805792332e-03 - - 4.6900819987058640e-02 -4.8540329933166504e-01 - <_> - - 0 -1 712 2.3776849266141653e-03 - - 1.7367800697684288e-02 -2.0004540681838989e-01 - <_> - - 0 -1 713 -9.5808254554867744e-03 - - 3.6303970217704773e-01 -6.2879018485546112e-02 - <_> - - 0 -1 714 3.8879989006090909e-05 - - -8.1249810755252838e-02 8.1068873405456543e-02 - <_> - - 0 -1 715 -8.8017992675304413e-02 - - 4.4440689682960510e-01 -4.8520348966121674e-02 - <_> - - 0 -1 716 1.4197609852999449e-03 - - -1.0583449900150299e-01 2.3807370662689209e-01 - <_> - - 0 -1 717 8.2073677331209183e-03 - - 4.7994330525398254e-02 -4.6953499317169189e-01 - <_> - - 0 -1 718 -2.9159379191696644e-03 - - 3.7838110327720642e-01 -6.0855239629745483e-02 - <_> - - 0 -1 719 -1.2287500314414501e-02 - - 1.2594810128211975e-01 -1.7701840400695801e-01 - <_> - - 0 -1 720 -5.6836591102182865e-03 - - 2.3341970145702362e-01 -4.4496081769466400e-02 - <_> - - 0 -1 721 -1.3924470171332359e-02 - - -7.2878497838973999e-01 3.0758429318666458e-02 - <_> - - 0 -1 722 9.9232727661728859e-03 - - -3.9361201226711273e-02 3.4838870167732239e-01 - <_> - - 0 -1 723 1.0692769661545753e-02 - - -4.4223789125680923e-02 4.2715668678283691e-01 - <_> - - 0 -1 724 3.7554800655925646e-05 - - -6.4494386315345764e-02 1.2572330236434937e-01 - <_> - - 0 -1 725 2.7551440871320665e-04 - - 6.7445993423461914e-02 -3.4731999039649963e-01 - <_> - - 0 -1 726 3.5946661228081211e-05 - - -7.5870849192142487e-02 1.2495779991149902e-01 - <_> - - 0 -1 727 -4.1565788706066087e-05 - - 1.4327770471572876e-01 -1.5775039792060852e-01 - <_> - - 0 -1 728 2.9380898922681808e-03 - - -2.8900629281997681e-01 6.4528502523899078e-02 - <_> - - 0 -1 729 2.3380669951438904e-01 - - -3.8070231676101685e-02 6.0606312751770020e-01 - <_> - - 0 -1 730 -4.0552138671046123e-05 - - 1.7881380021572113e-01 -9.3907959759235382e-02 - <_> - - 0 -1 731 3.6401779652805999e-05 - - -1.7232389748096466e-01 1.4596420526504517e-01 - <_> - - 0 -1 732 1.2257539667189121e-02 - - 2.7358820661902428e-02 -5.9449177980422974e-01 - <_> - - 0 -1 733 3.4914221032522619e-05 - - -1.4092069864273071e-01 1.4110060036182404e-01 - <_> - - 0 -1 734 5.0704288296401501e-03 - - -1.1959090083837509e-01 3.3249089121818542e-01 - <_> - - 0 -1 735 -1.2888760305941105e-02 - - -6.8956321477890015e-01 3.1754989176988602e-02 - <_> - - 0 -1 736 -1.6707969829440117e-02 - - 9.8655208945274353e-02 -1.0937389731407166e-01 - <_> - - 0 -1 737 1.1148779653012753e-02 - - -6.3801966607570648e-02 3.4605810046195984e-01 - <_> - - 0 -1 738 -2.7799250092357397e-03 - - 2.0987810194492340e-01 -1.3359400629997253e-01 - <_> - - 0 -1 739 -2.4409759498666972e-04 - - 6.9238096475601196e-02 -3.1708741188049316e-01 - <_> - - 0 -1 740 -2.9775299131870270e-02 - - -4.1800031065940857e-01 3.2243121415376663e-02 - <_> - - 0 -1 741 -2.9159660916775465e-03 - - 1.3949039578437805e-01 -1.6484509408473969e-01 - <_> - - 0 -1 742 -3.3617448934819549e-05 - - 9.9441543221473694e-02 -8.6935497820377350e-02 - <_> - - 0 -1 743 -1.2755930423736572e-01 - - -5.9932261705398560e-01 3.4439250826835632e-02 - <_> - - 0 -1 744 1.1930080130696297e-02 - - 3.4306000918149948e-02 -5.4623407125473022e-01 - <_> - - 0 -1 745 1.2805329635739326e-02 - - 5.4770689457654953e-02 -3.3244410157203674e-01 - <_> - - 0 -1 746 -1.1016329750418663e-02 - - -3.3880481123924255e-01 1.9317859783768654e-02 - <_> - - 0 -1 747 -1.5256899641826749e-03 - - 1.9104599952697754e-01 -1.0740239918231964e-01 - - <_> - - <_> - 7 3 30 3 -1. - <_> - 17 3 10 3 3. - <_> - - <_> - 34 5 11 6 -1. - <_> - 34 8 11 3 2. - <_> - - <_> - 6 1 6 9 -1. - <_> - 8 4 2 3 9. - <_> - - <_> - 15 0 15 11 -1. - <_> - 20 0 5 11 3. - <_> - - <_> - 7 3 30 3 -1. - <_> - 17 3 10 3 3. - <_> - - <_> - 34 5 11 6 -1. - <_> - 34 8 11 3 2. - <_> - - <_> - 0 5 11 6 -1. - <_> - 0 8 11 3 2. - <_> - - <_> - 22 0 6 11 -1. - <_> - 22 0 3 11 2. - <_> - - <_> - 17 0 6 11 -1. - <_> - 20 0 3 11 2. - <_> - - <_> - 39 0 1 9 -1. - <_> - 36 3 1 3 3. - 1 - <_> - - <_> - 9 0 27 6 -1. - <_> - 18 0 9 6 3. - <_> - - <_> - 39 0 1 9 -1. - <_> - 36 3 1 3 3. - 1 - <_> - - <_> - 7 3 4 8 -1. - <_> - 7 7 4 4 2. - <_> - - <_> - 17 2 12 8 -1. - <_> - 21 2 4 8 3. - <_> - - <_> - 1 7 5 4 -1. - <_> - 1 9 5 2 2. - <_> - - <_> - 31 1 9 9 -1. - <_> - 34 4 3 3 9. - <_> - - <_> - 2 1 8 4 -1. - <_> - 2 3 8 2 2. - <_> - - <_> - 18 2 12 9 -1. - <_> - 22 2 4 9 3. - <_> - - <_> - 15 2 12 9 -1. - <_> - 19 2 4 9 3. - <_> - - <_> - 31 4 9 3 -1. - <_> - 34 4 3 3 3. - <_> - - <_> - 20 9 4 2 -1. - <_> - 20 9 2 1 2. - <_> - 22 10 2 1 2. - <_> - - <_> - 0 0 24 9 -1. - <_> - 8 3 8 3 9. - <_> - - <_> - 7 3 36 4 -1. - <_> - 16 3 18 4 2. - <_> - - <_> - 9 5 4 2 -1. - <_> - 11 5 2 2 2. - <_> - - <_> - 22 0 6 10 -1. - <_> - 22 0 3 10 2. - <_> - - <_> - 0 5 6 6 -1. - <_> - 0 8 6 3 2. - <_> - - <_> - 21 0 8 11 -1. - <_> - 21 0 4 11 2. - <_> - - <_> - 1 3 42 8 -1. - <_> - 1 3 21 4 2. - <_> - 22 7 21 4 2. - <_> - - <_> - 24 0 8 3 -1. - <_> - 26 2 4 3 2. - 1 - <_> - - <_> - 21 0 3 8 -1. - <_> - 19 2 3 4 2. - 1 - <_> - - <_> - 35 3 2 8 -1. - <_> - 35 7 2 4 2. - <_> - - <_> - 2 4 36 5 -1. - <_> - 11 4 18 5 2. - <_> - - <_> - 12 0 21 1 -1. - <_> - 19 0 7 1 3. - <_> - - <_> - 8 5 2 6 -1. - <_> - 8 8 2 3 2. - <_> - - <_> - 24 9 11 2 -1. - <_> - 24 10 11 1 2. - <_> - - <_> - 2 7 2 4 -1. - <_> - 2 9 2 2 2. - <_> - - <_> - 42 4 2 2 -1. - <_> - 42 4 1 2 2. - 1 - <_> - - <_> - 3 4 2 2 -1. - <_> - 3 4 2 1 2. - 1 - <_> - - <_> - 23 6 16 5 -1. - <_> - 27 6 8 5 2. - <_> - - <_> - 10 2 2 4 -1. - <_> - 9 3 2 2 2. - 1 - <_> - - <_> - 6 3 33 3 -1. - <_> - 17 3 11 3 3. - <_> - - <_> - 31 1 9 9 -1. - <_> - 34 4 3 3 9. - <_> - - <_> - 9 0 6 3 -1. - <_> - 11 2 2 3 3. - 1 - <_> - - <_> - 21 1 8 10 -1. - <_> - 21 1 4 10 2. - <_> - - <_> - 7 3 26 5 -1. - <_> - 20 3 13 5 2. - <_> - - <_> - 40 5 3 6 -1. - <_> - 40 8 3 3 2. - <_> - - <_> - 2 5 3 6 -1. - <_> - 2 8 3 3 2. - <_> - - <_> - 13 0 21 1 -1. - <_> - 20 0 7 1 3. - <_> - - <_> - 10 9 11 2 -1. - <_> - 10 10 11 1 2. - <_> - - <_> - 35 2 4 3 -1. - <_> - 36 3 2 3 2. - 1 - <_> - - <_> - 9 0 26 10 -1. - <_> - 9 0 13 5 2. - <_> - 22 5 13 5 2. - <_> - - <_> - 1 9 44 2 -1. - <_> - 23 9 22 1 2. - <_> - 1 10 22 1 2. - <_> - - <_> - 21 9 2 2 -1. - <_> - 21 9 1 1 2. - <_> - 22 10 1 1 2. - <_> - - <_> - 0 0 45 9 -1. - <_> - 15 3 15 3 9. - <_> - - <_> - 21 9 2 2 -1. - <_> - 21 9 1 1 2. - <_> - 22 10 1 1 2. - <_> - - <_> - 39 9 5 2 -1. - <_> - 39 10 5 1 2. - <_> - - <_> - 4 3 32 3 -1. - <_> - 12 3 16 3 2. - <_> - - <_> - 26 1 11 8 -1. - <_> - 26 3 11 4 2. - <_> - - <_> - 17 1 6 9 -1. - <_> - 20 1 3 9 2. - <_> - - <_> - 27 3 11 8 -1. - <_> - 27 7 11 4 2. - <_> - - <_> - 5 1 9 9 -1. - <_> - 8 4 3 3 9. - <_> - - <_> - 13 0 21 1 -1. - <_> - 20 0 7 1 3. - <_> - - <_> - 9 3 11 8 -1. - <_> - 9 7 11 4 2. - <_> - - <_> - 38 5 6 2 -1. - <_> - 40 5 2 2 3. - <_> - - <_> - 8 9 16 1 -1. - <_> - 16 9 8 1 2. - <_> - - <_> - 18 0 15 10 -1. - <_> - 23 0 5 10 3. - <_> - - <_> - 3 9 4 2 -1. - <_> - 3 10 4 1 2. - <_> - - <_> - 31 5 2 2 -1. - <_> - 31 5 1 2 2. - <_> - - <_> - 12 0 20 6 -1. - <_> - 12 0 10 3 2. - <_> - 22 3 10 3 2. - <_> - - <_> - 31 0 10 6 -1. - <_> - 31 2 10 2 3. - <_> - - <_> - 7 10 4 1 -1. - <_> - 9 10 2 1 2. - <_> - - <_> - 25 0 15 4 -1. - <_> - 30 0 5 4 3. - <_> - - <_> - 5 10 6 1 -1. - <_> - 7 10 2 1 3. - <_> - - <_> - 38 5 4 4 -1. - <_> - 40 5 2 2 2. - <_> - 38 7 2 2 2. - <_> - - <_> - 3 5 4 4 -1. - <_> - 3 5 2 2 2. - <_> - 5 7 2 2 2. - <_> - - <_> - 15 2 18 9 -1. - <_> - 21 2 6 9 3. - <_> - - <_> - 12 0 15 11 -1. - <_> - 17 0 5 11 3. - <_> - - <_> - 8 1 6 1 -1. - <_> - 10 3 2 1 3. - 1 - <_> - - <_> - 9 0 27 7 -1. - <_> - 18 0 9 7 3. - <_> - - <_> - 10 2 3 4 -1. - <_> - 9 3 3 2 2. - 1 - <_> - - <_> - 18 3 9 8 -1. - <_> - 21 3 3 8 3. - <_> - - <_> - 0 5 11 6 -1. - <_> - 0 8 11 3 2. - <_> - - <_> - 1 3 44 8 -1. - <_> - 23 3 22 4 2. - <_> - 1 7 22 4 2. - <_> - - <_> - 0 4 4 4 -1. - <_> - 2 4 2 4 2. - <_> - - <_> - 24 3 11 8 -1. - <_> - 24 7 11 4 2. - <_> - - <_> - 3 1 39 9 -1. - <_> - 16 4 13 3 9. - <_> - - <_> - 24 7 11 4 -1. - <_> - 24 9 11 2 2. - <_> - - <_> - 11 4 22 6 -1. - <_> - 11 4 11 3 2. - <_> - 22 7 11 3 2. - <_> - - <_> - 33 9 6 2 -1. - <_> - 35 9 2 2 3. - <_> - - <_> - 6 0 7 6 -1. - <_> - 6 2 7 2 3. - <_> - - <_> - 24 0 6 1 -1. - <_> - 24 0 3 1 2. - <_> - - <_> - 4 1 10 3 -1. - <_> - 4 2 10 1 3. - <_> - - <_> - 36 9 9 2 -1. - <_> - 36 10 9 1 2. - <_> - - <_> - 7 9 4 2 -1. - <_> - 8 9 2 2 2. - <_> - - <_> - 18 9 10 2 -1. - <_> - 23 9 5 1 2. - <_> - 18 10 5 1 2. - <_> - - <_> - 7 0 30 6 -1. - <_> - 7 0 15 3 2. - <_> - 22 3 15 3 2. - <_> - - <_> - 21 5 3 6 -1. - <_> - 22 7 1 2 9. - <_> - - <_> - 16 9 10 2 -1. - <_> - 16 9 5 1 2. - <_> - 21 10 5 1 2. - <_> - - <_> - 24 9 11 2 -1. - <_> - 24 10 11 1 2. - <_> - - <_> - 5 2 7 3 -1. - <_> - 5 3 7 1 3. - <_> - - <_> - 26 0 4 1 -1. - <_> - 26 0 2 1 2. - <_> - - <_> - 15 0 4 1 -1. - <_> - 17 0 2 1 2. - <_> - - <_> - 26 0 11 4 -1. - <_> - 26 2 11 2 2. - <_> - - <_> - 7 3 22 3 -1. - <_> - 18 3 11 3 2. - <_> - - <_> - 32 1 4 6 -1. - <_> - 34 1 2 3 2. - <_> - 32 4 2 3 2. - <_> - - <_> - 9 1 4 6 -1. - <_> - 9 1 2 3 2. - <_> - 11 4 2 3 2. - <_> - - <_> - 17 0 12 11 -1. - <_> - 21 0 4 11 3. - <_> - - <_> - 1 3 11 8 -1. - <_> - 1 7 11 4 2. - <_> - - <_> - 25 9 11 2 -1. - <_> - 25 10 11 1 2. - <_> - - <_> - 1 4 6 4 -1. - <_> - 3 4 2 4 3. - <_> - - <_> - 24 1 11 8 -1. - <_> - 24 3 11 4 2. - <_> - - <_> - 4 0 32 7 -1. - <_> - 12 0 16 7 2. - <_> - - <_> - 8 0 30 8 -1. - <_> - 23 0 15 4 2. - <_> - 8 4 15 4 2. - <_> - - <_> - 19 2 6 9 -1. - <_> - 22 2 3 9 2. - <_> - - <_> - 17 0 26 2 -1. - <_> - 30 0 13 1 2. - <_> - 17 1 13 1 2. - <_> - - <_> - 20 0 1 2 -1. - <_> - 20 0 1 1 2. - 1 - <_> - - <_> - 38 9 6 2 -1. - <_> - 38 10 6 1 2. - <_> - - <_> - 1 9 8 2 -1. - <_> - 1 10 8 1 2. - <_> - - <_> - 31 0 11 4 -1. - <_> - 31 1 11 2 2. - <_> - - <_> - 7 8 6 3 -1. - <_> - 9 8 2 3 3. - <_> - - <_> - 36 3 4 4 -1. - <_> - 36 3 2 4 2. - <_> - - <_> - 17 0 2 3 -1. - <_> - 17 0 1 3 2. - 1 - <_> - - <_> - 25 1 11 6 -1. - <_> - 25 3 11 2 3. - <_> - - <_> - 16 10 12 1 -1. - <_> - 19 10 6 1 2. - <_> - - <_> - 11 1 32 4 -1. - <_> - 27 1 16 2 2. - <_> - 11 3 16 2 2. - <_> - - <_> - 10 1 11 6 -1. - <_> - 10 3 11 2 3. - <_> - - <_> - 39 2 5 3 -1. - <_> - 38 3 5 1 3. - 1 - <_> - - <_> - 10 7 11 4 -1. - <_> - 10 9 11 2 2. - <_> - - <_> - 39 2 5 3 -1. - <_> - 38 3 5 1 3. - 1 - <_> - - <_> - 4 8 2 1 -1. - <_> - 4 8 1 1 2. - 1 - <_> - - <_> - 39 2 5 3 -1. - <_> - 38 3 5 1 3. - 1 - <_> - - <_> - 6 2 3 5 -1. - <_> - 7 3 1 5 3. - 1 - <_> - - <_> - 35 9 4 2 -1. - <_> - 36 9 2 2 2. - <_> - - <_> - 15 1 12 10 -1. - <_> - 19 1 4 10 3. - <_> - - <_> - 5 3 32 3 -1. - <_> - 13 3 16 3 2. - <_> - - <_> - 30 5 6 2 -1. - <_> - 32 5 2 2 3. - <_> - - <_> - 17 2 6 5 -1. - <_> - 20 2 3 5 2. - <_> - - <_> - 35 2 4 3 -1. - <_> - 36 3 2 3 2. - 1 - <_> - - <_> - 0 6 5 4 -1. - <_> - 0 8 5 2 2. - <_> - - <_> - 33 4 6 4 -1. - <_> - 35 4 2 4 3. - <_> - - <_> - 12 5 2 2 -1. - <_> - 13 5 1 2 2. - <_> - - <_> - 21 1 24 6 -1. - <_> - 29 3 8 2 9. - <_> - - <_> - 8 3 10 8 -1. - <_> - 8 7 10 4 2. - <_> - - <_> - 13 0 21 1 -1. - <_> - 20 0 7 1 3. - <_> - - <_> - 9 2 6 3 -1. - <_> - 8 3 6 1 3. - 1 - <_> - - <_> - 16 2 18 8 -1. - <_> - 22 2 6 8 3. - <_> - - <_> - 3 9 1 2 -1. - <_> - 3 10 1 1 2. - <_> - - <_> - 27 4 2 5 -1. - <_> - 27 4 1 5 2. - 1 - <_> - - <_> - 2 0 36 10 -1. - <_> - 2 0 18 5 2. - <_> - 20 5 18 5 2. - <_> - - <_> - 26 1 2 1 -1. - <_> - 26 1 1 1 2. - <_> - - <_> - 15 2 12 9 -1. - <_> - 18 2 6 9 2. - <_> - - <_> - 31 4 9 6 -1. - <_> - 34 4 3 6 3. - <_> - - <_> - 5 0 10 6 -1. - <_> - 5 2 10 2 3. - <_> - - <_> - 35 2 3 4 -1. - <_> - 34 3 3 2 2. - 1 - <_> - - <_> - 5 9 6 2 -1. - <_> - 7 9 2 2 3. - <_> - - <_> - 40 5 4 2 -1. - <_> - 40 5 2 2 2. - <_> - - <_> - 19 0 3 3 -1. - <_> - 20 1 1 1 9. - <_> - - <_> - 31 0 11 4 -1. - <_> - 31 1 11 2 2. - <_> - - <_> - 5 0 15 1 -1. - <_> - 10 0 5 1 3. - <_> - - <_> - 17 8 12 2 -1. - <_> - 23 8 6 1 2. - <_> - 17 9 6 1 2. - <_> - - <_> - 19 2 6 9 -1. - <_> - 22 2 3 9 2. - <_> - - <_> - 32 1 6 10 -1. - <_> - 34 1 2 10 3. - <_> - - <_> - 5 2 9 6 -1. - <_> - 8 4 3 2 9. - <_> - - <_> - 29 0 2 3 -1. - <_> - 28 1 2 1 3. - 1 - <_> - - <_> - 16 0 3 2 -1. - <_> - 17 1 1 2 3. - 1 - <_> - - <_> - 34 8 6 3 -1. - <_> - 36 8 2 3 3. - <_> - - <_> - 2 5 2 1 -1. - <_> - 3 5 1 1 2. - <_> - - <_> - 6 3 33 2 -1. - <_> - 17 3 11 2 3. - <_> - - <_> - 35 2 4 3 -1. - <_> - 36 3 2 3 2. - 1 - <_> - - <_> - 5 5 9 2 -1. - <_> - 8 5 3 2 3. - <_> - - <_> - 17 1 12 10 -1. - <_> - 21 1 4 10 3. - <_> - - <_> - 0 4 11 6 -1. - <_> - 0 7 11 3 2. - <_> - - <_> - 29 9 11 2 -1. - <_> - 29 10 11 1 2. - <_> - - <_> - 17 1 2 1 -1. - <_> - 18 1 1 1 2. - <_> - - <_> - 31 0 11 4 -1. - <_> - 31 1 11 2 2. - <_> - - <_> - 2 1 32 6 -1. - <_> - 2 1 16 3 2. - <_> - 18 4 16 3 2. - <_> - - <_> - 21 9 6 2 -1. - <_> - 24 9 3 1 2. - <_> - 21 10 3 1 2. - <_> - - <_> - 17 9 10 2 -1. - <_> - 17 9 5 1 2. - <_> - 22 10 5 1 2. - <_> - - <_> - 41 4 4 6 -1. - <_> - 41 4 2 6 2. - <_> - - <_> - 4 0 10 6 -1. - <_> - 4 2 10 2 3. - <_> - - <_> - 13 0 21 1 -1. - <_> - 20 0 7 1 3. - <_> - - <_> - 3 0 39 9 -1. - <_> - 16 3 13 3 9. - <_> - - <_> - 30 9 11 2 -1. - <_> - 30 10 11 1 2. - <_> - - <_> - 5 9 11 2 -1. - <_> - 5 10 11 1 2. - <_> - - <_> - 20 9 8 2 -1. - <_> - 24 9 4 1 2. - <_> - 20 10 4 1 2. - <_> - - <_> - 1 5 6 3 -1. - <_> - 3 5 2 3 3. - <_> - - <_> - 29 0 6 3 -1. - <_> - 31 0 2 3 3. - <_> - - <_> - 3 0 39 9 -1. - <_> - 16 3 13 3 9. - <_> - - <_> - 34 1 5 3 -1. - <_> - 34 2 5 1 3. - <_> - - <_> - 10 0 6 3 -1. - <_> - 12 0 2 3 3. - <_> - - <_> - 33 1 8 3 -1. - <_> - 33 2 8 1 3. - <_> - - <_> - 16 9 10 2 -1. - <_> - 16 9 5 1 2. - <_> - 21 10 5 1 2. - <_> - - <_> - 19 5 9 6 -1. - <_> - 22 5 3 6 3. - <_> - - <_> - 16 9 12 2 -1. - <_> - 20 9 4 2 3. - <_> - - <_> - 24 10 20 1 -1. - <_> - 24 10 10 1 2. - <_> - - <_> - 18 0 2 1 -1. - <_> - 18 0 1 1 2. - 1 - <_> - - <_> - 24 10 20 1 -1. - <_> - 24 10 10 1 2. - <_> - - <_> - 0 0 1 8 -1. - <_> - 0 4 1 4 2. - <_> - - <_> - 24 10 20 1 -1. - <_> - 24 10 10 1 2. - <_> - - <_> - 1 10 20 1 -1. - <_> - 11 10 10 1 2. - <_> - - <_> - 42 7 3 4 -1. - <_> - 42 9 3 2 2. - <_> - - <_> - 6 9 6 2 -1. - <_> - 8 9 2 2 3. - <_> - - <_> - 33 1 6 3 -1. - <_> - 33 2 6 1 3. - <_> - - <_> - 12 4 3 2 -1. - <_> - 13 5 1 2 3. - 1 - <_> - - <_> - 26 1 11 8 -1. - <_> - 26 3 11 4 2. - <_> - - <_> - 3 4 30 3 -1. - <_> - 18 4 15 3 2. - <_> - - <_> - 17 0 12 9 -1. - <_> - 21 0 4 9 3. - <_> - - <_> - 2 0 9 4 -1. - <_> - 2 1 9 2 2. - <_> - - <_> - 19 0 12 1 -1. - <_> - 22 0 6 1 2. - <_> - - <_> - 7 0 28 5 -1. - <_> - 14 0 14 5 2. - <_> - - <_> - 26 5 11 6 -1. - <_> - 26 8 11 3 2. - <_> - - <_> - 4 5 4 2 -1. - <_> - 5 5 2 2 2. - <_> - - <_> - 40 7 5 4 -1. - <_> - 40 9 5 2 2. - <_> - - <_> - 5 5 34 6 -1. - <_> - 5 5 17 3 2. - <_> - 22 8 17 3 2. - <_> - - <_> - 7 2 38 3 -1. - <_> - 7 2 19 3 2. - <_> - - <_> - 3 8 1 2 -1. - <_> - 3 9 1 1 2. - <_> - - <_> - 31 7 2 2 -1. - <_> - 31 7 1 2 2. - 1 - <_> - - <_> - 0 0 45 9 -1. - <_> - 15 3 15 3 9. - <_> - - <_> - 35 9 6 2 -1. - <_> - 37 9 2 2 3. - <_> - - <_> - 4 9 6 2 -1. - <_> - 6 9 2 2 3. - <_> - - <_> - 19 5 9 6 -1. - <_> - 22 5 3 6 3. - <_> - - <_> - 7 2 3 3 -1. - <_> - 7 3 3 1 3. - <_> - - <_> - 22 9 2 2 -1. - <_> - 23 9 1 1 2. - <_> - 22 10 1 1 2. - <_> - - <_> - 5 3 8 2 -1. - <_> - 5 4 8 1 2. - <_> - - <_> - 20 2 8 9 -1. - <_> - 22 2 4 9 2. - <_> - - <_> - 3 9 8 2 -1. - <_> - 5 9 4 2 2. - <_> - - <_> - 32 3 6 7 -1. - <_> - 34 3 2 7 3. - <_> - - <_> - 5 0 8 2 -1. - <_> - 9 0 4 2 2. - <_> - - <_> - 12 0 22 6 -1. - <_> - 23 0 11 3 2. - <_> - 12 3 11 3 2. - <_> - - <_> - 14 1 16 6 -1. - <_> - 14 1 8 3 2. - <_> - 22 4 8 3 2. - <_> - - <_> - 30 0 6 4 -1. - <_> - 32 0 2 4 3. - <_> - - <_> - 4 4 4 2 -1. - <_> - 4 4 2 1 2. - <_> - 6 5 2 1 2. - <_> - - <_> - 30 0 6 4 -1. - <_> - 32 0 2 4 3. - <_> - - <_> - 9 0 6 4 -1. - <_> - 11 0 2 4 3. - <_> - - <_> - 22 9 2 2 -1. - <_> - 23 9 1 1 2. - <_> - 22 10 1 1 2. - <_> - - <_> - 17 5 9 6 -1. - <_> - 20 5 3 6 3. - <_> - - <_> - 30 5 4 2 -1. - <_> - 31 5 2 2 2. - <_> - - <_> - 2 1 2 2 -1. - <_> - 2 1 2 1 2. - 1 - <_> - - <_> - 19 7 12 4 -1. - <_> - 23 7 4 4 3. - <_> - - <_> - 7 2 10 6 -1. - <_> - 7 4 10 2 3. - <_> - - <_> - 11 5 3 2 -1. - <_> - 12 5 1 2 3. - <_> - - <_> - 8 3 30 2 -1. - <_> - 18 3 10 2 3. - <_> - - <_> - 6 0 6 4 -1. - <_> - 6 1 6 2 2. - <_> - - <_> - 7 3 32 8 -1. - <_> - 23 3 16 4 2. - <_> - 7 7 16 4 2. - <_> - - <_> - 7 3 3 8 -1. - <_> - 7 7 3 4 2. - <_> - - <_> - 17 0 12 11 -1. - <_> - 21 0 4 11 3. - <_> - - <_> - 0 9 3 2 -1. - <_> - 0 10 3 1 2. - <_> - - <_> - 31 5 9 6 -1. - <_> - 34 5 3 6 3. - <_> - - <_> - 6 1 2 6 -1. - <_> - 4 3 2 2 3. - 1 - <_> - - <_> - 27 1 2 1 -1. - <_> - 27 1 1 1 2. - <_> - - <_> - 16 0 8 1 -1. - <_> - 18 0 4 1 2. - <_> - - <_> - 33 2 6 3 -1. - <_> - 33 3 6 1 3. - <_> - - <_> - 6 2 6 3 -1. - <_> - 6 3 6 1 3. - <_> - - <_> - 31 5 9 6 -1. - <_> - 34 5 3 6 3. - <_> - - <_> - 5 5 9 6 -1. - <_> - 8 5 3 6 3. - <_> - - <_> - 21 9 4 2 -1. - <_> - 23 9 2 1 2. - <_> - 21 10 2 1 2. - <_> - - <_> - 15 5 12 6 -1. - <_> - 19 5 4 6 3. - <_> - - <_> - 20 0 6 11 -1. - <_> - 20 0 3 11 2. - <_> - - <_> - 1 7 32 2 -1. - <_> - 9 7 16 2 2. - <_> - - <_> - 24 7 11 4 -1. - <_> - 24 9 11 2 2. - <_> - - <_> - 6 1 7 4 -1. - <_> - 6 2 7 2 2. - <_> - - <_> - 34 0 5 3 -1. - <_> - 34 1 5 1 3. - <_> - - <_> - 6 0 5 3 -1. - <_> - 6 1 5 1 3. - <_> - - <_> - 35 9 4 2 -1. - <_> - 36 9 2 2 2. - <_> - - <_> - 16 1 2 2 -1. - <_> - 16 1 1 2 2. - 1 - <_> - - <_> - 7 0 34 8 -1. - <_> - 24 0 17 4 2. - <_> - 7 4 17 4 2. - <_> - - <_> - 17 0 2 3 -1. - <_> - 17 0 1 3 2. - 1 - <_> - - <_> - 35 9 4 2 -1. - <_> - 36 9 2 2 2. - <_> - - <_> - 8 0 9 2 -1. - <_> - 11 0 3 2 3. - <_> - - <_> - 34 6 4 3 -1. - <_> - 34 7 4 1 3. - <_> - - <_> - 20 9 4 2 -1. - <_> - 20 9 2 1 2. - <_> - 22 10 2 1 2. - <_> - - <_> - 34 9 6 2 -1. - <_> - 36 9 2 2 3. - <_> - - <_> - 18 2 8 9 -1. - <_> - 22 2 4 9 2. - <_> - - <_> - 21 5 12 6 -1. - <_> - 25 5 4 6 3. - <_> - - <_> - 14 7 8 4 -1. - <_> - 16 7 4 4 2. - <_> - - <_> - 25 1 6 4 -1. - <_> - 25 1 3 4 2. - 1 - <_> - - <_> - 15 7 2 2 -1. - <_> - 15 7 2 1 2. - 1 - <_> - - <_> - 24 7 11 4 -1. - <_> - 24 9 11 2 2. - <_> - - <_> - 10 7 11 4 -1. - <_> - 10 9 11 2 2. - <_> - - <_> - 32 5 3 2 -1. - <_> - 33 5 1 2 3. - <_> - - <_> - 15 9 2 2 -1. - <_> - 15 9 1 1 2. - <_> - 16 10 1 1 2. - <_> - - <_> - 11 2 3 4 -1. - <_> - 12 3 1 4 3. - 1 - <_> - - <_> - 21 0 12 5 -1. - <_> - 21 0 6 5 2. - <_> - - <_> - 6 4 3 4 -1. - <_> - 6 6 3 2 2. - <_> - - <_> - 38 7 7 4 -1. - <_> - 38 9 7 2 2. - <_> - - <_> - 21 4 3 4 -1. - <_> - 21 4 3 2 2. - 1 - <_> - - <_> - 35 0 7 4 -1. - <_> - 35 1 7 2 2. - <_> - - <_> - 0 7 6 4 -1. - <_> - 0 9 6 2 2. - <_> - - <_> - 33 3 6 8 -1. - <_> - 35 3 2 8 3. - <_> - - <_> - 15 0 4 1 -1. - <_> - 17 0 2 1 2. - <_> - - <_> - 30 2 12 9 -1. - <_> - 34 2 4 9 3. - <_> - - <_> - 5 2 3 3 -1. - <_> - 6 3 1 3 3. - 1 - <_> - - <_> - 30 3 12 8 -1. - <_> - 34 3 4 8 3. - <_> - - <_> - 3 3 12 8 -1. - <_> - 7 3 4 8 3. - <_> - - <_> - 24 8 2 2 -1. - <_> - 25 8 1 1 2. - <_> - 24 9 1 1 2. - <_> - - <_> - 19 8 2 2 -1. - <_> - 19 8 1 1 2. - <_> - 20 9 1 1 2. - <_> - - <_> - 24 8 2 2 -1. - <_> - 25 8 1 1 2. - <_> - 24 9 1 1 2. - <_> - - <_> - 19 8 2 2 -1. - <_> - 19 8 1 1 2. - <_> - 20 9 1 1 2. - <_> - - <_> - 20 0 22 2 -1. - <_> - 31 0 11 1 2. - <_> - 20 1 11 1 2. - <_> - - <_> - 3 0 22 2 -1. - <_> - 3 0 11 1 2. - <_> - 14 1 11 1 2. - <_> - - <_> - 29 0 3 9 -1. - <_> - 30 3 1 3 9. - <_> - - <_> - 12 4 6 3 -1. - <_> - 14 4 2 3 3. - <_> - - <_> - 41 0 4 2 -1. - <_> - 42 1 2 2 2. - 1 - <_> - - <_> - 6 9 4 2 -1. - <_> - 7 9 2 2 2. - <_> - - <_> - 21 5 12 4 -1. - <_> - 25 5 4 4 3. - <_> - - <_> - 10 0 11 9 -1. - <_> - 10 3 11 3 3. - <_> - - <_> - 1 4 44 6 -1. - <_> - 23 4 22 3 2. - <_> - 1 7 22 3 2. - <_> - - <_> - 1 1 42 9 -1. - <_> - 15 4 14 3 9. - <_> - - <_> - 39 4 3 2 -1. - <_> - 40 5 1 2 3. - 1 - <_> - - <_> - 1 3 2 6 -1. - <_> - 2 3 1 6 2. - <_> - - <_> - 33 3 3 3 -1. - <_> - 32 4 3 1 3. - 1 - <_> - - <_> - 16 0 12 11 -1. - <_> - 22 0 6 11 2. - <_> - - <_> - 24 6 11 4 -1. - <_> - 24 8 11 2 2. - <_> - - <_> - 15 9 12 1 -1. - <_> - 19 9 4 1 3. - <_> - - <_> - 33 3 3 3 -1. - <_> - 32 4 3 1 3. - 1 - <_> - - <_> - 12 3 3 3 -1. - <_> - 13 4 1 3 3. - 1 - <_> - - <_> - 30 0 6 2 -1. - <_> - 32 0 2 2 3. - <_> - - <_> - 10 9 4 2 -1. - <_> - 10 10 4 1 2. - <_> - - <_> - 42 0 2 3 -1. - <_> - 42 0 1 3 2. - 1 - <_> - - <_> - 3 0 3 2 -1. - <_> - 3 0 3 1 2. - 1 - <_> - - <_> - 37 2 3 4 -1. - <_> - 37 3 3 2 2. - <_> - - <_> - 5 0 9 4 -1. - <_> - 5 1 9 2 2. - <_> - - <_> - 43 9 2 2 -1. - <_> - 43 10 2 1 2. - <_> - - <_> - 14 0 14 2 -1. - <_> - 14 0 7 1 2. - <_> - 21 1 7 1 2. - <_> - - <_> - 34 6 4 2 -1. - <_> - 34 7 4 1 2. - <_> - - <_> - 18 0 8 1 -1. - <_> - 20 0 4 1 2. - <_> - - <_> - 23 6 4 4 -1. - <_> - 23 6 2 4 2. - <_> - - <_> - 0 9 44 2 -1. - <_> - 0 9 22 1 2. - <_> - 22 10 22 1 2. - <_> - - <_> - 10 0 32 5 -1. - <_> - 10 0 16 5 2. - <_> - - <_> - 3 0 32 5 -1. - <_> - 19 0 16 5 2. - <_> - - <_> - 12 4 3 3 -1. - <_> - 13 5 1 3 3. - 1 - <_> - - <_> - 19 0 18 7 -1. - <_> - 19 0 9 7 2. - <_> - - <_> - 10 2 3 4 -1. - <_> - 9 3 3 2 2. - 1 - <_> - - <_> - 24 2 2 1 -1. - <_> - 24 2 1 1 2. - <_> - - <_> - 5 2 10 4 -1. - <_> - 5 3 10 2 2. - <_> - - <_> - 12 0 26 9 -1. - <_> - 12 0 13 9 2. - <_> - - <_> - 1 9 6 2 -1. - <_> - 1 10 6 1 2. - <_> - - <_> - 24 2 2 1 -1. - <_> - 24 2 1 1 2. - <_> - - <_> - 18 3 9 8 -1. - <_> - 21 3 3 8 3. - <_> - - <_> - 26 5 11 6 -1. - <_> - 26 8 11 3 2. - <_> - - <_> - 11 5 22 4 -1. - <_> - 11 5 11 2 2. - <_> - 22 7 11 2 2. - <_> - - <_> - 14 0 20 6 -1. - <_> - 24 0 10 3 2. - <_> - 14 3 10 3 2. - <_> - - <_> - 7 0 12 3 -1. - <_> - 11 0 4 3 3. - <_> - - <_> - 41 7 4 4 -1. - <_> - 41 8 4 2 2. - <_> - - <_> - 1 3 6 6 -1. - <_> - 3 5 2 2 9. - <_> - - <_> - 28 0 6 4 -1. - <_> - 30 0 2 4 3. - <_> - - <_> - 10 0 6 4 -1. - <_> - 12 0 2 4 3. - <_> - - <_> - 40 2 3 3 -1. - <_> - 39 3 3 1 3. - 1 - <_> - - <_> - 10 1 11 8 -1. - <_> - 10 3 11 4 2. - <_> - - <_> - 22 8 2 2 -1. - <_> - 23 8 1 1 2. - <_> - 22 9 1 1 2. - <_> - - <_> - 7 3 3 3 -1. - <_> - 7 4 3 1 3. - <_> - - <_> - 19 0 8 11 -1. - <_> - 19 0 4 11 2. - <_> - - <_> - 0 10 22 1 -1. - <_> - 11 10 11 1 2. - <_> - - <_> - 12 0 24 6 -1. - <_> - 24 0 12 3 2. - <_> - 12 3 12 3 2. - <_> - - <_> - 19 5 4 2 -1. - <_> - 19 5 4 1 2. - 1 - <_> - - <_> - 40 3 3 3 -1. - <_> - 39 4 3 1 3. - 1 - <_> - - <_> - 2 4 6 1 -1. - <_> - 2 4 3 1 2. - 1 - <_> - - <_> - 35 3 10 6 -1. - <_> - 35 3 5 6 2. - <_> - - <_> - 5 2 6 3 -1. - <_> - 5 3 6 1 3. - <_> - - <_> - 18 2 18 9 -1. - <_> - 24 2 6 9 3. - <_> - - <_> - 0 0 1 8 -1. - <_> - 0 4 1 4 2. - <_> - - <_> - 27 0 2 2 -1. - <_> - 27 0 2 1 2. - 1 - <_> - - <_> - 7 1 26 4 -1. - <_> - 7 1 13 2 2. - <_> - 20 3 13 2 2. - <_> - - <_> - 34 8 9 3 -1. - <_> - 37 8 3 3 3. - <_> - - <_> - 2 8 9 3 -1. - <_> - 5 8 3 3 3. - <_> - - <_> - 22 8 2 2 -1. - <_> - 23 8 1 1 2. - <_> - 22 9 1 1 2. - <_> - - <_> - 5 3 3 3 -1. - <_> - 6 4 1 3 3. - 1 - <_> - - <_> - 35 3 10 3 -1. - <_> - 35 3 5 3 2. - <_> - - <_> - 19 2 2 1 -1. - <_> - 20 2 1 1 2. - <_> - - <_> - 21 3 12 8 -1. - <_> - 24 3 6 8 2. - <_> - - <_> - 0 3 10 3 -1. - <_> - 5 3 5 3 2. - <_> - - <_> - 19 6 9 5 -1. - <_> - 22 6 3 5 3. - <_> - - <_> - 19 0 6 11 -1. - <_> - 22 0 3 11 2. - <_> - - <_> - 21 0 3 9 -1. - <_> - 22 3 1 3 9. - <_> - - <_> - 12 5 2 2 -1. - <_> - 12 5 1 1 2. - <_> - 13 6 1 1 2. - <_> - - <_> - 20 9 8 2 -1. - <_> - 24 9 4 1 2. - <_> - 20 10 4 1 2. - <_> - - <_> - 13 7 2 2 -1. - <_> - 13 7 2 1 2. - 1 - <_> - - <_> - 31 5 3 3 -1. - <_> - 30 6 3 1 3. - 1 - <_> - - <_> - 8 1 3 3 -1. - <_> - 8 2 3 1 3. - <_> - - <_> - 34 1 4 3 -1. - <_> - 34 2 4 1 3. - <_> - - <_> - 7 1 5 3 -1. - <_> - 7 2 5 1 3. - <_> - - <_> - 31 1 1 2 -1. - <_> - 31 1 1 1 2. - 1 - <_> - - <_> - 21 8 2 2 -1. - <_> - 21 8 1 1 2. - <_> - 22 9 1 1 2. - <_> - - <_> - 26 9 10 2 -1. - <_> - 26 10 10 1 2. - <_> - - <_> - 9 0 6 3 -1. - <_> - 11 2 2 3 3. - 1 - <_> - - <_> - 21 0 12 4 -1. - <_> - 21 0 6 4 2. - <_> - - <_> - 12 5 2 6 -1. - <_> - 12 5 1 3 2. - <_> - 13 8 1 3 2. - <_> - - <_> - 12 4 30 3 -1. - <_> - 12 4 15 3 2. - <_> - - <_> - 4 4 30 3 -1. - <_> - 19 4 15 3 2. - <_> - - <_> - 39 5 6 6 -1. - <_> - 39 8 6 3 2. - <_> - - <_> - 2 3 6 4 -1. - <_> - 2 3 3 2 2. - <_> - 5 5 3 2 2. - <_> - - <_> - 25 0 4 1 -1. - <_> - 25 0 2 1 2. - <_> - - <_> - 12 10 12 1 -1. - <_> - 15 10 6 1 2. - <_> - - <_> - 27 1 2 1 -1. - <_> - 27 1 1 1 2. - <_> - - <_> - 16 1 2 1 -1. - <_> - 17 1 1 1 2. - <_> - - <_> - 20 0 18 2 -1. - <_> - 29 0 9 1 2. - <_> - 20 1 9 1 2. - <_> - - <_> - 16 9 8 2 -1. - <_> - 16 9 4 1 2. - <_> - 20 10 4 1 2. - <_> - - <_> - 35 2 4 5 -1. - <_> - 36 3 2 5 2. - 1 - <_> - - <_> - 7 0 6 3 -1. - <_> - 9 0 2 3 3. - <_> - - <_> - 39 3 4 3 -1. - <_> - 38 4 4 1 3. - 1 - <_> - - <_> - 14 8 1 2 -1. - <_> - 14 8 1 1 2. - 1 - <_> - - <_> - 31 7 2 2 -1. - <_> - 31 7 1 2 2. - 1 - <_> - - <_> - 14 7 2 2 -1. - <_> - 14 7 2 1 2. - 1 - <_> - - <_> - 32 0 6 9 -1. - <_> - 34 0 2 9 3. - <_> - - <_> - 12 3 3 3 -1. - <_> - 13 4 1 3 3. - 1 - <_> - - <_> - 14 1 18 4 -1. - <_> - 23 1 9 2 2. - <_> - 14 3 9 2 2. - <_> - - <_> - 8 0 4 3 -1. - <_> - 9 0 2 3 2. - <_> - - <_> - 39 3 4 3 -1. - <_> - 38 4 4 1 3. - 1 - <_> - - <_> - 6 3 3 4 -1. - <_> - 7 4 1 4 3. - 1 - <_> - - <_> - 44 0 1 8 -1. - <_> - 44 4 1 4 2. - <_> - - <_> - 0 5 6 6 -1. - <_> - 0 8 6 3 2. - <_> - - <_> - 27 0 2 2 -1. - <_> - 27 0 2 1 2. - 1 - <_> - - <_> - 18 0 2 2 -1. - <_> - 18 0 1 2 2. - 1 - <_> - - <_> - 20 3 12 8 -1. - <_> - 24 3 4 8 3. - <_> - - <_> - 9 0 5 2 -1. - <_> - 9 1 5 1 2. - <_> - - <_> - 34 0 4 3 -1. - <_> - 34 1 4 1 3. - <_> - - <_> - 0 5 1 6 -1. - <_> - 0 8 1 3 2. - <_> - - <_> - 22 9 2 2 -1. - <_> - 23 9 1 1 2. - <_> - 22 10 1 1 2. - <_> - - <_> - 3 9 1 2 -1. - <_> - 3 10 1 1 2. - <_> - - <_> - 10 3 26 6 -1. - <_> - 23 3 13 3 2. - <_> - 10 6 13 3 2. - <_> - - <_> - 10 0 11 8 -1. - <_> - 10 2 11 4 2. - <_> - - <_> - 40 2 3 3 -1. - <_> - 39 3 3 1 3. - 1 - <_> - - <_> - 4 0 20 2 -1. - <_> - 9 0 10 2 2. - <_> - - <_> - 21 3 12 8 -1. - <_> - 25 3 4 8 3. - <_> - - <_> - 12 3 12 8 -1. - <_> - 16 3 4 8 3. - <_> - - <_> - 15 10 15 1 -1. - <_> - 20 10 5 1 3. - <_> - - <_> - 5 2 3 3 -1. - <_> - 6 3 1 3 3. - 1 - <_> - - <_> - 35 2 4 3 -1. - <_> - 36 3 2 3 2. - 1 - <_> - - <_> - 2 3 2 6 -1. - <_> - 3 3 1 6 2. - <_> - - <_> - 18 9 10 2 -1. - <_> - 23 9 5 1 2. - <_> - 18 10 5 1 2. - <_> - - <_> - 5 7 2 2 -1. - <_> - 5 7 1 1 2. - <_> - 6 8 1 1 2. - <_> - - <_> - 36 8 4 3 -1. - <_> - 37 8 2 3 2. - <_> - - <_> - 20 3 4 8 -1. - <_> - 22 3 2 8 2. - <_> - - <_> - 36 9 4 2 -1. - <_> - 37 9 2 2 2. - <_> - - <_> - 15 5 9 6 -1. - <_> - 18 5 3 6 3. - <_> - - <_> - 28 0 4 4 -1. - <_> - 29 0 2 4 2. - <_> - - <_> - 7 2 3 3 -1. - <_> - 7 3 3 1 3. - <_> - - <_> - 33 2 6 1 -1. - <_> - 35 4 2 1 3. - 1 - <_> - - <_> - 6 0 6 3 -1. - <_> - 6 1 6 1 3. - <_> - - <_> - 28 0 4 4 -1. - <_> - 29 0 2 4 2. - <_> - - <_> - 13 0 4 4 -1. - <_> - 14 0 2 4 2. - <_> - - <_> - 33 2 6 1 -1. - <_> - 35 4 2 1 3. - 1 - <_> - - <_> - 12 2 1 6 -1. - <_> - 10 4 1 2 3. - 1 - <_> - - <_> - 35 1 2 3 -1. - <_> - 35 2 2 1 3. - <_> - - <_> - 19 8 2 2 -1. - <_> - 19 8 1 1 2. - <_> - 20 9 1 1 2. - <_> - - <_> - 43 6 1 4 -1. - <_> - 43 6 1 2 2. - 1 - <_> - - <_> - 2 6 4 1 -1. - <_> - 2 6 2 1 2. - 1 - <_> - - <_> - 4 3 32 3 -1. - <_> - 12 3 16 3 2. - <_> - - <_> - 32 5 6 2 -1. - <_> - 34 5 2 2 3. - <_> - - <_> - 15 0 8 7 -1. - <_> - 19 0 4 7 2. - <_> - - <_> - 35 2 4 3 -1. - <_> - 36 3 2 3 2. - 1 - <_> - - <_> - 15 2 2 3 -1. - <_> - 14 3 2 1 3. - 1 - <_> - - <_> - 42 5 2 3 -1. - <_> - 42 5 1 3 2. - 1 - <_> - - <_> - 0 1 4 6 -1. - <_> - 0 1 2 3 2. - <_> - 2 4 2 3 2. - <_> - - <_> - 13 0 21 1 -1. - <_> - 20 0 7 1 3. - <_> - - <_> - 9 4 1 6 -1. - <_> - 9 7 1 3 2. - <_> - - <_> - 25 9 11 2 -1. - <_> - 25 10 11 1 2. - <_> - - <_> - 9 1 26 8 -1. - <_> - 9 1 13 4 2. - <_> - 22 5 13 4 2. - <_> - - <_> - 19 5 8 6 -1. - <_> - 21 5 4 6 2. - <_> - - <_> - 15 3 12 8 -1. - <_> - 21 3 6 8 2. - <_> - - <_> - 20 0 6 1 -1. - <_> - 22 0 2 1 3. - <_> - - <_> - 7 0 12 2 -1. - <_> - 7 0 6 1 2. - <_> - 13 1 6 1 2. - <_> - - <_> - 33 9 6 2 -1. - <_> - 35 9 2 2 3. - <_> - - <_> - 11 0 6 5 -1. - <_> - 13 0 2 5 3. - <_> - - <_> - 32 1 6 10 -1. - <_> - 34 1 2 10 3. - <_> - - <_> - 7 1 6 10 -1. - <_> - 9 1 2 10 3. - <_> - - <_> - 27 0 9 3 -1. - <_> - 30 0 3 3 3. - <_> - - <_> - 9 3 2 3 -1. - <_> - 8 4 2 1 3. - 1 - <_> - - <_> - 41 0 3 2 -1. - <_> - 42 1 1 2 3. - 1 - <_> - - <_> - 6 0 5 6 -1. - <_> - 6 2 5 2 3. - <_> - - <_> - 27 0 9 3 -1. - <_> - 30 0 3 3 3. - <_> - - <_> - 9 0 9 3 -1. - <_> - 12 0 3 3 3. - <_> - - <_> - 32 9 6 2 -1. - <_> - 34 9 2 2 3. - <_> - - <_> - 7 9 6 2 -1. - <_> - 9 9 2 2 3. - <_> - - <_> - 26 10 6 1 -1. - <_> - 26 10 3 1 2. - <_> - - <_> - 2 0 3 2 -1. - <_> - 2 0 3 1 2. - 1 - <_> - - <_> - 32 5 3 3 -1. - <_> - 31 6 3 1 3. - 1 - <_> - - <_> - 16 9 8 2 -1. - <_> - 16 9 4 1 2. - <_> - 20 10 4 1 2. - <_> - - <_> - 18 2 12 9 -1. - <_> - 22 2 4 9 3. - <_> - - <_> - 8 3 2 3 -1. - <_> - 8 4 2 1 3. - <_> - - <_> - 43 5 2 4 -1. - <_> - 43 7 2 2 2. - <_> - - <_> - 8 3 2 3 -1. - <_> - 8 4 2 1 3. - <_> - - <_> - 15 4 16 2 -1. - <_> - 23 4 8 1 2. - <_> - 15 5 8 1 2. - <_> - - <_> - 12 5 16 2 -1. - <_> - 16 5 8 2 2. - <_> - - <_> - 19 2 9 9 -1. - <_> - 22 2 3 9 3. - <_> - - <_> - 19 9 2 2 -1. - <_> - 19 9 1 1 2. - <_> - 20 10 1 1 2. - <_> - - <_> - 20 1 8 10 -1. - <_> - 22 1 4 10 2. - <_> - - <_> - 0 2 39 9 -1. - <_> - 13 5 13 3 9. - <_> - - <_> - 32 5 3 3 -1. - <_> - 31 6 3 1 3. - 1 - <_> - - <_> - 8 9 4 2 -1. - <_> - 9 9 2 2 2. - <_> - - <_> - 32 5 3 3 -1. - <_> - 31 6 3 1 3. - 1 - <_> - - <_> - 13 5 3 3 -1. - <_> - 14 6 1 3 3. - 1 - <_> - - <_> - 24 2 11 6 -1. - <_> - 24 4 11 2 3. - <_> - - <_> - 5 2 3 4 -1. - <_> - 6 3 1 4 3. - 1 - <_> - - <_> - 39 1 3 9 -1. - <_> - 40 4 1 3 9. - <_> - - <_> - 17 2 9 9 -1. - <_> - 20 2 3 9 3. - <_> - - <_> - 20 8 8 2 -1. - <_> - 22 8 4 2 2. - <_> - - <_> - 18 7 8 4 -1. - <_> - 20 7 4 4 2. - <_> - - <_> - 8 5 30 6 -1. - <_> - 23 5 15 3 2. - <_> - 8 8 15 3 2. - <_> - - <_> - 0 7 5 2 -1. - <_> - 0 8 5 1 2. - <_> - - <_> - 23 6 1 4 -1. - <_> - 22 7 1 2 2. - 1 - <_> - - <_> - 3 5 3 2 -1. - <_> - 4 5 1 2 3. - <_> - - <_> - 21 0 6 1 -1. - <_> - 23 0 2 1 3. - <_> - - <_> - 2 3 2 7 -1. - <_> - 3 3 1 7 2. - <_> - - <_> - 18 2 24 2 -1. - <_> - 30 2 12 1 2. - <_> - 18 3 12 1 2. - <_> - - <_> - 0 3 3 4 -1. - <_> - 0 4 3 2 2. - <_> - - <_> - 34 0 3 3 -1. - <_> - 34 1 3 1 3. - <_> - - <_> - 17 1 2 2 -1. - <_> - 17 1 1 2 2. - 1 - <_> - - <_> - 34 0 3 3 -1. - <_> - 34 1 3 1 3. - <_> - - <_> - 21 9 2 2 -1. - <_> - 21 9 1 1 2. - <_> - 22 10 1 1 2. - <_> - - <_> - 25 9 2 2 -1. - <_> - 26 9 1 1 2. - <_> - 25 10 1 1 2. - <_> - - <_> - 18 9 2 2 -1. - <_> - 18 9 1 1 2. - <_> - 19 10 1 1 2. - <_> - - <_> - 31 4 2 2 -1. - <_> - 32 4 1 1 2. - <_> - 31 5 1 1 2. - <_> - - <_> - 4 2 1 4 -1. - <_> - 3 3 1 2 2. - 1 - <_> - - <_> - 31 4 2 2 -1. - <_> - 32 4 1 1 2. - <_> - 31 5 1 1 2. - <_> - - <_> - 9 1 4 6 -1. - <_> - 9 1 2 3 2. - <_> - 11 4 2 3 2. - <_> - - <_> - 19 0 20 7 -1. - <_> - 19 0 10 7 2. - <_> - - <_> - 4 2 4 3 -1. - <_> - 5 3 2 3 2. - 1 - <_> - - <_> - 23 6 4 1 -1. - <_> - 23 6 2 1 2. - 1 - <_> - - <_> - 0 1 2 10 -1. - <_> - 0 6 2 5 2. - <_> - - <_> - 1 10 44 1 -1. - <_> - 1 10 22 1 2. - <_> - - <_> - 12 4 4 4 -1. - <_> - 13 4 2 4 2. - <_> - - <_> - 30 2 12 5 -1. - <_> - 33 2 6 5 2. - <_> - - <_> - 12 2 3 4 -1. - <_> - 13 3 1 4 3. - 1 - <_> - - <_> - 25 9 11 2 -1. - <_> - 25 10 11 1 2. - <_> - - <_> - 17 1 2 1 -1. - <_> - 18 1 1 1 2. - <_> - - <_> - 33 2 4 3 -1. - <_> - 33 3 4 1 3. - <_> - - <_> - 18 0 2 3 -1. - <_> - 18 0 1 3 2. - 1 - <_> - - <_> - 35 0 6 6 -1. - <_> - 35 0 3 6 2. - <_> - - <_> - 4 0 6 6 -1. - <_> - 7 0 3 6 2. - <_> - - <_> - 22 9 2 2 -1. - <_> - 23 9 1 1 2. - <_> - 22 10 1 1 2. - <_> - - <_> - 11 5 3 2 -1. - <_> - 12 5 1 2 3. - <_> - - <_> - 24 9 11 2 -1. - <_> - 24 10 11 1 2. - <_> - - <_> - 16 0 12 1 -1. - <_> - 19 0 6 1 2. - <_> - - <_> - 29 5 4 2 -1. - <_> - 29 5 2 2 2. - 1 - <_> - - <_> - 14 10 9 1 -1. - <_> - 17 10 3 1 3. - <_> - - <_> - 6 7 34 4 -1. - <_> - 23 7 17 2 2. - <_> - 6 9 17 2 2. - <_> - - <_> - 1 2 36 4 -1. - <_> - 19 2 18 4 2. - <_> - - <_> - 29 0 6 4 -1. - <_> - 31 0 2 4 3. - <_> - - <_> - 11 5 4 2 -1. - <_> - 12 5 2 2 2. - <_> - - <_> - 22 9 2 2 -1. - <_> - 23 9 1 1 2. - <_> - 22 10 1 1 2. - <_> - - <_> - 6 8 6 3 -1. - <_> - 8 8 2 3 3. - <_> - - <_> - 33 9 6 2 -1. - <_> - 35 9 2 2 3. - <_> - - <_> - 0 3 2 5 -1. - <_> - 1 3 1 5 2. - <_> - - <_> - 33 9 6 2 -1. - <_> - 35 9 2 2 3. - <_> - - <_> - 7 0 16 2 -1. - <_> - 7 0 8 1 2. - <_> - 15 1 8 1 2. - <_> - - <_> - 21 1 16 2 -1. - <_> - 29 1 8 1 2. - <_> - 21 2 8 1 2. - <_> - - <_> - 16 0 2 3 -1. - <_> - 16 0 1 3 2. - 1 - <_> - - <_> - 29 0 6 4 -1. - <_> - 31 0 2 4 3. - <_> - - <_> - 12 2 6 6 -1. - <_> - 14 4 2 2 9. - <_> - - <_> - 33 10 6 1 -1. - <_> - 35 10 2 1 3. - <_> - - <_> - 5 3 2 3 -1. - <_> - 5 4 2 1 3. - <_> - - <_> - 39 4 1 4 -1. - <_> - 39 5 1 2 2. - <_> - - <_> - 16 4 1 6 -1. - <_> - 16 4 1 3 2. - 1 - <_> - - <_> - 39 4 1 4 -1. - <_> - 39 5 1 2 2. - <_> - - <_> - 1 8 1 3 -1. - <_> - 1 9 1 1 3. - <_> - - <_> - 25 8 2 2 -1. - <_> - 26 8 1 1 2. - <_> - 25 9 1 1 2. - <_> - - <_> - 5 4 1 4 -1. - <_> - 5 5 1 2 2. - <_> - - <_> - 42 8 2 3 -1. - <_> - 42 9 2 1 3. - <_> - - <_> - 5 4 2 2 -1. - <_> - 5 4 1 1 2. - <_> - 6 5 1 1 2. - <_> - - <_> - 42 2 2 2 -1. - <_> - 42 2 1 2 2. - 1 - <_> - - <_> - 3 2 2 2 -1. - <_> - 3 2 2 1 2. - 1 - <_> - - <_> - 33 9 6 2 -1. - <_> - 35 9 2 2 3. - <_> - - <_> - 6 9 6 2 -1. - <_> - 8 9 2 2 3. - <_> - - <_> - 28 3 2 6 -1. - <_> - 28 3 2 3 2. - 1 - <_> - - <_> - 16 4 8 7 -1. - <_> - 18 4 4 7 2. - <_> - - <_> - 21 1 6 8 -1. - <_> - 21 1 3 8 2. - <_> - - <_> - 18 4 6 4 -1. - <_> - 21 4 3 4 2. - <_> - - <_> - 24 0 8 3 -1. - <_> - 24 0 4 3 2. - 1 - <_> - - <_> - 1 9 32 2 -1. - <_> - 9 9 16 2 2. - <_> - - <_> - 38 2 1 3 -1. - <_> - 38 3 1 1 3. - <_> - - <_> - 15 0 3 2 -1. - <_> - 16 1 1 2 3. - 1 - <_> - - <_> - 32 2 6 1 -1. - <_> - 34 4 2 1 3. - 1 - <_> - - <_> - 0 10 2 1 -1. - <_> - 1 10 1 1 2. - <_> - - <_> - 43 9 2 2 -1. - <_> - 43 10 2 1 2. - <_> - - <_> - 7 3 2 2 -1. - <_> - 7 3 1 1 2. - <_> - 8 4 1 1 2. - <_> - - <_> - 21 0 3 9 -1. - <_> - 22 3 1 3 9. - <_> - - <_> - 0 8 5 2 -1. - <_> - 0 9 5 1 2. - <_> - - <_> - 42 8 2 3 -1. - <_> - 42 9 2 1 3. - <_> - - <_> - 9 5 1 4 -1. - <_> - 8 6 1 2 2. - 1 - <_> - - <_> - 42 8 2 3 -1. - <_> - 42 9 2 1 3. - <_> - - <_> - 11 7 2 2 -1. - <_> - 11 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 43 8 1 3 -1. - <_> - 43 9 1 1 3. - <_> - - <_> - 1 8 1 3 -1. - <_> - 1 9 1 1 3. - <_> - - <_> - 36 0 6 4 -1. - <_> - 38 0 2 4 3. - <_> - - <_> - 4 0 12 2 -1. - <_> - 4 0 6 1 2. - <_> - 10 1 6 1 2. - <_> - - <_> - 6 4 6 4 -1. - <_> - 8 4 2 4 3. - <_> - - <_> - 34 0 10 4 -1. - <_> - 34 1 10 2 2. - <_> - - <_> - 12 0 12 4 -1. - <_> - 18 0 6 4 2. - <_> - - <_> - 39 1 3 9 -1. - <_> - 40 4 1 3 9. - <_> - - <_> - 6 2 8 4 -1. - <_> - 6 3 8 2 2. - <_> - - <_> - 31 5 3 3 -1. - <_> - 30 6 3 1 3. - 1 - <_> - - <_> - 0 5 24 2 -1. - <_> - 12 5 12 2 2. - <_> - - <_> - 24 5 2 2 -1. - <_> - 24 5 1 2 2. - <_> - - <_> - 15 4 3 4 -1. - <_> - 15 4 3 2 2. - 1 - <_> - - <_> - 10 1 26 8 -1. - <_> - 23 1 13 4 2. - <_> - 10 5 13 4 2. - <_> - - <_> - 0 5 4 6 -1. - <_> - 0 5 2 3 2. - <_> - 2 8 2 3 2. - <_> - - <_> - 24 9 11 2 -1. - <_> - 24 10 11 1 2. - <_> - - <_> - 9 4 4 3 -1. - <_> - 10 4 2 3 2. - <_> - - <_> - 44 3 1 8 -1. - <_> - 44 7 1 4 2. - <_> - - <_> - 0 3 1 8 -1. - <_> - 0 7 1 4 2. - <_> - - <_> - 33 0 6 3 -1. - <_> - 35 0 2 3 3. - <_> - - <_> - 13 6 3 2 -1. - <_> - 14 7 1 2 3. - 1 - <_> - - <_> - 20 8 8 2 -1. - <_> - 24 8 4 1 2. - <_> - 20 9 4 1 2. - <_> - - <_> - 0 1 45 9 -1. - <_> - 15 4 15 3 9. - <_> - - <_> - 33 0 6 3 -1. - <_> - 35 0 2 3 3. - <_> - - <_> - 16 8 10 2 -1. - <_> - 16 8 5 1 2. - <_> - 21 9 5 1 2. - <_> - - <_> - 22 0 4 9 -1. - <_> - 22 0 2 9 2. - <_> - - <_> - 22 6 1 4 -1. - <_> - 22 6 1 2 2. - 1 - <_> - - <_> - 23 8 2 2 -1. - <_> - 24 8 1 1 2. - <_> - 23 9 1 1 2. - <_> - - <_> - 20 8 2 2 -1. - <_> - 20 8 1 1 2. - <_> - 21 9 1 1 2. - <_> - - <_> - 37 4 4 2 -1. - <_> - 39 4 2 1 2. - <_> - 37 5 2 1 2. - <_> - - <_> - 6 2 6 3 -1. - <_> - 6 3 6 1 3. - <_> - - <_> - 29 1 3 2 -1. - <_> - 29 1 3 1 2. - 1 - <_> - - <_> - 0 3 10 2 -1. - <_> - 0 3 5 1 2. - <_> - 5 4 5 1 2. - <_> - - <_> - 36 0 6 4 -1. - <_> - 38 0 2 4 3. - <_> - - <_> - 0 1 1 6 -1. - <_> - 0 4 1 3 2. - <_> - - <_> - 36 10 6 1 -1. - <_> - 38 10 2 1 3. - <_> - - <_> - 3 10 6 1 -1. - <_> - 5 10 2 1 3. - <_> - - <_> - 33 7 2 2 -1. - <_> - 34 7 1 1 2. - <_> - 33 8 1 1 2. - <_> - - <_> - 3 0 6 4 -1. - <_> - 5 0 2 4 3. - <_> - - <_> - 36 0 6 3 -1. - <_> - 38 0 2 3 3. - <_> - - <_> - 10 7 2 2 -1. - <_> - 10 7 1 1 2. - <_> - 11 8 1 1 2. - <_> - - <_> - 36 0 6 3 -1. - <_> - 38 0 2 3 3. - <_> - - <_> - 3 0 6 3 -1. - <_> - 5 0 2 3 3. - <_> - - <_> - 33 0 8 2 -1. - <_> - 33 0 4 2 2. - <_> - - <_> - 5 6 4 2 -1. - <_> - 5 6 2 1 2. - <_> - 7 7 2 1 2. - <_> - - <_> - 31 0 10 2 -1. - <_> - 31 0 5 2 2. - <_> - - <_> - 13 0 18 6 -1. - <_> - 13 0 9 3 2. - <_> - 22 3 9 3 2. - <_> - - <_> - 26 0 1 2 -1. - <_> - 26 0 1 1 2. - 1 - <_> - - <_> - 15 7 2 2 -1. - <_> - 15 7 2 1 2. - 1 - <_> - - <_> - 41 0 4 4 -1. - <_> - 40 1 4 2 2. - 1 - <_> - - <_> - 4 0 4 4 -1. - <_> - 5 1 2 4 2. - 1 - <_> - - <_> - 25 9 11 2 -1. - <_> - 25 10 11 1 2. - <_> - - <_> - 9 9 11 2 -1. - <_> - 9 10 11 1 2. - <_> - - <_> - 24 1 2 2 -1. - <_> - 25 1 1 1 2. - <_> - 24 2 1 1 2. - <_> - - <_> - 0 0 44 6 -1. - <_> - 0 0 22 3 2. - <_> - 22 3 22 3 2. - <_> - - <_> - 20 0 8 11 -1. - <_> - 20 0 4 11 2. - <_> - - <_> - 17 4 8 7 -1. - <_> - 19 4 4 7 2. - <_> - - <_> - 34 7 4 3 -1. - <_> - 34 8 4 1 3. - <_> - - <_> - 7 7 4 3 -1. - <_> - 7 8 4 1 3. - <_> - - <_> - 29 0 3 7 -1. - <_> - 30 0 1 7 3. - <_> - - <_> - 13 0 3 7 -1. - <_> - 14 0 1 7 3. - <_> - - <_> - 14 6 18 4 -1. - <_> - 23 6 9 2 2. - <_> - 14 8 9 2 2. - <_> - - <_> - 9 9 4 1 -1. - <_> - 10 9 2 1 2. - <_> - - <_> - 23 8 6 3 -1. - <_> - 25 8 2 3 3. - <_> - - <_> - 18 3 6 5 -1. - <_> - 20 3 2 5 3. - <_> - - <_> - 23 0 10 1 -1. - <_> - 23 0 5 1 2. - 1 - <_> - - <_> - 21 0 2 11 -1. - <_> - 22 0 1 11 2. - <_> - - <_> - 22 7 9 3 -1. - <_> - 25 7 3 3 3. - <_> - - <_> - 14 7 9 3 -1. - <_> - 17 7 3 3 3. - <_> - - <_> - 20 0 6 2 -1. - <_> - 22 0 2 2 3. - <_> - - <_> - 19 0 6 2 -1. - <_> - 21 0 2 2 3. - <_> - - <_> - 23 0 10 1 -1. - <_> - 23 0 5 1 2. - 1 - <_> - - <_> - 22 0 1 10 -1. - <_> - 22 0 1 5 2. - 1 - <_> - - <_> - 22 1 4 1 -1. - <_> - 23 1 2 1 2. - <_> - - <_> - 7 0 5 3 -1. - <_> - 7 1 5 1 3. - <_> - - <_> - 22 1 4 1 -1. - <_> - 23 1 2 1 2. - <_> - - <_> - 18 1 6 1 -1. - <_> - 20 1 2 1 3. - <_> - - <_> - 21 0 16 2 -1. - <_> - 29 0 8 1 2. - <_> - 21 1 8 1 2. - <_> - - <_> - 14 2 2 1 -1. - <_> - 14 2 1 1 2. - 1 - <_> - - <_> - 33 1 6 3 -1. - <_> - 33 2 6 1 3. - <_> - - <_> - 15 1 4 2 -1. - <_> - 16 2 2 2 2. - 1 - <_> - - <_> - 13 3 3 4 -1. - <_> - 14 4 1 4 3. - 1 - <_> - - <_> - 36 0 8 4 -1. - <_> - 36 1 8 2 2. - <_> - - <_> - 7 0 18 7 -1. - <_> - 16 0 9 7 2. - <_> - - <_> - 38 2 6 1 -1. - <_> - 40 4 2 1 3. - 1 - <_> - - <_> - 3 5 4 6 -1. - <_> - 3 5 2 3 2. - <_> - 5 8 2 3 2. - <_> - - <_> - 24 8 2 1 -1. - <_> - 24 8 1 1 2. - 1 - <_> - - <_> - 13 10 12 1 -1. - <_> - 16 10 6 1 2. - <_> - - <_> - 34 0 10 4 -1. - <_> - 34 1 10 2 2. - <_> - - <_> - 1 0 10 4 -1. - <_> - 1 1 10 2 2. - <_> - - <_> - 22 9 2 2 -1. - <_> - 23 9 1 1 2. - <_> - 22 10 1 1 2. - <_> - - <_> - 4 9 1 2 -1. - <_> - 4 10 1 1 2. - <_> - - <_> - 33 0 6 3 -1. - <_> - 35 0 2 3 3. - <_> - - <_> - 7 0 7 3 -1. - <_> - 6 1 7 1 3. - 1 - <_> - - <_> - 27 0 12 2 -1. - <_> - 30 0 6 2 2. - <_> - - <_> - 6 0 6 3 -1. - <_> - 8 0 2 3 3. - <_> - - <_> - 22 9 2 2 -1. - <_> - 23 9 1 1 2. - <_> - 22 10 1 1 2. - <_> - - <_> - 3 4 34 2 -1. - <_> - 20 4 17 2 2. - <_> - - <_> - 22 5 6 6 -1. - <_> - 25 5 3 3 2. - <_> - 22 8 3 3 2. - <_> - - <_> - 12 4 20 4 -1. - <_> - 12 4 10 2 2. - <_> - 22 6 10 2 2. - <_> - - <_> - 37 2 2 3 -1. - <_> - 37 3 2 1 3. - <_> - - <_> - 5 2 9 3 -1. - <_> - 5 3 9 1 3. - <_> - - <_> - 27 0 12 1 -1. - <_> - 30 0 6 1 2. - <_> - - <_> - 6 0 12 1 -1. - <_> - 9 0 6 1 2. - <_> - - <_> - 30 0 6 3 -1. - <_> - 32 0 2 3 3. - <_> - - <_> - 8 0 6 4 -1. - <_> - 10 0 2 4 3. - <_> - - <_> - 34 3 3 3 -1. - <_> - 33 4 3 1 3. - 1 - <_> - - <_> - 10 0 6 4 -1. - <_> - 12 0 2 4 3. - <_> - - <_> - 36 9 6 2 -1. - <_> - 38 9 2 2 3. - <_> - - <_> - 3 9 6 2 -1. - <_> - 5 9 2 2 3. - <_> - - <_> - 34 3 3 3 -1. - <_> - 33 4 3 1 3. - 1 - <_> - - <_> - 16 10 12 1 -1. - <_> - 19 10 6 1 2. - <_> - - <_> - 23 0 1 10 -1. - <_> - 23 0 1 5 2. - 1 - <_> - - <_> - 1 5 32 4 -1. - <_> - 9 5 16 4 2. - <_> - - <_> - 20 1 6 10 -1. - <_> - 20 1 3 10 2. - <_> - - <_> - 0 6 44 5 -1. - <_> - 22 6 22 5 2. - <_> - - <_> - 33 10 6 1 -1. - <_> - 35 10 2 1 3. - <_> - - <_> - 0 3 18 4 -1. - <_> - 6 3 6 4 3. - <_> - - <_> - 30 3 4 2 -1. - <_> - 32 3 2 1 2. - <_> - 30 4 2 1 2. - <_> - - <_> - 4 0 3 4 -1. - <_> - 3 1 3 2 2. - 1 - <_> - - <_> - 33 10 6 1 -1. - <_> - 35 10 2 1 3. - <_> - - <_> - 6 10 6 1 -1. - <_> - 8 10 2 1 3. - <_> - - <_> - 28 5 4 3 -1. - <_> - 29 5 2 3 2. - <_> - - <_> - 13 5 4 3 -1. - <_> - 14 5 2 3 2. - <_> - - <_> - 25 8 2 2 -1. - <_> - 26 8 1 1 2. - <_> - 25 9 1 1 2. - <_> - - <_> - 11 3 3 3 -1. - <_> - 12 4 1 3 3. - 1 - <_> - - <_> - 28 0 2 3 -1. - <_> - 27 1 2 1 3. - 1 - <_> - - <_> - 4 1 3 3 -1. - <_> - 5 2 1 3 3. - 1 - <_> - - <_> - 43 3 2 6 -1. - <_> - 43 5 2 2 3. - <_> - - <_> - 0 3 2 6 -1. - <_> - 0 5 2 2 3. - <_> - - <_> - 28 6 2 1 -1. - <_> - 28 6 1 1 2. - 1 - <_> - - <_> - 17 7 9 4 -1. - <_> - 20 7 3 4 3. - <_> - - <_> - 24 1 2 2 -1. - <_> - 25 1 1 1 2. - <_> - 24 2 1 1 2. - <_> - - <_> - 18 2 6 3 -1. - <_> - 18 2 3 3 2. - 1 - <_> - - <_> - 38 4 4 2 -1. - <_> - 40 4 2 1 2. - <_> - 38 5 2 1 2. - <_> - - <_> - 14 3 16 2 -1. - <_> - 14 3 8 1 2. - <_> - 22 4 8 1 2. - <_> - - <_> - 38 4 4 2 -1. - <_> - 40 4 2 1 2. - <_> - 38 5 2 1 2. - <_> - - <_> - 12 0 3 9 -1. - <_> - 13 3 1 3 9. - <_> - - <_> - 33 0 6 3 -1. - <_> - 33 1 6 1 3. - <_> - - <_> - 15 0 3 3 -1. - <_> - 16 1 1 3 3. - 1 - <_> - - <_> - 31 2 3 3 -1. - <_> - 32 3 1 3 3. - 1 - <_> - - <_> - 14 2 3 3 -1. - <_> - 13 3 3 1 3. - 1 - <_> - - <_> - 23 9 2 2 -1. - <_> - 24 9 1 1 2. - <_> - 23 10 1 1 2. - <_> - - <_> - 20 9 2 2 -1. - <_> - 20 9 1 1 2. - <_> - 21 10 1 1 2. - <_> - - <_> - 25 8 2 2 -1. - <_> - 26 8 1 1 2. - <_> - 25 9 1 1 2. - <_> - - <_> - 18 8 2 2 -1. - <_> - 18 8 1 1 2. - <_> - 19 9 1 1 2. - <_> - - <_> - 17 0 12 2 -1. - <_> - 20 0 6 2 2. - <_> - - <_> - 8 0 18 11 -1. - <_> - 14 0 6 11 3. - <_> - - <_> - 24 1 2 2 -1. - <_> - 25 1 1 1 2. - <_> - 24 2 1 1 2. - <_> - - <_> - 19 1 2 2 -1. - <_> - 19 1 1 1 2. - <_> - 20 2 1 1 2. - <_> - - <_> - 30 8 6 3 -1. - <_> - 32 8 2 3 3. - <_> - - <_> - 19 3 2 2 -1. - <_> - 19 3 1 1 2. - <_> - 20 4 1 1 2. - <_> - - <_> - 26 1 10 2 -1. - <_> - 31 1 5 1 2. - <_> - 26 2 5 1 2. - <_> - - <_> - 9 8 6 3 -1. - <_> - 11 8 2 3 3. - <_> - - <_> - 36 1 5 6 -1. - <_> - 36 3 5 2 3. - <_> - - <_> - 4 1 5 6 -1. - <_> - 4 3 5 2 3. - <_> - - <_> - 36 9 8 1 -1. - <_> - 36 9 4 1 2. - <_> - - <_> - 3 3 6 2 -1. - <_> - 3 3 3 2 2. - 1 - <_> - - <_> - 39 3 4 8 -1. - <_> - 39 3 2 8 2. - <_> - - <_> - 2 3 4 8 -1. - <_> - 4 3 2 8 2. - <_> - - <_> - 22 7 2 2 -1. - <_> - 23 7 1 1 2. - <_> - 22 8 1 1 2. - <_> - - <_> - 0 5 38 6 -1. - <_> - 0 5 19 3 2. - <_> - 19 8 19 3 2. - <_> - - <_> - 43 0 2 4 -1. - <_> - 43 0 1 4 2. - 1 - <_> - - <_> - 14 6 16 4 -1. - <_> - 14 6 8 2 2. - <_> - 22 8 8 2 2. - <_> - - <_> - 43 0 2 4 -1. - <_> - 43 0 1 4 2. - 1 - <_> - - <_> - 12 4 3 4 -1. - <_> - 13 4 1 4 3. - diff --git a/data/haarcascades/haarcascade_mcs_eyepair_small.xml b/data/haarcascades/haarcascade_mcs_eyepair_small.xml deleted file mode 100644 index 6e22b44ea0..0000000000 --- a/data/haarcascades/haarcascade_mcs_eyepair_small.xml +++ /dev/null @@ -1,10091 +0,0 @@ - - - -BOOST - HAAR - 22 - 5 - - 133 - - 0 - 17 - - <_> - 7 - -1.7232350111007690e+00 - - <_> - - 0 -1 0 2.5266629457473755e-01 - - -7.7110642194747925e-01 8.0833798646926880e-01 - <_> - - 0 -1 1 5.6097120977938175e-03 - - -7.3824870586395264e-01 3.8851681351661682e-01 - <_> - - 0 -1 2 1.5298590064048767e-01 - - -5.5244392156600952e-01 6.4289671182632446e-01 - <_> - - 0 -1 3 -4.1561521589756012e-02 - - 4.6287709474563599e-01 -5.3415888547897339e-01 - <_> - - 0 -1 4 4.0643951296806335e-01 - - 1.7092859372496605e-02 -4.6732509765625000e+03 - <_> - - 0 -1 5 2.9633469879627228e-02 - - -4.4348448514938354e-01 5.0703012943267822e-01 - <_> - - 0 -1 6 1.0285720054525882e-04 - - -6.6466391086578369e-01 3.0207848548889160e-01 - <_> - 7 - -1.4015640020370483e+00 - - <_> - - 0 -1 7 3.3425179123878479e-01 - - -6.5658462047576904e-01 7.2224652767181396e-01 - <_> - - 0 -1 8 3.4681979566812515e-02 - - -6.5526360273361206e-01 5.4633998870849609e-01 - <_> - - 0 -1 9 -5.3489811718463898e-02 - - 4.9894320964813232e-01 -5.0774151086807251e-01 - <_> - - 0 -1 10 1.0272119939327240e-01 - - -2.8445309400558472e-01 4.0494489669799805e-01 - <_> - - 0 -1 11 1.4077969535719603e-04 - - -7.9020249843597412e-01 3.4440949559211731e-01 - <_> - - 0 -1 12 2.3227030038833618e-01 - - -1.3018049299716949e-01 4.3139758706092834e-01 - <_> - - 0 -1 13 8.0413393676280975e-02 - - -4.6376779675483704e-01 4.8824951052665710e-01 - <_> - 14 - -1.9015949964523315e+00 - - <_> - - 0 -1 14 3.5276851058006287e-01 - - -6.3080090284347534e-01 6.5199118852615356e-01 - <_> - - 0 -1 15 7.3224060237407684e-02 - - -5.9558337926864624e-01 4.8831069469451904e-01 - <_> - - 0 -1 16 -2.2634120658040047e-02 - - 4.1987290978431702e-01 -5.6545442342758179e-01 - <_> - - 0 -1 17 2.2298170626163483e-01 - - -3.1860861182212830e-01 4.8772248625755310e-01 - <_> - - 0 -1 18 1.8357429653406143e-02 - - -4.0862768888473511e-01 3.9951491355895996e-01 - <_> - - 0 -1 19 1.2711199815385044e-04 - - -4.7230800986289978e-01 2.0521849393844604e-01 - <_> - - 0 -1 20 1.0834160260856152e-02 - - 1.3318300247192383e-01 -7.7914947271347046e-01 - <_> - - 0 -1 21 -7.9301595687866211e-03 - - -5.9789812564849854e-01 4.9372468143701553e-02 - <_> - - 0 -1 22 2.9459610581398010e-01 - - -9.9943317472934723e-03 -3.9346069335937500e+03 - <_> - - 0 -1 23 2.3979870602488518e-02 - - 6.5359488129615784e-02 -5.0484991073608398e-01 - <_> - - 0 -1 24 1.0285720054525882e-04 - - -6.2231910228729248e-01 1.3749890029430389e-01 - <_> - - 0 -1 25 1.3282659649848938e-01 - - -3.4161621332168579e-01 2.7172261476516724e-01 - <_> - - 0 -1 26 -3.7376780062913895e-02 - - -7.4671339988708496e-01 1.1474339663982391e-01 - <_> - - 0 -1 27 7.3414398357272148e-03 - - -3.4962359070777893e-01 1.2929069995880127e-01 - <_> - 21 - -1.8471280336380005e+00 - - <_> - - 0 -1 28 3.5913649201393127e-01 - - -5.8520388603210449e-01 5.8315628767013550e-01 - <_> - - 0 -1 29 -9.2016262933611870e-03 - - 2.3378680646419525e-01 -5.2131319046020508e-01 - <_> - - 0 -1 30 -1.5467359684407711e-02 - - 3.3575141429901123e-01 -5.4084789752960205e-01 - <_> - - 0 -1 31 1.5523830056190491e-01 - - -4.6488308906555176e-01 4.3957579135894775e-01 - <_> - - 0 -1 32 -1.0378899984061718e-02 - - 2.2855420410633087e-01 -4.7472599148750305e-01 - <_> - - 0 -1 33 -7.5254109688103199e-03 - - 3.0168649554252625e-01 -2.8491249680519104e-01 - <_> - - 0 -1 34 -1.2629480625037104e-04 - - 2.2317290306091309e-01 -3.9811360836029053e-01 - <_> - - 0 -1 35 1.2507449719123542e-04 - - -3.6723288893699646e-01 1.3852049410343170e-01 - <_> - - 0 -1 36 -9.0782120823860168e-03 - - -6.8277508020401001e-01 1.0983029752969742e-01 - <_> - - 0 -1 37 -4.9800768494606018e-02 - - -7.1183747053146362e-01 9.5877766609191895e-02 - <_> - - 0 -1 38 1.0729680210351944e-01 - - -1.9828429445624352e-02 -2.6988120117187500e+03 - <_> - - 0 -1 39 -2.9545628931373358e-03 - - -5.9663408994674683e-01 1.4378489553928375e-01 - <_> - - 0 -1 40 1.2507449719123542e-04 - - -4.2198759317398071e-01 1.2654370069503784e-01 - <_> - - 0 -1 41 5.0712730735540390e-02 - - 3.6825660616159439e-02 -7.2819608449935913e-01 - <_> - - 0 -1 42 1.4936710067559034e-04 - - -5.3859847784042358e-01 1.2984189391136169e-01 - <_> - - 0 -1 43 2.4373650550842285e-01 - - 5.6961510330438614e-02 -7.1023291349411011e-01 - <_> - - 0 -1 44 -6.0015019029378891e-02 - - 2.4694560468196869e-01 -2.5020390748977661e-01 - <_> - - 0 -1 45 8.7412662804126740e-02 - - 5.8552309870719910e-02 -2.8725269436836243e-01 - <_> - - 0 -1 46 -9.0919047594070435e-02 - - -6.8815648555755615e-01 8.8074482977390289e-02 - <_> - - 0 -1 47 1.4819550514221191e-01 - - -8.3346709609031677e-02 5.1286262273788452e-01 - <_> - - 0 -1 48 2.1776199340820312e-01 - - -1.1302039772272110e-01 4.8981839418411255e-01 - <_> - 23 - -1.7498610019683838e+00 - - <_> - - 0 -1 49 2.4087640643119812e-01 - - -5.4511332511901855e-01 4.9997121095657349e-01 - <_> - - 0 -1 50 9.1455027461051941e-02 - - -5.4530072212219238e-01 3.6511918902397156e-01 - <_> - - 0 -1 51 6.2960892915725708e-02 - - -4.5040848851203918e-01 3.1278419494628906e-01 - <_> - - 0 -1 52 -4.4865939766168594e-02 - - 3.8191598653793335e-01 -4.0314820408821106e-01 - <_> - - 0 -1 53 -1.3774819672107697e-02 - - 2.5567761063575745e-01 -5.2795022726058960e-01 - <_> - - 0 -1 54 3.0930969864130020e-02 - - -3.2184159755706787e-01 3.2615759968757629e-01 - <_> - - 0 -1 55 2.8891479596495628e-03 - - -5.8948808908462524e-01 1.3433440029621124e-01 - <_> - - 0 -1 56 8.0474298447370529e-03 - - 1.3132849335670471e-01 -6.8602150678634644e-01 - <_> - - 0 -1 57 9.5555791631340981e-03 - - 9.8187282681465149e-02 -6.7927527427673340e-01 - <_> - - 0 -1 58 -3.1676879152655602e-03 - - 1.1390289664268494e-01 -2.3203469812870026e-01 - <_> - - 0 -1 59 -1.6496120020747185e-02 - - 2.5697690248489380e-01 -2.6603409647941589e-01 - <_> - - 0 -1 60 -9.6434041857719421e-02 - - -6.8036687374114990e-01 2.6103440672159195e-02 - <_> - - 0 -1 61 -1.0129880160093307e-02 - - 2.6537680625915527e-01 -2.8654828667640686e-01 - <_> - - 0 -1 62 3.5491649759933352e-04 - - -4.5001238584518433e-01 1.5570540726184845e-01 - <_> - - 0 -1 63 -1.0879360139369965e-02 - - 2.8526028990745544e-01 -2.2041590511798859e-01 - <_> - - 0 -1 64 -1.3320960104465485e-02 - - -6.2863361835479736e-01 7.5602389872074127e-02 - <_> - - 0 -1 65 9.1701131314039230e-03 - - 1.0672529786825180e-01 -5.6462252140045166e-01 - <_> - - 0 -1 66 -1.7562079429626465e-01 - - 6.0234647989273071e-01 -1.1059260368347168e-01 - <_> - - 0 -1 67 3.4105561673641205e-02 - - 1.3363470137119293e-01 -4.9567678570747375e-01 - <_> - - 0 -1 68 -6.4384371042251587e-02 - - -5.8806449174880981e-01 3.2023940235376358e-02 - <_> - - 0 -1 69 -4.6032480895519257e-02 - - -6.1432898044586182e-01 9.9403113126754761e-02 - <_> - - 0 -1 70 -3.8402248173952103e-02 - - 1.6040940582752228e-01 -1.8730519711971283e-01 - <_> - - 0 -1 71 -4.7098070383071899e-01 - - -8.1419098377227783e-01 6.2802910804748535e-02 - <_> - 26 - -1.6923429965972900e+00 - - <_> - - 0 -1 72 4.0789580345153809e-01 - - -2.1667710097972304e-04 4.0943940429687500e+03 - <_> - - 0 -1 73 2.2189030051231384e-01 - - -5.7190257310867310e-01 3.1764110922813416e-01 - <_> - - 0 -1 74 -6.7908123135566711e-02 - - 4.2148721218109131e-01 -4.6982499957084656e-01 - <_> - - 0 -1 75 8.1082796677947044e-03 - - 1.2259560078382492e-01 -4.1368159651756287e-01 - <_> - - 0 -1 76 1.7519680783152580e-02 - - -3.8625329732894897e-01 3.0897051095962524e-01 - <_> - - 0 -1 77 8.1193387508392334e-02 - - -6.3750207424163818e-01 3.8393190503120422e-01 - <_> - - 0 -1 78 1.4751380681991577e-01 - - -4.6316000819206238e-01 2.4519099295139313e-01 - <_> - - 0 -1 79 -4.6391459181904793e-03 - - 2.8011339902877808e-01 -3.1145840883255005e-01 - <_> - - 0 -1 80 -2.5532179279252887e-04 - - 2.1388280391693115e-01 -4.4669920206069946e-01 - <_> - - 0 -1 81 3.5182538628578186e-01 - - 2.3929810151457787e-02 -8.2447677850723267e-01 - <_> - - 0 -1 82 7.2416856884956360e-02 - - -3.8994240760803223e-01 1.8486149609088898e-01 - <_> - - 0 -1 83 -1.2314420193433762e-02 - - 1.1694400012493134e-01 -1.6245290637016296e-01 - <_> - - 0 -1 84 4.2064491659402847e-02 - - 1.0999520123004913e-01 -7.1583980321884155e-01 - <_> - - 0 -1 85 1.4708960056304932e-01 - - 6.4720317721366882e-02 -7.2780632972717285e-01 - <_> - - 0 -1 86 -8.5739437490701675e-03 - - -6.5120697021484375e-01 6.4630962908267975e-02 - <_> - - 0 -1 87 2.4884249432943761e-04 - - -3.8540419936180115e-01 1.0373640060424805e-01 - <_> - - 0 -1 88 3.0264389351941645e-04 - - -3.5174098610877991e-01 1.3352109491825104e-01 - <_> - - 0 -1 89 -3.9636630564928055e-02 - - 3.2420659065246582e-01 -1.9590090215206146e-01 - <_> - - 0 -1 90 3.9922460913658142e-02 - - -1.1895609647035599e-01 4.4634771347045898e-01 - <_> - - 0 -1 91 -1.4249280095100403e-01 - - 5.6414389610290527e-01 -6.4507760107517242e-02 - <_> - - 0 -1 92 3.6157241463661194e-01 - - -1.6855439543724060e-01 3.4748959541320801e-01 - <_> - - 0 -1 93 4.0057301521301270e-02 - - 5.9359360486268997e-02 -5.1402068138122559e-01 - <_> - - 0 -1 94 3.2065549748949707e-04 - - -5.2019292116165161e-01 1.0447859764099121e-01 - <_> - - 0 -1 95 7.5918599963188171e-02 - - 5.9021171182394028e-02 -6.0396432876586914e-01 - <_> - - 0 -1 96 8.8088903576135635e-03 - - -3.0517879128456116e-01 1.9598659873008728e-01 - <_> - - 0 -1 97 -1.1505999602377415e-02 - - -6.9035482406616211e-01 9.5966316759586334e-02 - <_> - 30 - -1.6187490224838257e+00 - - <_> - - 0 -1 98 8.9942701160907745e-02 - - -5.5803191661834717e-01 3.1510511040687561e-01 - <_> - - 0 -1 99 1.4116680622100830e-01 - - -3.5455980896949768e-01 3.4234490990638733e-01 - <_> - - 0 -1 100 -4.9074299633502960e-02 - - 2.8429248929023743e-01 -4.7629681229591370e-01 - <_> - - 0 -1 101 8.8981233537197113e-02 - - 2.1262410283088684e-01 -5.9201169013977051e-01 - <_> - - 0 -1 102 4.5736131072044373e-01 - - -3.4110060334205627e-01 3.1832331418991089e-01 - <_> - - 0 -1 103 -2.0847789710387588e-04 - - 9.2047147452831268e-02 -1.9282439351081848e-01 - <_> - - 0 -1 104 -2.5638268562033772e-04 - - 1.8027019500732422e-01 -5.0077557563781738e-01 - <_> - - 0 -1 105 -4.3627548962831497e-02 - - -7.0934057235717773e-01 2.6141040027141571e-02 - <_> - - 0 -1 106 -1.2148039968451485e-04 - - 1.7804700136184692e-01 -3.8742861151695251e-01 - <_> - - 0 -1 107 6.6614202223718166e-03 - - 9.5236569643020630e-02 -6.4199751615524292e-01 - <_> - - 0 -1 108 1.0133580304682255e-02 - - 4.5362278819084167e-02 -7.3915910720825195e-01 - <_> - - 0 -1 109 -7.4527491815388203e-03 - - 3.4663969278335571e-01 -4.1097310185432434e-01 - <_> - - 0 -1 110 1.8654769659042358e-01 - - 4.6516291797161102e-02 -7.6239591836929321e-01 - <_> - - 0 -1 111 3.4887841343879700e-01 - - 4.4766940176486969e-02 -3.7297439575195312e-01 - <_> - - 0 -1 112 9.0129990130662918e-03 - - 9.2422701418399811e-02 -5.6183439493179321e-01 - <_> - - 0 -1 113 -7.8636936843395233e-02 - - 4.5786789059638977e-01 -1.6657710075378418e-01 - <_> - - 0 -1 114 1.2116239964962006e-01 - - -8.3181731402873993e-02 5.2312797307968140e-01 - <_> - - 0 -1 115 1.8915069522336125e-03 - - -4.3309900164604187e-01 1.2311600148677826e-01 - <_> - - 0 -1 116 3.4766089171171188e-02 - - -3.8780850172042847e-01 1.3191400468349457e-01 - <_> - - 0 -1 117 5.2351798862218857e-02 - - -7.4684523046016693e-02 4.7566229104995728e-01 - <_> - - 0 -1 118 -3.0340079218149185e-02 - - 1.9884179532527924e-01 -2.3101469874382019e-01 - <_> - - 0 -1 119 6.8641840480268002e-03 - - -8.9482538402080536e-02 2.9374399781227112e-01 - <_> - - 0 -1 120 -7.1418210864067078e-02 - - -5.8315718173980713e-01 8.2432016730308533e-02 - <_> - - 0 -1 121 -8.4603831171989441e-02 - - -7.1703827381134033e-01 4.6565640717744827e-02 - <_> - - 0 -1 122 -5.9493448585271835e-02 - - 3.4731200337409973e-01 -1.1965610086917877e-01 - <_> - - 0 -1 123 1.0994940251111984e-01 - - -7.9890703782439232e-03 3.4111711382865906e-01 - <_> - - 0 -1 124 4.9111388623714447e-02 - - -1.0241589695215225e-01 4.6818280220031738e-01 - <_> - - 0 -1 125 3.6367809772491455e-01 - - -8.3159081637859344e-02 3.7145859003067017e-01 - <_> - - 0 -1 126 -1.5865339338779449e-01 - - 5.0474298000335693e-01 -8.3462662994861603e-02 - <_> - - 0 -1 127 -2.5151360780000687e-02 - - -4.5326530933380127e-01 7.8059017658233643e-02 - <_> - 33 - -1.6774560213088989e+00 - - <_> - - 0 -1 128 1.6495940089225769e-01 - - -6.3327008485794067e-01 2.1666599810123444e-01 - <_> - - 0 -1 129 -4.3875761330127716e-02 - - 3.2398268580436707e-01 -5.3654092550277710e-01 - <_> - - 0 -1 130 9.6001587808132172e-03 - - -5.3273487091064453e-01 1.8380840122699738e-01 - <_> - - 0 -1 131 7.8705519437789917e-02 - - -3.8046509027481079e-01 8.5777603089809418e-02 - <_> - - 0 -1 132 -9.9123762920498848e-03 - - 3.0974680185317993e-01 -3.0242699384689331e-01 - <_> - - 0 -1 133 2.1423709392547607e-01 - - -1.3076549768447876e-01 1.5465900301933289e-01 - <_> - - 0 -1 134 3.8553290069103241e-02 - - -4.1129979491233826e-01 2.2162139415740967e-01 - <_> - - 0 -1 135 2.4947660858742893e-04 - - -3.9588528871536255e-01 1.8671679496765137e-01 - <_> - - 0 -1 136 -2.3194089590106159e-04 - - 2.2963899374008179e-01 -2.8851020336151123e-01 - <_> - - 0 -1 137 1.0282140225172043e-02 - - 7.1141071617603302e-02 -7.4978381395339966e-01 - <_> - - 0 -1 138 1.9899800419807434e-02 - - -3.7339100241661072e-01 1.4279870688915253e-01 - <_> - - 0 -1 139 9.1035827994346619e-02 - - 7.0756226778030396e-02 -6.6389507055282593e-01 - <_> - - 0 -1 140 3.9384838193655014e-02 - - -2.2626769542694092e-01 2.4647849798202515e-01 - <_> - - 0 -1 141 1.0999630205333233e-02 - - -2.6254078745841980e-01 1.1630869656801224e-01 - <_> - - 0 -1 142 -5.1808681339025497e-02 - - -5.9614032506942749e-01 8.5982881486415863e-02 - <_> - - 0 -1 143 -7.3788218200206757e-02 - - 2.5938460230827332e-01 -1.0419789701700211e-01 - <_> - - 0 -1 144 4.6990741044282913e-02 - - -1.3505549728870392e-01 4.3088319897651672e-01 - <_> - - 0 -1 145 -9.7187450155615807e-03 - - -6.8422812223434448e-01 1.0987590253353119e-01 - <_> - - 0 -1 146 -3.5397530882619321e-04 - - 1.4434379339218140e-01 -3.2492259144783020e-01 - <_> - - 0 -1 147 1.4243640005588531e-02 - - 2.5580020621418953e-02 -7.0051062107086182e-01 - <_> - - 0 -1 148 -1.3059009611606598e-01 - - 4.8231971263885498e-01 -9.7855798900127411e-02 - <_> - - 0 -1 149 -1.7721720039844513e-02 - - -7.6230561733245850e-01 3.1668808311223984e-02 - <_> - - 0 -1 150 -9.2830806970596313e-03 - - -5.6193757057189941e-01 7.6575733721256256e-02 - <_> - - 0 -1 151 2.4865049635991454e-04 - - -4.1249978542327881e-01 1.3300099968910217e-01 - <_> - - 0 -1 152 -1.4796050265431404e-02 - - -6.9817942380905151e-01 5.2536390721797943e-02 - <_> - - 0 -1 153 1.4459720253944397e-01 - - 8.0330166965723038e-03 -8.6757528781890869e-01 - <_> - - 0 -1 154 1.5795610845088959e-02 - - -2.9273110628128052e-01 1.3636249303817749e-01 - <_> - - 0 -1 155 1.3104810379445553e-02 - - -2.2310920059680939e-01 5.7727438211441040e-01 - <_> - - 0 -1 156 2.2301739454269409e-01 - - -9.3301281332969666e-02 4.9452948570251465e-01 - <_> - - 0 -1 157 -4.9664869904518127e-02 - - -5.1878559589385986e-01 3.4580491483211517e-02 - <_> - - 0 -1 158 -4.5947611331939697e-02 - - -6.5967637300491333e-01 5.8844711631536484e-02 - <_> - - 0 -1 159 -1.0404409840703011e-02 - - 2.6226308941841125e-01 -1.8617649376392365e-01 - <_> - - 0 -1 160 2.9125370085239410e-02 - - -1.8833640217781067e-01 2.1089859306812286e-01 - <_> - 43 - -1.5980160236358643e+00 - - <_> - - 0 -1 161 -2.7601189911365509e-02 - - 2.8599020838737488e-01 -4.1096940636634827e-01 - <_> - - 0 -1 162 3.7857651710510254e-02 - - -4.5894971489906311e-01 1.3157080113887787e-01 - <_> - - 0 -1 163 8.7851449847221375e-02 - - -4.6392178535461426e-01 2.6767331361770630e-01 - <_> - - 0 -1 164 -6.6995318047702312e-03 - - 3.4441629052162170e-01 -3.5756340622901917e-01 - <_> - - 0 -1 165 -2.1192200074438006e-04 - - 2.8535151481628418e-01 -2.5099050998687744e-01 - <_> - - 0 -1 166 7.3331758379936218e-02 - - -5.1049250364303589e-01 2.0841999351978302e-01 - <_> - - 0 -1 167 7.0513516664505005e-02 - - -2.9435500502586365e-01 2.4908310174942017e-01 - <_> - - 0 -1 168 2.4877820396795869e-04 - - -4.5301368832588196e-01 1.1060699820518494e-01 - <_> - - 0 -1 169 -3.4712569322437048e-03 - - 2.8186500072479248e-01 -2.2025389969348907e-01 - <_> - - 0 -1 170 2.4717900669202209e-04 - - -2.4565899372100830e-01 8.6443759500980377e-02 - <_> - - 0 -1 171 1.2986420188099146e-04 - - -3.5027301311492920e-01 1.4678439497947693e-01 - <_> - - 0 -1 172 6.9045290350914001e-02 - - 3.0464420095086098e-02 -6.0509628057479858e-01 - <_> - - 0 -1 173 2.7935361140407622e-04 - - -6.0390001535415649e-01 8.6118496954441071e-02 - <_> - - 0 -1 174 -1.4282229542732239e-01 - - -5.7246452569961548e-01 7.2643920779228210e-02 - <_> - - 0 -1 175 -3.6195218563079834e-02 - - 1.4508500695228577e-01 -2.9879340529441833e-01 - <_> - - 0 -1 176 -3.0662279576063156e-02 - - 2.2187960147857666e-01 -1.6560579836368561e-01 - <_> - - 0 -1 177 4.1992411017417908e-02 - - -1.0774009674787521e-01 4.8182308673858643e-01 - <_> - - 0 -1 178 -7.9941511154174805e-02 - - -4.7171419858932495e-01 3.7495650351047516e-02 - <_> - - 0 -1 179 -6.4027868211269379e-02 - - -6.4578139781951904e-01 7.0583656430244446e-02 - <_> - - 0 -1 180 -2.1864910377189517e-04 - - 1.4576619863510132e-01 -2.6793161034584045e-01 - <_> - - 0 -1 181 -1.4113999903202057e-02 - - -7.7310252189636230e-01 4.3031539767980576e-02 - <_> - - 0 -1 182 -2.7583390474319458e-02 - - -4.6052241325378418e-01 1.2541879899799824e-02 - <_> - - 0 -1 183 3.2080090045928955e-01 - - 3.8655929267406464e-02 -8.0620688199996948e-01 - <_> - - 0 -1 184 3.5831309854984283e-02 - - -6.6294170916080475e-02 3.2638838887214661e-01 - <_> - - 0 -1 185 -7.9818010330200195e-02 - - 4.1679659485816956e-01 -9.1265693306922913e-02 - <_> - - 0 -1 186 -2.6545161381363869e-04 - - 1.1011809855699539e-01 -1.5701800584793091e-01 - <_> - - 0 -1 187 -2.4198470055125654e-04 - - 1.3520300388336182e-01 -2.4126259982585907e-01 - <_> - - 0 -1 188 6.9970320910215378e-03 - - 6.1209369450807571e-02 -4.9959999322891235e-01 - <_> - - 0 -1 189 1.8720689415931702e-01 - - 5.6549020111560822e-02 -5.1141732931137085e-01 - <_> - - 0 -1 190 2.5392429903149605e-02 - - 1.2943379580974579e-02 -5.7294350862503052e-01 - <_> - - 0 -1 191 1.9598169252276421e-02 - - -8.1028573215007782e-02 4.1770109534263611e-01 - <_> - - 0 -1 192 -3.0563350766897202e-02 - - -7.7354127168655396e-01 1.7834499478340149e-02 - <_> - - 0 -1 193 -1.7510980367660522e-02 - - -5.8982509374618530e-01 5.1176030188798904e-02 - <_> - - 0 -1 194 8.0173909664154053e-03 - - -8.8888056576251984e-02 2.5149890780448914e-01 - <_> - - 0 -1 195 3.0078329145908356e-02 - - -5.1423519849777222e-02 6.0266208648681641e-01 - <_> - - 0 -1 196 1.2652520090341568e-02 - - 5.2874740213155746e-02 -6.8241232633590698e-01 - <_> - - 0 -1 197 1.2671189324464649e-04 - - -3.3524969220161438e-01 8.1200607120990753e-02 - <_> - - 0 -1 198 1.8680329620838165e-01 - - -5.4362770169973373e-02 5.2354782819747925e-01 - <_> - - 0 -1 199 1.7570440471172333e-01 - - -5.7003289461135864e-02 6.1373281478881836e-01 - <_> - - 0 -1 200 1.0384310483932495e+00 - - 5.5142719298601151e-02 -6.1898940801620483e-01 - <_> - - 0 -1 201 -3.6805290728807449e-03 - - -3.4223210811614990e-01 8.9690372347831726e-02 - <_> - - 0 -1 202 -1.5596579760313034e-02 - - -6.7402267456054688e-01 2.3316940292716026e-02 - <_> - - 0 -1 203 7.3065250180661678e-03 - - -3.3753579854965210e-01 8.1490926444530487e-02 - <_> - 49 - -1.5710469484329224e+00 - - <_> - - 0 -1 204 1.8058590590953827e-01 - - -5.3006607294082642e-01 3.0238381028175354e-01 - <_> - - 0 -1 205 -1.4102189801633358e-02 - - 3.6992278695106506e-01 -3.2417449355125427e-01 - <_> - - 0 -1 206 -1.0875849984586239e-02 - - 2.5693210959434509e-01 -3.2424819469451904e-01 - <_> - - 0 -1 207 1.9429029896855354e-02 - - -2.1578429639339447e-01 2.5954779982566833e-01 - <_> - - 0 -1 208 -3.3504539169371128e-04 - - 1.5259739756584167e-01 -4.9001759290695190e-01 - <_> - - 0 -1 209 1.4867480099201202e-01 - - -2.5198081135749817e-01 2.3439890146255493e-01 - <_> - - 0 -1 210 -1.9672799855470657e-02 - - 2.4085490405559540e-01 -2.0880240201950073e-01 - <_> - - 0 -1 211 2.9412939329631627e-04 - - -2.0930929481983185e-01 8.3217248320579529e-02 - <_> - - 0 -1 212 -4.9362171441316605e-02 - - 1.7945680022239685e-01 -2.6339888572692871e-01 - <_> - - 0 -1 213 2.6121780276298523e-02 - - 2.5723719969391823e-02 -7.1571451425552368e-01 - <_> - - 0 -1 214 2.5359389837831259e-04 - - -3.6208280920982361e-01 1.4229419827461243e-01 - <_> - - 0 -1 215 2.3524250835180283e-02 - - 1.3082559406757355e-01 -3.1331199407577515e-01 - <_> - - 0 -1 216 2.8964199009351432e-04 - - -2.9553139209747314e-01 1.6127729415893555e-01 - <_> - - 0 -1 217 -5.6771971285343170e-03 - - -5.3372818231582642e-01 3.7908848375082016e-02 - <_> - - 0 -1 218 2.7393171330913901e-04 - - -3.8743188977241516e-01 1.0680560022592545e-01 - <_> - - 0 -1 219 -4.9558758735656738e-02 - - 2.5248089432716370e-01 -1.9702939689159393e-01 - <_> - - 0 -1 220 -3.1284131109714508e-02 - - -5.4901629686355591e-01 8.3271853625774384e-02 - <_> - - 0 -1 221 5.1301490515470505e-02 - - 5.6439649313688278e-02 -3.9528268575668335e-01 - <_> - - 0 -1 222 -6.5874107182025909e-02 - - -6.6007608175277710e-01 5.1039341837167740e-02 - <_> - - 0 -1 223 -4.2836990207433701e-02 - - -4.6951889991760254e-01 2.4805689230561256e-02 - <_> - - 0 -1 224 -3.9816949516534805e-02 - - -5.3903067111968994e-01 6.2565587460994720e-02 - <_> - - 0 -1 225 9.6334350109100342e-01 - - 7.0093147456645966e-02 -5.0512290000915527e-01 - <_> - - 0 -1 226 -9.0300403535366058e-02 - - -6.0602772235870361e-01 4.7844190150499344e-02 - <_> - - 0 -1 227 1.1647170037031174e-01 - - 3.7802059203386307e-02 -4.2558151483535767e-01 - <_> - - 0 -1 228 1.4104600250720978e-01 - - 5.3307779133319855e-02 -6.4774441719055176e-01 - <_> - - 0 -1 229 -2.2453929483890533e-01 - - -7.4235057830810547e-01 3.9420530200004578e-02 - <_> - - 0 -1 230 1.2207459658384323e-02 - - 4.1159488260746002e-02 -6.2470448017120361e-01 - <_> - - 0 -1 231 -1.2989179790019989e-01 - - -5.0202441215515137e-01 5.0608549267053604e-02 - <_> - - 0 -1 232 -1.3367730379104614e-01 - - -5.9807258844375610e-01 5.1502179354429245e-02 - <_> - - 0 -1 233 -2.7120931190438569e-04 - - 9.4227276742458344e-02 -1.8693520128726959e-01 - <_> - - 0 -1 234 -1.0169100016355515e-01 - - 3.2843610644340515e-01 -8.7932407855987549e-02 - <_> - - 0 -1 235 -1.0269139707088470e-01 - - 3.6913949251174927e-01 -9.3921191990375519e-02 - <_> - - 0 -1 236 -1.0396800003945827e-02 - - 2.7350321412086487e-01 -1.0995180159807205e-01 - <_> - - 0 -1 237 -2.1686570718884468e-02 - - -5.4310798645019531e-01 3.5409461706876755e-02 - <_> - - 0 -1 238 -1.0991159826517105e-02 - - 3.3133411407470703e-01 -9.4798907637596130e-02 - <_> - - 0 -1 239 3.3094190061092377e-02 - - -6.7603901028633118e-02 3.7596800923347473e-01 - <_> - - 0 -1 240 1.1286569759249687e-02 - - 5.9782750904560089e-02 -5.1132440567016602e-01 - <_> - - 0 -1 241 -2.7613660320639610e-02 - - -1.4082999527454376e-01 2.7692280709743500e-02 - <_> - - 0 -1 242 -2.4939039722084999e-02 - - -3.9404359459877014e-01 7.4676387012004852e-02 - <_> - - 0 -1 243 -2.0524069666862488e-02 - - -3.6042830348014832e-01 7.4041247367858887e-02 - <_> - - 0 -1 244 -7.4007459916174412e-03 - - 2.8367879986763000e-01 -1.0147889703512192e-01 - <_> - - 0 -1 245 6.7080897092819214e-01 - - 4.5882590115070343e-02 -3.3616951107978821e-01 - <_> - - 0 -1 246 -3.9679888635873795e-02 - - -5.2566331624984741e-01 5.4599281400442123e-02 - <_> - - 0 -1 247 -8.7327197194099426e-02 - - 1.6750040650367737e-01 -4.3622560799121857e-02 - <_> - - 0 -1 248 6.4611792564392090e-02 - - -7.3659181594848633e-02 3.8314640522003174e-01 - <_> - - 0 -1 249 -2.2105389833450317e-01 - - 1.0447829961776733e-01 -1.7116640508174896e-01 - <_> - - 0 -1 250 5.3933750838041306e-02 - - -2.9619699716567993e-01 9.6287600696086884e-02 - <_> - - 0 -1 251 -2.7547979727387428e-02 - - 1.2633620202541351e-01 -1.4370830357074738e-01 - <_> - - 0 -1 252 -7.9627260565757751e-02 - - -6.7207431793212891e-01 4.2808510363101959e-02 - <_> - 56 - -1.5772149562835693e+00 - - <_> - - 0 -1 253 3.9984458684921265e-01 - - -4.9297308921813965e-01 2.7820569276809692e-01 - <_> - - 0 -1 254 -1.1940109543502331e-02 - - 2.9590839147567749e-01 -2.9935190081596375e-01 - <_> - - 0 -1 255 8.0412777606397867e-04 - - -5.1374572515487671e-01 1.4820599555969238e-01 - <_> - - 0 -1 256 -6.8827301263809204e-02 - - 3.2834580540657043e-01 -2.1098789572715759e-01 - <_> - - 0 -1 257 -2.6670019142329693e-03 - - 1.6911430656909943e-01 -3.8614910840988159e-01 - <_> - - 0 -1 258 1.7666140571236610e-02 - - -2.7672740817070007e-01 2.1801890432834625e-01 - <_> - - 0 -1 259 7.4831801466643810e-03 - - -3.8488918542861938e-01 1.6186140477657318e-01 - <_> - - 0 -1 260 -1.6251010820269585e-02 - - -4.6217259764671326e-01 4.9147199839353561e-02 - <_> - - 0 -1 261 3.9933170774020255e-04 - - -4.5336130261421204e-01 1.0460279881954193e-01 - <_> - - 0 -1 262 -1.5297180041670799e-02 - - -1.4113479852676392e-01 1.1434920132160187e-01 - <_> - - 0 -1 263 -6.3068820163607597e-03 - - 1.6264270246028900e-01 -3.1081709265708923e-01 - <_> - - 0 -1 264 -1.2744629755616188e-02 - - -6.6173952817916870e-01 6.7844212055206299e-02 - <_> - - 0 -1 265 -1.0559420287609100e-01 - - -5.1333832740783691e-01 7.1062602102756500e-02 - <_> - - 0 -1 266 2.1958440542221069e-02 - - 1.3662010431289673e-02 -5.3517282009124756e-01 - <_> - - 0 -1 267 1.6034189611673355e-02 - - -3.5287639498710632e-01 1.0490509867668152e-01 - <_> - - 0 -1 268 -6.5577318891882896e-03 - - 2.1489949524402618e-01 -1.9894179701805115e-01 - <_> - - 0 -1 269 -1.1923479847609997e-02 - - -5.2076560258865356e-01 6.7639470100402832e-02 - <_> - - 0 -1 270 8.6674906313419342e-02 - - 5.8022700250148773e-02 -5.6969362497329712e-01 - <_> - - 0 -1 271 -2.3583239817526191e-04 - - 1.6676810383796692e-01 -2.1293079853057861e-01 - <_> - - 0 -1 272 2.2656060173176229e-04 - - -1.0723900049924850e-01 8.0340780317783356e-02 - <_> - - 0 -1 273 -3.8619268685579300e-02 - - -4.8281979560852051e-01 6.4317606389522552e-02 - <_> - - 0 -1 274 -3.6343471147119999e-03 - - 1.6469269990921021e-01 -1.2586009502410889e-01 - <_> - - 0 -1 275 -1.3567389547824860e-01 - - 6.8711781501770020e-01 -4.5401938259601593e-02 - <_> - - 0 -1 276 -5.9284181334078312e-03 - - -4.4602438807487488e-01 7.7744297683238983e-02 - <_> - - 0 -1 277 -3.8721960037946701e-02 - - -7.9545962810516357e-01 2.7273029088973999e-02 - <_> - - 0 -1 278 2.7111990493722260e-04 - - -6.1464820057153702e-02 8.6636051535606384e-02 - <_> - - 0 -1 279 -8.9391563087701797e-03 - - 3.2042619585990906e-01 -9.4426132738590240e-02 - <_> - - 0 -1 280 4.0600231289863586e-01 - - -1.4507249929010868e-02 4.0071460604667664e-01 - <_> - - 0 -1 281 3.5274639725685120e-01 - - -4.8782840371131897e-02 5.8633488416671753e-01 - <_> - - 0 -1 282 -2.6537929079495370e-04 - - 1.6140839457511902e-01 -2.1041369438171387e-01 - <_> - - 0 -1 283 -1.2319950386881828e-02 - - -5.9739661216735840e-01 4.0629621595144272e-02 - <_> - - 0 -1 284 -1.3849560171365738e-02 - - -6.8779480457305908e-01 2.8297599405050278e-02 - <_> - - 0 -1 285 -3.0354750924743712e-04 - - 1.1384069919586182e-01 -2.1501390635967255e-01 - <_> - - 0 -1 286 -3.9106961339712143e-02 - - -2.2600589692592621e-01 3.9526809006929398e-02 - <_> - - 0 -1 287 -2.8095500543713570e-02 - - -3.5950079560279846e-01 7.4736073613166809e-02 - <_> - - 0 -1 288 -2.1256110072135925e-01 - - -7.1098762750625610e-01 4.1869599372148514e-02 - <_> - - 0 -1 289 -7.9028336331248283e-03 - - 3.0954331159591675e-01 -8.6424186825752258e-02 - <_> - - 0 -1 290 1.1795709840953350e-02 - - 2.5133460760116577e-02 -6.6756761074066162e-01 - <_> - - 0 -1 291 -1.0672540403902531e-02 - - -5.7254207134246826e-01 3.8454119116067886e-02 - <_> - - 0 -1 292 1.9260150194168091e-01 - - 4.5295011252164841e-02 -3.5983958840370178e-01 - <_> - - 0 -1 293 2.7458968758583069e-01 - - 3.7602171301841736e-02 -6.7104452848434448e-01 - <_> - - 0 -1 294 -2.9315929859876633e-02 - - -5.7990521192550659e-01 3.4113410860300064e-02 - <_> - - 0 -1 295 -3.4563058614730835e-01 - - -7.7321988344192505e-01 2.6545749977231026e-02 - <_> - - 0 -1 296 1.0821919888257980e-01 - - 2.6538049802184105e-02 -5.1272237300872803e-01 - <_> - - 0 -1 297 1.5225330367684364e-02 - - -2.8461378812789917e-01 9.5019251108169556e-02 - <_> - - 0 -1 298 -1.3128579594194889e-02 - - 2.4167710542678833e-01 -9.8213009536266327e-02 - <_> - - 0 -1 299 3.9482329040765762e-02 - - -8.4126733243465424e-02 3.1721648573875427e-01 - <_> - - 0 -1 300 2.0438270270824432e-01 - - -9.0963877737522125e-02 2.7314299345016479e-01 - <_> - - 0 -1 301 -2.1871099306736141e-04 - - 1.2994079291820526e-01 -1.9457989931106567e-01 - <_> - - 0 -1 302 -9.3532271683216095e-02 - - 4.6456810832023621e-01 -6.9762058556079865e-02 - <_> - - 0 -1 303 2.3594809696078300e-02 - - -1.6312980651855469e-01 1.5879690647125244e-01 - <_> - - 0 -1 304 2.3572299629449844e-02 - - 3.4230828285217285e-02 -3.9106941223144531e-01 - <_> - - 0 -1 305 -2.8218850493431091e-02 - - 4.9798300862312317e-01 -5.4106999188661575e-02 - <_> - - 0 -1 306 -4.6584788709878922e-02 - - -4.2779120802879333e-01 4.1826229542493820e-02 - <_> - - 0 -1 307 1.1646820232272148e-02 - - 6.8037100136280060e-02 -3.5714611411094666e-01 - <_> - - 0 -1 308 -1.9526390731334686e-01 - - 2.1971330046653748e-01 -1.0934519767761230e-01 - <_> - 70 - -1.5406730175018311e+00 - - <_> - - 0 -1 309 -6.0963228344917297e-02 - - 2.6233229041099548e-01 -3.9964640140533447e-01 - <_> - - 0 -1 310 3.1858150032348931e-04 - - -1.8744090199470520e-01 1.2887619435787201e-01 - <_> - - 0 -1 311 -1.7338279634714127e-02 - - 1.5848200023174286e-01 -4.1080018877983093e-01 - <_> - - 0 -1 312 1.9554449617862701e-01 - - -4.1255399584770203e-01 1.6843290627002716e-01 - <_> - - 0 -1 313 -1.6848340630531311e-02 - - 1.5632760524749756e-01 -4.2258378863334656e-01 - <_> - - 0 -1 314 6.7765302956104279e-02 - - 8.8457070291042328e-02 -4.5746278762817383e-01 - <_> - - 0 -1 315 -2.1593479439616203e-02 - - 4.3105560541152954e-01 -1.1188620328903198e-01 - <_> - - 0 -1 316 2.2325530648231506e-02 - - -1.7106969654560089e-01 1.1900480091571808e-01 - <_> - - 0 -1 317 4.1217468678951263e-02 - - 1.1528480052947998e-01 -4.2701280117034912e-01 - <_> - - 0 -1 318 -2.0137800311204046e-04 - - 1.7593939602375031e-01 -2.0617599785327911e-01 - <_> - - 0 -1 319 2.0204859902150929e-04 - - -5.6596899032592773e-01 8.9145816862583160e-02 - <_> - - 0 -1 320 -3.0921408534049988e-01 - - 3.4555140137672424e-01 -1.0850270092487335e-01 - <_> - - 0 -1 321 -6.1448230408132076e-03 - - 1.8596710264682770e-01 -2.0050209760665894e-01 - <_> - - 0 -1 322 -1.2021329998970032e-01 - - -3.4771358966827393e-01 5.4678130894899368e-02 - <_> - - 0 -1 323 -1.4376080036163330e-01 - - -5.4118317365646362e-01 6.1214160174131393e-02 - <_> - - 0 -1 324 -1.2037059664726257e-01 - - -6.1475539207458496e-01 1.6389599069952965e-02 - <_> - - 0 -1 325 4.2673919349908829e-02 - - 6.1599899083375931e-02 -4.8987519741058350e-01 - <_> - - 0 -1 326 2.0105950534343719e-01 - - 1.9135080277919769e-02 -4.4107690453529358e-01 - <_> - - 0 -1 327 2.0882239937782288e-01 - - 6.1363980174064636e-02 -5.6655067205429077e-01 - <_> - - 0 -1 328 3.4317639074288309e-04 - - -3.7903869152069092e-01 8.0770552158355713e-02 - <_> - - 0 -1 329 1.1899280361831188e-02 - - 5.1373660564422607e-02 -5.1244020462036133e-01 - <_> - - 0 -1 330 -1.5274089761078358e-02 - - -6.5564781427383423e-01 3.1176609918475151e-02 - <_> - - 0 -1 331 2.0450940355658531e-02 - - -1.1008310317993164e-01 2.4426600337028503e-01 - <_> - - 0 -1 332 1.0915989987552166e-02 - - -3.0113309621810913e-01 8.4650352597236633e-02 - <_> - - 0 -1 333 6.5979440696537495e-03 - - -2.3539529740810394e-01 1.1103770136833191e-01 - <_> - - 0 -1 334 7.4403129518032074e-02 - - 2.6583429425954819e-02 -5.2900832891464233e-01 - <_> - - 0 -1 335 9.6808141097426414e-03 - - -3.1914350390434265e-01 9.1770917177200317e-02 - <_> - - 0 -1 336 2.9621220892295241e-04 - - -2.4492859840393066e-01 2.6193821430206299e-01 - <_> - - 0 -1 337 9.8016488552093506e-01 - - 4.3550208210945129e-02 -5.0767660140991211e-01 - <_> - - 0 -1 338 -3.1622480601072311e-02 - - -8.4246248006820679e-01 3.8115619681775570e-03 - <_> - - 0 -1 339 -2.3534629493951797e-02 - - -4.1606828570365906e-01 5.6047659367322922e-02 - <_> - - 0 -1 340 -2.7265268727205694e-04 - - 7.3260016739368439e-02 -1.2437839806079865e-01 - <_> - - 0 -1 341 3.2802440226078033e-02 - - 4.6918708831071854e-02 -5.4838627576828003e-01 - <_> - - 0 -1 342 2.9037919011898339e-04 - - -7.6424241065979004e-02 7.5254246592521667e-02 - <_> - - 0 -1 343 -2.0024979487061501e-02 - - -6.4532381296157837e-01 3.3612970262765884e-02 - <_> - - 0 -1 344 -2.7752740425057709e-04 - - 8.7540581822395325e-02 -9.9770903587341309e-02 - <_> - - 0 -1 345 7.7714829239994287e-04 - - -1.1906430125236511e-01 2.0813730359077454e-01 - <_> - - 0 -1 346 -3.3943509333766997e-04 - - 1.0715380311012268e-01 -3.6650410294532776e-01 - <_> - - 0 -1 347 -3.1033109873533249e-02 - - -3.9916810393333435e-01 8.1188216805458069e-02 - <_> - - 0 -1 348 -1.7289260402321815e-02 - - 3.8013750314712524e-01 -6.0977298766374588e-02 - <_> - - 0 -1 349 -1.5011649578809738e-02 - - -3.3468168973922729e-01 6.8933099508285522e-02 - <_> - - 0 -1 350 6.4567357301712036e-02 - - 6.5394707024097443e-02 -4.7988981008529663e-01 - <_> - - 0 -1 351 1.2624289840459824e-02 - - -2.0736390352249146e-01 1.0337830334901810e-01 - <_> - - 0 -1 352 2.3402009159326553e-02 - - 1.9422940909862518e-02 -2.9609990119934082e-01 - <_> - - 0 -1 353 1.0855530202388763e-01 - - 3.5537008196115494e-02 -5.5214291810989380e-01 - <_> - - 0 -1 354 4.5320361852645874e-02 - - 5.1564838737249374e-02 -2.5036799907684326e-01 - <_> - - 0 -1 355 -5.7765920646488667e-03 - - -3.6300620436668396e-01 6.0400400310754776e-02 - <_> - - 0 -1 356 4.2834520339965820e-02 - - -1.0816460102796555e-01 5.9968799352645874e-02 - <_> - - 0 -1 357 -6.7743198014795780e-03 - - 2.1504840254783630e-01 -9.3404106795787811e-02 - <_> - - 0 -1 358 1.1993249878287315e-02 - - 1.7558900639414787e-02 -7.4426478147506714e-01 - <_> - - 0 -1 359 -7.5555630028247833e-03 - - -3.8360419869422913e-01 4.8056539148092270e-02 - <_> - - 0 -1 360 5.1661770790815353e-02 - - -4.0535770356655121e-02 2.7973321080207825e-01 - <_> - - 0 -1 361 -3.4890910610556602e-03 - - 1.1065530031919479e-01 -1.8241560459136963e-01 - <_> - - 0 -1 362 -1.7821760475635529e-01 - - 4.6676158905029297e-01 -4.5715868473052979e-02 - <_> - - 0 -1 363 -3.9882469922304153e-02 - - -3.6969459056854248e-01 6.6279433667659760e-02 - <_> - - 0 -1 364 8.6848186329007149e-03 - - -9.0845301747322083e-02 2.9390209913253784e-01 - <_> - - 0 -1 365 -9.8893903195858002e-03 - - -5.9415078163146973e-01 3.5158470273017883e-02 - <_> - - 0 -1 366 1.2979790568351746e-01 - - -6.3968099653720856e-02 3.1669330596923828e-01 - <_> - - 0 -1 367 -2.2091900929808617e-02 - - -7.3574930429458618e-01 3.4748189151287079e-02 - <_> - - 0 -1 368 6.3688866794109344e-02 - - -4.8844788223505020e-02 1.8822559714317322e-01 - <_> - - 0 -1 369 -2.8462480986490846e-04 - - 1.4634150266647339e-01 -1.2434139847755432e-01 - <_> - - 0 -1 370 8.7389163672924042e-03 - - -8.8357016444206238e-02 3.6513170599937439e-01 - <_> - - 0 -1 371 -8.5483584553003311e-03 - - -3.7375131249427795e-01 4.9242861568927765e-02 - <_> - - 0 -1 372 -4.8324568197131157e-03 - - 3.0512019991874695e-01 -8.7134227156639099e-02 - <_> - - 0 -1 373 9.0768225491046906e-03 - - 5.4005049169063568e-02 -3.6545351147651672e-01 - <_> - - 0 -1 374 -4.1476011276245117e-02 - - -2.6398089528083801e-01 3.6431320011615753e-02 - <_> - - 0 -1 375 -1.7926920205354691e-02 - - -2.0585890114307404e-01 9.5735296607017517e-02 - <_> - - 0 -1 376 1.3466989621520042e-02 - - 4.0114641189575195e-02 -2.6507300138473511e-01 - <_> - - 0 -1 377 -1.0521490126848221e-02 - - 3.3944410085678101e-01 -6.2721483409404755e-02 - <_> - - 0 -1 378 9.0459967032074928e-03 - - -1.1153969913721085e-01 3.6552271246910095e-01 - <_> - 77 - -1.5132089853286743e+00 - - <_> - - 0 -1 379 2.9219689965248108e-01 - - -3.0517441034317017e-01 3.1100711226463318e-01 - <_> - - 0 -1 380 4.8884529620409012e-02 - - -4.3176358938217163e-01 9.0919703245162964e-02 - <_> - - 0 -1 381 -8.6104847490787506e-02 - - 2.3504100739955902e-01 -2.4588750302791595e-01 - <_> - - 0 -1 382 -3.7824749946594238e-02 - - 1.1865279823541641e-01 -1.6027280688285828e-01 - <_> - - 0 -1 383 5.1638111472129822e-03 - - -3.0879729986190796e-01 1.6927860677242279e-01 - <_> - - 0 -1 384 1.0608089715242386e-01 - - -3.2493358850479126e-01 2.0097799599170685e-01 - <_> - - 0 -1 385 -1.7758550122380257e-02 - - 1.1281190067529678e-01 -3.5320740938186646e-01 - <_> - - 0 -1 386 -4.9341689795255661e-02 - - 1.4547340571880341e-01 -2.6537749171257019e-01 - <_> - - 0 -1 387 2.5910969823598862e-02 - - 1.2290839850902557e-01 -4.1275170445442200e-01 - <_> - - 0 -1 388 5.6900721974670887e-03 - - -4.1842108964920044e-01 9.8855160176753998e-02 - <_> - - 0 -1 389 -1.0024379938840866e-01 - - 3.8681399822235107e-01 -9.5526076853275299e-02 - <_> - - 0 -1 390 -2.0592489454429597e-04 - - 1.0861500352621078e-01 -1.1460640281438828e-01 - <_> - - 0 -1 391 -2.4438640684820712e-04 - - 1.3918270170688629e-01 -2.2799800336360931e-01 - <_> - - 0 -1 392 -2.2062960488256067e-04 - - 2.0565949380397797e-01 -2.7677100896835327e-01 - <_> - - 0 -1 393 -9.5974102616310120e-02 - - 3.0785810947418213e-01 -1.1823830008506775e-01 - <_> - - 0 -1 394 -1.5439930558204651e-01 - - 4.4712421298027039e-01 -1.7546219751238823e-02 - <_> - - 0 -1 395 6.2385208904743195e-02 - - -1.2762880325317383e-01 2.6652419567108154e-01 - <_> - - 0 -1 396 -2.1663220599293709e-02 - - -5.5112272500991821e-01 7.8566007316112518e-02 - <_> - - 0 -1 397 2.4211770296096802e-01 - - -8.1605702638626099e-02 4.1426479816436768e-01 - <_> - - 0 -1 398 4.3407708406448364e-02 - - 2.9027709737420082e-02 -6.5751147270202637e-01 - <_> - - 0 -1 399 -2.5835740962065756e-04 - - 1.4794899523258209e-01 -1.8168459832668304e-01 - <_> - - 0 -1 400 -2.0531630143523216e-02 - - -3.0385929346084595e-01 5.8148749172687531e-02 - <_> - - 0 -1 401 -3.5120129585266113e-02 - - -7.7284640073776245e-01 3.3544670790433884e-02 - <_> - - 0 -1 402 9.0519672632217407e-01 - - 5.8951519429683685e-02 -4.0955621004104614e-01 - <_> - - 0 -1 403 -2.9139410704374313e-02 - - -4.9474939703941345e-01 4.9022089689970016e-02 - <_> - - 0 -1 404 -8.9205689728260040e-03 - - 1.7033359408378601e-01 -1.2763510644435883e-01 - <_> - - 0 -1 405 -6.8206740543246269e-03 - - -4.4272041320800781e-01 6.4747646450996399e-02 - <_> - - 0 -1 406 -1.1916610412299633e-02 - - -4.2080488801002502e-01 1.4589769765734673e-02 - <_> - - 0 -1 407 1.4910879544913769e-02 - - -2.6192238926887512e-01 9.8739542067050934e-02 - <_> - - 0 -1 408 -3.9695478975772858e-02 - - -5.7163047790527344e-01 1.5096279792487621e-02 - <_> - - 0 -1 409 -2.1801660477649420e-04 - - 1.2833200395107269e-01 -2.1621960401535034e-01 - <_> - - 0 -1 410 -4.5885100960731506e-02 - - -5.8307892084121704e-01 2.3085020482540131e-02 - <_> - - 0 -1 411 -3.7609770894050598e-02 - - -4.7697749733924866e-01 4.9783270806074142e-02 - <_> - - 0 -1 412 -7.9078450798988342e-03 - - 2.8025069832801819e-01 -8.0540910363197327e-02 - <_> - - 0 -1 413 3.9813838899135590e-02 - - -6.3936218619346619e-02 4.0940278768539429e-01 - <_> - - 0 -1 414 4.4679851271212101e-03 - - -6.8359166383743286e-02 1.8522049486637115e-01 - <_> - - 0 -1 415 -7.4347038753330708e-03 - - 2.9873400926589966e-01 -9.6865907311439514e-02 - <_> - - 0 -1 416 -2.6862850063480437e-04 - - 8.8527821004390717e-02 -1.4215320348739624e-01 - <_> - - 0 -1 417 -1.6553189605474472e-02 - - -4.9239259958267212e-01 4.9005638808012009e-02 - <_> - - 0 -1 418 9.2472568154335022e-02 - - 3.3866059035062790e-02 -4.1273859143257141e-01 - <_> - - 0 -1 419 2.5774519890546799e-02 - - -2.2871309518814087e-01 1.2359119951725006e-01 - <_> - - 0 -1 420 -2.7509099245071411e-01 - - -6.7499440908432007e-01 3.4330759197473526e-02 - <_> - - 0 -1 421 7.1902588009834290e-02 - - 4.1956070810556412e-02 -4.7635290026664734e-01 - <_> - - 0 -1 422 3.1190859153866768e-02 - - 2.7266679331660271e-02 -3.0001860857009888e-01 - <_> - - 0 -1 423 -1.7863180488348007e-02 - - -3.7337848544120789e-01 6.1663690954446793e-02 - <_> - - 0 -1 424 1.5114569664001465e-01 - - 5.1791738718748093e-02 -2.1886229515075684e-01 - <_> - - 0 -1 425 2.1793439984321594e-01 - - 6.1016459017992020e-02 -4.1775038838386536e-01 - <_> - - 0 -1 426 1.1218019761145115e-02 - - 3.4812860190868378e-02 -5.2636182308197021e-01 - <_> - - 0 -1 427 -1.8883459270000458e-01 - - 5.2004408836364746e-01 -4.3031368404626846e-02 - <_> - - 0 -1 428 -1.4107990078628063e-02 - - -6.1068981885910034e-01 4.0028609335422516e-02 - <_> - - 0 -1 429 -1.8044840544462204e-02 - - -2.6319840550422668e-01 7.3012411594390869e-02 - <_> - - 0 -1 430 6.5544890239834785e-03 - - -8.5429012775421143e-02 2.2411470115184784e-01 - <_> - - 0 -1 431 -1.2311659753322601e-02 - - -4.4297298789024353e-01 4.6654261648654938e-02 - <_> - - 0 -1 432 -7.6358742080628872e-03 - - 1.9960640370845795e-01 -5.2228130400180817e-02 - <_> - - 0 -1 433 -1.9270919263362885e-02 - - -7.6859807968139648e-01 2.4350909516215324e-02 - <_> - - 0 -1 434 9.6641881391406059e-03 - - -1.3469670712947845e-01 1.3244539499282837e-01 - <_> - - 0 -1 435 -1.2020190246403217e-02 - - 3.5538628697395325e-01 -5.2558019757270813e-02 - <_> - - 0 -1 436 -2.2079790011048317e-02 - - -6.7542260885238647e-01 1.2419540435075760e-02 - <_> - - 0 -1 437 -3.0078861163929105e-04 - - 1.2276499718427658e-01 -1.7497499287128448e-01 - <_> - - 0 -1 438 -3.7308711558580399e-02 - - 1.8548089265823364e-01 -9.7975112497806549e-02 - <_> - - 0 -1 439 4.5999120920896530e-02 - - 1.1436489969491959e-01 -2.4614730477333069e-01 - <_> - - 0 -1 440 8.2224510610103607e-02 - - -2.4108020588755608e-02 2.6900330185890198e-01 - <_> - - 0 -1 441 8.1898719072341919e-02 - - -3.9654031395912170e-02 5.0478577613830566e-01 - <_> - - 0 -1 442 4.6143731474876404e-01 - - -4.4239178299903870e-02 4.1229158639907837e-01 - <_> - - 0 -1 443 2.5755251408554614e-04 - - -1.7785720527172089e-01 1.2050230056047440e-01 - <_> - - 0 -1 444 1.5665199607610703e-02 - - -4.8571150749921799e-02 8.1546753644943237e-02 - <_> - - 0 -1 445 4.9880009144544601e-02 - - 4.2151898145675659e-02 -5.3030568361282349e-01 - <_> - - 0 -1 446 -2.7810079045593739e-03 - - 1.1986789852380753e-01 -1.9060449302196503e-01 - <_> - - 0 -1 447 -1.7600769177079201e-02 - - 1.8970359861850739e-01 -8.8979102671146393e-02 - <_> - - 0 -1 448 5.0103738903999329e-03 - - -3.1680819392204285e-01 6.1706308275461197e-02 - <_> - - 0 -1 449 5.5831652134656906e-03 - - -2.0722299814224243e-01 8.9394062757492065e-02 - <_> - - 0 -1 450 1.0134370066225529e-02 - - -7.0040181279182434e-02 4.8694871366024017e-02 - <_> - - 0 -1 451 1.7011690139770508e-01 - - 2.5866439566016197e-02 -7.2743201255798340e-01 - <_> - - 0 -1 452 1.2832039967179298e-02 - - -3.2375771552324295e-02 2.8207421302795410e-01 - <_> - - 0 -1 453 -2.1063549502287060e-04 - - 9.8073638975620270e-02 -1.7797160148620605e-01 - <_> - - 0 -1 454 -1.5745580196380615e-02 - - -3.9818260073661804e-01 2.1284950897097588e-02 - <_> - - 0 -1 455 5.3099099546670914e-02 - - 4.7397170215845108e-02 -3.5792729258537292e-01 - <_> - 67 - -1.5654580593109131e+00 - - <_> - - 0 -1 456 -1.2607829645276070e-02 - - 3.2892930507659912e-01 -2.8717321157455444e-01 - <_> - - 0 -1 457 6.9764256477355957e-02 - - -2.1456170082092285e-01 2.6850989460945129e-01 - <_> - - 0 -1 458 -4.1743788868188858e-02 - - 1.5136370062828064e-01 -3.8764739036560059e-01 - <_> - - 0 -1 459 1.0303430259227753e-01 - - -2.8481671214103699e-01 1.2986589968204498e-01 - <_> - - 0 -1 460 -9.6640773117542267e-02 - - -5.2456647157669067e-01 1.0953909903764725e-01 - <_> - - 0 -1 461 8.0958474427461624e-03 - - 5.1381088793277740e-02 -2.6674580574035645e-01 - <_> - - 0 -1 462 -2.2447129595093429e-04 - - 2.0919109880924225e-01 -2.4358089268207550e-01 - <_> - - 0 -1 463 1.2414649873971939e-01 - - -3.0061379075050354e-01 1.5729129314422607e-01 - <_> - - 0 -1 464 4.7367930412292480e-02 - - -8.4176316857337952e-02 4.1426560282707214e-01 - <_> - - 0 -1 465 -1.9609710201621056e-02 - - 3.4175410866737366e-01 -1.6074979305267334e-01 - <_> - - 0 -1 466 3.4829009324312210e-02 - - 7.5592942535877228e-02 -4.5084610581398010e-01 - <_> - - 0 -1 467 3.1012278795242310e-01 - - -3.9134029299020767e-02 1.4436219632625580e-01 - <_> - - 0 -1 468 2.9249370098114014e-01 - - -6.4225807785987854e-02 4.3533229827880859e-01 - <_> - - 0 -1 469 -2.3114589974284172e-02 - - 3.0709230899810791e-01 -8.9011840522289276e-02 - <_> - - 0 -1 470 2.7578460867516696e-04 - - -3.0701848864555359e-01 9.3834467232227325e-02 - <_> - - 0 -1 471 4.5587219297885895e-02 - - 3.8235291838645935e-02 -3.3477979898452759e-01 - <_> - - 0 -1 472 -2.4057110771536827e-02 - - -4.4573658704757690e-01 6.7070230841636658e-02 - <_> - - 0 -1 473 1.3616659678518772e-02 - - -6.1480499804019928e-02 4.2142671346664429e-01 - <_> - - 0 -1 474 -2.2992959246039391e-02 - - 3.6616420745849609e-01 -8.7241843342781067e-02 - <_> - - 0 -1 475 1.2585769593715668e-01 - - 3.7163209170103073e-02 -3.5607740283012390e-01 - <_> - - 0 -1 476 -8.1533789634704590e-02 - - -4.6987119317054749e-01 6.1010621488094330e-02 - <_> - - 0 -1 477 -2.4753381148912013e-04 - - 1.9363069534301758e-01 -1.8168680369853973e-01 - <_> - - 0 -1 478 -2.6028539286926389e-04 - - 8.4685117006301880e-02 -3.2848459482192993e-01 - <_> - - 0 -1 479 -2.2039060422684997e-04 - - 1.2290880084037781e-01 -1.5494909882545471e-01 - <_> - - 0 -1 480 1.9603030383586884e-01 - - 5.8126050978899002e-02 -4.5621550083160400e-01 - <_> - - 0 -1 481 1.4078690111637115e-01 - - 4.4675320386886597e-02 -5.6197601556777954e-01 - <_> - - 0 -1 482 -2.2961759532336146e-04 - - 1.1912509799003601e-01 -2.1606180071830750e-01 - <_> - - 0 -1 483 -1.9533330574631691e-02 - - -3.9051491022109985e-01 7.0104159414768219e-02 - <_> - - 0 -1 484 1.3873109593987465e-02 - - -7.2445243597030640e-02 3.7747910618782043e-01 - <_> - - 0 -1 485 -1.2634480663109571e-04 - - 9.5786243677139282e-02 -1.2607480585575104e-01 - <_> - - 0 -1 486 -2.4178609251976013e-02 - - -5.3298008441925049e-01 5.0309620797634125e-02 - <_> - - 0 -1 487 -1.4559309929609299e-02 - - 3.9040461182594299e-01 -1.1877249926328659e-01 - <_> - - 0 -1 488 -2.2580049699172378e-04 - - 1.9512599706649780e-01 -1.4849540591239929e-01 - <_> - - 0 -1 489 -2.1493160724639893e-01 - - -6.0010147094726562e-01 2.9111139476299286e-02 - <_> - - 0 -1 490 -1.2839700095355511e-02 - - 3.1576830148696899e-01 -7.2001501917839050e-02 - <_> - - 0 -1 491 -1.9878910854458809e-02 - - 3.2251578569412231e-01 -1.3537259399890900e-01 - <_> - - 0 -1 492 1.0035489685833454e-02 - - -5.6822560727596283e-02 4.6567371487617493e-01 - <_> - - 0 -1 493 -3.7623681128025055e-02 - - -4.2677378654479980e-01 6.4819470047950745e-02 - <_> - - 0 -1 494 1.1324769729981199e-04 - - -1.5958139300346375e-01 1.4778269827365875e-01 - <_> - - 0 -1 495 3.7978328764438629e-02 - - -6.5907582640647888e-02 4.0129879117012024e-01 - <_> - - 0 -1 496 3.9439778774976730e-02 - - -8.4525480866432190e-02 3.5665979981422424e-01 - <_> - - 0 -1 497 -8.9516127482056618e-03 - - -4.3341609835624695e-01 6.1983428895473480e-02 - <_> - - 0 -1 498 8.3888713270425797e-03 - - 4.6857211738824844e-02 -4.7389200329780579e-01 - <_> - - 0 -1 499 7.4398089200258255e-03 - - 4.2178198695182800e-02 -5.1433807611465454e-01 - <_> - - 0 -1 500 -1.0792319662868977e-02 - - -5.8029949665069580e-01 3.2290369272232056e-02 - <_> - - 0 -1 501 -1.7495209351181984e-02 - - -3.0535429716110229e-01 6.2918312847614288e-02 - <_> - - 0 -1 502 -2.0570710301399231e-02 - - 1.8253210186958313e-01 -1.2104229629039764e-01 - <_> - - 0 -1 503 -1.1084279685746878e-04 - - 1.0002639889717102e-01 -1.4502419531345367e-01 - <_> - - 0 -1 504 -1.1143789626657963e-02 - - -3.4728500247001648e-01 6.5074883401393890e-02 - <_> - - 0 -1 505 -9.1553200036287308e-03 - - 3.3986049890518188e-01 -1.3546380400657654e-01 - <_> - - 0 -1 506 -2.1860719425603747e-04 - - 1.4218950271606445e-01 -1.6001039743423462e-01 - <_> - - 0 -1 507 -8.7175592780113220e-02 - - 3.0803269147872925e-01 -7.5192652642726898e-02 - <_> - - 0 -1 508 7.8020721673965454e-02 - - -9.8369129002094269e-02 2.5249159336090088e-01 - <_> - - 0 -1 509 2.8408560319803655e-04 - - -3.8713818788528442e-01 4.7610171139240265e-02 - <_> - - 0 -1 510 -1.2072480283677578e-02 - - 2.1239200234413147e-01 -1.0058870166540146e-01 - <_> - - 0 -1 511 9.9354498088359833e-02 - - 2.4916980415582657e-02 -5.6729847192764282e-01 - <_> - - 0 -1 512 1.9157710485160351e-03 - - -5.0840312242507935e-01 4.1036780923604965e-02 - <_> - - 0 -1 513 -1.2407809845171869e-04 - - 7.8671306371688843e-02 -1.3265369832515717e-01 - <_> - - 0 -1 514 -5.2246060222387314e-02 - - 1.1491920053958893e-01 -1.7707020044326782e-01 - <_> - - 0 -1 515 -1.8520159937907010e-04 - - 7.4766620993614197e-02 -1.2861029803752899e-01 - <_> - - 0 -1 516 1.2496319599449635e-02 - - -3.7268429994583130e-02 5.8338952064514160e-01 - <_> - - 0 -1 517 -2.0702749490737915e-02 - - -4.5835781097412109e-01 2.9882829636335373e-02 - <_> - - 0 -1 518 -1.0285720054525882e-04 - - 1.1698140203952789e-01 -1.7797960340976715e-01 - <_> - - 0 -1 519 -2.9295669868588448e-02 - - -4.7592011094093323e-01 5.5395901203155518e-02 - <_> - - 0 -1 520 2.6850448921322823e-03 - - 9.5413416624069214e-02 -2.3697119951248169e-01 - <_> - - 0 -1 521 3.6398479342460632e-01 - - 2.4766860529780388e-02 -7.3781871795654297e-01 - <_> - - 0 -1 522 3.4822531044483185e-02 - - -3.7149909883737564e-02 5.8010172843933105e-01 - <_> - 99 - -1.5075240135192871e+00 - - <_> - - 0 -1 523 -6.6602258011698723e-03 - - 3.1043940782546997e-01 -1.9141380488872528e-01 - <_> - - 0 -1 524 8.8032007217407227e-02 - - -2.8957960009574890e-01 1.2161549925804138e-01 - <_> - - 0 -1 525 -8.2375640049576759e-03 - - 1.9459870457649231e-01 -2.7759641408920288e-01 - <_> - - 0 -1 526 4.1018098592758179e-01 - - 5.4545659571886063e-02 -6.9322890043258667e-01 - <_> - - 0 -1 527 -7.9229446128010750e-03 - - 1.3063080608844757e-01 -3.8455259799957275e-01 - <_> - - 0 -1 528 7.8757777810096741e-02 - - -1.8611170351505280e-01 1.0287279635667801e-01 - <_> - - 0 -1 529 1.0222750157117844e-01 - - -2.9705610871315002e-01 1.5016749501228333e-01 - <_> - - 0 -1 530 -6.4451918005943298e-02 - - -4.1343700885772705e-01 1.0809410363435745e-01 - <_> - - 0 -1 531 -3.6805730313062668e-02 - - 3.6842620372772217e-01 -1.1410260200500488e-01 - <_> - - 0 -1 532 -2.9369849711656570e-02 - - 3.2764801383018494e-01 -8.0264106392860413e-02 - <_> - - 0 -1 533 6.7123891785740852e-03 - - 8.8286422193050385e-02 -4.4459021091461182e-01 - <_> - - 0 -1 534 -1.5381410717964172e-01 - - -4.5621570944786072e-01 1.8093600869178772e-02 - <_> - - 0 -1 535 -2.5389369577169418e-02 - - -4.6903249621391296e-01 6.1550658196210861e-02 - <_> - - 0 -1 536 -2.9891099780797958e-02 - - -2.8205209970474243e-01 2.7893319725990295e-02 - <_> - - 0 -1 537 -2.3889240401331335e-04 - - 8.6677610874176025e-02 -3.5725289583206177e-01 - <_> - - 0 -1 538 9.6705302596092224e-02 - - 3.3406659960746765e-02 -2.0783829689025879e-01 - <_> - - 0 -1 539 9.1295214369893074e-03 - - -9.9172890186309814e-02 3.0859309434890747e-01 - <_> - - 0 -1 540 2.9348930716514587e-01 - - 8.1442613154649734e-03 -5.0951921939849854e-01 - <_> - - 0 -1 541 -8.3247363567352295e-02 - - -4.8498851060867310e-01 6.0873661190271378e-02 - <_> - - 0 -1 542 -8.3527393639087677e-02 - - -1.0333900153636932e-01 1.5871569514274597e-02 - <_> - - 0 -1 543 -1.2028300017118454e-01 - - -4.3540289998054504e-01 6.3313230872154236e-02 - <_> - - 0 -1 544 3.3538970351219177e-01 - - 1.3954630121588707e-02 -4.4239100813865662e-01 - <_> - - 0 -1 545 -1.6432419419288635e-02 - - -4.2601698637008667e-01 5.8607041835784912e-02 - <_> - - 0 -1 546 -1.9124349637422711e-04 - - 6.0554228723049164e-02 -7.7583022415637970e-02 - <_> - - 0 -1 547 2.3965220316313207e-04 - - -1.2831470370292664e-01 2.0453229546546936e-01 - <_> - - 0 -1 548 1.4102800190448761e-01 - - 4.2550500482320786e-02 -5.2618932723999023e-01 - <_> - - 0 -1 549 1.6046499833464622e-02 - - -2.4661840498447418e-01 8.1378452479839325e-02 - <_> - - 0 -1 550 5.3162779659032822e-02 - - 3.5204000771045685e-02 -2.8310409188270569e-01 - <_> - - 0 -1 551 -4.1723258793354034e-02 - - -2.9830178618431091e-01 8.0123953521251678e-02 - <_> - - 0 -1 552 -5.5392801761627197e-02 - - 2.2191530466079712e-01 -8.9730821549892426e-02 - <_> - - 0 -1 553 1.7957370728254318e-02 - - -9.2552073299884796e-02 2.5006940960884094e-01 - <_> - - 0 -1 554 -4.0468379855155945e-01 - - 1.8231350183486938e-01 -1.1424650251865387e-01 - <_> - - 0 -1 555 -1.2040740251541138e-01 - - 4.0144130587577820e-01 -4.9775429069995880e-02 - <_> - - 0 -1 556 1.2747700512409210e-01 - - 2.8634460642933846e-02 -3.6931669712066650e-01 - <_> - - 0 -1 557 -2.1081299928482622e-04 - - 1.0899789631366730e-01 -1.8358060717582703e-01 - <_> - - 0 -1 558 2.0266290754079819e-02 - - -1.1471740156412125e-01 2.3657630383968353e-01 - <_> - - 0 -1 559 -9.3857832252979279e-02 - - -4.4467198848724365e-01 4.6323359012603760e-02 - <_> - - 0 -1 560 -3.9089050143957138e-02 - - 9.0057179331779480e-02 -2.4328909814357758e-01 - <_> - - 0 -1 561 1.1693879961967468e-02 - - -1.3434140384197235e-01 1.5598419308662415e-01 - <_> - - 0 -1 562 -2.3392560251522809e-04 - - 1.0660090297460556e-01 -1.5031139552593231e-01 - <_> - - 0 -1 563 7.6654240489006042e-02 - - 4.6630710363388062e-02 -4.4846519827842712e-01 - <_> - - 0 -1 564 -6.6552842035889626e-03 - - 2.9908859729766846e-01 -1.4496180415153503e-01 - <_> - - 0 -1 565 6.4779841341078281e-03 - - 5.7015229016542435e-02 -3.5907289385795593e-01 - <_> - - 0 -1 566 -7.7762663364410400e-02 - - 5.0252002477645874e-01 -4.3528381735086441e-02 - <_> - - 0 -1 567 -1.3975870609283447e-01 - - 3.4654599428176880e-01 -5.2005261182785034e-02 - <_> - - 0 -1 568 -1.2759920209646225e-02 - - -6.6591322422027588e-01 2.0983880385756493e-02 - <_> - - 0 -1 569 1.1362520046532154e-02 - - 2.2282190620899200e-02 -6.6851091384887695e-01 - <_> - - 0 -1 570 -2.2312329709529877e-01 - - -4.6105810999870300e-01 6.2970318831503391e-03 - <_> - - 0 -1 571 2.2931410057935864e-04 - - -2.1111820638179779e-01 8.1771172583103180e-02 - <_> - - 0 -1 572 -6.0226261615753174e-02 - - 3.2546809315681458e-01 -2.1682400256395340e-02 - <_> - - 0 -1 573 3.0173239065334201e-04 - - -3.2320269942283630e-01 7.0820853114128113e-02 - <_> - - 0 -1 574 -2.6154008810408413e-04 - - 6.8223357200622559e-02 -1.0242590308189392e-01 - <_> - - 0 -1 575 -7.4847848154604435e-03 - - 2.2404240071773529e-01 -8.1188187003135681e-02 - <_> - - 0 -1 576 -1.8517110496759415e-02 - - -5.5280369520187378e-01 3.5704329609870911e-02 - <_> - - 0 -1 577 8.1348747014999390e-02 - - -7.7756702899932861e-02 2.3968160152435303e-01 - <_> - - 0 -1 578 -3.1357801053673029e-03 - - -3.5508909821510315e-01 3.3410448580980301e-02 - <_> - - 0 -1 579 -2.6459500077180564e-04 - - 1.0398519784212112e-01 -1.5494589507579803e-01 - <_> - - 0 -1 580 -7.7518890611827374e-03 - - 3.0721589922904968e-01 -1.4710199832916260e-01 - <_> - - 0 -1 581 -1.8430210184305906e-03 - - -3.9274838566780090e-01 4.6835970133543015e-02 - <_> - - 0 -1 582 2.1122969337739050e-04 - - -2.1824510395526886e-01 1.2243290245532990e-01 - <_> - - 0 -1 583 2.2105030075181276e-04 - - -1.8396340310573578e-01 8.9410737156867981e-02 - <_> - - 0 -1 584 -1.5965649485588074e-01 - - 9.6163272857666016e-02 -8.5151679813861847e-02 - <_> - - 0 -1 585 3.0088219791650772e-02 - - -3.9590418338775635e-02 4.7149899601936340e-01 - <_> - - 0 -1 586 -6.0294209979474545e-03 - - 1.9853250682353973e-01 -1.0366839915513992e-01 - <_> - - 0 -1 587 1.2534939683973789e-02 - - -4.6515099704265594e-02 3.7293449044227600e-01 - <_> - - 0 -1 588 2.4954970926046371e-02 - - 3.7810660898685455e-02 -2.1269759535789490e-01 - <_> - - 0 -1 589 9.9147337675094604e-01 - - 4.0480270981788635e-02 -4.2342019081115723e-01 - <_> - - 0 -1 590 5.2983271889388561e-03 - - 8.7228961288928986e-02 -2.7821278572082520e-01 - <_> - - 0 -1 591 1.9360490143299103e-01 - - -9.5363870263099670e-02 1.9188280403614044e-01 - <_> - - 0 -1 592 -7.6572492718696594e-02 - - 6.6240328550338745e-01 -4.9499049782752991e-03 - <_> - - 0 -1 593 2.8880339115858078e-02 - - -5.7680319994688034e-02 3.2165309786796570e-01 - <_> - - 0 -1 594 -1.4741529710590839e-02 - - -8.6476959288120270e-02 3.2484710216522217e-02 - <_> - - 0 -1 595 2.1824369207024574e-02 - - 5.7392548769712448e-02 -3.4417140483856201e-01 - <_> - - 0 -1 596 -2.2812260687351227e-01 - - -5.2481979131698608e-01 6.9780298508703709e-03 - <_> - - 0 -1 597 2.8111049532890320e-01 - - 2.4345170706510544e-02 -6.4987301826477051e-01 - <_> - - 0 -1 598 -2.2957239300012589e-02 - - -4.5815429091453552e-01 3.0206430703401566e-02 - <_> - - 0 -1 599 -6.0340039432048798e-02 - - 4.6401140093803406e-01 -3.7225980311632156e-02 - <_> - - 0 -1 600 2.7569150552153587e-02 - - 2.0976860076189041e-02 -6.9014948606491089e-01 - <_> - - 0 -1 601 2.6252120733261108e-04 - - -2.3853969573974609e-01 7.9771563410758972e-02 - <_> - - 0 -1 602 1.8969880416989326e-02 - - 3.1024020165205002e-02 -2.7818429470062256e-01 - <_> - - 0 -1 603 5.2282828092575073e-01 - - 1.7105970531702042e-02 -7.9434311389923096e-01 - <_> - - 0 -1 604 -3.1894691288471222e-02 - - 2.7892321348190308e-01 -5.4069779813289642e-02 - <_> - - 0 -1 605 1.5336290001869202e-02 - - 4.7054331749677658e-02 -3.6111220717430115e-01 - <_> - - 0 -1 606 -4.1970831155776978e-01 - - -5.9871810674667358e-01 1.1463830247521400e-02 - <_> - - 0 -1 607 -6.7562819458544254e-03 - - 2.2962200641632080e-01 -6.4722940325737000e-02 - <_> - - 0 -1 608 9.8668280988931656e-03 - - -3.7844020873308182e-02 3.3086231350898743e-01 - <_> - - 0 -1 609 -2.1733099594712257e-02 - - 1.0951089859008789e-01 -1.4006720483303070e-01 - <_> - - 0 -1 610 3.0340809375047684e-02 - - 5.3396178409457207e-03 -6.6312831640243530e-01 - <_> - - 0 -1 611 2.7025368763133883e-04 - - -1.5671209990978241e-01 9.8605990409851074e-02 - <_> - - 0 -1 612 -4.1527550667524338e-02 - - 2.3302739858627319e-01 -6.2329120934009552e-02 - <_> - - 0 -1 613 -6.1723008751869202e-02 - - 2.4158929288387299e-01 -9.5591858029365540e-02 - <_> - - 0 -1 614 5.9920018538832664e-03 - - 6.7654989659786224e-02 -3.3483079075813293e-01 - <_> - - 0 -1 615 1.0782639682292938e-01 - - -3.6601308733224869e-02 4.4913661479949951e-01 - <_> - - 0 -1 616 1.6222659498453140e-02 - - 1.7488269135355949e-02 -5.8311402797698975e-01 - <_> - - 0 -1 617 -1.0378819890320301e-02 - - -3.5658320784568787e-01 3.7005800753831863e-02 - <_> - - 0 -1 618 -8.4412395954132080e-03 - - 1.4305970072746277e-01 -5.0731118768453598e-02 - <_> - - 0 -1 619 1.4600029587745667e-01 - - 3.2515849918127060e-02 -4.5058611035346985e-01 - <_> - - 0 -1 620 9.8124182224273682e-01 - - 4.8845731653273106e-03 -6.5059781074523926e-01 - <_> - - 0 -1 621 -3.6866790056228638e-01 - - -7.3445898294448853e-01 1.8663220107555389e-02 - <_> - 105 - -1.4267690181732178e+00 - - <_> - - 0 -1 622 -3.5519830882549286e-02 - - 1.6178520023822784e-01 -3.5573509335517883e-01 - <_> - - 0 -1 623 9.1728484258055687e-03 - - -1.2603040039539337e-01 1.0709279775619507e-01 - <_> - - 0 -1 624 2.2142989933490753e-01 - - -7.7310669439611956e-06 -1.2306490478515625e+03 - <_> - - 0 -1 625 1.1212819814682007e-01 - - 9.6115162596106529e-03 -5.5913168191909790e-01 - <_> - - 0 -1 626 2.1457310765981674e-02 - - -3.3965739607810974e-01 1.6609320044517517e-01 - <_> - - 0 -1 627 -1.2972610071301460e-02 - - 2.3398900032043457e-01 -1.6110679507255554e-01 - <_> - - 0 -1 628 -6.6818781197071075e-03 - - 1.3475750386714935e-01 -2.7443009614944458e-01 - <_> - - 0 -1 629 2.5116768665611744e-04 - - -2.6400479674339294e-01 1.1184839904308319e-01 - <_> - - 0 -1 630 1.0441780090332031e-01 - - -2.7721598744392395e-01 1.2263719737529755e-01 - <_> - - 0 -1 631 -1.0307639837265015e-02 - - 4.3872699141502380e-01 -2.2572900354862213e-01 - <_> - - 0 -1 632 -6.5756477415561676e-02 - - -5.4897660017013550e-01 4.4870328158140182e-02 - <_> - - 0 -1 633 -2.3242520168423653e-02 - - 1.6870069503784180e-01 -2.0397870242595673e-01 - <_> - - 0 -1 634 5.6840728968381882e-02 - - -3.5381639003753662e-01 7.3760658502578735e-02 - <_> - - 0 -1 635 -2.8088671388104558e-04 - - 8.4769926965236664e-02 -8.9089483022689819e-02 - <_> - - 0 -1 636 -2.8891719877719879e-02 - - -5.3877258300781250e-01 4.8199739307165146e-02 - <_> - - 0 -1 637 4.8813000321388245e-03 - - -1.0961809754371643e-01 2.2785060107707977e-01 - <_> - - 0 -1 638 -2.2791069932281971e-04 - - 1.5159299969673157e-01 -1.5361729264259338e-01 - <_> - - 0 -1 639 1.7224539071321487e-02 - - 2.6369249448180199e-02 -3.9274901151657104e-01 - <_> - - 0 -1 640 1.9276510924100876e-02 - - 3.9136718958616257e-02 -5.3360277414321899e-01 - <_> - - 0 -1 641 -3.5349979996681213e-02 - - 1.6892379522323608e-01 -4.4725980609655380e-02 - <_> - - 0 -1 642 -2.4690220016054809e-04 - - 9.7651146352291107e-02 -2.2523930668830872e-01 - <_> - - 0 -1 643 -2.3808020341675729e-04 - - 9.1873168945312500e-02 -2.1025580167770386e-01 - <_> - - 0 -1 644 2.2629360319115222e-04 - - -1.3016159832477570e-01 1.7468020319938660e-01 - <_> - - 0 -1 645 -6.8512886762619019e-02 - - 2.2338220477104187e-01 -2.0693479478359222e-01 - <_> - - 0 -1 646 -2.2960439324378967e-02 - - -4.1528278589248657e-01 5.5889990180730820e-02 - <_> - - 0 -1 647 1.2331800162792206e-01 - - -7.2814382612705231e-02 3.2672670483589172e-01 - <_> - - 0 -1 648 -1.5494500100612640e-01 - - -7.8871738910675049e-01 3.1006429344415665e-02 - <_> - - 0 -1 649 -3.1475860625505447e-02 - - -5.5896019935607910e-01 3.1761251389980316e-02 - <_> - - 0 -1 650 -2.5482099503278732e-02 - - 2.5390678644180298e-01 -8.7028287351131439e-02 - <_> - - 0 -1 651 -2.5384381297044456e-04 - - 5.3705450147390366e-02 -1.2352950125932693e-01 - <_> - - 0 -1 652 -2.7292590588331223e-02 - - -5.1358467340469360e-01 3.6035798490047455e-02 - <_> - - 0 -1 653 5.0733588635921478e-02 - - -5.1689028739929199e-02 3.9950218796730042e-01 - <_> - - 0 -1 654 1.0531689971685410e-01 - - 3.4946650266647339e-02 -5.7199978828430176e-01 - <_> - - 0 -1 655 7.6800240203738213e-03 - - 4.9117371439933777e-02 -4.7948908805847168e-01 - <_> - - 0 -1 656 -2.7255711029283702e-04 - - 9.2809818685054779e-02 -1.9553889334201813e-01 - <_> - - 0 -1 657 -1.0534330271184444e-02 - - -5.1635378599166870e-01 3.9697758853435516e-02 - <_> - - 0 -1 658 -1.4953180216252804e-02 - - 1.6262400150299072e-01 -1.2715120613574982e-01 - <_> - - 0 -1 659 -6.0432821512222290e-02 - - 1.6455219686031342e-01 -3.7964299321174622e-02 - <_> - - 0 -1 660 -1.3054289855062962e-02 - - -6.0740822553634644e-01 3.1696751713752747e-02 - <_> - - 0 -1 661 1.6081769764423370e-01 - - -6.5205618739128113e-04 -4.5857870578765869e-01 - <_> - - 0 -1 662 3.4118819981813431e-02 - - -1.1646260321140289e-01 1.5788400173187256e-01 - <_> - - 0 -1 663 3.7732940167188644e-02 - - -3.8753949105739594e-02 1.3495290279388428e-01 - <_> - - 0 -1 664 3.0711879953742027e-02 - - 4.7742258757352829e-02 -4.3035370111465454e-01 - <_> - - 0 -1 665 -3.7949949502944946e-02 - - 1.1755629628896713e-01 -1.4889590442180634e-01 - <_> - - 0 -1 666 2.9360290616750717e-02 - - -7.5253017246723175e-02 2.9323920607566833e-01 - <_> - - 0 -1 667 2.5319901108741760e-01 - - -1.6658699512481689e-01 8.9499808847904205e-02 - <_> - - 0 -1 668 1.2959289550781250e-01 - - -5.5784460157155991e-02 3.4918808937072754e-01 - <_> - - 0 -1 669 -8.8244248181581497e-03 - - 2.7902889251708984e-01 -6.8206131458282471e-02 - <_> - - 0 -1 670 7.8791379928588867e-02 - - -1.5620680153369904e-01 1.1304420232772827e-01 - <_> - - 0 -1 671 -1.2836029753088951e-02 - - -2.3410409688949585e-01 6.8805016577243805e-02 - <_> - - 0 -1 672 -7.9522699117660522e-02 - - -2.5314009189605713e-01 6.0897290706634521e-02 - <_> - - 0 -1 673 3.9636820554733276e-02 - - -2.6448011398315430e-01 8.2383483648300171e-02 - <_> - - 0 -1 674 -2.4699120223522186e-01 - - 3.5435560345649719e-01 -6.6888548433780670e-02 - <_> - - 0 -1 675 -2.2949569392949343e-04 - - 1.1360239982604980e-01 -1.4772799611091614e-01 - <_> - - 0 -1 676 -1.3312259688973427e-02 - - 3.1586068868637085e-01 -5.5901419371366501e-02 - <_> - - 0 -1 677 1.3203780166804790e-02 - - 3.1486440449953079e-02 -2.6412960886955261e-01 - <_> - - 0 -1 678 -1.2269199825823307e-02 - - -5.9234237670898438e-01 2.4248689413070679e-02 - <_> - - 0 -1 679 -1.8059220165014267e-02 - - 3.3865630626678467e-01 -8.0696828663349152e-02 - <_> - - 0 -1 680 2.5429509696550667e-04 - - -2.2284899652004242e-01 7.4211597442626953e-02 - <_> - - 0 -1 681 7.8134778887033463e-03 - - -4.2979419231414795e-02 1.5614709258079529e-01 - <_> - - 0 -1 682 -1.0979229584336281e-02 - - 2.7910730242729187e-01 -5.6510798633098602e-02 - <_> - - 0 -1 683 -1.7990529537200928e-02 - - -6.0465961694717407e-01 3.1155569478869438e-02 - <_> - - 0 -1 684 1.1254849843680859e-02 - - 4.8717640340328217e-02 -3.3757600188255310e-01 - <_> - - 0 -1 685 -2.6132029597647488e-04 - - 1.0562919825315475e-01 -1.3438390195369720e-01 - <_> - - 0 -1 686 -5.1210080273449421e-03 - - -5.5222177505493164e-01 2.6566710323095322e-02 - <_> - - 0 -1 687 2.4672409519553185e-02 - - 9.7258696332573891e-03 -6.1605077981948853e-01 - <_> - - 0 -1 688 -6.7694962024688721e-02 - - -7.3660212755203247e-01 1.9528219476342201e-02 - <_> - - 0 -1 689 -2.8008190914988518e-02 - - -5.0814652442932129e-01 1.0170410387217999e-02 - <_> - - 0 -1 690 -7.1907560341060162e-03 - - 1.4633940160274506e-01 -1.0106740146875381e-01 - <_> - - 0 -1 691 -1.5178619883954525e-02 - - 2.2530260682106018e-01 -7.1203649044036865e-02 - <_> - - 0 -1 692 -1.7735399305820465e-02 - - 1.8737579882144928e-01 -9.3150086700916290e-02 - <_> - - 0 -1 693 2.6827311376109719e-04 - - -5.0975449383258820e-02 7.8092053532600403e-02 - <_> - - 0 -1 694 1.5329830348491669e-02 - - 3.1708821654319763e-02 -4.8529189825057983e-01 - <_> - - 0 -1 695 2.8564469539560378e-04 - - -7.4729010462760925e-02 7.3530480265617371e-02 - <_> - - 0 -1 696 -2.2120429202914238e-02 - - 2.7287200093269348e-01 -6.4062908291816711e-02 - <_> - - 0 -1 697 -2.1887499315198511e-04 - - 6.3031002879142761e-02 -9.6845053136348724e-02 - <_> - - 0 -1 698 -2.1083210594952106e-04 - - 1.0389020293951035e-01 -1.6525639593601227e-01 - <_> - - 0 -1 699 -6.2754601240158081e-03 - - 2.4225880205631256e-01 -7.5907923281192780e-02 - <_> - - 0 -1 700 -2.3757809773087502e-02 - - -3.8318058848381042e-01 4.0133509784936905e-02 - <_> - - 0 -1 701 1.1325069703161716e-02 - - -3.5525530576705933e-02 2.1164399385452271e-01 - <_> - - 0 -1 702 -7.2220653295516968e-02 - - -6.2676852941513062e-01 2.2165909409523010e-02 - <_> - - 0 -1 703 -4.5017611235380173e-02 - - -7.7151697874069214e-01 7.7348982449620962e-04 - <_> - - 0 -1 704 -6.2360418960452080e-03 - - 2.6456978917121887e-01 -5.3363479673862457e-02 - <_> - - 0 -1 705 -2.5355370598845184e-04 - - 4.0398750454187393e-02 -1.5795269608497620e-01 - <_> - - 0 -1 706 -4.6271558851003647e-02 - - -4.0787988901138306e-01 3.8921471685171127e-02 - <_> - - 0 -1 707 -1.1218659579753876e-02 - - 7.4395492672920227e-02 -1.3349680602550507e-01 - <_> - - 0 -1 708 4.2274970561265945e-02 - - 3.7559799849987030e-02 -3.5659119486808777e-01 - <_> - - 0 -1 709 7.1554719470441341e-03 - - 3.2838869839906693e-02 -3.9694920182228088e-01 - <_> - - 0 -1 710 2.8899949789047241e-01 - - 2.1863840520381927e-02 -5.6416589021682739e-01 - <_> - - 0 -1 711 -1.9863760098814964e-02 - - 2.2337679564952850e-01 -3.1122479587793350e-02 - <_> - - 0 -1 712 2.0147679373621941e-02 - - -1.3183030486106873e-01 1.0647880285978317e-01 - <_> - - 0 -1 713 2.1021129563450813e-02 - - -2.7941459789872169e-02 1.4968049526214600e-01 - <_> - - 0 -1 714 9.0801073238253593e-03 - - -7.1428433060646057e-02 2.1569679677486420e-01 - <_> - - 0 -1 715 -2.1075110882520676e-02 - - -6.3554888963699341e-01 1.4859089627861977e-02 - <_> - - 0 -1 716 -2.6902920217253268e-04 - - 1.0863730311393738e-01 -1.5047989785671234e-01 - <_> - - 0 -1 717 -3.1716268858872354e-04 - - 8.5656993091106415e-02 -1.2388020008802414e-01 - <_> - - 0 -1 718 2.5432288646697998e-01 - - -9.9662892520427704e-02 1.3793380558490753e-01 - <_> - - 0 -1 719 3.5156611353158951e-02 - - 2.7607070282101631e-02 -3.0855798721313477e-01 - <_> - - 0 -1 720 -3.1319420668296516e-04 - - 9.3362413346767426e-02 -1.5827369689941406e-01 - <_> - - 0 -1 721 2.2236700169742107e-04 - - -2.6805540546774864e-02 4.1680369526147842e-02 - <_> - - 0 -1 722 -2.2599179646931589e-04 - - 1.0316269844770432e-01 -1.5537780523300171e-01 - <_> - - 0 -1 723 1.3176410458981991e-02 - - 4.8204571008682251e-02 -1.6340050101280212e-01 - <_> - - 0 -1 724 -3.6689240485429764e-02 - - -5.6660032272338867e-01 2.1624589338898659e-02 - <_> - - 0 -1 725 2.5496680289506912e-02 - - -4.6478029340505600e-02 1.2218680232763290e-01 - <_> - - 0 -1 726 1.2762719765305519e-02 - - -1.1676809936761856e-01 1.2351939827203751e-01 - <_> - 133 - -1.4611779451370239e+00 - - <_> - - 0 -1 727 -1.2680550105869770e-02 - - 2.1946400403976440e-01 -3.0342951416969299e-01 - <_> - - 0 -1 728 2.0277220010757446e-01 - - -3.5292989015579224e-01 8.1888578832149506e-02 - <_> - - 0 -1 729 -4.2049158364534378e-02 - - 2.4808460474014282e-01 -1.7897559702396393e-01 - <_> - - 0 -1 730 3.7381589412689209e-02 - - -1.0807169973850250e-01 1.3556699454784393e-01 - <_> - - 0 -1 731 8.9879266917705536e-02 - - -3.1441110372543335e-01 1.1649979650974274e-01 - <_> - - 0 -1 732 -2.2849619563203305e-04 - - 1.2044479697942734e-01 -1.5876269340515137e-01 - <_> - - 0 -1 733 1.9768830388784409e-02 - - -1.0055690258741379e-01 3.5981228947639465e-01 - <_> - - 0 -1 734 -4.6854061074554920e-03 - - -2.2157269716262817e-01 9.4031356275081635e-02 - <_> - - 0 -1 735 -2.6115920627489686e-04 - - 7.3836371302604675e-02 -2.8550630807876587e-01 - <_> - - 0 -1 736 5.3100939840078354e-02 - - -5.6667480617761612e-02 2.3984040319919586e-01 - <_> - - 0 -1 737 -1.0975299665005878e-04 - - 1.1553339660167694e-01 -2.1104870736598969e-01 - <_> - - 0 -1 738 -3.0807471275329590e-01 - - -4.9161750078201294e-01 5.2133060991764069e-02 - <_> - - 0 -1 739 9.5257293432950974e-03 - - -9.3975499272346497e-02 3.0003049969673157e-01 - <_> - - 0 -1 740 4.7906499356031418e-02 - - 5.1006641238927841e-02 -4.5330038666725159e-01 - <_> - - 0 -1 741 8.1151742488145828e-03 - - 5.3590521216392517e-02 -3.8580769300460815e-01 - <_> - - 0 -1 742 1.1523259803652763e-02 - - -2.2294430434703827e-01 9.0755969285964966e-02 - <_> - - 0 -1 743 -5.7037029415369034e-02 - - 1.1402489989995956e-01 -1.7938560247421265e-01 - <_> - - 0 -1 744 -9.6343189477920532e-02 - - 2.5996109843254089e-01 -6.7842021584510803e-02 - <_> - - 0 -1 745 5.3852960467338562e-02 - - -8.2555137574672699e-02 3.7209570407867432e-01 - <_> - - 0 -1 746 3.2167631434276700e-04 - - -3.5077500343322754e-01 8.2111962139606476e-02 - <_> - - 0 -1 747 -5.6490749120712280e-02 - - -3.2298418879508972e-01 5.3876388818025589e-02 - <_> - - 0 -1 748 -2.7906559989787638e-04 - - 1.5583470463752747e-01 -2.5733149051666260e-01 - <_> - - 0 -1 749 -3.8215760141611099e-02 - - -4.8694840073585510e-01 3.7561759352684021e-02 - <_> - - 0 -1 750 7.6500251889228821e-03 - - -6.2206029891967773e-02 2.7779549360275269e-01 - <_> - - 0 -1 751 2.2391989827156067e-02 - - 5.6726191192865372e-02 -3.0967220664024353e-01 - <_> - - 0 -1 752 -2.8860570862889290e-02 - - 2.1716390550136566e-01 -5.9519559144973755e-02 - <_> - - 0 -1 753 6.9423289969563484e-03 - - -5.1059830933809280e-02 4.0468141436576843e-01 - <_> - - 0 -1 754 1.4006449840962887e-02 - - 4.9552779644727707e-02 -1.9979630410671234e-01 - <_> - - 0 -1 755 2.7382301050238311e-04 - - -3.0520731210708618e-01 6.9563962519168854e-02 - <_> - - 0 -1 756 -1.5174309723079205e-02 - - -3.8258409500122070e-01 2.1974159404635429e-02 - <_> - - 0 -1 757 -1.9322619482409209e-04 - - 1.1859290301799774e-01 -1.7502920329570770e-01 - <_> - - 0 -1 758 -5.8987581729888916e-01 - - -6.4281332492828369e-01 1.7073450610041618e-02 - <_> - - 0 -1 759 2.5915939477272332e-04 - - -2.3254489898681641e-01 6.4852282404899597e-02 - <_> - - 0 -1 760 5.7087451219558716e-01 - - 7.8144967555999756e-03 -6.5341699123382568e-01 - <_> - - 0 -1 761 8.8011100888252258e-02 - - -6.5030708909034729e-02 2.5226131081581116e-01 - <_> - - 0 -1 762 -1.1537440121173859e-02 - - 2.5898069143295288e-02 -4.8579961061477661e-02 - <_> - - 0 -1 763 -4.6533951163291931e-01 - - -4.9289149045944214e-01 3.6602970212697983e-02 - <_> - - 0 -1 764 6.1871910095214844e-01 - - -2.2136380430310965e-03 -7.4808281660079956e-01 - <_> - - 0 -1 765 5.3780531883239746e-01 - - 2.9165390878915787e-02 -5.1737898588180542e-01 - <_> - - 0 -1 766 2.5194421410560608e-01 - - -2.8567619621753693e-02 4.2214900255203247e-01 - <_> - - 0 -1 767 2.7490830048918724e-02 - - -1.2498860061168671e-01 1.5622389316558838e-01 - <_> - - 0 -1 768 1.8063139915466309e-01 - - -1.6325049102306366e-02 1.3234290480613708e-01 - <_> - - 0 -1 769 1.7386689782142639e-01 - - -4.8918601125478745e-02 4.1473680734634399e-01 - <_> - - 0 -1 770 -4.9942150712013245e-02 - - -4.7142308950424194e-01 3.7892449647188187e-02 - <_> - - 0 -1 771 8.2021749019622803e-01 - - 2.3966159671545029e-02 -5.4350042343139648e-01 - <_> - - 0 -1 772 2.5848631048575044e-04 - - -1.0571960359811783e-01 4.8736020922660828e-02 - <_> - - 0 -1 773 -8.0050835385918617e-03 - - 1.9601759314537048e-01 -7.0734307169914246e-02 - <_> - - 0 -1 774 3.1249779462814331e-01 - - -3.4612491726875305e-02 2.0727220177650452e-01 - <_> - - 0 -1 775 1.6595009714365005e-02 - - -5.5334791541099548e-02 3.2362830638885498e-01 - <_> - - 0 -1 776 6.6122892312705517e-03 - - 6.4811848104000092e-02 -1.0377670079469681e-01 - <_> - - 0 -1 777 -5.5534038692712784e-02 - - 9.1052807867527008e-02 -1.9427829980850220e-01 - <_> - - 0 -1 778 -4.2657270096242428e-03 - - -3.7216100096702576e-01 3.5128928720951080e-02 - <_> - - 0 -1 779 -7.1315821260213852e-03 - - -4.0014240145683289e-01 3.6378540098667145e-02 - <_> - - 0 -1 780 -1.5466910600662231e-01 - - 2.2419099509716034e-01 -6.4514227211475372e-02 - <_> - - 0 -1 781 -5.6720200926065445e-02 - - -2.7846959233283997e-01 6.5108783543109894e-02 - <_> - - 0 -1 782 -1.1758569628000259e-02 - - 1.9500179588794708e-01 -8.0316439270973206e-02 - <_> - - 0 -1 783 6.2118507921695709e-03 - - 4.8729728907346725e-02 -2.9427778720855713e-01 - <_> - - 0 -1 784 3.1163550913333893e-02 - - -3.9649609476327896e-02 1.0872240364551544e-01 - <_> - - 0 -1 785 -1.8731789663434029e-02 - - 2.5498849153518677e-01 -5.7060658931732178e-02 - <_> - - 0 -1 786 -1.9629219605121762e-04 - - 6.0982689261436462e-02 -1.0565000027418137e-01 - <_> - - 0 -1 787 -1.1253469623625278e-02 - - 2.4102079868316650e-01 -5.4933529347181320e-02 - <_> - - 0 -1 788 -1.8418630585074425e-02 - - -2.1543020009994507e-01 4.1859380900859833e-02 - <_> - - 0 -1 789 -2.6979470625519753e-02 - - -4.4044798612594604e-01 2.8259810060262680e-02 - <_> - - 0 -1 790 -3.1812430825084448e-04 - - 1.1263129860162735e-01 -1.5612870454788208e-01 - <_> - - 0 -1 791 -1.4269050210714340e-02 - - -2.2047680616378784e-01 6.3962973654270172e-02 - <_> - - 0 -1 792 4.1097350418567657e-02 - - -1.4404140412807465e-02 4.5113658905029297e-01 - <_> - - 0 -1 793 3.4184981137514114e-02 - - -2.3943960666656494e-02 5.3346621990203857e-01 - <_> - - 0 -1 794 -5.5098719894886017e-02 - - -4.4178238511085510e-01 1.4475960284471512e-02 - <_> - - 0 -1 795 1.5465440228581429e-02 - - 1.8221130594611168e-02 -6.2355637550354004e-01 - <_> - - 0 -1 796 5.3496570326387882e-03 - - -1.3820479810237885e-01 2.1783879399299622e-01 - <_> - - 0 -1 797 4.9904521554708481e-02 - - 2.7466949075460434e-02 -5.2732229232788086e-01 - <_> - - 0 -1 798 -5.7295501232147217e-01 - - -8.2962232828140259e-01 5.5375328520312905e-04 - <_> - - 0 -1 799 2.4806600064039230e-02 - - 1.0250580310821533e-01 -1.4922580122947693e-01 - <_> - - 0 -1 800 8.6801443248987198e-03 - - -7.5809933245182037e-02 2.3664160072803497e-01 - <_> - - 0 -1 801 -4.2660851031541824e-02 - - -4.8471969366073608e-01 3.0310539528727531e-02 - <_> - - 0 -1 802 2.7838671207427979e-01 - - -3.0852980911731720e-02 4.8810139298439026e-01 - <_> - - 0 -1 803 -1.0872329585254192e-02 - - -2.7875050902366638e-01 4.6971909701824188e-02 - <_> - - 0 -1 804 2.8905799263156950e-04 - - -9.7713083028793335e-02 1.0453590005636215e-01 - <_> - - 0 -1 805 8.3399498835206032e-03 - - -5.6789729744195938e-02 2.1990999579429626e-01 - <_> - - 0 -1 806 -4.5025609433650970e-03 - - 1.6819390654563904e-01 -4.7182761132717133e-02 - <_> - - 0 -1 807 9.1141611337661743e-03 - - -5.3859930485486984e-02 2.4945180118083954e-01 - <_> - - 0 -1 808 3.3482279628515244e-02 - - 3.9698779582977295e-02 -1.7840039730072021e-01 - <_> - - 0 -1 809 -1.6845509409904480e-02 - - -2.6923018693923950e-01 5.5552460253238678e-02 - <_> - - 0 -1 810 4.3367617763578892e-03 - - 4.5756489038467407e-02 -2.2537319362163544e-01 - <_> - - 0 -1 811 -1.2159480154514313e-01 - - 6.1395758390426636e-01 -2.2958070039749146e-02 - <_> - - 0 -1 812 -1.8687279894948006e-02 - - -3.6422011256217957e-01 2.3655790835618973e-02 - <_> - - 0 -1 813 -2.9130980372428894e-01 - - -6.2919682264328003e-01 1.7662050202488899e-02 - <_> - - 0 -1 814 -3.0170090030878782e-04 - - 7.9020306468009949e-02 -7.3823727667331696e-02 - <_> - - 0 -1 815 2.3048979346640408e-04 - - -1.1339560151100159e-01 1.2542079389095306e-01 - <_> - - 0 -1 816 3.1774640083312988e-02 - - 2.4091020226478577e-02 -2.3947270214557648e-01 - <_> - - 0 -1 817 -6.7688718438148499e-02 - - 2.0689809322357178e-01 -6.2361769378185272e-02 - <_> - - 0 -1 818 3.9785809814929962e-02 - - 1.3510519638657570e-02 -6.3863390684127808e-01 - <_> - - 0 -1 819 -2.0020859315991402e-02 - - -1.9689780473709106e-01 6.7728810012340546e-02 - <_> - - 0 -1 820 9.4509087502956390e-02 - - 1.8017550930380821e-02 -6.4405238628387451e-01 - <_> - - 0 -1 821 6.2699890695512295e-03 - - 3.1439051032066345e-02 -3.6409479379653931e-01 - <_> - - 0 -1 822 -1.3047580420970917e-01 - - -5.4852211475372314e-01 5.9488588012754917e-03 - <_> - - 0 -1 823 -2.7846038574352860e-04 - - 8.6191080510616302e-02 -1.2902879714965820e-01 - <_> - - 0 -1 824 -2.1837399899959564e-01 - - 1.2890920042991638e-01 -5.6212250143289566e-02 - <_> - - 0 -1 825 1.8505910038948059e-01 - - -4.7193650156259537e-02 2.9544681310653687e-01 - <_> - - 0 -1 826 1.6650650650262833e-02 - - -2.2515360265970230e-02 1.7831179499626160e-01 - <_> - - 0 -1 827 -2.3978849640116096e-04 - - 7.9010076820850372e-02 -1.5592630207538605e-01 - <_> - - 0 -1 828 5.8377008885145187e-02 - - -2.4694869294762611e-02 3.0555808544158936e-01 - <_> - - 0 -1 829 -5.8459650725126266e-02 - - 1.4798119664192200e-01 -8.9378252625465393e-02 - <_> - - 0 -1 830 -1.8526349216699600e-02 - - 9.2129699885845184e-02 -8.9743256568908691e-02 - <_> - - 0 -1 831 8.5416868329048157e-02 - - -2.6397809386253357e-02 4.8908311128616333e-01 - <_> - - 0 -1 832 -1.2663799524307251e-01 - - 4.7291919589042664e-02 -6.7399129271507263e-02 - <_> - - 0 -1 833 -1.9496470689773560e-01 - - 2.0691619813442230e-01 -6.1493389308452606e-02 - <_> - - 0 -1 834 1.2037090025842190e-02 - - 2.9463229700922966e-02 -6.0213238000869751e-01 - <_> - - 0 -1 835 -2.7944779139943421e-04 - - 8.1097796559333801e-02 -1.3745759427547455e-01 - <_> - - 0 -1 836 9.7354073077440262e-03 - - 4.1789319366216660e-02 -1.6302450001239777e-01 - <_> - - 0 -1 837 7.4306771159172058e-02 - - -1.4938850700855255e-01 7.8325100243091583e-02 - <_> - - 0 -1 838 1.4471059665083885e-02 - - -2.6114590466022491e-02 1.4204360544681549e-01 - <_> - - 0 -1 839 1.1855339631438255e-02 - - -5.1672890782356262e-02 2.6997640728950500e-01 - <_> - - 0 -1 840 2.1346539258956909e-02 - - -3.3866148442029953e-02 2.3027729988098145e-01 - <_> - - 0 -1 841 -4.9045171588659286e-02 - - 2.6968359947204590e-01 -5.4896000772714615e-02 - <_> - - 0 -1 842 -3.5839710384607315e-02 - - -2.9921030998229980e-01 2.2631939500570297e-02 - <_> - - 0 -1 843 -2.8866980574093759e-04 - - 6.0674369335174561e-02 -2.0742860436439514e-01 - <_> - - 0 -1 844 -3.1162720173597336e-02 - - -2.4761599302291870e-01 5.0196789205074310e-02 - <_> - - 0 -1 845 2.8370518703013659e-04 - - -1.9594480097293854e-01 5.6619770824909210e-02 - <_> - - 0 -1 846 -4.9621321260929108e-02 - - 8.6675882339477539e-01 -3.4514570143073797e-03 - <_> - - 0 -1 847 2.5349689531140029e-04 - - -1.3878400623798370e-01 8.2779698073863983e-02 - <_> - - 0 -1 848 5.7967979460954666e-02 - - -3.9648130536079407e-02 1.8818469345569611e-01 - <_> - - 0 -1 849 1.8554650247097015e-02 - - -1.9192659854888916e-01 6.3079372048377991e-02 - <_> - - 0 -1 850 1.9615100696682930e-02 - - 1.9008159637451172e-02 -1.9076730310916901e-01 - <_> - - 0 -1 851 -3.3448349684476852e-02 - - -2.9587069153785706e-01 4.4361710548400879e-02 - <_> - - 0 -1 852 -7.5647640042006969e-03 - - 2.5295218825340271e-01 -1.0904899984598160e-01 - <_> - - 0 -1 853 -1.8039060756564140e-02 - - 2.8772088885307312e-01 -3.8489419966936111e-02 - <_> - - 0 -1 854 -1.9565680122468621e-04 - - 9.4928987324237823e-02 -1.0129210352897644e-01 - <_> - - 0 -1 855 -2.0392619073390961e-02 - - -8.0093258619308472e-01 1.3064869679510593e-02 - <_> - - 0 -1 856 -9.0366922318935394e-02 - - 3.9404270052909851e-01 -1.9085280597209930e-02 - <_> - - 0 -1 857 -1.5236979722976685e-01 - - -6.4189267158508301e-01 1.7520749941468239e-02 - <_> - - 0 -1 858 -7.7142767608165741e-02 - - 3.0866208672523499e-01 -1.4502109959721565e-02 - <_> - - 0 -1 859 -8.8981278240680695e-03 - - -3.3481961488723755e-01 3.0804989859461784e-02 - - <_> - - <_> - 3 1 15 2 -1. - <_> - 8 1 5 2 3. - <_> - - <_> - 17 3 5 2 -1. - <_> - 17 4 5 1 2. - <_> - - <_> - 8 0 6 5 -1. - <_> - 10 0 2 5 3. - <_> - - <_> - 16 1 3 3 -1. - <_> - 17 2 1 1 9. - <_> - - <_> - 1 2 20 2 -1. - <_> - 1 2 10 1 2. - <_> - 11 3 10 1 2. - <_> - - <_> - 16 2 5 2 -1. - <_> - 16 3 5 1 2. - <_> - - <_> - 1 3 1 2 -1. - <_> - 1 4 1 1 2. - <_> - - <_> - 3 1 15 2 -1. - <_> - 8 1 5 2 3. - <_> - - <_> - 16 2 5 2 -1. - <_> - 16 3 5 1 2. - <_> - - <_> - 3 1 3 3 -1. - <_> - 4 2 1 1 9. - <_> - - <_> - 10 0 4 5 -1. - <_> - 10 0 2 5 2. - <_> - - <_> - 0 3 3 2 -1. - <_> - 0 4 3 1 2. - <_> - - <_> - 10 0 4 5 -1. - <_> - 10 0 2 5 2. - <_> - - <_> - 8 0 4 5 -1. - <_> - 10 0 2 5 2. - <_> - - <_> - 5 0 12 3 -1. - <_> - 9 0 4 3 3. - <_> - - <_> - 16 1 3 4 -1. - <_> - 16 3 3 2 2. - <_> - - <_> - 3 0 4 1 -1. - <_> - 4 1 2 1 2. - 1 - <_> - - <_> - 8 0 6 5 -1. - <_> - 10 0 2 5 3. - <_> - - <_> - 0 2 5 2 -1. - <_> - 0 3 5 1 2. - <_> - - <_> - 20 3 1 2 -1. - <_> - 20 4 1 1 2. - <_> - - <_> - 4 4 3 1 -1. - <_> - 5 4 1 1 3. - <_> - - <_> - 17 3 5 2 -1. - <_> - 17 4 5 1 2. - <_> - - <_> - 2 1 12 1 -1. - <_> - 8 1 6 1 2. - <_> - - <_> - 20 3 1 2 -1. - <_> - 20 4 1 1 2. - <_> - - <_> - 1 3 1 2 -1. - <_> - 1 4 1 1 2. - <_> - - <_> - 4 2 16 2 -1. - <_> - 8 2 8 2 2. - <_> - - <_> - 7 3 8 2 -1. - <_> - 7 3 4 1 2. - <_> - 11 4 4 1 2. - <_> - - <_> - 13 3 5 2 -1. - <_> - 13 4 5 1 2. - <_> - - <_> - 3 1 15 2 -1. - <_> - 8 1 5 2 3. - <_> - - <_> - 17 2 1 2 -1. - <_> - 17 2 1 1 2. - 1 - <_> - - <_> - 5 2 2 1 -1. - <_> - 5 2 1 1 2. - 1 - <_> - - <_> - 8 0 6 5 -1. - <_> - 10 0 2 5 3. - <_> - - <_> - 5 2 1 2 -1. - <_> - 5 2 1 1 2. - 1 - <_> - - <_> - 20 2 2 2 -1. - <_> - 20 2 1 2 2. - <_> - - <_> - 0 2 2 2 -1. - <_> - 1 2 1 2 2. - <_> - - <_> - 12 0 2 1 -1. - <_> - 12 0 1 1 2. - <_> - - <_> - 3 4 3 1 -1. - <_> - 4 4 1 1 3. - <_> - - <_> - 6 2 10 2 -1. - <_> - 11 2 5 1 2. - <_> - 6 3 5 1 2. - <_> - - <_> - 4 2 1 2 -1. - <_> - 4 2 1 1 2. - 1 - <_> - - <_> - 20 3 2 2 -1. - <_> - 20 4 2 1 2. - <_> - - <_> - 8 0 2 1 -1. - <_> - 9 0 1 1 2. - <_> - - <_> - 20 3 2 2 -1. - <_> - 20 4 2 1 2. - <_> - - <_> - 0 3 2 2 -1. - <_> - 0 4 2 1 2. - <_> - - <_> - 2 1 20 4 -1. - <_> - 12 1 10 2 2. - <_> - 2 3 10 2 2. - <_> - - <_> - 1 0 5 4 -1. - <_> - 1 1 5 2 2. - <_> - - <_> - 10 4 12 1 -1. - <_> - 10 4 6 1 2. - <_> - - <_> - 0 4 12 1 -1. - <_> - 6 4 6 1 2. - <_> - - <_> - 10 2 6 3 -1. - <_> - 12 2 2 3 3. - <_> - - <_> - 8 2 6 3 -1. - <_> - 10 2 2 3 3. - <_> - - <_> - 2 1 16 2 -1. - <_> - 6 1 8 2 2. - <_> - - <_> - 13 1 5 4 -1. - <_> - 13 3 5 2 2. - <_> - - <_> - 7 0 4 3 -1. - <_> - 9 0 2 3 2. - <_> - - <_> - 16 1 3 3 -1. - <_> - 17 2 1 1 9. - <_> - - <_> - 5 2 1 2 -1. - <_> - 5 2 1 1 2. - 1 - <_> - - <_> - 9 2 4 3 -1. - <_> - 10 2 2 3 2. - <_> - - <_> - 1 3 2 2 -1. - <_> - 1 4 2 1 2. - <_> - - <_> - 17 4 3 1 -1. - <_> - 18 4 1 1 3. - <_> - - <_> - 2 4 3 1 -1. - <_> - 3 4 1 1 3. - <_> - - <_> - 13 0 6 1 -1. - <_> - 15 0 2 1 3. - <_> - - <_> - 4 0 5 2 -1. - <_> - 4 1 5 1 2. - <_> - - <_> - 13 0 6 1 -1. - <_> - 15 0 2 1 3. - <_> - - <_> - 3 0 6 1 -1. - <_> - 5 0 2 1 3. - <_> - - <_> - 9 0 4 1 -1. - <_> - 10 0 2 1 2. - <_> - - <_> - 3 2 3 1 -1. - <_> - 4 2 1 1 3. - <_> - - <_> - 18 4 3 1 -1. - <_> - 19 4 1 1 3. - <_> - - <_> - 1 4 3 1 -1. - <_> - 2 4 1 1 3. - <_> - - <_> - 9 0 4 5 -1. - <_> - 9 0 2 5 2. - <_> - - <_> - 6 2 10 2 -1. - <_> - 6 2 5 1 2. - <_> - 11 3 5 1 2. - <_> - - <_> - 8 2 8 2 -1. - <_> - 12 2 4 1 2. - <_> - 8 3 4 1 2. - <_> - - <_> - 6 2 8 2 -1. - <_> - 6 2 4 1 2. - <_> - 10 3 4 1 2. - <_> - - <_> - 16 1 5 3 -1. - <_> - 16 2 5 1 3. - <_> - - <_> - 0 1 21 3 -1. - <_> - 7 2 7 1 9. - <_> - - <_> - 8 2 6 2 -1. - <_> - 10 2 2 2 3. - <_> - - <_> - 5 0 12 3 -1. - <_> - 8 0 6 3 2. - <_> - - <_> - 3 1 3 3 -1. - <_> - 4 2 1 1 9. - <_> - - <_> - 14 2 2 1 -1. - <_> - 14 2 1 1 2. - 1 - <_> - - <_> - 9 1 2 3 -1. - <_> - 10 1 1 3 2. - <_> - - <_> - 17 1 5 4 -1. - <_> - 17 3 5 2 2. - <_> - - <_> - 2 2 16 2 -1. - <_> - 6 2 8 2 2. - <_> - - <_> - 20 2 2 1 -1. - <_> - 20 2 1 1 2. - <_> - - <_> - 0 2 2 1 -1. - <_> - 1 2 1 1 2. - <_> - - <_> - 17 1 5 4 -1. - <_> - 17 3 5 2 2. - <_> - - <_> - 0 1 5 4 -1. - <_> - 0 3 5 2 2. - <_> - - <_> - 12 0 4 1 -1. - <_> - 13 1 2 1 2. - 1 - <_> - - <_> - 7 3 8 2 -1. - <_> - 7 3 4 1 2. - <_> - 11 4 4 1 2. - <_> - - <_> - 5 0 12 4 -1. - <_> - 11 0 6 2 2. - <_> - 5 2 6 2 2. - <_> - - <_> - 10 3 2 2 -1. - <_> - 10 3 1 1 2. - <_> - 11 4 1 1 2. - <_> - - <_> - 20 3 2 2 -1. - <_> - 20 4 2 1 2. - <_> - - <_> - 8 0 2 1 -1. - <_> - 9 0 1 1 2. - <_> - - <_> - 15 0 4 3 -1. - <_> - 15 1 4 1 3. - <_> - - <_> - 10 0 2 5 -1. - <_> - 11 0 1 5 2. - <_> - - <_> - 9 1 6 4 -1. - <_> - 11 1 2 4 3. - <_> - - <_> - 6 1 9 4 -1. - <_> - 9 1 3 4 3. - <_> - - <_> - 20 3 2 2 -1. - <_> - 20 4 2 1 2. - <_> - - <_> - 0 3 2 2 -1. - <_> - 0 4 2 1 2. - <_> - - <_> - 2 3 20 2 -1. - <_> - 12 3 10 1 2. - <_> - 2 4 10 1 2. - <_> - - <_> - 4 0 2 1 -1. - <_> - 4 0 1 1 2. - 1 - <_> - - <_> - 17 4 3 1 -1. - <_> - 18 4 1 1 3. - <_> - - <_> - 3 1 5 4 -1. - <_> - 3 3 5 2 2. - <_> - - <_> - 8 1 6 3 -1. - <_> - 10 1 2 3 3. - <_> - - <_> - 3 1 3 3 -1. - <_> - 4 2 1 1 9. - <_> - - <_> - 2 1 18 4 -1. - <_> - 11 1 9 2 2. - <_> - 2 3 9 2 2. - <_> - - <_> - 2 1 18 2 -1. - <_> - 8 1 6 2 3. - <_> - - <_> - 14 2 2 1 -1. - <_> - 14 2 1 1 2. - 1 - <_> - - <_> - 4 0 1 4 -1. - <_> - 3 1 1 2 2. - 1 - <_> - - <_> - 14 2 2 1 -1. - <_> - 14 2 1 1 2. - 1 - <_> - - <_> - 8 2 1 2 -1. - <_> - 8 2 1 1 2. - 1 - <_> - - <_> - 16 4 2 1 -1. - <_> - 16 4 1 1 2. - <_> - - <_> - 4 4 2 1 -1. - <_> - 5 4 1 1 2. - <_> - - <_> - 16 2 3 3 -1. - <_> - 17 2 1 3 3. - <_> - - <_> - 5 0 12 4 -1. - <_> - 5 0 6 2 2. - <_> - 11 2 6 2 2. - <_> - - <_> - 6 1 16 4 -1. - <_> - 10 1 8 4 2. - <_> - - <_> - 3 4 3 1 -1. - <_> - 4 4 1 1 3. - <_> - - <_> - 15 0 5 3 -1. - <_> - 15 1 5 1 3. - <_> - - <_> - 9 1 4 4 -1. - <_> - 11 1 2 4 2. - <_> - - <_> - 13 3 5 2 -1. - <_> - 13 4 5 1 2. - <_> - - <_> - 6 0 9 1 -1. - <_> - 9 0 3 1 3. - <_> - - <_> - 16 0 4 3 -1. - <_> - 16 1 4 1 3. - <_> - - <_> - 7 0 1 4 -1. - <_> - 6 1 1 2 2. - 1 - <_> - - <_> - 14 2 2 2 -1. - <_> - 15 2 1 1 2. - <_> - 14 3 1 1 2. - <_> - - <_> - 0 4 12 1 -1. - <_> - 6 4 6 1 2. - <_> - - <_> - 3 3 16 2 -1. - <_> - 11 3 8 1 2. - <_> - 3 4 8 1 2. - <_> - - <_> - 3 0 4 3 -1. - <_> - 3 1 4 1 3. - <_> - - <_> - 16 0 4 3 -1. - <_> - 16 1 4 1 3. - <_> - - <_> - 2 0 4 3 -1. - <_> - 2 1 4 1 3. - <_> - - <_> - 7 2 9 3 -1. - <_> - 10 2 3 3 3. - <_> - - <_> - 9 0 4 5 -1. - <_> - 11 0 2 5 2. - <_> - - <_> - 10 3 4 2 -1. - <_> - 12 3 2 1 2. - <_> - 10 4 2 1 2. - <_> - - <_> - 2 1 16 2 -1. - <_> - 6 1 8 2 2. - <_> - - <_> - 13 0 5 4 -1. - <_> - 13 1 5 2 2. - <_> - - <_> - 0 3 3 2 -1. - <_> - 0 4 3 1 2. - <_> - - <_> - 10 0 6 5 -1. - <_> - 10 0 3 5 2. - <_> - - <_> - 3 2 3 1 -1. - <_> - 4 2 1 1 3. - <_> - - <_> - 10 0 6 4 -1. - <_> - 10 0 3 4 2. - <_> - - <_> - 4 2 12 1 -1. - <_> - 10 2 6 1 2. - <_> - - <_> - 21 2 1 2 -1. - <_> - 21 3 1 1 2. - <_> - - <_> - 4 0 2 1 -1. - <_> - 5 0 1 1 2. - <_> - - <_> - 16 4 3 1 -1. - <_> - 17 4 1 1 3. - <_> - - <_> - 0 2 5 2 -1. - <_> - 0 3 5 1 2. - <_> - - <_> - 0 3 22 2 -1. - <_> - 11 3 11 1 2. - <_> - 0 4 11 1 2. - <_> - - <_> - 9 1 3 4 -1. - <_> - 10 1 1 4 3. - <_> - - <_> - 13 3 5 2 -1. - <_> - 13 4 5 1 2. - <_> - - <_> - 6 0 10 2 -1. - <_> - 6 0 5 1 2. - <_> - 11 1 5 1 2. - <_> - - <_> - 16 0 5 3 -1. - <_> - 16 1 5 1 3. - <_> - - <_> - 1 0 5 3 -1. - <_> - 1 1 5 1 3. - <_> - - <_> - 16 4 3 1 -1. - <_> - 17 4 1 1 3. - <_> - - <_> - 0 2 2 3 -1. - <_> - 1 2 1 3 2. - <_> - - <_> - 16 4 3 1 -1. - <_> - 17 4 1 1 3. - <_> - - <_> - 9 1 4 4 -1. - <_> - 11 1 2 4 2. - <_> - - <_> - 16 4 3 1 -1. - <_> - 17 4 1 1 3. - <_> - - <_> - 3 4 3 1 -1. - <_> - 4 4 1 1 3. - <_> - - <_> - 12 0 2 1 -1. - <_> - 12 0 1 1 2. - <_> - - <_> - 4 4 3 1 -1. - <_> - 5 4 1 1 3. - <_> - - <_> - 13 3 5 2 -1. - <_> - 13 4 5 1 2. - <_> - - <_> - 4 3 5 2 -1. - <_> - 4 4 5 1 2. - <_> - - <_> - 14 2 3 1 -1. - <_> - 15 2 1 1 3. - <_> - - <_> - 8 0 6 5 -1. - <_> - 11 0 3 5 2. - <_> - - <_> - 16 4 6 1 -1. - <_> - 18 4 2 1 3. - <_> - - <_> - 0 4 6 1 -1. - <_> - 2 4 2 1 3. - <_> - - <_> - 18 0 4 2 -1. - <_> - 20 0 2 1 2. - <_> - 18 1 2 1 2. - <_> - - <_> - 8 4 6 1 -1. - <_> - 10 4 2 1 3. - <_> - - <_> - 4 0 3 1 -1. - <_> - 5 1 1 1 3. - 1 - <_> - - <_> - 6 2 14 1 -1. - <_> - 6 2 7 1 2. - <_> - - <_> - 2 2 14 1 -1. - <_> - 9 2 7 1 2. - <_> - - <_> - 20 2 2 1 -1. - <_> - 20 2 1 1 2. - <_> - - <_> - 3 1 2 2 -1. - <_> - 3 1 1 1 2. - <_> - 4 2 1 1 2. - <_> - - <_> - 13 1 5 4 -1. - <_> - 13 3 5 2 2. - <_> - - <_> - 9 0 4 5 -1. - <_> - 10 0 2 5 2. - <_> - - <_> - 20 3 1 2 -1. - <_> - 20 4 1 1 2. - <_> - - <_> - 0 1 2 2 -1. - <_> - 0 1 1 1 2. - <_> - 1 2 1 1 2. - <_> - - <_> - 13 0 2 1 -1. - <_> - 13 0 1 1 2. - <_> - - <_> - 8 0 4 1 -1. - <_> - 9 0 2 1 2. - <_> - - <_> - 19 3 3 2 -1. - <_> - 19 4 3 1 2. - <_> - - <_> - 0 3 3 2 -1. - <_> - 0 4 3 1 2. - <_> - - <_> - 5 0 12 4 -1. - <_> - 11 0 6 2 2. - <_> - 5 2 6 2 2. - <_> - - <_> - 4 0 5 4 -1. - <_> - 4 1 5 2 2. - <_> - - <_> - 16 0 3 3 -1. - <_> - 16 1 3 1 3. - <_> - - <_> - 3 0 3 3 -1. - <_> - 3 1 3 1 3. - <_> - - <_> - 7 2 10 2 -1. - <_> - 12 2 5 1 2. - <_> - 7 3 5 1 2. - <_> - - <_> - 5 2 10 2 -1. - <_> - 5 2 5 1 2. - <_> - 10 3 5 1 2. - <_> - - <_> - 14 0 4 1 -1. - <_> - 15 0 2 1 2. - <_> - - <_> - 3 4 3 1 -1. - <_> - 4 4 1 1 3. - <_> - - <_> - 14 0 4 1 -1. - <_> - 15 0 2 1 2. - <_> - - <_> - 4 1 5 4 -1. - <_> - 4 3 5 2 2. - <_> - - <_> - 16 0 4 3 -1. - <_> - 16 1 4 1 3. - <_> - - <_> - 2 0 4 3 -1. - <_> - 2 1 4 1 3. - <_> - - <_> - 14 0 3 1 -1. - <_> - 15 0 1 1 3. - <_> - - <_> - 4 0 4 1 -1. - <_> - 5 0 2 1 2. - <_> - - <_> - 16 4 3 1 -1. - <_> - 17 4 1 1 3. - <_> - - <_> - 0 1 18 1 -1. - <_> - 9 1 9 1 2. - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 0 1 1 3. - <_> - - <_> - 5 2 3 1 -1. - <_> - 6 2 1 1 3. - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 0 1 1 3. - <_> - - <_> - 4 0 3 1 -1. - <_> - 5 0 1 1 3. - <_> - - <_> - 19 2 2 2 -1. - <_> - 20 2 1 1 2. - <_> - 19 3 1 1 2. - <_> - - <_> - 1 2 3 1 -1. - <_> - 2 2 1 1 3. - <_> - - <_> - 17 4 3 1 -1. - <_> - 18 4 1 1 3. - <_> - - <_> - 9 0 4 1 -1. - <_> - 10 0 2 1 2. - <_> - - <_> - 10 1 6 3 -1. - <_> - 12 1 2 3 3. - <_> - - <_> - 6 1 6 3 -1. - <_> - 8 1 2 3 3. - <_> - - <_> - 1 1 21 3 -1. - <_> - 8 2 7 1 9. - <_> - - <_> - 9 0 3 2 -1. - <_> - 9 0 3 1 2. - 1 - <_> - - <_> - 17 4 3 1 -1. - <_> - 18 4 1 1 3. - <_> - - <_> - 4 3 5 2 -1. - <_> - 4 4 5 1 2. - <_> - - <_> - 3 1 10 2 -1. - <_> - 8 1 5 2 2. - <_> - - <_> - 16 2 3 3 -1. - <_> - 17 2 1 3 3. - <_> - - <_> - 3 2 3 3 -1. - <_> - 4 2 1 3 3. - <_> - - <_> - 11 1 2 3 -1. - <_> - 11 1 1 3 2. - <_> - - <_> - 8 2 1 2 -1. - <_> - 8 2 1 1 2. - 1 - <_> - - <_> - 1 2 20 1 -1. - <_> - 6 2 10 1 2. - <_> - - <_> - 7 1 4 4 -1. - <_> - 8 1 2 4 2. - <_> - - <_> - 13 0 2 1 -1. - <_> - 13 0 1 1 2. - <_> - - <_> - 0 1 5 3 -1. - <_> - 0 2 5 1 3. - <_> - - <_> - 13 0 2 1 -1. - <_> - 13 0 1 1 2. - <_> - - <_> - 7 0 2 1 -1. - <_> - 8 0 1 1 2. - <_> - - <_> - 2 1 20 4 -1. - <_> - 12 1 10 2 2. - <_> - 2 3 10 2 2. - <_> - - <_> - 0 3 2 2 -1. - <_> - 0 3 1 1 2. - <_> - 1 4 1 1 2. - <_> - - <_> - 21 3 1 2 -1. - <_> - 21 4 1 1 2. - <_> - - <_> - 0 3 1 2 -1. - <_> - 0 4 1 1 2. - <_> - - <_> - 15 0 5 3 -1. - <_> - 15 1 5 1 3. - <_> - - <_> - 0 0 1 4 -1. - <_> - 0 2 1 2 2. - <_> - - <_> - 21 1 1 4 -1. - <_> - 21 3 1 2 2. - <_> - - <_> - 5 3 10 2 -1. - <_> - 5 3 5 1 2. - <_> - 10 4 5 1 2. - <_> - - <_> - 15 0 1 2 -1. - <_> - 15 0 1 1 2. - 1 - <_> - - <_> - 5 0 4 2 -1. - <_> - 6 0 2 2 2. - <_> - - <_> - 1 0 21 3 -1. - <_> - 8 1 7 1 9. - <_> - - <_> - 1 3 6 2 -1. - <_> - 3 3 2 2 3. - <_> - - <_> - 6 2 16 1 -1. - <_> - 10 2 8 1 2. - <_> - - <_> - 0 2 16 1 -1. - <_> - 4 2 8 1 2. - <_> - - <_> - 2 1 18 3 -1. - <_> - 8 2 6 1 9. - <_> - - <_> - 2 4 3 1 -1. - <_> - 3 4 1 1 3. - <_> - - <_> - 6 0 10 4 -1. - <_> - 11 0 5 2 2. - <_> - 6 2 5 2 2. - <_> - - <_> - 5 0 12 4 -1. - <_> - 5 0 6 2 2. - <_> - 11 2 6 2 2. - <_> - - <_> - 14 0 3 1 -1. - <_> - 15 0 1 1 3. - <_> - - <_> - 9 1 4 4 -1. - <_> - 11 1 2 4 2. - <_> - - <_> - 9 0 4 5 -1. - <_> - 9 0 2 5 2. - <_> - - <_> - 0 2 3 1 -1. - <_> - 1 2 1 1 3. - <_> - - <_> - 14 0 3 1 -1. - <_> - 15 0 1 1 3. - <_> - - <_> - 1 2 3 1 -1. - <_> - 2 2 1 1 3. - <_> - - <_> - 16 0 4 3 -1. - <_> - 16 1 4 1 3. - <_> - - <_> - 5 0 3 1 -1. - <_> - 6 0 1 1 3. - <_> - - <_> - 15 0 1 2 -1. - <_> - 15 0 1 1 2. - 1 - <_> - - <_> - 7 0 2 1 -1. - <_> - 7 0 1 1 2. - 1 - <_> - - <_> - 8 3 6 2 -1. - <_> - 11 3 3 1 2. - <_> - 8 4 3 1 2. - <_> - - <_> - 6 1 2 2 -1. - <_> - 6 1 1 1 2. - <_> - 7 2 1 1 2. - <_> - - <_> - 4 2 18 3 -1. - <_> - 10 3 6 1 9. - <_> - - <_> - 8 2 1 2 -1. - <_> - 8 2 1 1 2. - 1 - <_> - - <_> - 16 0 4 3 -1. - <_> - 16 1 4 1 3. - <_> - - <_> - 2 0 4 3 -1. - <_> - 2 1 4 1 3. - <_> - - <_> - 10 0 12 5 -1. - <_> - 13 0 6 5 2. - <_> - - <_> - 3 1 5 4 -1. - <_> - 3 3 5 2 2. - <_> - - <_> - 4 2 18 2 -1. - <_> - 13 2 9 1 2. - <_> - 4 3 9 1 2. - <_> - - <_> - 1 4 10 1 -1. - <_> - 6 4 5 1 2. - <_> - - <_> - 2 1 18 2 -1. - <_> - 8 1 6 2 3. - <_> - - <_> - 16 2 3 2 -1. - <_> - 17 2 1 2 3. - <_> - - <_> - 8 0 2 1 -1. - <_> - 9 0 1 1 2. - <_> - - <_> - 16 1 3 3 -1. - <_> - 17 2 1 1 9. - <_> - - <_> - 0 2 2 1 -1. - <_> - 1 2 1 1 2. - <_> - - <_> - 8 4 6 1 -1. - <_> - 10 4 2 1 3. - <_> - - <_> - 4 2 1 2 -1. - <_> - 4 3 1 1 2. - <_> - - <_> - 11 0 3 1 -1. - <_> - 12 0 1 1 3. - <_> - - <_> - 9 0 4 1 -1. - <_> - 10 0 2 1 2. - <_> - - <_> - 16 2 3 3 -1. - <_> - 17 2 1 3 3. - <_> - - <_> - 3 2 3 3 -1. - <_> - 4 2 1 3 3. - <_> - - <_> - 16 0 3 1 -1. - <_> - 17 0 1 1 3. - <_> - - <_> - 2 0 16 4 -1. - <_> - 2 0 8 2 2. - <_> - 10 2 8 2 2. - <_> - - <_> - 16 0 3 1 -1. - <_> - 17 0 1 1 3. - <_> - - <_> - 0 3 4 2 -1. - <_> - 0 4 4 1 2. - <_> - - <_> - 13 2 3 1 -1. - <_> - 14 2 1 1 3. - <_> - - <_> - 3 0 3 1 -1. - <_> - 4 0 1 1 3. - <_> - - <_> - 0 3 22 2 -1. - <_> - 11 3 11 1 2. - <_> - 0 4 11 1 2. - <_> - - <_> - 3 0 2 1 -1. - <_> - 4 0 1 1 2. - <_> - - <_> - 11 0 2 2 -1. - <_> - 12 0 1 1 2. - <_> - 11 1 1 1 2. - <_> - - <_> - 7 0 8 2 -1. - <_> - 7 0 4 1 2. - <_> - 11 1 4 1 2. - <_> - - <_> - 14 1 2 2 -1. - <_> - 15 1 1 1 2. - <_> - 14 2 1 1 2. - <_> - - <_> - 6 1 8 4 -1. - <_> - 8 1 4 4 2. - <_> - - <_> - 21 1 1 4 -1. - <_> - 21 3 1 2 2. - <_> - - <_> - 5 0 3 2 -1. - <_> - 6 0 1 2 3. - <_> - - <_> - 14 1 2 2 -1. - <_> - 15 1 1 1 2. - <_> - 14 2 1 1 2. - <_> - - <_> - 6 1 2 2 -1. - <_> - 6 1 1 1 2. - <_> - 7 2 1 1 2. - <_> - - <_> - 9 1 9 4 -1. - <_> - 12 1 3 4 3. - <_> - - <_> - 4 1 9 4 -1. - <_> - 7 1 3 4 3. - <_> - - <_> - 11 3 2 2 -1. - <_> - 12 3 1 1 2. - <_> - 11 4 1 1 2. - <_> - - <_> - 2 4 3 1 -1. - <_> - 3 4 1 1 3. - <_> - - <_> - 16 4 3 1 -1. - <_> - 17 4 1 1 3. - <_> - - <_> - 5 0 4 1 -1. - <_> - 6 0 2 1 2. - <_> - - <_> - 14 0 1 2 -1. - <_> - 14 0 1 1 2. - 1 - <_> - - <_> - 8 0 2 1 -1. - <_> - 8 0 1 1 2. - 1 - <_> - - <_> - 3 1 18 3 -1. - <_> - 9 2 6 1 9. - <_> - - <_> - 1 2 2 2 -1. - <_> - 1 2 1 1 2. - <_> - 2 3 1 1 2. - <_> - - <_> - 16 4 3 1 -1. - <_> - 17 4 1 1 3. - <_> - - <_> - 3 4 3 1 -1. - <_> - 4 4 1 1 3. - <_> - - <_> - 6 2 16 2 -1. - <_> - 10 2 8 2 2. - <_> - - <_> - 0 2 16 2 -1. - <_> - 4 2 8 2 2. - <_> - - <_> - 21 0 1 3 -1. - <_> - 21 1 1 1 3. - <_> - - <_> - 0 1 18 4 -1. - <_> - 0 1 9 2 2. - <_> - 9 3 9 2 2. - <_> - - <_> - 13 3 5 2 -1. - <_> - 13 4 5 1 2. - <_> - - <_> - 4 3 5 2 -1. - <_> - 4 4 5 1 2. - <_> - - <_> - 11 4 4 1 -1. - <_> - 12 4 2 1 2. - <_> - - <_> - 10 0 2 5 -1. - <_> - 11 0 1 5 2. - <_> - - <_> - 1 2 20 1 -1. - <_> - 6 2 10 1 2. - <_> - - <_> - 6 2 3 1 -1. - <_> - 7 2 1 1 3. - <_> - - <_> - 16 0 3 3 -1. - <_> - 16 1 3 1 3. - <_> - - <_> - 9 1 3 3 -1. - <_> - 10 1 1 3 3. - <_> - - <_> - 15 0 1 2 -1. - <_> - 15 0 1 1 2. - 1 - <_> - - <_> - 9 1 2 4 -1. - <_> - 10 1 1 4 2. - <_> - - <_> - 21 2 1 2 -1. - <_> - 21 2 1 1 2. - 1 - <_> - - <_> - 1 2 2 1 -1. - <_> - 1 2 1 1 2. - 1 - <_> - - <_> - 0 3 22 2 -1. - <_> - 0 3 11 2 2. - <_> - - <_> - 3 1 3 3 -1. - <_> - 4 2 1 1 9. - <_> - - <_> - 11 0 2 2 -1. - <_> - 12 0 1 1 2. - <_> - 11 1 1 1 2. - <_> - - <_> - 10 0 1 4 -1. - <_> - 9 1 1 2 2. - 1 - <_> - - <_> - 4 1 16 2 -1. - <_> - 8 1 8 2 2. - <_> - - <_> - 7 0 2 3 -1. - <_> - 7 0 1 3 2. - 1 - <_> - - <_> - 4 1 14 4 -1. - <_> - 11 1 7 2 2. - <_> - 4 3 7 2 2. - <_> - - <_> - 3 0 1 3 -1. - <_> - 3 1 1 1 3. - <_> - - <_> - 11 0 2 4 -1. - <_> - 11 0 1 4 2. - <_> - - <_> - 8 0 3 3 -1. - <_> - 9 1 1 1 9. - <_> - - <_> - 20 1 1 2 -1. - <_> - 20 2 1 1 2. - <_> - - <_> - 1 3 1 2 -1. - <_> - 1 4 1 1 2. - <_> - - <_> - 0 3 22 2 -1. - <_> - 0 3 11 2 2. - <_> - - <_> - 0 2 2 1 -1. - <_> - 1 2 1 1 2. - <_> - - <_> - 16 0 6 5 -1. - <_> - 18 0 2 5 3. - <_> - - <_> - 0 0 6 5 -1. - <_> - 2 0 2 5 3. - <_> - - <_> - 4 2 18 1 -1. - <_> - 4 2 9 1 2. - <_> - - <_> - 6 2 10 2 -1. - <_> - 6 2 5 1 2. - <_> - 11 3 5 1 2. - <_> - - <_> - 4 2 18 1 -1. - <_> - 4 2 9 1 2. - <_> - - <_> - 0 2 18 1 -1. - <_> - 9 2 9 1 2. - <_> - - <_> - 21 1 1 4 -1. - <_> - 21 3 1 2 2. - <_> - - <_> - 1 4 4 1 -1. - <_> - 2 4 2 1 2. - <_> - - <_> - 16 0 3 1 -1. - <_> - 17 0 1 1 3. - <_> - - <_> - 1 0 4 3 -1. - <_> - 1 1 4 1 3. - <_> - - <_> - 18 1 1 4 -1. - <_> - 18 3 1 2 2. - <_> - - <_> - 10 1 2 2 -1. - <_> - 10 1 2 1 2. - 1 - <_> - - <_> - 18 1 1 4 -1. - <_> - 18 3 1 2 2. - <_> - - <_> - 3 1 1 4 -1. - <_> - 3 3 1 2 2. - <_> - - <_> - 14 2 2 2 -1. - <_> - 15 2 1 1 2. - <_> - 14 3 1 1 2. - <_> - - <_> - 1 0 18 3 -1. - <_> - 7 1 6 1 9. - <_> - - <_> - 16 0 3 1 -1. - <_> - 17 0 1 1 3. - <_> - - <_> - 8 3 4 2 -1. - <_> - 8 3 2 1 2. - <_> - 10 4 2 1 2. - <_> - - <_> - 11 3 2 2 -1. - <_> - 12 3 1 1 2. - <_> - 11 4 1 1 2. - <_> - - <_> - 8 3 6 2 -1. - <_> - 8 3 3 1 2. - <_> - 11 4 3 1 2. - <_> - - <_> - 16 0 3 1 -1. - <_> - 17 0 1 1 3. - <_> - - <_> - 3 0 3 1 -1. - <_> - 4 0 1 1 3. - <_> - - <_> - 15 3 2 2 -1. - <_> - 16 3 1 1 2. - <_> - 15 4 1 1 2. - <_> - - <_> - 5 3 2 2 -1. - <_> - 5 3 1 1 2. - <_> - 6 4 1 1 2. - <_> - - <_> - 15 2 2 1 -1. - <_> - 15 2 1 1 2. - 1 - <_> - - <_> - 7 2 1 2 -1. - <_> - 7 2 1 1 2. - 1 - <_> - - <_> - 9 2 4 3 -1. - <_> - 10 2 2 3 2. - <_> - - <_> - 0 0 1 3 -1. - <_> - 0 1 1 1 3. - <_> - - <_> - 12 4 10 1 -1. - <_> - 12 4 5 1 2. - <_> - - <_> - 9 0 2 3 -1. - <_> - 10 0 1 3 2. - <_> - - <_> - 14 0 1 2 -1. - <_> - 14 0 1 1 2. - 1 - <_> - - <_> - 8 0 6 1 -1. - <_> - 10 0 2 1 3. - <_> - - <_> - 21 1 1 4 -1. - <_> - 21 3 1 2 2. - <_> - - <_> - 0 1 1 4 -1. - <_> - 0 3 1 2 2. - <_> - - <_> - 4 1 16 2 -1. - <_> - 4 1 8 2 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 0 1 1 2. - <_> - 1 1 1 1 2. - <_> - - <_> - 16 4 3 1 -1. - <_> - 17 4 1 1 3. - <_> - - <_> - 3 4 3 1 -1. - <_> - 4 4 1 1 3. - <_> - - <_> - 14 0 5 3 -1. - <_> - 14 1 5 1 3. - <_> - - <_> - 1 1 4 3 -1. - <_> - 3 1 2 3 2. - <_> - - <_> - 9 1 4 4 -1. - <_> - 9 1 2 4 2. - <_> - - <_> - 1 3 16 2 -1. - <_> - 5 3 8 2 2. - <_> - - <_> - 19 2 2 2 -1. - <_> - 20 2 1 1 2. - <_> - 19 3 1 1 2. - <_> - - <_> - 10 3 2 2 -1. - <_> - 10 3 1 1 2. - <_> - 11 4 1 1 2. - <_> - - <_> - 9 1 4 4 -1. - <_> - 9 1 2 4 2. - <_> - - <_> - 10 0 2 1 -1. - <_> - 11 0 1 1 2. - <_> - - <_> - 10 3 6 2 -1. - <_> - 12 3 2 2 3. - <_> - - <_> - 2 3 2 2 -1. - <_> - 2 3 1 1 2. - <_> - 3 4 1 1 2. - <_> - - <_> - 18 1 2 2 -1. - <_> - 19 1 1 1 2. - <_> - 18 2 1 1 2. - <_> - - <_> - 2 4 3 1 -1. - <_> - 3 4 1 1 3. - <_> - - <_> - 19 2 2 2 -1. - <_> - 20 2 1 1 2. - <_> - 19 3 1 1 2. - <_> - - <_> - 6 0 3 1 -1. - <_> - 7 0 1 1 3. - <_> - - <_> - 14 0 1 2 -1. - <_> - 14 0 1 1 2. - 1 - <_> - - <_> - 8 0 2 1 -1. - <_> - 8 0 1 1 2. - 1 - <_> - - <_> - 15 0 1 2 -1. - <_> - 15 0 1 1 2. - 1 - <_> - - <_> - 5 2 3 1 -1. - <_> - 6 2 1 1 3. - <_> - - <_> - 15 1 2 2 -1. - <_> - 16 1 1 1 2. - <_> - 15 2 1 1 2. - <_> - - <_> - 2 1 16 2 -1. - <_> - 6 1 8 2 2. - <_> - - <_> - 10 0 6 2 -1. - <_> - 10 0 3 2 2. - <_> - - <_> - 3 1 3 3 -1. - <_> - 4 2 1 1 9. - <_> - - <_> - 11 0 9 1 -1. - <_> - 14 0 3 1 3. - <_> - - <_> - 8 4 4 1 -1. - <_> - 10 4 2 1 2. - <_> - - <_> - 13 1 5 4 -1. - <_> - 13 3 5 2 2. - <_> - - <_> - 2 0 9 1 -1. - <_> - 5 0 3 1 3. - <_> - - <_> - 13 0 5 4 -1. - <_> - 13 1 5 2 2. - <_> - - <_> - 6 2 10 2 -1. - <_> - 6 2 5 1 2. - <_> - 11 3 5 1 2. - <_> - - <_> - 19 3 3 2 -1. - <_> - 19 4 3 1 2. - <_> - - <_> - 2 0 5 3 -1. - <_> - 2 1 5 1 3. - <_> - - <_> - 20 1 1 2 -1. - <_> - 20 2 1 1 2. - <_> - - <_> - 1 1 1 2 -1. - <_> - 1 2 1 1 2. - <_> - - <_> - 17 1 2 2 -1. - <_> - 18 1 1 1 2. - <_> - 17 2 1 1 2. - <_> - - <_> - 9 0 4 5 -1. - <_> - 11 0 2 5 2. - <_> - - <_> - 9 2 6 3 -1. - <_> - 9 2 3 3 2. - <_> - - <_> - 8 3 4 2 -1. - <_> - 10 3 2 2 2. - <_> - - <_> - 21 0 1 4 -1. - <_> - 21 2 1 2 2. - <_> - - <_> - 1 2 20 1 -1. - <_> - 6 2 10 1 2. - <_> - - <_> - 20 0 2 1 -1. - <_> - 20 0 1 1 2. - 1 - <_> - - <_> - 3 1 2 2 -1. - <_> - 3 1 1 1 2. - <_> - 4 2 1 1 2. - <_> - - <_> - 17 0 4 2 -1. - <_> - 18 0 2 2 2. - <_> - - <_> - 5 0 3 2 -1. - <_> - 6 0 1 2 3. - <_> - - <_> - 1 1 21 3 -1. - <_> - 8 2 7 1 9. - <_> - - <_> - 6 0 3 2 -1. - <_> - 7 0 1 2 3. - <_> - - <_> - 13 2 3 1 -1. - <_> - 14 2 1 1 3. - <_> - - <_> - 10 2 2 2 -1. - <_> - 10 2 1 1 2. - <_> - 11 3 1 1 2. - <_> - - <_> - 19 3 3 2 -1. - <_> - 19 4 3 1 2. - <_> - - <_> - 0 3 3 2 -1. - <_> - 0 4 3 1 2. - <_> - - <_> - 13 2 3 1 -1. - <_> - 14 2 1 1 3. - <_> - - <_> - 6 2 3 1 -1. - <_> - 7 2 1 1 3. - <_> - - <_> - 14 2 2 1 -1. - <_> - 14 2 1 1 2. - 1 - <_> - - <_> - 8 2 1 2 -1. - <_> - 8 2 1 1 2. - 1 - <_> - - <_> - 19 1 2 2 -1. - <_> - 20 1 1 1 2. - <_> - 19 2 1 1 2. - <_> - - <_> - 2 1 4 2 -1. - <_> - 2 2 4 1 2. - <_> - - <_> - 19 1 2 2 -1. - <_> - 20 1 1 1 2. - <_> - 19 2 1 1 2. - <_> - - <_> - 1 1 2 2 -1. - <_> - 1 1 1 1 2. - <_> - 2 2 1 1 2. - <_> - - <_> - 11 3 2 2 -1. - <_> - 12 3 1 1 2. - <_> - 11 4 1 1 2. - <_> - - <_> - 4 0 3 1 -1. - <_> - 5 0 1 1 3. - <_> - - <_> - 13 3 5 2 -1. - <_> - 13 4 5 1 2. - <_> - - <_> - 4 3 5 2 -1. - <_> - 4 4 5 1 2. - <_> - - <_> - 3 0 16 4 -1. - <_> - 11 0 8 2 2. - <_> - 3 2 8 2 2. - <_> - - <_> - 0 0 2 4 -1. - <_> - 0 2 2 2 2. - <_> - - <_> - 17 0 4 2 -1. - <_> - 18 0 2 2 2. - <_> - - <_> - 1 0 4 2 -1. - <_> - 2 0 2 2 2. - <_> - - <_> - 6 2 16 2 -1. - <_> - 10 2 8 2 2. - <_> - - <_> - 0 2 16 2 -1. - <_> - 4 2 8 2 2. - <_> - - <_> - 15 4 3 1 -1. - <_> - 16 4 1 1 3. - <_> - - <_> - 9 1 4 4 -1. - <_> - 11 1 2 4 2. - <_> - - <_> - 15 4 3 1 -1. - <_> - 16 4 1 1 3. - <_> - - <_> - 7 0 8 2 -1. - <_> - 7 0 4 1 2. - <_> - 11 1 4 1 2. - <_> - - <_> - 18 1 2 2 -1. - <_> - 19 1 1 1 2. - <_> - 18 2 1 1 2. - <_> - - <_> - 3 0 3 1 -1. - <_> - 4 0 1 1 3. - <_> - - <_> - 18 1 2 2 -1. - <_> - 19 1 1 1 2. - <_> - 18 2 1 1 2. - <_> - - <_> - 4 4 3 1 -1. - <_> - 5 4 1 1 3. - <_> - - <_> - 9 4 4 1 -1. - <_> - 10 4 2 1 2. - <_> - - <_> - 2 1 2 2 -1. - <_> - 2 1 1 1 2. - <_> - 3 2 1 1 2. - <_> - - <_> - 11 3 2 2 -1. - <_> - 12 3 1 1 2. - <_> - 11 4 1 1 2. - <_> - - <_> - 9 3 2 2 -1. - <_> - 9 3 1 1 2. - <_> - 10 4 1 1 2. - <_> - - <_> - 11 1 4 4 -1. - <_> - 12 1 2 4 2. - <_> - - <_> - 9 0 3 3 -1. - <_> - 10 1 1 1 9. - <_> - - <_> - 11 1 4 4 -1. - <_> - 12 1 2 4 2. - <_> - - <_> - 7 1 4 4 -1. - <_> - 8 1 2 4 2. - <_> - - <_> - 1 1 20 2 -1. - <_> - 6 1 10 2 2. - <_> - - <_> - 9 0 2 2 -1. - <_> - 9 0 1 1 2. - <_> - 10 1 1 1 2. - <_> - - <_> - 9 0 6 2 -1. - <_> - 12 0 3 1 2. - <_> - 9 1 3 1 2. - <_> - - <_> - 7 0 6 2 -1. - <_> - 7 0 3 1 2. - <_> - 10 1 3 1 2. - <_> - - <_> - 20 2 2 2 -1. - <_> - 20 2 1 2 2. - <_> - - <_> - 3 2 3 1 -1. - <_> - 4 2 1 1 3. - <_> - - <_> - 8 0 6 1 -1. - <_> - 10 0 2 1 3. - <_> - - <_> - 3 2 1 2 -1. - <_> - 3 3 1 1 2. - <_> - - <_> - 16 1 6 4 -1. - <_> - 19 1 3 2 2. - <_> - 16 3 3 2 2. - <_> - - <_> - 0 1 6 4 -1. - <_> - 0 1 3 2 2. - <_> - 3 3 3 2 2. - <_> - - <_> - 20 3 2 1 -1. - <_> - 20 3 1 1 2. - <_> - - <_> - 0 3 2 1 -1. - <_> - 1 3 1 1 2. - <_> - - <_> - 21 1 1 4 -1. - <_> - 21 3 1 2 2. - <_> - - <_> - 0 1 1 4 -1. - <_> - 0 3 1 2 2. - <_> - - <_> - 1 1 1 3 -1. - <_> - 1 2 1 1 3. - <_> - - <_> - 9 1 4 4 -1. - <_> - 10 1 2 4 2. - <_> - - <_> - 3 1 3 3 -1. - <_> - 4 2 1 1 9. - <_> - - <_> - 9 0 8 2 -1. - <_> - 9 0 4 2 2. - <_> - - <_> - 3 0 16 1 -1. - <_> - 11 0 8 1 2. - <_> - - <_> - 14 2 2 1 -1. - <_> - 14 2 1 1 2. - 1 - <_> - - <_> - 6 1 2 2 -1. - <_> - 6 1 1 1 2. - <_> - 7 2 1 1 2. - <_> - - <_> - 13 1 5 4 -1. - <_> - 13 3 5 2 2. - <_> - - <_> - 2 0 4 3 -1. - <_> - 2 1 4 1 3. - <_> - - <_> - 18 0 4 2 -1. - <_> - 20 0 2 1 2. - <_> - 18 1 2 1 2. - <_> - - <_> - 6 2 10 2 -1. - <_> - 6 2 5 1 2. - <_> - 11 3 5 1 2. - <_> - - <_> - 8 2 8 3 -1. - <_> - 8 2 4 3 2. - <_> - - <_> - 6 2 8 3 -1. - <_> - 10 2 4 3 2. - <_> - - <_> - 18 0 1 3 -1. - <_> - 18 1 1 1 3. - <_> - - <_> - 9 0 3 1 -1. - <_> - 10 0 1 1 3. - <_> - - <_> - 21 0 1 4 -1. - <_> - 21 2 1 2 2. - <_> - - <_> - 0 0 1 4 -1. - <_> - 0 2 1 2 2. - <_> - - <_> - 18 0 1 3 -1. - <_> - 18 1 1 1 3. - <_> - - <_> - 3 0 1 3 -1. - <_> - 3 1 1 1 3. - <_> - - <_> - 16 0 6 5 -1. - <_> - 18 0 2 5 3. - <_> - - <_> - 0 1 8 4 -1. - <_> - 0 1 4 2 2. - <_> - 4 3 4 2 2. - <_> - - <_> - 18 3 2 2 -1. - <_> - 19 3 1 1 2. - <_> - 18 4 1 1 2. - <_> - - <_> - 2 2 2 1 -1. - <_> - 2 2 1 1 2. - 1 - <_> - - <_> - 19 4 2 1 -1. - <_> - 19 4 1 1 2. - <_> - - <_> - 0 2 18 1 -1. - <_> - 9 2 9 1 2. - <_> - - <_> - 3 0 16 4 -1. - <_> - 11 0 8 2 2. - <_> - 3 2 8 2 2. - <_> - - <_> - 5 0 3 1 -1. - <_> - 6 0 1 1 3. - <_> - - <_> - 14 0 3 2 -1. - <_> - 15 0 1 2 3. - <_> - - <_> - 5 1 2 2 -1. - <_> - 5 1 1 1 2. - <_> - 6 2 1 1 2. - <_> - - <_> - 14 0 3 2 -1. - <_> - 15 0 1 2 3. - <_> - - <_> - 5 0 3 2 -1. - <_> - 6 0 1 2 3. - <_> - - <_> - 15 2 3 1 -1. - <_> - 16 2 1 1 3. - <_> - - <_> - 5 3 3 1 -1. - <_> - 6 3 1 1 3. - <_> - - <_> - 1 1 21 3 -1. - <_> - 8 2 7 1 9. - <_> - - <_> - 1 2 3 1 -1. - <_> - 2 2 1 1 3. - <_> - - <_> - 19 1 1 3 -1. - <_> - 19 2 1 1 3. - <_> - - <_> - 2 1 1 3 -1. - <_> - 2 2 1 1 3. - <_> - - <_> - 7 1 8 2 -1. - <_> - 11 1 4 1 2. - <_> - 7 2 4 1 2. - <_> - - <_> - 9 1 2 2 -1. - <_> - 9 1 1 1 2. - <_> - 10 2 1 1 2. - <_> - - <_> - 11 2 3 3 -1. - <_> - 12 2 1 3 3. - <_> - - <_> - 8 1 3 4 -1. - <_> - 9 1 1 4 3. - <_> - - <_> - 16 4 3 1 -1. - <_> - 17 4 1 1 3. - <_> - - <_> - 3 4 3 1 -1. - <_> - 4 4 1 1 3. - <_> - - <_> - 16 4 3 1 -1. - <_> - 17 4 1 1 3. - <_> - - <_> - 3 4 3 1 -1. - <_> - 4 4 1 1 3. - <_> - - <_> - 8 3 6 2 -1. - <_> - 11 3 3 1 2. - <_> - 8 4 3 1 2. - <_> - - <_> - 3 2 3 2 -1. - <_> - 4 2 1 2 3. - <_> - - <_> - 13 3 2 2 -1. - <_> - 14 3 1 1 2. - <_> - 13 4 1 1 2. - <_> - - <_> - 9 3 4 2 -1. - <_> - 9 3 2 1 2. - <_> - 11 4 2 1 2. - <_> - - <_> - 15 2 2 2 -1. - <_> - 16 2 1 1 2. - <_> - 15 3 1 1 2. - <_> - - <_> - 1 4 2 1 -1. - <_> - 2 4 1 1 2. - <_> - - <_> - 9 1 4 3 -1. - <_> - 9 1 2 3 2. - <_> - - <_> - 6 2 8 1 -1. - <_> - 8 2 4 1 2. - <_> - - <_> - 18 3 4 2 -1. - <_> - 18 4 4 1 2. - <_> - - <_> - 7 4 4 1 -1. - <_> - 8 4 2 1 2. - <_> - - <_> - 18 3 4 2 -1. - <_> - 18 4 4 1 2. - <_> - - <_> - 0 3 4 2 -1. - <_> - 0 4 4 1 2. - <_> - - <_> - 15 1 3 1 -1. - <_> - 16 1 1 1 3. - <_> - - <_> - 4 0 5 4 -1. - <_> - 4 1 5 2 2. - <_> - - <_> - 15 2 2 2 -1. - <_> - 16 2 1 1 2. - <_> - 15 3 1 1 2. - <_> - - <_> - 5 2 2 2 -1. - <_> - 5 2 1 1 2. - <_> - 6 3 1 1 2. - <_> - - <_> - 13 0 3 1 -1. - <_> - 14 0 1 1 3. - <_> - - <_> - 6 0 3 1 -1. - <_> - 7 0 1 1 3. - <_> - - <_> - 15 0 3 2 -1. - <_> - 16 0 1 2 3. - <_> - - <_> - 4 0 3 2 -1. - <_> - 5 0 1 2 3. - <_> - - <_> - 15 1 5 4 -1. - <_> - 15 3 5 2 2. - <_> - - <_> - 4 1 3 3 -1. - <_> - 4 2 3 1 3. - <_> - - <_> - 0 1 2 2 -1. - <_> - 0 1 1 1 2. - <_> - 1 2 1 1 2. - <_> - - <_> - 10 0 6 2 -1. - <_> - 10 0 3 2 2. - <_> - - <_> - 3 2 3 1 -1. - <_> - 4 2 1 1 3. - <_> - - <_> - 6 1 14 2 -1. - <_> - 6 1 7 2 2. - <_> - - <_> - 1 0 4 1 -1. - <_> - 2 1 2 1 2. - 1 - <_> - - <_> - 10 0 4 5 -1. - <_> - 10 0 2 5 2. - <_> - - <_> - 4 1 12 2 -1. - <_> - 10 1 6 2 2. - <_> - - <_> - 0 0 22 2 -1. - <_> - 11 0 11 1 2. - <_> - 0 1 11 1 2. - <_> - - <_> - 2 0 2 3 -1. - <_> - 2 1 2 1 3. - <_> - - <_> - 18 1 1 3 -1. - <_> - 18 2 1 1 3. - <_> - - <_> - 2 4 3 1 -1. - <_> - 3 4 1 1 3. - <_> - - <_> - 16 0 6 5 -1. - <_> - 18 0 2 5 3. - <_> - - <_> - 7 3 8 2 -1. - <_> - 7 3 4 1 2. - <_> - 11 4 4 1 2. - <_> - - <_> - 14 2 2 1 -1. - <_> - 14 2 1 1 2. - 1 - <_> - - <_> - 8 2 1 2 -1. - <_> - 8 2 1 1 2. - 1 - <_> - - <_> - 16 0 6 5 -1. - <_> - 18 0 2 5 3. - <_> - - <_> - 5 1 2 2 -1. - <_> - 5 1 1 1 2. - <_> - 6 2 1 1 2. - <_> - - <_> - 16 0 6 5 -1. - <_> - 18 0 2 5 3. - <_> - - <_> - 6 0 10 4 -1. - <_> - 6 0 5 2 2. - <_> - 11 2 5 2 2. - <_> - - <_> - 16 0 6 5 -1. - <_> - 18 0 2 5 3. - <_> - - <_> - 0 0 6 5 -1. - <_> - 2 0 2 5 3. - <_> - - <_> - 5 2 16 2 -1. - <_> - 9 2 8 2 2. - <_> - - <_> - 1 2 10 3 -1. - <_> - 6 2 5 3 2. - <_> - - <_> - 15 3 2 2 -1. - <_> - 16 3 1 1 2. - <_> - 15 4 1 1 2. - <_> - - <_> - 5 3 2 2 -1. - <_> - 5 3 1 1 2. - <_> - 6 4 1 1 2. - <_> - - <_> - 14 1 8 4 -1. - <_> - 18 1 4 2 2. - <_> - 14 3 4 2 2. - <_> - - <_> - 3 1 1 4 -1. - <_> - 3 3 1 2 2. - <_> - - <_> - 21 1 1 4 -1. - <_> - 21 3 1 2 2. - <_> - - <_> - 0 2 22 2 -1. - <_> - 0 2 11 1 2. - <_> - 11 3 11 1 2. - <_> - - <_> - 17 0 3 3 -1. - <_> - 17 1 3 1 3. - <_> - - <_> - 2 0 3 3 -1. - <_> - 2 1 3 1 3. - <_> - - <_> - 10 0 12 5 -1. - <_> - 13 0 6 5 2. - <_> - - <_> - 9 2 4 3 -1. - <_> - 11 2 2 3 2. - <_> - - <_> - 11 0 4 1 -1. - <_> - 11 0 2 1 2. - 1 - <_> - - <_> - 9 3 2 2 -1. - <_> - 9 3 1 1 2. - <_> - 10 4 1 1 2. - <_> - - <_> - 14 0 4 2 -1. - <_> - 16 0 2 1 2. - <_> - 14 1 2 1 2. - <_> - - <_> - 0 3 20 2 -1. - <_> - 0 3 10 1 2. - <_> - 10 4 10 1 2. - <_> - - <_> - 13 1 9 2 -1. - <_> - 16 1 3 2 3. - <_> - - <_> - 9 4 4 1 -1. - <_> - 10 4 2 1 2. - <_> - - <_> - 11 2 2 2 -1. - <_> - 12 2 1 1 2. - <_> - 11 3 1 1 2. - <_> - - <_> - 10 1 2 2 -1. - <_> - 10 1 2 1 2. - 1 - <_> - - <_> - 14 1 2 2 -1. - <_> - 15 1 1 1 2. - <_> - 14 2 1 1 2. - <_> - - <_> - 5 0 3 1 -1. - <_> - 6 0 1 1 3. - <_> - - <_> - 8 2 6 1 -1. - <_> - 8 2 3 1 2. - <_> - - <_> - 0 4 22 1 -1. - <_> - 11 4 11 1 2. - <_> - - <_> - 16 4 2 1 -1. - <_> - 16 4 1 1 2. - <_> - - <_> - 4 4 2 1 -1. - <_> - 5 4 1 1 2. - <_> - - <_> - 15 1 6 3 -1. - <_> - 17 1 2 3 3. - <_> - - <_> - 6 0 1 2 -1. - <_> - 6 0 1 1 2. - 1 - <_> - - <_> - 10 0 4 4 -1. - <_> - 10 0 2 4 2. - <_> - - <_> - 8 0 2 1 -1. - <_> - 9 0 1 1 2. - <_> - - <_> - 14 1 2 2 -1. - <_> - 15 1 1 1 2. - <_> - 14 2 1 1 2. - <_> - - <_> - 6 1 2 2 -1. - <_> - 6 1 1 1 2. - <_> - 7 2 1 1 2. - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 0 1 1 3. - <_> - - <_> - 9 2 4 3 -1. - <_> - 10 2 2 3 2. - <_> - - <_> - 20 3 2 2 -1. - <_> - 20 4 2 1 2. - <_> - - <_> - 4 0 3 1 -1. - <_> - 5 0 1 1 3. - <_> - - <_> - 18 2 3 1 -1. - <_> - 19 2 1 1 3. - <_> - - <_> - 0 3 1 2 -1. - <_> - 0 4 1 1 2. - <_> - - <_> - 20 3 2 2 -1. - <_> - 21 3 1 1 2. - <_> - 20 4 1 1 2. - <_> - - <_> - 0 3 2 2 -1. - <_> - 0 3 1 1 2. - <_> - 1 4 1 1 2. - <_> - - <_> - 10 2 12 2 -1. - <_> - 13 2 6 2 2. - <_> - - <_> - 1 2 3 1 -1. - <_> - 2 2 1 1 3. - <_> - - <_> - 19 2 3 1 -1. - <_> - 20 2 1 1 3. - <_> - - <_> - 0 2 3 1 -1. - <_> - 1 2 1 1 3. - <_> - - <_> - 20 0 2 1 -1. - <_> - 20 0 1 1 2. - 1 - <_> - - <_> - 2 0 18 3 -1. - <_> - 8 1 6 1 9. - <_> - - <_> - 13 0 3 2 -1. - <_> - 14 0 1 2 3. - <_> - - <_> - 1 2 20 1 -1. - <_> - 6 2 10 1 2. - <_> - - <_> - 20 0 2 1 -1. - <_> - 20 0 1 1 2. - 1 - <_> - - <_> - 8 2 3 2 -1. - <_> - 9 2 1 2 3. - <_> - - <_> - 20 0 2 1 -1. - <_> - 20 0 1 1 2. - 1 - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 6 2 16 2 -1. - <_> - 10 2 8 2 2. - <_> - - <_> - 0 2 16 2 -1. - <_> - 4 2 8 2 2. - <_> - - <_> - 9 3 4 2 -1. - <_> - 11 3 2 1 2. - <_> - 9 4 2 1 2. - <_> - - <_> - 8 0 4 4 -1. - <_> - 10 0 2 4 2. - <_> - - <_> - 11 0 3 1 -1. - <_> - 12 0 1 1 3. - <_> - - <_> - 9 0 2 1 -1. - <_> - 10 0 1 1 2. - <_> - - <_> - 11 0 2 1 -1. - <_> - 11 0 1 1 2. - <_> - - <_> - 2 0 16 3 -1. - <_> - 10 0 8 3 2. - <_> - - <_> - 5 4 12 1 -1. - <_> - 8 4 6 1 2. - <_> - - <_> - 6 0 3 2 -1. - <_> - 7 0 1 2 3. - <_> - - <_> - 4 2 18 3 -1. - <_> - 10 3 6 1 9. - <_> - - <_> - 1 2 2 2 -1. - <_> - 1 2 1 1 2. - <_> - 2 3 1 1 2. - <_> - - <_> - 19 1 1 3 -1. - <_> - 19 2 1 1 3. - <_> - - <_> - 5 0 4 1 -1. - <_> - 6 1 2 1 2. - 1 - <_> - - <_> - 11 0 2 2 -1. - <_> - 12 0 1 1 2. - <_> - 11 1 1 1 2. - <_> - - <_> - 9 0 2 2 -1. - <_> - 9 0 1 1 2. - <_> - 10 1 1 1 2. - <_> - - <_> - 10 0 2 5 -1. - <_> - 10 0 1 5 2. - <_> - - <_> - 9 1 4 4 -1. - <_> - 11 1 2 4 2. - <_> - - <_> - 15 4 3 1 -1. - <_> - 16 4 1 1 3. - <_> - - <_> - 2 0 4 3 -1. - <_> - 2 1 4 1 3. - <_> - - <_> - 15 4 3 1 -1. - <_> - 16 4 1 1 3. - <_> - - <_> - 4 4 3 1 -1. - <_> - 5 4 1 1 3. - <_> - - <_> - 20 0 2 2 -1. - <_> - 21 0 1 1 2. - <_> - 20 1 1 1 2. - <_> - - <_> - 0 1 8 4 -1. - <_> - 0 1 4 2 2. - <_> - 4 3 4 2 2. - <_> - - <_> - 4 2 18 3 -1. - <_> - 10 3 6 1 9. - <_> - - <_> - 0 2 18 3 -1. - <_> - 6 3 6 1 9. - <_> - - <_> - 7 0 2 3 -1. - <_> - 7 0 1 3 2. - 1 - <_> - - <_> - 12 1 2 2 -1. - <_> - 12 1 1 2 2. - 1 - <_> - - <_> - 11 0 1 3 -1. - <_> - 10 1 1 1 3. - 1 - <_> - - <_> - 12 0 2 2 -1. - <_> - 12 0 1 2 2. - 1 - <_> - - <_> - 10 0 2 2 -1. - <_> - 10 0 2 1 2. - 1 - <_> - - <_> - 18 0 4 2 -1. - <_> - 20 0 2 1 2. - <_> - 18 1 2 1 2. - <_> - - <_> - 0 2 2 2 -1. - <_> - 1 2 1 2 2. - <_> - - <_> - 21 3 1 2 -1. - <_> - 21 4 1 1 2. - <_> - - <_> - 0 2 16 1 -1. - <_> - 8 2 8 1 2. - <_> - - <_> - 17 2 2 1 -1. - <_> - 17 2 1 1 2. - <_> - - <_> - 0 0 4 5 -1. - <_> - 1 0 2 5 2. - <_> - - <_> - 13 1 3 3 -1. - <_> - 14 2 1 1 9. - <_> - - <_> - 4 1 5 4 -1. - <_> - 4 3 5 2 2. - <_> - - <_> - 18 3 2 2 -1. - <_> - 19 3 1 1 2. - <_> - 18 4 1 1 2. - <_> - - <_> - 8 2 4 2 -1. - <_> - 8 2 2 1 2. - <_> - 10 3 2 1 2. - <_> - - <_> - 14 2 2 2 -1. - <_> - 15 2 1 1 2. - <_> - 14 3 1 1 2. - <_> - - <_> - 2 3 2 2 -1. - <_> - 2 3 1 1 2. - <_> - 3 4 1 1 2. - <_> - - <_> - 11 0 3 1 -1. - <_> - 12 0 1 1 3. - <_> - - <_> - 8 0 3 1 -1. - <_> - 9 0 1 1 3. - <_> - - <_> - 18 0 4 2 -1. - <_> - 20 0 2 1 2. - <_> - 18 1 2 1 2. - <_> - - <_> - 4 0 4 1 -1. - <_> - 5 0 2 1 2. - <_> - - <_> - 14 0 4 2 -1. - <_> - 15 0 2 2 2. - <_> - - <_> - 6 2 2 2 -1. - <_> - 6 2 1 1 2. - <_> - 7 3 1 1 2. - <_> - - <_> - 16 1 3 3 -1. - <_> - 17 2 1 1 9. - <_> - - <_> - 4 0 3 2 -1. - <_> - 5 0 1 2 3. - <_> - - <_> - 9 1 4 4 -1. - <_> - 9 1 2 4 2. - <_> - - <_> - 6 1 3 3 -1. - <_> - 7 2 1 1 9. - <_> - - <_> - 14 0 3 2 -1. - <_> - 15 0 1 2 3. - <_> - - <_> - 0 0 4 2 -1. - <_> - 0 0 2 1 2. - <_> - 2 1 2 1 2. - <_> - - <_> - 17 2 2 1 -1. - <_> - 17 2 1 1 2. - <_> - - <_> - 5 0 3 2 -1. - <_> - 6 0 1 2 3. - <_> - - <_> - 16 0 4 3 -1. - <_> - 16 1 4 1 3. - <_> - - <_> - 4 3 5 2 -1. - <_> - 4 4 5 1 2. - <_> - - <_> - 17 4 3 1 -1. - <_> - 18 4 1 1 3. - <_> - - <_> - 3 2 2 1 -1. - <_> - 4 2 1 1 2. - <_> - - <_> - 17 4 3 1 -1. - <_> - 18 4 1 1 3. - <_> - - <_> - 6 4 6 1 -1. - <_> - 8 4 2 1 3. - <_> - - <_> - 5 1 16 2 -1. - <_> - 13 1 8 1 2. - <_> - 5 2 8 1 2. - <_> - - <_> - 2 4 3 1 -1. - <_> - 3 4 1 1 3. - <_> - - <_> - 6 1 14 2 -1. - <_> - 13 1 7 1 2. - <_> - 6 2 7 1 2. - <_> - - <_> - 2 1 14 2 -1. - <_> - 2 1 7 1 2. - <_> - 9 2 7 1 2. - <_> - - <_> - 16 1 4 2 -1. - <_> - 16 2 4 1 2. - <_> - - <_> - 8 1 6 2 -1. - <_> - 8 1 3 1 2. - <_> - 11 2 3 1 2. - <_> - - <_> - 16 1 4 3 -1. - <_> - 16 2 4 1 3. - <_> - - <_> - 2 1 4 2 -1. - <_> - 2 2 4 1 2. - <_> - - <_> - 10 0 8 5 -1. - <_> - 10 0 4 5 2. - <_> - - <_> - 6 1 6 3 -1. - <_> - 8 1 2 3 3. - <_> - - <_> - 19 1 2 2 -1. - <_> - 20 1 1 1 2. - <_> - 19 2 1 1 2. - <_> - - <_> - 8 0 4 4 -1. - <_> - 10 0 2 4 2. - <_> - - <_> - 19 0 2 1 -1. - <_> - 19 0 1 1 2. - 1 - <_> - - <_> - 0 0 20 4 -1. - <_> - 0 0 10 2 2. - <_> - 10 2 10 2 2. - <_> - - <_> - 19 1 3 4 -1. - <_> - 19 3 3 2 2. - <_> - - <_> - 0 3 22 2 -1. - <_> - 11 3 11 2 2. - <_> - - <_> - 14 1 2 2 -1. - <_> - 15 1 1 1 2. - <_> - 14 2 1 1 2. - <_> - - <_> - 6 1 2 2 -1. - <_> - 6 1 1 1 2. - <_> - 7 2 1 1 2. - <_> - - <_> - 14 0 1 2 -1. - <_> - 14 0 1 1 2. - 1 - <_> - - <_> - 3 4 3 1 -1. - <_> - 4 4 1 1 3. - <_> - - <_> - 15 2 3 1 -1. - <_> - 16 2 1 1 3. - <_> - - <_> - 7 0 2 1 -1. - <_> - 8 0 1 1 2. - <_> - - <_> - 19 1 2 2 -1. - <_> - 20 1 1 1 2. - <_> - 19 2 1 1 2. - <_> - - <_> - 1 1 2 2 -1. - <_> - 1 1 1 1 2. - <_> - 2 2 1 1 2. - <_> - - <_> - 21 1 1 2 -1. - <_> - 21 2 1 1 2. - <_> - - <_> - 0 1 1 2 -1. - <_> - 0 2 1 1 2. - <_> - - <_> - 12 0 3 1 -1. - <_> - 13 0 1 1 3. - <_> - - <_> - 0 3 2 2 -1. - <_> - 0 4 2 1 2. - <_> - - <_> - 12 0 3 1 -1. - <_> - 13 0 1 1 3. - <_> - - <_> - 6 3 8 2 -1. - <_> - 6 3 4 1 2. - <_> - 10 4 4 1 2. - <_> - - <_> - 12 0 3 1 -1. - <_> - 13 0 1 1 3. - <_> - - <_> - 0 2 3 1 -1. - <_> - 1 2 1 1 3. - <_> - - <_> - 10 2 2 2 -1. - <_> - 10 2 1 2 2. - <_> - - <_> - 10 1 2 4 -1. - <_> - 11 1 1 4 2. - <_> - - <_> - 12 0 3 1 -1. - <_> - 13 0 1 1 3. - <_> - - <_> - 7 0 3 1 -1. - <_> - 8 0 1 1 3. - <_> - - <_> - 17 1 4 2 -1. - <_> - 19 1 2 1 2. - <_> - 17 2 2 1 2. - <_> - - <_> - 1 1 4 2 -1. - <_> - 1 1 2 1 2. - <_> - 3 2 2 1 2. - <_> - - <_> - 18 1 2 1 -1. - <_> - 18 1 1 1 2. - <_> - - <_> - 2 1 2 1 -1. - <_> - 3 1 1 1 2. - <_> - - <_> - 18 2 2 2 -1. - <_> - 19 2 1 1 2. - <_> - 18 3 1 1 2. - <_> - - <_> - 2 0 2 2 -1. - <_> - 3 0 1 2 2. - <_> - - <_> - 18 2 2 2 -1. - <_> - 19 2 1 1 2. - <_> - 18 3 1 1 2. - <_> - - <_> - 7 0 3 1 -1. - <_> - 8 1 1 1 3. - 1 - <_> - - <_> - 18 2 2 2 -1. - <_> - 19 2 1 1 2. - <_> - 18 3 1 1 2. - <_> - - <_> - 2 2 2 2 -1. - <_> - 2 2 1 1 2. - <_> - 3 3 1 1 2. - <_> - - <_> - 20 2 1 2 -1. - <_> - 20 2 1 1 2. - 1 - <_> - - <_> - 2 2 2 1 -1. - <_> - 2 2 1 1 2. - 1 - <_> - - <_> - 13 0 5 2 -1. - <_> - 13 1 5 1 2. - <_> - - <_> - 6 3 10 2 -1. - <_> - 6 3 5 1 2. - <_> - 11 4 5 1 2. - <_> - - <_> - 10 3 2 2 -1. - <_> - 11 3 1 1 2. - <_> - 10 4 1 1 2. - <_> - - <_> - 2 2 8 3 -1. - <_> - 6 2 4 3 2. - <_> - - <_> - 12 3 3 1 -1. - <_> - 13 3 1 1 3. - <_> - - <_> - 2 4 16 1 -1. - <_> - 10 4 8 1 2. - <_> - - <_> - 12 2 3 2 -1. - <_> - 13 2 1 2 3. - <_> - - <_> - 7 2 3 2 -1. - <_> - 8 2 1 2 3. - <_> - - <_> - 11 2 2 2 -1. - <_> - 12 2 1 1 2. - <_> - 11 3 1 1 2. - <_> - - <_> - 9 2 2 2 -1. - <_> - 9 2 1 1 2. - <_> - 10 3 1 1 2. - <_> - - <_> - 15 2 4 2 -1. - <_> - 17 2 2 1 2. - <_> - 15 3 2 1 2. - <_> - - <_> - 6 0 8 5 -1. - <_> - 8 0 4 5 2. - <_> - - <_> - 13 2 2 1 -1. - <_> - 13 2 1 1 2. - 1 - <_> - - <_> - 9 2 1 2 -1. - <_> - 9 2 1 1 2. - 1 - <_> - - <_> - 15 2 4 2 -1. - <_> - 17 2 2 1 2. - <_> - 15 3 2 1 2. - <_> - - <_> - 3 2 4 2 -1. - <_> - 3 2 2 1 2. - <_> - 5 3 2 1 2. - <_> - - <_> - 17 0 4 2 -1. - <_> - 18 0 2 2 2. - <_> - - <_> - 1 0 4 2 -1. - <_> - 2 0 2 2 2. - <_> - - <_> - 14 0 4 2 -1. - <_> - 16 0 2 1 2. - <_> - 14 1 2 1 2. - <_> - - <_> - 11 1 3 1 -1. - <_> - 12 2 1 1 3. - 1 - <_> - - <_> - 3 2 3 2 -1. - <_> - 4 2 1 2 3. - <_> - - <_> - 9 0 10 3 -1. - <_> - 9 0 5 3 2. - <_> - - <_> - 2 0 3 2 -1. - <_> - 3 1 1 2 3. - 1 - <_> - - <_> - 11 1 2 4 -1. - <_> - 11 1 1 4 2. - <_> - - <_> - 1 2 16 1 -1. - <_> - 9 2 8 1 2. - <_> - - <_> - 14 2 2 1 -1. - <_> - 14 2 1 1 2. - 1 - <_> - - <_> - 5 2 3 1 -1. - <_> - 6 2 1 1 3. - <_> - - <_> - 21 0 1 4 -1. - <_> - 21 2 1 2 2. - <_> - - <_> - 7 2 1 2 -1. - <_> - 7 2 1 1 2. - 1 - <_> - - <_> - 10 3 6 2 -1. - <_> - 12 3 2 2 3. - <_> - - <_> - 0 1 2 2 -1. - <_> - 0 1 1 1 2. - <_> - 1 2 1 1 2. - <_> - - <_> - 0 0 22 4 -1. - <_> - 11 0 11 2 2. - <_> - 0 2 11 2 2. - <_> - - <_> - 2 2 2 2 -1. - <_> - 2 2 1 1 2. - <_> - 3 3 1 1 2. - <_> - - <_> - 4 2 14 2 -1. - <_> - 11 2 7 1 2. - <_> - 4 3 7 1 2. - <_> - - <_> - 1 4 4 1 -1. - <_> - 2 4 2 1 2. - <_> - - <_> - 8 4 6 1 -1. - <_> - 10 4 2 1 3. - <_> - - <_> - 4 0 5 4 -1. - <_> - 4 1 5 2 2. - <_> - - <_> - 16 0 4 3 -1. - <_> - 16 1 4 1 3. - <_> - - <_> - 2 0 4 3 -1. - <_> - 2 1 4 1 3. - <_> - - <_> - 12 0 2 1 -1. - <_> - 12 0 1 1 2. - <_> - - <_> - 0 3 22 2 -1. - <_> - 0 3 11 1 2. - <_> - 11 4 11 1 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - <_> - - <_> - 0 4 6 1 -1. - <_> - 2 4 2 1 3. - <_> - - <_> - 18 1 1 3 -1. - <_> - 18 2 1 1 3. - <_> - - <_> - 1 2 6 3 -1. - <_> - 3 2 2 3 3. - <_> - - <_> - 18 1 1 3 -1. - <_> - 18 2 1 1 3. - <_> - - <_> - 3 1 1 3 -1. - <_> - 3 2 1 1 3. - <_> - - <_> - 21 3 1 2 -1. - <_> - 21 4 1 1 2. - <_> - - <_> - 0 3 1 2 -1. - <_> - 0 4 1 1 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - <_> - - <_> - 4 0 2 1 -1. - <_> - 5 0 1 1 2. - <_> - - <_> - 8 0 12 3 -1. - <_> - 12 1 4 1 9. - <_> - - <_> - 8 0 4 1 -1. - <_> - 9 0 2 1 2. - <_> - - <_> - 10 0 8 4 -1. - <_> - 10 0 4 4 2. - <_> - - <_> - 9 0 4 4 -1. - <_> - 11 0 2 4 2. - <_> - - <_> - 8 0 12 3 -1. - <_> - 12 1 4 1 9. - <_> - - <_> - 2 0 12 3 -1. - <_> - 6 1 4 1 9. - <_> - - <_> - 10 0 8 4 -1. - <_> - 10 0 4 4 2. - <_> - - <_> - 4 0 8 4 -1. - <_> - 8 0 4 4 2. - <_> - - <_> - 10 1 6 4 -1. - <_> - 12 1 2 4 3. - <_> - - <_> - 9 2 3 3 -1. - <_> - 10 2 1 3 3. - <_> - - <_> - 10 1 6 4 -1. - <_> - 12 1 2 4 3. - <_> - - <_> - 6 1 6 4 -1. - <_> - 8 1 2 4 3. - <_> - - <_> - 6 2 10 2 -1. - <_> - 11 2 5 1 2. - <_> - 6 3 5 1 2. - <_> - - <_> - 2 1 15 3 -1. - <_> - 7 2 5 1 9. - <_> - - <_> - 14 1 2 1 -1. - <_> - 14 1 1 1 2. - <_> - - <_> - 1 2 3 1 -1. - <_> - 2 2 1 1 3. - <_> - - <_> - 4 2 15 1 -1. - <_> - 9 2 5 1 3. - <_> - - <_> - 4 2 3 1 -1. - <_> - 5 2 1 1 3. - <_> - - <_> - 14 1 2 1 -1. - <_> - 14 1 1 1 2. - <_> - - <_> - 0 1 9 2 -1. - <_> - 3 1 3 2 3. - <_> - - <_> - 21 2 1 2 -1. - <_> - 21 3 1 1 2. - <_> - - <_> - 0 2 1 2 -1. - <_> - 0 3 1 1 2. - <_> - - <_> - 0 3 22 1 -1. - <_> - 0 3 11 1 2. - <_> - - <_> - 0 3 16 2 -1. - <_> - 4 3 8 2 2. - <_> - - <_> - 15 2 3 1 -1. - <_> - 16 2 1 1 3. - <_> - - <_> - 4 4 3 1 -1. - <_> - 5 4 1 1 3. - <_> - - <_> - 14 0 6 2 -1. - <_> - 17 0 3 1 2. - <_> - 14 1 3 1 2. - <_> - - <_> - 2 0 6 2 -1. - <_> - 2 0 3 1 2. - <_> - 5 1 3 1 2. - <_> - - <_> - 11 3 2 2 -1. - <_> - 12 3 1 1 2. - <_> - 11 4 1 1 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 0 1 1 2. - <_> - 1 1 1 1 2. - <_> - - <_> - 17 0 4 2 -1. - <_> - 18 0 2 2 2. - <_> - - <_> - 1 0 4 2 -1. - <_> - 2 0 2 2 2. - <_> - - <_> - 16 0 3 2 -1. - <_> - 17 0 1 2 3. - <_> - - <_> - 3 0 3 2 -1. - <_> - 4 0 1 2 3. - <_> - - <_> - 12 1 2 4 -1. - <_> - 13 1 1 2 2. - <_> - 12 3 1 2 2. - <_> - - <_> - 8 1 2 4 -1. - <_> - 8 1 1 2 2. - <_> - 9 3 1 2 2. - <_> - - <_> - 14 0 4 2 -1. - <_> - 15 0 2 2 2. - <_> - - <_> - 10 0 2 2 -1. - <_> - 10 0 1 1 2. - <_> - 11 1 1 1 2. - <_> - - <_> - 15 1 2 2 -1. - <_> - 16 1 1 1 2. - <_> - 15 2 1 1 2. - <_> - - <_> - 7 1 8 2 -1. - <_> - 7 1 4 1 2. - <_> - 11 2 4 1 2. - <_> - - <_> - 9 2 9 3 -1. - <_> - 12 3 3 1 9. - <_> - - <_> - 4 2 9 3 -1. - <_> - 7 3 3 1 9. - <_> - - <_> - 19 2 2 2 -1. - <_> - 20 2 1 1 2. - <_> - 19 3 1 1 2. - <_> - - <_> - 9 2 1 2 -1. - <_> - 9 2 1 1 2. - 1 - <_> - - <_> - 7 2 8 3 -1. - <_> - 7 2 4 3 2. - <_> - - <_> - 4 0 3 1 -1. - <_> - 5 0 1 1 3. - <_> - - <_> - 13 4 3 1 -1. - <_> - 14 4 1 1 3. - <_> - - <_> - 1 2 2 2 -1. - <_> - 1 2 1 1 2. - <_> - 2 3 1 1 2. - <_> - - <_> - 19 2 2 2 -1. - <_> - 20 2 1 1 2. - <_> - 19 3 1 1 2. - <_> - - <_> - 1 1 2 2 -1. - <_> - 1 1 1 1 2. - <_> - 2 2 1 1 2. - <_> - - <_> - 21 0 1 4 -1. - <_> - 21 2 1 2 2. - <_> - - <_> - 0 0 1 4 -1. - <_> - 0 2 1 2 2. - <_> - - <_> - 14 0 3 1 -1. - <_> - 15 0 1 1 3. - <_> - - <_> - 2 0 16 2 -1. - <_> - 6 0 8 2 2. - <_> - - <_> - 14 0 3 1 -1. - <_> - 15 0 1 1 3. - <_> - - <_> - 3 1 16 2 -1. - <_> - 11 1 8 2 2. - <_> - - <_> - 13 4 3 1 -1. - <_> - 14 4 1 1 3. - <_> - - <_> - 6 4 3 1 -1. - <_> - 7 4 1 1 3. - <_> - - <_> - 11 2 2 1 -1. - <_> - 11 2 1 1 2. - 1 - <_> - - <_> - 9 0 4 3 -1. - <_> - 11 0 2 3 2. - <_> - - <_> - 14 2 2 1 -1. - <_> - 14 2 1 1 2. - 1 - <_> - - <_> - 8 0 2 1 -1. - <_> - 8 0 1 1 2. - 1 - <_> - - <_> - 12 1 2 2 -1. - <_> - 12 1 1 2 2. - 1 - <_> - - <_> - 9 3 2 2 -1. - <_> - 9 3 1 1 2. - <_> - 10 4 1 1 2. - <_> - - <_> - 4 2 16 1 -1. - <_> - 4 2 8 1 2. - <_> - - <_> - 3 0 2 1 -1. - <_> - 4 0 1 1 2. - <_> - - <_> - 14 0 8 5 -1. - <_> - 14 0 4 5 2. - <_> - - <_> - 0 0 8 5 -1. - <_> - 4 0 4 5 2. - <_> - - <_> - 15 1 2 2 -1. - <_> - 16 1 1 1 2. - <_> - 15 2 1 1 2. - <_> - - <_> - 6 1 3 2 -1. - <_> - 7 1 1 2 3. - <_> - - <_> - 15 1 3 3 -1. - <_> - 16 2 1 1 9. - <_> - - <_> - 4 1 3 3 -1. - <_> - 5 2 1 1 9. - <_> - - <_> - 16 0 2 3 -1. - <_> - 16 1 2 1 3. - <_> - - <_> - 8 2 6 1 -1. - <_> - 11 2 3 1 2. - <_> - - <_> - 10 0 12 2 -1. - <_> - 13 0 6 2 2. - <_> - - <_> - 0 2 22 3 -1. - <_> - 11 2 11 3 2. - <_> - - <_> - 15 4 2 1 -1. - <_> - 15 4 1 1 2. - <_> - - <_> - 0 0 3 3 -1. - <_> - 1 0 1 3 3. - <_> - - <_> - 15 1 6 2 -1. - <_> - 17 1 2 2 3. - <_> - - <_> - 8 0 4 5 -1. - <_> - 10 0 2 5 2. - <_> - - <_> - 11 3 4 1 -1. - <_> - 12 3 2 1 2. - <_> - - <_> - 7 3 4 1 -1. - <_> - 8 3 2 1 2. - <_> - - <_> - 16 0 2 3 -1. - <_> - 16 1 2 1 3. - <_> - - <_> - 4 0 2 3 -1. - <_> - 4 1 2 1 3. - <_> - - <_> - 14 2 2 1 -1. - <_> - 14 2 1 1 2. - 1 - <_> - - <_> - 1 2 6 1 -1. - <_> - 3 2 2 1 3. - <_> - - <_> - 7 0 8 2 -1. - <_> - 11 0 4 1 2. - <_> - 7 1 4 1 2. - <_> - - <_> - 9 0 3 1 -1. - <_> - 10 0 1 1 3. - <_> - - <_> - 11 0 2 2 -1. - <_> - 12 0 1 1 2. - <_> - 11 1 1 1 2. - <_> - - <_> - 9 0 2 2 -1. - <_> - 9 0 1 1 2. - <_> - 10 1 1 1 2. - <_> - - <_> - 10 1 3 3 -1. - <_> - 11 1 1 3 3. - <_> - - <_> - 4 3 5 2 -1. - <_> - 4 4 5 1 2. - <_> - - <_> - 14 2 2 1 -1. - <_> - 14 2 1 1 2. - 1 - <_> - - <_> - 8 2 1 2 -1. - <_> - 8 2 1 1 2. - 1 - <_> - - <_> - 14 1 2 2 -1. - <_> - 15 1 1 1 2. - <_> - 14 2 1 1 2. - <_> - - <_> - 9 1 3 4 -1. - <_> - 10 1 1 4 3. - <_> - - <_> - 15 4 3 1 -1. - <_> - 16 4 1 1 3. - <_> - - <_> - 4 4 3 1 -1. - <_> - 5 4 1 1 3. - <_> - - <_> - 8 0 12 2 -1. - <_> - 14 0 6 1 2. - <_> - 8 1 6 1 2. - <_> - - <_> - 7 0 3 3 -1. - <_> - 8 1 1 1 9. - <_> - - <_> - 13 2 1 2 -1. - <_> - 13 2 1 1 2. - 1 - <_> - - <_> - 3 4 3 1 -1. - <_> - 4 4 1 1 3. - diff --git a/data/haarcascades/haarcascade_mcs_leftear.xml b/data/haarcascades/haarcascade_mcs_leftear.xml deleted file mode 100644 index 3598515165..0000000000 --- a/data/haarcascades/haarcascade_mcs_leftear.xml +++ /dev/null @@ -1,7633 +0,0 @@ - - - -BOOST - HAAR - 12 - 20 - - 65 - - 0 - 20 - - <_> - 7 - -1.6897829771041870e+00 - - <_> - - 0 -1 0 1.2798480689525604e-01 - - -7.1108317375183105e-01 8.3952748775482178e-01 - <_> - - 0 -1 1 5.0366270443191752e-05 - - -7.7958387136459351e-01 4.1161769628524780e-01 - <_> - - 0 -1 2 -1.1398220434784889e-02 - - 5.5991190671920776e-01 -5.2993881702423096e-01 - <_> - - 0 -1 3 2.8897399082779884e-02 - - -9.6023030579090118e-02 1.8446889519691467e-01 - <_> - - 0 -1 4 -5.7543441653251648e-03 - - 3.9083909988403320e-01 -7.0798218250274658e-01 - <_> - - 0 -1 5 1.2758660130202770e-02 - - -7.6031517982482910e-01 2.6452711224555969e-01 - <_> - - 0 -1 6 -4.1698651330079883e-05 - - 3.2332289218902588e-01 -5.7402020692825317e-01 - <_> - 12 - -1.6203830242156982e+00 - - <_> - - 0 -1 7 1.7598830163478851e-01 - - -5.9234100580215454e-01 7.8493958711624146e-01 - <_> - - 0 -1 8 3.8594089448451996e-02 - - -6.8187582492828369e-01 3.8166061043739319e-01 - <_> - - 0 -1 9 1.2052910029888153e-01 - - -3.7438058853149414e-01 5.2112519741058350e-01 - <_> - - 0 -1 10 2.1304990351200104e-01 - - 9.7819166257977486e-03 -6.5798282623291016e-01 - <_> - - 0 -1 11 -1.9179080426692963e-01 - - 8.8993859291076660e-01 -2.3742930591106415e-01 - <_> - - 0 -1 12 3.7649259902536869e-03 - - -9.2071659862995148e-02 1.5995720028877258e-01 - <_> - - 0 -1 13 -7.4397800490260124e-03 - - 3.5091850161552429e-01 -5.2880358695983887e-01 - <_> - - 0 -1 14 8.1300012767314911e-02 - - 4.7027029097080231e-02 -4.8141419887542725e-01 - <_> - - 0 -1 15 7.9818956553936005e-02 - - -3.0336898565292358e-01 5.7992082834243774e-01 - <_> - - 0 -1 16 3.9260480552911758e-02 - - -6.1189621686935425e-01 2.4700529873371124e-01 - <_> - - 0 -1 17 -8.6981123313307762e-03 - - 3.0427950620651245e-01 -4.3165320158004761e-01 - <_> - - 0 -1 18 5.5766489822417498e-05 - - -5.4995632171630859e-01 2.4196259677410126e-01 - <_> - 20 - -2.1234118938446045e+00 - - <_> - - 0 -1 19 1.9991339743137360e-01 - - -5.1076048612594604e-01 7.2653311491012573e-01 - <_> - - 0 -1 20 -1.6032690473366529e-04 - - 1.1732880026102066e-01 -1.9851410388946533e-01 - <_> - - 0 -1 21 6.2459441833198071e-03 - - -6.2454998493194580e-01 4.1317841410636902e-01 - <_> - - 0 -1 22 5.5343401618301868e-03 - - -8.2238370180130005e-01 2.2600589692592621e-01 - <_> - - 0 -1 23 1.0757610201835632e-01 - - -5.5525738000869751e-01 4.3564280867576599e-01 - <_> - - 0 -1 24 -9.9556613713502884e-03 - - 2.9808950424194336e-01 -3.0220919847488403e-01 - <_> - - 0 -1 25 -4.8354369937442243e-05 - - 4.4047379493713379e-01 -6.6946560144424438e-01 - <_> - - 0 -1 26 1.9743980374187231e-04 - - -2.5094148516654968e-01 1.9814400374889374e-01 - <_> - - 0 -1 27 -4.4098760554334149e-05 - - 3.0689230561256409e-01 -6.6775608062744141e-01 - <_> - - 0 -1 28 -1.7941730096936226e-02 - - 2.7399578690528870e-01 -2.9671499133110046e-01 - <_> - - 0 -1 29 5.3291041695047170e-05 - - -6.7100298404693604e-01 2.4690890312194824e-01 - <_> - - 0 -1 30 6.4407112076878548e-03 - - -5.2723282575607300e-01 2.4782879650592804e-01 - <_> - - 0 -1 31 -4.9925990402698517e-02 - - 8.2168322801589966e-01 -2.4012729525566101e-01 - <_> - - 0 -1 32 2.4148030206561089e-03 - - -3.8689721375703812e-02 1.9318090379238129e-01 - <_> - - 0 -1 33 6.2534123659133911e-02 - - -4.1077169775962830e-01 6.0665780305862427e-01 - <_> - - 0 -1 34 8.8917986431624740e-05 - - -6.7601591348648071e-01 3.1252190470695496e-01 - <_> - - 0 -1 35 -2.2447909577749670e-04 - - 1.8520550429821014e-01 -7.7942901849746704e-01 - <_> - - 0 -1 36 1.8156330042984337e-04 - - -6.6956442594528198e-01 1.5837380290031433e-01 - <_> - - 0 -1 37 5.0366270443191752e-05 - - -4.6770051121711731e-01 2.4539180099964142e-01 - <_> - - 0 -1 38 6.0776848840760067e-05 - - -6.8354898691177368e-01 1.8664689362049103e-01 - <_> - 12 - -1.4351799488067627e+00 - - <_> - - 0 -1 39 1.5990820527076721e-01 - - -6.2714368104934692e-01 7.2424608469009399e-01 - <_> - - 0 -1 40 7.6372842304408550e-03 - - 8.7740488350391388e-02 -5.2430278062820435e-01 - <_> - - 0 -1 41 6.0625150799751282e-03 - - -4.3119868636131287e-01 4.6857520937919617e-01 - <_> - - 0 -1 42 2.5897640734910965e-02 - - 1.5866510570049286e-02 -6.5979748964309692e-01 - <_> - - 0 -1 43 5.8885440230369568e-02 - - -2.1157009899616241e-01 6.7942970991134644e-01 - <_> - - 0 -1 44 1.1850179731845856e-01 - - -1.0366249829530716e-01 7.4645912647247314e-01 - <_> - - 0 -1 45 -1.6655250219628215e-03 - - -6.7015552520751953e-01 2.2192029654979706e-01 - <_> - - 0 -1 46 -4.4783479097532108e-05 - - 2.5404050946235657e-01 -4.9562969803810120e-01 - <_> - - 0 -1 47 -8.3481962792575359e-04 - - -7.3370438814163208e-01 2.0266470313072205e-01 - <_> - - 0 -1 48 -9.3157468363642693e-03 - - -7.3412007093429565e-01 7.2000503540039062e-02 - <_> - - 0 -1 49 -2.9555149376392365e-02 - - 5.1195901632308960e-01 -2.5446298718452454e-01 - <_> - - 0 -1 50 -7.9029072076082230e-03 - - -5.3299552202224731e-01 8.8295362889766693e-02 - <_> - 12 - -1.3800990581512451e+00 - - <_> - - 0 -1 51 9.8843306303024292e-02 - - -5.0631648302078247e-01 6.3027667999267578e-01 - <_> - - 0 -1 52 -4.2210938408970833e-03 - - 1.7837150394916534e-01 -3.3268490433692932e-01 - <_> - - 0 -1 53 2.9967099428176880e-02 - - -4.5201331377029419e-01 4.6473979949951172e-01 - <_> - - 0 -1 54 -1.6702869534492493e-01 - - 8.0514347553253174e-01 -4.0616780519485474e-02 - <_> - - 0 -1 55 1.9976759329438210e-02 - - 2.0976160466670990e-01 -7.3149591684341431e-01 - <_> - - 0 -1 56 8.1860616803169250e-02 - - -5.4268407821655273e-01 2.1634259819984436e-01 - <_> - - 0 -1 57 1.2709829956293106e-02 - - -2.4989350140094757e-01 4.7262668609619141e-01 - <_> - - 0 -1 58 -3.4979879856109619e-02 - - 3.0420958995819092e-01 -3.5224550962448120e-01 - <_> - - 0 -1 59 -1.3223739806562662e-03 - - -6.9712251424789429e-01 1.6912660002708435e-01 - <_> - - 0 -1 60 -2.3282319307327271e-02 - - 3.3972018957138062e-01 -3.6639729142189026e-01 - <_> - - 0 -1 61 -1.5517599880695343e-01 - - 7.3445862531661987e-01 -1.8277870118618011e-01 - <_> - - 0 -1 62 -3.9222039282321930e-02 - - 3.5923731327056885e-01 -1.1233209818601608e-01 - <_> - 37 - -2.0749111175537109e+00 - - <_> - - 0 -1 63 6.2616936862468719e-02 - - -4.8533481359481812e-01 6.1538851261138916e-01 - <_> - - 0 -1 64 1.1619539931416512e-02 - - -5.7667458057403564e-01 3.8557919859886169e-01 - <_> - - 0 -1 65 -5.7566948235034943e-03 - - 2.6634719967842102e-01 -8.2090580463409424e-01 - <_> - - 0 -1 66 9.2315487563610077e-03 - - -8.0720931291580200e-01 2.0323330163955688e-01 - <_> - - 0 -1 67 -3.3656319137662649e-03 - - 2.0334909856319427e-01 -7.4802142381668091e-01 - <_> - - 0 -1 68 1.2655390310101211e-04 - - -5.8880287408828735e-01 1.7631030082702637e-01 - <_> - - 0 -1 69 1.0345769673585892e-01 - - -4.2211589217185974e-01 3.3677190542221069e-01 - <_> - - 0 -1 70 -1.7050839960575104e-04 - - 1.8885380029678345e-01 -2.6626259088516235e-01 - <_> - - 0 -1 71 1.1793050362030044e-04 - - -7.1056002378463745e-01 2.2684849798679352e-01 - <_> - - 0 -1 72 -9.7460933029651642e-02 - - 4.2451021075248718e-01 -3.9501309394836426e-01 - <_> - - 0 -1 73 -1.7512679100036621e-02 - - 3.6552980542182922e-01 -3.5724669694900513e-01 - <_> - - 0 -1 74 1.7156290414277464e-04 - - -3.1259360909461975e-01 1.1446060240268707e-01 - <_> - - 0 -1 75 8.5574887692928314e-02 - - -2.0559160411357880e-01 8.9941620826721191e-01 - <_> - - 0 -1 76 1.1759579647332430e-03 - - -7.5939810276031494e-01 2.1389579772949219e-01 - <_> - - 0 -1 77 8.8068292825482786e-05 - - -6.0090541839599609e-01 2.5762718915939331e-01 - <_> - - 0 -1 78 2.3003520618658513e-04 - - -4.1466540098190308e-01 2.3084460198879242e-01 - <_> - - 0 -1 79 -3.4361891448497772e-04 - - 3.2730078697204590e-01 -7.4609941244125366e-01 - <_> - - 0 -1 80 1.5595999546349049e-02 - - -3.6050570011138916e-01 1.9414800405502319e-01 - <_> - - 0 -1 81 -6.5029867982957512e-05 - - 3.4985640645027161e-01 -5.5353438854217529e-01 - <_> - - 0 -1 82 8.0799087299965322e-05 - - -4.1298541426658630e-01 2.9194280505180359e-01 - <_> - - 0 -1 83 -1.7670560628175735e-02 - - 5.6811487674713135e-01 -3.0118390917778015e-01 - <_> - - 0 -1 84 5.2467430941760540e-03 - - -3.9970070123672485e-01 2.5405979156494141e-01 - <_> - - 0 -1 85 2.7624730137176812e-04 - - -4.6306419372558594e-01 2.7200910449028015e-01 - <_> - - 0 -1 86 -7.6283427188172936e-04 - - 4.7710940241813660e-01 -2.8456479310989380e-01 - <_> - - 0 -1 87 5.4720909247407690e-05 - - -5.9415602684020996e-01 2.8456559777259827e-01 - <_> - - 0 -1 88 -5.8523961342871189e-05 - - 1.8699720501899719e-01 -2.9498028755187988e-01 - <_> - - 0 -1 89 -2.3030990269035101e-04 - - 3.1419369578361511e-01 -5.2966248989105225e-01 - <_> - - 0 -1 90 1.2743050465360284e-03 - - -3.4386789798736572e-01 2.7126389741897583e-01 - <_> - - 0 -1 91 1.1066290317103267e-03 - - -4.5228588581085205e-01 2.4860590696334839e-01 - <_> - - 0 -1 92 -1.4225989580154419e-03 - - 3.3848088979721069e-01 -4.1214609146118164e-01 - <_> - - 0 -1 93 1.8614599481225014e-02 - - -1.9110870361328125e-01 6.4115452766418457e-01 - <_> - - 0 -1 94 4.5832890464225784e-05 - - -5.8493572473526001e-01 2.5314238667488098e-01 - <_> - - 0 -1 95 -9.9875287560280412e-05 - - 3.6051398515701294e-01 -5.3231191635131836e-01 - <_> - - 0 -1 96 -1.1277929879724979e-02 - - 2.7766379714012146e-01 -2.4176590144634247e-01 - <_> - - 0 -1 97 -1.5279600024223328e-01 - - 8.3433318138122559e-01 -1.8692030012607574e-01 - <_> - - 0 -1 98 -3.6294270306825638e-02 - - 3.9919948577880859e-01 -4.1119259595870972e-01 - <_> - - 0 -1 99 -4.5436818152666092e-02 - - 6.8093067407608032e-01 -1.4669400453567505e-01 - <_> - 13 - -1.8404649496078491e+00 - - <_> - - 0 -1 100 1.6328740119934082e-01 - - -6.0435330867767334e-01 5.5052411556243896e-01 - <_> - - 0 -1 101 9.7092619398608804e-05 - - -9.0228801965713501e-01 2.6281669735908508e-01 - <_> - - 0 -1 102 -2.7205731021240354e-04 - - 2.8341010212898254e-01 -8.1372922658920288e-01 - <_> - - 0 -1 103 1.8128680530935526e-03 - - -8.3362382650375366e-01 2.1307690441608429e-01 - <_> - - 0 -1 104 -8.7052993476390839e-03 - - 2.8303650021553040e-01 -7.2392731904983521e-01 - <_> - - 0 -1 105 -5.6872398999985307e-05 - - 1.3844889402389526e-01 -5.0287842750549316e-01 - <_> - - 0 -1 106 3.7435539066791534e-02 - - -1.0564589872956276e-02 -1.5556719970703125e+03 - <_> - - 0 -1 107 1.5324270352721214e-02 - - 1.3988590240478516e-01 -6.1316817998886108e-01 - <_> - - 0 -1 108 2.1410979330539703e-02 - - -2.2393199801445007e-01 5.6233572959899902e-01 - <_> - - 0 -1 109 1.9795040134340525e-04 - - -2.3459529876708984e-01 1.3877849280834198e-01 - <_> - - 0 -1 110 -5.1461639814078808e-03 - - -8.9666271209716797e-01 1.4354419708251953e-01 - <_> - - 0 -1 111 -3.3491749316453934e-02 - - 8.1797057390213013e-01 -8.1737898290157318e-02 - <_> - - 0 -1 112 -7.3674921877682209e-03 - - -6.5259951353073120e-01 1.7211680114269257e-01 - <_> - 20 - -1.3563539981842041e+00 - - <_> - - 0 -1 113 7.3508180677890778e-02 - - -4.6614921092987061e-01 5.0694358348846436e-01 - <_> - - 0 -1 114 8.5386466234922409e-03 - - -2.4482139945030212e-01 6.0921180248260498e-01 - <_> - - 0 -1 115 2.2265550494194031e-01 - - -2.3087610304355621e-01 4.4181710481643677e-01 - <_> - - 0 -1 116 7.4994042515754700e-02 - - 1.1506160348653793e-01 -5.5417829751968384e-01 - <_> - - 0 -1 117 -1.6755120456218719e-01 - - 7.4653017520904541e-01 -1.3431079685688019e-01 - <_> - - 0 -1 118 -2.4138720706105232e-02 - - -4.9592089653015137e-01 6.2578730285167694e-02 - <_> - - 0 -1 119 1.1620320379734039e-02 - - -1.7977459728717804e-01 5.6873577833175659e-01 - <_> - - 0 -1 120 4.8821419477462769e-02 - - 4.2774148285388947e-02 -6.0440838336944580e-01 - <_> - - 0 -1 121 3.5715501755475998e-02 - - -2.0169410109519958e-01 5.1855558156967163e-01 - <_> - - 0 -1 122 -1.7011469230055809e-02 - - -6.6163742542266846e-01 4.5137479901313782e-02 - <_> - - 0 -1 123 -1.6027579084038734e-02 - - 5.4205197095870972e-01 -1.8311430513858795e-01 - <_> - - 0 -1 124 9.6712950617074966e-03 - - 3.4085698425769806e-02 -3.6544409394264221e-01 - <_> - - 0 -1 125 -1.0325650218874216e-03 - - -7.0559221506118774e-01 1.2839829921722412e-01 - <_> - - 0 -1 126 -5.7438347721472383e-04 - - 2.0413300395011902e-01 -4.6021059155464172e-01 - <_> - - 0 -1 127 1.2579349568113685e-03 - - 1.9696569442749023e-01 -4.9659618735313416e-01 - <_> - - 0 -1 128 -2.3272659629583359e-02 - - -6.4083862304687500e-01 -1.3145440258085728e-02 - <_> - - 0 -1 129 -4.8163738101720810e-03 - - -7.4635922908782959e-01 1.1569319665431976e-01 - <_> - - 0 -1 130 2.6880908990278840e-04 - - -1.7020240426063538e-01 1.0989090055227280e-01 - <_> - - 0 -1 131 -9.1302618384361267e-03 - - -8.6084252595901489e-01 1.0507579892873764e-01 - <_> - - 0 -1 132 1.5290869772434235e-01 - - -3.0442950129508972e-01 2.9691061377525330e-01 - <_> - 27 - -1.4800649881362915e+00 - - <_> - - 0 -1 133 1.0870260000228882e-01 - - -3.9208391308784485e-01 4.2441639304161072e-01 - <_> - - 0 -1 134 -8.5436011431738734e-05 - - 1.1648490279912949e-01 -1.2261509895324707e-01 - <_> - - 0 -1 135 8.7897274643182755e-03 - - -2.2223709523677826e-01 5.8239942789077759e-01 - <_> - - 0 -1 136 1.9092390313744545e-02 - - -2.8222650289535522e-01 3.4780630469322205e-01 - <_> - - 0 -1 137 -1.4692190103232861e-02 - - 2.4436180293560028e-01 -4.4442260265350342e-01 - <_> - - 0 -1 138 1.7424240708351135e-02 - - 3.9642699062824249e-02 -5.0866502523422241e-01 - <_> - - 0 -1 139 6.9210886955261230e-02 - - -1.5061080455780029e-01 5.4918211698532104e-01 - <_> - - 0 -1 140 1.1516460031270981e-01 - - 4.7058542259037495e-03 -6.0872167348861694e-01 - <_> - - 0 -1 141 -9.0783968567848206e-02 - - 7.6661890745162964e-01 -1.1532770097255707e-01 - <_> - - 0 -1 142 9.3459866940975189e-02 - - 7.7324211597442627e-02 -7.2869849205017090e-01 - <_> - - 0 -1 143 1.4063410460948944e-01 - - -3.0280780792236328e-01 2.9996991157531738e-01 - <_> - - 0 -1 144 7.5702848844230175e-03 - - -2.5590381026268005e-01 3.4416630864143372e-01 - <_> - - 0 -1 145 8.1542655825614929e-03 - - 1.2018810212612152e-01 -8.5254168510437012e-01 - <_> - - 0 -1 146 8.7357666343450546e-03 - - -1.2177339941263199e-01 8.2226127386093140e-02 - <_> - - 0 -1 147 -6.9444780237972736e-03 - - -6.1111962795257568e-01 1.3486449420452118e-01 - <_> - - 0 -1 148 -4.3000229634344578e-03 - - -3.4730020165443420e-01 4.4554490596055984e-02 - <_> - - 0 -1 149 4.0720161050558090e-02 - - -1.2618629634380341e-01 6.0286152362823486e-01 - <_> - - 0 -1 150 -1.0009969584643841e-02 - - -4.5014089345932007e-01 1.8092009425163269e-01 - <_> - - 0 -1 151 1.1742020025849342e-02 - - 8.1721372902393341e-02 -8.0739098787307739e-01 - <_> - - 0 -1 152 -9.7789859864860773e-04 - - 6.6041916608810425e-02 -1.4142000675201416e-01 - <_> - - 0 -1 153 3.4487970173358917e-02 - - 1.0488150268793106e-01 -7.1635431051254272e-01 - <_> - - 0 -1 154 -2.4215620011091232e-02 - - -5.9454482793807983e-01 1.2400969862937927e-02 - <_> - - 0 -1 155 -3.7082370370626450e-02 - - 6.5830427408218384e-01 -1.2158200144767761e-01 - <_> - - 0 -1 156 -4.3632909655570984e-03 - - -6.5290719270706177e-01 1.2228529900312424e-01 - <_> - - 0 -1 157 -4.1692638769745827e-03 - - -7.3107779026031494e-01 7.7946297824382782e-02 - <_> - - 0 -1 158 6.0636870563030243e-02 - - -1.3061979785561562e-02 -8.0408149957656860e-01 - <_> - - 0 -1 159 1.5371589921414852e-02 - - 7.9872779548168182e-02 -8.5363340377807617e-01 - <_> - 25 - -1.3590339422225952e+00 - - <_> - - 0 -1 160 1.5033720061182976e-02 - - -5.3333657979965210e-01 3.4096190333366394e-01 - <_> - - 0 -1 161 -8.9624240994453430e-02 - - 1.8991500139236450e-01 -2.1448349952697754e-01 - <_> - - 0 -1 162 -5.1495251245796680e-03 - - 3.6764401197433472e-01 -3.1621339917182922e-01 - <_> - - 0 -1 163 5.6887358427047729e-02 - - -2.7120190858840942e-01 3.4590399265289307e-01 - <_> - - 0 -1 164 -1.2673810124397278e-01 - - 8.4647309780120850e-01 -6.7630723118782043e-02 - <_> - - 0 -1 165 -1.0681120306253433e-01 - - -2.8982621431350708e-01 8.3181828260421753e-02 - <_> - - 0 -1 166 1.7475779354572296e-01 - - -3.5948398709297180e-01 3.1073129177093506e-01 - <_> - - 0 -1 167 -2.4629090912640095e-03 - - -6.7824071645736694e-01 1.1908339709043503e-01 - <_> - - 0 -1 168 6.6053359769284725e-03 - - -2.4560730159282684e-01 3.7791371345520020e-01 - <_> - - 0 -1 169 1.0148379806196317e-04 - - -1.0097169876098633e-01 8.2711093127727509e-02 - <_> - - 0 -1 170 -1.8523789942264557e-02 - - -4.4592261314392090e-01 1.6946080327033997e-01 - <_> - - 0 -1 171 3.6602010950446129e-03 - - -1.0477670282125473e-01 9.4992779195308685e-02 - <_> - - 0 -1 172 -1.0257829912006855e-02 - - 4.3351659178733826e-01 -1.6978879272937775e-01 - <_> - - 0 -1 173 -9.8685777629725635e-05 - - 1.7843760550022125e-01 -2.6428279280662537e-01 - <_> - - 0 -1 174 -1.2446290347725153e-03 - - -7.2253531217575073e-01 1.0615690052509308e-01 - <_> - - 0 -1 175 1.1974680091952905e-04 - - -3.0318620800971985e-01 1.4623160660266876e-01 - <_> - - 0 -1 176 1.2079760199412704e-03 - - 1.3531659543514252e-01 -5.0457692146301270e-01 - <_> - - 0 -1 177 -1.9425910711288452e-01 - - -7.1733701229095459e-01 8.0573573708534241e-02 - <_> - - 0 -1 178 1.8599320203065872e-02 - - -1.6972489655017853e-01 4.2669999599456787e-01 - <_> - - 0 -1 179 3.0704800039529800e-02 - - 3.2838109880685806e-02 -7.2923952341079712e-01 - <_> - - 0 -1 180 2.1680949255824089e-02 - - -1.6750890016555786e-01 4.4789049029350281e-01 - <_> - - 0 -1 181 5.5604660883545876e-03 - - 9.6391409635543823e-02 -6.6830247640609741e-01 - <_> - - 0 -1 182 -5.6784078478813171e-03 - - -8.2064878940582275e-01 6.2949016690254211e-02 - <_> - - 0 -1 183 -3.0219739302992821e-02 - - 3.3288109302520752e-01 -8.1444039940834045e-02 - <_> - - 0 -1 184 2.4341929703950882e-02 - - 9.3220241367816925e-02 -6.9502758979797363e-01 - <_> - 32 - -1.4373550415039062e+00 - - <_> - - 0 -1 185 -3.9169401861727238e-03 - - 4.5325928926467896e-01 -3.0284589529037476e-01 - <_> - - 0 -1 186 1.0800900310277939e-01 - - 3.6738589406013489e-02 -7.2782218456268311e-01 - <_> - - 0 -1 187 1.5356090664863586e-01 - - -3.8900190591812134e-01 3.1287321448326111e-01 - <_> - - 0 -1 188 8.7726805359125137e-03 - - -1.5705280005931854e-01 8.2666940987110138e-02 - <_> - - 0 -1 189 -1.0571720078587532e-02 - - 2.4971100687980652e-01 -4.7014111280441284e-01 - <_> - - 0 -1 190 2.7240550145506859e-02 - - 6.0097638517618179e-02 -6.6213667392730713e-01 - <_> - - 0 -1 191 -3.6633450537919998e-02 - - 5.1044297218322754e-01 -1.7766149342060089e-01 - <_> - - 0 -1 192 1.3806289434432983e-01 - - -4.0644191205501556e-02 7.8849452733993530e-01 - <_> - - 0 -1 193 9.4720393419265747e-02 - - -4.3654170632362366e-01 1.9054649770259857e-01 - <_> - - 0 -1 194 -3.3387150615453720e-03 - - -6.8457669019699097e-01 9.6802540123462677e-02 - <_> - - 0 -1 195 1.1899480159627274e-04 - - -3.5843661427497864e-01 2.2279889881610870e-01 - <_> - - 0 -1 196 2.9007149860262871e-03 - - -1.5845039486885071e-01 6.6679857671260834e-02 - <_> - - 0 -1 197 1.2376639991998672e-02 - - -1.4206279814243317e-01 4.9320921301841736e-01 - <_> - - 0 -1 198 6.0215988196432590e-03 - - -1.4971609413623810e-01 2.1797719597816467e-01 - <_> - - 0 -1 199 -1.6887940466403961e-01 - - 7.1833407878875732e-01 -1.1091569811105728e-01 - <_> - - 0 -1 200 -7.4033271521329880e-03 - - 2.2573550045490265e-01 -3.2993030548095703e-01 - <_> - - 0 -1 201 -6.5029351972043514e-03 - - 4.7018998861312866e-01 -1.5201370418071747e-01 - <_> - - 0 -1 202 1.7706790240481496e-03 - - -1.4644999802112579e-01 9.4745017588138580e-02 - <_> - - 0 -1 203 1.7085459083318710e-02 - - 8.5357367992401123e-02 -8.2599818706512451e-01 - <_> - - 0 -1 204 -5.3032718598842621e-02 - - -6.5861982107162476e-01 -1.3727230252698064e-03 - <_> - - 0 -1 205 2.7725089341402054e-02 - - -1.4935420453548431e-01 4.4009518623352051e-01 - <_> - - 0 -1 206 5.8685488998889923e-02 - - 7.8679984435439110e-03 -4.4109138846397400e-01 - <_> - - 0 -1 207 -1.0465820319950581e-02 - - -5.8385229110717773e-01 1.0567150264978409e-01 - <_> - - 0 -1 208 -4.4063638895750046e-02 - - -5.9246909618377686e-01 5.7151052169501781e-03 - <_> - - 0 -1 209 -1.1932180263102055e-02 - - 2.3818169534206390e-01 -2.8293299674987793e-01 - <_> - - 0 -1 210 -1.2644910020753741e-03 - - 1.0124749690294266e-01 -3.3939999341964722e-01 - <_> - - 0 -1 211 -1.8404610455036163e-03 - - -6.7492902278900146e-01 9.5524467527866364e-02 - <_> - - 0 -1 212 -7.9289656132459641e-03 - - -6.7770427465438843e-01 3.4221731126308441e-02 - <_> - - 0 -1 213 5.7004559785127640e-03 - - -1.3198739290237427e-01 4.2710319161415100e-01 - <_> - - 0 -1 214 1.8237680196762085e-02 - - 3.0692299827933311e-02 -8.6847299337387085e-01 - <_> - - 0 -1 215 3.2086670398712158e-03 - - -1.3335919380187988e-01 4.3883138895034790e-01 - <_> - - 0 -1 216 1.2446580454707146e-02 - - 2.9371360316872597e-02 -7.8926819562911987e-01 - <_> - 34 - -1.3898090124130249e+00 - - <_> - - 0 -1 217 -1.2674730271100998e-02 - - 5.0484418869018555e-01 -2.5669950246810913e-01 - <_> - - 0 -1 218 1.1808129958808422e-02 - - 6.3001699745655060e-02 -4.0641498565673828e-01 - <_> - - 0 -1 219 2.5127220433205366e-03 - - -3.2253271341323853e-01 3.6614939570426941e-01 - <_> - - 0 -1 220 -3.5469220019876957e-03 - - 1.9579920172691345e-01 -1.5416850149631500e-01 - <_> - - 0 -1 221 3.9148680865764618e-02 - - -2.5791868567466736e-01 3.3852350711822510e-01 - <_> - - 0 -1 222 1.3151739537715912e-01 - - 2.7472509071230888e-02 -5.5891007184982300e-01 - <_> - - 0 -1 223 -1.6689460724592209e-02 - - 1.4658740162849426e-01 -5.2727991342544556e-01 - <_> - - 0 -1 224 6.4351540058851242e-03 - - -1.2016840279102325e-01 1.8379710614681244e-01 - <_> - - 0 -1 225 -6.3846178352832794e-02 - - 7.5390338897705078e-01 -1.0603629797697067e-01 - <_> - - 0 -1 226 -4.6943090856075287e-03 - - 2.0730340480804443e-01 -1.6408169269561768e-01 - <_> - - 0 -1 227 1.1263520456850529e-02 - - 1.0285060107707977e-01 -7.2724348306655884e-01 - <_> - - 0 -1 228 1.0440419428050518e-03 - - 1.3197229802608490e-01 -6.4476031064987183e-01 - <_> - - 0 -1 229 2.9053710401058197e-02 - - -3.2099440693855286e-01 1.9499249756336212e-01 - <_> - - 0 -1 230 1.2985640205442905e-02 - - -6.2498811632394791e-02 2.6551690697669983e-01 - <_> - - 0 -1 231 1.4938330277800560e-02 - - 8.0150052905082703e-02 -7.6676148176193237e-01 - <_> - - 0 -1 232 -3.4180350601673126e-02 - - -5.1320338249206543e-01 -3.6074419040232897e-03 - <_> - - 0 -1 233 4.3761111795902252e-02 - - -1.4384460449218750e-01 4.2616510391235352e-01 - <_> - - 0 -1 234 -1.1876770295202732e-03 - - 1.4837500452995300e-01 -5.0197489559650421e-02 - <_> - - 0 -1 235 -1.3196719810366631e-02 - - -7.6232409477233887e-01 7.9683482646942139e-02 - <_> - - 0 -1 236 -1.4940570108592510e-03 - - 2.2585479915142059e-01 -1.0884329676628113e-01 - <_> - - 0 -1 237 9.9800303578376770e-03 - - 7.7047176659107208e-02 -8.1608718633651733e-01 - <_> - - 0 -1 238 1.3630810426548123e-03 - - -1.0334450006484985e-01 2.0994339883327484e-01 - <_> - - 0 -1 239 -2.6497698854655027e-03 - - 4.8666700720787048e-01 -1.2183590233325958e-01 - <_> - - 0 -1 240 2.9017059132456779e-02 - - 3.0331170186400414e-02 -5.4417270421981812e-01 - <_> - - 0 -1 241 1.7291629686951637e-02 - - -1.3578090071678162e-01 4.4251319766044617e-01 - <_> - - 0 -1 242 1.9144080579280853e-03 - - -8.2041606307029724e-02 1.1203309893608093e-01 - <_> - - 0 -1 243 9.2138089239597321e-03 - - 9.5674678683280945e-02 -7.1387839317321777e-01 - <_> - - 0 -1 244 1.9401769340038300e-01 - - -3.3527439832687378e-01 1.6470989584922791e-01 - <_> - - 0 -1 245 -8.9092198759317398e-03 - - 4.5958560705184937e-01 -1.3180640339851379e-01 - <_> - - 0 -1 246 -1.6158509999513626e-02 - - -8.8425397872924805e-01 3.6370448768138885e-02 - <_> - - 0 -1 247 -4.3315120041370392e-02 - - 3.5693758726119995e-01 -1.4853119850158691e-01 - <_> - - 0 -1 248 -6.0759939253330231e-02 - - 3.1768760085105896e-01 -1.8056009709835052e-01 - <_> - - 0 -1 249 -2.8645009733736515e-03 - - 5.3059607744216919e-01 -1.1261919885873795e-01 - <_> - - 0 -1 250 1.1360960081219673e-02 - - 3.5099871456623077e-02 -4.7815018892288208e-01 - <_> - 37 - -1.3544019460678101e+00 - - <_> - - 0 -1 251 1.3970459811389446e-02 - - -3.0530300736427307e-01 4.1125300526618958e-01 - <_> - - 0 -1 252 -1.1679069697856903e-01 - - 1.4812999963760376e-01 -7.0709809660911560e-02 - <_> - - 0 -1 253 1.6397690400481224e-02 - - -3.0543169379234314e-01 3.0162781476974487e-01 - <_> - - 0 -1 254 -2.0286109298467636e-02 - - -2.3618179559707642e-01 1.2187310308218002e-01 - <_> - - 0 -1 255 3.3962181210517883e-01 - - -2.3415289819240570e-01 3.7955328822135925e-01 - <_> - - 0 -1 256 8.0632884055376053e-03 - - -5.6521987915039062e-01 1.2719720602035522e-01 - <_> - - 0 -1 257 -1.4234139816835523e-03 - - -5.8998572826385498e-01 1.1668500304222107e-01 - <_> - - 0 -1 258 3.9983680471777916e-03 - - -9.9398262798786163e-02 1.2795600295066833e-01 - <_> - - 0 -1 259 -9.4549506902694702e-03 - - -5.6156420707702637e-01 9.9381953477859497e-02 - <_> - - 0 -1 260 3.7270709872245789e-02 - - 8.4691196680068970e-02 -6.5302717685699463e-01 - <_> - - 0 -1 261 8.1806071102619171e-03 - - 6.4047202467918396e-02 -7.3235487937927246e-01 - <_> - - 0 -1 262 6.7418292164802551e-02 - - 4.3028471991419792e-03 -6.2574678659439087e-01 - <_> - - 0 -1 263 1.8985599279403687e-02 - - 7.0422857999801636e-02 -7.7566891908645630e-01 - <_> - - 0 -1 264 -3.0685300589539111e-04 - - 6.0799881815910339e-02 -7.3534972965717316e-02 - <_> - - 0 -1 265 1.0786009952425957e-02 - - -1.2505950033664703e-01 4.8208248615264893e-01 - <_> - - 0 -1 266 6.9674388505518436e-03 - - 8.3264723420143127e-02 -6.9356048107147217e-01 - <_> - - 0 -1 267 1.2767270207405090e-02 - - 6.4788013696670532e-02 -7.0968890190124512e-01 - <_> - - 0 -1 268 -1.4131699688732624e-02 - - -7.5622642040252686e-01 2.0618569105863571e-02 - <_> - - 0 -1 269 -1.5918679535388947e-02 - - 1.9603510200977325e-01 -2.7034899592399597e-01 - <_> - - 0 -1 270 9.9455211311578751e-03 - - -4.3780571222305298e-01 1.1859329789876938e-01 - <_> - - 0 -1 271 1.5286459587514400e-02 - - -1.9513919949531555e-01 2.6915138959884644e-01 - <_> - - 0 -1 272 5.9025101363658905e-03 - - -1.6288129985332489e-01 3.6743709444999695e-01 - <_> - - 0 -1 273 -6.9729480892419815e-03 - - 4.6202778816223145e-01 -1.5376560389995575e-01 - <_> - - 0 -1 274 -1.9449390470981598e-02 - - -5.3632599115371704e-01 3.1576488167047501e-02 - <_> - - 0 -1 275 -4.7259521670639515e-03 - - -7.3517972230911255e-01 7.3678806424140930e-02 - <_> - - 0 -1 276 -8.5517195984721184e-03 - - 3.5986369848251343e-01 -1.2420760095119476e-01 - <_> - - 0 -1 277 -9.8964512348175049e-02 - - 6.2507808208465576e-01 -8.6647883057594299e-02 - <_> - - 0 -1 278 -1.7731260508298874e-02 - - -5.7925891876220703e-01 2.5198649615049362e-02 - <_> - - 0 -1 279 -2.9190430417656898e-02 - - 5.7298821210861206e-01 -1.0151000320911407e-01 - <_> - - 0 -1 280 5.4621109738945961e-03 - - 4.4515479356050491e-02 -6.6922581195831299e-01 - <_> - - 0 -1 281 -6.8695018999278545e-03 - - -5.8384990692138672e-01 8.7239846587181091e-02 - <_> - - 0 -1 282 -1.7049070447683334e-03 - - 2.2694580256938934e-01 -8.1620521843433380e-02 - <_> - - 0 -1 283 5.8957659639418125e-03 - - -1.1778759956359863e-01 4.2724978923797607e-01 - <_> - - 0 -1 284 8.5842777043581009e-03 - - -5.4629139602184296e-02 1.0813979804515839e-01 - <_> - - 0 -1 285 1.2934260070323944e-02 - - 7.0849359035491943e-02 -7.3857682943344116e-01 - <_> - - 0 -1 286 1.9973270595073700e-02 - - 1.6626559663563967e-03 -7.6631492376327515e-01 - <_> - - 0 -1 287 5.5011189542710781e-03 - - 8.9468717575073242e-02 -5.3985279798507690e-01 - <_> - 38 - -1.3085269927978516e+00 - - <_> - - 0 -1 288 7.9501233994960785e-03 - - -2.7952459454536438e-01 4.3506631255149841e-01 - <_> - - 0 -1 289 -1.5085919760167599e-02 - - 5.9209001064300537e-01 -1.6481369733810425e-01 - <_> - - 0 -1 290 1.9475109875202179e-01 - - -3.1889539957046509e-01 2.8196701407432556e-01 - <_> - - 0 -1 291 -2.4689928977750242e-04 - - 9.6763692796230316e-02 -1.8406489491462708e-01 - <_> - - 0 -1 292 5.2499058656394482e-03 - - 1.5704880654811859e-01 -5.2710950374603271e-01 - <_> - - 0 -1 293 -1.2732569302897900e-04 - - 5.3218118846416473e-02 -1.6152860224246979e-01 - <_> - - 0 -1 294 -6.5984549000859261e-03 - - 2.1844869852066040e-01 -3.7529769539833069e-01 - <_> - - 0 -1 295 -1.2836559675633907e-02 - - 6.1008229851722717e-02 -1.1862020194530487e-01 - <_> - - 0 -1 296 -1.4707820117473602e-01 - - 7.9065358638763428e-01 -9.4447426497936249e-02 - <_> - - 0 -1 297 4.8533070832490921e-02 - - 4.9431171268224716e-02 -5.9807902574539185e-01 - <_> - - 0 -1 298 4.1398849338293076e-02 - - -3.1118649244308472e-01 2.4850000441074371e-01 - <_> - - 0 -1 299 5.9322831220924854e-03 - - -1.9105120003223419e-01 2.6189088821411133e-01 - <_> - - 0 -1 300 6.1201062053442001e-03 - - -1.4400300383567810e-01 3.8592028617858887e-01 - <_> - - 0 -1 301 -1.2118129990994930e-02 - - -5.7840502262115479e-01 3.1328909099102020e-02 - <_> - - 0 -1 302 7.5321048498153687e-03 - - 7.6200783252716064e-02 -7.1263229846954346e-01 - <_> - - 0 -1 303 9.4633679836988449e-03 - - -8.1573672592639923e-02 1.5981380641460419e-01 - <_> - - 0 -1 304 -6.4435349777340889e-03 - - -8.9533412456512451e-01 6.0908339917659760e-02 - <_> - - 0 -1 305 -1.3353319838643074e-02 - - 5.0735729932785034e-01 -1.4220820367336273e-01 - <_> - - 0 -1 306 -4.8206631094217300e-02 - - -7.0776158571243286e-01 8.7017923593521118e-02 - <_> - - 0 -1 307 -8.6862186435610056e-05 - - 9.2491082847118378e-02 -1.9064180552959442e-01 - <_> - - 0 -1 308 3.5890119615942240e-03 - - -1.1369240283966064e-01 4.5717659592628479e-01 - <_> - - 0 -1 309 2.5103650987148285e-03 - - -9.6626877784729004e-02 2.8315341472625732e-01 - <_> - - 0 -1 310 -1.6438219463452697e-03 - - -6.8512988090515137e-01 8.4855683147907257e-02 - <_> - - 0 -1 311 -1.1147640179842710e-03 - - 2.0340760052204132e-01 -9.5162183046340942e-02 - <_> - - 0 -1 312 3.3129220828413963e-03 - - -1.2348870187997818e-01 4.5109578967094421e-01 - <_> - - 0 -1 313 1.2473019771277905e-02 - - 8.5647627711296082e-02 -1.7752259969711304e-01 - <_> - - 0 -1 314 1.1887500062584877e-02 - - 7.9497292637825012e-02 -7.1333557367324829e-01 - <_> - - 0 -1 315 4.6640802174806595e-03 - - -1.1890850216150284e-01 1.6375760734081268e-01 - <_> - - 0 -1 316 -7.5049358420073986e-03 - - 4.5544099807739258e-01 -1.2412810325622559e-01 - <_> - - 0 -1 317 1.7780659720301628e-02 - - -1.0757599771022797e-01 1.6240009665489197e-01 - <_> - - 0 -1 318 -6.5337750129401684e-03 - - 4.3141070008277893e-01 -1.2603540718555450e-01 - <_> - - 0 -1 319 -2.4446230381727219e-02 - - -6.6479730606079102e-01 1.9722750410437584e-02 - <_> - - 0 -1 320 6.8284119479358196e-03 - - 8.7926700711250305e-02 -5.4765981435775757e-01 - <_> - - 0 -1 321 -1.7527850344777107e-02 - - -4.7350269556045532e-01 1.8452549353241920e-02 - <_> - - 0 -1 322 -5.6044701486825943e-03 - - 1.6700869798660278e-01 -2.8558060526847839e-01 - <_> - - 0 -1 323 5.6587088853120804e-02 - - 9.8792626522481441e-04 -9.0761202573776245e-01 - <_> - - 0 -1 324 -9.1678956523537636e-03 - - -5.7369470596313477e-01 8.6971327662467957e-02 - <_> - - 0 -1 325 -7.9324431717395782e-03 - - -7.1619319915771484e-01 4.7531701624393463e-02 - <_> - 44 - -1.3564130067825317e+00 - - <_> - - 0 -1 326 1.1259860359132290e-02 - - -3.2671540975570679e-01 3.7448620796203613e-01 - <_> - - 0 -1 327 -8.0411562521476299e-05 - - 1.3456510007381439e-01 -3.5597088932991028e-01 - <_> - - 0 -1 328 -1.0097360238432884e-02 - - 4.2515400052070618e-01 -2.0356260240077972e-01 - <_> - - 0 -1 329 -9.5205657184123993e-02 - - -2.6214841008186340e-01 4.4497821480035782e-02 - <_> - - 0 -1 330 2.1976239979267120e-01 - - -2.6376900076866150e-01 2.7963450551033020e-01 - <_> - - 0 -1 331 -1.4373429585248232e-03 - - 1.9384309649467468e-01 -6.6377736628055573e-02 - <_> - - 0 -1 332 -2.1600460633635521e-02 - - 5.2735280990600586e-01 -1.1125139892101288e-01 - <_> - - 0 -1 333 8.8454764336347580e-03 - - -1.6414600610733032e-01 1.7835170030593872e-01 - <_> - - 0 -1 334 3.5627551376819611e-02 - - -5.0226557254791260e-01 1.2036989629268646e-01 - <_> - - 0 -1 335 1.9948599860072136e-02 - - -2.4443860352039337e-01 2.0503400266170502e-01 - <_> - - 0 -1 336 -3.0674149747937918e-03 - - -5.3477287292480469e-01 1.1543580144643784e-01 - <_> - - 0 -1 337 -1.2012269580736756e-03 - - 1.2676300108432770e-01 -1.3938720524311066e-01 - <_> - - 0 -1 338 1.7143359407782555e-02 - - -1.0488930344581604e-01 4.8458871245384216e-01 - <_> - - 0 -1 339 7.7037338633090258e-04 - - -2.6416009664535522e-01 1.3753029704093933e-01 - <_> - - 0 -1 340 1.9928140100091696e-03 - - 1.0820219665765762e-01 -4.6027541160583496e-01 - <_> - - 0 -1 341 8.1858411431312561e-03 - - -1.1870039999485016e-01 1.8429510295391083e-01 - <_> - - 0 -1 342 2.0016850531101227e-01 - - -7.7433213591575623e-02 6.7445492744445801e-01 - <_> - - 0 -1 343 -1.2134050019085407e-02 - - 4.5361760258674622e-01 -3.2230481505393982e-02 - <_> - - 0 -1 344 1.1809550225734711e-02 - - -1.5140220522880554e-01 4.1091579198837280e-01 - <_> - - 0 -1 345 -5.3903311491012573e-02 - - 2.4644249677658081e-01 -1.6336809843778610e-02 - <_> - - 0 -1 346 2.5369100272655487e-02 - - 5.7606618851423264e-02 -8.1810200214385986e-01 - <_> - - 0 -1 347 4.0477071888744831e-03 - - 3.4279700368642807e-02 -3.8912689685821533e-01 - <_> - - 0 -1 348 2.3273769766092300e-03 - - -2.6318120956420898e-01 2.0111019909381866e-01 - <_> - - 0 -1 349 -1.4055520296096802e-02 - - -4.5798641443252563e-01 1.0322000086307526e-01 - <_> - - 0 -1 350 4.1040539741516113e-02 - - -1.0665339976549149e-01 4.9921628832817078e-01 - <_> - - 0 -1 351 1.7403350211679935e-03 - - -3.0963689088821411e-02 9.0507246553897858e-02 - <_> - - 0 -1 352 -5.9111667796969414e-03 - - -6.9301342964172363e-01 7.1324340999126434e-02 - <_> - - 0 -1 353 -8.4086872637271881e-02 - - 4.6972590684890747e-01 -4.9859449267387390e-02 - <_> - - 0 -1 354 1.2733220355585217e-03 - - -3.5704851150512695e-01 1.3806779682636261e-01 - <_> - - 0 -1 355 5.9486827813088894e-03 - - -1.5816900134086609e-01 2.8468400239944458e-01 - <_> - - 0 -1 356 -8.6815077811479568e-03 - - -7.6587718725204468e-01 6.2390629202127457e-02 - <_> - - 0 -1 357 -1.0674200020730495e-02 - - -5.5144512653350830e-01 5.6196320801973343e-02 - <_> - - 0 -1 358 1.7951499670743942e-02 - - 6.1362300068140030e-02 -6.4841997623443604e-01 - <_> - - 0 -1 359 1.9660689576994628e-04 - - -1.4563970267772675e-01 9.5173902809619904e-02 - <_> - - 0 -1 360 -1.3475000159814954e-03 - - -3.9846318960189819e-01 1.0717230290174484e-01 - <_> - - 0 -1 361 1.3271289644762874e-03 - - -7.6305247843265533e-02 1.5964789688587189e-01 - <_> - - 0 -1 362 3.9857891388237476e-03 - - -1.0918959975242615e-01 3.6956569552421570e-01 - <_> - - 0 -1 363 1.7747710226103663e-03 - - -5.8550398796796799e-02 7.1181796491146088e-02 - <_> - - 0 -1 364 -6.9627179764211178e-03 - - 3.6977839469909668e-01 -1.1677960306406021e-01 - <_> - - 0 -1 365 -9.0530123561620712e-03 - - -5.3131139278411865e-01 4.2773369699716568e-02 - <_> - - 0 -1 366 -5.0673801451921463e-02 - - 6.5122097730636597e-01 -6.6222466528415680e-02 - <_> - - 0 -1 367 -9.9803637713193893e-03 - - 1.7810410261154175e-01 -4.8675179481506348e-02 - <_> - - 0 -1 368 1.0967300273478031e-02 - - 6.3715361058712006e-02 -7.0216029882431030e-01 - <_> - - 0 -1 369 7.1746408939361572e-03 - - -9.5948472619056702e-02 1.5818059444427490e-01 - <_> - 45 - -1.2748670578002930e+00 - - <_> - - 0 -1 370 -1.4637179672718048e-02 - - 4.5756229758262634e-01 -2.5793579220771790e-01 - <_> - - 0 -1 371 -1.1372080189175904e-04 - - 1.4856390655040741e-01 -1.3528409600257874e-01 - <_> - - 0 -1 372 6.3527049496769905e-03 - - -1.8282939493656158e-01 5.0529718399047852e-01 - <_> - - 0 -1 373 2.4946528719738126e-04 - - -3.5463958978652954e-01 1.1956059932708740e-01 - <_> - - 0 -1 374 8.5882786661386490e-03 - - -3.6795818805694580e-01 1.9289310276508331e-01 - <_> - - 0 -1 375 -5.3795471787452698e-02 - - -9.2534601688385010e-01 -3.0407099984586239e-03 - <_> - - 0 -1 376 -1.2914909981191158e-02 - - 2.0769760012626648e-01 -2.8073310852050781e-01 - <_> - - 0 -1 377 6.5217018127441406e-02 - - 9.1229602694511414e-02 -3.9509040117263794e-01 - <_> - - 0 -1 378 -1.5482950024306774e-02 - - 5.5492401123046875e-01 -1.0178919881582260e-01 - <_> - - 0 -1 379 -7.0964470505714417e-02 - - -6.0590541362762451e-01 3.3235780894756317e-02 - <_> - - 0 -1 380 -1.4792110025882721e-01 - - 6.8140488862991333e-01 -9.2882059514522552e-02 - <_> - - 0 -1 381 3.2156299799680710e-02 - - -1.3000990450382233e-01 1.6143409907817841e-01 - <_> - - 0 -1 382 -5.5202730000019073e-03 - - 1.8147900700569153e-01 -3.2928371429443359e-01 - <_> - - 0 -1 383 1.7749259248375893e-02 - - -6.7472197115421295e-02 2.4095970392227173e-01 - <_> - - 0 -1 384 -1.4773460105061531e-02 - - -7.1976912021636963e-01 7.0244252681732178e-02 - <_> - - 0 -1 385 -2.1384380757808685e-02 - - -6.6300392150878906e-01 6.1542339622974396e-02 - <_> - - 0 -1 386 1.1285319924354553e-02 - - -1.1147149652242661e-01 4.2070099711418152e-01 - <_> - - 0 -1 387 5.3818488959223032e-04 - - 1.3580459356307983e-01 -3.6389431357383728e-01 - <_> - - 0 -1 388 -4.5372340828180313e-03 - - -6.2848389148712158e-01 7.5644947588443756e-02 - <_> - - 0 -1 389 -5.8880869299173355e-02 - - -4.4123521447181702e-01 5.2693258039653301e-03 - <_> - - 0 -1 390 3.7623539566993713e-02 - - 6.0741778463125229e-02 -7.3273491859436035e-01 - <_> - - 0 -1 391 4.9864239990711212e-03 - - -9.5100089907646179e-02 1.3218070566654205e-01 - <_> - - 0 -1 392 1.5848229825496674e-01 - - -2.3477560281753540e-01 2.0766119658946991e-01 - <_> - - 0 -1 393 -2.2148280404508114e-03 - - 1.3150349259376526e-01 -7.2531886398792267e-02 - <_> - - 0 -1 394 -2.4197169113904238e-03 - - 3.4369221329689026e-01 -1.3603129982948303e-01 - <_> - - 0 -1 395 1.3667210005223751e-02 - - -1.1352819949388504e-01 1.8905560672283173e-01 - <_> - - 0 -1 396 3.4907150268554688e-01 - - -2.0564649999141693e-01 2.0814339816570282e-01 - <_> - - 0 -1 397 -2.3180799558758736e-02 - - -7.0410561561584473e-01 6.5354611724615097e-03 - <_> - - 0 -1 398 -2.4704890325665474e-02 - - 4.3212160468101501e-01 -1.0485579818487167e-01 - <_> - - 0 -1 399 3.5061739385128021e-02 - - -5.6936308741569519e-02 2.4053120613098145e-01 - <_> - - 0 -1 400 -2.8482209891080856e-02 - - -6.4425909519195557e-01 6.7065469920635223e-02 - <_> - - 0 -1 401 9.4022173434495926e-03 - - -8.7327830493450165e-02 1.0236190259456635e-01 - <_> - - 0 -1 402 1.2662390246987343e-02 - - 6.4649492502212524e-02 -6.6464841365814209e-01 - <_> - - 0 -1 403 -1.8630980048328638e-04 - - 8.8812537491321564e-02 -1.4801080524921417e-01 - <_> - - 0 -1 404 -6.3631217926740646e-03 - - -6.1257928609848022e-01 7.0822767913341522e-02 - <_> - - 0 -1 405 -3.2741650938987732e-03 - - 1.6412730515003204e-01 -1.3364849984645844e-01 - <_> - - 0 -1 406 3.4096399322152138e-03 - - -1.2046200037002563e-01 3.2251781225204468e-01 - <_> - - 0 -1 407 -2.0664960611611605e-03 - - 8.0544687807559967e-02 -3.9290331304073334e-02 - <_> - - 0 -1 408 -7.1488898247480392e-03 - - 3.5944211483001709e-01 -1.1370600014925003e-01 - <_> - - 0 -1 409 1.4608979690819979e-03 - - -1.4393359422683716e-01 1.0468409955501556e-01 - <_> - - 0 -1 410 -1.2510320171713829e-02 - - 3.0024001002311707e-01 -1.3041430711746216e-01 - <_> - - 0 -1 411 -1.6470119357109070e-02 - - -3.4044870734214783e-01 2.2476559504866600e-02 - <_> - - 0 -1 412 -1.3765309937298298e-02 - - 4.4677600264549255e-01 -9.7284018993377686e-02 - <_> - - 0 -1 413 1.0946969996439293e-04 - - -2.0872430503368378e-01 1.5401780605316162e-01 - <_> - - 0 -1 414 -6.9605209864675999e-03 - - -8.2299548387527466e-01 4.8897851258516312e-02 - <_> - 50 - -1.2878630161285400e+00 - - <_> - - 0 -1 415 4.9184081144630909e-03 - - -3.2976099848747253e-01 3.1599700450897217e-01 - <_> - - 0 -1 416 -8.4240734577178955e-03 - - 3.2350379228591919e-01 -2.4553489685058594e-01 - <_> - - 0 -1 417 2.0760910212993622e-01 - - -2.7401238679885864e-01 2.4197450280189514e-01 - <_> - - 0 -1 418 -1.5002899803221226e-02 - - 8.3533883094787598e-02 -2.5596448779106140e-01 - <_> - - 0 -1 419 2.2144610993564129e-03 - - -2.2534610331058502e-01 2.2740550339221954e-01 - <_> - - 0 -1 420 -6.0699690133333206e-02 - - 1.8549209833145142e-01 -1.9505530595779419e-02 - <_> - - 0 -1 421 -5.6538339704275131e-02 - - 6.1330437660217285e-01 -8.7735809385776520e-02 - <_> - - 0 -1 422 -1.4412499964237213e-02 - - 2.4093009531497955e-01 -2.7344560623168945e-01 - <_> - - 0 -1 423 -1.4219420263543725e-03 - - -6.0177552700042725e-01 1.0058429837226868e-01 - <_> - - 0 -1 424 1.6331190243363380e-02 - - 2.1288860589265823e-02 -5.0142019987106323e-01 - <_> - - 0 -1 425 1.4106729999184608e-02 - - -1.8390950560569763e-01 2.6597890257835388e-01 - <_> - - 0 -1 426 -4.9360690172761679e-04 - - 3.0524199828505516e-02 -2.0498749613761902e-01 - <_> - - 0 -1 427 -7.0101441815495491e-03 - - 4.0488889813423157e-01 -1.1826159805059433e-01 - <_> - - 0 -1 428 6.4736358821392059e-02 - - 9.0163238346576691e-02 -4.8485979437828064e-01 - <_> - - 0 -1 429 -6.7224488593637943e-03 - - -5.4630178213119507e-01 7.3308691382408142e-02 - <_> - - 0 -1 430 -1.2748160399496555e-02 - - -6.7641848325729370e-01 3.2798580825328827e-02 - <_> - - 0 -1 431 -7.3234830051660538e-03 - - -6.3869500160217285e-01 5.4413169622421265e-02 - <_> - - 0 -1 432 -1.7713790759444237e-02 - - -7.4989777803421021e-01 6.3041099347174168e-03 - <_> - - 0 -1 433 -1.1022159829735756e-02 - - 4.7562441229820251e-01 -8.7812356650829315e-02 - <_> - - 0 -1 434 -7.2062062099575996e-03 - - -5.1175302267074585e-01 3.8222119212150574e-02 - <_> - - 0 -1 435 7.8669954091310501e-03 - - -1.0822050273418427e-01 4.3007129430770874e-01 - <_> - - 0 -1 436 1.4753219671547413e-02 - - 3.0923029407858849e-02 -5.8399969339370728e-01 - <_> - - 0 -1 437 -8.7396129965782166e-03 - - -5.5709302425384521e-01 6.5057590603828430e-02 - <_> - - 0 -1 438 -1.8765570130199194e-03 - - 2.0753450691699982e-01 -1.0404630005359650e-01 - <_> - - 0 -1 439 6.1403261497616768e-03 - - -8.8196322321891785e-02 5.0393581390380859e-01 - <_> - - 0 -1 440 -6.2455530278384686e-03 - - 4.5692878961563110e-01 -8.8871538639068604e-02 - <_> - - 0 -1 441 -6.5213078632950783e-03 - - -7.3358172178268433e-01 6.1022911220788956e-02 - <_> - - 0 -1 442 8.4276527166366577e-02 - - -5.1953801885247231e-03 -7.2847050428390503e-01 - <_> - - 0 -1 443 1.2186209671199322e-02 - - 8.0246433615684509e-02 -4.9406829476356506e-01 - <_> - - 0 -1 444 -5.2070740610361099e-02 - - 5.3785991668701172e-01 -2.6184149086475372e-02 - <_> - - 0 -1 445 -1.8056540284305811e-03 - - 1.2499610334634781e-01 -3.1014269590377808e-01 - <_> - - 0 -1 446 3.5525551065802574e-03 - - -1.4355179667472839e-01 9.3508958816528320e-02 - <_> - - 0 -1 447 2.1722750738263130e-02 - - 5.4289009422063828e-02 -6.9004470109939575e-01 - <_> - - 0 -1 448 1.5696860849857330e-02 - - -6.2646992504596710e-02 5.2328252792358398e-01 - <_> - - 0 -1 449 1.1486239731311798e-02 - - -1.7067709565162659e-01 2.5379261374473572e-01 - <_> - - 0 -1 450 -7.0110350847244263e-02 - - 2.1845239400863647e-01 -3.2540921121835709e-02 - <_> - - 0 -1 451 -2.3832129314541817e-02 - - -7.2852367162704468e-01 5.6103359907865524e-02 - <_> - - 0 -1 452 1.8152900040149689e-02 - - 7.9692779108881950e-03 -5.0108677148818970e-01 - <_> - - 0 -1 453 -4.9337781965732574e-03 - - -5.4861277341842651e-01 7.4599482119083405e-02 - <_> - - 0 -1 454 -2.8721539303660393e-02 - - -5.0967568159103394e-01 1.3899230398237705e-02 - <_> - - 0 -1 455 6.0404408723115921e-03 - - 8.0196216702461243e-02 -4.5811289548873901e-01 - <_> - - 0 -1 456 -1.7407380044460297e-02 - - -6.7178148031234741e-01 7.8524583950638771e-03 - <_> - - 0 -1 457 1.8755920231342316e-02 - - -7.0715762674808502e-02 5.2900022268295288e-01 - <_> - - 0 -1 458 7.5297430157661438e-03 - - -5.4971348494291306e-02 1.2586890161037445e-01 - <_> - - 0 -1 459 2.7714699506759644e-02 - - -9.4051122665405273e-02 3.9269289374351501e-01 - <_> - - 0 -1 460 -1.9136169925332069e-02 - - -6.1292767524719238e-01 4.3676119297742844e-02 - <_> - - 0 -1 461 -1.1729629710316658e-02 - - 4.0649351477622986e-01 -1.0054980218410492e-01 - <_> - - 0 -1 462 2.6842709630727768e-03 - - 6.1806179583072662e-02 -2.6040008664131165e-01 - <_> - - 0 -1 463 1.3504150323569775e-02 - - 6.3247829675674438e-02 -6.1916601657867432e-01 - <_> - - 0 -1 464 -4.8922952264547348e-03 - - -7.3288178443908691e-01 4.1912440210580826e-02 - <_> - 56 - -1.3936669826507568e+00 - - <_> - - 0 -1 465 1.0124780237674713e-02 - - -2.2478839755058289e-01 4.9562188982963562e-01 - <_> - - 0 -1 466 2.0572949945926666e-01 - - 2.6126179844141006e-02 -7.9092139005661011e-01 - <_> - - 0 -1 467 1.7348840832710266e-02 - - -3.8796889781951904e-01 2.0708920061588287e-01 - <_> - - 0 -1 468 -2.5478509068489075e-01 - - -5.7850080728530884e-01 1.2234980240464211e-02 - <_> - - 0 -1 469 -2.8602819889783859e-02 - - 1.7568160593509674e-01 -3.7877011299133301e-01 - <_> - - 0 -1 470 9.1557251289486885e-03 - - 5.8734539896249771e-02 -5.3387188911437988e-01 - <_> - - 0 -1 471 -6.7997328005731106e-03 - - 4.2286089062690735e-01 -1.5031290054321289e-01 - <_> - - 0 -1 472 -9.0167991816997528e-02 - - -4.7068008780479431e-01 1.9146749749779701e-02 - <_> - - 0 -1 473 -2.0075060427188873e-02 - - 1.5215730667114258e-01 -3.0286580324172974e-01 - <_> - - 0 -1 474 -1.5905030071735382e-01 - - 4.8262810707092285e-01 -5.5345159024000168e-02 - <_> - - 0 -1 475 1.0053060203790665e-01 - - -3.1768739223480225e-01 1.8654659390449524e-01 - <_> - - 0 -1 476 2.9778450261801481e-03 - - -4.3355960398912430e-02 3.0445128679275513e-01 - <_> - - 0 -1 477 -6.8455971777439117e-03 - - -6.5422862768173218e-01 5.7101141661405563e-02 - <_> - - 0 -1 478 -2.3462900891900063e-02 - - -7.4357628822326660e-01 1.1618070304393768e-02 - <_> - - 0 -1 479 8.4667708724737167e-03 - - -1.1318150162696838e-01 3.4910741448402405e-01 - <_> - - 0 -1 480 2.9225839301943779e-02 - - -3.8572481274604797e-01 2.5479009747505188e-01 - <_> - - 0 -1 481 1.1265130341053009e-01 - - -9.8677836358547211e-02 7.0809727907180786e-01 - <_> - - 0 -1 482 1.0059010237455368e-01 - - 3.9431888610124588e-02 -2.0872689783573151e-01 - <_> - - 0 -1 483 -1.4622969552874565e-02 - - 1.0739020258188248e-01 -4.4337108731269836e-01 - <_> - - 0 -1 484 5.9183081611990929e-03 - - 2.2479789331555367e-02 -4.7095221281051636e-01 - <_> - - 0 -1 485 -1.1137289926409721e-02 - - -5.3821432590484619e-01 7.1250103414058685e-02 - <_> - - 0 -1 486 2.0612619817256927e-01 - - 2.5029089301824570e-03 -5.5134499073028564e-01 - <_> - - 0 -1 487 1.9606389105319977e-02 - - 6.8830899894237518e-02 -5.8748298883438110e-01 - <_> - - 0 -1 488 1.4237780123949051e-02 - - -1.0993599891662598e-01 2.2019009292125702e-01 - <_> - - 0 -1 489 -1.1579900048673153e-02 - - -6.0401040315628052e-01 6.1112940311431885e-02 - <_> - - 0 -1 490 2.7201389893889427e-03 - - -8.6882777512073517e-02 2.1160760521888733e-01 - <_> - - 0 -1 491 4.3311892077326775e-03 - - -8.5722766816616058e-02 4.3251448869705200e-01 - <_> - - 0 -1 492 1.4856910565868020e-03 - - -3.5430859774351120e-02 1.4321969449520111e-01 - <_> - - 0 -1 493 -2.4972909595817327e-03 - - 4.2610010504722595e-01 -1.0974500328302383e-01 - <_> - - 0 -1 494 1.3857520185410976e-02 - - 2.1762149408459663e-02 -4.7706019878387451e-01 - <_> - - 0 -1 495 -2.3594869300723076e-02 - - -4.6244761347770691e-01 7.9718932509422302e-02 - <_> - - 0 -1 496 -3.0481400899589062e-03 - - 1.7503540217876434e-01 -2.9865878820419312e-01 - <_> - - 0 -1 497 -1.3127359561622143e-03 - - -5.5913221836090088e-01 7.1896396577358246e-02 - <_> - - 0 -1 498 -4.3319691903889179e-03 - - -8.0651438236236572e-01 1.5199059620499611e-02 - <_> - - 0 -1 499 -3.6742340307682753e-03 - - 4.2407768964767456e-01 -9.2443756759166718e-02 - <_> - - 0 -1 500 2.5564959272742271e-02 - - 2.9059829190373421e-02 -4.8274171352386475e-01 - <_> - - 0 -1 501 2.8129860758781433e-02 - - -8.0184653401374817e-02 5.2279758453369141e-01 - <_> - - 0 -1 502 8.8039072579704225e-05 - - -7.4344098567962646e-02 9.4045989215373993e-02 - <_> - - 0 -1 503 -4.6100970357656479e-03 - - -5.1046329736709595e-01 7.0259310305118561e-02 - <_> - - 0 -1 504 2.4607360828667879e-03 - - -7.3687382042407990e-02 1.7185910046100616e-01 - <_> - - 0 -1 505 -1.8461809959262609e-03 - - 3.2514411211013794e-01 -1.2517750263214111e-01 - <_> - - 0 -1 506 2.6498539955355227e-04 - - -1.0129640251398087e-01 5.4491110146045685e-02 - <_> - - 0 -1 507 1.3974959962069988e-02 - - 1.0203190147876740e-01 -3.9044409990310669e-01 - <_> - - 0 -1 508 3.3575310371816158e-03 - - -6.4226530492305756e-02 5.4202359169721603e-02 - <_> - - 0 -1 509 7.3201949708163738e-03 - - 5.9934031218290329e-02 -6.0588258504867554e-01 - <_> - - 0 -1 510 -1.2428000336512923e-03 - - 1.1665280163288116e-01 -7.2288237512111664e-02 - <_> - - 0 -1 511 -1.8044740427285433e-03 - - 3.4149900078773499e-01 -9.8468907177448273e-02 - <_> - - 0 -1 512 -4.8408531583845615e-03 - - -5.3094178438186646e-01 3.1446449458599091e-02 - <_> - - 0 -1 513 4.5861881226301193e-03 - - -1.6896879673004150e-01 1.9897870719432831e-01 - <_> - - 0 -1 514 1.3223010115325451e-02 - - 2.6502050459384918e-02 -6.1782538890838623e-01 - <_> - - 0 -1 515 -1.3310019858181477e-03 - - -3.7018761038780212e-01 8.9922286570072174e-02 - <_> - - 0 -1 516 -1.4923400012776256e-03 - - -3.2771658897399902e-01 6.3753470778465271e-02 - <_> - - 0 -1 517 2.3128539323806763e-03 - - 5.8098889887332916e-02 -5.7217907905578613e-01 - <_> - - 0 -1 518 -3.9470911026000977e-02 - - -5.9376251697540283e-01 2.4938920978456736e-03 - <_> - - 0 -1 519 1.1061299592256546e-02 - - -9.7631797194480896e-02 3.4335118532180786e-01 - <_> - - 0 -1 520 1.7588209593668580e-03 - - -3.3723760396242142e-02 1.8667000532150269e-01 - <_> - 53 - -1.3580759763717651e+00 - - <_> - - 0 -1 521 -4.3175318278372288e-03 - - 2.6701891422271729e-01 -3.5374870896339417e-01 - <_> - - 0 -1 522 1.3007350265979767e-02 - - 8.7024876847863197e-03 -7.5992470979690552e-01 - <_> - - 0 -1 523 4.8762829974293709e-03 - - -2.0284099876880646e-01 4.1433459520339966e-01 - <_> - - 0 -1 524 -1.0705440305173397e-02 - - 2.0144259929656982e-01 -2.9292601346969604e-01 - <_> - - 0 -1 525 -4.4717481359839439e-03 - - 2.9785239696502686e-01 -2.1515479683876038e-01 - <_> - - 0 -1 526 -1.0971710085868835e-01 - - -9.0043932199478149e-01 4.1688669472932816e-02 - <_> - - 0 -1 527 2.4193130433559418e-02 - - -1.7109879851341248e-01 3.1211599707603455e-01 - <_> - - 0 -1 528 2.4174679070711136e-02 - - 2.8407519683241844e-02 -5.3422790765762329e-01 - <_> - - 0 -1 529 2.1222220733761787e-02 - - -1.1979670077562332e-01 4.4222798943519592e-01 - <_> - - 0 -1 530 2.6180870831012726e-02 - - -5.3708368539810181e-01 8.5554197430610657e-02 - <_> - - 0 -1 531 -4.6309800818562508e-03 - - -6.3450610637664795e-01 7.8415229916572571e-02 - <_> - - 0 -1 532 -6.1208908446133137e-03 - - -5.8184450864791870e-01 5.6262150406837463e-02 - <_> - - 0 -1 533 2.4345550686120987e-02 - - -8.2362763583660126e-02 5.2085632085800171e-01 - <_> - - 0 -1 534 -1.0590479709208012e-02 - - -5.8450412750244141e-01 3.7550948560237885e-02 - <_> - - 0 -1 535 -8.4336008876562119e-03 - - -7.2815698385238647e-01 4.3281048536300659e-02 - <_> - - 0 -1 536 2.5999199599027634e-02 - - 2.3103030398488045e-02 -4.7821858525276184e-01 - <_> - - 0 -1 537 2.5073610246181488e-02 - - -1.0790230333805084e-01 3.5499471426010132e-01 - <_> - - 0 -1 538 2.9070028662681580e-01 - - 6.3703400082886219e-03 -8.6412417888641357e-01 - <_> - - 0 -1 539 1.7590269446372986e-01 - - -2.5589939951896667e-01 1.6987270116806030e-01 - <_> - - 0 -1 540 -3.2584410160779953e-02 - - -6.2721168994903564e-01 1.8344789743423462e-02 - <_> - - 0 -1 541 -4.1382450610399246e-02 - - 5.4475349187850952e-01 -1.0436189919710159e-01 - <_> - - 0 -1 542 -8.6197769269347191e-03 - - 1.4069239795207977e-01 -4.0490731596946716e-02 - <_> - - 0 -1 543 2.0080020185559988e-03 - - 9.3814283609390259e-02 -4.5978298783302307e-01 - <_> - - 0 -1 544 1.1478760279715061e-02 - - -2.3005740344524384e-01 1.8548269569873810e-01 - <_> - - 0 -1 545 -9.1993194073438644e-03 - - 4.3196168541908264e-01 -8.4990806877613068e-02 - <_> - - 0 -1 546 3.2873731106519699e-04 - - -3.2470309734344482e-01 1.2502589821815491e-01 - <_> - - 0 -1 547 1.6286820173263550e-02 - - -1.6808439791202545e-01 2.0208799839019775e-01 - <_> - - 0 -1 548 -8.8326708646491170e-04 - - 1.3341540098190308e-01 -8.0567203462123871e-02 - <_> - - 0 -1 549 -2.2098519839346409e-03 - - 3.2481029629707336e-01 -1.1913210153579712e-01 - <_> - - 0 -1 550 3.3911340869963169e-03 - - -6.4360022544860840e-01 9.3070819973945618e-02 - <_> - - 0 -1 551 -2.1501209586858749e-02 - - 1.2166000157594681e-01 -2.8132438659667969e-01 - <_> - - 0 -1 552 1.3594830408692360e-02 - - -7.4954092502593994e-02 1.1320699751377106e-01 - <_> - - 0 -1 553 -5.9626200236380100e-03 - - -6.0876357555389404e-01 5.5802300572395325e-02 - <_> - - 0 -1 554 -7.1367057971656322e-03 - - 1.3753290474414825e-01 -5.4944049566984177e-02 - <_> - - 0 -1 555 3.7937159650027752e-03 - - -9.7331270575523376e-02 3.5290411114692688e-01 - <_> - - 0 -1 556 4.2037001252174377e-01 - - -6.0830309987068176e-02 6.2353998422622681e-01 - <_> - - 0 -1 557 -1.3953109737485647e-03 - - -4.5005550980567932e-01 8.5933342576026917e-02 - <_> - - 0 -1 558 -9.1760727809742093e-04 - - -2.7361738681793213e-01 4.9933131784200668e-02 - <_> - - 0 -1 559 2.6983609423041344e-03 - - -9.6326000988483429e-02 4.4493889808654785e-01 - <_> - - 0 -1 560 1.8104390474036336e-03 - - 5.8886051177978516e-02 -2.8511041402816772e-01 - <_> - - 0 -1 561 -5.2683739922940731e-03 - - 5.0250577926635742e-01 -1.0216759890317917e-01 - <_> - - 0 -1 562 3.4583848901093006e-03 - - 5.8127861469984055e-02 -5.9851872920989990e-01 - <_> - - 0 -1 563 -3.5791560076177120e-03 - - -7.3496657609939575e-01 4.1422609239816666e-02 - <_> - - 0 -1 564 5.1315352320671082e-03 - - -9.3608200550079346e-02 1.7093980312347412e-01 - <_> - - 0 -1 565 -4.2571019381284714e-02 - - 4.8374500870704651e-01 -7.8032270073890686e-02 - <_> - - 0 -1 566 -1.4648390002548695e-02 - - -4.8706358671188354e-01 2.5201629847288132e-02 - <_> - - 0 -1 567 9.3548959121108055e-03 - - 3.9141140878200531e-02 -8.5132300853729248e-01 - <_> - - 0 -1 568 -7.7046807855367661e-03 - - 2.7295690774917603e-01 -1.0840819776058197e-01 - <_> - - 0 -1 569 -6.4468376338481903e-02 - - -8.0510532855987549e-01 4.7053340822458267e-02 - <_> - - 0 -1 570 -7.9486463218927383e-03 - - 3.0840569734573364e-01 -1.3387249410152435e-01 - <_> - - 0 -1 571 -3.9265598170459270e-03 - - 3.6305388808250427e-01 -1.0540190339088440e-01 - <_> - - 0 -1 572 -3.6044888198375702e-02 - - 5.8140981197357178e-01 -2.9684588662348688e-04 - <_> - - 0 -1 573 -7.6920147985219955e-03 - - 3.3190870285034180e-01 -1.0925249755382538e-01 - <_> - 65 - -1.3411600589752197e+00 - - <_> - - 0 -1 574 -4.9766711890697479e-03 - - 3.7934410572052002e-01 -2.4959290027618408e-01 - <_> - - 0 -1 575 -3.4589890390634537e-02 - - -4.4946050643920898e-01 3.9635330438613892e-02 - <_> - - 0 -1 576 1.9461639225482941e-02 - - -2.6357260346412659e-01 2.7247101068496704e-01 - <_> - - 0 -1 577 4.2663760483264923e-02 - - 2.9581360518932343e-02 -3.4751391410827637e-01 - <_> - - 0 -1 578 5.8530770242214203e-02 - - -3.0708679556846619e-01 2.0082889497280121e-01 - <_> - - 0 -1 579 -2.9736598953604698e-03 - - -5.4576981067657471e-01 2.3220159113407135e-02 - <_> - - 0 -1 580 7.7464492060244083e-03 - - -1.4597670733928680e-01 3.5159158706665039e-01 - <_> - - 0 -1 581 7.0320582017302513e-04 - - -3.5477969050407410e-01 1.4947199821472168e-01 - <_> - - 0 -1 582 -1.3183569535613060e-02 - - 4.9795240163803101e-01 -9.5576412975788116e-02 - <_> - - 0 -1 583 1.1360269971191883e-02 - - 4.4859439134597778e-02 -7.7702391147613525e-01 - <_> - - 0 -1 584 -5.3752749226987362e-03 - - -6.0436600446701050e-01 6.3452452421188354e-02 - <_> - - 0 -1 585 2.6277059223502874e-03 - - -5.9781100600957870e-02 1.6431820392608643e-01 - <_> - - 0 -1 586 -1.9063310464844108e-03 - - 3.4500768780708313e-01 -1.1078260093927383e-01 - <_> - - 0 -1 587 -5.5438909679651260e-02 - - 5.3140318393707275e-01 -3.9117269217967987e-02 - <_> - - 0 -1 588 2.2990850731730461e-02 - - -1.1105979979038239e-01 3.4139779210090637e-01 - <_> - - 0 -1 589 2.3013869300484657e-02 - - 1.9403599202632904e-02 -3.0652850866317749e-01 - <_> - - 0 -1 590 -3.2346909865736961e-03 - - 1.8446859717369080e-01 -2.1846550703048706e-01 - <_> - - 0 -1 591 1.9735300447791815e-03 - - -6.4886763691902161e-02 6.2509037554264069e-02 - <_> - - 0 -1 592 -1.0755480267107487e-02 - - 3.5955241322517395e-01 -1.1030949652194977e-01 - <_> - - 0 -1 593 -2.6936439797282219e-02 - - -7.0569419860839844e-01 1.5028079971671104e-02 - <_> - - 0 -1 594 2.8886420652270317e-02 - - 5.0576541572809219e-02 -7.2815430164337158e-01 - <_> - - 0 -1 595 5.7200351729989052e-03 - - -1.0274200141429901e-01 8.0553196370601654e-02 - <_> - - 0 -1 596 -1.7981380224227905e-02 - - -7.0609301328659058e-01 5.8095961809158325e-02 - <_> - - 0 -1 597 1.6353320097550750e-03 - - -9.0820826590061188e-02 1.2195230275392532e-01 - <_> - - 0 -1 598 -1.8810540204867721e-03 - - 3.1368181109428406e-01 -1.1835079640150070e-01 - <_> - - 0 -1 599 -1.6305189579725266e-02 - - -3.4470620751380920e-01 1.0644529946148396e-02 - <_> - - 0 -1 600 -1.6981370281428099e-03 - - 3.6481419205665588e-01 -1.0638120025396347e-01 - <_> - - 0 -1 601 2.1174369379878044e-02 - - 3.1025370582938194e-02 -2.7620419859886169e-01 - <_> - - 0 -1 602 -8.8443253189325333e-03 - - -6.9870138168334961e-01 5.1486968994140625e-02 - <_> - - 0 -1 603 3.6929589696228504e-03 - - -6.5479710698127747e-02 2.2728489711880684e-02 - <_> - - 0 -1 604 1.0892639867961407e-02 - - 6.1733219772577286e-02 -6.7477071285247803e-01 - <_> - - 0 -1 605 -1.2833529710769653e-01 - - 2.1409809589385986e-01 -3.3962771296501160e-02 - <_> - - 0 -1 606 -5.1236700266599655e-02 - - 1.5942020714282990e-01 -2.4341639876365662e-01 - <_> - - 0 -1 607 1.2321960180997849e-01 - - 2.5586610659956932e-02 -4.7473230957984924e-01 - <_> - - 0 -1 608 -1.9274000078439713e-03 - - 1.0943879932165146e-01 -3.3568400144577026e-01 - <_> - - 0 -1 609 -2.0102979615330696e-02 - - -5.1650160551071167e-01 2.9315050691366196e-02 - <_> - - 0 -1 610 1.8281549215316772e-02 - - -6.4036741852760315e-02 6.2557631731033325e-01 - <_> - - 0 -1 611 1.4739660546183586e-03 - - -1.6827440261840820e-01 1.0941269993782043e-01 - <_> - - 0 -1 612 -9.0881707146763802e-03 - - 2.4175269901752472e-01 -1.4523309469223022e-01 - <_> - - 0 -1 613 -4.5073218643665314e-02 - - -7.3592007160186768e-01 5.9004039503633976e-03 - <_> - - 0 -1 614 1.9067279994487762e-02 - - -1.0756839811801910e-01 3.3758550882339478e-01 - <_> - - 0 -1 615 -9.0190932154655457e-02 - - 3.0061250925064087e-01 -4.3286528438329697e-02 - <_> - - 0 -1 616 -2.4107230827212334e-02 - - 1.4867919683456421e-01 -2.2179369628429413e-01 - <_> - - 0 -1 617 4.2285379022359848e-02 - - -2.0657710731029510e-01 2.4372029304504395e-01 - <_> - - 0 -1 618 -1.9224429503083229e-02 - - -4.1109448671340942e-01 8.8076941668987274e-02 - <_> - - 0 -1 619 -1.8713049590587616e-02 - - -5.5512428283691406e-01 -3.5010900319321081e-05 - <_> - - 0 -1 620 -1.1740639805793762e-02 - - -7.4573528766632080e-01 4.6473011374473572e-02 - <_> - - 0 -1 621 3.5142578184604645e-02 - - 2.7216039597988129e-03 -4.9953749775886536e-01 - <_> - - 0 -1 622 -6.6481479443609715e-03 - - 1.9559350609779358e-01 -1.6296459734439850e-01 - <_> - - 0 -1 623 7.3291230946779251e-03 - - -5.7543341070413589e-02 8.1424511969089508e-02 - <_> - - 0 -1 624 -5.4579051211476326e-03 - - -5.4347038269042969e-01 5.7771220803260803e-02 - <_> - - 0 -1 625 1.0465289960848168e-04 - - -1.1724419891834259e-01 1.3367609679698944e-01 - <_> - - 0 -1 626 -1.7040430102497339e-03 - - 3.2203149795532227e-01 -1.0900110006332397e-01 - <_> - - 0 -1 627 -7.5647421181201935e-03 - - 4.4239428639411926e-01 -6.8382248282432556e-02 - <_> - - 0 -1 628 8.0183129757642746e-03 - - -1.5239569544792175e-01 2.4483230710029602e-01 - <_> - - 0 -1 629 -1.0649990290403366e-02 - - -6.2405461072921753e-01 2.1711019799113274e-02 - <_> - - 0 -1 630 -1.4240309828892350e-03 - - 8.9519590139389038e-02 -3.5850891470909119e-01 - <_> - - 0 -1 631 5.9712692163884640e-03 - - -4.6914869546890259e-01 5.2607439458370209e-02 - <_> - - 0 -1 632 1.6963120549917221e-02 - - -6.1023771762847900e-02 5.7392549514770508e-01 - <_> - - 0 -1 633 7.1414969861507416e-03 - - 2.8966020792722702e-02 -3.2176148891448975e-01 - <_> - - 0 -1 634 -9.5924977213144302e-03 - - -7.2410070896148682e-01 4.0414128452539444e-02 - <_> - - 0 -1 635 -4.1343858465552330e-03 - - -6.6965389251708984e-01 3.3574569970369339e-02 - <_> - - 0 -1 636 -4.4302479363977909e-03 - - -6.3991087675094604e-01 3.9288960397243500e-02 - <_> - - 0 -1 637 -2.6460499502718449e-03 - - 1.0181919671595097e-02 -1.8428249657154083e-01 - <_> - - 0 -1 638 -3.3010810613632202e-02 - - -6.4822387695312500e-01 4.6115010976791382e-02 - - <_> - - <_> - 1 6 8 12 -1. - <_> - 1 6 4 6 2. - <_> - 5 12 4 6 2. - <_> - - <_> - 0 3 12 2 -1. - <_> - 0 4 12 1 2. - <_> - - <_> - 0 18 12 2 -1. - <_> - 0 18 6 1 2. - <_> - 6 19 6 1 2. - <_> - - <_> - 6 3 3 6 -1. - <_> - 4 5 3 2 3. - 1 - <_> - - <_> - 6 3 6 3 -1. - <_> - 8 5 2 3 3. - 1 - <_> - - <_> - 0 0 12 16 -1. - <_> - 0 8 12 8 2. - <_> - - <_> - 4 0 4 1 -1. - <_> - 6 0 2 1 2. - <_> - - <_> - 1 6 8 12 -1. - <_> - 1 6 4 6 2. - <_> - 5 12 4 6 2. - <_> - - <_> - 0 0 12 8 -1. - <_> - 0 4 12 4 2. - <_> - - <_> - 6 8 6 6 -1. - <_> - 4 10 6 2 3. - 1 - <_> - - <_> - 4 12 8 8 -1. - <_> - 4 12 4 8 2. - <_> - - <_> - 0 12 8 8 -1. - <_> - 4 12 4 8 2. - <_> - - <_> - 6 3 3 6 -1. - <_> - 4 5 3 2 3. - 1 - <_> - - <_> - 3 4 6 12 -1. - <_> - 3 7 6 6 2. - <_> - - <_> - 8 0 4 18 -1. - <_> - 8 0 2 18 2. - <_> - - <_> - 0 0 4 18 -1. - <_> - 2 0 2 18 2. - <_> - - <_> - 1 0 10 16 -1. - <_> - 1 8 10 8 2. - <_> - - <_> - 0 18 12 2 -1. - <_> - 0 18 6 1 2. - <_> - 6 19 6 1 2. - <_> - - <_> - 3 0 6 1 -1. - <_> - 3 0 3 1 2. - <_> - - <_> - 1 6 8 12 -1. - <_> - 1 6 4 6 2. - <_> - 5 12 4 6 2. - <_> - - <_> - 8 3 2 4 -1. - <_> - 7 4 2 2 2. - 1 - <_> - - <_> - 3 3 4 6 -1. - <_> - 3 5 4 2 3. - <_> - - <_> - 0 0 12 12 -1. - <_> - 0 6 12 6 2. - <_> - - <_> - 6 8 6 6 -1. - <_> - 4 10 6 2 3. - 1 - <_> - - <_> - 8 3 1 8 -1. - <_> - 6 5 1 4 2. - 1 - <_> - - <_> - 2 0 8 1 -1. - <_> - 6 0 4 1 2. - <_> - - <_> - 11 0 1 8 -1. - <_> - 9 2 1 4 2. - 1 - <_> - - <_> - 4 3 8 1 -1. - <_> - 6 5 4 1 2. - 1 - <_> - - <_> - 8 4 4 13 -1. - <_> - 8 4 2 13 2. - <_> - - <_> - 3 0 1 8 -1. - <_> - 3 4 1 4 2. - <_> - - <_> - 0 18 12 2 -1. - <_> - 6 18 6 1 2. - <_> - 0 19 6 1 2. - <_> - - <_> - 6 11 1 6 -1. - <_> - 6 11 1 3 2. - 1 - <_> - - <_> - 8 0 4 17 -1. - <_> - 8 0 2 17 2. - <_> - - <_> - 0 0 4 17 -1. - <_> - 2 0 2 17 2. - <_> - - <_> - 0 12 12 8 -1. - <_> - 0 14 12 4 2. - <_> - - <_> - 2 7 6 2 -1. - <_> - 5 7 3 2 2. - <_> - - <_> - 3 0 7 16 -1. - <_> - 3 8 7 8 2. - <_> - - <_> - 0 0 3 2 -1. - <_> - 0 1 3 1 2. - <_> - - <_> - 3 8 6 8 -1. - <_> - 3 12 6 4 2. - <_> - - <_> - 1 7 8 12 -1. - <_> - 1 7 4 6 2. - <_> - 5 13 4 6 2. - <_> - - <_> - 6 5 2 2 -1. - <_> - 6 5 2 1 2. - 1 - <_> - - <_> - 5 3 1 6 -1. - <_> - 5 5 1 2 3. - <_> - - <_> - 10 11 2 7 -1. - <_> - 10 11 1 7 2. - 1 - <_> - - <_> - 2 11 7 2 -1. - <_> - 2 11 7 1 2. - 1 - <_> - - <_> - 2 16 10 4 -1. - <_> - 2 16 5 4 2. - <_> - - <_> - 0 17 1 3 -1. - <_> - 0 18 1 1 3. - <_> - - <_> - 11 18 1 2 -1. - <_> - 11 19 1 1 2. - <_> - - <_> - 0 18 1 2 -1. - <_> - 0 19 1 1 2. - <_> - - <_> - 9 7 3 3 -1. - <_> - 9 8 3 1 3. - <_> - - <_> - 6 4 4 3 -1. - <_> - 7 5 2 3 2. - 1 - <_> - - <_> - 8 4 4 3 -1. - <_> - 8 5 4 1 3. - <_> - - <_> - 4 11 5 4 -1. - <_> - 4 11 5 2 2. - 1 - <_> - - <_> - 7 4 2 4 -1. - <_> - 7 4 2 2 2. - 1 - <_> - - <_> - 5 4 4 2 -1. - <_> - 5 4 2 2 2. - 1 - <_> - - <_> - 8 9 2 8 -1. - <_> - 8 9 2 4 2. - 1 - <_> - - <_> - 4 9 8 2 -1. - <_> - 4 9 4 2 2. - 1 - <_> - - <_> - 0 0 12 8 -1. - <_> - 0 4 12 4 2. - <_> - - <_> - 0 0 8 1 -1. - <_> - 2 0 4 1 2. - <_> - - <_> - 0 7 12 4 -1. - <_> - 3 7 6 4 2. - <_> - - <_> - 0 16 1 2 -1. - <_> - 0 17 1 1 2. - <_> - - <_> - 3 16 6 4 -1. - <_> - 3 18 6 2 2. - <_> - - <_> - 0 16 10 4 -1. - <_> - 5 16 5 4 2. - <_> - - <_> - 8 6 4 12 -1. - <_> - 8 6 2 12 2. - <_> - - <_> - 0 5 4 11 -1. - <_> - 2 5 2 11 2. - <_> - - <_> - 0 18 12 2 -1. - <_> - 6 18 6 1 2. - <_> - 0 19 6 1 2. - <_> - - <_> - 1 7 8 1 -1. - <_> - 5 7 4 1 2. - <_> - - <_> - 0 0 12 10 -1. - <_> - 0 5 12 5 2. - <_> - - <_> - 3 3 6 12 -1. - <_> - 3 7 6 4 3. - <_> - - <_> - 1 0 10 1 -1. - <_> - 1 0 5 1 2. - <_> - - <_> - 6 7 6 6 -1. - <_> - 4 9 6 2 3. - 1 - <_> - - <_> - 7 2 1 8 -1. - <_> - 7 4 1 4 2. - <_> - - <_> - 2 2 8 4 -1. - <_> - 2 4 8 2 2. - <_> - - <_> - 0 7 12 7 -1. - <_> - 3 7 6 7 2. - <_> - - <_> - 3 16 6 4 -1. - <_> - 3 18 6 2 2. - <_> - - <_> - 10 2 1 18 -1. - <_> - 10 11 1 9 2. - <_> - - <_> - 1 4 1 16 -1. - <_> - 1 12 1 8 2. - <_> - - <_> - 4 0 4 18 -1. - <_> - 4 9 4 9 2. - <_> - - <_> - 0 0 4 1 -1. - <_> - 2 0 2 1 2. - <_> - - <_> - 7 2 1 8 -1. - <_> - 7 4 1 4 2. - <_> - - <_> - 6 3 6 2 -1. - <_> - 8 5 2 2 3. - 1 - <_> - - <_> - 7 11 2 6 -1. - <_> - 7 11 2 3 2. - 1 - <_> - - <_> - 4 8 6 4 -1. - <_> - 6 10 2 4 3. - 1 - <_> - - <_> - 2 0 8 2 -1. - <_> - 2 1 8 1 2. - <_> - - <_> - 0 3 3 7 -1. - <_> - 1 3 1 7 3. - <_> - - <_> - 8 1 4 8 -1. - <_> - 8 5 4 4 2. - <_> - - <_> - 0 16 12 4 -1. - <_> - 0 17 12 2 2. - <_> - - <_> - 8 1 3 8 -1. - <_> - 8 5 3 4 2. - <_> - - <_> - 3 1 1 8 -1. - <_> - 3 5 1 4 2. - <_> - - <_> - 8 0 1 8 -1. - <_> - 6 2 1 4 2. - 1 - <_> - - <_> - 4 1 2 7 -1. - <_> - 5 1 1 7 2. - <_> - - <_> - 9 6 3 5 -1. - <_> - 10 6 1 5 3. - <_> - - <_> - 0 13 12 6 -1. - <_> - 0 15 12 2 3. - <_> - - <_> - 0 0 12 10 -1. - <_> - 6 0 6 5 2. - <_> - 0 5 6 5 2. - <_> - - <_> - 0 4 3 7 -1. - <_> - 1 4 1 7 3. - <_> - - <_> - 2 2 8 2 -1. - <_> - 2 3 8 1 2. - <_> - - <_> - 5 1 1 6 -1. - <_> - 5 3 1 2 3. - <_> - - <_> - 7 5 4 7 -1. - <_> - 7 5 2 7 2. - 1 - <_> - - <_> - 0 17 12 3 -1. - <_> - 6 17 6 3 2. - <_> - - <_> - 2 10 8 10 -1. - <_> - 6 10 4 5 2. - <_> - 2 15 4 5 2. - <_> - - <_> - 3 0 2 20 -1. - <_> - 3 5 2 10 2. - <_> - - <_> - 1 6 8 12 -1. - <_> - 1 6 4 6 2. - <_> - 5 12 4 6 2. - <_> - - <_> - 0 3 12 2 -1. - <_> - 0 4 12 1 2. - <_> - - <_> - 1 5 7 6 -1. - <_> - 1 7 7 2 3. - <_> - - <_> - 0 0 12 14 -1. - <_> - 0 7 12 7 2. - <_> - - <_> - 0 18 12 2 -1. - <_> - 0 18 6 1 2. - <_> - 6 19 6 1 2. - <_> - - <_> - 10 10 2 4 -1. - <_> - 10 10 2 2 2. - 1 - <_> - - <_> - 3 4 2 1 -1. - <_> - 3 4 1 1 2. - 1 - <_> - - <_> - 9 7 2 3 -1. - <_> - 9 8 2 1 3. - <_> - - <_> - 0 0 10 2 -1. - <_> - 0 1 10 1 2. - <_> - - <_> - 7 8 5 4 -1. - <_> - 7 9 5 2 2. - <_> - - <_> - 1 7 2 3 -1. - <_> - 1 8 2 1 3. - <_> - - <_> - 6 16 2 2 -1. - <_> - 6 16 2 1 2. - 1 - <_> - - <_> - 6 16 2 2 -1. - <_> - 6 16 1 2 2. - 1 - <_> - - <_> - 0 0 4 16 -1. - <_> - 2 0 2 16 2. - <_> - - <_> - 5 0 2 3 -1. - <_> - 5 1 2 1 3. - <_> - - <_> - 1 6 8 12 -1. - <_> - 1 6 4 6 2. - <_> - 5 12 4 6 2. - <_> - - <_> - 6 11 6 9 -1. - <_> - 6 11 3 9 2. - <_> - - <_> - 0 11 6 9 -1. - <_> - 3 11 3 9 2. - <_> - - <_> - 9 11 3 5 -1. - <_> - 10 12 1 5 3. - 1 - <_> - - <_> - 1 0 3 1 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 9 11 3 5 -1. - <_> - 10 12 1 5 3. - 1 - <_> - - <_> - 3 11 5 3 -1. - <_> - 2 12 5 1 3. - 1 - <_> - - <_> - 6 6 1 3 -1. - <_> - 5 7 1 1 3. - 1 - <_> - - <_> - 6 6 3 1 -1. - <_> - 7 7 1 1 3. - 1 - <_> - - <_> - 7 9 3 2 -1. - <_> - 7 10 3 1 2. - <_> - - <_> - 1 18 1 2 -1. - <_> - 1 19 1 1 2. - <_> - - <_> - 10 18 1 2 -1. - <_> - 10 19 1 1 2. - <_> - - <_> - 1 18 1 2 -1. - <_> - 1 19 1 1 2. - <_> - - <_> - 7 9 3 2 -1. - <_> - 7 10 3 1 2. - <_> - - <_> - 2 9 3 2 -1. - <_> - 2 10 3 1 2. - <_> - - <_> - 8 8 4 3 -1. - <_> - 8 9 4 1 3. - <_> - - <_> - 0 8 4 3 -1. - <_> - 0 9 4 1 3. - <_> - - <_> - 0 0 12 8 -1. - <_> - 0 4 12 4 2. - <_> - - <_> - 0 4 8 11 -1. - <_> - 2 4 4 11 2. - <_> - - <_> - 9 0 1 3 -1. - <_> - 9 1 1 1 3. - <_> - - <_> - 1 0 2 3 -1. - <_> - 1 1 2 1 3. - <_> - - <_> - 0 18 12 2 -1. - <_> - 6 18 6 1 2. - <_> - 0 19 6 1 2. - <_> - - <_> - 6 3 6 6 -1. - <_> - 8 5 2 6 3. - 1 - <_> - - <_> - 10 12 2 6 -1. - <_> - 10 12 1 6 2. - 1 - <_> - - <_> - 2 12 6 2 -1. - <_> - 2 12 6 1 2. - 1 - <_> - - <_> - 4 14 8 5 -1. - <_> - 4 14 4 5 2. - <_> - - <_> - 0 15 8 3 -1. - <_> - 4 15 4 3 2. - <_> - - <_> - 6 7 6 6 -1. - <_> - 8 9 2 6 3. - 1 - <_> - - <_> - 6 7 6 6 -1. - <_> - 4 9 6 2 3. - 1 - <_> - - <_> - 5 4 2 4 -1. - <_> - 5 5 2 2 2. - <_> - - <_> - 0 8 3 3 -1. - <_> - 0 9 3 1 3. - <_> - - <_> - 8 15 2 3 -1. - <_> - 7 16 2 1 3. - 1 - <_> - - <_> - 4 15 3 2 -1. - <_> - 5 16 1 2 3. - 1 - <_> - - <_> - 9 14 3 3 -1. - <_> - 8 15 3 1 3. - 1 - <_> - - <_> - 3 12 5 3 -1. - <_> - 2 13 5 1 3. - 1 - <_> - - <_> - 0 0 12 2 -1. - <_> - 3 0 6 2 2. - <_> - - <_> - 0 9 3 4 -1. - <_> - 0 10 3 2 2. - <_> - - <_> - 8 10 4 6 -1. - <_> - 8 12 4 2 3. - <_> - - <_> - 0 10 4 6 -1. - <_> - 0 12 4 2 3. - <_> - - <_> - 6 5 2 3 -1. - <_> - 5 6 2 1 3. - 1 - <_> - - <_> - 6 5 3 2 -1. - <_> - 7 6 1 2 3. - 1 - <_> - - <_> - 2 0 8 1 -1. - <_> - 2 0 4 1 2. - <_> - - <_> - 0 5 3 2 -1. - <_> - 0 6 3 1 2. - <_> - - <_> - 8 14 2 3 -1. - <_> - 7 15 2 1 3. - 1 - <_> - - <_> - 4 14 3 2 -1. - <_> - 5 15 1 2 3. - 1 - <_> - - <_> - 3 2 3 8 -1. - <_> - 3 4 3 4 2. - <_> - - <_> - 3 7 8 12 -1. - <_> - 7 7 4 6 2. - <_> - 3 13 4 6 2. - <_> - - <_> - 4 6 4 3 -1. - <_> - 4 7 4 1 3. - <_> - - <_> - 3 11 6 8 -1. - <_> - 3 13 6 4 2. - <_> - - <_> - 6 12 2 6 -1. - <_> - 6 12 2 3 2. - 1 - <_> - - <_> - 4 3 8 16 -1. - <_> - 8 3 4 8 2. - <_> - 4 11 4 8 2. - <_> - - <_> - 0 2 8 16 -1. - <_> - 0 2 4 8 2. - <_> - 4 10 4 8 2. - <_> - - <_> - 9 0 3 2 -1. - <_> - 9 1 3 1 2. - <_> - - <_> - 0 0 3 2 -1. - <_> - 0 1 3 1 2. - <_> - - <_> - 9 6 1 2 -1. - <_> - 9 6 1 1 2. - 1 - <_> - - <_> - 0 1 12 2 -1. - <_> - 4 1 4 2 3. - <_> - - <_> - 9 4 3 5 -1. - <_> - 10 4 1 5 3. - <_> - - <_> - 0 3 4 6 -1. - <_> - 1 3 2 6 2. - <_> - - <_> - 11 17 1 2 -1. - <_> - 11 18 1 1 2. - <_> - - <_> - 0 17 1 2 -1. - <_> - 0 18 1 1 2. - <_> - - <_> - 11 17 1 3 -1. - <_> - 11 18 1 1 3. - <_> - - <_> - 0 17 1 3 -1. - <_> - 0 18 1 1 3. - <_> - - <_> - 0 4 12 12 -1. - <_> - 0 8 12 4 3. - <_> - - <_> - 1 5 3 6 -1. - <_> - 2 5 1 6 3. - <_> - - <_> - 6 4 4 3 -1. - <_> - 5 5 4 1 3. - 1 - <_> - - <_> - 6 4 3 4 -1. - <_> - 7 5 1 4 3. - 1 - <_> - - <_> - 10 4 2 3 -1. - <_> - 10 5 2 1 3. - <_> - - <_> - 0 4 2 3 -1. - <_> - 0 5 2 1 3. - <_> - - <_> - 9 10 3 3 -1. - <_> - 8 11 3 1 3. - 1 - <_> - - <_> - 6 10 6 3 -1. - <_> - 6 10 3 3 2. - 1 - <_> - - <_> - 3 2 4 2 -1. - <_> - 3 2 2 1 2. - <_> - 5 3 2 1 2. - <_> - - <_> - 6 8 6 6 -1. - <_> - 8 10 2 6 3. - 1 - <_> - - <_> - 6 8 6 6 -1. - <_> - 4 10 6 2 3. - 1 - <_> - - <_> - 6 4 1 6 -1. - <_> - 4 6 1 2 3. - 1 - <_> - - <_> - 6 4 6 1 -1. - <_> - 8 6 2 1 3. - 1 - <_> - - <_> - 6 5 3 3 -1. - <_> - 5 6 3 1 3. - 1 - <_> - - <_> - 6 5 3 3 -1. - <_> - 7 6 1 3 3. - 1 - <_> - - <_> - 2 16 10 4 -1. - <_> - 2 16 5 4 2. - <_> - - <_> - 0 0 12 10 -1. - <_> - 0 5 12 5 2. - <_> - - <_> - 10 0 2 2 -1. - <_> - 10 0 1 2 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 1 0 1 2 2. - <_> - - <_> - 7 15 2 2 -1. - <_> - 7 15 2 1 2. - 1 - <_> - - <_> - 0 8 2 6 -1. - <_> - 0 8 1 3 2. - <_> - 1 11 1 3 2. - <_> - - <_> - 10 11 2 4 -1. - <_> - 9 12 2 2 2. - 1 - <_> - - <_> - 0 16 10 4 -1. - <_> - 5 16 5 4 2. - <_> - - <_> - 1 18 10 2 -1. - <_> - 1 19 10 1 2. - <_> - - <_> - 0 9 2 4 -1. - <_> - 0 9 1 2 2. - <_> - 1 11 1 2 2. - <_> - - <_> - 9 12 3 3 -1. - <_> - 8 13 3 1 3. - 1 - <_> - - <_> - 3 12 3 3 -1. - <_> - 4 13 1 3 3. - 1 - <_> - - <_> - 6 4 4 3 -1. - <_> - 5 5 4 1 3. - 1 - <_> - - <_> - 6 4 3 4 -1. - <_> - 7 5 1 4 3. - 1 - <_> - - <_> - 9 12 3 3 -1. - <_> - 8 13 3 1 3. - 1 - <_> - - <_> - 3 12 3 3 -1. - <_> - 4 13 1 3 3. - 1 - <_> - - <_> - 6 4 3 4 -1. - <_> - 5 5 3 2 2. - 1 - <_> - - <_> - 6 4 4 3 -1. - <_> - 7 5 2 3 2. - 1 - <_> - - <_> - 9 18 2 2 -1. - <_> - 9 19 2 1 2. - <_> - - <_> - 1 18 2 2 -1. - <_> - 1 19 2 1 2. - <_> - - <_> - 10 6 2 3 -1. - <_> - 10 7 2 1 3. - <_> - - <_> - 0 1 2 4 -1. - <_> - 0 1 1 2 2. - <_> - 1 3 1 2 2. - <_> - - <_> - 6 0 2 3 -1. - <_> - 6 0 1 3 2. - <_> - - <_> - 2 13 2 2 -1. - <_> - 2 13 1 1 2. - <_> - 3 14 1 1 2. - <_> - - <_> - 10 6 2 3 -1. - <_> - 10 7 2 1 3. - <_> - - <_> - 2 1 4 3 -1. - <_> - 2 2 4 1 3. - <_> - - <_> - 7 4 3 3 -1. - <_> - 6 5 3 1 3. - 1 - <_> - - <_> - 5 4 2 2 -1. - <_> - 5 5 2 1 2. - <_> - - <_> - 10 10 2 6 -1. - <_> - 10 10 1 6 2. - <_> - - <_> - 0 12 4 4 -1. - <_> - 2 12 2 4 2. - <_> - - <_> - 6 3 3 6 -1. - <_> - 4 5 3 2 3. - 1 - <_> - - <_> - 6 3 6 3 -1. - <_> - 8 5 2 3 3. - 1 - <_> - - <_> - 9 12 2 3 -1. - <_> - 8 13 2 1 3. - 1 - <_> - - <_> - 6 12 1 6 -1. - <_> - 6 12 1 3 2. - 1 - <_> - - <_> - 5 16 3 2 -1. - <_> - 5 17 3 1 2. - <_> - - <_> - 3 12 3 2 -1. - <_> - 4 13 1 2 3. - 1 - <_> - - <_> - 11 0 1 2 -1. - <_> - 11 0 1 1 2. - 1 - <_> - - <_> - 0 0 4 11 -1. - <_> - 2 0 2 11 2. - <_> - - <_> - 10 11 2 3 -1. - <_> - 9 12 2 1 3. - 1 - <_> - - <_> - 2 11 3 2 -1. - <_> - 3 12 1 2 3. - 1 - <_> - - <_> - 9 11 3 5 -1. - <_> - 10 12 1 5 3. - 1 - <_> - - <_> - 3 11 5 3 -1. - <_> - 2 12 5 1 3. - 1 - <_> - - <_> - 8 12 4 2 -1. - <_> - 8 13 4 1 2. - <_> - - <_> - 0 12 4 2 -1. - <_> - 0 13 4 1 2. - <_> - - <_> - 8 13 2 2 -1. - <_> - 9 13 1 1 2. - <_> - 8 14 1 1 2. - <_> - - <_> - 0 7 5 3 -1. - <_> - 0 8 5 1 3. - <_> - - <_> - 8 13 2 2 -1. - <_> - 9 13 1 1 2. - <_> - 8 14 1 1 2. - <_> - - <_> - 2 13 2 2 -1. - <_> - 2 13 1 1 2. - <_> - 3 14 1 1 2. - <_> - - <_> - 7 8 5 4 -1. - <_> - 7 9 5 2 2. - <_> - - <_> - 0 5 2 8 -1. - <_> - 0 5 1 4 2. - <_> - 1 9 1 4 2. - <_> - - <_> - 8 8 3 4 -1. - <_> - 8 9 3 2 2. - <_> - - <_> - 1 8 3 4 -1. - <_> - 1 9 3 2 2. - <_> - - <_> - 0 0 12 16 -1. - <_> - 0 8 12 8 2. - <_> - - <_> - 0 0 4 2 -1. - <_> - 0 0 2 1 2. - <_> - 2 1 2 1 2. - <_> - - <_> - 7 0 3 3 -1. - <_> - 8 0 1 3 3. - <_> - - <_> - 3 12 5 3 -1. - <_> - 2 13 5 1 3. - 1 - <_> - - <_> - 0 8 12 4 -1. - <_> - 3 8 6 4 2. - <_> - - <_> - 2 12 2 2 -1. - <_> - 2 12 1 1 2. - <_> - 3 13 1 1 2. - <_> - - <_> - 10 15 2 3 -1. - <_> - 10 16 2 1 3. - <_> - - <_> - 0 0 8 1 -1. - <_> - 2 0 4 1 2. - <_> - - <_> - 3 6 8 12 -1. - <_> - 7 6 4 6 2. - <_> - 3 12 4 6 2. - <_> - - <_> - 5 4 3 3 -1. - <_> - 6 5 1 3 3. - 1 - <_> - - <_> - 4 6 8 12 -1. - <_> - 8 6 4 6 2. - <_> - 4 12 4 6 2. - <_> - - <_> - 0 5 10 14 -1. - <_> - 0 5 5 7 2. - <_> - 5 12 5 7 2. - <_> - - <_> - 1 2 10 4 -1. - <_> - 1 4 10 2 2. - <_> - - <_> - 0 15 1 2 -1. - <_> - 0 16 1 1 2. - <_> - - <_> - 6 0 4 3 -1. - <_> - 6 1 4 1 3. - <_> - - <_> - 5 14 2 2 -1. - <_> - 5 14 1 2 2. - 1 - <_> - - <_> - 0 9 12 1 -1. - <_> - 0 9 6 1 2. - <_> - - <_> - 0 5 3 3 -1. - <_> - 0 6 3 1 3. - <_> - - <_> - 8 12 4 3 -1. - <_> - 7 13 4 1 3. - 1 - <_> - - <_> - 4 12 3 4 -1. - <_> - 5 13 1 4 3. - 1 - <_> - - <_> - 7 0 2 3 -1. - <_> - 7 1 2 1 3. - <_> - - <_> - 3 0 2 3 -1. - <_> - 3 1 2 1 3. - <_> - - <_> - 10 0 2 2 -1. - <_> - 10 0 1 2 2. - 1 - <_> - - <_> - 2 0 2 2 -1. - <_> - 2 0 2 1 2. - 1 - <_> - - <_> - 10 0 2 1 -1. - <_> - 10 0 1 1 2. - 1 - <_> - - <_> - 0 18 12 2 -1. - <_> - 0 18 6 1 2. - <_> - 6 19 6 1 2. - <_> - - <_> - 2 7 8 10 -1. - <_> - 2 12 8 5 2. - <_> - - <_> - 0 9 2 10 -1. - <_> - 1 9 1 10 2. - <_> - - <_> - 9 9 3 2 -1. - <_> - 10 9 1 2 3. - <_> - - <_> - 0 9 3 2 -1. - <_> - 1 9 1 2 3. - <_> - - <_> - 8 6 4 3 -1. - <_> - 8 7 4 1 3. - <_> - - <_> - 0 5 2 3 -1. - <_> - 0 6 2 1 3. - <_> - - <_> - 8 8 3 3 -1. - <_> - 9 8 1 3 3. - <_> - - <_> - 0 8 4 12 -1. - <_> - 2 8 2 12 2. - <_> - - <_> - 6 7 1 3 -1. - <_> - 5 8 1 1 3. - 1 - <_> - - <_> - 6 4 3 3 -1. - <_> - 7 5 1 3 3. - 1 - <_> - - <_> - 10 0 2 1 -1. - <_> - 10 0 1 1 2. - 1 - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 9 10 3 1 -1. - <_> - 10 10 1 1 3. - <_> - - <_> - 0 10 3 1 -1. - <_> - 1 10 1 1 3. - <_> - - <_> - 10 12 2 3 -1. - <_> - 9 13 2 1 3. - 1 - <_> - - <_> - 2 12 3 2 -1. - <_> - 3 13 1 2 3. - 1 - <_> - - <_> - 9 10 3 3 -1. - <_> - 9 11 3 1 3. - <_> - - <_> - 0 10 3 3 -1. - <_> - 0 11 3 1 3. - <_> - - <_> - 0 0 3 2 -1. - <_> - 0 1 3 1 2. - <_> - - <_> - 3 0 6 2 -1. - <_> - 6 0 3 1 2. - <_> - 3 1 3 1 2. - <_> - - <_> - 1 7 8 12 -1. - <_> - 1 7 4 6 2. - <_> - 5 13 4 6 2. - <_> - - <_> - 7 6 4 1 -1. - <_> - 7 6 2 1 2. - <_> - - <_> - 1 0 10 2 -1. - <_> - 6 0 5 2 2. - <_> - - <_> - 10 2 1 4 -1. - <_> - 10 2 1 2 2. - 1 - <_> - - <_> - 2 2 4 1 -1. - <_> - 2 2 2 1 2. - 1 - <_> - - <_> - 4 15 8 4 -1. - <_> - 4 15 4 4 2. - <_> - - <_> - 0 14 8 5 -1. - <_> - 4 14 4 5 2. - <_> - - <_> - 8 12 4 5 -1. - <_> - 8 12 2 5 2. - <_> - - <_> - 0 10 4 7 -1. - <_> - 2 10 2 7 2. - <_> - - <_> - 5 0 3 3 -1. - <_> - 5 1 3 1 3. - <_> - - <_> - 6 8 3 1 -1. - <_> - 7 9 1 1 3. - 1 - <_> - - <_> - 9 6 3 3 -1. - <_> - 9 7 3 1 3. - <_> - - <_> - 0 6 3 3 -1. - <_> - 0 7 3 1 3. - <_> - - <_> - 8 13 4 2 -1. - <_> - 8 14 4 1 2. - <_> - - <_> - 0 6 2 3 -1. - <_> - 0 7 2 1 3. - <_> - - <_> - 8 8 3 3 -1. - <_> - 9 8 1 3 3. - <_> - - <_> - 0 12 5 4 -1. - <_> - 0 14 5 2 2. - <_> - - <_> - 6 16 4 2 -1. - <_> - 8 16 2 1 2. - <_> - 6 17 2 1 2. - <_> - - <_> - 1 12 2 2 -1. - <_> - 1 12 1 1 2. - <_> - 2 13 1 1 2. - <_> - - <_> - 8 12 2 2 -1. - <_> - 9 12 1 1 2. - <_> - 8 13 1 1 2. - <_> - - <_> - 0 16 1 2 -1. - <_> - 0 17 1 1 2. - <_> - - <_> - 8 12 2 2 -1. - <_> - 9 12 1 1 2. - <_> - 8 13 1 1 2. - <_> - - <_> - 2 12 2 2 -1. - <_> - 2 12 1 1 2. - <_> - 3 13 1 1 2. - <_> - - <_> - 8 13 2 3 -1. - <_> - 7 14 2 1 3. - 1 - <_> - - <_> - 4 13 3 2 -1. - <_> - 5 14 1 2 3. - 1 - <_> - - <_> - 9 10 2 4 -1. - <_> - 10 10 1 2 2. - <_> - 9 12 1 2 2. - <_> - - <_> - 1 10 2 4 -1. - <_> - 1 10 1 2 2. - <_> - 2 12 1 2 2. - <_> - - <_> - 7 16 2 2 -1. - <_> - 7 16 2 1 2. - 1 - <_> - - <_> - 1 8 3 3 -1. - <_> - 2 8 1 3 3. - <_> - - <_> - 8 10 3 3 -1. - <_> - 8 11 3 1 3. - <_> - - <_> - 4 0 3 3 -1. - <_> - 5 0 1 3 3. - <_> - - <_> - 5 8 4 6 -1. - <_> - 5 11 4 3 2. - <_> - - <_> - 6 5 6 1 -1. - <_> - 6 5 3 1 2. - 1 - <_> - - <_> - 7 15 2 2 -1. - <_> - 7 15 2 1 2. - 1 - <_> - - <_> - 5 15 2 2 -1. - <_> - 5 15 1 2 2. - 1 - <_> - - <_> - 9 3 3 3 -1. - <_> - 9 4 3 1 3. - <_> - - <_> - 4 4 3 4 -1. - <_> - 4 5 3 2 2. - <_> - - <_> - 11 0 1 2 -1. - <_> - 11 0 1 1 2. - 1 - <_> - - <_> - 1 0 2 1 -1. - <_> - 1 0 1 1 2. - 1 - <_> - - <_> - 4 6 8 12 -1. - <_> - 8 6 4 6 2. - <_> - 4 12 4 6 2. - <_> - - <_> - 1 6 8 12 -1. - <_> - 1 6 4 6 2. - <_> - 5 12 4 6 2. - <_> - - <_> - 10 0 2 3 -1. - <_> - 9 1 2 1 3. - 1 - <_> - - <_> - 2 0 3 2 -1. - <_> - 3 1 1 2 3. - 1 - <_> - - <_> - 8 10 4 3 -1. - <_> - 7 11 4 1 3. - 1 - <_> - - <_> - 0 0 12 14 -1. - <_> - 0 7 12 7 2. - <_> - - <_> - 0 18 12 2 -1. - <_> - 6 18 6 1 2. - <_> - 0 19 6 1 2. - <_> - - <_> - 0 17 2 3 -1. - <_> - 0 18 2 1 3. - <_> - - <_> - 10 8 2 6 -1. - <_> - 11 8 1 3 2. - <_> - 10 11 1 3 2. - <_> - - <_> - 0 8 2 6 -1. - <_> - 0 8 1 3 2. - <_> - 1 11 1 3 2. - <_> - - <_> - 10 17 2 3 -1. - <_> - 10 18 2 1 3. - <_> - - <_> - 0 17 2 3 -1. - <_> - 0 18 2 1 3. - <_> - - <_> - 9 8 3 3 -1. - <_> - 10 8 1 3 3. - <_> - - <_> - 0 6 3 14 -1. - <_> - 0 13 3 7 2. - <_> - - <_> - 9 8 3 3 -1. - <_> - 10 8 1 3 3. - <_> - - <_> - 0 8 3 3 -1. - <_> - 1 8 1 3 3. - <_> - - <_> - 9 9 3 3 -1. - <_> - 8 10 3 1 3. - 1 - <_> - - <_> - 3 9 3 3 -1. - <_> - 4 10 1 3 3. - 1 - <_> - - <_> - 8 7 4 1 -1. - <_> - 8 7 2 1 2. - <_> - - <_> - 0 7 4 1 -1. - <_> - 2 7 2 1 2. - <_> - - <_> - 0 0 12 7 -1. - <_> - 0 0 6 7 2. - <_> - - <_> - 3 12 4 3 -1. - <_> - 2 13 4 1 3. - 1 - <_> - - <_> - 8 10 3 3 -1. - <_> - 8 11 3 1 3. - <_> - - <_> - 1 10 3 3 -1. - <_> - 1 11 3 1 3. - <_> - - <_> - 6 13 1 6 -1. - <_> - 4 15 1 2 3. - 1 - <_> - - <_> - 6 13 6 1 -1. - <_> - 8 15 2 1 3. - 1 - <_> - - <_> - 5 0 2 3 -1. - <_> - 5 1 2 1 3. - <_> - - <_> - 1 8 3 4 -1. - <_> - 1 9 3 2 2. - <_> - - <_> - 9 0 3 2 -1. - <_> - 10 1 1 2 3. - 1 - <_> - - <_> - 3 0 2 3 -1. - <_> - 2 1 2 1 3. - 1 - <_> - - <_> - 10 17 2 1 -1. - <_> - 10 17 1 1 2. - <_> - - <_> - 0 17 2 1 -1. - <_> - 1 17 1 1 2. - <_> - - <_> - 8 13 2 2 -1. - <_> - 9 13 1 1 2. - <_> - 8 14 1 1 2. - <_> - - <_> - 2 13 2 2 -1. - <_> - 2 13 1 1 2. - <_> - 3 14 1 1 2. - <_> - - <_> - 9 10 3 2 -1. - <_> - 10 10 1 2 3. - <_> - - <_> - 0 10 3 2 -1. - <_> - 1 10 1 2 3. - <_> - - <_> - 9 7 3 3 -1. - <_> - 9 8 3 1 3. - <_> - - <_> - 6 4 3 4 -1. - <_> - 7 5 1 4 3. - 1 - <_> - - <_> - 8 4 3 7 -1. - <_> - 9 4 1 7 3. - <_> - - <_> - 2 9 3 4 -1. - <_> - 2 10 3 2 2. - <_> - - <_> - 8 4 3 7 -1. - <_> - 9 4 1 7 3. - <_> - - <_> - 6 6 3 1 -1. - <_> - 7 7 1 1 3. - 1 - <_> - - <_> - 9 0 1 3 -1. - <_> - 9 1 1 1 3. - <_> - - <_> - 2 0 1 3 -1. - <_> - 2 1 1 1 3. - <_> - - <_> - 9 11 1 8 -1. - <_> - 9 15 1 4 2. - <_> - - <_> - 0 3 12 2 -1. - <_> - 0 4 12 1 2. - <_> - - <_> - 10 11 2 5 -1. - <_> - 10 11 1 5 2. - 1 - <_> - - <_> - 2 11 1 8 -1. - <_> - 2 15 1 4 2. - <_> - - <_> - 6 12 6 7 -1. - <_> - 6 12 3 7 2. - <_> - - <_> - 0 0 4 2 -1. - <_> - 0 0 2 1 2. - <_> - 2 1 2 1 2. - <_> - - <_> - 6 12 6 7 -1. - <_> - 6 12 3 7 2. - <_> - - <_> - 0 12 6 7 -1. - <_> - 3 12 3 7 2. - <_> - - <_> - 8 2 1 8 -1. - <_> - 6 4 1 4 2. - 1 - <_> - - <_> - 4 2 8 1 -1. - <_> - 6 4 4 1 2. - 1 - <_> - - <_> - 9 10 3 3 -1. - <_> - 8 11 3 1 3. - 1 - <_> - - <_> - 3 10 3 3 -1. - <_> - 4 11 1 3 3. - 1 - <_> - - <_> - 2 0 8 2 -1. - <_> - 4 0 4 2 2. - <_> - - <_> - 6 7 3 2 -1. - <_> - 7 8 1 2 3. - 1 - <_> - - <_> - 3 4 6 12 -1. - <_> - 3 8 6 4 3. - <_> - - <_> - 0 7 3 3 -1. - <_> - 0 8 3 1 3. - <_> - - <_> - 8 11 4 6 -1. - <_> - 8 13 4 2 3. - <_> - - <_> - 0 11 4 6 -1. - <_> - 0 13 4 2 3. - <_> - - <_> - 3 17 8 2 -1. - <_> - 7 17 4 1 2. - <_> - 3 18 4 1 2. - <_> - - <_> - 0 14 10 5 -1. - <_> - 5 14 5 5 2. - <_> - - <_> - 8 11 3 1 -1. - <_> - 9 11 1 1 3. - <_> - - <_> - 1 11 3 1 -1. - <_> - 2 11 1 1 3. - <_> - - <_> - 9 1 3 6 -1. - <_> - 10 2 1 6 3. - 1 - <_> - - <_> - 0 0 12 18 -1. - <_> - 0 9 12 9 2. - <_> - - <_> - 8 6 1 2 -1. - <_> - 8 6 1 1 2. - 1 - <_> - - <_> - 6 4 3 3 -1. - <_> - 7 5 1 3 3. - 1 - <_> - - <_> - 9 1 3 6 -1. - <_> - 10 2 1 6 3. - 1 - <_> - - <_> - 3 1 6 3 -1. - <_> - 2 2 6 1 3. - 1 - <_> - - <_> - 9 11 2 3 -1. - <_> - 8 12 2 1 3. - 1 - <_> - - <_> - 3 11 3 2 -1. - <_> - 4 12 1 2 3. - 1 - <_> - - <_> - 8 5 4 4 -1. - <_> - 8 6 4 2 2. - <_> - - <_> - 0 5 4 4 -1. - <_> - 0 6 4 2 2. - <_> - - <_> - 5 17 3 3 -1. - <_> - 5 18 3 1 3. - <_> - - <_> - 4 15 1 3 -1. - <_> - 4 16 1 1 3. - <_> - - <_> - 10 10 2 4 -1. - <_> - 11 10 1 2 2. - <_> - 10 12 1 2 2. - <_> - - <_> - 0 10 2 4 -1. - <_> - 0 10 1 2 2. - <_> - 1 12 1 2 2. - <_> - - <_> - 9 4 3 6 -1. - <_> - 10 4 1 6 3. - <_> - - <_> - 0 4 3 6 -1. - <_> - 1 4 1 6 3. - <_> - - <_> - 10 7 2 6 -1. - <_> - 11 7 1 3 2. - <_> - 10 10 1 3 2. - <_> - - <_> - 0 7 2 6 -1. - <_> - 0 7 1 3 2. - <_> - 1 10 1 3 2. - <_> - - <_> - 10 8 2 3 -1. - <_> - 10 9 2 1 3. - <_> - - <_> - 0 8 3 3 -1. - <_> - 0 9 3 1 3. - <_> - - <_> - 0 0 4 1 -1. - <_> - 2 0 2 1 2. - <_> - - <_> - 4 6 4 3 -1. - <_> - 4 7 4 1 3. - <_> - - <_> - 0 8 10 10 -1. - <_> - 0 8 5 5 2. - <_> - 5 13 5 5 2. - <_> - - <_> - 8 0 1 8 -1. - <_> - 8 0 1 4 2. - 1 - <_> - - <_> - 1 6 4 1 -1. - <_> - 3 6 2 1 2. - <_> - - <_> - 8 0 1 8 -1. - <_> - 8 0 1 4 2. - 1 - <_> - - <_> - 6 13 1 6 -1. - <_> - 6 13 1 3 2. - 1 - <_> - - <_> - 0 18 12 2 -1. - <_> - 0 19 12 1 2. - <_> - - <_> - 3 18 1 2 -1. - <_> - 3 19 1 1 2. - <_> - - <_> - 10 10 2 6 -1. - <_> - 10 10 1 6 2. - <_> - - <_> - 0 10 2 6 -1. - <_> - 1 10 1 6 2. - <_> - - <_> - 8 0 1 8 -1. - <_> - 8 0 1 4 2. - 1 - <_> - - <_> - 4 2 4 2 -1. - <_> - 4 2 2 1 2. - <_> - 6 3 2 1 2. - <_> - - <_> - 0 8 12 2 -1. - <_> - 0 8 6 2 2. - <_> - - <_> - 4 0 4 2 -1. - <_> - 5 0 2 2 2. - <_> - - <_> - 6 0 3 3 -1. - <_> - 7 0 1 3 3. - <_> - - <_> - 3 0 3 3 -1. - <_> - 4 0 1 3 3. - <_> - - <_> - 6 5 1 3 -1. - <_> - 5 6 1 1 3. - 1 - <_> - - <_> - 0 1 2 4 -1. - <_> - 0 1 1 2 2. - <_> - 1 3 1 2 2. - <_> - - <_> - 10 1 2 4 -1. - <_> - 11 1 1 2 2. - <_> - 10 3 1 2 2. - <_> - - <_> - 0 1 2 4 -1. - <_> - 0 1 1 2 2. - <_> - 1 3 1 2 2. - <_> - - <_> - 9 8 3 3 -1. - <_> - 9 9 3 1 3. - <_> - - <_> - 6 16 2 2 -1. - <_> - 6 16 1 2 2. - 1 - <_> - - <_> - 6 8 2 1 -1. - <_> - 6 8 1 1 2. - <_> - - <_> - 6 5 3 1 -1. - <_> - 7 6 1 1 3. - 1 - <_> - - <_> - 5 5 2 3 -1. - <_> - 5 6 2 1 3. - <_> - - <_> - 1 6 3 3 -1. - <_> - 1 7 3 1 3. - <_> - - <_> - 8 1 1 8 -1. - <_> - 6 3 1 4 2. - 1 - <_> - - <_> - 4 1 8 1 -1. - <_> - 6 3 4 1 2. - 1 - <_> - - <_> - 8 13 3 4 -1. - <_> - 7 14 3 2 2. - 1 - <_> - - <_> - 5 5 1 8 -1. - <_> - 5 7 1 4 2. - <_> - - <_> - 9 11 3 3 -1. - <_> - 8 12 3 1 3. - 1 - <_> - - <_> - 4 13 4 3 -1. - <_> - 5 14 2 3 2. - 1 - <_> - - <_> - 8 4 3 4 -1. - <_> - 9 5 1 4 3. - 1 - <_> - - <_> - 6 4 3 4 -1. - <_> - 7 5 1 4 3. - 1 - <_> - - <_> - 8 4 3 4 -1. - <_> - 9 5 1 4 3. - 1 - <_> - - <_> - 4 4 4 3 -1. - <_> - 3 5 4 1 3. - 1 - <_> - - <_> - 6 8 4 2 -1. - <_> - 6 9 4 1 2. - <_> - - <_> - 2 8 5 2 -1. - <_> - 2 9 5 1 2. - <_> - - <_> - 6 13 6 4 -1. - <_> - 6 15 6 2 2. - <_> - - <_> - 0 0 12 1 -1. - <_> - 6 0 6 1 2. - <_> - - <_> - 11 1 1 3 -1. - <_> - 10 2 1 1 3. - 1 - <_> - - <_> - 1 1 3 1 -1. - <_> - 2 2 1 1 3. - 1 - <_> - - <_> - 8 4 3 7 -1. - <_> - 9 4 1 7 3. - <_> - - <_> - 1 4 3 7 -1. - <_> - 2 4 1 7 3. - <_> - - <_> - 10 0 2 2 -1. - <_> - 10 0 1 2 2. - 1 - <_> - - <_> - 1 6 3 4 -1. - <_> - 2 6 1 4 3. - <_> - - <_> - 10 0 2 3 -1. - <_> - 10 0 1 3 2. - 1 - <_> - - <_> - 2 0 3 2 -1. - <_> - 2 0 3 1 2. - 1 - <_> - - <_> - 10 5 1 3 -1. - <_> - 10 6 1 1 3. - <_> - - <_> - 5 0 2 3 -1. - <_> - 5 1 2 1 3. - <_> - - <_> - 6 1 6 9 -1. - <_> - 6 4 6 3 3. - <_> - - <_> - 4 1 2 9 -1. - <_> - 4 4 2 3 3. - <_> - - <_> - 4 1 8 18 -1. - <_> - 8 1 4 9 2. - <_> - 4 10 4 9 2. - <_> - - <_> - 4 14 4 6 -1. - <_> - 4 17 4 3 2. - <_> - - <_> - 10 1 2 4 -1. - <_> - 11 1 1 2 2. - <_> - 10 3 1 2 2. - <_> - - <_> - 0 1 2 4 -1. - <_> - 0 1 1 2 2. - <_> - 1 3 1 2 2. - <_> - - <_> - 5 0 4 17 -1. - <_> - 5 0 2 17 2. - <_> - - <_> - 3 0 4 17 -1. - <_> - 5 0 2 17 2. - <_> - - <_> - 8 9 2 8 -1. - <_> - 8 9 2 4 2. - 1 - <_> - - <_> - 0 8 12 12 -1. - <_> - 6 8 6 12 2. - <_> - - <_> - 7 12 2 2 -1. - <_> - 8 12 1 1 2. - <_> - 7 13 1 1 2. - <_> - - <_> - 0 9 4 3 -1. - <_> - 0 10 4 1 3. - <_> - - <_> - 6 4 2 3 -1. - <_> - 5 5 2 1 3. - 1 - <_> - - <_> - 4 0 4 2 -1. - <_> - 4 0 2 1 2. - <_> - 6 1 2 1 2. - <_> - - <_> - 11 0 1 12 -1. - <_> - 11 6 1 6 2. - <_> - - <_> - 1 2 1 18 -1. - <_> - 1 11 1 9 2. - <_> - - <_> - 6 5 4 5 -1. - <_> - 6 5 2 5 2. - 1 - <_> - - <_> - 1 7 8 2 -1. - <_> - 5 7 4 2 2. - <_> - - <_> - 10 0 2 2 -1. - <_> - 10 0 1 2 2. - 1 - <_> - - <_> - 2 0 2 2 -1. - <_> - 2 0 2 1 2. - 1 - <_> - - <_> - 8 9 2 8 -1. - <_> - 8 9 2 4 2. - 1 - <_> - - <_> - 4 9 8 2 -1. - <_> - 4 9 4 2 2. - 1 - <_> - - <_> - 9 11 2 3 -1. - <_> - 8 12 2 1 3. - 1 - <_> - - <_> - 3 11 3 2 -1. - <_> - 4 12 1 2 3. - 1 - <_> - - <_> - 8 12 2 2 -1. - <_> - 9 12 1 1 2. - <_> - 8 13 1 1 2. - <_> - - <_> - 2 12 2 2 -1. - <_> - 2 12 1 1 2. - <_> - 3 13 1 1 2. - <_> - - <_> - 7 13 2 2 -1. - <_> - 8 13 1 1 2. - <_> - 7 14 1 1 2. - <_> - - <_> - 3 13 2 2 -1. - <_> - 3 13 1 1 2. - <_> - 4 14 1 1 2. - <_> - - <_> - 9 10 3 3 -1. - <_> - 9 11 3 1 3. - <_> - - <_> - 3 2 7 3 -1. - <_> - 2 3 7 1 3. - 1 - <_> - - <_> - 10 18 2 2 -1. - <_> - 10 19 2 1 2. - <_> - - <_> - 0 18 2 2 -1. - <_> - 0 19 2 1 2. - <_> - - <_> - 10 2 2 1 -1. - <_> - 10 2 1 1 2. - <_> - - <_> - 0 2 2 1 -1. - <_> - 1 2 1 1 2. - <_> - - <_> - 9 3 3 6 -1. - <_> - 10 3 1 6 3. - <_> - - <_> - 0 3 3 6 -1. - <_> - 1 3 1 6 3. - <_> - - <_> - 9 10 3 3 -1. - <_> - 9 11 3 1 3. - <_> - - <_> - 0 10 3 3 -1. - <_> - 0 11 3 1 3. - <_> - - <_> - 9 11 2 2 -1. - <_> - 10 11 1 1 2. - <_> - 9 12 1 1 2. - <_> - - <_> - 1 11 2 2 -1. - <_> - 1 11 1 1 2. - <_> - 2 12 1 1 2. - <_> - - <_> - 9 12 1 3 -1. - <_> - 8 13 1 1 3. - 1 - <_> - - <_> - 6 12 4 2 -1. - <_> - 6 12 4 1 2. - 1 - <_> - - <_> - 9 12 1 3 -1. - <_> - 8 13 1 1 3. - 1 - <_> - - <_> - 3 12 3 1 -1. - <_> - 4 13 1 1 3. - 1 - <_> - - <_> - 7 12 2 2 -1. - <_> - 8 12 1 1 2. - <_> - 7 13 1 1 2. - <_> - - <_> - 3 12 2 2 -1. - <_> - 3 12 1 1 2. - <_> - 4 13 1 1 2. - <_> - - <_> - 10 6 1 3 -1. - <_> - 10 7 1 1 3. - <_> - - <_> - 0 0 3 2 -1. - <_> - 0 1 3 1 2. - <_> - - <_> - 11 16 1 4 -1. - <_> - 11 17 1 2 2. - <_> - - <_> - 0 16 1 4 -1. - <_> - 0 17 1 2 2. - <_> - - <_> - 11 16 1 3 -1. - <_> - 11 17 1 1 3. - <_> - - <_> - 0 16 1 3 -1. - <_> - 0 17 1 1 3. - <_> - - <_> - 6 8 2 3 -1. - <_> - 5 9 2 1 3. - 1 - <_> - - <_> - 6 8 3 2 -1. - <_> - 7 9 1 2 3. - 1 - <_> - - <_> - 8 14 2 2 -1. - <_> - 9 14 1 1 2. - <_> - 8 15 1 1 2. - <_> - - <_> - 3 6 5 3 -1. - <_> - 3 7 5 1 3. - <_> - - <_> - 9 0 1 3 -1. - <_> - 9 1 1 1 3. - <_> - - <_> - 2 0 1 3 -1. - <_> - 2 1 1 1 3. - <_> - - <_> - 8 5 4 11 -1. - <_> - 8 5 2 11 2. - <_> - - <_> - 1 15 4 2 -1. - <_> - 1 15 2 1 2. - <_> - 3 16 2 1 2. - <_> - - <_> - 7 3 3 10 -1. - <_> - 8 3 1 10 3. - <_> - - <_> - 2 3 3 10 -1. - <_> - 3 3 1 10 3. - <_> - - <_> - 8 13 3 2 -1. - <_> - 9 14 1 2 3. - 1 - <_> - - <_> - 4 13 2 3 -1. - <_> - 3 14 2 1 3. - 1 - <_> - - <_> - 0 1 12 6 -1. - <_> - 0 4 12 3 2. - <_> - - <_> - 1 6 2 4 -1. - <_> - 1 7 2 2 2. - <_> - - <_> - 10 4 2 3 -1. - <_> - 10 5 2 1 3. - <_> - - <_> - 3 0 6 2 -1. - <_> - 3 0 3 1 2. - <_> - 6 1 3 1 2. - <_> - - <_> - 7 0 3 3 -1. - <_> - 8 0 1 3 3. - <_> - - <_> - 2 0 3 3 -1. - <_> - 3 0 1 3 3. - <_> - - <_> - 6 4 3 3 -1. - <_> - 5 5 3 1 3. - 1 - <_> - - <_> - 6 4 3 3 -1. - <_> - 7 5 1 3 3. - 1 - <_> - - <_> - 4 2 8 16 -1. - <_> - 8 2 4 8 2. - <_> - 4 10 4 8 2. - <_> - - <_> - 0 2 8 16 -1. - <_> - 0 2 4 8 2. - <_> - 4 10 4 8 2. - <_> - - <_> - 6 13 6 1 -1. - <_> - 6 13 3 1 2. - 1 - <_> - - <_> - 6 13 1 6 -1. - <_> - 6 13 1 3 2. - 1 - <_> - - <_> - 10 9 2 7 -1. - <_> - 10 9 1 7 2. - <_> - - <_> - 3 18 1 2 -1. - <_> - 3 19 1 1 2. - <_> - - <_> - 2 18 8 2 -1. - <_> - 6 18 4 1 2. - <_> - 2 19 4 1 2. - <_> - - <_> - 4 5 4 3 -1. - <_> - 4 6 4 1 3. - <_> - - <_> - 4 4 4 2 -1. - <_> - 4 5 4 1 2. - <_> - - <_> - 0 9 2 9 -1. - <_> - 1 9 1 9 2. - <_> - - <_> - 8 13 2 2 -1. - <_> - 9 13 1 1 2. - <_> - 8 14 1 1 2. - <_> - - <_> - 2 13 2 2 -1. - <_> - 2 13 1 1 2. - <_> - 3 14 1 1 2. - <_> - - <_> - 11 0 1 12 -1. - <_> - 11 6 1 6 2. - <_> - - <_> - 4 5 8 4 -1. - <_> - 6 7 4 4 2. - 1 - <_> - - <_> - 8 10 3 3 -1. - <_> - 7 11 3 1 3. - 1 - <_> - - <_> - 4 0 3 2 -1. - <_> - 5 0 1 2 3. - <_> - - <_> - 9 11 3 3 -1. - <_> - 9 12 3 1 3. - <_> - - <_> - 3 14 2 2 -1. - <_> - 3 14 1 1 2. - <_> - 4 15 1 1 2. - <_> - - <_> - 0 13 12 7 -1. - <_> - 0 13 6 7 2. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 10 1 2 2 -1. - <_> - 11 1 1 1 2. - <_> - 10 2 1 1 2. - <_> - - <_> - 0 1 2 2 -1. - <_> - 0 1 1 1 2. - <_> - 1 2 1 1 2. - <_> - - <_> - 10 1 2 2 -1. - <_> - 11 1 1 1 2. - <_> - 10 2 1 1 2. - <_> - - <_> - 0 1 2 2 -1. - <_> - 0 1 1 1 2. - <_> - 1 2 1 1 2. - <_> - - <_> - 10 5 1 3 -1. - <_> - 10 6 1 1 3. - <_> - - <_> - 1 5 1 3 -1. - <_> - 1 6 1 1 3. - <_> - - <_> - 6 0 2 3 -1. - <_> - 6 1 2 1 3. - <_> - - <_> - 4 2 8 1 -1. - <_> - 4 2 4 1 2. - 1 - <_> - - <_> - 8 8 4 3 -1. - <_> - 8 9 4 1 3. - <_> - - <_> - 0 8 4 3 -1. - <_> - 0 9 4 1 3. - <_> - - <_> - 8 9 3 2 -1. - <_> - 9 9 1 2 3. - <_> - - <_> - 4 9 3 9 -1. - <_> - 5 12 1 3 9. - <_> - - <_> - 7 9 3 2 -1. - <_> - 8 9 1 2 3. - <_> - - <_> - 2 9 3 2 -1. - <_> - 3 9 1 2 3. - <_> - - <_> - 9 6 3 1 -1. - <_> - 10 7 1 1 3. - 1 - <_> - - <_> - 3 6 1 3 -1. - <_> - 2 7 1 1 3. - 1 - <_> - - <_> - 3 2 4 2 -1. - <_> - 3 2 2 1 2. - <_> - 5 3 2 1 2. - <_> - - <_> - 6 3 4 3 -1. - <_> - 5 4 4 1 3. - 1 - <_> - - <_> - 6 3 3 4 -1. - <_> - 7 4 1 4 3. - 1 - <_> - - <_> - 8 0 4 16 -1. - <_> - 8 0 2 16 2. - <_> - - <_> - 0 13 12 4 -1. - <_> - 3 13 6 4 2. - <_> - - <_> - 9 0 3 2 -1. - <_> - 9 1 3 1 2. - <_> - - <_> - 2 0 2 3 -1. - <_> - 2 1 2 1 3. - <_> - - <_> - 3 0 6 1 -1. - <_> - 3 0 3 1 2. - <_> - - <_> - 3 0 2 3 -1. - <_> - 3 1 2 1 3. - <_> - - <_> - 9 4 3 3 -1. - <_> - 9 5 3 1 3. - <_> - - <_> - 0 4 3 3 -1. - <_> - 0 5 3 1 3. - <_> - - <_> - 8 11 2 2 -1. - <_> - 9 11 1 1 2. - <_> - 8 12 1 1 2. - <_> - - <_> - 2 11 2 2 -1. - <_> - 2 11 1 1 2. - <_> - 3 12 1 1 2. - <_> - - <_> - 9 10 1 8 -1. - <_> - 7 12 1 4 2. - 1 - <_> - - <_> - 1 3 3 8 -1. - <_> - 2 3 1 8 3. - <_> - - <_> - 8 8 2 4 -1. - <_> - 8 10 2 2 2. - <_> - - <_> - 2 15 3 4 -1. - <_> - 2 16 3 2 2. - <_> - - <_> - 8 4 3 6 -1. - <_> - 9 4 1 6 3. - <_> - - <_> - 1 4 3 6 -1. - <_> - 2 4 1 6 3. - <_> - - <_> - 8 12 2 3 -1. - <_> - 7 13 2 1 3. - 1 - <_> - - <_> - 3 10 8 1 -1. - <_> - 5 12 4 1 2. - 1 - <_> - - <_> - 8 15 1 3 -1. - <_> - 7 16 1 1 3. - 1 - <_> - - <_> - 0 16 6 3 -1. - <_> - 0 17 6 1 3. - <_> - - <_> - 8 12 2 2 -1. - <_> - 9 12 1 1 2. - <_> - 8 13 1 1 2. - <_> - - <_> - 2 12 2 2 -1. - <_> - 2 12 1 1 2. - <_> - 3 13 1 1 2. - <_> - - <_> - 9 12 1 3 -1. - <_> - 8 13 1 1 3. - 1 - <_> - - <_> - 3 11 2 2 -1. - <_> - 3 11 1 1 2. - <_> - 4 12 1 1 2. - <_> - - <_> - 8 15 1 3 -1. - <_> - 7 16 1 1 3. - 1 - <_> - - <_> - 3 12 3 1 -1. - <_> - 4 13 1 1 3. - 1 - <_> - - <_> - 9 12 2 3 -1. - <_> - 8 13 2 1 3. - 1 - <_> - - <_> - 3 12 3 2 -1. - <_> - 4 13 1 2 3. - 1 - <_> - - <_> - 6 9 2 6 -1. - <_> - 6 9 2 3 2. - 1 - <_> - - <_> - 0 14 12 6 -1. - <_> - 0 17 12 3 2. - <_> - - <_> - 6 3 3 6 -1. - <_> - 4 5 3 2 3. - 1 - <_> - - <_> - 4 5 2 3 -1. - <_> - 5 5 1 3 2. - <_> - - <_> - 6 5 2 3 -1. - <_> - 5 6 2 1 3. - 1 - <_> - - <_> - 6 5 3 2 -1. - <_> - 7 6 1 2 3. - 1 - <_> - - <_> - 4 8 5 2 -1. - <_> - 4 9 5 1 2. - <_> - - <_> - 0 4 3 5 -1. - <_> - 1 4 1 5 3. - <_> - - <_> - 9 2 3 8 -1. - <_> - 10 2 1 8 3. - <_> - - <_> - 0 2 3 8 -1. - <_> - 1 2 1 8 3. - <_> - - <_> - 6 9 2 6 -1. - <_> - 6 9 2 3 2. - 1 - <_> - - <_> - 6 9 6 5 -1. - <_> - 6 9 3 5 2. - 1 - <_> - - <_> - 11 0 1 12 -1. - <_> - 11 6 1 6 2. - <_> - - <_> - 6 1 6 1 -1. - <_> - 8 3 2 1 3. - 1 - <_> - - <_> - 8 12 1 3 -1. - <_> - 7 13 1 1 3. - 1 - <_> - - <_> - 4 12 3 1 -1. - <_> - 5 13 1 1 3. - 1 - <_> - - <_> - 7 2 2 18 -1. - <_> - 7 2 1 18 2. - <_> - - <_> - 3 2 2 18 -1. - <_> - 4 2 1 18 2. - <_> - - <_> - 8 15 1 3 -1. - <_> - 7 16 1 1 3. - 1 - <_> - - <_> - 4 15 3 1 -1. - <_> - 5 16 1 1 3. - 1 - <_> - - <_> - 7 14 2 2 -1. - <_> - 8 14 1 1 2. - <_> - 7 15 1 1 2. - <_> - - <_> - 3 14 2 2 -1. - <_> - 3 14 1 1 2. - <_> - 4 15 1 1 2. - <_> - - <_> - 5 5 2 3 -1. - <_> - 5 6 2 1 3. - <_> - - <_> - 6 4 3 2 -1. - <_> - 7 5 1 2 3. - 1 - <_> - - <_> - 6 0 3 2 -1. - <_> - 7 0 1 2 3. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 2 1 2. - 1 - <_> - - <_> - 11 0 1 12 -1. - <_> - 11 6 1 6 2. - <_> - - <_> - 6 6 4 2 -1. - <_> - 7 7 2 2 2. - 1 - <_> - - <_> - 6 0 3 2 -1. - <_> - 7 0 1 2 3. - <_> - - <_> - 3 0 3 3 -1. - <_> - 4 0 1 3 3. - <_> - - <_> - 11 4 1 3 -1. - <_> - 11 5 1 1 3. - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 8 2 1 2. - <_> - - <_> - 9 1 1 6 -1. - <_> - 9 1 1 3 2. - 1 - <_> - - <_> - 3 1 6 1 -1. - <_> - 3 1 3 1 2. - 1 - diff --git a/data/haarcascades/haarcascade_mcs_lefteye.xml b/data/haarcascades/haarcascade_mcs_lefteye.xml deleted file mode 100644 index d745e0593d..0000000000 --- a/data/haarcascades/haarcascade_mcs_lefteye.xml +++ /dev/null @@ -1,19209 +0,0 @@ - - - -BOOST - HAAR - 18 - 12 - - 279 - - 0 - 14 - - <_> - 16 - -1.7205799818038940e+00 - - <_> - - 0 -1 0 -2.2981660068035126e-01 - - 7.4487930536270142e-01 -6.7343497276306152e-01 - <_> - - 0 -1 1 1.5345169603824615e-01 - - -6.0078161954879761e-01 4.4485649466514587e-01 - <_> - - 0 -1 2 -6.0938559472560883e-02 - - 5.6126379966735840e-01 -3.1992331147193909e-01 - <_> - - 0 -1 3 1.0585549898678437e-04 - - -3.6046960949897766e-01 2.6835951209068298e-01 - <_> - - 0 -1 4 -2.3147630691528320e-01 - - 4.6166300773620605e-01 -2.0830430090427399e-01 - <_> - - 0 -1 5 1.7983419820666313e-02 - - 6.3770942389965057e-02 -5.2076548337936401e-01 - <_> - - 0 -1 6 3.9604099583812058e-05 - - -5.2314782142639160e-01 1.9505259394645691e-01 - <_> - - 0 -1 7 4.0414137765765190e-03 - - 1.0874629765748978e-01 -5.9878420829772949e-01 - <_> - - 0 -1 8 -7.6422527432441711e-02 - - 4.4672968983650208e-01 -1.5376919507980347e-01 - <_> - - 0 -1 9 9.0553581714630127e-02 - - -1.1280190199613571e-01 6.2832731008529663e-01 - <_> - - 0 -1 10 4.9092499539256096e-03 - - 1.0375600308179855e-01 -6.8671178817749023e-01 - <_> - - 0 -1 11 3.9859231561422348e-02 - - 5.3353060036897659e-02 -2.4778179824352264e-01 - <_> - - 0 -1 12 -1.4214900322258472e-02 - - -4.9093028903007507e-01 1.4295159280300140e-01 - <_> - - 0 -1 13 -5.9114010073244572e-03 - - 1.6157889366149902e-01 -1.5571700036525726e-01 - <_> - - 0 -1 14 -2.2955809533596039e-01 - - -3.0875959992408752e-01 2.2363129258155823e-01 - <_> - - 0 -1 15 -9.3946291599422693e-05 - - 2.8994649648666382e-01 -2.9955458641052246e-01 - <_> - 21 - -1.7609959840774536e+00 - - <_> - - 0 -1 16 1.2731809914112091e-01 - - -6.5400719642639160e-01 5.6866347789764404e-01 - <_> - - 0 -1 17 -7.4433487653732300e-01 - - 6.8870407342910767e-01 -3.4810429811477661e-01 - <_> - - 0 -1 18 6.2184786656871438e-05 - - -6.4049887657165527e-01 2.2681689262390137e-01 - <_> - - 0 -1 19 -7.6157607138156891e-02 - - 4.0833848714828491e-01 -6.9403909146785736e-02 - <_> - - 0 -1 20 -6.9555312395095825e-02 - - 4.6690088510513306e-01 -2.0247919857501984e-01 - <_> - - 0 -1 21 -1.0931000113487244e-01 - - 5.9584200382232666e-01 -2.1001909673213959e-01 - <_> - - 0 -1 22 3.5818720789393410e-05 - - -4.6520969271659851e-01 2.0896120369434357e-01 - <_> - - 0 -1 23 -8.0066677182912827e-03 - - -6.9932198524475098e-01 9.4288356602191925e-02 - <_> - - 0 -1 24 2.9570680111646652e-02 - - -1.5442650020122528e-01 4.6668368577957153e-01 - <_> - - 0 -1 25 7.4920160695910454e-03 - - 8.8588356971740723e-02 -6.7084282636642456e-01 - <_> - - 0 -1 26 -3.7168670445680618e-02 - - 2.5477749109268188e-01 -2.5164219737052917e-01 - <_> - - 0 -1 27 -1.2057279795408249e-01 - - 4.6008300781250000e-01 -1.1891700327396393e-01 - <_> - - 0 -1 28 -3.7710228934884071e-03 - - -6.1380928754806519e-01 8.6544543504714966e-02 - <_> - - 0 -1 29 3.5496661439538002e-05 - - -1.8688809871673584e-01 1.3584940135478973e-01 - <_> - - 0 -1 30 -1.6192409675568342e-03 - - -5.4013711214065552e-01 9.7694486379623413e-02 - <_> - - 0 -1 31 3.6828289012191817e-05 - - -1.5715110301971436e-01 1.7512370645999908e-01 - <_> - - 0 -1 32 4.0976690797833726e-05 - - -2.2035799920558929e-01 2.4334849417209625e-01 - <_> - - 0 -1 33 -7.0347607135772705e-02 - - 4.3083029985427856e-01 -1.2281300127506256e-01 - <_> - - 0 -1 34 9.4469271600246429e-02 - - -1.2159319967031479e-01 4.4967180490493774e-01 - <_> - - 0 -1 35 -1.1442740447819233e-02 - - -6.5516471862792969e-01 7.4961602687835693e-02 - <_> - - 0 -1 36 -5.3098648786544800e-03 - - -6.5974301099777222e-01 5.8748938143253326e-02 - <_> - 39 - -1.7233569622039795e+00 - - <_> - - 0 -1 37 2.4442139267921448e-01 - - -6.0776811838150024e-01 5.2004802227020264e-01 - <_> - - 0 -1 38 -6.6421680152416229e-02 - - 2.1783240139484406e-01 -2.1949340403079987e-01 - <_> - - 0 -1 39 3.8141721487045288e-01 - - 1.3418859907687875e-06 -4.1691070312500000e+04 - <_> - - 0 -1 40 -1.5484209358692169e-01 - - 1.4261369407176971e-01 -1.1163700371980667e-02 - <_> - - 0 -1 41 -7.9247541725635529e-02 - - 4.4047749042510986e-01 -3.5259070992469788e-01 - <_> - - 0 -1 42 -6.3354419544339180e-03 - - -6.7467969655990601e-01 1.1945989727973938e-01 - <_> - - 0 -1 43 5.4770321585237980e-03 - - -5.2936810255050659e-01 1.6708360612392426e-01 - <_> - - 0 -1 44 -1.8857400119304657e-01 - - 2.9692548513412476e-01 -2.7923458814620972e-01 - <_> - - 0 -1 45 -3.4621960949152708e-03 - - -5.9800887107849121e-01 1.0177610069513321e-01 - <_> - - 0 -1 46 3.3069919794797897e-02 - - -5.9684868901968002e-02 4.0516778826713562e-01 - <_> - - 0 -1 47 -3.0843779444694519e-02 - - 4.9073100090026855e-01 -1.1531980335712433e-01 - <_> - - 0 -1 48 -2.5913240388035774e-02 - - -4.9610319733619690e-01 4.5165680348873138e-02 - <_> - - 0 -1 49 -2.1639840677380562e-02 - - -7.2788608074188232e-01 5.8623861521482468e-02 - <_> - - 0 -1 50 4.8874882049858570e-03 - - 7.6803073287010193e-02 -5.8085972070693970e-01 - <_> - - 0 -1 51 -8.4114465862512589e-03 - - -4.4291898608207703e-01 9.5190443098545074e-02 - <_> - - 0 -1 52 -1.3218490406870842e-02 - - 3.1048420071601868e-01 -1.3905000686645508e-01 - <_> - - 0 -1 53 -3.2631229609251022e-02 - - -5.9402441978454590e-01 6.6915199160575867e-02 - <_> - - 0 -1 54 -4.8389490693807602e-03 - - 3.8958698511123657e-01 -7.7219173312187195e-02 - <_> - - 0 -1 55 -2.3557199165225029e-02 - - 3.6475318670272827e-01 -1.0228029638528824e-01 - <_> - - 0 -1 56 -1.6823610290884972e-02 - - -7.0283937454223633e-01 6.9169528782367706e-02 - <_> - - 0 -1 57 -1.2528980150818825e-02 - - -5.9154832363128662e-01 5.8638110756874084e-02 - <_> - - 0 -1 58 1.2736950069665909e-02 - - -7.8018456697463989e-02 4.6064260601997375e-01 - <_> - - 0 -1 59 -2.7947379276156425e-02 - - 2.6103180646896362e-01 -1.4536960422992706e-01 - <_> - - 0 -1 60 1.9469179213047028e-02 - - -1.0853669792413712e-01 2.9472211003303528e-01 - <_> - - 0 -1 61 1.0143560357391834e-02 - - 8.1535376608371735e-02 -3.9271530508995056e-01 - <_> - - 0 -1 62 1.6037160158157349e-01 - - -4.3566469103097916e-02 4.4445919990539551e-01 - <_> - - 0 -1 63 -3.1675389036536217e-03 - - 3.6521100997924805e-01 -8.6025007069110870e-02 - <_> - - 0 -1 64 1.2811190448701382e-02 - - 7.0604227483272552e-02 -5.2132707834243774e-01 - <_> - - 0 -1 65 -1.8773640692234039e-01 - - -5.3620547056198120e-01 4.9741908907890320e-02 - <_> - - 0 -1 66 -1.5811489894986153e-02 - - -5.6798452138900757e-01 4.5133739709854126e-02 - <_> - - 0 -1 67 8.5352314636111259e-03 - - 6.0936510562896729e-02 -4.3938818573951721e-01 - <_> - - 0 -1 68 -4.6653081662952900e-03 - - 5.1755487918853760e-01 -5.9410251677036285e-02 - <_> - - 0 -1 69 -7.9853478819131851e-03 - - -4.8022431135177612e-01 6.3563920557498932e-02 - <_> - - 0 -1 70 -1.5439819544553757e-02 - - 3.1821200251579285e-01 -1.5712760388851166e-01 - <_> - - 0 -1 71 2.2927390411496162e-02 - - 6.2798082828521729e-02 -5.4242467880249023e-01 - <_> - - 0 -1 72 -2.7168919332325459e-03 - - 2.7621048688888550e-01 -6.9310307502746582e-02 - <_> - - 0 -1 73 3.0373970512300730e-03 - - -7.2820127010345459e-02 4.1934990882873535e-01 - <_> - - 0 -1 74 9.4063878059387207e-03 - - 5.5666621774435043e-02 -4.3957179784774780e-01 - <_> - - 0 -1 75 -1.5984019264578819e-02 - - -6.0156708955764771e-01 4.4137120246887207e-02 - <_> - 47 - -1.7742869853973389e+00 - - <_> - - 0 -1 76 -1.0876799821853638e+00 - - 6.2948262691497803e-01 -4.1793939471244812e-01 - <_> - - 0 -1 77 1.1644390225410461e-01 - - -4.7279620170593262e-01 2.3814930021762848e-01 - <_> - - 0 -1 78 -1.6084710136055946e-02 - - 3.3747270703315735e-01 -2.7527529001235962e-01 - <_> - - 0 -1 79 -1.9196059554815292e-02 - - -5.5098891258239746e-01 5.5942028760910034e-02 - <_> - - 0 -1 80 -3.4257121384143829e-02 - - 3.0613619089126587e-01 -2.4234640598297119e-01 - <_> - - 0 -1 81 1.0649270378053188e-02 - - 9.3416690826416016e-02 -4.8975810408592224e-01 - <_> - - 0 -1 82 -2.2133740130811930e-03 - - -6.3952380418777466e-01 7.9130217432975769e-02 - <_> - - 0 -1 83 4.6288450248539448e-03 - - 5.3504310548305511e-02 -4.7028800845146179e-01 - <_> - - 0 -1 84 -4.1199862025678158e-03 - - -6.3564997911453247e-01 1.1187440156936646e-01 - <_> - - 0 -1 85 -7.0232590660452843e-03 - - -4.8968398571014404e-01 5.0502099096775055e-02 - <_> - - 0 -1 86 -4.6173902228474617e-03 - - -6.4962810277938843e-01 6.4744323492050171e-02 - <_> - - 0 -1 87 2.6568479835987091e-02 - - -8.1361226737499237e-02 1.0126339644193649e-01 - <_> - - 0 -1 88 1.4256539940834045e-01 - - 3.6757100373506546e-02 -8.6994658203125000e+03 - <_> - - 0 -1 89 -7.9922098666429520e-03 - - -6.2543541193008423e-01 5.8449558913707733e-02 - <_> - - 0 -1 90 3.2453221082687378e-01 - - -3.4219488501548767e-02 -7.6455332031250000e+03 - <_> - - 0 -1 91 -1.0454299859702587e-02 - - -4.6488571166992188e-01 8.2005582749843597e-02 - <_> - - 0 -1 92 4.8047330230474472e-02 - - -1.0950919985771179e-01 5.1447147130966187e-01 - <_> - - 0 -1 93 -1.3674950227141380e-02 - - 3.0582040548324585e-01 -2.5325518846511841e-01 - <_> - - 0 -1 94 -1.1149489879608154e-01 - - 3.4372371435165405e-01 -1.5271799266338348e-01 - <_> - - 0 -1 95 1.0649849660694599e-02 - - 5.3320560604333878e-02 -5.1434922218322754e-01 - <_> - - 0 -1 96 -1.3529709540307522e-02 - - -7.8338938951492310e-01 5.5736631155014038e-02 - <_> - - 0 -1 97 -1.2369109690189362e-01 - - 2.8146159648895264e-01 -1.6000339388847351e-01 - <_> - - 0 -1 98 -7.5496039353311062e-03 - - -6.1416012048721313e-01 7.6050773262977600e-02 - <_> - - 0 -1 99 3.1816150993108749e-02 - - 1.8631579354405403e-02 -5.5372542142868042e-01 - <_> - - 0 -1 100 1.4937350153923035e-01 - - -1.6261310083791614e-03 -4.7522329101562500e+03 - <_> - - 0 -1 101 4.6974778175354004e-02 - - 5.1585468463599682e-03 -6.3808971643447876e-01 - <_> - - 0 -1 102 1.3677899551112205e-04 - - -3.0559220910072327e-01 1.3623510301113129e-01 - <_> - - 0 -1 103 -3.2228238880634308e-02 - - 2.7725520730018616e-01 -1.2864060699939728e-01 - <_> - - 0 -1 104 -6.5994630567729473e-03 - - -4.7502130270004272e-01 7.8723862767219543e-02 - <_> - - 0 -1 105 2.0983880385756493e-02 - - -7.5561553239822388e-02 4.3078139424324036e-01 - <_> - - 0 -1 106 -1.0513519868254662e-02 - - 3.7563210725784302e-01 -8.3151116967201233e-02 - <_> - - 0 -1 107 -9.5620742067694664e-03 - - -4.2333251237869263e-01 4.3954260647296906e-02 - <_> - - 0 -1 108 1.4352190191857517e-04 - - -2.4214309453964233e-01 1.1349590122699738e-01 - <_> - - 0 -1 109 -3.2147951424121857e-02 - - 3.5538539290428162e-01 -7.4846312403678894e-02 - <_> - - 0 -1 110 1.7489150166511536e-02 - - -1.3482190668582916e-01 3.0287909507751465e-01 - <_> - - 0 -1 111 1.0752109810709953e-02 - - 2.5839660316705704e-02 -5.4003512859344482e-01 - <_> - - 0 -1 112 -1.1907819658517838e-01 - - 2.6561680436134338e-01 -1.0140880197286606e-01 - <_> - - 0 -1 113 6.6588749177753925e-03 - - 4.1985969990491867e-02 -2.9074609279632568e-01 - <_> - - 0 -1 114 8.3990991115570068e-03 - - 5.0455510616302490e-02 -4.8288908600807190e-01 - <_> - - 0 -1 115 6.0084648430347443e-02 - - -7.5537391006946564e-02 2.4068169295787811e-01 - <_> - - 0 -1 116 -7.4602258391678333e-03 - - -4.1957080364227295e-01 5.9073001146316528e-02 - <_> - - 0 -1 117 -6.0259260237216949e-02 - - 5.4446572065353394e-01 -2.6235830038785934e-02 - <_> - - 0 -1 118 -2.2176120430231094e-02 - - 3.2678040862083435e-01 -6.7592807114124298e-02 - <_> - - 0 -1 119 -8.3690620958805084e-02 - - 2.9330858588218689e-01 -6.7425176501274109e-02 - <_> - - 0 -1 120 1.7420809715986252e-02 - - -1.2961159646511078e-01 1.8764109909534454e-01 - <_> - - 0 -1 121 1.6660489141941071e-02 - - 4.7573059797286987e-02 -4.1587299108505249e-01 - <_> - - 0 -1 122 -2.0243639126420021e-02 - - -4.2727139592170715e-01 5.2154850214719772e-02 - <_> - 57 - -1.7197259664535522e+00 - - <_> - - 0 -1 123 -1.8867099285125732e-01 - - 5.1517981290817261e-01 -4.7023481130599976e-01 - <_> - - 0 -1 124 -1.6401160508394241e-02 - - 3.1213858723640442e-01 -2.1334600448608398e-01 - <_> - - 0 -1 125 9.6895441412925720e-02 - - -5.3204542398452759e-01 2.1343940496444702e-01 - <_> - - 0 -1 126 1.6825560480356216e-02 - - -1.7309989780187607e-02 2.9270818829536438e-01 - <_> - - 0 -1 127 -1.4376440085470676e-02 - - 3.2592949271202087e-01 -2.9534721374511719e-01 - <_> - - 0 -1 128 -2.5749910622835159e-02 - - 3.0064630508422852e-01 -1.2857210636138916e-01 - <_> - - 0 -1 129 -1.9781269133090973e-02 - - 4.6485328674316406e-01 -1.5703229606151581e-01 - <_> - - 0 -1 130 1.6008919104933739e-02 - - -3.1360808759927750e-02 4.0341329574584961e-01 - <_> - - 0 -1 131 6.0088648460805416e-03 - - -1.5660379827022552e-01 4.1428649425506592e-01 - <_> - - 0 -1 132 -2.9546849429607391e-02 - - 3.1660610437393188e-01 -1.0003100335597992e-01 - <_> - - 0 -1 133 -3.3541951328516006e-02 - - 2.7851161360740662e-01 -1.9055849313735962e-01 - <_> - - 0 -1 134 -5.6599538773298264e-02 - - 3.0037561058998108e-01 -8.3546951413154602e-02 - <_> - - 0 -1 135 -2.1559219807386398e-02 - - -5.5598390102386475e-01 8.8822707533836365e-02 - <_> - - 0 -1 136 1.5560880303382874e-02 - - -1.1910039931535721e-01 3.9585340023040771e-01 - <_> - - 0 -1 137 4.7825528308749199e-03 - - 8.7345741689205170e-02 -4.7982570528984070e-01 - <_> - - 0 -1 138 2.0485429093241692e-02 - - -3.5323940217494965e-02 3.6914229393005371e-01 - <_> - - 0 -1 139 -2.2292459383606911e-02 - - 4.0305820107460022e-01 -9.0521141886711121e-02 - <_> - - 0 -1 140 -3.6758739501237869e-02 - - 4.4758310914039612e-01 -7.4373558163642883e-02 - <_> - - 0 -1 141 9.3364156782627106e-05 - - -2.6075458526611328e-01 1.4131860435009003e-01 - <_> - - 0 -1 142 2.5202730670571327e-02 - - -9.2907711863517761e-02 2.2109919786453247e-01 - <_> - - 0 -1 143 7.8968331217765808e-03 - - 7.6843470335006714e-02 -5.0535291433334351e-01 - <_> - - 0 -1 144 9.2414859682321548e-03 - - 4.2619429528713226e-02 -5.8421218395233154e-01 - <_> - - 0 -1 145 -2.9902940988540649e-01 - - -6.1761599779129028e-01 3.8994479924440384e-02 - <_> - - 0 -1 146 -1.6395589336752892e-02 - - 1.6099959611892700e-01 -1.7298650741577148e-01 - <_> - - 0 -1 147 -8.5750846192240715e-03 - - -4.7212529182434082e-01 6.2937706708908081e-02 - <_> - - 0 -1 148 -2.9535809531807899e-02 - - -4.9239841103553772e-01 5.1177121698856354e-02 - <_> - - 0 -1 149 -3.2347880303859711e-02 - - 4.0244650840759277e-01 -7.1692280471324921e-02 - <_> - - 0 -1 150 -9.8570148111321032e-05 - - 1.1238799989223480e-01 -1.1841180175542831e-01 - <_> - - 0 -1 151 -6.0801780782639980e-03 - - 3.0995729565620422e-01 -8.0562673509120941e-02 - <_> - - 0 -1 152 -9.9669457995332778e-05 - - 1.0579430311918259e-01 -1.4792940020561218e-01 - <_> - - 0 -1 153 -2.1383209154009819e-02 - - -5.4032498598098755e-01 4.6587809920310974e-02 - <_> - - 0 -1 154 -3.6912590730935335e-03 - - 1.6310860216617584e-01 -1.0495279729366302e-01 - <_> - - 0 -1 155 -5.3881132043898106e-03 - - 2.3987619578838348e-01 -9.9885337054729462e-02 - <_> - - 0 -1 156 8.0342441797256470e-03 - - 8.5697777569293976e-02 -4.3955859541893005e-01 - <_> - - 0 -1 157 1.3848580420017242e-02 - - 4.9855940043926239e-02 -4.0910118818283081e-01 - <_> - - 0 -1 158 8.5337793279904872e-05 - - -1.0749509930610657e-01 1.1259689927101135e-01 - <_> - - 0 -1 159 8.9258137450087816e-05 - - -1.5447759628295898e-01 1.4948590099811554e-01 - <_> - - 0 -1 160 -3.5984220448881388e-03 - - 3.2772010564804077e-01 -1.0665640234947205e-01 - <_> - - 0 -1 161 -4.4713199138641357e-02 - - 3.8490360975265503e-01 -5.2156228572130203e-02 - <_> - - 0 -1 162 2.5462699122726917e-03 - - 9.3764789402484894e-02 -3.1739538908004761e-01 - <_> - - 0 -1 163 5.4153460077941418e-03 - - 4.4747829437255859e-02 -4.5446330308914185e-01 - <_> - - 0 -1 164 -3.8136299699544907e-02 - - 1.1968670040369034e-01 -2.8659410774707794e-02 - <_> - - 0 -1 165 3.9066441357135773e-02 - - -5.9036519378423691e-02 3.7312299013137817e-01 - <_> - - 0 -1 166 -7.3346862336620688e-05 - - 1.1904189735651016e-01 -8.6984328925609589e-02 - <_> - - 0 -1 167 8.6998203187249601e-05 - - -1.2818220257759094e-01 1.7282059788703918e-01 - <_> - - 0 -1 168 8.5675828158855438e-03 - - 8.4652923047542572e-02 -3.1986621022224426e-01 - <_> - - 0 -1 169 2.1785700693726540e-02 - - -9.5438472926616669e-02 2.6069849729537964e-01 - <_> - - 0 -1 170 -1.3853549957275391e-02 - - -4.2176169157028198e-01 6.7462787032127380e-02 - <_> - - 0 -1 171 1.3838020153343678e-02 - - 4.6685520559549332e-02 -4.1521659493446350e-01 - <_> - - 0 -1 172 6.4620330929756165e-02 - - 4.5818310230970383e-02 -4.2234459519386292e-01 - <_> - - 0 -1 173 -7.7921353280544281e-02 - - 1.3241249322891235e-01 -1.7063279449939728e-01 - <_> - - 0 -1 174 -1.3160440139472485e-03 - - -2.4945159256458282e-01 5.8696459978818893e-02 - <_> - - 0 -1 175 -8.0401099694427103e-05 - - 1.6288639605045319e-01 -1.3877080380916595e-01 - <_> - - 0 -1 176 -1.5328170359134674e-01 - - 8.4274210035800934e-02 -6.3795030117034912e-02 - <_> - - 0 -1 177 -3.7534290552139282e-01 - - -4.7942790389060974e-01 5.0034828484058380e-02 - <_> - - 0 -1 178 -6.5958919003605843e-03 - - -5.4609411954879761e-01 2.1260960027575493e-02 - <_> - - 0 -1 179 -2.6368419639766216e-03 - - 2.0740880072116852e-01 -9.0863786637783051e-02 - <_> - 87 - -1.5970319509506226e+00 - - <_> - - 0 -1 180 -1.3923250138759613e-01 - - 3.9778509736061096e-01 -4.2140689492225647e-01 - <_> - - 0 -1 181 -2.1697379648685455e-02 - - 3.5074549913406372e-01 -2.7210709452629089e-01 - <_> - - 0 -1 182 -1.6921959817409515e-02 - - 3.0072468519210815e-01 -2.0905600488185883e-01 - <_> - - 0 -1 183 -1.2638090550899506e-01 - - 2.7693378925323486e-01 -1.5910360217094421e-01 - <_> - - 0 -1 184 7.9917982220649719e-02 - - 1.9333909731358290e-03 -4.4651162109375000e+03 - <_> - - 0 -1 185 2.3830069229006767e-02 - - -8.2632936537265778e-02 4.6384599804878235e-01 - <_> - - 0 -1 186 2.7771110180765390e-03 - - -3.1618759036064148e-01 1.3602599501609802e-01 - <_> - - 0 -1 187 2.0749870687723160e-02 - - -7.9823397099971771e-02 4.0180650353431702e-01 - <_> - - 0 -1 188 -1.1794520169496536e-01 - - 1.3564899563789368e-01 -2.5304868817329407e-01 - <_> - - 0 -1 189 -1.0733289644122124e-02 - - -4.2779821157455444e-01 7.4749030172824860e-02 - <_> - - 0 -1 190 -4.8003909178078175e-03 - - -4.5992958545684814e-01 8.4859356284141541e-02 - <_> - - 0 -1 191 2.1411910653114319e-01 - - -3.9827909320592880e-02 5.4082971811294556e-01 - <_> - - 0 -1 192 1.8059259280562401e-02 - - -6.2530867755413055e-02 4.3062299489974976e-01 - <_> - - 0 -1 193 -4.3898928910493851e-02 - - -6.8367981910705566e-01 4.5472368597984314e-02 - <_> - - 0 -1 194 -3.3046580851078033e-02 - - -6.3071948289871216e-01 5.5151920765638351e-02 - <_> - - 0 -1 195 -6.1799539253115654e-03 - - -5.7958608865737915e-01 2.4057779461145401e-02 - <_> - - 0 -1 196 -3.7160899955779314e-03 - - 3.4918940067291260e-01 -9.0143196284770966e-02 - <_> - - 0 -1 197 -2.0229220390319824e-03 - - 2.5062409043312073e-01 -1.1073890328407288e-01 - <_> - - 0 -1 198 -2.9851049184799194e-03 - - -4.9283251166343689e-01 6.1420619487762451e-02 - <_> - - 0 -1 199 -2.1937670186161995e-02 - - -6.4279460906982422e-01 3.6441151052713394e-02 - <_> - - 0 -1 200 -2.9425110667943954e-02 - - 3.7635400891304016e-01 -8.1937380135059357e-02 - <_> - - 0 -1 201 2.8613150119781494e-02 - - -1.0507760196924210e-01 2.6363629102706909e-01 - <_> - - 0 -1 202 -3.1147850677371025e-02 - - 2.1914839744567871e-01 -1.3096660375595093e-01 - <_> - - 0 -1 203 1.5485489740967751e-02 - - 4.6385299414396286e-02 -5.3420221805572510e-01 - <_> - - 0 -1 204 3.5835360176861286e-03 - - -8.6932182312011719e-02 3.4212189912796021e-01 - <_> - - 0 -1 205 -4.2567998170852661e-02 - - -5.5589598417282104e-01 3.7941809743642807e-02 - <_> - - 0 -1 206 -2.7038659900426865e-02 - - -4.6420338749885559e-01 4.7554321587085724e-02 - <_> - - 0 -1 207 -2.4411270394921303e-02 - - 2.5650748610496521e-01 -4.9011740833520889e-02 - <_> - - 0 -1 208 -2.2230079397559166e-02 - - 1.4793260395526886e-01 -1.8224009871482849e-01 - <_> - - 0 -1 209 -3.2013750169426203e-03 - - -4.2445948719978333e-01 5.6803259998559952e-02 - <_> - - 0 -1 210 1.9253490492701530e-02 - - -9.1576658189296722e-02 2.6069998741149902e-01 - <_> - - 0 -1 211 -3.0006920918822289e-02 - - 3.1864610314369202e-01 -4.5917291194200516e-02 - <_> - - 0 -1 212 3.3000361174345016e-02 - - 4.2162541300058365e-02 -5.9096622467041016e-01 - <_> - - 0 -1 213 -2.3642620071768761e-02 - - -2.6040360331535339e-01 1.1056790128350258e-02 - <_> - - 0 -1 214 4.7398939728736877e-02 - - -4.0648590773344040e-02 5.2747577428817749e-01 - <_> - - 0 -1 215 5.8793718926608562e-03 - - 3.1395949423313141e-02 -5.6056851148605347e-01 - <_> - - 0 -1 216 -5.0995089113712311e-03 - - 1.6041420400142670e-01 -1.2821219861507416e-01 - <_> - - 0 -1 217 8.3196107298135757e-03 - - 6.2852732837200165e-02 -3.3706670999526978e-01 - <_> - - 0 -1 218 -1.0153040289878845e-02 - - -4.0614789724349976e-01 4.9781490117311478e-02 - <_> - - 0 -1 219 -1.4680469757877290e-04 - - 5.0883788615465164e-02 -1.3009959459304810e-01 - <_> - - 0 -1 220 -8.2523627497721463e-05 - - 9.2607311904430389e-02 -2.4926769733428955e-01 - <_> - - 0 -1 221 3.2566609978675842e-01 - - 1.7539579421281815e-02 -4.3454650044441223e-01 - <_> - - 0 -1 222 -1.7673589289188385e-01 - - 2.5083240866661072e-01 -7.6596006751060486e-02 - <_> - - 0 -1 223 -2.3230949416756630e-02 - - -8.7154947221279144e-02 4.1584961116313934e-02 - <_> - - 0 -1 224 -3.4149870276451111e-02 - - -5.3139698505401611e-01 3.1369328498840332e-02 - <_> - - 0 -1 225 7.6567879877984524e-03 - - 3.3216360956430435e-02 -4.6255061030387878e-01 - <_> - - 0 -1 226 -2.3248200304806232e-03 - - 2.8282898664474487e-01 -6.4993821084499359e-02 - <_> - - 0 -1 227 4.7129541635513306e-03 - - -5.6760489940643311e-02 4.7958448529243469e-01 - <_> - - 0 -1 228 1.2744029518216848e-03 - - -9.1237403452396393e-02 2.0502130687236786e-01 - <_> - - 0 -1 229 4.6741148829460144e-01 - - -8.2844244316220284e-03 6.4706552028656006e-01 - <_> - - 0 -1 230 2.2155679762363434e-01 - - 4.7312051057815552e-02 -4.3190020322799683e-01 - <_> - - 0 -1 231 -4.1782769560813904e-01 - - 2.3462800681591034e-01 -9.6403822302818298e-02 - <_> - - 0 -1 232 -6.9181760773062706e-03 - - -6.5903311967849731e-01 2.7876710519194603e-02 - <_> - - 0 -1 233 -9.3640871345996857e-03 - - -5.3879237174987793e-01 7.2180288843810558e-03 - <_> - - 0 -1 234 -5.8122459799051285e-02 - - -3.2751038670539856e-01 4.8486240208148956e-02 - <_> - - 0 -1 235 2.1331639587879181e-01 - - 3.8768779486417770e-02 -4.3802970647811890e-01 - <_> - - 0 -1 236 -1.3960640132427216e-01 - - -1.5554350614547729e-01 1.1561460047960281e-01 - <_> - - 0 -1 237 7.5554853538051248e-05 - - -6.5331228077411652e-02 6.6364876925945282e-02 - <_> - - 0 -1 238 -2.7876798994839191e-03 - - -3.4007069468498230e-01 4.9547281116247177e-02 - <_> - - 0 -1 239 8.9983027428388596e-03 - - -6.9725103676319122e-02 1.4761850237846375e-01 - <_> - - 0 -1 240 -1.1999090202152729e-02 - - -5.6046062707901001e-01 2.8065089136362076e-02 - <_> - - 0 -1 241 6.0021178796887398e-04 - - -1.0572089999914169e-01 1.5775670111179352e-01 - <_> - - 0 -1 242 9.2567745596170425e-03 - - 3.8413699716329575e-02 -3.8968989253044128e-01 - <_> - - 0 -1 243 3.4195061773061752e-02 - - -4.3271619826555252e-02 3.2461801171302795e-01 - <_> - - 0 -1 244 8.9471039245836437e-05 - - -1.2697300314903259e-01 1.1217790096998215e-01 - <_> - - 0 -1 245 -1.4595150016248226e-02 - - -4.6333798766136169e-01 2.1406309679150581e-02 - <_> - - 0 -1 246 -1.7585840076208115e-02 - - -6.9478857517242432e-01 1.9910650327801704e-02 - <_> - - 0 -1 247 -1.0673370212316513e-01 - - 2.2440390288829803e-01 -8.3739936351776123e-02 - <_> - - 0 -1 248 1.5211959835141897e-03 - - -7.0772707462310791e-02 2.1141250431537628e-01 - <_> - - 0 -1 249 4.4221947900950909e-03 - - -4.4280070811510086e-02 6.9831520318984985e-02 - <_> - - 0 -1 250 1.4256490394473076e-02 - - -7.4920579791069031e-02 1.8968519568443298e-01 - <_> - - 0 -1 251 -1.8462610244750977e-01 - - 4.4100850820541382e-01 -1.2149159796535969e-02 - <_> - - 0 -1 252 -3.7447769194841385e-02 - - 2.0523670315742493e-01 -6.5888322889804840e-02 - <_> - - 0 -1 253 -4.0164001286029816e-02 - - 1.1740049719810486e-01 -4.5672550797462463e-02 - <_> - - 0 -1 254 1.6907710582017899e-02 - - 3.6988031119108200e-02 -3.8368159532546997e-01 - <_> - - 0 -1 255 -2.0021539181470871e-02 - - 1.7874790728092194e-01 -6.1599351465702057e-02 - <_> - - 0 -1 256 -1.6288159787654877e-01 - - 1.2341959774494171e-01 -1.2213180214166641e-01 - <_> - - 0 -1 257 -3.4911129623651505e-02 - - -4.9633871763944626e-02 1.9904270768165588e-02 - <_> - - 0 -1 258 1.4563520252704620e-01 - - 3.0545150861144066e-02 -4.8735851049423218e-01 - <_> - - 0 -1 259 -5.5962290614843369e-02 - - 1.9134880602359772e-01 -1.5231589786708355e-02 - <_> - - 0 -1 260 4.5775189995765686e-02 - - -3.9633229374885559e-02 3.8051769137382507e-01 - <_> - - 0 -1 261 -8.0509930849075317e-03 - - -4.3102619051933289e-01 3.6386191844940186e-02 - <_> - - 0 -1 262 -2.2925350815057755e-02 - - -3.4417879581451416e-01 3.8492590188980103e-02 - <_> - - 0 -1 263 6.1498250812292099e-02 - - -1.6033710911870003e-02 5.0832337141036987e-01 - <_> - - 0 -1 264 -3.6888670176267624e-02 - - 3.9321890473365784e-01 -4.0520060807466507e-02 - <_> - - 0 -1 265 -5.3545171394944191e-03 - - 2.5463691353797913e-01 -1.1604879796504974e-01 - <_> - - 0 -1 266 -2.8639370575547218e-03 - - -4.9273601174354553e-01 2.9153689742088318e-02 - <_> - 105 - -1.6688350439071655e+00 - - <_> - - 0 -1 267 -1.4266750216484070e-01 - - 4.3372631072998047e-01 -3.4658440947532654e-01 - <_> - - 0 -1 268 1.2835499644279480e-01 - - -4.6544489264488220e-01 1.2816609442234039e-01 - <_> - - 0 -1 269 -3.6054801195859909e-02 - - 4.2594429850578308e-01 -1.7720609903335571e-01 - <_> - - 0 -1 270 -2.0345430821180344e-02 - - 1.5119360387325287e-01 -1.2275329977273941e-01 - <_> - - 0 -1 271 1.7666049301624298e-01 - - 1.5241350233554840e-01 -4.2538949847221375e-01 - <_> - - 0 -1 272 -1.6737949848175049e-01 - - 1.9125799834728241e-01 -1.8758560717105865e-01 - <_> - - 0 -1 273 2.9252300038933754e-02 - - -1.7955209314823151e-01 2.1316510438919067e-01 - <_> - - 0 -1 274 -1.5593099594116211e-01 - - 3.9090821146965027e-01 -6.6500350832939148e-02 - <_> - - 0 -1 275 1.6342889517545700e-02 - - -8.5122779011726379e-02 4.2280659079551697e-01 - <_> - - 0 -1 276 8.9803266746457666e-05 - - -2.4278439581394196e-01 1.0720120370388031e-01 - <_> - - 0 -1 277 1.1503130197525024e-01 - - -2.8022350743412971e-03 -2.7832890625000000e+03 - <_> - - 0 -1 278 2.8660349926212803e-05 - - -1.6912069916725159e-01 8.9088812470436096e-02 - <_> - - 0 -1 279 2.8660349926212803e-05 - - -2.9618909955024719e-01 9.9382899701595306e-02 - <_> - - 0 -1 280 -1.0209850035607815e-02 - - -4.8395550251007080e-01 5.6625138968229294e-02 - <_> - - 0 -1 281 -1.4060369692742825e-02 - - -4.1411420702934265e-01 6.3427872955799103e-02 - <_> - - 0 -1 282 -1.3348869979381561e-02 - - -4.6387439966201782e-01 2.8384190052747726e-02 - <_> - - 0 -1 283 -1.2555249966681004e-02 - - -6.1879467964172363e-01 4.2754668742418289e-02 - <_> - - 0 -1 284 2.7381330728530884e-02 - - -5.2704811096191406e-02 4.1978329420089722e-01 - <_> - - 0 -1 285 -4.6162471175193787e-02 - - 3.6497661471366882e-01 -7.2426289319992065e-02 - <_> - - 0 -1 286 -1.3097880408167839e-02 - - -5.7633280754089355e-01 4.7891929745674133e-02 - <_> - - 0 -1 287 -2.8415530920028687e-02 - - -6.0065191984176636e-01 4.4460929930210114e-02 - <_> - - 0 -1 288 -6.3479221425950527e-03 - - 3.4814509749412537e-01 -8.9059613645076752e-02 - <_> - - 0 -1 289 -9.7118411213159561e-03 - - -5.1781427860260010e-01 5.6316409260034561e-02 - <_> - - 0 -1 290 -2.1698420867323875e-02 - - 3.0704519152641296e-01 -9.7163833677768707e-02 - <_> - - 0 -1 291 -4.4276248663663864e-02 - - 2.5823259353637695e-01 -1.0374239832162857e-01 - <_> - - 0 -1 292 1.5846580266952515e-02 - - -1.1106160283088684e-01 1.7839249968528748e-01 - <_> - - 0 -1 293 -2.1498650312423706e-02 - - 3.4927240014076233e-01 -7.4306637048721313e-02 - <_> - - 0 -1 294 -2.9085460118949413e-03 - - -3.6909541487693787e-01 6.8516843020915985e-02 - <_> - - 0 -1 295 -3.1789109110832214e-02 - - 2.3799909651279449e-01 -1.1433179676532745e-01 - <_> - - 0 -1 296 1.0769370011985302e-02 - - 3.7151031196117401e-02 -2.5693479180335999e-01 - <_> - - 0 -1 297 -4.5090089552104473e-03 - - -5.7896959781646729e-01 4.4200599193572998e-02 - <_> - - 0 -1 298 -5.3212768398225307e-03 - - 8.4435231983661652e-02 -6.3949279487133026e-02 - <_> - - 0 -1 299 2.2673929110169411e-02 - - 5.1544409245252609e-02 -4.2098081111907959e-01 - <_> - - 0 -1 300 6.8509699776768684e-03 - - -3.7454128265380859e-02 4.5131939649581909e-01 - <_> - - 0 -1 301 9.6230360213667154e-05 - - -2.0744919776916504e-01 1.0465460270643234e-01 - <_> - - 0 -1 302 -2.1092059090733528e-02 - - 2.9160910844802856e-01 -6.2598362565040588e-02 - <_> - - 0 -1 303 -1.3403449952602386e-01 - - 2.1969069540500641e-01 -8.8791713118553162e-02 - <_> - - 0 -1 304 -2.5435289368033409e-02 - - 4.0824308991432190e-01 -2.4545410647988319e-02 - <_> - - 0 -1 305 1.0543379932641983e-02 - - -8.7642289698123932e-02 2.7179768681526184e-01 - <_> - - 0 -1 306 9.4132553786039352e-03 - - 1.4178940095007420e-02 -4.5865899324417114e-01 - <_> - - 0 -1 307 8.5997307905927300e-05 - - -2.3912850022315979e-01 9.1947212815284729e-02 - <_> - - 0 -1 308 1.0819079761859030e-04 - - -1.0928899794816971e-01 1.1509460210800171e-01 - <_> - - 0 -1 309 2.4240869283676147e-01 - - -6.7185372114181519e-02 2.8136798739433289e-01 - <_> - - 0 -1 310 -4.4038531184196472e-01 - - -4.3575769662857056e-01 2.1214749664068222e-02 - <_> - - 0 -1 311 -8.7453149259090424e-02 - - 1.1308129876852036e-01 -1.8478089570999146e-01 - <_> - - 0 -1 312 -4.1170339100062847e-03 - - 2.5076529383659363e-01 -3.2897919416427612e-02 - <_> - - 0 -1 313 -2.6375779882073402e-02 - - 3.1278228759765625e-01 -5.9065271168947220e-02 - <_> - - 0 -1 314 -7.3441797867417336e-03 - - -4.7725179791450500e-01 3.7147458642721176e-02 - <_> - - 0 -1 315 3.6828289012191817e-05 - - -1.3358670473098755e-01 1.3294130563735962e-01 - <_> - - 0 -1 316 1.0050609707832336e-02 - - -4.6177990734577179e-02 2.8381499648094177e-01 - <_> - - 0 -1 317 -1.0713540017604828e-02 - - -4.3290948867797852e-01 4.2332980781793594e-02 - <_> - - 0 -1 318 -1.0501730255782604e-02 - - -2.1639239788055420e-01 4.1059028357267380e-02 - <_> - - 0 -1 319 -1.7940669786185026e-03 - - 1.2304940074682236e-01 -1.3850529491901398e-01 - <_> - - 0 -1 320 1.5323059633374214e-02 - - 2.8011020272970200e-02 -3.7447929382324219e-01 - <_> - - 0 -1 321 -8.3098020404577255e-03 - - -5.2052259445190430e-01 2.8341950848698616e-02 - <_> - - 0 -1 322 3.0231740325689316e-02 - - -6.6902980208396912e-02 2.5790691375732422e-01 - <_> - - 0 -1 323 1.0883569717407227e-02 - - 6.2571577727794647e-02 -2.6860889792442322e-01 - <_> - - 0 -1 324 9.5374789088964462e-03 - - 2.9198259115219116e-02 -4.7998219728469849e-01 - <_> - - 0 -1 325 -3.9999200962483883e-03 - - 2.4949370324611664e-01 -6.5544649958610535e-02 - <_> - - 0 -1 326 9.2205414548516273e-03 - - 3.9968650788068771e-02 -3.7524449825286865e-01 - <_> - - 0 -1 327 -3.2748740166425705e-02 - - 2.6545938849449158e-01 -6.3016481697559357e-02 - <_> - - 0 -1 328 -2.3801359347999096e-03 - - 1.2308929860591888e-01 -2.7479890733957291e-02 - <_> - - 0 -1 329 1.6849349485710263e-03 - - -7.6166503131389618e-02 2.2750720381736755e-01 - <_> - - 0 -1 330 7.1630808524787426e-03 - - 3.9477579295635223e-02 -4.4354990124702454e-01 - <_> - - 0 -1 331 1.6813669353723526e-02 - - 3.3588510006666183e-02 -3.9953568577766418e-01 - <_> - - 0 -1 332 3.2795818697195500e-05 - - -1.5435990691184998e-01 9.5962576568126678e-02 - <_> - - 0 -1 333 -1.9717039540410042e-03 - - 2.3365209996700287e-01 -5.9957198798656464e-02 - <_> - - 0 -1 334 -2.6993690058588982e-02 - - -4.1374289989471436e-01 4.2008690536022186e-02 - <_> - - 0 -1 335 1.4177109301090240e-01 - - 3.9520148187875748e-02 -3.4029808640480042e-01 - <_> - - 0 -1 336 -1.3679260388016701e-02 - - -1.6057309508323669e-01 3.4863740205764771e-02 - <_> - - 0 -1 337 2.9184529557824135e-02 - - 4.3370950967073441e-02 -4.0030288696289062e-01 - <_> - - 0 -1 338 1.1129399761557579e-02 - - -7.8534290194511414e-02 1.7960290610790253e-01 - <_> - - 0 -1 339 -1.0935500264167786e-02 - - -3.6025050282478333e-01 4.2995098978281021e-02 - <_> - - 0 -1 340 -3.0513479941873811e-05 - - 8.9370213449001312e-02 -4.1889280080795288e-02 - <_> - - 0 -1 341 3.2795818697195500e-05 - - -1.8075449764728546e-01 9.5909386873245239e-02 - <_> - - 0 -1 342 -2.3117760196328163e-02 - - -2.6796799898147583e-01 1.0017570108175278e-02 - <_> - - 0 -1 343 1.3803930021822453e-02 - - 3.0247809365391731e-02 -4.1577160358428955e-01 - <_> - - 0 -1 344 1.4790579676628113e-02 - - -6.2628433108329773e-02 1.7893029749393463e-01 - <_> - - 0 -1 345 -1.4307799935340881e-01 - - -1.6115669906139374e-01 8.9231662452220917e-02 - <_> - - 0 -1 346 1.9987529143691063e-02 - - -4.7062009572982788e-02 1.6109189391136169e-01 - <_> - - 0 -1 347 1.4205900020897388e-02 - - 2.3043379187583923e-02 -5.4757040739059448e-01 - <_> - - 0 -1 348 -1.7248879885300994e-03 - - 9.4482786953449249e-02 -4.8485349863767624e-02 - <_> - - 0 -1 349 -1.3548379763960838e-02 - - 1.2788389623165131e-01 -9.9656976759433746e-02 - <_> - - 0 -1 350 6.2871202826499939e-02 - - 4.1690871119499207e-02 -3.6751130223274231e-01 - <_> - - 0 -1 351 -6.9153852760791779e-02 - - 2.7378571033477783e-01 -6.2963612377643585e-02 - <_> - - 0 -1 352 -2.1734459698200226e-01 - - 1.8304589390754700e-01 -9.9257007241249084e-02 - <_> - - 0 -1 353 2.7469780296087265e-02 - - -1.9286830723285675e-01 7.5987569987773895e-02 - <_> - - 0 -1 354 4.6957340091466904e-02 - - -1.8775250762701035e-02 4.6314349770545959e-01 - <_> - - 0 -1 355 1.8086720257997513e-02 - - -5.2328471094369888e-02 2.8864291310310364e-01 - <_> - - 0 -1 356 -1.3927269726991653e-02 - - 2.5085431337356567e-01 -1.9651040434837341e-01 - <_> - - 0 -1 357 -1.2526209652423859e-01 - - 1.4717139303684235e-01 -9.1146282851696014e-02 - <_> - - 0 -1 358 -1.0891130194067955e-02 - - -1.2665599584579468e-01 1.0399430058896542e-02 - <_> - - 0 -1 359 1.0924959555268288e-02 - - -3.5003058612346649e-02 4.4608950614929199e-01 - <_> - - 0 -1 360 3.2539550215005875e-02 - - 1.8497619777917862e-02 -5.9167790412902832e-01 - <_> - - 0 -1 361 -2.0845759660005569e-02 - - -3.9082339406013489e-01 3.4703880548477173e-02 - <_> - - 0 -1 362 -2.3641270399093628e-01 - - 4.8828721046447754e-01 -3.0029779300093651e-02 - <_> - - 0 -1 363 -1.5634840726852417e-01 - - -3.3450639247894287e-01 4.0134359151124954e-02 - <_> - - 0 -1 364 -4.2001541703939438e-02 - - 8.6142227053642273e-02 -2.4942040443420410e-02 - <_> - - 0 -1 365 2.5715960655361414e-03 - - -4.8461031168699265e-02 2.3894819617271423e-01 - <_> - - 0 -1 366 -1.7130700871348381e-02 - - -3.2887008786201477e-01 4.8260189592838287e-02 - <_> - - 0 -1 367 1.1991130188107491e-02 - - 3.7000309675931931e-02 -3.0085611343383789e-01 - <_> - - 0 -1 368 -1.0165110230445862e-02 - - 2.1159230172634125e-01 -1.3456389307975769e-01 - <_> - - 0 -1 369 3.1752940267324448e-02 - - -2.5855910032987595e-02 5.6194078922271729e-01 - <_> - - 0 -1 370 3.5542049445211887e-03 - - 7.7353782951831818e-02 -2.3569710552692413e-01 - <_> - - 0 -1 371 1.5985440462827682e-02 - - 3.7367980927228928e-02 -3.2395151257514954e-01 - <_> - 126 - -1.6429220438003540e+00 - - <_> - - 0 -1 372 -8.3694636821746826e-02 - - 3.4100440144538879e-01 -3.7553939223289490e-01 - <_> - - 0 -1 373 -1.3659610413014889e-02 - - 2.7409899234771729e-01 -2.1383710205554962e-01 - <_> - - 0 -1 374 -1.2971660122275352e-02 - - 2.8143510222434998e-01 -2.6921510696411133e-01 - <_> - - 0 -1 375 -2.4979710578918457e-02 - - 1.7793020606040955e-01 -1.1710070073604584e-01 - <_> - - 0 -1 376 -4.0136750787496567e-02 - - 2.8855401277542114e-01 -1.9427180290222168e-01 - <_> - - 0 -1 377 -6.0740387998521328e-03 - - 1.5903720259666443e-01 -1.4931740239262581e-02 - <_> - - 0 -1 378 2.8471080586314201e-02 - - -4.4332811236381531e-01 7.4799977242946625e-02 - <_> - - 0 -1 379 1.6766659915447235e-02 - - -6.0499768704175949e-02 4.2109870910644531e-01 - <_> - - 0 -1 380 -7.2914727032184601e-02 - - 2.0749080181121826e-01 -1.4727330207824707e-01 - <_> - - 0 -1 381 1.7743000760674477e-02 - - -4.8589050769805908e-02 1.1596550047397614e-01 - <_> - - 0 -1 382 -2.9501529410481453e-02 - - 2.9439669847488403e-01 -9.6627213060855865e-02 - <_> - - 0 -1 383 4.0625121444463730e-02 - - -2.6239100843667984e-02 4.6830970048904419e-01 - <_> - - 0 -1 384 -2.1779349073767662e-02 - - 3.1120860576629639e-01 -1.0223499685525894e-01 - <_> - - 0 -1 385 3.4435780253261328e-03 - - 5.6111920624971390e-02 -4.1161030530929565e-01 - <_> - - 0 -1 386 -5.5878269486129284e-03 - - 2.9298371076583862e-01 -9.6122913062572479e-02 - <_> - - 0 -1 387 -4.7618029639124870e-03 - - -4.6502849459648132e-01 5.9193320572376251e-02 - <_> - - 0 -1 388 -5.9781860560178757e-02 - - 3.5532829165458679e-01 -8.0377146601676941e-02 - <_> - - 0 -1 389 6.0978909023106098e-03 - - -1.6692450270056725e-02 1.6469989717006683e-01 - <_> - - 0 -1 390 -2.7368629351258278e-02 - - 2.6564338803291321e-01 -1.0004770010709763e-01 - <_> - - 0 -1 391 8.0997692421078682e-03 - - 1.8760479986667633e-02 -4.7523689270019531e-01 - <_> - - 0 -1 392 -2.5963999796658754e-03 - - -3.5978320240974426e-01 6.4545221626758575e-02 - <_> - - 0 -1 393 3.1593199819326401e-02 - - -3.7798259407281876e-02 2.3075990378856659e-01 - <_> - - 0 -1 394 1.0456099698785692e-04 - - -2.8685820102691650e-01 8.7096959352493286e-02 - <_> - - 0 -1 395 -5.1906198263168335e-02 - - 8.3963796496391296e-02 -2.0532630383968353e-02 - <_> - - 0 -1 396 2.4498499929904938e-02 - - -8.2814618945121765e-02 2.8475210070610046e-01 - <_> - - 0 -1 397 1.2566380202770233e-02 - - -4.5279160141944885e-02 2.1674649417400360e-01 - <_> - - 0 -1 398 -9.1318622231483459e-02 - - -4.4230499863624573e-01 4.7104880213737488e-02 - <_> - - 0 -1 399 6.6391900181770325e-03 - - 2.9059579595923424e-02 -5.2252948284149170e-01 - <_> - - 0 -1 400 1.7127700150012970e-02 - - 2.7933819219470024e-02 -5.7958590984344482e-01 - <_> - - 0 -1 401 -6.0757698520319536e-05 - - 1.0102690011262894e-01 -9.3878470361232758e-02 - <_> - - 0 -1 402 7.7282187703531235e-05 - - -1.3995659351348877e-01 1.4235240221023560e-01 - <_> - - 0 -1 403 -4.5266721397638321e-02 - - -1.5958879888057709e-01 1.3019920326769352e-02 - <_> - - 0 -1 404 -1.2739590369164944e-02 - - -4.1836729645729065e-01 4.6371258795261383e-02 - <_> - - 0 -1 405 4.7306739725172520e-03 - - -1.4719159901142120e-01 1.2549529969692230e-01 - <_> - - 0 -1 406 -6.8478072062134743e-03 - - -2.8655201196670532e-01 6.4936019480228424e-02 - <_> - - 0 -1 407 -1.4478339813649654e-02 - - -5.5746442079544067e-01 3.1902320683002472e-02 - <_> - - 0 -1 408 2.5321850553154945e-02 - - -5.1969718188047409e-02 4.0317040681838989e-01 - <_> - - 0 -1 409 1.4498929958790541e-03 - - -7.1278862655162811e-02 2.0445279777050018e-01 - <_> - - 0 -1 410 9.1836787760257721e-05 - - -1.3836619257926941e-01 1.3376340270042419e-01 - <_> - - 0 -1 411 8.9083143393509090e-05 - - -7.5781263411045074e-02 1.0304410010576248e-01 - <_> - - 0 -1 412 -8.0758632975630462e-05 - - 1.6445839405059814e-01 -1.1202610284090042e-01 - <_> - - 0 -1 413 8.9285433292388916e-02 - - 3.0930649489164352e-02 -5.7430011034011841e-01 - <_> - - 0 -1 414 1.5883229672908783e-02 - - -4.3224731087684631e-01 3.4075301140546799e-02 - <_> - - 0 -1 415 -1.4171909540891647e-02 - - 2.0276209712028503e-01 -7.9184897243976593e-02 - <_> - - 0 -1 416 3.5720940679311752e-02 - - -9.0391501784324646e-02 2.1999590098857880e-01 - <_> - - 0 -1 417 5.3087039850652218e-03 - - 2.1282069385051727e-02 -5.3097438812255859e-01 - <_> - - 0 -1 418 1.0967809706926346e-02 - - 3.4793078899383545e-02 -4.3127518892288208e-01 - <_> - - 0 -1 419 3.3630009740591049e-02 - - -6.4378000795841217e-02 2.2569869458675385e-01 - <_> - - 0 -1 420 1.1750670149922371e-02 - - 3.3364009112119675e-02 -4.9996230006217957e-01 - <_> - - 0 -1 421 -1.4994719531387091e-03 - - 2.1139480173587799e-01 -7.8302331268787384e-02 - <_> - - 0 -1 422 -1.8384349346160889e-01 - - 2.9695770144462585e-01 -5.3062479943037033e-02 - <_> - - 0 -1 423 -2.6374959945678711e-01 - - 2.0995129644870758e-01 -7.6504513621330261e-02 - <_> - - 0 -1 424 -4.7229680418968201e-01 - - -6.0007989406585693e-01 2.5197599083185196e-02 - <_> - - 0 -1 425 4.8492550849914551e-02 - - -3.1335938721895218e-02 2.7855190634727478e-01 - <_> - - 0 -1 426 -3.4002509713172913e-01 - - 2.3851110041141510e-01 -6.6435709595680237e-02 - <_> - - 0 -1 427 -1.1414799839258194e-02 - - -2.5477099418640137e-01 6.8611912429332733e-02 - <_> - - 0 -1 428 2.1057009696960449e-02 - - -4.4789239764213562e-02 3.5822269320487976e-01 - <_> - - 0 -1 429 -1.3073880109004676e-04 - - 1.0799950361251831e-01 -1.4292159676551819e-01 - <_> - - 0 -1 430 -1.6146369278430939e-02 - - -4.4975531101226807e-01 3.1903188675642014e-02 - <_> - - 0 -1 431 2.6404859498143196e-02 - - 3.0780889093875885e-02 -2.3807209730148315e-01 - <_> - - 0 -1 432 -1.4983680099248886e-02 - - -3.1624558568000793e-01 5.2957501262426376e-02 - <_> - - 0 -1 433 -6.6260308958590031e-03 - - 9.4783961772918701e-02 -3.7947028875350952e-02 - <_> - - 0 -1 434 9.4577856361865997e-03 - - -6.3235759735107422e-02 2.7814188599586487e-01 - <_> - - 0 -1 435 2.8465919196605682e-02 - - -4.0209379047155380e-02 2.9379189014434814e-01 - <_> - - 0 -1 436 3.2882608473300934e-02 - - -4.1350640356540680e-02 3.3133140206336975e-01 - <_> - - 0 -1 437 -8.3604697138071060e-03 - - -4.0812259912490845e-01 3.3069811761379242e-02 - <_> - - 0 -1 438 -3.0450399965047836e-02 - - 2.1827210485935211e-01 -7.1721799671649933e-02 - <_> - - 0 -1 439 -5.8005149476230145e-03 - - -2.9562330245971680e-01 3.7087250500917435e-02 - <_> - - 0 -1 440 4.8168208450078964e-03 - - 3.2777469605207443e-02 -4.2083171010017395e-01 - <_> - - 0 -1 441 1.5842430293560028e-03 - - -6.9716259837150574e-02 1.9365569949150085e-01 - <_> - - 0 -1 442 8.4104435518383980e-03 - - 2.9692530632019043e-02 -5.0313138961791992e-01 - <_> - - 0 -1 443 -1.0347180068492889e-04 - - 9.8363690078258514e-02 -8.6907006800174713e-02 - <_> - - 0 -1 444 8.2377959042787552e-03 - - 3.6999549716711044e-02 -3.8527131080627441e-01 - <_> - - 0 -1 445 1.1734689906006679e-04 - - -6.5492406487464905e-02 6.2266398221254349e-02 - <_> - - 0 -1 446 -9.8627153784036636e-04 - - 1.8917119503021240e-01 -8.0425269901752472e-02 - <_> - - 0 -1 447 -8.6078172898851335e-05 - - 8.2447282969951630e-02 -9.5376200973987579e-02 - <_> - - 0 -1 448 5.6891320273280144e-03 - - 3.3346530050039291e-02 -4.0205308794975281e-01 - <_> - - 0 -1 449 1.0112339805345982e-04 - - -1.0284639894962311e-01 1.1317410320043564e-01 - <_> - - 0 -1 450 -1.5918860211968422e-02 - - 1.3964639604091644e-01 -1.0537520051002502e-01 - <_> - - 0 -1 451 -1.0231309715891257e-04 - - 1.1990199983119965e-01 -2.0759420096874237e-01 - <_> - - 0 -1 452 -9.1397319920361042e-04 - - 1.6179299354553223e-01 -7.5580276548862457e-02 - <_> - - 0 -1 453 6.6993040964007378e-03 - - 2.5001080706715584e-02 -1.6416229307651520e-01 - <_> - - 0 -1 454 1.2699300423264503e-02 - - 2.2695040330290794e-02 -5.2739512920379639e-01 - <_> - - 0 -1 455 -1.3283169828355312e-02 - - -4.1160929203033447e-01 2.7053929865360260e-02 - <_> - - 0 -1 456 1.0245139710605145e-03 - - -8.0925337970256805e-02 1.6091230511665344e-01 - <_> - - 0 -1 457 8.1607067841105163e-05 - - -6.5392106771469116e-02 9.4981692731380463e-02 - <_> - - 0 -1 458 -2.1534129045903683e-03 - - 2.3994359374046326e-01 -6.9839999079704285e-02 - <_> - - 0 -1 459 -2.9751509428024292e-02 - - -6.1123019456863403e-01 1.7478989437222481e-02 - <_> - - 0 -1 460 -1.3032819330692291e-01 - - -2.5296679139137268e-01 4.5886538922786713e-02 - <_> - - 0 -1 461 -3.8392931222915649e-02 - - 1.5026639401912689e-01 -8.3300203084945679e-02 - <_> - - 0 -1 462 -2.0637670531868935e-02 - - -4.7749769687652588e-01 2.7316639199852943e-02 - <_> - - 0 -1 463 -9.2679895460605621e-03 - - 1.4952409267425537e-01 -5.3084261715412140e-02 - <_> - - 0 -1 464 1.2076119892299175e-02 - - -7.3878012597560883e-02 1.7311289906501770e-01 - <_> - - 0 -1 465 1.4252300374209881e-02 - - 1.0700870305299759e-02 -4.8483529686927795e-01 - <_> - - 0 -1 466 7.9848906025290489e-03 - - 3.1557928770780563e-02 -3.9823979139328003e-01 - <_> - - 0 -1 467 -7.6416457886807621e-05 - - 9.5197781920433044e-02 -6.6096171736717224e-02 - <_> - - 0 -1 468 9.6317751740571111e-05 - - -1.0664629936218262e-01 1.2682129442691803e-01 - <_> - - 0 -1 469 3.1491980189457536e-04 - - -5.2514318376779556e-02 2.4523379281163216e-02 - <_> - - 0 -1 470 5.1320712082087994e-03 - - -9.4310060143470764e-02 1.1926410347223282e-01 - <_> - - 0 -1 471 -7.8906886279582977e-02 - - 1.8964789807796478e-01 -6.1664801090955734e-02 - <_> - - 0 -1 472 -1.4321829658001661e-03 - - 1.4567589759826660e-01 -7.5513087213039398e-02 - <_> - - 0 -1 473 -4.5103628188371658e-02 - - -4.8482489585876465e-01 8.3793140947818756e-03 - <_> - - 0 -1 474 3.9267681131605059e-05 - - -9.8394133150577545e-02 1.1265549808740616e-01 - <_> - - 0 -1 475 -1.7501650378108025e-02 - - -4.4661688804626465e-01 5.6442890316247940e-02 - <_> - - 0 -1 476 2.5849869474768639e-02 - - 2.2946629673242569e-02 -4.1963219642639160e-01 - <_> - - 0 -1 477 -5.6344410404562950e-03 - - 3.7022929638624191e-02 -9.1434329748153687e-02 - <_> - - 0 -1 478 -1.6525749862194061e-01 - - -3.2120141386985779e-01 3.3446568995714188e-02 - <_> - - 0 -1 479 -7.4969837442040443e-05 - - 1.0247570276260376e-01 -1.3333749771118164e-01 - <_> - - 0 -1 480 -1.6051430255174637e-02 - - -2.6871579885482788e-01 3.8832820951938629e-02 - <_> - - 0 -1 481 4.8495661467313766e-02 - - -1.7611419782042503e-02 4.3210458755493164e-01 - <_> - - 0 -1 482 -5.8027990162372589e-02 - - 5.6749457120895386e-01 -1.8929490819573402e-02 - <_> - - 0 -1 483 9.3509042635560036e-03 - - -8.1999160349369049e-02 1.2645019590854645e-01 - <_> - - 0 -1 484 7.2834091261029243e-03 - - 3.6080401390790939e-02 -3.0698621273040771e-01 - <_> - - 0 -1 485 -3.6525551229715347e-02 - - 5.9447780251502991e-02 -6.5544642508029938e-02 - <_> - - 0 -1 486 -2.2749549243599176e-03 - - 2.0536370575428009e-01 -5.0366468727588654e-02 - <_> - - 0 -1 487 -4.5571658760309219e-02 - - -3.6782819032669067e-01 2.9857050627470016e-02 - <_> - - 0 -1 488 7.8613593359477818e-05 - - -1.0129989683628082e-01 9.8839581012725830e-02 - <_> - - 0 -1 489 7.4493337888270617e-04 - - 1.0422939807176590e-01 -2.8243300318717957e-01 - <_> - - 0 -1 490 6.7769076849799603e-05 - - -1.0194019973278046e-01 1.0684160143136978e-01 - <_> - - 0 -1 491 1.4976429753005505e-02 - - -5.4828610271215439e-02 1.1241599917411804e-01 - <_> - - 0 -1 492 -1.6552510205656290e-03 - - -2.5917539000511169e-01 4.0221069008111954e-02 - <_> - - 0 -1 493 -1.4255680143833160e-02 - - -3.6706781387329102e-01 1.6172470524907112e-02 - <_> - - 0 -1 494 -2.0518230739980936e-03 - - 1.9269070029258728e-01 -4.7873228788375854e-02 - <_> - - 0 -1 495 1.3053719699382782e-01 - - 6.2902332283556461e-03 -3.7563058733940125e-01 - <_> - - 0 -1 496 -8.3324328064918518e-02 - - -1.1892479658126831e-01 9.3024402856826782e-02 - <_> - - 0 -1 497 2.4922129511833191e-01 - - 7.7079031616449356e-03 -7.7056437730789185e-01 - <_> - 133 - -1.5156250000000000e+00 - - <_> - - 0 -1 498 -1.4404890127480030e-02 - - 3.4178748726844788e-01 -3.0290880799293518e-01 - <_> - - 0 -1 499 2.2667409479618073e-01 - - -3.3072739839553833e-01 1.6360230743885040e-01 - <_> - - 0 -1 500 -4.6934150159358978e-02 - - 2.7088809013366699e-01 -2.5283458828926086e-01 - <_> - - 0 -1 501 -7.4530718848109245e-03 - - 4.4813731312751770e-01 -6.0667719691991806e-02 - <_> - - 0 -1 502 -2.1492090076208115e-02 - - 1.8971429765224457e-01 -2.2000360488891602e-01 - <_> - - 0 -1 503 -5.7815029285848141e-03 - - 8.8426098227500916e-02 -3.0627530068159103e-02 - <_> - - 0 -1 504 3.9674431085586548e-02 - - -5.4195029661059380e-03 -1.4207619628906250e+03 - <_> - - 0 -1 505 1.3627589680254459e-02 - - -9.1195777058601379e-02 4.8344880342483521e-01 - <_> - - 0 -1 506 -6.5549151040613651e-03 - - 3.4027290344238281e-01 -1.1481580138206482e-01 - <_> - - 0 -1 507 5.1418822258710861e-03 - - -2.1465690433979034e-01 1.5631480515003204e-01 - <_> - - 0 -1 508 -7.1714469231665134e-03 - - 2.8908538818359375e-01 -1.1485029757022858e-01 - <_> - - 0 -1 509 -5.5360728874802589e-03 - - 2.1668159961700439e-01 -8.3817251026630402e-02 - <_> - - 0 -1 510 2.2245529294013977e-01 - - -6.5196859650313854e-03 -4.8679741210937500e+03 - <_> - - 0 -1 511 1.1557079851627350e-02 - - -4.5459240674972534e-02 3.0394679307937622e-01 - <_> - - 0 -1 512 -2.4631500244140625e-01 - - -5.1887249946594238e-01 5.1175419241189957e-02 - <_> - - 0 -1 513 -1.7819709610193968e-03 - - 3.4486059099435806e-02 -3.9163861423730850e-02 - <_> - - 0 -1 514 -8.7224133312702179e-03 - - 3.2543098926544189e-01 -7.6574653387069702e-02 - <_> - - 0 -1 515 -3.5658270120620728e-02 - - -5.9835660457611084e-01 3.8316339254379272e-02 - <_> - - 0 -1 516 -2.8903679922223091e-02 - - -6.3530182838439941e-01 2.4730689823627472e-02 - <_> - - 0 -1 517 -1.1647170037031174e-01 - - 1.8075680732727051e-01 -1.6352340579032898e-01 - <_> - - 0 -1 518 2.5810129940509796e-02 - - -1.0886339843273163e-01 2.3793080449104309e-01 - <_> - - 0 -1 519 -7.3603908531367779e-03 - - 1.9048359990119934e-01 -8.0013617873191833e-02 - <_> - - 0 -1 520 1.0619719978421926e-04 - - -2.4556909501552582e-01 9.5219768583774567e-02 - <_> - - 0 -1 521 -1.9719420000910759e-02 - - -4.7572961449623108e-01 3.7367928773164749e-02 - <_> - - 0 -1 522 -7.4374658288434148e-04 - - 9.1585151851177216e-02 -2.5668498873710632e-01 - <_> - - 0 -1 523 9.8219022154808044e-02 - - -7.0228829979896545e-02 3.3574399352073669e-01 - <_> - - 0 -1 524 5.3615029901266098e-03 - - 3.1214090064167976e-02 -6.7753881216049194e-01 - <_> - - 0 -1 525 -1.4868759550154209e-02 - - -5.8096957206726074e-01 4.2814828455448151e-02 - <_> - - 0 -1 526 -9.6412852406501770e-02 - - 1.3004289567470551e-01 -1.2678889930248260e-01 - <_> - - 0 -1 527 3.7894989363849163e-03 - - -6.5598629415035248e-02 1.5579770505428314e-01 - <_> - - 0 -1 528 -3.4858610015362501e-03 - - 2.1834029257297516e-01 -1.2221299856901169e-01 - <_> - - 0 -1 529 3.3498299121856689e-01 - - -2.4588150903582573e-02 1.7631460726261139e-01 - <_> - - 0 -1 530 -2.5738729164004326e-02 - - 1.4332139492034912e-01 -1.1177980154752731e-01 - <_> - - 0 -1 531 3.8507148623466492e-01 - - 1.4525639824569225e-02 -3.6296150088310242e-01 - <_> - - 0 -1 532 -2.8105419129133224e-02 - - -3.4287661314010620e-01 4.9306400120258331e-02 - <_> - - 0 -1 533 -1.8473409116268158e-02 - - -5.8932191133499146e-01 2.3863330483436584e-02 - <_> - - 0 -1 534 -1.3536689803004265e-02 - - -4.2912280559539795e-01 3.1943909823894501e-02 - <_> - - 0 -1 535 -2.3122949525713921e-02 - - 2.0142209529876709e-01 -5.0353039056062698e-02 - <_> - - 0 -1 536 2.1139409393072128e-02 - - -6.3899256289005280e-02 2.6525649428367615e-01 - <_> - - 0 -1 537 9.0067520737648010e-02 - - 1.1227900162339211e-02 -1.0319119691848755e-01 - <_> - - 0 -1 538 1.0382729582488537e-02 - - 3.5720501095056534e-02 -4.9541878700256348e-01 - <_> - - 0 -1 539 1.4825740363448858e-03 - - -2.4888260290026665e-02 2.3713339120149612e-02 - <_> - - 0 -1 540 1.2378430366516113e-01 - - 3.2288201153278351e-02 -5.3732192516326904e-01 - <_> - - 0 -1 541 -1.6116470098495483e-02 - - -4.8570340871810913e-01 2.7461700141429901e-02 - <_> - - 0 -1 542 1.5906639397144318e-02 - - 2.9240200296044350e-02 -4.5423740148544312e-01 - <_> - - 0 -1 543 -9.1634020209312439e-03 - - 1.0625120252370834e-01 -1.0080440342426300e-01 - <_> - - 0 -1 544 -1.9347349181771278e-02 - - 2.1739059686660767e-01 -6.9000512361526489e-02 - <_> - - 0 -1 545 -1.0325609706342220e-02 - - -4.0617129206657410e-01 2.8300719335675240e-02 - <_> - - 0 -1 546 -4.4596269726753235e-03 - - 1.3881349563598633e-01 -1.0167139768600464e-01 - <_> - - 0 -1 547 -1.3331240043044090e-02 - - 1.1168389767408371e-01 -5.7018160820007324e-02 - <_> - - 0 -1 548 1.4038089662790298e-02 - - -6.5833032131195068e-02 2.8126591444015503e-01 - <_> - - 0 -1 549 8.6190225556492805e-03 - - 3.1586680561304092e-02 -2.8932869434356689e-01 - <_> - - 0 -1 550 2.9386770725250244e-01 - - -4.6890590339899063e-02 3.0614718794822693e-01 - <_> - - 0 -1 551 -1.4868940226733685e-02 - - 1.7502120137214661e-01 -1.0025910101830959e-02 - <_> - - 0 -1 552 -4.3284989893436432e-02 - - 1.7161160707473755e-01 -9.6792109310626984e-02 - <_> - - 0 -1 553 1.2888509780168533e-02 - - -2.2928550839424133e-02 2.4185520410537720e-01 - <_> - - 0 -1 554 -3.4358419943600893e-03 - - 1.3518199324607849e-01 -1.0388469696044922e-01 - <_> - - 0 -1 555 -3.4035958349704742e-02 - - 2.5674760341644287e-01 -5.2028700709342957e-02 - <_> - - 0 -1 556 5.0311200320720673e-03 - - -8.4477551281452179e-02 1.6237409412860870e-01 - <_> - - 0 -1 557 -1.2706579582300037e-04 - - 1.0559009760618210e-01 -2.1253530681133270e-01 - <_> - - 0 -1 558 1.1165560223162174e-02 - - 2.6308910921216011e-02 -4.8655390739440918e-01 - <_> - - 0 -1 559 -5.2559740841388702e-02 - - 1.0851469635963440e-01 -1.1396080255508423e-01 - <_> - - 0 -1 560 -9.1416407376527786e-03 - - -4.0663948655128479e-01 3.4957569092512131e-02 - <_> - - 0 -1 561 -1.1083520203828812e-01 - - 4.1294351220130920e-01 -3.3939100801944733e-02 - <_> - - 0 -1 562 -5.7494291104376316e-03 - - 1.0465209931135178e-01 -1.1080049723386765e-01 - <_> - - 0 -1 563 -3.3833560347557068e-01 - - -4.2555201053619385e-01 2.9249390587210655e-02 - <_> - - 0 -1 564 -9.9934339523315430e-03 - - -5.3766322135925293e-01 1.9428819417953491e-02 - <_> - - 0 -1 565 -4.4573689810931683e-03 - - 1.8140719830989838e-01 -6.1098061501979828e-02 - <_> - - 0 -1 566 1.1739180423319340e-02 - - 2.7691790834069252e-02 -4.1605970263481140e-01 - <_> - - 0 -1 567 -2.0730029791593552e-03 - - 2.1511830389499664e-01 -4.4588111340999603e-02 - <_> - - 0 -1 568 4.3844608590006828e-03 - - 3.0381720513105392e-02 -3.9061251282691956e-01 - <_> - - 0 -1 569 8.9646214619278908e-03 - - 3.2070860266685486e-02 -3.7139549851417542e-01 - <_> - - 0 -1 570 4.3689231388270855e-03 - - -6.2611937522888184e-02 1.8630330264568329e-01 - <_> - - 0 -1 571 -2.2206110879778862e-02 - - -2.5213471055030823e-01 1.7384979873895645e-02 - <_> - - 0 -1 572 2.6817120611667633e-02 - - 1.8778100609779358e-02 -6.3347727060317993e-01 - <_> - - 0 -1 573 1.0099010250996798e-04 - - -8.9882403612136841e-02 9.2971943318843842e-02 - <_> - - 0 -1 574 -3.7158210761845112e-03 - - -4.4987940788269043e-01 2.5029459968209267e-02 - <_> - - 0 -1 575 -2.7535969857126474e-03 - - 2.6070469617843628e-01 -7.0969417691230774e-02 - <_> - - 0 -1 576 -2.1922899410128593e-02 - - -5.0777751207351685e-01 2.5180419906973839e-02 - <_> - - 0 -1 577 -7.0883962325751781e-04 - - -3.4276500344276428e-01 8.2241162657737732e-02 - <_> - - 0 -1 578 -1.6273240325972438e-03 - - 1.9682820141315460e-01 -6.2403131276369095e-02 - <_> - - 0 -1 579 1.4539799885824323e-03 - - 5.2250798791646957e-02 -2.9100200533866882e-01 - <_> - - 0 -1 580 1.2582080671563745e-04 - - -1.1654359847307205e-01 1.1046759784221649e-01 - <_> - - 0 -1 581 8.3695871580857784e-05 - - -5.2289471030235291e-02 6.1870351433753967e-02 - <_> - - 0 -1 582 -1.1398050264688209e-04 - - 1.5396890044212341e-01 -8.9202009141445160e-02 - <_> - - 0 -1 583 1.5188050456345081e-03 - - -6.1207320541143417e-02 1.2907339632511139e-01 - <_> - - 0 -1 584 1.5405760146677494e-02 - - 2.5000110268592834e-02 -4.4077640771865845e-01 - <_> - - 0 -1 585 -1.1019539670087397e-04 - - 1.0112199932336807e-01 -6.7201070487499237e-02 - <_> - - 0 -1 586 -1.9675830379128456e-02 - - -6.5486162900924683e-01 1.6996009275317192e-02 - <_> - - 0 -1 587 -9.9909037817269564e-04 - - 1.0255189985036850e-01 -5.9289220720529556e-02 - <_> - - 0 -1 588 1.2456219701562077e-04 - - -1.1078929901123047e-01 1.0348449647426605e-01 - <_> - - 0 -1 589 1.2445759784895927e-04 - - -9.5743909478187561e-02 8.3002902567386627e-02 - <_> - - 0 -1 590 -1.9823738839477301e-03 - - 2.1431520581245422e-01 -5.5398739874362946e-02 - <_> - - 0 -1 591 1.9654269516468048e-01 - - 3.1826499849557877e-02 -2.1685199439525604e-01 - <_> - - 0 -1 592 3.5871278960257769e-03 - - -7.4322208762168884e-02 1.4974950253963470e-01 - <_> - - 0 -1 593 1.0668500326573849e-02 - - 1.3024830259382725e-02 -3.1633579730987549e-01 - <_> - - 0 -1 594 -1.5692969784140587e-02 - - 1.8123820424079895e-01 -6.1613950878381729e-02 - <_> - - 0 -1 595 2.0100619643926620e-02 - - 4.4974848628044128e-02 -4.3339860439300537e-01 - <_> - - 0 -1 596 -9.3011429999023676e-04 - - 1.4157989621162415e-01 -7.2623051702976227e-02 - <_> - - 0 -1 597 1.2854380474891514e-04 - - -5.1621709018945694e-02 4.8192240297794342e-02 - <_> - - 0 -1 598 -1.0598390363156796e-02 - - -5.1592952013015747e-01 1.9994650036096573e-02 - <_> - - 0 -1 599 -3.3873081207275391e-02 - - -3.1708028912544250e-01 1.4665069989860058e-02 - <_> - - 0 -1 600 2.1664079278707504e-02 - - 2.8066530823707581e-02 -3.4886899590492249e-01 - <_> - - 0 -1 601 -1.6297819092869759e-02 - - 9.3040592968463898e-02 -3.0490709468722343e-02 - <_> - - 0 -1 602 -7.2641119360923767e-02 - - -4.7985389828681946e-01 2.1925760433077812e-02 - <_> - - 0 -1 603 5.9341657906770706e-03 - - -6.3595272600650787e-02 1.6068579256534576e-01 - <_> - - 0 -1 604 -1.2448200024664402e-02 - - -4.3582621216773987e-01 2.2979419678449631e-02 - <_> - - 0 -1 605 -1.4221160381566733e-04 - - 6.3076533377170563e-02 -5.0078488886356354e-02 - <_> - - 0 -1 606 1.4810540014877915e-03 - - -5.7667218148708344e-02 1.8284930288791656e-01 - <_> - - 0 -1 607 1.1081660341005772e-04 - - -4.7888830304145813e-02 6.6992476582527161e-02 - <_> - - 0 -1 608 1.5491439960896969e-02 - - 2.0301489159464836e-02 -4.8583671450614929e-01 - <_> - - 0 -1 609 8.7960972450673580e-05 - - -7.7099032700061798e-02 8.2995250821113586e-02 - <_> - - 0 -1 610 -8.1268692156299949e-04 - - 1.4406390488147736e-01 -7.3275357484817505e-02 - <_> - - 0 -1 611 2.4501960724592209e-02 - - 1.9293539226055145e-02 -2.7041348814964294e-01 - <_> - - 0 -1 612 1.5673150122165680e-01 - - 2.5848250836133957e-02 -4.0575191378593445e-01 - <_> - - 0 -1 613 -1.0019519925117493e-01 - - -1.7280450463294983e-01 2.8971340507268906e-02 - <_> - - 0 -1 614 1.6180109977722168e-01 - - 1.9680919125676155e-02 -5.0539332628250122e-01 - <_> - - 0 -1 615 -3.7529520690441132e-02 - - -3.0859738588333130e-01 2.8489660471677780e-03 - <_> - - 0 -1 616 -1.2014319747686386e-01 - - -3.2182079553604126e-01 2.8841979801654816e-02 - <_> - - 0 -1 617 -1.3690150342881680e-02 - - -1.2315540015697479e-01 3.3444989472627640e-02 - <_> - - 0 -1 618 -9.2323787510395050e-02 - - -4.9614500999450684e-01 1.8543859943747520e-02 - <_> - - 0 -1 619 5.1788990385830402e-03 - - 2.0374979823827744e-02 -1.4786289632320404e-01 - <_> - - 0 -1 620 6.2319580465555191e-03 - - -7.4262887239456177e-02 1.2185510247945786e-01 - <_> - - 0 -1 621 -7.8213810920715332e-03 - - 1.7759530246257782e-01 -5.1386699080467224e-02 - <_> - - 0 -1 622 -2.9573980718851089e-02 - - -5.0756359100341797e-01 1.9399100914597511e-02 - <_> - - 0 -1 623 -2.0324679091572762e-02 - - 1.2613779306411743e-01 -5.3594090044498444e-02 - <_> - - 0 -1 624 -1.2350369989871979e-01 - - 1.1639419943094254e-01 -8.7905816733837128e-02 - <_> - - 0 -1 625 1.0089900344610214e-01 - - -3.7132319994270802e-03 6.7068278789520264e-01 - <_> - - 0 -1 626 -3.3012818545103073e-02 - - 3.0562469363212585e-01 -3.8450431078672409e-02 - <_> - - 0 -1 627 -9.6318349242210388e-02 - - 9.8391599953174591e-02 -1.0821569710969925e-01 - <_> - - 0 -1 628 2.5214108824729919e-01 - - -2.1154910326004028e-02 4.7930648922920227e-01 - <_> - - 0 -1 629 -1.8898699432611465e-02 - - 9.6985623240470886e-02 -5.0776910036802292e-02 - <_> - - 0 -1 630 1.9470909610390663e-02 - - -6.6984340548515320e-02 1.8598070740699768e-01 - <_> - 129 - -1.5292299985885620e+00 - - <_> - - 0 -1 631 -5.1301288604736328e-01 - - 3.3763039112091064e-01 -2.2183430194854736e-01 - <_> - - 0 -1 632 7.8631602227687836e-03 - - -3.0860590934753418e-01 1.5021920204162598e-01 - <_> - - 0 -1 633 -2.0650109276175499e-02 - - 2.4393220245838165e-01 -2.7323541045188904e-01 - <_> - - 0 -1 634 3.9594681002199650e-03 - - -1.5568819642066956e-01 1.0008449852466583e-01 - <_> - - 0 -1 635 4.6596791595220566e-02 - - 1.2480390258133411e-02 -1.1247110595703125e+03 - <_> - - 0 -1 636 1.0768139734864235e-02 - - -7.4103012681007385e-02 1.0300619900226593e-01 - <_> - - 0 -1 637 8.1597883254289627e-03 - - -2.4266499280929565e-01 1.9986270368099213e-01 - <_> - - 0 -1 638 -6.2675480730831623e-03 - - 1.4820539951324463e-01 -2.9992321133613586e-01 - <_> - - 0 -1 639 5.9478268958628178e-03 - - -2.5873249769210815e-01 1.5703390538692474e-01 - <_> - - 0 -1 640 1.0514389723539352e-02 - - -1.6781389713287354e-01 2.4174839258193970e-01 - <_> - - 0 -1 641 1.2243539839982986e-01 - - -1.0682729631662369e-01 3.4612360596656799e-01 - <_> - - 0 -1 642 -1.2968529760837555e-01 - - 1.7437599599361420e-01 -9.9371053278446198e-02 - <_> - - 0 -1 643 1.0830949759110808e-04 - - -2.4865290522575378e-01 1.1169169843196869e-01 - <_> - - 0 -1 644 -3.2252158969640732e-02 - - 4.9016430974006653e-01 -4.2964339256286621e-02 - <_> - - 0 -1 645 -2.5078749284148216e-02 - - 3.1889361143112183e-01 -7.7969953417778015e-02 - <_> - - 0 -1 646 4.5832060277462006e-02 - - -1.3419570028781891e-01 1.7994479835033417e-01 - <_> - - 0 -1 647 8.3064418286085129e-03 - - 4.0255438536405563e-02 -4.5553040504455566e-01 - <_> - - 0 -1 648 4.2619768530130386e-02 - - -2.5493569672107697e-02 1.3568879663944244e-01 - <_> - - 0 -1 649 9.1548979980871081e-05 - - -1.4997710287570953e-01 1.4062370359897614e-01 - <_> - - 0 -1 650 3.5599898546934128e-02 - - -1.0049650073051453e-01 2.1603369712829590e-01 - <_> - - 0 -1 651 -1.6404399648308754e-02 - - -5.2405780553817749e-01 3.6675389856100082e-02 - <_> - - 0 -1 652 2.1164799109101295e-02 - - -3.7107881158590317e-02 1.4676739275455475e-01 - <_> - - 0 -1 653 -3.9462938904762268e-02 - - 2.6762869954109192e-01 -7.5594186782836914e-02 - <_> - - 0 -1 654 -1.7847089096903801e-02 - - 2.7940970659255981e-01 -1.5671769157052040e-02 - <_> - - 0 -1 655 3.4505259245634079e-03 - - -1.2894910573959351e-01 1.6325439512729645e-01 - <_> - - 0 -1 656 4.5687720179557800e-02 - - -2.0606290549039841e-02 2.2645039856433868e-01 - <_> - - 0 -1 657 2.1002419292926788e-02 - - -6.2005609273910522e-02 3.2014068961143494e-01 - <_> - - 0 -1 658 -3.5569739993661642e-03 - - 1.2843169271945953e-01 -8.8760308921337128e-02 - <_> - - 0 -1 659 -3.3646691590547562e-02 - - -6.8887227773666382e-01 3.4305639564990997e-02 - <_> - - 0 -1 660 1.3083280064165592e-02 - - 4.2031999677419662e-02 -5.2689850330352783e-01 - <_> - - 0 -1 661 1.6660310328006744e-02 - - 3.0601609498262405e-02 -5.3826010227203369e-01 - <_> - - 0 -1 662 -2.0924070850014687e-02 - - 1.4591710269451141e-01 -1.2979130446910858e-01 - <_> - - 0 -1 663 -6.1694860458374023e-02 - - 4.4396570324897766e-01 -3.8369540125131607e-02 - <_> - - 0 -1 664 -1.1972390115261078e-02 - - -5.6048041582107544e-01 2.3270620033144951e-02 - <_> - - 0 -1 665 1.7969259992241859e-02 - - 2.5026360526680946e-02 -5.7432591915130615e-01 - <_> - - 0 -1 666 1.5994659624993801e-03 - - -1.2418950349092484e-01 5.0742890685796738e-02 - <_> - - 0 -1 667 1.1695439927279949e-02 - - -7.6160527765750885e-02 2.0521469414234161e-01 - <_> - - 0 -1 668 -1.8982479814440012e-03 - - 8.0279447138309479e-02 -5.7309560477733612e-02 - <_> - - 0 -1 669 -1.4634410035796463e-04 - - 1.3708490133285522e-01 -1.2562429904937744e-01 - <_> - - 0 -1 670 7.8092161566019058e-03 - - 7.9615786671638489e-02 -3.4894898533821106e-01 - <_> - - 0 -1 671 -1.0443309694528580e-01 - - 2.3222529888153076e-01 -6.3237018883228302e-02 - <_> - - 0 -1 672 -2.1482400596141815e-02 - - 1.7266969382762909e-01 -5.5806308984756470e-02 - <_> - - 0 -1 673 -1.0828889906406403e-02 - - 1.2797969579696655e-01 -1.1637309938669205e-01 - <_> - - 0 -1 674 -4.2471490800380707e-02 - - -6.1273592710494995e-01 2.4606749415397644e-02 - <_> - - 0 -1 675 -3.9633461274206638e-03 - - 1.8390260636806488e-01 -8.8654592633247375e-02 - <_> - - 0 -1 676 3.5160180181264877e-02 - - -4.3068870902061462e-02 9.6340909600257874e-02 - <_> - - 0 -1 677 3.4553930163383484e-03 - - -6.2918446958065033e-02 2.4171499907970428e-01 - <_> - - 0 -1 678 -1.7584810033440590e-02 - - -6.1676180362701416e-01 1.7409879714250565e-02 - <_> - - 0 -1 679 -4.4287440180778503e-01 - - 3.0737930536270142e-01 -4.9208190292119980e-02 - <_> - - 0 -1 680 1.1836509656859562e-04 - - -5.3511910140514374e-02 8.2968451082706451e-02 - <_> - - 0 -1 681 1.2763170525431633e-04 - - -1.0692539811134338e-01 1.5963360667228699e-01 - <_> - - 0 -1 682 1.4990289928391576e-03 - - -1.0284440219402313e-01 5.9363570064306259e-02 - <_> - - 0 -1 683 -1.4185680076479912e-02 - - 1.6787010431289673e-01 -8.2064323127269745e-02 - <_> - - 0 -1 684 2.6423510164022446e-02 - - 1.5141439624130726e-02 -2.1549950540065765e-01 - <_> - - 0 -1 685 1.2152690032962710e-04 - - -2.1429139375686646e-01 6.7536190152168274e-02 - <_> - - 0 -1 686 -4.4034000486135483e-02 - - -3.8516381382942200e-01 2.7985649183392525e-02 - <_> - - 0 -1 687 2.3079359903931618e-02 - - 3.9007559418678284e-02 -3.5704460740089417e-01 - <_> - - 0 -1 688 -1.6983019188046455e-02 - - 6.1767920851707458e-02 -6.1761811375617981e-02 - <_> - - 0 -1 689 -3.9452780038118362e-02 - - -5.4356932640075684e-01 2.4140410125255585e-02 - <_> - - 0 -1 690 4.0568120777606964e-02 - - -2.8023310005664825e-02 3.5063418745994568e-01 - <_> - - 0 -1 691 -5.1757961511611938e-02 - - 3.3024019002914429e-01 -4.0171168744564056e-02 - <_> - - 0 -1 692 4.5709200203418732e-02 - - 7.3070619255304337e-03 -5.9012347459793091e-01 - <_> - - 0 -1 693 -1.5325520187616348e-02 - - -4.6291810274124146e-01 2.6863809674978256e-02 - <_> - - 0 -1 694 -3.0978990718722343e-02 - - -1.9480030238628387e-01 7.2842082008719444e-03 - <_> - - 0 -1 695 -8.9987199753522873e-03 - - -3.5020849108695984e-01 3.4169800579547882e-02 - <_> - - 0 -1 696 -2.3777019232511520e-02 - - 1.4519110321998596e-01 -9.0197078883647919e-02 - <_> - - 0 -1 697 2.7441870421171188e-02 - - -5.9784799814224243e-02 2.1248030662536621e-01 - <_> - - 0 -1 698 -1.6080979257822037e-02 - - 1.2772220373153687e-01 -1.1560890078544617e-01 - <_> - - 0 -1 699 -1.8815989606082439e-03 - - 1.8263660371303558e-01 -6.9723732769489288e-02 - <_> - - 0 -1 700 -2.0570179447531700e-02 - - 1.3511329889297485e-01 -5.6678831577301025e-02 - <_> - - 0 -1 701 2.1246779710054398e-02 - - 2.7247950434684753e-02 -4.5481869578361511e-01 - <_> - - 0 -1 702 -1.8843259662389755e-02 - - 2.0364369451999664e-01 -3.9924360811710358e-02 - <_> - - 0 -1 703 -3.1697001308202744e-02 - - 1.4882990717887878e-01 -7.5314097106456757e-02 - <_> - - 0 -1 704 -3.9388950914144516e-02 - - -4.0445148944854736e-01 3.7166859954595566e-02 - <_> - - 0 -1 705 1.6863539814949036e-02 - - 3.7964358925819397e-02 -2.9315468668937683e-01 - <_> - - 0 -1 706 -5.8874640613794327e-02 - - 2.9816859960556030e-01 -3.0451029539108276e-02 - <_> - - 0 -1 707 -1.0891259647905827e-02 - - -4.0626329183578491e-01 2.7517719194293022e-02 - <_> - - 0 -1 708 -1.0890879639191553e-04 - - 1.0424339771270752e-01 -9.9079273641109467e-02 - <_> - - 0 -1 709 -9.3655682576354593e-05 - - 1.1488509923219681e-01 -1.0301840305328369e-01 - <_> - - 0 -1 710 3.8378849625587463e-02 - - -6.6913731396198273e-02 1.5582619607448578e-01 - <_> - - 0 -1 711 -1.3334819674491882e-01 - - 1.7475730180740356e-01 -8.1824399530887604e-02 - <_> - - 0 -1 712 -2.3333270102739334e-02 - - -3.1016799807548523e-01 2.8489509597420692e-02 - <_> - - 0 -1 713 3.2015360891819000e-02 - - 3.0259899795055389e-02 -3.9357221126556396e-01 - <_> - - 0 -1 714 4.2134500108659267e-03 - - -3.0290320515632629e-02 1.9074229896068573e-01 - <_> - - 0 -1 715 1.4553000219166279e-02 - - 2.1159080788493156e-02 -4.7899720072746277e-01 - <_> - - 0 -1 716 1.6254920046776533e-04 - - -4.1702289134263992e-02 6.6818341612815857e-02 - <_> - - 0 -1 717 5.1241990178823471e-02 - - -2.5901550427079201e-02 3.8924860954284668e-01 - <_> - - 0 -1 718 -1.9014719873666763e-02 - - -6.8240302801132202e-01 7.9030347988009453e-03 - <_> - - 0 -1 719 -1.1731980339391157e-04 - - 1.0345830023288727e-01 -9.2772170901298523e-02 - <_> - - 0 -1 720 -1.2399390339851379e-02 - - -4.8494198918342590e-01 2.2405119612812996e-02 - <_> - - 0 -1 721 1.1162629816681147e-03 - - -6.2404781579971313e-02 1.5988099575042725e-01 - <_> - - 0 -1 722 -2.3414581082761288e-03 - - -5.0930368900299072e-01 5.6651391088962555e-02 - <_> - - 0 -1 723 -1.1256740253884345e-04 - - 1.0419259965419769e-01 -9.9077150225639343e-02 - <_> - - 0 -1 724 1.4960099942982197e-03 - - 5.8264009654521942e-02 -3.1069689989089966e-01 - <_> - - 0 -1 725 1.1897009972017258e-04 - - -9.6467606723308563e-02 1.1709649860858917e-01 - <_> - - 0 -1 726 -1.1693680426105857e-03 - - 1.5217749774456024e-01 -7.0818759500980377e-02 - <_> - - 0 -1 727 7.4839929584413767e-04 - - -6.9360353052616119e-02 1.5075220167636871e-01 - <_> - - 0 -1 728 -4.1113719344139099e-03 - - -2.8900811076164246e-01 1.1448180302977562e-02 - <_> - - 0 -1 729 -1.4193469542078674e-04 - - 1.1926650255918503e-01 -9.4971269369125366e-02 - <_> - - 0 -1 730 -1.1901040124939755e-04 - - 6.4288787543773651e-02 -4.7796919941902161e-02 - <_> - - 0 -1 731 1.0498589836061001e-04 - - -9.6632666885852814e-02 1.1538989841938019e-01 - <_> - - 0 -1 732 -8.3408653736114502e-03 - - 4.4604659080505371e-02 -4.0829408913850784e-02 - <_> - - 0 -1 733 8.9393332600593567e-03 - - -4.0271699428558350e-02 3.0788379907608032e-01 - <_> - - 0 -1 734 -1.0168400331167504e-04 - - 8.3439879119396210e-02 -2.9669430106878281e-02 - <_> - - 0 -1 735 1.0159109660889953e-04 - - -1.6794000566005707e-01 6.1446961015462875e-02 - <_> - - 0 -1 736 -2.0380979403853416e-02 - - -4.6373328566551208e-01 1.0819310322403908e-02 - <_> - - 0 -1 737 -1.4813670422881842e-03 - - 1.4306089282035828e-01 -6.7024730145931244e-02 - <_> - - 0 -1 738 1.0961569845676422e-02 - - -1.0202170163393021e-01 5.0610020756721497e-02 - <_> - - 0 -1 739 2.2087350953370333e-03 - - -5.7063940912485123e-02 1.7626209557056427e-01 - <_> - - 0 -1 740 1.6278350725769997e-02 - - 1.6349399462342262e-02 -2.6355540752410889e-01 - <_> - - 0 -1 741 -4.9292189069092274e-03 - - -4.0084150433540344e-01 2.4711510166525841e-02 - <_> - - 0 -1 742 -1.1716609587892890e-03 - - 8.4607273340225220e-02 -7.5489796698093414e-02 - <_> - - 0 -1 743 -2.2133199498057365e-02 - - -7.9881209135055542e-01 1.3015880249440670e-02 - <_> - - 0 -1 744 6.0050230473279953e-02 - - -3.0599929392337799e-02 6.5180040895938873e-02 - <_> - - 0 -1 745 -8.2345595583319664e-03 - - 1.3700689375400543e-01 -7.2879850864410400e-02 - <_> - - 0 -1 746 1.8302880227565765e-02 - - 3.8170479238033295e-02 -3.0564299225807190e-01 - <_> - - 0 -1 747 -1.6368640353903174e-03 - - -2.9228380322456360e-01 3.1695071607828140e-02 - <_> - - 0 -1 748 -3.6952439695596695e-02 - - -5.2291387319564819e-01 6.8037798628211021e-03 - <_> - - 0 -1 749 -2.5132870301604271e-02 - - -4.9405440688133240e-01 1.8722509965300560e-02 - <_> - - 0 -1 750 8.7387202074751258e-04 - - -6.0590930283069611e-02 1.1999309808015823e-01 - <_> - - 0 -1 751 9.7723852377384901e-05 - - -9.9694482982158661e-02 9.9611878395080566e-02 - <_> - - 0 -1 752 -3.6560039967298508e-02 - - -3.4698799252510071e-02 2.3705899715423584e-02 - <_> - - 0 -1 753 -1.4096960425376892e-01 - - -5.1033538579940796e-01 1.7134699970483780e-02 - <_> - - 0 -1 754 -1.8492950126528740e-02 - - 1.3546580076217651e-01 -3.7599481642246246e-02 - <_> - - 0 -1 755 5.4302928037941456e-03 - - -7.4597582221031189e-02 1.3267649710178375e-01 - <_> - - 0 -1 756 -2.8979010879993439e-02 - - -5.6868058443069458e-01 1.4711700379848480e-02 - <_> - - 0 -1 757 -4.1912179440259933e-03 - - 1.4587999880313873e-01 -7.6463460922241211e-02 - <_> - - 0 -1 758 9.9395290017127991e-02 - - 7.5935330241918564e-03 -3.0430629849433899e-01 - <_> - - 0 -1 759 3.4069079905748367e-02 - - -6.6836699843406677e-02 1.5439170598983765e-01 - <_> - 170 - -1.5202269554138184e+00 - - <_> - - 0 -1 760 -1.0689979791641235e-01 - - 3.0658951401710510e-01 -2.4631050229072571e-01 - <_> - - 0 -1 761 -3.0084479600191116e-02 - - 1.4610590040683746e-01 -4.8218939453363419e-02 - <_> - - 0 -1 762 -3.5000830888748169e-02 - - 3.1755268573760986e-01 -1.4478039741516113e-01 - <_> - - 0 -1 763 1.1025959998369217e-01 - - 2.1238500252366066e-02 -1.6012300550937653e-01 - <_> - - 0 -1 764 1.2484409846365452e-02 - - -2.7466261386871338e-01 1.8460549414157867e-01 - <_> - - 0 -1 765 1.5061490237712860e-02 - - -1.3149070739746094e-01 1.6390870511531830e-01 - <_> - - 0 -1 766 -2.2057349979877472e-01 - - 1.9639089703559875e-01 -2.3069189488887787e-01 - <_> - - 0 -1 767 -3.2599259167909622e-02 - - 1.2439730018377304e-01 -8.7648376822471619e-02 - <_> - - 0 -1 768 6.1759902164340019e-03 - - -3.8324919342994690e-01 9.4517536461353302e-02 - <_> - - 0 -1 769 3.0340310186147690e-02 - - -2.1559499204158783e-02 2.3994560539722443e-01 - <_> - - 0 -1 770 -2.6346590369939804e-02 - - 2.5143679976463318e-01 -1.2570610642433167e-01 - <_> - - 0 -1 771 4.7478739172220230e-02 - - -2.3006409406661987e-02 2.8789579868316650e-01 - <_> - - 0 -1 772 -3.3347800374031067e-02 - - 2.8133860230445862e-01 -1.0144259780645370e-01 - <_> - - 0 -1 773 -2.9174150899052620e-02 - - 1.7805859446525574e-01 -1.1817619949579239e-01 - <_> - - 0 -1 774 -2.8386740013957024e-02 - - 3.9562720060348511e-01 -4.9916889518499374e-02 - <_> - - 0 -1 775 1.8951019272208214e-02 - - 2.5329099968075752e-02 -5.3371077775955200e-01 - <_> - - 0 -1 776 1.4761690050363541e-02 - - 3.4711509943008423e-02 -5.0349467992782593e-01 - <_> - - 0 -1 777 -2.7541309595108032e-02 - - 2.5491359829902649e-01 -7.7761203050613403e-02 - <_> - - 0 -1 778 1.1286890134215355e-02 - - 2.7794640511274338e-02 -6.3489568233489990e-01 - <_> - - 0 -1 779 -7.1040529012680054e-01 - - -4.6786320209503174e-01 3.7275071372278035e-04 - <_> - - 0 -1 780 1.6402329504489899e-01 - - -6.7450031638145447e-02 2.5602969527244568e-01 - <_> - - 0 -1 781 8.4193330258131027e-03 - - -9.0232700109481812e-02 2.0609809458255768e-01 - <_> - - 0 -1 782 -1.4688509702682495e-01 - - 3.6004349589347839e-01 -4.9512550234794617e-02 - <_> - - 0 -1 783 -1.9554210826754570e-02 - - 3.0653059482574463e-01 -6.3451543450355530e-02 - <_> - - 0 -1 784 -1.0444919578731060e-02 - - 1.3290570676326752e-01 -1.2827059626579285e-01 - <_> - - 0 -1 785 1.1062329635024071e-02 - - 4.0686979889869690e-02 -6.2988758087158203e-01 - <_> - - 0 -1 786 -1.5040210448205471e-02 - - -5.8461701869964600e-01 2.3117769509553909e-02 - <_> - - 0 -1 787 -1.0194590140599757e-04 - - 1.1996640264987946e-01 -7.9124547541141510e-02 - <_> - - 0 -1 788 9.0414949227124453e-05 - - -1.3601270318031311e-01 1.1836279928684235e-01 - <_> - - 0 -1 789 1.6496310010552406e-02 - - 1.5407649800181389e-02 -3.3741968870162964e-01 - <_> - - 0 -1 790 1.1918049858650193e-04 - - -1.3498629629611969e-01 1.2214670330286026e-01 - <_> - - 0 -1 791 4.4636961072683334e-02 - - -3.5782538354396820e-02 3.5916471481323242e-01 - <_> - - 0 -1 792 8.9213429018855095e-03 - - -1.7042760550975800e-01 9.7737736999988556e-02 - <_> - - 0 -1 793 -2.0977169275283813e-02 - - 9.9603489041328430e-02 -4.4926621019840240e-02 - <_> - - 0 -1 794 -3.7320230156183243e-02 - - 3.2442098855972290e-01 -4.5821111649274826e-02 - <_> - - 0 -1 795 -1.9962401129305363e-03 - - 8.7733283638954163e-02 -6.3953131437301636e-02 - <_> - - 0 -1 796 1.8080769106745720e-02 - - 3.3306188881397247e-02 -4.8791229724884033e-01 - <_> - - 0 -1 797 1.8776309490203857e-01 - - -1.0865679942071438e-03 -4.6595638990402222e-01 - <_> - - 0 -1 798 2.3192439228296280e-02 - - 3.2641470432281494e-02 -4.3289509415626526e-01 - <_> - - 0 -1 799 1.0338190011680126e-02 - - -8.7577022612094879e-02 1.5071089565753937e-01 - <_> - - 0 -1 800 1.9133120775222778e-02 - - 2.5895679369568825e-02 -5.3015732765197754e-01 - <_> - - 0 -1 801 -8.1426696851849556e-05 - - 8.0925822257995605e-02 -9.6267983317375183e-02 - <_> - - 0 -1 802 1.8560849130153656e-02 - - -7.0968322455883026e-02 1.6962639987468719e-01 - <_> - - 0 -1 803 -5.5964579805731773e-03 - - -4.1663470864295959e-01 3.0378060415387154e-02 - <_> - - 0 -1 804 1.7773959785699844e-02 - - -5.4257538169622421e-02 2.2561490535736084e-01 - <_> - - 0 -1 805 -5.9832010418176651e-02 - - 2.2946140170097351e-01 -1.5503049828112125e-02 - <_> - - 0 -1 806 1.1668549850583076e-02 - - 2.5527859106659889e-02 -4.8873430490493774e-01 - <_> - - 0 -1 807 1.7624149098992348e-02 - - -3.2836209982633591e-02 4.1528310626745224e-02 - <_> - - 0 -1 808 -5.2833881229162216e-02 - - -2.8491690754890442e-01 4.6531789004802704e-02 - <_> - - 0 -1 809 -2.0954129286110401e-03 - - -4.8794639110565186e-01 5.3593020886182785e-02 - <_> - - 0 -1 810 -1.0130889859283343e-04 - - 1.1240509897470474e-01 -1.0334850102663040e-01 - <_> - - 0 -1 811 1.9346430199220777e-03 - - 4.9751780927181244e-02 -3.7111181020736694e-01 - <_> - - 0 -1 812 1.1420589726185426e-04 - - -1.2482249736785889e-01 1.6466249525547028e-01 - <_> - - 0 -1 813 -8.1585953012108803e-05 - - 9.6103258430957794e-02 -7.6807789504528046e-02 - <_> - - 0 -1 814 -2.5518139824271202e-02 - - 2.0780040323734283e-01 -6.0223940759897232e-02 - <_> - - 0 -1 815 -5.0616629421710968e-02 - - -6.6633218526840210e-01 1.2990869581699371e-02 - <_> - - 0 -1 816 -1.1321919737383723e-04 - - 1.1620879918336868e-01 -1.0486110299825668e-01 - <_> - - 0 -1 817 -4.8787519335746765e-03 - - 1.5851399302482605e-01 -9.6751511096954346e-02 - <_> - - 0 -1 818 1.2007780373096466e-02 - - 3.2958209514617920e-02 -3.6023509502410889e-01 - <_> - - 0 -1 819 -3.9686369709670544e-03 - - 5.8895830065011978e-02 -2.0575989782810211e-01 - <_> - - 0 -1 820 1.1987470090389252e-01 - - -9.4282791018486023e-02 1.2716309726238251e-01 - <_> - - 0 -1 821 -1.5101430006325245e-02 - - 1.5447859466075897e-01 -9.8814398050308228e-02 - <_> - - 0 -1 822 -3.5253658890724182e-02 - - 1.9022279977798462e-01 -6.3464179635047913e-02 - <_> - - 0 -1 823 -8.2858894020318985e-03 - - 1.9287189841270447e-01 -2.4786539375782013e-02 - <_> - - 0 -1 824 -2.7197180315852165e-03 - - 1.7318749427795410e-01 -7.0693030953407288e-02 - <_> - - 0 -1 825 -1.1073380301240832e-04 - - 7.6669231057167053e-02 -7.7580787241458893e-02 - <_> - - 0 -1 826 -1.2925160117447376e-02 - - -5.0933468341827393e-01 2.3266840726137161e-02 - <_> - - 0 -1 827 -1.0003760457038879e-02 - - 2.0728209614753723e-01 -1.1720780283212662e-01 - <_> - - 0 -1 828 -1.6457470133900642e-02 - - -4.5447981357574463e-01 2.3052949458360672e-02 - <_> - - 0 -1 829 -1.5172669664025307e-02 - - -2.0384129881858826e-01 2.0879639312624931e-02 - <_> - - 0 -1 830 -4.1150279343128204e-02 - - -4.8526081442832947e-01 2.3375000804662704e-02 - <_> - - 0 -1 831 8.7554886704310775e-05 - - -8.3170637488365173e-02 1.1491040140390396e-01 - <_> - - 0 -1 832 -1.4003519900143147e-03 - - 1.7052119970321655e-01 -7.9897612333297729e-02 - <_> - - 0 -1 833 -1.4320029877126217e-02 - - -2.7978140115737915e-01 2.7644220739603043e-02 - <_> - - 0 -1 834 1.0536990128457546e-02 - - 3.2726321369409561e-02 -3.0974090099334717e-01 - <_> - - 0 -1 835 1.0322839953005314e-02 - - -2.2037370130419731e-02 1.5700039267539978e-01 - <_> - - 0 -1 836 -2.9464110266417265e-03 - - 9.5506630837917328e-02 -1.1159860342741013e-01 - <_> - - 0 -1 837 -4.6543750911951065e-02 - - 5.2395242452621460e-01 -1.0266710072755814e-02 - <_> - - 0 -1 838 2.7587810531258583e-02 - - 1.7757529392838478e-02 -6.0755622386932373e-01 - <_> - - 0 -1 839 1.2779200077056885e-01 - - -2.9550189152359962e-02 1.9193689525127411e-01 - <_> - - 0 -1 840 -2.7071989607065916e-03 - - 1.3288849592208862e-01 -7.5121462345123291e-02 - <_> - - 0 -1 841 4.0517508983612061e-02 - - -1.8285209313035011e-02 2.3398989439010620e-01 - <_> - - 0 -1 842 -2.3226549848914146e-02 - - 1.1037539690732956e-01 -9.5945753157138824e-02 - <_> - - 0 -1 843 7.4146009981632233e-02 - - -2.4014929309487343e-02 2.1431709825992584e-01 - <_> - - 0 -1 844 -6.0976808890700340e-03 - - 2.0429180562496185e-01 -5.2113000303506851e-02 - <_> - - 0 -1 845 -1.5246089547872543e-02 - - 1.8430249392986298e-01 -5.7474389672279358e-02 - <_> - - 0 -1 846 2.0064720883965492e-03 - - -1.5901429951190948e-01 6.6750071942806244e-02 - <_> - - 0 -1 847 1.3912119902670383e-03 - - -6.6726118326187134e-02 1.6028690338134766e-01 - <_> - - 0 -1 848 9.6176161605399102e-05 - - -1.0783439874649048e-01 9.7965776920318604e-02 - <_> - - 0 -1 849 8.7600788101553917e-03 - - -2.6547059416770935e-02 1.6017149388790131e-01 - <_> - - 0 -1 850 -2.5330010801553726e-02 - - -4.5312818884849548e-01 2.3176750168204308e-02 - <_> - - 0 -1 851 9.3010559794493020e-05 - - -7.4414081871509552e-02 3.9705768227577209e-02 - <_> - - 0 -1 852 1.2664360110647976e-04 - - -8.8862143456935883e-02 1.0938200354576111e-01 - <_> - - 0 -1 853 1.0378329898230731e-04 - - -7.9622171819210052e-02 7.4162423610687256e-02 - <_> - - 0 -1 854 -1.1490810429677367e-03 - - -2.8735539317131042e-01 3.2963339239358902e-02 - <_> - - 0 -1 855 -3.7716159131377935e-03 - - 1.6333040595054626e-01 -5.5975660681724548e-02 - <_> - - 0 -1 856 -6.6916510462760925e-02 - - -3.2906571030616760e-01 3.0911309644579887e-02 - <_> - - 0 -1 857 -4.6153448522090912e-02 - - 3.1598469614982605e-01 -1.0006040334701538e-02 - <_> - - 0 -1 858 -1.4114130288362503e-02 - - 1.9118440151214600e-01 -5.4341658949851990e-02 - <_> - - 0 -1 859 -6.7449989728629589e-03 - - -4.3027278780937195e-01 1.7616849392652512e-02 - <_> - - 0 -1 860 -1.2470459565520287e-02 - - -6.0290211439132690e-01 1.4293249696493149e-02 - <_> - - 0 -1 861 -1.8420180305838585e-02 - - -3.8589200377464294e-01 2.0133590325713158e-02 - <_> - - 0 -1 862 -9.0734250843524933e-03 - - -4.3166559934616089e-01 1.8881799653172493e-02 - <_> - - 0 -1 863 -1.0161520185647532e-04 - - 6.7857377231121063e-02 -5.7537410408258438e-02 - <_> - - 0 -1 864 -1.2353780039120466e-04 - - 9.7375743091106415e-02 -9.2362031340599060e-02 - <_> - - 0 -1 865 9.8377313406672329e-05 - - -5.8235950767993927e-02 9.5380887389183044e-02 - <_> - - 0 -1 866 -1.0639090090990067e-01 - - -2.8306511044502258e-01 3.2923609018325806e-02 - <_> - - 0 -1 867 -6.3616447150707245e-02 - - 1.6447669267654419e-01 -6.0573101043701172e-02 - <_> - - 0 -1 868 1.7245480790734291e-02 - - -6.3979178667068481e-02 1.5430940687656403e-01 - <_> - - 0 -1 869 -6.7837438546121120e-03 - - -6.7650020122528076e-01 1.3685920275747776e-02 - <_> - - 0 -1 870 1.9993700087070465e-02 - - -8.1984132528305054e-02 1.0957500338554382e-01 - <_> - - 0 -1 871 -1.0575350373983383e-02 - - 1.0185450315475464e-01 -3.5512648522853851e-02 - <_> - - 0 -1 872 -1.1901520338142291e-04 - - 1.0208100080490112e-01 -9.6003718674182892e-02 - <_> - - 0 -1 873 6.7127197980880737e-03 - - -2.5669310241937637e-02 1.2060379981994629e-01 - <_> - - 0 -1 874 -1.9734390079975128e-02 - - 9.2925436794757843e-02 -1.0922320187091827e-01 - <_> - - 0 -1 875 5.9160222299396992e-03 - - -5.6094389408826828e-02 4.0212169289588928e-02 - <_> - - 0 -1 876 1.6886599361896515e-02 - - 2.5720449164509773e-02 -3.1899920105934143e-01 - <_> - - 0 -1 877 -8.1426696851849556e-05 - - 4.8319049179553986e-02 -5.6603148579597473e-02 - <_> - - 0 -1 878 9.8076612630393356e-05 - - -8.0048993229866028e-02 1.1017669737339020e-01 - <_> - - 0 -1 879 2.1393799688667059e-03 - - 2.7048120275139809e-02 -1.7649430036544800e-01 - <_> - - 0 -1 880 -1.1872709728777409e-03 - - 1.5653279423713684e-01 -5.3677041083574295e-02 - <_> - - 0 -1 881 9.3500297516584396e-03 - - 2.2035079076886177e-02 -3.8529750704765320e-01 - <_> - - 0 -1 882 -1.2907490134239197e-02 - - 8.5855528712272644e-02 -9.4352141022682190e-02 - <_> - - 0 -1 883 -8.6925812065601349e-03 - - 8.2323811948299408e-02 -1.1261750012636185e-01 - <_> - - 0 -1 884 2.6225339621305466e-02 - - -7.9598203301429749e-02 2.1438419818878174e-01 - <_> - - 0 -1 885 5.5324658751487732e-02 - - -3.4370798617601395e-02 6.1817649751901627e-02 - <_> - - 0 -1 886 -1.3645890355110168e-01 - - -3.9608588814735413e-01 2.2642590105533600e-02 - <_> - - 0 -1 887 4.3763849139213562e-01 - - -2.1257020533084869e-02 4.2141160368919373e-01 - <_> - - 0 -1 888 4.0124261379241943e-01 - - 1.3478119857609272e-02 -6.4437031745910645e-01 - <_> - - 0 -1 889 5.1928348839282990e-02 - - 1.6244180500507355e-02 -1.4291189610958099e-01 - <_> - - 0 -1 890 2.2155599668622017e-02 - - -7.8738972544670105e-02 1.1867050081491470e-01 - <_> - - 0 -1 891 -1.7905909568071365e-02 - - 1.0405159741640091e-01 -4.2793579399585724e-02 - <_> - - 0 -1 892 -2.6157870888710022e-02 - - 1.9521349668502808e-01 -4.7064788639545441e-02 - <_> - - 0 -1 893 7.9303726553916931e-02 - - -5.7728658430278301e-03 5.2964019775390625e-01 - <_> - - 0 -1 894 9.9063310772180557e-03 - - -5.4969910532236099e-02 1.7010359466075897e-01 - <_> - - 0 -1 895 -1.4349560660775751e-04 - - 7.5154699385166168e-02 -6.8524919450283051e-02 - <_> - - 0 -1 896 -1.0576599743217230e-04 - - 8.9321687817573547e-02 -1.1271840333938599e-01 - <_> - - 0 -1 897 1.2682359665632248e-02 - - 5.6463040411472321e-02 -4.3287089467048645e-01 - <_> - - 0 -1 898 -5.5023408494889736e-03 - - -4.4382581114768982e-01 1.5241930261254311e-02 - <_> - - 0 -1 899 2.9810098931193352e-03 - - 1.8084000796079636e-02 -1.3332369923591614e-01 - <_> - - 0 -1 900 3.4131971001625061e-01 - - -2.1042600274085999e-02 3.8421440124511719e-01 - <_> - - 0 -1 901 -2.4069199338555336e-02 - - 1.0723180323839188e-01 -8.4255319088697433e-03 - <_> - - 0 -1 902 2.8575219213962555e-02 - - 1.8834419548511505e-02 -4.4038540124893188e-01 - <_> - - 0 -1 903 1.1502469715196639e-04 - - -5.5220138281583786e-02 5.1889371126890182e-02 - <_> - - 0 -1 904 -6.2718510162085295e-04 - - 1.2168680131435394e-01 -6.9152280688285828e-02 - <_> - - 0 -1 905 -4.9285031855106354e-03 - - 1.1893810331821442e-01 -1.8929530680179596e-01 - <_> - - 0 -1 906 9.6798430604394525e-05 - - -8.4179729223251343e-02 9.3380309641361237e-02 - <_> - - 0 -1 907 -8.0068537499755621e-05 - - 9.5557212829589844e-02 -6.4218439161777496e-02 - <_> - - 0 -1 908 -9.6070143627002835e-05 - - 7.3091097176074982e-02 -1.0720100253820419e-01 - <_> - - 0 -1 909 -9.3654278316535056e-05 - - 6.4983196556568146e-02 -8.2975886762142181e-02 - <_> - - 0 -1 910 -2.9613949358463287e-02 - - -3.4413290023803711e-01 2.1603949368000031e-02 - <_> - - 0 -1 911 1.9738359376788139e-02 - - -7.4910469353199005e-02 1.6203530132770538e-01 - <_> - - 0 -1 912 -5.4622910916805267e-02 - - -5.3843551874160767e-01 1.5826219692826271e-02 - <_> - - 0 -1 913 2.5406960397958755e-02 - - -3.2018769532442093e-02 1.3851889967918396e-01 - <_> - - 0 -1 914 -1.5373529866337776e-02 - - 1.3621629774570465e-01 -6.8222098052501678e-02 - <_> - - 0 -1 915 9.0687759220600128e-02 - - -4.4694212265312672e-03 3.5965418815612793e-01 - <_> - - 0 -1 916 -2.5126760825514793e-02 - - 1.7240080237388611e-01 -5.1155138760805130e-02 - <_> - - 0 -1 917 3.0066540930420160e-03 - - -3.8472808897495270e-02 1.0702560096979141e-01 - <_> - - 0 -1 918 8.4653347730636597e-03 - - 2.3478979244828224e-02 -3.7509509921073914e-01 - <_> - - 0 -1 919 9.7920412372332066e-05 - - -5.0908301025629044e-02 4.6732418239116669e-02 - <_> - - 0 -1 920 -8.7232358055189252e-05 - - 9.9191993474960327e-02 -8.3799272775650024e-02 - <_> - - 0 -1 921 4.9487859942018986e-03 - - -4.5264169573783875e-02 9.2176407575607300e-02 - <_> - - 0 -1 922 -2.6660770177841187e-02 - - -3.8041749596595764e-01 1.9671360030770302e-02 - <_> - - 0 -1 923 8.6467640358023345e-05 - - -7.9427041113376617e-02 9.1969177126884460e-02 - <_> - - 0 -1 924 -1.8532250542193651e-03 - - 1.7682300508022308e-01 -4.7148969024419785e-02 - <_> - - 0 -1 925 -1.4915529638528824e-02 - - -3.3692631125450134e-01 2.3903379216790199e-02 - <_> - - 0 -1 926 -1.0222809761762619e-01 - - -5.5827599763870239e-01 1.2426029890775681e-02 - <_> - - 0 -1 927 5.2015138790011406e-03 - - 3.2800421118736267e-02 -1.4631250500679016e-01 - <_> - - 0 -1 928 9.3680468853563070e-04 - - -6.0438130050897598e-02 1.3095420598983765e-01 - <_> - - 0 -1 929 -7.4108080007135868e-03 - - -3.4674128890037537e-01 2.6007879525423050e-02 - <_> - 193 - -1.4360860586166382e+00 - - <_> - - 0 -1 930 -1.8665779381990433e-02 - - 2.9802250862121582e-01 -2.0164360105991364e-01 - <_> - - 0 -1 931 1.7876209318637848e-01 - - -2.8841730952262878e-01 8.5440836846828461e-02 - <_> - - 0 -1 932 -2.4368170648813248e-02 - - 2.9561281204223633e-01 -1.7508549988269806e-01 - <_> - - 0 -1 933 1.5175679326057434e-01 - - 5.5181410163640976e-02 -8.0556839704513550e-02 - <_> - - 0 -1 934 4.3565638363361359e-02 - - -3.0507868528366089e-01 9.0460099279880524e-02 - <_> - - 0 -1 935 -2.8217849321663380e-03 - - 1.3479979336261749e-01 -4.5820970088243484e-02 - <_> - - 0 -1 936 2.9153481125831604e-01 - - -2.5042079389095306e-02 -5.2862347412109375e+02 - <_> - - 0 -1 937 5.6751398369669914e-03 - - -2.0208150148391724e-01 1.3647970557212830e-01 - <_> - - 0 -1 938 -5.4361000657081604e-02 - - 2.1826750040054321e-01 -1.1021830141544342e-01 - <_> - - 0 -1 939 -1.8514929339289665e-02 - - 9.9700883030891418e-02 -8.7660886347293854e-02 - <_> - - 0 -1 940 1.0826139710843563e-02 - - -9.0239629149436951e-02 2.3028810322284698e-01 - <_> - - 0 -1 941 -5.4915390908718109e-02 - - 1.4848540723323822e-01 -1.5246839821338654e-01 - <_> - - 0 -1 942 -1.0018239915370941e-01 - - 3.1870540976524353e-01 -5.9569828212261200e-02 - <_> - - 0 -1 943 -1.2449700385332108e-02 - - 1.9122719764709473e-01 -8.6464017629623413e-02 - <_> - - 0 -1 944 -2.4818619713187218e-02 - - -4.2524629831314087e-01 4.8842970281839371e-02 - <_> - - 0 -1 945 -1.0368289798498154e-01 - - -3.7893599271774292e-01 -2.5603040121495724e-03 - <_> - - 0 -1 946 -2.7756340801715851e-02 - - 2.0152160525321960e-01 -9.3846760690212250e-02 - <_> - - 0 -1 947 1.2664039968512952e-04 - - -1.0433270037174225e-01 5.8694850653409958e-02 - <_> - - 0 -1 948 1.0114379983860999e-04 - - -2.1999250352382660e-01 7.4510157108306885e-02 - <_> - - 0 -1 949 -2.2384760901331902e-02 - - -5.4830861091613770e-01 3.2939050346612930e-02 - <_> - - 0 -1 950 1.2907509692013264e-02 - - 3.2581768929958344e-02 -4.3887349963188171e-01 - <_> - - 0 -1 951 -2.8063610196113586e-02 - - 2.8911450505256653e-01 -6.3902527093887329e-02 - <_> - - 0 -1 952 1.5816820785403252e-02 - - -7.7197156846523285e-02 2.3951299488544464e-01 - <_> - - 0 -1 953 1.1950709857046604e-02 - - 1.5830170363187790e-02 -5.3843390941619873e-01 - <_> - - 0 -1 954 -8.8720219209790230e-03 - - -4.2367440462112427e-01 3.3000521361827850e-02 - <_> - - 0 -1 955 3.6972928792238235e-02 - - -7.0859201252460480e-02 3.5152399539947510e-01 - <_> - - 0 -1 956 3.9606958627700806e-02 - - -4.6960968524217606e-02 3.6596560478210449e-01 - <_> - - 0 -1 957 -6.6295927762985229e-01 - - -3.0152958631515503e-01 9.6956668421626091e-03 - <_> - - 0 -1 958 2.4906129110604525e-03 - - 4.4226419180631638e-02 -3.2908758521080017e-01 - <_> - - 0 -1 959 -1.3971859589219093e-02 - - 1.5589240193367004e-01 -1.1601889878511429e-01 - <_> - - 0 -1 960 -1.1375070363283157e-01 - - 1.1485689878463745e-01 -1.3213649392127991e-01 - <_> - - 0 -1 961 2.9911810159683228e-01 - - 6.8873511627316475e-03 -3.8814491033554077e-01 - <_> - - 0 -1 962 1.7687779664993286e-01 - - -5.3250420838594437e-02 3.0713948607444763e-01 - <_> - - 0 -1 963 1.1000049859285355e-01 - - -6.1691209673881531e-02 2.2423219680786133e-01 - <_> - - 0 -1 964 1.1481890454888344e-02 - - -3.6849450320005417e-02 3.6994668841362000e-01 - <_> - - 0 -1 965 -4.3482281267642975e-02 - - 6.6759057343006134e-02 -8.2093171775341034e-02 - <_> - - 0 -1 966 -3.2705739140510559e-03 - - -3.1203529238700867e-01 3.6861110478639603e-02 - <_> - - 0 -1 967 -1.9539929926395416e-02 - - 2.0876990258693695e-01 -6.3567101955413818e-02 - <_> - - 0 -1 968 1.1419560015201569e-01 - - 3.7483099848031998e-02 -3.3699938654899597e-01 - <_> - - 0 -1 969 -5.4715350270271301e-02 - - -6.4842391014099121e-01 5.5782468989491463e-03 - <_> - - 0 -1 970 -2.0697079598903656e-02 - - -4.0871649980545044e-01 2.7801020070910454e-02 - <_> - - 0 -1 971 1.6291709616780281e-02 - - -3.0260639265179634e-02 2.3359869420528412e-01 - <_> - - 0 -1 972 1.5691660344600677e-02 - - 3.3188868314027786e-02 -3.6992970108985901e-01 - <_> - - 0 -1 973 -1.4982360415160656e-02 - - -5.0467449426651001e-01 2.6605149731040001e-02 - <_> - - 0 -1 974 1.6306430101394653e-01 - - 2.4150509387254715e-02 -4.5440959930419922e-01 - <_> - - 0 -1 975 -2.9636370018124580e-02 - - 3.2348120212554932e-01 -1.9519040361046791e-02 - <_> - - 0 -1 976 -2.1226789802312851e-02 - - 3.5008680820465088e-01 -3.6894138902425766e-02 - <_> - - 0 -1 977 -1.8383020162582397e-01 - - 1.1249549686908722e-01 -1.2387230247259140e-01 - <_> - - 0 -1 978 -1.9727550446987152e-02 - - 2.2184500098228455e-01 -5.3758859634399414e-02 - <_> - - 0 -1 979 -5.5899647995829582e-03 - - 8.0602303147315979e-02 -7.4731111526489258e-02 - <_> - - 0 -1 980 -2.0963780581951141e-02 - - -3.9255261421203613e-01 2.8758550062775612e-02 - <_> - - 0 -1 981 -1.6138730570673943e-02 - - 1.1986479908227921e-01 -1.2855109572410583e-01 - <_> - - 0 -1 982 -7.6363878324627876e-03 - - 1.7836730182170868e-01 -6.4110390841960907e-02 - <_> - - 0 -1 983 2.8579769656062126e-02 - - -7.4946638196706772e-03 1.2914970517158508e-01 - <_> - - 0 -1 984 -2.0712960511445999e-02 - - 9.4717502593994141e-02 -1.3751709461212158e-01 - <_> - - 0 -1 985 3.3245470840483904e-03 - - 4.3691419064998627e-02 -4.3515149503946304e-02 - <_> - - 0 -1 986 -1.5657799318432808e-02 - - 1.1052600294351578e-01 -9.3203462660312653e-02 - <_> - - 0 -1 987 -8.9033246040344238e-03 - - 2.1368870139122009e-01 -5.7228211313486099e-02 - <_> - - 0 -1 988 -2.2517060860991478e-02 - - -5.4505091905593872e-01 2.4187430739402771e-02 - <_> - - 0 -1 989 -9.1859940439462662e-03 - - 5.9040650725364685e-02 -6.6338866949081421e-02 - <_> - - 0 -1 990 -1.9304599612951279e-02 - - -3.4585410356521606e-01 2.9562819749116898e-02 - <_> - - 0 -1 991 5.9454459697008133e-03 - - -3.1828779727220535e-02 1.5746699273586273e-01 - <_> - - 0 -1 992 -2.1486129611730576e-02 - - -5.1556599140167236e-01 1.9380800426006317e-02 - <_> - - 0 -1 993 -1.4807850122451782e-02 - - -4.4625368714332581e-01 2.5272980332374573e-02 - <_> - - 0 -1 994 4.1915681213140488e-02 - - 4.0864139795303345e-02 -2.2498999536037445e-01 - <_> - - 0 -1 995 1.8542360514402390e-02 - - -4.5628201216459274e-02 1.2479899823665619e-01 - <_> - - 0 -1 996 -2.1978599950671196e-02 - - 1.6626510024070740e-01 -6.8181529641151428e-02 - <_> - - 0 -1 997 -2.2305909544229507e-02 - - 1.2176349759101868e-01 -4.6996518969535828e-02 - <_> - - 0 -1 998 2.7781110256910324e-02 - - -3.6972120404243469e-02 2.8523659706115723e-01 - <_> - - 0 -1 999 -1.7994759604334831e-02 - - 1.0447979718446732e-01 -9.9000662565231323e-02 - <_> - - 0 -1 1000 1.4754800125956535e-02 - - 2.1869139745831490e-02 -4.3043890595436096e-01 - <_> - - 0 -1 1001 -7.7450848184525967e-03 - - 3.2999970018863678e-02 -9.8474316298961639e-02 - <_> - - 0 -1 1002 -2.7451539412140846e-02 - - 1.9599549472332001e-01 -5.0378508865833282e-02 - <_> - - 0 -1 1003 -3.0835710931569338e-03 - - -3.3752480149269104e-01 3.3910509198904037e-02 - <_> - - 0 -1 1004 -7.1450988762080669e-03 - - -6.7807298898696899e-01 1.1928509920835495e-02 - <_> - - 0 -1 1005 -1.1973819928243756e-03 - - 1.2777930498123169e-01 -5.5520929396152496e-02 - <_> - - 0 -1 1006 1.2104130291845649e-04 - - -9.7394056618213654e-02 9.9989913403987885e-02 - <_> - - 0 -1 1007 1.1540119885466993e-04 - - -3.8101248443126678e-02 5.3142480552196503e-02 - <_> - - 0 -1 1008 -1.0320250294171274e-04 - - 1.1880250275135040e-01 -8.2887932658195496e-02 - <_> - - 0 -1 1009 3.0217070132493973e-02 - - 1.3077120296657085e-02 -4.2511129379272461e-01 - <_> - - 0 -1 1010 1.4480530284345150e-02 - - -6.4665600657463074e-02 1.3651260733604431e-01 - <_> - - 0 -1 1011 7.6259230263531208e-03 - - 2.1206660196185112e-02 -4.8069199919700623e-01 - <_> - - 0 -1 1012 1.2706779874861240e-02 - - 2.0432170480489731e-02 -3.8036710023880005e-01 - <_> - - 0 -1 1013 -7.0849858224391937e-02 - - -6.7007941007614136e-01 5.8502932079136372e-03 - <_> - - 0 -1 1014 -3.6607089638710022e-01 - - -6.5651381015777588e-01 1.1938090436160564e-02 - <_> - - 0 -1 1015 6.7676370963454247e-03 - - -5.4737601429224014e-02 1.3349209725856781e-01 - <_> - - 0 -1 1016 -5.8495830744504929e-03 - - 5.5006939917802811e-02 -1.7087200284004211e-01 - <_> - - 0 -1 1017 -1.3192510232329369e-02 - - 2.0252169668674469e-01 -4.6748850494623184e-02 - <_> - - 0 -1 1018 -2.6243979111313820e-02 - - 1.7131200432777405e-01 -5.1742289215326309e-02 - <_> - - 0 -1 1019 -1.9836300611495972e-01 - - 6.8348598480224609e-01 -5.4989140480756760e-03 - <_> - - 0 -1 1020 -9.1264583170413971e-02 - - -3.8122451305389404e-01 2.4656090885400772e-02 - <_> - - 0 -1 1021 5.1045559346675873e-02 - - 4.7809281386435032e-03 -5.1388448476791382e-01 - <_> - - 0 -1 1022 -6.2677852809429169e-02 - - 1.6051210463047028e-01 -6.9291412830352783e-02 - <_> - - 0 -1 1023 2.1998759359121323e-02 - - -6.3557699322700500e-02 1.0258419811725616e-01 - <_> - - 0 -1 1024 -9.8559096455574036e-02 - - 4.1666871309280396e-01 -2.2982550784945488e-02 - <_> - - 0 -1 1025 -7.8866537660360336e-03 - - 1.4133100211620331e-01 -6.2746547162532806e-02 - <_> - - 0 -1 1026 5.7192011736333370e-03 - - 1.4939470216631889e-02 -5.6794857978820801e-01 - <_> - - 0 -1 1027 -1.2656320177484304e-04 - - 1.5409049391746521e-01 -2.7226370573043823e-01 - <_> - - 0 -1 1028 -1.5363659709692001e-02 - - -5.5752921104431152e-01 1.6629980877041817e-02 - <_> - - 0 -1 1029 1.1747309938073158e-02 - - -2.8669150546193123e-02 8.4919847548007965e-02 - <_> - - 0 -1 1030 -6.6546360030770302e-03 - - 1.5057440102100372e-01 -5.8735769242048264e-02 - <_> - - 0 -1 1031 -8.2943234592676163e-03 - - -4.9023759365081787e-01 1.1976949870586395e-02 - <_> - - 0 -1 1032 -1.9957730174064636e-01 - - -3.2048851251602173e-01 2.4448549374938011e-02 - <_> - - 0 -1 1033 9.1623470187187195e-02 - - -1.1565860360860825e-02 1.2121780216693878e-01 - <_> - - 0 -1 1034 6.1579290777444839e-03 - - 2.3432880640029907e-02 -3.4702080488204956e-01 - <_> - - 0 -1 1035 -6.6728810779750347e-03 - - 1.3372699916362762e-01 -6.0459390282630920e-02 - <_> - - 0 -1 1036 1.1792629811679944e-04 - - -1.1258299648761749e-01 6.9133318960666656e-02 - <_> - - 0 -1 1037 -1.1926449835300446e-02 - - 1.3051030039787292e-01 -3.8503900170326233e-02 - <_> - - 0 -1 1038 6.1339139938354492e-03 - - 1.7326330766081810e-02 -4.5990580320358276e-01 - <_> - - 0 -1 1039 -3.7309920787811279e-01 - - -3.4024098515510559e-01 2.0620759576559067e-02 - <_> - - 0 -1 1040 3.2631669193506241e-02 - - 1.4541059732437134e-02 -5.0915217399597168e-01 - <_> - - 0 -1 1041 -3.3705669920891523e-03 - - 1.6251499950885773e-01 -2.7433190494775772e-02 - <_> - - 0 -1 1042 9.6422692877240479e-05 - - -8.0862849950790405e-02 8.7025731801986694e-02 - <_> - - 0 -1 1043 -1.3675920665264130e-01 - - 4.6943631023168564e-02 -5.4120488464832306e-02 - <_> - - 0 -1 1044 -1.8601629883050919e-02 - - 1.1531089991331100e-01 -7.5560040771961212e-02 - <_> - - 0 -1 1045 -3.9706271141767502e-02 - - -4.1564889252185822e-02 3.4207019954919815e-02 - <_> - - 0 -1 1046 -9.7793333232402802e-02 - - -2.5549450516700745e-01 3.2621458172798157e-02 - <_> - - 0 -1 1047 -1.2463969737291336e-01 - - 1.3530750572681427e-01 -5.6000139564275742e-02 - <_> - - 0 -1 1048 -7.3466179892420769e-03 - - 1.3280290365219116e-01 -5.9977211058139801e-02 - <_> - - 0 -1 1049 -9.1007994487881660e-03 - - 8.4215812385082245e-02 -9.5823230221867561e-03 - <_> - - 0 -1 1050 -5.4712329059839249e-02 - - -7.4970638751983643e-01 9.1644506901502609e-03 - <_> - - 0 -1 1051 7.8011681325733662e-03 - - -5.8472141623497009e-02 7.5802512466907501e-02 - <_> - - 0 -1 1052 1.1504740454256535e-02 - - -5.4455708712339401e-02 1.3103820383548737e-01 - <_> - - 0 -1 1053 -3.0265720561146736e-03 - - 4.3595738708972931e-02 -3.9831820875406265e-02 - <_> - - 0 -1 1054 3.9084558375179768e-03 - - -7.0230223238468170e-02 1.1850009858608246e-01 - <_> - - 0 -1 1055 -1.7115350812673569e-02 - - -4.8753368854522705e-01 4.2606718838214874e-02 - <_> - - 0 -1 1056 7.2391182184219360e-02 - - -3.0713820829987526e-02 2.8776410222053528e-01 - <_> - - 0 -1 1057 2.0542759448289871e-02 - - -7.5590826570987701e-02 1.0416489839553833e-01 - <_> - - 0 -1 1058 1.2337979860603809e-02 - - 3.3167198300361633e-02 -2.3291139304637909e-01 - <_> - - 0 -1 1059 -4.0956601500511169e-02 - - 2.4578510224819183e-01 -3.2600268721580505e-02 - <_> - - 0 -1 1060 2.2755319252610207e-02 - - 2.3990869522094727e-02 -3.3137750625610352e-01 - <_> - - 0 -1 1061 -2.6924870908260345e-03 - - 6.6952548921108246e-02 -1.1627510190010071e-01 - <_> - - 0 -1 1062 1.0185319930315018e-02 - - -6.4380377531051636e-02 1.7856849730014801e-01 - <_> - - 0 -1 1063 2.1892699878662825e-03 - - 2.8202280402183533e-02 -1.9460220634937286e-01 - <_> - - 0 -1 1064 1.7614009976387024e-01 - - 1.6212200745940208e-02 -4.5734050869941711e-01 - <_> - - 0 -1 1065 -2.4204170331358910e-03 - - 1.7359940707683563e-01 -3.7762571126222610e-02 - <_> - - 0 -1 1066 -1.4709460083395243e-03 - - 1.4086340367794037e-01 -5.3505048155784607e-02 - <_> - - 0 -1 1067 -1.7629310488700867e-02 - - -4.3374711275100708e-01 1.7910350114107132e-02 - <_> - - 0 -1 1068 5.3175981156527996e-03 - - 2.6618450880050659e-02 -2.9816010594367981e-01 - <_> - - 0 -1 1069 1.8915910040959716e-03 - - 3.5916399210691452e-02 -2.0904560387134552e-01 - <_> - - 0 -1 1070 1.3355260016396642e-03 - - 4.0930848568677902e-02 -1.8434959650039673e-01 - <_> - - 0 -1 1071 -6.9594341330230236e-03 - - 1.7677329480648041e-01 -1.7047759145498276e-02 - <_> - - 0 -1 1072 9.1313078883104026e-05 - - -7.4369266629219055e-02 9.6271850168704987e-02 - <_> - - 0 -1 1073 -4.2544947937130928e-03 - - 4.4604320079088211e-02 -6.3106119632720947e-02 - <_> - - 0 -1 1074 -1.0578350338619202e-04 - - 9.1437682509422302e-02 -8.2973442971706390e-02 - <_> - - 0 -1 1075 -1.0263289732392877e-04 - - 1.0793939977884293e-01 -7.9892612993717194e-02 - <_> - - 0 -1 1076 -2.4791778996586800e-03 - - -2.5868308544158936e-01 2.6286249980330467e-02 - <_> - - 0 -1 1077 -1.6074670478701591e-02 - - 1.0526800155639648e-01 -6.5673381090164185e-02 - <_> - - 0 -1 1078 -1.4310239814221859e-02 - - -4.9289679527282715e-01 1.5973109751939774e-02 - <_> - - 0 -1 1079 -8.8974033133126795e-05 - - 5.8744948357343674e-02 -4.5313041657209396e-02 - <_> - - 0 -1 1080 1.0300390422344208e-03 - - -5.5908720940351486e-02 1.4394310116767883e-01 - <_> - - 0 -1 1081 3.9175990968942642e-03 - - 2.9270060360431671e-02 -1.9770559668540955e-01 - <_> - - 0 -1 1082 1.0633670171955600e-04 - - -1.0704860091209412e-01 9.6238046884536743e-02 - <_> - - 0 -1 1083 4.2181659489870071e-02 - - -1.0299479588866234e-02 5.1465499401092529e-01 - <_> - - 0 -1 1084 -1.2948510237038136e-02 - - 1.9178110361099243e-01 -3.9072200655937195e-02 - <_> - - 0 -1 1085 -1.1697240173816681e-02 - - 6.8906992673873901e-02 -2.0180009305477142e-02 - <_> - - 0 -1 1086 1.4815540052950382e-02 - - -6.4537003636360168e-02 1.1534599959850311e-01 - <_> - - 0 -1 1087 1.2253019667696208e-04 - - -1.3507540524005890e-01 6.0662679374217987e-02 - <_> - - 0 -1 1088 -3.1337419059127569e-03 - - 1.1237639933824539e-01 -6.6894769668579102e-02 - <_> - - 0 -1 1089 -6.8492516875267029e-02 - - 3.1228348612785339e-01 -1.0049100033938885e-02 - <_> - - 0 -1 1090 2.8148779645562172e-02 - - 1.1834469623863697e-02 -5.9781688451766968e-01 - <_> - - 0 -1 1091 3.8532231003046036e-02 - - -2.2291859611868858e-02 1.8402780592441559e-01 - <_> - - 0 -1 1092 7.2883451357483864e-03 - - -4.7932468354701996e-02 1.4016370475292206e-01 - <_> - - 0 -1 1093 -6.5842391923069954e-03 - - -4.4751879572868347e-01 1.1767829768359661e-02 - <_> - - 0 -1 1094 -1.1306579835945740e-04 - - 6.5438106656074524e-02 -1.0187850147485733e-01 - <_> - - 0 -1 1095 -4.1586891748011112e-03 - - -2.5771650671958923e-01 2.0321190357208252e-02 - <_> - - 0 -1 1096 3.0523419380187988e-02 - - 1.7388790845870972e-02 -3.7316098809242249e-01 - <_> - - 0 -1 1097 -8.5078412666916847e-04 - - -3.9039680361747742e-01 8.0188266932964325e-02 - <_> - - 0 -1 1098 -1.0892679711105302e-04 - - 8.3534307777881622e-02 -8.1396430730819702e-02 - <_> - - 0 -1 1099 -1.9891309738159180e-01 - - -4.6180391311645508e-01 5.7829180732369423e-03 - <_> - - 0 -1 1100 -3.1243480741977692e-02 - - 2.5022289156913757e-01 -3.0032670125365257e-02 - <_> - - 0 -1 1101 2.3447209969162941e-02 - - -2.5061629712581635e-02 1.9670550525188446e-01 - <_> - - 0 -1 1102 1.1578369885683060e-02 - - 1.7265379428863525e-02 -3.8913309574127197e-01 - <_> - - 0 -1 1103 -2.6445279363542795e-03 - - 6.9367542862892151e-02 -4.0608219802379608e-02 - <_> - - 0 -1 1104 3.5718798637390137e-02 - - -3.0876770615577698e-02 2.2570140659809113e-01 - <_> - - 0 -1 1105 -3.2863069325685501e-02 - - -5.2084881067276001e-01 1.5310989692807198e-02 - <_> - - 0 -1 1106 1.2007729709148407e-01 - - 9.3891620635986328e-03 -5.9657102823257446e-01 - <_> - - 0 -1 1107 -6.8977959454059601e-03 - - 7.1826606988906860e-02 -3.8691330701112747e-02 - <_> - - 0 -1 1108 -1.1164099851157516e-04 - - 9.0559646487236023e-02 -7.4175752699375153e-02 - <_> - - 0 -1 1109 -8.6451061069965363e-03 - - -4.6491929888725281e-01 1.1580149643123150e-02 - <_> - - 0 -1 1110 1.1185959738213569e-04 - - -7.8282259404659271e-02 8.7556958198547363e-02 - <_> - - 0 -1 1111 -3.3530138898640871e-03 - - 6.3597083091735840e-02 -8.3768010139465332e-02 - <_> - - 0 -1 1112 -4.3913818895816803e-02 - - -7.4856078624725342e-01 8.7825870141386986e-03 - <_> - - 0 -1 1113 -3.0952990055084229e-03 - - 1.6955019533634186e-01 -3.9198450744152069e-02 - <_> - - 0 -1 1114 3.2301219180226326e-03 - - -1.2238019704818726e-01 6.1057928949594498e-02 - <_> - - 0 -1 1115 -4.5945771038532257e-02 - - -3.0185928940773010e-01 8.8831810280680656e-03 - <_> - - 0 -1 1116 3.7468101829290390e-02 - - 1.5233550220727921e-02 -4.4433480501174927e-01 - <_> - - 0 -1 1117 -9.6279982244595885e-04 - - 1.4550130069255829e-01 -5.5346839129924774e-02 - <_> - - 0 -1 1118 9.5942807092797011e-05 - - -8.0140501260757446e-02 8.4200643002986908e-02 - <_> - - 0 -1 1119 1.2208779808133841e-03 - - -6.0854949057102203e-02 1.3992980122566223e-01 - <_> - - 0 -1 1120 1.0304830357199535e-04 - - -9.1390810906887054e-02 9.0698756277561188e-02 - <_> - - 0 -1 1121 6.7147910594940186e-03 - - 1.7061460763216019e-02 -4.7845649719238281e-01 - <_> - - 0 -1 1122 1.1389680003048852e-04 - - -1.2051180005073547e-01 6.1523791402578354e-02 - <_> - 246 - -1.5257749557495117e+00 - - <_> - - 0 -1 1123 -2.4859240278601646e-02 - - 3.2212960720062256e-01 -1.7630000412464142e-01 - <_> - - 0 -1 1124 -2.5715090334415436e-02 - - 2.1644030511379242e-01 -2.0330239832401276e-01 - <_> - - 0 -1 1125 1.0584949702024460e-01 - - 1.0783869947772473e-04 5.5255950927734375e+02 - <_> - - 0 -1 1126 -8.6654294282197952e-03 - - 8.9402712881565094e-02 -8.5205726325511932e-02 - <_> - - 0 -1 1127 -1.1314759962260723e-02 - - 1.7304340004920959e-01 -1.8126599490642548e-01 - <_> - - 0 -1 1128 -5.1866549998521805e-02 - - 2.4890810251235962e-01 -8.6208656430244446e-02 - <_> - - 0 -1 1129 -4.5156660489737988e-03 - - 2.8406441211700439e-01 -1.1907359957695007e-01 - <_> - - 0 -1 1130 -1.5003410167992115e-02 - - 1.8889980018138885e-01 -8.7035499513149261e-02 - <_> - - 0 -1 1131 -1.0107509791851044e-02 - - 2.6107978820800781e-01 -9.6679881215095520e-02 - <_> - - 0 -1 1132 -3.4547690302133560e-02 - - 1.9014529883861542e-01 -9.6255972981452942e-02 - <_> - - 0 -1 1133 -4.4875599443912506e-02 - - 2.4909320473670959e-01 -8.9669972658157349e-02 - <_> - - 0 -1 1134 2.1081630140542984e-02 - - -2.1065710484981537e-01 5.6633379310369492e-02 - <_> - - 0 -1 1135 -4.0543689392507076e-03 - - 2.0171619951725006e-01 -7.8482761979103088e-02 - <_> - - 0 -1 1136 -2.4460731074213982e-03 - - -2.7655521035194397e-01 2.7891060337424278e-02 - <_> - - 0 -1 1137 1.0416610166430473e-04 - - -2.1726490557193756e-01 6.8724997341632843e-02 - <_> - - 0 -1 1138 -7.0905950851738453e-03 - - 3.9171610027551651e-02 -7.2237558662891388e-02 - <_> - - 0 -1 1139 4.2705261148512363e-03 - - 3.4430060535669327e-02 -4.5147350430488586e-01 - <_> - - 0 -1 1140 2.1259069442749023e-02 - - 4.3162569403648376e-02 -4.9452671408653259e-01 - <_> - - 0 -1 1141 -2.9957989230751991e-02 - - 1.6304069757461548e-01 -9.0024642646312714e-02 - <_> - - 0 -1 1142 -4.7675549983978271e-02 - - -5.6908601522445679e-01 3.1040430068969727e-02 - <_> - - 0 -1 1143 -2.1358959376811981e-02 - - -3.6729431152343750e-01 2.9709909111261368e-02 - <_> - - 0 -1 1144 -1.7130080610513687e-02 - - 1.9964259862899780e-01 -6.1701580882072449e-02 - <_> - - 0 -1 1145 2.6973700150847435e-02 - - -9.1998912394046783e-02 1.4968660473823547e-01 - <_> - - 0 -1 1146 1.5395210124552250e-02 - - 5.8998059481382370e-02 -4.0311428904533386e-01 - <_> - - 0 -1 1147 -1.3613039627671242e-02 - - -3.9532521367073059e-01 2.6161760091781616e-02 - <_> - - 0 -1 1148 -1.0206910222768784e-01 - - -1.6730350255966187e-01 2.6923289522528648e-02 - <_> - - 0 -1 1149 -4.5802921056747437e-02 - - 1.1230929940938950e-01 -9.9279657006263733e-02 - <_> - - 0 -1 1150 -5.1968779414892197e-02 - - 1.9432289898395538e-01 -5.0929531455039978e-02 - <_> - - 0 -1 1151 -4.2487609386444092e-01 - - 3.5886010527610779e-01 -3.4976560622453690e-02 - <_> - - 0 -1 1152 7.9517379403114319e-02 - - 2.0976619794964790e-02 -1.9810600578784943e-01 - <_> - - 0 -1 1153 -4.5309830456972122e-02 - - 2.5174209475517273e-01 -4.7164641320705414e-02 - <_> - - 0 -1 1154 4.0600001811981201e-02 - - 5.9903971850872040e-03 -5.0524187088012695e-01 - <_> - - 0 -1 1155 -2.8276300057768822e-02 - - -4.4258609414100647e-01 2.4936830624938011e-02 - <_> - - 0 -1 1156 9.3841962516307831e-02 - - 1.7748980317264795e-03 -4.3988320231437683e-01 - <_> - - 0 -1 1157 -1.1791589856147766e-01 - - -3.4417560696601868e-01 3.3724360167980194e-02 - <_> - - 0 -1 1158 -1.5139310061931610e-01 - - 6.0411769896745682e-02 -5.3201220929622650e-02 - <_> - - 0 -1 1159 -2.2562649846076965e-01 - - -3.2119071483612061e-01 3.5429101437330246e-02 - <_> - - 0 -1 1160 1.2930350378155708e-02 - - 3.3611949533224106e-02 -3.9412268996238708e-01 - <_> - - 0 -1 1161 -2.4919810239225626e-03 - - 1.7061330378055573e-01 -6.2898688018321991e-02 - <_> - - 0 -1 1162 -2.4559959769248962e-02 - - -4.1337108612060547e-01 1.7610160633921623e-02 - <_> - - 0 -1 1163 4.1320499777793884e-01 - - -3.9126798510551453e-02 2.6587060093879700e-01 - <_> - - 0 -1 1164 -3.0522849410772324e-02 - - -3.8158100843429565e-01 3.6273371428251266e-02 - <_> - - 0 -1 1165 -9.8860889673233032e-02 - - -2.6913830637931824e-01 3.9270389825105667e-02 - <_> - - 0 -1 1166 1.1311320122331381e-04 - - -1.4554770290851593e-01 5.6427501142024994e-02 - <_> - - 0 -1 1167 7.7236247307155281e-05 - - -1.0340359807014465e-01 8.8167242705821991e-02 - <_> - - 0 -1 1168 1.9930439069867134e-02 - - 8.3390101790428162e-03 -4.1726669669151306e-01 - <_> - - 0 -1 1169 -3.3970959484577179e-02 - - 2.3175339400768280e-01 -4.0641728788614273e-02 - <_> - - 0 -1 1170 -2.8630539774894714e-02 - - -5.5509167909622192e-01 1.6257530078291893e-02 - <_> - - 0 -1 1171 4.9788239412009716e-03 - - 3.1474281102418900e-02 -2.8877478837966919e-01 - <_> - - 0 -1 1172 -5.6940698996186256e-03 - - 2.3032620549201965e-01 -2.0171329379081726e-02 - <_> - - 0 -1 1173 1.9577480852603912e-03 - - -5.6104071438312531e-02 1.6390749812126160e-01 - <_> - - 0 -1 1174 -1.0736430063843727e-02 - - 1.3881990313529968e-01 -5.9501811861991882e-02 - <_> - - 0 -1 1175 -3.9446078240871429e-02 - - -5.3395891189575195e-01 1.8544889986515045e-02 - <_> - - 0 -1 1176 -2.5590090081095695e-02 - - -3.0474209785461426e-01 2.0556690171360970e-02 - <_> - - 0 -1 1177 -2.9707629233598709e-02 - - -4.3856319785118103e-01 2.0257510244846344e-02 - <_> - - 0 -1 1178 1.1870719754369929e-04 - - -5.5606078356504440e-02 5.5818539112806320e-02 - <_> - - 0 -1 1179 6.0403849929571152e-03 - - -6.2561951577663422e-02 1.4033129811286926e-01 - <_> - - 0 -1 1180 -2.3701060563325882e-03 - - 1.0411810129880905e-01 -4.6637579798698425e-02 - <_> - - 0 -1 1181 -5.6802731007337570e-02 - - 1.4273630082607269e-01 -6.4138323068618774e-02 - <_> - - 0 -1 1182 1.2178280390799046e-02 - - -5.7620238512754440e-02 1.5788230299949646e-01 - <_> - - 0 -1 1183 -4.0311398915946484e-03 - - -3.2791781425476074e-01 2.9163230210542679e-02 - <_> - - 0 -1 1184 5.4544620215892792e-03 - - -3.4765560179948807e-02 2.2650560736656189e-01 - <_> - - 0 -1 1185 -1.2505230307579041e-01 - - 1.1683230102062225e-01 -7.3438726365566254e-02 - <_> - - 0 -1 1186 -1.6150200366973877e-01 - - 1.4328670501708984e-01 -7.7370628714561462e-03 - <_> - - 0 -1 1187 -1.5369510650634766e-01 - - -4.0407729148864746e-01 2.5253390893340111e-02 - <_> - - 0 -1 1188 1.3832460157573223e-02 - - -9.6680596470832825e-03 2.2449059784412384e-01 - <_> - - 0 -1 1189 -1.9752800464630127e-02 - - -2.7250349521636963e-01 3.1350579112768173e-02 - <_> - - 0 -1 1190 -1.0762990452349186e-02 - - -3.8410690426826477e-01 1.3031579554080963e-02 - <_> - - 0 -1 1191 2.1228760480880737e-02 - - 2.6058429852128029e-02 -3.0802738666534424e-01 - <_> - - 0 -1 1192 -9.2247471911832690e-05 - - 4.5628391206264496e-02 -5.6000810116529465e-02 - <_> - - 0 -1 1193 -1.9652589689940214e-03 - - 1.3385680317878723e-01 -6.4132191240787506e-02 - <_> - - 0 -1 1194 2.8215510770678520e-02 - - 1.5388909727334976e-02 -2.1875369548797607e-01 - <_> - - 0 -1 1195 1.2585399963427335e-04 - - -1.3956110179424286e-01 5.9270460158586502e-02 - <_> - - 0 -1 1196 -6.9362311623990536e-03 - - 2.1816599369049072e-01 -2.0222889259457588e-02 - <_> - - 0 -1 1197 -1.7958630342036486e-03 - - 1.5875579416751862e-01 -4.6382639557123184e-02 - <_> - - 0 -1 1198 9.5576168969273567e-03 - - -3.9091229438781738e-02 1.3414810597896576e-01 - <_> - - 0 -1 1199 -6.2396150082349777e-02 - - -4.6752119064331055e-01 1.8674060702323914e-02 - <_> - - 0 -1 1200 -1.0964560351567343e-04 - - 3.8066919893026352e-02 -5.3127989172935486e-02 - <_> - - 0 -1 1201 -1.9344469532370567e-02 - - -4.7804948687553406e-01 1.6591800376772881e-02 - <_> - - 0 -1 1202 7.8327268362045288e-02 - - 1.8126649782061577e-02 -3.9800310134887695e-01 - <_> - - 0 -1 1203 -3.6987459659576416e-01 - - 1.5705190598964691e-01 -5.0288591533899307e-02 - <_> - - 0 -1 1204 -4.6618398278951645e-02 - - 1.8562039732933044e-01 -4.7500848770141602e-02 - <_> - - 0 -1 1205 -2.2177870571613312e-01 - - 3.6903271079063416e-01 -2.1891359239816666e-02 - <_> - - 0 -1 1206 1.0199939832091331e-02 - - -2.0008459687232971e-02 1.8920080363750458e-01 - <_> - - 0 -1 1207 -1.3876829762011766e-03 - - 1.3981680572032928e-01 -5.5062200874090195e-02 - <_> - - 0 -1 1208 1.0204740101471543e-04 - - -1.5539169311523438e-01 9.1232098639011383e-02 - <_> - - 0 -1 1209 9.5603638328611851e-05 - - -9.6878476440906525e-02 8.0248139798641205e-02 - <_> - - 0 -1 1210 -5.3494791500270367e-03 - - 7.3209710419178009e-02 -5.5011261254549026e-02 - <_> - - 0 -1 1211 1.3007720001041889e-02 - - 2.4103149771690369e-02 -3.1236580014228821e-01 - <_> - - 0 -1 1212 2.9070049524307251e-02 - - -3.7642810493707657e-02 2.0871339738368988e-01 - <_> - - 0 -1 1213 2.1258399647194892e-04 - - -1.9390119612216949e-01 4.2593110352754593e-02 - <_> - - 0 -1 1214 1.2767249718308449e-02 - - 3.7468269467353821e-02 -3.4924089908599854e-01 - <_> - - 0 -1 1215 -3.5076010972261429e-02 - - 2.3502109944820404e-01 -3.6161709576845169e-02 - <_> - - 0 -1 1216 8.1403086369391531e-05 - - -3.2067000865936279e-02 5.0400421023368835e-02 - <_> - - 0 -1 1217 -1.7410600557923317e-02 - - 9.9460333585739136e-02 -7.5129806995391846e-02 - <_> - - 0 -1 1218 -5.4158121347427368e-03 - - 1.5448880195617676e-01 -5.9565600007772446e-02 - <_> - - 0 -1 1219 -2.7247680351138115e-02 - - -3.5382598638534546e-01 2.4235310032963753e-02 - <_> - - 0 -1 1220 -2.2197259590029716e-02 - - -2.9720589518547058e-01 2.1416569128632545e-02 - <_> - - 0 -1 1221 -8.5453793406486511e-02 - - 7.3914438486099243e-02 -9.8143801093101501e-02 - <_> - - 0 -1 1222 -2.6743279770016670e-02 - - -3.8940310478210449e-01 5.3767771460115910e-03 - <_> - - 0 -1 1223 -8.2498956471681595e-03 - - 1.9860340654850006e-01 -3.9557371288537979e-02 - <_> - - 0 -1 1224 -2.2797500714659691e-02 - - 9.9678412079811096e-02 -6.2613576650619507e-02 - <_> - - 0 -1 1225 9.7113639640156180e-05 - - -8.4188252687454224e-02 9.3866080045700073e-02 - <_> - - 0 -1 1226 2.9884429648518562e-02 - - -2.3356929421424866e-02 1.4618140459060669e-01 - <_> - - 0 -1 1227 -2.6803839951753616e-02 - - 1.4178399741649628e-01 -6.2550060451030731e-02 - <_> - - 0 -1 1228 -1.9411399960517883e-02 - - -6.3382750749588013e-01 1.6149589791893959e-02 - <_> - - 0 -1 1229 1.2110219895839691e-01 - - 2.3238999769091606e-02 -3.4702530503273010e-01 - <_> - - 0 -1 1230 9.2202579253353179e-05 - - -7.8421503305435181e-02 4.3959248811006546e-02 - <_> - - 0 -1 1231 1.7242589965462685e-02 - - 2.6261070743203163e-02 -2.9944649338722229e-01 - <_> - - 0 -1 1232 -1.1420710012316704e-02 - - -3.6522969603538513e-01 7.9645831137895584e-03 - <_> - - 0 -1 1233 -2.0810069516301155e-02 - - 1.3638339936733246e-01 -5.4033048450946808e-02 - <_> - - 0 -1 1234 -1.4103479683399200e-02 - - -3.7893921136856079e-01 1.3394010253250599e-02 - <_> - - 0 -1 1235 -4.7581768594682217e-03 - - -3.3748060464859009e-01 2.0751159638166428e-02 - <_> - - 0 -1 1236 1.6709830611944199e-02 - - -2.8125260025262833e-02 7.9117581248283386e-02 - <_> - - 0 -1 1237 -7.5444072484970093e-02 - - 3.5082611441612244e-01 -1.9444769248366356e-02 - <_> - - 0 -1 1238 1.7338210344314575e-01 - - -3.3310770522803068e-03 4.4801530241966248e-01 - <_> - - 0 -1 1239 -1.4232039451599121e-01 - - -2.2757869958877563e-01 3.3073060214519501e-02 - <_> - - 0 -1 1240 -2.2956749889999628e-03 - - 6.3606172800064087e-02 -3.3936798572540283e-02 - <_> - - 0 -1 1241 -1.0921280045295134e-04 - - 8.7956167757511139e-02 -9.4514213502407074e-02 - <_> - - 0 -1 1242 -1.5123720280826092e-02 - - 1.1071979999542236e-01 -2.7487419545650482e-02 - <_> - - 0 -1 1243 2.1835550665855408e-02 - - -4.8312459141016006e-02 1.4729049801826477e-01 - <_> - - 0 -1 1244 8.3796076476573944e-02 - - 1.6879159957170486e-02 -2.2147430479526520e-01 - <_> - - 0 -1 1245 -3.8371179252862930e-02 - - -5.2152740955352783e-01 1.4304329641163349e-02 - <_> - - 0 -1 1246 1.7588760238140821e-03 - - -4.3274711817502975e-02 4.0150411427021027e-02 - <_> - - 0 -1 1247 -1.6422629356384277e-02 - - -5.8441460132598877e-01 1.0517139919102192e-02 - <_> - - 0 -1 1248 1.2245160341262817e-01 - - -9.6191419288516045e-03 1.8290150165557861e-01 - <_> - - 0 -1 1249 -2.7571219950914383e-02 - - -5.1605522632598877e-01 1.2647570110857487e-02 - <_> - - 0 -1 1250 -2.2236290574073792e-01 - - 3.4756079316139221e-01 -1.0084490291774273e-02 - <_> - - 0 -1 1251 -2.2003330290317535e-02 - - -2.8134641051292419e-01 2.2772060707211494e-02 - <_> - - 0 -1 1252 -4.2912889271974564e-02 - - -4.7846621274948120e-01 1.2552970089018345e-02 - <_> - - 0 -1 1253 -1.4352230355143547e-02 - - 1.6642050445079803e-01 -4.6472709625959396e-02 - <_> - - 0 -1 1254 -4.1513590258546174e-04 - - -2.5722318887710571e-01 7.7890746295452118e-02 - <_> - - 0 -1 1255 1.2504369951784611e-03 - - -4.4778529554605484e-02 1.6678680479526520e-01 - <_> - - 0 -1 1256 1.7647480592131615e-02 - - 7.0636598393321037e-03 -3.3736529946327209e-01 - <_> - - 0 -1 1257 -3.4471070393919945e-03 - - 7.5172327458858490e-02 -8.8124260306358337e-02 - <_> - - 0 -1 1258 -5.0494200550019741e-03 - - 1.0575070232152939e-01 -8.7237127125263214e-02 - <_> - - 0 -1 1259 -3.4959301352500916e-02 - - -4.6849849820137024e-01 1.5208450146019459e-02 - <_> - - 0 -1 1260 1.3161719776690006e-02 - - -5.8647651225328445e-02 7.0248216390609741e-02 - <_> - - 0 -1 1261 -3.0560119077563286e-02 - - 2.3170590400695801e-01 -4.3255310505628586e-02 - <_> - - 0 -1 1262 1.0238910093903542e-02 - - 3.1525779515504837e-02 -2.3876720666885376e-01 - <_> - - 0 -1 1263 2.4965599179267883e-02 - - 1.8794050440192223e-02 -3.6637490987777710e-01 - <_> - - 0 -1 1264 -3.2253500074148178e-02 - - 1.1270649731159210e-01 -2.9213100671768188e-02 - <_> - - 0 -1 1265 7.8411642462015152e-03 - - -7.2421632707118988e-02 1.4066340029239655e-01 - <_> - - 0 -1 1266 -1.4276880538091063e-03 - - 1.5807349979877472e-01 -6.6449962556362152e-02 - <_> - - 0 -1 1267 1.1470150202512741e-03 - - 4.9573831260204315e-02 -1.4308080077171326e-01 - <_> - - 0 -1 1268 -8.6412113159894943e-03 - - 7.2913803160190582e-02 -5.3943529725074768e-02 - <_> - - 0 -1 1269 1.1576799442991614e-03 - - -5.4953150451183319e-02 1.2435220181941986e-01 - <_> - - 0 -1 1270 1.1792180157499388e-04 - - -4.8270799219608307e-02 5.9082880616188049e-02 - <_> - - 0 -1 1271 6.5883439965546131e-03 - - 2.6230650022625923e-02 -2.6026728749275208e-01 - <_> - - 0 -1 1272 2.1313619799911976e-03 - - -5.6807540357112885e-02 2.5055360794067383e-01 - <_> - - 0 -1 1273 1.1035949923098087e-02 - - 2.8926210477948189e-02 -2.4025170505046844e-01 - <_> - - 0 -1 1274 9.8337702453136444e-02 - - -1.6552689485251904e-03 9.9841469526290894e-01 - <_> - - 0 -1 1275 -3.6867920309305191e-02 - - 3.0115479230880737e-01 -1.9335890188813210e-02 - <_> - - 0 -1 1276 -2.2431310266256332e-02 - - 3.6680039763450623e-01 -8.6105773225426674e-03 - <_> - - 0 -1 1277 9.2809292254969478e-05 - - -1.1851680278778076e-01 7.0009030401706696e-02 - <_> - - 0 -1 1278 6.0986801981925964e-03 - - 1.9825110211968422e-02 -5.1059758663177490e-01 - <_> - - 0 -1 1279 -1.0700259736040607e-04 - - 8.6945056915283203e-02 -7.9039849340915680e-02 - <_> - - 0 -1 1280 -1.1850359849631786e-02 - - -3.4886360168457031e-01 2.8463730588555336e-02 - <_> - - 0 -1 1281 -1.0024739895015955e-03 - - 1.2310550361871719e-01 -5.6302350014448166e-02 - <_> - - 0 -1 1282 -9.6648662292864174e-05 - - 5.9419918805360794e-02 -5.0511650741100311e-02 - <_> - - 0 -1 1283 -1.2687359936535358e-02 - - 1.6123920679092407e-01 -4.1998729109764099e-02 - <_> - - 0 -1 1284 2.0934140309691429e-02 - - 1.3292470015585423e-02 -2.5384590029716492e-01 - <_> - - 0 -1 1285 -8.7683666497468948e-03 - - -2.2354759275913239e-01 2.7231190353631973e-02 - <_> - - 0 -1 1286 -7.8724078775849193e-05 - - 5.1653359085321426e-02 -3.4923698753118515e-02 - <_> - - 0 -1 1287 -4.5617809519171715e-03 - - 1.8845909833908081e-01 -3.6218199878931046e-02 - <_> - - 0 -1 1288 2.0101569592952728e-02 - - -1.2270460277795792e-01 5.8831069618463516e-02 - <_> - - 0 -1 1289 -3.1801089644432068e-03 - - 1.2960070371627808e-01 -6.7920677363872528e-02 - <_> - - 0 -1 1290 5.7645021006464958e-03 - - 1.8351480364799500e-02 -2.4903400242328644e-01 - <_> - - 0 -1 1291 1.0693079791963100e-02 - - 9.6924025565385818e-03 -5.9504520893096924e-01 - <_> - - 0 -1 1292 2.8986420948058367e-03 - - 5.1718991249799728e-02 -1.0468599945306778e-01 - <_> - - 0 -1 1293 1.3929660618305206e-01 - - -1.7674539238214493e-02 3.9723560214042664e-01 - <_> - - 0 -1 1294 1.1850619921460748e-04 - - -4.4557079672813416e-02 5.6994900107383728e-02 - <_> - - 0 -1 1295 -1.8981580436229706e-01 - - -2.1773189306259155e-01 2.9134890064597130e-02 - <_> - - 0 -1 1296 -5.5389281362295151e-02 - - -2.5266540050506592e-01 1.0798510164022446e-02 - <_> - - 0 -1 1297 -1.0122820094693452e-04 - - 8.2761690020561218e-02 -7.4456267058849335e-02 - <_> - - 0 -1 1298 5.2048019133508205e-03 - - -2.6181850582361221e-02 7.8894980251789093e-02 - <_> - - 0 -1 1299 -5.3310650400817394e-03 - - 1.0743349790573120e-01 -7.3078803718090057e-02 - <_> - - 0 -1 1300 3.1986359506845474e-02 - - -4.6606259420514107e-03 3.6849200725555420e-01 - <_> - - 0 -1 1301 6.1502759344875813e-03 - - 3.5163421183824539e-02 -1.9803290069103241e-01 - <_> - - 0 -1 1302 -7.9923700541257858e-03 - - 4.9680449068546295e-02 -4.3847151100635529e-02 - <_> - - 0 -1 1303 7.9515464603900909e-03 - - -5.0392020493745804e-02 1.3661290705204010e-01 - <_> - - 0 -1 1304 6.9977752864360809e-02 - - -8.1138126552104950e-03 3.4194231033325195e-01 - <_> - - 0 -1 1305 5.3981081582605839e-03 - - 3.4939639270305634e-02 -1.8219280242919922e-01 - <_> - - 0 -1 1306 7.9396478831768036e-02 - - 2.4603689089417458e-02 -2.8492900729179382e-01 - <_> - - 0 -1 1307 2.5731830392032862e-03 - - -3.3786009997129440e-02 1.9118849933147430e-01 - <_> - - 0 -1 1308 1.5055339783430099e-02 - - 1.5328220091760159e-02 -4.0066361427307129e-01 - <_> - - 0 -1 1309 -7.9386271536350250e-03 - - 1.2507259845733643e-01 -4.7316979616880417e-02 - <_> - - 0 -1 1310 -1.1256839934503660e-04 - - 8.2493722438812256e-02 -6.8745993077754974e-02 - <_> - - 0 -1 1311 -1.0478479816811159e-04 - - 8.4922343492507935e-02 -7.9465553164482117e-02 - <_> - - 0 -1 1312 1.0192309855483472e-04 - - -5.1062118262052536e-02 6.2753282487392426e-02 - <_> - - 0 -1 1313 1.2042010348523036e-04 - - -7.9890377819538116e-02 1.0798239707946777e-01 - <_> - - 0 -1 1314 -3.0539339408278465e-02 - - -4.6622350811958313e-01 8.6310431361198425e-03 - <_> - - 0 -1 1315 -1.4449549838900566e-02 - - -2.3427480459213257e-01 2.6667300611734390e-02 - <_> - - 0 -1 1316 5.5837441235780716e-02 - - 1.5657029580324888e-03 -5.9545511007308960e-01 - <_> - - 0 -1 1317 1.1898560449481010e-02 - - -4.8378799110651016e-02 1.1720660328865051e-01 - <_> - - 0 -1 1318 2.3296780884265900e-02 - - 3.9587449282407761e-03 -2.4597780406475067e-01 - <_> - - 0 -1 1319 -9.4626396894454956e-02 - - 5.1669899374246597e-02 -1.2657889723777771e-01 - <_> - - 0 -1 1320 -1.1996289715170860e-02 - - 5.7097338140010834e-02 -1.0790690034627914e-01 - <_> - - 0 -1 1321 3.3058781176805496e-02 - - -4.4020261615514755e-02 2.2163359820842743e-01 - <_> - - 0 -1 1322 6.1287730932235718e-02 - - 1.3820749707520008e-02 -3.8039529323577881e-01 - <_> - - 0 -1 1323 -8.0876126885414124e-02 - - 2.1562319993972778e-01 -3.4390449523925781e-02 - <_> - - 0 -1 1324 -1.1805639951489866e-04 - - 3.8330901414155960e-02 -3.7074659019708633e-02 - <_> - - 0 -1 1325 -8.8057601824402809e-03 - - 7.8959703445434570e-02 -7.9623617231845856e-02 - <_> - - 0 -1 1326 2.3725049570202827e-02 - - -2.6400180533528328e-02 1.3833920657634735e-01 - <_> - - 0 -1 1327 -1.3849999755620956e-02 - - 1.8637719750404358e-01 -4.6536069363355637e-02 - <_> - - 0 -1 1328 -1.6478329896926880e-02 - - -4.7374120354652405e-01 2.0242879167199135e-02 - <_> - - 0 -1 1329 4.9397401511669159e-02 - - 1.4704129658639431e-02 -4.0255519747734070e-01 - <_> - - 0 -1 1330 -9.9877286702394485e-03 - - 6.6189177334308624e-02 -2.5849020108580589e-02 - <_> - - 0 -1 1331 -4.5243981294333935e-03 - - 9.7362592816352844e-02 -6.8595573306083679e-02 - <_> - - 0 -1 1332 -2.5442579761147499e-02 - - -1.0062149912118912e-01 7.2136692702770233e-02 - <_> - - 0 -1 1333 -1.9979789853096008e-02 - - 1.2334229797124863e-01 -4.8690248280763626e-02 - <_> - - 0 -1 1334 8.5907518863677979e-02 - - 1.7899649217724800e-02 -1.2917029857635498e-01 - <_> - - 0 -1 1335 2.4627919774502516e-03 - - 2.1522510796785355e-02 -2.7410501241683960e-01 - <_> - - 0 -1 1336 -9.7198048024438322e-05 - - 1.8001170456409454e-01 -3.0150210857391357e-01 - <_> - - 0 -1 1337 1.0423920117318630e-02 - - -5.4001849144697189e-02 1.2072809785604477e-01 - <_> - - 0 -1 1338 -1.3543060049414635e-02 - - -4.4932109117507935e-01 2.1867370232939720e-02 - <_> - - 0 -1 1339 -1.2225230224430561e-02 - - 1.0308980196714401e-01 -6.8183869123458862e-02 - <_> - - 0 -1 1340 -5.4508589208126068e-02 - - -3.1953170895576477e-01 1.8314510583877563e-02 - <_> - - 0 -1 1341 1.1417720088502392e-04 - - -7.2025686502456665e-02 8.4036201238632202e-02 - <_> - - 0 -1 1342 3.3673789352178574e-02 - - 1.7297180369496346e-02 -3.4836369752883911e-01 - <_> - - 0 -1 1343 -1.6943500377237797e-03 - - 1.9118130207061768e-01 -3.8169119507074356e-02 - <_> - - 0 -1 1344 4.3568409979343414e-02 - - 3.3935939427465200e-03 -2.2542549669742584e-01 - <_> - - 0 -1 1345 -1.5978990122675896e-02 - - -1.7443810403347015e-01 3.3246420323848724e-02 - <_> - - 0 -1 1346 -1.7225230112671852e-03 - - 6.4159378409385681e-02 -2.8688399121165276e-02 - <_> - - 0 -1 1347 -1.1562029831111431e-02 - - -2.5792458653450012e-01 2.6155490428209305e-02 - <_> - - 0 -1 1348 8.8590721134096384e-05 - - -5.9500779956579208e-02 8.7054483592510223e-02 - <_> - - 0 -1 1349 1.8556630238890648e-03 - - -4.5497611165046692e-02 1.4414270222187042e-01 - <_> - - 0 -1 1350 -1.1980470299022272e-04 - - 4.4530108571052551e-02 -6.0078341513872147e-02 - <_> - - 0 -1 1351 -9.8948839877266437e-05 - - 8.0990999937057495e-02 -7.4739851057529449e-02 - <_> - - 0 -1 1352 -9.8720411187969148e-05 - - 1.0564380139112473e-01 -8.1821396946907043e-02 - <_> - - 0 -1 1353 8.2602314651012421e-03 - - 2.4992190301418304e-02 -2.4782909452915192e-01 - <_> - - 0 -1 1354 9.8948839877266437e-05 - - -7.5029492378234863e-02 7.9507932066917419e-02 - <_> - - 0 -1 1355 4.7536417841911316e-03 - - 4.3906200677156448e-02 -1.2667590379714966e-01 - <_> - - 0 -1 1356 -7.1766801178455353e-02 - - -7.3415267467498779e-01 2.7243639342486858e-03 - <_> - - 0 -1 1357 2.7130648959428072e-03 - - -7.5170762836933136e-02 7.5650051236152649e-02 - <_> - - 0 -1 1358 -2.5248030200600624e-02 - - 2.0795029401779175e-01 -2.9544029384851456e-02 - <_> - - 0 -1 1359 -3.2913060858845711e-03 - - 1.3707050681114197e-01 -4.0945030748844147e-02 - <_> - - 0 -1 1360 -1.1903030099347234e-04 - - 7.7548287808895111e-02 -1.7951180040836334e-01 - <_> - - 0 -1 1361 -1.7214129911735654e-03 - - 1.2350810319185257e-01 -4.7916881740093231e-02 - <_> - - 0 -1 1362 1.9237160682678223e-02 - - -6.1758807860314846e-03 4.0595421195030212e-01 - <_> - - 0 -1 1363 -1.6620019450783730e-03 - - -1.8583220243453979e-01 3.3767789602279663e-02 - <_> - - 0 -1 1364 -7.1353819221258163e-03 - - 1.6217699646949768e-01 -1.4994939789175987e-02 - <_> - - 0 -1 1365 -1.0784330079331994e-03 - - 1.0595580190420151e-01 -6.8027436733245850e-02 - <_> - - 0 -1 1366 1.3168440200388432e-02 - - 2.5256929919123650e-02 -2.4681550264358521e-01 - <_> - - 0 -1 1367 4.3766219168901443e-02 - - 8.1717539578676224e-03 -6.8213367462158203e-01 - <_> - - 0 -1 1368 9.7744129598140717e-03 - - -8.9659281075000763e-03 3.3161351084709167e-01 - <_> - 279 - -1.4309279918670654e+00 - - <_> - - 0 -1 1369 -1.8712989985942841e-02 - - 3.1699758768081665e-01 -1.7198270559310913e-01 - <_> - - 0 -1 1370 1.3795300037600100e-04 - - -2.1540990471839905e-01 6.6136591136455536e-02 - <_> - - 0 -1 1371 6.7428596317768097e-02 - - -5.2226951811462641e-04 -3.5010319824218750e+03 - <_> - - 0 -1 1372 -2.4965980648994446e-01 - - -2.7784270048141479e-01 5.9022889472544193e-03 - <_> - - 0 -1 1373 -2.6605049148201942e-02 - - 2.6684170961380005e-01 -1.3904400169849396e-01 - <_> - - 0 -1 1374 -2.3173440247774124e-02 - - 1.3601189851760864e-01 -1.0871589928865433e-01 - <_> - - 0 -1 1375 -5.5514220148324966e-03 - - 1.9473889470100403e-01 -1.4551539719104767e-01 - <_> - - 0 -1 1376 7.0825159549713135e-02 - - -2.6063209772109985e-01 7.9021461308002472e-02 - <_> - - 0 -1 1377 -2.3554509505629539e-02 - - 2.9026520252227783e-01 -7.8398458659648895e-02 - <_> - - 0 -1 1378 -4.3396450579166412e-02 - - 2.4802340567111969e-01 -4.1862510144710541e-02 - <_> - - 0 -1 1379 3.9755448698997498e-02 - - -8.2383207976818085e-02 2.5565001368522644e-01 - <_> - - 0 -1 1380 -4.7884290106594563e-03 - - 9.1564856469631195e-02 -8.8997103273868561e-02 - <_> - - 0 -1 1381 1.1186640040250495e-04 - - -1.7876160144805908e-01 9.3426421284675598e-02 - <_> - - 0 -1 1382 1.8653420731425285e-02 - - -6.4205586910247803e-02 3.7113490700721741e-01 - <_> - - 0 -1 1383 4.3760719709098339e-03 - - -1.9954790174961090e-01 7.6214671134948730e-02 - <_> - - 0 -1 1384 -1.4996459707617760e-02 - - 1.8930730223655701e-01 -2.2424779832363129e-02 - <_> - - 0 -1 1385 5.5244299583137035e-03 - - -7.4144102632999420e-02 2.5318071246147156e-01 - <_> - - 0 -1 1386 -5.6609991006553173e-03 - - -3.3977329730987549e-01 3.1114479526877403e-02 - <_> - - 0 -1 1387 -5.7609830982983112e-03 - - 1.1648339778184891e-01 -1.1574240028858185e-01 - <_> - - 0 -1 1388 -2.6480090618133545e-01 - - 1.8164689838886261e-01 -7.6448231935501099e-02 - <_> - - 0 -1 1389 -3.2054901123046875e-02 - - 2.7392259240150452e-01 -4.6557001769542694e-02 - <_> - - 0 -1 1390 5.6860670447349548e-03 - - -2.5537090376019478e-02 1.2572510540485382e-01 - <_> - - 0 -1 1391 -4.1426587849855423e-03 - - 9.9965266883373260e-02 -1.3714949786663055e-01 - <_> - - 0 -1 1392 -2.5222830474376678e-02 - - -2.1590410172939301e-01 3.3361118286848068e-02 - <_> - - 0 -1 1393 -1.0513579763937742e-04 - - 5.9993639588356018e-02 -2.2432969510555267e-01 - <_> - - 0 -1 1394 3.2108161598443985e-02 - - -4.5822519809007645e-02 2.6781380176544189e-01 - <_> - - 0 -1 1395 -1.0873610153794289e-02 - - -3.4296339750289917e-01 3.7043921649456024e-02 - <_> - - 0 -1 1396 -1.0672210156917572e-01 - - -1.8248610198497772e-01 2.3051809519529343e-02 - <_> - - 0 -1 1397 9.5376763492822647e-03 - - 3.3178020268678665e-02 -3.1444761157035828e-01 - <_> - - 0 -1 1398 -1.5397969633340836e-02 - - -4.4942921400070190e-01 2.5554839521646500e-02 - <_> - - 0 -1 1399 -1.8874239176511765e-02 - - 8.9738510549068451e-02 -1.1818610131740570e-01 - <_> - - 0 -1 1400 -1.3807339593768120e-02 - - -4.0170770883560181e-01 3.7115719169378281e-03 - <_> - - 0 -1 1401 -4.8676962032914162e-03 - - -3.6395189166069031e-01 2.8655750676989555e-02 - <_> - - 0 -1 1402 1.1547089554369450e-02 - - -4.3462570756673813e-02 2.4953410029411316e-01 - <_> - - 0 -1 1403 1.8631519749760628e-02 - - -5.1945161074399948e-02 2.0126770436763763e-01 - <_> - - 0 -1 1404 2.2162059321999550e-02 - - -2.8367469087243080e-02 1.8125070631504059e-01 - <_> - - 0 -1 1405 -1.3282280415296555e-02 - - -4.3967109918594360e-01 2.3154130205512047e-02 - <_> - - 0 -1 1406 -4.7818228602409363e-02 - - 1.5270139276981354e-01 -6.4764626324176788e-02 - <_> - - 0 -1 1407 -7.0768646895885468e-02 - - 2.2559310495853424e-01 -4.6383719891309738e-02 - <_> - - 0 -1 1408 2.4587990716099739e-02 - - -7.9800963401794434e-02 1.2262780219316483e-01 - <_> - - 0 -1 1409 -2.9572639614343643e-03 - - -2.5401321053504944e-01 3.7109810858964920e-02 - <_> - - 0 -1 1410 7.7164188027381897e-02 - - 3.1731691211462021e-02 -2.7239298820495605e-01 - <_> - - 0 -1 1411 3.5500440746545792e-02 - - -4.7737870365381241e-02 2.3480390012264252e-01 - <_> - - 0 -1 1412 2.4486819282174110e-02 - - -2.2118499502539635e-02 1.6140830516815186e-01 - <_> - - 0 -1 1413 2.2626599296927452e-02 - - -5.0503190606832504e-02 2.0568129420280457e-01 - <_> - - 0 -1 1414 7.3773749172687531e-03 - - 3.1938448548316956e-02 -1.6982619464397430e-01 - <_> - - 0 -1 1415 -1.2515950016677380e-02 - - 1.2577000260353088e-01 -7.3859736323356628e-02 - <_> - - 0 -1 1416 2.1496510598808527e-03 - - 6.6499963402748108e-02 -1.5948709845542908e-01 - <_> - - 0 -1 1417 3.2783868908882141e-01 - - -3.5387851297855377e-02 2.9959291219711304e-01 - <_> - - 0 -1 1418 -1.2928809970617294e-02 - - -4.2437180876731873e-01 1.4925819821655750e-02 - <_> - - 0 -1 1419 -2.9543310403823853e-02 - - -2.5968870520591736e-01 3.0672630295157433e-02 - <_> - - 0 -1 1420 1.3888539746403694e-02 - - -2.9191760346293449e-02 2.6650959253311157e-01 - <_> - - 0 -1 1421 -1.4243409968912601e-02 - - 1.1419390141963959e-01 -7.5002923607826233e-02 - <_> - - 0 -1 1422 -2.4950960651040077e-02 - - -4.4170901179313660e-01 1.2046439573168755e-02 - <_> - - 0 -1 1423 -1.3908210210502148e-02 - - -2.9652971029281616e-01 3.4981660544872284e-02 - <_> - - 0 -1 1424 1.2620849534869194e-02 - - 3.8449760526418686e-02 -3.2533881068229675e-01 - <_> - - 0 -1 1425 -7.8615900129079819e-03 - - 1.6396899521350861e-01 -5.0281271338462830e-02 - <_> - - 0 -1 1426 1.3247850351035595e-02 - - -4.8171751201152802e-02 1.3091330230236053e-01 - <_> - - 0 -1 1427 -1.9628429785370827e-02 - - -3.0828440189361572e-01 2.6105429977178574e-02 - <_> - - 0 -1 1428 -1.1116229870822281e-04 - - 4.9499809741973877e-02 -6.9948449730873108e-02 - <_> - - 0 -1 1429 -6.2212720513343811e-03 - - 2.5001430511474609e-01 -3.9167519658803940e-02 - <_> - - 0 -1 1430 -7.5383752118796110e-05 - - 6.1046328395605087e-02 -7.2739817202091217e-02 - <_> - - 0 -1 1431 -3.9724968373775482e-03 - - 1.8301470577716827e-01 -4.4407390058040619e-02 - <_> - - 0 -1 1432 -4.9981191754341125e-02 - - -8.9163497090339661e-02 1.4388060197234154e-02 - <_> - - 0 -1 1433 2.9629090800881386e-02 - - 2.6251930743455887e-02 -3.2541900873184204e-01 - <_> - - 0 -1 1434 3.1110059469938278e-02 - - -3.3575788140296936e-02 4.5157098770141602e-01 - <_> - - 0 -1 1435 -7.4198678135871887e-02 - - 1.0326889902353287e-01 -7.6938740909099579e-02 - <_> - - 0 -1 1436 3.9898898452520370e-02 - - -2.5839729234576225e-02 1.5435829758644104e-01 - <_> - - 0 -1 1437 -6.2805712223052979e-03 - - -2.6195061206817627e-01 2.7357010170817375e-02 - <_> - - 0 -1 1438 -4.1073351167142391e-03 - - 1.4708800613880157e-01 -5.0326839089393616e-02 - <_> - - 0 -1 1439 -4.9765571020543575e-03 - - 8.6656570434570312e-02 -8.3321280777454376e-02 - <_> - - 0 -1 1440 5.6225311011075974e-02 - - -9.0561211109161377e-03 1.3645470142364502e-01 - <_> - - 0 -1 1441 -6.7956328392028809e-02 - - 2.2713039815425873e-01 -3.3235240727663040e-02 - <_> - - 0 -1 1442 8.5731752216815948e-02 - - 3.3442281186580658e-02 -2.3163549602031708e-01 - <_> - - 0 -1 1443 1.7541209235787392e-02 - - -6.9512091577053070e-02 1.1899550259113312e-01 - <_> - - 0 -1 1444 -1.7374299932271242e-03 - - 9.2172093689441681e-02 -2.2669219970703125e-01 - <_> - - 0 -1 1445 2.1910879760980606e-02 - - -4.3604359030723572e-02 2.0508739352226257e-01 - <_> - - 0 -1 1446 -7.7593423426151276e-02 - - -3.1961518526077271e-01 7.1907751262187958e-03 - <_> - - 0 -1 1447 9.2180138453841209e-03 - - -7.5073778629302979e-02 1.0250449925661087e-01 - <_> - - 0 -1 1448 2.6055829599499702e-02 - - 1.3381079770624638e-02 -2.5850158929824829e-01 - <_> - - 0 -1 1449 2.8278680518269539e-02 - - 2.4392090737819672e-02 -3.4649389982223511e-01 - <_> - - 0 -1 1450 -2.8839879669249058e-03 - - 4.6307310461997986e-02 -3.9890531450510025e-02 - <_> - - 0 -1 1451 -3.2021909952163696e-02 - - -4.2234519124031067e-01 1.6014119610190392e-02 - <_> - - 0 -1 1452 8.2102023065090179e-02 - - 1.8811950460076332e-02 -3.5674419999122620e-01 - <_> - - 0 -1 1453 -1.6890240833163261e-02 - - 1.8055370450019836e-01 -3.9605740457773209e-02 - <_> - - 0 -1 1454 3.9422731846570969e-02 - - -4.7247570008039474e-02 1.5648010373115540e-01 - <_> - - 0 -1 1455 -3.4644010011106730e-03 - - 1.0405050218105316e-01 -8.3477586507797241e-02 - <_> - - 0 -1 1456 8.5640960605815053e-05 - - -6.7565880715847015e-02 6.6931001842021942e-02 - <_> - - 0 -1 1457 -2.3889070376753807e-02 - - 1.9076910614967346e-01 -3.8808900862932205e-02 - <_> - - 0 -1 1458 1.0652880184352398e-02 - - -6.8672597408294678e-02 1.1517660319805145e-01 - <_> - - 0 -1 1459 4.0198648348450661e-03 - - 4.3745230883359909e-02 -1.7597760260105133e-01 - <_> - - 0 -1 1460 2.8608399443328381e-03 - - 4.2260829359292984e-02 -2.9830691218376160e-01 - <_> - - 0 -1 1461 -1.3064390420913696e-01 - - -3.3777090907096863e-01 1.9081590697169304e-02 - <_> - - 0 -1 1462 8.4700539708137512e-02 - - 2.7477950789034367e-03 -6.2895822525024414e-01 - <_> - - 0 -1 1463 1.0658860264811665e-04 - - -9.3349710106849670e-02 7.5861856341362000e-02 - <_> - - 0 -1 1464 -6.0290478169918060e-02 - - -2.0990860462188721e-01 5.9476150199770927e-03 - <_> - - 0 -1 1465 2.5699030607938766e-02 - - 2.2030049934983253e-02 -3.1111681461334229e-01 - <_> - - 0 -1 1466 -9.2062582552898675e-05 - - 5.0981931388378143e-02 -4.3970961123704910e-02 - <_> - - 0 -1 1467 -1.6737770056352019e-03 - - -2.6017209887504578e-01 2.4308089166879654e-02 - <_> - - 0 -1 1468 -2.1178390830755234e-02 - - 1.5146270394325256e-01 -6.5389521420001984e-02 - <_> - - 0 -1 1469 2.3533850908279419e-03 - - 2.2910179570317268e-02 -2.8287449479103088e-01 - <_> - - 0 -1 1470 5.3083989769220352e-02 - - -1.6384899616241455e-02 3.8097709417343140e-01 - <_> - - 0 -1 1471 3.9989359676837921e-02 - - -2.1868970245122910e-02 3.1823658943176270e-01 - <_> - - 0 -1 1472 -6.6623869352042675e-03 - - 1.5217649936676025e-01 -2.1288560703396797e-02 - <_> - - 0 -1 1473 -4.5556358993053436e-02 - - -7.7857428789138794e-01 8.6588803678750992e-03 - <_> - - 0 -1 1474 3.0047509353607893e-03 - - -5.2169818431138992e-02 7.0881247520446777e-02 - <_> - - 0 -1 1475 -7.3779281228780746e-03 - - 1.9265919923782349e-01 -3.5522188991308212e-02 - <_> - - 0 -1 1476 9.5453477115370333e-05 - - -9.7466319799423218e-02 9.6455052495002747e-02 - <_> - - 0 -1 1477 -1.0967990383505821e-02 - - 8.8278792798519135e-02 -7.3955200612545013e-02 - <_> - - 0 -1 1478 -8.9160412549972534e-01 - - -3.5863798856735229e-01 3.7620719522237778e-03 - <_> - - 0 -1 1479 -1.0846470296382904e-01 - - -3.3631581068038940e-01 1.9724899902939796e-02 - <_> - - 0 -1 1480 -1.0542329982854426e-04 - - 9.7968801856040955e-02 -6.4257159829139709e-02 - <_> - - 0 -1 1481 -9.3890920281410217e-02 - - 8.7082400918006897e-02 -7.8961193561553955e-02 - <_> - - 0 -1 1482 9.5453477115370333e-05 - - -5.9822808951139450e-02 5.6823138147592545e-02 - <_> - - 0 -1 1483 -9.8177138715982437e-03 - - 1.6365979611873627e-01 -4.4457729905843735e-02 - <_> - - 0 -1 1484 -9.3185197329148650e-05 - - 5.6417450308799744e-02 -3.6796100437641144e-02 - <_> - - 0 -1 1485 9.4171933596953750e-05 - - -8.0542407929897308e-02 8.3805859088897705e-02 - <_> - - 0 -1 1486 8.7554886704310775e-05 - - -4.0428161621093750e-02 5.6475739926099777e-02 - <_> - - 0 -1 1487 -2.7950000017881393e-02 - - -6.4220017194747925e-01 9.8489876836538315e-03 - <_> - - 0 -1 1488 -2.2207939997315407e-02 - - 1.1385910212993622e-01 -7.4823513627052307e-02 - <_> - - 0 -1 1489 -3.5269840154796839e-03 - - 5.6313350796699524e-02 -1.1280319839715958e-01 - <_> - - 0 -1 1490 9.3353092670440674e-03 - - 1.5176270157098770e-02 -1.7910550534725189e-01 - <_> - - 0 -1 1491 7.9498797655105591e-02 - - -4.1115999221801758e-02 2.0831950008869171e-01 - <_> - - 0 -1 1492 -6.4745172858238220e-02 - - 5.9019170701503754e-02 -5.9164099395275116e-02 - <_> - - 0 -1 1493 -3.7454050779342651e-01 - - -3.1103798747062683e-01 2.5050660595297813e-02 - <_> - - 0 -1 1494 -1.4513680071104318e-04 - - 3.6691628396511078e-02 -4.0914330631494522e-02 - <_> - - 0 -1 1495 7.7395797707140446e-03 - - 2.5194179266691208e-02 -2.8290599584579468e-01 - <_> - - 0 -1 1496 4.1609802283346653e-03 - - -6.7230418324470520e-02 1.1040230095386505e-01 - <_> - - 0 -1 1497 -1.0994499549269676e-02 - - -2.7069330215454102e-01 2.5201620534062386e-02 - <_> - - 0 -1 1498 -7.6759129762649536e-02 - - -1.7894430458545685e-01 1.5741320326924324e-02 - <_> - - 0 -1 1499 -2.9416190460324287e-02 - - 1.4778959751129150e-01 -6.1628758907318115e-02 - <_> - - 0 -1 1500 2.8790929913520813e-01 - - 1.5145620331168175e-02 -4.0490359067916870e-01 - <_> - - 0 -1 1501 -1.0059560008812696e-04 - - 7.6832540333271027e-02 -8.3564698696136475e-02 - <_> - - 0 -1 1502 4.2243651114404202e-03 - - -2.9256410896778107e-02 1.2022250145673752e-01 - <_> - - 0 -1 1503 -2.5259390473365784e-02 - - -2.8604280948638916e-01 2.1992789581418037e-02 - <_> - - 0 -1 1504 -6.4038828015327454e-02 - - -2.1891179680824280e-01 1.0843659751117229e-02 - <_> - - 0 -1 1505 -7.0518881082534790e-02 - - 4.5709618926048279e-01 -1.6392199322581291e-02 - <_> - - 0 -1 1506 -7.0195732405409217e-05 - - 3.6932911723852158e-02 -3.7064079195261002e-02 - <_> - - 0 -1 1507 2.9889319557696581e-03 - - -3.7548080086708069e-02 1.8391540646553040e-01 - <_> - - 0 -1 1508 -3.4994310699403286e-03 - - 1.1269920319318771e-01 -5.1340840756893158e-02 - <_> - - 0 -1 1509 2.4127110838890076e-02 - - -4.1499000042676926e-02 1.7326690256595612e-01 - <_> - - 0 -1 1510 5.6061740033328533e-03 - - 1.2599259614944458e-02 -4.9376100301742554e-01 - <_> - - 0 -1 1511 -6.8790130317211151e-03 - - 1.2688520550727844e-01 -4.7930359840393066e-02 - <_> - - 0 -1 1512 -9.9475309252738953e-03 - - -3.0533370375633240e-01 3.5668209195137024e-02 - <_> - - 0 -1 1513 -6.0581211000680923e-03 - - 1.0993719846010208e-01 -5.5137481540441513e-02 - <_> - - 0 -1 1514 -8.6769327521324158e-02 - - 5.6110959500074387e-02 -9.3765012919902802e-02 - <_> - - 0 -1 1515 -1.0192230343818665e-01 - - 5.9622108936309814e-01 -1.1424260213971138e-02 - <_> - - 0 -1 1516 1.6004019975662231e-01 - - 7.1362429298460484e-03 -4.4572108983993530e-01 - <_> - - 0 -1 1517 3.9025470614433289e-03 - - -4.5999579131603241e-02 1.2214680016040802e-01 - <_> - - 0 -1 1518 1.1425039730966091e-02 - - 3.5727649927139282e-02 -4.2463791370391846e-01 - <_> - - 0 -1 1519 4.8979889601469040e-02 - - -3.1489778310060501e-02 2.0362310111522675e-01 - <_> - - 0 -1 1520 -1.3469650410115719e-02 - - -1.7559459805488586e-01 1.9817389547824860e-02 - <_> - - 0 -1 1521 1.0275639593601227e-02 - - 2.7038760483264923e-02 -2.3310990631580353e-01 - <_> - - 0 -1 1522 6.2424209900200367e-03 - - 3.4217160195112228e-02 -3.3560711145401001e-01 - <_> - - 0 -1 1523 -1.8931780010461807e-02 - - 1.2230350077152252e-01 -5.0813648849725723e-02 - <_> - - 0 -1 1524 1.9672000408172607e-01 - - 2.1031980868428946e-03 -3.7800818681716919e-01 - <_> - - 0 -1 1525 1.3458089902997017e-02 - - 1.8042970448732376e-02 -3.0950629711151123e-01 - <_> - - 0 -1 1526 -1.0042759822681546e-04 - - 3.4072581678628922e-02 -4.0977768599987030e-02 - <_> - - 0 -1 1527 -1.0216310329269618e-04 - - 7.3899388313293457e-02 -7.5234226882457733e-02 - <_> - - 0 -1 1528 -1.2140619568526745e-02 - - 1.2632420659065247e-01 -3.7841018289327621e-02 - <_> - - 0 -1 1529 -1.1189839802682400e-02 - - 1.6342529654502869e-01 -3.5992480814456940e-02 - <_> - - 0 -1 1530 -8.0074174329638481e-03 - - 3.0394570901989937e-02 -4.6366918832063675e-02 - <_> - - 0 -1 1531 -1.3145169941708446e-03 - - 1.1306670308113098e-01 -5.6612670421600342e-02 - <_> - - 0 -1 1532 -1.1575019918382168e-02 - - -7.0984877645969391e-02 2.3284029215574265e-02 - <_> - - 0 -1 1533 1.3627949357032776e-01 - - 1.2413679622113705e-02 -5.0667232275009155e-01 - <_> - - 0 -1 1534 -3.9589088410139084e-02 - - -9.5774747431278229e-02 8.6489180102944374e-03 - <_> - - 0 -1 1535 -1.6751129180192947e-02 - - -2.5233340263366699e-01 2.2889090701937675e-02 - <_> - - 0 -1 1536 -9.3176960945129395e-05 - - 8.7076880037784576e-02 -6.7520499229431152e-02 - <_> - - 0 -1 1537 -2.8843290638178587e-03 - - 1.1290279775857925e-01 -5.2280839532613754e-02 - <_> - - 0 -1 1538 3.0579629819840193e-03 - - 3.5874661058187485e-02 -1.8656499683856964e-01 - <_> - - 0 -1 1539 9.7428957815282047e-05 - - -1.1454830318689346e-01 5.5013570934534073e-02 - <_> - - 0 -1 1540 1.2528899824246764e-03 - - -5.5488720536231995e-02 1.4234280586242676e-01 - <_> - - 0 -1 1541 -1.0249209590256214e-03 - - -1.7321769893169403e-01 3.8605920970439911e-02 - <_> - - 0 -1 1542 -9.3161962926387787e-02 - - -5.7080817222595215e-01 7.1864281781017780e-03 - <_> - - 0 -1 1543 -1.1855579941766337e-04 - - 7.3641091585159302e-02 -7.7750876545906067e-02 - <_> - - 0 -1 1544 -1.0393650154583156e-04 - - 4.2040091007947922e-02 -3.4394789487123489e-02 - <_> - - 0 -1 1545 1.0028410179074854e-04 - - -7.0151716470718384e-02 1.0055100172758102e-01 - <_> - - 0 -1 1546 9.8116062581539154e-03 - - -5.7586219161748886e-02 1.2543989717960358e-01 - <_> - - 0 -1 1547 -1.6187250614166260e-02 - - -2.1058849990367889e-01 2.9680129140615463e-02 - <_> - - 0 -1 1548 -7.9579830169677734e-02 - - 2.7109518647193909e-01 -8.4382239729166031e-03 - <_> - - 0 -1 1549 -1.1105289449915290e-03 - - -1.0552699863910675e-01 5.2781209349632263e-02 - <_> - - 0 -1 1550 -1.4178539626300335e-02 - - 7.4876338243484497e-02 -3.7788759917020798e-02 - <_> - - 0 -1 1551 -3.7608280777931213e-02 - - 3.1014311313629150e-01 -1.9222050905227661e-02 - <_> - - 0 -1 1552 7.7960239723324776e-03 - - 2.0659619942307472e-02 -2.0293909311294556e-01 - <_> - - 0 -1 1553 -3.7200350780040026e-03 - - -1.5401360392570496e-01 3.6573860794305801e-02 - <_> - - 0 -1 1554 2.3217389360070229e-02 - - 1.3617049902677536e-02 -1.3466610014438629e-01 - <_> - - 0 -1 1555 1.6200500540435314e-03 - - -4.9910828471183777e-02 1.3622540235519409e-01 - <_> - - 0 -1 1556 -1.4102110266685486e-01 - - 6.7398101091384888e-02 -3.9583180099725723e-02 - <_> - - 0 -1 1557 4.9663311801850796e-03 - - 2.7015270665287971e-02 -2.0322099328041077e-01 - <_> - - 0 -1 1558 6.2545441091060638e-02 - - -2.0299300551414490e-02 2.7076178789138794e-01 - <_> - - 0 -1 1559 3.5370729863643646e-02 - - 1.4647419564425945e-02 -4.1517329216003418e-01 - <_> - - 0 -1 1560 1.1029910296201706e-02 - - 3.1699210405349731e-02 -2.4132180213928223e-01 - <_> - - 0 -1 1561 6.4016189426183701e-03 - - -4.8948030918836594e-02 1.1326249688863754e-01 - <_> - - 0 -1 1562 -4.9354950897395611e-03 - - 1.4654329419136047e-01 -4.8041410744190216e-02 - <_> - - 0 -1 1563 1.1353639885783195e-02 - - 1.7729170620441437e-02 -3.4834858775138855e-01 - <_> - - 0 -1 1564 1.7991849454119802e-03 - - 3.1500369310379028e-02 -1.1007600277662277e-01 - <_> - - 0 -1 1565 -2.0583570003509521e-03 - - 1.3763889670372009e-01 -3.8278561085462570e-02 - <_> - - 0 -1 1566 -1.1583940126001835e-02 - - -1.9790500402450562e-01 2.1540040150284767e-02 - <_> - - 0 -1 1567 -1.7315410077571869e-03 - - 1.4173020422458649e-01 -3.8997210562229156e-02 - <_> - - 0 -1 1568 -8.4372592391446233e-04 - - 1.3655510544776917e-01 -8.0693908035755157e-02 - <_> - - 0 -1 1569 -9.1473877429962158e-02 - - -4.4754090905189514e-01 1.1962350457906723e-02 - <_> - - 0 -1 1570 -1.8104219809174538e-02 - - 7.7289618551731110e-02 -2.3545600473880768e-02 - <_> - - 0 -1 1571 -1.1535269732121378e-04 - - 7.6836310327053070e-02 -6.8134322762489319e-02 - <_> - - 0 -1 1572 1.0906109586358070e-02 - - 7.2263278998434544e-03 -6.9704157114028931e-01 - <_> - - 0 -1 1573 1.7245879862457514e-03 - - -5.0353311002254486e-02 1.2810109555721283e-01 - <_> - - 0 -1 1574 2.0589210093021393e-01 - - -1.3300600461661816e-02 2.7169388532638550e-01 - <_> - - 0 -1 1575 -3.1669791787862778e-02 - - -3.3548399806022644e-01 1.5808839350938797e-02 - <_> - - 0 -1 1576 1.2097669765353203e-02 - - -7.1846768260002136e-02 1.8981289118528366e-02 - <_> - - 0 -1 1577 -9.8784686997532845e-05 - - 6.6305041313171387e-02 -7.9649433493614197e-02 - <_> - - 0 -1 1578 3.4662809222936630e-02 - - -2.4243790656328201e-02 2.2660750150680542e-01 - <_> - - 0 -1 1579 4.1574249044060707e-03 - - -2.3725839331746101e-02 2.2775200009346008e-01 - <_> - - 0 -1 1580 1.3625459372997284e-01 - - 1.2545660138130188e-02 -1.8698890507221222e-01 - <_> - - 0 -1 1581 -1.8796479701995850e-01 - - -4.9749028682708740e-01 1.0914600454270840e-02 - <_> - - 0 -1 1582 -6.8078853189945221e-02 - - 6.5818381309509277e-01 -4.3843579478561878e-03 - <_> - - 0 -1 1583 4.1167731396853924e-03 - - 4.0211249142885208e-02 -1.4137159287929535e-01 - <_> - - 0 -1 1584 1.2222830206155777e-02 - - 1.7555380240082741e-02 -1.2423080205917358e-01 - <_> - - 0 -1 1585 -3.0194509774446487e-02 - - 2.8969380259513855e-01 -2.0085370168089867e-02 - <_> - - 0 -1 1586 -1.3630479574203491e-02 - - -7.2930537164211273e-02 2.0471939817070961e-02 - <_> - - 0 -1 1587 -4.9170460551977158e-02 - - 1.4496059715747833e-01 -4.1022989898920059e-02 - <_> - - 0 -1 1588 -1.8805779516696930e-02 - - -3.0851051211357117e-01 2.8086919337511063e-02 - <_> - - 0 -1 1589 3.0058639124035835e-02 - - 1.2547640129923820e-02 -4.4722351431846619e-01 - <_> - - 0 -1 1590 1.1746119707822800e-02 - - -5.7717248797416687e-02 8.7828032672405243e-02 - <_> - - 0 -1 1591 1.0928919911384583e-01 - - -6.8391263484954834e-02 9.7572147846221924e-02 - <_> - - 0 -1 1592 9.1915056109428406e-03 - - -7.4181012809276581e-02 7.3394171893596649e-02 - <_> - - 0 -1 1593 1.8468169867992401e-01 - - 9.3096662312746048e-03 -5.8784562349319458e-01 - <_> - - 0 -1 1594 6.8637598305940628e-03 - - 3.0968079343438148e-02 -1.7277500033378601e-01 - <_> - - 0 -1 1595 -1.9742390140891075e-03 - - 1.3069419562816620e-01 -3.8030050694942474e-02 - <_> - - 0 -1 1596 -2.6963930577039719e-03 - - 1.6244409978389740e-01 -3.5481378436088562e-02 - <_> - - 0 -1 1597 -5.8013908565044403e-02 - - -4.3749481439590454e-01 1.2770510278642178e-02 - <_> - - 0 -1 1598 8.9008668437600136e-03 - - 4.3059259653091431e-02 -3.7901559472084045e-01 - <_> - - 0 -1 1599 -1.6740450635552406e-02 - - -4.0966311097145081e-01 1.0411660186946392e-02 - <_> - - 0 -1 1600 2.6413789018988609e-03 - - -4.0057808160781860e-02 2.1676640212535858e-01 - <_> - - 0 -1 1601 -8.0486387014389038e-03 - - -2.7881771326065063e-01 1.9777970388531685e-02 - <_> - - 0 -1 1602 -6.0376349836587906e-02 - - 5.3534799814224243e-01 -1.1424889788031578e-02 - <_> - - 0 -1 1603 2.3124070838093758e-02 - - 1.6458159312605858e-02 -3.2125988602638245e-01 - <_> - - 0 -1 1604 2.0322829484939575e-01 - - -2.3145940154790878e-02 2.3903259634971619e-01 - <_> - - 0 -1 1605 9.2585664242506027e-03 - - 1.1980939656496048e-02 -4.3842160701751709e-01 - <_> - - 0 -1 1606 -9.3168877356220037e-05 - - 3.8687478750944138e-02 -3.7797808647155762e-02 - <_> - - 0 -1 1607 -3.0643379688262939e-01 - - -5.5774372816085815e-01 9.6901366487145424e-03 - <_> - - 0 -1 1608 9.9146942375227809e-05 - - -5.5330239236354828e-02 6.6835246980190277e-02 - <_> - - 0 -1 1609 -2.0753950811922550e-03 - - 1.5105390548706055e-01 -3.7970088422298431e-02 - <_> - - 0 -1 1610 1.7292000120505691e-03 - - 3.7206560373306274e-02 -1.2662950158119202e-01 - <_> - - 0 -1 1611 4.1486289352178574e-02 - - -7.8654065728187561e-03 5.9286290407180786e-01 - <_> - - 0 -1 1612 -2.1392209455370903e-03 - - -2.1703329682350159e-01 2.5509839877486229e-02 - <_> - - 0 -1 1613 -1.2593599967658520e-03 - - -1.5436570346355438e-01 3.1676661223173141e-02 - <_> - - 0 -1 1614 -5.2773267962038517e-03 - - 4.0892910212278366e-02 -2.8415739536285400e-02 - <_> - - 0 -1 1615 -1.1125040240585804e-02 - - 1.6232059895992279e-01 -3.0745169147849083e-02 - <_> - - 0 -1 1616 -1.6761909937486053e-03 - - -3.3090171217918396e-01 1.7768569290637970e-02 - <_> - - 0 -1 1617 -1.0530459985602647e-04 - - 7.5438939034938812e-02 -6.6933870315551758e-02 - <_> - - 0 -1 1618 7.3067108169198036e-03 - - 5.1727588288486004e-03 -5.5249291658401489e-01 - <_> - - 0 -1 1619 9.5791132480371743e-05 - - -7.4921347200870514e-02 8.6354851722717285e-02 - <_> - - 0 -1 1620 -9.3413247668650001e-05 - - 4.8558268696069717e-02 -4.0378730744123459e-02 - <_> - - 0 -1 1621 4.6156500466167927e-03 - - -3.7532798945903778e-02 1.3340139389038086e-01 - <_> - - 0 -1 1622 -4.1042149066925049e-02 - - 2.9821568727493286e-01 -6.6182389855384827e-03 - <_> - - 0 -1 1623 7.1153012104332447e-03 - - -2.1631240844726562e-02 2.3582610487937927e-01 - <_> - - 0 -1 1624 -3.1066430732607841e-02 - - -5.8610522747039795e-01 3.6739821080118418e-03 - <_> - - 0 -1 1625 4.5988909900188446e-02 - - 1.6935029998421669e-02 -3.1026428937911987e-01 - <_> - - 0 -1 1626 -1.1326739937067032e-01 - - 1.5654860436916351e-01 -5.0538508221507072e-03 - <_> - - 0 -1 1627 6.4136488363146782e-03 - - -5.3936250507831573e-02 1.0013920068740845e-01 - <_> - - 0 -1 1628 3.6615829914808273e-02 - - 8.5446005687117577e-03 -1.5964660048484802e-01 - <_> - - 0 -1 1629 -1.7147939652204514e-02 - - 1.4192830026149750e-01 -5.3749438375234604e-02 - <_> - - 0 -1 1630 5.3531897719949484e-04 - - 1.1440339684486389e-01 -2.3302769660949707e-01 - <_> - - 0 -1 1631 1.1444079689681530e-02 - - 1.2468489818274975e-02 -3.9174211025238037e-01 - <_> - - 0 -1 1632 8.3751561760436743e-05 - - -4.9933150410652161e-02 5.4828610271215439e-02 - <_> - - 0 -1 1633 -1.8420179840177298e-03 - - 1.4353500306606293e-01 -3.7544708698987961e-02 - <_> - - 0 -1 1634 4.5310789719223976e-03 - - 1.0783690027892590e-02 -1.8584489822387695e-01 - <_> - - 0 -1 1635 -6.4388299360871315e-03 - - -3.6381769180297852e-01 1.2662259861826897e-02 - <_> - - 0 -1 1636 5.8657680638134480e-03 - - -5.0155811011791229e-02 9.5346279442310333e-02 - <_> - - 0 -1 1637 7.2214446961879730e-02 - - 2.0769899711012840e-02 -2.3239180445671082e-01 - <_> - - 0 -1 1638 1.1799850035458803e-03 - - 3.0479110777378082e-02 -1.0156790167093277e-01 - <_> - - 0 -1 1639 -9.1386884450912476e-03 - - 1.4592429995536804e-01 -3.5100910812616348e-02 - <_> - - 0 -1 1640 -1.1487520299851894e-02 - - 6.6731408238410950e-02 -4.0960971266031265e-02 - <_> - - 0 -1 1641 5.9421849437057972e-03 - - 2.6715600863099098e-02 -2.0938999950885773e-01 - <_> - - 0 -1 1642 1.5967000275850296e-02 - - -2.5690900161862373e-02 1.6294980049133301e-01 - <_> - - 0 -1 1643 -1.0477179894223809e-03 - - 1.1148150265216827e-01 -4.4679220765829086e-02 - <_> - - 0 -1 1644 -1.7775410087779164e-03 - - 5.1736749708652496e-02 -3.4007608890533447e-02 - <_> - - 0 -1 1645 2.2314190864562988e-02 - - 1.1056879535317421e-02 -4.7578111290931702e-01 - <_> - - 0 -1 1646 -1.2075630016624928e-02 - - 7.8382678329944611e-02 -3.8613840937614441e-02 - <_> - - 0 -1 1647 5.9365699999034405e-03 - - -4.0792420506477356e-02 1.2774890661239624e-01 - - <_> - - <_> - 2 0 9 12 -1. - <_> - 2 4 9 4 3. - <_> - - <_> - 3 4 12 8 -1. - <_> - 3 8 12 4 2. - <_> - - <_> - 8 2 6 2 -1. - <_> - 10 4 2 2 3. - 1 - <_> - - <_> - 13 9 4 2 -1. - <_> - 13 10 4 1 2. - <_> - - <_> - 0 0 18 10 -1. - <_> - 6 0 6 10 3. - <_> - - <_> - 13 9 4 2 -1. - <_> - 13 10 4 1 2. - <_> - - <_> - 1 9 4 2 -1. - <_> - 1 10 4 1 2. - <_> - - <_> - 16 9 1 3 -1. - <_> - 16 10 1 1 3. - <_> - - <_> - 5 1 8 6 -1. - <_> - 5 3 8 2 3. - <_> - - <_> - 7 1 7 6 -1. - <_> - 7 3 7 2 3. - <_> - - <_> - 1 9 1 3 -1. - <_> - 1 10 1 1 3. - <_> - - <_> - 17 0 1 12 -1. - <_> - 17 6 1 6 2. - <_> - - <_> - 0 0 1 12 -1. - <_> - 0 6 1 6 2. - <_> - - <_> - 13 1 5 4 -1. - <_> - 13 3 5 2 2. - <_> - - <_> - 2 0 9 12 -1. - <_> - 2 4 9 4 3. - <_> - - <_> - 16 6 2 1 -1. - <_> - 16 6 1 1 2. - <_> - - <_> - 1 5 10 6 -1. - <_> - 1 8 10 3 2. - <_> - - <_> - 0 1 18 9 -1. - <_> - 6 4 6 3 9. - <_> - - <_> - 0 8 5 4 -1. - <_> - 0 10 5 2 2. - <_> - - <_> - 10 2 2 6 -1. - <_> - 8 4 2 2 3. - 1 - <_> - - <_> - 8 2 6 2 -1. - <_> - 10 4 2 2 3. - 1 - <_> - - <_> - 4 1 10 6 -1. - <_> - 4 3 10 2 3. - <_> - - <_> - 3 10 12 2 -1. - <_> - 3 11 12 1 2. - <_> - - <_> - 7 10 4 2 -1. - <_> - 8 10 2 2 2. - <_> - - <_> - 8 3 4 2 -1. - <_> - 8 3 2 2 2. - 1 - <_> - - <_> - 7 10 4 2 -1. - <_> - 8 10 2 2 2. - <_> - - <_> - 0 0 18 2 -1. - <_> - 6 0 6 2 3. - <_> - - <_> - 4 2 10 6 -1. - <_> - 4 4 10 2 3. - <_> - - <_> - 1 9 1 3 -1. - <_> - 1 10 1 1 3. - <_> - - <_> - 15 10 1 2 -1. - <_> - 15 11 1 1 2. - <_> - - <_> - 2 10 1 2 -1. - <_> - 2 11 1 1 2. - <_> - - <_> - 15 9 2 2 -1. - <_> - 16 9 1 1 2. - <_> - 15 10 1 1 2. - <_> - - <_> - 1 9 2 2 -1. - <_> - 1 9 1 1 2. - <_> - 2 10 1 1 2. - <_> - - <_> - 5 0 8 6 -1. - <_> - 5 2 8 2 3. - <_> - - <_> - 2 0 11 6 -1. - <_> - 2 2 11 2 3. - <_> - - <_> - 7 0 4 3 -1. - <_> - 8 0 2 3 2. - <_> - - <_> - 4 11 4 1 -1. - <_> - 5 11 2 1 2. - <_> - - <_> - 3 4 12 8 -1. - <_> - 3 8 12 4 2. - <_> - - <_> - 9 1 4 6 -1. - <_> - 7 3 4 2 3. - 1 - <_> - - <_> - 0 5 12 6 -1. - <_> - 0 5 6 3 2. - <_> - 6 8 6 3 2. - <_> - - <_> - 9 1 3 6 -1. - <_> - 7 3 3 2 3. - 1 - <_> - - <_> - 9 1 6 3 -1. - <_> - 11 3 2 3 3. - 1 - <_> - - <_> - 12 10 6 2 -1. - <_> - 12 11 6 1 2. - <_> - - <_> - 0 8 7 4 -1. - <_> - 0 10 7 2 2. - <_> - - <_> - 0 0 18 11 -1. - <_> - 6 0 6 11 3. - <_> - - <_> - 0 10 4 2 -1. - <_> - 0 11 4 1 2. - <_> - - <_> - 13 3 3 3 -1. - <_> - 12 4 3 1 3. - 1 - <_> - - <_> - 5 3 3 3 -1. - <_> - 6 4 1 3 3. - 1 - <_> - - <_> - 9 10 6 2 -1. - <_> - 11 10 2 2 3. - <_> - - <_> - 5 10 6 2 -1. - <_> - 7 10 2 2 3. - <_> - - <_> - 8 10 2 2 -1. - <_> - 8 10 1 2 2. - <_> - - <_> - 0 8 3 4 -1. - <_> - 0 9 3 2 2. - <_> - - <_> - 7 4 4 5 -1. - <_> - 8 4 2 5 2. - <_> - - <_> - 3 0 6 4 -1. - <_> - 5 0 2 4 3. - <_> - - <_> - 9 6 3 1 -1. - <_> - 10 6 1 1 3. - <_> - - <_> - 4 0 10 2 -1. - <_> - 4 1 10 1 2. - <_> - - <_> - 8 0 4 4 -1. - <_> - 9 0 2 4 2. - <_> - - <_> - 6 0 4 4 -1. - <_> - 7 0 2 4 2. - <_> - - <_> - 9 5 3 3 -1. - <_> - 10 5 1 3 3. - <_> - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - <_> - - <_> - 5 0 9 3 -1. - <_> - 5 1 9 1 3. - <_> - - <_> - 3 2 2 3 -1. - <_> - 2 3 2 1 3. - 1 - <_> - - <_> - 7 0 8 8 -1. - <_> - 7 2 8 4 2. - <_> - - <_> - 6 5 3 1 -1. - <_> - 7 5 1 1 3. - <_> - - <_> - 15 5 3 4 -1. - <_> - 15 6 3 2 2. - <_> - - <_> - 0 3 16 8 -1. - <_> - 0 3 8 4 2. - <_> - 8 7 8 4 2. - <_> - - <_> - 16 4 2 4 -1. - <_> - 16 5 2 2 2. - <_> - - <_> - 0 4 2 4 -1. - <_> - 0 5 2 2 2. - <_> - - <_> - 10 6 2 2 -1. - <_> - 11 6 1 1 2. - <_> - 10 7 1 1 2. - <_> - - <_> - 7 9 4 2 -1. - <_> - 8 9 2 2 2. - <_> - - <_> - 14 6 4 3 -1. - <_> - 14 6 2 3 2. - <_> - - <_> - 6 9 6 3 -1. - <_> - 8 9 2 3 3. - <_> - - <_> - 9 5 2 2 -1. - <_> - 10 5 1 1 2. - <_> - 9 6 1 1 2. - <_> - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - <_> - - <_> - 15 3 3 2 -1. - <_> - 15 4 3 1 2. - <_> - - <_> - 0 3 3 2 -1. - <_> - 0 4 3 1 2. - <_> - - <_> - 0 0 18 12 -1. - <_> - 6 4 6 4 9. - <_> - - <_> - 8 4 10 8 -1. - <_> - 8 8 10 4 2. - <_> - - <_> - 0 5 4 4 -1. - <_> - 2 5 2 4 2. - <_> - - <_> - 14 7 4 4 -1. - <_> - 14 9 4 2 2. - <_> - - <_> - 7 2 6 1 -1. - <_> - 9 4 2 1 3. - 1 - <_> - - <_> - 16 8 2 2 -1. - <_> - 16 9 2 1 2. - <_> - - <_> - 0 8 2 2 -1. - <_> - 0 9 2 1 2. - <_> - - <_> - 13 2 4 1 -1. - <_> - 14 2 2 1 2. - <_> - - <_> - 0 10 6 2 -1. - <_> - 0 11 6 1 2. - <_> - - <_> - 14 9 4 2 -1. - <_> - 14 10 4 1 2. - <_> - - <_> - 0 9 4 2 -1. - <_> - 0 10 4 1 2. - <_> - - <_> - 9 0 4 7 -1. - <_> - 10 1 2 7 2. - 1 - <_> - - <_> - 0 4 2 6 -1. - <_> - 0 7 2 3 2. - <_> - - <_> - 8 10 4 2 -1. - <_> - 9 10 2 2 2. - <_> - - <_> - 6 0 8 4 -1. - <_> - 6 0 8 2 2. - 1 - <_> - - <_> - 13 9 1 2 -1. - <_> - 13 9 1 1 2. - 1 - <_> - - <_> - 9 0 6 4 -1. - <_> - 8 1 6 2 2. - 1 - <_> - - <_> - 6 0 12 2 -1. - <_> - 9 0 6 2 2. - <_> - - <_> - 4 0 9 8 -1. - <_> - 4 2 9 4 2. - <_> - - <_> - 9 0 2 4 -1. - <_> - 9 0 1 4 2. - <_> - - <_> - 7 0 4 3 -1. - <_> - 8 0 2 3 2. - <_> - - <_> - 6 4 6 6 -1. - <_> - 8 6 2 2 9. - <_> - - <_> - 6 10 4 2 -1. - <_> - 7 10 2 2 2. - <_> - - <_> - 13 7 5 2 -1. - <_> - 13 8 5 1 2. - <_> - - <_> - 7 4 4 4 -1. - <_> - 7 5 4 2 2. - <_> - - <_> - 13 7 5 2 -1. - <_> - 13 8 5 1 2. - <_> - - <_> - 0 7 5 2 -1. - <_> - 0 8 5 1 2. - <_> - - <_> - 0 0 18 1 -1. - <_> - 0 0 9 1 2. - <_> - - <_> - 4 10 4 2 -1. - <_> - 5 10 2 2 2. - <_> - - <_> - 10 5 4 3 -1. - <_> - 11 5 2 3 2. - <_> - - <_> - 4 5 4 3 -1. - <_> - 5 5 2 3 2. - <_> - - <_> - 9 0 4 2 -1. - <_> - 10 0 2 2 2. - <_> - - <_> - 4 9 1 2 -1. - <_> - 4 10 1 1 2. - <_> - - <_> - 5 0 8 4 -1. - <_> - 5 1 8 2 2. - <_> - - <_> - 6 0 5 4 -1. - <_> - 6 1 5 2 2. - <_> - - <_> - 9 0 3 2 -1. - <_> - 10 0 1 2 3. - <_> - - <_> - 0 8 18 4 -1. - <_> - 6 8 6 4 3. - <_> - - <_> - 9 0 4 2 -1. - <_> - 10 0 2 2 2. - <_> - - <_> - 0 9 2 3 -1. - <_> - 0 10 2 1 3. - <_> - - <_> - 6 1 8 6 -1. - <_> - 6 3 8 2 3. - <_> - - <_> - 5 0 4 2 -1. - <_> - 6 0 2 2 2. - <_> - - <_> - 7 6 8 2 -1. - <_> - 9 6 4 2 2. - <_> - - <_> - 6 4 2 3 -1. - <_> - 6 4 1 3 2. - 1 - <_> - - <_> - 5 0 9 6 -1. - <_> - 5 2 9 2 3. - <_> - - <_> - 2 1 11 4 -1. - <_> - 2 2 11 2 2. - <_> - - <_> - 14 2 2 2 -1. - <_> - 14 2 1 2 2. - 1 - <_> - - <_> - 4 2 2 3 -1. - <_> - 3 3 2 1 3. - 1 - <_> - - <_> - 6 1 6 9 -1. - <_> - 8 4 2 3 9. - <_> - - <_> - 14 5 4 4 -1. - <_> - 14 5 2 4 2. - <_> - - <_> - 1 6 10 6 -1. - <_> - 1 9 10 3 2. - <_> - - <_> - 14 5 4 5 -1. - <_> - 14 5 2 5 2. - <_> - - <_> - 0 5 4 5 -1. - <_> - 2 5 2 5 2. - <_> - - <_> - 10 3 3 3 -1. - <_> - 11 4 1 3 3. - 1 - <_> - - <_> - 8 4 2 3 -1. - <_> - 7 5 2 1 3. - 1 - <_> - - <_> - 9 5 3 2 -1. - <_> - 9 6 3 1 2. - <_> - - <_> - 6 5 2 2 -1. - <_> - 6 6 2 1 2. - <_> - - <_> - 6 2 8 4 -1. - <_> - 6 3 8 2 2. - <_> - - <_> - 1 0 16 2 -1. - <_> - 5 0 8 2 2. - <_> - - <_> - 9 3 2 6 -1. - <_> - 7 5 2 2 3. - 1 - <_> - - <_> - 0 0 1 12 -1. - <_> - 0 6 1 6 2. - <_> - - <_> - 7 5 4 3 -1. - <_> - 7 5 2 3 2. - <_> - - <_> - 2 8 2 2 -1. - <_> - 2 8 1 2 2. - 1 - <_> - - <_> - 9 4 3 2 -1. - <_> - 10 5 1 2 3. - 1 - <_> - - <_> - 9 4 2 3 -1. - <_> - 8 5 2 1 3. - 1 - <_> - - <_> - 5 0 8 4 -1. - <_> - 5 1 8 2 2. - <_> - - <_> - 6 10 1 2 -1. - <_> - 6 11 1 1 2. - <_> - - <_> - 7 0 8 4 -1. - <_> - 7 1 8 2 2. - <_> - - <_> - 4 11 6 1 -1. - <_> - 6 11 2 1 3. - <_> - - <_> - 6 11 6 1 -1. - <_> - 8 11 2 1 3. - <_> - - <_> - 0 2 18 10 -1. - <_> - 0 2 9 5 2. - <_> - 9 7 9 5 2. - <_> - - <_> - 6 0 6 9 -1. - <_> - 8 0 2 9 3. - <_> - - <_> - 5 11 6 1 -1. - <_> - 7 11 2 1 3. - <_> - - <_> - 6 0 6 4 -1. - <_> - 8 0 2 4 3. - <_> - - <_> - 5 1 7 4 -1. - <_> - 5 2 7 2 2. - <_> - - <_> - 12 3 1 2 -1. - <_> - 12 4 1 1 2. - <_> - - <_> - 4 5 3 3 -1. - <_> - 5 5 1 3 3. - <_> - - <_> - 9 0 6 2 -1. - <_> - 11 0 2 2 3. - <_> - - <_> - 3 0 6 2 -1. - <_> - 5 0 2 2 3. - <_> - - <_> - 9 5 3 5 -1. - <_> - 10 5 1 5 3. - <_> - - <_> - 6 5 3 5 -1. - <_> - 7 5 1 5 3. - <_> - - <_> - 17 4 1 6 -1. - <_> - 17 6 1 2 3. - <_> - - <_> - 0 2 1 9 -1. - <_> - 0 5 1 3 3. - <_> - - <_> - 15 9 2 2 -1. - <_> - 16 9 1 1 2. - <_> - 15 10 1 1 2. - <_> - - <_> - 1 9 2 2 -1. - <_> - 1 9 1 1 2. - <_> - 2 10 1 1 2. - <_> - - <_> - 10 6 3 2 -1. - <_> - 11 6 1 2 3. - <_> - - <_> - 3 2 4 3 -1. - <_> - 4 3 2 3 2. - 1 - <_> - - <_> - 17 7 1 4 -1. - <_> - 17 8 1 2 2. - <_> - - <_> - 0 7 1 4 -1. - <_> - 0 8 1 2 2. - <_> - - <_> - 9 0 3 7 -1. - <_> - 10 1 1 7 3. - 1 - <_> - - <_> - 9 0 7 3 -1. - <_> - 8 1 7 1 3. - 1 - <_> - - <_> - 9 10 2 2 -1. - <_> - 10 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 15 0 3 2 -1. - <_> - 16 1 1 2 3. - 1 - <_> - - <_> - 4 2 10 3 -1. - <_> - 4 3 10 1 3. - <_> - - <_> - 16 2 2 2 -1. - <_> - 16 2 1 2 2. - 1 - <_> - - <_> - 2 2 2 2 -1. - <_> - 2 2 2 1 2. - 1 - <_> - - <_> - 0 11 18 1 -1. - <_> - 0 11 9 1 2. - <_> - - <_> - 1 1 16 10 -1. - <_> - 5 1 8 10 2. - <_> - - <_> - 9 10 2 2 -1. - <_> - 10 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 2 0 16 10 -1. - <_> - 6 0 8 10 2. - <_> - - <_> - 0 0 16 10 -1. - <_> - 4 0 8 10 2. - <_> - - <_> - 14 10 2 2 -1. - <_> - 14 11 2 1 2. - <_> - - <_> - 5 6 3 2 -1. - <_> - 6 6 1 2 3. - <_> - - <_> - 0 2 11 8 -1. - <_> - 0 4 11 4 2. - <_> - - <_> - 6 5 6 3 -1. - <_> - 8 5 2 3 3. - <_> - - <_> - 0 5 4 3 -1. - <_> - 2 5 2 3 2. - <_> - - <_> - 3 2 12 6 -1. - <_> - 3 4 12 2 3. - <_> - - <_> - 0 9 3 3 -1. - <_> - 0 10 3 1 3. - <_> - - <_> - 6 3 7 3 -1. - <_> - 6 4 7 1 3. - <_> - - <_> - 4 10 10 2 -1. - <_> - 4 11 10 1 2. - <_> - - <_> - 5 4 10 2 -1. - <_> - 5 5 10 1 2. - <_> - - <_> - 0 0 18 8 -1. - <_> - 6 0 6 8 3. - <_> - - <_> - 17 4 1 8 -1. - <_> - 17 8 1 4 2. - <_> - - <_> - 0 4 1 8 -1. - <_> - 0 8 1 4 2. - <_> - - <_> - 5 7 12 3 -1. - <_> - 9 7 4 3 3. - <_> - - <_> - 3 2 4 2 -1. - <_> - 4 3 2 2 2. - 1 - <_> - - <_> - 7 0 6 4 -1. - <_> - 9 0 2 4 3. - <_> - - <_> - 5 0 6 4 -1. - <_> - 7 0 2 4 3. - <_> - - <_> - 15 10 3 2 -1. - <_> - 15 11 3 1 2. - <_> - - <_> - 6 6 3 1 -1. - <_> - 7 6 1 1 3. - <_> - - <_> - 9 6 3 1 -1. - <_> - 10 6 1 1 3. - <_> - - <_> - 0 10 3 2 -1. - <_> - 0 11 3 1 2. - <_> - - <_> - 6 10 6 2 -1. - <_> - 8 10 2 2 3. - <_> - - <_> - 4 0 7 4 -1. - <_> - 4 1 7 2 2. - <_> - - <_> - 5 0 10 4 -1. - <_> - 5 1 10 2 2. - <_> - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - <_> - - <_> - 6 10 6 2 -1. - <_> - 8 10 2 2 3. - <_> - - <_> - 6 6 3 1 -1. - <_> - 7 6 1 1 3. - <_> - - <_> - 9 1 6 3 -1. - <_> - 11 1 2 3 3. - <_> - - <_> - 3 1 6 3 -1. - <_> - 5 1 2 3 3. - <_> - - <_> - 8 1 5 4 -1. - <_> - 8 2 5 2 2. - <_> - - <_> - 9 1 9 1 -1. - <_> - 12 4 3 1 3. - 1 - <_> - - <_> - 16 9 1 3 -1. - <_> - 16 10 1 1 3. - <_> - - <_> - 6 2 6 3 -1. - <_> - 6 3 6 1 3. - <_> - - <_> - 7 2 7 3 -1. - <_> - 7 3 7 1 3. - <_> - - <_> - 2 0 4 2 -1. - <_> - 2 0 4 1 2. - 1 - <_> - - <_> - 14 1 4 4 -1. - <_> - 16 1 2 2 2. - <_> - 14 3 2 2 2. - <_> - - <_> - 2 6 6 2 -1. - <_> - 4 6 2 2 3. - <_> - - <_> - 16 9 1 3 -1. - <_> - 16 10 1 1 3. - <_> - - <_> - 0 1 4 4 -1. - <_> - 0 1 2 2 2. - <_> - 2 3 2 2 2. - <_> - - <_> - 17 3 1 4 -1. - <_> - 17 5 1 2 2. - <_> - - <_> - 0 3 1 4 -1. - <_> - 0 5 1 2 2. - <_> - - <_> - 17 7 1 4 -1. - <_> - 17 7 1 2 2. - 1 - <_> - - <_> - 1 7 4 1 -1. - <_> - 1 7 2 1 2. - 1 - <_> - - <_> - 2 2 16 10 -1. - <_> - 10 2 8 5 2. - <_> - 2 7 8 5 2. - <_> - - <_> - 0 0 18 3 -1. - <_> - 6 1 6 1 9. - <_> - - <_> - 9 0 1 8 -1. - <_> - 9 0 1 4 2. - 1 - <_> - - <_> - 4 9 6 3 -1. - <_> - 6 9 2 3 3. - <_> - - <_> - 8 9 2 3 -1. - <_> - 8 9 1 3 2. - <_> - - <_> - 5 7 2 2 -1. - <_> - 5 7 1 1 2. - <_> - 6 8 1 1 2. - <_> - - <_> - 11 7 2 2 -1. - <_> - 12 7 1 1 2. - <_> - 11 8 1 1 2. - <_> - - <_> - 5 7 2 2 -1. - <_> - 5 7 1 1 2. - <_> - 6 8 1 1 2. - <_> - - <_> - 6 0 12 12 -1. - <_> - 12 0 6 6 2. - <_> - 6 6 6 6 2. - <_> - - <_> - 0 0 12 12 -1. - <_> - 0 0 6 6 2. - <_> - 6 6 6 6 2. - <_> - - <_> - 0 1 18 6 -1. - <_> - 6 3 6 2 9. - <_> - - <_> - 3 11 4 1 -1. - <_> - 4 11 2 1 2. - <_> - - <_> - 16 9 1 3 -1. - <_> - 16 10 1 1 3. - <_> - - <_> - 9 0 8 1 -1. - <_> - 9 0 4 1 2. - 1 - <_> - - <_> - 0 1 18 8 -1. - <_> - 9 1 9 4 2. - <_> - 0 5 9 4 2. - <_> - - <_> - 0 2 11 8 -1. - <_> - 0 4 11 4 2. - <_> - - <_> - 16 9 1 3 -1. - <_> - 16 10 1 1 3. - <_> - - <_> - 1 9 1 3 -1. - <_> - 1 10 1 1 3. - <_> - - <_> - 8 7 4 3 -1. - <_> - 8 8 4 1 3. - <_> - - <_> - 3 0 4 2 -1. - <_> - 4 0 2 2 2. - <_> - - <_> - 15 9 2 2 -1. - <_> - 16 9 1 1 2. - <_> - 15 10 1 1 2. - <_> - - <_> - 0 4 2 4 -1. - <_> - 0 5 2 2 2. - <_> - - <_> - 5 8 9 3 -1. - <_> - 5 9 9 1 3. - <_> - - <_> - 1 9 2 2 -1. - <_> - 1 9 1 1 2. - <_> - 2 10 1 1 2. - <_> - - <_> - 7 11 6 1 -1. - <_> - 9 11 2 1 3. - <_> - - <_> - 5 11 6 1 -1. - <_> - 7 11 2 1 3. - <_> - - <_> - 0 9 18 3 -1. - <_> - 6 9 6 3 3. - <_> - - <_> - 0 7 2 2 -1. - <_> - 0 7 1 1 2. - <_> - 1 8 1 1 2. - <_> - - <_> - 6 10 12 1 -1. - <_> - 6 10 6 1 2. - <_> - - <_> - 0 10 12 1 -1. - <_> - 6 10 6 1 2. - <_> - - <_> - 7 2 8 10 -1. - <_> - 11 2 4 5 2. - <_> - 7 7 4 5 2. - <_> - - <_> - 5 3 2 6 -1. - <_> - 5 5 2 2 3. - <_> - - <_> - 8 0 6 6 -1. - <_> - 8 2 6 2 3. - <_> - - <_> - 3 0 2 3 -1. - <_> - 2 1 2 1 3. - 1 - <_> - - <_> - 14 1 4 3 -1. - <_> - 13 2 4 1 3. - 1 - <_> - - <_> - 0 4 18 7 -1. - <_> - 6 4 6 7 3. - <_> - - <_> - 7 2 8 10 -1. - <_> - 11 2 4 5 2. - <_> - 7 7 4 5 2. - <_> - - <_> - 3 2 8 10 -1. - <_> - 3 2 4 5 2. - <_> - 7 7 4 5 2. - <_> - - <_> - 9 4 1 6 -1. - <_> - 7 6 1 2 3. - 1 - <_> - - <_> - 9 4 6 1 -1. - <_> - 11 6 2 1 3. - 1 - <_> - - <_> - 7 9 4 2 -1. - <_> - 8 9 2 2 2. - <_> - - <_> - 3 0 3 3 -1. - <_> - 2 1 3 1 3. - 1 - <_> - - <_> - 14 1 4 3 -1. - <_> - 13 2 4 1 3. - 1 - <_> - - <_> - 4 1 3 4 -1. - <_> - 5 2 1 4 3. - 1 - <_> - - <_> - 14 5 4 3 -1. - <_> - 15 5 2 3 2. - <_> - - <_> - 3 10 1 2 -1. - <_> - 3 11 1 1 2. - <_> - - <_> - 6 0 9 2 -1. - <_> - 9 3 3 2 3. - 1 - <_> - - <_> - 7 4 11 8 -1. - <_> - 7 8 11 4 2. - <_> - - <_> - 4 3 4 3 -1. - <_> - 5 4 2 3 2. - 1 - <_> - - <_> - 10 3 3 4 -1. - <_> - 11 4 1 4 3. - 1 - <_> - - <_> - 0 2 14 10 -1. - <_> - 0 2 7 5 2. - <_> - 7 7 7 5 2. - <_> - - <_> - 0 0 18 6 -1. - <_> - 6 0 6 6 3. - <_> - - <_> - 1 1 12 4 -1. - <_> - 1 2 12 2 2. - <_> - - <_> - 5 1 10 6 -1. - <_> - 5 3 10 2 3. - <_> - - <_> - 6 3 5 3 -1. - <_> - 6 4 5 1 3. - <_> - - <_> - 14 8 4 2 -1. - <_> - 14 9 4 1 2. - <_> - - <_> - 9 6 4 2 -1. - <_> - 9 6 4 1 2. - 1 - <_> - - <_> - 14 9 1 2 -1. - <_> - 14 10 1 1 2. - <_> - - <_> - 3 9 1 2 -1. - <_> - 3 10 1 1 2. - <_> - - <_> - 15 9 1 2 -1. - <_> - 15 9 1 1 2. - 1 - <_> - - <_> - 0 0 1 12 -1. - <_> - 0 6 1 6 2. - <_> - - <_> - 9 11 6 1 -1. - <_> - 11 11 2 1 3. - <_> - - <_> - 3 11 6 1 -1. - <_> - 5 11 2 1 3. - <_> - - <_> - 13 4 2 3 -1. - <_> - 12 5 2 1 3. - 1 - <_> - - <_> - 4 1 4 4 -1. - <_> - 5 2 2 4 2. - 1 - <_> - - <_> - 9 0 4 3 -1. - <_> - 10 0 2 3 2. - <_> - - <_> - 6 0 6 3 -1. - <_> - 8 0 2 3 3. - <_> - - <_> - 10 6 4 2 -1. - <_> - 11 6 2 2 2. - <_> - - <_> - 5 0 4 3 -1. - <_> - 6 0 2 3 2. - <_> - - <_> - 6 0 6 4 -1. - <_> - 6 1 6 2 2. - <_> - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - <_> - - <_> - 6 0 9 4 -1. - <_> - 6 1 9 2 2. - <_> - - <_> - 2 6 6 2 -1. - <_> - 4 6 2 2 3. - <_> - - <_> - 15 10 3 2 -1. - <_> - 15 11 3 1 2. - <_> - - <_> - 9 3 3 4 -1. - <_> - 8 4 3 2 2. - 1 - <_> - - <_> - 15 10 3 2 -1. - <_> - 15 11 3 1 2. - <_> - - <_> - 0 10 3 2 -1. - <_> - 0 11 3 1 2. - <_> - - <_> - 9 9 6 3 -1. - <_> - 11 9 2 3 3. - <_> - - <_> - 3 9 6 3 -1. - <_> - 5 9 2 3 3. - <_> - - <_> - 10 7 2 2 -1. - <_> - 11 7 1 1 2. - <_> - 10 8 1 1 2. - <_> - - <_> - 8 10 2 2 -1. - <_> - 8 11 2 1 2. - <_> - - <_> - 10 5 3 2 -1. - <_> - 11 6 1 2 3. - 1 - <_> - - <_> - 2 0 11 8 -1. - <_> - 2 2 11 4 2. - <_> - - <_> - 12 4 2 2 -1. - <_> - 12 4 2 1 2. - 1 - <_> - - <_> - 6 4 2 2 -1. - <_> - 6 4 1 2 2. - 1 - <_> - - <_> - 15 8 1 2 -1. - <_> - 15 9 1 1 2. - <_> - - <_> - 2 8 1 2 -1. - <_> - 2 9 1 1 2. - <_> - - <_> - 15 10 2 2 -1. - <_> - 16 10 1 1 2. - <_> - 15 11 1 1 2. - <_> - - <_> - 0 0 14 12 -1. - <_> - 7 0 7 12 2. - <_> - - <_> - 3 2 14 8 -1. - <_> - 3 2 7 8 2. - <_> - - <_> - 0 4 18 6 -1. - <_> - 6 4 6 6 3. - <_> - - <_> - 9 6 2 2 -1. - <_> - 10 6 1 1 2. - <_> - 9 7 1 1 2. - <_> - - <_> - 9 4 3 2 -1. - <_> - 9 4 3 1 2. - 1 - <_> - - <_> - 7 10 4 2 -1. - <_> - 8 10 2 2 2. - <_> - - <_> - 1 10 2 2 -1. - <_> - 1 10 1 1 2. - <_> - 2 11 1 1 2. - <_> - - <_> - 8 4 3 3 -1. - <_> - 8 5 3 1 3. - <_> - - <_> - 5 9 4 3 -1. - <_> - 6 9 2 3 2. - <_> - - <_> - 17 5 1 6 -1. - <_> - 17 7 1 2 3. - <_> - - <_> - 0 0 18 2 -1. - <_> - 0 0 9 1 2. - <_> - 9 1 9 1 2. - <_> - - <_> - 17 5 1 6 -1. - <_> - 17 7 1 2 3. - <_> - - <_> - 1 4 1 3 -1. - <_> - 1 5 1 1 3. - <_> - - <_> - 5 2 8 3 -1. - <_> - 5 3 8 1 3. - <_> - - <_> - 5 9 6 3 -1. - <_> - 7 9 2 3 3. - <_> - - <_> - 8 0 2 3 -1. - <_> - 8 0 1 3 2. - <_> - - <_> - 7 6 3 1 -1. - <_> - 8 6 1 1 3. - <_> - - <_> - 8 0 4 3 -1. - <_> - 9 0 2 3 2. - <_> - - <_> - 3 0 10 2 -1. - <_> - 3 1 10 1 2. - <_> - - <_> - 9 5 2 2 -1. - <_> - 10 5 1 1 2. - <_> - 9 6 1 1 2. - <_> - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - <_> - - <_> - 8 10 4 2 -1. - <_> - 9 10 2 2 2. - <_> - - <_> - 4 1 2 3 -1. - <_> - 3 2 2 1 3. - 1 - <_> - - <_> - 16 10 1 2 -1. - <_> - 16 11 1 1 2. - <_> - - <_> - 3 7 2 2 -1. - <_> - 3 7 1 1 2. - <_> - 4 8 1 1 2. - <_> - - <_> - 14 0 3 3 -1. - <_> - 15 1 1 3 3. - 1 - <_> - - <_> - 0 0 10 8 -1. - <_> - 0 4 10 4 2. - <_> - - <_> - 14 0 2 4 -1. - <_> - 14 0 1 4 2. - 1 - <_> - - <_> - 4 0 4 2 -1. - <_> - 4 0 4 1 2. - 1 - <_> - - <_> - 1 11 16 1 -1. - <_> - 5 11 8 1 2. - <_> - - <_> - 3 9 2 1 -1. - <_> - 3 9 1 1 2. - 1 - <_> - - <_> - 16 10 1 2 -1. - <_> - 16 11 1 1 2. - <_> - - <_> - 1 10 1 2 -1. - <_> - 1 11 1 1 2. - <_> - - <_> - 17 5 1 6 -1. - <_> - 17 7 1 2 3. - <_> - - <_> - 0 5 1 6 -1. - <_> - 0 7 1 2 3. - <_> - - <_> - 6 0 7 3 -1. - <_> - 6 1 7 1 3. - <_> - - <_> - 6 0 9 2 -1. - <_> - 9 3 3 2 3. - 1 - <_> - - <_> - 7 1 7 3 -1. - <_> - 7 2 7 1 3. - <_> - - <_> - 0 4 2 4 -1. - <_> - 0 5 2 2 2. - <_> - - <_> - 9 5 3 1 -1. - <_> - 10 5 1 1 3. - <_> - - <_> - 4 1 10 2 -1. - <_> - 9 1 5 2 2. - <_> - - <_> - 0 11 18 1 -1. - <_> - 0 11 9 1 2. - <_> - - <_> - 1 9 12 2 -1. - <_> - 7 9 6 2 2. - <_> - - <_> - 0 0 18 12 -1. - <_> - 0 0 9 12 2. - <_> - - <_> - 5 4 5 6 -1. - <_> - 5 7 5 3 2. - <_> - - <_> - 14 3 3 3 -1. - <_> - 13 4 3 1 3. - 1 - <_> - - <_> - 4 3 3 3 -1. - <_> - 5 4 1 3 3. - 1 - <_> - - <_> - 12 4 6 5 -1. - <_> - 14 4 2 5 3. - <_> - - <_> - 3 3 12 6 -1. - <_> - 3 5 12 2 3. - <_> - - <_> - 12 4 2 2 -1. - <_> - 12 5 2 1 2. - <_> - - <_> - 4 4 2 2 -1. - <_> - 4 5 2 1 2. - <_> - - <_> - 12 1 3 2 -1. - <_> - 13 2 1 2 3. - 1 - <_> - - <_> - 6 1 2 3 -1. - <_> - 5 2 2 1 3. - 1 - <_> - - <_> - 3 0 12 6 -1. - <_> - 3 2 12 2 3. - <_> - - <_> - 4 3 6 3 -1. - <_> - 4 3 3 3 2. - 1 - <_> - - <_> - 12 4 6 5 -1. - <_> - 14 4 2 5 3. - <_> - - <_> - 7 4 2 2 -1. - <_> - 7 4 1 1 2. - <_> - 8 5 1 1 2. - <_> - - <_> - 15 2 3 2 -1. - <_> - 16 3 1 2 3. - 1 - <_> - - <_> - 3 2 2 3 -1. - <_> - 2 3 2 1 3. - 1 - <_> - - <_> - 16 2 2 10 -1. - <_> - 16 2 1 10 2. - <_> - - <_> - 0 2 2 10 -1. - <_> - 1 2 1 10 2. - <_> - - <_> - 16 1 2 1 -1. - <_> - 16 1 1 1 2. - 1 - <_> - - <_> - 5 0 2 3 -1. - <_> - 4 1 2 1 3. - 1 - <_> - - <_> - 9 1 6 3 -1. - <_> - 11 3 2 3 3. - 1 - <_> - - <_> - 14 5 4 3 -1. - <_> - 14 5 2 3 2. - <_> - - <_> - 0 5 4 3 -1. - <_> - 2 5 2 3 2. - <_> - - <_> - 10 3 3 4 -1. - <_> - 11 4 1 4 3. - 1 - <_> - - <_> - 5 2 3 6 -1. - <_> - 5 4 3 2 3. - <_> - - <_> - 13 7 4 1 -1. - <_> - 13 7 2 1 2. - <_> - - <_> - 0 6 6 6 -1. - <_> - 0 9 6 3 2. - <_> - - <_> - 9 5 4 3 -1. - <_> - 10 5 2 3 2. - <_> - - <_> - 0 0 18 3 -1. - <_> - 6 0 6 3 3. - <_> - - <_> - 10 1 3 6 -1. - <_> - 11 2 1 6 3. - 1 - <_> - - <_> - 8 1 6 3 -1. - <_> - 7 2 6 1 3. - 1 - <_> - - <_> - 10 4 3 3 -1. - <_> - 11 5 1 3 3. - 1 - <_> - - <_> - 8 4 3 3 -1. - <_> - 7 5 3 1 3. - 1 - <_> - - <_> - 16 9 1 3 -1. - <_> - 16 10 1 1 3. - <_> - - <_> - 4 6 4 2 -1. - <_> - 5 6 2 2 2. - <_> - - <_> - 16 8 1 4 -1. - <_> - 16 9 1 2 2. - <_> - - <_> - 5 0 5 6 -1. - <_> - 5 2 5 2 3. - <_> - - <_> - 10 5 2 3 -1. - <_> - 10 5 1 3 2. - 1 - <_> - - <_> - 8 5 3 2 -1. - <_> - 8 5 3 1 2. - 1 - <_> - - <_> - 16 8 1 4 -1. - <_> - 16 9 1 2 2. - <_> - - <_> - 1 8 1 4 -1. - <_> - 1 9 1 2 2. - <_> - - <_> - 14 1 4 4 -1. - <_> - 13 2 4 2 2. - 1 - <_> - - <_> - 0 10 7 2 -1. - <_> - 0 11 7 1 2. - <_> - - <_> - 14 1 4 4 -1. - <_> - 13 2 4 2 2. - 1 - <_> - - <_> - 4 1 4 4 -1. - <_> - 5 2 2 4 2. - 1 - <_> - - <_> - 8 4 5 2 -1. - <_> - 8 5 5 1 2. - <_> - - <_> - 5 2 8 10 -1. - <_> - 5 2 4 5 2. - <_> - 9 7 4 5 2. - <_> - - <_> - 17 5 1 4 -1. - <_> - 17 6 1 2 2. - <_> - - <_> - 4 0 4 4 -1. - <_> - 5 0 2 4 2. - <_> - - <_> - 16 11 2 1 -1. - <_> - 16 11 1 1 2. - <_> - - <_> - 0 11 2 1 -1. - <_> - 1 11 1 1 2. - <_> - - <_> - 17 0 1 12 -1. - <_> - 17 6 1 6 2. - <_> - - <_> - 0 2 1 10 -1. - <_> - 0 7 1 5 2. - <_> - - <_> - 6 0 6 3 -1. - <_> - 6 0 3 3 2. - <_> - - <_> - 0 2 2 4 -1. - <_> - 0 3 2 2 2. - <_> - - <_> - 8 0 4 4 -1. - <_> - 9 0 2 4 2. - <_> - - <_> - 5 4 3 3 -1. - <_> - 6 5 1 3 3. - 1 - <_> - - <_> - 15 8 2 2 -1. - <_> - 16 8 1 1 2. - <_> - 15 9 1 1 2. - <_> - - <_> - 1 8 2 2 -1. - <_> - 1 8 1 1 2. - <_> - 2 9 1 1 2. - <_> - - <_> - 16 11 2 1 -1. - <_> - 16 11 1 1 2. - <_> - - <_> - 0 11 2 1 -1. - <_> - 1 11 1 1 2. - <_> - - <_> - 0 11 18 1 -1. - <_> - 0 11 9 1 2. - <_> - - <_> - 5 4 6 8 -1. - <_> - 5 8 6 4 2. - <_> - - <_> - 6 0 8 3 -1. - <_> - 6 1 8 1 3. - <_> - - <_> - 3 0 12 4 -1. - <_> - 3 1 12 2 2. - <_> - - <_> - 8 11 4 1 -1. - <_> - 9 11 2 1 2. - <_> - - <_> - 5 3 1 2 -1. - <_> - 5 3 1 1 2. - 1 - <_> - - <_> - 5 2 10 4 -1. - <_> - 5 3 10 2 2. - <_> - - <_> - 1 8 2 3 -1. - <_> - 1 9 2 1 3. - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 9 2 2 8 -1. - <_> - 9 2 2 4 2. - 1 - <_> - - <_> - 0 0 18 9 -1. - <_> - 0 0 9 9 2. - <_> - - <_> - 0 4 15 8 -1. - <_> - 5 4 5 8 3. - <_> - - <_> - 12 5 3 3 -1. - <_> - 13 6 1 3 3. - 1 - <_> - - <_> - 0 2 14 10 -1. - <_> - 7 2 7 10 2. - <_> - - <_> - 14 0 2 4 -1. - <_> - 14 0 1 4 2. - 1 - <_> - - <_> - 5 3 8 2 -1. - <_> - 5 4 8 1 2. - <_> - - <_> - 12 3 6 2 -1. - <_> - 12 4 6 1 2. - <_> - - <_> - 5 0 1 4 -1. - <_> - 4 1 1 2 2. - 1 - <_> - - <_> - 14 0 2 4 -1. - <_> - 14 0 1 4 2. - 1 - <_> - - <_> - 4 0 4 2 -1. - <_> - 4 0 4 1 2. - 1 - <_> - - <_> - 10 4 3 2 -1. - <_> - 10 5 3 1 2. - <_> - - <_> - 5 4 4 2 -1. - <_> - 5 5 4 1 2. - <_> - - <_> - 13 2 4 3 -1. - <_> - 12 3 4 1 3. - 1 - <_> - - <_> - 5 2 3 4 -1. - <_> - 6 3 1 4 3. - 1 - <_> - - <_> - 17 5 1 4 -1. - <_> - 17 6 1 2 2. - <_> - - <_> - 3 0 12 2 -1. - <_> - 3 1 12 1 2. - <_> - - <_> - 15 9 2 3 -1. - <_> - 15 10 2 1 3. - <_> - - <_> - 1 9 1 3 -1. - <_> - 1 10 1 1 3. - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 7 9 4 2 -1. - <_> - 8 9 2 2 2. - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 5 9 4 3 -1. - <_> - 6 9 2 3 2. - <_> - - <_> - 9 8 2 2 -1. - <_> - 10 8 1 1 2. - <_> - 9 9 1 1 2. - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 17 5 1 4 -1. - <_> - 17 6 1 2 2. - <_> - - <_> - 0 5 1 4 -1. - <_> - 0 6 1 2 2. - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 9 3 6 3 -1. - <_> - 8 4 6 1 3. - 1 - <_> - - <_> - 16 6 2 1 -1. - <_> - 16 6 1 1 2. - <_> - - <_> - 4 7 2 2 -1. - <_> - 4 7 1 1 2. - <_> - 5 8 1 1 2. - <_> - - <_> - 16 7 2 3 -1. - <_> - 16 8 2 1 3. - <_> - - <_> - 0 7 2 3 -1. - <_> - 0 8 2 1 3. - <_> - - <_> - 7 0 4 4 -1. - <_> - 8 0 2 4 2. - <_> - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - <_> - - <_> - 9 5 2 2 -1. - <_> - 10 5 1 1 2. - <_> - 9 6 1 1 2. - <_> - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - <_> - - <_> - 7 10 6 2 -1. - <_> - 9 10 2 2 3. - <_> - - <_> - 0 2 18 8 -1. - <_> - 0 2 9 4 2. - <_> - 9 6 9 4 2. - <_> - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - <_> - - <_> - 5 10 6 2 -1. - <_> - 7 10 2 2 3. - <_> - - <_> - 8 8 4 4 -1. - <_> - 8 9 4 2 2. - <_> - - <_> - 5 0 6 3 -1. - <_> - 5 1 6 1 3. - <_> - - <_> - 8 1 4 2 -1. - <_> - 9 1 2 2 2. - <_> - - <_> - 6 1 4 2 -1. - <_> - 7 1 2 2 2. - <_> - - <_> - 9 8 2 2 -1. - <_> - 10 8 1 1 2. - <_> - 9 9 1 1 2. - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 11 7 2 2 -1. - <_> - 11 8 2 1 2. - <_> - - <_> - 5 7 2 2 -1. - <_> - 5 8 2 1 2. - <_> - - <_> - 0 10 18 2 -1. - <_> - 6 10 6 2 3. - <_> - - <_> - 6 6 3 1 -1. - <_> - 7 6 1 1 3. - <_> - - <_> - 10 1 4 3 -1. - <_> - 10 1 2 3 2. - <_> - - <_> - 3 0 2 1 -1. - <_> - 4 0 1 1 2. - <_> - - <_> - 16 0 2 3 -1. - <_> - 16 0 1 3 2. - 1 - <_> - - <_> - 2 0 3 2 -1. - <_> - 2 0 3 1 2. - 1 - <_> - - <_> - 7 4 10 4 -1. - <_> - 7 4 5 4 2. - <_> - - <_> - 1 4 10 4 -1. - <_> - 6 4 5 4 2. - <_> - - <_> - 13 0 2 1 -1. - <_> - 13 0 1 1 2. - <_> - - <_> - 0 3 1 6 -1. - <_> - 0 5 1 2 3. - <_> - - <_> - 14 0 4 3 -1. - <_> - 13 1 4 1 3. - 1 - <_> - - <_> - 4 0 3 4 -1. - <_> - 5 1 1 4 3. - 1 - <_> - - <_> - 4 2 10 1 -1. - <_> - 4 2 5 1 2. - <_> - - <_> - 3 0 4 2 -1. - <_> - 4 0 2 2 2. - <_> - - <_> - 9 0 5 8 -1. - <_> - 9 2 5 4 2. - <_> - - <_> - 7 3 2 2 -1. - <_> - 7 3 1 1 2. - <_> - 8 4 1 1 2. - <_> - - <_> - 0 5 18 2 -1. - <_> - 9 5 9 1 2. - <_> - 0 6 9 1 2. - <_> - - <_> - 0 9 3 1 -1. - <_> - 1 9 1 1 3. - <_> - - <_> - 16 9 2 2 -1. - <_> - 17 9 1 1 2. - <_> - 16 10 1 1 2. - <_> - - <_> - 0 10 2 2 -1. - <_> - 0 10 1 1 2. - <_> - 1 11 1 1 2. - <_> - - <_> - 5 2 12 3 -1. - <_> - 5 3 12 1 3. - <_> - - <_> - 0 9 2 2 -1. - <_> - 0 9 1 1 2. - <_> - 1 10 1 1 2. - <_> - - <_> - 10 9 4 3 -1. - <_> - 11 9 2 3 2. - <_> - - <_> - 7 2 2 2 -1. - <_> - 7 2 1 1 2. - <_> - 8 3 1 1 2. - <_> - - <_> - 9 1 3 6 -1. - <_> - 7 3 3 2 3. - 1 - <_> - - <_> - 9 1 6 3 -1. - <_> - 11 3 2 3 3. - 1 - <_> - - <_> - 14 0 4 10 -1. - <_> - 14 5 4 5 2. - <_> - - <_> - 6 6 6 2 -1. - <_> - 8 6 2 2 3. - <_> - - <_> - 6 4 11 8 -1. - <_> - 6 8 11 4 2. - <_> - - <_> - 3 2 2 9 -1. - <_> - 3 5 2 3 3. - <_> - - <_> - 10 5 3 3 -1. - <_> - 11 5 1 3 3. - <_> - - <_> - 0 4 4 7 -1. - <_> - 2 4 2 7 2. - <_> - - <_> - 15 7 3 3 -1. - <_> - 16 8 1 1 9. - <_> - - <_> - 0 3 3 1 -1. - <_> - 1 3 1 1 3. - <_> - - <_> - 10 5 3 3 -1. - <_> - 11 5 1 3 3. - <_> - - <_> - 5 5 3 3 -1. - <_> - 6 5 1 3 3. - <_> - - <_> - 3 10 12 2 -1. - <_> - 3 11 12 1 2. - <_> - - <_> - 4 5 3 3 -1. - <_> - 5 5 1 3 3. - <_> - - <_> - 9 5 3 3 -1. - <_> - 10 5 1 3 3. - <_> - - <_> - 0 4 10 3 -1. - <_> - 0 5 10 1 3. - <_> - - <_> - 9 5 3 3 -1. - <_> - 10 5 1 3 3. - <_> - - <_> - 0 0 12 11 -1. - <_> - 4 0 4 11 3. - <_> - - <_> - 9 5 3 3 -1. - <_> - 10 5 1 3 3. - <_> - - <_> - 6 5 3 3 -1. - <_> - 7 5 1 3 3. - <_> - - <_> - 7 0 6 3 -1. - <_> - 9 0 2 3 3. - <_> - - <_> - 5 0 6 3 -1. - <_> - 7 0 2 3 3. - <_> - - <_> - 0 0 18 5 -1. - <_> - 6 0 6 5 3. - <_> - - <_> - 4 0 7 4 -1. - <_> - 4 1 7 2 2. - <_> - - <_> - 10 0 3 2 -1. - <_> - 10 1 3 1 2. - <_> - - <_> - 0 0 1 12 -1. - <_> - 0 6 1 6 2. - <_> - - <_> - 16 8 2 2 -1. - <_> - 16 8 2 1 2. - 1 - <_> - - <_> - 1 7 4 1 -1. - <_> - 1 7 2 1 2. - 1 - <_> - - <_> - 6 1 6 6 -1. - <_> - 6 3 6 2 3. - <_> - - <_> - 7 11 4 1 -1. - <_> - 8 11 2 1 2. - <_> - - <_> - 16 3 2 4 -1. - <_> - 16 4 2 2 2. - <_> - - <_> - 3 2 11 6 -1. - <_> - 3 4 11 2 3. - <_> - - <_> - 10 0 3 2 -1. - <_> - 10 1 3 1 2. - <_> - - <_> - 5 0 3 2 -1. - <_> - 5 1 3 1 2. - <_> - - <_> - 2 0 16 11 -1. - <_> - 2 0 8 11 2. - <_> - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - <_> - - <_> - 4 0 14 12 -1. - <_> - 4 0 7 12 2. - <_> - - <_> - 4 0 6 5 -1. - <_> - 6 0 2 5 3. - <_> - - <_> - 16 5 2 4 -1. - <_> - 16 6 2 2 2. - <_> - - <_> - 0 1 2 4 -1. - <_> - 0 2 2 2 2. - <_> - - <_> - 7 1 6 4 -1. - <_> - 7 2 6 2 2. - <_> - - <_> - 3 2 4 3 -1. - <_> - 4 3 2 3 2. - 1 - <_> - - <_> - 7 2 8 8 -1. - <_> - 11 2 4 4 2. - <_> - 7 6 4 4 2. - <_> - - <_> - 0 5 2 4 -1. - <_> - 0 6 2 2 2. - <_> - - <_> - 7 2 8 8 -1. - <_> - 11 2 4 4 2. - <_> - 7 6 4 4 2. - <_> - - <_> - 3 2 8 8 -1. - <_> - 3 2 4 4 2. - <_> - 7 6 4 4 2. - <_> - - <_> - 17 6 1 6 -1. - <_> - 17 8 1 2 3. - <_> - - <_> - 0 6 1 6 -1. - <_> - 0 8 1 2 3. - <_> - - <_> - 8 4 3 3 -1. - <_> - 9 5 1 1 9. - <_> - - <_> - 6 3 5 3 -1. - <_> - 6 4 5 1 3. - <_> - - <_> - 8 9 4 3 -1. - <_> - 9 9 2 3 2. - <_> - - <_> - 2 4 4 5 -1. - <_> - 3 4 2 5 2. - <_> - - <_> - 13 3 3 3 -1. - <_> - 12 4 3 1 3. - 1 - <_> - - <_> - 5 3 3 3 -1. - <_> - 6 4 1 3 3. - 1 - <_> - - <_> - 7 10 6 1 -1. - <_> - 9 10 2 1 3. - <_> - - <_> - 0 0 14 12 -1. - <_> - 7 0 7 12 2. - <_> - - <_> - 14 4 1 2 -1. - <_> - 14 4 1 1 2. - 1 - <_> - - <_> - 9 2 9 1 -1. - <_> - 12 5 3 1 3. - 1 - <_> - - <_> - 8 4 3 4 -1. - <_> - 9 4 1 4 3. - <_> - - <_> - 0 5 2 3 -1. - <_> - 1 5 1 3 2. - <_> - - <_> - 4 2 11 3 -1. - <_> - 4 3 11 1 3. - <_> - - <_> - 4 4 2 1 -1. - <_> - 4 4 1 1 2. - 1 - <_> - - <_> - 17 1 1 8 -1. - <_> - 17 3 1 4 2. - <_> - - <_> - 0 4 2 3 -1. - <_> - 0 5 2 1 3. - <_> - - <_> - 5 2 9 10 -1. - <_> - 8 2 3 10 3. - <_> - - <_> - 7 9 4 3 -1. - <_> - 8 9 2 3 2. - <_> - - <_> - 6 1 6 8 -1. - <_> - 6 1 3 8 2. - <_> - - <_> - 3 0 10 2 -1. - <_> - 8 0 5 2 2. - <_> - - <_> - 0 0 18 10 -1. - <_> - 9 0 9 5 2. - <_> - 0 5 9 5 2. - <_> - - <_> - 7 1 4 2 -1. - <_> - 8 1 2 2 2. - <_> - - <_> - 9 6 1 3 -1. - <_> - 9 7 1 1 3. - <_> - - <_> - 7 0 4 3 -1. - <_> - 8 0 2 3 2. - <_> - - <_> - 10 7 2 2 -1. - <_> - 11 7 1 1 2. - <_> - 10 8 1 1 2. - <_> - - <_> - 6 9 4 1 -1. - <_> - 7 9 2 1 2. - <_> - - <_> - 16 1 2 3 -1. - <_> - 16 2 2 1 3. - <_> - - <_> - 7 2 1 3 -1. - <_> - 7 3 1 1 3. - <_> - - <_> - 12 3 4 1 -1. - <_> - 13 4 2 1 2. - 1 - <_> - - <_> - 5 2 2 2 -1. - <_> - 5 2 2 1 2. - 1 - <_> - - <_> - 14 10 2 2 -1. - <_> - 15 10 1 1 2. - <_> - 14 11 1 1 2. - <_> - - <_> - 2 10 2 2 -1. - <_> - 2 11 2 1 2. - <_> - - <_> - 14 10 4 1 -1. - <_> - 15 10 2 1 2. - <_> - - <_> - 5 10 6 2 -1. - <_> - 7 10 2 2 3. - <_> - - <_> - 16 9 2 2 -1. - <_> - 17 9 1 1 2. - <_> - 16 10 1 1 2. - <_> - - <_> - 3 7 2 2 -1. - <_> - 3 7 1 1 2. - <_> - 4 8 1 1 2. - <_> - - <_> - 16 9 2 2 -1. - <_> - 17 9 1 1 2. - <_> - 16 10 1 1 2. - <_> - - <_> - 0 9 2 2 -1. - <_> - 0 9 1 1 2. - <_> - 1 10 1 1 2. - <_> - - <_> - 16 9 2 2 -1. - <_> - 17 9 1 1 2. - <_> - 16 10 1 1 2. - <_> - - <_> - 0 9 2 2 -1. - <_> - 0 9 1 1 2. - <_> - 1 10 1 1 2. - <_> - - <_> - 10 7 2 2 -1. - <_> - 11 7 1 1 2. - <_> - 10 8 1 1 2. - <_> - - <_> - 0 2 2 4 -1. - <_> - 0 3 2 2 2. - <_> - - <_> - 10 7 2 2 -1. - <_> - 11 7 1 1 2. - <_> - 10 8 1 1 2. - <_> - - <_> - 2 11 6 1 -1. - <_> - 4 11 2 1 3. - <_> - - <_> - 14 10 4 1 -1. - <_> - 15 10 2 1 2. - <_> - - <_> - 0 10 4 1 -1. - <_> - 1 10 2 1 2. - <_> - - <_> - 10 7 2 2 -1. - <_> - 11 7 1 1 2. - <_> - 10 8 1 1 2. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - <_> - - <_> - 2 4 16 8 -1. - <_> - 10 4 8 4 2. - <_> - 2 8 8 4 2. - <_> - - <_> - 6 0 1 4 -1. - <_> - 6 1 1 2 2. - <_> - - <_> - 16 9 2 3 -1. - <_> - 16 10 2 1 3. - <_> - - <_> - 3 0 9 3 -1. - <_> - 3 1 9 1 3. - <_> - - <_> - 14 0 3 3 -1. - <_> - 15 1 1 3 3. - 1 - <_> - - <_> - 8 7 2 2 -1. - <_> - 8 7 1 1 2. - <_> - 9 8 1 1 2. - <_> - - <_> - 16 9 2 3 -1. - <_> - 16 10 2 1 3. - <_> - - <_> - 0 9 2 3 -1. - <_> - 0 10 2 1 3. - <_> - - <_> - 14 0 3 3 -1. - <_> - 15 1 1 3 3. - 1 - <_> - - <_> - 4 0 3 3 -1. - <_> - 3 1 3 1 3. - 1 - <_> - - <_> - 10 4 1 4 -1. - <_> - 9 5 1 2 2. - 1 - <_> - - <_> - 5 4 6 8 -1. - <_> - 5 4 3 4 2. - <_> - 8 8 3 4 2. - <_> - - <_> - 8 0 2 3 -1. - <_> - 8 1 2 1 3. - <_> - - <_> - 6 0 4 1 -1. - <_> - 8 0 2 1 2. - <_> - - <_> - 9 1 2 2 -1. - <_> - 10 1 1 1 2. - <_> - 9 2 1 1 2. - <_> - - <_> - 7 1 2 2 -1. - <_> - 7 1 1 1 2. - <_> - 8 2 1 1 2. - <_> - - <_> - 9 1 3 1 -1. - <_> - 10 1 1 1 3. - <_> - - <_> - 0 1 2 3 -1. - <_> - 0 2 2 1 3. - <_> - - <_> - 9 1 2 2 -1. - <_> - 10 1 1 1 2. - <_> - 9 2 1 1 2. - <_> - - <_> - 7 1 2 2 -1. - <_> - 7 1 1 1 2. - <_> - 8 2 1 1 2. - <_> - - <_> - 8 0 4 4 -1. - <_> - 10 0 2 2 2. - <_> - 8 2 2 2 2. - <_> - - <_> - 9 0 4 8 -1. - <_> - 9 0 2 8 2. - 1 - <_> - - <_> - 14 4 2 6 -1. - <_> - 14 4 2 3 2. - 1 - <_> - - <_> - 0 0 6 8 -1. - <_> - 0 4 6 4 2. - <_> - - <_> - 8 0 4 4 -1. - <_> - 10 0 2 2 2. - <_> - 8 2 2 2 2. - <_> - - <_> - 4 4 6 2 -1. - <_> - 4 4 3 2 2. - 1 - <_> - - <_> - 12 1 3 2 -1. - <_> - 13 2 1 2 3. - 1 - <_> - - <_> - 5 3 8 6 -1. - <_> - 5 3 4 3 2. - <_> - 9 6 4 3 2. - <_> - - <_> - 16 9 2 3 -1. - <_> - 16 10 2 1 3. - <_> - - <_> - 2 1 3 2 -1. - <_> - 3 2 1 2 3. - 1 - <_> - - <_> - 17 2 1 3 -1. - <_> - 16 3 1 1 3. - 1 - <_> - - <_> - 6 0 4 4 -1. - <_> - 6 0 2 2 2. - <_> - 8 2 2 2 2. - <_> - - <_> - 15 0 3 4 -1. - <_> - 14 1 3 2 2. - 1 - <_> - - <_> - 3 3 12 6 -1. - <_> - 3 5 12 2 3. - <_> - - <_> - 15 0 3 4 -1. - <_> - 14 1 3 2 2. - 1 - <_> - - <_> - 3 0 4 3 -1. - <_> - 4 1 2 3 2. - 1 - <_> - - <_> - 0 3 18 3 -1. - <_> - 6 3 6 3 3. - <_> - - <_> - 4 0 10 8 -1. - <_> - 4 2 10 4 2. - <_> - - <_> - 8 10 10 2 -1. - <_> - 8 10 5 2 2. - <_> - - <_> - 0 10 10 2 -1. - <_> - 5 10 5 2 2. - <_> - - <_> - 0 2 18 6 -1. - <_> - 6 4 6 2 9. - <_> - - <_> - 12 8 6 4 -1. - <_> - 12 10 6 2 2. - <_> - - <_> - 6 5 6 4 -1. - <_> - 8 5 2 4 3. - <_> - - <_> - 14 6 1 6 -1. - <_> - 14 9 1 3 2. - <_> - - <_> - 7 9 2 2 -1. - <_> - 7 10 2 1 2. - <_> - - <_> - 14 6 4 6 -1. - <_> - 16 6 2 3 2. - <_> - 14 9 2 3 2. - <_> - - <_> - 0 6 4 6 -1. - <_> - 0 6 2 3 2. - <_> - 2 9 2 3 2. - <_> - - <_> - 13 1 4 4 -1. - <_> - 13 1 2 4 2. - <_> - - <_> - 0 0 1 12 -1. - <_> - 0 6 1 6 2. - <_> - - <_> - 5 0 8 2 -1. - <_> - 5 0 4 2 2. - <_> - - <_> - 1 4 14 6 -1. - <_> - 8 4 7 6 2. - <_> - - <_> - 6 3 9 6 -1. - <_> - 6 5 9 2 3. - <_> - - <_> - 1 9 1 2 -1. - <_> - 1 10 1 1 2. - <_> - - <_> - 6 7 8 1 -1. - <_> - 8 7 4 1 2. - <_> - - <_> - 7 4 3 3 -1. - <_> - 6 5 3 1 3. - 1 - <_> - - <_> - 5 4 9 4 -1. - <_> - 5 6 9 2 2. - <_> - - <_> - 2 3 1 2 -1. - <_> - 2 3 1 1 2. - 1 - <_> - - <_> - 9 0 6 4 -1. - <_> - 9 2 6 2 2. - <_> - - <_> - 1 8 1 3 -1. - <_> - 1 9 1 1 3. - <_> - - <_> - 1 0 16 4 -1. - <_> - 9 0 8 2 2. - <_> - 1 2 8 2 2. - <_> - - <_> - 3 3 1 3 -1. - <_> - 2 4 1 1 3. - 1 - <_> - - <_> - 14 1 4 4 -1. - <_> - 13 2 4 2 2. - 1 - <_> - - <_> - 4 1 4 4 -1. - <_> - 5 2 2 4 2. - 1 - <_> - - <_> - 14 4 1 2 -1. - <_> - 14 4 1 1 2. - 1 - <_> - - <_> - 4 4 2 1 -1. - <_> - 4 4 1 1 2. - 1 - <_> - - <_> - 13 3 5 3 -1. - <_> - 12 4 5 1 3. - 1 - <_> - - <_> - 5 3 3 5 -1. - <_> - 6 4 1 5 3. - 1 - <_> - - <_> - 14 4 3 5 -1. - <_> - 15 4 1 5 3. - <_> - - <_> - 1 4 3 5 -1. - <_> - 2 4 1 5 3. - <_> - - <_> - 11 0 3 5 -1. - <_> - 12 0 1 5 3. - <_> - - <_> - 4 0 3 5 -1. - <_> - 5 0 1 5 3. - <_> - - <_> - 12 0 6 10 -1. - <_> - 14 0 2 10 3. - <_> - - <_> - 4 6 8 2 -1. - <_> - 6 6 4 2 2. - <_> - - <_> - 12 10 6 2 -1. - <_> - 12 11 6 1 2. - <_> - - <_> - 5 0 4 4 -1. - <_> - 6 0 2 4 2. - <_> - - <_> - 13 7 5 2 -1. - <_> - 13 8 5 1 2. - <_> - - <_> - 1 11 16 1 -1. - <_> - 5 11 8 1 2. - <_> - - <_> - 8 11 8 1 -1. - <_> - 8 11 4 1 2. - <_> - - <_> - 5 11 2 1 -1. - <_> - 6 11 1 1 2. - <_> - - <_> - 17 0 1 9 -1. - <_> - 17 3 1 3 3. - <_> - - <_> - 9 2 6 2 -1. - <_> - 11 4 2 2 3. - 1 - <_> - - <_> - 8 2 4 4 -1. - <_> - 8 3 4 2 2. - <_> - - <_> - 0 1 6 9 -1. - <_> - 2 1 2 9 3. - <_> - - <_> - 13 1 3 10 -1. - <_> - 14 1 1 10 3. - <_> - - <_> - 3 6 4 2 -1. - <_> - 4 6 2 2 2. - <_> - - <_> - 2 3 16 6 -1. - <_> - 10 3 8 3 2. - <_> - 2 6 8 3 2. - <_> - - <_> - 8 2 2 2 -1. - <_> - 8 3 2 1 2. - <_> - - <_> - 8 11 6 1 -1. - <_> - 10 11 2 1 3. - <_> - - <_> - 1 0 14 12 -1. - <_> - 8 0 7 12 2. - <_> - - <_> - 11 11 2 1 -1. - <_> - 11 11 1 1 2. - <_> - - <_> - 5 11 2 1 -1. - <_> - 6 11 1 1 2. - <_> - - <_> - 12 10 6 2 -1. - <_> - 12 11 6 1 2. - <_> - - <_> - 8 4 2 3 -1. - <_> - 7 5 2 1 3. - 1 - <_> - - <_> - 12 10 6 2 -1. - <_> - 12 11 6 1 2. - <_> - - <_> - 0 10 6 2 -1. - <_> - 0 11 6 1 2. - <_> - - <_> - 17 0 1 9 -1. - <_> - 17 3 1 3 3. - <_> - - <_> - 0 0 1 9 -1. - <_> - 0 3 1 3 3. - <_> - - <_> - 9 1 4 6 -1. - <_> - 9 3 4 2 3. - <_> - - <_> - 2 1 3 10 -1. - <_> - 3 1 1 10 3. - <_> - - <_> - 14 3 4 3 -1. - <_> - 13 4 4 1 3. - 1 - <_> - - <_> - 4 3 3 4 -1. - <_> - 5 4 1 4 3. - 1 - <_> - - <_> - 13 6 5 3 -1. - <_> - 13 7 5 1 3. - <_> - - <_> - 4 0 4 4 -1. - <_> - 5 0 2 4 2. - <_> - - <_> - 13 6 5 3 -1. - <_> - 13 7 5 1 3. - <_> - - <_> - 6 9 4 3 -1. - <_> - 7 9 2 3 2. - <_> - - <_> - 3 9 12 3 -1. - <_> - 7 9 4 3 3. - <_> - - <_> - 0 0 8 2 -1. - <_> - 4 0 4 2 2. - <_> - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - <_> - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - <_> - - <_> - 8 4 3 3 -1. - <_> - 9 5 1 1 9. - <_> - - <_> - 0 6 5 3 -1. - <_> - 0 7 5 1 3. - <_> - - <_> - 8 2 4 3 -1. - <_> - 8 3 4 1 3. - <_> - - <_> - 3 5 8 4 -1. - <_> - 3 6 8 2 2. - <_> - - <_> - 16 3 2 6 -1. - <_> - 16 5 2 2 3. - <_> - - <_> - 0 3 2 6 -1. - <_> - 0 5 2 2 3. - <_> - - <_> - 6 0 8 4 -1. - <_> - 6 1 8 2 2. - <_> - - <_> - 4 11 6 1 -1. - <_> - 6 11 2 1 3. - <_> - - <_> - 9 11 4 1 -1. - <_> - 10 11 2 1 2. - <_> - - <_> - 5 11 4 1 -1. - <_> - 6 11 2 1 2. - <_> - - <_> - 4 1 11 4 -1. - <_> - 4 2 11 2 2. - <_> - - <_> - 0 0 12 8 -1. - <_> - 0 2 12 4 2. - <_> - - <_> - 14 0 2 4 -1. - <_> - 14 0 1 4 2. - 1 - <_> - - <_> - 4 0 4 2 -1. - <_> - 4 0 4 1 2. - 1 - <_> - - <_> - 8 5 3 1 -1. - <_> - 9 5 1 1 3. - <_> - - <_> - 0 0 2 3 -1. - <_> - 0 1 2 1 3. - <_> - - <_> - 11 4 2 1 -1. - <_> - 11 4 1 1 2. - 1 - <_> - - <_> - 9 3 8 1 -1. - <_> - 11 5 4 1 2. - 1 - <_> - - <_> - 14 9 4 2 -1. - <_> - 14 10 4 1 2. - <_> - - <_> - 7 11 4 1 -1. - <_> - 8 11 2 1 2. - <_> - - <_> - 7 9 4 3 -1. - <_> - 8 9 2 3 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 0 1 1 2. - <_> - 1 1 1 1 2. - <_> - - <_> - 16 0 2 2 -1. - <_> - 17 0 1 1 2. - <_> - 16 1 1 1 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 0 1 1 2. - <_> - 1 1 1 1 2. - <_> - - <_> - 16 0 2 2 -1. - <_> - 17 0 1 1 2. - <_> - 16 1 1 1 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 0 1 1 2. - <_> - 1 1 1 1 2. - <_> - - <_> - 8 7 2 2 -1. - <_> - 9 7 1 1 2. - <_> - 8 8 1 1 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 9 10 2 2 -1. - <_> - 10 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 9 10 2 2 -1. - <_> - 10 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 8 3 5 2 -1. - <_> - 8 4 5 1 2. - <_> - - <_> - 6 3 3 2 -1. - <_> - 6 4 3 1 2. - <_> - - <_> - 14 9 1 2 -1. - <_> - 14 10 1 1 2. - <_> - - <_> - 3 9 1 2 -1. - <_> - 3 10 1 1 2. - <_> - - <_> - 10 3 4 2 -1. - <_> - 11 3 2 2 2. - <_> - - <_> - 5 7 3 1 -1. - <_> - 6 7 1 1 3. - <_> - - <_> - 11 5 4 4 -1. - <_> - 11 7 4 2 2. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - <_> - - <_> - 15 8 3 2 -1. - <_> - 15 9 3 1 2. - <_> - - <_> - 0 8 3 2 -1. - <_> - 0 9 3 1 2. - <_> - - <_> - 10 3 4 2 -1. - <_> - 11 3 2 2 2. - <_> - - <_> - 4 3 4 2 -1. - <_> - 5 3 2 2 2. - <_> - - <_> - 4 2 14 8 -1. - <_> - 11 2 7 4 2. - <_> - 4 6 7 4 2. - <_> - - <_> - 1 3 4 4 -1. - <_> - 1 3 2 2 2. - <_> - 3 5 2 2 2. - <_> - - <_> - 16 0 2 3 -1. - <_> - 16 0 1 3 2. - 1 - <_> - - <_> - 0 10 1 2 -1. - <_> - 0 11 1 1 2. - <_> - - <_> - 7 1 6 2 -1. - <_> - 9 1 2 2 3. - <_> - - <_> - 5 1 6 2 -1. - <_> - 7 1 2 2 3. - <_> - - <_> - 15 10 2 2 -1. - <_> - 16 10 1 1 2. - <_> - 15 11 1 1 2. - <_> - - <_> - 1 10 2 2 -1. - <_> - 1 10 1 1 2. - <_> - 2 11 1 1 2. - <_> - - <_> - 4 2 14 8 -1. - <_> - 11 2 7 4 2. - <_> - 4 6 7 4 2. - <_> - - <_> - 5 4 4 4 -1. - <_> - 5 4 2 4 2. - 1 - <_> - - <_> - 12 4 6 6 -1. - <_> - 15 4 3 3 2. - <_> - 12 7 3 3 2. - <_> - - <_> - 0 11 12 1 -1. - <_> - 6 11 6 1 2. - <_> - - <_> - 11 8 2 2 -1. - <_> - 11 8 2 1 2. - 1 - <_> - - <_> - 0 3 2 3 -1. - <_> - 1 3 1 3 2. - <_> - - <_> - 11 4 6 6 -1. - <_> - 14 4 3 3 2. - <_> - 11 7 3 3 2. - <_> - - <_> - 1 4 6 6 -1. - <_> - 1 4 3 3 2. - <_> - 4 7 3 3 2. - <_> - - <_> - 9 1 6 3 -1. - <_> - 11 3 2 3 3. - 1 - <_> - - <_> - 14 2 3 4 -1. - <_> - 13 3 3 2 2. - 1 - <_> - - <_> - 4 2 4 3 -1. - <_> - 5 3 2 3 2. - 1 - <_> - - <_> - 16 0 2 12 -1. - <_> - 16 6 2 6 2. - <_> - - <_> - 0 0 2 12 -1. - <_> - 0 6 2 6 2. - <_> - - <_> - 6 0 8 3 -1. - <_> - 6 0 4 3 2. - <_> - - <_> - 0 0 18 9 -1. - <_> - 6 0 6 9 3. - <_> - - <_> - 10 3 3 4 -1. - <_> - 11 4 1 4 3. - 1 - <_> - - <_> - 0 8 6 4 -1. - <_> - 0 10 6 2 2. - <_> - - <_> - 10 3 3 4 -1. - <_> - 11 4 1 4 3. - 1 - <_> - - <_> - 8 3 4 3 -1. - <_> - 7 4 4 1 3. - 1 - <_> - - <_> - 12 3 4 3 -1. - <_> - 11 4 4 1 3. - 1 - <_> - - <_> - 6 3 3 4 -1. - <_> - 7 4 1 4 3. - 1 - <_> - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - <_> - - <_> - 5 3 2 4 -1. - <_> - 5 3 1 4 2. - 1 - <_> - - <_> - 8 0 3 5 -1. - <_> - 9 0 1 5 3. - <_> - - <_> - 7 0 3 5 -1. - <_> - 8 0 1 5 3. - <_> - - <_> - 11 4 3 3 -1. - <_> - 12 5 1 3 3. - 1 - <_> - - <_> - 6 9 4 3 -1. - <_> - 7 9 2 3 2. - <_> - - <_> - 6 0 12 12 -1. - <_> - 6 0 6 12 2. - <_> - - <_> - 0 0 14 12 -1. - <_> - 7 0 7 12 2. - <_> - - <_> - 5 9 8 1 -1. - <_> - 5 9 4 1 2. - <_> - - <_> - 5 1 7 6 -1. - <_> - 5 3 7 2 3. - <_> - - <_> - 7 0 4 4 -1. - <_> - 7 1 4 2 2. - <_> - - <_> - 0 2 6 4 -1. - <_> - 0 2 3 2 2. - <_> - 3 4 3 2 2. - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 1 1 1 3. - 1 - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 15 9 2 2 -1. - <_> - 16 9 1 1 2. - <_> - 15 10 1 1 2. - <_> - - <_> - 1 9 2 2 -1. - <_> - 1 9 1 1 2. - <_> - 2 10 1 1 2. - <_> - - <_> - 14 7 2 4 -1. - <_> - 14 8 2 2 2. - <_> - - <_> - 2 7 2 4 -1. - <_> - 2 8 2 2 2. - <_> - - <_> - 11 4 3 4 -1. - <_> - 12 5 1 4 3. - 1 - <_> - - <_> - 3 10 12 2 -1. - <_> - 3 11 12 1 2. - <_> - - <_> - 11 4 3 4 -1. - <_> - 12 5 1 4 3. - 1 - <_> - - <_> - 7 4 4 3 -1. - <_> - 6 5 4 1 3. - 1 - <_> - - <_> - 9 10 6 2 -1. - <_> - 11 10 2 2 3. - <_> - - <_> - 3 10 6 2 -1. - <_> - 5 10 2 2 3. - <_> - - <_> - 6 3 8 8 -1. - <_> - 10 3 4 4 2. - <_> - 6 7 4 4 2. - <_> - - <_> - 2 1 3 2 -1. - <_> - 2 1 3 1 2. - 1 - <_> - - <_> - 7 7 5 3 -1. - <_> - 7 8 5 1 3. - <_> - - <_> - 0 3 3 3 -1. - <_> - 0 4 3 1 3. - <_> - - <_> - 10 3 2 2 -1. - <_> - 11 3 1 1 2. - <_> - 10 4 1 1 2. - <_> - - <_> - 3 0 9 3 -1. - <_> - 3 1 9 1 3. - <_> - - <_> - 17 8 1 4 -1. - <_> - 17 10 1 2 2. - <_> - - <_> - 5 1 7 2 -1. - <_> - 5 2 7 1 2. - <_> - - <_> - 7 1 8 4 -1. - <_> - 7 2 8 2 2. - <_> - - <_> - 0 4 2 3 -1. - <_> - 0 5 2 1 3. - <_> - - <_> - 5 2 12 8 -1. - <_> - 11 2 6 4 2. - <_> - 5 6 6 4 2. - <_> - - <_> - 4 3 8 8 -1. - <_> - 4 3 4 4 2. - <_> - 8 7 4 4 2. - <_> - - <_> - 16 1 2 2 -1. - <_> - 17 1 1 1 2. - <_> - 16 2 1 1 2. - <_> - - <_> - 0 1 2 2 -1. - <_> - 0 1 1 1 2. - <_> - 1 2 1 1 2. - <_> - - <_> - 16 1 2 2 -1. - <_> - 17 1 1 1 2. - <_> - 16 2 1 1 2. - <_> - - <_> - 0 1 2 2 -1. - <_> - 0 1 1 1 2. - <_> - 1 2 1 1 2. - <_> - - <_> - 16 1 2 2 -1. - <_> - 17 1 1 1 2. - <_> - 16 2 1 1 2. - <_> - - <_> - 7 4 3 3 -1. - <_> - 8 5 1 1 9. - <_> - - <_> - 12 0 3 12 -1. - <_> - 13 0 1 12 3. - <_> - - <_> - 0 1 2 2 -1. - <_> - 0 1 1 1 2. - <_> - 1 2 1 1 2. - <_> - - <_> - 12 0 3 10 -1. - <_> - 13 0 1 10 3. - <_> - - <_> - 6 2 1 2 -1. - <_> - 6 2 1 1 2. - 1 - <_> - - <_> - 16 5 1 6 -1. - <_> - 16 5 1 3 2. - 1 - <_> - - <_> - 0 0 18 12 -1. - <_> - 9 0 9 12 2. - <_> - - <_> - 3 10 12 2 -1. - <_> - 7 10 4 2 3. - <_> - - <_> - 9 2 7 3 -1. - <_> - 8 3 7 1 3. - 1 - <_> - - <_> - 9 6 4 1 -1. - <_> - 10 6 2 1 2. - <_> - - <_> - 5 6 4 1 -1. - <_> - 6 6 2 1 2. - <_> - - <_> - 9 5 2 2 -1. - <_> - 10 5 1 1 2. - <_> - 9 6 1 1 2. - <_> - - <_> - 4 11 6 1 -1. - <_> - 6 11 2 1 3. - <_> - - <_> - 16 4 2 7 -1. - <_> - 16 4 1 7 2. - <_> - - <_> - 3 0 4 4 -1. - <_> - 4 0 2 4 2. - <_> - - <_> - 11 0 2 6 -1. - <_> - 11 0 1 6 2. - <_> - - <_> - 4 1 4 4 -1. - <_> - 6 1 2 4 2. - <_> - - <_> - 9 5 2 2 -1. - <_> - 10 5 1 1 2. - <_> - 9 6 1 1 2. - <_> - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - <_> - - <_> - 17 5 1 6 -1. - <_> - 17 7 1 2 3. - <_> - - <_> - 0 5 1 6 -1. - <_> - 0 7 1 2 3. - <_> - - <_> - 16 4 2 7 -1. - <_> - 16 4 1 7 2. - <_> - - <_> - 0 4 2 7 -1. - <_> - 1 4 1 7 2. - <_> - - <_> - 13 3 2 2 -1. - <_> - 13 3 1 2 2. - 1 - <_> - - <_> - 5 3 2 2 -1. - <_> - 5 3 2 1 2. - 1 - <_> - - <_> - 3 1 15 3 -1. - <_> - 8 2 5 1 9. - <_> - - <_> - 5 0 2 2 -1. - <_> - 5 1 2 1 2. - <_> - - <_> - 11 5 3 2 -1. - <_> - 12 6 1 2 3. - 1 - <_> - - <_> - 2 1 10 3 -1. - <_> - 7 1 5 3 2. - <_> - - <_> - 2 1 16 3 -1. - <_> - 6 1 8 3 2. - <_> - - <_> - 8 7 2 3 -1. - <_> - 8 8 2 1 3. - <_> - - <_> - 11 5 3 3 -1. - <_> - 12 6 1 1 9. - <_> - - <_> - 0 6 8 2 -1. - <_> - 0 7 8 1 2. - <_> - - <_> - 15 8 2 2 -1. - <_> - 16 8 1 1 2. - <_> - 15 9 1 1 2. - <_> - - <_> - 1 8 2 2 -1. - <_> - 1 8 1 1 2. - <_> - 2 9 1 1 2. - <_> - - <_> - 15 5 2 6 -1. - <_> - 15 5 1 6 2. - <_> - - <_> - 1 5 2 6 -1. - <_> - 2 5 1 6 2. - <_> - - <_> - 15 10 1 2 -1. - <_> - 15 11 1 1 2. - <_> - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - <_> - - <_> - 9 7 2 2 -1. - <_> - 10 7 1 1 2. - <_> - 9 8 1 1 2. - <_> - - <_> - 2 10 1 2 -1. - <_> - 2 11 1 1 2. - <_> - - <_> - 11 6 3 2 -1. - <_> - 12 6 1 2 3. - <_> - - <_> - 4 6 8 6 -1. - <_> - 4 6 4 3 2. - <_> - 8 9 4 3 2. - <_> - - <_> - 11 5 3 2 -1. - <_> - 12 6 1 2 3. - 1 - <_> - - <_> - 7 5 2 3 -1. - <_> - 6 6 2 1 3. - 1 - <_> - - <_> - 15 9 1 3 -1. - <_> - 15 10 1 1 3. - <_> - - <_> - 5 0 4 2 -1. - <_> - 6 0 2 2 2. - <_> - - <_> - 7 0 4 5 -1. - <_> - 8 0 2 5 2. - <_> - - <_> - 0 9 2 3 -1. - <_> - 0 10 2 1 3. - <_> - - <_> - 9 1 2 2 -1. - <_> - 10 1 1 1 2. - <_> - 9 2 1 1 2. - <_> - - <_> - 6 3 2 2 -1. - <_> - 6 3 1 1 2. - <_> - 7 4 1 1 2. - <_> - - <_> - 10 3 2 2 -1. - <_> - 11 3 1 1 2. - <_> - 10 4 1 1 2. - <_> - - <_> - 1 2 12 8 -1. - <_> - 1 2 6 4 2. - <_> - 7 6 6 4 2. - <_> - - <_> - 1 9 16 3 -1. - <_> - 5 9 8 3 2. - <_> - - <_> - 1 10 16 2 -1. - <_> - 5 10 8 2 2. - <_> - - <_> - 7 11 4 1 -1. - <_> - 8 11 2 1 2. - <_> - - <_> - 0 1 11 4 -1. - <_> - 0 2 11 2 2. - <_> - - <_> - 9 1 4 4 -1. - <_> - 9 2 4 2 2. - <_> - - <_> - 8 5 2 1 -1. - <_> - 9 5 1 1 2. - <_> - - <_> - 8 4 3 4 -1. - <_> - 9 4 1 4 3. - <_> - - <_> - 6 1 6 11 -1. - <_> - 8 1 2 11 3. - <_> - - <_> - 16 2 2 8 -1. - <_> - 16 6 2 4 2. - <_> - - <_> - 0 1 1 6 -1. - <_> - 0 3 1 2 3. - <_> - - <_> - 10 3 2 2 -1. - <_> - 11 3 1 1 2. - <_> - 10 4 1 1 2. - <_> - - <_> - 6 3 2 2 -1. - <_> - 6 3 1 1 2. - <_> - 7 4 1 1 2. - <_> - - <_> - 9 9 2 2 -1. - <_> - 10 9 1 1 2. - <_> - 9 10 1 1 2. - <_> - - <_> - 7 9 2 2 -1. - <_> - 7 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 7 8 4 2 -1. - <_> - 8 8 2 2 2. - <_> - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - <_> - - <_> - 10 0 8 2 -1. - <_> - 10 0 4 2 2. - <_> - - <_> - 0 0 16 2 -1. - <_> - 4 0 8 2 2. - <_> - - <_> - 4 0 14 12 -1. - <_> - 11 0 7 6 2. - <_> - 4 6 7 6 2. - <_> - - <_> - 9 0 4 8 -1. - <_> - 9 0 2 8 2. - 1 - <_> - - <_> - 3 1 12 6 -1. - <_> - 7 3 4 2 9. - <_> - - <_> - 0 0 14 12 -1. - <_> - 0 0 7 6 2. - <_> - 7 6 7 6 2. - <_> - - <_> - 10 5 8 4 -1. - <_> - 14 5 4 2 2. - <_> - 10 7 4 2 2. - <_> - - <_> - 0 5 8 4 -1. - <_> - 0 5 4 2 2. - <_> - 4 7 4 2 2. - <_> - - <_> - 13 1 4 3 -1. - <_> - 12 2 4 1 3. - 1 - <_> - - <_> - 5 1 3 4 -1. - <_> - 6 2 1 4 3. - 1 - <_> - - <_> - 14 3 4 3 -1. - <_> - 13 4 4 1 3. - 1 - <_> - - <_> - 4 3 3 4 -1. - <_> - 5 4 1 4 3. - 1 - <_> - - <_> - 14 4 1 2 -1. - <_> - 14 5 1 1 2. - <_> - - <_> - 3 4 1 2 -1. - <_> - 3 5 1 1 2. - <_> - - <_> - 15 1 3 2 -1. - <_> - 16 2 1 2 3. - 1 - <_> - - <_> - 3 11 4 1 -1. - <_> - 4 11 2 1 2. - <_> - - <_> - 9 8 2 2 -1. - <_> - 10 8 1 1 2. - <_> - 9 9 1 1 2. - <_> - - <_> - 0 2 14 9 -1. - <_> - 7 2 7 9 2. - <_> - - <_> - 11 3 2 2 -1. - <_> - 11 3 1 2 2. - 1 - <_> - - <_> - 7 3 2 2 -1. - <_> - 7 3 2 1 2. - 1 - <_> - - <_> - 9 8 2 2 -1. - <_> - 10 8 1 1 2. - <_> - 9 9 1 1 2. - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 12 0 6 2 -1. - <_> - 12 0 3 2 2. - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 9 8 2 2 -1. - <_> - 10 8 1 1 2. - <_> - 9 9 1 1 2. - <_> - - <_> - 3 5 2 1 -1. - <_> - 4 5 1 1 2. - <_> - - <_> - 15 2 1 2 -1. - <_> - 15 3 1 1 2. - <_> - - <_> - 3 0 2 11 -1. - <_> - 4 0 1 11 2. - <_> - - <_> - 13 4 3 4 -1. - <_> - 14 5 1 4 3. - 1 - <_> - - <_> - 4 6 10 6 -1. - <_> - 4 9 10 3 2. - <_> - - <_> - 14 0 4 4 -1. - <_> - 13 1 4 2 2. - 1 - <_> - - <_> - 0 10 8 2 -1. - <_> - 4 10 4 2 2. - <_> - - <_> - 14 0 4 4 -1. - <_> - 13 1 4 2 2. - 1 - <_> - - <_> - 4 0 4 4 -1. - <_> - 5 1 2 4 2. - 1 - <_> - - <_> - 14 10 4 2 -1. - <_> - 16 10 2 1 2. - <_> - 14 11 2 1 2. - <_> - - <_> - 0 10 4 2 -1. - <_> - 0 10 2 1 2. - <_> - 2 11 2 1 2. - <_> - - <_> - 9 8 2 2 -1. - <_> - 10 8 1 1 2. - <_> - 9 9 1 1 2. - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 10 9 8 2 -1. - <_> - 14 9 4 1 2. - <_> - 10 10 4 1 2. - <_> - - <_> - 3 2 2 3 -1. - <_> - 2 3 2 1 3. - 1 - <_> - - <_> - 9 1 2 2 -1. - <_> - 10 1 1 1 2. - <_> - 9 2 1 1 2. - <_> - - <_> - 7 1 2 2 -1. - <_> - 7 1 1 1 2. - <_> - 8 2 1 1 2. - <_> - - <_> - 9 2 4 3 -1. - <_> - 10 2 2 3 2. - <_> - - <_> - 0 11 18 1 -1. - <_> - 9 11 9 1 2. - <_> - - <_> - 9 2 4 3 -1. - <_> - 10 2 2 3 2. - <_> - - <_> - 7 1 2 2 -1. - <_> - 7 1 1 1 2. - <_> - 8 2 1 1 2. - <_> - - <_> - 7 0 4 2 -1. - <_> - 8 0 2 2 2. - <_> - - <_> - 0 1 4 6 -1. - <_> - 0 1 2 3 2. - <_> - 2 4 2 3 2. - <_> - - <_> - 7 4 11 8 -1. - <_> - 7 8 11 4 2. - <_> - - <_> - 6 6 6 2 -1. - <_> - 8 6 2 2 3. - <_> - - <_> - 12 5 6 6 -1. - <_> - 12 8 6 3 2. - <_> - - <_> - 0 5 6 6 -1. - <_> - 0 8 6 3 2. - <_> - - <_> - 9 0 2 1 -1. - <_> - 9 0 1 1 2. - 1 - <_> - - <_> - 6 4 6 8 -1. - <_> - 9 4 3 8 2. - <_> - - <_> - 3 10 12 2 -1. - <_> - 3 11 12 1 2. - <_> - - <_> - 5 3 8 4 -1. - <_> - 5 4 8 2 2. - <_> - - <_> - 15 2 3 4 -1. - <_> - 14 3 3 2 2. - 1 - <_> - - <_> - 5 4 2 2 -1. - <_> - 5 4 1 2 2. - 1 - <_> - - <_> - 0 0 18 3 -1. - <_> - 6 0 6 3 3. - <_> - - <_> - 4 1 6 6 -1. - <_> - 4 3 6 2 3. - <_> - - <_> - 9 4 1 4 -1. - <_> - 8 5 1 2 2. - 1 - <_> - - <_> - 4 0 6 4 -1. - <_> - 6 0 2 4 3. - <_> - - <_> - 11 0 3 7 -1. - <_> - 12 1 1 7 3. - 1 - <_> - - <_> - 7 0 7 3 -1. - <_> - 6 1 7 1 3. - 1 - <_> - - <_> - 15 9 1 2 -1. - <_> - 15 10 1 1 2. - <_> - - <_> - 2 9 1 2 -1. - <_> - 2 10 1 1 2. - <_> - - <_> - 17 3 1 6 -1. - <_> - 17 5 1 2 3. - <_> - - <_> - 0 3 1 6 -1. - <_> - 0 5 1 2 3. - <_> - - <_> - 6 0 6 4 -1. - <_> - 6 1 6 2 2. - <_> - - <_> - 3 0 9 2 -1. - <_> - 3 1 9 1 2. - <_> - - <_> - 8 0 3 3 -1. - <_> - 9 0 1 3 3. - <_> - - <_> - 7 0 4 3 -1. - <_> - 8 0 2 3 2. - <_> - - <_> - 10 6 6 2 -1. - <_> - 12 6 2 2 3. - <_> - - <_> - 2 6 6 2 -1. - <_> - 4 6 2 2 3. - <_> - - <_> - 4 0 14 12 -1. - <_> - 4 0 7 12 2. - <_> - - <_> - 1 9 2 2 -1. - <_> - 1 9 1 1 2. - <_> - 2 10 1 1 2. - <_> - - <_> - 11 5 6 5 -1. - <_> - 13 5 2 5 3. - <_> - - <_> - 0 3 16 9 -1. - <_> - 4 3 8 9 2. - <_> - - <_> - 6 0 12 12 -1. - <_> - 6 0 6 12 2. - <_> - - <_> - 0 0 12 12 -1. - <_> - 6 0 6 12 2. - <_> - - <_> - 5 1 8 10 -1. - <_> - 5 1 4 10 2. - <_> - - <_> - 6 3 3 2 -1. - <_> - 6 4 3 1 2. - <_> - - <_> - 12 2 2 6 -1. - <_> - 10 4 2 2 3. - 1 - <_> - - <_> - 1 8 1 3 -1. - <_> - 1 9 1 1 3. - <_> - - <_> - 5 0 8 3 -1. - <_> - 5 1 8 1 3. - <_> - - <_> - 0 5 12 5 -1. - <_> - 4 5 4 5 3. - <_> - - <_> - 9 9 6 3 -1. - <_> - 11 9 2 3 3. - <_> - - <_> - 4 9 6 2 -1. - <_> - 6 9 2 2 3. - <_> - - <_> - 8 5 4 4 -1. - <_> - 9 5 2 4 2. - <_> - - <_> - 3 1 2 3 -1. - <_> - 2 2 2 1 3. - 1 - <_> - - <_> - 14 2 3 1 -1. - <_> - 15 3 1 1 3. - 1 - <_> - - <_> - 0 0 4 10 -1. - <_> - 0 5 4 5 2. - <_> - - <_> - 14 1 4 2 -1. - <_> - 14 1 4 1 2. - 1 - <_> - - <_> - 4 1 2 4 -1. - <_> - 4 1 1 4 2. - 1 - <_> - - <_> - 3 0 12 9 -1. - <_> - 3 3 12 3 3. - <_> - - <_> - 6 5 4 3 -1. - <_> - 5 6 4 1 3. - 1 - <_> - - <_> - 9 5 3 1 -1. - <_> - 10 6 1 1 3. - 1 - <_> - - <_> - 3 1 2 3 -1. - <_> - 2 2 2 1 3. - 1 - <_> - - <_> - 12 1 6 9 -1. - <_> - 14 1 2 9 3. - <_> - - <_> - 6 5 3 4 -1. - <_> - 7 5 1 4 3. - <_> - - <_> - 9 1 1 8 -1. - <_> - 7 3 1 4 2. - 1 - <_> - - <_> - 9 1 8 1 -1. - <_> - 11 3 4 1 2. - 1 - <_> - - <_> - 9 0 1 8 -1. - <_> - 9 0 1 4 2. - 1 - <_> - - <_> - 0 1 6 9 -1. - <_> - 2 1 2 9 3. - <_> - - <_> - 10 5 4 3 -1. - <_> - 11 5 2 3 2. - <_> - - <_> - 5 4 1 3 -1. - <_> - 4 5 1 1 3. - 1 - <_> - - <_> - 8 4 3 3 -1. - <_> - 9 5 1 1 9. - <_> - - <_> - 6 9 6 2 -1. - <_> - 8 9 2 2 3. - <_> - - <_> - 8 5 3 2 -1. - <_> - 9 5 1 2 3. - <_> - - <_> - 6 0 4 5 -1. - <_> - 7 0 2 5 2. - <_> - - <_> - 8 0 4 4 -1. - <_> - 9 0 2 4 2. - <_> - - <_> - 9 0 8 1 -1. - <_> - 9 0 4 1 2. - 1 - <_> - - <_> - 12 3 6 4 -1. - <_> - 15 3 3 2 2. - <_> - 12 5 3 2 2. - <_> - - <_> - 0 3 6 4 -1. - <_> - 0 3 3 2 2. - <_> - 3 5 3 2 2. - <_> - - <_> - 13 3 4 3 -1. - <_> - 12 4 4 1 3. - 1 - <_> - - <_> - 5 3 3 4 -1. - <_> - 6 4 1 4 3. - 1 - <_> - - <_> - 3 8 12 4 -1. - <_> - 7 8 4 4 3. - <_> - - <_> - 6 1 1 3 -1. - <_> - 5 2 1 1 3. - 1 - <_> - - <_> - 14 5 3 4 -1. - <_> - 14 5 3 2 2. - 1 - <_> - - <_> - 5 2 3 3 -1. - <_> - 6 3 1 3 3. - 1 - <_> - - <_> - 16 10 2 2 -1. - <_> - 16 11 2 1 2. - <_> - - <_> - 0 10 2 2 -1. - <_> - 0 11 2 1 2. - <_> - - <_> - 16 11 2 1 -1. - <_> - 16 11 1 1 2. - <_> - - <_> - 0 11 2 1 -1. - <_> - 1 11 1 1 2. - <_> - - <_> - 16 11 2 1 -1. - <_> - 16 11 1 1 2. - <_> - - <_> - 0 11 2 1 -1. - <_> - 1 11 1 1 2. - <_> - - <_> - 9 10 6 2 -1. - <_> - 11 10 2 2 3. - <_> - - <_> - 1 10 16 2 -1. - <_> - 5 10 8 2 2. - <_> - - <_> - 7 10 4 2 -1. - <_> - 8 10 2 2 2. - <_> - - <_> - 2 2 3 3 -1. - <_> - 3 2 1 3 3. - <_> - - <_> - 8 4 3 5 -1. - <_> - 9 4 1 5 3. - <_> - - <_> - 0 1 18 10 -1. - <_> - 0 1 9 5 2. - <_> - 9 6 9 5 2. - <_> - - <_> - 14 7 4 1 -1. - <_> - 15 8 2 1 2. - 1 - <_> - - <_> - 2 4 12 4 -1. - <_> - 5 4 6 4 2. - <_> - - <_> - 7 1 4 3 -1. - <_> - 7 2 4 1 3. - <_> - - <_> - 1 6 6 3 -1. - <_> - 3 6 2 3 3. - <_> - - <_> - 13 3 4 9 -1. - <_> - 13 3 2 9 2. - <_> - - <_> - 1 3 4 9 -1. - <_> - 3 3 2 9 2. - <_> - - <_> - 7 11 10 1 -1. - <_> - 7 11 5 1 2. - <_> - - <_> - 0 9 14 3 -1. - <_> - 7 9 7 3 2. - <_> - - <_> - 5 0 12 4 -1. - <_> - 5 1 12 2 2. - <_> - - <_> - 9 2 4 3 -1. - <_> - 9 2 2 3 2. - 1 - <_> - - <_> - 10 5 3 1 -1. - <_> - 11 6 1 1 3. - 1 - <_> - - <_> - 5 11 4 1 -1. - <_> - 6 11 2 1 2. - <_> - - <_> - 15 0 3 2 -1. - <_> - 15 1 3 1 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 1 2 1 2. - <_> - - <_> - 10 5 4 3 -1. - <_> - 11 5 2 3 2. - <_> - - <_> - 4 5 4 3 -1. - <_> - 5 5 2 3 2. - <_> - - <_> - 11 11 4 1 -1. - <_> - 12 11 2 1 2. - <_> - - <_> - 0 4 12 6 -1. - <_> - 4 4 4 6 3. - <_> - - <_> - 9 2 4 4 -1. - <_> - 9 2 2 4 2. - 1 - <_> - - <_> - 0 5 1 4 -1. - <_> - 0 6 1 2 2. - <_> - - <_> - 2 0 14 2 -1. - <_> - 9 0 7 1 2. - <_> - 2 1 7 1 2. - <_> - - <_> - 6 2 1 2 -1. - <_> - 6 2 1 1 2. - 1 - <_> - - <_> - 7 8 5 4 -1. - <_> - 7 9 5 2 2. - <_> - - <_> - 3 11 4 1 -1. - <_> - 4 11 2 1 2. - <_> - - <_> - 0 0 18 12 -1. - <_> - 9 0 9 6 2. - <_> - 0 6 9 6 2. - <_> - - <_> - 0 7 5 3 -1. - <_> - 0 8 5 1 3. - <_> - - <_> - 8 10 4 2 -1. - <_> - 8 11 4 1 2. - <_> - - <_> - 2 9 2 2 -1. - <_> - 2 9 1 1 2. - <_> - 3 10 1 1 2. - <_> - - <_> - 6 3 9 6 -1. - <_> - 9 5 3 2 9. - <_> - - <_> - 5 4 6 4 -1. - <_> - 7 4 2 4 3. - <_> - - <_> - 8 5 8 3 -1. - <_> - 8 5 4 3 2. - <_> - - <_> - 2 5 8 3 -1. - <_> - 6 5 4 3 2. - <_> - - <_> - 0 0 18 3 -1. - <_> - 6 0 6 3 3. - <_> - - <_> - 8 5 1 3 -1. - <_> - 7 6 1 1 3. - 1 - <_> - - <_> - 15 0 2 2 -1. - <_> - 15 0 2 1 2. - 1 - <_> - - <_> - 5 3 3 7 -1. - <_> - 6 3 1 7 3. - <_> - - <_> - 10 5 4 4 -1. - <_> - 12 5 2 2 2. - <_> - 10 7 2 2 2. - <_> - - <_> - 4 5 4 4 -1. - <_> - 4 5 2 2 2. - <_> - 6 7 2 2 2. - <_> - - <_> - 13 5 3 3 -1. - <_> - 12 6 3 1 3. - 1 - <_> - - <_> - 5 5 3 3 -1. - <_> - 6 6 1 3 3. - 1 - <_> - - <_> - 10 1 4 4 -1. - <_> - 11 1 2 4 2. - <_> - - <_> - 9 1 3 8 -1. - <_> - 9 1 3 4 2. - 1 - <_> - - <_> - 5 1 8 3 -1. - <_> - 5 1 4 3 2. - <_> - - <_> - 4 0 4 5 -1. - <_> - 5 0 2 5 2. - <_> - - <_> - 5 2 8 3 -1. - <_> - 5 3 8 1 3. - <_> - - <_> - 5 0 6 2 -1. - <_> - 7 0 2 2 3. - <_> - - <_> - 10 0 8 1 -1. - <_> - 10 0 4 1 2. - <_> - - <_> - 1 0 16 1 -1. - <_> - 5 0 8 1 2. - <_> - - <_> - 10 9 2 2 -1. - <_> - 11 9 1 1 2. - <_> - 10 10 1 1 2. - <_> - - <_> - 0 2 10 8 -1. - <_> - 0 2 5 4 2. - <_> - 5 6 5 4 2. - <_> - - <_> - 11 7 2 2 -1. - <_> - 12 7 1 1 2. - <_> - 11 8 1 1 2. - <_> - - <_> - 5 7 2 2 -1. - <_> - 5 7 1 1 2. - <_> - 6 8 1 1 2. - <_> - - <_> - 7 4 6 8 -1. - <_> - 7 8 6 4 2. - <_> - - <_> - 0 7 1 4 -1. - <_> - 0 8 1 2 2. - <_> - - <_> - 8 9 2 2 -1. - <_> - 9 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 8 9 2 2 -1. - <_> - 8 9 1 1 2. - <_> - 9 10 1 1 2. - <_> - - <_> - 9 9 3 2 -1. - <_> - 9 10 3 1 2. - <_> - - <_> - 8 9 2 2 -1. - <_> - 8 9 1 1 2. - <_> - 9 10 1 1 2. - <_> - - <_> - 9 8 2 2 -1. - <_> - 9 8 1 2 2. - 1 - <_> - - <_> - 8 10 2 1 -1. - <_> - 9 10 1 1 2. - <_> - - <_> - 8 10 2 1 -1. - <_> - 8 10 1 1 2. - <_> - - <_> - 6 9 2 2 -1. - <_> - 6 9 1 1 2. - <_> - 7 10 1 1 2. - <_> - - <_> - 0 11 18 1 -1. - <_> - 6 11 6 1 3. - <_> - - <_> - 3 11 6 1 -1. - <_> - 5 11 2 1 3. - <_> - - <_> - 9 9 2 2 -1. - <_> - 10 9 1 1 2. - <_> - 9 10 1 1 2. - <_> - - <_> - 7 9 2 2 -1. - <_> - 7 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 11 9 1 3 -1. - <_> - 11 10 1 1 3. - <_> - - <_> - 6 9 1 3 -1. - <_> - 6 10 1 1 3. - <_> - - <_> - 12 7 3 2 -1. - <_> - 13 8 1 2 3. - 1 - <_> - - <_> - 6 7 2 3 -1. - <_> - 5 8 2 1 3. - 1 - <_> - - <_> - 12 4 4 6 -1. - <_> - 14 4 2 3 2. - <_> - 12 7 2 3 2. - <_> - - <_> - 2 4 4 6 -1. - <_> - 2 4 2 3 2. - <_> - 4 7 2 3 2. - <_> - - <_> - 11 10 1 2 -1. - <_> - 11 11 1 1 2. - <_> - - <_> - 7 5 3 2 -1. - <_> - 8 5 1 2 3. - <_> - - <_> - 13 3 4 3 -1. - <_> - 12 4 4 1 3. - 1 - <_> - - <_> - 0 0 3 3 -1. - <_> - 0 1 3 1 3. - <_> - - <_> - 13 2 5 3 -1. - <_> - 12 3 5 1 3. - 1 - <_> - - <_> - 5 3 3 4 -1. - <_> - 6 4 1 4 3. - 1 - <_> - - <_> - 10 10 3 1 -1. - <_> - 11 10 1 1 3. - <_> - - <_> - 3 4 3 2 -1. - <_> - 3 5 3 1 2. - <_> - - <_> - 10 9 3 1 -1. - <_> - 11 9 1 1 3. - <_> - - <_> - 5 2 3 2 -1. - <_> - 5 2 3 1 2. - 1 - <_> - - <_> - 16 9 2 2 -1. - <_> - 17 9 1 1 2. - <_> - 16 10 1 1 2. - <_> - - <_> - 5 10 3 1 -1. - <_> - 6 10 1 1 3. - <_> - - <_> - 9 0 8 4 -1. - <_> - 9 0 8 2 2. - 1 - <_> - - <_> - 9 3 4 2 -1. - <_> - 9 3 4 1 2. - 1 - <_> - - <_> - 8 2 3 3 -1. - <_> - 8 3 3 1 3. - <_> - - <_> - 7 2 4 2 -1. - <_> - 8 2 2 2 2. - <_> - - <_> - 9 6 1 3 -1. - <_> - 9 7 1 1 3. - <_> - - <_> - 9 3 8 1 -1. - <_> - 11 5 4 1 2. - 1 - <_> - - <_> - 6 2 6 2 -1. - <_> - 8 2 2 2 3. - <_> - - <_> - 3 4 10 4 -1. - <_> - 3 4 5 2 2. - <_> - 8 6 5 2 2. - <_> - - <_> - 16 0 2 3 -1. - <_> - 15 1 2 1 3. - 1 - <_> - - <_> - 4 0 3 1 -1. - <_> - 5 0 1 1 3. - <_> - - <_> - 11 0 3 1 -1. - <_> - 12 0 1 1 3. - <_> - - <_> - 4 0 3 1 -1. - <_> - 5 0 1 1 3. - <_> - - <_> - 16 4 2 6 -1. - <_> - 16 4 1 6 2. - <_> - - <_> - 5 10 8 2 -1. - <_> - 7 10 4 2 2. - <_> - - <_> - 8 6 2 2 -1. - <_> - 9 6 1 1 2. - <_> - 8 7 1 1 2. - <_> - - <_> - 5 6 4 2 -1. - <_> - 5 7 4 1 2. - <_> - - <_> - 11 6 7 3 -1. - <_> - 11 7 7 1 3. - <_> - - <_> - 0 6 7 3 -1. - <_> - 0 7 7 1 3. - <_> - - <_> - 15 9 2 2 -1. - <_> - 16 9 1 1 2. - <_> - 15 10 1 1 2. - <_> - - <_> - 2 10 2 2 -1. - <_> - 2 10 1 1 2. - <_> - 3 11 1 1 2. - <_> - - <_> - 14 11 3 1 -1. - <_> - 15 11 1 1 3. - <_> - - <_> - 1 11 3 1 -1. - <_> - 2 11 1 1 3. - <_> - - <_> - 16 10 1 2 -1. - <_> - 16 11 1 1 2. - <_> - - <_> - 1 10 1 2 -1. - <_> - 1 11 1 1 2. - <_> - - <_> - 5 3 3 3 -1. - <_> - 6 4 1 3 3. - 1 - <_> - - <_> - 6 4 6 4 -1. - <_> - 8 4 2 4 3. - <_> - - <_> - 2 3 4 4 -1. - <_> - 2 3 2 2 2. - <_> - 4 5 2 2 2. - <_> - - <_> - 15 6 2 2 -1. - <_> - 15 6 1 2 2. - 1 - <_> - - <_> - 3 6 2 2 -1. - <_> - 3 6 2 1 2. - 1 - <_> - - <_> - 4 3 12 4 -1. - <_> - 4 4 12 2 2. - <_> - - <_> - 2 5 4 2 -1. - <_> - 2 5 2 1 2. - <_> - 4 6 2 1 2. - <_> - - <_> - 10 4 3 2 -1. - <_> - 11 5 1 2 3. - 1 - <_> - - <_> - 5 5 4 3 -1. - <_> - 6 5 2 3 2. - <_> - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - <_> - - <_> - 3 2 10 4 -1. - <_> - 3 3 10 2 2. - <_> - - <_> - 12 6 6 6 -1. - <_> - 12 9 6 3 2. - <_> - - <_> - 4 6 3 2 -1. - <_> - 5 6 1 2 3. - <_> - - <_> - 16 8 1 2 -1. - <_> - 16 9 1 1 2. - <_> - - <_> - 1 8 1 2 -1. - <_> - 1 9 1 1 2. - <_> - - <_> - 9 4 3 2 -1. - <_> - 10 5 1 2 3. - 1 - <_> - - <_> - 3 9 2 1 -1. - <_> - 3 9 1 1 2. - 1 - <_> - - <_> - 9 0 6 4 -1. - <_> - 11 0 2 4 3. - <_> - - <_> - 9 3 6 3 -1. - <_> - 8 4 6 1 3. - 1 - <_> - - <_> - 9 0 6 4 -1. - <_> - 11 0 2 4 3. - <_> - - <_> - 0 0 1 12 -1. - <_> - 0 6 1 6 2. - <_> - - <_> - 6 0 6 4 -1. - <_> - 6 1 6 2 2. - <_> - - <_> - 1 0 10 4 -1. - <_> - 1 1 10 2 2. - <_> - - <_> - 16 0 2 3 -1. - <_> - 16 0 1 3 2. - 1 - <_> - - <_> - 0 3 2 4 -1. - <_> - 0 4 2 2 2. - <_> - - <_> - 14 4 2 6 -1. - <_> - 14 4 2 3 2. - 1 - <_> - - <_> - 5 3 3 6 -1. - <_> - 6 5 1 2 9. - <_> - - <_> - 7 0 6 6 -1. - <_> - 7 2 6 2 3. - <_> - - <_> - 0 4 16 7 -1. - <_> - 8 4 8 7 2. - <_> - - <_> - 6 4 8 6 -1. - <_> - 10 4 4 3 2. - <_> - 6 7 4 3 2. - <_> - - <_> - 3 2 4 3 -1. - <_> - 4 3 2 3 2. - 1 - <_> - - <_> - 10 0 4 3 -1. - <_> - 10 0 2 3 2. - <_> - - <_> - 4 0 4 3 -1. - <_> - 6 0 2 3 2. - <_> - - <_> - 15 4 2 6 -1. - <_> - 15 4 2 3 2. - 1 - <_> - - <_> - 3 4 6 2 -1. - <_> - 3 4 3 2 2. - 1 - <_> - - <_> - 4 0 14 12 -1. - <_> - 4 0 7 12 2. - <_> - - <_> - 0 0 12 12 -1. - <_> - 4 0 4 12 3. - <_> - - <_> - 15 2 3 3 -1. - <_> - 15 3 3 1 3. - <_> - - <_> - 3 7 3 1 -1. - <_> - 4 7 1 1 3. - <_> - - <_> - 14 2 4 3 -1. - <_> - 14 3 4 1 3. - <_> - - <_> - 0 0 15 6 -1. - <_> - 5 2 5 2 9. - <_> - - <_> - 8 1 6 3 -1. - <_> - 10 1 2 3 3. - <_> - - <_> - 0 2 14 8 -1. - <_> - 0 2 7 4 2. - <_> - 7 6 7 4 2. - <_> - - <_> - 11 10 1 2 -1. - <_> - 11 11 1 1 2. - <_> - - <_> - 0 9 2 2 -1. - <_> - 0 9 1 1 2. - <_> - 1 10 1 1 2. - <_> - - <_> - 13 9 3 3 -1. - <_> - 13 10 3 1 3. - <_> - - <_> - 8 4 3 3 -1. - <_> - 7 5 3 1 3. - 1 - <_> - - <_> - 8 9 6 2 -1. - <_> - 10 9 2 2 3. - <_> - - <_> - 0 3 1 4 -1. - <_> - 0 4 1 2 2. - <_> - - <_> - 9 6 2 2 -1. - <_> - 10 6 1 1 2. - <_> - 9 7 1 1 2. - <_> - - <_> - 7 6 2 2 -1. - <_> - 7 6 1 1 2. - <_> - 8 7 1 1 2. - <_> - - <_> - 7 0 5 2 -1. - <_> - 7 1 5 1 2. - <_> - - <_> - 3 0 3 12 -1. - <_> - 4 0 1 12 3. - <_> - - <_> - 7 9 6 3 -1. - <_> - 9 9 2 3 3. - <_> - - <_> - 5 9 6 3 -1. - <_> - 7 9 2 3 3. - <_> - - <_> - 9 0 2 2 -1. - <_> - 10 0 1 1 2. - <_> - 9 1 1 1 2. - <_> - - <_> - 3 0 10 2 -1. - <_> - 3 0 5 1 2. - <_> - 8 1 5 1 2. - <_> - - <_> - 9 6 3 1 -1. - <_> - 10 6 1 1 3. - <_> - - <_> - 0 10 18 2 -1. - <_> - 6 10 6 2 3. - <_> - - <_> - 2 11 16 1 -1. - <_> - 6 11 8 1 2. - <_> - - <_> - 4 10 4 1 -1. - <_> - 5 10 2 1 2. - <_> - - <_> - 9 6 3 1 -1. - <_> - 10 6 1 1 3. - <_> - - <_> - 2 2 10 10 -1. - <_> - 7 2 5 10 2. - <_> - - <_> - 7 2 8 5 -1. - <_> - 7 2 4 5 2. - <_> - - <_> - 3 2 8 5 -1. - <_> - 7 2 4 5 2. - <_> - - <_> - 9 6 3 1 -1. - <_> - 10 6 1 1 3. - <_> - - <_> - 2 0 4 2 -1. - <_> - 2 0 4 1 2. - 1 - <_> - - <_> - 12 10 6 2 -1. - <_> - 12 11 6 1 2. - <_> - - <_> - 2 0 3 2 -1. - <_> - 2 0 3 1 2. - 1 - <_> - - <_> - 9 6 3 1 -1. - <_> - 10 6 1 1 3. - <_> - - <_> - 6 6 3 1 -1. - <_> - 7 6 1 1 3. - <_> - - <_> - 12 10 6 2 -1. - <_> - 12 11 6 1 2. - <_> - - <_> - 6 10 1 2 -1. - <_> - 6 11 1 1 2. - <_> - - <_> - 8 10 4 2 -1. - <_> - 8 11 4 1 2. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - <_> - - <_> - 9 7 2 3 -1. - <_> - 9 8 2 1 3. - <_> - - <_> - 0 6 9 3 -1. - <_> - 0 7 9 1 3. - <_> - - <_> - 11 0 3 5 -1. - <_> - 12 0 1 5 3. - <_> - - <_> - 4 0 3 5 -1. - <_> - 5 0 1 5 3. - <_> - - <_> - 0 11 18 1 -1. - <_> - 0 11 9 1 2. - <_> - - <_> - 0 1 14 11 -1. - <_> - 7 1 7 11 2. - <_> - - <_> - 0 0 18 1 -1. - <_> - 0 0 9 1 2. - <_> - - <_> - 3 1 9 6 -1. - <_> - 3 3 9 2 3. - <_> - - <_> - 11 4 2 1 -1. - <_> - 11 4 1 1 2. - 1 - <_> - - <_> - 8 7 2 2 -1. - <_> - 8 7 1 1 2. - <_> - 9 8 1 1 2. - <_> - - <_> - 17 9 1 2 -1. - <_> - 17 10 1 1 2. - <_> - - <_> - 1 8 2 2 -1. - <_> - 1 8 1 1 2. - <_> - 2 9 1 1 2. - <_> - - <_> - 9 4 2 3 -1. - <_> - 9 5 2 1 3. - <_> - - <_> - 2 9 3 3 -1. - <_> - 2 10 3 1 3. - <_> - - <_> - 5 8 8 3 -1. - <_> - 5 9 8 1 3. - <_> - - <_> - 0 9 6 2 -1. - <_> - 0 10 6 1 2. - <_> - - <_> - 15 0 3 2 -1. - <_> - 16 1 1 2 3. - 1 - <_> - - <_> - 6 3 5 3 -1. - <_> - 6 4 5 1 3. - <_> - - <_> - 11 4 2 1 -1. - <_> - 11 4 1 1 2. - 1 - <_> - - <_> - 4 0 10 2 -1. - <_> - 9 0 5 2 2. - <_> - - <_> - 17 0 1 3 -1. - <_> - 16 1 1 1 3. - 1 - <_> - - <_> - 7 0 4 3 -1. - <_> - 9 0 2 3 2. - <_> - - <_> - 14 2 3 2 -1. - <_> - 15 3 1 2 3. - 1 - <_> - - <_> - 9 0 6 4 -1. - <_> - 11 2 2 4 3. - 1 - <_> - - <_> - 17 0 1 3 -1. - <_> - 16 1 1 1 3. - 1 - <_> - - <_> - 1 0 3 1 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 2 2 16 1 -1. - <_> - 6 2 8 1 2. - <_> - - <_> - 7 4 1 2 -1. - <_> - 7 4 1 1 2. - 1 - <_> - - <_> - 13 4 5 3 -1. - <_> - 12 5 5 1 3. - 1 - <_> - - <_> - 4 1 4 4 -1. - <_> - 5 2 2 4 2. - 1 - <_> - - <_> - 15 4 3 2 -1. - <_> - 15 5 3 1 2. - <_> - - <_> - 0 2 18 4 -1. - <_> - 0 2 9 2 2. - <_> - 9 4 9 2 2. - <_> - - <_> - 10 3 2 1 -1. - <_> - 10 3 1 1 2. - 1 - <_> - - <_> - 5 3 2 2 -1. - <_> - 5 3 2 1 2. - 1 - <_> - - <_> - 17 7 1 4 -1. - <_> - 17 9 1 2 2. - <_> - - <_> - 7 4 3 3 -1. - <_> - 8 5 1 1 9. - <_> - - <_> - 16 6 2 3 -1. - <_> - 16 7 2 1 3. - <_> - - <_> - 0 7 1 4 -1. - <_> - 0 9 1 2 2. - <_> - - <_> - 10 10 8 2 -1. - <_> - 10 10 4 2 2. - <_> - - <_> - 8 3 1 6 -1. - <_> - 8 3 1 3 2. - 1 - <_> - - <_> - 9 4 8 5 -1. - <_> - 9 4 4 5 2. - <_> - - <_> - 1 4 8 5 -1. - <_> - 5 4 4 5 2. - <_> - - <_> - 9 5 4 1 -1. - <_> - 10 5 2 1 2. - <_> - - <_> - 5 5 4 1 -1. - <_> - 6 5 2 1 2. - <_> - - <_> - 13 6 4 6 -1. - <_> - 15 6 2 3 2. - <_> - 13 9 2 3 2. - <_> - - <_> - 1 6 4 6 -1. - <_> - 1 6 2 3 2. - <_> - 3 9 2 3 2. - <_> - - <_> - 5 6 10 4 -1. - <_> - 10 6 5 2 2. - <_> - 5 8 5 2 2. - <_> - - <_> - 2 3 3 7 -1. - <_> - 3 3 1 7 3. - <_> - - <_> - 9 7 2 3 -1. - <_> - 9 8 2 1 3. - <_> - - <_> - 6 11 6 1 -1. - <_> - 8 11 2 1 3. - <_> - - <_> - 16 1 2 9 -1. - <_> - 13 4 2 3 3. - 1 - <_> - - <_> - 0 0 3 3 -1. - <_> - 0 1 3 1 3. - <_> - - <_> - 6 3 9 6 -1. - <_> - 6 6 9 3 2. - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 2 2. - 1 - <_> - - <_> - 4 6 10 6 -1. - <_> - 4 9 10 3 2. - <_> - - <_> - 5 6 2 4 -1. - <_> - 4 7 2 2 2. - 1 - <_> - - <_> - 16 9 2 2 -1. - <_> - 17 9 1 1 2. - <_> - 16 10 1 1 2. - <_> - - <_> - 2 8 1 2 -1. - <_> - 2 8 1 1 2. - 1 - <_> - - <_> - 16 6 2 3 -1. - <_> - 16 7 2 1 3. - <_> - - <_> - 0 3 2 9 -1. - <_> - 1 3 1 9 2. - <_> - - <_> - 15 4 3 2 -1. - <_> - 16 5 1 2 3. - 1 - <_> - - <_> - 3 4 2 3 -1. - <_> - 2 5 2 1 3. - 1 - <_> - - <_> - 6 1 12 4 -1. - <_> - 6 2 12 2 2. - <_> - - <_> - 5 2 8 3 -1. - <_> - 5 3 8 1 3. - <_> - - <_> - 12 1 2 1 -1. - <_> - 12 1 1 1 2. - 1 - <_> - - <_> - 6 1 2 2 -1. - <_> - 6 1 2 1 2. - 1 - <_> - - <_> - 8 1 10 1 -1. - <_> - 8 1 5 1 2. - <_> - - <_> - 0 1 10 1 -1. - <_> - 5 1 5 1 2. - <_> - - <_> - 13 7 2 2 -1. - <_> - 14 7 1 1 2. - <_> - 13 8 1 1 2. - <_> - - <_> - 0 9 2 2 -1. - <_> - 0 9 1 1 2. - <_> - 1 10 1 1 2. - <_> - - <_> - 16 1 2 4 -1. - <_> - 15 2 2 2 2. - 1 - <_> - - <_> - 0 0 3 1 -1. - <_> - 1 0 1 1 3. - <_> - - <_> - 9 10 2 1 -1. - <_> - 9 10 1 1 2. - <_> - - <_> - 7 9 4 3 -1. - <_> - 8 9 2 3 2. - <_> - - <_> - 13 7 2 2 -1. - <_> - 14 7 1 1 2. - <_> - 13 8 1 1 2. - <_> - - <_> - 3 0 6 1 -1. - <_> - 5 0 2 1 3. - <_> - - <_> - 16 1 2 4 -1. - <_> - 15 2 2 2 2. - 1 - <_> - - <_> - 2 1 4 2 -1. - <_> - 3 2 2 2 2. - 1 - <_> - - <_> - 15 4 1 2 -1. - <_> - 15 4 1 1 2. - 1 - <_> - - <_> - 3 4 2 1 -1. - <_> - 3 4 1 1 2. - 1 - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 0 1 1 3. - <_> - - <_> - 0 0 3 1 -1. - <_> - 1 0 1 1 3. - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 1 1 1 3. - 1 - <_> - - <_> - 6 11 3 1 -1. - <_> - 7 11 1 1 3. - <_> - - <_> - 11 9 2 2 -1. - <_> - 12 9 1 1 2. - <_> - 11 10 1 1 2. - <_> - - <_> - 6 8 6 3 -1. - <_> - 6 9 6 1 3. - <_> - - <_> - 8 10 6 2 -1. - <_> - 10 10 2 2 3. - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 9 8 2 2 -1. - <_> - 10 8 1 1 2. - <_> - 9 9 1 1 2. - <_> - - <_> - 8 7 1 3 -1. - <_> - 8 8 1 1 3. - <_> - - <_> - 8 4 2 6 -1. - <_> - 8 7 2 3 2. - <_> - - <_> - 8 6 1 3 -1. - <_> - 8 7 1 1 3. - <_> - - <_> - 14 8 1 3 -1. - <_> - 14 9 1 1 3. - <_> - - <_> - 3 8 1 3 -1. - <_> - 3 9 1 1 3. - <_> - - <_> - 13 2 4 3 -1. - <_> - 14 3 2 3 2. - 1 - <_> - - <_> - 6 4 6 8 -1. - <_> - 9 4 3 8 2. - <_> - - <_> - 9 11 2 1 -1. - <_> - 9 11 1 1 2. - <_> - - <_> - 2 1 9 2 -1. - <_> - 5 4 3 2 3. - 1 - <_> - - <_> - 10 5 8 3 -1. - <_> - 10 6 8 1 3. - <_> - - <_> - 3 5 1 2 -1. - <_> - 3 6 1 1 2. - <_> - - <_> - 11 1 4 2 -1. - <_> - 11 2 4 1 2. - <_> - - <_> - 4 1 4 2 -1. - <_> - 4 2 4 1 2. - <_> - - <_> - 12 3 3 1 -1. - <_> - 13 4 1 1 3. - 1 - <_> - - <_> - 6 3 1 3 -1. - <_> - 5 4 1 1 3. - 1 - <_> - - <_> - 13 4 5 3 -1. - <_> - 12 5 5 1 3. - 1 - <_> - - <_> - 5 4 3 5 -1. - <_> - 6 5 1 5 3. - 1 - <_> - - <_> - 13 1 4 3 -1. - <_> - 12 2 4 1 3. - 1 - <_> - - <_> - 8 7 2 2 -1. - <_> - 9 7 1 2 2. - <_> - - <_> - 0 4 18 4 -1. - <_> - 9 4 9 2 2. - <_> - 0 6 9 2 2. - <_> - - <_> - 7 2 2 2 -1. - <_> - 7 2 1 1 2. - <_> - 8 3 1 1 2. - <_> - - <_> - 6 0 6 1 -1. - <_> - 8 0 2 1 3. - <_> - - <_> - 6 0 4 3 -1. - <_> - 6 1 4 1 3. - <_> - - <_> - 9 11 2 1 -1. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 11 2 1 -1. - <_> - 8 11 1 1 2. - <_> - - <_> - 9 11 2 1 -1. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 11 2 1 -1. - <_> - 8 11 1 1 2. - <_> - - <_> - 8 10 6 2 -1. - <_> - 10 10 2 2 3. - <_> - - <_> - 4 10 6 2 -1. - <_> - 6 10 2 2 3. - <_> - - <_> - 14 2 4 3 -1. - <_> - 14 3 4 1 3. - <_> - - <_> - 3 6 11 3 -1. - <_> - 3 7 11 1 3. - <_> - - <_> - 9 7 2 3 -1. - <_> - 9 7 1 3 2. - 1 - <_> - - <_> - 0 2 18 7 -1. - <_> - 6 2 6 7 3. - <_> - - <_> - 12 1 6 4 -1. - <_> - 12 1 3 4 2. - <_> - - <_> - 0 1 6 4 -1. - <_> - 3 1 3 4 2. - <_> - - <_> - 11 1 2 7 -1. - <_> - 11 1 1 7 2. - 1 - <_> - - <_> - 2 4 9 4 -1. - <_> - 2 6 9 2 2. - <_> - - <_> - 9 3 3 1 -1. - <_> - 10 3 1 1 3. - <_> - - <_> - 0 0 6 10 -1. - <_> - 2 0 2 10 3. - <_> - - <_> - 10 4 4 6 -1. - <_> - 11 4 2 6 2. - <_> - - <_> - 4 4 4 6 -1. - <_> - 5 4 2 6 2. - <_> - - <_> - 11 0 4 3 -1. - <_> - 12 0 2 3 2. - <_> - - <_> - 2 0 6 4 -1. - <_> - 4 0 2 4 3. - <_> - - <_> - 8 3 3 5 -1. - <_> - 9 3 1 5 3. - <_> - - <_> - 7 3 3 5 -1. - <_> - 8 3 1 5 3. - <_> - - <_> - 6 4 6 4 -1. - <_> - 8 4 2 4 3. - <_> - - <_> - 8 5 2 2 -1. - <_> - 8 5 2 1 2. - 1 - <_> - - <_> - 9 4 8 6 -1. - <_> - 13 4 4 3 2. - <_> - 9 7 4 3 2. - <_> - - <_> - 5 10 2 2 -1. - <_> - 5 10 1 1 2. - <_> - 6 11 1 1 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - <_> - - <_> - 0 11 16 1 -1. - <_> - 4 11 8 1 2. - <_> - - <_> - 14 9 1 2 -1. - <_> - 14 9 1 1 2. - 1 - <_> - - <_> - 1 10 12 2 -1. - <_> - 5 10 4 2 3. - <_> - - <_> - 1 11 16 1 -1. - <_> - 1 11 8 1 2. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 0 10 18 2 -1. - <_> - 9 10 9 1 2. - <_> - 0 11 9 1 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 8 4 4 4 -1. - <_> - 10 4 2 2 2. - <_> - 8 6 2 2 2. - <_> - - <_> - 6 4 4 4 -1. - <_> - 6 4 2 2 2. - <_> - 8 6 2 2 2. - <_> - - <_> - 8 4 3 1 -1. - <_> - 9 4 1 1 3. - <_> - - <_> - 7 2 4 3 -1. - <_> - 8 2 2 3 2. - <_> - - <_> - 9 3 2 2 -1. - <_> - 10 3 1 1 2. - <_> - 9 4 1 1 2. - <_> - - <_> - 6 3 3 1 -1. - <_> - 7 3 1 1 3. - <_> - - <_> - 12 3 1 2 -1. - <_> - 12 4 1 1 2. - <_> - - <_> - 8 0 2 2 -1. - <_> - 8 0 1 1 2. - <_> - 9 1 1 1 2. - <_> - - <_> - 8 0 2 2 -1. - <_> - 9 0 1 1 2. - <_> - 8 1 1 1 2. - <_> - - <_> - 3 2 1 3 -1. - <_> - 2 3 1 1 3. - 1 - <_> - - <_> - 8 0 2 2 -1. - <_> - 9 0 1 1 2. - <_> - 8 1 1 1 2. - <_> - - <_> - 1 8 2 4 -1. - <_> - 1 9 2 2 2. - <_> - - <_> - 10 9 6 3 -1. - <_> - 10 10 6 1 3. - <_> - - <_> - 2 9 6 3 -1. - <_> - 2 10 6 1 3. - <_> - - <_> - 6 9 10 3 -1. - <_> - 6 10 10 1 3. - <_> - - <_> - 7 5 3 1 -1. - <_> - 8 5 1 1 3. - <_> - - <_> - 16 0 2 3 -1. - <_> - 16 0 1 3 2. - <_> - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - <_> - - <_> - 9 7 3 1 -1. - <_> - 10 7 1 1 3. - <_> - - <_> - 8 9 2 2 -1. - <_> - 8 9 1 1 2. - <_> - 9 10 1 1 2. - <_> - - <_> - 9 7 3 1 -1. - <_> - 10 7 1 1 3. - <_> - - <_> - 6 7 3 1 -1. - <_> - 7 7 1 1 3. - <_> - - <_> - 7 1 4 5 -1. - <_> - 8 1 2 5 2. - <_> - - <_> - 0 6 6 3 -1. - <_> - 0 7 6 1 3. - <_> - - <_> - 12 3 1 2 -1. - <_> - 12 4 1 1 2. - <_> - - <_> - 5 3 3 4 -1. - <_> - 5 4 3 2 2. - <_> - - <_> - 11 1 2 3 -1. - <_> - 11 1 1 3 2. - 1 - <_> - - <_> - 8 6 2 6 -1. - <_> - 9 6 1 6 2. - <_> - - <_> - 0 0 18 6 -1. - <_> - 9 0 9 3 2. - <_> - 0 3 9 3 2. - <_> - - <_> - 6 6 6 2 -1. - <_> - 8 6 2 2 3. - <_> - - <_> - 14 5 4 6 -1. - <_> - 14 5 2 6 2. - <_> - - <_> - 6 4 1 4 -1. - <_> - 5 5 1 2 2. - 1 - <_> - - <_> - 4 0 10 12 -1. - <_> - 4 6 10 6 2. - <_> - - <_> - 8 4 2 3 -1. - <_> - 7 5 2 1 3. - 1 - <_> - - <_> - 7 0 8 4 -1. - <_> - 7 1 8 2 2. - <_> - - <_> - 2 0 9 4 -1. - <_> - 2 1 9 2 2. - <_> - - <_> - 16 5 2 4 -1. - <_> - 16 5 1 4 2. - <_> - - <_> - 0 6 2 6 -1. - <_> - 0 6 1 3 2. - <_> - 1 9 1 3 2. - <_> - - <_> - 11 5 3 3 -1. - <_> - 12 5 1 3 3. - <_> - - <_> - 0 2 1 10 -1. - <_> - 0 7 1 5 2. - <_> - - <_> - 13 5 1 2 -1. - <_> - 13 5 1 1 2. - 1 - <_> - - <_> - 5 5 2 1 -1. - <_> - 5 5 1 1 2. - 1 - <_> - - <_> - 12 10 6 2 -1. - <_> - 12 11 6 1 2. - <_> - - <_> - 5 0 6 2 -1. - <_> - 8 0 3 2 2. - <_> - - <_> - 0 0 18 11 -1. - <_> - 0 0 9 11 2. - <_> - - <_> - 8 3 4 2 -1. - <_> - 8 3 4 1 2. - 1 - <_> - - <_> - 15 4 2 6 -1. - <_> - 15 4 1 6 2. - <_> - - <_> - 1 4 2 6 -1. - <_> - 2 4 1 6 2. - <_> - - <_> - 17 7 1 4 -1. - <_> - 17 7 1 2 2. - 1 - <_> - - <_> - 1 7 4 1 -1. - <_> - 1 7 2 1 2. - 1 - <_> - - <_> - 5 3 8 3 -1. - <_> - 5 4 8 1 3. - <_> - - <_> - 0 2 2 4 -1. - <_> - 0 3 2 2 2. - <_> - - <_> - 14 4 2 6 -1. - <_> - 14 4 2 3 2. - 1 - <_> - - <_> - 3 0 4 3 -1. - <_> - 4 0 2 3 2. - <_> - - <_> - 9 0 4 4 -1. - <_> - 10 0 2 4 2. - <_> - - <_> - 2 2 10 3 -1. - <_> - 7 2 5 3 2. - <_> - - <_> - 12 10 6 2 -1. - <_> - 12 11 6 1 2. - <_> - - <_> - 0 10 6 2 -1. - <_> - 0 11 6 1 2. - <_> - - <_> - 8 8 2 3 -1. - <_> - 8 9 2 1 3. - <_> - - <_> - 7 7 4 3 -1. - <_> - 7 8 4 1 3. - <_> - - <_> - 7 4 7 2 -1. - <_> - 7 5 7 1 2. - <_> - - <_> - 7 0 4 4 -1. - <_> - 8 0 2 4 2. - <_> - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - <_> - - <_> - 3 0 7 6 -1. - <_> - 3 2 7 2 3. - <_> - - <_> - 4 1 12 4 -1. - <_> - 4 2 12 2 2. - <_> - - <_> - 0 8 1 4 -1. - <_> - 0 9 1 2 2. - <_> - - <_> - 6 4 6 8 -1. - <_> - 6 6 6 4 2. - <_> - - <_> - 3 4 3 4 -1. - <_> - 3 6 3 2 2. - <_> - - <_> - 14 2 4 3 -1. - <_> - 13 3 4 1 3. - 1 - <_> - - <_> - 4 2 3 4 -1. - <_> - 5 3 1 4 3. - 1 - <_> - - <_> - 13 3 3 1 -1. - <_> - 14 4 1 1 3. - 1 - <_> - - <_> - 0 0 6 4 -1. - <_> - 0 0 3 2 2. - <_> - 3 2 3 2 2. - <_> - - <_> - 9 0 6 5 -1. - <_> - 11 0 2 5 3. - <_> - - <_> - 0 0 14 12 -1. - <_> - 7 0 7 12 2. - <_> - - <_> - 9 9 4 3 -1. - <_> - 10 9 2 3 2. - <_> - - <_> - 3 0 6 5 -1. - <_> - 5 0 2 5 3. - <_> - - <_> - 10 6 4 2 -1. - <_> - 12 6 2 1 2. - <_> - 10 7 2 1 2. - <_> - - <_> - 3 9 12 2 -1. - <_> - 6 9 6 2 2. - <_> - - <_> - 7 10 6 2 -1. - <_> - 9 10 2 2 3. - <_> - - <_> - 5 10 6 2 -1. - <_> - 7 10 2 2 3. - <_> - - <_> - 14 1 3 2 -1. - <_> - 15 2 1 2 3. - 1 - <_> - - <_> - 5 0 3 3 -1. - <_> - 5 1 3 1 3. - <_> - - <_> - 8 0 6 3 -1. - <_> - 8 1 6 1 3. - <_> - - <_> - 4 1 2 3 -1. - <_> - 3 2 2 1 3. - 1 - <_> - - <_> - 8 5 3 1 -1. - <_> - 9 5 1 1 3. - <_> - - <_> - 7 5 3 1 -1. - <_> - 8 5 1 1 3. - <_> - - <_> - 9 5 3 1 -1. - <_> - 10 5 1 1 3. - <_> - - <_> - 6 5 3 1 -1. - <_> - 7 5 1 1 3. - <_> - - <_> - 13 0 4 4 -1. - <_> - 14 1 2 4 2. - 1 - <_> - - <_> - 5 0 4 4 -1. - <_> - 4 1 4 2 2. - 1 - <_> - - <_> - 10 7 6 1 -1. - <_> - 12 7 2 1 3. - <_> - - <_> - 0 0 18 3 -1. - <_> - 6 0 6 3 3. - <_> - - <_> - 2 1 16 2 -1. - <_> - 6 1 8 2 2. - <_> - - <_> - 6 0 4 2 -1. - <_> - 7 0 2 2 2. - <_> - - <_> - 10 6 3 2 -1. - <_> - 11 6 1 2 3. - <_> - - <_> - 0 4 2 6 -1. - <_> - 1 4 1 6 2. - <_> - - <_> - 9 3 2 4 -1. - <_> - 9 3 2 2 2. - 1 - <_> - - <_> - 9 3 4 2 -1. - <_> - 9 3 2 2 2. - 1 - <_> - - <_> - 0 7 18 4 -1. - <_> - 9 7 9 2 2. - <_> - 0 9 9 2 2. - <_> - - <_> - 0 6 6 4 -1. - <_> - 0 6 3 2 2. - <_> - 3 8 3 2 2. - <_> - - <_> - 17 0 1 12 -1. - <_> - 17 4 1 4 3. - <_> - - <_> - 5 4 3 5 -1. - <_> - 6 5 1 5 3. - 1 - <_> - - <_> - 15 1 3 4 -1. - <_> - 14 2 3 2 2. - 1 - <_> - - <_> - 3 1 4 3 -1. - <_> - 4 2 2 3 2. - 1 - <_> - - <_> - 17 0 1 12 -1. - <_> - 17 4 1 4 3. - <_> - - <_> - 0 0 1 12 -1. - <_> - 0 4 1 4 3. - <_> - - <_> - 9 9 6 3 -1. - <_> - 11 9 2 3 3. - <_> - - <_> - 3 9 6 3 -1. - <_> - 5 9 2 3 3. - <_> - - <_> - 3 5 12 4 -1. - <_> - 9 5 6 2 2. - <_> - 3 7 6 2 2. - <_> - - <_> - 3 9 9 3 -1. - <_> - 3 10 9 1 3. - <_> - - <_> - 0 10 18 2 -1. - <_> - 6 10 6 2 3. - <_> - - <_> - 2 11 12 1 -1. - <_> - 5 11 6 1 2. - <_> - - <_> - 13 9 1 3 -1. - <_> - 13 10 1 1 3. - <_> - - <_> - 5 2 6 3 -1. - <_> - 5 3 6 1 3. - <_> - - <_> - 6 2 6 3 -1. - <_> - 6 3 6 1 3. - <_> - - <_> - 5 2 1 4 -1. - <_> - 4 3 1 2 2. - 1 - <_> - - <_> - 16 9 1 3 -1. - <_> - 16 10 1 1 3. - <_> - - <_> - 4 4 6 2 -1. - <_> - 4 4 3 2 2. - 1 - <_> - - <_> - 10 5 8 3 -1. - <_> - 10 6 8 1 3. - <_> - - <_> - 4 9 1 3 -1. - <_> - 4 10 1 1 3. - <_> - - <_> - 10 5 8 3 -1. - <_> - 10 6 8 1 3. - <_> - - <_> - 0 5 8 3 -1. - <_> - 0 6 8 1 3. - <_> - - <_> - 10 10 2 2 -1. - <_> - 11 10 1 1 2. - <_> - 10 11 1 1 2. - <_> - - <_> - 0 10 1 2 -1. - <_> - 0 11 1 1 2. - <_> - - <_> - 14 3 4 3 -1. - <_> - 13 4 4 1 3. - 1 - <_> - - <_> - 6 10 2 2 -1. - <_> - 6 10 1 1 2. - <_> - 7 11 1 1 2. - <_> - - <_> - 14 3 4 3 -1. - <_> - 13 4 4 1 3. - 1 - <_> - - <_> - 4 3 3 4 -1. - <_> - 5 4 1 4 3. - 1 - <_> - - <_> - 10 6 4 2 -1. - <_> - 12 6 2 1 2. - <_> - 10 7 2 1 2. - <_> - - <_> - 4 5 3 4 -1. - <_> - 5 5 1 4 3. - <_> - - <_> - 10 6 4 2 -1. - <_> - 12 6 2 1 2. - <_> - 10 7 2 1 2. - <_> - - <_> - 4 6 4 2 -1. - <_> - 4 6 2 1 2. - <_> - 6 7 2 1 2. - <_> - - <_> - 14 10 2 2 -1. - <_> - 15 10 1 1 2. - <_> - 14 11 1 1 2. - <_> - - <_> - 9 4 2 3 -1. - <_> - 8 5 2 1 3. - 1 - <_> - - <_> - 3 4 15 6 -1. - <_> - 8 6 5 2 9. - <_> - - <_> - 0 6 12 2 -1. - <_> - 4 6 4 2 3. - <_> - - <_> - 14 10 2 2 -1. - <_> - 15 10 1 1 2. - <_> - 14 11 1 1 2. - <_> - - <_> - 0 2 18 3 -1. - <_> - 6 2 6 3 3. - <_> - - <_> - 14 10 2 2 -1. - <_> - 15 10 1 1 2. - <_> - 14 11 1 1 2. - <_> - - <_> - 2 7 6 1 -1. - <_> - 4 7 2 1 3. - <_> - - <_> - 14 10 2 2 -1. - <_> - 15 10 1 1 2. - <_> - 14 11 1 1 2. - <_> - - <_> - 2 10 2 2 -1. - <_> - 2 10 1 1 2. - <_> - 3 11 1 1 2. - <_> - - <_> - 9 5 2 2 -1. - <_> - 10 5 1 1 2. - <_> - 9 6 1 1 2. - <_> - - <_> - 4 4 1 3 -1. - <_> - 3 5 1 1 3. - 1 - <_> - - <_> - 12 5 6 5 -1. - <_> - 14 5 2 5 3. - <_> - - <_> - 9 8 2 2 -1. - <_> - 9 8 2 1 2. - 1 - <_> - - <_> - 9 9 4 3 -1. - <_> - 10 9 2 3 2. - <_> - - <_> - 6 2 6 10 -1. - <_> - 9 2 3 10 2. - <_> - - <_> - 5 3 12 9 -1. - <_> - 8 3 6 9 2. - <_> - - <_> - 0 1 16 9 -1. - <_> - 4 1 8 9 2. - <_> - - <_> - 9 9 4 3 -1. - <_> - 10 9 2 3 2. - <_> - - <_> - 5 9 4 3 -1. - <_> - 6 9 2 3 2. - <_> - - <_> - 1 11 16 1 -1. - <_> - 5 11 8 1 2. - <_> - - <_> - 4 9 2 1 -1. - <_> - 4 9 1 1 2. - 1 - <_> - - <_> - 12 5 6 5 -1. - <_> - 14 5 2 5 3. - <_> - - <_> - 0 5 6 5 -1. - <_> - 2 5 2 5 3. - <_> - - <_> - 0 1 18 10 -1. - <_> - 9 1 9 5 2. - <_> - 0 6 9 5 2. - <_> - - <_> - 6 10 2 1 -1. - <_> - 7 10 1 1 2. - <_> - - <_> - 10 7 3 1 -1. - <_> - 11 7 1 1 3. - <_> - - <_> - 2 1 4 6 -1. - <_> - 3 1 2 6 2. - <_> - - <_> - 12 2 6 1 -1. - <_> - 12 2 3 1 2. - 1 - <_> - - <_> - 6 2 1 6 -1. - <_> - 6 2 1 3 2. - 1 - <_> - - <_> - 9 5 2 2 -1. - <_> - 10 5 1 1 2. - <_> - 9 6 1 1 2. - <_> - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - <_> - - <_> - 8 0 2 3 -1. - <_> - 8 1 2 1 3. - <_> - - <_> - 0 1 16 1 -1. - <_> - 4 1 8 1 2. - <_> - - <_> - 8 0 2 1 -1. - <_> - 8 0 1 1 2. - <_> - - <_> - 6 1 4 3 -1. - <_> - 6 2 4 1 3. - <_> - - <_> - 14 0 3 1 -1. - <_> - 15 1 1 1 3. - 1 - <_> - - <_> - 0 0 12 1 -1. - <_> - 3 0 6 1 2. - <_> - - <_> - 6 1 9 8 -1. - <_> - 6 3 9 4 2. - <_> - - <_> - 3 5 7 4 -1. - <_> - 3 7 7 2 2. - <_> - - <_> - 9 4 8 6 -1. - <_> - 13 4 4 3 2. - <_> - 9 7 4 3 2. - <_> - - <_> - 0 1 4 1 -1. - <_> - 2 1 2 1 2. - <_> - - <_> - 14 0 4 1 -1. - <_> - 15 1 2 1 2. - 1 - <_> - - <_> - 4 1 9 3 -1. - <_> - 4 2 9 1 3. - <_> - - <_> - 14 0 4 1 -1. - <_> - 15 1 2 1 2. - 1 - <_> - - <_> - 4 0 1 4 -1. - <_> - 3 1 1 2 2. - 1 - <_> - - <_> - 12 0 4 2 -1. - <_> - 13 0 2 2 2. - <_> - - <_> - 0 0 18 2 -1. - <_> - 0 0 9 1 2. - <_> - 9 1 9 1 2. - <_> - - <_> - 7 3 10 6 -1. - <_> - 12 3 5 3 2. - <_> - 7 6 5 3 2. - <_> - - <_> - 2 0 4 3 -1. - <_> - 3 0 2 3 2. - <_> - - <_> - 12 2 2 1 -1. - <_> - 12 2 1 1 2. - <_> - - <_> - 4 2 2 1 -1. - <_> - 5 2 1 1 2. - <_> - - <_> - 16 0 2 3 -1. - <_> - 15 1 2 1 3. - 1 - <_> - - <_> - 2 0 3 2 -1. - <_> - 3 1 1 2 3. - 1 - <_> - - <_> - 9 3 3 3 -1. - <_> - 10 4 1 3 3. - 1 - <_> - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - <_> - - <_> - 9 4 8 6 -1. - <_> - 13 4 4 3 2. - <_> - 9 7 4 3 2. - <_> - - <_> - 1 4 8 6 -1. - <_> - 1 4 4 3 2. - <_> - 5 7 4 3 2. - <_> - - <_> - 10 5 4 3 -1. - <_> - 9 6 4 1 3. - 1 - <_> - - <_> - 3 0 2 3 -1. - <_> - 2 1 2 1 3. - 1 - <_> - - <_> - 8 8 2 2 -1. - <_> - 9 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 5 6 3 2 -1. - <_> - 6 6 1 2 3. - <_> - - <_> - 16 10 1 2 -1. - <_> - 16 11 1 1 2. - <_> - - <_> - 1 10 1 2 -1. - <_> - 1 11 1 1 2. - <_> - - <_> - 15 10 2 2 -1. - <_> - 16 10 1 1 2. - <_> - 15 11 1 1 2. - <_> - - <_> - 1 10 2 2 -1. - <_> - 1 10 1 1 2. - <_> - 2 11 1 1 2. - <_> - - <_> - 5 4 11 8 -1. - <_> - 5 8 11 4 2. - <_> - - <_> - 7 10 2 1 -1. - <_> - 8 10 1 1 2. - <_> - - <_> - 9 10 2 1 -1. - <_> - 9 10 1 1 2. - <_> - - <_> - 7 10 2 1 -1. - <_> - 8 10 1 1 2. - <_> - - <_> - 6 9 6 2 -1. - <_> - 6 9 3 2 2. - <_> - - <_> - 6 2 4 2 -1. - <_> - 8 2 2 2 2. - <_> - - <_> - 9 2 2 4 -1. - <_> - 9 2 2 2 2. - 1 - <_> - - <_> - 7 3 1 2 -1. - <_> - 7 3 1 1 2. - 1 - <_> - - <_> - 16 1 2 4 -1. - <_> - 15 2 2 2 2. - 1 - <_> - - <_> - 2 1 4 2 -1. - <_> - 3 2 2 2 2. - 1 - <_> - - <_> - 16 6 2 3 -1. - <_> - 16 7 2 1 3. - <_> - - <_> - 0 4 1 4 -1. - <_> - 0 5 1 2 2. - <_> - - <_> - 10 6 3 3 -1. - <_> - 9 7 3 1 3. - 1 - <_> - - <_> - 8 7 2 2 -1. - <_> - 8 7 1 1 2. - <_> - 9 8 1 1 2. - <_> - - <_> - 7 3 6 6 -1. - <_> - 9 5 2 2 9. - <_> - - <_> - 8 8 2 2 -1. - <_> - 9 8 1 2 2. - <_> - - <_> - 7 4 6 6 -1. - <_> - 9 4 2 6 3. - <_> - - <_> - 8 6 3 3 -1. - <_> - 9 7 1 3 3. - 1 - <_> - - <_> - 15 2 3 2 -1. - <_> - 16 3 1 2 3. - 1 - <_> - - <_> - 7 7 2 3 -1. - <_> - 7 8 2 1 3. - <_> - - <_> - 8 7 2 3 -1. - <_> - 8 8 2 1 3. - <_> - - <_> - 1 5 2 3 -1. - <_> - 1 6 2 1 3. - <_> - - <_> - 9 8 2 2 -1. - <_> - 10 8 1 1 2. - <_> - 9 9 1 1 2. - <_> - - <_> - 0 0 3 1 -1. - <_> - 1 0 1 1 3. - <_> - - <_> - 15 2 3 1 -1. - <_> - 16 3 1 1 3. - 1 - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 14 0 3 1 -1. - <_> - 15 0 1 1 3. - <_> - - <_> - 0 11 18 1 -1. - <_> - 9 11 9 1 2. - <_> - - <_> - 8 11 10 1 -1. - <_> - 8 11 5 1 2. - <_> - - <_> - 1 0 3 1 -1. - <_> - 2 0 1 1 3. - <_> - - <_> - 14 0 4 1 -1. - <_> - 15 0 2 1 2. - <_> - - <_> - 0 0 4 1 -1. - <_> - 1 0 2 1 2. - <_> - - <_> - 6 4 12 4 -1. - <_> - 10 4 4 4 3. - <_> - - <_> - 4 3 6 2 -1. - <_> - 6 3 2 2 3. - <_> - - <_> - 10 4 2 6 -1. - <_> - 10 7 2 3 2. - <_> - - <_> - 5 3 2 1 -1. - <_> - 6 3 1 1 2. - <_> - - <_> - 7 2 4 3 -1. - <_> - 7 3 4 1 3. - <_> - - <_> - 8 3 1 2 -1. - <_> - 8 4 1 1 2. - <_> - - <_> - 10 0 4 8 -1. - <_> - 10 0 2 8 2. - 1 - <_> - - <_> - 8 0 8 4 -1. - <_> - 8 0 8 2 2. - 1 - <_> - - <_> - 9 4 4 2 -1. - <_> - 9 4 2 2 2. - <_> - - <_> - 5 4 4 2 -1. - <_> - 7 4 2 2 2. - <_> - - <_> - 12 1 3 2 -1. - <_> - 13 2 1 2 3. - 1 - <_> - - <_> - 8 3 1 6 -1. - <_> - 8 6 1 3 2. - <_> - - <_> - 12 1 3 2 -1. - <_> - 13 2 1 2 3. - 1 - <_> - - <_> - 2 2 12 4 -1. - <_> - 2 3 12 2 2. - <_> - - <_> - 16 0 2 3 -1. - <_> - 16 0 1 3 2. - 1 - <_> - - <_> - 2 0 3 2 -1. - <_> - 2 0 3 1 2. - 1 - <_> - - <_> - 3 0 12 1 -1. - <_> - 3 0 6 1 2. - <_> - - <_> - 0 0 18 10 -1. - <_> - 9 0 9 10 2. - <_> - - <_> - 5 2 8 2 -1. - <_> - 5 2 4 2 2. - <_> - - <_> - 1 2 12 6 -1. - <_> - 1 2 6 3 2. - <_> - 7 5 6 3 2. - <_> - - <_> - 15 8 3 3 -1. - <_> - 15 9 3 1 3. - <_> - - <_> - 3 7 2 2 -1. - <_> - 3 7 1 1 2. - <_> - 4 8 1 1 2. - <_> - - <_> - 13 7 2 2 -1. - <_> - 14 7 1 1 2. - <_> - 13 8 1 1 2. - <_> - - <_> - 8 5 3 4 -1. - <_> - 9 6 1 4 3. - 1 - <_> - - <_> - 16 0 2 4 -1. - <_> - 16 1 2 2 2. - <_> - - <_> - 0 8 3 3 -1. - <_> - 0 9 3 1 3. - <_> - - <_> - 13 7 2 2 -1. - <_> - 14 7 1 1 2. - <_> - 13 8 1 1 2. - <_> - - <_> - 7 9 4 2 -1. - <_> - 8 9 2 2 2. - <_> - - <_> - 6 8 6 2 -1. - <_> - 8 8 2 2 3. - <_> - - <_> - 6 1 2 3 -1. - <_> - 5 2 2 1 3. - 1 - <_> - - <_> - 5 0 8 6 -1. - <_> - 5 2 8 2 3. - <_> - - <_> - 5 2 2 2 -1. - <_> - 6 2 1 2 2. - <_> - - <_> - 9 2 2 2 -1. - <_> - 10 2 1 1 2. - <_> - 9 3 1 1 2. - <_> - - <_> - 2 4 12 4 -1. - <_> - 6 4 4 4 3. - <_> - - <_> - 9 2 2 2 -1. - <_> - 10 2 1 1 2. - <_> - 9 3 1 1 2. - <_> - - <_> - 7 2 2 2 -1. - <_> - 7 2 1 1 2. - <_> - 8 3 1 1 2. - <_> - - <_> - 16 9 1 3 -1. - <_> - 16 10 1 1 3. - <_> - - <_> - 6 7 2 3 -1. - <_> - 5 8 2 1 3. - 1 - <_> - - <_> - 13 10 2 2 -1. - <_> - 14 10 1 1 2. - <_> - 13 11 1 1 2. - <_> - - <_> - 3 10 2 2 -1. - <_> - 3 10 1 1 2. - <_> - 4 11 1 1 2. - <_> - - <_> - 8 11 10 1 -1. - <_> - 8 11 5 1 2. - <_> - - <_> - 4 7 2 3 -1. - <_> - 3 8 2 1 3. - 1 - <_> - - <_> - 4 6 10 6 -1. - <_> - 4 9 10 3 2. - <_> - - <_> - 4 11 4 1 -1. - <_> - 5 11 2 1 2. - <_> - - <_> - 12 10 2 2 -1. - <_> - 13 10 1 1 2. - <_> - 12 11 1 1 2. - <_> - - <_> - 4 10 2 2 -1. - <_> - 4 10 1 1 2. - <_> - 5 11 1 1 2. - <_> - - <_> - 9 1 2 2 -1. - <_> - 10 1 1 1 2. - <_> - 9 2 1 1 2. - <_> - - <_> - 7 8 1 4 -1. - <_> - 7 9 1 2 2. - <_> - - <_> - 11 7 2 2 -1. - <_> - 11 7 1 2 2. - 1 - <_> - - <_> - 7 7 2 2 -1. - <_> - 7 7 2 1 2. - 1 - <_> - - <_> - 10 7 1 3 -1. - <_> - 9 8 1 1 3. - 1 - <_> - - <_> - 2 11 14 1 -1. - <_> - 9 11 7 1 2. - <_> - - <_> - 8 10 10 2 -1. - <_> - 8 10 5 2 2. - <_> - - <_> - 0 10 10 2 -1. - <_> - 5 10 5 2 2. - <_> - - <_> - 8 11 10 1 -1. - <_> - 8 11 5 1 2. - <_> - - <_> - 0 11 10 1 -1. - <_> - 5 11 5 1 2. - <_> - - <_> - 16 9 2 2 -1. - <_> - 17 9 1 1 2. - <_> - 16 10 1 1 2. - <_> - - <_> - 3 4 1 2 -1. - <_> - 3 4 1 1 2. - 1 - <_> - - <_> - 9 1 2 2 -1. - <_> - 10 1 1 1 2. - <_> - 9 2 1 1 2. - <_> - - <_> - 7 1 2 2 -1. - <_> - 7 1 1 1 2. - <_> - 8 2 1 1 2. - <_> - - <_> - 9 10 4 1 -1. - <_> - 10 10 2 1 2. - <_> - - <_> - 0 9 4 2 -1. - <_> - 0 10 4 1 2. - <_> - - <_> - 2 11 16 1 -1. - <_> - 6 11 8 1 2. - <_> - - <_> - 0 8 18 1 -1. - <_> - 9 8 9 1 2. - <_> - - <_> - 9 9 2 2 -1. - <_> - 10 9 1 1 2. - <_> - 9 10 1 1 2. - <_> - - <_> - 7 8 4 3 -1. - <_> - 7 9 4 1 3. - <_> - - <_> - 8 6 3 3 -1. - <_> - 9 7 1 1 9. - <_> - - <_> - 8 7 2 4 -1. - <_> - 8 7 1 2 2. - <_> - 9 9 1 2 2. - <_> - - <_> - 15 4 2 3 -1. - <_> - 14 5 2 1 3. - 1 - <_> - - <_> - 7 9 2 2 -1. - <_> - 7 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 16 0 2 4 -1. - <_> - 16 1 2 2 2. - <_> - - <_> - 0 0 2 4 -1. - <_> - 0 1 2 2 2. - <_> - - <_> - 15 4 2 3 -1. - <_> - 14 5 2 1 3. - 1 - <_> - - <_> - 3 4 3 2 -1. - <_> - 4 5 1 2 3. - 1 - diff --git a/data/haarcascades/haarcascade_mcs_lefteye_alt.xml b/data/haarcascades/haarcascade_mcs_lefteye_alt.xml deleted file mode 100644 index 085875218b..0000000000 --- a/data/haarcascades/haarcascade_mcs_lefteye_alt.xml +++ /dev/null @@ -1,24071 +0,0 @@ - - - - - - 18 12 - - <_> - - - <_> - - <_> - - - - <_> - 3 0 12 12 -1. - <_> - 7 4 4 4 9. - 0 - -5.4611408710479736e-001 - 8.2068818807601929e-001 - -7.5621801614761353e-001 - <_> - - <_> - - - - <_> - 0 4 18 8 -1. - <_> - 0 8 18 4 2. - 0 - 1.9197000563144684e-001 - -7.4652588367462158e-001 - 5.0908601284027100e-001 - <_> - - <_> - - - - <_> - 1 6 2 1 -1. - <_> - 2 6 1 1 2. - 0 - -1.0090269643114880e-004 - 4.2689380049705505e-001 - -5.5786168575286865e-001 - <_> - - <_> - - - - <_> - 9 1 3 6 -1. - <_> - 7 3 3 2 3. - 1 - -9.2340409755706787e-002 - 4.4454950094223022e-001 - -1.2654660642147064e-001 - <_> - - <_> - - - - <_> - 9 2 6 2 -1. - <_> - 11 4 2 2 3. - 1 - -7.1513116359710693e-002 - 6.0273522138595581e-001 - -2.4365329742431641e-001 - <_> - - <_> - - - - <_> - 0 10 18 2 -1. - <_> - 0 11 18 1 2. - 0 - 5.8654979511629790e-005 - -5.7338011264801025e-001 - 2.3801539838314056e-001 - <_> - - <_> - - - - <_> - 1 8 4 2 -1. - <_> - 1 9 4 1 2. - 0 - 4.3697938963305205e-005 - -4.0486478805541992e-001 - 2.1698260307312012e-001 - <_> - - <_> - - - - <_> - 15 6 2 1 -1. - <_> - 15 6 1 1 2. - 0 - -1.0192039917455986e-004 - 1.9003869593143463e-001 - -2.0315149426460266e-001 - <_> - - <_> - - - - <_> - 1 6 2 1 -1. - <_> - 2 6 1 1 2. - 0 - 1.0126679990207776e-004 - -2.1862569451332092e-001 - 4.6297249197959900e-001 - -1.9446439743041992e+000 - -1 - -1 - <_> - - - <_> - - <_> - - - - <_> - 3 0 12 12 -1. - <_> - 7 4 4 4 9. - 0 - -7.0576202869415283e-001 - 8.1088548898696899e-001 - -6.3504821062088013e-001 - <_> - - <_> - - - - <_> - 1 4 17 8 -1. - <_> - 1 8 17 4 2. - 0 - 2.8249558806419373e-001 - -6.3604378700256348e-001 - 5.8339637517929077e-001 - <_> - - <_> - - - - <_> - 3 2 10 9 -1. - <_> - 3 5 10 3 3. - 0 - 4.9681571125984192e-001 - -2.7583679184317589e-002 - -2.0745629882812500e+003 - <_> - - <_> - - - - <_> - 9 1 2 6 -1. - <_> - 7 3 2 2 3. - 1 - -5.2082080394029617e-002 - 2.6939961314201355e-001 - -5.1909279078245163e-002 - <_> - - <_> - - - - <_> - 0 2 12 10 -1. - <_> - 0 7 12 5 2. - 0 - 8.6202162504196167e-001 - 1.9688610918819904e-003 - -2.0273730468750000e+003 - <_> - - <_> - - - - <_> - 14 5 4 4 -1. - <_> - 14 5 2 4 2. - 0 - -6.9935750216245651e-003 - 1.8710659444332123e-001 - -1.7539620399475098e-001 - <_> - - <_> - - - - <_> - 1 5 6 4 -1. - <_> - 3 5 2 4 3. - 0 - -1.8909620121121407e-002 - 3.9160171151161194e-001 - -3.6989161372184753e-001 - <_> - - <_> - - - - <_> - 9 1 2 6 -1. - <_> - 7 3 2 2 3. - 1 - -2.5043029338121414e-002 - 5.7452820241451263e-002 - -5.9267260134220123e-002 - <_> - - <_> - - - - <_> - 9 1 6 2 -1. - <_> - 11 3 2 2 3. - 1 - -5.7229399681091309e-002 - 4.6264800429344177e-001 - -2.2969110310077667e-001 - <_> - - <_> - - - - <_> - 12 9 5 2 -1. - <_> - 12 10 5 1 2. - 0 - 4.6097549784462899e-005 - -3.5773921012878418e-001 - 1.4059029519557953e-001 - <_> - - <_> - - - - <_> - 1 9 5 2 -1. - <_> - 1 10 5 1 2. - 0 - 5.8821111451834440e-005 - -4.8682320117950439e-001 - 2.3461140692234039e-001 - <_> - - <_> - - - - <_> - 6 1 6 6 -1. - <_> - 6 3 6 2 3. - 0 - 8.3586022257804871e-002 - -1.5363390743732452e-001 - 7.1024411916732788e-001 - <_> - - <_> - - - - <_> - 7 11 4 1 -1. - <_> - 8 11 2 1 2. - 0 - -4.7323051840066910e-003 - -8.1375300884246826e-001 - 1.5069650113582611e-001 - <_> - - <_> - - - - <_> - 7 10 4 2 -1. - <_> - 8 10 2 2 2. - 0 - 5.7054250501096249e-003 - 1.2084300071001053e-001 - -7.2984558343887329e-001 - <_> - - <_> - - - - <_> - 6 11 4 1 -1. - <_> - 7 11 2 1 2. - 0 - 4.2972271330654621e-003 - 7.5880967080593109e-002 - -8.0118077993392944e-001 - -1.7692639827728271e+000 - 0 - -1 - <_> - - - <_> - - <_> - - - - <_> - 8 4 2 8 -1. - <_> - 8 8 2 4 2. - 0 - 6.2623426318168640e-002 - -6.7264968156814575e-001 - 6.5457260608673096e-001 - <_> - - <_> - - - - <_> - 0 1 18 9 -1. - <_> - 6 4 6 3 9. - 0 - -7.4647617340087891e-001 - 5.7469171285629272e-001 - -4.3637180328369141e-001 - <_> - - <_> - - - - <_> - 0 5 4 4 -1. - <_> - 2 5 2 4 2. - 0 - -1.7294099554419518e-002 - 4.6898889541625977e-001 - -3.9281249046325684e-001 - <_> - - <_> - - - - <_> - 1 8 17 4 -1. - <_> - 1 10 17 2 2. - 0 - 2.1398400887846947e-002 - -5.9292298555374146e-001 - 1.9770659506320953e-001 - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -3.5737060010433197e-002 - 5.5622661113739014e-001 - -2.0223970711231232e-001 - <_> - - <_> - - - - <_> - 7 11 4 1 -1. - <_> - 8 11 2 1 2. - 0 - 3.2078200019896030e-003 - 7.4256651103496552e-002 - -7.2774058580398560e-001 - <_> - - <_> - - - - <_> - 0 7 1 4 -1. - <_> - 0 9 1 2 2. - 0 - -3.8174460642039776e-003 - -6.7518317699432373e-001 - 1.1311540007591248e-001 - <_> - - <_> - - - - <_> - 9 11 4 1 -1. - <_> - 10 11 2 1 2. - 0 - 3.7939909379929304e-003 - 8.9654907584190369e-002 - -7.3344737291336060e-001 - <_> - - <_> - - - - <_> - 7 5 4 3 -1. - <_> - 9 5 2 3 2. - 0 - -1.8273390829563141e-002 - 4.4436338543891907e-001 - -1.8418380618095398e-001 - <_> - - <_> - - - - <_> - 9 11 4 1 -1. - <_> - 10 11 2 1 2. - 0 - -5.3060338832437992e-003 - -7.0876628160476685e-001 - 7.8580521047115326e-002 - <_> - - <_> - - - - <_> - 0 9 3 3 -1. - <_> - 0 10 3 1 3. - 0 - 1.1829390190541744e-002 - 8.9572936296463013e-002 - -7.3483431339263916e-001 - <_> - - <_> - - - - <_> - 9 10 4 2 -1. - <_> - 10 10 2 2 2. - 0 - 4.8425127752125263e-003 - 4.7504398971796036e-002 - -3.6813148856163025e-001 - <_> - - <_> - - - - <_> - 5 10 4 2 -1. - <_> - 6 10 2 2 2. - 0 - 5.3384378552436829e-003 - 1.0396180301904678e-001 - -6.1680471897125244e-001 - <_> - - <_> - - - - <_> - 9 0 3 7 -1. - <_> - 10 1 1 7 3. - 1 - -2.8934059664607048e-002 - 2.3010690510272980e-001 - -9.5079377293586731e-002 - <_> - - <_> - - - - <_> - 9 0 7 3 -1. - <_> - 8 1 7 1 3. - 1 - 2.0601950585842133e-002 - -1.4737619459629059e-001 - 3.8007509708404541e-001 - <_> - - <_> - - - - <_> - 7 0 4 3 -1. - <_> - 8 0 2 3 2. - 0 - -1.0493800044059753e-002 - -6.4840590953826904e-001 - 9.1139681637287140e-002 - <_> - - <_> - - - - <_> - 8 4 2 8 -1. - <_> - 8 8 2 4 2. - 0 - 6.2527976930141449e-002 - 1.6974839568138123e-001 - -2.9701429605484009e-001 - <_> - - <_> - - - - <_> - 9 2 3 6 -1. - <_> - 7 4 3 2 3. - 1 - -9.4582162797451019e-002 - 1.9255830347537994e-001 - -2.5837939232587814e-002 - -1.7514940500259399e+000 - 1 - -1 - <_> - - - <_> - - <_> - - - - <_> - 6 0 9 2 -1. - <_> - 9 3 3 2 3. - 1 - -1.5237879753112793e-001 - 7.1485751867294312e-001 - -5.8257007598876953e-001 - <_> - - <_> - - - - <_> - 6 4 11 8 -1. - <_> - 6 8 11 4 2. - 0 - 1.9623799622058868e-001 - -5.0717341899871826e-001 - 3.0529379844665527e-001 - <_> - - <_> - - - - <_> - 4 5 2 4 -1. - <_> - 4 5 2 2 2. - 1 - -3.5102769732475281e-002 - 3.8133320212364197e-001 - -4.4005489349365234e-001 - <_> - - <_> - - - - <_> - 12 2 6 2 -1. - <_> - 14 4 2 2 3. - 1 - 8.6640313267707825e-002 - -3.1253110617399216e-002 - 4.1132459044456482e-001 - <_> - - <_> - - - - <_> - 0 2 18 4 -1. - <_> - 0 4 18 2 2. - 0 - 3.6519891023635864e-001 - -1.7459569498896599e-003 - -2.0211540527343750e+003 - <_> - - <_> - - - - <_> - 7 6 6 2 -1. - <_> - 7 6 3 2 2. - 0 - -5.2979141473770142e-002 - 5.6572532653808594e-001 - -9.0168356895446777e-002 - <_> - - <_> - - - - <_> - 5 6 6 2 -1. - <_> - 8 6 3 2 2. - 0 - -1.3122299686074257e-002 - 2.8803709149360657e-001 - -3.0250340700149536e-001 - <_> - - <_> - - - - <_> - 1 10 16 2 -1. - <_> - 1 11 16 1 2. - 0 - 1.3766849588137120e-004 - -5.2591192722320557e-001 - 1.6913980245590210e-001 - <_> - - <_> - - - - <_> - 1 5 2 6 -1. - <_> - 2 5 1 6 2. - 0 - 1.3008220493793488e-001 - -4.6197711490094662e-003 - -1.0582030029296875e+003 - <_> - - <_> - - - - <_> - 14 9 4 3 -1. - <_> - 14 10 4 1 3. - 0 - -1.5327390283346176e-002 - -6.9445407390594482e-001 - 7.1856021881103516e-002 - <_> - - <_> - - - - <_> - 0 9 4 3 -1. - <_> - 0 10 4 1 3. - 0 - -9.6624903380870819e-003 - -6.1284822225570679e-001 - 9.1272346675395966e-002 - <_> - - <_> - - - - <_> - 5 0 10 6 -1. - <_> - 5 2 10 2 3. - 0 - 8.8566377758979797e-002 - -1.5997810661792755e-001 - 3.6896151304244995e-001 - <_> - - <_> - - - - <_> - 0 10 3 2 -1. - <_> - 0 11 3 1 2. - 0 - -3.7188939750194550e-003 - -6.3978141546249390e-001 - 9.2079572379589081e-002 - <_> - - <_> - - - - <_> - 4 0 11 8 -1. - <_> - 4 2 11 4 2. - 0 - -1.4510180056095123e-001 - 4.1528600454330444e-001 - -1.4322389662265778e-001 - <_> - - <_> - - - - <_> - 9 3 4 2 -1. - <_> - 9 3 2 2 2. - 1 - 1.7310230061411858e-002 - -1.5397289395332336e-001 - 4.0401691198348999e-001 - <_> - - <_> - - - - <_> - 13 8 5 2 -1. - <_> - 13 9 5 1 2. - 0 - 2.3151350615080446e-004 - -2.0172169804573059e-001 - 1.2100940197706223e-001 - <_> - - <_> - - - - <_> - 0 8 5 2 -1. - <_> - 0 9 5 1 2. - 0 - 4.4627388706430793e-004 - -3.9083960652351379e-001 - 1.2552070617675781e-001 - <_> - - <_> - - - - <_> - 12 5 4 3 -1. - <_> - 12 5 2 3 2. - 0 - 1.3271129690110683e-002 - -1.0739839822053909e-001 - 2.6234090328216553e-001 - <_> - - <_> - - - - <_> - 1 0 16 9 -1. - <_> - 5 0 8 9 2. - 0 - -1.1344719678163528e-001 - 2.6222631335258484e-001 - -2.0850320160388947e-001 - <_> - - <_> - - - - <_> - 8 11 6 1 -1. - <_> - 10 11 2 1 3. - 0 - 8.8979126885533333e-003 - 4.9091130495071411e-002 - -5.0896888971328735e-001 - <_> - - <_> - - - - <_> - 4 10 6 2 -1. - <_> - 6 10 2 2 3. - 0 - -2.4719990789890289e-002 - -7.5905930995941162e-001 - 4.9361631274223328e-002 - <_> - - <_> - - - - <_> - 12 4 3 3 -1. - <_> - 13 5 1 3 3. - 1 - -3.3265918493270874e-002 - 3.4829610586166382e-001 - -5.9630129486322403e-002 - <_> - - <_> - - - - <_> - 6 1 6 2 -1. - <_> - 8 1 2 2 3. - 0 - -2.2988099604845047e-002 - -6.5046131610870361e-001 - 6.4039543271064758e-002 - <_> - - <_> - - - - <_> - 13 0 4 4 -1. - <_> - 12 1 4 2 2. - 1 - -3.1392410397529602e-002 - 2.1976619958877563e-001 - -6.0772381722927094e-002 - <_> - - <_> - - - - <_> - 5 0 4 4 -1. - <_> - 6 1 2 4 2. - 1 - -4.7737959772348404e-002 - 5.1002371311187744e-001 - -7.2028681635856628e-002 - <_> - - <_> - - - - <_> - 10 5 6 3 -1. - <_> - 12 5 2 3 3. - 0 - 3.2071519643068314e-002 - -7.6109372079372406e-002 - 2.5640499591827393e-001 - <_> - - <_> - - - - <_> - 1 0 15 6 -1. - <_> - 6 2 5 2 9. - 0 - 4.4289338588714600e-001 - -6.8526968359947205e-002 - 5.6304061412811279e-001 - <_> - - <_> - - - - <_> - 10 5 6 3 -1. - <_> - 12 5 2 3 3. - 0 - -1.1486619710922241e-002 - 1.5239420533180237e-001 - -4.0200568735599518e-002 - <_> - - <_> - - - - <_> - 2 5 6 3 -1. - <_> - 4 5 2 3 3. - 0 - -1.9018840044736862e-002 - 3.1413850188255310e-001 - -1.2248709797859192e-001 - <_> - - <_> - - - - <_> - 7 10 4 2 -1. - <_> - 8 10 2 2 2. - 0 - -6.8585639819502831e-003 - -6.6252797842025757e-001 - 5.7304140180349350e-002 - <_> - - <_> - - - - <_> - 7 9 4 3 -1. - <_> - 8 9 2 3 2. - 0 - 9.8197776824235916e-003 - 4.3627310544252396e-002 - -6.7724108695983887e-001 - <_> - - <_> - - - - <_> - 2 0 14 4 -1. - <_> - 2 1 14 2 2. - 0 - -7.0927143096923828e-002 - 5.4129147529602051e-001 - -7.2669401764869690e-002 - <_> - - <_> - - - - <_> - 5 0 7 4 -1. - <_> - 5 1 7 2 2. - 0 - 2.3212930187582970e-002 - -1.1495050042867661e-001 - 2.9792940616607666e-001 - <_> - - <_> - - - - <_> - 9 0 4 1 -1. - <_> - 10 0 2 1 2. - 0 - -6.4186761155724525e-003 - -4.9147358536720276e-001 - 3.9359170943498611e-002 - <_> - - <_> - - - - <_> - 1 8 3 3 -1. - <_> - 1 9 3 1 3. - 0 - 1.4896850101649761e-002 - 4.8360548913478851e-002 - -5.7956790924072266e-001 - <_> - - <_> - - - - <_> - 10 7 7 2 -1. - <_> - 10 8 7 1 2. - 0 - 3.0226260423660278e-003 - -1.1061940342187881e-001 - 5.2919808775186539e-002 - <_> - - <_> - - - - <_> - 5 0 4 2 -1. - <_> - 6 0 2 2 2. - 0 - -6.6905869171023369e-003 - -4.3806540966033936e-001 - 6.6940046846866608e-002 - <_> - - <_> - - - - <_> - 10 5 3 2 -1. - <_> - 11 5 1 2 3. - 0 - 7.2806091047823429e-003 - -6.5536737442016602e-002 - 2.7438428997993469e-001 - -1.9025980234146118e+000 - 2 - -1 - <_> - - - <_> - - <_> - - - - <_> - 9 1 6 3 -1. - <_> - 11 3 2 3 3. - 1 - -1.0395430028438568e-001 - 6.2448638677597046e-001 - -5.9380972385406494e-001 - <_> - - <_> - - - - <_> - 14 5 4 3 -1. - <_> - 14 5 2 3 2. - 0 - -9.0995300561189651e-003 - 2.8107839822769165e-001 - -2.3319789767265320e-001 - <_> - - <_> - - - - <_> - 0 0 15 12 -1. - <_> - 0 4 15 4 3. - 0 - 1.1043469905853271e+000 - 1.3428430538624525e-003 - -1.8338730468750000e+003 - <_> - - <_> - - - - <_> - 7 4 10 8 -1. - <_> - 7 8 10 4 2. - 0 - 1.5152810513973236e-001 - -5.4776471853256226e-001 - 1.7032749950885773e-001 - <_> - - <_> - - - - <_> - 0 5 4 3 -1. - <_> - 2 5 2 3 2. - 0 - -1.8869370222091675e-002 - 5.1096087694168091e-001 - -3.8751450181007385e-001 - <_> - - <_> - - - - <_> - 9 2 4 6 -1. - <_> - 10 3 2 6 2. - 1 - -2.5966409593820572e-002 - 5.9833060950040817e-002 - -8.0629907548427582e-002 - <_> - - <_> - - - - <_> - 9 2 6 4 -1. - <_> - 8 3 6 2 2. - 1 - -3.3599171787500381e-002 - 4.0842789411544800e-001 - -3.2333779335021973e-001 - <_> - - <_> - - - - <_> - 7 2 6 4 -1. - <_> - 7 3 6 2 2. - 0 - -3.8244638592004776e-002 - 4.9302589893341064e-001 - -1.6094090044498444e-001 - <_> - - <_> - - - - <_> - 0 6 6 6 -1. - <_> - 0 9 6 3 2. - 0 - 2.1556170657277107e-002 - -5.7558798789978027e-001 - 1.5593230724334717e-001 - <_> - - <_> - - - - <_> - 0 0 18 3 -1. - <_> - 6 0 6 3 3. - 0 - -5.5178638547658920e-002 - 3.1259340047836304e-001 - -2.3921109735965729e-001 - <_> - - <_> - - - - <_> - 6 6 2 2 -1. - <_> - 6 6 1 1 2. - <_> - 7 7 1 1 2. - 0 - -3.8735559210181236e-003 - 5.4549610614776611e-001 - -1.0063389688730240e-001 - <_> - - <_> - - - - <_> - 9 11 6 1 -1. - <_> - 11 11 2 1 3. - 0 - -1.4108420349657536e-002 - -7.3762410879135132e-001 - 5.7357121258974075e-002 - <_> - - <_> - - - - <_> - 0 6 2 4 -1. - <_> - 0 8 2 2 2. - 0 - -6.0528269968926907e-003 - -5.5406332015991211e-001 - 7.6832607388496399e-002 - <_> - - <_> - - - - <_> - 8 10 6 2 -1. - <_> - 10 10 2 2 3. - 0 - 1.8572619184851646e-002 - 3.2866738736629486e-002 - -6.4792937040328979e-001 - <_> - - <_> - - - - <_> - 4 10 6 2 -1. - <_> - 6 10 2 2 3. - 0 - 1.2845859862864017e-002 - 7.3656037449836731e-002 - -5.7360821962356567e-001 - <_> - - <_> - - - - <_> - 11 5 4 3 -1. - <_> - 12 5 2 3 2. - 0 - 1.0417309589684010e-002 - -1.0239619761705399e-001 - 2.5212439894676208e-001 - <_> - - <_> - - - - <_> - 0 10 5 2 -1. - <_> - 0 11 5 1 2. - 0 - -5.2642878144979477e-003 - -5.9819197654724121e-001 - 6.9865286350250244e-002 - <_> - - <_> - - - - <_> - 2 10 16 2 -1. - <_> - 10 10 8 1 2. - <_> - 2 11 8 1 2. - 0 - 2.7880489826202393e-002 - 4.3994851410388947e-002 - -5.0984817743301392e-001 - <_> - - <_> - - - - <_> - 4 2 9 3 -1. - <_> - 4 3 9 1 3. - 0 - 2.3825490847229958e-002 - -1.2183369696140289e-001 - 3.1688851118087769e-001 - <_> - - <_> - - - - <_> - 6 1 8 4 -1. - <_> - 6 2 8 2 2. - 0 - -2.0250659435987473e-002 - 3.3406090736389160e-001 - -1.0055329650640488e-001 - <_> - - <_> - - - - <_> - 3 0 9 4 -1. - <_> - 3 1 9 2 2. - 0 - 3.2774340361356735e-002 - -1.2221919745206833e-001 - 3.1050428748130798e-001 - <_> - - <_> - - - - <_> - 9 9 2 1 -1. - <_> - 9 9 1 1 2. - 1 - -1.1297949822619557e-004 - 1.0250750184059143e-001 - -2.0995940268039703e-001 - <_> - - <_> - - - - <_> - 2 4 12 5 -1. - <_> - 8 4 6 5 2. - 0 - -9.5565170049667358e-002 - 3.0095851421356201e-001 - -1.3452769815921783e-001 - <_> - - <_> - - - - <_> - 10 0 4 2 -1. - <_> - 11 0 2 2 2. - 0 - 6.3593629747629166e-003 - 6.4052909612655640e-002 - -4.9904870986938477e-001 - <_> - - <_> - - - - <_> - 3 5 4 3 -1. - <_> - 4 5 2 3 2. - 0 - -7.0063141174614429e-003 - 3.0243200063705444e-001 - -1.1930730193853378e-001 - <_> - - <_> - - - - <_> - 10 5 3 3 -1. - <_> - 11 5 1 3 3. - 0 - 1.7500750720500946e-002 - -5.7251829653978348e-002 - 4.4421580433845520e-001 - <_> - - <_> - - - - <_> - 6 10 4 2 -1. - <_> - 7 10 2 2 2. - 0 - -7.2048557922244072e-003 - -6.1189258098602295e-001 - 6.4432121813297272e-002 - <_> - - <_> - - - - <_> - 10 5 3 3 -1. - <_> - 11 5 1 3 3. - 0 - -5.6282947771251202e-003 - 2.4128329753875732e-001 - -8.9441202580928802e-002 - <_> - - <_> - - - - <_> - 4 11 4 1 -1. - <_> - 5 11 2 1 2. - 0 - -4.9876999109983444e-003 - -6.7359071969985962e-001 - 5.8322191238403320e-002 - <_> - - <_> - - - - <_> - 10 5 3 3 -1. - <_> - 11 5 1 3 3. - 0 - 2.3166439495980740e-003 - -8.9238733053207397e-002 - 1.2162160128355026e-001 - <_> - - <_> - - - - <_> - 5 5 3 3 -1. - <_> - 6 5 1 3 3. - 0 - -6.7102159373462200e-003 - 3.7631779909133911e-001 - -9.5407336950302124e-002 - <_> - - <_> - - - - <_> - 11 0 4 2 -1. - <_> - 12 0 2 2 2. - 0 - 5.0830701366066933e-003 - 7.4287436902523041e-002 - -3.9065170288085938e-001 - <_> - - <_> - - - - <_> - 4 0 8 9 -1. - <_> - 4 3 8 3 3. - 0 - 1.8377199769020081e-001 - -6.3876979053020477e-002 - 5.6611680984497070e-001 - <_> - - <_> - - - - <_> - 0 0 18 6 -1. - <_> - 0 3 18 3 2. - 0 - -6.0653341934084892e-003 - 1.4651310443878174e-001 - -2.5797340273857117e-001 - <_> - - <_> - - - - <_> - 3 0 6 2 -1. - <_> - 5 0 2 2 3. - 0 - -2.0235970616340637e-002 - -5.4194480180740356e-001 - 5.7601358741521835e-002 - <_> - - <_> - - - - <_> - 14 7 4 3 -1. - <_> - 14 8 4 1 3. - 0 - -2.6110339909791946e-002 - -6.0285919904708862e-001 - 1.7485620453953743e-002 - <_> - - <_> - - - - <_> - 9 1 6 3 -1. - <_> - 11 3 2 3 3. - 1 - -1.0403200238943100e-001 - -2.4455690383911133e-001 - 1.2605750560760498e-001 - <_> - - <_> - - - - <_> - 7 5 6 3 -1. - <_> - 9 6 2 1 9. - 0 - -5.3566411137580872e-002 - 2.5159069895744324e-001 - -1.0152529925107956e-001 - <_> - - <_> - - - - <_> - 6 5 4 2 -1. - <_> - 7 5 2 2 2. - 0 - -6.7835198715329170e-003 - 3.3641210198402405e-001 - -9.6368037164211273e-002 - <_> - - <_> - - - - <_> - 14 7 4 3 -1. - <_> - 14 8 4 1 3. - 0 - 3.0316449701786041e-002 - 1.7477709800004959e-002 - -6.0695719718933105e-001 - <_> - - <_> - - - - <_> - 0 7 4 3 -1. - <_> - 0 8 4 1 3. - 0 - 2.0985240116715431e-002 - 4.0398400276899338e-002 - -7.3442429304122925e-001 - <_> - - <_> - - - - <_> - 6 10 6 2 -1. - <_> - 8 10 2 2 3. - 0 - 1.9706780090928078e-002 - 3.1928699463605881e-002 - -7.5477129220962524e-001 - -1.8514059782028198e+000 - 3 - -1 - <_> - - - <_> - - <_> - - - - <_> - 2 2 9 8 -1. - <_> - 2 4 9 4 2. - 0 - -1.7423079907894135e-001 - 6.1390841007232666e-001 - -4.7894141077995300e-001 - <_> - - <_> - - - - <_> - 9 6 6 2 -1. - <_> - 11 6 2 2 3. - 0 - 3.7291038781404495e-002 - -2.7487620711326599e-001 - 6.9311857223510742e-001 - <_> - - <_> - - - - <_> - 7 2 2 2 -1. - <_> - 7 2 2 1 2. - 1 - 7.1578949689865112e-002 - 3.4122820943593979e-002 - -1.7707500000000000e+003 - <_> - - <_> - - - - <_> - 9 3 4 3 -1. - <_> - 9 3 2 3 2. - 1 - -5.8419991284608841e-002 - 9.5094732940196991e-002 - -3.5735588520765305e-002 - <_> - - <_> - - - - <_> - 9 3 3 4 -1. - <_> - 9 3 3 2 2. - 1 - -6.8234533071517944e-002 - 4.3610438704490662e-001 - -2.7024009823799133e-001 - <_> - - <_> - - - - <_> - 0 8 18 4 -1. - <_> - 0 10 18 2 2. - 0 - 4.6446189284324646e-002 - -5.3858101367950439e-001 - 1.2908129394054413e-001 - <_> - - <_> - - - - <_> - 1 4 4 6 -1. - <_> - 3 4 2 6 2. - 0 - -1.8313050270080566e-002 - 2.4637509882450104e-001 - -2.9880639910697937e-001 - <_> - - <_> - - - - <_> - 9 2 1 6 -1. - <_> - 7 4 1 2 3. - 1 - 4.5683261007070541e-002 - -1.9792109727859497e-002 - 2.9861330986022949e-001 - <_> - - <_> - - - - <_> - 9 2 6 1 -1. - <_> - 11 4 2 1 3. - 1 - -3.8607221096754074e-002 - 3.2478851079940796e-001 - -1.9968329370021820e-001 - <_> - - <_> - - - - <_> - 4 2 10 4 -1. - <_> - 4 3 10 2 2. - 0 - -5.3359329700469971e-002 - 5.1778447628021240e-001 - -1.1112260073423386e-001 - <_> - - <_> - - - - <_> - 5 3 7 3 -1. - <_> - 5 4 7 1 3. - 0 - 2.5140959769487381e-002 - -9.0483076870441437e-002 - 5.9572058916091919e-001 - <_> - - <_> - - - - <_> - 0 0 18 12 -1. - <_> - 6 0 6 12 3. - 0 - -2.1597529947757721e-001 - 2.0755149424076080e-001 - -2.4115790426731110e-001 - <_> - - <_> - - - - <_> - 6 2 6 3 -1. - <_> - 6 3 6 1 3. - 0 - 2.9019270092248917e-002 - -1.0131660103797913e-001 - 4.7087991237640381e-001 - <_> - - <_> - - - - <_> - 14 2 4 10 -1. - <_> - 14 7 4 5 2. - 0 - 1.4864710159599781e-002 - -2.8045138716697693e-001 - 1.1898139864206314e-001 - <_> - - <_> - - - - <_> - 6 6 2 2 -1. - <_> - 6 6 1 1 2. - <_> - 7 7 1 1 2. - 0 - -3.2239339780062437e-003 - 4.2325741052627563e-001 - -1.0377889871597290e-001 - <_> - - <_> - - - - <_> - 8 10 4 2 -1. - <_> - 9 10 2 2 2. - 0 - -5.6671360507607460e-003 - -5.9137248992919922e-001 - 9.7125522792339325e-002 - <_> - - <_> - - - - <_> - 0 7 4 4 -1. - <_> - 0 9 4 2 2. - 0 - 1.0033809667220339e-004 - -4.6385771036148071e-001 - 7.2615653276443481e-002 - <_> - - <_> - - - - <_> - 0 0 18 12 -1. - <_> - 9 0 9 6 2. - <_> - 0 6 9 6 2. - 0 - -3.6071398854255676e-001 - -6.1538481712341309e-001 - 5.5276088416576385e-002 - <_> - - <_> - - - - <_> - 0 10 2 2 -1. - <_> - 0 11 2 1 2. - 0 - -3.1085009686648846e-003 - -5.7536369562149048e-001 - 6.0731589794158936e-002 - <_> - - <_> - - - - <_> - 7 11 6 1 -1. - <_> - 9 11 2 1 3. - 0 - 6.1288890428841114e-003 - 7.4672959744930267e-002 - -5.2534508705139160e-001 - <_> - - <_> - - - - <_> - 7 5 3 3 -1. - <_> - 8 6 1 1 9. - 0 - -2.2192759439349174e-002 - 3.2507351040840149e-001 - -1.1742109805345535e-001 - <_> - - <_> - - - - <_> - 6 0 6 3 -1. - <_> - 8 0 2 3 3. - 0 - -2.9342940077185631e-002 - -6.4161187410354614e-001 - 4.9035649746656418e-002 - <_> - - <_> - - - - <_> - 7 0 4 3 -1. - <_> - 8 0 2 3 2. - 0 - 7.7600688673555851e-003 - 6.9918327033519745e-002 - -4.5949921011924744e-001 - <_> - - <_> - - - - <_> - 6 0 7 3 -1. - <_> - 6 1 7 1 3. - 0 - 1.7340639606118202e-002 - -1.0505460202693939e-001 - 2.8804540634155273e-001 - <_> - - <_> - - - - <_> - 2 2 9 8 -1. - <_> - 2 4 9 4 2. - 0 - -1.7411990463733673e-001 - -2.7445599436759949e-001 - 1.2657789885997772e-001 - <_> - - <_> - - - - <_> - 5 0 10 6 -1. - <_> - 5 2 10 2 3. - 0 - 1.1415860056877136e-001 - -9.0350322425365448e-002 - 2.8193458914756775e-001 - <_> - - <_> - - - - <_> - 4 0 10 2 -1. - <_> - 4 1 10 1 2. - 0 - -3.4428309649229050e-002 - 4.5843648910522461e-001 - -7.3989093303680420e-002 - <_> - - <_> - - - - <_> - 12 10 6 2 -1. - <_> - 15 10 3 1 2. - <_> - 12 11 3 1 2. - 0 - 9.6141622634604573e-005 - -1.2745319306850433e-001 - 1.1268970370292664e-001 - <_> - - <_> - - - - <_> - 4 5 3 3 -1. - <_> - 5 5 1 3 3. - 0 - -4.9724201671779156e-003 - 2.7802708745002747e-001 - -1.0591570287942886e-001 - <_> - - <_> - - - - <_> - 13 4 3 2 -1. - <_> - 13 4 3 1 2. - 1 - -6.3664510846138000e-002 - 5.5961591005325317e-001 - -2.6394790038466454e-003 - <_> - - <_> - - - - <_> - 5 4 2 3 -1. - <_> - 5 4 1 3 2. - 1 - -2.6674149557948112e-002 - 4.9559178948402405e-001 - -6.9073468446731567e-002 - <_> - - <_> - - - - <_> - 12 10 6 2 -1. - <_> - 15 10 3 1 2. - <_> - 12 11 3 1 2. - 0 - 1.4223149977624416e-002 - 3.5259280353784561e-002 - -4.1093349456787109e-001 - <_> - - <_> - - - - <_> - 0 10 6 2 -1. - <_> - 0 10 3 1 2. - <_> - 3 11 3 1 2. - 0 - 3.2638079574098811e-005 - -1.8650929629802704e-001 - 1.4809480309486389e-001 - <_> - - <_> - - - - <_> - 1 10 16 2 -1. - <_> - 9 10 8 1 2. - <_> - 1 11 8 1 2. - 0 - 2.3983500897884369e-002 - 4.9719810485839844e-002 - -5.1264011859893799e-001 - <_> - - <_> - - - - <_> - 7 0 9 2 -1. - <_> - 10 3 3 2 3. - 1 - -5.0319589674472809e-002 - 8.3218432962894440e-002 - -2.9233419895172119e-001 - <_> - - <_> - - - - <_> - 8 0 4 2 -1. - <_> - 9 0 2 2 2. - 0 - -1.1278240010142326e-002 - -6.7043042182922363e-001 - 3.4270301461219788e-002 - <_> - - <_> - - - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - 0 - -3.5662490874528885e-002 - 2.2888509929180145e-001 - -1.3197310268878937e-001 - <_> - - <_> - - - - <_> - 8 0 6 2 -1. - <_> - 10 0 2 2 3. - 0 - 2.1419739350676537e-002 - 3.7937160581350327e-002 - -4.5889899134635925e-001 - <_> - - <_> - - - - <_> - 6 6 3 1 -1. - <_> - 7 6 1 1 3. - 0 - -3.4534449223428965e-003 - 3.3343398571014404e-001 - -7.5317703187465668e-002 - <_> - - <_> - - - - <_> - 8 10 4 2 -1. - <_> - 9 10 2 2 2. - 0 - 5.8356970548629761e-003 - 3.6585651338100433e-002 - -3.8631778955459595e-001 - <_> - - <_> - - - - <_> - 6 10 4 2 -1. - <_> - 7 10 2 2 2. - 0 - 5.0293467938899994e-003 - 5.2214898169040680e-002 - -5.0938832759857178e-001 - <_> - - <_> - - - - <_> - 9 5 2 3 -1. - <_> - 8 6 2 1 3. - 1 - 3.3139381557703018e-002 - -2.7443800121545792e-002 - 3.2198739051818848e-001 - <_> - - <_> - - - - <_> - 9 5 3 2 -1. - <_> - 10 6 1 2 3. - 1 - -8.7034106254577637e-003 - 1.7421320080757141e-001 - -1.4240099489688873e-001 - <_> - - <_> - - - - <_> - 7 10 4 2 -1. - <_> - 8 10 2 2 2. - 0 - -8.2512637600302696e-003 - -6.9030272960662842e-001 - 3.4187458455562592e-002 - <_> - - <_> - - - - <_> - 0 3 1 4 -1. - <_> - 0 5 1 2 2. - 0 - -1.4581499621272087e-002 - -6.0555249452590942e-001 - 3.1542379409074783e-002 - <_> - - <_> - - - - <_> - 9 3 4 3 -1. - <_> - 9 3 2 3 2. - 1 - -1.1998149752616882e-001 - 3.4346449375152588e-001 - -1.8667690455913544e-002 - <_> - - <_> - - - - <_> - 9 3 3 4 -1. - <_> - 9 3 3 2 2. - 1 - -6.8040207028388977e-002 - -2.2389249503612518e-001 - 9.7281388938426971e-002 - <_> - - <_> - - - - <_> - 10 0 3 7 -1. - <_> - 11 1 1 7 3. - 1 - -3.5576358437538147e-002 - 9.8187446594238281e-002 - -2.1791150793433189e-002 - <_> - - <_> - - - - <_> - 8 0 7 3 -1. - <_> - 7 1 7 1 3. - 1 - -3.0443429946899414e-002 - 2.4923379719257355e-001 - -9.3816317617893219e-002 - <_> - - <_> - - - - <_> - 12 5 4 4 -1. - <_> - 13 5 2 4 2. - 0 - -5.6799547746777534e-003 - 2.1073240041732788e-001 - -1.0627429932355881e-001 - <_> - - <_> - - - - <_> - 0 4 2 4 -1. - <_> - 0 5 2 2 2. - 0 - 9.0224146842956543e-003 - 4.8349138349294662e-002 - -4.5440268516540527e-001 - <_> - - <_> - - - - <_> - 0 4 18 8 -1. - <_> - 9 4 9 4 2. - <_> - 0 8 9 4 2. - 0 - 2.6591160893440247e-001 - 2.9608080163598061e-002 - -6.3526999950408936e-001 - <_> - - <_> - - - - <_> - 2 4 4 5 -1. - <_> - 3 4 2 5 2. - 0 - -3.5959859378635883e-003 - 1.3883949816226959e-001 - -1.4947269856929779e-001 - -1.7941249608993530e+000 - 4 - -1 - <_> - - - <_> - - <_> - - - - <_> - 6 0 9 2 -1. - <_> - 9 3 3 2 3. - 1 - -1.8246339261531830e-001 - 6.5487307310104370e-001 - -4.6831071376800537e-001 - <_> - - <_> - - - - <_> - 2 4 15 3 -1. - <_> - 7 4 5 3 3. - 0 - -6.9158546626567841e-002 - 2.5979688763618469e-001 - -3.5439720749855042e-001 - <_> - - <_> - - - - <_> - 4 2 4 4 -1. - <_> - 5 3 2 4 2. - 1 - -5.1030728965997696e-002 - 6.5509510040283203e-001 - -2.4366210401058197e-001 - <_> - - <_> - - - - <_> - 14 6 4 6 -1. - <_> - 16 6 2 3 2. - <_> - 14 9 2 3 2. - 0 - 6.6160508431494236e-003 - -1.4317570626735687e-001 - 1.9473850727081299e-001 - <_> - - <_> - - - - <_> - 0 6 4 6 -1. - <_> - 0 6 2 3 2. - <_> - 2 9 2 3 2. - 0 - 4.6910191886126995e-003 - -3.7824809551239014e-001 - 1.7687709629535675e-001 - <_> - - <_> - - - - <_> - 16 2 2 10 -1. - <_> - 16 7 2 5 2. - 0 - -2.8749920427799225e-002 - -3.2157620787620544e-001 - 1.8641479313373566e-002 - <_> - - <_> - - - - <_> - 0 2 2 10 -1. - <_> - 0 7 2 5 2. - 0 - 1.0602179827401415e-004 - -4.5742839574813843e-001 - 1.3976849615573883e-001 - <_> - - <_> - - - - <_> - 12 3 3 3 -1. - <_> - 11 4 3 1 3. - 1 - 1.1274269782006741e-002 - -9.0355128049850464e-002 - 2.1887609362602234e-001 - <_> - - <_> - - - - <_> - 6 3 3 3 -1. - <_> - 7 4 1 3 3. - 1 - -2.7582680806517601e-002 - 4.1455930471420288e-001 - -1.3666220009326935e-001 - <_> - - <_> - - - - <_> - 0 10 18 2 -1. - <_> - 0 11 18 1 2. - 0 - 2.3641479492653161e-004 - -4.6728670597076416e-001 - 1.1781200021505356e-001 - <_> - - <_> - - - - <_> - 9 2 6 3 -1. - <_> - 11 4 2 3 3. - 1 - -1.1871670186519623e-001 - 3.1791681051254272e-001 - -1.6469870507717133e-001 - <_> - - <_> - - - - <_> - 12 0 2 9 -1. - <_> - 9 3 2 3 3. - 1 - 1.9392369687557220e-001 - 5.0983601249754429e-003 - -8.0679917335510254e-001 - <_> - - <_> - - - - <_> - 6 0 9 2 -1. - <_> - 9 3 3 2 3. - 1 - -1.8230450153350830e-001 - -3.8811311125755310e-001 - 1.5172429382801056e-001 - <_> - - <_> - - - - <_> - 0 0 18 12 -1. - <_> - 0 4 18 4 3. - 0 - -2.5526711344718933e-001 - 1.5723639726638794e-001 - -4.0902090072631836e-001 - <_> - - <_> - - - - <_> - 4 4 10 2 -1. - <_> - 4 5 10 1 2. - 0 - 2.4411959573626518e-002 - -1.1094090342521667e-001 - 4.6774199604988098e-001 - <_> - - <_> - - - - <_> - 8 0 2 2 -1. - <_> - 8 0 1 2 2. - 0 - 2.8254329663468525e-005 - -2.1161890029907227e-001 - 2.0330640673637390e-001 - <_> - - <_> - - - - <_> - 5 2 8 4 -1. - <_> - 5 3 8 2 2. - 0 - 2.8164679184556007e-002 - -1.1879099905490875e-001 - 3.5778549313545227e-001 - <_> - - <_> - - - - <_> - 16 8 2 4 -1. - <_> - 16 9 2 2 2. - 0 - -1.2130060233175755e-002 - -6.4840310811996460e-001 - 6.2937177717685699e-002 - <_> - - <_> - - - - <_> - 5 11 6 1 -1. - <_> - 7 11 2 1 3. - 0 - -9.7364839166402817e-003 - -6.3039177656173706e-001 - 5.1388788968324661e-002 - <_> - - <_> - - - - <_> - 0 0 18 6 -1. - <_> - 6 0 6 6 3. - 0 - -1.6935800015926361e-001 - 2.0276680588722229e-001 - -1.8470560014247894e-001 - <_> - - <_> - - - - <_> - 4 0 10 4 -1. - <_> - 4 1 10 2 2. - 0 - 3.0143039301037788e-002 - -1.2960250675678253e-001 - 2.7041170001029968e-001 - <_> - - <_> - - - - <_> - 16 8 2 4 -1. - <_> - 16 9 2 2 2. - 0 - 1.2918629683554173e-002 - 3.7680979818105698e-002 - -4.9257808923721313e-001 - <_> - - <_> - - - - <_> - 3 5 6 2 -1. - <_> - 3 5 3 1 2. - <_> - 6 6 3 1 2. - 0 - -7.4791330844163895e-003 - 3.2607930898666382e-001 - -1.0927549749612808e-001 - <_> - - <_> - - - - <_> - 8 0 3 2 -1. - <_> - 9 0 1 2 3. - 0 - -6.3150310888886452e-003 - -5.7017749547958374e-001 - 5.1293510943651199e-002 - <_> - - <_> - - - - <_> - 0 8 2 4 -1. - <_> - 0 9 2 2 2. - 0 - -5.5133788846433163e-003 - -4.2573130130767822e-001 - 6.7410148680210114e-002 - <_> - - <_> - - - - <_> - 4 0 10 3 -1. - <_> - 4 1 10 1 3. - 0 - -2.5038039311766624e-002 - 3.4961760044097900e-001 - -1.0028000175952911e-001 - <_> - - <_> - - - - <_> - 3 0 2 3 -1. - <_> - 2 1 2 1 3. - 1 - 1.5786489471793175e-002 - 6.5336212515830994e-002 - -4.7719699144363403e-001 - <_> - - <_> - - - - <_> - 9 6 3 1 -1. - <_> - 10 6 1 1 3. - 0 - -2.0188970956951380e-003 - 2.0141409337520599e-001 - -1.3781909644603729e-001 - <_> - - <_> - - - - <_> - 0 3 3 3 -1. - <_> - 0 4 3 1 3. - 0 - 1.5845090150833130e-002 - 4.6465918421745300e-002 - -6.0951578617095947e-001 - <_> - - <_> - - - - <_> - 9 10 2 1 -1. - <_> - 9 10 1 1 2. - 0 - 4.4102370738983154e-003 - 1.5361309982836246e-002 - -6.8296772241592407e-001 - <_> - - <_> - - - - <_> - 6 6 3 1 -1. - <_> - 7 6 1 1 3. - 0 - 5.4094279184937477e-003 - -7.9418838024139404e-002 - 3.7774890661239624e-001 - <_> - - <_> - - - - <_> - 10 9 3 3 -1. - <_> - 11 9 1 3 3. - 0 - -9.1723483055830002e-003 - -5.0129491090774536e-001 - 4.2223211377859116e-002 - <_> - - <_> - - - - <_> - 5 5 2 4 -1. - <_> - 5 5 1 2 2. - <_> - 6 7 1 2 2. - 0 - 5.8078318834304810e-003 - -9.7935520112514496e-002 - 3.0242648720741272e-001 - <_> - - <_> - - - - <_> - 9 10 2 1 -1. - <_> - 9 10 1 1 2. - 0 - 9.6367846708744764e-005 - -1.2192639708518982e-001 - 1.6515390574932098e-001 - <_> - - <_> - - - - <_> - 7 10 4 1 -1. - <_> - 8 10 2 1 2. - 0 - -9.0094821644015610e-005 - 1.8640710413455963e-001 - -1.6429470479488373e-001 - <_> - - <_> - - - - <_> - 5 1 9 4 -1. - <_> - 5 2 9 2 2. - 0 - -4.2277779430150986e-002 - 4.2195519804954529e-001 - -5.8824878185987473e-002 - <_> - - <_> - - - - <_> - 6 3 6 4 -1. - <_> - 6 4 6 2 2. - 0 - -2.1149210631847382e-002 - 2.0251630246639252e-001 - -1.3794210553169250e-001 - <_> - - <_> - - - - <_> - 16 10 2 2 -1. - <_> - 16 11 2 1 2. - 0 - 8.2650636613834649e-005 - -1.9383859634399414e-001 - 1.1907099932432175e-001 - <_> - - <_> - - - - <_> - 7 0 4 2 -1. - <_> - 8 0 2 2 2. - 0 - 8.7700327858328819e-003 - 4.4557921588420868e-002 - -5.6677401065826416e-001 - <_> - - <_> - - - - <_> - 7 0 7 8 -1. - <_> - 7 2 7 4 2. - 0 - 1.1755479872226715e-001 - -4.2800500988960266e-002 - 3.6108881235122681e-001 - <_> - - <_> - - - - <_> - 0 5 2 4 -1. - <_> - 0 6 2 2 2. - 0 - 9.6330074593424797e-003 - 5.1822990179061890e-002 - -5.2042788267135620e-001 - <_> - - <_> - - - - <_> - 13 8 5 3 -1. - <_> - 13 9 5 1 3. - 0 - -2.0586889237165451e-002 - -4.0654578804969788e-001 - 2.5355400517582893e-002 - <_> - - <_> - - - - <_> - 5 3 5 3 -1. - <_> - 4 4 5 1 3. - 1 - -2.6531819254159927e-002 - 3.0200049281120300e-001 - -7.8816160559654236e-002 - <_> - - <_> - - - - <_> - 10 6 2 4 -1. - <_> - 11 6 1 2 2. - <_> - 10 8 1 2 2. - 0 - 1.0697710327804089e-002 - -3.5472430288791656e-002 - 2.2002260386943817e-001 - <_> - - <_> - - - - <_> - 0 8 5 3 -1. - <_> - 0 9 5 1 3. - 0 - 2.2925930097699165e-002 - 3.5583890974521637e-002 - -6.5233951807022095e-001 - <_> - - <_> - - - - <_> - 15 0 2 2 -1. - <_> - 15 0 1 2 2. - 1 - -1.6979500651359558e-002 - -3.5206571221351624e-001 - 2.8009910136461258e-002 - <_> - - <_> - - - - <_> - 3 0 2 2 -1. - <_> - 3 0 2 1 2. - 1 - 1.8478220328688622e-002 - 4.4543039053678513e-002 - -5.0304412841796875e-001 - <_> - - <_> - - - - <_> - 10 6 2 4 -1. - <_> - 11 6 1 2 2. - <_> - 10 8 1 2 2. - 0 - -4.4793421402573586e-003 - 2.5836798548698425e-001 - -4.2940050363540649e-002 - <_> - - <_> - - - - <_> - 6 6 2 4 -1. - <_> - 6 6 1 2 2. - <_> - 7 8 1 2 2. - 0 - 5.6482921354472637e-003 - -8.1515468657016754e-002 - 2.7649441361427307e-001 - <_> - - <_> - - - - <_> - 10 9 3 3 -1. - <_> - 11 9 1 3 3. - 0 - 7.8102410770952702e-003 - 3.8798350840806961e-002 - -4.4269979000091553e-001 - <_> - - <_> - - - - <_> - 5 9 3 3 -1. - <_> - 6 9 1 3 3. - 0 - -9.2882793396711349e-003 - -5.6610691547393799e-001 - 3.7403721362352371e-002 - <_> - - <_> - - - - <_> - 11 11 2 1 -1. - <_> - 11 11 1 1 2. - 0 - -9.3019756604917347e-005 - 1.2570169568061829e-001 - -1.2166970223188400e-001 - <_> - - <_> - - - - <_> - 0 1 4 11 -1. - <_> - 2 1 2 11 2. - 0 - 1.2011100351810455e-001 - -2.8434859588742256e-002 - 7.4229037761688232e-001 - -1.7087210416793823e+000 - 5 - -1 - <_> - - - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -5.5502790957689285e-002 - 7.6810652017593384e-001 - -3.4562450647354126e-001 - <_> - - <_> - - - - <_> - 6 1 10 9 -1. - <_> - 6 4 10 3 3. - 0 - -2.0711760222911835e-001 - 3.3520048856735229e-001 - -3.5342261195182800e-001 - <_> - - <_> - - - - <_> - 5 3 3 3 -1. - <_> - 6 4 1 3 3. - 1 - -3.8090940564870834e-002 - 6.4589887857437134e-001 - -1.9888919591903687e-001 - <_> - - <_> - - - - <_> - 14 5 4 3 -1. - <_> - 14 5 2 3 2. - 1 - -1.1236749589443207e-002 - 1.9605120643973351e-002 - -1.3818189501762390e-001 - <_> - - <_> - - - - <_> - 1 4 2 5 -1. - <_> - 2 4 1 5 2. - 0 - -4.5111398212611675e-003 - 2.2876060009002686e-001 - -3.1510901451110840e-001 - <_> - - <_> - - - - <_> - 9 6 3 1 -1. - <_> - 10 6 1 1 3. - 0 - -1.9242960261180997e-003 - 2.1156929433345795e-001 - -1.3428880274295807e-001 - <_> - - <_> - - - - <_> - 0 6 7 6 -1. - <_> - 0 9 7 3 2. - 0 - 4.1934859007596970e-002 - -4.9654480814933777e-001 - 1.0631070286035538e-001 - <_> - - <_> - - - - <_> - 9 6 3 1 -1. - <_> - 10 6 1 1 3. - 0 - 3.3527929335832596e-003 - -7.7351443469524384e-002 - 3.3729350566864014e-001 - <_> - - <_> - - - - <_> - 6 6 3 1 -1. - <_> - 7 6 1 1 3. - 0 - 5.6215040385723114e-003 - -8.1691898405551910e-002 - 4.6233668923377991e-001 - <_> - - <_> - - - - <_> - 3 5 12 6 -1. - <_> - 7 5 4 6 3. - 0 - -2.0378379151225090e-002 - 1.3168209791183472e-001 - -3.5178178548812866e-001 - <_> - - <_> - - - - <_> - 5 9 8 3 -1. - <_> - 7 9 4 3 2. - 0 - -3.2714441418647766e-002 - -6.3405597209930420e-001 - 7.7019467949867249e-002 - <_> - - <_> - - - - <_> - 4 0 10 3 -1. - <_> - 4 0 5 3 2. - 0 - 1.9768450409173965e-002 - -2.1647900342941284e-001 - 1.9565519690513611e-001 - <_> - - <_> - - - - <_> - 3 10 12 2 -1. - <_> - 3 11 12 1 2. - 0 - 2.9163479339331388e-003 - -3.5658559203147888e-001 - 9.7441449761390686e-002 - <_> - - <_> - - - - <_> - 12 4 2 3 -1. - <_> - 11 5 2 1 3. - 1 - -1.1110129766166210e-002 - 1.6842029988765717e-001 - -1.1107269674539566e-001 - <_> - - <_> - - - - <_> - 4 4 10 2 -1. - <_> - 4 5 10 1 2. - 0 - 2.0324539393186569e-002 - -9.7157396376132965e-002 - 3.7280368804931641e-001 - <_> - - <_> - - - - <_> - 12 4 2 3 -1. - <_> - 11 5 2 1 3. - 1 - -4.3062889017164707e-003 - 3.4338738769292831e-002 - -3.7133701145648956e-002 - <_> - - <_> - - - - <_> - 6 4 3 2 -1. - <_> - 7 5 1 2 3. - 1 - -2.1981669589877129e-002 - 3.8905361294746399e-001 - -1.0749849677085876e-001 - <_> - - <_> - - - - <_> - 15 9 3 3 -1. - <_> - 15 10 3 1 3. - 0 - 1.0463249869644642e-002 - 5.8108348399400711e-002 - -4.9651509523391724e-001 - <_> - - <_> - - - - <_> - 0 0 2 12 -1. - <_> - 0 6 2 6 2. - 0 - -3.6034088581800461e-002 - -4.9659618735313416e-001 - 6.0606569051742554e-002 - <_> - - <_> - - - - <_> - 8 9 6 3 -1. - <_> - 10 9 2 3 3. - 0 - -2.8891820460557938e-002 - -5.7386201620101929e-001 - 3.3857319504022598e-002 - <_> - - <_> - - - - <_> - 0 9 3 3 -1. - <_> - 0 10 3 1 3. - 0 - 1.1050649918615818e-002 - 4.5335989445447922e-002 - -5.9945368766784668e-001 - <_> - - <_> - - - - <_> - 14 9 4 3 -1. - <_> - 14 10 4 1 3. - 0 - -1.1056279763579369e-002 - -4.3665930628776550e-001 - 4.1093189269304276e-002 - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -1.7272779718041420e-002 - 1.7343489825725555e-001 - -1.7528730630874634e-001 - <_> - - <_> - - - - <_> - 4 0 10 4 -1. - <_> - 4 1 10 2 2. - 0 - -3.6496959626674652e-002 - 3.9858031272888184e-001 - -8.1219650804996490e-002 - <_> - - <_> - - - - <_> - 0 9 4 3 -1. - <_> - 0 10 4 1 3. - 0 - -8.0351969227194786e-003 - -5.2099347114562988e-001 - 6.8034321069717407e-002 - <_> - - <_> - - - - <_> - 6 0 7 4 -1. - <_> - 6 1 7 2 2. - 0 - 3.9475150406360626e-002 - -9.3318670988082886e-002 - 3.1671538949012756e-001 - <_> - - <_> - - - - <_> - 4 0 4 3 -1. - <_> - 5 0 2 3 2. - 0 - 9.7668059170246124e-003 - 6.1611980199813843e-002 - -4.7003281116485596e-001 - <_> - - <_> - - - - <_> - 10 3 2 3 -1. - <_> - 10 4 2 1 3. - 0 - 1.4267800375819206e-002 - -4.1417431086301804e-002 - 3.2682031393051147e-001 - <_> - - <_> - - - - <_> - 6 5 3 3 -1. - <_> - 5 6 3 1 3. - 1 - -1.4627629891037941e-002 - 2.5459268689155579e-001 - -9.2211320996284485e-002 - <_> - - <_> - - - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - 0 - -3.7443440407514572e-002 - 2.1452540159225464e-001 - -1.1371590197086334e-001 - <_> - - <_> - - - - <_> - 4 0 4 3 -1. - <_> - 5 0 2 3 2. - 0 - -7.8959967941045761e-003 - -4.2572760581970215e-001 - 6.0067750513553619e-002 - <_> - - <_> - - - - <_> - 0 11 18 1 -1. - <_> - 0 11 9 1 2. - 0 - 7.7234968543052673e-002 - 3.8733281195163727e-002 - -5.4066091775894165e-001 - <_> - - <_> - - - - <_> - 0 7 1 4 -1. - <_> - 0 8 1 2 2. - 0 - 5.0929659046232700e-003 - 4.5729279518127441e-002 - -4.5329090952873230e-001 - <_> - - <_> - - - - <_> - 7 2 4 3 -1. - <_> - 7 3 4 1 3. - 0 - 8.4982849657535553e-003 - -1.1133170127868652e-001 - 1.9510190188884735e-001 - <_> - - <_> - - - - <_> - 2 0 11 8 -1. - <_> - 2 2 11 4 2. - 0 - -1.3983149826526642e-001 - 2.7004420757293701e-001 - -1.1368890106678009e-001 - <_> - - <_> - - - - <_> - 4 1 12 11 -1. - <_> - 4 1 6 11 2. - 0 - 2.3544949293136597e-001 - -3.8515809923410416e-002 - 2.3026439547538757e-001 - <_> - - <_> - - - - <_> - 3 11 8 1 -1. - <_> - 5 11 4 1 2. - 0 - 1.0409420356154442e-002 - 4.4020529836416245e-002 - -5.2599149942398071e-001 - <_> - - <_> - - - - <_> - 10 3 2 4 -1. - <_> - 10 4 2 2 2. - 0 - -4.2654508724808693e-003 - 1.0057310014963150e-001 - -1.2344259768724442e-001 - <_> - - <_> - - - - <_> - 6 3 4 4 -1. - <_> - 6 4 4 2 2. - 0 - 1.1060579679906368e-002 - -8.1759817898273468e-002 - 3.6806258559226990e-001 - <_> - - <_> - - - - <_> - 15 2 3 4 -1. - <_> - 15 3 3 2 2. - 0 - -1.7567450180649757e-002 - -3.7257051467895508e-001 - 4.9060110002756119e-002 - <_> - - <_> - - - - <_> - 0 6 2 3 -1. - <_> - 0 7 2 1 3. - 0 - 1.1153019964694977e-002 - 3.1007820740342140e-002 - -6.5017551183700562e-001 - <_> - - <_> - - - - <_> - 15 0 3 3 -1. - <_> - 16 1 1 3 3. - 1 - 1.4512670226395130e-002 - 4.9902249127626419e-002 - -3.2837110757827759e-001 - <_> - - <_> - - - - <_> - 3 0 3 3 -1. - <_> - 2 1 3 1 3. - 1 - -2.2447660565376282e-002 - -4.2730820178985596e-001 - 5.1438558846712112e-002 - <_> - - <_> - - - - <_> - 7 9 8 3 -1. - <_> - 9 9 4 3 2. - 0 - -1.1137849651277065e-004 - 1.0777100175619125e-001 - -1.4144800603389740e-001 - <_> - - <_> - - - - <_> - 6 4 3 5 -1. - <_> - 7 4 1 5 3. - 0 - -6.8043689243495464e-003 - 2.5245690345764160e-001 - -8.8355191051959991e-002 - <_> - - <_> - - - - <_> - 14 8 2 2 -1. - <_> - 15 8 1 1 2. - <_> - 14 9 1 1 2. - 0 - 1.1319419718347490e-004 - -9.0738296508789063e-002 - 1.1057420074939728e-001 - <_> - - <_> - - - - <_> - 2 8 2 2 -1. - <_> - 2 8 1 1 2. - <_> - 3 9 1 1 2. - 0 - 9.8332180641591549e-005 - -1.4923529326915741e-001 - 1.4092969894409180e-001 - <_> - - <_> - - - - <_> - 5 0 8 3 -1. - <_> - 7 0 4 3 2. - 0 - -4.1529871523380280e-002 - -5.3849858045578003e-001 - 3.7263870239257813e-002 - <_> - - <_> - - - - <_> - 2 8 2 2 -1. - <_> - 2 8 1 1 2. - <_> - 3 9 1 1 2. - 0 - -8.4064602560829371e-005 - 1.7529909312725067e-001 - -1.1037810146808624e-001 - <_> - - <_> - - - - <_> - 3 7 15 4 -1. - <_> - 8 7 5 4 3. - 0 - -6.0910630971193314e-002 - 6.7305542528629303e-002 - -5.1418140530586243e-002 - <_> - - <_> - - - - <_> - 0 0 14 12 -1. - <_> - 7 0 7 12 2. - 0 - 2.8795659542083740e-001 - -4.7617539763450623e-002 - 4.4013059139251709e-001 - <_> - - <_> - - - - <_> - 12 1 4 6 -1. - <_> - 14 1 2 3 2. - <_> - 12 4 2 3 2. - 0 - 6.4567220397293568e-003 - -1.1678449809551239e-001 - 1.9663040339946747e-001 - <_> - - <_> - - - - <_> - 1 1 14 4 -1. - <_> - 1 2 14 2 2. - 0 - 3.3024981617927551e-002 - -1.1936070024967194e-001 - 2.1602100133895874e-001 - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -5.5381961166858673e-002 - -3.8685059547424316e-001 - 5.3844269365072250e-002 - <_> - - <_> - - - - <_> - 0 3 3 3 -1. - <_> - 0 4 3 1 3. - 0 - -2.0128320902585983e-002 - -6.3146728277206421e-001 - 3.5852450877428055e-002 - <_> - - <_> - - - - <_> - 5 2 9 3 -1. - <_> - 5 3 9 1 3. - 0 - -2.9262129217386246e-002 - 3.1658959388732910e-001 - -7.7322661876678467e-002 - <_> - - <_> - - - - <_> - 6 0 2 3 -1. - <_> - 5 1 2 1 3. - 1 - -2.1860150620341301e-002 - -5.4143399000167847e-001 - 3.9601378142833710e-002 - <_> - - <_> - - - - <_> - 7 5 4 4 -1. - <_> - 8 5 2 4 2. - 0 - -7.7890069223940372e-003 - 1.6942089796066284e-001 - -1.2422429770231247e-001 - <_> - - <_> - - - - <_> - 3 9 8 3 -1. - <_> - 5 9 4 3 2. - 0 - -3.8938779383897781e-002 - -5.5230420827865601e-001 - 3.6004111170768738e-002 - <_> - - <_> - - - - <_> - 8 9 6 3 -1. - <_> - 10 9 2 3 3. - 0 - 2.9549999162554741e-002 - 1.2396270409226418e-002 - -4.6334400773048401e-001 - <_> - - <_> - - - - <_> - 7 6 3 1 -1. - <_> - 8 6 1 1 3. - 0 - 5.7805092073976994e-003 - -4.6647120267152786e-002 - 4.0929031372070313e-001 - <_> - - <_> - - - - <_> - 8 9 6 3 -1. - <_> - 10 9 2 3 3. - 0 - -1.6484359279274940e-002 - -1.6388489305973053e-001 - 3.5984411835670471e-002 - <_> - - <_> - - - - <_> - 4 10 2 1 -1. - <_> - 5 10 1 1 2. - 0 - -7.8519893577322364e-005 - 1.3505099713802338e-001 - -1.4988400042057037e-001 - <_> - - <_> - - - - <_> - 14 0 4 4 -1. - <_> - 13 1 4 2 2. - 1 - 5.7466499507427216e-002 - -1.0657619684934616e-002 - 2.4209600687026978e-001 - <_> - - <_> - - - - <_> - 4 0 4 4 -1. - <_> - 5 1 2 4 2. - 1 - -4.9877569079399109e-002 - 4.3212598562240601e-001 - -3.9752040058374405e-002 - -1.6544970273971558e+000 - 6 - -1 - <_> - - - <_> - - <_> - - - - <_> - 4 6 4 2 -1. - <_> - 5 6 2 2 2. - 0 - 1.3002170249819756e-002 - -3.5921901464462280e-001 - 7.2445052862167358e-001 - <_> - - <_> - - - - <_> - 6 4 11 8 -1. - <_> - 6 8 11 4 2. - 0 - 2.8081539273262024e-001 - -3.1760689616203308e-001 - 2.8313899040222168e-001 - <_> - - <_> - - - - <_> - 0 4 16 8 -1. - <_> - 4 4 8 8 2. - 0 - -1.0230190306901932e-001 - 2.7121749520301819e-001 - -4.0805050730705261e-001 - <_> - - <_> - - - - <_> - 14 2 1 9 -1. - <_> - 14 5 1 3 3. - 0 - -7.0124780759215355e-003 - 9.5718100666999817e-002 - -1.6140650212764740e-001 - <_> - - <_> - - - - <_> - 0 6 15 2 -1. - <_> - 5 6 5 2 3. - 0 - 2.9238969087600708e-001 - -2.9914049082435668e-004 - -1.5149759521484375e+003 - <_> - - <_> - - - - <_> - 10 4 3 4 -1. - <_> - 9 5 3 2 2. - 1 - -2.8283270075917244e-002 - 2.6549229025840759e-001 - -1.3133880496025085e-001 - <_> - - <_> - - - - <_> - 6 6 3 1 -1. - <_> - 7 6 1 1 3. - 0 - 3.6253510043025017e-003 - -2.3768079280853271e-001 - 4.5994341373443604e-001 - <_> - - <_> - - - - <_> - 10 1 1 6 -1. - <_> - 8 3 1 2 3. - 1 - -2.9781410470604897e-002 - 2.1161870658397675e-001 - -1.3860809616744518e-002 - <_> - - <_> - - - - <_> - 3 2 1 9 -1. - <_> - 3 5 1 3 3. - 0 - -1.6370929777622223e-002 - 1.9874550402164459e-001 - -3.2648208737373352e-001 - <_> - - <_> - - - - <_> - 0 10 18 2 -1. - <_> - 0 11 18 1 2. - 0 - 6.4193690195679665e-003 - -3.6268979310989380e-001 - 1.1069930344820023e-001 - <_> - - <_> - - - - <_> - 9 1 6 2 -1. - <_> - 11 3 2 2 3. - 1 - -5.7248339056968689e-002 - 1.9361220300197601e-001 - -2.6778540015220642e-001 - <_> - - <_> - - - - <_> - 11 5 3 3 -1. - <_> - 12 5 1 3 3. - 0 - 8.4205381572246552e-003 - -1.3904230296611786e-001 - 2.9838430881500244e-001 - <_> - - <_> - - - - <_> - 4 5 3 3 -1. - <_> - 5 5 1 3 3. - 0 - -5.7426397688686848e-003 - 3.2052099704742432e-001 - -1.0433880239725113e-001 - <_> - - <_> - - - - <_> - 9 6 4 1 -1. - <_> - 10 6 2 1 2. - 0 - -3.6206389777362347e-003 - 1.6167849302291870e-001 - -6.5803676843643188e-002 - <_> - - <_> - - - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - 0 - -1.8714519217610359e-002 - 1.9818380475044250e-001 - -1.6230210661888123e-001 - <_> - - <_> - - - - <_> - 8 0 6 3 -1. - <_> - 10 0 2 3 3. - 0 - -4.3710019439458847e-002 - -7.4743181467056274e-001 - 4.9251399934291840e-002 - <_> - - <_> - - - - <_> - 5 0 6 6 -1. - <_> - 5 2 6 2 3. - 0 - -7.1742817759513855e-002 - 4.3014928698539734e-001 - -8.6288601160049438e-002 - <_> - - <_> - - - - <_> - 8 0 6 4 -1. - <_> - 10 0 2 4 3. - 0 - -3.6524080205708742e-003 - 1.3674829900264740e-001 - -1.4051650464534760e-001 - <_> - - <_> - - - - <_> - 5 6 4 1 -1. - <_> - 6 6 2 1 2. - 0 - -3.2031999435275793e-003 - 3.3417999744415283e-001 - -1.0332349687814713e-001 - <_> - - <_> - - - - <_> - 8 0 6 3 -1. - <_> - 10 0 2 3 3. - 0 - -2.8293890878558159e-002 - -3.2057279348373413e-001 - 4.5155089348554611e-002 - <_> - - <_> - - - - <_> - 4 0 6 4 -1. - <_> - 6 0 2 4 3. - 0 - -2.3787179961800575e-002 - -4.5069369673728943e-001 - 6.9767661392688751e-002 - <_> - - <_> - - - - <_> - 9 10 6 2 -1. - <_> - 11 10 2 2 3. - 0 - -3.1126540154218674e-002 - -7.7986258268356323e-001 - 1.2120390310883522e-002 - <_> - - <_> - - - - <_> - 3 10 6 2 -1. - <_> - 5 10 2 2 3. - 0 - -1.9434019923210144e-002 - -6.2219220399856567e-001 - 3.9394930005073547e-002 - <_> - - <_> - - - - <_> - 6 0 6 3 -1. - <_> - 6 1 6 1 3. - 0 - -2.0646529272198677e-002 - 3.6222419142723083e-001 - -8.2135513424873352e-002 - <_> - - <_> - - - - <_> - 4 0 7 3 -1. - <_> - 4 1 7 1 3. - 0 - 1.6532849520444870e-002 - -1.1575960367918015e-001 - 2.7401360869407654e-001 - <_> - - <_> - - - - <_> - 7 9 4 3 -1. - <_> - 8 9 2 3 2. - 0 - -9.4688721001148224e-003 - -6.1177402734756470e-001 - 4.4638238847255707e-002 - <_> - - <_> - - - - <_> - 3 9 1 2 -1. - <_> - 3 10 1 1 2. - 0 - 1.5371610061265528e-004 - -2.5191861391067505e-001 - 9.6505373716354370e-002 - <_> - - <_> - - - - <_> - 2 3 16 9 -1. - <_> - 2 3 8 9 2. - 0 - 2.5918158888816833e-001 - -4.7843091189861298e-002 - 2.3324379324913025e-001 - <_> - - <_> - - - - <_> - 6 4 6 6 -1. - <_> - 8 4 2 6 3. - 0 - -2.5841780006885529e-002 - 1.7269480228424072e-001 - -1.4205309748649597e-001 - <_> - - <_> - - - - <_> - 6 0 12 11 -1. - <_> - 6 0 6 11 2. - 0 - -3.9961761236190796e-001 - -2.4384410679340363e-001 - 1.7345370724797249e-002 - <_> - - <_> - - - - <_> - 0 0 14 12 -1. - <_> - 7 0 7 12 2. - 0 - 2.1105909347534180e-001 - -6.1212010681629181e-002 - 4.1000100970268250e-001 - <_> - - <_> - - - - <_> - 16 3 2 4 -1. - <_> - 16 4 2 2 2. - 0 - -1.6058450564742088e-002 - -6.0403078794479370e-001 - 5.7624060660600662e-002 - <_> - - <_> - - - - <_> - 1 3 6 4 -1. - <_> - 1 3 3 2 2. - <_> - 4 5 3 2 2. - 0 - -1.6918450593948364e-002 - 1.9921250641345978e-001 - -1.2271139770746231e-001 - <_> - - <_> - - - - <_> - 15 2 3 4 -1. - <_> - 15 3 3 2 2. - 0 - 1.4193099923431873e-002 - 5.4869029670953751e-002 - -3.7617999315261841e-001 - <_> - - <_> - - - - <_> - 0 2 3 4 -1. - <_> - 0 3 3 2 2. - 0 - -2.4758260697126389e-002 - -7.1052777767181396e-001 - 3.3381890505552292e-002 - <_> - - <_> - - - - <_> - 0 0 18 12 -1. - <_> - 9 0 9 6 2. - <_> - 0 6 9 6 2. - 0 - -3.8228559494018555e-001 - -6.2711232900619507e-001 - 3.2499440014362335e-002 - <_> - - <_> - - - - <_> - 6 3 2 5 -1. - <_> - 6 3 1 5 2. - 1 - -2.6878060773015022e-002 - 3.0796620249748230e-001 - -7.3240749537944794e-002 - <_> - - <_> - - - - <_> - 14 0 3 2 -1. - <_> - 15 1 1 2 3. - 1 - 1.3228660449385643e-002 - 6.9501012563705444e-002 - -4.0926951169967651e-001 - <_> - - <_> - - - - <_> - 6 2 6 3 -1. - <_> - 6 3 6 1 3. - 0 - 2.9470060020685196e-002 - -8.1747382879257202e-002 - 2.9929721355438232e-001 - <_> - - <_> - - - - <_> - 4 0 10 1 -1. - <_> - 4 0 5 1 2. - 0 - 6.3013629987835884e-003 - -1.4912730455398560e-001 - 1.6093279421329498e-001 - <_> - - <_> - - - - <_> - 4 0 2 3 -1. - <_> - 3 1 2 1 3. - 1 - -2.0139260217547417e-002 - -5.0678992271423340e-001 - 4.0891159325838089e-002 - <_> - - <_> - - - - <_> - 3 2 13 4 -1. - <_> - 3 3 13 2 2. - 0 - -4.9374740570783615e-002 - 2.5256040692329407e-001 - -8.5726343095302582e-002 - <_> - - <_> - - - - <_> - 5 2 3 4 -1. - <_> - 6 3 1 4 3. - 1 - 1.9452260807156563e-002 - -7.3688283562660217e-002 - 3.0949079990386963e-001 - <_> - - <_> - - - - <_> - 13 4 4 7 -1. - <_> - 13 4 2 7 2. - 0 - -3.2352220267057419e-002 - 2.1833789348602295e-001 - -6.8243682384490967e-002 - <_> - - <_> - - - - <_> - 0 8 7 2 -1. - <_> - 0 9 7 1 2. - 0 - 1.5072959649842232e-004 - -3.2836580276489258e-001 - 6.6381722688674927e-002 - <_> - - <_> - - - - <_> - 13 6 2 6 -1. - <_> - 13 8 2 2 3. - 0 - -6.1889938078820705e-003 - 1.3249829411506653e-001 - -7.4239932000637054e-002 - <_> - - <_> - - - - <_> - 3 6 2 6 -1. - <_> - 3 8 2 2 3. - 0 - 6.3619641587138176e-003 - -1.2829330563545227e-001 - 1.5975730121135712e-001 - <_> - - <_> - - - - <_> - 2 5 16 4 -1. - <_> - 10 5 8 2 2. - <_> - 2 7 8 2 2. - 0 - 1.2205489724874496e-001 - 3.1172819435596466e-002 - -5.6808418035507202e-001 - <_> - - <_> - - - - <_> - 0 10 18 2 -1. - <_> - 0 10 9 1 2. - <_> - 9 11 9 1 2. - 0 - 2.7129599824547768e-002 - 3.4967660903930664e-002 - -5.5332547426223755e-001 - <_> - - <_> - - - - <_> - 14 10 2 2 -1. - <_> - 15 10 1 1 2. - <_> - 14 11 1 1 2. - 0 - 1.5683429955970496e-004 - -1.0362909734249115e-001 - 1.1349440366029739e-001 - <_> - - <_> - - - - <_> - 2 4 2 7 -1. - <_> - 3 4 1 7 2. - 0 - -5.7905660942196846e-003 - 1.3157980144023895e-001 - -1.3856770098209381e-001 - <_> - - <_> - - - - <_> - 10 6 2 2 -1. - <_> - 11 6 1 1 2. - <_> - 10 7 1 1 2. - 0 - 1.8190830014646053e-003 - -7.3361650109291077e-002 - 1.6932620108127594e-001 - <_> - - <_> - - - - <_> - 3 0 4 4 -1. - <_> - 4 0 2 4 2. - 0 - -1.8002679571509361e-002 - -5.8490717411041260e-001 - 3.2903790473937988e-002 - <_> - - <_> - - - - <_> - 7 0 4 4 -1. - <_> - 7 1 4 2 2. - 0 - -1.8526639789342880e-002 - 3.2005688548088074e-001 - -6.2653139233589172e-002 - <_> - - <_> - - - - <_> - 6 1 5 3 -1. - <_> - 6 2 5 1 3. - 0 - 2.0345499739050865e-002 - -8.0804906785488129e-002 - 2.5780761241912842e-001 - <_> - - <_> - - - - <_> - 16 5 2 3 -1. - <_> - 16 6 2 1 3. - 0 - -1.6274280846118927e-002 - -5.7635939121246338e-001 - 2.5872429832816124e-002 - <_> - - <_> - - - - <_> - 0 5 2 3 -1. - <_> - 0 6 2 1 3. - 0 - 8.5418839007616043e-003 - 3.3990539610385895e-002 - -4.9847429990768433e-001 - <_> - - <_> - - - - <_> - 6 0 6 2 -1. - <_> - 8 0 2 2 3. - 0 - -2.0960260182619095e-002 - -4.7946169972419739e-001 - 3.4324679523706436e-002 - <_> - - <_> - - - - <_> - 5 3 3 3 -1. - <_> - 6 4 1 3 3. - 1 - 1.5699770301580429e-002 - -6.5722920000553131e-002 - 2.9684039950370789e-001 - <_> - - <_> - - - - <_> - 12 6 2 4 -1. - <_> - 12 7 2 2 2. - 0 - 1.7905479762703180e-003 - -6.5733380615711212e-002 - 9.4904549419879913e-002 - <_> - - <_> - - - - <_> - 0 3 1 4 -1. - <_> - 0 4 1 2 2. - 0 - 5.4030250757932663e-003 - 3.9892349392175674e-002 - -4.1660529375076294e-001 - <_> - - <_> - - - - <_> - 16 5 2 4 -1. - <_> - 16 5 1 4 2. - 0 - -4.7734947875142097e-003 - 2.7001398801803589e-001 - -1.5953589975833893e-001 - <_> - - <_> - - - - <_> - 4 6 2 4 -1. - <_> - 4 7 2 2 2. - 0 - 2.9232229571789503e-003 - -1.0599870234727859e-001 - 1.8253239989280701e-001 - <_> - - <_> - - - - <_> - 16 5 2 4 -1. - <_> - 16 5 1 4 2. - 0 - 3.9620529860258102e-003 - -5.7123549282550812e-002 - 2.0644719898700714e-001 - <_> - - <_> - - - - <_> - 4 8 4 4 -1. - <_> - 5 8 2 4 2. - 0 - 1.2356759980320930e-002 - 4.0755268186330795e-002 - -4.4443848729133606e-001 - <_> - - <_> - - - - <_> - 16 5 2 4 -1. - <_> - 16 5 1 4 2. - 0 - -1.2156190350651741e-002 - 1.8296989798545837e-001 - -3.4999419003725052e-002 - <_> - - <_> - - - - <_> - 0 5 2 4 -1. - <_> - 1 5 1 4 2. - 0 - -3.7678279913961887e-003 - 1.4462789893150330e-001 - -1.2491580098867416e-001 - <_> - - <_> - - - - <_> - 15 0 3 2 -1. - <_> - 15 0 3 1 2. - 1 - 1.9276840612292290e-002 - -6.2840022146701813e-002 - 1.9151060283184052e-001 - <_> - - <_> - - - - <_> - 2 0 2 2 -1. - <_> - 2 0 1 2 2. - 1 - -5.4216519929468632e-003 - 2.1568669378757477e-001 - -8.9786492288112640e-002 - <_> - - <_> - - - - <_> - 16 6 2 4 -1. - <_> - 16 7 2 2 2. - 0 - -2.0339300855994225e-002 - -5.9200441837310791e-001 - 1.6503969207406044e-002 - <_> - - <_> - - - - <_> - 0 6 2 4 -1. - <_> - 0 7 2 2 2. - 0 - 1.1275880038738251e-002 - 3.1583100557327271e-002 - -5.1892447471618652e-001 - <_> - - <_> - - - - <_> - 14 0 3 2 -1. - <_> - 15 0 1 2 3. - 0 - -9.7946176538243890e-005 - 1.4691540598869324e-001 - -1.6081510484218597e-001 - <_> - - <_> - - - - <_> - 1 0 3 2 -1. - <_> - 2 0 1 2 3. - 0 - -1.6277630347758532e-003 - 1.8870960175991058e-001 - -9.3803331255912781e-002 - <_> - - <_> - - - - <_> - 16 0 2 12 -1. - <_> - 16 6 2 6 2. - 0 - 8.7238460779190063e-002 - 5.5480118840932846e-002 - -2.6414340734481812e-001 - -1.7957290410995483e+000 - 7 - -1 - <_> - - - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -5.7292431592941284e-002 - 6.6972970962524414e-001 - -3.2153728604316711e-001 - <_> - - <_> - - - - <_> - 0 2 18 6 -1. - <_> - 6 4 6 2 9. - 0 - -5.4918038845062256e-001 - 4.3484970927238464e-001 - -2.9871198534965515e-001 - <_> - - <_> - - - - <_> - 0 5 4 3 -1. - <_> - 2 5 2 3 2. - 0 - -1.2416520155966282e-002 - 2.6745811104774475e-001 - -3.9999490976333618e-001 - <_> - - <_> - - - - <_> - 2 10 14 2 -1. - <_> - 2 11 14 1 2. - 0 - 7.2453971952199936e-003 - -4.2438769340515137e-001 - 2.0234079658985138e-001 - <_> - - <_> - - - - <_> - 0 4 16 8 -1. - <_> - 0 8 16 4 2. - 0 - 3.6846119165420532e-001 - -3.5139828920364380e-001 - 2.0377729833126068e-001 - <_> - - <_> - - - - <_> - 11 6 4 2 -1. - <_> - 12 6 2 2 2. - 0 - 1.1723440140485764e-002 - -1.8664820492267609e-001 - 3.3893829584121704e-001 - <_> - - <_> - - - - <_> - 5 1 8 1 -1. - <_> - 9 1 4 1 2. - 0 - -5.2209510467946529e-003 - 2.1541909873485565e-001 - -2.0584990084171295e-001 - <_> - - <_> - - - - <_> - 3 1 15 6 -1. - <_> - 8 3 5 2 9. - 0 - 5.2216267585754395e-001 - -7.7104539377614856e-004 - 5.6350582838058472e-001 - <_> - - <_> - - - - <_> - 2 8 2 4 -1. - <_> - 2 9 2 2 2. - 0 - 1.0613870108500123e-004 - -2.3261800408363342e-001 - 1.3210240006446838e-001 - <_> - - <_> - - - - <_> - 14 3 3 1 -1. - <_> - 15 4 1 1 3. - 1 - -1.8034329637885094e-002 - -6.0396319627761841e-001 - 3.4430969506502151e-002 - <_> - - <_> - - - - <_> - 0 4 10 2 -1. - <_> - 0 4 5 1 2. - <_> - 5 5 5 1 2. - 0 - -2.3259000852704048e-002 - 3.5783469676971436e-001 - -8.5259757936000824e-002 - <_> - - <_> - - - - <_> - 9 4 3 2 -1. - <_> - 9 5 3 1 2. - 0 - 1.0407639667391777e-002 - -5.1958288997411728e-002 - 3.1198269128799438e-001 - <_> - - <_> - - - - <_> - 4 2 1 3 -1. - <_> - 3 3 1 1 3. - 1 - -1.1971450410783291e-002 - -4.9050408601760864e-001 - 5.4528221487998962e-002 - <_> - - <_> - - - - <_> - 10 3 2 4 -1. - <_> - 10 5 2 2 2. - 0 - -3.7426669150590897e-003 - 4.4125020503997803e-002 - -5.3650841116905212e-002 - <_> - - <_> - - - - <_> - 6 3 2 4 -1. - <_> - 6 5 2 2 2. - 0 - 1.8917659297585487e-002 - -8.1747300922870636e-002 - 4.1203048825263977e-001 - <_> - - <_> - - - - <_> - 14 10 1 2 -1. - <_> - 14 11 1 1 2. - 0 - 1.1007690045516938e-004 - -1.3551560044288635e-001 - 8.5857532918453217e-002 - <_> - - <_> - - - - <_> - 0 9 4 3 -1. - <_> - 0 10 4 1 3. - 0 - 1.3918640092015266e-002 - 4.8517379909753799e-002 - -5.8116322755813599e-001 - <_> - - <_> - - - - <_> - 9 5 1 3 -1. - <_> - 8 6 1 1 3. - 1 - -1.0104410350322723e-002 - 1.5834890305995941e-001 - -6.0111179947853088e-002 - <_> - - <_> - - - - <_> - 2 6 6 2 -1. - <_> - 4 6 2 2 3. - 0 - -1.8620710819959641e-002 - 2.7867808938026428e-001 - -1.0338810086250305e-001 - <_> - - <_> - - - - <_> - 15 9 1 2 -1. - <_> - 15 10 1 1 2. - 0 - 5.7289921678602695e-003 - 2.8767310082912445e-002 - -3.4044471383094788e-001 - <_> - - <_> - - - - <_> - 2 9 1 2 -1. - <_> - 2 10 1 1 2. - 0 - 9.1226633230689913e-005 - -2.5967589020729065e-001 - 1.1362390220165253e-001 - <_> - - <_> - - - - <_> - 9 3 2 4 -1. - <_> - 8 4 2 2 2. - 1 - -1.7600089311599731e-002 - 8.0204762518405914e-002 - -6.6199533641338348e-002 - <_> - - <_> - - - - <_> - 6 5 4 6 -1. - <_> - 6 5 2 3 2. - <_> - 8 8 2 3 2. - 0 - 5.6003769859671593e-003 - -1.7382130026817322e-001 - 1.4224979281425476e-001 - <_> - - <_> - - - - <_> - 5 1 8 3 -1. - <_> - 7 1 4 3 2. - 0 - -4.1345998644828796e-002 - -6.0982871055603027e-001 - 3.9992429316043854e-002 - <_> - - <_> - - - - <_> - 0 0 18 1 -1. - <_> - 9 0 9 1 2. - 0 - 3.1171320006251335e-002 - -8.9795216917991638e-002 - 2.6572328805923462e-001 - <_> - - <_> - - - - <_> - 4 0 10 1 -1. - <_> - 4 0 5 1 2. - 0 - 9.2339180409908295e-003 - -1.3240410387516022e-001 - 1.7500220239162445e-001 - <_> - - <_> - - - - <_> - 5 6 3 1 -1. - <_> - 6 6 1 1 3. - 0 - -2.9637310653924942e-003 - 2.7044069766998291e-001 - -8.2514546811580658e-002 - <_> - - <_> - - - - <_> - 13 0 3 12 -1. - <_> - 14 0 1 12 3. - 0 - -1.0435279691591859e-003 - 1.2740360200405121e-001 - -1.4733490347862244e-001 - <_> - - <_> - - - - <_> - 2 0 3 12 -1. - <_> - 3 0 1 12 3. - 0 - -3.6916971206665039e-002 - -5.5704081058502197e-001 - 4.0161561220884323e-002 - <_> - - <_> - - - - <_> - 12 5 3 7 -1. - <_> - 13 5 1 7 3. - 0 - -3.4235499333590269e-003 - 1.6954079270362854e-001 - -1.0382679849863052e-001 - <_> - - <_> - - - - <_> - 3 5 3 7 -1. - <_> - 4 5 1 7 3. - 0 - -3.4884609282016754e-002 - -7.6003962755203247e-001 - 2.8784649446606636e-002 - <_> - - <_> - - - - <_> - 12 3 4 1 -1. - <_> - 13 4 2 1 2. - 1 - -1.4949830074328929e-004 - 5.8567389845848083e-002 - -8.6837686598300934e-002 - <_> - - <_> - - - - <_> - 0 3 2 2 -1. - <_> - 0 4 2 1 2. - 0 - -8.4154512733221054e-003 - -4.5848670601844788e-001 - 4.6183209866285324e-002 - <_> - - <_> - - - - <_> - 12 3 4 1 -1. - <_> - 13 4 2 1 2. - 1 - 2.5011990219354630e-002 - -1.2734670192003250e-002 - 1.5709209442138672e-001 - <_> - - <_> - - - - <_> - 6 3 1 4 -1. - <_> - 5 4 1 2 2. - 1 - -9.9370932730380446e-005 - 9.6763700246810913e-002 - -2.2434939444065094e-001 - <_> - - <_> - - - - <_> - 8 3 5 2 -1. - <_> - 8 4 5 1 2. - 0 - 2.1338040009140968e-002 - -2.7949279174208641e-002 - 4.5690038800239563e-001 - <_> - - <_> - - - - <_> - 6 4 6 5 -1. - <_> - 8 4 2 5 3. - 0 - -1.9381210207939148e-002 - 1.3209809362888336e-001 - -1.5854920446872711e-001 - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -5.7130910456180573e-002 - -4.0985769033432007e-001 - 6.9916889071464539e-002 - <_> - - <_> - - - - <_> - 6 3 3 5 -1. - <_> - 7 4 1 5 3. - 1 - 3.7448350340127945e-002 - -4.7214321792125702e-002 - 4.6269690990447998e-001 - <_> - - <_> - - - - <_> - 14 2 3 3 -1. - <_> - 13 3 3 1 3. - 1 - -1.6145069152116776e-002 - 1.5716019272804260e-001 - -6.5406262874603271e-002 - <_> - - <_> - - - - <_> - 4 2 3 3 -1. - <_> - 5 3 1 3 3. - 1 - 1.3192090205848217e-002 - -9.3616731464862823e-002 - 2.3192650079727173e-001 - <_> - - <_> - - - - <_> - 8 9 3 3 -1. - <_> - 9 9 1 3 3. - 0 - 7.4546551331877708e-003 - 3.3262088894844055e-002 - -4.8058581352233887e-001 - <_> - - <_> - - - - <_> - 7 9 3 3 -1. - <_> - 8 9 1 3 3. - 0 - 6.5358411520719528e-003 - 3.9861779659986496e-002 - -5.2071362733840942e-001 - <_> - - <_> - - - - <_> - 17 4 1 4 -1. - <_> - 17 5 1 2 2. - 0 - -1.1007690045516938e-004 - 1.0615369677543640e-001 - -1.4794890582561493e-001 - <_> - - <_> - - - - <_> - 6 4 6 5 -1. - <_> - 9 4 3 5 2. - 0 - -5.4008360952138901e-002 - 2.6703369617462158e-001 - -7.9568542540073395e-002 - <_> - - <_> - - - - <_> - 2 1 16 11 -1. - <_> - 2 1 8 11 2. - 0 - -2.1774560213088989e-001 - 1.6545580327510834e-001 - -5.5510718375444412e-002 - <_> - - <_> - - - - <_> - 6 0 4 3 -1. - <_> - 7 0 2 3 2. - 0 - 1.2961000204086304e-002 - 3.8905121386051178e-002 - -5.3931367397308350e-001 - <_> - - <_> - - - - <_> - 8 3 2 3 -1. - <_> - 8 4 2 1 3. - 0 - -1.4969130046665668e-002 - 3.0878359079360962e-001 - -7.2156012058258057e-002 - <_> - - <_> - - - - <_> - 0 4 1 4 -1. - <_> - 0 5 1 2 2. - 0 - 5.1595158874988556e-003 - 4.1552640497684479e-002 - -4.4410169124603271e-001 - <_> - - <_> - - - - <_> - 11 11 2 1 -1. - <_> - 11 11 1 1 2. - 0 - -1.0106719855684787e-004 - 1.3232690095901489e-001 - -1.2352719902992249e-001 - <_> - - <_> - - - - <_> - 9 4 4 1 -1. - <_> - 10 5 2 1 2. - 1 - -1.2458950281143188e-002 - 1.4162090420722961e-001 - -1.2240760028362274e-001 - <_> - - <_> - - - - <_> - 7 2 4 3 -1. - <_> - 7 3 4 1 3. - 0 - -1.8788089975714684e-002 - 2.9809600114822388e-001 - -6.1062760651111603e-002 - <_> - - <_> - - - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - 0 - -2.9027970507740974e-002 - 1.8160690367221832e-001 - -1.0429889708757401e-001 - <_> - - <_> - - - - <_> - 6 1 6 3 -1. - <_> - 6 2 6 1 3. - 0 - -1.2969439849257469e-002 - 2.6630058884620667e-001 - -7.0843391120433807e-002 - <_> - - <_> - - - - <_> - 0 3 16 4 -1. - <_> - 0 4 16 2 2. - 0 - -4.8657860606908798e-002 - 1.8037420511245728e-001 - -1.1353269964456558e-001 - <_> - - <_> - - - - <_> - 11 11 2 1 -1. - <_> - 11 11 1 1 2. - 0 - 1.0443449718877673e-004 - -1.1833500117063522e-001 - 1.7454829812049866e-001 - <_> - - <_> - - - - <_> - 5 11 2 1 -1. - <_> - 6 11 1 1 2. - 0 - -1.3140009832568467e-004 - 1.4330400526523590e-001 - -1.4002929627895355e-001 - <_> - - <_> - - - - <_> - 4 0 14 12 -1. - <_> - 4 0 7 12 2. - 0 - -7.7764278650283813e-001 - -8.1180518865585327e-001 - 4.8811929300427437e-003 - <_> - - <_> - - - - <_> - 0 0 14 12 -1. - <_> - 7 0 7 12 2. - 0 - 3.0272060632705688e-001 - -4.6920161694288254e-002 - 4.6565508842468262e-001 - <_> - - <_> - - - - <_> - 15 7 1 4 -1. - <_> - 15 8 1 2 2. - 0 - 1.2083619832992554e-002 - 1.3714229688048363e-002 - -4.8584228754043579e-001 - <_> - - <_> - - - - <_> - 2 7 1 4 -1. - <_> - 2 8 1 2 2. - 0 - 8.3657556388061494e-005 - -1.4557360112667084e-001 - 1.2107980251312256e-001 - <_> - - <_> - - - - <_> - 1 8 17 4 -1. - <_> - 1 10 17 2 2. - 0 - 1.2459480203688145e-002 - -3.1913518905639648e-001 - 4.5050200074911118e-002 - <_> - - <_> - - - - <_> - 1 8 12 3 -1. - <_> - 5 8 4 3 3. - 0 - -9.6598379313945770e-002 - -4.7412630915641785e-001 - 3.4393358975648880e-002 - <_> - - <_> - - - - <_> - 13 2 4 3 -1. - <_> - 12 3 4 1 3. - 1 - 8.3489827811717987e-003 - -6.4854227006435394e-002 - 1.3588410615921021e-001 - <_> - - <_> - - - - <_> - 5 1 4 3 -1. - <_> - 6 1 2 3 2. - 0 - -9.6687171608209610e-003 - -3.8394901156425476e-001 - 4.5654650777578354e-002 - <_> - - <_> - - - - <_> - 13 2 4 3 -1. - <_> - 12 3 4 1 3. - 1 - -2.0871540531516075e-002 - 1.1647360026836395e-001 - -4.6159781515598297e-002 - <_> - - <_> - - - - <_> - 5 2 3 4 -1. - <_> - 6 3 1 4 3. - 1 - 2.4644650518894196e-002 - -6.0594830662012100e-002 - 2.8827700018882751e-001 - <_> - - <_> - - - - <_> - 0 11 18 1 -1. - <_> - 6 11 6 1 3. - 0 - -1.3068989850580692e-002 - 1.7769919335842133e-001 - -1.0170739889144897e-001 - <_> - - <_> - - - - <_> - 0 5 2 4 -1. - <_> - 0 6 2 2 2. - 0 - 1.0740649886429310e-002 - 3.3637721091508865e-002 - -5.8304959535598755e-001 - <_> - - <_> - - - - <_> - 11 11 2 1 -1. - <_> - 11 11 1 1 2. - 0 - -5.6638391688466072e-003 - -8.2890021800994873e-001 - 1.0463479906320572e-002 - <_> - - <_> - - - - <_> - 5 11 2 1 -1. - <_> - 6 11 1 1 2. - 0 - 1.3703710283152759e-004 - -1.0685860365629196e-001 - 1.6701389849185944e-001 - <_> - - <_> - - - - <_> - 9 10 4 2 -1. - <_> - 10 10 2 2 2. - 0 - 7.2855940088629723e-003 - 2.0125189796090126e-002 - -4.8965498805046082e-001 - <_> - - <_> - - - - <_> - 1 10 2 2 -1. - <_> - 1 10 1 1 2. - <_> - 2 11 1 1 2. - 0 - 1.0730550275184214e-004 - -1.1978050321340561e-001 - 1.2677900493144989e-001 - <_> - - <_> - - - - <_> - 15 10 2 2 -1. - <_> - 16 10 1 1 2. - <_> - 15 11 1 1 2. - 0 - -1.1701670155161992e-004 - 1.2513719499111176e-001 - -8.4742642939090729e-002 - <_> - - <_> - - - - <_> - 1 10 2 2 -1. - <_> - 1 10 1 1 2. - <_> - 2 11 1 1 2. - 0 - -1.0570519953034818e-004 - 1.5671330690383911e-001 - -1.0472840070724487e-001 - <_> - - <_> - - - - <_> - 9 10 4 2 -1. - <_> - 10 10 2 2 2. - 0 - -9.8277851939201355e-003 - -4.2486619949340820e-001 - 1.2776750139892101e-002 - <_> - - <_> - - - - <_> - 7 0 4 3 -1. - <_> - 8 0 2 3 2. - 0 - -1.0262790136039257e-002 - -4.7308981418609619e-001 - 3.1395319849252701e-002 - <_> - - <_> - - - - <_> - 3 6 12 2 -1. - <_> - 7 6 4 2 3. - 0 - -1.1773769743740559e-002 - 7.4253700673580170e-002 - -1.9689300656318665e-001 - <_> - - <_> - - - - <_> - 0 9 2 3 -1. - <_> - 0 10 2 1 3. - 0 - -3.9177751168608665e-003 - -3.1191331148147583e-001 - 4.5671850442886353e-002 - <_> - - <_> - - - - <_> - 5 0 11 2 -1. - <_> - 5 1 11 1 2. - 0 - 2.3346070200204849e-002 - -5.2008550614118576e-002 - 1.7973770201206207e-001 - <_> - - <_> - - - - <_> - 6 0 3 2 -1. - <_> - 6 1 3 1 2. - 0 - -2.2126040421426296e-003 - 1.5479539334774017e-001 - -1.0545700043439865e-001 - <_> - - <_> - - - - <_> - 8 0 10 4 -1. - <_> - 8 1 10 2 2. - 0 - 1.4761550724506378e-001 - 7.4690231122076511e-003 - -8.0544400215148926e-001 - <_> - - <_> - - - - <_> - 0 0 10 4 -1. - <_> - 0 1 10 2 2. - 0 - 7.2484388947486877e-003 - -1.5604910254478455e-001 - 1.2632860243320465e-001 - <_> - - <_> - - - - <_> - 6 0 8 3 -1. - <_> - 6 1 8 1 3. - 0 - -2.1801209077239037e-002 - 2.4090659618377686e-001 - -6.4087331295013428e-002 - <_> - - <_> - - - - <_> - 0 10 3 2 -1. - <_> - 0 11 3 1 2. - 0 - -3.1350140925496817e-003 - -3.7679758667945862e-001 - 4.4631399214267731e-002 - <_> - - <_> - - - - <_> - 0 4 18 8 -1. - <_> - 9 4 9 4 2. - <_> - 0 8 9 4 2. - 0 - 2.9509729146957397e-001 - 1.6203410923480988e-002 - -8.1572759151458740e-001 - <_> - - <_> - - - - <_> - 0 2 18 8 -1. - <_> - 0 4 18 4 2. - 0 - -5.1936417818069458e-001 - -6.4044600725173950e-001 - 1.7519079148769379e-002 - -1.6902129650115967e+000 - 8 - -1 - <_> - - - <_> - - <_> - - - - <_> - 7 4 3 2 -1. - <_> - 7 4 3 1 2. - 1 - -3.4664139151573181e-002 - 6.5977567434310913e-001 - -3.1582540273666382e-001 - <_> - - <_> - - - - <_> - 10 4 7 3 -1. - <_> - 10 5 7 1 3. - 0 - -1.1273490265011787e-002 - 2.3457850515842438e-001 - -1.5769450366497040e-001 - <_> - - <_> - - - - <_> - 5 2 4 4 -1. - <_> - 6 3 2 4 2. - 1 - -4.1530959308147430e-002 - 4.2379489541053772e-001 - -2.8518509864807129e-001 - <_> - - <_> - - - - <_> - 0 4 18 7 -1. - <_> - 6 4 6 7 3. - 0 - -2.0448620617389679e-001 - 1.8061810731887817e-001 - -3.2812160253524780e-001 - <_> - - <_> - - - - <_> - 4 2 3 4 -1. - <_> - 3 3 3 2 2. - 1 - -4.1392319835722446e-003 - 1.4234000444412231e-001 - -3.6734649538993835e-001 - <_> - - <_> - - - - <_> - 3 0 12 8 -1. - <_> - 6 0 6 8 2. - 0 - -1.1119210161268711e-002 - 7.2978653013706207e-002 - -1.3348829746246338e-001 - <_> - - <_> - - - - <_> - 0 8 8 4 -1. - <_> - 0 10 8 2 2. - 0 - 6.3189188949763775e-003 - -5.1101410388946533e-001 - 6.5231300890445709e-002 - <_> - - <_> - - - - <_> - 10 6 2 2 -1. - <_> - 11 6 1 1 2. - <_> - 10 7 1 1 2. - 0 - -2.7547220233827829e-003 - 3.2231101393699646e-001 - -7.8560419380664825e-002 - <_> - - <_> - - - - <_> - 4 4 10 2 -1. - <_> - 4 5 10 1 2. - 0 - 1.5909250825643539e-002 - -1.1302089691162109e-001 - 3.5444441437721252e-001 - <_> - - <_> - - - - <_> - 9 3 2 4 -1. - <_> - 8 4 2 2 2. - 1 - -3.4309048205614090e-002 - 1.4863179624080658e-001 - -5.9663631021976471e-002 - <_> - - <_> - - - - <_> - 7 4 1 2 -1. - <_> - 7 4 1 1 2. - 1 - 9.5747098384890705e-005 - -2.0395369827747345e-001 - 2.1945419907569885e-001 - <_> - - <_> - - - - <_> - 2 0 16 12 -1. - <_> - 2 6 16 6 2. - 0 - 1.2961600720882416e-001 - -2.5850468873977661e-001 - 1.4311419427394867e-001 - <_> - - <_> - - - - <_> - 9 5 3 1 -1. - <_> - 10 6 1 1 3. - 1 - -3.7369730416685343e-003 - 1.5821619331836700e-001 - -2.3684109747409821e-001 - <_> - - <_> - - - - <_> - 6 0 6 3 -1. - <_> - 6 0 3 3 2. - 0 - 5.9748939238488674e-003 - -2.0868189632892609e-001 - 1.5647380053997040e-001 - <_> - - <_> - - - - <_> - 0 2 10 4 -1. - <_> - 0 2 5 2 2. - <_> - 5 4 5 2 2. - 0 - -6.5518669784069061e-002 - 2.7740669250488281e-001 - -9.4154737889766693e-002 - <_> - - <_> - - - - <_> - 9 0 4 4 -1. - <_> - 10 0 2 4 2. - 0 - -1.5643499791622162e-002 - -6.5276598930358887e-001 - 5.8415610343217850e-002 - <_> - - <_> - - - - <_> - 3 5 4 2 -1. - <_> - 3 5 2 1 2. - <_> - 5 6 2 1 2. - 0 - -5.3621069528162479e-003 - 3.0472820997238159e-001 - -9.0583823621273041e-002 - <_> - - <_> - - - - <_> - 15 1 3 2 -1. - <_> - 16 2 1 2 3. - 1 - 8.4986742585897446e-003 - 9.4854839146137238e-002 - -3.7641200423240662e-001 - <_> - - <_> - - - - <_> - 3 1 2 3 -1. - <_> - 2 2 2 1 3. - 1 - -2.2054940462112427e-002 - -5.6978279352188110e-001 - 4.1174288839101791e-002 - <_> - - <_> - - - - <_> - 9 10 4 2 -1. - <_> - 10 10 2 2 2. - 0 - 8.9925974607467651e-003 - 1.1008080095052719e-002 - -6.8029582500457764e-001 - <_> - - <_> - - - - <_> - 7 6 2 2 -1. - <_> - 7 6 1 1 2. - <_> - 8 7 1 1 2. - 0 - 2.6960580144077539e-003 - -8.6102768778800964e-002 - 2.7503418922424316e-001 - <_> - - <_> - - - - <_> - 9 10 4 2 -1. - <_> - 10 10 2 2 2. - 0 - -7.4433060362935066e-003 - -4.6109339594841003e-001 - 2.5336729362607002e-002 - <_> - - <_> - - - - <_> - 0 6 2 6 -1. - <_> - 0 6 1 3 2. - <_> - 1 9 1 3 2. - 0 - 1.1906769941560924e-004 - -2.0586380362510681e-001 - 1.0493390262126923e-001 - <_> - - <_> - - - - <_> - 17 4 1 8 -1. - <_> - 17 8 1 4 2. - 0 - 3.6572828888893127e-002 - 4.1884351521730423e-002 - -2.6558640599250793e-001 - <_> - - <_> - - - - <_> - 0 4 1 8 -1. - <_> - 0 8 1 4 2. - 0 - 1.0328489588573575e-003 - -2.8002429008483887e-001 - 8.4565736353397369e-002 - <_> - - <_> - - - - <_> - 11 4 6 2 -1. - <_> - 14 4 3 1 2. - <_> - 11 5 3 1 2. - 0 - 5.5017122067511082e-003 - -8.3080992102622986e-002 - 1.7881210148334503e-001 - <_> - - <_> - - - - <_> - 1 4 6 2 -1. - <_> - 1 4 3 1 2. - <_> - 4 5 3 1 2. - 0 - -4.2574931867420673e-003 - 1.8285669386386871e-001 - -1.2856319546699524e-001 - <_> - - <_> - - - - <_> - 10 0 4 4 -1. - <_> - 11 0 2 4 2. - 0 - -1.0948719864245504e-004 - 1.1554790288209915e-001 - -1.7279610037803650e-001 - <_> - - <_> - - - - <_> - 4 0 4 4 -1. - <_> - 5 0 2 4 2. - 0 - 1.3575569726526737e-002 - 4.7628160566091537e-002 - -4.7959300875663757e-001 - <_> - - <_> - - - - <_> - 16 4 2 3 -1. - <_> - 16 5 2 1 3. - 0 - -1.3205070048570633e-002 - -5.5575007200241089e-001 - 2.9028749093413353e-002 - <_> - - <_> - - - - <_> - 0 4 2 3 -1. - <_> - 0 5 2 1 3. - 0 - 9.1635938733816147e-003 - 3.5378590226173401e-002 - -5.2760952711105347e-001 - <_> - - <_> - - - - <_> - 17 0 1 12 -1. - <_> - 17 4 1 4 3. - 0 - -3.6201209295541048e-003 - 1.2984579801559448e-001 - -2.5827971100807190e-001 - <_> - - <_> - - - - <_> - 9 2 6 3 -1. - <_> - 8 3 6 1 3. - 1 - -2.8150960803031921e-002 - 1.8013629317283630e-001 - -1.2052509933710098e-001 - <_> - - <_> - - - - <_> - 17 0 1 12 -1. - <_> - 17 4 1 4 3. - 0 - -7.5367003679275513e-002 - -2.5096911191940308e-001 - 1.4794659800827503e-002 - <_> - - <_> - - - - <_> - 5 4 2 2 -1. - <_> - 5 4 1 1 2. - <_> - 6 5 1 1 2. - 0 - -1.0179110104218125e-003 - 1.9308570027351379e-001 - -1.0838530212640762e-001 - <_> - - <_> - - - - <_> - 4 0 14 12 -1. - <_> - 4 0 7 12 2. - 0 - -2.0971980690956116e-001 - 7.4706457555294037e-002 - -3.4369520843029022e-002 - <_> - - <_> - - - - <_> - 0 0 1 12 -1. - <_> - 0 4 1 4 3. - 0 - -4.5241750776767731e-002 - -3.0122849345207214e-001 - 6.1180669814348221e-002 - <_> - - <_> - - - - <_> - 17 5 1 4 -1. - <_> - 17 6 1 2 2. - 0 - -1.0068370029330254e-002 - -3.1977829337120056e-001 - 1.5929570421576500e-002 - <_> - - <_> - - - - <_> - 0 5 1 4 -1. - <_> - 0 6 1 2 2. - 0 - 3.3460659906268120e-003 - 5.1246169954538345e-002 - -3.5894161462783813e-001 - <_> - - <_> - - - - <_> - 9 2 1 3 -1. - <_> - 9 3 1 1 3. - 0 - -4.8623997718095779e-003 - 2.8305920958518982e-001 - -6.4877010881900787e-002 - <_> - - <_> - - - - <_> - 6 2 5 2 -1. - <_> - 6 3 5 1 2. - 0 - 9.2780962586402893e-003 - -6.8402752280235291e-002 - 3.2526910305023193e-001 - <_> - - <_> - - - - <_> - 6 0 11 4 -1. - <_> - 6 1 11 2 2. - 0 - 2.8777100145816803e-002 - -7.4719488620758057e-002 - 1.4238749444484711e-001 - <_> - - <_> - - - - <_> - 5 10 4 2 -1. - <_> - 6 10 2 2 2. - 0 - 5.2759349346160889e-003 - 4.1597399860620499e-002 - -4.2687159776687622e-001 - <_> - - <_> - - - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - 0 - -3.6956008523702621e-002 - 1.8709599971771240e-001 - -9.9286213517189026e-002 - <_> - - <_> - - - - <_> - 4 0 2 1 -1. - <_> - 5 0 1 1 2. - 0 - 1.1527239985298365e-004 - -1.2309949845075607e-001 - 1.6146050393581390e-001 - <_> - - <_> - - - - <_> - 2 1 16 10 -1. - <_> - 2 1 8 10 2. - 0 - 1.0096299648284912e-001 - -6.3704922795295715e-002 - 1.3727569580078125e-001 - <_> - - <_> - - - - <_> - 0 0 14 12 -1. - <_> - 7 0 7 12 2. - 0 - 1.7564980685710907e-001 - -5.5898111313581467e-002 - 3.2327750325202942e-001 - <_> - - <_> - - - - <_> - 12 0 2 1 -1. - <_> - 12 0 1 1 2. - 0 - -7.0847300812602043e-003 - -6.1462122201919556e-001 - 1.9988279789686203e-002 - <_> - - <_> - - - - <_> - 2 6 4 4 -1. - <_> - 3 6 2 4 2. - 0 - -5.4999678395688534e-003 - 1.5109080076217651e-001 - -1.2012190371751785e-001 - <_> - - <_> - - - - <_> - 12 0 2 1 -1. - <_> - 12 0 1 1 2. - 0 - 1.1683329648803920e-004 - -6.3201643526554108e-002 - 1.0248489677906036e-001 - <_> - - <_> - - - - <_> - 4 0 2 1 -1. - <_> - 5 0 1 1 2. - 0 - -1.2892209633719176e-004 - 1.5073929727077484e-001 - -1.2984649837017059e-001 - <_> - - <_> - - - - <_> - 12 0 3 4 -1. - <_> - 13 0 1 4 3. - 0 - 1.0021899826824665e-002 - 4.4182330369949341e-002 - -4.2501309514045715e-001 - <_> - - <_> - - - - <_> - 2 2 8 1 -1. - <_> - 4 4 4 1 2. - 1 - -6.4188748598098755e-002 - -4.0792858600616455e-001 - 4.2033798992633820e-002 - <_> - - <_> - - - - <_> - 12 0 3 4 -1. - <_> - 13 0 1 4 3. - 0 - -1.6842419281601906e-002 - -5.1279681921005249e-001 - 2.1104399114847183e-002 - <_> - - <_> - - - - <_> - 3 0 3 4 -1. - <_> - 4 0 1 4 3. - 0 - 7.4764918535947800e-003 - 4.9902040511369705e-002 - -3.2437339425086975e-001 - <_> - - <_> - - - - <_> - 13 1 4 4 -1. - <_> - 15 1 2 2 2. - <_> - 13 3 2 2 2. - 0 - 7.5663411989808083e-003 - -6.9152683019638062e-002 - 1.9746780395507813e-001 - <_> - - <_> - - - - <_> - 1 1 6 4 -1. - <_> - 1 1 3 2 2. - <_> - 4 3 3 2 2. - 0 - -1.8151780590415001e-002 - 1.8264299631118774e-001 - -9.8603516817092896e-002 - <_> - - <_> - - - - <_> - 8 0 4 2 -1. - <_> - 8 1 4 1 2. - 0 - -1.5309340320527554e-002 - 2.5585418939590454e-001 - -5.7670980691909790e-002 - <_> - - <_> - - - - <_> - 4 10 6 1 -1. - <_> - 6 10 2 1 3. - 0 - -1.2537280097603798e-002 - -6.0015022754669189e-001 - 3.1305689364671707e-002 - <_> - - <_> - - - - <_> - 10 2 1 6 -1. - <_> - 8 4 1 2 3. - 1 - -1.1186859756708145e-001 - -7.3224097490310669e-001 - 5.4572842782363296e-004 - <_> - - <_> - - - - <_> - 8 2 6 1 -1. - <_> - 10 4 2 1 3. - 1 - -1.6405830159783363e-002 - 7.0568412542343140e-002 - -2.3586690425872803e-001 - <_> - - <_> - - - - <_> - 10 5 4 3 -1. - <_> - 11 5 2 3 2. - 0 - -1.1206840164959431e-002 - 2.9805409908294678e-001 - -4.6159930527210236e-002 - <_> - - <_> - - - - <_> - 5 0 4 3 -1. - <_> - 6 0 2 3 2. - 0 - 9.1227758675813675e-003 - 4.7872390598058701e-002 - -3.7525078654289246e-001 - <_> - - <_> - - - - <_> - 9 6 2 2 -1. - <_> - 10 6 1 1 2. - <_> - 9 7 1 1 2. - 0 - -2.4092409876175225e-004 - 1.4520640671253204e-001 - -1.2162090092897415e-001 - <_> - - <_> - - - - <_> - 4 10 10 2 -1. - <_> - 4 11 10 1 2. - 0 - 3.3112149685621262e-003 - -2.1473629772663116e-001 - 7.5015850365161896e-002 - <_> - - <_> - - - - <_> - 10 6 2 2 -1. - <_> - 11 6 1 1 2. - <_> - 10 7 1 1 2. - 0 - 1.0689670452848077e-003 - -8.6991913616657257e-002 - 1.4234369993209839e-001 - <_> - - <_> - - - - <_> - 3 2 3 10 -1. - <_> - 4 2 1 10 3. - 0 - -4.2576111853122711e-002 - -7.0083147287368774e-001 - 2.2004570811986923e-002 - <_> - - <_> - - - - <_> - 0 3 18 6 -1. - <_> - 9 3 9 3 2. - <_> - 0 6 9 3 2. - 0 - -2.2859150171279907e-001 - -6.2275588512420654e-001 - 2.0604349672794342e-002 - <_> - - <_> - - - - <_> - 5 4 2 2 -1. - <_> - 5 4 1 2 2. - 1 - 1.1048560030758381e-002 - -8.8343963027000427e-002 - 2.0929630100727081e-001 - <_> - - <_> - - - - <_> - 12 4 4 3 -1. - <_> - 11 5 4 1 3. - 1 - 2.6190899312496185e-002 - -3.0436459928750992e-002 - 2.1788010001182556e-001 - <_> - - <_> - - - - <_> - 6 4 3 4 -1. - <_> - 7 5 1 4 3. - 1 - 1.1006950400769711e-002 - -9.0961061418056488e-002 - 2.2373570501804352e-001 - <_> - - <_> - - - - <_> - 13 8 2 2 -1. - <_> - 14 8 1 1 2. - <_> - 13 9 1 1 2. - 0 - -1.1149870260851458e-004 - 1.0055939853191376e-001 - -8.2711242139339447e-002 - <_> - - <_> - - - - <_> - 3 8 2 2 -1. - <_> - 3 8 1 1 2. - <_> - 4 9 1 1 2. - 0 - 1.1044929851777852e-004 - -1.1131429672241211e-001 - 1.4033970236778259e-001 - <_> - - <_> - - - - <_> - 5 6 12 4 -1. - <_> - 8 6 6 4 2. - 0 - -5.2578408271074295e-002 - 7.1729972958564758e-002 - -4.0962688624858856e-002 - <_> - - <_> - - - - <_> - 0 7 15 3 -1. - <_> - 5 7 5 3 3. - 0 - -1.9955919682979584e-001 - -5.7830357551574707e-001 - 2.8734490275382996e-002 - <_> - - <_> - - - - <_> - 12 1 3 2 -1. - <_> - 13 2 1 2 3. - 1 - 1.7149249091744423e-002 - 1.4304569922387600e-002 - -1.8541809916496277e-001 - <_> - - <_> - - - - <_> - 6 1 2 3 -1. - <_> - 5 2 2 1 3. - 1 - -2.4047069251537323e-002 - -4.6827080845832825e-001 - 3.2377708703279495e-002 - <_> - - <_> - - - - <_> - 10 5 3 3 -1. - <_> - 11 5 1 3 3. - 0 - -4.2632492259144783e-003 - 1.4178739488124847e-001 - -7.2884447872638702e-002 - <_> - - <_> - - - - <_> - 5 5 3 3 -1. - <_> - 6 5 1 3 3. - 0 - -3.3538329880684614e-003 - 1.9119140505790710e-001 - -8.2784809172153473e-002 - <_> - - <_> - - - - <_> - 10 6 8 3 -1. - <_> - 10 7 8 1 3. - 0 - 7.0240199565887451e-002 - 9.9507197737693787e-003 - -6.9990187883377075e-001 - <_> - - <_> - - - - <_> - 2 0 10 3 -1. - <_> - 2 1 10 1 3. - 0 - 1.6852239146828651e-002 - -8.8816717267036438e-002 - 1.6883240640163422e-001 - <_> - - <_> - - - - <_> - 8 0 4 3 -1. - <_> - 8 1 4 1 3. - 0 - -1.3070680201053619e-002 - 2.4888229370117188e-001 - -6.2759302556514740e-002 - <_> - - <_> - - - - <_> - 2 5 3 7 -1. - <_> - 3 5 1 7 3. - 0 - -3.5220220685005188e-002 - -6.2048029899597168e-001 - 2.4633679538965225e-002 - <_> - - <_> - - - - <_> - 16 0 2 3 -1. - <_> - 16 0 1 3 2. - 1 - -1.7316380515694618e-002 - -3.3864679932594299e-001 - 3.6917239427566528e-002 - <_> - - <_> - - - - <_> - 2 0 3 2 -1. - <_> - 2 0 3 1 2. - 1 - 2.2072130814194679e-002 - 3.8453228771686554e-002 - -4.1064238548278809e-001 - <_> - - <_> - - - - <_> - 5 0 10 1 -1. - <_> - 5 0 5 1 2. - 0 - 1.0351699776947498e-002 - -1.0224519670009613e-001 - 1.5435679256916046e-001 - <_> - - <_> - - - - <_> - 6 6 3 2 -1. - <_> - 7 6 1 2 3. - 0 - -3.6150650121271610e-003 - 2.0694419741630554e-001 - -8.1435896456241608e-002 - <_> - - <_> - - - - <_> - 0 0 18 4 -1. - <_> - 6 0 6 4 3. - 0 - -1.0313490033149719e-001 - 1.6327729821205139e-001 - -9.8083086311817169e-002 - <_> - - <_> - - - - <_> - 5 7 2 1 -1. - <_> - 6 7 1 1 2. - 0 - 7.9715962056070566e-004 - -1.0221719741821289e-001 - 1.7463779449462891e-001 - <_> - - <_> - - - - <_> - 9 7 2 3 -1. - <_> - 9 7 1 3 2. - 1 - 2.6026399806141853e-002 - 6.9349119439721107e-003 - -7.0387297868728638e-001 - <_> - - <_> - - - - <_> - 9 7 3 2 -1. - <_> - 9 7 3 1 2. - 1 - -3.2695080153644085e-003 - 5.7468920946121216e-002 - -2.6737850904464722e-001 - <_> - - <_> - - - - <_> - 11 4 2 3 -1. - <_> - 11 4 1 3 2. - 1 - -3.0334599316120148e-002 - 1.6826699674129486e-001 - -4.4392518699169159e-002 - <_> - - <_> - - - - <_> - 7 4 3 2 -1. - <_> - 7 4 3 1 2. - 1 - -3.4671649336814880e-002 - -3.3905708789825439e-001 - 6.1771869659423828e-002 - <_> - - <_> - - - - <_> - 13 8 2 2 -1. - <_> - 14 8 1 1 2. - <_> - 13 9 1 1 2. - 0 - 8.4309016529005021e-005 - -1.1972939968109131e-001 - 1.5170879662036896e-001 - <_> - - <_> - - - - <_> - 3 8 2 2 -1. - <_> - 3 8 1 1 2. - <_> - 4 9 1 1 2. - 0 - -1.0392320109531283e-004 - 1.4664840698242188e-001 - -1.1560360342264175e-001 - <_> - - <_> - - - - <_> - 16 7 2 3 -1. - <_> - 16 7 1 3 2. - 1 - -1.0691150091588497e-002 - 1.1423820257186890e-001 - -1.0983390361070633e-001 - -1.6809680461883545e+000 - 9 - -1 - <_> - - - <_> - - <_> - - - - <_> - 3 6 6 2 -1. - <_> - 5 6 2 2 3. - 0 - 4.0128160268068314e-002 - -3.1783500313758850e-001 - 6.2470978498458862e-001 - <_> - - <_> - - - - <_> - 7 4 9 8 -1. - <_> - 7 8 9 4 2. - 0 - 2.5893148779869080e-001 - -2.7941200137138367e-001 - 2.5360828638076782e-001 - <_> - - <_> - - - - <_> - 9 1 6 2 -1. - <_> - 11 3 2 2 3. - 1 - -8.1663876771926880e-002 - 3.0437821149826050e-001 - -3.2352921366691589e-001 - <_> - - <_> - - - - <_> - 14 5 4 2 -1. - <_> - 14 5 2 2 2. - 1 - 1.7201349139213562e-002 - -1.6664890572428703e-002 - 1.2985409796237946e-001 - <_> - - <_> - - - - <_> - 4 5 2 4 -1. - <_> - 4 5 2 2 2. - 1 - -4.2179729789495468e-002 - 2.4032059311866760e-001 - -3.2194539904594421e-001 - <_> - - <_> - - - - <_> - 7 2 9 6 -1. - <_> - 7 4 9 2 3. - 0 - -6.1821538954973221e-002 - 6.6948533058166504e-002 - -1.1838900297880173e-001 - <_> - - <_> - - - - <_> - 0 10 18 2 -1. - <_> - 0 11 18 1 2. - 0 - 4.1967527940869331e-003 - -4.2374908924102783e-001 - 1.1120550334453583e-001 - <_> - - <_> - - - - <_> - 11 5 3 2 -1. - <_> - 12 6 1 2 3. - 1 - -2.2552030161023140e-002 - 2.6725378632545471e-001 - -9.9779993295669556e-002 - <_> - - <_> - - - - <_> - 6 7 6 1 -1. - <_> - 8 7 2 1 3. - 0 - 8.3527207374572754e-002 - 4.9182821065187454e-002 - 9.3193750000000000e+002 - <_> - - <_> - - - - <_> - 9 3 3 4 -1. - <_> - 10 4 1 4 3. - 1 - -6.6923439502716064e-002 - -4.3197348713874817e-001 - 2.2907970473170280e-002 - <_> - - <_> - - - - <_> - 9 3 4 3 -1. - <_> - 8 4 4 1 3. - 1 - -2.4421349167823792e-002 - 2.3052230477333069e-001 - -1.9583049416542053e-001 - <_> - - <_> - - - - <_> - 10 5 3 1 -1. - <_> - 11 6 1 1 3. - 1 - -4.8728468827903271e-003 - 9.6525266766548157e-002 - -1.5255169570446014e-001 - <_> - - <_> - - - - <_> - 8 5 1 3 -1. - <_> - 7 6 1 1 3. - 1 - -1.1779139749705791e-002 - 3.8318601250648499e-001 - -9.9813573062419891e-002 - <_> - - <_> - - - - <_> - 5 3 8 4 -1. - <_> - 5 5 8 2 2. - 0 - 5.5238891392946243e-002 - -8.1039026379585266e-002 - 4.2088559269905090e-001 - <_> - - <_> - - - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - 0 - -1.6514550894498825e-002 - 1.9347189366817474e-001 - -1.6414490342140198e-001 - <_> - - <_> - - - - <_> - 12 1 6 6 -1. - <_> - 15 1 3 3 2. - <_> - 12 4 3 3 2. - 0 - 2.9398869723081589e-002 - -4.0197629481554031e-002 - 1.6494549810886383e-001 - <_> - - <_> - - - - <_> - 1 1 6 6 -1. - <_> - 1 1 3 3 2. - <_> - 4 4 3 3 2. - 0 - -2.7306059375405312e-002 - 2.1020489931106567e-001 - -1.5619710087776184e-001 - <_> - - <_> - - - - <_> - 8 9 4 3 -1. - <_> - 9 9 2 3 2. - 0 - -1.1370140127837658e-002 - -6.3955801725387573e-001 - 3.8152929395437241e-002 - <_> - - <_> - - - - <_> - 3 10 12 2 -1. - <_> - 7 10 4 2 3. - 0 - -9.6206590533256531e-003 - 1.7184859514236450e-001 - -1.4077569544315338e-001 - <_> - - <_> - - - - <_> - 7 0 8 9 -1. - <_> - 7 3 8 3 3. - 0 - -2.4804919958114624e-001 - 9.6059650182723999e-002 - -3.5033728927373886e-002 - <_> - - <_> - - - - <_> - 5 3 8 3 -1. - <_> - 5 4 8 1 3. - 0 - 1.9431810826063156e-002 - -8.1926092505455017e-002 - 2.9813900589942932e-001 - <_> - - <_> - - - - <_> - 14 1 4 4 -1. - <_> - 16 1 2 2 2. - <_> - 14 3 2 2 2. - 0 - 9.2512750998139381e-003 - -2.8675759211182594e-002 - 1.2367840111255646e-001 - <_> - - <_> - - - - <_> - 0 1 4 4 -1. - <_> - 0 1 2 2 2. - <_> - 2 3 2 2 2. - 0 - -7.5025227852165699e-003 - 1.9024680554866791e-001 - -1.4312489330768585e-001 - <_> - - <_> - - - - <_> - 15 0 3 3 -1. - <_> - 16 1 1 3 3. - 1 - 1.8332319334149361e-002 - 5.1443781703710556e-002 - -4.5784160494804382e-001 - <_> - - <_> - - - - <_> - 3 0 3 3 -1. - <_> - 2 1 3 1 3. - 1 - -2.4709559977054596e-002 - -5.5311012268066406e-001 - 4.3773401528596878e-002 - <_> - - <_> - - - - <_> - 13 7 5 3 -1. - <_> - 13 8 5 1 3. - 0 - 3.5510540008544922e-002 - 5.7641528546810150e-003 - -5.0709831714630127e-001 - <_> - - <_> - - - - <_> - 0 7 4 4 -1. - <_> - 0 8 4 2 2. - 0 - 2.0895810797810555e-002 - 4.5377410948276520e-002 - -4.9842038750648499e-001 - <_> - - <_> - - - - <_> - 6 4 6 6 -1. - <_> - 8 4 2 6 3. - 0 - -3.5481620579957962e-002 - 1.5418830513954163e-001 - -1.4000199735164642e-001 - <_> - - <_> - - - - <_> - 6 9 6 2 -1. - <_> - 8 9 2 2 3. - 0 - -1.7126219347119331e-002 - -4.8520579934120178e-001 - 4.5199479907751083e-002 - <_> - - <_> - - - - <_> - 5 6 10 6 -1. - <_> - 10 6 5 3 2. - <_> - 5 9 5 3 2. - 0 - -4.3498359620571136e-002 - -2.1836410462856293e-001 - 2.4818979203701019e-002 - <_> - - <_> - - - - <_> - 9 9 1 2 -1. - <_> - 9 9 1 1 2. - 1 - -9.6786877838894725e-004 - 9.3692511320114136e-002 - -2.0849959552288055e-001 - <_> - - <_> - - - - <_> - 3 2 12 3 -1. - <_> - 3 3 12 1 3. - 0 - 2.8028149157762527e-002 - -9.8437979817390442e-002 - 2.1405869722366333e-001 - <_> - - <_> - - - - <_> - 3 0 7 8 -1. - <_> - 3 2 7 4 2. - 0 - -1.1709540337324142e-001 - 2.7563339471817017e-001 - -8.0759562551975250e-002 - <_> - - <_> - - - - <_> - 2 0 16 11 -1. - <_> - 2 0 8 11 2. - 0 - 3.1854110956192017e-001 - -3.7302598357200623e-002 - 2.0321239531040192e-001 - <_> - - <_> - - - - <_> - 0 0 12 11 -1. - <_> - 6 0 6 11 2. - 0 - 1.8708510696887970e-001 - -4.2003840208053589e-002 - 4.5461919903755188e-001 - <_> - - <_> - - - - <_> - 9 0 6 4 -1. - <_> - 11 0 2 4 3. - 0 - -1.1449670273577794e-004 - 1.1597789824008942e-001 - -2.3541730642318726e-001 - <_> - - <_> - - - - <_> - 4 1 4 4 -1. - <_> - 5 2 2 4 2. - 1 - 3.5649940371513367e-002 - -6.6509492695331573e-002 - 2.8327891230583191e-001 - <_> - - <_> - - - - <_> - 4 2 14 10 -1. - <_> - 11 2 7 5 2. - <_> - 4 7 7 5 2. - 0 - 3.8561020046472549e-002 - -9.1676719486713409e-002 - 9.5089800655841827e-002 - <_> - - <_> - - - - <_> - 0 6 1 3 -1. - <_> - 0 7 1 1 3. - 0 - 2.9842848889529705e-003 - 4.8733729869127274e-002 - -3.4843000769615173e-001 - <_> - - <_> - - - - <_> - 16 7 2 2 -1. - <_> - 17 7 1 1 2. - <_> - 16 8 1 1 2. - 0 - 1.2221869837958366e-004 - -1.0448929667472839e-001 - 1.0433969646692276e-001 - <_> - - <_> - - - - <_> - 5 4 3 3 -1. - <_> - 6 5 1 3 3. - 1 - 1.7984049394726753e-002 - -5.5451318621635437e-002 - 2.8990921378135681e-001 - <_> - - <_> - - - - <_> - 11 4 4 1 -1. - <_> - 12 5 2 1 2. - 1 - -3.0522119253873825e-002 - 3.2600420713424683e-001 - -1.2342750094830990e-002 - <_> - - <_> - - - - <_> - 7 4 1 4 -1. - <_> - 6 5 1 2 2. - 1 - -8.8787982240319252e-003 - 1.8352979421615601e-001 - -1.2553639709949493e-001 - <_> - - <_> - - - - <_> - 10 0 3 3 -1. - <_> - 11 0 1 3 3. - 0 - -8.1907752901315689e-003 - -4.6439141035079956e-001 - 5.7022649794816971e-002 - <_> - - <_> - - - - <_> - 7 8 4 2 -1. - <_> - 8 8 2 2 2. - 0 - 7.2757308371365070e-003 - 2.9556749388575554e-002 - -4.8011448979377747e-001 - <_> - - <_> - - - - <_> - 8 10 2 1 -1. - <_> - 8 10 1 1 2. - 0 - 1.0632930207066238e-004 - -1.1848829686641693e-001 - 1.2452460080385208e-001 - <_> - - <_> - - - - <_> - 1 0 14 4 -1. - <_> - 1 1 14 2 2. - 0 - 4.3366391211748123e-002 - -8.5436671972274780e-002 - 1.7945680022239685e-001 - <_> - - <_> - - - - <_> - 6 0 8 3 -1. - <_> - 6 1 8 1 3. - 0 - -1.7917420715093613e-002 - 2.2749659419059753e-001 - -7.3550216853618622e-002 - <_> - - <_> - - - - <_> - 6 1 6 3 -1. - <_> - 6 2 6 1 3. - 0 - -2.4122040718793869e-002 - 3.2454338669776917e-001 - -4.7602940350770950e-002 - <_> - - <_> - - - - <_> - 9 0 6 4 -1. - <_> - 11 0 2 4 3. - 0 - 4.5866120606660843e-002 - 1.6963159665465355e-002 - -6.1907947063446045e-001 - <_> - - <_> - - - - <_> - 3 0 6 4 -1. - <_> - 5 0 2 4 3. - 0 - -2.6154519990086555e-002 - -3.7108859419822693e-001 - 3.9997719228267670e-002 - <_> - - <_> - - - - <_> - 12 3 2 2 -1. - <_> - 12 3 1 2 2. - 1 - -2.3461949080228806e-002 - 1.2756420671939850e-001 - -2.2292949259281158e-002 - <_> - - <_> - - - - <_> - 6 2 1 2 -1. - <_> - 6 2 1 1 2. - 1 - 1.5133329667150974e-002 - 2.7855740860104561e-002 - -5.6463587284088135e-001 - <_> - - <_> - - - - <_> - 0 10 18 2 -1. - <_> - 9 10 9 1 2. - <_> - 0 11 9 1 2. - 0 - -3.8169771432876587e-002 - -6.7978310585021973e-001 - 1.9624669104814529e-002 - <_> - - <_> - - - - <_> - 6 0 3 1 -1. - <_> - 7 0 1 1 3. - 0 - -6.0274768620729446e-003 - -6.0235649347305298e-001 - 1.9473260268568993e-002 - <_> - - <_> - - - - <_> - 0 2 18 6 -1. - <_> - 9 2 9 3 2. - <_> - 0 5 9 3 2. - 0 - -2.0226030051708221e-001 - -4.1042789816856384e-001 - 3.3139400184154510e-002 - <_> - - <_> - - - - <_> - 0 0 2 12 -1. - <_> - 0 6 2 6 2. - 0 - 1.3556970655918121e-001 - 3.2679639756679535e-002 - -4.9395999312400818e-001 - <_> - - <_> - - - - <_> - 16 7 2 2 -1. - <_> - 17 7 1 1 2. - <_> - 16 8 1 1 2. - 0 - -1.0420950275147334e-004 - 1.7653250694274902e-001 - -1.2747409939765930e-001 - <_> - - <_> - - - - <_> - 0 7 2 2 -1. - <_> - 0 7 1 1 2. - <_> - 1 8 1 1 2. - 0 - 1.2260209769010544e-004 - -1.2935620546340942e-001 - 1.2286009639501572e-001 - <_> - - <_> - - - - <_> - 16 8 2 1 -1. - <_> - 16 8 1 1 2. - 0 - -1.8132160184904933e-003 - 2.1865940093994141e-001 - -8.7909542024135590e-002 - <_> - - <_> - - - - <_> - 5 0 8 2 -1. - <_> - 5 1 8 1 2. - 0 - 1.4558799564838409e-002 - -7.1452066302299500e-002 - 2.0318900048732758e-001 - <_> - - <_> - - - - <_> - 17 2 1 6 -1. - <_> - 17 4 1 2 3. - 0 - -2.2111190482974052e-002 - -5.1411151885986328e-001 - 3.8326159119606018e-002 - <_> - - <_> - - - - <_> - 0 2 1 6 -1. - <_> - 0 4 1 2 3. - 0 - 1.2102689594030380e-002 - 3.4980859607458115e-002 - -3.5819360613822937e-001 - <_> - - <_> - - - - <_> - 10 9 4 3 -1. - <_> - 11 9 2 3 2. - 0 - -1.6234850510954857e-002 - -6.7572712898254395e-001 - 1.3337399810552597e-002 - <_> - - <_> - - - - <_> - 8 10 2 1 -1. - <_> - 9 10 1 1 2. - 0 - 1.2108719965908676e-004 - -9.7839273512363434e-002 - 1.3967449963092804e-001 - <_> - - <_> - - - - <_> - 10 9 4 3 -1. - <_> - 11 9 2 3 2. - 0 - 6.9925719872117043e-003 - 3.2864410430192947e-002 - -2.6933521032333374e-001 - <_> - - <_> - - - - <_> - 0 7 2 2 -1. - <_> - 0 7 1 1 2. - <_> - 1 8 1 1 2. - 0 - -1.1492669727886096e-004 - 1.5019279718399048e-001 - -9.2902913689613342e-002 - <_> - - <_> - - - - <_> - 15 4 2 6 -1. - <_> - 15 4 1 6 2. - 0 - -6.2735271640121937e-003 - 1.9764299690723419e-001 - -1.4036740362644196e-001 - <_> - - <_> - - - - <_> - 5 6 2 2 -1. - <_> - 5 6 1 1 2. - <_> - 6 7 1 1 2. - 0 - 3.4272519405931234e-003 - -5.6488610804080963e-002 - 2.3865149915218353e-001 - <_> - - <_> - - - - <_> - 12 6 2 2 -1. - <_> - 12 7 2 1 2. - 0 - 6.5099778585135937e-003 - -3.5633251070976257e-002 - 7.3461838066577911e-002 - <_> - - <_> - - - - <_> - 4 6 2 2 -1. - <_> - 4 7 2 1 2. - 0 - 4.3461588211357594e-003 - -1.1661099642515182e-001 - 1.2772659957408905e-001 - <_> - - <_> - - - - <_> - 11 6 7 3 -1. - <_> - 11 7 7 1 3. - 0 - -6.7506477236747742e-002 - -6.3980489969253540e-001 - 6.2549579888582230e-003 - <_> - - <_> - - - - <_> - 0 6 7 3 -1. - <_> - 0 7 7 1 3. - 0 - 2.7710430324077606e-002 - 3.0216189101338387e-002 - -4.6095389127731323e-001 - <_> - - <_> - - - - <_> - 9 0 2 3 -1. - <_> - 9 0 1 3 2. - 0 - 8.6712799966335297e-003 - 1.9897650927305222e-002 - -2.8020209074020386e-001 - <_> - - <_> - - - - <_> - 9 3 4 2 -1. - <_> - 9 3 4 1 2. - 1 - -3.3389169722795486e-002 - 3.4334081411361694e-001 - -3.8698211312294006e-002 - <_> - - <_> - - - - <_> - 15 4 2 6 -1. - <_> - 15 4 1 6 2. - 0 - -5.2936229854822159e-002 - -7.2460907697677612e-001 - 6.3011539168655872e-003 - <_> - - <_> - - - - <_> - 1 4 2 6 -1. - <_> - 2 4 1 6 2. - 0 - -4.5043029822409153e-003 - 9.2780143022537231e-002 - -1.4180530607700348e-001 - <_> - - <_> - - - - <_> - 14 0 4 4 -1. - <_> - 14 0 2 4 2. - 0 - -3.1233350746333599e-003 - 1.7233259975910187e-001 - -2.9970449209213257e-001 - <_> - - <_> - - - - <_> - 0 0 4 3 -1. - <_> - 2 0 2 3 2. - 0 - 6.6139260306954384e-003 - -9.9938079714775085e-002 - 1.9661809504032135e-001 - <_> - - <_> - - - - <_> - 16 0 2 3 -1. - <_> - 16 0 1 3 2. - 1 - -1.7207840457558632e-002 - -4.2743620276451111e-001 - 4.8802521079778671e-002 - <_> - - <_> - - - - <_> - 2 0 3 2 -1. - <_> - 2 0 3 1 2. - 1 - 2.2534899413585663e-002 - 3.0614370480179787e-002 - -5.1239258050918579e-001 - <_> - - <_> - - - - <_> - 12 2 6 3 -1. - <_> - 11 3 6 1 3. - 1 - 1.5610080212354660e-002 - -6.8048216402530670e-002 - 1.4999119937419891e-001 - <_> - - <_> - - - - <_> - 6 2 3 6 -1. - <_> - 7 3 1 6 3. - 1 - 2.0428750663995743e-002 - -5.9653080999851227e-002 - 2.4934889376163483e-001 - <_> - - <_> - - - - <_> - 11 11 4 1 -1. - <_> - 12 11 2 1 2. - 0 - 6.6278302110731602e-003 - 1.2023109942674637e-002 - -3.2418128848075867e-001 - <_> - - <_> - - - - <_> - 7 0 2 4 -1. - <_> - 8 0 1 4 2. - 0 - -1.1010710150003433e-002 - -4.1893360018730164e-001 - 3.2063160091638565e-002 - <_> - - <_> - - - - <_> - 10 5 2 2 -1. - <_> - 11 5 1 1 2. - <_> - 10 6 1 1 2. - 0 - -2.5190298911184072e-003 - 1.9416549801826477e-001 - -7.9592078924179077e-002 - <_> - - <_> - - - - <_> - 3 11 4 1 -1. - <_> - 4 11 2 1 2. - 0 - 4.5439349487423897e-003 - 2.7912829071283340e-002 - -4.7302699089050293e-001 - <_> - - <_> - - - - <_> - 11 11 2 1 -1. - <_> - 11 11 1 1 2. - 0 - -1.0793250112328678e-004 - 1.0455460101366043e-001 - -9.8342873156070709e-002 - <_> - - <_> - - - - <_> - 5 8 3 1 -1. - <_> - 6 9 1 1 3. - 1 - -1.1960390023887157e-002 - -5.5645018815994263e-001 - 2.4031320586800575e-002 - <_> - - <_> - - - - <_> - 14 4 3 1 -1. - <_> - 15 5 1 1 3. - 1 - -1.2221559882164001e-004 - 9.5023281872272491e-002 - -1.3685759902000427e-001 - <_> - - <_> - - - - <_> - 6 2 3 3 -1. - <_> - 7 3 1 3 3. - 1 - -2.0170589908957481e-002 - 1.6795089840888977e-001 - -7.6120890676975250e-002 - <_> - - <_> - - - - <_> - 12 4 3 8 -1. - <_> - 13 4 1 8 3. - 0 - -8.3070956170558929e-003 - 1.7039400339126587e-001 - -6.0343630611896515e-002 - <_> - - <_> - - - - <_> - 3 4 3 8 -1. - <_> - 4 4 1 8 3. - 0 - -3.4953389316797256e-002 - -6.3390421867370605e-001 - 2.3547450080513954e-002 - <_> - - <_> - - - - <_> - 9 0 4 6 -1. - <_> - 10 1 2 6 2. - 1 - -1.2870649993419647e-001 - -5.5947631597518921e-001 - 1.0227069724351168e-003 - <_> - - <_> - - - - <_> - 9 0 6 4 -1. - <_> - 8 1 6 2 2. - 1 - -5.2872750908136368e-002 - 2.0933540165424347e-001 - -6.2754176557064056e-002 - <_> - - <_> - - - - <_> - 13 4 3 1 -1. - <_> - 14 5 1 1 3. - 1 - 2.1988220512866974e-002 - -2.8742890805006027e-002 - 3.2623329758644104e-001 - <_> - - <_> - - - - <_> - 5 4 1 3 -1. - <_> - 4 5 1 1 3. - 1 - -2.7929820120334625e-002 - -8.0376791954040527e-001 - 1.8866369500756264e-002 - <_> - - <_> - - - - <_> - 13 0 3 2 -1. - <_> - 14 1 1 2 3. - 1 - 1.6517540439963341e-002 - 3.4300331026315689e-002 - -3.3194449543952942e-001 - <_> - - <_> - - - - <_> - 6 0 6 6 -1. - <_> - 6 2 6 2 3. - 0 - 1.2578460574150085e-001 - -6.5953016281127930e-002 - 2.7026090025901794e-001 - <_> - - <_> - - - - <_> - 17 9 1 2 -1. - <_> - 17 10 1 1 2. - 0 - 1.2017370318062603e-004 - -1.2451259791851044e-001 - 8.0808043479919434e-002 - <_> - - <_> - - - - <_> - 0 2 1 4 -1. - <_> - 0 3 1 2 2. - 0 - 3.7558379117399454e-003 - 4.6920169144868851e-002 - -2.4560800194740295e-001 - <_> - - <_> - - - - <_> - 17 4 1 4 -1. - <_> - 17 5 1 2 2. - 0 - -6.4232251606881618e-003 - -3.0731809139251709e-001 - 3.6565799266099930e-002 - <_> - - <_> - - - - <_> - 0 4 1 4 -1. - <_> - 0 5 1 2 2. - 0 - 3.4200940281152725e-003 - 4.0808930993080139e-002 - -2.8372159600257874e-001 - <_> - - <_> - - - - <_> - 13 5 1 2 -1. - <_> - 13 6 1 1 2. - 0 - -2.1825190633535385e-003 - 1.1226759850978851e-001 - -2.4832399562001228e-002 - <_> - - <_> - - - - <_> - 1 0 3 1 -1. - <_> - 2 1 1 1 3. - 1 - -5.2442201413214207e-003 - 1.9796860218048096e-001 - -6.2690652906894684e-002 - -1.6043150424957275e+000 - 10 - -1 - <_> - - - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -6.5449662506580353e-002 - 6.5984207391738892e-001 - -2.8083300590515137e-001 - <_> - - <_> - - - - <_> - 13 2 2 8 -1. - <_> - 13 4 2 4 2. - 0 - -5.5504930205643177e-003 - 1.3949079811573029e-001 - -1.9948430359363556e-001 - <_> - - <_> - - - - <_> - 1 3 6 6 -1. - <_> - 3 5 2 2 9. - 0 - -1.2023960053920746e-001 - 3.5877311229705811e-001 - -3.1004118919372559e-001 - <_> - - <_> - - - - <_> - 11 0 2 8 -1. - <_> - 9 2 2 4 2. - 1 - 2.0659500733017921e-002 - 2.4529699236154556e-002 - -1.6617469489574432e-001 - <_> - - <_> - - - - <_> - 7 0 8 2 -1. - <_> - 9 2 4 2 2. - 1 - -1.4058920741081238e-001 - 4.2553600668907166e-001 - -1.3463549315929413e-001 - <_> - - <_> - - - - <_> - 13 8 5 2 -1. - <_> - 13 9 5 1 2. - 0 - 1.3962809462100267e-003 - -1.6868929564952850e-001 - 4.4305529445409775e-002 - <_> - - <_> - - - - <_> - 0 8 5 2 -1. - <_> - 0 9 5 1 2. - 0 - 9.3446177197620273e-004 - -4.8740088939666748e-001 - 9.9577173590660095e-002 - <_> - - <_> - - - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - 0 - -3.8250170648097992e-002 - 2.6871618628501892e-001 - -1.5085490047931671e-001 - <_> - - <_> - - - - <_> - 4 5 4 2 -1. - <_> - 4 5 2 1 2. - <_> - 6 6 2 1 2. - 0 - 1.1073240078985691e-002 - -9.0580292046070099e-002 - 3.9891949295997620e-001 - <_> - - <_> - - - - <_> - 7 0 6 4 -1. - <_> - 9 0 2 4 3. - 0 - -3.4222271293401718e-002 - -5.4190230369567871e-001 - 5.8256920427083969e-002 - <_> - - <_> - - - - <_> - 7 0 4 3 -1. - <_> - 9 0 2 3 2. - 0 - -1.6340370057150722e-003 - 1.5135709941387177e-001 - -2.5593858957290649e-001 - <_> - - <_> - - - - <_> - 17 0 1 12 -1. - <_> - 17 6 1 6 2. - 0 - 5.6902751326560974e-002 - 2.4959880858659744e-002 - -2.5529161095619202e-001 - <_> - - <_> - - - - <_> - 0 0 1 12 -1. - <_> - 0 6 1 6 2. - 0 - 5.4659740999341011e-003 - -2.6191771030426025e-001 - 1.2557169795036316e-001 - <_> - - <_> - - - - <_> - 11 6 2 2 -1. - <_> - 12 6 1 1 2. - <_> - 11 7 1 1 2. - 0 - 3.7860060110688210e-003 - -9.2318423092365265e-002 - 3.1680619716644287e-001 - <_> - - <_> - - - - <_> - 4 10 10 2 -1. - <_> - 4 11 10 1 2. - 0 - 6.2198941595852375e-003 - -2.4663870036602020e-001 - 1.0715399682521820e-001 - <_> - - <_> - - - - <_> - 11 6 2 2 -1. - <_> - 12 6 1 1 2. - <_> - 11 7 1 1 2. - 0 - -3.3108259085565805e-003 - 2.6593479514122009e-001 - -4.2567960917949677e-002 - <_> - - <_> - - - - <_> - 9 1 6 2 -1. - <_> - 11 3 2 2 3. - 1 - -2.4268100038170815e-002 - 7.8301817178726196e-002 - -3.3432251214981079e-001 - <_> - - <_> - - - - <_> - 17 8 1 4 -1. - <_> - 17 9 1 2 2. - 0 - 4.4654891826212406e-003 - 4.4951941817998886e-002 - -3.6068201065063477e-001 - <_> - - <_> - - - - <_> - 0 8 1 4 -1. - <_> - 0 9 1 2 2. - 0 - 5.0136880017817020e-003 - 4.8014611005783081e-002 - -4.8307308554649353e-001 - <_> - - <_> - - - - <_> - 10 6 3 1 -1. - <_> - 11 6 1 1 3. - 0 - -3.6905671004205942e-003 - 2.3733210563659668e-001 - -7.7101498842239380e-002 - <_> - - <_> - - - - <_> - 4 4 2 4 -1. - <_> - 4 6 2 2 2. - 0 - 2.6699999347329140e-002 - -7.0286177098751068e-002 - 3.1604859232902527e-001 - <_> - - <_> - - - - <_> - 13 5 1 2 -1. - <_> - 13 5 1 1 2. - 1 - -1.4216369949281216e-002 - 1.9163979589939117e-001 - -1.4565619640052319e-002 - <_> - - <_> - - - - <_> - 5 5 2 1 -1. - <_> - 5 5 1 1 2. - 1 - 4.9798311665654182e-003 - -9.3808017671108246e-002 - 3.3386421203613281e-001 - <_> - - <_> - - - - <_> - 8 0 4 4 -1. - <_> - 9 0 2 4 2. - 0 - 1.0780889540910721e-002 - 4.4129341840744019e-002 - -3.5146710276603699e-001 - <_> - - <_> - - - - <_> - 6 9 4 3 -1. - <_> - 7 9 2 3 2. - 0 - -8.0803576856851578e-003 - -4.5045539736747742e-001 - 4.2515419423580170e-002 - <_> - - <_> - - - - <_> - 8 10 4 2 -1. - <_> - 9 10 2 2 2. - 0 - -6.2959468923509121e-003 - -5.0585079193115234e-001 - 2.6853339746594429e-002 - <_> - - <_> - - - - <_> - 0 6 1 4 -1. - <_> - 0 7 1 2 2. - 0 - 4.2930860072374344e-003 - 4.4392760843038559e-002 - -4.2409139871597290e-001 - <_> - - <_> - - - - <_> - 6 0 6 4 -1. - <_> - 6 1 6 2 2. - 0 - -3.6001540720462799e-002 - 3.6739090085029602e-001 - -5.6275039911270142e-002 - <_> - - <_> - - - - <_> - 2 4 2 7 -1. - <_> - 3 4 1 7 2. - 0 - -3.6325119435787201e-003 - 1.0696999728679657e-001 - -1.7666119337081909e-001 - <_> - - <_> - - - - <_> - 6 6 6 1 -1. - <_> - 8 6 2 1 3. - 0 - -7.6885600574314594e-003 - 1.3644680380821228e-001 - -1.4830610156059265e-001 - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -6.5619632601737976e-002 - -3.6476480960845947e-001 - 5.2671018987894058e-002 - <_> - - <_> - - - - <_> - 10 4 3 2 -1. - <_> - 11 5 1 2 3. - 1 - -1.3787600211799145e-002 - 1.4529299736022949e-001 - -1.4805309474468231e-001 - <_> - - <_> - - - - <_> - 4 1 9 6 -1. - <_> - 4 3 9 2 3. - 0 - -1.6259980201721191e-001 - 3.4896880388259888e-001 - -7.1005232632160187e-002 - <_> - - <_> - - - - <_> - 10 4 3 2 -1. - <_> - 11 5 1 2 3. - 1 - -9.7861498594284058e-002 - -6.8113172054290771e-001 - 6.0920282267034054e-003 - <_> - - <_> - - - - <_> - 8 4 2 3 -1. - <_> - 7 5 2 1 3. - 1 - -1.5198419801890850e-002 - 2.3462030291557312e-001 - -1.0035049915313721e-001 - <_> - - <_> - - - - <_> - 1 9 17 2 -1. - <_> - 1 10 17 1 2. - 0 - 9.0543217957019806e-003 - -2.2936539351940155e-001 - 7.7951073646545410e-002 - <_> - - <_> - - - - <_> - 6 11 6 1 -1. - <_> - 8 11 2 1 3. - 0 - 7.3727401904761791e-003 - 3.9879500865936279e-002 - -4.8354309797286987e-001 - <_> - - <_> - - - - <_> - 8 4 3 3 -1. - <_> - 9 5 1 1 9. - 0 - -1.8954079598188400e-002 - 9.6944183111190796e-002 - -5.5643040686845779e-002 - <_> - - <_> - - - - <_> - 7 0 3 5 -1. - <_> - 8 0 1 5 3. - 0 - 1.2283699586987495e-002 - 4.3389499187469482e-002 - -4.2138868570327759e-001 - <_> - - <_> - - - - <_> - 15 5 3 3 -1. - <_> - 15 6 3 1 3. - 0 - -1.8302969634532928e-002 - -4.2719489336013794e-001 - 2.2162979468703270e-002 - <_> - - <_> - - - - <_> - 1 0 15 6 -1. - <_> - 6 2 5 2 9. - 0 - 4.3101060390472412e-001 - -5.1615860313177109e-002 - 3.4026700258255005e-001 - <_> - - <_> - - - - <_> - 8 5 3 2 -1. - <_> - 9 5 1 2 3. - 0 - 1.1051310226321220e-002 - -2.4313559755682945e-002 - 3.2357591390609741e-001 - <_> - - <_> - - - - <_> - 0 1 14 11 -1. - <_> - 7 1 7 11 2. - 0 - -4.4691780209541321e-001 - 2.7657490968704224e-001 - -6.6980779170989990e-002 - <_> - - <_> - - - - <_> - 14 3 3 6 -1. - <_> - 14 3 3 3 2. - 1 - 5.9630710631608963e-002 - 2.8453519567847252e-002 - -3.4650930762290955e-001 - <_> - - <_> - - - - <_> - 0 1 14 11 -1. - <_> - 7 1 7 11 2. - 0 - 2.0880649983882904e-001 - -4.9901269376277924e-002 - 3.6606788635253906e-001 - <_> - - <_> - - - - <_> - 16 4 2 8 -1. - <_> - 17 4 1 4 2. - <_> - 16 8 1 4 2. - 0 - 5.6081339716911316e-003 - -7.8487291932106018e-002 - 1.3186110556125641e-001 - <_> - - <_> - - - - <_> - 3 1 4 3 -1. - <_> - 4 2 2 3 2. - 1 - -5.5167000740766525e-002 - 5.1011168956756592e-001 - -3.3664189279079437e-002 - <_> - - <_> - - - - <_> - 12 3 3 3 -1. - <_> - 11 4 3 1 3. - 1 - 1.1171470396220684e-002 - -3.7235900759696960e-002 - 1.1104430258274078e-001 - <_> - - <_> - - - - <_> - 7 5 2 3 -1. - <_> - 6 6 2 1 3. - 1 - -1.5330309979617596e-002 - 2.4683140218257904e-001 - -7.2548203170299530e-002 - <_> - - <_> - - - - <_> - 3 4 12 3 -1. - <_> - 6 4 6 3 2. - 0 - -3.9592171087861061e-003 - 7.2863176465034485e-002 - -2.8057581186294556e-001 - <_> - - <_> - - - - <_> - 0 5 3 3 -1. - <_> - 0 6 3 1 3. - 0 - 8.4626460447907448e-003 - 3.6698680371046066e-002 - -3.9774340391159058e-001 - <_> - - <_> - - - - <_> - 7 3 5 2 -1. - <_> - 7 4 5 1 2. - 0 - 1.6352999955415726e-002 - -3.7106141448020935e-002 - 4.3486309051513672e-001 - <_> - - <_> - - - - <_> - 5 4 3 2 -1. - <_> - 6 5 1 2 3. - 1 - -2.0322609692811966e-002 - 1.9888140261173248e-001 - -8.6129508912563324e-002 - <_> - - <_> - - - - <_> - 11 11 2 1 -1. - <_> - 11 11 1 1 2. - 0 - -9.3476366600953043e-005 - 8.8922351598739624e-002 - -8.2700327038764954e-002 - <_> - - <_> - - - - <_> - 5 5 3 3 -1. - <_> - 6 6 1 3 3. - 1 - 9.6907848492264748e-003 - -8.2258842885494232e-002 - 1.9518549740314484e-001 - <_> - - <_> - - - - <_> - 11 0 4 5 -1. - <_> - 12 0 2 5 2. - 0 - 7.2766090743243694e-003 - 5.5776178836822510e-002 - -2.9502439498901367e-001 - <_> - - <_> - - - - <_> - 5 11 2 1 -1. - <_> - 6 11 1 1 2. - 0 - -1.1845510016428307e-004 - 1.2008129805326462e-001 - -1.3027560710906982e-001 - <_> - - <_> - - - - <_> - 11 0 4 4 -1. - <_> - 12 0 2 4 2. - 0 - -1.1836069636046886e-002 - -3.0786681175231934e-001 - 5.2134670317173004e-002 - <_> - - <_> - - - - <_> - 0 11 10 1 -1. - <_> - 5 11 5 1 2. - 0 - 1.1582080274820328e-002 - -6.4603932201862335e-002 - 2.4226869642734528e-001 - <_> - - <_> - - - - <_> - 12 7 2 3 -1. - <_> - 11 8 2 1 3. - 1 - 1.6641300171613693e-002 - 2.3613739758729935e-002 - -3.2030880451202393e-001 - <_> - - <_> - - - - <_> - 6 7 3 2 -1. - <_> - 7 8 1 2 3. - 1 - -1.4670539647340775e-002 - -4.1521430015563965e-001 - 3.6382548511028290e-002 - <_> - - <_> - - - - <_> - 7 0 6 8 -1. - <_> - 10 0 3 4 2. - <_> - 7 4 3 4 2. - 0 - -7.1266278624534607e-002 - 8.8978268206119537e-002 - -2.7521649375557899e-002 - <_> - - <_> - - - - <_> - 5 0 6 8 -1. - <_> - 5 0 3 4 2. - <_> - 8 4 3 4 2. - 0 - -4.5930789783596992e-003 - 1.0312590003013611e-001 - -1.5684939920902252e-001 - <_> - - <_> - - - - <_> - 13 2 4 1 -1. - <_> - 14 3 2 1 2. - 1 - -2.1038690581917763e-002 - -4.1231220960617065e-001 - 2.6362419128417969e-002 - <_> - - <_> - - - - <_> - 5 2 1 4 -1. - <_> - 4 3 1 2 2. - 1 - -1.1634599650278687e-004 - 8.8270559906959534e-002 - -1.7683100700378418e-001 - <_> - - <_> - - - - <_> - 13 3 2 1 -1. - <_> - 13 3 1 1 2. - 1 - 1.0351010132580996e-004 - -4.0812540799379349e-002 - 4.4485118240118027e-002 - <_> - - <_> - - - - <_> - 5 3 1 2 -1. - <_> - 5 3 1 1 2. - 1 - 1.1750919744372368e-002 - 3.7474468350410461e-002 - -4.4839090108871460e-001 - <_> - - <_> - - - - <_> - 7 1 5 2 -1. - <_> - 7 2 5 1 2. - 0 - 1.6365600749850273e-002 - -5.3337760269641876e-002 - 2.3957200348377228e-001 - <_> - - <_> - - - - <_> - 3 0 4 5 -1. - <_> - 4 0 2 5 2. - 0 - -1.4152539893984795e-002 - -3.4904539585113525e-001 - 4.0583450347185135e-002 - <_> - - <_> - - - - <_> - 5 0 8 3 -1. - <_> - 5 1 8 1 3. - 0 - 1.8640389665961266e-002 - -7.8919850289821625e-002 - 1.7504720389842987e-001 - <_> - - <_> - - - - <_> - 4 0 2 2 -1. - <_> - 4 0 2 1 2. - 1 - 1.7988409847021103e-002 - 3.3721260726451874e-002 - -4.2088210582733154e-001 - <_> - - <_> - - - - <_> - 6 0 8 2 -1. - <_> - 6 1 8 1 2. - 0 - -1.4597839675843716e-002 - 1.7850220203399658e-001 - -7.9207688570022583e-002 - <_> - - <_> - - - - <_> - 6 6 2 3 -1. - <_> - 5 7 2 1 3. - 1 - -1.1776429601013660e-002 - 2.0177559554576874e-001 - -6.4572930335998535e-002 - <_> - - <_> - - - - <_> - 10 6 3 2 -1. - <_> - 11 6 1 2 3. - 0 - -3.0500749126076698e-003 - 1.7109319567680359e-001 - -8.1359818577766418e-002 - <_> - - <_> - - - - <_> - 2 0 4 9 -1. - <_> - 3 0 2 9 2. - 0 - -5.5906981229782104e-002 - -6.9485092163085938e-001 - 1.9316319376230240e-002 - <_> - - <_> - - - - <_> - 0 11 18 1 -1. - <_> - 0 11 9 1 2. - 0 - 8.7083891034126282e-002 - 1.9366340711712837e-002 - -5.7769888639450073e-001 - <_> - - <_> - - - - <_> - 0 3 2 5 -1. - <_> - 1 3 1 5 2. - 0 - -4.5398990623652935e-003 - 1.1768320202827454e-001 - -1.1205779761075974e-001 - <_> - - <_> - - - - <_> - 16 7 2 2 -1. - <_> - 16 7 1 2 2. - 1 - -1.5185469761490822e-002 - 1.2016219645738602e-001 - -4.3419301509857178e-002 - <_> - - <_> - - - - <_> - 2 7 2 2 -1. - <_> - 2 7 2 1 2. - 1 - 7.1984431706368923e-003 - -3.5740990191698074e-002 - 3.8612338900566101e-001 - <_> - - <_> - - - - <_> - 14 10 1 2 -1. - <_> - 14 11 1 1 2. - 0 - 1.0633750207489356e-004 - -1.0959289968013763e-001 - 5.4616861045360565e-002 - <_> - - <_> - - - - <_> - 1 8 12 3 -1. - <_> - 5 8 4 3 3. - 0 - -1.0189989954233170e-001 - -4.9526950716972351e-001 - 2.5969929993152618e-002 - <_> - - <_> - - - - <_> - 14 10 1 2 -1. - <_> - 14 11 1 1 2. - 0 - -1.2038920249324292e-004 - 1.2273380160331726e-001 - -4.1162900626659393e-002 - <_> - - <_> - - - - <_> - 3 10 1 2 -1. - <_> - 3 11 1 1 2. - 0 - 1.0814509732881561e-004 - -1.6402480006217957e-001 - 8.0438762903213501e-002 - <_> - - <_> - - - - <_> - 15 10 3 2 -1. - <_> - 15 11 3 1 2. - 0 - 1.0482760146260262e-002 - 3.9343621581792831e-002 - -2.6814600825309753e-001 - <_> - - <_> - - - - <_> - 0 9 3 3 -1. - <_> - 0 10 3 1 3. - 0 - -7.9093724489212036e-003 - -4.1322740912437439e-001 - 3.0046500265598297e-002 - <_> - - <_> - - - - <_> - 10 6 3 2 -1. - <_> - 11 6 1 2 3. - 0 - 1.3081150129437447e-002 - -3.3539541065692902e-002 - 2.3053109645843506e-001 - <_> - - <_> - - - - <_> - 4 4 1 3 -1. - <_> - 3 5 1 1 3. - 1 - -1.9690599292516708e-002 - -5.0715428590774536e-001 - 2.3815410211682320e-002 - <_> - - <_> - - - - <_> - 10 6 3 2 -1. - <_> - 11 6 1 2 3. - 0 - -1.0433509945869446e-002 - 1.2601679563522339e-001 - -1.9142389297485352e-002 - <_> - - <_> - - - - <_> - 6 0 4 1 -1. - <_> - 7 0 2 1 2. - 0 - 6.1845351010560989e-003 - 2.4645360186696053e-002 - -5.0535571575164795e-001 - <_> - - <_> - - - - <_> - 14 11 4 1 -1. - <_> - 15 11 2 1 2. - 0 - -2.0149839110672474e-003 - 1.5200349688529968e-001 - -5.0570148974657059e-002 - <_> - - <_> - - - - <_> - 0 11 4 1 -1. - <_> - 1 11 2 1 2. - 0 - 1.0860039765248075e-004 - -1.1278349906206131e-001 - 1.1125960201025009e-001 - <_> - - <_> - - - - <_> - 9 11 3 1 -1. - <_> - 10 11 1 1 3. - 0 - -8.9575027232058346e-005 - 1.1708500236272812e-001 - -1.0333900153636932e-001 - <_> - - <_> - - - - <_> - 6 11 3 1 -1. - <_> - 7 11 1 1 3. - 0 - 5.3389421664178371e-003 - 1.8005790188908577e-002 - -7.1671330928802490e-001 - <_> - - <_> - - - - <_> - 7 0 6 1 -1. - <_> - 9 0 2 1 3. - 0 - 1.1697039939463139e-002 - 1.3067330233752728e-002 - -2.3360380530357361e-001 - <_> - - <_> - - - - <_> - 1 0 15 2 -1. - <_> - 6 0 5 2 3. - 0 - 3.2932709902524948e-002 - -7.0233866572380066e-002 - 1.7548230290412903e-001 - <_> - - <_> - - - - <_> - 10 6 3 2 -1. - <_> - 11 6 1 2 3. - 0 - -4.5324359089136124e-002 - -8.2326531410217285e-001 - 3.6954008974134922e-003 - <_> - - <_> - - - - <_> - 5 6 3 2 -1. - <_> - 6 6 1 2 3. - 0 - -3.7475579883903265e-003 - 1.8588210642337799e-001 - -6.2639318406581879e-002 - <_> - - <_> - - - - <_> - 12 0 3 3 -1. - <_> - 13 1 1 3 3. - 1 - -3.2647240906953812e-002 - -2.0567889511585236e-001 - 1.8942670896649361e-002 - <_> - - <_> - - - - <_> - 6 5 3 2 -1. - <_> - 7 6 1 2 3. - 1 - 1.1062870034947991e-003 - -1.0367350280284882e-001 - 1.1428149789571762e-001 - <_> - - <_> - - - - <_> - 10 5 6 2 -1. - <_> - 13 5 3 1 2. - <_> - 10 6 3 1 2. - 0 - 5.4914089851081371e-003 - -3.9914030581712723e-002 - 7.6856799423694611e-002 - <_> - - <_> - - - - <_> - 2 5 6 2 -1. - <_> - 2 5 3 1 2. - <_> - 5 6 3 1 2. - 0 - -8.2964627072215080e-003 - 2.3060120642185211e-001 - -6.2546901404857635e-002 - <_> - - <_> - - - - <_> - 14 3 3 6 -1. - <_> - 14 3 3 3 2. - 1 - 3.8128688931465149e-002 - 1.9407819956541061e-002 - -1.4901480078697205e-001 - <_> - - <_> - - - - <_> - 4 3 6 3 -1. - <_> - 4 3 3 3 2. - 1 - -1.4787280559539795e-001 - -3.2149869203567505e-001 - 3.7092790007591248e-002 - <_> - - <_> - - - - <_> - 12 0 3 3 -1. - <_> - 13 1 1 3 3. - 1 - 6.4178421162068844e-003 - 3.7069149315357208e-002 - -9.5326058566570282e-002 - <_> - - <_> - - - - <_> - 5 4 2 2 -1. - <_> - 5 5 2 1 2. - 0 - -3.7382061127573252e-003 - 1.1806769669055939e-001 - -9.5922879874706268e-002 - <_> - - <_> - - - - <_> - 11 3 2 2 -1. - <_> - 11 3 1 2 2. - 1 - -2.5352180004119873e-002 - 2.7664989233016968e-001 - -1.6709599643945694e-002 - <_> - - <_> - - - - <_> - 7 3 2 2 -1. - <_> - 7 3 2 1 2. - 1 - 2.7535870671272278e-002 - 2.2979779168963432e-002 - -5.0430482625961304e-001 - <_> - - <_> - - - - <_> - 15 7 1 4 -1. - <_> - 15 8 1 2 2. - 0 - -7.9183047637343407e-003 - -3.1630870699882507e-001 - 1.2571889907121658e-002 - <_> - - <_> - - - - <_> - 2 7 1 4 -1. - <_> - 2 8 1 2 2. - 0 - 1.0292990191373974e-004 - -1.1330749839544296e-001 - 9.1955177485942841e-002 - <_> - - <_> - - - - <_> - 15 9 2 2 -1. - <_> - 16 9 1 1 2. - <_> - 15 10 1 1 2. - 0 - 9.0557747171260417e-005 - -6.9846302270889282e-002 - 7.2148926556110382e-002 - <_> - - <_> - - - - <_> - 1 9 2 2 -1. - <_> - 1 9 1 1 2. - <_> - 2 10 1 1 2. - 0 - 1.1734660074580461e-004 - -1.1082249879837036e-001 - 1.0122229903936386e-001 - <_> - - <_> - - - - <_> - 15 9 2 2 -1. - <_> - 16 9 1 1 2. - <_> - 15 10 1 1 2. - 0 - -1.1783619993366301e-004 - 1.4102859795093536e-001 - -9.9544271826744080e-002 - <_> - - <_> - - - - <_> - 0 3 3 3 -1. - <_> - 0 4 3 1 3. - 0 - -1.4811719767749310e-002 - -4.0603488683700562e-001 - 2.6852559298276901e-002 - <_> - - <_> - - - - <_> - 15 9 2 2 -1. - <_> - 16 9 1 1 2. - <_> - 15 10 1 1 2. - 0 - 8.3802377048414201e-005 - -9.3584023416042328e-002 - 9.4989858567714691e-002 - <_> - - <_> - - - - <_> - 1 9 2 2 -1. - <_> - 1 9 1 1 2. - <_> - 2 10 1 1 2. - 0 - -9.0464636741671711e-005 - 1.3583730161190033e-001 - -8.0927208065986633e-002 - <_> - - <_> - - - - <_> - 0 0 18 3 -1. - <_> - 6 0 6 3 3. - 0 - -6.3471987843513489e-002 - 1.2211640179157257e-001 - -8.2948893308639526e-002 - <_> - - <_> - - - - <_> - 3 3 12 3 -1. - <_> - 3 4 12 1 3. - 0 - -5.0417210906744003e-002 - 2.3326510190963745e-001 - -5.5467769503593445e-002 - <_> - - <_> - - - - <_> - 7 3 5 3 -1. - <_> - 7 4 5 1 3. - 0 - 2.5994319468736649e-002 - -4.3605301529169083e-002 - 2.7403908967971802e-001 - <_> - - <_> - - - - <_> - 5 0 2 5 -1. - <_> - 6 0 1 5 2. - 0 - -1.2084789574146271e-002 - -3.1832659244537354e-001 - 3.7234660238027573e-002 - <_> - - <_> - - - - <_> - 5 9 12 2 -1. - <_> - 5 9 6 2 2. - 0 - 1.7179569229483604e-002 - -6.3782699406147003e-002 - 1.1758829653263092e-001 - <_> - - <_> - - - - <_> - 0 5 7 3 -1. - <_> - 0 6 7 1 3. - 0 - -5.8567680418491364e-002 - -5.9245938062667847e-001 - 1.9378069788217545e-002 - <_> - - <_> - - - - <_> - 11 5 2 4 -1. - <_> - 12 5 1 2 2. - <_> - 11 7 1 2 2. - 0 - -8.1442911177873611e-003 - 1.8517829477787018e-001 - -2.3492490872740746e-002 - <_> - - <_> - - - - <_> - 8 8 2 4 -1. - <_> - 8 8 1 2 2. - <_> - 9 10 1 2 2. - 0 - 8.7976995855569839e-003 - 2.1573910489678383e-002 - -5.3710401058197021e-001 - <_> - - <_> - - - - <_> - 11 5 2 4 -1. - <_> - 12 5 1 2 2. - <_> - 11 7 1 2 2. - 0 - 5.8270487934350967e-003 - -3.1742990016937256e-002 - 7.7318146824836731e-002 - <_> - - <_> - - - - <_> - 5 5 2 4 -1. - <_> - 5 5 1 2 2. - <_> - 6 7 1 2 2. - 0 - 4.2799380607903004e-003 - -6.8623512983322144e-002 - 1.5985569357872009e-001 - <_> - - <_> - - - - <_> - 0 10 18 2 -1. - <_> - 6 10 6 2 3. - 0 - -4.7798909246921539e-002 - 1.6202180087566376e-001 - -7.1953997015953064e-002 - <_> - - <_> - - - - <_> - 0 0 6 8 -1. - <_> - 0 4 6 4 2. - 0 - 1.5101620554924011e-001 - 2.1610440686345100e-002 - -5.1186197996139526e-001 - <_> - - <_> - - - - <_> - 17 10 1 2 -1. - <_> - 17 11 1 1 2. - 0 - 1.3851689873263240e-003 - 5.1120720803737640e-002 - -1.0381700098514557e-001 - <_> - - <_> - - - - <_> - 0 10 1 2 -1. - <_> - 0 11 1 1 2. - 0 - -1.0411830153316259e-003 - -2.4396219849586487e-001 - 4.4499509036540985e-002 - <_> - - <_> - - - - <_> - 13 6 4 6 -1. - <_> - 15 6 2 3 2. - <_> - 13 9 2 3 2. - 0 - -1.3037609867751598e-002 - 1.8388019502162933e-001 - -5.6118920445442200e-002 - <_> - - <_> - - - - <_> - 4 6 10 6 -1. - <_> - 4 9 10 3 2. - 0 - -1.9242310896515846e-002 - -6.6036051511764526e-001 - 1.8416849896311760e-002 - <_> - - <_> - - - - <_> - 12 2 6 4 -1. - <_> - 12 2 3 4 2. - 0 - -2.0210029557347298e-002 - 8.8172823190689087e-002 - -1.2076240032911301e-001 - <_> - - <_> - - - - <_> - 0 3 18 1 -1. - <_> - 6 3 6 1 3. - 0 - 3.0882719904184341e-002 - -5.6851759552955627e-002 - 2.4138830602169037e-001 - -1.6223280429840088e+000 - 11 - -1 - <_> - - - <_> - - <_> - - - - <_> - 4 6 2 2 -1. - <_> - 5 6 1 2 2. - 0 - 6.2742438167333603e-003 - -3.5164728760719299e-001 - 6.6317689418792725e-001 - <_> - - <_> - - - - <_> - 5 2 10 6 -1. - <_> - 5 4 10 2 3. - 0 - -1.5394939482212067e-001 - 3.9916568994522095e-001 - -2.2923450171947479e-001 - <_> - - <_> - - - - <_> - 6 6 6 2 -1. - <_> - 8 6 2 2 3. - 0 - -2.3952860385179520e-002 - 3.0574640631675720e-001 - -2.3735469579696655e-001 - <_> - - <_> - - - - <_> - 11 5 7 6 -1. - <_> - 11 8 7 3 2. - 0 - 2.6925180107355118e-002 - -2.9053428769111633e-001 - 6.1234891414642334e-002 - <_> - - <_> - - - - <_> - 3 3 12 3 -1. - <_> - 6 3 6 3 2. - 0 - 2.4537709355354309e-001 - -1.2837280519306660e-003 - -9.9616601562500000e+002 - <_> - - <_> - - - - <_> - 10 4 6 3 -1. - <_> - 10 5 6 1 3. - 0 - -1.7590580508112907e-002 - 8.4333486855030060e-002 - -4.2432200163602829e-002 - <_> - - <_> - - - - <_> - 7 5 1 3 -1. - <_> - 6 6 1 1 3. - 1 - -6.7204791121184826e-003 - 2.9420810937881470e-001 - -1.7958919703960419e-001 - <_> - - <_> - - - - <_> - 3 2 15 6 -1. - <_> - 3 4 15 2 3. - 0 - -1.0374490171670914e-001 - 4.9512971192598343e-002 - -6.5407678484916687e-002 - <_> - - <_> - - - - <_> - 0 4 4 6 -1. - <_> - 2 4 2 6 2. - 0 - -2.3250220343470573e-002 - 1.6588999330997467e-001 - -2.5045189261436462e-001 - <_> - - <_> - - - - <_> - 10 6 2 2 -1. - <_> - 11 6 1 1 2. - <_> - 10 7 1 1 2. - 0 - -3.7479000166058540e-003 - 2.8132739663124084e-001 - -5.3847521543502808e-002 - <_> - - <_> - - - - <_> - 5 6 3 1 -1. - <_> - 6 6 1 1 3. - 0 - -2.5907990057021379e-003 - 2.8163778781890869e-001 - -1.1151909828186035e-001 - <_> - - <_> - - - - <_> - 15 2 3 10 -1. - <_> - 15 7 3 5 2. - 0 - 1.4214930124580860e-002 - -1.9974599778652191e-001 - 7.9408131539821625e-002 - <_> - - <_> - - - - <_> - 9 4 2 3 -1. - <_> - 8 5 2 1 3. - 1 - -2.7745040133595467e-002 - 3.2554331421852112e-001 - -8.1984512507915497e-002 - <_> - - <_> - - - - <_> - 12 6 2 2 -1. - <_> - 12 6 1 2 2. - 0 - 4.1590719483792782e-003 - -1.0548809915781021e-001 - 2.7419880032539368e-001 - <_> - - <_> - - - - <_> - 4 6 2 2 -1. - <_> - 5 6 1 2 2. - 0 - 6.2689487822353840e-003 - 1.1671839654445648e-001 - -4.6409261226654053e-001 - <_> - - <_> - - - - <_> - 9 4 4 2 -1. - <_> - 9 5 4 1 2. - 0 - 1.3945819810032845e-002 - -3.6791551858186722e-002 - 3.2415330410003662e-001 - <_> - - <_> - - - - <_> - 0 1 12 11 -1. - <_> - 4 1 4 11 3. - 0 - -2.2212809324264526e-001 - -5.3910827636718750e-001 - 5.5958230048418045e-002 - <_> - - <_> - - - - <_> - 9 2 3 7 -1. - <_> - 10 3 1 7 3. - 1 - -2.3864409886300564e-003 - -7.8881077468395233e-002 - 9.0365253388881683e-002 - <_> - - <_> - - - - <_> - 9 2 7 3 -1. - <_> - 8 3 7 1 3. - 1 - -3.1010150909423828e-002 - 1.8916240334510803e-001 - -1.3666459918022156e-001 - <_> - - <_> - - - - <_> - 12 9 2 1 -1. - <_> - 12 9 1 1 2. - 1 - -1.5247239498421550e-003 - 7.9918026924133301e-002 - -1.2402609735727310e-001 - <_> - - <_> - - - - <_> - 0 8 3 4 -1. - <_> - 0 9 3 2 2. - 0 - -4.4612451456487179e-003 - -3.5095998644828796e-001 - 6.1154339462518692e-002 - <_> - - <_> - - - - <_> - 15 10 3 2 -1. - <_> - 15 11 3 1 2. - 0 - -3.6754929460585117e-003 - -3.6432039737701416e-001 - 3.5381581634283066e-002 - <_> - - <_> - - - - <_> - 0 10 3 2 -1. - <_> - 0 11 3 1 2. - 0 - -3.1164109241217375e-003 - -4.8517960309982300e-001 - 4.2554508894681931e-002 - <_> - - <_> - - - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - 0 - -2.4400090798735619e-002 - 1.5710610151290894e-001 - -1.2803450226783752e-001 - <_> - - <_> - - - - <_> - 5 0 6 4 -1. - <_> - 7 0 2 4 3. - 0 - -3.1188679859042168e-002 - -5.2750992774963379e-001 - 3.5487588495016098e-002 - <_> - - <_> - - - - <_> - 9 1 2 4 -1. - <_> - 9 2 2 2 2. - 0 - -1.3291889801621437e-002 - 2.8033518791198730e-001 - -3.7135049700737000e-002 - <_> - - <_> - - - - <_> - 0 4 18 4 -1. - <_> - 6 4 6 4 3. - 0 - -1.0183650255203247e-001 - 8.5829548537731171e-002 - -2.5175920128822327e-001 - <_> - - <_> - - - - <_> - 12 3 3 6 -1. - <_> - 13 3 1 6 3. - 0 - 2.4131929501891136e-002 - -5.3279381245374680e-002 - 3.5114678740501404e-001 - <_> - - <_> - - - - <_> - 3 3 3 6 -1. - <_> - 4 3 1 6 3. - 0 - -1.0242820280836895e-004 - 1.2026040256023407e-001 - -1.6874420642852783e-001 - <_> - - <_> - - - - <_> - 14 1 2 4 -1. - <_> - 13 2 2 2 2. - 1 - -2.9411478899419308e-003 - -1.2087970227003098e-001 - 8.8245153427124023e-002 - <_> - - <_> - - - - <_> - 6 0 5 4 -1. - <_> - 6 1 5 2 2. - 0 - -2.4746619164943695e-002 - 3.2455161213874817e-001 - -5.1918510347604752e-002 - <_> - - <_> - - - - <_> - 8 0 7 4 -1. - <_> - 8 1 7 2 2. - 0 - 1.8161980435252190e-002 - -9.7702257335186005e-002 - 1.5214580297470093e-001 - <_> - - <_> - - - - <_> - 7 9 4 3 -1. - <_> - 8 9 2 3 2. - 0 - -7.9903062433004379e-003 - -4.3365329504013062e-001 - 3.9535731077194214e-002 - <_> - - <_> - - - - <_> - 3 1 12 2 -1. - <_> - 3 1 6 2 2. - 0 - 1.8511410802602768e-002 - -1.3791340589523315e-001 - 1.2306600064039230e-001 - <_> - - <_> - - - - <_> - 0 0 16 12 -1. - <_> - 8 0 8 12 2. - 0 - 1.8645690381526947e-001 - -7.2554931044578552e-002 - 3.1433451175689697e-001 - <_> - - <_> - - - - <_> - 9 3 3 2 -1. - <_> - 9 4 3 1 2. - 0 - 9.2281810939311981e-003 - -1.0550970211625099e-002 - 1.6694310307502747e-001 - <_> - - <_> - - - - <_> - 8 0 2 4 -1. - <_> - 9 0 1 4 2. - 0 - -9.0786498039960861e-003 - -3.6311098933219910e-001 - 4.1659221053123474e-002 - <_> - - <_> - - - - <_> - 12 9 2 1 -1. - <_> - 12 9 1 1 2. - 1 - -1.7083000391721725e-002 - -3.8664668798446655e-001 - 6.8237301893532276e-003 - <_> - - <_> - - - - <_> - 6 9 1 2 -1. - <_> - 6 9 1 1 2. - 1 - -7.1345129981637001e-004 - 7.3019772768020630e-002 - -2.0337800681591034e-001 - <_> - - <_> - - - - <_> - 9 5 3 1 -1. - <_> - 10 6 1 1 3. - 1 - -7.2595099918544292e-003 - 7.5123466551303864e-002 - -7.3528602719306946e-002 - <_> - - <_> - - - - <_> - 4 1 4 2 -1. - <_> - 5 2 2 2 2. - 1 - 1.2274079956114292e-002 - -9.0814672410488129e-002 - 1.5959280729293823e-001 - <_> - - <_> - - - - <_> - 10 3 4 4 -1. - <_> - 10 5 4 2 2. - 0 - 1.0794389992952347e-002 - -6.5551146864891052e-002 - 1.2086050212383270e-001 - <_> - - <_> - - - - <_> - 4 4 2 4 -1. - <_> - 4 6 2 2 2. - 0 - 2.4046689271926880e-002 - -6.6829457879066467e-002 - 2.6401260495185852e-001 - <_> - - <_> - - - - <_> - 16 5 2 3 -1. - <_> - 16 6 2 1 3. - 0 - -1.6337579116225243e-002 - -6.0672587156295776e-001 - 1.6483150422573090e-002 - <_> - - <_> - - - - <_> - 0 2 14 8 -1. - <_> - 0 2 7 4 2. - <_> - 7 6 7 4 2. - 0 - 2.0875459909439087e-001 - 3.0014140531420708e-002 - -4.3378108739852905e-001 - <_> - - <_> - - - - <_> - 15 0 3 4 -1. - <_> - 16 1 1 4 3. - 1 - 1.7724540084600449e-002 - 3.5838410258293152e-002 - -2.7149319648742676e-001 - <_> - - <_> - - - - <_> - 3 0 4 3 -1. - <_> - 2 1 4 1 3. - 1 - -3.3346381038427353e-002 - -4.2977070808410645e-001 - 3.1222699210047722e-002 - <_> - - <_> - - - - <_> - 9 5 2 2 -1. - <_> - 10 5 1 1 2. - <_> - 9 6 1 1 2. - 0 - 1.1433180043241009e-004 - -7.5262703001499176e-002 - 1.0365139693021774e-001 - <_> - - <_> - - - - <_> - 3 6 10 6 -1. - <_> - 3 6 5 3 2. - <_> - 8 9 5 3 2. - 0 - 5.8417830616235733e-002 - 5.5789869278669357e-002 - -2.5008231401443481e-001 - <_> - - <_> - - - - <_> - 9 3 3 2 -1. - <_> - 9 4 3 1 2. - 0 - -3.0410559847950935e-002 - 1.2386819720268250e-001 - -1.1707239784300327e-002 - <_> - - <_> - - - - <_> - 6 3 3 2 -1. - <_> - 6 4 3 1 2. - 0 - 8.6924238130450249e-003 - -4.1130390018224716e-002 - 3.5336831212043762e-001 - <_> - - <_> - - - - <_> - 9 1 2 1 -1. - <_> - 9 1 1 1 2. - 0 - 1.0731499787652865e-004 - -1.2875890731811523e-001 - 1.0753930360078812e-001 - <_> - - <_> - - - - <_> - 7 0 4 2 -1. - <_> - 8 0 2 2 2. - 0 - 7.6319379732012749e-003 - 3.1681880354881287e-002 - -4.6472150087356567e-001 - <_> - - <_> - - - - <_> - 8 0 3 3 -1. - <_> - 8 1 3 1 3. - 0 - -7.4789589270949364e-003 - 1.9505509734153748e-001 - -7.2351843118667603e-002 - <_> - - <_> - - - - <_> - 0 5 2 3 -1. - <_> - 0 6 2 1 3. - 0 - 8.6427042260766029e-003 - 3.1191099435091019e-002 - -4.9181848764419556e-001 - <_> - - <_> - - - - <_> - 5 0 12 3 -1. - <_> - 5 1 12 1 3. - 0 - 1.7501849681138992e-002 - -5.8864939957857132e-002 - 9.5755502581596375e-002 - <_> - - <_> - - - - <_> - 6 2 3 3 -1. - <_> - 7 3 1 3 3. - 1 - 1.6813769936561584e-002 - -5.8993399143218994e-002 - 2.1193510293960571e-001 - <_> - - <_> - - - - <_> - 13 4 1 3 -1. - <_> - 12 5 1 1 3. - 1 - -6.4404280856251717e-003 - 1.1298300325870514e-001 - -5.3965609520673752e-002 - <_> - - <_> - - - - <_> - 6 9 4 3 -1. - <_> - 7 9 2 3 2. - 0 - 6.1326851136982441e-003 - 3.7554848939180374e-002 - -3.5011461377143860e-001 - <_> - - <_> - - - - <_> - 16 10 2 2 -1. - <_> - 17 10 1 1 2. - <_> - 16 11 1 1 2. - 0 - 7.9694160376675427e-005 - -1.1506149917840958e-001 - 1.1556260287761688e-001 - <_> - - <_> - - - - <_> - 5 4 3 1 -1. - <_> - 6 5 1 1 3. - 1 - -9.7881779074668884e-003 - 1.5670649707317352e-001 - -8.1091910600662231e-002 - <_> - - <_> - - - - <_> - 13 2 3 3 -1. - <_> - 12 3 3 1 3. - 1 - 6.8345926702022552e-002 - -6.8403100594878197e-003 - 4.5982140302658081e-001 - <_> - - <_> - - - - <_> - 0 3 6 3 -1. - <_> - 0 4 6 1 3. - 0 - 2.8495989739894867e-002 - 3.0876770615577698e-002 - -4.4429719448089600e-001 - <_> - - <_> - - - - <_> - 16 10 2 2 -1. - <_> - 17 10 1 1 2. - <_> - 16 11 1 1 2. - 0 - -1.0740839934442192e-004 - 1.3578890264034271e-001 - -9.5775328576564789e-002 - <_> - - <_> - - - - <_> - 5 5 4 3 -1. - <_> - 4 6 4 1 3. - 1 - -2.5251049548387527e-002 - 2.1702249348163605e-001 - -5.6038159877061844e-002 - <_> - - <_> - - - - <_> - 8 10 6 2 -1. - <_> - 10 10 2 2 3. - 0 - -2.6355799287557602e-002 - -6.2069612741470337e-001 - 1.1239909566938877e-002 - <_> - - <_> - - - - <_> - 4 10 6 2 -1. - <_> - 6 10 2 2 3. - 0 - -1.7481319606304169e-002 - -4.6592488884925842e-001 - 2.7867669239640236e-002 - <_> - - <_> - - - - <_> - 15 0 3 1 -1. - <_> - 16 1 1 1 3. - 1 - -1.3110379688441753e-002 - -4.2753320932388306e-001 - 2.7280420064926147e-002 - <_> - - <_> - - - - <_> - 5 9 7 3 -1. - <_> - 5 10 7 1 3. - 0 - -1.4925089664757252e-002 - 2.6826688647270203e-001 - -5.1737930625677109e-002 - <_> - - <_> - - - - <_> - 15 0 3 1 -1. - <_> - 16 1 1 1 3. - 1 - 6.1949039809405804e-003 - 5.6169319897890091e-002 - -2.9064020514488220e-001 - <_> - - <_> - - - - <_> - 0 2 3 2 -1. - <_> - 0 3 3 1 2. - 0 - -1.3175229541957378e-002 - -4.2517969012260437e-001 - 2.5214929133653641e-002 - <_> - - <_> - - - - <_> - 15 2 3 3 -1. - <_> - 15 3 3 1 3. - 0 - -1.8924409523606300e-002 - -4.2502859234809875e-001 - 1.8218439072370529e-002 - <_> - - <_> - - - - <_> - 0 2 3 3 -1. - <_> - 0 3 3 1 3. - 0 - 1.3100420124828815e-002 - 3.1988378614187241e-002 - -3.6357548832893372e-001 - <_> - - <_> - - - - <_> - 16 0 2 2 -1. - <_> - 16 0 2 1 2. - 1 - 1.0436940006911755e-002 - -8.0210663378238678e-002 - 1.3946530222892761e-001 - <_> - - <_> - - - - <_> - 2 0 2 2 -1. - <_> - 2 0 1 2 2. - 1 - -7.9071624204516411e-003 - 2.0094929635524750e-001 - -6.7795939743518829e-002 - <_> - - <_> - - - - <_> - 2 0 16 1 -1. - <_> - 2 0 8 1 2. - 0 - 1.3043300248682499e-002 - -7.3729388415813446e-002 - 1.0887020081281662e-001 - <_> - - <_> - - - - <_> - 2 0 3 2 -1. - <_> - 3 1 1 2 3. - 1 - -2.2031240165233612e-002 - 3.7282109260559082e-001 - -3.5342540591955185e-002 - <_> - - <_> - - - - <_> - 15 1 3 4 -1. - <_> - 14 2 3 2 2. - 1 - -1.8900850787758827e-002 - 1.3418090343475342e-001 - -7.4449099600315094e-002 - <_> - - <_> - - - - <_> - 9 5 1 3 -1. - <_> - 8 6 1 1 3. - 1 - -1.1057750321924686e-002 - 2.1446719765663147e-001 - -6.2393780797719955e-002 - <_> - - <_> - - - - <_> - 15 1 3 4 -1. - <_> - 14 2 3 2 2. - 1 - -9.3442380428314209e-002 - -3.8823649287223816e-001 - 2.2986009716987610e-003 - <_> - - <_> - - - - <_> - 3 1 4 3 -1. - <_> - 4 2 2 3 2. - 1 - -3.4701049327850342e-002 - 2.8782969713211060e-001 - -4.2191769927740097e-002 - <_> - - <_> - - - - <_> - 13 0 3 3 -1. - <_> - 14 1 1 3 3. - 1 - 1.2548220343887806e-002 - 3.6994919180870056e-002 - -2.0595429837703705e-001 - <_> - - <_> - - - - <_> - 2 1 14 2 -1. - <_> - 2 2 14 1 2. - 0 - 3.3881239593029022e-002 - -4.9688011407852173e-002 - 2.8468221426010132e-001 - <_> - - <_> - - - - <_> - 12 1 3 10 -1. - <_> - 13 1 1 10 3. - 0 - -4.0402419865131378e-002 - -5.4226320981979370e-001 - 1.7669109627604485e-002 - <_> - - <_> - - - - <_> - 8 6 1 3 -1. - <_> - 7 7 1 1 3. - 1 - -8.7337046861648560e-003 - 2.2132049500942230e-001 - -5.3990170359611511e-002 - <_> - - <_> - - - - <_> - 3 6 15 3 -1. - <_> - 8 7 5 1 9. - 0 - -5.9824731200933456e-002 - 4.8347260802984238e-002 - -5.7685390114784241e-002 - <_> - - <_> - - - - <_> - 0 6 15 3 -1. - <_> - 5 7 5 1 9. - 0 - -2.9451259970664978e-001 - -4.5838949084281921e-001 - 2.7871569618582726e-002 - <_> - - <_> - - - - <_> - 3 3 12 6 -1. - <_> - 7 5 4 2 9. - 0 - -2.6713800430297852e-001 - 9.2300467193126678e-002 - -1.3205750286579132e-001 - <_> - - <_> - - - - <_> - 3 1 8 6 -1. - <_> - 3 3 8 2 3. - 0 - -1.2219720333814621e-001 - 2.4488289654254913e-001 - -5.3463630378246307e-002 - <_> - - <_> - - - - <_> - 11 2 3 1 -1. - <_> - 12 3 1 1 3. - 1 - -1.5119279734790325e-002 - -1.0751979798078537e-001 - 2.1027600392699242e-002 - <_> - - <_> - - - - <_> - 7 2 1 3 -1. - <_> - 6 3 1 1 3. - 1 - -1.5298509970307350e-002 - -4.4954741001129150e-001 - 2.7843480929732323e-002 - <_> - - <_> - - - - <_> - 7 0 4 1 -1. - <_> - 8 0 2 1 2. - 0 - -3.9626029320061207e-003 - -3.3244648575782776e-001 - 2.9125649482011795e-002 - <_> - - <_> - - - - <_> - 0 10 2 2 -1. - <_> - 0 10 1 1 2. - <_> - 1 11 1 1 2. - 0 - 8.6580650531686842e-005 - -9.9431760609149933e-002 - 1.0358399897813797e-001 - <_> - - <_> - - - - <_> - 16 10 2 2 -1. - <_> - 17 10 1 1 2. - <_> - 16 11 1 1 2. - 0 - 7.9694160376675427e-005 - -8.4918417036533356e-002 - 8.7375417351722717e-002 - <_> - - <_> - - - - <_> - 0 10 2 2 -1. - <_> - 0 10 1 1 2. - <_> - 1 11 1 1 2. - 0 - -1.1532790085766464e-004 - 1.3404299318790436e-001 - -8.5288509726524353e-002 - <_> - - <_> - - - - <_> - 12 1 3 10 -1. - <_> - 13 1 1 10 3. - 0 - -5.7475361973047256e-003 - 9.7248457372188568e-002 - -5.3111761808395386e-002 - <_> - - <_> - - - - <_> - 4 2 4 3 -1. - <_> - 5 2 2 3 2. - 0 - 8.7824072688817978e-003 - 4.3460998684167862e-002 - -2.4040910601615906e-001 - <_> - - <_> - - - - <_> - 13 9 4 3 -1. - <_> - 13 10 4 1 3. - 0 - 1.8991909921169281e-002 - 1.5963919460773468e-002 - -5.0120067596435547e-001 - <_> - - <_> - - - - <_> - 0 10 12 2 -1. - <_> - 6 10 6 2 2. - 0 - 3.8471799343824387e-002 - -4.3374348431825638e-002 - 2.4480819702148438e-001 - <_> - - <_> - - - - <_> - 9 11 6 1 -1. - <_> - 11 11 2 1 3. - 0 - 8.7654506787657738e-003 - 2.1779999136924744e-002 - -2.5518739223480225e-001 - <_> - - <_> - - - - <_> - 3 11 2 1 -1. - <_> - 4 11 1 1 2. - 0 - -1.1589690257096663e-004 - 1.0173690319061279e-001 - -1.0155139863491058e-001 - <_> - - <_> - - - - <_> - 13 10 2 2 -1. - <_> - 14 10 1 1 2. - <_> - 13 11 1 1 2. - 0 - 1.0908189869951457e-004 - -9.1913960874080658e-002 - 9.1868981719017029e-002 - <_> - - <_> - - - - <_> - 3 10 2 2 -1. - <_> - 3 10 1 1 2. - <_> - 4 11 1 1 2. - 0 - 8.5531923105008900e-005 - -1.0584980249404907e-001 - 1.1017540097236633e-001 - <_> - - <_> - - - - <_> - 13 10 2 2 -1. - <_> - 14 10 1 1 2. - <_> - 13 11 1 1 2. - 0 - -1.0539990034885705e-004 - 1.4530989527702332e-001 - -9.5378302037715912e-002 - <_> - - <_> - - - - <_> - 7 0 4 2 -1. - <_> - 7 1 4 1 2. - 0 - 1.2168530374765396e-002 - -5.1483400166034698e-002 - 1.9467009603977203e-001 - <_> - - <_> - - - - <_> - 14 0 3 2 -1. - <_> - 15 1 1 2 3. - 1 - 1.3115240260958672e-002 - 4.1314240545034409e-002 - -3.1291571259498596e-001 - <_> - - <_> - - - - <_> - 1 10 2 2 -1. - <_> - 1 10 1 1 2. - <_> - 2 11 1 1 2. - 0 - 9.6014147857204080e-005 - -9.9624000489711761e-002 - 1.0027159750461578e-001 - <_> - - <_> - - - - <_> - 9 0 3 4 -1. - <_> - 10 1 1 4 3. - 1 - -2.5422589853405952e-002 - 1.1692500114440918e-001 - -1.8570020794868469e-002 - <_> - - <_> - - - - <_> - 7 4 3 3 -1. - <_> - 8 5 1 1 9. - 0 - -1.9213970750570297e-002 - 1.4327329397201538e-001 - -6.9922059774398804e-002 - <_> - - <_> - - - - <_> - 9 0 3 4 -1. - <_> - 10 1 1 4 3. - 1 - 4.7866098582744598e-002 - 1.1692809872329235e-002 - -1.2271200120449066e-001 - <_> - - <_> - - - - <_> - 6 4 6 2 -1. - <_> - 9 4 3 2 2. - 0 - -1.1262509971857071e-002 - 1.1598969995975494e-001 - -9.3254141509532928e-002 - <_> - - <_> - - - - <_> - 8 3 2 3 -1. - <_> - 8 4 2 1 3. - 0 - -1.6207929700613022e-002 - 2.4618209898471832e-001 - -4.3379079550504684e-002 - <_> - - <_> - - - - <_> - 0 7 7 2 -1. - <_> - 0 8 7 1 2. - 0 - 1.4976999955251813e-004 - -2.4557319283485413e-001 - 4.6069670468568802e-002 - <_> - - <_> - - - - <_> - 16 10 2 2 -1. - <_> - 16 11 2 1 2. - 0 - 1.4740769751369953e-002 - 1.0909680277109146e-002 - -6.3333719968795776e-001 - <_> - - <_> - - - - <_> - 0 10 2 2 -1. - <_> - 0 11 2 1 2. - 0 - 9.7150652436539531e-005 - -1.5137399733066559e-001 - 7.5497470796108246e-002 - <_> - - <_> - - - - <_> - 14 0 3 2 -1. - <_> - 15 1 1 2 3. - 1 - -1.2693350203335285e-002 - -2.3802100121974945e-001 - 4.0871001780033112e-002 - <_> - - <_> - - - - <_> - 3 5 12 3 -1. - <_> - 6 5 6 3 2. - 0 - 7.0101968944072723e-002 - 1.5777869150042534e-002 - -6.2344980239868164e-001 - <_> - - <_> - - - - <_> - 7 8 4 3 -1. - <_> - 7 9 4 1 3. - 0 - -9.0956473723053932e-003 - 2.2302170097827911e-001 - -5.0494540482759476e-002 - <_> - - <_> - - - - <_> - 4 0 2 3 -1. - <_> - 3 1 2 1 3. - 1 - 1.0229200124740601e-002 - 4.6729099005460739e-002 - -2.4563209712505341e-001 - <_> - - <_> - - - - <_> - 6 1 7 3 -1. - <_> - 6 2 7 1 3. - 0 - -1.9207410514354706e-002 - 2.1942460536956787e-001 - -4.6960771083831787e-002 - <_> - - <_> - - - - <_> - 5 8 1 4 -1. - <_> - 5 9 1 2 2. - 0 - 1.0802529868669808e-004 - -1.0915499925613403e-001 - 8.9894726872444153e-002 - <_> - - <_> - - - - <_> - 16 2 1 9 -1. - <_> - 13 5 1 3 3. - 1 - 5.9888280928134918e-002 - -1.2375240214169025e-002 - 3.0649530887603760e-001 - <_> - - <_> - - - - <_> - 2 2 9 1 -1. - <_> - 5 5 3 1 3. - 1 - -1.2133570015430450e-001 - -4.4181579351425171e-001 - 2.2245900705456734e-002 - <_> - - <_> - - - - <_> - 14 10 2 2 -1. - <_> - 15 10 1 1 2. - <_> - 14 11 1 1 2. - 0 - 1.0026310337707400e-004 - -7.5078979134559631e-002 - 7.0171989500522614e-002 - <_> - - <_> - - - - <_> - 2 10 2 2 -1. - <_> - 2 10 1 1 2. - <_> - 3 11 1 1 2. - 0 - 1.0822709737112746e-004 - -9.5590889453887939e-002 - 9.7991749644279480e-002 - <_> - - <_> - - - - <_> - 16 10 2 2 -1. - <_> - 17 10 1 1 2. - <_> - 16 11 1 1 2. - 0 - -1.0740839934442192e-004 - 8.9312888681888580e-002 - -5.8937720954418182e-002 - <_> - - <_> - - - - <_> - 4 9 4 3 -1. - <_> - 5 9 2 3 2. - 0 - 8.1779044121503830e-003 - 2.8866490349173546e-002 - -3.2336440682411194e-001 - <_> - - <_> - - - - <_> - 10 5 3 2 -1. - <_> - 11 6 1 2 3. - 1 - -1.2426340021193027e-002 - 1.5125119686126709e-001 - -8.9751720428466797e-002 - <_> - - <_> - - - - <_> - 4 2 10 3 -1. - <_> - 4 3 10 1 3. - 0 - -1.6673840582370758e-002 - 1.6337050497531891e-001 - -6.1544839292764664e-002 - <_> - - <_> - - - - <_> - 11 2 2 3 -1. - <_> - 11 3 2 1 3. - 0 - 1.1108940234407783e-003 - -4.4395659118890762e-002 - 5.8737680315971375e-002 - <_> - - <_> - - - - <_> - 5 2 2 3 -1. - <_> - 5 3 2 1 3. - 0 - 6.3430960290133953e-003 - -6.7445211112499237e-002 - 1.5874649584293365e-001 - <_> - - <_> - - - - <_> - 1 1 16 3 -1. - <_> - 5 1 8 3 2. - 0 - -4.5497350394725800e-002 - 1.2980030477046967e-001 - -9.6899092197418213e-002 - <_> - - <_> - - - - <_> - 3 4 8 4 -1. - <_> - 3 5 8 2 2. - 0 - -2.6433700695633888e-002 - 9.4376727938652039e-002 - -1.0849659889936447e-001 - <_> - - <_> - - - - <_> - 15 3 3 3 -1. - <_> - 15 4 3 1 3. - 0 - -2.1796820685267448e-002 - -5.6385380029678345e-001 - 2.1219300106167793e-002 - <_> - - <_> - - - - <_> - 0 3 3 3 -1. - <_> - 0 4 3 1 3. - 0 - 8.7439846247434616e-003 - 3.2976679503917694e-002 - -2.8045099973678589e-001 - <_> - - <_> - - - - <_> - 16 10 2 2 -1. - <_> - 17 10 1 1 2. - <_> - 16 11 1 1 2. - 0 - 7.8902099630795419e-005 - -6.3391529023647308e-002 - 5.9122908860445023e-002 - <_> - - <_> - - - - <_> - 0 10 2 2 -1. - <_> - 0 10 1 1 2. - <_> - 1 11 1 1 2. - 0 - 8.6580650531686842e-005 - -9.6938036382198334e-002 - 1.0047750174999237e-001 - -1.6293729543685913e+000 - 12 - -1 - <_> - - - <_> - - <_> - - - - <_> - 4 6 4 2 -1. - <_> - 5 6 2 2 2. - 0 - 1.1782609857618809e-002 - -4.1238281130790710e-001 - 8.6988270282745361e-001 - <_> - - <_> - - - - <_> - 8 3 3 3 -1. - <_> - 8 4 3 1 3. - 0 - -1.7742900177836418e-002 - 7.5632858276367188e-001 - -1.5877389907836914e-001 - <_> - - <_> - - - - <_> - 6 6 3 1 -1. - <_> - 7 6 1 1 3. - 0 - 4.3491688556969166e-003 - -1.3528199493885040e-001 - 7.0891678333282471e-001 - <_> - - <_> - - - - <_> - 7 7 4 3 -1. - <_> - 7 8 4 1 3. - 0 - 1.4091270044445992e-002 - -1.6412720084190369e-001 - 6.1424720287322998e-001 - <_> - - <_> - - - - <_> - 4 6 3 2 -1. - <_> - 5 6 1 2 3. - 0 - -5.7054432108998299e-003 - 5.4331731796264648e-001 - -1.6219259798526764e-001 - <_> - - <_> - - - - <_> - 9 0 3 7 -1. - <_> - 10 1 1 7 3. - 1 - 1.5776239335536957e-002 - -3.4152381122112274e-002 - 1.8973289430141449e-001 - <_> - - <_> - - - - <_> - 9 0 7 3 -1. - <_> - 8 1 7 1 3. - 1 - 8.0932863056659698e-003 - -1.9709299504756927e-001 - 3.2210728526115417e-001 - <_> - - <_> - - - - <_> - 9 2 1 3 -1. - <_> - 9 3 1 1 3. - 0 - -5.9854150749742985e-003 - 5.6217777729034424e-001 - -6.9357901811599731e-002 - <_> - - <_> - - - - <_> - 5 4 3 3 -1. - <_> - 6 5 1 1 9. - 0 - -1.8062319606542587e-002 - 3.7098649144172668e-001 - -1.2705039978027344e-001 - <_> - - <_> - - - - <_> - 11 5 2 2 -1. - <_> - 12 5 1 1 2. - <_> - 11 6 1 1 2. - 0 - -3.6759639624506235e-003 - 4.1142329573631287e-001 - -7.1537837386131287e-002 - <_> - - <_> - - - - <_> - 5 5 2 2 -1. - <_> - 5 5 1 1 2. - <_> - 6 6 1 1 2. - 0 - -2.1540250163525343e-003 - 3.7564289569854736e-001 - -9.1973446309566498e-002 - <_> - - <_> - - - - <_> - 11 5 6 3 -1. - <_> - 13 6 2 1 9. - 0 - -3.0050940811634064e-002 - 3.1198319792747498e-001 - -9.8297983407974243e-002 - <_> - - <_> - - - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - 0 - -5.1365699619054794e-005 - 2.3951590061187744e-001 - -1.6076980531215668e-001 - <_> - - <_> - - - - <_> - 11 5 6 3 -1. - <_> - 13 6 2 1 9. - 0 - 7.7373638749122620e-002 - -2.3487670347094536e-002 - 5.5488550662994385e-001 - <_> - - <_> - - - - <_> - 1 5 6 3 -1. - <_> - 3 6 2 1 9. - 0 - -4.0747709572315216e-002 - 2.6812228560447693e-001 - -1.4000350236892700e-001 - <_> - - <_> - - - - <_> - 8 3 6 4 -1. - <_> - 8 3 3 4 2. - 0 - 4.0594231337308884e-002 - 2.7258900925517082e-002 - -2.6374179124832153e-001 - <_> - - <_> - - - - <_> - 3 4 8 3 -1. - <_> - 7 4 4 3 2. - 0 - -4.7825898946030065e-005 - 9.3977712094783783e-002 - -3.5795810818672180e-001 - <_> - - <_> - - - - <_> - 6 2 6 4 -1. - <_> - 6 3 6 2 2. - 0 - 4.4379208236932755e-002 - -7.2088733315467834e-002 - 4.6868190169334412e-001 - <_> - - <_> - - - - <_> - 0 2 2 10 -1. - <_> - 0 7 2 5 2. - 0 - 5.8061368763446808e-003 - -3.3395549654960632e-001 - 1.0214909911155701e-001 - <_> - - <_> - - - - <_> - 8 5 3 2 -1. - <_> - 9 5 1 2 3. - 0 - 8.8028358295559883e-003 - -2.5739600881934166e-002 - 4.3644779920578003e-001 - <_> - - <_> - - - - <_> - 7 5 3 2 -1. - <_> - 8 5 1 2 3. - 0 - 9.0131545439362526e-003 - -5.1000531762838364e-002 - 5.7023537158966064e-001 - <_> - - <_> - - - - <_> - 7 0 6 4 -1. - <_> - 9 0 2 4 3. - 0 - -2.5290340185165405e-002 - -3.5979458689689636e-001 - 7.1303091943264008e-002 - <_> - - <_> - - - - <_> - 0 0 14 12 -1. - <_> - 0 0 7 6 2. - <_> - 7 6 7 6 2. - 0 - -1.9525140523910522e-001 - -4.8977100849151611e-001 - 5.6384291499853134e-002 - <_> - - <_> - - - - <_> - 11 10 2 1 -1. - <_> - 11 10 1 1 2. - 0 - -2.6473659090697765e-003 - -3.3710619807243347e-001 - 3.4158378839492798e-002 - <_> - - <_> - - - - <_> - 5 10 2 1 -1. - <_> - 6 10 1 1 2. - 0 - -3.9261409256141633e-005 - 1.5813310444355011e-001 - -2.0216089487075806e-001 - <_> - - <_> - - - - <_> - 6 8 6 3 -1. - <_> - 6 9 6 1 3. - 0 - 2.2714860737323761e-002 - -6.4444392919540405e-002 - 4.4198501110076904e-001 - <_> - - <_> - - - - <_> - 4 1 4 3 -1. - <_> - 5 2 2 3 2. - 1 - -3.9951600134372711e-002 - 3.7973031401634216e-001 - -6.2915429472923279e-002 - <_> - - <_> - - - - <_> - 6 3 12 6 -1. - <_> - 10 3 4 6 3. - 0 - -2.4356140196323395e-001 - -3.0749571323394775e-001 - 3.1852040439844131e-002 - <_> - - <_> - - - - <_> - 0 4 16 7 -1. - <_> - 8 4 8 7 2. - 0 - -4.3897500634193420e-001 - 3.9641711115837097e-001 - -6.5206609666347504e-002 - <_> - - <_> - - - - <_> - 11 10 2 1 -1. - <_> - 11 10 1 1 2. - 0 - -4.0617240301799029e-005 - 1.3962450623512268e-001 - -1.2550500035285950e-001 - <_> - - <_> - - - - <_> - 5 10 2 1 -1. - <_> - 6 10 1 1 2. - 0 - 4.3697938963305205e-005 - -1.2014800310134888e-001 - 2.5546219944953918e-001 - <_> - - <_> - - - - <_> - 0 8 18 4 -1. - <_> - 0 10 18 2 2. - 0 - 3.3634141087532043e-002 - -4.5507898926734924e-001 - 5.1609288901090622e-002 - <_> - - <_> - - - - <_> - 5 0 5 4 -1. - <_> - 5 1 5 2 2. - 0 - 3.1138129532337189e-002 - -8.3802923560142517e-002 - 2.9366040229797363e-001 - <_> - - <_> - - - - <_> - 6 11 8 1 -1. - <_> - 8 11 4 1 2. - 0 - 1.5724230557680130e-002 - 1.6777889803051949e-002 - -7.4661827087402344e-001 - <_> - - <_> - - - - <_> - 3 0 11 3 -1. - <_> - 3 1 11 1 3. - 0 - -2.2827949374914169e-002 - 3.1140440702438354e-001 - -7.4142500758171082e-002 - <_> - - <_> - - - - <_> - 6 11 8 1 -1. - <_> - 8 11 4 1 2. - 0 - 6.6454121842980385e-003 - 2.6253340765833855e-002 - -2.1291309595108032e-001 - <_> - - <_> - - - - <_> - 4 10 6 2 -1. - <_> - 6 10 2 2 3. - 0 - 1.2331400066614151e-002 - 4.0855400264263153e-002 - -5.2558171749114990e-001 - <_> - - <_> - - - - <_> - 7 0 6 4 -1. - <_> - 9 0 2 4 3. - 0 - 2.4869399145245552e-002 - 1.6519179567694664e-002 - -2.4012239277362823e-001 - <_> - - <_> - - - - <_> - 0 1 1 4 -1. - <_> - 0 3 1 2 2. - 0 - -7.0881461724638939e-003 - -3.2228660583496094e-001 - 6.2019370496273041e-002 - <_> - - <_> - - - - <_> - 6 1 6 4 -1. - <_> - 6 2 6 2 2. - 0 - -3.4650731831789017e-002 - 4.3350049853324890e-001 - -4.8822090029716492e-002 - <_> - - <_> - - - - <_> - 6 0 4 4 -1. - <_> - 7 0 2 4 2. - 0 - 7.6578720472753048e-003 - 6.4763158559799194e-002 - -3.2527589797973633e-001 - <_> - - <_> - - - - <_> - 6 4 6 3 -1. - <_> - 8 5 2 1 9. - 0 - -3.9454981684684753e-002 - 1.6538539528846741e-001 - -1.3421210646629333e-001 - <_> - - <_> - - - - <_> - 3 4 12 7 -1. - <_> - 6 4 6 7 2. - 0 - -1.9214299321174622e-001 - -3.7593689560890198e-001 - 6.3063777983188629e-002 - -1.7363870143890381e+000 - 13 - -1 - <_> - - - <_> - - <_> - - - - <_> - 4 6 4 2 -1. - <_> - 5 6 2 2 2. - 0 - 1.5497770160436630e-002 - -3.6309579014778137e-001 - 8.4555262327194214e-001 - <_> - - <_> - - - - <_> - 9 0 3 8 -1. - <_> - 9 0 3 4 2. - 1 - -2.0898319780826569e-001 - -2.8083321452140808e-001 - 1.0766410082578659e-001 - <_> - - <_> - - - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - 0 - -3.6195109132677317e-003 - 6.7817902565002441e-001 - -1.9760650396347046e-001 - <_> - - <_> - - - - <_> - 10 3 1 3 -1. - <_> - 10 4 1 1 3. - 0 - -7.8276582062244415e-003 - 5.6059402227401733e-001 - -1.3372389972209930e-001 - <_> - - <_> - - - - <_> - 6 5 3 3 -1. - <_> - 7 5 1 3 3. - 0 - 1.3660199940204620e-002 - -1.0383050143718719e-001 - 6.4858847856521606e-001 - <_> - - <_> - - - - <_> - 11 6 2 2 -1. - <_> - 12 6 1 1 2. - <_> - 11 7 1 1 2. - 0 - 3.1465899664908648e-003 - -1.2784099578857422e-001 - 4.7746801376342773e-001 - <_> - - <_> - - - - <_> - 5 6 2 2 -1. - <_> - 5 6 1 1 2. - <_> - 6 7 1 1 2. - 0 - 4.9735051579773426e-003 - -6.6067576408386230e-002 - 5.3896760940551758e-001 - <_> - - <_> - - - - <_> - 13 4 2 3 -1. - <_> - 12 5 2 1 3. - 1 - 1.8216289579868317e-002 - -8.9344531297683716e-002 - 4.2037069797515869e-001 - <_> - - <_> - - - - <_> - 4 5 3 3 -1. - <_> - 5 6 1 1 9. - 0 - -1.4441680163145065e-002 - 2.7944031357765198e-001 - -1.3541069626808167e-001 - <_> - - <_> - - - - <_> - 9 5 1 2 -1. - <_> - 9 6 1 1 2. - 0 - 3.9981860027182847e-005 - -1.3476949930191040e-001 - 1.3061609864234924e-001 - <_> - - <_> - - - - <_> - 5 6 4 2 -1. - <_> - 6 6 2 2 2. - 0 - -1.1218409985303879e-002 - 5.5477607250213623e-001 - -5.4050721228122711e-002 - <_> - - <_> - - - - <_> - 13 3 2 3 -1. - <_> - 12 4 2 1 3. - 1 - 3.8257170468568802e-002 - -2.9511810280382633e-003 - 3.5025680065155029e-001 - <_> - - <_> - - - - <_> - 5 3 3 2 -1. - <_> - 6 4 1 2 3. - 1 - -3.1136209145188332e-002 - 3.9581200480461121e-001 - -7.7712006866931915e-002 - <_> - - <_> - - - - <_> - 5 3 8 8 -1. - <_> - 9 3 4 4 2. - <_> - 5 7 4 4 2. - 0 - 5.6127890944480896e-002 - 6.5231159329414368e-002 - -4.5123818516731262e-001 - <_> - - <_> - - - - <_> - 8 5 2 2 -1. - <_> - 8 5 1 1 2. - <_> - 9 6 1 1 2. - 0 - -4.6596338506788015e-005 - 1.9990539550781250e-001 - -1.5452989935874939e-001 - <_> - - <_> - - - - <_> - 4 5 12 7 -1. - <_> - 7 5 6 7 2. - 0 - -1.2514979578554630e-002 - 4.8256270587444305e-002 - -1.9997639954090118e-001 - <_> - - <_> - - - - <_> - 0 0 12 10 -1. - <_> - 4 0 4 10 3. - 0 - 1.7952239513397217e-001 - 6.5345346927642822e-002 - -5.0162881612777710e-001 - <_> - - <_> - - - - <_> - 9 0 2 1 -1. - <_> - 9 0 1 1 2. - 0 - 4.3697938963305205e-005 - -1.4098809659481049e-001 - 1.1703769862651825e-001 - <_> - - <_> - - - - <_> - 0 0 1 12 -1. - <_> - 0 6 1 6 2. - 0 - -4.6865958720445633e-003 - -3.5993480682373047e-001 - 7.2028510272502899e-002 - <_> - - <_> - - - - <_> - 5 3 8 3 -1. - <_> - 5 4 8 1 3. - 0 - 3.5626258701086044e-002 - -6.4041122794151306e-002 - 4.4865629076957703e-001 - <_> - - <_> - - - - <_> - 5 4 3 2 -1. - <_> - 6 5 1 2 3. - 1 - 1.3676189817488194e-002 - -5.7538058608770370e-002 - 4.1195538640022278e-001 - <_> - - <_> - - - - <_> - 6 1 7 3 -1. - <_> - 6 2 7 1 3. - 0 - 2.8455330058932304e-002 - -8.2572557032108307e-002 - 3.0728879570960999e-001 - <_> - - <_> - - - - <_> - 7 0 4 2 -1. - <_> - 8 0 2 2 2. - 0 - 3.9930879138410091e-003 - 7.9742781817913055e-002 - -3.5738870501518250e-001 - <_> - - <_> - - - - <_> - 6 2 6 3 -1. - <_> - 6 3 6 1 3. - 0 - 4.0958970785140991e-002 - -6.2663957476615906e-002 - 4.1727420687675476e-001 - <_> - - <_> - - - - <_> - 1 11 6 1 -1. - <_> - 3 11 2 1 3. - 0 - -5.7679559104144573e-003 - -4.0190890431404114e-001 - 6.0980260372161865e-002 - <_> - - <_> - - - - <_> - 11 1 6 8 -1. - <_> - 13 1 2 8 3. - 0 - -1.6978530213236809e-002 - 1.5577870607376099e-001 - -1.2832540273666382e-001 - <_> - - <_> - - - - <_> - 1 1 6 8 -1. - <_> - 3 1 2 8 3. - 0 - -8.0770384520292282e-003 - 1.2041939795017242e-001 - -1.6271419823169708e-001 - <_> - - <_> - - - - <_> - 4 2 12 7 -1. - <_> - 7 2 6 7 2. - 0 - 1.8030419945716858e-002 - 3.4709710627794266e-002 - -2.6759231090545654e-001 - <_> - - <_> - - - - <_> - 4 6 4 2 -1. - <_> - 5 6 2 2 2. - 0 - 1.5382760204374790e-002 - 5.6882061064243317e-002 - -3.9767611026763916e-001 - <_> - - <_> - - - - <_> - 10 5 3 3 -1. - <_> - 11 5 1 3 3. - 0 - -9.9336765706539154e-003 - 3.6032059788703918e-001 - -6.6026233136653900e-002 - <_> - - <_> - - - - <_> - 0 10 2 2 -1. - <_> - 0 11 2 1 2. - 0 - -2.8156090993434191e-003 - -5.1109760999679565e-001 - 4.4887579977512360e-002 - <_> - - <_> - - - - <_> - 5 0 8 3 -1. - <_> - 5 1 8 1 3. - 0 - 2.9914719983935356e-002 - -7.5402297079563141e-002 - 3.0369639396667480e-001 - <_> - - <_> - - - - <_> - 0 10 16 2 -1. - <_> - 0 10 8 1 2. - <_> - 8 11 8 1 2. - 0 - -9.0450989082455635e-003 - -2.8374141454696655e-001 - 7.8973956406116486e-002 - <_> - - <_> - - - - <_> - 10 5 3 3 -1. - <_> - 11 5 1 3 3. - 0 - 1.5734959393739700e-002 - -5.7694129645824432e-002 - 5.4260098934173584e-001 - <_> - - <_> - - - - <_> - 0 11 2 1 -1. - <_> - 1 11 1 1 2. - 0 - 4.1617371607571840e-005 - -1.3004170358181000e-001 - 1.5200050175189972e-001 - <_> - - <_> - - - - <_> - 6 0 12 12 -1. - <_> - 6 0 6 12 2. - 0 - 2.3746499419212341e-001 - 1.7602339386940002e-002 - -4.4681221246719360e-001 - <_> - - <_> - - - - <_> - 0 1 16 11 -1. - <_> - 8 1 8 11 2. - 0 - -6.0572451353073120e-001 - 3.2846671342849731e-001 - -7.1565687656402588e-002 - <_> - - <_> - - - - <_> - 7 8 4 3 -1. - <_> - 7 9 4 1 3. - 0 - 1.4338710345327854e-002 - -6.4759388566017151e-002 - 3.0051338672637939e-001 - <_> - - <_> - - - - <_> - 7 7 2 3 -1. - <_> - 7 8 2 1 3. - 0 - 6.4899460412561893e-003 - -8.5719607770442963e-002 - 2.4065899848937988e-001 - <_> - - <_> - - - - <_> - 9 5 2 2 -1. - <_> - 10 5 1 1 2. - <_> - 9 6 1 1 2. - 0 - -3.9261409256141633e-005 - 9.5390006899833679e-002 - -9.0216562151908875e-002 - <_> - - <_> - - - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - 0 - -3.6325189284980297e-003 - -3.5685008764266968e-001 - 5.8603391051292419e-002 - <_> - - <_> - - - - <_> - 12 5 3 3 -1. - <_> - 11 6 3 1 3. - 1 - -3.4756339155137539e-003 - 5.5268160998821259e-002 - -8.1110060214996338e-002 - <_> - - <_> - - - - <_> - 6 5 3 3 -1. - <_> - 7 6 1 3 3. - 1 - 5.3725110774394125e-005 - -1.5239860117435455e-001 - 1.4978319406509399e-001 - <_> - - <_> - - - - <_> - 8 5 2 2 -1. - <_> - 9 5 1 1 2. - <_> - 8 6 1 1 2. - 0 - -3.9981860027182847e-005 - 1.6690729558467865e-001 - -1.3983109593391418e-001 - <_> - - <_> - - - - <_> - 7 6 3 1 -1. - <_> - 8 6 1 1 3. - 0 - 6.6550569608807564e-003 - -3.4786760807037354e-002 - 4.9454191327095032e-001 - <_> - - <_> - - - - <_> - 12 10 1 2 -1. - <_> - 12 11 1 1 2. - 0 - 3.6582579923560843e-005 - -1.8221789598464966e-001 - 7.0058353245258331e-002 - <_> - - <_> - - - - <_> - 0 9 14 1 -1. - <_> - 7 9 7 1 2. - 0 - 2.4936700239777565e-002 - -5.5899091064929962e-002 - 3.3210518956184387e-001 - <_> - - <_> - - - - <_> - 8 11 2 1 -1. - <_> - 8 11 1 1 2. - 0 - -2.2233650088310242e-003 - -4.7210049629211426e-001 - 3.9656650274991989e-002 - <_> - - <_> - - - - <_> - 4 0 6 4 -1. - <_> - 6 0 2 4 3. - 0 - 3.0253460630774498e-002 - 3.7779778242111206e-002 - -3.8744398951530457e-001 - <_> - - <_> - - - - <_> - 4 0 10 3 -1. - <_> - 4 1 10 1 3. - 0 - -2.5146869942545891e-002 - 2.5839841365814209e-001 - -6.3479728996753693e-002 - <_> - - <_> - - - - <_> - 8 1 2 1 -1. - <_> - 9 1 1 1 2. - 0 - -3.9261409256141633e-005 - 1.1035069823265076e-001 - -1.5140140056610107e-001 - <_> - - <_> - - - - <_> - 7 2 4 3 -1. - <_> - 7 3 4 1 3. - 0 - -2.5253789499402046e-002 - 4.0381500124931335e-001 - -4.1429519653320313e-002 - <_> - - <_> - - - - <_> - 0 3 1 2 -1. - <_> - 0 4 1 1 2. - 0 - -2.6092969346791506e-003 - -2.9758319258689880e-001 - 5.6268099695444107e-002 - <_> - - <_> - - - - <_> - 9 3 3 2 -1. - <_> - 10 4 1 2 3. - 1 - -5.0167189911007881e-003 - 4.0989220142364502e-002 - -9.0509623289108276e-002 - <_> - - <_> - - - - <_> - 5 7 2 1 -1. - <_> - 6 7 1 1 2. - 0 - 5.5015629186527804e-005 - -1.0549169778823853e-001 - 1.4567929506301880e-001 - <_> - - <_> - - - - <_> - 4 6 12 5 -1. - <_> - 7 6 6 5 2. - 0 - -2.1134430170059204e-001 - -3.9282271265983582e-001 - 6.5089040435850620e-003 - <_> - - <_> - - - - <_> - 2 6 12 5 -1. - <_> - 5 6 6 5 2. - 0 - 5.2607029676437378e-002 - 3.4969959408044815e-002 - -4.7080901265144348e-001 - <_> - - <_> - - - - <_> - 12 0 6 12 -1. - <_> - 14 0 2 12 3. - 0 - -2.3675639182329178e-002 - 2.1920250356197357e-001 - -1.7777769267559052e-001 - <_> - - <_> - - - - <_> - 0 9 3 3 -1. - <_> - 0 10 3 1 3. - 0 - -8.3744488656520844e-003 - -4.8220250010490417e-001 - 3.3246569335460663e-002 - <_> - - <_> - - - - <_> - 12 0 6 12 -1. - <_> - 14 0 2 12 3. - 0 - -1.8032009899616241e-001 - -5.0746428966522217e-001 - 4.7727171331644058e-003 - <_> - - <_> - - - - <_> - 0 0 6 12 -1. - <_> - 2 0 2 12 3. - 0 - -8.0522168427705765e-003 - 1.3129340112209320e-001 - -1.2621930241584778e-001 - <_> - - <_> - - - - <_> - 16 5 2 6 -1. - <_> - 16 5 1 6 2. - 0 - -1.3076379895210266e-002 - 1.8919549882411957e-001 - -5.6553479284048080e-002 - <_> - - <_> - - - - <_> - 0 5 2 6 -1. - <_> - 1 5 1 6 2. - 0 - 1.9346589222550392e-002 - -3.0950130894780159e-002 - 5.7245761156082153e-001 - <_> - - <_> - - - - <_> - 12 5 4 1 -1. - <_> - 13 5 2 1 2. - 0 - 6.9990791380405426e-003 - -3.7769541144371033e-002 - 4.1835439205169678e-001 - <_> - - <_> - - - - <_> - 9 3 4 3 -1. - <_> - 8 4 4 1 3. - 1 - -1.4297800138592720e-002 - 1.0722269862890244e-001 - -1.4301869273185730e-001 - <_> - - <_> - - - - <_> - 10 7 3 1 -1. - <_> - 11 7 1 1 3. - 0 - -5.0943519454449415e-005 - 9.8646506667137146e-002 - -8.9524149894714355e-002 - <_> - - <_> - - - - <_> - 5 6 3 3 -1. - <_> - 6 7 1 1 9. - 0 - -1.4215099625289440e-002 - 2.3867559432983398e-001 - -6.0889568179845810e-002 - <_> - - <_> - - - - <_> - 10 5 1 2 -1. - <_> - 10 6 1 1 2. - 0 - 4.4006508687743917e-005 - -1.2491259723901749e-001 - 9.6516169607639313e-002 - <_> - - <_> - - - - <_> - 0 3 1 4 -1. - <_> - 0 4 1 2 2. - 0 - 2.8896171133965254e-003 - 5.1770750433206558e-002 - -2.7633678913116455e-001 - <_> - - <_> - - - - <_> - 16 1 2 8 -1. - <_> - 14 3 2 4 2. - 1 - -1.4485709369182587e-001 - -3.9524438977241516e-001 - 1.4283739961683750e-002 - <_> - - <_> - - - - <_> - 3 6 10 6 -1. - <_> - 3 6 5 3 2. - <_> - 8 9 5 3 2. - 0 - -7.4485607445240021e-002 - -3.5406059026718140e-001 - 3.9224278181791306e-002 - <_> - - <_> - - - - <_> - 14 3 2 3 -1. - <_> - 13 4 2 1 3. - 1 - -2.4072000756859779e-002 - 2.3231640458106995e-001 - -3.2994810491800308e-002 - <_> - - <_> - - - - <_> - 5 2 3 3 -1. - <_> - 6 3 1 3 3. - 1 - 1.9683260470628738e-002 - -5.4490741342306137e-002 - 2.5256949663162231e-001 - <_> - - <_> - - - - <_> - 13 4 3 4 -1. - <_> - 13 4 3 2 2. - 1 - 1.7556510865688324e-002 - 3.3798649907112122e-002 - -1.7246970534324646e-001 - <_> - - <_> - - - - <_> - 1 4 12 6 -1. - <_> - 1 4 6 3 2. - <_> - 7 7 6 3 2. - 0 - 1.5962730348110199e-001 - 3.2824710011482239e-002 - -4.9014711380004883e-001 - <_> - - <_> - - - - <_> - 13 3 2 3 -1. - <_> - 12 4 2 1 3. - 1 - 1.5168360434472561e-002 - -3.1594321131706238e-002 - 1.3700030744075775e-001 - <_> - - <_> - - - - <_> - 5 3 3 2 -1. - <_> - 6 4 1 2 3. - 1 - -1.8054259940981865e-002 - 1.8131910264492035e-001 - -7.3166027665138245e-002 - -1.7063260078430176e+000 - 14 - -1 - <_> - - - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -5.5180639028549194e-002 - 6.9966208934783936e-001 - -3.5598480701446533e-001 - <_> - - <_> - - - - <_> - 8 3 3 3 -1. - <_> - 8 4 3 1 3. - 0 - -2.4972269311547279e-002 - 6.5660268068313599e-001 - -1.3398469984531403e-001 - <_> - - <_> - - - - <_> - 5 3 3 3 -1. - <_> - 6 4 1 3 3. - 1 - -4.5527230948209763e-002 - 5.7874792814254761e-001 - -1.2656690180301666e-001 - <_> - - <_> - - - - <_> - 9 6 3 1 -1. - <_> - 10 6 1 1 3. - 0 - -6.7877001129090786e-003 - 3.2121130824089050e-001 - -9.2314563691616058e-002 - <_> - - <_> - - - - <_> - 6 6 3 1 -1. - <_> - 7 6 1 1 3. - 0 - 1.0429969988763332e-002 - -8.6593657732009888e-002 - 6.6687929630279541e-001 - <_> - - <_> - - - - <_> - 10 4 6 6 -1. - <_> - 12 6 2 2 9. - 0 - 1.9914349913597107e-001 - -1.1814249679446220e-002 - 2.8926709294319153e-001 - <_> - - <_> - - - - <_> - 2 4 6 6 -1. - <_> - 4 6 2 2 9. - 0 - -1.3934800028800964e-001 - 2.7977100014686584e-001 - -1.1972069740295410e-001 - <_> - - <_> - - - - <_> - 8 2 4 3 -1. - <_> - 8 3 4 1 3. - 0 - -3.4900620579719543e-002 - 6.0853272676467896e-001 - -3.3297471702098846e-002 - <_> - - <_> - - - - <_> - 7 10 4 2 -1. - <_> - 8 10 2 2 2. - 0 - 4.1045788675546646e-003 - 7.4957266449928284e-002 - -5.1426941156387329e-001 - <_> - - <_> - - - - <_> - 11 5 2 4 -1. - <_> - 12 5 1 2 2. - <_> - 11 7 1 2 2. - 0 - 1.1164579540491104e-002 - -4.2139139026403427e-002 - 3.2087740302085876e-001 - <_> - - <_> - - - - <_> - 4 11 6 1 -1. - <_> - 6 11 2 1 3. - 0 - 5.9737460687756538e-003 - 5.8269631117582321e-002 - -5.2123707532882690e-001 - <_> - - <_> - - - - <_> - 11 5 2 4 -1. - <_> - 12 5 1 2 2. - <_> - 11 7 1 2 2. - 0 - -1.0200380347669125e-002 - 2.6471599936485291e-001 - -4.6848529018461704e-003 - <_> - - <_> - - - - <_> - 5 5 2 4 -1. - <_> - 5 5 1 2 2. - <_> - 6 7 1 2 2. - 0 - 6.4758108928799629e-003 - -1.0912910103797913e-001 - 3.3013060688972473e-001 - <_> - - <_> - - - - <_> - 5 5 12 4 -1. - <_> - 5 7 12 2 2. - 0 - 4.2913921177387238e-002 - -2.7027499675750732e-001 - 5.7806611061096191e-002 - <_> - - <_> - - - - <_> - 2 3 2 2 -1. - <_> - 2 3 2 1 2. - 1 - 7.2694900445640087e-003 - 6.7417383193969727e-002 - -3.9489638805389404e-001 - <_> - - <_> - - - - <_> - 7 11 6 1 -1. - <_> - 9 11 2 1 3. - 0 - 5.2788378670811653e-003 - 4.4355489313602448e-002 - -4.2548438906669617e-001 - <_> - - <_> - - - - <_> - 3 5 4 4 -1. - <_> - 3 5 2 2 2. - <_> - 5 7 2 2 2. - 0 - -2.2712450474500656e-002 - 4.3758571147918701e-001 - -5.6706890463829041e-002 - <_> - - <_> - - - - <_> - 6 10 6 2 -1. - <_> - 8 10 2 2 3. - 0 - -1.8580600619316101e-002 - -6.1528331041336060e-001 - 4.0651239454746246e-002 - <_> - - <_> - - - - <_> - 6 4 6 3 -1. - <_> - 6 5 6 1 3. - 0 - -5.2815988659858704e-002 - 3.9717459678649902e-001 - -5.5707391351461411e-002 - <_> - - <_> - - - - <_> - 17 9 1 3 -1. - <_> - 17 10 1 1 3. - 0 - 2.7739210054278374e-003 - 7.1527756750583649e-002 - -3.6739039421081543e-001 - <_> - - <_> - - - - <_> - 2 0 12 2 -1. - <_> - 8 0 6 2 2. - 0 - -2.1746100857853889e-002 - 1.3615989685058594e-001 - -1.5944430232048035e-001 - <_> - - <_> - - - - <_> - 17 9 1 3 -1. - <_> - 17 10 1 1 3. - 0 - -1.6994749894365668e-003 - -2.8949651122093201e-001 - 7.2794176638126373e-002 - <_> - - <_> - - - - <_> - 6 4 5 8 -1. - <_> - 6 6 5 4 2. - 0 - 7.4074663221836090e-002 - 3.6687631160020828e-002 - -4.8284009099006653e-001 - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -5.5314641445875168e-002 - -2.9834219813346863e-001 - 6.0024339705705643e-002 - <_> - - <_> - - - - <_> - 7 5 2 3 -1. - <_> - 6 6 2 1 3. - 1 - 4.3436840176582336e-002 - -3.6994270980358124e-002 - 6.1292910575866699e-001 - <_> - - <_> - - - - <_> - 10 5 3 2 -1. - <_> - 11 6 1 2 3. - 1 - -9.1329999268054962e-003 - 9.7552441060543060e-002 - -8.2057207822799683e-002 - <_> - - <_> - - - - <_> - 6 3 6 6 -1. - <_> - 8 5 2 2 9. - 0 - -9.7359552979469299e-002 - 1.0101430118083954e-001 - -1.9310599565505981e-001 - <_> - - <_> - - - - <_> - 10 5 3 2 -1. - <_> - 11 6 1 2 3. - 1 - 3.7818439304828644e-002 - -8.6803017184138298e-003 - 4.1474840044975281e-001 - <_> - - <_> - - - - <_> - 8 5 2 3 -1. - <_> - 7 6 2 1 3. - 1 - -2.5347029790282249e-002 - 4.2153739929199219e-001 - -4.4529590755701065e-002 - <_> - - <_> - - - - <_> - 10 11 4 1 -1. - <_> - 11 11 2 1 2. - 0 - 2.7832679916173220e-003 - 4.8425801098346710e-002 - -3.4922879934310913e-001 - <_> - - <_> - - - - <_> - 8 5 2 3 -1. - <_> - 7 6 2 1 3. - 1 - 2.3268889635801315e-002 - -6.6568560898303986e-002 - 2.6760068535804749e-001 - <_> - - <_> - - - - <_> - 11 0 4 3 -1. - <_> - 12 0 2 3 2. - 0 - 3.1013819389045238e-003 - 7.8247211873531342e-002 - -3.5030668973922729e-001 - <_> - - <_> - - - - <_> - 3 0 4 3 -1. - <_> - 4 0 2 3 2. - 0 - 1.1671819724142551e-002 - 3.1337831169366837e-002 - -4.9763050675392151e-001 - <_> - - <_> - - - - <_> - 17 0 1 10 -1. - <_> - 17 5 1 5 2. - 0 - 4.7239661216735840e-002 - 2.2004479542374611e-002 - -5.3065848350524902e-001 - <_> - - <_> - - - - <_> - 0 0 1 10 -1. - <_> - 0 5 1 5 2. - 0 - -1.4776130206882954e-002 - -3.2586520910263062e-001 - 5.5654410272836685e-002 - <_> - - <_> - - - - <_> - 2 5 15 2 -1. - <_> - 7 5 5 2 3. - 0 - -1.9921749830245972e-001 - -5.2553087472915649e-001 - 3.2468371093273163e-002 - <_> - - <_> - - - - <_> - 4 11 4 1 -1. - <_> - 5 11 2 1 2. - 0 - -4.0785730816423893e-003 - -4.8107388615608215e-001 - 2.9926039278507233e-002 - <_> - - <_> - - - - <_> - 5 9 8 3 -1. - <_> - 5 10 8 1 3. - 0 - -7.1787680499255657e-003 - 1.9346639513969421e-001 - -8.5371166467666626e-002 - <_> - - <_> - - - - <_> - 3 0 1 2 -1. - <_> - 3 0 1 1 2. - 1 - 6.9532832130789757e-003 - 4.7720771282911301e-002 - -3.3479538559913635e-001 - <_> - - <_> - - - - <_> - 9 2 3 3 -1. - <_> - 9 3 3 1 3. - 0 - -1.2821669690310955e-002 - 2.1228149533271790e-001 - -4.3001249432563782e-002 - <_> - - <_> - - - - <_> - 0 8 1 4 -1. - <_> - 0 10 1 2 2. - 0 - -4.7380151227116585e-003 - -4.9310049414634705e-001 - 3.3275339752435684e-002 - <_> - - <_> - - - - <_> - 16 1 1 9 -1. - <_> - 13 4 1 3 3. - 1 - -5.1670171320438385e-002 - 6.1839159578084946e-002 - -8.9411988854408264e-002 - <_> - - <_> - - - - <_> - 2 1 9 1 -1. - <_> - 5 4 3 1 3. - 1 - -1.2189070135354996e-001 - -5.4505228996276855e-001 - 3.2852120697498322e-002 - <_> - - <_> - - - - <_> - 14 8 4 3 -1. - <_> - 14 9 4 1 3. - 0 - -1.5401430428028107e-002 - -3.1807848811149597e-001 - 1.4967699535191059e-002 - <_> - - <_> - - - - <_> - 0 0 2 11 -1. - <_> - 1 0 1 11 2. - 0 - 3.3675070852041245e-002 - -2.7233030647039413e-002 - 5.3073042631149292e-001 - <_> - - <_> - - - - <_> - 16 6 2 6 -1. - <_> - 17 6 1 3 2. - <_> - 16 9 1 3 2. - 0 - 5.6405509822070599e-003 - -3.3072780817747116e-002 - 8.4785066545009613e-002 - <_> - - <_> - - - - <_> - 0 6 2 6 -1. - <_> - 0 6 1 3 2. - <_> - 1 9 1 3 2. - 0 - 5.1956089009763673e-005 - -2.0156539976596832e-001 - 8.2180216908454895e-002 - <_> - - <_> - - - - <_> - 8 6 3 1 -1. - <_> - 9 6 1 1 3. - 0 - -2.8447040822356939e-003 - 1.3294629752635956e-001 - -7.7659137547016144e-002 - <_> - - <_> - - - - <_> - 0 3 12 6 -1. - <_> - 4 3 4 6 3. - 0 - 1.4447699487209320e-001 - 3.8755510002374649e-002 - -3.7729701399803162e-001 - <_> - - <_> - - - - <_> - 10 5 2 4 -1. - <_> - 11 5 1 2 2. - <_> - 10 7 1 2 2. - 0 - 1.5187789686024189e-002 - -1.8020100891590118e-002 - 3.1634598970413208e-001 - <_> - - <_> - - - - <_> - 5 0 8 3 -1. - <_> - 5 1 8 1 3. - 0 - -3.1923990696668625e-002 - 2.9422530531883240e-001 - -4.8749800771474838e-002 - <_> - - <_> - - - - <_> - 8 0 5 3 -1. - <_> - 8 1 5 1 3. - 0 - 1.8610840663313866e-002 - -5.6667249649763107e-002 - 2.1379719674587250e-001 - <_> - - <_> - - - - <_> - 0 4 2 3 -1. - <_> - 0 5 2 1 3. - 0 - 4.9478588625788689e-003 - 4.7943778336048126e-002 - -3.1509420275688171e-001 - <_> - - <_> - - - - <_> - 9 0 6 4 -1. - <_> - 11 0 2 4 3. - 0 - -4.6161081641912460e-002 - -4.7610089182853699e-001 - 2.9308699071407318e-002 - <_> - - <_> - - - - <_> - 6 5 2 4 -1. - <_> - 6 5 1 2 2. - <_> - 7 7 1 2 2. - 0 - 1.1872449889779091e-002 - -3.6026339977979660e-002 - 4.1018471121788025e-001 - <_> - - <_> - - - - <_> - 17 5 1 4 -1. - <_> - 17 6 1 2 2. - 0 - -6.2818480655550957e-003 - -2.1089139580726624e-001 - 2.9605450108647346e-002 - <_> - - <_> - - - - <_> - 0 5 1 4 -1. - <_> - 0 6 1 2 2. - 0 - 3.4704189747571945e-003 - 4.0655650198459625e-002 - -3.3085140585899353e-001 - <_> - - <_> - - - - <_> - 12 3 4 3 -1. - <_> - 11 4 4 1 3. - 1 - 7.5958840548992157e-002 - 3.6941869184374809e-003 - -3.6771050095558167e-001 - <_> - - <_> - - - - <_> - 6 3 3 4 -1. - <_> - 7 4 1 4 3. - 1 - -4.2840991169214249e-002 - 2.3720830678939819e-001 - -6.0800980776548386e-002 - <_> - - <_> - - - - <_> - 13 4 1 4 -1. - <_> - 13 6 1 2 2. - 0 - -1.1817189864814281e-002 - -2.4793669581413269e-001 - 1.3696460053324699e-002 - <_> - - <_> - - - - <_> - 4 4 1 4 -1. - <_> - 4 6 1 2 2. - 0 - 1.2998480349779129e-002 - -6.2347020953893661e-002 - 2.9573059082031250e-001 - <_> - - <_> - - - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - 0 - -5.3825829178094864e-002 - 2.1070300042629242e-001 - -6.8099439144134521e-002 - <_> - - <_> - - - - <_> - 4 0 2 4 -1. - <_> - 5 0 1 4 2. - 0 - -1.0883940383791924e-002 - -4.7151368856430054e-001 - 3.1116139143705368e-002 - <_> - - <_> - - - - <_> - 6 1 6 3 -1. - <_> - 6 2 6 1 3. - 0 - -3.0772840604186058e-002 - 4.0928280353546143e-001 - -4.0188588201999664e-002 - <_> - - <_> - - - - <_> - 0 10 12 2 -1. - <_> - 6 10 6 2 2. - 0 - 2.6424789801239967e-002 - -5.2670851349830627e-002 - 2.5522339344024658e-001 - <_> - - <_> - - - - <_> - 4 1 10 4 -1. - <_> - 4 1 5 4 2. - 0 - 4.2143590748310089e-002 - -1.1854399740695953e-001 - 1.2375999987125397e-001 - <_> - - <_> - - - - <_> - 7 0 4 3 -1. - <_> - 8 0 2 3 2. - 0 - -6.8667740561068058e-003 - -3.4111011028289795e-001 - 3.9649881422519684e-002 - <_> - - <_> - - - - <_> - 12 4 1 3 -1. - <_> - 12 5 1 1 3. - 0 - -7.9784085974097252e-003 - 2.3357069492340088e-001 - -4.1538249701261520e-002 - <_> - - <_> - - - - <_> - 0 4 12 6 -1. - <_> - 0 4 6 3 2. - <_> - 6 7 6 3 2. - 0 - 1.5251199901103973e-001 - 3.2831441611051559e-002 - -3.8840961456298828e-001 - <_> - - <_> - - - - <_> - 17 7 1 3 -1. - <_> - 17 8 1 1 3. - 0 - -5.2495389245450497e-003 - -2.9752320051193237e-001 - 1.9470980390906334e-002 - <_> - - <_> - - - - <_> - 5 4 1 3 -1. - <_> - 5 5 1 1 3. - 0 - 6.6419220529496670e-003 - -3.4735631197690964e-002 - 3.4990420937538147e-001 - <_> - - <_> - - - - <_> - 13 0 4 4 -1. - <_> - 12 1 4 2 2. - 1 - 1.7110049724578857e-002 - -3.3298000693321228e-002 - 9.1474249958992004e-002 - <_> - - <_> - - - - <_> - 3 8 3 1 -1. - <_> - 4 9 1 1 3. - 1 - -9.7776986658573151e-003 - -4.3720889091491699e-001 - 2.9044499620795250e-002 - <_> - - <_> - - - - <_> - 17 0 1 3 -1. - <_> - 16 1 1 1 3. - 1 - -2.5141129735857248e-003 - 1.2397520244121552e-001 - -7.6406501233577728e-002 - <_> - - <_> - - - - <_> - 7 6 3 1 -1. - <_> - 8 6 1 1 3. - 0 - 6.4081619493663311e-003 - -3.2332200556993484e-002 - 3.6264058947563171e-001 - <_> - - <_> - - - - <_> - 5 6 8 1 -1. - <_> - 7 6 4 1 2. - 0 - -8.7686367332935333e-003 - 1.0199560225009918e-001 - -1.2560969591140747e-001 - <_> - - <_> - - - - <_> - 1 2 4 4 -1. - <_> - 1 2 2 2 2. - <_> - 3 4 2 2 2. - 0 - -6.6744568757712841e-003 - 1.0714609920978546e-001 - -1.1194419860839844e-001 - <_> - - <_> - - - - <_> - 12 3 2 1 -1. - <_> - 12 3 1 1 2. - 1 - -2.5654099881649017e-002 - 6.4865481853485107e-001 - -7.8786844387650490e-003 - <_> - - <_> - - - - <_> - 5 2 2 2 -1. - <_> - 5 2 2 1 2. - 1 - 1.9749540835618973e-002 - 3.7323061376810074e-002 - -3.4825590252876282e-001 - <_> - - <_> - - - - <_> - 12 1 6 3 -1. - <_> - 11 2 6 1 3. - 1 - -2.0802859216928482e-002 - 8.4190078079700470e-002 - -3.6445919424295425e-002 - <_> - - <_> - - - - <_> - 6 1 3 6 -1. - <_> - 7 2 1 6 3. - 1 - 2.2063199430704117e-002 - -5.9582170099020004e-002 - 2.1152189373970032e-001 - <_> - - <_> - - - - <_> - 8 10 4 2 -1. - <_> - 9 10 2 2 2. - 0 - 5.3523709066212177e-003 - 2.7724659070372581e-002 - -4.0503290295600891e-001 - <_> - - <_> - - - - <_> - 6 10 4 2 -1. - <_> - 7 10 2 2 2. - 0 - 2.5603959802538157e-003 - 5.0967320799827576e-002 - -2.6350560784339905e-001 - <_> - - <_> - - - - <_> - 12 0 4 5 -1. - <_> - 13 1 2 5 2. - 1 - -3.0307959765195847e-002 - 5.4715231060981750e-002 - -9.5685377717018127e-002 - <_> - - <_> - - - - <_> - 3 5 12 7 -1. - <_> - 7 5 4 7 3. - 0 - -2.6106768846511841e-001 - -3.2228010892868042e-001 - 3.1508989632129669e-002 - <_> - - <_> - - - - <_> - 12 5 3 4 -1. - <_> - 13 6 1 4 3. - 1 - -2.8650289401412010e-002 - 3.4172570705413818e-001 - -2.2077450528740883e-002 - <_> - - <_> - - - - <_> - 6 5 4 3 -1. - <_> - 5 6 4 1 3. - 1 - 6.1903461813926697e-002 - -1.6342630609869957e-002 - 6.5226632356643677e-001 - <_> - - <_> - - - - <_> - 5 8 8 4 -1. - <_> - 9 8 4 2 2. - <_> - 5 10 4 2 2. - 0 - -3.1047720462083817e-002 - -3.6522111296653748e-001 - 3.4920029342174530e-002 - <_> - - <_> - - - - <_> - 2 9 12 1 -1. - <_> - 8 9 6 1 2. - 0 - -3.5979911684989929e-002 - 2.1591410040855408e-001 - -5.5970121175050735e-002 - <_> - - <_> - - - - <_> - 0 11 18 1 -1. - <_> - 0 11 9 1 2. - 0 - 5.9886161237955093e-002 - 4.4573429971933365e-002 - -3.0152690410614014e-001 - <_> - - <_> - - - - <_> - 0 7 1 3 -1. - <_> - 0 8 1 1 3. - 0 - 3.9145331829786301e-003 - 3.1792480498552322e-002 - -3.2067620754241943e-001 - <_> - - <_> - - - - <_> - 14 6 1 4 -1. - <_> - 14 6 1 2 2. - 1 - -2.9716869816184044e-002 - -2.5787210464477539e-001 - 3.7697579711675644e-002 - <_> - - <_> - - - - <_> - 5 0 3 3 -1. - <_> - 4 1 3 1 3. - 1 - -2.2731749340891838e-002 - -3.6135891079902649e-001 - 2.9329940676689148e-002 - <_> - - <_> - - - - <_> - 0 0 18 12 -1. - <_> - 9 0 9 6 2. - <_> - 0 6 9 6 2. - 0 - -4.0700128674507141e-001 - -5.6401658058166504e-001 - 1.7949940636754036e-002 - <_> - - <_> - - - - <_> - 4 4 4 4 -1. - <_> - 3 5 4 2 2. - 1 - -1.9415460526943207e-002 - 1.4522629976272583e-001 - -7.1183227002620697e-002 - <_> - - <_> - - - - <_> - 14 6 1 4 -1. - <_> - 14 6 1 2 2. - 1 - -5.8602709032129496e-005 - 2.3447860032320023e-002 - -7.4233293533325195e-002 - <_> - - <_> - - - - <_> - 4 6 4 1 -1. - <_> - 4 6 2 1 2. - 1 - -4.1794691234827042e-002 - -4.3648260831832886e-001 - 3.1634360551834106e-002 - <_> - - <_> - - - - <_> - 1 10 16 1 -1. - <_> - 5 10 8 1 2. - 0 - 3.1113259494304657e-002 - -2.8742879629135132e-002 - 4.2367678880691528e-001 - <_> - - <_> - - - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - 0 - 4.9094129353761673e-003 - 2.8096439316868782e-002 - -3.5525271296501160e-001 - <_> - - <_> - - - - <_> - 2 0 16 4 -1. - <_> - 2 1 16 2 2. - 0 - 4.3127149343490601e-002 - -6.3333027064800262e-002 - 1.2167730182409286e-001 - <_> - - <_> - - - - <_> - 6 0 4 3 -1. - <_> - 6 1 4 1 3. - 0 - -6.1103478074073792e-003 - 1.5755009651184082e-001 - -6.5233632922172546e-002 - <_> - - <_> - - - - <_> - 13 1 3 1 -1. - <_> - 14 2 1 1 3. - 1 - -8.4811979904770851e-003 - -3.1289771199226379e-001 - 4.7166388481855392e-002 - <_> - - <_> - - - - <_> - 4 1 1 8 -1. - <_> - 4 3 1 4 2. - 0 - -1.6476139426231384e-002 - 1.1513979732990265e-001 - -8.6872749030590057e-002 - <_> - - <_> - - - - <_> - 0 2 18 4 -1. - <_> - 0 4 18 2 2. - 0 - -2.7051448822021484e-001 - -4.4175881147384644e-001 - 2.5920050218701363e-002 - <_> - - <_> - - - - <_> - 3 0 3 3 -1. - <_> - 4 1 1 3 3. - 1 - -3.1307939440011978e-002 - 4.0796020627021790e-001 - -2.7346299961209297e-002 - <_> - - <_> - - - - <_> - 15 2 3 3 -1. - <_> - 15 3 3 1 3. - 0 - -8.5358042269945145e-003 - -2.1038420498371124e-001 - 3.9202261716127396e-002 - <_> - - <_> - - - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - 4.6511092223227024e-003 - 4.8896100372076035e-002 - -2.0760509371757507e-001 - <_> - - <_> - - - - <_> - 16 2 2 1 -1. - <_> - 16 2 1 1 2. - 0 - -1.0118389764102176e-004 - 1.2528030574321747e-001 - -2.1875940263271332e-001 - <_> - - <_> - - - - <_> - 9 1 7 3 -1. - <_> - 8 2 7 1 3. - 1 - -2.7405759319663048e-002 - 1.5803159773349762e-001 - -7.3161102831363678e-002 - <_> - - <_> - - - - <_> - 14 5 2 2 -1. - <_> - 14 6 2 1 2. - 0 - 1.3358670286834240e-002 - -1.0327829979360104e-002 - 1.9837729632854462e-001 - <_> - - <_> - - - - <_> - 9 4 2 3 -1. - <_> - 8 5 2 1 3. - 1 - -1.6863640397787094e-002 - 1.5782469511032104e-001 - -8.3013407886028290e-002 - <_> - - <_> - - - - <_> - 10 0 6 5 -1. - <_> - 12 2 2 5 3. - 1 - -4.6753689646720886e-002 - 2.1774150431156158e-002 - -1.2496709823608398e-001 - <_> - - <_> - - - - <_> - 8 0 5 6 -1. - <_> - 6 2 5 2 3. - 1 - -2.4787309765815735e-001 - -5.5887281894683838e-001 - 1.9629070535302162e-002 - <_> - - <_> - - - - <_> - 11 5 3 2 -1. - <_> - 12 5 1 2 3. - 0 - 1.5863390639424324e-002 - -4.4667821377515793e-002 - 3.5529270768165588e-001 - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -5.4960109293460846e-002 - -2.6829180121421814e-001 - 4.8722568899393082e-002 - <_> - - <_> - - - - <_> - 16 4 2 2 -1. - <_> - 17 4 1 1 2. - <_> - 16 5 1 1 2. - 0 - -4.2794410546775907e-005 - 8.3423823118209839e-002 - -7.9932630062103271e-002 - <_> - - <_> - - - - <_> - 4 2 1 3 -1. - <_> - 3 3 1 1 3. - 1 - -1.7223030328750610e-002 - -5.3263998031616211e-001 - 1.9519500434398651e-002 - <_> - - <_> - - - - <_> - 14 0 4 2 -1. - <_> - 14 0 2 2 2. - 0 - -1.3742740266025066e-003 - 7.8433223068714142e-002 - -1.6823059320449829e-001 - <_> - - <_> - - - - <_> - 0 0 4 2 -1. - <_> - 2 0 2 2 2. - 0 - 9.1677848249673843e-003 - -5.8949600905179977e-002 - 1.9434289634227753e-001 - <_> - - <_> - - - - <_> - 1 10 17 2 -1. - <_> - 1 11 17 1 2. - 0 - -2.4254640564322472e-002 - -5.3892469406127930e-001 - 1.2915720231831074e-002 - -1.6296470165252686e+000 - 15 - -1 - <_> - - - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -6.9386109709739685e-002 - 6.7190408706665039e-001 - -2.7040511369705200e-001 - <_> - - <_> - - - - <_> - 14 5 4 3 -1. - <_> - 14 5 2 3 2. - 0 - -9.8521290346980095e-003 - 1.5782390534877777e-001 - -1.1456169933080673e-001 - <_> - - <_> - - - - <_> - 0 5 4 3 -1. - <_> - 2 5 2 3 2. - 0 - -2.3724600672721863e-002 - 3.0622988939285278e-001 - -3.1042310595512390e-001 - <_> - - <_> - - - - <_> - 7 4 11 8 -1. - <_> - 7 8 11 4 2. - 0 - 1.8008269369602203e-001 - -4.3263959884643555e-001 - 3.6715991795063019e-002 - <_> - - <_> - - - - <_> - 7 3 1 3 -1. - <_> - 7 4 1 1 3. - 0 - -7.8437011688947678e-003 - 3.9657589793205261e-001 - -1.3096019625663757e-001 - <_> - - <_> - - - - <_> - 11 6 7 6 -1. - <_> - 11 9 7 3 2. - 0 - 1.4490400254726410e-001 - 6.3096016645431519e-002 - -1.8521189689636230e-001 - <_> - - <_> - - - - <_> - 0 6 7 6 -1. - <_> - 0 9 7 3 2. - 0 - 5.7838220149278641e-002 - -4.3671241402626038e-001 - 9.5829539000988007e-002 - <_> - - <_> - - - - <_> - 6 0 6 3 -1. - <_> - 6 0 3 3 2. - 0 - 8.6507797241210938e-003 - -1.9749960303306580e-001 - 1.3382530212402344e-001 - <_> - - <_> - - - - <_> - 1 10 13 2 -1. - <_> - 1 11 13 1 2. - 0 - 4.4434559531509876e-003 - -2.8863328695297241e-001 - 8.0679617822170258e-002 - <_> - - <_> - - - - <_> - 10 4 1 3 -1. - <_> - 10 5 1 1 3. - 0 - -1.1448189616203308e-002 - 2.0668460428714752e-001 - -2.9727399349212646e-002 - <_> - - <_> - - - - <_> - 4 3 1 3 -1. - <_> - 3 4 1 1 3. - 1 - -1.5179160051047802e-002 - -5.1914721727371216e-001 - 3.8224801421165466e-002 - <_> - - <_> - - - - <_> - 9 3 3 6 -1. - <_> - 10 4 1 6 3. - 1 - -7.7604092657566071e-002 - -4.6431368589401245e-001 - 1.1916999705135822e-002 - <_> - - <_> - - - - <_> - 6 5 6 4 -1. - <_> - 8 5 2 4 3. - 0 - -1.8936419859528542e-002 - 1.1738669872283936e-001 - -1.8909810483455658e-001 - <_> - - <_> - - - - <_> - 7 0 4 4 -1. - <_> - 8 0 2 4 2. - 0 - -1.0080969892442226e-002 - -4.3171709775924683e-001 - 4.2613830417394638e-002 - <_> - - <_> - - - - <_> - 3 0 10 4 -1. - <_> - 3 1 10 2 2. - 0 - 5.0424810498952866e-002 - -8.4850631654262543e-002 - 2.1506150066852570e-001 - <_> - - <_> - - - - <_> - 0 0 18 2 -1. - <_> - 6 0 6 2 3. - 0 - -6.4389303326606750e-002 - 1.7555430531501770e-001 - -1.0601290315389633e-001 - <_> - - <_> - - - - <_> - 2 6 6 2 -1. - <_> - 4 6 2 2 3. - 0 - -2.1437110379338264e-002 - 2.1907110512256622e-001 - -8.4247410297393799e-002 - <_> - - <_> - - - - <_> - 9 0 4 3 -1. - <_> - 10 0 2 3 2. - 0 - -9.1345440596342087e-003 - -4.1084781289100647e-001 - 5.6968819350004196e-002 - <_> - - <_> - - - - <_> - 4 6 3 1 -1. - <_> - 5 6 1 1 3. - 0 - 9.5703564584255219e-003 - -5.5861141532659531e-002 - 3.6446011066436768e-001 - <_> - - <_> - - - - <_> - 14 5 4 3 -1. - <_> - 14 5 2 3 2. - 0 - 9.4563569873571396e-003 - -3.7393100559711456e-002 - 1.3930140435695648e-001 - <_> - - <_> - - - - <_> - 0 5 4 3 -1. - <_> - 2 5 2 3 2. - 0 - -2.3805219680070877e-002 - -1.5813879668712616e-001 - 1.2095350027084351e-001 - <_> - - <_> - - - - <_> - 14 8 4 4 -1. - <_> - 14 9 4 2 2. - 0 - 2.3389449343085289e-002 - 2.1982479840517044e-002 - -4.8894658684730530e-001 - <_> - - <_> - - - - <_> - 4 0 6 2 -1. - <_> - 6 0 2 2 3. - 0 - -1.4841769821941853e-002 - -4.2008030414581299e-001 - 4.2827770113945007e-002 - <_> - - <_> - - - - <_> - 14 8 4 4 -1. - <_> - 14 9 4 2 2. - 0 - -1.9951960071921349e-002 - -3.8262298703193665e-001 - 1.7620539292693138e-002 - <_> - - <_> - - - - <_> - 0 8 4 4 -1. - <_> - 0 9 4 2 2. - 0 - -5.5557182058691978e-003 - -3.3374428749084473e-001 - 4.9041308462619781e-002 - <_> - - <_> - - - - <_> - 14 9 4 3 -1. - <_> - 14 10 4 1 3. - 0 - 7.5748967938125134e-003 - 2.9259499162435532e-002 - -1.7972069978713989e-001 - <_> - - <_> - - - - <_> - 0 9 4 3 -1. - <_> - 0 10 4 1 3. - 0 - 1.0564279742538929e-002 - 3.8666039705276489e-002 - -3.8292339444160461e-001 - <_> - - <_> - - - - <_> - 10 4 1 3 -1. - <_> - 10 5 1 1 3. - 0 - 8.7607624009251595e-003 - -1.6946149989962578e-002 - 1.9596639275550842e-001 - <_> - - <_> - - - - <_> - 9 2 6 2 -1. - <_> - 11 4 2 2 3. - 1 - -8.9941717684268951e-002 - 1.3279989361763000e-001 - -1.0967929661273956e-001 - <_> - - <_> - - - - <_> - 8 0 4 6 -1. - <_> - 8 2 4 2 3. - 0 - -3.2798118889331818e-002 - 2.1123570203781128e-001 - -5.2206270396709442e-002 - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -6.9366537034511566e-002 - -3.1673339009284973e-001 - 5.1063869148492813e-002 - <_> - - <_> - - - - <_> - 10 7 2 2 -1. - <_> - 11 7 1 1 2. - <_> - 10 8 1 1 2. - 0 - 4.8841950483620167e-003 - -5.1112260669469833e-002 - 2.8360730409622192e-001 - <_> - - <_> - - - - <_> - 0 7 7 4 -1. - <_> - 0 8 7 2 2. - 0 - 3.5134568810462952e-002 - 3.0124710872769356e-002 - -4.3692100048065186e-001 - <_> - - <_> - - - - <_> - 13 2 3 1 -1. - <_> - 14 3 1 1 3. - 1 - 8.8909007608890533e-003 - 4.1621170938014984e-002 - -3.7158828973770142e-001 - <_> - - <_> - - - - <_> - 5 2 1 3 -1. - <_> - 4 3 1 1 3. - 1 - -1.5983669087290764e-002 - -5.1140671968460083e-001 - 2.4840809404850006e-002 - <_> - - <_> - - - - <_> - 12 3 4 3 -1. - <_> - 11 4 4 1 3. - 1 - -6.4470201730728149e-002 - -2.1385170519351959e-001 - 1.8365900032222271e-003 - <_> - - <_> - - - - <_> - 6 3 3 4 -1. - <_> - 7 4 1 4 3. - 1 - 3.3956471830606461e-002 - -4.1229560971260071e-002 - 3.3696550130844116e-001 - <_> - - <_> - - - - <_> - 10 4 1 3 -1. - <_> - 10 5 1 1 3. - 0 - -2.0578580442816019e-003 - 6.2026239931583405e-002 - -6.6379219293594360e-002 - <_> - - <_> - - - - <_> - 2 5 2 5 -1. - <_> - 3 5 1 5 2. - 0 - -1.9420420285314322e-003 - 7.9117313027381897e-002 - -1.9388359785079956e-001 - <_> - - <_> - - - - <_> - 5 0 10 3 -1. - <_> - 5 1 10 1 3. - 0 - -2.0667409524321556e-002 - 1.7511230707168579e-001 - -5.5765930563211441e-002 - <_> - - <_> - - - - <_> - 5 0 5 3 -1. - <_> - 5 1 5 1 3. - 0 - 1.1788690462708473e-002 - -8.2900352776050568e-002 - 1.5535129606723785e-001 - <_> - - <_> - - - - <_> - 14 0 4 3 -1. - <_> - 14 1 4 1 3. - 0 - 1.8824249505996704e-002 - 3.0222170054912567e-002 - -4.0415239334106445e-001 - <_> - - <_> - - - - <_> - 7 4 1 3 -1. - <_> - 7 5 1 1 3. - 0 - -8.3997547626495361e-003 - 2.0664639770984650e-001 - -6.2480248510837555e-002 - <_> - - <_> - - - - <_> - 6 5 6 4 -1. - <_> - 6 5 3 4 2. - 0 - 5.8516681194305420e-002 - -5.4968580603599548e-002 - 2.5411149859428406e-001 - <_> - - <_> - - - - <_> - 0 0 18 12 -1. - <_> - 9 0 9 12 2. - 0 - 2.0517799258232117e-001 - -6.1518680304288864e-002 - 2.1540619432926178e-001 - <_> - - <_> - - - - <_> - 1 10 16 2 -1. - <_> - 5 10 8 2 2. - 0 - -4.0942661464214325e-002 - 2.0580589771270752e-001 - -6.6298596560955048e-002 - <_> - - <_> - - - - <_> - 5 9 6 3 -1. - <_> - 7 9 2 3 3. - 0 - -2.0694980397820473e-002 - -3.8925689458847046e-001 - 3.6689650267362595e-002 - <_> - - <_> - - - - <_> - 12 0 3 10 -1. - <_> - 13 0 1 10 3. - 0 - 2.5016449391841888e-002 - -3.2912530004978180e-002 - 2.2270810604095459e-001 - <_> - - <_> - - - - <_> - 3 0 3 10 -1. - <_> - 4 0 1 10 3. - 0 - -3.4674070775508881e-002 - -5.1711809635162354e-001 - 2.5168089196085930e-002 - <_> - - <_> - - - - <_> - 9 6 3 2 -1. - <_> - 10 6 1 2 3. - 0 - -3.4877469297498465e-003 - 1.1860589683055878e-001 - -1.0493949800729752e-001 - <_> - - <_> - - - - <_> - 5 0 3 2 -1. - <_> - 6 0 1 2 3. - 0 - 6.0133477672934532e-003 - 3.0495999380946159e-002 - -3.5960870981216431e-001 - <_> - - <_> - - - - <_> - 9 0 6 5 -1. - <_> - 11 0 2 5 3. - 0 - 8.6038149893283844e-003 - 6.1225108802318573e-002 - -2.3886460065841675e-001 - <_> - - <_> - - - - <_> - 6 0 4 4 -1. - <_> - 7 0 2 4 2. - 0 - 7.0930928923189640e-003 - 5.0354178994894028e-002 - -2.4130879342556000e-001 - <_> - - <_> - - - - <_> - 3 0 12 2 -1. - <_> - 9 0 6 1 2. - <_> - 3 1 6 1 2. - 0 - -8.2711968570947647e-003 - 1.7760099470615387e-001 - -6.8700566887855530e-002 - <_> - - <_> - - - - <_> - 7 5 3 3 -1. - <_> - 8 5 1 3 3. - 0 - -7.6021431013941765e-003 - 1.5871450304985046e-001 - -7.1639142930507660e-002 - <_> - - <_> - - - - <_> - 9 6 3 2 -1. - <_> - 10 6 1 2 3. - 0 - -2.9862489551305771e-002 - -3.8224980235099792e-001 - 8.9862719178199768e-003 - <_> - - <_> - - - - <_> - 6 6 3 2 -1. - <_> - 7 6 1 2 3. - 0 - -6.5749119967222214e-003 - 2.2762650251388550e-001 - -6.0182739049196243e-002 - <_> - - <_> - - - - <_> - 10 5 2 3 -1. - <_> - 9 6 2 1 3. - 1 - 2.6771429926156998e-002 - -1.8169719725847244e-002 - 2.0630699396133423e-001 - <_> - - <_> - - - - <_> - 0 5 18 2 -1. - <_> - 6 5 6 2 3. - 0 - -2.6554858684539795e-001 - -4.8712089657783508e-001 - 2.7063539251685143e-002 - <_> - - <_> - - - - <_> - 11 3 4 4 -1. - <_> - 13 3 2 2 2. - <_> - 11 5 2 2 2. - 0 - -2.6141930371522903e-002 - 1.9213640689849854e-001 - -2.7676820755004883e-002 - <_> - - <_> - - - - <_> - 8 5 3 2 -1. - <_> - 9 6 1 2 3. - 1 - -3.9902370423078537e-002 - -4.2627981305122375e-001 - 2.9879650101065636e-002 - <_> - - <_> - - - - <_> - 10 8 6 2 -1. - <_> - 13 8 3 1 2. - <_> - 10 9 3 1 2. - 0 - -3.6611340474337339e-003 - 1.0172230005264282e-001 - -4.3250489979982376e-002 - <_> - - <_> - - - - <_> - 2 8 6 2 -1. - <_> - 2 8 3 1 2. - <_> - 5 9 3 1 2. - 0 - 4.8367520794272423e-003 - -6.7465707659721375e-002 - 1.9671800732612610e-001 - <_> - - <_> - - - - <_> - 8 9 6 2 -1. - <_> - 10 9 2 2 3. - 0 - -1.6790149733424187e-002 - -3.9753469824790955e-001 - 3.7431109696626663e-002 - <_> - - <_> - - - - <_> - 9 6 4 2 -1. - <_> - 9 6 4 1 2. - 1 - -1.2243920005857944e-002 - 5.5608421564102173e-002 - -2.0048050582408905e-001 - <_> - - <_> - - - - <_> - 13 2 3 3 -1. - <_> - 12 3 3 1 3. - 1 - 6.1686821281909943e-002 - -1.0107450187206268e-002 - 2.9090631008148193e-001 - <_> - - <_> - - - - <_> - 5 4 8 4 -1. - <_> - 5 4 4 2 2. - <_> - 9 6 4 2 2. - 0 - -7.1395501494407654e-002 - -6.0413521528244019e-001 - 1.9080249592661858e-002 - <_> - - <_> - - - - <_> - 13 2 3 3 -1. - <_> - 12 3 3 1 3. - 1 - 9.5230207080021501e-005 - -4.3509960174560547e-002 - 4.5345060527324677e-002 - <_> - - <_> - - - - <_> - 6 8 5 4 -1. - <_> - 6 9 5 2 2. - 0 - -1.0757230222225189e-002 - 1.9926990568637848e-001 - -5.0487600266933441e-002 - <_> - - <_> - - - - <_> - 13 4 3 1 -1. - <_> - 14 5 1 1 3. - 1 - 2.2588269785046577e-002 - -1.5318900346755981e-002 - 1.7491130530834198e-001 - <_> - - <_> - - - - <_> - 5 4 1 3 -1. - <_> - 4 5 1 1 3. - 1 - -2.1975219249725342e-002 - -4.5546808838844299e-001 - 2.2921970114111900e-002 - <_> - - <_> - - - - <_> - 13 2 3 3 -1. - <_> - 12 3 3 1 3. - 1 - -1.8598889932036400e-002 - 6.3289977610111237e-002 - -2.2360650822520256e-002 - <_> - - <_> - - - - <_> - 5 2 3 3 -1. - <_> - 6 3 1 3 3. - 1 - 4.1398629546165466e-002 - -2.9707899317145348e-002 - 3.4164550900459290e-001 - <_> - - <_> - - - - <_> - 14 0 4 3 -1. - <_> - 13 1 4 1 3. - 1 - -1.5574470162391663e-002 - 1.1719810217618942e-001 - -5.0286509096622467e-002 - <_> - - <_> - - - - <_> - 3 3 3 2 -1. - <_> - 3 4 3 1 2. - 0 - -2.9469770379364491e-003 - 9.2899397015571594e-002 - -1.4018329977989197e-001 - <_> - - <_> - - - - <_> - 4 3 14 6 -1. - <_> - 11 3 7 3 2. - <_> - 4 6 7 3 2. - 0 - 1.5679700300097466e-003 - -4.5396000146865845e-002 - 5.7984590530395508e-002 - <_> - - <_> - - - - <_> - 2 3 8 6 -1. - <_> - 2 3 4 3 2. - <_> - 6 6 4 3 2. - 0 - 1.2352210283279419e-001 - 1.8805639818310738e-002 - -5.6560719013214111e-001 - <_> - - <_> - - - - <_> - 16 4 2 3 -1. - <_> - 16 5 2 1 3. - 0 - -1.0430569818709046e-004 - 8.0288991332054138e-002 - -1.1547219753265381e-001 - <_> - - <_> - - - - <_> - 0 4 2 3 -1. - <_> - 0 5 2 1 3. - 0 - -9.7123868763446808e-003 - -3.7258410453796387e-001 - 3.0633870512247086e-002 - <_> - - <_> - - - - <_> - 12 4 2 1 -1. - <_> - 12 4 1 1 2. - 1 - -1.7766250297427177e-002 - 1.8392249941825867e-001 - -3.2872468233108521e-002 - <_> - - <_> - - - - <_> - 6 4 1 2 -1. - <_> - 6 4 1 1 2. - 1 - 1.5392260684166104e-004 - -1.1578179895877838e-001 - 9.7096182405948639e-002 - <_> - - <_> - - - - <_> - 17 4 1 3 -1. - <_> - 17 5 1 1 3. - 0 - -3.6866529844701290e-003 - -2.7469968795776367e-001 - 5.0014968961477280e-002 - <_> - - <_> - - - - <_> - 9 2 2 8 -1. - <_> - 9 2 2 4 2. - 1 - -1.6139489412307739e-001 - 1.6754530370235443e-001 - -6.5458148717880249e-002 - <_> - - <_> - - - - <_> - 2 0 16 12 -1. - <_> - 2 0 8 12 2. - 0 - -2.0767639577388763e-001 - 5.1562719047069550e-002 - -1.7276130616664886e-002 - <_> - - <_> - - - - <_> - 4 3 10 3 -1. - <_> - 4 4 10 1 3. - 0 - 3.3081259578466415e-002 - -4.6209480613470078e-002 - 2.2093529999256134e-001 - <_> - - <_> - - - - <_> - 7 3 4 3 -1. - <_> - 7 4 4 1 3. - 0 - -1.0417399927973747e-002 - 1.2907770276069641e-001 - -8.3780996501445770e-002 - <_> - - <_> - - - - <_> - 0 4 1 3 -1. - <_> - 0 5 1 1 3. - 0 - 3.3997350838035345e-003 - 3.1802389770746231e-002 - -2.9635548591613770e-001 - <_> - - <_> - - - - <_> - 13 1 5 3 -1. - <_> - 12 2 5 1 3. - 1 - -1.5930660068988800e-002 - 1.0412970185279846e-001 - -6.9342762231826782e-002 - <_> - - <_> - - - - <_> - 0 4 12 7 -1. - <_> - 4 4 4 7 3. - 0 - -2.3908320069313049e-001 - -5.0697857141494751e-001 - 2.0860239863395691e-002 - <_> - - <_> - - - - <_> - 12 4 2 2 -1. - <_> - 13 4 1 1 2. - <_> - 12 5 1 1 2. - 0 - 4.0117949247360229e-003 - -2.8569610789418221e-002 - 1.7320330440998077e-001 - <_> - - <_> - - - - <_> - 6 2 4 3 -1. - <_> - 7 2 2 3 2. - 0 - -5.7363999076187611e-003 - -1.8128049373626709e-001 - 5.3030159324407578e-002 - <_> - - <_> - - - - <_> - 12 4 2 2 -1. - <_> - 13 4 1 1 2. - <_> - 12 5 1 1 2. - 0 - -2.1724679972976446e-003 - 1.4318360388278961e-001 - -4.6536020934581757e-002 - <_> - - <_> - - - - <_> - 6 2 3 3 -1. - <_> - 6 3 3 1 3. - 0 - -1.1111910454928875e-002 - 2.0232780277729034e-001 - -4.8444561660289764e-002 - <_> - - <_> - - - - <_> - 11 4 1 2 -1. - <_> - 11 5 1 1 2. - 0 - -1.0085949907079339e-004 - 5.5502779781818390e-002 - -6.3348926603794098e-002 - <_> - - <_> - - - - <_> - 6 4 1 6 -1. - <_> - 4 6 1 2 3. - 1 - -2.1863000467419624e-002 - 1.3861429691314697e-001 - -7.0301473140716553e-002 - <_> - - <_> - - - - <_> - 4 5 14 7 -1. - <_> - 4 5 7 7 2. - 0 - 2.9870280623435974e-001 - 5.3018219769001007e-003 - -4.9552699923515320e-001 - <_> - - <_> - - - - <_> - 0 5 16 7 -1. - <_> - 8 5 8 7 2. - 0 - -2.9273781180381775e-001 - 2.2202910482883453e-001 - -5.9545800089836121e-002 - <_> - - <_> - - - - <_> - 4 11 14 1 -1. - <_> - 4 11 7 1 2. - 0 - 5.7936239987611771e-002 - 1.7134670168161392e-002 - -6.2441098690032959e-001 - <_> - - <_> - - - - <_> - 0 11 12 1 -1. - <_> - 6 11 6 1 2. - 0 - 8.2372408360242844e-003 - -6.5199822187423706e-002 - 1.7533220350742340e-001 - <_> - - <_> - - - - <_> - 15 0 2 1 -1. - <_> - 15 0 1 1 2. - 1 - 1.0964090004563332e-002 - 2.3662520572543144e-002 - -3.8045209646224976e-001 - <_> - - <_> - - - - <_> - 4 4 2 2 -1. - <_> - 4 4 1 1 2. - <_> - 5 5 1 1 2. - 0 - -1.9963670056313276e-003 - 1.6336169838905334e-001 - -6.1245940625667572e-002 - <_> - - <_> - - - - <_> - 12 3 2 2 -1. - <_> - 12 3 1 2 2. - 1 - -2.6385689154267311e-002 - 1.3814860582351685e-001 - -1.7998920753598213e-002 - <_> - - <_> - - - - <_> - 6 3 2 2 -1. - <_> - 6 3 2 1 2. - 1 - 2.4890769273042679e-002 - 2.2105880081653595e-002 - -4.3824601173400879e-001 - <_> - - <_> - - - - <_> - 7 2 5 3 -1. - <_> - 7 3 5 1 3. - 0 - 3.3625978976488113e-002 - -4.6475131064653397e-002 - 1.9136969745159149e-001 - <_> - - <_> - - - - <_> - 1 2 2 7 -1. - <_> - 2 2 1 7 2. - 0 - -2.6936049107462168e-003 - 6.9527350366115570e-002 - -1.3958020508289337e-001 - <_> - - <_> - - - - <_> - 14 0 4 2 -1. - <_> - 14 0 4 1 2. - 1 - -1.6001410782337189e-002 - 1.7003299295902252e-001 - -2.2912779822945595e-002 - <_> - - <_> - - - - <_> - 4 0 2 4 -1. - <_> - 4 0 1 4 2. - 1 - -2.2382080554962158e-002 - 2.7026671171188354e-001 - -4.0354069322347641e-002 - <_> - - <_> - - - - <_> - 11 3 5 8 -1. - <_> - 11 7 5 4 2. - 0 - -9.0552508831024170e-002 - -7.1423888206481934e-001 - 8.3871074020862579e-003 - <_> - - <_> - - - - <_> - 1 6 2 6 -1. - <_> - 1 6 1 3 2. - <_> - 2 9 1 3 2. - 0 - 1.9464749842882156e-002 - 2.0357880741357803e-002 - -5.0658088922500610e-001 - <_> - - <_> - - - - <_> - 13 1 5 3 -1. - <_> - 12 2 5 1 3. - 1 - -8.7326802313327789e-003 - 4.5126538723707199e-002 - -4.7429598867893219e-002 - <_> - - <_> - - - - <_> - 0 10 8 2 -1. - <_> - 2 10 4 2 2. - 0 - 2.2775048855692148e-003 - -1.0658310353755951e-001 - 1.0186749696731567e-001 - <_> - - <_> - - - - <_> - 13 1 5 3 -1. - <_> - 12 2 5 1 3. - 1 - 3.3961221575737000e-002 - -9.4395978376269341e-003 - 8.8545367121696472e-002 - <_> - - <_> - - - - <_> - 5 1 3 5 -1. - <_> - 6 2 1 5 3. - 1 - -3.6761499941349030e-002 - 2.4322110414505005e-001 - -4.4136319309473038e-002 - <_> - - <_> - - - - <_> - 12 3 2 2 -1. - <_> - 13 3 1 1 2. - <_> - 12 4 1 1 2. - 0 - -1.1103870201623067e-004 - 4.3608471751213074e-002 - -4.5845959335565567e-002 - <_> - - <_> - - - - <_> - 4 3 2 2 -1. - <_> - 4 3 1 1 2. - <_> - 5 4 1 1 2. - 0 - -1.0285600001225248e-004 - 9.3662150204181671e-002 - -1.0273990035057068e-001 - <_> - - <_> - - - - <_> - 14 0 3 1 -1. - <_> - 15 1 1 1 3. - 1 - 1.0630009695887566e-002 - 3.1317610293626785e-002 - -4.0388751029968262e-001 - <_> - - <_> - - - - <_> - 4 0 1 3 -1. - <_> - 3 1 1 1 3. - 1 - -1.8916089087724686e-002 - -6.6609549522399902e-001 - 1.2026290409266949e-002 - <_> - - <_> - - - - <_> - 14 1 3 6 -1. - <_> - 15 2 1 6 3. - 1 - 4.4989351183176041e-002 - -2.2083500400185585e-002 - 3.1624680757522583e-001 - <_> - - <_> - - - - <_> - 8 7 2 3 -1. - <_> - 8 8 2 1 3. - 0 - -9.3135945498943329e-003 - 2.4396809935569763e-001 - -3.4472171217203140e-002 - <_> - - <_> - - - - <_> - 13 10 2 1 -1. - <_> - 13 10 1 1 2. - 0 - -1.1829029972432181e-004 - 7.6737791299819946e-002 - -7.4983909726142883e-002 - <_> - - <_> - - - - <_> - 0 6 15 4 -1. - <_> - 0 8 15 2 2. - 0 - -3.6458101123571396e-002 - -6.8958371877670288e-001 - 1.3191980309784412e-002 - <_> - - <_> - - - - <_> - 9 11 6 1 -1. - <_> - 11 11 2 1 3. - 0 - -1.8806230509653687e-003 - 7.5947493314743042e-002 - -4.7749940305948257e-002 - <_> - - <_> - - - - <_> - 3 11 6 1 -1. - <_> - 5 11 2 1 3. - 0 - 8.1947557628154755e-003 - 2.6319609954953194e-002 - -3.6540159583091736e-001 - <_> - - <_> - - - - <_> - 8 11 4 1 -1. - <_> - 9 11 2 1 2. - 0 - -4.3926942162215710e-003 - -4.3237671256065369e-001 - 1.5065680257976055e-002 - <_> - - <_> - - - - <_> - 7 5 3 3 -1. - <_> - 8 6 1 1 9. - 0 - -2.3078089579939842e-002 - 1.3706269860267639e-001 - -6.0588121414184570e-002 - <_> - - <_> - - - - <_> - 0 4 18 4 -1. - <_> - 9 4 9 2 2. - <_> - 0 6 9 2 2. - 0 - -1.5273529291152954e-001 - -4.8930040001869202e-001 - 1.8007790669798851e-002 - <_> - - <_> - - - - <_> - 0 0 16 12 -1. - <_> - 8 0 8 12 2. - 0 - 5.0859832763671875e-001 - -1.8213309347629547e-002 - 5.0210291147232056e-001 - <_> - - <_> - - - - <_> - 2 2 16 2 -1. - <_> - 2 2 8 2 2. - 0 - 5.1210429519414902e-003 - -9.2683613300323486e-002 - 7.1713283658027649e-002 - <_> - - <_> - - - - <_> - 3 0 9 6 -1. - <_> - 3 2 9 2 3. - 0 - -1.5781129896640778e-001 - 4.0578329563140869e-001 - -2.4888839572668076e-002 - <_> - - <_> - - - - <_> - 15 0 2 1 -1. - <_> - 15 0 1 1 2. - 1 - -1.0054220445454121e-002 - -2.6102149486541748e-001 - 2.1513199433684349e-002 - <_> - - <_> - - - - <_> - 3 0 1 2 -1. - <_> - 3 0 1 1 2. - 1 - 1.0722960345447063e-002 - 2.1149590611457825e-002 - -4.4449388980865479e-001 - <_> - - <_> - - - - <_> - 17 0 1 3 -1. - <_> - 16 1 1 1 3. - 1 - -4.4461651705205441e-003 - 1.4982509613037109e-001 - -6.8097911775112152e-002 - <_> - - <_> - - - - <_> - 4 2 2 2 -1. - <_> - 4 2 1 1 2. - <_> - 5 3 1 1 2. - 0 - -1.0270509665133432e-004 - 9.1675288975238800e-002 - -9.6970669925212860e-002 - <_> - - <_> - - - - <_> - 13 0 3 3 -1. - <_> - 14 1 1 3 3. - 1 - -2.3320950567722321e-002 - -1.9236829876899719e-001 - 3.7209238857030869e-002 - <_> - - <_> - - - - <_> - 5 3 5 3 -1. - <_> - 4 4 5 1 3. - 1 - -2.6009110733866692e-002 - 1.7083279788494110e-001 - -5.8662418276071548e-002 - <_> - - <_> - - - - <_> - 12 5 6 7 -1. - <_> - 14 5 2 7 3. - 0 - -1.3390360400080681e-002 - 1.3289719820022583e-001 - -1.0905700176954269e-001 - <_> - - <_> - - - - <_> - 0 0 4 2 -1. - <_> - 2 0 2 2 2. - 0 - 1.1657520197331905e-002 - -4.7384869307279587e-002 - 1.9837440550327301e-001 - <_> - - <_> - - - - <_> - 3 1 15 1 -1. - <_> - 8 1 5 1 3. - 0 - -1.5216249972581863e-002 - 9.0810291469097137e-002 - -8.1595033407211304e-002 - <_> - - <_> - - - - <_> - 4 2 8 2 -1. - <_> - 4 2 4 1 2. - <_> - 8 3 4 1 2. - 0 - -5.0137271173298359e-003 - 1.3411369919776917e-001 - -8.9783012866973877e-002 - <_> - - <_> - - - - <_> - 10 6 2 2 -1. - <_> - 11 6 1 1 2. - <_> - 10 7 1 1 2. - 0 - -2.8997131157666445e-003 - 1.3354049623012543e-001 - -2.7490219101309776e-002 - <_> - - <_> - - - - <_> - 3 4 12 8 -1. - <_> - 3 8 12 4 2. - 0 - 4.5744711160659790e-001 - -6.3561663031578064e-002 - 1.5566839277744293e-001 - <_> - - <_> - - - - <_> - 12 5 6 6 -1. - <_> - 14 5 2 6 3. - 0 - -1.3599389791488647e-001 - -4.9014529585838318e-001 - 9.3379104509949684e-003 - <_> - - <_> - - - - <_> - 0 5 6 6 -1. - <_> - 2 5 2 6 3. - 0 - -3.2645169645547867e-002 - 1.6510139405727386e-001 - -6.5266229212284088e-002 - <_> - - <_> - - - - <_> - 10 2 6 1 -1. - <_> - 10 2 3 1 2. - 1 - 8.3665400743484497e-002 - -4.8871468752622604e-003 - 7.4069589376449585e-001 - <_> - - <_> - - - - <_> - 8 2 1 6 -1. - <_> - 8 2 1 3 2. - 1 - -6.5547451376914978e-002 - 4.9933698773384094e-001 - -1.6801070421934128e-002 - <_> - - <_> - - - - <_> - 9 5 4 2 -1. - <_> - 11 5 2 1 2. - <_> - 9 6 2 1 2. - 0 - -7.5683398172259331e-003 - 9.0739540755748749e-002 - -3.3331640064716339e-002 - <_> - - <_> - - - - <_> - 5 5 4 2 -1. - <_> - 5 5 2 1 2. - <_> - 7 6 2 1 2. - 0 - 1.2663889676332474e-002 - -3.5381950438022614e-002 - 2.8114819526672363e-001 - <_> - - <_> - - - - <_> - 13 10 2 1 -1. - <_> - 13 10 1 1 2. - 0 - 1.0308570199413225e-004 - -6.0301329940557480e-002 - 9.2195279896259308e-002 - <_> - - <_> - - - - <_> - 3 10 2 1 -1. - <_> - 4 10 1 1 2. - 0 - -8.6807813204359263e-005 - 9.1417297720909119e-002 - -1.0815770179033279e-001 - <_> - - <_> - - - - <_> - 17 4 1 6 -1. - <_> - 17 6 1 2 3. - 0 - 7.5817271135747433e-003 - 2.9872510582208633e-002 - -1.7231559753417969e-001 - <_> - - <_> - - - - <_> - 0 0 1 8 -1. - <_> - 0 4 1 4 2. - 0 - 2.0975960418581963e-002 - 4.0259808301925659e-002 - -2.1657769381999969e-001 - <_> - - <_> - - - - <_> - 16 0 2 4 -1. - <_> - 16 1 2 2 2. - 0 - 1.2732270173728466e-002 - 2.3903559893369675e-002 - -3.2514059543609619e-001 - <_> - - <_> - - - - <_> - 1 0 3 1 -1. - <_> - 2 1 1 1 3. - 1 - -8.6572989821434021e-003 - 2.0860520005226135e-001 - -4.3289590626955032e-002 - <_> - - <_> - - - - <_> - 15 2 3 3 -1. - <_> - 15 3 3 1 3. - 0 - 9.5848739147186279e-003 - 4.0576349943876266e-002 - -2.5737819075584412e-001 - <_> - - <_> - - - - <_> - 2 0 14 4 -1. - <_> - 2 1 14 2 2. - 0 - 2.6772130280733109e-002 - -8.6598917841911316e-002 - 1.0538879781961441e-001 - <_> - - <_> - - - - <_> - 6 1 6 3 -1. - <_> - 6 2 6 1 3. - 0 - -1.4040360227227211e-002 - 1.9790090620517731e-001 - -5.0357129424810410e-002 - <_> - - <_> - - - - <_> - 4 10 2 2 -1. - <_> - 4 10 1 1 2. - <_> - 5 11 1 1 2. - 0 - 9.7764357633423060e-005 - -9.0779386460781097e-002 - 9.9890656769275665e-002 - <_> - - <_> - - - - <_> - 11 0 3 3 -1. - <_> - 12 0 1 3 3. - 0 - -6.4859418198466301e-003 - -2.3571990430355072e-001 - 4.4631820172071457e-002 - <_> - - <_> - - - - <_> - 4 10 2 2 -1. - <_> - 4 10 1 1 2. - <_> - 5 11 1 1 2. - 0 - -1.1004119733115658e-004 - 1.1131180077791214e-001 - -8.0598853528499603e-002 - <_> - - <_> - - - - <_> - 12 3 3 1 -1. - <_> - 13 4 1 1 3. - 1 - 3.5401768982410431e-002 - -4.6270359307527542e-003 - 3.5879731178283691e-001 - <_> - - <_> - - - - <_> - 6 3 1 3 -1. - <_> - 5 4 1 1 3. - 1 - 3.8854090962558985e-003 - 4.6248920261859894e-002 - -1.9142200052738190e-001 - <_> - - <_> - - - - <_> - 15 2 3 3 -1. - <_> - 15 3 3 1 3. - 0 - -2.7548590674996376e-002 - -4.6502590179443359e-001 - 6.3705849461257458e-003 - <_> - - <_> - - - - <_> - 1 3 2 2 -1. - <_> - 1 3 1 1 2. - <_> - 2 4 1 1 2. - 0 - 1.2218310439493507e-004 - -6.8593278527259827e-002 - 1.2230750173330307e-001 - <_> - - <_> - - - - <_> - 15 2 3 3 -1. - <_> - 15 3 3 1 3. - 0 - -1.0193839989369735e-004 - 4.5737609267234802e-002 - -4.4129759073257446e-002 - <_> - - <_> - - - - <_> - 0 2 3 3 -1. - <_> - 0 3 3 1 3. - 0 - 1.4042990282177925e-002 - 2.5051740929484367e-002 - -3.3193638920783997e-001 - <_> - - <_> - - - - <_> - 15 3 2 2 -1. - <_> - 16 3 1 1 2. - <_> - 15 4 1 1 2. - 0 - -9.1185698693152517e-005 - 4.5867718756198883e-002 - -4.8201519995927811e-002 - <_> - - <_> - - - - <_> - 0 2 4 4 -1. - <_> - 0 3 4 2 2. - 0 - -1.3652809895575047e-002 - -2.2167709469795227e-001 - 3.6618560552597046e-002 - <_> - - <_> - - - - <_> - 14 4 3 1 -1. - <_> - 15 4 1 1 3. - 0 - -1.3016860000789165e-002 - -6.6395550966262817e-001 - 6.4530200324952602e-003 - <_> - - <_> - - - - <_> - 1 4 3 1 -1. - <_> - 2 4 1 1 3. - 0 - -3.0348210129886866e-003 - 1.9975389540195465e-001 - -4.4125560671091080e-002 - -1.5289800167083740e+000 - 16 - -1 - <_> - - - <_> - - <_> - - - - <_> - 4 7 4 1 -1. - <_> - 5 7 2 1 2. - 0 - 8.8687296956777573e-003 - -3.2520338892936707e-001 - 7.5342357158660889e-001 - <_> - - <_> - - - - <_> - 7 3 5 3 -1. - <_> - 7 4 5 1 3. - 0 - -2.8394820168614388e-002 - 5.3487628698348999e-001 - -1.6648720204830170e-001 - <_> - - <_> - - - - <_> - 9 3 4 3 -1. - <_> - 8 4 4 1 3. - 1 - -3.0085170641541481e-002 - 3.2912710309028625e-001 - -2.3674790561199188e-001 - <_> - - <_> - - - - <_> - 9 5 3 2 -1. - <_> - 10 5 1 2 3. - 0 - -8.8486373424530029e-003 - 3.1169471144676208e-001 - -1.4142170548439026e-001 - <_> - - <_> - - - - <_> - 6 5 3 3 -1. - <_> - 7 5 1 3 3. - 0 - 1.4256549999117851e-002 - -1.0750769823789597e-001 - 4.5222070813179016e-001 - <_> - - <_> - - - - <_> - 5 6 10 6 -1. - <_> - 10 6 5 3 2. - <_> - 5 9 5 3 2. - 0 - -2.0950550213456154e-002 - -1.9999259710311890e-001 - 5.3246650844812393e-002 - <_> - - <_> - - - - <_> - 4 2 8 8 -1. - <_> - 4 2 4 4 2. - <_> - 8 6 4 4 2. - 0 - -6.9642797112464905e-002 - -4.6795380115509033e-001 - 5.3968351334333420e-002 - <_> - - <_> - - - - <_> - 14 2 3 4 -1. - <_> - 13 3 3 2 2. - 1 - -6.3666269183158875e-002 - -2.7843418717384338e-001 - 1.0408580303192139e-002 - <_> - - <_> - - - - <_> - 4 2 4 3 -1. - <_> - 5 3 2 3 2. - 1 - -4.7214139252901077e-002 - 2.9560580849647522e-001 - -9.3614630401134491e-002 - <_> - - <_> - - - - <_> - 10 3 2 3 -1. - <_> - 10 4 2 1 3. - 0 - 1.4078790321946144e-002 - -4.5739430934190750e-002 - 3.3025279641151428e-001 - <_> - - <_> - - - - <_> - 5 4 3 4 -1. - <_> - 6 4 1 4 3. - 0 - -1.0570909827947617e-002 - 3.6789980530738831e-001 - -5.9032700955867767e-002 - <_> - - <_> - - - - <_> - 11 5 3 3 -1. - <_> - 12 5 1 3 3. - 0 - 1.2845669873058796e-002 - -1.1354859918355942e-001 - 3.0396461486816406e-001 - <_> - - <_> - - - - <_> - 4 7 4 1 -1. - <_> - 5 7 2 1 2. - 0 - 8.8591687381267548e-003 - 7.5328573584556580e-002 - -3.4735369682312012e-001 - <_> - - <_> - - - - <_> - 10 7 3 1 -1. - <_> - 11 7 1 1 3. - 0 - 8.7100565433502197e-003 - -2.5546409189701080e-002 - 3.1419700384140015e-001 - <_> - - <_> - - - - <_> - 1 5 4 3 -1. - <_> - 3 5 2 3 2. - 0 - -2.4336729198694229e-002 - 1.5685400366783142e-001 - -1.4091870188713074e-001 - <_> - - <_> - - - - <_> - 16 2 2 10 -1. - <_> - 16 7 2 5 2. - 0 - 2.0705789327621460e-002 - -1.3573260605335236e-001 - 9.9381998181343079e-002 - <_> - - <_> - - - - <_> - 6 3 2 3 -1. - <_> - 6 4 2 1 3. - 0 - 6.4271190203726292e-003 - -8.6527682840824127e-002 - 2.5319969654083252e-001 - <_> - - <_> - - - - <_> - 3 5 12 2 -1. - <_> - 3 6 12 1 2. - 0 - 1.4646859839558601e-002 - -1.3291080296039581e-001 - 1.4640970528125763e-001 - <_> - - <_> - - - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - 0 - -2.0743489265441895e-002 - 1.4069710671901703e-001 - -1.3886369764804840e-001 - <_> - - <_> - - - - <_> - 8 0 4 3 -1. - <_> - 9 0 2 3 2. - 0 - -9.7419740632176399e-003 - -5.1748061180114746e-001 - 4.0649030357599258e-002 - <_> - - <_> - - - - <_> - 6 0 4 3 -1. - <_> - 7 0 2 3 2. - 0 - -6.0930829495191574e-003 - -4.0435808897018433e-001 - 4.6360980719327927e-002 - <_> - - <_> - - - - <_> - 8 2 4 3 -1. - <_> - 8 3 4 1 3. - 0 - -2.5379290804266930e-002 - 3.0655589699745178e-001 - -3.5374239087104797e-002 - <_> - - <_> - - - - <_> - 2 1 8 1 -1. - <_> - 4 3 4 1 2. - 1 - -6.1475291848182678e-002 - -3.8354039192199707e-001 - 4.7201968729496002e-002 - <_> - - <_> - - - - <_> - 6 10 6 2 -1. - <_> - 8 10 2 2 3. - 0 - 1.2456119991838932e-002 - 3.3344469964504242e-002 - -4.9855390191078186e-001 - <_> - - <_> - - - - <_> - 6 7 6 3 -1. - <_> - 6 8 6 1 3. - 0 - 2.1596459671854973e-002 - -7.4448928236961365e-002 - 2.3217280209064484e-001 - <_> - - <_> - - - - <_> - 0 8 18 4 -1. - <_> - 0 10 18 2 2. - 0 - 3.2071918249130249e-002 - -3.6879450082778931e-001 - 5.1230560988187790e-002 - <_> - - <_> - - - - <_> - 5 4 3 1 -1. - <_> - 6 5 1 1 3. - 1 - -1.7727240920066833e-002 - 2.6015728712081909e-001 - -6.7504949867725372e-002 - <_> - - <_> - - - - <_> - 10 5 4 2 -1. - <_> - 12 5 2 1 2. - <_> - 10 6 2 1 2. - 0 - -1.2539019808173180e-002 - 2.1004550158977509e-001 - -2.3079540580511093e-002 - <_> - - <_> - - - - <_> - 6 4 3 3 -1. - <_> - 7 5 1 3 3. - 1 - 1.5370660461485386e-002 - -7.7269732952117920e-002 - 2.3955790698528290e-001 - <_> - - <_> - - - - <_> - 16 10 2 2 -1. - <_> - 16 11 2 1 2. - 0 - -5.0980560481548309e-003 - -4.3999078869819641e-001 - 1.7386879771947861e-002 - <_> - - <_> - - - - <_> - 0 10 2 2 -1. - <_> - 0 11 2 1 2. - 0 - -2.8011109679937363e-003 - -4.4160670042037964e-001 - 3.2729189842939377e-002 - <_> - - <_> - - - - <_> - 17 8 1 4 -1. - <_> - 17 9 1 2 2. - 0 - -1.5965040074661374e-003 - -1.4084090292453766e-001 - 4.0539931505918503e-002 - <_> - - <_> - - - - <_> - 0 8 1 4 -1. - <_> - 0 9 1 2 2. - 0 - -1.9109409768134356e-003 - -2.8206449747085571e-001 - 5.5733498185873032e-002 - <_> - - <_> - - - - <_> - 12 5 6 2 -1. - <_> - 15 5 3 1 2. - <_> - 12 6 3 1 2. - 0 - 5.7939320802688599e-002 - -1.5600599581375718e-003 - -7.8283268213272095e-001 - <_> - - <_> - - - - <_> - 0 5 6 2 -1. - <_> - 0 5 3 1 2. - <_> - 3 6 3 1 2. - 0 - -7.5398529879748821e-003 - 2.0363679528236389e-001 - -7.2035230696201324e-002 - <_> - - <_> - - - - <_> - 10 0 4 4 -1. - <_> - 11 0 2 4 2. - 0 - 4.2799189686775208e-003 - 5.1637120544910431e-002 - -2.6890641450881958e-001 - <_> - - <_> - - - - <_> - 7 6 2 2 -1. - <_> - 7 6 1 1 2. - <_> - 8 7 1 1 2. - 0 - -3.8095400668680668e-003 - 3.0433818697929382e-001 - -4.3821170926094055e-002 - <_> - - <_> - - - - <_> - 16 3 2 3 -1. - <_> - 16 4 2 1 3. - 0 - 6.6761439666152000e-003 - 4.3164499104022980e-002 - -3.7114360928535461e-001 - <_> - - <_> - - - - <_> - 3 5 4 2 -1. - <_> - 3 5 2 1 2. - <_> - 5 6 2 1 2. - 0 - -7.2293779812753201e-003 - 2.7686190605163574e-001 - -5.2161470055580139e-002 - <_> - - <_> - - - - <_> - 3 1 15 4 -1. - <_> - 3 2 15 2 2. - 0 - 4.3478921055793762e-002 - -7.0697076618671417e-002 - 1.4227619767189026e-001 - <_> - - <_> - - - - <_> - 7 1 4 3 -1. - <_> - 8 1 2 3 2. - 0 - 8.6060278117656708e-003 - 3.9228759706020355e-002 - -3.4136408567428589e-001 - <_> - - <_> - - - - <_> - 7 0 6 3 -1. - <_> - 7 1 6 1 3. - 0 - 1.6463410109281540e-002 - -7.1609079837799072e-002 - 1.5261730551719666e-001 - <_> - - <_> - - - - <_> - 0 0 13 3 -1. - <_> - 0 1 13 1 3. - 0 - -2.6798190549015999e-002 - 2.5057008862495422e-001 - -6.0030229389667511e-002 - <_> - - <_> - - - - <_> - 16 3 2 3 -1. - <_> - 16 4 2 1 3. - 0 - -1.3578269630670547e-002 - -5.7186329364776611e-001 - 2.3683719336986542e-002 - <_> - - <_> - - - - <_> - 3 2 3 2 -1. - <_> - 3 3 3 1 2. - 0 - -5.4585109464824200e-003 - 1.3189469277858734e-001 - -1.0400889813899994e-001 - <_> - - <_> - - - - <_> - 17 4 1 2 -1. - <_> - 17 5 1 1 2. - 0 - -1.0323669994249940e-004 - 8.6108498275279999e-002 - -7.8769676387310028e-002 - <_> - - <_> - - - - <_> - 0 4 1 2 -1. - <_> - 0 5 1 1 2. - 0 - -4.0363529697060585e-003 - -4.4107070565223694e-001 - 3.1886640936136246e-002 - <_> - - <_> - - - - <_> - 6 5 12 3 -1. - <_> - 9 5 6 3 2. - 0 - -2.5648690760135651e-002 - 7.3849938809871674e-002 - -9.3154169619083405e-002 - <_> - - <_> - - - - <_> - 5 9 8 3 -1. - <_> - 5 10 8 1 3. - 0 - -6.7097870633006096e-003 - 1.6499599814414978e-001 - -7.4880279600620270e-002 - <_> - - <_> - - - - <_> - 16 6 2 6 -1. - <_> - 16 6 1 6 2. - 0 - -9.9235828965902328e-003 - 1.8079340457916260e-001 - -6.5171472728252411e-002 - <_> - - <_> - - - - <_> - 4 10 3 2 -1. - <_> - 5 10 1 2 3. - 0 - -6.9562699645757675e-003 - -5.2876442670822144e-001 - 2.5368360802531242e-002 - <_> - - <_> - - - - <_> - 16 7 2 4 -1. - <_> - 16 7 1 4 2. - 0 - 8.2617141306400299e-003 - -5.0331529229879379e-002 - 2.9480621218681335e-001 - <_> - - <_> - - - - <_> - 0 6 2 6 -1. - <_> - 1 6 1 6 2. - 0 - 3.3671088516712189e-002 - -1.6121190041303635e-002 - 6.7309892177581787e-001 - <_> - - <_> - - - - <_> - 8 10 4 2 -1. - <_> - 9 10 2 2 2. - 0 - 6.3832988962531090e-003 - 2.5124080479145050e-002 - -4.9571260809898376e-001 - <_> - - <_> - - - - <_> - 4 3 6 3 -1. - <_> - 4 3 3 3 2. - 1 - 1.1697970330715179e-002 - 4.3101280927658081e-002 - -2.4264599382877350e-001 - <_> - - <_> - - - - <_> - 16 1 2 2 -1. - <_> - 16 1 1 2 2. - 1 - -1.2845739722251892e-002 - -3.6139601469039917e-001 - 4.5609131455421448e-002 - <_> - - <_> - - - - <_> - 2 1 2 2 -1. - <_> - 2 1 2 1 2. - 1 - 1.3638010248541832e-002 - 3.0973179265856743e-002 - -3.6637219786643982e-001 - <_> - - <_> - - - - <_> - 4 0 10 1 -1. - <_> - 4 0 5 1 2. - 0 - 8.9795887470245361e-003 - -1.0917530208826065e-001 - 1.0718029737472534e-001 - <_> - - <_> - - - - <_> - 1 0 16 4 -1. - <_> - 1 1 16 2 2. - 0 - -7.2535842657089233e-002 - 3.0982971191406250e-001 - -3.4692220389842987e-002 - <_> - - <_> - - - - <_> - 15 0 3 2 -1. - <_> - 16 1 1 2 3. - 1 - 1.1674970388412476e-002 - 3.3513750880956650e-002 - -2.6671060919761658e-001 - <_> - - <_> - - - - <_> - 3 0 7 2 -1. - <_> - 3 1 7 1 2. - 0 - 1.4128520153462887e-002 - -7.4317902326583862e-002 - 1.9508810341358185e-001 - <_> - - <_> - - - - <_> - 9 9 6 3 -1. - <_> - 11 9 2 3 3. - 0 - -3.2944388687610626e-002 - -3.3596301078796387e-001 - 1.2414090335369110e-002 - <_> - - <_> - - - - <_> - 3 9 6 3 -1. - <_> - 5 9 2 3 3. - 0 - 1.3753149658441544e-002 - 4.0032509714365005e-002 - -2.6519769430160522e-001 - <_> - - <_> - - - - <_> - 13 3 4 3 -1. - <_> - 12 4 4 1 3. - 1 - -3.3233430236577988e-002 - 1.6016100347042084e-001 - -2.2260909900069237e-002 - <_> - - <_> - - - - <_> - 9 0 1 2 -1. - <_> - 9 0 1 1 2. - 1 - 6.1078928411006927e-003 - -4.8795029520988464e-002 - 2.0597800612449646e-001 - <_> - - <_> - - - - <_> - 15 0 3 2 -1. - <_> - 16 1 1 2 3. - 1 - -1.0937879793345928e-002 - -2.0160789787769318e-001 - 4.1750270873308182e-002 - <_> - - <_> - - - - <_> - 3 0 2 3 -1. - <_> - 2 1 2 1 3. - 1 - -1.0795599780976772e-002 - -2.4597220122814178e-001 - 4.4583730399608612e-002 - <_> - - <_> - - - - <_> - 15 0 3 4 -1. - <_> - 14 1 3 2 2. - 1 - -1.4712370000779629e-002 - 8.2067541778087616e-002 - -4.7636579722166061e-002 - <_> - - <_> - - - - <_> - 3 0 4 3 -1. - <_> - 4 1 2 3 2. - 1 - -3.1026970595121384e-002 - 3.1423869729042053e-001 - -3.3792741596698761e-002 - <_> - - <_> - - - - <_> - 0 4 18 3 -1. - <_> - 6 4 6 3 3. - 0 - -7.8690350055694580e-002 - 5.8236971497535706e-002 - -2.0244419574737549e-001 - <_> - - <_> - - - - <_> - 0 0 12 12 -1. - <_> - 6 0 6 12 2. - 0 - 1.0032179951667786e-001 - -4.5807100832462311e-002 - 2.7768740057945251e-001 - <_> - - <_> - - - - <_> - 9 5 4 2 -1. - <_> - 11 5 2 1 2. - <_> - 9 6 2 1 2. - 0 - -4.2365980334579945e-005 - 5.0709828734397888e-002 - -7.6038338243961334e-002 - <_> - - <_> - - - - <_> - 8 8 2 3 -1. - <_> - 8 9 2 1 3. - 0 - -5.2146702073514462e-003 - 2.2490769624710083e-001 - -4.9134440720081329e-002 - <_> - - <_> - - - - <_> - 16 5 2 3 -1. - <_> - 16 6 2 1 3. - 0 - -1.0706060129450634e-004 - 6.7870803177356720e-002 - -8.7166316807270050e-002 - <_> - - <_> - - - - <_> - 5 5 2 2 -1. - <_> - 5 5 1 1 2. - <_> - 6 6 1 1 2. - 0 - -3.8535310886800289e-003 - 2.6514551043510437e-001 - -3.8151159882545471e-002 - <_> - - <_> - - - - <_> - 16 5 2 3 -1. - <_> - 16 6 2 1 3. - 0 - -6.6675869747996330e-003 - -1.8696850538253784e-001 - 3.4325890243053436e-002 - <_> - - <_> - - - - <_> - 5 4 3 3 -1. - <_> - 6 5 1 1 9. - 0 - -7.2776339948177338e-003 - 9.9364303052425385e-002 - -9.7539342939853668e-002 - <_> - - <_> - - - - <_> - 6 5 6 7 -1. - <_> - 6 5 3 7 2. - 0 - 8.5002653300762177e-002 - -4.4809039682149887e-002 - 2.5511339306831360e-001 - <_> - - <_> - - - - <_> - 1 7 12 2 -1. - <_> - 4 7 6 2 2. - 0 - 2.2640319541096687e-002 - 3.7417881190776825e-002 - -2.6542389392852783e-001 - <_> - - <_> - - - - <_> - 9 5 3 3 -1. - <_> - 10 5 1 3 3. - 0 - -1.4759110286831856e-002 - -1.4441870152950287e-001 - 2.6218270882964134e-002 - <_> - - <_> - - - - <_> - 6 5 3 3 -1. - <_> - 7 5 1 3 3. - 0 - -6.9840638898313046e-003 - 1.9986990094184875e-001 - -5.5323310196399689e-002 - <_> - - <_> - - - - <_> - 11 3 3 5 -1. - <_> - 12 3 1 5 3. - 0 - -1.2002780102193356e-002 - 2.7846589684486389e-001 - -3.5339098423719406e-002 - <_> - - <_> - - - - <_> - 0 4 12 8 -1. - <_> - 4 4 4 8 3. - 0 - -1.9566120207309723e-001 - -3.2644128799438477e-001 - 3.1533479690551758e-002 - <_> - - <_> - - - - <_> - 11 2 3 6 -1. - <_> - 12 2 1 6 3. - 0 - 2.8940979391336441e-002 - -2.4071710184216499e-002 - 2.0041519403457642e-001 - <_> - - <_> - - - - <_> - 4 2 3 6 -1. - <_> - 5 2 1 6 3. - 0 - -4.9572459829505533e-005 - 1.0405100136995316e-001 - -1.0776259750127792e-001 - <_> - - <_> - - - - <_> - 13 4 4 1 -1. - <_> - 14 5 2 1 2. - 1 - -3.3607240766286850e-003 - 9.9615901708602905e-002 - -8.3951607346534729e-002 - <_> - - <_> - - - - <_> - 6 10 3 1 -1. - <_> - 7 10 1 1 3. - 0 - -9.8188247648067772e-005 - 1.0282000154256821e-001 - -9.2874817550182343e-002 - <_> - - <_> - - - - <_> - 9 2 4 3 -1. - <_> - 10 2 2 3 2. - 0 - -1.1810559779405594e-002 - -2.9324960708618164e-001 - 3.6554131656885147e-002 - <_> - - <_> - - - - <_> - 8 2 2 3 -1. - <_> - 8 3 2 1 3. - 0 - -6.8092541769146919e-003 - 1.9611120223999023e-001 - -5.6822441518306732e-002 - <_> - - <_> - - - - <_> - 13 4 4 1 -1. - <_> - 14 5 2 1 2. - 1 - 3.2623611390590668e-002 - -9.4473883509635925e-003 - 5.0844651460647583e-001 - <_> - - <_> - - - - <_> - 5 4 1 4 -1. - <_> - 4 5 1 2 2. - 1 - -4.2930259369313717e-003 - 9.2036433517932892e-002 - -1.1842270195484161e-001 - <_> - - <_> - - - - <_> - 0 0 18 12 -1. - <_> - 0 3 18 6 2. - 0 - -8.6469340324401855e-001 - -3.9508619904518127e-001 - 2.5425970554351807e-002 - <_> - - <_> - - - - <_> - 6 2 1 3 -1. - <_> - 5 3 1 1 3. - 1 - 1.0441480204463005e-002 - 2.7400210499763489e-002 - -3.3969599008560181e-001 - <_> - - <_> - - - - <_> - 8 10 6 2 -1. - <_> - 10 10 2 2 3. - 0 - 2.1257670596241951e-002 - 1.0770229622721672e-002 - -5.4437619447708130e-001 - <_> - - <_> - - - - <_> - 3 0 2 1 -1. - <_> - 4 0 1 1 2. - 0 - 8.5998326539993286e-005 - -8.6119651794433594e-002 - 1.0474950075149536e-001 - <_> - - <_> - - - - <_> - 16 0 2 2 -1. - <_> - 16 1 2 1 2. - 0 - -1.1877079668920487e-004 - 1.3329850137233734e-001 - -2.2571019828319550e-001 - <_> - - <_> - - - - <_> - 7 4 3 3 -1. - <_> - 8 5 1 1 9. - 0 - -1.2582539580762386e-002 - 1.0203540325164795e-001 - -9.2602252960205078e-002 - <_> - - <_> - - - - <_> - 8 5 2 1 -1. - <_> - 8 5 1 1 2. - 0 - 8.5820167441852391e-005 - -1.1563900113105774e-001 - 8.9998990297317505e-002 - <_> - - <_> - - - - <_> - 5 2 4 3 -1. - <_> - 6 2 2 3 2. - 0 - 9.5666181296110153e-003 - 3.7725161761045456e-002 - -2.4878449738025665e-001 - <_> - - <_> - - - - <_> - 9 11 4 1 -1. - <_> - 10 11 2 1 2. - 0 - -5.7672890834510326e-003 - -5.6385320425033569e-001 - 1.1175219900906086e-002 - <_> - - <_> - - - - <_> - 1 0 6 10 -1. - <_> - 3 0 2 10 3. - 0 - -3.7847689818590879e-003 - 6.8087071180343628e-002 - -1.2581770122051239e-001 - <_> - - <_> - - - - <_> - 12 3 6 9 -1. - <_> - 14 6 2 3 9. - 0 - -2.5486249476671219e-002 - 5.7677350938320160e-002 - -9.9549897015094757e-002 - <_> - - <_> - - - - <_> - 0 3 6 9 -1. - <_> - 2 6 2 3 9. - 0 - 7.5713947415351868e-002 - -3.6518439650535583e-002 - 2.8699418902397156e-001 - <_> - - <_> - - - - <_> - 14 1 2 4 -1. - <_> - 13 2 2 2 2. - 1 - -9.0637598186731339e-003 - -7.7375017106533051e-002 - 4.0799569338560104e-002 - <_> - - <_> - - - - <_> - 0 4 14 4 -1. - <_> - 0 4 7 2 2. - <_> - 7 6 7 2 2. - 0 - 1.0294229723513126e-002 - -1.1247719824314117e-001 - 8.7451197206974030e-002 - <_> - - <_> - - - - <_> - 9 5 3 2 -1. - <_> - 10 6 1 2 3. - 1 - -6.5298741683363914e-003 - 7.0183053612709045e-002 - -8.9181199669837952e-002 - <_> - - <_> - - - - <_> - 0 1 8 10 -1. - <_> - 2 1 4 10 2. - 0 - -9.5547690987586975e-002 - -2.7765339612960815e-001 - 3.4830510616302490e-002 - <_> - - <_> - - - - <_> - 16 4 2 3 -1. - <_> - 16 5 2 1 3. - 0 - -1.1343659833073616e-002 - -3.5542330145835876e-001 - 2.3554539307951927e-002 - <_> - - <_> - - - - <_> - 1 1 2 2 -1. - <_> - 1 1 1 1 2. - <_> - 2 2 1 1 2. - 0 - -1.0126819688593969e-004 - 9.1516196727752686e-002 - -9.3038432300090790e-002 - <_> - - <_> - - - - <_> - 16 0 2 3 -1. - <_> - 15 1 2 1 3. - 1 - -1.8029360100626945e-002 - 1.9349269568920135e-001 - -2.5129379704594612e-002 - <_> - - <_> - - - - <_> - 2 0 3 2 -1. - <_> - 3 1 1 2 3. - 1 - -1.7232729122042656e-002 - 2.7890768647193909e-001 - -3.8710448890924454e-002 - <_> - - <_> - - - - <_> - 16 4 2 4 -1. - <_> - 16 5 2 2 2. - 0 - -1.1195029946975410e-004 - 5.0033789128065109e-002 - -8.3999648690223694e-002 - <_> - - <_> - - - - <_> - 0 4 2 4 -1. - <_> - 0 5 2 2 2. - 0 - 5.9721581637859344e-003 - 3.3347249031066895e-002 - -2.6903629302978516e-001 - <_> - - <_> - - - - <_> - 8 10 6 2 -1. - <_> - 10 10 2 2 3. - 0 - -2.3551829508505762e-004 - 6.8747326731681824e-002 - -9.7762331366539001e-002 - <_> - - <_> - - - - <_> - 0 10 18 2 -1. - <_> - 6 10 6 2 3. - 0 - 4.1608728468418121e-002 - -4.2120318859815598e-002 - 2.1496939659118652e-001 - <_> - - <_> - - - - <_> - 8 10 3 1 -1. - <_> - 9 10 1 1 3. - 0 - -3.4065970685333014e-003 - -2.2874389588832855e-001 - 1.5017420053482056e-002 - <_> - - <_> - - - - <_> - 7 10 2 1 -1. - <_> - 8 10 1 1 2. - 0 - -1.0731370275607333e-004 - 8.7367862462997437e-002 - -9.8653607070446014e-002 - <_> - - <_> - - - - <_> - 9 10 2 1 -1. - <_> - 9 10 1 1 2. - 0 - -4.6097549784462899e-005 - 9.9156707525253296e-002 - -7.0301808416843414e-002 - <_> - - <_> - - - - <_> - 7 10 2 1 -1. - <_> - 8 10 1 1 2. - 0 - 9.1741916548926383e-005 - -7.4249409139156342e-002 - 1.2826450169086456e-001 - <_> - - <_> - - - - <_> - 8 9 2 1 -1. - <_> - 8 9 1 1 2. - 0 - 1.1397949856473133e-004 - -9.6481591463088989e-002 - 9.6139311790466309e-002 - <_> - - <_> - - - - <_> - 3 8 10 4 -1. - <_> - 3 8 5 2 2. - <_> - 8 10 5 2 2. - 0 - 5.6666661053895950e-002 - 1.8062859773635864e-002 - -5.1227068901062012e-001 - <_> - - <_> - - - - <_> - 11 6 3 3 -1. - <_> - 12 7 1 3 3. - 1 - -1.8091689795255661e-002 - 1.6024060547351837e-001 - -1.6382170841097832e-002 - <_> - - <_> - - - - <_> - 7 6 3 3 -1. - <_> - 6 7 3 1 3. - 1 - 4.2913880199193954e-002 - -1.9014870747923851e-002 - 4.5053559541702271e-001 - <_> - - <_> - - - - <_> - 8 9 6 2 -1. - <_> - 10 9 2 2 3. - 0 - -1.5276740305125713e-002 - -2.7582061290740967e-001 - 2.9354600235819817e-002 - <_> - - <_> - - - - <_> - 6 9 6 1 -1. - <_> - 8 9 2 1 3. - 0 - -9.3131810426712036e-003 - -2.5190541148185730e-001 - 3.3755309879779816e-002 - <_> - - <_> - - - - <_> - 10 3 4 4 -1. - <_> - 10 5 4 2 2. - 0 - 3.0541479587554932e-002 - -3.3350829035043716e-002 - 1.2646000087261200e-001 - <_> - - <_> - - - - <_> - 0 4 18 8 -1. - <_> - 6 4 6 8 3. - 0 - -1.9827249646186829e-001 - 7.0513941347599030e-002 - -1.3399259746074677e-001 - <_> - - <_> - - - - <_> - 12 5 6 5 -1. - <_> - 14 5 2 5 3. - 0 - -2.1315490826964378e-002 - 1.2407120317220688e-001 - -9.3437470495700836e-002 - <_> - - <_> - - - - <_> - 5 5 4 2 -1. - <_> - 5 5 2 1 2. - <_> - 7 6 2 1 2. - 0 - -5.5536180734634399e-003 - 1.6640309989452362e-001 - -5.1540210843086243e-002 - <_> - - <_> - - - - <_> - 6 6 6 3 -1. - <_> - 8 7 2 1 9. - 0 - 2.9454020783305168e-002 - -4.1273329406976700e-002 - 2.5026160478591919e-001 - <_> - - <_> - - - - <_> - 0 8 2 2 -1. - <_> - 0 8 1 1 2. - <_> - 1 9 1 1 2. - 0 - 1.0502000077394769e-004 - -1.0847820341587067e-001 - 8.3983741700649261e-002 - <_> - - <_> - - - - <_> - 16 8 2 2 -1. - <_> - 17 8 1 1 2. - <_> - 16 9 1 1 2. - 0 - -1.0733069939306006e-004 - 8.3531558513641357e-002 - -5.6373700499534607e-002 - <_> - - <_> - - - - <_> - 0 8 2 2 -1. - <_> - 0 8 1 1 2. - <_> - 1 9 1 1 2. - 0 - -4.6264020056696609e-005 - 1.3745079934597015e-001 - -6.8600043654441833e-002 - <_> - - <_> - - - - <_> - 12 0 3 2 -1. - <_> - 13 1 1 2 3. - 1 - -1.5310499817132950e-002 - -1.9469089806079865e-001 - 2.8970900923013687e-002 - <_> - - <_> - - - - <_> - 0 8 18 4 -1. - <_> - 0 10 18 2 2. - 0 - -3.3486049622297287e-002 - -6.2618911266326904e-001 - 1.2297869659960270e-002 - <_> - - <_> - - - - <_> - 6 6 10 6 -1. - <_> - 11 6 5 3 2. - <_> - 6 9 5 3 2. - 0 - -1.1582080274820328e-001 - -4.2694661021232605e-001 - 1.9071470014750957e-003 - <_> - - <_> - - - - <_> - 4 3 4 4 -1. - <_> - 4 5 4 2 2. - 0 - 3.2180320471525192e-002 - -3.6031588912010193e-002 - 2.1900460124015808e-001 - <_> - - <_> - - - - <_> - 12 3 2 2 -1. - <_> - 12 3 1 2 2. - 1 - 9.9619124084711075e-003 - -2.2418439388275146e-002 - 8.1508889794349670e-002 - <_> - - <_> - - - - <_> - 6 0 2 3 -1. - <_> - 5 1 2 1 3. - 1 - -2.3083880543708801e-002 - -4.9076971411705017e-001 - 1.7307329922914505e-002 - <_> - - <_> - - - - <_> - 16 2 2 1 -1. - <_> - 16 2 1 1 2. - 0 - -1.1683529737638310e-004 - 1.0331380367279053e-001 - -2.0561179518699646e-001 - <_> - - <_> - - - - <_> - 1 0 16 2 -1. - <_> - 1 0 8 1 2. - <_> - 9 1 8 1 2. - 0 - 7.8267622739076614e-003 - -6.6107340157032013e-002 - 1.5025080740451813e-001 - <_> - - <_> - - - - <_> - 16 2 2 1 -1. - <_> - 16 2 1 1 2. - 0 - -6.3460809178650379e-003 - -3.0913439393043518e-001 - 1.4155699871480465e-002 - <_> - - <_> - - - - <_> - 0 2 2 1 -1. - <_> - 1 2 1 1 2. - 0 - 2.0096169319003820e-003 - -4.6867091208696365e-002 - 2.0841519534587860e-001 - <_> - - <_> - - - - <_> - 12 4 2 1 -1. - <_> - 12 4 1 1 2. - 1 - -3.3369109034538269e-002 - 4.1900089383125305e-001 - -3.8494879845529795e-003 - <_> - - <_> - - - - <_> - 6 4 1 2 -1. - <_> - 6 4 1 1 2. - 1 - -2.6893829926848412e-003 - -1.3875140249729156e-001 - 6.3448376953601837e-002 - -1.5681409835815430e+000 - 17 - -1 - <_> - - - <_> - - <_> - - - - <_> - 7 5 2 3 -1. - <_> - 6 6 2 1 3. - 1 - 3.3631179481744766e-002 - -2.7505779266357422e-001 - 7.1009528636932373e-001 - <_> - - <_> - - - - <_> - 8 1 9 9 -1. - <_> - 8 4 9 3 3. - 0 - -1.2867219746112823e-001 - 1.1402829736471176e-001 - -2.5071978569030762e-001 - <_> - - <_> - - - - <_> - 5 1 9 1 -1. - <_> - 8 4 3 1 3. - 1 - 1.8553440272808075e-001 - -7.1051809936761856e-004 - -2.0411979980468750e+003 - <_> - - <_> - - - - <_> - 8 5 4 2 -1. - <_> - 10 5 2 1 2. - <_> - 8 6 2 1 2. - 0 - -1.0022269561886787e-002 - 3.6850100755691528e-001 - -1.1276180297136307e-001 - <_> - - <_> - - - - <_> - 5 2 4 4 -1. - <_> - 6 3 2 4 2. - 1 - -4.8808779567480087e-002 - 3.3759531378746033e-001 - -2.0759710669517517e-001 - <_> - - <_> - - - - <_> - 12 5 3 2 -1. - <_> - 13 6 1 2 3. - 1 - 2.6742409914731979e-002 - -1.8537110090255737e-001 - 2.4919350445270538e-001 - <_> - - <_> - - - - <_> - 6 5 2 3 -1. - <_> - 5 6 2 1 3. - 1 - -1.0245149955153465e-002 - 2.5566178560256958e-001 - -1.6401439905166626e-001 - <_> - - <_> - - - - <_> - 15 2 3 10 -1. - <_> - 15 7 3 5 2. - 0 - 2.8364270925521851e-002 - -1.3210600614547729e-001 - 1.0085999965667725e-001 - <_> - - <_> - - - - <_> - 9 2 5 3 -1. - <_> - 8 3 5 1 3. - 1 - -1.9492400810122490e-002 - 1.1866439878940582e-001 - -2.2919100522994995e-001 - <_> - - <_> - - - - <_> - 16 2 2 10 -1. - <_> - 16 7 2 5 2. - 0 - 6.5401881933212280e-002 - 3.9086669683456421e-002 - -4.4828139245510101e-002 - <_> - - <_> - - - - <_> - 0 2 2 10 -1. - <_> - 0 7 2 5 2. - 0 - 9.7863655537366867e-003 - -2.8531849384307861e-001 - 9.7677417099475861e-002 - <_> - - <_> - - - - <_> - 1 0 16 9 -1. - <_> - 5 0 8 9 2. - 0 - -5.3927909582853317e-002 - 9.3449726700782776e-002 - -2.7780878543853760e-001 - <_> - - <_> - - - - <_> - 9 0 1 2 -1. - <_> - 9 0 1 1 2. - 1 - -4.8246569931507111e-003 - 2.2555319964885712e-001 - -1.0125789791345596e-001 - <_> - - <_> - - - - <_> - 5 4 8 2 -1. - <_> - 5 5 8 1 2. - 0 - 1.5018019825220108e-002 - -8.2751229405403137e-002 - 2.6553609967231750e-001 - <_> - - <_> - - - - <_> - 2 4 6 2 -1. - <_> - 2 4 3 1 2. - <_> - 5 5 3 1 2. - 0 - -9.9249351769685745e-003 - 2.6004979014396667e-001 - -9.1353721916675568e-002 - <_> - - <_> - - - - <_> - 16 4 2 6 -1. - <_> - 16 4 1 6 2. - 0 - -6.5024420619010925e-003 - 9.9367111921310425e-002 - -7.1672402322292328e-002 - <_> - - <_> - - - - <_> - 0 4 2 6 -1. - <_> - 1 4 1 6 2. - 0 - -3.4381379373371601e-003 - 1.2497270107269287e-001 - -1.8109659850597382e-001 - <_> - - <_> - - - - <_> - 10 6 4 1 -1. - <_> - 11 6 2 1 2. - 0 - -6.3433339819312096e-003 - 3.7100249528884888e-001 - -5.0013199448585510e-002 - <_> - - <_> - - - - <_> - 0 8 18 4 -1. - <_> - 0 10 18 2 2. - 0 - 2.4360060691833496e-002 - -3.6683601140975952e-001 - 5.0595879554748535e-002 - <_> - - <_> - - - - <_> - 9 0 4 4 -1. - <_> - 10 0 2 4 2. - 0 - 8.0591458827257156e-003 - 3.8355801254510880e-002 - -3.9722838997840881e-001 - <_> - - <_> - - - - <_> - 6 6 2 2 -1. - <_> - 6 6 1 1 2. - <_> - 7 7 1 1 2. - 0 - -4.4672801159322262e-003 - 2.8062960505485535e-001 - -5.8162041008472443e-002 - <_> - - <_> - - - - <_> - 11 5 3 2 -1. - <_> - 12 6 1 2 3. - 1 - 3.4330900758504868e-002 - -3.9409149438142776e-002 - 2.3248769342899323e-001 - <_> - - <_> - - - - <_> - 7 5 2 3 -1. - <_> - 6 6 2 1 3. - 1 - 3.3590178936719894e-002 - 5.8214940130710602e-002 - -3.7649789452552795e-001 - <_> - - <_> - - - - <_> - 9 4 3 2 -1. - <_> - 10 5 1 2 3. - 1 - -4.8359300941228867e-002 - -3.1998670101165771e-001 - 3.7257380783557892e-002 - <_> - - <_> - - - - <_> - 9 4 2 3 -1. - <_> - 8 5 2 1 3. - 1 - -1.6094490885734558e-002 - 1.6750979423522949e-001 - -1.1763060092926025e-001 - <_> - - <_> - - - - <_> - 15 8 3 3 -1. - <_> - 15 9 3 1 3. - 0 - 1.2275910004973412e-002 - 1.5325929969549179e-002 - -2.7663159370422363e-001 - <_> - - <_> - - - - <_> - 0 8 3 3 -1. - <_> - 0 9 3 1 3. - 0 - 9.4588464125990868e-003 - 4.2470309883356094e-002 - -3.5148349404335022e-001 - <_> - - <_> - - - - <_> - 11 6 2 2 -1. - <_> - 12 6 1 1 2. - <_> - 11 7 1 1 2. - 0 - 5.2011879161000252e-003 - -4.8598669469356537e-002 - 2.2258450090885162e-001 - <_> - - <_> - - - - <_> - 3 0 6 5 -1. - <_> - 5 0 2 5 3. - 0 - -3.6433428525924683e-002 - -4.5761460065841675e-001 - 2.9529940336942673e-002 - <_> - - <_> - - - - <_> - 11 6 2 2 -1. - <_> - 12 6 1 1 2. - <_> - 11 7 1 1 2. - 0 - -3.7194520700722933e-003 - 2.8547590970993042e-001 - -3.9135500788688660e-002 - <_> - - <_> - - - - <_> - 5 6 2 2 -1. - <_> - 5 6 1 1 2. - <_> - 6 7 1 1 2. - 0 - -2.4795390199869871e-003 - 2.2883270680904388e-001 - -6.0576260089874268e-002 - <_> - - <_> - - - - <_> - 17 6 1 3 -1. - <_> - 17 7 1 1 3. - 0 - -5.4941270500421524e-003 - -3.0932080745697021e-001 - 2.9831670224666595e-002 - <_> - - <_> - - - - <_> - 4 5 1 2 -1. - <_> - 4 6 1 1 2. - 0 - 4.2734388262033463e-003 - -5.9098191559314728e-002 - 2.2960080206394196e-001 - <_> - - <_> - - - - <_> - 17 6 1 3 -1. - <_> - 17 7 1 1 3. - 0 - 2.8899749740958214e-003 - 3.2622959464788437e-002 - -2.0528559386730194e-001 - <_> - - <_> - - - - <_> - 1 3 10 2 -1. - <_> - 1 3 5 1 2. - <_> - 6 4 5 1 2. - 0 - -2.1825909614562988e-002 - 1.9279049336910248e-001 - -7.3136076331138611e-002 - <_> - - <_> - - - - <_> - 9 3 3 2 -1. - <_> - 9 4 3 1 2. - 0 - 1.3574689626693726e-002 - -1.6170579940080643e-002 - 2.6534038782119751e-001 - <_> - - <_> - - - - <_> - 0 6 1 3 -1. - <_> - 0 7 1 1 3. - 0 - 4.0199640206992626e-003 - 3.2929629087448120e-002 - -4.1653159260749817e-001 - <_> - - <_> - - - - <_> - 15 0 3 4 -1. - <_> - 16 1 1 4 3. - 1 - -3.7281829863786697e-002 - -2.7529978752136230e-001 - 2.0595779642462730e-002 - <_> - - <_> - - - - <_> - 0 1 16 1 -1. - <_> - 4 1 8 1 2. - 0 - 2.8378039598464966e-002 - -5.6658681482076645e-002 - 2.2680400311946869e-001 - <_> - - <_> - - - - <_> - 7 0 4 4 -1. - <_> - 7 1 4 2 2. - 0 - -1.8549919128417969e-002 - 2.8250589966773987e-001 - -5.3727861493825912e-002 - <_> - - <_> - - - - <_> - 3 0 4 3 -1. - <_> - 4 0 2 3 2. - 0 - 8.8881962001323700e-003 - 4.3956100940704346e-002 - -3.6961129307746887e-001 - <_> - - <_> - - - - <_> - 8 10 4 2 -1. - <_> - 9 10 2 2 2. - 0 - -6.3639208674430847e-003 - -3.8934838771820068e-001 - 1.6238860785961151e-002 - <_> - - <_> - - - - <_> - 3 4 8 6 -1. - <_> - 5 4 4 6 2. - 0 - -2.3416770622134209e-002 - -1.8020549416542053e-001 - 6.5479606389999390e-002 - <_> - - <_> - - - - <_> - 10 6 3 1 -1. - <_> - 11 6 1 1 3. - 0 - -2.0741058979183435e-003 - 1.5390050411224365e-001 - -8.0369636416435242e-002 - <_> - - <_> - - - - <_> - 2 4 12 8 -1. - <_> - 5 4 6 8 2. - 0 - -3.9896711707115173e-002 - 8.4819942712783813e-002 - -1.8152259290218353e-001 - <_> - - <_> - - - - <_> - 4 2 14 9 -1. - <_> - 4 2 7 9 2. - 0 - -5.8487498760223389e-001 - -5.4407620429992676e-001 - -2.0537020172923803e-003 - <_> - - <_> - - - - <_> - 2 3 12 9 -1. - <_> - 8 3 6 9 2. - 0 - 1.8590870499610901e-001 - -3.4733101725578308e-002 - 3.7966889142990112e-001 - <_> - - <_> - - - - <_> - 3 1 12 3 -1. - <_> - 3 1 6 3 2. - 0 - 4.4944491237401962e-002 - -1.0628589987754822e-001 - 1.2806500494480133e-001 - <_> - - <_> - - - - <_> - 6 2 3 3 -1. - <_> - 6 3 3 1 3. - 0 - -2.2796489298343658e-002 - 3.6542838811874390e-001 - -4.0509790182113647e-002 - <_> - - <_> - - - - <_> - 8 1 6 2 -1. - <_> - 10 1 2 2 3. - 0 - -2.6358839124441147e-002 - -5.2112942934036255e-001 - 3.0187880620360374e-002 - <_> - - <_> - - - - <_> - 5 6 3 1 -1. - <_> - 6 6 1 1 3. - 0 - -2.3396210744976997e-003 - 1.8814109265804291e-001 - -7.4049197137355804e-002 - <_> - - <_> - - - - <_> - 15 8 1 4 -1. - <_> - 15 9 1 2 2. - 0 - -1.2243230594322085e-004 - 5.7484649121761322e-002 - -3.9915520697832108e-002 - <_> - - <_> - - - - <_> - 2 8 1 4 -1. - <_> - 2 9 1 2 2. - 0 - 1.1718519817804918e-004 - -1.4954920113086700e-001 - 8.1642888486385345e-002 - <_> - - <_> - - - - <_> - 15 10 1 2 -1. - <_> - 15 11 1 1 2. - 0 - 4.4519607909023762e-003 - 1.6601830720901489e-002 - -1.5385159850120544e-001 - <_> - - <_> - - - - <_> - 2 10 1 2 -1. - <_> - 2 11 1 1 2. - 0 - 1.0932450095424429e-004 - -1.7002880573272705e-001 - 8.5956446826457977e-002 - <_> - - <_> - - - - <_> - 6 2 6 6 -1. - <_> - 8 4 2 2 9. - 0 - -8.5179023444652557e-002 - 8.5408963263034821e-002 - -1.3447010517120361e-001 - <_> - - <_> - - - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - 0 - -5.0164520740509033e-002 - 1.8779170513153076e-001 - -6.7191623151302338e-002 - <_> - - <_> - - - - <_> - 6 0 6 3 -1. - <_> - 8 0 2 3 3. - 0 - -3.1386420130729675e-002 - -6.1028450727462769e-001 - 1.9187970086932182e-002 - <_> - - <_> - - - - <_> - 2 8 2 2 -1. - <_> - 2 8 2 1 2. - 1 - 1.9179229857400060e-003 - -5.8911509811878204e-002 - 2.1525830030441284e-001 - <_> - - <_> - - - - <_> - 9 10 6 2 -1. - <_> - 11 10 2 2 3. - 0 - 2.4344459176063538e-002 - 1.1284279637038708e-002 - -3.6955431103706360e-001 - <_> - - <_> - - - - <_> - 6 9 5 2 -1. - <_> - 6 10 5 1 2. - 0 - -7.3110237717628479e-003 - 3.1973779201507568e-001 - -3.3365249633789063e-002 - <_> - - <_> - - - - <_> - 9 10 6 2 -1. - <_> - 11 10 2 2 3. - 0 - -2.2101389244198799e-002 - -2.7678531408309937e-001 - 1.2874299660325050e-002 - <_> - - <_> - - - - <_> - 3 10 6 2 -1. - <_> - 5 10 2 2 3. - 0 - -2.0385779440402985e-002 - -5.1266109943389893e-001 - 2.0121119916439056e-002 - <_> - - <_> - - - - <_> - 16 1 1 9 -1. - <_> - 13 4 1 3 3. - 1 - -1.1750890314579010e-001 - -1.9588080048561096e-001 - 2.0088920369744301e-002 - <_> - - <_> - - - - <_> - 6 2 1 3 -1. - <_> - 5 3 1 1 3. - 1 - -1.2457219883799553e-002 - -3.6020371317863464e-001 - 2.8396470472216606e-002 - <_> - - <_> - - - - <_> - 9 1 2 3 -1. - <_> - 9 2 2 1 3. - 0 - -6.5784770995378494e-003 - 1.8908539414405823e-001 - -4.3369468301534653e-002 - <_> - - <_> - - - - <_> - 0 2 18 4 -1. - <_> - 0 2 9 2 2. - <_> - 9 4 9 2 2. - 0 - 1.3688610494136810e-001 - 1.9999820739030838e-002 - -5.4874652624130249e-001 - <_> - - <_> - - - - <_> - 15 3 3 4 -1. - <_> - 15 4 3 2 2. - 0 - -2.8810320422053337e-002 - -5.5651491880416870e-001 - 1.0983499698340893e-002 - <_> - - <_> - - - - <_> - 0 3 3 4 -1. - <_> - 0 4 3 2 2. - 0 - 1.5747509896755219e-002 - 2.4598199874162674e-002 - -4.0236338973045349e-001 - <_> - - <_> - - - - <_> - 10 4 2 2 -1. - <_> - 11 4 1 1 2. - <_> - 10 5 1 1 2. - 0 - -7.6313503086566925e-005 - 5.5196251720190048e-002 - -8.7640739977359772e-002 - <_> - - <_> - - - - <_> - 4 4 3 4 -1. - <_> - 5 4 1 4 3. - 0 - -5.6491168215870857e-003 - 1.4749449491500854e-001 - -6.3069596886634827e-002 - <_> - - <_> - - - - <_> - 16 1 1 9 -1. - <_> - 13 4 1 3 3. - 1 - -1.7864599823951721e-001 - -7.5675052404403687e-001 - 3.4561890643090010e-003 - <_> - - <_> - - - - <_> - 2 1 9 1 -1. - <_> - 5 4 3 1 3. - 1 - -1.1177310347557068e-001 - -3.3842530846595764e-001 - 2.9908629134297371e-002 - <_> - - <_> - - - - <_> - 12 1 6 4 -1. - <_> - 15 1 3 2 2. - <_> - 12 3 3 2 2. - 0 - 1.7611680552363396e-002 - -2.5893269106745720e-002 - 1.0236769914627075e-001 - <_> - - <_> - - - - <_> - 1 0 14 4 -1. - <_> - 1 1 14 2 2. - 0 - 2.5229709222912788e-002 - -1.0067760199308395e-001 - 1.1171419918537140e-001 - <_> - - <_> - - - - <_> - 12 0 4 9 -1. - <_> - 13 0 2 9 2. - 0 - -7.2196209803223610e-003 - 1.3222789764404297e-001 - -1.1153940111398697e-001 - <_> - - <_> - - - - <_> - 0 10 3 2 -1. - <_> - 0 11 3 1 2. - 0 - -7.0246332325041294e-003 - -6.2780529260635376e-001 - 1.3513820245862007e-002 - <_> - - <_> - - - - <_> - 3 4 12 4 -1. - <_> - 6 4 6 4 2. - 0 - 5.8054771274328232e-002 - 1.9251599907875061e-002 - -4.7624149918556213e-001 - <_> - - <_> - - - - <_> - 7 0 4 3 -1. - <_> - 7 1 4 1 3. - 0 - -1.0157009586691856e-002 - 1.8371550738811493e-001 - -5.8640699833631516e-002 - <_> - - <_> - - - - <_> - 12 0 4 9 -1. - <_> - 13 0 2 9 2. - 0 - -4.5374549925327301e-002 - -4.7950971126556396e-001 - 1.7445040866732597e-002 - <_> - - <_> - - - - <_> - 2 0 4 9 -1. - <_> - 3 0 2 9 2. - 0 - -1.0695769742596895e-004 - 6.9972157478332520e-002 - -1.4726209640502930e-001 - <_> - - <_> - - - - <_> - 15 0 3 2 -1. - <_> - 16 1 1 2 3. - 1 - -8.7402779608964920e-003 - -1.8943889439105988e-001 - 4.4850360602140427e-002 - <_> - - <_> - - - - <_> - 3 0 2 3 -1. - <_> - 2 1 2 1 3. - 1 - 1.4455690048635006e-002 - 2.9286550357937813e-002 - -3.3406850695610046e-001 - <_> - - <_> - - - - <_> - 10 3 4 5 -1. - <_> - 11 3 2 5 2. - 0 - -1.1007389985024929e-002 - 1.6767920553684235e-001 - -4.5263808220624924e-002 - <_> - - <_> - - - - <_> - 3 10 3 2 -1. - <_> - 4 10 1 2 3. - 0 - -8.1059811636805534e-003 - -5.3664588928222656e-001 - 1.8926989287137985e-002 - <_> - - <_> - - - - <_> - 1 11 16 1 -1. - <_> - 5 11 8 1 2. - 0 - 9.3566756695508957e-003 - -5.6550279259681702e-002 - 1.6391740739345551e-001 - <_> - - <_> - - - - <_> - 1 10 16 2 -1. - <_> - 5 10 8 2 2. - 0 - -1.1989709921181202e-002 - 9.8681986331939697e-002 - -9.3427039682865143e-002 - <_> - - <_> - - - - <_> - 15 1 3 3 -1. - <_> - 14 2 3 1 3. - 1 - -1.8332680687308311e-002 - 1.5537080168724060e-001 - -4.7529440373182297e-002 - <_> - - <_> - - - - <_> - 3 1 3 3 -1. - <_> - 4 2 1 3 3. - 1 - 2.2228980436921120e-002 - -5.3477160632610321e-002 - 1.7177890241146088e-001 - <_> - - <_> - - - - <_> - 8 2 2 2 -1. - <_> - 9 2 1 1 2. - <_> - 8 3 1 1 2. - 0 - 9.7822019597515464e-005 - -8.8446229696273804e-002 - 1.0630639642477036e-001 - <_> - - <_> - - - - <_> - 8 2 2 2 -1. - <_> - 8 2 1 1 2. - <_> - 9 3 1 1 2. - 0 - 9.5454830443486571e-005 - -8.7844558060169220e-002 - 1.0228630155324936e-001 - <_> - - <_> - - - - <_> - 8 10 4 2 -1. - <_> - 9 10 2 2 2. - 0 - 8.2959644496440887e-003 - 7.7602830715477467e-003 - -5.8247411251068115e-001 - <_> - - <_> - - - - <_> - 1 8 2 1 -1. - <_> - 1 8 1 1 2. - 1 - -8.2757556810975075e-005 - 6.4984649419784546e-002 - -1.3101190328598022e-001 - <_> - - <_> - - - - <_> - 2 6 16 6 -1. - <_> - 10 6 8 3 2. - <_> - 2 9 8 3 2. - 0 - 1.9920749962329865e-001 - 1.6709130257368088e-002 - -3.1872358918190002e-001 - <_> - - <_> - - - - <_> - 2 6 4 4 -1. - <_> - 2 6 2 2 2. - <_> - 4 8 2 2 2. - 0 - 1.3613670133054256e-002 - -6.2816083431243896e-002 - 1.7845809459686279e-001 - <_> - - <_> - - - - <_> - 13 0 4 10 -1. - <_> - 14 0 2 10 2. - 0 - -3.4157780464738607e-003 - 6.6462337970733643e-002 - -8.9528001844882965e-002 - <_> - - <_> - - - - <_> - 1 0 4 10 -1. - <_> - 2 0 2 10 2. - 0 - 8.7696220725774765e-003 - 5.9173680841922760e-002 - -1.9932749867439270e-001 - <_> - - <_> - - - - <_> - 9 5 3 2 -1. - <_> - 10 5 1 2 3. - 0 - -3.2113050110638142e-003 - 8.9376598596572876e-002 - -8.6342461407184601e-002 - <_> - - <_> - - - - <_> - 6 5 3 2 -1. - <_> - 7 5 1 2 3. - 0 - -6.0520251281559467e-003 - 1.8127410113811493e-001 - -4.9871731549501419e-002 - <_> - - <_> - - - - <_> - 10 7 3 1 -1. - <_> - 11 7 1 1 3. - 0 - -2.3850060533732176e-003 - 1.0447499901056290e-001 - -3.4482009708881378e-002 - <_> - - <_> - - - - <_> - 3 0 2 3 -1. - <_> - 2 1 2 1 3. - 1 - -2.1687719970941544e-002 - -4.5468750596046448e-001 - 2.1641310304403305e-002 - <_> - - <_> - - - - <_> - 10 7 3 1 -1. - <_> - 11 7 1 1 3. - 0 - 9.2866670456714928e-005 - -5.9006929397583008e-002 - 5.5168408900499344e-002 - <_> - - <_> - - - - <_> - 5 7 3 1 -1. - <_> - 6 7 1 1 3. - 0 - -1.4913419727236032e-003 - 1.6070629656314850e-001 - -5.8827608823776245e-002 - <_> - - <_> - - - - <_> - 10 10 8 2 -1. - <_> - 14 10 4 1 2. - <_> - 10 11 4 1 2. - 0 - 3.9107990451157093e-003 - -5.9656649827957153e-002 - 9.3852207064628601e-002 - <_> - - <_> - - - - <_> - 2 6 2 6 -1. - <_> - 2 8 2 2 3. - 0 - 3.5528650041669607e-003 - -1.0640110075473785e-001 - 9.0040393173694611e-002 - <_> - - <_> - - - - <_> - 13 9 3 2 -1. - <_> - 13 10 3 1 2. - 0 - 1.2945669703185558e-002 - 1.9677519798278809e-002 - -1.7321330308914185e-001 - <_> - - <_> - - - - <_> - 2 9 3 2 -1. - <_> - 2 10 3 1 2. - 0 - 8.4259969298727810e-005 - -2.3065930604934692e-001 - 5.5004071444272995e-002 - <_> - - <_> - - - - <_> - 14 4 2 6 -1. - <_> - 14 4 2 3 2. - 1 - -1.6149960458278656e-002 - 3.1157720834016800e-002 - -9.7619056701660156e-002 - <_> - - <_> - - - - <_> - 4 4 6 2 -1. - <_> - 4 4 3 2 2. - 1 - -1.3370880484580994e-001 - -4.6099790930747986e-001 - 2.0583210512995720e-002 - <_> - - <_> - - - - <_> - 11 7 2 1 -1. - <_> - 11 7 1 1 2. - 0 - -8.7964879348874092e-003 - 3.0732661485671997e-001 - -2.7057770639657974e-002 - <_> - - <_> - - - - <_> - 0 10 10 1 -1. - <_> - 5 10 5 1 2. - 0 - 5.8513940311968327e-003 - -5.1156919449567795e-002 - 1.6160629689693451e-001 - <_> - - <_> - - - - <_> - 4 3 12 9 -1. - <_> - 4 3 6 9 2. - 0 - 9.2029757797718048e-002 - -4.0357459336519241e-002 - 1.0516119748353958e-001 - <_> - - <_> - - - - <_> - 2 10 2 2 -1. - <_> - 2 10 1 1 2. - <_> - 3 11 1 1 2. - 0 - 1.0794289846671745e-004 - -9.3203842639923096e-002 - 9.3569189310073853e-002 - <_> - - <_> - - - - <_> - 15 8 1 3 -1. - <_> - 14 9 1 1 3. - 1 - -9.2651713639497757e-003 - -3.9545240998268127e-001 - 2.5677639991044998e-002 - <_> - - <_> - - - - <_> - 3 8 3 1 -1. - <_> - 4 9 1 1 3. - 1 - -1.4052440412342548e-002 - -5.9753012657165527e-001 - 1.5152829699218273e-002 - <_> - - <_> - - - - <_> - 7 5 4 4 -1. - <_> - 8 5 2 4 2. - 0 - -8.1634595990180969e-003 - 9.5714226365089417e-002 - -9.5124170184135437e-002 - <_> - - <_> - - - - <_> - 7 3 1 6 -1. - <_> - 7 3 1 3 2. - 1 - -7.2123326361179352e-002 - 3.2383221387863159e-001 - -2.8505349531769753e-002 - <_> - - <_> - - - - <_> - 15 2 2 4 -1. - <_> - 14 3 2 2 2. - 1 - -1.4225790277123451e-002 - 7.5030997395515442e-002 - -4.6096429228782654e-002 - <_> - - <_> - - - - <_> - 3 2 4 2 -1. - <_> - 4 3 2 2 2. - 1 - 4.9291448667645454e-003 - -7.9523496329784393e-002 - 1.3036440312862396e-001 - <_> - - <_> - - - - <_> - 6 4 12 6 -1. - <_> - 12 4 6 3 2. - <_> - 6 7 6 3 2. - 0 - -1.2931670062243938e-002 - -1.2009199708700180e-001 - 4.2189829051494598e-002 - <_> - - <_> - - - - <_> - 0 4 12 6 -1. - <_> - 0 4 6 3 2. - <_> - 6 7 6 3 2. - 0 - 1.8171440064907074e-001 - 2.2706279531121254e-002 - -4.8832720518112183e-001 - <_> - - <_> - - - - <_> - 10 3 1 4 -1. - <_> - 10 4 1 2 2. - 0 - -2.9113100841641426e-002 - -6.3608497381210327e-001 - 8.8415952632203698e-004 - <_> - - <_> - - - - <_> - 7 3 1 4 -1. - <_> - 7 4 1 2 2. - 0 - 5.7110278867185116e-003 - -3.9759650826454163e-002 - 2.3626869916915894e-001 - <_> - - <_> - - - - <_> - 17 3 1 4 -1. - <_> - 17 5 1 2 2. - 0 - 9.4733629375696182e-003 - 2.2379960864782333e-002 - -1.7788839340209961e-001 - <_> - - <_> - - - - <_> - 0 3 1 4 -1. - <_> - 0 5 1 2 2. - 0 - 9.1282920911908150e-003 - 3.3228699117898941e-002 - -2.5719881057739258e-001 - <_> - - <_> - - - - <_> - 11 4 2 1 -1. - <_> - 11 4 1 1 2. - 1 - -1.7273770645260811e-002 - 1.6270759701728821e-001 - -2.1705560386180878e-002 - <_> - - <_> - - - - <_> - 7 0 4 2 -1. - <_> - 8 0 2 2 2. - 0 - 5.9155421331524849e-003 - 2.9015779495239258e-002 - -2.9269620776176453e-001 - <_> - - <_> - - - - <_> - 1 2 16 1 -1. - <_> - 5 2 8 1 2. - 0 - 3.2589450478553772e-002 - -3.7038650363683701e-002 - 2.3939940333366394e-001 - <_> - - <_> - - - - <_> - 5 0 4 3 -1. - <_> - 6 0 2 3 2. - 0 - 6.0267271474003792e-003 - 4.7315951436758041e-002 - -2.2438630461692810e-001 - <_> - - <_> - - - - <_> - 16 0 2 3 -1. - <_> - 15 1 2 1 3. - 1 - -1.1691940017044544e-002 - 1.1056809872388840e-001 - -3.3759210258722305e-002 - <_> - - <_> - - - - <_> - 5 1 3 2 -1. - <_> - 5 2 3 1 2. - 0 - -4.0161567740142345e-003 - 1.0859990119934082e-001 - -7.9750627279281616e-002 - <_> - - <_> - - - - <_> - 7 3 9 1 -1. - <_> - 10 3 3 1 3. - 0 - -2.7831029146909714e-003 - 6.5243370831012726e-002 - -1.0473190248012543e-001 - <_> - - <_> - - - - <_> - 5 7 2 1 -1. - <_> - 6 7 1 1 2. - 0 - 1.0584440315142274e-004 - -8.9639373123645782e-002 - 9.8210841417312622e-002 - <_> - - <_> - - - - <_> - 9 2 6 2 -1. - <_> - 9 2 6 1 2. - 1 - -1.5233529731631279e-002 - -6.2021549791097641e-002 - 1.6327550634741783e-002 - <_> - - <_> - - - - <_> - 9 2 2 6 -1. - <_> - 9 2 1 6 2. - 1 - -5.0070729106664658e-002 - -4.4011878967285156e-001 - 2.0913720130920410e-002 - <_> - - <_> - - - - <_> - 11 4 2 1 -1. - <_> - 11 4 1 1 2. - 1 - -5.1066437736153603e-003 - -5.4624948650598526e-002 - 3.3620700240135193e-002 - <_> - - <_> - - - - <_> - 2 5 3 6 -1. - <_> - 2 7 3 2 3. - 0 - 1.1259020306169987e-002 - -6.2500476837158203e-002 - 1.5815970301628113e-001 - <_> - - <_> - - - - <_> - 12 3 4 2 -1. - <_> - 13 4 2 2 2. - 1 - -2.9940709471702576e-002 - 9.9289081990718842e-002 - -1.5471179969608784e-002 - <_> - - <_> - - - - <_> - 6 3 2 4 -1. - <_> - 5 4 2 2 2. - 1 - -5.5130548775196075e-002 - -6.7135852575302124e-001 - 1.5666810795664787e-002 - <_> - - <_> - - - - <_> - 16 8 2 4 -1. - <_> - 17 8 1 2 2. - <_> - 16 10 1 2 2. - 0 - -5.5883829481899738e-003 - 1.7980380356311798e-001 - -2.3508859798312187e-002 - <_> - - <_> - - - - <_> - 0 8 2 4 -1. - <_> - 0 8 1 2 2. - <_> - 1 10 1 2 2. - 0 - 1.0726720211096108e-004 - -1.2116920202970505e-001 - 7.4779331684112549e-002 - <_> - - <_> - - - - <_> - 17 0 1 3 -1. - <_> - 16 1 1 1 3. - 1 - -5.8314870111644268e-003 - 1.4616240561008453e-001 - -5.4507091641426086e-002 - <_> - - <_> - - - - <_> - 7 2 3 2 -1. - <_> - 8 2 1 2 3. - 0 - 8.7257036939263344e-003 - 1.9625810906291008e-002 - -4.1208940744400024e-001 - <_> - - <_> - - - - <_> - 12 6 2 2 -1. - <_> - 13 6 1 1 2. - <_> - 12 7 1 1 2. - 0 - -2.4206570815294981e-003 - 1.5835359692573547e-001 - -3.8983419537544250e-002 - <_> - - <_> - - - - <_> - 8 5 2 3 -1. - <_> - 7 6 2 1 3. - 1 - -2.1286660805344582e-002 - 2.2240610420703888e-001 - -3.5136040300130844e-002 - <_> - - <_> - - - - <_> - 10 4 2 1 -1. - <_> - 10 4 1 1 2. - 1 - 3.1091319397091866e-002 - 4.7937040217220783e-003 - -7.7131432294845581e-001 - <_> - - <_> - - - - <_> - 8 4 1 2 -1. - <_> - 8 4 1 1 2. - 1 - 1.7936730757355690e-002 - 1.5124980360269547e-002 - -5.3765070438385010e-001 - <_> - - <_> - - - - <_> - 12 6 2 2 -1. - <_> - 13 6 1 1 2. - <_> - 12 7 1 1 2. - 0 - 2.1349859889596701e-003 - -5.1612630486488342e-002 - 1.4234930276870728e-001 - <_> - - <_> - - - - <_> - 7 6 3 3 -1. - <_> - 8 7 1 3 3. - 1 - -3.0158199369907379e-002 - -3.8654580712318420e-001 - 2.1317519247531891e-002 - <_> - - <_> - - - - <_> - 16 0 2 3 -1. - <_> - 15 1 2 1 3. - 1 - 1.3773770071566105e-002 - -2.7151010930538177e-002 - 1.3596110045909882e-001 - <_> - - <_> - - - - <_> - 0 0 2 4 -1. - <_> - 0 2 2 2 2. - 0 - 4.1484188288450241e-002 - 1.2364120222628117e-002 - -6.0026621818542480e-001 - <_> - - <_> - - - - <_> - 16 0 2 3 -1. - <_> - 15 1 2 1 3. - 1 - 6.5589502453804016e-002 - -3.6776699125766754e-003 - 7.8460097312927246e-001 - <_> - - <_> - - - - <_> - 2 0 3 2 -1. - <_> - 3 1 1 2 3. - 1 - 1.1003009974956512e-002 - -6.3236251473426819e-002 - 1.5475340187549591e-001 - <_> - - <_> - - - - <_> - 17 0 1 3 -1. - <_> - 16 1 1 1 3. - 1 - -2.8239460662007332e-002 - -5.1131701469421387e-001 - 4.6110339462757111e-003 - <_> - - <_> - - - - <_> - 1 0 3 1 -1. - <_> - 2 1 1 1 3. - 1 - -1.2187300249934196e-002 - 2.7354350686073303e-001 - -3.5504270344972610e-002 - <_> - - <_> - - - - <_> - 15 2 3 3 -1. - <_> - 15 3 3 1 3. - 0 - 8.2632675766944885e-003 - 2.6573730632662773e-002 - -1.7602869868278503e-001 - <_> - - <_> - - - - <_> - 0 2 3 3 -1. - <_> - 0 3 3 1 3. - 0 - 5.9086610563099384e-003 - 4.5535139739513397e-002 - -1.7905420064926147e-001 - <_> - - <_> - - - - <_> - 0 2 18 3 -1. - <_> - 0 3 18 1 3. - 0 - 3.0929259955883026e-002 - -6.4203962683677673e-002 - 1.4781139791011810e-001 - <_> - - <_> - - - - <_> - 0 0 18 10 -1. - <_> - 9 0 9 10 2. - 0 - -6.3848549127578735e-001 - 3.0681729316711426e-001 - -2.5509320199489594e-002 - <_> - - <_> - - - - <_> - 0 11 18 1 -1. - <_> - 0 11 9 1 2. - 0 - 7.2267033159732819e-002 - 2.5428939610719681e-002 - -3.7467381358146667e-001 - <_> - - <_> - - - - <_> - 6 6 2 4 -1. - <_> - 5 7 2 2 2. - 1 - -1.5226610004901886e-002 - 1.6329860687255859e-001 - -4.9246568232774734e-002 - <_> - - <_> - - - - <_> - 4 9 14 1 -1. - <_> - 4 9 7 1 2. - 0 - 1.2331340461969376e-002 - -4.1064839810132980e-002 - 8.4209568798542023e-002 - <_> - - <_> - - - - <_> - 4 9 6 2 -1. - <_> - 6 9 2 2 3. - 0 - 1.0107300244271755e-002 - 3.6028161644935608e-002 - -2.2353689372539520e-001 - <_> - - <_> - - - - <_> - 12 9 6 3 -1. - <_> - 12 10 6 1 3. - 0 - 2.2511450573801994e-002 - 1.1696700006723404e-002 - -3.9479258656501770e-001 - <_> - - <_> - - - - <_> - 0 9 2 2 -1. - <_> - 0 9 1 1 2. - <_> - 1 10 1 1 2. - 0 - -8.2349717558827251e-005 - 1.1120089888572693e-001 - -6.8608567118644714e-002 - <_> - - <_> - - - - <_> - 16 9 2 2 -1. - <_> - 17 9 1 1 2. - <_> - 16 10 1 1 2. - 0 - 1.0324839968234301e-004 - -6.6275127232074738e-002 - 6.7079029977321625e-002 - <_> - - <_> - - - - <_> - 0 9 2 2 -1. - <_> - 0 9 1 1 2. - <_> - 1 10 1 1 2. - 0 - 8.9090077381115407e-005 - -1.0303229838609695e-001 - 9.4525799155235291e-002 - <_> - - <_> - - - - <_> - 12 9 6 3 -1. - <_> - 12 10 6 1 3. - 0 - -4.1240658611059189e-002 - -7.6241451501846313e-001 - 4.3533057905733585e-003 - <_> - - <_> - - - - <_> - 0 9 1 2 -1. - <_> - 0 10 1 1 2. - 0 - 9.7355383331887424e-005 - -1.1680190265178680e-001 - 6.3053049147129059e-002 - <_> - - <_> - - - - <_> - 12 9 6 3 -1. - <_> - 12 10 6 1 3. - 0 - -1.0743820166680962e-004 - 6.4560279250144958e-002 - -5.4237850010395050e-002 - <_> - - <_> - - - - <_> - 0 9 3 3 -1. - <_> - 0 10 3 1 3. - 0 - 7.5144548900425434e-003 - 3.3215470612049103e-002 - -2.5936529040336609e-001 - <_> - - <_> - - - - <_> - 12 6 2 2 -1. - <_> - 13 6 1 1 2. - <_> - 12 7 1 1 2. - 0 - -1.2152430135756731e-003 - 7.2427697479724884e-002 - -3.1113930046558380e-002 - <_> - - <_> - - - - <_> - 4 6 2 2 -1. - <_> - 4 6 1 1 2. - <_> - 5 7 1 1 2. - 0 - 1.8813109491020441e-003 - -5.5175848305225372e-002 - 1.3634249567985535e-001 - <_> - - <_> - - - - <_> - 11 0 2 1 -1. - <_> - 11 0 1 1 2. - 0 - -5.5010379292070866e-003 - -4.3706288933753967e-001 - 1.2440679594874382e-002 - <_> - - <_> - - - - <_> - 5 0 2 1 -1. - <_> - 6 0 1 1 2. - 0 - -5.6884759105741978e-003 - -5.7385152578353882e-001 - 1.2120500206947327e-002 - <_> - - <_> - - - - <_> - 0 2 18 8 -1. - <_> - 9 2 9 4 2. - <_> - 0 6 9 4 2. - 0 - -3.1402000784873962e-001 - -5.8456861972808838e-001 - 1.0485970415174961e-002 - <_> - - <_> - - - - <_> - 2 5 14 6 -1. - <_> - 2 8 14 3 2. - 0 - -5.1054090261459351e-002 - -8.1812131404876709e-001 - 7.2916587814688683e-003 - <_> - - <_> - - - - <_> - 9 8 1 3 -1. - <_> - 9 9 1 1 3. - 0 - -3.5786549560725689e-003 - 1.6817580163478851e-001 - -3.0429689213633537e-002 - <_> - - <_> - - - - <_> - 8 9 2 2 -1. - <_> - 8 9 1 1 2. - <_> - 9 10 1 1 2. - 0 - -8.9935383584816009e-005 - 9.6470743417739868e-002 - -7.6730802655220032e-002 - <_> - - <_> - - - - <_> - 8 9 2 2 -1. - <_> - 9 9 1 1 2. - <_> - 8 10 1 1 2. - 0 - -9.1117057309020311e-005 - 1.1266720294952393e-001 - -9.5239438116550446e-002 - <_> - - <_> - - - - <_> - 4 4 1 3 -1. - <_> - 3 5 1 1 3. - 1 - -2.6042489334940910e-002 - -7.2348618507385254e-001 - 1.0882630012929440e-002 - <_> - - <_> - - - - <_> - 8 9 2 2 -1. - <_> - 9 9 1 1 2. - <_> - 8 10 1 1 2. - 0 - 8.9935383584816009e-005 - -8.0347903072834015e-002 - 9.3099772930145264e-002 - <_> - - <_> - - - - <_> - 8 8 2 1 -1. - <_> - 9 8 1 1 2. - 0 - 3.9171269163489342e-003 - 2.3305200040340424e-002 - -3.5824480652809143e-001 - <_> - - <_> - - - - <_> - 4 9 14 2 -1. - <_> - 4 9 7 2 2. - 0 - 1.1886080354452133e-001 - 4.6478789299726486e-003 - -5.0907981395721436e-001 - <_> - - <_> - - - - <_> - 0 9 14 2 -1. - <_> - 7 9 7 2 2. - 0 - 1.2497439980506897e-001 - -1.1920450255274773e-002 - 6.2223482131958008e-001 - <_> - - <_> - - - - <_> - 16 8 2 2 -1. - <_> - 16 9 2 1 2. - 0 - 3.2638079574098811e-005 - -5.9718921780586243e-002 - 2.8372069820761681e-002 - <_> - - <_> - - - - <_> - 0 8 2 2 -1. - <_> - 0 9 2 1 2. - 0 - -3.3235920127481222e-003 - -3.6871388554573059e-001 - 1.8724299967288971e-002 - <_> - - <_> - - - - <_> - 7 3 5 3 -1. - <_> - 7 4 5 1 3. - 0 - 3.6250781267881393e-002 - -2.9849739745259285e-002 - 2.6220449805259705e-001 - <_> - - <_> - - - - <_> - 5 5 3 2 -1. - <_> - 6 6 1 2 3. - 1 - 4.5288298279047012e-003 - -5.9577301144599915e-002 - 1.1369310319423676e-001 - <_> - - <_> - - - - <_> - 14 8 2 2 -1. - <_> - 15 8 1 1 2. - <_> - 14 9 1 1 2. - 0 - -1.1289530084468424e-004 - 6.7611873149871826e-002 - -5.3027831017971039e-002 - <_> - - <_> - - - - <_> - 2 8 2 2 -1. - <_> - 2 8 1 1 2. - <_> - 3 9 1 1 2. - 0 - 9.4089351478032768e-005 - -9.8176851868629456e-002 - 8.5162512958049774e-002 - <_> - - <_> - - - - <_> - 13 4 3 5 -1. - <_> - 14 4 1 5 3. - 0 - -5.3257388062775135e-003 - 1.2211889773607254e-001 - -9.0576842427253723e-002 - <_> - - <_> - - - - <_> - 2 1 3 7 -1. - <_> - 3 1 1 7 3. - 0 - -2.8568990528583527e-002 - -4.1049700975418091e-001 - 2.1933330222964287e-002 - <_> - - <_> - - - - <_> - 12 7 3 1 -1. - <_> - 13 7 1 1 3. - 0 - -1.9717009272426367e-003 - 1.6750890016555786e-001 - -6.1077561229467392e-002 - -1.5810970067977905e+000 - 18 - -1 - diff --git a/data/haarcascades/haarcascade_mcs_mouth.xml b/data/haarcascades/haarcascade_mcs_mouth.xml deleted file mode 100644 index 277a2eb678..0000000000 --- a/data/haarcascades/haarcascade_mcs_mouth.xml +++ /dev/null @@ -1,17680 +0,0 @@ - - - -BOOST - HAAR - 25 - 15 - - 218 - - 0 - 17 - - <_> - 13 - -1.4372119903564453e+00 - - <_> - - 0 -1 0 -1.1928550153970718e-01 - - 7.8541821241378784e-01 -4.5413601398468018e-01 - <_> - - 0 -1 1 -6.4164772629737854e-02 - - -7.4076807498931885e-01 2.6520359516143799e-01 - <_> - - 0 -1 2 9.1076180338859558e-02 - - -2.0633709430694580e-01 8.4009462594985962e-01 - <_> - - 0 -1 3 -1.1293300241231918e-01 - - 8.2841217517852783e-01 -1.8663629889488220e-01 - <_> - - 0 -1 4 -7.4193343520164490e-02 - - 8.3546602725982666e-01 -1.5277010202407837e-01 - <_> - - 0 -1 5 2.1404659491963685e-05 - - -7.1694560348987579e-02 1.8583349883556366e-01 - <_> - - 0 -1 6 -9.9697530269622803e-02 - - 6.8704581260681152e-01 -1.7217309772968292e-01 - <_> - - 0 -1 7 -9.0041361749172211e-02 - - 7.3102378845214844e-01 -1.3687719404697418e-01 - <_> - - 0 -1 8 2.5138311320915818e-04 - - -3.4698268771171570e-01 3.6477771401405334e-01 - <_> - - 0 -1 9 1.6144449546118267e-05 - - -3.0854660272598267e-01 2.3200240731239319e-01 - <_> - - 0 -1 10 1.9363909814273939e-05 - - -3.8198560476303101e-01 2.4041070044040680e-01 - <_> - - 0 -1 11 6.9673648104071617e-03 - - 5.4587811231613159e-02 -7.4870657920837402e-01 - <_> - - 0 -1 12 -4.7189309261739254e-03 - - -7.4766868352890015e-01 1.2058690190315247e-01 - <_> - 13 - -1.5416599512100220e+00 - - <_> - - 0 -1 13 -1.0063350200653076e-01 - - 7.8480839729309082e-01 -3.8668298721313477e-01 - <_> - - 0 -1 14 -3.6676760762929916e-02 - - 5.4532337188720703e-01 -4.0126779675483704e-01 - <_> - - 0 -1 15 8.1556223332881927e-02 - - -1.3153980672359467e-01 8.0849581956863403e-01 - <_> - - 0 -1 16 -1.0641860216856003e-01 - - 6.7823898792266846e-01 -2.0833569765090942e-01 - <_> - - 0 -1 17 1.5630740672349930e-02 - - -3.7497881054878235e-01 3.1505098938941956e-01 - <_> - - 0 -1 18 7.1129046380519867e-02 - - -1.5573850274085999e-01 7.0505428314208984e-01 - <_> - - 0 -1 19 7.3663912713527679e-02 - - -1.5476830303668976e-01 6.7158848047256470e-01 - <_> - - 0 -1 20 -1.0592950275167823e-04 - - 1.3653880357742310e-01 -2.6701828837394714e-01 - <_> - - 0 -1 21 -1.9239520188421011e-03 - - -7.2614389657974243e-01 1.3645769655704498e-01 - <_> - - 0 -1 22 2.3057300131767988e-03 - - 7.0613697171211243e-02 -6.4231842756271362e-01 - <_> - - 0 -1 23 1.8073299434036016e-03 - - 1.3556429743766785e-01 -7.0507860183715820e-01 - <_> - - 0 -1 24 -6.6433362662792206e-02 - - 6.1587882041931152e-01 -1.4002630114555359e-01 - <_> - - 0 -1 25 -6.8927720189094543e-02 - - 6.7659240961074829e-01 -1.2249880284070969e-01 - <_> - 29 - -1.5324319601058960e+00 - - <_> - - 0 -1 26 -1.8226550519466400e-01 - - 5.9615147113800049e-01 -3.1954830884933472e-01 - <_> - - 0 -1 27 2.8932818770408630e-01 - - -2.4015160277485847e-02 3.7627071142196655e-01 - <_> - - 0 -1 28 -4.2456621304154396e-03 - - -7.1173977851867676e-01 1.2147200107574463e-01 - <_> - - 0 -1 29 5.4568149149417877e-02 - - -1.8221180140972137e-01 4.5972719788551331e-01 - <_> - - 0 -1 30 -4.4434829615056515e-03 - - -5.3546768426895142e-01 1.6558359563350677e-01 - <_> - - 0 -1 31 -2.0492389798164368e-02 - - -8.7706089019775391e-01 -1.5163989737629890e-02 - <_> - - 0 -1 32 -4.8007471486926079e-03 - - -5.4314231872558594e-01 1.3561309874057770e-01 - <_> - - 0 -1 33 1.2266600131988525e-01 - - 1.1244720220565796e-01 -6.5744018554687500e-01 - <_> - - 0 -1 34 -5.5254979088203982e-05 - - 1.5367390215396881e-01 -3.8419818878173828e-01 - <_> - - 0 -1 35 -1.1318609863519669e-01 - - 4.9271959066390991e-01 -1.0942760109901428e-01 - <_> - - 0 -1 36 7.9295687377452850e-02 - - -1.6474610567092896e-01 4.7205179929733276e-01 - <_> - - 0 -1 37 1.4872930012643337e-02 - - 7.4014373123645782e-02 -5.9262758493423462e-01 - <_> - - 0 -1 38 5.3839791566133499e-02 - - -2.1115440130233765e-01 3.5378909111022949e-01 - <_> - - 0 -1 39 -7.5959272682666779e-02 - - 5.9318017959594727e-01 -1.0900689661502838e-01 - <_> - - 0 -1 40 1.1581660062074661e-01 - - -9.8490521311759949e-02 5.9403347969055176e-01 - <_> - - 0 -1 41 -1.6082640737295151e-02 - - 3.7941950559616089e-01 -1.6540519893169403e-01 - <_> - - 0 -1 42 6.7254770547151566e-03 - - 9.3757107853889465e-02 -7.0609378814697266e-01 - <_> - - 0 -1 43 -6.1188410967588425e-02 - - -4.3810299038887024e-01 7.9622969031333923e-02 - <_> - - 0 -1 44 -5.5152038112282753e-03 - - -7.0193570852279663e-01 7.8178927302360535e-02 - <_> - - 0 -1 45 -1.9885340332984924e-01 - - -6.7261308431625366e-01 5.6049771606922150e-02 - <_> - - 0 -1 46 1.9447319209575653e-02 - - -1.1651100218296051e-01 4.1515278816223145e-01 - <_> - - 0 -1 47 -4.6706218272447586e-03 - - -6.0901588201522827e-01 1.0499799996614456e-01 - <_> - - 0 -1 48 4.0827528573572636e-03 - - 6.8996846675872803e-02 -5.4908710718154907e-01 - <_> - - 0 -1 49 -2.0197959616780281e-02 - - 2.8849300742149353e-01 -1.8048889935016632e-01 - <_> - - 0 -1 50 5.0443068146705627e-02 - - -8.9770630002021790e-02 4.6099209785461426e-01 - <_> - - 0 -1 51 -5.0139562226831913e-03 - - -4.8208698630332947e-01 5.8809980750083923e-02 - <_> - - 0 -1 52 8.5741933435201645e-03 - - 5.6864671409130096e-02 -5.9790831804275513e-01 - <_> - - 0 -1 53 -1.2162449769675732e-02 - - 1.4463059604167938e-01 -1.1683259904384613e-01 - <_> - - 0 -1 54 -1.9329390488564968e-03 - - -5.4508608579635620e-01 6.0978390276432037e-02 - <_> - 34 - -1.4849940538406372e+00 - - <_> - - 0 -1 55 -3.2055098563432693e-02 - - 4.2800301313400269e-01 -4.2589429020881653e-01 - <_> - - 0 -1 56 -1.2310340255498886e-01 - - 5.1212418079376221e-01 -2.0555849373340607e-01 - <_> - - 0 -1 57 -5.8588259853422642e-03 - - -7.1018207073211670e-01 1.0759060084819794e-01 - <_> - - 0 -1 58 9.7714133560657501e-02 - - -1.4779579639434814e-01 4.5711749792098999e-01 - <_> - - 0 -1 59 -5.2739460021257401e-02 - - 3.7437671422958374e-01 -2.1838270127773285e-01 - <_> - - 0 -1 60 5.8418910950422287e-02 - - -1.3862940669059753e-01 4.9932828545570374e-01 - <_> - - 0 -1 61 8.8756918907165527e-02 - - -1.3158950209617615e-01 6.2165617942810059e-01 - <_> - - 0 -1 62 1.4587669633328915e-02 - - 9.1569669544696808e-02 -5.8156752586364746e-01 - <_> - - 0 -1 63 1.0446000099182129e-01 - - 5.2740359678864479e-03 -5.6644519531250000e+04 - <_> - - 0 -1 64 -8.4322784096002579e-03 - - -4.8660460114479065e-01 9.7961761057376862e-02 - <_> - - 0 -1 65 4.0655929595232010e-02 - - 1.3915790617465973e-01 -3.6560159921646118e-01 - <_> - - 0 -1 66 6.3366899266839027e-03 - - 6.4174547791481018e-02 -6.2454712390899658e-01 - <_> - - 0 -1 67 1.5845589339733124e-02 - - -1.7919149994850159e-01 2.8899058699607849e-01 - <_> - - 0 -1 68 -7.4686333537101746e-02 - - 5.4240232706069946e-01 -1.3147279620170593e-01 - <_> - - 0 -1 69 4.7695250250399113e-03 - - 9.6534043550491333e-02 -6.5611547231674194e-01 - <_> - - 0 -1 70 -5.3522668778896332e-02 - - 4.6368008852005005e-01 -1.3534300029277802e-01 - <_> - - 0 -1 71 -6.3648750074207783e-03 - - -6.6245639324188232e-01 6.8485736846923828e-02 - <_> - - 0 -1 72 -2.4473370611667633e-01 - - -8.1813371181488037e-01 4.5079968869686127e-02 - <_> - - 0 -1 73 -2.4634969886392355e-03 - - -7.6818048954010010e-01 4.9584589898586273e-02 - <_> - - 0 -1 74 -3.5803489387035370e-02 - - 3.7496039271354675e-01 -1.4479289948940277e-01 - <_> - - 0 -1 75 -5.6720529682934284e-03 - - -6.1275362968444824e-01 9.3584716320037842e-02 - <_> - - 0 -1 76 -1.3268710114061832e-02 - - 2.8637841343879700e-01 -2.5518891215324402e-01 - <_> - - 0 -1 77 -6.2518939375877380e-03 - - -5.8967739343643188e-01 6.7711167037487030e-02 - <_> - - 0 -1 78 7.3092570528388023e-03 - - 2.7219809591770172e-02 -5.7148611545562744e-01 - <_> - - 0 -1 79 2.5819439440965652e-02 - - -1.3260079920291901e-01 3.0502519011497498e-01 - <_> - - 0 -1 80 -2.1107880398631096e-02 - - 1.2006290256977081e-01 -1.4752650260925293e-01 - <_> - - 0 -1 81 4.0848340839147568e-02 - - -1.7368830740451813e-01 2.5304460525512695e-01 - <_> - - 0 -1 82 -1.7947599291801453e-02 - - -7.1176171302795410e-01 5.8369800448417664e-02 - <_> - - 0 -1 83 -1.3889590278267860e-02 - - -6.7781329154968262e-01 4.3563000857830048e-02 - <_> - - 0 -1 84 -9.8488982766866684e-03 - - 1.4792129397392273e-01 -8.9746527373790741e-02 - <_> - - 0 -1 85 -6.5984703600406647e-02 - - 5.6838017702102661e-01 -6.8174257874488831e-02 - <_> - - 0 -1 86 -1.8370660254731774e-03 - - -4.9869379401206970e-01 7.7964358031749725e-02 - <_> - - 0 -1 87 -2.7765180915594101e-02 - - 2.6799491047859192e-01 -1.3826249539852142e-01 - <_> - - 0 -1 88 9.9889356642961502e-03 - - 4.4561941176652908e-02 -7.3173791170120239e-01 - <_> - 42 - -1.5437099933624268e+00 - - <_> - - 0 -1 89 -4.5638348907232285e-02 - - 6.2754231691360474e-01 -2.4949370324611664e-01 - <_> - - 0 -1 90 -3.1067680567502975e-02 - - 6.4278161525726318e-01 -1.6719000041484833e-01 - <_> - - 0 -1 91 3.0193419661372900e-03 - - -2.3993469774723053e-01 3.6768180131912231e-01 - <_> - - 0 -1 92 3.1567640602588654e-02 - - -1.1476919800043106e-01 5.7501727342605591e-01 - <_> - - 0 -1 93 -6.4146341755986214e-03 - - 2.1546250581741333e-01 -3.7687700986862183e-01 - <_> - - 0 -1 94 -5.7010860182344913e-03 - - -4.5338240265846252e-01 9.4688847661018372e-02 - <_> - - 0 -1 95 1.8903000652790070e-01 - - 8.0115526914596558e-02 -7.1848851442337036e-01 - <_> - - 0 -1 96 1.2939789891242981e-01 - - 1.0937190055847168e-01 -5.1970487833023071e-01 - <_> - - 0 -1 97 -6.5768390893936157e-02 - - 5.0031042098999023e-01 -1.2387350201606750e-01 - <_> - - 0 -1 98 -4.0884059853851795e-03 - - -5.1180112361907959e-01 5.9422370046377182e-02 - <_> - - 0 -1 99 -3.0664270743727684e-02 - - 2.9646489024162292e-01 -1.7412480711936951e-01 - <_> - - 0 -1 100 2.7700960636138916e-03 - - 8.4690727293491364e-02 -4.0095150470733643e-01 - <_> - - 0 -1 101 -6.2402039766311646e-03 - - -5.5609232187271118e-01 8.0085046589374542e-02 - <_> - - 0 -1 102 1.0515259578824043e-02 - - -1.3094049692153931e-01 3.6127111315727234e-01 - <_> - - 0 -1 103 1.8179269507527351e-02 - - -1.2451809644699097e-01 3.5565629601478577e-01 - <_> - - 0 -1 104 5.3037698380649090e-03 - - 6.3822023570537567e-02 -6.1784660816192627e-01 - <_> - - 0 -1 105 -1.9478060305118561e-01 - - -7.2289019823074341e-01 4.7576818615198135e-02 - <_> - - 0 -1 106 7.2230421938002110e-03 - - 4.5338228344917297e-02 -5.4608362913131714e-01 - <_> - - 0 -1 107 5.0375838764011860e-03 - - 8.0446831881999969e-02 -4.8174721002578735e-01 - <_> - - 0 -1 108 -7.1934829466044903e-03 - - -5.0189918279647827e-01 1.2870029546320438e-02 - <_> - - 0 -1 109 -4.4941599480807781e-03 - - -5.8627098798751831e-01 6.3467502593994141e-02 - <_> - - 0 -1 110 8.7413139641284943e-02 - - -6.7620240151882172e-02 4.7970318794250488e-01 - <_> - - 0 -1 111 -3.7701569497585297e-02 - - 3.9133429527282715e-01 -9.7880929708480835e-02 - <_> - - 0 -1 112 3.0070370994508266e-03 - - 4.8492491245269775e-02 -2.4722249805927277e-01 - <_> - - 0 -1 113 9.7409866750240326e-02 - - -6.6901072859764099e-02 5.8135199546813965e-01 - <_> - - 0 -1 114 -4.0166568942368031e-03 - - -5.4565542936325073e-01 3.6392461508512497e-02 - <_> - - 0 -1 115 1.0492489673197269e-02 - - -1.0874660313129425e-01 3.2534250617027283e-01 - <_> - - 0 -1 116 2.4965999647974968e-02 - - -1.1378960311412811e-01 3.0565109848976135e-01 - <_> - - 0 -1 117 1.3010300695896149e-01 - - -1.2204769998788834e-01 3.0353659391403198e-01 - <_> - - 0 -1 118 -8.4372088313102722e-02 - - -6.9431221485137939e-01 1.7885660752654076e-02 - <_> - - 0 -1 119 -2.9267850331962109e-03 - - -5.4018348455429077e-01 5.6407321244478226e-02 - <_> - - 0 -1 120 -2.0674509927630424e-02 - - 4.1809210181236267e-01 -6.8534046411514282e-02 - <_> - - 0 -1 121 -5.1450639963150024e-02 - - -6.2890982627868652e-01 5.2987698465585709e-02 - <_> - - 0 -1 122 -8.9261196553707123e-03 - - -4.6443560719490051e-01 2.3655079305171967e-02 - <_> - - 0 -1 123 -8.3048470318317413e-02 - - 3.3041968941688538e-01 -9.3869760632514954e-02 - <_> - - 0 -1 124 1.1336999945342541e-02 - - -9.7960032522678375e-02 3.4840530157089233e-01 - <_> - - 0 -1 125 8.2777902483940125e-02 - - -1.1593910306692123e-01 2.6809579133987427e-01 - <_> - - 0 -1 126 -4.7884881496429443e-02 - - -6.0792112350463867e-01 2.2236289456486702e-02 - <_> - - 0 -1 127 -3.8582698907703161e-03 - - -4.6889010071754456e-01 5.5454041808843613e-02 - <_> - - 0 -1 128 -3.3453129231929779e-02 - - 4.1926679015159607e-01 -6.3108846545219421e-02 - <_> - - 0 -1 129 1.2603639625012875e-02 - - -1.2276329845190048e-01 2.1752209961414337e-01 - <_> - - 0 -1 130 2.6260089129209518e-02 - - 1.6289670020341873e-02 -5.6887590885162354e-01 - <_> - 64 - -1.5637760162353516e+00 - - <_> - - 0 -1 131 -1.9779309630393982e-02 - - 4.4720950722694397e-01 -2.5737971067428589e-01 - <_> - - 0 -1 132 -9.1997236013412476e-03 - - 4.3978941440582275e-01 -1.3823099434375763e-01 - <_> - - 0 -1 133 2.2242579609155655e-02 - - -1.7611500620841980e-01 3.4068119525909424e-01 - <_> - - 0 -1 134 5.3650550544261932e-03 - - -1.0874909907579422e-01 1.6310940682888031e-01 - <_> - - 0 -1 135 7.4250137805938721e-01 - - 4.6233131433837116e-04 -1.4172740478515625e+03 - <_> - - 0 -1 136 -1.2899990379810333e-01 - - 4.2209368944168091e-01 -1.2642090022563934e-01 - <_> - - 0 -1 137 4.2140239477157593e-01 - - 3.0299068894237280e-03 1.2071870117187500e+03 - <_> - - 0 -1 138 -1.4317120611667633e-01 - - 5.0700122117996216e-01 -1.0911709815263748e-01 - <_> - - 0 -1 139 4.4366121292114258e-03 - - -2.2188140451908112e-01 2.4461059272289276e-01 - <_> - - 0 -1 140 3.0177310109138489e-03 - - 1.0722339898347855e-01 -3.4702050685882568e-01 - <_> - - 0 -1 141 -4.8220949247479439e-03 - - -6.5341192483901978e-01 8.0343447625637054e-02 - <_> - - 0 -1 142 3.6278828978538513e-02 - - -2.2070750594139099e-01 2.2424909472465515e-01 - <_> - - 0 -1 143 -1.6759949922561646e-01 - - 4.0590721368789673e-01 -1.0541699826717377e-01 - <_> - - 0 -1 144 -5.0991941243410110e-02 - - 3.4522831439971924e-01 -1.2064740061759949e-01 - <_> - - 0 -1 145 1.6163529828190804e-02 - - -1.4651750028133392e-01 3.6967509984970093e-01 - <_> - - 0 -1 146 8.3268675953149796e-03 - - 6.4239829778671265e-02 -5.4906690120697021e-01 - <_> - - 0 -1 147 -7.2614871896803379e-03 - - -6.1058157682418823e-01 5.3833089768886566e-02 - <_> - - 0 -1 148 -4.2785529047250748e-02 - - 3.4355071187019348e-01 -1.0584419965744019e-01 - <_> - - 0 -1 149 -5.5888559669256210e-02 - - -4.2134630680084229e-01 8.5534237325191498e-02 - <_> - - 0 -1 150 1.0770390182733536e-01 - - 7.9667679965496063e-02 -5.1052689552307129e-01 - <_> - - 0 -1 151 -4.8622798203723505e-05 - - 1.1649709939956665e-01 -3.0223610997200012e-01 - <_> - - 0 -1 152 2.7271810919046402e-02 - - -8.3197653293609619e-02 3.4107041358947754e-01 - <_> - - 0 -1 153 2.7942128945142031e-03 - - 8.3613917231559753e-02 -4.5217469334602356e-01 - <_> - - 0 -1 154 -5.9649557806551456e-03 - - -5.8149677515029907e-01 5.8847118169069290e-02 - <_> - - 0 -1 155 -3.6455120891332626e-02 - - 2.9876148700714111e-01 -1.1639650166034698e-01 - <_> - - 0 -1 156 5.6035928428173065e-02 - - -1.1897490173578262e-01 3.4904998540878296e-01 - <_> - - 0 -1 157 1.9068910041823983e-03 - - 6.2339980155229568e-02 -5.2227342128753662e-01 - <_> - - 0 -1 158 -3.1480301171541214e-02 - - -5.9882801771163940e-01 2.2110050544142723e-02 - <_> - - 0 -1 159 -2.9177989810705185e-02 - - -7.6283282041549683e-01 3.7851981818675995e-02 - <_> - - 0 -1 160 9.3441819772124290e-03 - - 2.9378799721598625e-02 -5.4641848802566528e-01 - <_> - - 0 -1 161 1.2941689928993583e-03 - - -2.1526190638542175e-01 1.2930710613727570e-01 - <_> - - 0 -1 162 3.9952751249074936e-02 - - -8.1563241779804230e-02 3.4403279423713684e-01 - <_> - - 0 -1 163 2.5796899199485779e-01 - - -8.2971312105655670e-02 2.9717591404914856e-01 - <_> - - 0 -1 164 8.3975978195667267e-03 - - -1.2357590347528458e-01 3.1307429075241089e-01 - <_> - - 0 -1 165 -2.1048100665211678e-02 - - 2.5538909435272217e-01 -1.0775920003652573e-01 - <_> - - 0 -1 166 1.8419239670038223e-02 - - -3.4885831177234650e-02 4.6130049228668213e-01 - <_> - - 0 -1 167 -3.3599320799112320e-02 - - -6.3856261968612671e-01 4.3235760182142258e-02 - <_> - - 0 -1 168 -5.9369178488850594e-03 - - -3.3812350034713745e-01 2.6138810440897942e-02 - <_> - - 0 -1 169 7.4244509451091290e-03 - - 4.1649479418992996e-02 -6.0131359100341797e-01 - <_> - - 0 -1 170 -3.8341500330716372e-03 - - -3.1479349732398987e-01 2.2726090624928474e-02 - <_> - - 0 -1 171 5.9263929724693298e-03 - - -8.4517963230609894e-02 2.9861259460449219e-01 - <_> - - 0 -1 172 -1.9444419071078300e-02 - - 2.2137579321861267e-01 -5.1358368247747421e-02 - <_> - - 0 -1 173 1.8775269389152527e-02 - - -1.2233640253543854e-01 2.6476910710334778e-01 - <_> - - 0 -1 174 6.4857508987188339e-03 - - 2.0563449710607529e-02 -5.2469062805175781e-01 - <_> - - 0 -1 175 -2.5987258553504944e-01 - - -6.5701937675476074e-01 3.4549690783023834e-02 - <_> - - 0 -1 176 -5.8150831609964371e-03 - - -6.5954607725143433e-01 3.0244240537285805e-02 - <_> - - 0 -1 177 -2.6121940463781357e-02 - - 1.8704070150852203e-01 -1.2529240548610687e-01 - <_> - - 0 -1 178 -5.7821800000965595e-03 - - 2.3285099864006042e-01 -1.1824960261583328e-01 - <_> - - 0 -1 179 -2.9595640953630209e-03 - - -4.5799380540847778e-01 5.6465540081262589e-02 - <_> - - 0 -1 180 -1.2088200077414513e-02 - - -5.1893490552902222e-01 2.4499660357832909e-02 - <_> - - 0 -1 181 -8.8109169155359268e-03 - - 2.5700250267982483e-01 -9.2767156660556793e-02 - <_> - - 0 -1 182 -4.5942850410938263e-02 - - -4.4797191023826599e-01 2.9946230351924896e-02 - <_> - - 0 -1 183 -1.0004140436649323e-02 - - -6.1496341228485107e-01 3.6421269178390503e-02 - <_> - - 0 -1 184 -1.1675399728119373e-02 - - 1.1728770285844803e-01 -6.1347480863332748e-02 - <_> - - 0 -1 185 -5.2466850727796555e-02 - - -7.6136529445648193e-01 3.0689470469951630e-02 - <_> - - 0 -1 186 1.8226340413093567e-02 - - -8.5480183362960815e-02 2.6953738927841187e-01 - <_> - - 0 -1 187 -4.5268420130014420e-02 - - 3.2644701004028320e-01 -7.7375642955303192e-02 - <_> - - 0 -1 188 -8.1426883116364479e-03 - - -4.5829379558563232e-01 9.3973511829972267e-03 - <_> - - 0 -1 189 -5.3349281661212444e-03 - - -5.7754981517791748e-01 3.5252388566732407e-02 - <_> - - 0 -1 190 -1.0754769900813699e-03 - - 1.4347539842128754e-01 -1.0157629847526550e-01 - <_> - - 0 -1 191 -3.5198600962758064e-03 - - -6.0820412635803223e-01 3.2888069748878479e-02 - <_> - - 0 -1 192 1.1248350143432617e-02 - - -9.0550042688846588e-02 2.3237830400466919e-01 - <_> - - 0 -1 193 -1.1992019601166248e-02 - - -5.7053321599960327e-01 3.6703631281852722e-02 - <_> - - 0 -1 194 -1.2105530127882957e-02 - - -7.0862692594528198e-01 4.4598700478672981e-03 - <_> - 57 - -1.5267670154571533e+00 - - <_> - - 0 -1 195 -1.1128909885883331e-01 - - 5.2144467830657959e-01 -2.7625268697738647e-01 - <_> - - 0 -1 196 -3.1310080084949732e-03 - - -6.0733932256698608e-01 2.4398099631071091e-02 - <_> - - 0 -1 197 -9.7501352429389954e-02 - - 5.4892867803573608e-01 -1.6524270176887512e-01 - <_> - - 0 -1 198 -6.5224707126617432e-02 - - 3.4020069241523743e-01 -2.6939308643341064e-01 - <_> - - 0 -1 199 1.1918029934167862e-01 - - -1.1235760152339935e-01 6.3959801197052002e-01 - <_> - - 0 -1 200 -1.4062980189919472e-02 - - 3.3427619934082031e-01 -1.2845389544963837e-01 - <_> - - 0 -1 201 -5.6402500718832016e-02 - - 3.7906289100646973e-01 -1.5541569888591766e-01 - <_> - - 0 -1 202 7.1742408908903599e-03 - - -1.1330889910459518e-01 1.8250890076160431e-01 - <_> - - 0 -1 203 1.2597529590129852e-01 - - 9.4548553228378296e-02 -4.8534440994262695e-01 - <_> - - 0 -1 204 5.9177991934120655e-03 - - 7.0132136344909668e-02 -5.3770399093627930e-01 - <_> - - 0 -1 205 -4.3927740305662155e-02 - - 3.9507418870925903e-01 -1.0801859945058823e-01 - <_> - - 0 -1 206 -9.8314704373478889e-03 - - 9.5960617065429688e-02 -4.6807598322629929e-02 - <_> - - 0 -1 207 5.6353402324020863e-03 - - 9.4341628253459930e-02 -5.2477169036865234e-01 - <_> - - 0 -1 208 -1.1538280174136162e-02 - - -5.1548802852630615e-01 1.3805530034005642e-02 - <_> - - 0 -1 209 2.8646249324083328e-02 - - -1.3827019929885864e-01 2.7504378557205200e-01 - <_> - - 0 -1 210 1.3867979869246483e-02 - - -1.2035869807004929e-01 3.5214358568191528e-01 - <_> - - 0 -1 211 -4.0469371015205979e-04 - - 1.5226370096206665e-01 -2.5900840759277344e-01 - <_> - - 0 -1 212 -1.5945810079574585e-01 - - -6.3918548822402954e-01 5.1464989781379700e-02 - <_> - - 0 -1 213 -2.7928699273616076e-03 - - -5.8401507139205933e-01 5.4279379546642303e-02 - <_> - - 0 -1 214 1.8353210762143135e-02 - - -1.0511510074138641e-01 3.5298159718513489e-01 - <_> - - 0 -1 215 -5.1810559816658497e-03 - - -4.7417679429054260e-01 7.9851232469081879e-02 - <_> - - 0 -1 216 9.2321299016475677e-03 - - -7.5932718813419342e-02 1.8528139591217041e-01 - <_> - - 0 -1 217 1.2117110192775726e-02 - - -1.1175289750099182e-01 2.8536349534988403e-01 - <_> - - 0 -1 218 -7.2612818330526352e-03 - - -5.8851087093353271e-01 5.2688319236040115e-02 - <_> - - 0 -1 219 5.6134900078177452e-03 - - 4.7468490898609161e-02 -5.3945899009704590e-01 - <_> - - 0 -1 220 -1.9451679289340973e-01 - - -5.6342220306396484e-01 3.0210889875888824e-02 - <_> - - 0 -1 221 3.5509431362152100e-01 - - 6.3089452683925629e-02 -4.9805879592895508e-01 - <_> - - 0 -1 222 3.3111970871686935e-02 - - 3.4632470458745956e-02 -5.2464848756790161e-01 - <_> - - 0 -1 223 3.4281808882951736e-02 - - 4.3143980205059052e-02 -6.4707130193710327e-01 - <_> - - 0 -1 224 -7.8256614506244659e-03 - - -4.6880009770393372e-01 4.0239371359348297e-02 - <_> - - 0 -1 225 1.1156049557030201e-02 - - 4.0150500833988190e-02 -6.0955387353897095e-01 - <_> - - 0 -1 226 1.1363060213625431e-02 - - -8.2748986780643463e-02 3.8116890192031860e-01 - <_> - - 0 -1 227 2.0405100658535957e-02 - - 4.2575638741254807e-02 -7.4677741527557373e-01 - <_> - - 0 -1 228 1.9111629575490952e-02 - - -1.2391970306634903e-01 2.2265200316905975e-01 - <_> - - 0 -1 229 -7.3364898562431335e-03 - - 3.0342069268226624e-01 -9.2695690691471100e-02 - <_> - - 0 -1 230 -8.6538922041654587e-03 - - -3.3517450094223022e-01 5.8540578931570053e-02 - <_> - - 0 -1 231 3.4789599478244781e-02 - - 3.3757809549570084e-02 -7.4834531545639038e-01 - <_> - - 0 -1 232 -1.7418829724192619e-02 - - 2.4453639984130859e-01 -6.9878697395324707e-02 - <_> - - 0 -1 233 3.5119079984724522e-03 - - -1.2778869271278381e-01 2.4033150076866150e-01 - <_> - - 0 -1 234 5.0669797929003835e-04 - - -1.1697790026664734e-01 1.4393800497055054e-01 - <_> - - 0 -1 235 -5.9512741863727570e-03 - - -5.0781607627868652e-01 4.7852229326963425e-02 - <_> - - 0 -1 236 5.0377801060676575e-02 - - 2.9282520990818739e-03 -7.7516961097717285e-01 - <_> - - 0 -1 237 3.8862510118633509e-03 - - -1.5504209697246552e-01 1.5709200501441956e-01 - <_> - - 0 -1 238 3.8511630147695541e-02 - - 2.3097040131688118e-02 -6.2916171550750732e-01 - <_> - - 0 -1 239 -5.5746049620211124e-03 - - 1.8070709705352783e-01 -1.2980529665946960e-01 - <_> - - 0 -1 240 1.2664760649204254e-01 - - -8.6559399962425232e-02 2.9573258757591248e-01 - <_> - - 0 -1 241 5.4126111790537834e-03 - - -1.5283249318599701e-01 1.6629169881343842e-01 - <_> - - 0 -1 242 -3.6153081804513931e-02 - - 2.7973130345344543e-01 -1.0398860275745392e-01 - <_> - - 0 -1 243 7.1673998609185219e-03 - - -9.4564221799373627e-02 2.7785280346870422e-01 - <_> - - 0 -1 244 -6.7790350876748562e-03 - - 1.6790680587291718e-01 -8.3954311907291412e-02 - <_> - - 0 -1 245 -2.9867609962821007e-02 - - -7.2361171245574951e-01 3.4631069749593735e-02 - <_> - - 0 -1 246 6.5265512093901634e-03 - - -1.1737609654664993e-01 1.3460339605808258e-01 - <_> - - 0 -1 247 3.4080960176652297e-05 - - -1.7531760036945343e-01 1.3222040235996246e-01 - <_> - - 0 -1 248 -1.7629459500312805e-02 - - -5.1608538627624512e-01 2.5386190041899681e-02 - <_> - - 0 -1 249 -1.5446309698745608e-03 - - -4.1421860456466675e-01 5.1330089569091797e-02 - <_> - - 0 -1 250 1.1520429980009794e-03 - - 3.6615949124097824e-02 -3.6928009986877441e-01 - <_> - - 0 -1 251 -2.9612779617309570e-03 - - 2.4461880326271057e-01 -8.4271423518657684e-02 - <_> - 64 - -1.4507639408111572e+00 - - <_> - - 0 -1 252 -1.4103169552981853e-02 - - 2.6997908949851990e-01 -3.9283180236816406e-01 - <_> - - 0 -1 253 5.4714400321245193e-03 - - -2.2691699862480164e-01 2.7490520477294922e-01 - <_> - - 0 -1 254 1.6635479405522346e-02 - - -1.5479080379009247e-01 3.2242020964622498e-01 - <_> - - 0 -1 255 -8.4477178752422333e-03 - - 3.3207809925079346e-01 -1.2496549636125565e-01 - <_> - - 0 -1 256 -2.4904569145292044e-03 - - 2.9002049565315247e-01 -1.4602980017662048e-01 - <_> - - 0 -1 257 2.8210440650582314e-02 - - -8.3193711936473846e-02 4.8053979873657227e-01 - <_> - - 0 -1 258 9.3179903924465179e-03 - - -1.6924269497394562e-01 3.4820309281349182e-01 - <_> - - 0 -1 259 -5.7910289615392685e-02 - - -5.0403988361358643e-01 8.4093488752841949e-02 - <_> - - 0 -1 260 8.8212646543979645e-02 - - 7.3309987783432007e-02 -4.8833951354026794e-01 - <_> - - 0 -1 261 6.0974380176048726e-05 - - -1.5945079922676086e-01 1.4732779562473297e-01 - <_> - - 0 -1 262 -1.4206360094249249e-02 - - -6.3656848669052124e-01 5.0715360790491104e-02 - <_> - - 0 -1 263 -7.7181900851428509e-03 - - -6.3300287723541260e-01 3.2868899405002594e-02 - <_> - - 0 -1 264 1.2007170356810093e-02 - - -1.2545250356197357e-01 2.8936991095542908e-01 - <_> - - 0 -1 265 7.0782616734504700e-02 - - 3.0565660446882248e-02 -5.6666982173919678e-01 - <_> - - 0 -1 266 -5.0412330776453018e-02 - - -5.0897938013076782e-01 7.1004882454872131e-02 - <_> - - 0 -1 267 2.2072799503803253e-02 - - -1.4448410272598267e-01 2.7811849117279053e-01 - <_> - - 0 -1 268 1.4764940366148949e-02 - - -1.2839899957180023e-01 3.2901859283447266e-01 - <_> - - 0 -1 269 6.8206568248569965e-03 - - 6.5479546785354614e-02 -5.4632657766342163e-01 - <_> - - 0 -1 270 2.0179790444672108e-03 - - -2.0283429324626923e-01 1.6796590387821198e-01 - <_> - - 0 -1 271 2.5081219151616096e-02 - - -1.1049439758062363e-01 3.1918600201606750e-01 - <_> - - 0 -1 272 8.9391358196735382e-03 - - 7.3413208127021790e-02 -5.5383992195129395e-01 - <_> - - 0 -1 273 -4.6396959805861115e-04 - - 1.1230310052633286e-01 -1.6971270740032196e-01 - <_> - - 0 -1 274 -8.5602197796106339e-03 - - -7.3473477363586426e-01 4.1716948151588440e-02 - <_> - - 0 -1 275 -3.8934718817472458e-02 - - 2.2926269471645355e-01 -7.9229943454265594e-02 - <_> - - 0 -1 276 -2.1541599184274673e-02 - - 3.0071720480918884e-01 -1.1523400247097015e-01 - <_> - - 0 -1 277 4.9337721429765224e-03 - - -1.0028380155563354e-01 1.3485729694366455e-01 - <_> - - 0 -1 278 1.6150669753551483e-01 - - 5.8817189186811447e-02 -5.6567448377609253e-01 - <_> - - 0 -1 279 -1.2326019816100597e-02 - - -2.8233280777931213e-01 1.8759630620479584e-02 - <_> - - 0 -1 280 5.2987951785326004e-03 - - 5.2406348288059235e-02 -5.7190322875976562e-01 - <_> - - 0 -1 281 2.8904320672154427e-02 - - 4.7710869461297989e-02 -4.8545840382575989e-01 - <_> - - 0 -1 282 1.5569729730486870e-02 - - 4.9317851662635803e-02 -5.1000517606735229e-01 - <_> - - 0 -1 283 -9.3812070786952972e-02 - - 2.5648090243339539e-01 -1.0570690035820007e-01 - <_> - - 0 -1 284 -2.8693329542875290e-02 - - 5.2470439672470093e-01 -5.0950251519680023e-02 - <_> - - 0 -1 285 7.2301640175282955e-03 - - 5.8365300297737122e-02 -4.8943120241165161e-01 - <_> - - 0 -1 286 8.2664839283097535e-05 - - -1.4372180402278900e-01 1.8202689290046692e-01 - <_> - - 0 -1 287 1.5241750515997410e-03 - - 2.0126799121499062e-02 -3.8845899701118469e-01 - <_> - - 0 -1 288 -6.5512307628523558e-05 - - 2.2803540527820587e-01 -1.5812060236930847e-01 - <_> - - 0 -1 289 2.4175599683076143e-03 - - -8.9045077562332153e-02 2.8392508625984192e-01 - <_> - - 0 -1 290 3.4308489412069321e-02 - - 3.9130479097366333e-02 -6.2633931636810303e-01 - <_> - - 0 -1 291 1.2766799889504910e-02 - - -9.8429419100284576e-02 2.8574278950691223e-01 - <_> - - 0 -1 292 -2.7450299821794033e-03 - - 2.0907869935035706e-01 -1.2679450213909149e-01 - <_> - - 0 -1 293 -7.0629850961267948e-03 - - -4.7847199440002441e-01 2.2974679246544838e-02 - <_> - - 0 -1 294 1.0967410169541836e-02 - - -1.3107410073280334e-01 1.7128570377826691e-01 - <_> - - 0 -1 295 -1.5306890010833740e-01 - - 2.3610730469226837e-01 -9.6540167927742004e-02 - <_> - - 0 -1 296 2.1676090545952320e-03 - - -1.0288040339946747e-01 2.5375840067863464e-01 - <_> - - 0 -1 297 1.0705149732530117e-02 - - 1.6089269891381264e-02 -5.8685261011123657e-01 - <_> - - 0 -1 298 -6.1142919585108757e-03 - - -6.1467981338500977e-01 3.4404631704092026e-02 - <_> - - 0 -1 299 -1.6005769371986389e-02 - - 9.5413319766521454e-02 -6.5781168639659882e-02 - <_> - - 0 -1 300 8.5541699081659317e-03 - - 4.2579360306262970e-02 -5.4903411865234375e-01 - <_> - - 0 -1 301 -5.5742941185599193e-05 - - 1.5058469772338867e-01 -9.7832597792148590e-02 - <_> - - 0 -1 302 4.9888480134541169e-05 - - -1.5222179889678955e-01 1.4647099375724792e-01 - <_> - - 0 -1 303 9.3986131250858307e-03 - - -7.9301856458187103e-02 2.2228449583053589e-01 - <_> - - 0 -1 304 -4.4594589620828629e-02 - - 3.2170730829238892e-01 -7.1259953081607819e-02 - <_> - - 0 -1 305 2.7630710601806641e-01 - - -3.1289439648389816e-02 4.6367809176445007e-01 - <_> - - 0 -1 306 -4.5924279838800430e-02 - - 2.6855510473251343e-01 -9.4698183238506317e-02 - <_> - - 0 -1 307 3.2828450202941895e-02 - - 4.2008858174085617e-02 -1.9091799855232239e-01 - <_> - - 0 -1 308 5.8416211977601051e-03 - - 4.4382080435752869e-02 -5.0172328948974609e-01 - <_> - - 0 -1 309 2.5312770158052444e-02 - - 7.6768198050558567e-03 -4.5246911048889160e-01 - <_> - - 0 -1 310 -2.0680379122495651e-02 - - -7.0823311805725098e-01 2.7752710506320000e-02 - <_> - - 0 -1 311 1.9456259906291962e-03 - - -1.7256410419940948e-01 8.8524073362350464e-02 - <_> - - 0 -1 312 1.3182780146598816e-01 - - 3.7875670939683914e-02 -5.2365738153457642e-01 - <_> - - 0 -1 313 -4.8449821770191193e-03 - - -3.8318011164665222e-01 2.9552109539508820e-02 - <_> - - 0 -1 314 5.3295581601560116e-03 - - -1.1728160083293915e-01 1.7122170329093933e-01 - <_> - - 0 -1 315 -3.5328458994626999e-02 - - 3.7315499782562256e-01 -6.5027341246604919e-02 - <_> - 77 - -1.3936280012130737e+00 - - <_> - - 0 -1 316 1.3647849671542645e-02 - - -2.8023689985275269e-01 3.5753351449966431e-01 - <_> - - 0 -1 317 1.2307819910347462e-02 - - -1.4846450090408325e-01 2.7148860692977905e-01 - <_> - - 0 -1 318 4.6594038605690002e-01 - - -7.0500850677490234e-02 5.8680188655853271e-01 - <_> - - 0 -1 319 1.5693339519202709e-03 - - -1.1502370238304138e-01 1.3755360245704651e-01 - <_> - - 0 -1 320 2.5176738854497671e-03 - - -1.7788909375667572e-01 2.1724070608615875e-01 - <_> - - 0 -1 321 4.5299702323973179e-03 - - 4.5860350131988525e-02 -5.3767031431198120e-01 - <_> - - 0 -1 322 4.0295510552823544e-03 - - 5.9907138347625732e-02 -5.8030951023101807e-01 - <_> - - 0 -1 323 9.0281656011939049e-03 - - -8.8961161673069000e-02 3.4740069508552551e-01 - <_> - - 0 -1 324 -7.1099460124969482e-02 - - 4.0032050013542175e-01 -8.7675258517265320e-02 - <_> - - 0 -1 325 -9.0507879853248596e-02 - - 3.2023850083351135e-01 -1.1072800308465958e-01 - <_> - - 0 -1 326 3.9499148726463318e-01 - - -5.4482270032167435e-02 4.3765610456466675e-01 - <_> - - 0 -1 327 6.0021281242370605e-03 - - 4.1296858340501785e-02 -6.2775158882141113e-01 - <_> - - 0 -1 328 -1.2675330042839050e-02 - - 1.8643060326576233e-01 -1.5865950286388397e-01 - <_> - - 0 -1 329 5.2523188060149550e-04 - - -7.3780946433544159e-02 1.1318250000476837e-01 - <_> - - 0 -1 330 1.5198530256748199e-01 - - -6.9850206375122070e-02 5.5264592170715332e-01 - <_> - - 0 -1 331 -5.9174448251724243e-03 - - -4.2243769764900208e-01 2.3429270833730698e-02 - <_> - - 0 -1 332 5.1085697486996651e-04 - - -1.7821140587329865e-01 1.7475420236587524e-01 - <_> - - 0 -1 333 -2.8626650571823120e-02 - - -7.8067898750305176e-01 4.3033521622419357e-02 - <_> - - 0 -1 334 3.2388539984822273e-03 - - -1.1748749762773514e-01 2.3013429343700409e-01 - <_> - - 0 -1 335 -6.8310899659991264e-03 - - -5.1702737808227539e-01 2.2477060556411743e-02 - <_> - - 0 -1 336 -1.3818129897117615e-01 - - -6.7183071374893188e-01 3.3945839852094650e-02 - <_> - - 0 -1 337 1.2902930378913879e-02 - - 1.9041150808334351e-02 -4.7392490506172180e-01 - <_> - - 0 -1 338 6.3398052006959915e-03 - - 4.1281130164861679e-02 -5.8211308717727661e-01 - <_> - - 0 -1 339 8.4067512943875045e-05 - - -2.3016390204429626e-01 1.2408539652824402e-01 - <_> - - 0 -1 340 1.7238859087228775e-02 - - 5.3966581821441650e-02 -5.8185648918151855e-01 - <_> - - 0 -1 341 -7.8677326440811157e-02 - - -4.0611150860786438e-01 5.6923508644104004e-02 - <_> - - 0 -1 342 5.5859591811895370e-03 - - 3.6842439323663712e-02 -5.6468677520751953e-01 - <_> - - 0 -1 343 -6.1322399415075779e-04 - - 1.7850470542907715e-01 -6.6888310015201569e-02 - <_> - - 0 -1 344 7.9400849062949419e-04 - - -7.8397832810878754e-02 3.0545571446418762e-01 - <_> - - 0 -1 345 1.2827199883759022e-02 - - 4.0437459945678711e-02 -6.4795708656311035e-01 - <_> - - 0 -1 346 1.1977979913353920e-02 - - -9.9379159510135651e-02 2.2672760486602783e-01 - <_> - - 0 -1 347 -4.9378769472241402e-03 - - 2.7063280344009399e-01 -8.3922103047370911e-02 - <_> - - 0 -1 348 2.0337730646133423e-02 - - 4.0057111531496048e-02 -6.1709612607955933e-01 - <_> - - 0 -1 349 -1.5826310217380524e-01 - - 3.7180110812187195e-01 -7.7644877135753632e-02 - <_> - - 0 -1 350 4.5150578953325748e-03 - - -1.4245720207691193e-01 1.9468970596790314e-01 - <_> - - 0 -1 351 -1.7942169681191444e-02 - - -7.2584807872772217e-01 2.9234779998660088e-02 - <_> - - 0 -1 352 5.2153151482343674e-03 - - 4.6004150062799454e-02 -4.5367568731307983e-01 - <_> - - 0 -1 353 -7.7863838523626328e-03 - - 1.7464269697666168e-01 -1.0989809781312943e-01 - <_> - - 0 -1 354 9.4133447855710983e-03 - - 3.4647628664970398e-02 -5.9836661815643311e-01 - <_> - - 0 -1 355 7.6218741014599800e-03 - - -1.0570260137319565e-01 2.0373369753360748e-01 - <_> - - 0 -1 356 2.1601879969239235e-02 - - -9.0930342674255371e-02 2.8870388865470886e-01 - <_> - - 0 -1 357 -1.1823089793324471e-02 - - -6.3036149740219116e-01 2.4082619696855545e-02 - <_> - - 0 -1 358 -2.0232979208230972e-02 - - -7.4202787876129150e-01 2.3521220311522484e-02 - <_> - - 0 -1 359 6.4510147785767913e-04 - - -5.5255789309740067e-02 1.6501660645008087e-01 - <_> - - 0 -1 360 -8.1876022741198540e-03 - - -5.7709318399429321e-01 3.5234641283750534e-02 - <_> - - 0 -1 361 -4.5044958824291825e-04 - - 1.8597809970378876e-01 -8.2436777651309967e-02 - <_> - - 0 -1 362 -2.7309779077768326e-02 - - -7.2045487165451050e-01 2.7683850377798080e-02 - <_> - - 0 -1 363 7.3051019571721554e-03 - - -7.5815990567207336e-02 1.2281800061464310e-01 - <_> - - 0 -1 364 7.2118180105462670e-04 - - -8.4706626832485199e-02 2.2123050689697266e-01 - <_> - - 0 -1 365 -5.5794708896428347e-04 - - 9.2200443148612976e-02 -5.1267310976982117e-02 - <_> - - 0 -1 366 -1.2906070332974195e-03 - - 2.3648509383201599e-01 -8.5636742413043976e-02 - <_> - - 0 -1 367 -2.3440949618816376e-02 - - -3.4175920486450195e-01 3.0355690047144890e-02 - <_> - - 0 -1 368 6.7003733420278877e-05 - - -1.7783120274543762e-01 1.0983660072088242e-01 - <_> - - 0 -1 369 -2.0913260523229837e-03 - - -3.2965481281280518e-01 4.8821929842233658e-02 - <_> - - 0 -1 370 5.2883368916809559e-03 - - 4.7602079808712006e-02 -4.2296901345252991e-01 - <_> - - 0 -1 371 1.0467220097780228e-01 - - 1.4557709917426109e-02 -5.1639598608016968e-01 - <_> - - 0 -1 372 4.1093688458204269e-02 - - 2.5569459423422813e-02 -6.7345750331878662e-01 - <_> - - 0 -1 373 4.5452991127967834e-01 - - -4.7321271151304245e-02 4.6472591161727905e-01 - <_> - - 0 -1 374 -4.4200271368026733e-03 - - 2.1729059517383575e-01 -8.0523736774921417e-02 - <_> - - 0 -1 375 -3.3253689762204885e-03 - - 1.1963640153408051e-01 -8.4737166762351990e-02 - <_> - - 0 -1 376 1.5223690308630466e-02 - - -8.9243628084659576e-02 2.2841119766235352e-01 - <_> - - 0 -1 377 -3.1223909929394722e-02 - - 1.4642609655857086e-01 -1.0129989683628082e-01 - <_> - - 0 -1 378 -7.2967536747455597e-02 - - 1.9779099524021149e-01 -9.9804528057575226e-02 - <_> - - 0 -1 379 4.3468710035085678e-02 - - -7.3893286287784576e-02 1.5711790323257446e-01 - <_> - - 0 -1 380 7.7427257783710957e-03 - - -9.0792253613471985e-02 2.4496759474277496e-01 - <_> - - 0 -1 381 -8.3488449454307556e-02 - - 1.7328590154647827e-01 -1.2881289422512054e-01 - <_> - - 0 -1 382 4.2111508548259735e-02 - - -1.4753210544586182e-01 1.3734489679336548e-01 - <_> - - 0 -1 383 9.6673727035522461e-02 - - -5.5196139961481094e-02 3.5633039474487305e-01 - <_> - - 0 -1 384 -8.8993981480598450e-03 - - -5.2619308233261108e-01 3.8890600204467773e-02 - <_> - - 0 -1 385 -2.3850830271840096e-02 - - 1.9245590269565582e-01 -1.0501539707183838e-01 - <_> - - 0 -1 386 -7.4902130290865898e-04 - - 2.4767409265041351e-01 -7.3859728872776031e-02 - <_> - - 0 -1 387 -2.3048849776387215e-02 - - -5.2203482389450073e-01 2.9538379982113838e-02 - <_> - - 0 -1 388 5.7920900871977210e-04 - - -8.0705501139163971e-02 2.4939849972724915e-01 - <_> - - 0 -1 389 -2.5435430929064751e-02 - - -6.5204900503158569e-01 1.6328070312738419e-02 - <_> - - 0 -1 390 1.7639160156250000e-02 - - 2.4694919586181641e-02 -6.8505227565765381e-01 - <_> - - 0 -1 391 2.0535739138722420e-02 - - 1.6518220305442810e-02 -4.2852258682250977e-01 - <_> - - 0 -1 392 1.1113280430436134e-02 - - -8.7159179151058197e-02 2.0620019733905792e-01 - <_> - 73 - -1.3217060565948486e+00 - - <_> - - 0 -1 393 1.4061849564313889e-02 - - -2.7372831106185913e-01 4.0178298950195312e-01 - <_> - - 0 -1 394 -3.3424530178308487e-02 - - 3.4338641166687012e-01 -1.5240709483623505e-01 - <_> - - 0 -1 395 -3.3982729073613882e-03 - - 3.0461141467094421e-01 -2.1628560125827789e-01 - <_> - - 0 -1 396 6.7393951117992401e-02 - - -5.3956210613250732e-02 3.3049640059471130e-01 - <_> - - 0 -1 397 -5.1544748246669769e-02 - - 3.8040369749069214e-01 -1.3342610001564026e-01 - <_> - - 0 -1 398 3.6630779504776001e-03 - - -1.7602029442787170e-01 2.1399669349193573e-01 - <_> - - 0 -1 399 7.8836623579263687e-03 - - 5.7061620056629181e-02 -5.1507431268692017e-01 - <_> - - 0 -1 400 -8.9480048045516014e-03 - - 2.2309969365596771e-01 -1.1905369907617569e-01 - <_> - - 0 -1 401 -5.5760587565600872e-04 - - 9.9965967237949371e-02 -2.5582858920097351e-01 - <_> - - 0 -1 402 9.5389392226934433e-03 - - -6.5531507134437561e-02 3.2462659478187561e-01 - <_> - - 0 -1 403 7.7904132194817066e-03 - - 4.5026030391454697e-02 -6.0688591003417969e-01 - <_> - - 0 -1 404 4.0692770853638649e-03 - - -6.2474351376295090e-02 1.5706950426101685e-01 - <_> - - 0 -1 405 3.1110940035432577e-03 - - -7.4468009173870087e-02 2.6008018851280212e-01 - <_> - - 0 -1 406 1.5651449561119080e-02 - - 2.5566350668668747e-02 -5.1725232601165771e-01 - <_> - - 0 -1 407 2.0446130633354187e-01 - - -7.6343096792697906e-02 3.3239069581031799e-01 - <_> - - 0 -1 408 -1.0169159621000290e-02 - - 1.6066810488700867e-01 -1.0915979743003845e-01 - <_> - - 0 -1 409 1.8947809934616089e-01 - - 5.3859941661357880e-02 -5.3987598419189453e-01 - <_> - - 0 -1 410 -1.4792400598526001e-01 - - 2.3854659497737885e-01 -1.1328209936618805e-01 - <_> - - 0 -1 411 -1.4830310642719269e-01 - - 3.6465111374855042e-01 -7.5315676629543304e-02 - <_> - - 0 -1 412 -1.3255329430103302e-01 - - 2.9195559024810791e-01 -9.4944156706333160e-02 - <_> - - 0 -1 413 -1.6390170902013779e-02 - - 3.9205119013786316e-01 -6.8502128124237061e-02 - <_> - - 0 -1 414 -6.3240979798138142e-03 - - -6.6337722539901733e-01 3.3776801079511642e-02 - <_> - - 0 -1 415 1.4740950427949429e-02 - - 4.3142370879650116e-02 -5.0169318914413452e-01 - <_> - - 0 -1 416 1.7102040350437164e-02 - - -1.7399680614471436e-01 2.0360749959945679e-01 - <_> - - 0 -1 417 -7.5232060626149178e-03 - - 2.6142400503158569e-01 -8.9473031461238861e-02 - <_> - - 0 -1 418 8.0899456515908241e-03 - - 4.9131639301776886e-02 -3.8692459464073181e-01 - <_> - - 0 -1 419 -1.1191490106284618e-02 - - -7.1513938903808594e-01 2.9279340058565140e-02 - <_> - - 0 -1 420 -6.4855492382775992e-05 - - 1.1478959769010544e-01 -1.1958249658346176e-01 - <_> - - 0 -1 421 2.6316290721297264e-02 - - 2.6085929945111275e-02 -8.0710291862487793e-01 - <_> - - 0 -1 422 -1.3249419629573822e-02 - - -3.2114431262016296e-01 7.5486088171601295e-03 - <_> - - 0 -1 423 6.2180599197745323e-03 - - 5.5559240281581879e-02 -4.0652489662170410e-01 - <_> - - 0 -1 424 1.7249800264835358e-01 - - 4.0750358253717422e-02 -5.0563377141952515e-01 - <_> - - 0 -1 425 -2.1679839119315147e-02 - - -6.2354528903961182e-01 2.6478029787540436e-02 - <_> - - 0 -1 426 1.6703149303793907e-02 - - -1.3794849812984467e-01 1.3749359548091888e-01 - <_> - - 0 -1 427 -9.0457811951637268e-02 - - 2.3645150661468506e-01 -8.2285732030868530e-02 - <_> - - 0 -1 428 -3.1922020018100739e-02 - - 2.5785401463508606e-01 -4.7243330627679825e-02 - <_> - - 0 -1 429 -1.0785860009491444e-02 - - 1.9156840443611145e-01 -1.0926260054111481e-01 - <_> - - 0 -1 430 1.5356860123574734e-02 - - -9.1598026454448700e-02 1.4929470419883728e-01 - <_> - - 0 -1 431 -2.9838619753718376e-02 - - 3.6931860446929932e-01 -6.9861568510532379e-02 - <_> - - 0 -1 432 1.5088700456544757e-03 - - -6.8405367434024811e-02 1.1674939841032028e-01 - <_> - - 0 -1 433 -3.9159361273050308e-02 - - -5.1392030715942383e-01 3.7696298211812973e-02 - <_> - - 0 -1 434 9.6957627683877945e-03 - - 1.7815299332141876e-02 -4.6859109401702881e-01 - <_> - - 0 -1 435 7.2683161124587059e-04 - - -1.3107830286026001e-01 1.5749000012874603e-01 - <_> - - 0 -1 436 3.9894571527838707e-03 - - 4.5223500579595566e-02 -4.2377158999443054e-01 - <_> - - 0 -1 437 -5.1600970327854156e-03 - - -5.1509988307952881e-01 3.4805640578269958e-02 - <_> - - 0 -1 438 -2.3738930001854897e-02 - - 2.2136999666690826e-01 -8.4229230880737305e-02 - <_> - - 0 -1 439 1.4563770033419132e-02 - - -8.9808702468872070e-02 2.1864689886569977e-01 - <_> - - 0 -1 440 7.2849658317863941e-04 - - -7.0903539657592773e-02 1.2049960345029831e-01 - <_> - - 0 -1 441 -3.1149860471487045e-02 - - -6.0673481225967407e-01 2.9479870572686195e-02 - <_> - - 0 -1 442 1.6768559813499451e-02 - - 2.3652590811252594e-02 -4.1640669107437134e-01 - <_> - - 0 -1 443 -8.9033348485827446e-03 - - -5.5360221862792969e-01 3.0212569981813431e-02 - <_> - - 0 -1 444 5.3961132653057575e-04 - - -5.8847390115261078e-02 1.5313039720058441e-01 - <_> - - 0 -1 445 -8.3886012434959412e-03 - - -7.0527809858322144e-01 2.5097940117120743e-02 - <_> - - 0 -1 446 -3.4085000515915453e-04 - - 1.7718690633773804e-01 -1.0484679788351059e-01 - <_> - - 0 -1 447 6.1828009784221649e-03 - - 3.3038828521966934e-02 -4.9485749006271362e-01 - <_> - - 0 -1 448 8.2702568033710122e-04 - - -1.8448309600353241e-01 7.7788598835468292e-02 - <_> - - 0 -1 449 -6.0980831040069461e-04 - - 1.9595789909362793e-01 -8.3752043545246124e-02 - <_> - - 0 -1 450 1.2273030006326735e-04 - - -8.1470809876918793e-02 1.2093000113964081e-01 - <_> - - 0 -1 451 4.6565610682591796e-04 - - -9.5331951975822449e-02 2.2882999479770660e-01 - <_> - - 0 -1 452 -2.1647799760103226e-02 - - -6.9338059425354004e-01 1.7061540856957436e-02 - <_> - - 0 -1 453 5.9500660747289658e-02 - - 5.2603170275688171e-02 -2.7821978926658630e-01 - <_> - - 0 -1 454 2.5365199893712997e-02 - - 8.9954538270831108e-03 -6.3834899663925171e-01 - <_> - - 0 -1 455 -3.9667091332376003e-03 - - -3.1752720475196838e-01 4.7011289745569229e-02 - <_> - - 0 -1 456 8.2784779369831085e-03 - - -5.4444059729576111e-02 2.2199389338493347e-01 - <_> - - 0 -1 457 -2.2125450894236565e-02 - - -6.7381507158279419e-01 2.2545639425516129e-02 - <_> - - 0 -1 458 -1.8015919253230095e-02 - - 1.9720579683780670e-01 -4.1927978396415710e-02 - <_> - - 0 -1 459 8.4426235407590866e-03 - - -6.0547191649675369e-02 2.6492148637771606e-01 - <_> - - 0 -1 460 -3.2566841691732407e-02 - - -7.1072858572006226e-01 1.1840609833598137e-02 - <_> - - 0 -1 461 -4.7655492089688778e-03 - - 1.3843970000743866e-01 -1.1505319923162460e-01 - <_> - - 0 -1 462 5.6936290115118027e-02 - - -6.1339709907770157e-02 2.6656940579414368e-01 - <_> - - 0 -1 463 1.3741460442543030e-01 - - -1.1396790295839310e-01 1.7893630266189575e-01 - <_> - - 0 -1 464 3.4123009536415339e-03 - - -6.6894076764583588e-02 2.5956168770790100e-01 - <_> - - 0 -1 465 1.1629019863903522e-02 - - -1.3462069630622864e-01 1.5184959769248962e-01 - <_> - 102 - -1.4393190145492554e+00 - - <_> - - 0 -1 466 -3.0265800654888153e-02 - - 3.8096681237220764e-01 -1.3377699255943298e-01 - <_> - - 0 -1 467 -1.8889939785003662e-01 - - 3.4722200036048889e-01 -1.1434909701347351e-01 - <_> - - 0 -1 468 4.4756601564586163e-03 - - -1.7790019512176514e-01 1.9837200641632080e-01 - <_> - - 0 -1 469 -9.2559102922677994e-03 - - 2.5532960891723633e-01 -9.5685683190822601e-02 - <_> - - 0 -1 470 1.0375189594924450e-02 - - -1.2901009619235992e-01 2.0472739636898041e-01 - <_> - - 0 -1 471 2.5273600220680237e-01 - - -7.7913478016853333e-02 3.4137108922004700e-01 - <_> - - 0 -1 472 7.9952310770750046e-03 - - 1.1916679888963699e-01 -4.1383698582649231e-01 - <_> - - 0 -1 473 6.6510503529570997e-05 - - -2.3053060472011566e-01 1.3289320468902588e-01 - <_> - - 0 -1 474 1.0429739952087402e-02 - - -6.2206111848354340e-02 2.9351210594177246e-01 - <_> - - 0 -1 475 -9.4513092190027237e-03 - - 1.6715039312839508e-01 -1.1613100022077560e-01 - <_> - - 0 -1 476 -1.3863059878349304e-01 - - -4.5146858692169189e-01 7.2572976350784302e-02 - <_> - - 0 -1 477 -1.5423299744725227e-02 - - -4.2771181464195251e-01 2.4840919300913811e-02 - <_> - - 0 -1 478 -6.5782992169260979e-03 - - -6.5407878160476685e-01 4.0261831134557724e-02 - <_> - - 0 -1 479 -6.8917557655368000e-05 - - 2.0682600140571594e-01 -1.1952479928731918e-01 - <_> - - 0 -1 480 7.1416288847103715e-05 - - -1.6258999705314636e-01 1.5189890563488007e-01 - <_> - - 0 -1 481 1.3548660278320312e-01 - - -5.0455428659915924e-02 4.7124901413917542e-01 - <_> - - 0 -1 482 1.1286230292171240e-03 - - -1.9349409639835358e-01 1.4920289814472198e-01 - <_> - - 0 -1 483 3.7687130272388458e-02 - - -6.5130472648888826e-04 -5.5662167072296143e-01 - <_> - - 0 -1 484 -1.7772499471902847e-02 - - -5.7330471277236938e-01 4.6251270920038223e-02 - <_> - - 0 -1 485 -1.4152459800243378e-02 - - -7.9059988260269165e-01 1.5357020311057568e-02 - <_> - - 0 -1 486 -1.9447410479187965e-02 - - 2.1232390403747559e-01 -1.0219439864158630e-01 - <_> - - 0 -1 487 1.2915019877254963e-02 - - -7.8864462673664093e-02 1.4578649401664734e-01 - <_> - - 0 -1 488 7.7283121645450592e-03 - - -1.3381069898605347e-01 2.0553180575370789e-01 - <_> - - 0 -1 489 -2.6421029120683670e-02 - - 2.7290409803390503e-01 -8.4103830158710480e-02 - <_> - - 0 -1 490 -2.1642580628395081e-02 - - 2.1656160056591034e-01 -9.9797606468200684e-02 - <_> - - 0 -1 491 -1.8604170531034470e-02 - - 3.1678178906440735e-01 -6.8464621901512146e-02 - <_> - - 0 -1 492 7.9184472560882568e-03 - - 3.8932591676712036e-02 -5.8496218919754028e-01 - <_> - - 0 -1 493 -9.0868779807351530e-05 - - 1.1835379898548126e-01 -2.6939970254898071e-01 - <_> - - 0 -1 494 -6.3271610997617245e-05 - - 1.4836210012435913e-01 -1.4140149950981140e-01 - <_> - - 0 -1 495 3.0123859178274870e-03 - - 4.7559700906276703e-02 -3.1680768728256226e-01 - <_> - - 0 -1 496 2.0202860236167908e-02 - - 3.6336939781904221e-02 -4.9587869644165039e-01 - <_> - - 0 -1 497 6.8112947046756744e-02 - - -6.3601806759834290e-02 3.7456488609313965e-01 - <_> - - 0 -1 498 -6.1344921588897705e-02 - - 3.7039840221405029e-01 -6.2690317630767822e-02 - <_> - - 0 -1 499 -2.3922309279441833e-02 - - -3.4753319621086121e-01 5.6829240173101425e-02 - <_> - - 0 -1 500 4.4279401190578938e-03 - - 3.1897440552711487e-02 -5.0859087705612183e-01 - <_> - - 0 -1 501 -9.2366456985473633e-02 - - -4.8896598815917969e-01 9.9938698112964630e-03 - <_> - - 0 -1 502 -3.1878310255706310e-03 - - 8.5749432444572449e-02 -2.3823440074920654e-01 - <_> - - 0 -1 503 6.2605291604995728e-03 - - 2.4412810802459717e-02 -5.5001372098922729e-01 - <_> - - 0 -1 504 2.1717049181461334e-02 - - -8.4798701107501984e-02 2.1824799478054047e-01 - <_> - - 0 -1 505 1.0295960120856762e-02 - - -1.0329149663448334e-01 1.9458709657192230e-01 - <_> - - 0 -1 506 1.2149630114436150e-02 - - 3.2223898917436600e-02 -5.9328657388687134e-01 - <_> - - 0 -1 507 1.9116830080747604e-02 - - 3.0940750613808632e-02 -4.5388719439506531e-01 - <_> - - 0 -1 508 7.1067700628191233e-04 - - -1.5458069741725922e-01 1.2622979283332825e-01 - <_> - - 0 -1 509 -2.9427420347929001e-02 - - 2.0704819262027740e-01 -8.6181886494159698e-02 - <_> - - 0 -1 510 -3.7067469675093889e-03 - - -5.1559269428253174e-01 3.8358908146619797e-02 - <_> - - 0 -1 511 6.0146670875838026e-05 - - -1.0236179828643799e-01 8.8405437767505646e-02 - <_> - - 0 -1 512 -6.8713612563442439e-05 - - 1.9844369590282440e-01 -9.9444359540939331e-02 - <_> - - 0 -1 513 -8.4833398461341858e-02 - - -3.9009338617324829e-01 3.9758160710334778e-02 - <_> - - 0 -1 514 1.1545339599251747e-02 - - 2.9910489916801453e-02 -5.0215488672256470e-01 - <_> - - 0 -1 515 1.2721769744530320e-03 - - 3.5788349807262421e-02 -3.8562840223312378e-01 - <_> - - 0 -1 516 3.7894061207771301e-01 - - 4.2915120720863342e-02 -3.7268239259719849e-01 - <_> - - 0 -1 517 5.8728668838739395e-02 - - 1.7506660893559456e-02 -7.1293348073959351e-01 - <_> - - 0 -1 518 -7.2667418862693012e-05 - - 8.5237413644790649e-02 -1.7960679531097412e-01 - <_> - - 0 -1 519 -2.5661939289420843e-03 - - -4.9419000744819641e-01 2.1106749773025513e-02 - <_> - - 0 -1 520 -6.2544771935790777e-05 - - 1.2607279419898987e-01 -1.3581070303916931e-01 - <_> - - 0 -1 521 -3.3382088877260685e-03 - - -3.4254759550094604e-01 3.1329080462455750e-02 - <_> - - 0 -1 522 4.0032588876783848e-03 - - 3.5334181040525436e-02 -4.7854140400886536e-01 - <_> - - 0 -1 523 7.8725446655880660e-05 - - -8.6509391665458679e-02 1.0980690270662308e-01 - <_> - - 0 -1 524 3.5411381395533681e-04 - - -8.6622327566146851e-02 1.8158109486103058e-01 - <_> - - 0 -1 525 -1.0032930225133896e-01 - - -4.1181001067161560e-01 4.0799010545015335e-02 - <_> - - 0 -1 526 4.5734178274869919e-02 - - 2.5063000619411469e-02 -5.8010631799697876e-01 - <_> - - 0 -1 527 1.4357109554111958e-02 - - 2.7373999357223511e-02 -3.1119069457054138e-01 - <_> - - 0 -1 528 4.2823958210647106e-03 - - -1.2122060358524323e-01 1.3006800413131714e-01 - <_> - - 0 -1 529 -1.9169269129633904e-02 - - 3.5471150279045105e-01 -5.8697901666164398e-02 - <_> - - 0 -1 530 2.0371939986944199e-02 - - 2.7047039940953255e-02 -6.2161028385162354e-01 - <_> - - 0 -1 531 -1.1981659568846226e-02 - - 1.7628869414329529e-01 -9.4315692782402039e-02 - <_> - - 0 -1 532 -9.4278322649188340e-05 - - 1.5070499479770660e-01 -1.0712909698486328e-01 - <_> - - 0 -1 533 1.0182280093431473e-02 - - 1.6143349930644035e-02 -3.5039150714874268e-01 - <_> - - 0 -1 534 -5.2059080451726913e-02 - - -3.1214600801467896e-01 4.7784190624952316e-02 - <_> - - 0 -1 535 -2.4943469092249870e-02 - - -7.9333961009979248e-01 -4.0430951048620045e-04 - <_> - - 0 -1 536 -6.2259827973321080e-04 - - 2.0438310503959656e-01 -7.1274451911449432e-02 - <_> - - 0 -1 537 -5.6859298638300970e-05 - - 8.6150057613849640e-02 -6.5871208906173706e-02 - <_> - - 0 -1 538 4.0834350511431694e-04 - - -1.0517060011625290e-01 2.2246970236301422e-01 - <_> - - 0 -1 539 -1.1075460352003574e-03 - - 4.6430539339780807e-02 -3.1908679753541946e-02 - <_> - - 0 -1 540 -1.2366239912807941e-02 - - -6.2071430683135986e-01 2.6164690032601357e-02 - <_> - - 0 -1 541 -3.5476218909025192e-02 - - 1.2305829674005508e-01 -5.1929820328950882e-02 - <_> - - 0 -1 542 -2.3794448934495449e-03 - - -3.7954199314117432e-01 4.1748851537704468e-02 - <_> - - 0 -1 543 1.3966970145702362e-03 - - -8.5148677229881287e-02 1.5120379626750946e-01 - <_> - - 0 -1 544 5.1437891088426113e-03 - - -8.1664428114891052e-02 1.7895880341529846e-01 - <_> - - 0 -1 545 -1.2399390339851379e-01 - - -6.6589808464050293e-01 9.5204189419746399e-03 - <_> - - 0 -1 546 3.9390850812196732e-02 - - 1.8253650516271591e-02 -7.6372909545898438e-01 - <_> - - 0 -1 547 2.9372270219027996e-03 - - 2.2626129910349846e-02 -3.2338750362396240e-01 - <_> - - 0 -1 548 1.8166509270668030e-01 - - -6.1867389827966690e-02 2.2989329695701599e-01 - <_> - - 0 -1 549 8.9275211095809937e-02 - - -8.4801591932773590e-02 2.1090969443321228e-01 - <_> - - 0 -1 550 1.7920130863785744e-02 - - -6.6390097141265869e-02 2.2434620559215546e-01 - <_> - - 0 -1 551 5.5024111643433571e-03 - - -5.5913619697093964e-02 1.0791579633951187e-01 - <_> - - 0 -1 552 -1.2631840072572231e-02 - - 3.3521848917007446e-01 -4.7069478780031204e-02 - <_> - - 0 -1 553 8.2040186971426010e-03 - - 5.2167478948831558e-02 -5.8306807279586792e-01 - <_> - - 0 -1 554 2.1543860435485840e-02 - - 1.0371980257332325e-02 -8.1690818071365356e-01 - <_> - - 0 -1 555 -4.2779878713190556e-03 - - -3.4370610117912292e-01 3.4835658967494965e-02 - <_> - - 0 -1 556 9.5721762627363205e-03 - - 1.6037449240684509e-02 -7.5921469926834106e-01 - <_> - - 0 -1 557 5.9499992057681084e-03 - - -8.3513863384723663e-02 9.3756176531314850e-02 - <_> - - 0 -1 558 -8.6880378425121307e-02 - - 1.9779199361801147e-01 -7.3568522930145264e-02 - <_> - - 0 -1 559 5.7690730318427086e-03 - - -6.1134330928325653e-02 8.2671441137790680e-02 - <_> - - 0 -1 560 1.4806459844112396e-01 - - 3.9653290063142776e-02 -4.0852621197700500e-01 - <_> - - 0 -1 561 -1.8668269738554955e-02 - - -6.6713011264801025e-01 1.5644509345293045e-02 - <_> - - 0 -1 562 1.0142670013010502e-02 - - 2.1148789674043655e-02 -5.6108218431472778e-01 - <_> - - 0 -1 563 -2.6263110339641571e-03 - - 8.8142313063144684e-02 -5.8600831776857376e-02 - <_> - - 0 -1 564 3.0406240839511156e-03 - - -6.9973178207874298e-02 1.9421130418777466e-01 - <_> - - 0 -1 565 -4.0523111820220947e-03 - - -3.9898431301116943e-01 2.8451900929212570e-02 - <_> - - 0 -1 566 3.3293411252088845e-04 - - -9.2018708586692810e-02 1.5213729441165924e-01 - <_> - - 0 -1 567 -1.4471479516942054e-04 - - 1.3288819789886475e-01 -8.6978733539581299e-02 - <_> - 115 - -1.3500690460205078e+00 - - <_> - - 0 -1 568 -3.0528889968991280e-02 - - 3.3611279726028442e-01 -1.6058790683746338e-01 - <_> - - 0 -1 569 -6.8238358944654465e-03 - - 2.5108391046524048e-01 -2.5783839821815491e-01 - <_> - - 0 -1 570 -2.6070050895214081e-02 - - 3.1767010688781738e-01 -1.1115620285272598e-01 - <_> - - 0 -1 571 1.6021650517359376e-03 - - -1.0961770266294479e-01 1.5613310039043427e-01 - <_> - - 0 -1 572 -3.4617539495229721e-02 - - 2.6143959164619446e-01 -9.5556437969207764e-02 - <_> - - 0 -1 573 8.2549892365932465e-02 - - -3.5977210849523544e-02 3.1897369027137756e-01 - <_> - - 0 -1 574 -1.0799080133438110e-01 - - -4.6619871258735657e-01 9.6537977457046509e-02 - <_> - - 0 -1 575 -7.1096293628215790e-02 - - -3.2909411191940308e-01 2.0170759409666061e-02 - <_> - - 0 -1 576 6.1022722721099854e-01 - - -4.1085191071033478e-02 5.9197807312011719e-01 - <_> - - 0 -1 577 -9.6180485561490059e-03 - - 1.8453270196914673e-01 -1.2569570541381836e-01 - <_> - - 0 -1 578 -2.1656749770045280e-02 - - 3.5588631033897400e-01 -6.5419547259807587e-02 - <_> - - 0 -1 579 3.2288730144500732e-03 - - -1.5971140563488007e-01 1.4421769976615906e-01 - <_> - - 0 -1 580 3.6023850552737713e-03 - - -1.3012659549713135e-01 1.8485300242900848e-01 - <_> - - 0 -1 581 1.2242549657821655e-01 - - -5.0962008535861969e-02 4.7872740030288696e-01 - <_> - - 0 -1 582 -3.9816841483116150e-02 - - 1.9110150635242462e-01 -1.4904150366783142e-01 - <_> - - 0 -1 583 1.6565460711717606e-02 - - 2.5038570165634155e-02 -2.6608109474182129e-01 - <_> - - 0 -1 584 6.7314971238374710e-03 - - 3.6166220903396606e-02 -5.7512372732162476e-01 - <_> - - 0 -1 585 -2.3882629349827766e-02 - - 1.8172420561313629e-01 -1.0134089738130569e-01 - <_> - - 0 -1 586 1.6876630485057831e-02 - - 4.9995709210634232e-02 -4.9644881486892700e-01 - <_> - - 0 -1 587 8.1463292241096497e-02 - - 5.0819691270589828e-02 -3.0929270386695862e-01 - <_> - - 0 -1 588 1.5678660571575165e-01 - - -8.4641791880130768e-02 2.0975899696350098e-01 - <_> - - 0 -1 589 1.0736989788711071e-02 - - -5.8876618742942810e-02 2.6735648512840271e-01 - <_> - - 0 -1 590 -1.6250779852271080e-02 - - 2.1858249604701996e-01 -1.2752789258956909e-01 - <_> - - 0 -1 591 -5.1399830728769302e-02 - - 1.7071659862995148e-01 -5.6497618556022644e-02 - <_> - - 0 -1 592 1.8661050125956535e-03 - - 4.0338598191738129e-02 -4.7404500842094421e-01 - <_> - - 0 -1 593 -4.9435410648584366e-02 - - 1.5376000106334686e-01 -4.1785929352045059e-02 - <_> - - 0 -1 594 6.9667182862758636e-02 - - -5.8853909373283386e-02 3.0999648571014404e-01 - <_> - - 0 -1 595 -7.8118540346622467e-02 - - -4.1095170378684998e-01 5.2306879311800003e-02 - <_> - - 0 -1 596 -8.6161941289901733e-03 - - -5.6689429283142090e-01 2.8680460527539253e-02 - <_> - - 0 -1 597 6.8916371092200279e-03 - - -9.5778420567512512e-02 1.6806310415267944e-01 - <_> - - 0 -1 598 8.4734419942833483e-05 - - -1.4760659635066986e-01 1.2780749797821045e-01 - <_> - - 0 -1 599 -6.5460228361189365e-03 - - -5.3539127111434937e-01 2.1142380312085152e-02 - <_> - - 0 -1 600 -1.1936970055103302e-02 - - 2.4896189570426941e-01 -6.5905913710594177e-02 - <_> - - 0 -1 601 1.6013499349355698e-02 - - -7.5163930654525757e-02 9.2000097036361694e-02 - <_> - - 0 -1 602 -1.7978820204734802e-01 - - 3.1222209334373474e-01 -5.4680030792951584e-02 - <_> - - 0 -1 603 4.2936030030250549e-01 - - -4.6744249761104584e-02 4.6717110276222229e-01 - <_> - - 0 -1 604 1.7629809677600861e-01 - - -1.1967620253562927e-01 2.3036129772663116e-01 - <_> - - 0 -1 605 4.3498061597347260e-02 - - 2.1376779302954674e-02 -3.4026959538459778e-01 - <_> - - 0 -1 606 1.6895519569516182e-02 - - -1.3055689632892609e-01 1.8340429663658142e-01 - <_> - - 0 -1 607 1.8535379320383072e-02 - - -7.5424313545227051e-02 2.3549360036849976e-01 - <_> - - 0 -1 608 1.7329430207610130e-02 - - -8.5383981466293335e-02 2.0364040136337280e-01 - <_> - - 0 -1 609 8.6630741134285927e-03 - - 3.8591001182794571e-02 -6.2014609575271606e-01 - <_> - - 0 -1 610 5.7052681222558022e-03 - - 3.1247280538082123e-02 -4.0705290436744690e-01 - <_> - - 0 -1 611 -1.8030379433184862e-03 - - 1.9578510522842407e-01 -1.4333669841289520e-01 - <_> - - 0 -1 612 -1.8787920475006104e-02 - - -8.6914187669754028e-01 1.6981970518827438e-02 - <_> - - 0 -1 613 1.8600920215249062e-02 - - -8.1815309822559357e-02 1.8913879990577698e-01 - <_> - - 0 -1 614 8.4120598330628127e-05 - - -1.2899120151996613e-01 1.2110509723424911e-01 - <_> - - 0 -1 615 -5.6057129986584187e-03 - - -4.6983009576797485e-01 1.5989070758223534e-02 - <_> - - 0 -1 616 3.5192570649087429e-03 - - 3.6193020641803741e-02 -4.4841128587722778e-01 - <_> - - 0 -1 617 1.7741440096870065e-03 - - -4.3303471058607101e-02 1.3955749571323395e-01 - <_> - - 0 -1 618 -1.6350420191884041e-03 - - 1.3950680196285248e-01 -1.1241529881954193e-01 - <_> - - 0 -1 619 6.4794770441949368e-03 - - -6.0051560401916504e-02 7.2894193232059479e-02 - <_> - - 0 -1 620 -2.0324749872088432e-02 - - 4.2978158593177795e-01 -3.9684608578681946e-02 - <_> - - 0 -1 621 -6.3453041948378086e-03 - - -2.5338429212570190e-01 2.4293940514326096e-02 - <_> - - 0 -1 622 9.0959975495934486e-03 - - 3.4088779240846634e-02 -4.5187300443649292e-01 - <_> - - 0 -1 623 1.6163580119609833e-02 - - 6.8225921131670475e-03 -7.2057378292083740e-01 - <_> - - 0 -1 624 -1.1229310184717178e-02 - - -6.1919862031936646e-01 2.2291479632258415e-02 - <_> - - 0 -1 625 -1.7633280158042908e-01 - - -6.8191158771514893e-01 8.8407555595040321e-03 - <_> - - 0 -1 626 1.9296240061521530e-02 - - -7.9629048705101013e-02 2.0130670070648193e-01 - <_> - - 0 -1 627 1.0565440170466900e-02 - - -8.3298452198505402e-02 1.8727609515190125e-01 - <_> - - 0 -1 628 -6.7616738379001617e-03 - - 2.0695839822292328e-01 -8.1318996846675873e-02 - <_> - - 0 -1 629 -2.3086878936737776e-03 - - -2.7981218695640564e-01 2.9389770701527596e-02 - <_> - - 0 -1 630 -6.9189318455755711e-03 - - -5.0955861806869507e-01 2.9100190848112106e-02 - <_> - - 0 -1 631 -1.9592609256505966e-02 - - 1.2486959993839264e-01 -6.6669858992099762e-02 - <_> - - 0 -1 632 -5.6698801927268505e-04 - - 1.7725250124931335e-01 -7.5555630028247833e-02 - <_> - - 0 -1 633 6.5187108702957630e-04 - - -4.6831708401441574e-02 1.3773879408836365e-01 - <_> - - 0 -1 634 -4.3244438711553812e-04 - - 1.7505480349063873e-01 -8.2217328250408173e-02 - <_> - - 0 -1 635 3.2091289758682251e-03 - - 2.5890430435538292e-02 -3.5460329055786133e-01 - <_> - - 0 -1 636 -2.8899360448122025e-02 - - -7.3152142763137817e-01 1.8054809421300888e-02 - <_> - - 0 -1 637 9.8803699074778706e-05 - - -3.8318630307912827e-02 3.4345138818025589e-02 - <_> - - 0 -1 638 -2.2848090156912804e-03 - - -3.6034908890724182e-01 3.8051728159189224e-02 - <_> - - 0 -1 639 2.2300830483436584e-01 - - -3.5387709736824036e-02 4.1186928749084473e-01 - <_> - - 0 -1 640 3.8663020823150873e-03 - - -1.1479409784078598e-01 1.1966259777545929e-01 - <_> - - 0 -1 641 3.6781090311706066e-03 - - -8.8786207139492035e-02 2.0931220054626465e-01 - <_> - - 0 -1 642 3.6886930465698242e-03 - - 4.2065251618623734e-02 -3.3116719126701355e-01 - <_> - - 0 -1 643 -5.0008428096771240e-01 - - 4.5823198556900024e-01 -3.0016450211405754e-02 - <_> - - 0 -1 644 3.2457590568810701e-03 - - -5.8139480650424957e-02 2.2444559633731842e-01 - <_> - - 0 -1 645 -7.2515371721237898e-04 - - 8.5745699703693390e-02 -2.1644710004329681e-01 - <_> - - 0 -1 646 7.5624123215675354e-02 - - -7.2869867086410522e-02 1.8093410134315491e-01 - <_> - - 0 -1 647 -1.4011479914188385e-01 - - -3.0494970083236694e-01 3.2226338982582092e-02 - <_> - - 0 -1 648 1.2914249673485756e-03 - - -1.6519309580326080e-01 7.9698972404003143e-02 - <_> - - 0 -1 649 4.8063062131404877e-03 - - -5.1163140684366226e-02 1.5284930169582367e-01 - <_> - - 0 -1 650 1.9700510427355766e-02 - - -2.1467920392751694e-02 5.8986312150955200e-01 - <_> - - 0 -1 651 -2.8246549889445305e-02 - - -3.6110070347785950e-01 2.1594600751996040e-02 - <_> - - 0 -1 652 3.1838800758123398e-02 - - 2.1388119086623192e-02 -5.5919158458709717e-01 - <_> - - 0 -1 653 5.2926959469914436e-03 - - 1.7141470685601234e-02 -3.2453680038452148e-01 - <_> - - 0 -1 654 9.3176206573843956e-03 - - -6.9147951900959015e-02 1.8778069317340851e-01 - <_> - - 0 -1 655 1.9812679965980351e-04 - - -7.1025170385837555e-02 1.1662720143795013e-01 - <_> - - 0 -1 656 1.7203340306878090e-02 - - -8.3476826548576355e-02 1.4484919607639313e-01 - <_> - - 0 -1 657 8.0548562109470367e-03 - - 2.1444449201226234e-02 -2.7631008625030518e-01 - <_> - - 0 -1 658 6.7419088445603848e-03 - - 3.4134138375520706e-02 -3.5553708672523499e-01 - <_> - - 0 -1 659 5.7136920077027753e-05 - - -6.9932900369167328e-02 8.2227133214473724e-02 - <_> - - 0 -1 660 -6.0014430346200243e-05 - - 1.5333159267902374e-01 -8.0194279551506042e-02 - <_> - - 0 -1 661 -6.6377622715663165e-05 - - 7.4058532714843750e-02 -4.3576911091804504e-02 - <_> - - 0 -1 662 7.0605492510367185e-05 - - -1.1924110352993011e-01 1.1573670059442520e-01 - <_> - - 0 -1 663 7.2301438194699585e-05 - - -7.0231847465038300e-02 7.9363830387592316e-02 - <_> - - 0 -1 664 -1.4867830323055387e-03 - - 1.2457609921693802e-01 -1.0762879997491837e-01 - <_> - - 0 -1 665 -5.2434820681810379e-03 - - 1.1167749762535095e-01 -6.1491239815950394e-02 - <_> - - 0 -1 666 7.8055239282548428e-03 - - -4.9680050462484360e-02 3.0463930964469910e-01 - <_> - - 0 -1 667 1.6715789213776588e-02 - - 2.4268470704555511e-02 -5.6414997577667236e-01 - <_> - - 0 -1 668 -1.9779430702328682e-02 - - 1.2931020557880402e-01 -1.0140080004930496e-01 - <_> - - 0 -1 669 -6.7752218456007540e-05 - - 7.7363066375255585e-02 -8.7603732943534851e-02 - <_> - - 0 -1 670 -1.2943330220878124e-02 - - -8.6929148435592651e-01 1.5804219990968704e-02 - <_> - - 0 -1 671 -1.2546810321509838e-02 - - -1.3507589697837830e-01 4.5630618929862976e-02 - <_> - - 0 -1 672 7.9727862030267715e-03 - - 4.0577929466962814e-02 -3.4091338515281677e-01 - <_> - - 0 -1 673 -6.3152899965643883e-03 - - 1.3729919493198395e-01 -5.6167159229516983e-02 - <_> - - 0 -1 674 -3.6897659301757812e-03 - - 1.6393260657787323e-01 -9.1416403651237488e-02 - <_> - - 0 -1 675 5.0578881055116653e-03 - - -8.0079726874828339e-02 1.4337129890918732e-01 - <_> - - 0 -1 676 -2.9933569952845573e-02 - - -5.3267621994018555e-01 2.2731220349669456e-02 - <_> - - 0 -1 677 7.0810988545417786e-03 - - -7.3218218982219696e-02 1.0275089740753174e-01 - <_> - - 0 -1 678 5.0813790410757065e-02 - - 5.1686890423297882e-02 -2.5446221232414246e-01 - <_> - - 0 -1 679 4.7044758684933186e-03 - - -5.7290758937597275e-02 7.6064832508563995e-02 - <_> - - 0 -1 680 4.6408819034695625e-03 - - 5.5998690426349640e-02 -2.1722699701786041e-01 - <_> - - 0 -1 681 -9.5121748745441437e-03 - - 1.8128600716590881e-01 -3.7724230438470840e-02 - <_> - - 0 -1 682 2.5726249441504478e-03 - - -1.2384580075740814e-01 1.4219340682029724e-01 - <_> - 128 - -1.3960490226745605e+00 - - <_> - - 0 -1 683 1.8433019518852234e-02 - - -1.6187410056591034e-01 3.3512639999389648e-01 - <_> - - 0 -1 684 4.8202150501310825e-03 - - -9.7200833261013031e-02 2.7556920051574707e-01 - <_> - - 0 -1 685 2.1450810134410858e-02 - - -1.0136549919843674e-01 3.9221191406250000e-01 - <_> - - 0 -1 686 2.0199500024318695e-02 - - -1.0415519773960114e-01 3.4857091307640076e-01 - <_> - - 0 -1 687 1.5460439957678318e-02 - - -1.8147130310535431e-01 2.2965760529041290e-01 - <_> - - 0 -1 688 1.2114670127630234e-02 - - -9.5579452812671661e-02 3.3212649822235107e-01 - <_> - - 0 -1 689 1.6616169363260269e-02 - - -7.5106747448444366e-02 3.4756600856781006e-01 - <_> - - 0 -1 690 -1.5129039995372295e-02 - - 1.3962389528751373e-01 -1.1505120247602463e-01 - <_> - - 0 -1 691 -7.0729628205299377e-02 - - 2.6836109161376953e-01 -1.0165339708328247e-01 - <_> - - 0 -1 692 2.2831759415566921e-03 - - 4.4351879507303238e-02 -4.6322458982467651e-01 - <_> - - 0 -1 693 5.5853649973869324e-03 - - 9.1951683163642883e-02 -3.1472569704055786e-01 - <_> - - 0 -1 694 -4.0678508579730988e-02 - - 1.4710660278797150e-01 -7.2650589048862457e-02 - <_> - - 0 -1 695 -1.3589780032634735e-01 - - -5.0535297393798828e-01 4.6995479613542557e-02 - <_> - - 0 -1 696 -3.8497470319271088e-02 - - -3.7170431017875671e-01 5.5208358913660049e-02 - <_> - - 0 -1 697 2.7928350027650595e-03 - - -1.1620769649744034e-01 1.9377970695495605e-01 - <_> - - 0 -1 698 5.3412551060318947e-03 - - 1.2964010238647461e-02 -4.9244490265846252e-01 - <_> - - 0 -1 699 -2.6604509912431240e-03 - - -4.5641270279884338e-01 4.3775539845228195e-02 - <_> - - 0 -1 700 3.2098871469497681e-01 - - 4.8456329852342606e-02 -3.9300969243049622e-01 - <_> - - 0 -1 701 -7.2495201602578163e-03 - - -4.1889420151710510e-01 4.1088439524173737e-02 - <_> - - 0 -1 702 2.3353239521384239e-02 - - 3.0208099633455276e-02 -3.7579280138015747e-01 - <_> - - 0 -1 703 -2.2498020902276039e-02 - - -4.5240750908851624e-01 3.8922939449548721e-02 - <_> - - 0 -1 704 -2.3866670206189156e-02 - - -5.2881467342376709e-01 1.3815529644489288e-02 - <_> - - 0 -1 705 -3.3641930669546127e-02 - - 4.4367140531539917e-01 -4.0341619402170181e-02 - <_> - - 0 -1 706 2.2140879184007645e-02 - - -4.9545429646968842e-02 2.0518389344215393e-01 - <_> - - 0 -1 707 1.0603429749608040e-02 - - 3.1996849924325943e-02 -5.1487600803375244e-01 - <_> - - 0 -1 708 9.6357148140668869e-03 - - -1.2373799830675125e-01 1.5278430283069611e-01 - <_> - - 0 -1 709 2.9718749225139618e-02 - - -5.6785408407449722e-02 2.9045888781547546e-01 - <_> - - 0 -1 710 2.0548420434352010e-04 - - -2.7184659242630005e-01 1.0707840323448181e-01 - <_> - - 0 -1 711 -4.8672650009393692e-02 - - 4.2357748746871948e-01 -4.5685999095439911e-02 - <_> - - 0 -1 712 2.5377809070050716e-03 - - -7.2734832763671875e-02 2.1036009490489960e-01 - <_> - - 0 -1 713 -3.3941529691219330e-03 - - -3.8152369856834412e-01 4.4548328965902328e-02 - <_> - - 0 -1 714 -2.3745149374008179e-02 - - -4.4136199355125427e-01 2.4941470474004745e-02 - <_> - - 0 -1 715 -2.0092299208045006e-02 - - 1.6946069896221161e-01 -9.5334596931934357e-02 - <_> - - 0 -1 716 1.1026510037481785e-02 - - -7.2176292538642883e-02 2.4846449494361877e-01 - <_> - - 0 -1 717 -1.5806879848241806e-02 - - 2.2417180240154266e-01 -7.2446040809154510e-02 - <_> - - 0 -1 718 4.9007359892129898e-02 - - -5.5121738463640213e-02 2.5839251279830933e-01 - <_> - - 0 -1 719 2.8871610760688782e-02 - - -1.1530119925737381e-01 1.9248460233211517e-01 - <_> - - 0 -1 720 7.3990179225802422e-03 - - 5.2299588918685913e-02 -2.1918569505214691e-01 - <_> - - 0 -1 721 -6.1737848445773125e-03 - - 2.0380969345569611e-01 -6.9669328629970551e-02 - <_> - - 0 -1 722 9.4332564622163773e-03 - - -5.3407169878482819e-02 2.5862839818000793e-01 - <_> - - 0 -1 723 1.4321080408990383e-02 - - 3.3642519265413284e-02 -4.6795940399169922e-01 - <_> - - 0 -1 724 2.2487280890345573e-02 - - -4.3100748211145401e-02 1.1230559647083282e-01 - <_> - - 0 -1 725 -8.8018830865621567e-03 - - -5.9977447986602783e-01 2.3850029334425926e-02 - <_> - - 0 -1 726 -9.2824921011924744e-03 - - -3.7928500771522522e-01 2.4739539250731468e-02 - <_> - - 0 -1 727 -3.8288799260044470e-05 - - 1.0945019870996475e-01 -1.2705920636653900e-01 - <_> - - 0 -1 728 -1.0607670247554779e-01 - - 1.2239170074462891e-01 -1.7970660701394081e-02 - <_> - - 0 -1 729 1.4501119963824749e-02 - - 2.5438580662012100e-02 -5.4995167255401611e-01 - <_> - - 0 -1 730 -2.9425490647554398e-02 - - -4.4079890847206116e-01 1.6329530626535416e-02 - <_> - - 0 -1 731 -2.1412479877471924e-01 - - -5.8171492815017700e-01 2.2408049553632736e-02 - <_> - - 0 -1 732 -1.5937929973006248e-02 - - 4.4771928340196609e-02 -4.7021768987178802e-02 - <_> - - 0 -1 733 3.5832289606332779e-02 - - 2.5715630501508713e-02 -5.4305112361907959e-01 - <_> - - 0 -1 734 -1.1497899889945984e-02 - - -4.1323921084403992e-01 2.4659259244799614e-02 - <_> - - 0 -1 735 7.6680490747094154e-03 - - -5.9614498168230057e-02 2.4197499454021454e-01 - <_> - - 0 -1 736 1.2335750274360180e-02 - - 3.7500880658626556e-02 -4.7769561409950256e-01 - <_> - - 0 -1 737 1.3047469779849052e-02 - - -6.0925539582967758e-02 2.4198959767818451e-01 - <_> - - 0 -1 738 5.2074559789616615e-05 - - -9.8182268440723419e-02 8.9188173413276672e-02 - <_> - - 0 -1 739 3.2866070978343487e-03 - - -9.4105660915374756e-02 1.4411650598049164e-01 - <_> - - 0 -1 740 -4.1732661426067352e-02 - - -6.4058172702789307e-01 2.2133890539407730e-02 - <_> - - 0 -1 741 9.7638191655278206e-03 - - 4.1278161108493805e-02 -3.3542799949645996e-01 - <_> - - 0 -1 742 1.0774569958448410e-01 - - 8.1762494519352913e-03 -4.3478840589523315e-01 - <_> - - 0 -1 743 1.1196990311145782e-01 - - 1.9971510395407677e-02 -6.5035951137542725e-01 - <_> - - 0 -1 744 6.8043068051338196e-02 - - -6.0273509472608566e-02 1.3844910264015198e-01 - <_> - - 0 -1 745 1.2061929702758789e-01 - - -6.6626183688640594e-02 2.1289399266242981e-01 - <_> - - 0 -1 746 -2.7089789509773254e-03 - - -4.2147681117057800e-01 7.0062931627035141e-03 - <_> - - 0 -1 747 -9.8798991530202329e-05 - - 1.2873309850692749e-01 -1.1781200021505356e-01 - <_> - - 0 -1 748 1.7797689884901047e-02 - - -3.9807539433240891e-02 2.5822418928146362e-01 - <_> - - 0 -1 749 -1.5526750124990940e-02 - - -5.3756171464920044e-01 2.5428580120205879e-02 - <_> - - 0 -1 750 -1.1374800233170390e-03 - - 1.4971290528774261e-01 -3.1790051609277725e-02 - <_> - - 0 -1 751 2.1987389773130417e-02 - - 3.0267579481005669e-02 -4.1569280624389648e-01 - <_> - - 0 -1 752 5.9880971093662083e-05 - - -6.4167313277721405e-02 7.9953707754611969e-02 - <_> - - 0 -1 753 7.6966080814599991e-03 - - -7.2746522724628448e-02 1.7084559798240662e-01 - <_> - - 0 -1 754 6.2799488659948111e-04 - - 3.4155208617448807e-02 -1.3791529834270477e-01 - <_> - - 0 -1 755 -1.2622140347957611e-03 - - 1.6152350604534149e-01 -7.5557827949523926e-02 - <_> - - 0 -1 756 -1.1005929671227932e-02 - - -4.8230040073394775e-01 2.6834029704332352e-02 - <_> - - 0 -1 757 -9.5793791115283966e-03 - - 1.9468879699707031e-01 -6.6964037716388702e-02 - <_> - - 0 -1 758 -9.1821959358640015e-05 - - 7.9375706613063812e-02 -6.7449547350406647e-02 - <_> - - 0 -1 759 1.2134959688410163e-03 - - -5.1114071160554886e-02 2.7757808566093445e-01 - <_> - - 0 -1 760 7.9206802183762193e-04 - - -2.8480930253863335e-02 1.1306119710206985e-01 - <_> - - 0 -1 761 2.7196949813514948e-03 - - 3.6205168813467026e-02 -3.8228958845138550e-01 - <_> - - 0 -1 762 -7.0203691720962524e-03 - - -7.0844250917434692e-01 9.6215400844812393e-05 - <_> - - 0 -1 763 -7.4910762486979365e-04 - - 1.8996599316596985e-01 -7.0758841931819916e-02 - <_> - - 0 -1 764 -3.0010089278221130e-02 - - 1.4095950126647949e-01 -8.3362892270088196e-02 - <_> - - 0 -1 765 2.1152449771761894e-02 - - 2.5880130007863045e-02 -4.6976161003112793e-01 - <_> - - 0 -1 766 -3.1970590353012085e-02 - - -5.1240712404251099e-01 1.2115829624235630e-02 - <_> - - 0 -1 767 1.0507719591259956e-02 - - 3.8660790771245956e-02 -3.0986440181732178e-01 - <_> - - 0 -1 768 4.8152811359614134e-05 - - -6.1655979603528976e-02 6.7806392908096313e-02 - <_> - - 0 -1 769 9.6495117759332061e-04 - - -6.1358559876680374e-02 1.9916859269142151e-01 - <_> - - 0 -1 770 -4.0412139147520065e-02 - - 1.3414110243320465e-01 -7.1774438023567200e-02 - <_> - - 0 -1 771 5.8856019750237465e-03 - - 3.5979349166154861e-02 -3.3323070406913757e-01 - <_> - - 0 -1 772 5.3272489458322525e-03 - - 3.2898910343647003e-02 -5.1538711786270142e-01 - <_> - - 0 -1 773 5.3272798657417297e-02 - - -7.8457422554492950e-02 1.5826569497585297e-01 - <_> - - 0 -1 774 1.7442900687456131e-02 - - 1.3395839929580688e-01 -1.1861749738454819e-01 - <_> - - 0 -1 775 -4.3359059840440750e-02 - - -2.2697900235652924e-01 4.6703130006790161e-02 - <_> - - 0 -1 776 -2.3120639845728874e-02 - - 1.6340319812297821e-01 -6.8516552448272705e-02 - <_> - - 0 -1 777 -9.3796178698539734e-03 - - 1.5827399492263794e-01 -7.7110826969146729e-02 - <_> - - 0 -1 778 -1.4122249558568001e-02 - - -5.6915611028671265e-01 2.3201670497655869e-02 - <_> - - 0 -1 779 -1.5595779754221439e-02 - - -7.1999537944793701e-01 1.1182960122823715e-02 - <_> - - 0 -1 780 7.4529898120090365e-04 - - -7.6692558825016022e-02 5.8296941220760345e-02 - <_> - - 0 -1 781 -5.1220599561929703e-03 - - -4.1475170850753784e-01 2.5212420150637627e-02 - <_> - - 0 -1 782 -5.7267909141955897e-05 - - 9.0584710240364075e-02 -6.6890686750411987e-02 - <_> - - 0 -1 783 8.8431767653673887e-04 - - -5.7051338255405426e-02 2.4205550551414490e-01 - <_> - - 0 -1 784 -6.3992529176175594e-03 - - -4.7669911384582520e-01 1.7223160713911057e-02 - <_> - - 0 -1 785 3.4215620253235102e-03 - - 3.3065941184759140e-02 -3.5055148601531982e-01 - <_> - - 0 -1 786 6.0761801432818174e-04 - - -6.3330791890621185e-02 1.8019370734691620e-01 - <_> - - 0 -1 787 -2.7124559506773949e-02 - - 1.3474200665950775e-01 -8.4303401410579681e-02 - <_> - - 0 -1 788 3.2038338482379913e-02 - - -6.7669242620468140e-02 1.7966659367084503e-01 - <_> - - 0 -1 789 7.2583961300551891e-03 - - -9.8616771399974823e-02 1.1662179976701736e-01 - <_> - - 0 -1 790 -3.7803640589118004e-03 - - 1.2330210208892822e-01 -4.7761891037225723e-02 - <_> - - 0 -1 791 3.9241630584001541e-02 - - 1.6770560294389725e-02 -7.3297500610351562e-01 - <_> - - 0 -1 792 -5.3865249356022105e-05 - - 8.5012666881084442e-02 -7.5102739036083221e-02 - <_> - - 0 -1 793 8.2592968828976154e-04 - - -5.5150531232357025e-02 2.0594260096549988e-01 - <_> - - 0 -1 794 -5.6403529015369713e-05 - - 7.6255522668361664e-02 -6.9994620978832245e-02 - <_> - - 0 -1 795 -5.6928332196548581e-04 - - -2.4831940233707428e-01 4.6885799616575241e-02 - <_> - - 0 -1 796 4.2482689023017883e-02 - - -3.4421678632497787e-02 1.4847649633884430e-01 - <_> - - 0 -1 797 -3.3953409641981125e-02 - - 2.8434708714485168e-01 -4.3108358979225159e-02 - <_> - - 0 -1 798 1.8899820744991302e-02 - - 1.4299860224127769e-02 -4.1920700669288635e-01 - <_> - - 0 -1 799 1.9765710458159447e-03 - - 6.2193240970373154e-02 -1.7860250174999237e-01 - <_> - - 0 -1 800 -5.0894439482362941e-05 - - 9.4885483384132385e-02 -6.8978622555732727e-02 - <_> - - 0 -1 801 1.1491550132632256e-02 - - 3.3188611268997192e-02 -3.6289590597152710e-01 - <_> - - 0 -1 802 -2.1510679274797440e-02 - - 2.7597379684448242e-01 -3.1749140471220016e-02 - <_> - - 0 -1 803 1.3055199757218361e-02 - - -8.3081558346748352e-02 1.4498490095138550e-01 - <_> - - 0 -1 804 6.6747581586241722e-03 - - -4.6190250664949417e-02 1.3833600282669067e-01 - <_> - - 0 -1 805 -7.0616300217807293e-03 - - 1.9687490165233612e-01 -8.3798579871654510e-02 - <_> - - 0 -1 806 6.1481661396101117e-04 - - 5.4201129823923111e-02 -1.9812339544296265e-01 - <_> - - 0 -1 807 2.8601831197738647e-01 - - 2.3295460268855095e-02 -4.1733700037002563e-01 - <_> - - 0 -1 808 4.6371720731258392e-02 - - -2.9012339189648628e-02 1.8080130219459534e-01 - <_> - - 0 -1 809 -5.5724751204252243e-02 - - 1.3581469655036926e-01 -1.0612230002880096e-01 - <_> - - 0 -1 810 -2.5843968987464905e-01 - - -4.9107319116592407e-01 1.5150199644267559e-02 - <_> - 113 - -1.3937480449676514e+00 - - <_> - - 0 -1 811 -4.1740439832210541e-02 - - 4.2029929161071777e-01 -1.3865880668163300e-01 - <_> - - 0 -1 812 2.7438610792160034e-02 - - -6.9185562431812286e-02 6.3781380653381348e-01 - <_> - - 0 -1 813 -3.1923361122608185e-02 - - 5.5629998445510864e-01 -5.8802250772714615e-02 - <_> - - 0 -1 814 -4.2633909732103348e-02 - - 3.9570361375808716e-01 -9.2322356998920441e-02 - <_> - - 0 -1 815 -4.5332979410886765e-02 - - 4.8316720128059387e-01 -9.9028460681438446e-02 - <_> - - 0 -1 816 1.4149550115689635e-03 - - -3.8321029394865036e-02 3.7827879190444946e-01 - <_> - - 0 -1 817 3.1844570767134428e-03 - - 8.4587417542934418e-02 -3.6293488740921021e-01 - <_> - - 0 -1 818 7.9865548759698868e-03 - - 6.6024526953697205e-02 -4.9909490346908569e-01 - <_> - - 0 -1 819 8.3637079223990440e-03 - - -1.5688340365886688e-01 1.7327819764614105e-01 - <_> - - 0 -1 820 1.6616169363260269e-02 - - -1.0921569913625717e-01 3.2081720232963562e-01 - <_> - - 0 -1 821 -1.0837230086326599e-01 - - -3.1443148851394653e-01 9.6088737249374390e-02 - <_> - - 0 -1 822 -5.5264160037040710e-02 - - -3.2385888695716858e-01 7.6004527509212494e-02 - <_> - - 0 -1 823 1.2632569670677185e-01 - - 6.5257273614406586e-02 -4.0118929743766785e-01 - <_> - - 0 -1 824 3.8804560899734497e-01 - - 2.9047280550003052e-02 -2.8504198789596558e-01 - <_> - - 0 -1 825 2.1647498942911625e-03 - - 5.6638881564140320e-02 -4.4831070303916931e-01 - <_> - - 0 -1 826 -8.5035830736160278e-02 - - 2.3742489516735077e-01 -1.1276420205831528e-01 - <_> - - 0 -1 827 2.9713720083236694e-02 - - -4.0369931608438492e-02 4.7471740841865540e-01 - <_> - - 0 -1 828 1.8948830664157867e-02 - - -7.9447157680988312e-02 2.7210989594459534e-01 - <_> - - 0 -1 829 -5.4433820769190788e-03 - - -4.0186598896980286e-01 5.7357691228389740e-02 - <_> - - 0 -1 830 -7.4416291899979115e-03 - - -4.6421709656715393e-01 3.4328330308198929e-02 - <_> - - 0 -1 831 3.1745829619467258e-03 - - -7.1994602680206299e-02 2.8998330235481262e-01 - <_> - - 0 -1 832 -4.6435040421783924e-03 - - -4.2195430397987366e-01 3.9487071335315704e-02 - <_> - - 0 -1 833 -2.2597080096602440e-02 - - 2.7456980943679810e-01 -7.7242776751518250e-02 - <_> - - 0 -1 834 1.7568180337548256e-02 - - 6.0469850897789001e-02 -2.7558389306068420e-01 - <_> - - 0 -1 835 2.2853609919548035e-01 - - 3.7277411669492722e-02 -5.3754311800003052e-01 - <_> - - 0 -1 836 3.2330639660358429e-02 - - 4.5896150171756744e-02 -3.8448250293731689e-01 - <_> - - 0 -1 837 -2.8539650142192841e-02 - - 5.8917909860610962e-01 -3.4072808921337128e-02 - <_> - - 0 -1 838 2.8611959889531136e-02 - - 2.4174140766263008e-02 -2.3255120217800140e-01 - <_> - - 0 -1 839 1.9021460786461830e-02 - - 5.6291140615940094e-02 -3.4046700596809387e-01 - <_> - - 0 -1 840 -5.7942080311477184e-03 - - 2.3920939862728119e-01 -6.3862636685371399e-02 - <_> - - 0 -1 841 1.9857540726661682e-02 - - 5.1371630281209946e-02 -3.4053778648376465e-01 - <_> - - 0 -1 842 -2.2779459133744240e-02 - - 2.9225811362266541e-01 -6.0494560748338699e-02 - <_> - - 0 -1 843 1.4801420271396637e-01 - - -3.4383419901132584e-02 4.6671169996261597e-01 - <_> - - 0 -1 844 -3.3703971654176712e-02 - - -3.7704831361770630e-01 2.6303650811314583e-02 - <_> - - 0 -1 845 -1.6228390857577324e-02 - - -3.3824568986892700e-01 5.7086139917373657e-02 - <_> - - 0 -1 846 -4.2941919527947903e-03 - - -3.2951489090919495e-01 4.3417800217866898e-02 - <_> - - 0 -1 847 -2.3574110120534897e-02 - - -3.9452001452445984e-01 3.9823610335588455e-02 - <_> - - 0 -1 848 2.1848749369382858e-02 - - 2.6808669790625572e-02 -2.5965699553489685e-01 - <_> - - 0 -1 849 -2.0930990576744080e-02 - - -3.6419558525085449e-01 4.3782789260149002e-02 - <_> - - 0 -1 850 1.6019339673221111e-03 - - -2.4020690470933914e-02 2.1828800439834595e-01 - <_> - - 0 -1 851 -5.4896557331085205e-01 - - -5.6733721494674683e-01 2.8684079647064209e-02 - <_> - - 0 -1 852 1.5187090262770653e-02 - - -8.1696130335330963e-02 2.1070739626884460e-01 - <_> - - 0 -1 853 -3.0653451103717089e-03 - - -3.7013870477676392e-01 4.7142639756202698e-02 - <_> - - 0 -1 854 -2.2847671061754227e-03 - - 1.8132969737052917e-01 -4.1904181241989136e-02 - <_> - - 0 -1 855 1.3886080123484135e-03 - - -4.7716971486806870e-02 3.1205159425735474e-01 - <_> - - 0 -1 856 -4.2354268953204155e-03 - - -3.1207269430160522e-01 3.6572430282831192e-02 - <_> - - 0 -1 857 4.9234707839787006e-03 - - -1.1051789671182632e-01 1.3647459447383881e-01 - <_> - - 0 -1 858 -9.7824353724718094e-04 - - 1.0191129893064499e-01 -3.9698559790849686e-02 - <_> - - 0 -1 859 2.3952899500727654e-03 - - 3.4585561603307724e-02 -4.6207970380783081e-01 - <_> - - 0 -1 860 -2.7391599360271357e-05 - - 4.7003678977489471e-02 -5.7648900896310806e-02 - <_> - - 0 -1 861 -3.7895010318607092e-03 - - -3.9044469594955444e-01 3.9270818233489990e-02 - <_> - - 0 -1 862 2.5150740519165993e-02 - - -3.1348060816526413e-02 4.7427290678024292e-01 - <_> - - 0 -1 863 -5.4564148187637329e-02 - - 1.4945609867572784e-01 -9.8201327025890350e-02 - <_> - - 0 -1 864 -4.1662190109491348e-02 - - -4.2450940608978271e-01 1.5298790298402309e-02 - <_> - - 0 -1 865 -2.0739400759339333e-02 - - -3.2189819216728210e-01 4.7922980040311813e-02 - <_> - - 0 -1 866 -9.7902817651629448e-04 - - 2.3306930065155029e-01 -5.9799421578645706e-02 - <_> - - 0 -1 867 -4.1547799482941628e-03 - - -3.0402511358261108e-01 4.5693140476942062e-02 - <_> - - 0 -1 868 -2.6045470804092474e-05 - - 5.5388018488883972e-02 -5.4097719490528107e-02 - <_> - - 0 -1 869 1.0567409917712212e-03 - - -5.2676759660243988e-02 2.4732929468154907e-01 - <_> - - 0 -1 870 1.8429230153560638e-01 - - 1.6558110713958740e-02 -5.7896447181701660e-01 - <_> - - 0 -1 871 1.4177090488374233e-03 - - -5.2407130599021912e-02 2.5247898697853088e-01 - <_> - - 0 -1 872 -4.0882350876927376e-03 - - -3.0666339397430420e-01 2.6950219646096230e-02 - <_> - - 0 -1 873 8.5421912372112274e-03 - - -4.8116620630025864e-02 2.7163261175155640e-01 - <_> - - 0 -1 874 1.9569039344787598e-02 - - 2.5119980797171593e-02 -3.3716028928756714e-01 - <_> - - 0 -1 875 2.6773509383201599e-01 - - 2.3119339719414711e-02 -5.0757241249084473e-01 - <_> - - 0 -1 876 -3.2680608332157135e-02 - - 2.7736881375312805e-01 -4.8139289021492004e-02 - <_> - - 0 -1 877 -5.0574508495628834e-03 - - -3.6395868659019470e-01 3.6307089030742645e-02 - <_> - - 0 -1 878 7.9170227050781250e-02 - - -2.9553070664405823e-02 1.6328190267086029e-01 - <_> - - 0 -1 879 2.2955629974603653e-03 - - -6.4419128000736237e-02 1.9216349720954895e-01 - <_> - - 0 -1 880 2.1744619880337268e-04 - - -1.2481279671192169e-01 5.1342830061912537e-02 - <_> - - 0 -1 881 -5.9793200343847275e-03 - - -5.4004061222076416e-01 2.3657269775867462e-02 - <_> - - 0 -1 882 -2.1830040216445923e-01 - - -3.0027130246162415e-01 1.8829640001058578e-02 - <_> - - 0 -1 883 -2.5782659649848938e-03 - - -2.9368001222610474e-01 4.3735310435295105e-02 - <_> - - 0 -1 884 -1.3443179428577423e-01 - - -2.9820311069488525e-01 2.1951649338006973e-02 - <_> - - 0 -1 885 3.3298340439796448e-01 - - 4.1799660772085190e-02 -3.4646728634834290e-01 - <_> - - 0 -1 886 -2.7604660019278526e-02 - - -3.1696259975433350e-01 1.5039809979498386e-02 - <_> - - 0 -1 887 2.8459940105676651e-02 - - 3.1132759526371956e-02 -4.1158550977706909e-01 - <_> - - 0 -1 888 5.6875180453062057e-02 - - 3.1998890917748213e-03 -8.4963297843933105e-01 - <_> - - 0 -1 889 -2.6414059102535248e-02 - - -4.0303400158882141e-01 2.8532799333333969e-02 - <_> - - 0 -1 890 8.2670920528471470e-04 - - -4.7888670116662979e-02 2.0834739506244659e-01 - <_> - - 0 -1 891 -1.7481200397014618e-02 - - -4.7842741012573242e-01 2.6197340339422226e-02 - <_> - - 0 -1 892 1.0209370404481888e-02 - - -3.2349199056625366e-02 3.3332398533821106e-01 - <_> - - 0 -1 893 -9.0442842338234186e-04 - - 2.2529889643192291e-01 -5.0218481570482254e-02 - <_> - - 0 -1 894 -5.5155509471660480e-05 - - 8.5416309535503387e-02 -9.2255666851997375e-02 - <_> - - 0 -1 895 -7.5864349491894245e-03 - - -2.7453339099884033e-01 4.2833179235458374e-02 - <_> - - 0 -1 896 6.8936333060264587e-02 - - -3.6221239715814590e-02 2.2021399438381195e-01 - <_> - - 0 -1 897 1.0017789900302887e-03 - - -4.6468019485473633e-02 2.6032060384750366e-01 - <_> - - 0 -1 898 -1.5333900228142738e-03 - - 2.8312671184539795e-01 -3.2194979488849640e-02 - <_> - - 0 -1 899 5.0275481771677732e-04 - - 5.4722610861063004e-02 -2.3836499452590942e-01 - <_> - - 0 -1 900 6.7827408201992512e-05 - - -3.9139021188020706e-02 5.0138108432292938e-02 - <_> - - 0 -1 901 -9.6863682847470045e-04 - - 2.1087090671062469e-01 -6.0840670019388199e-02 - <_> - - 0 -1 902 1.5726730227470398e-02 - - 1.1550820432603359e-02 -8.9771991968154907e-01 - <_> - - 0 -1 903 -6.1983527848497033e-04 - - -2.8654229640960693e-01 3.8063231855630875e-02 - <_> - - 0 -1 904 -1.4889890328049660e-02 - - 2.1888859570026398e-01 -5.3425349295139313e-02 - <_> - - 0 -1 905 9.1423774138092995e-03 - - 2.8971910476684570e-02 -4.3313831090927124e-01 - <_> - - 0 -1 906 4.4567110307980329e-05 - - -4.9350600689649582e-02 8.2990236580371857e-02 - <_> - - 0 -1 907 -4.6295441279653460e-05 - - 1.1451739817857742e-01 -1.1541579663753510e-01 - <_> - - 0 -1 908 -9.5154307782649994e-02 - - -3.6218079924583435e-01 3.8963958621025085e-02 - <_> - - 0 -1 909 1.1447920463979244e-02 - - -6.3377149403095245e-02 1.7998909950256348e-01 - <_> - - 0 -1 910 1.6846949234604836e-02 - - -7.9555906355381012e-02 2.0804320275783539e-01 - <_> - - 0 -1 911 -1.9532829523086548e-02 - - 3.3066600561141968e-01 -3.6887980997562408e-02 - <_> - - 0 -1 912 -9.9951513111591339e-03 - - -2.6018738746643066e-01 2.0032050088047981e-02 - <_> - - 0 -1 913 5.5966150015592575e-02 - - 2.9873110353946686e-02 -3.7979680299758911e-01 - <_> - - 0 -1 914 2.2398930042982101e-02 - - 9.4442693516612053e-03 -3.0707120895385742e-01 - <_> - - 0 -1 915 -1.1130659841001034e-02 - - -4.5474618673324585e-01 2.3782089352607727e-02 - <_> - - 0 -1 916 1.0391449555754662e-02 - - -8.0150999128818512e-02 1.0174000263214111e-01 - <_> - - 0 -1 917 -9.7076389938592911e-03 - - 3.2200449705123901e-01 -4.7525040805339813e-02 - <_> - - 0 -1 918 1.9170529412804171e-05 - - -6.1904601752758026e-02 7.5871497392654419e-02 - <_> - - 0 -1 919 -5.7660471647977829e-03 - - -2.8932619094848633e-01 3.5711359232664108e-02 - <_> - - 0 -1 920 -8.0189562868326902e-04 - - 1.4876769483089447e-01 -3.3799510449171066e-02 - <_> - - 0 -1 921 -4.5168989896774292e-01 - - -5.8006447553634644e-01 1.8294280394911766e-02 - <_> - - 0 -1 922 7.1167000569403172e-03 - - 2.2195219993591309e-02 -4.3420061469078064e-01 - <_> - - 0 -1 923 2.1432479843497276e-02 - - -4.2519841343164444e-02 2.7117589116096497e-01 - <_> - 172 - -1.3605639934539795e+00 - - <_> - - 0 -1 924 8.8465185835957527e-03 - - -2.0597270131111145e-01 2.1589750051498413e-01 - <_> - - 0 -1 925 -1.1486900039017200e-02 - - 1.4502839744091034e-01 -2.5122788548469543e-01 - <_> - - 0 -1 926 6.1377901583909988e-02 - - -1.2108889967203140e-01 2.8931090235710144e-01 - <_> - - 0 -1 927 -5.1466740667819977e-02 - - 7.7043011784553528e-02 -1.4475989341735840e-01 - <_> - - 0 -1 928 9.9043287336826324e-02 - - 8.7946407496929169e-02 -3.6684900522232056e-01 - <_> - - 0 -1 929 6.0240789316594601e-03 - - 5.5971618741750717e-02 -4.2305350303649902e-01 - <_> - - 0 -1 930 9.3228947371244431e-03 - - -1.4887219667434692e-01 1.4235040545463562e-01 - <_> - - 0 -1 931 -8.3782836794853210e-02 - - -5.0623029470443726e-02 6.7185766994953156e-02 - <_> - - 0 -1 932 -1.4369570417329669e-03 - - 1.6699740290641785e-01 -1.1847949773073196e-01 - <_> - - 0 -1 933 -8.4923747926950455e-03 - - -5.7465082406997681e-01 4.6952918171882629e-02 - <_> - - 0 -1 934 6.1581619083881378e-03 - - 3.8783859461545944e-02 -4.1793778538703918e-01 - <_> - - 0 -1 935 3.8826680183410645e-01 - - -3.4158889204263687e-02 3.8834908604621887e-01 - <_> - - 0 -1 936 -6.2880381010472775e-03 - - 1.8779429793357849e-01 -1.0967569798231125e-01 - <_> - - 0 -1 937 -8.8647350668907166e-02 - - 2.9610741138458252e-01 -4.9650270491838455e-02 - <_> - - 0 -1 938 5.7384949177503586e-02 - - -6.2142979353666306e-02 4.0399539470672607e-01 - <_> - - 0 -1 939 6.3049891032278538e-03 - - 3.0240859836339951e-02 -2.5532779097557068e-01 - <_> - - 0 -1 940 -1.2817610055208206e-02 - - -7.4915027618408203e-01 1.8835680559277534e-02 - <_> - - 0 -1 941 6.5159690566360950e-03 - - -7.4971511960029602e-02 1.9758880138397217e-01 - <_> - - 0 -1 942 8.2992920652031898e-03 - - 3.2989550381898880e-02 -4.3466570973396301e-01 - <_> - - 0 -1 943 6.3911718316376209e-03 - - 2.9757190495729446e-02 -3.0728459358215332e-01 - <_> - - 0 -1 944 6.8949637352488935e-05 - - -1.7294059693813324e-01 9.2702791094779968e-02 - <_> - - 0 -1 945 4.1354808956384659e-02 - - -2.7904760092496872e-02 1.6296459734439850e-01 - <_> - - 0 -1 946 1.8999379873275757e-01 - - -3.1295470893383026e-02 4.8351749777793884e-01 - <_> - - 0 -1 947 -1.2732900679111481e-01 - - -4.3095651268959045e-01 4.1448518633842468e-02 - <_> - - 0 -1 948 -3.5605970770120621e-02 - - -2.0096629858016968e-01 7.7555581927299500e-02 - <_> - - 0 -1 949 -7.2760661132633686e-03 - - 1.1694429814815521e-01 -5.6488901376724243e-02 - <_> - - 0 -1 950 -1.6728280112147331e-02 - - -5.5824387073516846e-01 2.4678710848093033e-02 - <_> - - 0 -1 951 3.5163350403308868e-03 - - -1.3123939931392670e-01 6.3867613673210144e-02 - <_> - - 0 -1 952 -3.7709469906985760e-03 - - -3.3209028840065002e-01 4.1377659887075424e-02 - <_> - - 0 -1 953 -1.3886960223317146e-02 - - -3.1274241209030151e-01 4.2570248246192932e-02 - <_> - - 0 -1 954 9.3537326902151108e-03 - - -6.6785670816898346e-02 1.9074550271034241e-01 - <_> - - 0 -1 955 -1.9434669986367226e-02 - - 3.1526941061019897e-01 -4.7358151525259018e-02 - <_> - - 0 -1 956 6.2511018477380276e-03 - - 3.0958879739046097e-02 -3.8309469819068909e-01 - <_> - - 0 -1 957 -2.5296900421380997e-02 - - -2.9622459411621094e-01 1.5191599726676941e-02 - <_> - - 0 -1 958 -3.0754129402339458e-03 - - 7.2913318872451782e-02 -1.7640450596809387e-01 - <_> - - 0 -1 959 7.8001008369028568e-03 - - -5.0157550722360611e-02 1.1628890037536621e-01 - <_> - - 0 -1 960 -7.7680540271103382e-03 - - 2.4157559871673584e-01 -7.7894441783428192e-02 - <_> - - 0 -1 961 -8.8092312216758728e-02 - - 2.5150829553604126e-01 -4.8299308866262436e-02 - <_> - - 0 -1 962 -1.7023129621520638e-03 - - 1.7975769937038422e-01 -9.7071669995784760e-02 - <_> - - 0 -1 963 -9.9703423678874969e-02 - - -4.7000929713249207e-01 1.5582949854433537e-02 - <_> - - 0 -1 964 4.6657170169055462e-03 - - 2.9513580724596977e-02 -4.0181469917297363e-01 - <_> - - 0 -1 965 -1.7661379650235176e-02 - - -5.4495137929916382e-01 1.6858519986271858e-02 - <_> - - 0 -1 966 -2.2309330105781555e-01 - - 1.8432730436325073e-01 -6.3223339617252350e-02 - <_> - - 0 -1 967 5.2850779145956039e-02 - - -7.3477171361446381e-02 1.9944219291210175e-01 - <_> - - 0 -1 968 -2.4665659293532372e-02 - - 2.6995450258255005e-01 -5.2351549267768860e-02 - <_> - - 0 -1 969 -4.9799769185483456e-03 - - -4.4958519935607910e-01 2.6983380317687988e-02 - <_> - - 0 -1 970 3.0535869300365448e-03 - - 3.7507511675357819e-02 -3.4648960828781128e-01 - <_> - - 0 -1 971 -2.6310039684176445e-02 - - -1.7662410438060760e-01 2.5613600388169289e-02 - <_> - - 0 -1 972 -4.8684021458029747e-03 - - 1.8770970404148102e-01 -6.0557551681995392e-02 - <_> - - 0 -1 973 4.5840580016374588e-02 - - 3.3042129129171371e-02 -2.0266860723495483e-01 - <_> - - 0 -1 974 6.7487969063222408e-03 - - -1.3846549391746521e-01 1.1449229717254639e-01 - <_> - - 0 -1 975 1.0793830268085003e-02 - - -5.5047448724508286e-02 1.8106620013713837e-01 - <_> - - 0 -1 976 -1.3201650232076645e-02 - - -4.6548879146575928e-01 2.5808539241552353e-02 - <_> - - 0 -1 977 -4.9963342025876045e-03 - - 1.1389660090208054e-01 -1.1401399970054626e-01 - <_> - - 0 -1 978 -1.5819359570741653e-02 - - -4.8535621166229248e-01 2.2087620571255684e-02 - <_> - - 0 -1 979 6.8264620495028794e-05 - - -8.1919372081756592e-02 8.4099397063255310e-02 - <_> - - 0 -1 980 -1.5637379139661789e-02 - - -4.5156350731849670e-01 2.2735800594091415e-02 - <_> - - 0 -1 981 8.3005577325820923e-03 - - -5.1414210349321365e-02 2.2123479843139648e-01 - <_> - - 0 -1 982 6.6999751143157482e-03 - - 2.9789600521326065e-02 -3.5434889793395996e-01 - <_> - - 0 -1 983 5.1744161173701286e-03 - - -4.9688689410686493e-02 2.2029140591621399e-01 - <_> - - 0 -1 984 6.1278040520846844e-03 - - -6.3075892627239227e-02 1.7833660542964935e-01 - <_> - - 0 -1 985 6.8791587837040424e-03 - - 2.8441529721021652e-02 -2.9938548803329468e-01 - <_> - - 0 -1 986 -2.1736100316047668e-02 - - 1.7913189530372620e-01 -6.0287751257419586e-02 - <_> - - 0 -1 987 1.4009020291268826e-02 - - -1.0601969808340073e-01 1.5481740236282349e-01 - <_> - - 0 -1 988 2.1868139505386353e-01 - - -4.8351760953664780e-02 2.5734689831733704e-01 - <_> - - 0 -1 989 2.8380098938941956e-01 - - -5.0905589014291763e-02 2.9360538721084595e-01 - <_> - - 0 -1 990 1.2093160301446915e-01 - - 1.7309570685029030e-02 -6.9268721342086792e-01 - <_> - - 0 -1 991 5.6961830705404282e-02 - - -1.8678819760680199e-02 3.2275679707527161e-01 - <_> - - 0 -1 992 -9.0500963851809502e-03 - - -4.2406618595123291e-01 2.6841519400477409e-02 - <_> - - 0 -1 993 2.3118279874324799e-02 - - 1.0546280071139336e-02 -5.2286899089813232e-01 - <_> - - 0 -1 994 1.1480690445750952e-03 - - -4.5985739678144455e-02 2.3199149966239929e-01 - <_> - - 0 -1 995 -9.8909307271242142e-03 - - -5.4075521230697632e-01 1.4261700212955475e-02 - <_> - - 0 -1 996 7.0599978789687157e-04 - - -6.4954958856105804e-02 1.6775579750537872e-01 - <_> - - 0 -1 997 -8.2311293226666749e-05 - - 7.2767913341522217e-02 -5.4248239845037460e-02 - <_> - - 0 -1 998 5.3380471654236317e-03 - - 3.2092440873384476e-02 -3.1868579983711243e-01 - <_> - - 0 -1 999 5.9835889260284603e-05 - - -4.9297779798507690e-02 5.7114310562610626e-02 - <_> - - 0 -1 1000 4.0741640987107530e-05 - - -9.9226392805576324e-02 1.1056730151176453e-01 - <_> - - 0 -1 1001 -2.7114659547805786e-02 - - 2.4599009752273560e-01 -6.2148950994014740e-02 - <_> - - 0 -1 1002 -8.8477227836847305e-04 - - 2.0234499871730804e-01 -5.2926119416952133e-02 - <_> - - 0 -1 1003 -1.9263679161667824e-02 - - 1.5162590146064758e-01 -7.1536980569362640e-02 - <_> - - 0 -1 1004 9.6891522407531738e-03 - - 3.5710871219635010e-02 -3.2550829648971558e-01 - <_> - - 0 -1 1005 -2.2841900587081909e-02 - - -3.4999141097068787e-01 1.7189299687743187e-02 - <_> - - 0 -1 1006 -1.4777970314025879e-01 - - -4.3190780282020569e-01 2.1629950031638145e-02 - <_> - - 0 -1 1007 2.3399880155920982e-03 - - -4.4266819953918457e-02 9.6337772905826569e-02 - <_> - - 0 -1 1008 -7.2832189500331879e-02 - - -8.1861889362335205e-01 1.1799000203609467e-02 - <_> - - 0 -1 1009 -3.0727210640907288e-01 - - -7.0073091983795166e-01 3.5564110148698092e-03 - <_> - - 0 -1 1010 -2.0766649395227432e-02 - - -3.9139050245285034e-01 2.4622289463877678e-02 - <_> - - 0 -1 1011 -3.6341920495033264e-03 - - -4.5010888576507568e-01 5.5562350898981094e-03 - <_> - - 0 -1 1012 -7.0794070779811591e-05 - - 1.0878349840641022e-01 -9.0500459074974060e-02 - <_> - - 0 -1 1013 -8.8314860477112234e-05 - - 6.4176410436630249e-02 -4.9464631825685501e-02 - <_> - - 0 -1 1014 -1.1070650070905685e-02 - - 1.4730830490589142e-01 -6.7049317061901093e-02 - <_> - - 0 -1 1015 6.3626351766288280e-03 - - -4.0033329278230667e-02 9.2663377523422241e-02 - <_> - - 0 -1 1016 -7.7499519102275372e-03 - - 1.3924610614776611e-01 -7.7478073537349701e-02 - <_> - - 0 -1 1017 4.7532729804515839e-03 - - -7.2917170822620392e-02 1.7065620422363281e-01 - <_> - - 0 -1 1018 -1.6807980835437775e-02 - - 1.3080079853534698e-01 -8.0180667340755463e-02 - <_> - - 0 -1 1019 1.2794940173625946e-01 - - -1.9922649487853050e-02 3.7117990851402283e-01 - <_> - - 0 -1 1020 -1.8189599737524986e-02 - - 1.2358730286359787e-01 -8.3040617406368256e-02 - <_> - - 0 -1 1021 -1.6172589734196663e-02 - - -4.4906508922576904e-01 2.2756649181246758e-02 - <_> - - 0 -1 1022 6.8046152591705322e-05 - - -1.0118240118026733e-01 9.3573577702045441e-02 - <_> - - 0 -1 1023 1.1714019638020545e-04 - - -8.1081606447696686e-02 1.0626289993524551e-01 - <_> - - 0 -1 1024 5.4521678976016119e-05 - - -9.3289181590080261e-02 1.1599899828433990e-01 - <_> - - 0 -1 1025 -9.5095802098512650e-03 - - -5.0519037246704102e-01 1.4159279875457287e-02 - <_> - - 0 -1 1026 -2.8461390174925327e-03 - - -1.9915759563446045e-01 4.7365210950374603e-02 - <_> - - 0 -1 1027 2.3286240175366402e-02 - - -4.0329229086637497e-02 8.0515727400779724e-02 - <_> - - 0 -1 1028 -4.2605649679899216e-02 - - 3.3448079228401184e-01 -3.8372710347175598e-02 - <_> - - 0 -1 1029 4.5101181603968143e-03 - - 2.6354929432272911e-02 -2.3492150008678436e-01 - <_> - - 0 -1 1030 6.1817811802029610e-03 - - 2.1172510460019112e-02 -4.4205141067504883e-01 - <_> - - 0 -1 1031 -1.0606969706714153e-02 - - 6.5457493066787720e-02 -3.2472599297761917e-02 - <_> - - 0 -1 1032 -8.5813581943511963e-02 - - -3.4062311053276062e-01 3.0151499435305595e-02 - <_> - - 0 -1 1033 6.2758061103522778e-03 - - -6.1991188675165176e-02 1.5030339360237122e-01 - <_> - - 0 -1 1034 -3.0965260230004787e-03 - - 1.4812999963760376e-01 -8.1336267292499542e-02 - <_> - - 0 -1 1035 -1.1123980395495892e-02 - - -4.6381580829620361e-01 1.5213469974696636e-02 - <_> - - 0 -1 1036 -1.1103980243206024e-02 - - -6.0053801536560059e-01 1.3585429638624191e-02 - <_> - - 0 -1 1037 -3.2944830600172281e-03 - - -4.6413660049438477e-01 2.6226969435811043e-02 - <_> - - 0 -1 1038 1.1376610025763512e-02 - - -5.6543599814176559e-02 1.5750829875469208e-01 - <_> - - 0 -1 1039 -2.9465200379490852e-02 - - 1.4864230155944824e-01 -6.5188251435756683e-02 - <_> - - 0 -1 1040 4.9167301505804062e-02 - - -9.2225171625614166e-02 1.0154259949922562e-01 - <_> - - 0 -1 1041 -2.0959099754691124e-02 - - 1.7496380209922791e-01 -2.5550199672579765e-02 - <_> - - 0 -1 1042 5.4627470672130585e-03 - - -6.2659218907356262e-02 1.6952160000801086e-01 - <_> - - 0 -1 1043 -4.3515427969396114e-03 - - 8.2261569797992706e-02 -5.9839021414518356e-02 - <_> - - 0 -1 1044 7.4772499501705170e-03 - - -4.9545519053936005e-02 2.4696870148181915e-01 - <_> - - 0 -1 1045 -3.7427861243486404e-02 - - -9.1783320903778076e-01 3.5620180424302816e-03 - <_> - - 0 -1 1046 -2.4843990802764893e-02 - - -4.8939180374145508e-01 1.7182579264044762e-02 - <_> - - 0 -1 1047 8.0120442435145378e-03 - - 2.1742369979619980e-02 -6.4817667007446289e-02 - <_> - - 0 -1 1048 5.7306028902530670e-03 - - -7.0788390934467316e-02 1.3909959793090820e-01 - <_> - - 0 -1 1049 1.0989320464432240e-02 - - 7.0361187681555748e-03 -3.5568338632583618e-01 - <_> - - 0 -1 1050 -3.5342550836503506e-03 - - -2.3039029538631439e-01 3.9539441466331482e-02 - <_> - - 0 -1 1051 3.2612178474664688e-02 - - -8.3450950682163239e-02 9.6162289381027222e-02 - <_> - - 0 -1 1052 -5.1919098943471909e-02 - - -3.5974389314651489e-01 2.3558309301733971e-02 - <_> - - 0 -1 1053 2.8027060627937317e-01 - - 1.9102599471807480e-02 -2.7387228608131409e-01 - <_> - - 0 -1 1054 -1.8680640496313572e-03 - - 1.5570870041847229e-01 -5.9242039918899536e-02 - <_> - - 0 -1 1055 4.1271179914474487e-02 - - 9.2102894559502602e-03 -6.2253618240356445e-01 - <_> - - 0 -1 1056 -3.4157458692789078e-02 - - -6.9106769561767578e-01 1.4058819971978664e-02 - <_> - - 0 -1 1057 2.8111249208450317e-02 - - 6.3892039470374584e-03 -6.0164892673492432e-01 - <_> - - 0 -1 1058 -9.7675784491002560e-04 - - 1.6638219356536865e-01 -5.3310938179492950e-02 - <_> - - 0 -1 1059 -2.8404109179973602e-02 - - -8.4311908483505249e-01 4.9202498048543930e-03 - <_> - - 0 -1 1060 9.7658135928213596e-04 - - -5.2436660975217819e-02 1.6968539357185364e-01 - <_> - - 0 -1 1061 -7.9386442899703979e-02 - - -7.4181222915649414e-01 4.5842900872230530e-03 - <_> - - 0 -1 1062 2.9205000028014183e-03 - - -4.9970790743827820e-02 1.7052419483661652e-01 - <_> - - 0 -1 1063 -4.9792099744081497e-03 - - -4.2470470070838928e-01 1.1333269998431206e-02 - <_> - - 0 -1 1064 7.5309360399842262e-03 - - 2.0063450559973717e-02 -4.8175561428070068e-01 - <_> - - 0 -1 1065 -1.2063170224428177e-01 - - 1.7838390171527863e-01 -4.0402330458164215e-02 - <_> - - 0 -1 1066 6.4506952185183764e-05 - - -8.5854247212409973e-02 1.0695320367813110e-01 - <_> - - 0 -1 1067 1.4073869585990906e-01 - - -2.2774249315261841e-02 4.2583781480789185e-01 - <_> - - 0 -1 1068 5.8708712458610535e-04 - - -5.8570150285959244e-02 1.5563260018825531e-01 - <_> - - 0 -1 1069 4.2137140553677455e-05 - - -5.7670820504426956e-02 6.4898878335952759e-02 - <_> - - 0 -1 1070 -5.4859159718034789e-05 - - 1.3831870257854462e-01 -9.3551620841026306e-02 - <_> - - 0 -1 1071 -8.1318263255525380e-05 - - 7.8673712909221649e-02 -5.8452989906072617e-02 - <_> - - 0 -1 1072 1.0710170317906886e-04 - - -1.0360690206289291e-01 1.1052910238504410e-01 - <_> - - 0 -1 1073 5.9485197998583317e-03 - - 1.2473990209400654e-02 -6.0467267036437988e-01 - <_> - - 0 -1 1074 -3.8341151084750891e-03 - - -5.6510668992996216e-01 1.3957980088889599e-02 - <_> - - 0 -1 1075 4.8183299601078033e-02 - - 6.8787620402872562e-03 -2.2651989758014679e-01 - <_> - - 0 -1 1076 9.8468521609902382e-03 - - 1.4920420013368130e-02 -5.4084217548370361e-01 - <_> - - 0 -1 1077 7.0795980282127857e-03 - - -7.4058413505554199e-02 1.2125100195407867e-01 - <_> - - 0 -1 1078 -1.7187669873237610e-03 - - 1.1502750217914581e-01 -7.6794423162937164e-02 - <_> - - 0 -1 1079 1.4132119715213776e-02 - - 2.2234810516238213e-02 -3.7139910459518433e-01 - <_> - - 0 -1 1080 -8.0704037100076675e-03 - - -2.5363108515739441e-01 3.0734410509467125e-02 - <_> - - 0 -1 1081 2.2837559878826141e-01 - - 1.6856970265507698e-02 -5.4566478729248047e-01 - <_> - - 0 -1 1082 -1.0697550140321255e-02 - - 1.7055040597915649e-01 -4.8232439905405045e-02 - <_> - - 0 -1 1083 6.1057992279529572e-03 - - -7.4780799448490143e-02 1.2449649721384048e-01 - <_> - - 0 -1 1084 3.5825320519506931e-03 - - 3.4310609102249146e-02 -2.5292119383811951e-01 - <_> - - 0 -1 1085 8.7969396263360977e-03 - - 2.2731840610504150e-02 -2.0921200513839722e-01 - <_> - - 0 -1 1086 -1.1760019697248936e-02 - - -5.7893252372741699e-01 1.5020879916846752e-02 - <_> - - 0 -1 1087 1.4420140068978071e-03 - - 1.0806700214743614e-02 -1.7435030639171600e-01 - <_> - - 0 -1 1088 -4.9062469770433381e-05 - - 8.9151002466678619e-02 -9.4639152288436890e-02 - <_> - - 0 -1 1089 3.3054608851671219e-02 - - -5.0297331064939499e-02 7.2425939142704010e-02 - <_> - - 0 -1 1090 -4.4932190328836441e-02 - - 7.1401320397853851e-02 -1.2465400248765945e-01 - <_> - - 0 -1 1091 -1.2327450327575207e-02 - - 2.2164380550384521e-01 -1.6039999201893806e-02 - <_> - - 0 -1 1092 -3.7249261140823364e-01 - - -3.6931529641151428e-01 2.6002220809459686e-02 - <_> - - 0 -1 1093 1.5276310034096241e-02 - - 5.3399899043142796e-03 -5.4567837715148926e-01 - <_> - - 0 -1 1094 -1.4568739570677280e-02 - - -5.8832311630249023e-01 1.3987700454890728e-02 - <_> - - 0 -1 1095 9.9890248384326696e-04 - - -3.5881079733371735e-02 1.7432570457458496e-01 - <_> - 201 - -1.2964390516281128e+00 - - <_> - - 0 -1 1096 5.7295080274343491e-02 - - -1.7686650156974792e-01 2.4482910335063934e-01 - <_> - - 0 -1 1097 -1.0082540102303028e-02 - - 1.3789190351963043e-01 -2.0311470329761505e-01 - <_> - - 0 -1 1098 -1.8525039777159691e-02 - - 1.6239729523658752e-01 -1.6761909425258636e-01 - <_> - - 0 -1 1099 -5.2754491567611694e-02 - - 1.3471050560474396e-01 -1.4288149774074554e-01 - <_> - - 0 -1 1100 2.4354750290513039e-02 - - -2.6654679328203201e-02 4.3264889717102051e-01 - <_> - - 0 -1 1101 6.3417963683605194e-02 - - 4.2261090129613876e-02 -4.0131768584251404e-01 - <_> - - 0 -1 1102 3.8921029772609472e-03 - - -1.9067509472370148e-01 1.2673160433769226e-01 - <_> - - 0 -1 1103 1.5238909982144833e-03 - - -1.3715469837188721e-01 1.2464399635791779e-01 - <_> - - 0 -1 1104 -6.7657418549060822e-03 - - 2.5582429766654968e-01 -6.0715261846780777e-02 - <_> - - 0 -1 1105 -2.4176370352506638e-02 - - 2.8598898649215698e-01 -6.4212836325168610e-02 - <_> - - 0 -1 1106 -9.1761918738484383e-03 - - 1.0218480229377747e-01 -1.9994470477104187e-01 - <_> - - 0 -1 1107 -1.5783999860286713e-01 - - 2.3983080685138702e-01 -7.8578352928161621e-02 - <_> - - 0 -1 1108 4.8740189522504807e-02 - - -1.1009140312671661e-01 1.5583530068397522e-01 - <_> - - 0 -1 1109 1.9117979332804680e-02 - - 1.9706699997186661e-02 -3.7202331423759460e-01 - <_> - - 0 -1 1110 -1.2778160162270069e-02 - - -4.1600129008293152e-01 3.5378720611333847e-02 - <_> - - 0 -1 1111 2.6996301021426916e-03 - - -9.8559737205505371e-02 1.1491440236568451e-01 - <_> - - 0 -1 1112 2.4502199143171310e-02 - - 4.3092079460620880e-02 -3.6632940173149109e-01 - <_> - - 0 -1 1113 8.5003130137920380e-02 - - 4.3011400848627090e-02 -2.8862899541854858e-01 - <_> - - 0 -1 1114 3.1647530850023031e-03 - - -1.1429309844970703e-01 1.2794250249862671e-01 - <_> - - 0 -1 1115 1.1657790280878544e-02 - - -5.1525581628084183e-02 1.4223769307136536e-01 - <_> - - 0 -1 1116 -6.6801449283957481e-03 - - -4.7431039810180664e-01 2.8730580583214760e-02 - <_> - - 0 -1 1117 -3.8820769637823105e-02 - - 9.5313400030136108e-02 -4.7390919178724289e-02 - <_> - - 0 -1 1118 -2.5421770289540291e-02 - - -4.2198818922042847e-01 2.8437789529561996e-02 - <_> - - 0 -1 1119 -1.2146069668233395e-02 - - 1.8300829827785492e-01 -7.6282076537609100e-02 - <_> - - 0 -1 1120 -2.6787219569087029e-02 - - 2.8593730926513672e-01 -5.2229799330234528e-02 - <_> - - 0 -1 1121 -1.1614990420639515e-02 - - 1.1385949701070786e-01 -6.6350683569908142e-02 - <_> - - 0 -1 1122 -5.9956889599561691e-02 - - 2.7779400348663330e-01 -4.7004148364067078e-02 - <_> - - 0 -1 1123 -8.6737014353275299e-03 - - 2.1291969716548920e-01 -2.8776409104466438e-02 - <_> - - 0 -1 1124 2.8543549124151468e-03 - - -1.2216369807720184e-01 1.4215940237045288e-01 - <_> - - 0 -1 1125 2.2713060025125742e-03 - - 1.8237510696053505e-02 -4.1043540835380554e-01 - <_> - - 0 -1 1126 -1.2334890197962523e-03 - - -3.7727451324462891e-01 3.5043578594923019e-02 - <_> - - 0 -1 1127 -2.6904400438070297e-03 - - -4.1960981488227844e-01 1.0044580325484276e-02 - <_> - - 0 -1 1128 -2.6551370974630117e-03 - - 1.1507959663867950e-01 -1.0722310096025467e-01 - <_> - - 0 -1 1129 -5.6895318266469985e-05 - - 4.1630361229181290e-02 -3.1723231077194214e-02 - <_> - - 0 -1 1130 9.8731368780136108e-04 - - 4.2971551418304443e-02 -2.8150218725204468e-01 - <_> - - 0 -1 1131 1.8213579431176186e-02 - - -4.5183058828115463e-02 1.9148880243301392e-01 - <_> - - 0 -1 1132 -8.7277270853519440e-02 - - 1.7189629375934601e-01 -1.2195999920368195e-01 - <_> - - 0 -1 1133 -5.3898650221526623e-03 - - -3.8666540384292603e-01 1.5535250306129456e-02 - <_> - - 0 -1 1134 1.0853979736566544e-02 - - 3.6484178155660629e-02 -3.9597511291503906e-01 - <_> - - 0 -1 1135 -4.1801291517913342e-03 - - -4.8202338814735413e-01 1.7042439430952072e-02 - <_> - - 0 -1 1136 -2.3451769724488258e-02 - - 4.9864768981933594e-01 -2.2096080705523491e-02 - <_> - - 0 -1 1137 2.9061511158943176e-03 - - 2.6948669925332069e-02 -3.2566240429878235e-01 - <_> - - 0 -1 1138 4.6364609152078629e-02 - - 2.6882030069828033e-02 -3.7629741430282593e-01 - <_> - - 0 -1 1139 -2.1972910326439887e-04 - - 7.0536717772483826e-02 -1.0895930230617523e-01 - <_> - - 0 -1 1140 -3.7804399617016315e-03 - - -4.8879170417785645e-01 1.9993200898170471e-02 - <_> - - 0 -1 1141 6.0642170865321532e-05 - - -7.5357668101787567e-02 8.1142887473106384e-02 - <_> - - 0 -1 1142 -1.0688889771699905e-02 - - 2.2067229449748993e-01 -5.6204140186309814e-02 - <_> - - 0 -1 1143 4.3683178722858429e-02 - - -6.1082210391759872e-02 1.7125819623470306e-01 - <_> - - 0 -1 1144 -2.0247129723429680e-02 - - 1.5655870735645294e-01 -7.7006831765174866e-02 - <_> - - 0 -1 1145 -5.9285280294716358e-03 - - -4.3693101406097412e-01 2.0276429131627083e-02 - <_> - - 0 -1 1146 1.1349200271070004e-02 - - -5.9775028377771378e-02 1.6517449915409088e-01 - <_> - - 0 -1 1147 -1.3657160103321075e-01 - - -8.7073618173599243e-01 4.2868419550359249e-03 - <_> - - 0 -1 1148 6.6304646432399750e-02 - - -3.8869779556989670e-02 2.6494520902633667e-01 - <_> - - 0 -1 1149 1.9591119140386581e-02 - - -8.0344326794147491e-02 1.6651239991188049e-01 - <_> - - 0 -1 1150 3.4093219786882401e-02 - - 2.6182109490036964e-02 -4.5268338918685913e-01 - <_> - - 0 -1 1151 -2.0616619288921356e-01 - - -4.2545890808105469e-01 1.5678849071264267e-02 - <_> - - 0 -1 1152 -7.6675140298902988e-03 - - -3.5133340954780579e-01 2.7434019371867180e-02 - <_> - - 0 -1 1153 -1.2914510443806648e-02 - - 1.3598570227622986e-01 -6.3368737697601318e-02 - <_> - - 0 -1 1154 1.6074230894446373e-02 - - 2.1521290764212608e-02 -4.6437129378318787e-01 - <_> - - 0 -1 1155 3.6943029612302780e-02 - - 2.7475500479340553e-02 -3.0736088752746582e-01 - <_> - - 0 -1 1156 -7.5521357357501984e-02 - - -4.2419311404228210e-01 2.3781700059771538e-02 - <_> - - 0 -1 1157 2.4398239329457283e-02 - - -4.9387931823730469e-02 1.6724020242691040e-01 - <_> - - 0 -1 1158 1.1577049642801285e-01 - - 1.6644010320305824e-02 -6.9280111789703369e-01 - <_> - - 0 -1 1159 9.1529998462647200e-04 - - -5.0280008465051651e-02 1.3285259902477264e-01 - <_> - - 0 -1 1160 -3.6248450633138418e-03 - - -3.0668339133262634e-01 2.8492359444499016e-02 - <_> - - 0 -1 1161 -7.3581631295382977e-04 - - 5.5988568812608719e-02 -3.9279788732528687e-02 - <_> - - 0 -1 1162 2.0004369318485260e-01 - - -5.6840810924768448e-02 1.6850389540195465e-01 - <_> - - 0 -1 1163 -1.7877690494060516e-02 - - 1.9317519664764404e-01 -5.1463939249515533e-02 - <_> - - 0 -1 1164 1.1350380256772041e-02 - - -4.8964411020278931e-02 2.1819390356540680e-01 - <_> - - 0 -1 1165 1.2502909637987614e-02 - - -4.1984878480434418e-02 2.7138620615005493e-01 - <_> - - 0 -1 1166 -9.3033276498317719e-03 - - 1.5904520452022552e-01 -6.2697403132915497e-02 - <_> - - 0 -1 1167 9.8205171525478363e-03 - - 1.5533110126852989e-02 -3.3040758967399597e-01 - <_> - - 0 -1 1168 4.4993069022893906e-03 - - 3.7670239806175232e-02 -3.1121370196342468e-01 - <_> - - 0 -1 1169 1.4046450145542622e-02 - - -4.3426249176263809e-02 1.0327199846506119e-01 - <_> - - 0 -1 1170 -4.1117519140243530e-02 - - 1.8679919838905334e-01 -6.6434368491172791e-02 - <_> - - 0 -1 1171 -1.0714519768953323e-02 - - 1.2443839758634567e-01 -6.6358536481857300e-02 - <_> - - 0 -1 1172 9.2895422130823135e-03 - - -8.2169853150844574e-02 1.2243539839982986e-01 - <_> - - 0 -1 1173 -1.3050800189375877e-02 - - -4.0033888816833496e-01 1.6636909916996956e-02 - <_> - - 0 -1 1174 -3.6468189209699631e-02 - - -5.4737377166748047e-01 1.4817729592323303e-02 - <_> - - 0 -1 1175 -7.5372940045781434e-05 - - 5.9471640735864639e-02 -5.7879000902175903e-02 - <_> - - 0 -1 1176 1.4252290129661560e-02 - - 2.5297269225120544e-02 -3.3364731073379517e-01 - <_> - - 0 -1 1177 3.3469200134277344e-03 - - -7.0736803114414215e-02 7.4501320719718933e-02 - <_> - - 0 -1 1178 4.4445958919823170e-03 - - -6.7245952785015106e-02 1.4518859982490540e-01 - <_> - - 0 -1 1179 -8.7205823510885239e-03 - - -2.0213529467582703e-01 2.7520239353179932e-02 - <_> - - 0 -1 1180 4.6921689063310623e-02 - - 1.6156850382685661e-02 -5.3119277954101562e-01 - <_> - - 0 -1 1181 5.8387980971019715e-05 - - -5.5716171860694885e-02 7.2010621428489685e-02 - <_> - - 0 -1 1182 -4.6103101340122521e-05 - - 9.5903009176254272e-02 -9.7147382795810699e-02 - <_> - - 0 -1 1183 6.0657761059701443e-03 - - 2.4071209132671356e-02 -2.3760910332202911e-01 - <_> - - 0 -1 1184 -5.5520370602607727e-02 - - 3.0745118856430054e-01 -2.9971180483698845e-02 - <_> - - 0 -1 1185 -3.6553900688886642e-02 - - 3.2812029123306274e-02 -5.7015221565961838e-02 - <_> - - 0 -1 1186 1.8784699495881796e-03 - - -6.5326198935508728e-02 1.3909830152988434e-01 - <_> - - 0 -1 1187 -7.4822120368480682e-03 - - -7.7482169866561890e-01 5.9286328032612801e-03 - <_> - - 0 -1 1188 -3.3365150447934866e-03 - - -3.6160850524902344e-01 2.2673750296235085e-02 - <_> - - 0 -1 1189 -1.2254999950528145e-02 - - -6.5802180767059326e-01 4.3241591192781925e-03 - <_> - - 0 -1 1190 -2.5022740010172129e-04 - - 1.3684910535812378e-01 -6.1310190707445145e-02 - <_> - - 0 -1 1191 1.1895839869976044e-01 - - 2.4467010051012039e-02 -3.0819290876388550e-01 - <_> - - 0 -1 1192 1.8534749979153275e-03 - - -6.5717779099941254e-02 1.3805060088634491e-01 - <_> - - 0 -1 1193 -1.3966379687190056e-02 - - -4.2816719412803650e-01 1.6665250062942505e-02 - <_> - - 0 -1 1194 -1.2011890299618244e-02 - - -4.5466750860214233e-01 1.7481390386819839e-02 - <_> - - 0 -1 1195 8.6380320135504007e-04 - - 2.6830639690160751e-02 -1.9495770335197449e-01 - <_> - - 0 -1 1196 -5.4863549303263426e-04 - - 1.7281720042228699e-01 -5.1925048232078552e-02 - <_> - - 0 -1 1197 3.5642020404338837e-02 - - 1.1997340247035027e-02 -2.6362249255180359e-01 - <_> - - 0 -1 1198 9.2830741778016090e-03 - - 1.5381329692900181e-02 -5.2768671512603760e-01 - <_> - - 0 -1 1199 3.3444799482822418e-03 - - -4.4816508889198303e-02 1.5563699603080750e-01 - <_> - - 0 -1 1200 -3.4852489829063416e-02 - - -6.1446517705917358e-01 1.4714409597218037e-02 - <_> - - 0 -1 1201 -3.6836538929492235e-03 - - 6.7999623715877533e-02 -4.0318191051483154e-02 - <_> - - 0 -1 1202 2.6370671112090349e-03 - - -5.2716590464115143e-02 1.6502730548381805e-01 - <_> - - 0 -1 1203 -1.1408380232751369e-03 - - -1.4956669509410858e-01 1.5529209747910500e-02 - <_> - - 0 -1 1204 -5.5604642257094383e-03 - - 1.0151620209217072e-01 -7.8308418393135071e-02 - <_> - - 0 -1 1205 3.1304020434617996e-02 - - -5.1962178200483322e-02 1.0363990068435669e-01 - <_> - - 0 -1 1206 9.2903850600123405e-03 - - -5.3988721221685410e-02 1.6530619561672211e-01 - <_> - - 0 -1 1207 -1.0893030092120171e-02 - - 1.2810139358043671e-01 -7.3412962257862091e-02 - <_> - - 0 -1 1208 -4.9190609715878963e-03 - - -3.5075309872627258e-01 2.4489160627126694e-02 - <_> - - 0 -1 1209 8.1175416707992554e-02 - - 2.0940639078617096e-02 -3.7765330076217651e-01 - <_> - - 0 -1 1210 -7.1189319714903831e-03 - - 1.3209669291973114e-01 -7.4379600584506989e-02 - <_> - - 0 -1 1211 2.9033590108156204e-02 - - -6.0153428465127945e-02 1.6865250468254089e-01 - <_> - - 0 -1 1212 2.6668590307235718e-01 - - 3.0215110629796982e-02 -3.3363750576972961e-01 - <_> - - 0 -1 1213 1.3437710003927350e-03 - - 2.4461960420012474e-02 -3.4976521134376526e-01 - <_> - - 0 -1 1214 -6.4065970946103334e-05 - - 6.8185970187187195e-02 -1.2182369828224182e-01 - <_> - - 0 -1 1215 -2.2273659706115723e-03 - - 5.9166438877582550e-02 -5.6960988789796829e-02 - <_> - - 0 -1 1216 1.0822839976754040e-04 - - -1.1836750060319901e-01 6.9902807474136353e-02 - <_> - - 0 -1 1217 7.7762501314282417e-03 - - 1.8266340717673302e-02 -3.2388371229171753e-01 - <_> - - 0 -1 1218 -8.5627898806706071e-04 - - 1.5964969992637634e-01 -5.2340108901262283e-02 - <_> - - 0 -1 1219 3.9805951528251171e-03 - - 5.6993248872458935e-03 -6.3849228620529175e-01 - <_> - - 0 -1 1220 -4.9052381655201316e-04 - - 1.6294740140438080e-01 -7.4230141937732697e-02 - <_> - - 0 -1 1221 -1.8403500318527222e-02 - - -6.7734432220458984e-01 1.0705940425395966e-02 - <_> - - 0 -1 1222 -8.9714571367949247e-04 - - 1.6919730603694916e-01 -4.7718539834022522e-02 - <_> - - 0 -1 1223 -1.6734110191464424e-02 - - -3.1512379646301270e-01 1.2442049570381641e-02 - <_> - - 0 -1 1224 -1.1976989917457104e-02 - - -5.2932238578796387e-01 1.4436270110309124e-02 - <_> - - 0 -1 1225 7.0368088781833649e-03 - - 2.6491589844226837e-02 -2.4709920585155487e-01 - <_> - - 0 -1 1226 -1.0579899884760380e-02 - - -4.0928080677986145e-01 1.8759179860353470e-02 - <_> - - 0 -1 1227 6.0849997680634260e-04 - - -3.3409450203180313e-02 8.4388449788093567e-02 - <_> - - 0 -1 1228 -5.9445307124406099e-04 - - 1.4124199748039246e-01 -5.5558290332555771e-02 - <_> - - 0 -1 1229 -1.5759410336613655e-02 - - -3.8335001468658447e-01 1.5663359314203262e-02 - <_> - - 0 -1 1230 -1.0108030401170254e-02 - - -3.3914390206336975e-01 2.0997010171413422e-02 - <_> - - 0 -1 1231 8.8242385536432266e-03 - - 4.6882901340723038e-02 -3.4558109939098358e-02 - <_> - - 0 -1 1232 1.6952809691429138e-01 - - -2.9788380488753319e-02 2.9782000184059143e-01 - <_> - - 0 -1 1233 1.4175090473145247e-03 - - 1.4550680294632912e-02 -2.5577118992805481e-01 - <_> - - 0 -1 1234 -6.2455357983708382e-03 - - 1.7031440138816833e-01 -4.5718509703874588e-02 - <_> - - 0 -1 1235 8.2971990108489990e-02 - - -1.0885650292038918e-02 2.3585709929466248e-01 - <_> - - 0 -1 1236 -3.6387961357831955e-02 - - 7.2063557803630829e-02 -1.3514919579029083e-01 - <_> - - 0 -1 1237 2.6058170199394226e-01 - - 3.0760489404201508e-02 -2.0818600058555603e-01 - <_> - - 0 -1 1238 -1.8370869755744934e-01 - - -4.6199840307235718e-01 1.7690069973468781e-02 - <_> - - 0 -1 1239 -3.9726989343762398e-03 - - -1.6608929634094238e-01 2.0946720615029335e-02 - <_> - - 0 -1 1240 2.1455910056829453e-02 - - 2.3147830739617348e-02 -3.6254659295082092e-01 - <_> - - 0 -1 1241 1.4431820251047611e-02 - - 4.4689280912280083e-03 -2.4459290504455566e-01 - <_> - - 0 -1 1242 -3.3524229656904936e-03 - - -2.4808409810066223e-01 3.1635299324989319e-02 - <_> - - 0 -1 1243 -1.5669470652937889e-02 - - 3.1724831461906433e-01 -3.7489920854568481e-02 - <_> - - 0 -1 1244 -4.0077429264783859e-02 - - -2.5897759199142456e-01 3.2734971493482590e-02 - <_> - - 0 -1 1245 1.2361209839582443e-02 - - -4.5074861496686935e-02 1.6906499862670898e-01 - <_> - - 0 -1 1246 1.0967889800667763e-02 - - 1.8792109563946724e-02 -4.3848529458045959e-01 - <_> - - 0 -1 1247 -1.3743470422923565e-02 - - -4.6097651124000549e-01 1.2236960232257843e-02 - <_> - - 0 -1 1248 -1.0322439484298229e-03 - - 1.6485999524593353e-01 -5.1658768206834793e-02 - <_> - - 0 -1 1249 8.8313361629843712e-03 - - 1.5935530886054039e-02 -2.0159539580345154e-01 - <_> - - 0 -1 1250 1.4420679770410061e-02 - - 1.6077350825071335e-02 -4.6416330337524414e-01 - <_> - - 0 -1 1251 -1.8205989617854357e-03 - - 4.3313421308994293e-02 -2.8083719313144684e-02 - <_> - - 0 -1 1252 3.9304671809077263e-03 - - 4.9701198935508728e-02 -1.5147739648818970e-01 - <_> - - 0 -1 1253 -8.3210691809654236e-03 - - -1.0299280285835266e-01 1.7981389537453651e-02 - <_> - - 0 -1 1254 -1.1277500307187438e-03 - - 1.6595210134983063e-01 -4.8344310373067856e-02 - <_> - - 0 -1 1255 -7.8385067172348499e-04 - - -1.9464610517024994e-01 2.5084519758820534e-02 - <_> - - 0 -1 1256 -8.5464341100305319e-04 - - 1.4730739593505859e-01 -5.2989389747381210e-02 - <_> - - 0 -1 1257 -6.1449417844414711e-03 - - 9.5158338546752930e-02 -3.2354518771171570e-02 - <_> - - 0 -1 1258 5.3742229938507080e-02 - - -1.6013909131288528e-02 5.1783877611160278e-01 - <_> - - 0 -1 1259 -9.1773690655827522e-03 - - 6.5873071551322937e-02 -2.8698600828647614e-02 - <_> - - 0 -1 1260 -1.6262140125036240e-03 - - 1.1650130152702332e-01 -6.6200569272041321e-02 - <_> - - 0 -1 1261 -7.0246770977973938e-02 - - -5.5616712570190430e-01 3.3650770783424377e-03 - <_> - - 0 -1 1262 -4.5713048428297043e-02 - - -5.5543631315231323e-01 1.4523830264806747e-02 - <_> - - 0 -1 1263 -1.6252630157396197e-03 - - 7.7445946633815765e-02 -4.7753591090440750e-02 - <_> - - 0 -1 1264 -8.7784547358751297e-03 - - -6.6605579853057861e-01 1.1499799787998199e-02 - <_> - - 0 -1 1265 5.8178059756755829e-02 - - -1.2690190225839615e-02 2.4311649799346924e-01 - <_> - - 0 -1 1266 -1.0166700230911374e-03 - - 1.7018359899520874e-01 -4.3462678790092468e-02 - <_> - - 0 -1 1267 -8.3186908159404993e-04 - - -1.5544170141220093e-01 2.7767969295382500e-02 - <_> - - 0 -1 1268 1.0635660146363080e-04 - - -7.9961076378822327e-02 9.7552523016929626e-02 - <_> - - 0 -1 1269 7.7358598355203867e-04 - - 2.8019739314913750e-02 -1.6409790515899658e-01 - <_> - - 0 -1 1270 -5.1288288086652756e-03 - - 1.4355009794235229e-01 -5.2181150764226913e-02 - <_> - - 0 -1 1271 -2.9623789712786674e-02 - - 1.2567119300365448e-01 -7.2701826691627502e-02 - <_> - - 0 -1 1272 4.7920320183038712e-02 - - -6.2750786542892456e-02 1.4967499673366547e-01 - <_> - - 0 -1 1273 2.9907789081335068e-02 - - 3.3279890194535255e-03 -5.3522837162017822e-01 - <_> - - 0 -1 1274 -3.1103161163628101e-03 - - -1.8463380634784698e-01 4.0260940790176392e-02 - <_> - - 0 -1 1275 1.1777599574998021e-03 - - -4.2148880660533905e-02 1.8332019448280334e-01 - <_> - - 0 -1 1276 1.4972169883549213e-02 - - -5.0178010016679764e-02 1.4795599877834320e-01 - <_> - - 0 -1 1277 2.2697489708662033e-02 - - 8.8858045637607574e-03 -3.5102608799934387e-01 - <_> - - 0 -1 1278 1.2884129770100117e-02 - - 3.4654911607503891e-02 -2.4061930179595947e-01 - <_> - - 0 -1 1279 -1.1240700259804726e-03 - - 1.3145309686660767e-01 -2.8843039646744728e-02 - <_> - - 0 -1 1280 -1.3627869775518775e-03 - - 2.0138439536094666e-01 -3.7955548614263535e-02 - <_> - - 0 -1 1281 5.3557957289740443e-04 - - 2.7959279716014862e-02 -1.1965149641036987e-01 - <_> - - 0 -1 1282 -1.5280179679393768e-02 - - -4.8518699407577515e-01 1.5622369945049286e-02 - <_> - - 0 -1 1283 4.6412500523729250e-05 - - -5.8938909322023392e-02 6.0108929872512817e-02 - <_> - - 0 -1 1284 9.6553878393024206e-05 - - -9.6594870090484619e-02 7.7917523682117462e-02 - <_> - - 0 -1 1285 3.8991239853203297e-03 - - -2.6182200759649277e-02 1.9023859500885010e-01 - <_> - - 0 -1 1286 2.3785470053553581e-02 - - 4.0359679609537125e-02 -1.7933170497417450e-01 - <_> - - 0 -1 1287 5.9117228374816477e-05 - - -6.7694537341594696e-02 7.8966610133647919e-02 - <_> - - 0 -1 1288 5.8535519987344742e-02 - - -2.7913320809602737e-02 2.6359620690345764e-01 - <_> - - 0 -1 1289 -6.7125670611858368e-03 - - -8.2460111379623413e-01 3.6960430443286896e-03 - <_> - - 0 -1 1290 -4.6747662127017975e-03 - - -7.6254647970199585e-01 9.2743840068578720e-03 - <_> - - 0 -1 1291 5.3981528617441654e-03 - - 1.9147379789501429e-03 -8.0577397346496582e-01 - <_> - - 0 -1 1292 7.7252141200006008e-03 - - -8.2200609147548676e-02 9.2598602175712585e-02 - <_> - - 0 -1 1293 -1.1672140099108219e-03 - - 1.1479389667510986e-01 -4.5965019613504410e-02 - <_> - - 0 -1 1294 -7.4022258631885052e-03 - - -4.2622160911560059e-01 1.7451889812946320e-02 - <_> - - 0 -1 1295 6.5430802351329476e-05 - - -4.4547699391841888e-02 4.9818251281976700e-02 - <_> - - 0 -1 1296 4.6353430661838502e-05 - - -8.2009993493556976e-02 9.2233128845691681e-02 - <_> - 218 - -1.2540320158004761e+00 - - <_> - - 0 -1 1297 1.0560779832303524e-02 - - -1.7285460233688354e-01 2.0729510486125946e-01 - <_> - - 0 -1 1298 -3.8237389177083969e-02 - - 1.7711129784584045e-01 -1.5853039920330048e-01 - <_> - - 0 -1 1299 -5.4120671004056931e-02 - - 2.5644430518150330e-01 -8.8433571159839630e-02 - <_> - - 0 -1 1300 -2.2004460915923119e-03 - - 2.0103460550308228e-01 -1.1016409844160080e-01 - <_> - - 0 -1 1301 6.5438866615295410e-02 - - 7.8213139204308391e-04 -4.3508232421875000e+03 - <_> - - 0 -1 1302 -1.3564580120146275e-02 - - -5.4078108072280884e-01 4.8653590492904186e-03 - <_> - - 0 -1 1303 -1.8708320567384362e-03 - - 1.6335619986057281e-01 -1.2285909801721573e-01 - <_> - - 0 -1 1304 1.6992689669132233e-01 - - -4.5410599559545517e-03 4.8108500242233276e-01 - <_> - - 0 -1 1305 3.5981500986963511e-03 - - 3.5675730556249619e-02 -4.2361581325531006e-01 - <_> - - 0 -1 1306 5.4489761590957642e-01 - - -1.9873559474945068e-02 5.4604721069335938e-01 - <_> - - 0 -1 1307 -6.2775306403636932e-02 - - 1.7221370339393616e-01 -1.1438000202178955e-01 - <_> - - 0 -1 1308 -4.5944411307573318e-02 - - 2.5957840681076050e-01 -7.3221608996391296e-02 - <_> - - 0 -1 1309 2.1809421014040709e-03 - - 4.9543481320142746e-02 -3.1750869750976562e-01 - <_> - - 0 -1 1310 -9.6566081047058105e-03 - - 1.5817630290985107e-01 -8.9046843349933624e-02 - <_> - - 0 -1 1311 8.0804243683815002e-02 - - 5.0327628850936890e-02 -2.8871178627014160e-01 - <_> - - 0 -1 1312 9.8778933286666870e-02 - - -3.8188338279724121e-02 3.1198310852050781e-01 - <_> - - 0 -1 1313 8.4114018827676773e-03 - - -9.4993650913238525e-02 1.3448500633239746e-01 - <_> - - 0 -1 1314 -1.4770099893212318e-02 - - 1.7157199978828430e-01 -7.5040556490421295e-02 - <_> - - 0 -1 1315 1.0575640201568604e-01 - - -4.4023178517818451e-02 3.4951940178871155e-01 - <_> - - 0 -1 1316 4.0104389190673828e-02 - - -5.7279150933027267e-02 2.7639150619506836e-01 - <_> - - 0 -1 1317 1.3599339872598648e-02 - - -8.8640242815017700e-02 1.5966300666332245e-01 - <_> - - 0 -1 1318 -3.3378789667040110e-03 - - -4.9908700585365295e-01 7.1760369464755058e-03 - <_> - - 0 -1 1319 6.5490198321640491e-03 - - -5.9780698269605637e-02 2.1105900406837463e-01 - <_> - - 0 -1 1320 -6.2758670537732542e-05 - - 6.5547652542591095e-02 -5.4199248552322388e-02 - <_> - - 0 -1 1321 9.0889551211148500e-04 - - 4.2570099234580994e-02 -2.8287160396575928e-01 - <_> - - 0 -1 1322 8.8103182613849640e-02 - - 4.0662709623575211e-02 -2.9837289452552795e-01 - <_> - - 0 -1 1323 -1.3515380024909973e-01 - - -4.0110760927200317e-01 2.5998929515480995e-02 - <_> - - 0 -1 1324 1.0549680329859257e-02 - - 2.6560230180621147e-02 -3.5546660423278809e-01 - <_> - - 0 -1 1325 -1.0974519886076450e-02 - - 1.5402090549468994e-01 -7.1584962308406830e-02 - <_> - - 0 -1 1326 -1.2810549698770046e-02 - - -2.6804751157760620e-01 2.0543249323964119e-02 - <_> - - 0 -1 1327 -6.7375123500823975e-02 - - -5.2991771697998047e-01 1.9250020384788513e-02 - <_> - - 0 -1 1328 1.3328590430319309e-02 - - 1.4192479662597179e-02 -2.6928961277008057e-01 - <_> - - 0 -1 1329 -3.4924790263175964e-02 - - 2.8777620196342468e-01 -3.6692250519990921e-02 - <_> - - 0 -1 1330 -2.5960700586438179e-02 - - -5.2505880594253540e-01 4.2013241909444332e-03 - <_> - - 0 -1 1331 -1.4432610012590885e-02 - - -4.4046211242675781e-01 2.3941269144415855e-02 - <_> - - 0 -1 1332 1.0242980206385255e-03 - - -8.1329412758350372e-02 1.0900759696960449e-01 - <_> - - 0 -1 1333 -3.3913699444383383e-03 - - -2.7442601323127747e-01 3.5398051142692566e-02 - <_> - - 0 -1 1334 -2.5459110736846924e-02 - - 1.8842819333076477e-01 -5.0521291792392731e-02 - <_> - - 0 -1 1335 -2.5063930079340935e-02 - - 1.5833060443401337e-01 -6.7982017993927002e-02 - <_> - - 0 -1 1336 4.5757358893752098e-03 - - -5.1283899694681168e-02 1.1465849727392197e-01 - <_> - - 0 -1 1337 -1.5383529663085938e-01 - - 4.2741459608078003e-01 -2.3353850468993187e-02 - <_> - - 0 -1 1338 6.7441980354487896e-03 - - 1.1636420153081417e-02 -1.9906160235404968e-01 - <_> - - 0 -1 1339 4.9857632257044315e-04 - - -1.1122179776430130e-01 9.1327317059040070e-02 - <_> - - 0 -1 1340 4.1650209575891495e-02 - - -3.4230709075927734e-02 1.3409090042114258e-01 - <_> - - 0 -1 1341 -4.8686578869819641e-02 - - 3.8406088948249817e-01 -3.6709271371364594e-02 - <_> - - 0 -1 1342 -1.4266110025346279e-02 - - 1.9041019678115845e-01 -3.7326261401176453e-02 - <_> - - 0 -1 1343 2.0738251041620970e-03 - - -9.4080023467540741e-02 1.3675460219383240e-01 - <_> - - 0 -1 1344 -1.2780539691448212e-02 - - 7.9020939767360687e-02 -3.2141771167516708e-02 - <_> - - 0 -1 1345 8.7420884519815445e-03 - - -8.0583378672599792e-02 1.4332190155982971e-01 - <_> - - 0 -1 1346 6.9780537160113454e-05 - - -1.5397520363330841e-01 6.9408260285854340e-02 - <_> - - 0 -1 1347 -7.9981610178947449e-03 - - -4.4979119300842285e-01 2.3229770362377167e-02 - <_> - - 0 -1 1348 5.3804512135684490e-03 - - 2.4654839187860489e-02 -1.7253589630126953e-01 - <_> - - 0 -1 1349 -2.0006939768791199e-02 - - 1.6526390612125397e-01 -6.2598757445812225e-02 - <_> - - 0 -1 1350 -4.4656409882009029e-03 - - -3.7304630875587463e-01 1.0551270097494125e-02 - <_> - - 0 -1 1351 -3.1919090542942286e-03 - - -4.4115498661994934e-01 2.0958809182047844e-02 - <_> - - 0 -1 1352 -6.2270428985357285e-02 - - -5.4134678840637207e-01 1.3220540247857571e-02 - <_> - - 0 -1 1353 -4.4956348836421967e-02 - - -4.3312940001487732e-01 2.0668320357799530e-02 - <_> - - 0 -1 1354 1.1595709947869182e-03 - - -2.3692440241575241e-02 1.0879980027675629e-01 - <_> - - 0 -1 1355 -8.8405620772391558e-04 - - 1.6496179997920990e-01 -5.2494730800390244e-02 - <_> - - 0 -1 1356 2.6691770181059837e-02 - - 1.4845820143818855e-02 -5.5716449022293091e-01 - <_> - - 0 -1 1357 1.8276730552315712e-02 - - -6.6286213696002960e-02 1.2577010691165924e-01 - <_> - - 0 -1 1358 -8.0911338329315186e-02 - - 1.1313769966363907e-01 -4.9807820469141006e-02 - <_> - - 0 -1 1359 -3.6403700709342957e-02 - - 2.3366059362888336e-01 -3.8333971053361893e-02 - <_> - - 0 -1 1360 -1.3947879895567894e-02 - - 9.9164612591266632e-02 -6.7826092243194580e-02 - <_> - - 0 -1 1361 -2.2420510649681091e-02 - - 1.9045069813728333e-01 -4.8424690961837769e-02 - <_> - - 0 -1 1362 9.9516332149505615e-02 - - -4.8220060765743256e-02 2.0561240613460541e-01 - <_> - - 0 -1 1363 1.4956299960613251e-01 - - 1.4172339811921120e-02 -6.4508867263793945e-01 - <_> - - 0 -1 1364 9.6693442901596427e-04 - - -3.7843611091375351e-02 6.3549898564815521e-02 - <_> - - 0 -1 1365 1.2041750364005566e-02 - - 1.8035089597105980e-02 -4.7741371393203735e-01 - <_> - - 0 -1 1366 2.3097700905054808e-03 - - -4.1533429175615311e-02 1.3027940690517426e-01 - <_> - - 0 -1 1367 2.2019869647920132e-03 - - -5.1468931138515472e-02 1.7361460626125336e-01 - <_> - - 0 -1 1368 2.7255890890955925e-02 - - -1.5339000150561333e-02 3.6252358555793762e-01 - <_> - - 0 -1 1369 8.8747506961226463e-03 - - -4.2691629379987717e-02 2.0767800509929657e-01 - <_> - - 0 -1 1370 4.7241621650755405e-03 - - -5.0056781619787216e-02 8.7361179292201996e-02 - <_> - - 0 -1 1371 7.3167313530575484e-05 - - -1.2441310286521912e-01 7.2677783668041229e-02 - <_> - - 0 -1 1372 -1.2639940250664949e-03 - - 7.7619902789592743e-02 -4.0498621761798859e-02 - <_> - - 0 -1 1373 3.6909559275954962e-03 - - 3.1138850376009941e-02 -3.0862191319465637e-01 - <_> - - 0 -1 1374 -2.8352240100502968e-02 - - -3.5501840710639954e-01 1.3532860204577446e-02 - <_> - - 0 -1 1375 -9.6667202888056636e-04 - - 6.7602843046188354e-02 -1.4329749345779419e-01 - <_> - - 0 -1 1376 -5.8740310370922089e-02 - - -5.5063128471374512e-01 4.2741261422634125e-03 - <_> - - 0 -1 1377 -2.7275739237666130e-02 - - -6.4931607246398926e-01 1.2534529902040958e-02 - <_> - - 0 -1 1378 -1.1755879968404770e-02 - - -5.6485652923583984e-01 1.3763760216534138e-02 - <_> - - 0 -1 1379 7.5923758558928967e-03 - - -4.3114069849252701e-02 2.0055860280990601e-01 - <_> - - 0 -1 1380 -7.1979401400312781e-04 - - -1.3741749525070190e-01 3.4067109227180481e-02 - <_> - - 0 -1 1381 4.1190441697835922e-03 - - 3.6710578948259354e-02 -2.4774970114231110e-01 - <_> - - 0 -1 1382 7.5443051755428314e-03 - - 7.2344779036939144e-03 -4.4737368822097778e-01 - <_> - - 0 -1 1383 -5.2358289249241352e-03 - - 2.1731640398502350e-01 -3.8680329918861389e-02 - <_> - - 0 -1 1384 7.4686598964035511e-04 - - -3.7170719355344772e-02 3.8519371300935745e-02 - <_> - - 0 -1 1385 8.8468490866944194e-04 - - -1.0209800302982330e-01 9.2614941298961639e-02 - <_> - - 0 -1 1386 -1.1738609755411744e-03 - - 1.1087919771671295e-01 -8.5696041584014893e-02 - <_> - - 0 -1 1387 -9.8959967494010925e-02 - - -4.4991499185562134e-01 2.1242130547761917e-02 - <_> - - 0 -1 1388 8.8248471729457378e-04 - - 2.2897589951753616e-02 -1.9950489699840546e-01 - <_> - - 0 -1 1389 -4.1377689689397812e-02 - - 1.5493899583816528e-01 -5.9139370918273926e-02 - <_> - - 0 -1 1390 6.7946789786219597e-03 - - -7.8361012041568756e-02 1.7395700514316559e-01 - <_> - - 0 -1 1391 4.4758509844541550e-02 - - 2.6089010760188103e-02 -3.3111590147018433e-01 - <_> - - 0 -1 1392 2.9978479724377394e-03 - - 4.5928150415420532e-02 -1.4914700388908386e-01 - <_> - - 0 -1 1393 -5.9589359909296036e-02 - - -2.4853509664535522e-01 3.2523650676012039e-02 - <_> - - 0 -1 1394 9.4199320301413536e-04 - - -4.2554680258035660e-02 1.3448560237884521e-01 - <_> - - 0 -1 1395 -2.3947510868310928e-02 - - -4.5831909775733948e-01 1.7818130552768707e-02 - <_> - - 0 -1 1396 7.4462359771132469e-03 - - -4.2358528822660446e-02 5.8031070977449417e-02 - <_> - - 0 -1 1397 -1.2909569777548313e-02 - - 1.9730390608310699e-01 -4.4523268938064575e-02 - <_> - - 0 -1 1398 2.8930921107530594e-03 - - 4.2881060391664505e-02 -1.3717460632324219e-01 - <_> - - 0 -1 1399 -6.8186258431524038e-04 - - 1.3378690183162689e-01 -5.6549690663814545e-02 - <_> - - 0 -1 1400 9.0884382370859385e-04 - - -3.6167509853839874e-02 1.2201189994812012e-01 - <_> - - 0 -1 1401 4.2305429815314710e-04 - - -6.9509476423263550e-02 1.3025139272212982e-01 - <_> - - 0 -1 1402 -1.6460029873996973e-03 - - -1.3005359470844269e-01 3.2738208770751953e-02 - <_> - - 0 -1 1403 7.2493818588554859e-03 - - 1.2288839556276798e-02 -6.2278699874877930e-01 - <_> - - 0 -1 1404 7.8207803890109062e-03 - - 7.4369488283991814e-03 -1.4869819581508636e-01 - <_> - - 0 -1 1405 3.5927280783653259e-02 - - 1.8867580220103264e-02 -3.9214968681335449e-01 - <_> - - 0 -1 1406 -6.1618811741936952e-05 - - 5.6887779384851456e-02 -6.7739218473434448e-02 - <_> - - 0 -1 1407 3.7408068776130676e-02 - - -3.8547120988368988e-02 2.2187900543212891e-01 - <_> - - 0 -1 1408 -5.2155661396682262e-03 - - 1.3633349537849426e-01 -6.7394860088825226e-02 - <_> - - 0 -1 1409 -9.3568190932273865e-02 - - 1.7437450587749481e-01 -4.8774711787700653e-02 - <_> - - 0 -1 1410 7.6228141784667969e-02 - - -5.7475849986076355e-02 1.4711800217628479e-01 - <_> - - 0 -1 1411 -2.0037770271301270e-02 - - -4.1577899456024170e-01 1.7923019826412201e-02 - <_> - - 0 -1 1412 -1.1824379675090313e-02 - - 1.1446230113506317e-01 -7.0048220455646515e-02 - <_> - - 0 -1 1413 -1.6057320171967149e-03 - - 1.6788209974765778e-01 -4.9946658313274384e-02 - <_> - - 0 -1 1414 -2.5517439935356379e-03 - - -3.8285169005393982e-01 1.1361270211637020e-02 - <_> - - 0 -1 1415 -9.9515629699453712e-05 - - 9.2549681663513184e-02 -9.0349666774272919e-02 - <_> - - 0 -1 1416 -1.6710499301552773e-02 - - 1.7871430516242981e-01 -4.1317749768495560e-02 - <_> - - 0 -1 1417 -9.6687301993370056e-04 - - -2.5220069289207458e-01 3.0552810057997704e-02 - <_> - - 0 -1 1418 -6.0828930145362392e-05 - - 5.4259378463029861e-02 -4.7438140958547592e-02 - <_> - - 0 -1 1419 -8.6335372179746628e-04 - - 1.7799940705299377e-01 -4.2312078177928925e-02 - <_> - - 0 -1 1420 -8.9218461653217673e-04 - - -1.8458789587020874e-01 2.5141609832644463e-02 - <_> - - 0 -1 1421 -3.4870179370045662e-03 - - 1.6776649653911591e-01 -4.6044059097766876e-02 - <_> - - 0 -1 1422 1.9598890095949173e-02 - - 1.8055850639939308e-02 -3.0225679278373718e-01 - <_> - - 0 -1 1423 -1.0987210087478161e-02 - - -3.7276530265808105e-01 1.9768150523304939e-02 - <_> - - 0 -1 1424 -6.6390639403834939e-05 - - 7.6856963336467743e-02 -1.2683600187301636e-01 - <_> - - 0 -1 1425 -4.2606238275766373e-03 - - 1.1328200250864029e-01 -6.9660402834415436e-02 - <_> - - 0 -1 1426 7.3147160001099110e-03 - - 3.2997671514749527e-02 -2.6462730765342712e-01 - <_> - - 0 -1 1427 -1.0119480080902576e-02 - - -4.7061848640441895e-01 1.3846470043063164e-02 - <_> - - 0 -1 1428 9.2144332826137543e-02 - - -8.8630668818950653e-02 8.0828502774238586e-02 - <_> - - 0 -1 1429 1.1842589825391769e-02 - - -5.4271340370178223e-02 1.5906229615211487e-01 - <_> - - 0 -1 1430 2.6060450822114944e-02 - - 2.0219080150127411e-02 -3.7096428871154785e-01 - <_> - - 0 -1 1431 2.8632500767707825e-01 - - 1.7163900658488274e-02 -3.9469349384307861e-01 - <_> - - 0 -1 1432 -1.9337460398674011e-02 - - -2.1738919615745544e-01 1.4887879602611065e-02 - <_> - - 0 -1 1433 6.8996037589386106e-04 - - -6.4250953495502472e-02 1.0741239786148071e-01 - <_> - - 0 -1 1434 2.7315480634570122e-02 - - 5.0893737934529781e-03 -5.5414777994155884e-01 - <_> - - 0 -1 1435 -7.3149320669472218e-03 - - -5.7884562015533447e-01 1.1422660201787949e-02 - <_> - - 0 -1 1436 1.3492980040609837e-02 - - 6.9531891494989395e-03 -3.3597940206527710e-01 - <_> - - 0 -1 1437 1.7034929245710373e-02 - - 9.6587073057889938e-03 -6.6380858421325684e-01 - <_> - - 0 -1 1438 -4.9536321312189102e-02 - - -1.0995940119028091e-01 7.1444557979702950e-03 - <_> - - 0 -1 1439 -3.2623220235109329e-02 - - 1.8881709873676300e-01 -4.1656959801912308e-02 - <_> - - 0 -1 1440 2.5752598885446787e-03 - - -5.1026009023189545e-02 1.0571180284023285e-01 - <_> - - 0 -1 1441 2.4968909565359354e-03 - - -5.5985808372497559e-02 1.3470019400119781e-01 - <_> - - 0 -1 1442 -1.1691699735820293e-02 - - 6.9479256868362427e-02 -4.9810849130153656e-02 - <_> - - 0 -1 1443 5.0966278649866581e-03 - - -7.1984186768531799e-02 1.2013410031795502e-01 - <_> - - 0 -1 1444 8.6429098155349493e-04 - - -2.8091590851545334e-02 1.1059089750051498e-01 - <_> - - 0 -1 1445 -3.0658349860459566e-03 - - -4.0703940391540527e-01 1.8710559234023094e-02 - <_> - - 0 -1 1446 -5.5272910685744137e-05 - - 7.0791281759738922e-02 -7.0031739771366119e-02 - <_> - - 0 -1 1447 6.5698497928678989e-04 - - -4.9295708537101746e-02 1.5482489764690399e-01 - <_> - - 0 -1 1448 5.3707341430708766e-04 - - 3.0296180397272110e-02 -1.2385109812021255e-01 - <_> - - 0 -1 1449 -2.7268910780549049e-02 - - -4.6740248799324036e-01 1.4987439848482609e-02 - <_> - - 0 -1 1450 -2.6138951070606709e-03 - - 1.1666820198297501e-01 -6.1536878347396851e-02 - <_> - - 0 -1 1451 -2.7707589790225029e-02 - - -6.4345467090606689e-01 1.2005249969661236e-02 - <_> - - 0 -1 1452 -2.0054269582033157e-02 - - -3.4935790300369263e-01 1.0976320132613182e-02 - <_> - - 0 -1 1453 6.9170317146927118e-04 - - 4.4264778494834900e-02 -1.4918880164623260e-01 - <_> - - 0 -1 1454 6.4560663304291666e-05 - - -4.2204160243272781e-02 4.7343600541353226e-02 - <_> - - 0 -1 1455 -8.8378103100694716e-05 - - 1.0160549730062485e-01 -7.4064172804355621e-02 - <_> - - 0 -1 1456 -6.6106527810916305e-05 - - 7.5940653681755066e-02 -4.9520809203386307e-02 - <_> - - 0 -1 1457 4.2288508848287165e-04 - - -5.8860011398792267e-02 1.3856880366802216e-01 - <_> - - 0 -1 1458 2.5251980405300856e-03 - - -3.0284479260444641e-02 1.6436590254306793e-01 - <_> - - 0 -1 1459 -9.0347938239574432e-03 - - -6.5022891759872437e-01 1.1707929894328117e-02 - <_> - - 0 -1 1460 -4.2698681354522705e-03 - - 1.2133090198040009e-01 -6.0833681374788284e-02 - <_> - - 0 -1 1461 1.6653979197144508e-02 - - 1.4557110145688057e-02 -5.0316780805587769e-01 - <_> - - 0 -1 1462 -1.1785580217838287e-01 - - -3.4865391254425049e-01 5.8299610391259193e-03 - <_> - - 0 -1 1463 -3.8989041000604630e-02 - - 1.0821299999952316e-01 -8.2435406744480133e-02 - <_> - - 0 -1 1464 -6.9744870997965336e-03 - - 9.2099390923976898e-02 -4.4741760939359665e-02 - <_> - - 0 -1 1465 1.5437410213053226e-02 - - 2.9481740668416023e-02 -2.4086919426918030e-01 - <_> - - 0 -1 1466 -5.9599988162517548e-03 - - -2.2541530430316925e-01 2.5642080232501030e-02 - <_> - - 0 -1 1467 -5.3358142031356692e-04 - - 1.1838089674711227e-01 -5.7124208658933640e-02 - <_> - - 0 -1 1468 1.7693769186735153e-02 - - 2.6607789099216461e-02 -3.0558571219444275e-01 - <_> - - 0 -1 1469 5.3599448874592781e-03 - - -5.6949790567159653e-02 1.2108889967203140e-01 - <_> - - 0 -1 1470 1.5854809433221817e-02 - - 2.1557219326496124e-02 -2.5214201211929321e-01 - <_> - - 0 -1 1471 5.4963350296020508e-02 - - 1.0636219754815102e-02 -5.7305997610092163e-01 - <_> - - 0 -1 1472 -3.7383600138127804e-03 - - 7.7441543340682983e-02 -3.0604809522628784e-02 - <_> - - 0 -1 1473 1.8262390047311783e-02 - - -5.4902829229831696e-02 1.1765880137681961e-01 - <_> - - 0 -1 1474 -3.1827870756387711e-02 - - -9.1100317239761353e-01 1.3938200427219272e-03 - <_> - - 0 -1 1475 -3.6466179881244898e-03 - - 1.0852409899234772e-01 -7.2252616286277771e-02 - <_> - - 0 -1 1476 -5.1743179559707642e-02 - - -9.1869431734085083e-01 1.8797840457409620e-03 - <_> - - 0 -1 1477 -9.0449545532464981e-03 - - 1.7876809835433960e-01 -3.8844209164381027e-02 - <_> - - 0 -1 1478 -4.5340228825807571e-03 - - -2.4725730717182159e-01 2.9726779088377953e-02 - <_> - - 0 -1 1479 6.8734101951122284e-03 - - -6.7521482706069946e-02 1.0654129832983017e-01 - <_> - - 0 -1 1480 7.7327789040282369e-04 - - 2.2192569449543953e-02 -1.3983079791069031e-01 - <_> - - 0 -1 1481 -8.5252941062208265e-05 - - 9.0302497148513794e-02 -7.8618973493576050e-02 - <_> - - 0 -1 1482 4.8931739293038845e-03 - - 3.1124200671911240e-02 -1.6171300411224365e-01 - <_> - - 0 -1 1483 -3.5761829465627670e-02 - - -3.4062370657920837e-01 2.0185910165309906e-02 - <_> - - 0 -1 1484 -1.1069890111684799e-02 - - 1.1651419848203659e-01 -3.4033469855785370e-02 - <_> - - 0 -1 1485 3.4201510716229677e-03 - - -5.3016118705272675e-02 1.3394360244274139e-01 - <_> - - 0 -1 1486 -4.9969270825386047e-02 - - -8.4932959079742432e-01 2.7547380886971951e-03 - <_> - - 0 -1 1487 -1.1221430031582713e-03 - - -1.6294130682945251e-01 4.1338101029396057e-02 - <_> - - 0 -1 1488 3.7148129194974899e-02 - - 1.7175029963254929e-02 -2.8404331207275391e-01 - <_> - - 0 -1 1489 2.3847341071814299e-03 - - 3.4838210791349411e-02 -1.8447269499301910e-01 - <_> - - 0 -1 1490 1.4311249554157257e-01 - - 2.5221729651093483e-02 -2.5437259674072266e-01 - <_> - - 0 -1 1491 -1.1918859556317329e-02 - - 1.6557849943637848e-01 -4.4744271785020828e-02 - <_> - - 0 -1 1492 6.4779450185596943e-03 - - -2.5023799389600754e-02 7.9913288354873657e-02 - <_> - - 0 -1 1493 1.4581739669665694e-03 - - -7.9792372882366180e-02 8.2918867468833923e-02 - <_> - - 0 -1 1494 6.2418850138783455e-03 - - 1.3290929608047009e-02 -2.9951110482215881e-01 - <_> - - 0 -1 1495 -2.2714590653777122e-02 - - 4.3989849090576172e-01 -1.5037129633128643e-02 - <_> - - 0 -1 1496 -4.3001482263207436e-03 - - -3.5465851426124573e-01 7.9521266743540764e-03 - <_> - - 0 -1 1497 1.0604769922792912e-03 - - 3.8593769073486328e-02 -1.7629230022430420e-01 - <_> - - 0 -1 1498 4.3205441907048225e-03 - - 1.7124539241194725e-02 -1.0750160366296768e-01 - <_> - - 0 -1 1499 -3.8217399269342422e-03 - - -4.5892098546028137e-01 1.4125829562544823e-02 - <_> - - 0 -1 1500 9.7336847102269530e-04 - - -3.6155119538307190e-02 1.2680569291114807e-01 - <_> - - 0 -1 1501 -7.9081847798079252e-04 - - 1.7071470618247986e-01 -3.7614621222019196e-02 - <_> - - 0 -1 1502 -7.6159887248650193e-04 - - 2.3113989830017090e-01 -6.0362979769706726e-02 - <_> - - 0 -1 1503 -2.1031539887189865e-02 - - -4.9185648560523987e-01 1.5601299703121185e-02 - <_> - - 0 -1 1504 1.8097320571541786e-02 - - -4.6735849231481552e-02 1.0506930202245712e-01 - <_> - - 0 -1 1505 -1.3120859861373901e-02 - - 1.0183440148830414e-01 -8.5726559162139893e-02 - <_> - - 0 -1 1506 2.0128190517425537e-01 - - -9.4874696806073189e-03 5.4181897640228271e-01 - <_> - - 0 -1 1507 7.3326090350747108e-03 - - 2.8244720771908760e-02 -2.4529810249805450e-01 - <_> - - 0 -1 1508 9.0540642850100994e-04 - - -5.5965088307857513e-02 2.3225949704647064e-01 - <_> - - 0 -1 1509 5.3532002493739128e-04 - - 4.3219450861215591e-02 -1.6520470380783081e-01 - <_> - - 0 -1 1510 -8.0239711678586900e-05 - - 5.8853890746831894e-02 -4.7541521489620209e-02 - <_> - - 0 -1 1511 4.8403399996459484e-03 - - -5.4115850478410721e-02 1.3033269345760345e-01 - <_> - - 0 -1 1512 6.6192197799682617e-01 - - -1.4795269817113876e-02 5.7857227325439453e-01 - <_> - - 0 -1 1513 -8.5441237315535545e-03 - - 1.1657439917325974e-01 -6.2898837029933929e-02 - <_> - - 0 -1 1514 5.4021849791752174e-05 - - -6.0200899839401245e-02 6.9971673190593719e-02 - - <_> - - <_> - 0 0 14 9 -1. - <_> - 0 3 14 3 3. - <_> - - <_> - 17 1 8 14 -1. - <_> - 17 8 8 7 2. - <_> - - <_> - 7 3 11 6 -1. - <_> - 7 5 11 2 3. - <_> - - <_> - 5 2 15 6 -1. - <_> - 5 4 15 2 3. - <_> - - <_> - 6 4 11 6 -1. - <_> - 6 6 11 2 3. - <_> - - <_> - 17 1 6 3 -1. - <_> - 19 1 2 3 3. - <_> - - <_> - 5 0 15 6 -1. - <_> - 5 2 15 2 3. - <_> - - <_> - 7 3 13 6 -1. - <_> - 7 5 13 2 3. - <_> - - <_> - 5 3 6 5 -1. - <_> - 8 3 3 5 2. - <_> - - <_> - 21 14 4 1 -1. - <_> - 21 14 2 1 2. - <_> - - <_> - 0 3 3 12 -1. - <_> - 0 7 3 4 3. - <_> - - <_> - 22 10 3 4 -1. - <_> - 22 11 3 2 2. - <_> - - <_> - 0 10 3 4 -1. - <_> - 0 11 3 2 2. - <_> - - <_> - 5 0 15 8 -1. - <_> - 5 2 15 4 2. - <_> - - <_> - 20 0 5 9 -1. - <_> - 20 3 5 3 3. - <_> - - <_> - 6 2 13 4 -1. - <_> - 6 4 13 2 2. - <_> - - <_> - 7 2 15 6 -1. - <_> - 7 4 15 2 3. - <_> - - <_> - 2 3 4 12 -1. - <_> - 2 9 4 6 2. - <_> - - <_> - 6 1 14 6 -1. - <_> - 6 3 14 2 3. - <_> - - <_> - 8 3 9 6 -1. - <_> - 8 5 9 2 3. - <_> - - <_> - 21 0 4 6 -1. - <_> - 21 3 4 3 2. - <_> - - <_> - 1 12 1 3 -1. - <_> - 1 13 1 1 3. - <_> - - <_> - 23 12 1 3 -1. - <_> - 23 13 1 1 3. - <_> - - <_> - 1 12 1 3 -1. - <_> - 1 13 1 1 3. - <_> - - <_> - 7 7 11 8 -1. - <_> - 7 9 11 4 2. - <_> - - <_> - 8 4 9 6 -1. - <_> - 8 6 9 2 3. - <_> - - <_> - 1 0 15 9 -1. - <_> - 1 3 15 3 3. - <_> - - <_> - 9 0 11 15 -1. - <_> - 9 5 11 5 3. - <_> - - <_> - 0 8 3 4 -1. - <_> - 0 9 3 2 2. - <_> - - <_> - 7 9 12 6 -1. - <_> - 7 12 12 3 2. - <_> - - <_> - 0 5 2 6 -1. - <_> - 0 7 2 2 3. - <_> - - <_> - 14 0 2 11 -1. - <_> - 14 0 1 11 2. - <_> - - <_> - 0 9 2 6 -1. - <_> - 0 11 2 2 3. - <_> - - <_> - 1 0 24 12 -1. - <_> - 13 0 12 6 2. - <_> - 1 6 12 6 2. - <_> - - <_> - 0 0 3 4 -1. - <_> - 0 2 3 2 2. - <_> - - <_> - 7 3 14 6 -1. - <_> - 7 5 14 2 3. - <_> - - <_> - 5 3 15 4 -1. - <_> - 5 5 15 2 2. - <_> - - <_> - 8 13 12 1 -1. - <_> - 12 13 4 1 3. - <_> - - <_> - 2 3 12 6 -1. - <_> - 8 3 6 6 2. - <_> - - <_> - 21 2 4 9 -1. - <_> - 21 2 2 9 2. - 1 - <_> - - <_> - 6 2 13 6 -1. - <_> - 6 4 13 2 3. - <_> - - <_> - 5 3 15 2 -1. - <_> - 5 4 15 1 2. - <_> - - <_> - 0 11 5 3 -1. - <_> - 0 12 5 1 3. - <_> - - <_> - 14 0 11 14 -1. - <_> - 14 7 11 7 2. - <_> - - <_> - 2 10 4 1 -1. - <_> - 3 11 2 1 2. - 1 - <_> - - <_> - 1 0 24 12 -1. - <_> - 13 0 12 6 2. - <_> - 1 6 12 6 2. - <_> - - <_> - 0 4 6 6 -1. - <_> - 0 4 3 3 2. - <_> - 3 7 3 3 2. - <_> - - <_> - 23 9 1 4 -1. - <_> - 22 10 1 2 2. - 1 - <_> - - <_> - 2 9 4 1 -1. - <_> - 3 10 2 1 2. - 1 - <_> - - <_> - 16 4 8 10 -1. - <_> - 20 4 4 5 2. - <_> - 16 9 4 5 2. - <_> - - <_> - 8 7 9 6 -1. - <_> - 8 9 9 2 3. - <_> - - <_> - 11 12 4 3 -1. - <_> - 12 12 2 3 2. - <_> - - <_> - 0 0 3 3 -1. - <_> - 0 1 3 1 3. - <_> - - <_> - 11 9 14 2 -1. - <_> - 11 9 7 2 2. - <_> - - <_> - 9 13 4 1 -1. - <_> - 10 13 2 1 2. - <_> - - <_> - 0 0 8 6 -1. - <_> - 0 3 8 3 2. - <_> - - <_> - 5 1 15 6 -1. - <_> - 5 3 15 2 3. - <_> - - <_> - 0 7 4 3 -1. - <_> - 0 8 4 1 3. - <_> - - <_> - 3 3 20 6 -1. - <_> - 8 3 10 6 2. - <_> - - <_> - 0 6 24 5 -1. - <_> - 6 6 12 5 2. - <_> - - <_> - 8 5 9 6 -1. - <_> - 8 7 9 2 3. - <_> - - <_> - 5 2 14 4 -1. - <_> - 5 4 14 2 2. - <_> - - <_> - 22 8 3 6 -1. - <_> - 22 10 3 2 3. - <_> - - <_> - 3 9 18 2 -1. - <_> - 3 9 9 1 2. - <_> - 12 10 9 1 2. - <_> - - <_> - 22 8 3 6 -1. - <_> - 22 10 3 2 3. - <_> - - <_> - 0 0 24 6 -1. - <_> - 0 0 12 3 2. - <_> - 12 3 12 3 2. - <_> - - <_> - 14 11 4 4 -1. - <_> - 15 11 2 4 2. - <_> - - <_> - 5 5 15 2 -1. - <_> - 5 6 15 1 2. - <_> - - <_> - 5 4 15 6 -1. - <_> - 5 6 15 2 3. - <_> - - <_> - 0 7 2 3 -1. - <_> - 0 8 2 1 3. - <_> - - <_> - 6 6 13 6 -1. - <_> - 6 8 13 2 3. - <_> - - <_> - 0 11 6 3 -1. - <_> - 0 12 6 1 3. - <_> - - <_> - 11 0 14 14 -1. - <_> - 11 7 14 7 2. - <_> - - <_> - 7 13 4 1 -1. - <_> - 8 13 2 1 2. - <_> - - <_> - 6 9 13 6 -1. - <_> - 6 11 13 2 3. - <_> - - <_> - 0 9 4 4 -1. - <_> - 0 10 4 2 2. - <_> - - <_> - 21 0 4 6 -1. - <_> - 21 3 4 3 2. - <_> - - <_> - 0 12 6 3 -1. - <_> - 0 13 6 1 3. - <_> - - <_> - 16 11 4 3 -1. - <_> - 17 11 2 3 2. - <_> - - <_> - 0 7 10 8 -1. - <_> - 0 7 5 4 2. - <_> - 5 11 5 4 2. - <_> - - <_> - 22 2 3 8 -1. - <_> - 22 2 3 4 2. - 1 - <_> - - <_> - 1 3 16 4 -1. - <_> - 9 3 8 4 2. - <_> - - <_> - 1 13 24 2 -1. - <_> - 13 13 12 1 2. - <_> - 1 14 12 1 2. - <_> - - <_> - 5 5 4 10 -1. - <_> - 6 5 2 10 2. - <_> - - <_> - 13 7 2 6 -1. - <_> - 11 9 2 2 3. - 1 - <_> - - <_> - 8 9 8 6 -1. - <_> - 8 12 8 3 2. - <_> - - <_> - 24 7 1 4 -1. - <_> - 24 8 1 2 2. - <_> - - <_> - 5 7 15 6 -1. - <_> - 5 9 15 2 3. - <_> - - <_> - 21 8 4 3 -1. - <_> - 21 9 4 1 3. - <_> - - <_> - 5 2 15 4 -1. - <_> - 5 3 15 2 2. - <_> - - <_> - 6 4 15 3 -1. - <_> - 6 5 15 1 3. - <_> - - <_> - 0 3 2 12 -1. - <_> - 0 3 1 6 2. - <_> - 1 9 1 6 2. - <_> - - <_> - 7 3 11 4 -1. - <_> - 7 4 11 2 2. - <_> - - <_> - 0 0 6 6 -1. - <_> - 0 3 6 3 2. - <_> - - <_> - 24 3 1 12 -1. - <_> - 24 7 1 4 3. - <_> - - <_> - 0 0 24 12 -1. - <_> - 0 0 12 6 2. - <_> - 12 6 12 6 2. - <_> - - <_> - 1 1 24 14 -1. - <_> - 13 1 12 7 2. - <_> - 1 8 12 7 2. - <_> - - <_> - 5 3 8 4 -1. - <_> - 5 3 8 2 2. - 1 - <_> - - <_> - 24 9 1 4 -1. - <_> - 23 10 1 2 2. - 1 - <_> - - <_> - 7 7 11 8 -1. - <_> - 7 9 11 4 2. - <_> - - <_> - 24 9 1 4 -1. - <_> - 23 10 1 2 2. - 1 - <_> - - <_> - 0 6 1 9 -1. - <_> - 0 9 1 3 3. - <_> - - <_> - 8 2 9 3 -1. - <_> - 8 3 9 1 3. - <_> - - <_> - 9 4 7 4 -1. - <_> - 9 5 7 2 2. - <_> - - <_> - 22 0 3 2 -1. - <_> - 22 1 3 1 2. - <_> - - <_> - 0 0 13 14 -1. - <_> - 0 7 13 7 2. - <_> - - <_> - 21 9 4 4 -1. - <_> - 21 10 4 2 2. - <_> - - <_> - 0 9 4 4 -1. - <_> - 0 10 4 2 2. - <_> - - <_> - 22 9 1 4 -1. - <_> - 21 10 1 2 2. - 1 - <_> - - <_> - 3 9 4 1 -1. - <_> - 4 10 2 1 2. - 1 - <_> - - <_> - 15 3 10 12 -1. - <_> - 20 3 5 6 2. - <_> - 15 9 5 6 2. - <_> - - <_> - 0 8 14 6 -1. - <_> - 0 8 7 3 2. - <_> - 7 11 7 3 2. - <_> - - <_> - 23 10 1 4 -1. - <_> - 22 11 1 2 2. - 1 - <_> - - <_> - 0 3 10 12 -1. - <_> - 0 3 5 6 2. - <_> - 5 9 5 6 2. - <_> - - <_> - 23 0 2 1 -1. - <_> - 23 0 1 1 2. - 1 - <_> - - <_> - 8 3 9 3 -1. - <_> - 8 4 9 1 3. - <_> - - <_> - 7 5 11 4 -1. - <_> - 7 6 11 2 2. - <_> - - <_> - 2 7 20 8 -1. - <_> - 12 7 10 8 2. - <_> - - <_> - 12 5 9 8 -1. - <_> - 15 5 3 8 3. - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 21 3 4 4 -1. - <_> - 22 4 2 4 2. - 1 - <_> - - <_> - 4 5 9 8 -1. - <_> - 7 5 3 8 3. - <_> - - <_> - 22 10 3 2 -1. - <_> - 22 10 3 1 2. - 1 - <_> - - <_> - 0 5 24 5 -1. - <_> - 6 5 12 5 2. - <_> - - <_> - 9 7 7 3 -1. - <_> - 9 8 7 1 3. - <_> - - <_> - 2 0 20 9 -1. - <_> - 7 0 10 9 2. - <_> - - <_> - 11 2 8 9 -1. - <_> - 13 2 4 9 2. - <_> - - <_> - 1 8 4 1 -1. - <_> - 2 9 2 1 2. - 1 - <_> - - <_> - 19 5 6 10 -1. - <_> - 22 5 3 5 2. - <_> - 19 10 3 5 2. - <_> - - <_> - 0 5 6 10 -1. - <_> - 0 5 3 5 2. - <_> - 3 10 3 5 2. - <_> - - <_> - 10 10 9 2 -1. - <_> - 13 10 3 2 3. - <_> - - <_> - 5 2 15 2 -1. - <_> - 5 3 15 1 2. - <_> - - <_> - 21 4 4 3 -1. - <_> - 21 4 2 3 2. - <_> - - <_> - 1 5 15 4 -1. - <_> - 1 6 15 2 2. - <_> - - <_> - 21 5 4 10 -1. - <_> - 23 5 2 5 2. - <_> - 21 10 2 5 2. - <_> - - <_> - 0 0 21 8 -1. - <_> - 7 0 7 8 3. - <_> - - <_> - 5 0 15 6 -1. - <_> - 5 2 15 2 3. - <_> - - <_> - 2 2 21 3 -1. - <_> - 9 2 7 3 3. - <_> - - <_> - 6 3 15 6 -1. - <_> - 6 5 15 2 3. - <_> - - <_> - 0 5 4 10 -1. - <_> - 0 5 2 5 2. - <_> - 2 10 2 5 2. - <_> - - <_> - 22 10 1 4 -1. - <_> - 21 11 1 2 2. - 1 - <_> - - <_> - 0 7 3 4 -1. - <_> - 0 8 3 2 2. - <_> - - <_> - 1 3 24 3 -1. - <_> - 7 3 12 3 2. - <_> - - <_> - 0 0 24 13 -1. - <_> - 6 0 12 13 2. - <_> - - <_> - 5 3 15 4 -1. - <_> - 5 4 15 2 2. - <_> - - <_> - 5 4 14 3 -1. - <_> - 5 5 14 1 3. - <_> - - <_> - 23 8 2 4 -1. - <_> - 22 9 2 2 2. - 1 - <_> - - <_> - 2 8 4 2 -1. - <_> - 3 9 2 2 2. - 1 - <_> - - <_> - 9 8 9 6 -1. - <_> - 9 10 9 2 3. - <_> - - <_> - 0 0 11 14 -1. - <_> - 0 7 11 7 2. - <_> - - <_> - 1 0 24 12 -1. - <_> - 13 0 12 6 2. - <_> - 1 6 12 6 2. - <_> - - <_> - 0 0 3 4 -1. - <_> - 0 2 3 2 2. - <_> - - <_> - 7 2 15 4 -1. - <_> - 7 3 15 2 2. - <_> - - <_> - 2 10 4 1 -1. - <_> - 3 11 2 1 2. - 1 - <_> - - <_> - 21 11 4 4 -1. - <_> - 21 12 4 2 2. - <_> - - <_> - 1 7 12 8 -1. - <_> - 1 7 6 4 2. - <_> - 7 11 6 4 2. - <_> - - <_> - 7 8 11 6 -1. - <_> - 7 11 11 3 2. - <_> - - <_> - 0 13 2 2 -1. - <_> - 0 14 2 1 2. - <_> - - <_> - 10 3 8 6 -1. - <_> - 12 3 4 6 2. - <_> - - <_> - 7 3 8 6 -1. - <_> - 9 3 4 6 2. - <_> - - <_> - 22 6 3 3 -1. - <_> - 22 7 3 1 3. - <_> - - <_> - 0 5 5 6 -1. - <_> - 0 7 5 2 3. - <_> - - <_> - 8 7 9 6 -1. - <_> - 8 9 9 2 3. - <_> - - <_> - 2 0 20 13 -1. - <_> - 12 0 10 13 2. - <_> - - <_> - 19 3 6 4 -1. - <_> - 22 3 3 2 2. - <_> - 19 5 3 2 2. - <_> - - <_> - 3 8 12 3 -1. - <_> - 9 8 6 3 2. - <_> - - <_> - 22 3 2 5 -1. - <_> - 22 3 1 5 2. - 1 - <_> - - <_> - 6 7 8 8 -1. - <_> - 8 7 4 8 2. - <_> - - <_> - 20 0 3 1 -1. - <_> - 21 1 1 1 3. - 1 - <_> - - <_> - 5 0 1 3 -1. - <_> - 4 1 1 1 3. - 1 - <_> - - <_> - 22 11 1 3 -1. - <_> - 21 12 1 1 3. - 1 - <_> - - <_> - 1 4 4 3 -1. - <_> - 3 4 2 3 2. - <_> - - <_> - 19 4 6 8 -1. - <_> - 22 4 3 4 2. - <_> - 19 8 3 4 2. - <_> - - <_> - 0 4 8 8 -1. - <_> - 0 4 4 4 2. - <_> - 4 8 4 4 2. - <_> - - <_> - 22 11 1 3 -1. - <_> - 21 12 1 1 3. - 1 - <_> - - <_> - 0 1 24 14 -1. - <_> - 0 1 12 7 2. - <_> - 12 8 12 7 2. - <_> - - <_> - 23 8 2 4 -1. - <_> - 23 9 2 2 2. - <_> - - <_> - 5 3 15 4 -1. - <_> - 5 4 15 2 2. - <_> - - <_> - 8 1 9 3 -1. - <_> - 8 2 9 1 3. - <_> - - <_> - 0 8 2 4 -1. - <_> - 0 9 2 2 2. - <_> - - <_> - 18 10 7 2 -1. - <_> - 18 11 7 1 2. - <_> - - <_> - 6 11 12 4 -1. - <_> - 6 12 12 2 2. - <_> - - <_> - 14 0 6 15 -1. - <_> - 16 0 2 15 3. - <_> - - <_> - 0 10 7 2 -1. - <_> - 0 11 7 1 2. - <_> - - <_> - 15 5 6 6 -1. - <_> - 18 5 3 3 2. - <_> - 15 8 3 3 2. - <_> - - <_> - 5 0 6 15 -1. - <_> - 7 0 2 15 3. - <_> - - <_> - 8 7 9 4 -1. - <_> - 8 8 9 2 2. - <_> - - <_> - 7 6 10 6 -1. - <_> - 7 8 10 2 3. - <_> - - <_> - 19 11 1 3 -1. - <_> - 18 12 1 1 3. - 1 - <_> - - <_> - 6 11 3 1 -1. - <_> - 7 12 1 1 3. - 1 - <_> - - <_> - 16 10 4 1 -1. - <_> - 16 10 2 1 2. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 8 1 9 3 -1. - <_> - 8 2 9 1 3. - <_> - - <_> - 0 6 5 3 -1. - <_> - 0 7 5 1 3. - <_> - - <_> - 21 8 1 4 -1. - <_> - 20 9 1 2 2. - 1 - <_> - - <_> - 5 1 15 6 -1. - <_> - 5 3 15 2 3. - <_> - - <_> - 23 0 2 2 -1. - <_> - 24 0 1 1 2. - <_> - 23 1 1 1 2. - <_> - - <_> - 3 3 15 6 -1. - <_> - 3 5 15 2 3. - <_> - - <_> - 19 0 6 9 -1. - <_> - 19 3 6 3 3. - <_> - - <_> - 5 2 15 6 -1. - <_> - 5 4 15 2 3. - <_> - - <_> - 17 3 8 3 -1. - <_> - 17 4 8 1 3. - <_> - - <_> - 4 3 8 4 -1. - <_> - 4 3 8 2 2. - 1 - <_> - - <_> - 16 4 6 2 -1. - <_> - 16 5 6 1 2. - <_> - - <_> - 0 0 24 12 -1. - <_> - 0 0 12 6 2. - <_> - 12 6 12 6 2. - <_> - - <_> - 22 10 3 2 -1. - <_> - 22 10 3 1 2. - 1 - <_> - - <_> - 6 3 6 6 -1. - <_> - 4 5 6 2 3. - 1 - <_> - - <_> - 14 4 9 1 -1. - <_> - 17 7 3 1 3. - 1 - <_> - - <_> - 3 10 2 3 -1. - <_> - 3 10 1 3 2. - 1 - <_> - - <_> - 20 8 5 2 -1. - <_> - 20 8 5 1 2. - 1 - <_> - - <_> - 0 9 16 6 -1. - <_> - 0 9 8 3 2. - <_> - 8 12 8 3 2. - <_> - - <_> - 6 2 13 3 -1. - <_> - 6 3 13 1 3. - <_> - - <_> - 0 1 3 4 -1. - <_> - 0 3 3 2 2. - <_> - - <_> - 8 0 9 12 -1. - <_> - 8 6 9 6 2. - <_> - - <_> - 4 0 1 2 -1. - <_> - 4 0 1 1 2. - 1 - <_> - - <_> - 5 3 15 3 -1. - <_> - 5 4 15 1 3. - <_> - - <_> - 3 10 2 3 -1. - <_> - 3 10 1 3 2. - 1 - <_> - - <_> - 19 4 6 4 -1. - <_> - 22 4 3 2 2. - <_> - 19 6 3 2 2. - <_> - - <_> - 0 3 8 4 -1. - <_> - 0 3 4 2 2. - <_> - 4 5 4 2 2. - <_> - - <_> - 19 10 5 3 -1. - <_> - 19 11 5 1 3. - <_> - - <_> - 1 10 5 3 -1. - <_> - 1 11 5 1 3. - <_> - - <_> - 12 1 13 14 -1. - <_> - 12 8 13 7 2. - <_> - - <_> - 0 1 13 14 -1. - <_> - 0 8 13 7 2. - <_> - - <_> - 11 3 6 12 -1. - <_> - 14 3 3 6 2. - <_> - 11 9 3 6 2. - <_> - - <_> - 9 5 6 10 -1. - <_> - 9 5 3 5 2. - <_> - 12 10 3 5 2. - <_> - - <_> - 20 8 5 4 -1. - <_> - 20 9 5 2 2. - <_> - - <_> - 0 8 5 4 -1. - <_> - 0 9 5 2 2. - <_> - - <_> - 8 9 9 3 -1. - <_> - 8 10 9 1 3. - <_> - - <_> - 7 10 6 4 -1. - <_> - 9 10 2 4 3. - <_> - - <_> - 6 6 14 4 -1. - <_> - 6 7 14 2 2. - <_> - - <_> - 9 6 5 4 -1. - <_> - 9 7 5 2 2. - <_> - - <_> - 22 5 3 6 -1. - <_> - 22 7 3 2 3. - <_> - - <_> - 0 5 3 6 -1. - <_> - 0 7 3 2 3. - <_> - - <_> - 17 1 5 4 -1. - <_> - 17 2 5 2 2. - <_> - - <_> - 3 1 6 4 -1. - <_> - 3 2 6 2 2. - <_> - - <_> - 21 14 4 1 -1. - <_> - 21 14 2 1 2. - <_> - - <_> - 4 8 3 2 -1. - <_> - 5 9 1 2 3. - 1 - <_> - - <_> - 14 2 4 7 -1. - <_> - 14 2 2 7 2. - <_> - - <_> - 7 2 4 7 -1. - <_> - 9 2 2 7 2. - <_> - - <_> - 9 3 8 5 -1. - <_> - 11 3 4 5 2. - <_> - - <_> - 5 10 15 1 -1. - <_> - 10 10 5 1 3. - <_> - - <_> - 2 6 21 9 -1. - <_> - 9 6 7 9 3. - <_> - - <_> - 0 4 6 6 -1. - <_> - 0 6 6 2 3. - <_> - - <_> - 1 12 24 3 -1. - <_> - 7 12 12 3 2. - <_> - - <_> - 6 7 6 2 -1. - <_> - 6 8 6 1 2. - <_> - - <_> - 13 8 2 4 -1. - <_> - 13 8 2 2 2. - 1 - <_> - - <_> - 8 6 8 5 -1. - <_> - 10 6 4 5 2. - <_> - - <_> - 11 5 6 4 -1. - <_> - 11 6 6 2 2. - <_> - - <_> - 0 14 4 1 -1. - <_> - 2 14 2 1 2. - <_> - - <_> - 16 2 4 13 -1. - <_> - 17 2 2 13 2. - <_> - - <_> - 0 7 1 4 -1. - <_> - 0 8 1 2 2. - <_> - - <_> - 24 0 1 2 -1. - <_> - 24 1 1 1 2. - <_> - - <_> - 0 5 2 4 -1. - <_> - 1 5 1 4 2. - <_> - - <_> - 0 1 8 4 -1. - <_> - 0 3 8 2 2. - <_> - - <_> - 15 11 10 4 -1. - <_> - 20 11 5 2 2. - <_> - 15 13 5 2 2. - <_> - - <_> - 7 5 11 3 -1. - <_> - 7 6 11 1 3. - <_> - - <_> - 21 4 4 3 -1. - <_> - 21 4 2 3 2. - <_> - - <_> - 0 5 4 1 -1. - <_> - 2 5 2 1 2. - <_> - - <_> - 7 3 12 4 -1. - <_> - 7 4 12 2 2. - <_> - - <_> - 8 6 7 3 -1. - <_> - 8 7 7 1 3. - <_> - - <_> - 16 0 9 14 -1. - <_> - 16 7 9 7 2. - <_> - - <_> - 0 0 24 6 -1. - <_> - 0 0 12 3 2. - <_> - 12 3 12 3 2. - <_> - - <_> - 23 13 2 1 -1. - <_> - 23 13 1 1 2. - <_> - - <_> - 0 13 24 2 -1. - <_> - 0 13 12 1 2. - <_> - 12 14 12 1 2. - <_> - - <_> - 19 12 5 3 -1. - <_> - 19 13 5 1 3. - <_> - - <_> - 9 7 7 4 -1. - <_> - 9 8 7 2 2. - <_> - - <_> - 14 0 4 7 -1. - <_> - 14 0 2 7 2. - 1 - <_> - - <_> - 11 0 7 4 -1. - <_> - 11 0 7 2 2. - 1 - <_> - - <_> - 9 4 14 2 -1. - <_> - 9 5 14 1 2. - <_> - - <_> - 3 2 15 4 -1. - <_> - 3 3 15 2 2. - <_> - - <_> - 19 12 5 3 -1. - <_> - 19 13 5 1 3. - <_> - - <_> - 0 11 8 4 -1. - <_> - 0 11 4 2 2. - <_> - 4 13 4 2 2. - <_> - - <_> - 7 9 11 6 -1. - <_> - 7 11 11 2 3. - <_> - - <_> - 0 11 7 4 -1. - <_> - 0 12 7 2 2. - <_> - - <_> - 20 0 5 2 -1. - <_> - 20 1 5 1 2. - <_> - - <_> - 5 10 3 2 -1. - <_> - 6 11 1 2 3. - 1 - <_> - - <_> - 17 4 8 10 -1. - <_> - 21 4 4 5 2. - <_> - 17 9 4 5 2. - <_> - - <_> - 5 3 15 2 -1. - <_> - 5 4 15 1 2. - <_> - - <_> - 16 4 5 2 -1. - <_> - 16 5 5 1 2. - <_> - - <_> - 1 0 22 10 -1. - <_> - 1 0 11 5 2. - <_> - 12 5 11 5 2. - <_> - - <_> - 20 0 5 2 -1. - <_> - 20 1 5 1 2. - <_> - - <_> - 0 0 5 2 -1. - <_> - 0 1 5 1 2. - <_> - - <_> - 10 1 6 12 -1. - <_> - 13 1 3 6 2. - <_> - 10 7 3 6 2. - <_> - - <_> - 0 0 1 8 -1. - <_> - 0 4 1 4 2. - <_> - - <_> - 6 0 13 6 -1. - <_> - 6 2 13 2 3. - <_> - - <_> - 4 3 4 4 -1. - <_> - 3 4 4 2 2. - 1 - <_> - - <_> - 20 8 5 3 -1. - <_> - 20 9 5 1 3. - <_> - - <_> - 7 13 2 2 -1. - <_> - 7 13 1 1 2. - <_> - 8 14 1 1 2. - <_> - - <_> - 16 13 2 2 -1. - <_> - 17 13 1 1 2. - <_> - 16 14 1 1 2. - <_> - - <_> - 7 13 2 2 -1. - <_> - 7 13 1 1 2. - <_> - 8 14 1 1 2. - <_> - - <_> - 19 5 6 1 -1. - <_> - 21 5 2 1 3. - <_> - - <_> - 0 8 6 6 -1. - <_> - 0 10 6 2 3. - <_> - - <_> - 6 8 13 4 -1. - <_> - 6 9 13 2 2. - <_> - - <_> - 3 10 8 1 -1. - <_> - 7 10 4 1 2. - <_> - - <_> - 16 11 4 4 -1. - <_> - 17 11 2 4 2. - <_> - - <_> - 5 6 15 2 -1. - <_> - 5 7 15 1 2. - <_> - - <_> - 3 1 20 10 -1. - <_> - 3 1 10 10 2. - <_> - - <_> - 2 4 3 3 -1. - <_> - 2 5 3 1 3. - <_> - - <_> - 16 11 4 4 -1. - <_> - 17 11 2 4 2. - <_> - - <_> - 5 11 4 4 -1. - <_> - 6 11 2 4 2. - <_> - - <_> - 17 4 8 10 -1. - <_> - 21 4 4 5 2. - <_> - 17 9 4 5 2. - <_> - - <_> - 0 8 5 3 -1. - <_> - 0 9 5 1 3. - <_> - - <_> - 23 13 2 1 -1. - <_> - 23 13 1 1 2. - <_> - - <_> - 0 13 2 1 -1. - <_> - 1 13 1 1 2. - <_> - - <_> - 10 1 7 3 -1. - <_> - 10 2 7 1 3. - <_> - - <_> - 0 3 8 12 -1. - <_> - 0 3 4 6 2. - <_> - 4 9 4 6 2. - <_> - - <_> - 6 0 16 11 -1. - <_> - 6 0 8 11 2. - <_> - - <_> - 2 0 21 3 -1. - <_> - 9 0 7 3 3. - <_> - - <_> - 23 1 2 12 -1. - <_> - 23 1 2 6 2. - 1 - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 15 0 6 3 -1. - <_> - 17 0 2 3 3. - <_> - - <_> - 8 9 6 4 -1. - <_> - 10 9 2 4 3. - <_> - - <_> - 20 5 5 6 -1. - <_> - 20 7 5 2 3. - <_> - - <_> - 0 4 24 8 -1. - <_> - 0 4 12 4 2. - <_> - 12 8 12 4 2. - <_> - - <_> - 22 10 1 4 -1. - <_> - 21 11 1 2 2. - 1 - <_> - - <_> - 7 0 11 3 -1. - <_> - 7 1 11 1 3. - <_> - - <_> - 6 0 13 4 -1. - <_> - 6 1 13 2 2. - <_> - - <_> - 7 11 11 4 -1. - <_> - 7 13 11 2 2. - <_> - - <_> - 21 3 4 12 -1. - <_> - 23 3 2 6 2. - <_> - 21 9 2 6 2. - <_> - - <_> - 2 4 21 6 -1. - <_> - 9 6 7 2 9. - <_> - - <_> - 23 3 2 10 -1. - <_> - 24 3 1 5 2. - <_> - 23 8 1 5 2. - <_> - - <_> - 0 3 2 10 -1. - <_> - 0 3 1 5 2. - <_> - 1 8 1 5 2. - <_> - - <_> - 24 10 1 4 -1. - <_> - 23 11 1 2 2. - 1 - <_> - - <_> - 1 10 4 1 -1. - <_> - 2 11 2 1 2. - 1 - <_> - - <_> - 8 10 9 4 -1. - <_> - 8 11 9 2 2. - <_> - - <_> - 5 8 13 6 -1. - <_> - 5 11 13 3 2. - <_> - - <_> - 5 0 15 4 -1. - <_> - 5 2 15 2 2. - <_> - - <_> - 1 0 22 15 -1. - <_> - 12 0 11 15 2. - <_> - - <_> - 10 14 8 1 -1. - <_> - 12 14 4 1 2. - <_> - - <_> - 1 3 8 4 -1. - <_> - 1 4 8 2 2. - <_> - - <_> - 15 13 1 2 -1. - <_> - 15 14 1 1 2. - <_> - - <_> - 5 2 15 6 -1. - <_> - 5 4 15 2 3. - <_> - - <_> - 23 12 2 1 -1. - <_> - 23 12 1 1 2. - 1 - <_> - - <_> - 2 12 1 2 -1. - <_> - 2 12 1 1 2. - 1 - <_> - - <_> - 8 13 9 2 -1. - <_> - 11 13 3 2 3. - <_> - - <_> - 8 0 8 2 -1. - <_> - 8 1 8 1 2. - <_> - - <_> - 20 12 4 3 -1. - <_> - 20 13 4 1 3. - <_> - - <_> - 3 0 18 10 -1. - <_> - 3 0 9 5 2. - <_> - 12 5 9 5 2. - <_> - - <_> - 10 12 6 3 -1. - <_> - 12 12 2 3 3. - <_> - - <_> - 0 0 1 8 -1. - <_> - 0 2 1 4 2. - <_> - - <_> - 22 5 3 4 -1. - <_> - 22 6 3 2 2. - <_> - - <_> - 0 5 4 4 -1. - <_> - 0 6 4 2 2. - <_> - - <_> - 6 0 14 10 -1. - <_> - 13 0 7 5 2. - <_> - 6 5 7 5 2. - <_> - - <_> - 1 12 4 3 -1. - <_> - 1 13 4 1 3. - <_> - - <_> - 20 7 2 2 -1. - <_> - 21 7 1 1 2. - <_> - 20 8 1 1 2. - <_> - - <_> - 3 7 2 2 -1. - <_> - 3 7 1 1 2. - <_> - 4 8 1 1 2. - <_> - - <_> - 22 6 3 4 -1. - <_> - 22 7 3 2 2. - <_> - - <_> - 9 6 7 3 -1. - <_> - 9 7 7 1 3. - <_> - - <_> - 11 6 4 2 -1. - <_> - 11 7 4 1 2. - <_> - - <_> - 0 6 5 4 -1. - <_> - 0 7 5 2 2. - <_> - - <_> - 5 3 15 6 -1. - <_> - 5 5 15 2 3. - <_> - - <_> - 4 4 5 2 -1. - <_> - 4 5 5 1 2. - <_> - - <_> - 11 12 6 3 -1. - <_> - 13 12 2 3 3. - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 7 11 12 2 -1. - <_> - 11 11 4 2 3. - <_> - - <_> - 0 8 4 4 -1. - <_> - 0 9 4 2 2. - <_> - - <_> - 8 7 9 3 -1. - <_> - 8 8 9 1 3. - <_> - - <_> - 8 8 9 6 -1. - <_> - 8 10 9 2 3. - <_> - - <_> - 20 11 5 4 -1. - <_> - 20 12 5 2 2. - <_> - - <_> - 7 5 8 3 -1. - <_> - 9 5 4 3 2. - <_> - - <_> - 16 0 2 2 -1. - <_> - 17 0 1 1 2. - <_> - 16 1 1 1 2. - <_> - - <_> - 0 11 5 4 -1. - <_> - 0 12 5 2 2. - <_> - - <_> - 16 0 2 2 -1. - <_> - 17 0 1 1 2. - <_> - 16 1 1 1 2. - <_> - - <_> - 5 9 6 6 -1. - <_> - 7 9 2 6 3. - <_> - - <_> - 14 10 10 4 -1. - <_> - 19 10 5 2 2. - <_> - 14 12 5 2 2. - <_> - - <_> - 6 6 3 1 -1. - <_> - 7 6 1 1 3. - <_> - - <_> - 16 6 3 2 -1. - <_> - 17 6 1 2 3. - <_> - - <_> - 6 6 3 2 -1. - <_> - 7 6 1 2 3. - <_> - - <_> - 13 3 8 4 -1. - <_> - 12 4 8 2 2. - 1 - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 21 0 2 1 -1. - <_> - 21 0 1 1 2. - 1 - <_> - - <_> - 4 0 1 2 -1. - <_> - 4 0 1 1 2. - 1 - <_> - - <_> - 13 1 8 6 -1. - <_> - 11 3 8 2 3. - 1 - <_> - - <_> - 12 3 4 8 -1. - <_> - 13 4 2 8 2. - 1 - <_> - - <_> - 3 0 20 15 -1. - <_> - 3 0 10 15 2. - <_> - - <_> - 9 0 7 3 -1. - <_> - 9 1 7 1 3. - <_> - - <_> - 12 1 5 2 -1. - <_> - 12 2 5 1 2. - <_> - - <_> - 6 1 13 3 -1. - <_> - 6 2 13 1 3. - <_> - - <_> - 14 3 10 12 -1. - <_> - 19 3 5 6 2. - <_> - 14 9 5 6 2. - <_> - - <_> - 1 6 21 6 -1. - <_> - 8 6 7 6 3. - <_> - - <_> - 12 0 10 12 -1. - <_> - 12 0 5 12 2. - <_> - - <_> - 7 8 11 3 -1. - <_> - 7 9 11 1 3. - <_> - - <_> - 2 5 22 10 -1. - <_> - 2 5 11 10 2. - <_> - - <_> - 5 4 15 4 -1. - <_> - 5 6 15 2 2. - <_> - - <_> - 7 1 15 6 -1. - <_> - 7 3 15 2 3. - <_> - - <_> - 0 8 2 6 -1. - <_> - 0 10 2 2 3. - <_> - - <_> - 5 1 15 4 -1. - <_> - 5 2 15 2 2. - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 11 9 9 2 -1. - <_> - 14 9 3 2 3. - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 17 10 8 4 -1. - <_> - 17 11 8 2 2. - <_> - - <_> - 0 10 8 4 -1. - <_> - 0 11 8 2 2. - <_> - - <_> - 16 11 6 4 -1. - <_> - 18 11 2 4 3. - <_> - - <_> - 0 13 24 1 -1. - <_> - 6 13 12 1 2. - <_> - - <_> - 0 9 10 6 -1. - <_> - 0 9 5 3 2. - <_> - 5 12 5 3 2. - <_> - - <_> - 13 5 10 10 -1. - <_> - 18 5 5 5 2. - <_> - 13 10 5 5 2. - <_> - - <_> - 0 4 4 2 -1. - <_> - 2 4 2 2 2. - <_> - - <_> - 13 5 12 10 -1. - <_> - 19 5 6 5 2. - <_> - 13 10 6 5 2. - <_> - - <_> - 0 5 12 10 -1. - <_> - 0 5 6 5 2. - <_> - 6 10 6 5 2. - <_> - - <_> - 11 11 3 4 -1. - <_> - 11 13 3 2 2. - <_> - - <_> - 5 8 2 5 -1. - <_> - 5 8 1 5 2. - 1 - <_> - - <_> - 4 14 18 1 -1. - <_> - 4 14 9 1 2. - <_> - - <_> - 1 0 1 6 -1. - <_> - 1 3 1 3 2. - <_> - - <_> - 8 9 9 4 -1. - <_> - 8 10 9 2 2. - <_> - - <_> - 0 9 5 4 -1. - <_> - 0 10 5 2 2. - <_> - - <_> - 19 5 6 2 -1. - <_> - 21 5 2 2 3. - <_> - - <_> - 0 5 6 2 -1. - <_> - 2 5 2 2 3. - <_> - - <_> - 13 9 6 3 -1. - <_> - 15 9 2 3 3. - <_> - - <_> - 2 3 21 9 -1. - <_> - 9 3 7 9 3. - <_> - - <_> - 11 9 10 2 -1. - <_> - 11 9 5 2 2. - <_> - - <_> - 0 0 24 14 -1. - <_> - 0 0 12 7 2. - <_> - 12 7 12 7 2. - <_> - - <_> - 5 2 15 6 -1. - <_> - 5 4 15 2 3. - <_> - - <_> - 2 0 16 11 -1. - <_> - 10 0 8 11 2. - <_> - - <_> - 5 0 15 6 -1. - <_> - 5 2 15 2 3. - <_> - - <_> - 10 5 5 4 -1. - <_> - 10 6 5 2 2. - <_> - - <_> - 23 0 2 3 -1. - <_> - 23 1 2 1 3. - <_> - - <_> - 0 0 6 3 -1. - <_> - 0 1 6 1 3. - <_> - - <_> - 10 5 15 2 -1. - <_> - 10 6 15 1 2. - <_> - - <_> - 0 4 6 4 -1. - <_> - 0 4 3 2 2. - <_> - 3 6 3 2 2. - <_> - - <_> - 21 7 2 4 -1. - <_> - 20 8 2 2 2. - 1 - <_> - - <_> - 4 7 4 2 -1. - <_> - 5 8 2 2 2. - 1 - <_> - - <_> - 24 13 1 2 -1. - <_> - 24 14 1 1 2. - <_> - - <_> - 2 0 4 15 -1. - <_> - 3 0 2 15 2. - <_> - - <_> - 21 0 4 1 -1. - <_> - 22 1 2 1 2. - 1 - <_> - - <_> - 4 0 1 4 -1. - <_> - 3 1 1 2 2. - 1 - <_> - - <_> - 1 1 24 14 -1. - <_> - 13 1 12 7 2. - <_> - 1 8 12 7 2. - <_> - - <_> - 6 9 6 6 -1. - <_> - 8 9 2 6 3. - <_> - - <_> - 5 3 15 4 -1. - <_> - 10 3 5 4 3. - <_> - - <_> - 0 0 20 10 -1. - <_> - 5 0 10 10 2. - <_> - - <_> - 19 3 6 12 -1. - <_> - 22 3 3 6 2. - <_> - 19 9 3 6 2. - <_> - - <_> - 3 2 7 2 -1. - <_> - 3 3 7 1 2. - <_> - - <_> - 19 3 6 12 -1. - <_> - 22 3 3 6 2. - <_> - 19 9 3 6 2. - <_> - - <_> - 0 3 6 12 -1. - <_> - 0 3 3 6 2. - <_> - 3 9 3 6 2. - <_> - - <_> - 19 14 6 1 -1. - <_> - 19 14 3 1 2. - <_> - - <_> - 4 2 6 13 -1. - <_> - 6 2 2 13 3. - <_> - - <_> - 17 14 8 1 -1. - <_> - 19 14 4 1 2. - <_> - - <_> - 0 14 8 1 -1. - <_> - 2 14 4 1 2. - <_> - - <_> - 23 11 2 2 -1. - <_> - 23 11 2 1 2. - 1 - <_> - - <_> - 2 11 2 2 -1. - <_> - 2 11 1 2 2. - 1 - <_> - - <_> - 8 4 9 4 -1. - <_> - 8 5 9 2 2. - <_> - - <_> - 8 4 9 3 -1. - <_> - 8 5 9 1 3. - <_> - - <_> - 22 6 2 4 -1. - <_> - 23 6 1 2 2. - <_> - 22 8 1 2 2. - <_> - - <_> - 7 3 6 8 -1. - <_> - 9 3 2 8 3. - <_> - - <_> - 22 4 3 4 -1. - <_> - 22 5 3 2 2. - <_> - - <_> - 3 9 4 2 -1. - <_> - 4 10 2 2 2. - 1 - <_> - - <_> - 17 7 2 2 -1. - <_> - 18 7 1 1 2. - <_> - 17 8 1 1 2. - <_> - - <_> - 9 11 6 1 -1. - <_> - 11 11 2 1 3. - <_> - - <_> - 17 7 2 2 -1. - <_> - 18 7 1 1 2. - <_> - 17 8 1 1 2. - <_> - - <_> - 0 7 2 4 -1. - <_> - 0 8 2 2 2. - <_> - - <_> - 20 5 5 6 -1. - <_> - 20 7 5 2 3. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - <_> - - <_> - 17 7 2 2 -1. - <_> - 18 7 1 1 2. - <_> - 17 8 1 1 2. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - <_> - - <_> - 15 0 4 9 -1. - <_> - 16 0 2 9 2. - <_> - - <_> - 5 1 14 14 -1. - <_> - 5 1 7 7 2. - <_> - 12 8 7 7 2. - <_> - - <_> - 15 0 4 9 -1. - <_> - 16 0 2 9 2. - <_> - - <_> - 0 7 5 3 -1. - <_> - 0 8 5 1 3. - <_> - - <_> - 21 2 3 4 -1. - <_> - 22 3 1 4 3. - 1 - <_> - - <_> - 6 0 4 15 -1. - <_> - 7 0 2 15 2. - <_> - - <_> - 21 2 3 4 -1. - <_> - 22 3 1 4 3. - 1 - <_> - - <_> - 4 2 4 3 -1. - <_> - 3 3 4 1 3. - 1 - <_> - - <_> - 13 5 3 7 -1. - <_> - 14 6 1 7 3. - 1 - <_> - - <_> - 4 10 15 1 -1. - <_> - 9 10 5 1 3. - <_> - - <_> - 12 6 10 9 -1. - <_> - 12 6 5 9 2. - <_> - - <_> - 1 1 22 14 -1. - <_> - 12 1 11 14 2. - <_> - - <_> - 11 8 3 2 -1. - <_> - 11 9 3 1 2. - <_> - - <_> - 2 5 11 2 -1. - <_> - 2 6 11 1 2. - <_> - - <_> - 4 1 10 4 -1. - <_> - 3 2 10 2 2. - 1 - <_> - - <_> - 5 1 15 6 -1. - <_> - 5 3 15 2 3. - <_> - - <_> - 0 9 6 6 -1. - <_> - 0 9 3 3 2. - <_> - 3 12 3 3 2. - <_> - - <_> - 19 3 5 2 -1. - <_> - 19 4 5 1 2. - <_> - - <_> - 2 10 14 4 -1. - <_> - 2 10 7 2 2. - <_> - 9 12 7 2 2. - <_> - - <_> - 1 3 24 8 -1. - <_> - 9 3 8 8 3. - <_> - - <_> - 0 8 2 6 -1. - <_> - 0 10 2 2 3. - <_> - - <_> - 23 14 2 1 -1. - <_> - 23 14 1 1 2. - <_> - - <_> - 0 4 6 4 -1. - <_> - 0 4 3 2 2. - <_> - 3 6 3 2 2. - <_> - - <_> - 3 13 21 1 -1. - <_> - 10 13 7 1 3. - <_> - - <_> - 0 0 24 14 -1. - <_> - 0 0 12 7 2. - <_> - 12 7 12 7 2. - <_> - - <_> - 24 0 1 10 -1. - <_> - 24 5 1 5 2. - <_> - - <_> - 4 11 2 2 -1. - <_> - 4 11 1 2 2. - 1 - <_> - - <_> - 23 14 2 1 -1. - <_> - 23 14 1 1 2. - <_> - - <_> - 0 14 2 1 -1. - <_> - 1 14 1 1 2. - <_> - - <_> - 7 2 11 6 -1. - <_> - 7 4 11 2 3. - <_> - - <_> - 2 2 2 2 -1. - <_> - 2 2 1 2 2. - 1 - <_> - - <_> - 24 0 1 10 -1. - <_> - 24 5 1 5 2. - <_> - - <_> - 0 0 1 10 -1. - <_> - 0 5 1 5 2. - <_> - - <_> - 12 11 6 2 -1. - <_> - 14 11 2 2 3. - <_> - - <_> - 2 0 20 2 -1. - <_> - 7 0 10 2 2. - <_> - - <_> - 10 0 10 4 -1. - <_> - 10 0 5 4 2. - <_> - - <_> - 0 0 20 1 -1. - <_> - 10 0 10 1 2. - <_> - - <_> - 8 4 10 3 -1. - <_> - 8 5 10 1 3. - <_> - - <_> - 9 6 7 6 -1. - <_> - 9 8 7 2 3. - <_> - - <_> - 8 5 9 3 -1. - <_> - 8 6 9 1 3. - <_> - - <_> - 6 0 1 3 -1. - <_> - 5 1 1 1 3. - 1 - <_> - - <_> - 24 0 1 4 -1. - <_> - 24 2 1 2 2. - <_> - - <_> - 9 10 2 1 -1. - <_> - 10 10 1 1 2. - <_> - - <_> - 22 10 1 4 -1. - <_> - 21 11 1 2 2. - 1 - <_> - - <_> - 4 0 6 5 -1. - <_> - 6 0 2 5 3. - <_> - - <_> - 17 3 8 12 -1. - <_> - 21 3 4 6 2. - <_> - 17 9 4 6 2. - <_> - - <_> - 0 3 8 12 -1. - <_> - 0 3 4 6 2. - <_> - 4 9 4 6 2. - <_> - - <_> - 10 3 6 10 -1. - <_> - 13 3 3 5 2. - <_> - 10 8 3 5 2. - <_> - - <_> - 3 10 4 1 -1. - <_> - 4 11 2 1 2. - 1 - <_> - - <_> - 16 2 9 4 -1. - <_> - 16 2 9 2 2. - 1 - <_> - - <_> - 9 2 4 9 -1. - <_> - 9 2 2 9 2. - 1 - <_> - - <_> - 20 9 3 3 -1. - <_> - 20 10 3 1 3. - <_> - - <_> - 6 1 13 4 -1. - <_> - 6 2 13 2 2. - <_> - - <_> - 10 4 5 4 -1. - <_> - 10 5 5 2 2. - <_> - - <_> - 0 5 3 3 -1. - <_> - 0 6 3 1 3. - <_> - - <_> - 21 5 4 4 -1. - <_> - 21 6 4 2 2. - <_> - - <_> - 0 5 4 4 -1. - <_> - 0 6 4 2 2. - <_> - - <_> - 8 9 9 6 -1. - <_> - 8 11 9 2 3. - <_> - - <_> - 4 11 3 1 -1. - <_> - 5 12 1 1 3. - 1 - <_> - - <_> - 23 14 2 1 -1. - <_> - 23 14 1 1 2. - <_> - - <_> - 0 14 2 1 -1. - <_> - 1 14 1 1 2. - <_> - - <_> - 11 1 4 14 -1. - <_> - 11 8 4 7 2. - <_> - - <_> - 4 0 2 3 -1. - <_> - 3 1 2 1 3. - 1 - <_> - - <_> - 24 12 1 2 -1. - <_> - 24 13 1 1 2. - <_> - - <_> - 0 1 14 14 -1. - <_> - 0 8 14 7 2. - <_> - - <_> - 13 0 6 15 -1. - <_> - 15 0 2 15 3. - <_> - - <_> - 0 1 1 4 -1. - <_> - 0 3 1 2 2. - <_> - - <_> - 24 13 1 2 -1. - <_> - 24 14 1 1 2. - <_> - - <_> - 0 13 1 2 -1. - <_> - 0 14 1 1 2. - <_> - - <_> - 23 11 2 4 -1. - <_> - 23 12 2 2 2. - <_> - - <_> - 0 11 2 4 -1. - <_> - 0 12 2 2 2. - <_> - - <_> - 16 10 2 2 -1. - <_> - 17 10 1 1 2. - <_> - 16 11 1 1 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 1 0 24 6 -1. - <_> - 13 0 12 3 2. - <_> - 1 3 12 3 2. - <_> - - <_> - 6 1 6 12 -1. - <_> - 8 1 2 12 3. - <_> - - <_> - 19 6 6 3 -1. - <_> - 19 7 6 1 3. - <_> - - <_> - 5 6 7 2 -1. - <_> - 5 7 7 1 2. - <_> - - <_> - 9 6 7 4 -1. - <_> - 9 7 7 2 2. - <_> - - <_> - 0 6 6 3 -1. - <_> - 0 7 6 1 3. - <_> - - <_> - 6 8 13 4 -1. - <_> - 6 9 13 2 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 12 11 6 2 -1. - <_> - 14 11 2 2 3. - <_> - - <_> - 6 0 12 10 -1. - <_> - 6 0 6 5 2. - <_> - 12 5 6 5 2. - <_> - - <_> - 12 11 6 2 -1. - <_> - 14 11 2 2 3. - <_> - - <_> - 7 0 2 2 -1. - <_> - 7 0 1 1 2. - <_> - 8 1 1 1 2. - <_> - - <_> - 16 0 2 2 -1. - <_> - 17 0 1 1 2. - <_> - 16 1 1 1 2. - <_> - - <_> - 7 0 2 2 -1. - <_> - 7 0 1 1 2. - <_> - 8 1 1 1 2. - <_> - - <_> - 12 11 6 2 -1. - <_> - 14 11 2 2 3. - <_> - - <_> - 7 11 6 2 -1. - <_> - 9 11 2 2 3. - <_> - - <_> - 5 12 18 3 -1. - <_> - 11 12 6 3 3. - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 21 4 4 2 -1. - <_> - 23 4 2 1 2. - <_> - 21 5 2 1 2. - <_> - - <_> - 9 3 7 3 -1. - <_> - 9 4 7 1 3. - <_> - - <_> - 13 2 8 5 -1. - <_> - 15 4 4 5 2. - 1 - <_> - - <_> - 12 1 6 4 -1. - <_> - 11 2 6 2 2. - 1 - <_> - - <_> - 22 0 2 2 -1. - <_> - 22 1 2 1 2. - <_> - - <_> - 4 1 16 12 -1. - <_> - 12 1 8 12 2. - <_> - - <_> - 3 0 20 10 -1. - <_> - 3 0 10 10 2. - <_> - - <_> - 0 4 6 6 -1. - <_> - 0 4 3 3 2. - <_> - 3 7 3 3 2. - <_> - - <_> - 22 4 3 3 -1. - <_> - 23 5 1 3 3. - 1 - <_> - - <_> - 3 4 3 3 -1. - <_> - 2 5 3 1 3. - 1 - <_> - - <_> - 22 7 3 4 -1. - <_> - 22 8 3 2 2. - <_> - - <_> - 3 1 4 7 -1. - <_> - 4 1 2 7 2. - <_> - - <_> - 22 7 3 4 -1. - <_> - 22 8 3 2 2. - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 18 4 6 2 -1. - <_> - 18 5 6 1 2. - <_> - - <_> - 5 3 15 6 -1. - <_> - 5 5 15 2 3. - <_> - - <_> - 16 4 8 4 -1. - <_> - 16 5 8 2 2. - <_> - - <_> - 0 1 24 10 -1. - <_> - 0 1 12 5 2. - <_> - 12 6 12 5 2. - <_> - - <_> - 14 0 4 7 -1. - <_> - 15 0 2 7 2. - <_> - - <_> - 0 7 3 4 -1. - <_> - 0 8 3 2 2. - <_> - - <_> - 18 5 4 4 -1. - <_> - 20 5 2 2 2. - <_> - 18 7 2 2 2. - <_> - - <_> - 5 5 6 2 -1. - <_> - 5 5 3 1 2. - <_> - 8 6 3 1 2. - <_> - - <_> - 21 9 2 3 -1. - <_> - 21 10 2 1 3. - <_> - - <_> - 7 1 2 2 -1. - <_> - 7 1 1 1 2. - <_> - 8 2 1 1 2. - <_> - - <_> - 16 1 2 2 -1. - <_> - 17 1 1 1 2. - <_> - 16 2 1 1 2. - <_> - - <_> - 9 7 7 6 -1. - <_> - 9 9 7 2 3. - <_> - - <_> - 17 2 7 2 -1. - <_> - 17 3 7 1 2. - <_> - - <_> - 4 2 9 4 -1. - <_> - 3 3 9 2 2. - 1 - <_> - - <_> - 19 14 6 1 -1. - <_> - 19 14 3 1 2. - <_> - - <_> - 6 9 11 6 -1. - <_> - 6 11 11 2 3. - <_> - - <_> - 17 3 8 12 -1. - <_> - 21 3 4 6 2. - <_> - 17 9 4 6 2. - <_> - - <_> - 0 7 24 8 -1. - <_> - 0 7 12 4 2. - <_> - 12 11 12 4 2. - <_> - - <_> - 5 3 16 12 -1. - <_> - 13 3 8 6 2. - <_> - 5 9 8 6 2. - <_> - - <_> - 0 3 24 6 -1. - <_> - 8 5 8 2 9. - <_> - - <_> - 1 8 24 1 -1. - <_> - 7 8 12 1 2. - <_> - - <_> - 1 9 14 6 -1. - <_> - 1 9 7 3 2. - <_> - 8 12 7 3 2. - <_> - - <_> - 19 5 3 2 -1. - <_> - 19 6 3 1 2. - <_> - - <_> - 0 14 10 1 -1. - <_> - 5 14 5 1 2. - <_> - - <_> - 5 1 15 6 -1. - <_> - 5 3 15 2 3. - <_> - - <_> - 1 1 7 6 -1. - <_> - 1 3 7 2 3. - <_> - - <_> - 15 12 6 3 -1. - <_> - 17 13 2 1 9. - <_> - - <_> - 4 0 1 3 -1. - <_> - 3 1 1 1 3. - 1 - <_> - - <_> - 1 12 24 3 -1. - <_> - 7 12 12 3 2. - <_> - - <_> - 3 12 6 3 -1. - <_> - 5 13 2 1 9. - <_> - - <_> - 1 0 24 12 -1. - <_> - 13 0 12 6 2. - <_> - 1 6 12 6 2. - <_> - - <_> - 2 0 21 15 -1. - <_> - 9 0 7 15 3. - <_> - - <_> - 17 3 6 2 -1. - <_> - 17 4 6 1 2. - <_> - - <_> - 3 3 14 2 -1. - <_> - 3 4 14 1 2. - <_> - - <_> - 4 0 21 4 -1. - <_> - 11 0 7 4 3. - <_> - - <_> - 6 13 4 1 -1. - <_> - 7 13 2 1 2. - <_> - - <_> - 17 3 8 12 -1. - <_> - 21 3 4 6 2. - <_> - 17 9 4 6 2. - <_> - - <_> - 0 3 8 12 -1. - <_> - 0 3 4 6 2. - <_> - 4 9 4 6 2. - <_> - - <_> - 5 0 16 8 -1. - <_> - 13 0 8 4 2. - <_> - 5 4 8 4 2. - <_> - - <_> - 3 7 4 2 -1. - <_> - 4 8 2 2 2. - 1 - <_> - - <_> - 5 11 15 4 -1. - <_> - 5 12 15 2 2. - <_> - - <_> - 10 13 1 2 -1. - <_> - 10 14 1 1 2. - <_> - - <_> - 12 14 6 1 -1. - <_> - 14 14 2 1 3. - <_> - - <_> - 9 5 6 4 -1. - <_> - 9 6 6 2 2. - <_> - - <_> - 12 5 13 2 -1. - <_> - 12 6 13 1 2. - <_> - - <_> - 5 0 15 6 -1. - <_> - 5 2 15 2 3. - <_> - - <_> - 3 0 20 15 -1. - <_> - 3 0 10 15 2. - <_> - - <_> - 1 1 22 14 -1. - <_> - 12 1 11 14 2. - <_> - - <_> - 15 5 10 2 -1. - <_> - 15 6 10 1 2. - <_> - - <_> - 0 5 13 2 -1. - <_> - 0 6 13 1 2. - <_> - - <_> - 5 2 15 4 -1. - <_> - 5 3 15 2 2. - <_> - - <_> - 5 4 15 3 -1. - <_> - 5 5 15 1 3. - <_> - - <_> - 21 11 4 4 -1. - <_> - 21 12 4 2 2. - <_> - - <_> - 5 0 1 2 -1. - <_> - 5 0 1 1 2. - 1 - <_> - - <_> - 23 3 2 4 -1. - <_> - 23 3 1 4 2. - <_> - - <_> - 7 1 4 6 -1. - <_> - 8 1 2 6 2. - <_> - - <_> - 8 6 11 3 -1. - <_> - 8 7 11 1 3. - <_> - - <_> - 0 13 2 1 -1. - <_> - 1 13 1 1 2. - <_> - - <_> - 21 12 3 3 -1. - <_> - 21 13 3 1 3. - <_> - - <_> - 1 12 3 3 -1. - <_> - 1 13 3 1 3. - <_> - - <_> - 23 3 2 4 -1. - <_> - 23 3 1 4 2. - <_> - - <_> - 0 3 2 4 -1. - <_> - 1 3 1 4 2. - <_> - - <_> - 21 3 4 10 -1. - <_> - 23 3 2 5 2. - <_> - 21 8 2 5 2. - <_> - - <_> - 0 3 4 10 -1. - <_> - 0 3 2 5 2. - <_> - 2 8 2 5 2. - <_> - - <_> - 24 1 1 4 -1. - <_> - 24 2 1 2 2. - <_> - - <_> - 0 0 1 6 -1. - <_> - 0 2 1 2 3. - <_> - - <_> - 16 1 4 4 -1. - <_> - 17 1 2 4 2. - <_> - - <_> - 5 1 4 4 -1. - <_> - 6 1 2 4 2. - <_> - - <_> - 15 2 10 12 -1. - <_> - 15 8 10 6 2. - <_> - - <_> - 8 5 9 3 -1. - <_> - 8 6 9 1 3. - <_> - - <_> - 6 7 14 2 -1. - <_> - 6 8 14 1 2. - <_> - - <_> - 10 7 5 4 -1. - <_> - 10 8 5 2 2. - <_> - - <_> - 23 12 2 3 -1. - <_> - 23 13 2 1 3. - <_> - - <_> - 0 7 4 4 -1. - <_> - 0 8 4 2 2. - <_> - - <_> - 3 13 21 2 -1. - <_> - 10 13 7 2 3. - <_> - - <_> - 6 1 3 1 -1. - <_> - 7 1 1 1 3. - <_> - - <_> - 16 0 2 2 -1. - <_> - 17 0 1 1 2. - <_> - 16 1 1 1 2. - <_> - - <_> - 7 0 2 2 -1. - <_> - 7 0 1 1 2. - <_> - 8 1 1 1 2. - <_> - - <_> - 23 12 2 3 -1. - <_> - 23 13 2 1 3. - <_> - - <_> - 8 8 9 2 -1. - <_> - 11 8 3 2 3. - <_> - - <_> - 23 12 2 3 -1. - <_> - 23 13 2 1 3. - <_> - - <_> - 0 12 2 3 -1. - <_> - 0 13 2 1 3. - <_> - - <_> - 8 4 9 9 -1. - <_> - 8 7 9 3 3. - <_> - - <_> - 3 11 12 4 -1. - <_> - 3 11 6 2 2. - <_> - 9 13 6 2 2. - <_> - - <_> - 10 10 5 4 -1. - <_> - 10 11 5 2 2. - <_> - - <_> - 7 14 6 1 -1. - <_> - 9 14 2 1 3. - <_> - - <_> - 4 0 18 15 -1. - <_> - 4 0 9 15 2. - <_> - - <_> - 0 3 4 4 -1. - <_> - 1 3 2 4 2. - <_> - - <_> - 22 0 3 4 -1. - <_> - 22 2 3 2 2. - <_> - - <_> - 0 0 20 8 -1. - <_> - 5 0 10 8 2. - <_> - - <_> - 1 5 24 10 -1. - <_> - 13 5 12 5 2. - <_> - 1 10 12 5 2. - <_> - - <_> - 0 5 5 6 -1. - <_> - 0 7 5 2 3. - <_> - - <_> - 18 3 4 2 -1. - <_> - 18 4 4 1 2. - <_> - - <_> - 2 3 4 2 -1. - <_> - 2 3 4 1 2. - 1 - <_> - - <_> - 14 1 6 6 -1. - <_> - 16 1 2 6 3. - <_> - - <_> - 5 1 6 6 -1. - <_> - 7 1 2 6 3. - <_> - - <_> - 11 10 6 1 -1. - <_> - 13 10 2 1 3. - <_> - - <_> - 6 8 11 4 -1. - <_> - 6 9 11 2 2. - <_> - - <_> - 23 13 2 2 -1. - <_> - 24 13 1 1 2. - <_> - 23 14 1 1 2. - <_> - - <_> - 6 0 13 4 -1. - <_> - 6 1 13 2 2. - <_> - - <_> - 17 0 3 1 -1. - <_> - 18 1 1 1 3. - 1 - <_> - - <_> - 8 0 1 3 -1. - <_> - 7 1 1 1 3. - 1 - <_> - - <_> - 22 12 2 2 -1. - <_> - 23 12 1 1 2. - <_> - 22 13 1 1 2. - <_> - - <_> - 0 13 2 1 -1. - <_> - 1 13 1 1 2. - <_> - - <_> - 22 13 2 1 -1. - <_> - 22 13 1 1 2. - <_> - - <_> - 1 13 2 1 -1. - <_> - 2 13 1 1 2. - <_> - - <_> - 22 13 3 1 -1. - <_> - 23 13 1 1 3. - <_> - - <_> - 1 2 2 12 -1. - <_> - 2 2 1 12 2. - <_> - - <_> - 18 3 4 2 -1. - <_> - 18 4 4 1 2. - <_> - - <_> - 3 3 4 2 -1. - <_> - 3 4 4 1 2. - <_> - - <_> - 24 0 1 12 -1. - <_> - 24 3 1 6 2. - <_> - - <_> - 5 8 15 6 -1. - <_> - 5 10 15 2 3. - <_> - - <_> - 19 7 6 2 -1. - <_> - 19 7 6 1 2. - 1 - <_> - - <_> - 1 10 5 3 -1. - <_> - 1 11 5 1 3. - <_> - - <_> - 24 0 1 12 -1. - <_> - 24 3 1 6 2. - <_> - - <_> - 0 0 1 12 -1. - <_> - 0 3 1 6 2. - <_> - - <_> - 9 0 12 1 -1. - <_> - 13 0 4 1 3. - <_> - - <_> - 4 0 12 1 -1. - <_> - 8 0 4 1 3. - <_> - - <_> - 3 0 20 1 -1. - <_> - 8 0 10 1 2. - <_> - - <_> - 1 0 9 2 -1. - <_> - 4 0 3 2 3. - <_> - - <_> - 11 6 8 2 -1. - <_> - 11 7 8 1 2. - <_> - - <_> - 11 3 3 8 -1. - <_> - 11 7 3 4 2. - <_> - - <_> - 20 4 4 2 -1. - <_> - 21 5 2 2 2. - 1 - <_> - - <_> - 6 7 2 6 -1. - <_> - 6 7 1 6 2. - 1 - <_> - - <_> - 20 4 4 2 -1. - <_> - 21 5 2 2 2. - 1 - <_> - - <_> - 5 4 2 4 -1. - <_> - 4 5 2 2 2. - 1 - <_> - - <_> - 7 5 11 3 -1. - <_> - 7 6 11 1 3. - <_> - - <_> - 20 1 3 4 -1. - <_> - 20 2 3 2 2. - <_> - - <_> - 8 4 9 3 -1. - <_> - 8 5 9 1 3. - <_> - - <_> - 9 6 9 3 -1. - <_> - 9 7 9 1 3. - <_> - - <_> - 0 7 8 8 -1. - <_> - 0 7 4 4 2. - <_> - 4 11 4 4 2. - <_> - - <_> - 9 7 7 3 -1. - <_> - 9 8 7 1 3. - <_> - - <_> - 8 3 9 3 -1. - <_> - 8 4 9 1 3. - <_> - - <_> - 21 1 1 6 -1. - <_> - 19 3 1 2 3. - 1 - <_> - - <_> - 0 7 24 5 -1. - <_> - 6 7 12 5 2. - <_> - - <_> - 24 11 1 2 -1. - <_> - 24 11 1 1 2. - 1 - <_> - - <_> - 5 2 8 5 -1. - <_> - 5 2 4 5 2. - 1 - <_> - - <_> - 16 3 8 12 -1. - <_> - 20 3 4 6 2. - <_> - 16 9 4 6 2. - <_> - - <_> - 0 0 24 12 -1. - <_> - 0 0 12 6 2. - <_> - 12 6 12 6 2. - <_> - - <_> - 8 2 10 8 -1. - <_> - 13 2 5 4 2. - <_> - 8 6 5 4 2. - <_> - - <_> - 0 3 2 8 -1. - <_> - 0 3 1 4 2. - <_> - 1 7 1 4 2. - <_> - - <_> - 22 11 2 4 -1. - <_> - 22 12 2 2 2. - <_> - - <_> - 1 11 2 4 -1. - <_> - 1 12 2 2 2. - <_> - - <_> - 12 2 13 12 -1. - <_> - 12 8 13 6 2. - <_> - - <_> - 5 8 2 4 -1. - <_> - 5 8 1 4 2. - 1 - <_> - - <_> - 15 6 6 7 -1. - <_> - 17 6 2 7 3. - <_> - - <_> - 4 6 6 6 -1. - <_> - 6 6 2 6 3. - <_> - - <_> - 13 13 9 2 -1. - <_> - 16 13 3 2 3. - <_> - - <_> - 4 4 7 4 -1. - <_> - 3 5 7 2 2. - 1 - <_> - - <_> - 18 4 6 8 -1. - <_> - 21 4 3 4 2. - <_> - 18 8 3 4 2. - <_> - - <_> - 3 14 9 1 -1. - <_> - 6 14 3 1 3. - <_> - - <_> - 11 11 14 4 -1. - <_> - 18 11 7 2 2. - <_> - 11 13 7 2 2. - <_> - - <_> - 1 4 6 8 -1. - <_> - 1 4 3 4 2. - <_> - 4 8 3 4 2. - <_> - - <_> - 23 0 2 2 -1. - <_> - 23 0 1 2 2. - 1 - <_> - - <_> - 6 0 13 4 -1. - <_> - 6 1 13 2 2. - <_> - - <_> - 11 0 4 2 -1. - <_> - 11 1 4 1 2. - <_> - - <_> - 2 0 2 2 -1. - <_> - 2 0 2 1 2. - 1 - <_> - - <_> - 20 9 5 6 -1. - <_> - 20 11 5 2 3. - <_> - - <_> - 5 2 15 3 -1. - <_> - 5 3 15 1 3. - <_> - - <_> - 9 2 7 3 -1. - <_> - 9 3 7 1 3. - <_> - - <_> - 2 14 21 1 -1. - <_> - 9 14 7 1 3. - <_> - - <_> - 8 11 16 4 -1. - <_> - 8 11 8 4 2. - <_> - - <_> - 0 12 24 2 -1. - <_> - 12 12 12 2 2. - <_> - - <_> - 22 9 3 6 -1. - <_> - 22 11 3 2 3. - <_> - - <_> - 0 1 12 2 -1. - <_> - 0 1 6 1 2. - <_> - 6 2 6 1 2. - <_> - - <_> - 8 9 9 3 -1. - <_> - 8 10 9 1 3. - <_> - - <_> - 0 9 3 6 -1. - <_> - 0 11 3 2 3. - <_> - - <_> - 11 11 14 4 -1. - <_> - 18 11 7 2 2. - <_> - 11 13 7 2 2. - <_> - - <_> - 7 9 4 6 -1. - <_> - 8 9 2 6 2. - <_> - - <_> - 10 12 6 2 -1. - <_> - 12 12 2 2 3. - <_> - - <_> - 0 12 1 2 -1. - <_> - 0 13 1 1 2. - <_> - - <_> - 15 3 10 12 -1. - <_> - 20 3 5 6 2. - <_> - 15 9 5 6 2. - <_> - - <_> - 10 9 4 6 -1. - <_> - 10 9 2 3 2. - <_> - 12 12 2 3 2. - <_> - - <_> - 11 3 6 4 -1. - <_> - 11 3 3 4 2. - <_> - - <_> - 0 0 14 14 -1. - <_> - 0 7 14 7 2. - <_> - - <_> - 15 2 10 12 -1. - <_> - 20 2 5 6 2. - <_> - 15 8 5 6 2. - <_> - - <_> - 8 3 6 4 -1. - <_> - 11 3 3 4 2. - <_> - - <_> - 23 5 2 6 -1. - <_> - 23 7 2 2 3. - <_> - - <_> - 10 8 5 3 -1. - <_> - 10 9 5 1 3. - <_> - - <_> - 20 7 5 4 -1. - <_> - 20 8 5 2 2. - <_> - - <_> - 7 10 11 4 -1. - <_> - 7 11 11 2 2. - <_> - - <_> - 16 13 1 2 -1. - <_> - 16 14 1 1 2. - <_> - - <_> - 3 1 5 4 -1. - <_> - 3 2 5 2 2. - <_> - - <_> - 17 3 8 2 -1. - <_> - 17 4 8 1 2. - <_> - - <_> - 0 7 5 4 -1. - <_> - 0 8 5 2 2. - <_> - - <_> - 9 4 12 6 -1. - <_> - 13 4 4 6 3. - <_> - - <_> - 4 4 12 6 -1. - <_> - 8 4 4 6 3. - <_> - - <_> - 11 0 12 9 -1. - <_> - 11 0 6 9 2. - <_> - - <_> - 4 5 16 8 -1. - <_> - 12 5 8 8 2. - <_> - - <_> - 16 12 2 1 -1. - <_> - 16 12 1 1 2. - <_> - - <_> - 7 12 2 1 -1. - <_> - 8 12 1 1 2. - <_> - - <_> - 19 3 6 4 -1. - <_> - 22 3 3 2 2. - <_> - 19 5 3 2 2. - <_> - - <_> - 8 10 6 3 -1. - <_> - 10 10 2 3 3. - <_> - - <_> - 16 6 2 2 -1. - <_> - 17 6 1 1 2. - <_> - 16 7 1 1 2. - <_> - - <_> - 0 0 24 2 -1. - <_> - 0 0 12 1 2. - <_> - 12 1 12 1 2. - <_> - - <_> - 16 6 2 2 -1. - <_> - 17 6 1 1 2. - <_> - 16 7 1 1 2. - <_> - - <_> - 0 3 6 4 -1. - <_> - 0 3 3 2 2. - <_> - 3 5 3 2 2. - <_> - - <_> - 22 0 3 4 -1. - <_> - 22 2 3 2 2. - <_> - - <_> - 11 0 2 3 -1. - <_> - 11 1 2 1 3. - <_> - - <_> - 21 7 2 4 -1. - <_> - 20 8 2 2 2. - 1 - <_> - - <_> - 4 9 10 1 -1. - <_> - 9 9 5 1 2. - <_> - - <_> - 16 6 2 2 -1. - <_> - 17 6 1 1 2. - <_> - 16 7 1 1 2. - <_> - - <_> - 7 6 2 2 -1. - <_> - 7 6 1 1 2. - <_> - 8 7 1 1 2. - <_> - - <_> - 16 6 2 2 -1. - <_> - 17 6 1 1 2. - <_> - 16 7 1 1 2. - <_> - - <_> - 0 0 1 4 -1. - <_> - 0 2 1 2 2. - <_> - - <_> - 16 6 2 2 -1. - <_> - 17 6 1 1 2. - <_> - 16 7 1 1 2. - <_> - - <_> - 7 6 2 2 -1. - <_> - 7 6 1 1 2. - <_> - 8 7 1 1 2. - <_> - - <_> - 8 9 9 6 -1. - <_> - 11 11 3 2 9. - <_> - - <_> - 0 5 2 6 -1. - <_> - 0 7 2 2 3. - <_> - - <_> - 14 4 4 7 -1. - <_> - 15 5 2 7 2. - 1 - <_> - - <_> - 2 13 20 2 -1. - <_> - 2 13 10 1 2. - <_> - 12 14 10 1 2. - <_> - - <_> - 23 7 2 2 -1. - <_> - 24 7 1 1 2. - <_> - 23 8 1 1 2. - <_> - - <_> - 3 2 1 4 -1. - <_> - 3 3 1 2 2. - <_> - - <_> - 11 2 14 4 -1. - <_> - 11 3 14 2 2. - <_> - - <_> - 5 7 4 5 -1. - <_> - 6 7 2 5 2. - <_> - - <_> - 23 8 1 4 -1. - <_> - 22 9 1 2 2. - 1 - <_> - - <_> - 2 0 10 8 -1. - <_> - 7 0 5 8 2. - <_> - - <_> - 1 5 24 3 -1. - <_> - 9 6 8 1 9. - <_> - - <_> - 10 0 4 10 -1. - <_> - 10 5 4 5 2. - <_> - - <_> - 5 4 15 3 -1. - <_> - 5 5 15 1 3. - <_> - - <_> - 11 6 3 6 -1. - <_> - 11 8 3 2 3. - <_> - - <_> - 18 8 7 3 -1. - <_> - 18 9 7 1 3. - <_> - - <_> - 0 0 4 2 -1. - <_> - 0 1 4 1 2. - <_> - - <_> - 20 0 2 1 -1. - <_> - 20 0 1 1 2. - 1 - <_> - - <_> - 0 6 1 8 -1. - <_> - 0 8 1 4 2. - <_> - - <_> - 23 7 2 2 -1. - <_> - 24 7 1 1 2. - <_> - 23 8 1 1 2. - <_> - - <_> - 0 7 2 2 -1. - <_> - 0 7 1 1 2. - <_> - 1 8 1 1 2. - <_> - - <_> - 24 8 1 4 -1. - <_> - 23 9 1 2 2. - 1 - <_> - - <_> - 1 8 3 1 -1. - <_> - 2 9 1 1 3. - 1 - <_> - - <_> - 21 7 2 2 -1. - <_> - 22 7 1 1 2. - <_> - 21 8 1 1 2. - <_> - - <_> - 5 8 15 6 -1. - <_> - 5 10 15 2 3. - <_> - - <_> - 6 7 14 8 -1. - <_> - 6 9 14 4 2. - <_> - - <_> - 1 4 10 2 -1. - <_> - 1 5 10 1 2. - <_> - - <_> - 12 5 3 3 -1. - <_> - 13 6 1 1 9. - <_> - - <_> - 0 4 7 3 -1. - <_> - 0 5 7 1 3. - <_> - - <_> - 21 7 2 2 -1. - <_> - 22 7 1 1 2. - <_> - 21 8 1 1 2. - <_> - - <_> - 2 7 2 2 -1. - <_> - 2 7 1 1 2. - <_> - 3 8 1 1 2. - <_> - - <_> - 22 9 1 3 -1. - <_> - 21 10 1 1 3. - 1 - <_> - - <_> - 11 13 2 2 -1. - <_> - 11 13 1 1 2. - <_> - 12 14 1 1 2. - <_> - - <_> - 19 3 6 12 -1. - <_> - 22 3 3 6 2. - <_> - 19 9 3 6 2. - <_> - - <_> - 0 3 6 12 -1. - <_> - 0 3 3 6 2. - <_> - 3 9 3 6 2. - <_> - - <_> - 17 1 4 11 -1. - <_> - 18 1 2 11 2. - <_> - - <_> - 0 10 6 3 -1. - <_> - 0 11 6 1 3. - <_> - - <_> - 23 11 2 1 -1. - <_> - 23 11 1 1 2. - <_> - - <_> - 4 1 4 11 -1. - <_> - 5 1 2 11 2. - <_> - - <_> - 21 3 4 12 -1. - <_> - 23 3 2 6 2. - <_> - 21 9 2 6 2. - <_> - - <_> - 0 3 4 12 -1. - <_> - 0 3 2 6 2. - <_> - 2 9 2 6 2. - <_> - - <_> - 11 11 6 4 -1. - <_> - 11 12 6 2 2. - <_> - - <_> - 6 11 13 4 -1. - <_> - 6 12 13 2 2. - <_> - - <_> - 11 10 3 1 -1. - <_> - 12 10 1 1 3. - <_> - - <_> - 5 2 13 8 -1. - <_> - 5 6 13 4 2. - <_> - - <_> - 15 2 10 6 -1. - <_> - 15 4 10 2 3. - <_> - - <_> - 0 2 10 6 -1. - <_> - 0 4 10 2 3. - <_> - - <_> - 12 1 13 8 -1. - <_> - 12 3 13 4 2. - <_> - - <_> - 5 3 15 3 -1. - <_> - 5 4 15 1 3. - <_> - - <_> - 9 3 9 3 -1. - <_> - 9 4 9 1 3. - <_> - - <_> - 3 2 7 3 -1. - <_> - 2 3 7 1 3. - 1 - <_> - - <_> - 5 2 15 3 -1. - <_> - 5 3 15 1 3. - <_> - - <_> - 5 4 15 3 -1. - <_> - 5 5 15 1 3. - <_> - - <_> - 17 6 2 2 -1. - <_> - 18 6 1 1 2. - <_> - 17 7 1 1 2. - <_> - - <_> - 5 10 2 3 -1. - <_> - 5 10 1 3 2. - 1 - <_> - - <_> - 23 11 2 4 -1. - <_> - 23 13 2 2 2. - <_> - - <_> - 0 11 14 4 -1. - <_> - 0 11 7 2 2. - <_> - 7 13 7 2 2. - <_> - - <_> - 10 4 6 3 -1. - <_> - 10 5 6 1 3. - <_> - - <_> - 0 1 24 14 -1. - <_> - 0 1 12 7 2. - <_> - 12 8 12 7 2. - <_> - - <_> - 1 5 24 8 -1. - <_> - 13 5 12 4 2. - <_> - 1 9 12 4 2. - <_> - - <_> - 0 0 24 12 -1. - <_> - 0 0 12 6 2. - <_> - 12 6 12 6 2. - <_> - - <_> - 10 0 15 14 -1. - <_> - 10 7 15 7 2. - <_> - - <_> - 1 11 2 1 -1. - <_> - 1 11 1 1 2. - 1 - <_> - - <_> - 1 11 24 4 -1. - <_> - 1 11 12 4 2. - <_> - - <_> - 7 7 10 3 -1. - <_> - 7 8 10 1 3. - <_> - - <_> - 9 5 7 3 -1. - <_> - 9 6 7 1 3. - <_> - - <_> - 0 9 2 6 -1. - <_> - 0 11 2 2 3. - <_> - - <_> - 22 8 3 2 -1. - <_> - 22 8 3 1 2. - 1 - <_> - - <_> - 12 6 1 3 -1. - <_> - 12 7 1 1 3. - <_> - - <_> - 24 6 1 6 -1. - <_> - 24 8 1 2 3. - <_> - - <_> - 3 3 7 2 -1. - <_> - 3 3 7 1 2. - 1 - <_> - - <_> - 10 4 6 10 -1. - <_> - 13 4 3 5 2. - <_> - 10 9 3 5 2. - <_> - - <_> - 0 3 14 6 -1. - <_> - 0 6 14 3 2. - <_> - - <_> - 9 0 8 8 -1. - <_> - 13 0 4 4 2. - <_> - 9 4 4 4 2. - <_> - - <_> - 3 4 5 3 -1. - <_> - 2 5 5 1 3. - 1 - <_> - - <_> - 18 9 7 6 -1. - <_> - 18 11 7 2 3. - <_> - - <_> - 0 9 7 6 -1. - <_> - 0 11 7 2 3. - <_> - - <_> - 12 1 3 3 -1. - <_> - 12 2 3 1 3. - <_> - - <_> - 9 2 6 8 -1. - <_> - 9 2 3 4 2. - <_> - 12 6 3 4 2. - <_> - - <_> - 1 14 24 1 -1. - <_> - 7 14 12 1 2. - <_> - - <_> - 0 3 12 12 -1. - <_> - 0 3 6 6 2. - <_> - 6 9 6 6 2. - <_> - - <_> - 11 3 9 4 -1. - <_> - 14 3 3 4 3. - <_> - - <_> - 9 4 6 6 -1. - <_> - 9 4 3 3 2. - <_> - 12 7 3 3 2. - <_> - - <_> - 20 0 4 1 -1. - <_> - 20 0 2 1 2. - 1 - <_> - - <_> - 8 3 9 4 -1. - <_> - 11 3 3 4 3. - <_> - - <_> - 14 4 6 9 -1. - <_> - 16 4 2 9 3. - <_> - - <_> - 5 4 6 9 -1. - <_> - 7 4 2 9 3. - <_> - - <_> - 16 5 2 2 -1. - <_> - 17 5 1 1 2. - <_> - 16 6 1 1 2. - <_> - - <_> - 0 0 15 12 -1. - <_> - 0 4 15 4 3. - <_> - - <_> - 8 1 11 3 -1. - <_> - 8 2 11 1 3. - <_> - - <_> - 0 6 1 6 -1. - <_> - 0 8 1 2 3. - <_> - - <_> - 14 5 1 3 -1. - <_> - 14 6 1 1 3. - <_> - - <_> - 7 2 2 2 -1. - <_> - 7 2 1 1 2. - <_> - 8 3 1 1 2. - <_> - - <_> - 22 9 1 4 -1. - <_> - 21 10 1 2 2. - 1 - <_> - - <_> - 10 5 5 3 -1. - <_> - 10 6 5 1 3. - <_> - - <_> - 14 5 1 3 -1. - <_> - 14 6 1 1 3. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 1 2 1 2. - <_> - - <_> - 22 9 1 4 -1. - <_> - 21 10 1 2 2. - 1 - <_> - - <_> - 3 9 4 1 -1. - <_> - 4 10 2 1 2. - 1 - <_> - - <_> - 8 8 9 3 -1. - <_> - 8 9 9 1 3. - <_> - - <_> - 2 8 21 3 -1. - <_> - 9 9 7 1 9. - <_> - - <_> - 10 6 8 8 -1. - <_> - 12 6 4 8 2. - <_> - - <_> - 7 3 6 12 -1. - <_> - 9 3 2 12 3. - <_> - - <_> - 11 0 3 1 -1. - <_> - 12 0 1 1 3. - <_> - - <_> - 10 10 4 4 -1. - <_> - 11 10 2 4 2. - <_> - - <_> - 16 5 2 2 -1. - <_> - 17 5 1 1 2. - <_> - 16 6 1 1 2. - <_> - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - <_> - - <_> - 1 0 24 8 -1. - <_> - 13 0 12 4 2. - <_> - 1 4 12 4 2. - <_> - - <_> - 6 6 3 1 -1. - <_> - 7 6 1 1 3. - <_> - - <_> - 21 12 4 3 -1. - <_> - 21 13 4 1 3. - <_> - - <_> - 0 3 4 4 -1. - <_> - 0 3 2 2 2. - <_> - 2 5 2 2 2. - <_> - - <_> - 19 0 2 3 -1. - <_> - 19 0 1 3 2. - 1 - <_> - - <_> - 2 2 15 6 -1. - <_> - 2 5 15 3 2. - <_> - - <_> - 5 0 15 2 -1. - <_> - 5 1 15 1 2. - <_> - - <_> - 0 0 2 4 -1. - <_> - 0 1 2 2 2. - <_> - - <_> - 23 1 2 12 -1. - <_> - 20 4 2 6 2. - 1 - <_> - - <_> - 4 2 2 3 -1. - <_> - 4 3 2 1 3. - <_> - - <_> - 20 0 2 2 -1. - <_> - 20 0 1 2 2. - 1 - <_> - - <_> - 0 12 4 3 -1. - <_> - 0 13 4 1 3. - <_> - - <_> - 13 1 12 8 -1. - <_> - 13 3 12 4 2. - <_> - - <_> - 5 0 2 2 -1. - <_> - 5 0 2 1 2. - 1 - <_> - - <_> - 11 2 14 12 -1. - <_> - 11 8 14 6 2. - <_> - - <_> - 0 2 14 12 -1. - <_> - 0 8 14 6 2. - <_> - - <_> - 16 7 6 8 -1. - <_> - 18 7 2 8 3. - <_> - - <_> - 7 0 13 2 -1. - <_> - 7 0 13 1 2. - 1 - <_> - - <_> - 16 7 6 8 -1. - <_> - 18 7 2 8 3. - <_> - - <_> - 3 7 6 8 -1. - <_> - 5 7 2 8 3. - <_> - - <_> - 17 7 2 2 -1. - <_> - 18 7 1 1 2. - <_> - 17 8 1 1 2. - <_> - - <_> - 12 5 3 6 -1. - <_> - 13 6 1 6 3. - 1 - <_> - - <_> - 20 2 1 6 -1. - <_> - 20 4 1 2 3. - <_> - - <_> - 7 2 2 2 -1. - <_> - 7 2 1 1 2. - <_> - 8 3 1 1 2. - <_> - - <_> - 19 10 2 1 -1. - <_> - 19 10 1 1 2. - <_> - - <_> - 6 4 8 2 -1. - <_> - 8 4 4 2 2. - <_> - - <_> - 9 5 16 7 -1. - <_> - 13 5 8 7 2. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - <_> - - <_> - 17 7 2 2 -1. - <_> - 18 7 1 1 2. - <_> - 17 8 1 1 2. - <_> - - <_> - 11 13 2 2 -1. - <_> - 11 13 1 1 2. - <_> - 12 14 1 1 2. - <_> - - <_> - 17 7 2 2 -1. - <_> - 18 7 1 1 2. - <_> - 17 8 1 1 2. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - <_> - - <_> - 20 8 5 3 -1. - <_> - 20 9 5 1 3. - <_> - - <_> - 11 13 2 2 -1. - <_> - 11 13 1 1 2. - <_> - 12 14 1 1 2. - <_> - - <_> - 5 11 15 4 -1. - <_> - 5 12 15 2 2. - <_> - - <_> - 0 8 6 3 -1. - <_> - 0 9 6 1 3. - <_> - - <_> - 19 10 2 1 -1. - <_> - 19 10 1 1 2. - <_> - - <_> - 4 10 2 1 -1. - <_> - 5 10 1 1 2. - <_> - - <_> - 1 0 24 6 -1. - <_> - 13 0 12 3 2. - <_> - 1 3 12 3 2. - <_> - - <_> - 5 1 2 5 -1. - <_> - 5 1 1 5 2. - 1 - <_> - - <_> - 21 3 4 12 -1. - <_> - 23 3 2 6 2. - <_> - 21 9 2 6 2. - <_> - - <_> - 0 3 4 12 -1. - <_> - 0 3 2 6 2. - <_> - 2 9 2 6 2. - <_> - - <_> - 24 2 1 6 -1. - <_> - 24 5 1 3 2. - <_> - - <_> - 5 2 9 8 -1. - <_> - 8 2 3 8 3. - <_> - - <_> - 24 2 1 6 -1. - <_> - 24 5 1 3 2. - <_> - - <_> - 0 2 1 6 -1. - <_> - 0 5 1 3 2. - <_> - - <_> - 9 6 9 4 -1. - <_> - 9 7 9 2 2. - <_> - - <_> - 11 6 3 4 -1. - <_> - 11 7 3 2 2. - <_> - - <_> - 20 14 2 1 -1. - <_> - 20 14 1 1 2. - <_> - - <_> - 0 8 6 4 -1. - <_> - 0 9 6 2 2. - <_> - - <_> - 16 0 2 2 -1. - <_> - 17 0 1 1 2. - <_> - 16 1 1 1 2. - <_> - - <_> - 8 0 9 15 -1. - <_> - 11 5 3 5 9. - <_> - - <_> - 13 9 4 6 -1. - <_> - 14 9 2 6 2. - <_> - - <_> - 8 2 9 3 -1. - <_> - 8 3 9 1 3. - <_> - - <_> - 0 9 8 6 -1. - <_> - 0 9 4 3 2. - <_> - 4 12 4 3 2. - <_> - - <_> - 20 1 5 4 -1. - <_> - 20 3 5 2 2. - <_> - - <_> - 4 3 16 7 -1. - <_> - 8 3 8 7 2. - <_> - - <_> - 15 0 10 8 -1. - <_> - 15 2 10 4 2. - <_> - - <_> - 0 2 24 10 -1. - <_> - 0 2 12 5 2. - <_> - 12 7 12 5 2. - <_> - - <_> - 20 9 5 4 -1. - <_> - 20 10 5 2 2. - <_> - - <_> - 0 14 22 1 -1. - <_> - 11 14 11 1 2. - <_> - - <_> - 22 0 3 12 -1. - <_> - 22 0 3 6 2. - 1 - <_> - - <_> - 0 4 2 2 -1. - <_> - 1 4 1 2 2. - <_> - - <_> - 20 9 5 4 -1. - <_> - 20 10 5 2 2. - <_> - - <_> - 0 9 5 4 -1. - <_> - 0 10 5 2 2. - <_> - - <_> - 7 3 18 6 -1. - <_> - 13 5 6 2 9. - <_> - - <_> - 4 10 10 1 -1. - <_> - 9 10 5 1 2. - <_> - - <_> - 21 1 4 10 -1. - <_> - 21 1 2 10 2. - 1 - <_> - - <_> - 4 1 10 4 -1. - <_> - 4 1 10 2 2. - 1 - <_> - - <_> - 16 8 4 7 -1. - <_> - 17 8 2 7 2. - <_> - - <_> - 5 8 4 7 -1. - <_> - 6 8 2 7 2. - <_> - - <_> - 6 0 13 2 -1. - <_> - 6 1 13 1 2. - <_> - - <_> - 0 12 8 3 -1. - <_> - 0 13 8 1 3. - <_> - - <_> - 22 0 2 1 -1. - <_> - 22 0 1 1 2. - 1 - <_> - - <_> - 3 0 1 2 -1. - <_> - 3 0 1 1 2. - 1 - <_> - - <_> - 17 3 8 8 -1. - <_> - 21 3 4 4 2. - <_> - 17 7 4 4 2. - <_> - - <_> - 6 2 13 6 -1. - <_> - 6 4 13 2 3. - <_> - - <_> - 10 0 15 14 -1. - <_> - 10 7 15 7 2. - <_> - - <_> - 1 1 12 1 -1. - <_> - 1 1 6 1 2. - 1 - <_> - - <_> - 18 3 4 2 -1. - <_> - 18 4 4 1 2. - <_> - - <_> - 7 11 6 4 -1. - <_> - 9 11 2 4 3. - <_> - - <_> - 20 4 5 6 -1. - <_> - 20 6 5 2 3. - <_> - - <_> - 1 12 5 3 -1. - <_> - 1 13 5 1 3. - <_> - - <_> - 1 0 24 2 -1. - <_> - 13 0 12 1 2. - <_> - 1 1 12 1 2. - <_> - - <_> - 3 3 5 3 -1. - <_> - 2 4 5 1 3. - 1 - <_> - - <_> - 17 6 8 4 -1. - <_> - 19 6 4 4 2. - <_> - - <_> - 5 0 1 3 -1. - <_> - 4 1 1 1 3. - 1 - <_> - - <_> - 23 0 2 4 -1. - <_> - 23 2 2 2 2. - <_> - - <_> - 0 0 3 6 -1. - <_> - 0 3 3 3 2. - <_> - - <_> - 11 1 14 2 -1. - <_> - 18 1 7 1 2. - <_> - 11 2 7 1 2. - <_> - - <_> - 0 1 14 2 -1. - <_> - 0 1 7 1 2. - <_> - 7 2 7 1 2. - <_> - - <_> - 5 4 15 6 -1. - <_> - 5 6 15 2 3. - <_> - - <_> - 10 7 2 2 -1. - <_> - 10 8 2 1 2. - <_> - - <_> - 13 2 8 5 -1. - <_> - 15 4 4 5 2. - 1 - <_> - - <_> - 2 9 2 2 -1. - <_> - 2 9 1 2 2. - 1 - <_> - - <_> - 12 8 6 3 -1. - <_> - 14 8 2 3 3. - <_> - - <_> - 0 9 24 6 -1. - <_> - 8 11 8 2 9. - <_> - - <_> - 1 12 24 3 -1. - <_> - 9 13 8 1 9. - <_> - - <_> - 5 11 15 4 -1. - <_> - 5 13 15 2 2. - <_> - - <_> - 24 10 1 4 -1. - <_> - 23 11 1 2 2. - 1 - <_> - - <_> - 1 10 4 1 -1. - <_> - 2 11 2 1 2. - 1 - <_> - - <_> - 15 1 10 14 -1. - <_> - 15 8 10 7 2. - <_> - - <_> - 0 7 4 2 -1. - <_> - 2 7 2 2 2. - <_> - - <_> - 20 4 5 6 -1. - <_> - 20 6 5 2 3. - <_> - - <_> - 0 4 7 6 -1. - <_> - 0 6 7 2 3. - <_> - - <_> - 11 7 6 3 -1. - <_> - 11 8 6 1 3. - <_> - - <_> - 8 10 9 1 -1. - <_> - 11 10 3 1 3. - <_> - - <_> - 5 10 15 1 -1. - <_> - 10 10 5 1 3. - <_> - - <_> - 7 8 6 3 -1. - <_> - 9 8 2 3 3. - <_> - - <_> - 23 12 2 1 -1. - <_> - 23 12 1 1 2. - <_> - - <_> - 0 13 24 2 -1. - <_> - 0 13 12 1 2. - <_> - 12 14 12 1 2. - <_> - - <_> - 9 9 7 3 -1. - <_> - 9 10 7 1 3. - <_> - - <_> - 0 6 2 4 -1. - <_> - 0 7 2 2 2. - <_> - - <_> - 18 2 5 4 -1. - <_> - 18 3 5 2 2. - <_> - - <_> - 1 4 8 2 -1. - <_> - 1 4 4 1 2. - <_> - 5 5 4 1 2. - <_> - - <_> - 21 8 4 4 -1. - <_> - 21 9 4 2 2. - <_> - - <_> - 4 4 8 4 -1. - <_> - 4 5 8 2 2. - <_> - - <_> - 11 4 14 4 -1. - <_> - 11 5 14 2 2. - <_> - - <_> - 3 0 18 9 -1. - <_> - 12 0 9 9 2. - <_> - - <_> - 3 0 20 15 -1. - <_> - 3 0 10 15 2. - <_> - - <_> - 12 1 6 8 -1. - <_> - 14 3 2 8 3. - 1 - <_> - - <_> - 17 4 1 9 -1. - <_> - 14 7 1 3 3. - 1 - <_> - - <_> - 6 7 4 8 -1. - <_> - 7 7 2 8 2. - <_> - - <_> - 21 5 4 3 -1. - <_> - 21 6 4 1 3. - <_> - - <_> - 7 0 2 2 -1. - <_> - 7 0 1 1 2. - <_> - 8 1 1 1 2. - <_> - - <_> - 21 8 4 3 -1. - <_> - 21 9 4 1 3. - <_> - - <_> - 7 1 2 2 -1. - <_> - 7 1 1 1 2. - <_> - 8 2 1 1 2. - <_> - - <_> - 16 1 2 2 -1. - <_> - 17 1 1 1 2. - <_> - 16 2 1 1 2. - <_> - - <_> - 0 8 4 3 -1. - <_> - 0 9 4 1 3. - <_> - - <_> - 20 9 2 2 -1. - <_> - 21 9 1 1 2. - <_> - 20 10 1 1 2. - <_> - - <_> - 3 9 2 2 -1. - <_> - 3 9 1 1 2. - <_> - 4 10 1 1 2. - <_> - - <_> - 19 3 6 12 -1. - <_> - 22 3 3 6 2. - <_> - 19 9 3 6 2. - <_> - - <_> - 7 1 2 2 -1. - <_> - 7 1 1 1 2. - <_> - 8 2 1 1 2. - <_> - - <_> - 7 4 12 3 -1. - <_> - 7 5 12 1 3. - <_> - - <_> - 0 0 11 2 -1. - <_> - 0 1 11 1 2. - <_> - - <_> - 13 2 6 5 -1. - <_> - 15 2 2 5 3. - <_> - - <_> - 0 0 24 10 -1. - <_> - 0 0 12 5 2. - <_> - 12 5 12 5 2. - <_> - - <_> - 20 4 2 3 -1. - <_> - 20 5 2 1 3. - <_> - - <_> - 0 3 7 4 -1. - <_> - 0 4 7 2 2. - <_> - - <_> - 11 1 14 14 -1. - <_> - 11 8 14 7 2. - <_> - - <_> - 6 2 6 5 -1. - <_> - 8 2 2 5 3. - <_> - - <_> - 16 0 2 2 -1. - <_> - 17 0 1 1 2. - <_> - 16 1 1 1 2. - <_> - - <_> - 7 0 2 2 -1. - <_> - 7 0 1 1 2. - <_> - 8 1 1 1 2. - <_> - - <_> - 16 0 2 2 -1. - <_> - 17 0 1 1 2. - <_> - 16 1 1 1 2. - <_> - - <_> - 2 0 20 1 -1. - <_> - 7 0 10 1 2. - <_> - - <_> - 11 0 14 1 -1. - <_> - 11 0 7 1 2. - <_> - - <_> - 9 3 6 2 -1. - <_> - 9 4 6 1 2. - <_> - - <_> - 11 3 3 4 -1. - <_> - 11 4 3 2 2. - <_> - - <_> - 0 11 18 3 -1. - <_> - 6 12 6 1 9. - <_> - - <_> - 15 3 10 12 -1. - <_> - 20 3 5 6 2. - <_> - 15 9 5 6 2. - <_> - - <_> - 0 3 14 3 -1. - <_> - 0 4 14 1 3. - <_> - - <_> - 9 4 8 3 -1. - <_> - 11 4 4 3 2. - <_> - - <_> - 0 12 2 1 -1. - <_> - 1 12 1 1 2. - <_> - - <_> - 23 13 2 2 -1. - <_> - 24 13 1 1 2. - <_> - 23 14 1 1 2. - <_> - - <_> - 0 13 2 2 -1. - <_> - 0 13 1 1 2. - <_> - 1 14 1 1 2. - <_> - - <_> - 9 12 8 1 -1. - <_> - 11 12 4 1 2. - <_> - - <_> - 0 7 6 4 -1. - <_> - 0 8 6 2 2. - <_> - - <_> - 19 3 6 12 -1. - <_> - 22 3 3 6 2. - <_> - 19 9 3 6 2. - <_> - - <_> - 0 3 6 12 -1. - <_> - 0 3 3 6 2. - <_> - 3 9 3 6 2. - <_> - - <_> - 23 7 2 4 -1. - <_> - 23 8 2 2 2. - <_> - - <_> - 0 7 2 4 -1. - <_> - 0 8 2 2 2. - <_> - - <_> - 13 7 8 4 -1. - <_> - 17 7 4 2 2. - <_> - 13 9 4 2 2. - <_> - - <_> - 0 1 10 14 -1. - <_> - 0 8 10 7 2. - <_> - - <_> - 9 8 7 3 -1. - <_> - 9 9 7 1 3. - <_> - - <_> - 9 8 3 4 -1. - <_> - 9 9 3 2 2. - <_> - - <_> - 18 10 2 3 -1. - <_> - 17 11 2 1 3. - 1 - <_> - - <_> - 7 10 3 2 -1. - <_> - 8 11 1 2 3. - 1 - <_> - - <_> - 23 0 2 1 -1. - <_> - 23 0 1 1 2. - 1 - <_> - - <_> - 12 8 4 3 -1. - <_> - 12 8 2 3 2. - 1 - <_> - - <_> - 5 7 15 3 -1. - <_> - 10 8 5 1 9. - <_> - - <_> - 0 0 20 8 -1. - <_> - 10 0 10 8 2. - <_> - - <_> - 21 0 4 3 -1. - <_> - 20 1 4 1 3. - 1 - <_> - - <_> - 4 0 3 4 -1. - <_> - 5 1 1 4 3. - 1 - <_> - - <_> - 18 3 5 2 -1. - <_> - 18 4 5 1 2. - <_> - - <_> - 2 3 5 2 -1. - <_> - 2 4 5 1 2. - <_> - - <_> - 13 0 2 5 -1. - <_> - 13 0 1 5 2. - 1 - <_> - - <_> - 5 12 6 3 -1. - <_> - 7 13 2 1 9. - <_> - - <_> - 13 0 2 5 -1. - <_> - 13 0 1 5 2. - 1 - <_> - - <_> - 9 6 4 2 -1. - <_> - 9 7 4 1 2. - <_> - - <_> - 18 9 4 3 -1. - <_> - 18 10 4 1 3. - <_> - - <_> - 3 9 4 3 -1. - <_> - 3 10 4 1 3. - <_> - - <_> - 7 9 15 6 -1. - <_> - 7 12 15 3 2. - <_> - - <_> - 4 1 12 6 -1. - <_> - 4 1 6 3 2. - <_> - 10 4 6 3 2. - <_> - - <_> - 10 5 14 10 -1. - <_> - 10 10 14 5 2. - <_> - - <_> - 10 6 2 3 -1. - <_> - 10 7 2 1 3. - <_> - - <_> - 13 4 4 6 -1. - <_> - 14 5 2 6 2. - 1 - <_> - - <_> - 12 4 6 4 -1. - <_> - 11 5 6 2 2. - 1 - <_> - - <_> - 19 0 5 3 -1. - <_> - 19 1 5 1 3. - <_> - - <_> - 6 7 3 1 -1. - <_> - 7 7 1 1 3. - <_> - - <_> - 19 0 5 3 -1. - <_> - 19 1 5 1 3. - <_> - - <_> - 6 7 3 1 -1. - <_> - 7 7 1 1 3. - <_> - - <_> - 11 0 6 15 -1. - <_> - 13 0 2 15 3. - <_> - - <_> - 0 2 2 6 -1. - <_> - 0 2 1 3 2. - <_> - 1 5 1 3 2. - <_> - - <_> - 21 0 2 1 -1. - <_> - 21 0 1 1 2. - 1 - <_> - - <_> - 4 0 1 2 -1. - <_> - 4 0 1 1 2. - 1 - <_> - - <_> - 9 0 14 8 -1. - <_> - 9 0 7 8 2. - <_> - - <_> - 7 0 2 2 -1. - <_> - 7 0 1 1 2. - <_> - 8 1 1 1 2. - <_> - - <_> - 4 6 18 4 -1. - <_> - 4 6 9 4 2. - <_> - - <_> - 0 7 2 2 -1. - <_> - 0 7 1 1 2. - <_> - 1 8 1 1 2. - <_> - - <_> - 23 7 2 2 -1. - <_> - 24 7 1 1 2. - <_> - 23 8 1 1 2. - <_> - - <_> - 0 7 2 2 -1. - <_> - 0 7 1 1 2. - <_> - 1 8 1 1 2. - <_> - - <_> - 23 7 2 2 -1. - <_> - 24 7 1 1 2. - <_> - 23 8 1 1 2. - <_> - - <_> - 0 7 2 2 -1. - <_> - 0 7 1 1 2. - <_> - 1 8 1 1 2. - <_> - - <_> - 24 6 1 4 -1. - <_> - 24 7 1 2 2. - <_> - - <_> - 0 6 1 4 -1. - <_> - 0 7 1 2 2. - <_> - - <_> - 11 0 6 15 -1. - <_> - 13 0 2 15 3. - <_> - - <_> - 0 1 2 3 -1. - <_> - 0 2 2 1 3. - <_> - - <_> - 8 1 9 3 -1. - <_> - 8 2 9 1 3. - <_> - - <_> - 8 1 3 3 -1. - <_> - 9 2 1 1 9. - <_> - - <_> - 19 7 5 3 -1. - <_> - 18 8 5 1 3. - 1 - <_> - - <_> - 6 7 3 5 -1. - <_> - 7 8 1 5 3. - 1 - <_> - - <_> - 1 0 24 14 -1. - <_> - 13 0 12 7 2. - <_> - 1 7 12 7 2. - <_> - - <_> - 8 11 9 4 -1. - <_> - 8 12 9 2 2. - <_> - - <_> - 6 11 14 4 -1. - <_> - 6 12 14 2 2. - <_> - - <_> - 0 11 3 4 -1. - <_> - 0 12 3 2 2. - <_> - - <_> - 17 11 8 2 -1. - <_> - 17 12 8 1 2. - <_> - - <_> - 0 11 8 2 -1. - <_> - 0 12 8 1 2. - <_> - - <_> - 23 13 1 2 -1. - <_> - 23 14 1 1 2. - <_> - - <_> - 1 13 1 2 -1. - <_> - 1 14 1 1 2. - <_> - - <_> - 9 0 14 8 -1. - <_> - 9 0 7 8 2. - <_> - - <_> - 0 1 14 8 -1. - <_> - 0 3 14 4 2. - <_> - - <_> - 20 4 2 3 -1. - <_> - 20 5 2 1 3. - <_> - - <_> - 0 1 14 9 -1. - <_> - 0 4 14 3 3. - <_> - - <_> - 9 13 9 1 -1. - <_> - 12 13 3 1 3. - <_> - - <_> - 7 13 9 1 -1. - <_> - 10 13 3 1 3. - <_> - - <_> - 20 7 2 2 -1. - <_> - 21 7 1 1 2. - <_> - 20 8 1 1 2. - <_> - - <_> - 5 9 15 6 -1. - <_> - 5 12 15 3 2. - <_> - - <_> - 21 0 2 6 -1. - <_> - 21 3 2 3 2. - <_> - - <_> - 4 4 8 10 -1. - <_> - 4 4 4 5 2. - <_> - 8 9 4 5 2. - <_> - - <_> - 16 1 8 6 -1. - <_> - 16 3 8 2 3. - <_> - - <_> - 2 1 11 2 -1. - <_> - 2 1 11 1 2. - 1 - <_> - - <_> - 20 4 5 6 -1. - <_> - 20 6 5 2 3. - <_> - - <_> - 0 4 5 6 -1. - <_> - 0 6 5 2 3. - <_> - - <_> - 19 11 6 4 -1. - <_> - 22 11 3 2 2. - <_> - 19 13 3 2 2. - <_> - - <_> - 10 4 5 2 -1. - <_> - 10 5 5 1 2. - <_> - - <_> - 7 6 11 4 -1. - <_> - 7 7 11 2 2. - <_> - - <_> - 9 2 4 4 -1. - <_> - 9 2 2 4 2. - 1 - <_> - - <_> - 1 0 24 11 -1. - <_> - 7 0 12 11 2. - <_> - - <_> - 4 0 10 10 -1. - <_> - 9 0 5 10 2. - <_> - - <_> - 23 8 2 4 -1. - <_> - 23 8 2 2 2. - 1 - <_> - - <_> - 2 8 4 2 -1. - <_> - 2 8 2 2 2. - 1 - <_> - - <_> - 23 3 2 12 -1. - <_> - 24 3 1 6 2. - <_> - 23 9 1 6 2. - <_> - - <_> - 9 3 6 12 -1. - <_> - 9 3 3 6 2. - <_> - 12 9 3 6 2. - <_> - - <_> - 1 0 24 12 -1. - <_> - 13 0 12 6 2. - <_> - 1 6 12 6 2. - <_> - - <_> - 0 3 2 12 -1. - <_> - 0 3 1 6 2. - <_> - 1 9 1 6 2. - <_> - - <_> - 14 8 3 4 -1. - <_> - 14 8 3 2 2. - 1 - <_> - - <_> - 0 0 6 1 -1. - <_> - 2 0 2 1 3. - <_> - - <_> - 9 2 16 7 -1. - <_> - 13 2 8 7 2. - <_> - - <_> - 8 7 1 6 -1. - <_> - 8 7 1 3 2. - 1 - <_> - - <_> - 8 7 9 4 -1. - <_> - 8 8 9 2 2. - <_> - - <_> - 7 5 10 4 -1. - <_> - 7 6 10 2 2. - <_> - - <_> - 14 2 1 6 -1. - <_> - 12 4 1 2 3. - 1 - <_> - - <_> - 0 3 8 12 -1. - <_> - 0 3 4 6 2. - <_> - 4 9 4 6 2. - <_> - - <_> - 19 13 6 2 -1. - <_> - 19 13 3 2 2. - <_> - - <_> - 0 13 6 2 -1. - <_> - 3 13 3 2 2. - <_> - - <_> - 23 12 1 3 -1. - <_> - 23 13 1 1 3. - <_> - - <_> - 1 12 1 3 -1. - <_> - 1 13 1 1 3. - <_> - - <_> - 23 12 1 3 -1. - <_> - 23 13 1 1 3. - <_> - - <_> - 4 10 10 1 -1. - <_> - 9 10 5 1 2. - <_> - - <_> - 23 12 1 3 -1. - <_> - 23 13 1 1 3. - <_> - - <_> - 1 12 1 3 -1. - <_> - 1 13 1 1 3. - <_> - - <_> - 11 2 12 4 -1. - <_> - 11 3 12 2 2. - <_> - - <_> - 3 1 12 6 -1. - <_> - 3 3 12 2 3. - <_> - - <_> - 23 0 2 2 -1. - <_> - 23 0 1 2 2. - 1 - <_> - - <_> - 2 0 2 2 -1. - <_> - 2 0 2 1 2. - 1 - <_> - - <_> - 14 13 4 2 -1. - <_> - 15 13 2 2 2. - <_> - - <_> - 3 6 6 3 -1. - <_> - 2 7 6 1 3. - 1 - <_> - - <_> - 14 13 4 2 -1. - <_> - 15 13 2 2 2. - <_> - - <_> - 0 7 24 4 -1. - <_> - 0 7 12 2 2. - <_> - 12 9 12 2 2. - <_> - - <_> - 23 0 2 2 -1. - <_> - 23 1 2 1 2. - <_> - - <_> - 7 13 4 2 -1. - <_> - 8 13 2 2 2. - <_> - - <_> - 16 11 2 2 -1. - <_> - 17 11 1 1 2. - <_> - 16 12 1 1 2. - <_> - - <_> - 8 11 9 4 -1. - <_> - 8 12 9 2 2. - <_> - - <_> - 2 12 21 3 -1. - <_> - 9 13 7 1 9. - <_> - - <_> - 1 13 21 2 -1. - <_> - 8 13 7 2 3. - <_> - - <_> - 22 10 1 4 -1. - <_> - 21 11 1 2 2. - 1 - <_> - - <_> - 3 5 6 3 -1. - <_> - 2 6 6 1 3. - 1 - <_> - - <_> - 13 2 8 5 -1. - <_> - 15 4 4 5 2. - 1 - <_> - - <_> - 4 2 8 6 -1. - <_> - 4 4 8 2 3. - <_> - - <_> - 5 1 15 4 -1. - <_> - 5 2 15 2 2. - <_> - - <_> - 0 1 8 4 -1. - <_> - 0 2 8 2 2. - <_> - - <_> - 10 0 15 14 -1. - <_> - 10 7 15 7 2. - <_> - - <_> - 9 13 6 2 -1. - <_> - 11 13 2 2 3. - <_> - - <_> - 8 9 11 4 -1. - <_> - 8 10 11 2 2. - <_> - - <_> - 8 6 3 3 -1. - <_> - 9 7 1 3 3. - 1 - <_> - - <_> - 21 5 4 6 -1. - <_> - 21 7 4 2 3. - <_> - - <_> - 12 3 6 6 -1. - <_> - 10 5 6 2 3. - 1 - <_> - - <_> - 12 9 10 6 -1. - <_> - 12 9 5 6 2. - <_> - - <_> - 3 9 10 6 -1. - <_> - 8 9 5 6 2. - <_> - - <_> - 12 0 4 1 -1. - <_> - 13 0 2 1 2. - <_> - - <_> - 3 10 4 1 -1. - <_> - 4 11 2 1 2. - 1 - <_> - - <_> - 18 12 1 2 -1. - <_> - 18 12 1 1 2. - 1 - <_> - - <_> - 2 0 20 10 -1. - <_> - 12 0 10 10 2. - <_> - - <_> - 22 2 3 6 -1. - <_> - 23 3 1 6 3. - 1 - <_> - - <_> - 3 2 6 3 -1. - <_> - 2 3 6 1 3. - 1 - <_> - - <_> - 21 1 4 6 -1. - <_> - 23 1 2 3 2. - <_> - 21 4 2 3 2. - <_> - - <_> - 0 1 4 6 -1. - <_> - 0 1 2 3 2. - <_> - 2 4 2 3 2. - <_> - - <_> - 24 0 1 6 -1. - <_> - 24 3 1 3 2. - <_> - - <_> - 0 0 1 6 -1. - <_> - 0 3 1 3 2. - <_> - - <_> - 18 0 6 6 -1. - <_> - 18 2 6 2 3. - <_> - - <_> - 5 1 15 4 -1. - <_> - 5 2 15 2 2. - <_> - - <_> - 4 8 18 1 -1. - <_> - 10 8 6 1 3. - <_> - - <_> - 8 6 6 4 -1. - <_> - 8 7 6 2 2. - <_> - - <_> - 9 5 8 2 -1. - <_> - 11 5 4 2 2. - <_> - - <_> - 5 0 6 6 -1. - <_> - 7 0 2 6 3. - <_> - - <_> - 21 8 2 1 -1. - <_> - 21 8 1 1 2. - <_> - - <_> - 7 1 2 2 -1. - <_> - 7 1 2 1 2. - 1 - <_> - - <_> - 17 4 8 4 -1. - <_> - 17 5 8 2 2. - <_> - - <_> - 6 0 13 2 -1. - <_> - 6 1 13 1 2. - <_> - - <_> - 21 5 4 6 -1. - <_> - 21 7 4 2 3. - <_> - - <_> - 0 5 4 6 -1. - <_> - 0 7 4 2 3. - <_> - - <_> - 21 8 2 1 -1. - <_> - 21 8 1 1 2. - <_> - - <_> - 2 8 2 1 -1. - <_> - 3 8 1 1 2. - <_> - - <_> - 23 0 2 1 -1. - <_> - 23 0 1 1 2. - 1 - <_> - - <_> - 4 0 15 4 -1. - <_> - 4 1 15 2 2. - <_> - - <_> - 15 1 10 8 -1. - <_> - 15 3 10 4 2. - <_> - - <_> - 0 5 4 2 -1. - <_> - 0 5 2 1 2. - <_> - 2 6 2 1 2. - <_> - - <_> - 23 0 2 1 -1. - <_> - 23 0 1 1 2. - 1 - <_> - - <_> - 0 5 1 4 -1. - <_> - 0 6 1 2 2. - <_> - - <_> - 19 13 4 2 -1. - <_> - 19 14 4 1 2. - <_> - - <_> - 7 12 2 2 -1. - <_> - 7 12 1 1 2. - <_> - 8 13 1 1 2. - <_> - - <_> - 1 0 24 8 -1. - <_> - 13 0 12 4 2. - <_> - 1 4 12 4 2. - <_> - - <_> - 2 4 3 3 -1. - <_> - 2 5 3 1 3. - <_> - - <_> - 20 6 4 3 -1. - <_> - 19 7 4 1 3. - 1 - <_> - - <_> - 5 6 3 4 -1. - <_> - 6 7 1 4 3. - 1 - <_> - - <_> - 16 11 2 2 -1. - <_> - 17 11 1 1 2. - <_> - 16 12 1 1 2. - <_> - - <_> - 7 11 2 2 -1. - <_> - 7 11 1 1 2. - <_> - 8 12 1 1 2. - <_> - - <_> - 9 5 9 3 -1. - <_> - 12 5 3 3 3. - <_> - - <_> - 0 0 6 1 -1. - <_> - 2 0 2 1 3. - <_> - - <_> - 17 4 8 1 -1. - <_> - 19 4 4 1 2. - <_> - - <_> - 7 5 9 3 -1. - <_> - 10 5 3 3 3. - <_> - - <_> - 17 4 8 1 -1. - <_> - 19 4 4 1 2. - <_> - - <_> - 0 4 8 1 -1. - <_> - 2 4 4 1 2. - <_> - - <_> - 16 11 2 2 -1. - <_> - 17 11 1 1 2. - <_> - 16 12 1 1 2. - <_> - - <_> - 6 11 12 2 -1. - <_> - 9 11 6 2 2. - <_> - - <_> - 4 6 20 9 -1. - <_> - 9 6 10 9 2. - <_> - - <_> - 6 8 12 2 -1. - <_> - 6 9 12 1 2. - <_> - - <_> - 6 8 13 4 -1. - <_> - 6 9 13 2 2. - <_> - - <_> - 2 13 4 2 -1. - <_> - 2 14 4 1 2. - <_> - - <_> - 11 1 3 12 -1. - <_> - 11 4 3 6 2. - <_> - - <_> - 7 10 11 4 -1. - <_> - 7 11 11 2 2. - <_> - - <_> - 5 9 15 6 -1. - <_> - 5 11 15 2 3. - <_> - - <_> - 1 5 14 10 -1. - <_> - 1 10 14 5 2. - <_> - - <_> - 13 10 2 2 -1. - <_> - 14 10 1 1 2. - <_> - 13 11 1 1 2. - <_> - - <_> - 0 0 4 2 -1. - <_> - 0 1 4 1 2. - <_> - - <_> - 18 3 4 2 -1. - <_> - 18 4 4 1 2. - <_> - - <_> - 0 7 4 4 -1. - <_> - 0 8 4 2 2. - <_> - - <_> - 12 12 6 2 -1. - <_> - 14 12 2 2 3. - <_> - - <_> - 7 0 3 1 -1. - <_> - 8 0 1 1 3. - <_> - - <_> - 15 0 2 1 -1. - <_> - 15 0 1 1 2. - <_> - - <_> - 8 0 2 1 -1. - <_> - 9 0 1 1 2. - <_> - - <_> - 18 3 2 10 -1. - <_> - 18 3 1 10 2. - <_> - - <_> - 7 1 2 2 -1. - <_> - 7 1 1 1 2. - <_> - 8 2 1 1 2. - <_> - - <_> - 18 0 7 3 -1. - <_> - 18 1 7 1 3. - <_> - - <_> - 7 12 6 2 -1. - <_> - 9 12 2 2 3. - <_> - - <_> - 20 7 4 3 -1. - <_> - 20 8 4 1 3. - <_> - - <_> - 5 3 2 10 -1. - <_> - 6 3 1 10 2. - <_> - - <_> - 16 0 2 2 -1. - <_> - 17 0 1 1 2. - <_> - 16 1 1 1 2. - <_> - - <_> - 7 0 2 2 -1. - <_> - 7 0 1 1 2. - <_> - 8 1 1 1 2. - <_> - - <_> - 15 0 6 2 -1. - <_> - 17 0 2 2 3. - <_> - - <_> - 0 0 1 4 -1. - <_> - 0 2 1 2 2. - <_> - - <_> - 22 1 2 12 -1. - <_> - 18 5 2 4 3. - 1 - <_> - - <_> - 4 0 12 3 -1. - <_> - 8 4 4 3 3. - 1 - <_> - - <_> - 14 13 2 2 -1. - <_> - 15 13 1 1 2. - <_> - 14 14 1 1 2. - <_> - - <_> - 11 6 3 3 -1. - <_> - 12 7 1 1 9. - <_> - - <_> - 15 1 10 8 -1. - <_> - 15 3 10 4 2. - <_> - - <_> - 0 1 10 8 -1. - <_> - 0 3 10 4 2. - <_> - - <_> - 11 3 14 10 -1. - <_> - 11 8 14 5 2. - <_> - - <_> - 0 0 24 12 -1. - <_> - 0 0 12 6 2. - <_> - 12 6 12 6 2. - <_> - - <_> - 20 7 4 3 -1. - <_> - 20 8 4 1 3. - <_> - - <_> - 0 1 7 3 -1. - <_> - 0 2 7 1 3. - <_> - - <_> - 20 7 4 3 -1. - <_> - 20 8 4 1 3. - <_> - - <_> - 0 7 1 8 -1. - <_> - 0 9 1 4 2. - <_> - - <_> - 22 4 3 4 -1. - <_> - 23 5 1 4 3. - 1 - <_> - - <_> - 11 2 12 1 -1. - <_> - 15 6 4 1 3. - 1 - <_> - - <_> - 22 4 3 4 -1. - <_> - 23 5 1 4 3. - 1 - <_> - - <_> - 1 7 4 3 -1. - <_> - 1 8 4 1 3. - <_> - - <_> - 13 9 6 2 -1. - <_> - 15 9 2 2 3. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - <_> - - <_> - 13 9 6 2 -1. - <_> - 15 9 2 2 3. - <_> - - <_> - 4 0 6 2 -1. - <_> - 6 0 2 2 3. - <_> - - <_> - 13 9 6 2 -1. - <_> - 15 9 2 2 3. - <_> - - <_> - 7 7 2 6 -1. - <_> - 7 7 1 6 2. - 1 - <_> - - <_> - 24 0 1 10 -1. - <_> - 24 5 1 5 2. - <_> - - <_> - 6 7 3 1 -1. - <_> - 7 7 1 1 3. - <_> - - <_> - 14 13 2 2 -1. - <_> - 15 13 1 1 2. - <_> - 14 14 1 1 2. - <_> - - <_> - 8 7 4 1 -1. - <_> - 9 7 2 1 2. - <_> - - <_> - 24 4 1 9 -1. - <_> - 21 7 1 3 3. - 1 - <_> - - <_> - 1 4 9 1 -1. - <_> - 4 7 3 1 3. - 1 - <_> - - <_> - 11 1 6 13 -1. - <_> - 13 1 2 13 3. - <_> - - <_> - 10 2 4 7 -1. - <_> - 11 2 2 7 2. - <_> - - <_> - 11 1 6 13 -1. - <_> - 13 1 2 13 3. - <_> - - <_> - 8 1 6 13 -1. - <_> - 10 1 2 13 3. - <_> - - <_> - 16 9 4 1 -1. - <_> - 16 9 2 1 2. - <_> - - <_> - 5 9 4 1 -1. - <_> - 7 9 2 1 2. - <_> - - <_> - 17 4 1 9 -1. - <_> - 14 7 1 3 3. - 1 - <_> - - <_> - 7 4 2 2 -1. - <_> - 7 4 1 1 2. - <_> - 8 5 1 1 2. - <_> - - <_> - 13 9 2 2 -1. - <_> - 14 9 1 1 2. - <_> - 13 10 1 1 2. - <_> - - <_> - 7 11 2 2 -1. - <_> - 7 11 1 1 2. - <_> - 8 12 1 1 2. - <_> - - <_> - 13 9 2 2 -1. - <_> - 14 9 1 1 2. - <_> - 13 10 1 1 2. - <_> - - <_> - 6 13 10 1 -1. - <_> - 11 13 5 1 2. - <_> - - <_> - 9 8 10 7 -1. - <_> - 9 8 5 7 2. - <_> - - <_> - 4 5 15 10 -1. - <_> - 9 5 5 10 3. - <_> - - <_> - 20 6 5 4 -1. - <_> - 20 7 5 2 2. - <_> - - <_> - 0 6 5 4 -1. - <_> - 0 7 5 2 2. - <_> - - <_> - 11 7 3 1 -1. - <_> - 12 7 1 1 3. - <_> - - <_> - 9 4 7 3 -1. - <_> - 9 5 7 1 3. - <_> - - <_> - 15 4 4 3 -1. - <_> - 15 4 2 3 2. - <_> - - <_> - 6 4 4 3 -1. - <_> - 8 4 2 3 2. - <_> - - <_> - 16 6 2 2 -1. - <_> - 17 6 1 1 2. - <_> - 16 7 1 1 2. - <_> - - <_> - 7 6 2 2 -1. - <_> - 7 6 1 1 2. - <_> - 8 7 1 1 2. - <_> - - <_> - 14 13 2 2 -1. - <_> - 15 13 1 1 2. - <_> - 14 14 1 1 2. - <_> - - <_> - 6 0 4 2 -1. - <_> - 6 0 4 1 2. - 1 - <_> - - <_> - 20 14 2 1 -1. - <_> - 20 14 1 1 2. - <_> - - <_> - 1 13 6 2 -1. - <_> - 1 13 3 1 2. - <_> - 4 14 3 1 2. - <_> - - <_> - 12 1 2 2 -1. - <_> - 12 2 2 1 2. - <_> - - <_> - 8 0 8 8 -1. - <_> - 8 0 4 4 2. - <_> - 12 4 4 4 2. - <_> - - <_> - 16 12 2 2 -1. - <_> - 17 12 1 1 2. - <_> - 16 13 1 1 2. - <_> - - <_> - 0 4 8 8 -1. - <_> - 0 4 4 4 2. - <_> - 4 8 4 4 2. - <_> - - <_> - 19 4 2 1 -1. - <_> - 19 4 1 1 2. - <_> - - <_> - 4 4 2 1 -1. - <_> - 5 4 1 1 2. - <_> - - <_> - 20 0 2 2 -1. - <_> - 21 0 1 1 2. - <_> - 20 1 1 1 2. - <_> - - <_> - 0 5 15 3 -1. - <_> - 0 6 15 1 3. - <_> - - <_> - 13 5 1 3 -1. - <_> - 13 6 1 1 3. - <_> - - <_> - 4 9 3 2 -1. - <_> - 5 10 1 2 3. - 1 - <_> - - <_> - 20 0 2 2 -1. - <_> - 21 0 1 1 2. - <_> - 20 1 1 1 2. - <_> - - <_> - 3 0 2 2 -1. - <_> - 3 0 1 1 2. - <_> - 4 1 1 1 2. - <_> - - <_> - 0 11 12 4 -1. - <_> - 0 11 6 2 2. - <_> - 6 13 6 2 2. - <_> - - <_> - 17 1 8 4 -1. - <_> - 17 3 8 2 2. - <_> - - <_> - 6 6 13 6 -1. - <_> - 6 8 13 2 3. - <_> - - <_> - 23 4 2 3 -1. - <_> - 23 4 1 3 2. - <_> - - <_> - 2 13 10 2 -1. - <_> - 2 14 10 1 2. - <_> - - <_> - 23 4 2 3 -1. - <_> - 23 4 1 3 2. - <_> - - <_> - 0 4 2 3 -1. - <_> - 1 4 1 3 2. - <_> - - <_> - 2 7 21 3 -1. - <_> - 9 8 7 1 9. - <_> - - <_> - 2 11 2 2 -1. - <_> - 2 11 1 2 2. - 1 - <_> - - <_> - 2 2 21 6 -1. - <_> - 9 4 7 2 9. - <_> - - <_> - 1 1 8 6 -1. - <_> - 1 3 8 2 3. - <_> - - <_> - 6 4 15 4 -1. - <_> - 6 5 15 2 2. - <_> - - <_> - 2 10 4 1 -1. - <_> - 3 11 2 1 2. - 1 - <_> - - <_> - 4 14 18 1 -1. - <_> - 4 14 9 1 2. - <_> - - <_> - 0 3 24 10 -1. - <_> - 0 3 12 5 2. - <_> - 12 8 12 5 2. - <_> - - <_> - 15 3 10 12 -1. - <_> - 20 3 5 6 2. - <_> - 15 9 5 6 2. - <_> - - <_> - 9 5 6 3 -1. - <_> - 9 6 6 1 3. - <_> - - <_> - 2 13 21 1 -1. - <_> - 9 13 7 1 3. - <_> - - <_> - 0 3 10 12 -1. - <_> - 0 3 5 6 2. - <_> - 5 9 5 6 2. - <_> - - <_> - 5 3 15 4 -1. - <_> - 5 4 15 2 2. - <_> - - <_> - 8 6 9 3 -1. - <_> - 8 7 9 1 3. - <_> - - <_> - 14 13 3 1 -1. - <_> - 15 13 1 1 3. - <_> - - <_> - 7 1 10 2 -1. - <_> - 7 2 10 1 2. - <_> - - <_> - 14 13 3 1 -1. - <_> - 15 13 1 1 3. - <_> - - <_> - 8 13 3 1 -1. - <_> - 9 13 1 1 3. - <_> - - <_> - 1 0 24 12 -1. - <_> - 13 0 12 6 2. - <_> - 1 6 12 6 2. - <_> - - <_> - 0 0 13 14 -1. - <_> - 0 7 13 7 2. - <_> - - <_> - 21 6 3 3 -1. - <_> - 20 7 3 1 3. - 1 - <_> - - <_> - 8 9 8 4 -1. - <_> - 8 10 8 2 2. - <_> - - <_> - 13 10 6 4 -1. - <_> - 15 10 2 4 3. - <_> - - <_> - 11 3 4 4 -1. - <_> - 11 3 2 4 2. - 1 - <_> - - <_> - 13 10 6 4 -1. - <_> - 15 10 2 4 3. - <_> - - <_> - 7 10 10 4 -1. - <_> - 7 12 10 2 2. - <_> - - <_> - 13 10 6 4 -1. - <_> - 15 10 2 4 3. - <_> - - <_> - 6 10 6 4 -1. - <_> - 8 10 2 4 3. - <_> - - <_> - 21 14 4 1 -1. - <_> - 21 14 2 1 2. - <_> - - <_> - 0 7 4 4 -1. - <_> - 0 8 4 2 2. - <_> - - <_> - 19 3 6 12 -1. - <_> - 22 3 3 6 2. - <_> - 19 9 3 6 2. - <_> - - <_> - 5 1 15 2 -1. - <_> - 5 2 15 1 2. - <_> - - <_> - 19 1 3 4 -1. - <_> - 19 2 3 2 2. - <_> - - <_> - 2 5 20 4 -1. - <_> - 12 5 10 4 2. - <_> - - <_> - 21 14 4 1 -1. - <_> - 21 14 2 1 2. - <_> - - <_> - 0 14 4 1 -1. - <_> - 2 14 2 1 2. - <_> - - <_> - 19 3 6 12 -1. - <_> - 22 3 3 6 2. - <_> - 19 9 3 6 2. - <_> - - <_> - 0 3 6 12 -1. - <_> - 0 3 3 6 2. - <_> - 3 9 3 6 2. - <_> - - <_> - 19 1 3 4 -1. - <_> - 19 2 3 2 2. - <_> - - <_> - 3 1 3 4 -1. - <_> - 3 2 3 2 2. - <_> - - <_> - 10 1 10 2 -1. - <_> - 10 1 5 2 2. - <_> - - <_> - 5 0 8 3 -1. - <_> - 9 0 4 3 2. - <_> - - <_> - 21 0 2 1 -1. - <_> - 21 0 1 1 2. - 1 - <_> - - <_> - 2 8 4 2 -1. - <_> - 3 9 2 2 2. - 1 - <_> - - <_> - 21 0 2 1 -1. - <_> - 21 0 1 1 2. - 1 - <_> - - <_> - 2 0 21 1 -1. - <_> - 9 0 7 1 3. - <_> - - <_> - 21 0 2 1 -1. - <_> - 21 0 1 1 2. - 1 - <_> - - <_> - 4 0 1 2 -1. - <_> - 4 0 1 1 2. - 1 - <_> - - <_> - 1 11 24 4 -1. - <_> - 13 11 12 2 2. - <_> - 1 13 12 2 2. - <_> - - <_> - 0 11 24 4 -1. - <_> - 0 11 12 2 2. - <_> - 12 13 12 2 2. - <_> - - <_> - 16 5 2 2 -1. - <_> - 17 5 1 1 2. - <_> - 16 6 1 1 2. - <_> - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - <_> - - <_> - 18 1 6 2 -1. - <_> - 18 1 3 2 2. - <_> - - <_> - 2 0 21 2 -1. - <_> - 9 0 7 2 3. - <_> - - <_> - 13 0 10 15 -1. - <_> - 13 0 5 15 2. - <_> - - <_> - 6 0 13 4 -1. - <_> - 6 1 13 2 2. - <_> - - <_> - 11 3 9 3 -1. - <_> - 11 4 9 1 3. - <_> - - <_> - 3 2 10 3 -1. - <_> - 2 3 10 1 3. - 1 - <_> - - <_> - 6 6 16 8 -1. - <_> - 6 6 8 8 2. - <_> - - <_> - 5 0 12 15 -1. - <_> - 8 0 6 15 2. - <_> - - <_> - 23 8 2 4 -1. - <_> - 23 8 1 4 2. - <_> - - <_> - 0 5 3 3 -1. - <_> - 0 6 3 1 3. - <_> - - <_> - 21 5 4 2 -1. - <_> - 22 5 2 2 2. - <_> - - <_> - 0 5 4 2 -1. - <_> - 1 5 2 2 2. - <_> - - <_> - 21 2 3 4 -1. - <_> - 22 3 1 4 3. - 1 - <_> - - <_> - 4 2 4 3 -1. - <_> - 3 3 4 1 3. - 1 - <_> - - <_> - 23 2 2 2 -1. - <_> - 23 2 2 1 2. - 1 - <_> - - <_> - 0 5 4 4 -1. - <_> - 0 6 4 2 2. - <_> - - <_> - 23 7 2 5 -1. - <_> - 23 7 1 5 2. - <_> - - <_> - 0 0 1 4 -1. - <_> - 0 1 1 2 2. - <_> - - <_> - 23 1 2 4 -1. - <_> - 23 3 2 2 2. - <_> - - <_> - 0 1 2 4 -1. - <_> - 0 3 2 2 2. - <_> - - <_> - 19 3 5 4 -1. - <_> - 19 4 5 2 2. - <_> - - <_> - 12 1 6 2 -1. - <_> - 12 1 6 1 2. - 1 - <_> - - <_> - 19 11 6 4 -1. - <_> - 19 12 6 2 2. - <_> - - <_> - 1 3 6 4 -1. - <_> - 1 4 6 2 2. - <_> - - <_> - 23 0 2 1 -1. - <_> - 23 0 1 1 2. - 1 - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 19 0 4 2 -1. - <_> - 20 0 2 2 2. - <_> - - <_> - 0 0 2 12 -1. - <_> - 0 0 1 6 2. - <_> - 1 6 1 6 2. - <_> - - <_> - 22 4 2 8 -1. - <_> - 23 4 1 4 2. - <_> - 22 8 1 4 2. - <_> - - <_> - 1 4 2 8 -1. - <_> - 1 4 1 4 2. - <_> - 2 8 1 4 2. - <_> - - <_> - 17 9 4 1 -1. - <_> - 17 9 2 1 2. - <_> - - <_> - 12 2 5 8 -1. - <_> - 10 4 5 4 2. - 1 - <_> - - <_> - 18 13 2 2 -1. - <_> - 19 13 1 1 2. - <_> - 18 14 1 1 2. - <_> - - <_> - 6 9 13 6 -1. - <_> - 6 11 13 2 3. - <_> - - <_> - 6 10 13 4 -1. - <_> - 6 11 13 2 2. - <_> - - <_> - 0 8 24 4 -1. - <_> - 0 8 12 2 2. - <_> - 12 10 12 2 2. - <_> - - <_> - 17 10 8 3 -1. - <_> - 17 11 8 1 3. - <_> - - <_> - 4 0 16 8 -1. - <_> - 4 0 8 4 2. - <_> - 12 4 8 4 2. - <_> - - <_> - 14 0 1 2 -1. - <_> - 14 1 1 1 2. - <_> - - <_> - 3 9 6 6 -1. - <_> - 5 9 2 6 3. - <_> - - <_> - 13 10 12 3 -1. - <_> - 16 10 6 3 2. - <_> - - <_> - 0 10 12 3 -1. - <_> - 3 10 6 3 2. - <_> - - <_> - 19 8 5 3 -1. - <_> - 19 9 5 1 3. - <_> - - <_> - 7 1 3 1 -1. - <_> - 8 1 1 1 3. - <_> - - <_> - 15 1 3 1 -1. - <_> - 16 1 1 1 3. - <_> - - <_> - 7 1 3 1 -1. - <_> - 8 1 1 1 3. - <_> - - <_> - 20 8 2 3 -1. - <_> - 20 9 2 1 3. - <_> - - <_> - 2 0 4 2 -1. - <_> - 3 0 2 2 2. - <_> - - <_> - 19 8 5 3 -1. - <_> - 19 9 5 1 3. - <_> - - <_> - 4 1 6 11 -1. - <_> - 6 1 2 11 3. - <_> - - <_> - 16 9 2 1 -1. - <_> - 16 9 1 1 2. - <_> - - <_> - 5 2 15 4 -1. - <_> - 5 3 15 2 2. - <_> - - <_> - 11 2 3 3 -1. - <_> - 11 3 3 1 3. - <_> - - <_> - 2 7 18 6 -1. - <_> - 11 7 9 6 2. - <_> - - <_> - 1 6 24 9 -1. - <_> - 7 6 12 9 2. - <_> - - <_> - 0 0 1 10 -1. - <_> - 0 5 1 5 2. - <_> - - <_> - 9 3 10 2 -1. - <_> - 9 4 10 1 2. - <_> - - <_> - 12 6 1 3 -1. - <_> - 12 7 1 1 3. - <_> - - <_> - 16 9 2 1 -1. - <_> - 16 9 1 1 2. - <_> - - <_> - 7 9 2 1 -1. - <_> - 8 9 1 1 2. - <_> - - <_> - 16 7 6 6 -1. - <_> - 19 7 3 3 2. - <_> - 16 10 3 3 2. - <_> - - <_> - 10 10 2 2 -1. - <_> - 10 10 1 1 2. - <_> - 11 11 1 1 2. - <_> - - <_> - 16 9 2 2 -1. - <_> - 17 9 1 1 2. - <_> - 16 10 1 1 2. - <_> - - <_> - 7 9 2 2 -1. - <_> - 7 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 13 10 2 2 -1. - <_> - 14 10 1 1 2. - <_> - 13 11 1 1 2. - <_> - - <_> - 11 7 2 3 -1. - <_> - 11 8 2 1 3. - <_> - - <_> - 19 0 6 3 -1. - <_> - 19 1 6 1 3. - <_> - - <_> - 0 0 6 3 -1. - <_> - 0 1 6 1 3. - <_> - - <_> - 24 0 1 2 -1. - <_> - 24 1 1 1 2. - <_> - - <_> - 0 0 16 1 -1. - <_> - 4 0 8 1 2. - <_> - - <_> - 19 11 6 4 -1. - <_> - 19 12 6 2 2. - <_> - - <_> - 0 11 6 4 -1. - <_> - 0 12 6 2 2. - <_> - - <_> - 5 3 15 6 -1. - <_> - 5 6 15 3 2. - <_> - - <_> - 8 3 9 3 -1. - <_> - 8 4 9 1 3. - <_> - - <_> - 12 0 1 12 -1. - <_> - 12 3 1 6 2. - <_> - - <_> - 1 3 14 8 -1. - <_> - 1 7 14 4 2. - <_> - - <_> - 15 0 6 4 -1. - <_> - 17 0 2 4 3. - <_> - - <_> - 3 7 4 2 -1. - <_> - 3 7 2 1 2. - <_> - 5 8 2 1 2. - <_> - - <_> - 14 5 1 8 -1. - <_> - 14 9 1 4 2. - <_> - - <_> - 0 7 3 3 -1. - <_> - 0 8 3 1 3. - <_> - - <_> - 11 12 6 3 -1. - <_> - 13 12 2 3 3. - <_> - - <_> - 8 12 6 3 -1. - <_> - 10 12 2 3 3. - <_> - - <_> - 16 5 6 10 -1. - <_> - 19 5 3 5 2. - <_> - 16 10 3 5 2. - <_> - - <_> - 3 5 6 10 -1. - <_> - 3 5 3 5 2. - <_> - 6 10 3 5 2. - <_> - - <_> - 17 8 8 1 -1. - <_> - 19 8 4 1 2. - <_> - - <_> - 0 8 8 1 -1. - <_> - 2 8 4 1 2. - <_> - - <_> - 9 13 14 2 -1. - <_> - 9 13 7 2 2. - <_> - - <_> - 1 14 20 1 -1. - <_> - 6 14 10 1 2. - <_> - - <_> - 17 7 2 2 -1. - <_> - 18 7 1 1 2. - <_> - 17 8 1 1 2. - <_> - - <_> - 0 8 2 2 -1. - <_> - 0 9 2 1 2. - <_> - - <_> - 17 7 2 2 -1. - <_> - 18 7 1 1 2. - <_> - 17 8 1 1 2. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - <_> - - <_> - 13 10 2 2 -1. - <_> - 14 10 1 1 2. - <_> - 13 11 1 1 2. - <_> - - <_> - 4 0 6 4 -1. - <_> - 6 0 2 4 3. - <_> - - <_> - 10 0 6 2 -1. - <_> - 12 0 2 2 3. - <_> - - <_> - 8 1 8 3 -1. - <_> - 10 1 4 3 2. - <_> - - <_> - 14 6 7 2 -1. - <_> - 14 6 7 1 2. - 1 - <_> - - <_> - 8 10 4 1 -1. - <_> - 9 10 2 1 2. - <_> - - <_> - 16 11 2 2 -1. - <_> - 17 11 1 1 2. - <_> - 16 12 1 1 2. - <_> - - <_> - 7 11 2 2 -1. - <_> - 7 11 1 1 2. - <_> - 8 12 1 1 2. - <_> - - <_> - 16 11 2 2 -1. - <_> - 17 11 1 1 2. - <_> - 16 12 1 1 2. - <_> - - <_> - 7 11 2 2 -1. - <_> - 7 11 1 1 2. - <_> - 8 12 1 1 2. - <_> - - <_> - 17 9 4 1 -1. - <_> - 17 9 2 1 2. - <_> - - <_> - 4 9 4 1 -1. - <_> - 6 9 2 1 2. - <_> - - <_> - 11 8 3 4 -1. - <_> - 11 9 3 2 2. - <_> - - <_> - 9 6 3 2 -1. - <_> - 10 7 1 2 3. - 1 - <_> - - <_> - 21 0 4 8 -1. - <_> - 19 2 4 4 2. - 1 - <_> - - <_> - 4 0 8 4 -1. - <_> - 6 2 4 4 2. - 1 - <_> - - <_> - 20 1 5 2 -1. - <_> - 20 1 5 1 2. - 1 - <_> - - <_> - 0 6 6 4 -1. - <_> - 0 7 6 2 2. - <_> - - <_> - 20 6 5 4 -1. - <_> - 20 7 5 2 2. - <_> - - <_> - 6 8 3 1 -1. - <_> - 7 8 1 1 3. - <_> - - <_> - 1 8 24 2 -1. - <_> - 13 8 12 1 2. - <_> - 1 9 12 1 2. - <_> - - <_> - 8 8 8 3 -1. - <_> - 8 9 8 1 3. - <_> - - <_> - 17 11 6 4 -1. - <_> - 19 11 2 4 3. - <_> - - <_> - 0 0 18 1 -1. - <_> - 9 0 9 1 2. - <_> - - <_> - 14 6 3 2 -1. - <_> - 15 7 1 2 3. - 1 - <_> - - <_> - 5 6 13 2 -1. - <_> - 5 7 13 1 2. - <_> - - <_> - 14 6 3 2 -1. - <_> - 15 7 1 2 3. - 1 - <_> - - <_> - 10 6 2 6 -1. - <_> - 10 8 2 2 3. - <_> - - <_> - 20 1 5 2 -1. - <_> - 20 1 5 1 2. - 1 - <_> - - <_> - 5 1 2 5 -1. - <_> - 5 1 1 5 2. - 1 - <_> - - <_> - 24 7 1 8 -1. - <_> - 24 9 1 4 2. - <_> - - <_> - 7 7 11 3 -1. - <_> - 7 8 11 1 3. - <_> - - <_> - 13 11 2 2 -1. - <_> - 14 11 1 1 2. - <_> - 13 12 1 1 2. - <_> - - <_> - 10 11 3 1 -1. - <_> - 11 11 1 1 3. - <_> - - <_> - 24 7 1 8 -1. - <_> - 24 9 1 4 2. - <_> - - <_> - 10 5 2 4 -1. - <_> - 10 5 2 2 2. - 1 - <_> - - <_> - 22 1 2 3 -1. - <_> - 21 2 2 1 3. - 1 - <_> - - <_> - 3 1 3 2 -1. - <_> - 4 2 1 2 3. - 1 - <_> - - <_> - 16 4 3 3 -1. - <_> - 17 5 1 1 9. - <_> - - <_> - 3 0 3 2 -1. - <_> - 3 0 3 1 2. - 1 - <_> - - <_> - 17 0 8 3 -1. - <_> - 17 0 4 3 2. - <_> - - <_> - 0 12 4 3 -1. - <_> - 0 13 4 1 3. - <_> - - <_> - 2 3 21 3 -1. - <_> - 9 3 7 3 3. - <_> - - <_> - 8 1 2 5 -1. - <_> - 8 1 1 5 2. - 1 - <_> - - <_> - 19 7 6 4 -1. - <_> - 22 7 3 2 2. - <_> - 19 9 3 2 2. - <_> - - <_> - 0 7 6 4 -1. - <_> - 0 7 3 2 2. - <_> - 3 9 3 2 2. - <_> - - <_> - 24 4 1 4 -1. - <_> - 24 5 1 2 2. - <_> - - <_> - 4 7 3 4 -1. - <_> - 3 8 3 2 2. - 1 - <_> - - <_> - 17 9 4 1 -1. - <_> - 18 9 2 1 2. - <_> - - <_> - 4 9 4 1 -1. - <_> - 5 9 2 1 2. - <_> - - <_> - 23 6 2 2 -1. - <_> - 23 7 2 1 2. - <_> - - <_> - 0 6 2 2 -1. - <_> - 0 7 2 1 2. - <_> - - <_> - 12 0 3 1 -1. - <_> - 13 0 1 1 3. - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 7 1 1 2. - <_> - 2 8 1 1 2. - <_> - - <_> - 22 7 2 2 -1. - <_> - 23 7 1 1 2. - <_> - 22 8 1 1 2. - <_> - - <_> - 2 11 6 4 -1. - <_> - 4 11 2 4 3. - <_> - - <_> - 14 1 10 4 -1. - <_> - 19 1 5 2 2. - <_> - 14 3 5 2 2. - <_> - - <_> - 6 2 12 2 -1. - <_> - 6 3 12 1 2. - <_> - - <_> - 9 6 8 9 -1. - <_> - 9 9 8 3 3. - <_> - - <_> - 3 8 3 3 -1. - <_> - 4 9 1 1 9. - <_> - - <_> - 22 7 2 2 -1. - <_> - 23 7 1 1 2. - <_> - 22 8 1 1 2. - <_> - - <_> - 11 10 2 2 -1. - <_> - 11 10 1 1 2. - <_> - 12 11 1 1 2. - <_> - - <_> - 22 7 2 2 -1. - <_> - 23 7 1 1 2. - <_> - 22 8 1 1 2. - <_> - - <_> - 4 13 10 1 -1. - <_> - 9 13 5 1 2. - <_> - - <_> - 3 0 20 15 -1. - <_> - 3 0 10 15 2. - <_> - - <_> - 0 13 24 1 -1. - <_> - 6 13 12 1 2. - <_> - - <_> - 22 7 2 2 -1. - <_> - 23 7 1 1 2. - <_> - 22 8 1 1 2. - diff --git a/data/haarcascades/haarcascade_mcs_nose.xml b/data/haarcascades/haarcascade_mcs_nose.xml deleted file mode 100644 index d196df1307..0000000000 --- a/data/haarcascades/haarcascade_mcs_nose.xml +++ /dev/null @@ -1,39332 +0,0 @@ - - - -BOOST - HAAR - 18 - 15 - - 377 - - 0 - 20 - - <_> - 16 - -1.8310650587081909e+00 - - <_> - - 0 -1 0 3.6321789026260376e-02 - - -6.7726498842239380e-01 6.6873461008071899e-01 - <_> - - 0 -1 1 5.4485928267240524e-02 - - -4.4031769037246704e-01 4.8918509483337402e-01 - <_> - - 0 -1 2 -1.5089729428291321e-01 - - 6.3702392578125000e-01 -2.8146758675575256e-01 - <_> - - 0 -1 3 -7.9493917524814606e-02 - - 6.3470429182052612e-01 -1.6119189560413361e-01 - <_> - - 0 -1 4 -6.7041739821434021e-02 - - 5.9565997123718262e-01 -1.6454219818115234e-01 - <_> - - 0 -1 5 1.6542470455169678e-01 - - -2.9165010899305344e-02 2.7849620580673218e-01 - <_> - - 0 -1 6 1.4491100609302521e-01 - - -1.5930549800395966e-01 5.6260192394256592e-01 - <_> - - 0 -1 7 -1.2696940451860428e-02 - - -6.9244408607482910e-01 1.0427670180797577e-01 - <_> - - 0 -1 8 5.2858339622616768e-03 - - 7.3600113391876221e-02 -8.1359738111495972e-01 - <_> - - 0 -1 9 1.3196030259132385e-01 - - -8.5236929357051849e-02 6.4642858505249023e-01 - <_> - - 0 -1 10 2.6259789592586458e-05 - - -2.5225260853767395e-01 2.7700841426849365e-01 - <_> - - 0 -1 11 8.9456392743159086e-05 - - -1.5982529520988464e-01 1.7960309982299805e-01 - <_> - - 0 -1 12 -1.8172040581703186e-02 - - 4.6623438596725464e-01 -1.5989740192890167e-01 - <_> - - 0 -1 13 -1.1940079927444458e-01 - - 5.8289611339569092e-01 -1.2482699751853943e-01 - <_> - - 0 -1 14 -4.9619960784912109e-01 - - 7.5930988788604736e-01 -9.3943662941455841e-02 - <_> - - 0 -1 15 -1.8309399485588074e-01 - - 5.8175492286682129e-01 -8.8393591344356537e-02 - <_> - 24 - -1.7070330381393433e+00 - - <_> - - 0 -1 16 4.8528000712394714e-02 - - 1.5333959890995175e-04 -2.6736979980468750e+03 - <_> - - 0 -1 17 1.1161860078573227e-01 - - -1.3917839527130127e-01 4.7061970829963684e-01 - <_> - - 0 -1 18 1.4094239473342896e-01 - - -4.5902550220489502e-01 6.8740749359130859e-01 - <_> - - 0 -1 19 -1.5287929773330688e-01 - - 2.5948369503021240e-01 -4.5264568179845810e-02 - <_> - - 0 -1 20 5.7879261672496796e-02 - - -3.7455689907073975e-01 4.6996209025382996e-01 - <_> - - 0 -1 21 5.9482799842953682e-03 - - -3.3294659852981567e-01 2.7539891004562378e-01 - <_> - - 0 -1 22 -1.8460640311241150e-01 - - 4.8681849241256714e-01 -1.6400709748268127e-01 - <_> - - 0 -1 23 -6.6531449556350708e-03 - - -6.5238291025161743e-01 1.1169300228357315e-01 - <_> - - 0 -1 24 8.0141983926296234e-03 - - 1.1979129910469055e-01 -7.1780908107757568e-01 - <_> - - 0 -1 25 1.3707329332828522e-01 - - -1.4187979698181152e-01 3.2952371239662170e-01 - <_> - - 0 -1 26 9.0329283848404884e-03 - - 1.0413199663162231e-01 -7.3359811305999756e-01 - <_> - - 0 -1 27 -1.8033640086650848e-01 - - -5.4879492521286011e-01 7.1061477065086365e-02 - <_> - - 0 -1 28 -7.8154532238841057e-03 - - -6.8952822685241699e-01 1.0636539757251740e-01 - <_> - - 0 -1 29 -1.0885799676179886e-01 - - 7.0592081546783447e-01 -1.0026659816503525e-01 - <_> - - 0 -1 30 -1.7265169322490692e-01 - - 4.8955410718917847e-01 -1.3769739866256714e-01 - <_> - - 0 -1 31 5.7466980069875717e-02 - - 4.7874748706817627e-02 -3.3611130714416504e-01 - <_> - - 0 -1 32 -1.2948019802570343e-01 - - -6.7898839712142944e-01 1.0975400358438492e-01 - <_> - - 0 -1 33 -5.8118398301303387e-03 - - -5.0810492038726807e-01 5.3020551800727844e-02 - <_> - - 0 -1 34 -5.2181649953126907e-03 - - -7.4403452873229980e-01 7.3957882821559906e-02 - <_> - - 0 -1 35 -1.4101220294833183e-02 - - -5.1200342178344727e-01 2.9416909441351891e-02 - <_> - - 0 -1 36 -2.3739310563541949e-05 - - 2.0708249509334564e-01 -2.1835790574550629e-01 - <_> - - 0 -1 37 6.6746207885444164e-03 - - 7.8219272196292877e-02 -5.8582967519760132e-01 - <_> - - 0 -1 38 -6.5912399441003799e-03 - - -6.5275472402572632e-01 5.5090259760618210e-02 - <_> - - 0 -1 39 2.6057091355323792e-01 - - 2.0925529301166534e-02 -6.4536881446838379e-01 - <_> - 32 - -1.5818140506744385e+00 - - <_> - - 0 -1 40 -8.9073367416858673e-02 - - 5.4986131191253662e-01 -5.0310492515563965e-01 - <_> - - 0 -1 41 -4.7085169702768326e-02 - - 3.8556599617004395e-01 -1.6194720566272736e-01 - <_> - - 0 -1 42 1.3444259762763977e-01 - - -3.1617870926856995e-01 5.6394141912460327e-01 - <_> - - 0 -1 43 4.2632790282368660e-03 - - -2.2349369525909424e-01 9.7776100039482117e-02 - <_> - - 0 -1 44 1.2148299813270569e-01 - - -1.3394290208816528e-01 5.3553748130798340e-01 - <_> - - 0 -1 45 -3.3225349616259336e-03 - - -6.8287009000778198e-01 8.3227276802062988e-02 - <_> - - 0 -1 46 -7.7031590044498444e-03 - - -6.8243968486785889e-01 1.0678689926862717e-01 - <_> - - 0 -1 47 -3.5309780389070511e-02 - - -6.5210008621215820e-01 9.8716266453266144e-02 - <_> - - 0 -1 48 -3.0447470024228096e-02 - - 2.4795380234718323e-01 -2.5818860530853271e-01 - <_> - - 0 -1 49 4.8874127678573132e-03 - - 8.0552853643894196e-02 -6.3403171300888062e-01 - <_> - - 0 -1 50 -1.4157949388027191e-01 - - 6.3742321729660034e-01 -9.2166163027286530e-02 - <_> - - 0 -1 51 1.4565919339656830e-01 - - -1.0329990088939667e-01 5.8382421731948853e-01 - <_> - - 0 -1 52 -1.1624179780483246e-02 - - -6.8889158964157104e-01 8.2864850759506226e-02 - <_> - - 0 -1 53 -2.1747549995779991e-02 - - -6.2138390541076660e-01 4.7698199748992920e-02 - <_> - - 0 -1 54 1.8483079969882965e-02 - - -2.0105470716953278e-01 2.6797088980674744e-01 - <_> - - 0 -1 55 3.6982730031013489e-02 - - -1.6930599510669708e-01 2.2727000713348389e-01 - <_> - - 0 -1 56 1.6890119761228561e-02 - - 7.7417492866516113e-02 -7.6188772916793823e-01 - <_> - - 0 -1 57 -2.3899060487747192e-01 - - 4.3991729617118835e-01 -1.3199730217456818e-01 - <_> - - 0 -1 58 -1.8494910001754761e-01 - - 7.3120379447937012e-01 -7.2184756398200989e-02 - <_> - - 0 -1 59 9.1745406389236450e-03 - - 4.9446281045675278e-02 -5.7036292552947998e-01 - <_> - - 0 -1 60 7.2624902240931988e-03 - - 5.9888068586587906e-02 -7.0289182662963867e-01 - <_> - - 0 -1 61 5.2557058632373810e-02 - - -9.8877280950546265e-02 1.7423820495605469e-01 - <_> - - 0 -1 62 -3.0039260163903236e-02 - - 4.9870780110359192e-01 -7.9483807086944580e-02 - <_> - - 0 -1 63 -1.0927859693765640e-02 - - -4.5372459292411804e-01 4.9035139381885529e-02 - <_> - - 0 -1 64 -8.5020083934068680e-03 - - -7.3869508504867554e-01 5.1413938403129578e-02 - <_> - - 0 -1 65 5.5216949433088303e-02 - - -1.2393470108509064e-01 3.2208061218261719e-01 - <_> - - 0 -1 66 -8.8366940617561340e-02 - - 4.8289158940315247e-01 -8.4041692316532135e-02 - <_> - - 0 -1 67 1.7165759578347206e-02 - - -1.3141620159149170e-01 2.6804590225219727e-01 - <_> - - 0 -1 68 9.0517058968544006e-02 - - -9.3023687601089478e-02 4.0674149990081787e-01 - <_> - - 0 -1 69 1.5297899954020977e-02 - - -1.1356069892644882e-01 9.7625277936458588e-02 - <_> - - 0 -1 70 -3.0629519373178482e-02 - - 4.2534521222114563e-01 -8.6539477109909058e-02 - <_> - - 0 -1 71 7.9888060688972473e-02 - - 9.2437528073787689e-02 -3.9891800284385681e-01 - <_> - 46 - -1.5400149822235107e+00 - - <_> - - 0 -1 72 6.1446119099855423e-02 - - -4.5049899816513062e-01 4.8542028665542603e-01 - <_> - - 0 -1 73 1.8957859277725220e-01 - - -6.7046932876110077e-02 4.1977021098136902e-01 - <_> - - 0 -1 74 1.7365670204162598e-01 - - -2.8913810849189758e-01 5.2919161319732666e-01 - <_> - - 0 -1 75 -1.6413420438766479e-02 - - 2.8622248768806458e-01 -1.7473380267620087e-01 - <_> - - 0 -1 76 -1.0728030465543270e-02 - - 3.1400930881500244e-01 -2.8309330344200134e-01 - <_> - - 0 -1 77 7.7994461171329021e-03 - - -2.8578609228134155e-01 2.2502979636192322e-01 - <_> - - 0 -1 78 1.1308079585433006e-02 - - 1.0458890348672867e-01 -7.4274301528930664e-01 - <_> - - 0 -1 79 1.0321979969739914e-01 - - -1.1678420007228851e-01 4.9274420738220215e-01 - <_> - - 0 -1 80 5.6132972240447998e-03 - - 8.9059703052043915e-02 -5.3440308570861816e-01 - <_> - - 0 -1 81 -6.0694269835948944e-02 - - 5.5840307474136353e-01 -2.2769929841160774e-02 - <_> - - 0 -1 82 6.2487940303981304e-03 - - 7.5867779552936554e-02 -5.8721762895584106e-01 - <_> - - 0 -1 83 -4.0023289620876312e-02 - - 1.4124380052089691e-01 -1.7217030748724937e-02 - <_> - - 0 -1 84 -4.1220769286155701e-02 - - 5.1341092586517334e-01 -8.5405632853507996e-02 - <_> - - 0 -1 85 -3.5766770597547293e-03 - - -6.0522651672363281e-01 4.0932849049568176e-02 - <_> - - 0 -1 86 -9.9679548293352127e-03 - - -6.0633981227874756e-01 6.7360512912273407e-02 - <_> - - 0 -1 87 -6.7802299745380878e-03 - - 2.7804800868034363e-01 -1.7987030744552612e-01 - <_> - - 0 -1 88 -2.0799320191144943e-02 - - 4.8167890310287476e-01 -1.2403880059719086e-01 - <_> - - 0 -1 89 1.3915869593620300e-01 - - -4.4727511703968048e-02 5.8631712198257446e-01 - <_> - - 0 -1 90 -5.3711780346930027e-03 - - 2.0390869677066803e-01 -2.3393230140209198e-01 - <_> - - 0 -1 91 1.6477100551128387e-02 - - 4.0445160120725632e-02 -6.2500530481338501e-01 - <_> - - 0 -1 92 1.1078979820013046e-02 - - 5.7671349495649338e-02 -5.4169511795043945e-01 - <_> - - 0 -1 93 1.6222869977355003e-02 - - -1.6634809970855713e-01 2.0724619925022125e-01 - <_> - - 0 -1 94 -7.1675870567560196e-03 - - -4.7880691289901733e-01 7.5772762298583984e-02 - <_> - - 0 -1 95 5.8906380087137222e-02 - - -8.6781859397888184e-02 3.9148110151290894e-01 - <_> - - 0 -1 96 9.3187667429447174e-02 - - 6.1930160969495773e-02 -5.7390558719635010e-01 - <_> - - 0 -1 97 -2.0346969831734896e-03 - - -1.3607080280780792e-01 4.5008528977632523e-02 - <_> - - 0 -1 98 5.2366578020155430e-03 - - -1.8271179497241974e-01 1.6897720098495483e-01 - <_> - - 0 -1 99 -1.0588670149445534e-02 - - -5.5421608686447144e-01 4.9204610288143158e-02 - <_> - - 0 -1 100 1.0035210289061069e-02 - - 4.0936209261417389e-02 -6.8710482120513916e-01 - <_> - - 0 -1 101 -3.4406900405883789e-02 - - 3.5165968537330627e-01 -4.2896948754787445e-02 - <_> - - 0 -1 102 7.4508260004222393e-03 - - 4.9808371812105179e-02 -6.1689341068267822e-01 - <_> - - 0 -1 103 8.2342803478240967e-02 - - 8.3641491830348969e-02 -8.1014506518840790e-02 - <_> - - 0 -1 104 -6.1770621687173843e-02 - - 3.2327979803085327e-01 -7.9227820038795471e-02 - <_> - - 0 -1 105 3.6459080874919891e-02 - - -1.5961149334907532e-01 1.2324509769678116e-01 - <_> - - 0 -1 106 4.7497428953647614e-02 - - -1.6593399643898010e-01 2.9666280746459961e-01 - <_> - - 0 -1 107 -9.6670873463153839e-03 - - -5.8818382024765015e-01 3.3668398857116699e-02 - <_> - - 0 -1 108 6.9817090407013893e-03 - - 5.8536108583211899e-02 -4.7672748565673828e-01 - <_> - - 0 -1 109 -1.0325170308351517e-01 - - 2.2064709663391113e-01 -1.2364889681339264e-01 - <_> - - 0 -1 110 6.9648057222366333e-02 - - -1.0253950208425522e-01 3.7149900197982788e-01 - <_> - - 0 -1 111 -5.8889530599117279e-02 - - 3.2488629221916199e-01 -9.6266001462936401e-02 - <_> - - 0 -1 112 -2.9939830303192139e-02 - - 1.7989009618759155e-01 -1.5311330556869507e-01 - <_> - - 0 -1 113 8.5012055933475494e-03 - - 4.2618699371814728e-02 -5.1194471120834351e-01 - <_> - - 0 -1 114 -5.8030229993164539e-03 - - -4.9628180265426636e-01 5.9898991137742996e-02 - <_> - - 0 -1 115 2.2724280133843422e-02 - - -9.5675282180309296e-02 2.3382890224456787e-01 - <_> - - 0 -1 116 -3.7230949848890305e-02 - - 3.2164341211318970e-01 -9.2149853706359863e-02 - <_> - - 0 -1 117 1.6675420105457306e-02 - - 6.1764750629663467e-02 -4.7197958827018738e-01 - <_> - 56 - -1.5587489604949951e+00 - - <_> - - 0 -1 118 5.6446779519319534e-02 - - -4.7918748855590820e-01 4.9137350916862488e-01 - <_> - - 0 -1 119 1.0642809793353081e-02 - - -1.4483550190925598e-01 3.1846639513969421e-01 - <_> - - 0 -1 120 5.9832781553268433e-02 - - -3.6746969819068909e-01 2.7132889628410339e-01 - <_> - - 0 -1 121 -1.2132249772548676e-02 - - 1.2309090048074722e-01 -8.9722618460655212e-02 - <_> - - 0 -1 122 3.1117030885070562e-03 - - -3.5122260451316833e-01 2.2136250138282776e-01 - <_> - - 0 -1 123 -3.9773698896169662e-02 - - 2.0415990054607391e-01 -4.3302271515130997e-02 - <_> - - 0 -1 124 -1.8394950777292252e-02 - - 1.9368380308151245e-01 -2.2873930633068085e-01 - <_> - - 0 -1 125 9.2628989368677139e-03 - - -2.2149570286273956e-01 2.0678040385246277e-01 - <_> - - 0 -1 126 9.8584238439798355e-03 - - 5.5731959640979767e-02 -6.4374917745590210e-01 - <_> - - 0 -1 127 -7.9286862164735794e-03 - - -6.2890440225601196e-01 5.2759759128093719e-02 - <_> - - 0 -1 128 6.5443426370620728e-02 - - -1.0315559804439545e-01 4.4659650325775146e-01 - <_> - - 0 -1 129 3.2274659723043442e-02 - - -1.7194040119647980e-01 3.6625158786773682e-01 - <_> - - 0 -1 130 4.8025429248809814e-02 - - 8.4739521145820618e-02 -5.1354151964187622e-01 - <_> - - 0 -1 131 -1.1461510322988033e-02 - - -6.5055489540100098e-01 5.5119000375270844e-02 - <_> - - 0 -1 132 3.4770029596984386e-03 - - -1.6373869776725769e-01 2.6408019661903381e-01 - <_> - - 0 -1 133 -4.1784349828958511e-02 - - -7.4961292743682861e-01 3.7305548787117004e-02 - <_> - - 0 -1 134 -3.1991851329803467e-01 - - 4.0143400430679321e-01 -1.0337690263986588e-01 - <_> - - 0 -1 135 -1.2783069908618927e-01 - - 2.7113029360771179e-01 -9.5342872664332390e-03 - <_> - - 0 -1 136 6.3939742743968964e-02 - - -1.3559409976005554e-01 3.1885480880737305e-01 - <_> - - 0 -1 137 1.4868929982185364e-01 - - -7.4743010103702545e-02 5.0650840997695923e-01 - <_> - - 0 -1 138 1.0867480188608170e-02 - - 6.7860342562198639e-02 -5.6486707925796509e-01 - <_> - - 0 -1 139 -1.1102750152349472e-01 - - 3.6937940120697021e-01 -1.0240530222654343e-01 - <_> - - 0 -1 140 5.5490661412477493e-02 - - -1.3388429582118988e-01 3.2509210705757141e-01 - <_> - - 0 -1 141 -1.2321200221776962e-01 - - -4.4768521189689636e-01 7.3690727353096008e-02 - <_> - - 0 -1 142 -2.0375039428472519e-02 - - -6.6259127855300903e-01 4.2243398725986481e-02 - <_> - - 0 -1 143 -3.0578291043639183e-03 - - 1.8292440474033356e-01 -1.2179119884967804e-01 - <_> - - 0 -1 144 -1.6195779666304588e-02 - - -6.3178831338882446e-01 4.0226891636848450e-02 - <_> - - 0 -1 145 5.0967220216989517e-02 - - -7.7404953539371490e-02 2.4355340003967285e-01 - <_> - - 0 -1 146 5.8094091713428497e-02 - - -1.2381289899349213e-01 2.5356009602546692e-01 - <_> - - 0 -1 147 -4.2313118465244770e-03 - - -5.3830701112747192e-01 2.3571109399199486e-02 - <_> - - 0 -1 148 -1.8701169639825821e-02 - - 3.7818440794944763e-01 -8.0060847103595734e-02 - <_> - - 0 -1 149 2.5685389991849661e-03 - - -1.6534459590911865e-01 1.6206049919128418e-01 - <_> - - 0 -1 150 1.9677819218486547e-03 - - -1.7564539611339569e-01 1.5307140350341797e-01 - <_> - - 0 -1 151 3.5487169027328491e-01 - - -1.3613759540021420e-02 3.6016708612442017e-01 - <_> - - 0 -1 152 2.6808801293373108e-01 - - -8.0943092703819275e-02 3.6912909150123596e-01 - <_> - - 0 -1 153 6.2880717217922211e-02 - - -9.1311313211917877e-02 3.2952618598937988e-01 - <_> - - 0 -1 154 2.4154469370841980e-02 - - -6.8631373345851898e-02 4.5747300982475281e-01 - <_> - - 0 -1 155 9.1738719493150711e-03 - - 5.4542269557714462e-02 -5.1373308897018433e-01 - <_> - - 0 -1 156 -1.3073369860649109e-02 - - -5.9702301025390625e-01 3.6591410636901855e-02 - <_> - - 0 -1 157 6.8077309988439083e-03 - - -3.5432789474725723e-02 2.5199410319328308e-01 - <_> - - 0 -1 158 4.5149110257625580e-02 - - 6.3889928162097931e-02 -3.8367250561714172e-01 - <_> - - 0 -1 159 9.9950553849339485e-03 - - 1.3209559954702854e-02 -4.5377358794212341e-01 - <_> - - 0 -1 160 7.9643689095973969e-03 - - 3.3718310296535492e-02 -6.5334022045135498e-01 - <_> - - 0 -1 161 3.5672768950462341e-01 - - 3.2221440225839615e-02 -5.8003139495849609e-01 - <_> - - 0 -1 162 -3.6269061267375946e-02 - - 2.4694380164146423e-01 -1.0495760291814804e-01 - <_> - - 0 -1 163 4.2786229401826859e-02 - - -7.0717707276344299e-02 3.6938878893852234e-01 - <_> - - 0 -1 164 -1.1904439888894558e-03 - - -3.8284510374069214e-01 6.1551358550786972e-02 - <_> - - 0 -1 165 1.0740149766206741e-01 - - -2.1972050890326500e-02 1.8137590587139130e-01 - <_> - - 0 -1 166 7.7441677451133728e-02 - - -2.0107130706310272e-01 1.1222709715366364e-01 - <_> - - 0 -1 167 7.1143552660942078e-02 - - -3.1009899452328682e-02 7.3064021766185760e-02 - <_> - - 0 -1 168 -5.7338759303092957e-02 - - 4.0864440798759460e-01 -6.1444051563739777e-02 - <_> - - 0 -1 169 -7.2106160223484039e-02 - - 3.3982399106025696e-01 -8.6813166737556458e-02 - <_> - - 0 -1 170 -5.8580391108989716e-02 - - -4.9610468745231628e-01 6.1556190252304077e-02 - <_> - - 0 -1 171 4.4991881586611271e-03 - - 3.9484139531850815e-02 -4.6022048592567444e-01 - <_> - - 0 -1 172 5.7972371578216553e-02 - - -1.1365810036659241e-01 1.8178419768810272e-01 - <_> - - 0 -1 173 4.1217011213302612e-01 - - 1.7291519790887833e-02 -8.0449968576431274e-01 - <_> - 84 - -1.5197360515594482e+00 - - <_> - - 0 -1 174 -4.9232240766286850e-02 - - 4.0377280116081238e-01 -4.2361000180244446e-01 - <_> - - 0 -1 175 2.7331050485372543e-02 - - -1.3277700543403625e-01 2.0733749866485596e-01 - <_> - - 0 -1 176 -4.5100759714841843e-02 - - 3.1615048646926880e-01 -4.2044240236282349e-01 - <_> - - 0 -1 177 -2.5283211469650269e-01 - - -5.7497388124465942e-01 6.4437933266162872e-02 - <_> - - 0 -1 178 -4.2795531451702118e-02 - - 1.2526020407676697e-01 -3.6320659518241882e-01 - <_> - - 0 -1 179 -1.0599119961261749e-01 - - -5.9337782859802246e-01 1.1679250001907349e-01 - <_> - - 0 -1 180 7.1173040196299553e-03 - - -2.0296379923820496e-01 2.1597969532012939e-01 - <_> - - 0 -1 181 -1.1543310247361660e-02 - - -5.6954711675643921e-01 6.9512702524662018e-02 - <_> - - 0 -1 182 2.5941779837012291e-02 - - 4.0675889700651169e-02 -5.9662687778472900e-01 - <_> - - 0 -1 183 -1.1117800325155258e-01 - - 3.9230749011039734e-01 -8.5263282060623169e-02 - <_> - - 0 -1 184 1.3980209827423096e-01 - - -2.0322300493717194e-01 2.5884169340133667e-01 - <_> - - 0 -1 185 2.2344760596752167e-02 - - -2.2175629436969757e-01 1.5351130068302155e-01 - <_> - - 0 -1 186 3.5640481859445572e-02 - - -1.1393369734287262e-01 2.9229050874710083e-01 - <_> - - 0 -1 187 8.0998390913009644e-03 - - 3.9572209119796753e-02 -6.6712599992752075e-01 - <_> - - 0 -1 188 5.3474139422178268e-02 - - -7.6794572174549103e-02 4.3219769001007080e-01 - <_> - - 0 -1 189 -1.3862100429832935e-02 - - 8.4603689610958099e-02 -1.6059190034866333e-01 - <_> - - 0 -1 190 -7.7099740505218506e-02 - - 5.4772442579269409e-01 -6.6370002925395966e-02 - <_> - - 0 -1 191 -1.2801369652152061e-02 - - -5.5477362871170044e-01 5.6784640997648239e-02 - <_> - - 0 -1 192 -1.0235139779979363e-04 - - 1.4509449899196625e-01 -1.9509540498256683e-01 - <_> - - 0 -1 193 7.0487200282514095e-03 - - 4.0054310113191605e-02 -4.4429570436477661e-01 - <_> - - 0 -1 194 -4.5558041892945766e-03 - - -4.3548169732093811e-01 6.0629911720752716e-02 - <_> - - 0 -1 195 1.9300010055303574e-02 - - -7.1191310882568359e-02 8.1069536507129669e-02 - <_> - - 0 -1 196 5.4058600217103958e-03 - - -1.4167229831218719e-01 1.9680340588092804e-01 - <_> - - 0 -1 197 -8.6945146322250366e-03 - - -1.3133870065212250e-01 2.0501429215073586e-02 - <_> - - 0 -1 198 9.7174253314733505e-03 - - -1.8720309436321259e-01 1.8761770427227020e-01 - <_> - - 0 -1 199 -1.1155830323696136e-01 - - 4.0864959359169006e-01 -6.9993183016777039e-02 - <_> - - 0 -1 200 9.7640797495841980e-02 - - -1.2449839711189270e-01 2.1617740392684937e-01 - <_> - - 0 -1 201 -1.5061390399932861e-01 - - -3.8674619793891907e-01 5.4316818714141846e-02 - <_> - - 0 -1 202 4.9472171813249588e-03 - - 4.3653231114149094e-02 -5.1559001207351685e-01 - <_> - - 0 -1 203 -2.0495539531111717e-02 - - -5.4416948556900024e-01 7.6605947688221931e-03 - <_> - - 0 -1 204 -2.7278669178485870e-02 - - 4.2674958705902100e-01 -5.6518279016017914e-02 - <_> - - 0 -1 205 1.3524649664759636e-02 - - -5.0716150552034378e-02 1.8381009995937347e-01 - <_> - - 0 -1 206 -9.4986647367477417e-02 - - -4.2324599623680115e-01 5.2298299968242645e-02 - <_> - - 0 -1 207 1.1051560193300247e-01 - - 3.5527960862964392e-03 -4.1661360859870911e-01 - <_> - - 0 -1 208 -1.3192519545555115e-01 - - -6.2827968597412109e-01 3.9149269461631775e-02 - <_> - - 0 -1 209 1.9424719735980034e-02 - - 6.5935368184000254e-04 -5.7528150081634521e-01 - <_> - - 0 -1 210 1.4707759954035282e-02 - - 3.9024401456117630e-02 -5.6517869234085083e-01 - <_> - - 0 -1 211 2.9291698592714965e-04 - - -1.2926730513572693e-01 1.2589070200920105e-01 - <_> - - 0 -1 212 2.1614220459014177e-03 - - -1.3799719512462616e-01 1.6510820388793945e-01 - <_> - - 0 -1 213 -4.8753958940505981e-01 - - 4.3802809715270996e-01 -6.0623701661825180e-02 - <_> - - 0 -1 214 5.0596840679645538e-02 - - -4.3501000851392746e-02 5.1223617792129517e-01 - <_> - - 0 -1 215 1.9822390377521515e-01 - - 1.6843929886817932e-02 -4.5089399814605713e-01 - <_> - - 0 -1 216 -5.2561469376087189e-02 - - 6.1911600828170776e-01 -3.3245678991079330e-02 - <_> - - 0 -1 217 3.9434649050235748e-02 - - -1.3324570655822754e-01 1.5556560456752777e-01 - <_> - - 0 -1 218 -8.2802558317780495e-03 - - -4.6491861343383789e-01 4.6377800405025482e-02 - <_> - - 0 -1 219 1.8781690299510956e-01 - - -7.3843918740749359e-02 2.0355209708213806e-01 - <_> - - 0 -1 220 5.9288300573825836e-02 - - -1.0040319710969925e-01 2.9306849837303162e-01 - <_> - - 0 -1 221 4.8330631107091904e-03 - - -1.2360379844903946e-01 1.8227760493755341e-01 - <_> - - 0 -1 222 1.3462300412356853e-02 - - -8.6501419544219971e-02 2.5453040003776550e-01 - <_> - - 0 -1 223 1.1278780177235603e-02 - - 3.5953551530838013e-02 -3.6370408535003662e-01 - <_> - - 0 -1 224 1.1120849847793579e-01 - - 4.1156098246574402e-02 -4.9355891346931458e-01 - <_> - - 0 -1 225 5.8954879641532898e-03 - - 8.6054708808660507e-03 -5.7748162746429443e-01 - <_> - - 0 -1 226 7.0609137765131891e-05 - - -1.9438520073890686e-01 1.0896600037813187e-01 - <_> - - 0 -1 227 1.1162689886987209e-02 - - -1.0524000227451324e-01 1.7699919641017914e-01 - <_> - - 0 -1 228 1.4758500270545483e-02 - - 3.3827111124992371e-02 -5.7838040590286255e-01 - <_> - - 0 -1 229 6.5100449137389660e-03 - - 1.2222490273416042e-02 -6.8323171138763428e-01 - <_> - - 0 -1 230 1.3240260072052479e-02 - - 3.1728319823741913e-02 -4.9623319506645203e-01 - <_> - - 0 -1 231 -2.1011430025100708e-01 - - -4.9222511053085327e-01 5.4596872068941593e-03 - <_> - - 0 -1 232 2.4140250682830811e-01 - - 3.1461920589208603e-02 -5.6909531354904175e-01 - <_> - - 0 -1 233 3.8006789982318878e-03 - - -6.5067090094089508e-02 3.7642251700162888e-02 - <_> - - 0 -1 234 1.2624409794807434e-01 - - 3.9377398788928986e-02 -4.5900979638099670e-01 - <_> - - 0 -1 235 1.3010799884796143e-02 - - -5.7910811156034470e-02 2.9622611403465271e-01 - <_> - - 0 -1 236 7.1800998412072659e-03 - - 3.4249510616064072e-02 -5.6361818313598633e-01 - <_> - - 0 -1 237 2.4246750399470329e-02 - - -1.0864839702844620e-01 1.0131549835205078e-01 - <_> - - 0 -1 238 -1.6966859996318817e-01 - - -3.4119209647178650e-01 4.9988009035587311e-02 - <_> - - 0 -1 239 -2.0461060106754303e-02 - - -2.0795580744743347e-01 3.4589329734444618e-03 - <_> - - 0 -1 240 -2.1308129653334618e-02 - - 5.0270938873291016e-01 -4.0076468139886856e-02 - <_> - - 0 -1 241 -1.0930839926004410e-02 - - 1.5635550022125244e-01 -7.5159102678298950e-02 - <_> - - 0 -1 242 9.9652167409658432e-03 - - 3.6286398768424988e-02 -5.0529891252517700e-01 - <_> - - 0 -1 243 -3.3498809207230806e-03 - - -2.7242329716682434e-01 2.7380689978599548e-02 - <_> - - 0 -1 244 5.9739351272583008e-02 - - 2.6872010901570320e-02 -6.3886368274688721e-01 - <_> - - 0 -1 245 1.2781299650669098e-01 - - 1.4498339733108878e-03 -3.8336989283561707e-01 - <_> - - 0 -1 246 2.9313340783119202e-03 - - -1.3099479675292969e-01 1.2987799942493439e-01 - <_> - - 0 -1 247 6.1392742209136486e-03 - - 1.0834789834916592e-02 -3.1701850891113281e-01 - <_> - - 0 -1 248 -8.1134513020515442e-02 - - -3.5706749558448792e-01 4.9477528780698776e-02 - <_> - - 0 -1 249 -6.0443039983510971e-02 - - 4.0889498591423035e-01 -2.2163810208439827e-02 - <_> - - 0 -1 250 5.9390361420810223e-03 - - -1.0460360348224640e-01 1.9445130228996277e-01 - <_> - - 0 -1 251 7.8998396929819137e-05 - - -4.7956719994544983e-02 5.7118128985166550e-02 - <_> - - 0 -1 252 -1.8057189881801605e-03 - - -2.9241380095481873e-01 5.8119218796491623e-02 - <_> - - 0 -1 253 6.7375837825238705e-03 - - -8.8656462728977203e-02 4.4145271182060242e-02 - <_> - - 0 -1 254 5.5221098591573536e-05 - - -1.2490449845790863e-01 1.2661279737949371e-01 - <_> - - 0 -1 255 2.4163089692592621e-02 - - -1.3393550179898739e-02 3.4677559137344360e-01 - <_> - - 0 -1 256 1.2786190025508404e-02 - - -5.6848809123039246e-02 2.7275329828262329e-01 - <_> - - 0 -1 257 -1.3572210446000099e-03 - - 6.5408997237682343e-02 -1.4144480228424072e-01 - <_> - 99 - -1.5084979534149170e+00 - - <_> - - 0 -1 258 1.2013850361108780e-01 - - -3.6573138833045959e-01 3.6293190717697144e-01 - <_> - - 0 -1 259 -1.4620110392570496e-01 - - 3.9655679464340210e-01 -1.9461369514465332e-01 - <_> - - 0 -1 260 1.2343060225248337e-02 - - -2.4749830365180969e-01 2.2562310099601746e-01 - <_> - - 0 -1 261 3.2748850062489510e-03 - - 7.2104498744010925e-02 -3.8964301347732544e-01 - <_> - - 0 -1 262 2.4311800301074982e-01 - - 9.4664301723241806e-03 1.0626879882812500e+03 - <_> - - 0 -1 263 3.9923518896102905e-02 - - -1.2903560698032379e-01 1.9358199834823608e-01 - <_> - - 0 -1 264 -7.0425998419523239e-03 - - 1.5446980297565460e-01 -2.6546320319175720e-01 - <_> - - 0 -1 265 6.5724221058189869e-03 - - 7.3708683252334595e-02 -5.8167362213134766e-01 - <_> - - 0 -1 266 -2.3335739970207214e-02 - - -4.2724540829658508e-01 8.8655106723308563e-02 - <_> - - 0 -1 267 -2.6215979829430580e-02 - - 3.5602480173110962e-01 -1.0141780227422714e-01 - <_> - - 0 -1 268 1.1400490067899227e-02 - - -1.1014410108327866e-01 3.6441218852996826e-01 - <_> - - 0 -1 269 1.4520609751343727e-02 - - 2.1424520760774612e-02 -4.9028620123863220e-01 - <_> - - 0 -1 270 -8.5834655910730362e-03 - - -6.5257197618484497e-01 5.4663181304931641e-02 - <_> - - 0 -1 271 -1.3745459914207458e-01 - - -5.0492751598358154e-01 5.2730988711118698e-02 - <_> - - 0 -1 272 -1.2615700252354145e-02 - - -6.2455308437347412e-01 3.1615808606147766e-02 - <_> - - 0 -1 273 -2.3604110538144596e-05 - - 9.8741486668586731e-02 -9.4690948724746704e-02 - <_> - - 0 -1 274 -5.8249959693057463e-05 - - 1.4451199769973755e-01 -1.6137890517711639e-01 - <_> - - 0 -1 275 -1.9951239228248596e-02 - - -3.7731361389160156e-01 2.4471480399370193e-02 - <_> - - 0 -1 276 -5.4968569427728653e-02 - - -4.4058069586753845e-01 5.3490400314331055e-02 - <_> - - 0 -1 277 -1.6939230263233185e-02 - - -6.6650348901748657e-01 3.1559631228446960e-02 - <_> - - 0 -1 278 1.1090139858424664e-02 - - 3.1197320669889450e-02 -5.4754877090454102e-01 - <_> - - 0 -1 279 2.8986210003495216e-02 - - -1.2510849535465240e-01 9.1882318258285522e-02 - <_> - - 0 -1 280 -1.0453460365533829e-01 - - 4.3575459718704224e-01 -6.0676250606775284e-02 - <_> - - 0 -1 281 -4.6273069456219673e-03 - - 9.7388513386249542e-02 -9.1208413243293762e-02 - <_> - - 0 -1 282 5.1698398590087891e-01 - - -6.0991138219833374e-02 4.8797199130058289e-01 - <_> - - 0 -1 283 -6.6743656992912292e-02 - - 3.7274169921875000e-01 -6.3504636287689209e-02 - <_> - - 0 -1 284 1.5470350161194801e-02 - - 6.1050411313772202e-02 -4.8717978596687317e-01 - <_> - - 0 -1 285 -3.5926289856433868e-03 - - 1.4211909472942352e-01 -1.5088430047035217e-01 - <_> - - 0 -1 286 -2.0565569400787354e-01 - - -4.7814959287643433e-01 4.3618928641080856e-02 - <_> - - 0 -1 287 2.9654990881681442e-02 - - -3.5474069416522980e-02 1.8964229524135590e-01 - <_> - - 0 -1 288 1.3284200429916382e-01 - - 5.5517818778753281e-02 -3.9714470505714417e-01 - <_> - - 0 -1 289 3.3759230282157660e-03 - - 4.1567429900169373e-02 -3.6205479502677917e-01 - <_> - - 0 -1 290 5.4163701133802533e-04 - - -1.8664340674877167e-01 1.0409829765558243e-01 - <_> - - 0 -1 291 -5.2731011062860489e-02 - - 2.7602180838584900e-01 -2.7059659361839294e-02 - <_> - - 0 -1 292 -6.2107551842927933e-02 - - 3.1340470910072327e-01 -6.9655612111091614e-02 - <_> - - 0 -1 293 -1.3962079770863056e-02 - - 4.1585158556699753e-02 -1.0574489831924438e-01 - <_> - - 0 -1 294 5.9113580733537674e-02 - - -1.1327149718999863e-01 2.1400369703769684e-01 - <_> - - 0 -1 295 -3.2472780346870422e-01 - - -2.1028089523315430e-01 1.4781720004975796e-02 - <_> - - 0 -1 296 -9.5277121290564537e-03 - - 1.0578139871358871e-01 -2.1662670373916626e-01 - <_> - - 0 -1 297 -5.5769551545381546e-02 - - 2.7192020416259766e-01 -2.1369809284806252e-02 - <_> - - 0 -1 298 1.3918150216341019e-02 - - -8.8893227279186249e-02 2.5558671355247498e-01 - <_> - - 0 -1 299 2.3373179137706757e-03 - - -1.1573249846696854e-01 1.5424209833145142e-01 - <_> - - 0 -1 300 7.1918689645826817e-03 - - 4.1037619113922119e-02 -5.0523638725280762e-01 - <_> - - 0 -1 301 8.5471794009208679e-03 - - 1.4381350018084049e-02 -2.3163309693336487e-01 - <_> - - 0 -1 302 -3.2956521026790142e-03 - - -2.8280371427536011e-01 6.1899840831756592e-02 - <_> - - 0 -1 303 -2.2070689126849174e-02 - - 1.4894370734691620e-01 -9.4912350177764893e-02 - <_> - - 0 -1 304 1.6646440327167511e-01 - - -5.9046350419521332e-02 4.5291060209274292e-01 - <_> - - 0 -1 305 7.9817809164524078e-03 - - -7.0236042141914368e-02 1.2004370242357254e-01 - <_> - - 0 -1 306 7.7218217775225639e-03 - - 4.7613430768251419e-02 -4.1645199060440063e-01 - <_> - - 0 -1 307 2.8179560104035772e-05 - - -1.1355110257863998e-01 9.9581547081470490e-02 - <_> - - 0 -1 308 1.1535449884831905e-02 - - 4.7971371561288834e-02 -4.7012269496917725e-01 - <_> - - 0 -1 309 -4.1789751499891281e-02 - - 1.8016649782657623e-01 -9.2361323535442352e-02 - <_> - - 0 -1 310 7.5845858082175255e-03 - - -1.1702799797058105e-01 1.5177269279956818e-01 - <_> - - 0 -1 311 1.1714509688317776e-02 - - -3.9957709610462189e-02 5.6379120796918869e-02 - <_> - - 0 -1 312 8.0904200673103333e-02 - - -5.8665640652179718e-02 3.2547131180763245e-01 - <_> - - 0 -1 313 1.1185820214450359e-02 - - -1.5692700445652008e-01 1.0740319639444351e-01 - <_> - - 0 -1 314 2.0746290683746338e-02 - - -7.2714947164058685e-02 2.9882580041885376e-01 - <_> - - 0 -1 315 7.1547999978065491e-03 - - 5.0220601260662079e-02 -3.8929650187492371e-01 - <_> - - 0 -1 316 -4.7662649303674698e-03 - - 1.0623099654912949e-01 -1.6408999264240265e-01 - <_> - - 0 -1 317 1.3244680128991604e-02 - - -3.4063499420881271e-02 3.1890881061553955e-01 - <_> - - 0 -1 318 2.0384900271892548e-03 - - 3.9936680346727371e-02 -4.6564960479736328e-01 - <_> - - 0 -1 319 2.2383779287338257e-02 - - 1.9574180245399475e-02 -3.1799200177192688e-01 - <_> - - 0 -1 320 -6.0196588747203350e-03 - - -4.0058508515357971e-01 4.1111808270215988e-02 - <_> - - 0 -1 321 1.3340399600565434e-02 - - 7.2229830548167229e-03 -3.5855838656425476e-01 - <_> - - 0 -1 322 1.6548049449920654e-01 - - 3.6020029336214066e-02 -4.4204410910606384e-01 - <_> - - 0 -1 323 -1.7267789691686630e-02 - - 9.5772877335548401e-02 -3.0379680916666985e-02 - <_> - - 0 -1 324 3.7873580586165190e-03 - - -1.3409850001335144e-01 1.2926609814167023e-01 - <_> - - 0 -1 325 5.5727548897266388e-03 - - -6.6907882690429688e-02 1.7382170259952545e-01 - <_> - - 0 -1 326 8.5729602724313736e-03 - - 3.0721880495548248e-02 -5.8534258604049683e-01 - <_> - - 0 -1 327 -2.6385819539427757e-02 - - 1.7780029773712158e-01 -3.9368398487567902e-02 - <_> - - 0 -1 328 1.1899930424988270e-02 - - -5.7148940861225128e-02 3.0101099610328674e-01 - <_> - - 0 -1 329 6.8353079259395599e-02 - - 2.9185149818658829e-02 -1.5513670444488525e-01 - <_> - - 0 -1 330 1.0824030265212059e-02 - - -1.3470290601253510e-01 1.3852770626544952e-01 - <_> - - 0 -1 331 8.8032193481922150e-02 - - -3.6536350846290588e-02 2.3603020608425140e-01 - <_> - - 0 -1 332 -2.5776170194149017e-02 - - 1.8358540534973145e-01 -1.3343839347362518e-01 - <_> - - 0 -1 333 8.2010023295879364e-02 - - 1.1817749589681625e-02 -3.1878089904785156e-01 - <_> - - 0 -1 334 -2.0370729267597198e-02 - - 2.5035229325294495e-01 -7.0230402052402496e-02 - <_> - - 0 -1 335 7.8417092561721802e-02 - - 2.5404049083590508e-02 -2.1633470058441162e-01 - <_> - - 0 -1 336 5.4000681266188622e-03 - - 3.9877630770206451e-02 -3.8197609782218933e-01 - <_> - - 0 -1 337 1.1655789799988270e-02 - - 8.5724918171763420e-03 -4.6817851066589355e-01 - <_> - - 0 -1 338 6.1775790527462959e-05 - - -1.7354169487953186e-01 9.0420998632907867e-02 - <_> - - 0 -1 339 -1.8026469275355339e-02 - - -7.9275929927825928e-01 9.2333797365427017e-03 - <_> - - 0 -1 340 2.1709210705012083e-03 - - -8.4628887474536896e-02 1.6544300317764282e-01 - <_> - - 0 -1 341 -8.2279697060585022e-02 - - 2.1551139652729034e-01 -9.1900646686553955e-02 - <_> - - 0 -1 342 1.0293359868228436e-02 - - 2.3490300402045250e-02 -6.7681080102920532e-01 - <_> - - 0 -1 343 -2.1881979703903198e-01 - - 5.0478667020797729e-01 -3.1892780214548111e-02 - <_> - - 0 -1 344 -2.2118939086794853e-02 - - -6.3159322738647461e-01 2.5988319888710976e-02 - <_> - - 0 -1 345 2.2942360490560532e-02 - - -4.0672279894351959e-02 3.5672950744628906e-01 - <_> - - 0 -1 346 -5.6763160973787308e-02 - - 3.5523039102554321e-01 -3.8303978741168976e-02 - <_> - - 0 -1 347 -7.5660292059183121e-03 - - -3.7110349535942078e-01 1.9238779321312904e-02 - <_> - - 0 -1 348 1.2348339706659317e-01 - - 2.1532310172915459e-02 -6.3291150331497192e-01 - <_> - - 0 -1 349 2.7259990019956604e-05 - - -1.2036570161581039e-01 1.0520099848508835e-01 - <_> - - 0 -1 350 8.5555076599121094e-02 - - 3.4211669117212296e-02 -4.8727419972419739e-01 - <_> - - 0 -1 351 -1.4981040358543396e-01 - - 4.2568850517272949e-01 -4.0688131004571915e-02 - <_> - - 0 -1 352 2.4900440126657486e-02 - - -4.6901259571313858e-02 2.8062260150909424e-01 - <_> - - 0 -1 353 7.8607350587844849e-03 - - 5.2375709637999535e-03 -9.7636777162551880e-01 - <_> - - 0 -1 354 7.3002476710826159e-05 - - -1.6680990159511566e-01 1.0618969798088074e-01 - <_> - - 0 -1 355 1.7788860201835632e-01 - - -1.6729630529880524e-02 1.7790630459785461e-01 - <_> - - 0 -1 356 1.2957760132849216e-02 - - 3.2777778804302216e-02 -4.4296708703041077e-01 - <_> - 107 - -1.4449690580368042e+00 - - <_> - - 0 -1 357 -6.7150183022022247e-02 - - 3.9577248692512512e-01 -3.1510940194129944e-01 - <_> - - 0 -1 358 4.8962850123643875e-02 - - -2.6961261034011841e-01 1.6869769990444183e-01 - <_> - - 0 -1 359 2.7194418944418430e-03 - - -3.5195991396903992e-01 2.2836600244045258e-01 - <_> - - 0 -1 360 -5.1611121743917465e-03 - - 2.4076780676841736e-01 -2.2074960172176361e-01 - <_> - - 0 -1 361 2.3630170524120331e-01 - - -1.6534950584173203e-02 -7.9190631103515625e+02 - <_> - - 0 -1 362 -1.9205499440431595e-02 - - 3.6792600154876709e-01 -5.1191650331020355e-02 - <_> - - 0 -1 363 3.8221171125769615e-03 - - -1.4513429999351501e-01 3.2845288515090942e-01 - <_> - - 0 -1 364 -1.1440079659223557e-02 - - -3.5804128646850586e-01 1.1914189904928207e-01 - <_> - - 0 -1 365 8.8761039078235626e-03 - - -2.1450379490852356e-01 1.7957879602909088e-01 - <_> - - 0 -1 366 8.4572024643421173e-03 - - -6.9746732711791992e-02 1.6367790102958679e-01 - <_> - - 0 -1 367 -1.2689580023288727e-01 - - 2.4832360446453094e-01 -1.2166699767112732e-01 - <_> - - 0 -1 368 4.6295030042529106e-03 - - -5.6057151407003403e-02 3.5743680596351624e-01 - <_> - - 0 -1 369 -7.5959236710332334e-05 - - 1.4901199936866760e-01 -1.8527039885520935e-01 - <_> - - 0 -1 370 1.3179309666156769e-01 - - 3.1471058726310730e-02 -6.5023940801620483e-01 - <_> - - 0 -1 371 1.3506829738616943e-02 - - 4.9855500459671021e-02 -5.2044898271560669e-01 - <_> - - 0 -1 372 -1.3922819495201111e-01 - - -4.2741641402244568e-01 2.2189699113368988e-02 - <_> - - 0 -1 373 6.0221530497074127e-02 - - 5.5732671171426773e-02 -4.3182530999183655e-01 - <_> - - 0 -1 374 -1.3498260080814362e-01 - - -7.1942609548568726e-01 6.5442471532151103e-04 - <_> - - 0 -1 375 -3.9722030051052570e-03 - - 1.1103550344705582e-01 -2.0654919743537903e-01 - <_> - - 0 -1 376 -2.1884329617023468e-02 - - -2.5028410553932190e-01 4.5227419584989548e-02 - <_> - - 0 -1 377 5.6294221431016922e-02 - - 3.7377629429101944e-02 -6.2178802490234375e-01 - <_> - - 0 -1 378 -4.1612509638071060e-02 - - -5.8709871768951416e-01 3.2716508954763412e-02 - <_> - - 0 -1 379 7.3085748590528965e-03 - - -1.3444009423255920e-01 1.8418920040130615e-01 - <_> - - 0 -1 380 -3.9157591760158539e-02 - - -7.2376221418380737e-02 3.7419971078634262e-02 - <_> - - 0 -1 381 8.2146301865577698e-03 - - -2.0513060688972473e-01 1.1532980203628540e-01 - <_> - - 0 -1 382 -3.4585020039230585e-03 - - 5.0050161778926849e-02 -5.7895500212907791e-02 - <_> - - 0 -1 383 4.0681189857423306e-03 - - -9.4465941190719604e-02 2.9207259416580200e-01 - <_> - - 0 -1 384 -5.4911449551582336e-02 - - -3.5309541225433350e-01 7.0034377276897430e-02 - <_> - - 0 -1 385 6.9372743368148804e-02 - - 2.2225400432944298e-02 -7.1920287609100342e-01 - <_> - - 0 -1 386 7.9585537314414978e-02 - - -3.8074009120464325e-02 3.0334910750389099e-01 - <_> - - 0 -1 387 5.4406329989433289e-02 - - 4.4882718473672867e-02 -4.4952940940856934e-01 - <_> - - 0 -1 388 2.6906138658523560e-01 - - -3.6008980125188828e-02 5.3076601028442383e-01 - <_> - - 0 -1 389 4.1156299412250519e-03 - - -1.0036530345678329e-01 1.8043400347232819e-01 - <_> - - 0 -1 390 -1.4385980367660522e-01 - - -6.2012898921966553e-01 1.1513910256326199e-02 - <_> - - 0 -1 391 1.4403319917619228e-02 - - -7.6877258718013763e-02 2.6086720824241638e-01 - <_> - - 0 -1 392 3.9774607867002487e-03 - - 4.2533420026302338e-02 -4.6169069409370422e-01 - <_> - - 0 -1 393 -4.6856269240379333e-02 - - 4.8750248551368713e-01 -4.3399021029472351e-02 - <_> - - 0 -1 394 -5.2139908075332642e-03 - - 1.1039640009403229e-01 -1.8073910474777222e-01 - <_> - - 0 -1 395 -6.7679318599402905e-03 - - -5.2303707599639893e-01 3.0777219682931900e-02 - <_> - - 0 -1 396 -7.1862619370222092e-03 - - 1.8328289687633514e-01 -5.6999340653419495e-02 - <_> - - 0 -1 397 -9.6733449026942253e-04 - - 1.5355390310287476e-01 -1.0831949859857559e-01 - <_> - - 0 -1 398 2.9203139245510101e-02 - - -3.7776630371809006e-02 1.0933200269937515e-01 - <_> - - 0 -1 399 9.8407091572880745e-03 - - -1.0926169902086258e-01 1.6795679926872253e-01 - <_> - - 0 -1 400 4.4505208730697632e-01 - - 2.6825889945030212e-02 -7.8063780069351196e-01 - <_> - - 0 -1 401 -6.1639058403670788e-03 - - -4.9384048581123352e-01 3.1130479648709297e-02 - <_> - - 0 -1 402 -4.9183439463376999e-02 - - -3.2318601012229919e-01 4.6904429793357849e-02 - <_> - - 0 -1 403 2.6128649551537819e-05 - - -1.0635109990835190e-01 1.5446029603481293e-01 - <_> - - 0 -1 404 -3.6831300705671310e-02 - - 2.8206101059913635e-01 -1.2601600028574467e-02 - <_> - - 0 -1 405 -7.1884751319885254e-02 - - 2.3140460252761841e-01 -7.3330886662006378e-02 - <_> - - 0 -1 406 5.7498589158058167e-02 - - -9.6435636281967163e-02 2.0507499575614929e-01 - <_> - - 0 -1 407 3.9720349013805389e-03 - - 3.6001030355691910e-02 -5.4572492837905884e-01 - <_> - - 0 -1 408 2.6467780116945505e-03 - - -4.4131889939308167e-02 7.5650222599506378e-02 - <_> - - 0 -1 409 -8.8836792856454849e-03 - - -4.6108219027519226e-01 3.2768789678812027e-02 - <_> - - 0 -1 410 -1.2856270186603069e-02 - - 7.2195157408714294e-02 -2.9732180759310722e-02 - <_> - - 0 -1 411 1.2072769924998283e-02 - - -5.0588879734277725e-02 2.9055860638618469e-01 - <_> - - 0 -1 412 1.8108480435330421e-04 - - -7.1461439132690430e-02 7.9823851585388184e-02 - <_> - - 0 -1 413 1.6076380386948586e-02 - - 4.7663111239671707e-02 -3.2759100198745728e-01 - <_> - - 0 -1 414 -9.5250606536865234e-03 - - -1.8988420069217682e-01 7.0858187973499298e-03 - <_> - - 0 -1 415 -6.2362798489630222e-03 - - -4.2836889624595642e-01 3.3970601856708527e-02 - <_> - - 0 -1 416 2.4684870368218981e-05 - - -8.0308698117733002e-02 1.1084640026092529e-01 - <_> - - 0 -1 417 -1.1949270265176892e-03 - - 2.2565570473670959e-01 -6.2634393572807312e-02 - <_> - - 0 -1 418 7.5406976975500584e-05 - - -1.2379209697246552e-01 8.9499987661838531e-02 - <_> - - 0 -1 419 -1.5506739728152752e-02 - - 3.1002271175384521e-01 -6.5474428236484528e-02 - <_> - - 0 -1 420 5.1327929832041264e-03 - - 2.0446259528398514e-02 -4.9159330129623413e-01 - <_> - - 0 -1 421 4.8783698730403557e-05 - - -1.7229010164737701e-01 1.0885129868984222e-01 - <_> - - 0 -1 422 6.1788759194314480e-03 - - 1.9519099965691566e-02 -3.1397709250450134e-01 - <_> - - 0 -1 423 1.7130610346794128e-01 - - 1.7246689647436142e-02 -7.7260631322860718e-01 - <_> - - 0 -1 424 -4.2986709624528885e-02 - - 1.5775360167026520e-01 -4.8268649727106094e-02 - <_> - - 0 -1 425 -5.2703949622809887e-03 - - -4.6245059370994568e-01 3.9202030748128891e-02 - <_> - - 0 -1 426 2.0323780179023743e-01 - - 3.5771671682596207e-02 -3.9400190114974976e-01 - <_> - - 0 -1 427 1.8217949196696281e-02 - - -4.0734618902206421e-02 3.7419110536575317e-01 - <_> - - 0 -1 428 -1.0606779687805101e-04 - - 1.0123260319232941e-01 -9.1124363243579865e-02 - <_> - - 0 -1 429 3.8906659465283155e-03 - - -1.5201710164546967e-01 9.3479022383689880e-02 - <_> - - 0 -1 430 1.2537229806184769e-02 - - -6.0158051550388336e-02 2.5583261251449585e-01 - <_> - - 0 -1 431 -9.9574513733386993e-03 - - 1.3798029720783234e-01 -1.2496340274810791e-01 - <_> - - 0 -1 432 3.6789269652217627e-03 - - 4.2771819978952408e-02 -3.0630341172218323e-01 - <_> - - 0 -1 433 3.7803261075168848e-03 - - 3.2370451837778091e-02 -4.1383808851242065e-01 - <_> - - 0 -1 434 6.8372930400073528e-05 - - -6.4546667039394379e-02 7.9466506838798523e-02 - <_> - - 0 -1 435 -6.3996631070040166e-05 - - 1.3556569814682007e-01 -1.1014910042285919e-01 - <_> - - 0 -1 436 -8.3484519564080983e-05 - - 1.2857739627361298e-01 -9.3731433153152466e-02 - <_> - - 0 -1 437 -1.0072399862110615e-02 - - -3.8280281424522400e-01 3.4546609967947006e-02 - <_> - - 0 -1 438 -1.0316800326108932e-02 - - 1.2971499562263489e-01 -1.0244529694318771e-01 - <_> - - 0 -1 439 1.0713770054280758e-02 - - -7.0452913641929626e-02 2.3588269948959351e-01 - <_> - - 0 -1 440 2.6279760524630547e-02 - - -1.2427800148725510e-01 8.1192903220653534e-02 - <_> - - 0 -1 441 5.5222269147634506e-03 - - 6.1467431485652924e-02 -2.6426988840103149e-01 - <_> - - 0 -1 442 7.4345488101243973e-03 - - -8.8471248745918274e-02 1.4741429686546326e-01 - <_> - - 0 -1 443 -5.8172550052404404e-03 - - -3.1304401159286499e-01 4.3700240552425385e-02 - <_> - - 0 -1 444 -3.6513719707727432e-02 - - 3.2511061429977417e-01 -3.3389080315828323e-02 - <_> - - 0 -1 445 -4.6333879232406616e-02 - - 5.0428932905197144e-01 -2.5547180324792862e-02 - <_> - - 0 -1 446 1.5593919670209289e-04 - - -5.6827340275049210e-02 7.7660933136940002e-02 - <_> - - 0 -1 447 8.2058515399694443e-03 - - 3.2184999436140060e-02 -4.2038908600807190e-01 - <_> - - 0 -1 448 -4.4285461306571960e-02 - - -3.8966551423072815e-01 1.1912340298295021e-02 - <_> - - 0 -1 449 2.5834020227193832e-02 - - 4.1731890290975571e-02 -3.3182808756828308e-01 - <_> - - 0 -1 450 3.0991230159997940e-02 - - 1.7353070899844170e-02 -6.6546082496643066e-01 - <_> - - 0 -1 451 1.1223349720239639e-02 - - -6.4317956566810608e-02 2.1755810081958771e-01 - <_> - - 0 -1 452 -1.0795110138133168e-03 - - 6.0490209609270096e-02 -1.2580770254135132e-01 - <_> - - 0 -1 453 1.5915779769420624e-01 - - 3.2363180071115494e-02 -4.0798279643058777e-01 - <_> - - 0 -1 454 2.5649809686001390e-05 - - -7.4427329003810883e-02 8.9588217437267303e-02 - <_> - - 0 -1 455 2.3739310563541949e-05 - - -9.3008317053318024e-02 1.3343870639801025e-01 - <_> - - 0 -1 456 1.4618090353906155e-02 - - 1.9154099747538567e-02 -6.4152318239212036e-01 - <_> - - 0 -1 457 2.3532200604677200e-02 - - -6.0358211398124695e-02 2.1782620251178741e-01 - <_> - - 0 -1 458 1.5804159920662642e-03 - - -1.0721720010042191e-01 9.3893371522426605e-02 - <_> - - 0 -1 459 1.0986100137233734e-01 - - 6.0271378606557846e-02 -2.3471720516681671e-01 - <_> - - 0 -1 460 -9.9525712430477142e-03 - - -5.9630388021469116e-01 2.2674830630421638e-02 - <_> - - 0 -1 461 -2.7224500663578510e-03 - - -3.4362030029296875e-01 3.1717851758003235e-02 - <_> - - 0 -1 462 -3.2594770193099976e-02 - - 2.0315499603748322e-01 -7.1107327938079834e-02 - <_> - - 0 -1 463 3.1989789567887783e-03 - - 4.0066048502922058e-02 -3.1384450197219849e-01 - <_> - 141 - -1.4003620147705078e+00 - - <_> - - 0 -1 464 7.7838331460952759e-02 - - -2.8954571485519409e-01 3.3590829372406006e-01 - <_> - - 0 -1 465 -1.8956370651721954e-02 - - 1.3711029291152954e-01 -1.1915580183267593e-01 - <_> - - 0 -1 466 -2.9012229293584824e-02 - - 2.6803770661354065e-01 -2.8188169002532959e-01 - <_> - - 0 -1 467 9.8552741110324860e-04 - - -8.1531323492527008e-02 1.5281049907207489e-01 - <_> - - 0 -1 468 1.0328469943488017e-04 - - -2.4661579728126526e-01 1.7609159648418427e-01 - <_> - - 0 -1 469 -4.5671691186726093e-03 - - -4.8002299666404724e-01 6.5878503024578094e-02 - <_> - - 0 -1 470 2.3546300828456879e-02 - - -1.6119800508022308e-01 1.7704969644546509e-01 - <_> - - 0 -1 471 1.0163839906454086e-01 - - 2.4753339588642120e-02 -5.6535172462463379e-01 - <_> - - 0 -1 472 -1.1764950118958950e-02 - - 5.7793740183115005e-02 -3.6047691106796265e-01 - <_> - - 0 -1 473 2.9407900292426348e-03 - - -5.6864451617002487e-02 3.2670629024505615e-01 - <_> - - 0 -1 474 1.2036000378429890e-02 - - 5.0029050558805466e-02 -4.3046820163726807e-01 - <_> - - 0 -1 475 -6.2945342506282032e-05 - - 1.4414469897747040e-01 -1.2317640334367752e-01 - <_> - - 0 -1 476 -1.0069269686937332e-01 - - -4.2357030510902405e-01 4.9802679568529129e-02 - <_> - - 0 -1 477 1.4581729657948017e-02 - - 3.0177220702171326e-02 -6.6406387090682983e-01 - <_> - - 0 -1 478 -6.5432410337962210e-05 - - 1.2506960332393646e-01 -1.6383630037307739e-01 - <_> - - 0 -1 479 -9.9888555705547333e-03 - - -3.9762818813323975e-01 3.1741239130496979e-02 - <_> - - 0 -1 480 1.4515570364892483e-02 - - -6.7560233175754547e-02 3.2044398784637451e-01 - <_> - - 0 -1 481 4.4144429266452789e-03 - - -1.1010450124740601e-01 1.0620170086622238e-01 - <_> - - 0 -1 482 -1.9047720357775688e-02 - - 4.3591830134391785e-01 -5.6705459952354431e-02 - <_> - - 0 -1 483 1.1922540143132210e-02 - - 2.2601209580898285e-02 -3.4638860821723938e-01 - <_> - - 0 -1 484 3.1663820147514343e-02 - - -6.9747507572174072e-02 3.3460348844528198e-01 - <_> - - 0 -1 485 -4.0487637743353844e-03 - - -3.7775671482086182e-01 4.1244998574256897e-02 - <_> - - 0 -1 486 8.5836304351687431e-03 - - 4.0586728602647781e-02 -4.6596848964691162e-01 - <_> - - 0 -1 487 2.5460028648376465e-01 - - 2.9270550236105919e-02 -6.1891537904739380e-01 - <_> - - 0 -1 488 -2.7734090108424425e-03 - - 1.4600990712642670e-01 -1.2482350319623947e-01 - <_> - - 0 -1 489 -9.1764237731695175e-03 - - 2.4817289412021637e-01 -5.5748548358678818e-02 - <_> - - 0 -1 490 7.4874111451208591e-03 - - -1.0712330043315887e-01 1.6646879911422729e-01 - <_> - - 0 -1 491 5.0387311726808548e-02 - - -5.0489690154790878e-02 1.2678450345993042e-01 - <_> - - 0 -1 492 7.7575668692588806e-02 - - 1.2100619822740555e-01 -1.7718310654163361e-01 - <_> - - 0 -1 493 1.0453660041093826e-02 - - -3.0459070578217506e-02 2.4667170643806458e-01 - <_> - - 0 -1 494 -1.1940089985728264e-02 - - 1.4313019812107086e-01 -1.4006079733371735e-01 - <_> - - 0 -1 495 -2.1164349745959044e-03 - - 5.4504208266735077e-02 -9.2412821948528290e-02 - <_> - - 0 -1 496 4.8259901814162731e-03 - - -7.9584978520870209e-02 4.2220059037208557e-01 - <_> - - 0 -1 497 8.0155059695243835e-03 - - 1.9714679569005966e-02 -4.7956329584121704e-01 - <_> - - 0 -1 498 -7.2104120627045631e-03 - - -4.6714499592781067e-01 3.2550580799579620e-02 - <_> - - 0 -1 499 -3.1670030206441879e-02 - - 3.7553250789642334e-01 -1.0949539951980114e-02 - <_> - - 0 -1 500 6.3463337719440460e-03 - - -6.5203480422496796e-02 2.4626299738883972e-01 - <_> - - 0 -1 501 -3.6191360559314489e-03 - - -1.7093889415264130e-01 3.1114179641008377e-02 - <_> - - 0 -1 502 4.3581780046224594e-03 - - 3.6647301167249680e-02 -4.2374929785728455e-01 - <_> - - 0 -1 503 7.1306470781564713e-03 - - 3.6186341196298599e-02 -3.5813450813293457e-01 - <_> - - 0 -1 504 2.0273950695991516e-01 - - -4.6457529067993164e-02 3.2370680570602417e-01 - <_> - - 0 -1 505 -6.8010999821126461e-03 - - 1.7033079266548157e-01 -9.0368293225765228e-02 - <_> - - 0 -1 506 1.9894709810614586e-02 - - 3.1671468168497086e-02 -6.2594968080520630e-01 - <_> - - 0 -1 507 7.2822818765416741e-04 - - -7.0317156612873077e-02 9.6888661384582520e-02 - <_> - - 0 -1 508 3.6959239840507507e-01 - - 1.8628669902682304e-02 -7.7441781759262085e-01 - <_> - - 0 -1 509 1.0125909931957722e-02 - - -6.6889248788356781e-02 1.5247039496898651e-01 - <_> - - 0 -1 510 -1.2455949932336807e-01 - - 2.8963080048561096e-01 -4.8562891781330109e-02 - <_> - - 0 -1 511 2.5091960560530424e-03 - - -3.5043649375438690e-02 1.1125019937753677e-01 - <_> - - 0 -1 512 -2.8475138545036316e-01 - - 3.5674199461936951e-01 -4.2815480381250381e-02 - <_> - - 0 -1 513 -1.6454169526696205e-03 - - 1.9690880179405212e-01 -4.3971408158540726e-02 - <_> - - 0 -1 514 1.5759950038045645e-03 - - -1.5584190189838409e-01 1.0929670184850693e-01 - <_> - - 0 -1 515 6.7018110712524503e-05 - - -9.3722403049468994e-02 7.9448983073234558e-02 - <_> - - 0 -1 516 4.5426278375089169e-03 - - 3.8276840001344681e-02 -4.2568549513816833e-01 - <_> - - 0 -1 517 -5.8855221141129732e-04 - - 6.0305360704660416e-02 -1.4615760743618011e-01 - <_> - - 0 -1 518 -1.3436630368232727e-02 - - -2.3946529626846313e-01 6.3380107283592224e-02 - <_> - - 0 -1 519 -4.6623498201370239e-03 - - -4.1108340024948120e-02 3.8609981536865234e-02 - <_> - - 0 -1 520 1.9660739228129387e-02 - - -3.7687391042709351e-02 3.9592269062995911e-01 - <_> - - 0 -1 521 -8.2754753530025482e-03 - - 1.0256180167198181e-01 -4.2751040309667587e-02 - <_> - - 0 -1 522 -3.1780879944562912e-02 - - 3.6264151334762573e-01 -4.0603369474411011e-02 - <_> - - 0 -1 523 2.1684650331735611e-02 - - 2.2938560694456100e-02 -3.5124549269676208e-01 - <_> - - 0 -1 524 -1.5403999947011471e-02 - - 2.9343938827514648e-01 -4.8390299081802368e-02 - <_> - - 0 -1 525 -8.1902230158448219e-03 - - -3.2770949602127075e-01 4.1368559002876282e-02 - <_> - - 0 -1 526 -7.9587763175368309e-03 - - -5.8493942022323608e-01 1.9722139462828636e-02 - <_> - - 0 -1 527 2.2349890321493149e-02 - - 6.3248360529541969e-03 -6.7023582756519318e-02 - <_> - - 0 -1 528 1.8036609981209040e-03 - - -7.2210237383842468e-02 2.0629370212554932e-01 - <_> - - 0 -1 529 -2.0462639629840851e-02 - - -3.4459498524665833e-01 2.6240190491080284e-02 - <_> - - 0 -1 530 9.1937501565553248e-05 - - -1.1172589659690857e-01 1.1403390020132065e-01 - <_> - - 0 -1 531 -2.0170810166746378e-03 - - 5.8695279061794281e-02 -4.3408349156379700e-02 - <_> - - 0 -1 532 1.6941629583016038e-03 - - 6.6092863678932190e-02 -2.0478239655494690e-01 - <_> - - 0 -1 533 1.1209110170602798e-01 - - -3.9467259193770587e-04 -5.1060438156127930e-01 - <_> - - 0 -1 534 7.2903931140899658e-02 - - -3.9906460791826248e-02 3.3780521154403687e-01 - <_> - - 0 -1 535 -3.0249240808188915e-03 - - 1.1249010264873505e-01 -1.4893929660320282e-01 - <_> - - 0 -1 536 -1.7990779131650925e-02 - - -2.4895049631595612e-01 5.2208401262760162e-02 - <_> - - 0 -1 537 -2.8163999319076538e-02 - - 3.4624269604682922e-01 -4.6813420951366425e-02 - <_> - - 0 -1 538 1.4555190503597260e-01 - - -1.3727329671382904e-01 9.9273979663848877e-02 - <_> - - 0 -1 539 1.9026039540767670e-01 - - 1.7888879403471947e-02 -7.1033167839050293e-01 - <_> - - 0 -1 540 1.7087809741497040e-01 - - 2.1454460918903351e-02 -5.6766891479492188e-01 - <_> - - 0 -1 541 -4.9392290413379669e-02 - - 4.6601650118827820e-01 -2.8405459597706795e-02 - <_> - - 0 -1 542 3.9778267964720726e-03 - - -1.0497090220451355e-01 1.2071380019187927e-01 - <_> - - 0 -1 543 -1.8006129562854767e-01 - - 3.8309639692306519e-01 -1.4102069661021233e-02 - <_> - - 0 -1 544 3.3417791128158569e-03 - - -1.0533019900321960e-01 1.2955980002880096e-01 - <_> - - 0 -1 545 -2.8957970440387726e-02 - - -3.2808870077133179e-01 8.5954880341887474e-03 - <_> - - 0 -1 546 1.2989169918000698e-02 - - 4.0657699108123779e-02 -3.4399700164794922e-01 - <_> - - 0 -1 547 9.3189179897308350e-03 - - 2.0000560209155083e-02 -3.0933129787445068e-01 - <_> - - 0 -1 548 -5.2429470088100061e-05 - - 1.2686310708522797e-01 -9.5152713358402252e-02 - <_> - - 0 -1 549 5.6926601246232167e-05 - - -6.9777466356754303e-02 1.0061009973287582e-01 - <_> - - 0 -1 550 -6.6324290819466114e-03 - - -3.7384641170501709e-01 3.2925400882959366e-02 - <_> - - 0 -1 551 -1.8024910241365433e-03 - - 8.3397291600704193e-02 -7.6452530920505524e-02 - <_> - - 0 -1 552 6.5196603536605835e-02 - - 3.1775739043951035e-02 -3.6805319786071777e-01 - <_> - - 0 -1 553 -1.7499100416898727e-02 - - -2.5744670629501343e-01 2.0698830485343933e-02 - <_> - - 0 -1 554 8.7240803986787796e-03 - - -5.1745019853115082e-02 2.2648270428180695e-01 - <_> - - 0 -1 555 -2.4927619379013777e-03 - - 9.7427107393741608e-02 -8.4230922162532806e-02 - <_> - - 0 -1 556 -4.4600460678339005e-02 - - -7.6867169141769409e-01 1.4703400433063507e-02 - <_> - - 0 -1 557 3.2505799084901810e-02 - - 3.0005859211087227e-02 -4.9162200093269348e-01 - <_> - - 0 -1 558 -2.5649809686001390e-05 - - 1.1314590275287628e-01 -9.4056800007820129e-02 - <_> - - 0 -1 559 -2.3604110538144596e-05 - - 8.8364727795124054e-02 -6.8058848381042480e-02 - <_> - - 0 -1 560 2.6216499463771470e-05 - - -9.1394290328025818e-02 1.2277369946241379e-01 - <_> - - 0 -1 561 -2.9017529450356960e-03 - - -1.5153430402278900e-01 3.0693180859088898e-02 - <_> - - 0 -1 562 6.8409377709031105e-03 - - 2.8549060225486755e-02 -3.7030708789825439e-01 - <_> - - 0 -1 563 1.2914350628852844e-01 - - 5.2656780928373337e-02 -2.0276160538196564e-01 - <_> - - 0 -1 564 -1.1380250006914139e-01 - - 2.2251050174236298e-01 -5.1625229418277740e-02 - <_> - - 0 -1 565 8.2800639793276787e-03 - - -6.5930999815464020e-02 6.0252968221902847e-02 - <_> - - 0 -1 566 -5.3036700934171677e-02 - - -4.6652480959892273e-01 2.7602789923548698e-02 - <_> - - 0 -1 567 1.1862640082836151e-01 - - -3.3534578979015350e-02 3.7986829876899719e-01 - <_> - - 0 -1 568 3.0761719681322575e-03 - - -1.2260209769010544e-01 1.1537180095911026e-01 - <_> - - 0 -1 569 -1.7530350305605680e-04 - - 8.5038073360919952e-02 -9.2355959117412567e-02 - <_> - - 0 -1 570 6.6797256469726562e-02 - - 2.7040729299187660e-02 -4.5982721447944641e-01 - <_> - - 0 -1 571 2.3379459977149963e-02 - - -6.2042251229286194e-02 1.7584429681301117e-01 - <_> - - 0 -1 572 1.0949910210911185e-04 - - -1.2381599843502045e-01 9.6813596785068512e-02 - <_> - - 0 -1 573 3.3863238990306854e-02 - - 1.3947179540991783e-02 -1.8364569544792175e-01 - <_> - - 0 -1 574 -3.4967120736837387e-02 - - -8.0809932947158813e-01 1.4799409545958042e-02 - <_> - - 0 -1 575 4.5521798729896545e-01 - - 1.3605389744043350e-02 -6.0478818416595459e-01 - <_> - - 0 -1 576 1.6087630763649940e-02 - - 5.8055009692907333e-02 -1.9826529920101166e-01 - <_> - - 0 -1 577 1.7235469818115234e-01 - - 7.4058459140360355e-03 -5.1899272203445435e-01 - <_> - - 0 -1 578 1.5957270516082644e-03 - - -4.2893920093774796e-02 2.6449468731880188e-01 - <_> - - 0 -1 579 -7.6875099912285805e-03 - - -2.7318629622459412e-01 1.3109279796481133e-02 - <_> - - 0 -1 580 -1.5951599925756454e-03 - - 2.0967930555343628e-01 -4.9833789467811584e-02 - <_> - - 0 -1 581 1.0349789634346962e-02 - - 7.2593181394040585e-03 -4.4166409969329834e-01 - <_> - - 0 -1 582 6.9909151643514633e-03 - - 2.4994520470499992e-02 -4.0138208866119385e-01 - <_> - - 0 -1 583 4.7854268923401833e-03 - - 2.3502610623836517e-02 -9.9097803235054016e-02 - <_> - - 0 -1 584 -4.3787118047475815e-03 - - -3.6183780431747437e-01 2.6457339525222778e-02 - <_> - - 0 -1 585 3.1168339774012566e-03 - - -4.5762591063976288e-02 1.1177150160074234e-01 - <_> - - 0 -1 586 -1.1843509972095490e-02 - - 2.7435851097106934e-01 -3.5070378333330154e-02 - <_> - - 0 -1 587 -1.5275570331141353e-04 - - 8.4554448723793030e-02 -7.5316190719604492e-02 - <_> - - 0 -1 588 -8.6214318871498108e-02 - - 1.3820220530033112e-01 -7.1106247603893280e-02 - <_> - - 0 -1 589 3.6304339766502380e-02 - - -3.8147788494825363e-02 1.1627230048179626e-01 - <_> - - 0 -1 590 1.4807139523327351e-03 - - -1.0411299765110016e-01 1.1228249967098236e-01 - <_> - - 0 -1 591 7.3545570485293865e-03 - - 3.3374588936567307e-02 -3.5831621289253235e-01 - <_> - - 0 -1 592 3.4468159079551697e-02 - - -5.4936081171035767e-02 2.0390030741691589e-01 - <_> - - 0 -1 593 -5.9239879250526428e-02 - - 4.3228080868721008e-01 -2.4707719683647156e-02 - <_> - - 0 -1 594 2.4270419776439667e-01 - - 2.2037450224161148e-02 -5.4193401336669922e-01 - <_> - - 0 -1 595 -1.2284790165722370e-02 - - -3.7384429574012756e-01 9.2992689460515976e-03 - <_> - - 0 -1 596 -1.1619590222835541e-02 - - -5.8757847547531128e-01 1.7577210441231728e-02 - <_> - - 0 -1 597 2.1228510886430740e-02 - - 5.6798839941620827e-03 -3.1449121236801147e-01 - <_> - - 0 -1 598 1.5732479514554143e-03 - - -7.9905793070793152e-02 1.3976779580116272e-01 - <_> - - 0 -1 599 6.1120092868804932e-01 - - 1.3321190141141415e-02 -5.5098742246627808e-01 - <_> - - 0 -1 600 -2.0905339624732733e-04 - - 1.0304620116949081e-01 -9.4890147447586060e-02 - <_> - - 0 -1 601 7.5772361014969647e-05 - - -8.5623927414417267e-02 8.7449163198471069e-02 - <_> - - 0 -1 602 -4.8126399517059326e-02 - - 2.1198000013828278e-01 -4.7644909471273422e-02 - <_> - - 0 -1 603 -8.6747817695140839e-03 - - -4.2384940385818481e-01 2.1367609500885010e-02 - <_> - - 0 -1 604 8.1669818609952927e-03 - - -5.2588619291782379e-02 2.0056459307670593e-01 - <_> - 111 - -1.4018720388412476e+00 - - <_> - - 0 -1 605 8.5009383037686348e-03 - - -4.2771288752555847e-01 2.8500860929489136e-01 - <_> - - 0 -1 606 -3.6675720475614071e-03 - - 1.8305620551109314e-01 -4.3906581401824951e-01 - <_> - - 0 -1 607 1.5451109968125820e-02 - - -2.5173941254615784e-01 1.8866589665412903e-01 - <_> - - 0 -1 608 3.0046209692955017e-01 - - -5.4038830101490021e-02 4.8624160885810852e-01 - <_> - - 0 -1 609 3.6772501468658447e-01 - - 2.5102959945797920e-02 -9.5871881103515625e+02 - <_> - - 0 -1 610 -4.0474338456988335e-03 - - 2.1335700154304504e-01 -9.7891986370086670e-02 - <_> - - 0 -1 611 -5.3314119577407837e-02 - - -6.1614441871643066e-01 5.5987618863582611e-02 - <_> - - 0 -1 612 -2.7916610240936279e-01 - - 4.0783798694610596e-01 -1.1853860318660736e-01 - <_> - - 0 -1 613 -3.6125730257481337e-03 - - 2.3250600695610046e-01 -1.5664309263229370e-01 - <_> - - 0 -1 614 -2.6726289652287960e-03 - - 1.7571009695529938e-01 -1.5493810176849365e-01 - <_> - - 0 -1 615 -1.1829179711639881e-02 - - -6.6747820377349854e-01 4.5493591576814651e-02 - <_> - - 0 -1 616 4.4169160537421703e-03 - - -2.2939409315586090e-01 1.0542789846658707e-01 - <_> - - 0 -1 617 -1.0357840359210968e-01 - - 3.4294271469116211e-01 -6.9909207522869110e-02 - <_> - - 0 -1 618 3.4325949382036924e-03 - - -1.8468430638313293e-01 1.6796229779720306e-01 - <_> - - 0 -1 619 -2.2001469507813454e-02 - - -4.4479998946189880e-01 4.7688841819763184e-02 - <_> - - 0 -1 620 3.4049700479954481e-03 - - -6.1201151460409164e-02 1.3493420183658600e-01 - <_> - - 0 -1 621 -1.6375419497489929e-01 - - -4.9726039171218872e-01 4.3114218860864639e-02 - <_> - - 0 -1 622 4.2683139443397522e-02 - - 1.9057090580463409e-01 -4.5245770364999771e-02 - <_> - - 0 -1 623 -5.8941352181136608e-03 - - 1.2556779384613037e-01 -1.5506540238857269e-01 - <_> - - 0 -1 624 1.6873490065336227e-02 - - -6.6119313240051270e-02 3.4744951128959656e-01 - <_> - - 0 -1 625 4.3099578469991684e-02 - - 5.7583600282669067e-02 -3.3952900767326355e-01 - <_> - - 0 -1 626 -1.9477229565382004e-02 - - -8.0392777919769287e-01 2.4795620702207088e-03 - <_> - - 0 -1 627 -4.6851670049363747e-05 - - 1.1619050055742264e-01 -1.7257040739059448e-01 - <_> - - 0 -1 628 -6.1807930469512939e-02 - - 4.0565249323844910e-01 -5.5282030254602432e-02 - <_> - - 0 -1 629 -3.9889659732580185e-02 - - -2.8519150614738464e-01 7.1040973067283630e-02 - <_> - - 0 -1 630 5.1790241152048111e-02 - - 1.0264960117638111e-02 -3.3244749903678894e-01 - <_> - - 0 -1 631 5.5987639352679253e-03 - - -2.3741720616817474e-01 7.6081469655036926e-02 - <_> - - 0 -1 632 3.7294030189514160e-01 - - -1.4457600191235542e-02 2.7664330601692200e-01 - <_> - - 0 -1 633 2.8402900695800781e-01 - - -6.6569052636623383e-02 3.0555289983749390e-01 - <_> - - 0 -1 634 -3.3610709011554718e-02 - - 3.7678858637809753e-01 -3.8632158190011978e-02 - <_> - - 0 -1 635 4.1422769427299500e-03 - - -1.1140339821577072e-01 1.6079390048980713e-01 - <_> - - 0 -1 636 -7.8478157520294189e-02 - - 5.2872437238693237e-01 -3.0871439725160599e-02 - <_> - - 0 -1 637 7.3427408933639526e-03 - - -8.8620431721210480e-02 1.7578239738941193e-01 - <_> - - 0 -1 638 3.6650819238275290e-03 - - -1.4013199508190155e-01 8.8994570076465607e-02 - <_> - - 0 -1 639 2.4947609752416611e-02 - - -5.7245790958404541e-02 2.9098680615425110e-01 - <_> - - 0 -1 640 -9.5206424593925476e-03 - - -5.0748902559280396e-01 2.9920989647507668e-02 - <_> - - 0 -1 641 -5.2697858773171902e-03 - - -3.3674290776252747e-01 4.2487990111112595e-02 - <_> - - 0 -1 642 -5.2029830403625965e-03 - - -3.8729768991470337e-01 3.9070878177881241e-02 - <_> - - 0 -1 643 1.5543039888143539e-02 - - -8.1509388983249664e-02 1.8083870410919189e-01 - <_> - - 0 -1 644 -5.2419401705265045e-02 - - -5.5317038297653198e-01 1.8499359488487244e-02 - <_> - - 0 -1 645 -1.1110330000519753e-02 - - -7.0344591140747070e-01 1.8182870000600815e-02 - <_> - - 0 -1 646 2.4250999558717012e-03 - - -4.5725211501121521e-02 5.1940329372882843e-02 - <_> - - 0 -1 647 -8.0726835876703262e-03 - - -2.2301289439201355e-01 5.9184651821851730e-02 - <_> - - 0 -1 648 8.3049550652503967e-02 - - -7.7934071421623230e-02 3.9087869226932526e-02 - <_> - - 0 -1 649 -8.3224788308143616e-02 - - 2.9764831066131592e-01 -5.5352561175823212e-02 - <_> - - 0 -1 650 -2.8794119134545326e-02 - - 1.7857789993286133e-01 -2.2039219737052917e-02 - <_> - - 0 -1 651 5.6489530950784683e-02 - - -6.9890931248664856e-02 2.1076519787311554e-01 - <_> - - 0 -1 652 -6.1607591807842255e-02 - - -6.7098802328109741e-01 2.5408720597624779e-02 - <_> - - 0 -1 653 4.0430251508951187e-02 - - -4.3006941676139832e-02 3.6125731468200684e-01 - <_> - - 0 -1 654 8.1663697957992554e-02 - - 3.7107840180397034e-02 -4.0147781372070312e-01 - <_> - - 0 -1 655 2.0060269162058830e-02 - - 2.8394110500812531e-02 -4.5096978545188904e-01 - <_> - - 0 -1 656 4.4809231162071228e-01 - - -2.8863489627838135e-02 5.4432421922683716e-01 - <_> - - 0 -1 657 9.4997808337211609e-03 - - -6.3185006380081177e-02 2.0143640041351318e-01 - <_> - - 0 -1 658 -2.3604110538144596e-05 - - 8.5501417517662048e-02 -6.2585182487964630e-02 - <_> - - 0 -1 659 -8.9380017016083002e-05 - - 1.2780819833278656e-01 -1.0212580114603043e-01 - <_> - - 0 -1 660 -3.0439419788308442e-04 - - 1.3623830676078796e-01 -9.6396081149578094e-02 - <_> - - 0 -1 661 -7.1386282797902822e-05 - - 1.2020439654588699e-01 -1.1520940065383911e-01 - <_> - - 0 -1 662 -7.4278670363128185e-03 - - -1.1765129864215851e-01 2.5646839290857315e-02 - <_> - - 0 -1 663 9.1655907453969121e-05 - - -1.0665830224752426e-01 1.1622580140829086e-01 - <_> - - 0 -1 664 -8.8285116362385452e-05 - - 1.0202009975910187e-01 -9.4773791730403900e-02 - <_> - - 0 -1 665 1.7160010337829590e-01 - - -9.6324786543846130e-02 1.3936719298362732e-01 - <_> - - 0 -1 666 6.1614410951733589e-03 - - -7.8339770436286926e-02 1.9864350557327271e-01 - <_> - - 0 -1 667 1.0488010011613369e-02 - - 2.2472979500889778e-02 -5.8889657258987427e-01 - <_> - - 0 -1 668 4.2389098554849625e-02 - - 3.2426279503852129e-03 -3.8179519772529602e-01 - <_> - - 0 -1 669 1.8942179158329964e-02 - - -3.8592588156461716e-02 3.4485790133476257e-01 - <_> - - 0 -1 670 -1.8505830084905028e-03 - - 6.2117058783769608e-02 -1.4222989976406097e-01 - <_> - - 0 -1 671 3.4762551076710224e-03 - - -6.3081473112106323e-02 2.0072069764137268e-01 - <_> - - 0 -1 672 8.2640787586569786e-03 - - -4.6010430902242661e-02 1.1308149993419647e-01 - <_> - - 0 -1 673 -8.4993377327919006e-02 - - 2.1542909741401672e-01 -6.5986298024654388e-02 - <_> - - 0 -1 674 -2.3180700838565826e-02 - - -3.4274458885192871e-01 2.3565940558910370e-02 - <_> - - 0 -1 675 1.7291529104113579e-02 - - 3.1432639807462692e-02 -3.9180231094360352e-01 - <_> - - 0 -1 676 3.1471049878746271e-03 - - -1.2125449627637863e-01 9.5088116824626923e-02 - <_> - - 0 -1 677 -9.5794200897216797e-02 - - 3.7472879886627197e-01 -4.2680621147155762e-02 - <_> - - 0 -1 678 -2.6557369157671928e-02 - - -4.7922921180725098e-01 2.6146400719881058e-02 - <_> - - 0 -1 679 -8.1971433246508241e-05 - - 1.0347779840230942e-01 -1.1757999658584595e-01 - <_> - - 0 -1 680 -6.4540100283920765e-03 - - -5.2700281143188477e-01 3.4957159310579300e-02 - <_> - - 0 -1 681 -3.3087339252233505e-02 - - -3.9793440699577332e-01 2.5454800575971603e-02 - <_> - - 0 -1 682 7.0128366351127625e-02 - - -2.9464110732078552e-02 4.1201031208038330e-01 - <_> - - 0 -1 683 -9.6940301591530442e-04 - - 1.2894269824028015e-01 -8.4787413477897644e-02 - <_> - - 0 -1 684 1.8660759553313255e-02 - - -6.2266499735414982e-03 3.6698341369628906e-01 - <_> - - 0 -1 685 1.3513430021703243e-02 - - 1.7080739140510559e-02 -7.1084249019622803e-01 - <_> - - 0 -1 686 -7.1627681609243155e-04 - - 9.5187976956367493e-02 -4.6339459717273712e-02 - <_> - - 0 -1 687 5.4968800395727158e-03 - - 1.9017050042748451e-02 -5.6606787443161011e-01 - <_> - - 0 -1 688 -3.3988431096076965e-02 - - 2.0532059669494629e-01 -5.3730130195617676e-02 - <_> - - 0 -1 689 -9.4949705526232719e-03 - - -4.7799149155616760e-01 2.6109879836440086e-02 - <_> - - 0 -1 690 8.8990468066185713e-04 - - -5.3878299891948700e-02 1.5298619866371155e-01 - <_> - - 0 -1 691 6.1590311815962195e-05 - - -1.2033499777317047e-01 8.7442100048065186e-02 - <_> - - 0 -1 692 -5.8384079486131668e-02 - - 1.9574840366840363e-01 -6.6920563578605652e-02 - <_> - - 0 -1 693 1.6286900499835610e-03 - - -1.0631299763917923e-01 1.2674750387668610e-01 - <_> - - 0 -1 694 7.9788036644458771e-02 - - 1.2167329899966717e-02 -5.1673012971878052e-01 - <_> - - 0 -1 695 5.3892009891569614e-03 - - -1.2911440432071686e-01 8.8783398270606995e-02 - <_> - - 0 -1 696 2.5091820955276489e-01 - - 3.2179851084947586e-02 -3.7686109542846680e-01 - <_> - - 0 -1 697 1.7209710553288460e-02 - - 1.2379400432109833e-02 -7.8753459453582764e-01 - <_> - - 0 -1 698 1.8916660547256470e-01 - - -3.3356759697198868e-02 1.8951129913330078e-01 - <_> - - 0 -1 699 -4.8115151003003120e-03 - - 2.0501169562339783e-01 -5.3161811083555222e-02 - <_> - - 0 -1 700 2.0269770175218582e-02 - - -2.8937749564647675e-02 2.1850499510765076e-01 - <_> - - 0 -1 701 -7.8484037658199668e-05 - - 5.7575121521949768e-02 -1.8328189849853516e-01 - <_> - - 0 -1 702 2.2350680083036423e-03 - - -3.2419610768556595e-02 8.6609072983264923e-02 - <_> - - 0 -1 703 -1.6989709809422493e-02 - - 2.8270080685615540e-01 -3.8365218788385391e-02 - <_> - - 0 -1 704 -6.4167408272624016e-03 - - 1.3134069740772247e-01 -4.3611731380224228e-02 - <_> - - 0 -1 705 7.4191158637404442e-03 - - -7.0633463561534882e-02 1.7600670456886292e-01 - <_> - - 0 -1 706 6.3850679434835911e-03 - - 3.2175671309232712e-02 -3.9056539535522461e-01 - <_> - - 0 -1 707 -1.2516930699348450e-01 - - -8.1828737258911133e-01 1.0883989743888378e-02 - <_> - - 0 -1 708 -4.4671529904007912e-03 - - -5.0346201658248901e-01 4.6763787977397442e-03 - <_> - - 0 -1 709 -7.7330769272521138e-05 - - 1.1231110244989395e-01 -9.6118189394474030e-02 - <_> - - 0 -1 710 4.8749379813671112e-02 - - 1.5394289977848530e-02 -1.3794970512390137e-01 - <_> - - 0 -1 711 -1.5057959593832493e-02 - - 9.6794217824935913e-02 -1.0408320277929306e-01 - <_> - - 0 -1 712 -1.2867139652371407e-02 - - -5.5943179130554199e-01 8.0226631835103035e-03 - <_> - - 0 -1 713 4.0156361460685730e-01 - - 1.4450309798121452e-02 -6.9868141412734985e-01 - <_> - - 0 -1 714 1.4811520231887698e-03 - - -6.0255978256464005e-02 6.1738591641187668e-02 - <_> - - 0 -1 715 -3.6016408354043961e-02 - - -7.6666152477264404e-01 1.4014800079166889e-02 - <_> - 157 - -1.4323190450668335e+00 - - <_> - - 0 -1 716 9.1756142675876617e-02 - - -2.3866780102252960e-01 4.1412800550460815e-01 - <_> - - 0 -1 717 -6.3968323171138763e-02 - - 2.3543690145015717e-01 -2.2721849381923676e-01 - <_> - - 0 -1 718 -1.0061279870569706e-02 - - 1.9033129513263702e-01 -2.6683130860328674e-01 - <_> - - 0 -1 719 -1.3561559841036797e-02 - - 1.4927579462528229e-01 -1.8083690106868744e-01 - <_> - - 0 -1 720 -1.5076830051839352e-02 - - 2.0609399676322937e-01 -1.8534150719642639e-01 - <_> - - 0 -1 721 -6.1514219269156456e-03 - - -5.2573877573013306e-01 1.7555620521306992e-02 - <_> - - 0 -1 722 5.2476930432021618e-04 - - -1.4588220417499542e-01 1.5166099369525909e-01 - <_> - - 0 -1 723 2.4739510845392942e-03 - - -1.8805119395256042e-01 9.5694698393344879e-02 - <_> - - 0 -1 724 5.1760678179562092e-03 - - 5.2032090723514557e-02 -4.9382910132408142e-01 - <_> - - 0 -1 725 7.1702478453516960e-03 - - -9.4142921268939972e-02 1.1217010021209717e-01 - <_> - - 0 -1 726 -2.0057760179042816e-02 - - -5.9458369016647339e-01 3.6551840603351593e-02 - <_> - - 0 -1 727 -2.0991469919681549e-01 - - 2.6298180222511292e-01 -1.0240700095891953e-01 - <_> - - 0 -1 728 -4.2166719213128090e-03 - - 1.3226920366287231e-01 -1.5037320554256439e-01 - <_> - - 0 -1 729 -1.4944000169634819e-02 - - 6.5007939934730530e-02 -3.1482189893722534e-02 - <_> - - 0 -1 730 9.1618977487087250e-02 - - 1.1459749937057495e-01 -2.1580819785594940e-01 - <_> - - 0 -1 731 1.3998460490256548e-03 - - -1.5135070681571960e-01 1.3515089452266693e-01 - <_> - - 0 -1 732 6.2787801027297974e-02 - - -1.0663919895887375e-01 2.0777790248394012e-01 - <_> - - 0 -1 733 1.6034470498561859e-01 - - -6.7444883286952972e-02 3.0661910772323608e-01 - <_> - - 0 -1 734 -1.0080800391733646e-02 - - 2.2366729378700256e-01 -8.8719040155410767e-02 - <_> - - 0 -1 735 2.1805059164762497e-02 - - -5.5670421570539474e-02 1.3599489629268646e-01 - <_> - - 0 -1 736 -6.2400531023740768e-02 - - -4.4345939159393311e-01 3.1536590307950974e-02 - <_> - - 0 -1 737 -3.3827558159828186e-02 - - 2.5352260470390320e-01 -1.4237060211598873e-02 - <_> - - 0 -1 738 2.4944260716438293e-02 - - -5.6528169661760330e-02 2.6071038842201233e-01 - <_> - - 0 -1 739 2.8674729168415070e-02 - - -2.9934270307421684e-02 3.9638450741767883e-01 - <_> - - 0 -1 740 9.0782970190048218e-02 - - 4.7861438244581223e-02 -3.9084589481353760e-01 - <_> - - 0 -1 741 -9.8480619490146637e-03 - - -5.3130447864532471e-01 1.5104659833014011e-02 - <_> - - 0 -1 742 7.7331489883363247e-03 - - 2.4212060496211052e-02 -5.6011068820953369e-01 - <_> - - 0 -1 743 9.7148418426513672e-03 - - -7.7339023351669312e-02 2.0035690069198608e-01 - <_> - - 0 -1 744 -3.8716041017323732e-03 - - 9.3583829700946808e-02 -1.6308769583702087e-01 - <_> - - 0 -1 745 4.5740120112895966e-03 - - -7.4100360274314880e-02 1.8673260509967804e-01 - <_> - - 0 -1 746 3.5367589443922043e-03 - - -1.3378569483757019e-01 1.3118870556354523e-01 - <_> - - 0 -1 747 6.7387451417744160e-03 - - 1.9104549661278725e-02 -2.6714089512825012e-01 - <_> - - 0 -1 748 9.2638395726680756e-03 - - 3.8944028317928314e-02 -3.8115268945693970e-01 - <_> - - 0 -1 749 1.8035650253295898e-02 - - -5.6313838809728622e-02 2.6199018955230713e-01 - <_> - - 0 -1 750 6.1390590853989124e-03 - - 6.6768251359462738e-02 -2.4741740524768829e-01 - <_> - - 0 -1 751 -2.0742289721965790e-02 - - 1.5816679596900940e-01 -3.7055108696222305e-02 - <_> - - 0 -1 752 7.1745091117918491e-03 - - -6.2723852694034576e-02 2.4000909924507141e-01 - <_> - - 0 -1 753 -1.3980129733681679e-02 - - -2.5686889886856079e-01 2.4408269673585892e-02 - <_> - - 0 -1 754 5.0162561237812042e-03 - - 3.4693509340286255e-02 -3.6940971016883850e-01 - <_> - - 0 -1 755 6.2731141224503517e-03 - - -9.3136273324489594e-02 8.9128710329532623e-02 - <_> - - 0 -1 756 -6.1432798393070698e-03 - - -3.8624298572540283e-01 3.2790008932352066e-02 - <_> - - 0 -1 757 -5.4340949282050133e-03 - - 1.2529590725898743e-01 -7.3308877646923065e-02 - <_> - - 0 -1 758 2.6476379483938217e-02 - - 1.9692519679665565e-02 -6.5207397937774658e-01 - <_> - - 0 -1 759 5.3198561072349548e-02 - - -3.8907509297132492e-02 3.4459230303764343e-01 - <_> - - 0 -1 760 6.8159057991579175e-04 - - -1.4296619594097137e-01 1.1051479727029800e-01 - <_> - - 0 -1 761 2.7321189641952515e-02 - - -2.3013580590486526e-02 3.8668289780616760e-01 - <_> - - 0 -1 762 1.6437519341707230e-02 - - -5.0356149673461914e-02 2.5431129336357117e-01 - <_> - - 0 -1 763 -1.1353069916367531e-02 - - -3.8533338904380798e-01 2.3351570591330528e-02 - <_> - - 0 -1 764 -5.6346738710999489e-03 - - 1.8512620031833649e-01 -7.8567862510681152e-02 - <_> - - 0 -1 765 6.9470210000872612e-03 - - 3.6982610821723938e-02 -1.7629860341548920e-01 - <_> - - 0 -1 766 -1.6561519354581833e-02 - - -4.9848580360412598e-01 2.8883419930934906e-02 - <_> - - 0 -1 767 -7.6849356293678284e-02 - - -3.1578719615936279e-01 4.3519400060176849e-02 - <_> - - 0 -1 768 -1.5181129798293114e-02 - - 2.3423460125923157e-01 -6.2591478228569031e-02 - <_> - - 0 -1 769 1.9489860162138939e-02 - - 9.9025378003716469e-03 -3.8761860132217407e-01 - <_> - - 0 -1 770 1.8050599843263626e-02 - - -4.3930709362030029e-02 3.3341428637504578e-01 - <_> - - 0 -1 771 -2.9345480725169182e-03 - - 8.0954536795616150e-02 -4.9914769828319550e-02 - <_> - - 0 -1 772 2.6363410055637360e-02 - - 2.9126759618520737e-02 -5.0750941038131714e-01 - <_> - - 0 -1 773 2.4248650297522545e-03 - - 3.4961428493261337e-02 -2.8733271360397339e-01 - <_> - - 0 -1 774 4.9459808506071568e-03 - - 2.3161210119724274e-02 -5.0714761018753052e-01 - <_> - - 0 -1 775 -1.5279249846935272e-01 - - -3.2881578803062439e-01 2.5182789191603661e-02 - <_> - - 0 -1 776 -1.4403219392988831e-04 - - 7.5519256293773651e-02 -1.8179009854793549e-01 - <_> - - 0 -1 777 2.8954431414604187e-01 - - 1.1204889975488186e-02 -3.8397979736328125e-01 - <_> - - 0 -1 778 -4.8776458948850632e-02 - - -3.8399431109428406e-01 3.3249679952859879e-02 - <_> - - 0 -1 779 -3.2626438885927200e-02 - - 3.1781470775604248e-01 -4.7008451074361801e-02 - <_> - - 0 -1 780 7.5620561838150024e-03 - - -1.6391299664974213e-01 8.8394619524478912e-02 - <_> - - 0 -1 781 5.5116498842835426e-03 - - -4.5366939157247543e-02 1.0359580069780350e-01 - <_> - - 0 -1 782 7.8960359096527100e-03 - - 2.5835210457444191e-02 -4.1176858544349670e-01 - <_> - - 0 -1 783 2.5515830144286156e-02 - - 2.3357940837740898e-02 -1.0157670080661774e-01 - <_> - - 0 -1 784 2.7663391083478928e-03 - - -8.3083488047122955e-02 1.4612929522991180e-01 - <_> - - 0 -1 785 -3.0674580484628677e-03 - - 9.2135928571224213e-02 -5.7146791368722916e-02 - <_> - - 0 -1 786 9.2945564538240433e-03 - - 3.8736391812562943e-02 -3.5326778888702393e-01 - <_> - - 0 -1 787 6.7423127591609955e-02 - - -7.5241766870021820e-02 1.7596650123596191e-01 - <_> - - 0 -1 788 -4.4064600951969624e-03 - - 9.7793661057949066e-02 -1.5189309418201447e-01 - <_> - - 0 -1 789 -4.9828600138425827e-02 - - -4.5790219306945801e-01 6.8976799957454205e-03 - <_> - - 0 -1 790 3.6543350666761398e-02 - - 5.1439449191093445e-02 -2.6903149485588074e-01 - <_> - - 0 -1 791 -6.4155302941799164e-02 - - -3.7688180804252625e-02 3.5685088485479355e-02 - <_> - - 0 -1 792 1.6559410141780972e-03 - - -7.8454039990901947e-02 1.4457669854164124e-01 - <_> - - 0 -1 793 -4.3586108833551407e-02 - - -6.8510597944259644e-01 1.3048769906163216e-02 - <_> - - 0 -1 794 -2.2230669856071472e-01 - - -5.7761538028717041e-01 1.7124939709901810e-02 - <_> - - 0 -1 795 2.4673160165548325e-02 - - 1.1898159980773926e-02 -4.0522110462188721e-01 - <_> - - 0 -1 796 -1.1929229833185673e-02 - - 3.3518779277801514e-01 -3.3670309931039810e-02 - <_> - - 0 -1 797 1.2319719826336950e-04 - - -8.5718862712383270e-02 8.3713091909885406e-02 - <_> - - 0 -1 798 -9.3408823013305664e-03 - - -2.8543150424957275e-01 4.0737889707088470e-02 - <_> - - 0 -1 799 -7.4626510031521320e-03 - - 1.1191319674253464e-01 -3.4012328833341599e-02 - <_> - - 0 -1 800 -1.3723709620535374e-02 - - 2.4986229836940765e-01 -4.5033760368824005e-02 - <_> - - 0 -1 801 1.5219870209693909e-01 - - -9.1021090745925903e-02 9.0961046516895294e-02 - <_> - - 0 -1 802 7.7259603131096810e-05 - - -1.0590860247612000e-01 1.1055749654769897e-01 - <_> - - 0 -1 803 4.9416758120059967e-03 - - 2.4189069867134094e-02 -3.0954331159591675e-01 - <_> - - 0 -1 804 -8.4537155926227570e-03 - - -4.9883198738098145e-01 1.9790159538388252e-02 - <_> - - 0 -1 805 -1.5807019372005016e-04 - - 8.1088282167911530e-02 -9.6961513161659241e-02 - <_> - - 0 -1 806 -3.7125058472156525e-02 - - -6.6581451892852783e-01 1.4882969669997692e-02 - <_> - - 0 -1 807 2.6830319315195084e-02 - - -1.4309049583971500e-02 1.8943400681018829e-01 - <_> - - 0 -1 808 -5.0245620310306549e-02 - - 2.9321768879890442e-01 -3.4267731010913849e-02 - <_> - - 0 -1 809 -6.9950302131474018e-03 - - -3.6339738965034485e-01 2.4558270350098610e-02 - <_> - - 0 -1 810 6.5877571702003479e-02 - - -6.9623842835426331e-02 1.6893179714679718e-01 - <_> - - 0 -1 811 -1.3468010351061821e-02 - - -5.7445019483566284e-01 7.6498151756823063e-03 - <_> - - 0 -1 812 6.5795979462563992e-03 - - 4.6871460974216461e-02 -2.6042988896369934e-01 - <_> - - 0 -1 813 8.3702273666858673e-02 - - -2.6280758902430534e-03 9.5396530628204346e-01 - <_> - - 0 -1 814 -2.6914669200778008e-02 - - 4.3413200974464417e-01 -2.5187220424413681e-02 - <_> - - 0 -1 815 6.8170771002769470e-02 - - 1.1355379596352577e-02 -1.9769650697708130e-01 - <_> - - 0 -1 816 -1.8386699259281158e-02 - - -3.0161228775978088e-01 4.0068160742521286e-02 - <_> - - 0 -1 817 -4.8888311721384525e-03 - - -4.7499518841505051e-02 2.7949759736657143e-02 - <_> - - 0 -1 818 1.2031979858875275e-02 - - -4.1758809238672256e-02 2.5678071379661560e-01 - <_> - - 0 -1 819 4.5282568782567978e-02 - - -1.2090729549527168e-02 5.9624272584915161e-01 - <_> - - 0 -1 820 1.6428649425506592e-02 - - 3.1723149120807648e-02 -3.4151419997215271e-01 - <_> - - 0 -1 821 1.5807289630174637e-02 - - -8.7692633271217346e-02 7.3399387300014496e-02 - <_> - - 0 -1 822 7.3865547776222229e-02 - - 1.7566639930009842e-02 -5.8591890335083008e-01 - <_> - - 0 -1 823 8.1742003560066223e-02 - - -1.4694429934024811e-02 3.8172268867492676e-01 - <_> - - 0 -1 824 1.6201290418393910e-04 - - -1.0157629847526550e-01 1.0071060061454773e-01 - <_> - - 0 -1 825 9.6514606848359108e-03 - - -3.9196711033582687e-02 1.5712510049343109e-01 - <_> - - 0 -1 826 1.1394619941711426e-01 - - 2.1624019369482994e-02 -4.9949270486831665e-01 - <_> - - 0 -1 827 -3.1548771075904369e-03 - - 5.0318129360675812e-02 -4.3619360774755478e-02 - <_> - - 0 -1 828 -4.4351350516080856e-02 - - 3.0843031406402588e-01 -3.2389428466558456e-02 - <_> - - 0 -1 829 5.9337329119443893e-02 - - 8.8634816929697990e-03 -4.3402770161628723e-01 - <_> - - 0 -1 830 8.4961997345089912e-03 - - -1.6435340046882629e-01 7.2020038962364197e-02 - <_> - - 0 -1 831 1.2611909769475460e-02 - - -5.4733909666538239e-02 2.6740849018096924e-01 - <_> - - 0 -1 832 1.0056140273809433e-01 - - 9.6470691263675690e-02 -1.2373570352792740e-01 - <_> - - 0 -1 833 2.4684870368218981e-05 - - -6.5468028187751770e-02 7.5764216482639313e-02 - <_> - - 0 -1 834 1.7325380817055702e-02 - - 4.9385469406843185e-02 -2.0938959717750549e-01 - <_> - - 0 -1 835 -8.1096980720758438e-03 - - -2.3129729926586151e-01 1.3806460425257683e-02 - <_> - - 0 -1 836 7.0394109934568405e-03 - - -4.8593230545520782e-02 2.1045120060443878e-01 - <_> - - 0 -1 837 -1.0678370017558336e-03 - - 9.8571203649044037e-02 -4.5679539442062378e-02 - <_> - - 0 -1 838 7.9888887703418732e-03 - - 2.2722730413079262e-02 -4.7305500507354736e-01 - <_> - - 0 -1 839 -2.8562550432980061e-03 - - -1.2667450308799744e-01 2.6346899569034576e-02 - <_> - - 0 -1 840 -2.8239099308848381e-02 - - -4.8173430562019348e-01 2.0280279219150543e-02 - <_> - - 0 -1 841 -3.5814680159091949e-03 - - 1.3375559449195862e-01 -7.5176857411861420e-02 - <_> - - 0 -1 842 -1.4436709880828857e-01 - - -3.1298300623893738e-01 3.8588508963584900e-02 - <_> - - 0 -1 843 1.2504559755325317e-01 - - 6.5982979722321033e-03 -8.1579452753067017e-01 - <_> - - 0 -1 844 -1.3011660426855087e-02 - - 1.2922100722789764e-01 -7.9708762466907501e-02 - <_> - - 0 -1 845 -1.7209460493177176e-03 - - 1.8410180509090424e-01 -3.8158390671014786e-02 - <_> - - 0 -1 846 8.2962076703552157e-05 - - -8.0844506621360779e-02 1.2401849776506424e-01 - <_> - - 0 -1 847 6.5386621281504631e-03 - - 2.5721050798892975e-02 -3.4728491306304932e-01 - <_> - - 0 -1 848 -7.6022120192646980e-03 - - -1.3279519975185394e-01 6.9503903388977051e-02 - <_> - - 0 -1 849 -1.2741329555865377e-04 - - 7.3461078107357025e-02 -5.6750301271677017e-02 - <_> - - 0 -1 850 -8.7483227252960205e-03 - - -3.8747811317443848e-01 2.5242859497666359e-02 - <_> - - 0 -1 851 1.8606209778226912e-04 - - -8.0794073641300201e-02 1.1124949902296066e-01 - <_> - - 0 -1 852 -2.3457060160581023e-04 - - 1.3575780391693115e-01 -8.0513857305049896e-02 - <_> - - 0 -1 853 1.7333909636363387e-03 - - -4.0824349969625473e-02 7.0485733449459076e-02 - <_> - - 0 -1 854 2.5763779412955046e-03 - - -1.0582429915666580e-01 8.8251203298568726e-02 - <_> - - 0 -1 855 3.1439519952982664e-03 - - 2.2850390523672104e-02 -2.2878000140190125e-01 - <_> - - 0 -1 856 -6.6810711286962032e-03 - - -5.5194759368896484e-01 1.6644019633531570e-02 - <_> - - 0 -1 857 -1.0215619578957558e-02 - - 1.1516509950160980e-01 -3.0920639634132385e-02 - <_> - - 0 -1 858 6.8375351838767529e-03 - - 3.5597868263721466e-02 -2.5795739889144897e-01 - <_> - - 0 -1 859 3.1667288858443499e-03 - - -1.1311589926481247e-01 5.9377081692218781e-02 - <_> - - 0 -1 860 1.7846110463142395e-01 - - -9.1090977191925049e-02 1.0215540230274200e-01 - <_> - - 0 -1 861 -2.3922319523990154e-03 - - 1.0548549890518188e-01 -4.0941018611192703e-02 - <_> - - 0 -1 862 8.2479801494628191e-04 - - -9.2547960579395294e-02 1.0704030096530914e-01 - <_> - - 0 -1 863 -2.3213559761643410e-03 - - 4.7483701258897781e-02 -4.4801708310842514e-02 - <_> - - 0 -1 864 9.9881906062364578e-03 - - -5.3101241588592529e-02 1.8933349847793579e-01 - <_> - - 0 -1 865 7.2582447901368141e-03 - - 1.5470819547772408e-02 -1.6273790597915649e-01 - <_> - - 0 -1 866 -1.2209150195121765e-01 - - -6.5882581472396851e-01 1.4432240277528763e-02 - <_> - - 0 -1 867 4.2930290102958679e-02 - - -8.9507391676306725e-03 7.0037537813186646e-01 - <_> - - 0 -1 868 -1.4183740131556988e-02 - - 2.8738090395927429e-01 -3.2423838973045349e-02 - <_> - - 0 -1 869 6.5566753619350493e-05 - - -6.0012109577655792e-02 7.2343066334724426e-02 - <_> - - 0 -1 870 -9.1673799033742398e-05 - - 1.2412530183792114e-01 -8.8637173175811768e-02 - <_> - - 0 -1 871 1.0451570153236389e-02 - - 1.9897699356079102e-02 -5.4859578609466553e-01 - <_> - - 0 -1 872 7.1406508795917034e-03 - - 2.1871440112590790e-02 -3.9959570765495300e-01 - <_> - 166 - -1.3140599727630615e+00 - - <_> - - 0 -1 873 -7.9002313315868378e-02 - - 3.2428950071334839e-01 -2.5313940644264221e-01 - <_> - - 0 -1 874 2.2337300702929497e-02 - - -9.4131506979465485e-02 1.3784369826316833e-01 - <_> - - 0 -1 875 -6.6611483693122864e-02 - - 1.7535580694675446e-01 -2.6326939463615417e-01 - <_> - - 0 -1 876 1.8115570768713951e-02 - - 1.0016679763793945e-01 -2.5084051489830017e-01 - <_> - - 0 -1 877 4.2208299040794373e-02 - - -4.6460118144750595e-02 5.0753402709960938e-01 - <_> - - 0 -1 878 2.1947380155324936e-02 - - -3.5192631185054779e-02 2.9413568973541260e-01 - <_> - - 0 -1 879 3.9068479090929031e-02 - - 3.4318011254072189e-02 -5.9637278318405151e-01 - <_> - - 0 -1 880 -1.7158839851617813e-02 - - 2.2071230411529541e-01 -6.2802940607070923e-02 - <_> - - 0 -1 881 -5.5410808272426948e-05 - - 1.9250670075416565e-01 -9.7911693155765533e-02 - <_> - - 0 -1 882 5.7713039219379425e-02 - - -1.7752349376678467e-02 3.9690899848937988e-01 - <_> - - 0 -1 883 -2.7670299634337425e-02 - - 2.7309200167655945e-01 -6.9922827184200287e-02 - <_> - - 0 -1 884 4.1078277863562107e-03 - - -4.9098778516054153e-02 2.4907429516315460e-01 - <_> - - 0 -1 885 4.8231639084406197e-05 - - -1.2422840297222137e-01 1.7488770186901093e-01 - <_> - - 0 -1 886 5.4101468995213509e-03 - - -1.1635100096464157e-01 1.1202619969844818e-01 - <_> - - 0 -1 887 1.2156780064105988e-01 - - 3.5816799849271774e-02 -4.2390239238739014e-01 - <_> - - 0 -1 888 -4.5798659324645996e-02 - - -3.9612388610839844e-01 2.6914669200778008e-02 - <_> - - 0 -1 889 -4.3434510007500648e-03 - - 1.5174229443073273e-01 -1.5247189998626709e-01 - <_> - - 0 -1 890 5.4885639110580087e-04 - - -1.0398910194635391e-01 1.0211019963026047e-01 - <_> - - 0 -1 891 2.4605579674243927e-03 - - -9.2063240706920624e-02 2.0085799694061279e-01 - <_> - - 0 -1 892 -2.0400179550051689e-02 - - 3.9317831397056580e-01 5.8226548135280609e-03 - <_> - - 0 -1 893 2.3037819482851774e-04 - - -1.5047320723533630e-01 1.0606130212545395e-01 - <_> - - 0 -1 894 -4.2928410694003105e-03 - - 7.2660259902477264e-02 -7.9356543719768524e-02 - <_> - - 0 -1 895 1.8637800216674805e-01 - - -1.1249560117721558e-01 1.5694859623908997e-01 - <_> - - 0 -1 896 -2.6433460414409637e-02 - - -3.9095601439476013e-01 4.9486149102449417e-02 - <_> - - 0 -1 897 -2.4137930572032928e-01 - - -6.7887061834335327e-01 1.8050249665975571e-02 - <_> - - 0 -1 898 3.0466640368103981e-02 - - 2.7202309574931860e-03 -6.3896268606185913e-01 - <_> - - 0 -1 899 2.7874959632754326e-03 - - -8.3127573132514954e-02 1.7751370370388031e-01 - <_> - - 0 -1 900 1.2827770411968231e-01 - - -9.3625776469707489e-02 1.6796620190143585e-01 - <_> - - 0 -1 901 -3.7217219360172749e-03 - - 1.6798649728298187e-01 -1.0740660130977631e-01 - <_> - - 0 -1 902 2.5106329470872879e-02 - - 1.7044939100742340e-02 -4.9812939763069153e-01 - <_> - - 0 -1 903 8.5740294307470322e-03 - - 3.8930539041757584e-02 -3.3503991365432739e-01 - <_> - - 0 -1 904 -1.6299229115247726e-02 - - -1.7728500068187714e-01 5.9367809444665909e-03 - <_> - - 0 -1 905 1.3755589723587036e-02 - - 4.9292150884866714e-02 -2.9905700683593750e-01 - <_> - - 0 -1 906 1.0170560330152512e-02 - - 1.2569320388138294e-02 -3.2717370986938477e-01 - <_> - - 0 -1 907 -1.1838880181312561e-01 - - -3.0642750859260559e-01 4.0406189858913422e-02 - <_> - - 0 -1 908 2.8778460621833801e-01 - - 8.6266417056322098e-03 -5.8403861522674561e-01 - <_> - - 0 -1 909 -1.0709369555115700e-02 - - -4.5812180638313293e-01 2.6710700243711472e-02 - <_> - - 0 -1 910 -1.6836540773510933e-02 - - -4.8346018791198730e-01 1.4101839624345303e-03 - <_> - - 0 -1 911 -2.6871969923377037e-02 - - 3.0236101150512695e-01 -4.0173869580030441e-02 - <_> - - 0 -1 912 2.0822209771722555e-03 - - 2.6397850364446640e-02 -7.1128167212009430e-02 - <_> - - 0 -1 913 1.8307130038738251e-01 - - 3.1573470681905746e-02 -4.3112158775329590e-01 - <_> - - 0 -1 914 -5.3969710133969784e-03 - - -9.9910236895084381e-02 1.3491000048816204e-02 - <_> - - 0 -1 915 6.5924688242375851e-03 - - 3.4465100616216660e-02 -4.0542820096015930e-01 - <_> - - 0 -1 916 7.6914830133318901e-03 - - -3.9300210773944855e-02 1.6817179322242737e-01 - <_> - - 0 -1 917 -1.3487709686160088e-02 - - 3.1880301237106323e-01 -3.8503371179103851e-02 - <_> - - 0 -1 918 -1.3206779956817627e-02 - - 1.1506190150976181e-01 -2.6123069226741791e-02 - <_> - - 0 -1 919 9.5766428858041763e-03 - - -5.6236121803522110e-02 2.2048389911651611e-01 - <_> - - 0 -1 920 3.0655260197818279e-03 - - -8.0174110829830170e-02 1.0322000086307526e-01 - <_> - - 0 -1 921 8.6779087723698467e-05 - - -1.7224429547786713e-01 6.9087728857994080e-02 - <_> - - 0 -1 922 9.6185833215713501e-02 - - 1.5162150375545025e-03 -5.5438750982284546e-01 - <_> - - 0 -1 923 3.8120381534099579e-02 - - 5.1593549549579620e-02 -2.6273688673973083e-01 - <_> - - 0 -1 924 5.0568342208862305e-01 - - 1.0466909967362881e-02 -5.1577657461166382e-01 - <_> - - 0 -1 925 -1.2192579917609692e-02 - - 3.0584090948104858e-01 -4.0013160556554794e-02 - <_> - - 0 -1 926 1.2820640206336975e-01 - - 2.2402040660381317e-02 -2.7763271331787109e-01 - <_> - - 0 -1 927 1.2943449616432190e-01 - - -6.1534829437732697e-02 2.1345520019531250e-01 - <_> - - 0 -1 928 -7.5714521110057831e-02 - - 1.5290339291095734e-01 -1.1667010188102722e-01 - <_> - - 0 -1 929 -5.3732179367216304e-05 - - 1.2800370156764984e-01 -9.7825959324836731e-02 - <_> - - 0 -1 930 7.5803599320352077e-03 - - -9.7915172576904297e-02 1.2620359659194946e-01 - <_> - - 0 -1 931 6.8636022508144379e-02 - - 4.0432218462228775e-02 -3.1329730153083801e-01 - <_> - - 0 -1 932 1.1460750363767147e-02 - - 2.5361500680446625e-02 -4.8540189862251282e-01 - <_> - - 0 -1 933 2.6128649551537819e-05 - - -1.0432030260562897e-01 1.1333329975605011e-01 - <_> - - 0 -1 934 8.4630657511297613e-05 - - -1.0487859696149826e-01 1.2740099430084229e-01 - <_> - - 0 -1 935 -2.3739310563541949e-05 - - 1.5114049613475800e-01 -1.0252150148153305e-01 - <_> - - 0 -1 936 1.1611119844019413e-02 - - 1.4886969700455666e-02 -2.8674951195716858e-01 - <_> - - 0 -1 937 1.2420720420777798e-02 - - -6.2066860496997833e-02 1.7772339284420013e-01 - <_> - - 0 -1 938 2.3426260799169540e-02 - - -8.4759250283241272e-02 1.4415900409221649e-01 - <_> - - 0 -1 939 1.4368200302124023e-01 - - 2.5768509134650230e-02 -4.9598070979118347e-01 - <_> - - 0 -1 940 -3.6740589421242476e-03 - - -3.4700030088424683e-01 1.2800060212612152e-02 - <_> - - 0 -1 941 5.1495590014383197e-05 - - -1.0679510235786438e-01 9.9959939718246460e-02 - <_> - - 0 -1 942 9.9259437993168831e-03 - - 3.2620970159769058e-02 -3.5369759798049927e-01 - <_> - - 0 -1 943 -5.1487040764186531e-05 - - 1.2531200051307678e-01 -9.5278233289718628e-02 - <_> - - 0 -1 944 2.7326600626111031e-02 - - -8.9491289108991623e-03 6.4724721014499664e-02 - <_> - - 0 -1 945 2.2325750440359116e-02 - - 1.4013900421559811e-02 -7.4047172069549561e-01 - <_> - - 0 -1 946 4.0280960500240326e-02 - - 1.0004050564020872e-03 -1.1777099967002869e-01 - <_> - - 0 -1 947 2.1893329918384552e-02 - - -5.0884321331977844e-02 2.2789579629898071e-01 - <_> - - 0 -1 948 -7.1642571128904819e-03 - - 1.2857060134410858e-01 -5.3552430123090744e-02 - <_> - - 0 -1 949 -8.0841138958930969e-02 - - 2.0653660595417023e-01 -6.6617228090763092e-02 - <_> - - 0 -1 950 5.1331298891454935e-04 - - -5.4442800581455231e-02 1.4963160455226898e-01 - <_> - - 0 -1 951 8.6274370551109314e-03 - - 3.0817959457635880e-02 -3.6723139882087708e-01 - <_> - - 0 -1 952 -8.7373692076653242e-04 - - 1.3902780413627625e-01 -6.3252650201320648e-02 - <_> - - 0 -1 953 -1.1720039881765842e-02 - - -4.7670018672943115e-01 2.4412320926785469e-02 - <_> - - 0 -1 954 4.8860989511013031e-02 - - 1.0085090063512325e-02 -4.6592590212821960e-01 - <_> - - 0 -1 955 1.8693100661039352e-02 - - -7.1992039680480957e-02 1.7693880200386047e-01 - <_> - - 0 -1 956 -5.3908649832010269e-02 - - 1.4675259590148926e-01 -9.0455517172813416e-02 - <_> - - 0 -1 957 8.3356387913227081e-03 - - 2.2398740053176880e-02 -4.9412518739700317e-01 - <_> - - 0 -1 958 2.7100899387733079e-05 - - -5.3562410175800323e-02 7.7102899551391602e-02 - <_> - - 0 -1 959 4.9839400162454695e-05 - - -8.7917067110538483e-02 1.2769749760627747e-01 - <_> - - 0 -1 960 -2.5873789127217606e-05 - - 8.6240112781524658e-02 -9.1946959495544434e-02 - <_> - - 0 -1 961 -4.5616321585839614e-05 - - 1.0863859951496124e-01 -9.9706746637821198e-02 - <_> - - 0 -1 962 3.4546090755611658e-03 - - 3.3691279590129852e-02 -2.5994610786437988e-01 - <_> - - 0 -1 963 -3.0438970774412155e-02 - - 3.6962929368019104e-01 -2.9208270832896233e-02 - <_> - - 0 -1 964 4.3956300616264343e-01 - - -2.3035079240798950e-02 4.4141438603401184e-01 - <_> - - 0 -1 965 5.8688350691227242e-05 - - -1.0969989746809006e-01 9.8768897354602814e-02 - <_> - - 0 -1 966 8.4090819582343102e-03 - - -4.9145638942718506e-02 1.7818750441074371e-01 - <_> - - 0 -1 967 -1.4912109822034836e-02 - - -4.2131778597831726e-01 2.6400730013847351e-02 - <_> - - 0 -1 968 -2.0906489342451096e-02 - - -2.9467320442199707e-01 1.5055189840495586e-02 - <_> - - 0 -1 969 5.3503939852816984e-05 - - -8.0975167453289032e-02 1.2568619847297668e-01 - <_> - - 0 -1 970 -1.0656829690560699e-03 - - 5.3799871355295181e-02 -1.4916649460792542e-01 - <_> - - 0 -1 971 1.4879689551889896e-02 - - 2.0114380866289139e-02 -4.7147929668426514e-01 - <_> - - 0 -1 972 1.8449500203132629e-02 - - 1.6212660819292068e-02 -2.6070928573608398e-01 - <_> - - 0 -1 973 1.1283960193395615e-03 - - -6.1842311173677444e-02 1.5736180543899536e-01 - <_> - - 0 -1 974 4.1768390685319901e-02 - - 4.5171868987381458e-03 -5.2301770448684692e-01 - <_> - - 0 -1 975 -4.6589840203523636e-03 - - -2.4603700637817383e-01 3.8989998400211334e-02 - <_> - - 0 -1 976 1.2120570056140423e-02 - - 1.2968990020453930e-02 -6.7711579799652100e-01 - <_> - - 0 -1 977 5.1322788931429386e-03 - - 1.5230550430715084e-02 -5.5883342027664185e-01 - <_> - - 0 -1 978 8.5264481604099274e-02 - - 1.7884389963001013e-03 -5.7048821449279785e-01 - <_> - - 0 -1 979 2.7729919180274010e-02 - - -3.7531539797782898e-02 3.1022569537162781e-01 - <_> - - 0 -1 980 4.1674780659377575e-03 - - -9.5324076712131500e-02 9.6109919250011444e-02 - <_> - - 0 -1 981 -3.5056591033935547e-02 - - -3.7690278887748718e-01 2.4474700912833214e-02 - <_> - - 0 -1 982 1.7184760421514511e-02 - - -7.0347599685192108e-03 4.8588299751281738e-01 - <_> - - 0 -1 983 3.7842839956283569e-03 - - 4.3908059597015381e-02 -2.5237309932708740e-01 - <_> - - 0 -1 984 8.2066917419433594e-01 - - 1.5171869657933712e-02 -5.3948462009429932e-01 - <_> - - 0 -1 985 1.0091160424053669e-02 - - -9.6920862793922424e-02 1.1189579963684082e-01 - <_> - - 0 -1 986 -1.6029510647058487e-02 - - -2.3441310226917267e-01 2.3455519229173660e-02 - <_> - - 0 -1 987 1.0849679820239544e-02 - - 4.4147640466690063e-02 -2.6963528990745544e-01 - <_> - - 0 -1 988 1.3045299798250198e-02 - - 2.2153200116008520e-03 -7.9784917831420898e-01 - <_> - - 0 -1 989 1.1236639693379402e-02 - - -4.3046820908784866e-02 2.4014919996261597e-01 - <_> - - 0 -1 990 -7.7543058432638645e-03 - - -3.5501450300216675e-01 1.1025140061974525e-02 - <_> - - 0 -1 991 3.3010800834745169e-03 - - 3.0340820550918579e-02 -3.7136289477348328e-01 - <_> - - 0 -1 992 6.5340842120349407e-03 - - -8.5805252194404602e-02 9.1638848185539246e-02 - <_> - - 0 -1 993 -4.7619681805372238e-02 - - 4.0863269567489624e-01 -2.6420159265398979e-02 - <_> - - 0 -1 994 6.8403937621042132e-04 - - -3.2312858849763870e-02 8.8080801069736481e-02 - <_> - - 0 -1 995 -7.6149452070239931e-05 - - 1.1525599658489227e-01 -8.9074932038784027e-02 - <_> - - 0 -1 996 2.4684870368218981e-05 - - -6.0994371771812439e-02 8.1846691668033600e-02 - <_> - - 0 -1 997 -8.2685357483569533e-05 - - 1.1239729821681976e-01 -8.7840661406517029e-02 - <_> - - 0 -1 998 -5.1181959861423820e-05 - - 1.2418139725923538e-01 -9.6157982945442200e-02 - <_> - - 0 -1 999 -8.0426130443811417e-03 - - -4.0603759884834290e-01 2.5093160569667816e-02 - <_> - - 0 -1 1000 2.4684870368218981e-05 - - -7.3493182659149170e-02 9.0214557945728302e-02 - <_> - - 0 -1 1001 5.0119768275180832e-05 - - -8.2994453608989716e-02 1.1394649744033813e-01 - <_> - - 0 -1 1002 -9.5925288042053580e-04 - - -7.1206063032150269e-02 4.2806431651115417e-02 - <_> - - 0 -1 1003 2.0211040973663330e-03 - - 2.5516960769891739e-02 -3.5512170195579529e-01 - <_> - - 0 -1 1004 1.2242579832673073e-02 - - 1.8769890069961548e-02 -1.9807919859886169e-01 - <_> - - 0 -1 1005 -1.4281050302088261e-02 - - 1.9607509672641754e-01 -5.0247050821781158e-02 - <_> - - 0 -1 1006 4.0956941246986389e-01 - - 1.3107390142977238e-02 -7.2472369670867920e-01 - <_> - - 0 -1 1007 2.6600460842018947e-05 - - -8.7076403200626373e-02 1.1106210201978683e-01 - <_> - - 0 -1 1008 -1.1234419653192163e-03 - - 7.7456079423427582e-02 -1.3284559547901154e-01 - <_> - - 0 -1 1009 5.6427060626447201e-03 - - 4.8446040600538254e-02 -2.1871030330657959e-01 - <_> - - 0 -1 1010 -1.3591510243713856e-02 - - 8.2535639405250549e-02 -2.2708360105752945e-02 - <_> - - 0 -1 1011 1.1591419577598572e-02 - - -4.8790689557790756e-02 1.9490590691566467e-01 - <_> - - 0 -1 1012 -1.2608569860458374e-01 - - 4.1815188527107239e-01 -9.5796259120106697e-03 - <_> - - 0 -1 1013 2.6331260800361633e-02 - - 1.6726149246096611e-02 -5.7491612434387207e-01 - <_> - - 0 -1 1014 4.1054669767618179e-02 - - -1.0885179974138737e-02 3.4100100398063660e-01 - <_> - - 0 -1 1015 7.1040436625480652e-02 - - -1.3916869647800922e-02 6.0548651218414307e-01 - <_> - - 0 -1 1016 -1.6813749447464943e-02 - - -4.1529890894889832e-01 2.3168940097093582e-02 - <_> - - 0 -1 1017 -1.6978330910205841e-02 - - 2.2032840549945831e-01 -3.9898801594972610e-02 - <_> - - 0 -1 1018 -9.5234332547988743e-05 - - 8.1150002777576447e-02 -1.3438819348812103e-01 - <_> - - 0 -1 1019 -1.7120620235800743e-02 - - -4.2468288540840149e-01 2.0317260175943375e-02 - <_> - - 0 -1 1020 2.1241260692477226e-02 - - 1.4055900275707245e-02 -5.4326081275939941e-01 - <_> - - 0 -1 1021 -4.6816341578960419e-02 - - 3.9923959970474243e-01 -2.2853419184684753e-02 - <_> - - 0 -1 1022 -2.2095210850238800e-02 - - -4.1975128650665283e-01 1.1670240201056004e-02 - <_> - - 0 -1 1023 2.2133700549602509e-01 - - 1.3368880376219749e-02 -5.8491647243499756e-01 - <_> - - 0 -1 1024 5.7718330062925816e-03 - - -3.9301060140132904e-02 7.6248377561569214e-02 - <_> - - 0 -1 1025 9.2696389183402061e-03 - - -4.0809009224176407e-02 2.0580360293388367e-01 - <_> - - 0 -1 1026 1.6822699690237641e-03 - - -6.0559730976819992e-02 8.9423552155494690e-02 - <_> - - 0 -1 1027 -1.5279100276529789e-02 - - -3.9893868565559387e-01 2.2799460217356682e-02 - <_> - - 0 -1 1028 -3.1749838963150978e-03 - - 1.3225950300693512e-01 -4.6028770506381989e-02 - <_> - - 0 -1 1029 2.8258180245757103e-03 - - -1.0630449652671814e-01 9.6875302493572235e-02 - <_> - - 0 -1 1030 -5.4384778195526451e-05 - - 5.1282491534948349e-02 -8.4274142980575562e-02 - <_> - - 0 -1 1031 1.4561800286173820e-02 - - -4.3352860957384109e-02 1.9777399301528931e-01 - <_> - - 0 -1 1032 4.3724558781832457e-04 - - -5.0819009542465210e-02 1.0387989878654480e-01 - <_> - - 0 -1 1033 -1.0908489674329758e-01 - - -3.3270779252052307e-01 2.6828980073332787e-02 - <_> - - 0 -1 1034 -7.0241180947050452e-04 - - 7.6168522238731384e-02 -6.4519211649894714e-02 - <_> - - 0 -1 1035 -1.5636570751667023e-02 - - -4.4809681177139282e-01 2.0276250317692757e-02 - <_> - - 0 -1 1036 -1.1897999793291092e-02 - - -4.9537119269371033e-01 4.4984170235693455e-03 - <_> - - 0 -1 1037 -1.5789919998496771e-03 - - 1.2958030402660370e-01 -7.2660639882087708e-02 - <_> - - 0 -1 1038 -4.9960118532180786e-01 - - -6.6730189323425293e-01 7.9309539869427681e-03 - <_> - 200 - -1.2872380018234253e+00 - - <_> - - 0 -1 1039 -7.8940317034721375e-02 - - 3.2988879084587097e-01 -1.9701880216598511e-01 - <_> - - 0 -1 1040 -1.7321130260825157e-02 - - 2.1981470286846161e-01 -8.1192083656787872e-02 - <_> - - 0 -1 1041 1.2355250306427479e-02 - - -3.0988898873329163e-01 1.4423920214176178e-01 - <_> - - 0 -1 1042 -1.0426779836416245e-01 - - 1.5626840293407440e-01 -1.8359909951686859e-01 - <_> - - 0 -1 1043 -8.5183881223201752e-02 - - -2.9022741317749023e-01 1.2742319703102112e-01 - <_> - - 0 -1 1044 -1.3357129693031311e-01 - - -3.0198419094085693e-01 -1.6821650788187981e-02 - <_> - - 0 -1 1045 2.2293360531330109e-01 - - 1.8408309668302536e-02 -9.1678131103515625e+02 - <_> - - 0 -1 1046 -2.7723070234060287e-02 - - 9.9666483700275421e-02 -1.1882440000772476e-01 - <_> - - 0 -1 1047 1.8182699382305145e-01 - - -5.7261440902948380e-02 4.6252810955047607e-01 - <_> - - 0 -1 1048 2.4684790521860123e-02 - - 6.8861052393913269e-02 -1.9284169375896454e-01 - <_> - - 0 -1 1049 1.3814649544656277e-02 - - -7.8058518469333649e-02 3.0780151486396790e-01 - <_> - - 0 -1 1050 -2.4524500593543053e-02 - - -2.6867350935935974e-01 6.8230986595153809e-02 - <_> - - 0 -1 1051 7.0112771354615688e-03 - - -1.8542979657649994e-01 1.1322949826717377e-01 - <_> - - 0 -1 1052 -1.0548190027475357e-01 - - -3.4024599194526672e-01 1.0903449729084969e-02 - <_> - - 0 -1 1053 -6.3391570001840591e-03 - - 1.0419529676437378e-01 -2.0516459643840790e-01 - <_> - - 0 -1 1054 7.8947477042675018e-02 - - 1.6118109226226807e-02 -4.1540539264678955e-01 - <_> - - 0 -1 1055 4.8509850166738033e-03 - - 4.8841159790754318e-02 -3.8384801149368286e-01 - <_> - - 0 -1 1056 4.5862730592489243e-02 - - -1.5829730033874512e-01 1.0200840234756470e-01 - <_> - - 0 -1 1057 1.3429409824311733e-02 - - 5.4573111236095428e-02 -3.6586639285087585e-01 - <_> - - 0 -1 1058 1.9151210784912109e-02 - - 1.1911420151591301e-02 -4.3721321225166321e-01 - <_> - - 0 -1 1059 -2.2035999596118927e-01 - - 3.8328599929809570e-01 -5.7721391320228577e-02 - <_> - - 0 -1 1060 4.2383451014757156e-02 - - -6.5342620015144348e-02 7.8451372683048248e-02 - <_> - - 0 -1 1061 3.0524730682373047e-02 - - 4.9622170627117157e-02 -3.4946510195732117e-01 - <_> - - 0 -1 1062 1.9504040479660034e-02 - - -6.8343728780746460e-02 2.6461350917816162e-01 - <_> - - 0 -1 1063 9.8469397053122520e-03 - - -7.7927976846694946e-02 2.0894029736518860e-01 - <_> - - 0 -1 1064 -3.2195370644330978e-02 - - 2.6800119876861572e-01 -7.0054799318313599e-02 - <_> - - 0 -1 1065 -9.8907537758350372e-03 - - 1.2193089723587036e-01 -1.3975459337234497e-01 - <_> - - 0 -1 1066 1.6434019431471825e-02 - - 2.9636459425091743e-02 -2.3874099552631378e-01 - <_> - - 0 -1 1067 -8.7646512838546187e-05 - - 1.0851290076971054e-01 -1.3716340065002441e-01 - <_> - - 0 -1 1068 -1.4536869712173939e-02 - - -3.8466268777847290e-01 2.3676240816712379e-02 - <_> - - 0 -1 1069 1.1710939928889275e-02 - - 4.1695669293403625e-02 -3.1956040859222412e-01 - <_> - - 0 -1 1070 -1.1641769669950008e-02 - - -2.8680109977722168e-01 1.4557749964296818e-02 - <_> - - 0 -1 1071 2.1298279985785484e-02 - - 2.5519400835037231e-02 -4.8966890573501587e-01 - <_> - - 0 -1 1072 -9.2027969658374786e-03 - - -6.2252938747406006e-01 8.7586138397455215e-03 - <_> - - 0 -1 1073 -2.0174520090222359e-02 - - 3.0807420611381531e-01 -3.9538878947496414e-02 - <_> - - 0 -1 1074 1.0657950304448605e-02 - - 1.0425630025565624e-02 -3.7197288870811462e-01 - <_> - - 0 -1 1075 4.5577301643788815e-03 - - -1.1608000099658966e-01 1.0506209731101990e-01 - <_> - - 0 -1 1076 5.9895858168601990e-02 - - -8.2911262288689613e-03 7.5710900127887726e-02 - <_> - - 0 -1 1077 -9.2518046498298645e-02 - - -3.9722099900245667e-01 3.5415899008512497e-02 - <_> - - 0 -1 1078 5.3780227899551392e-03 - - -4.5169800519943237e-02 1.0165379941463470e-01 - <_> - - 0 -1 1079 -2.1006090100854635e-03 - - 7.3628917336463928e-02 -1.8362529575824738e-01 - <_> - - 0 -1 1080 8.4413066506385803e-03 - - -5.0623130053281784e-02 2.7132049202919006e-01 - <_> - - 0 -1 1081 -2.8913110494613647e-02 - - -2.3330889642238617e-01 5.6141868233680725e-02 - <_> - - 0 -1 1082 8.9428931474685669e-02 - - 4.2139500379562378e-02 -2.9663449525833130e-01 - <_> - - 0 -1 1083 -2.2211730480194092e-02 - - 3.2237181067466736e-01 -4.1160151362419128e-02 - <_> - - 0 -1 1084 3.7851219531148672e-03 - - -7.0737093687057495e-02 1.0991329699754715e-01 - <_> - - 0 -1 1085 8.3305174484848976e-03 - - -1.9362829625606537e-01 6.6261023283004761e-02 - <_> - - 0 -1 1086 -2.3463189601898193e-02 - - -2.2869169712066650e-01 5.3898990154266357e-02 - <_> - - 0 -1 1087 1.0604270501062274e-03 - - -7.2537548840045929e-02 1.5869510173797607e-01 - <_> - - 0 -1 1088 6.5959356725215912e-02 - - 5.6216111406683922e-03 -3.9239290356636047e-01 - <_> - - 0 -1 1089 -5.4879009723663330e-02 - - 2.8525480628013611e-01 -4.4418711215257645e-02 - <_> - - 0 -1 1090 3.4504090435802937e-03 - - 1.3675140216946602e-02 -4.4305860996246338e-01 - <_> - - 0 -1 1091 7.9733468592166901e-03 - - 2.0884349942207336e-02 -5.0481712818145752e-01 - <_> - - 0 -1 1092 1.8430359661579132e-02 - - -3.7965130060911179e-02 2.1417169272899628e-01 - <_> - - 0 -1 1093 -6.0115829110145569e-03 - - -3.4198600053787231e-01 2.9979920014739037e-02 - <_> - - 0 -1 1094 -4.0763098746538162e-02 - - 2.4182400107383728e-01 -3.2476250082254410e-02 - <_> - - 0 -1 1095 -4.5631989836692810e-02 - - 1.9471660256385803e-01 -8.9865140616893768e-02 - <_> - - 0 -1 1096 -1.3024959713220596e-02 - - 1.8374669551849365e-01 -3.9763871580362320e-02 - <_> - - 0 -1 1097 3.5364780575037003e-02 - - -9.9338017404079437e-02 1.3468970358371735e-01 - <_> - - 0 -1 1098 1.8771320581436157e-01 - - 1.1638140305876732e-02 -3.4229630231857300e-01 - <_> - - 0 -1 1099 -7.5244922190904617e-03 - - -2.0901820063591003e-01 6.4269833266735077e-02 - <_> - - 0 -1 1100 -3.4522291272878647e-02 - - 3.5216939449310303e-01 -3.6898851394653320e-02 - <_> - - 0 -1 1101 -1.1451860191300511e-03 - - 7.2152033448219299e-02 -2.0841260254383087e-01 - <_> - - 0 -1 1102 -1.0812779888510704e-02 - - -3.3911031484603882e-01 1.0240299627184868e-02 - <_> - - 0 -1 1103 4.4051618315279484e-03 - - 4.4835019856691360e-02 -2.3211100697517395e-01 - <_> - - 0 -1 1104 -6.1400611884891987e-03 - - -2.6839160919189453e-01 3.9040140807628632e-02 - <_> - - 0 -1 1105 -2.5988669221987948e-05 - - 1.1040650308132172e-01 -9.7347527742385864e-02 - <_> - - 0 -1 1106 -9.7707603126764297e-03 - - 1.3180179893970490e-01 -4.2217381298542023e-02 - <_> - - 0 -1 1107 1.4637519605457783e-02 - - -3.9937119930982590e-02 2.6679611206054688e-01 - <_> - - 0 -1 1108 1.7369400709867477e-02 - - 4.3008368462324142e-02 -2.6838469505310059e-01 - <_> - - 0 -1 1109 2.0715700462460518e-02 - - -4.4139068573713303e-02 2.5288510322570801e-01 - <_> - - 0 -1 1110 4.4260770082473755e-03 - - -1.8148280680179596e-02 6.3740082085132599e-02 - <_> - - 0 -1 1111 -2.1819660440087318e-02 - - -4.5305460691452026e-01 2.4142699316143990e-02 - <_> - - 0 -1 1112 4.8437709920108318e-03 - - 1.2343520298600197e-02 -1.5617559850215912e-01 - <_> - - 0 -1 1113 -2.7822460979223251e-03 - - -3.0781841278076172e-01 3.3887200057506561e-02 - <_> - - 0 -1 1114 -1.4766600215807557e-03 - - 3.7661001086235046e-02 -3.7117090076208115e-02 - <_> - - 0 -1 1115 2.0395090803503990e-02 - - 1.3521149754524231e-02 -7.2870039939880371e-01 - <_> - - 0 -1 1116 1.4377470361068845e-03 - - -5.5464219301939011e-02 5.5265650153160095e-02 - <_> - - 0 -1 1117 -2.9832549393177032e-02 - - 4.2611280083656311e-01 -2.1838100627064705e-02 - <_> - - 0 -1 1118 3.0555859208106995e-02 - - 1.7631899565458298e-02 -6.0954070091247559e-01 - <_> - - 0 -1 1119 1.2299589812755585e-01 - - -2.6662720367312431e-02 3.6958339810371399e-01 - <_> - - 0 -1 1120 -2.2958520799875259e-02 - - -4.6332129836082458e-01 1.8426449969410896e-02 - <_> - - 0 -1 1121 -1.3268290087580681e-02 - - -4.3808931112289429e-01 1.9012859091162682e-02 - <_> - - 0 -1 1122 -4.6182751655578613e-02 - - -7.0005071163177490e-01 1.1527130380272865e-02 - <_> - - 0 -1 1123 2.6312459260225296e-02 - - -7.1522757411003113e-02 1.2768800556659698e-01 - <_> - - 0 -1 1124 6.8344743340276182e-05 - - -7.1661248803138733e-02 6.4936593174934387e-02 - <_> - - 0 -1 1125 -3.7463910877704620e-02 - - -3.1653049588203430e-01 3.0787749215960503e-02 - <_> - - 0 -1 1126 5.6358661502599716e-02 - - 8.4295487031340599e-03 -6.0672062635421753e-01 - <_> - - 0 -1 1127 -7.3837172240018845e-03 - - 9.7772389650344849e-02 -9.9168926477432251e-02 - <_> - - 0 -1 1128 2.9623919544974342e-05 - - -5.4954130202531815e-02 7.5745277106761932e-02 - <_> - - 0 -1 1129 1.6535919904708862e-01 - - 2.6091169565916061e-02 -3.5252508521080017e-01 - <_> - - 0 -1 1130 -8.3075620234012604e-02 - - -5.3609657287597656e-01 1.5322240069508553e-02 - <_> - - 0 -1 1131 1.3314849929884076e-03 - - -4.3492630124092102e-02 2.1460059285163879e-01 - <_> - - 0 -1 1132 -2.4037649855017662e-02 - - 3.3584278821945190e-01 -2.4913089349865913e-02 - <_> - - 0 -1 1133 6.2097259797155857e-03 - - 4.9151420593261719e-02 -1.9901290535926819e-01 - <_> - - 0 -1 1134 7.3641598224639893e-02 - - -8.7231457233428955e-02 1.0949330031871796e-01 - <_> - - 0 -1 1135 2.8918519616127014e-02 - - 5.1056448370218277e-02 -2.0575879514217377e-01 - <_> - - 0 -1 1136 3.7253550253808498e-03 - - -3.6701608449220657e-02 1.0511349886655807e-01 - <_> - - 0 -1 1137 8.2107484340667725e-03 - - 2.3830300197005272e-02 -3.5800701379776001e-01 - <_> - - 0 -1 1138 1.8392279744148254e-03 - - -4.4707790017127991e-02 1.1898309737443924e-01 - <_> - - 0 -1 1139 -6.8104080855846405e-03 - - -1.6840079426765442e-01 4.8348199576139450e-02 - <_> - - 0 -1 1140 3.3966489136219025e-03 - - -3.0804419890046120e-02 1.3462269306182861e-01 - <_> - - 0 -1 1141 3.3915819949470460e-04 - - -7.7528692781925201e-02 1.1303810030221939e-01 - <_> - - 0 -1 1142 -1.8353240191936493e-01 - - 9.5320522785186768e-02 -3.2496929168701172e-02 - <_> - - 0 -1 1143 4.4860368967056274e-01 - - 1.3921190053224564e-02 -7.2890061140060425e-01 - <_> - - 0 -1 1144 8.8801890611648560e-02 - - -6.4020909368991852e-02 3.6400448530912399e-02 - <_> - - 0 -1 1145 1.0808440297842026e-01 - - -6.4322993159294128e-02 1.9376879930496216e-01 - <_> - - 0 -1 1146 -6.9059031084179878e-03 - - -3.1092429161071777e-01 2.0556580275297165e-02 - <_> - - 0 -1 1147 2.5598949287086725e-03 - - -9.1550342738628387e-02 9.2027373611927032e-02 - <_> - - 0 -1 1148 4.9356167437508702e-04 - - -2.4271320551633835e-02 6.5760858356952667e-02 - <_> - - 0 -1 1149 1.5352670103311539e-02 - - 1.7310719937086105e-02 -4.8900419473648071e-01 - <_> - - 0 -1 1150 9.7035951912403107e-03 - - 8.9735705405473709e-03 -4.1271901130676270e-01 - <_> - - 0 -1 1151 -2.1431730128824711e-03 - - -1.9551250338554382e-01 3.8025110960006714e-02 - <_> - - 0 -1 1152 -5.3084579121787101e-05 - - 7.0507623255252838e-02 -4.7128938138484955e-02 - <_> - - 0 -1 1153 8.6803667247295380e-02 - - -1.6351899132132530e-02 4.7820520401000977e-01 - <_> - - 0 -1 1154 1.1078939773142338e-02 - - -2.5524420663714409e-02 1.0990680009126663e-01 - <_> - - 0 -1 1155 -6.1349938623607159e-03 - - -3.5728418827056885e-01 2.2397089749574661e-02 - <_> - - 0 -1 1156 -4.7654299996793270e-03 - - -8.5008271038532257e-02 2.2307649254798889e-02 - <_> - - 0 -1 1157 1.2252650223672390e-02 - - 1.7857609316706657e-02 -4.1976860165596008e-01 - <_> - - 0 -1 1158 1.1971440166234970e-02 - - -2.1071229130029678e-02 2.3789730668067932e-01 - <_> - - 0 -1 1159 3.2991201151162386e-03 - - -6.1564899981021881e-02 1.3292570412158966e-01 - <_> - - 0 -1 1160 -1.8449019640684128e-02 - - 1.4298330247402191e-01 -2.5206809863448143e-02 - <_> - - 0 -1 1161 -7.4155619367957115e-03 - - 1.7994129657745361e-01 -4.9833629280328751e-02 - <_> - - 0 -1 1162 4.8206571489572525e-02 - - 2.7245989069342613e-02 -3.8131779432296753e-01 - <_> - - 0 -1 1163 1.1687170481309295e-03 - - 4.6957340091466904e-02 -1.8173030018806458e-01 - <_> - - 0 -1 1164 -1.3616660237312317e-01 - - 4.0798899531364441e-01 -2.2476859390735626e-02 - <_> - - 0 -1 1165 -2.3739310563541949e-05 - - 1.0147339850664139e-01 -8.4523528814315796e-02 - <_> - - 0 -1 1166 7.6772958040237427e-02 - - 6.4514591358602047e-03 -4.6041280031204224e-01 - <_> - - 0 -1 1167 6.3457563519477844e-02 - - -2.0250169560313225e-02 3.9726629853248596e-01 - <_> - - 0 -1 1168 -3.3444589935243130e-03 - - 1.5261699259281158e-01 -5.2653640508651733e-02 - <_> - - 0 -1 1169 5.7241220027208328e-02 - - -1.3445749878883362e-01 8.0746330320835114e-02 - <_> - - 0 -1 1170 -4.1631441563367844e-02 - - -1.0822279751300812e-01 2.2437069565057755e-02 - <_> - - 0 -1 1171 1.4903079718351364e-02 - - 4.5007079839706421e-02 -2.2001840174198151e-01 - <_> - - 0 -1 1172 2.2303420305252075e-01 - - 1.2495860457420349e-02 -6.0045099258422852e-01 - <_> - - 0 -1 1173 1.6906030476093292e-02 - - 1.2750269845128059e-02 -5.3238618373870850e-01 - <_> - - 0 -1 1174 2.4477340281009674e-01 - - 3.1138889025896788e-03 -5.7128059864044189e-01 - <_> - - 0 -1 1175 -1.8740040063858032e-01 - - 4.3744760751724243e-01 -1.9650889560580254e-02 - <_> - - 0 -1 1176 5.0131231546401978e-03 - - -6.7403636872768402e-02 1.0132519900798798e-01 - <_> - - 0 -1 1177 1.2101340107619762e-03 - - 3.4509558230638504e-02 -2.1935179829597473e-01 - <_> - - 0 -1 1178 -1.0921210050582886e-02 - - -1.5897870063781738e-01 6.7669888958334923e-03 - <_> - - 0 -1 1179 1.0091220028698444e-03 - - -8.0816611647605896e-02 9.0216286480426788e-02 - <_> - - 0 -1 1180 -7.9159833490848541e-02 - - -4.9557760357856750e-01 9.0577276423573494e-03 - <_> - - 0 -1 1181 2.3125790059566498e-02 - - 2.6155060157179832e-02 -2.6404741406440735e-01 - <_> - - 0 -1 1182 2.5399661064147949e-01 - - -4.1755758225917816e-02 8.4267638623714447e-02 - <_> - - 0 -1 1183 4.1338570415973663e-02 - - -5.4307978600263596e-02 1.6323280334472656e-01 - <_> - - 0 -1 1184 7.9801427200436592e-03 - - -5.6379988789558411e-02 8.5087403655052185e-02 - <_> - - 0 -1 1185 -2.2182149812579155e-02 - - 1.5680639445781708e-01 -5.2673079073429108e-02 - <_> - - 0 -1 1186 8.8383043475914747e-05 - - -1.1258769780397415e-01 7.1022190153598785e-02 - <_> - - 0 -1 1187 -5.0613721832633018e-03 - - -3.7599068880081177e-01 2.2983800619840622e-02 - <_> - - 0 -1 1188 6.3651002943515778e-02 - - 4.1155992075800896e-03 -4.1837128996849060e-01 - <_> - - 0 -1 1189 1.9820030778646469e-02 - - -8.2667507231235504e-02 9.7538232803344727e-02 - <_> - - 0 -1 1190 1.2445739703252912e-03 - - -3.3446729183197021e-02 1.4538469910621643e-01 - <_> - - 0 -1 1191 -1.1178659647703171e-01 - - 2.5024509429931641e-01 -3.5332940518856049e-02 - <_> - - 0 -1 1192 -2.4203520733863115e-03 - - 1.7330379784107208e-01 -2.2793199867010117e-02 - <_> - - 0 -1 1193 1.2127320223953575e-04 - - -7.4290402233600616e-02 1.1935789883136749e-01 - <_> - - 0 -1 1194 8.6516663432121277e-03 - - 1.1963260360062122e-02 -2.8482851386070251e-01 - <_> - - 0 -1 1195 2.5779709176276810e-05 - - -1.1878810077905655e-01 8.3679713308811188e-02 - <_> - - 0 -1 1196 6.6892090253531933e-03 - - -2.5949949398636818e-02 9.8636366426944733e-02 - <_> - - 0 -1 1197 7.3373341001570225e-03 - - -5.6868050247430801e-02 1.3806000351905823e-01 - <_> - - 0 -1 1198 -4.8734410665929317e-03 - - 7.7433526515960693e-02 -3.5236679017543793e-02 - <_> - - 0 -1 1199 6.4124629716388881e-05 - - -1.2456929683685303e-01 7.1608223021030426e-02 - <_> - - 0 -1 1200 -3.0315749347209930e-02 - - -1.9579620659351349e-01 3.0857350677251816e-02 - <_> - - 0 -1 1201 -3.5041071474552155e-02 - - 1.7880150675773621e-01 -4.8966780304908752e-02 - <_> - - 0 -1 1202 4.1970908641815186e-02 - - -4.0191859006881714e-02 1.2946340441703796e-01 - <_> - - 0 -1 1203 -4.0881849825382233e-02 - - 1.3018250465393066e-01 -7.8276343643665314e-02 - <_> - - 0 -1 1204 -5.2412762306630611e-03 - - -1.8295650184154510e-01 3.7169050425291061e-02 - <_> - - 0 -1 1205 5.0555911002447829e-05 - - -8.3728358149528503e-02 9.3980863690376282e-02 - <_> - - 0 -1 1206 1.6592690721154213e-02 - - 5.7793757878243923e-03 -8.1482458114624023e-01 - <_> - - 0 -1 1207 6.3152369111776352e-03 - - 2.1336369216442108e-02 -3.2484549283981323e-01 - <_> - - 0 -1 1208 -5.6888211518526077e-02 - - -4.1595301032066345e-01 3.6880860570818186e-03 - <_> - - 0 -1 1209 3.4150490537285805e-03 - - -5.3596410900354385e-02 1.4040400087833405e-01 - <_> - - 0 -1 1210 1.4779959619045258e-01 - - 4.9799410626292229e-03 -6.2260872125625610e-01 - <_> - - 0 -1 1211 -6.9511711597442627e-02 - - -4.3304800987243652e-01 1.8926220014691353e-02 - <_> - - 0 -1 1212 1.6076939646154642e-03 - - -3.6794148385524750e-02 6.8327270448207855e-02 - <_> - - 0 -1 1213 1.5456780092790723e-03 - - -6.6803686320781708e-02 1.3351519405841827e-01 - <_> - - 0 -1 1214 1.5967389568686485e-02 - - 6.9505311548709869e-03 -4.7136560082435608e-01 - <_> - - 0 -1 1215 2.8711509704589844e-01 - - -1.5348769724369049e-02 4.7458758950233459e-01 - <_> - - 0 -1 1216 3.4093499183654785e-01 - - 5.4452791810035706e-03 -7.9175651073455811e-01 - <_> - - 0 -1 1217 6.6727129742503166e-03 - - 2.9457410797476768e-02 -2.5477468967437744e-01 - <_> - - 0 -1 1218 -2.6719029992818832e-03 - - -1.7070059478282928e-01 3.5767339169979095e-02 - <_> - - 0 -1 1219 5.2617820911109447e-03 - - -3.3655051141977310e-02 2.1332639455795288e-01 - <_> - - 0 -1 1220 8.1078894436359406e-03 - - 3.0109869316220284e-02 -4.6023748815059662e-02 - <_> - - 0 -1 1221 1.6731999814510345e-02 - - -4.3719969689846039e-02 1.9436429440975189e-01 - <_> - - 0 -1 1222 1.9152810797095299e-02 - - 1.7497120425105095e-02 -4.2827600240707397e-01 - <_> - - 0 -1 1223 -1.4171889424324036e-01 - - -3.8993918895721436e-01 1.7089590430259705e-02 - <_> - - 0 -1 1224 3.8122260011732578e-03 - - -1.1586090177297592e-01 5.0662569701671600e-02 - <_> - - 0 -1 1225 -1.7030799761414528e-02 - - -5.3991311788558960e-01 1.1941430158913136e-02 - <_> - - 0 -1 1226 -8.8250916451215744e-03 - - -3.3240219950675964e-01 8.3178747445344925e-03 - <_> - - 0 -1 1227 -5.9308991767466068e-03 - - 2.2111830115318298e-01 -3.1433571130037308e-02 - <_> - - 0 -1 1228 -3.7457819562405348e-03 - - -1.0303570330142975e-01 2.4099970236420631e-02 - <_> - - 0 -1 1229 4.8495861701667309e-03 - - 2.5730669498443604e-02 -2.6656630635261536e-01 - <_> - - 0 -1 1230 3.0769100785255432e-01 - - 2.6101889088749886e-02 -1.8695330619812012e-01 - <_> - - 0 -1 1231 1.1795950122177601e-02 - - -1.1187969893217087e-01 6.8893343210220337e-02 - <_> - - 0 -1 1232 -1.0205689817667007e-01 - - 1.6410979628562927e-01 -3.9911000058054924e-03 - <_> - - 0 -1 1233 1.0506930202245712e-01 - - -1.7098480835556984e-02 4.2889660596847534e-01 - <_> - - 0 -1 1234 4.8301670176442713e-05 - - -4.1623938828706741e-02 4.9571871757507324e-02 - <_> - - 0 -1 1235 2.2682799026370049e-03 - - -6.8807549774646759e-02 1.0216739773750305e-01 - <_> - - 0 -1 1236 -6.0366461984813213e-03 - - -1.7388309538364410e-01 1.9866410642862320e-02 - <_> - - 0 -1 1237 4.9747680313885212e-03 - - 3.3109340816736221e-02 -2.3262310028076172e-01 - <_> - - 0 -1 1238 -3.4262079745531082e-02 - - -2.1563960611820221e-01 1.1507480405271053e-02 - <_> - 205 - -1.2998509407043457e+00 - - <_> - - 0 -1 1239 8.8293753564357758e-02 - - -2.4894049763679504e-01 2.6465269923210144e-01 - <_> - - 0 -1 1240 -1.6517499461770058e-02 - - 1.3087649643421173e-01 -4.8301700502634048e-02 - <_> - - 0 -1 1241 2.4295739829540253e-01 - - 2.4608039529994130e-04 -1.2118969726562500e+03 - <_> - - 0 -1 1242 1.7855629324913025e-02 - - -2.1882280707359314e-02 6.2913432717323303e-02 - <_> - - 0 -1 1243 -1.1276870034635067e-02 - - 1.8169599771499634e-01 -2.3071660101413727e-01 - <_> - - 0 -1 1244 2.3212030529975891e-02 - - 1.0888969898223877e-01 -2.8105589747428894e-01 - <_> - - 0 -1 1245 -3.3462621271610260e-02 - - 4.2646810412406921e-01 -1.1283230036497116e-01 - <_> - - 0 -1 1246 3.0994430184364319e-02 - - 5.7805508375167847e-02 -3.9169758558273315e-01 - <_> - - 0 -1 1247 -1.5080560743808746e-01 - - -4.4636020064353943e-01 6.8994842469692230e-02 - <_> - - 0 -1 1248 1.9667649269104004e-01 - - 5.0415519624948502e-02 -5.1629501581192017e-01 - <_> - - 0 -1 1249 2.2066079545766115e-03 - - -7.0726096630096436e-02 2.7825760841369629e-01 - <_> - - 0 -1 1250 -1.0757049918174744e-01 - - 2.4468080699443817e-01 -7.2584472596645355e-02 - <_> - - 0 -1 1251 6.0178998857736588e-02 - - -9.3773849308490753e-02 2.0907169580459595e-01 - <_> - - 0 -1 1252 7.2164356708526611e-02 - - 2.4619700387120247e-02 -3.7749460339546204e-01 - <_> - - 0 -1 1253 -1.8397889798507094e-03 - - -3.6595511436462402e-01 3.5692859441041946e-02 - <_> - - 0 -1 1254 3.3323359675705433e-03 - - 2.7419339865446091e-02 -2.1830609440803528e-01 - <_> - - 0 -1 1255 2.5542399287223816e-01 - - 4.2471811175346375e-02 -4.0455558896064758e-01 - <_> - - 0 -1 1256 8.3238910883665085e-03 - - -3.8298089057207108e-02 1.9972600042819977e-01 - <_> - - 0 -1 1257 3.6837169900536537e-03 - - 5.1650788635015488e-02 -3.1488728523254395e-01 - <_> - - 0 -1 1258 1.5801090002059937e-01 - - 7.9839415848255157e-03 -6.4591610431671143e-01 - <_> - - 0 -1 1259 1.1954840272665024e-01 - - 3.0364699661731720e-02 -4.8359268903732300e-01 - <_> - - 0 -1 1260 -8.1479396612849087e-05 - - 9.1914586722850800e-02 -1.0646209865808487e-01 - <_> - - 0 -1 1261 2.5267980527132750e-03 - - 4.5257300138473511e-02 -3.4382629394531250e-01 - <_> - - 0 -1 1262 1.7898750305175781e-01 - - 1.4417519792914391e-02 -5.0265449285507202e-01 - <_> - - 0 -1 1263 -3.9555188268423080e-02 - - -3.5880690813064575e-01 3.4250080585479736e-02 - <_> - - 0 -1 1264 7.6789730228483677e-03 - - -1.1144369840621948e-01 1.3516369462013245e-01 - <_> - - 0 -1 1265 1.0572779923677444e-02 - - -4.3757978826761246e-02 3.1598579883575439e-01 - <_> - - 0 -1 1266 3.5706758499145508e-02 - - -1.5924380719661713e-01 8.3367466926574707e-02 - <_> - - 0 -1 1267 1.5176620334386826e-02 - - -1.0966440290212631e-01 1.4354470372200012e-01 - <_> - - 0 -1 1268 -5.1909979432821274e-02 - - 1.3713189959526062e-01 -2.8933400288224220e-02 - <_> - - 0 -1 1269 -2.4980900809168816e-02 - - 1.2819109857082367e-01 -1.0164009779691696e-01 - <_> - - 0 -1 1270 5.1697930321097374e-03 - - 3.9700139313936234e-02 -1.6936889290809631e-01 - <_> - - 0 -1 1271 -4.7851498238742352e-03 - - -2.8047218918800354e-01 4.2479898780584335e-02 - <_> - - 0 -1 1272 -1.1434390209615231e-02 - - -3.0073690414428711e-01 2.7911560609936714e-02 - <_> - - 0 -1 1273 3.1038429588079453e-02 - - -3.8415629416704178e-02 3.1910240650177002e-01 - <_> - - 0 -1 1274 1.9539990462362766e-03 - - 4.9008220434188843e-02 -2.4340090155601501e-01 - <_> - - 0 -1 1275 1.5783209819346666e-03 - - 4.9061909317970276e-02 -2.1728959679603577e-01 - <_> - - 0 -1 1276 -1.4102280139923096e-01 - - 1.2385349720716476e-01 -1.9456090405583382e-02 - <_> - - 0 -1 1277 2.5759469717741013e-02 - - -5.7730589061975479e-02 2.2352460026741028e-01 - <_> - - 0 -1 1278 -1.3943019509315491e-01 - - -4.3312790989875793e-01 5.1124738529324532e-03 - <_> - - 0 -1 1279 -9.7004458308219910e-02 - - -5.8657991886138916e-01 1.7181839793920517e-02 - <_> - - 0 -1 1280 9.5027927309274673e-03 - - -2.8794759884476662e-02 2.9738929867744446e-01 - <_> - - 0 -1 1281 -2.6246929541230202e-02 - - -2.1234120428562164e-01 4.9407571554183960e-02 - <_> - - 0 -1 1282 -2.8517890721559525e-02 - - -4.1019749641418457e-01 1.0724140331149101e-02 - <_> - - 0 -1 1283 -7.9501066356897354e-03 - - 2.9748660326004028e-01 -3.5765208303928375e-02 - <_> - - 0 -1 1284 -2.9474299401044846e-02 - - -2.7445879578590393e-01 3.7858150899410248e-02 - <_> - - 0 -1 1285 -1.9700409844517708e-02 - - -3.7312510609626770e-01 2.4606190621852875e-02 - <_> - - 0 -1 1286 2.0297240465879440e-02 - - -1.1456100270152092e-02 1.3001470267772675e-01 - <_> - - 0 -1 1287 -7.3365420103073120e-02 - - -3.3396759629249573e-01 2.8859499841928482e-02 - <_> - - 0 -1 1288 6.3272351399064064e-03 - - -7.6731666922569275e-02 1.5083900094032288e-01 - <_> - - 0 -1 1289 -1.3661600649356842e-01 - - 1.6243369877338409e-01 -9.5643773674964905e-02 - <_> - - 0 -1 1290 -1.0758030228316784e-02 - - -2.3738150298595428e-01 3.1558960676193237e-02 - <_> - - 0 -1 1291 6.6685132682323456e-02 - - 1.5413840301334858e-02 -6.2513381242752075e-01 - <_> - - 0 -1 1292 3.0325201153755188e-01 - - -2.9134880751371384e-02 3.6113429069519043e-01 - <_> - - 0 -1 1293 -1.5823159366846085e-02 - - -4.0985879302024841e-01 2.3118449375033379e-02 - <_> - - 0 -1 1294 2.5374559685587883e-02 - - -2.0472100004553795e-02 2.7052029967308044e-01 - <_> - - 0 -1 1295 1.6346940770745277e-02 - - -3.5330820828676224e-02 2.8036290407180786e-01 - <_> - - 0 -1 1296 3.4061360638588667e-03 - - -1.1166790127754211e-01 9.2086836695671082e-02 - <_> - - 0 -1 1297 2.3185899853706360e-01 - - -5.3374111652374268e-02 2.2651399672031403e-01 - <_> - - 0 -1 1298 8.7358150631189346e-03 - - 6.2240570783615112e-02 -1.6097889840602875e-01 - <_> - - 0 -1 1299 4.7981638461351395e-02 - - 3.2530840486288071e-02 -2.7026590704917908e-01 - <_> - - 0 -1 1300 3.2552659511566162e-02 - - -2.6799609884619713e-02 3.6133301258087158e-01 - <_> - - 0 -1 1301 -5.2017602138221264e-03 - - -2.2696959972381592e-01 5.3690869361162186e-02 - <_> - - 0 -1 1302 -5.2009779959917068e-02 - - 5.1674157381057739e-01 -2.0591339096426964e-02 - <_> - - 0 -1 1303 -5.0841891206800938e-03 - - 8.3876252174377441e-02 -1.2154210358858109e-01 - <_> - - 0 -1 1304 5.3035072050988674e-03 - - 3.1446810811758041e-02 -1.2339060008525848e-01 - <_> - - 0 -1 1305 4.5940061099827290e-03 - - -6.2744297087192535e-02 1.4181789755821228e-01 - <_> - - 0 -1 1306 6.9754808209836483e-03 - - 2.7987610548734665e-02 -3.0492180585861206e-01 - <_> - - 0 -1 1307 -3.3900879789143801e-03 - - -2.1763899922370911e-01 3.6219488829374313e-02 - <_> - - 0 -1 1308 9.5793427899479866e-03 - - -4.3325878679752350e-02 1.6427470743656158e-01 - <_> - - 0 -1 1309 -5.5032961070537567e-02 - - -2.6936888694763184e-01 3.2055959105491638e-02 - <_> - - 0 -1 1310 -9.5517598092556000e-02 - - 2.1610739827156067e-01 -5.8239780366420746e-02 - <_> - - 0 -1 1311 -8.8512140791863203e-04 - - 7.5295902788639069e-02 -1.2177939713001251e-01 - <_> - - 0 -1 1312 8.4586488083004951e-03 - - -4.5572049915790558e-02 2.8566330671310425e-01 - <_> - - 0 -1 1313 1.3831759989261627e-01 - - -3.0347919091582298e-02 2.8037178516387939e-01 - <_> - - 0 -1 1314 -8.5889035835862160e-03 - - 2.5955429673194885e-01 -2.4801440536975861e-02 - <_> - - 0 -1 1315 2.6830460410565138e-03 - - -1.3567750155925751e-01 7.5019992887973785e-02 - <_> - - 0 -1 1316 5.6114759296178818e-02 - - -1.3314700126647949e-01 6.7530378699302673e-02 - <_> - - 0 -1 1317 6.4768209122121334e-03 - - -4.2834509164094925e-02 2.2837740182876587e-01 - <_> - - 0 -1 1318 7.5396071188151836e-03 - - 1.7571780830621719e-02 -4.7123318910598755e-01 - <_> - - 0 -1 1319 -3.2276589423418045e-02 - - 1.6673429310321808e-01 -5.7283289730548859e-02 - <_> - - 0 -1 1320 8.1356316804885864e-03 - - 2.7268510311841965e-02 -1.1111909896135330e-01 - <_> - - 0 -1 1321 1.0477039963006973e-02 - - 2.6003930717706680e-02 -3.6761531233787537e-01 - <_> - - 0 -1 1322 3.0995670706033707e-02 - - -2.8645429760217667e-02 3.3150678873062134e-01 - <_> - - 0 -1 1323 -7.0666121318936348e-03 - - -4.0544331073760986e-01 2.5192549452185631e-02 - <_> - - 0 -1 1324 -3.6987180355936289e-03 - - 6.3140757381916046e-02 -3.2778479158878326e-02 - <_> - - 0 -1 1325 -3.0666269361972809e-02 - - 3.2546588778495789e-01 -2.7702359482645988e-02 - <_> - - 0 -1 1326 7.8880243003368378e-02 - - 1.5338109806180000e-02 -2.2066299617290497e-01 - <_> - - 0 -1 1327 -3.2662380486726761e-02 - - -2.6111158728599548e-01 3.9614301174879074e-02 - <_> - - 0 -1 1328 -2.0299869775772095e-01 - - 4.6856230497360229e-01 -2.1190289407968521e-02 - <_> - - 0 -1 1329 -1.3156479690223932e-03 - - 5.1139071583747864e-02 -1.7780220508575439e-01 - <_> - - 0 -1 1330 2.4586269259452820e-01 - - 2.0771999843418598e-03 -7.2302591800689697e-01 - <_> - - 0 -1 1331 9.6061620861291885e-03 - - -4.3856609612703323e-02 2.0256240665912628e-01 - <_> - - 0 -1 1332 9.2888638377189636e-02 - - 2.5762340053915977e-02 -8.1829749047756195e-02 - <_> - - 0 -1 1333 1.8360089743509889e-03 - - -1.0658069700002670e-01 7.7832147479057312e-02 - <_> - - 0 -1 1334 -1.0181380435824394e-02 - - -7.0450127124786377e-02 2.1115120500326157e-02 - <_> - - 0 -1 1335 2.2913800179958344e-01 - - 1.0578580200672150e-02 -8.1552761793136597e-01 - <_> - - 0 -1 1336 -2.1260060369968414e-02 - - -2.3754499852657318e-01 1.2737980112433434e-02 - <_> - - 0 -1 1337 1.9725849851965904e-03 - - 5.7212870568037033e-02 -1.3770629465579987e-01 - <_> - - 0 -1 1338 -4.6411700168391690e-05 - - 5.0291039049625397e-02 -5.7502999901771545e-02 - <_> - - 0 -1 1339 -3.6206799745559692e-01 - - -7.7337008714675903e-01 1.0174609720706940e-02 - <_> - - 0 -1 1340 -1.4286839962005615e-01 - - 3.6285620927810669e-01 -2.9650410637259483e-02 - <_> - - 0 -1 1341 -6.0175389051437378e-02 - - 1.0930059850215912e-01 -9.0728648006916046e-02 - <_> - - 0 -1 1342 4.7640471166232601e-05 - - -5.5577810853719711e-02 7.7917866408824921e-02 - <_> - - 0 -1 1343 -5.4806099797133356e-05 - - 8.5094630718231201e-02 -9.0222798287868500e-02 - <_> - - 0 -1 1344 -8.2555618137121201e-03 - - 1.6778500378131866e-01 -3.9129231125116348e-02 - <_> - - 0 -1 1345 -2.4975580163300037e-03 - - -2.5427588820457458e-01 3.1008599326014519e-02 - <_> - - 0 -1 1346 1.6913549602031708e-01 - - 7.6711731962859631e-03 -4.7778978943824768e-01 - <_> - - 0 -1 1347 8.0642458051443100e-03 - - 3.2001681625843048e-02 -2.2016289830207825e-01 - <_> - - 0 -1 1348 5.8364861615700647e-05 - - -9.2706032097339630e-02 9.2668697237968445e-02 - <_> - - 0 -1 1349 -2.4263940751552582e-02 - - 3.0613300204277039e-01 -2.3674689233303070e-02 - <_> - - 0 -1 1350 1.2453939765691757e-01 - - -1.1398720089346170e-03 6.5001028776168823e-01 - <_> - - 0 -1 1351 -3.0860610306262970e-02 - - -2.3400309681892395e-01 3.4316759556531906e-02 - <_> - - 0 -1 1352 1.2754309922456741e-02 - - -3.9132729172706604e-02 9.4901800155639648e-02 - <_> - - 0 -1 1353 3.7656739354133606e-02 - - 2.6196390390396118e-02 -3.0910909175872803e-01 - <_> - - 0 -1 1354 -3.1221879646182060e-02 - - -2.8618350625038147e-01 5.0922371447086334e-03 - <_> - - 0 -1 1355 -1.3468950055539608e-02 - - 2.1257250010967255e-01 -3.5957340151071548e-02 - <_> - - 0 -1 1356 -7.5858170166611671e-03 - - -1.4510390162467957e-01 2.8400380164384842e-02 - <_> - - 0 -1 1357 -3.2564129680395126e-02 - - 2.1210159361362457e-01 -3.3740561455488205e-02 - <_> - - 0 -1 1358 -4.7857668250799179e-02 - - -2.8939861059188843e-01 8.2710552960634232e-03 - <_> - - 0 -1 1359 4.0885780006647110e-02 - - 1.5406140126287937e-02 -5.2735280990600586e-01 - <_> - - 0 -1 1360 -1.1155439540743828e-02 - - 2.0481599867343903e-01 -3.8578160107135773e-02 - <_> - - 0 -1 1361 -4.3652538210153580e-02 - - -5.6057322025299072e-01 1.5544040128588676e-02 - <_> - - 0 -1 1362 -2.3742709308862686e-02 - - -7.8456741571426392e-01 3.1750639900565147e-03 - <_> - - 0 -1 1363 1.0698919743299484e-01 - - -2.6180049404501915e-02 2.7015981078147888e-01 - <_> - - 0 -1 1364 3.7855070084333420e-02 - - 6.5697189420461655e-03 -4.0291649103164673e-01 - <_> - - 0 -1 1365 -3.0002340674400330e-02 - - -3.6409360170364380e-01 1.9139550626277924e-02 - <_> - - 0 -1 1366 1.7724040895700455e-02 - - 1.2176860123872757e-02 -3.6743289232254028e-01 - <_> - - 0 -1 1367 -7.9289022833108902e-03 - - -2.3455849289894104e-01 3.1265281140804291e-02 - <_> - - 0 -1 1368 -4.1190151125192642e-02 - - 1.7809179425239563e-01 -2.8660740703344345e-02 - <_> - - 0 -1 1369 1.0414299555122852e-02 - - -4.6135619282722473e-02 2.2065189480781555e-01 - <_> - - 0 -1 1370 -6.2351129949092865e-02 - - -6.0133552551269531e-01 1.1970040388405323e-02 - <_> - - 0 -1 1371 1.0768829844892025e-02 - - -3.7883501499891281e-02 1.9194099307060242e-01 - <_> - - 0 -1 1372 -1.5350959729403257e-03 - - 1.3435329496860504e-01 -5.9909719973802567e-02 - <_> - - 0 -1 1373 -4.9390122294425964e-03 - - -2.2644749283790588e-01 3.3138100057840347e-02 - <_> - - 0 -1 1374 2.9866439290344715e-03 - - 3.9536539465188980e-02 -1.7985729873180389e-01 - <_> - - 0 -1 1375 7.1302180003840476e-05 - - -1.2174189835786819e-01 5.7866320013999939e-02 - <_> - - 0 -1 1376 1.4132769778370857e-02 - - -6.9726303219795227e-02 1.0778389871120453e-01 - <_> - - 0 -1 1377 -8.7037831544876099e-03 - - 1.3537360727787018e-01 -6.1749380081892014e-02 - <_> - - 0 -1 1378 -3.9659719914197922e-02 - - 2.8668469190597534e-01 -4.0120128542184830e-03 - <_> - - 0 -1 1379 1.6550280153751373e-02 - - -5.4914530366659164e-02 1.5019510686397552e-01 - <_> - - 0 -1 1380 1.8208170309662819e-02 - - -7.1605183184146881e-02 1.9685640931129456e-02 - <_> - - 0 -1 1381 -2.9519250616431236e-02 - - 2.0991930365562439e-01 -4.3216299265623093e-02 - <_> - - 0 -1 1382 -2.1285060793161392e-02 - - 1.8691639602184296e-01 -2.3788860067725182e-02 - <_> - - 0 -1 1383 3.7830621004104614e-02 - - -1.2754780054092407e-01 7.2359248995780945e-02 - <_> - - 0 -1 1384 1.1643759906291962e-02 - - -4.6442810446023941e-02 1.3790960609912872e-01 - <_> - - 0 -1 1385 -5.9127039276063442e-03 - - -1.6960899531841278e-01 4.4999938458204269e-02 - <_> - - 0 -1 1386 -5.7644449174404144e-02 - - -2.9772061109542847e-01 8.5106249898672104e-03 - <_> - - 0 -1 1387 -5.3929239511489868e-02 - - -3.4829708933830261e-01 2.0777279511094093e-02 - <_> - - 0 -1 1388 7.7844387851655483e-04 - - -1.0678429901599884e-01 6.3128329813480377e-02 - <_> - - 0 -1 1389 2.1701509132981300e-02 - - -4.3070908635854721e-02 2.0515139400959015e-01 - <_> - - 0 -1 1390 1.4290180057287216e-02 - - 4.0106780827045441e-02 -1.9636610150337219e-01 - <_> - - 0 -1 1391 4.7906510531902313e-02 - - 2.6682909578084946e-02 -2.6081061363220215e-01 - <_> - - 0 -1 1392 2.0704690366983414e-02 - - 8.2300165668129921e-03 -1.7172940075397491e-01 - <_> - - 0 -1 1393 -2.2899899631738663e-02 - - -3.7081000208854675e-01 1.8541749566793442e-02 - <_> - - 0 -1 1394 -1.9879220053553581e-03 - - 1.6436809301376343e-01 -2.1798299625515938e-02 - <_> - - 0 -1 1395 5.4986838222248480e-05 - - -6.4901493489742279e-02 1.0623300075531006e-01 - <_> - - 0 -1 1396 1.3559920480474830e-03 - - -2.4597849696874619e-02 1.4361660182476044e-01 - <_> - - 0 -1 1397 -2.6802290449268185e-05 - - 7.7275946736335754e-02 -9.1653436422348022e-02 - <_> - - 0 -1 1398 -7.1620233356952667e-02 - - -2.4552260339260101e-01 2.9534120112657547e-02 - <_> - - 0 -1 1399 2.4330910295248032e-02 - - 4.1399519890546799e-02 -1.5903189778327942e-01 - <_> - - 0 -1 1400 2.7946570888161659e-02 - - 2.2586109116673470e-03 -6.7318201065063477e-01 - <_> - - 0 -1 1401 -1.4360989443957806e-03 - - 1.0648050159215927e-01 -6.4426578581333160e-02 - <_> - - 0 -1 1402 4.7291368246078491e-03 - - 1.9701540470123291e-02 -2.8576970100402832e-01 - <_> - - 0 -1 1403 -9.9202662706375122e-02 - - -3.5200428962707520e-01 1.6816059127449989e-02 - <_> - - 0 -1 1404 -8.9718345552682877e-03 - - 9.1350711882114410e-02 -2.3734020069241524e-02 - <_> - - 0 -1 1405 3.2134570647031069e-03 - - -4.9445088952779770e-02 1.4231130480766296e-01 - <_> - - 0 -1 1406 -1.0166129795834422e-03 - - 6.4581580460071564e-02 -1.9129069522023201e-02 - <_> - - 0 -1 1407 -6.1253100284375250e-05 - - 8.3547137677669525e-02 -9.0619690716266632e-02 - <_> - - 0 -1 1408 -1.1647429782897234e-03 - - -1.7997290194034576e-01 4.0095169097185135e-02 - <_> - - 0 -1 1409 -6.4332097768783569e-02 - - -3.8692688941955566e-01 1.7440609633922577e-02 - <_> - - 0 -1 1410 -1.3757969439029694e-01 - - 2.2808580100536346e-01 -3.2859951257705688e-02 - <_> - - 0 -1 1411 7.3165339417755604e-03 - - 4.2987760156393051e-02 -1.5990610420703888e-01 - <_> - - 0 -1 1412 2.1075239405035973e-02 - - 1.3760750181972980e-02 -9.7436219453811646e-02 - <_> - - 0 -1 1413 4.7083821147680283e-02 - - -7.1691006422042847e-02 1.0700540244579315e-01 - <_> - - 0 -1 1414 5.9396019205451012e-03 - - -6.3396736979484558e-02 3.8722541183233261e-02 - <_> - - 0 -1 1415 5.8197128772735596e-01 - - 2.1600350737571716e-02 -3.7873318791389465e-01 - <_> - - 0 -1 1416 1.6042120754718781e-02 - - -4.6681709587574005e-02 1.4364209771156311e-01 - <_> - - 0 -1 1417 -3.8316261023283005e-02 - - -6.2408488988876343e-01 1.0848820209503174e-02 - <_> - - 0 -1 1418 1.2451539933681488e-01 - - -9.1985529288649559e-03 1.1172670125961304e-01 - <_> - - 0 -1 1419 1.2287569791078568e-01 - - -1.3092120178043842e-02 5.2221369743347168e-01 - <_> - - 0 -1 1420 -9.1833565384149551e-03 - - -7.5866103172302246e-02 2.5587979704141617e-02 - <_> - - 0 -1 1421 1.6818720847368240e-02 - - -3.0961170792579651e-02 2.3137600719928741e-01 - <_> - - 0 -1 1422 6.6163040173705667e-05 - - -5.9390440583229065e-02 7.4203498661518097e-02 - <_> - - 0 -1 1423 -5.4877910763025284e-02 - - 2.5981691479682922e-01 -2.6993019506335258e-02 - <_> - - 0 -1 1424 -7.6188119128346443e-03 - - 1.3379520177841187e-01 -5.5999118834733963e-02 - <_> - - 0 -1 1425 -2.3362420499324799e-01 - - 3.2755351066589355e-01 -2.1469429135322571e-02 - <_> - - 0 -1 1426 -1.1149320006370544e-01 - - -2.4463839828968048e-01 3.6242511123418808e-02 - <_> - - 0 -1 1427 -4.4157028198242188e-02 - - 4.3402171134948730e-01 -1.6649100929498672e-02 - <_> - - 0 -1 1428 -5.7168701459886506e-05 - - 6.6894836723804474e-02 -5.0718188285827637e-02 - <_> - - 0 -1 1429 5.3646868764190003e-05 - - -8.0378301441669464e-02 8.1809766590595245e-02 - <_> - - 0 -1 1430 1.0595089942216873e-01 - - 5.0716297701001167e-03 -6.4737159013748169e-01 - <_> - - 0 -1 1431 8.3668403327465057e-02 - - 8.6071500554680824e-03 -6.5093028545379639e-01 - <_> - - 0 -1 1432 8.3153052255511284e-03 - - -4.7283139079809189e-02 1.9029919803142548e-01 - <_> - - 0 -1 1433 -6.2146518379449844e-02 - - -1.8513560295104980e-01 4.3402440845966339e-02 - <_> - - 0 -1 1434 -1.5061040176078677e-03 - - -4.2554888874292374e-02 4.7270778566598892e-02 - <_> - - 0 -1 1435 -1.2630449607968330e-02 - - 1.0056299716234207e-01 -7.0035003125667572e-02 - <_> - - 0 -1 1436 -7.2226561605930328e-03 - - -1.3512469828128815e-01 1.6519190743565559e-02 - <_> - - 0 -1 1437 3.9844110608100891e-02 - - 6.1076539568603039e-03 -1.0002349615097046e+00 - <_> - - 0 -1 1438 5.3863292932510376e-01 - - 4.2299588676542044e-04 -9.8810201883316040e-01 - <_> - - 0 -1 1439 -2.4347769096493721e-02 - - -9.8886072635650635e-01 4.6373298391699791e-03 - <_> - - 0 -1 1440 4.4827940873801708e-03 - - -5.4137490689754486e-02 1.3800579309463501e-01 - <_> - - 0 -1 1441 7.9640939831733704e-02 - - -5.7961471378803253e-02 1.0780200362205505e-01 - <_> - - 0 -1 1442 6.5154298208653927e-03 - - -9.5109693706035614e-02 7.6177991926670074e-02 - <_> - - 0 -1 1443 6.3926346600055695e-02 - - 2.2149670869112015e-02 -3.6810970306396484e-01 - <_> - 211 - -1.2603249549865723e+00 - - <_> - - 0 -1 1444 -2.2702280431985855e-02 - - 3.4584361314773560e-01 -1.4961080253124237e-01 - <_> - - 0 -1 1445 -1.1325979605317116e-02 - - 9.4636216759681702e-02 -1.4820310473442078e-01 - <_> - - 0 -1 1446 -1.0080899810418487e-03 - - 1.4881299436092377e-01 -2.3232239484786987e-01 - <_> - - 0 -1 1447 -1.0500989854335785e-01 - - -2.1537660062313080e-01 8.9450702071189880e-02 - <_> - - 0 -1 1448 -1.2677620165050030e-02 - - 2.7584138512611389e-01 -1.1488199979066849e-01 - <_> - - 0 -1 1449 4.9704289995133877e-03 - - 4.4038921594619751e-02 -1.6276310384273529e-01 - <_> - - 0 -1 1450 6.1556040309369564e-03 - - 7.4212923645973206e-02 -3.2477781176567078e-01 - <_> - - 0 -1 1451 -7.2180028073489666e-03 - - 4.2525339126586914e-01 -2.7641389518976212e-02 - <_> - - 0 -1 1452 2.9266420751810074e-03 - - -5.2912838757038116e-02 3.9208140969276428e-01 - <_> - - 0 -1 1453 7.9688094556331635e-03 - - 3.3333700150251389e-02 -4.1967239975929260e-01 - <_> - - 0 -1 1454 4.5101311989128590e-03 - - -4.7721531242132187e-02 4.4400349259376526e-01 - <_> - - 0 -1 1455 -7.2346827946603298e-03 - - -4.2018109560012817e-01 5.5328268557786942e-02 - <_> - - 0 -1 1456 5.4523041471838951e-03 - - 4.2710270732641220e-02 -4.0073931217193604e-01 - <_> - - 0 -1 1457 1.3547390699386597e-01 - - 1.3275199569761753e-02 -4.1893950104713440e-01 - <_> - - 0 -1 1458 -2.8521999716758728e-02 - - 7.1237042546272278e-02 -2.3564490675926208e-01 - <_> - - 0 -1 1459 -6.7890807986259460e-02 - - -6.0827171802520752e-01 2.7981699531665072e-05 - <_> - - 0 -1 1460 -2.7107769710710272e-05 - - 1.0022850334644318e-01 -1.3644769787788391e-01 - <_> - - 0 -1 1461 -2.5962561368942261e-01 - - -1.3785040378570557e-01 2.6653099805116653e-02 - <_> - - 0 -1 1462 1.1885579675436020e-01 - - 2.7489190921187401e-02 -5.4295271635055542e-01 - <_> - - 0 -1 1463 5.6852251291275024e-02 - - -1.1255219578742981e-02 3.8339531421661377e-01 - <_> - - 0 -1 1464 4.1569471359252930e-02 - - -4.1771259158849716e-02 3.4204569458961487e-01 - <_> - - 0 -1 1465 4.4139921665191650e-02 - - -2.2549359127879143e-02 4.6690988540649414e-01 - <_> - - 0 -1 1466 1.0635829716920853e-01 - - 2.9710769653320312e-02 -4.5093208551406860e-01 - <_> - - 0 -1 1467 -8.2869287580251694e-03 - - -1.2223249673843384e-01 5.3247738629579544e-02 - <_> - - 0 -1 1468 3.6731671541929245e-02 - - 4.2036790400743484e-02 -4.4834709167480469e-01 - <_> - - 0 -1 1469 -5.7765528559684753e-02 - - -5.4591369628906250e-01 7.4861990287899971e-03 - <_> - - 0 -1 1470 1.7487849295139313e-01 - - 2.8172209858894348e-02 -4.3244078755378723e-01 - <_> - - 0 -1 1471 -2.5779709176276810e-05 - - 8.4961481392383575e-02 -9.3616262078285217e-02 - <_> - - 0 -1 1472 4.4103060645284131e-05 - - -1.5745340287685394e-01 7.8559979796409607e-02 - <_> - - 0 -1 1473 -2.5306469760835171e-03 - - -1.8604919314384460e-01 1.3255439698696136e-02 - <_> - - 0 -1 1474 -2.5649809686001390e-05 - - 1.0800860077142715e-01 -1.1497180163860321e-01 - <_> - - 0 -1 1475 -5.4274487495422363e-01 - - -6.5146768093109131e-01 1.9872210919857025e-02 - <_> - - 0 -1 1476 1.0453820228576660e-02 - - -5.7684049010276794e-02 2.1809279918670654e-01 - <_> - - 0 -1 1477 -2.4684870368218981e-05 - - 7.0307686924934387e-02 -6.8771660327911377e-02 - <_> - - 0 -1 1478 -3.8687910884618759e-02 - - -2.3570249974727631e-01 5.9372939169406891e-02 - <_> - - 0 -1 1479 1.4677809551358223e-02 - - -4.5802700333297253e-03 6.6445422172546387e-01 - <_> - - 0 -1 1480 -1.0180200450122356e-02 - - 5.2202922105789185e-01 -2.3886220529675484e-02 - <_> - - 0 -1 1481 2.5779709176276810e-05 - - -7.5542762875556946e-02 1.0763020068407059e-01 - <_> - - 0 -1 1482 -2.3739310563541949e-05 - - 1.1347659677267075e-01 -1.1764179915189743e-01 - <_> - - 0 -1 1483 -1.1001049540936947e-02 - - -4.1635859012603760e-01 2.9155520722270012e-02 - <_> - - 0 -1 1484 -1.0040359571576118e-02 - - 5.0152337551116943e-01 -2.4473249912261963e-02 - <_> - - 0 -1 1485 1.1051800101995468e-02 - - 3.7960179150104523e-02 -2.9772630333900452e-01 - <_> - - 0 -1 1486 -1.2089540250599384e-02 - - -5.1634800434112549e-01 2.1521920338273048e-02 - <_> - - 0 -1 1487 -8.4410563111305237e-02 - - 4.9133801460266113e-01 -1.4603810384869576e-02 - <_> - - 0 -1 1488 2.2714000195264816e-02 - - -4.8863139003515244e-02 2.3572869598865509e-01 - <_> - - 0 -1 1489 2.3879110813140869e-05 - - -6.4245767891407013e-02 6.5696552395820618e-02 - <_> - - 0 -1 1490 2.5649809686001390e-05 - - -1.0076279938220978e-01 1.0067179799079895e-01 - <_> - - 0 -1 1491 1.0682299733161926e-02 - - 1.1979729868471622e-02 -4.7588628530502319e-01 - <_> - - 0 -1 1492 1.4251710474491119e-01 - - 2.6978740468621254e-02 -3.5890379548072815e-01 - <_> - - 0 -1 1493 2.6178720872849226e-05 - - -5.1943808794021606e-02 5.9698838740587234e-02 - <_> - - 0 -1 1494 1.5015379758551717e-03 - - 4.2682919651269913e-02 -2.4742330610752106e-01 - <_> - - 0 -1 1495 2.7750380468205549e-05 - - -6.5969876945018768e-02 9.5235317945480347e-02 - <_> - - 0 -1 1496 -2.3739310563541949e-05 - - 9.1440632939338684e-02 -1.1401320248842239e-01 - <_> - - 0 -1 1497 1.8318339716643095e-03 - - -3.5802870988845825e-02 2.8000190854072571e-01 - <_> - - 0 -1 1498 -2.6216499463771470e-05 - - 1.1927170306444168e-01 -9.0051122009754181e-02 - <_> - - 0 -1 1499 1.8415799364447594e-02 - - 2.8677040711045265e-02 -3.4597221016883850e-01 - <_> - - 0 -1 1500 -2.5649809686001390e-05 - - 1.0555200278759003e-01 -9.3961820006370544e-02 - <_> - - 0 -1 1501 -4.4283028692007065e-02 - - -3.9377251267433167e-01 2.4995140731334686e-02 - <_> - - 0 -1 1502 -3.7492141127586365e-02 - - 4.0750551223754883e-01 -2.4686330929398537e-02 - <_> - - 0 -1 1503 -2.4684870368218981e-05 - - 5.9588670730590820e-02 -4.2587179690599442e-02 - <_> - - 0 -1 1504 -2.3879110813140869e-05 - - 1.1652469635009766e-01 -8.1122256815433502e-02 - <_> - - 0 -1 1505 -3.9012550842016935e-03 - - -2.5430038571357727e-01 3.8077041506767273e-02 - <_> - - 0 -1 1506 -2.6903450489044189e-03 - - 3.0911579728126526e-01 -3.1062390655279160e-02 - <_> - - 0 -1 1507 -7.0722219534218311e-03 - - -2.1491000056266785e-01 3.0251279473304749e-02 - <_> - - 0 -1 1508 2.1917349658906460e-03 - - 5.5682230740785599e-02 -1.6676320135593414e-01 - <_> - - 0 -1 1509 2.5904899302986450e-05 - - -1.2242270261049271e-01 8.2701347768306732e-02 - <_> - - 0 -1 1510 -8.6123133078217506e-03 - - 1.5256710350513458e-01 -7.0295087993144989e-02 - <_> - - 0 -1 1511 -3.2312501221895218e-02 - - 1.0563810169696808e-01 -8.8757291436195374e-02 - <_> - - 0 -1 1512 -2.4041660130023956e-01 - - -5.6874710321426392e-01 1.5582700259983540e-02 - <_> - - 0 -1 1513 -3.6818000953644514e-03 - - 3.9008429646492004e-01 -2.4482680484652519e-02 - <_> - - 0 -1 1514 -3.7560980767011642e-02 - - -5.9190589189529419e-01 1.4883680269122124e-02 - <_> - - 0 -1 1515 -2.6046231389045715e-01 - - -8.0789750814437866e-01 8.0495169386267662e-03 - <_> - - 0 -1 1516 2.2003079950809479e-01 - - 1.1459389701485634e-02 -6.6569620370864868e-01 - <_> - - 0 -1 1517 1.4207080006599426e-02 - - 1.1487069539725780e-02 -4.3284940719604492e-01 - <_> - - 0 -1 1518 1.9708760082721710e-03 - - -3.1346779316663742e-02 2.8304418921470642e-01 - <_> - - 0 -1 1519 -1.6858950257301331e-02 - - -6.4982718229293823e-01 9.0222535654902458e-03 - <_> - - 0 -1 1520 1.1876899749040604e-01 - - 2.9948050156235695e-02 -2.9692101478576660e-01 - <_> - - 0 -1 1521 3.5489429719746113e-03 - - 2.2447990253567696e-02 -1.1885970085859299e-01 - <_> - - 0 -1 1522 3.2591039780527353e-03 - - 4.3978188186883926e-02 -2.0008519291877747e-01 - <_> - - 0 -1 1523 -6.9489958696067333e-03 - - 1.0979989916086197e-01 -5.1372870802879333e-02 - <_> - - 0 -1 1524 1.1651299893856049e-02 - - -3.9162278175354004e-02 2.3111459612846375e-01 - <_> - - 0 -1 1525 -2.0093740895390511e-03 - - 6.5508507192134857e-02 -3.6176491528749466e-02 - <_> - - 0 -1 1526 4.4954619370400906e-03 - - -7.4295833706855774e-02 1.4806370437145233e-01 - <_> - - 0 -1 1527 4.0165609680116177e-03 - - 1.9205560907721519e-02 -1.3202959299087524e-01 - <_> - - 0 -1 1528 5.1109711639583111e-03 - - 3.0545530840754509e-02 -3.2131591439247131e-01 - <_> - - 0 -1 1529 2.6829841081053019e-03 - - 2.5536099448800087e-02 -1.1544889956712723e-01 - <_> - - 0 -1 1530 -3.2579500693827868e-03 - - -2.5272831320762634e-01 3.9438471198081970e-02 - <_> - - 0 -1 1531 -1.9859049934893847e-03 - - 2.6658049225807190e-01 -4.6847358345985413e-02 - <_> - - 0 -1 1532 -1.2540949881076813e-01 - - -4.0570110082626343e-01 2.3068020120263100e-02 - <_> - - 0 -1 1533 5.4464139975607395e-03 - - -3.3851519227027893e-02 1.0910320281982422e-01 - <_> - - 0 -1 1534 -2.9129069298505783e-02 - - 8.2942448556423187e-02 -1.0390459746122360e-01 - <_> - - 0 -1 1535 -5.3342789411544800e-02 - - 1.4234119653701782e-01 -6.3767828047275543e-02 - <_> - - 0 -1 1536 -6.9826036691665649e-02 - - -2.9960519075393677e-01 3.8142379373311996e-02 - <_> - - 0 -1 1537 1.0430120164528489e-03 - - -4.8670019954442978e-02 2.2043199837207794e-01 - <_> - - 0 -1 1538 4.8559759743511677e-03 - - -9.1000363230705261e-02 9.7604036331176758e-02 - <_> - - 0 -1 1539 -5.6559829972684383e-03 - - 5.0467990338802338e-02 -8.2895793020725250e-02 - <_> - - 0 -1 1540 -3.9691910147666931e-01 - - -5.9703147411346436e-01 1.7244290560483932e-02 - <_> - - 0 -1 1541 -5.4687079042196274e-02 - - 3.9003100991249084e-01 -2.5155629962682724e-02 - <_> - - 0 -1 1542 -6.4253779128193855e-03 - - -2.5506249070167542e-01 3.9406619966030121e-02 - <_> - - 0 -1 1543 8.5719041526317596e-03 - - 1.8664859235286713e-02 -2.2203260660171509e-01 - <_> - - 0 -1 1544 1.2086849892511964e-03 - - -7.2148896753787994e-02 1.1844079941511154e-01 - <_> - - 0 -1 1545 -1.3033949770033360e-02 - - 2.0586760342121124e-01 -1.5820149332284927e-02 - <_> - - 0 -1 1546 7.2425887919962406e-03 - - -6.3072256743907928e-02 1.4706359803676605e-01 - <_> - - 0 -1 1547 -1.5267370268702507e-02 - - -2.6799020171165466e-01 6.9345328956842422e-03 - <_> - - 0 -1 1548 5.9866169467568398e-03 - - 3.3543970435857773e-02 -2.6078468561172485e-01 - <_> - - 0 -1 1549 -1.0885690338909626e-02 - - 8.5525132715702057e-02 -2.1214239299297333e-02 - <_> - - 0 -1 1550 4.8979911953210831e-03 - - -4.5136060565710068e-02 2.2412009537220001e-01 - <_> - - 0 -1 1551 -1.9256390631198883e-01 - - -6.3481587171554565e-01 4.2262570932507515e-03 - <_> - - 0 -1 1552 1.0860689729452133e-01 - - 1.7091739922761917e-02 -5.4510730504989624e-01 - <_> - - 0 -1 1553 -5.4836701601743698e-02 - - -3.5489219427108765e-01 4.5531531795859337e-03 - <_> - - 0 -1 1554 5.8792168274521828e-03 - - 1.5520109795033932e-02 -5.4079991579055786e-01 - <_> - - 0 -1 1555 7.5071100145578384e-03 - - -1.5854269266128540e-02 6.6651731729507446e-02 - <_> - - 0 -1 1556 1.6902120783925056e-02 - - 2.2205380722880363e-02 -3.7370339035987854e-01 - <_> - - 0 -1 1557 -3.1124811357585713e-05 - - 3.3728368580341339e-02 -6.2124319374561310e-02 - <_> - - 0 -1 1558 -7.8268267214298248e-02 - - 4.3044888973236084e-01 -1.9318610429763794e-02 - <_> - - 0 -1 1559 2.2108739241957664e-02 - - 1.3979909941554070e-02 -4.2325040698051453e-01 - <_> - - 0 -1 1560 5.4141050204634666e-03 - - 4.2009621858596802e-02 -1.8368819355964661e-01 - <_> - - 0 -1 1561 2.6600460842018947e-05 - - -5.3144950419664383e-02 6.6343963146209717e-02 - <_> - - 0 -1 1562 2.4684870368218981e-05 - - -8.5169032216072083e-02 1.0345680266618729e-01 - <_> - - 0 -1 1563 9.6517298370599747e-03 - - -6.7758128046989441e-02 1.2381830066442490e-01 - <_> - - 0 -1 1564 2.3739310563541949e-05 - - -1.0852000117301941e-01 8.2693062722682953e-02 - <_> - - 0 -1 1565 2.5218860246241093e-03 - - -1.0458250343799591e-01 6.6328182816505432e-02 - <_> - - 0 -1 1566 -5.2996139973402023e-02 - - 2.3921950161457062e-01 -4.1141789406538010e-02 - <_> - - 0 -1 1567 2.9717630241066217e-03 - - 3.5355281084775925e-02 -1.5361009538173676e-01 - <_> - - 0 -1 1568 -5.0528207793831825e-03 - - -2.8384080529212952e-01 2.9197370633482933e-02 - <_> - - 0 -1 1569 -1.4023650437593460e-03 - - 1.9387529790401459e-01 -2.3465460166335106e-02 - <_> - - 0 -1 1570 2.6361160053056665e-05 - - -1.3175390660762787e-01 6.1764400452375412e-02 - <_> - - 0 -1 1571 5.7318392209708691e-03 - - -3.7673819810152054e-02 1.4864000678062439e-01 - <_> - - 0 -1 1572 4.6025160700082779e-03 - - -6.0082349926233292e-02 1.4757469296455383e-01 - <_> - - 0 -1 1573 4.9826940521597862e-03 - - 5.0217468291521072e-02 -1.7708259820938110e-01 - <_> - - 0 -1 1574 -7.3296032845973969e-02 - - -4.9743050336837769e-01 1.6706680878996849e-02 - <_> - - 0 -1 1575 -1.4238869771361351e-02 - - 5.2175557613372803e-01 -1.1300929822027683e-02 - <_> - - 0 -1 1576 1.8155459314584732e-02 - - -3.8824878633022308e-02 2.0927000045776367e-01 - <_> - - 0 -1 1577 -2.5779709176276810e-05 - - 6.4905673265457153e-02 -7.3861442506313324e-02 - <_> - - 0 -1 1578 2.9359169275267050e-05 - - -7.5759023427963257e-02 1.1070480197668076e-01 - <_> - - 0 -1 1579 2.5904899302986450e-05 - - -5.6690879166126251e-02 7.0565029978752136e-02 - <_> - - 0 -1 1580 2.5659629609435797e-03 - - -2.2681709378957748e-02 3.2642030715942383e-01 - <_> - - 0 -1 1581 -4.3134070932865143e-02 - - 9.1313943266868591e-02 -7.7684916555881500e-02 - <_> - - 0 -1 1582 1.1505100131034851e-01 - - -5.3883530199527740e-02 1.7382779717445374e-01 - <_> - - 0 -1 1583 3.7683431059122086e-02 - - 1.1911179870367050e-02 -1.6320049762725830e-01 - <_> - - 0 -1 1584 2.8705120086669922e-02 - - 2.3064490407705307e-02 -3.4346461296081543e-01 - <_> - - 0 -1 1585 7.4174538254737854e-02 - - -3.6453459411859512e-02 2.2265499830245972e-01 - <_> - - 0 -1 1586 3.8726661354303360e-02 - - -8.6111679673194885e-02 9.4164192676544189e-02 - <_> - - 0 -1 1587 -4.1428101249039173e-03 - - -1.2223830074071884e-01 3.4176569432020187e-02 - <_> - - 0 -1 1588 2.4673599749803543e-02 - - 5.6583188474178314e-02 -1.4888830482959747e-01 - <_> - - 0 -1 1589 9.9808704107999802e-03 - - -1.9759509712457657e-02 3.0300268530845642e-01 - <_> - - 0 -1 1590 -6.6217122366651893e-05 - - 8.9724272489547729e-02 -8.9633807539939880e-02 - <_> - - 0 -1 1591 1.9440250471234322e-03 - - 4.5923989266157150e-02 -1.6087460517883301e-01 - <_> - - 0 -1 1592 -9.9218348041176796e-03 - - -3.3827519416809082e-01 2.3345960304141045e-02 - <_> - - 0 -1 1593 2.7032099751522765e-05 - - -7.1613729000091553e-02 1.4374250173568726e-01 - <_> - - 0 -1 1594 -1.1575380340218544e-02 - - 7.2989538311958313e-02 -1.1206659674644470e-01 - <_> - - 0 -1 1595 3.8227710127830505e-01 - - 4.3869050568901002e-04 -9.6936649084091187e-01 - <_> - - 0 -1 1596 2.5604510679841042e-02 - - -5.3209688514471054e-02 1.6056999564170837e-01 - <_> - - 0 -1 1597 6.5232798457145691e-02 - - -5.0901030190289021e-03 1.0526590049266815e-01 - <_> - - 0 -1 1598 -7.6533563435077667e-02 - - -2.7622249722480774e-01 2.9837079346179962e-02 - <_> - - 0 -1 1599 -3.0668321414850652e-05 - - 4.9761619418859482e-02 -6.4698956906795502e-02 - <_> - - 0 -1 1600 -7.1437079459428787e-03 - - 4.2741951346397400e-01 -1.7721550539135933e-02 - <_> - - 0 -1 1601 -7.0699103176593781e-02 - - -3.1640189886093140e-01 2.4211840704083443e-02 - <_> - - 0 -1 1602 8.3971813321113586e-02 - - 7.6198792085051537e-03 -8.0655181407928467e-01 - <_> - - 0 -1 1603 4.9757468700408936e-01 - - 6.2387259677052498e-03 -8.3056390285491943e-01 - <_> - - 0 -1 1604 5.4929931648075581e-03 - - 2.6602910831570625e-02 -2.2599579393863678e-01 - <_> - - 0 -1 1605 -2.7536999434232712e-02 - - 1.8433550000190735e-01 -7.0537109859287739e-03 - <_> - - 0 -1 1606 4.5211901888251305e-03 - - -5.4292399436235428e-02 1.2545329332351685e-01 - <_> - - 0 -1 1607 3.8641680032014847e-02 - - 8.4282690659165382e-03 -2.1961739659309387e-01 - <_> - - 0 -1 1608 -2.1654170006513596e-02 - - -2.8082931041717529e-01 2.4411179125308990e-02 - <_> - - 0 -1 1609 -2.9021130874752998e-02 - - -3.1314170360565186e-01 2.2386759519577026e-02 - <_> - - 0 -1 1610 -4.4424049556255341e-03 - - 6.4938491582870483e-01 -1.1466369964182377e-02 - <_> - - 0 -1 1611 1.4012949541211128e-02 - - -5.6059911847114563e-02 1.2263079732656479e-01 - <_> - - 0 -1 1612 7.5773880816996098e-03 - - -7.3808819055557251e-02 9.7556889057159424e-02 - <_> - - 0 -1 1613 -2.6077621150761843e-03 - - -9.1106370091438293e-02 2.9852710664272308e-02 - <_> - - 0 -1 1614 2.3739310563541949e-05 - - -7.3772080242633820e-02 9.1605342924594879e-02 - <_> - - 0 -1 1615 2.4684870368218981e-05 - - -6.9059409201145172e-02 1.3202320039272308e-01 - <_> - - 0 -1 1616 -5.7401981204748154e-02 - - 1.4494429528713226e-01 -6.0069218277931213e-02 - <_> - - 0 -1 1617 -9.3912649899721146e-03 - - 5.0085651874542236e-01 -4.1706929914653301e-03 - <_> - - 0 -1 1618 2.6128649551537819e-05 - - -7.6227553188800812e-02 1.2607720494270325e-01 - <_> - - 0 -1 1619 5.0317928194999695e-02 - - 1.0360590182244778e-02 -3.1897589564323425e-01 - <_> - - 0 -1 1620 5.1848609000444412e-03 - - -6.4724229276180267e-02 1.2341039627790451e-01 - <_> - - 0 -1 1621 -3.3910661004483700e-03 - - -1.0288400202989578e-01 4.4040981680154800e-02 - <_> - - 0 -1 1622 6.0285101644694805e-03 - - 3.7052210420370102e-02 -2.1273019909858704e-01 - <_> - - 0 -1 1623 -2.4773539975285530e-02 - - 3.0380809307098389e-01 -1.4165430329740047e-02 - <_> - - 0 -1 1624 1.6291119158267975e-02 - - -6.7963749170303345e-02 1.0207100212574005e-01 - <_> - - 0 -1 1625 8.6468607187271118e-02 - - 4.0547042153775692e-03 -4.7402960062026978e-01 - <_> - - 0 -1 1626 3.6333149764686823e-03 - - -3.5381391644477844e-02 2.0167960226535797e-01 - <_> - - 0 -1 1627 1.8694689497351646e-03 - - 2.2365350276231766e-02 -5.7087961584329605e-02 - <_> - - 0 -1 1628 -3.7068868987262249e-03 - - -1.6035629808902740e-01 4.5690719038248062e-02 - <_> - - 0 -1 1629 -3.0651168344775215e-05 - - 3.5478990525007248e-02 -3.4492049366235733e-02 - <_> - - 0 -1 1630 -4.0897028520703316e-03 - - -2.6812940835952759e-01 2.7717530727386475e-02 - <_> - - 0 -1 1631 -9.0142004191875458e-03 - - 1.2767490744590759e-01 -2.5871720165014267e-02 - <_> - - 0 -1 1632 1.0104560293257236e-02 - - 4.1761290282011032e-02 -1.6333200037479401e-01 - <_> - - 0 -1 1633 2.3208620026707649e-02 - - -1.5451289713382721e-02 2.6844790577888489e-01 - <_> - - 0 -1 1634 1.1345080286264420e-01 - - -7.4470281600952148e-02 1.1021339893341064e-01 - <_> - - 0 -1 1635 -1.1667109793052077e-03 - - -6.8658977746963501e-02 9.7963117063045502e-02 - <_> - - 0 -1 1636 6.1848782934248447e-05 - - -8.0737061798572540e-02 8.1719793379306793e-02 - <_> - - 0 -1 1637 2.7750380468205549e-05 - - -8.1860013306140900e-02 8.6313776671886444e-02 - <_> - - 0 -1 1638 2.7259990019956604e-05 - - -8.0956377089023590e-02 8.2103863358497620e-02 - <_> - - 0 -1 1639 -2.9359169275267050e-05 - - 1.0450900346040726e-01 -7.2645798325538635e-02 - <_> - - 0 -1 1640 -2.5649809686001390e-05 - - 1.0629419982433319e-01 -6.7989073693752289e-02 - <_> - - 0 -1 1641 -1.6393380239605904e-02 - - -1.7156420648097992e-01 2.7696609497070312e-02 - <_> - - 0 -1 1642 -2.3359790444374084e-02 - - 3.8850760459899902e-01 -1.6645319759845734e-02 - <_> - - 0 -1 1643 2.2364470642060041e-03 - - -1.7200240865349770e-02 2.1048629283905029e-01 - <_> - - 0 -1 1644 -1.2738189660012722e-02 - - -2.5325098633766174e-01 2.8455469757318497e-02 - <_> - - 0 -1 1645 1.3035169802606106e-02 - - -3.6639489233493805e-02 5.0902638584375381e-02 - <_> - - 0 -1 1646 2.8332999136182480e-05 - - -8.3791807293891907e-02 8.3851858973503113e-02 - <_> - - 0 -1 1647 1.2336200103163719e-02 - - -5.1417160779237747e-02 5.3230680525302887e-02 - <_> - - 0 -1 1648 -3.2792810350656509e-02 - - 2.3273399472236633e-01 -3.7388250231742859e-02 - <_> - - 0 -1 1649 2.0052760373800993e-03 - - 2.7813620865345001e-02 -2.9500991106033325e-01 - <_> - - 0 -1 1650 1.3906819745898247e-02 - - -5.4373260587453842e-02 1.2525920569896698e-01 - <_> - - 0 -1 1651 2.1737889945507050e-01 - - 4.1637279093265533e-02 -1.7800329625606537e-01 - <_> - - 0 -1 1652 6.7987501621246338e-01 - - -1.8981909379363060e-02 3.5123589634895325e-01 - <_> - - 0 -1 1653 -4.9756500869989395e-02 - - -8.0023968219757080e-01 9.7657497972249985e-03 - <_> - - 0 -1 1654 4.5796870253980160e-03 - - 2.1078180521726608e-02 -2.8444689512252808e-01 - <_> - 289 - -1.2427099943161011e+00 - - <_> - - 0 -1 1655 1.0514260083436966e-01 - - -1.0304620116949081e-01 5.2641832828521729e-01 - <_> - - 0 -1 1656 2.1874869242310524e-02 - - -1.1491969972848892e-01 8.7951011955738068e-02 - <_> - - 0 -1 1657 2.5913900136947632e-01 - - -1.8469070710125379e-05 -7.8960552978515625e+02 - <_> - - 0 -1 1658 -8.2329362630844116e-03 - - 1.2152519822120667e-01 -2.1997219324111938e-01 - <_> - - 0 -1 1659 -7.4537489563226700e-03 - - 1.1699049919843674e-01 -1.9874709844589233e-01 - <_> - - 0 -1 1660 5.0783991813659668e-02 - - 3.4344758838415146e-02 -1.9979280233383179e-01 - <_> - - 0 -1 1661 -5.3065801039338112e-03 - - 1.0219410061836243e-01 -2.3248760402202606e-01 - <_> - - 0 -1 1662 -1.9852140918374062e-02 - - -5.7735747098922729e-01 1.0748630389571190e-02 - <_> - - 0 -1 1663 2.5102009996771812e-02 - - 3.3516518771648407e-02 -5.1891112327575684e-01 - <_> - - 0 -1 1664 3.9596240967512131e-03 - - -1.5465679764747620e-01 1.0011819750070572e-01 - <_> - - 0 -1 1665 -5.9100659564137459e-03 - - -3.3589190244674683e-01 6.0344338417053223e-02 - <_> - - 0 -1 1666 9.0328548103570938e-03 - - -1.0467969812452793e-02 -3.5610088706016541e-01 - <_> - - 0 -1 1667 8.5141025483608246e-03 - - 3.3426739275455475e-02 -4.1499960422515869e-01 - <_> - - 0 -1 1668 1.4581300318241119e-02 - - -1.1947499960660934e-01 1.0586699843406677e-01 - <_> - - 0 -1 1669 1.1524210125207901e-01 - - -2.3419320583343506e-02 3.9515259861946106e-01 - <_> - - 0 -1 1670 -2.1557710133492947e-03 - - 1.1369600147008896e-01 -1.1491960287094116e-01 - <_> - - 0 -1 1671 -1.3152989745140076e-01 - - -4.0761440992355347e-01 2.8095500543713570e-02 - <_> - - 0 -1 1672 8.7718963623046875e-02 - - 1.1915800161659718e-02 -6.2395787239074707e-01 - <_> - - 0 -1 1673 5.1810648292303085e-03 - - -1.0937149822711945e-01 1.1196020245552063e-01 - <_> - - 0 -1 1674 -3.5339239984750748e-03 - - 1.2084960192441940e-01 -5.4252031259238720e-03 - <_> - - 0 -1 1675 1.1804329697042704e-03 - - -1.2307350337505341e-01 1.2815740704536438e-01 - <_> - - 0 -1 1676 5.6288531050086021e-03 - - 3.1606510281562805e-02 -2.8103598952293396e-01 - <_> - - 0 -1 1677 9.9457567557692528e-04 - - -6.5978333353996277e-02 1.4891250431537628e-01 - <_> - - 0 -1 1678 -3.7337269168347120e-03 - - 5.9899568557739258e-02 -1.8003620207309723e-01 - <_> - - 0 -1 1679 1.0250649938825518e-04 - - -8.6224079132080078e-02 1.3904710114002228e-01 - <_> - - 0 -1 1680 4.1721882298588753e-03 - - -2.4659799411892891e-02 7.9436056315898895e-02 - <_> - - 0 -1 1681 4.8526689410209656e-02 - - 3.8152199238538742e-02 -3.3759069442749023e-01 - <_> - - 0 -1 1682 8.4143159911036491e-03 - - 5.1525980234146118e-03 -1.6511310636997223e-01 - <_> - - 0 -1 1683 -3.5702888853847980e-03 - - -2.3562599718570709e-01 4.1760321706533432e-02 - <_> - - 0 -1 1684 2.2256400436162949e-02 - - -2.8121219947934151e-02 1.3493560254573822e-01 - <_> - - 0 -1 1685 3.8191271014511585e-03 - - -1.1853609979152679e-01 8.4350273013114929e-02 - <_> - - 0 -1 1686 1.4533999562263489e-01 - - -2.8631420806050301e-02 3.5683318972587585e-01 - <_> - - 0 -1 1687 -8.9769659098237753e-04 - - 5.4901029914617538e-02 -1.7856329679489136e-01 - <_> - - 0 -1 1688 4.1682600975036621e-02 - - -1.8363239243626595e-02 1.6168589890003204e-01 - <_> - - 0 -1 1689 5.0139758735895157e-02 - - -4.4928468763828278e-02 2.1465340256690979e-01 - <_> - - 0 -1 1690 3.0929069034755230e-03 - - 3.0171500518918037e-02 -3.5135638713836670e-01 - <_> - - 0 -1 1691 1.8156090751290321e-02 - - -5.5261798202991486e-02 1.9471189379692078e-01 - <_> - - 0 -1 1692 2.0246930420398712e-02 - - 3.7365719676017761e-02 -3.0078509449958801e-01 - <_> - - 0 -1 1693 1.1716090142726898e-02 - - -6.1458099633455276e-02 1.6397699713706970e-01 - <_> - - 0 -1 1694 -8.1182513386011124e-03 - - -8.8726110756397247e-02 3.2724000513553619e-02 - <_> - - 0 -1 1695 -1.4681640267372131e-01 - - -4.9301609396934509e-01 2.0158279687166214e-02 - <_> - - 0 -1 1696 -5.2891620434820652e-03 - - -2.5142368674278259e-01 9.5387678593397141e-03 - <_> - - 0 -1 1697 -1.4862219803035259e-02 - - 2.5943711400032043e-01 -3.1378541141748428e-02 - <_> - - 0 -1 1698 -1.7715459689497948e-02 - - -5.1138341426849365e-01 7.5401309877634048e-03 - <_> - - 0 -1 1699 -9.5196522306650877e-04 - - 6.9236308336257935e-02 -1.2581700086593628e-01 - <_> - - 0 -1 1700 6.6216342151165009e-02 - - -9.8208645358681679e-03 3.6082351207733154e-01 - <_> - - 0 -1 1701 8.2799885421991348e-03 - - -7.4818223714828491e-02 1.5120029449462891e-01 - <_> - - 0 -1 1702 1.2625900097191334e-02 - - 6.2517106533050537e-02 -1.5846930444240570e-01 - <_> - - 0 -1 1703 -5.0610590726137161e-02 - - 4.3044748902320862e-01 -1.9521590322256088e-02 - <_> - - 0 -1 1704 6.4415240287780762e-01 - - 1.9606480374932289e-02 -3.7122789025306702e-01 - <_> - - 0 -1 1705 6.2919452786445618e-02 - - -1.2445899844169617e-01 6.8127602338790894e-02 - <_> - - 0 -1 1706 1.5886759385466576e-02 - - 3.7582379300147295e-03 -2.5132799148559570e-01 - <_> - - 0 -1 1707 -2.3676711134612560e-03 - - -1.8140539526939392e-01 4.5303210616111755e-02 - <_> - - 0 -1 1708 2.5242239236831665e-02 - - 1.6800789162516594e-02 -3.1515631079673767e-01 - <_> - - 0 -1 1709 1.3737349770963192e-02 - - -3.2908398658037186e-02 2.3093259334564209e-01 - <_> - - 0 -1 1710 -2.1248359698802233e-03 - - 6.4555563032627106e-02 -1.4124630391597748e-01 - <_> - - 0 -1 1711 -6.0910829342901707e-03 - - -4.6051791310310364e-01 1.6628300771117210e-02 - <_> - - 0 -1 1712 4.0456880815327168e-03 - - 8.3615174517035484e-03 -2.6965349912643433e-01 - <_> - - 0 -1 1713 -3.4469161182641983e-02 - - 2.1582040190696716e-01 -3.4924760460853577e-02 - <_> - - 0 -1 1714 8.9153727458324283e-05 - - -5.1043938845396042e-02 3.4690521657466888e-02 - <_> - - 0 -1 1715 -6.6213719546794891e-03 - - -4.1585859656333923e-01 1.9391119480133057e-02 - <_> - - 0 -1 1716 1.3638250529766083e-01 - - -4.4547390192747116e-02 1.7608410120010376e-01 - <_> - - 0 -1 1717 2.5193500332534313e-03 - - -9.0518496930599213e-02 8.7540969252586365e-02 - <_> - - 0 -1 1718 -7.8399538993835449e-02 - - 2.6488780975341797e-01 -3.2434631139039993e-02 - <_> - - 0 -1 1719 7.1002319455146790e-03 - - -1.1403769999742508e-01 1.0402719676494598e-01 - <_> - - 0 -1 1720 -6.2689207494258881e-02 - - -5.6851968169212341e-02 1.4763230457901955e-02 - <_> - - 0 -1 1721 6.9820493459701538e-02 - - 1.6728859394788742e-02 -5.0399231910705566e-01 - <_> - - 0 -1 1722 1.0238329879939556e-02 - - -2.8636269271373749e-02 1.8522030115127563e-01 - <_> - - 0 -1 1723 -1.4994280412793159e-02 - - 2.2429679334163666e-01 -3.3266838639974594e-02 - <_> - - 0 -1 1724 5.2933390252292156e-03 - - 2.9912209138274193e-02 -2.1737770736217499e-01 - <_> - - 0 -1 1725 8.0084912478923798e-03 - - 3.4174129366874695e-02 -2.6237648725509644e-01 - <_> - - 0 -1 1726 1.1461140215396881e-01 - - -2.4488439783453941e-02 9.7091667354106903e-02 - <_> - - 0 -1 1727 -5.2127178758382797e-02 - - -6.4139938354492188e-01 1.1557060293853283e-02 - <_> - - 0 -1 1728 7.4813142418861389e-02 - - -5.0265830010175705e-02 5.0224021077156067e-02 - <_> - - 0 -1 1729 -1.9123209640383720e-02 - - -3.1091290712356567e-01 2.2727809846401215e-02 - <_> - - 0 -1 1730 5.4096881300210953e-02 - - -9.0643512085080147e-03 2.5074291229248047e-01 - <_> - - 0 -1 1731 -2.5658370926976204e-02 - - 2.1216529607772827e-01 -3.5177871584892273e-02 - <_> - - 0 -1 1732 1.5096050500869751e-01 - - 1.8668990582227707e-02 -2.1598240733146667e-01 - <_> - - 0 -1 1733 1.1122240126132965e-01 - - 3.4245200455188751e-02 -2.1573379635810852e-01 - <_> - - 0 -1 1734 6.0547110479092225e-05 - - -3.7213701754808426e-02 3.7215270102024078e-02 - <_> - - 0 -1 1735 5.8619431219995022e-03 - - -7.7396132051944733e-02 9.3063041567802429e-02 - <_> - - 0 -1 1736 -3.4194190055131912e-02 - - 3.4479939937591553e-01 -3.3559378236532211e-02 - <_> - - 0 -1 1737 -7.2817560285329819e-03 - - -2.9600289463996887e-01 2.6088409125804901e-02 - <_> - - 0 -1 1738 1.0952579788863659e-02 - - -5.8721199631690979e-02 1.3843379914760590e-01 - <_> - - 0 -1 1739 8.1078127026557922e-02 - - -7.2938360273838043e-02 9.6455402672290802e-02 - <_> - - 0 -1 1740 1.0665360093116760e-01 - - -1.2848479673266411e-02 1.8970890343189240e-01 - <_> - - 0 -1 1741 -6.8527236580848694e-02 - - -3.2469791173934937e-01 2.3436879739165306e-02 - <_> - - 0 -1 1742 3.6735620349645615e-02 - - -5.8335401117801666e-02 8.4354646503925323e-02 - <_> - - 0 -1 1743 8.4685698151588440e-02 - - -6.4503356814384460e-02 1.6065360605716705e-01 - <_> - - 0 -1 1744 3.6365711130201817e-03 - - -4.9595098942518234e-02 1.7173859477043152e-01 - <_> - - 0 -1 1745 -4.8055797815322876e-03 - - -2.7324178814888000e-01 2.7532469481229782e-02 - <_> - - 0 -1 1746 -9.6100764349102974e-03 - - -2.3277230560779572e-01 2.0290989428758621e-02 - <_> - - 0 -1 1747 7.8186683356761932e-02 - - 1.1925170198082924e-02 -5.6188392639160156e-01 - <_> - - 0 -1 1748 7.4945122003555298e-02 - - 2.2771470248699188e-03 -6.7497521638870239e-01 - <_> - - 0 -1 1749 -3.6618590354919434e-02 - - 1.9563549757003784e-01 -4.4303759932518005e-02 - <_> - - 0 -1 1750 2.5921240448951721e-03 - - 4.1194058954715729e-02 -1.1646830290555954e-01 - <_> - - 0 -1 1751 6.7376391962170601e-03 - - 3.1075129285454750e-02 -2.5548139214515686e-01 - <_> - - 0 -1 1752 2.8166980482637882e-03 - - -4.1387278586626053e-02 2.0167019963264465e-01 - <_> - - 0 -1 1753 6.5882243216037750e-02 - - 1.3007510453462601e-02 -5.5459141731262207e-01 - <_> - - 0 -1 1754 1.5577779849991202e-03 - - -2.3746419697999954e-02 4.1367299854755402e-02 - <_> - - 0 -1 1755 -5.4769590497016907e-03 - - -2.6814338564872742e-01 2.4470189586281776e-02 - <_> - - 0 -1 1756 -5.5535528808832169e-03 - - 2.0323030650615692e-01 -3.5721950232982635e-02 - <_> - - 0 -1 1757 -6.6988892853260040e-02 - - -5.1838552951812744e-01 1.0844370350241661e-02 - <_> - - 0 -1 1758 4.1470538824796677e-02 - - 2.7333609759807587e-03 -3.5633009672164917e-01 - <_> - - 0 -1 1759 -3.4693330526351929e-03 - - 9.8271742463111877e-02 -7.2967939078807831e-02 - <_> - - 0 -1 1760 -8.2196565344929695e-03 - - 1.0828279703855515e-01 -4.7256238758563995e-02 - <_> - - 0 -1 1761 9.9876541644334793e-03 - - -4.7037940472364426e-02 1.7513559758663177e-01 - <_> - - 0 -1 1762 -2.8357180953025818e-01 - - 1.1804939806461334e-01 -5.6662421673536301e-02 - <_> - - 0 -1 1763 -3.1115990132093430e-02 - - 3.8079530000686646e-01 -1.9796870648860931e-02 - <_> - - 0 -1 1764 1.0992879979312420e-02 - - 2.2017719224095345e-02 -8.0382846295833588e-02 - <_> - - 0 -1 1765 -1.6561850905418396e-02 - - -4.3999090790748596e-01 1.5166619792580605e-02 - <_> - - 0 -1 1766 1.8488729838281870e-03 - - -1.9684309139847755e-02 1.6026680171489716e-01 - <_> - - 0 -1 1767 -6.8709079641848803e-05 - - 8.9373558759689331e-02 -7.0307746529579163e-02 - <_> - - 0 -1 1768 -5.3440540796145797e-05 - - 1.0770639777183533e-01 -7.9271383583545685e-02 - <_> - - 0 -1 1769 5.1137150876456872e-05 - - -7.4268989264965057e-02 9.2868506908416748e-02 - <_> - - 0 -1 1770 -1.0940999723970890e-02 - - -6.0954278707504272e-01 7.1117929182946682e-03 - <_> - - 0 -1 1771 1.6700969636440277e-01 - - 1.7398620024323463e-02 -3.4830319881439209e-01 - <_> - - 0 -1 1772 -5.3627010434865952e-02 - - -2.5175419449806213e-01 3.0668680556118488e-03 - <_> - - 0 -1 1773 -1.6854789108037949e-02 - - -2.3226660490036011e-01 2.9541799798607826e-02 - <_> - - 0 -1 1774 -6.6016108030453324e-04 - - 8.4474369883537292e-02 -2.9211960732936859e-02 - <_> - - 0 -1 1775 5.8979410823667422e-05 - - -7.1650400757789612e-02 8.9446447789669037e-02 - <_> - - 0 -1 1776 -2.9099199920892715e-02 - - 1.5133389830589294e-01 -4.4302191585302353e-02 - <_> - - 0 -1 1777 6.0370288789272308e-02 - - 2.3916089907288551e-02 -2.8696390986442566e-01 - <_> - - 0 -1 1778 5.2198538469383493e-05 - - -5.5224779993295670e-02 6.3085198402404785e-02 - <_> - - 0 -1 1779 -5.3573388868244365e-05 - - 9.1779157519340515e-02 -7.3383733630180359e-02 - <_> - - 0 -1 1780 -9.2194221913814545e-02 - - 8.4590747952461243e-02 -4.3549880385398865e-02 - <_> - - 0 -1 1781 6.8016350269317627e-03 - - -3.9529308676719666e-02 1.7724280059337616e-01 - <_> - - 0 -1 1782 1.3659190386533737e-02 - - -3.1453400850296021e-02 9.2184126377105713e-02 - <_> - - 0 -1 1783 -2.0240260288119316e-02 - - 1.2939970195293427e-01 -7.2216689586639404e-02 - <_> - - 0 -1 1784 -3.3109420537948608e-01 - - -5.6844151020050049e-01 4.8965080641210079e-03 - <_> - - 0 -1 1785 -3.5590109229087830e-01 - - -6.0889261960983276e-01 1.2166419997811317e-02 - <_> - - 0 -1 1786 3.2671329379081726e-01 - - 1.1408380232751369e-02 -5.4270422458648682e-01 - <_> - - 0 -1 1787 -6.3796848058700562e-02 - - -8.0737471580505371e-01 7.3937238194048405e-03 - <_> - - 0 -1 1788 4.1656321845948696e-03 - - 1.8647879362106323e-02 -6.3343852758407593e-02 - <_> - - 0 -1 1789 6.2817978858947754e-01 - - -2.2962320595979691e-02 2.8442010283470154e-01 - <_> - - 0 -1 1790 5.7043769629672170e-05 - - -5.8396600186824799e-02 2.7118930593132973e-02 - <_> - - 0 -1 1791 -8.2484260201454163e-03 - - -3.6744558811187744e-01 1.7963869497179985e-02 - <_> - - 0 -1 1792 2.1319560706615448e-01 - - 4.8015988431870937e-03 -2.5128981471061707e-01 - <_> - - 0 -1 1793 -9.2648178339004517e-02 - - 4.0808829665184021e-01 -1.6961680725216866e-02 - <_> - - 0 -1 1794 6.7387576564215124e-05 - - -1.1430130153894424e-01 6.2709592282772064e-02 - <_> - - 0 -1 1795 -5.2264030091464520e-03 - - -3.8103449344635010e-01 1.8856620416045189e-02 - <_> - - 0 -1 1796 -4.5156818814575672e-03 - - -3.2349079847335815e-01 1.5758650377392769e-02 - <_> - - 0 -1 1797 3.1322699505835772e-03 - - 3.7116400897502899e-02 -1.6313099861145020e-01 - <_> - - 0 -1 1798 -3.0949179083108902e-02 - - -2.2487780451774597e-01 1.5935560688376427e-02 - <_> - - 0 -1 1799 -1.1999710462987423e-02 - - 1.0604210197925568e-01 -5.6003518402576447e-02 - <_> - - 0 -1 1800 3.3642560243606567e-02 - - 9.4332182779908180e-03 -2.4610279500484467e-01 - <_> - - 0 -1 1801 1.1973080225288868e-02 - - -4.5692600309848785e-02 1.5212790668010712e-01 - <_> - - 0 -1 1802 -1.4105269312858582e-01 - - -4.0252068638801575e-01 1.6124870628118515e-02 - <_> - - 0 -1 1803 -5.8696339838206768e-03 - - 1.2235599756240845e-01 -4.8751059919595718e-02 - <_> - - 0 -1 1804 2.1555710118263960e-03 - - -1.8416309729218483e-02 1.4515219628810883e-01 - <_> - - 0 -1 1805 2.4534349795430899e-03 - - -9.0565666556358337e-02 6.3355736434459686e-02 - <_> - - 0 -1 1806 5.2382410503923893e-03 - - -4.1047159582376480e-02 7.2730809450149536e-02 - <_> - - 0 -1 1807 -1.4319210313260555e-02 - - -1.7929619550704956e-01 3.6573551595211029e-02 - <_> - - 0 -1 1808 -1.0585630312561989e-02 - - -3.8849338889122009e-01 7.9265926033258438e-03 - <_> - - 0 -1 1809 8.9276917278766632e-03 - - -5.7579260319471359e-02 1.0150779783725739e-01 - <_> - - 0 -1 1810 5.7917978614568710e-02 - - 1.3735010288655758e-02 -1.9172470271587372e-01 - <_> - - 0 -1 1811 -9.2071853578090668e-03 - - -2.0012189447879791e-01 3.3192038536071777e-02 - <_> - - 0 -1 1812 -8.3500929176807404e-02 - - 2.9251980781555176e-01 -2.2903669625520706e-02 - <_> - - 0 -1 1813 -4.5707109384238720e-03 - - -1.9109779596328735e-01 4.0867939591407776e-02 - <_> - - 0 -1 1814 -2.8107669204473495e-02 - - -1.3955590128898621e-01 2.2897839546203613e-02 - <_> - - 0 -1 1815 -2.2816540673375130e-02 - - -2.5770029425621033e-01 2.2989239543676376e-02 - <_> - - 0 -1 1816 -5.2285268902778625e-03 - - -6.1747290194034576e-02 3.7713401019573212e-02 - <_> - - 0 -1 1817 6.0513508506119251e-03 - - -4.1627131402492523e-02 1.5567490458488464e-01 - <_> - - 0 -1 1818 -4.0782008320093155e-02 - - 2.5596979260444641e-01 -2.5189070031046867e-02 - <_> - - 0 -1 1819 6.2671699561178684e-03 - - -9.7672566771507263e-02 7.2752490639686584e-02 - <_> - - 0 -1 1820 -1.1280509643256664e-03 - - 7.3656037449836731e-02 -1.1387579888105392e-01 - <_> - - 0 -1 1821 6.8747308105230331e-03 - - -6.6789150238037109e-02 1.3151079416275024e-01 - <_> - - 0 -1 1822 -3.3762790262699127e-02 - - -1.8931210041046143e-01 3.4766618162393570e-02 - <_> - - 0 -1 1823 5.1757418987108395e-05 - - -7.8098617494106293e-02 7.9830199480056763e-02 - <_> - - 0 -1 1824 1.0175850242376328e-01 - - 1.7523359507322311e-02 -2.1947909891605377e-01 - <_> - - 0 -1 1825 1.1764559894800186e-01 - - 1.4738990366458893e-01 -4.2805839329957962e-02 - <_> - - 0 -1 1826 -1.9031679630279541e-01 - - -3.7623789906501770e-01 3.8982050027698278e-03 - <_> - - 0 -1 1827 2.1824610233306885e-01 - - 7.8864647075533867e-03 -6.4516901969909668e-01 - <_> - - 0 -1 1828 6.1720587837044150e-05 - - -6.8813540041446686e-02 7.8313410282135010e-02 - <_> - - 0 -1 1829 7.6815136708319187e-05 - - -6.9198243319988251e-02 9.8149210214614868e-02 - <_> - - 0 -1 1830 -1.5573709970340133e-03 - - 4.5510411262512207e-02 -1.1858870089054108e-01 - <_> - - 0 -1 1831 1.5356070362031460e-02 - - -3.7732329219579697e-02 1.6196539998054504e-01 - <_> - - 0 -1 1832 -6.4422818832099438e-04 - - -4.9214340746402740e-02 3.8596581667661667e-02 - <_> - - 0 -1 1833 3.0240670312196016e-03 - - 1.9877310842275620e-02 -2.7352470159530640e-01 - <_> - - 0 -1 1834 -2.4049060046672821e-01 - - -3.2233241200447083e-01 9.9804811179637909e-03 - <_> - - 0 -1 1835 -6.8453960120677948e-03 - - -2.6824951171875000e-01 2.0093979313969612e-02 - <_> - - 0 -1 1836 -9.8221071064472198e-02 - - 3.6731448769569397e-01 -1.6751440241932869e-02 - <_> - - 0 -1 1837 -3.3398460596799850e-02 - - -7.5862818956375122e-01 9.9286399781703949e-03 - <_> - - 0 -1 1838 -3.2237220555543900e-02 - - 2.2383579611778259e-01 -1.2614809907972813e-02 - <_> - - 0 -1 1839 -3.3283960074186325e-02 - - 2.9738378524780273e-01 -1.9648900255560875e-02 - <_> - - 0 -1 1840 -6.3496932853013277e-05 - - 5.7933460921049118e-02 -4.3885860592126846e-02 - <_> - - 0 -1 1841 7.6012212957721204e-05 - - -7.1816489100456238e-02 8.6936511099338531e-02 - <_> - - 0 -1 1842 2.7044719085097313e-02 - - 7.5920550152659416e-03 -5.4519557952880859e-01 - <_> - - 0 -1 1843 9.8314275965094566e-03 - - 2.3584580048918724e-02 -2.4372850358486176e-01 - <_> - - 0 -1 1844 -1.4273289591073990e-02 - - 1.2024249881505966e-01 -2.0805019885301590e-02 - <_> - - 0 -1 1845 3.4047421067953110e-03 - - 2.4277240037918091e-02 -2.4346110224723816e-01 - <_> - - 0 -1 1846 -2.1703050006181002e-03 - - 4.7682531177997589e-02 -2.8576539829373360e-02 - <_> - - 0 -1 1847 6.4616702497005463e-02 - - -7.2562202811241150e-02 9.5571190118789673e-02 - <_> - - 0 -1 1848 -3.6136131733655930e-02 - - -2.2917810082435608e-01 2.1050409413874149e-03 - <_> - - 0 -1 1849 -1.9167549908161163e-02 - - 3.0063459277153015e-01 -2.2639019414782524e-02 - <_> - - 0 -1 1850 1.0301499627530575e-02 - - 1.9979899749159813e-02 -1.1853440105915070e-01 - <_> - - 0 -1 1851 2.5042060762643814e-02 - - 1.3732859864830971e-02 -4.4012320041656494e-01 - <_> - - 0 -1 1852 1.1802879720926285e-01 - - -2.3824589326977730e-02 9.6127033233642578e-02 - <_> - - 0 -1 1853 -8.2905329763889313e-03 - - -8.1776067614555359e-02 6.8393409252166748e-02 - <_> - - 0 -1 1854 -1.0710770264267921e-02 - - 4.3334428220987320e-02 -7.5097911059856415e-02 - <_> - - 0 -1 1855 2.6918289065361023e-01 - - -3.9503660053014755e-02 1.4504730701446533e-01 - <_> - - 0 -1 1856 -2.2763809189200401e-02 - - 9.9672622978687286e-02 -7.7555380761623383e-02 - <_> - - 0 -1 1857 -1.2115190178155899e-01 - - -3.9497470855712891e-01 1.6640119254589081e-02 - <_> - - 0 -1 1858 7.1451293479185551e-05 - - -5.3211521357297897e-02 3.6570221185684204e-02 - <_> - - 0 -1 1859 3.8077360950410366e-03 - - -9.1341376304626465e-02 7.4727490544319153e-02 - <_> - - 0 -1 1860 -6.2283109873533249e-02 - - 4.4904568791389465e-01 -1.4291680417954922e-02 - <_> - - 0 -1 1861 -1.6545509919524193e-02 - - 2.1537640690803528e-01 -2.6689510792493820e-02 - <_> - - 0 -1 1862 -9.5320530235767365e-03 - - -1.5028700232505798e-01 8.1632016226649284e-03 - <_> - - 0 -1 1863 -5.1539638661779463e-05 - - 7.7702187001705170e-02 -7.4435219168663025e-02 - <_> - - 0 -1 1864 8.1616528332233429e-03 - - 1.2540699914097786e-02 -4.7263838350772858e-02 - <_> - - 0 -1 1865 -1.6064610332250595e-02 - - -6.3055968284606934e-01 8.5211051627993584e-03 - <_> - - 0 -1 1866 -9.4421818852424622e-02 - - 1.3808089494705200e-01 -3.9954699575901031e-02 - <_> - - 0 -1 1867 -7.0128433406352997e-02 - - -2.7507200837135315e-01 2.6419319212436676e-02 - <_> - - 0 -1 1868 -1.4281000010669231e-02 - - 8.4090739488601685e-02 -4.2029079049825668e-02 - <_> - - 0 -1 1869 -2.0523479208350182e-02 - - 1.5208010375499725e-01 -3.8674451410770416e-02 - <_> - - 0 -1 1870 3.1574970483779907e-01 - - 8.8831735774874687e-03 -6.8551319837570190e-01 - <_> - - 0 -1 1871 5.9291431680321693e-03 - - 6.9111599586904049e-03 -6.0731059312820435e-01 - <_> - - 0 -1 1872 6.0803038650192320e-05 - - -6.6974677145481110e-02 7.5997337698936462e-02 - <_> - - 0 -1 1873 8.9074257994070649e-04 - - -5.7422380894422531e-02 8.9614070951938629e-02 - <_> - - 0 -1 1874 7.5585566461086273e-02 - - 5.4939449764788151e-03 -5.0682210922241211e-01 - <_> - - 0 -1 1875 1.7032520845532417e-02 - - -7.0099852979183197e-02 8.4323048591613770e-02 - <_> - - 0 -1 1876 1.2238330207765102e-02 - - 3.3506508916616440e-02 -1.5453749895095825e-01 - <_> - - 0 -1 1877 1.2650569900870323e-02 - - -3.4498661756515503e-02 1.7358370125293732e-01 - <_> - - 0 -1 1878 3.9281910285353661e-03 - - 3.3152848482131958e-02 -1.2065990269184113e-01 - <_> - - 0 -1 1879 -1.8485839664936066e-01 - - -4.4308841228485107e-01 1.2247050181031227e-02 - <_> - - 0 -1 1880 -6.5704691223800182e-03 - - -2.8371539711952209e-01 1.1953360401093960e-02 - <_> - - 0 -1 1881 -5.8720408560475335e-05 - - 6.0625560581684113e-02 -9.0594232082366943e-02 - <_> - - 0 -1 1882 -2.1587649825960398e-03 - - 7.1897417306900024e-02 -7.1638710796833038e-02 - <_> - - 0 -1 1883 -4.2619958519935608e-02 - - -6.3012677431106567e-01 9.0704262256622314e-03 - <_> - - 0 -1 1884 -2.1494319662451744e-03 - - 7.0125512778759003e-02 -3.0237630009651184e-02 - <_> - - 0 -1 1885 -9.0273208916187286e-03 - - -2.0843930542469025e-01 2.5662729516625404e-02 - <_> - - 0 -1 1886 -1.9365029409527779e-02 - - -2.1868449449539185e-01 3.9497479796409607e-02 - <_> - - 0 -1 1887 -1.4133329689502716e-01 - - 1.7587089538574219e-01 -3.0029740184545517e-02 - <_> - - 0 -1 1888 -7.0533920079469681e-03 - - 1.2578339874744415e-01 -4.2285289615392685e-02 - <_> - - 0 -1 1889 9.1119036369491369e-05 - - -8.0194853246212006e-02 6.9832347333431244e-02 - <_> - - 0 -1 1890 5.6941218674182892e-02 - - 1.6689090058207512e-02 -5.2839207649230957e-01 - <_> - - 0 -1 1891 -5.4684251546859741e-02 - - -2.0393149554729462e-01 2.8620930388569832e-02 - <_> - - 0 -1 1892 -5.8811619965126738e-05 - - 4.1804101318120956e-02 -4.7025229781866074e-02 - <_> - - 0 -1 1893 1.7949440516531467e-03 - - -7.5684927403926849e-02 6.9111049175262451e-02 - <_> - - 0 -1 1894 2.9679369181394577e-03 - - -3.7506360560655594e-02 1.6561579704284668e-01 - <_> - - 0 -1 1895 2.8809459879994392e-02 - - -1.2360650300979614e-01 4.9675479531288147e-02 - <_> - - 0 -1 1896 4.0495251305401325e-03 - - -3.1962219625711441e-02 1.9525900483131409e-01 - <_> - - 0 -1 1897 -6.2003359198570251e-02 - - -3.8278189301490784e-01 1.5061319805681705e-02 - <_> - - 0 -1 1898 -5.1115748647134751e-05 - - 6.7757539451122284e-02 -5.2631400525569916e-02 - <_> - - 0 -1 1899 -8.5218940512277186e-05 - - 8.6446836590766907e-02 -6.7225173115730286e-02 - <_> - - 0 -1 1900 5.5194161832332611e-03 - - -1.7245279625058174e-02 1.6542769968509674e-01 - <_> - - 0 -1 1901 -1.0302600450813770e-02 - - -2.3677019774913788e-01 2.2329760715365410e-02 - <_> - - 0 -1 1902 4.1106292046606541e-03 - - -2.0237570628523827e-02 8.8973782956600189e-02 - <_> - - 0 -1 1903 2.2337420377880335e-03 - - -4.6158008277416229e-02 1.1012540012598038e-01 - <_> - - 0 -1 1904 -7.5415097177028656e-02 - - -4.3671968579292297e-01 7.0562111213803291e-03 - <_> - - 0 -1 1905 -3.5641689319163561e-03 - - -2.0360149443149567e-01 2.6056429371237755e-02 - <_> - - 0 -1 1906 -7.5477738864719868e-03 - - 6.8226106464862823e-02 -2.2757640108466148e-02 - <_> - - 0 -1 1907 3.1273330096155405e-03 - - -5.1596619188785553e-02 1.1045560240745544e-01 - <_> - - 0 -1 1908 -7.2469911538064480e-03 - - -2.8128591179847717e-01 3.2531570177525282e-03 - <_> - - 0 -1 1909 -5.2346920710988343e-05 - - 7.0106193423271179e-02 -9.4152770936489105e-02 - <_> - - 0 -1 1910 -2.4612979963421822e-02 - - -8.7304252386093140e-01 1.3450640253722668e-03 - <_> - - 0 -1 1911 -3.5978900268673897e-03 - - -1.7041720449924469e-01 3.1998220831155777e-02 - <_> - - 0 -1 1912 7.2957523167133331e-02 - - 5.0021768547594547e-03 -4.6821400523185730e-01 - <_> - - 0 -1 1913 -8.2925416529178619e-02 - - -6.8254911899566650e-01 6.8542738445103168e-03 - <_> - - 0 -1 1914 1.4584979414939880e-01 - - 4.4581899419426918e-03 -9.1366928815841675e-01 - <_> - - 0 -1 1915 1.2101789936423302e-02 - - 2.4414170533418655e-02 -1.8117509782314301e-01 - <_> - - 0 -1 1916 -6.0667369514703751e-02 - - 2.2934840619564056e-01 -1.4323459938168526e-02 - <_> - - 0 -1 1917 2.0745540037751198e-02 - - -2.6910720393061638e-02 1.9334229826927185e-01 - <_> - - 0 -1 1918 7.7412481186911464e-04 - - -2.9913529753684998e-02 4.5873280614614487e-02 - <_> - - 0 -1 1919 1.3549369759857655e-02 - - 3.4433681517839432e-02 -1.8116979300975800e-01 - <_> - - 0 -1 1920 1.2264180183410645e-01 - - 8.5802376270294189e-03 -3.5567748546600342e-01 - <_> - - 0 -1 1921 6.7160837352275848e-02 - - 1.5259440056979656e-02 -3.3480858802795410e-01 - <_> - - 0 -1 1922 -2.4647530168294907e-02 - - 1.9604270160198212e-01 -2.5130519643425941e-02 - <_> - - 0 -1 1923 1.6193950548768044e-02 - - 2.5508690625429153e-02 -2.1010090410709381e-01 - <_> - - 0 -1 1924 4.4934380054473877e-01 - - -1.0850709863007069e-02 2.6361268758773804e-01 - <_> - - 0 -1 1925 1.0006000287830830e-02 - - 1.6283020377159119e-02 -3.3978369832038879e-01 - <_> - - 0 -1 1926 -3.3295390312559903e-04 - - 4.8216179013252258e-02 -3.3164579421281815e-02 - <_> - - 0 -1 1927 -2.8556359931826591e-02 - - -1.4011450111865997e-01 3.5931900143623352e-02 - <_> - - 0 -1 1928 6.8772169761359692e-03 - - -1.2332179583609104e-02 1.5525570511817932e-01 - <_> - - 0 -1 1929 2.6129318866878748e-03 - - -4.3558120727539062e-02 1.2221980094909668e-01 - <_> - - 0 -1 1930 3.2784798741340637e-01 - - 1.3112389715388417e-03 -8.1634020805358887e-01 - <_> - - 0 -1 1931 1.5350890159606934e-01 - - 1.5348929911851883e-02 -3.3603930473327637e-01 - <_> - - 0 -1 1932 9.0102507965639234e-04 - - -3.2568939030170441e-02 6.3755579292774200e-02 - <_> - - 0 -1 1933 -7.4206269346177578e-05 - - 8.1737652420997620e-02 -6.6912956535816193e-02 - <_> - - 0 -1 1934 -3.3565158955752850e-03 - - -1.2600690126419067e-01 2.2333910688757896e-02 - <_> - - 0 -1 1935 6.5229997038841248e-02 - - -3.2034210860729218e-02 1.7820569872856140e-01 - <_> - - 0 -1 1936 -2.0175189711153507e-03 - - 2.4484390392899513e-02 -5.7224631309509277e-02 - <_> - - 0 -1 1937 7.0746080018579960e-03 - - 9.8791662603616714e-03 -5.4220247268676758e-01 - <_> - - 0 -1 1938 6.5917898609768599e-05 - - -5.1658220589160919e-02 5.6762930005788803e-02 - <_> - - 0 -1 1939 3.0828830599784851e-01 - - -9.5853386446833611e-03 5.3433179855346680e-01 - <_> - - 0 -1 1940 1.0255790315568447e-02 - - 2.4838339537382126e-02 -1.6516630351543427e-01 - <_> - - 0 -1 1941 -5.3460840717889369e-05 - - 7.9820998013019562e-02 -6.5021842718124390e-02 - <_> - - 0 -1 1942 -2.3789680562913418e-03 - - 4.7830250114202499e-02 -5.2991490811109543e-02 - <_> - - 0 -1 1943 -5.6755929253995419e-03 - - 1.2446220219135284e-01 -4.4751990586519241e-02 - <_> - 317 - -1.1628010272979736e+00 - - <_> - - 0 -1 1944 -1.0756739974021912e-01 - - 3.4051141142845154e-01 -1.5209180116653442e-01 - <_> - - 0 -1 1945 4.3516431003808975e-02 - - -1.3533400371670723e-02 2.8570750355720520e-01 - <_> - - 0 -1 1946 1.5090970695018768e-01 - - 5.0420017214491963e-04 -5.6076660156250000e+02 - <_> - - 0 -1 1947 8.1543149426579475e-03 - - -5.7393770664930344e-02 1.6381829977035522e-01 - <_> - - 0 -1 1948 -1.0340789705514908e-01 - - 2.2989919781684875e-01 -1.2858000397682190e-01 - <_> - - 0 -1 1949 -7.5287488289177418e-03 - - 7.1470782160758972e-02 -2.5789029896259308e-02 - <_> - - 0 -1 1950 3.6443499848246574e-03 - - -2.2227230668067932e-01 1.2411169707775116e-01 - <_> - - 0 -1 1951 5.3749978542327881e-01 - - 1.3947029598057270e-02 5.2125108242034912e-01 - <_> - - 0 -1 1952 2.7013081312179565e-01 - - -1.9904779270291328e-02 -6.3081250000000000e+02 - <_> - - 0 -1 1953 -1.0368769988417625e-02 - - 1.0527289658784866e-01 -1.2945720553398132e-01 - <_> - - 0 -1 1954 -1.5604550018906593e-02 - - 2.1595460176467896e-01 -9.8842203617095947e-02 - <_> - - 0 -1 1955 -2.0287589728832245e-01 - - -2.7739518880844116e-01 3.4634380135685205e-03 - <_> - - 0 -1 1956 -2.7160419151186943e-02 - - 1.0022699832916260e-01 -2.0542170107364655e-01 - <_> - - 0 -1 1957 -5.2366848103702068e-03 - - 1.2705439329147339e-01 -1.2547770142555237e-01 - <_> - - 0 -1 1958 4.6215238980948925e-03 - - 4.4826891273260117e-02 -2.7245700359344482e-01 - <_> - - 0 -1 1959 -6.7956638522446156e-03 - - -1.3386589288711548e-01 2.7177840471267700e-02 - <_> - - 0 -1 1960 -2.1976660192012787e-01 - - -2.5276950001716614e-01 4.6465039253234863e-02 - <_> - - 0 -1 1961 4.6517988666892052e-03 - - 1.0934700258076191e-02 -3.5598039627075195e-01 - <_> - - 0 -1 1962 -1.5317969955503941e-03 - - -2.4999429285526276e-01 4.4351290911436081e-02 - <_> - - 0 -1 1963 4.6969428658485413e-03 - - 2.1836619824171066e-02 -2.8716519474983215e-01 - <_> - - 0 -1 1964 4.8189409077167511e-02 - - 2.8869369998574257e-02 -3.6160790920257568e-01 - <_> - - 0 -1 1965 -7.6267770491540432e-03 - - 1.3116089999675751e-01 -3.7187561392784119e-02 - <_> - - 0 -1 1966 -4.5027391024632379e-05 - - 7.1991510689258575e-02 -1.2496870011091232e-01 - <_> - - 0 -1 1967 -5.3772819228470325e-05 - - 7.9510539770126343e-02 -7.9604126513004303e-02 - <_> - - 0 -1 1968 9.2382878065109253e-03 - - -4.5949440449476242e-02 2.0551459491252899e-01 - <_> - - 0 -1 1969 3.3600959926843643e-02 - - 2.3966940119862556e-02 -2.2747719287872314e-01 - <_> - - 0 -1 1970 -4.1857630014419556e-02 - - -2.5670358538627625e-01 4.3388199061155319e-02 - <_> - - 0 -1 1971 4.3434980325400829e-03 - - -3.6065939813852310e-02 1.3354070484638214e-01 - <_> - - 0 -1 1972 8.7262392044067383e-03 - - -2.8033399954438210e-02 2.9659709334373474e-01 - <_> - - 0 -1 1973 7.2506397962570190e-02 - - 3.3931098878383636e-02 -2.6456800103187561e-01 - <_> - - 0 -1 1974 6.9837369956076145e-03 - - 2.3075399920344353e-02 -3.6719548702239990e-01 - <_> - - 0 -1 1975 9.3958720564842224e-02 - - 5.1443470874801278e-04 -6.9157868623733521e-01 - <_> - - 0 -1 1976 -5.4611168801784515e-02 - - 3.5633870959281921e-01 -2.5591190904378891e-02 - <_> - - 0 -1 1977 8.3599044010043144e-03 - - -1.1838919669389725e-01 5.4096020758152008e-02 - <_> - - 0 -1 1978 -8.5311960428953171e-03 - - 2.5801640748977661e-01 -4.3296508491039276e-02 - <_> - - 0 -1 1979 5.3095761686563492e-02 - - 1.3446169905364513e-02 -2.0017629861831665e-01 - <_> - - 0 -1 1980 7.1099922060966492e-03 - - -1.7173579335212708e-01 6.6415287554264069e-02 - <_> - - 0 -1 1981 -1.2145659886300564e-02 - - -3.4982419013977051e-01 1.5253229998052120e-02 - <_> - - 0 -1 1982 4.9184050410985947e-02 - - -1.4627310633659363e-01 7.6635338366031647e-02 - <_> - - 0 -1 1983 6.4207926392555237e-02 - - -4.2698029428720474e-02 8.9895337820053101e-02 - <_> - - 0 -1 1984 5.0567109137773514e-02 - - -3.4271400421857834e-02 3.2117810845375061e-01 - <_> - - 0 -1 1985 3.8187500834465027e-01 - - 5.9737069532275200e-03 -4.1509181261062622e-01 - <_> - - 0 -1 1986 2.4141989648342133e-01 - - 4.2892090976238251e-02 -2.5744560360908508e-01 - <_> - - 0 -1 1987 8.7335016578435898e-03 - - 2.1523810923099518e-02 -2.5816148519515991e-01 - <_> - - 0 -1 1988 5.5905920453369617e-03 - - 3.6882549524307251e-02 -2.6805239915847778e-01 - <_> - - 0 -1 1989 1.4510929584503174e-02 - - -1.0920179635286331e-01 9.9173150956630707e-02 - <_> - - 0 -1 1990 -2.7428429573774338e-02 - - -2.5048801302909851e-01 4.5212849974632263e-02 - <_> - - 0 -1 1991 -1.2336769700050354e-01 - - 2.2557680308818817e-01 -4.2895268648862839e-02 - <_> - - 0 -1 1992 -6.1607718467712402e-02 - - -2.7772828936576843e-01 3.2521318644285202e-02 - <_> - - 0 -1 1993 -7.6216891407966614e-02 - - 3.6572670936584473e-01 -2.5518480688333511e-02 - <_> - - 0 -1 1994 4.3231542222201824e-03 - - -5.9951819479465485e-02 1.2853649258613586e-01 - <_> - - 0 -1 1995 -7.2015187470242381e-05 - - 6.6845960915088654e-02 -6.5362177789211273e-02 - <_> - - 0 -1 1996 3.8772630505263805e-03 - - -7.4681833386421204e-02 1.4904339611530304e-01 - <_> - - 0 -1 1997 -3.0842460691928864e-02 - - 4.6776279807090759e-02 -7.9269908368587494e-02 - <_> - - 0 -1 1998 2.9754610732197762e-03 - - -6.3138246536254883e-02 1.2994049489498138e-01 - <_> - - 0 -1 1999 -4.3571940623223782e-03 - - 1.7601740360260010e-01 -2.0950280129909515e-02 - <_> - - 0 -1 2000 2.5649809686001390e-05 - - -9.3459837138652802e-02 1.0563880205154419e-01 - <_> - - 0 -1 2001 -1.9046630710363388e-02 - - 3.7896901369094849e-02 -2.0427240431308746e-01 - <_> - - 0 -1 2002 -5.9084378182888031e-02 - - -2.6028269529342651e-01 3.1877409666776657e-02 - <_> - - 0 -1 2003 -3.9950340986251831e-02 - - -3.5063821077346802e-01 9.2909233644604683e-03 - <_> - - 0 -1 2004 5.0834741443395615e-02 - - 2.1912310272455215e-02 -3.8032969832420349e-01 - <_> - - 0 -1 2005 -1.3603189960122108e-02 - - 2.0380680263042450e-01 -2.1299460902810097e-02 - <_> - - 0 -1 2006 -6.7439332604408264e-02 - - -4.7569081187248230e-01 1.6315059736371040e-02 - <_> - - 0 -1 2007 1.7744049429893494e-02 - - -2.6215350255370140e-02 1.7312249541282654e-01 - <_> - - 0 -1 2008 4.0822949260473251e-02 - - 2.6971889659762383e-02 -2.5315660238265991e-01 - <_> - - 0 -1 2009 -3.5472789313644171e-03 - - -1.9389900565147400e-01 1.5181340277194977e-02 - <_> - - 0 -1 2010 1.3450950384140015e-02 - - -5.6016638875007629e-02 1.3361880183219910e-01 - <_> - - 0 -1 2011 7.0215687155723572e-02 - - 1.2199330143630505e-02 -2.9756540060043335e-01 - <_> - - 0 -1 2012 1.5829039737582207e-02 - - -8.7111897766590118e-02 8.8955126702785492e-02 - <_> - - 0 -1 2013 -2.0391130819916725e-02 - - 1.7829939723014832e-01 -3.7198159843683243e-02 - <_> - - 0 -1 2014 3.6189330276101828e-03 - - -7.6297633349895477e-02 9.6968129277229309e-02 - <_> - - 0 -1 2015 1.0060019558295608e-03 - - -4.9890179187059402e-02 6.5894342958927155e-02 - <_> - - 0 -1 2016 2.9275720007717609e-03 - - 2.9817380011081696e-02 -2.4240310490131378e-01 - <_> - - 0 -1 2017 -1.2258989736437798e-02 - - 1.9031849503517151e-01 -7.5331269763410091e-03 - <_> - - 0 -1 2018 2.3739310563541949e-05 - - -8.8776819407939911e-02 8.0645427107810974e-02 - <_> - - 0 -1 2019 -1.2860990129411221e-02 - - 6.9567993283271790e-02 -2.9768820852041245e-02 - <_> - - 0 -1 2020 -4.9192551523447037e-02 - - 1.5113650262355804e-01 -5.4699920117855072e-02 - <_> - - 0 -1 2021 -1.9440440461039543e-02 - - -1.7859379947185516e-01 1.7632320523262024e-02 - <_> - - 0 -1 2022 2.5363420136272907e-03 - - 3.0099060386419296e-02 -2.1704940497875214e-01 - <_> - - 0 -1 2023 -2.0927110686898232e-02 - - 1.5293440222740173e-01 -2.6591630652546883e-02 - <_> - - 0 -1 2024 2.1768060978502035e-03 - - -8.0131806433200836e-02 8.7036617100238800e-02 - <_> - - 0 -1 2025 3.2644919119775295e-03 - - -5.0661858171224594e-02 5.0410520285367966e-02 - <_> - - 0 -1 2026 5.3135089576244354e-02 - - 3.1357381492853165e-02 -2.4327489733695984e-01 - <_> - - 0 -1 2027 6.5658721141517162e-03 - - -3.1448438763618469e-02 1.3142390549182892e-01 - <_> - - 0 -1 2028 -1.6994590405374765e-03 - - 7.8728817403316498e-02 -9.3054726719856262e-02 - <_> - - 0 -1 2029 -2.3196509107947350e-02 - - 2.0170910656452179e-01 -1.5233940444886684e-02 - <_> - - 0 -1 2030 7.1990801952779293e-03 - - -4.3634898960590363e-02 2.1300609409809113e-01 - <_> - - 0 -1 2031 6.9829211570322514e-03 - - 3.1767521053552628e-02 -2.1285930275917053e-01 - <_> - - 0 -1 2032 -4.4900798238813877e-03 - - -1.7512929439544678e-01 4.4021461158990860e-02 - <_> - - 0 -1 2033 -1.2099999934434891e-01 - - -3.6906799674034119e-01 4.4225710444152355e-03 - <_> - - 0 -1 2034 -3.8008268922567368e-02 - - 5.2773797512054443e-01 -1.4740760438144207e-02 - <_> - - 0 -1 2035 -1.1132000014185905e-02 - - 6.3405543565750122e-02 -1.1063119769096375e-01 - <_> - - 0 -1 2036 1.2125620245933533e-01 - - 1.1243700236082077e-01 -6.7125849425792694e-02 - <_> - - 0 -1 2037 -5.8873560279607773e-02 - - 1.9491989910602570e-01 -7.9787842696532607e-04 - <_> - - 0 -1 2038 -1.2328930199146271e-02 - - -1.8806469440460205e-01 3.9350580424070358e-02 - <_> - - 0 -1 2039 -4.4250390492379665e-03 - - 1.1267340183258057e-01 -6.8100236356258392e-02 - <_> - - 0 -1 2040 -5.0966828130185604e-03 - - -1.7945580184459686e-01 4.7573208808898926e-02 - <_> - - 0 -1 2041 -4.0345240384340286e-02 - - -5.7044768333435059e-01 5.5092480033636093e-03 - <_> - - 0 -1 2042 1.1254940181970596e-01 - - -2.6945270597934723e-02 2.5808990001678467e-01 - <_> - - 0 -1 2043 6.9978296756744385e-02 - - -1.1665009660646319e-03 8.6768251657485962e-01 - <_> - - 0 -1 2044 1.6544900834560394e-02 - - 2.4307189509272575e-02 -2.5596928596496582e-01 - <_> - - 0 -1 2045 8.2277417182922363e-02 - - -2.6873949915170670e-02 2.4098409712314606e-01 - <_> - - 0 -1 2046 -4.6195117756724358e-03 - - -1.6582019627094269e-01 4.0042418986558914e-02 - <_> - - 0 -1 2047 -2.4694160092622042e-03 - - 9.2771060764789581e-02 -2.7375319972634315e-02 - <_> - - 0 -1 2048 1.0857389861484990e-04 - - -1.3484829664230347e-01 4.3606601655483246e-02 - <_> - - 0 -1 2049 -1.6490770503878593e-02 - - -1.6668060421943665e-01 1.7749810591340065e-02 - <_> - - 0 -1 2050 -4.7164629213511944e-03 - - 1.7804649472236633e-01 -3.6563079804182053e-02 - <_> - - 0 -1 2051 9.0624459087848663e-02 - - 1.7400879412889481e-02 -4.8980259895324707e-01 - <_> - - 0 -1 2052 2.7714879252016544e-03 - - -6.5938666462898254e-02 9.6407622098922729e-02 - <_> - - 0 -1 2053 4.3489869683980942e-02 - - 1.3916529715061188e-02 -2.7095559239387512e-01 - <_> - - 0 -1 2054 6.3884491100907326e-03 - - -5.8143090456724167e-02 1.0462710261344910e-01 - <_> - - 0 -1 2055 -1.4263800345361233e-02 - - 1.4017640054225922e-01 -2.6916030794382095e-02 - <_> - - 0 -1 2056 -5.6627448648214340e-03 - - -1.8962329626083374e-01 3.1633749604225159e-02 - <_> - - 0 -1 2057 7.5204060412943363e-03 - - -4.3590031564235687e-02 1.0007920116186142e-01 - <_> - - 0 -1 2058 -1.1097979731857777e-02 - - 3.0840259790420532e-01 -2.1208239719271660e-02 - <_> - - 0 -1 2059 -6.1832141131162643e-02 - - 1.8315550684928894e-01 -7.7433600090444088e-03 - <_> - - 0 -1 2060 3.4768159966915846e-03 - - 5.0638139247894287e-02 -1.3400410115718842e-01 - <_> - - 0 -1 2061 9.7783863544464111e-02 - - 2.0544449798762798e-03 -6.8779617547988892e-01 - <_> - - 0 -1 2062 -9.1820947825908661e-02 - - -2.5586891174316406e-01 2.5108650326728821e-02 - <_> - - 0 -1 2063 -1.4008830301463604e-02 - - -3.6381798982620239e-01 1.5536899678409100e-02 - <_> - - 0 -1 2064 -4.7098949551582336e-02 - - 4.1200450062751770e-01 -1.4785699546337128e-02 - <_> - - 0 -1 2065 -2.4077659472823143e-02 - - -2.6497179269790649e-01 4.3284958228468895e-03 - <_> - - 0 -1 2066 -3.0720019713044167e-03 - - 1.1348199844360352e-01 -5.2723880857229233e-02 - <_> - - 0 -1 2067 -2.3235319182276726e-02 - - -1.6182410717010498e-01 1.3907140120863914e-02 - <_> - - 0 -1 2068 2.1753229200839996e-02 - - 3.2046329230070114e-02 -1.8150269985198975e-01 - <_> - - 0 -1 2069 -2.8419379144906998e-02 - - 7.3599129915237427e-02 -1.2185299769043922e-02 - <_> - - 0 -1 2070 -9.9035337567329407e-02 - - -8.0039161443710327e-01 7.5543550774455070e-03 - <_> - - 0 -1 2071 3.6745260003954172e-03 - - -4.2538471519947052e-02 1.3135530054569244e-01 - <_> - - 0 -1 2072 -2.4902099370956421e-01 - - 5.7097381353378296e-01 -1.0065279901027679e-02 - <_> - - 0 -1 2073 -2.5670630857348442e-03 - - 1.0045439749956131e-01 -4.3844770640134811e-02 - <_> - - 0 -1 2074 6.2725669704377651e-03 - - 2.8288219124078751e-02 -1.9911240041255951e-01 - <_> - - 0 -1 2075 1.2186019681394100e-02 - - -8.9298561215400696e-03 1.7236189544200897e-01 - <_> - - 0 -1 2076 -8.4080873057246208e-03 - - 2.2059670090675354e-01 -2.5424160063266754e-02 - <_> - - 0 -1 2077 7.6226810924708843e-03 - - 2.2617619484663010e-02 -3.5040241479873657e-01 - <_> - - 0 -1 2078 -3.5278380382806063e-03 - - -2.1290290355682373e-01 3.3766809850931168e-02 - <_> - - 0 -1 2079 -4.8759128898382187e-02 - - 2.6399469375610352e-01 -2.2728230804204941e-02 - <_> - - 0 -1 2080 4.2163010686635971e-02 - - 1.6483969986438751e-02 -3.7255099415779114e-01 - <_> - - 0 -1 2081 4.1251659393310547e-02 - - -5.6340959854424000e-03 1.0747420042753220e-01 - <_> - - 0 -1 2082 -3.3506590873003006e-02 - - 3.2449829578399658e-01 -1.9830549135804176e-02 - <_> - - 0 -1 2083 -4.0785958990454674e-03 - - 7.1264110505580902e-02 -8.6405247449874878e-02 - <_> - - 0 -1 2084 -3.9688128978013992e-02 - - -3.5533818602561951e-01 1.6811089590191841e-02 - <_> - - 0 -1 2085 2.6250740885734558e-01 - - 3.3027199096977711e-03 -3.0452561378479004e-01 - <_> - - 0 -1 2086 -1.0336879640817642e-01 - - -4.4277548789978027e-01 1.5268780291080475e-02 - <_> - - 0 -1 2087 2.5352418888360262e-03 - - 2.2626899182796478e-02 -1.9356669485569000e-01 - <_> - - 0 -1 2088 1.3277910184115171e-03 - - -8.4263376891613007e-02 6.5771676599979401e-02 - <_> - - 0 -1 2089 -6.9261603057384491e-02 - - 1.9142749905586243e-01 -1.4814269728958607e-02 - <_> - - 0 -1 2090 -3.1945269554853439e-02 - - -3.0996501445770264e-01 1.8099319189786911e-02 - <_> - - 0 -1 2091 7.1500530466437340e-03 - - -7.5515069067478180e-02 7.1342557668685913e-02 - <_> - - 0 -1 2092 2.4518880527466536e-03 - - -5.2676178514957428e-02 1.1914870142936707e-01 - <_> - - 0 -1 2093 2.5479370728135109e-02 - - -2.1526889875531197e-02 1.1254230141639709e-01 - <_> - - 0 -1 2094 8.3662307588383555e-05 - - -1.2372410297393799e-01 4.4758491218090057e-02 - <_> - - 0 -1 2095 5.2631269209086895e-03 - - 1.6644699499011040e-02 -2.7927619218826294e-01 - <_> - - 0 -1 2096 5.9906251408392563e-05 - - -5.9021618217229843e-02 9.0707242488861084e-02 - <_> - - 0 -1 2097 4.0492799878120422e-01 - - 9.8951030522584915e-03 -5.3900748491287231e-01 - <_> - - 0 -1 2098 4.5421868562698364e-03 - - -8.3042033016681671e-02 5.7933621108531952e-02 - <_> - - 0 -1 2099 -2.8602469712495804e-02 - - 9.8798967897891998e-02 -4.1183408349752426e-02 - <_> - - 0 -1 2100 6.0981088317930698e-03 - - -4.9600891768932343e-02 1.0823159664869308e-01 - <_> - - 0 -1 2101 2.4081019219011068e-03 - - 3.1793300062417984e-02 -8.9700646698474884e-02 - <_> - - 0 -1 2102 -1.0493289679288864e-01 - - -1.8384000658988953e-01 2.9272029176354408e-02 - <_> - - 0 -1 2103 -7.2810851270332932e-04 - - 3.4607950598001480e-02 -1.8057569861412048e-01 - <_> - - 0 -1 2104 2.3983051069080830e-03 - - -3.6649569869041443e-02 1.4693680405616760e-01 - <_> - - 0 -1 2105 4.4842050410807133e-03 - - 2.5456009432673454e-02 -1.7060090601444244e-01 - <_> - - 0 -1 2106 5.5928908288478851e-02 - - 6.9079152308404446e-03 -7.4263191223144531e-01 - <_> - - 0 -1 2107 -1.1314620263874531e-02 - - -6.5691602230072021e-01 3.0682450160384178e-03 - <_> - - 0 -1 2108 5.2855871617794037e-03 - - 1.2209150008857250e-02 -4.1138368844985962e-01 - <_> - - 0 -1 2109 -3.5499120131134987e-03 - - 1.5674009919166565e-01 -1.3673329725861549e-02 - <_> - - 0 -1 2110 -1.6200989484786987e-02 - - -4.5118838548660278e-01 1.0513720102608204e-02 - <_> - - 0 -1 2111 -6.3212178647518158e-03 - - 2.4671469628810883e-01 -2.2179229184985161e-02 - <_> - - 0 -1 2112 6.7806281149387360e-02 - - 1.4192859642207623e-02 -4.5575699210166931e-01 - <_> - - 0 -1 2113 4.4995149970054626e-01 - - -2.0509930327534676e-02 2.3841699957847595e-01 - <_> - - 0 -1 2114 -1.6068010032176971e-01 - - -7.9124170541763306e-01 5.4184817709028721e-03 - <_> - - 0 -1 2115 -9.4610815867781639e-03 - - -2.4211630225181580e-01 9.1182524338364601e-03 - <_> - - 0 -1 2116 1.4758739620447159e-02 - - -4.1610460728406906e-02 1.3534289598464966e-01 - <_> - - 0 -1 2117 6.5756370313465595e-03 - - 9.3746017664670944e-03 -8.3214268088340759e-02 - <_> - - 0 -1 2118 5.7711522094905376e-03 - - 2.6692569255828857e-02 -1.9803330302238464e-01 - <_> - - 0 -1 2119 -5.0913479179143906e-02 - - 3.2146498560905457e-01 -1.6986150294542313e-02 - <_> - - 0 -1 2120 6.3694868003949523e-05 - - -8.4535129368305206e-02 6.8501226603984833e-02 - <_> - - 0 -1 2121 -2.1522149909287691e-03 - - 5.4858829826116562e-02 -4.8125740140676498e-02 - <_> - - 0 -1 2122 -4.0621249936521053e-03 - - 3.1572619080543518e-01 -1.7434440553188324e-02 - <_> - - 0 -1 2123 -3.5119060426950455e-02 - - -4.5856899023056030e-01 1.4954689890146255e-02 - <_> - - 0 -1 2124 -1.2798880226910114e-02 - - -1.5211139619350433e-01 3.4501589834690094e-02 - <_> - - 0 -1 2125 -5.3432481363415718e-03 - - -2.0269839465618134e-01 1.3967310078442097e-02 - <_> - - 0 -1 2126 -3.0109770596027374e-03 - - 2.3964940011501312e-01 -2.1433170884847641e-02 - <_> - - 0 -1 2127 7.9564087092876434e-02 - - 1.6967510804533958e-02 -3.1260809302330017e-01 - <_> - - 0 -1 2128 -1.6894670203328133e-02 - - 1.4590300619602203e-01 -3.4819670021533966e-02 - <_> - - 0 -1 2129 6.5786761045455933e-01 - - -1.3023089617490768e-02 4.1044768691062927e-01 - <_> - - 0 -1 2130 -1.1272220313549042e-01 - - -3.7772709131240845e-01 1.5922689810395241e-02 - <_> - - 0 -1 2131 1.7792880535125732e-02 - - 1.1819509789347649e-02 -2.4668039381504059e-01 - <_> - - 0 -1 2132 3.3843109849840403e-03 - - 4.2096659541130066e-02 -1.3628929853439331e-01 - <_> - - 0 -1 2133 1.2930380180478096e-02 - - 1.5634240582585335e-02 -3.1559720635414124e-01 - <_> - - 0 -1 2134 1.9866120070219040e-02 - - -1.9867179915308952e-02 2.7292838692665100e-01 - <_> - - 0 -1 2135 -2.0256979390978813e-02 - - -7.5079268217086792e-01 3.6987708881497383e-03 - <_> - - 0 -1 2136 -6.8132500164210796e-03 - - -1.8717190623283386e-01 2.9125010594725609e-02 - <_> - - 0 -1 2137 -1.3450549915432930e-02 - - 2.4198499321937561e-01 -1.1136880144476891e-02 - <_> - - 0 -1 2138 -5.3866169764660299e-05 - - 7.5190216302871704e-02 -7.5837813317775726e-02 - <_> - - 0 -1 2139 5.0485909014241770e-05 - - -4.7988038510084152e-02 5.0790980458259583e-02 - <_> - - 0 -1 2140 -6.4496016420889646e-05 - - 8.6316317319869995e-02 -6.7659139633178711e-02 - <_> - - 0 -1 2141 -4.8561800213064998e-05 - - 9.5296271145343781e-02 -7.2032049298286438e-02 - <_> - - 0 -1 2142 5.0147060392191634e-05 - - -7.0621952414512634e-02 9.1684870421886444e-02 - <_> - - 0 -1 2143 7.7007611980661750e-04 - - -3.1202390789985657e-02 5.4991550743579865e-02 - <_> - - 0 -1 2144 9.6719879657030106e-03 - - -4.3330889195203781e-02 1.1517649888992310e-01 - <_> - - 0 -1 2145 7.5680748559534550e-03 - - -2.3294750601053238e-02 2.0603770017623901e-01 - <_> - - 0 -1 2146 5.0460308557376266e-04 - - 5.1032479852437973e-02 -1.1277139931917191e-01 - <_> - - 0 -1 2147 -3.7291790358722210e-03 - - 7.9139657318592072e-02 -2.0108159631490707e-02 - <_> - - 0 -1 2148 1.5590510331094265e-02 - - 1.7876299098134041e-02 -3.2968211174011230e-01 - <_> - - 0 -1 2149 -5.4314311593770981e-02 - - -5.6021261215209961e-01 1.0424769716337323e-03 - <_> - - 0 -1 2150 7.8423749655485153e-03 - - -3.4334991127252579e-02 1.7766019701957703e-01 - <_> - - 0 -1 2151 6.9496310316026211e-03 - - 1.1910869739949703e-02 -2.8336969017982483e-01 - <_> - - 0 -1 2152 -4.2853900231420994e-03 - - -2.3308420181274414e-01 2.2341530770063400e-02 - <_> - - 0 -1 2153 4.8665860958863050e-05 - - -4.3898120522499084e-02 4.3758340179920197e-02 - <_> - - 0 -1 2154 -5.6118220527423546e-05 - - 8.0828711390495300e-02 -6.9480091333389282e-02 - <_> - - 0 -1 2155 -4.8432860523462296e-02 - - -7.9129552841186523e-01 6.5139750950038433e-03 - <_> - - 0 -1 2156 1.5224199742078781e-02 - - -4.0089219808578491e-02 1.3455769419670105e-01 - <_> - - 0 -1 2157 -1.2872340157628059e-02 - - 5.6049060076475143e-02 -2.4543890729546547e-02 - <_> - - 0 -1 2158 2.8247250244021416e-02 - - -3.9471641182899475e-02 1.5137889981269836e-01 - <_> - - 0 -1 2159 7.4682589620351791e-03 - - 1.3042449951171875e-02 -2.0481270551681519e-01 - <_> - - 0 -1 2160 -4.6974901109933853e-02 - - 8.0171698331832886e-01 -7.1750162169337273e-03 - <_> - - 0 -1 2161 1.3225469738245010e-02 - - -1.3960069976747036e-02 1.7298750579357147e-01 - <_> - - 0 -1 2162 2.1193178836256266e-03 - - 4.6903520822525024e-02 -1.5726210176944733e-01 - <_> - - 0 -1 2163 2.1487170457839966e-01 - - 3.7922300398349762e-03 -3.8143840432167053e-01 - <_> - - 0 -1 2164 1.5091340243816376e-01 - - -1.3922699727118015e-02 4.0974789857864380e-01 - <_> - - 0 -1 2165 -2.3029349744319916e-01 - - -5.8206570148468018e-01 1.1216839775443077e-03 - <_> - - 0 -1 2166 1.4030410349369049e-01 - - 1.6904490068554878e-02 -3.6825358867645264e-01 - <_> - - 0 -1 2167 7.0036112447269261e-05 - - -5.5154349654912949e-02 7.2621561586856842e-02 - <_> - - 0 -1 2168 4.9608469009399414e-01 - - 7.3583098128437996e-03 -7.0183300971984863e-01 - <_> - - 0 -1 2169 -2.3255969863384962e-03 - - -1.4822499454021454e-01 3.2614789903163910e-02 - <_> - - 0 -1 2170 -1.3885440304875374e-02 - - 1.6097649931907654e-01 -3.3147368580102921e-02 - <_> - - 0 -1 2171 -7.6077110134065151e-03 - - -5.0956517457962036e-01 5.0284918397665024e-03 - <_> - - 0 -1 2172 2.9671129304915667e-03 - - 3.1977619975805283e-02 -1.9695889949798584e-01 - <_> - - 0 -1 2173 5.5358321405947208e-03 - - -5.6520581245422363e-02 1.0753619670867920e-01 - <_> - - 0 -1 2174 -7.1021996438503265e-02 - - 7.9194337129592896e-02 -8.1384330987930298e-02 - <_> - - 0 -1 2175 4.5800071209669113e-02 - - -3.0750399455428123e-02 1.5652079880237579e-01 - <_> - - 0 -1 2176 6.7807468585669994e-03 - - 1.8944440409541130e-02 -3.0112281441688538e-01 - <_> - - 0 -1 2177 -1.9455070141702890e-03 - - 1.2722960114479065e-01 -2.5484839454293251e-02 - <_> - - 0 -1 2178 1.8618459999561310e-01 - - 9.0244021266698837e-03 -5.4486262798309326e-01 - <_> - - 0 -1 2179 -5.9605968999676406e-05 - - 6.2663361430168152e-02 -5.3432390093803406e-02 - <_> - - 0 -1 2180 -2.3714829236268997e-02 - - -6.0180211067199707e-01 7.9368790611624718e-03 - <_> - - 0 -1 2181 -3.1358301639556885e-02 - - -1.7721989750862122e-01 9.2706838622689247e-03 - <_> - - 0 -1 2182 -3.4968998283147812e-02 - - 3.7945351004600525e-01 -1.6990920528769493e-02 - <_> - - 0 -1 2183 -6.2416650354862213e-02 - - -4.1591739654541016e-01 4.8467209562659264e-03 - <_> - - 0 -1 2184 4.2283751070499420e-02 - - 9.8220221698284149e-03 -4.7655558586120605e-01 - <_> - - 0 -1 2185 5.1127527840435505e-03 - - -3.6782070994377136e-02 1.6474020481109619e-01 - <_> - - 0 -1 2186 -1.1211450211703777e-02 - - 1.8803590536117554e-01 -2.7652859687805176e-02 - <_> - - 0 -1 2187 5.2367132157087326e-03 - - 2.8679000213742256e-02 -1.7751020193099976e-01 - <_> - - 0 -1 2188 -5.3686140745412558e-05 - - 7.5371779501438141e-02 -6.6665068268775940e-02 - <_> - - 0 -1 2189 1.2840200215578079e-02 - - 2.1807890385389328e-02 -1.2720319628715515e-01 - <_> - - 0 -1 2190 4.2792808264493942e-02 - - 7.5381440110504627e-03 -7.1861362457275391e-01 - <_> - - 0 -1 2191 -5.2706589922308922e-03 - - 9.8822019994258881e-02 -4.4858880341053009e-02 - <_> - - 0 -1 2192 -8.2180468598380685e-04 - - -1.0595670342445374e-01 4.4027641415596008e-02 - <_> - - 0 -1 2193 -1.9295280799269676e-02 - - -4.1217219829559326e-01 2.9048579744994640e-03 - <_> - - 0 -1 2194 -2.0072490442544222e-03 - - 1.1491479724645615e-01 -4.5590780675411224e-02 - <_> - - 0 -1 2195 -5.5046308785676956e-02 - - 1.8940329551696777e-01 -1.1900239624083042e-02 - <_> - - 0 -1 2196 -1.1249479651451111e-01 - - 2.4269099533557892e-01 -2.2053480148315430e-02 - <_> - - 0 -1 2197 9.5265945419669151e-03 - - -3.8553819060325623e-02 3.0138580128550529e-02 - <_> - - 0 -1 2198 8.8573405519127846e-03 - - -6.4660146832466125e-02 8.5030071437358856e-02 - <_> - - 0 -1 2199 -5.3099901415407658e-03 - - -7.7924527227878571e-02 5.1822390407323837e-02 - <_> - - 0 -1 2200 1.5247969329357147e-01 - - 1.7019810155034065e-02 -2.8019899129867554e-01 - <_> - - 0 -1 2201 -5.1454458385705948e-02 - - -2.2231650352478027e-01 8.8541666045784950e-03 - <_> - - 0 -1 2202 2.5466380640864372e-02 - - -5.4948728531599045e-02 8.9072257280349731e-02 - <_> - - 0 -1 2203 2.5437718629837036e-01 - - 2.0636660046875477e-03 -8.7088710069656372e-01 - <_> - - 0 -1 2204 -2.2862739861011505e-01 - - 2.0034660398960114e-01 -2.5318780913949013e-02 - <_> - - 0 -1 2205 -1.1813339777290821e-02 - - 1.3387170433998108e-01 -3.6503531038761139e-02 - <_> - - 0 -1 2206 -2.0118320360779762e-02 - - -2.0123849809169769e-01 2.8073679655790329e-02 - <_> - - 0 -1 2207 2.1774079650640488e-02 - - -6.5130768343806267e-03 2.8022170066833496e-01 - <_> - - 0 -1 2208 4.8404871486127377e-03 - - -2.9814250767230988e-02 1.5977649390697479e-01 - <_> - - 0 -1 2209 -1.1922290286747739e-04 - - 3.4044638276100159e-02 -1.6057680547237396e-01 - <_> - - 0 -1 2210 -7.2792158462107182e-03 - - -4.8334380984306335e-01 9.9527724087238312e-03 - <_> - - 0 -1 2211 2.5904899302986450e-05 - - -3.8143690675497055e-02 4.7028180211782455e-02 - <_> - - 0 -1 2212 -9.0986102819442749e-02 - - 2.6971128582954407e-01 -1.7947979271411896e-02 - <_> - - 0 -1 2213 -2.0878769457340240e-01 - - 2.3006640374660492e-01 -2.1609179675579071e-02 - <_> - - 0 -1 2214 -7.0507721975445747e-03 - - -2.5048211216926575e-01 2.0052019506692886e-02 - <_> - - 0 -1 2215 8.9825186878442764e-03 - - -1.8023729324340820e-02 2.9516848921775818e-01 - <_> - - 0 -1 2216 5.9706211090087891e-02 - - -1.2844909913837910e-02 3.5593861341476440e-01 - <_> - - 0 -1 2217 -1.0364769957959652e-02 - - -2.0093110203742981e-01 2.7827220037579536e-02 - <_> - - 0 -1 2218 -1.9454259425401688e-02 - - -5.3035300970077515e-01 9.0706236660480499e-03 - <_> - - 0 -1 2219 -2.1027070470154285e-03 - - 8.8599607348442078e-02 -3.6157719790935516e-02 - <_> - - 0 -1 2220 7.5333649292588234e-03 - - -2.4457870051264763e-02 1.9365130364894867e-01 - <_> - - 0 -1 2221 5.1182601600885391e-03 - - 1.7408149316906929e-02 -2.2554570436477661e-01 - <_> - - 0 -1 2222 2.1947720088064671e-03 - - 2.9690459370613098e-02 -1.9585029780864716e-01 - <_> - - 0 -1 2223 4.1202981024980545e-02 - - -1.3297099620103836e-02 1.0000280290842056e-01 - <_> - - 0 -1 2224 1.6161680221557617e-02 - - 4.0170218795537949e-02 -1.3210490345954895e-01 - <_> - - 0 -1 2225 1.2740600109100342e-01 - - 9.2737795785069466e-03 -2.3941579461097717e-01 - <_> - - 0 -1 2226 -2.6743640191853046e-03 - - 2.3251029849052429e-01 -2.3273019120097160e-02 - <_> - - 0 -1 2227 -1.1705280095338821e-01 - - -2.1834470331668854e-01 1.3516159728169441e-02 - <_> - - 0 -1 2228 6.6700777970254421e-03 - - -4.3667081743478775e-02 1.0799729824066162e-01 - <_> - - 0 -1 2229 4.0056079626083374e-02 - - -6.8564810790121555e-03 2.9377210140228271e-01 - <_> - - 0 -1 2230 -4.5556342229247093e-03 - - 1.1046539992094040e-01 -4.6572249382734299e-02 - <_> - - 0 -1 2231 3.1573511660099030e-02 - - 9.8816202953457832e-03 -4.1573968529701233e-01 - <_> - - 0 -1 2232 -2.4809420108795166e-02 - - -3.3196479082107544e-01 1.4033090323209763e-02 - <_> - - 0 -1 2233 -2.8404951444827020e-04 - - -9.7788289189338684e-02 2.3671500384807587e-02 - <_> - - 0 -1 2234 4.0798787958920002e-03 - - 6.7953333258628845e-02 -9.0779386460781097e-02 - <_> - - 0 -1 2235 -2.2680750116705894e-02 - - -8.0813902616500854e-01 3.1646140851080418e-03 - <_> - - 0 -1 2236 -1.6572299646213651e-03 - - 1.4296419918537140e-01 -3.2175339758396149e-02 - <_> - - 0 -1 2237 -2.0962789654731750e-02 - - -7.5405949354171753e-01 3.1872680410742760e-03 - <_> - - 0 -1 2238 -1.0227429447695613e-03 - - 8.3290070295333862e-02 -5.5208690464496613e-02 - <_> - - 0 -1 2239 -3.0178760644048452e-03 - - -4.1023060679435730e-02 1.9629580900073051e-02 - <_> - - 0 -1 2240 1.9140060245990753e-01 - - 1.7543679103255272e-02 -2.5566551089286804e-01 - <_> - - 0 -1 2241 -1.8952760845422745e-02 - - 3.2863160967826843e-01 -4.8918230459094048e-03 - <_> - - 0 -1 2242 -4.5249331742525101e-03 - - -1.5619170665740967e-01 2.9538759961724281e-02 - <_> - - 0 -1 2243 -4.9335299991071224e-03 - - -1.5361049771308899e-01 1.2712599709630013e-02 - <_> - - 0 -1 2244 1.8985930830240250e-02 - - -3.9585389196872711e-02 1.2031179666519165e-01 - <_> - - 0 -1 2245 -1.5369809698313475e-03 - - 5.1183801144361496e-02 -1.9807800650596619e-02 - <_> - - 0 -1 2246 3.1302288174629211e-02 - - 7.9048639163374901e-03 -5.4225182533264160e-01 - <_> - - 0 -1 2247 -7.9099438153207302e-04 - - 7.3334179818630219e-02 -2.4761039763689041e-02 - <_> - - 0 -1 2248 4.5027391024632379e-05 - - -6.7761823534965515e-02 6.7263968288898468e-02 - <_> - - 0 -1 2249 5.1923059800174087e-05 - - -3.4273158758878708e-02 3.8594700396060944e-02 - <_> - - 0 -1 2250 -5.7095869124168530e-05 - - 8.3823829889297485e-02 -6.6085226833820343e-02 - <_> - - 0 -1 2251 -1.2159290164709091e-01 - - -7.0010262727737427e-01 1.8631670391187072e-03 - <_> - - 0 -1 2252 1.7494540661573410e-02 - - 2.5959860533475876e-02 -1.8100750446319580e-01 - <_> - - 0 -1 2253 -6.3360072672367096e-02 - - 1.3021109998226166e-01 -8.8773788884282112e-03 - <_> - - 0 -1 2254 -3.9351868629455566e-01 - - -6.3525807857513428e-01 8.2348221912980080e-03 - <_> - - 0 -1 2255 -1.4749130234122276e-02 - - 5.7367369532585144e-02 -7.7454112470149994e-02 - <_> - - 0 -1 2256 7.4586831033229828e-03 - - -7.3831513524055481e-02 7.2971351444721222e-02 - <_> - - 0 -1 2257 6.0465059505077079e-05 - - -6.8741306662559509e-02 8.3382681012153625e-02 - <_> - - 0 -1 2258 6.3182349549606442e-05 - - -6.4837761223316193e-02 7.9487666487693787e-02 - <_> - - 0 -1 2259 -1.7990749329328537e-02 - - -3.4188538789749146e-01 8.2358242943882942e-03 - <_> - - 0 -1 2260 -1.7810800345614552e-03 - - 8.3142079412937164e-02 -6.6293247044086456e-02 - <_> - 356 - -1.1554880142211914e+00 - - <_> - - 0 -1 2261 5.2821958065032959e-01 - - -1.1207380145788193e-01 4.6492001414299011e-01 - <_> - - 0 -1 2262 -8.3934608846902847e-03 - - 1.2420009821653366e-01 -9.8423361778259277e-02 - <_> - - 0 -1 2263 -1.2533710338175297e-02 - - 1.2940670549869537e-01 -2.1826070547103882e-01 - <_> - - 0 -1 2264 -2.6514590717852116e-03 - - 1.0746669769287109e-01 -6.5223596990108490e-02 - <_> - - 0 -1 2265 -1.2469879584386945e-03 - - 9.4827726483345032e-02 -1.9725410640239716e-01 - <_> - - 0 -1 2266 -1.0506220161914825e-02 - - -1.7862290143966675e-01 7.0718586444854736e-02 - <_> - - 0 -1 2267 -1.4628679491579533e-03 - - 7.7305212616920471e-02 -1.5881679952144623e-01 - <_> - - 0 -1 2268 1.1747170239686966e-02 - - 4.1279338300228119e-02 -1.6574889421463013e-01 - <_> - - 0 -1 2269 2.1636099554598331e-03 - - -8.1736542284488678e-02 1.8447269499301910e-01 - <_> - - 0 -1 2270 -1.5604849904775620e-02 - - 1.8409819900989532e-01 9.1587323695421219e-03 - <_> - - 0 -1 2271 -6.7909010685980320e-03 - - 1.9271300733089447e-01 -6.1005659401416779e-02 - <_> - - 0 -1 2272 -4.6382728032767773e-03 - - 7.2124399244785309e-02 -1.5475249290466309e-01 - <_> - - 0 -1 2273 -1.0595080256462097e-01 - - 1.6988320648670197e-01 -7.7400818467140198e-02 - <_> - - 0 -1 2274 2.2278100252151489e-02 - - 3.0081849545240402e-02 -3.1891208887100220e-01 - <_> - - 0 -1 2275 3.8351129740476608e-02 - - -2.9357129707932472e-02 3.7845009565353394e-01 - <_> - - 0 -1 2276 1.2740549631416798e-02 - - 1.2108690105378628e-02 -2.8980401158332825e-01 - <_> - - 0 -1 2277 -1.1967839673161507e-02 - - -2.7529829740524292e-01 3.3420279622077942e-02 - <_> - - 0 -1 2278 6.2382412143051624e-03 - - 2.3227069526910782e-02 -2.8768861293792725e-01 - <_> - - 0 -1 2279 1.2571290135383606e-03 - - -1.2283419817686081e-01 7.7545933425426483e-02 - <_> - - 0 -1 2280 9.7746416926383972e-02 - - 1.2077139690518379e-02 -3.2092699408531189e-01 - <_> - - 0 -1 2281 -5.9180860407650471e-03 - - -2.2756209969520569e-01 4.4753268361091614e-02 - <_> - - 0 -1 2282 6.4139030873775482e-03 - - 4.0146928280591965e-02 -5.0460521131753922e-02 - <_> - - 0 -1 2283 9.2285759747028351e-03 - - 2.3475490510463715e-02 -3.7728920578956604e-01 - <_> - - 0 -1 2284 -2.6009760331362486e-03 - - 5.8036070317029953e-02 -3.9748001843690872e-02 - <_> - - 0 -1 2285 4.5100939460098743e-03 - - -1.5007099509239197e-01 6.4765617251396179e-02 - <_> - - 0 -1 2286 -3.0929979681968689e-01 - - -3.6162209510803223e-01 5.2778669632971287e-03 - <_> - - 0 -1 2287 1.6643610596656799e-01 - - 5.8025740087032318e-02 -1.6670639812946320e-01 - <_> - - 0 -1 2288 -2.9249170795083046e-02 - - -1.0418120026588440e-01 4.7381941229104996e-02 - <_> - - 0 -1 2289 5.7897690683603287e-02 - - -8.2713462412357330e-02 1.2301749736070633e-01 - <_> - - 0 -1 2290 4.3999850749969482e-02 - - 3.1090460252016783e-03 -3.8884210586547852e-01 - <_> - - 0 -1 2291 -1.3344550132751465e-01 - - -2.7564039826393127e-01 3.0734259635210037e-02 - <_> - - 0 -1 2292 8.4765329957008362e-03 - - 2.6562379673123360e-02 -2.8648358583450317e-01 - <_> - - 0 -1 2293 6.2942858785390854e-03 - - 1.9861690700054169e-02 -3.6465620994567871e-01 - <_> - - 0 -1 2294 1.1854199692606926e-02 - - -4.8169068992137909e-02 1.5777969360351562e-01 - <_> - - 0 -1 2295 -1.0978949815034866e-01 - - -2.1610009670257568e-01 3.5239979624748230e-02 - <_> - - 0 -1 2296 1.2859810376539826e-03 - - -7.6805353164672852e-02 9.9000319838523865e-02 - <_> - - 0 -1 2297 1.0880099982023239e-01 - - -9.8220370709896088e-02 1.1628390103578568e-01 - <_> - - 0 -1 2298 1.4206060208380222e-02 - - 4.8896879889070988e-03 -3.8383349776268005e-01 - <_> - - 0 -1 2299 1.3263390399515629e-02 - - 2.2176699712872505e-02 -3.8806360960006714e-01 - <_> - - 0 -1 2300 7.9566845670342445e-03 - - -7.1314819157123566e-02 7.4114650487899780e-02 - <_> - - 0 -1 2301 7.6957657933235168e-02 - - -3.6166220903396606e-02 2.5757679343223572e-01 - <_> - - 0 -1 2302 1.0020350106060505e-02 - - -7.8531332314014435e-02 6.3383802771568298e-02 - <_> - - 0 -1 2303 9.2017520219087601e-03 - - 2.9391989111900330e-02 -2.5732880830764771e-01 - <_> - - 0 -1 2304 3.0723180621862411e-02 - - -1.8738139420747757e-02 2.2832340002059937e-01 - <_> - - 0 -1 2305 1.1019960045814514e-02 - - -5.3296729922294617e-02 1.7494520545005798e-01 - <_> - - 0 -1 2306 -2.7454070746898651e-02 - - 1.7024679481983185e-01 -8.2028387114405632e-03 - <_> - - 0 -1 2307 -1.3689819723367691e-02 - - 2.0019780099391937e-01 -4.1991960257291794e-02 - <_> - - 0 -1 2308 -8.1678535789251328e-03 - - -2.6262301206588745e-01 1.0354639962315559e-02 - <_> - - 0 -1 2309 1.0099980048835278e-02 - - -4.4948261231184006e-02 1.8523730337619781e-01 - <_> - - 0 -1 2310 2.0024929940700531e-01 - - -3.6824479699134827e-02 2.4072830379009247e-01 - <_> - - 0 -1 2311 3.7789789494127035e-03 - - -1.3910900056362152e-01 7.6126843690872192e-02 - <_> - - 0 -1 2312 -1.1101000010967255e-02 - - 2.3991499841213226e-01 -3.6410998553037643e-02 - <_> - - 0 -1 2313 6.2072020024061203e-02 - - 2.7602510526776314e-02 -2.9762440919876099e-01 - <_> - - 0 -1 2314 -4.9415021203458309e-04 - - 4.3032951653003693e-02 -1.6109019517898560e-01 - <_> - - 0 -1 2315 -3.5258450079709291e-03 - - -1.7413130402565002e-01 5.7513698935508728e-02 - <_> - - 0 -1 2316 5.6127668358385563e-03 - - -2.4234469980001450e-02 9.8788991570472717e-02 - <_> - - 0 -1 2317 3.7660789676010609e-03 - - -3.6623299121856689e-02 2.0090830326080322e-01 - <_> - - 0 -1 2318 1.5459409914910793e-02 - - 7.6649021357297897e-03 -2.0163559913635254e-01 - <_> - - 0 -1 2319 -1.0357989929616451e-02 - - -4.2395240068435669e-01 1.7005009576678276e-02 - <_> - - 0 -1 2320 -1.3180119916796684e-02 - - -2.8122058510780334e-01 2.5302259251475334e-02 - <_> - - 0 -1 2321 3.6393520236015320e-01 - - 1.0694099590182304e-02 -6.5183037519454956e-01 - <_> - - 0 -1 2322 4.5797090977430344e-02 - - -1.0829409584403038e-03 -6.0917937755584717e-01 - <_> - - 0 -1 2323 -1.6817899420857430e-02 - - 2.4067279696464539e-01 -2.8841640800237656e-02 - <_> - - 0 -1 2324 -6.9932773709297180e-02 - - -2.4569059908390045e-01 1.4374910097103566e-04 - <_> - - 0 -1 2325 3.7072949111461639e-02 - - 1.2047279626131058e-02 -6.1824947595596313e-01 - <_> - - 0 -1 2326 -2.2509139962494373e-03 - - -1.3868570327758789e-01 2.3441780358552933e-02 - <_> - - 0 -1 2327 -4.1130598634481430e-02 - - -4.9580198526382446e-01 1.2616300024092197e-02 - <_> - - 0 -1 2328 2.3879110813140869e-05 - - -7.0274658501148224e-02 6.5245926380157471e-02 - <_> - - 0 -1 2329 -3.2828738912940025e-03 - - -2.1801410615444183e-01 2.8452510014176369e-02 - <_> - - 0 -1 2330 -5.8957811444997787e-02 - - -1.1310169845819473e-01 3.5647820681333542e-02 - <_> - - 0 -1 2331 3.2863670639926568e-05 - - -6.9775812327861786e-02 9.4940163195133209e-02 - <_> - - 0 -1 2332 -7.3036700487136841e-02 - - 1.0691460222005844e-01 -8.9681193232536316e-02 - <_> - - 0 -1 2333 -1.0581959784030914e-01 - - 1.8230620026588440e-01 -3.8819670677185059e-02 - <_> - - 0 -1 2334 4.6694820048287511e-04 - - -1.0075339674949646e-01 6.5119899809360504e-02 - <_> - - 0 -1 2335 -2.5920490734279156e-03 - - -2.5448209047317505e-01 2.3101860657334328e-02 - <_> - - 0 -1 2336 1.0439500212669373e-02 - - 4.0941308252513409e-03 -5.8273357152938843e-01 - <_> - - 0 -1 2337 -2.3739310563541949e-05 - - 6.0636729001998901e-02 -1.0014739632606506e-01 - <_> - - 0 -1 2338 -2.2808990906924009e-03 - - 1.8519909679889679e-01 -2.5434119626879692e-02 - <_> - - 0 -1 2339 -2.0937379449605942e-03 - - -1.9199110567569733e-01 3.3368378877639771e-02 - <_> - - 0 -1 2340 -2.1821799874305725e-01 - - 3.0659881234169006e-01 -2.1840380504727364e-02 - <_> - - 0 -1 2341 1.1518020182847977e-02 - - -1.0706210136413574e-01 5.8232858777046204e-02 - <_> - - 0 -1 2342 -3.1504388898611069e-02 - - 1.1767739802598953e-01 -4.5906491577625275e-02 - <_> - - 0 -1 2343 -2.9461419209837914e-02 - - -2.2960099577903748e-01 2.8894580900669098e-02 - <_> - - 0 -1 2344 -7.9243192449212074e-03 - - 1.4196249842643738e-01 -1.2565449811518192e-02 - <_> - - 0 -1 2345 4.1360300965607166e-03 - - -2.8592340648174286e-02 2.0373730361461639e-01 - <_> - - 0 -1 2346 1.0430599562823772e-02 - - -4.2332988232374191e-02 5.2509099245071411e-02 - <_> - - 0 -1 2347 -2.4384139478206635e-01 - - 3.3615669608116150e-01 -1.8990069627761841e-02 - <_> - - 0 -1 2348 7.5686741620302200e-03 - - 6.4027151092886925e-03 -3.0588310956954956e-01 - <_> - - 0 -1 2349 1.2688450515270233e-03 - - -9.0141750872135162e-02 7.2941012680530548e-02 - <_> - - 0 -1 2350 3.0815709382295609e-02 - - 2.9594700317829847e-03 -2.4351659417152405e-01 - <_> - - 0 -1 2351 2.1978209260851145e-03 - - -6.3376732170581818e-02 1.0065200179815292e-01 - <_> - - 0 -1 2352 6.1282119713723660e-03 - - -3.8386259227991104e-02 6.6562168300151825e-02 - <_> - - 0 -1 2353 2.8037100564688444e-03 - - 3.5719309002161026e-02 -1.5420930087566376e-01 - <_> - - 0 -1 2354 -3.9568650536239147e-03 - - 7.0916712284088135e-02 -3.9958059787750244e-02 - <_> - - 0 -1 2355 1.3929230161011219e-02 - - -2.3392310366034508e-02 2.8147700428962708e-01 - <_> - - 0 -1 2356 -1.0155060328543186e-02 - - -1.4042359590530396e-01 1.8515620380640030e-02 - <_> - - 0 -1 2357 1.4601370319724083e-02 - - 1.2359219603240490e-02 -5.4975450038909912e-01 - <_> - - 0 -1 2358 5.3091858717380092e-05 - - -4.3967559933662415e-02 3.4709561616182327e-02 - <_> - - 0 -1 2359 -2.1016378886997700e-03 - - 2.2752889990806580e-01 -2.8702080249786377e-02 - <_> - - 0 -1 2360 6.4648198895156384e-03 - - 1.8192790448665619e-02 -2.2275130450725555e-01 - <_> - - 0 -1 2361 -2.6089660823345184e-03 - - -1.4833129942417145e-01 4.2162369936704636e-02 - <_> - - 0 -1 2362 -4.9172870814800262e-02 - - 1.8216049671173096e-01 -3.4944381564855576e-02 - <_> - - 0 -1 2363 -1.7964000580832362e-03 - - 4.8824101686477661e-02 -1.8214319646358490e-01 - <_> - - 0 -1 2364 7.3850047774612904e-03 - - -4.1866000741720200e-02 1.8619979918003082e-01 - <_> - - 0 -1 2365 2.0502610132098198e-02 - - -5.8134358376264572e-02 1.3789500296115875e-01 - <_> - - 0 -1 2366 1.1636819690465927e-01 - - -5.5159669369459152e-02 6.7019522190093994e-02 - <_> - - 0 -1 2367 -5.8732312172651291e-03 - - 2.3400300741195679e-01 -2.7389379218220711e-02 - <_> - - 0 -1 2368 2.8881600499153137e-01 - - 1.9362909719347954e-02 -1.6190120577812195e-01 - <_> - - 0 -1 2369 -1.1966419965028763e-01 - - 2.4559150636196136e-01 -2.5993959978222847e-02 - <_> - - 0 -1 2370 3.8372459821403027e-03 - - -1.3896790146827698e-01 5.6779049336910248e-02 - <_> - - 0 -1 2371 -1.1065569706261158e-03 - - -1.6209499537944794e-01 3.6041721701622009e-02 - <_> - - 0 -1 2372 8.6359567940235138e-02 - - -1.0209360159933567e-02 2.5007158517837524e-01 - <_> - - 0 -1 2373 -3.5953361541032791e-02 - - -7.5698071718215942e-01 8.1533808261156082e-03 - <_> - - 0 -1 2374 8.2757696509361267e-02 - - -1.1972229927778244e-02 1.3151499629020691e-01 - <_> - - 0 -1 2375 1.4555160701274872e-01 - - 2.5669520720839500e-02 -2.3377719521522522e-01 - <_> - - 0 -1 2376 6.6698692739009857e-02 - - 1.8229909241199493e-02 -1.2386269867420197e-01 - <_> - - 0 -1 2377 9.8781272768974304e-02 - - -1.9738260656595230e-02 3.2106879353523254e-01 - <_> - - 0 -1 2378 -2.8243279457092285e-01 - - -5.4694139957427979e-01 2.3887760471552610e-03 - <_> - - 0 -1 2379 2.1013429760932922e-01 - - 1.8199119716882706e-02 -3.6248031258583069e-01 - <_> - - 0 -1 2380 -6.5322709269821644e-04 - - 5.5216301232576370e-02 -3.0892439186573029e-02 - <_> - - 0 -1 2381 -3.4593738615512848e-02 - - 3.3557349443435669e-01 -1.5504119917750359e-02 - <_> - - 0 -1 2382 -5.2095651626586914e-03 - - -2.5957450270652771e-01 1.2371880002319813e-02 - <_> - - 0 -1 2383 6.7268118262290955e-02 - - -6.2751926481723785e-02 9.1558992862701416e-02 - <_> - - 0 -1 2384 4.0582818910479546e-03 - - 4.1073631495237350e-02 -1.5675480663776398e-01 - <_> - - 0 -1 2385 -4.4469390064477921e-02 - - -1.9344259798526764e-01 3.1193459406495094e-02 - <_> - - 0 -1 2386 -2.8536471072584391e-03 - - -7.4204660952091217e-02 8.2652583718299866e-02 - <_> - - 0 -1 2387 1.2151960283517838e-01 - - -1.7220549285411835e-02 3.7725690007209778e-01 - <_> - - 0 -1 2388 5.2743978798389435e-02 - - 7.3638479225337505e-03 -3.9580649137496948e-01 - <_> - - 0 -1 2389 1.3366829603910446e-02 - - 3.0281009152531624e-02 -1.7159000039100647e-01 - <_> - - 0 -1 2390 7.8486632555723190e-03 - - -2.2395020350813866e-02 1.5052449703216553e-01 - <_> - - 0 -1 2391 -3.8255099207162857e-03 - - 1.3788110017776489e-01 -3.9005029946565628e-02 - <_> - - 0 -1 2392 -1.4737069606781006e-01 - - 9.8498381674289703e-02 -1.7566099762916565e-02 - <_> - - 0 -1 2393 7.1411043405532837e-02 - - 2.3220099508762360e-02 -2.6759588718414307e-01 - <_> - - 0 -1 2394 1.6689129173755646e-02 - - -2.1761840209364891e-02 1.4617420732975006e-01 - <_> - - 0 -1 2395 -3.2251640222966671e-03 - - 1.1931479722261429e-01 -5.4029799997806549e-02 - <_> - - 0 -1 2396 7.9702045768499374e-03 - - -5.4389618337154388e-02 7.2950288653373718e-02 - <_> - - 0 -1 2397 1.1626689694821835e-02 - - 3.2414920628070831e-02 -1.7057350277900696e-01 - <_> - - 0 -1 2398 -3.3233501017093658e-02 - - -1.5321509540081024e-01 2.7658430859446526e-02 - <_> - - 0 -1 2399 1.6202520579099655e-02 - - -7.9839676618576050e-02 8.0415137112140656e-02 - <_> - - 0 -1 2400 -1.6993099823594093e-02 - - 1.0708849877119064e-01 -2.7095580473542213e-02 - <_> - - 0 -1 2401 5.2699539810419083e-03 - - -7.7671408653259277e-02 9.0478442609310150e-02 - <_> - - 0 -1 2402 -1.1230699717998505e-02 - - -3.6888670921325684e-01 1.4764210209250450e-02 - <_> - - 0 -1 2403 2.1683340892195702e-02 - - 2.1191939711570740e-02 -2.4312150478363037e-01 - <_> - - 0 -1 2404 -2.7136749122291803e-03 - - 1.2931990623474121e-01 -1.8054159358143806e-02 - <_> - - 0 -1 2405 3.8232649676501751e-03 - - -6.7757181823253632e-02 7.9043537378311157e-02 - <_> - - 0 -1 2406 1.2926490046083927e-02 - - 2.2853519767522812e-02 -2.5793269276618958e-01 - <_> - - 0 -1 2407 -2.6950810570269823e-03 - - 2.1666090190410614e-01 -2.7097690850496292e-02 - <_> - - 0 -1 2408 2.1591490507125854e-01 - - 4.6611670404672623e-03 -8.6887371540069580e-01 - <_> - - 0 -1 2409 1.6816329956054688e-01 - - 1.4129919931292534e-02 -3.5010749101638794e-01 - <_> - - 0 -1 2410 -4.9199439585208893e-02 - - -7.7299457788467407e-01 6.0964501462876797e-03 - <_> - - 0 -1 2411 2.6104740798473358e-02 - - 6.1850231140851974e-03 -6.6869372129440308e-01 - <_> - - 0 -1 2412 1.4541350305080414e-02 - - 5.0752838142216206e-03 -7.4292498826980591e-01 - <_> - - 0 -1 2413 1.1107119498774409e-03 - - -3.4112259745597839e-02 1.5071749687194824e-01 - <_> - - 0 -1 2414 -1.0770659893751144e-02 - - -9.3431137502193451e-02 1.0186879895627499e-02 - <_> - - 0 -1 2415 9.4277620315551758e-02 - - -6.0080580413341522e-02 8.3786897361278534e-02 - <_> - - 0 -1 2416 1.2355080246925354e-01 - - -4.1992601007223129e-02 9.3132473528385162e-02 - <_> - - 0 -1 2417 8.3645677566528320e-01 - - 1.1344860307872295e-02 -5.4795432090759277e-01 - <_> - - 0 -1 2418 3.5250179469585419e-02 - - -1.0818820446729660e-02 9.0401187539100647e-02 - <_> - - 0 -1 2419 -5.1221748435636982e-05 - - 7.9516053199768066e-02 -6.6719420254230499e-02 - <_> - - 0 -1 2420 6.7162756749894470e-05 - - -4.4288840144872665e-02 5.3668409585952759e-02 - <_> - - 0 -1 2421 4.6395221725106239e-03 - - -8.4727346897125244e-02 6.2100611627101898e-02 - <_> - - 0 -1 2422 -1.3368109939619899e-03 - - -8.0351352691650391e-02 2.7986800298094749e-02 - <_> - - 0 -1 2423 -3.3781651407480240e-02 - - 3.2461521029472351e-01 -1.6312640160322189e-02 - <_> - - 0 -1 2424 -1.7830280121415854e-03 - - -1.6490410268306732e-01 2.1757079288363457e-02 - <_> - - 0 -1 2425 2.0984211005270481e-03 - - 2.9534770175814629e-02 -1.7951250076293945e-01 - <_> - - 0 -1 2426 -5.3364270570455119e-05 - - 4.4331740587949753e-02 -3.6765310913324356e-02 - <_> - - 0 -1 2427 1.2269259989261627e-01 - - 1.2407179921865463e-02 -4.0553379058837891e-01 - <_> - - 0 -1 2428 9.4987526535987854e-02 - - -3.5644270246848464e-04 -9.9994051456451416e-01 - <_> - - 0 -1 2429 -6.3772678375244141e-02 - - 7.4163448810577393e-01 -6.8990588188171387e-03 - <_> - - 0 -1 2430 5.5591128766536713e-02 - - -3.5102190449833870e-03 2.1648910641670227e-01 - <_> - - 0 -1 2431 -1.5703400596976280e-02 - - -2.3365770280361176e-01 2.3516980931162834e-02 - <_> - - 0 -1 2432 -1.1627990007400513e-01 - - -1. 5.0003651995211840e-04 - <_> - - 0 -1 2433 6.3939712941646576e-02 - - 8.5324635729193687e-03 -5.6500917673110962e-01 - <_> - - 0 -1 2434 1.8591650296002626e-03 - - -2.1516749635338783e-02 4.3187011033296585e-02 - <_> - - 0 -1 2435 2.3360128980129957e-03 - - 4.5124590396881104e-02 -1.0887669771909714e-01 - <_> - - 0 -1 2436 -5.8738891035318375e-02 - - -5.6496912240982056e-01 5.2059069275856018e-03 - <_> - - 0 -1 2437 3.7132750730961561e-03 - - -1.3463160023093224e-02 3.7635311484336853e-01 - <_> - - 0 -1 2438 2.0255730487406254e-03 - - 3.1444959342479706e-02 -1.2322609871625900e-01 - <_> - - 0 -1 2439 -6.3382161897607148e-05 - - 7.7033013105392456e-02 -6.6739097237586975e-02 - <_> - - 0 -1 2440 1.2969060242176056e-01 - - 3.6417250521481037e-03 -4.1131299734115601e-01 - <_> - - 0 -1 2441 -1.1913739889860153e-01 - - -6.0263478755950928e-01 7.9903472214937210e-03 - <_> - - 0 -1 2442 -1.2801880016922951e-02 - - -5.9771001338958740e-01 1.0519300121814013e-03 - <_> - - 0 -1 2443 -1.9107370078563690e-01 - - -8.1298089027404785e-01 5.7100728154182434e-03 - <_> - - 0 -1 2444 2.2893320769071579e-02 - - 1.9452519714832306e-02 -1.6321709752082825e-01 - <_> - - 0 -1 2445 1.7033159732818604e-01 - - -1.9810710102319717e-02 2.4343749880790710e-01 - <_> - - 0 -1 2446 3.8168561458587646e-01 - - 7.4787861667573452e-03 -8.3872407674789429e-01 - <_> - - 0 -1 2447 -6.2416237778961658e-03 - - -1.4228279888629913e-01 3.3278539776802063e-02 - <_> - - 0 -1 2448 8.4588013589382172e-02 - - 1.6765499487519264e-02 -9.2857971787452698e-02 - <_> - - 0 -1 2449 2.2514959797263145e-02 - - 8.7925590574741364e-02 -7.1550369262695312e-02 - <_> - - 0 -1 2450 -1.9668120145797729e-01 - - 8.3321869373321533e-02 -2.0352829247713089e-02 - <_> - - 0 -1 2451 -2.1616910398006439e-01 - - 2.9649278521537781e-01 -1.6111530363559723e-02 - <_> - - 0 -1 2452 -8.8920090347528458e-03 - - 1.3778349757194519e-01 -3.5843171179294586e-02 - <_> - - 0 -1 2453 -1.2084799818694592e-02 - - -4.3843948841094971e-01 1.2365490198135376e-02 - <_> - - 0 -1 2454 2.5806298851966858e-01 - - -5.2921390160918236e-03 3.7774148583412170e-01 - <_> - - 0 -1 2455 1.4883230440318584e-02 - - 9.0738674625754356e-03 -5.5208402872085571e-01 - <_> - - 0 -1 2456 6.6914242506027222e-01 - - -1.4938499778509140e-02 1.7851120233535767e-01 - <_> - - 0 -1 2457 -4.9930079840123653e-03 - - -2.3148590326309204e-01 2.3481570184230804e-02 - <_> - - 0 -1 2458 2.0315469801425934e-01 - - 2.1833679638803005e-03 -4.9344301223754883e-01 - <_> - - 0 -1 2459 -5.6780078448355198e-03 - - 1.9343170523643494e-01 -2.7786340564489365e-02 - <_> - - 0 -1 2460 5.9304530732333660e-03 - - -2.0089559257030487e-02 1.0909699648618698e-01 - <_> - - 0 -1 2461 -2.3739310563541949e-05 - - 6.9419682025909424e-02 -8.3425432443618774e-02 - <_> - - 0 -1 2462 -6.2176208011806011e-03 - - 7.8689947724342346e-02 -1.3951480388641357e-02 - <_> - - 0 -1 2463 5.5320560932159424e-03 - - -6.6315047442913055e-02 7.9847618937492371e-02 - <_> - - 0 -1 2464 -3.6959160119295120e-02 - - -2.9380309581756592e-01 1.5764990821480751e-02 - <_> - - 0 -1 2465 1.6365250572562218e-02 - - -3.2235268503427505e-02 1.4612549543380737e-01 - <_> - - 0 -1 2466 -7.8597873449325562e-02 - - -1.9322140514850616e-01 9.7729396075010300e-03 - <_> - - 0 -1 2467 -3.7147980183362961e-02 - - -8.0554589629173279e-02 6.5781079232692719e-02 - <_> - - 0 -1 2468 1.1728459969162941e-02 - - 2.7243109419941902e-02 -1.4649729430675507e-01 - <_> - - 0 -1 2469 -1.0335040278732777e-02 - - 6.2767356634140015e-02 -8.1577852368354797e-02 - <_> - - 0 -1 2470 -2.2553969174623489e-02 - - -5.3455010056495667e-02 2.6032449677586555e-02 - <_> - - 0 -1 2471 -2.0984159782528877e-02 - - -7.0430137217044830e-02 7.9067058861255646e-02 - <_> - - 0 -1 2472 -7.0778899826109409e-03 - - 6.8095311522483826e-02 -2.1682029590010643e-02 - <_> - - 0 -1 2473 -1.9395829876884818e-03 - - 6.1789739876985550e-02 -1.0044089704751968e-01 - <_> - - 0 -1 2474 1.5511269448325038e-03 - - -2.3770300671458244e-02 1.0483939945697784e-01 - <_> - - 0 -1 2475 -8.7477812485303730e-05 - - 7.3554880917072296e-02 -6.8933039903640747e-02 - <_> - - 0 -1 2476 -4.8028680612333119e-04 - - 4.4728521257638931e-02 -4.3513979762792587e-02 - <_> - - 0 -1 2477 -1.7207010090351105e-01 - - -5.9279191493988037e-01 8.8808601722121239e-03 - <_> - - 0 -1 2478 1.5847340226173401e-01 - - 3.0388650484383106e-03 -2.7436259388923645e-01 - <_> - - 0 -1 2479 -1.4971689879894257e-01 - - -7.6002198457717896e-01 6.4801289699971676e-03 - <_> - - 0 -1 2480 -2.0640289876610041e-03 - - 1.5531200170516968e-01 -3.0484480783343315e-02 - <_> - - 0 -1 2481 -7.7108487486839294e-02 - - 4.3029859662055969e-01 -1.1647719889879227e-02 - <_> - - 0 -1 2482 -3.4328561276197433e-02 - - -2.3154769837856293e-01 1.6160769388079643e-02 - <_> - - 0 -1 2483 4.3574009090662003e-02 - - -2.8146019205451012e-02 1.6973729431629181e-01 - <_> - - 0 -1 2484 7.4282230343669653e-05 - - -6.5261639654636383e-02 3.5262048244476318e-02 - <_> - - 0 -1 2485 2.1579340100288391e-03 - - 4.3165851384401321e-02 -1.1010999977588654e-01 - <_> - - 0 -1 2486 2.0436691120266914e-03 - - 2.9586719349026680e-02 -6.1997979879379272e-02 - <_> - - 0 -1 2487 1.8425910174846649e-01 - - 5.3550167940557003e-03 -9.2895787954330444e-01 - <_> - - 0 -1 2488 1.9119750708341599e-02 - - 5.3580361418426037e-03 -6.5347892045974731e-01 - <_> - - 0 -1 2489 6.4144372940063477e-02 - - -1.0330500081181526e-02 4.6719509363174438e-01 - <_> - - 0 -1 2490 -4.3394681997597218e-03 - - -1.5378740429878235e-01 1.1142870411276817e-02 - <_> - - 0 -1 2491 -2.2321179509162903e-01 - - -9.4697248935699463e-01 4.8918798565864563e-03 - <_> - - 0 -1 2492 -5.6038159527815878e-05 - - 7.0976890623569489e-02 -6.2353119254112244e-02 - <_> - - 0 -1 2493 1.3452749699354172e-03 - - -2.8609760105609894e-02 1.5549249947071075e-01 - <_> - - 0 -1 2494 1.3946880353614688e-03 - - -4.0270540863275528e-02 5.8612279593944550e-02 - <_> - - 0 -1 2495 1.5620330348610878e-02 - - 7.3195630684494972e-03 -6.3210958242416382e-01 - <_> - - 0 -1 2496 -5.5555468861712143e-05 - - 4.5023500919342041e-02 -2.8714200481772423e-02 - <_> - - 0 -1 2497 1.1142860166728497e-02 - - 1.5724860131740570e-02 -2.8536120057106018e-01 - <_> - - 0 -1 2498 1.3101319782435894e-02 - - -3.5583950579166412e-02 1.0512710362672806e-01 - <_> - - 0 -1 2499 8.7957009673118591e-03 - - 2.4417439475655556e-02 -1.8935090303421021e-01 - <_> - - 0 -1 2500 -4.9927979707717896e-02 - - 7.8737221658229828e-02 -2.7785409241914749e-02 - <_> - - 0 -1 2501 3.9871338754892349e-02 - - -2.9802389442920685e-02 1.9444610178470612e-01 - <_> - - 0 -1 2502 -1.5781600028276443e-02 - - -7.6653957366943359e-01 9.5044961199164391e-04 - <_> - - 0 -1 2503 -6.1174961738288403e-03 - - -2.6769641041755676e-01 1.7127420753240585e-02 - <_> - - 0 -1 2504 4.4994831085205078e-01 - - -1.9066739827394485e-02 2.3485369980335236e-01 - <_> - - 0 -1 2505 -4.3342880904674530e-02 - - -7.1883791685104370e-01 6.2806149944663048e-03 - <_> - - 0 -1 2506 -3.0128860846161842e-02 - - -6.5766400098800659e-01 4.9726511351764202e-03 - <_> - - 0 -1 2507 -2.2716969251632690e-02 - - -1.9271560013294220e-01 2.2421309724450111e-02 - <_> - - 0 -1 2508 -1.0098509956151247e-03 - - 7.8559018671512604e-02 -3.5671528428792953e-02 - <_> - - 0 -1 2509 -1.0692490031942725e-03 - - 1.2817870080471039e-01 -5.1395080983638763e-02 - <_> - - 0 -1 2510 -5.7365992106497288e-03 - - -4.5711138844490051e-01 4.0395711548626423e-03 - <_> - - 0 -1 2511 -5.0038979679811746e-05 - - 6.9684647023677826e-02 -7.4391268193721771e-02 - <_> - - 0 -1 2512 3.3675018697977066e-02 - - 3.2588799949735403e-03 -8.0500680208206177e-01 - <_> - - 0 -1 2513 1.5914790332317352e-02 - - 1.0776109993457794e-02 -4.0246000885963440e-01 - <_> - - 0 -1 2514 -4.2607940849848092e-04 - - -4.7198060899972916e-02 2.3349309340119362e-02 - <_> - - 0 -1 2515 2.2485710680484772e-01 - - -3.9887890219688416e-02 1.0685189813375473e-01 - <_> - - 0 -1 2516 -2.9953860212117434e-03 - - 9.1609388589859009e-02 -7.4848413467407227e-02 - <_> - - 0 -1 2517 -4.1523170657455921e-03 - - 1.1539760231971741e-01 -4.2511921375989914e-02 - <_> - - 0 -1 2518 4.9836929887533188e-02 - - -3.9297798648476601e-03 5.1817202568054199e-01 - <_> - - 0 -1 2519 -2.0023329183459282e-02 - - 1.9128979742527008e-01 -2.3151049390435219e-02 - <_> - - 0 -1 2520 -6.2091718427836895e-03 - - 1.0139790177345276e-01 -3.2446511089801788e-02 - <_> - - 0 -1 2521 -5.2683670073747635e-03 - - -1.8189090490341187e-01 3.0742220580577850e-02 - <_> - - 0 -1 2522 2.5454410351812840e-03 - - 1.5531339682638645e-02 -7.6035097241401672e-02 - <_> - - 0 -1 2523 -3.3172550611197948e-03 - - -1.3509359955787659e-01 3.5959109663963318e-02 - <_> - - 0 -1 2524 -2.6110820472240448e-02 - - 8.7283633649349213e-02 -2.1770549938082695e-02 - <_> - - 0 -1 2525 2.4312630295753479e-01 - - 3.6142878234386444e-02 -1.4625130593776703e-01 - <_> - - 0 -1 2526 1.9041310250759125e-01 - - 7.3239780031144619e-03 -2.7729520201683044e-01 - <_> - - 0 -1 2527 1.6359759494662285e-02 - - -1.0685429722070694e-01 4.9114670604467392e-02 - <_> - - 0 -1 2528 -6.8857766687870026e-02 - - -4.2388990521430969e-01 8.5399514064192772e-03 - <_> - - 0 -1 2529 2.0329190418124199e-02 - - -3.9603959769010544e-02 1.6347900032997131e-01 - <_> - - 0 -1 2530 1.2973019853234291e-02 - - -1.9561119377613068e-02 1.1104790121316910e-01 - <_> - - 0 -1 2531 6.2990398146212101e-03 - - -3.8755550980567932e-02 1.6495589911937714e-01 - <_> - - 0 -1 2532 4.6493619447574019e-04 - - -7.0398978888988495e-02 5.9166688472032547e-02 - <_> - - 0 -1 2533 -1.1437010020017624e-02 - - -2.5582531094551086e-01 2.2561600431799889e-02 - <_> - - 0 -1 2534 -6.0563441365957260e-02 - - -1.5025900304317474e-01 3.5881530493497849e-02 - <_> - - 0 -1 2535 -5.7170469313859940e-02 - - -5.5165249109268188e-01 8.8588111102581024e-03 - <_> - - 0 -1 2536 -3.7495139986276627e-03 - - -1.0633470118045807e-01 1.6566360369324684e-02 - <_> - - 0 -1 2537 3.6156480200588703e-03 - - -4.6951588243246078e-02 9.8432987928390503e-02 - <_> - - 0 -1 2538 3.9375461637973785e-03 - - 1.5857139602303505e-02 -1.2761549651622772e-01 - <_> - - 0 -1 2539 6.9156679091975093e-04 - - -9.6932567656040192e-02 4.6035420149564743e-02 - <_> - - 0 -1 2540 -1.7139660194516182e-02 - - 1.8325529992580414e-01 -2.9744260013103485e-02 - <_> - - 0 -1 2541 -2.1130971144884825e-03 - - -1.4694969356060028e-01 3.7141200155019760e-02 - <_> - - 0 -1 2542 -6.3239036535378546e-05 - - 5.6094359606504440e-02 -4.5251309871673584e-02 - <_> - - 0 -1 2543 5.2524639613693580e-05 - - -6.6079467535018921e-02 8.4846131503582001e-02 - <_> - - 0 -1 2544 2.2989229764789343e-03 - - -6.2885507941246033e-02 7.2458572685718536e-02 - <_> - - 0 -1 2545 8.5239242762327194e-03 - - 2.4598589166998863e-02 -2.0404249429702759e-01 - <_> - - 0 -1 2546 1.5247499570250511e-02 - - -4.6305138617753983e-02 9.2680208384990692e-02 - <_> - - 0 -1 2547 -4.1115559637546539e-02 - - -1.6479089856147766e-01 3.2052058726549149e-02 - <_> - - 0 -1 2548 -5.7012498378753662e-02 - - 1.7691320180892944e-01 -2.8910059481859207e-02 - <_> - - 0 -1 2549 -3.6141950637102127e-02 - - 3.3573868870735168e-01 -1.4668149873614311e-02 - <_> - - 0 -1 2550 -4.7342400997877121e-02 - - -3.6468461155891418e-01 9.7021097317337990e-03 - <_> - - 0 -1 2551 1.5224410162772983e-04 - - -8.5566259920597076e-02 5.6335821747779846e-02 - <_> - - 0 -1 2552 -1.0744449682533741e-03 - - 6.7602880299091339e-02 -4.4944599270820618e-02 - <_> - - 0 -1 2553 2.4688818957656622e-03 - - 3.9391770958900452e-02 -1.1436650156974792e-01 - <_> - - 0 -1 2554 -2.2395079955458641e-02 - - -4.1499689221382141e-01 3.3534979447722435e-03 - <_> - - 0 -1 2555 1.4145880006253719e-02 - - 7.8060040250420570e-03 -5.6246250867843628e-01 - <_> - - 0 -1 2556 -5.6172739277826622e-05 - - 4.2239628732204437e-02 -3.9982240647077560e-02 - <_> - - 0 -1 2557 -4.6720141544938087e-03 - - -3.0066668987274170e-01 1.5984399244189262e-02 - <_> - - 0 -1 2558 5.9289661294315010e-05 - - -4.1034109890460968e-02 5.2692588418722153e-02 - <_> - - 0 -1 2559 -1.9730681087821722e-03 - - 1.5118849277496338e-01 -3.2511081546545029e-02 - <_> - - 0 -1 2560 -2.3879110813140869e-05 - - 4.1403569281101227e-02 -4.2990118265151978e-02 - <_> - - 0 -1 2561 5.1802700909320265e-05 - - -5.8342479169368744e-02 9.3940071761608124e-02 - <_> - - 0 -1 2562 2.2840979509055614e-03 - - 1.8507080152630806e-02 -4.5831311494112015e-02 - <_> - - 0 -1 2563 -1.3125069439411163e-01 - - -1.7687280476093292e-01 2.6014940813183784e-02 - <_> - - 0 -1 2564 -1.1948959436267614e-03 - - 4.1936729103326797e-02 -5.5546648800373077e-02 - <_> - - 0 -1 2565 7.2234630584716797e-02 - - 1.0688959620893002e-02 -4.0127620100975037e-01 - <_> - - 0 -1 2566 -5.6396931409835815e-02 - - -8.8491988182067871e-01 3.6692508729174733e-04 - <_> - - 0 -1 2567 -5.4153650999069214e-02 - - -2.2496509552001953e-01 1.7923209816217422e-02 - <_> - - 0 -1 2568 -2.5167329236865044e-02 - - 1.3002359867095947e-01 -3.6686159670352936e-02 - <_> - - 0 -1 2569 1.3710210099816322e-02 - - -4.0513981133699417e-02 1.1201860010623932e-01 - <_> - - 0 -1 2570 -2.7890820056200027e-02 - - -7.3137658834457397e-01 3.7337029352784157e-03 - <_> - - 0 -1 2571 -7.5335809960961342e-03 - - -2.3119840025901794e-01 1.7614539712667465e-02 - <_> - - 0 -1 2572 3.2403611112385988e-03 - - -8.7237963452935219e-03 2.0382650196552277e-01 - <_> - - 0 -1 2573 8.4408961236476898e-02 - - 5.1954388618469238e-03 -8.2454532384872437e-01 - <_> - - 0 -1 2574 -8.2196877337992191e-04 - - -8.1715703010559082e-02 2.1830869838595390e-02 - <_> - - 0 -1 2575 2.9956221114844084e-03 - - -2.8032269328832626e-02 1.5127840638160706e-01 - <_> - - 0 -1 2576 -7.0376463234424591e-02 - - -1.3520090281963348e-01 3.9681098423898220e-03 - <_> - - 0 -1 2577 3.2191380858421326e-02 - - 1.3135899789631367e-02 -3.3470198512077332e-01 - <_> - - 0 -1 2578 5.4974909871816635e-03 - - -2.6549790054559708e-02 1.1709090322256088e-01 - <_> - - 0 -1 2579 1.6429390758275986e-02 - - -5.3361341357231140e-02 8.2119062542915344e-02 - <_> - - 0 -1 2580 -7.4506900273263454e-03 - - 8.0858200788497925e-02 -2.2392859682440758e-02 - <_> - - 0 -1 2581 4.9851150251924992e-03 - - -2.0572969689965248e-02 2.5987860560417175e-01 - <_> - - 0 -1 2582 2.9100670944899321e-03 - - -2.3105369880795479e-02 4.5229300856590271e-02 - <_> - - 0 -1 2583 -1.3522300124168396e-01 - - 1.1169719696044922e-01 -4.3613661080598831e-02 - <_> - - 0 -1 2584 -9.8680844530463219e-03 - - -1.8346819281578064e-01 3.8948319852352142e-03 - <_> - - 0 -1 2585 4.0301959961652756e-03 - - 2.3375049233436584e-02 -2.0566239953041077e-01 - <_> - - 0 -1 2586 3.9632450789213181e-02 - - 7.7001759782433510e-03 -1.6639390587806702e-01 - <_> - - 0 -1 2587 -1.2742499820888042e-02 - - 1.4852410554885864e-01 -3.0606770887970924e-02 - <_> - - 0 -1 2588 3.7017830181866884e-03 - - 2.0922090858221054e-02 -1.1472299695014954e-01 - <_> - - 0 -1 2589 2.2704519797116518e-03 - - 2.7025869116187096e-02 -1.6540579497814178e-01 - <_> - - 0 -1 2590 1.4953289926052094e-01 - - -2.0300289615988731e-03 5.9815090894699097e-01 - <_> - - 0 -1 2591 -5.1417769864201546e-03 - - 3.8440889120101929e-01 -1.1284800246357918e-02 - <_> - - 0 -1 2592 -6.3616367988288403e-03 - - -3.1090161204338074e-01 1.4351840130984783e-02 - <_> - - 0 -1 2593 -5.9813860803842545e-02 - - -7.0378690958023071e-01 5.7968678884208202e-03 - <_> - - 0 -1 2594 3.5357210040092468e-01 - - 1.1212659999728203e-02 -3.3229699730873108e-01 - <_> - - 0 -1 2595 6.8999081850051880e-01 - - -1.0586109943687916e-02 3.8376569747924805e-01 - <_> - - 0 -1 2596 4.8297038301825523e-03 - - 2.1038129925727844e-02 -5.7353559881448746e-02 - <_> - - 0 -1 2597 1.7828490585088730e-02 - - -1.0605059564113617e-02 3.9563548564910889e-01 - <_> - - 0 -1 2598 6.4284101128578186e-02 - - -6.3842877745628357e-02 2.6795409619808197e-02 - <_> - - 0 -1 2599 2.5491470098495483e-01 - - 1.9327409565448761e-02 -2.4302749335765839e-01 - <_> - - 0 -1 2600 5.1334970630705357e-03 - - 1.1508010327816010e-02 -2.3830899596214294e-01 - <_> - - 0 -1 2601 -3.9797872304916382e-03 - - -2.0426890254020691e-01 2.0390080288052559e-02 - <_> - - 0 -1 2602 2.7258729096502066e-03 - - -4.6508461236953735e-02 7.9410687088966370e-02 - <_> - - 0 -1 2603 -1.4983859844505787e-02 - - 3.9586919546127319e-01 -1.1343169957399368e-02 - <_> - - 0 -1 2604 2.9130540788173676e-03 - - 3.6371629685163498e-02 -9.0614721179008484e-02 - <_> - - 0 -1 2605 -9.0548500884324312e-04 - - 6.2091920524835587e-02 -6.8425096571445465e-02 - <_> - - 0 -1 2606 -1.1654829978942871e-01 - - 1.1569529771804810e-01 -1.3268720358610153e-02 - <_> - - 0 -1 2607 1.0781300254166126e-02 - - 1.7420019954442978e-02 -2.8036078810691833e-01 - <_> - - 0 -1 2608 -5.3447848558425903e-01 - - -4.7411590814590454e-01 8.6649907752871513e-03 - <_> - - 0 -1 2609 5.6615539506310597e-05 - - -5.8638270944356918e-02 7.5020261108875275e-02 - <_> - - 0 -1 2610 6.2536040786653757e-05 - - -4.9846608191728592e-02 5.9350069612264633e-02 - <_> - - 0 -1 2611 7.3054343461990356e-02 - - -1.4036689884960651e-02 3.5884460806846619e-01 - <_> - - 0 -1 2612 -1.6530159860849380e-02 - - -3.4632420539855957e-01 6.7927599884569645e-03 - <_> - - 0 -1 2613 -6.3628758653067052e-05 - - 7.1638368070125580e-02 -5.9216059744358063e-02 - <_> - - 0 -1 2614 -1.9453760236501694e-02 - - -5.1694720983505249e-01 6.2814089469611645e-03 - <_> - - 0 -1 2615 2.1202109754085541e-01 - - 7.6583931222558022e-03 -5.0985842943191528e-01 - <_> - - 0 -1 2616 1.9657649099826813e-02 - - -4.3143048882484436e-02 5.1890939474105835e-02 - <_> - 371 - -1.1236120462417603e+00 - - <_> - - 0 -1 2617 8.6894199252128601e-02 - - -1.8969950079917908e-01 2.2035740315914154e-01 - <_> - - 0 -1 2618 -9.6704717725515366e-03 - - 1.1851350218057632e-01 -8.6339563131332397e-02 - <_> - - 0 -1 2619 -8.1467948853969574e-02 - - 1.4990839362144470e-01 -1.2963719666004181e-01 - <_> - - 0 -1 2620 -1.7537999665364623e-03 - - 1.7750880122184753e-01 -1.0693369805812836e-01 - <_> - - 0 -1 2621 -7.4387797212693840e-05 - - 9.6010386943817139e-02 -1.6225080192089081e-01 - <_> - - 0 -1 2622 8.0011058598756790e-03 - - -1.8540080636739731e-02 2.4660170078277588e-01 - <_> - - 0 -1 2623 1.7090819776058197e-02 - - 3.2561480998992920e-02 -2.6181620359420776e-01 - <_> - - 0 -1 2624 9.9246148020029068e-03 - - -1.9358970224857330e-02 1.2542679905891418e-01 - <_> - - 0 -1 2625 1.2290390208363533e-02 - - 3.4330211579799652e-02 -3.2864710688591003e-01 - <_> - - 0 -1 2626 2.1256268955767155e-03 - - -7.1797981858253479e-02 6.9216072559356689e-02 - <_> - - 0 -1 2627 2.4960160255432129e-01 - - -1.1238349974155426e-01 1.4298430085182190e-01 - <_> - - 0 -1 2628 -4.9557890743017197e-03 - - 1.3797929883003235e-01 -5.8330990374088287e-02 - <_> - - 0 -1 2629 6.9741107523441315e-02 - - 2.9714699834585190e-02 -3.4425801038742065e-01 - <_> - - 0 -1 2630 8.1527782604098320e-03 - - -4.6951010823249817e-02 7.8247062861919403e-02 - <_> - - 0 -1 2631 1.0349320247769356e-02 - - -6.9432802498340607e-02 1.5855890512466431e-01 - <_> - - 0 -1 2632 6.3299350440502167e-03 - - -3.9910208433866501e-02 1.5249839425086975e-01 - <_> - - 0 -1 2633 3.0955720692873001e-02 - - 4.1943959891796112e-02 -2.3227399587631226e-01 - <_> - - 0 -1 2634 1.2504469603300095e-02 - - -1.8312249332666397e-02 9.9652856588363647e-02 - <_> - - 0 -1 2635 7.4256081134080887e-03 - - -6.2183279544115067e-02 1.6638119518756866e-01 - <_> - - 0 -1 2636 2.0066989585757256e-02 - - 2.2657990455627441e-02 -3.4708911180496216e-01 - <_> - - 0 -1 2637 -5.8288997411727905e-01 - - 2.8628429770469666e-01 -2.9674390330910683e-02 - <_> - - 0 -1 2638 -1.4278849586844444e-02 - - 1.7780199646949768e-01 -2.9107179492712021e-02 - <_> - - 0 -1 2639 5.9483898803591728e-03 - - -5.1461439579725266e-02 2.1336910128593445e-01 - <_> - - 0 -1 2640 -3.7677738815546036e-02 - - -3.6932611465454102e-01 5.7723309844732285e-02 - <_> - - 0 -1 2641 6.5808892250061035e-02 - - 4.0651790797710419e-02 -2.1074700355529785e-01 - <_> - - 0 -1 2642 -2.3132109642028809e-01 - - 4.1835370659828186e-01 -1.2195900082588196e-02 - <_> - - 0 -1 2643 9.2640687944367528e-04 - - -1.4468879997730255e-01 5.8539729565382004e-02 - <_> - - 0 -1 2644 1.0040670167654753e-03 - - -4.4056508690118790e-02 3.3918689936399460e-02 - <_> - - 0 -1 2645 -1.6178250312805176e-02 - - -2.5373190641403198e-01 2.8968360275030136e-02 - <_> - - 0 -1 2646 -6.0239218873903155e-04 - - 4.1323728859424591e-02 -4.0084209293127060e-02 - <_> - - 0 -1 2647 -6.0449438169598579e-03 - - 1.4372240006923676e-01 -4.7170829027891159e-02 - <_> - - 0 -1 2648 2.2208129521459341e-03 - - 4.5135390013456345e-02 -1.6863340139389038e-01 - <_> - - 0 -1 2649 -2.5435380637645721e-02 - - 2.7486249804496765e-01 -2.5021070614457130e-02 - <_> - - 0 -1 2650 -9.7569217905402184e-03 - - -3.5105359554290771e-01 6.7487931810319424e-03 - <_> - - 0 -1 2651 -5.8798119425773621e-03 - - -2.3652760684490204e-01 2.9202800244092941e-02 - <_> - - 0 -1 2652 1.7566860187798738e-03 - - -9.9007412791252136e-02 5.2369870245456696e-02 - <_> - - 0 -1 2653 -7.4273318052291870e-02 - - -2.6232570409774780e-01 3.2476898282766342e-02 - <_> - - 0 -1 2654 3.1107749789953232e-02 - - -3.1739011406898499e-02 1.9744929671287537e-01 - <_> - - 0 -1 2655 6.3703872263431549e-02 - - 2.6871459558606148e-02 -2.7673950791358948e-01 - <_> - - 0 -1 2656 -4.7539241611957550e-02 - - -4.0510261058807373e-01 1.2222040444612503e-02 - <_> - - 0 -1 2657 -3.5632580984383821e-03 - - -1.9992919266223907e-01 3.3539909869432449e-02 - <_> - - 0 -1 2658 -2.6527589187026024e-02 - - -1.6290059685707092e-01 2.7833169326186180e-02 - <_> - - 0 -1 2659 2.8048178553581238e-01 - - 2.8810590505599976e-02 -2.2711829841136932e-01 - <_> - - 0 -1 2660 4.5591941475868225e-01 - - -2.2757180035114288e-02 3.1029689311981201e-01 - <_> - - 0 -1 2661 8.6748532950878143e-02 - - 7.2686396539211273e-02 -1.0276269912719727e-01 - <_> - - 0 -1 2662 1.6994470497593284e-03 - - -3.1809408217668533e-02 8.7146088480949402e-02 - <_> - - 0 -1 2663 -1.1253879638388753e-03 - - 6.8066433072090149e-02 -1.2390069663524628e-01 - <_> - - 0 -1 2664 5.0872150808572769e-02 - - -8.7517164647579193e-03 3.1184211373329163e-01 - <_> - - 0 -1 2665 1.9961729645729065e-01 - - -3.0910549685359001e-02 2.1652880311012268e-01 - <_> - - 0 -1 2666 -6.3838690519332886e-02 - - -6.0265827178955078e-01 1.3233360368758440e-03 - <_> - - 0 -1 2667 6.3007958233356476e-03 - - -5.2063349634408951e-02 1.2607939541339874e-01 - <_> - - 0 -1 2668 5.6697470135986805e-03 - - 9.0780286118388176e-03 -1.9445329904556274e-01 - <_> - - 0 -1 2669 1.4293550048023462e-03 - - -8.5781432688236237e-02 7.1289457380771637e-02 - <_> - - 0 -1 2670 1.3812010176479816e-02 - - 8.0618355423212051e-03 -3.8797891139984131e-01 - <_> - - 0 -1 2671 2.3739310563541949e-05 - - -6.2491171061992645e-02 1.0920929908752441e-01 - <_> - - 0 -1 2672 -3.9398381486535072e-03 - - 5.0932329148054123e-02 -1.4980320632457733e-01 - <_> - - 0 -1 2673 -1.2358880043029785e-01 - - 3.1476518511772156e-01 -2.5759879499673843e-02 - <_> - - 0 -1 2674 -1.0957430116832256e-02 - - -2.6074820756912231e-01 1.5849729999899864e-02 - <_> - - 0 -1 2675 -7.6301600784063339e-03 - - 2.6100659370422363e-01 -2.4329889565706253e-02 - <_> - - 0 -1 2676 -6.7839071154594421e-02 - - 1.9691309332847595e-01 -8.3496840670704842e-03 - <_> - - 0 -1 2677 1.8607309088110924e-02 - - 2.5603959336876869e-02 -2.5413629412651062e-01 - <_> - - 0 -1 2678 -5.8711939345812425e-05 - - 3.5625811666250229e-02 -4.1084211319684982e-02 - <_> - - 0 -1 2679 8.3914608694612980e-05 - - -1.3061410188674927e-01 4.9393389374017715e-02 - <_> - - 0 -1 2680 1.7734190449118614e-02 - - -3.4273520112037659e-02 1.2126860022544861e-01 - <_> - - 0 -1 2681 6.8113701418042183e-03 - - 2.2671220824122429e-02 -2.6590269804000854e-01 - <_> - - 0 -1 2682 4.5482560992240906e-02 - - -6.1395200900733471e-03 4.7231659293174744e-01 - <_> - - 0 -1 2683 -7.0767141878604889e-03 - - -3.1650930643081665e-01 2.0036390051245689e-02 - <_> - - 0 -1 2684 7.3222210630774498e-04 - - -2.2880610078573227e-02 6.4724266529083252e-02 - <_> - - 0 -1 2685 -3.2817400060594082e-03 - - 2.5166231393814087e-01 -2.3168640211224556e-02 - <_> - - 0 -1 2686 -4.6115890145301819e-02 - - -3.5920459032058716e-01 1.5987880527973175e-02 - <_> - - 0 -1 2687 1.0526889935135841e-02 - - 9.6597811207175255e-03 -5.8308398723602295e-01 - <_> - - 0 -1 2688 2.1888600662350655e-02 - - 2.8070888947695494e-03 -2.9022130370140076e-01 - <_> - - 0 -1 2689 -3.7969578988850117e-03 - - 2.6823088526725769e-01 -2.2035770118236542e-02 - <_> - - 0 -1 2690 2.9150590300559998e-02 - - 3.7061858922243118e-02 -9.7243040800094604e-02 - <_> - - 0 -1 2691 7.9669371247291565e-02 - - -6.1300739645957947e-02 1.0794749855995178e-01 - <_> - - 0 -1 2692 -2.7629170566797256e-02 - - 2.2528949379920959e-01 -3.2572429627180099e-02 - <_> - - 0 -1 2693 -1.2017980217933655e-02 - - 1.0100489854812622e-01 -6.6461361944675446e-02 - <_> - - 0 -1 2694 -1.1925140395760536e-02 - - -1.8590609729290009e-01 3.2485559582710266e-02 - <_> - - 0 -1 2695 2.5123509764671326e-01 - - -2.4892140179872513e-02 2.8030058741569519e-01 - <_> - - 0 -1 2696 6.9036600179970264e-03 - - -6.2898851931095123e-02 3.1777821481227875e-02 - <_> - - 0 -1 2697 5.3575318306684494e-02 - - -1.2439640238881111e-02 4.6091410517692566e-01 - <_> - - 0 -1 2698 -9.4652660191059113e-03 - - 8.4103047847747803e-02 -1.1300220340490341e-01 - <_> - - 0 -1 2699 1.8469220399856567e-01 - - 2.1576140075922012e-02 -2.6910570263862610e-01 - <_> - - 0 -1 2700 -1.1816070228815079e-01 - - -4.7206339240074158e-01 9.0096276253461838e-03 - <_> - - 0 -1 2701 3.6900841223541647e-05 - - -5.8833159506320953e-02 9.9453382194042206e-02 - <_> - - 0 -1 2702 -1.6330610215663910e-01 - - -6.0990130901336670e-01 1.3118899660184979e-03 - <_> - - 0 -1 2703 -9.6555590629577637e-02 - - -5.2723962068557739e-01 1.1668589897453785e-02 - <_> - - 0 -1 2704 4.0162451565265656e-02 - - -3.2783899456262589e-02 1.8107770383358002e-01 - <_> - - 0 -1 2705 -2.9686940833926201e-02 - - 1.0548429936170578e-01 -6.1513308435678482e-02 - <_> - - 0 -1 2706 7.5436946644913405e-05 - - -3.5980768501758575e-02 4.9934450536966324e-02 - <_> - - 0 -1 2707 2.0552529022097588e-03 - - 2.7518209069967270e-02 -2.4573980271816254e-01 - <_> - - 0 -1 2708 2.3879110813140869e-05 - - -2.5809049606323242e-02 2.9950719326734543e-02 - <_> - - 0 -1 2709 -5.0713717937469482e-03 - - -2.0639109611511230e-01 3.2002601772546768e-02 - <_> - - 0 -1 2710 -4.8216218128800392e-03 - - -9.7566813230514526e-02 5.5109240114688873e-02 - <_> - - 0 -1 2711 6.5210692584514618e-02 - - 6.3420450314879417e-03 -7.8828340768814087e-01 - <_> - - 0 -1 2712 1.5821969136595726e-02 - - -2.1475680172443390e-02 1.2227129936218262e-01 - <_> - - 0 -1 2713 -3.0075939372181892e-02 - - 3.7011429667472839e-01 -1.5476689673960209e-02 - <_> - - 0 -1 2714 -5.5496598361060023e-04 - - 4.1431929916143417e-02 -1.2144719809293747e-01 - <_> - - 0 -1 2715 -2.4754840880632401e-02 - - -3.5262298583984375e-01 1.5344849787652493e-02 - <_> - - 0 -1 2716 -8.7477359920740128e-03 - - 1.9155359268188477e-01 -2.2537950426340103e-02 - <_> - - 0 -1 2717 -3.5500800004228950e-04 - - -8.4604002535343170e-02 6.5341651439666748e-02 - <_> - - 0 -1 2718 -5.7884451001882553e-02 - - 2.5973668694496155e-01 -2.1083710715174675e-02 - <_> - - 0 -1 2719 3.7522350903600454e-03 - - 3.1614970415830612e-02 -1.8795000016689301e-01 - <_> - - 0 -1 2720 2.0266280625946820e-04 - - -4.8824269324541092e-02 4.7762241214513779e-02 - <_> - - 0 -1 2721 -1.7959989607334137e-02 - - -1.8358300626277924e-01 2.7057379484176636e-02 - <_> - - 0 -1 2722 -5.1200438290834427e-02 - - 2.7234628796577454e-01 -1.9954629242420197e-02 - <_> - - 0 -1 2723 -7.3698651976883411e-03 - - -1.2299379706382751e-01 4.5279439538717270e-02 - <_> - - 0 -1 2724 -8.1579107791185379e-04 - - 4.6081308275461197e-02 -2.1206410601735115e-02 - <_> - - 0 -1 2725 7.7019751188345253e-05 - - -1.1223869770765305e-01 4.6719830483198166e-02 - <_> - - 0 -1 2726 3.3753409981727600e-02 - - -2.9694780707359314e-02 3.0958639457821846e-02 - <_> - - 0 -1 2727 2.8879839926958084e-02 - - -4.7609180212020874e-02 1.6370640695095062e-01 - <_> - - 0 -1 2728 -1.3803930580615997e-01 - - -7.4509102106094360e-01 2.3958049714565277e-03 - <_> - - 0 -1 2729 9.0306542813777924e-02 - - 2.8410099446773529e-02 -2.0606000721454620e-01 - <_> - - 0 -1 2730 1.3130649924278259e-01 - - 5.8837989345192909e-03 -2.5894629955291748e-01 - <_> - - 0 -1 2731 1.3623699545860291e-01 - - 1.8490679562091827e-02 -2.9096630215644836e-01 - <_> - - 0 -1 2732 1.1483960552141070e-03 - - -2.5334190577268600e-02 8.1962920725345612e-02 - <_> - - 0 -1 2733 7.0390116889029741e-05 - - -6.5080173313617706e-02 8.2337766885757446e-02 - <_> - - 0 -1 2734 -5.8111059479415417e-03 - - -2.0126000046730042e-01 1.4183170162141323e-02 - <_> - - 0 -1 2735 -1.2150090187788010e-02 - - 2.1021689474582672e-01 -2.9711810871958733e-02 - <_> - - 0 -1 2736 4.3220389634370804e-03 - - 2.2152660414576530e-02 -1.9705900549888611e-01 - <_> - - 0 -1 2737 4.6673179604113102e-03 - - 2.2342119365930557e-02 -2.6342189311981201e-01 - <_> - - 0 -1 2738 -1.3583960244432092e-03 - - 7.3765449225902557e-02 -1.7833979800343513e-02 - <_> - - 0 -1 2739 -5.0764158368110657e-03 - - -1.7490370571613312e-01 2.9997769743204117e-02 - <_> - - 0 -1 2740 1.9497750326991081e-03 - - -2.7114750817418098e-02 1.6166089475154877e-01 - <_> - - 0 -1 2741 -2.5937429163604975e-03 - - 1.8078009784221649e-01 -2.7191480621695518e-02 - <_> - - 0 -1 2742 -2.1715890616178513e-02 - - 9.6041858196258545e-02 -5.2243158221244812e-02 - <_> - - 0 -1 2743 -2.5649809686001390e-05 - - 8.3050042390823364e-02 -6.1770558357238770e-02 - <_> - - 0 -1 2744 9.8641996737569571e-04 - - -2.4684209376573563e-02 9.7191460430622101e-02 - <_> - - 0 -1 2745 2.3739310563541949e-05 - - -6.9555416703224182e-02 7.7152892947196960e-02 - <_> - - 0 -1 2746 -1.0910170152783394e-02 - - -2.5444790720939636e-01 1.6135040670633316e-02 - <_> - - 0 -1 2747 5.6066219258354977e-05 - - -7.6400838792324066e-02 7.0996761322021484e-02 - <_> - - 0 -1 2748 2.7718160301446915e-02 - - 7.7127898111939430e-03 -3.0201679468154907e-01 - <_> - - 0 -1 2749 4.3827071785926819e-03 - - -3.4336760640144348e-02 1.3955120742321014e-01 - <_> - - 0 -1 2750 -3.7561710923910141e-02 - - -4.5689418911933899e-01 1.1854999698698521e-02 - <_> - - 0 -1 2751 1.3753259554505348e-02 - - -8.3447448909282684e-02 5.9472300112247467e-02 - <_> - - 0 -1 2752 -2.7579799294471741e-02 - - 2.1291820704936981e-01 -2.3054409772157669e-02 - <_> - - 0 -1 2753 -4.0822759270668030e-02 - - -5.0263231992721558e-01 1.0639879852533340e-02 - <_> - - 0 -1 2754 1.4743439853191376e-01 - - 7.7440468594431877e-03 -1.8454490602016449e-01 - <_> - - 0 -1 2755 -1.9371560215950012e-01 - - 4.6490699052810669e-01 -1.4074579812586308e-02 - <_> - - 0 -1 2756 -4.1467480361461639e-02 - - -1.3331499695777893e-01 3.1722411513328552e-02 - <_> - - 0 -1 2757 2.1617549937218428e-03 - - 3.4888401627540588e-02 -1.1983960121870041e-01 - <_> - - 0 -1 2758 -2.8305849991738796e-03 - - -2.1483750641345978e-01 2.5539120659232140e-02 - <_> - - 0 -1 2759 -1.0838639922440052e-02 - - 3.3803048729896545e-01 -1.3591179624199867e-02 - <_> - - 0 -1 2760 2.1821239497512579e-03 - - -3.1135229393839836e-02 8.3679892122745514e-02 - <_> - - 0 -1 2761 6.8489680415950716e-05 - - -1.5453560650348663e-01 3.3053979277610779e-02 - <_> - - 0 -1 2762 5.2545121870934963e-03 - - -2.9414970427751541e-02 1.6506220400333405e-01 - <_> - - 0 -1 2763 7.5199748389422894e-03 - - 2.3363400250673294e-02 -2.1771569550037384e-01 - <_> - - 0 -1 2764 -4.5123990625143051e-02 - - -3.2536029815673828e-01 1.3281660154461861e-02 - <_> - - 0 -1 2765 -2.0451450254768133e-03 - - 9.5804646611213684e-02 -5.0993110984563828e-02 - <_> - - 0 -1 2766 2.9070109594613314e-03 - - -2.7690220624208450e-02 1.9595550000667572e-01 - <_> - - 0 -1 2767 -2.5558389723300934e-02 - - -2.7625438570976257e-01 2.1147929131984711e-02 - <_> - - 0 -1 2768 2.6447090785950422e-03 - - -3.2627500593662262e-02 4.1240271180868149e-02 - <_> - - 0 -1 2769 2.8334530725260265e-05 - - -8.4877587854862213e-02 5.5865898728370667e-02 - <_> - - 0 -1 2770 6.6109612816944718e-04 - - -3.2827850431203842e-02 7.4010983109474182e-02 - <_> - - 0 -1 2771 2.0918789505958557e-01 - - 1.0018980130553246e-02 -4.7411561012268066e-01 - <_> - - 0 -1 2772 -6.0340400523273274e-05 - - 4.8323448747396469e-02 -3.2779499888420105e-02 - <_> - - 0 -1 2773 6.6149746999144554e-05 - - -7.4969246983528137e-02 6.1952129006385803e-02 - <_> - - 0 -1 2774 -5.1479000831022859e-04 - - -9.4924032688140869e-02 3.5300780087709427e-02 - <_> - - 0 -1 2775 7.3261340148746967e-03 - - 3.8502220064401627e-02 -1.4840659499168396e-01 - <_> - - 0 -1 2776 2.4439459666609764e-02 - - -1.3411019928753376e-02 1.8843680620193481e-01 - <_> - - 0 -1 2777 4.1021420620381832e-03 - - -4.9980189651250839e-02 1.0747750103473663e-01 - <_> - - 0 -1 2778 -2.2003119811415672e-03 - - 1.5202569961547852e-01 -1.0413169860839844e-02 - <_> - - 0 -1 2779 -6.3748419051989913e-05 - - 8.3184726536273956e-02 -7.3027476668357849e-02 - <_> - - 0 -1 2780 1.6917420551180840e-02 - - 2.2687980905175209e-02 -1.7060829699039459e-01 - <_> - - 0 -1 2781 2.3382799699902534e-03 - - -5.9908460825681686e-02 8.6580373346805573e-02 - <_> - - 0 -1 2782 3.5319819580763578e-03 - - 3.3012930303812027e-02 -1.5926639735698700e-01 - <_> - - 0 -1 2783 8.2293795421719551e-03 - - -7.6026521623134613e-02 7.5319997966289520e-02 - <_> - - 0 -1 2784 -4.1300300508737564e-02 - - -6.1095607280731201e-01 2.1895230747759342e-03 - <_> - - 0 -1 2785 -4.3179420754313469e-03 - - 1.4404989778995514e-01 -3.8870800286531448e-02 - <_> - - 0 -1 2786 4.7153229388641194e-05 - - -4.9817599356174469e-02 4.8768520355224609e-02 - <_> - - 0 -1 2787 7.9003963037393987e-05 - - -6.8322107195854187e-02 6.8077176809310913e-02 - <_> - - 0 -1 2788 -6.0340400523273274e-05 - - 5.1328659057617188e-02 -3.5550858825445175e-02 - <_> - - 0 -1 2789 -5.1807070121867582e-05 - - 8.4212273359298706e-02 -5.4924808442592621e-02 - <_> - - 0 -1 2790 4.7213859856128693e-02 - - 2.3352450225502253e-03 -3.4417921304702759e-01 - <_> - - 0 -1 2791 -4.0626591071486473e-03 - - -1.8419119715690613e-01 2.5720769539475441e-02 - <_> - - 0 -1 2792 -2.2785339504480362e-02 - - -1.3962119817733765e-01 1.2151359580457211e-02 - <_> - - 0 -1 2793 -7.5854226946830750e-02 - - 1.1256880313158035e-01 -3.9203669875860214e-02 - <_> - - 0 -1 2794 7.5154039077460766e-03 - - -1.9784659147262573e-02 5.8735560625791550e-02 - <_> - - 0 -1 2795 3.1700478866696358e-03 - - -5.4245430976152420e-02 9.0264856815338135e-02 - <_> - - 0 -1 2796 3.2852489966899157e-03 - - -5.4539371281862259e-02 9.0909533202648163e-02 - <_> - - 0 -1 2797 -9.3818716704845428e-02 - - -4.8168069124221802e-01 9.7587006166577339e-03 - <_> - - 0 -1 2798 -6.3132712966762483e-05 - - 4.1089840233325958e-02 -3.6543939262628555e-02 - <_> - - 0 -1 2799 -1.9857510924339294e-02 - - -1.1721470206975937e-01 4.0564559400081635e-02 - <_> - - 0 -1 2800 6.7911748774349689e-03 - - 6.4080609008669853e-03 -3.2277610898017883e-01 - <_> - - 0 -1 2801 -8.9469276368618011e-02 - - -3.5741510987281799e-01 1.2498370371758938e-02 - <_> - - 0 -1 2802 7.4639841914176941e-03 - - -1.9977200776338577e-02 1.8343879282474518e-01 - <_> - - 0 -1 2803 3.5889059305191040e-01 - - 1.1032329872250557e-02 -5.5673301219940186e-01 - <_> - - 0 -1 2804 -2.8839880600571632e-02 - - 1.9993069767951965e-01 -8.9885722845792770e-03 - <_> - - 0 -1 2805 1.3966220431029797e-03 - - -4.3905839323997498e-02 1.1055959761142731e-01 - <_> - - 0 -1 2806 -8.6227077990770340e-03 - - -4.3030598759651184e-01 4.9329511821269989e-03 - <_> - - 0 -1 2807 8.1372596323490143e-03 - - 6.1173681169748306e-03 -7.0870321989059448e-01 - <_> - - 0 -1 2808 -5.2080889872740954e-05 - - 5.4686058312654495e-02 -4.8987131565809250e-02 - <_> - - 0 -1 2809 -6.2907347455620766e-05 - - 7.7754616737365723e-02 -5.9795960783958435e-02 - <_> - - 0 -1 2810 -2.2601069882512093e-02 - - -1.1791110038757324e-01 7.3637152090668678e-03 - <_> - - 0 -1 2811 -4.6634320169687271e-03 - - 7.5231060385704041e-02 -5.7572990655899048e-02 - <_> - - 0 -1 2812 -4.7270618379116058e-03 - - 7.1065858006477356e-02 -8.5967883467674255e-02 - <_> - - 0 -1 2813 7.2711610794067383e-01 - - 1.0272890329360962e-02 -4.6845859289169312e-01 - <_> - - 0 -1 2814 -3.0634279828518629e-03 - - 1.0827480256557465e-01 -2.3178070783615112e-02 - <_> - - 0 -1 2815 5.1220320165157318e-02 - - 1.0082930326461792e-02 -4.6223670244216919e-01 - <_> - - 0 -1 2816 -2.3362249135971069e-02 - - 2.2211229801177979e-01 -2.0499259233474731e-02 - <_> - - 0 -1 2817 2.2698229178786278e-02 - - -1.1409649997949600e-01 4.1347719728946686e-02 - <_> - - 0 -1 2818 3.2806419767439365e-03 - - -2.2716879844665527e-02 1.0286050289869308e-01 - <_> - - 0 -1 2819 3.5968020092695951e-03 - - 2.1161420270800591e-02 -2.0680260658264160e-01 - <_> - - 0 -1 2820 -1.2049609795212746e-02 - - -2.6006719470024109e-01 2.0481001120060682e-03 - <_> - - 0 -1 2821 -2.6617539115250111e-03 - - 1.5578770637512207e-01 -3.2414011657238007e-02 - <_> - - 0 -1 2822 -1.4739999547600746e-02 - - -1.6306230425834656e-01 7.1668480522930622e-03 - <_> - - 0 -1 2823 -7.0214703679084778e-02 - - 3.6760380864143372e-01 -1.2261849828064442e-02 - <_> - - 0 -1 2824 -1.1493829637765884e-01 - - -4.1006609797477722e-01 1.1137899942696095e-02 - <_> - - 0 -1 2825 -1.6535300761461258e-02 - - -4.9331170320510864e-01 8.9259371161460876e-03 - <_> - - 0 -1 2826 -6.8457737565040588e-02 - - -6.2944388389587402e-01 1.3810090022161603e-03 - <_> - - 0 -1 2827 1.7950909677892923e-03 - - 4.3995179235935211e-02 -9.8123088479042053e-02 - <_> - - 0 -1 2828 9.2409765347838402e-03 - - -3.1927980482578278e-02 7.8624442219734192e-02 - <_> - - 0 -1 2829 1.5084880404174328e-02 - - -6.5231107175350189e-02 8.3552867174148560e-02 - <_> - - 0 -1 2830 -1.4755530282855034e-02 - - 5.9695459902286530e-02 -2.4628980085253716e-02 - <_> - - 0 -1 2831 1.3870550319552422e-02 - - 6.8354210816323757e-03 -6.6978019475936890e-01 - <_> - - 0 -1 2832 8.4027196862734854e-05 - - -3.8849148899316788e-02 5.0546988844871521e-02 - <_> - - 0 -1 2833 -2.3879110813140869e-05 - - 7.7616319060325623e-02 -5.7069089263677597e-02 - <_> - - 0 -1 2834 -3.7118638865649700e-03 - - 5.7683859020471573e-02 -3.6430291831493378e-02 - <_> - - 0 -1 2835 2.9378160834312439e-02 - - 1.1657239869236946e-02 -3.7504649162292480e-01 - <_> - - 0 -1 2836 7.5752860307693481e-01 - - -1.2491280212998390e-02 3.0145660042762756e-01 - <_> - - 0 -1 2837 2.8497090563178062e-02 - - -7.3959968984127045e-02 6.2593862414360046e-02 - <_> - - 0 -1 2838 3.0728369951248169e-02 - - 8.5481833666563034e-03 -2.5127428770065308e-01 - <_> - - 0 -1 2839 3.3614620566368103e-02 - - -1.1441719718277454e-02 4.9361410737037659e-01 - <_> - - 0 -1 2840 -2.2651510313153267e-02 - - 2.0686359703540802e-01 -9.4910562038421631e-03 - <_> - - 0 -1 2841 -5.5092899856390432e-05 - - 6.4360730350017548e-02 -7.2689138352870941e-02 - <_> - - 0 -1 2842 -6.5959710627794266e-03 - - -1.7541189491748810e-01 1.6160210594534874e-02 - <_> - - 0 -1 2843 -6.0941398260183632e-05 - - 7.5048670172691345e-02 -5.2823100239038467e-02 - <_> - - 0 -1 2844 2.5904899302986450e-05 - - -4.9739658832550049e-02 5.8573901653289795e-02 - <_> - - 0 -1 2845 5.0394570280332118e-05 - - -6.1880309134721756e-02 6.6674813628196716e-02 - <_> - - 0 -1 2846 1.2553679756820202e-02 - - 2.4910740554332733e-02 -1.2772439420223236e-01 - <_> - - 0 -1 2847 5.8084350079298019e-02 - - -1.7822250723838806e-02 2.2898909449577332e-01 - <_> - - 0 -1 2848 8.0750687047839165e-03 - - -2.2753600031137466e-02 1.4363150298595428e-01 - <_> - - 0 -1 2849 1.2163340114057064e-02 - - 2.6754619553685188e-02 -1.8255999684333801e-01 - <_> - - 0 -1 2850 -1.5941649908199906e-03 - - 9.9438779056072235e-02 -2.3783439770340919e-02 - <_> - - 0 -1 2851 -1.2085849791765213e-01 - - -5.9585529565811157e-01 6.8441159091889858e-03 - <_> - - 0 -1 2852 8.7481532245874405e-03 - - -2.2079860791563988e-02 2.6656690239906311e-01 - <_> - - 0 -1 2853 1.6135359182953835e-02 - - 6.7850813269615173e-02 -7.7386163175106049e-02 - <_> - - 0 -1 2854 2.2907149791717529e-01 - - -3.5378839820623398e-02 4.8707369714975357e-02 - <_> - - 0 -1 2855 5.0671470165252686e-01 - - 5.8341762050986290e-03 -6.6830587387084961e-01 - <_> - - 0 -1 2856 -3.5818759351968765e-02 - - -2.6823309063911438e-01 1.7747150268405676e-03 - <_> - - 0 -1 2857 -2.6501350104808807e-02 - - -3.0137398838996887e-01 1.3973710127174854e-02 - <_> - - 0 -1 2858 2.4797840043902397e-02 - - 2.4552580434828997e-03 -5.9522122144699097e-01 - <_> - - 0 -1 2859 1.6543349483981729e-03 - - -2.5125969201326370e-02 1.9396910071372986e-01 - <_> - - 0 -1 2860 7.0274528115987778e-03 - - 2.0404130220413208e-02 -5.3175788372755051e-02 - <_> - - 0 -1 2861 7.4207589030265808e-02 - - 1.2462070211768150e-02 -3.3352059125900269e-01 - <_> - - 0 -1 2862 -2.3010969161987305e-03 - - -1.4958749711513519e-01 2.0109549164772034e-02 - <_> - - 0 -1 2863 1.3790120137855411e-03 - - 3.3377520740032196e-02 -1.2395989894866943e-01 - <_> - - 0 -1 2864 8.2677090167999268e-01 - - 4.6560140326619148e-03 -7.6405769586563110e-01 - <_> - - 0 -1 2865 2.9461461305618286e-01 - - -1.5230939723551273e-02 3.1044191122055054e-01 - <_> - - 0 -1 2866 7.4683561921119690e-02 - - 8.8676074519753456e-03 -5.2286827564239502e-01 - <_> - - 0 -1 2867 8.8000342249870300e-02 - - -1.1935940012335777e-02 4.0419429540634155e-01 - <_> - - 0 -1 2868 5.3336159326136112e-03 - - 1.3640279881656170e-02 -2.4479709565639496e-01 - <_> - - 0 -1 2869 -5.4324131458997726e-02 - - -3.3548229932785034e-01 1.1758499778807163e-02 - <_> - - 0 -1 2870 3.2561250030994415e-02 - - 1.3724969467148185e-03 -3.3259418606758118e-01 - <_> - - 0 -1 2871 4.8455069772899151e-03 - - -3.6367859691381454e-02 1.3941270112991333e-01 - <_> - - 0 -1 2872 -9.4578228890895844e-03 - - -1.5179359912872314e-01 7.1280989795923233e-03 - <_> - - 0 -1 2873 6.5718130208551884e-03 - - 1.6051219776272774e-02 -2.5226241350173950e-01 - <_> - - 0 -1 2874 2.3467710241675377e-02 - - 6.1246878467500210e-03 -2.3419499397277832e-01 - <_> - - 0 -1 2875 1.7358670011162758e-03 - - -3.9614859968423843e-02 1.2166520208120346e-01 - <_> - - 0 -1 2876 8.0753577640280128e-04 - - -2.6527570560574532e-02 3.9102729409933090e-02 - <_> - - 0 -1 2877 -5.5824369192123413e-03 - - -1.0073930025100708e-01 3.7261690944433212e-02 - <_> - - 0 -1 2878 -2.6079979725182056e-03 - - 7.4016816914081573e-02 -1.0955180041491985e-02 - <_> - - 0 -1 2879 6.9571033236570656e-05 - - -8.5262916982173920e-02 6.4489983022212982e-02 - <_> - - 0 -1 2880 8.1941768527030945e-02 - - 2.0980359986424446e-03 -6.1844950914382935e-01 - <_> - - 0 -1 2881 1.9427090883255005e-02 - - -2.2283710539340973e-02 1.9918359816074371e-01 - <_> - - 0 -1 2882 -1.5077610313892365e-01 - - -6.4394700527191162e-01 7.0817708037793636e-03 - <_> - - 0 -1 2883 -1.5093310503289104e-03 - - -1.0650269687175751e-01 3.7576910108327866e-02 - <_> - - 0 -1 2884 3.6287561058998108e-02 - - 6.2272557988762856e-04 -1.0000269412994385e+00 - <_> - - 0 -1 2885 -1.7432459862902761e-03 - - 8.2987606525421143e-02 -5.1900088787078857e-02 - <_> - - 0 -1 2886 -6.1345883295871317e-05 - - 4.1130200028419495e-02 -3.9763219654560089e-02 - <_> - - 0 -1 2887 2.6694999178289436e-05 - - -5.7489451020956039e-02 7.6786473393440247e-02 - <_> - - 0 -1 2888 2.4684870368218981e-05 - - -3.3249299973249435e-02 6.0841768980026245e-02 - <_> - - 0 -1 2889 -2.1666070446372032e-02 - - -4.2399600148200989e-01 9.5887510105967522e-03 - <_> - - 0 -1 2890 6.5124082565307617e-01 - - -1.3923630118370056e-02 2.0358699560165405e-01 - <_> - - 0 -1 2891 -8.1125432625412941e-03 - - 4.7284670174121857e-02 -8.7794028222560883e-02 - <_> - - 0 -1 2892 8.7661407887935638e-03 - - 3.6122149322181940e-04 -4.6132668852806091e-01 - <_> - - 0 -1 2893 5.6974760809680447e-05 - - -5.4080601781606674e-02 8.7679319083690643e-02 - <_> - - 0 -1 2894 8.2681202911771834e-05 - - -3.6107949912548065e-02 4.0353108197450638e-02 - <_> - - 0 -1 2895 3.6902779247611761e-03 - - 3.2845668494701385e-02 -1.7654460668563843e-01 - <_> - - 0 -1 2896 -2.4884620215743780e-03 - - -1.1169090121984482e-01 3.8092769682407379e-02 - <_> - - 0 -1 2897 6.1029191128909588e-03 - - -2.1872300654649734e-02 2.1474809944629669e-01 - <_> - - 0 -1 2898 8.4216389805078506e-03 - - 2.5033319368958473e-02 -1.0524729639291763e-01 - <_> - - 0 -1 2899 -1.1277659796178341e-02 - - -1.2068639695644379e-01 3.6691870540380478e-02 - <_> - - 0 -1 2900 -2.5908139068633318e-03 - - 4.8961970955133438e-02 -2.7112780138850212e-02 - <_> - - 0 -1 2901 3.9354357868432999e-03 - - -4.8803329467773438e-02 9.1594167053699493e-02 - <_> - - 0 -1 2902 -5.7140849530696869e-03 - - 6.5281033515930176e-02 -5.4428141564130783e-02 - <_> - - 0 -1 2903 7.5044799596071243e-03 - - 4.0455900132656097e-02 -1.0016919672489166e-01 - <_> - - 0 -1 2904 3.6039410624653101e-03 - - -4.8441201448440552e-02 4.4366039335727692e-02 - <_> - - 0 -1 2905 -1.4248499646782875e-02 - - -1.8958659470081329e-01 2.2379109635949135e-02 - <_> - - 0 -1 2906 1.0746859759092331e-01 - - -1.4573340304195881e-02 1.8533800542354584e-01 - <_> - - 0 -1 2907 6.5448340028524399e-03 - - 3.0963949859142303e-02 -1.5456229448318481e-01 - <_> - - 0 -1 2908 4.0558791160583496e-01 - - -1.0606770403683186e-02 9.3066513538360596e-02 - <_> - - 0 -1 2909 4.5041620731353760e-01 - - -1.1917609721422195e-02 3.7239480018615723e-01 - <_> - - 0 -1 2910 1.0484869480133057e+00 - - 2.4846600368618965e-02 -2.0550209283828735e-01 - <_> - - 0 -1 2911 -3.1736500561237335e-02 - - 1.8238979578018188e-01 -2.0837070420384407e-02 - <_> - - 0 -1 2912 1.0162170231342316e-01 - - 1.5214960090816021e-02 -2.8738000988960266e-01 - <_> - - 0 -1 2913 1.6911029815673828e-03 - - -2.7203610166907310e-02 1.5361389517784119e-01 - <_> - - 0 -1 2914 -5.5090200155973434e-02 - - 4.0182009339332581e-01 -2.6924409903585911e-03 - <_> - - 0 -1 2915 -6.6355741582810879e-03 - - -1.0399519652128220e-01 3.9930969476699829e-02 - <_> - - 0 -1 2916 -2.8234618902206421e-01 - - -6.5735298395156860e-01 2.2085180971771479e-03 - <_> - - 0 -1 2917 3.5606080293655396e-01 - - 8.8273994624614716e-03 -4.1840550303459167e-01 - <_> - - 0 -1 2918 2.8794088866561651e-03 - - -4.7702580690383911e-02 4.8619240522384644e-02 - <_> - - 0 -1 2919 -3.4571390599012375e-02 - - -1.6541080176830292e-01 3.2450839877128601e-02 - <_> - - 0 -1 2920 7.0021182298660278e-02 - - 7.1347500197589397e-03 -5.1421910524368286e-01 - <_> - - 0 -1 2921 -2.5386309251189232e-02 - - -1.2876220047473907e-01 2.9181970283389091e-02 - <_> - - 0 -1 2922 7.7927471138536930e-03 - - 3.8529869168996811e-02 -4.9483839422464371e-02 - <_> - - 0 -1 2923 1.4281559735536575e-02 - - 5.6447219103574753e-03 -7.0385247468948364e-01 - <_> - - 0 -1 2924 2.3879110813140869e-05 - - -4.2018178850412369e-02 4.4230289757251740e-02 - <_> - - 0 -1 2925 -3.5789560060948133e-03 - - 4.6143290400505066e-01 -9.7652971744537354e-03 - <_> - - 0 -1 2926 -6.9024448748677969e-05 - - 5.0133138895034790e-02 -5.8964539319276810e-02 - <_> - - 0 -1 2927 -3.0192299745976925e-03 - - -1.9493819773197174e-01 2.4710690602660179e-02 - <_> - - 0 -1 2928 -2.5278010871261358e-03 - - 8.3505026996135712e-02 -2.5268739089369774e-02 - <_> - - 0 -1 2929 1.7980269622057676e-03 - - -4.8482459038496017e-02 9.4311736524105072e-02 - <_> - - 0 -1 2930 -2.2690620273351669e-02 - - -2.9978820681571960e-01 2.2890099789947271e-03 - <_> - - 0 -1 2931 1.4375130413100123e-03 - - -6.2439408153295517e-02 7.5290091335773468e-02 - <_> - - 0 -1 2932 8.2696974277496338e-03 - - -3.0353950336575508e-02 8.8089391589164734e-02 - <_> - - 0 -1 2933 -1.5055939555168152e-01 - - 1.9413860142230988e-01 -2.2772220894694328e-02 - <_> - - 0 -1 2934 1.7811149591580033e-03 - - -6.0310248285531998e-02 2.0073890686035156e-02 - <_> - - 0 -1 2935 4.7450647689402103e-03 - - -5.1879990845918655e-02 7.4092343449592590e-02 - <_> - - 0 -1 2936 -3.9645358920097351e-03 - - -1.2223859876394272e-01 1.8484760075807571e-02 - <_> - - 0 -1 2937 2.1129579842090607e-01 - - 6.9678751751780510e-03 -6.3405531644821167e-01 - <_> - - 0 -1 2938 6.7932292819023132e-02 - - 1.1238300241529942e-02 -2.9897838830947876e-01 - <_> - - 0 -1 2939 3.5460498929023743e-01 - - 1.0820729658007622e-02 -4.0180310606956482e-01 - <_> - - 0 -1 2940 6.7880570888519287e-02 - - -9.0837832540273666e-03 2.8558140993118286e-01 - <_> - - 0 -1 2941 2.3179009556770325e-02 - - 1.2033659964799881e-02 -3.4283030033111572e-01 - <_> - - 0 -1 2942 -2.5018129497766495e-02 - - 1.6851060092449188e-01 -1.4854829758405685e-02 - <_> - - 0 -1 2943 1.0846500284969807e-02 - - -4.9866069108247757e-02 9.1330289840698242e-02 - <_> - - 0 -1 2944 6.7432790994644165e-02 - - -6.7176923155784607e-02 5.2287008613348007e-02 - <_> - - 0 -1 2945 -1.0400989651679993e-01 - - 2.1269090473651886e-01 -1.9635310396552086e-02 - <_> - - 0 -1 2946 -1.9552459940314293e-02 - - -8.5949383676052094e-02 1.0878560133278370e-02 - <_> - - 0 -1 2947 -1.0041260393336415e-03 - - -8.8146753609180450e-02 5.3349688649177551e-02 - <_> - - 0 -1 2948 3.1779510900378227e-03 - - -2.5708079338073730e-02 1.2620189785957336e-01 - <_> - - 0 -1 2949 -5.1974221132695675e-03 - - -1.4909990131855011e-01 2.5734230875968933e-02 - <_> - - 0 -1 2950 -8.4385536611080170e-03 - - 1.7627319693565369e-01 -1.7336180433630943e-02 - <_> - - 0 -1 2951 6.3723679631948471e-03 - - -2.8829930350184441e-02 1.6014620661735535e-01 - <_> - - 0 -1 2952 6.4913480309769511e-04 - - 2.5060750544071198e-02 -6.8481996655464172e-02 - <_> - - 0 -1 2953 -2.3739310563541949e-05 - - 5.9776719659566879e-02 -6.9079458713531494e-02 - <_> - - 0 -1 2954 2.1902309730648994e-02 - - 1.5800049528479576e-02 -2.5902339816093445e-01 - <_> - - 0 -1 2955 -2.3225650191307068e-02 - - -1.5240189433097839e-01 3.4358970820903778e-02 - <_> - - 0 -1 2956 1.7396999523043633e-02 - - -4.4514410197734833e-02 8.6146168410778046e-02 - <_> - - 0 -1 2957 -4.3821102008223534e-03 - - -6.5594673156738281e-02 7.0031292736530304e-02 - <_> - - 0 -1 2958 -5.2271839231252670e-02 - - -8.4593230485916138e-01 4.0736538358032703e-03 - <_> - - 0 -1 2959 -2.6945039280690253e-05 - - 7.1103386580944061e-02 -5.6970071047544479e-02 - <_> - - 0 -1 2960 7.3246699757874012e-03 - - 1.0148160159587860e-02 -1.6495819389820099e-01 - <_> - - 0 -1 2961 7.9648941755294800e-02 - - 4.9309800378978252e-03 -7.3935991525650024e-01 - <_> - - 0 -1 2962 2.5645719841122627e-02 - - -9.9361119791865349e-03 1.9573490321636200e-01 - <_> - - 0 -1 2963 -2.1517710760235786e-02 - - -3.7398171424865723e-01 1.0564680211246014e-02 - <_> - - 0 -1 2964 3.1084879301488400e-03 - - -2.3289280012249947e-02 4.4452898204326630e-02 - <_> - - 0 -1 2965 -2.0305790007114410e-02 - - 1.8450389802455902e-01 -2.2041650488972664e-02 - <_> - - 0 -1 2966 -2.3073209740687162e-04 - - -4.2533028870820999e-02 4.0534239262342453e-02 - <_> - - 0 -1 2967 5.1654567942023277e-03 - - 1.9550900906324387e-02 -2.7522230148315430e-01 - <_> - - 0 -1 2968 -1.3373889960348606e-02 - - -1.0676769912242889e-01 1.5713090077042580e-02 - <_> - - 0 -1 2969 -3.0557509511709213e-02 - - -4.9036020040512085e-01 8.4824627265334129e-03 - <_> - - 0 -1 2970 -4.4938637875020504e-03 - - 2.4587419629096985e-01 -7.3765181005001068e-03 - <_> - - 0 -1 2971 1.5328789595514536e-03 - - -2.1998360753059387e-02 1.7105750739574432e-01 - <_> - - 0 -1 2972 2.8464570641517639e-02 - - -4.4271750375628471e-03 3.7864500284194946e-01 - <_> - - 0 -1 2973 -3.6278439220041037e-03 - - -1.1943010240793228e-01 3.6387339234352112e-02 - <_> - - 0 -1 2974 6.5880590118467808e-03 - - 4.7421031631529331e-03 -2.3040629923343658e-01 - <_> - - 0 -1 2975 -1.7257609870284796e-03 - - -1.5124620497226715e-01 2.4530509486794472e-02 - <_> - - 0 -1 2976 -4.0079229511320591e-03 - - 1.1795750260353088e-01 -2.8455309569835663e-02 - <_> - - 0 -1 2977 6.0597620904445648e-03 - - -1.5942880883812904e-02 2.6349261403083801e-01 - <_> - - 0 -1 2978 1.0206180065870285e-01 - - 2.2873809561133385e-02 -1.7569309473037720e-01 - <_> - - 0 -1 2979 -5.3605949506163597e-03 - - -2.8432789444923401e-01 1.3539279811084270e-02 - <_> - - 0 -1 2980 1.3634009519591928e-03 - - 1.5016339719295502e-02 -2.1692469716072083e-01 - <_> - - 0 -1 2981 -5.1867151341866702e-05 - - 7.1595683693885803e-02 -5.9194121509790421e-02 - <_> - - 0 -1 2982 5.5599510669708252e-03 - - -5.0443381071090698e-02 2.4631209671497345e-02 - <_> - - 0 -1 2983 -8.1721879541873932e-03 - - 1.4858539402484894e-01 -3.2055098563432693e-02 - <_> - - 0 -1 2984 -5.1187299191951752e-02 - - -2.5399059057235718e-01 6.8093240261077881e-03 - <_> - - 0 -1 2985 4.0242701768875122e-02 - - 7.3603428900241852e-03 -5.3896129131317139e-01 - <_> - - 0 -1 2986 -8.6354929953813553e-03 - - 2.0159240067005157e-01 -1.6828190535306931e-02 - <_> - - 0 -1 2987 6.2959326896816492e-05 - - -5.4412890225648880e-02 7.3297880589962006e-02 - <_> - 377 - -1.0771520137786865e+00 - - <_> - - 0 -1 2988 -4.6584438532590866e-02 - - 3.9758908748626709e-01 -1.0487789660692215e-01 - <_> - - 0 -1 2989 -1.3546080328524113e-02 - - 1.0160709917545319e-01 -6.0582119971513748e-02 - <_> - - 0 -1 2990 2.1240619942545891e-02 - - -2.1520909667015076e-01 9.9192880094051361e-02 - <_> - - 0 -1 2991 -6.8675312213599682e-03 - - 3.4559080004692078e-01 -2.7297310531139374e-02 - <_> - - 0 -1 2992 1.8874719971790910e-03 - - -6.2646366655826569e-02 2.2028639912605286e-01 - <_> - - 0 -1 2993 -9.6648931503295898e-03 - - 1.2642039358615875e-01 -2.9440899379551411e-03 - <_> - - 0 -1 2994 5.7599171996116638e-03 - - -6.4545191824436188e-02 2.1166889369487762e-01 - <_> - - 0 -1 2995 4.2604688555002213e-02 - - 8.1665478646755219e-02 -2.2115150094032288e-01 - <_> - - 0 -1 2996 1.1809020070359111e-03 - - 5.3782589733600616e-02 -2.1832549571990967e-01 - <_> - - 0 -1 2997 2.5866830721497536e-02 - - -3.4579040948301554e-03 -2.2809159755706787e-01 - <_> - - 0 -1 2998 -1.3024089857935905e-02 - - -2.3362639546394348e-01 4.5519679784774780e-02 - <_> - - 0 -1 2999 -2.6178720872849226e-05 - - 6.3058510422706604e-02 -3.5777151584625244e-02 - <_> - - 0 -1 3000 3.8649858906865120e-03 - - 4.1308909654617310e-02 -2.1261259913444519e-01 - <_> - - 0 -1 3001 -4.3429462239146233e-03 - - 1.0967259854078293e-01 -6.7377433180809021e-02 - <_> - - 0 -1 3002 3.2463369425386190e-03 - - -5.9912640601396561e-02 2.4788300693035126e-01 - <_> - - 0 -1 3003 -4.4672209769487381e-02 - - -1.3787649571895599e-01 7.5812488794326782e-03 - <_> - - 0 -1 3004 -5.9697840362787247e-02 - - -3.7201279401779175e-01 2.4332780390977859e-02 - <_> - - 0 -1 3005 -9.9666267633438110e-03 - - 7.4087321758270264e-02 -1.2867400050163269e-01 - <_> - - 0 -1 3006 1.1090090265497565e-03 - - -4.5063789933919907e-02 1.9852949678897858e-01 - <_> - - 0 -1 3007 1.9137640297412872e-01 - - 1.6608469188213348e-02 -4.0662389993667603e-01 - <_> - - 0 -1 3008 2.9130840674042702e-02 - - 3.6106731742620468e-02 -2.1135319769382477e-01 - <_> - - 0 -1 3009 -3.9123510941863060e-03 - - -1.3715060055255890e-01 3.1154200434684753e-02 - <_> - - 0 -1 3010 1.0206189937889576e-02 - - 2.9056249186396599e-02 -2.5032269954681396e-01 - <_> - - 0 -1 3011 -5.4421171545982361e-02 - - -3.6787760257720947e-01 4.9542388878762722e-03 - <_> - - 0 -1 3012 1.0504369623959064e-02 - - -3.9119478315114975e-02 1.7866680026054382e-01 - <_> - - 0 -1 3013 -3.8903228938579559e-02 - - -1.1156520247459412e-01 4.9485109746456146e-02 - <_> - - 0 -1 3014 -3.0581050086766481e-03 - - 1.1854489892721176e-01 -6.5253503620624542e-02 - <_> - - 0 -1 3015 1.2071110308170319e-02 - - 1.6908379271626472e-02 -4.6089250594377518e-02 - <_> - - 0 -1 3016 -3.6121580749750137e-02 - - -2.8585109114646912e-01 2.7392070740461349e-02 - <_> - - 0 -1 3017 -7.0450740167871118e-05 - - 8.1192217767238617e-02 -8.5339479148387909e-02 - <_> - - 0 -1 3018 -6.1475399881601334e-02 - - -3.0502641201019287e-01 2.1672610193490982e-02 - <_> - - 0 -1 3019 1.2384360283613205e-01 - - -8.6616817861795425e-03 9.5883563160896301e-02 - <_> - - 0 -1 3020 -1.3729789853096008e-01 - - 3.2487779855728149e-01 -2.7384700253605843e-02 - <_> - - 0 -1 3021 -3.7660130858421326e-01 - - 6.9512300193309784e-02 -8.7510026991367340e-02 - <_> - - 0 -1 3022 -1.0428489744663239e-01 - - -1.7433910071849823e-01 4.6572308987379074e-02 - <_> - - 0 -1 3023 1.5377249568700790e-02 - - 7.2437077760696411e-03 -3.7064689397811890e-01 - <_> - - 0 -1 3024 1.0340980254113674e-02 - - 1.9599150866270065e-02 -3.5058119893074036e-01 - <_> - - 0 -1 3025 2.6178720872849226e-05 - - -3.7143740803003311e-02 4.6319041401147842e-02 - <_> - - 0 -1 3026 -5.1104918384226039e-05 - - 7.5019650161266327e-02 -9.5568731427192688e-02 - <_> - - 0 -1 3027 1.2594480067491531e-03 - - -3.6140341311693192e-02 1.4024050533771515e-01 - <_> - - 0 -1 3028 -4.4775051064789295e-03 - - 1.1984299868345261e-01 -5.5974781513214111e-02 - <_> - - 0 -1 3029 -2.5892409030348063e-03 - - 2.0983800292015076e-01 -2.1606909111142159e-02 - <_> - - 0 -1 3030 2.8334530725260265e-05 - - -6.4645819365978241e-02 1.1007639765739441e-01 - <_> - - 0 -1 3031 4.9330651760101318e-02 - - -3.4308250993490219e-02 1.0559219866991043e-01 - <_> - - 0 -1 3032 -3.1046869116835296e-04 - - 3.8028620183467865e-02 -2.0678110420703888e-01 - <_> - - 0 -1 3033 1.1290919966995716e-02 - - -4.3023418635129929e-02 1.6977259516716003e-01 - <_> - - 0 -1 3034 -1.9364829640835524e-03 - - -1.0826709866523743e-01 6.4394846558570862e-02 - <_> - - 0 -1 3035 1.3304199278354645e-01 - - -1.0764880105853081e-02 3.0249550938606262e-01 - <_> - - 0 -1 3036 -1.2178049981594086e-01 - - -4.0108850598335266e-01 1.9901329651474953e-02 - <_> - - 0 -1 3037 -4.8507350584259257e-05 - - 5.7830650359392166e-02 -5.5416390299797058e-02 - <_> - - 0 -1 3038 8.1427283585071564e-03 - - -1.3038429617881775e-01 5.0446111708879471e-02 - <_> - - 0 -1 3039 2.5049310922622681e-01 - - 4.9552097916603088e-03 -8.4521442651748657e-01 - <_> - - 0 -1 3040 2.9000479262322187e-03 - - -4.8634160310029984e-02 1.3975860178470612e-01 - <_> - - 0 -1 3041 -9.5292963087558746e-03 - - -4.8227089643478394e-01 8.9182211086153984e-03 - <_> - - 0 -1 3042 -1.2608580291271210e-03 - - -1.4396399259567261e-01 4.4625461101531982e-02 - <_> - - 0 -1 3043 6.9864251418039203e-04 - - -5.3468879312276840e-02 4.4480290263891220e-02 - <_> - - 0 -1 3044 5.0955888582393527e-05 - - -9.1091223061084747e-02 6.1559129506349564e-02 - <_> - - 0 -1 3045 -4.2289011180400848e-02 - - -1.4529189467430115e-01 2.2947659716010094e-02 - <_> - - 0 -1 3046 8.3977341651916504e-02 - - 3.7113729864358902e-02 -1.6206559538841248e-01 - <_> - - 0 -1 3047 9.1143082827329636e-03 - - -8.4407972171902657e-03 1.0362890362739563e-01 - <_> - - 0 -1 3048 4.6319790271809325e-05 - - -6.7505158483982086e-02 8.5311636328697205e-02 - <_> - - 0 -1 3049 5.2136087417602539e-01 - - -1.4404560439288616e-02 4.4966968894004822e-01 - <_> - - 0 -1 3050 1.5858359634876251e-02 - - 2.4507109075784683e-02 -2.8061380982398987e-01 - <_> - - 0 -1 3051 9.0295937843620777e-04 - - -1.9777469336986542e-02 5.8223951607942581e-02 - <_> - - 0 -1 3052 -1.6763530438765883e-03 - - -1.5801259875297546e-01 3.4012299031019211e-02 - <_> - - 0 -1 3053 -2.4684870368218981e-05 - - 5.1980741322040558e-02 -3.5259820520877838e-02 - <_> - - 0 -1 3054 2.3879110813140869e-05 - - -7.7739536762237549e-02 7.5770601630210876e-02 - <_> - - 0 -1 3055 5.9450380504131317e-03 - - -1.0767629742622375e-01 4.7342531383037567e-02 - <_> - - 0 -1 3056 -3.3886708319187164e-02 - - 2.5395831465721130e-01 -2.6396760717034340e-02 - <_> - - 0 -1 3057 5.5312961339950562e-03 - - -2.7721639722585678e-02 2.3233540356159210e-01 - <_> - - 0 -1 3058 -6.0472032055258751e-03 - - -1.7387150228023529e-01 3.4561499953269958e-02 - <_> - - 0 -1 3059 -3.1955521553754807e-02 - - -1.9199980422854424e-02 3.0842060223221779e-02 - <_> - - 0 -1 3060 9.0737096965312958e-02 - - 7.7871060930192471e-03 -7.5864750146865845e-01 - <_> - - 0 -1 3061 -1.2445859611034393e-02 - - 1.4370959997177124e-01 -1.0477649979293346e-02 - <_> - - 0 -1 3062 1.1301520280539989e-02 - - -1.3221940398216248e-01 4.0967330336570740e-02 - <_> - - 0 -1 3063 -1.0558320209383965e-02 - - -3.3963328599929810e-01 1.2630919925868511e-02 - <_> - - 0 -1 3064 4.6060150489211082e-03 - - -3.5319130867719650e-02 1.5813319385051727e-01 - <_> - - 0 -1 3065 -3.0661260709166527e-02 - - -5.8793282508850098e-01 9.6826143562793732e-03 - <_> - - 0 -1 3066 -6.2674311921000481e-03 - - -1.9762620329856873e-01 2.6928830891847610e-02 - <_> - - 0 -1 3067 1.2989880051463842e-03 - - -2.9124230146408081e-02 7.6282523572444916e-02 - <_> - - 0 -1 3068 4.8161852173507214e-03 - - 1.8022129312157631e-02 -2.9259270429611206e-01 - <_> - - 0 -1 3069 -4.4622411951422691e-03 - - 4.8554401844739914e-02 -4.6847470104694366e-02 - <_> - - 0 -1 3070 -4.9135680455947295e-05 - - 8.1215217709541321e-02 -6.3379563391208649e-02 - <_> - - 0 -1 3071 5.0573139451444149e-03 - - 1.4097140170633793e-02 -2.0685930550098419e-01 - <_> - - 0 -1 3072 1.3823669869452715e-03 - - -4.2655818164348602e-02 1.1541669815778732e-01 - <_> - - 0 -1 3073 -4.0184449404478073e-02 - - -2.9843661189079285e-01 1.7463730648159981e-02 - <_> - - 0 -1 3074 7.0384680293500423e-03 - - -5.2195250988006592e-02 9.4690658152103424e-02 - <_> - - 0 -1 3075 -5.6935990869533271e-05 - - 5.0736121833324432e-02 -1.2229949980974197e-01 - <_> - - 0 -1 3076 5.9834190324181691e-05 - - -6.1534628272056580e-02 8.2193866372108459e-02 - <_> - - 0 -1 3077 2.3980330675840378e-02 - - 8.9948609471321106e-02 -5.3157258778810501e-02 - <_> - - 0 -1 3078 1.9857319071888924e-02 - - -2.9017150402069092e-02 1.9026429951190948e-01 - <_> - - 0 -1 3079 -1.8872609734535217e-01 - - -1.8916009366512299e-01 9.1472929343581200e-03 - <_> - - 0 -1 3080 -5.3056180477142334e-03 - - 5.9502270072698593e-02 -1.1066360026597977e-01 - <_> - - 0 -1 3081 1.7961669713258743e-02 - - 6.9341547787189484e-03 -2.9351618885993958e-01 - <_> - - 0 -1 3082 4.4897631742060184e-03 - - 3.4544911235570908e-02 -1.4389620721340179e-01 - <_> - - 0 -1 3083 -1.3780979812145233e-01 - - 6.6656690835952759e-01 -7.6799020171165466e-03 - <_> - - 0 -1 3084 2.5066170841455460e-02 - - 2.7024639770388603e-02 -1.8130689859390259e-01 - <_> - - 0 -1 3085 -6.6011329181492329e-03 - - -4.7107979655265808e-02 5.3564820438623428e-02 - <_> - - 0 -1 3086 4.4634088873863220e-02 - - -5.8299250900745392e-02 8.5404127836227417e-02 - <_> - - 0 -1 3087 -2.0959110930562019e-02 - - 1.7154890298843384e-01 -3.0249819159507751e-02 - <_> - - 0 -1 3088 4.8691190779209137e-02 - - 2.1405220031738281e-02 -2.3135960102081299e-01 - <_> - - 0 -1 3089 3.3477138727903366e-02 - - -1.7535399645566940e-02 2.0705880224704742e-01 - <_> - - 0 -1 3090 -1.5782449394464493e-02 - - 2.0446999371051788e-01 -2.9454570263624191e-02 - <_> - - 0 -1 3091 2.1625500172376633e-02 - - -1.2141889892518520e-02 2.5204500555992126e-01 - <_> - - 0 -1 3092 -5.1940139383077621e-03 - - -1.2218979746103287e-01 4.5143280178308487e-02 - <_> - - 0 -1 3093 -3.1310278922319412e-02 - - 2.8687921166419983e-01 -8.2902582362294197e-03 - <_> - - 0 -1 3094 1.5542740002274513e-02 - - 2.7400100603699684e-02 -2.0353409647941589e-01 - <_> - - 0 -1 3095 -5.2836928516626358e-03 - - 5.4194588214159012e-02 -2.4016149342060089e-02 - <_> - - 0 -1 3096 -6.4056441187858582e-03 - - 1.3316440582275391e-01 -4.6583179384469986e-02 - <_> - - 0 -1 3097 -4.7195679508149624e-03 - - -1.0466440021991730e-01 2.9198190197348595e-02 - <_> - - 0 -1 3098 -1.2241840362548828e-02 - - -3.5400021076202393e-01 1.5616860240697861e-02 - <_> - - 0 -1 3099 -3.4770739730447531e-03 - - 4.7154370695352554e-02 -3.7254210561513901e-02 - <_> - - 0 -1 3100 1.8311959505081177e-01 - - -4.9684889614582062e-02 1.2035690248012543e-01 - <_> - - 0 -1 3101 -1.3658869266510010e-01 - - -2.2701020538806915e-01 8.3362739533185959e-03 - <_> - - 0 -1 3102 -4.4932749122381210e-02 - - 7.9606711864471436e-02 -6.9477088749408722e-02 - <_> - - 0 -1 3103 -1.0785179911181331e-03 - - 1.1147390305995941e-01 -3.0282339081168175e-02 - <_> - - 0 -1 3104 -8.6406682385131717e-04 - - -1.4347119629383087e-01 3.7838041782379150e-02 - <_> - - 0 -1 3105 1.4584630262106657e-03 - - -2.7251800522208214e-02 1.5474230051040649e-01 - <_> - - 0 -1 3106 -1.8864479660987854e-01 - - 1.7952759563922882e-01 -3.0425619333982468e-02 - <_> - - 0 -1 3107 -9.0535402705427259e-05 - - 3.7944830954074860e-02 -3.4926921129226685e-02 - <_> - - 0 -1 3108 -9.8015682306140661e-04 - - 1.4717060327529907e-01 -3.5082500427961349e-02 - <_> - - 0 -1 3109 -1.2613929808139801e-02 - - -2.3039579391479492e-01 2.6101479306817055e-02 - <_> - - 0 -1 3110 5.1353210437810048e-05 - - -7.3191367089748383e-02 7.0723876357078552e-02 - <_> - - 0 -1 3111 -1.1017440119758248e-03 - - 1.0001300275325775e-01 -1.9991559907793999e-02 - <_> - - 0 -1 3112 2.3879110813140869e-05 - - -7.3069721460342407e-02 7.6998889446258545e-02 - <_> - - 0 -1 3113 -8.5628936067223549e-03 - - 5.3870048373937607e-02 -8.1171043217182159e-02 - <_> - - 0 -1 3114 2.4042169749736786e-01 - - -1.4012940227985382e-02 5.0366157293319702e-01 - <_> - - 0 -1 3115 5.4416628554463387e-03 - - 2.5490989908576012e-02 -1.2167359888553619e-01 - <_> - - 0 -1 3116 1.2384300120174885e-02 - - 1.2509509921073914e-02 -3.8121658563613892e-01 - <_> - - 0 -1 3117 9.6918210387229919e-02 - - -1.2539669871330261e-02 1.0202600061893463e-01 - <_> - - 0 -1 3118 1.2472909688949585e-01 - - 8.6807161569595337e-03 -6.0219871997833252e-01 - <_> - - 0 -1 3119 5.1862320106010884e-05 - - -6.0201589018106461e-02 6.4894728362560272e-02 - <_> - - 0 -1 3120 -5.2220391808077693e-05 - - 7.8609548509120941e-02 -6.0117799788713455e-02 - <_> - - 0 -1 3121 -2.3879110813140869e-05 - - 7.9572148621082306e-02 -5.4761201143264771e-02 - <_> - - 0 -1 3122 2.4684870368218981e-05 - - -7.5995661318302155e-02 8.9526608586311340e-02 - <_> - - 0 -1 3123 6.6632673144340515e-02 - - 1.1696009896695614e-02 -3.8171160221099854e-01 - <_> - - 0 -1 3124 2.0522400736808777e-03 - - -3.4895081073045731e-02 1.3413290679454803e-01 - <_> - - 0 -1 3125 -3.9307191036641598e-03 - - -6.6283293068408966e-02 2.9610849916934967e-02 - <_> - - 0 -1 3126 1.2441479600965977e-02 - - 1.5905169770121574e-02 -3.2050350308418274e-01 - <_> - - 0 -1 3127 3.8802489638328552e-02 - - -1.5245269984006882e-02 6.3629612326622009e-02 - <_> - - 0 -1 3128 -6.3351631979458034e-05 - - 6.1788670718669891e-02 -7.1749016642570496e-02 - <_> - - 0 -1 3129 -2.4020129814743996e-02 - - 2.4262709915637970e-01 -8.7506501004099846e-03 - <_> - - 0 -1 3130 6.7699998617172241e-03 - - -3.3120978623628616e-02 1.4404219388961792e-01 - <_> - - 0 -1 3131 -1.6888360679149628e-01 - - 3.5152590274810791e-01 -7.1931672282516956e-03 - <_> - - 0 -1 3132 -6.7578062415122986e-02 - - -2.2686310112476349e-01 2.5602210313081741e-02 - <_> - - 0 -1 3133 -1.1355879716575146e-02 - - -6.2450700998306274e-01 2.5642369873821735e-03 - <_> - - 0 -1 3134 7.7880248427391052e-02 - - 7.9159401357173920e-03 -5.6059461832046509e-01 - <_> - - 0 -1 3135 -2.9031829908490181e-03 - - 9.4153687357902527e-02 -4.9611900001764297e-02 - <_> - - 0 -1 3136 -2.4730090517550707e-03 - - 1.0858210176229477e-01 -5.3893819451332092e-02 - <_> - - 0 -1 3137 3.8511860184371471e-03 - - 2.3423779755830765e-02 -1.3090899586677551e-01 - <_> - - 0 -1 3138 -2.2390179801732302e-03 - - -2.1743249893188477e-01 2.4435719475150108e-02 - <_> - - 0 -1 3139 7.3695750907063484e-03 - - -2.4774579331278801e-02 1.1588659882545471e-01 - <_> - - 0 -1 3140 -4.6323970891535282e-03 - - 1.2989379465579987e-01 -3.8149699568748474e-02 - <_> - - 0 -1 3141 1.9922649487853050e-02 - - 1.5869069844484329e-02 -1.8562960624694824e-01 - <_> - - 0 -1 3142 1.6726849600672722e-02 - - 1.6922770440578461e-01 -3.2117698341608047e-02 - <_> - - 0 -1 3143 -1.4559989795088768e-03 - - 7.2710826992988586e-02 -5.3102489560842514e-02 - <_> - - 0 -1 3144 1.4368960261344910e-01 - - -1.0999070107936859e-01 6.3211508095264435e-02 - <_> - - 0 -1 3145 -5.9681031852960587e-03 - - 8.5351467132568359e-02 -3.1996998935937881e-02 - <_> - - 0 -1 3146 8.6067931260913610e-04 - - -6.7739866673946381e-02 7.8335791826248169e-02 - <_> - - 0 -1 3147 2.2462129127234221e-03 - - 4.2138159275054932e-02 -1.5379780530929565e-01 - <_> - - 0 -1 3148 -2.3184010758996010e-02 - - 2.3559680581092834e-01 -2.2087629884481430e-02 - <_> - - 0 -1 3149 8.3518847532104701e-05 - - -4.9133669584989548e-02 3.5325560718774796e-02 - <_> - - 0 -1 3150 -2.2380428854376078e-03 - - 1.7978920042514801e-01 -2.4958169087767601e-02 - <_> - - 0 -1 3151 -3.6487199831753969e-03 - - -4.8889059573411942e-02 1.5720760449767113e-02 - <_> - - 0 -1 3152 2.4686430115252733e-03 - - 3.4214280545711517e-02 -1.3692939281463623e-01 - <_> - - 0 -1 3153 -1.7901340499520302e-02 - - 2.0170210301876068e-01 -5.8616171590983868e-03 - <_> - - 0 -1 3154 5.4372870363295078e-04 - - -8.1766016781330109e-02 5.7825129479169846e-02 - <_> - - 0 -1 3155 7.2202371666207910e-04 - - 2.4502370506525040e-02 -6.1022099107503891e-02 - <_> - - 0 -1 3156 -3.6474859807640314e-03 - - -1.4141079783439636e-01 3.6404989659786224e-02 - <_> - - 0 -1 3157 7.3206011438742280e-04 - - -4.3659660965204239e-02 4.8195239156484604e-02 - <_> - - 0 -1 3158 3.1086079776287079e-02 - - 3.6769669502973557e-02 -1.4276769757270813e-01 - <_> - - 0 -1 3159 -6.9447411224246025e-03 - - 3.5043680667877197e-01 -7.0687229745090008e-03 - <_> - - 0 -1 3160 6.0204358305782080e-05 - - -1.2189149856567383e-01 4.1316650807857513e-02 - <_> - - 0 -1 3161 3.6609929054975510e-02 - - 1.9925929605960846e-02 -9.8471991717815399e-02 - <_> - - 0 -1 3162 -1.0960429906845093e-02 - - 1.2811520695686340e-01 -3.8388188928365707e-02 - <_> - - 0 -1 3163 -2.3295450955629349e-03 - - 7.0760749280452728e-02 -2.8919460251927376e-02 - <_> - - 0 -1 3164 6.1855830252170563e-02 - - -4.7587100416421890e-02 9.8586358129978180e-02 - <_> - - 0 -1 3165 -2.3475209251046181e-02 - - 8.6964562535285950e-02 -1.2254109606146812e-02 - <_> - - 0 -1 3166 -9.3669712077826262e-04 - - 8.1251077353954315e-02 -5.4221849888563156e-02 - <_> - - 0 -1 3167 -1.3151890039443970e-01 - - -1.5397280454635620e-01 1.0072549805045128e-02 - <_> - - 0 -1 3168 8.8957380503416061e-03 - - 3.1962350010871887e-02 -1.3615429401397705e-01 - <_> - - 0 -1 3169 -8.2765902334358543e-05 - - 5.3280740976333618e-02 -5.5038310587406158e-02 - <_> - - 0 -1 3170 2.0361710339784622e-03 - - 3.5483650863170624e-02 -1.2068919837474823e-01 - <_> - - 0 -1 3171 2.8764940798282623e-03 - - -2.7869360521435738e-02 1.0440739989280701e-01 - <_> - - 0 -1 3172 -9.9125062115490437e-04 - - 9.7983770072460175e-02 -5.9333961457014084e-02 - <_> - - 0 -1 3173 3.0070789158344269e-02 - - 1.6433039680123329e-02 -9.3353606760501862e-02 - <_> - - 0 -1 3174 -5.2220391808077693e-05 - - 7.5220681726932526e-02 -5.7729821652173996e-02 - <_> - - 0 -1 3175 -1.4955939352512360e-01 - - -5.7173091173171997e-01 7.4865440838038921e-03 - <_> - - 0 -1 3176 -1.0101850144565105e-02 - - 1.8661679327487946e-01 -2.6581920683383942e-02 - <_> - - 0 -1 3177 -2.3593820631504059e-02 - - -3.6165231466293335e-01 8.6832279339432716e-03 - <_> - - 0 -1 3178 -5.6298989802598953e-02 - - 3.8091570138931274e-01 -1.2540389783680439e-02 - <_> - - 0 -1 3179 4.8374498874181882e-05 - - -3.7239558994770050e-02 4.3505970388650894e-02 - <_> - - 0 -1 3180 7.3194838478229940e-05 - - -5.7480230927467346e-02 8.0166891217231750e-02 - <_> - - 0 -1 3181 -2.2648379206657410e-02 - - -9.1465108096599579e-02 6.0311011038720608e-03 - <_> - - 0 -1 3182 7.5446818955242634e-03 - - 2.7741640806198120e-02 -1.7181250452995300e-01 - <_> - - 0 -1 3183 -1.0577409714460373e-01 - - 5.3441429138183594e-01 -5.1590129733085632e-03 - <_> - - 0 -1 3184 4.4444771483540535e-03 - - 3.4301549196243286e-02 -1.4514839649200439e-01 - <_> - - 0 -1 3185 5.6781400926411152e-03 - - -4.3091170489788055e-02 1.4633339643478394e-01 - <_> - - 0 -1 3186 -1.0109309852123260e-01 - - -1.7478010058403015e-01 2.8068430721759796e-02 - <_> - - 0 -1 3187 -4.7357238829135895e-02 - - 1.6704539954662323e-01 -1.5818670392036438e-02 - <_> - - 0 -1 3188 -5.7674032449722290e-01 - - -6.2243127822875977e-01 7.9542007297277451e-03 - <_> - - 0 -1 3189 1.8059749854728580e-03 - - -1.6442989930510521e-02 4.6261239796876907e-02 - <_> - - 0 -1 3190 1.4680040068924427e-02 - - 8.1173582002520561e-03 -5.5666857957839966e-01 - <_> - - 0 -1 3191 -1.6897849738597870e-01 - - -3.1401479244232178e-01 1.2572989799082279e-02 - <_> - - 0 -1 3192 -1.9389929249882698e-02 - - 1.5510299801826477e-01 -2.7996309101581573e-02 - <_> - - 0 -1 3193 -2.6446670293807983e-02 - - -3.1462061405181885e-01 1.7393559217453003e-02 - <_> - - 0 -1 3194 -4.5732469297945499e-03 - - -1.3583140075206757e-01 3.7665959447622299e-02 - <_> - - 0 -1 3195 7.8531084582209587e-03 - - -3.6102959420531988e-03 1.8964889645576477e-01 - <_> - - 0 -1 3196 2.7107769710710272e-05 - - -8.4309861063957214e-02 5.4540161043405533e-02 - <_> - - 0 -1 3197 -2.0377049222588539e-02 - - 1.1659640073776245e-01 -1.3695999979972839e-02 - <_> - - 0 -1 3198 1.7351469397544861e-01 - - -1.2655749917030334e-02 3.5746860504150391e-01 - <_> - - 0 -1 3199 5.4228559136390686e-02 - - 9.2725036665797234e-03 -1.7699269950389862e-01 - <_> - - 0 -1 3200 5.4582608863711357e-03 - - -4.3747000396251678e-02 1.0337469726800919e-01 - <_> - - 0 -1 3201 6.3768923282623291e-02 - - 2.1960640326142311e-02 -2.0528109371662140e-01 - <_> - - 0 -1 3202 1.1216020211577415e-02 - - -6.0158800333738327e-02 7.7689386904239655e-02 - <_> - - 0 -1 3203 3.9365720003843307e-02 - - -2.0138410851359367e-02 1.2760840356349945e-01 - <_> - - 0 -1 3204 -1.6133710741996765e-02 - - 1.1279760301113129e-01 -6.0140721499919891e-02 - <_> - - 0 -1 3205 -1.6923110233619809e-03 - - 2.8056159615516663e-02 -4.9229931086301804e-02 - <_> - - 0 -1 3206 -4.9907790526049212e-05 - - 7.2209537029266357e-02 -5.7712871581315994e-02 - <_> - - 0 -1 3207 8.3856992423534393e-03 - - 4.2978320270776749e-03 -4.8725709319114685e-01 - <_> - - 0 -1 3208 -6.8764640018343925e-03 - - -3.5551750659942627e-01 1.0993010364472866e-02 - <_> - - 0 -1 3209 -7.4763470329344273e-03 - - 1.6195739805698395e-01 -2.6884159073233604e-02 - <_> - - 0 -1 3210 3.8878160994499922e-03 - - -1.1019629985094070e-01 4.0942940860986710e-02 - <_> - - 0 -1 3211 -6.3231296837329865e-02 - - 4.9099159240722656e-01 -5.1781800575554371e-03 - <_> - - 0 -1 3212 -5.6607749313116074e-02 - - 3.7937331199645996e-01 -1.0820900090038776e-02 - <_> - - 0 -1 3213 -2.6267269253730774e-01 - - -4.4802859425544739e-01 1.0556190274655819e-02 - <_> - - 0 -1 3214 -5.4856478527653962e-05 - - 6.5392680466175079e-02 -6.2045000493526459e-02 - <_> - - 0 -1 3215 4.7022080252645537e-05 - - -3.5339221358299255e-02 4.8449590802192688e-02 - <_> - - 0 -1 3216 7.6384996646083891e-05 - - -5.5468279868364334e-02 8.1199139356613159e-02 - <_> - - 0 -1 3217 -1.3491000235080719e-01 - - -5.6497681140899658e-01 5.8416058309376240e-03 - <_> - - 0 -1 3218 -1.7328690737485886e-02 - - 6.8611651659011841e-02 -6.2486048787832260e-02 - <_> - - 0 -1 3219 -1.1590039730072021e-01 - - 3.5991528630256653e-01 -7.0457011461257935e-03 - <_> - - 0 -1 3220 -2.5972709991037846e-03 - - -6.1048980802297592e-02 7.2908006608486176e-02 - <_> - - 0 -1 3221 -5.8517122268676758e-01 - - 1.7067320644855499e-01 -2.7490269392728806e-02 - <_> - - 0 -1 3222 -1.6476539894938469e-02 - - 1.3038930296897888e-01 -3.3192738890647888e-02 - <_> - - 0 -1 3223 -4.7457408159971237e-02 - - 9.3888796865940094e-02 -4.7779250890016556e-02 - <_> - - 0 -1 3224 -7.1776830591261387e-03 - - -1.9722719490528107e-01 2.3815890774130821e-02 - <_> - - 0 -1 3225 8.9368229964748025e-04 - - -3.8510698825120926e-02 1.2537740170955658e-01 - <_> - - 0 -1 3226 -1.5897080302238464e-01 - - 4.2691999673843384e-01 -1.1353019624948502e-02 - <_> - - 0 -1 3227 -1.5724339755252004e-03 - - 1.3034050166606903e-01 -2.9230359941720963e-02 - <_> - - 0 -1 3228 6.2912302382756025e-05 - - -5.3911529481410980e-02 8.9420966804027557e-02 - <_> - - 0 -1 3229 7.9537890851497650e-03 - - 2.9220320284366608e-02 -1.6147419810295105e-01 - <_> - - 0 -1 3230 2.7854310348629951e-02 - - 8.1461891531944275e-03 -5.0107979774475098e-01 - <_> - - 0 -1 3231 -3.0726810917258263e-02 - - -3.9195880293846130e-01 6.9215041585266590e-03 - <_> - - 0 -1 3232 -3.5664699971675873e-02 - - -7.5857192277908325e-01 5.3641172125935555e-03 - <_> - - 0 -1 3233 3.6027681082487106e-02 - - -1.9103139638900757e-02 2.4392929673194885e-01 - <_> - - 0 -1 3234 6.5820151939988136e-04 - - -8.8687792420387268e-02 5.6508339941501617e-02 - <_> - - 0 -1 3235 -1.2858919799327850e-01 - - -1.3470490276813507e-01 1.5026190318167210e-02 - <_> - - 0 -1 3236 -2.5442369282245636e-02 - - -1.9021469354629517e-01 2.1260490640997887e-02 - <_> - - 0 -1 3237 5.1264330744743347e-02 - - -3.6050491034984589e-03 3.7001758813858032e-01 - <_> - - 0 -1 3238 3.2650150358676910e-02 - - -1.3591149821877480e-02 3.2766878604888916e-01 - <_> - - 0 -1 3239 5.5878241546452045e-03 - - -8.4945466369390488e-03 8.9727967977523804e-02 - <_> - - 0 -1 3240 -4.5875091105699539e-02 - - 4.1267889738082886e-01 -9.8934909328818321e-03 - <_> - - 0 -1 3241 5.4674488492310047e-03 - - -3.0802270397543907e-02 6.0756050050258636e-02 - <_> - - 0 -1 3242 1.0691279917955399e-01 - - -3.0546620488166809e-02 1.4703939855098724e-01 - <_> - - 0 -1 3243 5.8234319090843201e-02 - - 1.7207229975610971e-03 -6.0017997026443481e-01 - <_> - - 0 -1 3244 5.4181519895792007e-02 - - 1.1113340035080910e-02 -4.2601078748703003e-01 - <_> - - 0 -1 3245 1.9892099499702454e-01 - - 1.5127729857340455e-03 -6.6665178537368774e-01 - <_> - - 0 -1 3246 -8.3669811487197876e-02 - - -1.5974959731101990e-01 2.5830730795860291e-02 - <_> - - 0 -1 3247 -3.8393560796976089e-02 - - -4.1582900285720825e-01 9.7704501822590828e-03 - <_> - - 0 -1 3248 5.7619191706180573e-02 - - 9.3507859855890274e-03 -4.1870141029357910e-01 - <_> - - 0 -1 3249 4.4033560901880264e-02 - - -4.6378269791603088e-02 9.1974459588527679e-02 - <_> - - 0 -1 3250 2.6608958840370178e-01 - - 1.0085210204124451e-02 -3.8973841071128845e-01 - <_> - - 0 -1 3251 -5.3618479520082474e-02 - - -5.0888961553573608e-01 4.0682330727577209e-03 - <_> - - 0 -1 3252 -6.6047519794665277e-05 - - 6.9126643240451813e-02 -5.9194508939981461e-02 - <_> - - 0 -1 3253 5.5685410188743845e-05 - - -4.0055848658084869e-02 5.4304640740156174e-02 - <_> - - 0 -1 3254 -5.3049330745125189e-05 - - 7.3174417018890381e-02 -5.9858329594135284e-02 - <_> - - 0 -1 3255 -1.2469390407204628e-02 - - -3.1522521376609802e-01 1.1735130101442337e-02 - <_> - - 0 -1 3256 -9.2733606696128845e-02 - - 3.2328981161117554e-01 -1.2764150276780128e-02 - <_> - - 0 -1 3257 5.9549742937088013e-01 - - 8.3142714574933052e-03 -5.6721991300582886e-01 - <_> - - 0 -1 3258 5.3787451982498169e-01 - - -1.4138909988105297e-02 3.2671380043029785e-01 - <_> - - 0 -1 3259 -1.9027920067310333e-01 - - -6.6162157058715820e-01 7.4805710464715958e-03 - <_> - - 0 -1 3260 6.7436046898365021e-02 - - 5.3405929356813431e-03 -5.7537007331848145e-01 - <_> - - 0 -1 3261 -1.7849049763754010e-03 - - 3.4301608800888062e-02 -1.2449859827756882e-01 - <_> - - 0 -1 3262 -1.7916489392518997e-02 - - 2.1311169862747192e-01 -2.1878639236092567e-02 - <_> - - 0 -1 3263 3.4813389647752047e-03 - - 2.6820680126547813e-02 -1.0166029632091522e-01 - <_> - - 0 -1 3264 1.6392209799960256e-03 - - -2.2629670798778534e-02 1.6795350611209869e-01 - <_> - - 0 -1 3265 5.8717228966997936e-05 - - -9.6914820373058319e-02 5.4079819470643997e-02 - <_> - - 0 -1 3266 -1.1430910089984536e-03 - - -9.1304652392864227e-02 4.7841008752584457e-02 - <_> - - 0 -1 3267 -1.2747140228748322e-01 - - 1.2315750122070312e-01 -3.9322629570960999e-02 - <_> - - 0 -1 3268 5.0409889809088781e-05 - - -4.6518798917531967e-02 9.3584999442100525e-02 - <_> - - 0 -1 3269 -7.7158221974968910e-03 - - -6.5466707944869995e-01 3.9967028424143791e-03 - <_> - - 0 -1 3270 2.7107769710710272e-05 - - -6.4025022089481354e-02 6.3265442848205566e-02 - <_> - - 0 -1 3271 1.5383179998025298e-03 - - 2.2635150700807571e-02 -1.9351179897785187e-01 - <_> - - 0 -1 3272 -6.4936917624436319e-05 - - 5.7882208377122879e-02 -7.3858819901943207e-02 - <_> - - 0 -1 3273 1.3653080165386200e-01 - - -1.4967570081353188e-02 2.6669740676879883e-01 - <_> - - 0 -1 3274 1.8993720412254333e-01 - - 1.2506790459156036e-02 -3.5344779491424561e-01 - <_> - - 0 -1 3275 3.1455919146537781e-02 - - 1.8380979076027870e-02 -6.0388348996639252e-02 - <_> - - 0 -1 3276 -2.6903549209237099e-02 - - -2.2182409465312958e-01 1.8634779378771782e-02 - <_> - - 0 -1 3277 -2.5814530253410339e-01 - - -8.0185538530349731e-01 3.8440190837718546e-04 - <_> - - 0 -1 3278 1.5139740705490112e-01 - - 2.6706179603934288e-02 -1.5360879898071289e-01 - <_> - - 0 -1 3279 4.4095158576965332e-02 - - 4.9483109265565872e-02 -1.3220359571278095e-02 - <_> - - 0 -1 3280 1.7376670148223639e-03 - - -2.9610499739646912e-02 1.2741160392761230e-01 - <_> - - 0 -1 3281 6.7472518421709538e-03 - - 3.6909829825162888e-02 -1.8634669482707977e-01 - <_> - - 0 -1 3282 -2.7132511138916016e-01 - - 4.3453308939933777e-01 -9.0847145766019821e-03 - <_> - - 0 -1 3283 4.7428919933736324e-03 - - 1.6645729541778564e-02 -9.9810160696506500e-02 - <_> - - 0 -1 3284 9.8173134028911591e-03 - - -5.5774748325347900e-02 7.1195892989635468e-02 - <_> - - 0 -1 3285 1.1679739691317081e-03 - - -6.7695029079914093e-02 4.1236151009798050e-02 - <_> - - 0 -1 3286 -3.1285739969462156e-03 - - 7.9346306622028351e-02 -6.4487002789974213e-02 - <_> - - 0 -1 3287 -2.1147250663489103e-03 - - -1.0483580082654953e-01 1.4968249946832657e-02 - <_> - - 0 -1 3288 -1.7796000465750694e-03 - - 2.8925609588623047e-01 -1.3443579897284508e-02 - <_> - - 0 -1 3289 -2.1853840351104736e-01 - - -5.6218802928924561e-01 2.4572419933974743e-03 - <_> - - 0 -1 3290 -5.4242029786109924e-02 - - -2.1208059787750244e-01 1.9283739849925041e-02 - <_> - - 0 -1 3291 2.2505840752273798e-03 - - 8.7050450965762138e-03 -4.6989489346742630e-02 - <_> - - 0 -1 3292 2.7368739247322083e-02 - - 5.3823711350560188e-03 -7.3394852876663208e-01 - <_> - - 0 -1 3293 -1.7120830714702606e-02 - - 1.7836299538612366e-01 -7.9886056482791901e-03 - <_> - - 0 -1 3294 5.8321221731603146e-03 - - 1.9390260800719261e-02 -2.0578180253505707e-01 - <_> - - 0 -1 3295 -6.9258757866919041e-04 - - 5.2536159753799438e-02 -3.4893590956926346e-02 - <_> - - 0 -1 3296 2.1873079240322113e-03 - - -3.0892930924892426e-02 1.1824580281972885e-01 - <_> - - 0 -1 3297 -2.6870400179177523e-03 - - -4.7888439148664474e-02 1.0966289788484573e-02 - <_> - - 0 -1 3298 1.7761799972504377e-03 - - 2.8323309496045113e-02 -1.3571000099182129e-01 - <_> - - 0 -1 3299 2.6876769959926605e-02 - - 1.0936670005321503e-02 -1.3214470446109772e-01 - <_> - - 0 -1 3300 -3.9743751287460327e-02 - - -2.7749490737915039e-01 1.4792799949645996e-02 - <_> - - 0 -1 3301 5.1912020891904831e-02 - - -3.0621079728007317e-02 1.3863949477672577e-01 - <_> - - 0 -1 3302 -4.9659938667900860e-05 - - 6.5223008394241333e-02 -6.1120528727769852e-02 - <_> - - 0 -1 3303 2.0899269729852676e-02 - - 1.0013979859650135e-02 -3.7899270653724670e-01 - <_> - - 0 -1 3304 3.4640848636627197e-02 - - -2.3631630465388298e-02 1.6691960394382477e-01 - <_> - - 0 -1 3305 2.8383019380271435e-03 - - 2.2854080423712730e-02 -5.9783868491649628e-02 - <_> - - 0 -1 3306 2.1739569492638111e-03 - - -1.8679669126868248e-02 1.9977539777755737e-01 - <_> - - 0 -1 3307 -1.5048719942569733e-02 - - -3.1850379705429077e-01 3.2470070291310549e-03 - <_> - - 0 -1 3308 -7.0679760538041592e-03 - - -3.4946501255035400e-01 1.1351609602570534e-02 - <_> - - 0 -1 3309 2.0126479864120483e-01 - - -1.5343960374593735e-02 2.7069568634033203e-01 - <_> - - 0 -1 3310 -4.5434191823005676e-02 - - -1.5440119802951813e-01 2.6735989376902580e-02 - <_> - - 0 -1 3311 5.0224931328557432e-05 - - -4.5412018895149231e-02 5.8358419686555862e-02 - <_> - - 0 -1 3312 2.8120330534875393e-03 - - -3.5226300358772278e-02 1.2060999870300293e-01 - <_> - - 0 -1 3313 1.0989969968795776e-01 - - -8.2655288279056549e-03 2.7113300561904907e-01 - <_> - - 0 -1 3314 3.5002671182155609e-02 - - 4.1824929416179657e-02 -1.4443680644035339e-01 - <_> - - 0 -1 3315 5.6986298412084579e-02 - - -4.4864691793918610e-02 9.4764657318592072e-02 - <_> - - 0 -1 3316 -1.9248030148446560e-03 - - 4.3857198208570480e-02 -1.1556690186262131e-01 - <_> - - 0 -1 3317 3.6413230001926422e-02 - - -2.5924969464540482e-02 8.7799377739429474e-02 - <_> - - 0 -1 3318 4.9817138351500034e-03 - - -6.2499199062585831e-02 6.2983013689517975e-02 - <_> - - 0 -1 3319 -1.5732439234852791e-02 - - 1.0918200016021729e-01 -3.5442460328340530e-02 - <_> - - 0 -1 3320 -3.2386161386966705e-02 - - -6.1410897970199585e-01 6.1990139074623585e-03 - <_> - - 0 -1 3321 1.9163029268383980e-02 - - -3.0063120648264885e-03 4.8029029369354248e-01 - <_> - - 0 -1 3322 -6.6093212808482349e-05 - - 5.7336781173944473e-02 -7.1615733206272125e-02 - <_> - - 0 -1 3323 1.1779610067605972e-03 - - 4.7181140631437302e-02 -9.4607576727867126e-02 - <_> - - 0 -1 3324 -1.4855359680950642e-02 - - -1.3877260684967041e-01 3.3843901008367538e-02 - <_> - - 0 -1 3325 -2.3859990760684013e-02 - - 1.9980570673942566e-01 -1.2243060395121574e-02 - <_> - - 0 -1 3326 -7.8580729663372040e-02 - - -4.9618101119995117e-01 9.5836250111460686e-03 - <_> - - 0 -1 3327 -2.8969749808311462e-02 - - 2.0147210359573364e-01 -2.1185049787163734e-02 - <_> - - 0 -1 3328 4.5099250972270966e-02 - - 7.2327218949794769e-03 -5.7577252388000488e-01 - <_> - - 0 -1 3329 3.9302468299865723e-02 - - 2.5572910904884338e-02 -1.4938560128211975e-01 - <_> - - 0 -1 3330 3.8417819887399673e-02 - - 4.3327999301254749e-03 -8.4697937965393066e-01 - <_> - - 0 -1 3331 1.5752380713820457e-02 - - 2.1558489650487900e-02 -9.4584867358207703e-02 - <_> - - 0 -1 3332 6.5488961990922689e-04 - - -1.1371400207281113e-01 3.4283000975847244e-02 - <_> - - 0 -1 3333 6.0493252240121365e-03 - - -1.5399529598653316e-02 1.0828500241041183e-01 - <_> - - 0 -1 3334 3.8006659597158432e-02 - - 8.7194433435797691e-03 -4.5662951469421387e-01 - <_> - - 0 -1 3335 2.2284449078142643e-03 - - -5.4057799279689789e-02 2.0597549155354500e-02 - <_> - - 0 -1 3336 -1.1698610149323940e-02 - - 1.8344320356845856e-01 -2.3553410544991493e-02 - <_> - - 0 -1 3337 -2.3577509447932243e-02 - - -3.3778700232505798e-01 4.2076371610164642e-03 - <_> - - 0 -1 3338 -1.7685960046947002e-03 - - -1.0340850055217743e-01 3.9750009775161743e-02 - <_> - - 0 -1 3339 -6.2674082815647125e-02 - - 2.5634589791297913e-01 -2.6633420493453741e-03 - <_> - - 0 -1 3340 4.9983179196715355e-03 - - -5.9610750526189804e-02 6.8351902067661285e-02 - <_> - - 0 -1 3341 -1.3796079903841019e-02 - - -1.2925280630588531e-01 1.3147160410881042e-02 - <_> - - 0 -1 3342 7.3155229911208153e-03 - - 2.3670859634876251e-02 -1.7314620316028595e-01 - <_> - - 0 -1 3343 1.6057699918746948e-02 - - 2.1099910140037537e-02 -3.6534700542688370e-02 - <_> - - 0 -1 3344 -1.3640339672565460e-01 - - 3.2520669698715210e-01 -1.2592249549925327e-02 - <_> - - 0 -1 3345 -4.3760128319263458e-03 - - -6.8926952779293060e-02 1.2655669823288918e-02 - <_> - - 0 -1 3346 -2.5193709880113602e-02 - - 6.3607120513916016e-01 -6.9624311290681362e-03 - <_> - - 0 -1 3347 -9.9254563450813293e-02 - - -1.6383069753646851e-01 4.0242899209260941e-02 - <_> - - 0 -1 3348 -4.1403169743716717e-03 - - 4.5324161648750305e-02 -9.0439721941947937e-02 - <_> - - 0 -1 3349 -9.2972591519355774e-03 - - 7.3006376624107361e-02 -2.1570960059762001e-02 - <_> - - 0 -1 3350 -6.5849390812218189e-03 - - -1.4133420586585999e-01 3.4721940755844116e-02 - <_> - - 0 -1 3351 8.2593657076358795e-02 - - 2.2461370099335909e-03 -3.3250170946121216e-01 - <_> - - 0 -1 3352 4.4785510748624802e-02 - - -1.6393229365348816e-02 3.1968909502029419e-01 - <_> - - 0 -1 3353 1.4941610395908356e-02 - - -1.3618029654026031e-02 9.1183677315711975e-02 - <_> - - 0 -1 3354 -4.8578871064819396e-04 - - 4.5027341693639755e-02 -9.9143527448177338e-02 - <_> - - 0 -1 3355 -1.0591340251266956e-03 - - 4.3794080615043640e-02 -4.6322930604219437e-02 - <_> - - 0 -1 3356 -1.2409189715981483e-02 - - -1.1891479790210724e-01 4.1725698858499527e-02 - <_> - - 0 -1 3357 -2.0622629672288895e-03 - - 1.3315789401531219e-01 -2.3993510752916336e-02 - <_> - - 0 -1 3358 8.8945101015269756e-04 - - -3.2941568642854691e-02 1.3120089471340179e-01 - <_> - - 0 -1 3359 -1.6302269650623202e-03 - - -5.3911749273538589e-02 1.4448829926550388e-02 - <_> - - 0 -1 3360 7.9654958099126816e-03 - - 1.4407279901206493e-02 -2.6187309622764587e-01 - <_> - - 0 -1 3361 -6.1501268646679819e-05 - - 3.3002119511365891e-02 -2.9767390340566635e-02 - <_> - - 0 -1 3362 -2.0129390060901642e-01 - - -4.9312359094619751e-01 7.3236711323261261e-03 - <_> - - 0 -1 3363 1.2285460252314806e-03 - - 3.4660179167985916e-02 -9.4074666500091553e-02 - <_> - - 0 -1 3364 1.0491379536688328e-02 - - -3.8984928280115128e-02 1.2683519721031189e-01 - - <_> - - <_> - 8 4 4 4 -1. - <_> - 8 4 4 2 2. - 1 - <_> - - <_> - 3 0 12 7 -1. - <_> - 6 0 6 7 2. - <_> - - <_> - 3 5 12 9 -1. - <_> - 3 8 12 3 3. - <_> - - <_> - 6 0 6 8 -1. - <_> - 6 0 3 8 2. - <_> - - <_> - 3 8 12 4 -1. - <_> - 3 10 12 2 2. - <_> - - <_> - 10 1 3 8 -1. - <_> - 10 1 3 4 2. - 1 - <_> - - <_> - 8 1 8 3 -1. - <_> - 8 1 4 3 2. - 1 - <_> - - <_> - 3 0 12 3 -1. - <_> - 3 1 12 1 3. - <_> - - <_> - 8 0 2 3 -1. - <_> - 8 1 2 1 3. - <_> - - <_> - 5 6 11 9 -1. - <_> - 5 9 11 3 3. - <_> - - <_> - 7 1 2 1 -1. - <_> - 8 1 1 1 2. - <_> - - <_> - 9 1 2 1 -1. - <_> - 9 1 1 1 2. - <_> - - <_> - 4 0 9 7 -1. - <_> - 7 0 3 7 3. - <_> - - <_> - 3 7 12 8 -1. - <_> - 3 9 12 4 2. - <_> - - <_> - 2 0 14 14 -1. - <_> - 9 0 7 14 2. - <_> - - <_> - 3 4 12 9 -1. - <_> - 3 7 12 3 3. - <_> - - <_> - 5 3 6 1 -1. - <_> - 8 3 3 1 2. - <_> - - <_> - 9 2 6 4 -1. - <_> - 9 2 3 4 2. - 1 - <_> - - <_> - 9 2 5 6 -1. - <_> - 9 2 5 3 2. - 1 - <_> - - <_> - 10 0 4 9 -1. - <_> - 7 3 4 3 3. - 1 - <_> - - <_> - 8 0 8 4 -1. - <_> - 10 2 4 4 2. - 1 - <_> - - <_> - 3 0 12 1 -1. - <_> - 7 0 4 1 3. - <_> - - <_> - 2 6 14 9 -1. - <_> - 2 9 14 3 3. - <_> - - <_> - 9 0 5 3 -1. - <_> - 9 1 5 1 3. - <_> - - <_> - 4 0 10 2 -1. - <_> - 4 0 5 1 2. - <_> - 9 1 5 1 2. - <_> - - <_> - 6 0 12 14 -1. - <_> - 9 0 6 14 2. - <_> - - <_> - 5 0 6 3 -1. - <_> - 5 1 6 1 3. - <_> - - <_> - 14 0 4 14 -1. - <_> - 14 7 4 7 2. - <_> - - <_> - 4 1 10 2 -1. - <_> - 4 1 5 1 2. - <_> - 9 2 5 1 2. - <_> - - <_> - 2 9 14 4 -1. - <_> - 2 11 14 2 2. - <_> - - <_> - 2 4 14 9 -1. - <_> - 2 7 14 3 3. - <_> - - <_> - 14 0 4 12 -1. - <_> - 14 6 4 6 2. - <_> - - <_> - 0 0 4 12 -1. - <_> - 0 6 4 6 2. - <_> - - <_> - 11 1 3 3 -1. - <_> - 11 2 3 1 3. - <_> - - <_> - 6 3 4 2 -1. - <_> - 6 3 2 1 2. - <_> - 8 4 2 1 2. - <_> - - <_> - 8 0 6 4 -1. - <_> - 8 1 6 2 2. - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 7 1 4 3 -1. - <_> - 7 2 4 1 3. - <_> - - <_> - 4 1 3 3 -1. - <_> - 4 2 3 1 3. - <_> - - <_> - 10 1 8 14 -1. - <_> - 10 8 8 7 2. - <_> - - <_> - 5 5 8 6 -1. - <_> - 5 8 8 3 2. - <_> - - <_> - 9 0 8 12 -1. - <_> - 11 0 4 12 2. - <_> - - <_> - 4 0 8 10 -1. - <_> - 8 0 4 10 2. - <_> - - <_> - 9 2 2 8 -1. - <_> - 9 2 2 4 2. - 1 - <_> - - <_> - 9 3 8 2 -1. - <_> - 9 3 4 2 2. - 1 - <_> - - <_> - 10 0 1 4 -1. - <_> - 10 1 1 2 2. - <_> - - <_> - 4 2 10 2 -1. - <_> - 4 2 5 1 2. - <_> - 9 3 5 1 2. - <_> - - <_> - 0 0 18 4 -1. - <_> - 9 0 9 2 2. - <_> - 0 2 9 2 2. - <_> - - <_> - 1 0 8 14 -1. - <_> - 3 0 4 14 2. - <_> - - <_> - 7 0 4 2 -1. - <_> - 7 1 4 1 2. - <_> - - <_> - 3 4 12 8 -1. - <_> - 3 6 12 4 2. - <_> - - <_> - 4 4 10 9 -1. - <_> - 4 7 10 3 3. - <_> - - <_> - 1 0 8 3 -1. - <_> - 1 1 8 1 3. - <_> - - <_> - 8 0 6 4 -1. - <_> - 8 2 6 2 2. - <_> - - <_> - 3 0 12 2 -1. - <_> - 6 0 6 2 2. - <_> - - <_> - 5 0 12 4 -1. - <_> - 8 0 6 4 2. - <_> - - <_> - 7 0 3 2 -1. - <_> - 7 0 3 1 2. - 1 - <_> - - <_> - 2 6 14 9 -1. - <_> - 2 9 14 3 3. - <_> - - <_> - 4 0 10 7 -1. - <_> - 9 0 5 7 2. - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 1 1 1 3. - 1 - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 5 0 12 4 -1. - <_> - 8 0 6 4 2. - <_> - - <_> - 5 0 8 7 -1. - <_> - 7 0 4 7 2. - <_> - - <_> - 9 0 3 2 -1. - <_> - 10 1 1 2 3. - 1 - <_> - - <_> - 9 0 1 3 -1. - <_> - 8 1 1 1 3. - 1 - <_> - - <_> - 1 9 16 6 -1. - <_> - 1 11 16 2 3. - <_> - - <_> - 1 9 14 4 -1. - <_> - 1 11 14 2 2. - <_> - - <_> - 5 11 8 4 -1. - <_> - 5 13 8 2 2. - <_> - - <_> - 8 0 8 2 -1. - <_> - 8 0 4 2 2. - 1 - <_> - - <_> - 5 0 12 4 -1. - <_> - 8 0 6 4 2. - <_> - - <_> - 0 1 16 2 -1. - <_> - 4 1 8 2 2. - <_> - - <_> - 0 0 18 8 -1. - <_> - 9 0 9 4 2. - <_> - 0 4 9 4 2. - <_> - - <_> - 8 0 8 3 -1. - <_> - 10 2 4 3 2. - 1 - <_> - - <_> - 10 0 6 7 -1. - <_> - 10 0 3 7 2. - 1 - <_> - - <_> - 8 0 7 6 -1. - <_> - 8 0 7 3 2. - 1 - <_> - - <_> - 12 9 6 4 -1. - <_> - 12 9 3 4 2. - <_> - - <_> - 0 9 6 4 -1. - <_> - 3 9 3 4 2. - <_> - - <_> - 3 1 12 1 -1. - <_> - 7 1 4 1 3. - <_> - - <_> - 4 1 8 3 -1. - <_> - 4 2 8 1 3. - <_> - - <_> - 3 4 12 8 -1. - <_> - 3 6 12 4 2. - <_> - - <_> - 6 0 6 3 -1. - <_> - 6 1 6 1 3. - <_> - - <_> - 11 5 4 4 -1. - <_> - 12 6 2 4 2. - 1 - <_> - - <_> - 9 1 1 3 -1. - <_> - 8 2 1 1 3. - 1 - <_> - - <_> - 11 5 4 4 -1. - <_> - 12 6 2 4 2. - 1 - <_> - - <_> - 7 5 4 4 -1. - <_> - 6 6 4 2 2. - 1 - <_> - - <_> - 10 0 2 2 -1. - <_> - 10 1 2 1 2. - <_> - - <_> - 8 0 2 3 -1. - <_> - 7 1 2 1 3. - 1 - <_> - - <_> - 6 0 6 1 -1. - <_> - 6 0 3 1 2. - <_> - - <_> - 6 0 6 3 -1. - <_> - 9 0 3 3 2. - <_> - - <_> - 5 6 10 9 -1. - <_> - 5 9 10 3 3. - <_> - - <_> - 6 8 6 2 -1. - <_> - 6 9 6 1 2. - <_> - - <_> - 15 10 3 5 -1. - <_> - 16 10 1 5 3. - <_> - - <_> - 0 10 3 5 -1. - <_> - 1 10 1 5 3. - <_> - - <_> - 1 11 16 4 -1. - <_> - 1 13 16 2 2. - <_> - - <_> - 0 10 3 3 -1. - <_> - 0 11 3 1 3. - <_> - - <_> - 3 7 12 8 -1. - <_> - 3 9 12 4 2. - <_> - - <_> - 0 1 4 14 -1. - <_> - 0 8 4 7 2. - <_> - - <_> - 15 11 3 1 -1. - <_> - 16 12 1 1 3. - 1 - <_> - - <_> - 3 0 8 1 -1. - <_> - 7 0 4 1 2. - <_> - - <_> - 12 0 3 2 -1. - <_> - 13 1 1 2 3. - 1 - <_> - - <_> - 4 0 1 4 -1. - <_> - 3 1 1 2 2. - 1 - <_> - - <_> - 4 1 12 4 -1. - <_> - 7 1 6 4 2. - <_> - - <_> - 5 0 1 3 -1. - <_> - 4 1 1 1 3. - 1 - <_> - - <_> - 12 0 2 12 -1. - <_> - 12 0 2 6 2. - 1 - <_> - - <_> - 1 0 12 5 -1. - <_> - 4 0 6 5 2. - <_> - - <_> - 5 0 12 7 -1. - <_> - 8 0 6 7 2. - <_> - - <_> - 1 0 12 7 -1. - <_> - 4 0 6 7 2. - <_> - - <_> - 9 1 1 3 -1. - <_> - 8 2 1 1 3. - 1 - <_> - - <_> - 9 1 3 1 -1. - <_> - 10 2 1 1 3. - 1 - <_> - - <_> - 1 6 16 8 -1. - <_> - 1 8 16 4 2. - <_> - - <_> - 3 5 12 8 -1. - <_> - 3 7 12 4 2. - <_> - - <_> - 3 4 12 4 -1. - <_> - 3 6 12 2 2. - <_> - - <_> - 1 0 8 11 -1. - <_> - 3 0 4 11 2. - <_> - - <_> - 11 1 3 1 -1. - <_> - 12 2 1 1 3. - 1 - <_> - - <_> - 7 1 1 3 -1. - <_> - 6 2 1 1 3. - 1 - <_> - - <_> - 5 12 12 2 -1. - <_> - 5 12 6 2 2. - <_> - - <_> - 2 0 12 5 -1. - <_> - 6 0 4 5 3. - <_> - - <_> - 1 2 17 2 -1. - <_> - 1 3 17 1 2. - <_> - - <_> - 8 4 4 4 -1. - <_> - 8 4 4 2 2. - 1 - <_> - - <_> - 10 1 2 11 -1. - <_> - 10 1 1 11 2. - <_> - - <_> - 3 1 12 9 -1. - <_> - 3 4 12 3 3. - <_> - - <_> - 9 0 4 2 -1. - <_> - 9 0 2 2 2. - 1 - <_> - - <_> - 8 0 2 4 -1. - <_> - 8 0 2 2 2. - 1 - <_> - - <_> - 10 8 8 7 -1. - <_> - 10 8 4 7 2. - <_> - - <_> - 0 9 8 5 -1. - <_> - 4 9 4 5 2. - <_> - - <_> - 3 0 12 1 -1. - <_> - 7 0 4 1 3. - <_> - - <_> - 5 0 8 2 -1. - <_> - 5 1 8 1 2. - <_> - - <_> - 8 0 8 2 -1. - <_> - 8 1 8 1 2. - <_> - - <_> - 2 6 14 6 -1. - <_> - 2 8 14 2 3. - <_> - - <_> - 3 9 12 4 -1. - <_> - 3 11 12 2 2. - <_> - - <_> - 0 1 3 14 -1. - <_> - 0 8 3 7 2. - <_> - - <_> - 2 0 14 2 -1. - <_> - 9 0 7 1 2. - <_> - 2 1 7 1 2. - <_> - - <_> - 8 0 2 4 -1. - <_> - 9 0 1 4 2. - <_> - - <_> - 8 0 3 6 -1. - <_> - 9 2 1 2 9. - <_> - - <_> - 2 1 14 14 -1. - <_> - 9 1 7 14 2. - <_> - - <_> - 9 1 2 9 -1. - <_> - 6 4 2 3 3. - 1 - <_> - - <_> - 9 1 9 2 -1. - <_> - 12 4 3 2 3. - 1 - <_> - - <_> - 1 6 16 9 -1. - <_> - 1 9 16 3 3. - <_> - - <_> - 9 1 4 1 -1. - <_> - 10 2 2 1 2. - 1 - <_> - - <_> - 5 3 8 6 -1. - <_> - 5 6 8 3 2. - <_> - - <_> - 2 5 14 6 -1. - <_> - 2 7 14 2 3. - <_> - - <_> - 0 0 18 10 -1. - <_> - 9 0 9 5 2. - <_> - 0 5 9 5 2. - <_> - - <_> - 0 4 18 2 -1. - <_> - 0 4 9 1 2. - <_> - 9 5 9 1 2. - <_> - - <_> - 16 0 2 10 -1. - <_> - 16 0 1 10 2. - <_> - - <_> - 6 0 2 4 -1. - <_> - 5 1 2 2 2. - 1 - <_> - - <_> - 6 0 12 3 -1. - <_> - 9 0 6 3 2. - <_> - - <_> - 3 0 9 9 -1. - <_> - 6 0 3 9 3. - <_> - - <_> - 9 4 3 1 -1. - <_> - 10 4 1 1 3. - <_> - - <_> - 5 0 8 8 -1. - <_> - 7 0 4 8 2. - <_> - - <_> - 3 12 12 2 -1. - <_> - 3 13 12 1 2. - <_> - - <_> - 7 0 2 5 -1. - <_> - 8 0 1 5 2. - <_> - - <_> - 12 0 3 12 -1. - <_> - 12 0 3 6 2. - 1 - <_> - - <_> - 6 0 12 3 -1. - <_> - 6 0 6 3 2. - 1 - <_> - - <_> - 2 9 15 6 -1. - <_> - 2 11 15 2 3. - <_> - - <_> - 6 7 4 2 -1. - <_> - 6 7 4 1 2. - 1 - <_> - - <_> - 3 1 12 2 -1. - <_> - 9 1 6 1 2. - <_> - 3 2 6 1 2. - <_> - - <_> - 6 1 3 3 -1. - <_> - 7 2 1 1 9. - <_> - - <_> - 11 8 3 2 -1. - <_> - 11 9 3 1 2. - <_> - - <_> - 0 7 18 4 -1. - <_> - 0 7 9 2 2. - <_> - 9 9 9 2 2. - <_> - - <_> - 9 0 3 1 -1. - <_> - 10 1 1 1 3. - 1 - <_> - - <_> - 9 0 1 3 -1. - <_> - 8 1 1 1 3. - 1 - <_> - - <_> - 0 1 18 14 -1. - <_> - 9 1 9 7 2. - <_> - 0 8 9 7 2. - <_> - - <_> - 0 0 12 3 -1. - <_> - 3 0 6 3 2. - <_> - - <_> - 5 0 8 3 -1. - <_> - 5 0 4 3 2. - <_> - - <_> - 8 1 1 2 -1. - <_> - 8 2 1 1 2. - <_> - - <_> - 17 2 1 12 -1. - <_> - 17 2 1 6 2. - 1 - <_> - - <_> - 0 0 18 8 -1. - <_> - 6 0 6 8 3. - <_> - - <_> - 17 2 1 12 -1. - <_> - 17 2 1 6 2. - 1 - <_> - - <_> - 2 1 14 8 -1. - <_> - 2 3 14 4 2. - <_> - - <_> - 2 5 14 6 -1. - <_> - 2 7 14 2 3. - <_> - - <_> - 1 2 12 1 -1. - <_> - 1 2 6 1 2. - 1 - <_> - - <_> - 7 5 4 2 -1. - <_> - 9 5 2 1 2. - <_> - 7 6 2 1 2. - <_> - - <_> - 1 4 16 6 -1. - <_> - 1 6 16 2 3. - <_> - - <_> - 5 0 13 12 -1. - <_> - 5 3 13 6 2. - <_> - - <_> - 5 6 8 4 -1. - <_> - 5 8 8 2 2. - <_> - - <_> - 9 0 4 10 -1. - <_> - 9 0 2 10 2. - <_> - - <_> - 1 0 9 12 -1. - <_> - 4 0 3 12 3. - <_> - - <_> - 4 4 14 10 -1. - <_> - 11 4 7 5 2. - <_> - 4 9 7 5 2. - <_> - - <_> - 0 4 12 10 -1. - <_> - 0 4 6 5 2. - <_> - 6 9 6 5 2. - <_> - - <_> - 0 0 18 8 -1. - <_> - 9 0 9 4 2. - <_> - 0 4 9 4 2. - <_> - - <_> - 1 11 15 2 -1. - <_> - 1 12 15 1 2. - <_> - - <_> - 3 0 14 2 -1. - <_> - 3 1 14 1 2. - <_> - - <_> - 3 0 7 4 -1. - <_> - 3 2 7 2 2. - <_> - - <_> - 3 4 12 8 -1. - <_> - 3 6 12 4 2. - <_> - - <_> - 2 1 13 12 -1. - <_> - 2 5 13 4 3. - <_> - - <_> - 3 0 12 4 -1. - <_> - 6 0 6 4 2. - <_> - - <_> - 7 0 4 7 -1. - <_> - 9 0 2 7 2. - <_> - - <_> - 7 0 4 4 -1. - <_> - 7 1 4 2 2. - <_> - - <_> - 2 7 14 6 -1. - <_> - 2 9 14 2 3. - <_> - - <_> - 11 1 7 10 -1. - <_> - 11 6 7 5 2. - <_> - - <_> - 4 0 10 3 -1. - <_> - 9 0 5 3 2. - <_> - - <_> - 0 1 18 2 -1. - <_> - 9 1 9 1 2. - <_> - 0 2 9 1 2. - <_> - - <_> - 0 2 2 2 -1. - <_> - 1 2 1 2 2. - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 1 1 1 3. - 1 - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 14 4 2 7 -1. - <_> - 14 4 1 7 2. - 1 - <_> - - <_> - 1 10 16 2 -1. - <_> - 1 11 16 1 2. - <_> - - <_> - 13 6 2 6 -1. - <_> - 13 6 1 6 2. - 1 - <_> - - <_> - 4 9 8 4 -1. - <_> - 8 9 4 4 2. - <_> - - <_> - 2 8 14 4 -1. - <_> - 2 10 14 2 2. - <_> - - <_> - 3 0 12 9 -1. - <_> - 3 3 12 3 3. - <_> - - <_> - 14 1 4 12 -1. - <_> - 14 7 4 6 2. - <_> - - <_> - 6 0 6 2 -1. - <_> - 6 0 3 1 2. - <_> - 9 1 3 1 2. - <_> - - <_> - 10 2 2 2 -1. - <_> - 10 2 1 2 2. - 1 - <_> - - <_> - 5 0 8 6 -1. - <_> - 7 0 4 6 2. - <_> - - <_> - 11 8 4 6 -1. - <_> - 11 10 4 2 3. - <_> - - <_> - 0 0 18 8 -1. - <_> - 0 0 9 4 2. - <_> - 9 4 9 4 2. - <_> - - <_> - 14 1 4 10 -1. - <_> - 14 6 4 5 2. - <_> - - <_> - 0 1 4 10 -1. - <_> - 0 6 4 5 2. - <_> - - <_> - 10 2 2 2 -1. - <_> - 10 2 1 2 2. - 1 - <_> - - <_> - 8 2 2 2 -1. - <_> - 8 2 2 1 2. - 1 - <_> - - <_> - 10 2 2 1 -1. - <_> - 10 2 1 1 2. - <_> - - <_> - 7 0 2 3 -1. - <_> - 8 0 1 3 2. - <_> - - <_> - 3 0 12 12 -1. - <_> - 3 6 12 6 2. - <_> - - <_> - 3 5 12 4 -1. - <_> - 3 7 12 2 2. - <_> - - <_> - 12 1 6 14 -1. - <_> - 12 8 6 7 2. - <_> - - <_> - 2 13 14 2 -1. - <_> - 2 14 14 1 2. - <_> - - <_> - 0 4 18 6 -1. - <_> - 0 6 18 2 3. - <_> - - <_> - 0 8 2 4 -1. - <_> - 0 9 2 2 2. - <_> - - <_> - 6 0 12 10 -1. - <_> - 10 0 4 10 3. - <_> - - <_> - 0 0 12 10 -1. - <_> - 4 0 4 10 3. - <_> - - <_> - 3 13 12 2 -1. - <_> - 3 14 12 1 2. - <_> - - <_> - 3 8 4 6 -1. - <_> - 3 10 4 2 3. - <_> - - <_> - 13 11 4 4 -1. - <_> - 14 11 2 4 2. - <_> - - <_> - 0 1 5 14 -1. - <_> - 0 8 5 7 2. - <_> - - <_> - 10 5 2 1 -1. - <_> - 10 5 1 1 2. - <_> - - <_> - 6 5 2 1 -1. - <_> - 7 5 1 1 2. - <_> - - <_> - 1 11 17 4 -1. - <_> - 1 12 17 2 2. - <_> - - <_> - 7 0 3 3 -1. - <_> - 8 1 1 1 9. - <_> - - <_> - 9 1 2 2 -1. - <_> - 9 2 2 1 2. - <_> - - <_> - 1 11 4 4 -1. - <_> - 2 11 2 4 2. - <_> - - <_> - 8 3 10 8 -1. - <_> - 8 3 5 8 2. - <_> - - <_> - 0 3 10 8 -1. - <_> - 5 3 5 8 2. - <_> - - <_> - 12 7 2 4 -1. - <_> - 12 7 1 4 2. - 1 - <_> - - <_> - 0 9 18 6 -1. - <_> - 0 9 9 3 2. - <_> - 9 12 9 3 2. - <_> - - <_> - 10 7 6 4 -1. - <_> - 13 7 3 2 2. - <_> - 10 9 3 2 2. - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 4 0 12 2 -1. - <_> - 8 0 4 2 3. - <_> - - <_> - 1 5 16 10 -1. - <_> - 1 5 8 5 2. - <_> - 9 10 8 5 2. - <_> - - <_> - 12 6 2 4 -1. - <_> - 12 6 1 4 2. - 1 - <_> - - <_> - 6 6 4 2 -1. - <_> - 6 6 4 1 2. - 1 - <_> - - <_> - 10 8 6 4 -1. - <_> - 13 8 3 2 2. - <_> - 10 10 3 2 2. - <_> - - <_> - 9 0 4 1 -1. - <_> - 10 1 2 1 2. - 1 - <_> - - <_> - 17 10 1 3 -1. - <_> - 17 11 1 1 3. - <_> - - <_> - 3 0 11 2 -1. - <_> - 3 0 11 1 2. - 1 - <_> - - <_> - 8 6 10 8 -1. - <_> - 13 6 5 4 2. - <_> - 8 10 5 4 2. - <_> - - <_> - 2 12 14 2 -1. - <_> - 2 13 14 1 2. - <_> - - <_> - 17 10 1 3 -1. - <_> - 17 11 1 1 3. - <_> - - <_> - 7 4 8 3 -1. - <_> - 9 6 4 3 2. - 1 - <_> - - <_> - 13 9 3 6 -1. - <_> - 13 11 3 2 3. - <_> - - <_> - 2 9 3 6 -1. - <_> - 2 11 3 2 3. - <_> - - <_> - 17 10 1 3 -1. - <_> - 17 11 1 1 3. - <_> - - <_> - 0 10 1 3 -1. - <_> - 0 11 1 1 3. - <_> - - <_> - 11 1 6 6 -1. - <_> - 11 1 3 6 2. - <_> - - <_> - 3 6 2 1 -1. - <_> - 4 6 1 1 2. - <_> - - <_> - 15 0 3 3 -1. - <_> - 14 1 3 1 3. - 1 - <_> - - <_> - 1 7 8 4 -1. - <_> - 1 7 4 2 2. - <_> - 5 9 4 2 2. - <_> - - <_> - 8 8 4 2 -1. - <_> - 8 9 4 1 2. - <_> - - <_> - 9 2 4 6 -1. - <_> - 9 2 4 3 2. - 1 - <_> - - <_> - 2 6 14 8 -1. - <_> - 2 8 14 4 2. - <_> - - <_> - 5 0 8 3 -1. - <_> - 7 0 4 3 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 8 3 3 6 -1. - <_> - 8 3 3 3 2. - 1 - <_> - - <_> - 6 0 12 4 -1. - <_> - 9 0 6 4 2. - <_> - - <_> - 0 8 6 7 -1. - <_> - 3 8 3 7 2. - <_> - - <_> - 4 1 10 2 -1. - <_> - 9 1 5 1 2. - <_> - 4 2 5 1 2. - <_> - - <_> - 3 0 6 6 -1. - <_> - 3 3 6 3 2. - <_> - - <_> - 3 9 12 2 -1. - <_> - 3 10 12 1 2. - <_> - - <_> - 1 9 16 2 -1. - <_> - 1 10 16 1 2. - <_> - - <_> - 9 3 3 3 -1. - <_> - 10 4 1 1 9. - <_> - - <_> - 5 3 8 2 -1. - <_> - 5 3 4 1 2. - <_> - 9 4 4 1 2. - <_> - - <_> - 2 0 14 12 -1. - <_> - 9 0 7 6 2. - <_> - 2 6 7 6 2. - <_> - - <_> - 7 0 2 3 -1. - <_> - 6 1 2 1 3. - 1 - <_> - - <_> - 15 2 2 1 -1. - <_> - 15 2 1 1 2. - <_> - - <_> - 1 2 2 1 -1. - <_> - 2 2 1 1 2. - <_> - - <_> - 13 0 4 4 -1. - <_> - 14 1 2 4 2. - 1 - <_> - - <_> - 8 5 4 5 -1. - <_> - 8 5 2 5 2. - 1 - <_> - - <_> - 5 0 8 4 -1. - <_> - 5 1 8 2 2. - <_> - - <_> - 3 1 2 3 -1. - <_> - 2 2 2 1 3. - 1 - <_> - - <_> - 5 0 12 4 -1. - <_> - 8 0 6 4 2. - <_> - - <_> - 5 0 8 7 -1. - <_> - 9 0 4 7 2. - <_> - - <_> - 11 3 1 8 -1. - <_> - 9 5 1 4 2. - 1 - <_> - - <_> - 3 3 12 9 -1. - <_> - 7 6 4 3 9. - <_> - - <_> - 1 4 16 6 -1. - <_> - 1 6 16 2 3. - <_> - - <_> - 6 1 3 2 -1. - <_> - 6 1 3 1 2. - 1 - <_> - - <_> - 7 9 4 2 -1. - <_> - 7 10 4 1 2. - <_> - - <_> - 1 5 14 10 -1. - <_> - 1 5 7 5 2. - <_> - 8 10 7 5 2. - <_> - - <_> - 10 9 3 6 -1. - <_> - 10 11 3 2 3. - <_> - - <_> - 0 5 18 10 -1. - <_> - 0 5 9 5 2. - <_> - 9 10 9 5 2. - <_> - - <_> - 8 0 3 2 -1. - <_> - 8 1 3 1 2. - <_> - - <_> - 5 1 2 5 -1. - <_> - 6 1 1 5 2. - <_> - - <_> - 4 0 12 7 -1. - <_> - 8 0 4 7 3. - <_> - - <_> - 1 0 12 4 -1. - <_> - 4 0 6 4 2. - <_> - - <_> - 12 0 6 14 -1. - <_> - 12 7 6 7 2. - <_> - - <_> - 2 0 12 5 -1. - <_> - 5 0 6 5 2. - <_> - - <_> - 12 0 6 14 -1. - <_> - 12 7 6 7 2. - <_> - - <_> - 0 0 6 14 -1. - <_> - 0 7 6 7 2. - <_> - - <_> - 10 9 3 6 -1. - <_> - 10 11 3 2 3. - <_> - - <_> - 5 9 3 6 -1. - <_> - 5 11 3 2 3. - <_> - - <_> - 7 13 6 2 -1. - <_> - 7 14 6 1 2. - <_> - - <_> - 8 2 1 3 -1. - <_> - 7 3 1 1 3. - 1 - <_> - - <_> - 15 3 3 1 -1. - <_> - 16 4 1 1 3. - 1 - <_> - - <_> - 3 11 1 3 -1. - <_> - 2 12 1 1 3. - 1 - <_> - - <_> - 11 6 3 4 -1. - <_> - 11 8 3 2 2. - <_> - - <_> - 2 5 14 9 -1. - <_> - 2 8 14 3 3. - <_> - - <_> - 10 10 8 4 -1. - <_> - 14 10 4 2 2. - <_> - 10 12 4 2 2. - <_> - - <_> - 0 12 4 3 -1. - <_> - 1 12 2 3 2. - <_> - - <_> - 8 0 8 2 -1. - <_> - 8 1 8 1 2. - <_> - - <_> - 0 0 18 2 -1. - <_> - 0 0 9 1 2. - <_> - 9 1 9 1 2. - <_> - - <_> - 7 1 4 12 -1. - <_> - 7 1 2 12 2. - <_> - - <_> - 0 11 18 4 -1. - <_> - 0 12 18 2 2. - <_> - - <_> - 12 7 2 4 -1. - <_> - 12 7 1 4 2. - 1 - <_> - - <_> - 0 8 18 6 -1. - <_> - 0 10 18 2 3. - <_> - - <_> - 11 0 6 6 -1. - <_> - 11 0 3 6 2. - <_> - - <_> - 6 7 4 2 -1. - <_> - 6 7 4 1 2. - 1 - <_> - - <_> - 6 6 6 2 -1. - <_> - 9 6 3 1 2. - <_> - 6 7 3 1 2. - <_> - - <_> - 6 7 5 2 -1. - <_> - 6 8 5 1 2. - <_> - - <_> - 11 6 3 4 -1. - <_> - 11 8 3 2 2. - <_> - - <_> - 7 0 1 2 -1. - <_> - 7 1 1 1 2. - <_> - - <_> - 9 13 6 2 -1. - <_> - 11 13 2 2 3. - <_> - - <_> - 8 2 2 6 -1. - <_> - 8 2 1 3 2. - <_> - 9 5 1 3 2. - <_> - - <_> - 16 8 2 3 -1. - <_> - 16 9 2 1 3. - <_> - - <_> - 6 1 10 4 -1. - <_> - 6 1 10 2 2. - 1 - <_> - - <_> - 10 10 8 4 -1. - <_> - 14 10 4 2 2. - <_> - 10 12 4 2 2. - <_> - - <_> - 0 10 8 4 -1. - <_> - 0 10 4 2 2. - <_> - 4 12 4 2 2. - <_> - - <_> - 13 6 3 4 -1. - <_> - 14 7 1 4 3. - 1 - <_> - - <_> - 0 8 2 3 -1. - <_> - 0 9 2 1 3. - <_> - - <_> - 13 6 3 4 -1. - <_> - 14 7 1 4 3. - 1 - <_> - - <_> - 5 6 4 3 -1. - <_> - 4 7 4 1 3. - 1 - <_> - - <_> - 10 3 8 3 -1. - <_> - 10 3 4 3 2. - <_> - - <_> - 0 3 8 3 -1. - <_> - 4 3 4 3 2. - <_> - - <_> - 4 2 14 2 -1. - <_> - 4 2 7 2 2. - <_> - - <_> - 0 1 12 4 -1. - <_> - 3 1 6 4 2. - <_> - - <_> - 13 1 4 10 -1. - <_> - 13 6 4 5 2. - <_> - - <_> - 0 2 14 2 -1. - <_> - 7 2 7 2 2. - <_> - - <_> - 4 12 12 3 -1. - <_> - 8 12 4 3 3. - <_> - - <_> - 0 9 2 3 -1. - <_> - 0 10 2 1 3. - <_> - - <_> - 10 6 2 2 -1. - <_> - 10 6 1 2 2. - <_> - - <_> - 6 6 2 2 -1. - <_> - 7 6 1 2 2. - <_> - - <_> - 15 2 3 1 -1. - <_> - 16 3 1 1 3. - 1 - <_> - - <_> - 4 7 3 3 -1. - <_> - 4 8 3 1 3. - <_> - - <_> - 3 5 12 4 -1. - <_> - 3 7 12 2 2. - <_> - - <_> - 3 2 1 3 -1. - <_> - 2 3 1 1 3. - 1 - <_> - - <_> - 0 9 18 6 -1. - <_> - 0 11 18 2 3. - <_> - - <_> - 0 4 18 2 -1. - <_> - 0 4 9 1 2. - <_> - 9 5 9 1 2. - <_> - - <_> - 15 3 3 3 -1. - <_> - 14 4 3 1 3. - 1 - <_> - - <_> - 2 2 14 6 -1. - <_> - 2 4 14 2 3. - <_> - - <_> - 9 2 1 3 -1. - <_> - 8 3 1 1 3. - 1 - <_> - - <_> - 0 1 6 10 -1. - <_> - 0 6 6 5 2. - <_> - - <_> - 9 3 6 2 -1. - <_> - 9 4 6 1 2. - <_> - - <_> - 0 0 18 6 -1. - <_> - 0 0 9 3 2. - <_> - 9 3 9 3 2. - <_> - - <_> - 4 2 10 6 -1. - <_> - 4 5 10 3 2. - <_> - - <_> - 0 5 9 3 -1. - <_> - 3 5 3 3 3. - <_> - - <_> - 9 3 2 1 -1. - <_> - 9 3 1 1 2. - <_> - - <_> - 7 3 2 1 -1. - <_> - 8 3 1 1 2. - <_> - - <_> - 9 2 6 4 -1. - <_> - 9 2 3 4 2. - 1 - <_> - - <_> - 7 2 3 3 -1. - <_> - 8 3 1 1 9. - <_> - - <_> - 7 4 4 6 -1. - <_> - 5 6 4 2 3. - 1 - <_> - - <_> - 4 2 14 8 -1. - <_> - 4 4 14 4 2. - <_> - - <_> - 9 0 1 4 -1. - <_> - 9 0 1 2 2. - 1 - <_> - - <_> - 12 7 6 7 -1. - <_> - 12 7 3 7 2. - <_> - - <_> - 2 9 8 4 -1. - <_> - 2 11 8 2 2. - <_> - - <_> - 13 6 1 6 -1. - <_> - 13 8 1 2 3. - <_> - - <_> - 4 6 1 6 -1. - <_> - 4 8 1 2 3. - <_> - - <_> - 8 0 6 4 -1. - <_> - 8 2 6 2 2. - <_> - - <_> - 9 0 6 1 -1. - <_> - 9 0 3 1 2. - 1 - <_> - - <_> - 6 0 12 1 -1. - <_> - 9 0 6 1 2. - <_> - - <_> - 2 7 14 8 -1. - <_> - 2 9 14 4 2. - <_> - - <_> - 11 8 3 2 -1. - <_> - 11 9 3 1 2. - <_> - - <_> - 0 0 2 3 -1. - <_> - 1 0 1 3 2. - <_> - - <_> - 10 0 6 8 -1. - <_> - 10 4 6 4 2. - <_> - - <_> - 6 0 3 2 -1. - <_> - 6 0 3 1 2. - 1 - <_> - - <_> - 14 5 4 10 -1. - <_> - 14 10 4 5 2. - <_> - - <_> - 0 5 4 10 -1. - <_> - 0 10 4 5 2. - <_> - - <_> - 12 8 6 6 -1. - <_> - 12 8 3 6 2. - <_> - - <_> - 0 8 6 6 -1. - <_> - 3 8 3 6 2. - <_> - - <_> - 10 0 6 6 -1. - <_> - 10 3 6 3 2. - <_> - - <_> - 2 0 6 6 -1. - <_> - 2 3 6 3 2. - <_> - - <_> - 0 0 18 4 -1. - <_> - 9 0 9 2 2. - <_> - 0 2 9 2 2. - <_> - - <_> - 2 10 14 2 -1. - <_> - 2 11 14 1 2. - <_> - - <_> - 11 5 3 6 -1. - <_> - 9 7 3 2 3. - 1 - <_> - - <_> - 1 4 16 1 -1. - <_> - 5 4 8 1 2. - <_> - - <_> - 10 8 4 4 -1. - <_> - 10 9 4 2 2. - <_> - - <_> - 4 8 4 4 -1. - <_> - 4 9 4 2 2. - <_> - - <_> - 3 6 12 8 -1. - <_> - 9 6 6 4 2. - <_> - 3 10 6 4 2. - <_> - - <_> - 3 12 9 3 -1. - <_> - 6 12 3 3 3. - <_> - - <_> - 11 4 6 4 -1. - <_> - 13 6 2 4 3. - 1 - <_> - - <_> - 0 0 3 12 -1. - <_> - 0 6 3 6 2. - <_> - - <_> - 4 0 10 9 -1. - <_> - 4 0 5 9 2. - <_> - - <_> - 7 0 4 1 -1. - <_> - 9 0 2 1 2. - <_> - - <_> - 6 9 8 5 -1. - <_> - 6 9 4 5 2. - <_> - - <_> - 5 3 3 5 -1. - <_> - 6 4 1 5 3. - 1 - <_> - - <_> - 8 0 2 4 -1. - <_> - 8 1 2 2 2. - <_> - - <_> - 0 13 18 2 -1. - <_> - 0 14 18 1 2. - <_> - - <_> - 6 8 6 2 -1. - <_> - 6 9 6 1 2. - <_> - - <_> - 4 0 6 2 -1. - <_> - 4 1 6 1 2. - <_> - - <_> - 15 4 3 3 -1. - <_> - 14 5 3 1 3. - 1 - <_> - - <_> - 0 8 2 2 -1. - <_> - 1 8 1 2 2. - <_> - - <_> - 11 4 6 4 -1. - <_> - 13 6 2 4 3. - 1 - <_> - - <_> - 2 0 12 1 -1. - <_> - 5 0 6 1 2. - <_> - - <_> - 1 1 16 11 -1. - <_> - 5 1 8 11 2. - <_> - - <_> - 4 0 1 3 -1. - <_> - 3 1 1 1 3. - 1 - <_> - - <_> - 4 3 10 8 -1. - <_> - 9 3 5 4 2. - <_> - 4 7 5 4 2. - <_> - - <_> - 5 8 2 2 -1. - <_> - 5 8 1 1 2. - <_> - 6 9 1 1 2. - <_> - - <_> - 12 8 3 3 -1. - <_> - 13 9 1 3 3. - 1 - <_> - - <_> - 1 5 16 6 -1. - <_> - 1 7 16 2 3. - <_> - - <_> - 0 5 18 6 -1. - <_> - 0 7 18 2 3. - <_> - - <_> - 0 7 1 3 -1. - <_> - 0 8 1 1 3. - <_> - - <_> - 12 8 3 3 -1. - <_> - 13 9 1 3 3. - 1 - <_> - - <_> - 8 6 3 1 -1. - <_> - 9 7 1 1 3. - 1 - <_> - - <_> - 12 8 3 3 -1. - <_> - 13 9 1 3 3. - 1 - <_> - - <_> - 6 8 3 3 -1. - <_> - 5 9 3 1 3. - 1 - <_> - - <_> - 11 13 1 2 -1. - <_> - 11 14 1 1 2. - <_> - - <_> - 1 13 16 2 -1. - <_> - 1 13 8 1 2. - <_> - 9 14 8 1 2. - <_> - - <_> - 16 12 2 1 -1. - <_> - 16 12 1 1 2. - 1 - <_> - - <_> - 2 12 1 2 -1. - <_> - 2 12 1 1 2. - 1 - <_> - - <_> - 12 9 2 2 -1. - <_> - 13 9 1 1 2. - <_> - 12 10 1 1 2. - <_> - - <_> - 4 9 2 2 -1. - <_> - 4 9 1 1 2. - <_> - 5 10 1 1 2. - <_> - - <_> - 11 2 2 1 -1. - <_> - 11 2 1 1 2. - <_> - - <_> - 5 0 8 9 -1. - <_> - 7 0 4 9 2. - <_> - - <_> - 11 2 2 1 -1. - <_> - 11 2 1 1 2. - <_> - - <_> - 5 2 2 1 -1. - <_> - 6 2 1 1 2. - <_> - - <_> - 9 1 1 3 -1. - <_> - 8 2 1 1 3. - 1 - <_> - - <_> - 4 9 8 6 -1. - <_> - 8 9 4 6 2. - <_> - - <_> - 8 1 4 10 -1. - <_> - 8 1 2 10 2. - <_> - - <_> - 9 1 3 1 -1. - <_> - 10 2 1 1 3. - 1 - <_> - - <_> - 0 5 18 10 -1. - <_> - 9 5 9 5 2. - <_> - 0 10 9 5 2. - <_> - - <_> - 3 2 3 3 -1. - <_> - 4 3 1 3 3. - 1 - <_> - - <_> - 17 4 1 2 -1. - <_> - 17 5 1 1 2. - <_> - - <_> - 0 6 10 1 -1. - <_> - 5 6 5 1 2. - <_> - - <_> - 7 0 4 4 -1. - <_> - 7 0 2 4 2. - <_> - - <_> - 3 5 6 5 -1. - <_> - 5 5 2 5 3. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 16 2 2 2 -1. - <_> - 17 2 1 1 2. - <_> - 16 3 1 1 2. - <_> - - <_> - 0 2 2 2 -1. - <_> - 0 2 1 1 2. - <_> - 1 3 1 1 2. - <_> - - <_> - 16 2 2 2 -1. - <_> - 17 2 1 1 2. - <_> - 16 3 1 1 2. - <_> - - <_> - 7 3 4 4 -1. - <_> - 7 3 2 2 2. - <_> - 9 5 2 2 2. - <_> - - <_> - 5 6 8 2 -1. - <_> - 5 7 8 1 2. - <_> - - <_> - 7 4 5 4 -1. - <_> - 6 5 5 2 2. - 1 - <_> - - <_> - 5 0 12 4 -1. - <_> - 8 0 6 4 2. - <_> - - <_> - 5 0 8 2 -1. - <_> - 5 1 8 1 2. - <_> - - <_> - 0 12 18 3 -1. - <_> - 0 13 18 1 3. - <_> - - <_> - 8 4 2 6 -1. - <_> - 8 4 1 3 2. - <_> - 9 7 1 3 2. - <_> - - <_> - 5 0 9 4 -1. - <_> - 8 0 3 4 3. - <_> - - <_> - 1 12 15 3 -1. - <_> - 1 13 15 1 3. - <_> - - <_> - 17 9 1 3 -1. - <_> - 17 10 1 1 3. - <_> - - <_> - 1 11 3 1 -1. - <_> - 2 12 1 1 3. - 1 - <_> - - <_> - 12 7 6 1 -1. - <_> - 12 7 3 1 2. - 1 - <_> - - <_> - 6 7 1 6 -1. - <_> - 6 7 1 3 2. - 1 - <_> - - <_> - 7 7 4 6 -1. - <_> - 8 7 2 6 2. - <_> - - <_> - 1 8 16 3 -1. - <_> - 1 9 16 1 3. - <_> - - <_> - 9 7 2 2 -1. - <_> - 9 8 2 1 2. - <_> - - <_> - 5 0 10 4 -1. - <_> - 5 0 10 2 2. - 1 - <_> - - <_> - 16 2 2 2 -1. - <_> - 17 2 1 1 2. - <_> - 16 3 1 1 2. - <_> - - <_> - 0 2 2 2 -1. - <_> - 0 2 1 1 2. - <_> - 1 3 1 1 2. - <_> - - <_> - 7 1 4 4 -1. - <_> - 9 1 2 2 2. - <_> - 7 3 2 2 2. - <_> - - <_> - 4 9 4 6 -1. - <_> - 4 11 4 2 3. - <_> - - <_> - 5 12 9 2 -1. - <_> - 5 13 9 1 2. - <_> - - <_> - 2 1 10 2 -1. - <_> - 2 1 5 2 2. - 1 - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 1 1 1 3. - 1 - <_> - - <_> - 0 9 1 3 -1. - <_> - 0 10 1 1 3. - <_> - - <_> - 0 8 18 2 -1. - <_> - 0 9 18 1 2. - <_> - - <_> - 0 5 1 4 -1. - <_> - 0 6 1 2 2. - <_> - - <_> - 8 0 8 3 -1. - <_> - 10 2 4 3 2. - 1 - <_> - - <_> - 8 7 9 7 -1. - <_> - 11 7 3 7 3. - <_> - - <_> - 0 8 12 4 -1. - <_> - 3 8 6 4 2. - <_> - - <_> - 10 0 2 1 -1. - <_> - 10 0 1 1 2. - 1 - <_> - - <_> - 8 0 1 2 -1. - <_> - 8 0 1 1 2. - 1 - <_> - - <_> - 6 0 7 2 -1. - <_> - 6 1 7 1 2. - <_> - - <_> - 1 10 15 4 -1. - <_> - 1 12 15 2 2. - <_> - - <_> - 0 0 18 8 -1. - <_> - 9 0 9 4 2. - <_> - 0 4 9 4 2. - <_> - - <_> - 8 3 2 12 -1. - <_> - 8 9 2 6 2. - <_> - - <_> - 12 8 2 2 -1. - <_> - 12 9 2 1 2. - <_> - - <_> - 9 0 3 3 -1. - <_> - 8 1 3 1 3. - 1 - <_> - - <_> - 15 1 2 1 -1. - <_> - 15 1 1 1 2. - <_> - - <_> - 0 1 4 10 -1. - <_> - 0 6 4 5 2. - <_> - - <_> - 4 0 10 2 -1. - <_> - 4 1 10 1 2. - <_> - - <_> - 3 0 1 2 -1. - <_> - 3 0 1 1 2. - 1 - <_> - - <_> - 15 0 3 2 -1. - <_> - 16 1 1 2 3. - 1 - <_> - - <_> - 4 2 3 4 -1. - <_> - 5 3 1 4 3. - 1 - <_> - - <_> - 10 0 6 1 -1. - <_> - 10 0 3 1 2. - 1 - <_> - - <_> - 3 3 3 3 -1. - <_> - 4 4 1 3 3. - 1 - <_> - - <_> - 15 0 3 2 -1. - <_> - 16 1 1 2 3. - 1 - <_> - - <_> - 9 0 9 2 -1. - <_> - 9 0 9 1 2. - 1 - <_> - - <_> - 8 1 4 2 -1. - <_> - 8 2 4 1 2. - <_> - - <_> - 3 0 2 3 -1. - <_> - 2 1 2 1 3. - 1 - <_> - - <_> - 0 5 18 10 -1. - <_> - 9 5 9 5 2. - <_> - 0 10 9 5 2. - <_> - - <_> - 0 0 2 6 -1. - <_> - 0 3 2 3 2. - <_> - - <_> - 16 2 2 3 -1. - <_> - 15 3 2 1 3. - 1 - <_> - - <_> - 6 0 6 1 -1. - <_> - 9 0 3 1 2. - <_> - - <_> - 10 0 3 8 -1. - <_> - 8 2 3 4 2. - 1 - <_> - - <_> - 8 0 8 3 -1. - <_> - 10 2 4 3 2. - 1 - <_> - - <_> - 16 2 2 3 -1. - <_> - 15 3 2 1 3. - 1 - <_> - - <_> - 5 8 8 2 -1. - <_> - 5 9 8 1 2. - <_> - - <_> - 11 8 3 2 -1. - <_> - 11 9 3 1 2. - <_> - - <_> - 4 8 3 2 -1. - <_> - 4 9 3 1 2. - <_> - - <_> - 10 2 3 2 -1. - <_> - 10 3 3 1 2. - <_> - - <_> - 2 0 8 2 -1. - <_> - 2 1 8 1 2. - <_> - - <_> - 16 2 2 3 -1. - <_> - 15 3 2 1 3. - 1 - <_> - - <_> - 2 2 3 2 -1. - <_> - 3 3 1 2 3. - 1 - <_> - - <_> - 17 8 1 4 -1. - <_> - 17 9 1 2 2. - <_> - - <_> - 0 8 1 4 -1. - <_> - 0 9 1 2 2. - <_> - - <_> - 3 0 12 2 -1. - <_> - 9 0 6 1 2. - <_> - 3 1 6 1 2. - <_> - - <_> - 9 1 8 3 -1. - <_> - 9 1 4 3 2. - 1 - <_> - - <_> - 8 0 2 6 -1. - <_> - 8 0 1 6 2. - <_> - - <_> - 8 0 3 2 -1. - <_> - 8 0 3 1 2. - 1 - <_> - - <_> - 8 8 6 2 -1. - <_> - 11 8 3 1 2. - <_> - 8 9 3 1 2. - <_> - - <_> - 0 3 18 12 -1. - <_> - 0 9 18 6 2. - <_> - - <_> - 13 8 3 6 -1. - <_> - 14 10 1 2 9. - <_> - - <_> - 2 8 14 4 -1. - <_> - 2 10 14 2 2. - <_> - - <_> - 13 9 3 1 -1. - <_> - 14 10 1 1 3. - 1 - <_> - - <_> - 4 0 10 15 -1. - <_> - 9 0 5 15 2. - <_> - - <_> - 9 0 2 1 -1. - <_> - 9 0 1 1 2. - <_> - - <_> - 5 0 4 1 -1. - <_> - 7 0 2 1 2. - <_> - - <_> - 10 2 3 2 -1. - <_> - 10 3 3 1 2. - <_> - - <_> - 5 2 3 2 -1. - <_> - 5 3 3 1 2. - <_> - - <_> - 10 7 1 2 -1. - <_> - 10 8 1 1 2. - <_> - - <_> - 6 6 6 4 -1. - <_> - 6 6 3 2 2. - <_> - 9 8 3 2 2. - <_> - - <_> - 10 7 4 3 -1. - <_> - 11 8 2 3 2. - 1 - <_> - - <_> - 8 7 3 4 -1. - <_> - 7 8 3 2 2. - 1 - <_> - - <_> - 11 9 4 1 -1. - <_> - 11 9 2 1 2. - 1 - <_> - - <_> - 7 7 3 3 -1. - <_> - 6 8 3 1 3. - 1 - <_> - - <_> - 11 13 6 2 -1. - <_> - 13 13 2 2 3. - <_> - - <_> - 3 1 3 3 -1. - <_> - 4 2 1 3 3. - 1 - <_> - - <_> - 2 1 14 2 -1. - <_> - 9 1 7 1 2. - <_> - 2 2 7 1 2. - <_> - - <_> - 9 2 3 1 -1. - <_> - 10 3 1 1 3. - 1 - <_> - - <_> - 9 3 2 8 -1. - <_> - 7 5 2 4 2. - 1 - <_> - - <_> - 5 7 1 4 -1. - <_> - 5 8 1 2 2. - <_> - - <_> - 11 13 6 2 -1. - <_> - 13 13 2 2 3. - <_> - - <_> - 5 9 1 3 -1. - <_> - 4 10 1 1 3. - 1 - <_> - - <_> - 11 13 6 2 -1. - <_> - 13 13 2 2 3. - <_> - - <_> - 4 11 1 2 -1. - <_> - 4 11 1 1 2. - 1 - <_> - - <_> - 9 3 2 8 -1. - <_> - 7 5 2 4 2. - 1 - <_> - - <_> - 9 3 8 2 -1. - <_> - 11 5 4 2 2. - 1 - <_> - - <_> - 7 6 4 2 -1. - <_> - 7 7 4 1 2. - <_> - - <_> - 6 7 6 3 -1. - <_> - 8 8 2 1 9. - <_> - - <_> - 5 0 8 8 -1. - <_> - 7 0 4 8 2. - <_> - - <_> - 0 0 18 8 -1. - <_> - 6 0 6 8 3. - <_> - - <_> - 14 0 4 9 -1. - <_> - 14 0 2 9 2. - 1 - <_> - - <_> - 4 0 9 4 -1. - <_> - 4 0 9 2 2. - 1 - <_> - - <_> - 3 13 13 2 -1. - <_> - 3 14 13 1 2. - <_> - - <_> - 1 13 16 2 -1. - <_> - 1 14 16 1 2. - <_> - - <_> - 11 9 6 6 -1. - <_> - 13 11 2 2 9. - <_> - - <_> - 1 9 6 6 -1. - <_> - 3 11 2 2 9. - <_> - - <_> - 11 13 6 2 -1. - <_> - 13 13 2 2 3. - <_> - - <_> - 1 13 6 2 -1. - <_> - 3 13 2 2 3. - <_> - - <_> - 11 3 5 2 -1. - <_> - 11 4 5 1 2. - <_> - - <_> - 7 0 2 2 -1. - <_> - 7 0 1 1 2. - <_> - 8 1 1 1 2. - <_> - - <_> - 9 0 2 2 -1. - <_> - 10 0 1 1 2. - <_> - 9 1 1 1 2. - <_> - - <_> - 7 2 1 3 -1. - <_> - 6 3 1 1 3. - 1 - <_> - - <_> - 13 0 3 8 -1. - <_> - 14 0 1 8 3. - <_> - - <_> - 1 11 16 4 -1. - <_> - 1 11 8 2 2. - <_> - 9 13 8 2 2. - <_> - - <_> - 13 0 3 8 -1. - <_> - 14 0 1 8 3. - <_> - - <_> - 3 0 3 3 -1. - <_> - 4 1 1 3 3. - 1 - <_> - - <_> - 12 2 3 13 -1. - <_> - 13 2 1 13 3. - <_> - - <_> - 3 0 3 15 -1. - <_> - 4 0 1 15 3. - <_> - - <_> - 17 1 1 14 -1. - <_> - 17 8 1 7 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 0 1 1 2. - <_> - 1 1 1 1 2. - <_> - - <_> - 16 0 2 2 -1. - <_> - 17 0 1 1 2. - <_> - 16 1 1 1 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 0 1 1 2. - <_> - 1 1 1 1 2. - <_> - - <_> - 10 1 5 2 -1. - <_> - 10 2 5 1 2. - <_> - - <_> - 3 1 5 2 -1. - <_> - 3 2 5 1 2. - <_> - - <_> - 0 5 18 10 -1. - <_> - 9 5 9 5 2. - <_> - 0 10 9 5 2. - <_> - - <_> - 8 3 5 6 -1. - <_> - 6 5 5 2 3. - 1 - <_> - - <_> - 11 4 3 6 -1. - <_> - 12 6 1 2 9. - <_> - - <_> - 8 6 1 8 -1. - <_> - 8 6 1 4 2. - 1 - <_> - - <_> - 1 7 16 6 -1. - <_> - 1 9 16 2 3. - <_> - - <_> - 4 4 3 6 -1. - <_> - 5 6 1 2 9. - <_> - - <_> - 16 8 2 2 -1. - <_> - 16 8 1 2 2. - 1 - <_> - - <_> - 1 8 16 4 -1. - <_> - 1 8 8 2 2. - <_> - 9 10 8 2 2. - <_> - - <_> - 1 11 17 4 -1. - <_> - 1 12 17 2 2. - <_> - - <_> - 0 13 6 2 -1. - <_> - 0 13 3 1 2. - <_> - 3 14 3 1 2. - <_> - - <_> - 12 6 1 4 -1. - <_> - 12 6 1 2 2. - 1 - <_> - - <_> - 2 0 3 8 -1. - <_> - 3 0 1 8 3. - <_> - - <_> - 0 4 18 6 -1. - <_> - 6 4 6 6 3. - <_> - - <_> - 6 6 4 1 -1. - <_> - 6 6 2 1 2. - 1 - <_> - - <_> - 8 0 6 10 -1. - <_> - 10 0 2 10 3. - <_> - - <_> - 6 9 2 2 -1. - <_> - 6 9 1 1 2. - <_> - 7 10 1 1 2. - <_> - - <_> - 17 9 1 4 -1. - <_> - 17 10 1 2 2. - <_> - - <_> - 5 8 2 2 -1. - <_> - 5 8 1 1 2. - <_> - 6 9 1 1 2. - <_> - - <_> - 17 9 1 4 -1. - <_> - 17 10 1 2 2. - <_> - - <_> - 3 2 1 3 -1. - <_> - 2 3 1 1 3. - 1 - <_> - - <_> - 15 1 3 2 -1. - <_> - 16 2 1 2 3. - 1 - <_> - - <_> - 0 9 1 4 -1. - <_> - 0 10 1 2 2. - <_> - - <_> - 12 7 3 3 -1. - <_> - 12 8 3 1 3. - <_> - - <_> - 7 0 4 2 -1. - <_> - 9 0 2 2 2. - <_> - - <_> - 9 0 2 2 -1. - <_> - 9 0 1 2 2. - <_> - - <_> - 1 5 15 4 -1. - <_> - 1 7 15 2 2. - <_> - - <_> - 9 4 4 8 -1. - <_> - 9 6 4 4 2. - <_> - - <_> - 7 0 2 2 -1. - <_> - 8 0 1 2 2. - <_> - - <_> - 4 3 10 2 -1. - <_> - 9 3 5 1 2. - <_> - 4 4 5 1 2. - <_> - - <_> - 4 0 6 11 -1. - <_> - 6 0 2 11 3. - <_> - - <_> - 3 11 12 4 -1. - <_> - 3 12 12 2 2. - <_> - - <_> - 1 7 12 6 -1. - <_> - 5 9 4 2 9. - <_> - - <_> - 14 0 4 1 -1. - <_> - 15 1 2 1 2. - 1 - <_> - - <_> - 4 0 1 4 -1. - <_> - 3 1 1 2 2. - 1 - <_> - - <_> - 12 7 3 3 -1. - <_> - 12 8 3 1 3. - <_> - - <_> - 3 7 3 3 -1. - <_> - 3 8 3 1 3. - <_> - - <_> - 5 0 12 15 -1. - <_> - 5 5 12 5 3. - <_> - - <_> - 6 9 2 2 -1. - <_> - 6 9 1 1 2. - <_> - 7 10 1 1 2. - <_> - - <_> - 13 3 2 2 -1. - <_> - 13 4 2 1 2. - <_> - - <_> - 1 3 15 8 -1. - <_> - 1 5 15 4 2. - <_> - - <_> - 9 6 2 3 -1. - <_> - 9 7 2 1 3. - <_> - - <_> - 6 5 4 3 -1. - <_> - 5 6 4 1 3. - 1 - <_> - - <_> - 5 2 4 4 -1. - <_> - 7 2 2 4 2. - <_> - - <_> - 8 7 4 2 -1. - <_> - 8 8 4 1 2. - <_> - - <_> - 4 3 8 2 -1. - <_> - 4 3 8 1 2. - 1 - <_> - - <_> - 2 3 16 10 -1. - <_> - 2 3 8 10 2. - <_> - - <_> - 2 2 12 8 -1. - <_> - 2 4 12 4 2. - <_> - - <_> - 14 2 4 2 -1. - <_> - 14 2 2 2 2. - <_> - - <_> - 0 4 2 9 -1. - <_> - 0 7 2 3 3. - <_> - - <_> - 4 3 10 8 -1. - <_> - 4 7 10 4 2. - <_> - - <_> - 0 2 4 3 -1. - <_> - 2 2 2 3 2. - <_> - - <_> - 8 1 2 4 -1. - <_> - 8 1 1 4 2. - <_> - - <_> - 7 0 1 4 -1. - <_> - 6 1 1 2 2. - 1 - <_> - - <_> - 3 0 12 1 -1. - <_> - 6 0 6 1 2. - <_> - - <_> - 2 8 14 4 -1. - <_> - 2 10 14 2 2. - <_> - - <_> - 1 10 16 2 -1. - <_> - 1 11 16 1 2. - <_> - - <_> - 2 9 4 2 -1. - <_> - 2 9 2 2 2. - 1 - <_> - - <_> - 7 7 8 2 -1. - <_> - 11 7 4 1 2. - <_> - 7 8 4 1 2. - <_> - - <_> - 0 0 18 10 -1. - <_> - 0 0 9 5 2. - <_> - 9 5 9 5 2. - <_> - - <_> - 11 0 5 10 -1. - <_> - 11 0 5 5 2. - 1 - <_> - - <_> - 6 6 6 2 -1. - <_> - 6 7 6 1 2. - <_> - - <_> - 7 3 4 6 -1. - <_> - 7 6 4 3 2. - <_> - - <_> - 0 1 4 14 -1. - <_> - 0 8 4 7 2. - <_> - - <_> - 12 11 2 1 -1. - <_> - 12 11 1 1 2. - 1 - <_> - - <_> - 6 11 1 2 -1. - <_> - 6 11 1 1 2. - 1 - <_> - - <_> - 3 4 12 6 -1. - <_> - 3 6 12 2 3. - <_> - - <_> - 2 0 4 8 -1. - <_> - 2 4 4 4 2. - <_> - - <_> - 15 0 2 10 -1. - <_> - 15 0 1 10 2. - 1 - <_> - - <_> - 3 0 10 2 -1. - <_> - 3 0 10 1 2. - 1 - <_> - - <_> - 11 1 4 10 -1. - <_> - 11 1 4 5 2. - 1 - <_> - - <_> - 7 1 10 4 -1. - <_> - 7 1 5 4 2. - 1 - <_> - - <_> - 5 0 9 7 -1. - <_> - 8 0 3 7 3. - <_> - - <_> - 7 2 2 4 -1. - <_> - 8 2 1 4 2. - <_> - - <_> - 3 2 12 8 -1. - <_> - 3 4 12 4 2. - <_> - - <_> - 0 9 18 2 -1. - <_> - 0 10 18 1 2. - <_> - - <_> - 12 7 2 4 -1. - <_> - 12 7 1 4 2. - 1 - <_> - - <_> - 6 7 5 2 -1. - <_> - 6 7 5 1 2. - 1 - <_> - - <_> - 11 13 4 2 -1. - <_> - 12 13 2 2 2. - <_> - - <_> - 4 0 10 2 -1. - <_> - 4 0 5 1 2. - <_> - 9 1 5 1 2. - <_> - - <_> - 5 0 8 2 -1. - <_> - 9 0 4 1 2. - <_> - 5 1 4 1 2. - <_> - - <_> - 3 9 6 6 -1. - <_> - 3 9 3 3 2. - <_> - 6 12 3 3 2. - <_> - - <_> - 6 13 9 2 -1. - <_> - 9 13 3 2 3. - <_> - - <_> - 8 0 1 3 -1. - <_> - 7 1 1 1 3. - 1 - <_> - - <_> - 14 10 3 2 -1. - <_> - 15 11 1 2 3. - 1 - <_> - - <_> - 5 0 3 6 -1. - <_> - 5 3 3 3 2. - <_> - - <_> - 4 0 12 8 -1. - <_> - 8 0 4 8 3. - <_> - - <_> - 2 0 12 8 -1. - <_> - 6 0 4 8 3. - <_> - - <_> - 5 0 12 5 -1. - <_> - 8 0 6 5 2. - <_> - - <_> - 1 0 12 5 -1. - <_> - 4 0 6 5 2. - <_> - - <_> - 7 0 4 14 -1. - <_> - 9 0 2 7 2. - <_> - 7 7 2 7 2. - <_> - - <_> - 9 0 9 2 -1. - <_> - 9 0 9 1 2. - 1 - <_> - - <_> - 0 6 18 4 -1. - <_> - 9 6 9 2 2. - <_> - 0 8 9 2 2. - <_> - - <_> - 9 0 4 2 -1. - <_> - 10 1 2 2 2. - 1 - <_> - - <_> - 3 3 12 6 -1. - <_> - 7 5 4 2 9. - <_> - - <_> - 4 1 3 4 -1. - <_> - 5 2 1 4 3. - 1 - <_> - - <_> - 16 2 2 2 -1. - <_> - 17 2 1 1 2. - <_> - 16 3 1 1 2. - <_> - - <_> - 0 2 2 2 -1. - <_> - 0 2 1 1 2. - <_> - 1 3 1 1 2. - <_> - - <_> - 17 2 1 2 -1. - <_> - 17 3 1 1 2. - <_> - - <_> - 0 2 1 2 -1. - <_> - 0 3 1 1 2. - <_> - - <_> - 10 7 1 3 -1. - <_> - 9 8 1 1 3. - 1 - <_> - - <_> - 1 2 1 4 -1. - <_> - 1 3 1 2 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - <_> - - <_> - 9 0 8 6 -1. - <_> - 9 0 8 3 2. - 1 - <_> - - <_> - 12 6 3 4 -1. - <_> - 13 7 1 4 3. - 1 - <_> - - <_> - 3 3 1 3 -1. - <_> - 2 4 1 1 3. - 1 - <_> - - <_> - 11 7 3 4 -1. - <_> - 12 8 1 4 3. - 1 - <_> - - <_> - 7 7 4 3 -1. - <_> - 6 8 4 1 3. - 1 - <_> - - <_> - 8 8 3 2 -1. - <_> - 8 9 3 1 2. - <_> - - <_> - 3 8 8 2 -1. - <_> - 3 8 4 1 2. - <_> - 7 9 4 1 2. - <_> - - <_> - 11 8 4 6 -1. - <_> - 11 10 4 2 3. - <_> - - <_> - 1 11 14 4 -1. - <_> - 8 11 7 4 2. - <_> - - <_> - 9 13 6 2 -1. - <_> - 11 13 2 2 3. - <_> - - <_> - 3 13 6 2 -1. - <_> - 5 13 2 2 3. - <_> - - <_> - 1 11 16 2 -1. - <_> - 1 12 16 1 2. - <_> - - <_> - 1 10 16 4 -1. - <_> - 1 12 16 2 2. - <_> - - <_> - 12 13 6 2 -1. - <_> - 14 13 2 2 3. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 1 14 12 1 -1. - <_> - 5 14 4 1 3. - <_> - - <_> - 6 3 6 6 -1. - <_> - 6 6 6 3 2. - <_> - - <_> - 7 12 4 3 -1. - <_> - 8 12 2 3 2. - <_> - - <_> - 9 9 1 2 -1. - <_> - 9 9 1 1 2. - 1 - <_> - - <_> - 9 9 2 1 -1. - <_> - 9 9 1 1 2. - 1 - <_> - - <_> - 12 10 2 2 -1. - <_> - 13 10 1 1 2. - <_> - 12 11 1 1 2. - <_> - - <_> - 0 6 1 3 -1. - <_> - 0 7 1 1 3. - <_> - - <_> - 1 6 16 4 -1. - <_> - 1 7 16 2 2. - <_> - - <_> - 9 6 3 1 -1. - <_> - 10 7 1 1 3. - 1 - <_> - - <_> - 12 10 2 2 -1. - <_> - 13 10 1 1 2. - <_> - 12 11 1 1 2. - <_> - - <_> - 4 2 2 2 -1. - <_> - 5 2 1 2 2. - <_> - - <_> - 7 0 4 11 -1. - <_> - 7 0 2 11 2. - <_> - - <_> - 8 5 3 3 -1. - <_> - 7 6 3 1 3. - 1 - <_> - - <_> - 14 1 2 14 -1. - <_> - 14 8 2 7 2. - <_> - - <_> - 5 0 8 2 -1. - <_> - 7 0 4 2 2. - <_> - - <_> - 1 3 16 7 -1. - <_> - 5 3 8 7 2. - <_> - - <_> - 4 1 9 3 -1. - <_> - 4 2 9 1 3. - <_> - - <_> - 6 2 8 13 -1. - <_> - 6 2 4 13 2. - <_> - - <_> - 4 0 9 1 -1. - <_> - 7 0 3 1 3. - <_> - - <_> - 15 4 3 3 -1. - <_> - 14 5 3 1 3. - 1 - <_> - - <_> - 8 7 1 2 -1. - <_> - 8 8 1 1 2. - <_> - - <_> - 11 8 3 3 -1. - <_> - 11 9 3 1 3. - <_> - - <_> - 3 4 3 3 -1. - <_> - 4 5 1 3 3. - 1 - <_> - - <_> - 15 3 3 3 -1. - <_> - 14 4 3 1 3. - 1 - <_> - - <_> - 3 3 3 3 -1. - <_> - 4 4 1 3 3. - 1 - <_> - - <_> - 7 0 8 2 -1. - <_> - 11 0 4 1 2. - <_> - 7 1 4 1 2. - <_> - - <_> - 1 6 6 9 -1. - <_> - 3 6 2 9 3. - <_> - - <_> - 11 5 2 2 -1. - <_> - 12 5 1 1 2. - <_> - 11 6 1 1 2. - <_> - - <_> - 5 5 2 2 -1. - <_> - 5 5 1 1 2. - <_> - 6 6 1 1 2. - <_> - - <_> - 14 1 3 14 -1. - <_> - 14 8 3 7 2. - <_> - - <_> - 2 5 6 8 -1. - <_> - 4 5 2 8 3. - <_> - - <_> - 9 4 4 2 -1. - <_> - 10 4 2 2 2. - <_> - - <_> - 4 1 8 14 -1. - <_> - 8 1 4 14 2. - <_> - - <_> - 9 4 4 2 -1. - <_> - 10 4 2 2 2. - <_> - - <_> - 4 7 3 7 -1. - <_> - 5 7 1 7 3. - <_> - - <_> - 8 0 8 3 -1. - <_> - 10 2 4 3 2. - 1 - <_> - - <_> - 8 3 10 10 -1. - <_> - 13 3 5 5 2. - <_> - 8 8 5 5 2. - <_> - - <_> - 0 0 8 5 -1. - <_> - 2 0 4 5 2. - <_> - - <_> - 12 8 6 6 -1. - <_> - 12 8 3 6 2. - <_> - - <_> - 0 8 6 6 -1. - <_> - 3 8 3 6 2. - <_> - - <_> - 10 0 3 1 -1. - <_> - 11 1 1 1 3. - 1 - <_> - - <_> - 5 0 11 4 -1. - <_> - 4 1 11 2 2. - 1 - <_> - - <_> - 2 12 16 2 -1. - <_> - 2 13 16 1 2. - <_> - - <_> - 8 0 1 3 -1. - <_> - 7 1 1 1 3. - 1 - <_> - - <_> - 11 0 4 2 -1. - <_> - 11 0 2 2 2. - 1 - <_> - - <_> - 8 0 3 4 -1. - <_> - 7 1 3 2 2. - 1 - <_> - - <_> - 5 0 8 14 -1. - <_> - 5 0 4 14 2. - <_> - - <_> - 6 7 3 2 -1. - <_> - 6 8 3 1 2. - <_> - - <_> - 10 0 3 8 -1. - <_> - 8 2 3 4 2. - 1 - <_> - - <_> - 8 0 8 3 -1. - <_> - 10 2 4 3 2. - 1 - <_> - - <_> - 7 0 4 2 -1. - <_> - 8 0 2 2 2. - <_> - - <_> - 9 1 9 2 -1. - <_> - 12 4 3 2 3. - 1 - <_> - - <_> - 3 6 12 9 -1. - <_> - 3 6 6 9 2. - <_> - - <_> - 5 5 8 2 -1. - <_> - 5 6 8 1 2. - <_> - - <_> - 13 6 2 6 -1. - <_> - 13 6 1 6 2. - 1 - <_> - - <_> - 0 0 18 6 -1. - <_> - 0 0 9 3 2. - <_> - 9 3 9 3 2. - <_> - - <_> - 13 6 2 6 -1. - <_> - 13 6 1 6 2. - 1 - <_> - - <_> - 5 6 6 2 -1. - <_> - 5 6 6 1 2. - 1 - <_> - - <_> - 12 8 4 3 -1. - <_> - 13 9 2 3 2. - 1 - <_> - - <_> - 0 5 18 8 -1. - <_> - 0 5 9 4 2. - <_> - 9 9 9 4 2. - <_> - - <_> - 14 0 3 1 -1. - <_> - 15 1 1 1 3. - 1 - <_> - - <_> - 4 0 1 3 -1. - <_> - 3 1 1 1 3. - 1 - <_> - - <_> - 13 0 5 3 -1. - <_> - 12 1 5 1 3. - 1 - <_> - - <_> - 7 8 4 2 -1. - <_> - 7 9 4 1 2. - <_> - - <_> - 12 7 3 3 -1. - <_> - 13 8 1 3 3. - 1 - <_> - - <_> - 0 10 18 2 -1. - <_> - 0 11 18 1 2. - <_> - - <_> - 16 10 2 2 -1. - <_> - 16 11 2 1 2. - <_> - - <_> - 8 7 2 1 -1. - <_> - 8 7 1 1 2. - 1 - <_> - - <_> - 6 4 6 4 -1. - <_> - 6 6 6 2 2. - <_> - - <_> - 9 6 3 1 -1. - <_> - 10 7 1 1 3. - 1 - <_> - - <_> - 12 7 3 3 -1. - <_> - 13 8 1 3 3. - 1 - <_> - - <_> - 6 7 3 3 -1. - <_> - 5 8 3 1 3. - 1 - <_> - - <_> - 14 0 4 2 -1. - <_> - 15 1 2 2 2. - 1 - <_> - - <_> - 0 10 2 2 -1. - <_> - 0 11 2 1 2. - <_> - - <_> - 12 4 2 6 -1. - <_> - 12 6 2 2 3. - <_> - - <_> - 2 12 1 2 -1. - <_> - 2 12 1 1 2. - 1 - <_> - - <_> - 14 0 4 3 -1. - <_> - 13 1 4 1 3. - 1 - <_> - - <_> - 7 5 3 7 -1. - <_> - 8 5 1 7 3. - <_> - - <_> - 7 0 4 11 -1. - <_> - 7 0 2 11 2. - <_> - - <_> - 9 2 1 2 -1. - <_> - 9 2 1 1 2. - 1 - <_> - - <_> - 14 0 4 3 -1. - <_> - 13 1 4 1 3. - 1 - <_> - - <_> - 4 3 3 4 -1. - <_> - 5 4 1 4 3. - 1 - <_> - - <_> - 3 0 14 2 -1. - <_> - 10 0 7 1 2. - <_> - 3 1 7 1 2. - <_> - - <_> - 0 0 4 6 -1. - <_> - 0 0 2 3 2. - <_> - 2 3 2 3 2. - <_> - - <_> - 14 0 4 2 -1. - <_> - 15 1 2 2 2. - 1 - <_> - - <_> - 4 0 2 4 -1. - <_> - 3 1 2 2 2. - 1 - <_> - - <_> - 0 0 18 8 -1. - <_> - 9 0 9 4 2. - <_> - 0 4 9 4 2. - <_> - - <_> - 3 0 4 3 -1. - <_> - 4 1 2 3 2. - 1 - <_> - - <_> - 12 5 6 2 -1. - <_> - 12 6 6 1 2. - <_> - - <_> - 4 0 3 4 -1. - <_> - 5 1 1 4 3. - 1 - <_> - - <_> - 15 0 3 15 -1. - <_> - 16 0 1 15 3. - <_> - - <_> - 0 0 3 15 -1. - <_> - 1 0 1 15 3. - <_> - - <_> - 9 0 2 2 -1. - <_> - 9 1 2 1 2. - <_> - - <_> - 7 0 2 1 -1. - <_> - 8 0 1 1 2. - <_> - - <_> - 15 1 3 14 -1. - <_> - 15 8 3 7 2. - <_> - - <_> - 0 1 4 12 -1. - <_> - 0 7 4 6 2. - <_> - - <_> - 8 2 10 7 -1. - <_> - 8 2 5 7 2. - <_> - - <_> - 2 0 9 6 -1. - <_> - 2 3 9 3 2. - <_> - - <_> - 3 3 12 6 -1. - <_> - 3 5 12 2 3. - <_> - - <_> - 0 5 10 2 -1. - <_> - 5 5 5 2 2. - <_> - - <_> - 13 9 3 3 -1. - <_> - 14 10 1 3 3. - 1 - <_> - - <_> - 1 11 3 3 -1. - <_> - 2 11 1 3 3. - <_> - - <_> - 13 3 5 12 -1. - <_> - 13 9 5 6 2. - <_> - - <_> - 0 8 4 4 -1. - <_> - 0 8 2 2 2. - <_> - 2 10 2 2 2. - <_> - - <_> - 12 8 6 1 -1. - <_> - 14 8 2 1 3. - <_> - - <_> - 0 5 1 6 -1. - <_> - 0 7 1 2 3. - <_> - - <_> - 1 5 16 6 -1. - <_> - 1 7 16 2 3. - <_> - - <_> - 6 6 6 2 -1. - <_> - 6 7 6 1 2. - <_> - - <_> - 10 3 3 6 -1. - <_> - 11 5 1 2 9. - <_> - - <_> - 5 3 3 6 -1. - <_> - 6 5 1 2 9. - <_> - - <_> - 13 3 5 12 -1. - <_> - 13 9 5 6 2. - <_> - - <_> - 1 8 4 2 -1. - <_> - 2 8 2 2 2. - <_> - - <_> - 12 4 3 11 -1. - <_> - 13 4 1 11 3. - <_> - - <_> - 0 3 5 12 -1. - <_> - 0 9 5 6 2. - <_> - - <_> - 12 4 3 11 -1. - <_> - 13 4 1 11 3. - <_> - - <_> - 5 13 4 2 -1. - <_> - 5 14 4 1 2. - <_> - - <_> - 11 13 1 2 -1. - <_> - 11 14 1 1 2. - <_> - - <_> - 0 4 7 2 -1. - <_> - 0 5 7 1 2. - <_> - - <_> - 14 4 3 3 -1. - <_> - 13 5 3 1 3. - 1 - <_> - - <_> - 5 0 8 7 -1. - <_> - 7 0 4 7 2. - <_> - - <_> - 4 0 12 15 -1. - <_> - 8 0 4 15 3. - <_> - - <_> - 0 0 1 3 -1. - <_> - 0 1 1 1 3. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 16 10 2 1 -1. - <_> - 16 10 1 1 2. - <_> - - <_> - 3 2 3 13 -1. - <_> - 4 2 1 13 3. - <_> - - <_> - 14 4 3 3 -1. - <_> - 13 5 3 1 3. - 1 - <_> - - <_> - 5 3 8 4 -1. - <_> - 5 5 8 2 2. - <_> - - <_> - 12 0 3 1 -1. - <_> - 13 1 1 1 3. - 1 - <_> - - <_> - 4 0 8 13 -1. - <_> - 6 0 4 13 2. - <_> - - <_> - 11 1 1 4 -1. - <_> - 10 2 1 2 2. - 1 - <_> - - <_> - 7 1 4 1 -1. - <_> - 8 2 2 1 2. - 1 - <_> - - <_> - 14 4 3 3 -1. - <_> - 13 5 3 1 3. - 1 - <_> - - <_> - 4 4 3 3 -1. - <_> - 5 5 1 3 3. - 1 - <_> - - <_> - 17 2 1 8 -1. - <_> - 17 2 1 4 2. - 1 - <_> - - <_> - 1 2 8 1 -1. - <_> - 1 2 4 1 2. - 1 - <_> - - <_> - 11 6 3 4 -1. - <_> - 12 7 1 4 3. - 1 - <_> - - <_> - 7 6 4 3 -1. - <_> - 6 7 4 1 3. - 1 - <_> - - <_> - 14 1 4 3 -1. - <_> - 13 2 4 1 3. - 1 - <_> - - <_> - 0 4 8 3 -1. - <_> - 0 5 8 1 3. - <_> - - <_> - 10 3 6 6 -1. - <_> - 10 5 6 2 3. - <_> - - <_> - 4 1 6 8 -1. - <_> - 4 1 3 4 2. - <_> - 7 5 3 4 2. - <_> - - <_> - 10 4 4 2 -1. - <_> - 10 4 2 2 2. - 1 - <_> - - <_> - 6 13 1 2 -1. - <_> - 6 14 1 1 2. - <_> - - <_> - 9 11 3 4 -1. - <_> - 9 12 3 2 2. - <_> - - <_> - 1 11 10 4 -1. - <_> - 1 13 10 2 2. - <_> - - <_> - 14 1 4 2 -1. - <_> - 14 1 4 1 2. - 1 - <_> - - <_> - 3 1 12 8 -1. - <_> - 3 3 12 4 2. - <_> - - <_> - 12 4 2 8 -1. - <_> - 12 4 1 8 2. - 1 - <_> - - <_> - 6 4 8 2 -1. - <_> - 6 4 8 1 2. - 1 - <_> - - <_> - 7 0 6 1 -1. - <_> - 7 0 3 1 2. - <_> - - <_> - 3 5 12 6 -1. - <_> - 7 7 4 2 9. - <_> - - <_> - 10 3 1 2 -1. - <_> - 10 4 1 1 2. - <_> - - <_> - 9 0 6 3 -1. - <_> - 8 1 6 1 3. - 1 - <_> - - <_> - 16 5 2 3 -1. - <_> - 16 6 2 1 3. - <_> - - <_> - 2 7 4 4 -1. - <_> - 2 7 2 2 2. - <_> - 4 9 2 2 2. - <_> - - <_> - 16 5 2 3 -1. - <_> - 16 6 2 1 3. - <_> - - <_> - 0 5 2 3 -1. - <_> - 0 6 2 1 3. - <_> - - <_> - 12 6 2 4 -1. - <_> - 12 6 1 4 2. - 1 - <_> - - <_> - 4 13 8 2 -1. - <_> - 6 13 4 2 2. - <_> - - <_> - 8 0 2 3 -1. - <_> - 8 0 1 3 2. - <_> - - <_> - 4 3 10 12 -1. - <_> - 4 3 5 6 2. - <_> - 9 9 5 6 2. - <_> - - <_> - 7 11 8 4 -1. - <_> - 7 11 4 4 2. - <_> - - <_> - 3 11 8 4 -1. - <_> - 7 11 4 4 2. - <_> - - <_> - 13 6 2 2 -1. - <_> - 14 6 1 1 2. - <_> - 13 7 1 1 2. - <_> - - <_> - 3 6 2 2 -1. - <_> - 3 6 1 1 2. - <_> - 4 7 1 1 2. - <_> - - <_> - 12 0 3 1 -1. - <_> - 13 1 1 1 3. - 1 - <_> - - <_> - 4 1 4 6 -1. - <_> - 4 4 4 3 2. - <_> - - <_> - 17 0 1 2 -1. - <_> - 17 1 1 1 2. - <_> - - <_> - 5 0 7 3 -1. - <_> - 5 1 7 1 3. - <_> - - <_> - 17 0 1 2 -1. - <_> - 17 1 1 1 2. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 17 0 1 6 -1. - <_> - 17 2 1 2 3. - <_> - - <_> - 3 11 12 2 -1. - <_> - 3 12 12 1 2. - <_> - - <_> - 17 11 1 2 -1. - <_> - 17 12 1 1 2. - <_> - - <_> - 7 1 4 2 -1. - <_> - 7 2 4 1 2. - <_> - - <_> - 15 2 3 3 -1. - <_> - 14 3 3 1 3. - 1 - <_> - - <_> - 5 0 8 2 -1. - <_> - 5 1 8 1 2. - <_> - - <_> - 9 2 8 2 -1. - <_> - 9 2 4 2 2. - <_> - - <_> - 1 0 12 15 -1. - <_> - 7 0 6 15 2. - <_> - - <_> - 17 0 1 6 -1. - <_> - 17 2 1 2 3. - <_> - - <_> - 0 0 1 6 -1. - <_> - 0 2 1 2 3. - <_> - - <_> - 14 0 4 2 -1. - <_> - 14 0 4 1 2. - 1 - <_> - - <_> - 5 0 3 5 -1. - <_> - 6 1 1 5 3. - 1 - <_> - - <_> - 13 0 3 4 -1. - <_> - 14 0 1 4 3. - <_> - - <_> - 9 3 4 8 -1. - <_> - 9 3 2 8 2. - 1 - <_> - - <_> - 15 3 2 3 -1. - <_> - 14 4 2 1 3. - 1 - <_> - - <_> - 3 3 3 2 -1. - <_> - 4 4 1 2 3. - 1 - <_> - - <_> - 12 3 2 2 -1. - <_> - 13 3 1 1 2. - <_> - 12 4 1 1 2. - <_> - - <_> - 4 3 2 2 -1. - <_> - 4 3 1 1 2. - <_> - 5 4 1 1 2. - <_> - - <_> - 15 0 3 3 -1. - <_> - 16 0 1 3 3. - <_> - - <_> - 0 0 3 3 -1. - <_> - 1 0 1 3 3. - <_> - - <_> - 4 6 10 4 -1. - <_> - 4 8 10 2 2. - <_> - - <_> - 9 2 4 8 -1. - <_> - 9 2 2 8 2. - <_> - - <_> - 1 0 9 12 -1. - <_> - 4 0 3 12 3. - <_> - - <_> - 6 4 12 10 -1. - <_> - 12 4 6 5 2. - <_> - 6 9 6 5 2. - <_> - - <_> - 9 0 9 2 -1. - <_> - 9 0 9 1 2. - 1 - <_> - - <_> - 14 1 4 3 -1. - <_> - 13 2 4 1 3. - 1 - <_> - - <_> - 2 0 10 4 -1. - <_> - 2 2 10 2 2. - <_> - - <_> - 14 1 4 3 -1. - <_> - 13 2 4 1 3. - 1 - <_> - - <_> - 7 1 2 2 -1. - <_> - 7 1 1 1 2. - <_> - 8 2 1 1 2. - <_> - - <_> - 14 1 4 3 -1. - <_> - 13 2 4 1 3. - 1 - <_> - - <_> - 6 6 4 3 -1. - <_> - 5 7 4 1 3. - 1 - <_> - - <_> - 12 7 2 4 -1. - <_> - 12 8 2 2 2. - <_> - - <_> - 7 1 2 2 -1. - <_> - 7 1 1 1 2. - <_> - 8 2 1 1 2. - <_> - - <_> - 10 0 8 6 -1. - <_> - 14 0 4 3 2. - <_> - 10 3 4 3 2. - <_> - - <_> - 0 0 18 10 -1. - <_> - 0 0 9 5 2. - <_> - 9 5 9 5 2. - <_> - - <_> - 16 0 2 8 -1. - <_> - 16 4 2 4 2. - <_> - - <_> - 0 0 2 8 -1. - <_> - 0 4 2 4 2. - <_> - - <_> - 14 10 4 1 -1. - <_> - 15 11 2 1 2. - 1 - <_> - - <_> - 4 7 2 4 -1. - <_> - 4 8 2 2 2. - <_> - - <_> - 14 10 4 1 -1. - <_> - 15 11 2 1 2. - 1 - <_> - - <_> - 4 10 1 4 -1. - <_> - 3 11 1 2 2. - 1 - <_> - - <_> - 13 0 1 4 -1. - <_> - 13 0 1 2 2. - 1 - <_> - - <_> - 9 0 8 6 -1. - <_> - 9 0 8 3 2. - 1 - <_> - - <_> - 1 0 16 4 -1. - <_> - 9 0 8 2 2. - <_> - 1 2 8 2 2. - <_> - - <_> - 1 3 16 11 -1. - <_> - 5 3 8 11 2. - <_> - - <_> - 9 1 4 1 -1. - <_> - 9 1 2 1 2. - 1 - <_> - - <_> - 3 9 4 4 -1. - <_> - 3 10 4 2 2. - <_> - - <_> - 2 3 14 9 -1. - <_> - 2 6 14 3 3. - <_> - - <_> - 7 5 4 2 -1. - <_> - 7 6 4 1 2. - <_> - - <_> - 13 0 2 4 -1. - <_> - 13 0 1 4 2. - 1 - <_> - - <_> - 0 11 4 4 -1. - <_> - 1 11 2 4 2. - <_> - - <_> - 13 0 2 4 -1. - <_> - 13 0 1 4 2. - 1 - <_> - - <_> - 5 0 4 2 -1. - <_> - 5 0 4 1 2. - 1 - <_> - - <_> - 13 0 4 1 -1. - <_> - 14 1 2 1 2. - 1 - <_> - - <_> - 0 1 4 12 -1. - <_> - 0 7 4 6 2. - <_> - - <_> - 2 3 16 12 -1. - <_> - 10 3 8 6 2. - <_> - 2 9 8 6 2. - <_> - - <_> - 5 5 8 2 -1. - <_> - 5 5 4 1 2. - <_> - 9 6 4 1 2. - <_> - - <_> - 13 0 4 1 -1. - <_> - 14 1 2 1 2. - 1 - <_> - - <_> - 6 0 3 6 -1. - <_> - 7 1 1 6 3. - 1 - <_> - - <_> - 13 0 4 1 -1. - <_> - 14 1 2 1 2. - 1 - <_> - - <_> - 7 0 8 7 -1. - <_> - 9 2 4 7 2. - 1 - <_> - - <_> - 13 0 4 1 -1. - <_> - 14 1 2 1 2. - 1 - <_> - - <_> - 5 0 1 4 -1. - <_> - 4 1 1 2 2. - 1 - <_> - - <_> - 16 2 2 3 -1. - <_> - 15 3 2 1 3. - 1 - <_> - - <_> - 2 2 3 2 -1. - <_> - 3 3 1 2 3. - 1 - <_> - - <_> - 14 0 4 3 -1. - <_> - 13 1 4 1 3. - 1 - <_> - - <_> - 4 0 3 4 -1. - <_> - 5 1 1 4 3. - 1 - <_> - - <_> - 8 13 7 2 -1. - <_> - 8 14 7 1 2. - <_> - - <_> - 8 3 1 2 -1. - <_> - 8 3 1 1 2. - 1 - <_> - - <_> - 9 0 4 8 -1. - <_> - 10 1 2 8 2. - 1 - <_> - - <_> - 9 0 8 4 -1. - <_> - 8 1 8 2 2. - 1 - <_> - - <_> - 5 0 12 10 -1. - <_> - 9 0 4 10 3. - <_> - - <_> - 7 7 3 2 -1. - <_> - 7 7 3 1 2. - 1 - <_> - - <_> - 9 5 9 10 -1. - <_> - 9 10 9 5 2. - <_> - - <_> - 1 0 12 10 -1. - <_> - 5 0 4 10 3. - <_> - - <_> - 5 0 8 7 -1. - <_> - 5 0 4 7 2. - <_> - - <_> - 6 0 2 2 -1. - <_> - 6 0 1 1 2. - <_> - 7 1 1 1 2. - <_> - - <_> - 0 11 18 4 -1. - <_> - 0 12 18 2 2. - <_> - - <_> - 0 5 5 10 -1. - <_> - 0 10 5 5 2. - <_> - - <_> - 8 9 3 3 -1. - <_> - 9 9 1 3 3. - <_> - - <_> - 0 13 2 2 -1. - <_> - 0 13 1 1 2. - <_> - 1 14 1 1 2. - <_> - - <_> - 16 13 2 2 -1. - <_> - 17 13 1 1 2. - <_> - 16 14 1 1 2. - <_> - - <_> - 0 13 2 2 -1. - <_> - 0 13 1 1 2. - <_> - 1 14 1 1 2. - <_> - - <_> - 9 0 4 1 -1. - <_> - 10 1 2 1 2. - 1 - <_> - - <_> - 0 9 18 2 -1. - <_> - 0 10 18 1 2. - <_> - - <_> - 14 5 2 6 -1. - <_> - 14 5 1 6 2. - 1 - <_> - - <_> - 0 9 18 6 -1. - <_> - 0 9 9 3 2. - <_> - 9 12 9 3 2. - <_> - - <_> - 9 1 1 4 -1. - <_> - 9 2 1 2 2. - <_> - - <_> - 1 0 1 4 -1. - <_> - 1 1 1 2 2. - <_> - - <_> - 1 0 16 2 -1. - <_> - 9 0 8 1 2. - <_> - 1 1 8 1 2. - <_> - - <_> - 8 0 2 2 -1. - <_> - 8 0 1 1 2. - <_> - 9 1 1 1 2. - <_> - - <_> - 12 7 2 4 -1. - <_> - 12 7 1 4 2. - 1 - <_> - - <_> - 6 8 3 4 -1. - <_> - 7 8 1 4 3. - <_> - - <_> - 12 7 2 4 -1. - <_> - 12 7 1 4 2. - 1 - <_> - - <_> - 6 7 4 2 -1. - <_> - 6 7 4 1 2. - 1 - <_> - - <_> - 12 8 3 2 -1. - <_> - 12 9 3 1 2. - <_> - - <_> - 0 5 17 6 -1. - <_> - 0 7 17 2 3. - <_> - - <_> - 14 6 2 2 -1. - <_> - 15 6 1 1 2. - <_> - 14 7 1 1 2. - <_> - - <_> - 8 8 3 1 -1. - <_> - 9 9 1 1 3. - 1 - <_> - - <_> - 14 6 2 2 -1. - <_> - 15 6 1 1 2. - <_> - 14 7 1 1 2. - <_> - - <_> - 9 7 3 1 -1. - <_> - 10 8 1 1 3. - 1 - <_> - - <_> - 9 0 1 6 -1. - <_> - 9 0 1 3 2. - 1 - <_> - - <_> - 9 0 6 1 -1. - <_> - 9 0 3 1 2. - 1 - <_> - - <_> - 6 5 6 10 -1. - <_> - 6 5 3 10 2. - <_> - - <_> - 9 1 1 2 -1. - <_> - 9 1 1 1 2. - 1 - <_> - - <_> - 14 6 2 2 -1. - <_> - 15 6 1 1 2. - <_> - 14 7 1 1 2. - <_> - - <_> - 2 6 2 2 -1. - <_> - 2 6 1 1 2. - <_> - 3 7 1 1 2. - <_> - - <_> - 14 6 2 2 -1. - <_> - 15 6 1 1 2. - <_> - 14 7 1 1 2. - <_> - - <_> - 2 6 2 2 -1. - <_> - 2 6 1 1 2. - <_> - 3 7 1 1 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 5 0 8 5 -1. - <_> - 7 0 4 5 2. - <_> - - <_> - 3 3 12 6 -1. - <_> - 7 5 4 2 9. - <_> - - <_> - 4 6 1 3 -1. - <_> - 4 7 1 1 3. - <_> - - <_> - 13 7 2 6 -1. - <_> - 13 9 2 2 3. - <_> - - <_> - 1 4 16 2 -1. - <_> - 1 4 8 1 2. - <_> - 9 5 8 1 2. - <_> - - <_> - 10 13 6 2 -1. - <_> - 12 13 2 2 3. - <_> - - <_> - 3 7 2 2 -1. - <_> - 3 7 1 1 2. - <_> - 4 8 1 1 2. - <_> - - <_> - 9 7 2 2 -1. - <_> - 9 8 2 1 2. - <_> - - <_> - 7 4 4 4 -1. - <_> - 7 4 2 2 2. - <_> - 9 6 2 2 2. - <_> - - <_> - 10 13 6 2 -1. - <_> - 12 13 2 2 3. - <_> - - <_> - 3 6 1 4 -1. - <_> - 3 8 1 2 2. - <_> - - <_> - 10 13 6 2 -1. - <_> - 12 13 2 2 3. - <_> - - <_> - 3 0 11 2 -1. - <_> - 3 1 11 1 2. - <_> - - <_> - 6 0 6 2 -1. - <_> - 6 1 6 1 2. - <_> - - <_> - 0 9 1 3 -1. - <_> - 0 10 1 1 3. - <_> - - <_> - 6 5 12 4 -1. - <_> - 12 5 6 2 2. - <_> - 6 7 6 2 2. - <_> - - <_> - 0 5 12 4 -1. - <_> - 0 5 6 2 2. - <_> - 6 7 6 2 2. - <_> - - <_> - 10 3 4 2 -1. - <_> - 10 3 2 2 2. - <_> - - <_> - 0 4 4 4 -1. - <_> - 0 6 4 2 2. - <_> - - <_> - 16 8 2 1 -1. - <_> - 16 8 1 1 2. - 1 - <_> - - <_> - 2 8 1 2 -1. - <_> - 2 8 1 1 2. - 1 - <_> - - <_> - 0 0 18 15 -1. - <_> - 6 0 6 15 3. - <_> - - <_> - 1 2 6 4 -1. - <_> - 4 2 3 4 2. - <_> - - <_> - 13 2 2 13 -1. - <_> - 13 2 1 13 2. - <_> - - <_> - 3 2 2 13 -1. - <_> - 4 2 1 13 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 3 0 3 3 -1. - <_> - 4 1 1 3 3. - 1 - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 2 12 16 2 -1. - <_> - 2 13 16 1 2. - <_> - - <_> - 2 13 14 2 -1. - <_> - 2 14 14 1 2. - <_> - - <_> - 16 0 1 2 -1. - <_> - 16 1 1 1 2. - <_> - - <_> - 1 0 1 2 -1. - <_> - 1 1 1 1 2. - <_> - - <_> - 15 0 2 2 -1. - <_> - 16 0 1 1 2. - <_> - 15 1 1 1 2. - <_> - - <_> - 1 0 2 2 -1. - <_> - 1 0 1 1 2. - <_> - 2 1 1 1 2. - <_> - - <_> - 15 0 2 2 -1. - <_> - 16 0 1 1 2. - <_> - 15 1 1 1 2. - <_> - - <_> - 4 0 1 4 -1. - <_> - 3 1 1 2 2. - 1 - <_> - - <_> - 15 0 2 2 -1. - <_> - 16 0 1 1 2. - <_> - 15 1 1 1 2. - <_> - - <_> - 1 0 2 2 -1. - <_> - 1 0 1 1 2. - <_> - 2 1 1 1 2. - <_> - - <_> - 8 3 8 2 -1. - <_> - 8 4 8 1 2. - <_> - - <_> - 6 0 1 3 -1. - <_> - 6 1 1 1 3. - <_> - - <_> - 8 6 4 4 -1. - <_> - 10 6 2 2 2. - <_> - 8 8 2 2 2. - <_> - - <_> - 5 1 7 6 -1. - <_> - 5 3 7 2 3. - <_> - - <_> - 7 0 6 15 -1. - <_> - 7 5 6 5 3. - <_> - - <_> - 6 6 4 4 -1. - <_> - 6 6 2 2 2. - <_> - 8 8 2 2 2. - <_> - - <_> - 8 6 2 2 -1. - <_> - 8 7 2 1 2. - <_> - - <_> - 7 7 2 1 -1. - <_> - 7 7 1 1 2. - 1 - <_> - - <_> - 13 6 4 3 -1. - <_> - 12 7 4 1 3. - 1 - <_> - - <_> - 5 6 3 4 -1. - <_> - 6 7 1 4 3. - 1 - <_> - - <_> - 13 0 2 12 -1. - <_> - 13 6 2 6 2. - <_> - - <_> - 3 1 1 10 -1. - <_> - 3 6 1 5 2. - <_> - - <_> - 10 3 1 8 -1. - <_> - 8 5 1 4 2. - 1 - <_> - - <_> - 8 3 8 1 -1. - <_> - 10 5 4 1 2. - 1 - <_> - - <_> - 0 3 18 2 -1. - <_> - 9 3 9 1 2. - <_> - 0 4 9 1 2. - <_> - - <_> - 4 1 3 4 -1. - <_> - 5 2 1 4 3. - 1 - <_> - - <_> - 15 9 2 6 -1. - <_> - 15 9 1 6 2. - <_> - - <_> - 1 9 2 6 -1. - <_> - 2 9 1 6 2. - <_> - - <_> - 15 9 3 6 -1. - <_> - 16 9 1 6 3. - <_> - - <_> - 1 12 14 3 -1. - <_> - 1 13 14 1 3. - <_> - - <_> - 15 9 3 6 -1. - <_> - 16 9 1 6 3. - <_> - - <_> - 0 3 9 12 -1. - <_> - 0 6 9 6 2. - <_> - - <_> - 11 6 3 4 -1. - <_> - 12 7 1 4 3. - 1 - <_> - - <_> - 7 6 4 3 -1. - <_> - 6 7 4 1 3. - 1 - <_> - - <_> - 10 10 8 2 -1. - <_> - 14 10 4 1 2. - <_> - 10 11 4 1 2. - <_> - - <_> - 7 6 3 3 -1. - <_> - 8 7 1 1 9. - <_> - - <_> - 9 2 2 3 -1. - <_> - 9 2 1 3 2. - <_> - - <_> - 7 1 4 4 -1. - <_> - 8 1 2 4 2. - <_> - - <_> - 14 1 4 2 -1. - <_> - 14 1 4 1 2. - 1 - <_> - - <_> - 4 2 3 4 -1. - <_> - 5 3 1 4 3. - 1 - <_> - - <_> - 10 11 2 2 -1. - <_> - 11 11 1 1 2. - <_> - 10 12 1 1 2. - <_> - - <_> - 1 8 16 6 -1. - <_> - 1 8 8 3 2. - <_> - 9 11 8 3 2. - <_> - - <_> - 15 8 3 7 -1. - <_> - 16 8 1 7 3. - <_> - - <_> - 0 8 3 7 -1. - <_> - 1 8 1 7 3. - <_> - - <_> - 9 9 2 4 -1. - <_> - 10 9 1 2 2. - <_> - 9 11 1 2 2. - <_> - - <_> - 7 9 2 4 -1. - <_> - 7 9 1 2 2. - <_> - 8 11 1 2 2. - <_> - - <_> - 3 6 14 9 -1. - <_> - 3 6 7 9 2. - <_> - - <_> - 8 5 3 6 -1. - <_> - 6 7 3 2 3. - 1 - <_> - - <_> - 9 0 8 3 -1. - <_> - 11 0 4 3 2. - <_> - - <_> - 3 3 8 2 -1. - <_> - 7 3 4 2 2. - <_> - - <_> - 1 6 16 8 -1. - <_> - 1 8 16 4 2. - <_> - - <_> - 2 7 14 8 -1. - <_> - 2 7 7 4 2. - <_> - 9 11 7 4 2. - <_> - - <_> - 9 7 4 6 -1. - <_> - 9 9 4 2 3. - <_> - - <_> - 5 6 3 9 -1. - <_> - 5 9 3 3 3. - <_> - - <_> - 12 7 6 8 -1. - <_> - 12 7 3 8 2. - <_> - - <_> - 9 2 9 4 -1. - <_> - 12 5 3 4 3. - 1 - <_> - - <_> - 12 7 6 8 -1. - <_> - 12 7 3 8 2. - <_> - - <_> - 4 7 3 4 -1. - <_> - 4 9 3 2 2. - <_> - - <_> - 8 0 8 6 -1. - <_> - 8 3 8 3 2. - <_> - - <_> - 3 0 12 1 -1. - <_> - 6 0 6 1 2. - <_> - - <_> - 12 9 6 6 -1. - <_> - 12 9 3 6 2. - <_> - - <_> - 0 9 6 6 -1. - <_> - 3 9 3 6 2. - <_> - - <_> - 15 1 3 14 -1. - <_> - 15 8 3 7 2. - <_> - - <_> - 5 1 8 2 -1. - <_> - 5 1 4 1 2. - <_> - 9 2 4 1 2. - <_> - - <_> - 5 0 12 5 -1. - <_> - 8 0 6 5 2. - <_> - - <_> - 5 0 4 4 -1. - <_> - 5 2 4 2 2. - <_> - - <_> - 12 0 2 3 -1. - <_> - 12 0 1 3 2. - 1 - <_> - - <_> - 4 0 10 15 -1. - <_> - 9 0 5 15 2. - <_> - - <_> - 5 0 12 3 -1. - <_> - 8 0 6 3 2. - <_> - - <_> - 0 1 2 14 -1. - <_> - 0 8 2 7 2. - <_> - - <_> - 5 4 8 4 -1. - <_> - 5 6 8 2 2. - <_> - - <_> - 2 9 14 2 -1. - <_> - 2 10 14 1 2. - <_> - - <_> - 0 9 18 2 -1. - <_> - 0 10 18 1 2. - <_> - - <_> - 5 6 8 2 -1. - <_> - 5 7 8 1 2. - <_> - - <_> - 10 5 3 3 -1. - <_> - 11 6 1 1 9. - <_> - - <_> - 0 2 2 1 -1. - <_> - 1 2 1 1 2. - <_> - - <_> - 12 0 4 2 -1. - <_> - 13 1 2 2 2. - 1 - <_> - - <_> - 6 0 3 2 -1. - <_> - 6 0 3 1 2. - 1 - <_> - - <_> - 10 5 3 3 -1. - <_> - 11 6 1 1 9. - <_> - - <_> - 5 5 3 3 -1. - <_> - 6 6 1 1 9. - <_> - - <_> - 10 0 3 1 -1. - <_> - 11 1 1 1 3. - 1 - <_> - - <_> - 4 13 10 2 -1. - <_> - 4 14 10 1 2. - <_> - - <_> - 10 0 3 1 -1. - <_> - 11 1 1 1 3. - 1 - <_> - - <_> - 1 12 14 2 -1. - <_> - 1 13 14 1 2. - <_> - - <_> - 10 5 4 6 -1. - <_> - 8 7 4 2 3. - 1 - <_> - - <_> - 8 5 6 4 -1. - <_> - 10 7 2 4 3. - 1 - <_> - - <_> - 15 6 3 6 -1. - <_> - 15 9 3 3 2. - <_> - - <_> - 7 8 3 2 -1. - <_> - 7 9 3 1 2. - <_> - - <_> - 2 8 14 2 -1. - <_> - 2 9 14 1 2. - <_> - - <_> - 3 0 3 8 -1. - <_> - 3 4 3 4 2. - <_> - - <_> - 0 1 18 8 -1. - <_> - 9 1 9 4 2. - <_> - 0 5 9 4 2. - <_> - - <_> - 5 0 8 7 -1. - <_> - 7 0 4 7 2. - <_> - - <_> - 10 1 4 1 -1. - <_> - 10 1 2 1 2. - 1 - <_> - - <_> - 2 0 10 2 -1. - <_> - 2 0 10 1 2. - 1 - <_> - - <_> - 4 4 10 6 -1. - <_> - 9 4 5 3 2. - <_> - 4 7 5 3 2. - <_> - - <_> - 5 8 4 2 -1. - <_> - 5 8 2 1 2. - <_> - 7 9 2 1 2. - <_> - - <_> - 15 6 3 6 -1. - <_> - 15 9 3 3 2. - <_> - - <_> - 1 4 16 6 -1. - <_> - 1 6 16 2 3. - <_> - - <_> - 9 0 1 4 -1. - <_> - 9 1 1 2 2. - <_> - - <_> - 0 7 2 3 -1. - <_> - 0 8 2 1 3. - <_> - - <_> - 15 5 3 3 -1. - <_> - 14 6 3 1 3. - 1 - <_> - - <_> - 8 0 1 3 -1. - <_> - 7 1 1 1 3. - 1 - <_> - - <_> - 6 1 12 3 -1. - <_> - 9 1 6 3 2. - <_> - - <_> - 0 1 12 3 -1. - <_> - 3 1 6 3 2. - <_> - - <_> - 15 5 3 3 -1. - <_> - 14 6 3 1 3. - 1 - <_> - - <_> - 0 0 8 7 -1. - <_> - 4 0 4 7 2. - <_> - - <_> - 14 4 4 6 -1. - <_> - 14 4 4 3 2. - 1 - <_> - - <_> - 4 4 6 4 -1. - <_> - 4 4 3 4 2. - 1 - <_> - - <_> - 4 1 10 8 -1. - <_> - 4 3 10 4 2. - <_> - - <_> - 8 7 2 2 -1. - <_> - 8 8 2 1 2. - <_> - - <_> - 11 0 3 2 -1. - <_> - 12 1 1 2 3. - 1 - <_> - - <_> - 7 0 2 3 -1. - <_> - 6 1 2 1 3. - 1 - <_> - - <_> - 3 0 12 2 -1. - <_> - 9 0 6 1 2. - <_> - 3 1 6 1 2. - <_> - - <_> - 0 2 2 2 -1. - <_> - 0 2 1 1 2. - <_> - 1 3 1 1 2. - <_> - - <_> - 15 1 3 3 -1. - <_> - 14 2 3 1 3. - 1 - <_> - - <_> - 3 1 3 3 -1. - <_> - 4 2 1 3 3. - 1 - <_> - - <_> - 2 0 14 4 -1. - <_> - 9 0 7 2 2. - <_> - 2 2 7 2 2. - <_> - - <_> - 6 1 3 6 -1. - <_> - 7 2 1 6 3. - 1 - <_> - - <_> - 16 6 2 4 -1. - <_> - 16 8 2 2 2. - <_> - - <_> - 0 6 2 4 -1. - <_> - 0 8 2 2 2. - <_> - - <_> - 9 2 3 2 -1. - <_> - 9 3 3 1 2. - <_> - - <_> - 6 2 3 2 -1. - <_> - 6 3 3 1 2. - <_> - - <_> - 13 0 4 4 -1. - <_> - 14 0 2 4 2. - <_> - - <_> - 1 0 4 4 -1. - <_> - 2 0 2 4 2. - <_> - - <_> - 8 13 10 2 -1. - <_> - 13 13 5 1 2. - <_> - 8 14 5 1 2. - <_> - - <_> - 4 4 3 3 -1. - <_> - 5 5 1 3 3. - 1 - <_> - - <_> - 7 7 4 6 -1. - <_> - 8 7 2 6 2. - <_> - - <_> - 7 1 8 2 -1. - <_> - 9 3 4 2 2. - 1 - <_> - - <_> - 4 1 11 4 -1. - <_> - 4 2 11 2 2. - <_> - - <_> - 4 12 4 3 -1. - <_> - 5 12 2 3 2. - <_> - - <_> - 6 7 6 2 -1. - <_> - 6 8 6 1 2. - <_> - - <_> - 0 9 18 6 -1. - <_> - 0 11 18 2 3. - <_> - - <_> - 12 13 1 2 -1. - <_> - 12 14 1 1 2. - <_> - - <_> - 8 5 1 8 -1. - <_> - 8 5 1 4 2. - 1 - <_> - - <_> - 10 2 4 13 -1. - <_> - 11 2 2 13 2. - <_> - - <_> - 4 2 4 13 -1. - <_> - 5 2 2 13 2. - <_> - - <_> - 11 8 3 3 -1. - <_> - 12 9 1 1 9. - <_> - - <_> - 5 0 10 4 -1. - <_> - 5 0 10 2 2. - 1 - <_> - - <_> - 0 7 18 4 -1. - <_> - 9 7 9 2 2. - <_> - 0 9 9 2 2. - <_> - - <_> - 4 8 2 2 -1. - <_> - 4 8 1 1 2. - <_> - 5 9 1 1 2. - <_> - - <_> - 7 0 8 3 -1. - <_> - 9 0 4 3 2. - <_> - - <_> - 8 6 3 1 -1. - <_> - 9 7 1 1 3. - 1 - <_> - - <_> - 2 3 14 8 -1. - <_> - 2 5 14 4 2. - <_> - - <_> - 8 6 1 8 -1. - <_> - 8 6 1 4 2. - 1 - <_> - - <_> - 11 8 4 4 -1. - <_> - 11 9 4 2 2. - <_> - - <_> - 1 11 4 2 -1. - <_> - 2 11 2 2 2. - <_> - - <_> - 10 8 4 2 -1. - <_> - 12 8 2 1 2. - <_> - 10 9 2 1 2. - <_> - - <_> - 7 7 3 3 -1. - <_> - 8 8 1 1 9. - <_> - - <_> - 13 8 4 2 -1. - <_> - 15 8 2 1 2. - <_> - 13 9 2 1 2. - <_> - - <_> - 1 8 4 2 -1. - <_> - 1 8 2 1 2. - <_> - 3 9 2 1 2. - <_> - - <_> - 5 3 10 12 -1. - <_> - 5 3 5 12 2. - <_> - - <_> - 3 3 10 12 -1. - <_> - 8 3 5 12 2. - <_> - - <_> - 5 0 12 8 -1. - <_> - 9 0 4 8 3. - <_> - - <_> - 1 0 12 8 -1. - <_> - 5 0 4 8 3. - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 1 1 1 3. - 1 - <_> - - <_> - 9 0 2 2 -1. - <_> - 9 0 2 1 2. - 1 - <_> - - <_> - 9 1 2 2 -1. - <_> - 9 1 1 2 2. - 1 - <_> - - <_> - 9 1 2 2 -1. - <_> - 9 1 2 1 2. - 1 - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 1 1 1 3. - 1 - <_> - - <_> - 6 0 4 2 -1. - <_> - 6 1 4 1 2. - <_> - - <_> - 9 0 1 2 -1. - <_> - 9 1 1 1 2. - <_> - - <_> - 9 5 2 4 -1. - <_> - 9 5 2 2 2. - 1 - <_> - - <_> - 8 8 6 4 -1. - <_> - 11 8 3 2 2. - <_> - 8 10 3 2 2. - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 15 1 3 2 -1. - <_> - 16 2 1 2 3. - 1 - <_> - - <_> - 3 1 2 3 -1. - <_> - 2 2 2 1 3. - 1 - <_> - - <_> - 16 1 2 3 -1. - <_> - 15 2 2 1 3. - 1 - <_> - - <_> - 2 1 3 2 -1. - <_> - 3 2 1 2 3. - 1 - <_> - - <_> - 14 1 4 2 -1. - <_> - 14 1 4 1 2. - 1 - <_> - - <_> - 4 1 2 4 -1. - <_> - 4 1 1 4 2. - 1 - <_> - - <_> - 13 2 5 6 -1. - <_> - 13 5 5 3 2. - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 2 0 14 9 -1. - <_> - 2 3 14 3 3. - <_> - - <_> - 2 1 1 2 -1. - <_> - 2 2 1 1 2. - <_> - - <_> - 13 2 5 6 -1. - <_> - 13 5 5 3 2. - <_> - - <_> - 0 0 8 9 -1. - <_> - 2 0 4 9 2. - <_> - - <_> - 8 5 2 2 -1. - <_> - 8 6 2 1 2. - <_> - - <_> - 9 0 8 5 -1. - <_> - 11 2 4 5 2. - 1 - <_> - - <_> - 13 2 5 6 -1. - <_> - 13 5 5 3 2. - <_> - - <_> - 0 2 5 6 -1. - <_> - 0 5 5 3 2. - <_> - - <_> - 3 4 12 10 -1. - <_> - 9 4 6 5 2. - <_> - 3 9 6 5 2. - <_> - - <_> - 6 6 2 3 -1. - <_> - 7 6 1 3 2. - <_> - - <_> - 11 1 6 6 -1. - <_> - 13 3 2 6 3. - 1 - <_> - - <_> - 7 1 6 6 -1. - <_> - 5 3 6 2 3. - 1 - <_> - - <_> - 13 4 1 6 -1. - <_> - 13 6 1 2 3. - <_> - - <_> - 8 0 1 2 -1. - <_> - 8 1 1 1 2. - <_> - - <_> - 10 13 6 2 -1. - <_> - 13 13 3 1 2. - <_> - 10 14 3 1 2. - <_> - - <_> - 2 13 6 2 -1. - <_> - 2 13 3 1 2. - <_> - 5 14 3 1 2. - <_> - - <_> - 5 12 9 3 -1. - <_> - 8 12 3 3 3. - <_> - - <_> - 1 14 12 1 -1. - <_> - 5 14 4 1 3. - <_> - - <_> - 4 0 12 15 -1. - <_> - 8 0 4 15 3. - <_> - - <_> - 3 0 8 14 -1. - <_> - 5 0 4 14 2. - <_> - - <_> - 10 10 8 4 -1. - <_> - 14 10 4 2 2. - <_> - 10 12 4 2 2. - <_> - - <_> - 2 0 12 5 -1. - <_> - 6 0 4 5 3. - <_> - - <_> - 12 0 2 1 -1. - <_> - 12 0 1 1 2. - 1 - <_> - - <_> - 6 0 1 2 -1. - <_> - 6 0 1 1 2. - 1 - <_> - - <_> - 12 5 2 8 -1. - <_> - 12 5 1 8 2. - 1 - <_> - - <_> - 6 5 8 2 -1. - <_> - 6 5 8 1 2. - 1 - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 2 4 14 4 -1. - <_> - 2 6 14 2 2. - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 4 7 2 2 -1. - <_> - 4 7 1 1 2. - <_> - 5 8 1 1 2. - <_> - - <_> - 12 5 1 4 -1. - <_> - 12 6 1 2 2. - <_> - - <_> - 5 5 1 4 -1. - <_> - 5 6 1 2 2. - <_> - - <_> - 12 7 3 2 -1. - <_> - 13 8 1 2 3. - 1 - <_> - - <_> - 3 9 6 4 -1. - <_> - 3 9 3 2 2. - <_> - 6 11 3 2 2. - <_> - - <_> - 9 12 6 1 -1. - <_> - 9 12 3 1 2. - <_> - - <_> - 7 3 4 1 -1. - <_> - 8 3 2 1 2. - <_> - - <_> - 6 13 8 2 -1. - <_> - 6 13 4 2 2. - <_> - - <_> - 9 0 6 2 -1. - <_> - 9 0 3 2 2. - 1 - <_> - - <_> - 7 11 10 4 -1. - <_> - 7 11 5 4 2. - <_> - - <_> - 1 11 15 4 -1. - <_> - 6 11 5 4 3. - <_> - - <_> - 7 0 6 4 -1. - <_> - 7 1 6 2 2. - <_> - - <_> - 1 10 2 2 -1. - <_> - 1 10 1 1 2. - <_> - 2 11 1 1 2. - <_> - - <_> - 8 10 3 2 -1. - <_> - 9 10 1 2 3. - <_> - - <_> - 0 8 2 3 -1. - <_> - 0 9 2 1 3. - <_> - - <_> - 11 8 4 4 -1. - <_> - 11 9 4 2 2. - <_> - - <_> - 3 8 4 4 -1. - <_> - 3 9 4 2 2. - <_> - - <_> - 2 7 16 2 -1. - <_> - 6 7 8 2 2. - <_> - - <_> - 0 7 16 2 -1. - <_> - 4 7 8 2 2. - <_> - - <_> - 12 10 4 2 -1. - <_> - 14 10 2 1 2. - <_> - 12 11 2 1 2. - <_> - - <_> - 2 10 4 2 -1. - <_> - 2 10 2 1 2. - <_> - 4 11 2 1 2. - <_> - - <_> - 16 9 2 3 -1. - <_> - 16 10 2 1 3. - <_> - - <_> - 6 4 6 9 -1. - <_> - 8 7 2 3 9. - <_> - - <_> - 8 0 4 15 -1. - <_> - 8 5 4 5 3. - <_> - - <_> - 8 7 2 3 -1. - <_> - 8 8 2 1 3. - <_> - - <_> - 6 1 7 2 -1. - <_> - 6 2 7 1 2. - <_> - - <_> - 0 7 6 2 -1. - <_> - 0 7 3 1 2. - <_> - 3 8 3 1 2. - <_> - - <_> - 12 3 5 3 -1. - <_> - 11 4 5 1 3. - 1 - <_> - - <_> - 6 3 3 5 -1. - <_> - 7 4 1 5 3. - 1 - <_> - - <_> - 7 8 4 3 -1. - <_> - 7 9 4 1 3. - <_> - - <_> - 2 1 6 14 -1. - <_> - 2 1 3 7 2. - <_> - 5 8 3 7 2. - <_> - - <_> - 10 1 8 9 -1. - <_> - 10 1 4 9 2. - <_> - - <_> - 7 7 4 4 -1. - <_> - 8 7 2 4 2. - <_> - - <_> - 9 9 2 4 -1. - <_> - 10 9 1 2 2. - <_> - 9 11 1 2 2. - <_> - - <_> - 3 9 4 2 -1. - <_> - 3 9 2 1 2. - <_> - 5 10 2 1 2. - <_> - - <_> - 16 9 2 3 -1. - <_> - 16 10 2 1 3. - <_> - - <_> - 0 9 2 3 -1. - <_> - 0 10 2 1 3. - <_> - - <_> - 2 0 16 9 -1. - <_> - 6 0 8 9 2. - <_> - - <_> - 1 1 8 4 -1. - <_> - 5 1 4 4 2. - <_> - - <_> - 9 3 2 6 -1. - <_> - 7 5 2 2 3. - 1 - <_> - - <_> - 9 3 6 2 -1. - <_> - 11 5 2 2 3. - 1 - <_> - - <_> - 14 1 2 2 -1. - <_> - 15 1 1 1 2. - <_> - 14 2 1 1 2. - <_> - - <_> - 2 3 3 2 -1. - <_> - 3 4 1 2 3. - 1 - <_> - - <_> - 15 0 2 2 -1. - <_> - 15 0 1 2 2. - 1 - <_> - - <_> - 3 0 2 2 -1. - <_> - 3 0 2 1 2. - 1 - <_> - - <_> - 10 0 1 8 -1. - <_> - 8 2 1 4 2. - 1 - <_> - - <_> - 3 2 12 8 -1. - <_> - 3 4 12 4 2. - <_> - - <_> - 8 0 9 2 -1. - <_> - 11 0 3 2 3. - <_> - - <_> - 4 5 9 6 -1. - <_> - 4 8 9 3 2. - <_> - - <_> - 8 0 9 2 -1. - <_> - 11 0 3 2 3. - <_> - - <_> - 1 0 9 2 -1. - <_> - 4 0 3 2 3. - <_> - - <_> - 7 0 8 4 -1. - <_> - 7 2 8 2 2. - <_> - - <_> - 7 6 3 3 -1. - <_> - 6 7 3 1 3. - 1 - <_> - - <_> - 2 0 14 6 -1. - <_> - 9 0 7 3 2. - <_> - 2 3 7 3 2. - <_> - - <_> - 0 0 4 14 -1. - <_> - 0 7 4 7 2. - <_> - - <_> - 0 5 18 10 -1. - <_> - 9 5 9 5 2. - <_> - 0 10 9 5 2. - <_> - - <_> - 5 7 1 3 -1. - <_> - 5 8 1 1 3. - <_> - - <_> - 3 5 12 4 -1. - <_> - 3 7 12 2 2. - <_> - - <_> - 2 5 14 6 -1. - <_> - 2 7 14 2 3. - <_> - - <_> - 11 2 6 6 -1. - <_> - 11 5 6 3 2. - <_> - - <_> - 6 0 2 2 -1. - <_> - 6 1 2 1 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 0 0 9 15 -1. - <_> - 3 5 3 5 9. - <_> - - <_> - 10 8 5 3 -1. - <_> - 10 9 5 1 3. - <_> - - <_> - 6 0 3 4 -1. - <_> - 6 1 3 2 2. - <_> - - <_> - 7 9 8 6 -1. - <_> - 7 9 4 6 2. - <_> - - <_> - 4 9 8 5 -1. - <_> - 8 9 4 5 2. - <_> - - <_> - 16 1 2 1 -1. - <_> - 16 1 1 1 2. - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 9 0 6 8 -1. - <_> - 11 2 2 8 3. - 1 - <_> - - <_> - 9 8 1 6 -1. - <_> - 9 8 1 3 2. - 1 - <_> - - <_> - 0 10 18 2 -1. - <_> - 0 11 18 1 2. - <_> - - <_> - 3 8 5 3 -1. - <_> - 3 9 5 1 3. - <_> - - <_> - 1 1 16 4 -1. - <_> - 5 1 8 4 2. - <_> - - <_> - 6 0 6 2 -1. - <_> - 9 0 3 2 2. - <_> - - <_> - 14 4 4 7 -1. - <_> - 15 5 2 7 2. - 1 - <_> - - <_> - 4 4 7 4 -1. - <_> - 3 5 7 2 2. - 1 - <_> - - <_> - 8 2 6 2 -1. - <_> - 8 3 6 1 2. - <_> - - <_> - 4 2 10 2 -1. - <_> - 4 2 5 1 2. - <_> - 9 3 5 1 2. - <_> - - <_> - 16 11 2 2 -1. - <_> - 16 11 2 1 2. - 1 - <_> - - <_> - 2 12 14 3 -1. - <_> - 2 13 14 1 3. - <_> - - <_> - 16 12 2 2 -1. - <_> - 16 12 1 2 2. - <_> - - <_> - 0 12 2 2 -1. - <_> - 1 12 1 2 2. - <_> - - <_> - 10 7 6 6 -1. - <_> - 12 9 2 2 9. - <_> - - <_> - 2 7 6 6 -1. - <_> - 4 9 2 2 9. - <_> - - <_> - 11 5 1 9 -1. - <_> - 8 8 1 3 3. - 1 - <_> - - <_> - 0 5 18 4 -1. - <_> - 0 5 9 2 2. - <_> - 9 7 9 2 2. - <_> - - <_> - 17 3 1 3 -1. - <_> - 16 4 1 1 3. - 1 - <_> - - <_> - 4 5 6 4 -1. - <_> - 4 5 3 4 2. - 1 - <_> - - <_> - 11 13 6 2 -1. - <_> - 13 13 2 2 3. - <_> - - <_> - 1 3 3 1 -1. - <_> - 2 4 1 1 3. - 1 - <_> - - <_> - 0 1 18 4 -1. - <_> - 9 1 9 2 2. - <_> - 0 3 9 2 2. - <_> - - <_> - 1 13 6 2 -1. - <_> - 3 13 2 2 3. - <_> - - <_> - 11 5 1 9 -1. - <_> - 8 8 1 3 3. - 1 - <_> - - <_> - 7 5 9 1 -1. - <_> - 10 8 3 1 3. - 1 - <_> - - <_> - 1 9 16 2 -1. - <_> - 1 10 16 1 2. - <_> - - <_> - 1 7 16 8 -1. - <_> - 1 9 16 4 2. - <_> - - <_> - 14 0 4 2 -1. - <_> - 15 1 2 2 2. - 1 - <_> - - <_> - 3 1 11 2 -1. - <_> - 3 1 11 1 2. - 1 - <_> - - <_> - 5 3 9 6 -1. - <_> - 8 5 3 2 9. - <_> - - <_> - 6 0 2 4 -1. - <_> - 5 1 2 2 2. - 1 - <_> - - <_> - 15 2 3 3 -1. - <_> - 14 3 3 1 3. - 1 - <_> - - <_> - 3 2 3 3 -1. - <_> - 4 3 1 3 3. - 1 - <_> - - <_> - 10 3 4 2 -1. - <_> - 10 3 2 2 2. - <_> - - <_> - 3 1 12 6 -1. - <_> - 9 1 6 6 2. - <_> - - <_> - 7 5 4 6 -1. - <_> - 9 5 2 3 2. - <_> - 7 8 2 3 2. - <_> - - <_> - 3 6 12 6 -1. - <_> - 3 6 6 3 2. - <_> - 9 9 6 3 2. - <_> - - <_> - 7 4 4 6 -1. - <_> - 7 7 4 3 2. - <_> - - <_> - 8 6 2 2 -1. - <_> - 8 6 1 2 2. - 1 - <_> - - <_> - 2 12 14 2 -1. - <_> - 2 13 14 1 2. - <_> - - <_> - 2 8 6 7 -1. - <_> - 4 8 2 7 3. - <_> - - <_> - 14 0 4 2 -1. - <_> - 15 1 2 2 2. - 1 - <_> - - <_> - 3 6 3 3 -1. - <_> - 4 7 1 1 9. - <_> - - <_> - 3 0 12 2 -1. - <_> - 9 0 6 1 2. - <_> - 3 1 6 1 2. - <_> - - <_> - 0 13 4 2 -1. - <_> - 1 13 2 2 2. - <_> - - <_> - 13 6 3 5 -1. - <_> - 14 7 1 5 3. - 1 - <_> - - <_> - 7 4 6 3 -1. - <_> - 9 6 2 3 3. - 1 - <_> - - <_> - 1 5 16 6 -1. - <_> - 1 7 16 2 3. - <_> - - <_> - 8 9 2 2 -1. - <_> - 8 10 2 1 2. - <_> - - <_> - 8 9 8 2 -1. - <_> - 12 9 4 1 2. - <_> - 8 10 4 1 2. - <_> - - <_> - 0 0 12 15 -1. - <_> - 3 0 6 15 2. - <_> - - <_> - 10 3 4 2 -1. - <_> - 10 3 2 2 2. - <_> - - <_> - 4 3 4 2 -1. - <_> - 6 3 2 2 2. - <_> - - <_> - 6 0 9 9 -1. - <_> - 9 0 3 9 3. - <_> - - <_> - 0 2 8 2 -1. - <_> - 2 2 4 2 2. - <_> - - <_> - 15 0 2 1 -1. - <_> - 15 0 1 1 2. - 1 - <_> - - <_> - 8 1 2 8 -1. - <_> - 8 5 2 4 2. - <_> - - <_> - 16 3 2 2 -1. - <_> - 16 3 1 2 2. - 1 - <_> - - <_> - 2 3 2 2 -1. - <_> - 2 3 2 1 2. - 1 - <_> - - <_> - 14 2 4 3 -1. - <_> - 13 3 4 1 3. - 1 - <_> - - <_> - 5 3 8 2 -1. - <_> - 5 3 4 1 2. - <_> - 9 4 4 1 2. - <_> - - <_> - 13 1 5 3 -1. - <_> - 12 2 5 1 3. - 1 - <_> - - <_> - 5 1 3 5 -1. - <_> - 6 2 1 5 3. - 1 - <_> - - <_> - 7 0 9 6 -1. - <_> - 7 3 9 3 2. - <_> - - <_> - 2 0 9 6 -1. - <_> - 2 3 9 3 2. - <_> - - <_> - 4 0 10 8 -1. - <_> - 4 4 10 4 2. - <_> - - <_> - 7 8 4 2 -1. - <_> - 7 9 4 1 2. - <_> - - <_> - 9 0 6 8 -1. - <_> - 11 2 2 8 3. - 1 - <_> - - <_> - 5 6 4 3 -1. - <_> - 4 7 4 1 3. - 1 - <_> - - <_> - 9 0 6 8 -1. - <_> - 11 2 2 8 3. - 1 - <_> - - <_> - 1 11 6 4 -1. - <_> - 1 11 3 2 2. - <_> - 4 13 3 2 2. - <_> - - <_> - 9 0 6 8 -1. - <_> - 11 2 2 8 3. - 1 - <_> - - <_> - 9 0 8 6 -1. - <_> - 7 2 8 2 3. - 1 - <_> - - <_> - 14 0 4 4 -1. - <_> - 15 1 2 4 2. - 1 - <_> - - <_> - 4 1 3 4 -1. - <_> - 4 2 3 2 2. - <_> - - <_> - 13 0 3 1 -1. - <_> - 14 0 1 1 3. - <_> - - <_> - 0 7 11 8 -1. - <_> - 0 11 11 4 2. - <_> - - <_> - 1 9 17 4 -1. - <_> - 1 11 17 2 2. - <_> - - <_> - 1 6 16 6 -1. - <_> - 1 8 16 2 3. - <_> - - <_> - 13 0 3 1 -1. - <_> - 14 0 1 1 3. - <_> - - <_> - 2 0 3 1 -1. - <_> - 3 0 1 1 3. - <_> - - <_> - 5 2 9 6 -1. - <_> - 5 4 9 2 3. - <_> - - <_> - 7 1 3 2 -1. - <_> - 7 2 3 1 2. - <_> - - <_> - 6 11 12 4 -1. - <_> - 6 13 12 2 2. - <_> - - <_> - 0 0 16 2 -1. - <_> - 0 0 8 1 2. - <_> - 8 1 8 1 2. - <_> - - <_> - 16 11 2 2 -1. - <_> - 17 11 1 1 2. - <_> - 16 12 1 1 2. - <_> - - <_> - 3 1 3 3 -1. - <_> - 4 2 1 3 3. - 1 - <_> - - <_> - 12 0 6 2 -1. - <_> - 14 2 2 2 3. - 1 - <_> - - <_> - 6 0 2 6 -1. - <_> - 4 2 2 2 3. - 1 - <_> - - <_> - 15 8 3 6 -1. - <_> - 16 10 1 2 9. - <_> - - <_> - 0 8 3 6 -1. - <_> - 1 10 1 2 9. - <_> - - <_> - 14 4 3 3 -1. - <_> - 13 5 3 1 3. - 1 - <_> - - <_> - 4 4 3 3 -1. - <_> - 5 5 1 3 3. - 1 - <_> - - <_> - 11 9 3 6 -1. - <_> - 12 9 1 6 3. - <_> - - <_> - 9 0 9 2 -1. - <_> - 12 3 3 2 3. - 1 - <_> - - <_> - 15 4 1 8 -1. - <_> - 13 6 1 4 2. - 1 - <_> - - <_> - 3 4 8 1 -1. - <_> - 5 6 4 1 2. - 1 - <_> - - <_> - 6 0 6 6 -1. - <_> - 8 0 2 6 3. - <_> - - <_> - 8 3 10 1 -1. - <_> - 8 3 5 1 2. - 1 - <_> - - <_> - 8 8 3 5 -1. - <_> - 9 8 1 5 3. - <_> - - <_> - 7 2 8 2 -1. - <_> - 9 4 4 2 2. - 1 - <_> - - <_> - 11 2 3 13 -1. - <_> - 12 2 1 13 3. - <_> - - <_> - 4 2 3 13 -1. - <_> - 5 2 1 13 3. - <_> - - <_> - 17 7 1 6 -1. - <_> - 17 9 1 2 3. - <_> - - <_> - 0 7 1 6 -1. - <_> - 0 9 1 2 3. - <_> - - <_> - 8 7 8 4 -1. - <_> - 12 7 4 2 2. - <_> - 8 9 4 2 2. - <_> - - <_> - 2 7 8 4 -1. - <_> - 2 7 4 2 2. - <_> - 6 9 4 2 2. - <_> - - <_> - 3 5 12 4 -1. - <_> - 9 5 6 2 2. - <_> - 3 7 6 2 2. - <_> - - <_> - 7 12 3 3 -1. - <_> - 8 13 1 1 9. - <_> - - <_> - 8 12 2 3 -1. - <_> - 8 13 2 1 3. - <_> - - <_> - 5 0 6 3 -1. - <_> - 5 1 6 1 3. - <_> - - <_> - 7 0 4 2 -1. - <_> - 7 1 4 1 2. - <_> - - <_> - 3 4 4 1 -1. - <_> - 5 4 2 1 2. - <_> - - <_> - 6 0 9 1 -1. - <_> - 9 0 3 1 3. - <_> - - <_> - 6 8 4 2 -1. - <_> - 6 8 4 1 2. - 1 - <_> - - <_> - 12 7 2 4 -1. - <_> - 12 7 1 4 2. - 1 - <_> - - <_> - 6 7 4 2 -1. - <_> - 6 7 4 1 2. - 1 - <_> - - <_> - 4 1 12 4 -1. - <_> - 7 1 6 4 2. - <_> - - <_> - 2 1 12 4 -1. - <_> - 5 1 6 4 2. - <_> - - <_> - 5 1 12 3 -1. - <_> - 9 1 4 3 3. - <_> - - <_> - 3 1 11 8 -1. - <_> - 3 3 11 4 2. - <_> - - <_> - 2 7 15 4 -1. - <_> - 2 8 15 2 2. - <_> - - <_> - 5 11 2 2 -1. - <_> - 5 11 1 2 2. - 1 - <_> - - <_> - 6 10 8 5 -1. - <_> - 8 10 4 5 2. - <_> - - <_> - 4 10 8 5 -1. - <_> - 6 10 4 5 2. - <_> - - <_> - 1 11 17 2 -1. - <_> - 1 12 17 1 2. - <_> - - <_> - 0 9 17 4 -1. - <_> - 0 10 17 2 2. - <_> - - <_> - 0 6 18 2 -1. - <_> - 9 6 9 1 2. - <_> - 0 7 9 1 2. - <_> - - <_> - 7 1 3 6 -1. - <_> - 5 3 3 2 3. - 1 - <_> - - <_> - 9 13 6 2 -1. - <_> - 11 13 2 2 3. - <_> - - <_> - 3 13 6 2 -1. - <_> - 5 13 2 2 3. - <_> - - <_> - 12 6 2 2 -1. - <_> - 13 6 1 1 2. - <_> - 12 7 1 1 2. - <_> - - <_> - 4 6 2 2 -1. - <_> - 4 6 1 1 2. - <_> - 5 7 1 1 2. - <_> - - <_> - 12 6 2 2 -1. - <_> - 13 6 1 1 2. - <_> - 12 7 1 1 2. - <_> - - <_> - 4 6 2 2 -1. - <_> - 4 6 1 1 2. - <_> - 5 7 1 1 2. - <_> - - <_> - 13 0 5 8 -1. - <_> - 13 4 5 4 2. - <_> - - <_> - 8 6 6 3 -1. - <_> - 10 8 2 3 3. - 1 - <_> - - <_> - 9 11 1 3 -1. - <_> - 8 12 1 1 3. - 1 - <_> - - <_> - 9 11 3 1 -1. - <_> - 10 12 1 1 3. - 1 - <_> - - <_> - 7 1 6 2 -1. - <_> - 10 1 3 1 2. - <_> - 7 2 3 1 2. - <_> - - <_> - 1 5 16 5 -1. - <_> - 5 5 8 5 2. - <_> - - <_> - 12 6 6 1 -1. - <_> - 14 6 2 1 3. - <_> - - <_> - 0 6 6 1 -1. - <_> - 2 6 2 1 3. - <_> - - <_> - 15 4 2 1 -1. - <_> - 15 4 1 1 2. - <_> - - <_> - 1 4 2 1 -1. - <_> - 2 4 1 1 2. - <_> - - <_> - 8 0 2 2 -1. - <_> - 8 1 2 1 2. - <_> - - <_> - 0 0 2 10 -1. - <_> - 0 5 2 5 2. - <_> - - <_> - 3 2 12 6 -1. - <_> - 3 5 12 3 2. - <_> - - <_> - 6 0 4 3 -1. - <_> - 5 1 4 1 3. - 1 - <_> - - <_> - 9 0 3 6 -1. - <_> - 10 1 1 6 3. - 1 - <_> - - <_> - 0 0 8 8 -1. - <_> - 4 0 4 8 2. - <_> - - <_> - 6 0 9 1 -1. - <_> - 9 0 3 1 3. - <_> - - <_> - 0 0 18 9 -1. - <_> - 6 0 6 9 3. - <_> - - <_> - 5 11 9 4 -1. - <_> - 5 12 9 2 2. - <_> - - <_> - 3 2 3 13 -1. - <_> - 4 2 1 13 3. - <_> - - <_> - 10 3 6 2 -1. - <_> - 10 3 3 2 2. - 1 - <_> - - <_> - 8 3 2 6 -1. - <_> - 8 3 2 3 2. - 1 - <_> - - <_> - 13 6 3 3 -1. - <_> - 12 7 3 1 3. - 1 - <_> - - <_> - 5 6 3 3 -1. - <_> - 6 7 1 3 3. - 1 - <_> - - <_> - 11 6 2 2 -1. - <_> - 12 6 1 1 2. - <_> - 11 7 1 1 2. - <_> - - <_> - 7 0 4 11 -1. - <_> - 9 0 2 11 2. - <_> - - <_> - 8 0 2 5 -1. - <_> - 8 0 1 5 2. - <_> - - <_> - 2 2 5 12 -1. - <_> - 2 8 5 6 2. - <_> - - <_> - 0 5 18 10 -1. - <_> - 9 5 9 5 2. - <_> - 0 10 9 5 2. - <_> - - <_> - 0 10 8 4 -1. - <_> - 0 10 4 2 2. - <_> - 4 12 4 2 2. - <_> - - <_> - 9 0 1 3 -1. - <_> - 9 1 1 1 3. - <_> - - <_> - 2 11 2 2 -1. - <_> - 2 11 1 1 2. - <_> - 3 12 1 1 2. - <_> - - <_> - 14 1 2 14 -1. - <_> - 14 8 2 7 2. - <_> - - <_> - 2 1 2 14 -1. - <_> - 2 8 2 7 2. - <_> - - <_> - 14 7 3 4 -1. - <_> - 15 8 1 4 3. - 1 - <_> - - <_> - 0 9 18 6 -1. - <_> - 0 9 9 3 2. - <_> - 9 12 9 3 2. - <_> - - <_> - 11 7 3 5 -1. - <_> - 12 8 1 5 3. - 1 - <_> - - <_> - 7 7 5 3 -1. - <_> - 6 8 5 1 3. - 1 - <_> - - <_> - 15 0 3 2 -1. - <_> - 16 1 1 2 3. - 1 - <_> - - <_> - 7 8 4 5 -1. - <_> - 8 8 2 5 2. - <_> - - <_> - 8 1 10 12 -1. - <_> - 8 5 10 4 3. - <_> - - <_> - 3 0 2 3 -1. - <_> - 2 1 2 1 3. - 1 - <_> - - <_> - 17 5 1 3 -1. - <_> - 16 6 1 1 3. - 1 - <_> - - <_> - 0 0 15 4 -1. - <_> - 5 0 5 4 3. - <_> - - <_> - 12 0 6 5 -1. - <_> - 12 0 3 5 2. - <_> - - <_> - 0 0 6 5 -1. - <_> - 3 0 3 5 2. - <_> - - <_> - 8 6 2 4 -1. - <_> - 7 7 2 2 2. - 1 - <_> - - <_> - 6 3 10 12 -1. - <_> - 11 3 5 6 2. - <_> - 6 9 5 6 2. - <_> - - <_> - 3 0 6 1 -1. - <_> - 5 0 2 1 3. - <_> - - <_> - 2 4 16 8 -1. - <_> - 10 4 8 4 2. - <_> - 2 8 8 4 2. - <_> - - <_> - 1 6 4 4 -1. - <_> - 1 6 2 2 2. - <_> - 3 8 2 2 2. - <_> - - <_> - 13 0 4 2 -1. - <_> - 14 1 2 2 2. - 1 - <_> - - <_> - 5 0 2 4 -1. - <_> - 4 1 2 2 2. - 1 - <_> - - <_> - 12 8 1 3 -1. - <_> - 12 9 1 1 3. - <_> - - <_> - 5 8 1 3 -1. - <_> - 5 9 1 1 3. - <_> - - <_> - 10 0 4 4 -1. - <_> - 10 1 4 2 2. - <_> - - <_> - 5 7 1 3 -1. - <_> - 5 8 1 1 3. - <_> - - <_> - 3 0 12 2 -1. - <_> - 3 1 12 1 2. - <_> - - <_> - 4 0 4 4 -1. - <_> - 4 1 4 2 2. - <_> - - <_> - 6 3 10 12 -1. - <_> - 11 3 5 6 2. - <_> - 6 9 5 6 2. - <_> - - <_> - 2 3 10 12 -1. - <_> - 2 3 5 6 2. - <_> - 7 9 5 6 2. - <_> - - <_> - 9 0 2 9 -1. - <_> - 9 0 1 9 2. - 1 - <_> - - <_> - 0 3 2 1 -1. - <_> - 1 3 1 1 2. - <_> - - <_> - 12 1 6 14 -1. - <_> - 12 8 6 7 2. - <_> - - <_> - 0 1 6 14 -1. - <_> - 0 8 6 7 2. - <_> - - <_> - 9 0 2 9 -1. - <_> - 9 0 1 9 2. - 1 - <_> - - <_> - 9 0 9 2 -1. - <_> - 9 0 9 1 2. - 1 - <_> - - <_> - 2 12 14 3 -1. - <_> - 2 13 14 1 3. - <_> - - <_> - 0 0 18 8 -1. - <_> - 0 0 9 4 2. - <_> - 9 4 9 4 2. - <_> - - <_> - 11 1 5 6 -1. - <_> - 11 4 5 3 2. - <_> - - <_> - 2 1 5 6 -1. - <_> - 2 4 5 3 2. - <_> - - <_> - 6 10 8 5 -1. - <_> - 8 10 4 5 2. - <_> - - <_> - 4 9 10 6 -1. - <_> - 9 9 5 6 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - <_> - - <_> - 0 11 6 4 -1. - <_> - 0 11 3 2 2. - <_> - 3 13 3 2 2. - <_> - - <_> - 14 14 2 1 -1. - <_> - 14 14 1 1 2. - <_> - - <_> - 2 14 2 1 -1. - <_> - 3 14 1 1 2. - <_> - - <_> - 0 3 18 8 -1. - <_> - 0 7 18 4 2. - <_> - - <_> - 3 2 3 3 -1. - <_> - 4 3 1 3 3. - 1 - <_> - - <_> - 16 3 1 2 -1. - <_> - 16 4 1 1 2. - <_> - - <_> - 2 4 6 8 -1. - <_> - 5 4 3 8 2. - <_> - - <_> - 8 9 4 2 -1. - <_> - 10 9 2 1 2. - <_> - 8 10 2 1 2. - <_> - - <_> - 6 9 4 2 -1. - <_> - 6 9 2 1 2. - <_> - 8 10 2 1 2. - <_> - - <_> - 16 3 1 2 -1. - <_> - 16 4 1 1 2. - <_> - - <_> - 1 3 1 2 -1. - <_> - 1 4 1 1 2. - <_> - - <_> - 1 1 16 2 -1. - <_> - 9 1 8 1 2. - <_> - 1 2 8 1 2. - <_> - - <_> - 6 10 4 2 -1. - <_> - 6 10 2 1 2. - <_> - 8 11 2 1 2. - <_> - - <_> - 7 7 4 3 -1. - <_> - 8 7 2 3 2. - <_> - - <_> - 6 0 4 4 -1. - <_> - 6 0 2 2 2. - <_> - 8 2 2 2 2. - <_> - - <_> - 12 6 6 3 -1. - <_> - 14 7 2 1 9. - <_> - - <_> - 0 6 6 3 -1. - <_> - 2 7 2 1 9. - <_> - - <_> - 14 13 2 2 -1. - <_> - 15 13 1 1 2. - <_> - 14 14 1 1 2. - <_> - - <_> - 2 13 2 2 -1. - <_> - 2 13 1 1 2. - <_> - 3 14 1 1 2. - <_> - - <_> - 14 12 4 2 -1. - <_> - 15 12 2 2 2. - <_> - - <_> - 9 4 7 4 -1. - <_> - 9 4 7 2 2. - 1 - <_> - - <_> - 17 9 1 2 -1. - <_> - 17 10 1 1 2. - <_> - - <_> - 0 9 1 2 -1. - <_> - 0 10 1 1 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 16 4 2 2 -1. - <_> - 17 4 1 1 2. - <_> - 16 5 1 1 2. - <_> - - <_> - 0 4 2 2 -1. - <_> - 0 4 1 1 2. - <_> - 1 5 1 1 2. - <_> - - <_> - 7 3 4 6 -1. - <_> - 9 3 2 3 2. - <_> - 7 6 2 3 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 0 1 1 2. - <_> - 1 1 1 1 2. - <_> - - <_> - 1 3 16 4 -1. - <_> - 9 3 8 2 2. - <_> - 1 5 8 2 2. - <_> - - <_> - 2 12 14 2 -1. - <_> - 2 13 14 1 2. - <_> - - <_> - 12 0 2 2 -1. - <_> - 13 0 1 1 2. - <_> - 12 1 1 1 2. - <_> - - <_> - 4 0 2 2 -1. - <_> - 4 0 1 1 2. - <_> - 5 1 1 1 2. - <_> - - <_> - 5 1 8 2 -1. - <_> - 5 2 8 1 2. - <_> - - <_> - 4 7 2 2 -1. - <_> - 4 7 1 1 2. - <_> - 5 8 1 1 2. - <_> - - <_> - 12 14 6 1 -1. - <_> - 14 14 2 1 3. - <_> - - <_> - 7 0 4 2 -1. - <_> - 7 1 4 1 2. - <_> - - <_> - 5 0 8 2 -1. - <_> - 5 1 8 1 2. - <_> - - <_> - 1 1 16 6 -1. - <_> - 1 3 16 2 3. - <_> - - <_> - 8 7 10 8 -1. - <_> - 8 7 5 8 2. - <_> - - <_> - 0 7 11 8 -1. - <_> - 0 9 11 4 2. - <_> - - <_> - 11 8 2 2 -1. - <_> - 12 8 1 1 2. - <_> - 11 9 1 1 2. - <_> - - <_> - 0 7 16 1 -1. - <_> - 4 7 8 1 2. - <_> - - <_> - 8 7 10 8 -1. - <_> - 8 7 5 8 2. - <_> - - <_> - 0 7 10 8 -1. - <_> - 5 7 5 8 2. - <_> - - <_> - 12 0 3 2 -1. - <_> - 13 1 1 2 3. - 1 - <_> - - <_> - 5 8 2 2 -1. - <_> - 5 8 1 1 2. - <_> - 6 9 1 1 2. - <_> - - <_> - 12 0 3 2 -1. - <_> - 13 1 1 2 3. - 1 - <_> - - <_> - 0 7 18 8 -1. - <_> - 0 7 9 4 2. - <_> - 9 11 9 4 2. - <_> - - <_> - 14 12 4 2 -1. - <_> - 15 12 2 2 2. - <_> - - <_> - 0 12 4 2 -1. - <_> - 1 12 2 2 2. - <_> - - <_> - 15 0 3 3 -1. - <_> - 14 1 3 1 3. - 1 - <_> - - <_> - 3 0 3 3 -1. - <_> - 4 1 1 3 3. - 1 - <_> - - <_> - 14 2 3 3 -1. - <_> - 13 3 3 1 3. - 1 - <_> - - <_> - 4 2 3 3 -1. - <_> - 5 3 1 3 3. - 1 - <_> - - <_> - 15 1 3 1 -1. - <_> - 16 2 1 1 3. - 1 - <_> - - <_> - 3 1 1 3 -1. - <_> - 2 2 1 1 3. - 1 - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 1 1 1 3. - 1 - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 15 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 15 8 1 1 2. - <_> - - <_> - 6 4 6 5 -1. - <_> - 8 6 2 5 3. - 1 - <_> - - <_> - 6 9 10 2 -1. - <_> - 11 9 5 1 2. - <_> - 6 10 5 1 2. - <_> - - <_> - 4 7 5 8 -1. - <_> - 4 9 5 4 2. - <_> - - <_> - 2 5 15 6 -1. - <_> - 2 7 15 2 3. - <_> - - <_> - 3 0 2 15 -1. - <_> - 3 5 2 5 3. - <_> - - <_> - 15 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 15 8 1 1 2. - <_> - - <_> - 0 10 18 2 -1. - <_> - 0 11 18 1 2. - <_> - - <_> - 9 8 2 4 -1. - <_> - 9 10 2 2 2. - <_> - - <_> - 0 5 18 6 -1. - <_> - 0 8 18 3 2. - <_> - - <_> - 3 11 12 4 -1. - <_> - 3 12 12 2 2. - <_> - - <_> - 0 14 6 1 -1. - <_> - 2 14 2 1 3. - <_> - - <_> - 12 14 6 1 -1. - <_> - 14 14 2 1 3. - <_> - - <_> - 8 0 2 1 -1. - <_> - 9 0 1 1 2. - <_> - - <_> - 5 0 12 1 -1. - <_> - 8 0 6 1 2. - <_> - - <_> - 4 0 8 1 -1. - <_> - 6 0 4 1 2. - <_> - - <_> - 12 14 6 1 -1. - <_> - 14 14 2 1 3. - <_> - - <_> - 0 14 6 1 -1. - <_> - 2 14 2 1 3. - <_> - - <_> - 6 9 10 2 -1. - <_> - 11 9 5 1 2. - <_> - 6 10 5 1 2. - <_> - - <_> - 4 9 6 2 -1. - <_> - 4 9 3 1 2. - <_> - 7 10 3 1 2. - <_> - - <_> - 16 3 2 9 -1. - <_> - 13 6 2 3 3. - 1 - <_> - - <_> - 2 3 9 2 -1. - <_> - 5 6 3 2 3. - 1 - <_> - - <_> - 11 0 6 2 -1. - <_> - 13 2 2 2 3. - 1 - <_> - - <_> - 7 0 3 2 -1. - <_> - 7 1 3 1 2. - <_> - - <_> - 11 0 2 3 -1. - <_> - 11 0 1 3 2. - 1 - <_> - - <_> - 7 0 3 2 -1. - <_> - 7 0 3 1 2. - 1 - <_> - - <_> - 9 2 2 1 -1. - <_> - 9 2 1 1 2. - 1 - <_> - - <_> - 4 2 10 8 -1. - <_> - 4 4 10 4 2. - <_> - - <_> - 11 0 3 3 -1. - <_> - 12 1 1 3 3. - 1 - <_> - - <_> - 7 0 3 3 -1. - <_> - 6 1 3 1 3. - 1 - <_> - - <_> - 12 0 2 2 -1. - <_> - 13 0 1 1 2. - <_> - 12 1 1 1 2. - <_> - - <_> - 4 0 2 2 -1. - <_> - 4 0 1 1 2. - <_> - 5 1 1 1 2. - <_> - - <_> - 0 12 18 3 -1. - <_> - 0 13 18 1 3. - <_> - - <_> - 4 0 2 1 -1. - <_> - 5 0 1 1 2. - <_> - - <_> - 11 1 4 2 -1. - <_> - 11 1 2 2 2. - <_> - - <_> - 0 0 15 2 -1. - <_> - 5 0 5 2 3. - <_> - - <_> - 12 0 3 1 -1. - <_> - 13 1 1 1 3. - 1 - <_> - - <_> - 6 0 1 3 -1. - <_> - 5 1 1 1 3. - 1 - <_> - - <_> - 11 3 2 1 -1. - <_> - 11 3 1 1 2. - <_> - - <_> - 5 3 2 1 -1. - <_> - 6 3 1 1 2. - <_> - - <_> - 16 0 2 4 -1. - <_> - 15 1 2 2 2. - 1 - <_> - - <_> - 2 0 4 2 -1. - <_> - 3 1 2 2 2. - 1 - <_> - - <_> - 0 0 18 2 -1. - <_> - 9 0 9 1 2. - <_> - 0 1 9 1 2. - <_> - - <_> - 0 4 18 4 -1. - <_> - 0 4 9 2 2. - <_> - 9 6 9 2 2. - <_> - - <_> - 10 7 4 2 -1. - <_> - 12 7 2 1 2. - <_> - 10 8 2 1 2. - <_> - - <_> - 4 3 3 4 -1. - <_> - 5 4 1 4 3. - 1 - <_> - - <_> - 15 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 15 8 1 1 2. - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 7 1 1 2. - <_> - 2 8 1 1 2. - <_> - - <_> - 10 7 4 2 -1. - <_> - 12 7 2 1 2. - <_> - 10 8 2 1 2. - <_> - - <_> - 6 8 2 2 -1. - <_> - 6 8 1 1 2. - <_> - 7 9 1 1 2. - <_> - - <_> - 8 3 2 8 -1. - <_> - 8 7 2 4 2. - <_> - - <_> - 1 4 16 9 -1. - <_> - 1 7 16 3 3. - <_> - - <_> - 15 6 3 6 -1. - <_> - 15 8 3 2 3. - <_> - - <_> - 0 6 3 6 -1. - <_> - 0 8 3 2 3. - <_> - - <_> - 6 0 6 11 -1. - <_> - 6 0 3 11 2. - <_> - - <_> - 6 0 4 10 -1. - <_> - 8 0 2 10 2. - <_> - - <_> - 13 0 4 4 -1. - <_> - 14 1 2 4 2. - 1 - <_> - - <_> - 9 5 6 2 -1. - <_> - 9 5 6 1 2. - 1 - <_> - - <_> - 8 10 6 2 -1. - <_> - 11 10 3 1 2. - <_> - 8 11 3 1 2. - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 7 1 1 2. - <_> - 2 8 1 1 2. - <_> - - <_> - 10 0 3 3 -1. - <_> - 10 1 3 1 3. - <_> - - <_> - 4 0 10 3 -1. - <_> - 4 1 10 1 3. - <_> - - <_> - 15 7 1 2 -1. - <_> - 15 8 1 1 2. - <_> - - <_> - 5 7 8 2 -1. - <_> - 5 8 8 1 2. - <_> - - <_> - 11 5 6 9 -1. - <_> - 13 8 2 3 9. - <_> - - <_> - 1 5 6 9 -1. - <_> - 3 8 2 3 9. - <_> - - <_> - 11 6 3 6 -1. - <_> - 9 8 3 2 3. - 1 - <_> - - <_> - 7 6 6 3 -1. - <_> - 9 8 2 3 3. - 1 - <_> - - <_> - 10 10 1 3 -1. - <_> - 10 11 1 1 3. - <_> - - <_> - 7 10 1 3 -1. - <_> - 7 11 1 1 3. - <_> - - <_> - 0 11 18 4 -1. - <_> - 9 11 9 2 2. - <_> - 0 13 9 2 2. - <_> - - <_> - 4 11 6 4 -1. - <_> - 7 11 3 4 2. - <_> - - <_> - 0 2 18 12 -1. - <_> - 0 5 18 6 2. - <_> - - <_> - 0 10 1 4 -1. - <_> - 0 12 1 2 2. - <_> - - <_> - 12 6 3 3 -1. - <_> - 13 7 1 1 9. - <_> - - <_> - 3 6 3 3 -1. - <_> - 4 7 1 1 9. - <_> - - <_> - 13 0 4 4 -1. - <_> - 14 1 2 4 2. - 1 - <_> - - <_> - 5 0 4 4 -1. - <_> - 4 1 4 2 2. - 1 - <_> - - <_> - 5 6 8 4 -1. - <_> - 9 6 4 2 2. - <_> - 5 8 4 2 2. - <_> - - <_> - 3 11 2 2 -1. - <_> - 3 11 1 1 2. - <_> - 4 12 1 1 2. - <_> - - <_> - 1 10 16 2 -1. - <_> - 1 11 16 1 2. - <_> - - <_> - 1 13 15 2 -1. - <_> - 1 14 15 1 2. - <_> - - <_> - 16 12 1 2 -1. - <_> - 16 12 1 1 2. - 1 - <_> - - <_> - 0 8 4 2 -1. - <_> - 0 8 2 1 2. - <_> - 2 9 2 1 2. - <_> - - <_> - 13 5 1 2 -1. - <_> - 13 6 1 1 2. - <_> - - <_> - 4 4 10 4 -1. - <_> - 4 6 10 2 2. - <_> - - <_> - 13 5 1 2 -1. - <_> - 13 6 1 1 2. - <_> - - <_> - 4 5 1 2 -1. - <_> - 4 6 1 1 2. - <_> - - <_> - 13 2 3 7 -1. - <_> - 14 3 1 7 3. - 1 - <_> - - <_> - 5 2 7 3 -1. - <_> - 4 3 7 1 3. - 1 - <_> - - <_> - 13 5 2 7 -1. - <_> - 13 5 1 7 2. - <_> - - <_> - 3 5 2 7 -1. - <_> - 4 5 1 7 2. - <_> - - <_> - 9 2 6 2 -1. - <_> - 9 2 3 2 2. - <_> - - <_> - 3 2 6 2 -1. - <_> - 6 2 3 2 2. - <_> - - <_> - 13 3 5 6 -1. - <_> - 13 6 5 3 2. - <_> - - <_> - 5 10 4 2 -1. - <_> - 5 10 2 1 2. - <_> - 7 11 2 1 2. - <_> - - <_> - 11 11 4 2 -1. - <_> - 12 11 2 2 2. - <_> - - <_> - 3 11 4 2 -1. - <_> - 4 11 2 2 2. - <_> - - <_> - 16 12 1 2 -1. - <_> - 16 12 1 1 2. - 1 - <_> - - <_> - 2 12 2 1 -1. - <_> - 2 12 1 1 2. - 1 - <_> - - <_> - 16 3 2 3 -1. - <_> - 15 4 2 1 3. - 1 - <_> - - <_> - 0 3 5 6 -1. - <_> - 0 6 5 3 2. - <_> - - <_> - 16 3 2 3 -1. - <_> - 15 4 2 1 3. - 1 - <_> - - <_> - 1 3 16 9 -1. - <_> - 1 6 16 3 3. - <_> - - <_> - 0 9 18 2 -1. - <_> - 0 10 18 1 2. - <_> - - <_> - 1 11 2 2 -1. - <_> - 1 11 1 1 2. - <_> - 2 12 1 1 2. - <_> - - <_> - 15 13 2 2 -1. - <_> - 16 13 1 1 2. - <_> - 15 14 1 1 2. - <_> - - <_> - 1 13 2 2 -1. - <_> - 1 13 1 1 2. - <_> - 2 14 1 1 2. - <_> - - <_> - 15 13 2 2 -1. - <_> - 16 13 1 1 2. - <_> - 15 14 1 1 2. - <_> - - <_> - 1 13 2 2 -1. - <_> - 1 13 1 1 2. - <_> - 2 14 1 1 2. - <_> - - <_> - 11 6 2 4 -1. - <_> - 10 7 2 2 2. - 1 - <_> - - <_> - 2 3 3 2 -1. - <_> - 3 4 1 2 3. - 1 - <_> - - <_> - 14 3 2 2 -1. - <_> - 15 3 1 1 2. - <_> - 14 4 1 1 2. - <_> - - <_> - 6 2 6 4 -1. - <_> - 6 2 3 2 2. - <_> - 9 4 3 2 2. - <_> - - <_> - 8 1 6 3 -1. - <_> - 10 2 2 1 9. - <_> - - <_> - 7 3 1 2 -1. - <_> - 7 4 1 1 2. - <_> - - <_> - 12 1 6 4 -1. - <_> - 12 1 3 4 2. - <_> - - <_> - 9 0 9 2 -1. - <_> - 12 3 3 2 3. - 1 - <_> - - <_> - 8 7 2 1 -1. - <_> - 8 7 1 1 2. - <_> - - <_> - 0 1 6 4 -1. - <_> - 3 1 3 4 2. - <_> - - <_> - 1 1 16 7 -1. - <_> - 5 1 8 7 2. - <_> - - <_> - 3 3 12 9 -1. - <_> - 7 6 4 3 9. - <_> - - <_> - 6 8 7 2 -1. - <_> - 6 9 7 1 2. - <_> - - <_> - 4 0 3 3 -1. - <_> - 4 1 3 1 3. - <_> - - <_> - 7 1 8 2 -1. - <_> - 9 3 4 2 2. - 1 - <_> - - <_> - 6 5 8 5 -1. - <_> - 8 5 4 5 2. - <_> - - <_> - 6 0 4 11 -1. - <_> - 8 0 2 11 2. - <_> - - <_> - 12 8 6 5 -1. - <_> - 12 8 3 5 2. - <_> - - <_> - 0 1 9 2 -1. - <_> - 3 1 3 2 3. - <_> - - <_> - 12 8 6 5 -1. - <_> - 12 8 3 5 2. - <_> - - <_> - 0 8 6 5 -1. - <_> - 3 8 3 5 2. - <_> - - <_> - 10 2 2 2 -1. - <_> - 10 2 1 2 2. - 1 - <_> - - <_> - 9 1 1 4 -1. - <_> - 9 1 1 2 2. - 1 - <_> - - <_> - 1 10 16 2 -1. - <_> - 1 11 16 1 2. - <_> - - <_> - 3 2 12 2 -1. - <_> - 3 2 6 1 2. - <_> - 9 3 6 1 2. - <_> - - <_> - 15 0 3 2 -1. - <_> - 16 1 1 2 3. - 1 - <_> - - <_> - 3 0 2 3 -1. - <_> - 2 1 2 1 3. - 1 - <_> - - <_> - 3 0 12 1 -1. - <_> - 7 0 4 1 3. - <_> - - <_> - 9 2 9 2 -1. - <_> - 12 5 3 2 3. - 1 - <_> - - <_> - 16 0 2 6 -1. - <_> - 16 3 2 3 2. - <_> - - <_> - 0 6 18 6 -1. - <_> - 0 6 9 3 2. - <_> - 9 9 9 3 2. - <_> - - <_> - 0 1 18 6 -1. - <_> - 9 1 9 3 2. - <_> - 0 4 9 3 2. - <_> - - <_> - 6 0 6 1 -1. - <_> - 9 0 3 1 2. - <_> - - <_> - 9 5 1 2 -1. - <_> - 9 5 1 1 2. - 1 - <_> - - <_> - 9 5 2 1 -1. - <_> - 9 5 1 1 2. - 1 - <_> - - <_> - 7 1 5 2 -1. - <_> - 7 2 5 1 2. - <_> - - <_> - 5 8 1 3 -1. - <_> - 5 9 1 1 3. - <_> - - <_> - 7 7 5 2 -1. - <_> - 7 8 5 1 2. - <_> - - <_> - 8 6 3 3 -1. - <_> - 7 7 3 1 3. - 1 - <_> - - <_> - 11 9 3 2 -1. - <_> - 11 10 3 1 2. - <_> - - <_> - 0 8 18 4 -1. - <_> - 0 8 9 2 2. - <_> - 9 10 9 2 2. - <_> - - <_> - 16 8 2 3 -1. - <_> - 16 9 2 1 3. - <_> - - <_> - 0 8 2 3 -1. - <_> - 0 9 2 1 3. - <_> - - <_> - 11 8 4 6 -1. - <_> - 11 10 4 2 3. - <_> - - <_> - 0 11 18 2 -1. - <_> - 0 12 18 1 2. - <_> - - <_> - 2 5 14 8 -1. - <_> - 2 7 14 4 2. - <_> - - <_> - 8 8 2 2 -1. - <_> - 8 9 2 1 2. - <_> - - <_> - 11 8 4 6 -1. - <_> - 11 10 4 2 3. - <_> - - <_> - 6 0 6 3 -1. - <_> - 9 0 3 3 2. - <_> - - <_> - 7 1 4 2 -1. - <_> - 9 1 2 1 2. - <_> - 7 2 2 1 2. - <_> - - <_> - 3 8 4 6 -1. - <_> - 3 10 4 2 3. - <_> - - <_> - 6 6 6 4 -1. - <_> - 9 6 3 2 2. - <_> - 6 8 3 2 2. - <_> - - <_> - 1 7 6 3 -1. - <_> - 3 8 2 1 9. - <_> - - <_> - 10 7 2 3 -1. - <_> - 9 8 2 1 3. - 1 - <_> - - <_> - 0 8 18 6 -1. - <_> - 0 8 9 3 2. - <_> - 9 11 9 3 2. - <_> - - <_> - 9 1 3 1 -1. - <_> - 10 2 1 1 3. - 1 - <_> - - <_> - 5 0 8 5 -1. - <_> - 7 0 4 5 2. - <_> - - <_> - 9 2 3 2 -1. - <_> - 10 3 1 2 3. - 1 - <_> - - <_> - 7 2 2 1 -1. - <_> - 7 2 1 1 2. - 1 - <_> - - <_> - 12 1 6 3 -1. - <_> - 11 2 6 1 3. - 1 - <_> - - <_> - 6 1 3 6 -1. - <_> - 7 2 1 6 3. - 1 - <_> - - <_> - 1 3 16 4 -1. - <_> - 9 3 8 2 2. - <_> - 1 5 8 2 2. - <_> - - <_> - 9 4 4 4 -1. - <_> - 8 5 4 2 2. - 1 - <_> - - <_> - 3 0 15 14 -1. - <_> - 8 0 5 14 3. - <_> - - <_> - 3 1 12 10 -1. - <_> - 6 1 6 10 2. - <_> - - <_> - 15 11 3 1 -1. - <_> - 16 12 1 1 3. - 1 - <_> - - <_> - 3 11 1 3 -1. - <_> - 2 12 1 1 3. - 1 - <_> - - <_> - 15 0 1 14 -1. - <_> - 15 7 1 7 2. - <_> - - <_> - 8 3 2 6 -1. - <_> - 8 6 2 3 2. - <_> - - <_> - 7 6 4 2 -1. - <_> - 7 7 4 1 2. - <_> - - <_> - 8 0 2 4 -1. - <_> - 8 1 2 2 2. - <_> - - <_> - 12 3 1 3 -1. - <_> - 12 4 1 1 3. - <_> - - <_> - 4 0 9 9 -1. - <_> - 7 0 3 9 3. - <_> - - <_> - 9 1 3 1 -1. - <_> - 10 2 1 1 3. - 1 - <_> - - <_> - 9 1 1 3 -1. - <_> - 8 2 1 1 3. - 1 - <_> - - <_> - 6 7 12 8 -1. - <_> - 6 7 6 8 2. - <_> - - <_> - 7 1 2 3 -1. - <_> - 8 1 1 3 2. - <_> - - <_> - 2 4 14 6 -1. - <_> - 2 6 14 2 3. - <_> - - <_> - 4 4 3 6 -1. - <_> - 4 6 3 2 3. - <_> - - <_> - 12 1 5 8 -1. - <_> - 12 5 5 4 2. - <_> - - <_> - 1 1 5 8 -1. - <_> - 1 5 5 4 2. - <_> - - <_> - 15 0 3 3 -1. - <_> - 14 1 3 1 3. - 1 - <_> - - <_> - 3 0 3 3 -1. - <_> - 4 1 1 3 3. - 1 - <_> - - <_> - 6 0 10 2 -1. - <_> - 11 0 5 1 2. - <_> - 6 1 5 1 2. - <_> - - <_> - 1 0 16 2 -1. - <_> - 1 0 8 1 2. - <_> - 9 1 8 1 2. - <_> - - <_> - 6 3 12 6 -1. - <_> - 9 3 6 6 2. - <_> - - <_> - 6 6 6 3 -1. - <_> - 8 7 2 1 9. - <_> - - <_> - 6 1 12 10 -1. - <_> - 6 1 6 10 2. - <_> - - <_> - 2 13 6 2 -1. - <_> - 4 13 2 2 3. - <_> - - <_> - 12 0 6 3 -1. - <_> - 11 1 6 1 3. - 1 - <_> - - <_> - 6 0 3 6 -1. - <_> - 7 1 1 6 3. - 1 - <_> - - <_> - 8 4 10 4 -1. - <_> - 8 4 5 4 2. - <_> - - <_> - 0 4 10 4 -1. - <_> - 5 4 5 4 2. - <_> - - <_> - 16 9 2 4 -1. - <_> - 16 10 2 2 2. - <_> - - <_> - 1 13 16 2 -1. - <_> - 1 14 16 1 2. - <_> - - <_> - 2 13 14 2 -1. - <_> - 2 14 14 1 2. - <_> - - <_> - 0 9 2 4 -1. - <_> - 0 10 2 2 2. - <_> - - <_> - 2 7 15 3 -1. - <_> - 2 8 15 1 3. - <_> - - <_> - 3 1 12 8 -1. - <_> - 3 3 12 4 2. - <_> - - <_> - 11 4 3 6 -1. - <_> - 9 6 3 2 3. - 1 - <_> - - <_> - 7 4 6 3 -1. - <_> - 9 6 2 3 3. - 1 - <_> - - <_> - 8 0 8 13 -1. - <_> - 10 0 4 13 2. - <_> - - <_> - 1 0 12 7 -1. - <_> - 5 0 4 7 3. - <_> - - <_> - 10 9 6 2 -1. - <_> - 13 9 3 1 2. - <_> - 10 10 3 1 2. - <_> - - <_> - 4 0 1 3 -1. - <_> - 3 1 1 1 3. - 1 - <_> - - <_> - 14 0 3 2 -1. - <_> - 15 1 1 2 3. - 1 - <_> - - <_> - 6 1 10 4 -1. - <_> - 5 2 10 2 2. - 1 - <_> - - <_> - 15 2 3 8 -1. - <_> - 16 3 1 8 3. - 1 - <_> - - <_> - 3 2 8 3 -1. - <_> - 2 3 8 1 3. - 1 - <_> - - <_> - 14 0 3 2 -1. - <_> - 15 1 1 2 3. - 1 - <_> - - <_> - 4 0 2 3 -1. - <_> - 3 1 2 1 3. - 1 - <_> - - <_> - 15 5 2 4 -1. - <_> - 16 5 1 2 2. - <_> - 15 7 1 2 2. - <_> - - <_> - 3 0 2 14 -1. - <_> - 3 7 2 7 2. - <_> - - <_> - 16 6 2 3 -1. - <_> - 16 7 2 1 3. - <_> - - <_> - 0 6 2 3 -1. - <_> - 0 7 2 1 3. - <_> - - <_> - 15 5 2 4 -1. - <_> - 16 5 1 2 2. - <_> - 15 7 1 2 2. - <_> - - <_> - 1 0 8 6 -1. - <_> - 1 3 8 3 2. - <_> - - <_> - 16 0 2 6 -1. - <_> - 16 3 2 3 2. - <_> - - <_> - 0 0 2 6 -1. - <_> - 0 3 2 3 2. - <_> - - <_> - 14 0 4 3 -1. - <_> - 13 1 4 1 3. - 1 - <_> - - <_> - 4 0 3 4 -1. - <_> - 5 1 1 4 3. - 1 - <_> - - <_> - 3 0 12 15 -1. - <_> - 3 0 6 15 2. - <_> - - <_> - 6 1 4 7 -1. - <_> - 8 1 2 7 2. - <_> - - <_> - 9 0 3 4 -1. - <_> - 10 1 1 4 3. - 1 - <_> - - <_> - 9 0 4 3 -1. - <_> - 8 1 4 1 3. - 1 - <_> - - <_> - 16 3 2 2 -1. - <_> - 17 3 1 1 2. - <_> - 16 4 1 1 2. - <_> - - <_> - 1 2 2 2 -1. - <_> - 1 2 1 1 2. - <_> - 2 3 1 1 2. - <_> - - <_> - 15 2 2 2 -1. - <_> - 16 2 1 1 2. - <_> - 15 3 1 1 2. - <_> - - <_> - 1 2 2 2 -1. - <_> - 1 2 1 1 2. - <_> - 2 3 1 1 2. - <_> - - <_> - 10 3 3 1 -1. - <_> - 11 4 1 1 3. - 1 - <_> - - <_> - 5 0 9 4 -1. - <_> - 5 0 9 2 2. - 1 - <_> - - <_> - 10 2 3 7 -1. - <_> - 11 3 1 7 3. - 1 - <_> - - <_> - 8 2 7 3 -1. - <_> - 7 3 7 1 3. - 1 - <_> - - <_> - 16 3 2 2 -1. - <_> - 17 3 1 1 2. - <_> - 16 4 1 1 2. - <_> - - <_> - 6 6 2 2 -1. - <_> - 6 6 1 1 2. - <_> - 7 7 1 1 2. - <_> - - <_> - 7 4 4 4 -1. - <_> - 7 6 4 2 2. - <_> - - <_> - 0 1 10 6 -1. - <_> - 0 3 10 2 3. - <_> - - <_> - 16 3 2 2 -1. - <_> - 17 3 1 1 2. - <_> - 16 4 1 1 2. - <_> - - <_> - 0 3 2 2 -1. - <_> - 0 3 1 1 2. - <_> - 1 4 1 1 2. - <_> - - <_> - 6 7 12 8 -1. - <_> - 6 7 6 8 2. - <_> - - <_> - 7 6 3 3 -1. - <_> - 6 7 3 1 3. - 1 - <_> - - <_> - 13 8 2 5 -1. - <_> - 13 8 1 5 2. - 1 - <_> - - <_> - 7 7 4 4 -1. - <_> - 7 7 4 2 2. - 1 - <_> - - <_> - 6 7 12 8 -1. - <_> - 6 7 6 8 2. - <_> - - <_> - 0 2 12 13 -1. - <_> - 6 2 6 13 2. - <_> - - <_> - 0 8 18 6 -1. - <_> - 0 11 18 3 2. - <_> - - <_> - 2 2 4 13 -1. - <_> - 3 2 2 13 2. - <_> - - <_> - 10 3 3 1 -1. - <_> - 11 4 1 1 3. - 1 - <_> - - <_> - 3 2 12 9 -1. - <_> - 7 5 4 3 9. - <_> - - <_> - 10 3 3 1 -1. - <_> - 11 4 1 1 3. - 1 - <_> - - <_> - 8 3 1 3 -1. - <_> - 7 4 1 1 3. - 1 - <_> - - <_> - 9 2 8 6 -1. - <_> - 9 2 4 6 2. - <_> - - <_> - 1 2 8 6 -1. - <_> - 5 2 4 6 2. - <_> - - <_> - 12 0 2 1 -1. - <_> - 12 0 1 1 2. - 1 - <_> - - <_> - 6 0 1 2 -1. - <_> - 6 0 1 1 2. - 1 - <_> - - <_> - 10 0 4 2 -1. - <_> - 10 1 4 1 2. - <_> - - <_> - 4 0 8 2 -1. - <_> - 4 0 4 1 2. - <_> - 8 1 4 1 2. - <_> - - <_> - 7 12 8 3 -1. - <_> - 9 12 4 3 2. - <_> - - <_> - 1 13 16 1 -1. - <_> - 5 13 8 1 2. - <_> - - <_> - 7 13 10 1 -1. - <_> - 7 13 5 1 2. - <_> - - <_> - 1 13 10 1 -1. - <_> - 6 13 5 1 2. - <_> - - <_> - 0 13 18 2 -1. - <_> - 0 13 9 2 2. - <_> - - <_> - 4 6 3 2 -1. - <_> - 5 7 1 2 3. - 1 - <_> - - <_> - 11 9 2 2 -1. - <_> - 12 9 1 1 2. - <_> - 11 10 1 1 2. - <_> - - <_> - 1 12 13 2 -1. - <_> - 1 13 13 1 2. - <_> - - <_> - 11 9 3 6 -1. - <_> - 11 11 3 2 3. - <_> - - <_> - 8 7 4 2 -1. - <_> - 9 8 2 2 2. - 1 - <_> - - <_> - 11 5 1 3 -1. - <_> - 10 6 1 1 3. - 1 - <_> - - <_> - 1 9 8 4 -1. - <_> - 1 9 4 2 2. - <_> - 5 11 4 2 2. - <_> - - <_> - 10 5 8 10 -1. - <_> - 14 5 4 5 2. - <_> - 10 10 4 5 2. - <_> - - <_> - 2 10 3 2 -1. - <_> - 3 11 1 2 3. - 1 - <_> - - <_> - 1 1 16 9 -1. - <_> - 1 4 16 3 3. - <_> - - <_> - 7 4 4 2 -1. - <_> - 8 5 2 2 2. - 1 - <_> - - <_> - 12 0 6 3 -1. - <_> - 14 2 2 3 3. - 1 - <_> - - <_> - 1 12 6 3 -1. - <_> - 3 12 2 3 3. - <_> - - <_> - 11 7 3 2 -1. - <_> - 12 8 1 2 3. - 1 - <_> - - <_> - 4 8 4 4 -1. - <_> - 4 8 2 2 2. - <_> - 6 10 2 2 2. - <_> - - <_> - 6 0 9 11 -1. - <_> - 9 0 3 11 3. - <_> - - <_> - 8 0 6 1 -1. - <_> - 10 2 2 1 3. - 1 - <_> - - <_> - 8 9 2 2 -1. - <_> - 8 10 2 1 2. - <_> - - <_> - 0 9 17 2 -1. - <_> - 0 10 17 1 2. - <_> - - <_> - 2 0 14 6 -1. - <_> - 2 3 14 3 2. - <_> - - <_> - 0 13 2 2 -1. - <_> - 0 13 1 1 2. - <_> - 1 14 1 1 2. - <_> - - <_> - 5 4 10 10 -1. - <_> - 10 4 5 5 2. - <_> - 5 9 5 5 2. - <_> - - <_> - 3 1 12 9 -1. - <_> - 7 4 4 3 9. - <_> - - <_> - 12 4 5 6 -1. - <_> - 12 4 5 3 2. - 1 - <_> - - <_> - 6 4 6 5 -1. - <_> - 6 4 3 5 2. - 1 - <_> - - <_> - 8 1 2 2 -1. - <_> - 9 1 1 1 2. - <_> - 8 2 1 1 2. - <_> - - <_> - 8 1 2 2 -1. - <_> - 8 1 1 1 2. - <_> - 9 2 1 1 2. - <_> - - <_> - 8 7 2 2 -1. - <_> - 8 8 2 1 2. - <_> - - <_> - 0 8 18 3 -1. - <_> - 0 9 18 1 3. - <_> - - <_> - 9 6 1 3 -1. - <_> - 8 7 1 1 3. - 1 - <_> - - <_> - 6 0 2 3 -1. - <_> - 6 1 2 1 3. - <_> - - <_> - 12 5 6 10 -1. - <_> - 12 10 6 5 2. - <_> - - <_> - 9 6 3 1 -1. - <_> - 10 7 1 1 3. - 1 - <_> - - <_> - 3 3 12 4 -1. - <_> - 3 5 12 2 2. - <_> - - <_> - 5 5 7 3 -1. - <_> - 5 6 7 1 3. - <_> - - <_> - 14 1 4 3 -1. - <_> - 13 2 4 1 3. - 1 - <_> - - <_> - 4 1 3 4 -1. - <_> - 5 2 1 4 3. - 1 - <_> - - <_> - 16 3 2 2 -1. - <_> - 17 3 1 1 2. - <_> - 16 4 1 1 2. - <_> - - <_> - 0 3 2 2 -1. - <_> - 0 3 1 1 2. - <_> - 1 4 1 1 2. - <_> - - <_> - 10 0 4 2 -1. - <_> - 11 1 2 2 2. - 1 - <_> - - <_> - 8 0 2 4 -1. - <_> - 7 1 2 2 2. - 1 - <_> - - <_> - 14 3 4 3 -1. - <_> - 13 4 4 1 3. - 1 - <_> - - <_> - 0 5 1 4 -1. - <_> - 0 6 1 2 2. - <_> - - <_> - 15 5 2 3 -1. - <_> - 14 6 2 1 3. - 1 - <_> - - <_> - 0 4 18 6 -1. - <_> - 0 6 18 2 3. - <_> - - <_> - 15 5 2 3 -1. - <_> - 14 6 2 1 3. - 1 - <_> - - <_> - 3 5 3 2 -1. - <_> - 4 6 1 2 3. - 1 - <_> - - <_> - 11 6 1 4 -1. - <_> - 10 7 1 2 2. - 1 - <_> - - <_> - 2 8 4 7 -1. - <_> - 3 8 2 7 2. - <_> - - <_> - 9 0 9 4 -1. - <_> - 9 0 9 2 2. - 1 - <_> - - <_> - 1 9 6 6 -1. - <_> - 3 11 2 2 9. - <_> - - <_> - 12 5 6 10 -1. - <_> - 12 10 6 5 2. - <_> - - <_> - 0 0 15 14 -1. - <_> - 5 0 5 14 3. - <_> - - <_> - 7 3 4 9 -1. - <_> - 7 3 2 9 2. - <_> - - <_> - 9 0 4 9 -1. - <_> - 9 0 2 9 2. - 1 - <_> - - <_> - 9 5 3 1 -1. - <_> - 10 5 1 1 3. - <_> - - <_> - 5 4 6 3 -1. - <_> - 7 4 2 3 3. - <_> - - <_> - 5 0 8 8 -1. - <_> - 7 0 4 8 2. - <_> - - <_> - 3 4 3 3 -1. - <_> - 4 5 1 3 3. - 1 - <_> - - <_> - 9 2 3 2 -1. - <_> - 10 3 1 2 3. - 1 - <_> - - <_> - 3 14 2 1 -1. - <_> - 4 14 1 1 2. - <_> - - <_> - 9 2 3 2 -1. - <_> - 10 3 1 2 3. - 1 - <_> - - <_> - 9 2 2 3 -1. - <_> - 8 3 2 1 3. - 1 - <_> - - <_> - 1 5 16 6 -1. - <_> - 1 7 16 2 3. - <_> - - <_> - 0 3 4 9 -1. - <_> - 0 6 4 3 3. - <_> - - <_> - 10 8 6 4 -1. - <_> - 13 8 3 2 2. - <_> - 10 10 3 2 2. - <_> - - <_> - 2 8 6 4 -1. - <_> - 2 8 3 2 2. - <_> - 5 10 3 2 2. - <_> - - <_> - 1 4 16 6 -1. - <_> - 5 4 8 6 2. - <_> - - <_> - 6 2 2 1 -1. - <_> - 7 2 1 1 2. - <_> - - <_> - 8 1 2 2 -1. - <_> - 9 1 1 1 2. - <_> - 8 2 1 1 2. - <_> - - <_> - 2 8 6 4 -1. - <_> - 2 8 3 2 2. - <_> - 5 10 3 2 2. - <_> - - <_> - 15 3 2 10 -1. - <_> - 15 3 1 10 2. - 1 - <_> - - <_> - 3 3 10 2 -1. - <_> - 3 3 10 1 2. - 1 - <_> - - <_> - 0 12 18 2 -1. - <_> - 9 12 9 1 2. - <_> - 0 13 9 1 2. - <_> - - <_> - 5 9 6 4 -1. - <_> - 5 9 3 2 2. - <_> - 8 11 3 2 2. - <_> - - <_> - 16 0 2 2 -1. - <_> - 16 0 1 2 2. - 1 - <_> - - <_> - 0 7 7 8 -1. - <_> - 0 11 7 4 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 2 0 2 2 -1. - <_> - 2 0 2 1 2. - 1 - <_> - - <_> - 14 0 3 15 -1. - <_> - 15 0 1 15 3. - <_> - - <_> - 1 0 3 15 -1. - <_> - 2 0 1 15 3. - <_> - - <_> - 17 0 1 4 -1. - <_> - 17 2 1 2 2. - <_> - - <_> - 3 14 8 1 -1. - <_> - 5 14 4 1 2. - <_> - - <_> - 17 3 1 8 -1. - <_> - 17 7 1 4 2. - <_> - - <_> - 0 9 18 6 -1. - <_> - 0 11 18 2 3. - <_> - - <_> - 8 3 2 4 -1. - <_> - 8 5 2 2 2. - <_> - - <_> - 1 0 10 8 -1. - <_> - 1 0 5 4 2. - <_> - 6 4 5 4 2. - <_> - - <_> - 16 0 2 12 -1. - <_> - 16 6 2 6 2. - <_> - - <_> - 0 0 2 12 -1. - <_> - 0 6 2 6 2. - <_> - - <_> - 17 6 1 2 -1. - <_> - 17 7 1 1 2. - <_> - - <_> - 9 1 2 2 -1. - <_> - 9 1 2 1 2. - 1 - <_> - - <_> - 7 2 4 1 -1. - <_> - 7 2 2 1 2. - <_> - - <_> - 3 2 10 8 -1. - <_> - 3 4 10 4 2. - <_> - - <_> - 1 7 16 2 -1. - <_> - 1 8 16 1 2. - <_> - - <_> - 3 0 2 12 -1. - <_> - 3 4 2 4 3. - <_> - - <_> - 15 3 2 2 -1. - <_> - 16 3 1 1 2. - <_> - 15 4 1 1 2. - <_> - - <_> - 1 3 2 2 -1. - <_> - 1 3 1 1 2. - <_> - 2 4 1 1 2. - <_> - - <_> - 15 3 2 4 -1. - <_> - 16 3 1 2 2. - <_> - 15 5 1 2 2. - <_> - - <_> - 0 1 18 2 -1. - <_> - 0 1 9 1 2. - <_> - 9 2 9 1 2. - <_> - - <_> - 14 5 3 3 -1. - <_> - 15 5 1 3 3. - <_> - - <_> - 1 5 3 3 -1. - <_> - 2 5 1 3 3. - <_> - - <_> - 13 8 4 7 -1. - <_> - 13 8 2 7 2. - <_> - - <_> - 1 12 2 1 -1. - <_> - 1 12 1 1 2. - 1 - <_> - - <_> - 16 4 2 10 -1. - <_> - 17 4 1 5 2. - <_> - 16 9 1 5 2. - <_> - - <_> - 0 4 2 10 -1. - <_> - 0 4 1 5 2. - <_> - 1 9 1 5 2. - <_> - - <_> - 16 10 2 1 -1. - <_> - 16 10 1 1 2. - <_> - - <_> - 0 10 2 1 -1. - <_> - 1 10 1 1 2. - <_> - - <_> - 16 6 2 1 -1. - <_> - 16 6 1 1 2. - 1 - <_> - - <_> - 2 6 1 2 -1. - <_> - 2 6 1 1 2. - 1 - <_> - - <_> - 13 8 4 7 -1. - <_> - 13 8 2 7 2. - <_> - - <_> - 1 8 4 7 -1. - <_> - 3 8 2 7 2. - <_> - - <_> - 0 9 18 4 -1. - <_> - 9 9 9 2 2. - <_> - 0 11 9 2 2. - <_> - - <_> - 8 6 3 2 -1. - <_> - 9 7 1 2 3. - 1 - <_> - - <_> - 8 7 8 4 -1. - <_> - 12 7 4 2 2. - <_> - 8 9 4 2 2. - <_> - - <_> - 1 12 9 3 -1. - <_> - 1 13 9 1 3. - <_> - - <_> - 13 13 1 2 -1. - <_> - 13 14 1 1 2. - <_> - - <_> - 0 13 18 2 -1. - <_> - 0 13 9 1 2. - <_> - 9 14 9 1 2. - <_> - - <_> - 7 11 8 4 -1. - <_> - 7 13 8 2 2. - <_> - - <_> - 0 7 18 4 -1. - <_> - 0 7 9 2 2. - <_> - 9 9 9 2 2. - <_> - - <_> - 5 2 9 6 -1. - <_> - 5 4 9 2 3. - <_> - - <_> - 6 5 6 4 -1. - <_> - 6 5 3 2 2. - <_> - 9 7 3 2 2. - <_> - - <_> - 6 0 9 9 -1. - <_> - 9 3 3 3 9. - <_> - - <_> - 7 0 4 4 -1. - <_> - 7 0 2 2 2. - <_> - 9 2 2 2 2. - <_> - - <_> - 9 10 2 2 -1. - <_> - 10 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 6 0 3 6 -1. - <_> - 4 2 3 2 3. - 1 - <_> - - <_> - 17 0 1 3 -1. - <_> - 16 1 1 1 3. - 1 - <_> - - <_> - 1 0 3 1 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 10 0 3 15 -1. - <_> - 11 5 1 5 9. - <_> - - <_> - 5 0 3 15 -1. - <_> - 6 5 1 5 9. - <_> - - <_> - 16 0 1 4 -1. - <_> - 16 1 1 2 2. - <_> - - <_> - 1 0 1 2 -1. - <_> - 1 1 1 1 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 0 0 17 10 -1. - <_> - 0 5 17 5 2. - <_> - - <_> - 12 0 3 10 -1. - <_> - 12 5 3 5 2. - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 15 2 2 2 -1. - <_> - 16 2 1 1 2. - <_> - 15 3 1 1 2. - <_> - - <_> - 3 3 9 6 -1. - <_> - 6 5 3 2 9. - <_> - - <_> - 6 3 11 2 -1. - <_> - 6 4 11 1 2. - <_> - - <_> - 1 2 2 2 -1. - <_> - 1 2 1 1 2. - <_> - 2 3 1 1 2. - <_> - - <_> - 14 1 4 2 -1. - <_> - 14 1 4 1 2. - 1 - <_> - - <_> - 4 1 2 4 -1. - <_> - 4 1 1 4 2. - 1 - <_> - - <_> - 8 4 4 6 -1. - <_> - 6 6 4 2 3. - 1 - <_> - - <_> - 14 0 4 4 -1. - <_> - 13 1 4 2 2. - 1 - <_> - - <_> - 0 9 8 4 -1. - <_> - 0 9 4 2 2. - <_> - 4 11 4 2 2. - <_> - - <_> - 15 8 3 3 -1. - <_> - 16 9 1 3 3. - 1 - <_> - - <_> - 2 7 14 4 -1. - <_> - 2 9 14 2 2. - <_> - - <_> - 9 0 4 1 -1. - <_> - 9 0 2 1 2. - 1 - <_> - - <_> - 9 0 1 4 -1. - <_> - 9 0 1 2 2. - 1 - <_> - - <_> - 2 0 14 15 -1. - <_> - 2 0 7 15 2. - <_> - - <_> - 1 7 14 4 -1. - <_> - 1 9 14 2 2. - <_> - - <_> - 9 8 8 7 -1. - <_> - 11 8 4 7 2. - <_> - - <_> - 4 0 4 4 -1. - <_> - 5 1 2 4 2. - 1 - <_> - - <_> - 8 6 9 8 -1. - <_> - 11 6 3 8 3. - <_> - - <_> - 1 6 9 8 -1. - <_> - 4 6 3 8 3. - <_> - - <_> - 7 6 4 2 -1. - <_> - 7 7 4 1 2. - <_> - - <_> - 8 0 2 3 -1. - <_> - 7 1 2 1 3. - 1 - <_> - - <_> - 10 6 3 2 -1. - <_> - 11 7 1 2 3. - 1 - <_> - - <_> - 0 1 18 14 -1. - <_> - 0 1 9 7 2. - <_> - 9 8 9 7 2. - <_> - - <_> - 11 0 2 2 -1. - <_> - 11 1 2 1 2. - <_> - - <_> - 5 0 2 2 -1. - <_> - 5 1 2 1 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 4 4 10 6 -1. - <_> - 4 4 5 3 2. - <_> - 9 7 5 3 2. - <_> - - <_> - 8 9 6 2 -1. - <_> - 11 9 3 1 2. - <_> - 8 10 3 1 2. - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 16 1 1 2 -1. - <_> - 16 2 1 1 2. - <_> - - <_> - 2 3 3 2 -1. - <_> - 3 4 1 2 3. - 1 - <_> - - <_> - 16 3 2 10 -1. - <_> - 16 8 2 5 2. - <_> - - <_> - 0 3 2 10 -1. - <_> - 0 8 2 5 2. - <_> - - <_> - 8 9 6 2 -1. - <_> - 11 9 3 1 2. - <_> - 8 10 3 1 2. - <_> - - <_> - 1 7 10 2 -1. - <_> - 1 7 5 1 2. - <_> - 6 8 5 1 2. - <_> - - <_> - 0 0 18 8 -1. - <_> - 9 0 9 4 2. - <_> - 0 4 9 4 2. - <_> - - <_> - 4 0 1 4 -1. - <_> - 3 1 1 2 2. - 1 - <_> - - <_> - 10 4 4 4 -1. - <_> - 11 5 2 4 2. - 1 - <_> - - <_> - 8 4 4 4 -1. - <_> - 7 5 4 2 2. - 1 - <_> - - <_> - 16 1 2 10 -1. - <_> - 16 1 1 10 2. - 1 - <_> - - <_> - 5 0 8 9 -1. - <_> - 7 0 4 9 2. - <_> - - <_> - 16 1 2 10 -1. - <_> - 16 1 1 10 2. - 1 - <_> - - <_> - 2 1 10 2 -1. - <_> - 2 1 10 1 2. - 1 - <_> - - <_> - 13 0 3 2 -1. - <_> - 14 1 1 2 3. - 1 - <_> - - <_> - 3 0 12 6 -1. - <_> - 6 0 6 6 2. - <_> - - <_> - 6 0 12 4 -1. - <_> - 9 0 6 4 2. - <_> - - <_> - 6 3 6 6 -1. - <_> - 6 6 6 3 2. - <_> - - <_> - 6 3 12 7 -1. - <_> - 6 3 6 7 2. - <_> - - <_> - 0 3 12 7 -1. - <_> - 6 3 6 7 2. - <_> - - <_> - 13 0 3 2 -1. - <_> - 14 1 1 2 3. - 1 - <_> - - <_> - 5 0 2 3 -1. - <_> - 4 1 2 1 3. - 1 - <_> - - <_> - 0 9 18 4 -1. - <_> - 0 11 18 2 2. - <_> - - <_> - 9 6 1 8 -1. - <_> - 9 6 1 4 2. - 1 - <_> - - <_> - 2 5 14 6 -1. - <_> - 2 7 14 2 3. - <_> - - <_> - 2 0 5 8 -1. - <_> - 2 4 5 4 2. - <_> - - <_> - 4 3 10 4 -1. - <_> - 4 5 10 2 2. - <_> - - <_> - 8 0 2 3 -1. - <_> - 9 0 1 3 2. - <_> - - <_> - 15 6 1 3 -1. - <_> - 14 7 1 1 3. - 1 - <_> - - <_> - 3 6 3 4 -1. - <_> - 3 7 3 2 2. - <_> - - <_> - 9 4 8 10 -1. - <_> - 13 4 4 5 2. - <_> - 9 9 4 5 2. - <_> - - <_> - 3 8 3 3 -1. - <_> - 4 9 1 1 9. - <_> - - <_> - 13 9 1 2 -1. - <_> - 13 10 1 1 2. - <_> - - <_> - 4 9 1 2 -1. - <_> - 4 10 1 1 2. - <_> - - <_> - 8 4 2 10 -1. - <_> - 8 9 2 5 2. - <_> - - <_> - 7 7 4 4 -1. - <_> - 7 9 4 2 2. - <_> - - <_> - 14 0 2 10 -1. - <_> - 14 0 1 10 2. - 1 - <_> - - <_> - 4 0 10 2 -1. - <_> - 4 0 10 1 2. - 1 - <_> - - <_> - 16 4 2 3 -1. - <_> - 15 5 2 1 3. - 1 - <_> - - <_> - 4 12 9 3 -1. - <_> - 7 12 3 3 3. - <_> - - <_> - 16 4 2 3 -1. - <_> - 15 5 2 1 3. - 1 - <_> - - <_> - 2 1 14 4 -1. - <_> - 2 3 14 2 2. - <_> - - <_> - 9 1 4 2 -1. - <_> - 9 2 4 1 2. - <_> - - <_> - 1 3 12 4 -1. - <_> - 1 3 6 2 2. - <_> - 7 5 6 2 2. - <_> - - <_> - 9 3 8 2 -1. - <_> - 9 3 4 2 2. - <_> - - <_> - 1 3 8 2 -1. - <_> - 5 3 4 2 2. - <_> - - <_> - 15 8 3 4 -1. - <_> - 16 9 1 4 3. - 1 - <_> - - <_> - 3 8 4 3 -1. - <_> - 2 9 4 1 3. - 1 - <_> - - <_> - 15 12 2 3 -1. - <_> - 15 13 2 1 3. - <_> - - <_> - 0 7 1 4 -1. - <_> - 0 8 1 2 2. - <_> - - <_> - 15 12 2 3 -1. - <_> - 15 13 2 1 3. - <_> - - <_> - 1 12 2 3 -1. - <_> - 1 13 2 1 3. - <_> - - <_> - 10 0 3 8 -1. - <_> - 8 2 3 4 2. - 1 - <_> - - <_> - 3 0 12 8 -1. - <_> - 9 0 6 8 2. - <_> - - <_> - 5 14 12 1 -1. - <_> - 8 14 6 1 2. - <_> - - <_> - 8 0 2 4 -1. - <_> - 8 1 2 2 2. - <_> - - <_> - 8 0 4 3 -1. - <_> - 8 0 2 3 2. - <_> - - <_> - 7 0 4 2 -1. - <_> - 8 0 2 2 2. - <_> - - <_> - 8 13 8 2 -1. - <_> - 8 14 8 1 2. - <_> - - <_> - 0 11 18 4 -1. - <_> - 0 11 9 2 2. - <_> - 9 13 9 2 2. - <_> - - <_> - 9 9 8 2 -1. - <_> - 13 9 4 1 2. - <_> - 9 10 4 1 2. - <_> - - <_> - 8 9 2 2 -1. - <_> - 8 10 2 1 2. - <_> - - <_> - 9 9 8 2 -1. - <_> - 13 9 4 1 2. - <_> - 9 10 4 1 2. - <_> - - <_> - 1 9 8 2 -1. - <_> - 1 9 4 1 2. - <_> - 5 10 4 1 2. - <_> - - <_> - 11 7 1 3 -1. - <_> - 10 8 1 1 3. - 1 - <_> - - <_> - 7 7 3 1 -1. - <_> - 8 8 1 1 3. - 1 - <_> - - <_> - 10 0 3 8 -1. - <_> - 8 2 3 4 2. - 1 - <_> - - <_> - 8 0 8 3 -1. - <_> - 10 2 4 3 2. - 1 - <_> - - <_> - 5 7 8 2 -1. - <_> - 5 8 8 1 2. - <_> - - <_> - 4 1 9 9 -1. - <_> - 7 4 3 3 9. - <_> - - <_> - 10 3 3 7 -1. - <_> - 11 4 1 7 3. - 1 - <_> - - <_> - 8 3 7 3 -1. - <_> - 7 4 7 1 3. - 1 - <_> - - <_> - 7 5 4 2 -1. - <_> - 7 6 4 1 2. - <_> - - <_> - 7 0 2 6 -1. - <_> - 7 3 2 3 2. - <_> - - <_> - 8 0 3 6 -1. - <_> - 9 2 1 2 9. - <_> - - <_> - 9 3 6 3 -1. - <_> - 11 5 2 3 3. - 1 - <_> - - <_> - 5 14 12 1 -1. - <_> - 8 14 6 1 2. - <_> - - <_> - 1 14 12 1 -1. - <_> - 4 14 6 1 2. - <_> - - <_> - 1 7 16 6 -1. - <_> - 1 9 16 2 3. - <_> - - <_> - 0 10 3 4 -1. - <_> - 0 11 3 2 2. - <_> - - <_> - 14 7 4 1 -1. - <_> - 15 7 2 1 2. - <_> - - <_> - 8 1 1 4 -1. - <_> - 8 1 1 2 2. - 1 - <_> - - <_> - 14 1 4 3 -1. - <_> - 15 2 2 3 2. - 1 - <_> - - <_> - 2 6 2 4 -1. - <_> - 2 6 1 2 2. - <_> - 3 8 1 2 2. - <_> - - <_> - 15 5 3 10 -1. - <_> - 15 10 3 5 2. - <_> - - <_> - 3 9 6 4 -1. - <_> - 3 9 3 2 2. - <_> - 6 11 3 2 2. - <_> - - <_> - 13 3 3 7 -1. - <_> - 14 4 1 7 3. - 1 - <_> - - <_> - 6 2 7 4 -1. - <_> - 5 3 7 2 2. - 1 - <_> - - <_> - 15 1 3 3 -1. - <_> - 14 2 3 1 3. - 1 - <_> - - <_> - 0 4 8 3 -1. - <_> - 0 5 8 1 3. - <_> - - <_> - 14 4 3 5 -1. - <_> - 15 5 1 5 3. - 1 - <_> - - <_> - 5 4 5 2 -1. - <_> - 5 4 5 1 2. - 1 - <_> - - <_> - 10 7 1 6 -1. - <_> - 8 9 1 2 3. - 1 - <_> - - <_> - 8 7 6 1 -1. - <_> - 10 9 2 1 3. - 1 - <_> - - <_> - 10 4 6 10 -1. - <_> - 13 4 3 5 2. - <_> - 10 9 3 5 2. - <_> - - <_> - 2 4 6 10 -1. - <_> - 2 4 3 5 2. - <_> - 5 9 3 5 2. - <_> - - <_> - 4 5 10 2 -1. - <_> - 9 5 5 1 2. - <_> - 4 6 5 1 2. - <_> - - <_> - 6 2 3 6 -1. - <_> - 7 3 1 6 3. - 1 - <_> - - <_> - 16 0 2 4 -1. - <_> - 16 2 2 2 2. - <_> - - <_> - 0 0 2 4 -1. - <_> - 0 2 2 2 2. - <_> - - <_> - 8 0 10 4 -1. - <_> - 8 2 10 2 2. - <_> - - <_> - 0 0 18 4 -1. - <_> - 0 0 9 2 2. - <_> - 9 2 9 2 2. - <_> - - <_> - 6 0 12 2 -1. - <_> - 9 0 6 2 2. - <_> - - <_> - 0 0 12 2 -1. - <_> - 3 0 6 2 2. - <_> - - <_> - 17 3 1 3 -1. - <_> - 16 4 1 1 3. - 1 - <_> - - <_> - 0 4 12 6 -1. - <_> - 3 4 6 6 2. - <_> - - <_> - 17 3 1 3 -1. - <_> - 16 4 1 1 3. - 1 - <_> - - <_> - 8 7 3 1 -1. - <_> - 9 8 1 1 3. - 1 - <_> - - <_> - 17 3 1 3 -1. - <_> - 16 4 1 1 3. - 1 - <_> - - <_> - 1 3 3 1 -1. - <_> - 2 4 1 1 3. - 1 - <_> - - <_> - 15 2 3 1 -1. - <_> - 16 3 1 1 3. - 1 - <_> - - <_> - 3 2 1 3 -1. - <_> - 2 3 1 1 3. - 1 - <_> - - <_> - 2 3 14 6 -1. - <_> - 2 5 14 2 3. - <_> - - <_> - 4 2 3 8 -1. - <_> - 4 6 3 4 2. - <_> - - <_> - 14 2 4 3 -1. - <_> - 13 3 4 1 3. - 1 - <_> - - <_> - 4 2 3 4 -1. - <_> - 5 3 1 4 3. - 1 - <_> - - <_> - 12 2 4 13 -1. - <_> - 13 2 2 13 2. - <_> - - <_> - 2 2 4 13 -1. - <_> - 3 2 2 13 2. - <_> - - <_> - 9 4 8 3 -1. - <_> - 9 4 4 3 2. - 1 - <_> - - <_> - 9 4 3 8 -1. - <_> - 9 4 3 4 2. - 1 - <_> - - <_> - 17 10 1 2 -1. - <_> - 17 11 1 1 2. - <_> - - <_> - 7 0 4 1 -1. - <_> - 9 0 2 1 2. - <_> - - <_> - 6 0 9 13 -1. - <_> - 9 0 3 13 3. - <_> - - <_> - 0 1 1 10 -1. - <_> - 0 6 1 5 2. - <_> - - <_> - 0 11 18 2 -1. - <_> - 0 12 18 1 2. - <_> - - <_> - 4 7 3 6 -1. - <_> - 5 9 1 2 9. - <_> - - <_> - 12 7 2 5 -1. - <_> - 12 7 1 5 2. - 1 - <_> - - <_> - 6 5 2 1 -1. - <_> - 7 5 1 1 2. - <_> - - <_> - 8 2 6 2 -1. - <_> - 11 2 3 1 2. - <_> - 8 3 3 1 2. - <_> - - <_> - 4 6 3 1 -1. - <_> - 5 6 1 1 3. - <_> - - <_> - 0 1 18 14 -1. - <_> - 9 1 9 7 2. - <_> - 0 8 9 7 2. - <_> - - <_> - 0 9 6 6 -1. - <_> - 0 9 3 3 2. - <_> - 3 12 3 3 2. - <_> - - <_> - 8 9 10 6 -1. - <_> - 13 9 5 3 2. - <_> - 8 12 5 3 2. - <_> - - <_> - 1 10 15 3 -1. - <_> - 1 11 15 1 3. - <_> - - <_> - 16 11 1 2 -1. - <_> - 16 11 1 1 2. - 1 - <_> - - <_> - 4 4 9 2 -1. - <_> - 7 7 3 2 3. - 1 - <_> - - <_> - 7 7 4 2 -1. - <_> - 7 8 4 1 2. - <_> - - <_> - 2 7 4 2 -1. - <_> - 2 7 2 1 2. - <_> - 4 8 2 1 2. - <_> - - <_> - 8 0 5 2 -1. - <_> - 8 1 5 1 2. - <_> - - <_> - 6 2 4 11 -1. - <_> - 7 2 2 11 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 11 9 2 2 -1. - <_> - 12 9 1 1 2. - <_> - 11 10 1 1 2. - <_> - - <_> - 7 8 4 4 -1. - <_> - 8 8 2 4 2. - <_> - - <_> - 5 0 8 1 -1. - <_> - 7 0 4 1 2. - <_> - - <_> - 4 0 6 8 -1. - <_> - 4 0 3 4 2. - <_> - 7 4 3 4 2. - <_> - - <_> - 5 1 9 9 -1. - <_> - 8 4 3 3 9. - <_> - - <_> - 0 4 4 10 -1. - <_> - 0 9 4 5 2. - <_> - - <_> - 16 11 1 2 -1. - <_> - 16 11 1 1 2. - 1 - <_> - - <_> - 1 7 16 4 -1. - <_> - 1 8 16 2 2. - <_> - - <_> - 16 11 1 2 -1. - <_> - 16 11 1 1 2. - 1 - <_> - - <_> - 2 11 2 1 -1. - <_> - 2 11 1 1 2. - 1 - <_> - - <_> - 2 13 14 2 -1. - <_> - 2 14 14 1 2. - <_> - - <_> - 0 13 4 2 -1. - <_> - 0 13 2 1 2. - <_> - 2 14 2 1 2. - <_> - - <_> - 15 1 3 2 -1. - <_> - 15 1 3 1 2. - 1 - <_> - - <_> - 5 9 2 2 -1. - <_> - 5 9 1 1 2. - <_> - 6 10 1 1 2. - <_> - - <_> - 6 9 6 2 -1. - <_> - 6 10 6 1 2. - <_> - - <_> - 0 6 18 2 -1. - <_> - 0 6 9 1 2. - <_> - 9 7 9 1 2. - <_> - - <_> - 15 13 2 2 -1. - <_> - 15 13 1 2 2. - <_> - - <_> - 7 9 2 2 -1. - <_> - 7 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 0 8 18 4 -1. - <_> - 9 8 9 2 2. - <_> - 0 10 9 2 2. - <_> - - <_> - 8 4 2 4 -1. - <_> - 8 6 2 2 2. - <_> - - <_> - 3 4 12 9 -1. - <_> - 7 7 4 3 9. - <_> - - <_> - 9 1 4 7 -1. - <_> - 9 1 2 7 2. - 1 - <_> - - <_> - 11 0 4 2 -1. - <_> - 12 1 2 2 2. - 1 - <_> - - <_> - 7 0 2 4 -1. - <_> - 6 1 2 2 2. - 1 - <_> - - <_> - 12 0 2 2 -1. - <_> - 12 0 1 2 2. - 1 - <_> - - <_> - 3 1 3 3 -1. - <_> - 4 2 1 3 3. - 1 - <_> - - <_> - 12 0 3 2 -1. - <_> - 13 1 1 2 3. - 1 - <_> - - <_> - 6 0 2 3 -1. - <_> - 5 1 2 1 3. - 1 - <_> - - <_> - 13 1 4 4 -1. - <_> - 15 1 2 2 2. - <_> - 13 3 2 2 2. - <_> - - <_> - 2 0 2 1 -1. - <_> - 3 0 1 1 2. - <_> - - <_> - 14 0 2 2 -1. - <_> - 15 0 1 1 2. - <_> - 14 1 1 1 2. - <_> - - <_> - 2 0 2 2 -1. - <_> - 2 0 1 1 2. - <_> - 3 1 1 1 2. - <_> - - <_> - 14 0 2 2 -1. - <_> - 15 0 1 1 2. - <_> - 14 1 1 1 2. - <_> - - <_> - 2 0 2 2 -1. - <_> - 2 0 1 1 2. - <_> - 3 1 1 1 2. - <_> - - <_> - 16 0 1 4 -1. - <_> - 16 1 1 2 2. - <_> - - <_> - 0 3 6 2 -1. - <_> - 3 3 3 2 2. - <_> - - <_> - 16 1 2 6 -1. - <_> - 17 1 1 3 2. - <_> - 16 4 1 3 2. - <_> - - <_> - 1 13 2 2 -1. - <_> - 2 13 1 2 2. - <_> - - <_> - 16 1 2 6 -1. - <_> - 17 1 1 3 2. - <_> - 16 4 1 3 2. - <_> - - <_> - 5 0 3 4 -1. - <_> - 5 2 3 2 2. - <_> - - <_> - 16 0 2 3 -1. - <_> - 15 1 2 1 3. - 1 - <_> - - <_> - 2 0 3 2 -1. - <_> - 3 1 1 2 3. - 1 - <_> - - <_> - 11 2 3 3 -1. - <_> - 11 3 3 1 3. - <_> - - <_> - 4 2 3 3 -1. - <_> - 4 3 3 1 3. - <_> - - <_> - 10 3 1 2 -1. - <_> - 10 4 1 1 2. - <_> - - <_> - 7 3 2 2 -1. - <_> - 7 3 1 1 2. - <_> - 8 4 1 1 2. - <_> - - <_> - 6 8 6 2 -1. - <_> - 6 9 6 1 2. - <_> - - <_> - 0 10 9 3 -1. - <_> - 3 10 3 3 3. - <_> - - <_> - 6 12 10 1 -1. - <_> - 6 12 5 1 2. - <_> - - <_> - 2 12 8 3 -1. - <_> - 6 12 4 3 2. - <_> - - <_> - 13 12 4 2 -1. - <_> - 14 12 2 2 2. - <_> - - <_> - 4 11 3 4 -1. - <_> - 4 12 3 2 2. - <_> - - <_> - 13 10 2 2 -1. - <_> - 13 10 1 2 2. - 1 - <_> - - <_> - 5 10 2 2 -1. - <_> - 5 10 2 1 2. - 1 - <_> - - <_> - 11 0 6 9 -1. - <_> - 13 2 2 9 3. - 1 - <_> - - <_> - 6 2 8 3 -1. - <_> - 8 4 4 3 2. - 1 - <_> - - <_> - 11 0 6 9 -1. - <_> - 13 2 2 9 3. - 1 - <_> - - <_> - 7 0 9 6 -1. - <_> - 5 2 9 2 3. - 1 - <_> - - <_> - 9 3 2 2 -1. - <_> - 10 3 1 1 2. - <_> - 9 4 1 1 2. - <_> - - <_> - 3 2 10 13 -1. - <_> - 8 2 5 13 2. - <_> - - <_> - 5 0 8 2 -1. - <_> - 5 1 8 1 2. - <_> - - <_> - 5 0 7 8 -1. - <_> - 5 2 7 4 2. - <_> - - <_> - 9 6 1 3 -1. - <_> - 9 7 1 1 3. - <_> - - <_> - 8 6 1 3 -1. - <_> - 8 7 1 1 3. - <_> - - <_> - 0 9 18 2 -1. - <_> - 0 10 18 1 2. - <_> - - <_> - 0 7 17 4 -1. - <_> - 0 9 17 2 2. - <_> - - <_> - 12 6 6 9 -1. - <_> - 12 9 6 3 3. - <_> - - <_> - 1 0 3 3 -1. - <_> - 2 0 1 3 3. - <_> - - <_> - 11 8 2 2 -1. - <_> - 12 8 1 1 2. - <_> - 11 9 1 1 2. - <_> - - <_> - 0 8 18 4 -1. - <_> - 0 10 18 2 2. - <_> - - <_> - 9 0 1 3 -1. - <_> - 9 1 1 1 3. - <_> - - <_> - 0 4 18 2 -1. - <_> - 0 4 9 1 2. - <_> - 9 5 9 1 2. - <_> - - <_> - 5 2 12 4 -1. - <_> - 11 2 6 2 2. - <_> - 5 4 6 2 2. - <_> - - <_> - 1 2 12 4 -1. - <_> - 1 2 6 2 2. - <_> - 7 4 6 2 2. - <_> - - <_> - 15 4 1 8 -1. - <_> - 13 6 1 4 2. - 1 - <_> - - <_> - 3 4 8 1 -1. - <_> - 5 6 4 1 2. - 1 - <_> - - <_> - 9 8 8 2 -1. - <_> - 13 8 4 1 2. - <_> - 9 9 4 1 2. - <_> - - <_> - 4 8 6 2 -1. - <_> - 4 8 3 1 2. - <_> - 7 9 3 1 2. - <_> - - <_> - 3 3 12 2 -1. - <_> - 9 3 6 1 2. - <_> - 3 4 6 1 2. - <_> - - <_> - 4 1 1 4 -1. - <_> - 4 2 1 2 2. - <_> - - <_> - 9 5 3 3 -1. - <_> - 10 6 1 1 9. - <_> - - <_> - 0 1 3 14 -1. - <_> - 1 1 1 14 3. - <_> - - <_> - 16 6 2 3 -1. - <_> - 15 7 2 1 3. - 1 - <_> - - <_> - 4 1 3 2 -1. - <_> - 4 2 3 1 2. - <_> - - <_> - 16 1 2 6 -1. - <_> - 17 1 1 3 2. - <_> - 16 4 1 3 2. - <_> - - <_> - 0 1 2 6 -1. - <_> - 0 1 1 3 2. - <_> - 1 4 1 3 2. - <_> - - <_> - 6 0 9 7 -1. - <_> - 9 0 3 7 3. - <_> - - <_> - 3 0 9 7 -1. - <_> - 6 0 3 7 3. - <_> - - <_> - 9 0 1 6 -1. - <_> - 9 0 1 3 2. - 1 - <_> - - <_> - 9 0 6 1 -1. - <_> - 9 0 3 1 2. - 1 - <_> - - <_> - 11 3 5 4 -1. - <_> - 11 5 5 2 2. - <_> - - <_> - 9 0 9 6 -1. - <_> - 7 2 9 2 3. - 1 - <_> - - <_> - 9 6 4 3 -1. - <_> - 9 6 2 3 2. - 1 - <_> - - <_> - 7 3 4 7 -1. - <_> - 9 3 2 7 2. - <_> - - <_> - 12 1 4 6 -1. - <_> - 10 3 4 2 3. - 1 - <_> - - <_> - 4 1 4 14 -1. - <_> - 4 8 4 7 2. - <_> - - <_> - 1 6 16 3 -1. - <_> - 1 7 16 1 3. - <_> - - <_> - 5 6 6 3 -1. - <_> - 7 7 2 1 9. - <_> - - <_> - 9 8 8 2 -1. - <_> - 13 8 4 1 2. - <_> - 9 9 4 1 2. - <_> - - <_> - 1 8 8 2 -1. - <_> - 1 8 4 1 2. - <_> - 5 9 4 1 2. - <_> - - <_> - 7 8 4 2 -1. - <_> - 7 9 4 1 2. - <_> - - <_> - 0 9 1 4 -1. - <_> - 0 10 1 2 2. - <_> - - <_> - 10 8 2 2 -1. - <_> - 11 8 1 1 2. - <_> - 10 9 1 1 2. - <_> - - <_> - 6 4 5 8 -1. - <_> - 6 6 5 4 2. - <_> - - <_> - 1 8 16 6 -1. - <_> - 1 10 16 2 3. - <_> - - <_> - 6 5 3 1 -1. - <_> - 7 6 1 1 3. - 1 - <_> - - <_> - 6 7 6 2 -1. - <_> - 6 8 6 1 2. - <_> - - <_> - 8 3 6 1 -1. - <_> - 10 5 2 1 3. - 1 - <_> - - <_> - 0 4 18 2 -1. - <_> - 9 4 9 1 2. - <_> - 0 5 9 1 2. - <_> - - <_> - 0 9 2 5 -1. - <_> - 1 9 1 5 2. - <_> - - <_> - 17 5 1 3 -1. - <_> - 16 6 1 1 3. - 1 - <_> - - <_> - 1 5 3 1 -1. - <_> - 2 6 1 1 3. - 1 - <_> - - <_> - 17 6 1 4 -1. - <_> - 17 7 1 2 2. - <_> - - <_> - 0 6 1 4 -1. - <_> - 0 7 1 2 2. - <_> - - <_> - 14 3 4 6 -1. - <_> - 14 5 4 2 3. - <_> - - <_> - 0 3 4 6 -1. - <_> - 0 5 4 2 3. - <_> - - <_> - 7 7 6 6 -1. - <_> - 9 9 2 2 9. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 2 9 16 3 -1. - <_> - 6 9 8 3 2. - <_> - - <_> - 3 4 3 2 -1. - <_> - 4 5 1 2 3. - 1 - <_> - - <_> - 15 5 3 3 -1. - <_> - 14 6 3 1 3. - 1 - <_> - - <_> - 3 5 3 3 -1. - <_> - 4 6 1 3 3. - 1 - <_> - - <_> - 10 2 3 10 -1. - <_> - 11 2 1 10 3. - <_> - - <_> - 3 2 4 5 -1. - <_> - 4 2 2 5 2. - <_> - - <_> - 13 4 2 2 -1. - <_> - 13 4 1 2 2. - 1 - <_> - - <_> - 5 4 2 2 -1. - <_> - 5 4 2 1 2. - 1 - <_> - - <_> - 9 2 1 6 -1. - <_> - 9 4 1 2 3. - <_> - - <_> - 6 13 3 1 -1. - <_> - 7 13 1 1 3. - <_> - - <_> - 9 8 2 6 -1. - <_> - 10 8 1 3 2. - <_> - 9 11 1 3 2. - <_> - - <_> - 7 12 4 2 -1. - <_> - 8 12 2 2 2. - <_> - - <_> - 9 0 3 7 -1. - <_> - 10 1 1 7 3. - 1 - <_> - - <_> - 6 3 6 6 -1. - <_> - 6 3 3 6 2. - 1 - <_> - - <_> - 15 10 3 2 -1. - <_> - 15 11 3 1 2. - <_> - - <_> - 0 8 3 3 -1. - <_> - 0 9 3 1 3. - <_> - - <_> - 9 2 1 3 -1. - <_> - 8 3 1 1 3. - 1 - <_> - - <_> - 1 6 16 3 -1. - <_> - 1 7 16 1 3. - <_> - - <_> - 9 9 1 2 -1. - <_> - 9 9 1 1 2. - 1 - <_> - - <_> - 7 9 3 3 -1. - <_> - 8 10 1 1 9. - <_> - - <_> - 17 0 1 3 -1. - <_> - 17 1 1 1 3. - <_> - - <_> - 0 0 1 3 -1. - <_> - 0 1 1 1 3. - <_> - - <_> - 17 0 1 2 -1. - <_> - 17 1 1 1 2. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 13 2 4 6 -1. - <_> - 13 5 4 3 2. - <_> - - <_> - 1 2 4 6 -1. - <_> - 1 5 4 3 2. - <_> - - <_> - 4 0 12 11 -1. - <_> - 8 0 4 11 3. - <_> - - <_> - 0 1 12 14 -1. - <_> - 6 1 6 14 2. - <_> - - <_> - 10 5 8 9 -1. - <_> - 12 5 4 9 2. - <_> - - <_> - 0 12 18 2 -1. - <_> - 9 12 9 2 2. - <_> - - <_> - 8 14 2 1 -1. - <_> - 8 14 1 1 2. - <_> - - <_> - 8 13 2 2 -1. - <_> - 8 13 1 1 2. - <_> - 9 14 1 1 2. - <_> - - <_> - 9 11 4 4 -1. - <_> - 10 11 2 4 2. - <_> - - <_> - 5 11 4 4 -1. - <_> - 6 11 2 4 2. - <_> - - <_> - 3 2 12 9 -1. - <_> - 7 5 4 3 9. - <_> - - <_> - 11 8 6 3 -1. - <_> - 11 8 3 3 2. - <_> - - <_> - 2 7 8 4 -1. - <_> - 4 7 4 4 2. - <_> - - <_> - 14 2 4 2 -1. - <_> - 14 2 2 2 2. - <_> - - <_> - 8 6 2 2 -1. - <_> - 8 7 2 1 2. - <_> - - <_> - 9 5 4 2 -1. - <_> - 10 6 2 2 2. - 1 - <_> - - <_> - 0 2 4 2 -1. - <_> - 2 2 2 2 2. - <_> - - <_> - 10 6 3 2 -1. - <_> - 11 7 1 2 3. - 1 - <_> - - <_> - 8 6 2 3 -1. - <_> - 7 7 2 1 3. - 1 - <_> - - <_> - 11 8 2 2 -1. - <_> - 11 8 1 2 2. - 1 - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 2 1 2. - 1 - <_> - - <_> - 8 8 2 4 -1. - <_> - 8 10 2 2 2. - <_> - - <_> - 5 3 8 6 -1. - <_> - 5 6 8 3 2. - <_> - - <_> - 13 0 2 4 -1. - <_> - 13 0 1 4 2. - 1 - <_> - - <_> - 4 5 10 4 -1. - <_> - 4 7 10 2 2. - <_> - - <_> - 10 14 6 1 -1. - <_> - 12 14 2 1 3. - <_> - - <_> - 5 0 3 6 -1. - <_> - 5 3 3 3 2. - <_> - - <_> - 7 0 6 2 -1. - <_> - 7 1 6 1 2. - <_> - - <_> - 0 10 18 2 -1. - <_> - 0 11 18 1 2. - <_> - - <_> - 14 3 4 12 -1. - <_> - 14 9 4 6 2. - <_> - - <_> - 3 0 12 3 -1. - <_> - 3 1 12 1 3. - <_> - - <_> - 9 7 1 2 -1. - <_> - 9 7 1 1 2. - 1 - <_> - - <_> - 2 14 6 1 -1. - <_> - 4 14 2 1 3. - <_> - - <_> - 9 0 2 1 -1. - <_> - 9 0 1 1 2. - 1 - <_> - - <_> - 3 0 12 1 -1. - <_> - 6 0 6 1 2. - <_> - - <_> - 8 0 10 15 -1. - <_> - 8 0 5 15 2. - <_> - - <_> - 0 0 10 15 -1. - <_> - 5 0 5 15 2. - <_> - - <_> - 15 0 1 14 -1. - <_> - 15 7 1 7 2. - <_> - - <_> - 9 1 9 2 -1. - <_> - 12 4 3 2 3. - 1 - <_> - - <_> - 15 0 1 14 -1. - <_> - 15 7 1 7 2. - <_> - - <_> - 3 5 12 10 -1. - <_> - 3 5 6 5 2. - <_> - 9 10 6 5 2. - <_> - - <_> - 1 0 16 2 -1. - <_> - 9 0 8 1 2. - <_> - 1 1 8 1 2. - <_> - - <_> - 0 6 2 3 -1. - <_> - 0 7 2 1 3. - <_> - - <_> - 14 1 4 3 -1. - <_> - 13 2 4 1 3. - 1 - <_> - - <_> - 0 0 18 10 -1. - <_> - 0 0 9 5 2. - <_> - 9 5 9 5 2. - <_> - - <_> - 10 2 2 2 -1. - <_> - 10 2 1 2 2. - <_> - - <_> - 4 0 10 8 -1. - <_> - 9 0 5 8 2. - <_> - - <_> - 8 3 4 1 -1. - <_> - 8 3 2 1 2. - <_> - - <_> - 6 3 4 1 -1. - <_> - 8 3 2 1 2. - <_> - - <_> - 3 12 15 2 -1. - <_> - 3 13 15 1 2. - <_> - - <_> - 0 7 18 8 -1. - <_> - 0 9 18 4 2. - <_> - - <_> - 11 4 3 6 -1. - <_> - 11 6 3 2 3. - <_> - - <_> - 3 3 2 3 -1. - <_> - 2 4 2 1 3. - 1 - <_> - - <_> - 15 3 3 3 -1. - <_> - 14 4 3 1 3. - 1 - <_> - - <_> - 3 3 3 3 -1. - <_> - 4 4 1 3 3. - 1 - <_> - - <_> - 15 2 3 3 -1. - <_> - 14 3 3 1 3. - 1 - <_> - - <_> - 3 2 3 3 -1. - <_> - 4 3 1 3 3. - 1 - <_> - - <_> - 9 0 3 2 -1. - <_> - 10 1 1 2 3. - 1 - <_> - - <_> - 4 0 3 4 -1. - <_> - 5 1 1 4 3. - 1 - <_> - - <_> - 3 5 12 10 -1. - <_> - 3 5 6 10 2. - <_> - - <_> - 9 1 1 4 -1. - <_> - 9 1 1 2 2. - 1 - <_> - - <_> - 6 0 6 5 -1. - <_> - 8 0 2 5 3. - <_> - - <_> - 0 1 18 6 -1. - <_> - 0 1 9 3 2. - <_> - 9 4 9 3 2. - <_> - - <_> - 10 7 1 2 -1. - <_> - 10 8 1 1 2. - <_> - - <_> - 6 7 6 2 -1. - <_> - 6 7 3 1 2. - <_> - 9 8 3 1 2. - <_> - - <_> - 12 6 1 6 -1. - <_> - 12 8 1 2 3. - <_> - - <_> - 5 9 4 2 -1. - <_> - 5 9 2 1 2. - <_> - 7 10 2 1 2. - <_> - - <_> - 9 0 3 2 -1. - <_> - 10 1 1 2 3. - 1 - <_> - - <_> - 9 0 2 3 -1. - <_> - 8 1 2 1 3. - 1 - <_> - - <_> - 14 0 4 2 -1. - <_> - 15 1 2 2 2. - 1 - <_> - - <_> - 8 0 9 6 -1. - <_> - 8 0 9 3 2. - 1 - <_> - - <_> - 6 9 8 2 -1. - <_> - 10 9 4 1 2. - <_> - 6 10 4 1 2. - <_> - - <_> - 4 9 8 2 -1. - <_> - 4 9 4 1 2. - <_> - 8 10 4 1 2. - <_> - - <_> - 15 0 1 14 -1. - <_> - 15 7 1 7 2. - <_> - - <_> - 2 0 1 14 -1. - <_> - 2 7 1 7 2. - <_> - - <_> - 17 9 1 3 -1. - <_> - 17 10 1 1 3. - <_> - - <_> - 6 7 6 2 -1. - <_> - 6 8 6 1 2. - <_> - - <_> - 17 10 1 4 -1. - <_> - 17 11 1 2 2. - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 14 2 4 8 -1. - <_> - 14 6 4 4 2. - <_> - - <_> - 1 9 16 2 -1. - <_> - 1 10 16 1 2. - <_> - - <_> - 5 7 8 6 -1. - <_> - 5 10 8 3 2. - <_> - - <_> - 0 2 16 8 -1. - <_> - 0 2 8 4 2. - <_> - 8 6 8 4 2. - <_> - - <_> - 14 10 4 4 -1. - <_> - 16 10 2 2 2. - <_> - 14 12 2 2 2. - <_> - - <_> - 0 9 1 3 -1. - <_> - 0 10 1 1 3. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 16 0 1 4 -1. - <_> - 16 1 1 2 2. - <_> - - <_> - 0 10 1 4 -1. - <_> - 0 11 1 2 2. - <_> - - <_> - 0 9 18 6 -1. - <_> - 0 11 18 2 3. - <_> - - <_> - 3 0 8 2 -1. - <_> - 3 0 8 1 2. - 1 - <_> - - <_> - 8 9 10 6 -1. - <_> - 13 9 5 3 2. - <_> - 8 12 5 3 2. - <_> - - <_> - 1 12 12 1 -1. - <_> - 5 12 4 1 3. - <_> - - <_> - 13 0 2 8 -1. - <_> - 11 2 2 4 2. - 1 - <_> - - <_> - 1 8 4 2 -1. - <_> - 1 8 2 1 2. - <_> - 3 9 2 1 2. - <_> - - <_> - 12 4 2 6 -1. - <_> - 12 6 2 2 3. - <_> - - <_> - 4 0 10 8 -1. - <_> - 9 0 5 8 2. - <_> - - <_> - 9 0 2 1 -1. - <_> - 9 0 1 1 2. - 1 - <_> - - <_> - 9 0 1 2 -1. - <_> - 9 0 1 1 2. - 1 - <_> - - <_> - 13 11 3 4 -1. - <_> - 13 12 3 2 2. - <_> - - <_> - 2 11 3 4 -1. - <_> - 2 12 3 2 2. - <_> - - <_> - 8 13 7 2 -1. - <_> - 8 14 7 1 2. - <_> - - <_> - 3 1 1 3 -1. - <_> - 2 2 1 1 3. - 1 - <_> - - <_> - 16 0 2 3 -1. - <_> - 15 1 2 1 3. - 1 - <_> - - <_> - 2 0 3 2 -1. - <_> - 3 1 1 2 3. - 1 - <_> - - <_> - 13 0 4 3 -1. - <_> - 14 0 2 3 2. - <_> - - <_> - 1 0 4 3 -1. - <_> - 2 0 2 3 2. - <_> - - <_> - 16 0 1 4 -1. - <_> - 16 1 1 2 2. - <_> - - <_> - 1 0 1 4 -1. - <_> - 1 1 1 2 2. - <_> - - <_> - 14 0 4 1 -1. - <_> - 15 1 2 1 2. - 1 - <_> - - <_> - 4 0 1 4 -1. - <_> - 3 1 1 2 2. - 1 - <_> - - <_> - 0 4 18 6 -1. - <_> - 0 6 18 2 3. - <_> - - <_> - 7 8 4 2 -1. - <_> - 7 9 4 1 2. - <_> - - <_> - 1 8 16 2 -1. - <_> - 1 9 16 1 2. - <_> - - <_> - 3 4 8 2 -1. - <_> - 3 4 8 1 2. - 1 - <_> - - <_> - 6 0 9 11 -1. - <_> - 9 0 3 11 3. - <_> - - <_> - 7 0 4 1 -1. - <_> - 9 0 2 1 2. - <_> - - <_> - 4 0 12 11 -1. - <_> - 7 0 6 11 2. - <_> - - <_> - 2 0 12 11 -1. - <_> - 5 0 6 11 2. - <_> - - <_> - 11 2 6 4 -1. - <_> - 11 2 3 4 2. - <_> - - <_> - 5 1 2 2 -1. - <_> - 5 2 2 1 2. - <_> - - <_> - 10 3 2 6 -1. - <_> - 8 5 2 2 3. - 1 - <_> - - <_> - 4 2 8 4 -1. - <_> - 4 3 8 2 2. - <_> - - <_> - 11 1 2 8 -1. - <_> - 9 3 2 4 2. - 1 - <_> - - <_> - 0 1 18 14 -1. - <_> - 0 1 9 7 2. - <_> - 9 8 9 7 2. - <_> - - <_> - 13 5 5 10 -1. - <_> - 13 10 5 5 2. - <_> - - <_> - 9 3 6 2 -1. - <_> - 11 5 2 2 3. - 1 - <_> - - <_> - 9 0 7 8 -1. - <_> - 7 2 7 4 2. - 1 - <_> - - <_> - 9 0 8 7 -1. - <_> - 11 2 4 7 2. - 1 - <_> - - <_> - 13 2 4 3 -1. - <_> - 12 3 4 1 3. - 1 - <_> - - <_> - 5 2 3 4 -1. - <_> - 6 3 1 4 3. - 1 - <_> - - <_> - 10 0 3 3 -1. - <_> - 10 1 3 1 3. - <_> - - <_> - 2 3 13 6 -1. - <_> - 2 5 13 2 3. - <_> - - <_> - 8 5 2 3 -1. - <_> - 8 6 2 1 3. - <_> - - <_> - 0 3 4 6 -1. - <_> - 0 6 4 3 2. - <_> - - <_> - 1 9 16 2 -1. - <_> - 1 10 16 1 2. - <_> - - <_> - 5 5 6 4 -1. - <_> - 5 5 6 2 2. - 1 - <_> - - <_> - 13 0 2 8 -1. - <_> - 13 4 2 4 2. - <_> - - <_> - 3 0 2 8 -1. - <_> - 3 4 2 4 2. - <_> - - <_> - 16 1 2 3 -1. - <_> - 15 2 2 1 3. - 1 - <_> - - <_> - 1 3 3 1 -1. - <_> - 2 4 1 1 3. - 1 - <_> - - <_> - 13 4 5 10 -1. - <_> - 13 9 5 5 2. - <_> - - <_> - 0 4 5 10 -1. - <_> - 0 9 5 5 2. - <_> - - <_> - 16 5 2 3 -1. - <_> - 15 6 2 1 3. - 1 - <_> - - <_> - 2 5 3 2 -1. - <_> - 3 6 1 2 3. - 1 - <_> - - <_> - 10 10 8 4 -1. - <_> - 14 10 4 2 2. - <_> - 10 12 4 2 2. - <_> - - <_> - 1 5 4 9 -1. - <_> - 3 5 2 9 2. - <_> - - <_> - 10 1 8 9 -1. - <_> - 10 1 4 9 2. - <_> - - <_> - 0 1 8 9 -1. - <_> - 4 1 4 9 2. - <_> - - <_> - 10 10 8 4 -1. - <_> - 14 10 4 2 2. - <_> - 10 12 4 2 2. - <_> - - <_> - 0 9 8 4 -1. - <_> - 0 9 4 2 2. - <_> - 4 11 4 2 2. - <_> - - <_> - 3 0 14 2 -1. - <_> - 10 0 7 1 2. - <_> - 3 1 7 1 2. - <_> - - <_> - 0 13 18 2 -1. - <_> - 0 13 9 1 2. - <_> - 9 14 9 1 2. - <_> - - <_> - 11 13 1 2 -1. - <_> - 11 14 1 1 2. - <_> - - <_> - 3 13 8 2 -1. - <_> - 3 14 8 1 2. - <_> - - <_> - 4 13 10 2 -1. - <_> - 9 13 5 1 2. - <_> - 4 14 5 1 2. - <_> - - <_> - 6 13 1 2 -1. - <_> - 6 14 1 1 2. - <_> - - <_> - 14 0 4 9 -1. - <_> - 14 0 2 9 2. - 1 - <_> - - <_> - 4 0 9 4 -1. - <_> - 4 0 9 2 2. - 1 - <_> - - <_> - 6 5 6 3 -1. - <_> - 8 6 2 1 9. - <_> - - <_> - 2 9 3 2 -1. - <_> - 3 10 1 2 3. - 1 - <_> - - <_> - 6 0 7 2 -1. - <_> - 6 1 7 1 2. - <_> - - <_> - 4 7 1 2 -1. - <_> - 4 8 1 1 2. - <_> - - <_> - 9 4 4 3 -1. - <_> - 10 5 2 3 2. - 1 - <_> - - <_> - 0 0 15 6 -1. - <_> - 5 0 5 6 3. - <_> - - <_> - 7 0 9 14 -1. - <_> - 10 0 3 14 3. - <_> - - <_> - 0 0 18 15 -1. - <_> - 6 0 6 15 3. - <_> - - <_> - 9 4 4 3 -1. - <_> - 10 5 2 3 2. - 1 - <_> - - <_> - 7 4 2 2 -1. - <_> - 7 4 1 1 2. - <_> - 8 5 1 1 2. - <_> - - <_> - 9 4 2 2 -1. - <_> - 10 4 1 1 2. - <_> - 9 5 1 1 2. - <_> - - <_> - 0 11 8 4 -1. - <_> - 0 11 4 2 2. - <_> - 4 13 4 2 2. - <_> - - <_> - 16 12 2 3 -1. - <_> - 16 13 2 1 3. - <_> - - <_> - 0 10 8 4 -1. - <_> - 0 10 4 2 2. - <_> - 4 12 4 2 2. - <_> - - <_> - 12 0 2 2 -1. - <_> - 12 1 2 1 2. - <_> - - <_> - 4 0 2 2 -1. - <_> - 4 1 2 1 2. - <_> - - <_> - 9 0 2 2 -1. - <_> - 10 0 1 1 2. - <_> - 9 1 1 1 2. - <_> - - <_> - 0 11 11 4 -1. - <_> - 0 13 11 2 2. - <_> - - <_> - 9 4 4 3 -1. - <_> - 10 5 2 3 2. - 1 - <_> - - <_> - 9 4 3 4 -1. - <_> - 8 5 3 2 2. - 1 - <_> - - <_> - 9 3 4 3 -1. - <_> - 10 4 2 3 2. - 1 - <_> - - <_> - 6 4 6 4 -1. - <_> - 6 4 3 2 2. - <_> - 9 6 3 2 2. - <_> - - <_> - 9 3 3 9 -1. - <_> - 10 4 1 9 3. - 1 - <_> - - <_> - 9 3 9 3 -1. - <_> - 8 4 9 1 3. - 1 - <_> - - <_> - 16 12 2 3 -1. - <_> - 16 13 2 1 3. - <_> - - <_> - 3 0 10 2 -1. - <_> - 3 0 5 1 2. - <_> - 8 1 5 1 2. - <_> - - <_> - 13 1 3 13 -1. - <_> - 14 1 1 13 3. - <_> - - <_> - 1 0 1 2 -1. - <_> - 1 1 1 1 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 3 0 1 2 -1. - <_> - 3 1 1 1 2. - <_> - - <_> - 14 6 4 8 -1. - <_> - 14 10 4 4 2. - <_> - - <_> - 0 6 4 8 -1. - <_> - 0 10 4 4 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 0 0 6 13 -1. - <_> - 2 0 2 13 3. - <_> - - <_> - 5 14 12 1 -1. - <_> - 9 14 4 1 3. - <_> - - <_> - 7 2 9 2 -1. - <_> - 10 5 3 2 3. - 1 - <_> - - <_> - 6 1 6 12 -1. - <_> - 6 5 6 4 3. - <_> - - <_> - 9 5 2 4 -1. - <_> - 9 5 1 4 2. - 1 - <_> - - <_> - 11 5 4 4 -1. - <_> - 11 5 4 2 2. - 1 - <_> - - <_> - 4 0 12 1 -1. - <_> - 4 0 6 1 2. - 1 - <_> - - <_> - 10 2 5 10 -1. - <_> - 10 7 5 5 2. - <_> - - <_> - 3 2 5 10 -1. - <_> - 3 7 5 5 2. - <_> - - <_> - 2 2 14 6 -1. - <_> - 2 4 14 2 3. - <_> - - <_> - 4 4 5 3 -1. - <_> - 4 5 5 1 3. - <_> - - <_> - 2 1 15 3 -1. - <_> - 7 2 5 1 9. - <_> - - <_> - 5 2 2 3 -1. - <_> - 6 2 1 3 2. - <_> - - <_> - 4 2 12 9 -1. - <_> - 8 5 4 3 9. - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 8 0 6 11 -1. - <_> - 10 0 2 11 3. - <_> - - <_> - 1 1 3 1 -1. - <_> - 2 2 1 1 3. - 1 - <_> - - <_> - 16 0 1 6 -1. - <_> - 16 2 1 2 3. - <_> - - <_> - 0 4 1 2 -1. - <_> - 0 5 1 1 2. - <_> - - <_> - 15 6 3 2 -1. - <_> - 15 6 3 1 2. - 1 - <_> - - <_> - 3 6 2 3 -1. - <_> - 3 6 1 3 2. - 1 - <_> - - <_> - 0 0 18 4 -1. - <_> - 9 0 9 2 2. - <_> - 0 2 9 2 2. - <_> - - <_> - 4 5 3 4 -1. - <_> - 5 6 1 4 3. - 1 - <_> - - <_> - 13 1 4 12 -1. - <_> - 15 1 2 6 2. - <_> - 13 7 2 6 2. - <_> - - <_> - 3 1 2 14 -1. - <_> - 3 8 2 7 2. - <_> - - <_> - 7 6 5 3 -1. - <_> - 7 7 5 1 3. - <_> - - <_> - 6 7 6 2 -1. - <_> - 6 8 6 1 2. - <_> - - <_> - 7 8 9 3 -1. - <_> - 10 9 3 1 9. - <_> - - <_> - 2 8 9 3 -1. - <_> - 5 9 3 1 9. - <_> - - <_> - 10 4 4 7 -1. - <_> - 11 4 2 7 2. - <_> - - <_> - 4 4 4 7 -1. - <_> - 5 4 2 7 2. - <_> - - <_> - 10 14 3 1 -1. - <_> - 11 14 1 1 3. - <_> - - <_> - 5 14 3 1 -1. - <_> - 6 14 1 1 3. - <_> - - <_> - 5 14 12 1 -1. - <_> - 9 14 4 1 3. - <_> - - <_> - 0 1 18 8 -1. - <_> - 0 1 9 4 2. - <_> - 9 5 9 4 2. - <_> - - <_> - 9 1 6 4 -1. - <_> - 9 1 6 2 2. - 1 - <_> - - <_> - 9 1 4 6 -1. - <_> - 9 1 2 6 2. - 1 - <_> - - <_> - 11 8 2 2 -1. - <_> - 12 8 1 1 2. - <_> - 11 9 1 1 2. - <_> - - <_> - 5 0 8 11 -1. - <_> - 7 0 4 11 2. - <_> - - <_> - 7 7 6 3 -1. - <_> - 9 8 2 1 9. - <_> - - <_> - 4 0 6 9 -1. - <_> - 6 0 2 9 3. - <_> - - <_> - 10 0 3 2 -1. - <_> - 11 1 1 2 3. - 1 - <_> - - <_> - 8 0 2 3 -1. - <_> - 7 1 2 1 3. - 1 - <_> - - <_> - 10 0 3 1 -1. - <_> - 11 1 1 1 3. - 1 - <_> - - <_> - 6 4 6 11 -1. - <_> - 8 4 2 11 3. - <_> - - <_> - 10 8 3 3 -1. - <_> - 11 8 1 3 3. - <_> - - <_> - 8 1 9 2 -1. - <_> - 8 1 9 1 2. - 1 - <_> - - <_> - 10 0 3 1 -1. - <_> - 11 1 1 1 3. - 1 - <_> - - <_> - 0 9 18 6 -1. - <_> - 0 9 9 3 2. - <_> - 9 12 9 3 2. - <_> - - <_> - 8 8 2 2 -1. - <_> - 9 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 4 7 2 2 -1. - <_> - 4 7 1 1 2. - <_> - 5 8 1 1 2. - <_> - - <_> - 10 8 3 3 -1. - <_> - 11 8 1 3 3. - <_> - - <_> - 5 8 3 3 -1. - <_> - 6 8 1 3 3. - <_> - - <_> - 10 0 3 1 -1. - <_> - 11 1 1 1 3. - 1 - <_> - - <_> - 0 6 1 6 -1. - <_> - 0 8 1 2 3. - <_> - - <_> - 11 8 5 6 -1. - <_> - 11 10 5 2 3. - <_> - - <_> - 0 8 1 6 -1. - <_> - 0 10 1 2 3. - <_> - - <_> - 11 8 6 6 -1. - <_> - 11 10 6 2 3. - <_> - - <_> - 1 8 6 6 -1. - <_> - 1 10 6 2 3. - <_> - - <_> - 10 0 3 1 -1. - <_> - 11 1 1 1 3. - 1 - <_> - - <_> - 8 0 1 3 -1. - <_> - 7 1 1 1 3. - 1 - <_> - - <_> - 5 3 9 9 -1. - <_> - 8 6 3 3 9. - <_> - - <_> - 7 0 8 2 -1. - <_> - 7 0 8 1 2. - 1 - <_> - - <_> - 11 9 3 6 -1. - <_> - 12 9 1 6 3. - <_> - - <_> - 1 14 12 1 -1. - <_> - 5 14 4 1 3. - <_> - - <_> - 8 14 4 1 -1. - <_> - 9 14 2 1 2. - <_> - - <_> - 6 14 4 1 -1. - <_> - 7 14 2 1 2. - <_> - - <_> - 14 14 2 1 -1. - <_> - 14 14 1 1 2. - <_> - - <_> - 2 14 2 1 -1. - <_> - 3 14 1 1 2. - <_> - - <_> - 11 9 3 6 -1. - <_> - 12 9 1 6 3. - <_> - - <_> - 4 9 3 6 -1. - <_> - 5 9 1 6 3. - <_> - - <_> - 5 12 12 2 -1. - <_> - 5 13 12 1 2. - <_> - - <_> - 0 0 15 15 -1. - <_> - 5 0 5 15 3. - <_> - - <_> - 8 1 2 4 -1. - <_> - 8 1 1 4 2. - <_> - - <_> - 0 3 2 8 -1. - <_> - 0 3 1 4 2. - <_> - 1 7 1 4 2. - <_> - - <_> - 15 1 3 3 -1. - <_> - 14 2 3 1 3. - 1 - <_> - - <_> - 3 1 3 3 -1. - <_> - 4 2 1 3 3. - 1 - <_> - - <_> - 14 0 4 6 -1. - <_> - 16 0 2 3 2. - <_> - 14 3 2 3 2. - <_> - - <_> - 3 3 12 2 -1. - <_> - 3 3 6 1 2. - <_> - 9 4 6 1 2. - <_> - - <_> - 16 10 2 1 -1. - <_> - 16 10 1 1 2. - 1 - <_> - - <_> - 2 10 1 2 -1. - <_> - 2 10 1 1 2. - 1 - <_> - - <_> - 10 7 6 4 -1. - <_> - 13 7 3 2 2. - <_> - 10 9 3 2 2. - <_> - - <_> - 0 4 18 5 -1. - <_> - 6 4 6 5 3. - <_> - - <_> - 11 1 5 6 -1. - <_> - 9 3 5 2 3. - 1 - <_> - - <_> - 8 0 6 6 -1. - <_> - 10 2 2 6 3. - 1 - <_> - - <_> - 4 4 14 4 -1. - <_> - 11 4 7 2 2. - <_> - 4 6 7 2 2. - <_> - - <_> - 0 4 14 4 -1. - <_> - 0 4 7 2 2. - <_> - 7 6 7 2 2. - <_> - - <_> - 10 7 6 4 -1. - <_> - 13 7 3 2 2. - <_> - 10 9 3 2 2. - <_> - - <_> - 2 7 6 4 -1. - <_> - 2 7 3 2 2. - <_> - 5 9 3 2 2. - <_> - - <_> - 10 2 2 2 -1. - <_> - 10 2 1 2 2. - <_> - - <_> - 6 14 6 1 -1. - <_> - 9 14 3 1 2. - <_> - - <_> - 0 9 18 6 -1. - <_> - 9 9 9 3 2. - <_> - 0 12 9 3 2. - <_> - - <_> - 1 0 1 14 -1. - <_> - 1 7 1 7 2. - <_> - - <_> - 14 0 3 1 -1. - <_> - 15 1 1 1 3. - 1 - <_> - - <_> - 4 7 3 3 -1. - <_> - 3 8 3 1 3. - 1 - <_> - - <_> - 14 0 3 1 -1. - <_> - 15 1 1 1 3. - 1 - <_> - - <_> - 6 2 2 2 -1. - <_> - 7 2 1 2 2. - <_> - - <_> - 5 0 8 12 -1. - <_> - 7 0 4 12 2. - <_> - - <_> - 9 8 2 1 -1. - <_> - 9 8 1 1 2. - 1 - <_> - - <_> - 9 4 2 2 -1. - <_> - 10 4 1 1 2. - <_> - 9 5 1 1 2. - <_> - - <_> - 7 4 2 2 -1. - <_> - 7 4 1 1 2. - <_> - 8 5 1 1 2. - <_> - - <_> - 7 8 4 4 -1. - <_> - 8 8 2 4 2. - <_> - - <_> - 9 6 3 1 -1. - <_> - 10 7 1 1 3. - 1 - <_> - - <_> - 0 10 18 2 -1. - <_> - 0 11 18 1 2. - <_> - - <_> - 8 5 2 8 -1. - <_> - 8 5 2 4 2. - 1 - <_> - - <_> - 3 3 12 4 -1. - <_> - 3 5 12 2 2. - <_> - - <_> - 4 0 8 1 -1. - <_> - 6 2 4 1 2. - 1 - <_> - - <_> - 9 0 4 10 -1. - <_> - 11 0 2 5 2. - <_> - 9 5 2 5 2. - <_> - - <_> - 4 2 10 2 -1. - <_> - 4 3 10 1 2. - <_> - - <_> - 11 0 3 4 -1. - <_> - 12 0 1 4 3. - <_> - - <_> - 6 0 5 2 -1. - <_> - 6 1 5 1 2. - <_> - - <_> - 11 0 3 4 -1. - <_> - 12 0 1 4 3. - <_> - - <_> - 4 0 3 4 -1. - <_> - 5 0 1 4 3. - <_> - - <_> - 10 0 3 3 -1. - <_> - 10 1 3 1 3. - <_> - - <_> - 5 0 3 3 -1. - <_> - 5 1 3 1 3. - <_> - - <_> - 11 8 2 2 -1. - <_> - 12 8 1 1 2. - <_> - 11 9 1 1 2. - <_> - - <_> - 5 8 2 2 -1. - <_> - 5 8 1 1 2. - <_> - 6 9 1 1 2. - <_> - - <_> - 11 8 2 2 -1. - <_> - 12 8 1 1 2. - <_> - 11 9 1 1 2. - <_> - - <_> - 5 8 2 2 -1. - <_> - 5 8 1 1 2. - <_> - 6 9 1 1 2. - <_> - - <_> - 11 7 1 4 -1. - <_> - 10 8 1 2 2. - 1 - <_> - - <_> - 3 3 5 12 -1. - <_> - 3 6 5 6 2. - <_> - - <_> - 11 10 4 1 -1. - <_> - 11 10 2 1 2. - 1 - <_> - - <_> - 6 1 3 6 -1. - <_> - 4 3 3 2 3. - 1 - <_> - - <_> - 2 1 16 1 -1. - <_> - 6 1 8 1 2. - <_> - - <_> - 3 6 12 4 -1. - <_> - 3 6 6 2 2. - <_> - 9 8 6 2 2. - <_> - - <_> - 1 7 16 3 -1. - <_> - 1 8 16 1 3. - <_> - - <_> - 2 6 6 6 -1. - <_> - 4 8 2 2 9. - <_> - - <_> - 14 4 4 3 -1. - <_> - 14 5 4 1 3. - <_> - - <_> - 0 4 4 3 -1. - <_> - 0 5 4 1 3. - <_> - - <_> - 14 1 1 3 -1. - <_> - 14 2 1 1 3. - <_> - - <_> - 1 9 9 3 -1. - <_> - 4 9 3 3 3. - <_> - - <_> - 14 2 2 3 -1. - <_> - 14 2 1 3 2. - 1 - <_> - - <_> - 3 2 2 4 -1. - <_> - 3 2 1 2 2. - <_> - 4 4 1 2 2. - <_> - - <_> - 10 5 4 10 -1. - <_> - 12 5 2 5 2. - <_> - 10 10 2 5 2. - <_> - - <_> - 4 5 4 10 -1. - <_> - 4 5 2 5 2. - <_> - 6 10 2 5 2. - <_> - - <_> - 11 2 2 2 -1. - <_> - 11 2 2 1 2. - 1 - <_> - - <_> - 5 4 3 6 -1. - <_> - 5 6 3 2 3. - <_> - - <_> - 11 2 2 2 -1. - <_> - 11 2 2 1 2. - 1 - <_> - - <_> - 7 2 2 2 -1. - <_> - 7 2 1 2 2. - 1 - <_> - - <_> - 9 5 2 1 -1. - <_> - 9 5 1 1 2. - 1 - <_> - - <_> - 2 0 9 14 -1. - <_> - 5 0 3 14 3. - <_> - - <_> - 14 0 3 1 -1. - <_> - 15 1 1 1 3. - 1 - <_> - - <_> - 4 0 1 3 -1. - <_> - 3 1 1 1 3. - 1 - <_> - - <_> - 9 0 4 10 -1. - <_> - 11 0 2 5 2. - <_> - 9 5 2 5 2. - <_> - - <_> - 5 0 2 5 -1. - <_> - 5 0 1 5 2. - 1 - <_> - - <_> - 14 0 2 1 -1. - <_> - 14 0 1 1 2. - 1 - <_> - - <_> - 4 0 1 2 -1. - <_> - 4 0 1 1 2. - 1 - <_> - - <_> - 12 1 4 4 -1. - <_> - 12 1 2 4 2. - 1 - <_> - - <_> - 0 1 1 4 -1. - <_> - 0 2 1 2 2. - <_> - - <_> - 8 7 2 4 -1. - <_> - 9 7 1 2 2. - <_> - 8 9 1 2 2. - <_> - - <_> - 1 5 16 2 -1. - <_> - 5 5 8 2 2. - <_> - - <_> - 5 0 8 12 -1. - <_> - 5 4 8 4 3. - <_> - - <_> - 2 2 12 9 -1. - <_> - 6 5 4 3 9. - <_> - - <_> - 13 0 3 3 -1. - <_> - 14 1 1 3 3. - 1 - <_> - - <_> - 5 0 3 3 -1. - <_> - 4 1 3 1 3. - 1 - <_> - - <_> - 2 2 16 7 -1. - <_> - 6 2 8 7 2. - <_> - - <_> - 0 2 16 7 -1. - <_> - 4 2 8 7 2. - <_> - - <_> - 16 13 2 2 -1. - <_> - 16 13 1 2 2. - <_> - - <_> - 0 13 2 2 -1. - <_> - 1 13 1 2 2. - <_> - - <_> - 16 7 2 8 -1. - <_> - 17 7 1 4 2. - <_> - 16 11 1 4 2. - <_> - - <_> - 0 7 2 8 -1. - <_> - 0 7 1 4 2. - <_> - 1 11 1 4 2. - <_> - - <_> - 11 2 7 3 -1. - <_> - 11 3 7 1 3. - <_> - - <_> - 0 8 2 3 -1. - <_> - 1 8 1 3 2. - <_> - - <_> - 10 5 6 4 -1. - <_> - 12 7 2 4 3. - 1 - <_> - - <_> - 9 7 2 1 -1. - <_> - 9 7 1 1 2. - 1 - <_> - - <_> - 0 3 18 8 -1. - <_> - 0 7 18 4 2. - <_> - - <_> - 7 6 2 2 -1. - <_> - 7 6 1 1 2. - <_> - 8 7 1 1 2. - <_> - - <_> - 11 6 2 2 -1. - <_> - 12 6 1 1 2. - <_> - 11 7 1 1 2. - <_> - - <_> - 8 5 4 6 -1. - <_> - 6 7 4 2 3. - 1 - <_> - - <_> - 16 3 2 2 -1. - <_> - 16 3 1 2 2. - 1 - <_> - - <_> - 8 14 2 1 -1. - <_> - 9 14 1 1 2. - <_> - - <_> - 11 2 7 3 -1. - <_> - 11 3 7 1 3. - <_> - - <_> - 0 2 9 12 -1. - <_> - 0 5 9 6 2. - <_> - - <_> - 16 0 2 11 -1. - <_> - 16 0 1 11 2. - 1 - <_> - - <_> - 8 0 8 3 -1. - <_> - 10 2 4 3 2. - 1 - <_> - - <_> - 12 8 4 2 -1. - <_> - 12 8 2 2 2. - 1 - <_> - - <_> - 6 4 5 6 -1. - <_> - 4 6 5 2 3. - 1 - <_> - - <_> - 16 2 2 3 -1. - <_> - 16 2 1 3 2. - <_> - - <_> - 0 2 2 3 -1. - <_> - 1 2 1 3 2. - <_> - - <_> - 13 7 3 3 -1. - <_> - 14 8 1 1 9. - <_> - - <_> - 2 4 4 9 -1. - <_> - 4 4 2 9 2. - <_> - - <_> - 10 0 4 1 -1. - <_> - 10 0 2 1 2. - 1 - <_> - - <_> - 8 2 2 2 -1. - <_> - 8 2 2 1 2. - 1 - <_> - - <_> - 9 0 4 1 -1. - <_> - 9 0 2 1 2. - <_> - - <_> - 2 0 14 15 -1. - <_> - 9 0 7 15 2. - <_> - - <_> - 13 4 4 3 -1. - <_> - 12 5 4 1 3. - 1 - <_> - - <_> - 3 6 12 8 -1. - <_> - 3 6 6 4 2. - <_> - 9 10 6 4 2. - <_> - - <_> - 12 5 3 6 -1. - <_> - 13 7 1 2 9. - <_> - - <_> - 5 4 3 4 -1. - <_> - 6 5 1 4 3. - 1 - <_> - - <_> - 12 7 3 3 -1. - <_> - 13 8 1 3 3. - 1 - <_> - - <_> - 0 1 4 14 -1. - <_> - 0 8 4 7 2. - <_> - - <_> - 12 8 3 4 -1. - <_> - 13 9 1 4 3. - 1 - <_> - - <_> - 6 8 4 3 -1. - <_> - 5 9 4 1 3. - 1 - <_> - - <_> - 3 0 12 4 -1. - <_> - 9 0 6 2 2. - <_> - 3 2 6 2 2. - <_> - - <_> - 3 2 12 12 -1. - <_> - 3 8 12 6 2. - <_> - - <_> - 12 7 2 4 -1. - <_> - 12 8 2 2 2. - <_> - - <_> - 5 6 1 6 -1. - <_> - 5 8 1 2 3. - <_> - - <_> - 17 1 1 14 -1. - <_> - 17 8 1 7 2. - <_> - - <_> - 0 0 18 10 -1. - <_> - 0 0 9 5 2. - <_> - 9 5 9 5 2. - <_> - - <_> - 5 0 12 11 -1. - <_> - 9 0 4 11 3. - <_> - - <_> - 7 0 2 4 -1. - <_> - 7 0 2 2 2. - 1 - <_> - - <_> - 8 13 10 2 -1. - <_> - 13 13 5 1 2. - <_> - 8 14 5 1 2. - <_> - - <_> - 4 1 3 4 -1. - <_> - 3 2 3 2 2. - 1 - <_> - - <_> - 13 8 4 1 -1. - <_> - 14 8 2 1 2. - <_> - - <_> - 3 6 3 2 -1. - <_> - 4 7 1 2 3. - 1 - <_> - - <_> - 13 0 3 1 -1. - <_> - 14 1 1 1 3. - 1 - <_> - - <_> - 3 2 3 3 -1. - <_> - 4 3 1 3 3. - 1 - <_> - - <_> - 13 0 3 1 -1. - <_> - 14 1 1 1 3. - 1 - <_> - - <_> - 2 11 2 2 -1. - <_> - 2 11 1 2 2. - 1 - <_> - - <_> - 2 11 16 2 -1. - <_> - 2 12 16 1 2. - <_> - - <_> - 8 6 6 3 -1. - <_> - 10 8 2 3 3. - 1 - <_> - - <_> - 2 12 16 3 -1. - <_> - 2 13 16 1 3. - <_> - - <_> - 0 10 18 4 -1. - <_> - 0 10 9 2 2. - <_> - 9 12 9 2 2. - <_> - - <_> - 6 12 9 2 -1. - <_> - 9 12 3 2 3. - <_> - - <_> - 5 0 1 3 -1. - <_> - 4 1 1 1 3. - 1 - <_> - - <_> - 8 0 9 6 -1. - <_> - 8 3 9 3 2. - <_> - - <_> - 0 3 12 9 -1. - <_> - 6 3 6 9 2. - <_> - - <_> - 3 4 12 6 -1. - <_> - 7 6 4 2 9. - <_> - - <_> - 8 0 8 3 -1. - <_> - 10 2 4 3 2. - 1 - <_> - - <_> - 11 1 1 2 -1. - <_> - 11 1 1 1 2. - 1 - <_> - - <_> - 7 1 2 1 -1. - <_> - 7 1 1 1 2. - 1 - <_> - - <_> - 13 1 4 3 -1. - <_> - 12 2 4 1 3. - 1 - <_> - - <_> - 1 0 12 11 -1. - <_> - 5 0 4 11 3. - <_> - - <_> - 13 1 4 3 -1. - <_> - 12 2 4 1 3. - 1 - <_> - - <_> - 5 1 3 4 -1. - <_> - 6 2 1 4 3. - 1 - <_> - - <_> - 9 0 2 1 -1. - <_> - 9 0 1 1 2. - 1 - <_> - - <_> - 0 13 10 2 -1. - <_> - 0 13 5 1 2. - <_> - 5 14 5 1 2. - <_> - - <_> - 12 12 4 3 -1. - <_> - 13 12 2 3 2. - <_> - - <_> - 3 6 1 2 -1. - <_> - 3 7 1 1 2. - <_> - - <_> - 7 7 4 2 -1. - <_> - 7 8 4 1 2. - <_> - - <_> - 0 10 18 4 -1. - <_> - 0 12 18 2 2. - <_> - - <_> - 12 12 4 3 -1. - <_> - 13 12 2 3 2. - <_> - - <_> - 5 10 4 2 -1. - <_> - 5 10 2 1 2. - <_> - 7 11 2 1 2. - <_> - - <_> - 13 1 2 8 -1. - <_> - 13 5 2 4 2. - <_> - - <_> - 3 1 2 8 -1. - <_> - 3 5 2 4 2. - <_> - - <_> - 12 12 4 3 -1. - <_> - 13 12 2 3 2. - <_> - - <_> - 9 0 1 2 -1. - <_> - 9 0 1 1 2. - 1 - <_> - - <_> - 8 0 4 4 -1. - <_> - 8 0 2 4 2. - <_> - - <_> - 2 12 4 3 -1. - <_> - 3 12 2 3 2. - <_> - - <_> - 9 5 1 6 -1. - <_> - 7 7 1 2 3. - 1 - <_> - - <_> - 8 0 2 4 -1. - <_> - 8 2 2 2 2. - <_> - - <_> - 10 9 2 2 -1. - <_> - 11 9 1 1 2. - <_> - 10 10 1 1 2. - <_> - - <_> - 6 9 2 2 -1. - <_> - 6 9 1 1 2. - <_> - 7 10 1 1 2. - <_> - - <_> - 3 6 12 4 -1. - <_> - 9 6 6 2 2. - <_> - 3 8 6 2 2. - <_> - - <_> - 6 1 2 2 -1. - <_> - 7 1 1 2 2. - <_> - - <_> - 17 7 1 6 -1. - <_> - 17 9 1 2 3. - <_> - - <_> - 6 8 2 2 -1. - <_> - 6 8 1 1 2. - <_> - 7 9 1 1 2. - <_> - - <_> - 7 6 6 3 -1. - <_> - 9 7 2 1 9. - <_> - - <_> - 0 4 17 6 -1. - <_> - 0 6 17 2 3. - <_> - - <_> - 1 6 16 3 -1. - <_> - 1 7 16 1 3. - <_> - - <_> - 0 0 12 1 -1. - <_> - 3 0 6 1 2. - <_> - - <_> - 11 5 3 4 -1. - <_> - 12 6 1 4 3. - 1 - <_> - - <_> - 7 1 8 4 -1. - <_> - 7 1 4 4 2. - 1 - <_> - - <_> - 2 0 16 1 -1. - <_> - 6 0 8 1 2. - <_> - - <_> - 9 5 6 1 -1. - <_> - 11 7 2 1 3. - 1 - <_> - - <_> - 11 6 6 8 -1. - <_> - 13 6 2 8 3. - <_> - - <_> - 9 0 8 7 -1. - <_> - 11 2 4 7 2. - 1 - <_> - - <_> - 11 6 6 8 -1. - <_> - 13 6 2 8 3. - <_> - - <_> - 7 5 4 3 -1. - <_> - 6 6 4 1 3. - 1 - <_> - - <_> - 11 6 6 8 -1. - <_> - 13 6 2 8 3. - <_> - - <_> - 1 6 6 8 -1. - <_> - 3 6 2 8 3. - <_> - - <_> - 6 2 6 6 -1. - <_> - 6 5 6 3 2. - <_> - - <_> - 6 4 6 4 -1. - <_> - 6 6 6 2 2. - <_> - - <_> - 17 8 1 2 -1. - <_> - 17 9 1 1 2. - <_> - - <_> - 0 8 1 2 -1. - <_> - 0 9 1 1 2. - <_> - - <_> - 16 8 2 4 -1. - <_> - 16 9 2 2 2. - <_> - - <_> - 0 8 2 4 -1. - <_> - 0 9 2 2 2. - <_> - - <_> - 1 4 17 2 -1. - <_> - 1 5 17 1 2. - <_> - - <_> - 0 0 18 4 -1. - <_> - 0 0 9 2 2. - <_> - 9 2 9 2 2. - <_> - - <_> - 12 9 4 2 -1. - <_> - 13 10 2 2 2. - 1 - <_> - - <_> - 6 9 2 4 -1. - <_> - 5 10 2 2 2. - 1 - <_> - - <_> - 9 8 1 2 -1. - <_> - 9 9 1 1 2. - <_> - - <_> - 7 8 4 2 -1. - <_> - 7 9 4 1 2. - <_> - - <_> - 17 3 1 3 -1. - <_> - 16 4 1 1 3. - 1 - <_> - - <_> - 5 9 2 3 -1. - <_> - 4 10 2 1 3. - 1 - <_> - - <_> - 1 3 16 6 -1. - <_> - 1 5 16 2 3. - <_> - - <_> - 2 12 1 2 -1. - <_> - 2 12 1 1 2. - 1 - <_> - - <_> - 17 0 1 4 -1. - <_> - 17 1 1 2 2. - <_> - - <_> - 6 5 4 2 -1. - <_> - 6 5 2 2 2. - 1 - <_> - - <_> - 0 13 18 2 -1. - <_> - 0 14 18 1 2. - <_> - - <_> - 8 4 6 3 -1. - <_> - 7 5 6 1 3. - 1 - <_> - - <_> - 9 4 2 1 -1. - <_> - 9 4 1 1 2. - <_> - - <_> - 7 4 2 1 -1. - <_> - 8 4 1 1 2. - <_> - - <_> - 8 0 6 10 -1. - <_> - 10 0 2 10 3. - <_> - - <_> - 4 0 6 10 -1. - <_> - 6 0 2 10 3. - <_> - - <_> - 8 3 6 6 -1. - <_> - 10 5 2 2 9. - <_> - - <_> - 4 3 6 6 -1. - <_> - 6 5 2 2 9. - <_> - - <_> - 9 5 4 6 -1. - <_> - 9 5 2 6 2. - 1 - <_> - - <_> - 9 5 6 4 -1. - <_> - 9 5 6 2 2. - 1 - <_> - - <_> - 14 3 4 1 -1. - <_> - 15 3 2 1 2. - <_> - - <_> - 0 3 4 1 -1. - <_> - 1 3 2 1 2. - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 1 1 1 3. - 1 - <_> - - <_> - 2 1 3 2 -1. - <_> - 3 2 1 2 3. - 1 - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 1 1 1 3. - 1 - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 17 0 1 4 -1. - <_> - 17 1 1 2 2. - <_> - - <_> - 3 0 2 3 -1. - <_> - 2 1 2 1 3. - 1 - <_> - - <_> - 14 5 3 1 -1. - <_> - 15 5 1 1 3. - <_> - - <_> - 1 5 3 1 -1. - <_> - 2 5 1 1 3. - <_> - - <_> - 1 13 16 2 -1. - <_> - 5 13 8 2 2. - <_> - - <_> - 2 3 2 2 -1. - <_> - 2 3 1 1 2. - <_> - 3 4 1 1 2. - <_> - - <_> - 14 3 2 2 -1. - <_> - 15 3 1 1 2. - <_> - 14 4 1 1 2. - <_> - - <_> - 2 3 2 2 -1. - <_> - 2 3 1 1 2. - <_> - 3 4 1 1 2. - <_> - - <_> - 4 1 11 3 -1. - <_> - 4 2 11 1 3. - <_> - - <_> - 7 3 1 2 -1. - <_> - 7 4 1 1 2. - <_> - - <_> - 7 14 9 1 -1. - <_> - 10 14 3 1 3. - <_> - - <_> - 5 10 6 2 -1. - <_> - 5 10 3 1 2. - <_> - 8 11 3 1 2. - <_> - - <_> - 0 10 18 2 -1. - <_> - 9 10 9 1 2. - <_> - 0 11 9 1 2. - <_> - - <_> - 0 11 15 4 -1. - <_> - 0 13 15 2 2. - <_> - - <_> - 2 12 16 3 -1. - <_> - 2 13 16 1 3. - <_> - - <_> - 0 0 16 1 -1. - <_> - 4 0 8 1 2. - <_> - - <_> - 6 5 12 5 -1. - <_> - 9 5 6 5 2. - <_> - - <_> - 0 5 12 5 -1. - <_> - 3 5 6 5 2. - <_> - - <_> - 8 11 9 3 -1. - <_> - 11 12 3 1 9. - <_> - - <_> - 7 0 4 2 -1. - <_> - 7 1 4 1 2. - <_> - - <_> - 7 0 4 2 -1. - <_> - 7 1 4 1 2. - <_> - - <_> - 5 1 4 3 -1. - <_> - 7 1 2 3 2. - <_> - - <_> - 9 0 4 1 -1. - <_> - 10 0 2 1 2. - <_> - - <_> - 3 0 7 2 -1. - <_> - 3 0 7 1 2. - 1 - <_> - - <_> - 3 5 12 4 -1. - <_> - 3 7 12 2 2. - <_> - - <_> - 8 7 3 1 -1. - <_> - 9 8 1 1 3. - 1 - <_> - - <_> - 5 11 8 4 -1. - <_> - 7 11 4 4 2. - <_> - - <_> - 6 14 6 1 -1. - <_> - 8 14 2 1 3. - <_> - - <_> - 7 13 4 1 -1. - <_> - 8 13 2 1 2. - <_> - - <_> - 2 12 8 2 -1. - <_> - 4 12 4 2 2. - <_> - - <_> - 15 10 3 2 -1. - <_> - 16 11 1 2 3. - 1 - <_> - - <_> - 3 10 2 3 -1. - <_> - 2 11 2 1 3. - 1 - <_> - - <_> - 16 12 2 2 -1. - <_> - 17 12 1 1 2. - <_> - 16 13 1 1 2. - <_> - - <_> - 0 10 18 4 -1. - <_> - 0 12 18 2 2. - <_> - - <_> - 16 12 2 2 -1. - <_> - 17 12 1 1 2. - <_> - 16 13 1 1 2. - <_> - - <_> - 0 0 1 4 -1. - <_> - 0 1 1 2 2. - <_> - - <_> - 16 1 2 4 -1. - <_> - 16 1 1 4 2. - 1 - <_> - - <_> - 2 1 4 2 -1. - <_> - 2 1 4 1 2. - 1 - <_> - - <_> - 14 0 4 3 -1. - <_> - 13 1 4 1 3. - 1 - <_> - - <_> - 4 0 3 4 -1. - <_> - 5 1 1 4 3. - 1 - <_> - - <_> - 16 2 2 2 -1. - <_> - 17 2 1 1 2. - <_> - 16 3 1 1 2. - <_> - - <_> - 0 2 2 2 -1. - <_> - 0 2 1 1 2. - <_> - 1 3 1 1 2. - <_> - - <_> - 12 5 6 1 -1. - <_> - 12 5 3 1 2. - <_> - - <_> - 0 5 6 1 -1. - <_> - 3 5 3 1 2. - <_> - - <_> - 5 3 8 2 -1. - <_> - 9 3 4 1 2. - <_> - 5 4 4 1 2. - <_> - - <_> - 7 0 2 8 -1. - <_> - 8 0 1 8 2. - <_> - - <_> - 9 2 2 3 -1. - <_> - 9 2 1 3 2. - 1 - <_> - - <_> - 9 2 3 2 -1. - <_> - 9 2 3 1 2. - 1 - <_> - - <_> - 16 12 2 2 -1. - <_> - 17 12 1 1 2. - <_> - 16 13 1 1 2. - <_> - - <_> - 0 12 2 2 -1. - <_> - 0 12 1 1 2. - <_> - 1 13 1 1 2. - <_> - - <_> - 16 12 2 2 -1. - <_> - 17 12 1 1 2. - <_> - 16 13 1 1 2. - <_> - - <_> - 0 12 2 2 -1. - <_> - 0 12 1 1 2. - <_> - 1 13 1 1 2. - <_> - - <_> - 6 13 8 2 -1. - <_> - 8 13 4 2 2. - <_> - - <_> - 5 0 8 2 -1. - <_> - 5 0 4 1 2. - <_> - 9 1 4 1 2. - <_> - - <_> - 13 8 1 4 -1. - <_> - 13 8 1 2 2. - 1 - <_> - - <_> - 0 5 16 6 -1. - <_> - 0 7 16 2 3. - <_> - - <_> - 12 5 1 6 -1. - <_> - 12 7 1 2 3. - <_> - - <_> - 5 5 1 6 -1. - <_> - 5 7 1 2 3. - <_> - - <_> - 12 8 6 4 -1. - <_> - 15 8 3 2 2. - <_> - 12 10 3 2 2. - <_> - - <_> - 0 5 18 4 -1. - <_> - 0 5 9 2 2. - <_> - 9 7 9 2 2. - <_> - - <_> - 10 3 2 2 -1. - <_> - 11 3 1 1 2. - <_> - 10 4 1 1 2. - <_> - - <_> - 2 10 6 3 -1. - <_> - 4 11 2 1 9. - <_> - - <_> - 17 5 1 3 -1. - <_> - 17 6 1 1 3. - <_> - - <_> - 8 3 3 8 -1. - <_> - 8 3 3 4 2. - 1 - <_> - - <_> - 12 7 4 1 -1. - <_> - 13 8 2 1 2. - 1 - <_> - - <_> - 1 3 9 12 -1. - <_> - 4 7 3 4 9. - <_> - - <_> - 12 7 4 1 -1. - <_> - 13 8 2 1 2. - 1 - <_> - - <_> - 6 7 1 4 -1. - <_> - 5 8 1 2 2. - 1 - <_> - - <_> - 17 5 1 3 -1. - <_> - 17 6 1 1 3. - <_> - - <_> - 0 5 1 3 -1. - <_> - 0 6 1 1 3. - <_> - - <_> - 13 1 1 3 -1. - <_> - 13 2 1 1 3. - <_> - - <_> - 6 3 2 2 -1. - <_> - 6 3 1 1 2. - <_> - 7 4 1 1 2. - <_> - - <_> - 6 13 8 2 -1. - <_> - 8 13 4 2 2. - <_> - - <_> - 5 5 4 3 -1. - <_> - 6 6 2 3 2. - 1 - <_> - - <_> - 6 9 6 2 -1. - <_> - 6 10 6 1 2. - <_> - - <_> - 0 0 18 11 -1. - <_> - 6 0 6 11 3. - <_> - - <_> - 16 3 2 4 -1. - <_> - 17 3 1 2 2. - <_> - 16 5 1 2 2. - <_> - - <_> - 5 3 6 6 -1. - <_> - 5 3 3 3 2. - <_> - 8 6 3 3 2. - <_> - - <_> - 5 2 8 6 -1. - <_> - 7 2 4 6 2. - <_> - - <_> - 3 2 12 4 -1. - <_> - 6 2 6 4 2. - <_> - - <_> - 16 3 2 4 -1. - <_> - 17 3 1 2 2. - <_> - 16 5 1 2 2. - <_> - - <_> - 1 0 3 2 -1. - <_> - 2 0 1 2 3. - <_> - - <_> - 16 3 2 4 -1. - <_> - 17 3 1 2 2. - <_> - 16 5 1 2 2. - <_> - - <_> - 0 3 2 4 -1. - <_> - 0 3 1 2 2. - <_> - 1 5 1 2 2. - <_> - - <_> - 14 3 4 1 -1. - <_> - 15 4 2 1 2. - 1 - <_> - - <_> - 5 5 6 6 -1. - <_> - 5 5 3 3 2. - <_> - 8 8 3 3 2. - <_> - - <_> - 8 3 2 10 -1. - <_> - 8 8 2 5 2. - <_> - - <_> - 4 3 1 4 -1. - <_> - 3 4 1 2 2. - 1 - <_> - - <_> - 11 8 6 1 -1. - <_> - 11 8 3 1 2. - 1 - <_> - - <_> - 7 8 1 6 -1. - <_> - 7 8 1 3 2. - 1 - <_> - - <_> - 6 13 12 1 -1. - <_> - 6 13 6 1 2. - <_> - - <_> - 0 13 16 2 -1. - <_> - 8 13 8 2 2. - <_> - - <_> - 10 9 4 4 -1. - <_> - 10 11 4 2 2. - <_> - - <_> - 4 1 7 3 -1. - <_> - 4 2 7 1 3. - <_> - - <_> - 11 2 2 2 -1. - <_> - 12 2 1 1 2. - <_> - 11 3 1 1 2. - <_> - - <_> - 5 2 2 2 -1. - <_> - 5 2 1 1 2. - <_> - 6 3 1 1 2. - <_> - - <_> - 6 13 8 2 -1. - <_> - 8 13 4 2 2. - <_> - - <_> - 4 13 8 2 -1. - <_> - 6 13 4 2 2. - <_> - - <_> - 4 3 12 9 -1. - <_> - 8 6 4 3 9. - <_> - - <_> - 7 0 6 4 -1. - <_> - 9 2 2 4 3. - 1 - <_> - - <_> - 13 8 1 4 -1. - <_> - 13 8 1 2 2. - 1 - <_> - - <_> - 5 8 4 1 -1. - <_> - 5 8 2 1 2. - 1 - <_> - - <_> - 4 1 12 5 -1. - <_> - 7 1 6 5 2. - <_> - - <_> - 5 0 4 1 -1. - <_> - 6 0 2 1 2. - <_> - - <_> - 9 0 1 4 -1. - <_> - 8 1 1 2 2. - 1 - <_> - - <_> - 4 2 2 2 -1. - <_> - 4 2 1 1 2. - <_> - 5 3 1 1 2. - <_> - - <_> - 12 2 2 2 -1. - <_> - 13 2 1 1 2. - <_> - 12 3 1 1 2. - <_> - - <_> - 4 2 2 2 -1. - <_> - 4 2 1 1 2. - <_> - 5 3 1 1 2. - <_> - - <_> - 7 0 5 4 -1. - <_> - 7 2 5 2 2. - <_> - - <_> - 9 3 1 6 -1. - <_> - 9 3 1 3 2. - 1 - <_> - - <_> - 15 6 2 4 -1. - <_> - 15 7 2 2 2. - <_> - - <_> - 0 6 18 2 -1. - <_> - 0 6 9 1 2. - <_> - 9 7 9 1 2. - <_> - - <_> - 13 6 2 2 -1. - <_> - 14 6 1 1 2. - <_> - 13 7 1 1 2. - <_> - - <_> - 0 0 5 8 -1. - <_> - 0 4 5 4 2. - <_> - - <_> - 12 2 2 2 -1. - <_> - 12 2 2 1 2. - 1 - <_> - - <_> - 8 0 10 2 -1. - <_> - 8 0 10 1 2. - 1 - <_> - - <_> - 5 0 11 12 -1. - <_> - 5 4 11 4 3. - <_> - - <_> - 2 0 11 12 -1. - <_> - 2 4 11 4 3. - <_> - - <_> - 11 1 2 14 -1. - <_> - 12 1 1 7 2. - <_> - 11 8 1 7 2. - <_> - - <_> - 5 1 2 14 -1. - <_> - 5 1 1 7 2. - <_> - 6 8 1 7 2. - <_> - - <_> - 11 8 2 1 -1. - <_> - 11 8 1 1 2. - 1 - <_> - - <_> - 3 6 2 2 -1. - <_> - 3 6 1 1 2. - <_> - 4 7 1 1 2. - <_> - - <_> - 11 8 2 1 -1. - <_> - 11 8 1 1 2. - 1 - <_> - - <_> - 0 8 18 4 -1. - <_> - 0 8 9 2 2. - <_> - 9 10 9 2 2. - <_> - - <_> - 14 0 2 1 -1. - <_> - 14 0 1 1 2. - 1 - <_> - - <_> - 4 0 1 2 -1. - <_> - 4 0 1 1 2. - 1 - <_> - - <_> - 3 0 15 14 -1. - <_> - 8 0 5 14 3. - <_> - - <_> - 4 0 9 13 -1. - <_> - 7 0 3 13 3. - <_> - - <_> - 7 5 4 9 -1. - <_> - 7 5 2 9 2. - <_> - - <_> - 9 1 4 4 -1. - <_> - 9 1 2 4 2. - 1 - <_> - - <_> - 7 2 6 2 -1. - <_> - 10 2 3 1 2. - <_> - 7 3 3 1 2. - <_> - - <_> - 7 4 6 2 -1. - <_> - 9 6 2 2 3. - 1 - <_> - - <_> - 11 8 3 2 -1. - <_> - 12 9 1 2 3. - 1 - <_> - - <_> - 7 8 2 3 -1. - <_> - 6 9 2 1 3. - 1 - <_> - - <_> - 12 14 4 1 -1. - <_> - 12 14 2 1 2. - <_> - - <_> - 2 14 4 1 -1. - <_> - 4 14 2 1 2. - <_> - - <_> - 12 11 4 4 -1. - <_> - 14 11 2 2 2. - <_> - 12 13 2 2 2. - <_> - - <_> - 6 12 1 3 -1. - <_> - 6 13 1 1 3. - <_> - - <_> - 11 13 1 2 -1. - <_> - 11 14 1 1 2. - <_> - - <_> - 3 10 4 4 -1. - <_> - 3 11 4 2 2. - <_> - - <_> - 11 13 1 2 -1. - <_> - 11 14 1 1 2. - <_> - - <_> - 6 13 1 2 -1. - <_> - 6 14 1 1 2. - <_> - - <_> - 7 7 10 4 -1. - <_> - 12 7 5 2 2. - <_> - 7 9 5 2 2. - <_> - - <_> - 1 7 10 4 -1. - <_> - 1 7 5 2 2. - <_> - 6 9 5 2 2. - <_> - - <_> - 0 4 18 4 -1. - <_> - 6 4 6 4 3. - <_> - - <_> - 2 11 4 4 -1. - <_> - 2 11 2 2 2. - <_> - 4 13 2 2 2. - <_> - - <_> - 9 14 6 1 -1. - <_> - 11 14 2 1 3. - <_> - - <_> - 3 14 6 1 -1. - <_> - 5 14 2 1 3. - <_> - - <_> - 11 12 3 1 -1. - <_> - 12 12 1 1 3. - <_> - - <_> - 4 12 3 1 -1. - <_> - 5 12 1 1 3. - <_> - - <_> - 13 5 1 2 -1. - <_> - 13 6 1 1 2. - <_> - - <_> - 5 3 6 4 -1. - <_> - 5 4 6 2 2. - <_> - - <_> - 4 3 12 9 -1. - <_> - 8 6 4 3 9. - <_> - - <_> - 4 6 10 2 -1. - <_> - 4 7 10 1 2. - <_> - - <_> - 13 5 1 2 -1. - <_> - 13 6 1 1 2. - <_> - - <_> - 4 5 1 2 -1. - <_> - 4 6 1 1 2. - <_> - - <_> - 11 4 4 2 -1. - <_> - 11 5 4 1 2. - <_> - - <_> - 3 4 4 2 -1. - <_> - 3 5 4 1 2. - <_> - - <_> - 5 4 8 2 -1. - <_> - 9 4 4 1 2. - <_> - 5 5 4 1 2. - <_> - - <_> - 6 2 2 2 -1. - <_> - 6 2 1 2 2. - 1 - <_> - - <_> - 14 3 2 11 -1. - <_> - 14 3 1 11 2. - <_> - - <_> - 2 3 2 11 -1. - <_> - 3 3 1 11 2. - <_> - - <_> - 14 6 4 3 -1. - <_> - 15 6 2 3 2. - <_> - - <_> - 0 6 4 5 -1. - <_> - 1 6 2 5 2. - <_> - - <_> - 11 0 6 3 -1. - <_> - 13 0 2 3 3. - <_> - - <_> - 7 6 2 2 -1. - <_> - 7 6 1 2 2. - 1 - <_> - - <_> - 13 3 1 6 -1. - <_> - 13 5 1 2 3. - <_> - - <_> - 4 4 4 4 -1. - <_> - 5 4 2 4 2. - <_> - - <_> - 8 1 3 9 -1. - <_> - 9 4 1 3 9. - <_> - - <_> - 9 4 3 1 -1. - <_> - 10 5 1 1 3. - 1 - <_> - - <_> - 6 2 9 9 -1. - <_> - 9 5 3 3 9. - <_> - - <_> - 3 2 9 9 -1. - <_> - 6 5 3 3 9. - <_> - - <_> - 0 0 18 12 -1. - <_> - 6 4 6 4 9. - <_> - - <_> - 1 3 14 4 -1. - <_> - 1 3 7 2 2. - <_> - 8 5 7 2 2. - <_> - - <_> - 0 0 18 8 -1. - <_> - 9 0 9 4 2. - <_> - 0 4 9 4 2. - <_> - - <_> - 5 10 2 2 -1. - <_> - 5 10 1 1 2. - <_> - 6 11 1 1 2. - <_> - - <_> - 9 8 2 3 -1. - <_> - 8 9 2 1 3. - 1 - <_> - - <_> - 9 8 3 2 -1. - <_> - 10 9 1 2 3. - 1 - <_> - - <_> - 9 0 6 9 -1. - <_> - 9 0 3 9 2. - 1 - <_> - - <_> - 9 0 9 6 -1. - <_> - 9 0 9 3 2. - 1 - <_> - - <_> - 9 4 4 2 -1. - <_> - 9 4 2 2 2. - <_> - - <_> - 0 2 18 1 -1. - <_> - 9 2 9 1 2. - <_> - - <_> - 9 10 6 3 -1. - <_> - 11 11 2 1 9. - <_> - - <_> - 0 3 8 4 -1. - <_> - 0 5 8 2 2. - <_> - - <_> - 14 3 3 8 -1. - <_> - 14 5 3 4 2. - <_> - - <_> - 5 0 2 1 -1. - <_> - 5 0 1 1 2. - 1 - <_> - - <_> - 13 1 2 2 -1. - <_> - 14 1 1 1 2. - <_> - 13 2 1 1 2. - <_> - - <_> - 3 1 2 2 -1. - <_> - 3 1 1 1 2. - <_> - 4 2 1 1 2. - <_> - - <_> - 13 0 4 1 -1. - <_> - 14 0 2 1 2. - <_> - - <_> - 1 0 4 1 -1. - <_> - 2 0 2 1 2. - <_> - - <_> - 17 0 1 2 -1. - <_> - 17 0 1 1 2. - 1 - <_> - - <_> - 1 0 2 1 -1. - <_> - 1 0 1 1 2. - 1 - <_> - - <_> - 16 0 1 8 -1. - <_> - 16 2 1 4 2. - <_> - - <_> - 1 0 1 8 -1. - <_> - 1 2 1 4 2. - <_> - - <_> - 8 0 4 2 -1. - <_> - 8 0 2 2 2. - <_> - - <_> - 2 0 12 15 -1. - <_> - 5 0 6 15 2. - <_> - - <_> - 11 2 6 4 -1. - <_> - 11 2 3 4 2. - <_> - - <_> - 4 2 8 6 -1. - <_> - 4 2 4 3 2. - <_> - 8 5 4 3 2. - <_> - - <_> - 10 1 1 4 -1. - <_> - 9 2 1 2 2. - 1 - <_> - - <_> - 9 0 7 6 -1. - <_> - 7 2 7 2 3. - 1 - <_> - - <_> - 10 6 8 2 -1. - <_> - 10 6 4 2 2. - <_> - - <_> - 0 0 17 9 -1. - <_> - 0 3 17 3 3. - <_> - - <_> - 7 0 5 6 -1. - <_> - 7 3 5 3 2. - <_> - - <_> - 5 1 8 4 -1. - <_> - 5 1 4 2 2. - <_> - 9 3 4 2 2. - <_> - - <_> - 9 0 3 9 -1. - <_> - 9 3 3 3 3. - <_> - - <_> - 9 2 4 2 -1. - <_> - 9 2 4 1 2. - 1 - <_> - - <_> - 4 2 11 8 -1. - <_> - 4 4 11 4 2. - <_> - - <_> - 1 4 16 6 -1. - <_> - 1 6 16 2 3. - <_> - - <_> - 10 6 8 2 -1. - <_> - 10 6 4 2 2. - <_> - - <_> - 0 6 8 2 -1. - <_> - 4 6 4 2 2. - <_> - - <_> - 13 8 4 2 -1. - <_> - 15 8 2 1 2. - <_> - 13 9 2 1 2. - <_> - - <_> - 0 7 3 3 -1. - <_> - 0 8 3 1 3. - <_> - - <_> - 17 5 1 3 -1. - <_> - 16 6 1 1 3. - 1 - <_> - - <_> - 1 5 3 1 -1. - <_> - 2 6 1 1 3. - 1 - <_> - - <_> - 17 6 1 2 -1. - <_> - 17 7 1 1 2. - <_> - - <_> - 0 6 1 2 -1. - <_> - 0 7 1 1 2. - <_> - - <_> - 17 1 1 12 -1. - <_> - 17 7 1 6 2. - <_> - - <_> - 0 1 1 12 -1. - <_> - 0 7 1 6 2. - <_> - - <_> - 0 6 18 4 -1. - <_> - 0 7 18 2 2. - <_> - - <_> - 0 9 18 2 -1. - <_> - 0 10 18 1 2. - <_> - - <_> - 6 7 6 2 -1. - <_> - 6 8 6 1 2. - <_> - - <_> - 0 9 3 1 -1. - <_> - 1 9 1 1 3. - <_> - - <_> - 16 9 2 2 -1. - <_> - 16 10 2 1 2. - <_> - - <_> - 3 10 6 3 -1. - <_> - 5 11 2 1 9. - <_> - - <_> - 15 1 3 3 -1. - <_> - 14 2 3 1 3. - 1 - <_> - - <_> - 2 5 14 2 -1. - <_> - 2 5 7 1 2. - <_> - 9 6 7 1 2. - <_> - - <_> - 15 1 3 3 -1. - <_> - 14 2 3 1 3. - 1 - <_> - - <_> - 3 1 3 3 -1. - <_> - 4 2 1 3 3. - 1 - <_> - - <_> - 14 4 3 2 -1. - <_> - 14 5 3 1 2. - <_> - - <_> - 1 4 3 2 -1. - <_> - 1 5 3 1 2. - <_> - - <_> - 15 3 3 11 -1. - <_> - 16 3 1 11 3. - <_> - - <_> - 0 3 3 11 -1. - <_> - 1 3 1 11 3. - <_> - - <_> - 14 5 2 2 -1. - <_> - 15 5 1 1 2. - <_> - 14 6 1 1 2. - <_> - - <_> - 2 5 2 2 -1. - <_> - 2 5 1 1 2. - <_> - 3 6 1 1 2. - <_> - - <_> - 15 5 3 4 -1. - <_> - 15 6 3 2 2. - <_> - - <_> - 0 5 3 4 -1. - <_> - 0 6 3 2 2. - <_> - - <_> - 17 8 1 3 -1. - <_> - 17 9 1 1 3. - <_> - - <_> - 0 8 1 3 -1. - <_> - 0 9 1 1 3. - <_> - - <_> - 16 6 2 4 -1. - <_> - 17 6 1 2 2. - <_> - 16 8 1 2 2. - <_> - - <_> - 0 6 2 4 -1. - <_> - 0 6 1 2 2. - <_> - 1 8 1 2 2. - <_> - - <_> - 0 6 18 6 -1. - <_> - 9 6 9 3 2. - <_> - 0 9 9 3 2. - <_> - - <_> - 5 1 6 2 -1. - <_> - 5 1 3 1 2. - <_> - 8 2 3 1 2. - <_> - - <_> - 10 1 2 2 -1. - <_> - 11 1 1 1 2. - <_> - 10 2 1 1 2. - <_> - - <_> - 6 1 2 2 -1. - <_> - 6 1 1 1 2. - <_> - 7 2 1 1 2. - <_> - - <_> - 10 1 6 3 -1. - <_> - 10 1 3 3 2. - <_> - - <_> - 2 1 6 3 -1. - <_> - 5 1 3 3 2. - <_> - - <_> - 12 0 6 3 -1. - <_> - 14 0 2 3 3. - <_> - - <_> - 0 0 6 3 -1. - <_> - 2 0 2 3 3. - <_> - - <_> - 13 8 4 2 -1. - <_> - 15 8 2 1 2. - <_> - 13 9 2 1 2. - <_> - - <_> - 1 8 4 2 -1. - <_> - 1 8 2 1 2. - <_> - 3 9 2 1 2. - <_> - - <_> - 9 6 1 6 -1. - <_> - 7 8 1 2 3. - 1 - <_> - - <_> - 10 0 6 6 -1. - <_> - 12 2 2 2 9. - <_> - - <_> - 5 0 4 8 -1. - <_> - 7 0 2 8 2. - <_> - - <_> - 12 7 1 3 -1. - <_> - 12 8 1 1 3. - <_> - - <_> - 4 7 1 3 -1. - <_> - 4 8 1 1 3. - <_> - - <_> - 15 5 1 3 -1. - <_> - 14 6 1 1 3. - 1 - <_> - - <_> - 3 5 3 1 -1. - <_> - 4 6 1 1 3. - 1 - <_> - - <_> - 0 9 18 4 -1. - <_> - 9 9 9 2 2. - <_> - 0 11 9 2 2. - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 8 0 7 4 -1. - <_> - 8 2 7 2 2. - <_> - - <_> - 3 0 12 4 -1. - <_> - 3 0 6 2 2. - <_> - 9 2 6 2 2. - <_> - - <_> - 9 1 2 2 -1. - <_> - 10 1 1 1 2. - <_> - 9 2 1 1 2. - <_> - - <_> - 7 0 4 4 -1. - <_> - 7 0 2 2 2. - <_> - 9 2 2 2 2. - <_> - - <_> - 12 8 2 2 -1. - <_> - 12 9 2 1 2. - <_> - - <_> - 4 8 2 2 -1. - <_> - 4 9 2 1 2. - <_> - - <_> - 11 5 4 10 -1. - <_> - 11 5 2 10 2. - <_> - - <_> - 3 5 4 10 -1. - <_> - 5 5 2 10 2. - <_> - - <_> - 1 10 16 3 -1. - <_> - 5 10 8 3 2. - <_> - - <_> - 5 8 2 2 -1. - <_> - 5 8 1 1 2. - <_> - 6 9 1 1 2. - <_> - - <_> - 0 5 18 8 -1. - <_> - 9 5 9 4 2. - <_> - 0 9 9 4 2. - <_> - - <_> - 0 3 3 9 -1. - <_> - 0 6 3 3 3. - <_> - - <_> - 9 3 8 2 -1. - <_> - 9 4 8 1 2. - <_> - - <_> - 0 3 18 2 -1. - <_> - 0 3 9 1 2. - <_> - 9 4 9 1 2. - <_> - - <_> - 6 11 8 4 -1. - <_> - 8 11 4 4 2. - <_> - - <_> - 2 4 3 2 -1. - <_> - 3 5 1 2 3. - 1 - <_> - - <_> - 14 4 4 6 -1. - <_> - 14 7 4 3 2. - <_> - - <_> - 9 0 9 3 -1. - <_> - 8 1 9 1 3. - 1 - <_> - - <_> - 6 11 8 4 -1. - <_> - 8 11 4 4 2. - <_> - - <_> - 4 11 8 4 -1. - <_> - 6 11 4 4 2. - <_> - - <_> - 15 0 2 1 -1. - <_> - 15 0 1 1 2. - <_> - - <_> - 4 4 6 2 -1. - <_> - 6 6 2 2 3. - 1 - <_> - - <_> - 9 3 6 4 -1. - <_> - 11 5 2 4 3. - 1 - <_> - - <_> - 9 3 4 6 -1. - <_> - 7 5 4 2 3. - 1 - <_> - - <_> - 3 1 15 14 -1. - <_> - 3 8 15 7 2. - <_> - - <_> - 0 1 4 14 -1. - <_> - 0 8 4 7 2. - <_> - - <_> - 12 0 2 2 -1. - <_> - 12 0 1 2 2. - 1 - <_> - - <_> - 6 0 2 2 -1. - <_> - 6 0 2 1 2. - 1 - <_> - - <_> - 15 0 2 1 -1. - <_> - 15 0 1 1 2. - <_> - - <_> - 1 0 2 1 -1. - <_> - 2 0 1 1 2. - <_> - - <_> - 11 7 2 2 -1. - <_> - 12 7 1 1 2. - <_> - 11 8 1 1 2. - <_> - - <_> - 0 0 4 6 -1. - <_> - 0 0 2 3 2. - <_> - 2 3 2 3 2. - <_> - - <_> - 11 7 2 2 -1. - <_> - 12 7 1 1 2. - <_> - 11 8 1 1 2. - <_> - - <_> - 5 7 2 2 -1. - <_> - 5 7 1 1 2. - <_> - 6 8 1 1 2. - <_> - - <_> - 14 6 4 5 -1. - <_> - 14 6 2 5 2. - 1 - <_> - - <_> - 8 7 2 2 -1. - <_> - 8 8 2 1 2. - <_> - - <_> - 1 8 16 3 -1. - <_> - 1 9 16 1 3. - <_> - - <_> - 1 10 16 2 -1. - <_> - 1 11 16 1 2. - <_> - - <_> - 14 6 4 5 -1. - <_> - 14 6 2 5 2. - 1 - <_> - - <_> - 4 6 5 4 -1. - <_> - 4 6 5 2 2. - 1 - <_> - - <_> - 15 1 1 2 -1. - <_> - 15 2 1 1 2. - <_> - - <_> - 2 1 10 2 -1. - <_> - 2 1 10 1 2. - 1 - <_> - - <_> - 10 0 6 9 -1. - <_> - 12 2 2 9 3. - 1 - <_> - - <_> - 4 9 3 3 -1. - <_> - 4 10 3 1 3. - <_> - - <_> - 10 0 3 4 -1. - <_> - 10 1 3 2 2. - <_> - - <_> - 1 10 2 1 -1. - <_> - 1 10 1 1 2. - 1 - <_> - - <_> - 15 11 3 1 -1. - <_> - 16 12 1 1 3. - 1 - <_> - - <_> - 3 11 1 3 -1. - <_> - 2 12 1 1 3. - 1 - <_> - - <_> - 10 0 6 9 -1. - <_> - 12 2 2 9 3. - 1 - <_> - - <_> - 8 0 9 6 -1. - <_> - 6 2 9 2 3. - 1 - <_> - - <_> - 7 10 6 2 -1. - <_> - 10 10 3 1 2. - <_> - 7 11 3 1 2. - <_> - - <_> - 7 7 2 2 -1. - <_> - 7 7 1 1 2. - <_> - 8 8 1 1 2. - <_> - - <_> - 3 3 12 6 -1. - <_> - 7 5 4 2 9. - <_> - - <_> - 6 3 1 6 -1. - <_> - 6 5 1 2 3. - <_> - - <_> - 16 0 1 3 -1. - <_> - 16 1 1 1 3. - <_> - - <_> - 4 0 3 2 -1. - <_> - 4 1 3 1 2. - <_> - - <_> - 16 0 1 3 -1. - <_> - 16 1 1 1 3. - <_> - - <_> - 1 0 1 3 -1. - <_> - 1 1 1 1 3. - <_> - - <_> - 10 3 8 2 -1. - <_> - 10 3 4 2 2. - <_> - - <_> - 0 3 8 2 -1. - <_> - 4 3 4 2 2. - <_> - - <_> - 7 0 4 1 -1. - <_> - 7 0 2 1 2. - <_> - - <_> - 0 0 18 2 -1. - <_> - 0 0 9 1 2. - <_> - 9 1 9 1 2. - <_> - - <_> - 12 3 2 12 -1. - <_> - 12 9 2 6 2. - <_> - - <_> - 4 3 2 12 -1. - <_> - 4 9 2 6 2. - <_> - - <_> - 7 10 6 2 -1. - <_> - 10 10 3 1 2. - <_> - 7 11 3 1 2. - <_> - - <_> - 6 4 7 2 -1. - <_> - 6 4 7 1 2. - 1 - <_> - - <_> - 13 13 4 1 -1. - <_> - 13 13 2 1 2. - <_> - - <_> - 4 9 6 2 -1. - <_> - 4 9 3 1 2. - <_> - 7 10 3 1 2. - <_> - - <_> - 7 8 4 2 -1. - <_> - 7 9 4 1 2. - <_> - - <_> - 1 13 4 1 -1. - <_> - 3 13 2 1 2. - <_> - - <_> - 12 10 1 3 -1. - <_> - 12 11 1 1 3. - <_> - - <_> - 6 0 6 2 -1. - <_> - 6 0 3 1 2. - <_> - 9 1 3 1 2. - <_> - - <_> - 9 0 2 2 -1. - <_> - 9 0 1 2 2. - 1 - <_> - - <_> - 6 2 2 2 -1. - <_> - 6 2 1 1 2. - <_> - 7 3 1 1 2. - <_> - - <_> - 8 0 3 4 -1. - <_> - 8 1 3 2 2. - <_> - - <_> - 6 7 1 3 -1. - <_> - 6 8 1 1 3. - <_> - - <_> - 4 8 10 4 -1. - <_> - 9 8 5 2 2. - <_> - 4 10 5 2 2. - <_> - - <_> - 0 9 18 2 -1. - <_> - 0 10 18 1 2. - <_> - - <_> - 9 9 1 2 -1. - <_> - 9 10 1 1 2. - <_> - - <_> - 8 9 2 2 -1. - <_> - 8 9 1 1 2. - <_> - 9 10 1 1 2. - <_> - - <_> - 3 5 12 6 -1. - <_> - 7 7 4 2 9. - <_> - - <_> - 6 4 6 4 -1. - <_> - 6 6 6 2 2. - <_> - - <_> - 9 0 7 8 -1. - <_> - 7 2 7 4 2. - 1 - <_> - - <_> - 6 6 6 2 -1. - <_> - 6 7 6 1 2. - <_> - - <_> - 12 0 3 3 -1. - <_> - 13 1 1 3 3. - 1 - <_> - - <_> - 6 0 3 3 -1. - <_> - 5 1 3 1 3. - 1 - <_> - - <_> - 5 1 8 6 -1. - <_> - 5 4 8 3 2. - <_> - - <_> - 9 0 7 3 -1. - <_> - 8 1 7 1 3. - 1 - <_> - - <_> - 14 5 4 4 -1. - <_> - 14 7 4 2 2. - <_> - - <_> - 0 11 18 4 -1. - <_> - 0 13 18 2 2. - <_> - - <_> - 1 13 16 2 -1. - <_> - 1 14 16 1 2. - <_> - - <_> - 2 0 6 10 -1. - <_> - 2 0 3 5 2. - <_> - 5 5 3 5 2. - <_> - - <_> - 14 3 4 3 -1. - <_> - 13 4 4 1 3. - 1 - <_> - - <_> - 4 3 3 3 -1. - <_> - 5 4 1 3 3. - 1 - <_> - - <_> - 16 2 2 3 -1. - <_> - 15 3 2 1 3. - 1 - <_> - - <_> - 7 7 4 1 -1. - <_> - 8 8 2 1 2. - 1 - <_> - - <_> - 16 2 2 3 -1. - <_> - 15 3 2 1 3. - 1 - <_> - - <_> - 4 0 2 10 -1. - <_> - 4 5 2 5 2. - <_> - - <_> - 16 2 2 3 -1. - <_> - 15 3 2 1 3. - 1 - <_> - - <_> - 2 2 3 2 -1. - <_> - 3 3 1 2 3. - 1 - <_> - - <_> - 15 1 3 2 -1. - <_> - 16 2 1 2 3. - 1 - <_> - - <_> - 3 1 2 3 -1. - <_> - 2 2 2 1 3. - 1 - <_> - - <_> - 10 0 2 8 -1. - <_> - 8 2 2 4 2. - 1 - <_> - - <_> - 0 0 15 13 -1. - <_> - 5 0 5 13 3. - <_> - - <_> - 5 6 12 9 -1. - <_> - 8 6 6 9 2. - <_> - - <_> - 1 6 12 9 -1. - <_> - 4 6 6 9 2. - <_> - - <_> - 16 5 2 2 -1. - <_> - 17 5 1 1 2. - <_> - 16 6 1 1 2. - <_> - - <_> - 7 2 2 2 -1. - <_> - 7 3 2 1 2. - <_> - - <_> - 16 5 2 2 -1. - <_> - 17 5 1 1 2. - <_> - 16 6 1 1 2. - <_> - - <_> - 4 0 10 13 -1. - <_> - 9 0 5 13 2. - <_> - - <_> - 16 5 2 2 -1. - <_> - 17 5 1 1 2. - <_> - 16 6 1 1 2. - <_> - - <_> - 0 5 2 2 -1. - <_> - 0 5 1 1 2. - <_> - 1 6 1 1 2. - <_> - - <_> - 0 5 18 2 -1. - <_> - 9 5 9 1 2. - <_> - 0 6 9 1 2. - <_> - - <_> - 0 13 2 2 -1. - <_> - 0 13 1 1 2. - <_> - 1 14 1 1 2. - <_> - - <_> - 16 10 2 2 -1. - <_> - 17 10 1 1 2. - <_> - 16 11 1 1 2. - <_> - - <_> - 0 10 2 2 -1. - <_> - 0 10 1 1 2. - <_> - 1 11 1 1 2. - <_> - - <_> - 7 7 5 2 -1. - <_> - 7 8 5 1 2. - <_> - - <_> - 8 3 9 3 -1. - <_> - 11 6 3 3 3. - 1 - <_> - - <_> - 15 1 3 2 -1. - <_> - 16 2 1 2 3. - 1 - <_> - - <_> - 3 1 2 3 -1. - <_> - 2 2 2 1 3. - 1 - <_> - - <_> - 11 2 1 10 -1. - <_> - 11 2 1 5 2. - 1 - <_> - - <_> - 7 2 10 1 -1. - <_> - 7 2 5 1 2. - 1 - <_> - - <_> - 13 0 2 2 -1. - <_> - 14 0 1 1 2. - <_> - 13 1 1 1 2. - <_> - - <_> - 3 0 2 2 -1. - <_> - 3 0 1 1 2. - <_> - 4 1 1 1 2. - <_> - - <_> - 13 0 2 2 -1. - <_> - 14 0 1 1 2. - <_> - 13 1 1 1 2. - <_> - - <_> - 3 0 2 2 -1. - <_> - 3 0 1 1 2. - <_> - 4 1 1 1 2. - <_> - - <_> - 6 8 6 3 -1. - <_> - 8 9 2 1 9. - <_> - - <_> - 5 10 1 3 -1. - <_> - 5 11 1 1 3. - <_> - - <_> - 17 7 1 6 -1. - <_> - 17 9 1 2 3. - <_> - - <_> - 0 7 1 6 -1. - <_> - 0 9 1 2 3. - <_> - - <_> - 11 4 3 9 -1. - <_> - 12 7 1 3 9. - <_> - - <_> - 0 5 1 2 -1. - <_> - 0 6 1 1 2. - <_> - - <_> - 7 10 8 2 -1. - <_> - 11 10 4 1 2. - <_> - 7 11 4 1 2. - <_> - - <_> - 3 10 8 2 -1. - <_> - 3 10 4 1 2. - <_> - 7 11 4 1 2. - <_> - - <_> - 10 5 3 6 -1. - <_> - 8 7 3 2 3. - 1 - <_> - - <_> - 8 5 6 3 -1. - <_> - 10 7 2 3 3. - 1 - <_> - - <_> - 12 11 1 2 -1. - <_> - 12 12 1 1 2. - <_> - - <_> - 8 0 9 4 -1. - <_> - 7 1 9 2 2. - 1 - <_> - - <_> - 8 5 2 2 -1. - <_> - 8 6 2 1 2. - <_> - - <_> - 4 1 10 6 -1. - <_> - 4 3 10 2 3. - <_> - - <_> - 6 0 7 3 -1. - <_> - 6 1 7 1 3. - <_> - - <_> - 7 0 3 2 -1. - <_> - 7 1 3 1 2. - <_> - - <_> - 15 2 3 2 -1. - <_> - 15 2 3 1 2. - 1 - <_> - - <_> - 3 2 2 3 -1. - <_> - 3 2 1 3 2. - 1 - <_> - - <_> - 14 0 2 14 -1. - <_> - 14 0 1 14 2. - <_> - - <_> - 3 3 12 6 -1. - <_> - 7 5 4 2 9. - <_> - - <_> - 12 3 1 2 -1. - <_> - 12 3 1 1 2. - 1 - <_> - - <_> - 8 0 9 6 -1. - <_> - 8 0 9 3 2. - 1 - <_> - - <_> - 16 0 2 3 -1. - <_> - 15 1 2 1 3. - 1 - <_> - - <_> - 2 0 3 2 -1. - <_> - 3 1 1 2 3. - 1 - <_> - - <_> - 16 12 2 1 -1. - <_> - 16 12 1 1 2. - 1 - <_> - - <_> - 3 12 12 2 -1. - <_> - 3 13 12 1 2. - <_> - - <_> - 12 11 1 2 -1. - <_> - 12 12 1 1 2. - <_> - - <_> - 4 9 2 2 -1. - <_> - 4 9 1 1 2. - <_> - 5 10 1 1 2. - <_> - - <_> - 16 12 2 1 -1. - <_> - 16 12 1 1 2. - 1 - <_> - - <_> - 2 12 1 2 -1. - <_> - 2 12 1 1 2. - 1 - <_> - - <_> - 14 10 4 1 -1. - <_> - 15 11 2 1 2. - 1 - <_> - - <_> - 4 10 1 4 -1. - <_> - 3 11 1 2 2. - 1 - <_> - - <_> - 16 9 2 1 -1. - <_> - 16 9 1 1 2. - 1 - <_> - - <_> - 2 9 1 2 -1. - <_> - 2 9 1 1 2. - 1 - <_> - - <_> - 11 5 2 1 -1. - <_> - 11 5 1 1 2. - <_> - - <_> - 9 0 7 4 -1. - <_> - 8 1 7 2 2. - 1 - <_> - - <_> - 11 4 2 2 -1. - <_> - 11 4 1 2 2. - <_> - - <_> - 5 4 2 2 -1. - <_> - 6 4 1 2 2. - <_> - - <_> - 7 4 6 3 -1. - <_> - 9 5 2 1 9. - <_> - - <_> - 5 4 4 7 -1. - <_> - 6 4 2 7 2. - <_> - - <_> - 17 0 1 4 -1. - <_> - 17 2 1 2 2. - <_> - - <_> - 4 3 8 4 -1. - <_> - 4 3 8 2 2. - 1 - <_> - - <_> - 9 7 4 2 -1. - <_> - 9 7 2 2 2. - 1 - <_> - - <_> - 7 8 3 2 -1. - <_> - 7 8 3 1 2. - 1 - <_> - - <_> - 8 3 6 9 -1. - <_> - 10 6 2 3 9. - <_> - - <_> - 7 4 4 6 -1. - <_> - 7 4 2 3 2. - <_> - 9 7 2 3 2. - <_> - - <_> - 16 1 2 1 -1. - <_> - 16 1 1 1 2. - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 17 0 1 4 -1. - <_> - 17 2 1 2 2. - <_> - - <_> - 0 0 1 4 -1. - <_> - 0 2 1 2 2. - <_> - - <_> - 13 3 4 10 -1. - <_> - 13 3 2 10 2. - <_> - - <_> - 3 0 2 2 -1. - <_> - 3 0 1 1 2. - <_> - 4 1 1 1 2. - <_> - - <_> - 0 0 18 6 -1. - <_> - 0 3 18 3 2. - <_> - - <_> - 4 3 2 6 -1. - <_> - 4 5 2 2 3. - <_> - - <_> - 14 3 1 6 -1. - <_> - 12 5 1 2 3. - 1 - <_> - - <_> - 9 0 8 4 -1. - <_> - 11 2 4 4 2. - 1 - <_> - - <_> - 12 4 2 2 -1. - <_> - 12 5 2 1 2. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - <_> - - <_> - 14 0 2 15 -1. - <_> - 14 0 1 15 2. - <_> - - <_> - 2 0 2 15 -1. - <_> - 3 0 1 15 2. - <_> - - <_> - 11 1 6 6 -1. - <_> - 11 1 3 6 2. - <_> - - <_> - 8 7 3 1 -1. - <_> - 9 8 1 1 3. - 1 - <_> - - <_> - 13 9 3 3 -1. - <_> - 14 10 1 1 9. - <_> - - <_> - 0 5 16 6 -1. - <_> - 4 5 8 6 2. - <_> - - <_> - 4 0 12 15 -1. - <_> - 7 0 6 15 2. - <_> - - <_> - 0 5 16 10 -1. - <_> - 8 5 8 10 2. - <_> - - <_> - 9 9 1 3 -1. - <_> - 8 10 1 1 3. - 1 - <_> - - <_> - 9 9 3 1 -1. - <_> - 10 10 1 1 3. - 1 - <_> - - <_> - 13 0 5 10 -1. - <_> - 13 5 5 5 2. - <_> - - <_> - 2 6 14 3 -1. - <_> - 2 7 14 1 3. - <_> - - <_> - 6 6 6 3 -1. - <_> - 8 7 2 1 9. - <_> - - <_> - 0 6 3 4 -1. - <_> - 0 7 3 2 2. - <_> - - <_> - 12 11 1 2 -1. - <_> - 12 12 1 1 2. - <_> - - <_> - 5 11 1 2 -1. - <_> - 5 12 1 1 2. - <_> - - <_> - 13 9 3 3 -1. - <_> - 14 10 1 1 9. - <_> - - <_> - 0 3 12 11 -1. - <_> - 3 3 6 11 2. - <_> - - <_> - 7 12 9 3 -1. - <_> - 10 12 3 3 3. - <_> - - <_> - 3 8 2 6 -1. - <_> - 3 10 2 2 3. - <_> - - <_> - 12 3 6 12 -1. - <_> - 12 9 6 6 2. - <_> - - <_> - 2 13 12 2 -1. - <_> - 8 13 6 2 2. - <_> - - <_> - 8 12 8 3 -1. - <_> - 8 12 4 3 2. - <_> - - <_> - 2 12 8 3 -1. - <_> - 6 12 4 3 2. - <_> - - <_> - 9 0 2 2 -1. - <_> - 9 0 1 2 2. - 1 - <_> - - <_> - 5 4 2 2 -1. - <_> - 5 4 1 1 2. - <_> - 6 5 1 1 2. - <_> - - <_> - 11 0 2 4 -1. - <_> - 11 1 2 2 2. - <_> - - <_> - 8 0 2 2 -1. - <_> - 8 0 2 1 2. - 1 - <_> - - <_> - 5 0 8 4 -1. - <_> - 7 0 4 4 2. - <_> - - <_> - 3 1 12 1 -1. - <_> - 6 1 6 1 2. - <_> - - <_> - 10 3 6 4 -1. - <_> - 10 3 3 4 2. - <_> - - <_> - 2 3 6 4 -1. - <_> - 5 3 3 4 2. - <_> - - <_> - 1 2 16 13 -1. - <_> - 5 2 8 13 2. - <_> - - <_> - 1 0 2 2 -1. - <_> - 1 0 1 1 2. - <_> - 2 1 1 1 2. - <_> - - <_> - 15 0 2 2 -1. - <_> - 16 0 1 1 2. - <_> - 15 1 1 1 2. - <_> - - <_> - 1 0 2 2 -1. - <_> - 1 0 1 1 2. - <_> - 2 1 1 1 2. - <_> - - <_> - 10 8 8 7 -1. - <_> - 12 8 4 7 2. - <_> - - <_> - 0 8 8 7 -1. - <_> - 2 8 4 7 2. - <_> - - <_> - 11 8 6 3 -1. - <_> - 13 9 2 1 9. - <_> - - <_> - 1 8 6 3 -1. - <_> - 3 9 2 1 9. - <_> - - <_> - 1 0 16 12 -1. - <_> - 1 6 16 6 2. - <_> - - <_> - 9 0 5 4 -1. - <_> - 9 0 5 2 2. - 1 - <_> - - <_> - 7 0 4 10 -1. - <_> - 7 0 2 10 2. - <_> - - <_> - 7 4 3 2 -1. - <_> - 8 5 1 2 3. - 1 - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 0 6 9 3 -1. - <_> - 3 7 3 1 9. - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 4 7 2 2 -1. - <_> - 4 7 1 1 2. - <_> - 5 8 1 1 2. - <_> - - <_> - 5 7 8 2 -1. - <_> - 9 7 4 1 2. - <_> - 5 8 4 1 2. - <_> - - <_> - 6 4 3 9 -1. - <_> - 7 4 1 9 3. - <_> - - <_> - 12 4 3 7 -1. - <_> - 13 4 1 7 3. - <_> - - <_> - 3 4 3 7 -1. - <_> - 4 4 1 7 3. - <_> - - <_> - 4 12 10 3 -1. - <_> - 4 13 10 1 3. - <_> - - <_> - 4 13 8 2 -1. - <_> - 4 14 8 1 2. - <_> - - <_> - 13 3 5 12 -1. - <_> - 13 6 5 6 2. - <_> - - <_> - 0 0 6 8 -1. - <_> - 0 2 6 4 2. - <_> - - <_> - 14 5 3 3 -1. - <_> - 13 6 3 1 3. - 1 - <_> - - <_> - 4 5 3 3 -1. - <_> - 5 6 1 3 3. - 1 - <_> - - <_> - 17 0 1 3 -1. - <_> - 16 1 1 1 3. - 1 - <_> - - <_> - 9 4 3 4 -1. - <_> - 8 5 3 2 2. - 1 - <_> - - <_> - 7 3 6 2 -1. - <_> - 7 3 3 2 2. - <_> - - <_> - 9 0 9 2 -1. - <_> - 12 3 3 2 3. - 1 - <_> - - <_> - 7 3 6 2 -1. - <_> - 7 3 3 2 2. - <_> - - <_> - 5 3 6 2 -1. - <_> - 8 3 3 2 2. - <_> - - <_> - 13 3 5 12 -1. - <_> - 13 6 5 6 2. - <_> - - <_> - 0 3 5 12 -1. - <_> - 0 6 5 6 2. - <_> - - <_> - 4 14 10 1 -1. - <_> - 4 14 5 1 2. - <_> - - <_> - 2 12 9 3 -1. - <_> - 5 12 3 3 3. - <_> - - <_> - 2 9 14 4 -1. - <_> - 2 11 14 2 2. - <_> - - <_> - 0 2 18 8 -1. - <_> - 0 4 18 4 2. - <_> - - <_> - 7 6 6 3 -1. - <_> - 9 7 2 1 9. - <_> - - <_> - 7 0 2 2 -1. - <_> - 7 0 1 1 2. - <_> - 8 1 1 1 2. - <_> - - <_> - 9 0 2 2 -1. - <_> - 10 0 1 1 2. - <_> - 9 1 1 1 2. - <_> - - <_> - 7 0 1 3 -1. - <_> - 7 1 1 1 3. - <_> - - <_> - 4 0 11 3 -1. - <_> - 4 1 11 1 3. - <_> - - <_> - 0 9 10 6 -1. - <_> - 0 9 5 3 2. - <_> - 5 12 5 3 2. - <_> - - <_> - 0 4 18 9 -1. - <_> - 6 4 6 9 3. - <_> - - <_> - 2 4 12 9 -1. - <_> - 6 7 4 3 9. - <_> - - <_> - 6 7 6 6 -1. - <_> - 6 10 6 3 2. - <_> - - <_> - 0 9 3 6 -1. - <_> - 0 12 3 3 2. - <_> - - <_> - 8 8 3 2 -1. - <_> - 8 9 3 1 2. - <_> - - <_> - 4 4 10 2 -1. - <_> - 4 5 10 1 2. - <_> - - <_> - 8 2 5 3 -1. - <_> - 8 3 5 1 3. - <_> - - <_> - 8 13 2 2 -1. - <_> - 8 13 1 1 2. - <_> - 9 14 1 1 2. - <_> - - <_> - 14 0 2 2 -1. - <_> - 14 0 1 2 2. - 1 - <_> - - <_> - 4 4 3 2 -1. - <_> - 4 5 3 1 2. - <_> - - <_> - 1 5 16 4 -1. - <_> - 1 7 16 2 2. - <_> - - <_> - 4 6 1 2 -1. - <_> - 4 7 1 1 2. - <_> - - <_> - 16 11 2 2 -1. - <_> - 17 11 1 1 2. - <_> - 16 12 1 1 2. - <_> - - <_> - 0 11 2 2 -1. - <_> - 0 11 1 1 2. - <_> - 1 12 1 1 2. - <_> - - <_> - 16 12 2 1 -1. - <_> - 16 12 1 1 2. - <_> - - <_> - 0 12 2 1 -1. - <_> - 1 12 1 1 2. - <_> - - <_> - 0 7 18 6 -1. - <_> - 0 9 18 2 3. - <_> - - <_> - 4 2 7 12 -1. - <_> - 4 5 7 6 2. - <_> - - <_> - 7 6 6 3 -1. - <_> - 9 7 2 1 9. - <_> - - <_> - 5 6 6 3 -1. - <_> - 7 7 2 1 9. - <_> - - <_> - 12 3 6 6 -1. - <_> - 12 3 6 3 2. - 1 - <_> - - <_> - 6 3 6 6 -1. - <_> - 6 3 3 6 2. - 1 - <_> - - <_> - 4 2 12 9 -1. - <_> - 8 2 4 9 3. - <_> - - <_> - 1 7 3 1 -1. - <_> - 2 7 1 1 3. - <_> - - <_> - 14 0 2 2 -1. - <_> - 14 0 1 2 2. - 1 - <_> - - <_> - 2 2 12 9 -1. - <_> - 6 2 4 9 3. - <_> - - <_> - 9 1 1 4 -1. - <_> - 8 2 1 2 2. - 1 - <_> - - <_> - 2 0 12 1 -1. - <_> - 5 0 6 1 2. - <_> - - <_> - 11 0 4 1 -1. - <_> - 11 0 2 1 2. - 1 - <_> - - <_> - 9 0 4 1 -1. - <_> - 9 0 2 1 2. - 1 - <_> - - <_> - 9 3 2 1 -1. - <_> - 9 3 1 1 2. - <_> - - <_> - 7 3 2 1 -1. - <_> - 8 3 1 1 2. - <_> - - <_> - 9 2 8 4 -1. - <_> - 9 2 4 4 2. - 1 - <_> - - <_> - 0 3 18 1 -1. - <_> - 9 3 9 1 2. - <_> - - <_> - 13 13 2 2 -1. - <_> - 13 13 1 2 2. - <_> - - <_> - 7 0 1 4 -1. - <_> - 7 0 1 2 2. - 1 - <_> - - <_> - 16 7 2 4 -1. - <_> - 16 8 2 2 2. - <_> - - <_> - 0 7 2 4 -1. - <_> - 0 8 2 2 2. - <_> - - <_> - 9 13 3 2 -1. - <_> - 10 13 1 2 3. - <_> - - <_> - 6 13 3 2 -1. - <_> - 7 13 1 2 3. - <_> - - <_> - 13 13 2 2 -1. - <_> - 13 13 1 2 2. - <_> - - <_> - 3 13 2 2 -1. - <_> - 4 13 1 2 2. - <_> - - <_> - 10 11 6 4 -1. - <_> - 12 11 2 4 3. - <_> - - <_> - 2 11 6 4 -1. - <_> - 4 11 2 4 3. - <_> - - <_> - 0 11 18 3 -1. - <_> - 6 11 6 3 3. - <_> - - <_> - 6 13 4 1 -1. - <_> - 7 13 2 1 2. - <_> - - <_> - 7 9 4 3 -1. - <_> - 7 10 4 1 3. - <_> - - <_> - 5 5 4 9 -1. - <_> - 5 8 4 3 3. - <_> - - <_> - 13 5 2 8 -1. - <_> - 11 7 2 4 2. - 1 - <_> - - <_> - 6 8 2 2 -1. - <_> - 6 8 1 1 2. - <_> - 7 9 1 1 2. - <_> - - <_> - 9 1 1 4 -1. - <_> - 8 2 1 2 2. - 1 - <_> - - <_> - 9 1 4 1 -1. - <_> - 10 2 2 1 2. - 1 - <_> - - <_> - 6 2 6 9 -1. - <_> - 6 5 6 3 3. - <_> - - <_> - 9 6 1 6 -1. - <_> - 7 8 1 2 3. - 1 - <_> - - <_> - 10 6 2 2 -1. - <_> - 11 6 1 1 2. - <_> - 10 7 1 1 2. - <_> - - <_> - 6 7 3 2 -1. - <_> - 7 7 1 2 3. - <_> - - <_> - 12 4 2 6 -1. - <_> - 10 6 2 2 3. - 1 - <_> - - <_> - 6 4 6 2 -1. - <_> - 8 6 2 2 3. - 1 - <_> - - <_> - 0 5 18 6 -1. - <_> - 0 7 18 2 3. - <_> - - <_> - 7 6 4 2 -1. - <_> - 7 7 4 1 2. - <_> - - <_> - 12 6 6 9 -1. - <_> - 14 9 2 3 9. - <_> - - <_> - 4 6 10 3 -1. - <_> - 4 7 10 1 3. - <_> - - <_> - 13 3 4 8 -1. - <_> - 13 5 4 4 2. - <_> - - <_> - 0 4 11 2 -1. - <_> - 0 5 11 1 2. - <_> - - <_> - 16 5 2 2 -1. - <_> - 16 5 1 2 2. - <_> - - <_> - 0 5 2 2 -1. - <_> - 1 5 1 2 2. - <_> - - <_> - 16 0 2 13 -1. - <_> - 16 0 1 13 2. - <_> - - <_> - 0 0 2 13 -1. - <_> - 1 0 1 13 2. - <_> - - <_> - 6 1 9 3 -1. - <_> - 9 1 3 3 3. - <_> - - <_> - 9 2 4 8 -1. - <_> - 9 2 4 4 2. - 1 - <_> - - <_> - 3 1 12 9 -1. - <_> - 3 4 12 3 3. - <_> - - <_> - 0 10 8 3 -1. - <_> - 0 11 8 1 3. - <_> - - <_> - 0 11 18 4 -1. - <_> - 9 11 9 2 2. - <_> - 0 13 9 2 2. - <_> - - <_> - 5 5 2 4 -1. - <_> - 4 6 2 2 2. - 1 - <_> - - <_> - 8 0 3 6 -1. - <_> - 9 2 1 2 9. - <_> - - <_> - 6 1 4 2 -1. - <_> - 6 1 4 1 2. - 1 - <_> - - <_> - 13 12 2 3 -1. - <_> - 13 13 2 1 3. - <_> - - <_> - 6 0 4 8 -1. - <_> - 6 0 2 4 2. - <_> - 8 4 2 4 2. - <_> - - <_> - 10 2 6 2 -1. - <_> - 10 2 3 2 2. - <_> - - <_> - 2 2 6 2 -1. - <_> - 5 2 3 2 2. - <_> - - <_> - 13 0 4 3 -1. - <_> - 14 0 2 3 2. - <_> - - <_> - 2 3 5 2 -1. - <_> - 2 4 5 1 2. - <_> - - <_> - 13 0 3 11 -1. - <_> - 14 1 1 11 3. - 1 - <_> - - <_> - 5 0 11 3 -1. - <_> - 4 1 11 1 3. - 1 - <_> - - <_> - 11 0 2 12 -1. - <_> - 12 0 1 6 2. - <_> - 11 6 1 6 2. - <_> - - <_> - 5 0 2 12 -1. - <_> - 5 0 1 6 2. - <_> - 6 6 1 6 2. - <_> - - <_> - 11 5 2 4 -1. - <_> - 11 5 1 4 2. - 1 - <_> - - <_> - 1 3 3 12 -1. - <_> - 1 7 3 4 3. - <_> - - <_> - 11 5 2 4 -1. - <_> - 11 5 1 4 2. - 1 - <_> - - <_> - 7 5 4 2 -1. - <_> - 7 5 4 1 2. - 1 - <_> - - <_> - 13 0 5 10 -1. - <_> - 13 5 5 5 2. - <_> - - <_> - 0 1 6 8 -1. - <_> - 0 5 6 4 2. - <_> - - <_> - 14 7 4 2 -1. - <_> - 14 8 4 1 2. - <_> - - <_> - 0 7 4 2 -1. - <_> - 0 8 4 1 2. - <_> - - <_> - 14 3 3 8 -1. - <_> - 14 5 3 4 2. - <_> - - <_> - 1 3 3 8 -1. - <_> - 1 5 3 4 2. - <_> - - <_> - 11 3 4 10 -1. - <_> - 12 3 2 10 2. - <_> - - <_> - 3 3 4 10 -1. - <_> - 4 3 2 10 2. - <_> - - <_> - 11 2 4 7 -1. - <_> - 12 2 2 7 2. - <_> - - <_> - 3 2 4 7 -1. - <_> - 4 2 2 7 2. - <_> - - <_> - 13 7 2 2 -1. - <_> - 14 7 1 1 2. - <_> - 13 8 1 1 2. - <_> - - <_> - 3 7 2 2 -1. - <_> - 3 7 1 1 2. - <_> - 4 8 1 1 2. - <_> - - <_> - 14 0 2 2 -1. - <_> - 14 0 1 2 2. - 1 - <_> - - <_> - 4 0 2 2 -1. - <_> - 4 0 2 1 2. - 1 - <_> - - <_> - 12 4 2 2 -1. - <_> - 13 4 1 1 2. - <_> - 12 5 1 1 2. - <_> - - <_> - 5 1 8 14 -1. - <_> - 5 1 4 7 2. - <_> - 9 8 4 7 2. - <_> - - <_> - 13 0 5 10 -1. - <_> - 13 5 5 5 2. - <_> - - <_> - 1 4 16 4 -1. - <_> - 1 6 16 2 2. - diff --git a/data/haarcascades/haarcascade_mcs_rightear.xml b/data/haarcascades/haarcascade_mcs_rightear.xml deleted file mode 100644 index 61adf1692d..0000000000 --- a/data/haarcascades/haarcascade_mcs_rightear.xml +++ /dev/null @@ -1,7931 +0,0 @@ - - - -BOOST - HAAR - 12 - 20 - - 61 - - 0 - 20 - - <_> - 7 - -1.3802499771118164e+00 - - <_> - - 0 -1 0 -1.2393590062856674e-01 - - 8.2578802108764648e-01 -6.7602032423019409e-01 - <_> - - 0 -1 1 9.4228880479931831e-03 - - -1.2722210586071014e-01 3.3211699128150940e-01 - <_> - - 0 -1 2 -1.1084940284490585e-02 - - 5.6749510765075684e-01 -5.6716197729110718e-01 - <_> - - 0 -1 3 -2.0189690589904785e-01 - - -7.6717972755432129e-01 1.9637049734592438e-01 - <_> - - 0 -1 4 -4.7402849304489791e-05 - - 3.8455748558044434e-01 -6.7010718584060669e-01 - <_> - - 0 -1 5 -8.6445426568388939e-03 - - -6.9345837831497192e-01 1.0593380033969879e-01 - <_> - - 0 -1 6 5.0770420784829184e-05 - - -6.8352818489074707e-01 3.5795739293098450e-01 - <_> - 9 - -1.4652169942855835e+00 - - <_> - - 0 -1 7 -1.8316349387168884e-01 - - 7.8830862045288086e-01 -5.8876812458038330e-01 - <_> - - 0 -1 8 2.5380790233612061e-02 - - -7.4764448404312134e-01 4.1486009955406189e-01 - <_> - - 0 -1 9 1.4207419939339161e-02 - - -7.8411531448364258e-01 2.7354270219802856e-01 - <_> - - 0 -1 10 8.6809601634740829e-03 - - -1.0974329710006714e-01 9.4718709588050842e-02 - <_> - - 0 -1 11 -4.1219559498131275e-03 - - 3.1739580631256104e-01 -5.4334312677383423e-01 - <_> - - 0 -1 12 -1.1700070463120937e-02 - - 3.9653539657592773e-01 -3.7434050440788269e-01 - <_> - - 0 -1 13 2.8762829303741455e-01 - - -1.7733460664749146e-01 8.8516682386398315e-01 - <_> - - 0 -1 14 -4.8463501036167145e-02 - - -6.0947227478027344e-01 1.3633400201797485e-01 - <_> - - 0 -1 15 7.6523773372173309e-02 - - -2.9950559139251709e-01 6.1522072553634644e-01 - <_> - 18 - -2.0372869968414307e+00 - - <_> - - 0 -1 16 1.1777380108833313e-01 - - -5.8754861354827881e-01 6.1994218826293945e-01 - <_> - - 0 -1 17 2.9533330351114273e-02 - - -4.2420691251754761e-01 3.6524820327758789e-01 - <_> - - 0 -1 18 6.1603458598256111e-03 - - -7.9607379436492920e-01 3.2861700654029846e-01 - <_> - - 0 -1 19 -5.9753831010311842e-05 - - 1.0398519784212112e-01 -4.5819509029388428e-01 - <_> - - 0 -1 20 -3.6190438549965620e-04 - - 5.3506380319595337e-01 -6.4719748497009277e-01 - <_> - - 0 -1 21 2.0906500518321991e-02 - - -1.6793949902057648e-01 2.4539050459861755e-01 - <_> - - 0 -1 22 8.2527771592140198e-03 - - -8.5986042022705078e-01 2.2863869369029999e-01 - <_> - - 0 -1 23 5.9341029264032841e-03 - - -4.6319939196109772e-02 -6.0758531093597412e-01 - <_> - - 0 -1 24 1.8554080452304333e-04 - - -5.7996147871017456e-01 3.7694430351257324e-01 - <_> - - 0 -1 25 -7.2531788609921932e-03 - - -5.6681227684020996e-01 -1.9910290837287903e-02 - <_> - - 0 -1 26 4.0826769691193476e-05 - - -6.2813758850097656e-01 4.0546119213104248e-01 - <_> - - 0 -1 27 -1.0268500074744225e-02 - - 4.5032399892807007e-01 -2.7399060130119324e-01 - <_> - - 0 -1 28 -3.5408639814704657e-03 - - 3.4393149614334106e-01 -6.7639619112014771e-01 - <_> - - 0 -1 29 -6.9421626627445221e-02 - - 6.5173202753067017e-01 -7.4326410889625549e-02 - <_> - - 0 -1 30 7.1986039984039962e-05 - - -4.5737218856811523e-01 3.0109271407127380e-01 - <_> - - 0 -1 31 6.3741732446942478e-05 - - -5.5820369720458984e-01 1.9148319959640503e-01 - <_> - - 0 -1 32 4.4920871005160734e-05 - - -5.7379388809204102e-01 2.1276189386844635e-01 - <_> - - 0 -1 33 1.3159319758415222e-01 - - -2.2754240036010742e-01 2.8766331076622009e-01 - <_> - 13 - -1.5061739683151245e+00 - - <_> - - 0 -1 34 -1.5496319532394409e-01 - - 7.2985649108886719e-01 -5.9489607810974121e-01 - <_> - - 0 -1 35 8.4833214059472084e-03 - - 1.3606220483779907e-01 -4.3773031234741211e-01 - <_> - - 0 -1 36 -3.2831680029630661e-02 - - 6.7158091068267822e-01 -2.8739199042320251e-01 - <_> - - 0 -1 37 -2.8853790834546089e-02 - - 4.5923650264739990e-01 -4.9327030777931213e-02 - <_> - - 0 -1 38 1.7052419483661652e-01 - - -1.6527549922466278e-01 8.4507262706756592e-01 - <_> - - 0 -1 39 1.0879129916429520e-01 - - -2.8913050889968872e-01 5.3111201524734497e-01 - <_> - - 0 -1 40 3.0960019212216139e-03 - - -5.5323868989944458e-01 2.6134639978408813e-01 - <_> - - 0 -1 41 -3.3618099987506866e-02 - - 2.2911429405212402e-01 -5.5924427509307861e-01 - <_> - - 0 -1 42 -1.1074040085077286e-03 - - -6.3096380233764648e-01 1.5855440497398376e-01 - <_> - - 0 -1 43 -4.4385627843439579e-03 - - -6.3817399740219116e-01 1.2779480218887329e-01 - <_> - - 0 -1 44 -9.4127003103494644e-03 - - 3.5108420252799988e-01 -3.4738400578498840e-01 - <_> - - 0 -1 45 -3.2499480992555618e-02 - - 6.7672997713088989e-01 -5.5984470993280411e-02 - <_> - - 0 -1 46 -1.3464169576764107e-02 - - -7.5412607192993164e-01 1.5986099839210510e-01 - <_> - 17 - -1.5266020298004150e+00 - - <_> - - 0 -1 47 -1.8050560355186462e-01 - - 7.1835839748382568e-01 -5.2469527721405029e-01 - <_> - - 0 -1 48 -1.5271560288965702e-02 - - 3.2215949892997742e-01 -1.5855640172958374e-01 - <_> - - 0 -1 49 -3.4879799932241440e-02 - - 3.2105189561843872e-01 -5.3338629007339478e-01 - <_> - - 0 -1 50 -3.1743600964546204e-02 - - 4.1040870547294617e-01 -3.7935909628868103e-01 - <_> - - 0 -1 51 4.8427619040012360e-03 - - -6.9584208726882935e-01 2.4080069363117218e-01 - <_> - - 0 -1 52 4.9639631062746048e-02 - - 8.0581977963447571e-03 -5.4770648479461670e-01 - <_> - - 0 -1 53 1.1154930293560028e-01 - - -2.4036459624767303e-01 5.6387817859649658e-01 - <_> - - 0 -1 54 -2.6947790756821632e-02 - - -4.5162969827651978e-01 6.0060828924179077e-02 - <_> - - 0 -1 55 -4.9296129494905472e-02 - - 8.3912831544876099e-01 -1.8871270120143890e-01 - <_> - - 0 -1 56 2.8315439820289612e-02 - - 6.9766468368470669e-03 1.8534269928932190e-01 - <_> - - 0 -1 57 3.3421538770198822e-02 - - -3.1101679801940918e-01 4.0044930577278137e-01 - <_> - - 0 -1 58 -6.2644667923450470e-03 - - -4.4615790247917175e-01 6.6276572644710541e-02 - <_> - - 0 -1 59 2.5548560079187155e-03 - - 1.3413320481777191e-01 -7.4927258491516113e-01 - <_> - - 0 -1 60 2.9710179194808006e-02 - - 6.1377300880849361e-04 -7.7615362405776978e-01 - <_> - - 0 -1 61 -4.1485700756311417e-02 - - 5.9405767917633057e-01 -1.6889290511608124e-01 - <_> - - 0 -1 62 1.2231590226292610e-02 - - 5.1312480121850967e-02 -7.5303572416305542e-01 - <_> - - 0 -1 63 -4.3153190053999424e-03 - - -6.4812111854553223e-01 1.3281610608100891e-01 - <_> - 17 - -1.4295140504837036e+00 - - <_> - - 0 -1 64 1.1714699864387512e-01 - - -5.1155489683151245e-01 5.4587250947952271e-01 - <_> - - 0 -1 65 5.2537951618432999e-02 - - -2.6988661289215088e-01 3.4098041057586670e-01 - <_> - - 0 -1 66 -1.9980749115347862e-02 - - 3.5662230849266052e-01 -4.4640049338340759e-01 - <_> - - 0 -1 67 -1.2166350334882736e-01 - - 4.5662569999694824e-01 -6.7647598683834076e-02 - <_> - - 0 -1 68 1.6176940873265266e-02 - - -4.8407769203186035e-01 2.5647491216659546e-01 - <_> - - 0 -1 69 -1.2731030583381653e-01 - - 7.8568279743194580e-01 -7.6182372868061066e-02 - <_> - - 0 -1 70 -3.7296859081834555e-03 - - 2.7144059538841248e-01 -4.8822438716888428e-01 - <_> - - 0 -1 71 -1.7392159998416901e-01 - - 7.3156762123107910e-01 -4.0217950940132141e-02 - <_> - - 0 -1 72 -9.4516716897487640e-02 - - 4.9297851324081421e-01 -2.1850970387458801e-01 - <_> - - 0 -1 73 7.9759500920772552e-02 - - -1.0667549818754196e-01 2.1722890436649323e-01 - <_> - - 0 -1 74 2.9159070923924446e-02 - - 1.5513190627098083e-01 -7.9432719945907593e-01 - <_> - - 0 -1 75 6.8567609414458275e-03 - - -7.7142190933227539e-01 1.0970850288867950e-01 - <_> - - 0 -1 76 2.6352910790592432e-03 - - 9.6235923469066620e-02 -7.4925291538238525e-01 - <_> - - 0 -1 77 -4.1161300614476204e-03 - - 1.7448060214519501e-01 -4.6480000019073486e-01 - <_> - - 0 -1 78 -2.7307260315865278e-03 - - -5.8561611175537109e-01 1.1779639869928360e-01 - <_> - - 0 -1 79 -1.9059289246797562e-02 - - -6.8809962272644043e-01 1.0283970087766647e-01 - <_> - - 0 -1 80 -2.9182219877839088e-03 - - -6.6901868581771851e-01 8.3721928298473358e-02 - <_> - 26 - -1.5588049888610840e+00 - - <_> - - 0 -1 81 8.1108748912811279e-02 - - -3.9180481433868408e-01 5.3625607490539551e-01 - <_> - - 0 -1 82 9.1598061844706535e-03 - - -4.6528929471969604e-01 3.3383831381797791e-01 - <_> - - 0 -1 83 8.0795027315616608e-04 - - -7.5230997800827026e-01 1.4381100237369537e-01 - <_> - - 0 -1 84 2.4406640231609344e-01 - - -2.2846619784832001e-01 5.0088721513748169e-01 - <_> - - 0 -1 85 9.9084907560609281e-05 - - -4.9552011489868164e-01 2.3163549602031708e-01 - <_> - - 0 -1 86 -1.6304260492324829e-01 - - 8.0807077884674072e-01 -1.4503139257431030e-01 - <_> - - 0 -1 87 9.9489316344261169e-03 - - -1.3804569840431213e-01 6.0897988080978394e-01 - <_> - - 0 -1 88 7.6701432466506958e-02 - - 3.7772629410028458e-02 -5.3447282314300537e-01 - <_> - - 0 -1 89 4.7309949994087219e-02 - - -3.6191630363464355e-01 2.8269779682159424e-01 - <_> - - 0 -1 90 -2.2022439166903496e-02 - - -5.2068692445755005e-01 9.4968706369400024e-02 - <_> - - 0 -1 91 1.3980070129036903e-02 - - 1.1217589676380157e-01 -6.8278092145919800e-01 - <_> - - 0 -1 92 -6.6961131989955902e-02 - - 8.7730789184570312e-01 -2.7844179421663284e-02 - <_> - - 0 -1 93 1.1592600494623184e-03 - - -3.4661638736724854e-01 2.0498119294643402e-01 - <_> - - 0 -1 94 1.9640380516648293e-02 - - -1.2608189880847931e-01 2.8791791200637817e-01 - <_> - - 0 -1 95 -1.0507949627935886e-02 - - -6.1253058910369873e-01 1.2488999962806702e-01 - <_> - - 0 -1 96 1.7976740375161171e-02 - - -1.2991739809513092e-01 1.4235779643058777e-01 - <_> - - 0 -1 97 -3.1597379595041275e-02 - - 3.3326789736747742e-01 -2.4774129688739777e-01 - <_> - - 0 -1 98 -1.8917859997600317e-03 - - -5.3087908029556274e-01 8.8928163051605225e-02 - <_> - - 0 -1 99 -1.7453400418162346e-02 - - -6.4604520797729492e-01 1.1086379736661911e-01 - <_> - - 0 -1 100 1.0619490407407284e-02 - - 1.4190349727869034e-02 -2.1650099754333496e-01 - <_> - - 0 -1 101 -1.1998750269412994e-03 - - -6.4023351669311523e-01 1.0543160140514374e-01 - <_> - - 0 -1 102 9.0056620538234711e-03 - - 6.6442847251892090e-02 -3.8506388664245605e-01 - <_> - - 0 -1 103 -3.1365811824798584e-02 - - 4.9019768834114075e-01 -1.3340839743614197e-01 - <_> - - 0 -1 104 8.8146664202213287e-03 - - -7.5805522501468658e-02 5.1142227649688721e-01 - <_> - - 0 -1 105 -2.4432060308754444e-03 - - -5.3494578599929810e-01 1.3186639547348022e-01 - <_> - - 0 -1 106 3.3595509827136993e-02 - - 1.8829340115189552e-02 -8.7616902589797974e-01 - <_> - 25 - -1.5198639631271362e+00 - - <_> - - 0 -1 107 -1.9901029765605927e-01 - - 4.1589239239692688e-01 -4.6403810381889343e-01 - <_> - - 0 -1 108 1.0957729537039995e-03 - - -2.7428150177001953e-01 2.1992009878158569e-01 - <_> - - 0 -1 109 3.5783050116151571e-03 - - -2.5449270009994507e-01 5.4316788911819458e-01 - <_> - - 0 -1 110 3.5569820553064346e-02 - - 4.2951688170433044e-02 -6.6588342189788818e-01 - <_> - - 0 -1 111 -3.8403531070798635e-03 - - 1.9703429937362671e-01 -5.4586201906204224e-01 - <_> - - 0 -1 112 3.9690821431577206e-03 - - -5.1554411649703979e-01 2.2360439598560333e-01 - <_> - - 0 -1 113 7.4965478852391243e-03 - - 1.5371499955654144e-01 -6.1535251140594482e-01 - <_> - - 0 -1 114 -8.9704096317291260e-03 - - 1.8355900049209595e-01 -2.8429880738258362e-01 - <_> - - 0 -1 115 -5.6080069392919540e-02 - - 7.7755087614059448e-01 -9.8359443247318268e-02 - <_> - - 0 -1 116 1.0908209718763828e-02 - - 6.3484668731689453e-02 -6.9791257381439209e-01 - <_> - - 0 -1 117 -9.8930671811103821e-03 - - 4.0726318955421448e-01 -2.5781801342964172e-01 - <_> - - 0 -1 118 1.8678830564022064e-01 - - -2.7086579799652100e-01 3.6147558689117432e-01 - <_> - - 0 -1 119 -9.4373157480731606e-04 - - -5.8118808269500732e-01 1.5266190469264984e-01 - <_> - - 0 -1 120 -2.6823019608855247e-02 - - 7.3039489984512329e-01 -5.7183459401130676e-02 - <_> - - 0 -1 121 -8.4266774356365204e-03 - - -6.9740217924118042e-01 1.1783199757337570e-01 - <_> - - 0 -1 122 4.4732030481100082e-02 - - -6.6901608370244503e-03 -3.9551690220832825e-01 - <_> - - 0 -1 123 1.9846759736537933e-02 - - -2.5491309165954590e-01 2.6959219574928284e-01 - <_> - - 0 -1 124 -1.1466080322861671e-03 - - -4.7784709930419922e-01 1.4147639274597168e-01 - <_> - - 0 -1 125 9.8631740547716618e-04 - - -2.9782509803771973e-01 2.1989880502223969e-01 - <_> - - 0 -1 126 -1.3526080548763275e-01 - - 7.3641002178192139e-01 -3.6679711192846298e-02 - <_> - - 0 -1 127 -1.4555889647454023e-03 - - -4.9741968512535095e-01 1.4351129531860352e-01 - <_> - - 0 -1 128 -1.3439180329442024e-02 - - 4.4307011365890503e-01 -6.1504751443862915e-02 - <_> - - 0 -1 129 5.8535612188279629e-03 - - 8.6272820830345154e-02 -6.9572478532791138e-01 - <_> - - 0 -1 130 -3.6728219129145145e-03 - - -2.4009980261325836e-01 7.2359912097454071e-02 - <_> - - 0 -1 131 2.8104060329496861e-03 - - -2.8405401110649109e-01 2.0643989741802216e-01 - <_> - 23 - -1.2744859457015991e+00 - - <_> - - 0 -1 132 1.6374010592699051e-02 - - -3.7089619040489197e-01 5.0737190246582031e-01 - <_> - - 0 -1 133 9.4187058508396149e-02 - - -3.1576469540596008e-01 4.0862488746643066e-01 - <_> - - 0 -1 134 1.1773589998483658e-02 - - -3.5064500570297241e-01 3.1217798590660095e-01 - <_> - - 0 -1 135 1.0922340303659439e-01 - - -1.2247060239315033e-01 2.5683128833770752e-01 - <_> - - 0 -1 136 -6.6653150133788586e-03 - - 2.3083719611167908e-01 -4.8135739564895630e-01 - <_> - - 0 -1 137 -4.5095751993358135e-03 - - 1.6601459681987762e-01 -1.2917369604110718e-01 - <_> - - 0 -1 138 -1.1136589571833611e-02 - - 3.8687920570373535e-01 -2.2618110477924347e-01 - <_> - - 0 -1 139 -1.5101970732212067e-01 - - 7.8407418727874756e-01 -5.6705389171838760e-02 - <_> - - 0 -1 140 3.5842441022396088e-02 - - -3.3353409171104431e-01 2.6884201169013977e-01 - <_> - - 0 -1 141 6.0237798839807510e-02 - - 6.6777043044567108e-02 -5.8397102355957031e-01 - <_> - - 0 -1 142 6.8902626633644104e-02 - - -3.2930138707160950e-01 2.3172050714492798e-01 - <_> - - 0 -1 143 -1.1977110058069229e-01 - - 7.2716677188873291e-01 -1.0525380074977875e-01 - <_> - - 0 -1 144 1.8936740234494209e-02 - - -1.3431450724601746e-01 5.6203877925872803e-01 - <_> - - 0 -1 145 8.3808198571205139e-02 - - -4.9557849764823914e-02 1.0450640320777893e-01 - <_> - - 0 -1 146 3.3902268856763840e-02 - - 9.9094279110431671e-02 -7.6239812374114990e-01 - <_> - - 0 -1 147 -8.1007126718759537e-03 - - -4.3555849790573120e-01 2.2304659709334373e-02 - <_> - - 0 -1 148 2.4974169209599495e-03 - - 9.3714617192745209e-02 -6.8376600742340088e-01 - <_> - - 0 -1 149 1.0426550172269344e-02 - - -1.1307760328054428e-01 4.3951630592346191e-01 - <_> - - 0 -1 150 -2.4919810239225626e-03 - - -4.9109318852424622e-01 1.2399309873580933e-01 - <_> - - 0 -1 151 -4.4614528305828571e-03 - - 3.4285509586334229e-01 -1.3288980722427368e-01 - <_> - - 0 -1 152 -6.9255861453711987e-03 - - 4.0674179792404175e-01 -1.4747169613838196e-01 - <_> - - 0 -1 153 1.4747819863259792e-02 - - -1.7921010032296181e-02 1.5927059948444366e-01 - <_> - - 0 -1 154 9.8200701177120209e-03 - - 8.6944580078125000e-02 -6.7220121622085571e-01 - <_> - 29 - -1.3562519550323486e+00 - - <_> - - 0 -1 155 3.0345980077981949e-02 - - -5.6813991069793701e-01 2.7571758627891541e-01 - <_> - - 0 -1 156 -4.5385681092739105e-02 - - -5.6568390130996704e-01 4.2446270585060120e-02 - <_> - - 0 -1 157 -2.4006670713424683e-01 - - 3.9162129163742065e-01 -3.0378338694572449e-01 - <_> - - 0 -1 158 -1.0817600414156914e-03 - - -7.0329940319061279e-01 1.1626099795103073e-01 - <_> - - 0 -1 159 -1.6060429625213146e-03 - - 2.2388499975204468e-01 -4.8557040095329285e-01 - <_> - - 0 -1 160 -1.0570240020751953e-01 - - -7.4889171123504639e-01 2.8992230072617531e-02 - <_> - - 0 -1 161 -2.3500300012528896e-03 - - 2.3428779840469360e-01 -4.2647179961204529e-01 - <_> - - 0 -1 162 -6.1817590147256851e-02 - - -8.9189022779464722e-01 -1.0216370224952698e-02 - <_> - - 0 -1 163 5.4469848982989788e-03 - - -2.6281470060348511e-01 3.1677961349487305e-01 - <_> - - 0 -1 164 -6.7602698691189289e-03 - - -7.9144752025604248e-01 1.2072199955582619e-02 - <_> - - 0 -1 165 7.8887082054279745e-05 - - -4.4443818926811218e-01 1.9887650012969971e-01 - <_> - - 0 -1 166 6.4817398786544800e-02 - - -2.3440040647983551e-01 2.8372839093208313e-01 - <_> - - 0 -1 167 2.9690501093864441e-01 - - -1.1379630118608475e-01 8.4734469652175903e-01 - <_> - - 0 -1 168 -1.2669449672102928e-02 - - -5.3791618347167969e-01 5.0364010035991669e-02 - <_> - - 0 -1 169 3.2963419798761606e-03 - - 9.5009326934814453e-02 -6.9295811653137207e-01 - <_> - - 0 -1 170 8.1940039992332458e-02 - - 6.4861620776355267e-03 -4.8242160677909851e-01 - <_> - - 0 -1 171 4.5874840579926968e-03 - - 7.4269242584705353e-02 -8.5056728124618530e-01 - <_> - - 0 -1 172 1.3228190131485462e-02 - - -1.8141390383243561e-01 5.5488282442092896e-01 - <_> - - 0 -1 173 8.3280639955773950e-05 - - -3.5342589020729065e-01 1.6182580590248108e-01 - <_> - - 0 -1 174 9.3232236802577972e-02 - - 3.6166220903396606e-02 -3.9560291171073914e-01 - <_> - - 0 -1 175 -1.7989000305533409e-02 - - 1.8585060536861420e-01 -2.9997050762176514e-01 - <_> - - 0 -1 176 8.5582181811332703e-02 - - -2.3212260566651821e-03 -7.5706237554550171e-01 - <_> - - 0 -1 177 1.4874819666147232e-02 - - -2.1825970709323883e-01 2.7366569638252258e-01 - <_> - - 0 -1 178 2.0184369757771492e-02 - - 3.5116590559482574e-02 -4.5619380474090576e-01 - <_> - - 0 -1 179 1.4273890294134617e-02 - - -1.2478730082511902e-01 6.1065578460693359e-01 - <_> - - 0 -1 180 2.6945620775222778e-02 - - -5.6217260658740997e-02 4.3960160017013550e-01 - <_> - - 0 -1 181 -1.4722250401973724e-02 - - -7.0504772663116455e-01 8.9823968708515167e-02 - <_> - - 0 -1 182 -3.9676232263445854e-03 - - -2.0258559286594391e-01 2.4594809859991074e-02 - <_> - - 0 -1 183 -6.9255158305168152e-02 - - 7.7862018346786499e-01 -8.2329802215099335e-02 - <_> - 34 - -1.4609309434890747e+00 - - <_> - - 0 -1 184 4.2280860245227814e-02 - - -4.3323940038681030e-01 3.1084230542182922e-01 - <_> - - 0 -1 185 3.2466039061546326e-02 - - -2.5457349419593811e-01 2.8453230857849121e-01 - <_> - - 0 -1 186 3.9204079657793045e-03 - - -2.4197019636631012e-01 3.8850378990173340e-01 - <_> - - 0 -1 187 1.4881529845297337e-02 - - -2.0224849879741669e-01 2.0803029835224152e-01 - <_> - - 0 -1 188 -4.8258059541694820e-04 - - 2.0644129812717438e-01 -4.6135428547859192e-01 - <_> - - 0 -1 189 1.0871110111474991e-01 - - -1.1968149803578854e-02 -8.3505737781524658e-01 - <_> - - 0 -1 190 1.1553530202945694e-04 - - -6.2181282043457031e-01 1.2894719839096069e-01 - <_> - - 0 -1 191 1.9984820391982794e-03 - - 1.2071420252323151e-01 -5.1865231990814209e-01 - <_> - - 0 -1 192 -1.9442409393377602e-04 - - 1.5316960215568542e-01 -4.6682178974151611e-01 - <_> - - 0 -1 193 3.4691508859395981e-02 - - 5.2325479686260223e-02 -5.6493771076202393e-01 - <_> - - 0 -1 194 1.2708869576454163e-01 - - -1.1623410135507584e-01 6.6390967369079590e-01 - <_> - - 0 -1 195 1.8425850570201874e-01 - - -2.9410699009895325e-01 2.7760609984397888e-01 - <_> - - 0 -1 196 -1.0079169645905495e-02 - - 2.0110170543193817e-01 -3.7747490406036377e-01 - <_> - - 0 -1 197 2.3211309686303139e-02 - - -1.5770949423313141e-01 4.1628879308700562e-01 - <_> - - 0 -1 198 -8.5837738588452339e-03 - - -6.4297300577163696e-01 9.1064400970935822e-02 - <_> - - 0 -1 199 3.0105128884315491e-01 - - 1.8554370850324631e-02 -3.6014398932456970e-01 - <_> - - 0 -1 200 5.5468631908297539e-03 - - 1.1459550261497498e-01 -5.0818997621536255e-01 - <_> - - 0 -1 201 -3.2614849042147398e-03 - - -6.5068858861923218e-01 7.1761913597583771e-02 - <_> - - 0 -1 202 -2.1482119336724281e-03 - - 1.3169400393962860e-01 -3.7837469577789307e-01 - <_> - - 0 -1 203 4.2770840227603912e-03 - - 4.9258850514888763e-02 -5.8316987752914429e-01 - <_> - - 0 -1 204 -2.8884320054203272e-03 - - 3.1445708870887756e-01 -1.6602359712123871e-01 - <_> - - 0 -1 205 -4.7958120703697205e-02 - - -7.2590202093124390e-01 1.5948530286550522e-02 - <_> - - 0 -1 206 2.6324709877371788e-02 - - 7.4111200869083405e-02 -6.6733390092849731e-01 - <_> - - 0 -1 207 1.3688339851796627e-02 - - 4.7244258224964142e-02 -3.2059279084205627e-01 - <_> - - 0 -1 208 1.5577600337564945e-02 - - -9.6644677221775055e-02 5.0794398784637451e-01 - <_> - - 0 -1 209 -8.4227044135332108e-03 - - -9.9238747358322144e-01 2.0270830020308495e-02 - <_> - - 0 -1 210 3.8861939683556557e-03 - - 7.3856048285961151e-02 -6.7188322544097900e-01 - <_> - - 0 -1 211 -3.3598121255636215e-02 - - -7.3445242643356323e-01 5.7080879807472229e-02 - <_> - - 0 -1 212 1.7251629382371902e-02 - - -1.3607659935951233e-01 4.2951139807701111e-01 - <_> - - 0 -1 213 -3.1715810298919678e-02 - - -7.4400889873504639e-01 3.3651608973741531e-02 - <_> - - 0 -1 214 1.0187040083110332e-02 - - -1.6512380540370941e-01 3.5162070393562317e-01 - <_> - - 0 -1 215 3.7060850299894810e-03 - - 6.8452596664428711e-02 -1.8737269937992096e-01 - <_> - - 0 -1 216 -9.5564024522900581e-03 - - -5.8053100109100342e-01 8.2600042223930359e-02 - <_> - - 0 -1 217 -1.4073489606380463e-01 - - -1. -6.1561721377074718e-03 - <_> - 43 - -1.4843599796295166e+00 - - <_> - - 0 -1 218 8.2872863858938217e-03 - - -3.3240118622779846e-01 4.0866941213607788e-01 - <_> - - 0 -1 219 -5.3943969309329987e-02 - - 2.7990311384201050e-01 -3.5782578587532043e-01 - <_> - - 0 -1 220 -1.1539819650352001e-02 - - 2.1358589828014374e-01 -4.5100399851799011e-01 - <_> - - 0 -1 221 -1.5745559707283974e-02 - - 2.1471889317035675e-01 -9.9175170063972473e-02 - <_> - - 0 -1 222 -1.3527829432860017e-03 - - 1.5119549632072449e-01 -5.2674210071563721e-01 - <_> - - 0 -1 223 -1.1468210257589817e-02 - - 1.3523469865322113e-01 -3.7286050617694855e-02 - <_> - - 0 -1 224 8.5535906255245209e-03 - - -2.5730869174003601e-01 2.4693550169467926e-01 - <_> - - 0 -1 225 5.6266319006681442e-02 - - -2.1571849286556244e-01 1.8734970688819885e-01 - <_> - - 0 -1 226 2.0349300466477871e-03 - - 8.9395299553871155e-02 -6.2484967708587646e-01 - <_> - - 0 -1 227 -1.0920839849859476e-03 - - -3.2366481423377991e-01 6.9054901599884033e-02 - <_> - - 0 -1 228 -5.1597058773040771e-02 - - 6.1383968591690063e-01 -9.5396347343921661e-02 - <_> - - 0 -1 229 1.7433969303965569e-02 - - -2.5729641318321228e-01 2.5275719165802002e-01 - <_> - - 0 -1 230 7.6819643378257751e-02 - - 8.7492428719997406e-02 -6.7382502555847168e-01 - <_> - - 0 -1 231 8.0648958683013916e-02 - - -5.7000648230314255e-02 4.2771929502487183e-01 - <_> - - 0 -1 232 7.0360638201236725e-03 - - -4.2870849370956421e-01 1.4574399590492249e-01 - <_> - - 0 -1 233 4.9487157957628369e-04 - - -4.4867759943008423e-01 8.7952293455600739e-02 - <_> - - 0 -1 234 -2.0319919567555189e-03 - - -6.9378471374511719e-01 7.9090960323810577e-02 - <_> - - 0 -1 235 1.5986919403076172e-02 - - -1.8177279829978943e-01 3.3544349670410156e-01 - <_> - - 0 -1 236 1.0031439887825400e-04 - - -2.8036159276962280e-01 1.8939669430255890e-01 - <_> - - 0 -1 237 -2.0664870738983154e-01 - - -7.0004421472549438e-01 6.2915571033954620e-02 - <_> - - 0 -1 238 1.0939550120383501e-03 - - -5.6122779846191406e-01 7.9117156565189362e-02 - <_> - - 0 -1 239 1.0714650154113770e-02 - - 3.6672711372375488e-02 -4.8171210289001465e-01 - <_> - - 0 -1 240 1.2993469834327698e-02 - - -1.3089600205421448e-01 3.2844379544258118e-01 - <_> - - 0 -1 241 5.4268362000584602e-03 - - 4.6886149793863297e-02 -5.8115488290786743e-01 - <_> - - 0 -1 242 1.0718739591538906e-02 - - 5.9297699481248856e-02 -6.6856807470321655e-01 - <_> - - 0 -1 243 -3.1285220757126808e-03 - - -3.5857740044593811e-01 2.8134709224104881e-02 - <_> - - 0 -1 244 5.2357040112838149e-04 - - -3.4198528528213501e-01 1.2199939787387848e-01 - <_> - - 0 -1 245 1.0644399560987949e-02 - - 3.9803087711334229e-03 -6.9705927371978760e-01 - <_> - - 0 -1 246 1.5901770442724228e-02 - - -7.6809287071228027e-02 5.2953928709030151e-01 - <_> - - 0 -1 247 -1.0395360179245472e-02 - - -6.4491081237792969e-01 1.0781600140035152e-02 - <_> - - 0 -1 248 3.7131321150809526e-03 - - 6.6979996860027313e-02 -6.2111258506774902e-01 - <_> - - 0 -1 249 2.3174570873379707e-02 - - 1.6732679679989815e-02 -4.5888119935989380e-01 - <_> - - 0 -1 250 1.1146579869091511e-02 - - -1.1638499796390533e-01 4.3002909421920776e-01 - <_> - - 0 -1 251 1.2715480290353298e-02 - - 1.6517929732799530e-02 -6.6795057058334351e-01 - <_> - - 0 -1 252 -1.2653400190174580e-02 - - 1.1365109682083130e-01 -3.7035998702049255e-01 - <_> - - 0 -1 253 -7.1139880456030369e-03 - - 1.7468209564685822e-01 -1.2769439816474915e-01 - <_> - - 0 -1 254 -1.3703290373086929e-02 - - 4.2330458760261536e-01 -9.5448397099971771e-02 - <_> - - 0 -1 255 7.5888428837060928e-03 - - -8.7192570790648460e-03 3.0307659506797791e-01 - <_> - - 0 -1 256 -5.7711452245712280e-04 - - -5.0375598669052124e-01 9.0188682079315186e-02 - <_> - - 0 -1 257 -6.1391671188175678e-03 - - -6.0663592815399170e-01 4.6589769423007965e-02 - <_> - - 0 -1 258 9.4300412456505001e-05 - - -2.6559790968894958e-01 1.5030109882354736e-01 - <_> - - 0 -1 259 -2.4399429559707642e-01 - - 6.4060389995574951e-01 -6.8897739052772522e-02 - <_> - - 0 -1 260 -1.2823240458965302e-01 - - 2.1190899610519409e-01 -2.7341139316558838e-01 - <_> - 42 - -1.4225620031356812e+00 - - <_> - - 0 -1 261 -9.8697589710354805e-03 - - 4.8807978630065918e-01 -2.6589471101760864e-01 - <_> - - 0 -1 262 3.3131919801235199e-02 - - 3.2597500830888748e-02 -6.3295251131057739e-01 - <_> - - 0 -1 263 1.7511799931526184e-02 - - -3.5473251342773438e-01 2.8011149168014526e-01 - <_> - - 0 -1 264 -7.3885500431060791e-02 - - 4.7378170490264893e-01 -1.1292530223727226e-02 - <_> - - 0 -1 265 1.8212760332971811e-03 - - -4.6179610490798950e-01 1.4266149699687958e-01 - <_> - - 0 -1 266 -8.5360601544380188e-02 - - -6.6754668951034546e-01 7.5132578611373901e-02 - <_> - - 0 -1 267 -2.7539798617362976e-01 - - 3.8147959113121033e-01 -2.3665140569210052e-01 - <_> - - 0 -1 268 3.0699970200657845e-02 - - 5.1691979169845581e-02 -2.4286730587482452e-01 - <_> - - 0 -1 269 -9.6332989633083344e-03 - - 3.3072310686111450e-01 -2.0818190276622772e-01 - <_> - - 0 -1 270 1.6330240294337273e-02 - - 3.4118140320060775e-05 -8.0960237979888916e-01 - <_> - - 0 -1 271 8.6133222794160247e-05 - - -3.7730661034584045e-01 1.3947279751300812e-01 - <_> - - 0 -1 272 -3.0760519206523895e-02 - - 6.7611587047576904e-01 -1.4665770344436169e-02 - <_> - - 0 -1 273 6.8717780523002148e-03 - - -1.6677060723304749e-01 3.0840030312538147e-01 - <_> - - 0 -1 274 1.7696250230073929e-02 - - 3.8468770682811737e-02 -5.9128028154373169e-01 - <_> - - 0 -1 275 1.4457659795880318e-02 - - 7.1180373430252075e-02 -6.8788748979568481e-01 - <_> - - 0 -1 276 4.4003669172525406e-03 - - -1.7107939720153809e-01 3.3334150910377502e-01 - <_> - - 0 -1 277 -1.9785019103437662e-03 - - -6.3402158021926880e-01 8.5248172283172607e-02 - <_> - - 0 -1 278 -3.5506778955459595e-01 - - 6.9163411855697632e-01 -8.7763786315917969e-02 - <_> - - 0 -1 279 1.2596770189702511e-02 - - -2.0116379857063293e-01 3.4040948748588562e-01 - <_> - - 0 -1 280 -2.3926040157675743e-03 - - -6.2525659799575806e-01 1.1060170084238052e-01 - <_> - - 0 -1 281 -8.7672837253194302e-05 - - 1.4002850651741028e-01 -3.9103108644485474e-01 - <_> - - 0 -1 282 5.4524061270058155e-03 - - -3.1052809953689575e-01 6.3757672905921936e-02 - <_> - - 0 -1 283 1.2568219564855099e-02 - - -1.3675519824028015e-01 3.2680550217628479e-01 - <_> - - 0 -1 284 3.7843358516693115e-01 - - -3.7364691495895386e-02 3.7789309024810791e-01 - <_> - - 0 -1 285 -3.3601790200918913e-03 - - 2.9605069756507874e-01 -1.5206739306449890e-01 - <_> - - 0 -1 286 -4.3185380101203918e-01 - - -6.8029761314392090e-01 1.2745309621095657e-02 - <_> - - 0 -1 287 7.3479618877172470e-03 - - -6.6707527637481689e-01 6.7926846444606781e-02 - <_> - - 0 -1 288 7.5943907722830772e-03 - - -1.1112800240516663e-01 2.2462299466133118e-01 - <_> - - 0 -1 289 -7.3589297244325280e-05 - - 1.3988719880580902e-01 -3.4220328927040100e-01 - <_> - - 0 -1 290 -1.0304169700248167e-04 - - 8.2018472254276276e-02 -1.0476870089769363e-01 - <_> - - 0 -1 291 -5.4624290205538273e-03 - - -5.1264250278472900e-01 9.2095062136650085e-02 - <_> - - 0 -1 292 1.9663229584693909e-02 - - 6.1935991048812866e-02 -6.1648821830749512e-01 - <_> - - 0 -1 293 -1.1055600043619052e-04 - - 1.4308770000934601e-01 -2.7447059750556946e-01 - <_> - - 0 -1 294 3.8737419527024031e-03 - - -1.0690200328826904e-01 2.0657220482826233e-01 - <_> - - 0 -1 295 -4.5131230726838112e-03 - - 3.4341660141944885e-01 -1.2317349761724472e-01 - <_> - - 0 -1 296 -6.1594668775796890e-02 - - 9.3623742461204529e-02 -4.5765519142150879e-02 - <_> - - 0 -1 297 1.2142979539930820e-03 - - -1.3058850169181824e-01 3.0691918730735779e-01 - <_> - - 0 -1 298 1.3168719410896301e-01 - - 1.1348670348525047e-02 -3.6062520742416382e-01 - <_> - - 0 -1 299 -9.8962578922510147e-03 - - 9.7268536686897278e-02 -4.5470228791236877e-01 - <_> - - 0 -1 300 -4.3822340667247772e-03 - - -6.9014567136764526e-01 7.1008093655109406e-02 - <_> - - 0 -1 301 -2.4433590471744537e-02 - - 5.0112801790237427e-01 -9.8408728837966919e-02 - <_> - - 0 -1 302 -8.6958734318614006e-03 - - -1.4006440341472626e-01 3.6845669150352478e-02 - <_> - 37 - -1.3051190376281738e+00 - - <_> - - 0 -1 303 -1.7152750864624977e-02 - - 4.7029718756675720e-01 -2.2067089378833771e-01 - <_> - - 0 -1 304 8.3040937781333923e-02 - - 5.5113639682531357e-02 -5.5488407611846924e-01 - <_> - - 0 -1 305 1.2245059758424759e-01 - - -2.8312590718269348e-01 3.4973090887069702e-01 - <_> - - 0 -1 306 7.3496531695127487e-03 - - -1.3282130658626556e-01 4.8876601457595825e-01 - <_> - - 0 -1 307 -9.3082878738641739e-03 - - 4.5475938916206360e-01 -1.4194749295711517e-01 - <_> - - 0 -1 308 1.7290420830249786e-02 - - 9.8470740020275116e-02 -6.8155962228775024e-01 - <_> - - 0 -1 309 6.8027682602405548e-02 - - 1.2287759780883789e-01 -5.8085542917251587e-01 - <_> - - 0 -1 310 -2.5710109621286392e-03 - - -2.8932929039001465e-01 9.2327423393726349e-02 - <_> - - 0 -1 311 -2.7197790332138538e-03 - - -4.8277780413627625e-01 1.2942260503768921e-01 - <_> - - 0 -1 312 3.6168839782476425e-02 - - -3.3225961029529572e-02 2.8994488716125488e-01 - <_> - - 0 -1 313 -4.5704417861998081e-03 - - -5.9805792570114136e-01 1.0446850210428238e-01 - <_> - - 0 -1 314 3.7568379193544388e-03 - - 1.2488850206136703e-01 -5.7084852457046509e-01 - <_> - - 0 -1 315 3.0054030939936638e-03 - - -3.2693040370941162e-01 1.9752669334411621e-01 - <_> - - 0 -1 316 -1.0322710126638412e-01 - - 5.9689277410507202e-01 -9.9626749753952026e-02 - <_> - - 0 -1 317 8.5584551095962524e-02 - - -2.3595149815082550e-01 2.7769410610198975e-01 - <_> - - 0 -1 318 -1.7628820613026619e-02 - - 2.3300230503082275e-01 -3.8094460964202881e-02 - <_> - - 0 -1 319 -7.3259319178760052e-03 - - 1.5533800423145294e-01 -3.4289830923080444e-01 - <_> - - 0 -1 320 1.6643910109996796e-01 - - 1.3593060430139303e-04 -6.0628050565719604e-01 - <_> - - 0 -1 321 1.3041920028626919e-02 - - 1.0876829922199249e-01 -4.7265630960464478e-01 - <_> - - 0 -1 322 -1.3597619719803333e-02 - - -5.8280581235885620e-01 7.2698637843132019e-02 - <_> - - 0 -1 323 6.8220919929444790e-03 - - -1.4359709620475769e-01 3.4434759616851807e-01 - <_> - - 0 -1 324 -1.3025919906795025e-04 - - 7.5394742190837860e-02 -6.7537508904933929e-02 - <_> - - 0 -1 325 -2.4602119810879230e-03 - - -5.1882988214492798e-01 8.0956049263477325e-02 - <_> - - 0 -1 326 -3.2538071274757385e-02 - - -5.8500260114669800e-01 5.7338178157806396e-03 - <_> - - 0 -1 327 2.0106420852243900e-03 - - -1.0640989989042282e-01 4.0276700258255005e-01 - <_> - - 0 -1 328 -4.6432539820671082e-02 - - -4.2023709416389465e-01 4.2063061147928238e-02 - <_> - - 0 -1 329 -1.2824350036680698e-02 - - 4.8449409008026123e-01 -9.4362497329711914e-02 - <_> - - 0 -1 330 3.4120719879865646e-02 - - 2.7428179979324341e-02 -5.6730318069458008e-01 - <_> - - 0 -1 331 -4.4012650847434998e-02 - - 3.7047350406646729e-01 -1.3064679503440857e-01 - <_> - - 0 -1 332 -3.7362610455602407e-03 - - -6.1717242002487183e-01 4.6860579401254654e-02 - <_> - - 0 -1 333 -5.2141821943223476e-03 - - -6.5322470664978027e-01 5.3996030241250992e-02 - <_> - - 0 -1 334 6.4924731850624084e-03 - - 4.4800970703363419e-02 -4.3987420201301575e-01 - <_> - - 0 -1 335 -4.2384970001876354e-03 - - -7.1687930822372437e-01 5.4430369287729263e-02 - <_> - - 0 -1 336 -3.1804300379008055e-03 - - 2.4815900623798370e-01 -8.9008152484893799e-02 - <_> - - 0 -1 337 2.9277798603288829e-04 - - -2.1440739929676056e-01 2.0239150524139404e-01 - <_> - - 0 -1 338 -1.1838439851999283e-02 - - 6.8225288391113281e-01 -5.6109890341758728e-02 - <_> - - 0 -1 339 -2.0604960620403290e-02 - - -6.4495718479156494e-01 6.5811157226562500e-02 - <_> - 45 - -1.2928479909896851e+00 - - <_> - - 0 -1 340 -5.7252319529652596e-03 - - 3.4108111262321472e-01 -3.3441230654716492e-01 - <_> - - 0 -1 341 1.5814049541950226e-01 - - -2.9555070400238037e-01 2.9280221462249756e-01 - <_> - - 0 -1 342 3.5558689851313829e-03 - - -2.8485581278800964e-01 2.4933080375194550e-01 - <_> - - 0 -1 343 -3.1524680089205503e-03 - - -4.6672669053077698e-01 7.6127722859382629e-02 - <_> - - 0 -1 344 -1.4493550173938274e-02 - - 2.5777289271354675e-01 -2.4369129538536072e-01 - <_> - - 0 -1 345 -6.8386606872081757e-02 - - 5.2669358253479004e-01 8.9219277724623680e-03 - <_> - - 0 -1 346 1.0660409461706877e-03 - - -4.9784231185913086e-01 1.1696430295705795e-01 - <_> - - 0 -1 347 1.6208799555897713e-02 - - -3.0983239412307739e-01 9.5886580646038055e-02 - <_> - - 0 -1 348 2.8249868750572205e-01 - - -7.3715627193450928e-02 6.4200782775878906e-01 - <_> - - 0 -1 349 8.6361259222030640e-02 - - 4.0710549801588058e-02 -5.0559818744659424e-01 - <_> - - 0 -1 350 5.1451180130243301e-02 - - -3.3384099602699280e-01 1.6614030301570892e-01 - <_> - - 0 -1 351 -6.9037936627864838e-02 - - -3.1987860798835754e-01 3.4255299717187881e-02 - <_> - - 0 -1 352 -5.6569739244878292e-03 - - -6.1266559362411499e-01 8.3148159086704254e-02 - <_> - - 0 -1 353 -7.1886749938130379e-03 - - 4.2386818677186966e-02 -9.7789242863655090e-02 - <_> - - 0 -1 354 -2.6780599728226662e-02 - - 1.2735369801521301e-01 -3.4852239489555359e-01 - <_> - - 0 -1 355 -6.9346590898931026e-03 - - 4.4443860650062561e-02 -2.6666578650474548e-01 - <_> - - 0 -1 356 1.2057109922170639e-01 - - 9.1515138745307922e-02 -5.5102181434631348e-01 - <_> - - 0 -1 357 1.0571300052106380e-02 - - -1.1927139759063721e-01 1.5043540298938751e-01 - <_> - - 0 -1 358 -1.4446419663727283e-02 - - 3.2619118690490723e-01 -1.3021939992904663e-01 - <_> - - 0 -1 359 4.9188970588147640e-03 - - 2.4317760020494461e-02 -5.8825939893722534e-01 - <_> - - 0 -1 360 -3.8240209687501192e-03 - - -6.5660482645034790e-01 6.3337683677673340e-02 - <_> - - 0 -1 361 -1.7404669523239136e-01 - - -5.4772597551345825e-01 6.0019370168447495e-02 - <_> - - 0 -1 362 4.5922618359327316e-02 - - 5.0438169389963150e-02 -6.9467681646347046e-01 - <_> - - 0 -1 363 -3.9035470690578222e-03 - - 2.2018410265445709e-01 -1.8376649916172028e-01 - <_> - - 0 -1 364 1.7436769558116794e-03 - - 6.1212658882141113e-02 -5.7988357543945312e-01 - <_> - - 0 -1 365 -9.7301546484231949e-03 - - -5.1599711179733276e-01 4.9021121114492416e-02 - <_> - - 0 -1 366 -5.0866428762674332e-02 - - 4.3118700385093689e-01 -9.5599338412284851e-02 - <_> - - 0 -1 367 1.5334750059992075e-04 - - -8.4842063486576080e-02 5.3982339799404144e-02 - <_> - - 0 -1 368 -7.9509448260068893e-03 - - 4.7792288661003113e-01 -9.3340940773487091e-02 - <_> - - 0 -1 369 -4.4662738218903542e-03 - - -6.6406428813934326e-01 7.0635370910167694e-02 - <_> - - 0 -1 370 6.7459428682923317e-03 - - -9.5945097506046295e-02 4.5204031467437744e-01 - <_> - - 0 -1 371 -4.8576910048723221e-02 - - -2.5402069091796875e-01 3.5480510443449020e-02 - <_> - - 0 -1 372 -8.1895291805267334e-03 - - -6.9631862640380859e-01 5.4189778864383698e-02 - <_> - - 0 -1 373 -1.3830559328198433e-04 - - 7.7265933156013489e-02 -4.3882951140403748e-01 - <_> - - 0 -1 374 -2.9827160760760307e-02 - - 5.1934647560119629e-01 -7.4816159904003143e-02 - <_> - - 0 -1 375 1.9728230312466621e-02 - - 4.6895399689674377e-02 -5.6989020109176636e-01 - <_> - - 0 -1 376 1.2107780203223228e-02 - - -1.3739739358425140e-01 3.2666760683059692e-01 - <_> - - 0 -1 377 6.9206808693706989e-03 - - 4.6539328992366791e-02 -4.9861478805541992e-01 - <_> - - 0 -1 378 7.5631309300661087e-03 - - -1.0235120356082916e-01 3.9567971229553223e-01 - <_> - - 0 -1 379 -2.3844289779663086e-01 - - -7.1881687641143799e-01 4.9742348492145538e-02 - <_> - - 0 -1 380 -9.2327659949660301e-03 - - 4.8625311255455017e-01 -7.8327029943466187e-02 - <_> - - 0 -1 381 1.2344529852271080e-02 - - -4.5567270368337631e-02 1.6513639688491821e-01 - <_> - - 0 -1 382 -1.0889769764617085e-03 - - 2.3016020655632019e-01 -1.4696329832077026e-01 - <_> - - 0 -1 383 -5.1214238628745079e-03 - - 1.7787009477615356e-01 -1.9967870414257050e-01 - <_> - - 0 -1 384 2.3381220176815987e-02 - - 3.9966959506273270e-02 -7.6583552360534668e-01 - <_> - 49 - -1.3127609491348267e+00 - - <_> - - 0 -1 385 5.8875479735434055e-03 - - -2.6197949051856995e-01 3.9267268776893616e-01 - <_> - - 0 -1 386 -2.0563710480928421e-02 - - 2.3240800201892853e-01 -3.6058109253644943e-02 - <_> - - 0 -1 387 2.4195060133934021e-02 - - -1.7246599495410919e-01 4.0554100275039673e-01 - <_> - - 0 -1 388 2.2053229808807373e-01 - - -2.4937939643859863e-01 2.4980540573596954e-01 - <_> - - 0 -1 389 8.1213507801294327e-03 - - 9.8432846367359161e-02 -5.0667357444763184e-01 - <_> - - 0 -1 390 -1.5637070173397660e-03 - - -4.1526609659194946e-01 1.3340100646018982e-01 - <_> - - 0 -1 391 1.2210609856992960e-03 - - -2.5663951039314270e-01 2.1268320083618164e-01 - <_> - - 0 -1 392 4.5655488967895508e-02 - - 8.5712976753711700e-02 -5.5701047182083130e-01 - <_> - - 0 -1 393 -1.7322370782494545e-02 - - 1.0083419829607010e-01 -4.3052899837493896e-01 - <_> - - 0 -1 394 2.7879169210791588e-02 - - 4.4392268173396587e-03 -5.7203328609466553e-01 - <_> - - 0 -1 395 -4.7942388802766800e-02 - - 4.9971351027488708e-01 -1.0569220036268234e-01 - <_> - - 0 -1 396 -9.0003162622451782e-02 - - 7.7226841449737549e-01 -3.5037949681282043e-02 - <_> - - 0 -1 397 2.1878979168832302e-03 - - -4.3980291485786438e-01 1.0962349921464920e-01 - <_> - - 0 -1 398 -1.1160460300743580e-02 - - -6.0748499631881714e-01 2.5118330493569374e-02 - <_> - - 0 -1 399 2.3293609265238047e-03 - - 7.4755467474460602e-02 -5.6645327806472778e-01 - <_> - - 0 -1 400 -3.2051369547843933e-02 - - 1.3710969686508179e-01 -1.4014610648155212e-01 - <_> - - 0 -1 401 -1.0117290169000626e-01 - - 6.2204962968826294e-01 -6.4412176609039307e-02 - <_> - - 0 -1 402 4.2040869593620300e-02 - - -8.5930466651916504e-02 4.9315661191940308e-01 - <_> - - 0 -1 403 2.5582410395145416e-02 - - 6.1051581054925919e-02 -6.5449321269989014e-01 - <_> - - 0 -1 404 1.0514019988477230e-02 - - -1.0234809666872025e-01 2.6112779974937439e-01 - <_> - - 0 -1 405 1.1631770030362532e-04 - - -3.1768348813056946e-01 1.2542060017585754e-01 - <_> - - 0 -1 406 -4.4300020672380924e-03 - - 1.9109399616718292e-01 -5.2662618458271027e-02 - <_> - - 0 -1 407 2.0806640386581421e-03 - - -1.4428110420703888e-01 3.0112838745117188e-01 - <_> - - 0 -1 408 5.4104570299386978e-03 - - -5.4554589092731476e-02 3.5240170359611511e-01 - <_> - - 0 -1 409 1.0801830329000950e-02 - - 5.5018458515405655e-02 -7.4443417787551880e-01 - <_> - - 0 -1 410 4.2296931147575378e-02 - - 6.1844110488891602e-02 -3.3144399523735046e-01 - <_> - - 0 -1 411 5.9895617887377739e-03 - - 6.4745798707008362e-02 -5.6030327081680298e-01 - <_> - - 0 -1 412 -9.4227874651551247e-03 - - -3.0067789554595947e-01 4.3195281177759171e-02 - <_> - - 0 -1 413 -2.0783370360732079e-02 - - 3.7524980306625366e-01 -1.0968690365552902e-01 - <_> - - 0 -1 414 -5.2015861729159951e-04 - - -1.1337819695472717e-01 3.7144880741834641e-02 - <_> - - 0 -1 415 -8.0162001540884376e-04 - - -5.2545320987701416e-01 6.6209748387336731e-02 - <_> - - 0 -1 416 -2.5214110501110554e-03 - - -1.5936410427093506e-01 5.1849711686372757e-02 - <_> - - 0 -1 417 9.0704779722727835e-05 - - -3.3334940671920776e-01 1.0919860005378723e-01 - <_> - - 0 -1 418 -1.8114539561793208e-03 - - 1.1214060336351395e-01 -9.0960927307605743e-02 - <_> - - 0 -1 419 -1.9519029557704926e-01 - - -7.2080957889556885e-01 5.0182379782199860e-02 - <_> - - 0 -1 420 -1.4884449541568756e-02 - - -6.0010558366775513e-01 9.1695934534072876e-03 - <_> - - 0 -1 421 -9.3493862077593803e-03 - - 4.8005661368370056e-01 -7.6954081654548645e-02 - <_> - - 0 -1 422 7.1461386978626251e-02 - - -5.7781968265771866e-02 2.6106640696525574e-01 - <_> - - 0 -1 423 5.1590640097856522e-02 - - 7.1806840598583221e-02 -4.6015501022338867e-01 - <_> - - 0 -1 424 3.0857140664011240e-03 - - -9.2065691947937012e-02 1.1266019940376282e-01 - <_> - - 0 -1 425 1.7517179949209094e-03 - - -1.9908079504966736e-01 1.9879740476608276e-01 - <_> - - 0 -1 426 6.3493461348116398e-03 - - -1.0544289648532867e-01 4.3338119983673096e-02 - <_> - - 0 -1 427 4.2910311371088028e-02 - - 5.2926450967788696e-02 -6.6493779420852661e-01 - <_> - - 0 -1 428 -2.8933840990066528e-01 - - -5.9245282411575317e-01 5.0023719668388367e-02 - <_> - - 0 -1 429 1.9839199259877205e-02 - - 4.1037648916244507e-02 -6.7570680379867554e-01 - <_> - - 0 -1 430 -2.9357530176639557e-02 - - -6.5960741043090820e-01 4.1811358183622360e-02 - <_> - - 0 -1 431 8.8180392980575562e-02 - - 6.5817430615425110e-02 -4.4950678944587708e-01 - <_> - - 0 -1 432 -1.3282440602779388e-01 - - -2.1098449826240540e-01 3.9650738239288330e-02 - <_> - - 0 -1 433 8.0266319855581969e-05 - - -2.5888821482658386e-01 1.1488880217075348e-01 - <_> - 55 - -1.3777979612350464e+00 - - <_> - - 0 -1 434 6.5426998771727085e-03 - - -2.2366699576377869e-01 4.7720021009445190e-01 - <_> - - 0 -1 435 -2.2333480592351407e-04 - - 1.0184849798679352e-01 -1.8614460527896881e-01 - <_> - - 0 -1 436 -6.0191731899976730e-03 - - 3.1382268667221069e-01 -2.3328569531440735e-01 - <_> - - 0 -1 437 1.7179940640926361e-01 - - -2.9191988706588745e-01 2.1794080734252930e-01 - <_> - - 0 -1 438 1.6310229897499084e-02 - - -1.4051440358161926e-01 3.2606941461563110e-01 - <_> - - 0 -1 439 -1.5107460319995880e-01 - - 6.4690059423446655e-01 -5.2486609667539597e-02 - <_> - - 0 -1 440 4.6439900994300842e-02 - - -2.4340909719467163e-01 2.6854258775711060e-01 - <_> - - 0 -1 441 -4.3716500513255596e-03 - - -2.9228550195693970e-01 9.8407112061977386e-02 - <_> - - 0 -1 442 1.6864160075783730e-02 - - -2.8363880515098572e-01 1.9571739435195923e-01 - <_> - - 0 -1 443 2.5575649924576283e-03 - - 4.4347479939460754e-02 -1.3447460532188416e-01 - <_> - - 0 -1 444 2.0957190543413162e-02 - - -1.8374939262866974e-01 2.6384368538856506e-01 - <_> - - 0 -1 445 4.1607948951423168e-03 - - 4.9291279166936874e-02 -6.1921811103820801e-01 - <_> - - 0 -1 446 4.1489768773317337e-03 - - 4.1641891002655029e-02 -7.3988562822341919e-01 - <_> - - 0 -1 447 2.1313559263944626e-02 - - 2.3694250732660294e-02 -5.6835669279098511e-01 - <_> - - 0 -1 448 1.2101300060749054e-02 - - -9.5187656581401825e-02 4.6901950240135193e-01 - <_> - - 0 -1 449 1.8083410104736686e-03 - - 4.7500770539045334e-02 -3.0990800261497498e-01 - <_> - - 0 -1 450 -1.0990530252456665e-02 - - 6.7560458183288574e-01 -6.0268498957157135e-02 - <_> - - 0 -1 451 -8.9888361981138587e-04 - - 1.6142509877681732e-01 -8.0034710466861725e-02 - <_> - - 0 -1 452 8.5803032561670989e-05 - - -2.5957980751991272e-01 1.5043449401855469e-01 - <_> - - 0 -1 453 -1.0529270395636559e-02 - - 4.8798549175262451e-01 -1.0572060197591782e-01 - <_> - - 0 -1 454 -2.5140570942312479e-03 - - -5.9965860843658447e-01 7.1445137262344360e-02 - <_> - - 0 -1 455 -2.0928360521793365e-02 - - -6.3737767934799194e-01 1.1195439845323563e-02 - <_> - - 0 -1 456 8.4567293524742126e-03 - - 1.0487599670886993e-01 -3.3027571439743042e-01 - <_> - - 0 -1 457 1.1649870127439499e-01 - - 4.9215629696846008e-02 -7.1875381469726562e-01 - <_> - - 0 -1 458 1.0911310091614723e-02 - - 4.0617398917675018e-02 -7.1910649538040161e-01 - <_> - - 0 -1 459 -2.4141639471054077e-02 - - 4.6759098768234253e-01 -3.2959330826997757e-02 - <_> - - 0 -1 460 1.2029770296066999e-03 - - -3.1624960899353027e-01 1.1505530029535294e-01 - <_> - - 0 -1 461 9.8068173974752426e-03 - - -3.6025181412696838e-02 1.7123579978942871e-01 - <_> - - 0 -1 462 6.7418841645121574e-03 - - 6.2854416668415070e-02 -5.5376541614532471e-01 - <_> - - 0 -1 463 -1.3345720246434212e-02 - - -7.5741612911224365e-01 9.3524847179651260e-03 - <_> - - 0 -1 464 8.8471651077270508e-02 - - 5.5774558335542679e-02 -5.2644717693328857e-01 - <_> - - 0 -1 465 -1.4308050274848938e-02 - - -5.0163388252258301e-01 6.1552900820970535e-02 - <_> - - 0 -1 466 2.3234330583363771e-03 - - -8.7273299694061279e-02 3.7597200274467468e-01 - <_> - - 0 -1 467 -6.6605149768292904e-03 - - -5.6011527776718140e-01 4.5979429036378860e-02 - <_> - - 0 -1 468 -2.3684150073677301e-04 - - 9.2453077435493469e-02 -3.4188869595527649e-01 - <_> - - 0 -1 469 5.2499719895422459e-03 - - -1.0243079811334610e-01 3.8211381435394287e-01 - <_> - - 0 -1 470 9.6710777143016458e-05 - - -1.4891329407691956e-01 2.4878869950771332e-01 - <_> - - 0 -1 471 -3.1435599084943533e-03 - - 2.0501570403575897e-01 -5.9435389935970306e-02 - <_> - - 0 -1 472 -1.9189229351468384e-04 - - 1.2612619996070862e-01 -3.2496848702430725e-01 - <_> - - 0 -1 473 -4.6893218532204628e-03 - - 3.2404568791389465e-01 -3.2848190516233444e-02 - <_> - - 0 -1 474 3.0783370602875948e-03 - - 5.5750191211700439e-02 -5.7443851232528687e-01 - <_> - - 0 -1 475 1.3539710082113743e-02 - - -3.2638911157846451e-02 4.8875731229782104e-01 - <_> - - 0 -1 476 8.2393882621545345e-05 - - -2.2491760551929474e-01 1.5178939700126648e-01 - <_> - - 0 -1 477 -9.3342671170830727e-03 - - -5.7278221845626831e-01 4.6149488538503647e-02 - <_> - - 0 -1 478 4.5541571453213692e-03 - - -2.0548130571842194e-01 1.4704200625419617e-01 - <_> - - 0 -1 479 2.4691719561815262e-02 - - 2.0886249840259552e-02 -5.6028658151626587e-01 - <_> - - 0 -1 480 9.7412186732981354e-05 - - -1.5648730099201202e-01 1.9009509682655334e-01 - <_> - - 0 -1 481 5.7823117822408676e-03 - - -1.2173660099506378e-01 2.1024130284786224e-01 - <_> - - 0 -1 482 -6.4938321709632874e-02 - - 5.5764448642730713e-01 -6.1514221131801605e-02 - <_> - - 0 -1 483 -5.9424177743494511e-03 - - -4.4680491089820862e-01 5.5648550391197205e-02 - <_> - - 0 -1 484 -5.0992597825825214e-03 - - 1.9794790446758270e-01 -1.8055149912834167e-01 - <_> - - 0 -1 485 -1.5280229970812798e-02 - - -8.6270570755004883e-02 3.5552538931369781e-02 - <_> - - 0 -1 486 -7.4432790279388428e-03 - - 1.7408570647239685e-01 -1.8400490283966064e-01 - <_> - - 0 -1 487 5.1331128925085068e-03 - - -8.8491149246692657e-02 3.1532418727874756e-01 - <_> - - 0 -1 488 2.4648790713399649e-03 - - -8.3607397973537445e-02 3.5939309000968933e-01 - <_> - 57 - -1.2673230171203613e+00 - - <_> - - 0 -1 489 3.2584890723228455e-02 - - -2.9446709156036377e-01 3.8783320784568787e-01 - <_> - - 0 -1 490 -1.5954829752445221e-02 - - -8.7387222051620483e-01 1.3140209950506687e-02 - <_> - - 0 -1 491 6.5294029191136360e-03 - - -1.8746000528335571e-01 3.4920379519462585e-01 - <_> - - 0 -1 492 -6.9139063358306885e-02 - - -3.2066041231155396e-01 2.1070230752229691e-02 - <_> - - 0 -1 493 -2.7401080355048180e-02 - - 1.6137300431728363e-01 -3.3988159894943237e-01 - <_> - - 0 -1 494 5.4834091663360596e-01 - - -1.1290470138192177e-02 -1.0005040168762207e+00 - <_> - - 0 -1 495 4.6463169157505035e-02 - - -7.0668822526931763e-01 5.8523610234260559e-02 - <_> - - 0 -1 496 3.5692781209945679e-02 - - -1.2722860090434551e-02 5.1669907569885254e-01 - <_> - - 0 -1 497 -8.8253971189260483e-03 - - 3.5113370418548584e-01 -1.2264049798250198e-01 - <_> - - 0 -1 498 -2.4928439408540726e-02 - - -4.1226190328598022e-01 8.2819983363151550e-03 - <_> - - 0 -1 499 8.3438487490639091e-04 - - -3.1004768610000610e-01 1.2824219465255737e-01 - <_> - - 0 -1 500 4.3677380308508873e-03 - - 8.7895832955837250e-02 -5.5109828710556030e-01 - <_> - - 0 -1 501 -6.0594570823013783e-03 - - 2.3694829642772675e-01 -1.6963149607181549e-01 - <_> - - 0 -1 502 -1.3386299833655357e-02 - - -2.9353159666061401e-01 3.3642090857028961e-02 - <_> - - 0 -1 503 5.5047020316123962e-02 - - 9.9271617829799652e-02 -4.0973669290542603e-01 - <_> - - 0 -1 504 1.7345769330859184e-02 - - -1.0950370132923126e-01 4.2251870036125183e-01 - <_> - - 0 -1 505 5.1694452762603760e-01 - - -5.7410959154367447e-02 6.4137631654739380e-01 - <_> - - 0 -1 506 6.5628431737422943e-02 - - 3.3641148358583450e-02 -6.0003411769866943e-01 - <_> - - 0 -1 507 1.0161089897155762e-01 - - -2.5070580840110779e-01 1.8186099827289581e-01 - <_> - - 0 -1 508 2.9830370098352432e-02 - - -1.1608160287141800e-01 3.5246831178665161e-01 - <_> - - 0 -1 509 -6.6538550890982151e-04 - - -5.6480127573013306e-01 6.4513862133026123e-02 - <_> - - 0 -1 510 8.9011844247579575e-03 - - 3.7113070487976074e-02 -6.2943869829177856e-01 - <_> - - 0 -1 511 -5.7988148182630539e-03 - - 3.3002421259880066e-01 -1.1569269746541977e-01 - <_> - - 0 -1 512 1.8202450126409531e-02 - - 2.2297389805316925e-02 -6.8679827451705933e-01 - <_> - - 0 -1 513 -6.3430098816752434e-03 - - -5.9504687786102295e-01 5.3902018815279007e-02 - <_> - - 0 -1 514 1.0256610065698624e-01 - - 1.1425909586250782e-02 -3.4088680148124695e-01 - <_> - - 0 -1 515 -2.1729130297899246e-02 - - 1.0024060308933258e-01 -3.6016431450843811e-01 - <_> - - 0 -1 516 -4.0402188897132874e-02 - - -7.9971337318420410e-01 1.0374830104410648e-02 - <_> - - 0 -1 517 -1.1156830005347729e-02 - - 4.1818261146545410e-01 -1.0622619837522507e-01 - <_> - - 0 -1 518 1.0242810240015388e-03 - - -7.2071209549903870e-02 9.9886089563369751e-02 - <_> - - 0 -1 519 9.5549278194084764e-04 - - -1.6656149923801422e-01 2.7860009670257568e-01 - <_> - - 0 -1 520 1.3702700380235910e-04 - - -3.1575959920883179e-01 1.1808790266513824e-01 - <_> - - 0 -1 521 -1.9174149632453918e-01 - - 5.2235382795333862e-01 -7.6672300696372986e-02 - <_> - - 0 -1 522 2.5123620871454477e-03 - - -8.5517987608909607e-02 2.7882871031761169e-01 - <_> - - 0 -1 523 3.6384440027177334e-03 - - -1.0173840075731277e-01 3.6575859785079956e-01 - <_> - - 0 -1 524 -9.1068800538778305e-03 - - -1.9999110698699951e-01 3.5431660711765289e-02 - <_> - - 0 -1 525 -2.5456059724092484e-02 - - -6.6976618766784668e-01 5.1672291010618210e-02 - <_> - - 0 -1 526 -2.5856729596853256e-02 - - -7.3498648405075073e-01 2.7689380571246147e-02 - <_> - - 0 -1 527 8.5871294140815735e-03 - - -1.1443380266427994e-01 2.7319890260696411e-01 - <_> - - 0 -1 528 3.5716209094971418e-03 - - 6.0280900448560715e-02 -2.6631888747215271e-01 - <_> - - 0 -1 529 1.0332760401070118e-02 - - 3.8581959903240204e-02 -6.7532962560653687e-01 - <_> - - 0 -1 530 -8.3224009722471237e-03 - - 2.5268268585205078e-01 -6.8770729005336761e-02 - <_> - - 0 -1 531 -1.8182119820266962e-03 - - -3.1761169433593750e-01 9.2666782438755035e-02 - <_> - - 0 -1 532 -1.3169780373573303e-02 - - -5.3651332855224609e-01 2.8106879442930222e-02 - <_> - - 0 -1 533 2.0408600568771362e-02 - - -6.0603220015764236e-02 5.0572431087493896e-01 - <_> - - 0 -1 534 1.7321230471134186e-01 - - 2.1015009842813015e-03 3.2260191440582275e-01 - <_> - - 0 -1 535 -5.8910921216011047e-02 - - 1.4044930040836334e-01 -2.0362600684165955e-01 - <_> - - 0 -1 536 4.9123559147119522e-03 - - 7.1367353200912476e-02 -5.0733560323715210e-01 - <_> - - 0 -1 537 -1.3819620653521270e-04 - - 7.6624020934104919e-02 -3.4903231263160706e-01 - <_> - - 0 -1 538 1.2017219560220838e-03 - - -5.1169282197952271e-01 5.4793931543827057e-02 - <_> - - 0 -1 539 -5.4135429672896862e-03 - - -5.0181478261947632e-01 5.0226181745529175e-02 - <_> - - 0 -1 540 -3.3707648515701294e-02 - - -8.5764700174331665e-01 4.7642397694289684e-03 - <_> - - 0 -1 541 1.2718940153717995e-02 - - -1.0830610245466232e-01 2.8867751359939575e-01 - <_> - - 0 -1 542 -2.0672269165515900e-02 - - -3.0906811356544495e-01 2.1581029519438744e-02 - <_> - - 0 -1 543 1.5933969989418983e-02 - - -8.3755359053611755e-02 4.1743949055671692e-01 - <_> - - 0 -1 544 9.3405526131391525e-03 - - 4.7591928392648697e-02 -6.5143817663192749e-01 - <_> - - 0 -1 545 1.3016579672694206e-02 - - 5.3528260439634323e-02 -4.8644289374351501e-01 - <_> - 61 - -1.3531359434127808e+00 - - <_> - - 0 -1 546 5.0423052161931992e-03 - - -2.2111539542675018e-01 4.3673288822174072e-01 - <_> - - 0 -1 547 3.3594230189919472e-03 - - -1.7003799974918365e-01 1.2387859821319580e-01 - <_> - - 0 -1 548 -2.2854709997773170e-02 - - 3.0707350373268127e-01 -1.9186529517173767e-01 - <_> - - 0 -1 549 4.3850108049809933e-03 - - 3.2038759440183640e-02 -1.4620819687843323e-01 - <_> - - 0 -1 550 -5.3011639975011349e-03 - - 1.6375949978828430e-01 -2.8174880146980286e-01 - <_> - - 0 -1 551 4.9680870026350021e-02 - - 4.2250480502843857e-02 -6.0391640663146973e-01 - <_> - - 0 -1 552 -5.1453109830617905e-02 - - 6.5720152854919434e-01 -7.0812806487083435e-02 - <_> - - 0 -1 553 2.7113489806652069e-02 - - 2.9805190861225128e-02 -4.0825900435447693e-01 - <_> - - 0 -1 554 2.3578230291604996e-02 - - -3.0918011069297791e-01 2.1382910013198853e-01 - <_> - - 0 -1 555 2.9583559371531010e-03 - - 2.3970389738678932e-02 -1.6768220067024231e-01 - <_> - - 0 -1 556 -2.8374159592203796e-04 - - 1.9550369679927826e-01 -2.6317828893661499e-01 - <_> - - 0 -1 557 3.8295589387416840e-02 - - -8.1490896642208099e-02 4.1922101378440857e-01 - <_> - - 0 -1 558 -1.0575760155916214e-02 - - -5.5699461698532104e-01 6.0772120952606201e-02 - <_> - - 0 -1 559 -1.3283690204843879e-03 - - 9.2958763241767883e-02 -3.3554950356483459e-01 - <_> - - 0 -1 560 1.8217159667983651e-03 - - -9.9800482392311096e-02 3.8015770912170410e-01 - <_> - - 0 -1 561 -1.8067359924316406e-03 - - -5.1108711957931519e-01 6.8366326391696930e-02 - <_> - - 0 -1 562 6.6835001111030579e-02 - - 3.1457249075174332e-02 -6.9415211677551270e-01 - <_> - - 0 -1 563 -1.3109239749610424e-02 - - 6.0284411907196045e-01 -8.0423787236213684e-02 - <_> - - 0 -1 564 -1.9930349662899971e-03 - - -4.1979709267616272e-01 8.9367941021919250e-02 - <_> - - 0 -1 565 -1.0855719447135925e-03 - - -2.4703420698642731e-01 5.2764680236577988e-02 - <_> - - 0 -1 566 -2.0320110488682985e-03 - - -6.1820042133331299e-01 5.1938790827989578e-02 - <_> - - 0 -1 567 1.6026819124817848e-02 - - -8.5486106574535370e-02 5.8234047889709473e-01 - <_> - - 0 -1 568 1.7896020784974098e-02 - - 6.8894177675247192e-02 -5.8082962036132812e-01 - <_> - - 0 -1 569 -2.4853560607880354e-03 - - 2.0646420121192932e-01 -6.0466051101684570e-02 - <_> - - 0 -1 570 -1.8073250539600849e-03 - - 2.5038561224937439e-01 -1.3862800598144531e-01 - <_> - - 0 -1 571 -1.1800680309534073e-02 - - -5.5517327785491943e-01 2.3907609283924103e-02 - <_> - - 0 -1 572 5.3180782124400139e-03 - - -1.0365380346775055e-01 3.5622540116310120e-01 - <_> - - 0 -1 573 -1.9885929941665381e-04 - - 7.9137459397315979e-02 -7.1248553693294525e-02 - <_> - - 0 -1 574 1.2722889892756939e-02 - - 3.6043450236320496e-02 -7.7585661411285400e-01 - <_> - - 0 -1 575 5.4894611239433289e-03 - - -1.1198099702596664e-01 2.9539060592651367e-01 - <_> - - 0 -1 576 3.1117599457502365e-02 - - 6.8027697503566742e-02 -4.7621628642082214e-01 - <_> - - 0 -1 577 -1.0922919958829880e-02 - - 3.7011030316352844e-01 -1.5059700608253479e-01 - <_> - - 0 -1 578 -1.7167469486594200e-03 - - 2.7644971013069153e-01 -1.1304590106010437e-01 - <_> - - 0 -1 579 -1.3501050416380167e-03 - - -3.5303080081939697e-01 9.9187247455120087e-02 - <_> - - 0 -1 580 1.9909780472517014e-02 - - 6.5169408917427063e-02 -4.9353629350662231e-01 - <_> - - 0 -1 581 2.3044180124998093e-02 - - 1.7247360199689865e-02 -3.9788180589675903e-01 - <_> - - 0 -1 582 9.6177039667963982e-03 - - -1.1394459754228592e-01 3.1357648968696594e-01 - <_> - - 0 -1 583 -7.6275239698588848e-03 - - -9.2318731546401978e-01 7.8877164050936699e-03 - <_> - - 0 -1 584 8.7190303020179272e-05 - - -3.0970078706741333e-01 9.5611982047557831e-02 - <_> - - 0 -1 585 -1.1889990419149399e-02 - - 4.7901371121406555e-01 -3.5577189177274704e-02 - <_> - - 0 -1 586 8.4557365626096725e-03 - - 5.2709650248289108e-02 -5.7321697473526001e-01 - <_> - - 0 -1 587 1.1996040120720863e-02 - - 1.9709009677171707e-02 -6.9532912969589233e-01 - <_> - - 0 -1 588 -2.7005810290575027e-02 - - 5.9652292728424072e-01 -5.1673818379640579e-02 - <_> - - 0 -1 589 1.8543410114943981e-03 - - 7.2791919112205505e-02 -5.0846791267395020e-01 - <_> - - 0 -1 590 7.5675587868317962e-04 - - -3.8867241144180298e-01 6.5925061702728271e-02 - <_> - - 0 -1 591 -3.8905180990695953e-02 - - -6.0740387439727783e-01 3.5101689863950014e-03 - <_> - - 0 -1 592 -5.7714940048754215e-03 - - 1.7274090647697449e-01 -1.7644210159778595e-01 - <_> - - 0 -1 593 -9.1350553557276726e-03 - - -2.8621628880500793e-01 3.0258299782872200e-02 - <_> - - 0 -1 594 4.5439298264682293e-03 - - -8.5076972842216492e-02 4.1360539197921753e-01 - <_> - - 0 -1 595 1.5785360708832741e-02 - - -9.6528999507427216e-02 2.8125289082527161e-01 - <_> - - 0 -1 596 1.7944289371371269e-02 - - 5.0230890512466431e-02 -6.4134520292282104e-01 - <_> - - 0 -1 597 -3.8975570350885391e-02 - - -2.5966680049896240e-01 3.0592629685997963e-02 - <_> - - 0 -1 598 5.2373361540958285e-04 - - 1.0446350276470184e-01 -3.1365889310836792e-01 - <_> - - 0 -1 599 -2.5457229465246201e-02 - - -1.6731269657611847e-01 3.7427790462970734e-02 - <_> - - 0 -1 600 -4.2908679693937302e-02 - - -4.0295800566673279e-01 6.5455727279186249e-02 - <_> - - 0 -1 601 -5.1728109829127789e-03 - - 3.1299790740013123e-01 -7.0367880165576935e-02 - <_> - - 0 -1 602 -1.8753990298137069e-04 - - 1.5299630165100098e-01 -2.0695990324020386e-01 - <_> - - 0 -1 603 -1.9984589889645576e-03 - - 2.6436290144920349e-01 -1.0118020325899124e-01 - <_> - - 0 -1 604 -3.7929560057818890e-03 - - 2.8518161177635193e-01 -1.0743419826030731e-01 - <_> - - 0 -1 605 4.5540980994701385e-02 - - 4.5009840279817581e-02 -2.0425949990749359e-01 - <_> - - 0 -1 606 2.4831600487232208e-02 - - 4.9255561083555222e-02 -6.0236537456512451e-01 - <_> - 59 - -1.1971529722213745e+00 - - <_> - - 0 -1 607 3.9991321973502636e-03 - - -2.6711270213127136e-01 3.5392650961875916e-01 - <_> - - 0 -1 608 1.1023290455341339e-02 - - -1.0786689817905426e-01 1.0729049891233444e-01 - <_> - - 0 -1 609 -3.7521351128816605e-02 - - 3.0647391080856323e-01 -2.1749919652938843e-01 - <_> - - 0 -1 610 -2.7670729905366898e-03 - - -3.9869681000709534e-01 8.7402120232582092e-02 - <_> - - 0 -1 611 1.9890109542757273e-03 - - -3.2719919085502625e-01 2.0264029502868652e-01 - <_> - - 0 -1 612 1.9364669919013977e-02 - - -5.1705140620470047e-02 1.2021850049495697e-01 - <_> - - 0 -1 613 -1.1918369680643082e-02 - - 1.2546530365943909e-01 -3.7106749415397644e-01 - <_> - - 0 -1 614 9.5910847187042236e-02 - - -1.7389330267906189e-01 2.2600440680980682e-01 - <_> - - 0 -1 615 1.0751710087060928e-01 - - -7.8588336706161499e-02 5.7250618934631348e-01 - <_> - - 0 -1 616 -3.1022340059280396e-02 - - 1.4575169980525970e-01 -3.2396531105041504e-01 - <_> - - 0 -1 617 1.6883790493011475e-02 - - -1.6565980017185211e-01 2.9082998633384705e-01 - <_> - - 0 -1 618 5.0262849981663749e-05 - - -5.7035660743713379e-01 6.2110569328069687e-02 - <_> - - 0 -1 619 9.1006923466920853e-03 - - 5.5405318737030029e-02 -4.9272969365119934e-01 - <_> - - 0 -1 620 -1.6937600076198578e-01 - - 5.4915368556976318e-01 -3.9581310003995895e-02 - <_> - - 0 -1 621 1.9913749769330025e-02 - - 9.4958506524562836e-02 -5.1041561365127563e-01 - <_> - - 0 -1 622 3.0223759822547436e-03 - - -6.3331179320812225e-02 2.0407359302043915e-01 - <_> - - 0 -1 623 -4.5423391275107861e-03 - - 4.2783120274543762e-01 -7.8888073563575745e-02 - <_> - - 0 -1 624 -3.5147000104188919e-02 - - -6.1061471700668335e-01 2.5506079196929932e-02 - <_> - - 0 -1 625 2.0077088847756386e-03 - - 6.3804052770137787e-02 -4.4934588670730591e-01 - <_> - - 0 -1 626 -1.5540630556643009e-03 - - -4.0192028880119324e-01 3.1636688858270645e-02 - <_> - - 0 -1 627 1.4254899695515633e-02 - - -7.9566307365894318e-02 3.8706529140472412e-01 - <_> - - 0 -1 628 1.1024920269846916e-02 - - 6.7027233541011810e-02 -2.8063619136810303e-01 - <_> - - 0 -1 629 -5.1981899887323380e-03 - - 3.6570119857788086e-01 -1.1679860204458237e-01 - <_> - - 0 -1 630 4.9434448592364788e-03 - - 4.9997199326753616e-02 -1.4642210304737091e-01 - <_> - - 0 -1 631 -1.6670800745487213e-02 - - -4.9238750338554382e-01 6.1317440122365952e-02 - <_> - - 0 -1 632 7.7939140610396862e-03 - - -2.9953140765428543e-02 2.3316749930381775e-01 - <_> - - 0 -1 633 -1.4590610517188907e-03 - - -5.7006311416625977e-01 5.3406499326229095e-02 - <_> - - 0 -1 634 -2.2517830133438110e-02 - - 1.1464659869670868e-01 -1.2585699558258057e-01 - <_> - - 0 -1 635 1.4919370412826538e-02 - - 5.2204128354787827e-02 -5.6187790632247925e-01 - <_> - - 0 -1 636 -1.8656760454177856e-01 - - 6.0989791154861450e-01 -5.0142709165811539e-02 - <_> - - 0 -1 637 1.2466400221455842e-04 - - -3.2725819945335388e-01 8.6407169699668884e-02 - <_> - - 0 -1 638 -8.5008898749947548e-03 - - 4.0898931026458740e-01 -8.6464531719684601e-02 - <_> - - 0 -1 639 1.4465590007603168e-02 - - 5.5936750024557114e-02 -5.2939140796661377e-01 - <_> - - 0 -1 640 1.1536439880728722e-02 - - -9.3967936933040619e-02 4.0461421012878418e-01 - <_> - - 0 -1 641 1.6789000481367111e-02 - - 4.9098148941993713e-02 -6.1509531736373901e-01 - <_> - - 0 -1 642 -2.9727790970355272e-03 - - 1.5688349306583405e-01 -7.9878687858581543e-02 - <_> - - 0 -1 643 2.7876989915966988e-03 - - -1.1298049986362457e-01 2.3814339935779572e-01 - <_> - - 0 -1 644 2.6815771125257015e-03 - - -6.3131898641586304e-02 1.7341490089893341e-01 - <_> - - 0 -1 645 -1.6932430444285274e-03 - - 2.9134979844093323e-01 -9.7688913345336914e-02 - <_> - - 0 -1 646 -2.1838879212737083e-02 - - 2.2410179674625397e-01 -6.3271783292293549e-02 - <_> - - 0 -1 647 -4.6455059200525284e-02 - - -6.6729080677032471e-01 4.1569691151380539e-02 - <_> - - 0 -1 648 3.4257268905639648e-01 - - -4.3775469064712524e-02 4.2250889539718628e-01 - <_> - - 0 -1 649 -9.7134057432413101e-03 - - 2.8876009583473206e-01 -1.0904739797115326e-01 - <_> - - 0 -1 650 -1.9520539790391922e-03 - - 1.1463859677314758e-01 -1.0175020247697830e-01 - <_> - - 0 -1 651 -1.8771419301629066e-02 - - 6.2400698661804199e-01 -5.0913780927658081e-02 - <_> - - 0 -1 652 2.5264939665794373e-01 - - -2.2805340588092804e-01 1.4274069666862488e-01 - <_> - - 0 -1 653 -7.8301310539245605e-02 - - -4.9581411480903625e-01 5.4817609488964081e-02 - <_> - - 0 -1 654 -1.6115349531173706e-01 - - -5.7617807388305664e-01 4.2033191770315170e-02 - <_> - - 0 -1 655 1.3769039884209633e-02 - - 4.6666219830513000e-02 -5.0551378726959229e-01 - <_> - - 0 -1 656 -1.8329080194234848e-02 - - -7.9812979698181152e-01 -6.3357828184962273e-04 - <_> - - 0 -1 657 -3.9759539067745209e-03 - - 2.6330900192260742e-01 -1.0175059735774994e-01 - <_> - - 0 -1 658 1.9660349935293198e-02 - - 3.9909198880195618e-02 -6.7467451095581055e-01 - <_> - - 0 -1 659 -8.9697521179914474e-03 - - 5.5054008960723877e-02 -4.3380209803581238e-01 - <_> - - 0 -1 660 1.7052260041236877e-01 - - -8.9983023703098297e-02 1.5587039291858673e-01 - <_> - - 0 -1 661 -6.7584879696369171e-02 - - 1.8699319660663605e-01 -1.3449880480766296e-01 - <_> - - 0 -1 662 -4.9654832109808922e-03 - - 2.1740439534187317e-01 -6.8494133651256561e-02 - <_> - - 0 -1 663 -3.6419339012354612e-03 - - 2.2659860551357269e-01 -1.1511819809675217e-01 - <_> - - 0 -1 664 3.0941639095544815e-02 - - 9.5881456509232521e-03 -4.3764260411262512e-01 - <_> - - 0 -1 665 2.0714900456368923e-03 - - -6.9400407373905182e-02 3.5815268754959106e-01 - - <_> - - <_> - 2 7 8 12 -1. - <_> - 2 7 4 6 2. - <_> - 6 13 4 6 2. - <_> - - <_> - 3 7 8 2 -1. - <_> - 5 7 4 2 2. - <_> - - <_> - 6 4 3 4 -1. - <_> - 5 5 3 2 2. - 1 - <_> - - <_> - 4 0 8 18 -1. - <_> - 4 9 8 9 2. - <_> - - <_> - 0 18 3 2 -1. - <_> - 0 19 3 1 2. - <_> - - <_> - 11 0 1 10 -1. - <_> - 11 5 1 5 2. - <_> - - <_> - 0 0 10 1 -1. - <_> - 5 0 5 1 2. - <_> - - <_> - 2 5 8 14 -1. - <_> - 2 5 4 7 2. - <_> - 6 12 4 7 2. - <_> - - <_> - 0 0 12 8 -1. - <_> - 0 4 12 4 2. - <_> - - <_> - 2 7 6 10 -1. - <_> - 2 12 6 5 2. - <_> - - <_> - 8 2 4 8 -1. - <_> - 10 2 2 4 2. - <_> - 8 6 2 4 2. - <_> - - <_> - 0 2 4 8 -1. - <_> - 0 2 2 4 2. - <_> - 2 6 2 4 2. - <_> - - <_> - 0 18 12 2 -1. - <_> - 6 18 6 1 2. - <_> - 0 19 6 1 2. - <_> - - <_> - 0 14 12 6 -1. - <_> - 6 14 6 6 2. - <_> - - <_> - 6 12 2 6 -1. - <_> - 6 12 2 3 2. - 1 - <_> - - <_> - 6 12 6 2 -1. - <_> - 6 12 3 2 2. - 1 - <_> - - <_> - 6 8 6 6 -1. - <_> - 8 10 2 6 3. - 1 - <_> - - <_> - 3 6 9 3 -1. - <_> - 6 7 3 1 9. - <_> - - <_> - 0 0 1 12 -1. - <_> - 0 6 1 6 2. - <_> - - <_> - 6 2 4 5 -1. - <_> - 6 2 2 5 2. - 1 - <_> - - <_> - 4 5 4 4 -1. - <_> - 4 7 4 2 2. - <_> - - <_> - 8 0 4 4 -1. - <_> - 8 2 4 2 2. - <_> - - <_> - 3 0 3 20 -1. - <_> - 3 10 3 10 2. - <_> - - <_> - 9 16 3 4 -1. - <_> - 9 17 3 2 2. - <_> - - <_> - 0 0 4 4 -1. - <_> - 0 2 4 2 2. - <_> - - <_> - 9 16 3 4 -1. - <_> - 9 17 3 2 2. - <_> - - <_> - 0 16 3 4 -1. - <_> - 0 17 3 2 2. - <_> - - <_> - 3 7 8 1 -1. - <_> - 5 7 4 1 2. - <_> - - <_> - 0 4 9 6 -1. - <_> - 3 6 3 2 9. - <_> - - <_> - 6 13 6 1 -1. - <_> - 8 15 2 1 3. - 1 - <_> - - <_> - 6 13 1 6 -1. - <_> - 4 15 1 2 3. - 1 - <_> - - <_> - 2 3 9 2 -1. - <_> - 2 4 9 1 2. - <_> - - <_> - 0 6 1 4 -1. - <_> - 0 8 1 2 2. - <_> - - <_> - 4 8 7 10 -1. - <_> - 4 13 7 5 2. - <_> - - <_> - 2 7 8 12 -1. - <_> - 2 7 4 6 2. - <_> - 6 13 4 6 2. - <_> - - <_> - 6 5 3 3 -1. - <_> - 7 6 1 3 3. - 1 - <_> - - <_> - 6 5 3 3 -1. - <_> - 5 6 3 1 3. - 1 - <_> - - <_> - 5 16 4 4 -1. - <_> - 5 18 4 2 2. - <_> - - <_> - 0 17 12 3 -1. - <_> - 6 17 6 3 2. - <_> - - <_> - 0 15 12 3 -1. - <_> - 0 15 6 3 2. - <_> - - <_> - 0 0 2 16 -1. - <_> - 0 4 2 8 2. - <_> - - <_> - 2 0 8 13 -1. - <_> - 2 0 4 13 2. - <_> - - <_> - 0 0 6 2 -1. - <_> - 0 1 6 1 2. - <_> - - <_> - 7 18 5 2 -1. - <_> - 7 19 5 1 2. - <_> - - <_> - 0 18 5 2 -1. - <_> - 0 19 5 1 2. - <_> - - <_> - 6 15 2 3 -1. - <_> - 6 15 1 3 2. - 1 - <_> - - <_> - 6 15 3 2 -1. - <_> - 6 15 3 1 2. - 1 - <_> - - <_> - 2 7 8 12 -1. - <_> - 2 7 4 6 2. - <_> - 6 13 4 6 2. - <_> - - <_> - 5 16 4 4 -1. - <_> - 5 18 4 2 2. - <_> - - <_> - 6 3 6 6 -1. - <_> - 4 5 6 2 3. - 1 - <_> - - <_> - 0 16 12 4 -1. - <_> - 6 16 6 2 2. - <_> - 0 18 6 2 2. - <_> - - <_> - 0 2 10 4 -1. - <_> - 0 4 10 2 2. - <_> - - <_> - 8 9 2 8 -1. - <_> - 6 11 2 4 2. - 1 - <_> - - <_> - 4 9 8 3 -1. - <_> - 6 11 4 3 2. - 1 - <_> - - <_> - 6 12 1 6 -1. - <_> - 6 12 1 3 2. - 1 - <_> - - <_> - 6 12 6 1 -1. - <_> - 6 12 3 1 2. - 1 - <_> - - <_> - 8 1 4 10 -1. - <_> - 10 1 2 5 2. - <_> - 8 6 2 5 2. - <_> - - <_> - 0 0 1 12 -1. - <_> - 0 6 1 6 2. - <_> - - <_> - 9 0 2 1 -1. - <_> - 9 0 1 1 2. - 1 - <_> - - <_> - 3 0 1 2 -1. - <_> - 3 0 1 1 2. - 1 - <_> - - <_> - 6 4 3 3 -1. - <_> - 7 5 1 3 3. - 1 - <_> - - <_> - 6 5 3 3 -1. - <_> - 5 6 3 1 3. - 1 - <_> - - <_> - 10 2 2 3 -1. - <_> - 10 3 2 1 3. - <_> - - <_> - 0 2 2 3 -1. - <_> - 0 3 2 1 3. - <_> - - <_> - 4 8 8 4 -1. - <_> - 6 10 4 4 2. - 1 - <_> - - <_> - 3 6 9 3 -1. - <_> - 6 7 3 1 9. - <_> - - <_> - 0 1 4 10 -1. - <_> - 0 1 2 5 2. - <_> - 2 6 2 5 2. - <_> - - <_> - 3 3 8 17 -1. - <_> - 5 3 4 17 2. - <_> - - <_> - 4 0 4 8 -1. - <_> - 6 0 2 8 2. - <_> - - <_> - 6 10 6 3 -1. - <_> - 6 10 3 3 2. - 1 - <_> - - <_> - 0 18 4 2 -1. - <_> - 0 19 4 1 2. - <_> - - <_> - 6 10 6 3 -1. - <_> - 6 10 3 3 2. - 1 - <_> - - <_> - 1 6 9 3 -1. - <_> - 4 7 3 1 9. - <_> - - <_> - 6 10 6 3 -1. - <_> - 6 10 3 3 2. - 1 - <_> - - <_> - 6 10 3 6 -1. - <_> - 6 10 3 3 2. - 1 - <_> - - <_> - 0 0 12 10 -1. - <_> - 0 5 12 5 2. - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 4 5 4 8 -1. - <_> - 4 7 4 4 2. - <_> - - <_> - 0 0 2 3 -1. - <_> - 1 0 1 3 2. - <_> - - <_> - 0 8 12 4 -1. - <_> - 0 9 12 2 2. - <_> - - <_> - 1 3 1 3 -1. - <_> - 1 4 1 1 3. - <_> - - <_> - 4 9 8 2 -1. - <_> - 6 11 4 2 2. - 1 - <_> - - <_> - 5 3 2 6 -1. - <_> - 5 5 2 2 3. - <_> - - <_> - 0 0 1 8 -1. - <_> - 0 4 1 4 2. - <_> - - <_> - 2 5 8 14 -1. - <_> - 6 5 4 7 2. - <_> - 2 12 4 7 2. - <_> - - <_> - 0 6 1 8 -1. - <_> - 0 8 1 4 2. - <_> - - <_> - 0 17 12 3 -1. - <_> - 0 17 6 3 2. - <_> - - <_> - 4 0 2 3 -1. - <_> - 4 1 2 1 3. - <_> - - <_> - 5 12 6 8 -1. - <_> - 5 14 6 4 2. - <_> - - <_> - 3 11 4 9 -1. - <_> - 3 14 4 3 3. - <_> - - <_> - 2 0 10 16 -1. - <_> - 2 8 10 8 2. - <_> - - <_> - 5 15 3 2 -1. - <_> - 5 15 3 1 2. - 1 - <_> - - <_> - 8 15 4 1 -1. - <_> - 9 16 2 1 2. - 1 - <_> - - <_> - 4 15 1 4 -1. - <_> - 3 16 1 2 2. - 1 - <_> - - <_> - 6 14 3 3 -1. - <_> - 7 15 1 3 3. - 1 - <_> - - <_> - 6 14 3 3 -1. - <_> - 5 15 3 1 3. - 1 - <_> - - <_> - 3 6 8 2 -1. - <_> - 5 6 4 2 2. - <_> - - <_> - 3 2 6 17 -1. - <_> - 5 2 2 17 3. - <_> - - <_> - 11 0 1 2 -1. - <_> - 11 1 1 1 2. - <_> - - <_> - 6 14 4 2 -1. - <_> - 6 14 4 1 2. - 1 - <_> - - <_> - 3 0 8 1 -1. - <_> - 3 0 4 1 2. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 6 4 3 3 -1. - <_> - 7 5 1 3 3. - 1 - <_> - - <_> - 6 4 3 3 -1. - <_> - 5 5 3 1 3. - 1 - <_> - - <_> - 8 0 4 2 -1. - <_> - 10 0 2 1 2. - <_> - 8 1 2 1 2. - <_> - - <_> - 0 0 4 2 -1. - <_> - 0 0 2 1 2. - <_> - 2 1 2 1 2. - <_> - - <_> - 7 5 3 3 -1. - <_> - 8 6 1 3 3. - 1 - <_> - - <_> - 2 5 8 14 -1. - <_> - 2 5 4 7 2. - <_> - 6 12 4 7 2. - <_> - - <_> - 7 7 4 1 -1. - <_> - 7 7 2 1 2. - <_> - - <_> - 5 0 1 3 -1. - <_> - 5 1 1 1 3. - <_> - - <_> - 8 6 4 1 -1. - <_> - 8 6 2 1 2. - 1 - <_> - - <_> - 4 6 1 4 -1. - <_> - 4 6 1 2 2. - 1 - <_> - - <_> - 3 1 7 9 -1. - <_> - 3 4 7 3 3. - <_> - - <_> - 3 9 6 3 -1. - <_> - 3 9 3 3 2. - 1 - <_> - - <_> - 2 18 10 2 -1. - <_> - 7 18 5 1 2. - <_> - 2 19 5 1 2. - <_> - - <_> - 6 13 6 1 -1. - <_> - 6 13 3 1 2. - 1 - <_> - - <_> - 8 5 2 3 -1. - <_> - 8 5 1 3 2. - 1 - <_> - - <_> - 4 5 3 2 -1. - <_> - 4 5 3 1 2. - 1 - <_> - - <_> - 0 14 12 5 -1. - <_> - 0 14 6 5 2. - <_> - - <_> - 1 0 8 2 -1. - <_> - 5 0 4 2 2. - <_> - - <_> - 6 16 2 2 -1. - <_> - 6 16 1 2 2. - 1 - <_> - - <_> - 6 16 2 2 -1. - <_> - 6 16 2 1 2. - 1 - <_> - - <_> - 6 9 1 6 -1. - <_> - 4 11 1 2 3. - 1 - <_> - - <_> - 6 9 6 1 -1. - <_> - 8 11 2 1 3. - 1 - <_> - - <_> - 10 17 1 3 -1. - <_> - 10 18 1 1 3. - <_> - - <_> - 1 17 1 3 -1. - <_> - 1 18 1 1 3. - <_> - - <_> - 11 2 1 18 -1. - <_> - 11 8 1 6 3. - <_> - - <_> - 0 0 1 20 -1. - <_> - 0 5 1 10 2. - <_> - - <_> - 4 0 6 2 -1. - <_> - 7 0 3 1 2. - <_> - 4 1 3 1 2. - <_> - - <_> - 0 5 2 3 -1. - <_> - 0 6 2 1 3. - <_> - - <_> - 8 0 2 1 -1. - <_> - 8 0 1 1 2. - 1 - <_> - - <_> - 2 3 4 2 -1. - <_> - 3 4 2 2 2. - 1 - <_> - - <_> - 6 5 2 2 -1. - <_> - 6 5 2 1 2. - 1 - <_> - - <_> - 0 12 12 5 -1. - <_> - 3 12 6 5 2. - <_> - - <_> - 0 18 10 2 -1. - <_> - 0 18 5 1 2. - <_> - 5 19 5 1 2. - <_> - - <_> - 3 3 8 13 -1. - <_> - 5 3 4 13 2. - <_> - - <_> - 1 3 8 13 -1. - <_> - 3 3 4 13 2. - <_> - - <_> - 11 0 1 4 -1. - <_> - 11 0 1 2 2. - 1 - <_> - - <_> - 0 1 10 2 -1. - <_> - 0 1 5 1 2. - <_> - 5 2 5 1 2. - <_> - - <_> - 4 11 8 5 -1. - <_> - 4 11 4 5 2. - <_> - - <_> - 0 0 1 14 -1. - <_> - 0 7 1 7 2. - <_> - - <_> - 8 10 4 6 -1. - <_> - 6 12 4 2 3. - 1 - <_> - - <_> - 4 10 6 4 -1. - <_> - 6 12 2 4 3. - 1 - <_> - - <_> - 0 17 12 2 -1. - <_> - 0 17 6 2 2. - <_> - - <_> - 5 6 3 3 -1. - <_> - 4 7 3 1 3. - 1 - <_> - - <_> - 6 9 6 4 -1. - <_> - 6 9 3 4 2. - 1 - <_> - - <_> - 6 9 4 6 -1. - <_> - 6 9 4 3 2. - 1 - <_> - - <_> - 10 0 2 1 -1. - <_> - 10 0 1 1 2. - 1 - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 8 9 3 2 -1. - <_> - 9 9 1 2 3. - <_> - - <_> - 0 0 2 4 -1. - <_> - 1 0 1 4 2. - <_> - - <_> - 8 9 3 2 -1. - <_> - 9 9 1 2 3. - <_> - - <_> - 1 9 3 2 -1. - <_> - 2 9 1 2 3. - <_> - - <_> - 8 1 4 1 -1. - <_> - 9 2 2 1 2. - 1 - <_> - - <_> - 4 1 1 4 -1. - <_> - 3 2 1 2 2. - 1 - <_> - - <_> - 0 2 12 4 -1. - <_> - 0 4 12 2 2. - <_> - - <_> - 8 9 3 8 -1. - <_> - 6 11 3 4 2. - 1 - <_> - - <_> - 2 6 8 14 -1. - <_> - 2 6 4 7 2. - <_> - 6 13 4 7 2. - <_> - - <_> - 11 18 1 2 -1. - <_> - 11 19 1 1 2. - <_> - - <_> - 0 18 2 2 -1. - <_> - 0 19 2 1 2. - <_> - - <_> - 6 3 6 3 -1. - <_> - 8 5 2 3 3. - 1 - <_> - - <_> - 4 6 4 4 -1. - <_> - 4 7 4 2 2. - <_> - - <_> - 8 0 2 3 -1. - <_> - 7 1 2 1 3. - 1 - <_> - - <_> - 4 0 3 2 -1. - <_> - 5 1 1 2 3. - 1 - <_> - - <_> - 11 7 1 2 -1. - <_> - 11 8 1 1 2. - <_> - - <_> - 0 7 1 2 -1. - <_> - 0 8 1 1 2. - <_> - - <_> - 4 0 8 8 -1. - <_> - 6 0 4 8 2. - <_> - - <_> - 0 12 12 7 -1. - <_> - 6 12 6 7 2. - <_> - - <_> - 8 0 2 1 -1. - <_> - 8 0 1 1 2. - 1 - <_> - - <_> - 4 0 1 2 -1. - <_> - 4 0 1 1 2. - 1 - <_> - - <_> - 6 10 2 6 -1. - <_> - 4 12 2 2 3. - 1 - <_> - - <_> - 0 4 1 3 -1. - <_> - 0 5 1 1 3. - <_> - - <_> - 9 8 3 4 -1. - <_> - 10 8 1 4 3. - <_> - - <_> - 0 6 1 2 -1. - <_> - 0 7 1 1 2. - <_> - - <_> - 4 4 6 12 -1. - <_> - 4 7 6 6 2. - <_> - - <_> - 3 16 4 4 -1. - <_> - 3 18 4 2 2. - <_> - - <_> - 6 3 3 6 -1. - <_> - 7 4 1 6 3. - 1 - <_> - - <_> - 6 3 6 3 -1. - <_> - 5 4 6 1 3. - 1 - <_> - - <_> - 7 5 3 3 -1. - <_> - 8 6 1 3 3. - 1 - <_> - - <_> - 5 5 3 3 -1. - <_> - 4 6 3 1 3. - 1 - <_> - - <_> - 11 0 1 6 -1. - <_> - 11 3 1 3 2. - <_> - - <_> - 0 4 6 16 -1. - <_> - 0 12 6 8 2. - <_> - - <_> - 11 0 1 6 -1. - <_> - 11 3 1 3 2. - <_> - - <_> - 6 12 6 1 -1. - <_> - 6 12 3 1 2. - 1 - <_> - - <_> - 0 13 12 3 -1. - <_> - 3 13 6 3 2. - <_> - - <_> - 4 6 8 2 -1. - <_> - 6 6 4 2 2. - <_> - - <_> - 4 2 4 2 -1. - <_> - 4 2 2 1 2. - <_> - 6 3 2 1 2. - <_> - - <_> - 10 0 2 6 -1. - <_> - 10 3 2 3 2. - <_> - - <_> - 0 4 4 4 -1. - <_> - 0 4 2 2 2. - <_> - 2 6 2 2 2. - <_> - - <_> - 10 0 2 6 -1. - <_> - 10 3 2 3 2. - <_> - - <_> - 0 0 2 6 -1. - <_> - 0 3 2 3 2. - <_> - - <_> - 11 18 1 2 -1. - <_> - 11 19 1 1 2. - <_> - - <_> - 0 18 1 2 -1. - <_> - 0 19 1 1 2. - <_> - - <_> - 6 13 1 6 -1. - <_> - 6 13 1 3 2. - 1 - <_> - - <_> - 0 17 12 3 -1. - <_> - 6 17 6 3 2. - <_> - - <_> - 0 13 12 6 -1. - <_> - 0 13 6 6 2. - <_> - - <_> - 0 5 8 4 -1. - <_> - 0 5 4 2 2. - <_> - 4 7 4 2 2. - <_> - - <_> - 1 0 10 3 -1. - <_> - 1 1 10 1 3. - <_> - - <_> - 0 2 12 6 -1. - <_> - 0 5 12 3 2. - <_> - - <_> - 5 0 5 18 -1. - <_> - 5 6 5 6 3. - <_> - - <_> - 0 0 9 9 -1. - <_> - 3 0 3 9 3. - <_> - - <_> - 11 6 1 3 -1. - <_> - 11 7 1 1 3. - <_> - - <_> - 2 12 4 2 -1. - <_> - 2 12 2 2 2. - 1 - <_> - - <_> - 11 6 1 3 -1. - <_> - 11 7 1 1 3. - <_> - - <_> - 1 10 3 1 -1. - <_> - 2 10 1 1 3. - <_> - - <_> - 9 14 3 4 -1. - <_> - 9 16 3 2 2. - <_> - - <_> - 0 14 3 4 -1. - <_> - 0 16 3 2 2. - <_> - - <_> - 7 5 3 3 -1. - <_> - 8 6 1 3 3. - 1 - <_> - - <_> - 5 5 3 3 -1. - <_> - 4 6 3 1 3. - 1 - <_> - - <_> - 11 6 1 3 -1. - <_> - 11 7 1 1 3. - <_> - - <_> - 0 6 1 3 -1. - <_> - 0 7 1 1 3. - <_> - - <_> - 3 6 6 8 -1. - <_> - 3 10 6 4 2. - <_> - - <_> - 6 4 4 3 -1. - <_> - 5 5 4 1 3. - 1 - <_> - - <_> - 8 5 3 4 -1. - <_> - 9 6 1 4 3. - 1 - <_> - - <_> - 4 5 4 3 -1. - <_> - 3 6 4 1 3. - 1 - <_> - - <_> - 7 0 3 1 -1. - <_> - 8 1 1 1 3. - 1 - <_> - - <_> - 3 0 2 3 -1. - <_> - 2 1 2 1 3. - 1 - <_> - - <_> - 6 3 6 3 -1. - <_> - 8 5 2 3 3. - 1 - <_> - - <_> - 5 4 2 4 -1. - <_> - 5 5 2 2 2. - <_> - - <_> - 3 14 6 6 -1. - <_> - 3 17 6 3 2. - <_> - - <_> - 0 5 8 12 -1. - <_> - 2 5 4 12 2. - <_> - - <_> - 11 0 1 4 -1. - <_> - 11 0 1 2 2. - 1 - <_> - - <_> - 1 0 4 1 -1. - <_> - 1 0 2 1 2. - 1 - <_> - - <_> - 4 18 6 2 -1. - <_> - 7 18 3 1 2. - <_> - 4 19 3 1 2. - <_> - - <_> - 0 18 8 2 -1. - <_> - 0 18 4 1 2. - <_> - 4 19 4 1 2. - <_> - - <_> - 4 0 8 8 -1. - <_> - 6 0 4 8 2. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 10 0 2 1 -1. - <_> - 10 0 1 1 2. - <_> - - <_> - 6 13 6 1 -1. - <_> - 6 13 3 1 2. - 1 - <_> - - <_> - 0 13 12 1 -1. - <_> - 3 13 6 1 2. - <_> - - <_> - 0 11 8 5 -1. - <_> - 4 11 4 5 2. - <_> - - <_> - 8 6 4 14 -1. - <_> - 10 6 2 7 2. - <_> - 8 13 2 7 2. - <_> - - <_> - 0 6 4 14 -1. - <_> - 0 6 2 7 2. - <_> - 2 13 2 7 2. - <_> - - <_> - 4 3 8 2 -1. - <_> - 4 4 8 1 2. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 1 0 10 3 -1. - <_> - 1 1 10 1 3. - <_> - - <_> - 0 18 3 2 -1. - <_> - 1 18 1 2 3. - <_> - - <_> - 0 4 12 12 -1. - <_> - 0 8 12 4 3. - <_> - - <_> - 0 6 6 14 -1. - <_> - 0 13 6 7 2. - <_> - - <_> - 8 0 3 1 -1. - <_> - 9 1 1 1 3. - 1 - <_> - - <_> - 5 7 2 3 -1. - <_> - 4 8 2 1 3. - 1 - <_> - - <_> - 11 3 1 3 -1. - <_> - 11 4 1 1 3. - <_> - - <_> - 2 1 3 2 -1. - <_> - 2 1 3 1 2. - 1 - <_> - - <_> - 11 3 1 3 -1. - <_> - 11 4 1 1 3. - <_> - - <_> - 3 17 1 2 -1. - <_> - 3 17 1 1 2. - 1 - <_> - - <_> - 11 3 1 3 -1. - <_> - 11 4 1 1 3. - <_> - - <_> - 6 6 2 3 -1. - <_> - 5 7 2 1 3. - 1 - <_> - - <_> - 11 3 1 3 -1. - <_> - 11 4 1 1 3. - <_> - - <_> - 0 3 1 3 -1. - <_> - 0 4 1 1 3. - <_> - - <_> - 6 4 3 2 -1. - <_> - 7 5 1 2 3. - 1 - <_> - - <_> - 6 4 2 3 -1. - <_> - 5 5 2 1 3. - 1 - <_> - - <_> - 11 8 1 4 -1. - <_> - 11 9 1 2 2. - <_> - - <_> - 6 2 4 6 -1. - <_> - 4 4 4 2 3. - 1 - <_> - - <_> - 5 17 6 2 -1. - <_> - 8 17 3 1 2. - <_> - 5 18 3 1 2. - <_> - - <_> - 3 0 6 2 -1. - <_> - 3 0 3 1 2. - <_> - 6 1 3 1 2. - <_> - - <_> - 11 3 1 2 -1. - <_> - 11 4 1 1 2. - <_> - - <_> - 0 3 1 2 -1. - <_> - 0 4 1 1 2. - <_> - - <_> - 10 4 2 4 -1. - <_> - 10 5 2 2 2. - <_> - - <_> - 0 8 1 4 -1. - <_> - 0 9 1 2 2. - <_> - - <_> - 0 13 12 5 -1. - <_> - 0 13 6 5 2. - <_> - - <_> - 1 9 10 10 -1. - <_> - 1 9 5 5 2. - <_> - 6 14 5 5 2. - <_> - - <_> - 1 1 6 2 -1. - <_> - 1 1 3 1 2. - <_> - 4 2 3 1 2. - <_> - - <_> - 7 4 3 5 -1. - <_> - 8 5 1 5 3. - 1 - <_> - - <_> - 6 3 6 1 -1. - <_> - 8 5 2 1 3. - 1 - <_> - - <_> - 11 4 1 12 -1. - <_> - 11 8 1 4 3. - <_> - - <_> - 0 4 1 12 -1. - <_> - 0 8 1 4 3. - <_> - - <_> - 8 8 4 8 -1. - <_> - 6 10 4 4 2. - 1 - <_> - - <_> - 1 7 10 12 -1. - <_> - 1 7 5 6 2. - <_> - 6 13 5 6 2. - <_> - - <_> - 6 3 6 6 -1. - <_> - 8 5 2 6 3. - 1 - <_> - - <_> - 3 6 4 4 -1. - <_> - 3 6 2 2 2. - <_> - 5 8 2 2 2. - <_> - - <_> - 10 2 2 2 -1. - <_> - 10 3 2 1 2. - <_> - - <_> - 0 2 2 2 -1. - <_> - 0 3 2 1 2. - <_> - - <_> - 8 17 2 1 -1. - <_> - 8 17 1 1 2. - 1 - <_> - - <_> - 0 8 3 3 -1. - <_> - 1 8 1 3 3. - <_> - - <_> - 5 14 3 6 -1. - <_> - 6 14 1 6 3. - <_> - - <_> - 4 14 3 5 -1. - <_> - 5 14 1 5 3. - <_> - - <_> - 10 0 2 2 -1. - <_> - 10 1 2 1 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 1 2 1 2. - <_> - - <_> - 0 12 12 7 -1. - <_> - 0 12 6 7 2. - <_> - - <_> - 6 14 3 2 -1. - <_> - 7 15 1 2 3. - 1 - <_> - - <_> - 11 16 1 4 -1. - <_> - 11 18 1 2 2. - <_> - - <_> - 0 16 1 4 -1. - <_> - 0 18 1 2 2. - <_> - - <_> - 4 2 6 4 -1. - <_> - 4 4 6 2 2. - <_> - - <_> - 5 6 3 3 -1. - <_> - 4 7 3 1 3. - 1 - <_> - - <_> - 8 0 4 20 -1. - <_> - 8 10 4 10 2. - <_> - - <_> - 3 11 2 3 -1. - <_> - 3 12 2 1 3. - <_> - - <_> - 8 0 4 20 -1. - <_> - 8 10 4 10 2. - <_> - - <_> - 0 0 4 20 -1. - <_> - 0 10 4 10 2. - <_> - - <_> - 7 5 3 3 -1. - <_> - 6 6 3 1 3. - 1 - <_> - - <_> - 5 5 3 3 -1. - <_> - 6 6 1 3 3. - 1 - <_> - - <_> - 7 0 3 1 -1. - <_> - 8 1 1 1 3. - 1 - <_> - - <_> - 5 0 1 3 -1. - <_> - 4 1 1 1 3. - 1 - <_> - - <_> - 0 9 12 3 -1. - <_> - 0 10 12 1 3. - <_> - - <_> - 0 0 8 1 -1. - <_> - 2 0 4 1 2. - <_> - - <_> - 7 13 4 2 -1. - <_> - 9 13 2 1 2. - <_> - 7 14 2 1 2. - <_> - - <_> - 1 13 4 2 -1. - <_> - 1 13 2 1 2. - <_> - 3 14 2 1 2. - <_> - - <_> - 6 3 6 6 -1. - <_> - 8 5 2 6 3. - 1 - <_> - - <_> - 2 9 2 1 -1. - <_> - 3 9 1 1 2. - <_> - - <_> - 6 3 6 6 -1. - <_> - 8 5 2 6 3. - 1 - <_> - - <_> - 6 3 3 6 -1. - <_> - 4 5 3 2 3. - 1 - <_> - - <_> - 10 6 2 3 -1. - <_> - 10 7 2 1 3. - <_> - - <_> - 6 3 4 3 -1. - <_> - 5 4 4 1 3. - 1 - <_> - - <_> - 7 0 3 1 -1. - <_> - 8 1 1 1 3. - 1 - <_> - - <_> - 6 5 1 3 -1. - <_> - 5 6 1 1 3. - 1 - <_> - - <_> - 8 9 3 8 -1. - <_> - 6 11 3 4 2. - 1 - <_> - - <_> - 4 9 8 3 -1. - <_> - 6 11 4 3 2. - 1 - <_> - - <_> - 6 0 1 3 -1. - <_> - 6 1 1 1 3. - <_> - - <_> - 4 0 4 2 -1. - <_> - 4 0 2 1 2. - <_> - 6 1 2 1 2. - <_> - - <_> - 0 10 12 2 -1. - <_> - 0 11 12 1 2. - <_> - - <_> - 0 11 8 5 -1. - <_> - 4 11 4 5 2. - <_> - - <_> - 7 0 4 2 -1. - <_> - 7 0 2 2 2. - <_> - - <_> - 2 2 7 8 -1. - <_> - 2 4 7 4 2. - <_> - - <_> - 7 0 4 2 -1. - <_> - 7 0 2 2 2. - <_> - - <_> - 1 0 4 2 -1. - <_> - 3 0 2 2 2. - <_> - - <_> - 9 17 3 3 -1. - <_> - 9 18 3 1 3. - <_> - - <_> - 0 17 3 3 -1. - <_> - 0 18 3 1 3. - <_> - - <_> - 0 18 12 2 -1. - <_> - 0 18 6 2 2. - <_> - - <_> - 0 11 12 5 -1. - <_> - 3 11 6 5 2. - <_> - - <_> - 8 7 4 1 -1. - <_> - 8 7 2 1 2. - 1 - <_> - - <_> - 4 7 1 4 -1. - <_> - 4 7 1 2 2. - 1 - <_> - - <_> - 4 0 6 7 -1. - <_> - 6 0 2 7 3. - <_> - - <_> - 2 0 6 7 -1. - <_> - 4 0 2 7 3. - <_> - - <_> - 0 16 12 3 -1. - <_> - 0 17 12 1 3. - <_> - - <_> - 4 17 4 2 -1. - <_> - 4 17 2 1 2. - <_> - 6 18 2 1 2. - <_> - - <_> - 9 0 3 1 -1. - <_> - 10 0 1 1 3. - <_> - - <_> - 0 0 3 1 -1. - <_> - 1 0 1 1 3. - <_> - - <_> - 6 4 3 2 -1. - <_> - 7 5 1 2 3. - 1 - <_> - - <_> - 3 6 3 1 -1. - <_> - 4 6 1 1 3. - <_> - - <_> - 9 2 3 7 -1. - <_> - 10 3 1 7 3. - 1 - <_> - - <_> - 5 5 2 2 -1. - <_> - 5 5 2 1 2. - 1 - <_> - - <_> - 7 5 3 4 -1. - <_> - 8 6 1 4 3. - 1 - <_> - - <_> - 5 5 4 3 -1. - <_> - 4 6 4 1 3. - 1 - <_> - - <_> - 10 4 2 2 -1. - <_> - 10 5 2 1 2. - <_> - - <_> - 0 3 2 3 -1. - <_> - 0 4 2 1 3. - <_> - - <_> - 10 4 2 2 -1. - <_> - 10 5 2 1 2. - <_> - - <_> - 0 4 2 2 -1. - <_> - 0 5 2 1 2. - <_> - - <_> - 7 10 2 1 -1. - <_> - 7 10 1 1 2. - <_> - - <_> - 3 10 2 1 -1. - <_> - 4 10 1 1 2. - <_> - - <_> - 5 0 2 2 -1. - <_> - 5 1 2 1 2. - <_> - - <_> - 5 14 4 2 -1. - <_> - 5 14 4 1 2. - 1 - <_> - - <_> - 4 6 3 3 -1. - <_> - 4 7 3 1 3. - <_> - - <_> - 3 5 6 14 -1. - <_> - 6 5 3 7 2. - <_> - 3 12 3 7 2. - <_> - - <_> - 3 0 3 2 -1. - <_> - 3 1 3 1 2. - <_> - - <_> - 7 18 5 2 -1. - <_> - 7 19 5 1 2. - <_> - - <_> - 0 18 10 2 -1. - <_> - 0 19 10 1 2. - <_> - - <_> - 11 2 1 15 -1. - <_> - 11 7 1 5 3. - <_> - - <_> - 0 4 1 6 -1. - <_> - 0 7 1 3 2. - <_> - - <_> - 3 2 9 8 -1. - <_> - 3 4 9 4 2. - <_> - - <_> - 0 15 12 5 -1. - <_> - 6 15 6 5 2. - <_> - - <_> - 6 9 3 6 -1. - <_> - 4 11 3 2 3. - 1 - <_> - - <_> - 6 9 6 3 -1. - <_> - 8 11 2 3 3. - 1 - <_> - - <_> - 2 0 10 2 -1. - <_> - 2 0 5 2 2. - <_> - - <_> - 0 0 10 2 -1. - <_> - 5 0 5 2 2. - <_> - - <_> - 6 3 6 6 -1. - <_> - 8 5 2 6 3. - 1 - <_> - - <_> - 6 3 6 6 -1. - <_> - 4 5 6 2 3. - 1 - <_> - - <_> - 6 0 6 5 -1. - <_> - 6 0 3 5 2. - 1 - <_> - - <_> - 6 0 5 6 -1. - <_> - 6 0 5 3 2. - 1 - <_> - - <_> - 8 8 3 2 -1. - <_> - 9 9 1 2 3. - 1 - <_> - - <_> - 4 8 2 3 -1. - <_> - 3 9 2 1 3. - 1 - <_> - - <_> - 11 6 1 3 -1. - <_> - 11 7 1 1 3. - <_> - - <_> - 0 6 1 3 -1. - <_> - 0 7 1 1 3. - <_> - - <_> - 0 11 12 8 -1. - <_> - 0 15 12 4 2. - <_> - - <_> - 3 13 6 3 -1. - <_> - 5 13 2 3 3. - <_> - - <_> - 5 16 2 4 -1. - <_> - 5 17 2 2 2. - <_> - - <_> - 1 1 2 1 -1. - <_> - 1 1 1 1 2. - 1 - <_> - - <_> - 6 15 2 3 -1. - <_> - 5 16 2 1 3. - 1 - <_> - - <_> - 5 5 3 3 -1. - <_> - 4 6 3 1 3. - 1 - <_> - - <_> - 6 5 2 3 -1. - <_> - 6 6 2 1 3. - <_> - - <_> - 4 5 2 3 -1. - <_> - 4 6 2 1 3. - <_> - - <_> - 10 5 2 3 -1. - <_> - 10 6 2 1 3. - <_> - - <_> - 6 5 2 3 -1. - <_> - 5 6 2 1 3. - 1 - <_> - - <_> - 8 7 1 8 -1. - <_> - 6 9 1 4 2. - 1 - <_> - - <_> - 0 5 2 3 -1. - <_> - 0 6 2 1 3. - <_> - - <_> - 5 5 2 3 -1. - <_> - 5 5 1 3 2. - <_> - - <_> - 4 7 8 1 -1. - <_> - 6 9 4 1 2. - 1 - <_> - - <_> - 6 15 2 3 -1. - <_> - 5 16 2 1 3. - 1 - <_> - - <_> - 6 15 3 2 -1. - <_> - 7 16 1 2 3. - 1 - <_> - - <_> - 9 13 2 3 -1. - <_> - 9 14 2 1 3. - <_> - - <_> - 1 13 2 3 -1. - <_> - 1 14 2 1 3. - <_> - - <_> - 0 5 12 12 -1. - <_> - 0 9 12 4 3. - <_> - - <_> - 0 9 3 2 -1. - <_> - 1 9 1 2 3. - <_> - - <_> - 6 13 6 1 -1. - <_> - 8 15 2 1 3. - 1 - <_> - - <_> - 0 9 2 4 -1. - <_> - 0 9 1 2 2. - <_> - 1 11 1 2 2. - <_> - - <_> - 2 17 8 2 -1. - <_> - 6 17 4 1 2. - <_> - 2 18 4 1 2. - <_> - - <_> - 1 8 9 2 -1. - <_> - 1 9 9 1 2. - <_> - - <_> - 5 4 1 4 -1. - <_> - 5 5 1 2 2. - <_> - - <_> - 8 0 3 3 -1. - <_> - 7 1 3 1 3. - 1 - <_> - - <_> - 4 0 3 3 -1. - <_> - 5 1 1 3 3. - 1 - <_> - - <_> - 0 13 12 6 -1. - <_> - 0 13 6 6 2. - <_> - - <_> - 5 4 3 3 -1. - <_> - 6 5 1 3 3. - 1 - <_> - - <_> - 9 17 1 3 -1. - <_> - 9 18 1 1 3. - <_> - - <_> - 2 17 1 3 -1. - <_> - 2 18 1 1 3. - <_> - - <_> - 0 9 12 6 -1. - <_> - 0 11 12 2 3. - <_> - - <_> - 5 6 6 2 -1. - <_> - 5 6 3 2 2. - 1 - <_> - - <_> - 6 4 3 4 -1. - <_> - 7 5 1 4 3. - 1 - <_> - - <_> - 6 4 4 3 -1. - <_> - 5 5 4 1 3. - 1 - <_> - - <_> - 11 4 1 16 -1. - <_> - 11 8 1 8 2. - <_> - - <_> - 0 0 1 20 -1. - <_> - 0 5 1 10 2. - <_> - - <_> - 9 0 2 1 -1. - <_> - 9 0 1 1 2. - 1 - <_> - - <_> - 3 0 1 2 -1. - <_> - 3 0 1 1 2. - 1 - <_> - - <_> - 6 13 6 6 -1. - <_> - 9 13 3 3 2. - <_> - 6 16 3 3 2. - <_> - - <_> - 6 10 6 4 -1. - <_> - 8 12 2 4 3. - 1 - <_> - - <_> - 1 0 10 3 -1. - <_> - 1 1 10 1 3. - <_> - - <_> - 0 13 6 6 -1. - <_> - 0 13 3 3 2. - <_> - 3 16 3 3 2. - <_> - - <_> - 8 8 3 1 -1. - <_> - 9 9 1 1 3. - 1 - <_> - - <_> - 0 7 2 2 -1. - <_> - 0 8 2 1 2. - <_> - - <_> - 8 9 2 2 -1. - <_> - 8 9 1 2 2. - <_> - - <_> - 2 9 2 2 -1. - <_> - 3 9 1 2 2. - <_> - - <_> - 11 1 1 2 -1. - <_> - 11 2 1 1 2. - <_> - - <_> - 5 0 1 3 -1. - <_> - 4 1 1 1 3. - 1 - <_> - - <_> - 4 4 5 12 -1. - <_> - 4 8 5 4 3. - <_> - - <_> - 0 0 3 3 -1. - <_> - 1 0 1 3 3. - <_> - - <_> - 8 7 3 3 -1. - <_> - 9 8 1 3 3. - 1 - <_> - - <_> - 4 7 3 3 -1. - <_> - 3 8 3 1 3. - 1 - <_> - - <_> - 11 1 1 2 -1. - <_> - 11 2 1 1 2. - <_> - - <_> - 0 1 1 2 -1. - <_> - 0 2 1 1 2. - <_> - - <_> - 8 17 2 1 -1. - <_> - 8 17 1 1 2. - 1 - <_> - - <_> - 4 17 1 2 -1. - <_> - 4 17 1 1 2. - 1 - <_> - - <_> - 7 6 2 4 -1. - <_> - 8 6 1 2 2. - <_> - 7 8 1 2 2. - <_> - - <_> - 6 8 6 6 -1. - <_> - 6 8 6 3 2. - 1 - <_> - - <_> - 7 6 2 4 -1. - <_> - 8 6 1 2 2. - <_> - 7 8 1 2 2. - <_> - - <_> - 3 6 2 4 -1. - <_> - 3 6 1 2 2. - <_> - 4 8 1 2 2. - <_> - - <_> - 6 1 6 2 -1. - <_> - 8 3 2 2 3. - 1 - <_> - - <_> - 0 11 6 5 -1. - <_> - 3 11 3 5 2. - <_> - - <_> - 7 13 3 3 -1. - <_> - 8 13 1 3 3. - <_> - - <_> - 2 13 3 3 -1. - <_> - 3 13 1 3 3. - <_> - - <_> - 6 1 6 2 -1. - <_> - 8 3 2 2 3. - 1 - <_> - - <_> - 6 1 2 6 -1. - <_> - 4 3 2 2 3. - 1 - <_> - - <_> - 0 0 12 7 -1. - <_> - 0 0 6 7 2. - <_> - - <_> - 1 9 10 3 -1. - <_> - 1 10 10 1 3. - <_> - - <_> - 0 9 12 4 -1. - <_> - 0 10 12 2 2. - <_> - - <_> - 0 5 3 15 -1. - <_> - 0 10 3 5 3. - <_> - - <_> - 5 0 7 18 -1. - <_> - 5 9 7 9 2. - <_> - - <_> - 0 0 4 5 -1. - <_> - 2 0 2 5 2. - <_> - - <_> - 4 2 4 2 -1. - <_> - 4 2 2 1 2. - <_> - 6 3 2 1 2. - <_> - - <_> - 6 5 3 3 -1. - <_> - 7 6 1 3 3. - 1 - <_> - - <_> - 3 7 6 2 -1. - <_> - 3 7 3 1 2. - <_> - 6 8 3 1 2. - <_> - - <_> - 1 8 10 10 -1. - <_> - 6 8 5 5 2. - <_> - 1 13 5 5 2. - <_> - - <_> - 1 0 10 3 -1. - <_> - 1 1 10 1 3. - <_> - - <_> - 0 17 12 3 -1. - <_> - 0 17 6 3 2. - <_> - - <_> - 0 0 1 12 -1. - <_> - 0 6 1 6 2. - <_> - - <_> - 10 17 2 1 -1. - <_> - 10 17 1 1 2. - 1 - <_> - - <_> - 0 18 12 2 -1. - <_> - 0 18 6 1 2. - <_> - 6 19 6 1 2. - <_> - - <_> - 6 3 3 5 -1. - <_> - 7 4 1 5 3. - 1 - <_> - - <_> - 6 3 5 3 -1. - <_> - 5 4 5 1 3. - 1 - <_> - - <_> - 11 5 1 3 -1. - <_> - 11 6 1 1 3. - <_> - - <_> - 0 5 1 3 -1. - <_> - 0 6 1 1 3. - <_> - - <_> - 7 5 3 2 -1. - <_> - 8 6 1 2 3. - 1 - <_> - - <_> - 5 5 2 3 -1. - <_> - 4 6 2 1 3. - 1 - <_> - - <_> - 6 0 2 1 -1. - <_> - 6 0 1 1 2. - <_> - - <_> - 5 0 2 2 -1. - <_> - 5 1 2 1 2. - <_> - - <_> - 11 8 1 2 -1. - <_> - 11 9 1 1 2. - <_> - - <_> - 0 8 1 2 -1. - <_> - 0 9 1 1 2. - <_> - - <_> - 7 0 4 2 -1. - <_> - 9 0 2 1 2. - <_> - 7 1 2 1 2. - <_> - - <_> - 4 0 2 2 -1. - <_> - 5 0 1 2 2. - <_> - - <_> - 8 0 3 1 -1. - <_> - 9 1 1 1 3. - 1 - <_> - - <_> - 0 4 8 12 -1. - <_> - 0 7 8 6 2. - <_> - - <_> - 0 14 12 6 -1. - <_> - 0 16 12 2 3. - <_> - - <_> - 4 0 1 3 -1. - <_> - 3 1 1 1 3. - 1 - <_> - - <_> - 10 17 2 1 -1. - <_> - 10 17 1 1 2. - 1 - <_> - - <_> - 2 17 1 2 -1. - <_> - 2 17 1 1 2. - 1 - <_> - - <_> - 9 2 3 1 -1. - <_> - 10 3 1 1 3. - 1 - <_> - - <_> - 3 2 1 3 -1. - <_> - 2 3 1 1 3. - 1 - <_> - - <_> - 10 11 2 2 -1. - <_> - 10 12 2 1 2. - <_> - - <_> - 0 9 12 8 -1. - <_> - 0 11 12 4 2. - <_> - - <_> - 5 8 2 8 -1. - <_> - 5 10 2 4 2. - <_> - - <_> - 5 5 1 2 -1. - <_> - 5 6 1 1 2. - <_> - - <_> - 9 4 3 4 -1. - <_> - 9 5 3 2 2. - <_> - - <_> - 1 7 4 1 -1. - <_> - 3 7 2 1 2. - <_> - - <_> - 10 9 2 1 -1. - <_> - 10 9 1 1 2. - <_> - - <_> - 0 9 2 1 -1. - <_> - 1 9 1 1 2. - <_> - - <_> - 10 6 2 1 -1. - <_> - 10 6 1 1 2. - 1 - <_> - - <_> - 2 6 1 2 -1. - <_> - 2 6 1 1 2. - 1 - <_> - - <_> - 6 5 1 3 -1. - <_> - 6 6 1 1 3. - <_> - - <_> - 0 4 1 3 -1. - <_> - 0 5 1 1 3. - <_> - - <_> - 7 0 4 2 -1. - <_> - 9 0 2 1 2. - <_> - 7 1 2 1 2. - <_> - - <_> - 1 0 4 2 -1. - <_> - 1 0 2 1 2. - <_> - 3 1 2 1 2. - <_> - - <_> - 5 0 3 3 -1. - <_> - 6 0 1 3 3. - <_> - - <_> - 4 11 3 3 -1. - <_> - 5 12 1 3 3. - 1 - <_> - - <_> - 6 10 1 6 -1. - <_> - 6 10 1 3 2. - 1 - <_> - - <_> - 2 9 2 1 -1. - <_> - 3 9 1 1 2. - <_> - - <_> - 9 0 3 2 -1. - <_> - 9 1 3 1 2. - <_> - - <_> - 6 11 6 1 -1. - <_> - 6 11 3 1 2. - 1 - <_> - - <_> - 7 15 1 3 -1. - <_> - 6 16 1 1 3. - 1 - <_> - - <_> - 2 16 6 2 -1. - <_> - 2 16 3 1 2. - <_> - 5 17 3 1 2. - <_> - - <_> - 6 1 2 6 -1. - <_> - 6 1 1 6 2. - 1 - <_> - - <_> - 6 1 6 2 -1. - <_> - 6 1 6 1 2. - 1 - <_> - - <_> - 8 9 3 1 -1. - <_> - 9 9 1 1 3. - <_> - - <_> - 1 9 3 1 -1. - <_> - 2 9 1 1 3. - <_> - - <_> - 6 2 6 1 -1. - <_> - 8 4 2 1 3. - 1 - <_> - - <_> - 7 7 2 4 -1. - <_> - 8 7 1 2 2. - <_> - 7 9 1 2 2. - <_> - - <_> - 3 7 2 4 -1. - <_> - 3 7 1 2 2. - <_> - 4 9 1 2 2. - <_> - - <_> - 6 3 6 3 -1. - <_> - 8 5 2 3 3. - 1 - <_> - - <_> - 2 4 5 12 -1. - <_> - 2 7 5 6 2. - <_> - - <_> - 5 0 7 18 -1. - <_> - 5 9 7 9 2. - <_> - - <_> - 0 0 7 18 -1. - <_> - 0 9 7 9 2. - <_> - - <_> - 11 9 1 6 -1. - <_> - 11 12 1 3 2. - <_> - - <_> - 4 0 4 2 -1. - <_> - 4 0 2 1 2. - <_> - 6 1 2 1 2. - <_> - - <_> - 11 7 1 6 -1. - <_> - 11 9 1 2 3. - <_> - - <_> - 0 7 1 6 -1. - <_> - 0 9 1 2 3. - <_> - - <_> - 5 0 2 3 -1. - <_> - 5 0 1 3 2. - <_> - - <_> - 3 15 6 2 -1. - <_> - 3 15 3 1 2. - <_> - 6 16 3 1 2. - <_> - - <_> - 6 13 1 6 -1. - <_> - 6 13 1 3 2. - 1 - <_> - - <_> - 0 11 8 5 -1. - <_> - 4 11 4 5 2. - <_> - - <_> - 10 1 2 5 -1. - <_> - 10 1 1 5 2. - <_> - - <_> - 0 7 12 13 -1. - <_> - 6 7 6 13 2. - <_> - - <_> - 8 8 3 8 -1. - <_> - 6 10 3 4 2. - 1 - <_> - - <_> - 4 8 8 3 -1. - <_> - 6 10 4 3 2. - 1 - <_> - - <_> - 1 0 10 3 -1. - <_> - 1 1 10 1 3. - <_> - - <_> - 0 2 1 2 -1. - <_> - 0 3 1 1 2. - <_> - - <_> - 9 12 2 3 -1. - <_> - 9 13 2 1 3. - <_> - - <_> - 1 12 2 3 -1. - <_> - 1 13 2 1 3. - <_> - - <_> - 9 0 3 1 -1. - <_> - 10 1 1 1 3. - 1 - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 6 3 6 3 -1. - <_> - 8 5 2 3 3. - 1 - <_> - - <_> - 6 3 3 6 -1. - <_> - 4 5 3 2 3. - 1 - <_> - - <_> - 7 5 2 3 -1. - <_> - 7 5 1 3 2. - 1 - <_> - - <_> - 5 5 3 2 -1. - <_> - 5 5 3 1 2. - 1 - <_> - - <_> - 8 10 2 1 -1. - <_> - 8 10 1 1 2. - <_> - - <_> - 2 10 2 1 -1. - <_> - 3 10 1 1 2. - <_> - - <_> - 4 4 4 2 -1. - <_> - 4 5 4 1 2. - <_> - - <_> - 0 9 12 9 -1. - <_> - 3 9 6 9 2. - <_> - - <_> - 9 12 1 3 -1. - <_> - 9 13 1 1 3. - <_> - - <_> - 2 12 1 3 -1. - <_> - 2 13 1 1 3. - <_> - - <_> - 6 12 3 5 -1. - <_> - 7 13 1 5 3. - 1 - <_> - - <_> - 6 12 5 3 -1. - <_> - 5 13 5 1 3. - 1 - <_> - - <_> - 3 17 6 3 -1. - <_> - 3 18 6 1 3. - <_> - - <_> - 5 15 2 4 -1. - <_> - 5 16 2 2 2. - <_> - - <_> - 7 18 3 2 -1. - <_> - 8 18 1 2 3. - <_> - - <_> - 1 4 2 4 -1. - <_> - 1 5 2 2 2. - <_> - - <_> - 10 4 2 3 -1. - <_> - 9 5 2 1 3. - 1 - <_> - - <_> - 2 4 3 2 -1. - <_> - 3 5 1 2 3. - 1 - <_> - - <_> - 6 5 3 1 -1. - <_> - 7 6 1 1 3. - 1 - <_> - - <_> - 6 6 2 3 -1. - <_> - 5 7 2 1 3. - 1 - <_> - - <_> - 6 3 6 6 -1. - <_> - 8 5 2 6 3. - 1 - <_> - - <_> - 6 3 6 6 -1. - <_> - 4 5 6 2 3. - 1 - <_> - - <_> - 10 4 2 3 -1. - <_> - 10 5 2 1 3. - <_> - - <_> - 0 18 1 2 -1. - <_> - 0 19 1 1 2. - <_> - - <_> - 0 1 12 8 -1. - <_> - 0 5 12 4 2. - <_> - - <_> - 0 4 2 3 -1. - <_> - 0 5 2 1 3. - <_> - - <_> - 7 6 3 2 -1. - <_> - 8 7 1 2 3. - 1 - <_> - - <_> - 5 6 2 3 -1. - <_> - 4 7 2 1 3. - 1 - <_> - - <_> - 6 4 3 2 -1. - <_> - 7 5 1 2 3. - 1 - <_> - - <_> - 6 4 2 3 -1. - <_> - 5 5 2 1 3. - 1 - <_> - - <_> - 5 0 3 2 -1. - <_> - 6 0 1 2 3. - <_> - - <_> - 5 15 3 2 -1. - <_> - 5 15 3 1 2. - 1 - <_> - - <_> - 5 0 1 3 -1. - <_> - 5 1 1 1 3. - <_> - - <_> - 5 4 4 3 -1. - <_> - 5 5 4 1 3. - <_> - - <_> - 3 6 3 3 -1. - <_> - 4 7 1 1 9. - <_> - - <_> - 7 16 1 4 -1. - <_> - 7 18 1 2 2. - <_> - - <_> - 4 16 1 4 -1. - <_> - 4 18 1 2 2. - <_> - - <_> - 6 13 1 6 -1. - <_> - 6 13 1 3 2. - 1 - <_> - - <_> - 6 13 6 1 -1. - <_> - 6 13 3 1 2. - 1 - <_> - - <_> - 6 7 1 6 -1. - <_> - 4 9 1 2 3. - 1 - <_> - - <_> - 6 7 6 1 -1. - <_> - 8 9 2 1 3. - 1 - <_> - - <_> - 11 9 1 6 -1. - <_> - 11 12 1 3 2. - <_> - - <_> - 0 9 1 6 -1. - <_> - 0 12 1 3 2. - <_> - - <_> - 0 0 12 1 -1. - <_> - 3 0 6 1 2. - <_> - - <_> - 3 0 6 8 -1. - <_> - 3 4 6 4 2. - <_> - - <_> - 3 3 6 12 -1. - <_> - 3 7 6 4 3. - <_> - - <_> - 4 6 1 2 -1. - <_> - 4 7 1 1 2. - <_> - - <_> - 11 0 1 2 -1. - <_> - 11 1 1 1 2. - <_> - - <_> - 0 12 8 3 -1. - <_> - 4 12 4 3 2. - <_> - - <_> - 10 0 2 4 -1. - <_> - 11 0 1 2 2. - <_> - 10 2 1 2 2. - <_> - - <_> - 0 0 2 4 -1. - <_> - 0 0 1 2 2. - <_> - 1 2 1 2 2. - <_> - - <_> - 10 0 2 1 -1. - <_> - 10 0 1 1 2. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 10 9 2 6 -1. - <_> - 11 9 1 3 2. - <_> - 10 12 1 3 2. - <_> - - <_> - 0 10 12 3 -1. - <_> - 0 11 12 1 3. - <_> - - <_> - 7 11 1 3 -1. - <_> - 7 12 1 1 3. - <_> - - <_> - 4 11 1 3 -1. - <_> - 4 12 1 1 3. - <_> - - <_> - 6 11 2 3 -1. - <_> - 6 12 2 1 3. - <_> - - <_> - 4 11 2 3 -1. - <_> - 4 12 2 1 3. - <_> - - <_> - 6 0 3 1 -1. - <_> - 7 1 1 1 3. - 1 - <_> - - <_> - 6 0 1 3 -1. - <_> - 5 1 1 1 3. - 1 - <_> - - <_> - 4 1 4 2 -1. - <_> - 6 1 2 1 2. - <_> - 4 2 2 1 2. - <_> - - <_> - 6 0 2 6 -1. - <_> - 4 2 2 2 3. - 1 - <_> - - <_> - 10 9 2 6 -1. - <_> - 11 9 1 3 2. - <_> - 10 12 1 3 2. - <_> - - <_> - 0 9 2 6 -1. - <_> - 0 9 1 3 2. - <_> - 1 12 1 3 2. - <_> - - <_> - 3 8 6 2 -1. - <_> - 3 9 6 1 2. - <_> - - <_> - 0 8 12 3 -1. - <_> - 0 9 12 1 3. - <_> - - <_> - 6 4 3 2 -1. - <_> - 7 5 1 2 3. - 1 - <_> - - <_> - 6 4 2 3 -1. - <_> - 5 5 2 1 3. - 1 - <_> - - <_> - 11 7 1 2 -1. - <_> - 11 8 1 1 2. - <_> - - <_> - 0 7 1 2 -1. - <_> - 0 8 1 1 2. - <_> - - <_> - 5 0 4 2 -1. - <_> - 7 0 2 1 2. - <_> - 5 1 2 1 2. - <_> - - <_> - 4 0 3 3 -1. - <_> - 5 0 1 3 3. - <_> - - <_> - 8 5 2 3 -1. - <_> - 8 5 1 3 2. - 1 - <_> - - <_> - 2 0 6 2 -1. - <_> - 2 0 3 1 2. - <_> - 5 1 3 1 2. - <_> - - <_> - 10 17 1 3 -1. - <_> - 10 18 1 1 3. - <_> - - <_> - 0 0 4 4 -1. - <_> - 0 2 4 2 2. - <_> - - <_> - 8 5 2 3 -1. - <_> - 8 5 1 3 2. - 1 - <_> - - <_> - 4 5 3 2 -1. - <_> - 4 5 3 1 2. - 1 - <_> - - <_> - 6 5 3 1 -1. - <_> - 7 6 1 1 3. - 1 - <_> - - <_> - 6 5 1 3 -1. - <_> - 5 6 1 1 3. - 1 - <_> - - <_> - 10 1 2 7 -1. - <_> - 10 1 1 7 2. - <_> - - <_> - 0 1 2 8 -1. - <_> - 1 1 1 8 2. - <_> - - <_> - 11 11 1 6 -1. - <_> - 11 11 1 3 2. - 1 - <_> - - <_> - 1 11 6 1 -1. - <_> - 1 11 3 1 2. - 1 - <_> - - <_> - 6 3 6 3 -1. - <_> - 8 5 2 3 3. - 1 - <_> - - <_> - 0 2 6 6 -1. - <_> - 2 4 2 2 9. - <_> - - <_> - 8 3 4 1 -1. - <_> - 9 4 2 1 2. - 1 - <_> - - <_> - 4 3 1 4 -1. - <_> - 3 4 1 2 2. - 1 - <_> - - <_> - 4 14 4 2 -1. - <_> - 6 14 2 1 2. - <_> - 4 15 2 1 2. - <_> - - <_> - 5 16 1 4 -1. - <_> - 5 17 1 2 2. - <_> - - <_> - 6 12 3 5 -1. - <_> - 7 13 1 5 3. - 1 - <_> - - <_> - 6 12 5 3 -1. - <_> - 5 13 5 1 3. - 1 - <_> - - <_> - 4 2 4 2 -1. - <_> - 4 2 2 1 2. - <_> - 6 3 2 1 2. - <_> - - <_> - 8 8 3 3 -1. - <_> - 9 9 1 3 3. - 1 - <_> - - <_> - 5 4 5 3 -1. - <_> - 4 5 5 1 3. - 1 - <_> - - <_> - 9 17 2 3 -1. - <_> - 9 18 2 1 3. - <_> - - <_> - 1 17 2 3 -1. - <_> - 1 18 2 1 3. - <_> - - <_> - 8 2 4 10 -1. - <_> - 10 2 2 5 2. - <_> - 8 7 2 5 2. - <_> - - <_> - 0 2 4 10 -1. - <_> - 0 2 2 5 2. - <_> - 2 7 2 5 2. - <_> - - <_> - 0 13 12 5 -1. - <_> - 3 13 6 5 2. - <_> - - <_> - 0 18 12 2 -1. - <_> - 6 18 6 2 2. - <_> - - <_> - 4 14 5 6 -1. - <_> - 4 17 5 3 2. - <_> - - <_> - 0 0 12 3 -1. - <_> - 0 1 12 1 3. - <_> - - <_> - 0 3 12 2 -1. - <_> - 0 4 12 1 2. - <_> - - <_> - 0 0 8 8 -1. - <_> - 2 0 4 8 2. - <_> - - <_> - 6 10 6 3 -1. - <_> - 6 10 3 3 2. - 1 - <_> - - <_> - 4 10 6 4 -1. - <_> - 4 10 6 2 2. - 1 - <_> - - <_> - 6 0 2 2 -1. - <_> - 7 0 1 1 2. - <_> - 6 1 1 1 2. - <_> - - <_> - 4 0 2 2 -1. - <_> - 4 0 1 1 2. - <_> - 5 1 1 1 2. - <_> - - <_> - 7 13 5 2 -1. - <_> - 7 13 5 1 2. - 1 - <_> - - <_> - 0 0 1 3 -1. - <_> - 0 1 1 1 3. - <_> - - <_> - 11 0 1 2 -1. - <_> - 11 1 1 1 2. - <_> - - <_> - 5 5 3 3 -1. - <_> - 4 6 3 1 3. - 1 - <_> - - <_> - 6 3 3 4 -1. - <_> - 7 4 1 4 3. - 1 - <_> - - <_> - 3 6 2 4 -1. - <_> - 3 6 1 2 2. - <_> - 4 8 1 2 2. - <_> - - <_> - 7 13 5 2 -1. - <_> - 7 13 5 1 2. - 1 - <_> - - <_> - 5 13 2 5 -1. - <_> - 5 13 1 5 2. - 1 - <_> - - <_> - 11 0 1 2 -1. - <_> - 11 1 1 1 2. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 6 5 3 3 -1. - <_> - 5 6 3 1 3. - 1 - <_> - - <_> - 6 5 3 3 -1. - <_> - 7 6 1 3 3. - 1 - <_> - - <_> - 0 15 12 5 -1. - <_> - 3 15 6 5 2. - <_> - - <_> - 3 17 1 2 -1. - <_> - 3 17 1 1 2. - 1 - <_> - - <_> - 8 9 3 2 -1. - <_> - 9 9 1 2 3. - <_> - - <_> - 1 14 4 6 -1. - <_> - 1 14 2 3 2. - <_> - 3 17 2 3 2. - <_> - - <_> - 8 9 3 2 -1. - <_> - 9 9 1 2 3. - <_> - - <_> - 2 9 8 3 -1. - <_> - 2 10 8 1 3. - <_> - - <_> - 8 9 3 2 -1. - <_> - 9 9 1 2 3. - <_> - - <_> - 3 12 1 3 -1. - <_> - 3 13 1 1 3. - <_> - - <_> - 8 12 1 3 -1. - <_> - 8 13 1 1 3. - <_> - - <_> - 3 12 1 3 -1. - <_> - 3 13 1 1 3. - <_> - - <_> - 9 3 3 6 -1. - <_> - 10 5 1 2 9. - <_> - - <_> - 0 3 3 6 -1. - <_> - 1 5 1 2 9. - <_> - - <_> - 6 4 6 16 -1. - <_> - 6 12 6 8 2. - <_> - - <_> - 1 9 3 2 -1. - <_> - 2 9 1 2 3. - <_> - - <_> - 8 5 2 6 -1. - <_> - 9 5 1 3 2. - <_> - 8 8 1 3 2. - <_> - - <_> - 2 5 2 6 -1. - <_> - 2 5 1 3 2. - <_> - 3 8 1 3 2. - <_> - - <_> - 0 2 12 18 -1. - <_> - 6 2 6 9 2. - <_> - 0 11 6 9 2. - <_> - - <_> - 0 13 12 4 -1. - <_> - 0 13 6 2 2. - <_> - 6 15 6 2 2. - <_> - - <_> - 0 4 12 12 -1. - <_> - 0 7 12 6 2. - <_> - - <_> - 4 14 3 6 -1. - <_> - 5 14 1 6 3. - <_> - - <_> - 6 11 2 3 -1. - <_> - 6 12 2 1 3. - <_> - - <_> - 4 11 2 3 -1. - <_> - 4 12 2 1 3. - <_> - - <_> - 1 9 10 2 -1. - <_> - 6 9 5 1 2. - <_> - 1 10 5 1 2. - <_> - - <_> - 6 3 3 6 -1. - <_> - 4 5 3 2 3. - 1 - <_> - - <_> - 4 10 8 7 -1. - <_> - 4 10 4 7 2. - <_> - - <_> - 6 7 6 4 -1. - <_> - 6 7 3 4 2. - 1 - <_> - - <_> - 7 13 4 2 -1. - <_> - 9 13 2 1 2. - <_> - 7 14 2 1 2. - <_> - - <_> - 1 13 4 2 -1. - <_> - 1 13 2 1 2. - <_> - 3 14 2 1 2. - <_> - - <_> - 9 8 2 3 -1. - <_> - 9 8 1 3 2. - <_> - - <_> - 1 8 2 3 -1. - <_> - 2 8 1 3 2. - diff --git a/data/haarcascades/haarcascade_mcs_righteye.xml b/data/haarcascades/haarcascade_mcs_righteye.xml deleted file mode 100644 index 8db288d262..0000000000 --- a/data/haarcascades/haarcascade_mcs_righteye.xml +++ /dev/null @@ -1,34105 +0,0 @@ - - - -BOOST - HAAR - 18 - 12 - - 415 - - 0 - 18 - - <_> - 14 - -1.8531819581985474e+00 - - <_> - - 0 -1 0 -2.4424770474433899e-01 - - 6.9875770807266235e-01 -6.8658047914505005e-01 - <_> - - 0 -1 1 -7.8023127571213990e-05 - - 1.8409989774227142e-01 -1.5867869555950165e-01 - <_> - - 0 -1 2 6.1863329261541367e-02 - - -5.8069580793380737e-01 4.2429021000862122e-01 - <_> - - 0 -1 3 1.0108880087500438e-04 - - -2.1480329334735870e-01 2.5654569268226624e-01 - <_> - - 0 -1 4 -9.1220928879920393e-05 - - 3.8367459177970886e-01 -6.1654907464981079e-01 - <_> - - 0 -1 5 -3.0509479343891144e-02 - - 3.9360129833221436e-01 -1.3422299921512604e-01 - <_> - - 0 -1 6 -9.1780202637892216e-05 - - 2.7786558866500854e-01 -4.3007740378379822e-01 - <_> - - 0 -1 7 2.7771899476647377e-02 - - -8.0776482820510864e-02 2.8311640024185181e-01 - <_> - - 0 -1 8 -2.9620470479130745e-02 - - 4.8583909869194031e-01 -1.9754469394683838e-01 - <_> - - 0 -1 9 2.2866599261760712e-02 - - 1.0636190325021744e-01 -7.5176268815994263e-01 - <_> - - 0 -1 10 -4.1282488964498043e-03 - - -6.7065757513046265e-01 1.0479719936847687e-01 - <_> - - 0 -1 11 4.9167869292432442e-05 - - -4.3471860885620117e-01 1.9802249968051910e-01 - <_> - - 0 -1 12 1.0719999670982361e-01 - - -8.9806847274303436e-02 7.4682819843292236e-01 - <_> - - 0 -1 13 -1.0073629766702652e-01 - - 5.0939172506332397e-01 -1.3393540680408478e-01 - <_> - 18 - -1.7752469778060913e+00 - - <_> - - 0 -1 14 1.7802350223064423e-01 - - -7.5870281457901001e-01 5.3465932607650757e-01 - <_> - - 0 -1 15 -6.5577399730682373e-01 - - 6.4692652225494385e-01 -4.3502590060234070e-01 - <_> - - 0 -1 16 -4.0021299355430529e-05 - - 2.9965978860855103e-01 -5.6885862350463867e-01 - <_> - - 0 -1 17 -3.7154618650674820e-02 - - 3.4918901324272156e-01 -2.5589430704712868e-02 - <_> - - 0 -1 18 -1.2173940241336823e-01 - - 6.1586397886276245e-01 -2.0626740157604218e-01 - <_> - - 0 -1 19 5.2311879699118435e-05 - - -4.3647938966751099e-01 2.1958270668983459e-01 - <_> - - 0 -1 20 8.0859176814556122e-02 - - -1.9945010542869568e-01 6.7326688766479492e-01 - <_> - - 0 -1 21 4.0166039980249479e-05 - - -4.5640110969543457e-02 1.9430699944496155e-01 - <_> - - 0 -1 22 -3.1046951335156336e-05 - - 2.7887210249900818e-01 -3.9368268847465515e-01 - <_> - - 0 -1 23 4.4764861464500427e-02 - - 1.5304270200431347e-02 -5.4978501796722412e-01 - <_> - - 0 -1 24 4.1439689084654674e-05 - - -4.0887549519538879e-01 2.4293379485607147e-01 - <_> - - 0 -1 25 -6.8109878338873386e-03 - - 2.0475849509239197e-01 -1.7610409855842590e-01 - <_> - - 0 -1 26 -1.1959940195083618e-02 - - 3.2010918855667114e-01 -2.4382120370864868e-01 - <_> - - 0 -1 27 4.1247010231018066e-03 - - 1.0142499953508377e-01 -6.7148768901824951e-01 - <_> - - 0 -1 28 4.8378468491137028e-03 - - 1.0296879708766937e-01 -7.6776862144470215e-01 - <_> - - 0 -1 29 -6.9100200198590755e-03 - - -5.3126591444015503e-01 1.0427720099687576e-01 - <_> - - 0 -1 30 -1.0080339759588242e-01 - - 5.0777941942214966e-01 -1.3023640215396881e-01 - <_> - - 0 -1 31 -1.9967159628868103e-01 - - 3.8986781239509583e-01 -1.6772779822349548e-01 - <_> - 28 - -1.6665699481964111e+00 - - <_> - - 0 -1 32 2.5776880979537964e-01 - - -5.8348870277404785e-01 5.5340260267257690e-01 - <_> - - 0 -1 33 -7.3068267107009888e-01 - - 5.5796027183532715e-01 -3.2565701007843018e-01 - <_> - - 0 -1 34 -2.7534509077668190e-02 - - 4.8059350252151489e-01 -2.3844310641288757e-01 - <_> - - 0 -1 35 -2.3275651037693024e-03 - - -3.6521190404891968e-01 4.5028999447822571e-02 - <_> - - 0 -1 36 1.1417310452088714e-03 - - -3.4956368803977966e-01 2.9769980907440186e-01 - <_> - - 0 -1 37 -3.3687320537865162e-03 - - -7.0289838314056396e-01 1.2980960309505463e-01 - <_> - - 0 -1 38 2.4614449590444565e-02 - - 1.3107569515705109e-01 -5.4708969593048096e-01 - <_> - - 0 -1 39 -5.8426922187209129e-03 - - -5.8647221326828003e-01 9.7731806337833405e-02 - <_> - - 0 -1 40 -5.4343082010746002e-03 - - -5.7326608896255493e-01 1.1278089880943298e-01 - <_> - - 0 -1 41 2.2054079920053482e-02 - - -9.2888571321964264e-02 1.3657820224761963e-01 - <_> - - 0 -1 42 -1.5347589738667011e-02 - - -6.4429342746734619e-01 7.4354633688926697e-02 - <_> - - 0 -1 43 5.0572961568832397e-02 - - 5.6103519164025784e-03 -5.0079947710037231e-01 - <_> - - 0 -1 44 -1.3261740095913410e-02 - - -7.3392891883850098e-01 6.5433360636234283e-02 - <_> - - 0 -1 45 -3.8969300221651793e-03 - - 3.1489849090576172e-01 -8.1432163715362549e-02 - <_> - - 0 -1 46 -2.4822659790515900e-02 - - 3.8604599237442017e-01 -1.2266899645328522e-01 - <_> - - 0 -1 47 -1.1084429919719696e-02 - - -5.6293141841888428e-01 5.4145891219377518e-02 - <_> - - 0 -1 48 1.8387300893664360e-02 - - 6.0027949512004852e-02 -6.5090698003768921e-01 - <_> - - 0 -1 49 -2.7180250734090805e-02 - - 2.1603550016880035e-01 -9.3256972730159760e-02 - <_> - - 0 -1 50 -1.8154690042138100e-02 - - 2.4887280166149139e-01 -1.7248439788818359e-01 - <_> - - 0 -1 51 -7.4400618672370911e-02 - - 2.2635079920291901e-01 -1.9566230475902557e-01 - <_> - - 0 -1 52 2.5560980662703514e-02 - - -1.1583790183067322e-01 3.8171079754829407e-01 - <_> - - 0 -1 53 -1.4836280047893524e-01 - - 4.4178679585456848e-01 -9.0950436890125275e-02 - <_> - - 0 -1 54 2.7006680611521006e-03 - - 7.7947027981281281e-02 -5.5427479743957520e-01 - <_> - - 0 -1 55 -8.6278393864631653e-03 - - -6.9937318563461304e-01 4.9830928444862366e-02 - <_> - - 0 -1 56 6.8439252674579620e-02 - - -7.5978577136993408e-02 6.2046712636947632e-01 - <_> - - 0 -1 57 -1.0975140146911144e-02 - - -6.0147458314895630e-01 7.1278177201747894e-02 - <_> - - 0 -1 58 1.8099289387464523e-02 - - 5.1625069230794907e-02 -6.1827600002288818e-01 - <_> - - 0 -1 59 -3.3489301800727844e-02 - - -4.7863158583641052e-01 1.8769619986414909e-02 - <_> - 42 - -1.6865210533142090e+00 - - <_> - - 0 -1 60 -1.0777440071105957e+00 - - 6.4120662212371826e-01 -4.2570671439170837e-01 - <_> - - 0 -1 61 -9.1444328427314758e-02 - - -4.7957998514175415e-01 5.7769209146499634e-02 - <_> - - 0 -1 62 -7.4071469716727734e-03 - - 2.8621929883956909e-01 -4.1994690895080566e-01 - <_> - - 0 -1 63 4.7062758356332779e-02 - - -4.3619200587272644e-01 2.6828920841217041e-01 - <_> - - 0 -1 64 -3.6404181271791458e-02 - - 3.5899761319160461e-01 -2.1427430212497711e-01 - <_> - - 0 -1 65 8.6630545556545258e-03 - - 1.4662440121173859e-01 -6.7707377672195435e-01 - <_> - - 0 -1 66 9.3371979892253876e-03 - - 5.1249351352453232e-02 -6.2359398603439331e-01 - <_> - - 0 -1 67 -8.9909201487898827e-03 - - 1.8665479496121407e-02 -1.2940050661563873e-01 - <_> - - 0 -1 68 6.0002477839589119e-03 - - 1.2412460148334503e-01 -4.5031398534774780e-01 - <_> - - 0 -1 69 -4.1527119465172291e-03 - - -6.1313831806182861e-01 1.0697679966688156e-01 - <_> - - 0 -1 70 -9.4439463282469660e-05 - - 1.6724079847335815e-01 -2.9332458972930908e-01 - <_> - - 0 -1 71 7.7140098437666893e-03 - - 9.1794438660144806e-02 -5.2451968193054199e-01 - <_> - - 0 -1 72 2.9233409091830254e-02 - - -1.5653559565544128e-01 3.0735900998115540e-01 - <_> - - 0 -1 73 -2.8729479759931564e-02 - - 2.0408889651298523e-01 -1.5190300345420837e-01 - <_> - - 0 -1 74 -9.4922380521893501e-03 - - -6.5572720766067505e-01 8.0031089484691620e-02 - <_> - - 0 -1 75 1.5254859812557697e-02 - - -7.0718497037887573e-02 1.8037749826908112e-01 - <_> - - 0 -1 76 8.5085026919841766e-02 - - -8.7161593139171600e-02 5.4529631137847900e-01 - <_> - - 0 -1 77 -1.2432079762220383e-02 - - -6.0595548152923584e-01 6.3416220247745514e-02 - <_> - - 0 -1 78 7.8379884362220764e-03 - - 8.5878178477287292e-02 -4.8387068510055542e-01 - <_> - - 0 -1 79 3.0610410496592522e-02 - - -8.5991300642490387e-02 1.2778289616107941e-01 - <_> - - 0 -1 80 -7.8582251444458961e-03 - - -4.7124311327934265e-01 8.1875868141651154e-02 - <_> - - 0 -1 81 -4.0620751678943634e-02 - - 3.4080961346626282e-01 -6.9700337946414948e-02 - <_> - - 0 -1 82 3.8473328948020935e-01 - - 9.9060591310262680e-04 -4.8748442382812500e+03 - <_> - - 0 -1 83 8.8061448186635971e-03 - - 2.1548839285969734e-02 -3.8199108839035034e-01 - <_> - - 0 -1 84 -9.8602060461416841e-05 - - 1.4345769584178925e-01 -2.5611689686775208e-01 - <_> - - 0 -1 85 4.4175058603286743e-02 - - -3.5266518592834473e-02 5.0838309526443481e-01 - <_> - - 0 -1 86 1.6760559519752860e-03 - - 9.2227913439273834e-02 -4.0895891189575195e-01 - <_> - - 0 -1 87 -2.0384270697832108e-02 - - 1.1310269683599472e-01 -6.7171029746532440e-02 - <_> - - 0 -1 88 -2.8324460610747337e-02 - - 3.2514190673828125e-01 -1.1220960319042206e-01 - <_> - - 0 -1 89 1.1148240417242050e-02 - - 4.3706391006708145e-02 -5.6290757656097412e-01 - <_> - - 0 -1 90 -6.1231020838022232e-02 - - 3.2292550802230835e-01 -1.1842100322246552e-01 - <_> - - 0 -1 91 -2.5340579450130463e-03 - - -2.8566569089889526e-01 9.7137562930583954e-02 - <_> - - 0 -1 92 9.4344420358538628e-03 - - 5.5838178843259811e-02 -6.1303967237472534e-01 - <_> - - 0 -1 93 -2.4996360763907433e-02 - - 3.7379479408264160e-01 -9.5438957214355469e-02 - <_> - - 0 -1 94 -1.5579929575324059e-02 - - -4.3321099877357483e-01 8.2081481814384460e-02 - <_> - - 0 -1 95 -7.4995987117290497e-02 - - 2.2193589806556702e-01 -1.5627489984035492e-01 - <_> - - 0 -1 96 -1.0779550075531006e+00 - - -2.7007299661636353e-01 1.3836389780044556e-01 - <_> - - 0 -1 97 5.9222001582384109e-02 - - -3.7382701039314270e-01 1.1695600301027298e-01 - <_> - - 0 -1 98 -8.6024785414338112e-03 - - 2.7681049704551697e-01 -1.2526260316371918e-01 - <_> - - 0 -1 99 -9.9356677383184433e-03 - - -5.1475620269775391e-01 6.3418559730052948e-02 - <_> - - 0 -1 100 1.2248200178146362e-01 - - -8.3492033183574677e-02 3.8797920942306519e-01 - <_> - - 0 -1 101 1.2311439961194992e-02 - - 5.4995030164718628e-02 -3.6952498555183411e-01 - <_> - 56 - -1.6953380107879639e+00 - - <_> - - 0 -1 102 -6.7200362682342529e-02 - - 4.5108181238174438e-01 -5.3534239530563354e-01 - <_> - - 0 -1 103 -8.2662038505077362e-02 - - 3.4775099158287048e-01 -1.2517650425434113e-01 - <_> - - 0 -1 104 -2.5940420106053352e-02 - - 3.1833609938621521e-01 -3.6004140973091125e-01 - <_> - - 0 -1 105 5.3580861538648605e-02 - - -6.5426699817180634e-02 1.6147750616073608e-01 - <_> - - 0 -1 106 -5.7038158178329468e-02 - - 3.7935408949851990e-01 -2.5456818938255310e-01 - <_> - - 0 -1 107 1.3242330402135849e-02 - - -4.4407260417938232e-01 2.3491750657558441e-01 - <_> - - 0 -1 108 -3.9509739726781845e-02 - - 4.3274340033531189e-01 -1.9499629735946655e-01 - <_> - - 0 -1 109 -2.8298990800976753e-02 - - 2.0397779345512390e-01 -8.9589469134807587e-02 - <_> - - 0 -1 110 6.3852379098534584e-03 - - -3.5488009452819824e-01 1.9138309359550476e-01 - <_> - - 0 -1 111 1.1374940164387226e-02 - - -1.3457709550857544e-01 1.2404730170965195e-01 - <_> - - 0 -1 112 6.5829078666865826e-03 - - 9.5501258969306946e-02 -4.7210261225700378e-01 - <_> - - 0 -1 113 -8.6454320698976517e-03 - - 3.2122609019279480e-01 -8.4004022181034088e-02 - <_> - - 0 -1 114 -6.4918738789856434e-03 - - 3.7122198939323425e-01 -1.4155159890651703e-01 - <_> - - 0 -1 115 9.4650797545909882e-03 - - 4.8017621040344238e-02 -4.9044439196586609e-01 - <_> - - 0 -1 116 2.2820439189672470e-02 - - -1.2555100023746490e-01 3.2097619771957397e-01 - <_> - - 0 -1 117 5.9925079345703125e-02 - - 8.4711313247680664e-02 -4.5627591013908386e-01 - <_> - - 0 -1 118 8.8552264496684074e-03 - - 6.0358591377735138e-02 -6.0775542259216309e-01 - <_> - - 0 -1 119 -1.7045319080352783e-02 - - 9.4534762203693390e-02 -1.0723099857568741e-01 - <_> - - 0 -1 120 -3.8314480334520340e-02 - - -5.7877939939498901e-01 6.7216247320175171e-02 - <_> - - 0 -1 121 -6.9333538413047791e-02 - - -3.3919590711593628e-01 1.9480850547552109e-02 - <_> - - 0 -1 122 -1.8777130171656609e-02 - - 1.6830919682979584e-01 -2.0851990580558777e-01 - <_> - - 0 -1 123 3.2719969749450684e-02 - - 3.0514130368828773e-02 -4.5696869492530823e-01 - <_> - - 0 -1 124 -2.1114969626069069e-02 - - -4.8196780681610107e-01 7.8218683600425720e-02 - <_> - - 0 -1 125 4.8785269260406494e-02 - - 2.0097790285944939e-02 -3.5147210955619812e-01 - <_> - - 0 -1 126 5.9009779244661331e-02 - - 5.0008200109004974e-02 -7.1498161554336548e-01 - <_> - - 0 -1 127 -1.3095900416374207e-02 - - -2.0079830288887024e-01 7.4462093412876129e-02 - <_> - - 0 -1 128 4.8975921235978603e-03 - - 5.5243130773305893e-02 -5.7409340143203735e-01 - <_> - - 0 -1 129 -5.4940162226557732e-03 - - 3.5677149891853333e-01 -8.6807981133460999e-02 - <_> - - 0 -1 130 -3.1561508774757385e-02 - - -4.6615409851074219e-01 7.0244632661342621e-02 - <_> - - 0 -1 131 2.2134589962661266e-03 - - -6.8283282220363617e-02 7.9536527395248413e-02 - <_> - - 0 -1 132 -8.2062073051929474e-03 - - 2.7306330204010010e-01 -1.1220429837703705e-01 - <_> - - 0 -1 133 -4.2711659334599972e-03 - - 2.0383749902248383e-01 -1.1134400218725204e-01 - <_> - - 0 -1 134 -4.5153028331696987e-03 - - 2.1680480241775513e-01 -1.4698010683059692e-01 - <_> - - 0 -1 135 -6.8448767997324467e-03 - - -5.1700651645660400e-01 5.7613730430603027e-02 - <_> - - 0 -1 136 -9.3936352059245110e-03 - - -7.0918929576873779e-01 4.1451569646596909e-02 - <_> - - 0 -1 137 -3.5494949668645859e-02 - - 4.1316780447959900e-01 -6.1823520809412003e-02 - <_> - - 0 -1 138 -3.0114190652966499e-02 - - 4.9658629298210144e-01 -5.9313420206308365e-02 - <_> - - 0 -1 139 -2.8231500182300806e-03 - - -4.2436400055885315e-01 7.1718901395797729e-02 - <_> - - 0 -1 140 -5.4673277772963047e-03 - - -5.5095481872558594e-01 4.6391129493713379e-02 - <_> - - 0 -1 141 1.0120819933945313e-04 - - -5.8151338249444962e-02 5.8602251112461090e-02 - <_> - - 0 -1 142 -9.6490257419645786e-05 - - 1.2582179903984070e-01 -2.2901579737663269e-01 - <_> - - 0 -1 143 -6.1294160783290863e-02 - - 2.9266101121902466e-01 -9.5403976738452911e-02 - <_> - - 0 -1 144 2.8102770447731018e-02 - - -1.1171860247850418e-01 2.8479880094528198e-01 - <_> - - 0 -1 145 8.5702445358037949e-03 - - 3.3816758543252945e-02 -2.5395581126213074e-01 - <_> - - 0 -1 146 -1.0708959773182869e-02 - - -4.0251371264457703e-01 6.1992008239030838e-02 - <_> - - 0 -1 147 7.7682421542704105e-03 - - 4.5514889061450958e-02 -4.4539490342140198e-01 - <_> - - 0 -1 148 -3.9436880499124527e-02 - - -5.9126931428909302e-01 3.6915950477123260e-02 - <_> - - 0 -1 149 -8.3061866462230682e-03 - - 4.1907790303230286e-01 -3.8043338805437088e-02 - <_> - - 0 -1 150 -2.6948580052703619e-03 - - 2.6846599578857422e-01 -1.0144890099763870e-01 - <_> - - 0 -1 151 -5.0465110689401627e-02 - - 1.2373439967632294e-01 -1.2334769964218140e-01 - <_> - - 0 -1 152 -1.0141739767277613e-04 - - 1.0864509642124176e-01 -2.4142740666866302e-01 - <_> - - 0 -1 153 1.2928189709782600e-02 - - -7.8642763197422028e-02 2.5868999958038330e-01 - <_> - - 0 -1 154 -1.6396190039813519e-03 - - -2.5857350230216980e-01 8.3787269890308380e-02 - <_> - - 0 -1 155 6.9712791591882706e-03 - - -2.5677189230918884e-02 2.0356319844722748e-01 - <_> - - 0 -1 156 3.9361029863357544e-02 - - -5.5376350879669189e-02 3.9945369958877563e-01 - <_> - - 0 -1 157 -3.0988039448857307e-02 - - 3.2057970762252808e-01 -6.4473606646060944e-02 - <_> - 72 - -1.6599390506744385e+00 - - <_> - - 0 -1 158 -2.4494670331478119e-01 - - 4.0746760368347168e-01 -4.0469241142272949e-01 - <_> - - 0 -1 159 -1.8972739577293396e-02 - - 3.4485670924186707e-01 -3.0548089742660522e-01 - <_> - - 0 -1 160 -2.9695449396967888e-02 - - 2.4475049972534180e-01 -3.6786770820617676e-01 - <_> - - 0 -1 161 1.2069249898195267e-01 - - -3.3793058991432190e-01 2.0322279632091522e-01 - <_> - - 0 -1 162 -5.4062519222497940e-02 - - 4.5939388871192932e-01 -1.1671090126037598e-01 - <_> - - 0 -1 163 -7.3384187999181449e-05 - - 1.8353730440139771e-02 -1.0902920365333557e-01 - <_> - - 0 -1 164 -7.9208686656784266e-05 - - 1.5077480673789978e-01 -3.7546008825302124e-01 - <_> - - 0 -1 165 2.6447780430316925e-02 - - -4.1112259030342102e-02 5.3516292572021484e-01 - <_> - - 0 -1 166 -8.7839355692267418e-03 - - 3.7664881348609924e-01 -1.3378149271011353e-01 - <_> - - 0 -1 167 1.5802720189094543e-01 - - -7.5865842401981354e-02 5.6553637981414795e-01 - <_> - - 0 -1 168 -2.3577159270644188e-02 - - 5.0584560632705688e-01 -6.5434440970420837e-02 - <_> - - 0 -1 169 3.5952448844909668e-02 - - 6.8231552839279175e-02 -5.3152531385421753e-01 - <_> - - 0 -1 170 -8.6752548813819885e-03 - - 2.1871459484100342e-01 -1.8592439591884613e-01 - <_> - - 0 -1 171 -3.1334798783063889e-02 - - -5.2554857730865479e-01 6.3401840627193451e-02 - <_> - - 0 -1 172 -4.4468481093645096e-02 - - -6.1970520019531250e-01 4.7379858791828156e-02 - <_> - - 0 -1 173 1.0566320270299911e-02 - - 1.9362540915608406e-02 -3.8206431269645691e-01 - <_> - - 0 -1 174 -9.7126147011294961e-05 - - 1.4222820103168488e-01 -2.2819939255714417e-01 - <_> - - 0 -1 175 4.3628368526697159e-02 - - 9.2759296298027039e-02 -3.6083820462226868e-01 - <_> - - 0 -1 176 1.0665970330592245e-04 - - -2.5239759683609009e-01 1.2652850151062012e-01 - <_> - - 0 -1 177 -3.2759020105004311e-03 - - -5.0014287233352661e-01 5.5411998182535172e-02 - <_> - - 0 -1 178 -5.1345061510801315e-03 - - -4.9917379021644592e-01 5.3027190268039703e-02 - <_> - - 0 -1 179 -2.3086380679160357e-03 - - 1.4560249447822571e-01 -1.5677399933338165e-01 - <_> - - 0 -1 180 -1.1395690031349659e-02 - - -5.6590718030929565e-01 4.8358190804719925e-02 - <_> - - 0 -1 181 2.1377710625529289e-02 - - -2.0428450778126717e-02 3.3207640051841736e-01 - <_> - - 0 -1 182 -5.4581598378717899e-03 - - 1.8875059485435486e-01 -1.6000190377235413e-01 - <_> - - 0 -1 183 -6.5560699440538883e-03 - - 3.9806428551673889e-01 -5.0772599875926971e-02 - <_> - - 0 -1 184 -3.0029900372028351e-02 - - -6.3900482654571533e-01 4.8738751560449600e-02 - <_> - - 0 -1 185 1.7660830169916153e-02 - - -5.9581778943538666e-02 3.6284449696540833e-01 - <_> - - 0 -1 186 7.7252220362424850e-03 - - 4.8472359776496887e-02 -5.8043122291564941e-01 - <_> - - 0 -1 187 -3.8417279720306396e-03 - - 1.3482269644737244e-01 -6.1082180589437485e-02 - <_> - - 0 -1 188 1.6697360202670097e-02 - - -6.1526499688625336e-02 4.5710238814353943e-01 - <_> - - 0 -1 189 -4.7411560080945492e-03 - - -4.1636040806770325e-01 5.9805721044540405e-02 - <_> - - 0 -1 190 -6.6320500336587429e-03 - - 2.9735830426216125e-01 -8.8206142187118530e-02 - <_> - - 0 -1 191 1.1486539617180824e-02 - - 5.0168808549642563e-02 -5.0688809156417847e-01 - <_> - - 0 -1 192 -2.1305510774254799e-02 - - -5.8062469959259033e-01 4.1004549711942673e-02 - <_> - - 0 -1 193 -4.7006089240312576e-02 - - 3.6068481206893921e-01 -7.2690792381763458e-02 - <_> - - 0 -1 194 1.7832050099968910e-02 - - -7.4530497193336487e-02 4.0493220090866089e-01 - <_> - - 0 -1 195 -1.5592209994792938e-01 - - 1.7431819438934326e-01 -1.7088210582733154e-01 - <_> - - 0 -1 196 5.4303607903420925e-03 - - 7.9587250947952271e-02 -3.6683198809623718e-01 - <_> - - 0 -1 197 3.0937120318412781e-02 - - -6.5279401838779449e-02 4.5822051167488098e-01 - <_> - - 0 -1 198 -1.0075340047478676e-02 - - -3.8206771016120911e-01 5.8533921837806702e-02 - <_> - - 0 -1 199 -2.4391389451920986e-03 - - 1.6461110115051270e-01 -1.2688189744949341e-01 - <_> - - 0 -1 200 2.7846049517393112e-02 - - -6.8525552749633789e-02 2.9142960906028748e-01 - <_> - - 0 -1 201 -2.5113900192081928e-03 - - 7.9238571226596832e-02 -4.3009191751480103e-02 - <_> - - 0 -1 202 5.5342530831694603e-03 - - 3.6389451473951340e-02 -4.9398460984230042e-01 - <_> - - 0 -1 203 -1.1999580077826977e-02 - - -5.2778410911560059e-01 3.4849070012569427e-02 - <_> - - 0 -1 204 -3.9921961724758148e-03 - - 2.1965460479259491e-01 -9.6781797707080841e-02 - <_> - - 0 -1 205 -1.3837540149688721e-01 - - -2.2437030076980591e-01 1.5038269571959972e-02 - <_> - - 0 -1 206 3.9730938151478767e-03 - - 4.8632390797138214e-02 -3.8494649529457092e-01 - <_> - - 0 -1 207 -2.7530850842595100e-02 - - 9.1857790946960449e-02 -1.1331369727849960e-01 - <_> - - 0 -1 208 -4.8373710364103317e-02 - - 2.3593319952487946e-01 -8.9034907519817352e-02 - <_> - - 0 -1 209 -1.5814600046724081e-03 - - 1.0996560007333755e-01 -6.9286808371543884e-02 - <_> - - 0 -1 210 -8.7159816175699234e-03 - - 3.0356439948081970e-01 -6.6869571805000305e-02 - <_> - - 0 -1 211 1.8994549289345741e-02 - - 1.7783800140023232e-02 -5.1624137163162231e-01 - <_> - - 0 -1 212 9.0731251984834671e-03 - - 4.3918740004301071e-02 -4.1843789815902710e-01 - <_> - - 0 -1 213 1.5486050397157669e-02 - - -5.8535698801279068e-02 2.7429381012916565e-01 - <_> - - 0 -1 214 2.7820859104394913e-02 - - 2.9692919924855232e-02 -6.2087607383728027e-01 - <_> - - 0 -1 215 -1.3044780353084207e-03 - - 1.6318100690841675e-01 -5.9719368815422058e-02 - <_> - - 0 -1 216 8.5032671689987183e-02 - - -6.4964443445205688e-02 2.7426218986511230e-01 - <_> - - 0 -1 217 1.7395729199051857e-02 - - 3.8472320884466171e-02 -3.1618699431419373e-01 - <_> - - 0 -1 218 -2.1765150129795074e-02 - - -5.2773088216781616e-01 3.4570030868053436e-02 - <_> - - 0 -1 219 -9.7448393702507019e-02 - - 2.5861459970474243e-01 -7.4092611670494080e-02 - <_> - - 0 -1 220 -1.5628200490027666e-03 - - 2.5666180253028870e-01 -7.2598278522491455e-02 - <_> - - 0 -1 221 -3.7647458910942078e-01 - - 2.6231971383094788e-01 -7.1217708289623260e-02 - <_> - - 0 -1 222 -2.1947529166936874e-02 - - -5.5471789836883545e-01 3.2997239381074905e-02 - <_> - - 0 -1 223 3.8632971048355103e-01 - - 2.5074239820241928e-02 -6.0832667350769043e-01 - <_> - - 0 -1 224 -3.1041959300637245e-03 - - 1.6470110416412354e-01 -1.0676909983158112e-01 - <_> - - 0 -1 225 -3.4860908985137939e-02 - - -5.7921218872070312e-01 1.2084069661796093e-02 - <_> - - 0 -1 226 1.1423420161008835e-02 - - 5.6263469159603119e-02 -2.9407739639282227e-01 - <_> - - 0 -1 227 5.8854189701378345e-03 - - 1.7714949324727058e-02 -6.4319449663162231e-01 - <_> - - 0 -1 228 -6.7278537899255753e-03 - - 2.2641740739345551e-01 -7.9366579651832581e-02 - <_> - - 0 -1 229 -1.5968179330229759e-02 - - 8.4905549883842468e-02 -6.6024817526340485e-02 - <_> - 97 - -1.7070800065994263e+00 - - <_> - - 0 -1 230 -3.6784499883651733e-01 - - 4.5800340175628662e-01 -3.3849748969078064e-01 - <_> - - 0 -1 231 -9.4871893525123596e-02 - - -4.5669031143188477e-01 3.2879181206226349e-02 - <_> - - 0 -1 232 -1.8604120239615440e-02 - - 2.0924760401248932e-01 -3.6567929387092590e-01 - <_> - - 0 -1 233 2.9974810779094696e-02 - - -1.9289420545101166e-01 3.2448410987854004e-01 - <_> - - 0 -1 234 5.8208271861076355e-02 - - 1.3660140102729201e-03 -1.2704019775390625e+03 - <_> - - 0 -1 235 -2.8189869597554207e-02 - - 9.7124092280864716e-02 -1.7665229737758636e-01 - <_> - - 0 -1 236 3.6802981048822403e-02 - - -5.7311378419399261e-02 5.5507022142410278e-01 - <_> - - 0 -1 237 5.0173830240964890e-02 - - 6.7918449640274048e-02 -5.5383729934692383e-01 - <_> - - 0 -1 238 1.2276550114620477e-04 - - -3.6698448657989502e-01 1.1779980361461639e-01 - <_> - - 0 -1 239 -1.2047369964420795e-02 - - 2.8118661046028137e-01 -9.1286137700080872e-02 - <_> - - 0 -1 240 -1.3500650227069855e-01 - - 4.0587979555130005e-01 -1.1283899843692780e-01 - <_> - - 0 -1 241 -1.4946890063583851e-02 - - 1.1184260249137878e-01 -6.9855831563472748e-02 - <_> - - 0 -1 242 -2.8080230578780174e-02 - - 3.7134361267089844e-01 -1.1335489898920059e-01 - <_> - - 0 -1 243 8.9532906713429838e-05 - - -2.4021409451961517e-01 1.5452569723129272e-01 - <_> - - 0 -1 244 3.3625299111008644e-03 - - 7.6281696557998657e-02 -4.2249780893325806e-01 - <_> - - 0 -1 245 7.7109010890126228e-03 - - 6.4429573714733124e-02 -5.2580958604812622e-01 - <_> - - 0 -1 246 -4.0021299355430529e-05 - - 1.2313339859247208e-01 -2.5762450695037842e-01 - <_> - - 0 -1 247 -3.1202889513224363e-03 - - -4.6036028861999512e-01 5.1612310111522675e-02 - <_> - - 0 -1 248 -1.0011930018663406e-02 - - -5.9611922502517700e-01 4.7229800373315811e-02 - <_> - - 0 -1 249 1.7205670475959778e-02 - - -8.7691828608512878e-02 3.6531248688697815e-01 - <_> - - 0 -1 250 -8.0158591270446777e-02 - - 1.7942880094051361e-01 -1.8761360645294189e-01 - <_> - - 0 -1 251 -3.0895389616489410e-02 - - -5.3028690814971924e-01 6.2362041324377060e-02 - <_> - - 0 -1 252 -4.0663570165634155e-02 - - -6.5177547931671143e-01 4.2615588754415512e-02 - <_> - - 0 -1 253 1.3517879880964756e-02 - - -6.4104713499546051e-02 3.9314290881156921e-01 - <_> - - 0 -1 254 2.0111180841922760e-02 - - -1.7060810327529907e-01 1.8481850624084473e-01 - <_> - - 0 -1 255 1.0260569863021374e-02 - - 3.3398948609828949e-02 -4.3841761350631714e-01 - <_> - - 0 -1 256 -1.0485230013728142e-02 - - 1.9740979373455048e-01 -1.4588220417499542e-01 - <_> - - 0 -1 257 4.0648399590281770e-05 - - -7.9994283616542816e-02 4.1719149798154831e-02 - <_> - - 0 -1 258 -3.8299830630421638e-03 - - -5.3327178955078125e-01 5.3281601518392563e-02 - <_> - - 0 -1 259 1.7642440274357796e-02 - - -9.9251352250576019e-02 2.7189201116561890e-01 - <_> - - 0 -1 260 -2.4608120322227478e-02 - - 3.0124360322952271e-01 -8.6540237069129944e-02 - <_> - - 0 -1 261 1.3368680141866207e-02 - - 4.3695349246263504e-02 -6.1414361000061035e-01 - <_> - - 0 -1 262 -1.0268009646097198e-04 - - 8.9721798896789551e-02 -2.5240990519523621e-01 - <_> - - 0 -1 263 -2.8268070891499519e-02 - - -4.5758980512619019e-01 2.6957040652632713e-02 - <_> - - 0 -1 264 4.5313038863241673e-03 - - 6.2346488237380981e-02 -3.8223439455032349e-01 - <_> - - 0 -1 265 -1.4729249477386475e-01 - - 1.5171539783477783e-01 -1.7683920264244080e-01 - <_> - - 0 -1 266 -1.5091559849679470e-02 - - -3.2118791341781616e-01 8.1255659461021423e-02 - <_> - - 0 -1 267 -7.1740341372787952e-03 - - 1.7002619802951813e-01 -6.0686178505420685e-02 - <_> - - 0 -1 268 -8.0513395369052887e-03 - - 2.9498210549354553e-01 -9.3280687928199768e-02 - <_> - - 0 -1 269 -1.8630200624465942e-01 - - -4.4096079468727112e-01 5.3429558873176575e-02 - <_> - - 0 -1 270 -1.2388650327920914e-02 - - -5.8523058891296387e-01 3.1196039170026779e-02 - <_> - - 0 -1 271 -5.3622801788151264e-03 - - 1.0439769923686981e-01 -1.0434389859437943e-01 - <_> - - 0 -1 272 -1.9562510773539543e-02 - - -5.7829868793487549e-01 3.2233841717243195e-02 - <_> - - 0 -1 273 -1.4553970098495483e-01 - - -4.1880708932876587e-01 1.1629059445112944e-03 - <_> - - 0 -1 274 -7.3159099556505680e-03 - - 2.4218960106372833e-01 -7.8386463224887848e-02 - <_> - - 0 -1 275 9.5743779093027115e-03 - - 3.2800838351249695e-02 -3.5083159804344177e-01 - <_> - - 0 -1 276 2.4385999888181686e-02 - - 3.5847108811140060e-02 -4.7145798802375793e-01 - <_> - - 0 -1 277 1.5609519556164742e-02 - - -9.0331830084323883e-02 2.0074969530105591e-01 - <_> - - 0 -1 278 1.8569679930806160e-02 - - 3.5404149442911148e-02 -5.2113038301467896e-01 - <_> - - 0 -1 279 1.3852110505104065e-01 - - 1.9737629219889641e-02 -2.7352941036224365e-01 - <_> - - 0 -1 280 -2.0759139209985733e-02 - - 1.9612009823322296e-01 -9.6768572926521301e-02 - <_> - - 0 -1 281 -2.6231709867715836e-02 - - 5.5649291723966599e-02 -5.8627698570489883e-02 - <_> - - 0 -1 282 1.1033529788255692e-01 - - -6.5192982554435730e-02 3.2797458767890930e-01 - <_> - - 0 -1 283 8.1975180655717850e-03 - - -3.6720771342515945e-02 1.8983750045299530e-01 - <_> - - 0 -1 284 1.1925240047276020e-02 - - -4.7182181477546692e-01 3.9609570056200027e-02 - <_> - - 0 -1 285 -1.0444080084562302e-01 - - 3.0608791112899780e-01 -6.9167442619800568e-02 - <_> - - 0 -1 286 9.1293286532163620e-03 - - -9.6449576318264008e-02 2.2882050275802612e-01 - <_> - - 0 -1 287 3.5521490644896403e-05 - - -1.3747419416904449e-01 1.2723550200462341e-01 - <_> - - 0 -1 288 -6.4568631350994110e-03 - - -4.1703549027442932e-01 4.7209650278091431e-02 - <_> - - 0 -1 289 -3.6431129556149244e-03 - - 1.4550060033798218e-01 -7.9281456768512726e-02 - <_> - - 0 -1 290 -5.1797907799482346e-03 - - 2.0312570035457611e-01 -8.3984777331352234e-02 - <_> - - 0 -1 291 1.4643589965999126e-02 - - 3.9659328758716583e-02 -4.4028940796852112e-01 - <_> - - 0 -1 292 -8.0946777015924454e-03 - - -4.5905250310897827e-01 3.3486161381006241e-02 - <_> - - 0 -1 293 1.0767610371112823e-01 - - -1.4604750322178006e-03 -9.7961211204528809e-01 - <_> - - 0 -1 294 -6.4884279854595661e-03 - - 1.8487909436225891e-01 -9.3405902385711670e-02 - <_> - - 0 -1 295 -1.6400039196014404e-02 - - -4.0006530284881592e-01 3.2618328928947449e-02 - <_> - - 0 -1 296 3.0795740894973278e-03 - - 6.3936926424503326e-02 -2.4403099715709686e-01 - <_> - - 0 -1 297 2.3928020149469376e-02 - - -7.4498817324638367e-02 1.5541020035743713e-01 - <_> - - 0 -1 298 -8.8588669896125793e-03 - - -4.5777368545532227e-01 3.2278370112180710e-02 - <_> - - 0 -1 299 -3.0064169317483902e-02 - - 2.0335829257965088e-01 -4.4844739139080048e-02 - <_> - - 0 -1 300 -4.7341538593173027e-03 - - 1.2229750305414200e-01 -1.2873139977455139e-01 - <_> - - 0 -1 301 -8.5981301963329315e-02 - - 4.3083581328392029e-01 -6.3731619156897068e-03 - <_> - - 0 -1 302 -2.1685559302568436e-02 - - 2.8727719187736511e-01 -6.0343831777572632e-02 - <_> - - 0 -1 303 -1.3941359706223011e-02 - - -5.1329857110977173e-01 1.8201520666480064e-02 - <_> - - 0 -1 304 2.4440600536763668e-03 - - -8.6260870099067688e-02 1.6634729504585266e-01 - <_> - - 0 -1 305 1.7512999475002289e-02 - - 1.9067149609327316e-02 -4.1144749522209167e-01 - <_> - - 0 -1 306 1.1205240298295394e-04 - - -1.9769529998302460e-01 7.5256332755088806e-02 - <_> - - 0 -1 307 2.4711890518665314e-01 - - -8.4033057093620300e-02 1.7387530207633972e-01 - <_> - - 0 -1 308 9.2011861852370203e-05 - - -1.0857179760932922e-01 1.3808019459247589e-01 - <_> - - 0 -1 309 -9.0258494019508362e-03 - - -4.7819659113883972e-01 3.2357428222894669e-02 - <_> - - 0 -1 310 -3.6494661122560501e-02 - - 1.1401130259037018e-01 -1.3022980093955994e-01 - <_> - - 0 -1 311 -1.2746749818325043e-01 - - 5.1732218265533447e-01 -2.9527239501476288e-02 - <_> - - 0 -1 312 -1.4561279676854610e-02 - - 1.1064620316028595e-01 -1.4923259615898132e-01 - <_> - - 0 -1 313 -1.3745570322498679e-04 - - 5.8987621217966080e-02 -9.3671269714832306e-02 - <_> - - 0 -1 314 1.0125709697604179e-02 - - -4.6942770481109619e-02 3.4779500961303711e-01 - <_> - - 0 -1 315 -1.4763530343770981e-03 - - 6.7057438194751740e-02 -1.5268740057945251e-01 - <_> - - 0 -1 316 -5.1781561225652695e-02 - - 3.2812559604644775e-01 -4.9428470432758331e-02 - <_> - - 0 -1 317 -8.7604322470724583e-04 - - 9.5243208110332489e-02 -4.9483429640531540e-02 - <_> - - 0 -1 318 -2.2923199459910393e-02 - - -6.0710781812667847e-01 2.1902529522776604e-02 - <_> - - 0 -1 319 3.9328118873527274e-05 - - -7.6403297483921051e-02 9.5908410847187042e-02 - <_> - - 0 -1 320 -2.6600218843668699e-03 - - 2.4431939423084259e-01 -6.4098820090293884e-02 - <_> - - 0 -1 321 7.9669617116451263e-02 - - -1.1213810183107853e-02 1.5940660238265991e-01 - <_> - - 0 -1 322 -2.8348390012979507e-02 - - 1.5259909629821777e-01 -8.8062129914760590e-02 - <_> - - 0 -1 323 7.4440040625631809e-03 - - 2.1669639274477959e-02 -4.0132689476013184e-01 - <_> - - 0 -1 324 -1.1087640188634396e-02 - - -3.9004370570182800e-01 3.5446919500827789e-02 - <_> - - 0 -1 325 1.4261420071125031e-01 - - -3.9467811584472656e-02 3.4237340092658997e-01 - <_> - - 0 -1 326 1.0709280148148537e-02 - - 3.9296310395002365e-02 -3.3758899569511414e-01 - <_> - 116 - -1.6312040090560913e+00 - - <_> - - 0 -1 327 -4.9442949891090393e-01 - - 4.4323670864105225e-01 -2.7319180965423584e-01 - <_> - - 0 -1 328 -1.2554959952831268e-01 - - 4.0862751007080078e-01 -2.2868640720844269e-01 - <_> - - 0 -1 329 -5.2924221381545067e-03 - - 1.6534030437469482e-01 -4.3098509311676025e-01 - <_> - - 0 -1 330 -1.0192809998989105e-01 - - 2.6754850149154663e-01 -1.8038110435009003e-01 - <_> - - 0 -1 331 1.8004419803619385e+00 - - -2.1841609850525856e-02 -1.4260159912109375e+03 - <_> - - 0 -1 332 1.0608100332319736e-02 - - -5.9960059821605682e-02 3.4709489345550537e-01 - <_> - - 0 -1 333 -1.6630759928375483e-03 - - 2.8806871175765991e-01 -1.5445019304752350e-01 - <_> - - 0 -1 334 -1.1193910177098587e-04 - - 9.8864771425724030e-02 -1.1795780062675476e-01 - <_> - - 0 -1 335 -4.2859889566898346e-02 - - 1.6759259998798370e-01 -2.1457959711551666e-01 - <_> - - 0 -1 336 -9.3869988631922752e-05 - - 9.6965126693248749e-02 -8.3837963640689850e-02 - <_> - - 0 -1 337 1.1530930176377296e-02 - - 5.7559680193662643e-02 -5.2718931436538696e-01 - <_> - - 0 -1 338 1.9106600433588028e-02 - - -4.5117460191249847e-02 3.8243150711059570e-01 - <_> - - 0 -1 339 1.7600689083337784e-02 - - -8.8198132812976837e-02 4.3440911173820496e-01 - <_> - - 0 -1 340 -1.3769839890301228e-02 - - -4.3921610713005066e-01 2.8345840051770210e-02 - <_> - - 0 -1 341 -8.7673062807880342e-05 - - 1.2015280127525330e-01 -2.9294851422309875e-01 - <_> - - 0 -1 342 -7.6127682405058295e-05 - - 1.5655809640884399e-01 -1.5530920028686523e-01 - <_> - - 0 -1 343 8.4909036755561829e-02 - - -9.1236896812915802e-02 3.2453578710556030e-01 - <_> - - 0 -1 344 -1.5367859974503517e-02 - - -2.9729259014129639e-01 4.7699470072984695e-02 - <_> - - 0 -1 345 9.9366791546344757e-03 - - 5.7912901043891907e-02 -5.0259292125701904e-01 - <_> - - 0 -1 346 7.6439202530309558e-05 - - -9.9498890340328217e-02 1.3198280334472656e-01 - <_> - - 0 -1 347 -8.2395068602636456e-05 - - 1.7732089757919312e-01 -1.6241380572319031e-01 - <_> - - 0 -1 348 1.5879699960350990e-02 - - -7.5514368712902069e-02 3.5822570323944092e-01 - <_> - - 0 -1 349 -3.0790620949119329e-03 - - 1.1570940166711807e-01 -2.1889360249042511e-01 - <_> - - 0 -1 350 -1.4905449934303761e-02 - - -3.9039888978004456e-01 1.7254609614610672e-02 - <_> - - 0 -1 351 8.6873043328523636e-03 - - 4.4716950505971909e-02 -4.9758139252662659e-01 - <_> - - 0 -1 352 3.2028879970312119e-02 - - -8.2974523305892944e-02 2.8257378935813904e-01 - <_> - - 0 -1 353 -3.1918611377477646e-02 - - 3.5842159390449524e-01 -6.8592041730880737e-02 - <_> - - 0 -1 354 -9.8993210121989250e-03 - - -4.5753958821296692e-01 4.3285790830850601e-02 - <_> - - 0 -1 355 -9.1577637940645218e-03 - - 3.2826730608940125e-01 -6.6698208451271057e-02 - <_> - - 0 -1 356 -1.0106399655342102e-02 - - 9.1073133051395416e-02 -2.0907290279865265e-01 - <_> - - 0 -1 357 -1.0402830317616463e-02 - - -4.8874959349632263e-01 3.8931101560592651e-02 - <_> - - 0 -1 358 2.0562000572681427e-02 - - 3.9995308965444565e-02 -4.7452241182327271e-01 - <_> - - 0 -1 359 -3.8352191448211670e-02 - - -4.7058039903640747e-01 3.7908799946308136e-02 - <_> - - 0 -1 360 -6.9335498847067356e-03 - - 2.4987019598484039e-01 -5.6883011013269424e-02 - <_> - - 0 -1 361 -1.9851999357342720e-02 - - 1.8991729617118835e-01 -1.1510910093784332e-01 - <_> - - 0 -1 362 -9.5688046712893993e-05 - - 1.3111490011215210e-01 -2.0739020407199860e-01 - <_> - - 0 -1 363 -4.5679330825805664e-02 - - 1.4726249873638153e-01 -1.2605570256710052e-01 - <_> - - 0 -1 364 -4.4255409389734268e-02 - - 3.9286181330680847e-01 -5.6143738329410553e-02 - <_> - - 0 -1 365 -7.7998407185077667e-02 - - 1.7947210371494293e-01 -1.1833500117063522e-01 - <_> - - 0 -1 366 8.4853731095790863e-03 - - 2.5496419519186020e-02 -2.2068339586257935e-01 - <_> - - 0 -1 367 -1.7047259956598282e-02 - - 2.7297979593276978e-01 -7.0188298821449280e-02 - <_> - - 0 -1 368 7.9200501204468310e-05 - - -6.7605443298816681e-02 7.1529977023601532e-02 - <_> - - 0 -1 369 6.2673659995198250e-03 - - 5.4571509361267090e-02 -3.6617699265480042e-01 - <_> - - 0 -1 370 7.8682642197236419e-05 - - -7.1166932582855225e-02 7.9210631549358368e-02 - <_> - - 0 -1 371 -1.0391850082669407e-04 - - 1.1487320065498352e-01 -2.0163500308990479e-01 - <_> - - 0 -1 372 3.4147119149565697e-03 - - 4.0455348789691925e-02 -2.3108960688114166e-01 - <_> - - 0 -1 373 8.3642201498150826e-03 - - -4.5927461236715317e-02 4.0529310703277588e-01 - <_> - - 0 -1 374 3.6362249404191971e-02 - - 7.8255804255604744e-03 -7.4479711055755615e-01 - <_> - - 0 -1 375 -4.0266428142786026e-02 - - -2.9234629869461060e-01 5.7985309511423111e-02 - <_> - - 0 -1 376 -3.6416169255971909e-02 - - -5.7923018932342529e-01 5.2343257702887058e-03 - <_> - - 0 -1 377 1.4502329751849174e-02 - - 3.7191450595855713e-02 -4.7790169715881348e-01 - <_> - - 0 -1 378 7.1894600987434387e-02 - - 1.3680050149559975e-02 -4.2053639888763428e-01 - <_> - - 0 -1 379 4.7077611088752747e-02 - - 3.7311609834432602e-02 -4.4205638766288757e-01 - <_> - - 0 -1 380 -2.0691620185971260e-02 - - 9.2584423720836639e-02 -5.4656080901622772e-02 - <_> - - 0 -1 381 5.8702230453491211e-02 - - 4.2894300073385239e-02 -3.9461919665336609e-01 - <_> - - 0 -1 382 2.6266539469361305e-02 - - -1.6368310898542404e-02 4.1084641218185425e-01 - <_> - - 0 -1 383 -6.7523908801376820e-03 - - 1.4126999676227570e-01 -1.1122710257768631e-01 - <_> - - 0 -1 384 -3.0624749138951302e-02 - - 3.3001619577407837e-01 -2.4412149563431740e-02 - <_> - - 0 -1 385 -2.0111929625272751e-02 - - 3.6708730459213257e-01 -4.4314250349998474e-02 - <_> - - 0 -1 386 2.3419620469212532e-02 - - -3.7601488828659058e-01 4.3635338544845581e-02 - <_> - - 0 -1 387 -3.6192089319229126e-03 - - 2.9460039734840393e-01 -5.8415818959474564e-02 - <_> - - 0 -1 388 -4.6485148370265961e-02 - - 2.2718380391597748e-01 -7.9986602067947388e-02 - <_> - - 0 -1 389 -2.7961090207099915e-02 - - -4.8854830861091614e-01 4.0761001408100128e-02 - <_> - - 0 -1 390 -8.8993441313505173e-03 - - -6.1056411266326904e-01 3.1436510384082794e-02 - <_> - - 0 -1 391 -4.7756999731063843e-02 - - 3.5695630311965942e-01 -4.7706581652164459e-02 - <_> - - 0 -1 392 1.5203200280666351e-02 - - 3.2397348433732986e-02 -5.1129198074340820e-01 - <_> - - 0 -1 393 -2.6603629812598228e-02 - - -4.5528748631477356e-01 3.0705869197845459e-02 - <_> - - 0 -1 394 -2.0662199240177870e-03 - - 1.9821240007877350e-01 -5.1250338554382324e-02 - <_> - - 0 -1 395 6.8433540873229504e-03 - - 4.2817000299692154e-02 -3.4796771407127380e-01 - <_> - - 0 -1 396 1.3943660305812955e-03 - - -7.6624289155006409e-02 1.7947790026664734e-01 - <_> - - 0 -1 397 -1.5453259402420372e-04 - - 9.4035491347312927e-02 -1.5089119970798492e-01 - <_> - - 0 -1 398 -1.6063340008258820e-01 - - 1.8896080553531647e-01 -7.5927153229713440e-02 - <_> - - 0 -1 399 1.6323490440845490e-01 - - -3.5981848835945129e-02 3.8546431064605713e-01 - <_> - - 0 -1 400 -2.1562659740447998e-01 - - -3.0063590407371521e-01 1.0327990166842937e-02 - <_> - - 0 -1 401 -1.8259340897202492e-02 - - -3.5089141130447388e-01 3.8606669753789902e-02 - <_> - - 0 -1 402 8.7421722128055990e-05 - - -8.4997348487377167e-02 8.9438356459140778e-02 - <_> - - 0 -1 403 9.1984707978554070e-05 - - -1.2029039859771729e-01 1.2935799360275269e-01 - <_> - - 0 -1 404 -9.7184813057538122e-05 - - 1.5226499736309052e-01 -1.0576970130205154e-01 - <_> - - 0 -1 405 -8.1813501310534775e-05 - - 1.5129140019416809e-01 -1.0089760273694992e-01 - <_> - - 0 -1 406 3.6952689290046692e-01 - - 3.3503640443086624e-02 -4.0417960286140442e-01 - <_> - - 0 -1 407 2.2105079144239426e-02 - - -2.1560800075531006e-01 6.4489699900150299e-02 - <_> - - 0 -1 408 1.3170000165700912e-02 - - 3.2980829477310181e-02 -2.8448399901390076e-01 - <_> - - 0 -1 409 1.3640720397233963e-02 - - -5.6598719209432602e-02 2.4039690196514130e-01 - <_> - - 0 -1 410 1.2301489710807800e-02 - - 1.9816080108284950e-02 -4.6144211292266846e-01 - <_> - - 0 -1 411 -9.5483958721160889e-02 - - -3.4973609447479248e-01 3.5531830042600632e-02 - <_> - - 0 -1 412 -1.0081489570438862e-02 - - -3.1359091401100159e-01 2.1178700029850006e-02 - <_> - - 0 -1 413 8.1625310704112053e-03 - - 3.2066490501165390e-02 -4.2840909957885742e-01 - <_> - - 0 -1 414 5.9994839131832123e-02 - - 4.8301668721251190e-04 -2.8568148612976074e-01 - <_> - - 0 -1 415 -5.8298230171203613e-02 - - 2.8866380453109741e-01 -4.5333638787269592e-02 - <_> - - 0 -1 416 8.0641999375075102e-04 - - -2.7502080425620079e-02 5.5130850523710251e-02 - <_> - - 0 -1 417 9.2612383014056832e-05 - - -9.0724922716617584e-02 1.6268420219421387e-01 - <_> - - 0 -1 418 -1.4031870290637016e-02 - - -1.7377139627933502e-01 2.7589490637183189e-02 - <_> - - 0 -1 419 -2.1856749430298805e-02 - - 1.1253879964351654e-01 -1.1328639835119247e-01 - <_> - - 0 -1 420 -4.2751420289278030e-02 - - -5.2992081642150879e-01 4.2229499667882919e-03 - <_> - - 0 -1 421 -3.0375849455595016e-02 - - -7.1178191900253296e-01 1.7570890486240387e-02 - <_> - - 0 -1 422 3.7499099969863892e-02 - - 6.9999499246478081e-03 -3.7006160616874695e-01 - <_> - - 0 -1 423 1.1432570172473788e-03 - - -6.2220100313425064e-02 1.7703770101070404e-01 - <_> - - 0 -1 424 -8.5832587501499802e-05 - - 6.0030180960893631e-02 -5.1105540245771408e-02 - <_> - - 0 -1 425 -9.4309507403522730e-05 - - 1.0625579953193665e-01 -1.1291199922561646e-01 - <_> - - 0 -1 426 3.9328118873527274e-05 - - -6.4681328833103180e-02 7.1846023201942444e-02 - <_> - - 0 -1 427 1.8130460754036903e-02 - - 3.4265581518411636e-02 -3.6213138699531555e-01 - <_> - - 0 -1 428 -3.4514781087636948e-02 - - 3.1022149324417114e-01 -4.1098561137914658e-02 - <_> - - 0 -1 429 2.7974370867013931e-02 - - -3.9424188435077667e-02 3.0851641297340393e-01 - <_> - - 0 -1 430 -2.8201080858707428e-02 - - 1.1525700241327286e-01 -7.4511423707008362e-02 - <_> - - 0 -1 431 -3.0379800125956535e-02 - - -5.2470958232879639e-01 2.6152899488806725e-02 - <_> - - 0 -1 432 -3.2038960605859756e-02 - - 1.9343900680541992e-01 -6.1670139431953430e-02 - <_> - - 0 -1 433 1.1998290196061134e-02 - - -7.5464673340320587e-02 1.9255849719047546e-01 - <_> - - 0 -1 434 -3.5314068198204041e-02 - - -5.0705671310424805e-01 1.0585010051727295e-02 - <_> - - 0 -1 435 -1.8655620515346527e-02 - - -3.6211800575256348e-01 3.6405950784683228e-02 - <_> - - 0 -1 436 -2.8076169546693563e-03 - - 5.3241610527038574e-02 -6.1510920524597168e-02 - <_> - - 0 -1 437 6.1249658465385437e-02 - - -4.6230819076299667e-02 2.6103648543357849e-01 - <_> - - 0 -1 438 3.8007500115782022e-03 - - -3.3608149737119675e-02 6.3185527920722961e-02 - <_> - - 0 -1 439 -6.8106069229543209e-03 - - 1.3896889984607697e-01 -9.1367863118648529e-02 - <_> - - 0 -1 440 -1.4018400106579065e-03 - - 5.0228320062160492e-02 -6.7810513079166412e-02 - <_> - - 0 -1 441 4.1776038706302643e-03 - - 3.1617678701877594e-02 -3.8861921429634094e-01 - <_> - - 0 -1 442 -3.3317681401968002e-02 - - 1.5129630267620087e-01 -8.0862723290920258e-02 - <_> - 126 - -1.5601739883422852e+00 - - <_> - - 0 -1 443 -1.7488760873675346e-02 - - 3.2901680469512939e-01 -2.5890278816223145e-01 - <_> - - 0 -1 444 -7.6176282018423080e-03 - - 7.1541152894496918e-02 -2.3951459676027298e-02 - <_> - - 0 -1 445 2.7712950110435486e-01 - - -3.4845480322837830e-01 1.8256700038909912e-01 - <_> - - 0 -1 446 -6.2221560627222061e-02 - - 1.0674960166215897e-01 -1.4201539754867554e-01 - <_> - - 0 -1 447 -2.7581760659813881e-03 - - 2.0689900219440460e-01 -3.4231829643249512e-01 - <_> - - 0 -1 448 2.4392189458012581e-02 - - -1.8963119387626648e-01 2.5946459174156189e-01 - <_> - - 0 -1 449 -4.5020319521427155e-03 - - 4.0866190195083618e-01 -1.1621879786252975e-01 - <_> - - 0 -1 450 -3.3270670101046562e-03 - - 2.8641051054000854e-01 -7.0059493184089661e-02 - <_> - - 0 -1 451 3.1234470661729574e-03 - - -3.1795001029968262e-01 1.1268649995326996e-01 - <_> - - 0 -1 452 4.7244699671864510e-03 - - -7.4922777712345123e-02 3.2988309860229492e-01 - <_> - - 0 -1 453 -5.5989590473473072e-03 - - 1.4106449484825134e-01 -2.1870850026607513e-01 - <_> - - 0 -1 454 -1.3673740439116955e-02 - - -2.9188311100006104e-01 5.1885809749364853e-02 - <_> - - 0 -1 455 -1.5710070729255676e-02 - - -4.7450101375579834e-01 7.2411507368087769e-02 - <_> - - 0 -1 456 -6.2331659719347954e-03 - - 1.5145640075206757e-01 -4.7863069921731949e-02 - <_> - - 0 -1 457 -5.9798290021717548e-03 - - 3.0300670862197876e-01 -1.0020550340414047e-01 - <_> - - 0 -1 458 -1.9614109769463539e-02 - - 2.3906539380550385e-01 -1.2380470335483551e-01 - <_> - - 0 -1 459 -9.7658529877662659e-02 - - 3.3550170063972473e-01 -8.4931187331676483e-02 - <_> - - 0 -1 460 5.5993441492319107e-02 - - -1.5721499919891357e-02 4.0024089813232422e-01 - <_> - - 0 -1 461 -9.7235292196273804e-03 - - 2.1756379306316376e-01 -1.1435779929161072e-01 - <_> - - 0 -1 462 -1.4722860418260098e-02 - - -5.5747538805007935e-01 3.6078389734029770e-02 - <_> - - 0 -1 463 2.5517370551824570e-02 - - -8.2256257534027100e-02 3.1335538625717163e-01 - <_> - - 0 -1 464 1.3567660003900528e-02 - - 2.3133050650358200e-02 -4.1297689080238342e-01 - <_> - - 0 -1 465 -1.7204899340867996e-02 - - -4.4162181019783020e-01 5.2605498582124710e-02 - <_> - - 0 -1 466 3.4919459372758865e-02 - - 1.4397609978914261e-02 -3.9569649100303650e-01 - <_> - - 0 -1 467 -1.7781810835003853e-02 - - -5.8534961938858032e-01 3.7046588957309723e-02 - <_> - - 0 -1 468 6.0122098773717880e-02 - - 1.4435539953410625e-02 -3.3743178844451904e-01 - <_> - - 0 -1 469 -5.4228208027780056e-03 - - 2.5677248835563660e-01 -7.9253107309341431e-02 - <_> - - 0 -1 470 -1.2484540231525898e-02 - - 1.1836159974336624e-01 -8.1720106303691864e-02 - <_> - - 0 -1 471 -1.6004320234060287e-02 - - 1.6762499511241913e-01 -1.4247520267963409e-01 - <_> - - 0 -1 472 1.8744349479675293e-02 - - -7.5924798846244812e-02 2.7398949861526489e-01 - <_> - - 0 -1 473 1.1467009782791138e-02 - - 5.8074008673429489e-02 -3.7608700990676880e-01 - <_> - - 0 -1 474 2.0451270043849945e-01 - - -5.2543081343173981e-02 5.0651127099990845e-01 - <_> - - 0 -1 475 -1.5374840237200260e-02 - - 2.8505790233612061e-01 -8.5190899670124054e-02 - <_> - - 0 -1 476 8.3877835422754288e-03 - - 5.0722919404506683e-02 -2.4024839699268341e-01 - <_> - - 0 -1 477 1.9463960081338882e-02 - - 4.7701448202133179e-02 -4.0168151259422302e-01 - <_> - - 0 -1 478 -9.6702417067717761e-05 - - 8.0057263374328613e-02 -1.0148379951715469e-01 - <_> - - 0 -1 479 -2.8271209448575974e-02 - - -6.6573107242584229e-01 2.7066949754953384e-02 - <_> - - 0 -1 480 4.0985859930515289e-02 - - 2.3980900645256042e-02 -2.8985351324081421e-01 - <_> - - 0 -1 481 -2.4697459302842617e-03 - - 9.0631358325481415e-02 -2.1575699746608734e-01 - <_> - - 0 -1 482 -3.6953210830688477e-02 - - -6.1706972122192383e-01 2.4969769641757011e-02 - <_> - - 0 -1 483 -1.4313410036265850e-02 - - -4.3720778822898865e-01 3.4561868757009506e-02 - <_> - - 0 -1 484 1.5469809994101524e-02 - - -5.5725499987602234e-02 2.9458519816398621e-01 - <_> - - 0 -1 485 1.5401760116219521e-02 - - -1.2555029988288879e-01 1.7011690139770508e-01 - <_> - - 0 -1 486 2.0449940115213394e-02 - - 1.3330750167369843e-02 -3.5554531216621399e-01 - <_> - - 0 -1 487 -1.1459179950179532e-04 - - 1.0097809880971909e-01 -1.7902599275112152e-01 - <_> - - 0 -1 488 2.1345940232276917e-01 - - -6.0278929769992828e-02 2.4713979661464691e-01 - <_> - - 0 -1 489 -7.6341837644577026e-02 - - 1.0174889862537384e-01 -1.7403389513492584e-01 - <_> - - 0 -1 490 -2.7297199703752995e-03 - - 7.9033032059669495e-02 -4.8074871301651001e-02 - <_> - - 0 -1 491 -3.9923721924424171e-03 - - 1.9130119681358337e-01 -8.8253356516361237e-02 - <_> - - 0 -1 492 8.8855503126978874e-03 - - -7.5035899877548218e-02 2.4043780565261841e-01 - <_> - - 0 -1 493 -9.9884327501058578e-03 - - 1.9008040428161621e-01 -1.0136889666318893e-01 - <_> - - 0 -1 494 -2.7102470397949219e-02 - - -5.5960011482238770e-01 8.8603552430868149e-03 - <_> - - 0 -1 495 1.0957789607346058e-02 - - 4.1825290769338608e-02 -4.5446240901947021e-01 - <_> - - 0 -1 496 -1.7460700124502182e-02 - - -2.3399209976196289e-01 1.6339760273694992e-02 - <_> - - 0 -1 497 -1.9853349775075912e-02 - - -4.8932269215583801e-01 3.2708961516618729e-02 - <_> - - 0 -1 498 -6.1350357718765736e-03 - - -5.1191371679306030e-01 2.7723550796508789e-02 - <_> - - 0 -1 499 -4.8992279917001724e-02 - - -3.6576160788536072e-01 4.0420729666948318e-02 - <_> - - 0 -1 500 -3.3459690213203430e-01 - - -5.9153968095779419e-01 2.1460810676217079e-02 - <_> - - 0 -1 501 -2.8862519189715385e-02 - - -5.9815990924835205e-01 1.9781190901994705e-02 - <_> - - 0 -1 502 -1.1251099640503526e-03 - - 2.0122319459915161e-01 -8.7745033204555511e-02 - <_> - - 0 -1 503 -6.4093400724232197e-03 - - -6.1948382854461670e-01 2.3344030603766441e-02 - <_> - - 0 -1 504 1.1830270523205400e-03 - - -6.9342859089374542e-02 1.4039330184459686e-01 - <_> - - 0 -1 505 -1.0599560337141156e-03 - - 1.7260709404945374e-01 -8.1097446382045746e-02 - <_> - - 0 -1 506 -8.5180420428514481e-03 - - -5.3051722049713135e-01 2.6180759072303772e-02 - <_> - - 0 -1 507 -2.3521099239587784e-02 - - 2.5432139635086060e-01 -5.6951168924570084e-02 - <_> - - 0 -1 508 7.3622940108180046e-03 - - 3.0450310558080673e-02 -2.6797720789909363e-01 - <_> - - 0 -1 509 -2.1439490839838982e-02 - - -3.3608379960060120e-01 4.3043609708547592e-02 - <_> - - 0 -1 510 -1.1769459582865238e-02 - - 1.0212860256433487e-01 -1.0810419917106628e-01 - <_> - - 0 -1 511 2.8588879853487015e-02 - - -6.0787688940763474e-02 3.1145519018173218e-01 - <_> - - 0 -1 512 -1.1894520372152328e-02 - - -4.5586681365966797e-01 3.2649289816617966e-02 - <_> - - 0 -1 513 8.9476241555530578e-05 - - -1.7755030095577240e-01 7.9232156276702881e-02 - <_> - - 0 -1 514 1.0587619617581367e-02 - - -2.4411190301179886e-02 2.2775959968566895e-01 - <_> - - 0 -1 515 -1.3677559792995453e-02 - - 1.0863789916038513e-01 -1.2193650007247925e-01 - <_> - - 0 -1 516 1.3244390487670898e-01 - - -3.3203829079866409e-02 4.5417618751525879e-01 - <_> - - 0 -1 517 -3.4419998526573181e-02 - - -4.4876348972320557e-01 3.3680748194456100e-02 - <_> - - 0 -1 518 1.4392529614269733e-02 - - 1.7250670120120049e-02 -2.8750520944595337e-01 - <_> - - 0 -1 519 -1.5969440340995789e-02 - - -5.4419952630996704e-01 2.2490320727229118e-02 - <_> - - 0 -1 520 1.7835280159488320e-03 - - 2.8877379372715950e-02 -2.2269259393215179e-01 - <_> - - 0 -1 521 -4.9637211486697197e-03 - - 1.5367990732192993e-01 -8.0054156482219696e-02 - <_> - - 0 -1 522 3.7779840640723705e-03 - - -4.9544081091880798e-02 8.9024871587753296e-02 - <_> - - 0 -1 523 7.8981714323163033e-03 - - -7.4866697192192078e-02 2.0431950688362122e-01 - <_> - - 0 -1 524 -8.0553352832794189e-02 - - -5.6442260742187500e-01 9.1366795822978020e-03 - <_> - - 0 -1 525 -3.0759580433368683e-02 - - -4.4340169429779053e-01 2.4137599393725395e-02 - <_> - - 0 -1 526 -9.2535447329282761e-03 - - -5.6261157989501953e-01 9.2792203649878502e-03 - <_> - - 0 -1 527 -1.2369129399303347e-04 - - 1.0645399987697601e-01 -1.2000100314617157e-01 - <_> - - 0 -1 528 3.2567538321018219e-02 - - -4.0003869682550430e-02 1.9980829954147339e-01 - <_> - - 0 -1 529 -1.1247079819440842e-02 - - 1.8409490585327148e-01 -6.8117700517177582e-02 - <_> - - 0 -1 530 -2.9179789125919342e-02 - - 4.8721261322498322e-02 -4.7425370663404465e-02 - <_> - - 0 -1 531 4.9517739564180374e-02 - - 3.2707910984754562e-02 -3.8871440291404724e-01 - <_> - - 0 -1 532 -7.7525358647108078e-03 - - -4.0735891461372375e-01 2.7974059805274010e-02 - <_> - - 0 -1 533 2.0060930401086807e-02 - - -7.0303089916706085e-02 1.7212529480457306e-01 - <_> - - 0 -1 534 -6.1907349154353142e-03 - - 2.6576110720634460e-01 -6.0436088591814041e-02 - <_> - - 0 -1 535 -3.2592790666967630e-03 - - -4.4088658690452576e-01 2.9936179518699646e-02 - <_> - - 0 -1 536 6.9727632217109203e-03 - - 2.2902229800820351e-02 -3.0562791228294373e-01 - <_> - - 0 -1 537 -3.1218219548463821e-02 - - 1.3678680360317230e-01 -8.6494326591491699e-02 - <_> - - 0 -1 538 -2.1239029243588448e-02 - - 9.2500463128089905e-02 -1.4436760544776917e-01 - <_> - - 0 -1 539 -1.1203570291399956e-02 - - 1.7076200246810913e-01 -7.0275321602821350e-02 - <_> - - 0 -1 540 -2.5859309360384941e-02 - - 1.4182479679584503e-01 -3.3001139760017395e-02 - <_> - - 0 -1 541 1.2670049909502268e-04 - - -1.3006690144538879e-01 9.2362843453884125e-02 - <_> - - 0 -1 542 4.3577109463512897e-03 - - -3.5865459591150284e-02 4.4456228613853455e-02 - <_> - - 0 -1 543 2.7678349614143372e-01 - - 1.2988999485969543e-01 -9.0131908655166626e-02 - <_> - - 0 -1 544 -2.5398649275302887e-02 - - -8.2552421092987061e-01 3.6853079218417406e-03 - <_> - - 0 -1 545 -1.2352040037512779e-02 - - -5.6349527835845947e-01 1.8808899447321892e-02 - <_> - - 0 -1 546 8.2362545654177666e-03 - - 7.0837750099599361e-03 -5.5061972141265869e-01 - <_> - - 0 -1 547 1.1910520261153579e-03 - - -7.4929133057594299e-02 1.6042159497737885e-01 - <_> - - 0 -1 548 1.3469549594447017e-04 - - -5.1338870078325272e-02 5.3888119757175446e-02 - <_> - - 0 -1 549 -1.7835580511018634e-03 - - 2.1617199480533600e-01 -5.3082071244716644e-02 - <_> - - 0 -1 550 2.3661980405449867e-02 - - 5.9997271746397018e-03 -6.8889677524566650e-01 - <_> - - 0 -1 551 -9.9182292819023132e-02 - - 3.4148588776588440e-01 -3.3521678298711777e-02 - <_> - - 0 -1 552 1.6663040220737457e-01 - - -8.2063250243663788e-02 1.5505069494247437e-01 - <_> - - 0 -1 553 -3.2383298967033625e-03 - - 9.4989769160747528e-02 -1.3713200390338898e-01 - <_> - - 0 -1 554 -4.0861237794160843e-03 - - -2.9612249135971069e-01 1.4876189641654491e-02 - <_> - - 0 -1 555 -7.7778939157724380e-04 - - 1.5173420310020447e-01 -7.8519538044929504e-02 - <_> - - 0 -1 556 7.2721489705145359e-03 - - 2.4271810427308083e-02 -4.9869158864021301e-01 - <_> - - 0 -1 557 -1.1204819747945294e-04 - - 1.0622479766607285e-01 -1.0977140069007874e-01 - <_> - - 0 -1 558 -9.0798959136009216e-02 - - -2.7696010470390320e-01 1.6883529722690582e-02 - <_> - - 0 -1 559 1.7063830047845840e-02 - - -9.4675257802009583e-02 1.5047849714756012e-01 - <_> - - 0 -1 560 4.2208808660507202e-01 - - 2.2498339414596558e-02 -4.6997109055519104e-01 - <_> - - 0 -1 561 8.2323037087917328e-02 - - -2.4581270292401314e-02 4.4949281215667725e-01 - <_> - - 0 -1 562 -1.3997350470162928e-04 - - 1.0967099666595459e-01 -1.0202780365943909e-01 - <_> - - 0 -1 563 5.4491691291332245e-02 - - 2.7186699211597443e-02 -3.5525378584861755e-01 - <_> - - 0 -1 564 8.6169438436627388e-03 - - -2.3389210924506187e-02 8.4641262888908386e-02 - <_> - - 0 -1 565 -2.6372019201517105e-02 - - -4.8046991229057312e-01 2.0224269479513168e-02 - <_> - - 0 -1 566 -2.0510379690676928e-03 - - 6.4058199524879456e-02 -5.3157251328229904e-02 - <_> - - 0 -1 567 -2.8355750255286694e-03 - - 1.0579310357570648e-01 -1.0183099657297134e-01 - <_> - - 0 -1 568 -3.5882219672203064e-03 - - 4.1550219058990479e-02 -8.8538073003292084e-02 - <_> - 113 - -1.5219190120697021e+00 - - <_> - - 0 -1 569 -2.9585899785161018e-02 - - 2.3680339753627777e-01 -4.2841690778732300e-01 - <_> - - 0 -1 570 4.3837837874889374e-03 - - -1.0966610163450241e-01 2.1417999267578125e-01 - <_> - - 0 -1 571 -3.3207288943231106e-03 - - 2.0494979619979858e-01 -3.5999551415443420e-01 - <_> - - 0 -1 572 -1.3062369823455811e-01 - - 1.9599080085754395e-01 -5.5496081709861755e-02 - <_> - - 0 -1 573 -4.0074709802865982e-02 - - 3.5060319304466248e-01 -1.4514569938182831e-01 - <_> - - 0 -1 574 -9.1901496052742004e-03 - - 1.9584690034389496e-01 -1.8307019770145416e-01 - <_> - - 0 -1 575 3.1390838325023651e-02 - - -1.2538769841194153e-01 3.5840180516242981e-01 - <_> - - 0 -1 576 -2.8154529631137848e-02 - - 2.4045500159263611e-01 -1.0665749758481979e-01 - <_> - - 0 -1 577 -3.1386429909616709e-03 - - 1.0872109979391098e-01 -2.8648340702056885e-01 - <_> - - 0 -1 578 3.7445150315761566e-02 - - -1.9261129200458527e-02 2.9213270545005798e-01 - <_> - - 0 -1 579 -2.3726930841803551e-02 - - 2.1073000133037567e-01 -1.5662379562854767e-01 - <_> - - 0 -1 580 -1.2667299597524107e-04 - - 6.5764471888542175e-02 -8.8266886770725250e-02 - <_> - - 0 -1 581 -1.1386990081518888e-04 - - 1.2571960687637329e-01 -2.5380450487136841e-01 - <_> - - 0 -1 582 1.7410060390830040e-02 - - 2.1554760634899139e-02 -3.7880858778953552e-01 - <_> - - 0 -1 583 -2.0424669608473778e-02 - - -6.2727987766265869e-01 4.4566430151462555e-02 - <_> - - 0 -1 584 -1.9522489979863167e-02 - - 3.0573040246963501e-01 -7.4159696698188782e-02 - <_> - - 0 -1 585 -1.4893850684165955e-01 - - 2.1615840494632721e-01 -1.3478299975395203e-01 - <_> - - 0 -1 586 -1.8726779147982597e-02 - - -4.2101779580116272e-01 1.8423220142722130e-02 - <_> - - 0 -1 587 1.1000379920005798e-02 - - 4.8627670854330063e-02 -4.8832741379737854e-01 - <_> - - 0 -1 588 1.8614949658513069e-03 - - 5.4186780005693436e-02 -4.0128099918365479e-01 - <_> - - 0 -1 589 -9.9544697150122374e-05 - - 1.5979149937629700e-01 -1.5368139743804932e-01 - <_> - - 0 -1 590 -4.5718628913164139e-02 - - 1.9089759886264801e-01 -6.7994199693202972e-02 - <_> - - 0 -1 591 1.9421679899096489e-02 - - -7.1206711232662201e-02 3.1886649131774902e-01 - <_> - - 0 -1 592 1.3375740672927350e-04 - - -1.9609630107879639e-01 9.8393999040126801e-02 - <_> - - 0 -1 593 5.6271668523550034e-02 - - -7.0181913673877716e-02 2.9178839921951294e-01 - <_> - - 0 -1 594 -9.5227472484111786e-03 - - 1.2545530498027802e-01 -5.6728851050138474e-02 - <_> - - 0 -1 595 -8.3248773589730263e-03 - - 2.1773670613765717e-01 -9.0510971844196320e-02 - <_> - - 0 -1 596 -1.3861699961125851e-02 - - -5.0754171609878540e-01 3.4201409667730331e-02 - <_> - - 0 -1 597 -1.7032949253916740e-02 - - -6.0418641567230225e-01 2.9236070811748505e-02 - <_> - - 0 -1 598 1.8115249695256352e-03 - - 5.3599029779434204e-02 -3.8502350449562073e-01 - <_> - - 0 -1 599 -1.0465639934409410e-04 - - 1.4829610288143158e-01 -1.3145260512828827e-01 - <_> - - 0 -1 600 -4.5165838673710823e-03 - - 1.6519570350646973e-01 -8.2269832491874695e-02 - <_> - - 0 -1 601 -5.8911121450364590e-03 - - 2.3836469650268555e-01 -9.6064627170562744e-02 - <_> - - 0 -1 602 1.0750669753178954e-04 - - -1.0889690369367599e-01 8.3729512989521027e-02 - <_> - - 0 -1 603 -2.1406659856438637e-02 - - -5.7400590181350708e-01 3.4402690827846527e-02 - <_> - - 0 -1 604 -3.3456799574196339e-03 - - 1.7945970594882965e-01 -8.2998618483543396e-02 - <_> - - 0 -1 605 2.7489429339766502e-02 - - 3.0824439600110054e-02 -5.8022832870483398e-01 - <_> - - 0 -1 606 2.1110640373080969e-03 - - -6.6623561084270477e-02 1.1231890320777893e-01 - <_> - - 0 -1 607 -1.0807989747263491e-04 - - 8.9796923100948334e-02 -1.7956060171127319e-01 - <_> - - 0 -1 608 -1.1436110362410545e-02 - - -2.8840988874435425e-01 1.4820040203630924e-02 - <_> - - 0 -1 609 -1.1947689577937126e-02 - - -6.1322289705276489e-01 3.0310040339827538e-02 - <_> - - 0 -1 610 -1.1076559894718230e-04 - - 6.2256809324026108e-02 -6.6575892269611359e-02 - <_> - - 0 -1 611 -3.4022140316665173e-03 - - 2.0614670217037201e-01 -8.2437336444854736e-02 - <_> - - 0 -1 612 -2.1814549341797829e-02 - - -5.2821779251098633e-01 1.9165750592947006e-02 - <_> - - 0 -1 613 -5.7069370523095131e-03 - - 1.6021859645843506e-01 -1.0214129835367203e-01 - <_> - - 0 -1 614 -4.5757409185171127e-02 - - -5.9256380796432495e-01 1.5681680291891098e-02 - <_> - - 0 -1 615 -6.1292409896850586e-02 - - -6.0241961479187012e-01 2.3671669885516167e-02 - <_> - - 0 -1 616 -3.3792359754443169e-03 - - 1.3549880683422089e-01 -1.1183329671621323e-01 - <_> - - 0 -1 617 -1.3138949871063232e-02 - - 2.5460991263389587e-01 -6.0035631060600281e-02 - <_> - - 0 -1 618 1.3603650033473969e-02 - - -6.6929057240486145e-02 2.5394749641418457e-01 - <_> - - 0 -1 619 3.9979619905352592e-03 - - 4.5510061085224152e-02 -3.4562489390373230e-01 - <_> - - 0 -1 620 7.2696888819336891e-03 - - 1.4675630256533623e-02 -4.9067720770835876e-01 - <_> - - 0 -1 621 -1.9900960614904761e-04 - - 9.5301151275634766e-02 -1.6552710533142090e-01 - <_> - - 0 -1 622 -1.1526229977607727e-01 - - -1.9299569725990295e-01 2.6505190879106522e-02 - <_> - - 0 -1 623 1.5108739957213402e-02 - - -1.2415219843387604e-01 1.3125440478324890e-01 - <_> - - 0 -1 624 -3.7075690925121307e-02 - - 2.3687429726123810e-01 -4.0280740708112717e-02 - <_> - - 0 -1 625 -2.6980770751833916e-02 - - 2.8977629542350769e-01 -5.6271400302648544e-02 - <_> - - 0 -1 626 2.7761999517679214e-02 - - 2.1243380382657051e-02 -3.1720191240310669e-01 - <_> - - 0 -1 627 -2.3027699440717697e-02 - - 1.7699679732322693e-01 -8.7042309343814850e-02 - <_> - - 0 -1 628 5.4088570177555084e-02 - - -6.1808630824089050e-02 2.9303619265556335e-01 - <_> - - 0 -1 629 -5.8628612896427512e-04 - - 8.5848852992057800e-02 -1.6957600414752960e-01 - <_> - - 0 -1 630 -1.5223369933664799e-02 - - -3.7147569656372070e-01 1.1803089641034603e-02 - <_> - - 0 -1 631 -1.1488939635455608e-02 - - -4.5097041130065918e-01 3.1614851206541061e-02 - <_> - - 0 -1 632 2.0920310635119677e-03 - - -6.1659429222345352e-02 8.8506996631622314e-02 - <_> - - 0 -1 633 -4.0617170743644238e-03 - - 1.5518330037593842e-01 -9.1991297900676727e-02 - <_> - - 0 -1 634 1.1135039676446468e-04 - - -8.7840989232063293e-02 1.0133089870214462e-01 - <_> - - 0 -1 635 1.1977129906881601e-04 - - -1.1713469773530960e-01 1.2503969669342041e-01 - <_> - - 0 -1 636 -3.2901849597692490e-02 - - 9.3008488416671753e-02 -2.6525959372520447e-02 - <_> - - 0 -1 637 -4.8292260617017746e-02 - - 2.5879448652267456e-01 -5.9369418770074844e-02 - <_> - - 0 -1 638 -5.4056089371442795e-02 - - 1.0135240107774734e-01 -1.0452730208635330e-01 - <_> - - 0 -1 639 9.4745680689811707e-03 - - 3.4919779747724533e-02 -3.6243519186973572e-01 - <_> - - 0 -1 640 1.2838640250265598e-02 - - -3.3247381448745728e-02 8.1635028123855591e-02 - <_> - - 0 -1 641 5.8513090014457703e-02 - - 2.2172549739480019e-02 -6.3187897205352783e-01 - <_> - - 0 -1 642 3.1740390695631504e-03 - - 2.1843500435352325e-02 -4.1793620586395264e-01 - <_> - - 0 -1 643 -8.3488157542888075e-05 - - 1.3983680307865143e-01 -9.4738103449344635e-02 - <_> - - 0 -1 644 -2.4147950112819672e-01 - - -2.9803830385208130e-01 1.0715509764850140e-02 - <_> - - 0 -1 645 -1.5269799530506134e-01 - - 2.1027280390262604e-01 -6.2791332602500916e-02 - <_> - - 0 -1 646 8.1526712165214121e-05 - - -1.2688499689102173e-01 1.4064699411392212e-01 - <_> - - 0 -1 647 2.8918751049786806e-03 - - -5.3787451237440109e-02 2.5723600387573242e-01 - <_> - - 0 -1 648 1.0334750264883041e-01 - - -4.5310858637094498e-02 2.9249981045722961e-01 - <_> - - 0 -1 649 -4.4316049665212631e-02 - - 2.2686310112476349e-01 -7.3259286582469940e-02 - <_> - - 0 -1 650 1.0020990157499909e-04 - - -1.9540700316429138e-01 9.6934191882610321e-02 - <_> - - 0 -1 651 -5.4574098438024521e-02 - - -4.8137459158897400e-01 2.4985810741782188e-02 - <_> - - 0 -1 652 7.3195910081267357e-03 - - 3.1002139672636986e-02 -2.7970591187477112e-01 - <_> - - 0 -1 653 1.0135199874639511e-02 - - 4.3817508965730667e-02 -2.9374900460243225e-01 - <_> - - 0 -1 654 1.0032069985754788e-04 - - -7.1889169514179230e-02 5.5231738835573196e-02 - <_> - - 0 -1 655 -1.0669980198144913e-02 - - -5.4181689023971558e-01 2.2745499387383461e-02 - <_> - - 0 -1 656 1.3994649634696543e-04 - - -1.7900389432907104e-01 5.5582638829946518e-02 - <_> - - 0 -1 657 -1.9100980833172798e-02 - - 2.1325789391994476e-01 -5.5573090910911560e-02 - <_> - - 0 -1 658 -3.7138879299163818e-02 - - 1.0222770273685455e-01 -1.3214519619941711e-01 - <_> - - 0 -1 659 -3.0081560835242271e-02 - - -9.2211201786994934e-02 1.3682609796524048e-01 - <_> - - 0 -1 660 8.4205687046051025e-02 - - -8.9014582335948944e-03 4.9819019436836243e-01 - <_> - - 0 -1 661 5.4196681827306747e-02 - - -3.6897160112857819e-02 3.0469229817390442e-01 - <_> - - 0 -1 662 -3.0808220617473125e-03 - - -2.1802039444446564e-01 2.5868140161037445e-02 - <_> - - 0 -1 663 -3.8952209055423737e-02 - - -5.6945180892944336e-01 1.8307609483599663e-02 - <_> - - 0 -1 664 -2.0182169973850250e-03 - - 9.0408429503440857e-02 -3.9514921605587006e-02 - <_> - - 0 -1 665 1.2030619836878031e-04 - - -8.8653340935707092e-02 1.2966379523277283e-01 - <_> - - 0 -1 666 -3.4868849907070398e-03 - - -4.6177589893341064e-01 3.2781731337308884e-02 - <_> - - 0 -1 667 1.9827641081064939e-03 - - -5.7257439941167831e-02 2.0264209806919098e-01 - <_> - - 0 -1 668 -6.5655857324600220e-02 - - -6.0540872812271118e-01 9.3178926035761833e-03 - <_> - - 0 -1 669 -6.7180477082729340e-02 - - -7.7103197574615479e-01 1.4232809655368328e-02 - <_> - - 0 -1 670 -1.0016120359068736e-04 - - 7.7105052769184113e-02 -7.5750999152660370e-02 - <_> - - 0 -1 671 1.0698969708755612e-04 - - -9.5489822328090668e-02 1.1988189816474915e-01 - <_> - - 0 -1 672 -7.9930722713470459e-02 - - -1.6380259394645691e-01 1.3423699885606766e-02 - <_> - - 0 -1 673 -8.4473669528961182e-02 - - -4.8431029915809631e-01 2.2637430578470230e-02 - <_> - - 0 -1 674 -1.2981670442968607e-04 - - 8.6959727108478546e-02 -7.9428322613239288e-02 - <_> - - 0 -1 675 1.0976740159094334e-03 - - -7.1204371750354767e-02 1.7087329924106598e-01 - <_> - - 0 -1 676 1.6371599631384015e-03 - - -5.5209361016750336e-02 6.0871999710798264e-02 - <_> - - 0 -1 677 1.6619920730590820e-02 - - 2.4160409346222878e-02 -4.5807400345802307e-01 - <_> - - 0 -1 678 -4.8507770895957947e-01 - - -6.8080270290374756e-01 1.4013550244271755e-02 - <_> - - 0 -1 679 -2.2336160764098167e-03 - - 9.1761179268360138e-02 -1.2991249561309814e-01 - <_> - - 0 -1 680 -4.0087301284074783e-02 - - 2.5663140416145325e-01 -5.2874509245157242e-02 - <_> - - 0 -1 681 -2.0479310303926468e-02 - - 1.3254520297050476e-01 -1.1415109783411026e-01 - <_> - 165 - -1.5396820306777954e+00 - - <_> - - 0 -1 682 -3.0279869213700294e-02 - - 2.6074808835983276e-01 -2.9911878705024719e-01 - <_> - - 0 -1 683 2.5544969365000725e-02 - - -7.6168537139892578e-02 1.4981770515441895e-01 - <_> - - 0 -1 684 -3.0233090743422508e-02 - - 1.9648909568786621e-01 -2.8406110405921936e-01 - <_> - - 0 -1 685 -3.1364429742097855e-02 - - 1.3312689960002899e-01 -6.8049967288970947e-02 - <_> - - 0 -1 686 -6.6530257463455200e-02 - - 2.3011529445648193e-01 -1.5324029326438904e-01 - <_> - - 0 -1 687 -1.6842380166053772e-02 - - 3.3064040541648865e-01 -1.0679270327091217e-01 - <_> - - 0 -1 688 3.0633020401000977e-01 - - -5.1862299442291260e-03 -1.7709560546875000e+03 - <_> - - 0 -1 689 8.6503643542528152e-03 - - 4.1600249707698822e-02 -3.9576560258865356e-01 - <_> - - 0 -1 690 1.1161570250988007e-01 - - 6.7927487194538116e-02 -4.8279160261154175e-01 - <_> - - 0 -1 691 1.8374849110841751e-02 - - -1.4926449954509735e-01 1.6236560046672821e-01 - <_> - - 0 -1 692 1.1767529940698296e-04 - - -2.5731500983238220e-01 8.8558197021484375e-02 - <_> - - 0 -1 693 4.1459160856902599e-03 - - -1.2687800452113152e-02 7.7366776764392853e-02 - <_> - - 0 -1 694 1.9385030493140221e-02 - - 3.8660649210214615e-02 -5.6522101163864136e-01 - <_> - - 0 -1 695 -4.7151502221822739e-03 - - 1.7933480441570282e-01 -1.0190699994564056e-01 - <_> - - 0 -1 696 -6.3565477728843689e-02 - - 3.7969771027565002e-01 -6.1266478151082993e-02 - <_> - - 0 -1 697 -2.1264329552650452e-02 - - 1.7494979500770569e-01 -6.1323810368776321e-02 - <_> - - 0 -1 698 -1.5541970729827881e-01 - - 3.7420210242271423e-01 -5.9625931084156036e-02 - <_> - - 0 -1 699 -1.5928709506988525e-01 - - -2.0913429558277130e-01 9.9482368677854538e-03 - <_> - - 0 -1 700 -4.8500150442123413e-02 - - 2.0101189613342285e-01 -1.1658769845962524e-01 - <_> - - 0 -1 701 2.7365760877728462e-02 - - 1.7961660400032997e-02 -5.0528198480606079e-01 - <_> - - 0 -1 702 1.3842820189893246e-02 - - 4.5227438211441040e-02 -4.1571640968322754e-01 - <_> - - 0 -1 703 -7.3072552680969238e-02 - - -2.4777120351791382e-01 1.1063029989600182e-02 - <_> - - 0 -1 704 -3.2598939724266529e-03 - - 8.0251343548297882e-02 -2.9581651091575623e-01 - <_> - - 0 -1 705 2.5017689913511276e-02 - - 1.9366070628166199e-02 -3.5857200622558594e-01 - <_> - - 0 -1 706 1.6677830368280411e-02 - - 4.1564568877220154e-02 -4.3558189272880554e-01 - <_> - - 0 -1 707 -4.7600651159882545e-03 - - 2.5715979933738708e-01 -1.0322690010070801e-01 - <_> - - 0 -1 708 -5.4333410225808620e-03 - - 2.3189009726047516e-01 -8.1801012158393860e-02 - <_> - - 0 -1 709 -3.3548839855939150e-03 - - 1.9780829548835754e-01 -3.0241459608078003e-02 - <_> - - 0 -1 710 1.1623079888522625e-02 - - 3.4616850316524506e-02 -4.6493241190910339e-01 - <_> - - 0 -1 711 -3.2393898814916611e-02 - - 1.1313209682703018e-01 -3.5140689462423325e-02 - <_> - - 0 -1 712 -4.8913709819316864e-02 - - 4.8904749751091003e-01 -3.4122288227081299e-02 - <_> - - 0 -1 713 -1.8474429845809937e-02 - - 2.6580730080604553e-01 -5.8163199573755264e-02 - <_> - - 0 -1 714 5.4383978247642517e-02 - - -6.6510722041130066e-02 2.5590199232101440e-01 - <_> - - 0 -1 715 -9.6155777573585510e-03 - - 2.1052959561347961e-01 -7.2851337492465973e-02 - <_> - - 0 -1 716 -1.0688910260796547e-02 - - -5.1457118988037109e-01 3.7727449089288712e-02 - <_> - - 0 -1 717 -9.2319631949067116e-03 - - -3.8744360208511353e-01 3.1080190092325211e-02 - <_> - - 0 -1 718 -1.4203519560396671e-02 - - -5.2725839614868164e-01 2.8752619400620461e-02 - <_> - - 0 -1 719 -1.1013289913535118e-02 - - 1.8653820455074310e-01 -1.1610689759254456e-01 - <_> - - 0 -1 720 -8.6668403819203377e-03 - - -3.8775750994682312e-01 3.8770258426666260e-02 - <_> - - 0 -1 721 6.2698893249034882e-02 - - 3.0983440577983856e-02 -3.3265390992164612e-01 - <_> - - 0 -1 722 -8.5753016173839569e-03 - - -5.7140302658081055e-01 2.5879889726638794e-02 - <_> - - 0 -1 723 -4.7201640903949738e-02 - - -6.9058227539062500e-01 2.5752310175448656e-03 - <_> - - 0 -1 724 -4.5456448569893837e-03 - - 1.4207980036735535e-01 -1.0768160223960876e-01 - <_> - - 0 -1 725 6.5161921083927155e-03 - - -6.4744740724563599e-02 6.8756408989429474e-02 - <_> - - 0 -1 726 5.9258960187435150e-02 - - 3.5610690712928772e-02 -4.2347010970115662e-01 - <_> - - 0 -1 727 -1.0237420065095648e-04 - - 8.9698426425457001e-02 -1.1640360206365585e-01 - <_> - - 0 -1 728 -1.3284040323924273e-04 - - 8.1888839602470398e-02 -1.6856490075588226e-01 - <_> - - 0 -1 729 1.1395310139050707e-04 - - -6.6531307995319366e-02 6.2950029969215393e-02 - <_> - - 0 -1 730 -7.9775685444474220e-03 - - -3.6961629986763000e-01 3.9622299373149872e-02 - <_> - - 0 -1 731 1.1280580423772335e-02 - - 2.0512890070676804e-02 -3.2650449872016907e-01 - <_> - - 0 -1 732 -2.8830489609390497e-03 - - 1.7990750074386597e-01 -8.9808806777000427e-02 - <_> - - 0 -1 733 4.2662010528147221e-03 - - -4.1640471667051315e-02 3.2371160387992859e-01 - <_> - - 0 -1 734 -1.3183150440454483e-04 - - 1.3967730104923248e-01 -1.1727079749107361e-01 - <_> - - 0 -1 735 -2.2476160898804665e-02 - - -6.2844127416610718e-01 2.9074009507894516e-02 - <_> - - 0 -1 736 -1.4370390214025974e-02 - - 1.5368999540805817e-01 -1.0520540177822113e-01 - <_> - - 0 -1 737 1.1654799891402945e-04 - - -8.3058603107929230e-02 9.2904143035411835e-02 - <_> - - 0 -1 738 2.2677709348499775e-03 - - -7.2462536394596100e-02 2.1309800446033478e-01 - <_> - - 0 -1 739 2.3946949839591980e-01 - - -5.9451188892126083e-02 2.3515209555625916e-01 - <_> - - 0 -1 740 1.7877299338579178e-02 - - -1.1026129871606827e-01 1.4158380031585693e-01 - <_> - - 0 -1 741 -1.5361069701611996e-02 - - -4.9897781014442444e-01 2.3761089891195297e-02 - <_> - - 0 -1 742 7.5403959490358829e-03 - - -8.1947498023509979e-02 1.4900860190391541e-01 - <_> - - 0 -1 743 8.1448331475257874e-03 - - 3.5342019051313400e-02 -3.7091499567031860e-01 - <_> - - 0 -1 744 1.3363580219447613e-03 - - -7.6095156371593475e-02 1.6213759779930115e-01 - <_> - - 0 -1 745 -1.2043320020893589e-04 - - 9.0054206550121307e-02 -5.5159721523523331e-02 - <_> - - 0 -1 746 -1.2009990314254537e-04 - - 1.4145790040493011e-01 -9.4803117215633392e-02 - <_> - - 0 -1 747 1.0903520160354674e-04 - - -1.2242019921541214e-01 1.1741840094327927e-01 - <_> - - 0 -1 748 9.7870870376937091e-05 - - -1.2043909728527069e-01 1.1508560180664062e-01 - <_> - - 0 -1 749 -2.3091919720172882e-02 - - 1.3310079276561737e-01 -9.9734462797641754e-02 - <_> - - 0 -1 750 -3.9068670012056828e-03 - - 2.4054819345474243e-01 -5.9338040649890900e-02 - <_> - - 0 -1 751 -5.9686671011149883e-03 - - -4.9683380126953125e-01 2.9891790822148323e-02 - <_> - - 0 -1 752 -1.5916809439659119e-02 - - -3.4195870161056519e-01 3.1308840960264206e-02 - <_> - - 0 -1 753 2.3104140534996986e-02 - - -3.6324020475149155e-02 3.5032561421394348e-01 - <_> - - 0 -1 754 -1.1559560149908066e-01 - - 1.4629890024662018e-01 -8.7614320218563080e-02 - <_> - - 0 -1 755 3.3450409770011902e-02 - - 2.4819390848278999e-02 -2.5611048936843872e-01 - <_> - - 0 -1 756 -7.0857969112694263e-03 - - 7.8206166625022888e-02 -1.5480500459671021e-01 - <_> - - 0 -1 757 -6.6877126693725586e-02 - - 7.9394780099391937e-02 -1.6149780154228210e-01 - <_> - - 0 -1 758 3.8874439895153046e-02 - - -6.1855491250753403e-02 2.0676539838314056e-01 - <_> - - 0 -1 759 2.8544560074806213e-02 - - 5.5605778470635414e-03 -3.8904601335525513e-01 - <_> - - 0 -1 760 -5.5549708195030689e-03 - - 1.6296879947185516e-01 -6.9366142153739929e-02 - <_> - - 0 -1 761 -8.0097168684005737e-03 - - 1.4130909740924835e-01 -4.7679040580987930e-02 - <_> - - 0 -1 762 -5.1694051362574100e-03 - - 2.1644559502601624e-01 -5.8431811630725861e-02 - <_> - - 0 -1 763 5.8240639045834541e-03 - - 3.4278281033039093e-02 -3.1473830342292786e-01 - <_> - - 0 -1 764 1.0263649892294779e-04 - - -1.5524019300937653e-01 9.1399282217025757e-02 - <_> - - 0 -1 765 -1.2985959649085999e-02 - - -3.6545321345329285e-01 1.2820590287446976e-02 - <_> - - 0 -1 766 8.9552644640207291e-03 - - 2.9396979138255119e-02 -4.4281241297721863e-01 - <_> - - 0 -1 767 1.8870230764150620e-02 - - 2.0487939938902855e-02 -5.3079450130462646e-01 - <_> - - 0 -1 768 -4.4253231026232243e-03 - - 1.6098490357398987e-01 -7.0962816476821899e-02 - <_> - - 0 -1 769 -8.5866253357380629e-05 - - 7.3070809245109558e-02 -7.1717053651809692e-02 - <_> - - 0 -1 770 1.0140320286154747e-02 - - 3.5248361527919769e-02 -3.2715541124343872e-01 - <_> - - 0 -1 771 2.2763259708881378e-01 - - -2.6924060657620430e-02 4.1793221235275269e-01 - <_> - - 0 -1 772 -8.8044107542373240e-05 - - 9.1143772006034851e-02 -1.2312269955873489e-01 - <_> - - 0 -1 773 -1.0645220056176186e-02 - - -4.3658348917961121e-01 2.3624230176210403e-02 - <_> - - 0 -1 774 4.6525610378012061e-04 - - -7.9812757670879364e-02 1.3412840664386749e-01 - <_> - - 0 -1 775 -3.3041620627045631e-03 - - -3.8255479931831360e-01 1.6996940597891808e-02 - <_> - - 0 -1 776 -1.0777499846881256e-04 - - 1.6754819452762604e-01 -1.2961159646511078e-01 - <_> - - 0 -1 777 3.1904759816825390e-03 - - 1.7584459856152534e-02 -3.3535620570182800e-01 - <_> - - 0 -1 778 9.7345822723582387e-05 - - -1.2326420098543167e-01 1.4727219939231873e-01 - <_> - - 0 -1 779 9.7421427199151367e-05 - - -6.0977838933467865e-02 7.9623550176620483e-02 - <_> - - 0 -1 780 -7.4847228825092316e-04 - - 1.0238070040941238e-01 -1.1906520277261734e-01 - <_> - - 0 -1 781 -1.5704490244388580e-02 - - 9.3455828726291656e-02 -6.0468971729278564e-02 - <_> - - 0 -1 782 -8.1626698374748230e-05 - - 1.1332800239324570e-01 -8.8222980499267578e-02 - <_> - - 0 -1 783 -6.9608110934495926e-03 - - 1.1039009690284729e-01 -4.0659449994564056e-02 - <_> - - 0 -1 784 -4.4434489682316780e-03 - - 1.2838089466094971e-01 -8.1361807882785797e-02 - <_> - - 0 -1 785 -1.6160740051418543e-03 - - -3.3738899230957031e-01 3.5158511251211166e-02 - <_> - - 0 -1 786 1.0108389687957242e-04 - - -1.2524829804897308e-01 7.9936161637306213e-02 - <_> - - 0 -1 787 9.9391723051667213e-04 - - -8.4492728114128113e-02 1.9661809504032135e-01 - <_> - - 0 -1 788 -8.4912832826375961e-03 - - -2.9578000307083130e-01 4.2739611119031906e-02 - <_> - - 0 -1 789 9.5672323368489742e-05 - - -6.4625412225723267e-02 6.3440762460231781e-02 - <_> - - 0 -1 790 1.1625020124483854e-04 - - -9.1274477541446686e-02 1.1936099827289581e-01 - <_> - - 0 -1 791 -1.7826290568336844e-03 - - 9.5706947147846222e-02 -8.4634251892566681e-02 - <_> - - 0 -1 792 -6.2756668776273727e-03 - - 1.3744869828224182e-01 -9.1167822480201721e-02 - <_> - - 0 -1 793 -8.2775605842471123e-03 - - -1.3923400640487671e-01 3.6440789699554443e-02 - <_> - - 0 -1 794 3.0183959752321243e-03 - - -4.6180319041013718e-02 2.2055029869079590e-01 - <_> - - 0 -1 795 1.7405690625309944e-02 - - 8.9857252314686775e-03 -4.9438339471817017e-01 - <_> - - 0 -1 796 -1.2369710020720959e-04 - - 6.2267590314149857e-02 -1.5967980027198792e-01 - <_> - - 0 -1 797 -5.8059301227331161e-03 - - 4.9442801624536514e-02 -4.6539600938558578e-02 - <_> - - 0 -1 798 -1.0530239902436733e-02 - - -1.9742619991302490e-01 6.9146141409873962e-02 - <_> - - 0 -1 799 -2.9337439686059952e-02 - - -6.4315217733383179e-01 4.9710599705576897e-03 - <_> - - 0 -1 800 -5.6665588170289993e-02 - - -7.8389710187911987e-01 1.0764749720692635e-02 - <_> - - 0 -1 801 -5.8364521712064743e-02 - - -7.5414752960205078e-01 2.7036149986088276e-03 - <_> - - 0 -1 802 -6.0695819556713104e-03 - - 1.5555210411548615e-01 -6.3514240086078644e-02 - <_> - - 0 -1 803 -4.9055949784815311e-03 - - 1.5411140024662018e-01 -6.0024090111255646e-02 - <_> - - 0 -1 804 -2.4349590763449669e-02 - - 1.1066699773073196e-01 -8.9354656636714935e-02 - <_> - - 0 -1 805 -2.0510459318757057e-02 - - -1.7066219449043274e-01 1.8875259906053543e-02 - <_> - - 0 -1 806 -4.0406160056591034e-02 - - -5.1201337575912476e-01 1.8266160041093826e-02 - <_> - - 0 -1 807 1.1639139614999294e-02 - - -2.6663990691304207e-02 1.5386949479579926e-01 - <_> - - 0 -1 808 8.9536290615797043e-03 - - 2.2930210456252098e-02 -4.0166389942169189e-01 - <_> - - 0 -1 809 2.2256279364228249e-02 - - -4.9168240278959274e-02 1.8879279494285583e-01 - <_> - - 0 -1 810 -2.3009749129414558e-02 - - 1.8750759959220886e-01 -6.2172628939151764e-02 - <_> - - 0 -1 811 -1.1061690002679825e-01 - - -2.1010109782218933e-01 7.2418609634041786e-03 - <_> - - 0 -1 812 -1.0646130144596100e-01 - - 3.7617880105972290e-01 -2.4961100891232491e-02 - <_> - - 0 -1 813 -3.5521229729056358e-03 - - 1.1204829812049866e-01 -3.1895328313112259e-02 - <_> - - 0 -1 814 -4.2262352071702480e-03 - - -3.7392550706863403e-01 2.4184040725231171e-02 - <_> - - 0 -1 815 6.2988628633320332e-03 - - 8.1449449062347412e-03 -1.8559670448303223e-01 - <_> - - 0 -1 816 2.7100159786641598e-03 - - -4.7996520996093750e-02 2.3121020197868347e-01 - <_> - - 0 -1 817 3.3773749601095915e-03 - - -9.4845660030841827e-02 5.0685029476881027e-02 - <_> - - 0 -1 818 -2.8979899361729622e-03 - - 1.2751890718936920e-01 -7.5084179639816284e-02 - <_> - - 0 -1 819 2.3524831049144268e-03 - - -4.1102841496467590e-02 5.9530649334192276e-02 - <_> - - 0 -1 820 7.7729858458042145e-03 - - 4.5494630932807922e-02 -2.1120029687881470e-01 - <_> - - 0 -1 821 -3.6903400905430317e-03 - - 1.1549659818410873e-01 -4.9121920019388199e-02 - <_> - - 0 -1 822 -9.3724876642227173e-03 - - -3.5917419195175171e-01 2.6274360716342926e-02 - <_> - - 0 -1 823 -1.7983719590120018e-04 - - 5.4064981639385223e-02 -5.1320828497409821e-02 - <_> - - 0 -1 824 -5.0172610208392143e-03 - - 1.3417109847068787e-01 -6.9252252578735352e-02 - <_> - - 0 -1 825 1.0011839913204312e-04 - - -4.9067988991737366e-02 6.4117558300495148e-02 - <_> - - 0 -1 826 8.1611080095171928e-03 - - 2.4682909250259399e-02 -3.8521420955657959e-01 - <_> - - 0 -1 827 -9.0656030806712806e-05 - - 9.8888702690601349e-02 -8.8233307003974915e-02 - <_> - - 0 -1 828 -4.5008701272308826e-03 - - 1.5800720453262329e-01 -5.7534229010343552e-02 - <_> - - 0 -1 829 1.9587080925703049e-02 - - -1.7980769276618958e-02 2.6230278611183167e-01 - <_> - - 0 -1 830 -2.9633310623466969e-03 - - 8.2995072007179260e-02 -1.2231569737195969e-01 - <_> - - 0 -1 831 1.0743290185928345e-02 - - 1.2482419610023499e-02 -3.4274709224700928e-01 - <_> - - 0 -1 832 -4.9855629913508892e-03 - - 1.3816909492015839e-01 -6.4010940492153168e-02 - <_> - - 0 -1 833 1.2566439807415009e-01 - - -1.7671900568529963e-03 1.0003019571304321e+00 - <_> - - 0 -1 834 2.3738740012049675e-02 - - 2.7755569666624069e-02 -3.6009928584098816e-01 - <_> - - 0 -1 835 -1.4753870200365782e-03 - - 1.5723270177841187e-01 -4.7080140560865402e-02 - <_> - - 0 -1 836 -1.2558279559016228e-04 - - 1.0315959900617599e-01 -8.4792517125606537e-02 - <_> - - 0 -1 837 1.2353599595371634e-04 - - -1.0267879813909531e-01 1.0298290103673935e-01 - <_> - - 0 -1 838 1.0993010364472866e-03 - - -7.2144910693168640e-02 1.6145619750022888e-01 - <_> - - 0 -1 839 -4.3352600932121277e-01 - - 2.6333650946617126e-01 -3.7169009447097778e-02 - <_> - - 0 -1 840 5.0879339687526226e-03 - - 3.4845910966396332e-02 -3.0750349164009094e-01 - <_> - - 0 -1 841 -1.3961529731750488e-01 - - 1.0710100084543228e-01 -4.6853039413690567e-02 - <_> - - 0 -1 842 9.6808090806007385e-02 - - 4.7895569354295731e-02 -2.0780010521411896e-01 - <_> - - 0 -1 843 -3.8298558443784714e-02 - - 3.2057020068168640e-01 -4.3165210634469986e-02 - <_> - - 0 -1 844 1.0037220083177090e-02 - - 3.0110519379377365e-02 -3.1479340791702271e-01 - <_> - - 0 -1 845 4.8312591388821602e-03 - - -5.7667169719934464e-02 1.4061050117015839e-01 - <_> - - 0 -1 846 -2.1472699940204620e-02 - - 1.5234650671482086e-01 -6.5562672913074493e-02 - <_> - 211 - -1.4944460391998291e+00 - - <_> - - 0 -1 847 -2.2243140637874603e-01 - - 2.2312499582767487e-01 -2.6396349072456360e-01 - <_> - - 0 -1 848 3.2376810908317566e-02 - - -5.1940750330686569e-02 1.0894130170345306e-01 - <_> - - 0 -1 849 -4.4717159122228622e-02 - - 2.0623689889907837e-01 -2.3611530661582947e-01 - <_> - - 0 -1 850 -3.2623540610074997e-02 - - 2.7237409353256226e-01 -6.6274151206016541e-02 - <_> - - 0 -1 851 -2.6925209909677505e-02 - - 3.1263470649719238e-01 -1.2983320653438568e-01 - <_> - - 0 -1 852 5.2859159186482430e-03 - - -1.9235099852085114e-01 1.6803570091724396e-01 - <_> - - 0 -1 853 2.2291530668735504e-01 - - -3.4413149952888489e-01 5.6544858962297440e-02 - <_> - - 0 -1 854 -1.7159320414066315e-02 - - 1.7324289679527283e-01 -5.5152550339698792e-02 - <_> - - 0 -1 855 -9.4694783911108971e-03 - - 1.8445380032062531e-01 -1.2914590537548065e-01 - <_> - - 0 -1 856 -1.2710930313915014e-03 - - 9.0124821290373802e-03 -2.7641639113426208e-02 - <_> - - 0 -1 857 8.4737753495573997e-03 - - 4.9679640680551529e-02 -4.6019071340560913e-01 - <_> - - 0 -1 858 4.5989021658897400e-02 - - -1.0000479966402054e-01 2.3884369432926178e-01 - <_> - - 0 -1 859 -1.0296510299667716e-04 - - 9.8898597061634064e-02 -1.9507980346679688e-01 - <_> - - 0 -1 860 -3.0870530754327774e-02 - - 3.7806090712547302e-01 -5.2301649004220963e-02 - <_> - - 0 -1 861 1.0105510242283344e-02 - - 4.1510879993438721e-02 -4.5916628837585449e-01 - <_> - - 0 -1 862 -3.2147150486707687e-03 - - -2.8180390596389771e-01 6.4971752464771271e-02 - <_> - - 0 -1 863 9.1434055939316750e-03 - - -6.3290692865848541e-02 3.1076049804687500e-01 - <_> - - 0 -1 864 1.3100530020892620e-02 - - 3.1325671821832657e-02 -4.4022560119628906e-01 - <_> - - 0 -1 865 -1.5001240186393261e-02 - - -3.3287960290908813e-01 4.4980511069297791e-02 - <_> - - 0 -1 866 1.3146589696407318e-01 - - 4.6440351754426956e-02 -3.9830890297889709e-01 - <_> - - 0 -1 867 -7.5358957983553410e-03 - - -3.9559870958328247e-01 3.6384049803018570e-02 - <_> - - 0 -1 868 1.1706859804689884e-02 - - 2.5723859667778015e-02 -3.8717350363731384e-01 - <_> - - 0 -1 869 1.1505650356411934e-02 - - -6.2695182859897614e-02 2.3504909873008728e-01 - <_> - - 0 -1 870 3.8508679717779160e-02 - - 1.3529039919376373e-02 -4.6797460317611694e-01 - <_> - - 0 -1 871 1.3592040166258812e-02 - - 4.7803930938243866e-02 -3.5141488909721375e-01 - <_> - - 0 -1 872 -1.9229929894208908e-02 - - 1.7745910584926605e-01 -5.9988129884004593e-02 - <_> - - 0 -1 873 -6.2505668029189110e-03 - - 2.0134179294109344e-01 -8.1581160426139832e-02 - <_> - - 0 -1 874 -1.8178259953856468e-02 - - 5.4905299097299576e-02 -4.3673731386661530e-02 - <_> - - 0 -1 875 -5.6842509657144547e-02 - - 1.4393079280853271e-01 -1.1943359673023224e-01 - <_> - - 0 -1 876 -2.4953780695796013e-02 - - 1.2545959651470184e-01 -6.5463587641716003e-02 - <_> - - 0 -1 877 -2.6323249563574791e-02 - - 2.2335560619831085e-01 -9.6750900149345398e-02 - <_> - - 0 -1 878 -2.7933349832892418e-02 - - 1.3253739476203918e-01 -1.2293589860200882e-01 - <_> - - 0 -1 879 -1.2998450256418437e-04 - - 7.1499042212963104e-02 -2.0235860347747803e-01 - <_> - - 0 -1 880 -9.2149457486812025e-05 - - 5.9155948460102081e-02 -1.4431430399417877e-01 - <_> - - 0 -1 881 -1.7388040199875832e-02 - - -3.3351859450340271e-01 3.9699219167232513e-02 - <_> - - 0 -1 882 -8.6862171883694828e-05 - - 5.7397030293941498e-02 -7.0616796612739563e-02 - <_> - - 0 -1 883 8.9044791820924729e-05 - - -1.0670109838247299e-01 1.4415599405765533e-01 - <_> - - 0 -1 884 9.6210632473230362e-03 - - 2.9006609693169594e-02 -4.2044961452484131e-01 - <_> - - 0 -1 885 -1.3927029795013368e-04 - - 7.7079556882381439e-02 -1.6374519467353821e-01 - <_> - - 0 -1 886 -3.0657060444355011e-02 - - -6.1427122354507446e-01 1.4103920198976994e-02 - <_> - - 0 -1 887 -4.7086398117244244e-03 - - 1.6230380535125732e-01 -8.8489651679992676e-02 - <_> - - 0 -1 888 1.0449769906699657e-02 - - 2.0908510312438011e-02 -5.7801717519760132e-01 - <_> - - 0 -1 889 -1.6580440104007721e-02 - - -3.2363709807395935e-01 3.6240901798009872e-02 - <_> - - 0 -1 890 -1.8138250336050987e-02 - - 1.0105939954519272e-01 -1.7580989748239517e-02 - <_> - - 0 -1 891 -7.6911728829145432e-03 - - 1.4427539706230164e-01 -9.5350138843059540e-02 - <_> - - 0 -1 892 -9.3184299767017365e-03 - - 8.8270977139472961e-02 -1.1901699751615524e-01 - <_> - - 0 -1 893 2.7095710858702660e-02 - - -6.6773496568202972e-02 2.2551900148391724e-01 - <_> - - 0 -1 894 2.5444820057600737e-03 - - 5.2423369139432907e-02 -1.5915879607200623e-01 - <_> - - 0 -1 895 -5.9284839779138565e-02 - - 2.7843329310417175e-01 -4.8978719860315323e-02 - <_> - - 0 -1 896 2.2457299754023552e-02 - - -6.6214859485626221e-02 1.9962659478187561e-01 - <_> - - 0 -1 897 3.1462030019611120e-03 - - -1.8244290351867676e-01 8.5549309849739075e-02 - <_> - - 0 -1 898 -7.0586092770099640e-02 - - -2.7667859196662903e-01 1.4894080348312855e-02 - <_> - - 0 -1 899 -8.0054822319652885e-05 - - 1.0879600048065186e-01 -1.0610870271921158e-01 - <_> - - 0 -1 900 -3.0580060556530952e-02 - - 1.0778079926967621e-01 -2.0585630089044571e-02 - <_> - - 0 -1 901 9.1068223118782043e-03 - - -4.5717220753431320e-02 3.2543709874153137e-01 - <_> - - 0 -1 902 5.0897640176117420e-03 - - 3.4051191061735153e-02 -3.5899510979652405e-01 - <_> - - 0 -1 903 -5.0143159925937653e-02 - - 3.1396710872650146e-01 -4.0979839861392975e-02 - <_> - - 0 -1 904 -1.0316399857401848e-02 - - -4.3923801183700562e-01 2.9322719201445580e-02 - <_> - - 0 -1 905 -5.7999929413199425e-03 - - 2.0461860299110413e-01 -5.8188889175653458e-02 - <_> - - 0 -1 906 3.5368890967220068e-03 - - 5.3520288318395615e-02 -2.1615199744701385e-01 - <_> - - 0 -1 907 -2.6618309784680605e-03 - - -3.8629740476608276e-01 3.1471978873014450e-02 - <_> - - 0 -1 908 3.1112500000745058e-03 - - -3.3582359552383423e-02 1.4472900331020355e-01 - <_> - - 0 -1 909 -6.1837960965931416e-03 - - -3.9847150444984436e-01 2.6712730526924133e-02 - <_> - - 0 -1 910 -9.6736097475513816e-05 - - 9.6591942012310028e-02 -7.6616533100605011e-02 - <_> - - 0 -1 911 9.8329477012157440e-02 - - 4.3741971254348755e-02 -2.5856900215148926e-01 - <_> - - 0 -1 912 2.0389869809150696e-02 - - -5.5230699479579926e-02 2.1881949901580811e-01 - <_> - - 0 -1 913 -7.8190360218286514e-03 - - -3.0988308787345886e-01 3.4586869180202484e-02 - <_> - - 0 -1 914 -5.9094849973917007e-02 - - 1.6294850409030914e-01 -6.3798002898693085e-02 - <_> - - 0 -1 915 -2.4365609884262085e-01 - - 1.7031520605087280e-01 -6.8715758621692657e-02 - <_> - - 0 -1 916 -3.0184438824653625e-01 - - -3.4642049670219421e-01 2.5085069239139557e-02 - <_> - - 0 -1 917 -1.2000049464404583e-03 - - 1.7887699604034424e-01 -6.0992758721113205e-02 - <_> - - 0 -1 918 -1.0535799711942673e-01 - - 5.4462939500808716e-02 -6.4320951700210571e-02 - <_> - - 0 -1 919 -2.4108510464429855e-02 - - -4.7865489125251770e-01 2.0613849163055420e-02 - <_> - - 0 -1 920 1.1989559978246689e-01 - - -1.3448059558868408e-02 4.8987388610839844e-01 - <_> - - 0 -1 921 -2.5708250701427460e-02 - - 1.3927629590034485e-01 -7.3621720075607300e-02 - <_> - - 0 -1 922 -4.3719869852066040e-01 - - -7.3239421844482422e-01 4.4073038734495640e-03 - <_> - - 0 -1 923 -7.9788602888584137e-02 - - 1.0349279642105103e-01 -1.0366749763488770e-01 - <_> - - 0 -1 924 -3.5169530659914017e-02 - - 5.8486729860305786e-02 -4.2844671756029129e-02 - <_> - - 0 -1 925 -1.7630029469728470e-02 - - 1.0138259828090668e-01 -1.0425739735364914e-01 - <_> - - 0 -1 926 -8.3025526255369186e-03 - - -4.4066068530082703e-01 2.1682849153876305e-02 - <_> - - 0 -1 927 -8.2851955667138100e-03 - - -4.8541179299354553e-01 2.0918089896440506e-02 - <_> - - 0 -1 928 7.9370345920324326e-03 - - 5.9423311613500118e-03 -4.1828221082687378e-01 - <_> - - 0 -1 929 -1.0507660044822842e-04 - - 7.6169930398464203e-02 -1.4411410689353943e-01 - <_> - - 0 -1 930 -2.1757930517196655e-02 - - 1.7152060568332672e-01 -2.9704490676522255e-02 - <_> - - 0 -1 931 1.2922010384500027e-02 - - 2.9204640537500381e-02 -3.2309919595718384e-01 - <_> - - 0 -1 932 1.6168419271707535e-02 - - -7.6147191226482391e-02 2.6088440418243408e-01 - <_> - - 0 -1 933 -1.5057939291000366e-01 - - 1.4852869510650635e-01 -7.0202209055423737e-02 - <_> - - 0 -1 934 -6.3427072763442993e-01 - - 3.4904581308364868e-01 -2.9892899096012115e-02 - <_> - - 0 -1 935 -1.1482870206236839e-02 - - 1.5068680047988892e-01 -6.9276407361030579e-02 - <_> - - 0 -1 936 -6.2928773462772369e-02 - - -5.9944522380828857e-01 6.5263039432466030e-03 - <_> - - 0 -1 937 -2.7896769344806671e-02 - - 3.1232240796089172e-01 -3.0732870101928711e-02 - <_> - - 0 -1 938 1.1286689899861813e-02 - - 1.4317009598016739e-02 -2.2894239425659180e-01 - <_> - - 0 -1 939 -3.8705959450453520e-03 - - 8.5102573037147522e-02 -1.1673109978437424e-01 - <_> - - 0 -1 940 -1.4275030232965946e-02 - - -2.0762340724468231e-01 1.8262609839439392e-02 - <_> - - 0 -1 941 -1.2816109694540501e-02 - - -2.8642359375953674e-01 3.5254720598459244e-02 - <_> - - 0 -1 942 4.9328650347888470e-03 - - -4.9868829548358917e-02 8.1233069300651550e-02 - <_> - - 0 -1 943 -8.6533632129430771e-03 - - 2.1703800559043884e-01 -4.6255528926849365e-02 - <_> - - 0 -1 944 1.3576580211520195e-02 - - -1.0879430174827576e-01 8.3670340478420258e-02 - <_> - - 0 -1 945 -4.2641188949346542e-02 - - -4.9992290139198303e-01 1.9083680585026741e-02 - <_> - - 0 -1 946 -3.7867110222578049e-02 - - -5.3069418668746948e-01 -2.1276540064718574e-04 - <_> - - 0 -1 947 -1.1035409756004810e-02 - - 2.2670739889144897e-01 -4.3859541416168213e-02 - <_> - - 0 -1 948 2.4298341013491154e-03 - - -3.4560989588499069e-02 1.5052950382232666e-01 - <_> - - 0 -1 949 1.3272870332002640e-02 - - 1.8622349947690964e-02 -4.7048270702362061e-01 - <_> - - 0 -1 950 -1.1064320278819650e-04 - - 9.6265792846679688e-02 -8.1750109791755676e-02 - <_> - - 0 -1 951 -2.3866009432822466e-03 - - 1.8094350397586823e-01 -4.9262270331382751e-02 - <_> - - 0 -1 952 -7.9415831714868546e-04 - - -1.6565640270709991e-01 2.4288009852170944e-02 - <_> - - 0 -1 953 -2.2455830127000809e-02 - - 1.9843299686908722e-01 -4.4509500265121460e-02 - <_> - - 0 -1 954 3.0328119173645973e-03 - - 2.7753420174121857e-02 -3.9394208788871765e-01 - <_> - - 0 -1 955 -9.1960644349455833e-03 - - -5.9172922372817993e-01 1.2525149621069431e-02 - <_> - - 0 -1 956 -3.9500650018453598e-02 - - -9.8541247844696045e-01 1.5248659765347838e-03 - <_> - - 0 -1 957 1.2567999772727489e-02 - - 2.0022910088300705e-02 -3.8397899270057678e-01 - <_> - - 0 -1 958 -9.2911832325626165e-05 - - 7.3141880333423615e-02 -6.7897647619247437e-02 - <_> - - 0 -1 959 3.2143931835889816e-02 - - -6.4257197082042694e-02 1.3723790645599365e-01 - <_> - - 0 -1 960 -1.8411510391160846e-03 - - -2.6820561289787292e-01 4.4881530106067657e-02 - <_> - - 0 -1 961 -5.5849379859864712e-03 - - 1.6651730239391327e-01 -5.5644121021032333e-02 - <_> - - 0 -1 962 1.2912580277770758e-03 - - 6.2142610549926758e-02 -2.7014490962028503e-01 - <_> - - 0 -1 963 1.0070719872601330e-04 - - -8.8493198156356812e-02 1.0002399981021881e-01 - <_> - - 0 -1 964 -4.2259409092366695e-03 - - -3.2037448883056641e-01 1.2218790128827095e-02 - <_> - - 0 -1 965 -1.4590879436582327e-04 - - 1.1364399641752243e-01 -9.4178639352321625e-02 - <_> - - 0 -1 966 5.3230789490044117e-03 - - 1.7175100743770599e-02 -2.2011129558086395e-01 - <_> - - 0 -1 967 -1.7821589484810829e-02 - - 1.4161479473114014e-01 -6.1871610581874847e-02 - <_> - - 0 -1 968 -3.5818900913000107e-02 - - 8.7859541177749634e-02 -3.8827799260616302e-02 - <_> - - 0 -1 969 4.9706641584634781e-03 - - -1.7065429687500000e-01 5.0853051245212555e-02 - <_> - - 0 -1 970 6.6589623689651489e-02 - - -2.3590439930558205e-02 3.6133819818496704e-01 - <_> - - 0 -1 971 -3.2721939682960510e-01 - - -3.5842499136924744e-01 2.5435820221900940e-02 - <_> - - 0 -1 972 -3.9326760917901993e-02 - - 4.7284521162509918e-02 -6.2605947256088257e-02 - <_> - - 0 -1 973 2.8017789125442505e-02 - - -3.3617768436670303e-02 2.7131238579750061e-01 - <_> - - 0 -1 974 -1.2500650249421597e-02 - - -4.7937780618667603e-01 7.0343599654734135e-03 - <_> - - 0 -1 975 5.7694758288562298e-03 - - 3.1953860074281693e-02 -2.6032549142837524e-01 - <_> - - 0 -1 976 -4.7707721590995789e-02 - - -4.9741709232330322e-01 1.3043950311839581e-02 - <_> - - 0 -1 977 3.5443119704723358e-02 - - -3.1736850738525391e-02 3.1976988911628723e-01 - <_> - - 0 -1 978 1.4040179550647736e-02 - - -3.3049471676349640e-02 7.0506528019905090e-02 - <_> - - 0 -1 979 2.3037919402122498e-01 - - 1.8883729353547096e-02 -4.3587929010391235e-01 - <_> - - 0 -1 980 -9.6582166850566864e-02 - - -7.1832108497619629e-01 9.9819665774703026e-04 - <_> - - 0 -1 981 -1.4366320334374905e-02 - - 1.4567980170249939e-01 -6.5572626888751984e-02 - <_> - - 0 -1 982 -7.1069528348743916e-03 - - 6.6373258829116821e-02 -2.0451290532946587e-02 - <_> - - 0 -1 983 8.4905643016099930e-03 - - -6.3891783356666565e-02 1.5739880502223969e-01 - <_> - - 0 -1 984 1.1191760003566742e-01 - - -2.8282059356570244e-02 2.9970058798789978e-01 - <_> - - 0 -1 985 1.2471539957914501e-04 - - -8.4956198930740356e-02 9.8341517150402069e-02 - <_> - - 0 -1 986 -1.3551780022680759e-02 - - -3.5027718544006348e-01 1.1073109693825245e-02 - <_> - - 0 -1 987 -1.2808430008590221e-02 - - -4.5078259706497192e-01 1.9789749756455421e-02 - <_> - - 0 -1 988 -3.9998371154069901e-02 - - -6.8415868282318115e-01 2.3409149143844843e-03 - <_> - - 0 -1 989 -1.4464680571109056e-03 - - 1.4939129352569580e-01 -5.2095100283622742e-02 - <_> - - 0 -1 990 -1.2429339811205864e-02 - - -1.5857979655265808e-01 8.9363977313041687e-03 - <_> - - 0 -1 991 -2.9783550649881363e-02 - - -6.9471049308776855e-01 1.1115159839391708e-02 - <_> - - 0 -1 992 -5.6329318322241306e-03 - - 1.4112220704555511e-01 -5.2758459001779556e-02 - <_> - - 0 -1 993 -6.5792538225650787e-03 - - -3.4625589847564697e-01 2.3270340636372566e-02 - <_> - - 0 -1 994 -9.0057790279388428e-02 - - 7.5973026454448700e-02 -2.9642039909958839e-02 - <_> - - 0 -1 995 -1.3072340190410614e-01 - - -3.2420840859413147e-01 2.7410000562667847e-02 - <_> - - 0 -1 996 9.8338117823004723e-03 - - -6.0853008180856705e-02 1.0065329819917679e-01 - <_> - - 0 -1 997 -1.2233830057084560e-02 - - 1.5252889692783356e-01 -5.2607860416173935e-02 - <_> - - 0 -1 998 -2.3421589285135269e-02 - - 1.0870900005102158e-01 -9.1985270380973816e-02 - <_> - - 0 -1 999 -8.4613403305411339e-03 - - 1.8257629871368408e-01 -4.7872170805931091e-02 - <_> - - 0 -1 1000 -5.2086021751165390e-03 - - -7.0401079952716827e-02 1.6041789203882217e-02 - <_> - - 0 -1 1001 -1.4447170309722424e-02 - - -4.1489130258560181e-01 1.9600320607423782e-02 - <_> - - 0 -1 1002 -1.7468390287831426e-03 - - -1.9475990533828735e-01 3.0956840142607689e-02 - <_> - - 0 -1 1003 -2.9236089903861284e-03 - - 1.6618309915065765e-01 -4.5732278376817703e-02 - <_> - - 0 -1 1004 -1.1378220515325665e-03 - - 1.3497720658779144e-01 -5.7737439870834351e-02 - <_> - - 0 -1 1005 -2.2203589323908091e-03 - - 9.6290342509746552e-02 -7.8362621366977692e-02 - <_> - - 0 -1 1006 7.3363608680665493e-04 - - -8.0939002335071564e-02 1.6864289343357086e-01 - <_> - - 0 -1 1007 -1.0410290269646794e-04 - - 9.7535729408264160e-02 -8.3381116390228271e-02 - <_> - - 0 -1 1008 -2.9475050978362560e-03 - - -2.1080949902534485e-01 2.0222319290041924e-02 - <_> - - 0 -1 1009 -8.3546721725724638e-05 - - 7.0981398224830627e-02 -1.0542409867048264e-01 - <_> - - 0 -1 1010 -3.2032128423452377e-02 - - 1.0082499682903290e-01 -3.6564670503139496e-02 - <_> - - 0 -1 1011 -2.7375599741935730e-01 - - -4.7556069493293762e-01 1.6102559864521027e-02 - <_> - - 0 -1 1012 1.1218780418857932e-03 - - 2.7350509539246559e-02 -9.6968427300453186e-02 - <_> - - 0 -1 1013 4.0910821408033371e-02 - - 2.0444039255380630e-02 -3.8385981321334839e-01 - <_> - - 0 -1 1014 1.0185709834331647e-04 - - -6.2665432691574097e-02 8.6711652576923370e-02 - <_> - - 0 -1 1015 8.8024331489577889e-05 - - -9.0517483651638031e-02 8.3377197384834290e-02 - <_> - - 0 -1 1016 -2.3895479738712311e-02 - - 1.2739649415016174e-01 -8.3965286612510681e-02 - <_> - - 0 -1 1017 2.2485909983515739e-02 - - -5.5055338889360428e-02 1.3913129270076752e-01 - <_> - - 0 -1 1018 4.1692931205034256e-02 - - -1.6963820904493332e-02 1.8453200161457062e-01 - <_> - - 0 -1 1019 -2.6616320013999939e-02 - - 1.5978839993476868e-01 -5.5901341140270233e-02 - <_> - - 0 -1 1020 -3.7673220038414001e-02 - - -5.6011748313903809e-01 7.0831510238349438e-03 - <_> - - 0 -1 1021 8.7794396677054465e-05 - - -8.2011356949806213e-02 9.4610482454299927e-02 - <_> - - 0 -1 1022 1.1703169438987970e-03 - - 3.3138789236545563e-02 -1.2254939973354340e-01 - <_> - - 0 -1 1023 -1.8461579456925392e-02 - - 1.1984329670667648e-01 -7.3555886745452881e-02 - <_> - - 0 -1 1024 -4.9685002304613590e-03 - - 1.5291570127010345e-01 -4.5049760490655899e-02 - <_> - - 0 -1 1025 9.4893397763371468e-03 - - 3.8226161152124405e-02 -2.0697419345378876e-01 - <_> - - 0 -1 1026 4.2636949568986893e-02 - - 4.7441869974136353e-03 -2.4128800630569458e-01 - <_> - - 0 -1 1027 1.2260899879038334e-02 - - -5.2345231175422668e-02 1.5391710400581360e-01 - <_> - - 0 -1 1028 -3.6220869515091181e-03 - - -3.1135520339012146e-01 2.7554929256439209e-02 - <_> - - 0 -1 1029 1.8543130136094987e-04 - - -1.3158130645751953e-01 5.8432999998331070e-02 - <_> - - 0 -1 1030 1.9817280117422342e-03 - - -1.5591939911246300e-02 7.9335182905197144e-02 - <_> - - 0 -1 1031 3.0786939896643162e-03 - - -3.9832580834627151e-02 2.0168849825859070e-01 - <_> - - 0 -1 1032 -4.9620792269706726e-03 - - 4.3630041182041168e-02 -1.6167530789971352e-02 - <_> - - 0 -1 1033 1.0100869985762984e-04 - - -1.0894899815320969e-01 6.6285558044910431e-02 - <_> - - 0 -1 1034 4.5535610988736153e-03 - - -2.5678759440779686e-02 2.5574589148163795e-02 - <_> - - 0 -1 1035 1.8472580239176750e-02 - - 4.5276731252670288e-02 -1.8895520269870758e-01 - <_> - - 0 -1 1036 -1.2821660493500531e-04 - - 6.5693907439708710e-02 -6.1557758599519730e-02 - <_> - - 0 -1 1037 -9.1399750090204179e-05 - - 9.4862386584281921e-02 -7.9766832292079926e-02 - <_> - - 0 -1 1038 1.9103009253740311e-02 - - -1.5823919326066971e-02 2.0067700743675232e-01 - <_> - - 0 -1 1039 3.2626159489154816e-02 - - 1.1280800215899944e-02 -6.2056678533554077e-01 - <_> - - 0 -1 1040 -3.7017529830336571e-03 - - 6.2841519713401794e-02 -2.3586150258779526e-02 - <_> - - 0 -1 1041 -1.7747739329934120e-02 - - -5.6140452623367310e-01 1.2981880456209183e-02 - <_> - - 0 -1 1042 5.9074100106954575e-02 - - -3.3294579479843378e-03 8.4481179714202881e-01 - <_> - - 0 -1 1043 -5.4828140884637833e-02 - - 5.5514711141586304e-01 -1.1694990098476410e-02 - <_> - - 0 -1 1044 1.0296080290572718e-04 - - -4.5484889298677444e-02 5.8925010263919830e-02 - <_> - - 0 -1 1045 -9.7072806966025382e-05 - - 9.6935607492923737e-02 -8.0250047147274017e-02 - <_> - - 0 -1 1046 5.8545041829347610e-03 - - 1.4835690148174763e-02 -3.5753148794174194e-01 - <_> - - 0 -1 1047 1.6329690115526319e-03 - - -4.4237900525331497e-02 1.6755719482898712e-01 - <_> - - 0 -1 1048 1.5812419354915619e-02 - - 7.1729267947375774e-03 -7.8497059643268585e-02 - <_> - - 0 -1 1049 -4.3562431819736958e-03 - - 2.5313070416450500e-01 -2.8974350541830063e-02 - <_> - - 0 -1 1050 3.5560280084609985e-02 - - 1.7037480138242245e-03 -4.0621849894523621e-01 - <_> - - 0 -1 1051 1.0531170293688774e-02 - - 2.9233150184154510e-02 -2.6782780885696411e-01 - <_> - - 0 -1 1052 3.1187709420919418e-02 - - 4.4837938621640205e-03 -1.9009509682655334e-01 - <_> - - 0 -1 1053 -2.3982839658856392e-02 - - -4.6067911386489868e-01 1.5553499571979046e-02 - <_> - - 0 -1 1054 4.7000840306282043e-02 - - -1.8269939348101616e-02 8.1415437161922455e-02 - <_> - - 0 -1 1055 2.6086059212684631e-01 - - -1.1339389719069004e-02 5.6355899572372437e-01 - <_> - - 0 -1 1056 -8.8318936526775360e-02 - - -7.1698242425918579e-01 5.8255391195416451e-03 - <_> - - 0 -1 1057 -3.1121359206736088e-03 - - 5.7725358754396439e-02 -1.2493800371885300e-01 - <_> - 209 - -1.5047789812088013e+00 - - <_> - - 0 -1 1058 2.8087180107831955e-02 - - -1.5413700044155121e-01 4.5727699995040894e-01 - <_> - - 0 -1 1059 -5.5903568863868713e-02 - - 3.6255109310150146e-01 -1.4866210520267487e-01 - <_> - - 0 -1 1060 -5.3916401229798794e-03 - - 1.1215359717607498e-01 -3.0657169222831726e-01 - <_> - - 0 -1 1061 -5.7490311563014984e-02 - - -3.7761840224266052e-01 6.6982932388782501e-02 - <_> - - 0 -1 1062 3.3081531524658203e-02 - - 8.9242622256278992e-02 -4.1101458668708801e-01 - <_> - - 0 -1 1063 -3.3971451222896576e-02 - - 1.7306150496006012e-01 -1.7985619604587555e-01 - <_> - - 0 -1 1064 6.0396149754524231e-02 - - -5.2139468491077423e-02 4.2019769549369812e-01 - <_> - - 0 -1 1065 -1.5026940032839775e-02 - - 3.3774340152740479e-01 -9.3563601374626160e-02 - <_> - - 0 -1 1066 1.1687699705362320e-02 - - 8.5324212908744812e-02 -3.3287081122398376e-01 - <_> - - 0 -1 1067 -4.4202590361237526e-03 - - 3.0262300372123718e-01 -7.3225647211074829e-02 - <_> - - 0 -1 1068 9.8442351445555687e-03 - - 6.7588306963443756e-02 -3.6280980706214905e-01 - <_> - - 0 -1 1069 6.5739490091800690e-03 - - -6.6520340740680695e-02 3.6753880977630615e-01 - <_> - - 0 -1 1070 -1.2470779940485954e-02 - - 1.3371619582176208e-01 -1.3606360554695129e-01 - <_> - - 0 -1 1071 -8.7947519205044955e-05 - - 7.0185787975788116e-02 -7.1383133530616760e-02 - <_> - - 0 -1 1072 -4.1784630157053471e-03 - - 3.3897310495376587e-01 -6.0283429920673370e-02 - <_> - - 0 -1 1073 -1.0158100165426731e-02 - - -4.3232920765876770e-01 2.9709020629525185e-02 - <_> - - 0 -1 1074 -2.5939870625734329e-02 - - 2.9187950491905212e-01 -5.8434039354324341e-02 - <_> - - 0 -1 1075 1.6638180240988731e-02 - - -7.7353350818157196e-02 2.3780930042266846e-01 - <_> - - 0 -1 1076 1.4849379658699036e-03 - - 8.9698158204555511e-02 -2.0726980268955231e-01 - <_> - - 0 -1 1077 2.4323889985680580e-02 - - 4.6134989708662033e-02 -2.3631970584392548e-01 - <_> - - 0 -1 1078 7.4536320753395557e-03 - - 5.6870579719543457e-02 -2.9884359240531921e-01 - <_> - - 0 -1 1079 2.7136409655213356e-02 - - 3.3143240958452225e-02 -2.6137140393257141e-01 - <_> - - 0 -1 1080 -3.9215758442878723e-02 - - -4.2938810586929321e-01 3.9842639118432999e-02 - <_> - - 0 -1 1081 2.6724360883235931e-02 - - -1.0130269825458527e-01 1.5306079387664795e-01 - <_> - - 0 -1 1082 -7.7838180586695671e-03 - - -5.0431340932846069e-01 3.2204821705818176e-02 - <_> - - 0 -1 1083 3.1347721815109253e-02 - - -5.2811268717050552e-02 3.2771229743957520e-01 - <_> - - 0 -1 1084 5.1572020165622234e-03 - - 3.9264280349016190e-02 -4.0240189433097839e-01 - <_> - - 0 -1 1085 1.9256999716162682e-02 - - 3.3628650009632111e-02 -3.6241069436073303e-01 - <_> - - 0 -1 1086 1.7587229609489441e-02 - - -5.1554750651121140e-02 2.7599188685417175e-01 - <_> - - 0 -1 1087 -9.7410473972558975e-03 - - 2.3560559749603271e-01 -6.0343839228153229e-02 - <_> - - 0 -1 1088 -1.1508379975566640e-04 - - 6.9393739104270935e-02 -2.0505240559577942e-01 - <_> - - 0 -1 1089 -1.3304370641708374e-01 - - -3.9202588796615601e-01 3.1970690935850143e-02 - <_> - - 0 -1 1090 -4.7447659075260162e-02 - - -3.5722380876541138e-01 3.7217479199171066e-02 - <_> - - 0 -1 1091 -4.1948170401155949e-03 - - 1.3637860119342804e-01 -6.9371573626995087e-02 - <_> - - 0 -1 1092 -3.9906660094857216e-03 - - 1.4928449690341949e-01 -8.0571353435516357e-02 - <_> - - 0 -1 1093 -8.4894258179701865e-05 - - 8.8759668171405792e-02 -7.9379200935363770e-02 - <_> - - 0 -1 1094 -4.1100149246631190e-05 - - 1.2289889901876450e-01 -1.0322090238332748e-01 - <_> - - 0 -1 1095 1.4727080240845680e-02 - - 1.9744509831070900e-02 -3.6746519804000854e-01 - <_> - - 0 -1 1096 -8.5327234119176865e-03 - - -3.6299398541450500e-01 3.1131930649280548e-02 - <_> - - 0 -1 1097 -1.6553919762372971e-02 - - 1.0105790197849274e-01 -1.5329389274120331e-01 - <_> - - 0 -1 1098 -1.2337979860603809e-02 - - -4.6292439103126526e-01 2.2736590355634689e-02 - <_> - - 0 -1 1099 -3.6450990010052919e-03 - - 4.2629018425941467e-02 -1.3781179487705231e-01 - <_> - - 0 -1 1100 1.2839140370488167e-02 - - -4.1048280894756317e-02 4.3761840462684631e-01 - <_> - - 0 -1 1101 -9.3080453574657440e-02 - - 2.2917859256267548e-01 -5.0032921135425568e-02 - <_> - - 0 -1 1102 2.1762320771813393e-02 - - -5.0271000713109970e-02 2.2881449759006500e-01 - <_> - - 0 -1 1103 1.7361560836434364e-02 - - 2.5310549885034561e-02 -2.6760739088058472e-01 - <_> - - 0 -1 1104 -1.3084709644317627e-02 - - -2.9774340987205505e-01 4.3805930763483047e-02 - <_> - - 0 -1 1105 -8.4787927335128188e-05 - - 7.4056796729564667e-02 -1.1382059752941132e-01 - <_> - - 0 -1 1106 -5.2169840782880783e-03 - - 1.2962180376052856e-01 -8.9122071862220764e-02 - <_> - - 0 -1 1107 5.5256679654121399e-02 - - -1.6715130209922791e-01 4.9011368304491043e-02 - <_> - - 0 -1 1108 -1.0899559594690800e-02 - - 1.7473630607128143e-01 -6.5568633377552032e-02 - <_> - - 0 -1 1109 1.4722730033099651e-02 - - 2.1222619339823723e-02 -3.6853900551795959e-01 - <_> - - 0 -1 1110 3.0714910477399826e-02 - - -4.7032870352268219e-02 2.2777770459651947e-01 - <_> - - 0 -1 1111 -6.8415720015764236e-03 - - -2.5939539074897766e-01 2.4496970698237419e-02 - <_> - - 0 -1 1112 1.7822159454226494e-02 - - -7.9186916351318359e-02 1.4894349873065948e-01 - <_> - - 0 -1 1113 2.8468179516494274e-03 - - -3.7116099148988724e-02 1.6393619775772095e-01 - <_> - - 0 -1 1114 -1.3656679540872574e-02 - - -3.9892640709877014e-01 2.6514330878853798e-02 - <_> - - 0 -1 1115 -1.2483780086040497e-01 - - -3.8755100965499878e-01 8.9756725355982780e-03 - <_> - - 0 -1 1116 -4.3433021346572787e-05 - - 1.1973830312490463e-01 -8.5467711091041565e-02 - <_> - - 0 -1 1117 -2.1456810645759106e-03 - - 2.0692780613899231e-01 -5.0187058746814728e-02 - <_> - - 0 -1 1118 -9.6643620054237545e-05 - - 1.0034500062465668e-01 -1.1663100123405457e-01 - <_> - - 0 -1 1119 -4.7470871359109879e-03 - - -4.4494819641113281e-01 1.9583249464631081e-02 - <_> - - 0 -1 1120 -2.2244181018322706e-03 - - 1.9856449961662292e-01 -5.5820390582084656e-02 - <_> - - 0 -1 1121 3.7989660631865263e-03 - - 3.6714699119329453e-02 -2.9941511154174805e-01 - <_> - - 0 -1 1122 -5.7312021963298321e-03 - - -5.2832037210464478e-01 1.8550330772995949e-02 - <_> - - 0 -1 1123 -2.5910209864377975e-02 - - 2.8764611482620239e-01 -3.8489770144224167e-02 - <_> - - 0 -1 1124 -9.6947006881237030e-02 - - -5.9902548789978027e-01 1.8979549407958984e-02 - <_> - - 0 -1 1125 -5.4922740906476974e-02 - - 7.1482129395008087e-02 -1.0858479887247086e-01 - <_> - - 0 -1 1126 -2.7080800384283066e-02 - - 1.8649069964885712e-01 -5.9568218886852264e-02 - <_> - - 0 -1 1127 5.0297360867261887e-03 - - 3.3363129943609238e-02 -3.0831581354141235e-01 - <_> - - 0 -1 1128 3.3542269375175238e-03 - - -5.4571229964494705e-02 2.2534120082855225e-01 - <_> - - 0 -1 1129 1.2667280388996005e-03 - - -1.7840330302715302e-01 3.4346438944339752e-02 - <_> - - 0 -1 1130 1.1339919641613960e-02 - - 2.6406589895486832e-02 -3.8119348883628845e-01 - <_> - - 0 -1 1131 9.1608919319696724e-05 - - -1.0066139698028564e-01 8.7170496582984924e-02 - <_> - - 0 -1 1132 7.8464552643708885e-05 - - -1.0216680169105530e-01 1.0109920054674149e-01 - <_> - - 0 -1 1133 7.5286210631020367e-05 - - -5.6061439216136932e-02 5.8424450457096100e-02 - <_> - - 0 -1 1134 -2.6337830349802971e-03 - - 1.7215870320796967e-01 -5.7880070060491562e-02 - <_> - - 0 -1 1135 6.3031561672687531e-02 - - -1.9201409071683884e-02 2.7799960970878601e-01 - <_> - - 0 -1 1136 -2.3219529539346695e-02 - - 1.0284779965877533e-01 -9.8239988088607788e-02 - <_> - - 0 -1 1137 -9.0258438140153885e-03 - - 2.2167690098285675e-02 -8.2948818802833557e-02 - <_> - - 0 -1 1138 3.8732189685106277e-02 - - -2.8826160356402397e-02 3.4773069620132446e-01 - <_> - - 0 -1 1139 -4.7702491283416748e-02 - - -6.7103427648544312e-01 1.6573669388890266e-02 - <_> - - 0 -1 1140 -1.2847820296883583e-02 - - -3.8643950223922729e-01 2.0033469423651695e-02 - <_> - - 0 -1 1141 5.7381160557270050e-02 - - -1.1463870294392109e-02 2.6734361052513123e-01 - <_> - - 0 -1 1142 -1.0621190071105957e-02 - - -3.1218948960304260e-01 2.8248360380530357e-02 - <_> - - 0 -1 1143 -1.3676609843969345e-02 - - -1.2689730525016785e-01 8.6436048150062561e-03 - <_> - - 0 -1 1144 4.3348008766770363e-03 - - 5.1033958792686462e-02 -1.7394079267978668e-01 - <_> - - 0 -1 1145 7.5991630554199219e-02 - - -2.3328589275479317e-02 4.2845860123634338e-01 - <_> - - 0 -1 1146 1.3098600320518017e-02 - - -2.4747660383582115e-02 3.3785021305084229e-01 - <_> - - 0 -1 1147 -3.5736020654439926e-02 - - 3.7913449108600616e-02 -5.3559090942144394e-02 - <_> - - 0 -1 1148 1.0628229938447475e-04 - - -8.4522321820259094e-02 1.0640759766101837e-01 - <_> - - 0 -1 1149 2.1813490893691778e-03 - - 4.0383778512477875e-02 -1.9148570299148560e-01 - <_> - - 0 -1 1150 -9.4492107629776001e-02 - - 2.0704220235347748e-01 -4.4048219919204712e-02 - <_> - - 0 -1 1151 -1.3529360294342041e-01 - - -2.6852059364318848e-01 5.2231121808290482e-03 - <_> - - 0 -1 1152 -1.2129560112953186e-01 - - 9.0266220271587372e-02 -9.2542663216590881e-02 - <_> - - 0 -1 1153 -2.3765969090163708e-03 - - 8.2525849342346191e-02 -3.1835190951824188e-02 - <_> - - 0 -1 1154 1.2632180005311966e-02 - - -4.9935780465602875e-02 1.8270030617713928e-01 - <_> - - 0 -1 1155 3.7632249295711517e-03 - - 1.4996149577200413e-02 -1.3626490533351898e-01 - <_> - - 0 -1 1156 -4.1556770156603307e-05 - - 7.4878826737403870e-02 -1.1227519810199738e-01 - <_> - - 0 -1 1157 -6.9654630497097969e-03 - - 1.6071209311485291e-01 -5.4801609367132187e-02 - <_> - - 0 -1 1158 -4.2004981078207493e-03 - - -2.9972600936889648e-01 2.8893660753965378e-02 - <_> - - 0 -1 1159 -1.9440690521150827e-03 - - 1.2529659271240234e-01 -3.5508431494235992e-02 - <_> - - 0 -1 1160 -8.9434572146274149e-05 - - 9.8911896347999573e-02 -8.5844233632087708e-02 - <_> - - 0 -1 1161 9.9513839813880622e-05 - - -4.1452258825302124e-02 5.4522711783647537e-02 - <_> - - 0 -1 1162 -8.9198641944676638e-05 - - 7.3228873312473297e-02 -1.2978109717369080e-01 - <_> - - 0 -1 1163 5.7081338018178940e-03 - - -7.0425257086753845e-02 1.4262980222702026e-01 - <_> - - 0 -1 1164 -9.4857633113861084e-02 - - 2.3310409486293793e-01 -3.7148199975490570e-02 - <_> - - 0 -1 1165 2.8471320867538452e-02 - - -4.8538058996200562e-02 3.5143539309501648e-01 - <_> - - 0 -1 1166 4.1401110589504242e-02 - - -1.8223199993371964e-02 3.9729571342468262e-01 - <_> - - 0 -1 1167 -2.8941810131072998e-02 - - -2.2416530549526215e-01 1.4477049931883812e-02 - <_> - - 0 -1 1168 4.3586310930550098e-03 - - 4.5635841786861420e-02 -1.8632480502128601e-01 - <_> - - 0 -1 1169 -7.3322281241416931e-02 - - -1.9238489866256714e-01 1.2455330230295658e-02 - <_> - - 0 -1 1170 1.9518200308084488e-02 - - -2.0500229671597481e-02 4.1983589529991150e-01 - <_> - - 0 -1 1171 3.9780829101800919e-03 - - -4.5975688844919205e-02 1.0321869701147079e-01 - <_> - - 0 -1 1172 -9.7237170848529786e-05 - - 1.0506830364465714e-01 -8.7533041834831238e-02 - <_> - - 0 -1 1173 8.7185493612196296e-05 - - -6.2952272593975067e-02 7.8699469566345215e-02 - <_> - - 0 -1 1174 2.6201619766652584e-03 - - 2.9076900333166122e-02 -3.1879830360412598e-01 - <_> - - 0 -1 1175 6.8807557225227356e-02 - - -6.5168988658115268e-04 -7.2238290309906006e-01 - <_> - - 0 -1 1176 -6.4465478062629700e-02 - - 4.3315869569778442e-01 -2.1786129102110863e-02 - <_> - - 0 -1 1177 8.7852329015731812e-03 - - -5.7266969233751297e-02 7.7373459935188293e-02 - <_> - - 0 -1 1178 -1.5497979708015919e-02 - - 1.7337580025196075e-01 -5.8008719235658646e-02 - <_> - - 0 -1 1179 -2.2943260148167610e-02 - - 6.9100983440876007e-02 -4.1808031499385834e-02 - <_> - - 0 -1 1180 -8.2105891779065132e-03 - - -2.7963161468505859e-01 2.9525220394134521e-02 - <_> - - 0 -1 1181 -3.3475670963525772e-02 - - 1.1038400232791901e-01 -3.3238198608160019e-02 - <_> - - 0 -1 1182 8.7814498692750931e-03 - - -8.9171886444091797e-02 8.7001636624336243e-02 - <_> - - 0 -1 1183 3.4709158539772034e-01 - - -4.8120681196451187e-02 1.8035539984703064e-01 - <_> - - 0 -1 1184 -1.0401030158391222e-04 - - 9.4648033380508423e-02 -8.3219513297080994e-02 - <_> - - 0 -1 1185 -2.7705188840627670e-03 - - 1.5773800015449524e-01 -2.5001129135489464e-02 - <_> - - 0 -1 1186 -8.6398613348137587e-05 - - 7.1280792355537415e-02 -1.4600040018558502e-01 - <_> - - 0 -1 1187 -2.6759049296379089e-01 - - 1.2558859586715698e-01 -3.8995288312435150e-02 - <_> - - 0 -1 1188 -2.4231130257248878e-02 - - 8.8422782719135284e-02 -9.3978613615036011e-02 - <_> - - 0 -1 1189 1.0885329917073250e-02 - - -4.1272029280662537e-02 2.5976330041885376e-01 - <_> - - 0 -1 1190 2.1032560616731644e-02 - - -4.3483361601829529e-02 1.8442779779434204e-01 - <_> - - 0 -1 1191 -4.2315269820392132e-03 - - 1.2188120186328888e-01 -7.7749006450176239e-02 - <_> - - 0 -1 1192 -1.5873130410909653e-02 - - 1.0431399941444397e-01 -8.4082178771495819e-02 - <_> - - 0 -1 1193 -1.9862418994307518e-03 - - 3.7543788552284241e-02 -4.8584461212158203e-02 - <_> - - 0 -1 1194 7.8583601862192154e-05 - - -8.0581262707710266e-02 1.0911089926958084e-01 - <_> - - 0 -1 1195 2.9601699206978083e-03 - - 2.4551110342144966e-02 -3.3558800816535950e-01 - <_> - - 0 -1 1196 -9.5016136765480042e-02 - - -5.9915632009506226e-01 1.1551329866051674e-02 - <_> - - 0 -1 1197 1.1362539953552186e-04 - - -8.6923167109489441e-02 9.3489281833171844e-02 - <_> - - 0 -1 1198 -9.8137762397527695e-03 - - 7.6431483030319214e-02 -1.0938859730958939e-01 - <_> - - 0 -1 1199 9.8380893177818507e-05 - - -6.6263832151889801e-02 8.1618256866931915e-02 - <_> - - 0 -1 1200 2.2226599976420403e-03 - - 3.1717978417873383e-02 -2.4636030197143555e-01 - <_> - - 0 -1 1201 2.3853180464357138e-03 - - -2.7855399996042252e-02 1.2080640345811844e-01 - <_> - - 0 -1 1202 -3.9457518607378006e-02 - - -3.5027569532394409e-01 2.1213570609688759e-02 - <_> - - 0 -1 1203 -7.9605240898672491e-05 - - 8.8247403502464294e-02 -5.9798751026391983e-02 - <_> - - 0 -1 1204 -2.2772089578211308e-03 - - 1.8961960077285767e-01 -3.7514250725507736e-02 - <_> - - 0 -1 1205 2.0586390048265457e-02 - - 2.7481140568852425e-02 -8.0342061817646027e-02 - <_> - - 0 -1 1206 -7.4273057281970978e-02 - - -3.3686059713363647e-01 2.1948199719190598e-02 - <_> - - 0 -1 1207 1.8075270578265190e-02 - - -2.1912610158324242e-02 2.0319029688835144e-01 - <_> - - 0 -1 1208 -1.4953720383346081e-02 - - -2.6559591293334961e-01 2.6371410116553307e-02 - <_> - - 0 -1 1209 -4.8192208632826805e-03 - - 1.6707129776477814e-01 -1.4215789735317230e-02 - <_> - - 0 -1 1210 3.6314369936008006e-05 - - -7.7198803424835205e-02 1.0186760127544403e-01 - <_> - - 0 -1 1211 -8.3623798564076424e-03 - - -1.6067409515380859e-01 1.5523280017077923e-02 - <_> - - 0 -1 1212 2.3804600350558758e-03 - - 5.8899540454149246e-02 -1.3108530640602112e-01 - <_> - - 0 -1 1213 1.6680910484865308e-03 - - 3.0969940125942230e-02 -2.2598870098590851e-01 - <_> - - 0 -1 1214 1.5265520196408033e-03 - - -4.9240689724683762e-02 2.0791269838809967e-01 - <_> - - 0 -1 1215 1.4575149863958359e-02 - - -3.6837290972471237e-02 1.0154440253973007e-01 - <_> - - 0 -1 1216 -7.6943649910390377e-03 - - 1.5710060298442841e-01 -5.7826489210128784e-02 - <_> - - 0 -1 1217 -9.0497516794130206e-05 - - 4.7573201358318329e-02 -1.6521500051021576e-01 - <_> - - 0 -1 1218 -2.2794010117650032e-02 - - -2.5973218679428101e-01 2.6559799909591675e-02 - <_> - - 0 -1 1219 -9.0023465454578400e-03 - - 4.1206229478120804e-02 -2.2416520863771439e-02 - <_> - - 0 -1 1220 6.7992340773344040e-03 - - -3.9371181279420853e-02 1.7100240290164948e-01 - <_> - - 0 -1 1221 -4.3460330925881863e-03 - - 6.0964401811361313e-02 -2.0817179232835770e-02 - <_> - - 0 -1 1222 -3.7276789080351591e-03 - - 1.2307090312242508e-01 -5.8938860893249512e-02 - <_> - - 0 -1 1223 -8.4070830780547112e-05 - - 1.3861919939517975e-01 -8.2764759659767151e-02 - <_> - - 0 -1 1224 1.1763629736378789e-03 - - 5.0358530133962631e-02 -1.5933729708194733e-01 - <_> - - 0 -1 1225 5.5893128737807274e-03 - - 7.0979949086904526e-03 -5.8028382062911987e-01 - <_> - - 0 -1 1226 -1.0127289715455845e-04 - - 8.3265759050846100e-02 -8.2378573715686798e-02 - <_> - - 0 -1 1227 -2.4464890360832214e-02 - - -8.7221837043762207e-01 1.3292940566316247e-03 - <_> - - 0 -1 1228 -4.4401640479918569e-05 - - 5.6002810597419739e-02 -1.5147769451141357e-01 - <_> - - 0 -1 1229 5.7037789374589920e-02 - - 5.0832000561058521e-03 -1.1047369986772537e-01 - <_> - - 0 -1 1230 2.0243139937520027e-02 - - -4.9084380269050598e-02 1.5443739295005798e-01 - <_> - - 0 -1 1231 9.7376257181167603e-03 - - -1.9700789824128151e-02 5.2151169627904892e-02 - <_> - - 0 -1 1232 -1.5008449554443359e-02 - - 1.4697140455245972e-01 -5.0271861255168915e-02 - <_> - - 0 -1 1233 -2.1046690642833710e-02 - - -3.6531120538711548e-01 1.7672160640358925e-02 - <_> - - 0 -1 1234 9.5258541405200958e-03 - - 1.5648230910301208e-02 -4.0153148770332336e-01 - <_> - - 0 -1 1235 -2.2794330492615700e-02 - - 2.9926788806915283e-01 -2.3447409272193909e-02 - <_> - - 0 -1 1236 -7.8630357980728149e-02 - - -6.5496569871902466e-01 1.0836719535291195e-02 - <_> - - 0 -1 1237 9.5926318317651749e-03 - - 1.5389059670269489e-02 -3.6421850323677063e-01 - <_> - - 0 -1 1238 -2.7699070051312447e-03 - - 1.9490230083465576e-01 -3.2363388687372208e-02 - <_> - - 0 -1 1239 -1.1783170339185745e-04 - - 6.4062900841236115e-02 -4.3425600975751877e-02 - <_> - - 0 -1 1240 -2.1889989729970694e-03 - - -2.6822608709335327e-01 2.5960480794310570e-02 - <_> - - 0 -1 1241 -5.6854140013456345e-02 - - -6.9606697559356689e-01 5.1044360734522343e-03 - <_> - - 0 -1 1242 2.1522639691829681e-01 - - -1.1709770187735558e-02 5.6467902660369873e-01 - <_> - - 0 -1 1243 -2.0456990227103233e-02 - - 3.6347669363021851e-01 -3.6606830544769764e-03 - <_> - - 0 -1 1244 7.7381962910294533e-05 - - -1.1122140288352966e-01 5.8982748538255692e-02 - <_> - - 0 -1 1245 4.1361998766660690e-02 - - -5.1151089370250702e-02 3.9524771273136139e-02 - <_> - - 0 -1 1246 -9.8949691164307296e-05 - - 1.0554169863462448e-01 -7.2439141571521759e-02 - <_> - - 0 -1 1247 1.8021840602159500e-02 - - 1.4994920231401920e-02 -1.4176709949970245e-01 - <_> - - 0 -1 1248 8.2080148160457611e-02 - - 2.3314690217375755e-02 -2.8175860643386841e-01 - <_> - - 0 -1 1249 -1.0621119872666895e-04 - - 6.2869526445865631e-02 -6.1158828437328339e-02 - <_> - - 0 -1 1250 -7.9379147791769356e-05 - - 8.7550431489944458e-02 -8.2194067537784576e-02 - <_> - - 0 -1 1251 5.5925888009369373e-03 - - 3.7611849606037140e-02 -1.9585789740085602e-01 - <_> - - 0 -1 1252 2.2940209601074457e-03 - - -4.4044021517038345e-02 1.6968269646167755e-01 - <_> - - 0 -1 1253 -4.0604019165039062e-01 - - 1.7274110019207001e-01 -1.6850609332323074e-02 - <_> - - 0 -1 1254 4.1022609919309616e-02 - - -4.5638781040906906e-02 1.5800049901008606e-01 - <_> - - 0 -1 1255 -1.4138690195977688e-02 - - 6.5703168511390686e-02 -5.7085040956735611e-02 - <_> - - 0 -1 1256 6.9438129663467407e-02 - - 2.2782269865274429e-02 -3.2717821002006531e-01 - <_> - - 0 -1 1257 4.5383367687463760e-03 - - -1.6410829499363899e-02 1.9021320343017578e-01 - <_> - - 0 -1 1258 -7.3475250974297523e-03 - - 1.5832969546318054e-01 -4.1667878627777100e-02 - <_> - - 0 -1 1259 -2.8285540174692869e-03 - - 6.7029163241386414e-02 -4.5508660376071930e-02 - <_> - - 0 -1 1260 9.2704901471734047e-03 - - -5.2456460893154144e-02 1.5916010737419128e-01 - <_> - - 0 -1 1261 7.3743790388107300e-02 - - 2.7622079942375422e-03 -5.8930927515029907e-01 - <_> - - 0 -1 1262 -7.9017343523446470e-05 - - 5.8952510356903076e-02 -1.0288809984922409e-01 - <_> - - 0 -1 1263 -1.1446610005805269e-04 - - 6.6440522670745850e-02 -6.6069446504116058e-02 - <_> - - 0 -1 1264 -8.8836946815717965e-05 - - 8.7505243718624115e-02 -7.1942538022994995e-02 - <_> - - 0 -1 1265 8.6307860328815877e-05 - - -6.2407039105892181e-02 8.5861496627330780e-02 - <_> - - 0 -1 1266 2.8763279260601848e-05 - - -7.2714872658252716e-02 8.1864006817340851e-02 - <_> - 300 - -1.4390770196914673e+00 - - <_> - - 0 -1 1267 -2.7320239692926407e-02 - - 3.2964909076690674e-01 -1.7424769699573517e-01 - <_> - - 0 -1 1268 -1.2693449854850769e-01 - - 1.9988879561424255e-01 -1.8093200027942657e-01 - <_> - - 0 -1 1269 -5.8230119757354259e-03 - - 1.3379770517349243e-01 -2.9584899544715881e-01 - <_> - - 0 -1 1270 -1.0102219879627228e-02 - - 3.0932119488716125e-01 -1.0596410371363163e-02 - <_> - - 0 -1 1271 -6.1621540226042271e-03 - - 2.6765128970146179e-01 -1.1746490001678467e-01 - <_> - - 0 -1 1272 1.5751619637012482e-01 - - -4.4081759452819824e-01 2.5278929620981216e-02 - <_> - - 0 -1 1273 -1.1121460236608982e-02 - - 2.2672709822654724e-01 -1.2998679280281067e-01 - <_> - - 0 -1 1274 1.8185679614543915e-01 - - 2.7329839766025543e-02 -2.9153040051460266e-01 - <_> - - 0 -1 1275 -1.2944860383868217e-02 - - 9.6943646669387817e-02 -1.6887310147285461e-01 - <_> - - 0 -1 1276 -2.1488919854164124e-02 - - -2.9174751043319702e-01 2.2947270423173904e-02 - <_> - - 0 -1 1277 1.9648829475045204e-02 - - -1.5948629379272461e-01 1.0274410247802734e-01 - <_> - - 0 -1 1278 -2.0773630589246750e-02 - - 3.1656980514526367e-02 -2.1503049880266190e-02 - <_> - - 0 -1 1279 3.9682849310338497e-03 - - -2.1936699748039246e-01 7.8478358685970306e-02 - <_> - - 0 -1 1280 3.0420809984207153e-02 - - 1.0165469720959663e-02 -3.0965119600296021e-01 - <_> - - 0 -1 1281 -1.0891959816217422e-01 - - 1.2353190034627914e-01 -1.2826040387153625e-01 - <_> - - 0 -1 1282 7.3761628009378910e-03 - - -7.4341319501399994e-02 1.8419550359249115e-01 - <_> - - 0 -1 1283 8.1076346337795258e-02 - - -7.7455572783946991e-02 2.2572399675846100e-01 - <_> - - 0 -1 1284 -1.1007470078766346e-02 - - -2.9864379763603210e-01 3.6562368273735046e-02 - <_> - - 0 -1 1285 7.6382579281926155e-03 - - 3.0265279114246368e-02 -4.0436980128288269e-01 - <_> - - 0 -1 1286 -3.9173129945993423e-02 - - 3.6285480856895447e-01 -3.6153119057416916e-02 - <_> - - 0 -1 1287 -3.8692470639944077e-02 - - -3.6894500255584717e-01 4.1328370571136475e-02 - <_> - - 0 -1 1288 7.3556299321353436e-03 - - 1.4625470153987408e-02 -4.2549151182174683e-01 - <_> - - 0 -1 1289 -3.3073050435632467e-03 - - 1.8068400025367737e-01 -6.9157406687736511e-02 - <_> - - 0 -1 1290 1.6253300418611616e-04 - - -6.8862676620483398e-02 5.1595509052276611e-02 - <_> - - 0 -1 1291 -9.4225285574793816e-03 - - -5.4762011766433716e-01 2.1833010017871857e-02 - <_> - - 0 -1 1292 -8.5778563516214490e-05 - - 3.3158481121063232e-02 -2.9057880863547325e-02 - <_> - - 0 -1 1293 -1.2468020431697369e-02 - - -4.0364319086074829e-01 3.3987078815698624e-02 - <_> - - 0 -1 1294 3.3008489757776260e-02 - - 7.6816817745566368e-03 -5.0423312187194824e-01 - <_> - - 0 -1 1295 1.0868630371987820e-02 - - 4.5615401118993759e-02 -2.5677078962326050e-01 - <_> - - 0 -1 1296 -8.4409132599830627e-02 - - -3.1029421091079712e-01 4.6273539774119854e-03 - <_> - - 0 -1 1297 -9.3027371913194656e-03 - - 8.4993101656436920e-02 -1.4124239981174469e-01 - <_> - - 0 -1 1298 9.2303037643432617e-02 - - 7.9931216314435005e-03 -4.2582070827484131e-01 - <_> - - 0 -1 1299 -1.0815899819135666e-02 - - 2.1468059718608856e-01 -5.2153371274471283e-02 - <_> - - 0 -1 1300 -1.1681180330924690e-04 - - 4.8450410366058350e-02 -3.9833851158618927e-02 - <_> - - 0 -1 1301 -4.0612979792058468e-03 - - 1.6646389663219452e-01 -6.9063633680343628e-02 - <_> - - 0 -1 1302 5.7951388880610466e-03 - - -9.0683251619338989e-02 8.3746202290058136e-02 - <_> - - 0 -1 1303 4.9339048564434052e-02 - - 3.9173539727926254e-02 -3.3289939165115356e-01 - <_> - - 0 -1 1304 1.1971060303039849e-04 - - -5.3018629550933838e-02 5.9675298631191254e-02 - <_> - - 0 -1 1305 -1.0609890159685165e-04 - - 8.0995649099349976e-02 -1.6321890056133270e-01 - <_> - - 0 -1 1306 -3.0870910733938217e-02 - - -9.5257751643657684e-02 1.1297959834337234e-02 - <_> - - 0 -1 1307 1.2120340019464493e-01 - - -3.6473531275987625e-02 2.9850721359252930e-01 - <_> - - 0 -1 1308 -2.0626220107078552e-01 - - -2.3698499798774719e-01 1.0814179666340351e-02 - <_> - - 0 -1 1309 4.5673310756683350e-02 - - 4.6200390905141830e-02 -2.8622150421142578e-01 - <_> - - 0 -1 1310 -4.6554979681968689e-01 - - 2.3931290209293365e-01 -4.3889150023460388e-02 - <_> - - 0 -1 1311 -2.7247559279203415e-02 - - 2.2010290622711182e-01 -4.7335881739854813e-02 - <_> - - 0 -1 1312 6.7061851732432842e-03 - - -8.0964729189872742e-02 1.9794599711894989e-01 - <_> - - 0 -1 1313 1.0068929754197598e-02 - - 2.1472670137882233e-02 -4.2355400323867798e-01 - <_> - - 0 -1 1314 -2.0853739231824875e-02 - - 8.8176608085632324e-02 -1.1373549699783325e-01 - <_> - - 0 -1 1315 -1.6856560483574867e-02 - - -3.3476999402046204e-01 2.8114089742302895e-02 - <_> - - 0 -1 1316 1.0779639706015587e-02 - - 2.2091429680585861e-02 -2.6592388749122620e-01 - <_> - - 0 -1 1317 -1.4492620527744293e-01 - - -4.1471031308174133e-01 2.0235959440469742e-02 - <_> - - 0 -1 1318 -1.4222270250320435e-01 - - -5.0898122787475586e-01 1.4417699538171291e-02 - <_> - - 0 -1 1319 -2.6127409189939499e-02 - - -3.6849400401115417e-01 2.1076979115605354e-02 - <_> - - 0 -1 1320 -4.4306788593530655e-02 - - 2.4365669488906860e-01 -3.3151701092720032e-02 - <_> - - 0 -1 1321 -4.7106731683015823e-02 - - 2.2794100642204285e-01 -3.7193849682807922e-02 - <_> - - 0 -1 1322 -1.3220019638538361e-02 - - 9.2124797403812408e-02 -4.0445350110530853e-02 - <_> - - 0 -1 1323 -2.2011219989508390e-03 - - 1.1649300158023834e-01 -7.2288736701011658e-02 - <_> - - 0 -1 1324 -1.3163460418581963e-02 - - -2.7950811386108398e-01 1.8101029098033905e-02 - <_> - - 0 -1 1325 1.3168309815227985e-02 - - -4.7634720802307129e-02 1.8659350275993347e-01 - <_> - - 0 -1 1326 -3.1536500900983810e-03 - - -3.4663060307502747e-01 3.5029809921979904e-02 - <_> - - 0 -1 1327 -6.2986309640109539e-03 - - -4.4517099857330322e-01 1.6394890844821930e-02 - <_> - - 0 -1 1328 1.0520889918552712e-04 - - -1.2221650034189224e-01 9.1529771685600281e-02 - <_> - - 0 -1 1329 6.7712259478867054e-03 - - -6.2910549342632294e-02 1.3665160536766052e-01 - <_> - - 0 -1 1330 1.0879420442506671e-03 - - 5.4720260202884674e-02 -9.9656596779823303e-02 - <_> - - 0 -1 1331 -3.3788580913096666e-03 - - -2.9915699362754822e-01 2.9105750843882561e-02 - <_> - - 0 -1 1332 -4.8709530383348465e-03 - - 8.2811303436756134e-02 -1.3028509914875031e-01 - <_> - - 0 -1 1333 5.3894789889454842e-03 - - -4.2147580534219742e-02 2.2190959751605988e-01 - <_> - - 0 -1 1334 1.7554419115185738e-02 - - 2.4383009877055883e-03 -7.2084337472915649e-01 - <_> - - 0 -1 1335 -8.7206506577786058e-05 - - 5.3330589085817337e-02 -1.5196210145950317e-01 - <_> - - 0 -1 1336 1.5179510228335857e-02 - - -5.7497899979352951e-02 1.6275669634342194e-01 - <_> - - 0 -1 1337 -2.5617830455303192e-02 - - -2.2136710584163666e-01 4.4065218418836594e-02 - <_> - - 0 -1 1338 -8.7506044656038284e-03 - - 1.8021699786186218e-01 -4.8347599804401398e-02 - <_> - - 0 -1 1339 1.2497880379669368e-04 - - -1.3058370351791382e-01 6.3506737351417542e-02 - <_> - - 0 -1 1340 5.6294607929885387e-03 - - 2.2644480690360069e-02 -8.5971117019653320e-02 - <_> - - 0 -1 1341 -7.9026613384485245e-03 - - 1.5518979728221893e-01 -5.8897480368614197e-02 - <_> - - 0 -1 1342 -2.4716140702366829e-02 - - -4.9796000123023987e-01 1.8713599070906639e-02 - <_> - - 0 -1 1343 7.5827902182936668e-03 - - 1.3807909563183784e-02 -4.6953529119491577e-01 - <_> - - 0 -1 1344 1.5213450416922569e-02 - - -6.1865940690040588e-02 3.3661410212516785e-01 - <_> - - 0 -1 1345 5.6500758975744247e-02 - - 2.3028869181871414e-02 -3.8726210594177246e-01 - <_> - - 0 -1 1346 -1.2669079937040806e-02 - - 1.1255340278148651e-01 -7.1737729012966156e-02 - <_> - - 0 -1 1347 8.1679318100214005e-03 - - 3.0598040670156479e-02 -2.7574780583381653e-01 - <_> - - 0 -1 1348 2.4625749886035919e-01 - - -3.1543320510536432e-03 4.1911658644676208e-01 - <_> - - 0 -1 1349 -6.3956580124795437e-03 - - 1.2454889714717865e-01 -5.9035938233137131e-02 - <_> - - 0 -1 1350 2.5588089600205421e-02 - - 1.6577800735831261e-02 -7.5359277427196503e-02 - <_> - - 0 -1 1351 -7.4204497039318085e-02 - - -2.2262080013751984e-01 4.0606889873743057e-02 - <_> - - 0 -1 1352 -3.4715060144662857e-02 - - -4.0411248803138733e-01 1.5808880329132080e-02 - <_> - - 0 -1 1353 -1.1728240177035332e-02 - - 1.3309819996356964e-01 -5.6337751448154449e-02 - <_> - - 0 -1 1354 1.2831239961087704e-02 - - 1.9909920170903206e-02 -3.7757879495620728e-01 - <_> - - 0 -1 1355 -1.0563439689576626e-02 - - -3.2508909702301025e-01 2.3221909999847412e-02 - <_> - - 0 -1 1356 -3.5942891240119934e-01 - - -3.7527939677238464e-01 1.9600039348006248e-02 - <_> - - 0 -1 1357 -3.7011738866567612e-02 - - -5.4136317968368530e-01 1.2847639620304108e-02 - <_> - - 0 -1 1358 -2.5081379339098930e-02 - - -3.7354961037635803e-01 1.8088519573211670e-03 - <_> - - 0 -1 1359 -4.7535188496112823e-03 - - 1.9727499783039093e-01 -4.1774708777666092e-02 - <_> - - 0 -1 1360 -3.4907329827547073e-02 - - -7.2574031352996826e-01 1.4851300511509180e-03 - <_> - - 0 -1 1361 -7.4698338285088539e-03 - - -2.4860990047454834e-01 2.9280329123139381e-02 - <_> - - 0 -1 1362 -8.5913809016346931e-03 - - 6.7347623407840729e-02 -4.0358699858188629e-02 - <_> - - 0 -1 1363 -2.2700410336256027e-02 - - 8.9239656925201416e-02 -7.8781761229038239e-02 - <_> - - 0 -1 1364 2.2053509019315243e-03 - - -2.9912160709500313e-02 1.0977400094270706e-01 - <_> - - 0 -1 1365 -9.8910197615623474e-02 - - 1.8266810476779938e-01 -5.4516408592462540e-02 - <_> - - 0 -1 1366 1.8624879419803619e-02 - - -2.8659839183092117e-02 1.8234199285507202e-01 - <_> - - 0 -1 1367 2.1846349537372589e-01 - - -2.1460210904479027e-02 3.5764479637145996e-01 - <_> - - 0 -1 1368 -8.7592922151088715e-02 - - -1.3817930221557617e-01 5.3657878190279007e-02 - <_> - - 0 -1 1369 -5.9761269949376583e-03 - - -4.6034899353981018e-01 1.3340939767658710e-02 - <_> - - 0 -1 1370 -1.2421079911291599e-02 - - -3.3196499943733215e-01 1.2879449874162674e-02 - <_> - - 0 -1 1371 -1.3781080488115549e-03 - - 8.6616329848766327e-02 -7.4349276721477509e-02 - <_> - - 0 -1 1372 -1.4621959999203682e-02 - - 1.3001319766044617e-01 -6.7598417401313782e-02 - <_> - - 0 -1 1373 -2.4735030531883240e-01 - - 8.5237301886081696e-02 -8.4645196795463562e-02 - <_> - - 0 -1 1374 5.9308610856533051e-02 - - 1.3260659761726856e-02 -1.9157089293003082e-01 - <_> - - 0 -1 1375 2.7013169601559639e-02 - - -5.4349761456251144e-02 1.4400729537010193e-01 - <_> - - 0 -1 1376 -1.0043109767138958e-02 - - 9.7532339394092560e-02 -6.7870423197746277e-02 - <_> - - 0 -1 1377 1.6333710402250290e-02 - - -3.4645229578018188e-02 2.1960219740867615e-01 - <_> - - 0 -1 1378 -1.2308630160987377e-02 - - 8.2006506621837616e-02 -4.1976820677518845e-02 - <_> - - 0 -1 1379 1.0485749691724777e-02 - - -5.1224850118160248e-02 1.4488840103149414e-01 - <_> - - 0 -1 1380 -1.3628990564029664e-04 - - 6.1384610831737518e-02 -5.8191310614347458e-02 - <_> - - 0 -1 1381 8.5936411051079631e-04 - - -5.9147980064153671e-02 1.3367150723934174e-01 - <_> - - 0 -1 1382 8.3236678619869053e-05 - - -2.4901889264583588e-02 2.5403380393981934e-02 - <_> - - 0 -1 1383 1.3244279660284519e-02 - - 2.3201990872621536e-02 -3.1300029158592224e-01 - <_> - - 0 -1 1384 5.1960810087621212e-03 - - -2.0643370226025581e-02 1.6936659812927246e-01 - <_> - - 0 -1 1385 -1.0730049689300358e-04 - - 7.5357936322689056e-02 -8.5676707327365875e-02 - <_> - - 0 -1 1386 1.9123459234833717e-02 - - 7.9347174614667892e-03 -4.0754169225692749e-01 - <_> - - 0 -1 1387 1.5554900281131268e-02 - - 1.1862790212035179e-02 -5.2963471412658691e-01 - <_> - - 0 -1 1388 1.2289740145206451e-02 - - -4.7180838882923126e-02 1.5157990157604218e-01 - <_> - - 0 -1 1389 -1.4573910273611546e-02 - - -3.6669370532035828e-01 1.7396919429302216e-02 - <_> - - 0 -1 1390 9.7942277789115906e-03 - - 2.2446950897574425e-02 -1.9372400641441345e-01 - <_> - - 0 -1 1391 -1.1129249818623066e-02 - - 1.2022449821233749e-01 -5.0490919500589371e-02 - <_> - - 0 -1 1392 -2.8478259220719337e-02 - - -1.5742279589176178e-01 1.5236110426485538e-02 - <_> - - 0 -1 1393 1.7496680840849876e-02 - - 2.5690859183669090e-02 -2.3409870266914368e-01 - <_> - - 0 -1 1394 1.5521899797022343e-02 - - -5.5130939930677414e-02 1.3458259403705597e-01 - <_> - - 0 -1 1395 -7.6961889863014221e-02 - - 1.4820179343223572e-01 -5.2654728293418884e-02 - <_> - - 0 -1 1396 1.2541759759187698e-02 - - 1.9928690046072006e-02 -1.9568939507007599e-01 - <_> - - 0 -1 1397 1.4891889877617359e-03 - - -5.2284549921751022e-02 1.2443289905786514e-01 - <_> - - 0 -1 1398 -8.7659856944810599e-05 - - 5.6242011487483978e-02 -3.5084269940853119e-02 - <_> - - 0 -1 1399 -7.8899807704146951e-05 - - 1.0030300170183182e-01 -7.2244107723236084e-02 - <_> - - 0 -1 1400 1.0928830306511372e-04 - - -6.8274326622486115e-02 6.1526838690042496e-02 - <_> - - 0 -1 1401 9.7802199888974428e-05 - - -8.4941998124122620e-02 7.9070352017879486e-02 - <_> - - 0 -1 1402 -3.6586909554898739e-03 - - 8.4576956927776337e-02 -6.1979670077562332e-02 - <_> - - 0 -1 1403 -2.7165230363607407e-02 - - -1.3254989683628082e-01 4.7547008842229843e-02 - <_> - - 0 -1 1404 -2.4415540695190430e-01 - - -2.8779751062393188e-01 1.0103769600391388e-02 - <_> - - 0 -1 1405 2.1893939375877380e-01 - - -1.9153190776705742e-02 4.3883860111236572e-01 - <_> - - 0 -1 1406 -3.7663489580154419e-02 - - -5.3167599439620972e-01 8.6589939892292023e-03 - <_> - - 0 -1 1407 9.8570194095373154e-03 - - 3.5411339253187180e-02 -1.7533619701862335e-01 - <_> - - 0 -1 1408 -1.1069320142269135e-02 - - 8.7674133479595184e-02 -2.3971110582351685e-02 - <_> - - 0 -1 1409 -3.2092579640448093e-03 - - 1.1677669733762741e-01 -5.2938070148229599e-02 - <_> - - 0 -1 1410 3.1299121677875519e-02 - - 5.0855642184615135e-03 -1.6072839498519897e-01 - <_> - - 0 -1 1411 -1.6410440439358354e-03 - - -1.9995410740375519e-01 3.2194938510656357e-02 - <_> - - 0 -1 1412 -8.7659856944810599e-05 - - 7.1497410535812378e-02 -4.5898139476776123e-02 - <_> - - 0 -1 1413 -2.0864999387413263e-03 - - 1.7110210657119751e-01 -3.5948559641838074e-02 - <_> - - 0 -1 1414 -6.0527279973030090e-02 - - -7.6273518800735474e-01 1.3608309673145413e-03 - <_> - - 0 -1 1415 1.2230159714818001e-02 - - 2.8595050796866417e-02 -2.2392280399799347e-01 - <_> - - 0 -1 1416 -1.7876380681991577e-01 - - -3.5213679075241089e-01 1.7496939748525620e-02 - <_> - - 0 -1 1417 -9.4217322766780853e-03 - - 7.6749376952648163e-02 -7.8374743461608887e-02 - <_> - - 0 -1 1418 5.1809968426823616e-03 - - 3.2549921423196793e-02 -1.0737700015306473e-01 - <_> - - 0 -1 1419 1.2300110422074795e-02 - - 1.5902930870652199e-02 -3.8703128695487976e-01 - <_> - - 0 -1 1420 -1.2951259850524366e-04 - - 5.2656628191471100e-02 -6.0614999383687973e-02 - <_> - - 0 -1 1421 -1.0170210152864456e-01 - - -7.7593147754669189e-01 6.8476120941340923e-03 - <_> - - 0 -1 1422 -3.6904220469295979e-03 - - 1.9035929441452026e-01 -2.3995259776711464e-02 - <_> - - 0 -1 1423 1.5722079202532768e-02 - - 2.0075650885701180e-02 -2.8484240174293518e-01 - <_> - - 0 -1 1424 1.5800909604877234e-03 - - 1.4534479938447475e-02 -4.6087890863418579e-02 - <_> - - 0 -1 1425 1.9083570223301649e-03 - - -4.3277118355035782e-02 1.4814759790897369e-01 - <_> - - 0 -1 1426 4.5368049293756485e-02 - - 1.2600870104506612e-03 -1.0040459632873535e+00 - <_> - - 0 -1 1427 -3.1613200902938843e-02 - - 1.9041140377521515e-01 -3.0077679082751274e-02 - <_> - - 0 -1 1428 -5.9592720121145248e-02 - - 5.9635359793901443e-02 -6.2979087233543396e-02 - <_> - - 0 -1 1429 -2.2434289753437042e-01 - - -4.1175138950347900e-01 1.5641730278730392e-02 - <_> - - 0 -1 1430 -6.5899849869310856e-03 - - 1.9443179666996002e-01 -3.1694628298282623e-02 - <_> - - 0 -1 1431 7.9618580639362335e-03 - - -5.1823440939188004e-02 1.1943539977073669e-01 - <_> - - 0 -1 1432 2.4097269400954247e-02 - - 2.5083899963647127e-03 -5.8389508724212646e-01 - <_> - - 0 -1 1433 -1.9797749817371368e-02 - - -2.4893710017204285e-01 2.3319810628890991e-02 - <_> - - 0 -1 1434 3.0359720811247826e-02 - - -2.2299349308013916e-02 8.5980042815208435e-02 - <_> - - 0 -1 1435 -8.3497361629270017e-05 - - 6.4343743026256561e-02 -8.9677549898624420e-02 - <_> - - 0 -1 1436 -2.3914920166134834e-02 - - 1.2109059840440750e-01 -2.5260699912905693e-02 - <_> - - 0 -1 1437 -8.6520854383707047e-03 - - -4.7165429592132568e-01 1.2948970310389996e-02 - <_> - - 0 -1 1438 -1.8689059652388096e-03 - - -1.8584649264812469e-01 2.8544230386614799e-02 - <_> - - 0 -1 1439 -1.4712030068039894e-02 - - 7.3833480477333069e-02 -7.9545512795448303e-02 - <_> - - 0 -1 1440 9.6776559075806290e-05 - - -5.3808450698852539e-02 6.7052409052848816e-02 - <_> - - 0 -1 1441 -4.0881600230932236e-02 - - 1.5709510445594788e-01 -3.9720211178064346e-02 - <_> - - 0 -1 1442 4.3581537902355194e-03 - - -6.8891957402229309e-02 5.4509818553924561e-02 - <_> - - 0 -1 1443 -7.9926364123821259e-03 - - 9.5844186842441559e-02 -6.9580480456352234e-02 - <_> - - 0 -1 1444 1.0333009995520115e-02 - - -5.4686669260263443e-02 1.3011549413204193e-01 - <_> - - 0 -1 1445 -1.1435869964770973e-04 - - 6.7426279187202454e-02 -9.8393097519874573e-02 - <_> - - 0 -1 1446 -2.0709419623017311e-02 - - 2.0106869935989380e-01 -2.6080749928951263e-02 - <_> - - 0 -1 1447 -1.6621459508314729e-03 - - -2.2376410663127899e-01 2.6049429550766945e-02 - <_> - - 0 -1 1448 1.9625460263341665e-03 - - -4.3015338480472565e-02 1.2084879726171494e-01 - <_> - - 0 -1 1449 -4.7995131462812424e-02 - - -5.9408020973205566e-01 9.8937414586544037e-03 - <_> - - 0 -1 1450 -8.1422913353890181e-05 - - 6.3267372548580170e-02 -4.6790290623903275e-02 - <_> - - 0 -1 1451 -3.5077799111604691e-03 - - 2.0965479314327240e-01 -2.5860479101538658e-02 - <_> - - 0 -1 1452 6.1466880142688751e-03 - - 2.1389920264482498e-02 -1.5767499804496765e-01 - <_> - - 0 -1 1453 -2.2475130856037140e-02 - - -3.8649868965148926e-01 1.3500030152499676e-02 - <_> - - 0 -1 1454 -1.2854509986937046e-02 - - -3.1043541431427002e-01 1.6851799562573433e-02 - <_> - - 0 -1 1455 -3.2944459468126297e-02 - - -2.4135130643844604e-01 2.1218579262495041e-02 - <_> - - 0 -1 1456 -4.2211711406707764e-03 - - 5.4983090609312057e-02 -3.6255910992622375e-02 - <_> - - 0 -1 1457 -2.5159320794045925e-03 - - 6.7240409553050995e-02 -1.0563170164823532e-01 - <_> - - 0 -1 1458 1.2536929920315742e-02 - - -3.1297560781240463e-02 4.4635839760303497e-02 - <_> - - 0 -1 1459 -1.2544070370495319e-02 - - 2.4844449758529663e-01 -3.0549539253115654e-02 - <_> - - 0 -1 1460 -4.6609319746494293e-02 - - -4.1198849678039551e-01 7.2858459316194057e-03 - <_> - - 0 -1 1461 -1.3294920325279236e-02 - - 1.6136699914932251e-01 -4.0562149137258530e-02 - <_> - - 0 -1 1462 -2.8895901050418615e-03 - - 6.9220848381519318e-02 -3.4948769956827164e-02 - <_> - - 0 -1 1463 9.2754911747761071e-05 - - -6.2799602746963501e-02 9.0230673551559448e-02 - <_> - - 0 -1 1464 1.2964129447937012e-01 - - -8.1927813589572906e-03 3.8863879442214966e-01 - <_> - - 0 -1 1465 -2.8936140239238739e-02 - - 8.4075257182121277e-02 -6.7740783095359802e-02 - <_> - - 0 -1 1466 -1.4308850513771176e-03 - - -5.4857030510902405e-02 2.9219489544630051e-02 - <_> - - 0 -1 1467 2.3652089294046164e-03 - - -4.8029679805040359e-02 1.3704180717468262e-01 - <_> - - 0 -1 1468 1.5420720446854830e-03 - - -4.9499150365591049e-02 6.5847739577293396e-02 - <_> - - 0 -1 1469 -1.8509089713916183e-03 - - -2.3544579744338989e-01 2.5507390499114990e-02 - <_> - - 0 -1 1470 -6.0786440735682845e-04 - - 4.0977660566568375e-02 -3.0832519754767418e-02 - <_> - - 0 -1 1471 -4.1273389942944050e-03 - - 1.1393050104379654e-01 -5.2464749664068222e-02 - <_> - - 0 -1 1472 -2.1144140511751175e-02 - - -2.8581771254539490e-01 1.9020890817046165e-02 - <_> - - 0 -1 1473 -6.8623408675193787e-02 - - 5.2402520179748535e-01 -1.3370789587497711e-02 - <_> - - 0 -1 1474 -2.3273609578609467e-02 - - -1.9590279459953308e-01 1.5390779823064804e-02 - <_> - - 0 -1 1475 1.1729559861123562e-02 - - 1.2804569676518440e-02 -3.9975368976593018e-01 - <_> - - 0 -1 1476 -1.9197949441149831e-03 - - -2.5994110107421875e-01 2.8458990156650543e-02 - <_> - - 0 -1 1477 1.1447600554674864e-03 - - -4.5072000473737717e-02 1.3860389590263367e-01 - <_> - - 0 -1 1478 -1.0227440361632034e-04 - - 5.5592600256204605e-02 -4.9113009124994278e-02 - <_> - - 0 -1 1479 -1.0123359970748425e-04 - - 9.4505466520786285e-02 -8.8237293064594269e-02 - <_> - - 0 -1 1480 1.0893570288317278e-04 - - -4.5741818845272064e-02 5.8658581227064133e-02 - <_> - - 0 -1 1481 7.4765441240742803e-05 - - -8.0418758094310760e-02 1.0517989844083786e-01 - <_> - - 0 -1 1482 -1.0043049696832895e-03 - - 3.7291228771209717e-02 -9.5728866755962372e-02 - <_> - - 0 -1 1483 -1.3605220243334770e-02 - - -1.7957609891891479e-01 3.2971139997243881e-02 - <_> - - 0 -1 1484 2.8680460527539253e-03 - - 1.2185310013592243e-02 -2.6212790608406067e-01 - <_> - - 0 -1 1485 -1.2858140689786524e-04 - - 8.6011983454227448e-02 -6.9080702960491180e-02 - <_> - - 0 -1 1486 1.2469210196286440e-03 - - 2.2270040586590767e-02 -1.1044169962406158e-01 - <_> - - 0 -1 1487 8.2425161963328719e-04 - - -5.4833728820085526e-02 1.2498649954795837e-01 - <_> - - 0 -1 1488 7.8583601862192154e-05 - - -5.4548110812902451e-02 6.6198967397212982e-02 - <_> - - 0 -1 1489 -8.3637831266969442e-04 - - 1.3395069539546967e-01 -5.7126030325889587e-02 - <_> - - 0 -1 1490 1.0339979780837893e-04 - - -3.7374898791313171e-02 5.5564608424901962e-02 - <_> - - 0 -1 1491 1.1284360289573669e-01 - - -4.7857798635959625e-02 1.4919960498809814e-01 - <_> - - 0 -1 1492 -2.1991500630974770e-02 - - 7.4098996818065643e-02 -1.5654139220714569e-02 - <_> - - 0 -1 1493 -5.8295959606766701e-03 - - -1.2228869646787643e-01 4.6361729502677917e-02 - <_> - - 0 -1 1494 -4.7616049647331238e-01 - - 2.9897591471672058e-01 -1.9476199522614479e-02 - <_> - - 0 -1 1495 -9.6184182912111282e-03 - - 6.5632872283458710e-02 -9.7764529287815094e-02 - <_> - - 0 -1 1496 -9.8459348082542419e-03 - - 2.9953660443425179e-02 -4.1783228516578674e-02 - <_> - - 0 -1 1497 -3.4493058919906616e-02 - - 1.4814029633998871e-01 -5.2295818924903870e-02 - <_> - - 0 -1 1498 -2.7170699089765549e-02 - - -1.8757429718971252e-01 1.2358410283923149e-02 - <_> - - 0 -1 1499 3.2725300639867783e-02 - - 1.3365229591727257e-02 -4.1139039397239685e-01 - <_> - - 0 -1 1500 8.4677049017045647e-05 - - -3.6508630961179733e-02 4.4863410294055939e-02 - <_> - - 0 -1 1501 4.8961658030748367e-03 - - -4.9906510859727859e-02 1.1985769867897034e-01 - <_> - - 0 -1 1502 -9.8173961043357849e-02 - - -4.0475818514823914e-01 2.2186879068613052e-03 - <_> - - 0 -1 1503 -2.9190620407462120e-02 - - 2.0124709606170654e-01 -3.4556761384010315e-02 - <_> - - 0 -1 1504 1.6377819702029228e-03 - - 4.8856548964977264e-02 -1.1524800211191177e-01 - <_> - - 0 -1 1505 -1.1581239959923550e-04 - - 5.7624600827693939e-02 -9.5245189964771271e-02 - <_> - - 0 -1 1506 -1.2790900655090809e-04 - - 6.4437143504619598e-02 -6.1183791607618332e-02 - <_> - - 0 -1 1507 1.8525200430303812e-03 - - -3.9117921143770218e-02 1.5792779624462128e-01 - <_> - - 0 -1 1508 -1.6371360048651695e-02 - - -2.7185299992561340e-01 1.6307469457387924e-02 - <_> - - 0 -1 1509 9.7776018083095551e-04 - - -5.2038270980119705e-02 1.1381710320711136e-01 - <_> - - 0 -1 1510 1.5415719710290432e-02 - - 1.3977140188217163e-02 -3.4197929501533508e-01 - <_> - - 0 -1 1511 1.4122789725661278e-03 - - -4.9484260380268097e-02 1.1596909910440445e-01 - <_> - - 0 -1 1512 1.0917360335588455e-01 - - 4.8475428484380245e-03 -5.3975361585617065e-01 - <_> - - 0 -1 1513 6.0521319508552551e-02 - - 2.1077200770378113e-02 -2.8005740046501160e-01 - <_> - - 0 -1 1514 2.5193318724632263e-01 - - -7.9183783382177353e-03 4.0918448567390442e-01 - <_> - - 0 -1 1515 2.7253168821334839e-01 - - -1.2983440421521664e-02 4.2010658979415894e-01 - <_> - - 0 -1 1516 3.7246018648147583e-02 - - 8.6529608815908432e-03 -5.9303051233291626e-01 - <_> - - 0 -1 1517 -2.1589249372482300e-02 - - -3.1377330422401428e-01 1.6977600753307343e-02 - <_> - - 0 -1 1518 -2.6934880763292313e-02 - - -3.6965128779411316e-01 2.5225139688700438e-03 - <_> - - 0 -1 1519 1.0230350308120251e-02 - - 2.0219080150127411e-02 -2.8223741054534912e-01 - <_> - - 0 -1 1520 -2.4981389287859201e-03 - - 2.8802009299397469e-02 -4.1332159191370010e-02 - <_> - - 0 -1 1521 6.1933491379022598e-02 - - -2.1436979994177818e-02 2.8102350234985352e-01 - <_> - - 0 -1 1522 -1.5541249513626099e-01 - - 9.4182349741458893e-02 -5.3503081202507019e-02 - <_> - - 0 -1 1523 1.4328320324420929e-01 - - 1.8958590924739838e-02 -3.2329851388931274e-01 - <_> - - 0 -1 1524 1.0829309467226267e-03 - - -3.9980951696634293e-02 8.4950529038906097e-02 - <_> - - 0 -1 1525 4.2623549699783325e-02 - - 2.5714209303259850e-02 -2.0262250304222107e-01 - <_> - - 0 -1 1526 -9.4770672149024904e-05 - - 7.2402693331241608e-02 -7.2625011205673218e-02 - <_> - - 0 -1 1527 -4.9279178492724895e-03 - - -2.1339289844036102e-01 2.8035620227456093e-02 - <_> - - 0 -1 1528 2.2998640779405832e-03 - - 1.7618950456380844e-02 -1.7477869987487793e-01 - <_> - - 0 -1 1529 -1.8047069897875190e-03 - - 1.5262520313262939e-01 -3.3268321305513382e-02 - <_> - - 0 -1 1530 6.3559878617525101e-03 - - 2.4536989629268646e-02 -2.5021979212760925e-01 - <_> - - 0 -1 1531 1.7984479665756226e-02 - - -4.4790919870138168e-02 1.1593340337276459e-01 - <_> - - 0 -1 1532 -1.3372869789600372e-01 - - 3.0456998944282532e-01 -1.9601140171289444e-02 - <_> - - 0 -1 1533 -7.6566986739635468e-02 - - 3.2627278566360474e-01 -1.6411129385232925e-02 - <_> - - 0 -1 1534 5.7867518626153469e-04 - - -5.3845439106225967e-02 8.0281347036361694e-02 - <_> - - 0 -1 1535 -1.0546330304350704e-04 - - 5.7120978832244873e-02 -8.6317531764507294e-02 - <_> - - 0 -1 1536 6.7152240080758929e-04 - - -3.0404970049858093e-02 3.0943179503083229e-02 - <_> - - 0 -1 1537 -1.8690660595893860e-02 - - 1.0812710225582123e-01 -5.5201351642608643e-02 - <_> - - 0 -1 1538 -3.6627850495278835e-03 - - 1.0792650282382965e-01 -3.5584200173616409e-02 - <_> - - 0 -1 1539 1.9153920002281666e-03 - - -5.5652879178524017e-02 1.0891920328140259e-01 - <_> - - 0 -1 1540 -5.8281961828470230e-02 - - 9.2221289873123169e-02 -5.9672281146049500e-02 - <_> - - 0 -1 1541 2.0880669355392456e-02 - - -4.4841628521680832e-02 1.4994530379772186e-01 - <_> - - 0 -1 1542 -1.2872450053691864e-02 - - -1.8297229707241058e-01 1.2131419964134693e-02 - <_> - - 0 -1 1543 -1.5816009545233101e-04 - - 6.7625537514686584e-02 -7.4934296309947968e-02 - <_> - - 0 -1 1544 -3.6091450601816177e-03 - - 6.2888123095035553e-02 -6.1180680990219116e-02 - <_> - - 0 -1 1545 1.5257050283253193e-02 - - 4.0386959910392761e-02 -1.3029590249061584e-01 - <_> - - 0 -1 1546 7.2127310559153557e-03 - - -2.4583019316196442e-02 9.6449322998523712e-02 - <_> - - 0 -1 1547 -6.6937888041138649e-03 - - 1.2095390260219574e-01 -5.6884378194808960e-02 - <_> - - 0 -1 1548 -2.9697069898247719e-02 - - -4.4960159063339233e-01 2.3813890293240547e-03 - <_> - - 0 -1 1549 1.4415530022233725e-03 - - 3.7733301520347595e-02 -1.2737789750099182e-01 - <_> - - 0 -1 1550 1.4221980236470699e-03 - - -2.1170429885387421e-01 1.6940960660576820e-02 - <_> - - 0 -1 1551 -1.5120590105652809e-03 - - 1.2285920232534409e-01 -4.1854929178953171e-02 - <_> - - 0 -1 1552 2.0304210484027863e-02 - - 1.3554779812693596e-02 -1.9578050076961517e-01 - <_> - - 0 -1 1553 -2.0062210038304329e-02 - - -2.1793180704116821e-01 2.1363889798521996e-02 - <_> - - 0 -1 1554 -8.2440199330449104e-03 - - 2.9835399985313416e-01 -1.6030140221118927e-02 - <_> - - 0 -1 1555 -1.2381359934806824e-01 - - -7.2187852859497070e-01 7.2500761598348618e-03 - <_> - - 0 -1 1556 1.4663189649581909e-01 - - 1.0929410345852375e-02 -3.8258919119834900e-01 - <_> - - 0 -1 1557 -1.0277800261974335e-02 - - 1.1528860032558441e-01 -4.0658649057149887e-02 - <_> - - 0 -1 1558 3.3496099058538675e-03 - - -3.0865129083395004e-02 6.3714809715747833e-02 - <_> - - 0 -1 1559 -1.4789789915084839e-02 - - -2.6894780993461609e-01 2.2147249430418015e-02 - <_> - - 0 -1 1560 5.2639901638031006e-02 - - -1.1888500303030014e-03 8.4306770563125610e-01 - <_> - - 0 -1 1561 -2.2687960416078568e-02 - - -5.0103509426116943e-01 1.0603000409901142e-02 - <_> - - 0 -1 1562 1.3357940129935741e-02 - - 1.3358240015804768e-02 -3.4407868981361389e-01 - <_> - - 0 -1 1563 4.0347680449485779e-02 - - -2.2541839629411697e-02 2.1424660086631775e-01 - <_> - - 0 -1 1564 2.0399050787091255e-02 - - 5.7352068834006786e-03 -8.1542342901229858e-01 - <_> - - 0 -1 1565 -2.0794410258531570e-02 - - 2.8139808773994446e-01 -1.7350850626826286e-02 - <_> - - 0 -1 1566 -2.2991070523858070e-02 - - -2.3115499317646027e-01 1.0062159970402718e-02 - <_> - 278 - -1.4224710464477539e+00 - - <_> - - 0 -1 1567 -3.2529558986425400e-02 - - 3.8044160604476929e-01 -1.5227490663528442e-01 - <_> - - 0 -1 1568 -9.6866730600595474e-03 - - 1.7110300064086914e-01 -6.4435392618179321e-02 - <_> - - 0 -1 1569 -4.2818721383810043e-02 - - 3.5909658670425415e-01 -8.2244172692298889e-02 - <_> - - 0 -1 1570 4.7356471419334412e-02 - - -4.5057401061058044e-02 1.1725539714097977e-01 - <_> - - 0 -1 1571 -3.3883251249790192e-02 - - 1.5656350553035736e-01 -1.9660830497741699e-01 - <_> - - 0 -1 1572 1.6506519168615341e-02 - - -3.7829719483852386e-02 4.3533229827880859e-01 - <_> - - 0 -1 1573 1.4033010229468346e-02 - - -8.4303461015224457e-02 3.9072498679161072e-01 - <_> - - 0 -1 1574 -4.3674569576978683e-02 - - 3.5789701342582703e-01 -5.6618168950080872e-02 - <_> - - 0 -1 1575 3.9390970021486282e-02 - - 7.4526593089103699e-02 -2.8721511363983154e-01 - <_> - - 0 -1 1576 2.7967539429664612e-01 - - -1.7927689850330353e-01 9.5716983079910278e-02 - <_> - - 0 -1 1577 -2.7309380471706390e-02 - - 2.0642340183258057e-01 -9.6997790038585663e-02 - <_> - - 0 -1 1578 8.1798024475574493e-03 - - -4.3230161070823669e-02 1.0153889656066895e-01 - <_> - - 0 -1 1579 4.8562590964138508e-03 - - -6.6235437989234924e-02 2.2371730208396912e-01 - <_> - - 0 -1 1580 -2.1111050620675087e-02 - - -2.3597380518913269e-01 2.0980730652809143e-02 - <_> - - 0 -1 1581 2.9689490329474211e-03 - - 5.5319551378488541e-02 -3.1421989202499390e-01 - <_> - - 0 -1 1582 -1.4177729608491063e-03 - - -9.9316902458667755e-02 4.0930420160293579e-02 - <_> - - 0 -1 1583 1.8895609537139535e-03 - - 4.7736670821905136e-02 -3.3560028672218323e-01 - <_> - - 0 -1 1584 -3.2547879964113235e-02 - - -4.6100369095802307e-01 2.2066680714488029e-02 - <_> - - 0 -1 1585 -3.2047629356384277e-02 - - -3.7099909782409668e-01 3.5771168768405914e-02 - <_> - - 0 -1 1586 -1.0906500369310379e-01 - - 2.7380779385566711e-01 -5.1245860755443573e-02 - <_> - - 0 -1 1587 4.5085761696100235e-02 - - -8.0376937985420227e-02 2.0190399885177612e-01 - <_> - - 0 -1 1588 9.6619682153686881e-05 - - -3.8644108921289444e-02 4.5012358576059341e-02 - <_> - - 0 -1 1589 -1.2527930084615946e-04 - - 6.0821618884801865e-02 -2.3440569639205933e-01 - <_> - - 0 -1 1590 -7.6730418950319290e-03 - - -2.5697150826454163e-01 3.0136449262499809e-02 - <_> - - 0 -1 1591 -2.4111960083246231e-03 - - 1.3455359637737274e-01 -9.4123587012290955e-02 - <_> - - 0 -1 1592 -3.5480279475450516e-03 - - 1.6368620097637177e-01 -6.5735898911952972e-02 - <_> - - 0 -1 1593 -7.4420678429305553e-03 - - 4.3583691120147705e-01 -3.4085851162672043e-02 - <_> - - 0 -1 1594 6.9531807675957680e-03 - - 3.4082211554050446e-02 -1.5552860498428345e-01 - <_> - - 0 -1 1595 -1.1566810309886932e-02 - - -3.7222158908843994e-01 3.1968921422958374e-02 - <_> - - 0 -1 1596 7.3271869041491300e-05 - - -4.7866608947515488e-02 3.9341930299997330e-02 - <_> - - 0 -1 1597 -4.7459648922085762e-03 - - 1.8686290085315704e-01 -6.2216449528932571e-02 - <_> - - 0 -1 1598 -2.4754500016570091e-02 - - -5.0596177577972412e-01 1.3228390365839005e-02 - <_> - - 0 -1 1599 1.1549480259418488e-02 - - 4.1499558836221695e-02 -2.6305711269378662e-01 - <_> - - 0 -1 1600 7.6468382030725479e-03 - - 1.4065190218389034e-02 -3.6097638309001923e-02 - <_> - - 0 -1 1601 2.9371369630098343e-02 - - -5.6847479194402695e-02 1.8845230340957642e-01 - <_> - - 0 -1 1602 -6.5610869787633419e-03 - - 2.4409130215644836e-01 -7.4077129364013672e-02 - <_> - - 0 -1 1603 -1.7362499609589577e-02 - - -2.6955080032348633e-01 4.5806050300598145e-02 - <_> - - 0 -1 1604 -6.4328663051128387e-02 - - -6.7359542846679688e-01 8.9323017746210098e-03 - <_> - - 0 -1 1605 -2.5860529392957687e-02 - - -2.8402230143547058e-01 3.7698548287153244e-02 - <_> - - 0 -1 1606 -3.9703961461782455e-02 - - -4.8480059951543808e-02 1.0969489812850952e-02 - <_> - - 0 -1 1607 -3.3141750842332840e-02 - - 1.4789700508117676e-01 -8.2552701234817505e-02 - <_> - - 0 -1 1608 -3.9032109081745148e-02 - - 9.3282796442508698e-02 -5.6148871779441833e-02 - <_> - - 0 -1 1609 -1.1510000331327319e-04 - - 7.6830253005027771e-02 -1.4591589570045471e-01 - <_> - - 0 -1 1610 2.8774080798029900e-02 - - 1.4245410449802876e-02 -4.2927891016006470e-01 - <_> - - 0 -1 1611 -1.7967380583286285e-02 - - -2.8555288910865784e-01 3.5016119480133057e-02 - <_> - - 0 -1 1612 -1.4183930121362209e-02 - - -2.0557439327239990e-01 2.4191029369831085e-02 - <_> - - 0 -1 1613 9.5999464392662048e-03 - - 3.8848869502544403e-02 -2.5329971313476562e-01 - <_> - - 0 -1 1614 2.8658700175583363e-03 - - -3.8897961378097534e-02 2.1641039848327637e-01 - <_> - - 0 -1 1615 9.8942127078771591e-03 - - -2.2040490061044693e-02 4.1194090247154236e-01 - <_> - - 0 -1 1616 5.3157331421971321e-03 - - 3.4069050103425980e-02 -1.9336779415607452e-01 - <_> - - 0 -1 1617 1.1667669750750065e-02 - - 2.8704559430480003e-02 -3.2336559891700745e-01 - <_> - - 0 -1 1618 7.9165054485201836e-03 - - -2.1710209548473358e-02 2.7279400825500488e-01 - <_> - - 0 -1 1619 1.4896179549396038e-02 - - -2.8705410659313202e-02 2.9993739724159241e-01 - <_> - - 0 -1 1620 -4.6051971614360809e-02 - - -7.1714037656784058e-01 1.6391549725085497e-03 - <_> - - 0 -1 1621 1.2525349855422974e-02 - - -2.4171119555830956e-02 3.4617099165916443e-01 - <_> - - 0 -1 1622 -7.3274560272693634e-03 - - -1.2797740101814270e-01 4.1265968233346939e-02 - <_> - - 0 -1 1623 -1.0679940169211477e-04 - - 5.8594450354576111e-02 -1.5463119745254517e-01 - <_> - - 0 -1 1624 1.1660600081086159e-02 - - 1.1693470180034637e-02 -4.9165180325508118e-01 - <_> - - 0 -1 1625 -1.6170109808444977e-01 - - -3.9669001102447510e-01 2.2492909803986549e-02 - <_> - - 0 -1 1626 -2.1332919597625732e-02 - - 1.0327749699354172e-01 -7.7664600685238838e-03 - <_> - - 0 -1 1627 2.2397670894861221e-02 - - -3.1559981405735016e-02 2.6935219764709473e-01 - <_> - - 0 -1 1628 -9.1192683612462133e-05 - - 7.7337473630905151e-02 -7.5700417160987854e-02 - <_> - - 0 -1 1629 -2.4261020123958588e-02 - - 1.0713250190019608e-01 -8.2371480762958527e-02 - <_> - - 0 -1 1630 8.2271397113800049e-03 - - -2.9786510393023491e-02 1.6342550516128540e-01 - <_> - - 0 -1 1631 1.4093330129981041e-02 - - -2.8404369950294495e-02 3.5299220681190491e-01 - <_> - - 0 -1 1632 -1.0918209701776505e-01 - - 1.7027379572391510e-01 -6.2282849103212357e-02 - <_> - - 0 -1 1633 -3.2730210572481155e-02 - - -1.7788340151309967e-01 5.2962359040975571e-02 - <_> - - 0 -1 1634 -1.2067790143191814e-02 - - 1.1206190288066864e-01 -6.1255540698766708e-02 - <_> - - 0 -1 1635 1.0436809808015823e-01 - - -3.2521981745958328e-02 2.8920689225196838e-01 - <_> - - 0 -1 1636 5.5702589452266693e-03 - - 3.2705459743738174e-02 -1.8883390724658966e-01 - <_> - - 0 -1 1637 -7.4505289085209370e-03 - - 1.1109550297260284e-01 -7.6065346598625183e-02 - <_> - - 0 -1 1638 1.8507199361920357e-02 - - 5.1278448663651943e-03 -3.2454928755760193e-01 - <_> - - 0 -1 1639 -1.3000619946978986e-04 - - 6.5906368196010590e-02 -1.1608509719371796e-01 - <_> - - 0 -1 1640 -1.0110549919772893e-04 - - 6.6874466836452484e-02 -6.1187278479337692e-02 - <_> - - 0 -1 1641 -8.2355996710248291e-05 - - 5.6198339909315109e-02 -1.3230879604816437e-01 - <_> - - 0 -1 1642 6.7807449959218502e-03 - - -3.2801959663629532e-02 2.2695629298686981e-01 - <_> - - 0 -1 1643 -1.0289719700813293e-01 - - -3.2038938999176025e-01 2.5616079568862915e-02 - <_> - - 0 -1 1644 1.0858030145755038e-04 - - -2.3970989510416985e-02 3.6143548786640167e-02 - <_> - - 0 -1 1645 3.4920300822705030e-03 - - 4.0521498769521713e-02 -2.0743690431118011e-01 - <_> - - 0 -1 1646 8.4493216127157211e-03 - - 2.7343379333615303e-02 -8.0973640084266663e-02 - <_> - - 0 -1 1647 -5.8201588690280914e-03 - - 1.4030739665031433e-01 -5.3014609962701797e-02 - <_> - - 0 -1 1648 -2.0276790019124746e-03 - - -2.3815169930458069e-01 2.8206869959831238e-02 - <_> - - 0 -1 1649 -6.2650619074702263e-03 - - 1.0950689762830734e-01 -7.1786336600780487e-02 - <_> - - 0 -1 1650 1.8329780548810959e-02 - - 3.2881149090826511e-03 -2.4403749406337738e-01 - <_> - - 0 -1 1651 -1.4055710285902023e-02 - - -2.0988300442695618e-01 3.7349730730056763e-02 - <_> - - 0 -1 1652 1.6436750069260597e-02 - - -2.0020410418510437e-02 1.7581729590892792e-01 - <_> - - 0 -1 1653 -7.6040881685912609e-03 - - 1.1120659857988358e-01 -6.6377982497215271e-02 - <_> - - 0 -1 1654 -1.7437810311093926e-03 - - -1.1763899773359299e-01 2.0920079201459885e-02 - <_> - - 0 -1 1655 2.0605439785867929e-03 - - 3.0492970719933510e-02 -2.3323950171470642e-01 - <_> - - 0 -1 1656 -4.7545689158141613e-03 - - 1.5850760042667389e-01 -4.9032289534807205e-02 - <_> - - 0 -1 1657 1.0362310335040092e-02 - - -1.0725220292806625e-01 7.2945110499858856e-02 - <_> - - 0 -1 1658 1.9581569358706474e-02 - - -3.0178340151906013e-02 1.2788949906826019e-01 - <_> - - 0 -1 1659 -3.7324108183383942e-02 - - 2.5007569789886475e-01 -3.4548711031675339e-02 - <_> - - 0 -1 1660 -2.2115129977464676e-02 - - -3.5684010386466980e-01 1.4295370317995548e-02 - <_> - - 0 -1 1661 -1.7337020486593246e-02 - - 1.5191890299320221e-01 -5.3740900009870529e-02 - <_> - - 0 -1 1662 -1.1369160376489162e-02 - - -1.5406270325183868e-01 1.4785549603402615e-02 - <_> - - 0 -1 1663 -1.4761550351977348e-02 - - -3.7672498822212219e-01 2.3018039762973785e-02 - <_> - - 0 -1 1664 -1.1766609735786915e-02 - - 1.4722760021686554e-01 -3.5164430737495422e-02 - <_> - - 0 -1 1665 -5.1778471097350121e-03 - - -1.5880860388278961e-01 5.5203009396791458e-02 - <_> - - 0 -1 1666 1.8116280436515808e-01 - - 5.9258830733597279e-03 -3.4079378843307495e-01 - <_> - - 0 -1 1667 -2.8401340823620558e-03 - - -2.5190570950508118e-01 2.9740760102868080e-02 - <_> - - 0 -1 1668 -5.6462749838829041e-02 - - -4.2315030097961426e-01 9.2743232380598783e-04 - <_> - - 0 -1 1669 -3.3624221105128527e-03 - - 6.5666697919368744e-02 -1.0826759785413742e-01 - <_> - - 0 -1 1670 8.3388388156890869e-03 - - 1.0488309897482395e-02 -7.4981592595577240e-02 - <_> - - 0 -1 1671 -1.5665130689740181e-02 - - -3.9219671487808228e-01 1.8510419875383377e-02 - <_> - - 0 -1 1672 -1.7687210347503424e-03 - - 1.5860289335250854e-01 -3.9618719369173050e-02 - <_> - - 0 -1 1673 -6.9300839677453041e-03 - - -2.1337039768695831e-01 3.1901270151138306e-02 - <_> - - 0 -1 1674 -6.2634617090225220e-02 - - 4.6897390484809875e-01 -1.0887789539992809e-02 - <_> - - 0 -1 1675 3.6505470052361488e-03 - - -2.6130320504307747e-02 2.3748870193958282e-01 - <_> - - 0 -1 1676 1.1151240207254887e-02 - - 5.3229848854243755e-03 -3.2130768895149231e-01 - <_> - - 0 -1 1677 -4.5365858823060989e-03 - - 8.2844547927379608e-02 -8.0115981400012970e-02 - <_> - - 0 -1 1678 -4.3989070691168308e-03 - - -2.2062489390373230e-01 2.3956889286637306e-02 - <_> - - 0 -1 1679 -8.0931422417052090e-05 - - 8.3183720707893372e-02 -7.6105080544948578e-02 - <_> - - 0 -1 1680 1.7180040478706360e-02 - - 3.0891239643096924e-02 -2.1150709688663483e-01 - <_> - - 0 -1 1681 -1.9628280773758888e-02 - - 1.8306790292263031e-01 -3.8707170635461807e-02 - <_> - - 0 -1 1682 2.4444239214062691e-02 - - -2.6723939180374146e-01 2.7812579646706581e-02 - <_> - - 0 -1 1683 -3.6335210315883160e-03 - - 1.2941999733448029e-01 -6.0854408890008926e-02 - <_> - - 0 -1 1684 -1.5583789348602295e-01 - - 2.9201939702033997e-01 -2.2044450044631958e-02 - <_> - - 0 -1 1685 1.2645959854125977e-02 - - -5.7956811040639877e-02 1.2000530213117599e-01 - <_> - - 0 -1 1686 -1.8256660550832748e-02 - - 1.1456149816513062e-01 -6.6880658268928528e-02 - <_> - - 0 -1 1687 7.8691470623016357e-01 - - -1.9597550854086876e-02 3.9855471253395081e-01 - <_> - - 0 -1 1688 -2.6444930117577314e-03 - - -2.0646509528160095e-01 2.4280549958348274e-02 - <_> - - 0 -1 1689 -1.0909110278589651e-04 - - 9.3177713453769684e-02 -8.4980867803096771e-02 - <_> - - 0 -1 1690 -9.1609297669492662e-05 - - 6.3885338604450226e-02 -7.0593856275081635e-02 - <_> - - 0 -1 1691 1.0280970309395343e-04 - - -8.3767838776111603e-02 1.1355379968881607e-01 - <_> - - 0 -1 1692 6.5171226859092712e-02 - - -2.1008869633078575e-02 1.6222980618476868e-01 - <_> - - 0 -1 1693 -3.3189691603183746e-02 - - 1.4846749603748322e-01 -5.2959389984607697e-02 - <_> - - 0 -1 1694 -4.0189391374588013e-01 - - -4.9486890435218811e-01 1.5633370727300644e-02 - <_> - - 0 -1 1695 7.2733121924102306e-03 - - 2.7792690321803093e-02 -2.3128899931907654e-01 - <_> - - 0 -1 1696 -1.3244659639894962e-02 - - -2.8102970123291016e-01 2.6572089642286301e-02 - <_> - - 0 -1 1697 -2.2069490514695644e-03 - - -1.3499380648136139e-01 5.3295578807592392e-02 - <_> - - 0 -1 1698 6.3389358110725880e-03 - - -2.9710570350289345e-02 1.2620060145854950e-01 - <_> - - 0 -1 1699 -1.9882840570062399e-03 - - 1.4089819788932800e-01 -6.4480878412723541e-02 - <_> - - 0 -1 1700 1.1109679937362671e-02 - - 3.6036681383848190e-02 -2.0155589282512665e-01 - <_> - - 0 -1 1701 -1.5754520893096924e-02 - - -3.8578459620475769e-01 1.7101729288697243e-02 - <_> - - 0 -1 1702 -2.0075829233974218e-03 - - 1.0723750293254852e-01 -3.2845478504896164e-02 - <_> - - 0 -1 1703 -1.0277600085828453e-04 - - 8.9651212096214294e-02 -7.3453463613986969e-02 - <_> - - 0 -1 1704 -1.2877609580755234e-02 - - 1.1867459863424301e-01 -8.1963732838630676e-02 - <_> - - 0 -1 1705 2.2134140133857727e-02 - - -3.8634710013866425e-02 2.0064100623130798e-01 - <_> - - 0 -1 1706 -1.4158019796013832e-02 - - -1.3553419709205627e-01 2.2455710917711258e-02 - <_> - - 0 -1 1707 3.5068059805780649e-03 - - 4.1640508919954300e-02 -1.7104309797286987e-01 - <_> - - 0 -1 1708 3.4302179701626301e-03 - - -3.8643669337034225e-02 1.3460919260978699e-01 - <_> - - 0 -1 1709 -2.5867659132927656e-03 - - -3.3378678560256958e-01 2.0394440740346909e-02 - <_> - - 0 -1 1710 -8.3075952716171741e-05 - - 4.3186109513044357e-02 -3.6894761025905609e-02 - <_> - - 0 -1 1711 -2.9514790512621403e-03 - - 1.6360920667648315e-01 -4.0991440415382385e-02 - <_> - - 0 -1 1712 -6.6972076892852783e-02 - - 7.9344272613525391e-02 -1.7339119687676430e-02 - <_> - - 0 -1 1713 -8.7736167013645172e-02 - - -2.7998620271682739e-01 2.3209020495414734e-02 - <_> - - 0 -1 1714 2.8925359249114990e-02 - - -3.2643690705299377e-02 6.9175571203231812e-02 - <_> - - 0 -1 1715 1.3697390444576740e-02 - - -3.4412618726491928e-02 1.8311390280723572e-01 - <_> - - 0 -1 1716 -5.0847078673541546e-03 - - 9.3848191201686859e-02 -4.2314790189266205e-02 - <_> - - 0 -1 1717 3.8608049508184195e-03 - - -8.7915137410163879e-02 7.9263538122177124e-02 - <_> - - 0 -1 1718 1.0344120115041733e-01 - - 1.4294220134615898e-02 -1.7824479937553406e-01 - <_> - - 0 -1 1719 5.3322589956223965e-03 - - -1.9811069965362549e-01 3.3467840403318405e-02 - <_> - - 0 -1 1720 2.4972399696707726e-02 - - -2.9970880597829819e-02 2.5031089782714844e-01 - <_> - - 0 -1 1721 8.0840502050705254e-05 - - -8.1262156367301941e-02 7.6767727732658386e-02 - <_> - - 0 -1 1722 -9.6944597316905856e-05 - - 6.8264253437519073e-02 -4.7088030725717545e-02 - <_> - - 0 -1 1723 1.6829340020194650e-03 - - 3.8623999804258347e-02 -1.6512230038642883e-01 - <_> - - 0 -1 1724 2.5296229869127274e-02 - - 2.4244319647550583e-03 -4.9479418992996216e-01 - <_> - - 0 -1 1725 7.7065881341695786e-03 - - -4.0091071277856827e-02 1.7837360501289368e-01 - <_> - - 0 -1 1726 -6.3551932573318481e-02 - - -9.6359908580780029e-01 1.2983690248802304e-03 - <_> - - 0 -1 1727 1.2043629772961140e-02 - - 3.2327480614185333e-02 -2.0570349693298340e-01 - <_> - - 0 -1 1728 -5.1777001470327377e-02 - - 1.2718230485916138e-01 -2.5768250226974487e-02 - <_> - - 0 -1 1729 -5.2279248833656311e-02 - - 5.9088861942291260e-01 -1.0696710087358952e-02 - <_> - - 0 -1 1730 -2.8587870765477419e-03 - - -2.1566559374332428e-01 2.1160630509257317e-02 - <_> - - 0 -1 1731 -2.2894500289112329e-03 - - 1.4047910273075104e-01 -4.5665130019187927e-02 - <_> - - 0 -1 1732 4.4600428082048893e-03 - - 4.1558738797903061e-02 -1.1571829766035080e-01 - <_> - - 0 -1 1733 -2.5135470554232597e-02 - - 3.2584500312805176e-01 -1.9654629752039909e-02 - <_> - - 0 -1 1734 -4.1408590041100979e-03 - - -2.4931840598583221e-01 2.4890620261430740e-02 - <_> - - 0 -1 1735 2.5323050096631050e-02 - - -4.0092781186103821e-02 1.6539059579372406e-01 - <_> - - 0 -1 1736 -3.0261930078268051e-03 - - 1.3259239494800568e-01 -3.6744181066751480e-02 - <_> - - 0 -1 1737 -2.0923390984535217e-03 - - -2.3182089626789093e-01 2.6503330096602440e-02 - <_> - - 0 -1 1738 1.1389939754735678e-04 - - -8.6492210626602173e-02 3.3153928816318512e-02 - <_> - - 0 -1 1739 4.1002789512276649e-03 - - 2.8531620278954506e-02 -1.8766659498214722e-01 - <_> - - 0 -1 1740 -1.0652170021785423e-04 - - 7.3864407837390900e-02 -1.0641259700059891e-01 - <_> - - 0 -1 1741 -1.1209140211576596e-04 - - 7.4941687285900116e-02 -7.3481239378452301e-02 - <_> - - 0 -1 1742 -1.0086740076076239e-04 - - 5.8873329311609268e-02 -5.0781998783349991e-02 - <_> - - 0 -1 1743 8.7035987235140055e-05 - - -6.9829471409320831e-02 8.2421161234378815e-02 - <_> - - 0 -1 1744 9.9490047432482243e-05 - - -5.0873178988695145e-02 6.2739193439483643e-02 - <_> - - 0 -1 1745 -9.9564917036332190e-05 - - 9.5691867172718048e-02 -8.1678442656993866e-02 - <_> - - 0 -1 1746 3.5038128495216370e-02 - - 2.4704539682716131e-03 -7.5103992223739624e-01 - <_> - - 0 -1 1747 -2.2841310128569603e-02 - - -3.8842248916625977e-01 1.2580679729580879e-02 - <_> - - 0 -1 1748 -1.0086740076076239e-04 - - 4.8513848334550858e-02 -4.4357851147651672e-02 - <_> - - 0 -1 1749 8.7035987235140055e-05 - - -6.9275371730327606e-02 8.0701768398284912e-02 - <_> - - 0 -1 1750 8.4506031125783920e-03 - - 2.8818279504776001e-02 -2.3520529270172119e-01 - <_> - - 0 -1 1751 3.3874511718750000e-02 - - -1.8710069358348846e-02 2.9156479239463806e-01 - <_> - - 0 -1 1752 3.0527070164680481e-02 - - 2.8566541150212288e-03 -6.2721562385559082e-01 - <_> - - 0 -1 1753 4.5102681033313274e-03 - - -2.1763099357485771e-02 2.4781370162963867e-01 - <_> - - 0 -1 1754 -1.1711950413882732e-02 - - -8.2332722842693329e-02 7.1632838808000088e-03 - <_> - - 0 -1 1755 -1.9293600693345070e-02 - - -5.4533201456069946e-01 9.4053568318486214e-03 - <_> - - 0 -1 1756 -2.7695020660758018e-02 - - 1.2569870054721832e-01 -2.4778019636869431e-02 - <_> - - 0 -1 1757 6.4738709479570389e-03 - - -4.0420930832624435e-02 1.3924980163574219e-01 - <_> - - 0 -1 1758 8.3701964467763901e-03 - - 2.1314760670065880e-02 -1.3580240309238434e-01 - <_> - - 0 -1 1759 9.5793809741735458e-03 - - 1.0532050393521786e-02 -4.6821591258049011e-01 - <_> - - 0 -1 1760 8.8913729996420443e-05 - - -2.6148770004510880e-02 6.7171059548854828e-02 - <_> - - 0 -1 1761 -7.8428974375128746e-03 - - 1.4042629301548004e-01 -4.0453571826219559e-02 - <_> - - 0 -1 1762 -1.5551749616861343e-02 - - -2.3723240196704865e-01 8.9765731245279312e-03 - <_> - - 0 -1 1763 -1.0940689593553543e-02 - - -2.4828870594501495e-01 2.1254500374197960e-02 - <_> - - 0 -1 1764 1.3340170262381434e-03 - - 5.1965519785881042e-02 -2.4966360628604889e-01 - <_> - - 0 -1 1765 -3.9200708270072937e-03 - - 2.1566860377788544e-01 -2.9206639155745506e-02 - <_> - - 0 -1 1766 -8.4352102130651474e-03 - - 1.3894349336624146e-01 -2.7564799413084984e-02 - <_> - - 0 -1 1767 1.0151269816560671e-04 - - -7.4789039790630341e-02 7.8852757811546326e-02 - <_> - - 0 -1 1768 1.1394869943615049e-04 - - -3.3959168940782547e-02 4.0015239268541336e-02 - <_> - - 0 -1 1769 -1.0446170199429616e-04 - - 9.3367688357830048e-02 -7.0703469216823578e-02 - <_> - - 0 -1 1770 7.1699619293212891e-02 - - 2.0074559375643730e-02 -2.8401699662208557e-01 - <_> - - 0 -1 1771 7.6136142015457153e-02 - - -1.8674589693546295e-02 3.4351688623428345e-01 - <_> - - 0 -1 1772 -1.0139370337128639e-02 - - 7.9048253595829010e-02 -7.6241552829742432e-02 - <_> - - 0 -1 1773 -1.1787709780037403e-02 - - -3.8687211275100708e-01 1.5032519586384296e-02 - <_> - - 0 -1 1774 -1.1715809814631939e-03 - - -1.2566329538822174e-01 4.2748369276523590e-02 - <_> - - 0 -1 1775 -1.1624010221567005e-04 - - 7.7757306396961212e-02 -7.0283323526382446e-02 - <_> - - 0 -1 1776 -4.0296189486980438e-02 - - 4.0789419412612915e-01 -2.4684509262442589e-02 - <_> - - 0 -1 1777 -2.0148590207099915e-02 - - 1.6085879504680634e-01 -3.7873048335313797e-02 - <_> - - 0 -1 1778 -9.9596334621310234e-03 - - 4.6971559524536133e-02 -5.5278468877077103e-02 - <_> - - 0 -1 1779 1.0458829812705517e-02 - - 6.4418478868901730e-03 -7.1921861171722412e-01 - <_> - - 0 -1 1780 -8.3341188728809357e-03 - - 5.9552740305662155e-02 -1.6490520909428596e-02 - <_> - - 0 -1 1781 6.4220251515507698e-03 - - -3.1288038939237595e-02 1.6086129844188690e-01 - <_> - - 0 -1 1782 -1.4171390235424042e-01 - - -4.8521599173545837e-01 4.3316078372299671e-03 - <_> - - 0 -1 1783 -9.2059485614299774e-03 - - -1.3737039268016815e-01 3.9314210414886475e-02 - <_> - - 0 -1 1784 -1.1828100308775902e-02 - - -5.6232619285583496e-01 1.8052730010822415e-03 - <_> - - 0 -1 1785 -2.6902719400823116e-03 - - -2.2296780347824097e-01 2.3458529263734818e-02 - <_> - - 0 -1 1786 1.6899820417165756e-02 - - -2.2523698862642050e-03 3.2749548554420471e-01 - <_> - - 0 -1 1787 6.6508129239082336e-03 - - -2.2151440382003784e-02 2.6804810762405396e-01 - <_> - - 0 -1 1788 -1.1253960430622101e-02 - - -2.1269169449806213e-01 1.9085729494690895e-02 - <_> - - 0 -1 1789 8.1370659172534943e-03 - - 1.9186450168490410e-02 -2.7125069499015808e-01 - <_> - - 0 -1 1790 1.8258720636367798e-02 - - -2.0849399268627167e-02 1.6397699713706970e-01 - <_> - - 0 -1 1791 -7.3184021748602390e-03 - - 1.1440680176019669e-01 -4.5136548578739166e-02 - <_> - - 0 -1 1792 7.0838169194757938e-03 - - -3.0573329329490662e-01 1.5363070182502270e-02 - <_> - - 0 -1 1793 7.9824047861620784e-04 - - 5.4806288331747055e-02 -9.6648342907428741e-02 - <_> - - 0 -1 1794 3.8189259357750416e-03 - - -2.4906789883971214e-02 1.7047740519046783e-01 - <_> - - 0 -1 1795 -9.7243173513561487e-05 - - 9.7341060638427734e-02 -5.9142779558897018e-02 - <_> - - 0 -1 1796 3.8480389863252640e-02 - - -6.9969161413609982e-03 1.1771100014448166e-01 - <_> - - 0 -1 1797 -1.6899229958653450e-02 - - 7.8709267079830170e-02 -8.0960407853126526e-02 - <_> - - 0 -1 1798 3.4140020608901978e-02 - - 2.9647560790181160e-02 -2.1153970062732697e-01 - <_> - - 0 -1 1799 -1.3483889633789659e-03 - - 1.2221589684486389e-01 -5.2371580153703690e-02 - <_> - - 0 -1 1800 -4.5433178544044495e-02 - - 9.3226648867130280e-02 -2.4248609319329262e-02 - <_> - - 0 -1 1801 -9.8451746453065425e-05 - - 6.5616242587566376e-02 -7.7497042715549469e-02 - <_> - - 0 -1 1802 9.4870656728744507e-02 - - -6.5743089653551579e-03 2.4361729621887207e-01 - <_> - - 0 -1 1803 -4.5803082175552845e-03 - - 6.4869597554206848e-02 -8.1663407385349274e-02 - <_> - - 0 -1 1804 7.2096623480319977e-02 - - -1.3442070223391056e-02 1.4696159958839417e-01 - <_> - - 0 -1 1805 -8.6482256650924683e-02 - - -2.6061370968818665e-01 2.4327959865331650e-02 - <_> - - 0 -1 1806 -3.6125909537076950e-02 - - 7.1490518748760223e-02 -6.7800052464008331e-02 - <_> - - 0 -1 1807 -7.6352730393409729e-02 - - 1.3374680280685425e-01 -5.0326138734817505e-02 - <_> - - 0 -1 1808 -1.0973890312016010e-02 - - -6.9340631365776062e-02 1.5405960381031036e-02 - <_> - - 0 -1 1809 1.4667320251464844e-01 - - 1.3563389889895916e-02 -4.0459880232810974e-01 - <_> - - 0 -1 1810 1.2397590093314648e-02 - - 1.8343500792980194e-02 -1.4745520055294037e-01 - <_> - - 0 -1 1811 -4.3075408786535263e-02 - - -3.5041698813438416e-01 1.3814290054142475e-02 - <_> - - 0 -1 1812 -3.6940488964319229e-02 - - -7.8505232930183411e-02 3.4940339624881744e-02 - <_> - - 0 -1 1813 -1.3126240670681000e-01 - - -4.4067218899726868e-01 1.2085669673979282e-02 - <_> - - 0 -1 1814 -4.9558010697364807e-01 - - -3.1593188643455505e-01 1.4849360100924969e-02 - <_> - - 0 -1 1815 -2.4269169662147760e-03 - - -2.4598549306392670e-01 2.1273959428071976e-02 - <_> - - 0 -1 1816 -6.1519298469647765e-04 - - -1.1089760065078735e-01 5.2152808755636215e-02 - <_> - - 0 -1 1817 3.3521879464387894e-02 - - -1.4474649913609028e-02 3.3576649427413940e-01 - <_> - - 0 -1 1818 -4.4954858720302582e-02 - - -4.7776260972023010e-01 2.3775880690664053e-03 - <_> - - 0 -1 1819 -9.6803857013583183e-03 - - -1.3491189479827881e-01 3.7101969122886658e-02 - <_> - - 0 -1 1820 -1.5080680139362812e-02 - - 1.4766040444374084e-01 -1.4693359844386578e-02 - <_> - - 0 -1 1821 -7.0486129261553288e-03 - - 1.2857760488986969e-01 -3.8553401827812195e-02 - <_> - - 0 -1 1822 1.0608400218188763e-02 - - -6.4019598066806793e-02 7.8001968562602997e-02 - <_> - - 0 -1 1823 -5.9643429704010487e-03 - - 6.9554768502712250e-02 -8.1943526864051819e-02 - <_> - - 0 -1 1824 3.9288301020860672e-02 - - 6.0737589374184608e-03 -1.7827449738979340e-01 - <_> - - 0 -1 1825 -1.5277069993317127e-02 - - 1.2987169623374939e-01 -4.5128051191568375e-02 - <_> - - 0 -1 1826 9.2299269454088062e-05 - - -5.5158708244562149e-02 7.2173222899436951e-02 - <_> - - 0 -1 1827 2.4077570438385010e-01 - - 1.3051790185272694e-02 -3.7544038891792297e-01 - <_> - - 0 -1 1828 -8.2777936768252403e-05 - - 8.7432913482189178e-02 -8.0448426306247711e-02 - <_> - - 0 -1 1829 1.0664980072760954e-04 - - -6.8053416907787323e-02 7.9824432730674744e-02 - <_> - - 0 -1 1830 9.2299269454088062e-05 - - -5.7555299252271652e-02 7.4612356722354889e-02 - <_> - - 0 -1 1831 -8.7791820988059044e-05 - - 8.9770622551441193e-02 -7.8726790845394135e-02 - <_> - - 0 -1 1832 -9.7666241344995797e-05 - - 7.9511262476444244e-02 -8.0778427422046661e-02 - <_> - - 0 -1 1833 1.5842399443499744e-04 - - -6.3730709254741669e-02 8.8729366660118103e-02 - <_> - - 0 -1 1834 1.2284370313864201e-04 - - -5.6088779121637344e-02 8.1273712217807770e-02 - <_> - - 0 -1 1835 -1.1712549894582480e-04 - - 7.5557589530944824e-02 -7.6586730778217316e-02 - <_> - - 0 -1 1836 1.0328610427677631e-02 - - 1.0152160190045834e-02 -2.8533908724784851e-01 - <_> - - 0 -1 1837 2.9327110387384892e-03 - - 3.2252810895442963e-02 -1.5635579824447632e-01 - <_> - - 0 -1 1838 -1.0308229684596881e-04 - - 5.0609830766916275e-02 -5.6346200406551361e-02 - <_> - - 0 -1 1839 1.0124980326509103e-04 - - -6.1613030731678009e-02 8.9073821902275085e-02 - <_> - - 0 -1 1840 3.8937058299779892e-02 - - 2.0891619846224785e-02 -1.2963040173053741e-01 - <_> - - 0 -1 1841 1.1204339563846588e-02 - - -2.8574090451002121e-02 1.7617300152778625e-01 - <_> - - 0 -1 1842 1.0314460098743439e-01 - - 3.9013950154185295e-03 -4.3666309118270874e-01 - <_> - - 0 -1 1843 -1.1191029846668243e-01 - - 3.3865529298782349e-01 -1.4155720360577106e-02 - <_> - - 0 -1 1844 -2.6280559599399567e-02 - - -8.9043527841567993e-02 1.8448470160365105e-02 - <_> - 317 - -1.3818249702453613e+00 - - <_> - - 0 -1 1845 -1.2676210142672062e-02 - - 2.0237310230731964e-01 -2.5077709555625916e-01 - <_> - - 0 -1 1846 -4.6319760382175446e-02 - - 2.1999239921569824e-01 -1.6146729886531830e-01 - <_> - - 0 -1 1847 -3.5081539303064346e-02 - - 1.5923239290714264e-01 -2.1780499815940857e-01 - <_> - - 0 -1 1848 -1.8382079899311066e-02 - - 2.5103780627250671e-01 -3.1736700329929590e-03 - <_> - - 0 -1 1849 -7.4837259016931057e-03 - - 1.5708750486373901e-01 -1.2671829760074615e-01 - <_> - - 0 -1 1850 4.6564780175685883e-02 - - -2.2000789642333984e-01 5.6889738887548447e-02 - <_> - - 0 -1 1851 -2.0530119538307190e-02 - - 2.2484280169010162e-01 -8.0766998231410980e-02 - <_> - - 0 -1 1852 -2.1643849089741707e-02 - - 1.9534820318222046e-01 -7.6146677136421204e-02 - <_> - - 0 -1 1853 -3.3336980268359184e-03 - - 9.7043372690677643e-02 -2.0862129330635071e-01 - <_> - - 0 -1 1854 2.7746830135583878e-02 - - -4.2685609310865402e-02 1.9736699759960175e-01 - <_> - - 0 -1 1855 3.1199149787425995e-02 - - -8.8123418390750885e-02 1.6084210574626923e-01 - <_> - - 0 -1 1856 -1.4883769676089287e-02 - - 1.2884040176868439e-01 -4.9883481115102768e-02 - <_> - - 0 -1 1857 -1.2498069554567337e-02 - - 1.9557100534439087e-01 -7.3339052498340607e-02 - <_> - - 0 -1 1858 6.8398728035390377e-03 - - -1.9100619852542877e-01 3.0017739161849022e-02 - <_> - - 0 -1 1859 1.6698269173502922e-02 - - -6.6535621881484985e-02 2.4306890368461609e-01 - <_> - - 0 -1 1860 -1.3585180044174194e-02 - - -3.1157851219177246e-01 3.0332250520586967e-02 - <_> - - 0 -1 1861 -1.6012180596590042e-02 - - -3.8150539994239807e-01 2.9990119859576225e-02 - <_> - - 0 -1 1862 2.4959780275821686e-02 - - 1.7127040773630142e-02 -1.7174740135669708e-01 - <_> - - 0 -1 1863 -6.2679812312126160e-02 - - -2.4782620370388031e-01 5.0681248307228088e-02 - <_> - - 0 -1 1864 -5.1468160003423691e-02 - - -6.0602962970733643e-01 2.3179119452834129e-03 - <_> - - 0 -1 1865 1.7415819689631462e-02 - - 3.3250451087951660e-02 -3.6394399404525757e-01 - <_> - - 0 -1 1866 3.3267650753259659e-02 - - -5.9090301394462585e-02 2.3938019573688507e-01 - <_> - - 0 -1 1867 -1.0759649740066379e-04 - - 6.7025236785411835e-02 -1.7393949627876282e-01 - <_> - - 0 -1 1868 -1.1119269765913486e-02 - - -2.1026720106601715e-01 1.6025310382246971e-02 - <_> - - 0 -1 1869 -8.6540812626481056e-03 - - -2.9001379013061523e-01 3.4559149295091629e-02 - <_> - - 0 -1 1870 1.0427879897179082e-04 - - -1.3615639507770538e-01 5.5320408195257187e-02 - <_> - - 0 -1 1871 -1.4959470368921757e-02 - - -2.8106829524040222e-01 3.3888410776853561e-02 - <_> - - 0 -1 1872 -1.5031349658966064e-01 - - -1.0209769755601883e-01 9.4559686258435249e-03 - <_> - - 0 -1 1873 -2.0292310044169426e-02 - - -3.6912149190902710e-01 2.5728639215230942e-02 - <_> - - 0 -1 1874 1.6227319836616516e-02 - - 6.1225090175867081e-03 -4.6356171369552612e-01 - <_> - - 0 -1 1875 1.2045660056173801e-02 - - 3.1531188637018204e-02 -2.9530370235443115e-01 - <_> - - 0 -1 1876 9.5706343650817871e-02 - - 9.0816244482994080e-03 -6.9083817303180695e-02 - <_> - - 0 -1 1877 -1.4548900723457336e-01 - - -3.1886878609657288e-01 3.4880429506301880e-02 - <_> - - 0 -1 1878 1.1059490032494068e-02 - - 3.8989599794149399e-02 -1.3711850345134735e-01 - <_> - - 0 -1 1879 -5.6998720392584801e-03 - - -3.5794290900230408e-01 2.6885839179158211e-02 - <_> - - 0 -1 1880 -4.9371081404387951e-03 - - 1.0142619907855988e-01 -5.1279809325933456e-02 - <_> - - 0 -1 1881 -1.4712589792907238e-02 - - 1.2495979666709900e-01 -7.7691748738288879e-02 - <_> - - 0 -1 1882 1.1282210238277912e-02 - - -3.3828750252723694e-02 1.4979380369186401e-01 - <_> - - 0 -1 1883 -9.6910931169986725e-03 - - 2.3743079602718353e-01 -4.8856690526008606e-02 - <_> - - 0 -1 1884 -1.7229679971933365e-02 - - -5.6515389680862427e-01 8.7145604193210602e-03 - <_> - - 0 -1 1885 5.6609478779137135e-03 - - -6.0676008462905884e-02 1.5271340310573578e-01 - <_> - - 0 -1 1886 -5.3604390472173691e-02 - - -2.1472039818763733e-01 1.4890110120177269e-02 - <_> - - 0 -1 1887 -1.0153600014746189e-02 - - -3.1097480654716492e-01 2.8160639107227325e-02 - <_> - - 0 -1 1888 -1.7072910442948341e-02 - - 7.1882233023643494e-02 -5.2844271063804626e-02 - <_> - - 0 -1 1889 -1.0728809982538223e-02 - - 1.6389510035514832e-01 -5.4277900606393814e-02 - <_> - - 0 -1 1890 1.0714929550886154e-02 - - -4.3529260903596878e-02 1.5492570400238037e-01 - <_> - - 0 -1 1891 -9.1774649918079376e-03 - - 8.2661621272563934e-02 -1.1048959940671921e-01 - <_> - - 0 -1 1892 -5.1653548143804073e-03 - - 4.6839110553264618e-02 -5.0071209669113159e-02 - <_> - - 0 -1 1893 1.3472570106387138e-02 - - 2.3994479328393936e-02 -3.6207410693168640e-01 - <_> - - 0 -1 1894 9.8625328973866999e-05 - - -7.2403706610202789e-02 8.5279501974582672e-02 - <_> - - 0 -1 1895 -3.8795128930360079e-03 - - 9.9527172744274139e-02 -9.3315653502941132e-02 - <_> - - 0 -1 1896 2.4870259687304497e-02 - - 1.6243930906057358e-02 -4.6679219603538513e-01 - <_> - - 0 -1 1897 1.3287420570850372e-01 - - 2.9302369803190231e-02 -2.8217709064483643e-01 - <_> - - 0 -1 1898 1.3053320348262787e-02 - - -2.2584149613976479e-02 1.9151739776134491e-01 - <_> - - 0 -1 1899 -2.3439459037035704e-03 - - 1.3174580037593842e-01 -7.1855299174785614e-02 - <_> - - 0 -1 1900 -4.3457929044961929e-02 - - 6.9369621574878693e-02 -2.2885309532284737e-02 - <_> - - 0 -1 1901 -5.9775430709123611e-02 - - 2.3593389987945557e-01 -3.9723061025142670e-02 - <_> - - 0 -1 1902 -6.1264610849320889e-03 - - -2.1994990110397339e-01 2.2333640605211258e-02 - <_> - - 0 -1 1903 -2.2975069005042315e-03 - - 1.1488830298185349e-01 -8.4905907511711121e-02 - <_> - - 0 -1 1904 3.2943069934844971e-02 - - 8.4422080544754863e-04 -8.7972801923751831e-01 - <_> - - 0 -1 1905 -1.9385489868000150e-03 - - 8.5967347025871277e-02 -1.1247129738330841e-01 - <_> - - 0 -1 1906 -2.1609459072351456e-03 - - 7.8462250530719757e-02 -3.7393838167190552e-02 - <_> - - 0 -1 1907 -9.0928059071302414e-03 - - -4.1091561317443848e-01 1.8252879381179810e-02 - <_> - - 0 -1 1908 -1.6027869284152985e-01 - - -2.2541759908199310e-01 1.5782350674271584e-02 - <_> - - 0 -1 1909 -4.9950089305639267e-02 - - -1.8641009926795959e-01 4.2277488857507706e-02 - <_> - - 0 -1 1910 -1.0969909839332104e-02 - - -4.1804128885269165e-01 1.6149029135704041e-02 - <_> - - 0 -1 1911 9.3183261924423277e-05 - - -7.6907746493816376e-02 1.0072469711303711e-01 - <_> - - 0 -1 1912 1.3265410438179970e-02 - - 1.9543310627341270e-02 -1.7777380347251892e-01 - <_> - - 0 -1 1913 -1.2569909915328026e-02 - - -2.1007700264453888e-01 3.5157121717929840e-02 - <_> - - 0 -1 1914 9.8762623965740204e-03 - - 6.7626000382006168e-03 -3.0761849880218506e-01 - <_> - - 0 -1 1915 -2.1076570264995098e-03 - - 1.3363209366798401e-01 -5.7092700153589249e-02 - <_> - - 0 -1 1916 -7.1060168556869030e-04 - - -1.7669269442558289e-01 6.5393269062042236e-02 - <_> - - 0 -1 1917 -9.2764664441347122e-03 - - -2.4678149819374084e-01 2.7610789984464645e-02 - <_> - - 0 -1 1918 6.5380721352994442e-03 - - -2.3361699655652046e-02 2.5770819187164307e-01 - <_> - - 0 -1 1919 -1.1298989877104759e-02 - - 1.5731829404830933e-01 -4.3780930340290070e-02 - <_> - - 0 -1 1920 -2.8048140928149223e-02 - - -3.9991301298141479e-01 9.0252067893743515e-03 - <_> - - 0 -1 1921 1.1714899912476540e-02 - - 2.2580929100513458e-02 -3.1374511122703552e-01 - <_> - - 0 -1 1922 -1.2955210695508868e-04 - - 3.7720758467912674e-02 -6.0533870011568069e-02 - <_> - - 0 -1 1923 -3.7807179614901543e-03 - - 1.3487710058689117e-01 -5.6583140045404434e-02 - <_> - - 0 -1 1924 -4.9128020182251930e-03 - - 1.4564900100231171e-01 -2.7835259214043617e-02 - <_> - - 0 -1 1925 -1.6391910612583160e-02 - - -6.4010322093963623e-01 1.1727060191333294e-02 - <_> - - 0 -1 1926 -1.1464639566838741e-02 - - 3.9367951452732086e-02 -3.3033378422260284e-02 - <_> - - 0 -1 1927 -3.4916009753942490e-02 - - -3.3986571431159973e-01 2.0481580868363380e-02 - <_> - - 0 -1 1928 4.9870118498802185e-02 - - -5.0045821815729141e-02 4.6599239110946655e-02 - <_> - - 0 -1 1929 -1.0137989738723263e-04 - - 8.6516477167606354e-02 -8.1374593079090118e-02 - <_> - - 0 -1 1930 -8.1614796072244644e-03 - - 1.2585890293121338e-01 -2.4253010749816895e-02 - <_> - - 0 -1 1931 -5.1362808793783188e-02 - - 1.2383320182561874e-01 -5.7537298649549484e-02 - <_> - - 0 -1 1932 -9.2184888198971748e-03 - - 1.3315090537071228e-01 -6.2671236693859100e-02 - <_> - - 0 -1 1933 5.9735208749771118e-02 - - 1.9387029111385345e-02 -3.7452590465545654e-01 - <_> - - 0 -1 1934 -3.7147789262235165e-03 - - 1.3588359951972961e-01 -1.1573229730129242e-01 - <_> - - 0 -1 1935 -1.6745850443840027e-03 - - -2.1437530219554901e-01 3.1279198825359344e-02 - <_> - - 0 -1 1936 2.7367400005459785e-02 - - 6.2164650298655033e-03 -1.6582269966602325e-01 - <_> - - 0 -1 1937 -5.6425300426781178e-03 - - 8.9943163096904755e-02 -7.7249430119991302e-02 - <_> - - 0 -1 1938 -4.4944159686565399e-02 - - 1.0177309811115265e-01 -7.9409472644329071e-02 - <_> - - 0 -1 1939 -1.2397750280797482e-02 - - -2.5522980093955994e-01 2.5932550430297852e-02 - <_> - - 0 -1 1940 1.3257490098476410e-01 - - -6.0667068464681506e-04 -9.0462738275527954e-01 - <_> - - 0 -1 1941 -4.7687850892543793e-02 - - -2.9634040594100952e-01 2.2060779854655266e-02 - <_> - - 0 -1 1942 -1.3438980386126786e-04 - - 3.4807950258255005e-02 -2.3007700219750404e-02 - <_> - - 0 -1 1943 -4.7759748995304108e-02 - - 3.2043048739433289e-01 -2.0720070227980614e-02 - <_> - - 0 -1 1944 8.4569696336984634e-03 - - 1.6900449991226196e-02 -2.3434109985828400e-01 - <_> - - 0 -1 1945 -9.0884640812873840e-03 - - -2.7401408553123474e-01 2.3920679464936256e-02 - <_> - - 0 -1 1946 1.1316059681121260e-04 - - -7.1908891201019287e-02 6.4337499439716339e-02 - <_> - - 0 -1 1947 -2.2978619672358036e-03 - - 1.4139309525489807e-01 -4.6627011150121689e-02 - <_> - - 0 -1 1948 -7.0250302087515593e-05 - - 4.3631881475448608e-02 -8.9844681322574615e-02 - <_> - - 0 -1 1949 -2.4793320335447788e-03 - - 1.1531940102577209e-01 -5.4794210940599442e-02 - <_> - - 0 -1 1950 -2.3779749870300293e-02 - - -8.9623087644577026e-01 8.2168419612571597e-04 - <_> - - 0 -1 1951 1.5105960192158818e-03 - - -4.6251200139522552e-02 1.4637500047683716e-01 - <_> - - 0 -1 1952 -1.9929770380258560e-02 - - 1.0345499962568283e-01 -6.9326370954513550e-02 - <_> - - 0 -1 1953 5.6873750872910023e-03 - - 1.5714770182967186e-02 -4.3551269173622131e-01 - <_> - - 0 -1 1954 2.5528179481625557e-02 - - 1.7960410565137863e-02 -1.0271559655666351e-01 - <_> - - 0 -1 1955 6.2439180910587311e-03 - - -5.0889659672975540e-02 1.2102349847555161e-01 - <_> - - 0 -1 1956 -3.8433890789747238e-02 - - -1.1351989954710007e-01 1.1109850369393826e-02 - <_> - - 0 -1 1957 -1.1655789799988270e-02 - - 1.8188430368900299e-01 -3.4386049956083298e-02 - <_> - - 0 -1 1958 1.7019029706716537e-02 - - -2.8822610154747963e-02 1.7922890186309814e-01 - <_> - - 0 -1 1959 -2.1281840279698372e-02 - - 7.9361222684383392e-02 -1.4837169647216797e-01 - <_> - - 0 -1 1960 6.4630597829818726e-02 - - -8.3243446424603462e-03 3.4404671192169189e-01 - <_> - - 0 -1 1961 -2.0165389403700829e-02 - - 9.9575139582157135e-02 -6.4981013536453247e-02 - <_> - - 0 -1 1962 -4.8298938199877739e-03 - - 3.9893500506877899e-02 -4.0078371763229370e-02 - <_> - - 0 -1 1963 -3.3053491264581680e-02 - - 1.1697690188884735e-01 -5.5427171289920807e-02 - <_> - - 0 -1 1964 6.2406919896602631e-02 - - -2.2736979648470879e-02 3.6325179040431976e-02 - <_> - - 0 -1 1965 -6.1196450144052505e-02 - - 1.9369029998779297e-01 -3.5640351474285126e-02 - <_> - - 0 -1 1966 1.0678559541702271e-02 - - 1.6535019502043724e-02 -4.2336410284042358e-01 - <_> - - 0 -1 1967 1.6491359099745750e-02 - - -4.3294098228216171e-02 1.7356230318546295e-01 - <_> - - 0 -1 1968 -5.2192797884345055e-03 - - -4.0950641036033630e-01 2.0815720781683922e-02 - <_> - - 0 -1 1969 3.7556931376457214e-02 - - -3.5021461546421051e-02 1.9875930249691010e-01 - <_> - - 0 -1 1970 1.1630539665929973e-04 - - -6.6101007163524628e-02 2.8246320784091949e-02 - <_> - - 0 -1 1971 -2.9590369667857885e-03 - - -2.3298619687557220e-01 2.6747660711407661e-02 - <_> - - 0 -1 1972 9.7334973514080048e-02 - - 1.6407809453085065e-03 -5.2689087390899658e-01 - <_> - - 0 -1 1973 9.4552114605903625e-03 - - -1.2956419587135315e-01 4.3152049183845520e-02 - <_> - - 0 -1 1974 -1.9573559984564781e-03 - - 9.4022996723651886e-02 -5.0729468464851379e-02 - <_> - - 0 -1 1975 -1.9813209772109985e-02 - - -2.8099170327186584e-01 2.5431409478187561e-02 - <_> - - 0 -1 1976 4.6183229424059391e-03 - - 2.0152140408754349e-02 -2.8583228588104248e-01 - <_> - - 0 -1 1977 -1.3847060035914183e-03 - - 1.2452150136232376e-01 -4.8138331621885300e-02 - <_> - - 0 -1 1978 4.2347438633441925e-02 - - 1.4238060452044010e-02 -1.4341959357261658e-01 - <_> - - 0 -1 1979 -3.7257060408592224e-01 - - -3.1286910176277161e-01 1.8492879346013069e-02 - <_> - - 0 -1 1980 -3.0691500753164291e-02 - - -4.1157820820808411e-01 1.0822709649801254e-02 - <_> - - 0 -1 1981 -1.6395879909396172e-02 - - 1.4505170285701752e-01 -4.0790930390357971e-02 - <_> - - 0 -1 1982 -6.2989019788801670e-03 - - -4.1820481419563293e-01 1.2296830303966999e-02 - <_> - - 0 -1 1983 9.4060532748699188e-02 - - 1.3523289933800697e-02 -3.6032849550247192e-01 - <_> - - 0 -1 1984 -3.2638560980558395e-02 - - 8.1849083304405212e-02 -7.4722953140735626e-02 - <_> - - 0 -1 1985 -1.4613750390708447e-02 - - -2.2184589505195618e-01 2.5819279253482819e-02 - <_> - - 0 -1 1986 -1.7758510075509548e-03 - - 8.7858870625495911e-02 -2.7116740122437477e-02 - <_> - - 0 -1 1987 -3.7843519821763039e-03 - - -2.5046458840370178e-01 2.1436279639601707e-02 - <_> - - 0 -1 1988 -6.0635298723354936e-04 - - -4.7731950879096985e-01 1.1409179866313934e-01 - <_> - - 0 -1 1989 1.0241969721391797e-04 - - -9.3447387218475342e-02 6.7655086517333984e-02 - <_> - - 0 -1 1990 6.5193139016628265e-03 - - -1.4612539671361446e-02 2.0815970003604889e-01 - <_> - - 0 -1 1991 5.3755999542772770e-03 - - -3.8265600800514221e-02 1.9941569864749908e-01 - <_> - - 0 -1 1992 2.5083690416067839e-03 - - -3.9266299456357956e-02 4.1621260344982147e-02 - <_> - - 0 -1 1993 -6.1823232099413872e-03 - - 1.0581050068140030e-01 -5.8252051472663879e-02 - <_> - - 0 -1 1994 -1.7877219943329692e-03 - - 1.5875810384750366e-01 -3.8672041147947311e-02 - <_> - - 0 -1 1995 2.0424230024218559e-03 - - -1.2316930294036865e-01 4.7692388296127319e-02 - <_> - - 0 -1 1996 -7.9678567999508232e-05 - - 5.8007881045341492e-02 -3.7209790199995041e-02 - <_> - - 0 -1 1997 -2.4312110617756844e-03 - - 1.8218949437141418e-01 -3.1718999147415161e-02 - <_> - - 0 -1 1998 9.7082564607262611e-03 - - 2.5093549862504005e-02 -2.1581520140171051e-01 - <_> - - 0 -1 1999 1.8651289865374565e-02 - - -5.6221790611743927e-02 1.0076929628849030e-01 - <_> - - 0 -1 2000 -4.3425198644399643e-02 - - -5.2580821514129639e-01 2.3139629047363997e-03 - <_> - - 0 -1 2001 9.8262643441557884e-03 - - 2.8758440166711807e-02 -2.0458370447158813e-01 - <_> - - 0 -1 2002 -2.5310849305242300e-03 - - 2.2459560632705688e-01 -4.7744251787662506e-02 - <_> - - 0 -1 2003 -9.8680997325573117e-05 - - 5.2503999322652817e-02 -1.1616130173206329e-01 - <_> - - 0 -1 2004 8.7780077592469752e-05 - - -5.7921901345252991e-02 5.2974458783864975e-02 - <_> - - 0 -1 2005 -2.0101759582757950e-03 - - 1.3039940595626831e-01 -4.1645880788564682e-02 - <_> - - 0 -1 2006 -6.9859880022704601e-03 - - -2.5740739703178406e-01 2.2923920303583145e-02 - <_> - - 0 -1 2007 -8.5653923451900482e-03 - - -3.4816130995750427e-01 1.6321830451488495e-02 - <_> - - 0 -1 2008 4.1130301542580128e-03 - - -1.1193159967660904e-02 7.8239932656288147e-02 - <_> - - 0 -1 2009 -2.8649440035223961e-02 - - -2.4921450018882751e-01 2.3253569379448891e-02 - <_> - - 0 -1 2010 -7.1668572723865509e-02 - - 1.8234179913997650e-01 -3.2952211797237396e-02 - <_> - - 0 -1 2011 2.0047359168529510e-02 - - 3.4545011818408966e-02 -1.7593920230865479e-01 - <_> - - 0 -1 2012 9.2730745673179626e-03 - - 2.4312171153724194e-03 -3.6256709694862366e-01 - <_> - - 0 -1 2013 -1.3696910173166543e-04 - - 5.3849659860134125e-02 -1.0452479869127274e-01 - <_> - - 0 -1 2014 -1.6431650146842003e-02 - - 1.0723640024662018e-01 -2.3307560011744499e-02 - <_> - - 0 -1 2015 1.5543770045042038e-02 - - -6.2471259385347366e-02 1.2017949670553207e-01 - <_> - - 0 -1 2016 1.6755719482898712e-01 - - 2.9874350875616074e-03 -2.5671449303627014e-01 - <_> - - 0 -1 2017 -1.0847680270671844e-01 - - 3.7149819731712341e-01 -1.6100300475955009e-02 - <_> - - 0 -1 2018 -3.6692418158054352e-02 - - 1.0603889822959900e-01 -2.8071129694581032e-02 - <_> - - 0 -1 2019 -1.0187889635562897e-01 - - -5.4750579595565796e-01 1.0856229811906815e-02 - <_> - - 0 -1 2020 -2.3083990439772606e-02 - - -3.9017239212989807e-01 2.3198500275611877e-03 - <_> - - 0 -1 2021 1.1738779954612255e-02 - - 1.7849219962954521e-02 -2.9607269167900085e-01 - <_> - - 0 -1 2022 1.1186770163476467e-02 - - 1.7683990299701691e-02 -1.0949549823999405e-01 - <_> - - 0 -1 2023 1.3084909878671169e-02 - - -5.5493030697107315e-02 9.3764066696166992e-02 - <_> - - 0 -1 2024 -4.8294991254806519e-02 - - -1.0963620245456696e-01 6.0481518507003784e-02 - <_> - - 0 -1 2025 -1.2075870297849178e-02 - - 6.8646393716335297e-02 -8.8205531239509583e-02 - <_> - - 0 -1 2026 2.2616419941186905e-02 - - -5.2717179059982300e-02 3.7717801332473755e-01 - <_> - - 0 -1 2027 2.9184659942984581e-02 - - -1.7316710203886032e-02 3.2407519221305847e-01 - <_> - - 0 -1 2028 5.6647129356861115e-02 - - 1.4209809713065624e-02 -4.0311878919601440e-01 - <_> - - 0 -1 2029 -6.0038570314645767e-02 - - 6.3324189186096191e-01 -9.3253394588828087e-03 - <_> - - 0 -1 2030 -2.1041039377450943e-02 - - -7.0778012275695801e-02 1.0951139964163303e-02 - <_> - - 0 -1 2031 1.0698719881474972e-02 - - 3.0739499256014824e-02 -1.8623949587345123e-01 - <_> - - 0 -1 2032 -1.4163380255922675e-03 - - 1.4207880198955536e-01 -5.6051291525363922e-02 - <_> - - 0 -1 2033 1.9057249650359154e-02 - - 1.1568720452487469e-02 -4.1893801093101501e-01 - <_> - - 0 -1 2034 2.4255400523543358e-02 - - -2.7422881126403809e-01 1.5305199660360813e-02 - <_> - - 0 -1 2035 -1.6801659949123859e-03 - - 1.2455579638481140e-01 -4.5174699276685715e-02 - <_> - - 0 -1 2036 -7.1042921626940370e-04 - - 5.2189279347658157e-02 -3.7788871675729752e-02 - <_> - - 0 -1 2037 -9.6175346698146313e-05 - - 8.0373562872409821e-02 -6.5977610647678375e-02 - <_> - - 0 -1 2038 3.0253970623016357e-01 - - -6.4190649427473545e-03 2.8734558820724487e-01 - <_> - - 0 -1 2039 -3.3847650885581970e-01 - - -2.9949620366096497e-01 1.9311109557747841e-02 - <_> - - 0 -1 2040 1.8414769321680069e-02 - - 4.1407728567719460e-03 -3.2009989023208618e-01 - <_> - - 0 -1 2041 2.0269309170544147e-03 - - 3.8851920515298843e-02 -1.3650539517402649e-01 - <_> - - 0 -1 2042 -2.6168529875576496e-03 - - 2.1721449494361877e-01 -4.5792929828166962e-02 - <_> - - 0 -1 2043 -1.4506299339700490e-04 - - 7.7357552945613861e-02 -7.0164747536182404e-02 - <_> - - 0 -1 2044 1.5293279429897666e-03 - - 2.2826919332146645e-02 -6.4625710248947144e-02 - <_> - - 0 -1 2045 9.2465557157993317e-02 - - -3.0449060723185539e-02 2.2376939654350281e-01 - <_> - - 0 -1 2046 4.2030760087072849e-03 - - -6.8453937768936157e-02 6.1928309500217438e-02 - <_> - - 0 -1 2047 8.0572906881570816e-05 - - -5.9534300118684769e-02 8.1452347338199615e-02 - <_> - - 0 -1 2048 1.1286319792270660e-01 - - -1.3413679553195834e-03 5.4813021421432495e-01 - <_> - - 0 -1 2049 -6.4409552142024040e-03 - - -1.8755680322647095e-01 2.6392029598355293e-02 - <_> - - 0 -1 2050 -1.0748989880084991e-02 - - 1.2552680075168610e-01 -4.0465429425239563e-02 - <_> - - 0 -1 2051 -5.3139980882406235e-02 - - 1.2461829930543900e-01 -4.1095100343227386e-02 - <_> - - 0 -1 2052 2.2604359313845634e-02 - - -1.7869070172309875e-02 2.4132210016250610e-01 - <_> - - 0 -1 2053 2.2205261047929525e-03 - - 3.1968820840120316e-02 -1.6952280700206757e-01 - <_> - - 0 -1 2054 -3.9627980440855026e-03 - - 3.8538839668035507e-02 -2.9197089374065399e-02 - <_> - - 0 -1 2055 -1.5152409672737122e-02 - - 1.5154479444026947e-01 -3.3755920827388763e-02 - <_> - - 0 -1 2056 1.2909620068967342e-02 - - 1.9307920709252357e-02 -2.6814758777618408e-01 - <_> - - 0 -1 2057 -5.0301581621170044e-02 - - 2.6842170953750610e-01 -1.9832609221339226e-02 - <_> - - 0 -1 2058 2.3144690692424774e-01 - - -4.4317539781332016e-02 1.1355269700288773e-01 - <_> - - 0 -1 2059 2.4806660413742065e-01 - - -3.6366160959005356e-02 1.5459740161895752e-01 - <_> - - 0 -1 2060 1.0751839727163315e-02 - - -5.6199159473180771e-02 9.1953150928020477e-02 - <_> - - 0 -1 2061 -1.0409940034151077e-01 - - 2.6155480742454529e-01 -2.2073730826377869e-02 - <_> - - 0 -1 2062 3.4987339749932289e-03 - - -3.4594438970088959e-02 5.2544221282005310e-02 - <_> - - 0 -1 2063 -1.8789369612932205e-02 - - 1.4423690736293793e-01 -3.7627071142196655e-02 - <_> - - 0 -1 2064 2.3785369470715523e-02 - - -1.4142000116407871e-02 4.0588378906250000e-02 - <_> - - 0 -1 2065 -5.3594702482223511e-01 - - -3.1141081452369690e-01 1.6834039241075516e-02 - <_> - - 0 -1 2066 -9.9058146588504314e-05 - - 1.1654440313577652e-01 -9.4845108687877655e-02 - <_> - - 0 -1 2067 5.1509789191186428e-03 - - 2.4767279624938965e-02 -2.1172380447387695e-01 - <_> - - 0 -1 2068 -2.4665810167789459e-02 - - 8.9738540351390839e-02 -2.5230530649423599e-02 - <_> - - 0 -1 2069 -1.0207219747826457e-04 - - 7.1243196725845337e-02 -6.9542892277240753e-02 - <_> - - 0 -1 2070 8.9753637439571321e-05 - - -6.4138673245906830e-02 3.4588780254125595e-02 - <_> - - 0 -1 2071 7.5129319156985730e-05 - - -7.0998512208461761e-02 6.9298543035984039e-02 - <_> - - 0 -1 2072 1.2670209631323814e-02 - - 1.9961479119956493e-03 -6.1854892969131470e-01 - <_> - - 0 -1 2073 1.3350560038816184e-04 - - -9.3998126685619354e-02 6.0371071100234985e-02 - <_> - - 0 -1 2074 3.5089589655399323e-03 - - -4.3076660484075546e-02 6.9475613534450531e-02 - <_> - - 0 -1 2075 5.0673130899667740e-03 - - -5.1575150340795517e-02 1.2066970020532608e-01 - <_> - - 0 -1 2076 -4.9438390135765076e-01 - - -3.3594810962677002e-01 3.4810409415513277e-03 - <_> - - 0 -1 2077 3.1801950931549072e-01 - - -1.5378340147435665e-02 3.3919140696525574e-01 - <_> - - 0 -1 2078 -3.5130660980939865e-02 - - 1.8598470091819763e-01 -1.8994120880961418e-02 - <_> - - 0 -1 2079 -1.0103350359713659e-04 - - 5.9129860252141953e-02 -8.6535729467868805e-02 - <_> - - 0 -1 2080 -7.3789812624454498e-02 - - -1.8977540731430054e-01 3.4424799960106611e-03 - <_> - - 0 -1 2081 4.8484738916158676e-02 - - -1.9127920269966125e-02 3.3737879991531372e-01 - <_> - - 0 -1 2082 -3.2950159907341003e-01 - - -2.4671790003776550e-01 8.9904768392443657e-03 - <_> - - 0 -1 2083 5.1932130008935928e-02 - - 2.9886350035667419e-02 -1.7665469646453857e-01 - <_> - - 0 -1 2084 -4.7828998416662216e-02 - - 1.3356339931488037e-01 -2.2263629361987114e-02 - <_> - - 0 -1 2085 6.8820808082818985e-03 - - 2.6210820302367210e-02 -2.0100249350070953e-01 - <_> - - 0 -1 2086 7.0850020274519920e-03 - - 7.2960550896823406e-03 -2.2371199727058411e-01 - <_> - - 0 -1 2087 -2.7695680037140846e-02 - - 5.0937449932098389e-01 -1.0129760019481182e-02 - <_> - - 0 -1 2088 -3.7936570588499308e-03 - - -2.7367559075355530e-01 2.2888140752911568e-02 - <_> - - 0 -1 2089 6.6490046679973602e-02 - - -1.7767919227480888e-02 3.0243128538131714e-01 - <_> - - 0 -1 2090 2.4492349475622177e-02 - - 1.6199620440602303e-02 -1.8059089779853821e-01 - <_> - - 0 -1 2091 3.9224490523338318e-02 - - 6.2305349856615067e-03 -7.2741222381591797e-01 - <_> - - 0 -1 2092 -3.9555127732455730e-03 - - 8.3237506449222565e-02 -5.9971958398818970e-02 - <_> - - 0 -1 2093 -4.0117479860782623e-02 - - -8.9912259578704834e-01 5.7570450007915497e-03 - <_> - - 0 -1 2094 3.7345938384532928e-02 - - -1.0278220288455486e-02 5.5619978904724121e-01 - <_> - - 0 -1 2095 3.5555940121412277e-03 - - 1.6657149419188499e-02 -3.3648529648780823e-01 - <_> - - 0 -1 2096 -1.7665129853412509e-03 - - 1.1981459707021713e-01 -3.9624880999326706e-02 - <_> - - 0 -1 2097 4.8014218918979168e-03 - - 3.4317120909690857e-02 -1.4242500066757202e-01 - <_> - - 0 -1 2098 -4.8842090182006359e-03 - - -2.4056419730186462e-01 5.4772831499576569e-03 - <_> - - 0 -1 2099 1.1965839803451672e-04 - - -6.5111830830574036e-02 9.1186530888080597e-02 - <_> - - 0 -1 2100 6.1463210731744766e-02 - - 2.2536460310220718e-03 -5.8605438470840454e-01 - <_> - - 0 -1 2101 6.9882362149655819e-03 - - -5.1632720977067947e-02 1.0069630295038223e-01 - <_> - - 0 -1 2102 -1.5248640440404415e-02 - - -3.9649030566215515e-01 7.3884390294551849e-03 - <_> - - 0 -1 2103 -9.1895330115221441e-05 - - 6.6976770758628845e-02 -6.9580227136611938e-02 - <_> - - 0 -1 2104 -3.8073170930147171e-02 - - 7.1678817272186279e-02 -5.4218940436840057e-02 - <_> - - 0 -1 2105 6.0213740915060043e-02 - - -1.7918029800057411e-02 2.8277221322059631e-01 - <_> - - 0 -1 2106 -1.1608110507950187e-03 - - -1.3598379492759705e-01 2.9590860009193420e-02 - <_> - - 0 -1 2107 -1.8159779720008373e-03 - - 1.7696669697761536e-01 -3.3906169235706329e-02 - <_> - - 0 -1 2108 5.7966040913015604e-04 - - -3.8249019533395767e-02 2.4134349077939987e-02 - <_> - - 0 -1 2109 -9.4094357336871326e-05 - - 6.8295761942863464e-02 -6.8657957017421722e-02 - <_> - - 0 -1 2110 1.8233150243759155e-02 - - -9.2594744637608528e-03 2.2030550241470337e-01 - <_> - - 0 -1 2111 -2.1909039467573166e-02 - - -4.0802249312400818e-01 1.3047140091657639e-02 - <_> - - 0 -1 2112 -8.4120110841467977e-05 - - 4.6509388834238052e-02 -4.4079691171646118e-02 - <_> - - 0 -1 2113 3.1046951335156336e-05 - - -8.9913800358772278e-02 4.8912350088357925e-02 - <_> - - 0 -1 2114 2.5289219338446856e-03 - - -2.3542739450931549e-02 1.5479239821434021e-01 - <_> - - 0 -1 2115 -1.2940970063209534e-01 - - -3.9730009436607361e-01 1.2606710195541382e-02 - <_> - - 0 -1 2116 1.2858719564974308e-02 - - -3.6222558468580246e-02 1.6217750310897827e-01 - <_> - - 0 -1 2117 1.1377360351616517e-04 - - -1.0770879685878754e-01 4.6765219420194626e-02 - <_> - - 0 -1 2118 -2.9391219839453697e-02 - - 2.2892589867115021e-01 -3.4089948982000351e-02 - <_> - - 0 -1 2119 1.7511859536170959e-01 - - -1.8170779570937157e-02 2.6032659411430359e-01 - <_> - - 0 -1 2120 1.3814390404149890e-03 - - 3.3500280231237411e-02 -1.6772350668907166e-01 - <_> - - 0 -1 2121 -1.0088009730679914e-04 - - 6.9935522973537445e-02 -7.0163749158382416e-02 - <_> - - 0 -1 2122 -5.2363821305334568e-03 - - -3.8714709877967834e-01 3.8488220889121294e-03 - <_> - - 0 -1 2123 1.1944399448111653e-03 - - -4.0175188332796097e-02 1.1868380010128021e-01 - <_> - - 0 -1 2124 -1.0081879736389965e-04 - - 5.3753741085529327e-02 -5.6394770741462708e-02 - <_> - - 0 -1 2125 1.2026460171910003e-04 - - -6.2764182686805725e-02 7.7123142778873444e-02 - <_> - - 0 -1 2126 -1.1322049977025017e-04 - - 5.6235220283269882e-02 -5.4109230637550354e-02 - <_> - - 0 -1 2127 1.1329459812259302e-04 - - -5.6005071848630905e-02 7.9855620861053467e-02 - <_> - - 0 -1 2128 -1.0272819781675935e-04 - - 5.0986729562282562e-02 -4.5671850442886353e-02 - <_> - - 0 -1 2129 -9.1088571934960783e-05 - - 8.5412003099918365e-02 -7.8027188777923584e-02 - <_> - - 0 -1 2130 2.6975329965353012e-03 - - 1.1360989883542061e-02 -1.3084140419960022e-01 - <_> - - 0 -1 2131 1.1563959717750549e-01 - - 1.3141030445694923e-02 -3.4900349378585815e-01 - <_> - - 0 -1 2132 1.1328439723001793e-04 - - -4.6778239309787750e-02 6.6560126841068268e-02 - <_> - - 0 -1 2133 9.8681906820274889e-05 - - -6.3125617802143097e-02 7.3674477636814117e-02 - <_> - - 0 -1 2134 -6.7920819856226444e-03 - - -8.6472243070602417e-02 1.3665749691426754e-02 - <_> - - 0 -1 2135 7.4815307743847370e-03 - - 1.8933869898319244e-02 -2.4700309336185455e-01 - <_> - - 0 -1 2136 -9.6308911452069879e-05 - - 3.9868801832199097e-02 -4.4424280524253845e-02 - <_> - - 0 -1 2137 -1.4094969630241394e-01 - - -8.1448292732238770e-01 5.2730259485542774e-03 - <_> - - 0 -1 2138 6.3983728177845478e-03 - - -2.3488819599151611e-02 6.4670667052268982e-02 - <_> - - 0 -1 2139 -2.5239890441298485e-02 - - 1.6939760744571686e-01 -2.8049439191818237e-02 - <_> - - 0 -1 2140 1.7426529526710510e-01 - - 2.0990138873457909e-03 -5.8285897970199585e-01 - <_> - - 0 -1 2141 1.3174180686473846e-01 - - 1.1987269856035709e-02 -4.5190098881721497e-01 - <_> - - 0 -1 2142 1.1509929754538462e-04 - - -4.8113349825143814e-02 6.8035729229450226e-02 - <_> - - 0 -1 2143 9.7694486612454057e-05 - - -6.5665252506732941e-02 8.1481061875820160e-02 - <_> - - 0 -1 2144 8.2227466627955437e-03 - - -1.1364550143480301e-01 1.9999189302325249e-02 - <_> - - 0 -1 2145 -7.2657060809433460e-03 - - 1.9642250239849091e-01 -2.3443970829248428e-02 - <_> - - 0 -1 2146 -1.3820930384099483e-02 - - -3.5106611251831055e-01 2.1997150033712387e-02 - <_> - - 0 -1 2147 3.1349230557680130e-03 - - 3.4941900521516800e-02 -1.1724609881639481e-01 - <_> - - 0 -1 2148 7.1846559643745422e-02 - - 1.1878719553351402e-02 -3.4860029816627502e-01 - <_> - - 0 -1 2149 -1.4865489676594734e-02 - - -2.0006850361824036e-01 2.1975699812173843e-02 - <_> - - 0 -1 2150 2.2416159510612488e-02 - - -1.4369959942996502e-02 1.2353249639272690e-01 - <_> - - 0 -1 2151 -8.5451323539018631e-03 - - 9.6531502902507782e-02 -5.6036688387393951e-02 - <_> - - 0 -1 2152 -2.2441910579800606e-02 - - -1.7705179750919342e-01 1.5571230091154575e-02 - <_> - - 0 -1 2153 7.0013068616390228e-03 - - -4.0438491851091385e-02 1.0996779799461365e-01 - <_> - - 0 -1 2154 2.2682549431920052e-02 - - 6.6524217836558819e-03 -1.8406519293785095e-01 - <_> - - 0 -1 2155 -2.5074880104511976e-03 - - 5.7935230433940887e-02 -7.8782439231872559e-02 - <_> - - 0 -1 2156 -1.4321220107376575e-02 - - 1.2821240723133087e-01 -2.5092139840126038e-02 - <_> - - 0 -1 2157 -4.5356648042798042e-03 - - 9.1736033558845520e-02 -5.7933621108531952e-02 - <_> - - 0 -1 2158 1.9409060478210449e-02 - - 2.2336810827255249e-02 -1.6051660478115082e-01 - <_> - - 0 -1 2159 -1.8575839931145310e-03 - - 6.7214876413345337e-02 -7.1684822440147400e-02 - <_> - - 0 -1 2160 1.4123350381851196e-02 - - -1.8340790644288063e-02 6.5503582358360291e-02 - <_> - - 0 -1 2161 9.8213102319277823e-05 - - -6.1678610742092133e-02 7.3350921273231506e-02 - <_> - 365 - -1.3049939870834351e+00 - - <_> - - 0 -1 2162 -3.3882360905408859e-02 - - 2.0239050686359406e-01 -2.2946560382843018e-01 - <_> - - 0 -1 2163 5.7477080263197422e-03 - - -5.0940629094839096e-02 1.2186110019683838e-01 - <_> - - 0 -1 2164 -2.9972488991916180e-03 - - 1.0657569766044617e-01 -2.5070008635520935e-01 - <_> - - 0 -1 2165 -4.9375999718904495e-02 - - 2.2355130314826965e-01 -9.3850642442703247e-02 - <_> - - 0 -1 2166 -8.8743809610605240e-03 - - 1.8828199803829193e-01 -1.0731340199708939e-01 - <_> - - 0 -1 2167 -1.5041409991681576e-02 - - 5.3844779729843140e-02 -8.1702902913093567e-02 - <_> - - 0 -1 2168 -1.1803549714386463e-02 - - 2.0604920387268066e-01 -7.4148297309875488e-02 - <_> - - 0 -1 2169 -8.9601287618279457e-03 - - 9.8798438906669617e-02 -1.4819039404392242e-01 - <_> - - 0 -1 2170 -8.7451227009296417e-03 - - 2.2514469921588898e-01 -8.0280996859073639e-02 - <_> - - 0 -1 2171 -1.3039770722389221e-01 - - -1.9512100517749786e-01 2.9707670211791992e-02 - <_> - - 0 -1 2172 9.4073556363582611e-02 - - 4.4669799506664276e-02 -3.4604659676551819e-01 - <_> - - 0 -1 2173 1.1114570312201977e-02 - - 8.7716905400156975e-03 -3.6369881033897400e-01 - <_> - - 0 -1 2174 -2.8564259409904480e-02 - - 1.7795929312705994e-01 -7.0157200098037720e-02 - <_> - - 0 -1 2175 -4.0305700153112411e-02 - - 6.1408281326293945e-02 -1.1470430344343185e-01 - <_> - - 0 -1 2176 -2.6785670779645443e-03 - - 7.0054598152637482e-02 -2.1235230565071106e-01 - <_> - - 0 -1 2177 -1.2476369738578796e-02 - - 2.5417190790176392e-01 -3.6739729344844818e-02 - <_> - - 0 -1 2178 -3.7886248901486397e-03 - - 1.8476079404354095e-01 -6.2649697065353394e-02 - <_> - - 0 -1 2179 4.7300331294536591e-02 - - -1.8394020199775696e-01 2.0217979326844215e-02 - <_> - - 0 -1 2180 -5.1964629441499710e-02 - - -3.3711931109428406e-01 3.0889309942722321e-02 - <_> - - 0 -1 2181 6.8056071177124977e-03 - - -1.5254379808902740e-01 6.3084572553634644e-02 - <_> - - 0 -1 2182 2.8190209995955229e-03 - - 3.1094970181584358e-02 -2.6837760210037231e-01 - <_> - - 0 -1 2183 -6.6912218928337097e-02 - - 3.1126910448074341e-01 -3.2822500914335251e-02 - <_> - - 0 -1 2184 1.7488099634647369e-02 - - -8.8495753705501556e-02 1.4047129452228546e-01 - <_> - - 0 -1 2185 3.4225170966237783e-03 - - 4.2204130440950394e-02 -1.9856970012187958e-01 - <_> - - 0 -1 2186 -7.7762128785252571e-03 - - -3.8108658790588379e-01 2.8606420382857323e-02 - <_> - - 0 -1 2187 -1.2615400366485119e-02 - - 1.6002969443798065e-01 -5.7289630174636841e-02 - <_> - - 0 -1 2188 -4.2172331362962723e-02 - - 2.7694448828697205e-01 -3.3612001687288284e-02 - <_> - - 0 -1 2189 -2.9790079221129417e-02 - - -2.9134678840637207e-01 1.3471970334649086e-02 - <_> - - 0 -1 2190 -3.6842040717601776e-02 - - -2.9361110925674438e-01 2.9519720003008842e-02 - <_> - - 0 -1 2191 -3.3496100455522537e-02 - - -3.8665390014648438e-01 2.2829739376902580e-02 - <_> - - 0 -1 2192 1.6487220302224159e-02 - - 2.7645170688629150e-02 -3.0679538846015930e-01 - <_> - - 0 -1 2193 -7.6681151986122131e-03 - - 1.9639779627323151e-01 -5.6477900594472885e-02 - <_> - - 0 -1 2194 -8.4842611104249954e-03 - - 1.4659149944782257e-01 -5.8792188763618469e-02 - <_> - - 0 -1 2195 -6.6472780890762806e-03 - - 2.4539250880479813e-02 -1.2503169476985931e-01 - <_> - - 0 -1 2196 -4.3351850472390652e-03 - - 4.8890460282564163e-02 -1.8971499800682068e-01 - <_> - - 0 -1 2197 -1.6708990558981895e-02 - - -8.4014803171157837e-02 1.4256189577281475e-02 - <_> - - 0 -1 2198 1.3730719685554504e-02 - - -5.9245068579912186e-02 1.6668020188808441e-01 - <_> - - 0 -1 2199 -4.9747668206691742e-02 - - -5.0222182273864746e-01 -7.9818630183581263e-05 - <_> - - 0 -1 2200 -1.5398520044982433e-02 - - -2.4704429507255554e-01 3.7857480347156525e-02 - <_> - - 0 -1 2201 6.9194408133625984e-03 - - -2.5483440607786179e-02 5.9669129550457001e-02 - <_> - - 0 -1 2202 7.9743033275008202e-03 - - -4.5462001115083694e-02 2.1774409711360931e-01 - <_> - - 0 -1 2203 1.5987269580364227e-02 - - -2.6203149929642677e-02 1.6608029603958130e-01 - <_> - - 0 -1 2204 -1.1483809910714626e-02 - - -4.2757600545883179e-01 1.9634570926427841e-02 - <_> - - 0 -1 2205 -2.0910050719976425e-02 - - -1.9163990020751953e-01 1.8767410889267921e-02 - <_> - - 0 -1 2206 -9.1570820659399033e-03 - - -3.3912599086761475e-01 2.2093880921602249e-02 - <_> - - 0 -1 2207 -4.4602658599615097e-02 - - 1.1534290015697479e-01 -7.1533598005771637e-02 - <_> - - 0 -1 2208 -3.3839430660009384e-02 - - 9.7139656543731689e-02 -7.8735627233982086e-02 - <_> - - 0 -1 2209 2.2553609684109688e-02 - - 8.4229987114667892e-03 -1.5705260634422302e-01 - <_> - - 0 -1 2210 -2.9585180804133415e-02 - - 1.9586630165576935e-01 -4.2920190840959549e-02 - <_> - - 0 -1 2211 -4.5955018140375614e-03 - - 1.2022340297698975e-01 -8.3882987499237061e-02 - <_> - - 0 -1 2212 -9.5542743802070618e-03 - - -3.1514930725097656e-01 2.1119819954037666e-02 - <_> - - 0 -1 2213 -8.0368801951408386e-02 - - 1.3920859992504120e-01 -2.0802559331059456e-02 - <_> - - 0 -1 2214 -7.9689081758260727e-03 - - 1.2371149659156799e-01 -5.5208720266819000e-02 - <_> - - 0 -1 2215 -6.4949761144816875e-03 - - 1.7598539590835571e-01 -4.9857739359140396e-02 - <_> - - 0 -1 2216 1.5145390294492245e-02 - - -2.6866549253463745e-01 2.7768999338150024e-02 - <_> - - 0 -1 2217 -1.0654450207948685e-01 - - 3.8894391059875488e-01 -2.1989410743117332e-02 - <_> - - 0 -1 2218 1.8047619611024857e-02 - - -4.7987051308155060e-02 1.8138599395751953e-01 - <_> - - 0 -1 2219 -6.9957501254975796e-03 - - 1.0746960341930389e-01 -2.2650029510259628e-02 - <_> - - 0 -1 2220 -1.0456600284669548e-04 - - 5.8700188994407654e-02 -1.2299560010433197e-01 - <_> - - 0 -1 2221 9.3732677400112152e-02 - - 1.5036529861390591e-02 -2.1524760127067566e-01 - <_> - - 0 -1 2222 6.5442179329693317e-03 - - 3.6178309470415115e-02 -1.9664210081100464e-01 - <_> - - 0 -1 2223 6.9820377975702286e-03 - - -2.7531590312719345e-02 9.9207893013954163e-02 - <_> - - 0 -1 2224 -3.6357950884848833e-03 - - 1.2325549870729446e-01 -5.4068911820650101e-02 - <_> - - 0 -1 2225 -1.7133219167590141e-02 - - -1.5714760124683380e-01 1.1257690377533436e-02 - <_> - - 0 -1 2226 6.4856321550905704e-03 - - 3.5732869058847427e-02 -1.9302600622177124e-01 - <_> - - 0 -1 2227 1.5455770306289196e-02 - - 7.3288627900183201e-03 -3.3833038806915283e-01 - <_> - - 0 -1 2228 -1.5808869153261185e-02 - - -2.2456270456314087e-01 2.9451670125126839e-02 - <_> - - 0 -1 2229 -3.2471489161252975e-02 - - -5.5803108215332031e-01 2.8975890018045902e-03 - <_> - - 0 -1 2230 -3.9141788147389889e-03 - - 1.4021359384059906e-01 -5.0554420799016953e-02 - <_> - - 0 -1 2231 -1.0944330133497715e-02 - - -3.5154539346694946e-01 1.8400410190224648e-02 - <_> - - 0 -1 2232 1.0616300278343260e-04 - - -8.3685651421546936e-02 7.6890029013156891e-02 - <_> - - 0 -1 2233 6.1605898663401604e-03 - - 2.9453009366989136e-02 -1.9558599591255188e-01 - <_> - - 0 -1 2234 8.2721293438225985e-05 - - -8.0076627433300018e-02 8.3749473094940186e-02 - <_> - - 0 -1 2235 -8.6001930758357048e-03 - - 1.0143149644136429e-01 -4.6038668602705002e-02 - <_> - - 0 -1 2236 -2.0330580882728100e-03 - - 9.0525522828102112e-02 -8.3805181086063385e-02 - <_> - - 0 -1 2237 7.9374670982360840e-02 - - 1.8412400037050247e-02 -1.2558990716934204e-01 - <_> - - 0 -1 2238 -1.1706469580531120e-02 - - -3.4564140439033508e-01 1.7899520695209503e-02 - <_> - - 0 -1 2239 7.5991638004779816e-02 - - -1.7106909304857254e-02 6.7980378866195679e-02 - <_> - - 0 -1 2240 -5.0547100603580475e-02 - - 8.2406863570213318e-02 -9.9478118121623993e-02 - <_> - - 0 -1 2241 -3.1586930155754089e-02 - - -2.5311431288719177e-01 2.1670460700988770e-02 - <_> - - 0 -1 2242 -3.8616750389337540e-02 - - -2.5136458873748779e-01 3.0640950426459312e-02 - <_> - - 0 -1 2243 -2.8309430927038193e-03 - - 5.8621428906917572e-02 -3.4674659371376038e-02 - <_> - - 0 -1 2244 3.4507629461586475e-03 - - -5.9696689248085022e-02 1.4282059669494629e-01 - <_> - - 0 -1 2245 -6.4924471080303192e-03 - - 1.6060300171375275e-01 -3.9581570774316788e-02 - <_> - - 0 -1 2246 -8.9043304324150085e-03 - - -2.9341179132461548e-01 2.0171549171209335e-02 - <_> - - 0 -1 2247 -2.7951620519161224e-02 - - 7.2093032300472260e-02 -8.1142388284206390e-02 - <_> - - 0 -1 2248 7.9951416410040110e-05 - - -6.7746952176094055e-02 9.3461208045482635e-02 - <_> - - 0 -1 2249 1.1102859862148762e-02 - - -2.8035409748554230e-02 2.2704620659351349e-01 - <_> - - 0 -1 2250 1.3552259653806686e-02 - - -2.1036660298705101e-02 2.6905548572540283e-01 - <_> - - 0 -1 2251 1.4126170426607132e-02 - - 1.4326309785246849e-02 -2.2234620153903961e-01 - <_> - - 0 -1 2252 4.2146299965679646e-03 - - 3.7077061831951141e-02 -1.5360489487648010e-01 - <_> - - 0 -1 2253 -2.0096069201827049e-03 - - 1.0902349650859833e-01 -8.5512273013591766e-02 - <_> - - 0 -1 2254 1.8302820622920990e-02 - - -5.6824129074811935e-02 1.0522840172052383e-01 - <_> - - 0 -1 2255 6.5802307799458504e-03 - - 3.3959459513425827e-02 -7.0342078804969788e-02 - <_> - - 0 -1 2256 -3.5527150612324476e-03 - - 9.2438496649265289e-02 -6.8014897406101227e-02 - <_> - - 0 -1 2257 1.8833009526133537e-02 - - 1.6142280772328377e-02 -7.9908937215805054e-02 - <_> - - 0 -1 2258 6.4154029823839664e-03 - - 2.4767400696873665e-02 -2.4944229423999786e-01 - <_> - - 0 -1 2259 4.6186340041458607e-03 - - 2.4536220356822014e-02 -3.1335648894309998e-01 - <_> - - 0 -1 2260 1.1884859949350357e-01 - - 2.0980369299650192e-02 -2.5818759202957153e-01 - <_> - - 0 -1 2261 1.0991309682140127e-04 - - -3.7180811166763306e-02 4.6653941273689270e-02 - <_> - - 0 -1 2262 6.1736410856246948e-01 - - -2.1467130631208420e-02 3.1791171431541443e-01 - <_> - - 0 -1 2263 3.8408428430557251e-02 - - -3.5127598792314529e-02 1.8549050390720367e-01 - <_> - - 0 -1 2264 5.3536839783191681e-02 - - -4.1895449161529541e-02 1.3988719880580902e-01 - <_> - - 0 -1 2265 8.8034123182296753e-02 - - -6.8377859890460968e-02 4.1693281382322311e-02 - <_> - - 0 -1 2266 -1.2001659721136093e-02 - - 6.1066821217536926e-02 -1.0328210145235062e-01 - <_> - - 0 -1 2267 -4.8769591376185417e-03 - - 1.2130960077047348e-01 -4.3480679392814636e-02 - <_> - - 0 -1 2268 -2.9313350096344948e-03 - - 9.8697140812873840e-02 -5.4528530687093735e-02 - <_> - - 0 -1 2269 8.7714530527591705e-03 - - 1.5202780254185200e-02 -2.7232658863067627e-01 - <_> - - 0 -1 2270 2.5236629880964756e-03 - - -3.5202231258153915e-02 1.5970990061759949e-01 - <_> - - 0 -1 2271 -7.2554531507194042e-03 - - -3.3298349380493164e-01 1.7689129337668419e-02 - <_> - - 0 -1 2272 -5.7377000339329243e-03 - - -3.4500560164451599e-01 1.3545690104365349e-02 - <_> - - 0 -1 2273 -1.7369260312989354e-03 - - 8.0387458205223083e-02 -2.9330410063266754e-02 - <_> - - 0 -1 2274 7.4976221658289433e-03 - - -2.9240680858492851e-02 1.8164479732513428e-01 - <_> - - 0 -1 2275 2.6569119654595852e-03 - - -2.1224660798907280e-02 3.1799409538507462e-02 - <_> - - 0 -1 2276 1.0299009736627340e-03 - - -1.2613479793071747e-01 4.8335380852222443e-02 - <_> - - 0 -1 2277 7.3244851082563400e-03 - - 1.1200889945030212e-02 -4.4718209654092789e-02 - <_> - - 0 -1 2278 -8.6582284420728683e-03 - - 1.4065790176391602e-01 -4.3052151799201965e-02 - <_> - - 0 -1 2279 1.1580599675653502e-04 - - -7.2923496365547180e-02 6.7385733127593994e-02 - <_> - - 0 -1 2280 -1.4025709824636579e-03 - - -1.8745669722557068e-01 3.2026190310716629e-02 - <_> - - 0 -1 2281 3.4833580255508423e-02 - - 1.2874660082161427e-02 -2.5058078765869141e-01 - <_> - - 0 -1 2282 -4.0964070707559586e-02 - - -3.3095490932464600e-01 1.5322729945182800e-02 - <_> - - 0 -1 2283 -9.9130235612392426e-03 - - 5.0588980317115784e-02 -1.4300700277090073e-02 - <_> - - 0 -1 2284 3.1872559338808060e-03 - - -3.1206250190734863e-02 1.8519160151481628e-01 - <_> - - 0 -1 2285 1.2019430141663179e-04 - - -4.5336149632930756e-02 4.4496789574623108e-02 - <_> - - 0 -1 2286 7.7739008702337742e-03 - - 3.1605679541826248e-02 -1.7864149808883667e-01 - <_> - - 0 -1 2287 -2.1307980641722679e-03 - - -3.1884080171585083e-01 4.4108141213655472e-02 - <_> - - 0 -1 2288 1.4493019552901387e-03 - - -5.2389718592166901e-02 1.0424470156431198e-01 - <_> - - 0 -1 2289 -1.8452210724353790e-01 - - 1.7595799267292023e-01 -3.3386971801519394e-02 - <_> - - 0 -1 2290 -1.1728370009222999e-04 - - 6.0376390814781189e-02 -8.8284641504287720e-02 - <_> - - 0 -1 2291 -1.9901100546121597e-02 - - 2.2972399368882179e-02 -3.1790241599082947e-02 - <_> - - 0 -1 2292 6.2372140586376190e-02 - - -2.2591490298509598e-02 2.8110951185226440e-01 - <_> - - 0 -1 2293 -3.3517589326947927e-03 - - 6.8909741938114166e-02 -2.8704280033707619e-02 - <_> - - 0 -1 2294 -7.4083356594201177e-05 - - 8.3308637142181396e-02 -5.9445090591907501e-02 - <_> - - 0 -1 2295 -1.2365039438009262e-03 - - 7.1449361741542816e-02 -4.1921019554138184e-02 - <_> - - 0 -1 2296 -1.5120030147954822e-03 - - 8.8795676827430725e-02 -5.9792499989271164e-02 - <_> - - 0 -1 2297 7.4081351049244404e-03 - - 8.0022467300295830e-03 -3.2635369896888733e-01 - <_> - - 0 -1 2298 -1.2917170301079750e-02 - - -3.4276279807090759e-01 1.3512610457837582e-02 - <_> - - 0 -1 2299 5.6006559170782566e-03 - - -3.8777850568294525e-02 1.1089079827070236e-01 - <_> - - 0 -1 2300 2.9303599148988724e-02 - - -2.5236869230866432e-02 2.0500029623508453e-01 - <_> - - 0 -1 2301 -3.3195200376212597e-04 - - 6.2742240726947784e-02 -9.6477419137954712e-02 - <_> - - 0 -1 2302 -4.3038749136030674e-03 - - 1.1313679814338684e-01 -4.6373449265956879e-02 - <_> - - 0 -1 2303 -1.7296209931373596e-02 - - -3.8349351286888123e-01 1.0016939602792263e-02 - <_> - - 0 -1 2304 -2.2030149400234222e-01 - - -3.5790899395942688e-01 1.3102149590849876e-02 - <_> - - 0 -1 2305 1.7911270260810852e-02 - - 4.1835359297692776e-03 -2.5600808858871460e-01 - <_> - - 0 -1 2306 -1.1390260420739651e-02 - - -2.6581099629402161e-01 1.9057299941778183e-02 - <_> - - 0 -1 2307 -2.8078479692339897e-02 - - 1.6174699366092682e-01 -3.2481499016284943e-02 - <_> - - 0 -1 2308 -1.9583579152822495e-02 - - -2.6070371270179749e-01 2.2547200322151184e-02 - <_> - - 0 -1 2309 7.3393443017266691e-05 - - -5.4666221141815186e-02 4.0767289698123932e-02 - <_> - - 0 -1 2310 -4.6995278447866440e-02 - - -4.4603431224822998e-01 1.1102690361440182e-02 - <_> - - 0 -1 2311 -1.1355779861332849e-04 - - 3.3556360751390457e-02 -2.4448079988360405e-02 - <_> - - 0 -1 2312 4.7428491525352001e-03 - - -3.3876050263643265e-02 1.4432670176029205e-01 - <_> - - 0 -1 2313 6.0940310359001160e-03 - - -2.6939800009131432e-02 1.8384850025177002e-01 - <_> - - 0 -1 2314 -7.4838818982243538e-03 - - -2.9266190528869629e-01 1.5399949625134468e-02 - <_> - - 0 -1 2315 7.8164823353290558e-03 - - 9.0713957324624062e-03 -3.5414189100265503e-01 - <_> - - 0 -1 2316 -5.1856059581041336e-03 - - 1.4908669888973236e-01 -3.8270790129899979e-02 - <_> - - 0 -1 2317 -4.8475480079650879e-01 - - -5.6529688835144043e-01 9.0100103989243507e-03 - <_> - - 0 -1 2318 -6.0149569064378738e-02 - - -6.6451191902160645e-01 5.7822549715638161e-03 - <_> - - 0 -1 2319 -3.2175570726394653e-02 - - -1.6214740276336670e-01 2.4788419250398874e-03 - <_> - - 0 -1 2320 6.7587220109999180e-03 - - -3.7111308425664902e-02 1.3146670162677765e-01 - <_> - - 0 -1 2321 1.2848580256104469e-02 - - 8.4516126662492752e-03 -5.2762651443481445e-01 - <_> - - 0 -1 2322 5.1822371780872345e-02 - - -2.2025400772690773e-02 2.2004729509353638e-01 - <_> - - 0 -1 2323 4.3869521468877792e-02 - - 4.6415599063038826e-03 -2.9684591293334961e-01 - <_> - - 0 -1 2324 -2.8215179219841957e-02 - - -2.3835469782352448e-01 2.0944530144333839e-02 - <_> - - 0 -1 2325 1.1462989496067166e-03 - - -3.2323900610208511e-02 9.8447293043136597e-02 - <_> - - 0 -1 2326 -9.1807021817658097e-05 - - 4.8391621559858322e-02 -1.0352600365877151e-01 - <_> - - 0 -1 2327 -3.1447969377040863e-03 - - 7.9412266612052917e-02 -3.7316069006919861e-02 - <_> - - 0 -1 2328 -1.2354710139334202e-02 - - -4.4685348868370056e-01 1.0231420397758484e-02 - <_> - - 0 -1 2329 7.3198013007640839e-02 - - -2.3037230130285025e-03 4.2292898893356323e-01 - <_> - - 0 -1 2330 2.0700140297412872e-01 - - 6.5427711233496666e-03 -6.8654668331146240e-01 - <_> - - 0 -1 2331 -2.8876150026917458e-02 - - -3.4709088504314423e-02 2.2856339812278748e-02 - <_> - - 0 -1 2332 1.1793940328061581e-02 - - -3.7016589194536209e-02 1.2962980568408966e-01 - <_> - - 0 -1 2333 -8.4449667483568192e-03 - - 1.3182109594345093e-01 -4.6101968735456467e-02 - <_> - - 0 -1 2334 -1.7379879718646407e-03 - - -1.9482420384883881e-01 2.5667199864983559e-02 - <_> - - 0 -1 2335 -1.3288700021803379e-02 - - -4.4804200530052185e-02 1.5710260719060898e-02 - <_> - - 0 -1 2336 9.5334917306900024e-02 - - 1.0352609679102898e-02 -4.4375640153884888e-01 - <_> - - 0 -1 2337 1.1624330363702029e-04 - - -5.2062071859836578e-02 4.3834179639816284e-02 - <_> - - 0 -1 2338 -1.0214909707428887e-04 - - 8.4646992385387421e-02 -5.3199101239442825e-02 - <_> - - 0 -1 2339 3.3260729163885117e-02 - - 1.0557370260357857e-02 -1.7795279622077942e-01 - <_> - - 0 -1 2340 1.0356389975640923e-04 - - -6.9730758666992188e-02 5.8773018419742584e-02 - <_> - - 0 -1 2341 -8.6508220434188843e-01 - - 5.2564299106597900e-01 -7.9431589692831039e-03 - <_> - - 0 -1 2342 5.5448818206787109e-01 - - -1.1862279847264290e-02 3.3969870209693909e-01 - <_> - - 0 -1 2343 -1.2398809939622879e-01 - - -3.0059650540351868e-01 1.0551629588007927e-02 - <_> - - 0 -1 2344 -1.8067149445414543e-02 - - 4.8538219183683395e-02 -9.4906397163867950e-02 - <_> - - 0 -1 2345 1.7284390330314636e-01 - - 2.9056880157440901e-03 -2.6223310828208923e-01 - <_> - - 0 -1 2346 -5.6298580602742732e-05 - - 3.5491660237312317e-02 -1.1942940205335617e-01 - <_> - - 0 -1 2347 4.3891761451959610e-02 - - -5.7431817986071110e-03 1.2878720462322235e-01 - <_> - - 0 -1 2348 1.1601000092923641e-02 - - -2.7580419555306435e-02 1.6389440000057220e-01 - <_> - - 0 -1 2349 1.0969590395689011e-02 - - -2.4061219766736031e-02 6.6235110163688660e-02 - <_> - - 0 -1 2350 -6.5495766699314117e-02 - - 1.4799270033836365e-01 -3.7685319781303406e-02 - <_> - - 0 -1 2351 -4.1891798377037048e-02 - - -7.0353198051452637e-01 1.4793720329180360e-03 - <_> - - 0 -1 2352 1.0460639896336943e-04 - - -6.8750366568565369e-02 6.8998672068119049e-02 - <_> - - 0 -1 2353 3.0087800696492195e-02 - - -2.4997230619192123e-02 1.6010420024394989e-01 - <_> - - 0 -1 2354 -3.5395029187202454e-01 - - -2.6776018738746643e-01 1.9514789804816246e-02 - <_> - - 0 -1 2355 -1.7325379885733128e-03 - - 9.0407662093639374e-02 -3.3809348940849304e-02 - <_> - - 0 -1 2356 -9.1078240075148642e-05 - - 6.6738963127136230e-02 -6.4228832721710205e-02 - <_> - - 0 -1 2357 1.0164060222450644e-04 - - -5.5076360702514648e-02 8.6006529629230499e-02 - <_> - - 0 -1 2358 1.0091240255860612e-04 - - -6.6988758742809296e-02 9.0417332947254181e-02 - <_> - - 0 -1 2359 1.1433399777160957e-04 - - -7.9386427998542786e-02 3.3360429108142853e-02 - <_> - - 0 -1 2360 -9.1078240075148642e-05 - - 6.8556882441043854e-02 -6.7940391600131989e-02 - <_> - - 0 -1 2361 -3.9200659841299057e-02 - - 2.6595410704612732e-01 -1.1581010185182095e-02 - <_> - - 0 -1 2362 -4.0849689394235611e-02 - - 2.3699620366096497e-01 -1.8228670582175255e-02 - <_> - - 0 -1 2363 1.5409139450639486e-03 - - 3.2854549586772919e-02 -1.3879729807376862e-01 - <_> - - 0 -1 2364 2.2081700153648853e-03 - - 2.8462519869208336e-02 -1.5396310389041901e-01 - <_> - - 0 -1 2365 2.5576550979167223e-03 - - -3.1621441245079041e-02 1.3564549386501312e-01 - <_> - - 0 -1 2366 -1.0356900282204151e-02 - - -2.8086408972740173e-01 1.6379009932279587e-02 - <_> - - 0 -1 2367 2.6948269456624985e-02 - - -7.6934508979320526e-03 1.3261960446834564e-01 - <_> - - 0 -1 2368 -9.3930400907993317e-03 - - 7.1190893650054932e-02 -6.2922917306423187e-02 - <_> - - 0 -1 2369 3.2943800091743469e-02 - - -3.3817298710346222e-02 8.7523058056831360e-02 - <_> - - 0 -1 2370 8.8589258491992950e-02 - - 1.5241189859807491e-02 -3.6706811189651489e-01 - <_> - - 0 -1 2371 -8.0594501923769712e-05 - - 5.0675150007009506e-02 -1.8724879249930382e-02 - <_> - - 0 -1 2372 7.6212047133594751e-05 - - -1.1710049957036972e-01 4.6428650617599487e-02 - <_> - - 0 -1 2373 2.9634490609169006e-02 - - 6.1184200458228588e-03 -8.1311158835887909e-02 - <_> - - 0 -1 2374 4.9311809241771698e-02 - - 1.5268309973180294e-02 -2.9420408606529236e-01 - <_> - - 0 -1 2375 5.4893750697374344e-02 - - -1.0509899817407131e-02 1.4876569807529449e-01 - <_> - - 0 -1 2376 -2.2886209189891815e-02 - - 1.1702159792184830e-01 -4.0515769273042679e-02 - <_> - - 0 -1 2377 5.3369901143014431e-03 - - 2.2458840161561966e-02 -4.7646570950746536e-02 - <_> - - 0 -1 2378 -4.3291270732879639e-02 - - 4.2726710438728333e-01 -1.0213980451226234e-02 - <_> - - 0 -1 2379 7.1153361350297928e-03 - - -9.3713469803333282e-02 1.4859509654343128e-02 - <_> - - 0 -1 2380 1.9230809994041920e-03 - - -2.8736030682921410e-02 1.5192930400371552e-01 - <_> - - 0 -1 2381 -4.8766369000077248e-03 - - -1.2188100069761276e-01 3.5688500851392746e-02 - <_> - - 0 -1 2382 8.1249003414995968e-05 - - -6.9741703569889069e-02 7.9007953405380249e-02 - <_> - - 0 -1 2383 -3.0618819873780012e-03 - - -2.4777479469776154e-01 1.6769090667366982e-02 - <_> - - 0 -1 2384 -1.0020760237239301e-04 - - 8.9383192360401154e-02 -7.5246021151542664e-02 - <_> - - 0 -1 2385 -3.5711210221052170e-03 - - 3.2868590205907822e-02 -2.6319630444049835e-02 - <_> - - 0 -1 2386 4.4158261269330978e-02 - - 9.1490726917982101e-03 -4.9472698569297791e-01 - <_> - - 0 -1 2387 -1.2411230243742466e-02 - - -7.9080909490585327e-01 1.2701259693130851e-03 - <_> - - 0 -1 2388 3.1543849036097527e-03 - - -2.6582410559058189e-02 1.6744150221347809e-01 - <_> - - 0 -1 2389 -1.0832149535417557e-02 - - -1.4656180143356323e-01 9.8041100427508354e-03 - <_> - - 0 -1 2390 -9.0239293058402836e-05 - - 8.0845810472965240e-02 -5.8461051434278488e-02 - <_> - - 0 -1 2391 -7.7505349181592464e-03 - - -6.1667799949645996e-02 1.6547329723834991e-02 - <_> - - 0 -1 2392 1.4565950259566307e-02 - - 1.5213799662888050e-02 -2.6753041148185730e-01 - <_> - - 0 -1 2393 -8.4792282432317734e-03 - - 3.0588289722800255e-02 -4.4890258461236954e-02 - <_> - - 0 -1 2394 2.5341829750686884e-03 - - -2.3893959820270538e-02 1.7228589951992035e-01 - <_> - - 0 -1 2395 -5.7597858831286430e-03 - - 1.3594760000705719e-01 -1.5244400128722191e-02 - <_> - - 0 -1 2396 -1.4607460470870137e-03 - - -1.1625000089406967e-01 5.1985260099172592e-02 - <_> - - 0 -1 2397 2.8517120517790318e-03 - - -1.7940439283847809e-02 6.0237661004066467e-02 - <_> - - 0 -1 2398 8.9769951999187469e-02 - - -9.4037447124719620e-03 4.4200161099433899e-01 - <_> - - 0 -1 2399 1.8908040598034859e-02 - - 4.9003809690475464e-03 -2.7509149909019470e-01 - <_> - - 0 -1 2400 -8.5895955562591553e-03 - - -1.7463889718055725e-01 2.4978419765830040e-02 - <_> - - 0 -1 2401 -1.4033289626240730e-02 - - 1.1389180272817612e-01 -2.2636910900473595e-02 - <_> - - 0 -1 2402 -1.2071140110492706e-02 - - 1.0377719998359680e-01 -4.1957050561904907e-02 - <_> - - 0 -1 2403 7.8776637092232704e-03 - - 4.4563128612935543e-03 -2.5385779142379761e-01 - <_> - - 0 -1 2404 9.7573982202447951e-05 - - -7.1789413690567017e-02 6.4117558300495148e-02 - <_> - - 0 -1 2405 1.1756990104913712e-01 - - -1.0103950276970863e-02 2.8671211004257202e-01 - <_> - - 0 -1 2406 -1.7693729698657990e-01 - - -3.2672521471977234e-01 1.3368690386414528e-02 - <_> - - 0 -1 2407 6.9278101436793804e-03 - - -2.6613669469952583e-02 1.6719299554824829e-01 - <_> - - 0 -1 2408 8.2964971661567688e-03 - - -5.0678610801696777e-02 1.0666640102863312e-01 - <_> - - 0 -1 2409 -1.7562190070748329e-02 - - -2.2206050157546997e-01 1.2752059847116470e-02 - <_> - - 0 -1 2410 7.2527178563177586e-03 - - 2.5016179308295250e-02 -1.8147459626197815e-01 - <_> - - 0 -1 2411 -8.3280522376298904e-03 - - 1.0262949764728546e-01 -3.1841918826103210e-02 - <_> - - 0 -1 2412 8.1564113497734070e-03 - - -2.6094259694218636e-02 1.9404900074005127e-01 - <_> - - 0 -1 2413 9.6458224579691887e-03 - - -1.7504140734672546e-02 1.8571110069751740e-01 - <_> - - 0 -1 2414 -2.6147949974983931e-03 - - 5.7285130023956299e-02 -8.5206836462020874e-02 - <_> - - 0 -1 2415 -9.0203131549060345e-05 - - 4.4843290001153946e-02 -5.5859129875898361e-02 - <_> - - 0 -1 2416 -2.2970889508724213e-01 - - 4.1338160634040833e-01 -1.0467030107975006e-02 - <_> - - 0 -1 2417 -9.3038368504494429e-05 - - 6.5610900521278381e-02 -4.6013180166482925e-02 - <_> - - 0 -1 2418 3.2218669075518847e-03 - - 1.4394659548997879e-02 -2.8860649466514587e-01 - <_> - - 0 -1 2419 -5.4404459893703461e-02 - - 3.4964048862457275e-01 -4.6711899340152740e-03 - <_> - - 0 -1 2420 8.3852171897888184e-02 - - 9.7965141758322716e-03 -4.5140910148620605e-01 - <_> - - 0 -1 2421 -7.3948511853814125e-03 - - -1.6057239472866058e-01 2.0318130031228065e-02 - <_> - - 0 -1 2422 2.6246640086174011e-01 - - -9.4673177227377892e-03 4.4844120740890503e-01 - <_> - - 0 -1 2423 -1.0621179826557636e-03 - - -1.1759970337152481e-01 3.7068329751491547e-02 - <_> - - 0 -1 2424 3.9175958372652531e-03 - - -2.8878200799226761e-02 1.5599119663238525e-01 - <_> - - 0 -1 2425 2.3374879732728004e-02 - - -3.0305700376629829e-02 4.9608588218688965e-02 - <_> - - 0 -1 2426 7.0046126842498779e-02 - - 3.0271939933300018e-02 -1.6876719892024994e-01 - <_> - - 0 -1 2427 -1.4835690148174763e-02 - - 3.7178281694650650e-02 -5.0572458654642105e-02 - <_> - - 0 -1 2428 -6.1111040413379669e-02 - - 1.4954359829425812e-01 -3.3388800919055939e-02 - <_> - - 0 -1 2429 1.2960570165887475e-03 - - 7.7619366347789764e-02 -3.0182060599327087e-01 - <_> - - 0 -1 2430 -9.6840893093030900e-05 - - 7.6822131872177124e-02 -6.0163989663124084e-02 - <_> - - 0 -1 2431 -1.2722789542749524e-03 - - -3.2610461115837097e-01 7.6267711818218231e-02 - <_> - - 0 -1 2432 2.7745799161493778e-03 - - -3.7424080073833466e-02 1.5734979510307312e-01 - <_> - - 0 -1 2433 -1.3858770020306110e-02 - - 1.0158479958772659e-01 -1.1126480065286160e-02 - <_> - - 0 -1 2434 -7.4661108665168285e-03 - - 1.5804830193519592e-01 -2.9558379203081131e-02 - <_> - - 0 -1 2435 -6.5499739721417427e-03 - - 5.3577870130538940e-02 -1.8859000876545906e-02 - <_> - - 0 -1 2436 1.7137609422206879e-02 - - 2.8566429391503334e-02 -1.6672840714454651e-01 - <_> - - 0 -1 2437 -1.5429790318012238e-01 - - -5.3008288145065308e-01 4.6510128304362297e-03 - <_> - - 0 -1 2438 1.0610629804432392e-02 - - -1.4005419798195362e-02 3.5358279943466187e-01 - <_> - - 0 -1 2439 -1.2487419694662094e-01 - - -9.2341862618923187e-02 7.7773127704858780e-03 - <_> - - 0 -1 2440 2.4952359497547150e-02 - - -1.9140990450978279e-02 2.2024959325790405e-01 - <_> - - 0 -1 2441 -1.0323809832334518e-01 - - 4.6602148562669754e-02 -8.1108592450618744e-02 - <_> - - 0 -1 2442 -4.5149028301239014e-03 - - 8.9722327888011932e-02 -5.1392719149589539e-02 - <_> - - 0 -1 2443 -1.1647379724308848e-03 - - 6.6680416464805603e-02 -2.8577109798789024e-02 - <_> - - 0 -1 2444 -2.0229439437389374e-01 - - -1.4662939310073853e-01 3.2757651060819626e-02 - <_> - - 0 -1 2445 6.6811027936637402e-03 - - -2.2777039557695389e-02 6.4059197902679443e-02 - <_> - - 0 -1 2446 1.3379199663177133e-03 - - -3.8998249918222427e-02 1.1498399823904037e-01 - <_> - - 0 -1 2447 1.1130159720778465e-02 - - 1.1183519847691059e-02 -1.2708090245723724e-01 - <_> - - 0 -1 2448 -1.6420660540461540e-02 - - -4.4360479712486267e-01 8.8887596502900124e-03 - <_> - - 0 -1 2449 1.2306580320000648e-02 - - 1.6212840564548969e-03 -6.9290822744369507e-01 - <_> - - 0 -1 2450 -1.5455400571227074e-03 - - 1.0736440122127533e-01 -3.8405489176511765e-02 - <_> - - 0 -1 2451 1.2311200052499771e-01 - - -4.0762219578027725e-03 2.4662579596042633e-01 - <_> - - 0 -1 2452 -5.8553021401166916e-02 - - -1.7537310719490051e-01 2.4212690070271492e-02 - <_> - - 0 -1 2453 4.9732271581888199e-03 - - 8.6330175399780273e-03 -3.4557878971099854e-01 - <_> - - 0 -1 2454 1.0527500126045197e-04 - - -6.1904430389404297e-02 7.3099963366985321e-02 - <_> - - 0 -1 2455 3.3458888530731201e-02 - - -5.6895300745964050e-02 1.1233749985694885e-01 - <_> - - 0 -1 2456 1.0234630107879639e-01 - - 1.7183110117912292e-02 -2.6306340098381042e-01 - <_> - - 0 -1 2457 -1.1073449626564980e-02 - - -1.2017820030450821e-01 1.5160970389842987e-02 - <_> - - 0 -1 2458 -9.2945203185081482e-02 - - -3.8352051377296448e-01 1.1504840105772018e-02 - <_> - - 0 -1 2459 9.8843947052955627e-03 - - 9.4814822077751160e-03 -7.9045042395591736e-02 - <_> - - 0 -1 2460 8.5867056623101234e-03 - - -3.8179259747266769e-02 1.1506719887256622e-01 - <_> - - 0 -1 2461 7.7010630629956722e-03 - - 8.2067763432860374e-03 -3.1945049762725830e-01 - <_> - - 0 -1 2462 9.9160419777035713e-03 - - 1.8310869112610817e-02 -2.3958839476108551e-01 - <_> - - 0 -1 2463 -2.6565459556877613e-03 - - 1.4702770113945007e-01 -3.2037820667028427e-02 - <_> - - 0 -1 2464 -7.6955580152571201e-03 - - -3.1516849994659424e-01 1.3593629933893681e-02 - <_> - - 0 -1 2465 7.8387549147009850e-03 - - 1.0083840228617191e-02 -8.1965617835521698e-02 - <_> - - 0 -1 2466 -2.0592060685157776e-01 - - 2.3605699837207794e-01 -1.7845120280981064e-02 - <_> - - 0 -1 2467 -1.0210929758613929e-04 - - 4.5697391033172607e-02 -3.6160539835691452e-02 - <_> - - 0 -1 2468 7.4321818538010120e-03 - - 1.5175740234553814e-02 -2.6345270872116089e-01 - <_> - - 0 -1 2469 -5.3089652210474014e-03 - - 3.2872479408979416e-02 -4.2499881237745285e-02 - <_> - - 0 -1 2470 -1.0211910121142864e-02 - - -1.0723040252923965e-01 3.5072378814220428e-02 - <_> - - 0 -1 2471 1.5653369948267937e-02 - - -1.4208839833736420e-01 2.5232769548892975e-02 - <_> - - 0 -1 2472 -1.5530959703028202e-02 - - 7.1468062698841095e-02 -6.0601238161325455e-02 - <_> - - 0 -1 2473 -4.0227901190519333e-03 - - 6.1269611120223999e-02 -4.4298589229583740e-02 - <_> - - 0 -1 2474 7.8046880662441254e-03 - - -4.2839359492063522e-02 1.2119139730930328e-01 - <_> - - 0 -1 2475 -2.9384619556367397e-03 - - -1.6056729853153229e-01 1.4218579977750778e-02 - <_> - - 0 -1 2476 4.7694980166852474e-03 - - -1.9999140873551369e-02 2.1468199789524078e-01 - <_> - - 0 -1 2477 6.9417068734765053e-03 - - 2.2083880379796028e-02 -6.8389862775802612e-02 - <_> - - 0 -1 2478 -3.3458590041846037e-03 - - -2.1466180682182312e-01 2.0412910729646683e-02 - <_> - - 0 -1 2479 -2.8961960226297379e-02 - - -4.1232240200042725e-01 9.1418614611029625e-03 - <_> - - 0 -1 2480 -1.2559530325233936e-02 - - -3.8228130340576172e-01 9.3479985371232033e-03 - <_> - - 0 -1 2481 7.8233212232589722e-02 - - -1.4915429987013340e-02 2.4250149726867676e-01 - <_> - - 0 -1 2482 5.5003669112920761e-02 - - 5.6673302315175533e-03 -6.4445608854293823e-01 - <_> - - 0 -1 2483 -1.2113080359995365e-02 - - 1.4756150543689728e-01 -2.7481930330395699e-02 - <_> - - 0 -1 2484 -9.3241877038963139e-05 - - 7.1323297917842865e-02 -5.4497368633747101e-02 - <_> - - 0 -1 2485 -5.1809228025376797e-03 - - -1.9661720097064972e-01 1.0387259535491467e-02 - <_> - - 0 -1 2486 2.8799069114029408e-03 - - 2.2689169272780418e-02 -1.8536199629306793e-01 - <_> - - 0 -1 2487 1.4433950127568096e-04 - - -1.6389660537242889e-01 1.3282339274883270e-01 - <_> - - 0 -1 2488 -2.9764540959149599e-03 - - 1.9814909994602203e-01 -2.2932359948754311e-02 - <_> - - 0 -1 2489 -1.7436200752854347e-02 - - -1. 1.6758659621700644e-03 - <_> - - 0 -1 2490 -9.5769818872213364e-03 - - -6.0397851467132568e-01 5.7854237966239452e-03 - <_> - - 0 -1 2491 2.6807630434632301e-02 - - -1.4236460439860821e-02 3.6326110363006592e-01 - <_> - - 0 -1 2492 -9.0954907238483429e-02 - - 5.9409832954406738e-01 -5.7622790336608887e-03 - <_> - - 0 -1 2493 9.7699109464883804e-03 - - 1.0967959649860859e-02 -9.0999282896518707e-02 - <_> - - 0 -1 2494 6.5793031826615334e-03 - - 2.2652110084891319e-02 -1.7030160129070282e-01 - <_> - - 0 -1 2495 -7.5635597109794617e-02 - - 6.6555428504943848e-01 -2.2662319242954254e-03 - <_> - - 0 -1 2496 9.9336117506027222e-02 - - -1.7142260447144508e-02 2.3149140179157257e-01 - <_> - - 0 -1 2497 1.6461970284581184e-02 - - -4.0686290711164474e-02 8.8516846299171448e-02 - <_> - - 0 -1 2498 -7.6298139989376068e-02 - - 1.9077619910240173e-01 -2.1715249866247177e-02 - <_> - - 0 -1 2499 -2.1418400108814240e-01 - - 6.8394792079925537e-01 -2.8622080571949482e-03 - <_> - - 0 -1 2500 2.5286169722676277e-02 - - -1.6091799736022949e-01 3.1155489385128021e-02 - <_> - - 0 -1 2501 1.4956890046596527e-01 - - -1.0683029890060425e-02 2.1775540709495544e-01 - <_> - - 0 -1 2502 2.9672959446907043e-01 - - -7.5341230258345604e-03 5.3798502683639526e-01 - <_> - - 0 -1 2503 1.5840710699558258e-01 - - -2.0367559045553207e-03 7.8343671560287476e-01 - <_> - - 0 -1 2504 -2.0454709883779287e-03 - - -1.6811850666999817e-01 2.5403629988431931e-02 - <_> - - 0 -1 2505 1.4253250556066632e-03 - - -1.9209619611501694e-02 9.9919341504573822e-02 - <_> - - 0 -1 2506 -6.2084808945655823e-02 - - -3.2638630270957947e-01 1.5010939911007881e-02 - <_> - - 0 -1 2507 5.3531691431999207e-02 - - 1.5144430100917816e-02 -1.2006749957799911e-01 - <_> - - 0 -1 2508 1.0787569917738438e-02 - - -3.1277839094400406e-02 1.4318579435348511e-01 - <_> - - 0 -1 2509 -1.3449840247631073e-02 - - 1.5218019485473633e-01 -2.7612710371613503e-02 - <_> - - 0 -1 2510 1.1931080371141434e-02 - - 2.9722340404987335e-02 -1.5517580509185791e-01 - <_> - - 0 -1 2511 -4.5196209102869034e-02 - - -1.8409070372581482e-01 8.7686460465192795e-03 - <_> - - 0 -1 2512 6.5672039985656738e-02 - - -6.2955729663372040e-03 7.0492321252822876e-01 - <_> - - 0 -1 2513 7.7328020706772804e-03 - - -4.4531129300594330e-02 8.6046911776065826e-02 - <_> - - 0 -1 2514 -3.0604829080402851e-03 - - 1.0113420337438583e-01 -4.2885549366474152e-02 - <_> - - 0 -1 2515 8.2347340881824493e-02 - - 3.0522139277309179e-03 -2.3243139684200287e-01 - <_> - - 0 -1 2516 -6.9534480571746826e-03 - - 5.7797849178314209e-02 -7.6140359044075012e-02 - <_> - - 0 -1 2517 -1.4939639717340469e-02 - - 6.9081947207450867e-02 -4.3814908713102341e-02 - <_> - - 0 -1 2518 1.1418660171329975e-02 - - -3.2972648739814758e-02 1.6681009531021118e-01 - <_> - - 0 -1 2519 2.5770820677280426e-02 - - -4.2302068322896957e-02 1.1955089867115021e-01 - <_> - - 0 -1 2520 -8.1753218546509743e-03 - - 9.1556102037429810e-02 -5.3072091192007065e-02 - <_> - - 0 -1 2521 -2.1397249773144722e-02 - - 2.0224739611148834e-01 -2.8093929868191481e-03 - <_> - - 0 -1 2522 1.2690890580415726e-03 - - -3.5791151225566864e-02 1.2621949613094330e-01 - <_> - - 0 -1 2523 8.2354843616485596e-03 - - 3.1432591378688812e-02 -5.5796068161725998e-02 - <_> - - 0 -1 2524 4.4060330837965012e-02 - - 1.2473659589886665e-02 -3.6804640293121338e-01 - <_> - - 0 -1 2525 1.0450479749124497e-04 - - -4.5484520494937897e-02 3.2811541110277176e-02 - <_> - - 0 -1 2526 -6.3033318147063255e-03 - - 1.3801789283752441e-01 -3.1995330005884171e-02 - <_> - 415 - -1.3446700572967529e+00 - - <_> - - 0 -1 2527 -2.7316650375723839e-02 - - 2.7487730979919434e-01 -1.5850859880447388e-01 - <_> - - 0 -1 2528 7.6439790427684784e-03 - - -7.4583776295185089e-02 1.5125609934329987e-01 - <_> - - 0 -1 2529 -6.9862797856330872e-02 - - 2.8707519173622131e-01 -8.9994929730892181e-02 - <_> - - 0 -1 2530 -1.0788509994745255e-01 - - -3.3596950769424438e-01 2.0893020555377007e-02 - <_> - - 0 -1 2531 -1.5034900046885014e-02 - - 8.6543716490268707e-02 -2.3165270686149597e-01 - <_> - - 0 -1 2532 1.7096489667892456e-02 - - 1.2342380359768867e-02 3.7771260738372803e-01 - <_> - - 0 -1 2533 -2.1886809263378382e-03 - - 1.5675470232963562e-01 -1.1138690263032913e-01 - <_> - - 0 -1 2534 -2.4373169988393784e-02 - - 2.1010430157184601e-01 -1.4367789961397648e-02 - <_> - - 0 -1 2535 -8.1659909337759018e-03 - - 1.7865429818630219e-01 -9.5783412456512451e-02 - <_> - - 0 -1 2536 -7.5612151995301247e-03 - - 2.5702549144625664e-02 -7.9344697296619415e-02 - <_> - - 0 -1 2537 -6.5740081481635571e-04 - - -1.4089170098304749e-01 8.0607332289218903e-02 - <_> - - 0 -1 2538 -8.8607652287464589e-05 - - 7.5460836291313171e-02 -1.8756809830665588e-01 - <_> - - 0 -1 2539 6.2588072614744306e-04 - - 4.6485811471939087e-02 -2.5176569819450378e-01 - <_> - - 0 -1 2540 -1.2103809975087643e-02 - - 1.3484419882297516e-01 -8.9047953486442566e-02 - <_> - - 0 -1 2541 -6.8692131899297237e-03 - - 2.1173520386219025e-01 -6.5386101603507996e-02 - <_> - - 0 -1 2542 5.6604170240461826e-03 - - -1.3595540076494217e-02 1.8750169873237610e-01 - <_> - - 0 -1 2543 -9.4631352112628520e-05 - - 5.0867721438407898e-02 -1.8780030310153961e-01 - <_> - - 0 -1 2544 3.4878090955317020e-03 - - -5.1359388977289200e-02 1.1506889760494232e-01 - <_> - - 0 -1 2545 -9.4707533717155457e-03 - - 9.8822489380836487e-02 -9.3697369098663330e-02 - <_> - - 0 -1 2546 1.4385590329766273e-02 - - -7.8755013644695282e-02 3.1363941729068756e-02 - <_> - - 0 -1 2547 -1.4251519460231066e-03 - - 1.4444510638713837e-01 -6.3101217150688171e-02 - <_> - - 0 -1 2548 3.6899289116263390e-03 - - 2.3989859968423843e-02 -3.2146468758583069e-01 - <_> - - 0 -1 2549 -6.8723889999091625e-03 - - -2.5446730852127075e-01 3.3128850162029266e-02 - <_> - - 0 -1 2550 2.4660020135343075e-03 - - -4.3644420802593231e-02 1.4037939906120300e-01 - <_> - - 0 -1 2551 9.1303391382098198e-03 - - 2.3647300899028778e-02 -3.7906241416931152e-01 - <_> - - 0 -1 2552 -3.0127069912850857e-03 - - 2.3551990091800690e-01 -4.2731329798698425e-02 - <_> - - 0 -1 2553 1.1245849542319775e-02 - - 2.3805119097232819e-02 -3.1765449047088623e-01 - <_> - - 0 -1 2554 4.4033519923686981e-02 - - 1.5065879561007023e-02 -2.5235170125961304e-01 - <_> - - 0 -1 2555 -4.1104990988969803e-02 - - -2.5063040852546692e-01 3.0693089589476585e-02 - <_> - - 0 -1 2556 -3.6634609103202820e-02 - - 1.9319459795951843e-01 -4.1235551238059998e-02 - <_> - - 0 -1 2557 1.4633010141551495e-02 - - -6.6459119319915771e-02 1.5650509297847748e-01 - <_> - - 0 -1 2558 6.3870670273900032e-03 - - -2.6944689452648163e-02 3.7887599319219589e-02 - <_> - - 0 -1 2559 -8.5294283926486969e-03 - - 7.7619388699531555e-02 -1.0268399864435196e-01 - <_> - - 0 -1 2560 1.0175130330026150e-02 - - 2.1145140752196312e-02 -2.7438971400260925e-01 - <_> - - 0 -1 2561 4.6252820640802383e-02 - - -3.2085079699754715e-02 2.9516988992691040e-01 - <_> - - 0 -1 2562 -2.0645210519433022e-02 - - 9.0427830815315247e-02 -3.8768420927226543e-03 - <_> - - 0 -1 2563 -1.8383029848337173e-02 - - -3.1522661447525024e-01 3.0239699408411980e-02 - <_> - - 0 -1 2564 -7.0474706590175629e-02 - - 8.4262803196907043e-02 -9.4253793358802795e-02 - <_> - - 0 -1 2565 2.8779879212379456e-02 - - -4.3083410710096359e-02 2.5382921099662781e-01 - <_> - - 0 -1 2566 -3.9638858288526535e-03 - - -3.0343660712242126e-01 2.6317149400711060e-02 - <_> - - 0 -1 2567 -7.3942821472883224e-03 - - -4.3046790361404419e-01 1.5894040465354919e-02 - <_> - - 0 -1 2568 -3.9092078804969788e-02 - - -4.6360069513320923e-01 1.1617040261626244e-02 - <_> - - 0 -1 2569 -4.2651049792766571e-02 - - -4.4052749872207642e-01 1.4934539794921875e-02 - <_> - - 0 -1 2570 -3.2970950007438660e-02 - - -3.4874680638313293e-01 -3.7375820102170110e-04 - <_> - - 0 -1 2571 -1.3688179664313793e-02 - - 2.4025470018386841e-01 -3.0663989484310150e-02 - <_> - - 0 -1 2572 3.6174680572003126e-03 - - -4.3150220066308975e-02 1.1144080013036728e-01 - <_> - - 0 -1 2573 -1.8408719450235367e-02 - - -3.0483740568161011e-01 2.2827899083495140e-02 - <_> - - 0 -1 2574 8.4504440426826477e-02 - - -9.5612574368715286e-03 2.0102660357952118e-01 - <_> - - 0 -1 2575 3.1940080225467682e-02 - - 2.8196170926094055e-02 -2.6275300979614258e-01 - <_> - - 0 -1 2576 -5.6045739911496639e-03 - - 9.5459349453449249e-02 -7.0795007050037384e-02 - <_> - - 0 -1 2577 -2.7486490085721016e-02 - - -1.2586189806461334e-01 5.3209599107503891e-02 - <_> - - 0 -1 2578 4.0080148726701736e-02 - - -1.9919050391763449e-03 2.6778548955917358e-01 - <_> - - 0 -1 2579 -6.0500898398458958e-03 - - 1.0807660222053528e-01 -7.6502397656440735e-02 - <_> - - 0 -1 2580 1.6309870406985283e-02 - - 3.1113339588046074e-02 -2.2906629741191864e-01 - <_> - - 0 -1 2581 -2.1269150078296661e-02 - - -2.7229338884353638e-01 2.6028970256447792e-02 - <_> - - 0 -1 2582 -1.1312039714539424e-04 - - 5.4071560502052307e-02 -1.2318380177021027e-01 - <_> - - 0 -1 2583 -2.5106180459260941e-02 - - 1.9082669913768768e-01 -4.0326580405235291e-02 - <_> - - 0 -1 2584 -3.2266911119222641e-02 - - 6.0755331069231033e-02 -2.3014400154352188e-02 - <_> - - 0 -1 2585 -1.5903979539871216e-02 - - 6.6860802471637726e-02 -1.1064460128545761e-01 - <_> - - 0 -1 2586 6.2107760459184647e-03 - - 8.0979540944099426e-03 -2.5538039207458496e-01 - <_> - - 0 -1 2587 -9.4095463282428682e-05 - - 6.3928060233592987e-02 -1.1833990365266800e-01 - <_> - - 0 -1 2588 5.5843768641352654e-03 - - -5.0344880670309067e-02 1.4636759459972382e-01 - <_> - - 0 -1 2589 -7.3416143655776978e-02 - - -3.6426061391830444e-01 1.7588060349225998e-02 - <_> - - 0 -1 2590 7.9857250675559044e-03 - - -2.0407540723681450e-02 2.0582839846611023e-01 - <_> - - 0 -1 2591 -4.6555800363421440e-03 - - 1.1924490332603455e-01 -5.3060591220855713e-02 - <_> - - 0 -1 2592 -1.4567379839718342e-03 - - 8.0878950655460358e-02 -3.4969870001077652e-02 - <_> - - 0 -1 2593 -4.0669189766049385e-03 - - 1.3475550711154938e-01 -6.0763791203498840e-02 - <_> - - 0 -1 2594 -1.9439009483903646e-03 - - 3.5232741385698318e-02 -1.8867930397391319e-02 - <_> - - 0 -1 2595 -2.1124959457665682e-03 - - 9.3589469790458679e-02 -7.2769477963447571e-02 - <_> - - 0 -1 2596 -4.3111350387334824e-03 - - 2.3961730301380157e-02 -5.8411359786987305e-02 - <_> - - 0 -1 2597 5.6312880478799343e-03 - - 4.9782160669565201e-02 -1.3893429934978485e-01 - <_> - - 0 -1 2598 -2.9775509610772133e-02 - - -2.3828829824924469e-01 8.3421133458614349e-03 - <_> - - 0 -1 2599 -2.4996970314532518e-03 - - 7.0528857409954071e-02 -8.8426813483238220e-02 - <_> - - 0 -1 2600 -4.1618719696998596e-02 - - -4.5704779028892517e-01 2.4038259289227426e-04 - <_> - - 0 -1 2601 -1.7385400831699371e-02 - - -2.1895749866962433e-01 2.9016839340329170e-02 - <_> - - 0 -1 2602 -1.5565169742330909e-03 - - 3.5198878496885300e-02 -4.7955259680747986e-02 - <_> - - 0 -1 2603 1.1509309842949733e-04 - - -7.5342476367950439e-02 8.2199811935424805e-02 - <_> - - 0 -1 2604 4.9892379902303219e-03 - - 5.8806170709431171e-03 -3.6068248748779297e-01 - <_> - - 0 -1 2605 -1.0128300345968455e-04 - - 8.4276176989078522e-02 -6.8763136863708496e-02 - <_> - - 0 -1 2606 9.9149248853791505e-05 - - -6.1370018869638443e-02 9.2962853610515594e-02 - <_> - - 0 -1 2607 -7.4688978202175349e-05 - - 6.6261902451515198e-02 -8.9723907411098480e-02 - <_> - - 0 -1 2608 -1.1687710136175156e-01 - - -2.6946708559989929e-01 2.2773561067879200e-03 - <_> - - 0 -1 2609 -4.5594099909067154e-02 - - -2.1460740268230438e-01 2.7173580601811409e-02 - <_> - - 0 -1 2610 -2.0167430862784386e-02 - - -2.1186199784278870e-01 2.1692689508199692e-02 - <_> - - 0 -1 2611 -2.0116599276661873e-02 - - -4.2579978704452515e-01 1.2864829972386360e-02 - <_> - - 0 -1 2612 1.0467610554769635e-03 - - 3.5689130425453186e-02 -1.3110220432281494e-01 - <_> - - 0 -1 2613 -2.2577140480279922e-02 - - -2.8517609834671021e-01 1.9716870039701462e-02 - <_> - - 0 -1 2614 -1.6918679466471076e-03 - - -2.2059449553489685e-01 3.4719381481409073e-02 - <_> - - 0 -1 2615 -1.7014020122587681e-03 - - 1.6053110361099243e-01 -3.8246080279350281e-02 - <_> - - 0 -1 2616 6.3295272411778569e-04 - - 6.1598058789968491e-02 -1.5416809916496277e-01 - <_> - - 0 -1 2617 6.3840970396995544e-03 - - -4.4685110449790955e-02 1.4613169431686401e-01 - <_> - - 0 -1 2618 1.1487339623272419e-02 - - -2.0203100517392159e-02 1.0990539938211441e-01 - <_> - - 0 -1 2619 -9.9725337349809706e-05 - - 8.8752306997776031e-02 -7.8050062060356140e-02 - <_> - - 0 -1 2620 -1.3515730388462543e-02 - - 1.2383879721164703e-01 -6.8068411201238632e-03 - <_> - - 0 -1 2621 -1.9129710271954536e-02 - - -4.0590089559555054e-01 1.4618029817938805e-02 - <_> - - 0 -1 2622 -3.4465670585632324e-02 - - 2.8184041380882263e-01 -2.2152330726385117e-02 - <_> - - 0 -1 2623 -2.0487470552325249e-02 - - 8.6006246507167816e-02 -7.4289858341217041e-02 - <_> - - 0 -1 2624 2.1417900919914246e-02 - - -5.0567369908094406e-02 1.7608459293842316e-01 - <_> - - 0 -1 2625 1.0022870264947414e-04 - - -7.6136611402034760e-02 7.7453456819057465e-02 - <_> - - 0 -1 2626 -1.1440980015322566e-03 - - 1.3106130063533783e-01 -5.9427108615636826e-02 - <_> - - 0 -1 2627 -1.4926489675417542e-03 - - 1.1569160223007202e-01 -5.1303990185260773e-02 - <_> - - 0 -1 2628 -1.4178160345181823e-03 - - -1.1656679958105087e-01 3.6218471825122833e-02 - <_> - - 0 -1 2629 -4.7570239752531052e-02 - - -3.0153951048851013e-01 1.7995720729231834e-02 - <_> - - 0 -1 2630 6.7516998387873173e-03 - - 4.5671020634472370e-03 -3.2800048589706421e-01 - <_> - - 0 -1 2631 -9.9902870715595782e-05 - - 6.2831349670886993e-02 -9.0242616832256317e-02 - <_> - - 0 -1 2632 4.4691278599202633e-03 - - 1.6881229355931282e-02 -2.5619581341743469e-01 - <_> - - 0 -1 2633 -1.5597039600834250e-03 - - 1.5142050385475159e-01 -3.4283578395843506e-02 - <_> - - 0 -1 2634 -2.9167518950998783e-03 - - -2.3072950541973114e-01 1.3630339875817299e-02 - <_> - - 0 -1 2635 9.9341967143118382e-05 - - -7.1005381643772125e-02 8.1697426736354828e-02 - <_> - - 0 -1 2636 1.1012300092261285e-04 - - -3.6688800901174545e-02 5.5210899561643600e-02 - <_> - - 0 -1 2637 -1.2116230209358037e-04 - - 7.6930791139602661e-02 -7.8013658523559570e-02 - <_> - - 0 -1 2638 8.2692378782667220e-05 - - -6.9511868059635162e-02 5.4754100739955902e-02 - <_> - - 0 -1 2639 -5.7337670587003231e-03 - - -3.8145920634269714e-01 1.3249520212411880e-02 - <_> - - 0 -1 2640 8.4541890828404576e-05 - - -5.8527629822492599e-02 5.2114509046077728e-02 - <_> - - 0 -1 2641 -3.2148940954357386e-03 - - 1.9818669557571411e-01 -2.7734709903597832e-02 - <_> - - 0 -1 2642 2.6157390326261520e-02 - - -2.9161190614104271e-02 9.3741878867149353e-02 - <_> - - 0 -1 2643 -1.4505890198051929e-02 - - -2.2876620292663574e-01 2.3291150107979774e-02 - <_> - - 0 -1 2644 8.5460231639444828e-04 - - -1.7463499680161476e-02 4.9941889941692352e-02 - <_> - - 0 -1 2645 -7.4818951543420553e-04 - - 5.3755320608615875e-02 -1.2013070285320282e-01 - <_> - - 0 -1 2646 2.7736639603972435e-02 - - -4.6890750527381897e-03 5.5901169776916504e-01 - <_> - - 0 -1 2647 3.9643929339945316e-03 - - -3.6292050033807755e-02 1.5132050216197968e-01 - <_> - - 0 -1 2648 -2.2398240398615599e-03 - - -3.6148559302091599e-02 1.3452059589326382e-02 - <_> - - 0 -1 2649 -3.9014678914099932e-03 - - 1.1665710061788559e-01 -5.8023910969495773e-02 - <_> - - 0 -1 2650 7.8577287495136261e-03 - - -4.5177441090345383e-02 1.5682870149612427e-01 - <_> - - 0 -1 2651 2.2638099268078804e-02 - - -1.3579820096492767e-01 4.2554739862680435e-02 - <_> - - 0 -1 2652 -2.5986449792981148e-02 - - 1.7888210713863373e-01 -4.7442611306905746e-02 - <_> - - 0 -1 2653 1.9732700660824776e-02 - - -2.7600640431046486e-02 2.1244800090789795e-01 - <_> - - 0 -1 2654 -4.2725708335638046e-03 - - 4.8975061625242233e-02 -6.9325067102909088e-02 - <_> - - 0 -1 2655 3.9207109808921814e-01 - - -1.2857420369982719e-02 4.3954390287399292e-01 - <_> - - 0 -1 2656 -5.9483079239726067e-03 - - -3.7634629011154175e-01 8.6762178689241409e-03 - <_> - - 0 -1 2657 -8.9699737145565450e-05 - - 7.6080530881881714e-02 -8.0823980271816254e-02 - <_> - - 0 -1 2658 -8.3298161625862122e-03 - - -1.1028739809989929e-01 1.4299210160970688e-02 - <_> - - 0 -1 2659 -1.1061090044677258e-02 - - 2.3409999907016754e-01 -2.2986939176917076e-02 - <_> - - 0 -1 2660 -3.4027020446956158e-03 - - 1.2203729897737503e-01 -2.9225839301943779e-02 - <_> - - 0 -1 2661 8.6490763351321220e-05 - - -6.7251376807689667e-02 7.6228253543376923e-02 - <_> - - 0 -1 2662 6.6004507243633270e-02 - - 8.9948913082480431e-03 -1.1085270345211029e-01 - <_> - - 0 -1 2663 -6.1384908854961395e-02 - - -3.7708151340484619e-01 1.3758949935436249e-02 - <_> - - 0 -1 2664 2.2467050701379776e-02 - - 1.3185550458729267e-02 -1.5804879367351532e-01 - <_> - - 0 -1 2665 -1.0128029622137547e-02 - - 1.0872840136289597e-01 -5.3388658910989761e-02 - <_> - - 0 -1 2666 1.0057699866592884e-02 - - -4.2716991156339645e-02 1.2052679806947708e-01 - <_> - - 0 -1 2667 -1.4173669740557671e-02 - - -2.0305970311164856e-01 2.4551179260015488e-02 - <_> - - 0 -1 2668 -2.3401159793138504e-02 - - -4.0858080983161926e-01 2.0997230894863605e-03 - <_> - - 0 -1 2669 -1.2913989834487438e-02 - - -3.5346880555152893e-01 1.3238550163805485e-02 - <_> - - 0 -1 2670 1.1887939646840096e-02 - - -2.4994270876049995e-02 1.0629689693450928e-01 - <_> - - 0 -1 2671 1.4728870242834091e-02 - - 1.2584480457007885e-02 -3.5870888829231262e-01 - <_> - - 0 -1 2672 -2.6837689802050591e-03 - - 5.5337000638246536e-02 -3.3083409070968628e-02 - <_> - - 0 -1 2673 8.5124364122748375e-03 - - -5.2581608295440674e-02 1.2180329859256744e-01 - <_> - - 0 -1 2674 -9.1770477592945099e-03 - - -3.4201860427856445e-01 8.0853570252656937e-03 - <_> - - 0 -1 2675 8.6409807205200195e-02 - - 2.2997839376330376e-02 -2.0930939912796021e-01 - <_> - - 0 -1 2676 -1.4614709652960300e-02 - - -3.1371870636940002e-01 8.6596552282571793e-03 - <_> - - 0 -1 2677 -1.0003909847000614e-04 - - 4.7573979943990707e-02 -1.1311870068311691e-01 - <_> - - 0 -1 2678 1.4839449431747198e-03 - - -5.4255820810794830e-02 7.0115558803081512e-02 - <_> - - 0 -1 2679 4.3706027790904045e-03 - - -4.4686149805784225e-02 1.2047159671783447e-01 - <_> - - 0 -1 2680 1.4132079482078552e-01 - - 1.2737610377371311e-02 -1.4522150158882141e-01 - <_> - - 0 -1 2681 2.4103390052914619e-02 - - -2.4701459333300591e-02 1.9275949895381927e-01 - <_> - - 0 -1 2682 4.3824901804327965e-03 - - 2.7143049985170364e-02 -1.6311520338058472e-01 - <_> - - 0 -1 2683 -1.0324969887733459e-01 - - -1.4729699492454529e-01 3.1285788863897324e-02 - <_> - - 0 -1 2684 -5.8382350951433182e-02 - - 9.8135061562061310e-02 -3.9102800190448761e-02 - <_> - - 0 -1 2685 -1.9191790372133255e-02 - - 7.1935810148715973e-02 -8.2254111766815186e-02 - <_> - - 0 -1 2686 1.6117200255393982e-02 - - -3.9202481508255005e-02 9.5867179334163666e-02 - <_> - - 0 -1 2687 -6.6582779400050640e-03 - - 9.4062991440296173e-02 -5.7329818606376648e-02 - <_> - - 0 -1 2688 -1.6119579970836639e-01 - - -1.7675599455833435e-01 1.3390669599175453e-02 - <_> - - 0 -1 2689 -1.6168789565563202e-01 - - 2.7366220951080322e-01 -1.9569290801882744e-02 - <_> - - 0 -1 2690 -4.0631181001663208e-01 - - 1.6015130281448364e-01 -3.3474721014499664e-02 - <_> - - 0 -1 2691 2.6102520525455475e-02 - - -3.3659111708402634e-02 1.7118139564990997e-01 - <_> - - 0 -1 2692 2.0601820200681686e-02 - - 1.6000960022211075e-02 -2.3066750168800354e-01 - <_> - - 0 -1 2693 1.0951990261673927e-02 - - 2.4326240643858910e-02 -1.9323149323463440e-01 - <_> - - 0 -1 2694 -1.5384820289909840e-02 - - 1.2911400198936462e-01 -2.3152599111199379e-02 - <_> - - 0 -1 2695 9.1529190540313721e-03 - - -2.7552120387554169e-02 1.9494320452213287e-01 - <_> - - 0 -1 2696 5.8382698334753513e-03 - - -3.7690669298171997e-02 5.3948331624269485e-02 - <_> - - 0 -1 2697 -1.7356640100479126e-01 - - 1.5356999635696411e-01 -3.3633600920438766e-02 - <_> - - 0 -1 2698 7.6276779174804688e-02 - - 1.5475229592993855e-03 -7.5983768701553345e-01 - <_> - - 0 -1 2699 -1.7654739320278168e-02 - - -1.5101839601993561e-01 3.4960251301527023e-02 - <_> - - 0 -1 2700 5.0020511262118816e-03 - - 1.0976109653711319e-02 -1.1282850056886673e-01 - <_> - - 0 -1 2701 -7.6133022957947105e-05 - - 6.5145239233970642e-02 -8.6627103388309479e-02 - <_> - - 0 -1 2702 8.4629254415631294e-03 - - -3.0137870460748672e-02 7.9518511891365051e-02 - <_> - - 0 -1 2703 -5.5159530602395535e-03 - - 1.1917640268802643e-01 -4.7046270221471786e-02 - <_> - - 0 -1 2704 -1.0923639871180058e-02 - - -2.0526829361915588e-01 1.4711259864270687e-02 - <_> - - 0 -1 2705 -1.1515899561345577e-02 - - -2.4651350080966949e-01 2.2872030735015869e-02 - <_> - - 0 -1 2706 3.6823050322709605e-05 - - -6.6898003220558167e-02 7.6234780251979828e-02 - <_> - - 0 -1 2707 -1.3713270425796509e-02 - - 2.0567509531974792e-01 -2.3606160655617714e-02 - <_> - - 0 -1 2708 -5.5889528244733810e-02 - - -2.7449899911880493e-01 1.3196709565818310e-02 - <_> - - 0 -1 2709 -7.8329117968678474e-03 - - -3.5972028970718384e-01 1.2990689836442471e-02 - <_> - - 0 -1 2710 -7.7925767982378602e-04 - - -1.4078480005264282e-01 4.9385368824005127e-02 - <_> - - 0 -1 2711 -5.0162840634584427e-03 - - 1.9255110621452332e-01 -2.6873560622334480e-02 - <_> - - 0 -1 2712 8.3736347733065486e-04 - - 6.6555291414260864e-02 -1.9420300424098969e-01 - <_> - - 0 -1 2713 -3.5831771790981293e-02 - - 8.7871067225933075e-02 -5.5707920342683792e-02 - <_> - - 0 -1 2714 -2.4628289975225925e-03 - - -2.0921580493450165e-01 1.8114559352397919e-02 - <_> - - 0 -1 2715 9.1072899522259831e-05 - - -6.9014422595500946e-02 8.4240511059761047e-02 - <_> - - 0 -1 2716 -9.2241833044681698e-05 - - 4.5415610074996948e-02 -3.6202490329742432e-02 - <_> - - 0 -1 2717 -9.7194097179453820e-05 - - 8.1714563071727753e-02 -7.3729299008846283e-02 - <_> - - 0 -1 2718 -1.4691230654716492e-01 - - 4.7253649681806564e-02 -1.1035589873790741e-01 - <_> - - 0 -1 2719 4.6493168920278549e-03 - - -2.2682029753923416e-02 2.3072040081024170e-01 - <_> - - 0 -1 2720 -3.0784970149397850e-02 - - 1.5000149607658386e-01 -8.1769423559308052e-03 - <_> - - 0 -1 2721 4.7821208834648132e-02 - - 1.2351839803159237e-02 -3.6188510060310364e-01 - <_> - - 0 -1 2722 9.8456286650616676e-05 - - -3.4333311021327972e-02 4.0087040513753891e-02 - <_> - - 0 -1 2723 1.0053080040961504e-04 - - -6.2489669770002365e-02 6.9051243364810944e-02 - <_> - - 0 -1 2724 -1.1028290027752519e-03 - - 1.1222849786281586e-01 -4.7414951026439667e-02 - <_> - - 0 -1 2725 -1.0884639777941629e-04 - - 7.9145051538944244e-02 -7.1242846548557281e-02 - <_> - - 0 -1 2726 7.7682570554316044e-03 - - 8.4031699225306511e-03 -1.8451359868049622e-01 - <_> - - 0 -1 2727 -1.0334140388295054e-03 - - 7.7164746820926666e-02 -5.5574499070644379e-02 - <_> - - 0 -1 2728 -3.0169570818543434e-03 - - 6.5370842814445496e-02 -6.8895407021045685e-02 - <_> - - 0 -1 2729 4.2601529508829117e-02 - - 9.5762135460972786e-03 -4.5295569300651550e-01 - <_> - - 0 -1 2730 8.9718572795391083e-02 - - 5.8670719154179096e-03 -6.6131949424743652e-01 - <_> - - 0 -1 2731 -1.9257919630035758e-03 - - 1.2355759739875793e-01 -3.5531468689441681e-02 - <_> - - 0 -1 2732 -4.6729970723390579e-02 - - -3.8210949301719666e-01 2.5716701056808233e-03 - <_> - - 0 -1 2733 -1.9390480592846870e-02 - - -2.6054370403289795e-01 1.8408829346299171e-02 - <_> - - 0 -1 2734 -3.3818829804658890e-02 - - -8.3000667393207550e-02 1.8959350883960724e-02 - <_> - - 0 -1 2735 -2.7817259542644024e-03 - - 5.1791708916425705e-02 -9.4872772693634033e-02 - <_> - - 0 -1 2736 6.0290079563856125e-03 - - -4.2852569371461868e-02 8.8055506348609924e-02 - <_> - - 0 -1 2737 -6.8631009198725224e-03 - - 1.6017200052738190e-01 -3.7203401327133179e-02 - <_> - - 0 -1 2738 1.1772879958152771e-01 - - -1.8191840499639511e-03 6.7784088850021362e-01 - <_> - - 0 -1 2739 9.8577737808227539e-02 - - -6.5248049795627594e-03 6.2354952096939087e-01 - <_> - - 0 -1 2740 -1.1462450027465820e-02 - - -1.9901570677757263e-01 8.0179795622825623e-03 - <_> - - 0 -1 2741 -1.6331799328327179e-01 - - 9.0368956327438354e-02 -5.3411129862070084e-02 - <_> - - 0 -1 2742 -7.8257713466882706e-03 - - 7.4546746909618378e-02 -1.3470030389726162e-02 - <_> - - 0 -1 2743 8.9898668229579926e-03 - - 1.2299000285565853e-02 -3.7481948733329773e-01 - <_> - - 0 -1 2744 -5.6645218282938004e-02 - - 3.5397979617118835e-01 -2.1140910685062408e-03 - <_> - - 0 -1 2745 -4.2577688582241535e-03 - - 9.0883523225784302e-02 -5.0522129982709885e-02 - <_> - - 0 -1 2746 -7.0387452840805054e-02 - - 8.3182856440544128e-02 -1.1604440398514271e-02 - <_> - - 0 -1 2747 -1.3627569377422333e-01 - - -4.9146878719329834e-01 9.1721685603260994e-03 - <_> - - 0 -1 2748 -3.8915369659662247e-02 - - 6.6144913434982300e-02 -2.0414689555764198e-02 - <_> - - 0 -1 2749 -8.5782501846551895e-03 - - -1.2900049984455109e-01 4.2405869811773300e-02 - <_> - - 0 -1 2750 4.3098080903291702e-02 - - -1.8007570877671242e-02 2.4129959940910339e-01 - <_> - - 0 -1 2751 -3.3460808917880058e-03 - - 1.4778639376163483e-01 -3.3262528479099274e-02 - <_> - - 0 -1 2752 5.3540067747235298e-03 - - 1.4319010078907013e-02 -2.9529830813407898e-01 - <_> - - 0 -1 2753 -1.1729090329026803e-04 - - 5.7986699044704437e-02 -7.5029499828815460e-02 - <_> - - 0 -1 2754 -1.3683609664440155e-01 - - -2.7513518929481506e-01 8.0752503126859665e-03 - <_> - - 0 -1 2755 5.7693019509315491e-02 - - -1.1471459642052650e-02 3.7974670529365540e-01 - <_> - - 0 -1 2756 2.1746279671788216e-02 - - 2.2382160648703575e-02 -5.4663319140672684e-02 - <_> - - 0 -1 2757 -5.4478328675031662e-02 - - -5.7317501306533813e-01 8.2423100247979164e-03 - <_> - - 0 -1 2758 2.3975670337677002e-02 - - -2.3942779749631882e-02 1.8982769548892975e-01 - <_> - - 0 -1 2759 -3.4061338752508163e-02 - - -9.0856909751892090e-02 4.9854729324579239e-02 - <_> - - 0 -1 2760 5.6406371295452118e-03 - - -2.4469649791717529e-01 1.9837260246276855e-02 - <_> - - 0 -1 2761 1.5809290111064911e-01 - - -1.3730409555137157e-02 3.8538208603858948e-01 - <_> - - 0 -1 2762 -1.7964139580726624e-02 - - -7.9316347837448120e-02 1.2321749702095985e-02 - <_> - - 0 -1 2763 -1.1972050182521343e-02 - - -1.4300990104675293e-01 3.0117489397525787e-02 - <_> - - 0 -1 2764 1.3162150047719479e-02 - - 1.1303279548883438e-02 -1.7486180365085602e-01 - <_> - - 0 -1 2765 -8.5265472531318665e-02 - - -3.9678549766540527e-01 1.0860330425202847e-02 - <_> - - 0 -1 2766 1.7804340459406376e-03 - - -3.9756961166858673e-02 1.1241979897022247e-01 - <_> - - 0 -1 2767 -9.3962233222555369e-05 - - 6.7450180649757385e-02 -6.8437807261943817e-02 - <_> - - 0 -1 2768 -2.9045040719211102e-03 - - -1.5429930388927460e-01 1.6898680478334427e-02 - <_> - - 0 -1 2769 1.0914620361290872e-04 - - -6.4099319279193878e-02 8.4356158971786499e-02 - <_> - - 0 -1 2770 -2.6563489809632301e-02 - - -2.3420210182666779e-01 6.7638568580150604e-03 - <_> - - 0 -1 2771 5.8761797845363617e-03 - - 4.1062418371438980e-02 -1.1332540214061737e-01 - <_> - - 0 -1 2772 1.6818059608340263e-02 - - -3.7261139601469040e-02 1.0307539999485016e-01 - <_> - - 0 -1 2773 -6.8439432652667165e-05 - - 7.6601967215538025e-02 -6.5059483051300049e-02 - <_> - - 0 -1 2774 5.9544979594647884e-03 - - -5.1745139062404633e-02 1.1782070249319077e-01 - <_> - - 0 -1 2775 2.4542519822716713e-02 - - -4.4502120465040207e-02 1.3515689969062805e-01 - <_> - - 0 -1 2776 -1.7439179122447968e-02 - - -3.5987889766693115e-01 4.2388997972011566e-03 - <_> - - 0 -1 2777 8.4699690341949463e-02 - - -9.4887204468250275e-03 4.8985049128532410e-01 - <_> - - 0 -1 2778 5.8426469564437866e-02 - - -1.7764889635145664e-03 2.4012650549411774e-01 - <_> - - 0 -1 2779 -4.6921251341700554e-03 - - -1.8347929418087006e-01 2.4366600438952446e-02 - <_> - - 0 -1 2780 1.6189800226129591e-04 - - -1.5806570649147034e-02 6.0901619493961334e-02 - <_> - - 0 -1 2781 9.7161885350942612e-03 - - -1.5758480876684189e-02 3.3742859959602356e-01 - <_> - - 0 -1 2782 -1.4382590306922793e-03 - - -1.2217970192432404e-01 3.5345770418643951e-02 - <_> - - 0 -1 2783 7.7670789323747158e-05 - - -6.2246508896350861e-02 7.3040649294853210e-02 - <_> - - 0 -1 2784 -4.1573401540517807e-02 - - 4.1148650646209717e-01 -4.6173711307346821e-03 - <_> - - 0 -1 2785 1.1024770356016234e-04 - - -9.3715772032737732e-02 5.2691221237182617e-02 - <_> - - 0 -1 2786 1.0518720373511314e-03 - - 4.0317419916391373e-02 -1.0210459679365158e-01 - <_> - - 0 -1 2787 8.7676383554935455e-02 - - 1.8454900011420250e-02 -2.4232000112533569e-01 - <_> - - 0 -1 2788 -3.1262669712305069e-02 - - -4.8824569582939148e-01 6.7201550118625164e-03 - <_> - - 0 -1 2789 3.5472500603646040e-03 - - -4.7451101243495941e-02 9.8277866840362549e-02 - <_> - - 0 -1 2790 -6.1450069770216942e-03 - - -3.8893818855285645e-01 8.0250157043337822e-03 - <_> - - 0 -1 2791 -1.1112130014225841e-03 - - 1.2668809294700623e-01 -4.1672218590974808e-02 - <_> - - 0 -1 2792 -2.4048870429396629e-02 - - -1.9376470148563385e-01 7.5982958078384399e-03 - <_> - - 0 -1 2793 -1.1609439738094807e-02 - - 8.7421193718910217e-02 -5.1379751414060593e-02 - <_> - - 0 -1 2794 -4.6341970562934875e-02 - - 2.9603001475334167e-01 -7.7182101085782051e-03 - <_> - - 0 -1 2795 -1.9600499421358109e-02 - - -3.0478379130363464e-01 1.4669680036604404e-02 - <_> - - 0 -1 2796 -2.6132878847420216e-03 - - 8.9694216847419739e-02 -2.9012639075517654e-02 - <_> - - 0 -1 2797 3.4202230162918568e-03 - - 3.9998780936002731e-02 -1.0716559737920761e-01 - <_> - - 0 -1 2798 1.2173360300948843e-04 - - -3.2719809561967850e-02 3.9863388985395432e-02 - <_> - - 0 -1 2799 -8.2835118519142270e-05 - - 6.9058813154697418e-02 -6.5140433609485626e-02 - <_> - - 0 -1 2800 -8.8672131299972534e-02 - - -2.5951391458511353e-01 2.3857909254729748e-03 - <_> - - 0 -1 2801 5.6452948600053787e-02 - - -2.4432990700006485e-02 1.9439670443534851e-01 - <_> - - 0 -1 2802 3.5284429788589478e-02 - - -6.3825729303061962e-03 1.3022419810295105e-01 - <_> - - 0 -1 2803 3.3733129967004061e-03 - - 4.5979738235473633e-02 -1.0800649970769882e-01 - <_> - - 0 -1 2804 2.8562510851770639e-03 - - 1.6703339293599129e-02 -3.4011591225862503e-02 - <_> - - 0 -1 2805 -1.4414669713005424e-03 - - 9.9324166774749756e-02 -4.2529720813035965e-02 - <_> - - 0 -1 2806 -8.5116196423768997e-03 - - -7.5509257614612579e-02 1.0203289799392223e-02 - <_> - - 0 -1 2807 -9.2428773641586304e-03 - - -1.5811079740524292e-01 2.5361889973282814e-02 - <_> - - 0 -1 2808 -2.8794261161237955e-03 - - 7.9453438520431519e-02 -2.7514219284057617e-02 - <_> - - 0 -1 2809 1.0851400293176994e-04 - - -6.1319191008806229e-02 7.4100911617279053e-02 - <_> - - 0 -1 2810 1.7776450514793396e-01 - - -1.4268799684941769e-02 1.2164130061864853e-01 - <_> - - 0 -1 2811 -1.7149469256401062e-01 - - 1.5083140134811401e-01 -3.4926589578390121e-02 - <_> - - 0 -1 2812 1.5180290210992098e-04 - - -4.1534621268510818e-02 4.2376600205898285e-02 - <_> - - 0 -1 2813 6.3419649377465248e-03 - - 2.2105900570750237e-02 -2.1631160378456116e-01 - <_> - - 0 -1 2814 1.3935989700257778e-02 - - 5.4779318161308765e-03 -2.5664830207824707e-01 - <_> - - 0 -1 2815 -9.7202723845839500e-03 - - -2.7872490882873535e-01 1.5381219796836376e-02 - <_> - - 0 -1 2816 -2.7980960905551910e-02 - - -8.6809730529785156e-01 1.1637150309979916e-03 - <_> - - 0 -1 2817 3.6777809727936983e-03 - - -4.3908510357141495e-02 9.6896052360534668e-02 - <_> - - 0 -1 2818 -3.1721419654786587e-03 - - -2.4078020453453064e-01 1.3723400421440601e-02 - <_> - - 0 -1 2819 -3.9061410352587700e-03 - - 1.7140209674835205e-01 -2.2317929193377495e-02 - <_> - - 0 -1 2820 9.6693192608654499e-04 - - 3.2951351255178452e-02 -1.0080079734325409e-01 - <_> - - 0 -1 2821 -8.9019339065998793e-04 - - -1.1009719967842102e-01 3.8997169584035873e-02 - <_> - - 0 -1 2822 -1.1497789993882179e-02 - - 3.3927921205759048e-02 -3.9842899888753891e-02 - <_> - - 0 -1 2823 -7.9675206507090479e-05 - - 7.7203802764415741e-02 -6.1698041856288910e-02 - <_> - - 0 -1 2824 8.9554538135416806e-05 - - -5.7938948273658752e-02 6.7448146641254425e-02 - <_> - - 0 -1 2825 -5.9674619697034359e-03 - - 1.0244590044021606e-01 -3.9467670023441315e-02 - <_> - - 0 -1 2826 8.7341177277266979e-05 - - -5.9245120733976364e-02 6.4863033592700958e-02 - <_> - - 0 -1 2827 7.7206510468386114e-05 - - -7.0006839931011200e-02 6.3901223242282867e-02 - <_> - - 0 -1 2828 -3.6013379693031311e-02 - - -2.0447410643100739e-01 1.5239260159432888e-02 - <_> - - 0 -1 2829 -5.5890497751533985e-03 - - 1.5467870235443115e-01 -2.6221899315714836e-02 - <_> - - 0 -1 2830 -3.0190621037036180e-03 - - 1.1821600049734116e-01 -1.9682880491018295e-02 - <_> - - 0 -1 2831 -1.0563310206634924e-04 - - 3.9622470736503601e-02 -1.0212220251560211e-01 - <_> - - 0 -1 2832 2.9260979965329170e-02 - - 9.6228392794728279e-03 -7.9048648476600647e-02 - <_> - - 0 -1 2833 -2.4363890290260315e-02 - - -1.2736499309539795e-01 3.2335508614778519e-02 - <_> - - 0 -1 2834 6.9917208747938275e-04 - - 6.5614067018032074e-02 -2.3335599899291992e-01 - <_> - - 0 -1 2835 -1.6459520906209946e-02 - - 1.3085840642452240e-01 -3.2097321003675461e-02 - <_> - - 0 -1 2836 3.0983570031821728e-03 - - -3.2258279621601105e-02 5.0043828785419464e-02 - <_> - - 0 -1 2837 -3.2638181000947952e-02 - - -2.7409970760345459e-01 1.4894080348312855e-02 - <_> - - 0 -1 2838 1.5158359892666340e-03 - - -1.7136910930275917e-02 8.1351801753044128e-02 - <_> - - 0 -1 2839 -2.5613330304622650e-02 - - 4.1096380352973938e-01 -9.7792968153953552e-03 - <_> - - 0 -1 2840 -1.3288609916344285e-03 - - -1.2679819762706757e-01 3.7426289170980453e-02 - <_> - - 0 -1 2841 -1.9732659682631493e-02 - - -5.6787997484207153e-01 6.9732400588691235e-03 - <_> - - 0 -1 2842 2.7425400912761688e-02 - - -4.0334589779376984e-02 9.4880692660808563e-02 - <_> - - 0 -1 2843 -6.8159690126776695e-03 - - 1.0129919648170471e-01 -4.9294691532850266e-02 - <_> - - 0 -1 2844 -9.7623662441037595e-05 - - 5.7613339275121689e-02 -4.3638128787279129e-02 - <_> - - 0 -1 2845 7.9219877079594880e-05 - - -6.2002480030059814e-02 7.0036582648754120e-02 - <_> - - 0 -1 2846 -9.2277792282402515e-04 - - -7.1099899709224701e-02 2.3343959823250771e-02 - <_> - - 0 -1 2847 1.0547949932515621e-03 - - 3.8641069084405899e-02 -1.1528919637203217e-01 - <_> - - 0 -1 2848 1.1142979928990826e-04 - - -4.3857090175151825e-02 5.0205580890178680e-02 - <_> - - 0 -1 2849 -1.1004459811374545e-03 - - 8.3625599741935730e-02 -4.6221289783716202e-02 - <_> - - 0 -1 2850 -2.0133139565587044e-02 - - -1.8197959661483765e-01 1.9399069249629974e-02 - <_> - - 0 -1 2851 2.5024140253663063e-02 - - 1.1270459741353989e-02 -3.4410759806632996e-01 - <_> - - 0 -1 2852 -4.4190499931573868e-02 - - 2.9248470067977905e-01 -1.4849469996988773e-02 - <_> - - 0 -1 2853 -5.7440258562564850e-02 - - 4.7087571024894714e-01 -7.9044541344046593e-03 - <_> - - 0 -1 2854 1.4867359772324562e-02 - - -1.9268039613962173e-02 1.1098550260066986e-01 - <_> - - 0 -1 2855 1.9520210335031152e-03 - - -3.4362699836492538e-02 1.1349079757928848e-01 - <_> - - 0 -1 2856 -1.3590609654784203e-02 - - -7.9360902309417725e-01 1.8023570301011205e-03 - <_> - - 0 -1 2857 -2.6812639553099871e-03 - - 1.6896739602088928e-01 -2.6089740917086601e-02 - <_> - - 0 -1 2858 -8.6407686467282474e-05 - - 6.1775680631399155e-02 -4.4603981077671051e-02 - <_> - - 0 -1 2859 1.2983200140297413e-03 - - 3.4938950091600418e-02 -1.1019679903984070e-01 - <_> - - 0 -1 2860 2.6221210137009621e-03 - - -3.2050449401140213e-02 6.8139947950839996e-02 - <_> - - 0 -1 2861 1.2280650436878204e-02 - - 1.2359930202364922e-02 -2.9862219095230103e-01 - <_> - - 0 -1 2862 -5.0658849067986012e-03 - - -2.8093919157981873e-01 2.4003749713301659e-02 - <_> - - 0 -1 2863 -1.0383049811935052e-04 - - 6.0894660651683807e-02 -7.0253036916255951e-02 - <_> - - 0 -1 2864 9.8692486062645912e-03 - - 6.2764049507677555e-03 -3.6045169830322266e-01 - <_> - - 0 -1 2865 -9.1246962256263942e-05 - - 6.3636362552642822e-02 -6.4670093357563019e-02 - <_> - - 0 -1 2866 -7.5011849403381348e-03 - - 9.5473609864711761e-02 -3.6763638257980347e-02 - <_> - - 0 -1 2867 -1.4745439589023590e-01 - - -7.9214060306549072e-01 5.0740689039230347e-03 - <_> - - 0 -1 2868 -2.1300138905644417e-03 - - 1.0333529859781265e-01 -4.2891681194305420e-02 - <_> - - 0 -1 2869 2.5524429511278868e-03 - - -4.1929069906473160e-02 8.7996013462543488e-02 - <_> - - 0 -1 2870 5.8139938861131668e-02 - - 1.2611810117959976e-02 -3.0331811308860779e-01 - <_> - - 0 -1 2871 2.3743009194731712e-02 - - -2.9802089557051659e-02 1.2322849780321121e-01 - <_> - - 0 -1 2872 -6.2248498201370239e-02 - - 1.1110640317201614e-01 -2.0817250013351440e-02 - <_> - - 0 -1 2873 -9.1270900156814605e-05 - - 6.4382009208202362e-02 -6.0937818139791489e-02 - <_> - - 0 -1 2874 -3.9082568138837814e-02 - - 5.6695652008056641e-01 -1.1460679816082120e-03 - <_> - - 0 -1 2875 1.3248370029032230e-02 - - 1.2405660003423691e-02 -3.0858299136161804e-01 - <_> - - 0 -1 2876 -5.0235718488693237e-02 - - 1.6084699332714081e-01 -3.1474840361624956e-03 - <_> - - 0 -1 2877 8.1979725509881973e-03 - - -4.3110638856887817e-02 8.3337813615798950e-02 - <_> - - 0 -1 2878 4.5282919891178608e-03 - - -1.4737699925899506e-01 2.2266879677772522e-02 - <_> - - 0 -1 2879 -7.0286458358168602e-03 - - -2.1665599942207336e-01 1.8082590773701668e-02 - <_> - - 0 -1 2880 3.2996211200952530e-02 - - -1.1144799739122391e-01 3.5693738609552383e-02 - <_> - - 0 -1 2881 6.9042239338159561e-03 - - -3.2669480890035629e-02 1.2693080306053162e-01 - <_> - - 0 -1 2882 6.4168781973421574e-03 - - 1.3405409641563892e-02 -2.2676290571689606e-01 - <_> - - 0 -1 2883 3.2765600830316544e-02 - - -2.0737469196319580e-02 2.0090930163860321e-01 - <_> - - 0 -1 2884 -6.9006122648715973e-02 - - -4.8873770236968994e-01 2.5993511080741882e-03 - <_> - - 0 -1 2885 -1.5318569785449654e-04 - - 6.9251857697963715e-02 -6.4636163413524628e-02 - <_> - - 0 -1 2886 1.3968399725854397e-02 - - 2.3769039660692215e-02 -1.3656540215015411e-01 - <_> - - 0 -1 2887 2.4323699995875359e-02 - - 9.9094482138752937e-03 -3.6789679527282715e-01 - <_> - - 0 -1 2888 5.3771991282701492e-02 - - -3.4769340418279171e-03 5.6615811586380005e-01 - <_> - - 0 -1 2889 3.7300360854715109e-03 - - 1.1731130070984364e-02 -3.5765179991722107e-01 - <_> - - 0 -1 2890 -5.9517208486795425e-02 - - -4.9590829014778137e-01 1.2971699470654130e-03 - <_> - - 0 -1 2891 7.5328880921006203e-03 - - -3.6959148943424225e-02 1.0903140157461166e-01 - <_> - - 0 -1 2892 2.3298559244722128e-03 - - 1.4677469618618488e-02 -1.8427179753780365e-01 - <_> - - 0 -1 2893 -1.3588890433311462e-03 - - 1.1983290314674377e-01 -4.0848769247531891e-02 - <_> - - 0 -1 2894 -6.9162257015705109e-02 - - 9.9982842803001404e-02 -2.2005759179592133e-02 - <_> - - 0 -1 2895 -1.0890520364046097e-01 - - 3.5323360562324524e-01 -1.1501859873533249e-02 - <_> - - 0 -1 2896 3.4343260526657104e-01 - - -1.7977360635995865e-02 2.3037150502204895e-01 - <_> - - 0 -1 2897 -6.6631078720092773e-01 - - -4.3691501021385193e-01 1.1366610415279865e-02 - <_> - - 0 -1 2898 -4.5054171234369278e-02 - - 3.2915808260440826e-02 -8.5535138845443726e-02 - <_> - - 0 -1 2899 -1.4088810421526432e-02 - - 5.3100470453500748e-02 -7.7183209359645844e-02 - <_> - - 0 -1 2900 -9.3094259500503540e-03 - - 1.2417539954185486e-01 -3.2946839928627014e-02 - <_> - - 0 -1 2901 1.4807860367000103e-02 - - -7.0644028484821320e-02 8.1475563347339630e-02 - <_> - - 0 -1 2902 1.0399249941110611e-01 - - -1.4924500137567520e-02 1.8357430398464203e-01 - <_> - - 0 -1 2903 1.9406999647617340e-01 - - -6.4371521584689617e-03 6.0971242189407349e-01 - <_> - - 0 -1 2904 -3.8064900785684586e-02 - - -5.2255958318710327e-01 5.7811117731034756e-03 - <_> - - 0 -1 2905 -6.6563528962433338e-03 - - 9.4871222972869873e-02 -3.9789460599422455e-02 - <_> - - 0 -1 2906 -1.0609209857648239e-04 - - 4.5516170561313629e-02 -4.1418150067329407e-02 - <_> - - 0 -1 2907 7.0871852338314056e-02 - - 9.3520022928714752e-03 -3.6439558863639832e-01 - <_> - - 0 -1 2908 1.2085449881851673e-02 - - 2.3465529084205627e-02 -1.4409939944744110e-01 - <_> - - 0 -1 2909 -9.9468030384741724e-05 - - 5.7956721633672714e-02 -6.0917779803276062e-02 - <_> - - 0 -1 2910 1.6888909740373492e-03 - - -4.6765789389610291e-02 1.9036899507045746e-01 - <_> - - 0 -1 2911 -9.8317061201669276e-05 - - 7.2646446526050568e-02 -5.8051958680152893e-02 - <_> - - 0 -1 2912 8.1128161400556564e-03 - - -4.0620859712362289e-02 9.7611181437969208e-02 - <_> - - 0 -1 2913 1.7255520448088646e-02 - - 1.7161769792437553e-02 -2.4358719587326050e-01 - <_> - - 0 -1 2914 3.1692821532487869e-02 - - 1.1967140249907970e-02 -2.9160520434379578e-01 - <_> - - 0 -1 2915 -9.4834472984075546e-03 - - -1.4566260576248169e-01 3.1208310276269913e-02 - <_> - - 0 -1 2916 1.8280290532857180e-03 - - -1.4711730182170868e-02 5.5668108165264130e-02 - <_> - - 0 -1 2917 8.6632797319907695e-05 - - -6.1156060546636581e-02 7.0974543690681458e-02 - <_> - - 0 -1 2918 2.5025049224495888e-02 - - -1.3397550210356712e-02 1.0556930303573608e-01 - <_> - - 0 -1 2919 5.5940490216016769e-02 - - -1.4789390377700329e-02 2.4960540235042572e-01 - <_> - - 0 -1 2920 1.6337510198354721e-02 - - -5.6752599775791168e-02 1.3382770121097565e-02 - <_> - - 0 -1 2921 -4.5972689986228943e-01 - - -7.1287852525711060e-01 4.9509857781231403e-03 - <_> - - 0 -1 2922 -6.5172776579856873e-02 - - -8.2543537020683289e-02 1.5198189765214920e-02 - <_> - - 0 -1 2923 -2.6704780757427216e-02 - - -2.0916239917278290e-01 1.8581379204988480e-02 - <_> - - 0 -1 2924 1.8495510518550873e-01 - - 1.8260549986734986e-03 -3.9183071255683899e-01 - <_> - - 0 -1 2925 9.5611862838268280e-02 - - -1.5232330188155174e-02 3.0041059851646423e-01 - <_> - - 0 -1 2926 5.4745167493820190e-01 - - 6.3382647931575775e-03 -6.2035357952117920e-01 - <_> - - 0 -1 2927 7.9493559896945953e-03 - - -6.2048658728599548e-02 6.1209429055452347e-02 - <_> - - 0 -1 2928 2.7175021171569824e-01 - - -1.6191200120374560e-03 5.8006882667541504e-01 - <_> - - 0 -1 2929 1.3671410083770752e-01 - - 1.4446510002017021e-02 -2.6299729943275452e-01 - <_> - - 0 -1 2930 2.3144269362092018e-02 - - 1.5177230350673199e-02 -3.3594930171966553e-01 - <_> - - 0 -1 2931 -1.4187960186973214e-03 - - 9.5409370958805084e-02 -3.6757789552211761e-02 - <_> - - 0 -1 2932 -1.8819719552993774e-02 - - -4.0184121578931808e-02 1.3270259834825993e-02 - <_> - - 0 -1 2933 -8.1724688410758972e-02 - - 3.2492980360984802e-01 -1.1558920145034790e-02 - <_> - - 0 -1 2934 -8.0951452255249023e-03 - - -2.6765230298042297e-01 1.4577089808881283e-02 - <_> - - 0 -1 2935 -8.2515813119243830e-05 - - 3.8213159888982773e-02 -9.2825122177600861e-02 - <_> - - 0 -1 2936 4.9149271100759506e-02 - - -1.1441200040280819e-02 1.3343520462512970e-01 - <_> - - 0 -1 2937 5.3070918656885624e-03 - - -3.0889939516782761e-02 1.2001869827508926e-01 - <_> - - 0 -1 2938 1.2434639967978001e-02 - - 1.0091929696500301e-02 -1.6182650625705719e-01 - <_> - - 0 -1 2939 1.3028579996898770e-03 - - -5.6219980120658875e-02 6.6662617027759552e-02 - <_> - - 0 -1 2940 -1.0949189774692059e-02 - - -2.1038089692592621e-01 2.1130399778485298e-02 - <_> - - 0 -1 2941 -1.5839550644159317e-02 - - -3.2079550623893738e-01 1.0882910341024399e-02 - - <_> - - <_> - 3 0 12 12 -1. - <_> - 3 4 12 4 3. - <_> - - <_> - 16 0 2 5 -1. - <_> - 16 0 1 5 2. - <_> - - <_> - 7 4 4 8 -1. - <_> - 7 8 4 4 2. - <_> - - <_> - 16 0 2 4 -1. - <_> - 16 0 1 4 2. - <_> - - <_> - 0 0 2 5 -1. - <_> - 1 0 1 5 2. - <_> - - <_> - 9 2 4 3 -1. - <_> - 10 3 2 3 2. - 1 - <_> - - <_> - 1 0 4 2 -1. - <_> - 3 0 2 2 2. - <_> - - <_> - 9 2 4 3 -1. - <_> - 10 3 2 3 2. - 1 - <_> - - <_> - 9 2 3 4 -1. - <_> - 8 3 3 2 2. - 1 - <_> - - <_> - 6 9 6 3 -1. - <_> - 8 9 2 3 3. - <_> - - <_> - 7 11 4 1 -1. - <_> - 8 11 2 1 2. - <_> - - <_> - 6 10 12 2 -1. - <_> - 6 11 12 1 2. - <_> - - <_> - 6 0 6 8 -1. - <_> - 6 2 6 4 2. - <_> - - <_> - 4 1 10 6 -1. - <_> - 4 3 10 2 3. - <_> - - <_> - 3 4 12 8 -1. - <_> - 3 8 12 4 2. - <_> - - <_> - 3 0 12 12 -1. - <_> - 7 4 4 4 9. - <_> - - <_> - 0 0 4 2 -1. - <_> - 2 0 2 2 2. - <_> - - <_> - 9 0 2 7 -1. - <_> - 9 0 1 7 2. - 1 - <_> - - <_> - 4 2 10 6 -1. - <_> - 4 4 10 2 3. - <_> - - <_> - 9 10 9 2 -1. - <_> - 9 11 9 1 2. - <_> - - <_> - 6 1 6 6 -1. - <_> - 6 3 6 2 3. - <_> - - <_> - 17 0 1 2 -1. - <_> - 17 1 1 1 2. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 10 10 8 2 -1. - <_> - 10 11 8 1 2. - <_> - - <_> - 0 10 8 2 -1. - <_> - 0 11 8 1 2. - <_> - - <_> - 12 5 6 3 -1. - <_> - 14 5 2 3 3. - <_> - - <_> - 0 5 6 3 -1. - <_> - 2 5 2 3 3. - <_> - - <_> - 8 11 4 1 -1. - <_> - 9 11 2 1 2. - <_> - - <_> - 6 11 4 1 -1. - <_> - 7 11 2 1 2. - <_> - - <_> - 15 9 3 3 -1. - <_> - 15 10 3 1 3. - <_> - - <_> - 3 0 10 6 -1. - <_> - 3 2 10 2 3. - <_> - - <_> - 6 2 6 9 -1. - <_> - 8 5 2 3 9. - <_> - - <_> - 3 4 12 8 -1. - <_> - 3 8 12 4 2. - <_> - - <_> - 0 1 18 9 -1. - <_> - 6 4 6 3 9. - <_> - - <_> - 6 5 6 3 -1. - <_> - 8 5 2 3 3. - <_> - - <_> - 14 10 4 1 -1. - <_> - 15 10 2 1 2. - <_> - - <_> - 1 0 2 1 -1. - <_> - 1 0 1 1 2. - 1 - <_> - - <_> - 14 8 4 4 -1. - <_> - 14 10 4 2 2. - <_> - - <_> - 0 2 3 9 -1. - <_> - 0 5 3 3 3. - <_> - - <_> - 12 10 6 2 -1. - <_> - 12 11 6 1 2. - <_> - - <_> - 0 10 6 2 -1. - <_> - 0 11 6 1 2. - <_> - - <_> - 6 0 12 4 -1. - <_> - 9 0 6 4 2. - <_> - - <_> - 7 10 4 2 -1. - <_> - 9 10 2 2 2. - <_> - - <_> - 10 1 8 2 -1. - <_> - 12 1 4 2 2. - <_> - - <_> - 5 11 6 1 -1. - <_> - 7 11 2 1 3. - <_> - - <_> - 9 6 3 1 -1. - <_> - 10 6 1 1 3. - <_> - - <_> - 8 4 3 3 -1. - <_> - 7 5 3 1 3. - 1 - <_> - - <_> - 15 9 3 3 -1. - <_> - 15 10 3 1 3. - <_> - - <_> - 6 10 6 2 -1. - <_> - 8 10 2 2 3. - <_> - - <_> - 12 4 6 5 -1. - <_> - 14 4 2 5 3. - <_> - - <_> - 0 4 6 5 -1. - <_> - 2 4 2 5 3. - <_> - - <_> - 1 3 16 8 -1. - <_> - 5 3 8 8 2. - <_> - - <_> - 5 2 7 3 -1. - <_> - 5 3 7 1 3. - <_> - - <_> - 3 1 12 6 -1. - <_> - 3 3 12 2 3. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 7 10 4 2 -1. - <_> - 8 10 2 2 2. - <_> - - <_> - 4 5 6 4 -1. - <_> - 6 5 2 4 3. - <_> - - <_> - 7 0 4 3 -1. - <_> - 8 0 2 3 2. - <_> - - <_> - 0 6 3 4 -1. - <_> - 0 7 3 2 2. - <_> - - <_> - 15 0 3 3 -1. - <_> - 16 1 1 3 3. - 1 - <_> - - <_> - 0 0 18 12 -1. - <_> - 6 4 6 4 9. - <_> - - <_> - 6 0 12 4 -1. - <_> - 9 0 6 4 2. - <_> - - <_> - 0 0 4 4 -1. - <_> - 2 0 2 4 2. - <_> - - <_> - 8 4 2 8 -1. - <_> - 8 8 2 4 2. - <_> - - <_> - 9 2 3 4 -1. - <_> - 8 3 3 2 2. - 1 - <_> - - <_> - 7 9 4 3 -1. - <_> - 8 9 2 3 2. - <_> - - <_> - 4 0 3 4 -1. - <_> - 5 0 1 4 3. - <_> - - <_> - 9 7 3 2 -1. - <_> - 9 7 3 1 2. - 1 - <_> - - <_> - 3 1 1 3 -1. - <_> - 2 2 1 1 3. - 1 - <_> - - <_> - 12 10 6 2 -1. - <_> - 12 11 6 1 2. - <_> - - <_> - 0 0 3 2 -1. - <_> - 0 1 3 1 2. - <_> - - <_> - 9 9 4 3 -1. - <_> - 10 9 2 3 2. - <_> - - <_> - 3 0 12 4 -1. - <_> - 3 1 12 2 2. - <_> - - <_> - 2 0 16 3 -1. - <_> - 6 0 8 3 2. - <_> - - <_> - 0 10 6 2 -1. - <_> - 0 11 6 1 2. - <_> - - <_> - 9 0 6 4 -1. - <_> - 8 1 6 2 2. - 1 - <_> - - <_> - 2 5 9 3 -1. - <_> - 5 5 3 3 3. - <_> - - <_> - 9 9 4 3 -1. - <_> - 10 9 2 3 2. - <_> - - <_> - 5 9 4 3 -1. - <_> - 6 9 2 3 2. - <_> - - <_> - 6 0 12 5 -1. - <_> - 10 0 4 5 3. - <_> - - <_> - 0 9 3 3 -1. - <_> - 0 10 3 1 3. - <_> - - <_> - 11 3 3 4 -1. - <_> - 12 4 1 4 3. - 1 - <_> - - <_> - 2 0 12 4 -1. - <_> - 8 0 6 4 2. - <_> - - <_> - 12 9 1 2 -1. - <_> - 12 9 1 1 2. - 1 - <_> - - <_> - 6 9 2 1 -1. - <_> - 6 9 1 1 2. - 1 - <_> - - <_> - 11 3 3 4 -1. - <_> - 12 4 1 4 3. - 1 - <_> - - <_> - 0 0 2 2 -1. - <_> - 1 0 1 2 2. - <_> - - <_> - 11 3 3 4 -1. - <_> - 12 4 1 4 3. - 1 - <_> - - <_> - 7 3 4 3 -1. - <_> - 6 4 4 1 3. - 1 - <_> - - <_> - 16 9 2 3 -1. - <_> - 16 10 2 1 3. - <_> - - <_> - 0 9 16 3 -1. - <_> - 4 9 8 3 2. - <_> - - <_> - 16 9 2 3 -1. - <_> - 16 10 2 1 3. - <_> - - <_> - 0 9 2 3 -1. - <_> - 0 10 2 1 3. - <_> - - <_> - 5 0 8 2 -1. - <_> - 5 1 8 1 2. - <_> - - <_> - 3 1 2 3 -1. - <_> - 2 2 2 1 3. - 1 - <_> - - <_> - 5 2 8 6 -1. - <_> - 5 4 8 2 3. - <_> - - <_> - 0 0 18 12 -1. - <_> - 6 4 6 4 9. - <_> - - <_> - 3 6 12 6 -1. - <_> - 3 9 12 3 2. - <_> - - <_> - 0 5 2 5 -1. - <_> - 1 5 1 5 2. - <_> - - <_> - 7 0 4 3 -1. - <_> - 8 0 2 3 2. - <_> - - <_> - 4 1 10 6 -1. - <_> - 4 3 10 2 3. - <_> - - <_> - 15 4 3 4 -1. - <_> - 15 5 3 2 2. - <_> - - <_> - 9 0 4 6 -1. - <_> - 7 2 4 2 3. - 1 - <_> - - <_> - 10 2 2 6 -1. - <_> - 8 4 2 2 3. - 1 - <_> - - <_> - 0 0 4 8 -1. - <_> - 2 0 2 8 2. - <_> - - <_> - 4 6 10 3 -1. - <_> - 4 6 5 3 2. - <_> - - <_> - 8 2 6 2 -1. - <_> - 10 4 2 2 3. - 1 - <_> - - <_> - 10 8 8 4 -1. - <_> - 10 10 8 2 2. - <_> - - <_> - 5 2 8 4 -1. - <_> - 5 3 8 2 2. - <_> - - <_> - 3 0 15 3 -1. - <_> - 8 0 5 3 3. - <_> - - <_> - 0 7 5 4 -1. - <_> - 0 9 5 2 2. - <_> - - <_> - 6 0 12 3 -1. - <_> - 9 0 6 3 2. - <_> - - <_> - 0 1 1 8 -1. - <_> - 0 3 1 4 2. - <_> - - <_> - 11 5 4 3 -1. - <_> - 12 5 2 3 2. - <_> - - <_> - 3 5 4 3 -1. - <_> - 4 5 2 3 2. - <_> - - <_> - 16 2 2 1 -1. - <_> - 16 2 1 1 2. - 1 - <_> - - <_> - 3 2 12 3 -1. - <_> - 3 3 12 1 3. - <_> - - <_> - 0 6 18 4 -1. - <_> - 9 6 9 2 2. - <_> - 0 8 9 2 2. - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 2 0 16 3 -1. - <_> - 6 0 8 3 2. - <_> - - <_> - 4 0 6 4 -1. - <_> - 6 0 2 4 3. - <_> - - <_> - 6 0 12 3 -1. - <_> - 9 0 6 3 2. - <_> - - <_> - 0 0 12 3 -1. - <_> - 3 0 6 3 2. - <_> - - <_> - 16 0 2 4 -1. - <_> - 16 0 1 4 2. - 1 - <_> - - <_> - 2 0 4 2 -1. - <_> - 2 0 4 1 2. - 1 - <_> - - <_> - 4 11 14 1 -1. - <_> - 4 11 7 1 2. - <_> - - <_> - 0 11 14 1 -1. - <_> - 7 11 7 1 2. - <_> - - <_> - 15 6 3 6 -1. - <_> - 15 8 3 2 3. - <_> - - <_> - 5 9 2 1 -1. - <_> - 5 9 1 1 2. - 1 - <_> - - <_> - 10 6 3 2 -1. - <_> - 11 6 1 2 3. - <_> - - <_> - 0 6 3 6 -1. - <_> - 0 8 3 2 3. - <_> - - <_> - 15 5 3 7 -1. - <_> - 16 5 1 7 3. - <_> - - <_> - 0 5 3 7 -1. - <_> - 1 5 1 7 3. - <_> - - <_> - 13 5 4 3 -1. - <_> - 14 5 2 3 2. - <_> - - <_> - 1 5 4 3 -1. - <_> - 2 5 2 3 2. - <_> - - <_> - 8 10 4 2 -1. - <_> - 9 10 2 2 2. - <_> - - <_> - 6 10 4 2 -1. - <_> - 7 10 2 2 2. - <_> - - <_> - 11 4 3 3 -1. - <_> - 12 5 1 3 3. - 1 - <_> - - <_> - 7 4 3 3 -1. - <_> - 6 5 3 1 3. - 1 - <_> - - <_> - 15 10 3 2 -1. - <_> - 15 11 3 1 2. - <_> - - <_> - 0 10 3 2 -1. - <_> - 0 11 3 1 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 5 0 8 6 -1. - <_> - 5 2 8 2 3. - <_> - - <_> - 3 0 11 4 -1. - <_> - 3 1 11 2 2. - <_> - - <_> - 15 3 3 2 -1. - <_> - 15 4 3 1 2. - <_> - - <_> - 0 3 3 2 -1. - <_> - 0 4 3 1 2. - <_> - - <_> - 7 0 4 2 -1. - <_> - 8 0 2 2 2. - <_> - - <_> - 6 0 6 4 -1. - <_> - 8 0 2 4 3. - <_> - - <_> - 8 6 3 1 -1. - <_> - 9 6 1 1 3. - <_> - - <_> - 7 6 3 1 -1. - <_> - 8 6 1 1 3. - <_> - - <_> - 4 0 12 12 -1. - <_> - 7 0 6 12 2. - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 2 2. - 1 - <_> - - <_> - 8 7 4 3 -1. - <_> - 8 8 4 1 3. - <_> - - <_> - 1 9 1 3 -1. - <_> - 1 10 1 1 3. - <_> - - <_> - 9 6 4 1 -1. - <_> - 10 6 2 1 2. - <_> - - <_> - 0 5 4 7 -1. - <_> - 2 5 2 7 2. - <_> - - <_> - 6 0 7 4 -1. - <_> - 6 1 7 2 2. - <_> - - <_> - 3 1 12 9 -1. - <_> - 3 4 12 3 3. - <_> - - <_> - 6 5 6 3 -1. - <_> - 8 5 2 3 3. - <_> - - <_> - 0 0 12 4 -1. - <_> - 4 0 4 4 3. - <_> - - <_> - 3 6 12 6 -1. - <_> - 3 9 12 3 2. - <_> - - <_> - 5 3 8 4 -1. - <_> - 5 4 8 2 2. - <_> - - <_> - 16 0 2 4 -1. - <_> - 16 0 1 4 2. - <_> - - <_> - 0 0 2 4 -1. - <_> - 1 0 1 4 2. - <_> - - <_> - 11 5 4 3 -1. - <_> - 12 5 2 3 2. - <_> - - <_> - 5 5 4 3 -1. - <_> - 6 5 2 3 2. - <_> - - <_> - 3 1 12 6 -1. - <_> - 3 3 12 2 3. - <_> - - <_> - 6 2 6 3 -1. - <_> - 6 3 6 1 3. - <_> - - <_> - 9 0 6 4 -1. - <_> - 11 0 2 4 3. - <_> - - <_> - 4 5 4 3 -1. - <_> - 3 6 4 1 3. - 1 - <_> - - <_> - 9 0 6 4 -1. - <_> - 11 0 2 4 3. - <_> - - <_> - 3 0 6 4 -1. - <_> - 5 0 2 4 3. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 0 7 18 4 -1. - <_> - 9 7 9 2 2. - <_> - 0 9 9 2 2. - <_> - - <_> - 7 10 1 2 -1. - <_> - 7 11 1 1 2. - <_> - - <_> - 17 8 1 4 -1. - <_> - 17 10 1 2 2. - <_> - - <_> - 0 8 1 4 -1. - <_> - 0 10 1 2 2. - <_> - - <_> - 16 4 2 5 -1. - <_> - 16 4 1 5 2. - <_> - - <_> - 6 9 2 1 -1. - <_> - 6 9 1 1 2. - 1 - <_> - - <_> - 16 4 2 5 -1. - <_> - 16 4 1 5 2. - <_> - - <_> - 0 4 2 5 -1. - <_> - 1 4 1 5 2. - <_> - - <_> - 10 6 4 1 -1. - <_> - 11 6 2 1 2. - <_> - - <_> - 5 9 6 3 -1. - <_> - 7 9 2 3 3. - <_> - - <_> - 10 5 4 3 -1. - <_> - 11 5 2 3 2. - <_> - - <_> - 6 9 2 3 -1. - <_> - 7 9 1 3 2. - <_> - - <_> - 10 6 4 2 -1. - <_> - 11 6 2 2 2. - <_> - - <_> - 4 6 4 2 -1. - <_> - 5 6 2 2 2. - <_> - - <_> - 17 6 1 4 -1. - <_> - 17 8 1 2 2. - <_> - - <_> - 4 5 3 4 -1. - <_> - 5 5 1 4 3. - <_> - - <_> - 8 0 4 3 -1. - <_> - 9 0 2 3 2. - <_> - - <_> - 3 0 3 2 -1. - <_> - 3 0 3 1 2. - 1 - <_> - - <_> - 3 0 12 4 -1. - <_> - 3 1 12 2 2. - <_> - - <_> - 5 0 6 2 -1. - <_> - 5 1 6 1 2. - <_> - - <_> - 0 2 18 6 -1. - <_> - 6 2 6 6 3. - <_> - - <_> - 0 2 1 8 -1. - <_> - 0 4 1 4 2. - <_> - - <_> - 4 4 10 2 -1. - <_> - 4 5 10 1 2. - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 12 5 4 3 -1. - <_> - 13 5 2 3 2. - <_> - - <_> - 4 7 10 3 -1. - <_> - 4 8 10 1 3. - <_> - - <_> - 12 5 3 3 -1. - <_> - 13 5 1 3 3. - <_> - - <_> - 7 10 2 2 -1. - <_> - 8 10 1 2 2. - <_> - - <_> - 6 11 6 1 -1. - <_> - 8 11 2 1 3. - <_> - - <_> - 3 5 3 3 -1. - <_> - 4 5 1 3 3. - <_> - - <_> - 6 6 9 6 -1. - <_> - 9 6 3 6 3. - <_> - - <_> - 4 9 2 1 -1. - <_> - 4 9 1 1 2. - 1 - <_> - - <_> - 4 6 12 6 -1. - <_> - 8 6 4 6 3. - <_> - - <_> - 0 8 12 4 -1. - <_> - 3 8 6 4 2. - <_> - - <_> - 10 5 3 3 -1. - <_> - 11 5 1 3 3. - <_> - - <_> - 5 5 3 3 -1. - <_> - 6 5 1 3 3. - <_> - - <_> - 14 0 3 1 -1. - <_> - 15 1 1 1 3. - 1 - <_> - - <_> - 4 0 1 3 -1. - <_> - 3 1 1 1 3. - 1 - <_> - - <_> - 7 1 6 2 -1. - <_> - 7 2 6 1 2. - <_> - - <_> - 4 0 6 2 -1. - <_> - 6 0 2 2 3. - <_> - - <_> - 11 7 2 2 -1. - <_> - 12 7 1 1 2. - <_> - 11 8 1 1 2. - <_> - - <_> - 0 2 12 10 -1. - <_> - 3 2 6 10 2. - <_> - - <_> - 14 8 4 4 -1. - <_> - 14 9 4 2 2. - <_> - - <_> - 0 4 11 8 -1. - <_> - 0 8 11 4 2. - <_> - - <_> - 3 0 12 6 -1. - <_> - 3 2 12 2 3. - <_> - - <_> - 5 7 2 2 -1. - <_> - 5 7 1 1 2. - <_> - 6 8 1 1 2. - <_> - - <_> - 4 2 12 9 -1. - <_> - 4 5 12 3 3. - <_> - - <_> - 0 8 4 4 -1. - <_> - 0 9 4 2 2. - <_> - - <_> - 0 1 18 10 -1. - <_> - 9 1 9 5 2. - <_> - 0 6 9 5 2. - <_> - - <_> - 2 5 3 3 -1. - <_> - 3 5 1 3 3. - <_> - - <_> - 13 7 2 3 -1. - <_> - 12 8 2 1 3. - 1 - <_> - - <_> - 5 7 3 2 -1. - <_> - 6 8 1 2 3. - 1 - <_> - - <_> - 9 11 3 1 -1. - <_> - 10 11 1 1 3. - <_> - - <_> - 0 7 3 4 -1. - <_> - 1 7 1 4 3. - <_> - - <_> - 11 2 3 7 -1. - <_> - 12 3 1 7 3. - 1 - <_> - - <_> - 4 1 9 9 -1. - <_> - 7 4 3 3 9. - <_> - - <_> - 6 0 12 4 -1. - <_> - 9 0 6 4 2. - <_> - - <_> - 0 0 6 5 -1. - <_> - 3 0 3 5 2. - <_> - - <_> - 3 1 12 4 -1. - <_> - 3 2 12 2 2. - <_> - - <_> - 4 1 4 2 -1. - <_> - 5 1 2 2 2. - <_> - - <_> - 9 5 1 6 -1. - <_> - 9 5 1 3 2. - 1 - <_> - - <_> - 4 6 6 2 -1. - <_> - 6 6 2 2 3. - <_> - - <_> - 0 11 18 1 -1. - <_> - 0 11 9 1 2. - <_> - - <_> - 0 6 3 4 -1. - <_> - 0 8 3 2 2. - <_> - - <_> - 10 4 3 1 -1. - <_> - 11 5 1 1 3. - 1 - <_> - - <_> - 4 1 10 6 -1. - <_> - 4 3 10 2 3. - <_> - - <_> - 10 4 3 3 -1. - <_> - 11 5 1 3 3. - 1 - <_> - - <_> - 8 4 3 3 -1. - <_> - 7 5 3 1 3. - 1 - <_> - - <_> - 11 10 1 2 -1. - <_> - 11 11 1 1 2. - <_> - - <_> - 2 3 1 2 -1. - <_> - 2 3 1 1 2. - 1 - <_> - - <_> - 6 11 6 1 -1. - <_> - 8 11 2 1 3. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 1 2 1 2. - <_> - - <_> - 16 10 2 2 -1. - <_> - 16 11 2 1 2. - <_> - - <_> - 7 9 4 3 -1. - <_> - 8 9 2 3 2. - <_> - - <_> - 6 3 6 3 -1. - <_> - 6 4 6 1 3. - <_> - - <_> - 0 1 18 4 -1. - <_> - 6 1 6 4 3. - <_> - - <_> - 7 0 6 4 -1. - <_> - 9 0 2 4 3. - <_> - - <_> - 5 0 6 4 -1. - <_> - 7 0 2 4 3. - <_> - - <_> - 7 6 6 1 -1. - <_> - 9 6 2 1 3. - <_> - - <_> - 0 6 16 4 -1. - <_> - 0 6 8 2 2. - <_> - 8 8 8 2 2. - <_> - - <_> - 16 10 2 2 -1. - <_> - 16 11 2 1 2. - <_> - - <_> - 0 6 6 2 -1. - <_> - 2 6 2 2 3. - <_> - - <_> - 16 10 2 2 -1. - <_> - 16 11 2 1 2. - <_> - - <_> - 0 10 2 2 -1. - <_> - 0 11 2 1 2. - <_> - - <_> - 5 0 8 3 -1. - <_> - 5 1 8 1 3. - <_> - - <_> - 4 0 8 4 -1. - <_> - 4 1 8 2 2. - <_> - - <_> - 7 0 4 3 -1. - <_> - 8 0 2 3 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 1 0 1 2 2. - <_> - - <_> - 16 0 2 4 -1. - <_> - 16 0 1 4 2. - 1 - <_> - - <_> - 5 8 2 2 -1. - <_> - 5 8 1 2 2. - 1 - <_> - - <_> - 0 4 18 8 -1. - <_> - 6 4 6 8 3. - <_> - - <_> - 2 0 4 2 -1. - <_> - 2 0 4 1 2. - 1 - <_> - - <_> - 11 5 4 3 -1. - <_> - 12 5 2 3 2. - <_> - - <_> - 3 5 4 3 -1. - <_> - 4 5 2 3 2. - <_> - - <_> - 0 2 18 8 -1. - <_> - 9 2 9 4 2. - <_> - 0 6 9 4 2. - <_> - - <_> - 5 9 4 3 -1. - <_> - 6 9 2 3 2. - <_> - - <_> - 10 5 8 7 -1. - <_> - 12 5 4 7 2. - <_> - - <_> - 3 0 4 4 -1. - <_> - 4 0 2 4 2. - <_> - - <_> - 10 5 8 7 -1. - <_> - 12 5 4 7 2. - <_> - - <_> - 5 4 3 4 -1. - <_> - 6 4 1 4 3. - <_> - - <_> - 16 4 2 4 -1. - <_> - 16 5 2 2 2. - <_> - - <_> - 4 0 3 2 -1. - <_> - 4 0 3 1 2. - 1 - <_> - - <_> - 5 1 8 3 -1. - <_> - 5 2 8 1 3. - <_> - - <_> - 4 0 2 3 -1. - <_> - 3 1 2 1 3. - 1 - <_> - - <_> - 6 2 12 10 -1. - <_> - 9 2 6 10 2. - <_> - - <_> - 1 9 12 2 -1. - <_> - 4 9 6 2 2. - <_> - - <_> - 6 2 12 10 -1. - <_> - 9 2 6 10 2. - <_> - - <_> - 0 2 12 10 -1. - <_> - 3 2 6 10 2. - <_> - - <_> - 9 5 3 3 -1. - <_> - 10 5 1 3 3. - <_> - - <_> - 0 4 12 8 -1. - <_> - 0 8 12 4 2. - <_> - - <_> - 4 0 10 6 -1. - <_> - 4 2 10 2 3. - <_> - - <_> - 7 2 4 3 -1. - <_> - 7 3 4 1 3. - <_> - - <_> - 16 9 1 3 -1. - <_> - 16 10 1 1 3. - <_> - - <_> - 0 9 2 3 -1. - <_> - 0 10 2 1 3. - <_> - - <_> - 9 5 3 3 -1. - <_> - 10 5 1 3 3. - <_> - - <_> - 6 5 3 3 -1. - <_> - 7 5 1 3 3. - <_> - - <_> - 7 10 4 2 -1. - <_> - 7 10 2 2 2. - <_> - - <_> - 7 0 4 2 -1. - <_> - 8 0 2 2 2. - <_> - - <_> - 15 6 3 6 -1. - <_> - 16 6 1 6 3. - <_> - - <_> - 0 6 3 6 -1. - <_> - 1 6 1 6 3. - <_> - - <_> - 16 4 2 4 -1. - <_> - 16 5 2 2 2. - <_> - - <_> - 0 4 2 4 -1. - <_> - 0 5 2 2 2. - <_> - - <_> - 6 0 12 4 -1. - <_> - 6 1 12 2 2. - <_> - - <_> - 6 9 4 2 -1. - <_> - 7 9 2 2 2. - <_> - - <_> - 12 4 3 5 -1. - <_> - 13 5 1 5 3. - 1 - <_> - - <_> - 7 2 4 7 -1. - <_> - 8 2 2 7 2. - <_> - - <_> - 12 4 3 5 -1. - <_> - 13 5 1 5 3. - 1 - <_> - - <_> - 6 4 5 3 -1. - <_> - 5 5 5 1 3. - 1 - <_> - - <_> - 8 0 4 2 -1. - <_> - 9 0 2 2 2. - <_> - - <_> - 8 7 1 3 -1. - <_> - 8 8 1 1 3. - <_> - - <_> - 16 2 2 4 -1. - <_> - 16 3 2 2 2. - <_> - - <_> - 3 10 4 2 -1. - <_> - 3 11 4 1 2. - <_> - - <_> - 0 0 18 12 -1. - <_> - 0 0 9 12 2. - <_> - - <_> - 7 11 2 1 -1. - <_> - 8 11 1 1 2. - <_> - - <_> - 7 11 4 1 -1. - <_> - 7 11 2 1 2. - <_> - - <_> - 0 2 12 4 -1. - <_> - 4 2 4 4 3. - <_> - - <_> - 4 4 10 4 -1. - <_> - 4 6 10 2 2. - <_> - - <_> - 0 0 3 9 -1. - <_> - 0 3 3 3 3. - <_> - - <_> - 16 3 2 7 -1. - <_> - 16 3 1 7 2. - <_> - - <_> - 0 3 2 7 -1. - <_> - 1 3 1 7 2. - <_> - - <_> - 14 7 3 2 -1. - <_> - 14 7 3 1 2. - 1 - <_> - - <_> - 9 2 6 1 -1. - <_> - 9 2 3 1 2. - 1 - <_> - - <_> - 9 4 2 2 -1. - <_> - 10 4 1 1 2. - <_> - 9 5 1 1 2. - <_> - - <_> - 2 0 4 4 -1. - <_> - 3 0 2 4 2. - <_> - - <_> - 9 4 2 2 -1. - <_> - 10 4 1 1 2. - <_> - 9 5 1 1 2. - <_> - - <_> - 7 4 2 2 -1. - <_> - 7 4 1 1 2. - <_> - 8 5 1 1 2. - <_> - - <_> - 12 4 6 8 -1. - <_> - 14 4 2 8 3. - <_> - - <_> - 0 4 6 8 -1. - <_> - 2 4 2 8 3. - <_> - - <_> - 14 9 1 2 -1. - <_> - 14 9 1 1 2. - 1 - <_> - - <_> - 4 9 2 1 -1. - <_> - 4 9 1 1 2. - 1 - <_> - - <_> - 6 0 6 6 -1. - <_> - 6 2 6 2 3. - <_> - - <_> - 6 1 1 3 -1. - <_> - 5 2 1 1 3. - 1 - <_> - - <_> - 0 2 18 6 -1. - <_> - 6 4 6 2 9. - <_> - - <_> - 6 4 6 6 -1. - <_> - 8 6 2 2 9. - <_> - - <_> - 0 0 4 5 -1. - <_> - 2 0 2 5 2. - <_> - - <_> - 3 2 12 6 -1. - <_> - 3 4 12 2 3. - <_> - - <_> - 0 0 12 9 -1. - <_> - 4 3 4 3 9. - <_> - - <_> - 7 6 6 1 -1. - <_> - 9 6 2 1 3. - <_> - - <_> - 4 7 2 2 -1. - <_> - 4 7 1 1 2. - <_> - 5 8 1 1 2. - <_> - - <_> - 13 8 2 2 -1. - <_> - 13 8 2 1 2. - 1 - <_> - - <_> - 9 5 6 1 -1. - <_> - 9 5 3 1 2. - 1 - <_> - - <_> - 17 0 1 2 -1. - <_> - 17 1 1 1 2. - <_> - - <_> - 0 0 1 6 -1. - <_> - 0 2 1 2 3. - <_> - - <_> - 11 5 4 3 -1. - <_> - 12 5 2 3 2. - <_> - - <_> - 3 5 4 3 -1. - <_> - 4 5 2 3 2. - <_> - - <_> - 13 9 1 2 -1. - <_> - 13 9 1 1 2. - 1 - <_> - - <_> - 5 9 2 1 -1. - <_> - 5 9 1 1 2. - 1 - <_> - - <_> - 12 10 2 1 -1. - <_> - 12 10 1 1 2. - <_> - - <_> - 3 1 12 6 -1. - <_> - 3 3 12 2 3. - <_> - - <_> - 17 2 1 6 -1. - <_> - 17 4 1 2 3. - <_> - - <_> - 0 2 1 6 -1. - <_> - 0 4 1 2 3. - <_> - - <_> - 12 10 2 1 -1. - <_> - 12 10 1 1 2. - <_> - - <_> - 4 10 2 1 -1. - <_> - 5 10 1 1 2. - <_> - - <_> - 6 4 6 2 -1. - <_> - 6 5 6 1 2. - <_> - - <_> - 2 0 8 4 -1. - <_> - 4 0 4 4 2. - <_> - - <_> - 16 0 2 3 -1. - <_> - 16 1 2 1 3. - <_> - - <_> - 0 0 2 3 -1. - <_> - 0 1 2 1 3. - <_> - - <_> - 6 0 6 4 -1. - <_> - 6 1 6 2 2. - <_> - - <_> - 5 0 6 4 -1. - <_> - 5 1 6 2 2. - <_> - - <_> - 14 9 3 3 -1. - <_> - 14 10 3 1 3. - <_> - - <_> - 4 5 3 3 -1. - <_> - 5 5 1 3 3. - <_> - - <_> - 15 6 2 4 -1. - <_> - 15 6 2 2 2. - 1 - <_> - - <_> - 5 8 3 1 -1. - <_> - 6 9 1 1 3. - 1 - <_> - - <_> - 12 9 6 3 -1. - <_> - 12 10 6 1 3. - <_> - - <_> - 4 0 6 4 -1. - <_> - 6 0 2 4 3. - <_> - - <_> - 9 5 3 2 -1. - <_> - 10 5 1 2 3. - <_> - - <_> - 5 5 6 3 -1. - <_> - 7 5 2 3 3. - <_> - - <_> - 16 5 2 6 -1. - <_> - 16 5 1 6 2. - <_> - - <_> - 9 1 9 1 -1. - <_> - 12 4 3 1 3. - 1 - <_> - - <_> - 5 1 8 4 -1. - <_> - 5 2 8 2 2. - <_> - - <_> - 0 0 18 3 -1. - <_> - 6 0 6 3 3. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 6 8 6 4 -1. - <_> - 6 9 6 2 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 17 0 1 2 -1. - <_> - 17 1 1 1 2. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 15 5 1 6 -1. - <_> - 15 5 1 3 2. - 1 - <_> - - <_> - 7 5 3 2 -1. - <_> - 8 5 1 2 3. - <_> - - <_> - 14 9 4 3 -1. - <_> - 14 10 4 1 3. - <_> - - <_> - 5 0 3 4 -1. - <_> - 5 0 3 2 2. - 1 - <_> - - <_> - 14 9 4 3 -1. - <_> - 14 10 4 1 3. - <_> - - <_> - 0 9 4 3 -1. - <_> - 0 10 4 1 3. - <_> - - <_> - 14 6 4 6 -1. - <_> - 14 8 4 2 3. - <_> - - <_> - 0 5 4 6 -1. - <_> - 0 7 4 2 3. - <_> - - <_> - 9 3 3 6 -1. - <_> - 10 4 1 6 3. - 1 - <_> - - <_> - 6 1 6 10 -1. - <_> - 6 1 3 5 2. - <_> - 9 6 3 5 2. - <_> - - <_> - 16 5 2 6 -1. - <_> - 16 5 1 6 2. - <_> - - <_> - 0 5 2 6 -1. - <_> - 1 5 1 6 2. - <_> - - <_> - 13 0 5 2 -1. - <_> - 13 0 5 1 2. - 1 - <_> - - <_> - 5 0 2 5 -1. - <_> - 5 0 1 5 2. - 1 - <_> - - <_> - 6 4 6 8 -1. - <_> - 6 8 6 4 2. - <_> - - <_> - 7 4 2 2 -1. - <_> - 7 4 1 1 2. - <_> - 8 5 1 1 2. - <_> - - <_> - 1 10 16 2 -1. - <_> - 5 10 8 2 2. - <_> - - <_> - 6 9 6 3 -1. - <_> - 8 9 2 3 3. - <_> - - <_> - 9 10 4 2 -1. - <_> - 10 10 2 2 2. - <_> - - <_> - 9 4 3 4 -1. - <_> - 8 5 3 2 2. - 1 - <_> - - <_> - 7 0 4 4 -1. - <_> - 8 0 2 4 2. - <_> - - <_> - 6 0 6 3 -1. - <_> - 8 0 2 3 3. - <_> - - <_> - 11 7 2 2 -1. - <_> - 12 7 1 1 2. - <_> - 11 8 1 1 2. - <_> - - <_> - 0 8 2 3 -1. - <_> - 0 9 2 1 3. - <_> - - <_> - 11 7 2 2 -1. - <_> - 12 7 1 1 2. - <_> - 11 8 1 1 2. - <_> - - <_> - 1 4 2 4 -1. - <_> - 1 5 2 2 2. - <_> - - <_> - 3 0 12 8 -1. - <_> - 3 2 12 4 2. - <_> - - <_> - 0 3 12 9 -1. - <_> - 3 3 6 9 2. - <_> - - <_> - 16 0 2 10 -1. - <_> - 16 0 2 5 2. - 1 - <_> - - <_> - 3 8 2 2 -1. - <_> - 3 8 1 2 2. - 1 - <_> - - <_> - 15 9 2 2 -1. - <_> - 16 9 1 1 2. - <_> - 15 10 1 1 2. - <_> - - <_> - 1 9 2 2 -1. - <_> - 1 9 1 1 2. - <_> - 2 10 1 1 2. - <_> - - <_> - 15 9 2 2 -1. - <_> - 16 9 1 1 2. - <_> - 15 10 1 1 2. - <_> - - <_> - 1 9 2 2 -1. - <_> - 1 9 1 1 2. - <_> - 2 10 1 1 2. - <_> - - <_> - 0 0 18 12 -1. - <_> - 9 0 9 6 2. - <_> - 0 6 9 6 2. - <_> - - <_> - 0 6 6 6 -1. - <_> - 0 9 6 3 2. - <_> - - <_> - 8 10 6 2 -1. - <_> - 10 10 2 2 3. - <_> - - <_> - 6 1 6 2 -1. - <_> - 6 2 6 1 2. - <_> - - <_> - 16 2 2 1 -1. - <_> - 16 2 1 1 2. - 1 - <_> - - <_> - 2 1 10 1 -1. - <_> - 2 1 5 1 2. - 1 - <_> - - <_> - 16 2 2 1 -1. - <_> - 16 2 1 1 2. - 1 - <_> - - <_> - 2 2 1 2 -1. - <_> - 2 2 1 1 2. - 1 - <_> - - <_> - 11 4 2 6 -1. - <_> - 11 4 1 6 2. - 1 - <_> - - <_> - 7 4 6 2 -1. - <_> - 7 4 6 1 2. - 1 - <_> - - <_> - 10 6 2 2 -1. - <_> - 10 6 1 2 2. - <_> - - <_> - 6 6 2 2 -1. - <_> - 7 6 1 2 2. - <_> - - <_> - 8 10 6 2 -1. - <_> - 10 10 2 2 3. - <_> - - <_> - 6 0 6 11 -1. - <_> - 8 0 2 11 3. - <_> - - <_> - 8 10 6 2 -1. - <_> - 10 10 2 2 3. - <_> - - <_> - 4 10 6 2 -1. - <_> - 6 10 2 2 3. - <_> - - <_> - 14 2 4 4 -1. - <_> - 14 3 4 2 2. - <_> - - <_> - 7 4 2 2 -1. - <_> - 7 4 1 1 2. - <_> - 8 5 1 1 2. - <_> - - <_> - 9 4 2 2 -1. - <_> - 10 4 1 1 2. - <_> - 9 5 1 1 2. - <_> - - <_> - 7 4 2 2 -1. - <_> - 7 4 1 1 2. - <_> - 8 5 1 1 2. - <_> - - <_> - 14 2 4 4 -1. - <_> - 14 3 4 2 2. - <_> - - <_> - 0 2 4 4 -1. - <_> - 0 3 4 2 2. - <_> - - <_> - 15 0 3 4 -1. - <_> - 14 1 3 2 2. - 1 - <_> - - <_> - 3 0 4 3 -1. - <_> - 4 1 2 3 2. - 1 - <_> - - <_> - 5 0 10 3 -1. - <_> - 5 0 5 3 2. - <_> - - <_> - 5 2 6 2 -1. - <_> - 7 2 2 2 3. - <_> - - <_> - 3 0 12 2 -1. - <_> - 3 1 12 1 2. - <_> - - <_> - 5 0 6 3 -1. - <_> - 5 1 6 1 3. - <_> - - <_> - 12 0 3 2 -1. - <_> - 13 1 1 2 3. - 1 - <_> - - <_> - 6 0 2 3 -1. - <_> - 5 1 2 1 3. - 1 - <_> - - <_> - 10 5 8 7 -1. - <_> - 12 5 4 7 2. - <_> - - <_> - 0 5 8 7 -1. - <_> - 2 5 4 7 2. - <_> - - <_> - 12 8 6 2 -1. - <_> - 14 8 2 2 3. - <_> - - <_> - 0 8 6 2 -1. - <_> - 2 8 2 2 3. - <_> - - <_> - 12 9 1 2 -1. - <_> - 12 9 1 1 2. - 1 - <_> - - <_> - 6 9 2 1 -1. - <_> - 6 9 1 1 2. - 1 - <_> - - <_> - 5 4 8 4 -1. - <_> - 5 5 8 2 2. - <_> - - <_> - 6 6 6 2 -1. - <_> - 8 6 2 2 3. - <_> - - <_> - 16 0 2 6 -1. - <_> - 16 0 1 6 2. - <_> - - <_> - 3 4 12 8 -1. - <_> - 3 8 12 4 2. - <_> - - <_> - 1 2 16 4 -1. - <_> - 5 2 8 4 2. - <_> - - <_> - 0 0 2 6 -1. - <_> - 1 0 1 6 2. - <_> - - <_> - 3 1 12 4 -1. - <_> - 3 2 12 2 2. - <_> - - <_> - 6 6 3 1 -1. - <_> - 7 6 1 1 3. - <_> - - <_> - 10 6 3 1 -1. - <_> - 11 6 1 1 3. - <_> - - <_> - 3 10 12 2 -1. - <_> - 3 11 12 1 2. - <_> - - <_> - 10 6 3 1 -1. - <_> - 11 6 1 1 3. - <_> - - <_> - 1 0 8 3 -1. - <_> - 3 0 4 3 2. - <_> - - <_> - 16 0 2 3 -1. - <_> - 16 0 1 3 2. - 1 - <_> - - <_> - 2 0 3 2 -1. - <_> - 2 0 3 1 2. - 1 - <_> - - <_> - 10 5 3 3 -1. - <_> - 11 5 1 3 3. - <_> - - <_> - 5 5 3 3 -1. - <_> - 6 5 1 3 3. - <_> - - <_> - 11 5 6 4 -1. - <_> - 13 5 2 4 3. - <_> - - <_> - 9 3 8 1 -1. - <_> - 9 3 4 1 2. - 1 - <_> - - <_> - 13 5 3 3 -1. - <_> - 14 6 1 3 3. - 1 - <_> - - <_> - 5 5 3 3 -1. - <_> - 4 6 3 1 3. - 1 - <_> - - <_> - 10 0 4 4 -1. - <_> - 11 0 2 4 2. - <_> - - <_> - 4 3 10 3 -1. - <_> - 4 4 10 1 3. - <_> - - <_> - 12 8 2 2 -1. - <_> - 12 8 2 1 2. - 1 - <_> - - <_> - 6 8 2 2 -1. - <_> - 6 8 1 2 2. - 1 - <_> - - <_> - 13 0 3 3 -1. - <_> - 14 1 1 3 3. - 1 - <_> - - <_> - 4 0 4 4 -1. - <_> - 5 0 2 4 2. - <_> - - <_> - 14 6 4 6 -1. - <_> - 14 8 4 2 3. - <_> - - <_> - 4 5 3 3 -1. - <_> - 5 5 1 3 3. - <_> - - <_> - 12 5 6 6 -1. - <_> - 14 5 2 6 3. - <_> - - <_> - 0 5 6 6 -1. - <_> - 2 5 2 6 3. - <_> - - <_> - 6 0 6 3 -1. - <_> - 6 1 6 1 3. - <_> - - <_> - 4 2 2 2 -1. - <_> - 4 2 2 1 2. - 1 - <_> - - <_> - 5 0 8 6 -1. - <_> - 5 2 8 2 3. - <_> - - <_> - 6 0 5 2 -1. - <_> - 6 1 5 1 2. - <_> - - <_> - 10 8 4 4 -1. - <_> - 11 8 2 4 2. - <_> - - <_> - 6 8 6 3 -1. - <_> - 8 8 2 3 3. - <_> - - <_> - 15 3 1 2 -1. - <_> - 15 4 1 1 2. - <_> - - <_> - 0 5 3 4 -1. - <_> - 0 6 3 2 2. - <_> - - <_> - 15 2 3 9 -1. - <_> - 15 5 3 3 3. - <_> - - <_> - 0 2 3 9 -1. - <_> - 0 5 3 3 3. - <_> - - <_> - 6 1 6 3 -1. - <_> - 8 1 2 3 3. - <_> - - <_> - 0 4 2 4 -1. - <_> - 0 5 2 2 2. - <_> - - <_> - 6 2 6 2 -1. - <_> - 6 3 6 1 2. - <_> - - <_> - 3 0 12 4 -1. - <_> - 3 1 12 2 2. - <_> - - <_> - 13 0 4 1 -1. - <_> - 14 1 2 1 2. - 1 - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 2 0 16 9 -1. - <_> - 2 0 8 9 2. - <_> - - <_> - 1 0 15 12 -1. - <_> - 6 0 5 12 3. - <_> - - <_> - 12 5 3 3 -1. - <_> - 13 5 1 3 3. - <_> - - <_> - 3 5 3 3 -1. - <_> - 4 5 1 3 3. - <_> - - <_> - 15 3 2 3 -1. - <_> - 14 4 2 1 3. - 1 - <_> - - <_> - 3 3 3 2 -1. - <_> - 4 4 1 2 3. - 1 - <_> - - <_> - 13 0 4 1 -1. - <_> - 14 1 2 1 2. - 1 - <_> - - <_> - 5 0 1 4 -1. - <_> - 4 1 1 2 2. - 1 - <_> - - <_> - 12 0 4 5 -1. - <_> - 13 0 2 5 2. - <_> - - <_> - 2 0 4 5 -1. - <_> - 3 0 2 5 2. - <_> - - <_> - 8 9 2 2 -1. - <_> - 8 9 1 2 2. - <_> - - <_> - 0 11 18 1 -1. - <_> - 9 11 9 1 2. - <_> - - <_> - 0 2 18 10 -1. - <_> - 9 2 9 5 2. - <_> - 0 7 9 5 2. - <_> - - <_> - 3 4 12 8 -1. - <_> - 3 8 12 4 2. - <_> - - <_> - 13 7 2 2 -1. - <_> - 14 7 1 1 2. - <_> - 13 8 1 1 2. - <_> - - <_> - 0 10 2 2 -1. - <_> - 0 11 2 1 2. - <_> - - <_> - 13 7 2 2 -1. - <_> - 14 7 1 1 2. - <_> - 13 8 1 1 2. - <_> - - <_> - 3 7 2 2 -1. - <_> - 3 7 1 1 2. - <_> - 4 8 1 1 2. - <_> - - <_> - 7 10 4 2 -1. - <_> - 8 10 2 2 2. - <_> - - <_> - 7 4 4 3 -1. - <_> - 6 5 4 1 3. - 1 - <_> - - <_> - 15 7 3 2 -1. - <_> - 15 7 3 1 2. - 1 - <_> - - <_> - 3 7 2 3 -1. - <_> - 3 7 1 3 2. - 1 - <_> - - <_> - 14 5 4 7 -1. - <_> - 14 5 2 7 2. - <_> - - <_> - 0 5 4 7 -1. - <_> - 2 5 2 7 2. - <_> - - <_> - 9 0 4 3 -1. - <_> - 10 0 2 3 2. - <_> - - <_> - 3 9 1 2 -1. - <_> - 3 10 1 1 2. - <_> - - <_> - 8 4 3 3 -1. - <_> - 9 4 1 3 3. - <_> - - <_> - 9 3 3 3 -1. - <_> - 8 4 3 1 3. - 1 - <_> - - <_> - 3 3 12 4 -1. - <_> - 3 5 12 2 2. - <_> - - <_> - 6 1 2 4 -1. - <_> - 5 2 2 2 2. - 1 - <_> - - <_> - 9 0 4 4 -1. - <_> - 10 0 2 4 2. - <_> - - <_> - 5 0 4 3 -1. - <_> - 6 0 2 3 2. - <_> - - <_> - 9 9 2 2 -1. - <_> - 10 9 1 1 2. - <_> - 9 10 1 1 2. - <_> - - <_> - 0 6 3 5 -1. - <_> - 1 6 1 5 3. - <_> - - <_> - 15 5 3 7 -1. - <_> - 16 5 1 7 3. - <_> - - <_> - 0 4 4 8 -1. - <_> - 1 4 2 8 2. - <_> - - <_> - 12 3 6 4 -1. - <_> - 12 4 6 2 2. - <_> - - <_> - 0 3 4 4 -1. - <_> - 0 4 4 2 2. - <_> - - <_> - 16 3 1 2 -1. - <_> - 16 4 1 1 2. - <_> - - <_> - 1 3 1 2 -1. - <_> - 1 4 1 1 2. - <_> - - <_> - 7 1 8 3 -1. - <_> - 7 2 8 1 3. - <_> - - <_> - 7 0 4 4 -1. - <_> - 7 1 4 2 2. - <_> - - <_> - 11 1 1 8 -1. - <_> - 9 3 1 4 2. - 1 - <_> - - <_> - 0 6 4 6 -1. - <_> - 0 8 4 2 3. - <_> - - <_> - 10 10 4 2 -1. - <_> - 11 10 2 2 2. - <_> - - <_> - 4 7 9 3 -1. - <_> - 4 8 9 1 3. - <_> - - <_> - 8 7 2 3 -1. - <_> - 8 8 2 1 3. - <_> - - <_> - 0 7 1 2 -1. - <_> - 0 8 1 1 2. - <_> - - <_> - 10 10 4 2 -1. - <_> - 11 10 2 2 2. - <_> - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - <_> - - <_> - 8 1 2 8 -1. - <_> - 8 3 2 4 2. - <_> - - <_> - 7 6 4 3 -1. - <_> - 7 7 4 1 3. - <_> - - <_> - 8 5 6 3 -1. - <_> - 10 5 2 3 3. - <_> - - <_> - 0 6 1 2 -1. - <_> - 0 7 1 1 2. - <_> - - <_> - 14 6 4 2 -1. - <_> - 15 7 2 2 2. - 1 - <_> - - <_> - 3 4 12 8 -1. - <_> - 3 8 12 4 2. - <_> - - <_> - 10 10 4 2 -1. - <_> - 11 10 2 2 2. - <_> - - <_> - 4 10 4 2 -1. - <_> - 5 10 2 2 2. - <_> - - <_> - 15 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 15 8 1 1 2. - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 7 1 1 2. - <_> - 2 8 1 1 2. - <_> - - <_> - 15 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 15 8 1 1 2. - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 7 1 1 2. - <_> - 2 8 1 1 2. - <_> - - <_> - 10 8 2 2 -1. - <_> - 10 8 2 1 2. - 1 - <_> - - <_> - 8 2 8 1 -1. - <_> - 8 2 4 1 2. - 1 - <_> - - <_> - 0 0 18 10 -1. - <_> - 0 0 9 10 2. - <_> - - <_> - 8 8 2 2 -1. - <_> - 8 8 1 2 2. - 1 - <_> - - <_> - 8 10 3 1 -1. - <_> - 9 10 1 1 3. - <_> - - <_> - 7 10 3 1 -1. - <_> - 8 10 1 1 3. - <_> - - <_> - 17 2 1 3 -1. - <_> - 17 3 1 1 3. - <_> - - <_> - 0 2 1 3 -1. - <_> - 0 3 1 1 3. - <_> - - <_> - 6 0 10 2 -1. - <_> - 6 0 5 2 2. - <_> - - <_> - 3 0 10 2 -1. - <_> - 8 0 5 2 2. - <_> - - <_> - 0 0 18 12 -1. - <_> - 9 0 9 6 2. - <_> - 0 6 9 6 2. - <_> - - <_> - 4 6 6 4 -1. - <_> - 6 6 2 4 3. - <_> - - <_> - 11 11 2 1 -1. - <_> - 11 11 1 1 2. - <_> - - <_> - 0 11 16 1 -1. - <_> - 8 11 8 1 2. - <_> - - <_> - 14 0 3 8 -1. - <_> - 15 0 1 8 3. - <_> - - <_> - 0 0 8 1 -1. - <_> - 2 0 4 1 2. - <_> - - <_> - 14 0 3 8 -1. - <_> - 15 0 1 8 3. - <_> - - <_> - 1 0 3 8 -1. - <_> - 2 0 1 8 3. - <_> - - <_> - 16 7 2 3 -1. - <_> - 16 7 1 3 2. - 1 - <_> - - <_> - 5 0 6 4 -1. - <_> - 5 0 6 2 2. - 1 - <_> - - <_> - 14 0 4 2 -1. - <_> - 14 0 2 2 2. - <_> - - <_> - 0 0 4 2 -1. - <_> - 2 0 2 2 2. - <_> - - <_> - 9 4 2 6 -1. - <_> - 9 4 2 3 2. - 1 - <_> - - <_> - 4 3 10 4 -1. - <_> - 4 4 10 2 2. - <_> - - <_> - 2 10 16 1 -1. - <_> - 6 10 8 1 2. - <_> - - <_> - 3 9 12 2 -1. - <_> - 9 9 6 2 2. - <_> - - <_> - 10 3 3 4 -1. - <_> - 11 4 1 4 3. - 1 - <_> - - <_> - 4 7 4 1 -1. - <_> - 4 7 2 1 2. - 1 - <_> - - <_> - 10 3 3 4 -1. - <_> - 11 4 1 4 3. - 1 - <_> - - <_> - 8 3 4 3 -1. - <_> - 7 4 4 1 3. - 1 - <_> - - <_> - 16 3 2 1 -1. - <_> - 16 3 1 1 2. - <_> - - <_> - 0 3 2 1 -1. - <_> - 1 3 1 1 2. - <_> - - <_> - 13 0 4 4 -1. - <_> - 14 0 2 4 2. - <_> - - <_> - 1 0 4 4 -1. - <_> - 2 0 2 4 2. - <_> - - <_> - 7 2 5 3 -1. - <_> - 7 3 5 1 3. - <_> - - <_> - 3 3 12 6 -1. - <_> - 3 5 12 2 3. - <_> - - <_> - 13 1 4 1 -1. - <_> - 14 2 2 1 2. - 1 - <_> - - <_> - 5 1 1 4 -1. - <_> - 4 2 1 2 2. - 1 - <_> - - <_> - 16 3 2 2 -1. - <_> - 17 3 1 1 2. - <_> - 16 4 1 1 2. - <_> - - <_> - 0 3 2 2 -1. - <_> - 0 3 1 1 2. - <_> - 1 4 1 1 2. - <_> - - <_> - 10 3 4 4 -1. - <_> - 11 4 2 4 2. - 1 - <_> - - <_> - 5 4 8 2 -1. - <_> - 5 5 8 1 2. - <_> - - <_> - 12 10 1 2 -1. - <_> - 12 11 1 1 2. - <_> - - <_> - 0 0 12 4 -1. - <_> - 0 0 6 2 2. - <_> - 6 2 6 2 2. - <_> - - <_> - 5 1 12 2 -1. - <_> - 11 1 6 1 2. - <_> - 5 2 6 1 2. - <_> - - <_> - 2 1 12 2 -1. - <_> - 2 1 6 1 2. - <_> - 8 2 6 1 2. - <_> - - <_> - 8 0 4 4 -1. - <_> - 9 0 2 4 2. - <_> - - <_> - 6 0 4 4 -1. - <_> - 7 0 2 4 2. - <_> - - <_> - 16 4 2 2 -1. - <_> - 17 4 1 1 2. - <_> - 16 5 1 1 2. - <_> - - <_> - 0 4 2 2 -1. - <_> - 0 4 1 1 2. - <_> - 1 5 1 1 2. - <_> - - <_> - 11 6 4 3 -1. - <_> - 12 6 2 3 2. - <_> - - <_> - 3 6 4 3 -1. - <_> - 4 6 2 3 2. - <_> - - <_> - 14 7 2 3 -1. - <_> - 13 8 2 1 3. - 1 - <_> - - <_> - 4 7 3 2 -1. - <_> - 5 8 1 2 3. - 1 - <_> - - <_> - 10 6 3 2 -1. - <_> - 11 6 1 2 3. - <_> - - <_> - 0 8 5 4 -1. - <_> - 0 9 5 2 2. - <_> - - <_> - 10 6 3 2 -1. - <_> - 11 6 1 2 3. - <_> - - <_> - 0 1 2 1 -1. - <_> - 1 1 1 1 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 10 6 3 2 -1. - <_> - 11 6 1 2 3. - <_> - - <_> - 5 6 3 2 -1. - <_> - 6 6 1 2 3. - <_> - - <_> - 10 0 4 5 -1. - <_> - 11 0 2 5 2. - <_> - - <_> - 2 5 4 4 -1. - <_> - 3 5 2 4 2. - <_> - - <_> - 12 0 3 10 -1. - <_> - 13 0 1 10 3. - <_> - - <_> - 3 0 6 5 -1. - <_> - 5 0 2 5 3. - <_> - - <_> - 6 2 6 1 -1. - <_> - 6 2 3 1 2. - <_> - - <_> - 1 0 12 2 -1. - <_> - 1 0 6 1 2. - <_> - 7 1 6 1 2. - <_> - - <_> - 6 0 6 2 -1. - <_> - 6 1 6 1 2. - <_> - - <_> - 0 3 1 4 -1. - <_> - 0 4 1 2 2. - <_> - - <_> - 17 0 1 2 -1. - <_> - 17 1 1 1 2. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 14 4 2 6 -1. - <_> - 14 4 2 3 2. - 1 - <_> - - <_> - 3 6 8 4 -1. - <_> - 3 6 4 2 2. - <_> - 7 8 4 2 2. - <_> - - <_> - 11 4 3 4 -1. - <_> - 12 5 1 4 3. - 1 - <_> - - <_> - 7 4 4 3 -1. - <_> - 6 5 4 1 3. - 1 - <_> - - <_> - 7 8 6 3 -1. - <_> - 9 8 2 3 3. - <_> - - <_> - 1 1 16 1 -1. - <_> - 5 1 8 1 2. - <_> - - <_> - 0 0 18 2 -1. - <_> - 6 0 6 2 3. - <_> - - <_> - 7 9 2 1 -1. - <_> - 7 9 1 1 2. - 1 - <_> - - <_> - 12 9 1 2 -1. - <_> - 12 9 1 1 2. - 1 - <_> - - <_> - 6 9 2 1 -1. - <_> - 6 9 1 1 2. - 1 - <_> - - <_> - 14 7 4 3 -1. - <_> - 15 7 2 3 2. - <_> - - <_> - 0 7 4 3 -1. - <_> - 1 7 2 3 2. - <_> - - <_> - 14 10 2 2 -1. - <_> - 15 10 1 1 2. - <_> - 14 11 1 1 2. - <_> - - <_> - 2 10 2 2 -1. - <_> - 2 10 1 1 2. - <_> - 3 11 1 1 2. - <_> - - <_> - 12 2 2 7 -1. - <_> - 12 2 1 7 2. - 1 - <_> - - <_> - 6 2 7 2 -1. - <_> - 6 2 7 1 2. - 1 - <_> - - <_> - 13 2 3 9 -1. - <_> - 14 5 1 3 9. - <_> - - <_> - 0 4 3 4 -1. - <_> - 0 5 3 2 2. - <_> - - <_> - 4 11 14 1 -1. - <_> - 4 11 7 1 2. - <_> - - <_> - 0 11 14 1 -1. - <_> - 7 11 7 1 2. - <_> - - <_> - 14 10 2 2 -1. - <_> - 15 10 1 1 2. - <_> - 14 11 1 1 2. - <_> - - <_> - 2 10 2 2 -1. - <_> - 2 10 1 1 2. - <_> - 3 11 1 1 2. - <_> - - <_> - 6 3 12 9 -1. - <_> - 9 3 6 9 2. - <_> - - <_> - 0 3 12 9 -1. - <_> - 3 3 6 9 2. - <_> - - <_> - 15 11 2 1 -1. - <_> - 15 11 1 1 2. - <_> - - <_> - 3 9 1 2 -1. - <_> - 3 9 1 1 2. - 1 - <_> - - <_> - 6 1 6 6 -1. - <_> - 6 3 6 2 3. - <_> - - <_> - 3 2 12 4 -1. - <_> - 3 3 12 2 2. - <_> - - <_> - 17 8 1 2 -1. - <_> - 17 9 1 1 2. - <_> - - <_> - 2 0 6 5 -1. - <_> - 4 0 2 5 3. - <_> - - <_> - 16 9 2 3 -1. - <_> - 16 10 2 1 3. - <_> - - <_> - 3 1 4 4 -1. - <_> - 4 1 2 4 2. - <_> - - <_> - 16 9 2 3 -1. - <_> - 16 10 2 1 3. - <_> - - <_> - 0 9 2 3 -1. - <_> - 0 10 2 1 3. - <_> - - <_> - 12 10 6 2 -1. - <_> - 12 11 6 1 2. - <_> - - <_> - 5 0 3 3 -1. - <_> - 6 1 1 3 3. - 1 - <_> - - <_> - 0 5 18 1 -1. - <_> - 6 5 6 1 3. - <_> - - <_> - 5 0 6 4 -1. - <_> - 5 0 6 2 2. - 1 - <_> - - <_> - 12 4 3 5 -1. - <_> - 13 5 1 5 3. - 1 - <_> - - <_> - 6 4 5 3 -1. - <_> - 5 5 5 1 3. - 1 - <_> - - <_> - 14 10 4 2 -1. - <_> - 14 11 4 1 2. - <_> - - <_> - 3 1 3 9 -1. - <_> - 4 1 1 9 3. - <_> - - <_> - 11 7 2 1 -1. - <_> - 11 7 1 1 2. - <_> - - <_> - 5 7 2 1 -1. - <_> - 6 7 1 1 2. - <_> - - <_> - 16 4 2 2 -1. - <_> - 17 4 1 1 2. - <_> - 16 5 1 1 2. - <_> - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - <_> - - <_> - 8 0 3 12 -1. - <_> - 9 0 1 12 3. - <_> - - <_> - 7 0 3 12 -1. - <_> - 8 0 1 12 3. - <_> - - <_> - 16 4 2 2 -1. - <_> - 17 4 1 1 2. - <_> - 16 5 1 1 2. - <_> - - <_> - 0 4 2 2 -1. - <_> - 0 4 1 1 2. - <_> - 1 5 1 1 2. - <_> - - <_> - 14 2 4 6 -1. - <_> - 14 4 4 2 3. - <_> - - <_> - 0 2 4 6 -1. - <_> - 0 4 4 2 3. - <_> - - <_> - 9 2 2 2 -1. - <_> - 10 2 1 1 2. - <_> - 9 3 1 1 2. - <_> - - <_> - 7 2 2 2 -1. - <_> - 7 2 1 1 2. - <_> - 8 3 1 1 2. - <_> - - <_> - 13 9 4 3 -1. - <_> - 13 10 4 1 3. - <_> - - <_> - 1 9 4 3 -1. - <_> - 1 10 4 1 3. - <_> - - <_> - 0 0 18 12 -1. - <_> - 9 0 9 6 2. - <_> - 0 6 9 6 2. - <_> - - <_> - 0 3 7 2 -1. - <_> - 0 4 7 1 2. - <_> - - <_> - 4 1 10 4 -1. - <_> - 4 2 10 2 2. - <_> - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - <_> - - <_> - 9 2 3 4 -1. - <_> - 8 3 3 2 2. - 1 - <_> - - <_> - 6 0 12 3 -1. - <_> - 9 0 6 3 2. - <_> - - <_> - 0 0 6 5 -1. - <_> - 3 0 3 5 2. - <_> - - <_> - 9 3 2 4 -1. - <_> - 8 4 2 2 2. - 1 - <_> - - <_> - 9 3 8 1 -1. - <_> - 9 3 4 1 2. - 1 - <_> - - <_> - 13 6 3 3 -1. - <_> - 14 7 1 3 3. - 1 - <_> - - <_> - 0 0 4 12 -1. - <_> - 0 0 2 6 2. - <_> - 2 6 2 6 2. - <_> - - <_> - 16 1 2 1 -1. - <_> - 16 1 1 1 2. - 1 - <_> - - <_> - 9 0 8 4 -1. - <_> - 9 0 8 2 2. - 1 - <_> - - <_> - 3 1 12 4 -1. - <_> - 3 2 12 2 2. - <_> - - <_> - 5 10 1 2 -1. - <_> - 5 11 1 1 2. - <_> - - <_> - 16 0 2 4 -1. - <_> - 16 0 1 4 2. - <_> - - <_> - 0 0 4 6 -1. - <_> - 1 0 2 6 2. - <_> - - <_> - 12 6 4 2 -1. - <_> - 13 6 2 2 2. - <_> - - <_> - 6 3 6 5 -1. - <_> - 9 3 3 5 2. - <_> - - <_> - 11 4 3 3 -1. - <_> - 12 5 1 3 3. - 1 - <_> - - <_> - 5 1 8 6 -1. - <_> - 5 3 8 2 3. - <_> - - <_> - 6 6 9 6 -1. - <_> - 9 6 3 6 3. - <_> - - <_> - 3 6 9 6 -1. - <_> - 6 6 3 6 3. - <_> - - <_> - 14 1 2 2 -1. - <_> - 14 1 1 2 2. - 1 - <_> - - <_> - 4 1 2 2 -1. - <_> - 4 1 2 1 2. - 1 - <_> - - <_> - 15 5 1 6 -1. - <_> - 15 5 1 3 2. - 1 - <_> - - <_> - 3 5 6 1 -1. - <_> - 3 5 3 1 2. - 1 - <_> - - <_> - 15 0 3 3 -1. - <_> - 16 1 1 3 3. - 1 - <_> - - <_> - 3 0 3 3 -1. - <_> - 2 1 3 1 3. - 1 - <_> - - <_> - 11 5 3 3 -1. - <_> - 12 5 1 3 3. - <_> - - <_> - 3 6 4 2 -1. - <_> - 4 6 2 2 2. - <_> - - <_> - 11 7 2 2 -1. - <_> - 12 7 1 1 2. - <_> - 11 8 1 1 2. - <_> - - <_> - 0 2 2 4 -1. - <_> - 0 3 2 2 2. - <_> - - <_> - 12 5 2 3 -1. - <_> - 12 5 1 3 2. - 1 - <_> - - <_> - 6 5 3 2 -1. - <_> - 6 5 3 1 2. - 1 - <_> - - <_> - 6 1 7 3 -1. - <_> - 6 2 7 1 3. - <_> - - <_> - 3 0 12 4 -1. - <_> - 3 1 12 2 2. - <_> - - <_> - 8 0 4 3 -1. - <_> - 8 1 4 1 3. - <_> - - <_> - 5 2 4 2 -1. - <_> - 6 2 2 2 2. - <_> - - <_> - 9 0 4 3 -1. - <_> - 10 0 2 3 2. - <_> - - <_> - 7 0 4 4 -1. - <_> - 8 0 2 4 2. - <_> - - <_> - 12 6 6 2 -1. - <_> - 14 6 2 2 3. - <_> - - <_> - 0 7 2 4 -1. - <_> - 0 8 2 2 2. - <_> - - <_> - 13 6 5 6 -1. - <_> - 13 8 5 2 3. - <_> - - <_> - 6 10 4 2 -1. - <_> - 7 10 2 2 2. - <_> - - <_> - 13 5 4 3 -1. - <_> - 14 5 2 3 2. - <_> - - <_> - 1 5 4 3 -1. - <_> - 2 5 2 3 2. - <_> - - <_> - 13 6 5 6 -1. - <_> - 13 8 5 2 3. - <_> - - <_> - 0 6 5 6 -1. - <_> - 0 8 5 2 3. - <_> - - <_> - 13 4 1 2 -1. - <_> - 13 5 1 1 2. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 15 6 3 2 -1. - <_> - 16 6 1 2 3. - <_> - - <_> - 0 6 3 2 -1. - <_> - 1 6 1 2 3. - <_> - - <_> - 13 4 1 2 -1. - <_> - 13 5 1 1 2. - <_> - - <_> - 4 4 1 2 -1. - <_> - 4 5 1 1 2. - <_> - - <_> - 7 10 6 2 -1. - <_> - 9 10 2 2 3. - <_> - - <_> - 3 10 12 2 -1. - <_> - 7 10 4 2 3. - <_> - - <_> - 11 7 2 2 -1. - <_> - 12 7 1 1 2. - <_> - 11 8 1 1 2. - <_> - - <_> - 5 7 2 2 -1. - <_> - 5 7 1 1 2. - <_> - 6 8 1 1 2. - <_> - - <_> - 2 0 14 12 -1. - <_> - 2 0 7 12 2. - <_> - - <_> - 5 1 8 3 -1. - <_> - 9 1 4 3 2. - <_> - - <_> - 8 0 2 5 -1. - <_> - 8 0 1 5 2. - <_> - - <_> - 7 0 4 3 -1. - <_> - 7 1 4 1 3. - <_> - - <_> - 16 6 2 3 -1. - <_> - 16 7 2 1 3. - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 7 1 1 2. - <_> - 2 8 1 1 2. - <_> - - <_> - 15 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 15 8 1 1 2. - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 7 1 1 2. - <_> - 2 8 1 1 2. - <_> - - <_> - 15 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 15 8 1 1 2. - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 7 1 1 2. - <_> - 2 8 1 1 2. - <_> - - <_> - 0 1 18 1 -1. - <_> - 6 1 6 1 3. - <_> - - <_> - 5 0 2 1 -1. - <_> - 5 0 1 1 2. - 1 - <_> - - <_> - 17 7 1 4 -1. - <_> - 17 9 1 2 2. - <_> - - <_> - 3 0 4 5 -1. - <_> - 4 0 2 5 2. - <_> - - <_> - 5 3 8 2 -1. - <_> - 5 4 8 1 2. - <_> - - <_> - 6 2 6 6 -1. - <_> - 8 4 2 2 9. - <_> - - <_> - 16 1 2 9 -1. - <_> - 16 4 2 3 3. - <_> - - <_> - 0 1 2 9 -1. - <_> - 0 4 2 3 3. - <_> - - <_> - 0 5 18 4 -1. - <_> - 6 5 6 4 3. - <_> - - <_> - 0 9 16 3 -1. - <_> - 4 9 8 3 2. - <_> - - <_> - 11 0 3 1 -1. - <_> - 12 1 1 1 3. - 1 - <_> - - <_> - 2 6 4 2 -1. - <_> - 3 6 2 2 2. - <_> - - <_> - 10 5 4 4 -1. - <_> - 11 5 2 4 2. - <_> - - <_> - 4 6 3 2 -1. - <_> - 5 6 1 2 3. - <_> - - <_> - 17 8 1 2 -1. - <_> - 17 9 1 1 2. - <_> - - <_> - 0 8 1 2 -1. - <_> - 0 9 1 1 2. - <_> - - <_> - 16 8 2 3 -1. - <_> - 16 9 2 1 3. - <_> - - <_> - 0 8 2 3 -1. - <_> - 0 9 2 1 3. - <_> - - <_> - 6 10 6 2 -1. - <_> - 8 10 2 2 3. - <_> - - <_> - 4 4 4 2 -1. - <_> - 4 4 2 1 2. - <_> - 6 5 2 1 2. - <_> - - <_> - 16 0 1 2 -1. - <_> - 16 1 1 1 2. - <_> - - <_> - 7 0 1 3 -1. - <_> - 6 1 1 1 3. - 1 - <_> - - <_> - 3 0 12 8 -1. - <_> - 3 2 12 4 2. - <_> - - <_> - 3 4 2 1 -1. - <_> - 4 4 1 1 2. - <_> - - <_> - 7 9 4 3 -1. - <_> - 8 9 2 3 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 9 10 2 2 -1. - <_> - 10 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 9 10 2 2 -1. - <_> - 10 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 16 0 1 2 -1. - <_> - 16 1 1 1 2. - <_> - - <_> - 1 0 1 2 -1. - <_> - 1 1 1 1 2. - <_> - - <_> - 10 0 8 4 -1. - <_> - 14 0 4 2 2. - <_> - 10 2 4 2 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 8 5 3 3 -1. - <_> - 9 5 1 3 3. - <_> - - <_> - 7 5 3 3 -1. - <_> - 8 5 1 3 3. - <_> - - <_> - 17 10 1 2 -1. - <_> - 17 11 1 1 2. - <_> - - <_> - 0 10 1 2 -1. - <_> - 0 11 1 1 2. - <_> - - <_> - 15 10 2 2 -1. - <_> - 16 10 1 1 2. - <_> - 15 11 1 1 2. - <_> - - <_> - 2 9 2 1 -1. - <_> - 2 9 1 1 2. - 1 - <_> - - <_> - 15 11 2 1 -1. - <_> - 15 11 1 1 2. - <_> - - <_> - 1 11 2 1 -1. - <_> - 2 11 1 1 2. - <_> - - <_> - 14 9 4 2 -1. - <_> - 14 9 2 2 2. - <_> - - <_> - 0 9 4 2 -1. - <_> - 2 9 2 2 2. - <_> - - <_> - 15 7 2 3 -1. - <_> - 14 8 2 1 3. - 1 - <_> - - <_> - 3 9 1 2 -1. - <_> - 3 9 1 1 2. - 1 - <_> - - <_> - 14 8 2 2 -1. - <_> - 14 8 2 1 2. - 1 - <_> - - <_> - 4 8 2 2 -1. - <_> - 4 8 1 2 2. - 1 - <_> - - <_> - 14 8 2 2 -1. - <_> - 14 8 2 1 2. - 1 - <_> - - <_> - 4 8 2 2 -1. - <_> - 4 8 1 2 2. - 1 - <_> - - <_> - 16 6 2 3 -1. - <_> - 16 7 2 1 3. - <_> - - <_> - 2 0 3 9 -1. - <_> - 3 0 1 9 3. - <_> - - <_> - 10 4 3 5 -1. - <_> - 11 4 1 5 3. - <_> - - <_> - 5 4 3 5 -1. - <_> - 6 4 1 5 3. - <_> - - <_> - 9 5 3 3 -1. - <_> - 10 5 1 3 3. - <_> - - <_> - 0 3 6 8 -1. - <_> - 2 3 2 8 3. - <_> - - <_> - 14 0 3 8 -1. - <_> - 15 0 1 8 3. - <_> - - <_> - 1 0 3 8 -1. - <_> - 2 0 1 8 3. - <_> - - <_> - 9 5 3 3 -1. - <_> - 10 5 1 3 3. - <_> - - <_> - 6 0 4 2 -1. - <_> - 7 0 2 2 2. - <_> - - <_> - 10 0 8 4 -1. - <_> - 14 0 4 2 2. - <_> - 10 2 4 2 2. - <_> - - <_> - 0 0 8 4 -1. - <_> - 0 0 4 2 2. - <_> - 4 2 4 2 2. - <_> - - <_> - 9 2 1 8 -1. - <_> - 9 2 1 4 2. - 1 - <_> - - <_> - 9 2 8 1 -1. - <_> - 9 2 4 1 2. - 1 - <_> - - <_> - 11 0 1 2 -1. - <_> - 11 0 1 1 2. - 1 - <_> - - <_> - 0 10 2 2 -1. - <_> - 0 11 2 1 2. - <_> - - <_> - 16 9 2 1 -1. - <_> - 16 9 1 1 2. - 1 - <_> - - <_> - 2 9 1 2 -1. - <_> - 2 9 1 1 2. - 1 - <_> - - <_> - 16 8 2 4 -1. - <_> - 16 10 2 2 2. - <_> - - <_> - 6 5 3 2 -1. - <_> - 7 5 1 2 3. - <_> - - <_> - 16 7 2 3 -1. - <_> - 15 8 2 1 3. - 1 - <_> - - <_> - 2 7 3 2 -1. - <_> - 3 8 1 2 3. - 1 - <_> - - <_> - 10 3 1 3 -1. - <_> - 10 4 1 1 3. - <_> - - <_> - 0 8 2 4 -1. - <_> - 0 10 2 2 2. - <_> - - <_> - 9 4 2 2 -1. - <_> - 10 4 1 1 2. - <_> - 9 5 1 1 2. - <_> - - <_> - 6 4 6 2 -1. - <_> - 6 4 3 1 2. - <_> - 9 5 3 1 2. - <_> - - <_> - 9 1 2 2 -1. - <_> - 10 1 1 1 2. - <_> - 9 2 1 1 2. - <_> - - <_> - 4 0 4 2 -1. - <_> - 5 0 2 2 2. - <_> - - <_> - 9 1 2 2 -1. - <_> - 10 1 1 1 2. - <_> - 9 2 1 1 2. - <_> - - <_> - 6 0 2 3 -1. - <_> - 6 1 2 1 3. - <_> - - <_> - 12 3 1 6 -1. - <_> - 12 5 1 2 3. - <_> - - <_> - 5 3 1 6 -1. - <_> - 5 5 1 2 3. - <_> - - <_> - 11 0 3 2 -1. - <_> - 12 0 1 2 3. - <_> - - <_> - 4 0 10 2 -1. - <_> - 4 0 5 1 2. - <_> - 9 1 5 1 2. - <_> - - <_> - 12 0 3 3 -1. - <_> - 13 1 1 3 3. - 1 - <_> - - <_> - 6 0 3 3 -1. - <_> - 5 1 3 1 3. - 1 - <_> - - <_> - 14 7 2 2 -1. - <_> - 15 7 1 1 2. - <_> - 14 8 1 1 2. - <_> - - <_> - 2 7 2 2 -1. - <_> - 2 7 1 1 2. - <_> - 3 8 1 1 2. - <_> - - <_> - 14 7 2 2 -1. - <_> - 15 7 1 1 2. - <_> - 14 8 1 1 2. - <_> - - <_> - 2 7 2 2 -1. - <_> - 2 7 1 1 2. - <_> - 3 8 1 1 2. - <_> - - <_> - 0 0 18 9 -1. - <_> - 0 0 9 9 2. - <_> - - <_> - 8 8 2 2 -1. - <_> - 9 8 1 2 2. - <_> - - <_> - 6 6 12 6 -1. - <_> - 6 6 6 6 2. - <_> - - <_> - 0 5 14 7 -1. - <_> - 7 5 7 7 2. - <_> - - <_> - 13 0 5 3 -1. - <_> - 12 1 5 1 3. - 1 - <_> - - <_> - 7 0 4 1 -1. - <_> - 9 0 2 1 2. - <_> - - <_> - 8 0 3 2 -1. - <_> - 8 1 3 1 2. - <_> - - <_> - 5 0 3 5 -1. - <_> - 6 1 1 5 3. - 1 - <_> - - <_> - 6 1 6 9 -1. - <_> - 8 4 2 3 9. - <_> - - <_> - 6 0 12 4 -1. - <_> - 9 0 6 4 2. - <_> - - <_> - 0 0 12 4 -1. - <_> - 3 0 6 4 2. - <_> - - <_> - 7 6 6 2 -1. - <_> - 9 6 2 2 3. - <_> - - <_> - 5 6 6 2 -1. - <_> - 7 6 2 2 3. - <_> - - <_> - 7 10 10 2 -1. - <_> - 7 11 10 1 2. - <_> - - <_> - 3 4 12 8 -1. - <_> - 3 8 12 4 2. - <_> - - <_> - 14 5 3 4 -1. - <_> - 15 6 1 4 3. - 1 - <_> - - <_> - 4 5 4 3 -1. - <_> - 3 6 4 1 3. - 1 - <_> - - <_> - 16 0 2 4 -1. - <_> - 16 0 1 4 2. - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 3 1 12 4 -1. - <_> - 3 2 12 2 2. - <_> - - <_> - 1 1 2 1 -1. - <_> - 2 1 1 1 2. - <_> - - <_> - 6 2 6 3 -1. - <_> - 6 3 6 1 3. - <_> - - <_> - 8 0 2 4 -1. - <_> - 9 0 1 4 2. - <_> - - <_> - 16 8 2 4 -1. - <_> - 16 9 2 2 2. - <_> - - <_> - 7 2 4 2 -1. - <_> - 7 3 4 1 2. - <_> - - <_> - 16 8 2 4 -1. - <_> - 16 9 2 2 2. - <_> - - <_> - 3 1 3 2 -1. - <_> - 3 1 3 1 2. - 1 - <_> - - <_> - 2 5 16 6 -1. - <_> - 10 5 8 3 2. - <_> - 2 8 8 3 2. - <_> - - <_> - 0 8 2 4 -1. - <_> - 0 9 2 2 2. - <_> - - <_> - 10 0 4 3 -1. - <_> - 11 0 2 3 2. - <_> - - <_> - 3 0 6 2 -1. - <_> - 3 1 6 1 2. - <_> - - <_> - 13 0 4 2 -1. - <_> - 14 1 2 2 2. - 1 - <_> - - <_> - 5 0 2 4 -1. - <_> - 4 1 2 2 2. - 1 - <_> - - <_> - 13 4 2 3 -1. - <_> - 12 5 2 1 3. - 1 - <_> - - <_> - 3 5 4 3 -1. - <_> - 4 5 2 3 2. - <_> - - <_> - 10 3 3 5 -1. - <_> - 11 4 1 5 3. - 1 - <_> - - <_> - 0 2 18 2 -1. - <_> - 6 2 6 2 3. - <_> - - <_> - 11 3 3 4 -1. - <_> - 12 4 1 4 3. - 1 - <_> - - <_> - 7 3 4 3 -1. - <_> - 6 4 4 1 3. - 1 - <_> - - <_> - 13 3 3 6 -1. - <_> - 14 5 1 2 9. - <_> - - <_> - 0 0 2 2 -1. - <_> - 1 0 1 2 2. - <_> - - <_> - 15 9 1 2 -1. - <_> - 15 9 1 1 2. - 1 - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 2 2. - 1 - <_> - - <_> - 10 8 2 1 -1. - <_> - 10 8 1 1 2. - <_> - - <_> - 6 8 2 1 -1. - <_> - 7 8 1 1 2. - <_> - - <_> - 9 9 4 3 -1. - <_> - 10 9 2 3 2. - <_> - - <_> - 3 9 2 1 -1. - <_> - 3 9 1 1 2. - 1 - <_> - - <_> - 13 5 3 3 -1. - <_> - 14 5 1 3 3. - <_> - - <_> - 2 5 3 3 -1. - <_> - 3 5 1 3 3. - <_> - - <_> - 7 0 4 2 -1. - <_> - 8 0 2 2 2. - <_> - - <_> - 4 8 2 2 -1. - <_> - 4 8 1 2 2. - 1 - <_> - - <_> - 14 4 4 6 -1. - <_> - 15 4 2 6 2. - <_> - - <_> - 0 4 4 6 -1. - <_> - 1 4 2 6 2. - <_> - - <_> - 16 7 2 3 -1. - <_> - 16 7 1 3 2. - 1 - <_> - - <_> - 0 10 16 2 -1. - <_> - 4 10 8 2 2. - <_> - - <_> - 3 3 15 9 -1. - <_> - 8 3 5 9 3. - <_> - - <_> - 9 3 4 2 -1. - <_> - 9 3 2 2 2. - 1 - <_> - - <_> - 5 8 8 4 -1. - <_> - 5 9 8 2 2. - <_> - - <_> - 0 10 9 2 -1. - <_> - 0 11 9 1 2. - <_> - - <_> - 2 11 16 1 -1. - <_> - 2 11 8 1 2. - <_> - - <_> - 2 10 2 1 -1. - <_> - 3 10 1 1 2. - <_> - - <_> - 16 7 2 3 -1. - <_> - 16 7 1 3 2. - 1 - <_> - - <_> - 2 7 3 2 -1. - <_> - 2 7 3 1 2. - 1 - <_> - - <_> - 17 4 1 4 -1. - <_> - 17 5 1 2 2. - <_> - - <_> - 5 0 8 4 -1. - <_> - 5 1 8 2 2. - <_> - - <_> - 7 0 4 3 -1. - <_> - 8 0 2 3 2. - <_> - - <_> - 9 0 2 1 -1. - <_> - 9 0 1 1 2. - 1 - <_> - - <_> - 17 7 1 2 -1. - <_> - 17 8 1 1 2. - <_> - - <_> - 0 7 1 2 -1. - <_> - 0 8 1 1 2. - <_> - - <_> - 10 7 2 2 -1. - <_> - 11 7 1 1 2. - <_> - 10 8 1 1 2. - <_> - - <_> - 0 6 1 3 -1. - <_> - 0 7 1 1 3. - <_> - - <_> - 10 7 2 2 -1. - <_> - 11 7 1 1 2. - <_> - 10 8 1 1 2. - <_> - - <_> - 0 0 11 8 -1. - <_> - 0 4 11 4 2. - <_> - - <_> - 4 4 10 2 -1. - <_> - 4 5 10 1 2. - <_> - - <_> - 0 3 2 2 -1. - <_> - 0 4 2 1 2. - <_> - - <_> - 12 3 3 6 -1. - <_> - 13 5 1 2 9. - <_> - - <_> - 0 0 18 10 -1. - <_> - 9 0 9 10 2. - <_> - - <_> - 5 2 12 10 -1. - <_> - 9 2 4 10 3. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - <_> - - <_> - 3 3 15 9 -1. - <_> - 8 3 5 9 3. - <_> - - <_> - 4 1 2 3 -1. - <_> - 3 2 2 1 3. - 1 - <_> - - <_> - 11 5 6 3 -1. - <_> - 13 6 2 1 9. - <_> - - <_> - 1 5 6 3 -1. - <_> - 3 6 2 1 9. - <_> - - <_> - 5 3 12 9 -1. - <_> - 9 3 4 9 3. - <_> - - <_> - 1 3 12 9 -1. - <_> - 5 3 4 9 3. - <_> - - <_> - 17 1 1 10 -1. - <_> - 17 1 1 5 2. - 1 - <_> - - <_> - 9 3 4 3 -1. - <_> - 8 4 4 1 3. - 1 - <_> - - <_> - 8 10 4 2 -1. - <_> - 9 10 2 2 2. - <_> - - <_> - 6 10 4 2 -1. - <_> - 7 10 2 2 2. - <_> - - <_> - 17 0 1 2 -1. - <_> - 17 1 1 1 2. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 14 6 4 2 -1. - <_> - 15 7 2 2 2. - 1 - <_> - - <_> - 6 10 6 2 -1. - <_> - 8 10 2 2 3. - <_> - - <_> - 15 2 3 3 -1. - <_> - 14 3 3 1 3. - 1 - <_> - - <_> - 3 0 12 8 -1. - <_> - 3 2 12 4 2. - <_> - - <_> - 0 0 18 11 -1. - <_> - 0 0 9 11 2. - <_> - - <_> - 7 6 4 3 -1. - <_> - 7 7 4 1 3. - <_> - - <_> - 9 2 6 3 -1. - <_> - 11 2 2 3 3. - <_> - - <_> - 6 0 2 6 -1. - <_> - 6 0 1 6 2. - 1 - <_> - - <_> - 10 2 4 2 -1. - <_> - 11 2 2 2 2. - <_> - - <_> - 0 3 2 4 -1. - <_> - 1 3 1 4 2. - <_> - - <_> - 14 0 4 1 -1. - <_> - 15 1 2 1 2. - 1 - <_> - - <_> - 4 0 1 4 -1. - <_> - 3 1 1 2 2. - 1 - <_> - - <_> - 14 7 4 1 -1. - <_> - 15 8 2 1 2. - 1 - <_> - - <_> - 4 7 1 4 -1. - <_> - 3 8 1 2 2. - 1 - <_> - - <_> - 5 6 8 2 -1. - <_> - 5 7 8 1 2. - <_> - - <_> - 0 4 5 4 -1. - <_> - 0 5 5 2 2. - <_> - - <_> - 10 0 1 4 -1. - <_> - 9 1 1 2 2. - 1 - <_> - - <_> - 8 0 4 1 -1. - <_> - 9 1 2 1 2. - 1 - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 3 8 3 1 -1. - <_> - 4 9 1 1 3. - 1 - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 4 7 2 2 -1. - <_> - 4 7 1 1 2. - <_> - 5 8 1 1 2. - <_> - - <_> - 14 7 4 4 -1. - <_> - 14 9 4 2 2. - <_> - - <_> - 7 4 3 3 -1. - <_> - 6 5 3 1 3. - 1 - <_> - - <_> - 13 10 2 2 -1. - <_> - 14 10 1 1 2. - <_> - 13 11 1 1 2. - <_> - - <_> - 4 1 4 1 -1. - <_> - 5 1 2 1 2. - <_> - - <_> - 10 0 4 4 -1. - <_> - 11 0 2 4 2. - <_> - - <_> - 4 0 4 4 -1. - <_> - 5 0 2 4 2. - <_> - - <_> - 15 0 2 2 -1. - <_> - 16 0 1 1 2. - <_> - 15 1 1 1 2. - <_> - - <_> - 3 0 12 4 -1. - <_> - 3 1 12 2 2. - <_> - - <_> - 16 1 2 2 -1. - <_> - 17 1 1 1 2. - <_> - 16 2 1 1 2. - <_> - - <_> - 5 0 2 3 -1. - <_> - 5 1 2 1 3. - <_> - - <_> - 16 1 2 2 -1. - <_> - 17 1 1 1 2. - <_> - 16 2 1 1 2. - <_> - - <_> - 1 0 2 2 -1. - <_> - 1 0 1 1 2. - <_> - 2 1 1 1 2. - <_> - - <_> - 16 1 2 2 -1. - <_> - 17 1 1 1 2. - <_> - 16 2 1 1 2. - <_> - - <_> - 0 1 2 2 -1. - <_> - 0 1 1 1 2. - <_> - 1 2 1 1 2. - <_> - - <_> - 17 0 1 3 -1. - <_> - 17 1 1 1 3. - <_> - - <_> - 6 4 3 3 -1. - <_> - 7 5 1 1 9. - <_> - - <_> - 3 9 15 2 -1. - <_> - 8 9 5 2 3. - <_> - - <_> - 1 7 4 4 -1. - <_> - 1 9 4 2 2. - <_> - - <_> - 7 4 4 8 -1. - <_> - 7 4 2 8 2. - <_> - - <_> - 0 0 18 10 -1. - <_> - 0 0 9 5 2. - <_> - 9 5 9 5 2. - <_> - - <_> - 6 5 12 3 -1. - <_> - 6 5 6 3 2. - <_> - - <_> - 5 4 3 3 -1. - <_> - 6 5 1 3 3. - 1 - <_> - - <_> - 17 0 1 3 -1. - <_> - 17 1 1 1 3. - <_> - - <_> - 0 9 2 3 -1. - <_> - 0 10 2 1 3. - <_> - - <_> - 5 4 9 8 -1. - <_> - 5 8 9 4 2. - <_> - - <_> - 8 1 10 1 -1. - <_> - 8 1 5 1 2. - 1 - <_> - - <_> - 6 9 12 3 -1. - <_> - 9 9 6 3 2. - <_> - - <_> - 0 6 14 6 -1. - <_> - 7 6 7 6 2. - <_> - - <_> - 10 9 8 3 -1. - <_> - 12 9 4 3 2. - <_> - - <_> - 0 9 8 3 -1. - <_> - 2 9 4 3 2. - <_> - - <_> - 10 10 8 2 -1. - <_> - 12 10 4 2 2. - <_> - - <_> - 0 10 8 2 -1. - <_> - 2 10 4 2 2. - <_> - - <_> - 3 3 12 4 -1. - <_> - 3 5 12 2 2. - <_> - - <_> - 7 9 2 1 -1. - <_> - 8 9 1 1 2. - <_> - - <_> - 9 9 4 3 -1. - <_> - 10 9 2 3 2. - <_> - - <_> - 5 9 4 3 -1. - <_> - 6 9 2 3 2. - <_> - - <_> - 14 5 3 1 -1. - <_> - 15 6 1 1 3. - 1 - <_> - - <_> - 5 7 2 2 -1. - <_> - 5 7 1 1 2. - <_> - 6 8 1 1 2. - <_> - - <_> - 10 3 4 2 -1. - <_> - 11 3 2 2 2. - <_> - - <_> - 4 5 1 3 -1. - <_> - 3 6 1 1 3. - 1 - <_> - - <_> - 10 5 3 3 -1. - <_> - 11 5 1 3 3. - <_> - - <_> - 0 0 1 3 -1. - <_> - 0 1 1 1 3. - <_> - - <_> - 3 2 15 3 -1. - <_> - 8 2 5 3 3. - <_> - - <_> - 3 2 12 4 -1. - <_> - 6 2 6 4 2. - <_> - - <_> - 7 7 5 3 -1. - <_> - 7 8 5 1 3. - <_> - - <_> - 0 1 12 2 -1. - <_> - 0 1 6 1 2. - <_> - 6 2 6 1 2. - <_> - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - <_> - - <_> - 5 5 3 3 -1. - <_> - 6 5 1 3 3. - <_> - - <_> - 10 3 4 2 -1. - <_> - 11 3 2 2 2. - <_> - - <_> - 4 3 4 2 -1. - <_> - 5 3 2 2 2. - <_> - - <_> - 9 9 2 2 -1. - <_> - 10 9 1 1 2. - <_> - 9 10 1 1 2. - <_> - - <_> - 7 4 2 2 -1. - <_> - 7 4 1 1 2. - <_> - 8 5 1 1 2. - <_> - - <_> - 15 1 2 2 -1. - <_> - 16 1 1 1 2. - <_> - 15 2 1 1 2. - <_> - - <_> - 6 5 3 3 -1. - <_> - 7 5 1 3 3. - <_> - - <_> - 15 1 2 2 -1. - <_> - 16 1 1 1 2. - <_> - 15 2 1 1 2. - <_> - - <_> - 1 1 2 2 -1. - <_> - 1 1 1 1 2. - <_> - 2 2 1 1 2. - <_> - - <_> - 11 9 2 2 -1. - <_> - 12 9 1 1 2. - <_> - 11 10 1 1 2. - <_> - - <_> - 0 1 1 2 -1. - <_> - 0 2 1 1 2. - <_> - - <_> - 2 0 16 1 -1. - <_> - 2 0 8 1 2. - <_> - - <_> - 9 0 6 6 -1. - <_> - 9 0 3 6 2. - 1 - <_> - - <_> - 11 9 2 2 -1. - <_> - 12 9 1 1 2. - <_> - 11 10 1 1 2. - <_> - - <_> - 0 4 3 8 -1. - <_> - 0 6 3 4 2. - <_> - - <_> - 9 9 2 1 -1. - <_> - 9 9 1 1 2. - <_> - - <_> - 0 5 1 2 -1. - <_> - 0 6 1 1 2. - <_> - - <_> - 12 0 6 6 -1. - <_> - 15 0 3 3 2. - <_> - 12 3 3 3 2. - <_> - - <_> - 2 2 12 4 -1. - <_> - 2 3 12 2 2. - <_> - - <_> - 12 0 6 6 -1. - <_> - 15 0 3 3 2. - <_> - 12 3 3 3 2. - <_> - - <_> - 0 0 6 6 -1. - <_> - 0 0 3 3 2. - <_> - 3 3 3 3 2. - <_> - - <_> - 12 0 3 2 -1. - <_> - 13 1 1 2 3. - 1 - <_> - - <_> - 7 9 2 2 -1. - <_> - 7 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 9 9 2 2 -1. - <_> - 10 9 1 1 2. - <_> - 9 10 1 1 2. - <_> - - <_> - 0 9 15 1 -1. - <_> - 5 9 5 1 3. - <_> - - <_> - 9 3 1 3 -1. - <_> - 9 4 1 1 3. - <_> - - <_> - 6 0 2 3 -1. - <_> - 5 1 2 1 3. - 1 - <_> - - <_> - 12 0 2 3 -1. - <_> - 12 0 1 3 2. - 1 - <_> - - <_> - 1 10 16 1 -1. - <_> - 5 10 8 1 2. - <_> - - <_> - 17 8 1 4 -1. - <_> - 17 10 1 2 2. - <_> - - <_> - 0 8 1 4 -1. - <_> - 0 10 1 2 2. - <_> - - <_> - 16 9 2 1 -1. - <_> - 16 9 1 1 2. - 1 - <_> - - <_> - 2 9 1 2 -1. - <_> - 2 9 1 1 2. - 1 - <_> - - <_> - 12 0 2 3 -1. - <_> - 12 0 1 3 2. - 1 - <_> - - <_> - 0 7 1 2 -1. - <_> - 0 8 1 1 2. - <_> - - <_> - 12 0 2 3 -1. - <_> - 12 0 1 3 2. - 1 - <_> - - <_> - 6 0 3 2 -1. - <_> - 6 0 3 1 2. - 1 - <_> - - <_> - 14 1 2 2 -1. - <_> - 15 1 1 1 2. - <_> - 14 2 1 1 2. - <_> - - <_> - 2 1 2 2 -1. - <_> - 2 1 1 1 2. - <_> - 3 2 1 1 2. - <_> - - <_> - 9 1 2 3 -1. - <_> - 9 2 2 1 3. - <_> - - <_> - 1 1 3 6 -1. - <_> - 2 1 1 6 3. - <_> - - <_> - 12 8 1 3 -1. - <_> - 11 9 1 1 3. - 1 - <_> - - <_> - 6 8 3 1 -1. - <_> - 7 9 1 1 3. - 1 - <_> - - <_> - 9 7 4 2 -1. - <_> - 9 7 2 2 2. - <_> - - <_> - 5 7 4 2 -1. - <_> - 7 7 2 2 2. - <_> - - <_> - 9 9 2 2 -1. - <_> - 10 9 1 1 2. - <_> - 9 10 1 1 2. - <_> - - <_> - 7 9 2 2 -1. - <_> - 7 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 8 9 4 1 -1. - <_> - 9 9 2 1 2. - <_> - - <_> - 7 9 2 2 -1. - <_> - 7 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 15 7 1 4 -1. - <_> - 14 8 1 2 2. - 1 - <_> - - <_> - 8 9 2 2 -1. - <_> - 8 10 2 1 2. - <_> - - <_> - 15 7 1 4 -1. - <_> - 14 8 1 2 2. - 1 - <_> - - <_> - 3 7 4 1 -1. - <_> - 4 8 2 1 2. - 1 - <_> - - <_> - 14 7 2 3 -1. - <_> - 13 8 2 1 3. - 1 - <_> - - <_> - 4 7 3 2 -1. - <_> - 5 8 1 2 3. - 1 - <_> - - <_> - 11 3 6 6 -1. - <_> - 13 5 2 2 9. - <_> - - <_> - 1 3 6 6 -1. - <_> - 3 5 2 2 9. - <_> - - <_> - 13 2 1 9 -1. - <_> - 13 5 1 3 3. - <_> - - <_> - 4 2 1 9 -1. - <_> - 4 5 1 3 3. - <_> - - <_> - 7 5 3 3 -1. - <_> - 6 6 3 1 3. - 1 - <_> - - <_> - 4 3 10 4 -1. - <_> - 4 4 10 2 2. - <_> - - <_> - 0 0 2 6 -1. - <_> - 1 0 1 6 2. - <_> - - <_> - 13 0 4 3 -1. - <_> - 13 0 2 3 2. - 1 - <_> - - <_> - 5 0 3 4 -1. - <_> - 5 0 3 2 2. - 1 - <_> - - <_> - 6 5 6 3 -1. - <_> - 8 6 2 1 9. - <_> - - <_> - 4 0 10 4 -1. - <_> - 4 1 10 2 2. - <_> - - <_> - 7 0 5 3 -1. - <_> - 7 1 5 1 3. - <_> - - <_> - 5 9 6 3 -1. - <_> - 7 9 2 3 3. - <_> - - <_> - 11 6 3 1 -1. - <_> - 12 6 1 1 3. - <_> - - <_> - 0 0 1 9 -1. - <_> - 0 3 1 3 3. - <_> - - <_> - 11 6 3 1 -1. - <_> - 12 6 1 1 3. - <_> - - <_> - 0 2 6 7 -1. - <_> - 2 2 2 7 3. - <_> - - <_> - 11 6 3 1 -1. - <_> - 12 6 1 1 3. - <_> - - <_> - 4 6 3 1 -1. - <_> - 5 6 1 1 3. - <_> - - <_> - 9 0 4 3 -1. - <_> - 10 0 2 3 2. - <_> - - <_> - 5 2 8 3 -1. - <_> - 5 3 8 1 3. - <_> - - <_> - 7 2 4 3 -1. - <_> - 7 3 4 1 3. - <_> - - <_> - 3 0 6 5 -1. - <_> - 5 0 2 5 3. - <_> - - <_> - 8 0 6 5 -1. - <_> - 10 0 2 5 3. - <_> - - <_> - 2 0 4 5 -1. - <_> - 3 0 2 5 2. - <_> - - <_> - 10 0 6 4 -1. - <_> - 12 0 2 4 3. - <_> - - <_> - 2 0 6 4 -1. - <_> - 4 0 2 4 3. - <_> - - <_> - 3 0 12 4 -1. - <_> - 3 1 12 2 2. - <_> - - <_> - 0 10 7 2 -1. - <_> - 0 11 7 1 2. - <_> - - <_> - 5 3 8 3 -1. - <_> - 5 4 8 1 3. - <_> - - <_> - 0 0 1 4 -1. - <_> - 0 1 1 2 2. - <_> - - <_> - 6 3 6 2 -1. - <_> - 8 3 2 2 3. - <_> - - <_> - 7 8 4 3 -1. - <_> - 7 9 4 1 3. - <_> - - <_> - 7 8 4 4 -1. - <_> - 7 9 4 2 2. - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 2 2. - 1 - <_> - - <_> - 0 3 18 6 -1. - <_> - 9 3 9 3 2. - <_> - 0 6 9 3 2. - <_> - - <_> - 0 11 18 1 -1. - <_> - 9 11 9 1 2. - <_> - - <_> - 12 5 3 3 -1. - <_> - 13 5 1 3 3. - <_> - - <_> - 3 5 3 3 -1. - <_> - 4 5 1 3 3. - <_> - - <_> - 10 6 3 1 -1. - <_> - 11 6 1 1 3. - <_> - - <_> - 5 6 3 1 -1. - <_> - 6 6 1 1 3. - <_> - - <_> - 15 5 3 4 -1. - <_> - 15 6 3 2 2. - <_> - - <_> - 7 9 4 3 -1. - <_> - 8 9 2 3 2. - <_> - - <_> - 6 4 6 8 -1. - <_> - 8 4 2 8 3. - <_> - - <_> - 0 7 2 4 -1. - <_> - 0 9 2 2 2. - <_> - - <_> - 16 7 2 3 -1. - <_> - 16 7 1 3 2. - 1 - <_> - - <_> - 2 7 3 2 -1. - <_> - 2 7 3 1 2. - 1 - <_> - - <_> - 4 0 10 6 -1. - <_> - 4 2 10 2 3. - <_> - - <_> - 1 0 12 2 -1. - <_> - 1 0 6 1 2. - <_> - 7 1 6 1 2. - <_> - - <_> - 14 0 3 2 -1. - <_> - 15 1 1 2 3. - 1 - <_> - - <_> - 4 0 2 3 -1. - <_> - 3 1 2 1 3. - 1 - <_> - - <_> - 16 7 2 4 -1. - <_> - 16 7 1 4 2. - <_> - - <_> - 0 7 2 4 -1. - <_> - 1 7 1 4 2. - <_> - - <_> - 6 4 8 6 -1. - <_> - 6 7 8 3 2. - <_> - - <_> - 5 6 3 3 -1. - <_> - 6 7 1 1 9. - <_> - - <_> - 9 0 4 4 -1. - <_> - 10 0 2 4 2. - <_> - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - <_> - - <_> - 8 0 4 2 -1. - <_> - 9 0 2 2 2. - <_> - - <_> - 1 0 10 4 -1. - <_> - 1 0 5 2 2. - <_> - 6 2 5 2 2. - <_> - - <_> - 11 7 2 2 -1. - <_> - 12 7 1 1 2. - <_> - 11 8 1 1 2. - <_> - - <_> - 3 2 1 3 -1. - <_> - 2 3 1 1 3. - 1 - <_> - - <_> - 14 3 4 6 -1. - <_> - 14 5 4 2 3. - <_> - - <_> - 5 7 2 2 -1. - <_> - 5 7 1 1 2. - <_> - 6 8 1 1 2. - <_> - - <_> - 13 7 2 2 -1. - <_> - 14 7 1 1 2. - <_> - 13 8 1 1 2. - <_> - - <_> - 6 6 3 1 -1. - <_> - 7 6 1 1 3. - <_> - - <_> - 16 9 1 3 -1. - <_> - 16 10 1 1 3. - <_> - - <_> - 3 7 2 2 -1. - <_> - 3 7 1 1 2. - <_> - 4 8 1 1 2. - <_> - - <_> - 16 9 1 3 -1. - <_> - 16 10 1 1 3. - <_> - - <_> - 1 9 1 3 -1. - <_> - 1 10 1 1 3. - <_> - - <_> - 6 1 6 3 -1. - <_> - 6 2 6 1 3. - <_> - - <_> - 0 3 4 6 -1. - <_> - 0 5 4 2 3. - <_> - - <_> - 11 1 3 9 -1. - <_> - 12 4 1 3 9. - <_> - - <_> - 0 11 16 1 -1. - <_> - 4 11 8 1 2. - <_> - - <_> - 8 10 4 2 -1. - <_> - 9 10 2 2 2. - <_> - - <_> - 2 8 2 2 -1. - <_> - 2 8 2 1 2. - 1 - <_> - - <_> - 14 8 4 4 -1. - <_> - 14 10 4 2 2. - <_> - - <_> - 0 4 3 4 -1. - <_> - 0 5 3 2 2. - <_> - - <_> - 15 10 2 2 -1. - <_> - 16 10 1 1 2. - <_> - 15 11 1 1 2. - <_> - - <_> - 1 10 2 2 -1. - <_> - 1 10 1 1 2. - <_> - 2 11 1 1 2. - <_> - - <_> - 15 7 3 1 -1. - <_> - 16 7 1 1 3. - <_> - - <_> - 0 7 3 1 -1. - <_> - 1 7 1 1 3. - <_> - - <_> - 11 3 3 6 -1. - <_> - 12 5 1 2 9. - <_> - - <_> - 4 3 3 6 -1. - <_> - 5 5 1 2 9. - <_> - - <_> - 10 2 1 8 -1. - <_> - 10 2 1 4 2. - 1 - <_> - - <_> - 8 4 3 3 -1. - <_> - 7 5 3 1 3. - 1 - <_> - - <_> - 6 6 6 6 -1. - <_> - 6 9 6 3 2. - <_> - - <_> - 0 8 4 4 -1. - <_> - 0 10 4 2 2. - <_> - - <_> - 11 2 3 7 -1. - <_> - 12 3 1 7 3. - 1 - <_> - - <_> - 5 0 4 3 -1. - <_> - 6 0 2 3 2. - <_> - - <_> - 9 1 4 4 -1. - <_> - 10 1 2 4 2. - <_> - - <_> - 5 0 4 5 -1. - <_> - 6 0 2 5 2. - <_> - - <_> - 0 3 18 1 -1. - <_> - 6 3 6 1 3. - <_> - - <_> - 6 4 2 3 -1. - <_> - 6 5 2 1 3. - <_> - - <_> - 10 2 1 8 -1. - <_> - 10 2 1 4 2. - 1 - <_> - - <_> - 6 10 2 1 -1. - <_> - 7 10 1 1 2. - <_> - - <_> - 10 10 4 1 -1. - <_> - 11 10 2 1 2. - <_> - - <_> - 5 0 6 10 -1. - <_> - 8 0 3 10 2. - <_> - - <_> - 5 1 12 4 -1. - <_> - 8 1 6 4 2. - <_> - - <_> - 0 1 15 5 -1. - <_> - 5 1 5 5 3. - <_> - - <_> - 12 0 1 2 -1. - <_> - 12 0 1 1 2. - 1 - <_> - - <_> - 7 7 3 3 -1. - <_> - 7 8 3 1 3. - <_> - - <_> - 16 0 1 2 -1. - <_> - 16 1 1 1 2. - <_> - - <_> - 4 3 1 3 -1. - <_> - 3 4 1 1 3. - 1 - <_> - - <_> - 7 7 4 3 -1. - <_> - 7 8 4 1 3. - <_> - - <_> - 4 10 4 1 -1. - <_> - 5 10 2 1 2. - <_> - - <_> - 14 2 2 2 -1. - <_> - 15 2 1 1 2. - <_> - 14 3 1 1 2. - <_> - - <_> - 2 2 2 2 -1. - <_> - 2 2 1 1 2. - <_> - 3 3 1 1 2. - <_> - - <_> - 16 0 1 2 -1. - <_> - 16 1 1 1 2. - <_> - - <_> - 1 0 1 2 -1. - <_> - 1 1 1 1 2. - <_> - - <_> - 1 0 16 2 -1. - <_> - 9 0 8 1 2. - <_> - 1 1 8 1 2. - <_> - - <_> - 8 2 8 1 -1. - <_> - 8 2 4 1 2. - 1 - <_> - - <_> - 14 2 4 3 -1. - <_> - 13 3 4 1 3. - 1 - <_> - - <_> - 4 2 3 4 -1. - <_> - 5 3 1 4 3. - 1 - <_> - - <_> - 15 5 3 4 -1. - <_> - 15 6 3 2 2. - <_> - - <_> - 0 5 3 4 -1. - <_> - 0 6 3 2 2. - <_> - - <_> - 5 2 9 3 -1. - <_> - 8 2 3 3 3. - <_> - - <_> - 3 7 3 2 -1. - <_> - 3 7 3 1 2. - 1 - <_> - - <_> - 13 7 3 1 -1. - <_> - 14 8 1 1 3. - 1 - <_> - - <_> - 6 8 1 3 -1. - <_> - 6 9 1 1 3. - <_> - - <_> - 11 9 2 2 -1. - <_> - 12 9 1 1 2. - <_> - 11 10 1 1 2. - <_> - - <_> - 5 9 2 2 -1. - <_> - 5 9 1 1 2. - <_> - 6 10 1 1 2. - <_> - - <_> - 12 5 2 4 -1. - <_> - 12 5 1 4 2. - 1 - <_> - - <_> - 6 5 4 2 -1. - <_> - 6 5 4 1 2. - 1 - <_> - - <_> - 14 0 2 4 -1. - <_> - 13 1 2 2 2. - 1 - <_> - - <_> - 4 0 4 2 -1. - <_> - 5 1 2 2 2. - 1 - <_> - - <_> - 3 10 15 2 -1. - <_> - 8 10 5 2 3. - <_> - - <_> - 0 1 2 3 -1. - <_> - 0 2 2 1 3. - <_> - - <_> - 11 0 3 7 -1. - <_> - 12 1 1 7 3. - 1 - <_> - - <_> - 4 0 10 2 -1. - <_> - 9 0 5 2 2. - <_> - - <_> - 0 0 18 11 -1. - <_> - 0 0 9 11 2. - <_> - - <_> - 0 0 3 1 -1. - <_> - 1 0 1 1 3. - <_> - - <_> - 15 0 2 1 -1. - <_> - 15 0 1 1 2. - <_> - - <_> - 1 0 2 1 -1. - <_> - 2 0 1 1 2. - <_> - - <_> - 4 5 14 7 -1. - <_> - 4 5 7 7 2. - <_> - - <_> - 4 3 10 4 -1. - <_> - 4 4 10 2 2. - <_> - - <_> - 8 3 2 3 -1. - <_> - 8 4 2 1 3. - <_> - - <_> - 2 4 12 2 -1. - <_> - 2 5 12 1 2. - <_> - - <_> - 8 6 2 3 -1. - <_> - 8 7 2 1 3. - <_> - - <_> - 1 5 6 3 -1. - <_> - 3 6 2 1 9. - <_> - - <_> - 10 9 1 2 -1. - <_> - 10 9 1 1 2. - 1 - <_> - - <_> - 7 8 2 1 -1. - <_> - 8 8 1 1 2. - <_> - - <_> - 13 9 2 2 -1. - <_> - 14 9 1 1 2. - <_> - 13 10 1 1 2. - <_> - - <_> - 7 0 7 3 -1. - <_> - 6 1 7 1 3. - 1 - <_> - - <_> - 8 4 2 2 -1. - <_> - 9 4 1 1 2. - <_> - 8 5 1 1 2. - <_> - - <_> - 8 3 3 3 -1. - <_> - 7 4 3 1 3. - 1 - <_> - - <_> - 13 9 2 2 -1. - <_> - 14 9 1 1 2. - <_> - 13 10 1 1 2. - <_> - - <_> - 3 9 2 2 -1. - <_> - 3 9 1 1 2. - <_> - 4 10 1 1 2. - <_> - - <_> - 14 7 2 2 -1. - <_> - 15 7 1 1 2. - <_> - 14 8 1 1 2. - <_> - - <_> - 0 5 6 4 -1. - <_> - 0 6 6 2 2. - <_> - - <_> - 14 7 2 2 -1. - <_> - 15 7 1 1 2. - <_> - 14 8 1 1 2. - <_> - - <_> - 2 7 2 2 -1. - <_> - 2 7 1 1 2. - <_> - 3 8 1 1 2. - <_> - - <_> - 12 0 6 6 -1. - <_> - 14 0 2 6 3. - <_> - - <_> - 0 0 6 6 -1. - <_> - 2 0 2 6 3. - <_> - - <_> - 6 2 8 1 -1. - <_> - 6 2 4 1 2. - <_> - - <_> - 4 7 3 2 -1. - <_> - 5 8 1 2 3. - 1 - <_> - - <_> - 11 8 2 1 -1. - <_> - 11 8 1 1 2. - <_> - - <_> - 5 8 2 1 -1. - <_> - 6 8 1 1 2. - <_> - - <_> - 9 8 4 2 -1. - <_> - 10 8 2 2 2. - <_> - - <_> - 5 8 4 2 -1. - <_> - 6 8 2 2 2. - <_> - - <_> - 9 10 2 2 -1. - <_> - 10 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 9 0 7 3 -1. - <_> - 9 1 7 1 3. - <_> - - <_> - 6 0 4 3 -1. - <_> - 6 1 4 1 3. - <_> - - <_> - 15 7 3 2 -1. - <_> - 15 7 3 1 2. - 1 - <_> - - <_> - 3 7 2 3 -1. - <_> - 3 7 1 3 2. - 1 - <_> - - <_> - 10 8 8 4 -1. - <_> - 12 8 4 4 2. - <_> - - <_> - 1 8 3 4 -1. - <_> - 2 8 1 4 3. - <_> - - <_> - 14 7 3 3 -1. - <_> - 15 7 1 3 3. - <_> - - <_> - 1 7 3 3 -1. - <_> - 2 7 1 3 3. - <_> - - <_> - 15 10 2 2 -1. - <_> - 16 10 1 1 2. - <_> - 15 11 1 1 2. - <_> - - <_> - 1 10 2 2 -1. - <_> - 1 10 1 1 2. - <_> - 2 11 1 1 2. - <_> - - <_> - 12 11 2 1 -1. - <_> - 12 11 1 1 2. - <_> - - <_> - 4 11 2 1 -1. - <_> - 5 11 1 1 2. - <_> - - <_> - 13 9 1 2 -1. - <_> - 13 9 1 1 2. - 1 - <_> - - <_> - 5 9 2 1 -1. - <_> - 5 9 1 1 2. - 1 - <_> - - <_> - 10 8 8 4 -1. - <_> - 12 8 4 4 2. - <_> - - <_> - 0 8 8 4 -1. - <_> - 2 8 4 4 2. - <_> - - <_> - 10 9 8 2 -1. - <_> - 12 9 4 2 2. - <_> - - <_> - 0 9 8 2 -1. - <_> - 2 9 4 2 2. - <_> - - <_> - 7 10 6 2 -1. - <_> - 9 10 2 2 3. - <_> - - <_> - 7 11 4 1 -1. - <_> - 9 11 2 1 2. - <_> - - <_> - 7 9 5 3 -1. - <_> - 7 10 5 1 3. - <_> - - <_> - 0 4 8 3 -1. - <_> - 0 5 8 1 3. - <_> - - <_> - 8 0 4 2 -1. - <_> - 9 0 2 2 2. - <_> - - <_> - 5 7 2 2 -1. - <_> - 5 7 1 1 2. - <_> - 6 8 1 1 2. - <_> - - <_> - 9 7 2 2 -1. - <_> - 10 7 1 1 2. - <_> - 9 8 1 1 2. - <_> - - <_> - 8 10 2 2 -1. - <_> - 8 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 11 0 3 9 -1. - <_> - 12 0 1 9 3. - <_> - - <_> - 0 4 9 3 -1. - <_> - 3 5 3 1 9. - <_> - - <_> - 9 3 1 2 -1. - <_> - 9 3 1 1 2. - 1 - <_> - - <_> - 9 3 2 1 -1. - <_> - 9 3 1 1 2. - 1 - <_> - - <_> - 10 4 3 6 -1. - <_> - 10 7 3 3 2. - <_> - - <_> - 7 7 2 2 -1. - <_> - 7 7 1 1 2. - <_> - 8 8 1 1 2. - <_> - - <_> - 10 0 1 4 -1. - <_> - 9 1 1 2 2. - 1 - <_> - - <_> - 5 3 8 8 -1. - <_> - 5 3 4 4 2. - <_> - 9 7 4 4 2. - <_> - - <_> - 9 9 3 1 -1. - <_> - 10 9 1 1 3. - <_> - - <_> - 6 9 3 1 -1. - <_> - 7 9 1 1 3. - <_> - - <_> - 7 7 4 4 -1. - <_> - 8 7 2 4 2. - <_> - - <_> - 7 6 2 2 -1. - <_> - 7 6 1 1 2. - <_> - 8 7 1 1 2. - <_> - - <_> - 4 5 14 7 -1. - <_> - 4 5 7 7 2. - <_> - - <_> - 0 10 18 2 -1. - <_> - 6 10 6 2 3. - <_> - - <_> - 6 10 12 2 -1. - <_> - 6 10 6 2 2. - <_> - - <_> - 0 10 12 2 -1. - <_> - 6 10 6 2 2. - <_> - - <_> - 9 4 2 2 -1. - <_> - 10 4 1 1 2. - <_> - 9 5 1 1 2. - <_> - - <_> - 8 1 2 4 -1. - <_> - 8 2 2 2 2. - <_> - - <_> - 10 0 8 2 -1. - <_> - 14 0 4 1 2. - <_> - 10 1 4 1 2. - <_> - - <_> - 0 0 8 2 -1. - <_> - 0 0 4 1 2. - <_> - 4 1 4 1 2. - <_> - - <_> - 11 0 3 9 -1. - <_> - 12 0 1 9 3. - <_> - - <_> - 1 4 1 4 -1. - <_> - 1 5 1 2 2. - <_> - - <_> - 14 4 2 2 -1. - <_> - 15 4 1 1 2. - <_> - 14 5 1 1 2. - <_> - - <_> - 2 4 2 2 -1. - <_> - 2 4 1 1 2. - <_> - 3 5 1 1 2. - <_> - - <_> - 14 4 2 2 -1. - <_> - 15 4 1 1 2. - <_> - 14 5 1 1 2. - <_> - - <_> - 2 4 2 2 -1. - <_> - 2 4 1 1 2. - <_> - 3 5 1 1 2. - <_> - - <_> - 6 6 6 2 -1. - <_> - 8 6 2 2 3. - <_> - - <_> - 3 2 12 6 -1. - <_> - 3 4 12 2 3. - <_> - - <_> - 0 0 4 3 -1. - <_> - 2 0 2 3 2. - <_> - - <_> - 9 6 4 2 -1. - <_> - 10 6 2 2 2. - <_> - - <_> - 5 6 4 2 -1. - <_> - 6 6 2 2 2. - <_> - - <_> - 3 4 12 8 -1. - <_> - 3 8 12 4 2. - <_> - - <_> - 4 4 5 3 -1. - <_> - 3 5 5 1 3. - 1 - <_> - - <_> - 9 1 9 8 -1. - <_> - 9 5 9 4 2. - <_> - - <_> - 2 0 9 4 -1. - <_> - 5 0 3 4 3. - <_> - - <_> - 8 2 6 2 -1. - <_> - 10 2 2 2 3. - <_> - - <_> - 0 6 16 6 -1. - <_> - 0 6 8 3 2. - <_> - 8 9 8 3 2. - <_> - - <_> - 9 5 3 3 -1. - <_> - 10 6 1 3 3. - 1 - <_> - - <_> - 1 10 12 2 -1. - <_> - 1 11 12 1 2. - <_> - - <_> - 8 1 6 3 -1. - <_> - 10 1 2 3 3. - <_> - - <_> - 5 3 6 6 -1. - <_> - 7 5 2 2 9. - <_> - - <_> - 6 4 6 2 -1. - <_> - 6 5 6 1 2. - <_> - - <_> - 3 1 12 6 -1. - <_> - 3 3 12 2 3. - <_> - - <_> - 15 1 3 1 -1. - <_> - 16 2 1 1 3. - 1 - <_> - - <_> - 3 1 1 3 -1. - <_> - 2 2 1 1 3. - 1 - <_> - - <_> - 6 2 6 3 -1. - <_> - 6 3 6 1 3. - <_> - - <_> - 4 1 6 4 -1. - <_> - 6 1 2 4 3. - <_> - - <_> - 9 10 4 2 -1. - <_> - 10 10 2 2 2. - <_> - - <_> - 4 6 3 2 -1. - <_> - 5 6 1 2 3. - <_> - - <_> - 14 7 1 4 -1. - <_> - 13 8 1 2 2. - 1 - <_> - - <_> - 5 10 4 2 -1. - <_> - 6 10 2 2 2. - <_> - - <_> - 14 7 1 4 -1. - <_> - 13 8 1 2 2. - 1 - <_> - - <_> - 4 7 4 1 -1. - <_> - 5 8 2 1 2. - 1 - <_> - - <_> - 16 0 2 3 -1. - <_> - 16 0 1 3 2. - 1 - <_> - - <_> - 2 0 3 2 -1. - <_> - 2 0 3 1 2. - 1 - <_> - - <_> - 15 2 2 8 -1. - <_> - 15 4 2 4 2. - <_> - - <_> - 1 2 2 8 -1. - <_> - 1 4 2 4 2. - <_> - - <_> - 13 6 5 6 -1. - <_> - 13 8 5 2 3. - <_> - - <_> - 5 4 3 4 -1. - <_> - 6 4 1 4 3. - <_> - - <_> - 17 0 1 2 -1. - <_> - 17 1 1 1 2. - <_> - - <_> - 3 6 3 2 -1. - <_> - 4 6 1 2 3. - <_> - - <_> - 13 6 5 6 -1. - <_> - 13 8 5 2 3. - <_> - - <_> - 0 6 5 6 -1. - <_> - 0 8 5 2 3. - <_> - - <_> - 17 0 1 2 -1. - <_> - 17 1 1 1 2. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 11 0 6 5 -1. - <_> - 13 0 2 5 3. - <_> - - <_> - 0 0 18 3 -1. - <_> - 6 0 6 3 3. - <_> - - <_> - 9 0 6 12 -1. - <_> - 9 0 3 12 2. - <_> - - <_> - 3 0 6 12 -1. - <_> - 6 0 3 12 2. - <_> - - <_> - 0 0 18 11 -1. - <_> - 0 0 9 11 2. - <_> - - <_> - 6 0 6 4 -1. - <_> - 6 1 6 2 2. - <_> - - <_> - 7 0 4 2 -1. - <_> - 7 1 4 1 2. - <_> - - <_> - 5 0 4 3 -1. - <_> - 6 0 2 3 2. - <_> - - <_> - 6 1 6 8 -1. - <_> - 8 1 2 8 3. - <_> - - <_> - 4 0 3 2 -1. - <_> - 4 0 3 1 2. - 1 - <_> - - <_> - 16 7 2 4 -1. - <_> - 16 8 2 2 2. - <_> - - <_> - 0 6 18 6 -1. - <_> - 0 6 9 3 2. - <_> - 9 9 9 3 2. - <_> - - <_> - 0 6 18 1 -1. - <_> - 6 6 6 1 3. - <_> - - <_> - 4 0 3 3 -1. - <_> - 3 1 3 1 3. - 1 - <_> - - <_> - 5 1 8 4 -1. - <_> - 5 2 8 2 2. - <_> - - <_> - 5 3 8 3 -1. - <_> - 5 4 8 1 3. - <_> - - <_> - 9 4 1 4 -1. - <_> - 8 5 1 2 2. - 1 - <_> - - <_> - 0 9 2 2 -1. - <_> - 1 9 1 2 2. - <_> - - <_> - 16 7 2 4 -1. - <_> - 16 8 2 2 2. - <_> - - <_> - 3 7 2 3 -1. - <_> - 2 8 2 1 3. - 1 - <_> - - <_> - 15 10 3 2 -1. - <_> - 15 11 3 1 2. - <_> - - <_> - 0 10 3 2 -1. - <_> - 0 11 3 1 2. - <_> - - <_> - 16 9 1 3 -1. - <_> - 16 10 1 1 3. - <_> - - <_> - 8 7 2 3 -1. - <_> - 8 8 2 1 3. - <_> - - <_> - 16 9 1 3 -1. - <_> - 16 10 1 1 3. - <_> - - <_> - 1 9 1 3 -1. - <_> - 1 10 1 1 3. - <_> - - <_> - 15 8 2 2 -1. - <_> - 15 8 1 2 2. - 1 - <_> - - <_> - 3 8 2 2 -1. - <_> - 3 8 2 1 2. - 1 - <_> - - <_> - 13 9 1 2 -1. - <_> - 13 9 1 1 2. - 1 - <_> - - <_> - 5 9 2 1 -1. - <_> - 5 9 1 1 2. - 1 - <_> - - <_> - 6 8 6 3 -1. - <_> - 6 9 6 1 3. - <_> - - <_> - 4 7 4 1 -1. - <_> - 4 7 2 1 2. - 1 - <_> - - <_> - 7 8 4 3 -1. - <_> - 7 9 4 1 3. - <_> - - <_> - 1 8 1 2 -1. - <_> - 1 9 1 1 2. - <_> - - <_> - 9 2 1 6 -1. - <_> - 7 4 1 2 3. - 1 - <_> - - <_> - 6 4 6 2 -1. - <_> - 6 4 3 1 2. - <_> - 9 5 3 1 2. - <_> - - <_> - 15 4 3 3 -1. - <_> - 15 5 3 1 3. - <_> - - <_> - 0 0 1 4 -1. - <_> - 0 1 1 2 2. - <_> - - <_> - 14 4 2 3 -1. - <_> - 13 5 2 1 3. - 1 - <_> - - <_> - 7 0 8 2 -1. - <_> - 7 0 8 1 2. - 1 - <_> - - <_> - 7 4 4 3 -1. - <_> - 7 5 4 1 3. - <_> - - <_> - 0 2 2 4 -1. - <_> - 0 3 2 2 2. - <_> - - <_> - 16 0 2 10 -1. - <_> - 16 0 2 5 2. - 1 - <_> - - <_> - 3 5 3 1 -1. - <_> - 4 6 1 1 3. - 1 - <_> - - <_> - 17 1 1 10 -1. - <_> - 17 1 1 5 2. - 1 - <_> - - <_> - 1 1 10 1 -1. - <_> - 1 1 5 1 2. - 1 - <_> - - <_> - 13 1 3 9 -1. - <_> - 14 1 1 9 3. - <_> - - <_> - 0 5 4 5 -1. - <_> - 1 5 2 5 2. - <_> - - <_> - 14 3 2 1 -1. - <_> - 14 3 1 1 2. - 1 - <_> - - <_> - 6 0 4 3 -1. - <_> - 7 0 2 3 2. - <_> - - <_> - 0 0 18 12 -1. - <_> - 9 0 9 6 2. - <_> - 0 6 9 6 2. - <_> - - <_> - 1 2 3 6 -1. - <_> - 2 2 1 6 3. - <_> - - <_> - 11 0 1 3 -1. - <_> - 10 1 1 1 3. - 1 - <_> - - <_> - 8 0 1 3 -1. - <_> - 8 1 1 1 3. - <_> - - <_> - 16 7 2 4 -1. - <_> - 16 8 2 2 2. - <_> - - <_> - 0 7 2 4 -1. - <_> - 0 8 2 2 2. - <_> - - <_> - 6 1 12 2 -1. - <_> - 12 1 6 1 2. - <_> - 6 2 6 1 2. - <_> - - <_> - 7 2 6 3 -1. - <_> - 6 3 6 1 3. - 1 - <_> - - <_> - 11 7 2 1 -1. - <_> - 11 7 1 1 2. - <_> - - <_> - 9 3 8 1 -1. - <_> - 9 3 4 1 2. - 1 - <_> - - <_> - 11 5 4 4 -1. - <_> - 12 5 2 4 2. - <_> - - <_> - 4 0 10 8 -1. - <_> - 4 2 10 4 2. - <_> - - <_> - 3 5 12 4 -1. - <_> - 6 5 6 4 2. - <_> - - <_> - 6 11 4 1 -1. - <_> - 7 11 2 1 2. - <_> - - <_> - 7 11 6 1 -1. - <_> - 9 11 2 1 3. - <_> - - <_> - 0 1 2 1 -1. - <_> - 1 1 1 1 2. - <_> - - <_> - 14 4 2 3 -1. - <_> - 13 5 2 1 3. - 1 - <_> - - <_> - 0 3 18 9 -1. - <_> - 6 3 6 9 3. - <_> - - <_> - 6 9 12 3 -1. - <_> - 9 9 6 3 2. - <_> - - <_> - 0 10 18 2 -1. - <_> - 6 10 6 2 3. - <_> - - <_> - 2 11 15 1 -1. - <_> - 7 11 5 1 3. - <_> - - <_> - 4 4 3 2 -1. - <_> - 5 5 1 2 3. - 1 - <_> - - <_> - 10 2 4 6 -1. - <_> - 12 2 2 3 2. - <_> - 10 5 2 3 2. - <_> - - <_> - 4 2 4 6 -1. - <_> - 4 2 2 3 2. - <_> - 6 5 2 3 2. - <_> - - <_> - 9 4 2 2 -1. - <_> - 10 4 1 1 2. - <_> - 9 5 1 1 2. - <_> - - <_> - 7 4 2 2 -1. - <_> - 7 4 1 1 2. - <_> - 8 5 1 1 2. - <_> - - <_> - 11 1 4 1 -1. - <_> - 12 2 2 1 2. - 1 - <_> - - <_> - 7 1 1 4 -1. - <_> - 6 2 1 2 2. - 1 - <_> - - <_> - 8 5 3 1 -1. - <_> - 9 5 1 1 3. - <_> - - <_> - 7 4 2 2 -1. - <_> - 7 4 1 1 2. - <_> - 8 5 1 1 2. - <_> - - <_> - 16 4 2 4 -1. - <_> - 16 5 2 2 2. - <_> - - <_> - 0 4 2 4 -1. - <_> - 0 5 2 2 2. - <_> - - <_> - 3 1 12 2 -1. - <_> - 9 1 6 1 2. - <_> - 3 2 6 1 2. - <_> - - <_> - 6 6 5 6 -1. - <_> - 6 9 5 3 2. - <_> - - <_> - 9 0 6 1 -1. - <_> - 11 0 2 1 3. - <_> - - <_> - 5 6 2 4 -1. - <_> - 4 7 2 2 2. - 1 - <_> - - <_> - 14 1 3 3 -1. - <_> - 15 2 1 3 3. - 1 - <_> - - <_> - 4 1 3 3 -1. - <_> - 3 2 3 1 3. - 1 - <_> - - <_> - 14 0 3 3 -1. - <_> - 13 1 3 1 3. - 1 - <_> - - <_> - 3 0 12 6 -1. - <_> - 3 2 12 2 3. - <_> - - <_> - 9 0 1 2 -1. - <_> - 9 0 1 1 2. - 1 - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 7 1 1 2. - <_> - 2 8 1 1 2. - <_> - - <_> - 15 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 15 8 1 1 2. - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 7 1 1 2. - <_> - 2 8 1 1 2. - <_> - - <_> - 15 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 15 8 1 1 2. - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 7 1 1 2. - <_> - 2 8 1 1 2. - <_> - - <_> - 13 1 3 9 -1. - <_> - 14 1 1 9 3. - <_> - - <_> - 6 6 6 2 -1. - <_> - 8 6 2 2 3. - <_> - - <_> - 6 2 12 9 -1. - <_> - 9 2 6 9 2. - <_> - - <_> - 0 2 12 9 -1. - <_> - 3 2 6 9 2. - <_> - - <_> - 11 7 2 3 -1. - <_> - 10 8 2 1 3. - 1 - <_> - - <_> - 7 7 3 2 -1. - <_> - 8 8 1 2 3. - 1 - <_> - - <_> - 9 1 5 3 -1. - <_> - 9 2 5 1 3. - <_> - - <_> - 9 0 2 1 -1. - <_> - 9 0 1 1 2. - 1 - <_> - - <_> - 12 0 3 2 -1. - <_> - 13 1 1 2 3. - 1 - <_> - - <_> - 8 9 2 2 -1. - <_> - 8 9 1 1 2. - <_> - 9 10 1 1 2. - <_> - - <_> - 15 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 15 8 1 1 2. - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 7 1 1 2. - <_> - 2 8 1 1 2. - <_> - - <_> - 11 0 3 2 -1. - <_> - 12 1 1 2 3. - 1 - <_> - - <_> - 6 0 2 3 -1. - <_> - 5 1 2 1 3. - 1 - <_> - - <_> - 2 0 14 3 -1. - <_> - 2 0 7 3 2. - <_> - - <_> - 9 4 3 2 -1. - <_> - 10 5 1 2 3. - 1 - <_> - - <_> - 15 8 1 3 -1. - <_> - 14 9 1 1 3. - 1 - <_> - - <_> - 3 8 3 1 -1. - <_> - 4 9 1 1 3. - 1 - <_> - - <_> - 15 2 1 2 -1. - <_> - 15 3 1 1 2. - <_> - - <_> - 4 5 6 6 -1. - <_> - 4 8 6 3 2. - <_> - - <_> - 12 6 2 2 -1. - <_> - 13 6 1 1 2. - <_> - 12 7 1 1 2. - <_> - - <_> - 2 7 3 2 -1. - <_> - 3 8 1 2 3. - 1 - <_> - - <_> - 16 8 2 2 -1. - <_> - 16 8 1 2 2. - <_> - - <_> - 0 8 2 2 -1. - <_> - 1 8 1 2 2. - <_> - - <_> - 11 0 1 3 -1. - <_> - 10 1 1 1 3. - 1 - <_> - - <_> - 5 3 6 3 -1. - <_> - 4 4 6 1 3. - 1 - <_> - - <_> - 10 3 6 6 -1. - <_> - 12 5 2 2 9. - <_> - - <_> - 2 3 6 6 -1. - <_> - 4 5 2 2 9. - <_> - - <_> - 6 9 6 2 -1. - <_> - 6 10 6 1 2. - <_> - - <_> - 6 9 6 3 -1. - <_> - 6 10 6 1 3. - <_> - - <_> - 10 8 2 2 -1. - <_> - 10 8 2 1 2. - 1 - <_> - - <_> - 8 8 2 2 -1. - <_> - 8 8 1 2 2. - 1 - <_> - - <_> - 6 9 12 3 -1. - <_> - 9 9 6 3 2. - <_> - - <_> - 0 9 2 1 -1. - <_> - 1 9 1 1 2. - <_> - - <_> - 9 0 6 4 -1. - <_> - 9 1 6 2 2. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 8 9 2 2 -1. - <_> - 9 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 9 3 6 3 -1. - <_> - 8 4 6 1 3. - 1 - <_> - - <_> - 9 4 2 2 -1. - <_> - 10 4 1 1 2. - <_> - 9 5 1 1 2. - <_> - - <_> - 6 2 7 3 -1. - <_> - 5 3 7 1 3. - 1 - <_> - - <_> - 6 4 12 4 -1. - <_> - 12 4 6 2 2. - <_> - 6 6 6 2 2. - <_> - - <_> - 1 10 12 1 -1. - <_> - 5 10 4 1 3. - <_> - - <_> - 3 2 12 2 -1. - <_> - 9 2 6 1 2. - <_> - 3 3 6 1 2. - <_> - - <_> - 2 2 1 2 -1. - <_> - 2 3 1 1 2. - <_> - - <_> - 14 0 4 2 -1. - <_> - 14 0 4 1 2. - 1 - <_> - - <_> - 0 10 1 2 -1. - <_> - 0 11 1 1 2. - <_> - - <_> - 12 6 2 2 -1. - <_> - 13 6 1 1 2. - <_> - 12 7 1 1 2. - <_> - - <_> - 2 1 3 9 -1. - <_> - 3 1 1 9 3. - <_> - - <_> - 12 6 2 2 -1. - <_> - 13 6 1 1 2. - <_> - 12 7 1 1 2. - <_> - - <_> - 4 6 2 2 -1. - <_> - 4 6 1 1 2. - <_> - 5 7 1 1 2. - <_> - - <_> - 7 10 6 1 -1. - <_> - 9 10 2 1 3. - <_> - - <_> - 0 8 4 4 -1. - <_> - 0 9 4 2 2. - <_> - - <_> - 7 0 4 4 -1. - <_> - 8 0 2 4 2. - <_> - - <_> - 2 2 6 3 -1. - <_> - 4 2 2 3 3. - <_> - - <_> - 8 3 9 1 -1. - <_> - 11 3 3 1 3. - <_> - - <_> - 1 3 9 1 -1. - <_> - 4 3 3 1 3. - <_> - - <_> - 14 0 4 2 -1. - <_> - 14 0 4 1 2. - 1 - <_> - - <_> - 4 0 2 4 -1. - <_> - 4 0 1 4 2. - 1 - <_> - - <_> - 11 4 4 5 -1. - <_> - 12 4 2 5 2. - <_> - - <_> - 3 4 4 5 -1. - <_> - 4 4 2 5 2. - <_> - - <_> - 13 6 3 2 -1. - <_> - 14 6 1 2 3. - <_> - - <_> - 7 4 2 2 -1. - <_> - 7 4 1 1 2. - <_> - 8 5 1 1 2. - <_> - - <_> - 10 6 6 3 -1. - <_> - 12 7 2 1 9. - <_> - - <_> - 0 1 6 10 -1. - <_> - 2 1 2 10 3. - <_> - - <_> - 16 9 2 3 -1. - <_> - 16 9 1 3 2. - <_> - - <_> - 0 9 2 3 -1. - <_> - 1 9 1 3 2. - <_> - - <_> - 15 8 3 4 -1. - <_> - 16 8 1 4 3. - <_> - - <_> - 0 9 1 2 -1. - <_> - 0 10 1 1 2. - <_> - - <_> - 15 8 3 4 -1. - <_> - 16 8 1 4 3. - <_> - - <_> - 0 8 3 4 -1. - <_> - 1 8 1 4 3. - <_> - - <_> - 6 9 6 2 -1. - <_> - 8 9 2 2 3. - <_> - - <_> - 7 6 4 2 -1. - <_> - 7 6 4 1 2. - 1 - <_> - - <_> - 15 8 2 2 -1. - <_> - 15 8 2 1 2. - 1 - <_> - - <_> - 5 11 6 1 -1. - <_> - 7 11 2 1 3. - <_> - - <_> - 9 10 2 2 -1. - <_> - 10 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 11 3 1 -1. - <_> - 8 11 1 1 3. - <_> - - <_> - 8 11 3 1 -1. - <_> - 9 11 1 1 3. - <_> - - <_> - 7 11 3 1 -1. - <_> - 8 11 1 1 3. - <_> - - <_> - 8 11 3 1 -1. - <_> - 9 11 1 1 3. - <_> - - <_> - 7 11 3 1 -1. - <_> - 8 11 1 1 3. - <_> - - <_> - 15 8 2 2 -1. - <_> - 15 8 2 1 2. - 1 - <_> - - <_> - 3 8 2 2 -1. - <_> - 3 8 1 2 2. - 1 - <_> - - <_> - 9 11 2 1 -1. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 11 2 1 -1. - <_> - 8 11 1 1 2. - <_> - - <_> - 9 10 2 2 -1. - <_> - 10 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 9 10 2 2 -1. - <_> - 10 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 9 11 2 1 -1. - <_> - 9 11 1 1 2. - <_> - - <_> - 5 1 8 11 -1. - <_> - 9 1 4 11 2. - <_> - - <_> - 10 0 6 4 -1. - <_> - 10 1 6 2 2. - <_> - - <_> - 0 5 10 4 -1. - <_> - 0 5 5 2 2. - <_> - 5 7 5 2 2. - <_> - - <_> - 4 3 10 9 -1. - <_> - 4 6 10 3 3. - <_> - - <_> - 0 0 2 9 -1. - <_> - 0 3 2 3 3. - <_> - - <_> - 8 0 4 10 -1. - <_> - 8 0 2 10 2. - <_> - - <_> - 6 0 4 10 -1. - <_> - 8 0 2 10 2. - <_> - - <_> - 9 1 6 3 -1. - <_> - 11 1 2 3 3. - <_> - - <_> - 3 1 6 3 -1. - <_> - 5 1 2 3 3. - <_> - - <_> - 9 3 2 2 -1. - <_> - 10 3 1 1 2. - <_> - 9 4 1 1 2. - <_> - - <_> - 6 0 3 1 -1. - <_> - 7 1 1 1 3. - 1 - <_> - - <_> - 10 0 6 4 -1. - <_> - 10 1 6 2 2. - <_> - - <_> - 2 0 6 4 -1. - <_> - 2 1 6 2 2. - <_> - - <_> - 13 2 4 1 -1. - <_> - 14 3 2 1 2. - 1 - <_> - - <_> - 2 3 2 1 -1. - <_> - 3 3 1 1 2. - <_> - - <_> - 9 3 2 2 -1. - <_> - 10 3 1 1 2. - <_> - 9 4 1 1 2. - <_> - - <_> - 7 3 2 2 -1. - <_> - 7 3 1 1 2. - <_> - 8 4 1 1 2. - <_> - - <_> - 14 3 3 1 -1. - <_> - 15 4 1 1 3. - 1 - <_> - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - <_> - - <_> - 14 3 3 1 -1. - <_> - 15 4 1 1 3. - 1 - <_> - - <_> - 7 6 2 2 -1. - <_> - 7 6 1 1 2. - <_> - 8 7 1 1 2. - <_> - - <_> - 6 5 8 4 -1. - <_> - 10 5 4 2 2. - <_> - 6 7 4 2 2. - <_> - - <_> - 4 5 8 4 -1. - <_> - 4 5 4 2 2. - <_> - 8 7 4 2 2. - <_> - - <_> - 10 3 6 6 -1. - <_> - 12 5 2 2 9. - <_> - - <_> - 2 3 6 6 -1. - <_> - 4 5 2 2 9. - <_> - - <_> - 15 3 3 4 -1. - <_> - 15 4 3 2 2. - <_> - - <_> - 0 3 3 4 -1. - <_> - 0 4 3 2 2. - <_> - - <_> - 14 3 3 1 -1. - <_> - 15 4 1 1 3. - 1 - <_> - - <_> - 4 3 1 3 -1. - <_> - 3 4 1 1 3. - 1 - <_> - - <_> - 9 4 1 4 -1. - <_> - 8 5 1 2 2. - 1 - <_> - - <_> - 5 4 6 8 -1. - <_> - 7 4 2 8 3. - <_> - - <_> - 4 5 14 7 -1. - <_> - 4 5 7 7 2. - <_> - - <_> - 4 4 10 4 -1. - <_> - 9 4 5 4 2. - <_> - - <_> - 12 1 1 2 -1. - <_> - 12 2 1 1 2. - <_> - - <_> - 0 11 16 1 -1. - <_> - 8 11 8 1 2. - <_> - - <_> - 9 11 2 1 -1. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 10 4 2 -1. - <_> - 8 10 2 2 2. - <_> - - <_> - 9 9 2 2 -1. - <_> - 10 9 1 1 2. - <_> - 9 10 1 1 2. - <_> - - <_> - 7 9 2 2 -1. - <_> - 7 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 7 8 4 2 -1. - <_> - 8 8 2 2 2. - <_> - - <_> - 0 9 12 3 -1. - <_> - 3 9 6 3 2. - <_> - - <_> - 6 3 6 9 -1. - <_> - 6 3 3 9 2. - <_> - - <_> - 8 0 8 1 -1. - <_> - 10 2 4 1 2. - 1 - <_> - - <_> - 12 6 1 3 -1. - <_> - 12 7 1 1 3. - <_> - - <_> - 0 4 1 4 -1. - <_> - 0 5 1 2 2. - <_> - - <_> - 9 5 1 4 -1. - <_> - 8 6 1 2 2. - 1 - <_> - - <_> - 2 6 12 3 -1. - <_> - 2 7 12 1 3. - <_> - - <_> - 12 6 1 3 -1. - <_> - 12 7 1 1 3. - <_> - - <_> - 5 6 1 3 -1. - <_> - 5 7 1 1 3. - <_> - - <_> - 0 0 18 2 -1. - <_> - 6 0 6 2 3. - <_> - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - <_> - - <_> - 9 0 6 1 -1. - <_> - 11 0 2 1 3. - <_> - - <_> - 0 3 1 3 -1. - <_> - 0 4 1 1 3. - <_> - - <_> - 13 1 4 4 -1. - <_> - 15 1 2 2 2. - <_> - 13 3 2 2 2. - <_> - - <_> - 6 0 3 2 -1. - <_> - 6 0 3 1 2. - 1 - <_> - - <_> - 13 1 4 4 -1. - <_> - 15 1 2 2 2. - <_> - 13 3 2 2 2. - <_> - - <_> - 1 1 4 4 -1. - <_> - 1 1 2 2 2. - <_> - 3 3 2 2 2. - <_> - - <_> - 9 0 6 1 -1. - <_> - 11 0 2 1 3. - <_> - - <_> - 0 8 2 2 -1. - <_> - 0 8 1 1 2. - <_> - 1 9 1 1 2. - <_> - - <_> - 12 6 5 6 -1. - <_> - 12 9 5 3 2. - <_> - - <_> - 5 7 2 2 -1. - <_> - 5 7 1 1 2. - <_> - 6 8 1 1 2. - <_> - - <_> - 13 2 3 2 -1. - <_> - 14 3 1 2 3. - 1 - <_> - - <_> - 5 2 2 3 -1. - <_> - 4 3 2 1 3. - 1 - <_> - - <_> - 8 8 2 2 -1. - <_> - 8 9 2 1 2. - <_> - - <_> - 4 6 10 6 -1. - <_> - 4 9 10 3 2. - <_> - - <_> - 0 2 18 4 -1. - <_> - 9 2 9 2 2. - <_> - 0 4 9 2 2. - <_> - - <_> - 3 0 3 2 -1. - <_> - 4 1 1 2 3. - 1 - <_> - - <_> - 11 0 6 1 -1. - <_> - 13 0 2 1 3. - <_> - - <_> - 1 0 6 1 -1. - <_> - 3 0 2 1 3. - <_> - - <_> - 9 0 6 1 -1. - <_> - 11 0 2 1 3. - <_> - - <_> - 3 0 6 1 -1. - <_> - 5 0 2 1 3. - <_> - - <_> - 16 0 2 3 -1. - <_> - 16 1 2 1 3. - <_> - - <_> - 4 1 6 3 -1. - <_> - 4 2 6 1 3. - <_> - - <_> - 7 0 4 2 -1. - <_> - 9 0 2 1 2. - <_> - 7 1 2 1 2. - <_> - - <_> - 8 0 4 1 -1. - <_> - 9 1 2 1 2. - 1 - <_> - - <_> - 12 0 4 5 -1. - <_> - 13 0 2 5 2. - <_> - - <_> - 6 6 6 2 -1. - <_> - 8 6 2 2 3. - <_> - - <_> - 13 6 3 3 -1. - <_> - 14 7 1 3 3. - 1 - <_> - - <_> - 5 3 8 3 -1. - <_> - 5 4 8 1 3. - <_> - - <_> - 6 0 12 3 -1. - <_> - 9 0 6 3 2. - <_> - - <_> - 0 0 4 8 -1. - <_> - 2 0 2 8 2. - <_> - - <_> - 11 6 4 2 -1. - <_> - 12 6 2 2 2. - <_> - - <_> - 3 6 4 2 -1. - <_> - 4 6 2 2 2. - <_> - - <_> - 6 4 6 3 -1. - <_> - 6 5 6 1 3. - <_> - - <_> - 6 0 3 4 -1. - <_> - 6 0 3 2 2. - 1 - <_> - - <_> - 5 4 12 8 -1. - <_> - 5 8 12 4 2. - <_> - - <_> - 0 9 12 2 -1. - <_> - 3 9 6 2 2. - <_> - - <_> - 6 0 12 2 -1. - <_> - 12 0 6 1 2. - <_> - 6 1 6 1 2. - <_> - - <_> - 7 7 1 3 -1. - <_> - 7 8 1 1 3. - <_> - - <_> - 14 8 2 2 -1. - <_> - 14 8 2 1 2. - 1 - <_> - - <_> - 4 8 2 2 -1. - <_> - 4 8 1 2 2. - 1 - <_> - - <_> - 17 0 1 2 -1. - <_> - 17 1 1 1 2. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 7 0 6 4 -1. - <_> - 9 0 2 4 3. - <_> - - <_> - 5 0 6 4 -1. - <_> - 7 0 2 4 3. - <_> - - <_> - 3 0 12 3 -1. - <_> - 7 1 4 1 9. - <_> - - <_> - 3 0 12 4 -1. - <_> - 3 1 12 2 2. - <_> - - <_> - 16 2 2 1 -1. - <_> - 16 2 1 1 2. - <_> - - <_> - 0 1 2 4 -1. - <_> - 1 1 1 4 2. - <_> - - <_> - 10 0 4 3 -1. - <_> - 11 0 2 3 2. - <_> - - <_> - 6 6 1 3 -1. - <_> - 5 7 1 1 3. - 1 - <_> - - <_> - 12 6 4 1 -1. - <_> - 13 6 2 1 2. - <_> - - <_> - 4 6 2 1 -1. - <_> - 5 6 1 1 2. - <_> - - <_> - 10 0 4 3 -1. - <_> - 11 0 2 3 2. - <_> - - <_> - 4 0 4 3 -1. - <_> - 5 0 2 3 2. - <_> - - <_> - 15 6 3 2 -1. - <_> - 16 6 1 2 3. - <_> - - <_> - 0 6 3 2 -1. - <_> - 1 6 1 2 3. - <_> - - <_> - 13 9 5 3 -1. - <_> - 13 10 5 1 3. - <_> - - <_> - 0 9 6 3 -1. - <_> - 0 10 6 1 3. - <_> - - <_> - 9 3 1 6 -1. - <_> - 7 5 1 2 3. - 1 - <_> - - <_> - 5 2 8 3 -1. - <_> - 5 3 8 1 3. - <_> - - <_> - 8 2 2 3 -1. - <_> - 8 3 2 1 3. - <_> - - <_> - 6 1 2 3 -1. - <_> - 5 2 2 1 3. - 1 - <_> - - <_> - 15 3 3 4 -1. - <_> - 15 5 3 2 2. - <_> - - <_> - 0 3 3 4 -1. - <_> - 0 5 3 2 2. - <_> - - <_> - 9 3 1 6 -1. - <_> - 7 5 1 2 3. - 1 - <_> - - <_> - 9 3 6 1 -1. - <_> - 11 5 2 1 3. - 1 - <_> - - <_> - 3 1 15 3 -1. - <_> - 8 1 5 3 3. - <_> - - <_> - 2 1 6 3 -1. - <_> - 4 1 2 3 3. - <_> - - <_> - 16 1 2 3 -1. - <_> - 16 1 1 3 2. - 1 - <_> - - <_> - 2 1 3 2 -1. - <_> - 2 1 3 1 2. - 1 - <_> - - <_> - 14 0 3 2 -1. - <_> - 15 1 1 2 3. - 1 - <_> - - <_> - 4 0 2 3 -1. - <_> - 3 1 2 1 3. - 1 - <_> - - <_> - 9 5 2 2 -1. - <_> - 10 5 1 1 2. - <_> - 9 6 1 1 2. - <_> - - <_> - 5 5 3 1 -1. - <_> - 6 5 1 1 3. - <_> - - <_> - 9 9 4 3 -1. - <_> - 10 9 2 3 2. - <_> - - <_> - 6 10 6 2 -1. - <_> - 8 10 2 2 3. - <_> - - <_> - 9 5 3 1 -1. - <_> - 10 5 1 1 3. - <_> - - <_> - 8 8 2 3 -1. - <_> - 8 9 2 1 3. - <_> - - <_> - 11 0 2 2 -1. - <_> - 11 0 2 1 2. - 1 - <_> - - <_> - 0 5 2 5 -1. - <_> - 1 5 1 5 2. - <_> - - <_> - 16 4 2 4 -1. - <_> - 16 5 2 2 2. - <_> - - <_> - 9 9 2 1 -1. - <_> - 9 9 1 1 2. - 1 - <_> - - <_> - 8 9 4 3 -1. - <_> - 9 9 2 3 2. - <_> - - <_> - 3 6 12 5 -1. - <_> - 6 6 6 5 2. - <_> - - <_> - 11 0 2 2 -1. - <_> - 11 0 2 1 2. - 1 - <_> - - <_> - 7 0 2 2 -1. - <_> - 7 0 1 2 2. - 1 - <_> - - <_> - 9 5 3 1 -1. - <_> - 10 5 1 1 3. - <_> - - <_> - 7 2 4 3 -1. - <_> - 6 3 4 1 3. - 1 - <_> - - <_> - 9 5 3 2 -1. - <_> - 10 5 1 2 3. - <_> - - <_> - 6 5 3 2 -1. - <_> - 7 5 1 2 3. - <_> - - <_> - 0 9 18 3 -1. - <_> - 6 9 6 3 3. - <_> - - <_> - 6 6 6 2 -1. - <_> - 8 6 2 2 3. - <_> - - <_> - 12 5 3 3 -1. - <_> - 13 6 1 1 9. - <_> - - <_> - 1 9 15 3 -1. - <_> - 6 10 5 1 9. - <_> - - <_> - 16 4 2 4 -1. - <_> - 16 5 2 2 2. - <_> - - <_> - 3 5 3 3 -1. - <_> - 4 6 1 1 9. - <_> - - <_> - 16 4 2 4 -1. - <_> - 16 5 2 2 2. - <_> - - <_> - 5 4 6 1 -1. - <_> - 7 4 2 1 3. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - <_> - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - <_> - - <_> - 10 3 1 3 -1. - <_> - 10 4 1 1 3. - <_> - - <_> - 0 4 6 6 -1. - <_> - 0 6 6 2 3. - <_> - - <_> - 16 4 2 4 -1. - <_> - 16 5 2 2 2. - <_> - - <_> - 0 4 2 4 -1. - <_> - 0 5 2 2 2. - <_> - - <_> - 15 7 2 3 -1. - <_> - 14 8 2 1 3. - 1 - <_> - - <_> - 0 7 3 4 -1. - <_> - 1 7 1 4 3. - <_> - - <_> - 13 10 2 2 -1. - <_> - 14 10 1 1 2. - <_> - 13 11 1 1 2. - <_> - - <_> - 1 6 3 3 -1. - <_> - 2 7 1 1 9. - <_> - - <_> - 13 8 2 2 -1. - <_> - 13 8 2 1 2. - 1 - <_> - - <_> - 5 8 2 2 -1. - <_> - 5 8 1 2 2. - 1 - <_> - - <_> - 9 5 1 3 -1. - <_> - 8 6 1 1 3. - 1 - <_> - - <_> - 9 5 3 1 -1. - <_> - 10 6 1 1 3. - 1 - <_> - - <_> - 11 9 2 2 -1. - <_> - 12 9 1 1 2. - <_> - 11 10 1 1 2. - <_> - - <_> - 5 9 2 2 -1. - <_> - 5 9 1 1 2. - <_> - 6 10 1 1 2. - <_> - - <_> - 9 7 2 3 -1. - <_> - 9 8 2 1 3. - <_> - - <_> - 0 5 12 4 -1. - <_> - 0 5 6 2 2. - <_> - 6 7 6 2 2. - <_> - - <_> - 11 4 3 4 -1. - <_> - 12 5 1 4 3. - 1 - <_> - - <_> - 6 3 5 3 -1. - <_> - 5 4 5 1 3. - 1 - <_> - - <_> - 13 4 3 1 -1. - <_> - 14 5 1 1 3. - 1 - <_> - - <_> - 5 4 5 3 -1. - <_> - 4 5 5 1 3. - 1 - <_> - - <_> - 10 8 4 4 -1. - <_> - 11 8 2 4 2. - <_> - - <_> - 4 8 4 4 -1. - <_> - 5 8 2 4 2. - <_> - - <_> - 13 7 3 2 -1. - <_> - 14 8 1 2 3. - 1 - <_> - - <_> - 1 6 12 4 -1. - <_> - 1 6 6 2 2. - <_> - 7 8 6 2 2. - <_> - - <_> - 8 5 10 6 -1. - <_> - 13 5 5 3 2. - <_> - 8 8 5 3 2. - <_> - - <_> - 0 7 2 2 -1. - <_> - 0 8 2 1 2. - <_> - - <_> - 9 0 8 2 -1. - <_> - 11 0 4 2 2. - <_> - - <_> - 1 0 8 2 -1. - <_> - 3 0 4 2 2. - <_> - - <_> - 13 0 4 3 -1. - <_> - 14 0 2 3 2. - <_> - - <_> - 1 0 4 3 -1. - <_> - 2 0 2 3 2. - <_> - - <_> - 14 7 2 2 -1. - <_> - 15 7 1 1 2. - <_> - 14 8 1 1 2. - <_> - - <_> - 6 9 4 3 -1. - <_> - 7 9 2 3 2. - <_> - - <_> - 5 8 9 1 -1. - <_> - 8 8 3 1 3. - <_> - - <_> - 2 7 2 2 -1. - <_> - 2 7 1 1 2. - <_> - 3 8 1 1 2. - <_> - - <_> - 13 8 1 3 -1. - <_> - 13 9 1 1 3. - <_> - - <_> - 1 5 3 3 -1. - <_> - 2 6 1 1 9. - <_> - - <_> - 8 9 4 1 -1. - <_> - 9 9 2 1 2. - <_> - - <_> - 4 8 1 3 -1. - <_> - 4 9 1 1 3. - <_> - - <_> - 3 10 14 2 -1. - <_> - 10 10 7 1 2. - <_> - 3 11 7 1 2. - <_> - - <_> - 4 9 10 3 -1. - <_> - 4 10 10 1 3. - <_> - - <_> - 6 6 6 6 -1. - <_> - 6 9 6 3 2. - <_> - - <_> - 7 8 4 3 -1. - <_> - 7 9 4 1 3. - <_> - - <_> - 5 0 8 6 -1. - <_> - 5 2 8 2 3. - <_> - - <_> - 5 8 8 3 -1. - <_> - 5 9 8 1 3. - <_> - - <_> - 5 3 8 3 -1. - <_> - 5 4 8 1 3. - <_> - - <_> - 0 0 18 12 -1. - <_> - 9 0 9 12 2. - <_> - - <_> - 10 11 2 1 -1. - <_> - 10 11 1 1 2. - <_> - - <_> - 6 11 2 1 -1. - <_> - 7 11 1 1 2. - <_> - - <_> - 10 11 2 1 -1. - <_> - 10 11 1 1 2. - <_> - - <_> - 6 11 2 1 -1. - <_> - 7 11 1 1 2. - <_> - - <_> - 6 0 12 2 -1. - <_> - 6 0 6 2 2. - <_> - - <_> - 0 0 12 1 -1. - <_> - 6 0 6 1 2. - <_> - - <_> - 0 0 18 12 -1. - <_> - 9 0 9 6 2. - <_> - 0 6 9 6 2. - <_> - - <_> - 7 0 4 3 -1. - <_> - 8 0 2 3 2. - <_> - - <_> - 7 1 4 4 -1. - <_> - 8 1 2 4 2. - <_> - - <_> - 8 3 2 2 -1. - <_> - 8 3 1 2 2. - 1 - <_> - - <_> - 10 2 1 3 -1. - <_> - 10 3 1 1 3. - <_> - - <_> - 7 2 1 3 -1. - <_> - 7 3 1 1 3. - <_> - - <_> - 15 8 3 4 -1. - <_> - 15 9 3 2 2. - <_> - - <_> - 0 8 3 4 -1. - <_> - 0 9 3 2 2. - <_> - - <_> - 14 4 2 2 -1. - <_> - 15 4 1 1 2. - <_> - 14 5 1 1 2. - <_> - - <_> - 2 4 2 2 -1. - <_> - 2 4 1 1 2. - <_> - 3 5 1 1 2. - <_> - - <_> - 14 7 4 5 -1. - <_> - 14 7 2 5 2. - <_> - - <_> - 0 7 4 5 -1. - <_> - 2 7 2 5 2. - <_> - - <_> - 13 2 4 1 -1. - <_> - 14 3 2 1 2. - 1 - <_> - - <_> - 5 2 1 4 -1. - <_> - 4 3 1 2 2. - 1 - <_> - - <_> - 13 7 1 3 -1. - <_> - 13 8 1 1 3. - <_> - - <_> - 0 9 1 2 -1. - <_> - 0 10 1 1 2. - <_> - - <_> - 13 7 1 3 -1. - <_> - 13 8 1 1 3. - <_> - - <_> - 4 7 1 3 -1. - <_> - 4 8 1 1 3. - <_> - - <_> - 13 2 5 6 -1. - <_> - 13 4 5 2 3. - <_> - - <_> - 0 2 5 6 -1. - <_> - 0 4 5 2 3. - <_> - - <_> - 11 3 2 6 -1. - <_> - 11 6 2 3 2. - <_> - - <_> - 3 0 3 2 -1. - <_> - 4 1 1 2 3. - 1 - <_> - - <_> - 9 0 4 3 -1. - <_> - 9 1 4 1 3. - <_> - - <_> - 6 0 6 2 -1. - <_> - 9 0 3 2 2. - <_> - - <_> - 10 4 3 6 -1. - <_> - 10 7 3 3 2. - <_> - - <_> - 5 4 3 6 -1. - <_> - 5 7 3 3 2. - <_> - - <_> - 4 3 10 1 -1. - <_> - 4 3 5 1 2. - <_> - - <_> - 1 9 2 2 -1. - <_> - 1 9 1 1 2. - <_> - 2 10 1 1 2. - <_> - - <_> - 15 9 2 2 -1. - <_> - 16 9 1 1 2. - <_> - 15 10 1 1 2. - <_> - - <_> - 1 9 2 2 -1. - <_> - 1 9 1 1 2. - <_> - 2 10 1 1 2. - <_> - - <_> - 15 8 3 1 -1. - <_> - 16 9 1 1 3. - 1 - <_> - - <_> - 3 8 1 3 -1. - <_> - 2 9 1 1 3. - 1 - <_> - - <_> - 11 7 2 3 -1. - <_> - 10 8 2 1 3. - 1 - <_> - - <_> - 7 7 3 2 -1. - <_> - 8 8 1 2 3. - 1 - <_> - - <_> - 7 5 6 4 -1. - <_> - 9 5 2 4 3. - <_> - - <_> - 4 7 4 2 -1. - <_> - 6 7 2 2 2. - <_> - - <_> - 16 10 2 2 -1. - <_> - 16 11 2 1 2. - <_> - - <_> - 4 7 3 1 -1. - <_> - 5 7 1 1 3. - <_> - - <_> - 16 10 2 2 -1. - <_> - 16 11 2 1 2. - <_> - - <_> - 0 10 12 2 -1. - <_> - 0 10 6 1 2. - <_> - 6 11 6 1 2. - <_> - - <_> - 7 0 4 1 -1. - <_> - 8 0 2 1 2. - <_> - - <_> - 0 0 14 2 -1. - <_> - 0 0 7 1 2. - <_> - 7 1 7 1 2. - <_> - - <_> - 10 1 1 3 -1. - <_> - 10 2 1 1 3. - <_> - - <_> - 3 10 2 2 -1. - <_> - 3 10 1 1 2. - <_> - 4 11 1 1 2. - <_> - - <_> - 15 10 3 2 -1. - <_> - 15 11 3 1 2. - <_> - - <_> - 7 9 4 2 -1. - <_> - 8 9 2 2 2. - <_> - - <_> - 15 2 2 4 -1. - <_> - 16 2 1 2 2. - <_> - 15 4 1 2 2. - <_> - - <_> - 0 5 3 1 -1. - <_> - 1 5 1 1 3. - <_> - - <_> - 9 1 2 2 -1. - <_> - 10 1 1 1 2. - <_> - 9 2 1 1 2. - <_> - - <_> - 7 1 2 2 -1. - <_> - 7 1 1 1 2. - <_> - 8 2 1 1 2. - <_> - - <_> - 9 1 2 2 -1. - <_> - 10 1 1 1 2. - <_> - 9 2 1 1 2. - <_> - - <_> - 7 1 2 2 -1. - <_> - 7 1 1 1 2. - <_> - 8 2 1 1 2. - <_> - - <_> - 15 10 3 2 -1. - <_> - 15 11 3 1 2. - <_> - - <_> - 0 6 3 4 -1. - <_> - 0 7 3 2 2. - <_> - - <_> - 9 1 2 2 -1. - <_> - 10 1 1 1 2. - <_> - 9 2 1 1 2. - <_> - - <_> - 7 1 2 2 -1. - <_> - 7 1 1 1 2. - <_> - 8 2 1 1 2. - <_> - - <_> - 15 1 3 1 -1. - <_> - 16 2 1 1 3. - 1 - <_> - - <_> - 9 3 6 1 -1. - <_> - 9 3 3 1 2. - 1 - <_> - - <_> - 12 0 3 1 -1. - <_> - 13 1 1 1 3. - 1 - <_> - - <_> - 7 4 2 2 -1. - <_> - 7 4 1 1 2. - <_> - 8 5 1 1 2. - <_> - - <_> - 12 0 3 1 -1. - <_> - 13 1 1 1 3. - 1 - <_> - - <_> - 6 0 1 3 -1. - <_> - 5 1 1 1 3. - 1 - <_> - - <_> - 6 0 8 3 -1. - <_> - 6 1 8 1 3. - <_> - - <_> - 5 0 3 1 -1. - <_> - 6 1 1 1 3. - 1 - <_> - - <_> - 9 2 4 3 -1. - <_> - 10 2 2 3 2. - <_> - - <_> - 0 1 1 4 -1. - <_> - 0 2 1 2 2. - <_> - - <_> - 16 9 2 1 -1. - <_> - 16 9 1 1 2. - 1 - <_> - - <_> - 2 9 1 2 -1. - <_> - 2 9 1 1 2. - 1 - <_> - - <_> - 15 1 3 1 -1. - <_> - 16 2 1 1 3. - 1 - <_> - - <_> - 3 1 1 3 -1. - <_> - 2 2 1 1 3. - 1 - <_> - - <_> - 16 1 2 2 -1. - <_> - 17 1 1 1 2. - <_> - 16 2 1 1 2. - <_> - - <_> - 4 7 2 2 -1. - <_> - 4 7 1 1 2. - <_> - 5 8 1 1 2. - <_> - - <_> - 13 0 2 4 -1. - <_> - 13 1 2 2 2. - <_> - - <_> - 7 0 2 2 -1. - <_> - 7 0 1 1 2. - <_> - 8 1 1 1 2. - <_> - - <_> - 9 0 2 2 -1. - <_> - 10 0 1 1 2. - <_> - 9 1 1 1 2. - <_> - - <_> - 7 0 2 2 -1. - <_> - 7 0 1 1 2. - <_> - 8 1 1 1 2. - <_> - - <_> - 3 3 12 6 -1. - <_> - 6 3 6 6 2. - <_> - - <_> - 5 2 6 7 -1. - <_> - 7 2 2 7 3. - <_> - - <_> - 6 1 6 3 -1. - <_> - 6 1 3 3 2. - <_> - - <_> - 5 2 4 2 -1. - <_> - 6 2 2 2 2. - <_> - - <_> - 8 8 2 2 -1. - <_> - 9 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 1 4 2 2 -1. - <_> - 1 4 1 1 2. - <_> - 2 5 1 1 2. - <_> - - <_> - 15 1 3 3 -1. - <_> - 14 2 3 1 3. - 1 - <_> - - <_> - 3 1 3 3 -1. - <_> - 4 2 1 3 3. - 1 - <_> - - <_> - 9 3 3 3 -1. - <_> - 10 4 1 3 3. - 1 - <_> - - <_> - 4 9 2 1 -1. - <_> - 4 9 1 1 2. - 1 - <_> - - <_> - 16 9 2 1 -1. - <_> - 16 9 1 1 2. - 1 - <_> - - <_> - 0 3 2 9 -1. - <_> - 1 3 1 9 2. - <_> - - <_> - 5 3 12 2 -1. - <_> - 9 3 4 2 3. - <_> - - <_> - 2 8 2 2 -1. - <_> - 2 8 1 2 2. - 1 - <_> - - <_> - 16 10 2 2 -1. - <_> - 16 11 2 1 2. - <_> - - <_> - 0 10 2 2 -1. - <_> - 0 11 2 1 2. - <_> - - <_> - 16 9 2 1 -1. - <_> - 16 9 1 1 2. - 1 - <_> - - <_> - 2 9 1 2 -1. - <_> - 2 9 1 1 2. - 1 - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 1 1 1 3. - 1 - <_> - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - <_> - - <_> - 13 7 3 2 -1. - <_> - 14 8 1 2 3. - 1 - <_> - - <_> - 5 7 2 3 -1. - <_> - 4 8 2 1 3. - 1 - <_> - - <_> - 5 5 11 6 -1. - <_> - 5 8 11 3 2. - <_> - - <_> - 6 8 2 2 -1. - <_> - 6 8 1 1 2. - <_> - 7 9 1 1 2. - <_> - - <_> - 10 7 2 2 -1. - <_> - 11 7 1 1 2. - <_> - 10 8 1 1 2. - <_> - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - <_> - - <_> - 10 3 3 6 -1. - <_> - 11 4 1 6 3. - 1 - <_> - - <_> - 8 3 6 3 -1. - <_> - 7 4 6 1 3. - 1 - <_> - - <_> - 5 6 8 4 -1. - <_> - 9 6 4 2 2. - <_> - 5 8 4 2 2. - <_> - - <_> - 8 7 2 2 -1. - <_> - 8 7 1 1 2. - <_> - 9 8 1 1 2. - <_> - - <_> - 11 4 6 3 -1. - <_> - 13 5 2 1 9. - <_> - - <_> - 1 0 4 1 -1. - <_> - 2 0 2 1 2. - <_> - - <_> - 11 4 6 3 -1. - <_> - 13 5 2 1 9. - <_> - - <_> - 1 4 6 3 -1. - <_> - 3 5 2 1 9. - <_> - - <_> - 11 0 6 9 -1. - <_> - 13 0 2 9 3. - <_> - - <_> - 1 0 6 9 -1. - <_> - 3 0 2 9 3. - <_> - - <_> - 11 3 3 6 -1. - <_> - 12 5 1 2 9. - <_> - - <_> - 3 0 12 6 -1. - <_> - 3 2 12 2 3. - <_> - - <_> - 12 0 3 2 -1. - <_> - 13 1 1 2 3. - 1 - <_> - - <_> - 0 0 16 2 -1. - <_> - 8 0 8 2 2. - <_> - - <_> - 12 0 4 5 -1. - <_> - 13 0 2 5 2. - <_> - - <_> - 0 1 2 6 -1. - <_> - 0 3 2 2 3. - <_> - - <_> - 14 2 4 3 -1. - <_> - 14 2 2 3 2. - 1 - <_> - - <_> - 4 3 3 6 -1. - <_> - 5 5 1 2 9. - <_> - - <_> - 3 0 12 8 -1. - <_> - 3 4 12 4 2. - <_> - - <_> - 8 9 2 2 -1. - <_> - 8 9 1 1 2. - <_> - 9 10 1 1 2. - <_> - - <_> - 8 9 2 2 -1. - <_> - 9 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 4 3 3 2 -1. - <_> - 5 4 1 2 3. - 1 - <_> - - <_> - 12 0 3 2 -1. - <_> - 13 1 1 2 3. - 1 - <_> - - <_> - 6 0 2 3 -1. - <_> - 5 1 2 1 3. - 1 - <_> - - <_> - 13 0 2 4 -1. - <_> - 13 1 2 2 2. - <_> - - <_> - 3 0 2 4 -1. - <_> - 3 1 2 2 2. - <_> - - <_> - 9 0 8 4 -1. - <_> - 9 1 8 2 2. - <_> - - <_> - 2 3 6 3 -1. - <_> - 4 4 2 1 9. - <_> - - <_> - 6 11 12 1 -1. - <_> - 10 11 4 1 3. - <_> - - <_> - 0 11 12 1 -1. - <_> - 4 11 4 1 3. - <_> - - <_> - 14 11 2 1 -1. - <_> - 14 11 1 1 2. - <_> - - <_> - 0 5 14 7 -1. - <_> - 7 5 7 7 2. - <_> - - <_> - 14 11 2 1 -1. - <_> - 14 11 1 1 2. - <_> - - <_> - 2 11 2 1 -1. - <_> - 3 11 1 1 2. - <_> - - <_> - 14 11 2 1 -1. - <_> - 14 11 1 1 2. - <_> - - <_> - 2 11 2 1 -1. - <_> - 3 11 1 1 2. - <_> - - <_> - 14 10 2 1 -1. - <_> - 14 10 1 1 2. - <_> - - <_> - 2 10 2 1 -1. - <_> - 3 10 1 1 2. - <_> - - <_> - 14 10 2 1 -1. - <_> - 14 10 1 1 2. - <_> - - <_> - 2 10 2 1 -1. - <_> - 3 10 1 1 2. - <_> - - <_> - 15 8 2 2 -1. - <_> - 15 8 2 1 2. - 1 - <_> - - <_> - 3 8 2 2 -1. - <_> - 3 8 1 2 2. - 1 - <_> - - <_> - 12 11 2 1 -1. - <_> - 12 11 1 1 2. - <_> - - <_> - 4 11 2 1 -1. - <_> - 5 11 1 1 2. - <_> - - <_> - 14 2 4 3 -1. - <_> - 14 2 2 3 2. - 1 - <_> - - <_> - 8 1 10 1 -1. - <_> - 8 1 5 1 2. - 1 - <_> - - <_> - 14 2 4 3 -1. - <_> - 14 2 2 3 2. - 1 - <_> - - <_> - 4 2 3 4 -1. - <_> - 4 2 3 2 2. - 1 - <_> - - <_> - 10 2 6 4 -1. - <_> - 12 2 2 4 3. - <_> - - <_> - 6 6 6 2 -1. - <_> - 8 6 2 2 3. - <_> - - <_> - 4 3 11 4 -1. - <_> - 4 4 11 2 2. - <_> - - <_> - 0 0 12 3 -1. - <_> - 4 0 4 3 3. - <_> - - <_> - 13 6 3 3 -1. - <_> - 14 7 1 3 3. - 1 - <_> - - <_> - 5 6 3 3 -1. - <_> - 4 7 3 1 3. - 1 - <_> - - <_> - 9 4 5 6 -1. - <_> - 9 7 5 3 2. - <_> - - <_> - 8 4 3 3 -1. - <_> - 7 5 3 1 3. - 1 - <_> - - <_> - 13 4 3 5 -1. - <_> - 14 5 1 5 3. - 1 - <_> - - <_> - 0 0 2 7 -1. - <_> - 1 0 1 7 2. - <_> - - <_> - 12 5 3 2 -1. - <_> - 13 6 1 2 3. - 1 - <_> - - <_> - 4 0 10 4 -1. - <_> - 4 1 10 2 2. - <_> - - <_> - 12 5 3 2 -1. - <_> - 13 6 1 2 3. - 1 - <_> - - <_> - 5 4 3 3 -1. - <_> - 4 5 3 1 3. - 1 - <_> - - <_> - 9 4 4 6 -1. - <_> - 9 7 4 3 2. - <_> - - <_> - 6 3 6 3 -1. - <_> - 6 4 6 1 3. - <_> - - <_> - 11 0 4 5 -1. - <_> - 12 0 2 5 2. - <_> - - <_> - 3 0 4 5 -1. - <_> - 4 0 2 5 2. - <_> - - <_> - 13 0 3 3 -1. - <_> - 14 1 1 3 3. - 1 - <_> - - <_> - 0 6 18 6 -1. - <_> - 0 6 9 3 2. - <_> - 9 9 9 3 2. - <_> - - <_> - 13 0 3 3 -1. - <_> - 14 1 1 3 3. - 1 - <_> - - <_> - 5 0 3 3 -1. - <_> - 4 1 3 1 3. - 1 - <_> - - <_> - 6 2 6 3 -1. - <_> - 6 3 6 1 3. - <_> - - <_> - 4 9 2 1 -1. - <_> - 4 9 1 1 2. - 1 - <_> - - <_> - 12 9 1 2 -1. - <_> - 12 9 1 1 2. - 1 - <_> - - <_> - 6 9 2 1 -1. - <_> - 6 9 1 1 2. - 1 - <_> - - <_> - 10 10 1 2 -1. - <_> - 10 11 1 1 2. - <_> - - <_> - 6 9 6 2 -1. - <_> - 8 9 2 2 3. - <_> - - <_> - 16 0 2 10 -1. - <_> - 16 0 2 5 2. - 1 - <_> - - <_> - 2 0 3 2 -1. - <_> - 2 0 3 1 2. - 1 - <_> - - <_> - 14 3 2 1 -1. - <_> - 14 3 1 1 2. - 1 - <_> - - <_> - 2 1 3 2 -1. - <_> - 2 1 3 1 2. - 1 - <_> - - <_> - 16 0 2 10 -1. - <_> - 16 0 2 5 2. - 1 - <_> - - <_> - 2 0 10 2 -1. - <_> - 2 0 5 2 2. - 1 - <_> - - <_> - 17 6 1 4 -1. - <_> - 17 8 1 2 2. - <_> - - <_> - 0 6 1 4 -1. - <_> - 0 8 1 2 2. - <_> - - <_> - 6 11 12 1 -1. - <_> - 9 11 6 1 2. - <_> - - <_> - 0 6 6 2 -1. - <_> - 2 6 2 2 3. - <_> - - <_> - 11 5 3 3 -1. - <_> - 12 5 1 3 3. - <_> - - <_> - 4 5 3 3 -1. - <_> - 5 5 1 3 3. - <_> - - <_> - 9 0 4 3 -1. - <_> - 10 0 2 3 2. - <_> - - <_> - 0 11 6 1 -1. - <_> - 3 11 3 1 2. - <_> - - <_> - 6 3 9 2 -1. - <_> - 9 3 3 2 3. - <_> - - <_> - 5 0 4 3 -1. - <_> - 6 0 2 3 2. - <_> - - <_> - 3 3 15 1 -1. - <_> - 8 3 5 1 3. - <_> - - <_> - 5 0 4 3 -1. - <_> - 5 1 4 1 3. - <_> - - <_> - 10 0 4 2 -1. - <_> - 10 1 4 1 2. - <_> - - <_> - 2 3 9 2 -1. - <_> - 5 3 3 2 3. - <_> - - <_> - 11 5 1 3 -1. - <_> - 10 6 1 1 3. - 1 - <_> - - <_> - 0 3 3 4 -1. - <_> - 0 4 3 2 2. - <_> - - <_> - 9 5 2 2 -1. - <_> - 10 5 1 1 2. - <_> - 9 6 1 1 2. - <_> - - <_> - 7 5 3 1 -1. - <_> - 8 6 1 1 3. - 1 - <_> - - <_> - 17 0 1 6 -1. - <_> - 17 2 1 2 3. - <_> - - <_> - 0 5 10 6 -1. - <_> - 0 5 5 3 2. - <_> - 5 8 5 3 2. - <_> - - <_> - 10 6 3 2 -1. - <_> - 11 6 1 2 3. - <_> - - <_> - 5 6 3 2 -1. - <_> - 6 6 1 2 3. - <_> - - <_> - 5 0 12 4 -1. - <_> - 11 0 6 2 2. - <_> - 5 2 6 2 2. - <_> - - <_> - 1 0 12 4 -1. - <_> - 1 0 6 2 2. - <_> - 7 2 6 2 2. - <_> - - <_> - 17 1 1 4 -1. - <_> - 17 2 1 2 2. - <_> - - <_> - 3 5 3 3 -1. - <_> - 4 5 1 3 3. - <_> - - <_> - 17 0 1 4 -1. - <_> - 17 2 1 2 2. - <_> - - <_> - 0 0 1 4 -1. - <_> - 0 2 1 2 2. - <_> - - <_> - 12 0 1 2 -1. - <_> - 12 0 1 1 2. - 1 - <_> - - <_> - 5 9 4 2 -1. - <_> - 6 9 2 2 2. - <_> - - <_> - 12 1 6 6 -1. - <_> - 12 4 6 3 2. - <_> - - <_> - 4 5 6 1 -1. - <_> - 4 5 3 1 2. - 1 - <_> - - <_> - 5 6 9 6 -1. - <_> - 5 9 9 3 2. - <_> - - <_> - 5 7 2 1 -1. - <_> - 6 7 1 1 2. - <_> - - <_> - 10 0 4 5 -1. - <_> - 11 0 2 5 2. - <_> - - <_> - 4 0 4 5 -1. - <_> - 5 0 2 5 2. - <_> - - <_> - 15 7 3 1 -1. - <_> - 16 7 1 1 3. - <_> - - <_> - 0 7 3 1 -1. - <_> - 1 7 1 1 3. - <_> - - <_> - 17 9 1 3 -1. - <_> - 17 10 1 1 3. - <_> - - <_> - 6 1 4 3 -1. - <_> - 7 1 2 3 2. - <_> - - <_> - 8 5 3 1 -1. - <_> - 9 5 1 1 3. - <_> - - <_> - 1 0 12 2 -1. - <_> - 1 0 6 1 2. - <_> - 7 1 6 1 2. - <_> - - <_> - 15 0 3 3 -1. - <_> - 15 1 3 1 3. - <_> - - <_> - 0 0 3 3 -1. - <_> - 0 1 3 1 3. - <_> - - <_> - 8 2 4 1 -1. - <_> - 8 2 2 1 2. - <_> - - <_> - 8 0 2 1 -1. - <_> - 8 0 1 1 2. - 1 - <_> - - <_> - 10 1 1 3 -1. - <_> - 10 2 1 1 3. - <_> - - <_> - 6 11 6 1 -1. - <_> - 8 11 2 1 3. - <_> - - <_> - 13 4 5 4 -1. - <_> - 13 5 5 2 2. - <_> - - <_> - 0 4 5 4 -1. - <_> - 0 5 5 2 2. - <_> - - <_> - 10 4 3 6 -1. - <_> - 10 7 3 3 2. - <_> - - <_> - 5 7 4 1 -1. - <_> - 6 7 2 1 2. - <_> - - <_> - 10 8 2 4 -1. - <_> - 10 9 2 2 2. - <_> - - <_> - 2 7 14 3 -1. - <_> - 9 7 7 3 2. - <_> - - <_> - 5 9 8 1 -1. - <_> - 5 9 4 1 2. - <_> - - <_> - 0 11 16 1 -1. - <_> - 8 11 8 1 2. - <_> - - <_> - 13 5 4 5 -1. - <_> - 14 5 2 5 2. - <_> - - <_> - 8 9 2 2 -1. - <_> - 8 9 1 1 2. - <_> - 9 10 1 1 2. - <_> - - <_> - 13 5 4 5 -1. - <_> - 14 5 2 5 2. - <_> - - <_> - 1 5 4 5 -1. - <_> - 2 5 2 5 2. - <_> - - <_> - 11 3 3 6 -1. - <_> - 12 5 1 2 9. - <_> - - <_> - 2 7 4 1 -1. - <_> - 3 8 2 1 2. - 1 - <_> - - <_> - 10 0 2 10 -1. - <_> - 10 0 1 10 2. - 1 - <_> - - <_> - 8 0 10 2 -1. - <_> - 8 0 10 1 2. - 1 - <_> - - <_> - 12 0 1 4 -1. - <_> - 11 1 1 2 2. - 1 - <_> - - <_> - 7 4 4 3 -1. - <_> - 6 5 4 1 3. - 1 - <_> - - <_> - 16 6 2 3 -1. - <_> - 16 7 2 1 3. - <_> - - <_> - 0 6 2 3 -1. - <_> - 0 7 2 1 3. - <_> - - <_> - 14 11 4 1 -1. - <_> - 15 11 2 1 2. - <_> - - <_> - 0 11 4 1 -1. - <_> - 1 11 2 1 2. - <_> - - <_> - 13 9 1 2 -1. - <_> - 13 9 1 1 2. - 1 - <_> - - <_> - 7 5 3 1 -1. - <_> - 8 5 1 1 3. - <_> - - <_> - 9 4 2 2 -1. - <_> - 10 4 1 1 2. - <_> - 9 5 1 1 2. - <_> - - <_> - 7 4 2 2 -1. - <_> - 7 4 1 1 2. - <_> - 8 5 1 1 2. - <_> - - <_> - 1 0 16 1 -1. - <_> - 5 0 8 1 2. - <_> - - <_> - 5 9 2 1 -1. - <_> - 5 9 1 1 2. - 1 - <_> - - <_> - 11 0 6 5 -1. - <_> - 13 0 2 5 3. - <_> - - <_> - 0 0 12 1 -1. - <_> - 6 0 6 1 2. - <_> - - <_> - 11 0 6 5 -1. - <_> - 13 0 2 5 3. - <_> - - <_> - 6 0 4 1 -1. - <_> - 7 1 2 1 2. - 1 - <_> - - <_> - 10 2 2 6 -1. - <_> - 10 4 2 2 3. - <_> - - <_> - 6 2 4 6 -1. - <_> - 6 4 4 2 3. - <_> - - <_> - 9 4 2 4 -1. - <_> - 8 5 2 2 2. - 1 - <_> - - <_> - 9 4 4 2 -1. - <_> - 10 5 2 2 2. - 1 - <_> - - <_> - 5 9 12 3 -1. - <_> - 8 9 6 3 2. - <_> - - <_> - 1 9 12 3 -1. - <_> - 4 9 6 3 2. - <_> - - <_> - 10 4 3 6 -1. - <_> - 10 7 3 3 2. - <_> - - <_> - 4 2 10 4 -1. - <_> - 4 3 10 2 2. - <_> - - <_> - 8 11 6 1 -1. - <_> - 10 11 2 1 3. - <_> - - <_> - 1 11 16 1 -1. - <_> - 5 11 8 1 2. - <_> - - <_> - 15 10 3 2 -1. - <_> - 15 11 3 1 2. - <_> - - <_> - 3 8 12 3 -1. - <_> - 3 9 12 1 3. - <_> - - <_> - 15 10 3 2 -1. - <_> - 15 11 3 1 2. - <_> - - <_> - 0 10 3 2 -1. - <_> - 0 11 3 1 2. - <_> - - <_> - 10 5 3 4 -1. - <_> - 10 7 3 2 2. - <_> - - <_> - 5 5 3 4 -1. - <_> - 5 7 3 2 2. - <_> - - <_> - 10 0 2 3 -1. - <_> - 10 0 1 3 2. - 1 - <_> - - <_> - 5 0 6 2 -1. - <_> - 7 0 2 2 3. - <_> - - <_> - 17 9 1 3 -1. - <_> - 17 10 1 1 3. - <_> - - <_> - 2 7 2 2 -1. - <_> - 2 7 1 1 2. - <_> - 3 8 1 1 2. - <_> - - <_> - 12 5 3 4 -1. - <_> - 13 6 1 4 3. - 1 - <_> - - <_> - 0 0 18 12 -1. - <_> - 0 0 9 6 2. - <_> - 9 6 9 6 2. - <_> - - <_> - 12 4 4 1 -1. - <_> - 13 5 2 1 2. - 1 - <_> - - <_> - 6 5 4 3 -1. - <_> - 5 6 4 1 3. - 1 - <_> - - <_> - 17 9 1 3 -1. - <_> - 17 10 1 1 3. - <_> - - <_> - 0 4 10 4 -1. - <_> - 0 4 5 2 2. - <_> - 5 6 5 2 2. - <_> - - <_> - 6 4 6 3 -1. - <_> - 8 5 2 1 9. - <_> - - <_> - 2 0 4 5 -1. - <_> - 3 0 2 5 2. - <_> - - <_> - 9 6 2 2 -1. - <_> - 10 6 1 1 2. - <_> - 9 7 1 1 2. - <_> - - <_> - 0 9 1 3 -1. - <_> - 0 10 1 1 3. - <_> - - <_> - 16 9 2 2 -1. - <_> - 17 9 1 1 2. - <_> - 16 10 1 1 2. - <_> - - <_> - 0 9 2 2 -1. - <_> - 0 9 1 1 2. - <_> - 1 10 1 1 2. - <_> - - <_> - 16 8 2 2 -1. - <_> - 16 8 1 2 2. - 1 - <_> - - <_> - 2 8 2 2 -1. - <_> - 2 8 2 1 2. - 1 - <_> - - <_> - 10 10 8 2 -1. - <_> - 12 10 4 2 2. - <_> - - <_> - 0 10 8 2 -1. - <_> - 2 10 4 2 2. - <_> - - <_> - 14 7 2 2 -1. - <_> - 15 7 1 1 2. - <_> - 14 8 1 1 2. - <_> - - <_> - 3 6 1 4 -1. - <_> - 3 8 1 2 2. - <_> - - <_> - 15 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 15 8 1 1 2. - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 7 1 1 2. - <_> - 2 8 1 1 2. - <_> - - <_> - 17 5 1 6 -1. - <_> - 17 7 1 2 3. - <_> - - <_> - 2 7 12 3 -1. - <_> - 2 8 12 1 3. - <_> - - <_> - 17 5 1 6 -1. - <_> - 17 7 1 2 3. - <_> - - <_> - 0 5 1 6 -1. - <_> - 0 7 1 2 3. - <_> - - <_> - 13 7 2 2 -1. - <_> - 14 7 1 1 2. - <_> - 13 8 1 1 2. - <_> - - <_> - 1 1 2 1 -1. - <_> - 2 1 1 1 2. - <_> - - <_> - 9 9 1 3 -1. - <_> - 9 10 1 1 3. - <_> - - <_> - 3 7 2 2 -1. - <_> - 3 7 1 1 2. - <_> - 4 8 1 1 2. - <_> - - <_> - 8 9 4 2 -1. - <_> - 9 9 2 2 2. - <_> - - <_> - 6 9 4 2 -1. - <_> - 7 9 2 2 2. - <_> - - <_> - 10 7 3 2 -1. - <_> - 10 7 3 1 2. - 1 - <_> - - <_> - 8 7 2 3 -1. - <_> - 8 7 1 3 2. - 1 - <_> - - <_> - 3 4 12 4 -1. - <_> - 3 6 12 2 2. - <_> - - <_> - 5 1 4 4 -1. - <_> - 5 1 4 2 2. - 1 - <_> - - <_> - 17 0 1 2 -1. - <_> - 17 1 1 1 2. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 11 0 4 4 -1. - <_> - 11 1 4 2 2. - <_> - - <_> - 2 0 7 4 -1. - <_> - 2 1 7 2 2. - <_> - - <_> - 9 1 4 4 -1. - <_> - 9 1 2 4 2. - 1 - <_> - - <_> - 9 1 4 4 -1. - <_> - 9 1 4 2 2. - 1 - <_> - - <_> - 10 1 3 8 -1. - <_> - 11 2 1 8 3. - 1 - <_> - - <_> - 8 1 8 3 -1. - <_> - 7 2 8 1 3. - 1 - <_> - - <_> - 12 0 3 1 -1. - <_> - 13 1 1 1 3. - 1 - <_> - - <_> - 6 0 1 3 -1. - <_> - 5 1 1 1 3. - 1 - <_> - - <_> - 13 2 3 2 -1. - <_> - 14 3 1 2 3. - 1 - <_> - - <_> - 5 2 8 3 -1. - <_> - 5 3 8 1 3. - <_> - - <_> - 3 3 12 4 -1. - <_> - 3 4 12 2 2. - <_> - - <_> - 2 2 3 6 -1. - <_> - 3 4 1 2 9. - <_> - - <_> - 15 3 3 3 -1. - <_> - 14 4 3 1 3. - 1 - <_> - - <_> - 3 3 3 3 -1. - <_> - 4 4 1 3 3. - 1 - <_> - - <_> - 0 5 18 2 -1. - <_> - 9 5 9 1 2. - <_> - 0 6 9 1 2. - <_> - - <_> - 7 3 1 4 -1. - <_> - 7 3 1 2 2. - 1 - <_> - - <_> - 13 2 3 2 -1. - <_> - 14 3 1 2 3. - 1 - <_> - - <_> - 5 2 2 3 -1. - <_> - 4 3 2 1 3. - 1 - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 0 1 3 3 -1. - <_> - 0 2 3 1 3. - <_> - - <_> - 7 4 5 8 -1. - <_> - 7 8 5 4 2. - <_> - - <_> - 4 7 2 2 -1. - <_> - 4 7 1 1 2. - <_> - 5 8 1 1 2. - <_> - - <_> - 11 6 3 1 -1. - <_> - 12 6 1 1 3. - <_> - - <_> - 4 6 3 1 -1. - <_> - 5 6 1 1 3. - <_> - - <_> - 10 2 6 9 -1. - <_> - 12 5 2 3 9. - <_> - - <_> - 2 2 6 9 -1. - <_> - 4 5 2 3 9. - <_> - - <_> - 16 4 2 4 -1. - <_> - 16 5 2 2 2. - <_> - - <_> - 0 4 2 4 -1. - <_> - 0 5 2 2 2. - <_> - - <_> - 15 4 2 2 -1. - <_> - 16 4 1 1 2. - <_> - 15 5 1 1 2. - <_> - - <_> - 1 4 2 2 -1. - <_> - 1 4 1 1 2. - <_> - 2 5 1 1 2. - <_> - - <_> - 9 3 9 6 -1. - <_> - 12 5 3 2 9. - <_> - - <_> - 2 3 12 4 -1. - <_> - 2 5 12 2 2. - <_> - - <_> - 12 3 1 2 -1. - <_> - 12 3 1 1 2. - 1 - <_> - - <_> - 7 3 2 2 -1. - <_> - 7 3 1 1 2. - <_> - 8 4 1 1 2. - <_> - - <_> - 7 7 6 3 -1. - <_> - 7 7 3 3 2. - <_> - - <_> - 7 2 4 2 -1. - <_> - 8 2 2 2 2. - <_> - - <_> - 14 0 4 4 -1. - <_> - 16 0 2 2 2. - <_> - 14 2 2 2 2. - <_> - - <_> - 5 4 6 7 -1. - <_> - 7 4 2 7 3. - <_> - - <_> - 14 0 4 4 -1. - <_> - 16 0 2 2 2. - <_> - 14 2 2 2 2. - <_> - - <_> - 5 8 2 2 -1. - <_> - 5 8 1 1 2. - <_> - 6 9 1 1 2. - <_> - - <_> - 14 0 4 4 -1. - <_> - 16 0 2 2 2. - <_> - 14 2 2 2 2. - <_> - - <_> - 4 0 3 2 -1. - <_> - 5 1 1 2 3. - 1 - <_> - - <_> - 7 1 4 4 -1. - <_> - 8 1 2 4 2. - <_> - - <_> - 4 2 7 3 -1. - <_> - 3 3 7 1 3. - 1 - <_> - - <_> - 0 0 18 12 -1. - <_> - 0 0 9 12 2. - <_> - - <_> - 0 0 18 6 -1. - <_> - 9 0 9 6 2. - <_> - - <_> - 5 8 9 3 -1. - <_> - 5 9 9 1 3. - <_> - - <_> - 9 2 8 1 -1. - <_> - 9 2 4 1 2. - 1 - <_> - - <_> - 10 0 1 4 -1. - <_> - 9 1 1 2 2. - 1 - <_> - - <_> - 0 0 6 4 -1. - <_> - 0 0 3 2 2. - <_> - 3 2 3 2 2. - <_> - - <_> - 8 0 9 9 -1. - <_> - 11 3 3 3 9. - <_> - - <_> - 1 0 9 9 -1. - <_> - 4 3 3 3 9. - <_> - - <_> - 15 11 3 1 -1. - <_> - 16 11 1 1 3. - <_> - - <_> - 2 0 4 2 -1. - <_> - 3 0 2 2 2. - <_> - - <_> - 6 2 12 3 -1. - <_> - 6 3 12 1 3. - <_> - - <_> - 0 11 3 1 -1. - <_> - 1 11 1 1 3. - <_> - - <_> - 16 10 1 2 -1. - <_> - 16 11 1 1 2. - <_> - - <_> - 0 10 2 2 -1. - <_> - 0 10 1 1 2. - <_> - 1 11 1 1 2. - <_> - - <_> - 17 10 1 2 -1. - <_> - 17 11 1 1 2. - <_> - - <_> - 0 10 1 2 -1. - <_> - 0 11 1 1 2. - <_> - - <_> - 15 8 3 1 -1. - <_> - 16 9 1 1 3. - 1 - <_> - - <_> - 3 8 1 3 -1. - <_> - 2 9 1 1 3. - 1 - <_> - - <_> - 9 3 9 6 -1. - <_> - 12 5 3 2 9. - <_> - - <_> - 0 3 9 6 -1. - <_> - 3 5 3 2 9. - <_> - - <_> - 12 3 1 6 -1. - <_> - 12 5 1 2 3. - <_> - - <_> - 3 3 2 1 -1. - <_> - 4 3 1 1 2. - <_> - - <_> - 5 2 12 2 -1. - <_> - 8 2 6 2 2. - <_> - - <_> - 1 2 12 2 -1. - <_> - 4 2 6 2 2. - <_> - - <_> - 9 1 8 11 -1. - <_> - 9 1 4 11 2. - <_> - - <_> - 1 1 8 11 -1. - <_> - 5 1 4 11 2. - <_> - - <_> - 8 5 6 6 -1. - <_> - 10 5 2 6 3. - <_> - - <_> - 4 7 2 3 -1. - <_> - 4 7 1 3 2. - 1 - <_> - - <_> - 16 9 2 1 -1. - <_> - 16 9 1 1 2. - 1 - <_> - - <_> - 2 9 1 2 -1. - <_> - 2 9 1 1 2. - 1 - <_> - - <_> - 9 11 4 1 -1. - <_> - 10 11 2 1 2. - <_> - - <_> - 4 7 6 5 -1. - <_> - 6 7 2 5 3. - <_> - - <_> - 13 8 5 4 -1. - <_> - 13 9 5 2 2. - <_> - - <_> - 0 8 5 4 -1. - <_> - 0 9 5 2 2. - <_> - - <_> - 13 5 3 1 -1. - <_> - 14 6 1 1 3. - 1 - <_> - - <_> - 5 5 1 3 -1. - <_> - 4 6 1 1 3. - 1 - <_> - - <_> - 7 9 4 3 -1. - <_> - 7 10 4 1 3. - <_> - - <_> - 5 9 2 2 -1. - <_> - 5 9 1 1 2. - <_> - 6 10 1 1 2. - <_> - - <_> - 14 2 3 1 -1. - <_> - 15 2 1 1 3. - <_> - - <_> - 6 8 3 1 -1. - <_> - 7 9 1 1 3. - 1 - <_> - - <_> - 11 10 2 1 -1. - <_> - 11 10 1 1 2. - <_> - - <_> - 5 10 2 1 -1. - <_> - 6 10 1 1 2. - <_> - - <_> - 4 10 14 2 -1. - <_> - 11 10 7 1 2. - <_> - 4 11 7 1 2. - <_> - - <_> - 0 10 14 2 -1. - <_> - 0 10 7 1 2. - <_> - 7 11 7 1 2. - <_> - - <_> - 8 0 4 3 -1. - <_> - 9 0 2 3 2. - <_> - - <_> - 1 2 3 1 -1. - <_> - 2 2 1 1 3. - <_> - - <_> - 2 0 15 3 -1. - <_> - 7 0 5 3 3. - <_> - - <_> - 5 1 7 3 -1. - <_> - 5 2 7 1 3. - <_> - - <_> - 9 10 2 2 -1. - <_> - 10 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 8 10 2 2 -1. - <_> - 8 11 2 1 2. - <_> - - <_> - 10 10 1 2 -1. - <_> - 10 11 1 1 2. - <_> - - <_> - 0 2 3 1 -1. - <_> - 1 2 1 1 3. - <_> - - <_> - 14 1 4 3 -1. - <_> - 15 1 2 3 2. - <_> - - <_> - 0 1 4 3 -1. - <_> - 1 1 2 3 2. - <_> - - <_> - 9 5 2 2 -1. - <_> - 10 5 1 1 2. - <_> - 9 6 1 1 2. - <_> - - <_> - 6 3 2 1 -1. - <_> - 6 3 1 1 2. - 1 - <_> - - <_> - 15 4 2 2 -1. - <_> - 16 4 1 1 2. - <_> - 15 5 1 1 2. - <_> - - <_> - 0 0 18 4 -1. - <_> - 0 0 9 2 2. - <_> - 9 2 9 2 2. - <_> - - <_> - 14 3 2 3 -1. - <_> - 13 4 2 1 3. - 1 - <_> - - <_> - 7 10 1 2 -1. - <_> - 7 11 1 1 2. - <_> - - <_> - 14 3 2 3 -1. - <_> - 13 4 2 1 3. - 1 - <_> - - <_> - 2 4 9 7 -1. - <_> - 5 4 3 7 3. - <_> - - <_> - 10 10 2 2 -1. - <_> - 11 10 1 1 2. - <_> - 10 11 1 1 2. - <_> - - <_> - 5 11 2 1 -1. - <_> - 6 11 1 1 2. - <_> - - <_> - 9 10 2 2 -1. - <_> - 10 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 9 10 2 1 -1. - <_> - 9 10 1 1 2. - <_> - - <_> - 7 10 3 1 -1. - <_> - 8 10 1 1 3. - <_> - - <_> - 9 11 4 1 -1. - <_> - 10 11 2 1 2. - <_> - - <_> - 5 11 2 1 -1. - <_> - 6 11 1 1 2. - <_> - - <_> - 8 11 3 1 -1. - <_> - 9 11 1 1 3. - <_> - - <_> - 7 11 3 1 -1. - <_> - 8 11 1 1 3. - <_> - - <_> - 8 11 3 1 -1. - <_> - 9 11 1 1 3. - <_> - - <_> - 0 8 18 4 -1. - <_> - 0 8 9 2 2. - <_> - 9 10 9 2 2. - <_> - - <_> - 9 11 2 1 -1. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 11 2 1 -1. - <_> - 8 11 1 1 2. - <_> - - <_> - 7 11 6 1 -1. - <_> - 9 11 2 1 3. - <_> - - <_> - 6 11 6 1 -1. - <_> - 8 11 2 1 3. - <_> - - <_> - 15 4 2 2 -1. - <_> - 16 4 1 1 2. - <_> - 15 5 1 1 2. - <_> - - <_> - 2 3 3 6 -1. - <_> - 3 5 1 2 9. - <_> - - <_> - 14 3 2 3 -1. - <_> - 13 4 2 1 3. - 1 - <_> - - <_> - 4 3 3 2 -1. - <_> - 5 4 1 2 3. - 1 - <_> - - <_> - 10 2 8 6 -1. - <_> - 14 2 4 3 2. - <_> - 10 5 4 3 2. - <_> - - <_> - 0 2 8 6 -1. - <_> - 0 2 4 3 2. - <_> - 4 5 4 3 2. - <_> - - <_> - 15 4 2 2 -1. - <_> - 16 4 1 1 2. - <_> - 15 5 1 1 2. - <_> - - <_> - 1 4 2 2 -1. - <_> - 1 4 1 1 2. - <_> - 2 5 1 1 2. - <_> - - <_> - 14 4 3 8 -1. - <_> - 14 8 3 4 2. - <_> - - <_> - 7 9 4 2 -1. - <_> - 7 10 4 1 2. - <_> - - <_> - 16 2 2 4 -1. - <_> - 16 3 2 2 2. - <_> - - <_> - 0 2 2 4 -1. - <_> - 0 3 2 2 2. - <_> - - <_> - 14 0 1 12 -1. - <_> - 14 6 1 6 2. - <_> - - <_> - 6 2 1 4 -1. - <_> - 5 3 1 2 2. - 1 - <_> - - <_> - 14 0 4 6 -1. - <_> - 16 0 2 3 2. - <_> - 14 3 2 3 2. - <_> - - <_> - 0 0 4 6 -1. - <_> - 0 0 2 3 2. - <_> - 2 3 2 3 2. - <_> - - <_> - 15 0 3 10 -1. - <_> - 16 0 1 10 3. - <_> - - <_> - 4 2 3 2 -1. - <_> - 5 3 1 2 3. - 1 - <_> - - <_> - 9 3 8 1 -1. - <_> - 11 3 4 1 2. - <_> - - <_> - 1 3 8 1 -1. - <_> - 3 3 4 1 2. - <_> - - <_> - 14 0 4 2 -1. - <_> - 14 0 4 1 2. - 1 - <_> - - <_> - 1 1 12 2 -1. - <_> - 1 1 6 1 2. - <_> - 7 2 6 1 2. - <_> - - <_> - 17 0 1 9 -1. - <_> - 17 3 1 3 3. - <_> - - <_> - 1 0 2 2 -1. - <_> - 1 1 2 1 2. - <_> - - <_> - 10 0 7 2 -1. - <_> - 10 1 7 1 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 0 1 1 2. - <_> - 1 1 1 1 2. - <_> - - <_> - 9 2 3 4 -1. - <_> - 8 3 3 2 2. - 1 - <_> - - <_> - 12 0 6 1 -1. - <_> - 12 0 3 1 2. - <_> - - <_> - 0 0 6 1 -1. - <_> - 3 0 3 1 2. - <_> - - <_> - 3 3 12 4 -1. - <_> - 3 4 12 2 2. - <_> - - <_> - 9 5 3 1 -1. - <_> - 10 6 1 1 3. - 1 - <_> - - <_> - 3 1 15 3 -1. - <_> - 8 1 5 3 3. - <_> - - <_> - 5 6 3 3 -1. - <_> - 4 7 3 1 3. - 1 - <_> - - <_> - 5 1 8 2 -1. - <_> - 5 1 4 2 2. - <_> - - <_> - 7 5 3 2 -1. - <_> - 8 5 1 2 3. - <_> - - <_> - 9 0 4 8 -1. - <_> - 9 0 2 8 2. - 1 - <_> - - <_> - 9 0 8 4 -1. - <_> - 9 0 8 2 2. - 1 - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 7 3 4 3 -1. - <_> - 6 4 4 1 3. - 1 - <_> - - <_> - 13 2 5 8 -1. - <_> - 13 4 5 4 2. - <_> - - <_> - 0 0 2 6 -1. - <_> - 1 0 1 6 2. - <_> - - <_> - 11 5 2 6 -1. - <_> - 12 5 1 3 2. - <_> - 11 8 1 3 2. - <_> - - <_> - 5 5 2 6 -1. - <_> - 5 5 1 3 2. - <_> - 6 8 1 3 2. - <_> - - <_> - 8 5 6 6 -1. - <_> - 8 8 6 3 2. - <_> - - <_> - 0 0 6 5 -1. - <_> - 2 0 2 5 3. - <_> - - <_> - 3 10 12 2 -1. - <_> - 3 11 12 1 2. - <_> - - <_> - 1 9 1 3 -1. - <_> - 1 10 1 1 3. - <_> - - <_> - 4 0 10 4 -1. - <_> - 4 1 10 2 2. - <_> - - <_> - 6 0 6 4 -1. - <_> - 6 1 6 2 2. - <_> - - <_> - 17 0 1 4 -1. - <_> - 17 1 1 2 2. - <_> - - <_> - 0 0 1 4 -1. - <_> - 0 1 1 2 2. - <_> - - <_> - 7 0 5 3 -1. - <_> - 7 1 5 1 3. - <_> - - <_> - 8 0 6 1 -1. - <_> - 10 2 2 1 3. - 1 - <_> - - <_> - 13 3 5 2 -1. - <_> - 13 4 5 1 2. - <_> - - <_> - 3 1 6 4 -1. - <_> - 5 1 2 4 3. - <_> - - <_> - 6 0 6 4 -1. - <_> - 8 0 2 4 3. - <_> - - <_> - 3 0 3 2 -1. - <_> - 3 0 3 1 2. - 1 - <_> - - <_> - 10 5 3 3 -1. - <_> - 11 5 1 3 3. - <_> - - <_> - 5 5 4 3 -1. - <_> - 6 5 2 3 2. - <_> - - <_> - 13 2 5 9 -1. - <_> - 13 5 5 3 3. - <_> - - <_> - 0 2 5 8 -1. - <_> - 0 4 5 4 2. - <_> - - <_> - 13 3 5 2 -1. - <_> - 13 4 5 1 2. - <_> - - <_> - 2 0 10 2 -1. - <_> - 2 0 5 1 2. - <_> - 7 1 5 1 2. - <_> - - <_> - 13 3 5 2 -1. - <_> - 13 4 5 1 2. - <_> - - <_> - 0 3 5 2 -1. - <_> - 0 4 5 1 2. - <_> - - <_> - 14 0 1 3 -1. - <_> - 13 1 1 1 3. - 1 - <_> - - <_> - 4 0 3 1 -1. - <_> - 5 1 1 1 3. - 1 - <_> - - <_> - 7 2 10 2 -1. - <_> - 12 2 5 1 2. - <_> - 7 3 5 1 2. - <_> - - <_> - 5 9 4 3 -1. - <_> - 6 9 2 3 2. - <_> - - <_> - 14 2 3 2 -1. - <_> - 15 3 1 2 3. - 1 - <_> - - <_> - 7 9 4 3 -1. - <_> - 8 9 2 3 2. - <_> - - <_> - 0 10 18 2 -1. - <_> - 6 10 6 2 3. - <_> - - <_> - 8 2 6 1 -1. - <_> - 10 4 2 1 3. - 1 - <_> - - <_> - 10 0 1 4 -1. - <_> - 9 1 1 2 2. - 1 - <_> - - <_> - 4 1 3 4 -1. - <_> - 5 2 1 4 3. - 1 - <_> - - <_> - 12 5 4 3 -1. - <_> - 13 5 2 3 2. - <_> - - <_> - 3 1 3 3 -1. - <_> - 4 1 1 3 3. - <_> - - <_> - 3 1 14 4 -1. - <_> - 10 1 7 2 2. - <_> - 3 3 7 2 2. - <_> - - <_> - 2 5 4 3 -1. - <_> - 3 5 2 3 2. - <_> - - <_> - 10 6 4 2 -1. - <_> - 11 6 2 2 2. - <_> - - <_> - 5 5 5 6 -1. - <_> - 5 8 5 3 2. - <_> - - <_> - 7 3 4 6 -1. - <_> - 7 6 4 3 2. - <_> - - <_> - 4 4 10 2 -1. - <_> - 4 5 10 1 2. - <_> - - <_> - 11 6 3 2 -1. - <_> - 12 6 1 2 3. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 7 4 6 8 -1. - <_> - 7 6 6 4 2. - <_> - - <_> - 0 7 2 4 -1. - <_> - 0 8 2 2 2. - <_> - - <_> - 11 6 3 2 -1. - <_> - 12 6 1 2 3. - <_> - - <_> - 0 2 2 8 -1. - <_> - 0 2 1 4 2. - <_> - 1 6 1 4 2. - <_> - - <_> - 14 0 4 4 -1. - <_> - 15 0 2 4 2. - <_> - - <_> - 0 0 4 4 -1. - <_> - 1 0 2 4 2. - <_> - - <_> - 12 8 2 2 -1. - <_> - 12 8 2 1 2. - 1 - <_> - - <_> - 6 8 2 2 -1. - <_> - 6 8 1 2 2. - 1 - <_> - - <_> - 11 6 3 2 -1. - <_> - 12 6 1 2 3. - <_> - - <_> - 4 6 3 2 -1. - <_> - 5 6 1 2 3. - <_> - - <_> - 10 9 4 3 -1. - <_> - 11 9 2 3 2. - <_> - - <_> - 2 10 2 2 -1. - <_> - 2 10 1 1 2. - <_> - 3 11 1 1 2. - <_> - - <_> - 10 9 4 3 -1. - <_> - 11 9 2 3 2. - <_> - - <_> - 4 7 2 1 -1. - <_> - 5 7 1 1 2. - <_> - - <_> - 12 5 1 3 -1. - <_> - 11 6 1 1 3. - 1 - <_> - - <_> - 6 5 3 1 -1. - <_> - 7 6 1 1 3. - 1 - <_> - - <_> - 6 6 12 4 -1. - <_> - 12 6 6 2 2. - <_> - 6 8 6 2 2. - <_> - - <_> - 4 9 4 3 -1. - <_> - 5 9 2 3 2. - <_> - - <_> - 3 1 15 3 -1. - <_> - 8 1 5 3 3. - <_> - - <_> - 0 1 15 3 -1. - <_> - 5 1 5 3 3. - <_> - - <_> - 8 0 6 5 -1. - <_> - 10 0 2 5 3. - <_> - - <_> - 4 0 6 5 -1. - <_> - 6 0 2 5 3. - <_> - - <_> - 11 0 2 2 -1. - <_> - 11 1 2 1 2. - <_> - - <_> - 5 0 3 2 -1. - <_> - 5 1 3 1 2. - <_> - - <_> - 8 7 2 3 -1. - <_> - 8 8 2 1 3. - <_> - - <_> - 0 7 2 3 -1. - <_> - 0 8 2 1 3. - <_> - - <_> - 6 4 6 3 -1. - <_> - 8 5 2 1 9. - <_> - - <_> - 7 8 2 1 -1. - <_> - 8 8 1 1 2. - <_> - - <_> - 7 3 4 2 -1. - <_> - 7 4 4 1 2. - <_> - - <_> - 3 7 3 2 -1. - <_> - 3 7 3 1 2. - 1 - <_> - - <_> - 9 2 4 3 -1. - <_> - 10 2 2 3 2. - <_> - - <_> - 5 2 4 3 -1. - <_> - 6 2 2 3 2. - <_> - - <_> - 14 5 3 4 -1. - <_> - 15 5 1 4 3. - <_> - - <_> - 3 2 11 3 -1. - <_> - 3 3 11 1 3. - <_> - - <_> - 13 0 4 2 -1. - <_> - 14 1 2 2 2. - 1 - <_> - - <_> - 1 5 3 4 -1. - <_> - 2 5 1 4 3. - <_> - - <_> - 13 0 4 3 -1. - <_> - 14 1 2 3 2. - 1 - <_> - - <_> - 4 3 1 2 -1. - <_> - 4 3 1 1 2. - 1 - <_> - - <_> - 17 8 1 3 -1. - <_> - 17 9 1 1 3. - <_> - - <_> - 0 5 12 7 -1. - <_> - 6 5 6 7 2. - <_> - - <_> - 11 8 2 1 -1. - <_> - 11 8 1 1 2. - <_> - - <_> - 0 1 18 10 -1. - <_> - 9 1 9 10 2. - <_> - - <_> - 7 0 4 10 -1. - <_> - 7 0 2 10 2. - <_> - - <_> - 1 0 14 4 -1. - <_> - 1 0 7 2 2. - <_> - 8 2 7 2 2. - <_> - - <_> - 8 4 7 6 -1. - <_> - 8 7 7 3 2. - <_> - - <_> - 5 0 9 3 -1. - <_> - 4 1 9 1 3. - 1 - <_> - - <_> - 8 8 3 3 -1. - <_> - 8 9 3 1 3. - <_> - - <_> - 4 3 1 4 -1. - <_> - 4 5 1 2 2. - <_> - - <_> - 8 0 4 2 -1. - <_> - 9 0 2 2 2. - <_> - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - <_> - - <_> - 17 6 1 6 -1. - <_> - 17 9 1 3 2. - <_> - - <_> - 0 8 1 3 -1. - <_> - 0 9 1 1 3. - <_> - - <_> - 9 5 2 2 -1. - <_> - 10 5 1 1 2. - <_> - 9 6 1 1 2. - <_> - - <_> - 0 5 2 6 -1. - <_> - 1 5 1 6 2. - <_> - - <_> - 15 7 3 5 -1. - <_> - 16 7 1 5 3. - <_> - - <_> - 0 6 1 6 -1. - <_> - 0 9 1 3 2. - <_> - - <_> - 15 7 3 5 -1. - <_> - 16 7 1 5 3. - <_> - - <_> - 0 7 3 5 -1. - <_> - 1 7 1 5 3. - <_> - - <_> - 15 10 2 2 -1. - <_> - 16 10 1 1 2. - <_> - 15 11 1 1 2. - <_> - - <_> - 1 10 2 2 -1. - <_> - 1 10 1 1 2. - <_> - 2 11 1 1 2. - <_> - - <_> - 16 2 2 6 -1. - <_> - 16 4 2 2 3. - <_> - - <_> - 0 2 2 6 -1. - <_> - 0 4 2 2 3. - <_> - - <_> - 16 8 2 1 -1. - <_> - 16 8 1 1 2. - 1 - <_> - - <_> - 2 8 1 2 -1. - <_> - 2 8 1 1 2. - 1 - <_> - - <_> - 16 7 2 3 -1. - <_> - 15 8 2 1 3. - 1 - <_> - - <_> - 2 7 3 2 -1. - <_> - 3 8 1 2 3. - 1 - <_> - - <_> - 16 2 2 2 -1. - <_> - 17 2 1 1 2. - <_> - 16 3 1 1 2. - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 3 1 12 6 -1. - <_> - 3 3 12 2 3. - <_> - - <_> - 5 4 1 3 -1. - <_> - 4 5 1 1 3. - 1 - <_> - - <_> - 12 5 2 4 -1. - <_> - 12 5 1 4 2. - 1 - <_> - - <_> - 5 4 5 3 -1. - <_> - 4 5 5 1 3. - 1 - <_> - - <_> - 12 0 2 3 -1. - <_> - 12 1 2 1 3. - <_> - - <_> - 4 7 4 1 -1. - <_> - 5 7 2 1 2. - <_> - - <_> - 9 5 3 1 -1. - <_> - 10 5 1 1 3. - <_> - - <_> - 6 5 3 1 -1. - <_> - 7 5 1 1 3. - <_> - - <_> - 9 0 4 1 -1. - <_> - 10 0 2 1 2. - <_> - - <_> - 2 9 2 1 -1. - <_> - 2 9 1 1 2. - 1 - <_> - - <_> - 12 0 2 3 -1. - <_> - 12 1 2 1 3. - <_> - - <_> - 1 4 12 1 -1. - <_> - 7 4 6 1 2. - <_> - - <_> - 6 3 6 2 -1. - <_> - 8 3 2 2 3. - <_> - - <_> - 4 0 2 3 -1. - <_> - 4 1 2 1 3. - <_> - - <_> - 14 0 3 1 -1. - <_> - 15 1 1 1 3. - 1 - <_> - - <_> - 3 1 12 5 -1. - <_> - 7 1 4 5 3. - <_> - - <_> - 14 0 3 1 -1. - <_> - 15 1 1 1 3. - 1 - <_> - - <_> - 4 0 1 3 -1. - <_> - 3 1 1 1 3. - 1 - <_> - - <_> - 4 1 10 3 -1. - <_> - 4 2 10 1 3. - <_> - - <_> - 8 0 2 3 -1. - <_> - 7 1 2 1 3. - 1 - <_> - - <_> - 14 10 4 2 -1. - <_> - 15 10 2 2 2. - <_> - - <_> - 4 5 9 6 -1. - <_> - 4 8 9 3 2. - <_> - - <_> - 14 10 4 2 -1. - <_> - 15 10 2 2 2. - <_> - - <_> - 0 10 4 2 -1. - <_> - 1 10 2 2 2. - <_> - - <_> - 11 5 1 2 -1. - <_> - 11 6 1 1 2. - <_> - - <_> - 0 9 5 2 -1. - <_> - 0 10 5 1 2. - <_> - - <_> - 14 9 2 1 -1. - <_> - 14 9 1 1 2. - 1 - <_> - - <_> - 3 8 1 3 -1. - <_> - 2 9 1 1 3. - 1 - <_> - - <_> - 0 0 18 12 -1. - <_> - 9 0 9 6 2. - <_> - 0 6 9 6 2. - <_> - - <_> - 4 0 3 12 -1. - <_> - 5 0 1 12 3. - <_> - - <_> - 11 0 2 8 -1. - <_> - 12 0 1 4 2. - <_> - 11 4 1 4 2. - <_> - - <_> - 5 0 2 8 -1. - <_> - 5 0 1 4 2. - <_> - 6 4 1 4 2. - <_> - - <_> - 7 9 4 3 -1. - <_> - 8 9 2 3 2. - <_> - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - <_> - - <_> - 12 1 4 2 -1. - <_> - 13 2 2 2 2. - 1 - <_> - - <_> - 6 1 2 4 -1. - <_> - 5 2 2 2 2. - 1 - <_> - - <_> - 15 3 2 1 -1. - <_> - 15 3 1 1 2. - <_> - - <_> - 1 3 2 1 -1. - <_> - 2 3 1 1 2. - <_> - - <_> - 10 6 1 3 -1. - <_> - 10 7 1 1 3. - <_> - - <_> - 2 0 3 2 -1. - <_> - 3 0 1 2 3. - <_> - - <_> - 9 4 9 1 -1. - <_> - 12 4 3 1 3. - <_> - - <_> - 0 2 18 2 -1. - <_> - 9 2 9 2 2. - <_> - - <_> - 9 4 4 8 -1. - <_> - 9 6 4 4 2. - <_> - - <_> - 6 9 6 3 -1. - <_> - 6 10 6 1 3. - <_> - - <_> - 6 9 6 3 -1. - <_> - 6 10 6 1 3. - <_> - - <_> - 3 10 2 2 -1. - <_> - 3 10 1 1 2. - <_> - 4 11 1 1 2. - <_> - - <_> - 10 8 2 2 -1. - <_> - 10 8 2 1 2. - 1 - <_> - - <_> - 2 6 12 2 -1. - <_> - 8 6 6 2 2. - <_> - - <_> - 11 9 2 3 -1. - <_> - 11 10 2 1 3. - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 15 0 3 11 -1. - <_> - 16 0 1 11 3. - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 0 0 18 11 -1. - <_> - 0 0 9 11 2. - <_> - - <_> - 0 0 15 6 -1. - <_> - 5 2 5 2 9. - <_> - - <_> - 9 3 1 8 -1. - <_> - 9 3 1 4 2. - 1 - <_> - - <_> - 2 3 12 3 -1. - <_> - 5 3 6 3 2. - <_> - - <_> - 14 0 4 9 -1. - <_> - 14 3 4 3 3. - <_> - - <_> - 0 0 4 9 -1. - <_> - 0 3 4 3 3. - <_> - - <_> - 10 1 1 10 -1. - <_> - 10 1 1 5 2. - 1 - <_> - - <_> - 3 3 3 2 -1. - <_> - 4 4 1 2 3. - 1 - <_> - - <_> - 4 11 14 1 -1. - <_> - 4 11 7 1 2. - <_> - - <_> - 0 10 16 2 -1. - <_> - 4 10 8 2 2. - <_> - - <_> - 11 9 2 3 -1. - <_> - 11 10 2 1 3. - <_> - - <_> - 5 9 2 3 -1. - <_> - 5 10 2 1 3. - <_> - - <_> - 6 8 7 3 -1. - <_> - 6 9 7 1 3. - <_> - - <_> - 0 5 12 6 -1. - <_> - 4 7 4 2 9. - <_> - - <_> - 15 3 2 2 -1. - <_> - 16 3 1 1 2. - <_> - 15 4 1 1 2. - <_> - - <_> - 1 3 2 2 -1. - <_> - 1 3 1 1 2. - <_> - 2 4 1 1 2. - <_> - - <_> - 15 3 2 2 -1. - <_> - 16 3 1 1 2. - <_> - 15 4 1 1 2. - <_> - - <_> - 1 3 2 2 -1. - <_> - 1 3 1 1 2. - <_> - 2 4 1 1 2. - <_> - - <_> - 11 10 1 2 -1. - <_> - 11 11 1 1 2. - <_> - - <_> - 1 3 2 2 -1. - <_> - 1 3 1 1 2. - <_> - 2 4 1 1 2. - <_> - - <_> - 9 2 1 4 -1. - <_> - 9 2 1 2 2. - 1 - <_> - - <_> - 7 4 3 3 -1. - <_> - 6 5 3 1 3. - 1 - <_> - - <_> - 8 8 2 2 -1. - <_> - 9 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 8 8 2 2 -1. - <_> - 8 8 1 1 2. - <_> - 9 9 1 1 2. - <_> - - <_> - 8 7 2 2 -1. - <_> - 9 7 1 1 2. - <_> - 8 8 1 1 2. - <_> - - <_> - 8 0 2 5 -1. - <_> - 9 0 1 5 2. - <_> - - <_> - 9 4 1 4 -1. - <_> - 8 5 1 2 2. - 1 - <_> - - <_> - 9 4 4 1 -1. - <_> - 10 5 2 1 2. - 1 - <_> - - <_> - 10 6 8 4 -1. - <_> - 14 6 4 2 2. - <_> - 10 8 4 2 2. - <_> - - <_> - 3 7 12 2 -1. - <_> - 3 8 12 1 2. - <_> - - <_> - 11 10 1 2 -1. - <_> - 11 11 1 1 2. - <_> - - <_> - 6 10 1 2 -1. - <_> - 6 11 1 1 2. - <_> - - <_> - 9 0 2 4 -1. - <_> - 8 1 2 2 2. - 1 - <_> - - <_> - 9 0 4 2 -1. - <_> - 9 0 4 1 2. - 1 - <_> - - <_> - 10 0 8 4 -1. - <_> - 14 0 4 2 2. - <_> - 10 2 4 2 2. - <_> - - <_> - 0 0 8 4 -1. - <_> - 0 0 4 2 2. - <_> - 4 2 4 2 2. - <_> - - <_> - 10 0 1 2 -1. - <_> - 10 0 1 1 2. - 1 - <_> - - <_> - 9 2 4 1 -1. - <_> - 9 2 2 1 2. - 1 - <_> - - <_> - 13 6 2 6 -1. - <_> - 13 9 2 3 2. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 7 8 4 2 -1. - <_> - 8 8 2 2 2. - <_> - - <_> - 7 9 2 2 -1. - <_> - 7 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 9 9 2 2 -1. - <_> - 10 9 1 1 2. - <_> - 9 10 1 1 2. - <_> - - <_> - 7 9 2 2 -1. - <_> - 7 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 3 9 14 2 -1. - <_> - 10 9 7 1 2. - <_> - 3 10 7 1 2. - <_> - - <_> - 0 0 3 10 -1. - <_> - 1 0 1 10 3. - <_> - - <_> - 15 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 15 8 1 1 2. - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 7 1 1 2. - <_> - 2 8 1 1 2. - <_> - - <_> - 17 8 1 3 -1. - <_> - 16 9 1 1 3. - 1 - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 7 1 1 2. - <_> - 2 8 1 1 2. - <_> - - <_> - 17 0 1 6 -1. - <_> - 17 2 1 2 3. - <_> - - <_> - 0 0 1 6 -1. - <_> - 0 2 1 2 3. - <_> - - <_> - 4 6 14 1 -1. - <_> - 4 6 7 1 2. - <_> - - <_> - 7 9 2 2 -1. - <_> - 7 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 11 5 1 2 -1. - <_> - 11 6 1 1 2. - <_> - - <_> - 5 5 6 2 -1. - <_> - 5 6 6 1 2. - <_> - - <_> - 10 1 1 2 -1. - <_> - 10 2 1 1 2. - <_> - - <_> - 3 6 2 6 -1. - <_> - 3 9 2 3 2. - <_> - - <_> - 17 8 1 3 -1. - <_> - 16 9 1 1 3. - 1 - <_> - - <_> - 1 8 3 1 -1. - <_> - 2 9 1 1 3. - 1 - <_> - - <_> - 14 5 4 5 -1. - <_> - 15 5 2 5 2. - <_> - - <_> - 0 5 4 5 -1. - <_> - 1 5 2 5 2. - <_> - - <_> - 15 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 15 8 1 1 2. - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 7 1 1 2. - <_> - 2 8 1 1 2. - <_> - - <_> - 12 2 3 9 -1. - <_> - 13 5 1 3 9. - <_> - - <_> - 3 2 3 9 -1. - <_> - 4 5 1 3 9. - <_> - - <_> - 9 3 1 3 -1. - <_> - 9 4 1 1 3. - <_> - - <_> - 7 0 4 1 -1. - <_> - 8 1 2 1 2. - 1 - <_> - - <_> - 13 3 3 1 -1. - <_> - 14 4 1 1 3. - 1 - <_> - - <_> - 5 3 1 3 -1. - <_> - 4 4 1 1 3. - 1 - <_> - - <_> - 14 5 1 2 -1. - <_> - 14 5 1 1 2. - 1 - <_> - - <_> - 4 5 2 1 -1. - <_> - 4 5 1 1 2. - 1 - <_> - - <_> - 14 2 4 1 -1. - <_> - 14 2 2 1 2. - <_> - - <_> - 0 2 4 1 -1. - <_> - 2 2 2 1 2. - <_> - - <_> - 11 11 2 1 -1. - <_> - 11 11 1 1 2. - <_> - - <_> - 1 0 5 8 -1. - <_> - 1 4 5 4 2. - <_> - - <_> - 14 6 2 2 -1. - <_> - 15 6 1 1 2. - <_> - 14 7 1 1 2. - <_> - - <_> - 5 11 2 1 -1. - <_> - 6 11 1 1 2. - <_> - - <_> - 9 7 4 2 -1. - <_> - 9 7 2 2 2. - <_> - - <_> - 9 2 9 1 -1. - <_> - 12 5 3 1 3. - 1 - <_> - - <_> - 8 11 6 1 -1. - <_> - 10 11 2 1 3. - <_> - - <_> - 0 8 15 3 -1. - <_> - 5 9 5 1 9. - <_> - - <_> - 8 9 2 2 -1. - <_> - 9 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 5 7 2 2 -1. - <_> - 5 7 1 1 2. - <_> - 6 8 1 1 2. - <_> - - <_> - 10 6 8 4 -1. - <_> - 14 6 4 2 2. - <_> - 10 8 4 2 2. - <_> - - <_> - 1 6 10 4 -1. - <_> - 1 6 5 2 2. - <_> - 6 8 5 2 2. - <_> - - <_> - 13 2 2 8 -1. - <_> - 13 2 1 8 2. - 1 - <_> - - <_> - 5 2 8 2 -1. - <_> - 5 2 8 1 2. - 1 - <_> - - <_> - 16 6 2 2 -1. - <_> - 17 6 1 1 2. - <_> - 16 7 1 1 2. - <_> - - <_> - 0 6 2 2 -1. - <_> - 0 6 1 1 2. - <_> - 1 7 1 1 2. - <_> - - <_> - 16 6 2 2 -1. - <_> - 17 6 1 1 2. - <_> - 16 7 1 1 2. - <_> - - <_> - 2 6 1 3 -1. - <_> - 2 7 1 1 3. - <_> - - <_> - 16 8 2 1 -1. - <_> - 16 8 1 1 2. - 1 - <_> - - <_> - 8 3 1 3 -1. - <_> - 8 4 1 1 3. - <_> - - <_> - 11 0 2 3 -1. - <_> - 11 0 1 3 2. - 1 - <_> - - <_> - 9 0 2 3 -1. - <_> - 8 1 2 1 3. - 1 - <_> - - <_> - 11 1 1 10 -1. - <_> - 11 1 1 5 2. - 1 - <_> - - <_> - 2 8 1 2 -1. - <_> - 2 8 1 1 2. - 1 - <_> - - <_> - 11 1 1 10 -1. - <_> - 11 1 1 5 2. - 1 - <_> - - <_> - 7 1 10 1 -1. - <_> - 7 1 5 1 2. - 1 - <_> - - <_> - 4 1 11 8 -1. - <_> - 4 3 11 4 2. - <_> - - <_> - 0 11 6 1 -1. - <_> - 3 11 3 1 2. - <_> - - <_> - 9 2 2 2 -1. - <_> - 10 2 1 1 2. - <_> - 9 3 1 1 2. - <_> - - <_> - 0 0 10 6 -1. - <_> - 0 3 10 3 2. - <_> - - <_> - 10 0 1 2 -1. - <_> - 10 0 1 1 2. - 1 - <_> - - <_> - 7 2 2 2 -1. - <_> - 7 2 1 1 2. - <_> - 8 3 1 1 2. - <_> - - <_> - 14 8 1 3 -1. - <_> - 13 9 1 1 3. - 1 - <_> - - <_> - 4 8 3 1 -1. - <_> - 5 9 1 1 3. - 1 - <_> - - <_> - 9 2 2 2 -1. - <_> - 10 2 1 1 2. - <_> - 9 3 1 1 2. - <_> - - <_> - 7 2 2 2 -1. - <_> - 7 2 1 1 2. - <_> - 8 3 1 1 2. - <_> - - <_> - 17 0 1 10 -1. - <_> - 17 0 1 5 2. - 1 - <_> - - <_> - 1 0 10 1 -1. - <_> - 1 0 5 1 2. - 1 - <_> - - <_> - 14 11 2 1 -1. - <_> - 14 11 1 1 2. - <_> - - <_> - 2 11 2 1 -1. - <_> - 3 11 1 1 2. - <_> - - <_> - 12 5 6 6 -1. - <_> - 15 5 3 3 2. - <_> - 12 8 3 3 2. - <_> - - <_> - 0 5 8 6 -1. - <_> - 0 5 4 3 2. - <_> - 4 8 4 3 2. - <_> - - <_> - 12 2 3 1 -1. - <_> - 13 3 1 1 3. - 1 - <_> - - <_> - 0 6 14 1 -1. - <_> - 7 6 7 1 2. - <_> - - <_> - 12 2 3 1 -1. - <_> - 13 3 1 1 3. - 1 - <_> - - <_> - 7 7 2 3 -1. - <_> - 7 8 2 1 3. - <_> - - <_> - 17 5 1 3 -1. - <_> - 17 6 1 1 3. - <_> - - <_> - 6 2 1 3 -1. - <_> - 5 3 1 1 3. - 1 - <_> - - <_> - 8 7 2 2 -1. - <_> - 9 7 1 1 2. - <_> - 8 8 1 1 2. - <_> - - <_> - 0 5 1 3 -1. - <_> - 0 6 1 1 3. - <_> - - <_> - 15 0 2 1 -1. - <_> - 15 0 1 1 2. - 1 - <_> - - <_> - 3 0 12 6 -1. - <_> - 3 2 12 2 3. - <_> - - <_> - 13 0 1 3 -1. - <_> - 13 1 1 1 3. - <_> - - <_> - 4 0 1 3 -1. - <_> - 4 1 1 1 3. - <_> - - <_> - 10 4 1 3 -1. - <_> - 9 5 1 1 3. - 1 - <_> - - <_> - 4 8 2 2 -1. - <_> - 4 8 1 2 2. - 1 - <_> - - <_> - 6 8 12 4 -1. - <_> - 6 10 12 2 2. - <_> - - <_> - 0 6 6 5 -1. - <_> - 2 6 2 5 3. - <_> - - <_> - 14 9 4 3 -1. - <_> - 14 9 2 3 2. - <_> - - <_> - 0 9 4 3 -1. - <_> - 2 9 2 3 2. - <_> - - <_> - 15 10 3 2 -1. - <_> - 15 11 3 1 2. - <_> - - <_> - 8 5 2 2 -1. - <_> - 8 5 1 1 2. - <_> - 9 6 1 1 2. - <_> - - <_> - 15 10 3 2 -1. - <_> - 15 11 3 1 2. - <_> - - <_> - 0 10 3 2 -1. - <_> - 0 11 3 1 2. - <_> - - <_> - 7 9 4 3 -1. - <_> - 7 9 2 3 2. - <_> - - <_> - 3 0 1 2 -1. - <_> - 3 0 1 1 2. - 1 - <_> - - <_> - 6 0 7 4 -1. - <_> - 6 1 7 2 2. - <_> - - <_> - 0 6 7 2 -1. - <_> - 0 7 7 1 2. - <_> - - <_> - 16 0 2 2 -1. - <_> - 16 0 2 1 2. - 1 - <_> - - <_> - 5 0 2 2 -1. - <_> - 5 0 1 1 2. - <_> - 6 1 1 1 2. - <_> - - <_> - 9 0 4 1 -1. - <_> - 10 0 2 1 2. - <_> - - <_> - 5 0 4 1 -1. - <_> - 6 0 2 1 2. - <_> - - <_> - 16 7 2 2 -1. - <_> - 17 7 1 1 2. - <_> - 16 8 1 1 2. - <_> - - <_> - 0 7 2 2 -1. - <_> - 0 7 1 1 2. - <_> - 1 8 1 1 2. - <_> - - <_> - 11 9 3 1 -1. - <_> - 12 9 1 1 3. - <_> - - <_> - 4 9 3 1 -1. - <_> - 5 9 1 1 3. - <_> - - <_> - 10 8 6 1 -1. - <_> - 12 8 2 1 3. - <_> - - <_> - 4 7 8 2 -1. - <_> - 6 7 4 2 2. - <_> - - <_> - 15 8 1 3 -1. - <_> - 14 9 1 1 3. - 1 - <_> - - <_> - 3 8 3 1 -1. - <_> - 4 9 1 1 3. - 1 - <_> - - <_> - 15 4 2 8 -1. - <_> - 15 8 2 4 2. - <_> - - <_> - 1 4 2 8 -1. - <_> - 1 8 2 4 2. - <_> - - <_> - 7 2 6 3 -1. - <_> - 7 3 6 1 3. - <_> - - <_> - 2 3 14 2 -1. - <_> - 9 3 7 2 2. - <_> - - <_> - 8 4 7 6 -1. - <_> - 8 7 7 3 2. - <_> - - <_> - 3 4 7 6 -1. - <_> - 3 7 7 3 2. - <_> - - <_> - 11 3 6 6 -1. - <_> - 13 5 2 2 9. - <_> - - <_> - 1 3 6 6 -1. - <_> - 3 5 2 2 9. - <_> - - <_> - 13 7 5 4 -1. - <_> - 13 9 5 2 2. - <_> - - <_> - 0 7 5 4 -1. - <_> - 0 9 5 2 2. - <_> - - <_> - 11 9 2 1 -1. - <_> - 11 9 1 1 2. - 1 - <_> - - <_> - 0 11 16 1 -1. - <_> - 8 11 8 1 2. - <_> - - <_> - 7 5 8 4 -1. - <_> - 11 5 4 2 2. - <_> - 7 7 4 2 2. - <_> - - <_> - 6 3 3 3 -1. - <_> - 6 4 3 1 3. - <_> - - <_> - 5 3 8 2 -1. - <_> - 9 3 4 1 2. - <_> - 5 4 4 1 2. - <_> - - <_> - 2 0 6 4 -1. - <_> - 4 0 2 4 3. - <_> - - <_> - 6 2 9 2 -1. - <_> - 9 2 3 2 3. - <_> - - <_> - 2 3 6 2 -1. - <_> - 4 3 2 2 3. - <_> - - <_> - 3 6 12 3 -1. - <_> - 3 7 12 1 3. - <_> - - <_> - 7 6 1 3 -1. - <_> - 7 7 1 1 3. - <_> - - <_> - 6 2 9 2 -1. - <_> - 9 2 3 2 3. - <_> - - <_> - 3 2 9 2 -1. - <_> - 6 2 3 2 3. - <_> - - <_> - 10 0 8 2 -1. - <_> - 10 0 4 2 2. - <_> - - <_> - 0 0 8 2 -1. - <_> - 4 0 4 2 2. - <_> - - <_> - 3 9 12 2 -1. - <_> - 3 9 6 2 2. - <_> - - <_> - 2 9 8 2 -1. - <_> - 4 9 4 2 2. - <_> - - <_> - 14 9 2 1 -1. - <_> - 14 9 1 1 2. - 1 - <_> - - <_> - 4 9 1 2 -1. - <_> - 4 9 1 1 2. - 1 - <_> - - <_> - 12 0 6 5 -1. - <_> - 14 0 2 5 3. - <_> - - <_> - 0 0 6 5 -1. - <_> - 2 0 2 5 3. - <_> - - <_> - 9 5 2 4 -1. - <_> - 8 6 2 2 2. - 1 - <_> - - <_> - 6 7 2 3 -1. - <_> - 6 8 2 1 3. - <_> - - <_> - 6 6 6 2 -1. - <_> - 8 6 2 2 3. - <_> - - <_> - 13 1 3 3 -1. - <_> - 14 2 1 1 9. - <_> - - <_> - 4 3 10 4 -1. - <_> - 4 4 10 2 2. - <_> - - <_> - 6 0 12 4 -1. - <_> - 10 0 4 4 3. - <_> - - <_> - 0 0 6 4 -1. - <_> - 3 0 3 4 2. - <_> - - <_> - 9 6 4 2 -1. - <_> - 10 6 2 2 2. - <_> - - <_> - 4 7 2 2 -1. - <_> - 4 7 1 1 2. - <_> - 5 8 1 1 2. - <_> - - <_> - 8 6 6 2 -1. - <_> - 10 6 2 2 3. - <_> - - <_> - 4 6 6 1 -1. - <_> - 6 6 2 1 3. - <_> - - <_> - 9 0 3 9 -1. - <_> - 6 3 3 3 3. - 1 - <_> - - <_> - 2 5 14 6 -1. - <_> - 2 5 7 3 2. - <_> - 9 8 7 3 2. - <_> - - <_> - 14 3 4 1 -1. - <_> - 15 4 2 1 2. - 1 - <_> - - <_> - 3 4 6 2 -1. - <_> - 3 4 3 2 2. - 1 - <_> - - <_> - 2 10 16 1 -1. - <_> - 6 10 8 1 2. - <_> - - <_> - 4 5 3 3 -1. - <_> - 5 5 1 3 3. - <_> - - <_> - 16 0 2 2 -1. - <_> - 16 0 1 2 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 1 0 1 2 2. - <_> - - <_> - 10 7 1 3 -1. - <_> - 10 8 1 1 3. - <_> - - <_> - 3 4 5 3 -1. - <_> - 2 5 5 1 3. - 1 - <_> - - <_> - 10 5 1 6 -1. - <_> - 10 8 1 3 2. - <_> - - <_> - 8 7 2 2 -1. - <_> - 8 7 1 1 2. - <_> - 9 8 1 1 2. - <_> - - <_> - 17 9 1 2 -1. - <_> - 17 9 1 1 2. - 1 - <_> - - <_> - 1 9 2 1 -1. - <_> - 1 9 1 1 2. - 1 - <_> - - <_> - 12 6 2 2 -1. - <_> - 13 6 1 1 2. - <_> - 12 7 1 1 2. - <_> - - <_> - 6 9 4 3 -1. - <_> - 7 9 2 3 2. - <_> - - <_> - 12 6 2 2 -1. - <_> - 13 6 1 1 2. - <_> - 12 7 1 1 2. - <_> - - <_> - 3 3 2 2 -1. - <_> - 3 3 2 1 2. - 1 - <_> - - <_> - 11 0 6 5 -1. - <_> - 13 0 2 5 3. - <_> - - <_> - 1 0 6 5 -1. - <_> - 3 0 2 5 3. - <_> - - <_> - 3 0 12 3 -1. - <_> - 3 1 12 1 3. - <_> - - <_> - 6 0 6 3 -1. - <_> - 6 1 6 1 3. - <_> - - <_> - 11 0 3 2 -1. - <_> - 12 1 1 2 3. - 1 - <_> - - <_> - 0 2 6 5 -1. - <_> - 2 2 2 5 3. - <_> - - <_> - 14 2 3 1 -1. - <_> - 15 3 1 1 3. - 1 - <_> - - <_> - 5 3 8 3 -1. - <_> - 5 4 8 1 3. - <_> - - <_> - 11 0 3 2 -1. - <_> - 12 1 1 2 3. - 1 - <_> - - <_> - 7 0 2 3 -1. - <_> - 6 1 2 1 3. - 1 - <_> - - <_> - 0 3 18 2 -1. - <_> - 6 3 6 2 3. - <_> - - <_> - 0 5 4 7 -1. - <_> - 2 5 2 7 2. - <_> - - <_> - 13 10 5 2 -1. - <_> - 13 11 5 1 2. - <_> - - <_> - 0 10 5 2 -1. - <_> - 0 11 5 1 2. - <_> - - <_> - 7 0 6 4 -1. - <_> - 9 0 2 4 3. - <_> - - <_> - 5 0 6 4 -1. - <_> - 7 0 2 4 3. - <_> - - <_> - 11 0 1 4 -1. - <_> - 10 1 1 2 2. - 1 - <_> - - <_> - 7 0 4 1 -1. - <_> - 8 1 2 1 2. - 1 - <_> - - <_> - 9 1 2 2 -1. - <_> - 9 2 2 1 2. - <_> - - <_> - 5 9 6 2 -1. - <_> - 7 9 2 2 3. - <_> - - <_> - 7 4 6 8 -1. - <_> - 9 4 2 8 3. - <_> - - <_> - 3 4 12 4 -1. - <_> - 6 4 6 4 2. - <_> - - <_> - 12 5 4 4 -1. - <_> - 13 5 2 4 2. - <_> - - <_> - 6 6 6 2 -1. - <_> - 8 6 2 2 3. - <_> - - <_> - 12 5 4 4 -1. - <_> - 13 5 2 4 2. - <_> - - <_> - 2 5 4 4 -1. - <_> - 3 5 2 4 2. - <_> - - <_> - 15 0 3 3 -1. - <_> - 16 1 1 3 3. - 1 - <_> - - <_> - 3 0 3 3 -1. - <_> - 2 1 3 1 3. - 1 - <_> - - <_> - 7 6 4 5 -1. - <_> - 8 6 2 5 2. - <_> - - <_> - 7 4 4 3 -1. - <_> - 6 5 4 1 3. - 1 - <_> - - <_> - 10 2 3 5 -1. - <_> - 11 3 1 5 3. - 1 - <_> - - <_> - 8 2 5 3 -1. - <_> - 7 3 5 1 3. - 1 - <_> - - <_> - 16 0 1 2 -1. - <_> - 16 1 1 1 2. - <_> - - <_> - 1 0 1 2 -1. - <_> - 1 1 1 1 2. - <_> - - <_> - 7 4 4 2 -1. - <_> - 7 5 4 1 2. - <_> - - <_> - 5 6 8 6 -1. - <_> - 5 6 4 3 2. - <_> - 9 9 4 3 2. - <_> - - <_> - 11 7 3 1 -1. - <_> - 12 7 1 1 3. - <_> - - <_> - 5 5 3 3 -1. - <_> - 6 5 1 3 3. - <_> - - <_> - 11 7 3 1 -1. - <_> - 12 7 1 1 3. - <_> - - <_> - 3 6 4 2 -1. - <_> - 4 6 2 2 2. - <_> - - <_> - 14 7 4 2 -1. - <_> - 15 7 2 2 2. - <_> - - <_> - 0 7 4 2 -1. - <_> - 1 7 2 2 2. - <_> - - <_> - 11 4 1 4 -1. - <_> - 10 5 1 2 2. - 1 - <_> - - <_> - 7 7 3 2 -1. - <_> - 8 8 1 2 3. - 1 - <_> - - <_> - 11 5 1 3 -1. - <_> - 10 6 1 1 3. - 1 - <_> - - <_> - 7 5 3 1 -1. - <_> - 8 6 1 1 3. - 1 - <_> - - <_> - 10 8 2 2 -1. - <_> - 10 8 2 1 2. - 1 - <_> - - <_> - 8 8 2 2 -1. - <_> - 8 8 1 2 2. - 1 - <_> - - <_> - 12 9 1 2 -1. - <_> - 12 9 1 1 2. - 1 - <_> - - <_> - 7 9 2 1 -1. - <_> - 8 9 1 1 2. - <_> - - <_> - 9 9 2 1 -1. - <_> - 9 9 1 1 2. - <_> - - <_> - 7 9 2 1 -1. - <_> - 8 9 1 1 2. - <_> - - <_> - 15 4 1 3 -1. - <_> - 15 5 1 1 3. - <_> - - <_> - 2 4 1 3 -1. - <_> - 2 5 1 1 3. - <_> - - <_> - 15 3 3 6 -1. - <_> - 15 5 3 2 3. - <_> - - <_> - 0 3 3 6 -1. - <_> - 0 5 3 2 3. - <_> - - <_> - 15 2 3 2 -1. - <_> - 16 3 1 2 3. - 1 - <_> - - <_> - 4 6 10 6 -1. - <_> - 4 9 10 3 2. - <_> - - <_> - 9 9 2 2 -1. - <_> - 10 9 1 1 2. - <_> - 9 10 1 1 2. - <_> - - <_> - 3 2 2 3 -1. - <_> - 2 3 2 1 3. - 1 - <_> - - <_> - 16 1 2 2 -1. - <_> - 17 1 1 1 2. - <_> - 16 2 1 1 2. - <_> - - <_> - 7 9 2 2 -1. - <_> - 7 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 16 1 2 2 -1. - <_> - 17 1 1 1 2. - <_> - 16 2 1 1 2. - <_> - - <_> - 5 0 3 2 -1. - <_> - 5 1 3 1 2. - <_> - - <_> - 9 2 8 2 -1. - <_> - 13 2 4 1 2. - <_> - 9 3 4 1 2. - <_> - - <_> - 0 1 2 2 -1. - <_> - 0 1 1 1 2. - <_> - 1 2 1 1 2. - <_> - - <_> - 11 0 3 1 -1. - <_> - 12 1 1 1 3. - 1 - <_> - - <_> - 3 0 6 1 -1. - <_> - 5 0 2 1 3. - <_> - - <_> - 7 2 4 3 -1. - <_> - 7 3 4 1 3. - <_> - - <_> - 0 1 15 1 -1. - <_> - 5 1 5 1 3. - <_> - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - <_> - - <_> - 7 3 1 2 -1. - <_> - 7 3 1 1 2. - 1 - <_> - - <_> - 13 7 2 2 -1. - <_> - 14 7 1 1 2. - <_> - 13 8 1 1 2. - <_> - - <_> - 3 7 2 2 -1. - <_> - 3 7 1 1 2. - <_> - 4 8 1 1 2. - <_> - - <_> - 16 9 2 3 -1. - <_> - 16 10 2 1 3. - <_> - - <_> - 2 2 8 3 -1. - <_> - 4 2 4 3 2. - <_> - - <_> - 13 2 2 1 -1. - <_> - 13 2 1 1 2. - <_> - - <_> - 3 2 2 1 -1. - <_> - 4 2 1 1 2. - <_> - - <_> - 17 9 1 3 -1. - <_> - 17 10 1 1 3. - <_> - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - <_> - - <_> - 9 11 2 1 -1. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 11 2 1 -1. - <_> - 8 11 1 1 2. - <_> - - <_> - 9 11 2 1 -1. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 11 4 1 -1. - <_> - 8 11 2 1 2. - <_> - - <_> - 17 9 1 3 -1. - <_> - 17 10 1 1 3. - <_> - - <_> - 0 9 1 3 -1. - <_> - 0 10 1 1 3. - <_> - - <_> - 12 6 2 2 -1. - <_> - 13 6 1 1 2. - <_> - 12 7 1 1 2. - <_> - - <_> - 4 6 2 2 -1. - <_> - 4 6 1 1 2. - <_> - 5 7 1 1 2. - <_> - - <_> - 11 6 6 4 -1. - <_> - 14 6 3 2 2. - <_> - 11 8 3 2 2. - <_> - - <_> - 5 7 3 2 -1. - <_> - 6 8 1 2 3. - 1 - <_> - - <_> - 12 9 1 2 -1. - <_> - 12 9 1 1 2. - 1 - <_> - - <_> - 6 9 2 1 -1. - <_> - 6 9 1 1 2. - 1 - <_> - - <_> - 16 9 2 3 -1. - <_> - 16 9 1 3 2. - <_> - - <_> - 0 9 2 3 -1. - <_> - 1 9 1 3 2. - <_> - - <_> - 16 9 2 3 -1. - <_> - 16 9 1 3 2. - <_> - - <_> - 0 9 2 3 -1. - <_> - 1 9 1 3 2. - <_> - - <_> - 14 4 2 3 -1. - <_> - 13 5 2 1 3. - 1 - <_> - - <_> - 5 4 3 6 -1. - <_> - 5 7 3 3 2. - <_> - - <_> - 14 4 2 3 -1. - <_> - 13 5 2 1 3. - 1 - <_> - - <_> - 4 4 3 2 -1. - <_> - 5 5 1 2 3. - 1 - <_> - - <_> - 3 8 15 4 -1. - <_> - 8 8 5 4 3. - <_> - - <_> - 0 3 15 9 -1. - <_> - 5 3 5 9 3. - <_> - - <_> - 9 11 4 1 -1. - <_> - 10 11 2 1 2. - <_> - - <_> - 5 11 4 1 -1. - <_> - 6 11 2 1 2. - <_> - - <_> - 15 7 1 4 -1. - <_> - 14 8 1 2 2. - 1 - <_> - - <_> - 8 8 2 3 -1. - <_> - 8 9 2 1 3. - <_> - - <_> - 9 7 1 3 -1. - <_> - 9 8 1 1 3. - <_> - - <_> - 8 7 2 2 -1. - <_> - 8 7 1 1 2. - <_> - 9 8 1 1 2. - <_> - - <_> - 10 6 8 4 -1. - <_> - 14 6 4 2 2. - <_> - 10 8 4 2 2. - <_> - - <_> - 0 6 8 4 -1. - <_> - 0 6 4 2 2. - <_> - 4 8 4 2 2. - <_> - - <_> - 9 9 8 2 -1. - <_> - 11 9 4 2 2. - <_> - - <_> - 1 9 8 2 -1. - <_> - 3 9 4 2 2. - <_> - - <_> - 1 11 16 1 -1. - <_> - 5 11 8 1 2. - <_> - - <_> - 3 7 3 2 -1. - <_> - 4 8 1 2 3. - 1 - <_> - - <_> - 13 0 4 2 -1. - <_> - 14 0 2 2 2. - <_> - - <_> - 1 0 4 2 -1. - <_> - 2 0 2 2 2. - <_> - - <_> - 10 0 8 2 -1. - <_> - 14 0 4 1 2. - <_> - 10 1 4 1 2. - <_> - - <_> - 7 0 1 3 -1. - <_> - 6 1 1 1 3. - 1 - <_> - - <_> - 11 0 6 2 -1. - <_> - 14 0 3 1 2. - <_> - 11 1 3 1 2. - <_> - - <_> - 0 0 8 2 -1. - <_> - 0 0 4 1 2. - <_> - 4 1 4 1 2. - <_> - - <_> - 17 0 1 3 -1. - <_> - 17 1 1 1 3. - <_> - - <_> - 0 0 10 12 -1. - <_> - 5 0 5 12 2. - <_> - - <_> - 15 9 1 2 -1. - <_> - 15 9 1 1 2. - 1 - <_> - - <_> - 3 9 2 1 -1. - <_> - 3 9 1 1 2. - 1 - <_> - - <_> - 15 8 3 3 -1. - <_> - 16 8 1 3 3. - <_> - - <_> - 0 8 3 4 -1. - <_> - 1 8 1 4 3. - <_> - - <_> - 6 1 12 6 -1. - <_> - 10 1 4 6 3. - <_> - - <_> - 3 2 12 2 -1. - <_> - 3 2 6 1 2. - <_> - 9 3 6 1 2. - <_> - - <_> - 17 1 1 4 -1. - <_> - 17 2 1 2 2. - <_> - - <_> - 0 1 7 6 -1. - <_> - 0 4 7 3 2. - <_> - - <_> - 13 3 3 6 -1. - <_> - 14 5 1 2 9. - <_> - - <_> - 2 3 3 6 -1. - <_> - 3 5 1 2 9. - <_> - - <_> - 15 0 3 3 -1. - <_> - 14 1 3 1 3. - 1 - <_> - - <_> - 2 2 3 2 -1. - <_> - 3 3 1 2 3. - 1 - <_> - - <_> - 7 1 10 4 -1. - <_> - 7 1 5 4 2. - <_> - - <_> - 1 1 10 4 -1. - <_> - 6 1 5 4 2. - <_> - - <_> - 0 0 18 11 -1. - <_> - 0 0 9 11 2. - <_> - - <_> - 9 3 4 3 -1. - <_> - 9 3 2 3 2. - 1 - <_> - - <_> - 13 1 3 2 -1. - <_> - 14 2 1 2 3. - 1 - <_> - - <_> - 5 1 2 3 -1. - <_> - 4 2 2 1 3. - 1 - <_> - - <_> - 11 0 3 4 -1. - <_> - 11 1 3 2 2. - <_> - - <_> - 5 4 2 4 -1. - <_> - 5 4 1 2 2. - <_> - 6 6 1 2 2. - <_> - - <_> - 10 2 4 3 -1. - <_> - 10 3 4 1 3. - <_> - - <_> - 3 1 12 6 -1. - <_> - 3 3 12 2 3. - <_> - - <_> - 12 0 3 3 -1. - <_> - 13 1 1 3 3. - 1 - <_> - - <_> - 6 0 3 3 -1. - <_> - 5 1 3 1 3. - 1 - <_> - - <_> - 10 3 4 1 -1. - <_> - 11 3 2 1 2. - <_> - - <_> - 4 3 4 1 -1. - <_> - 5 3 2 1 2. - <_> - - <_> - 12 4 1 2 -1. - <_> - 12 4 1 1 2. - 1 - <_> - - <_> - 4 0 2 4 -1. - <_> - 4 1 2 2 2. - <_> - - <_> - 7 0 6 1 -1. - <_> - 9 0 2 1 3. - <_> - - <_> - 5 0 6 1 -1. - <_> - 7 0 2 1 3. - <_> - - <_> - 8 7 2 2 -1. - <_> - 9 7 1 1 2. - <_> - 8 8 1 1 2. - <_> - - <_> - 4 0 2 4 -1. - <_> - 4 0 1 4 2. - 1 - <_> - - <_> - 12 5 5 4 -1. - <_> - 12 6 5 2 2. - <_> - - <_> - 0 0 1 3 -1. - <_> - 0 1 1 1 3. - <_> - - <_> - 16 0 2 2 -1. - <_> - 17 0 1 1 2. - <_> - 16 1 1 1 2. - <_> - - <_> - 5 7 3 1 -1. - <_> - 6 7 1 1 3. - <_> - - <_> - 16 0 2 2 -1. - <_> - 17 0 1 1 2. - <_> - 16 1 1 1 2. - <_> - - <_> - 0 0 18 1 -1. - <_> - 6 0 6 1 3. - <_> - - <_> - 16 0 2 2 -1. - <_> - 17 0 1 1 2. - <_> - 16 1 1 1 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 0 1 1 2. - <_> - 1 1 1 1 2. - <_> - - <_> - 16 0 2 2 -1. - <_> - 17 0 1 1 2. - <_> - 16 1 1 1 2. - <_> - - <_> - 0 0 2 2 -1. - <_> - 0 0 1 1 2. - <_> - 1 1 1 1 2. - <_> - - <_> - 6 1 6 9 -1. - <_> - 8 4 2 3 9. - <_> - - <_> - 7 4 2 2 -1. - <_> - 7 4 1 1 2. - <_> - 8 5 1 1 2. - <_> - - <_> - 13 3 1 4 -1. - <_> - 13 3 1 2 2. - 1 - <_> - - <_> - 5 3 4 1 -1. - <_> - 5 3 2 1 2. - 1 - <_> - - <_> - 9 1 2 2 -1. - <_> - 10 1 1 1 2. - <_> - 9 2 1 1 2. - <_> - - <_> - 1 0 2 2 -1. - <_> - 1 0 1 1 2. - <_> - 2 1 1 1 2. - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 0 1 1 3. - <_> - - <_> - 0 0 3 1 -1. - <_> - 1 0 1 1 3. - <_> - - <_> - 9 8 2 3 -1. - <_> - 9 8 1 3 2. - <_> - - <_> - 4 6 1 3 -1. - <_> - 4 7 1 1 3. - <_> - - <_> - 13 0 4 10 -1. - <_> - 14 0 2 10 2. - <_> - - <_> - 1 0 4 10 -1. - <_> - 2 0 2 10 2. - <_> - - <_> - 3 6 12 2 -1. - <_> - 6 6 6 2 2. - <_> - - <_> - 2 7 2 2 -1. - <_> - 2 7 1 1 2. - <_> - 3 8 1 1 2. - <_> - - <_> - 15 5 3 4 -1. - <_> - 15 6 3 2 2. - <_> - - <_> - 0 5 3 4 -1. - <_> - 0 6 3 2 2. - <_> - - <_> - 12 4 6 4 -1. - <_> - 12 5 6 2 2. - <_> - - <_> - 0 4 6 4 -1. - <_> - 0 5 6 2 2. - <_> - - <_> - 10 1 2 3 -1. - <_> - 10 2 2 1 3. - <_> - - <_> - 6 1 2 3 -1. - <_> - 6 2 2 1 3. - <_> - - <_> - 7 6 6 3 -1. - <_> - 9 6 2 3 3. - <_> - - <_> - 5 6 6 3 -1. - <_> - 7 6 2 3 3. - <_> - - <_> - 9 8 2 3 -1. - <_> - 9 8 1 3 2. - <_> - - <_> - 2 3 12 9 -1. - <_> - 6 3 4 9 3. - <_> - - <_> - 15 7 3 5 -1. - <_> - 16 7 1 5 3. - <_> - - <_> - 7 8 2 3 -1. - <_> - 8 8 1 3 2. - <_> - - <_> - 15 7 3 5 -1. - <_> - 16 7 1 5 3. - <_> - - <_> - 0 7 3 5 -1. - <_> - 1 7 1 5 3. - <_> - - <_> - 10 0 4 8 -1. - <_> - 11 1 2 8 2. - 1 - <_> - - <_> - 8 0 8 4 -1. - <_> - 7 1 8 2 2. - 1 - <_> - - <_> - 11 3 3 5 -1. - <_> - 12 4 1 5 3. - 1 - <_> - - <_> - 6 8 6 1 -1. - <_> - 8 8 2 1 3. - <_> - - <_> - 9 7 6 2 -1. - <_> - 11 7 2 2 3. - <_> - - <_> - 7 4 2 2 -1. - <_> - 7 4 1 1 2. - <_> - 8 5 1 1 2. - <_> - - <_> - 7 0 4 1 -1. - <_> - 8 0 2 1 2. - <_> - - <_> - 6 5 3 1 -1. - <_> - 7 5 1 1 3. - <_> - - <_> - 11 1 1 10 -1. - <_> - 11 1 1 5 2. - 1 - <_> - - <_> - 7 1 10 1 -1. - <_> - 7 1 5 1 2. - 1 - <_> - - <_> - 12 0 2 8 -1. - <_> - 12 0 1 8 2. - 1 - <_> - - <_> - 6 4 6 8 -1. - <_> - 6 8 6 4 2. - <_> - - <_> - 5 4 8 3 -1. - <_> - 5 5 8 1 3. - <_> - - <_> - 4 4 5 8 -1. - <_> - 4 6 5 4 2. - <_> - - <_> - 13 6 4 6 -1. - <_> - 13 9 4 3 2. - <_> - - <_> - 1 6 4 6 -1. - <_> - 1 9 4 3 2. - <_> - - <_> - 15 8 2 2 -1. - <_> - 15 8 2 1 2. - 1 - <_> - - <_> - 3 8 2 2 -1. - <_> - 3 8 1 2 2. - 1 - <_> - - <_> - 9 2 4 3 -1. - <_> - 10 2 2 3 2. - <_> - - <_> - 0 2 4 6 -1. - <_> - 0 4 4 2 3. - <_> - - <_> - 13 7 2 2 -1. - <_> - 14 7 1 1 2. - <_> - 13 8 1 1 2. - <_> - - <_> - 5 10 2 1 -1. - <_> - 6 10 1 1 2. - <_> - - <_> - 10 10 3 1 -1. - <_> - 11 10 1 1 3. - <_> - - <_> - 5 10 3 1 -1. - <_> - 6 10 1 1 3. - <_> - - <_> - 12 7 2 3 -1. - <_> - 11 8 2 1 3. - 1 - <_> - - <_> - 6 7 3 2 -1. - <_> - 7 8 1 2 3. - 1 - <_> - - <_> - 6 8 7 3 -1. - <_> - 6 9 7 1 3. - <_> - - <_> - 7 8 1 3 -1. - <_> - 7 9 1 1 3. - <_> - - <_> - 5 9 8 1 -1. - <_> - 5 9 4 1 2. - <_> - - <_> - 5 8 8 2 -1. - <_> - 9 8 4 2 2. - <_> - - <_> - 16 8 2 4 -1. - <_> - 16 10 2 2 2. - <_> - - <_> - 3 7 6 2 -1. - <_> - 5 7 2 2 3. - <_> - - <_> - 16 8 2 4 -1. - <_> - 16 10 2 2 2. - <_> - - <_> - 0 8 2 4 -1. - <_> - 0 10 2 2 2. - <_> - - <_> - 16 8 2 1 -1. - <_> - 16 8 1 1 2. - 1 - <_> - - <_> - 2 8 1 2 -1. - <_> - 2 8 1 1 2. - 1 - <_> - - <_> - 8 8 2 2 -1. - <_> - 9 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 5 8 2 1 -1. - <_> - 6 8 1 1 2. - <_> - - <_> - 9 3 2 2 -1. - <_> - 9 3 2 1 2. - 1 - <_> - - <_> - 9 3 2 2 -1. - <_> - 9 3 1 2 2. - 1 - <_> - - <_> - 9 8 2 2 -1. - <_> - 10 8 1 1 2. - <_> - 9 9 1 1 2. - <_> - - <_> - 0 5 10 4 -1. - <_> - 0 5 5 2 2. - <_> - 5 7 5 2 2. - <_> - - <_> - 13 5 2 6 -1. - <_> - 13 5 1 6 2. - <_> - - <_> - 3 5 2 6 -1. - <_> - 4 5 1 6 2. - <_> - - <_> - 9 8 2 2 -1. - <_> - 10 8 1 1 2. - <_> - 9 9 1 1 2. - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 9 0 4 6 -1. - <_> - 10 0 2 6 2. - <_> - - <_> - 6 4 3 3 -1. - <_> - 7 5 1 3 3. - 1 - <_> - - <_> - 15 6 3 3 -1. - <_> - 14 7 3 1 3. - 1 - <_> - - <_> - 4 7 3 2 -1. - <_> - 5 8 1 2 3. - 1 - <_> - - <_> - 12 5 3 1 -1. - <_> - 13 5 1 1 3. - <_> - - <_> - 6 2 2 3 -1. - <_> - 5 3 2 1 3. - 1 - <_> - - <_> - 12 5 3 1 -1. - <_> - 13 5 1 1 3. - <_> - - <_> - 3 5 3 1 -1. - <_> - 4 5 1 1 3. - <_> - - <_> - 12 3 2 7 -1. - <_> - 12 3 1 7 2. - 1 - <_> - - <_> - 3 0 9 3 -1. - <_> - 2 1 9 1 3. - 1 - <_> - - <_> - 9 0 4 7 -1. - <_> - 10 0 2 7 2. - <_> - - <_> - 5 0 4 7 -1. - <_> - 6 0 2 7 2. - <_> - - <_> - 9 2 4 3 -1. - <_> - 10 2 2 3 2. - <_> - - <_> - 8 7 1 3 -1. - <_> - 8 8 1 1 3. - <_> - - <_> - 9 2 4 3 -1. - <_> - 10 2 2 3 2. - <_> - - <_> - 5 2 4 3 -1. - <_> - 6 2 2 3 2. - <_> - - <_> - 9 2 1 3 -1. - <_> - 9 3 1 1 3. - <_> - - <_> - 8 2 2 2 -1. - <_> - 8 2 1 1 2. - <_> - 9 3 1 1 2. - <_> - - <_> - 3 0 15 3 -1. - <_> - 8 1 5 1 9. - <_> - - <_> - 0 0 15 3 -1. - <_> - 5 1 5 1 9. - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - <_> - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - <_> - - <_> - 10 7 1 3 -1. - <_> - 10 8 1 1 3. - <_> - - <_> - 7 7 1 3 -1. - <_> - 7 8 1 1 3. - <_> - - <_> - 10 9 2 2 -1. - <_> - 11 9 1 1 2. - <_> - 10 10 1 1 2. - <_> - - <_> - 3 7 2 2 -1. - <_> - 3 7 1 1 2. - <_> - 4 8 1 1 2. - <_> - - <_> - 10 9 2 2 -1. - <_> - 11 9 1 1 2. - <_> - 10 10 1 1 2. - <_> - - <_> - 6 9 2 2 -1. - <_> - 6 9 1 1 2. - <_> - 7 10 1 1 2. - <_> - - <_> - 11 3 3 5 -1. - <_> - 12 4 1 5 3. - 1 - <_> - - <_> - 6 9 2 2 -1. - <_> - 6 9 1 1 2. - <_> - 7 10 1 1 2. - <_> - - <_> - 10 9 2 2 -1. - <_> - 11 9 1 1 2. - <_> - 10 10 1 1 2. - <_> - - <_> - 4 7 2 3 -1. - <_> - 3 8 2 1 3. - 1 - <_> - - <_> - 14 9 2 2 -1. - <_> - 15 9 1 1 2. - <_> - 14 10 1 1 2. - <_> - - <_> - 2 9 2 2 -1. - <_> - 2 9 1 1 2. - <_> - 3 10 1 1 2. - <_> - - <_> - 10 1 6 4 -1. - <_> - 12 1 2 4 3. - <_> - - <_> - 7 5 3 1 -1. - <_> - 8 5 1 1 3. - <_> - - <_> - 16 3 2 1 -1. - <_> - 16 3 1 1 2. - <_> - - <_> - 0 3 2 1 -1. - <_> - 1 3 1 1 2. - <_> - - <_> - 10 1 6 4 -1. - <_> - 12 1 2 4 3. - <_> - - <_> - 2 1 6 4 -1. - <_> - 4 1 2 4 3. - <_> - - <_> - 16 3 2 2 -1. - <_> - 17 3 1 1 2. - <_> - 16 4 1 1 2. - <_> - - <_> - 5 9 8 3 -1. - <_> - 5 10 8 1 3. - <_> - - <_> - 8 9 3 3 -1. - <_> - 9 10 1 1 9. - <_> - - <_> - 0 8 7 4 -1. - <_> - 0 9 7 2 2. - <_> - - <_> - 16 9 2 1 -1. - <_> - 16 9 1 1 2. - 1 - <_> - - <_> - 2 9 1 2 -1. - <_> - 2 9 1 1 2. - 1 - <_> - - <_> - 17 8 1 4 -1. - <_> - 17 9 1 2 2. - <_> - - <_> - 0 6 2 4 -1. - <_> - 0 7 2 2 2. - <_> - - <_> - 4 2 11 4 -1. - <_> - 4 3 11 2 2. - <_> - - <_> - 0 1 10 2 -1. - <_> - 0 1 5 1 2. - <_> - 5 2 5 1 2. - <_> - - <_> - 10 9 2 2 -1. - <_> - 11 9 1 1 2. - <_> - 10 10 1 1 2. - <_> - - <_> - 6 9 2 2 -1. - <_> - 6 9 1 1 2. - <_> - 7 10 1 1 2. - <_> - - <_> - 10 9 2 2 -1. - <_> - 11 9 1 1 2. - <_> - 10 10 1 1 2. - <_> - - <_> - 6 9 2 2 -1. - <_> - 6 9 1 1 2. - <_> - 7 10 1 1 2. - <_> - - <_> - 8 1 3 1 -1. - <_> - 9 1 1 1 3. - <_> - - <_> - 0 2 1 3 -1. - <_> - 0 3 1 1 3. - <_> - - <_> - 14 4 2 6 -1. - <_> - 14 4 1 6 2. - <_> - - <_> - 2 4 2 6 -1. - <_> - 3 4 1 6 2. - <_> - - <_> - 11 3 4 1 -1. - <_> - 11 3 2 1 2. - 1 - <_> - - <_> - 7 3 1 4 -1. - <_> - 7 3 1 2 2. - 1 - <_> - - <_> - 9 1 4 2 -1. - <_> - 9 2 4 1 2. - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 7 1 1 2. - <_> - 2 8 1 1 2. - <_> - - <_> - 15 7 2 2 -1. - <_> - 16 7 1 1 2. - <_> - 15 8 1 1 2. - <_> - - <_> - 1 7 2 2 -1. - <_> - 1 7 1 1 2. - <_> - 2 8 1 1 2. - <_> - - <_> - 14 9 2 2 -1. - <_> - 15 9 1 1 2. - <_> - 14 10 1 1 2. - <_> - - <_> - 2 9 2 2 -1. - <_> - 2 9 1 1 2. - <_> - 3 10 1 1 2. - <_> - - <_> - 14 9 3 3 -1. - <_> - 15 9 1 3 3. - <_> - - <_> - 0 4 3 2 -1. - <_> - 0 5 3 1 2. - <_> - - <_> - 16 3 1 3 -1. - <_> - 16 4 1 1 3. - <_> - - <_> - 1 3 1 3 -1. - <_> - 1 4 1 1 3. - <_> - - <_> - 17 1 1 3 -1. - <_> - 17 2 1 1 3. - <_> - - <_> - 0 1 1 3 -1. - <_> - 0 2 1 1 3. - <_> - - <_> - 8 2 3 5 -1. - <_> - 9 2 1 5 3. - <_> - - <_> - 9 0 6 4 -1. - <_> - 8 1 6 2 2. - 1 - <_> - - <_> - 14 9 3 3 -1. - <_> - 15 9 1 3 3. - <_> - - <_> - 1 9 3 3 -1. - <_> - 2 9 1 3 3. - <_> - - <_> - 1 11 16 1 -1. - <_> - 1 11 8 1 2. - <_> - - <_> - 0 10 12 2 -1. - <_> - 3 10 6 2 2. - <_> - - <_> - 2 10 16 2 -1. - <_> - 6 10 8 2 2. - <_> - - <_> - 1 9 3 1 -1. - <_> - 2 9 1 1 3. - <_> - - <_> - 12 8 4 2 -1. - <_> - 13 8 2 2 2. - <_> - - <_> - 2 8 4 2 -1. - <_> - 3 8 2 2 2. - <_> - - <_> - 4 9 14 2 -1. - <_> - 11 9 7 1 2. - <_> - 4 10 7 1 2. - <_> - - <_> - 0 9 14 2 -1. - <_> - 0 9 7 1 2. - <_> - 7 10 7 1 2. - <_> - - <_> - 11 8 7 4 -1. - <_> - 11 10 7 2 2. - <_> - - <_> - 0 8 2 4 -1. - <_> - 0 10 2 2 2. - <_> - - <_> - 5 5 8 4 -1. - <_> - 5 7 8 2 2. - <_> - - <_> - 5 8 1 3 -1. - <_> - 4 9 1 1 3. - 1 - <_> - - <_> - 14 8 1 3 -1. - <_> - 14 9 1 1 3. - <_> - - <_> - 6 8 6 3 -1. - <_> - 6 9 6 1 3. - <_> - - <_> - 10 8 8 3 -1. - <_> - 10 9 8 1 3. - <_> - - <_> - 0 8 8 3 -1. - <_> - 0 9 8 1 3. - <_> - - <_> - 12 9 6 3 -1. - <_> - 12 10 6 1 3. - <_> - - <_> - 0 9 6 3 -1. - <_> - 0 10 6 1 3. - <_> - - <_> - 8 9 3 3 -1. - <_> - 9 10 1 1 9. - <_> - - <_> - 5 10 2 1 -1. - <_> - 6 10 1 1 2. - <_> - - <_> - 8 9 3 3 -1. - <_> - 9 10 1 1 9. - <_> - - <_> - 7 9 3 3 -1. - <_> - 8 10 1 1 9. - <_> - - <_> - 9 10 2 2 -1. - <_> - 10 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 7 10 3 1 -1. - <_> - 8 10 1 1 3. - <_> - - <_> - 9 3 9 3 -1. - <_> - 12 4 3 1 9. - <_> - - <_> - 0 4 6 3 -1. - <_> - 3 4 3 3 2. - <_> - - <_> - 4 0 14 12 -1. - <_> - 4 0 7 12 2. - <_> - - <_> - 0 0 14 12 -1. - <_> - 7 0 7 12 2. - <_> - - <_> - 2 0 16 9 -1. - <_> - 6 0 8 9 2. - <_> - - <_> - 0 0 9 3 -1. - <_> - 3 0 3 3 3. - <_> - - <_> - 8 0 2 4 -1. - <_> - 8 1 2 2 2. - <_> - - <_> - 4 0 10 4 -1. - <_> - 4 1 10 2 2. - <_> - - <_> - 9 3 9 3 -1. - <_> - 12 4 3 1 9. - <_> - - <_> - 0 3 9 3 -1. - <_> - 3 4 3 1 9. - <_> - - <_> - 9 11 9 1 -1. - <_> - 12 11 3 1 3. - <_> - - <_> - 0 11 9 1 -1. - <_> - 3 11 3 1 3. - <_> - - <_> - 17 0 1 3 -1. - <_> - 17 1 1 1 3. - <_> - - <_> - 0 11 16 1 -1. - <_> - 8 11 8 1 2. - <_> - - <_> - 6 0 6 2 -1. - <_> - 8 0 2 2 3. - <_> - - <_> - 0 0 1 3 -1. - <_> - 0 1 1 1 3. - <_> - - <_> - 15 0 2 2 -1. - <_> - 16 0 1 1 2. - <_> - 15 1 1 1 2. - <_> - - <_> - 1 0 2 2 -1. - <_> - 1 0 1 1 2. - <_> - 2 1 1 1 2. - <_> - - <_> - 2 0 14 2 -1. - <_> - 9 0 7 1 2. - <_> - 2 1 7 1 2. - <_> - - <_> - 6 0 2 3 -1. - <_> - 5 1 2 1 3. - 1 - <_> - - <_> - 14 0 2 3 -1. - <_> - 14 0 1 3 2. - 1 - <_> - - <_> - 4 0 3 2 -1. - <_> - 4 0 3 1 2. - 1 - <_> - - <_> - 15 0 3 1 -1. - <_> - 16 0 1 1 3. - <_> - - <_> - 0 0 3 1 -1. - <_> - 1 0 1 1 3. - <_> - - <_> - 11 3 3 5 -1. - <_> - 12 4 1 5 3. - 1 - <_> - - <_> - 7 3 5 3 -1. - <_> - 6 4 5 1 3. - 1 - <_> - - <_> - 10 6 2 6 -1. - <_> - 10 9 2 3 2. - <_> - - <_> - 2 2 6 9 -1. - <_> - 4 5 2 3 9. - <_> - - <_> - 12 0 4 5 -1. - <_> - 12 0 2 5 2. - 1 - <_> - - <_> - 1 0 4 7 -1. - <_> - 2 0 2 7 2. - <_> - - <_> - 12 0 4 5 -1. - <_> - 12 0 2 5 2. - 1 - <_> - - <_> - 6 0 5 4 -1. - <_> - 6 0 5 2 2. - 1 - <_> - - <_> - 0 0 18 12 -1. - <_> - 9 0 9 6 2. - <_> - 0 6 9 6 2. - <_> - - <_> - 3 1 12 1 -1. - <_> - 9 1 6 1 2. - <_> - - <_> - 9 0 4 8 -1. - <_> - 9 0 2 8 2. - 1 - <_> - - <_> - 9 0 8 4 -1. - <_> - 9 0 8 2 2. - 1 - <_> - - <_> - 14 3 4 3 -1. - <_> - 14 4 4 1 3. - <_> - - <_> - 0 0 3 1 -1. - <_> - 1 0 1 1 3. - <_> - - <_> - 8 0 6 6 -1. - <_> - 10 0 2 6 3. - <_> - - <_> - 4 0 8 3 -1. - <_> - 8 0 4 3 2. - <_> - - <_> - 7 0 4 2 -1. - <_> - 8 0 2 2 2. - <_> - - <_> - 1 0 2 1 -1. - <_> - 2 0 1 1 2. - <_> - - <_> - 8 2 6 3 -1. - <_> - 8 3 6 1 3. - <_> - - <_> - 2 0 3 1 -1. - <_> - 3 1 1 1 3. - 1 - <_> - - <_> - 11 11 6 1 -1. - <_> - 13 11 2 1 3. - <_> - - <_> - 1 11 6 1 -1. - <_> - 3 11 2 1 3. - <_> - - <_> - 17 3 1 4 -1. - <_> - 17 5 1 2 2. - <_> - - <_> - 0 3 1 4 -1. - <_> - 0 5 1 2 2. - diff --git a/data/haarcascades/haarcascade_mcs_righteye_alt.xml b/data/haarcascades/haarcascade_mcs_righteye_alt.xml deleted file mode 100644 index 43245afc30..0000000000 --- a/data/haarcascades/haarcascade_mcs_righteye_alt.xml +++ /dev/null @@ -1,22351 +0,0 @@ - - - - - - 18 12 - - <_> - - - <_> - - <_> - - - - <_> - 3 0 12 12 -1. - <_> - 7 4 4 4 9. - 0 - -5.6810832023620605e-001 - 8.3960670232772827e-001 - -7.6481401920318604e-001 - <_> - - <_> - - - - <_> - 0 4 18 8 -1. - <_> - 0 8 18 4 2. - 0 - 2.0721870660781860e-001 - -7.1712601184844971e-001 - 5.2041262388229370e-001 - <_> - - <_> - - - - <_> - 0 1 2 1 -1. - <_> - 1 1 1 1 2. - 0 - -3.3353710023220628e-005 - 4.7114491462707520e-001 - -6.5355622768402100e-001 - <_> - - <_> - - - - <_> - 12 2 5 8 -1. - <_> - 12 6 5 4 2. - 0 - 1.3509589433670044e-001 - 2.9115460813045502e-002 - -3.3245581388473511e-001 - <_> - - <_> - - - - <_> - 8 5 2 2 -1. - <_> - 8 5 2 1 2. - 1 - -2.0615929737687111e-002 - 6.8218058347702026e-001 - -2.8196701407432556e-001 - <_> - - <_> - - - - <_> - 14 0 2 5 -1. - <_> - 14 0 1 5 2. - 0 - -4.6026369091123343e-005 - 2.0233640074729919e-001 - -1.3312029838562012e-001 - <_> - - <_> - - - - <_> - 2 0 2 5 -1. - <_> - 3 0 1 5 2. - 0 - -4.4764939957531169e-005 - 2.8388169407844543e-001 - -4.7019150853157043e-001 - <_> - - <_> - - - - <_> - 3 0 12 6 -1. - <_> - 3 2 12 2 3. - 0 - 1.1478319764137268e-001 - -1.8182520568370819e-001 - 6.4350587129592896e-001 - <_> - - <_> - - - - <_> - 0 10 18 2 -1. - <_> - 0 11 18 1 2. - 0 - 7.4280993430875242e-005 - -4.9766281247138977e-001 - 2.3925340175628662e-001 - -1.8184880018234253e+000 - -1 - -1 - <_> - - - <_> - - <_> - - - - <_> - 3 0 12 12 -1. - <_> - 7 4 4 4 9. - 0 - -7.0355957746505737e-001 - 8.0994802713394165e-001 - -6.6400188207626343e-001 - <_> - - <_> - - - - <_> - 0 4 18 8 -1. - <_> - 0 8 18 4 2. - 0 - 2.8693929314613342e-001 - -6.3067370653152466e-001 - 5.7269209623336792e-001 - <_> - - <_> - - - - <_> - 0 0 4 1 -1. - <_> - 2 0 2 1 2. - 0 - -4.2597850551828742e-005 - 3.1228521466255188e-001 - -6.9640642404556274e-001 - <_> - - <_> - - - - <_> - 4 2 10 6 -1. - <_> - 4 4 10 2 3. - 0 - -1.1617150157690048e-001 - 6.4757740497589111e-001 - -2.8760230541229248e-001 - <_> - - <_> - - - - <_> - 0 8 18 4 -1. - <_> - 0 10 18 2 2. - 0 - 1.3706079684197903e-002 - -6.4052939414978027e-001 - 1.9451349973678589e-001 - <_> - - <_> - - - - <_> - 8 6 4 2 -1. - <_> - 8 6 2 2 2. - 0 - -1.3996980153024197e-002 - 2.3904429376125336e-001 - -1.2181480228900909e-001 - <_> - - <_> - - - - <_> - 5 6 6 2 -1. - <_> - 8 6 3 2 2. - 0 - -2.3848619312047958e-002 - 4.1974571347236633e-001 - -2.9327690601348877e-001 - <_> - - <_> - - - - <_> - 15 0 1 2 -1. - <_> - 15 1 1 1 2. - 0 - -5.0047809054376557e-005 - 9.3466326594352722e-002 - -8.5978589951992035e-002 - <_> - - <_> - - - - <_> - 2 0 1 2 -1. - <_> - 2 1 1 1 2. - 0 - -4.8869820602703840e-005 - 2.9515549540519714e-001 - -3.6450791358947754e-001 - <_> - - <_> - - - - <_> - 7 10 4 2 -1. - <_> - 8 10 2 2 2. - 0 - -8.1548085436224937e-003 - -7.9693388938903809e-001 - 1.1169960349798203e-001 - <_> - - <_> - - - - <_> - 7 10 4 2 -1. - <_> - 8 10 2 2 2. - 0 - 6.5567810088396072e-003 - 1.0915560275316238e-001 - -7.6665240526199341e-001 - -1.8897850513458252e+000 - 0 - -1 - <_> - - - <_> - - <_> - - - - <_> - 3 0 12 12 -1. - <_> - 7 4 4 4 9. - 0 - -7.9526257514953613e-001 - 7.6672828197479248e-001 - -5.7977437973022461e-001 - <_> - - <_> - - - - <_> - 12 0 6 5 -1. - <_> - 12 0 3 5 2. - 0 - -1.7080819234251976e-002 - 2.3749460279941559e-001 - -1.0151080042123795e-001 - <_> - - <_> - - - - <_> - 9 3 4 4 -1. - <_> - 9 3 4 2 2. - 1 - -8.8396757841110229e-002 - 6.1395412683486938e-001 - -4.0397110581398010e-001 - <_> - - <_> - - - - <_> - 6 0 12 4 -1. - <_> - 10 0 4 4 3. - 0 - 3.0759669840335846e-002 - -1.5979920327663422e-001 - 2.1410289406776428e-001 - <_> - - <_> - - - - <_> - 0 0 6 6 -1. - <_> - 3 0 3 6 2. - 0 - -2.8572969138622284e-002 - 4.6015259623527527e-001 - -4.9520689249038696e-001 - <_> - - <_> - - - - <_> - 0 6 18 6 -1. - <_> - 0 9 18 3 2. - 0 - 1.1635340005159378e-001 - -6.0537588596343994e-001 - 2.3268540203571320e-001 - <_> - - <_> - - - - <_> - 1 0 2 1 -1. - <_> - 1 0 1 1 2. - 1 - 1.0375100100645795e-004 - -5.2447670698165894e-001 - 2.0643760263919830e-001 - <_> - - <_> - - - - <_> - 10 10 8 2 -1. - <_> - 10 11 8 1 2. - 0 - -5.9346808120608330e-003 - -5.8789312839508057e-001 - 8.3713911473751068e-002 - <_> - - <_> - - - - <_> - 6 10 4 2 -1. - <_> - 7 10 2 2 2. - 0 - 6.6315559670329094e-003 - 1.0943070054054260e-001 - -7.9030650854110718e-001 - <_> - - <_> - - - - <_> - 11 9 1 2 -1. - <_> - 11 9 1 1 2. - 1 - 6.4884088933467865e-003 - 2.3464180529117584e-002 - -4.6662831306457520e-001 - <_> - - <_> - - - - <_> - 6 6 6 2 -1. - <_> - 8 6 2 2 3. - 0 - -2.5442529469728470e-002 - 4.1558659076690674e-001 - -2.0745509862899780e-001 - <_> - - <_> - - - - <_> - 11 9 1 2 -1. - <_> - 11 9 1 1 2. - 1 - -1.4391910284757614e-002 - -5.1255929470062256e-001 - 4.2892999947071075e-002 - <_> - - <_> - - - - <_> - 7 9 2 1 -1. - <_> - 7 9 1 1 2. - 1 - 3.7105670198798180e-003 - 1.3508659601211548e-001 - -6.7032521963119507e-001 - <_> - - <_> - - - - <_> - 7 1 4 3 -1. - <_> - 8 1 2 3 2. - 0 - -1.0664899833500385e-002 - -6.4452391862869263e-001 - 8.6801767349243164e-002 - <_> - - <_> - - - - <_> - 0 9 3 3 -1. - <_> - 0 10 3 1 3. - 0 - 1.3130259700119495e-002 - 7.2303600609302521e-002 - -7.2920471429824829e-001 - <_> - - <_> - - - - <_> - 14 9 4 3 -1. - <_> - 14 10 4 1 3. - 0 - -1.1123689822852612e-002 - -6.3051140308380127e-001 - 8.8690377771854401e-002 - -1.7659480571746826e+000 - 1 - -1 - <_> - - - <_> - - <_> - - - - <_> - 3 1 12 9 -1. - <_> - 7 4 4 3 9. - 0 - -4.8238849639892578e-001 - 6.7658770084381104e-001 - -6.3496381044387817e-001 - <_> - - <_> - - - - <_> - 1 4 16 8 -1. - <_> - 1 8 16 4 2. - 0 - 3.6105468869209290e-001 - -4.7645848989486694e-001 - 4.3273618817329407e-001 - <_> - - <_> - - - - <_> - 3 6 6 2 -1. - <_> - 5 6 2 2 3. - 0 - 3.7622179836034775e-002 - -2.5917899608612061e-001 - 6.6635400056838989e-001 - <_> - - <_> - - - - <_> - 6 0 12 4 -1. - <_> - 10 0 4 4 3. - 0 - 3.3445660024881363e-002 - -5.1630370318889618e-002 - 1.9169320166110992e-001 - <_> - - <_> - - - - <_> - 0 0 4 6 -1. - <_> - 2 0 2 6 2. - 0 - -1.5409329906105995e-002 - 2.8438740968704224e-001 - -4.7467359900474548e-001 - <_> - - <_> - - - - <_> - 17 0 1 2 -1. - <_> - 17 1 1 1 2. - 0 - -9.9044256785418838e-005 - 4.0987960994243622e-002 - -8.7138727307319641e-002 - <_> - - <_> - - - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - 0 - -1.1052149784518406e-004 - 2.7015548944473267e-001 - -3.5196688771247864e-001 - <_> - - <_> - - - - <_> - 0 8 18 4 -1. - <_> - 0 10 18 2 2. - 0 - 2.2914599627256393e-002 - -5.8854997158050537e-001 - 1.4034299552440643e-001 - <_> - - <_> - - - - <_> - 9 2 6 2 -1. - <_> - 11 4 2 2 3. - 1 - -6.8064533174037933e-002 - 3.8482880592346191e-001 - -1.9926619529724121e-001 - <_> - - <_> - - - - <_> - 4 1 10 6 -1. - <_> - 4 3 10 2 3. - 0 - -1.3427540659904480e-001 - 5.3540730476379395e-001 - -1.2980240583419800e-001 - <_> - - <_> - - - - <_> - 2 0 9 4 -1. - <_> - 5 0 3 4 3. - 0 - -1.4653420075774193e-002 - 2.5729840993881226e-001 - -2.6571980118751526e-001 - <_> - - <_> - - - - <_> - 16 2 2 1 -1. - <_> - 16 2 1 1 2. - 0 - -1.2547649384941906e-004 - 7.7122293412685394e-002 - -7.7603712677955627e-002 - <_> - - <_> - - - - <_> - 0 2 2 1 -1. - <_> - 1 2 1 1 2. - 0 - -8.8957793195731938e-005 - 1.8061220645904541e-001 - -3.2629799842834473e-001 - <_> - - <_> - - - - <_> - 15 0 3 1 -1. - <_> - 16 1 1 1 3. - 1 - -1.5391400083899498e-002 - -4.6647891402244568e-001 - 2.8946319594979286e-002 - <_> - - <_> - - - - <_> - 5 8 2 2 -1. - <_> - 5 8 1 2 2. - 1 - -1.4515600167214870e-002 - -5.2544248104095459e-001 - 9.7634941339492798e-002 - <_> - - <_> - - - - <_> - 13 9 1 2 -1. - <_> - 13 9 1 1 2. - 1 - 6.8836379796266556e-003 - 2.6379430666565895e-002 - -5.2875238656997681e-001 - <_> - - <_> - - - - <_> - 5 9 2 1 -1. - <_> - 5 9 1 1 2. - 1 - 2.9651119839400053e-003 - 9.0258508920669556e-002 - -5.3580790758132935e-001 - <_> - - <_> - - - - <_> - 9 5 4 4 -1. - <_> - 10 5 2 4 2. - 0 - -1.8835909664630890e-002 - 3.1948068737983704e-001 - -6.3316017389297485e-002 - <_> - - <_> - - - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - -7.3288138955831528e-003 - -4.4683480262756348e-001 - 1.0952600091695786e-001 - <_> - - <_> - - - - <_> - 2 0 14 8 -1. - <_> - 2 2 14 4 2. - 0 - 1.0221300274133682e-001 - -1.0253670066595078e-001 - 4.8284870386123657e-001 - <_> - - <_> - - - - <_> - 7 5 4 4 -1. - <_> - 8 5 2 4 2. - 0 - -6.8491459824144840e-003 - 2.4407060444355011e-001 - -1.7565080523490906e-001 - <_> - - <_> - - - - <_> - 17 8 1 4 -1. - <_> - 17 9 1 2 2. - 0 - -4.0765879675745964e-003 - -4.6912059187889099e-001 - 7.7857926487922668e-002 - <_> - - <_> - - - - <_> - 4 0 1 3 -1. - <_> - 3 1 1 1 3. - 1 - 9.3826521188020706e-003 - 6.5722987055778503e-002 - -5.7086908817291260e-001 - <_> - - <_> - - - - <_> - 15 2 3 1 -1. - <_> - 16 3 1 1 3. - 1 - 1.1709299869835377e-002 - 2.9651859775185585e-002 - -4.4558471441268921e-001 - <_> - - <_> - - - - <_> - 3 2 1 3 -1. - <_> - 2 3 1 1 3. - 1 - 3.7532749120146036e-003 - 1.2010630220174789e-001 - -3.4494531154632568e-001 - <_> - - <_> - - - - <_> - 10 5 6 3 -1. - <_> - 12 5 2 3 3. - 0 - 4.9949299544095993e-002 - -3.8329821079969406e-002 - 2.5580260157585144e-001 - <_> - - <_> - - - - <_> - 2 5 6 3 -1. - <_> - 4 5 2 3 3. - 0 - -1.9659079611301422e-002 - 3.4948769211769104e-001 - -1.0688430070877075e-001 - <_> - - <_> - - - - <_> - 14 8 1 3 -1. - <_> - 13 9 1 1 3. - 1 - -9.4384029507637024e-003 - -4.4859799742698669e-001 - 6.0474641621112823e-002 - <_> - - <_> - - - - <_> - 5 0 6 4 -1. - <_> - 5 1 6 2 2. - 0 - -3.2340411096811295e-002 - 4.6869951486587524e-001 - -8.7362661957740784e-002 - <_> - - <_> - - - - <_> - 10 10 1 2 -1. - <_> - 10 11 1 1 2. - 0 - 1.6322209557984024e-004 - -1.5675650537014008e-001 - 1.1256299912929535e-001 - <_> - - <_> - - - - <_> - 7 9 4 3 -1. - <_> - 8 9 2 3 2. - 0 - 1.0735830292105675e-002 - 5.0046779215335846e-002 - -6.9020110368728638e-001 - <_> - - <_> - - - - <_> - 2 0 14 4 -1. - <_> - 2 1 14 2 2. - 0 - 2.6855830103158951e-002 - -1.3781370222568512e-001 - 2.5898760557174683e-001 - -1.9269560575485229e+000 - 2 - -1 - <_> - - - <_> - - <_> - - - - <_> - 7 4 4 2 -1. - <_> - 7 4 4 1 2. - 1 - -4.0210861712694168e-002 - 7.2760909795761108e-001 - -4.8194059729576111e-001 - <_> - - <_> - - - - <_> - 0 1 18 9 -1. - <_> - 6 4 6 3 9. - 0 - -9.4253152608871460e-001 - 6.5825307369232178e-001 - -3.3508211374282837e-001 - <_> - - <_> - - - - <_> - 2 5 4 3 -1. - <_> - 3 5 2 3 2. - 0 - -6.7276130430400372e-003 - 4.6350660920143127e-001 - -2.6712501049041748e-001 - <_> - - <_> - - - - <_> - 0 0 18 12 -1. - <_> - 0 4 18 4 3. - 0 - -3.4221410751342773e-001 - 2.6187661290168762e-001 - -4.4321650266647339e-001 - <_> - - <_> - - - - <_> - 0 0 12 3 -1. - <_> - 3 0 6 3 2. - 0 - -2.6442220434546471e-002 - 2.5853350758552551e-001 - -4.2997428774833679e-001 - <_> - - <_> - - - - <_> - 10 9 1 2 -1. - <_> - 10 9 1 1 2. - 1 - -1.1211539822397754e-004 - 1.0946519672870636e-001 - -2.2906930744647980e-001 - <_> - - <_> - - - - <_> - 8 9 2 3 -1. - <_> - 9 9 1 3 2. - 0 - -5.8475080877542496e-003 - -6.3840919733047485e-001 - 1.2859229743480682e-001 - <_> - - <_> - - - - <_> - 16 0 2 7 -1. - <_> - 16 0 1 7 2. - 0 - -3.1806540209800005e-003 - 1.5797249972820282e-001 - -2.2806149721145630e-001 - <_> - - <_> - - - - <_> - 0 0 2 2 -1. - <_> - 1 0 1 2 2. - 0 - -7.6963173341937363e-005 - 1.7013229429721832e-001 - -4.0136960148811340e-001 - <_> - - <_> - - - - <_> - 11 5 3 3 -1. - <_> - 12 5 1 3 3. - 0 - 1.0161420330405235e-002 - -1.2210579961538315e-001 - 4.2467159032821655e-001 - <_> - - <_> - - - - <_> - 4 5 3 3 -1. - <_> - 5 5 1 3 3. - 0 - -4.1128029115498066e-003 - 3.7742561101913452e-001 - -1.6708080470561981e-001 - <_> - - <_> - - - - <_> - 14 8 2 2 -1. - <_> - 14 8 2 1 2. - 1 - 9.5285046845674515e-003 - 5.7505119591951370e-002 - -4.5794519782066345e-001 - <_> - - <_> - - - - <_> - 5 2 8 4 -1. - <_> - 5 3 8 2 2. - 0 - 3.5861488431692123e-002 - -1.1722719669342041e-001 - 5.0423789024353027e-001 - <_> - - <_> - - - - <_> - 15 0 2 1 -1. - <_> - 15 0 1 1 2. - 1 - 1.1980050243437290e-002 - 4.8618610948324203e-002 - -4.2829948663711548e-001 - <_> - - <_> - - - - <_> - 4 2 10 4 -1. - <_> - 4 3 10 2 2. - 0 - -4.5652940869331360e-002 - 4.4611850380897522e-001 - -1.2824800610542297e-001 - <_> - - <_> - - - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - -1.2624289840459824e-002 - -4.7304341197013855e-001 - 3.3563230186700821e-002 - <_> - - <_> - - - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - -6.4819469116628170e-003 - -4.9199560284614563e-001 - 1.0396429896354675e-001 - <_> - - <_> - - - - <_> - 16 2 2 8 -1. - <_> - 16 2 1 8 2. - 0 - -3.8513869512826204e-003 - 1.3302020728588104e-001 - -1.5856249630451202e-001 - <_> - - <_> - - - - <_> - 0 3 2 5 -1. - <_> - 1 3 1 5 2. - 0 - -5.6580482050776482e-003 - 2.5680649280548096e-001 - -2.1377700567245483e-001 - <_> - - <_> - - - - <_> - 14 8 2 2 -1. - <_> - 14 8 2 1 2. - 1 - -2.7151580899953842e-002 - -4.8710969090461731e-001 - 3.2073508948087692e-002 - <_> - - <_> - - - - <_> - 4 8 2 2 -1. - <_> - 4 8 1 2 2. - 1 - 4.4631878845393658e-003 - 1.0160399973392487e-001 - -5.0148272514343262e-001 - <_> - - <_> - - - - <_> - 3 0 12 12 -1. - <_> - 7 0 4 12 3. - 0 - -9.2112571001052856e-002 - 2.0617170631885529e-001 - -2.4160179495811462e-001 - <_> - - <_> - - - - <_> - 5 11 6 1 -1. - <_> - 7 11 2 1 3. - 0 - -1.3351120054721832e-002 - -7.3643708229064941e-001 - 6.3407666981220245e-002 - <_> - - <_> - - - - <_> - 4 0 10 6 -1. - <_> - 4 2 10 2 3. - 0 - 1.4642560482025146e-001 - -1.0779049992561340e-001 - 4.4443801045417786e-001 - <_> - - <_> - - - - <_> - 0 8 3 4 -1. - <_> - 0 9 3 2 2. - 0 - -1.0188819840550423e-002 - -5.2276557683944702e-001 - 8.4325402975082397e-002 - <_> - - <_> - - - - <_> - 0 10 18 2 -1. - <_> - 0 11 18 1 2. - 0 - 1.6951869474723935e-004 - -4.0729030966758728e-001 - 1.0294459760189056e-001 - <_> - - <_> - - - - <_> - 7 3 5 3 -1. - <_> - 6 4 5 1 3. - 1 - 4.2296588420867920e-002 - -8.3421789109706879e-002 - 4.9257528781890869e-001 - <_> - - <_> - - - - <_> - 8 0 2 3 -1. - <_> - 8 0 1 3 2. - 0 - -8.8663380593061447e-003 - -5.9615707397460938e-001 - 7.2008118033409119e-002 - <_> - - <_> - - - - <_> - 8 4 3 3 -1. - <_> - 7 5 3 1 3. - 1 - -2.6932360604405403e-002 - 3.9307719469070435e-001 - -9.4045691192150116e-002 - <_> - - <_> - - - - <_> - 4 1 10 4 -1. - <_> - 4 2 10 2 2. - 0 - -3.2513670623302460e-002 - 4.0155789256095886e-001 - -8.1126846373081207e-002 - <_> - - <_> - - - - <_> - 7 0 3 3 -1. - <_> - 8 0 1 3 3. - 0 - 5.6395838037133217e-003 - 8.2285016775131226e-002 - -4.2262369394302368e-001 - <_> - - <_> - - - - <_> - 9 4 4 3 -1. - <_> - 8 5 4 1 3. - 1 - 5.0715889781713486e-002 - -3.0324889346957207e-002 - 5.8319318294525146e-001 - <_> - - <_> - - - - <_> - 9 4 3 4 -1. - <_> - 10 5 1 4 3. - 1 - -1.4977410435676575e-002 - 2.2337380051612854e-001 - -1.5484930574893951e-001 - <_> - - <_> - - - - <_> - 6 0 6 3 -1. - <_> - 8 0 2 3 3. - 0 - -3.6284331232309341e-002 - -7.2883737087249756e-001 - 4.9019519239664078e-002 - -1.8730369806289673e+000 - 3 - -1 - <_> - - - <_> - - <_> - - - - <_> - 3 2 12 6 -1. - <_> - 3 4 12 2 3. - 0 - -1.4310139417648315e-001 - 5.9999501705169678e-001 - -4.6854639053344727e-001 - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -4.5538708567619324e-002 - 6.0437542200088501e-001 - -3.2276171445846558e-001 - <_> - - <_> - - - - <_> - 0 6 18 6 -1. - <_> - 0 9 18 3 2. - 0 - 2.0528450608253479e-001 - -5.2343052625656128e-001 - 3.6189851164817810e-001 - <_> - - <_> - - - - <_> - 14 0 4 2 -1. - <_> - 14 0 2 2 2. - 0 - 1.1236000136705115e-004 - -7.1042299270629883e-002 - 5.5464118719100952e-002 - <_> - - <_> - - - - <_> - 0 0 15 4 -1. - <_> - 5 0 5 4 3. - 0 - -6.6982686519622803e-002 - 2.1147069334983826e-001 - -3.7349238991737366e-001 - <_> - - <_> - - - - <_> - 0 6 18 6 -1. - <_> - 9 6 9 3 2. - <_> - 0 9 9 3 2. - 0 - 4.2605780065059662e-002 - 1.5919719636440277e-001 - -4.6124869585037231e-001 - <_> - - <_> - - - - <_> - 0 0 2 3 -1. - <_> - 1 0 1 3 2. - 0 - -1.1038989759981632e-004 - 1.4112940430641174e-001 - -4.5499908924102783e-001 - <_> - - <_> - - - - <_> - 6 3 6 6 -1. - <_> - 8 5 2 2 9. - 0 - -1.1507949978113174e-001 - 2.5770258903503418e-001 - -2.6506200432777405e-001 - <_> - - <_> - - - - <_> - 0 10 6 2 -1. - <_> - 0 11 6 1 2. - 0 - -4.3419501744210720e-003 - -5.9668141603469849e-001 - 1.0230260342359543e-001 - <_> - - <_> - - - - <_> - 8 10 4 2 -1. - <_> - 9 10 2 2 2. - 0 - -7.3655629530549049e-003 - -7.5729858875274658e-001 - 6.3309803605079651e-002 - <_> - - <_> - - - - <_> - 6 10 4 2 -1. - <_> - 8 10 2 2 2. - 0 - 1.5698159113526344e-002 - 5.5984470993280411e-002 - -7.6305878162384033e-001 - <_> - - <_> - - - - <_> - 13 5 3 4 -1. - <_> - 14 6 1 4 3. - 1 - -1.4888670295476913e-002 - 1.4457429945468903e-001 - -5.9155210852622986e-002 - <_> - - <_> - - - - <_> - 1 6 6 2 -1. - <_> - 3 6 2 2 3. - 0 - -1.3309270143508911e-002 - 2.8473040461540222e-001 - -1.7599380016326904e-001 - <_> - - <_> - - - - <_> - 9 0 4 4 -1. - <_> - 10 0 2 4 2. - 0 - 1.2894039973616600e-002 - 5.7657320052385330e-002 - -5.1801967620849609e-001 - <_> - - <_> - - - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - 0 - -6.8263791035860777e-005 - 1.6647399961948395e-001 - -2.7714401483535767e-001 - <_> - - <_> - - - - <_> - 5 1 8 6 -1. - <_> - 5 3 8 2 3. - 0 - -1.4141130447387695e-001 - 5.0337702035903931e-001 - -9.7330093383789063e-002 - <_> - - <_> - - - - <_> - 9 2 6 3 -1. - <_> - 11 4 2 3 3. - 1 - -7.0793926715850830e-002 - 2.2329810261726379e-001 - -1.8872700631618500e-001 - <_> - - <_> - - - - <_> - 7 0 4 2 -1. - <_> - 8 0 2 2 2. - 0 - 6.0439859516918659e-003 - 7.4497416615486145e-002 - -5.1863551139831543e-001 - <_> - - <_> - - - - <_> - 7 9 4 3 -1. - <_> - 8 9 2 3 2. - 0 - -8.5664521902799606e-003 - -5.3494322299957275e-001 - 6.5551057457923889e-002 - <_> - - <_> - - - - <_> - 15 7 3 2 -1. - <_> - 15 8 3 1 2. - 0 - 1.2475060066208243e-004 - -2.2479990124702454e-001 - 8.8108353316783905e-002 - <_> - - <_> - - - - <_> - 0 5 2 7 -1. - <_> - 1 5 1 7 2. - 0 - -1.0743389837443829e-002 - 2.6506188511848450e-001 - -1.3862170279026031e-001 - <_> - - <_> - - - - <_> - 13 9 1 2 -1. - <_> - 13 9 1 1 2. - 1 - 6.9530052132904530e-003 - 3.3702958375215530e-002 - -4.7984018921852112e-001 - <_> - - <_> - - - - <_> - 5 9 2 1 -1. - <_> - 5 9 1 1 2. - 1 - -7.5777601450681686e-003 - -4.4925630092620850e-001 - 8.1961393356323242e-002 - <_> - - <_> - - - - <_> - 4 1 10 4 -1. - <_> - 4 2 10 2 2. - 0 - -3.6117959767580032e-002 - 4.0106239914894104e-001 - -9.4889998435974121e-002 - <_> - - <_> - - - - <_> - 6 2 6 3 -1. - <_> - 6 3 6 1 3. - 0 - 3.0786920338869095e-002 - -8.4221139550209045e-002 - 4.5751860737800598e-001 - <_> - - <_> - - - - <_> - 16 3 2 4 -1. - <_> - 16 4 2 2 2. - 0 - 1.0906560346484184e-002 - 3.6288078874349594e-002 - -3.1307759881019592e-001 - <_> - - <_> - - - - <_> - 4 9 1 2 -1. - <_> - 4 10 1 1 2. - 0 - 7.7241609687916934e-005 - -2.6226210594177246e-001 - 1.2772110104560852e-001 - <_> - - <_> - - - - <_> - 16 3 2 4 -1. - <_> - 16 4 2 2 2. - 0 - -1.8342709168791771e-002 - -3.8035660982131958e-001 - 2.0931210368871689e-002 - <_> - - <_> - - - - <_> - 0 3 2 4 -1. - <_> - 0 4 2 2 2. - 0 - -1.4488579705357552e-002 - -6.2516981363296509e-001 - 5.0568919628858566e-002 - <_> - - <_> - - - - <_> - 17 2 1 8 -1. - <_> - 17 4 1 4 2. - 0 - -2.6086460798978806e-002 - -2.5289660692214966e-001 - 2.2778680548071861e-002 - <_> - - <_> - - - - <_> - 6 0 5 4 -1. - <_> - 6 1 5 2 2. - 0 - 2.4344440549612045e-002 - -1.0455399751663208e-001 - 3.2213151454925537e-001 - <_> - - <_> - - - - <_> - 17 2 1 8 -1. - <_> - 17 4 1 4 2. - 0 - 1.6739370301365852e-002 - 1.5031609684228897e-002 - -2.3286940157413483e-001 - <_> - - <_> - - - - <_> - 0 2 1 8 -1. - <_> - 0 4 1 4 2. - 0 - 6.9860741496086121e-003 - 8.2456819713115692e-002 - -4.0554359555244446e-001 - <_> - - <_> - - - - <_> - 11 6 3 2 -1. - <_> - 12 6 1 2 3. - 0 - -6.3432222232222557e-003 - 3.0635970830917358e-001 - -5.6111559271812439e-002 - <_> - - <_> - - - - <_> - 3 0 4 4 -1. - <_> - 4 0 2 4 2. - 0 - 1.3267910107970238e-002 - 5.8571081608533859e-002 - -5.6226778030395508e-001 - <_> - - <_> - - - - <_> - 9 0 4 3 -1. - <_> - 10 0 2 3 2. - 0 - -7.8068808652460575e-003 - -3.3495968580245972e-001 - 4.8010118305683136e-002 - <_> - - <_> - - - - <_> - 4 6 3 2 -1. - <_> - 5 6 1 2 3. - 0 - -4.6056290157139301e-003 - 3.3558750152587891e-001 - -1.0367739945650101e-001 - <_> - - <_> - - - - <_> - 3 5 12 6 -1. - <_> - 7 5 4 6 3. - 0 - -3.5391300916671753e-002 - 1.3985100388526917e-001 - -2.4411860108375549e-001 - <_> - - <_> - - - - <_> - 5 0 7 3 -1. - <_> - 5 1 7 1 3. - 0 - -3.1272999942302704e-002 - 4.2635110020637512e-001 - -6.7719720304012299e-002 - <_> - - <_> - - - - <_> - 9 0 4 3 -1. - <_> - 10 0 2 3 2. - 0 - 5.0648758187890053e-003 - 5.6782770901918411e-002 - -1.8407820165157318e-001 - <_> - - <_> - - - - <_> - 5 0 4 3 -1. - <_> - 6 0 2 3 2. - 0 - 1.1429510079324245e-002 - 5.1047790795564651e-002 - -5.8645612001419067e-001 - <_> - - <_> - - - - <_> - 12 5 6 3 -1. - <_> - 14 5 2 3 3. - 0 - -1.2818889692425728e-002 - 2.5195059180259705e-001 - -1.7262229323387146e-001 - <_> - - <_> - - - - <_> - 5 6 3 1 -1. - <_> - 6 6 1 1 3. - 0 - -2.5068391114473343e-003 - 3.4061318635940552e-001 - -8.6949199438095093e-002 - <_> - - <_> - - - - <_> - 12 9 1 2 -1. - <_> - 12 9 1 1 2. - 1 - 5.4749757982790470e-003 - 2.3750610649585724e-002 - -2.5926721096038818e-001 - <_> - - <_> - - - - <_> - 6 3 6 3 -1. - <_> - 6 4 6 1 3. - 0 - 1.1854119598865509e-002 - -9.0619556605815887e-002 - 2.9119190573692322e-001 - -1.8880920410156250e+000 - 4 - -1 - <_> - - - <_> - - <_> - - - - <_> - 7 4 4 2 -1. - <_> - 7 4 4 1 2. - 1 - -4.7739148139953613e-002 - 7.0311528444290161e-001 - -4.0234449505805969e-001 - <_> - - <_> - - - - <_> - 0 1 18 9 -1. - <_> - 6 4 6 3 9. - 0 - -8.0938947200775146e-001 - 4.6052539348602295e-001 - -4.0787270665168762e-001 - <_> - - <_> - - - - <_> - 8 2 4 4 -1. - <_> - 8 2 4 2 2. - 1 - 1.9570919871330261e-001 - 6.3850008882582188e-003 - -1.0483790283203125e+003 - <_> - - <_> - - - - <_> - 12 5 3 3 -1. - <_> - 13 5 1 3 3. - 0 - -5.5437600240111351e-003 - 4.4707939028739929e-001 - -2.0605599880218506e-001 - <_> - - <_> - - - - <_> - 2 0 13 4 -1. - <_> - 2 1 13 2 2. - 0 - 4.1489699482917786e-001 - 8.0591542646288872e-003 - -1.9253439941406250e+003 - <_> - - <_> - - - - <_> - 15 0 2 2 -1. - <_> - 15 0 1 2 2. - 0 - 1.2064840120729059e-004 - -8.8089093565940857e-002 - 9.6394099295139313e-002 - <_> - - <_> - - - - <_> - 0 3 2 1 -1. - <_> - 1 3 1 1 2. - 0 - -9.2417707492131740e-005 - 1.6505399346351624e-001 - -4.8010158538818359e-001 - <_> - - <_> - - - - <_> - 11 6 6 1 -1. - <_> - 13 6 2 1 3. - 0 - -1.2108679860830307e-002 - 3.5905620455741882e-001 - -1.1650399863719940e-001 - <_> - - <_> - - - - <_> - 0 6 18 6 -1. - <_> - 0 9 18 3 2. - 0 - 1.0738140344619751e-001 - -5.6591778993606567e-001 - 1.3803580403327942e-001 - <_> - - <_> - - - - <_> - 8 5 6 2 -1. - <_> - 10 5 2 2 3. - 0 - -2.1975189447402954e-002 - 4.2953509092330933e-001 - -1.5891620516777039e-001 - <_> - - <_> - - - - <_> - 1 4 6 4 -1. - <_> - 3 4 2 4 3. - 0 - -1.1959870345890522e-002 - 2.9616978764533997e-001 - -2.5460711121559143e-001 - <_> - - <_> - - - - <_> - 16 0 1 2 -1. - <_> - 16 1 1 1 2. - 0 - -9.0528890723362565e-005 - 7.4505448341369629e-002 - -6.9072231650352478e-002 - <_> - - <_> - - - - <_> - 1 0 2 1 -1. - <_> - 2 0 1 1 2. - 0 - -8.5102466982789338e-005 - 1.6419610381126404e-001 - -3.6688721179962158e-001 - <_> - - <_> - - - - <_> - 0 11 18 1 -1. - <_> - 0 11 9 1 2. - 0 - 2.8498729690909386e-002 - 1.2233109772205353e-001 - -4.8675718903541565e-001 - <_> - - <_> - - - - <_> - 7 11 4 1 -1. - <_> - 9 11 2 1 2. - 0 - 7.7169570140540600e-003 - 6.4482487738132477e-002 - -6.9540137052536011e-001 - <_> - - <_> - - - - <_> - 7 5 4 6 -1. - <_> - 8 5 2 6 2. - 0 - -7.1217319928109646e-003 - 2.0365479588508606e-001 - -2.2741779685020447e-001 - <_> - - <_> - - - - <_> - 8 9 2 1 -1. - <_> - 8 9 1 1 2. - 1 - -1.1075680231442675e-004 - 1.4500780403614044e-001 - -3.4105348587036133e-001 - <_> - - <_> - - - - <_> - 15 0 1 2 -1. - <_> - 15 1 1 1 2. - 0 - 1.1053880007239059e-004 - -6.8307012319564819e-002 - 7.4650689959526062e-002 - <_> - - <_> - - - - <_> - 2 0 1 2 -1. - <_> - 2 1 1 1 2. - 0 - -9.6507181297056377e-005 - 1.8268570303916931e-001 - -2.7704128623008728e-001 - <_> - - <_> - - - - <_> - 0 0 18 4 -1. - <_> - 0 1 18 2 2. - 0 - 3.3470049500465393e-002 - -1.5655350685119629e-001 - 3.1936529278755188e-001 - <_> - - <_> - - - - <_> - 2 2 14 3 -1. - <_> - 2 3 14 1 3. - 0 - 2.0096020773053169e-002 - -1.5562969446182251e-001 - 3.1467041373252869e-001 - <_> - - <_> - - - - <_> - 17 1 1 4 -1. - <_> - 17 2 1 2 2. - 0 - 7.0277601480484009e-003 - 3.7986829876899719e-002 - -3.0223649740219116e-001 - <_> - - <_> - - - - <_> - 6 11 6 1 -1. - <_> - 8 11 2 1 3. - 0 - 6.9380169734358788e-003 - 8.1531472504138947e-002 - -5.6371027231216431e-001 - <_> - - <_> - - - - <_> - 17 1 1 4 -1. - <_> - 17 2 1 2 2. - 0 - -2.7956028934568167e-003 - -1.8539020419120789e-001 - 3.9439260959625244e-002 - <_> - - <_> - - - - <_> - 0 0 1 6 -1. - <_> - 0 2 1 2 3. - 0 - 1.5885600820183754e-002 - 5.9267118573188782e-002 - -7.1854251623153687e-001 - <_> - - <_> - - - - <_> - 16 0 2 4 -1. - <_> - 16 0 1 4 2. - 1 - 3.7774249911308289e-002 - 1.4310140162706375e-002 - -5.0811702013015747e-001 - <_> - - <_> - - - - <_> - 2 0 4 2 -1. - <_> - 2 0 4 1 2. - 1 - 1.5504850074648857e-002 - 8.0278262495994568e-002 - -4.4908508658409119e-001 - <_> - - <_> - - - - <_> - 15 2 2 8 -1. - <_> - 15 4 2 4 2. - 0 - -1.9444189965724945e-002 - 1.7838209867477417e-001 - -1.8505999445915222e-001 - <_> - - <_> - - - - <_> - 6 3 6 3 -1. - <_> - 6 4 6 1 3. - 0 - 2.8419150039553642e-002 - -8.1356927752494812e-002 - 4.9391180276870728e-001 - <_> - - <_> - - - - <_> - 5 1 8 6 -1. - <_> - 5 3 8 2 3. - 0 - -8.3308592438697815e-002 - 3.3119910955429077e-001 - -1.1275950074195862e-001 - <_> - - <_> - - - - <_> - 5 0 8 3 -1. - <_> - 5 1 8 1 3. - 0 - -2.0398350432515144e-002 - 3.7371310591697693e-001 - -1.0401429980993271e-001 - <_> - - <_> - - - - <_> - 15 1 3 9 -1. - <_> - 15 4 3 3 3. - 0 - 1.4064489305019379e-001 - 8.4198080003261566e-003 - -6.9457089900970459e-001 - <_> - - <_> - - - - <_> - 0 1 3 9 -1. - <_> - 0 4 3 3 3. - 0 - 1.9191060215234756e-002 - 8.8749423623085022e-002 - -4.0662020444869995e-001 - <_> - - <_> - - - - <_> - 7 11 4 1 -1. - <_> - 8 11 2 1 2. - 0 - -3.9051079656928778e-003 - -5.7998901605606079e-001 - 5.1149401813745499e-002 - <_> - - <_> - - - - <_> - 0 10 1 2 -1. - <_> - 0 11 1 1 2. - 0 - -2.0223320461809635e-003 - -4.7456279397010803e-001 - 5.7810228317975998e-002 - <_> - - <_> - - - - <_> - 11 5 3 3 -1. - <_> - 12 5 1 3 3. - 0 - -7.0939320139586926e-003 - 2.5586429238319397e-001 - -5.9901829808950424e-002 - <_> - - <_> - - - - <_> - 3 5 4 4 -1. - <_> - 4 5 2 4 2. - 0 - -8.3198416978120804e-003 - 2.6578190922737122e-001 - -1.1572790145874023e-001 - <_> - - <_> - - - - <_> - 16 9 2 3 -1. - <_> - 16 10 2 1 3. - 0 - -7.8159309923648834e-003 - -5.6447637081146240e-001 - 5.0173521041870117e-002 - <_> - - <_> - - - - <_> - 0 9 2 3 -1. - <_> - 0 10 2 1 3. - 0 - -1.1840989813208580e-002 - -7.6622551679611206e-001 - 3.0004199594259262e-002 - <_> - - <_> - - - - <_> - 10 4 3 3 -1. - <_> - 11 5 1 3 3. - 1 - -1.4432789757847786e-002 - 1.5162460505962372e-001 - -1.3350149989128113e-001 - <_> - - <_> - - - - <_> - 2 0 9 4 -1. - <_> - 5 0 3 4 3. - 0 - -8.0706225708127022e-003 - 1.2732319533824921e-001 - -2.2091729938983917e-001 - <_> - - <_> - - - - <_> - 8 0 4 3 -1. - <_> - 9 0 2 3 2. - 0 - 1.1658039875328541e-002 - 4.3274190276861191e-002 - -5.2941519021987915e-001 - <_> - - <_> - - - - <_> - 8 8 2 2 -1. - <_> - 8 8 1 2 2. - 1 - -1.9893579185009003e-002 - -5.3083962202072144e-001 - 4.3910909444093704e-002 - <_> - - <_> - - - - <_> - 14 9 1 2 -1. - <_> - 14 9 1 1 2. - 1 - 6.7451149225234985e-003 - 2.1857760846614838e-002 - -4.6655520796775818e-001 - <_> - - <_> - - - - <_> - 4 9 2 1 -1. - <_> - 4 9 1 1 2. - 1 - -1.0237179958494380e-004 - 1.1223310232162476e-001 - -2.4498760700225830e-001 - <_> - - <_> - - - - <_> - 10 4 3 3 -1. - <_> - 11 5 1 3 3. - 1 - -3.7937998771667480e-002 - 1.5558369457721710e-001 - -2.5431839749217033e-002 - <_> - - <_> - - - - <_> - 5 8 2 2 -1. - <_> - 5 8 1 2 2. - 1 - -1.2750740163028240e-002 - -3.4159570932388306e-001 - 7.8362293541431427e-002 - <_> - - <_> - - - - <_> - 16 8 2 2 -1. - <_> - 16 8 1 2 2. - 0 - -1.2596500164363533e-004 - 1.3888040184974670e-001 - -1.7169789969921112e-001 - <_> - - <_> - - - - <_> - 0 8 2 2 -1. - <_> - 1 8 1 2 2. - 0 - -4.9405978061258793e-003 - 2.7017688751220703e-001 - -9.4520643353462219e-002 - <_> - - <_> - - - - <_> - 16 3 2 1 -1. - <_> - 16 3 1 1 2. - 0 - -2.8547599868034013e-005 - 6.3881427049636841e-002 - -6.6255062818527222e-002 - -1.8309839963912964e+000 - 5 - -1 - <_> - - - <_> - - <_> - - - - <_> - 4 6 4 2 -1. - <_> - 5 6 2 2 2. - 0 - 1.2969099916517735e-002 - -4.2454311251640320e-001 - 6.9157850742340088e-001 - <_> - - <_> - - - - <_> - 0 1 18 9 -1. - <_> - 6 4 6 3 9. - 0 - -1.0824010372161865e+000 - 6.2524372339248657e-001 - -2.5212618708610535e-001 - <_> - - <_> - - - - <_> - 1 4 10 3 -1. - <_> - 6 4 5 3 2. - 0 - 2.3240320384502411e-001 - 2.6453230530023575e-002 - -1.4411560058593750e+003 - <_> - - <_> - - - - <_> - 10 2 3 5 -1. - <_> - 11 3 1 5 3. - 1 - -2.4583930149674416e-002 - 1.5964910387992859e-001 - -7.7864259481430054e-002 - <_> - - <_> - - - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - 0 - -3.5321910399943590e-003 - 4.6771478652954102e-001 - -1.8968330323696136e-001 - <_> - - <_> - - - - <_> - 0 4 18 8 -1. - <_> - 0 8 18 4 2. - 0 - 3.3865550160408020e-001 - -4.1563400626182556e-001 - 1.8573409318923950e-001 - <_> - - <_> - - - - <_> - 0 0 6 4 -1. - <_> - 3 0 3 4 2. - 0 - -2.1326009184122086e-002 - 1.8573179841041565e-001 - -3.5007140040397644e-001 - <_> - - <_> - - - - <_> - 9 5 3 2 -1. - <_> - 10 5 1 2 3. - 0 - -6.4955209381878376e-003 - 3.5978358983993530e-001 - -1.0183329880237579e-001 - <_> - - <_> - - - - <_> - 6 5 3 2 -1. - <_> - 7 5 1 2 3. - 0 - 1.1344100348651409e-002 - -9.0360596776008606e-002 - 5.8457189798355103e-001 - <_> - - <_> - - - - <_> - 11 10 1 2 -1. - <_> - 11 11 1 1 2. - 0 - 9.0495683252811432e-005 - -2.5225359201431274e-001 - 1.3392220437526703e-001 - <_> - - <_> - - - - <_> - 5 0 8 6 -1. - <_> - 5 2 8 2 3. - 0 - 7.7168926596641541e-002 - -1.5260620415210724e-001 - 3.4043470025062561e-001 - <_> - - <_> - - - - <_> - 17 0 1 2 -1. - <_> - 17 1 1 1 2. - 0 - -9.9228993349242955e-005 - 8.5841812193393707e-002 - -5.2303139120340347e-002 - <_> - - <_> - - - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - 0 - 2.1849910262972116e-003 - 7.4815556406974792e-002 - -5.9763509035110474e-001 - <_> - - <_> - - - - <_> - 13 9 1 2 -1. - <_> - 13 9 1 1 2. - 1 - -1.0754860006272793e-002 - -3.8698300719261169e-001 - 3.2411929219961166e-002 - <_> - - <_> - - - - <_> - 5 9 2 1 -1. - <_> - 5 9 1 1 2. - 1 - -1.0488190309843048e-004 - 1.3360279798507690e-001 - -3.4231778979301453e-001 - <_> - - <_> - - - - <_> - 11 1 3 6 -1. - <_> - 12 2 1 6 3. - 1 - -5.4005950689315796e-002 - 2.1657359600067139e-001 - -3.0087789520621300e-002 - <_> - - <_> - - - - <_> - 7 1 6 3 -1. - <_> - 6 2 6 1 3. - 1 - -1.8531499430537224e-002 - 1.7578999698162079e-001 - -2.3588539659976959e-001 - <_> - - <_> - - - - <_> - 8 0 4 3 -1. - <_> - 9 0 2 3 2. - 0 - -9.0950122103095055e-003 - -5.1968222856521606e-001 - 6.4523756504058838e-002 - <_> - - <_> - - - - <_> - 4 10 2 1 -1. - <_> - 5 10 1 1 2. - 0 - -9.8823191365227103e-005 - 1.9835579395294189e-001 - -2.0098380744457245e-001 - <_> - - <_> - - - - <_> - 5 4 8 2 -1. - <_> - 5 5 8 1 2. - 0 - 2.1061999723315239e-002 - -8.2831703126430511e-002 - 4.1824889183044434e-001 - <_> - - <_> - - - - <_> - 5 3 8 3 -1. - <_> - 5 4 8 1 3. - 0 - 1.6518259420990944e-002 - -9.7873881459236145e-002 - 3.6431550979614258e-001 - <_> - - <_> - - - - <_> - 16 4 2 2 -1. - <_> - 16 4 1 2 2. - 0 - -1.9625299610197544e-003 - 1.8844370543956757e-001 - -1.6893580555915833e-001 - <_> - - <_> - - - - <_> - 7 10 4 2 -1. - <_> - 8 10 2 2 2. - 0 - 5.3389389067888260e-003 - 6.2860213220119476e-002 - -5.6821030378341675e-001 - <_> - - <_> - - - - <_> - 16 4 2 4 -1. - <_> - 16 4 1 4 2. - 0 - -4.2285309173166752e-003 - 1.2900340557098389e-001 - -1.4946889877319336e-001 - <_> - - <_> - - - - <_> - 6 11 6 1 -1. - <_> - 8 11 2 1 3. - 0 - -1.3029079884290695e-002 - -7.4421662092208862e-001 - 4.5929558575153351e-002 - <_> - - <_> - - - - <_> - 16 4 2 4 -1. - <_> - 16 4 1 4 2. - 0 - -2.1244779229164124e-002 - -3.6576640605926514e-001 - 1.0424939915537834e-002 - <_> - - <_> - - - - <_> - 0 4 2 4 -1. - <_> - 1 4 1 4 2. - 0 - -4.5967479236423969e-003 - 1.7677290737628937e-001 - -1.8999819457530975e-001 - <_> - - <_> - - - - <_> - 11 0 4 4 -1. - <_> - 12 0 2 4 2. - 0 - -8.0737788230180740e-003 - -3.2994970679283142e-001 - 6.1676099896430969e-002 - <_> - - <_> - - - - <_> - 0 3 3 3 -1. - <_> - 0 4 3 1 3. - 0 - -1.6974760219454765e-002 - -7.1400022506713867e-001 - 4.0978480130434036e-002 - <_> - - <_> - - - - <_> - 3 0 12 3 -1. - <_> - 3 1 12 1 3. - 0 - 2.0088389515876770e-002 - -1.2316899746656418e-001 - 2.6806059479713440e-001 - <_> - - <_> - - - - <_> - 3 2 12 3 -1. - <_> - 3 3 12 1 3. - 0 - 2.1707860752940178e-002 - -1.2791140377521515e-001 - 2.8688108921051025e-001 - <_> - - <_> - - - - <_> - 15 4 3 4 -1. - <_> - 15 5 3 2 2. - 0 - 1.4121609739959240e-002 - 3.0740590766072273e-002 - -3.4621009230613708e-001 - <_> - - <_> - - - - <_> - 0 4 2 4 -1. - <_> - 0 5 2 2 2. - 0 - -1.3910040259361267e-002 - -5.6334692239761353e-001 - 5.4368961602449417e-002 - <_> - - <_> - - - - <_> - 11 0 4 4 -1. - <_> - 12 0 2 4 2. - 0 - 1.3910540379583836e-002 - 3.5999219864606857e-002 - -3.7284949421882629e-001 - <_> - - <_> - - - - <_> - 4 1 8 3 -1. - <_> - 6 1 4 3 2. - 0 - -6.9868760183453560e-003 - 1.5719449520111084e-001 - -1.8703240156173706e-001 - <_> - - <_> - - - - <_> - 12 6 6 6 -1. - <_> - 12 8 6 2 3. - 0 - 1.0331939905881882e-001 - 2.4535490199923515e-002 - -5.5506777763366699e-001 - <_> - - <_> - - - - <_> - 0 6 6 6 -1. - <_> - 0 8 6 2 3. - 0 - -5.4182611405849457e-002 - -4.5211860537528992e-001 - 5.8777388185262680e-002 - <_> - - <_> - - - - <_> - 16 9 2 2 -1. - <_> - 16 10 2 1 2. - 0 - -2.7721941005438566e-003 - -4.3239548802375793e-001 - 4.4798858463764191e-002 - <_> - - <_> - - - - <_> - 8 3 6 1 -1. - <_> - 10 5 2 1 3. - 1 - -2.7594869956374168e-002 - 1.6330890357494354e-001 - -1.6784989833831787e-001 - <_> - - <_> - - - - <_> - 16 9 2 2 -1. - <_> - 16 10 2 1 2. - 0 - 1.5242209658026695e-002 - 2.7706470340490341e-002 - -6.2536621093750000e-001 - <_> - - <_> - - - - <_> - 0 9 2 2 -1. - <_> - 0 10 2 1 2. - 0 - -2.6314980350434780e-003 - -4.2216229438781738e-001 - 6.5155752003192902e-002 - <_> - - <_> - - - - <_> - 7 2 4 4 -1. - <_> - 7 3 4 2 2. - 0 - -2.3606320843100548e-002 - 3.3093869686126709e-001 - -8.2543507218360901e-002 - <_> - - <_> - - - - <_> - 8 4 4 3 -1. - <_> - 7 5 4 1 3. - 1 - -4.0896769613027573e-002 - 4.7317719459533691e-001 - -5.4770849645137787e-002 - <_> - - <_> - - - - <_> - 11 6 3 2 -1. - <_> - 12 6 1 2 3. - 0 - 1.1066540144383907e-002 - -6.1698198318481445e-002 - 3.9080050587654114e-001 - <_> - - <_> - - - - <_> - 7 6 3 3 -1. - <_> - 6 7 3 1 3. - 1 - -3.5964860580861568e-004 - 1.7784999310970306e-001 - -1.5802909433841705e-001 - <_> - - <_> - - - - <_> - 15 7 3 2 -1. - <_> - 15 7 3 1 2. - 1 - 1.0035860352218151e-002 - 3.2939091324806213e-002 - -3.5791549086570740e-001 - <_> - - <_> - - - - <_> - 3 7 2 3 -1. - <_> - 3 7 1 3 2. - 1 - -2.1251719444990158e-002 - -4.0622410178184509e-001 - 5.7364061474800110e-002 - <_> - - <_> - - - - <_> - 16 0 1 2 -1. - <_> - 16 1 1 1 2. - 0 - -9.6790026873350143e-005 - 5.5528908967971802e-002 - -6.0613408684730530e-002 - <_> - - <_> - - - - <_> - 4 6 4 2 -1. - <_> - 4 6 2 2 2. - 1 - -2.0986420568078756e-003 - 8.7490037083625793e-002 - -2.5980108976364136e-001 - <_> - - <_> - - - - <_> - 15 8 2 1 -1. - <_> - 15 8 1 1 2. - 1 - -1.5904919710010290e-003 - 9.1209657490253448e-002 - -1.8434490263462067e-001 - <_> - - <_> - - - - <_> - 3 8 1 2 -1. - <_> - 3 8 1 1 2. - 1 - 2.8348378837108612e-003 - -7.5825102627277374e-002 - 3.1011909246444702e-001 - <_> - - <_> - - - - <_> - 4 11 14 1 -1. - <_> - 4 11 7 1 2. - 0 - 5.2976410835981369e-002 - 2.2894360125064850e-002 - -3.6694788932800293e-001 - <_> - - <_> - - - - <_> - 0 11 16 1 -1. - <_> - 8 11 8 1 2. - 0 - 5.2993461489677429e-002 - 4.8855211585760117e-002 - -4.9654829502105713e-001 - <_> - - <_> - - - - <_> - 16 1 2 1 -1. - <_> - 16 1 1 1 2. - 0 - 1.1254799755988643e-004 - -6.4805597066879272e-002 - 7.7355362474918365e-002 - <_> - - <_> - - - - <_> - 0 1 2 1 -1. - <_> - 1 1 1 1 2. - 0 - -3.5766988730756566e-005 - 1.0217899829149246e-001 - -2.4918699264526367e-001 - <_> - - <_> - - - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - 1.2803260236978531e-002 - 2.1008219569921494e-002 - -4.8412579298019409e-001 - <_> - - <_> - - - - <_> - 2 0 1 2 -1. - <_> - 2 0 1 1 2. - 1 - -4.2998609133064747e-003 - -2.8178960084915161e-001 - 8.6436942219734192e-002 - <_> - - <_> - - - - <_> - 8 0 4 3 -1. - <_> - 9 0 2 3 2. - 0 - 7.0341289974749088e-003 - 4.7605708241462708e-002 - -3.1112289428710938e-001 - <_> - - <_> - - - - <_> - 4 5 2 2 -1. - <_> - 4 5 1 1 2. - <_> - 5 6 1 1 2. - 0 - -1.0176310315728188e-003 - 2.3361669480800629e-001 - -9.6844062209129333e-002 - <_> - - <_> - - - - <_> - 7 9 6 3 -1. - <_> - 9 9 2 3 3. - 0 - 1.2555380351841450e-002 - 6.3771553337574005e-002 - -3.2026350498199463e-001 - <_> - - <_> - - - - <_> - 2 5 12 6 -1. - <_> - 2 5 6 3 2. - <_> - 8 8 6 3 2. - 0 - 1.4610219746828079e-002 - -1.7586620151996613e-001 - 1.1790910363197327e-001 - <_> - - <_> - - - - <_> - 12 5 6 4 -1. - <_> - 14 5 2 4 3. - 0 - -1.8952880054712296e-002 - 1.6201509535312653e-001 - -9.1056473553180695e-002 - <_> - - <_> - - - - <_> - 0 5 6 4 -1. - <_> - 2 5 2 4 3. - 0 - -1.7667450010776520e-002 - 1.7925499379634857e-001 - -1.3047270476818085e-001 - -1.7924000024795532e+000 - 6 - -1 - <_> - - - <_> - - <_> - - - - <_> - 6 6 6 2 -1. - <_> - 8 6 2 2 3. - 0 - -1.9953019917011261e-002 - 4.6304538846015930e-001 - -5.4309362173080444e-001 - <_> - - <_> - - - - <_> - 6 4 11 6 -1. - <_> - 6 7 11 3 2. - 0 - 1.4101259410381317e-001 - -4.3483141064643860e-001 - 2.3144249618053436e-001 - <_> - - <_> - - - - <_> - 3 5 3 4 -1. - <_> - 4 5 1 4 3. - 0 - -3.8832230493426323e-003 - 3.5248211026191711e-001 - -3.3487960696220398e-001 - <_> - - <_> - - - - <_> - 0 10 18 2 -1. - <_> - 0 11 18 1 2. - 0 - 5.5682440288364887e-003 - -5.0852102041244507e-001 - 2.4366380274295807e-001 - <_> - - <_> - - - - <_> - 1 7 10 2 -1. - <_> - 1 8 10 1 2. - 0 - 1.7619030177593231e-001 - -4.3959591537714005e-002 - -2.1098750000000000e+003 - <_> - - <_> - - - - <_> - 16 0 2 4 -1. - <_> - 16 0 1 4 2. - 0 - 2.1687010303139687e-003 - -1.0676959902048111e-001 - 1.9657030701637268e-001 - <_> - - <_> - - - - <_> - 0 0 2 5 -1. - <_> - 1 0 1 5 2. - 0 - -2.4930729996412992e-003 - 1.5274609625339508e-001 - -4.5544859766960144e-001 - <_> - - <_> - - - - <_> - 0 0 18 12 -1. - <_> - 6 4 6 4 9. - 0 - -1.3881989717483521e+000 - 3.6814248561859131e-001 - -2.1648240089416504e-001 - <_> - - <_> - - - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - 0 - -1.2570229591801763e-004 - 1.6871599853038788e-001 - -3.3025780320167542e-001 - <_> - - <_> - - - - <_> - 4 0 10 2 -1. - <_> - 4 1 10 1 2. - 0 - 2.0360499620437622e-002 - -1.0959889739751816e-001 - 4.3592530488967896e-001 - <_> - - <_> - - - - <_> - 6 5 3 3 -1. - <_> - 7 5 1 3 3. - 0 - -7.7699557878077030e-003 - 3.7267988920211792e-001 - -1.1310379952192307e-001 - <_> - - <_> - - - - <_> - 7 0 9 4 -1. - <_> - 10 0 3 4 3. - 0 - -6.6438332200050354e-002 - -5.0932061672210693e-001 - 3.8267329335212708e-002 - <_> - - <_> - - - - <_> - 5 6 3 1 -1. - <_> - 6 6 1 1 3. - 0 - -2.3943830747157335e-003 - 3.7487560510635376e-001 - -1.1466500163078308e-001 - <_> - - <_> - - - - <_> - 11 5 3 3 -1. - <_> - 12 5 1 3 3. - 0 - 1.9620539620518684e-002 - -6.1430118978023529e-002 - 4.3453490734100342e-001 - <_> - - <_> - - - - <_> - 4 5 3 3 -1. - <_> - 5 5 1 3 3. - 0 - -3.5895970650017262e-003 - 2.9000890254974365e-001 - -1.4118500053882599e-001 - <_> - - <_> - - - - <_> - 10 0 4 3 -1. - <_> - 11 0 2 3 2. - 0 - 1.4298349618911743e-002 - 4.3023601174354553e-002 - -5.9506058692932129e-001 - <_> - - <_> - - - - <_> - 4 0 4 3 -1. - <_> - 5 0 2 3 2. - 0 - 8.2771573215723038e-003 - 5.7618878781795502e-002 - -6.0915398597717285e-001 - <_> - - <_> - - - - <_> - 12 6 2 2 -1. - <_> - 13 6 1 1 2. - <_> - 12 7 1 1 2. - 0 - -2.4311929009854794e-003 - 2.6851660013198853e-001 - -7.8011967241764069e-002 - <_> - - <_> - - - - <_> - 3 1 1 3 -1. - <_> - 2 2 1 1 3. - 1 - -1.1357249692082405e-002 - -5.7373368740081787e-001 - 6.1811648309230804e-002 - <_> - - <_> - - - - <_> - 6 0 6 3 -1. - <_> - 6 1 6 1 3. - 0 - -2.0995700731873512e-002 - 3.7857949733734131e-001 - -9.0212509036064148e-002 - <_> - - <_> - - - - <_> - 4 0 4 5 -1. - <_> - 5 0 2 5 2. - 0 - -1.9253190606832504e-002 - -6.1270111799240112e-001 - 5.8162990957498550e-002 - <_> - - <_> - - - - <_> - 13 8 2 2 -1. - <_> - 13 8 2 1 2. - 1 - -2.5958230253309011e-003 - 8.5419252514839172e-002 - -1.5067149698734283e-001 - <_> - - <_> - - - - <_> - 5 8 2 2 -1. - <_> - 5 8 1 2 2. - 1 - -1.7749400809407234e-002 - -5.6233870983123779e-001 - 5.8707099407911301e-002 - <_> - - <_> - - - - <_> - 12 5 6 3 -1. - <_> - 14 5 2 3 3. - 0 - -7.0752850733697414e-003 - 1.8340730667114258e-001 - -2.0476980507373810e-001 - <_> - - <_> - - - - <_> - 1 4 4 5 -1. - <_> - 2 4 2 5 2. - 0 - -8.4588937461376190e-003 - 2.5018799304962158e-001 - -1.4016430079936981e-001 - <_> - - <_> - - - - <_> - 9 3 1 8 -1. - <_> - 9 3 1 4 2. - 1 - 6.0339421033859253e-003 - 1.7297219485044479e-002 - -1.0938909649848938e-001 - <_> - - <_> - - - - <_> - 3 0 1 2 -1. - <_> - 3 0 1 1 2. - 1 - -8.7690055370330811e-003 - -5.3809267282485962e-001 - 5.5717989802360535e-002 - <_> - - <_> - - - - <_> - 0 2 18 8 -1. - <_> - 6 2 6 8 3. - 0 - -2.0211340487003326e-001 - 1.4996449649333954e-001 - -1.9804969429969788e-001 - <_> - - <_> - - - - <_> - 0 10 6 2 -1. - <_> - 3 10 3 2 2. - 0 - 9.2534068971872330e-003 - -1.2579849362373352e-001 - 2.6560428738594055e-001 - <_> - - <_> - - - - <_> - 6 6 6 2 -1. - <_> - 8 6 2 2 3. - 0 - -1.9985489547252655e-002 - -2.0184940099716187e-001 - 1.4270460605621338e-001 - <_> - - <_> - - - - <_> - 5 3 6 4 -1. - <_> - 5 3 3 2 2. - <_> - 8 5 3 2 2. - 0 - -6.4325458370149136e-003 - 1.4902539551258087e-001 - -2.2481849789619446e-001 - <_> - - <_> - - - - <_> - 15 1 2 1 -1. - <_> - 15 1 1 1 2. - 0 - -1.2979759776499122e-004 - 7.9636313021183014e-002 - -6.8467393517494202e-002 - <_> - - <_> - - - - <_> - 0 2 4 9 -1. - <_> - 0 5 4 3 3. - 0 - 7.4666491709649563e-003 - 9.1552861034870148e-002 - -3.0332839488983154e-001 - <_> - - <_> - - - - <_> - 4 2 10 4 -1. - <_> - 4 3 10 2 2. - 0 - -4.8323269933462143e-002 - 3.1203231215476990e-001 - -9.4739243388175964e-002 - <_> - - <_> - - - - <_> - 1 1 2 1 -1. - <_> - 2 1 1 1 2. - 0 - -1.0795370326377451e-004 - 1.1953579634428024e-001 - -2.3774090409278870e-001 - <_> - - <_> - - - - <_> - 6 1 6 3 -1. - <_> - 6 2 6 1 3. - 0 - -2.1394219249486923e-002 - 3.8132411241531372e-001 - -6.8722970783710480e-002 - <_> - - <_> - - - - <_> - 5 9 6 3 -1. - <_> - 7 9 2 3 3. - 0 - -2.6666570454835892e-002 - -5.3747171163558960e-001 - 5.0780180841684341e-002 - <_> - - <_> - - - - <_> - 13 8 1 3 -1. - <_> - 12 9 1 1 3. - 1 - -1.6129670664668083e-002 - -5.7956278324127197e-001 - 7.9791489988565445e-003 - <_> - - <_> - - - - <_> - 0 0 18 12 -1. - <_> - 0 0 9 6 2. - <_> - 9 6 9 6 2. - 0 - 3.9990308880805969e-001 - 3.5521049052476883e-002 - -6.6213911771774292e-001 - <_> - - <_> - - - - <_> - 14 5 4 6 -1. - <_> - 14 7 4 2 3. - 0 - 5.8418158441781998e-002 - 2.0374530926346779e-002 - -3.9533859491348267e-001 - <_> - - <_> - - - - <_> - 9 2 6 3 -1. - <_> - 11 4 2 3 3. - 1 - -6.9553457200527191e-002 - 1.5149369835853577e-001 - -1.7391009628772736e-001 - <_> - - <_> - - - - <_> - 14 6 4 6 -1. - <_> - 14 8 4 2 3. - 0 - 7.5673670507967472e-003 - -1.0654059797525406e-001 - 1.0897749662399292e-001 - <_> - - <_> - - - - <_> - 0 6 4 6 -1. - <_> - 0 8 4 2 3. - 0 - 4.7387808561325073e-002 - 4.9468740820884705e-002 - -5.5027878284454346e-001 - <_> - - <_> - - - - <_> - 14 3 4 4 -1. - <_> - 14 4 4 2 2. - 0 - -3.7050791084766388e-002 - -3.8515409827232361e-001 - 2.2248979657888412e-002 - <_> - - <_> - - - - <_> - 0 3 4 4 -1. - <_> - 0 4 4 2 2. - 0 - -3.0018899589776993e-002 - -6.4674687385559082e-001 - 3.3203490078449249e-002 - <_> - - <_> - - - - <_> - 11 3 4 4 -1. - <_> - 11 4 4 2 2. - 0 - 1.5431820414960384e-002 - -4.4999931007623672e-002 - 2.4443189799785614e-001 - <_> - - <_> - - - - <_> - 2 3 6 4 -1. - <_> - 2 4 6 2 2. - 0 - -8.2180695608258247e-003 - 1.5854990482330322e-001 - -1.9471940398216248e-001 - <_> - - <_> - - - - <_> - 13 5 3 3 -1. - <_> - 14 6 1 3 3. - 1 - 4.0984179824590683e-002 - -3.4700211137533188e-002 - 3.3703771233558655e-001 - <_> - - <_> - - - - <_> - 5 5 3 3 -1. - <_> - 4 6 3 1 3. - 1 - -8.5833184421062469e-003 - 1.9440969824790955e-001 - -1.2268470227718353e-001 - <_> - - <_> - - - - <_> - 9 1 4 4 -1. - <_> - 10 1 2 4 2. - 0 - -4.5410390943288803e-002 - -8.1189441680908203e-001 - 8.0366088077425957e-003 - <_> - - <_> - - - - <_> - 4 9 4 2 -1. - <_> - 5 9 2 2 2. - 0 - -9.0532200410962105e-003 - -5.5083888769149780e-001 - 4.0210179984569550e-002 - <_> - - <_> - - - - <_> - 15 6 3 3 -1. - <_> - 16 7 1 3 3. - 1 - -1.1325759813189507e-002 - 9.9898673593997955e-002 - -3.9981659501791000e-002 - <_> - - <_> - - - - <_> - 5 1 4 4 -1. - <_> - 6 1 2 4 2. - 0 - -1.7502499744296074e-002 - -5.0785058736801147e-001 - 4.4904891401529312e-002 - <_> - - <_> - - - - <_> - 15 6 3 3 -1. - <_> - 16 7 1 3 3. - 1 - 4.0354807861149311e-003 - -7.3971033096313477e-002 - 8.6997002363204956e-002 - <_> - - <_> - - - - <_> - 3 6 3 3 -1. - <_> - 2 7 3 1 3. - 1 - -1.9440140575170517e-002 - 3.5637879371643066e-001 - -6.4185008406639099e-002 - <_> - - <_> - - - - <_> - 13 6 2 4 -1. - <_> - 13 6 2 2 2. - 1 - 3.4901369363069534e-002 - 1.3781890273094177e-002 - -3.0902290344238281e-001 - <_> - - <_> - - - - <_> - 5 6 4 2 -1. - <_> - 5 6 2 2 2. - 1 - -5.0566188991069794e-002 - -3.5108640789985657e-001 - 6.5844587981700897e-002 - <_> - - <_> - - - - <_> - 7 1 9 3 -1. - <_> - 10 1 3 3 3. - 0 - -1.4756169915199280e-001 - -6.8759101629257202e-001 - 4.7263758460758254e-005 - <_> - - <_> - - - - <_> - 2 1 9 3 -1. - <_> - 5 1 3 3 3. - 0 - -1.0150520130991936e-002 - 1.2052480131387711e-001 - -1.7938989400863647e-001 - <_> - - <_> - - - - <_> - 11 0 4 5 -1. - <_> - 12 0 2 5 2. - 0 - -2.2828230634331703e-002 - -4.8896029591560364e-001 - 1.8085980787873268e-002 - <_> - - <_> - - - - <_> - 7 5 3 3 -1. - <_> - 6 6 3 1 3. - 1 - -1.8258199095726013e-002 - 3.4773400425910950e-001 - -6.3224472105503082e-002 - <_> - - <_> - - - - <_> - 11 0 4 5 -1. - <_> - 12 0 2 5 2. - 0 - 1.3490609824657440e-002 - 2.3697679862380028e-002 - -1.3777829706668854e-001 - <_> - - <_> - - - - <_> - 3 0 4 5 -1. - <_> - 4 0 2 5 2. - 0 - -1.6170579940080643e-002 - -4.2869010567665100e-001 - 5.1102340221405029e-002 - <_> - - <_> - - - - <_> - 6 2 6 3 -1. - <_> - 6 3 6 1 3. - 0 - -1.8929179757833481e-002 - 2.6792019605636597e-001 - -7.7223733067512512e-002 - -1.7122819423675537e+000 - 7 - -1 - <_> - - - <_> - - <_> - - - - <_> - 7 4 6 2 -1. - <_> - 7 4 6 1 2. - 1 - -5.6362848728895187e-002 - 6.2295049428939819e-001 - -3.9318370819091797e-001 - <_> - - <_> - - - - <_> - 6 0 12 3 -1. - <_> - 10 0 4 3 3. - 0 - 1.9950939342379570e-002 - -1.4530490338802338e-001 - 2.4978880584239960e-001 - <_> - - <_> - - - - <_> - 9 3 6 1 -1. - <_> - 9 3 3 1 2. - 1 - -4.6843659132719040e-002 - 3.9532458782196045e-001 - -3.0981910228729248e-001 - <_> - - <_> - - - - <_> - 14 0 4 2 -1. - <_> - 14 0 2 2 2. - 0 - 3.4703789278864861e-003 - -7.6643757522106171e-002 - 1.4895190298557281e-001 - <_> - - <_> - - - - <_> - 0 0 6 2 -1. - <_> - 3 0 3 2 2. - 0 - -6.1464528553187847e-003 - 1.8411460518836975e-001 - -4.8829838633537292e-001 - <_> - - <_> - - - - <_> - 3 10 12 2 -1. - <_> - 3 11 12 1 2. - 0 - 6.1217881739139557e-003 - -4.2313280701637268e-001 - 1.9597740471363068e-001 - <_> - - <_> - - - - <_> - 1 3 16 2 -1. - <_> - 1 4 16 1 2. - 0 - -1.8062189221382141e-002 - 2.3335799574851990e-001 - -2.9320231080055237e-001 - <_> - - <_> - - - - <_> - 12 5 4 3 -1. - <_> - 13 5 2 3 2. - 0 - -5.3905011154711246e-003 - 3.0706161260604858e-001 - -2.2423399984836578e-001 - <_> - - <_> - - - - <_> - 0 1 2 1 -1. - <_> - 1 1 1 1 2. - 0 - -1.1563429870875552e-004 - 1.2549179792404175e-001 - -3.5768839716911316e-001 - <_> - - <_> - - - - <_> - 12 9 1 2 -1. - <_> - 12 9 1 1 2. - 1 - -1.2130189687013626e-002 - -4.3862840533256531e-001 - 1.5064669772982597e-002 - <_> - - <_> - - - - <_> - 8 5 3 1 -1. - <_> - 9 6 1 1 3. - 1 - -4.5520379208028316e-003 - 1.7858989536762238e-001 - -2.0970739424228668e-001 - <_> - - <_> - - - - <_> - 14 0 3 2 -1. - <_> - 15 1 1 2 3. - 1 - -2.3341009393334389e-002 - -4.7605940699577332e-001 - 2.9896590858697891e-002 - <_> - - <_> - - - - <_> - 4 0 2 3 -1. - <_> - 3 1 2 1 3. - 1 - 1.0201729834079742e-002 - 7.7540546655654907e-002 - -4.6611380577087402e-001 - <_> - - <_> - - - - <_> - 11 6 6 2 -1. - <_> - 13 6 2 2 3. - 0 - 4.7306690365076065e-002 - -3.8885660469532013e-002 - 5.0057899951934814e-001 - <_> - - <_> - - - - <_> - 1 6 6 2 -1. - <_> - 3 6 2 2 3. - 0 - -9.2814108356833458e-003 - 2.0289039611816406e-001 - -1.8781319260597229e-001 - <_> - - <_> - - - - <_> - 12 9 1 2 -1. - <_> - 12 9 1 1 2. - 1 - 1.1665919795632362e-002 - 3.4593590535223484e-003 - -6.7075312137603760e-001 - <_> - - <_> - - - - <_> - 6 9 2 1 -1. - <_> - 6 9 1 1 2. - 1 - -1.1174700222909451e-002 - -6.7676198482513428e-001 - 5.3503561764955521e-002 - <_> - - <_> - - - - <_> - 13 0 3 7 -1. - <_> - 14 0 1 7 3. - 0 - -3.0277540907263756e-002 - -6.1764931678771973e-001 - 2.5672059506177902e-002 - <_> - - <_> - - - - <_> - 2 0 3 7 -1. - <_> - 3 0 1 7 3. - 0 - -2.6489820331335068e-002 - -6.5213251113891602e-001 - 4.6798661351203918e-002 - <_> - - <_> - - - - <_> - 4 3 10 3 -1. - <_> - 4 4 10 1 3. - 0 - 3.6063250154256821e-002 - -7.9508572816848755e-002 - 3.9742410182952881e-001 - <_> - - <_> - - - - <_> - 0 8 18 4 -1. - <_> - 0 10 18 2 2. - 0 - 3.8237631320953369e-002 - -3.4497588872909546e-001 - 8.8161222636699677e-002 - <_> - - <_> - - - - <_> - 16 9 2 3 -1. - <_> - 16 10 2 1 3. - 0 - 9.8143024370074272e-003 - 3.8055408746004105e-002 - -5.7297128438949585e-001 - <_> - - <_> - - - - <_> - 0 5 18 6 -1. - <_> - 0 5 9 3 2. - <_> - 9 8 9 3 2. - 0 - 1.0969569848384708e-004 - -2.3766790330410004e-001 - 1.1281009763479233e-001 - <_> - - <_> - - - - <_> - 13 1 5 9 -1. - <_> - 13 4 5 3 3. - 0 - -6.4720593392848969e-002 - 5.7318519800901413e-002 - -8.4692500531673431e-002 - <_> - - <_> - - - - <_> - 0 1 5 9 -1. - <_> - 0 4 5 3 3. - 0 - -9.3549508601427078e-003 - 1.0101249814033508e-001 - -3.0118590593338013e-001 - <_> - - <_> - - - - <_> - 0 4 18 2 -1. - <_> - 6 4 6 2 3. - 0 - -6.4732283353805542e-002 - 1.3135200738906860e-001 - -2.2299380600452423e-001 - <_> - - <_> - - - - <_> - 6 2 6 2 -1. - <_> - 6 3 6 1 2. - 0 - 1.4942260459065437e-002 - -7.4695453047752380e-002 - 4.2155799269676208e-001 - <_> - - <_> - - - - <_> - 6 0 6 2 -1. - <_> - 6 1 6 1 2. - 0 - 9.1112721711397171e-003 - -1.0271769762039185e-001 - 2.9674398899078369e-001 - <_> - - <_> - - - - <_> - 4 0 10 6 -1. - <_> - 4 2 10 2 3. - 0 - -1.0131099820137024e-001 - 4.0764111280441284e-001 - -8.9215211570262909e-002 - <_> - - <_> - - - - <_> - 16 0 2 2 -1. - <_> - 16 0 1 2 2. - 1 - 1.9525960087776184e-002 - 4.5859400182962418e-002 - -5.3067690134048462e-001 - <_> - - <_> - - - - <_> - 2 0 2 2 -1. - <_> - 2 0 2 1 2. - 1 - -1.6093149781227112e-002 - -5.0799179077148438e-001 - 4.7188449651002884e-002 - <_> - - <_> - - - - <_> - 10 11 2 1 -1. - <_> - 10 11 1 1 2. - 0 - -3.7084550131112337e-003 - -5.4375791549682617e-001 - 1.7073409631848335e-002 - <_> - - <_> - - - - <_> - 6 11 2 1 -1. - <_> - 7 11 1 1 2. - 0 - -1.0553289757808670e-004 - 1.6604019701480865e-001 - -1.4265109598636627e-001 - <_> - - <_> - - - - <_> - 10 4 3 4 -1. - <_> - 11 5 1 4 3. - 1 - -2.2228319197893143e-002 - 1.1051969975233078e-001 - -6.7340642213821411e-002 - <_> - - <_> - - - - <_> - 0 6 2 2 -1. - <_> - 1 6 1 2 2. - 0 - -3.9571961387991905e-003 - 1.9017930328845978e-001 - -1.2256579846143723e-001 - <_> - - <_> - - - - <_> - 15 8 2 2 -1. - <_> - 15 8 1 2 2. - 1 - -2.9267009813338518e-003 - 9.4764962792396545e-002 - -1.8430569767951965e-001 - <_> - - <_> - - - - <_> - 3 8 2 2 -1. - <_> - 3 8 2 1 2. - 1 - 4.4974898919463158e-003 - -9.1449737548828125e-002 - 3.5069960355758667e-001 - <_> - - <_> - - - - <_> - 0 0 18 1 -1. - <_> - 0 0 9 1 2. - 0 - -1.8627950921654701e-002 - 2.3541490733623505e-001 - -1.0408759862184525e-001 - <_> - - <_> - - - - <_> - 2 8 2 2 -1. - <_> - 2 8 1 2 2. - 1 - -1.2022979557514191e-002 - -3.8634741306304932e-001 - 6.5065048635005951e-002 - <_> - - <_> - - - - <_> - 15 5 3 6 -1. - <_> - 15 7 3 2 3. - 0 - 5.6308001279830933e-002 - 1.1871179565787315e-002 - -4.9800288677215576e-001 - <_> - - <_> - - - - <_> - 0 5 3 6 -1. - <_> - 0 7 3 2 3. - 0 - 3.9565019309520721e-002 - 3.7156730890274048e-002 - -6.4833837747573853e-001 - <_> - - <_> - - - - <_> - 10 4 3 4 -1. - <_> - 11 5 1 4 3. - 1 - 2.8078509494662285e-002 - -2.1756550297141075e-002 - 2.5639408826828003e-001 - <_> - - <_> - - - - <_> - 8 4 4 3 -1. - <_> - 7 5 4 1 3. - 1 - 4.6927139163017273e-002 - -5.3349718451499939e-002 - 4.3058720231056213e-001 - <_> - - <_> - - - - <_> - 11 3 3 4 -1. - <_> - 12 4 1 4 3. - 1 - -2.5176439434289932e-002 - 9.7822599112987518e-002 - -5.9893220663070679e-002 - <_> - - <_> - - - - <_> - 7 2 1 3 -1. - <_> - 6 3 1 1 3. - 1 - 8.8344141840934753e-003 - 5.6916769593954086e-002 - -4.0340718626976013e-001 - <_> - - <_> - - - - <_> - 13 3 2 1 -1. - <_> - 13 3 1 1 2. - 1 - 1.7008539289236069e-002 - 1.8180780112743378e-002 - -5.2570241689682007e-001 - <_> - - <_> - - - - <_> - 5 3 1 2 -1. - <_> - 5 3 1 1 2. - 1 - -8.2875955849885941e-003 - -4.3682220578193665e-001 - 5.4094731807708740e-002 - <_> - - <_> - - - - <_> - 11 3 3 4 -1. - <_> - 12 4 1 4 3. - 1 - 3.8746491074562073e-002 - -1.8321389332413673e-002 - 3.3403670787811279e-001 - <_> - - <_> - - - - <_> - 6 10 4 2 -1. - <_> - 7 10 2 2 2. - 0 - -7.2010462172329426e-003 - -5.4613822698593140e-001 - 4.0649890899658203e-002 - <_> - - <_> - - - - <_> - 11 3 3 4 -1. - <_> - 12 4 1 4 3. - 1 - -9.9961467087268829e-002 - -4.5017239451408386e-001 - 2.8199090156704187e-003 - <_> - - <_> - - - - <_> - 7 3 4 3 -1. - <_> - 6 4 4 1 3. - 1 - -2.5273600593209267e-002 - 2.8241640329360962e-001 - -7.7918551862239838e-002 - <_> - - <_> - - - - <_> - 11 5 4 3 -1. - <_> - 12 5 2 3 2. - 0 - 1.0812750086188316e-002 - -6.5411068499088287e-002 - 1.8664279580116272e-001 - <_> - - <_> - - - - <_> - 0 8 6 4 -1. - <_> - 0 9 6 2 2. - 0 - 2.7010150253772736e-002 - 3.8035649806261063e-002 - -5.4452228546142578e-001 - <_> - - <_> - - - - <_> - 16 1 2 2 -1. - <_> - 17 1 1 1 2. - <_> - 16 2 1 1 2. - 0 - -1.1786170216510072e-004 - 1.0787220299243927e-001 - -9.9519513547420502e-002 - <_> - - <_> - - - - <_> - 0 1 2 2 -1. - <_> - 0 1 1 1 2. - <_> - 1 2 1 1 2. - 0 - -1.1047790030715987e-004 - 1.5495459735393524e-001 - -1.3301509618759155e-001 - <_> - - <_> - - - - <_> - 5 1 8 2 -1. - <_> - 5 2 8 1 2. - 0 - 1.8215600401163101e-002 - -6.8660423159599304e-002 - 3.1199648976325989e-001 - <_> - - <_> - - - - <_> - 0 0 10 4 -1. - <_> - 0 0 5 2 2. - <_> - 5 2 5 2 2. - 0 - -5.3898409008979797e-002 - 3.9685648679733276e-001 - -6.3897557556629181e-002 - <_> - - <_> - - - - <_> - 11 0 3 5 -1. - <_> - 12 0 1 5 3. - 0 - 1.3358090072870255e-002 - 3.1209040433168411e-002 - -2.4712960422039032e-001 - <_> - - <_> - - - - <_> - 4 0 3 5 -1. - <_> - 5 0 1 5 3. - 0 - -1.5800479799509048e-002 - -5.2216792106628418e-001 - 4.1600730270147324e-002 - <_> - - <_> - - - - <_> - 17 1 1 2 -1. - <_> - 17 2 1 1 2. - 0 - -1.1199319851584733e-004 - 8.4395922720432281e-002 - -8.4499090909957886e-002 - <_> - - <_> - - - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - 0 - -9.2885202320758253e-005 - 9.7559772431850433e-002 - -2.1725979447364807e-001 - <_> - - <_> - - - - <_> - 11 5 3 4 -1. - <_> - 12 5 1 4 3. - 0 - -4.7041969373822212e-003 - 2.4064439535140991e-001 - -8.1906877458095551e-002 - <_> - - <_> - - - - <_> - 3 4 4 5 -1. - <_> - 4 4 2 5 2. - 0 - -6.7193550057709217e-003 - 2.0804579555988312e-001 - -1.2089549750089645e-001 - <_> - - <_> - - - - <_> - 7 9 4 3 -1. - <_> - 8 9 2 3 2. - 0 - 1.1287519708275795e-002 - 2.9528530314564705e-002 - -7.2591358423233032e-001 - <_> - - <_> - - - - <_> - 8 2 5 3 -1. - <_> - 7 3 5 1 3. - 1 - -1.5930920839309692e-002 - 1.1086650192737579e-001 - -1.8737399578094482e-001 - <_> - - <_> - - - - <_> - 16 8 1 2 -1. - <_> - 16 9 1 1 2. - 0 - 1.2024390161968768e-004 - -1.7434149980545044e-001 - 6.9688543677330017e-002 - <_> - - <_> - - - - <_> - 0 9 3 3 -1. - <_> - 0 10 3 1 3. - 0 - -1.0100419633090496e-002 - -5.1131051778793335e-001 - 3.8271598517894745e-002 - <_> - - <_> - - - - <_> - 13 1 3 3 -1. - <_> - 12 2 3 1 3. - 1 - 2.5751100853085518e-002 - -5.4672010242938995e-002 - 2.3799930512905121e-001 - <_> - - <_> - - - - <_> - 5 1 3 3 -1. - <_> - 6 2 1 3 3. - 1 - -2.0234059542417526e-002 - 2.6857110857963562e-001 - -7.7714122831821442e-002 - <_> - - <_> - - - - <_> - 16 0 1 2 -1. - <_> - 16 1 1 1 2. - 0 - -2.0138830586802214e-004 - 6.1015319079160690e-002 - -5.6767448782920837e-002 - <_> - - <_> - - - - <_> - 0 7 1 2 -1. - <_> - 0 8 1 1 2. - 0 - 8.7477441411465406e-005 - -1.6955520212650299e-001 - 1.1403830349445343e-001 - -1.7348790168762207e+000 - 8 - -1 - <_> - - - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -5.8045219630002975e-002 - 6.2558948993682861e-001 - -3.3365538716316223e-001 - <_> - - <_> - - - - <_> - 4 3 10 4 -1. - <_> - 4 4 10 2 2. - 0 - -5.0243478268384933e-002 - 4.7322180867195129e-001 - -2.9186329245567322e-001 - <_> - - <_> - - - - <_> - 1 4 16 8 -1. - <_> - 1 8 16 4 2. - 0 - 3.8331419229507446e-001 - -3.9113879203796387e-001 - 2.5622650980949402e-001 - <_> - - <_> - - - - <_> - 12 6 2 4 -1. - <_> - 13 6 1 2 2. - <_> - 12 8 1 2 2. - 0 - -4.0044081397354603e-003 - 3.6399510502815247e-001 - -1.9256359338760376e-001 - <_> - - <_> - - - - <_> - 0 0 12 3 -1. - <_> - 4 0 4 3 3. - 0 - -3.7470009177923203e-002 - 1.7452430725097656e-001 - -3.1919050216674805e-001 - <_> - - <_> - - - - <_> - 13 5 3 4 -1. - <_> - 14 6 1 4 3. - 1 - 2.9117159545421600e-002 - -5.4369669407606125e-002 - 3.1064510345458984e-001 - <_> - - <_> - - - - <_> - 5 5 4 3 -1. - <_> - 4 6 4 1 3. - 1 - -1.1656920425593853e-002 - 2.5671890377998352e-001 - -1.8017989397048950e-001 - <_> - - <_> - - - - <_> - 16 3 2 1 -1. - <_> - 16 3 1 1 2. - 0 - -1.0440209734952077e-004 - 6.1535339802503586e-002 - -9.6504412591457367e-002 - <_> - - <_> - - - - <_> - 0 3 2 1 -1. - <_> - 1 3 1 1 2. - 0 - -1.0555270273471251e-004 - 1.2562979757785797e-001 - -2.9777041077613831e-001 - <_> - - <_> - - - - <_> - 2 6 16 6 -1. - <_> - 10 6 8 3 2. - <_> - 2 9 8 3 2. - 0 - 7.5841680169105530e-002 - 7.2272002696990967e-002 - -3.9159971475601196e-001 - <_> - - <_> - - - - <_> - 6 5 6 3 -1. - <_> - 8 6 2 1 9. - 0 - -3.0494170263409615e-002 - 1.4515119791030884e-001 - -2.1794329583644867e-001 - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -5.8034840971231461e-002 - -4.3140959739685059e-001 - 9.2317827045917511e-002 - <_> - - <_> - - - - <_> - 1 1 10 8 -1. - <_> - 6 1 5 8 2. - 0 - -2.9059879481792450e-002 - 1.2736010551452637e-001 - -2.6893270015716553e-001 - <_> - - <_> - - - - <_> - 16 0 1 2 -1. - <_> - 16 1 1 1 2. - 0 - 1.1368029663572088e-004 - -7.3847033083438873e-002 - 8.1634096801280975e-002 - <_> - - <_> - - - - <_> - 1 0 1 2 -1. - <_> - 1 1 1 1 2. - 0 - -9.8208111012354493e-005 - 1.4976090192794800e-001 - -2.6417461037635803e-001 - <_> - - <_> - - - - <_> - 3 0 15 4 -1. - <_> - 3 1 15 2 2. - 0 - 3.9730750024318695e-002 - -1.3633200526237488e-001 - 2.3572669923305511e-001 - <_> - - <_> - - - - <_> - 2 2 14 4 -1. - <_> - 2 3 14 2 2. - 0 - 2.9196860268712044e-002 - -1.1701930314302444e-001 - 3.0721390247344971e-001 - <_> - - <_> - - - - <_> - 15 0 3 1 -1. - <_> - 16 1 1 1 3. - 1 - 7.9500172287225723e-003 - 6.5656699240207672e-002 - -3.5064420104026794e-001 - <_> - - <_> - - - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - -1.0177420452237129e-002 - -5.5617290735244751e-001 - 5.7798638939857483e-002 - <_> - - <_> - - - - <_> - 0 10 18 2 -1. - <_> - 0 11 18 1 2. - 0 - 1.6030209371820092e-004 - -4.1421860456466675e-001 - 6.5753549337387085e-002 - <_> - - <_> - - - - <_> - 7 9 2 1 -1. - <_> - 7 9 1 1 2. - 1 - -9.3059297651052475e-003 - -5.4771828651428223e-001 - 5.4126661270856857e-002 - <_> - - <_> - - - - <_> - 12 6 2 2 -1. - <_> - 13 6 1 1 2. - <_> - 12 7 1 1 2. - 0 - 3.0308510176837444e-003 - -7.0931516587734222e-002 - 2.7669700980186462e-001 - <_> - - <_> - - - - <_> - 4 6 2 2 -1. - <_> - 4 6 1 1 2. - <_> - 5 7 1 1 2. - 0 - -1.1008529691025615e-003 - 2.4519720673561096e-001 - -1.1666910350322723e-001 - <_> - - <_> - - - - <_> - 11 0 4 4 -1. - <_> - 12 0 2 4 2. - 0 - 1.1806489899754524e-002 - 3.6385551095008850e-002 - -3.4721049666404724e-001 - <_> - - <_> - - - - <_> - 2 1 3 2 -1. - <_> - 2 1 3 1 2. - 1 - 1.1421480216085911e-002 - 6.0349930077791214e-002 - -4.1798681020736694e-001 - <_> - - <_> - - - - <_> - 5 2 8 3 -1. - <_> - 5 3 8 1 3. - 0 - -3.1913980841636658e-002 - 3.7621480226516724e-001 - -7.5227960944175720e-002 - <_> - - <_> - - - - <_> - 0 3 2 2 -1. - <_> - 0 3 1 1 2. - <_> - 1 4 1 1 2. - 0 - -1.0130680311704054e-004 - 1.8032610416412354e-001 - -1.4267539978027344e-001 - <_> - - <_> - - - - <_> - 8 0 4 4 -1. - <_> - 9 0 2 4 2. - 0 - 1.2019679881632328e-002 - 4.4374089688062668e-002 - -4.2647609114646912e-001 - <_> - - <_> - - - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - 0 - -1.1055770301027223e-004 - 9.3973703682422638e-002 - -2.4647060036659241e-001 - <_> - - <_> - - - - <_> - 15 0 2 3 -1. - <_> - 15 0 1 3 2. - 1 - 3.0081219971179962e-002 - 1.8790829926729202e-002 - -3.6197790503501892e-001 - <_> - - <_> - - - - <_> - 3 0 3 2 -1. - <_> - 3 0 3 1 2. - 1 - -1.3911399990320206e-002 - -3.4600418806076050e-001 - 6.4775317907333374e-002 - <_> - - <_> - - - - <_> - 7 0 4 3 -1. - <_> - 7 1 4 1 3. - 0 - -1.1680570431053638e-002 - 2.8401941061019897e-001 - -8.2157500088214874e-002 - <_> - - <_> - - - - <_> - 6 9 2 1 -1. - <_> - 6 9 1 1 2. - 1 - -1.1604610335780308e-004 - 9.5449857413768768e-002 - -2.5136241316795349e-001 - <_> - - <_> - - - - <_> - 9 1 4 5 -1. - <_> - 10 2 2 5 2. - 1 - -4.9045611172914505e-002 - 1.6295669972896576e-001 - -3.1894739717245102e-002 - <_> - - <_> - - - - <_> - 9 1 5 4 -1. - <_> - 8 2 5 2 2. - 1 - -3.2497879117727280e-002 - 1.2830619513988495e-001 - -1.9523960351943970e-001 - <_> - - <_> - - - - <_> - 10 4 3 3 -1. - <_> - 11 5 1 3 3. - 1 - -1.1159799993038177e-002 - 9.6235200762748718e-002 - -1.3243910670280457e-001 - <_> - - <_> - - - - <_> - 4 8 3 1 -1. - <_> - 5 9 1 1 3. - 1 - -1.0230819694697857e-002 - -5.4654151201248169e-001 - 4.2988520115613937e-002 - <_> - - <_> - - - - <_> - 11 3 3 5 -1. - <_> - 12 4 1 5 3. - 1 - 1.3818079605698586e-002 - -3.5042509436607361e-002 - 1.9387160241603851e-001 - <_> - - <_> - - - - <_> - 7 3 5 3 -1. - <_> - 6 4 5 1 3. - 1 - -3.2773461192846298e-002 - 3.3459728956222534e-001 - -6.9436222314834595e-002 - <_> - - <_> - - - - <_> - 11 6 4 1 -1. - <_> - 12 6 2 1 2. - 0 - -3.0122410971671343e-003 - 2.3572669923305511e-001 - -6.8288393318653107e-002 - <_> - - <_> - - - - <_> - 3 5 4 3 -1. - <_> - 4 5 2 3 2. - 0 - -3.6818650551140308e-003 - 1.9051979482173920e-001 - -1.4668950438499451e-001 - <_> - - <_> - - - - <_> - 12 3 3 1 -1. - <_> - 13 4 1 1 3. - 1 - -3.0836980789899826e-002 - -3.7860611081123352e-001 - 1.3093659654259682e-002 - <_> - - <_> - - - - <_> - 6 3 1 3 -1. - <_> - 5 4 1 1 3. - 1 - -1.6258839517831802e-002 - -6.0836392641067505e-001 - 4.6812709420919418e-002 - <_> - - <_> - - - - <_> - 8 0 3 3 -1. - <_> - 9 0 1 3 3. - 0 - -9.0061817318201065e-003 - -5.4105937480926514e-001 - 3.7968978285789490e-002 - <_> - - <_> - - - - <_> - 6 0 5 2 -1. - <_> - 6 1 5 1 2. - 0 - 1.1912579648196697e-002 - -8.6741238832473755e-002 - 2.6622739434242249e-001 - <_> - - <_> - - - - <_> - 13 0 3 2 -1. - <_> - 14 1 1 2 3. - 1 - -4.3502021580934525e-002 - -7.2856420278549194e-001 - 7.2535811923444271e-003 - <_> - - <_> - - - - <_> - 5 0 2 3 -1. - <_> - 4 1 2 1 3. - 1 - 1.1481899768114090e-002 - 6.1771500855684280e-002 - -4.0001630783081055e-001 - <_> - - <_> - - - - <_> - 6 10 6 2 -1. - <_> - 8 10 2 2 3. - 0 - -2.1509420126676559e-002 - -6.4027559757232666e-001 - 2.7487259358167648e-002 - <_> - - <_> - - - - <_> - 0 6 18 6 -1. - <_> - 0 9 18 3 2. - 0 - -3.9324969984591007e-003 - -7.3666751384735107e-001 - 2.0676780492067337e-002 - <_> - - <_> - - - - <_> - 14 6 4 6 -1. - <_> - 15 6 2 6 2. - 0 - -4.7581312246620655e-003 - 1.4155970513820648e-001 - -9.4146639108657837e-002 - <_> - - <_> - - - - <_> - 7 7 2 2 -1. - <_> - 7 7 1 2 2. - 1 - -1.7454020678997040e-002 - -3.8733229041099548e-001 - 4.8368278890848160e-002 - <_> - - <_> - - - - <_> - 14 6 4 6 -1. - <_> - 15 6 2 6 2. - 0 - -4.7281790524721146e-002 - -4.6986758708953857e-001 - 5.1076877862215042e-003 - <_> - - <_> - - - - <_> - 0 6 4 6 -1. - <_> - 1 6 2 6 2. - 0 - -1.0604689829051495e-002 - 2.0816320180892944e-001 - -8.8896490633487701e-002 - <_> - - <_> - - - - <_> - 11 0 3 1 -1. - <_> - 12 1 1 1 3. - 1 - -6.6771931014955044e-003 - 1.4150680601596832e-001 - -2.3727510124444962e-002 - <_> - - <_> - - - - <_> - 7 0 4 3 -1. - <_> - 8 0 2 3 2. - 0 - 8.6871385574340820e-003 - 4.5327730476856232e-002 - -4.2952930927276611e-001 - <_> - - <_> - - - - <_> - 14 5 4 5 -1. - <_> - 15 5 2 5 2. - 0 - -5.8880778960883617e-003 - 6.8065337836742401e-002 - -4.6702779829502106e-002 - <_> - - <_> - - - - <_> - 0 5 4 5 -1. - <_> - 1 5 2 5 2. - 0 - 9.6327122300863266e-003 - -8.0038279294967651e-002 - 2.5579911470413208e-001 - <_> - - <_> - - - - <_> - 8 0 3 4 -1. - <_> - 9 0 1 4 3. - 0 - 1.3295389711856842e-002 - 1.7721930518746376e-002 - -3.2223680615425110e-001 - <_> - - <_> - - - - <_> - 5 9 2 1 -1. - <_> - 5 9 1 1 2. - 1 - -2.2117589833214879e-004 - 8.6900167167186737e-002 - -2.2269949316978455e-001 - <_> - - <_> - - - - <_> - 16 4 2 2 -1. - <_> - 17 4 1 1 2. - <_> - 16 5 1 1 2. - 0 - -1.1635709961410612e-004 - 1.1741170287132263e-001 - -1.1703369766473770e-001 - <_> - - <_> - - - - <_> - 0 4 2 2 -1. - <_> - 0 4 1 1 2. - <_> - 1 5 1 1 2. - 0 - -1.1243829794693738e-004 - 1.5170790255069733e-001 - -1.2557980418205261e-001 - <_> - - <_> - - - - <_> - 6 1 12 2 -1. - <_> - 12 1 6 1 2. - <_> - 6 2 6 1 2. - 0 - 1.3494050130248070e-002 - -3.2267540693283081e-002 - 1.3067859411239624e-001 - <_> - - <_> - - - - <_> - 0 1 12 2 -1. - <_> - 0 1 6 1 2. - <_> - 6 2 6 1 2. - 0 - -1.4105159789323807e-002 - 2.5845968723297119e-001 - -8.1946328282356262e-002 - <_> - - <_> - - - - <_> - 16 1 1 2 -1. - <_> - 16 2 1 1 2. - 0 - -4.9773012287914753e-003 - -2.4286900460720062e-001 - 2.4097239598631859e-002 - <_> - - <_> - - - - <_> - 1 1 1 2 -1. - <_> - 1 2 1 1 2. - 0 - -1.1385620018700138e-004 - 1.2425749748945236e-001 - -1.9230820238590240e-001 - <_> - - <_> - - - - <_> - 0 9 18 3 -1. - <_> - 6 9 6 3 3. - 0 - -8.6696133017539978e-002 - 2.1385669708251953e-001 - -9.1387532651424408e-002 - <_> - - <_> - - - - <_> - 3 7 3 2 -1. - <_> - 3 7 3 1 2. - 1 - 1.0115380398929119e-002 - -5.7194989174604416e-002 - 3.4964808821678162e-001 - <_> - - <_> - - - - <_> - 15 8 3 4 -1. - <_> - 15 9 3 2 2. - 0 - 1.2917679734528065e-002 - 6.4482808113098145e-002 - -3.6598050594329834e-001 - <_> - - <_> - - - - <_> - 0 8 3 4 -1. - <_> - 0 9 3 2 2. - 0 - -1.0063810274004936e-002 - -4.3763339519500732e-001 - 4.6401929110288620e-002 - <_> - - <_> - - - - <_> - 10 6 2 2 -1. - <_> - 11 6 1 1 2. - <_> - 10 7 1 1 2. - 0 - -3.8289760705083609e-003 - 2.6984658837318420e-001 - -4.3675228953361511e-002 - <_> - - <_> - - - - <_> - 3 0 6 4 -1. - <_> - 5 0 2 4 3. - 0 - 2.9884070158004761e-002 - 3.4730698913335800e-002 - -4.9211961030960083e-001 - <_> - - <_> - - - - <_> - 10 0 1 6 -1. - <_> - 8 2 1 2 3. - 1 - 4.9557611346244812e-002 - -1.4452800154685974e-002 - 2.5015810132026672e-001 - <_> - - <_> - - - - <_> - 0 4 5 6 -1. - <_> - 0 6 5 2 3. - 0 - -1.1242230236530304e-001 - -7.0981448888778687e-001 - 2.4513319134712219e-002 - <_> - - <_> - - - - <_> - 11 5 1 3 -1. - <_> - 10 6 1 1 3. - 1 - -7.2617297992110252e-003 - 1.1259379982948303e-001 - -9.0036422014236450e-002 - <_> - - <_> - - - - <_> - 0 4 3 2 -1. - <_> - 0 5 3 1 2. - 0 - 1.0905790142714977e-002 - 3.5278510302305222e-002 - -4.7903269529342651e-001 - <_> - - <_> - - - - <_> - 7 3 4 3 -1. - <_> - 7 4 4 1 3. - 0 - -2.1580660715699196e-002 - 2.4947710335254669e-001 - -6.7340537905693054e-002 - <_> - - <_> - - - - <_> - 6 0 3 4 -1. - <_> - 7 0 1 4 3. - 0 - 1.2180290184915066e-002 - 3.3950321376323700e-002 - -4.9424359202384949e-001 - <_> - - <_> - - - - <_> - 9 3 1 6 -1. - <_> - 7 5 1 2 3. - 1 - 6.1639029532670975e-002 - -1.5156419947743416e-002 - 1.7232060432434082e-001 - <_> - - <_> - - - - <_> - 9 3 6 1 -1. - <_> - 11 5 2 1 3. - 1 - -3.4598629921674728e-002 - 1.7717359960079193e-001 - -9.7788341343402863e-002 - <_> - - <_> - - - - <_> - 8 9 3 3 -1. - <_> - 9 9 1 3 3. - 0 - -6.7015062086284161e-003 - -3.5656741261482239e-001 - 3.8341779261827469e-002 - <_> - - <_> - - - - <_> - 6 10 6 2 -1. - <_> - 8 10 2 2 3. - 0 - 1.7201770097017288e-002 - 2.7020750567317009e-002 - -5.7964348793029785e-001 - <_> - - <_> - - - - <_> - 8 5 4 3 -1. - <_> - 9 5 2 3 2. - 0 - -8.1718079745769501e-003 - 1.1538869887590408e-001 - -7.7362932264804840e-002 - <_> - - <_> - - - - <_> - 6 5 4 3 -1. - <_> - 7 5 2 3 2. - 0 - -5.1809311844408512e-003 - 1.5495200455188751e-001 - -1.1836340278387070e-001 - <_> - - <_> - - - - <_> - 10 6 4 1 -1. - <_> - 11 6 2 1 2. - 0 - -2.5254609063267708e-003 - 2.1247270703315735e-001 - -6.8675488233566284e-002 - <_> - - <_> - - - - <_> - 6 6 2 1 -1. - <_> - 7 6 1 1 2. - 0 - 6.1780458781868219e-004 - -7.9140536487102509e-002 - 2.4011979997158051e-001 - <_> - - <_> - - - - <_> - 0 0 18 3 -1. - <_> - 6 0 6 3 3. - 0 - -1.1357679963111877e-001 - 1.8214240670204163e-001 - -9.2686779797077179e-002 - -1.6796829700469971e+000 - 9 - -1 - <_> - - - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -6.2196098268032074e-002 - 6.2321871519088745e-001 - -3.0846419930458069e-001 - <_> - - <_> - - - - <_> - 3 2 15 6 -1. - <_> - 3 4 15 2 3. - 0 - -1.6721360385417938e-001 - 3.9328968524932861e-001 - -2.9381090402603149e-001 - <_> - - <_> - - - - <_> - 0 0 4 3 -1. - <_> - 2 0 2 3 2. - 0 - -6.1970818787813187e-003 - 1.9036029279232025e-001 - -4.2775529623031616e-001 - <_> - - <_> - - - - <_> - 12 6 2 4 -1. - <_> - 13 6 1 2 2. - <_> - 12 8 1 2 2. - 0 - -6.0129230841994286e-003 - 3.3292838931083679e-001 - -1.6145950555801392e-001 - <_> - - <_> - - - - <_> - 0 6 18 6 -1. - <_> - 0 9 18 3 2. - 0 - 1.7938390374183655e-001 - -4.7852781414985657e-001 - 8.2675926387310028e-002 - <_> - - <_> - - - - <_> - 12 5 3 3 -1. - <_> - 13 5 1 3 3. - 0 - -2.8582969680428505e-002 - -6.5726870298385620e-001 - 2.7196610346436501e-002 - <_> - - <_> - - - - <_> - 3 5 3 3 -1. - <_> - 4 5 1 3 3. - 0 - -4.3926457874476910e-003 - 2.2020849585533142e-001 - -1.9411289691925049e-001 - <_> - - <_> - - - - <_> - 10 0 4 5 -1. - <_> - 11 1 2 5 2. - 1 - 1.9471900537610054e-002 - -3.7211358547210693e-002 - 1.0708980262279510e-001 - <_> - - <_> - - - - <_> - 0 4 18 2 -1. - <_> - 6 4 6 2 3. - 0 - -8.2243539392948151e-002 - 1.6777120530605316e-001 - -2.5471720099449158e-001 - <_> - - <_> - - - - <_> - 15 0 3 1 -1. - <_> - 16 1 1 1 3. - 1 - 1.1272449977695942e-002 - 3.0362820252776146e-002 - -3.2199749350547791e-001 - <_> - - <_> - - - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - 7.7296248637139797e-003 - 5.1309239119291306e-002 - -5.2529060840606689e-001 - <_> - - <_> - - - - <_> - 6 6 6 1 -1. - <_> - 8 6 2 1 3. - 0 - -6.6719911992549896e-003 - 1.2681700289249420e-001 - -2.2429600358009338e-001 - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -6.2269289046525955e-002 - -4.0020480751991272e-001 - 8.0248616635799408e-002 - <_> - - <_> - - - - <_> - 13 5 3 4 -1. - <_> - 14 6 1 4 3. - 1 - 5.1855400204658508e-002 - -8.9768264442682266e-003 - 3.4974721074104309e-001 - <_> - - <_> - - - - <_> - 5 5 4 3 -1. - <_> - 4 6 4 1 3. - 1 - -7.2366232052445412e-003 - 1.7443999648094177e-001 - -1.7355519533157349e-001 - <_> - - <_> - - - - <_> - 2 6 16 6 -1. - <_> - 10 6 8 3 2. - <_> - 2 9 8 3 2. - 0 - 7.4777632951736450e-002 - 5.1062591373920441e-002 - -3.6973360180854797e-001 - <_> - - <_> - - - - <_> - 3 9 2 1 -1. - <_> - 3 9 1 1 2. - 1 - -1.1314899893477559e-004 - 1.0845900326967239e-001 - -2.3838439583778381e-001 - <_> - - <_> - - - - <_> - 17 9 1 3 -1. - <_> - 17 10 1 1 3. - 0 - -2.9757779557257891e-003 - -3.7891590595245361e-001 - 4.7076370567083359e-002 - <_> - - <_> - - - - <_> - 1 0 16 4 -1. - <_> - 1 1 16 2 2. - 0 - 4.3355841189622879e-002 - -1.0889430344104767e-001 - 2.2752620279788971e-001 - <_> - - <_> - - - - <_> - 5 2 8 4 -1. - <_> - 5 3 8 2 2. - 0 - 3.1121319159865379e-002 - -1.0356359928846359e-001 - 3.2433480024337769e-001 - <_> - - <_> - - - - <_> - 3 0 8 4 -1. - <_> - 5 0 4 4 2. - 0 - -3.2188410405069590e-003 - 1.1988320201635361e-001 - -2.5309950113296509e-001 - <_> - - <_> - - - - <_> - 8 0 4 4 -1. - <_> - 9 0 2 4 2. - 0 - -1.3322260230779648e-002 - -4.6327260136604309e-001 - 2.7917400002479553e-002 - <_> - - <_> - - - - <_> - 6 0 4 4 -1. - <_> - 7 0 2 4 2. - 0 - -1.1763609945774078e-002 - -4.9447950720787048e-001 - 6.2780112028121948e-002 - <_> - - <_> - - - - <_> - 5 4 8 2 -1. - <_> - 5 5 8 1 2. - 0 - 2.6546010747551918e-002 - -7.0860996842384338e-002 - 3.8759338855743408e-001 - <_> - - <_> - - - - <_> - 0 0 1 6 -1. - <_> - 0 2 1 2 3. - 0 - 1.0983680374920368e-002 - 5.2215598523616791e-002 - -4.7912430763244629e-001 - <_> - - <_> - - - - <_> - 10 3 1 6 -1. - <_> - 8 5 1 2 3. - 1 - -3.5203430801630020e-002 - 1.4733970165252686e-001 - -4.7205299139022827e-002 - <_> - - <_> - - - - <_> - 3 0 6 5 -1. - <_> - 5 0 2 5 3. - 0 - -4.8792399466037750e-002 - -4.8313421010971069e-001 - 5.1030978560447693e-002 - <_> - - <_> - - - - <_> - 13 9 1 2 -1. - <_> - 13 9 1 1 2. - 1 - -1.4748310204595327e-003 - 8.6995199322700500e-002 - -1.3301639258861542e-001 - <_> - - <_> - - - - <_> - 8 3 6 1 -1. - <_> - 10 5 2 1 3. - 1 - -2.3379849269986153e-002 - 1.2155140191316605e-001 - -1.8905250728130341e-001 - <_> - - <_> - - - - <_> - 5 0 8 6 -1. - <_> - 5 2 8 2 3. - 0 - -1.4968539774417877e-001 - 5.3282499313354492e-001 - -4.3869771063327789e-002 - <_> - - <_> - - - - <_> - 0 0 18 12 -1. - <_> - 0 0 9 6 2. - <_> - 9 6 9 6 2. - 0 - 4.3147540092468262e-001 - 3.6285050213336945e-002 - -7.2065258026123047e-001 - <_> - - <_> - - - - <_> - 11 9 7 3 -1. - <_> - 11 10 7 1 3. - 0 - 3.2757069915533066e-002 - 1.5488710254430771e-002 - -6.0830378532409668e-001 - <_> - - <_> - - - - <_> - 6 9 6 2 -1. - <_> - 8 9 2 2 3. - 0 - -2.0532529801130295e-002 - -5.3597778081893921e-001 - 3.8419000804424286e-002 - <_> - - <_> - - - - <_> - 11 9 7 3 -1. - <_> - 11 10 7 1 3. - 0 - -4.3228048831224442e-002 - -6.8606472015380859e-001 - 4.9887378700077534e-003 - <_> - - <_> - - - - <_> - 4 5 3 3 -1. - <_> - 5 5 1 3 3. - 0 - -6.1122281476855278e-003 - 2.4422119557857513e-001 - -8.1252299249172211e-002 - <_> - - <_> - - - - <_> - 12 5 6 3 -1. - <_> - 14 5 2 3 3. - 0 - -1.4673279598355293e-002 - 2.1088060736656189e-001 - -1.6600500047206879e-001 - <_> - - <_> - - - - <_> - 0 5 6 3 -1. - <_> - 2 5 2 3 3. - 0 - -1.0619849897921085e-002 - 1.5236820280551910e-001 - -1.5812709927558899e-001 - <_> - - <_> - - - - <_> - 13 5 5 4 -1. - <_> - 13 6 5 2 2. - 0 - -6.5401569008827209e-002 - -5.9497058391571045e-001 - 1.7393449321389198e-002 - <_> - - <_> - - - - <_> - 0 9 7 3 -1. - <_> - 0 10 7 1 3. - 0 - 2.1991839632391930e-002 - 3.2845780253410339e-002 - -5.8278721570968628e-001 - <_> - - <_> - - - - <_> - 13 9 1 2 -1. - <_> - 13 9 1 1 2. - 1 - -1.6024880111217499e-002 - -5.9319758415222168e-001 - 7.7277477830648422e-003 - <_> - - <_> - - - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - 0 - -7.4009672971442342e-005 - 1.0054150223731995e-001 - -1.9513580203056335e-001 - <_> - - <_> - - - - <_> - 0 1 18 9 -1. - <_> - 6 1 6 9 3. - 0 - -1.8304589390754700e-001 - 1.1641489714384079e-001 - -1.9243900477886200e-001 - <_> - - <_> - - - - <_> - 5 9 2 1 -1. - <_> - 5 9 1 1 2. - 1 - 5.1587168127298355e-003 - 2.7310799807310104e-002 - -6.5126478672027588e-001 - <_> - - <_> - - - - <_> - 15 7 2 3 -1. - <_> - 15 7 1 3 2. - 1 - -4.0543098002672195e-003 - 3.5822600126266479e-002 - -1.2355879694223404e-001 - <_> - - <_> - - - - <_> - 3 7 3 2 -1. - <_> - 3 7 3 1 2. - 1 - 1.0826930403709412e-002 - -5.6947678327560425e-002 - 3.7964731454849243e-001 - <_> - - <_> - - - - <_> - 15 0 3 2 -1. - <_> - 16 1 1 2 3. - 1 - -1.9336320459842682e-002 - -2.7437770366668701e-001 - 2.3742979392409325e-002 - <_> - - <_> - - - - <_> - 0 9 4 3 -1. - <_> - 1 9 2 3 2. - 0 - 3.0844670254737139e-003 - -8.8440679013729095e-002 - 2.0758619904518127e-001 - <_> - - <_> - - - - <_> - 15 0 3 2 -1. - <_> - 16 1 1 2 3. - 1 - 1.4967800118029118e-002 - 3.0504930764436722e-002 - -2.1708330512046814e-001 - <_> - - <_> - - - - <_> - 4 1 7 2 -1. - <_> - 4 2 7 1 2. - 0 - 1.4697089791297913e-002 - -6.8411618471145630e-002 - 2.7859160304069519e-001 - <_> - - <_> - - - - <_> - 15 2 1 2 -1. - <_> - 15 3 1 1 2. - 0 - -1.2393240467645228e-004 - 6.8553149700164795e-002 - -8.7831273674964905e-002 - <_> - - <_> - - - - <_> - 2 2 1 2 -1. - <_> - 2 3 1 1 2. - 0 - -1.0554819891694933e-004 - 1.1712960153818130e-001 - -1.5531350672245026e-001 - <_> - - <_> - - - - <_> - 0 0 18 3 -1. - <_> - 6 1 6 1 9. - 0 - 1.0648550093173981e-001 - -6.1998508870601654e-002 - 2.7710339426994324e-001 - <_> - - <_> - - - - <_> - 5 0 8 4 -1. - <_> - 5 1 8 2 2. - 0 - -3.0953379347920418e-002 - 3.0595239996910095e-001 - -6.0716990381479263e-002 - <_> - - <_> - - - - <_> - 15 1 3 2 -1. - <_> - 16 2 1 2 3. - 1 - -2.9498629271984100e-002 - -3.9406108856201172e-001 - 1.6826160252094269e-002 - <_> - - <_> - - - - <_> - 0 6 4 6 -1. - <_> - 0 8 4 2 3. - 0 - 4.9228470772504807e-002 - 3.4308459609746933e-002 - -5.0780892372131348e-001 - <_> - - <_> - - - - <_> - 5 4 9 8 -1. - <_> - 5 8 9 4 2. - 0 - -1.1081350035965443e-002 - -6.4533978700637817e-001 - 2.1389039233326912e-002 - <_> - - <_> - - - - <_> - 5 1 1 4 -1. - <_> - 4 2 1 2 2. - 1 - -1.5145439654588699e-002 - -4.2602449655532837e-001 - 3.9356358349323273e-002 - <_> - - <_> - - - - <_> - 10 5 3 2 -1. - <_> - 11 5 1 2 3. - 0 - -5.2890921942889690e-003 - 1.9488410651683807e-001 - -6.0674101114273071e-002 - <_> - - <_> - - - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - 0 - -7.3016500100493431e-003 - -5.4184222221374512e-001 - 3.1283780932426453e-002 - <_> - - <_> - - - - <_> - 9 2 2 1 -1. - <_> - 9 2 1 1 2. - 0 - -4.2362208478152752e-003 - -2.9087099432945251e-001 - 1.4468260109424591e-002 - <_> - - <_> - - - - <_> - 7 2 2 1 -1. - <_> - 8 2 1 1 2. - 0 - 1.1999450362054631e-004 - -1.3722729682922363e-001 - 1.2392169982194901e-001 - <_> - - <_> - - - - <_> - 16 11 2 1 -1. - <_> - 16 11 1 1 2. - 0 - 1.9742529839277267e-003 - 2.9429899528622627e-002 - -1.6445399820804596e-001 - <_> - - <_> - - - - <_> - 0 11 2 1 -1. - <_> - 1 11 1 1 2. - 0 - -1.2930440425407141e-004 - 1.2450899928808212e-001 - -1.3043509423732758e-001 - <_> - - <_> - - - - <_> - 16 8 2 2 -1. - <_> - 16 8 1 2 2. - 1 - -2.2735600359737873e-003 - 6.0308720916509628e-002 - -1.3316330313682556e-001 - <_> - - <_> - - - - <_> - 2 8 2 2 -1. - <_> - 2 8 2 1 2. - 1 - 4.2600082233548164e-003 - -6.8703986704349518e-002 - 2.7337071299552917e-001 - <_> - - <_> - - - - <_> - 2 11 16 1 -1. - <_> - 2 11 8 1 2. - 0 - -7.8149579465389252e-002 - -4.7220858931541443e-001 - 2.1372530609369278e-002 - <_> - - <_> - - - - <_> - 0 6 1 4 -1. - <_> - 0 8 1 2 2. - 0 - -4.1436408646404743e-003 - -3.3360588550567627e-001 - 5.2412509918212891e-002 - <_> - - <_> - - - - <_> - 14 2 2 2 -1. - <_> - 15 2 1 1 2. - <_> - 14 3 1 1 2. - 0 - -1.1810749856522307e-004 - 1.2552410364151001e-001 - -1.2879179418087006e-001 - <_> - - <_> - - - - <_> - 2 2 2 2 -1. - <_> - 2 2 1 1 2. - <_> - 3 3 1 1 2. - 0 - -1.2218070332892239e-004 - 1.3134269416332245e-001 - -1.2296169996261597e-001 - <_> - - <_> - - - - <_> - 9 0 4 4 -1. - <_> - 10 0 2 4 2. - 0 - -1.8656680360436440e-002 - -3.5880041122436523e-001 - 1.2528499588370323e-002 - <_> - - <_> - - - - <_> - 6 2 6 7 -1. - <_> - 8 2 2 7 3. - 0 - -3.4258540719747543e-002 - 1.2983490526676178e-001 - -1.2182570248842239e-001 - <_> - - <_> - - - - <_> - 10 5 3 3 -1. - <_> - 11 5 1 3 3. - 0 - 7.7113481238484383e-003 - -5.6336041539907455e-002 - 1.5032570064067841e-001 - <_> - - <_> - - - - <_> - 4 6 4 2 -1. - <_> - 5 6 2 2 2. - 0 - -7.5950678437948227e-003 - 3.3188471198081970e-001 - -6.1699498444795609e-002 - <_> - - <_> - - - - <_> - 16 4 2 1 -1. - <_> - 16 4 1 1 2. - 0 - -1.0678060352802277e-002 - -6.6613417863845825e-001 - 1.2147589586675167e-002 - <_> - - <_> - - - - <_> - 0 4 2 1 -1. - <_> - 1 4 1 1 2. - 0 - -1.3358499563764781e-004 - 8.6387783288955688e-002 - -2.0256230235099792e-001 - <_> - - <_> - - - - <_> - 7 11 6 1 -1. - <_> - 9 11 2 1 3. - 0 - -1.4575020410120487e-002 - -7.3572522401809692e-001 - 2.1267030388116837e-002 - <_> - - <_> - - - - <_> - 5 11 6 1 -1. - <_> - 7 11 2 1 3. - 0 - -1.1412939988076687e-002 - -5.0988101959228516e-001 - 2.6772709563374519e-002 - <_> - - <_> - - - - <_> - 15 0 3 3 -1. - <_> - 14 1 3 1 3. - 1 - -3.4162081778049469e-002 - 3.6300870776176453e-001 - -2.7194390073418617e-002 - <_> - - <_> - - - - <_> - 3 0 3 3 -1. - <_> - 4 1 1 3 3. - 1 - -2.2955790162086487e-002 - 2.7859601378440857e-001 - -5.2748218178749084e-002 - <_> - - <_> - - - - <_> - 13 2 3 9 -1. - <_> - 14 5 1 3 9. - 0 - -2.8807529807090759e-001 - -8.1691658496856689e-001 - 9.1450996696949005e-003 - <_> - - <_> - - - - <_> - 2 2 3 9 -1. - <_> - 3 5 1 3 9. - 0 - -2.7352200821042061e-002 - 1.0071670264005661e-001 - -1.6602990031242371e-001 - <_> - - <_> - - - - <_> - 9 6 4 1 -1. - <_> - 10 6 2 1 2. - 0 - -2.8700050897896290e-003 - 1.2723830342292786e-001 - -5.8128058910369873e-002 - <_> - - <_> - - - - <_> - 6 6 3 2 -1. - <_> - 7 6 1 2 3. - 0 - -3.0184709466993809e-003 - 1.8212230503559113e-001 - -8.9592203497886658e-002 - <_> - - <_> - - - - <_> - 13 1 3 2 -1. - <_> - 14 2 1 2 3. - 1 - 2.5293970480561256e-002 - 1.2859360314905643e-002 - -2.1852749586105347e-001 - <_> - - <_> - - - - <_> - 5 1 2 3 -1. - <_> - 4 2 2 1 3. - 1 - 9.6635837107896805e-003 - 5.2143279463052750e-002 - -3.0202549695968628e-001 - <_> - - <_> - - - - <_> - 10 8 2 2 -1. - <_> - 10 8 2 1 2. - 1 - 4.5520989224314690e-003 - -2.3607470095157623e-002 - 1.8376210331916809e-001 - <_> - - <_> - - - - <_> - 0 0 18 6 -1. - <_> - 0 3 18 3 2. - 0 - -4.9739900231361389e-001 - -5.3579831123352051e-001 - 2.8743360191583633e-002 - <_> - - <_> - - - - <_> - 11 1 3 3 -1. - <_> - 12 1 1 3 3. - 0 - -1.5186400152742863e-002 - -3.3224511146545410e-001 - 8.5207987576723099e-003 - <_> - - <_> - - - - <_> - 8 8 2 2 -1. - <_> - 8 8 1 2 2. - 1 - -1.6664810478687286e-002 - -3.6154919862747192e-001 - 4.0535591542720795e-002 - <_> - - <_> - - - - <_> - 11 9 1 2 -1. - <_> - 11 9 1 1 2. - 1 - -1.6777740092948079e-003 - 5.6449390947818756e-002 - -8.3506047725677490e-002 - <_> - - <_> - - - - <_> - 7 9 2 1 -1. - <_> - 7 9 1 1 2. - 1 - -8.6815550457686186e-004 - 8.6002722382545471e-002 - -1.6662649810314178e-001 - <_> - - <_> - - - - <_> - 7 2 4 3 -1. - <_> - 7 3 4 1 3. - 0 - -2.1504880860447884e-002 - 3.0984830856323242e-001 - -4.7374550253152847e-002 - <_> - - <_> - - - - <_> - 3 2 12 3 -1. - <_> - 3 3 12 1 3. - 0 - 1.2018860317766666e-002 - -1.1302450299263000e-001 - 1.5601180493831635e-001 - <_> - - <_> - - - - <_> - 11 1 3 1 -1. - <_> - 12 2 1 1 3. - 1 - -4.8626540228724480e-003 - 7.7384807169437408e-002 - -2.6118829846382141e-002 - <_> - - <_> - - - - <_> - 7 1 1 3 -1. - <_> - 6 2 1 1 3. - 1 - 8.0883055925369263e-003 - 5.0701878964900970e-002 - -3.0898410081863403e-001 - <_> - - <_> - - - - <_> - 14 6 4 4 -1. - <_> - 15 6 2 4 2. - 0 - -6.0818139463663101e-003 - 1.0439839959144592e-001 - -5.4040290415287018e-002 - <_> - - <_> - - - - <_> - 4 0 10 6 -1. - <_> - 4 2 10 2 3. - 0 - 2.3746709525585175e-001 - -3.6280110478401184e-002 - 3.9113318920135498e-001 - <_> - - <_> - - - - <_> - 0 11 18 1 -1. - <_> - 6 11 6 1 3. - 0 - -1.7426609992980957e-002 - 1.6401870548725128e-001 - -8.8042907416820526e-002 - <_> - - <_> - - - - <_> - 0 6 4 4 -1. - <_> - 1 6 2 4 2. - 0 - -1.0071439668536186e-002 - 1.9563260674476624e-001 - -6.9586493074893951e-002 - <_> - - <_> - - - - <_> - 14 0 4 4 -1. - <_> - 15 0 2 4 2. - 0 - 1.6055470332503319e-002 - 1.6443690285086632e-002 - -1.8746310472488403e-001 - <_> - - <_> - - - - <_> - 0 0 4 4 -1. - <_> - 1 0 2 4 2. - 0 - -1.9599670544266701e-002 - -4.7449600696563721e-001 - 3.2551929354667664e-002 - <_> - - <_> - - - - <_> - 5 1 12 2 -1. - <_> - 11 1 6 1 2. - <_> - 5 2 6 1 2. - 0 - 1.0608370415866375e-002 - -3.7545830011367798e-002 - 9.7375199198722839e-002 - <_> - - <_> - - - - <_> - 1 1 12 2 -1. - <_> - 1 1 6 1 2. - <_> - 7 2 6 1 2. - 0 - -1.4044529758393764e-002 - 2.1422649919986725e-001 - -6.7895002663135529e-002 - <_> - - <_> - - - - <_> - 12 0 4 2 -1. - <_> - 13 0 2 2 2. - 0 - -1.5813199803233147e-002 - -6.4780187606811523e-001 - 1.3148790225386620e-002 - <_> - - <_> - - - - <_> - 2 0 4 2 -1. - <_> - 3 0 2 2 2. - 0 - -1.5055449679493904e-002 - -6.8386191129684448e-001 - 1.9564820453524590e-002 - <_> - - <_> - - - - <_> - 14 4 4 6 -1. - <_> - 14 6 4 2 3. - 0 - -1.5806560218334198e-001 - -5.3126132488250732e-001 - 3.8119140663184226e-004 - <_> - - <_> - - - - <_> - 2 6 12 4 -1. - <_> - 2 6 6 2 2. - <_> - 8 8 6 2 2. - 0 - 2.0771630108356476e-002 - -1.1685659736394882e-001 - 1.1046549677848816e-001 - <_> - - <_> - - - - <_> - 13 3 3 1 -1. - <_> - 14 4 1 1 3. - 1 - -2.8288820758461952e-002 - -5.9239888191223145e-001 - 7.6842932030558586e-003 - <_> - - <_> - - - - <_> - 5 3 1 3 -1. - <_> - 4 4 1 1 3. - 1 - 5.6896908208727837e-003 - 4.6517208218574524e-002 - -2.9473629593849182e-001 - -1.6673049926757812e+000 - 10 - -1 - <_> - - - <_> - - <_> - - - - <_> - 7 4 3 2 -1. - <_> - 7 4 3 1 2. - 1 - -3.9956759661436081e-002 - 5.2230298519134521e-001 - -3.5263240337371826e-001 - <_> - - <_> - - - - <_> - 10 2 1 6 -1. - <_> - 8 4 1 2 3. - 1 - -2.8569729998707771e-002 - 1.4566479623317719e-001 - -1.1563750356435776e-001 - <_> - - <_> - - - - <_> - 8 1 6 1 -1. - <_> - 10 3 2 1 3. - 1 - -4.1501019150018692e-002 - 3.6643621325492859e-001 - -2.2006149590015411e-001 - <_> - - <_> - - - - <_> - 7 7 9 1 -1. - <_> - 10 7 3 1 3. - 0 - 2.3764509707689285e-002 - -1.0637629777193069e-001 - 3.3757281303405762e-001 - <_> - - <_> - - - - <_> - 1 0 12 3 -1. - <_> - 5 0 4 3 3. - 0 - -3.6841601133346558e-002 - 2.0969760417938232e-001 - -3.5538119077682495e-001 - <_> - - <_> - - - - <_> - 1 4 16 8 -1. - <_> - 1 8 16 4 2. - 0 - 4.5045730471611023e-001 - -2.5148901343345642e-001 - 2.7531328797340393e-001 - <_> - - <_> - - - - <_> - 0 2 2 1 -1. - <_> - 1 2 1 1 2. - 0 - -1.1612180242082104e-004 - 1.4220459759235382e-001 - -3.4681579470634460e-001 - <_> - - <_> - - - - <_> - 12 5 3 3 -1. - <_> - 13 6 1 3 3. - 1 - -2.4308359250426292e-002 - 2.7634850144386292e-001 - -5.8556519448757172e-002 - <_> - - <_> - - - - <_> - 9 2 6 3 -1. - <_> - 11 4 2 3 3. - 1 - -1.0739170014858246e-001 - 2.5513848662376404e-001 - -1.8360190093517303e-001 - <_> - - <_> - - - - <_> - 11 5 6 3 -1. - <_> - 13 5 2 3 3. - 0 - -2.1329099312424660e-002 - 2.8843191266059875e-001 - -1.2600709497928619e-001 - <_> - - <_> - - - - <_> - 6 5 3 3 -1. - <_> - 5 6 3 1 3. - 1 - -9.9198631942272186e-003 - 2.5516051054000854e-001 - -1.7994299530982971e-001 - <_> - - <_> - - - - <_> - 2 10 16 2 -1. - <_> - 2 11 16 1 2. - 0 - 3.3280439674854279e-003 - -3.5088729858398438e-001 - 1.0136920213699341e-001 - <_> - - <_> - - - - <_> - 0 0 1 4 -1. - <_> - 0 1 1 2 2. - 0 - 4.8708179965615273e-003 - 5.1397740840911865e-002 - -5.6077277660369873e-001 - <_> - - <_> - - - - <_> - 9 0 4 3 -1. - <_> - 10 0 2 3 2. - 0 - 9.8150614649057388e-003 - 3.9320938289165497e-002 - -4.5681610703468323e-001 - <_> - - <_> - - - - <_> - 5 0 4 3 -1. - <_> - 6 0 2 3 2. - 0 - -1.2296459637582302e-002 - -5.4089337587356567e-001 - 4.8353921622037888e-002 - <_> - - <_> - - - - <_> - 8 0 5 2 -1. - <_> - 8 1 5 1 2. - 0 - 1.5832969918847084e-002 - -9.2032462358474731e-002 - 3.3556351065635681e-001 - <_> - - <_> - - - - <_> - 0 1 1 2 -1. - <_> - 0 2 1 1 2. - 0 - -1.1616790288826451e-004 - 1.3700810074806213e-001 - -2.0924359560012817e-001 - <_> - - <_> - - - - <_> - 8 9 4 3 -1. - <_> - 9 9 2 3 2. - 0 - 9.3623008579015732e-003 - 3.4387368708848953e-002 - -6.4315831661224365e-001 - <_> - - <_> - - - - <_> - 6 9 4 3 -1. - <_> - 7 9 2 3 2. - 0 - 7.3407022282481194e-003 - 4.7527570277452469e-002 - -5.2763640880584717e-001 - <_> - - <_> - - - - <_> - 10 4 3 3 -1. - <_> - 11 5 1 3 3. - 1 - -9.7040366381406784e-003 - 6.1033390462398529e-002 - -1.1603049933910370e-001 - <_> - - <_> - - - - <_> - 3 0 4 4 -1. - <_> - 4 0 2 4 2. - 0 - -1.6028270125389099e-002 - -5.8752918243408203e-001 - 4.3372269719839096e-002 - <_> - - <_> - - - - <_> - 10 4 3 3 -1. - <_> - 11 5 1 3 3. - 1 - -1.0594909638166428e-001 - -6.6139537096023560e-001 - -1.2790230102837086e-003 - <_> - - <_> - - - - <_> - 8 4 3 3 -1. - <_> - 7 5 3 1 3. - 1 - 2.9476720839738846e-002 - -8.3381086587905884e-002 - 3.2143539190292358e-001 - <_> - - <_> - - - - <_> - 13 2 4 4 -1. - <_> - 13 2 2 4 2. - 0 - -1.2502159923315048e-002 - 9.9471800029277802e-002 - -6.8885073065757751e-002 - <_> - - <_> - - - - <_> - 0 1 1 3 -1. - <_> - 0 2 1 1 3. - 0 - -3.1669840682297945e-003 - -3.3657288551330566e-001 - 6.7130729556083679e-002 - <_> - - <_> - - - - <_> - 10 6 2 2 -1. - <_> - 11 6 1 1 2. - <_> - 10 7 1 1 2. - 0 - -3.7675988860428333e-003 - 2.5373768806457520e-001 - -5.4118018597364426e-002 - <_> - - <_> - - - - <_> - 3 0 3 5 -1. - <_> - 4 0 1 5 3. - 0 - 9.5973610877990723e-003 - 5.0982888787984848e-002 - -3.9950078725814819e-001 - <_> - - <_> - - - - <_> - 7 2 8 2 -1. - <_> - 9 2 4 2 2. - 0 - 6.5194750204682350e-003 - -5.6820228695869446e-002 - 9.7085036337375641e-002 - <_> - - <_> - - - - <_> - 1 0 8 4 -1. - <_> - 1 0 4 2 2. - <_> - 5 2 4 2 2. - 0 - -3.0232090502977371e-002 - 2.6110428571701050e-001 - -7.0189543068408966e-002 - <_> - - <_> - - - - <_> - 4 1 10 6 -1. - <_> - 4 3 10 2 3. - 0 - 1.9264510273933411e-001 - -3.8105361163616180e-002 - 4.9786558747291565e-001 - <_> - - <_> - - - - <_> - 1 2 2 1 -1. - <_> - 2 2 1 1 2. - 0 - -1.0531100269872695e-004 - 1.0181579738855362e-001 - -1.9895200431346893e-001 - <_> - - <_> - - - - <_> - 14 1 4 6 -1. - <_> - 16 1 2 3 2. - <_> - 14 4 2 3 2. - 0 - -1.7167180776596069e-002 - 1.7047409713268280e-001 - -1.1575569957494736e-001 - <_> - - <_> - - - - <_> - 0 1 4 6 -1. - <_> - 0 1 2 3 2. - <_> - 2 4 2 3 2. - 0 - -1.6330849379301071e-002 - 2.3561200499534607e-001 - -8.8093422353267670e-002 - <_> - - <_> - - - - <_> - 16 4 2 3 -1. - <_> - 16 5 2 1 3. - 0 - 9.9368933588266373e-003 - 3.6905229091644287e-002 - -4.8101478815078735e-001 - <_> - - <_> - - - - <_> - 8 9 2 1 -1. - <_> - 8 9 1 1 2. - 1 - -9.1113299131393433e-003 - -3.9816591143608093e-001 - 4.4077850878238678e-002 - <_> - - <_> - - - - <_> - 0 8 18 4 -1. - <_> - 0 10 18 2 2. - 0 - 1.4140089973807335e-002 - -4.0721800923347473e-001 - 4.7490529716014862e-002 - <_> - - <_> - - - - <_> - 6 6 2 2 -1. - <_> - 6 6 1 1 2. - <_> - 7 7 1 1 2. - 0 - -1.8617640016600490e-003 - 2.3672190308570862e-001 - -7.6820157468318939e-002 - <_> - - <_> - - - - <_> - 15 4 3 3 -1. - <_> - 15 5 3 1 3. - 0 - -2.7797909453511238e-002 - -5.5653101205825806e-001 - 1.8978169187903404e-002 - <_> - - <_> - - - - <_> - 9 2 5 3 -1. - <_> - 8 3 5 1 3. - 1 - -2.7056299149990082e-002 - 1.3742800056934357e-001 - -1.2685729563236237e-001 - <_> - - <_> - - - - <_> - 17 9 1 3 -1. - <_> - 17 10 1 1 3. - 0 - 5.5972482077777386e-003 - 2.3374689742922783e-002 - -3.7989559769630432e-001 - <_> - - <_> - - - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - 0 - -1.4289989485405385e-004 - 9.2340193688869476e-002 - -1.8222640454769135e-001 - <_> - - <_> - - - - <_> - 3 0 14 2 -1. - <_> - 10 0 7 1 2. - <_> - 3 1 7 1 2. - 0 - 4.7072111628949642e-003 - -8.2098759710788727e-002 - 1.4458109438419342e-001 - <_> - - <_> - - - - <_> - 0 9 2 3 -1. - <_> - 0 10 2 1 3. - 0 - 8.2740625366568565e-003 - 3.5707078874111176e-002 - -4.9938249588012695e-001 - <_> - - <_> - - - - <_> - 0 0 18 12 -1. - <_> - 9 0 9 6 2. - <_> - 0 6 9 6 2. - 0 - 4.1985020041465759e-001 - 2.5246109813451767e-002 - -5.8404290676116943e-001 - <_> - - <_> - - - - <_> - 0 8 3 4 -1. - <_> - 0 9 3 2 2. - 0 - -1.1979590170085430e-002 - -4.3877130746841431e-001 - 3.5344090312719345e-002 - <_> - - <_> - - - - <_> - 7 0 4 3 -1. - <_> - 7 1 4 1 3. - 0 - -1.0584940202534199e-002 - 2.2189530730247498e-001 - -7.5947776436805725e-002 - <_> - - <_> - - - - <_> - 0 4 4 4 -1. - <_> - 0 5 4 2 2. - 0 - -3.6539521068334579e-002 - -7.4320507049560547e-001 - 2.2532209753990173e-002 - <_> - - <_> - - - - <_> - 17 4 1 4 -1. - <_> - 17 5 1 2 2. - 0 - 6.2696770764887333e-003 - 2.5996619835495949e-002 - -4.3524068593978882e-001 - <_> - - <_> - - - - <_> - 5 6 2 2 -1. - <_> - 5 6 1 1 2. - <_> - 6 7 1 1 2. - 0 - -2.2490890696644783e-003 - 2.4717779457569122e-001 - -6.4497016370296478e-002 - <_> - - <_> - - - - <_> - 17 4 1 4 -1. - <_> - 17 5 1 2 2. - 0 - -1.9729709252715111e-002 - -8.2047319412231445e-001 - 7.4640130624175072e-003 - <_> - - <_> - - - - <_> - 0 4 1 4 -1. - <_> - 0 5 1 2 2. - 0 - 4.4493898749351501e-003 - 4.1863039135932922e-002 - -3.7814080715179443e-001 - <_> - - <_> - - - - <_> - 12 7 3 2 -1. - <_> - 13 8 1 2 3. - 1 - 7.3664717376232147e-002 - -4.8542860895395279e-003 - 7.5385349988937378e-001 - <_> - - <_> - - - - <_> - 6 7 2 3 -1. - <_> - 5 8 2 1 3. - 1 - -6.0322289355099201e-003 - 1.7529049515724182e-001 - -9.2345252633094788e-002 - <_> - - <_> - - - - <_> - 15 8 2 2 -1. - <_> - 15 8 1 2 2. - 1 - -3.9990269578993320e-003 - 7.0288032293319702e-002 - -1.3759149610996246e-001 - <_> - - <_> - - - - <_> - 3 8 2 2 -1. - <_> - 3 8 2 1 2. - 1 - 4.4922139495611191e-003 - -7.2460688650608063e-002 - 2.6984411478042603e-001 - <_> - - <_> - - - - <_> - 14 10 4 2 -1. - <_> - 14 10 2 2 2. - 0 - -9.6887518884614110e-004 - 1.0673040151596069e-001 - -1.0224950313568115e-001 - <_> - - <_> - - - - <_> - 3 0 12 3 -1. - <_> - 3 1 12 1 3. - 0 - 1.4500839635729790e-002 - -1.0403750091791153e-001 - 1.6688880324363708e-001 - <_> - - <_> - - - - <_> - 12 3 3 9 -1. - <_> - 13 3 1 9 3. - 0 - -3.5295259207487106e-002 - -5.0939851999282837e-001 - 2.0862380042672157e-002 - <_> - - <_> - - - - <_> - 0 5 18 6 -1. - <_> - 0 8 18 3 2. - 0 - 8.5677601397037506e-002 - -3.8956940174102783e-001 - 3.8175251334905624e-002 - <_> - - <_> - - - - <_> - 14 10 4 2 -1. - <_> - 14 10 2 2 2. - 0 - -2.5425739586353302e-002 - -3.1342959403991699e-001 - 1.3558049686253071e-002 - <_> - - <_> - - - - <_> - 0 10 4 2 -1. - <_> - 2 10 2 2 2. - 0 - -8.3960685878992081e-003 - 2.0714859664440155e-001 - -9.0884797275066376e-002 - <_> - - <_> - - - - <_> - 4 3 10 2 -1. - <_> - 4 4 10 1 2. - 0 - 2.7257710695266724e-002 - -3.4004978835582733e-002 - 4.2590439319610596e-001 - <_> - - <_> - - - - <_> - 1 1 16 4 -1. - <_> - 1 2 16 2 2. - 0 - 3.2978549599647522e-002 - -9.6014492213726044e-002 - 1.6614159941673279e-001 - <_> - - <_> - - - - <_> - 12 2 2 1 -1. - <_> - 12 2 1 1 2. - 1 - -6.8808980286121368e-003 - 2.0307220518589020e-001 - -2.9098080471158028e-002 - <_> - - <_> - - - - <_> - 5 0 3 3 -1. - <_> - 4 1 3 1 3. - 1 - 1.2321489863097668e-002 - 5.6583181023597717e-002 - -2.9808661341667175e-001 - <_> - - <_> - - - - <_> - 12 1 2 2 -1. - <_> - 12 1 1 2 2. - 1 - 8.0069275572896004e-003 - -4.5793779194355011e-002 - 6.0080189257860184e-002 - <_> - - <_> - - - - <_> - 6 1 2 2 -1. - <_> - 6 1 2 1 2. - 1 - 1.8184490501880646e-002 - 3.9265241473913193e-002 - -4.3420770764350891e-001 - <_> - - <_> - - - - <_> - 5 2 12 2 -1. - <_> - 11 2 6 1 2. - <_> - 5 3 6 1 2. - 0 - -1.2880899943411350e-002 - 7.1062043309211731e-002 - -3.2926250249147415e-002 - <_> - - <_> - - - - <_> - 1 2 12 2 -1. - <_> - 1 2 6 1 2. - <_> - 7 3 6 1 2. - 0 - 1.7656469717621803e-002 - -5.3377009928226471e-002 - 2.8472688794136047e-001 - <_> - - <_> - - - - <_> - 13 8 1 3 -1. - <_> - 12 9 1 1 3. - 1 - 1.7241619527339935e-002 - 1.2728299945592880e-002 - -5.9147852659225464e-001 - <_> - - <_> - - - - <_> - 5 8 3 1 -1. - <_> - 6 9 1 1 3. - 1 - -8.1344433128833771e-003 - -3.9443930983543396e-001 - 3.5933971405029297e-002 - <_> - - <_> - - - - <_> - 7 2 4 2 -1. - <_> - 8 2 2 2 2. - 0 - 6.2624989077448845e-003 - 4.1950210928916931e-002 - -3.1127980351448059e-001 - <_> - - <_> - - - - <_> - 6 0 6 4 -1. - <_> - 8 0 2 4 3. - 0 - -3.7106670439243317e-002 - -4.6345439553260803e-001 - 3.2157208770513535e-002 - <_> - - <_> - - - - <_> - 8 5 4 2 -1. - <_> - 9 5 2 2 2. - 0 - 5.2173170261085033e-003 - -3.0107850208878517e-002 - 1.4784480631351471e-001 - <_> - - <_> - - - - <_> - 5 8 2 1 -1. - <_> - 5 8 1 1 2. - 1 - -8.0826329067349434e-003 - -2.8399410843849182e-001 - 4.7271709889173508e-002 - <_> - - <_> - - - - <_> - 14 9 1 2 -1. - <_> - 14 9 1 1 2. - 1 - 1.8598020076751709e-002 - 1.2912260135635734e-003 - -8.2174521684646606e-001 - <_> - - <_> - - - - <_> - 4 9 2 1 -1. - <_> - 4 9 1 1 2. - 1 - -1.0656929953256622e-004 - 7.9160809516906738e-002 - -1.9015760719776154e-001 - <_> - - <_> - - - - <_> - 11 4 3 4 -1. - <_> - 12 4 1 4 3. - 0 - -6.2989699654281139e-003 - 1.4902189373970032e-001 - -4.3334830552339554e-002 - <_> - - <_> - - - - <_> - 2 3 2 2 -1. - <_> - 2 3 1 1 2. - <_> - 3 4 1 1 2. - 0 - -1.3413479609880596e-004 - 1.2274789810180664e-001 - -1.1754590272903442e-001 - <_> - - <_> - - - - <_> - 9 1 1 8 -1. - <_> - 9 1 1 4 2. - 1 - -8.0092161893844604e-002 - -1.9501920044422150e-001 - 1.7820900306105614e-002 - <_> - - <_> - - - - <_> - 9 1 8 1 -1. - <_> - 9 1 4 1 2. - 1 - -9.0993821620941162e-002 - 4.8223200440406799e-001 - -3.1845889985561371e-002 - <_> - - <_> - - - - <_> - 11 5 3 3 -1. - <_> - 12 5 1 3 3. - 0 - 1.1353549547493458e-002 - -2.8713610023260117e-002 - 1.0261540114879608e-001 - <_> - - <_> - - - - <_> - 3 6 12 6 -1. - <_> - 7 8 4 2 9. - 0 - 3.9425060153007507e-001 - -2.1073190495371819e-002 - 6.6874951124191284e-001 - <_> - - <_> - - - - <_> - 12 9 6 3 -1. - <_> - 14 9 2 3 3. - 0 - -2.9247280210256577e-002 - -2.3554429411888123e-001 - 2.3138720542192459e-002 - <_> - - <_> - - - - <_> - 0 9 6 3 -1. - <_> - 2 9 2 3 3. - 0 - 9.9638495594263077e-003 - -7.8489832580089569e-002 - 1.8867549300193787e-001 - <_> - - <_> - - - - <_> - 15 7 3 2 -1. - <_> - 15 7 3 1 2. - 1 - -2.3715409915894270e-003 - 4.1485100984573364e-002 - -1.0372100025415421e-001 - <_> - - <_> - - - - <_> - 3 7 2 3 -1. - <_> - 3 7 1 3 2. - 1 - -2.3743370547890663e-002 - -3.9640530943870544e-001 - 3.4268859773874283e-002 - <_> - - <_> - - - - <_> - 15 6 3 2 -1. - <_> - 16 6 1 2 3. - 0 - 1.0030630044639111e-002 - 2.1527150645852089e-002 - -2.5675439834594727e-001 - <_> - - <_> - - - - <_> - 0 6 3 2 -1. - <_> - 1 6 1 2 3. - 0 - -4.3138000182807446e-003 - 1.9897720217704773e-001 - -7.1912497282028198e-002 - <_> - - <_> - - - - <_> - 16 6 2 5 -1. - <_> - 16 6 1 5 2. - 0 - -2.5737010873854160e-003 - 1.0103909671306610e-001 - -1.2687060236930847e-001 - <_> - - <_> - - - - <_> - 0 6 2 5 -1. - <_> - 1 6 1 5 2. - 0 - 8.6109479889273643e-003 - -5.2193351089954376e-002 - 3.1577721238136292e-001 - <_> - - <_> - - - - <_> - 16 9 2 2 -1. - <_> - 16 10 2 1 2. - 0 - -1.5778529923409224e-003 - -1.9565540552139282e-001 - 3.0738929286599159e-002 - <_> - - <_> - - - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - 0 - -8.8134268298745155e-003 - -8.0713188648223877e-001 - 1.7111089080572128e-002 - <_> - - <_> - - - - <_> - 16 9 2 2 -1. - <_> - 16 10 2 1 2. - 0 - 3.9245299994945526e-003 - 5.1848150789737701e-002 - -1.0634920001029968e-001 - <_> - - <_> - - - - <_> - 0 9 2 2 -1. - <_> - 0 10 2 1 2. - 0 - -2.6619979180395603e-003 - -3.1994658708572388e-001 - 4.2416218668222427e-002 - <_> - - <_> - - - - <_> - 9 6 3 1 -1. - <_> - 10 6 1 1 3. - 0 - -1.5030719805508852e-003 - 9.4091989099979401e-002 - -7.0534393191337585e-002 - <_> - - <_> - - - - <_> - 2 3 2 1 -1. - <_> - 3 3 1 1 2. - 0 - -1.0380429739598185e-004 - 8.6452230811119080e-002 - -1.5703070163726807e-001 - <_> - - <_> - - - - <_> - 0 1 18 3 -1. - <_> - 6 1 6 3 3. - 0 - 1.3336679339408875e-001 - -3.6738030612468719e-002 - 4.2388269305229187e-001 - <_> - - <_> - - - - <_> - 6 6 3 1 -1. - <_> - 7 6 1 1 3. - 0 - -3.4340259153395891e-003 - 2.0463900268077850e-001 - -6.4795367419719696e-002 - <_> - - <_> - - - - <_> - 7 5 4 4 -1. - <_> - 8 5 2 4 2. - 0 - -5.3972420282661915e-003 - 1.0175999999046326e-001 - -1.4838589727878571e-001 - <_> - - <_> - - - - <_> - 7 4 3 2 -1. - <_> - 7 4 3 1 2. - 1 - -3.9831619709730148e-002 - -2.6058611273765564e-001 - 7.4131652712821960e-002 - <_> - - <_> - - - - <_> - 6 2 9 3 -1. - <_> - 9 2 3 3 3. - 0 - -8.1318423151969910e-002 - -4.0708750486373901e-001 - 2.2578919306397438e-002 - <_> - - <_> - - - - <_> - 7 6 2 2 -1. - <_> - 7 7 2 1 2. - 0 - 4.9819168634712696e-003 - -1.1497610062360764e-001 - 1.1413440108299255e-001 - <_> - - <_> - - - - <_> - 11 2 7 4 -1. - <_> - 11 4 7 2 2. - 0 - -9.9393740296363831e-002 - -1.6260729730129242e-001 - 2.3891910910606384e-002 - <_> - - <_> - - - - <_> - 0 1 5 6 -1. - <_> - 0 4 5 3 2. - 0 - -1.0838139802217484e-001 - -3.6615368723869324e-001 - 3.3786319196224213e-002 - <_> - - <_> - - - - <_> - 12 6 6 3 -1. - <_> - 14 6 2 3 3. - 0 - 4.5659400522708893e-002 - -1.9689550623297691e-002 - 3.2644659280776978e-001 - <_> - - <_> - - - - <_> - 0 6 6 3 -1. - <_> - 2 6 2 3 3. - 0 - -1.3475780375301838e-002 - 1.3673679530620575e-001 - -9.8038949072360992e-002 - <_> - - <_> - - - - <_> - 12 9 2 2 -1. - <_> - 13 9 1 1 2. - <_> - 12 10 1 1 2. - 0 - 1.1365469981683418e-004 - -5.1998078823089600e-002 - 6.7236803472042084e-002 - <_> - - <_> - - - - <_> - 4 9 2 2 -1. - <_> - 4 9 1 1 2. - <_> - 5 10 1 1 2. - 0 - 1.3144240074325353e-004 - -1.0585889965295792e-001 - 1.2168779969215393e-001 - <_> - - <_> - - - - <_> - 4 1 12 3 -1. - <_> - 8 1 4 3 3. - 0 - -1.2846590019762516e-002 - 8.2202516496181488e-002 - -7.9589501023292542e-002 - <_> - - <_> - - - - <_> - 4 3 3 4 -1. - <_> - 4 4 3 2 2. - 0 - -4.2092949151992798e-003 - 9.4016201794147491e-002 - -1.3796289265155792e-001 - <_> - - <_> - - - - <_> - 3 1 12 6 -1. - <_> - 3 3 12 2 3. - 0 - 1.6699990257620811e-002 - -9.4395473599433899e-002 - 1.7067569494247437e-001 - <_> - - <_> - - - - <_> - 0 2 18 2 -1. - <_> - 0 3 18 1 2. - 0 - -2.7878250926733017e-002 - 1.4458370208740234e-001 - -1.0783910006284714e-001 - <_> - - <_> - - - - <_> - 12 2 2 1 -1. - <_> - 12 2 1 1 2. - 1 - 2.7518719434738159e-003 - -4.4989299029111862e-002 - 4.7646138817071915e-002 - <_> - - <_> - - - - <_> - 6 2 1 2 -1. - <_> - 6 2 1 1 2. - 1 - 8.1301108002662659e-003 - 4.4808190315961838e-002 - -3.2438778877258301e-001 - <_> - - <_> - - - - <_> - 2 4 15 3 -1. - <_> - 7 4 5 3 3. - 0 - -2.4894459545612335e-001 - -3.0193850398063660e-001 - 2.7400370687246323e-002 - <_> - - <_> - - - - <_> - 8 8 2 4 -1. - <_> - 8 8 1 2 2. - <_> - 9 10 1 2 2. - 0 - -7.5494530610740185e-003 - -5.3039801120758057e-001 - 2.3136850446462631e-002 - <_> - - <_> - - - - <_> - 12 0 6 8 -1. - <_> - 15 0 3 4 2. - <_> - 12 4 3 4 2. - 0 - 5.8778919279575348e-002 - -2.6784939691424370e-002 - 2.1899110078811646e-001 - -1.6442040205001831e+000 - 11 - -1 - <_> - - - <_> - - <_> - - - - <_> - 4 6 4 2 -1. - <_> - 5 6 2 2 2. - 0 - 1.1325679719448090e-002 - -4.7803491353988647e-001 - 7.3498201370239258e-001 - <_> - - <_> - - - - <_> - 4 3 10 4 -1. - <_> - 4 4 10 2 2. - 0 - -5.9533089399337769e-002 - 5.5771350860595703e-001 - -2.2670570015907288e-001 - <_> - - <_> - - - - <_> - 7 5 2 2 -1. - <_> - 7 5 1 1 2. - <_> - 8 6 1 1 2. - 0 - -3.1314720399677753e-003 - 4.4743809103965759e-001 - -1.3644909858703613e-001 - <_> - - <_> - - - - <_> - 6 4 7 4 -1. - <_> - 6 6 7 2 2. - 0 - 3.2649870961904526e-002 - -1.5226930379867554e-001 - 7.8735552728176117e-002 - <_> - - <_> - - - - <_> - 5 6 2 6 -1. - <_> - 5 9 2 3 2. - 0 - 1.2642489373683929e-001 - -4.1502929525449872e-004 - -1.0683220214843750e+003 - <_> - - <_> - - - - <_> - 10 3 4 4 -1. - <_> - 10 3 2 4 2. - 1 - -7.6149761676788330e-002 - 8.4858410060405731e-002 - -6.4545206725597382e-002 - <_> - - <_> - - - - <_> - 4 6 3 2 -1. - <_> - 5 6 1 2 3. - 0 - -5.6127519346773624e-003 - 4.4183671474456787e-001 - -1.0350040346384048e-001 - <_> - - <_> - - - - <_> - 16 1 2 1 -1. - <_> - 16 1 1 1 2. - 0 - 1.0242169810226187e-004 - -9.8213642835617065e-002 - 1.2914030253887177e-001 - <_> - - <_> - - - - <_> - 0 1 2 1 -1. - <_> - 1 1 1 1 2. - 0 - -6.8429631937760860e-005 - 1.0027779638767242e-001 - -3.8002538681030273e-001 - <_> - - <_> - - - - <_> - 5 3 8 3 -1. - <_> - 5 4 8 1 3. - 0 - 1.9151799380779266e-002 - -7.5300611555576324e-002 - 4.5866578817367554e-001 - <_> - - <_> - - - - <_> - 5 6 3 1 -1. - <_> - 6 6 1 1 3. - 0 - -4.0838099084794521e-003 - 5.1005601882934570e-001 - -6.4336180686950684e-002 - <_> - - <_> - - - - <_> - 7 0 8 3 -1. - <_> - 9 0 4 3 2. - 0 - -3.2537680119276047e-002 - -4.6181130409240723e-001 - 3.3831451088190079e-002 - <_> - - <_> - - - - <_> - 0 0 16 4 -1. - <_> - 4 0 8 4 2. - 0 - -8.7081208825111389e-002 - 1.6511060297489166e-001 - -2.0930479466915131e-001 - <_> - - <_> - - - - <_> - 10 4 1 4 -1. - <_> - 9 5 1 2 2. - 1 - -1.4256989583373070e-002 - 1.4572089910507202e-001 - -6.4026951789855957e-002 - <_> - - <_> - - - - <_> - 5 2 8 4 -1. - <_> - 5 3 8 2 2. - 0 - -6.5033003687858582e-002 - 5.1746249198913574e-001 - -7.6861917972564697e-002 - <_> - - <_> - - - - <_> - 10 2 2 6 -1. - <_> - 8 4 2 2 3. - 1 - 3.0242659151554108e-002 - -1.7024759203195572e-002 - 2.2390039265155792e-001 - <_> - - <_> - - - - <_> - 8 2 6 2 -1. - <_> - 10 4 2 2 3. - 1 - -5.1224708557128906e-002 - 1.4911690354347229e-001 - -2.7958190441131592e-001 - <_> - - <_> - - - - <_> - 12 10 1 2 -1. - <_> - 12 11 1 1 2. - 0 - 9.4173839897848666e-005 - -2.2882409393787384e-001 - 8.2659862935543060e-002 - <_> - - <_> - - - - <_> - 5 4 6 2 -1. - <_> - 5 4 3 2 2. - 1 - 1.0907740332186222e-002 - 6.5371036529541016e-002 - -4.9981170892715454e-001 - <_> - - <_> - - - - <_> - 1 3 16 4 -1. - <_> - 5 3 8 4 2. - 0 - -2.6308920979499817e-001 - -6.0524332523345947e-001 - 4.5024640858173370e-002 - <_> - - <_> - - - - <_> - 0 2 7 4 -1. - <_> - 0 4 7 2 2. - 0 - -7.3864251375198364e-002 - -4.8135051131248474e-001 - 4.9323990941047668e-002 - <_> - - <_> - - - - <_> - 12 10 1 2 -1. - <_> - 12 11 1 1 2. - 0 - -1.1241710308240727e-004 - 1.3900199532508850e-001 - -4.0958389639854431e-002 - <_> - - <_> - - - - <_> - 5 10 1 2 -1. - <_> - 5 11 1 1 2. - 0 - 9.9417651654221117e-005 - -2.8291520476341248e-001 - 9.7753129899501801e-002 - <_> - - <_> - - - - <_> - 0 6 18 6 -1. - <_> - 9 6 9 3 2. - <_> - 0 9 9 3 2. - 0 - 4.0392991155385971e-002 - 6.6282726824283600e-002 - -3.1161430478096008e-001 - <_> - - <_> - - - - <_> - 0 2 2 2 -1. - <_> - 0 2 1 1 2. - <_> - 1 3 1 1 2. - 0 - -9.7815187473315746e-005 - 1.5816099941730499e-001 - -1.4707480370998383e-001 - <_> - - <_> - - - - <_> - 4 0 14 2 -1. - <_> - 11 0 7 1 2. - <_> - 4 1 7 1 2. - 0 - -3.0936010181903839e-002 - 2.6339599490165710e-001 - -2.3398019373416901e-002 - <_> - - <_> - - - - <_> - 7 0 4 3 -1. - <_> - 7 1 4 1 3. - 0 - 1.3425219804048538e-002 - -8.9827023446559906e-002 - 2.6492318511009216e-001 - <_> - - <_> - - - - <_> - 1 10 16 1 -1. - <_> - 5 10 8 1 2. - 0 - -3.3873628824949265e-002 - 2.8317770361900330e-001 - -7.7808901667594910e-002 - <_> - - <_> - - - - <_> - 7 1 4 4 -1. - <_> - 7 2 4 2 2. - 0 - 1.2463210150599480e-002 - -1.2371910363435745e-001 - 1.8724919855594635e-001 - <_> - - <_> - - - - <_> - 17 0 1 8 -1. - <_> - 17 2 1 4 2. - 0 - 2.9030779376626015e-002 - 9.0519478544592857e-003 - -4.1493371129035950e-001 - <_> - - <_> - - - - <_> - 4 6 4 2 -1. - <_> - 5 6 2 2 2. - 0 - 1.1256829835474491e-002 - 8.7845213711261749e-002 - -2.3316149413585663e-001 - <_> - - <_> - - - - <_> - 7 6 4 3 -1. - <_> - 7 7 4 1 3. - 0 - -1.5189910307526588e-002 - 2.9291531443595886e-001 - -8.0204613506793976e-002 - <_> - - <_> - - - - <_> - 4 6 2 2 -1. - <_> - 4 6 1 1 2. - <_> - 5 7 1 1 2. - 0 - -9.1453723143786192e-005 - 1.5025730431079865e-001 - -1.3389849662780762e-001 - <_> - - <_> - - - - <_> - 9 5 3 3 -1. - <_> - 10 6 1 1 9. - 0 - -1.7369290813803673e-002 - 2.1264329552650452e-001 - -1.1079180240631104e-001 - <_> - - <_> - - - - <_> - 0 0 1 8 -1. - <_> - 0 2 1 4 2. - 0 - 6.0836751945316792e-003 - 6.6616423428058624e-002 - -3.2809430360794067e-001 - <_> - - <_> - - - - <_> - 4 2 12 2 -1. - <_> - 8 2 4 2 3. - 0 - -1.8416589125990868e-002 - 1.0930880159139633e-001 - -1.0196469724178314e-001 - <_> - - <_> - - - - <_> - 7 2 4 10 -1. - <_> - 7 2 2 5 2. - <_> - 9 7 2 5 2. - 0 - 2.4164859205484390e-002 - 6.5767362713813782e-002 - -3.2412400841712952e-001 - <_> - - <_> - - - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - 0 - -8.7694352259859443e-005 - 1.1597049981355667e-001 - -1.1484769731760025e-001 - <_> - - <_> - - - - <_> - 1 0 16 3 -1. - <_> - 1 1 16 1 3. - 0 - -2.7230460196733475e-002 - 2.6190671324729919e-001 - -7.0017747581005096e-002 - <_> - - <_> - - - - <_> - 8 0 4 3 -1. - <_> - 9 0 2 3 2. - 0 - 7.9280352219939232e-003 - 4.4160388410091400e-002 - -3.5706248879432678e-001 - <_> - - <_> - - - - <_> - 9 4 1 3 -1. - <_> - 8 5 1 1 3. - 1 - 2.9761910438537598e-002 - -2.6648679748177528e-002 - 7.6121932268142700e-001 - <_> - - <_> - - - - <_> - 14 7 3 2 -1. - <_> - 14 7 3 1 2. - 1 - 2.3093869909644127e-002 - 1.1457229964435101e-002 - -4.8356440663337708e-001 - <_> - - <_> - - - - <_> - 4 7 2 3 -1. - <_> - 4 7 1 3 2. - 1 - 1.5517040155827999e-002 - 2.8549319133162498e-002 - -5.8977079391479492e-001 - <_> - - <_> - - - - <_> - 16 1 2 2 -1. - <_> - 17 1 1 1 2. - <_> - 16 2 1 1 2. - 0 - -9.1348258138168603e-005 - 6.3839852809906006e-002 - -6.8278312683105469e-002 - <_> - - <_> - - - - <_> - 0 1 2 2 -1. - <_> - 0 1 1 1 2. - <_> - 1 2 1 1 2. - 0 - -9.5886833150871098e-005 - 1.3642780482769012e-001 - -1.2203469872474670e-001 - <_> - - <_> - - - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 0 - -7.8461649536620826e-005 - 9.5480233430862427e-002 - -8.4051437675952911e-002 - <_> - - <_> - - - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - 0 - -8.5865067376289517e-005 - 8.1667177379131317e-002 - -2.2435750067234039e-001 - <_> - - <_> - - - - <_> - 9 5 3 3 -1. - <_> - 10 6 1 1 9. - 0 - 1.8028339371085167e-002 - -4.2098421603441238e-002 - 2.6320070028305054e-001 - <_> - - <_> - - - - <_> - 6 5 3 3 -1. - <_> - 7 6 1 1 9. - 0 - -1.1890250258147717e-002 - 1.8222090601921082e-001 - -9.6351742744445801e-002 - <_> - - <_> - - - - <_> - 9 5 2 1 -1. - <_> - 9 5 1 1 2. - 0 - 7.6375443313736469e-005 - -3.6046039313077927e-002 - 6.4947687089443207e-002 - <_> - - <_> - - - - <_> - 7 4 3 3 -1. - <_> - 8 5 1 1 9. - 0 - -9.7775431349873543e-003 - 1.3119940459728241e-001 - -1.3694000244140625e-001 - <_> - - <_> - - - - <_> - 9 0 6 4 -1. - <_> - 11 0 2 4 3. - 0 - 2.0142890512943268e-002 - 4.9725331366062164e-002 - -2.0494620501995087e-001 - <_> - - <_> - - - - <_> - 6 6 1 3 -1. - <_> - 5 7 1 1 3. - 1 - -6.0250670649111271e-003 - 1.8385030329227448e-001 - -8.9287042617797852e-002 - <_> - - <_> - - - - <_> - 10 6 4 2 -1. - <_> - 11 6 2 2 2. - 0 - -5.2001518197357655e-003 - 2.7691179513931274e-001 - -6.5970212221145630e-002 - <_> - - <_> - - - - <_> - 1 2 12 2 -1. - <_> - 5 2 4 2 3. - 0 - -1.6988459974527359e-002 - 1.0599619895219803e-001 - -1.7461700737476349e-001 - <_> - - <_> - - - - <_> - 3 0 12 4 -1. - <_> - 3 1 12 2 2. - 0 - 1.6818750649690628e-002 - -1.3084490597248077e-001 - 1.3686789572238922e-001 - <_> - - <_> - - - - <_> - 5 0 1 3 -1. - <_> - 4 1 1 1 3. - 1 - 9.4254389405250549e-003 - 3.5684291273355484e-002 - -4.7307041287422180e-001 - <_> - - <_> - - - - <_> - 6 1 6 3 -1. - <_> - 6 2 6 1 3. - 0 - -1.7591860145330429e-002 - 2.8785240650177002e-001 - -6.0098338872194290e-002 - <_> - - <_> - - - - <_> - 4 0 3 3 -1. - <_> - 3 1 3 1 3. - 1 - -1.6125669702887535e-002 - -3.0210059881210327e-001 - 5.8409459888935089e-002 - <_> - - <_> - - - - <_> - 15 7 3 4 -1. - <_> - 16 7 1 4 3. - 0 - 2.0552899688482285e-002 - 4.2291129939258099e-003 - -2.4721190333366394e-001 - <_> - - <_> - - - - <_> - 0 5 3 4 -1. - <_> - 1 5 1 4 3. - 0 - -1.0046569630503654e-002 - 2.7138590812683105e-001 - -6.3029937446117401e-002 - <_> - - <_> - - - - <_> - 8 1 4 2 -1. - <_> - 9 1 2 2 2. - 0 - -7.2175520472228527e-003 - -2.5999858975410461e-001 - 2.3320039734244347e-002 - <_> - - <_> - - - - <_> - 6 1 4 2 -1. - <_> - 7 1 2 2 2. - 0 - -9.3304775655269623e-003 - -5.2186262607574463e-001 - 2.9735490679740906e-002 - <_> - - <_> - - - - <_> - 10 7 3 2 -1. - <_> - 10 7 3 1 2. - 1 - -4.0984921157360077e-002 - -2.2182470560073853e-001 - 5.1118140108883381e-003 - <_> - - <_> - - - - <_> - 3 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - 2.7245599776506424e-002 - 3.0876399949193001e-002 - -5.1215821504592896e-001 - <_> - - <_> - - - - <_> - 11 6 2 1 -1. - <_> - 11 6 1 1 2. - 0 - 3.0668000690639019e-003 - -4.3708208948373795e-002 - 2.7001819014549255e-001 - <_> - - <_> - - - - <_> - 4 6 3 1 -1. - <_> - 5 6 1 1 3. - 0 - -9.3389411631505936e-005 - 1.4854280650615692e-001 - -1.1542809754610062e-001 - -1.5643759965896606e+000 - 12 - -1 - <_> - - - <_> - - <_> - - - - <_> - 4 6 4 2 -1. - <_> - 5 6 2 2 2. - 0 - 8.3494018763303757e-003 - -5.3271728754043579e-001 - 7.3268449306488037e-001 - <_> - - <_> - - - - <_> - 6 1 11 4 -1. - <_> - 6 2 11 2 2. - 0 - 3.4267958253622055e-002 - -2.5425639748573303e-001 - 5.1729089021682739e-001 - <_> - - <_> - - - - <_> - 5 3 8 3 -1. - <_> - 5 4 8 1 3. - 0 - -3.9879079908132553e-002 - 6.3676887750625610e-001 - -1.6440890729427338e-001 - <_> - - <_> - - - - <_> - 9 5 3 3 -1. - <_> - 10 5 1 3 3. - 0 - -1.2493499554693699e-002 - 6.1780160665512085e-001 - -1.5069130063056946e-001 - <_> - - <_> - - - - <_> - 6 5 3 3 -1. - <_> - 7 5 1 3 3. - 0 - 9.4682415947318077e-003 - -1.4532479643821716e-001 - 6.0617917776107788e-001 - <_> - - <_> - - - - <_> - 4 2 10 3 -1. - <_> - 4 3 10 1 3. - 0 - -2.7246329933404922e-002 - 5.3559631109237671e-001 - -8.9151263236999512e-002 - <_> - - <_> - - - - <_> - 5 4 8 3 -1. - <_> - 5 5 8 1 3. - 0 - -5.6648440659046173e-002 - 6.2180757522583008e-001 - -8.5310757160186768e-002 - <_> - - <_> - - - - <_> - 7 7 4 3 -1. - <_> - 7 8 4 1 3. - 0 - 1.4102620072662830e-002 - -9.3592159450054169e-002 - 4.4376650452613831e-001 - <_> - - <_> - - - - <_> - 5 3 8 7 -1. - <_> - 9 3 4 7 2. - 0 - 3.3257868885993958e-001 - -1.2685759924352169e-002 - -8.2546881103515625e+002 - <_> - - <_> - - - - <_> - 11 6 3 2 -1. - <_> - 12 6 1 2 3. - 0 - 9.9063739180564880e-003 - -1.0738559812307358e-001 - 5.0298547744750977e-001 - <_> - - <_> - - - - <_> - 4 6 4 2 -1. - <_> - 5 6 2 2 2. - 0 - 8.3582093939185143e-003 - 1.5422430634498596e-001 - -3.5790690779685974e-001 - <_> - - <_> - - - - <_> - 7 2 4 3 -1. - <_> - 7 3 4 1 3. - 0 - -3.2779511064291000e-002 - 6.4060282707214355e-001 - -1.4030179940164089e-002 - <_> - - <_> - - - - <_> - 6 1 6 3 -1. - <_> - 6 2 6 1 3. - 0 - -2.0835140720009804e-002 - 5.4712289571762085e-001 - -7.4879899621009827e-002 - <_> - - <_> - - - - <_> - 8 1 2 1 -1. - <_> - 8 1 1 1 2. - 0 - -5.1647479267558083e-005 - 1.8039730191230774e-001 - -2.2248619794845581e-001 - <_> - - <_> - - - - <_> - 8 3 4 3 -1. - <_> - 7 4 4 1 3. - 1 - -3.1204670667648315e-002 - 2.9656040668487549e-001 - -1.2957809865474701e-001 - <_> - - <_> - - - - <_> - 12 5 3 2 -1. - <_> - 13 6 1 2 3. - 1 - -1.7422020435333252e-002 - 3.9275988936424255e-001 - -6.5897516906261444e-002 - <_> - - <_> - - - - <_> - 1 5 6 3 -1. - <_> - 3 5 2 3 3. - 0 - -1.2536820024251938e-002 - 2.0158059895038605e-001 - -1.9292819499969482e-001 - <_> - - <_> - - - - <_> - 12 9 2 1 -1. - <_> - 12 9 1 1 2. - 0 - -4.8037480155471712e-005 - 1.2082680314779282e-001 - -1.4217889308929443e-001 - <_> - - <_> - - - - <_> - 4 0 9 12 -1. - <_> - 4 6 9 6 2. - 0 - 6.5716922283172607e-002 - -3.0140811204910278e-001 - 1.0884209722280502e-001 - <_> - - <_> - - - - <_> - 13 10 2 2 -1. - <_> - 14 10 1 1 2. - <_> - 13 11 1 1 2. - 0 - 3.8559301174245775e-005 - -1.1485870182514191e-001 - 1.2233419716358185e-001 - <_> - - <_> - - - - <_> - 3 10 2 2 -1. - <_> - 3 10 1 1 2. - <_> - 4 11 1 1 2. - 0 - 4.6443768951576203e-005 - -1.6948090493679047e-001 - 1.8788060545921326e-001 - <_> - - <_> - - - - <_> - 13 10 2 2 -1. - <_> - 14 10 1 1 2. - <_> - 13 11 1 1 2. - 0 - -4.1368581150891259e-005 - 2.4010670185089111e-001 - -1.4868290722370148e-001 - <_> - - <_> - - - - <_> - 5 6 3 1 -1. - <_> - 6 6 1 1 3. - 0 - -5.4830620065331459e-003 - 6.1856138706207275e-001 - -4.8334259539842606e-002 - <_> - - <_> - - - - <_> - 11 6 3 2 -1. - <_> - 12 6 1 2 3. - 0 - 1.7779540270566940e-002 - -2.6616660878062248e-002 - 4.9245241284370422e-001 - <_> - - <_> - - - - <_> - 0 10 4 2 -1. - <_> - 0 11 4 1 2. - 0 - -4.0962300263345242e-003 - -5.4207402467727661e-001 - 5.9048470109701157e-002 - <_> - - <_> - - - - <_> - 11 6 3 2 -1. - <_> - 12 6 1 2 3. - 0 - -1.6451759263873100e-002 - 7.6350831985473633e-001 - -2.5473199784755707e-002 - <_> - - <_> - - - - <_> - 1 11 16 1 -1. - <_> - 9 11 8 1 2. - 0 - -2.2241640836000443e-002 - -3.6452740430831909e-001 - 8.6116299033164978e-002 - <_> - - <_> - - - - <_> - 11 10 2 1 -1. - <_> - 11 10 1 1 2. - 0 - -2.7459589764475822e-003 - -2.4589340388774872e-001 - 3.3040750771760941e-002 - <_> - - <_> - - - - <_> - 5 10 2 1 -1. - <_> - 6 10 1 1 2. - 0 - -4.0295468352269381e-005 - 2.0092859864234924e-001 - -2.0132540166378021e-001 - <_> - - <_> - - - - <_> - 11 6 3 2 -1. - <_> - 12 6 1 2 3. - 0 - -4.5473738573491573e-003 - 2.1073690056800842e-001 - -4.5514870434999466e-002 - <_> - - <_> - - - - <_> - 4 6 3 2 -1. - <_> - 5 6 1 2 3. - 0 - -3.7957709282636642e-003 - 3.0283540487289429e-001 - -9.5874093472957611e-002 - <_> - - <_> - - - - <_> - 11 4 1 4 -1. - <_> - 10 5 1 2 2. - 1 - -6.6188150085508823e-003 - 7.9740211367607117e-002 - -1.6595689952373505e-001 - <_> - - <_> - - - - <_> - 0 0 2 2 -1. - <_> - 0 0 1 1 2. - <_> - 1 1 1 1 2. - 0 - -4.5857861550757661e-005 - 1.7260129749774933e-001 - -1.6178980469703674e-001 - <_> - - <_> - - - - <_> - 16 3 2 2 -1. - <_> - 17 3 1 1 2. - <_> - 16 4 1 1 2. - 0 - -4.8166970373131335e-005 - 1.4548319578170776e-001 - -1.6439950466156006e-001 - <_> - - <_> - - - - <_> - 8 7 2 3 -1. - <_> - 8 7 1 3 2. - 1 - -5.2052710088901222e-005 - 8.3391591906547546e-002 - -3.4013390541076660e-001 - <_> - - <_> - - - - <_> - 8 1 2 1 -1. - <_> - 8 1 1 1 2. - 0 - 4.5986729674041271e-005 - -1.2061770260334015e-001 - 2.4329949915409088e-001 - <_> - - <_> - - - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - 0 - -4.6646920964121819e-005 - 1.0119310021400452e-001 - -3.0405890941619873e-001 - <_> - - <_> - - - - <_> - 16 3 2 2 -1. - <_> - 17 3 1 1 2. - <_> - 16 4 1 1 2. - 0 - 4.7388079110532999e-005 - -1.1716579645872116e-001 - 2.1742169559001923e-001 - <_> - - <_> - - - - <_> - 0 3 2 2 -1. - <_> - 0 3 1 1 2. - <_> - 1 4 1 1 2. - 0 - -4.6242319513112307e-005 - 1.8022020161151886e-001 - -1.5529049932956696e-001 - -1.6128469705581665e+000 - 13 - -1 - <_> - - - <_> - - <_> - - - - <_> - 4 6 4 2 -1. - <_> - 5 6 2 2 2. - 0 - 1.6110079362988472e-002 - -4.1071599721908569e-001 - 7.7589380741119385e-001 - <_> - - <_> - - - - <_> - 7 3 4 3 -1. - <_> - 7 4 4 1 3. - 0 - -2.5305269286036491e-002 - 6.6618782281875610e-001 - -1.5485580265522003e-001 - <_> - - <_> - - - - <_> - 6 6 6 2 -1. - <_> - 8 6 2 2 3. - 0 - -2.5699760764837265e-002 - 3.3241620659828186e-001 - -2.3156909644603729e-001 - <_> - - <_> - - - - <_> - 9 6 3 1 -1. - <_> - 10 6 1 1 3. - 0 - -5.7776989415287971e-003 - 4.1196781396865845e-001 - -1.3117870688438416e-001 - <_> - - <_> - - - - <_> - 6 6 3 1 -1. - <_> - 7 6 1 1 3. - 0 - 8.1719085574150085e-003 - -6.9755800068378448e-002 - 6.4852428436279297e-001 - <_> - - <_> - - - - <_> - 5 4 8 3 -1. - <_> - 5 5 8 1 3. - 0 - -6.5088421106338501e-002 - 6.1390417814254761e-001 - -5.9815850108861923e-002 - <_> - - <_> - - - - <_> - 1 0 9 10 -1. - <_> - 4 0 3 10 3. - 0 - 1.0464339703321457e-001 - 9.0163193643093109e-002 - -4.5573940873146057e-001 - <_> - - <_> - - - - <_> - 6 2 6 3 -1. - <_> - 6 3 6 1 3. - 0 - -3.1685851514339447e-002 - 5.5533021688461304e-001 - -6.2855109572410583e-002 - <_> - - <_> - - - - <_> - 5 6 2 1 -1. - <_> - 6 6 1 1 2. - 0 - -8.0294553190469742e-003 - 6.7273747920989990e-001 - -4.3747950345277786e-002 - <_> - - <_> - - - - <_> - 12 0 2 1 -1. - <_> - 12 0 1 1 2. - 0 - 2.4209800176322460e-003 - 4.0785990655422211e-002 - -3.1722348928451538e-001 - <_> - - <_> - - - - <_> - 3 5 4 3 -1. - <_> - 4 5 2 3 2. - 0 - -8.1889061257243156e-003 - 2.6846039295196533e-001 - -1.2580759823322296e-001 - <_> - - <_> - - - - <_> - 8 0 4 3 -1. - <_> - 9 0 2 3 2. - 0 - 9.3489009886980057e-003 - 5.0966899842023849e-002 - -3.9423060417175293e-001 - <_> - - <_> - - - - <_> - 6 0 4 3 -1. - <_> - 7 0 2 3 2. - 0 - 6.9262371398508549e-003 - 6.0307100415229797e-002 - -5.6436121463775635e-001 - <_> - - <_> - - - - <_> - 5 7 8 3 -1. - <_> - 5 8 8 1 3. - 0 - 2.3801159113645554e-002 - -9.9566370248794556e-002 - 3.3963540196418762e-001 - <_> - - <_> - - - - <_> - 1 0 2 1 -1. - <_> - 2 0 1 1 2. - 0 - -4.1956758650485426e-005 - 9.3987770378589630e-002 - -3.0422720313072205e-001 - <_> - - <_> - - - - <_> - 8 4 10 6 -1. - <_> - 13 4 5 3 2. - <_> - 8 7 5 3 2. - 0 - 1.3572919368743896e-001 - 2.9968850314617157e-002 - -4.2673060297966003e-001 - <_> - - <_> - - - - <_> - 4 5 6 2 -1. - <_> - 7 5 3 2 2. - 0 - -2.1524201147258282e-003 - 8.3092503249645233e-002 - -3.2027548551559448e-001 - <_> - - <_> - - - - <_> - 12 7 1 4 -1. - <_> - 12 9 1 2 2. - 0 - -2.2321950644254684e-002 - 3.8670408725738525e-001 - -2.8302310965955257e-003 - <_> - - <_> - - - - <_> - 0 10 2 2 -1. - <_> - 0 11 2 1 2. - 0 - -3.3701520878821611e-003 - -5.4070180654525757e-001 - 4.8329830169677734e-002 - <_> - - <_> - - - - <_> - 17 8 1 4 -1. - <_> - 17 9 1 2 2. - 0 - -2.8812189120799303e-003 - -4.1134339570999146e-001 - 5.0348810851573944e-002 - <_> - - <_> - - - - <_> - 4 1 10 3 -1. - <_> - 4 2 10 1 3. - 0 - 3.3026181161403656e-002 - -9.1724671423435211e-002 - 2.7849179506301880e-001 - <_> - - <_> - - - - <_> - 5 0 8 4 -1. - <_> - 5 1 8 2 2. - 0 - -4.8657391220331192e-002 - 5.2620977163314819e-001 - -4.8676058650016785e-002 - <_> - - <_> - - - - <_> - 0 8 1 4 -1. - <_> - 0 9 1 2 2. - 0 - -3.7647879216820002e-003 - -4.5844191312789917e-001 - 6.4317077398300171e-002 - <_> - - <_> - - - - <_> - 6 0 6 3 -1. - <_> - 6 1 6 1 3. - 0 - 2.0504679530858994e-002 - -9.4328112900257111e-002 - 2.9794049263000488e-001 - <_> - - <_> - - - - <_> - 4 0 2 1 -1. - <_> - 5 0 1 1 2. - 0 - -3.6554280086420476e-005 - 1.2746079266071320e-001 - -1.9186210632324219e-001 - <_> - - <_> - - - - <_> - 13 9 1 2 -1. - <_> - 13 9 1 1 2. - 1 - 9.4470614567399025e-003 - 9.2077916488051414e-003 - -5.2767378091812134e-001 - <_> - - <_> - - - - <_> - 5 9 2 1 -1. - <_> - 5 9 1 1 2. - 1 - 1.6520130448043346e-003 - 5.3146030753850937e-002 - -4.0580609440803528e-001 - <_> - - <_> - - - - <_> - 15 6 3 3 -1. - <_> - 16 7 1 3 3. - 1 - -1.9722340628504753e-002 - 2.8976440429687500e-001 - -5.8757949620485306e-002 - <_> - - <_> - - - - <_> - 3 6 3 3 -1. - <_> - 2 7 3 1 3. - 1 - 1.5641599893569946e-002 - -8.5858047008514404e-002 - 2.7374029159545898e-001 - <_> - - <_> - - - - <_> - 15 0 3 2 -1. - <_> - 16 1 1 2 3. - 1 - -1.2213470414280891e-002 - -1.8302009999752045e-001 - 2.5141900405287743e-002 - <_> - - <_> - - - - <_> - 3 0 2 3 -1. - <_> - 2 1 2 1 3. - 1 - 5.5025829933583736e-003 - 7.0544131100177765e-002 - -3.0967020988464355e-001 - <_> - - <_> - - - - <_> - 10 5 2 4 -1. - <_> - 11 5 1 2 2. - <_> - 10 7 1 2 2. - 0 - -7.9423412680625916e-003 - 3.8959950208663940e-001 - -4.3679900467395782e-002 - <_> - - <_> - - - - <_> - 6 5 2 4 -1. - <_> - 6 5 1 2 2. - <_> - 7 7 1 2 2. - 0 - 8.4905028343200684e-003 - -7.2534352540969849e-002 - 3.3101171255111694e-001 - <_> - - <_> - - - - <_> - 10 6 4 2 -1. - <_> - 11 6 2 2 2. - 0 - -1.4299919828772545e-002 - 5.9872722625732422e-001 - -2.7945769950747490e-002 - <_> - - <_> - - - - <_> - 7 9 4 3 -1. - <_> - 8 9 2 3 2. - 0 - 6.7005599848926067e-003 - 4.8855118453502655e-002 - -5.2919381856918335e-001 - <_> - - <_> - - - - <_> - 15 6 3 3 -1. - <_> - 16 6 1 3 3. - 0 - 3.9664511568844318e-003 - -4.3123081326484680e-002 - 1.0984309762716293e-001 - <_> - - <_> - - - - <_> - 0 6 3 3 -1. - <_> - 1 6 1 3 3. - 0 - -7.5540919788181782e-003 - 3.0421760678291321e-001 - -7.2253189980983734e-002 - <_> - - <_> - - - - <_> - 8 11 3 1 -1. - <_> - 9 11 1 1 3. - 0 - -3.7034100387245417e-003 - -5.4518002271652222e-001 - 3.5437230020761490e-002 - <_> - - <_> - - - - <_> - 7 11 3 1 -1. - <_> - 8 11 1 1 3. - 0 - -2.5188990402966738e-003 - -4.5737591385841370e-001 - 5.5983148515224457e-002 - <_> - - <_> - - - - <_> - 8 4 10 6 -1. - <_> - 13 4 5 3 2. - <_> - 8 7 5 3 2. - 0 - 2.0579920709133148e-001 - -2.7724468964152038e-004 - -6.6996318101882935e-001 - <_> - - <_> - - - - <_> - 4 8 10 3 -1. - <_> - 4 9 10 1 3. - 0 - 2.9303770512342453e-002 - -5.6496240198612213e-002 - 3.5997670888900757e-001 - <_> - - <_> - - - - <_> - 8 4 10 6 -1. - <_> - 13 4 5 3 2. - <_> - 8 7 5 3 2. - 0 - 6.9648310542106628e-002 - 3.1737551093101501e-002 - -6.8570420145988464e-002 - <_> - - <_> - - - - <_> - 1 11 16 1 -1. - <_> - 9 11 8 1 2. - 0 - -4.2670730501413345e-002 - -5.1828289031982422e-001 - 3.7313610315322876e-002 - <_> - - <_> - - - - <_> - 14 5 4 4 -1. - <_> - 14 7 4 2 2. - 0 - 5.3184129297733307e-002 - -3.8423359394073486e-002 - 1.3666149973869324e-001 - <_> - - <_> - - - - <_> - 0 2 18 10 -1. - <_> - 0 2 9 5 2. - <_> - 9 7 9 5 2. - 0 - 3.1404110789299011e-001 - 3.7239000201225281e-002 - -6.1689531803131104e-001 - <_> - - <_> - - - - <_> - 3 5 12 3 -1. - <_> - 6 5 6 3 2. - 0 - -1.1121670156717300e-001 - -3.4866338968276978e-001 - 5.0600431859493256e-002 - <_> - - <_> - - - - <_> - 9 3 4 1 -1. - <_> - 10 4 2 1 2. - 1 - -1.2414909899234772e-002 - 1.6056859493255615e-001 - -1.3499259948730469e-001 - <_> - - <_> - - - - <_> - 10 4 3 4 -1. - <_> - 11 4 1 4 3. - 0 - -1.0976280085742474e-002 - 4.0659919381141663e-001 - -7.1035951375961304e-002 - <_> - - <_> - - - - <_> - 5 4 3 4 -1. - <_> - 6 4 1 4 3. - 0 - -1.0068650357425213e-002 - 3.9899739623069763e-001 - -4.7854758799076080e-002 - <_> - - <_> - - - - <_> - 12 10 2 1 -1. - <_> - 12 10 1 1 2. - 0 - -4.4595100916922092e-005 - 1.2453170120716095e-001 - -1.5943150222301483e-001 - <_> - - <_> - - - - <_> - 0 3 2 3 -1. - <_> - 0 4 2 1 3. - 0 - 5.2231438457965851e-003 - 5.1684871315956116e-002 - -3.7264791131019592e-001 - <_> - - <_> - - - - <_> - 9 0 9 6 -1. - <_> - 9 3 9 3 2. - 0 - -3.1584289669990540e-001 - -5.6410568952560425e-001 - 1.6620539128780365e-002 - <_> - - <_> - - - - <_> - 8 8 2 2 -1. - <_> - 8 8 1 2 2. - 1 - -4.9251379095949233e-005 - 6.4569346606731415e-002 - -2.6977449655532837e-001 - <_> - - <_> - - - - <_> - 11 8 2 2 -1. - <_> - 11 8 2 1 2. - 1 - -1.5871439129114151e-002 - -1.0536020249128342e-001 - 2.2641019895672798e-002 - <_> - - <_> - - - - <_> - 4 0 4 3 -1. - <_> - 4 1 4 1 3. - 0 - -1.4802659861743450e-002 - 3.0771070718765259e-001 - -5.6442748755216599e-002 - <_> - - <_> - - - - <_> - 11 8 2 2 -1. - <_> - 11 8 2 1 2. - 1 - 6.2432001868728548e-005 - -1.3522149994969368e-002 - 6.4676657319068909e-002 - <_> - - <_> - - - - <_> - 0 3 1 2 -1. - <_> - 0 4 1 1 2. - 0 - -3.6458349786698818e-003 - -3.7946069240570068e-001 - 4.3726790696382523e-002 - <_> - - <_> - - - - <_> - 12 2 4 6 -1. - <_> - 10 4 4 2 3. - 1 - -1.2038329988718033e-001 - 8.3884507417678833e-002 - -5.7846531271934509e-002 - <_> - - <_> - - - - <_> - 6 2 6 4 -1. - <_> - 8 4 2 4 3. - 1 - -1.5285080671310425e-001 - -4.1195228695869446e-001 - 4.1427899152040482e-002 - <_> - - <_> - - - - <_> - 9 4 3 4 -1. - <_> - 10 4 1 4 3. - 0 - -2.4037640541791916e-002 - 3.6811178922653198e-001 - -2.8063010424375534e-002 - <_> - - <_> - - - - <_> - 0 9 4 2 -1. - <_> - 0 10 4 1 2. - 0 - -5.0715710967779160e-003 - -4.3527451157569885e-001 - 3.7839580327272415e-002 - <_> - - <_> - - - - <_> - 14 11 2 1 -1. - <_> - 14 11 1 1 2. - 0 - 2.2647699806839228e-003 - 3.3513750880956650e-002 - -3.1196358799934387e-001 - <_> - - <_> - - - - <_> - 2 11 2 1 -1. - <_> - 3 11 1 1 2. - 0 - 2.8620659577427432e-005 - -1.2641629576683044e-001 - 1.4573280513286591e-001 - <_> - - <_> - - - - <_> - 14 3 4 6 -1. - <_> - 14 5 4 2 3. - 0 - -1.5032389760017395e-001 - -5.1674288511276245e-001 - 6.3420650549232960e-003 - <_> - - <_> - - - - <_> - 0 3 4 6 -1. - <_> - 0 5 4 2 3. - 0 - -1.0515840258449316e-003 - 7.3436759412288666e-002 - -2.2326730191707611e-001 - <_> - - <_> - - - - <_> - 9 5 3 3 -1. - <_> - 10 5 1 3 3. - 0 - -6.2594460323452950e-003 - 1.0833080112934113e-001 - -4.8997879028320313e-002 - <_> - - <_> - - - - <_> - 0 0 14 2 -1. - <_> - 0 0 7 1 2. - <_> - 7 1 7 1 2. - 0 - -1.9374769181013107e-002 - 2.9532751441001892e-001 - -5.0250150263309479e-002 - <_> - - <_> - - - - <_> - 9 2 2 1 -1. - <_> - 9 2 1 1 2. - 0 - -4.1956758650485426e-005 - 8.0195806920528412e-002 - -1.0686949640512466e-001 - <_> - - <_> - - - - <_> - 7 5 3 1 -1. - <_> - 8 6 1 1 3. - 1 - -3.4468329977244139e-003 - 1.2324280291795731e-001 - -1.1800339818000793e-001 - <_> - - <_> - - - - <_> - 10 6 4 2 -1. - <_> - 11 6 2 2 2. - 0 - 2.0574549213051796e-002 - -2.3928789421916008e-002 - 2.7955460548400879e-001 - <_> - - <_> - - - - <_> - 4 6 4 2 -1. - <_> - 5 6 2 2 2. - 0 - 1.6083529219031334e-002 - 6.2995746731758118e-002 - -3.2501700520515442e-001 - <_> - - <_> - - - - <_> - 3 0 12 9 -1. - <_> - 6 0 6 9 2. - 0 - -1.5888260304927826e-001 - -1.9509589672088623e-001 - 8.4130212664604187e-002 - <_> - - <_> - - - - <_> - 6 5 3 3 -1. - <_> - 7 5 1 3 3. - 0 - -1.0786239989101887e-002 - 3.0075341463088989e-001 - -5.3811751306056976e-002 - <_> - - <_> - - - - <_> - 16 7 2 5 -1. - <_> - 16 7 1 5 2. - 0 - -5.0971349992323667e-005 - 1.0555840283632278e-001 - -1.8500010669231415e-001 - <_> - - <_> - - - - <_> - 5 1 3 4 -1. - <_> - 5 1 3 2 2. - 1 - 2.0255280658602715e-002 - 5.4217409342527390e-002 - -2.6162931323051453e-001 - <_> - - <_> - - - - <_> - 11 2 1 4 -1. - <_> - 11 2 1 2 2. - 1 - 4.5595720410346985e-002 - -2.1169850602746010e-002 - 1.7655989527702332e-001 - <_> - - <_> - - - - <_> - 7 2 4 1 -1. - <_> - 7 2 2 1 2. - 1 - -1.4993960503488779e-003 - -2.4702130258083344e-001 - 6.4111799001693726e-002 - <_> - - <_> - - - - <_> - 4 1 10 4 -1. - <_> - 4 2 10 2 2. - 0 - -5.1197629421949387e-002 - 3.8098621368408203e-001 - -4.3534200638532639e-002 - <_> - - <_> - - - - <_> - 0 7 2 5 -1. - <_> - 1 7 1 5 2. - 0 - -1.2308140285313129e-002 - 2.2999510169029236e-001 - -6.8426601588726044e-002 - <_> - - <_> - - - - <_> - 12 8 2 2 -1. - <_> - 12 8 2 1 2. - 1 - 2.3125670850276947e-002 - 7.3915729299187660e-003 - -8.1511551141738892e-001 - <_> - - <_> - - - - <_> - 6 8 2 2 -1. - <_> - 6 8 1 2 2. - 1 - -1.0254840366542339e-002 - -2.0483459532260895e-001 - 7.4748978018760681e-002 - <_> - - <_> - - - - <_> - 15 6 3 5 -1. - <_> - 16 6 1 5 3. - 0 - 1.6489239409565926e-002 - -1.0638999752700329e-002 - 1.5904539823532104e-001 - <_> - - <_> - - - - <_> - 1 10 2 2 -1. - <_> - 1 10 1 1 2. - <_> - 2 11 1 1 2. - 0 - 4.6443768951576203e-005 - -1.2445150315761566e-001 - 1.2339290231466293e-001 - <_> - - <_> - - - - <_> - 11 5 2 2 -1. - <_> - 12 5 1 1 2. - <_> - 11 6 1 1 2. - 0 - -3.6345820408314466e-003 - 3.3572021126747131e-001 - -5.3786080330610275e-002 - <_> - - <_> - - - - <_> - 5 11 4 1 -1. - <_> - 6 11 2 1 2. - 0 - -4.2814682237803936e-003 - -4.0974819660186768e-001 - 3.8746099919080734e-002 - <_> - - <_> - - - - <_> - 11 5 2 2 -1. - <_> - 12 5 1 1 2. - <_> - 11 6 1 1 2. - 0 - 2.5832538958638906e-003 - -7.4852287769317627e-002 - 3.2739511132240295e-001 - <_> - - <_> - - - - <_> - 0 3 2 1 -1. - <_> - 1 3 1 1 2. - 0 - -1.4718719467055053e-004 - 6.8306617438793182e-002 - -2.0809960365295410e-001 - -1.6440550088882446e+000 - 14 - -1 - <_> - - - <_> - - <_> - - - - <_> - 4 6 4 2 -1. - <_> - 5 6 2 2 2. - 0 - 1.9498139619827271e-002 - -3.3759370446205139e-001 - 6.7766612768173218e-001 - <_> - - <_> - - - - <_> - 7 3 4 3 -1. - <_> - 7 4 4 1 3. - 0 - -3.4336470067501068e-002 - 6.9824808835983276e-001 - -1.3596299290657043e-001 - <_> - - <_> - - - - <_> - 4 0 3 2 -1. - <_> - 4 0 3 1 2. - 1 - 9.7922142595052719e-003 - 8.3390571177005768e-002 - -4.1553869843482971e-001 - <_> - - <_> - - - - <_> - 10 2 1 6 -1. - <_> - 8 4 1 2 3. - 1 - -6.3095659017562866e-002 - 1.7525289952754974e-001 - -3.5272590816020966e-002 - <_> - - <_> - - - - <_> - 8 2 6 1 -1. - <_> - 10 4 2 1 3. - 1 - -3.7893280386924744e-002 - 1.7454449832439423e-001 - -2.0477719604969025e-001 - <_> - - <_> - - - - <_> - 7 0 6 4 -1. - <_> - 9 0 2 4 3. - 0 - 2.9307829216122627e-002 - 4.0337048470973969e-002 - -4.0458971261978149e-001 - <_> - - <_> - - - - <_> - 4 0 6 4 -1. - <_> - 6 0 2 4 3. - 0 - 3.3006248995661736e-003 - 1.0832270234823227e-001 - -3.8293439149856567e-001 - <_> - - <_> - - - - <_> - 9 6 3 1 -1. - <_> - 10 6 1 1 3. - 0 - -6.9221840240061283e-003 - 3.0836719274520874e-001 - -5.3221769630908966e-002 - <_> - - <_> - - - - <_> - 4 0 3 4 -1. - <_> - 3 1 3 2 2. - 1 - 1.2095970101654530e-002 - 6.8258158862590790e-002 - -4.5494788885116577e-001 - <_> - - <_> - - - - <_> - 9 6 3 1 -1. - <_> - 10 6 1 1 3. - 0 - 7.8306095674633980e-003 - -3.9104040712118149e-002 - 5.2432292699813843e-001 - <_> - - <_> - - - - <_> - 6 6 3 1 -1. - <_> - 7 6 1 1 3. - 0 - 1.1000329628586769e-002 - -4.8125259578227997e-002 - 5.9042930603027344e-001 - <_> - - <_> - - - - <_> - 9 9 4 3 -1. - <_> - 10 9 2 3 2. - 0 - 5.3003318607807159e-003 - 7.7072180807590485e-002 - -4.6984028816223145e-001 - <_> - - <_> - - - - <_> - 6 2 6 3 -1. - <_> - 6 3 6 1 3. - 0 - -4.0341410785913467e-002 - 5.3887742757797241e-001 - -4.8817768692970276e-002 - <_> - - <_> - - - - <_> - 16 1 2 1 -1. - <_> - 16 1 1 1 2. - 0 - 4.5519209379563108e-005 - -4.8769790679216385e-002 - 6.1085790395736694e-002 - <_> - - <_> - - - - <_> - 0 1 2 1 -1. - <_> - 1 1 1 1 2. - 0 - -3.5766988730756566e-005 - 8.8775523006916046e-002 - -3.1009709835052490e-001 - <_> - - <_> - - - - <_> - 9 3 3 4 -1. - <_> - 10 4 1 4 3. - 1 - -1.2121529877185822e-001 - -8.7199020385742188e-001 - 1.9037359743379056e-004 - <_> - - <_> - - - - <_> - 9 3 4 3 -1. - <_> - 8 4 4 1 3. - 1 - -2.0810520276427269e-002 - 1.2869510054588318e-001 - -2.2694960236549377e-001 - <_> - - <_> - - - - <_> - 9 9 4 3 -1. - <_> - 10 9 2 3 2. - 0 - -7.5748898088932037e-003 - -5.6044650077819824e-001 - 6.8818382918834686e-002 - <_> - - <_> - - - - <_> - 2 0 6 5 -1. - <_> - 4 0 2 5 3. - 0 - 2.2772360593080521e-002 - 4.9116428941488266e-002 - -4.5276260375976563e-001 - <_> - - <_> - - - - <_> - 15 3 3 6 -1. - <_> - 16 4 1 6 3. - 1 - -3.1300768256187439e-002 - 2.4237060546875000e-001 - -6.5867289900779724e-002 - <_> - - <_> - - - - <_> - 6 0 3 4 -1. - <_> - 5 1 3 2 2. - 1 - -3.4844119101762772e-002 - -4.4477778673171997e-001 - 5.1829639822244644e-002 - <_> - - <_> - - - - <_> - 17 0 1 2 -1. - <_> - 17 1 1 1 2. - 0 - 3.5052769817411900e-005 - -4.2088508605957031e-002 - 4.7609008848667145e-002 - <_> - - <_> - - - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - 0 - 1.5844260342419147e-003 - 5.6480269879102707e-002 - -4.1779080033302307e-001 - <_> - - <_> - - - - <_> - 6 0 6 3 -1. - <_> - 6 1 6 1 3. - 0 - 2.6414310559630394e-002 - -7.2216093540191650e-002 - 3.0886408686637878e-001 - <_> - - <_> - - - - <_> - 6 0 6 3 -1. - <_> - 6 1 6 1 3. - 0 - -2.4469729512929916e-002 - 3.4676471352577209e-001 - -6.7458316683769226e-002 - <_> - - <_> - - - - <_> - 7 0 4 3 -1. - <_> - 8 0 2 3 2. - 0 - 5.6515377946197987e-003 - 6.4198330044746399e-002 - -3.5227119922637939e-001 - <_> - - <_> - - - - <_> - 0 8 8 4 -1. - <_> - 0 9 8 2 2. - 0 - 1.9363719969987869e-002 - 5.6742910295724869e-002 - -3.4612348675727844e-001 - <_> - - <_> - - - - <_> - 11 6 3 1 -1. - <_> - 12 7 1 1 3. - 1 - 2.0357580855488777e-002 - -4.8724349588155746e-002 - 3.8238760828971863e-001 - <_> - - <_> - - - - <_> - 7 6 1 3 -1. - <_> - 6 7 1 1 3. - 1 - -5.1647052168846130e-003 - 2.1022629737854004e-001 - -1.0693299770355225e-001 - <_> - - <_> - - - - <_> - 6 5 7 6 -1. - <_> - 6 8 7 3 2. - 0 - 1.4845539815723896e-002 - -6.1529231071472168e-001 - 3.5300489515066147e-002 - <_> - - <_> - - - - <_> - 6 9 2 1 -1. - <_> - 6 9 1 1 2. - 1 - -8.6702024564146996e-003 - -4.0551638603210449e-001 - 4.2726211249828339e-002 - <_> - - <_> - - - - <_> - 15 2 3 1 -1. - <_> - 16 3 1 1 3. - 1 - -1.4502460137009621e-002 - -4.2973139882087708e-001 - 2.6243820786476135e-002 - <_> - - <_> - - - - <_> - 3 2 1 3 -1. - <_> - 2 3 1 1 3. - 1 - 3.6778231151401997e-003 - 6.6653557121753693e-002 - -2.8710830211639404e-001 - <_> - - <_> - - - - <_> - 16 0 2 10 -1. - <_> - 16 0 2 5 2. - 1 - 1.3134600222110748e-001 - 1.4174330048263073e-002 - -1.5358589589595795e-001 - <_> - - <_> - - - - <_> - 2 0 10 2 -1. - <_> - 2 0 5 2 2. - 1 - -1.3666020333766937e-001 - -4.2397919297218323e-001 - 5.0294190645217896e-002 - <_> - - <_> - - - - <_> - 12 9 1 2 -1. - <_> - 12 9 1 1 2. - 1 - 7.2551309131085873e-003 - 8.2462644204497337e-003 - -3.2001951336860657e-001 - <_> - - <_> - - - - <_> - 5 5 3 2 -1. - <_> - 6 5 1 2 3. - 0 - -1.3511019758880138e-002 - 5.0302737951278687e-001 - -3.4302528947591782e-002 - <_> - - <_> - - - - <_> - 11 6 2 2 -1. - <_> - 11 6 1 2 2. - 0 - -1.3929050415754318e-002 - 4.3465730547904968e-001 - -4.2992260307073593e-002 - <_> - - <_> - - - - <_> - 2 4 12 3 -1. - <_> - 5 4 6 3 2. - 0 - -1.2819659709930420e-001 - -4.8288840055465698e-001 - 4.2751569300889969e-002 - <_> - - <_> - - - - <_> - 12 9 1 2 -1. - <_> - 12 9 1 1 2. - 1 - -1.6732519492506981e-002 - -4.3209370970726013e-001 - 3.1982630025595427e-003 - <_> - - <_> - - - - <_> - 6 9 2 1 -1. - <_> - 6 9 1 1 2. - 1 - 2.0149480551481247e-003 - 4.4975060969591141e-002 - -3.9710980653762817e-001 - <_> - - <_> - - - - <_> - 4 0 14 2 -1. - <_> - 11 0 7 1 2. - <_> - 4 1 7 1 2. - 0 - 8.7468000128865242e-003 - -4.2383570224046707e-002 - 9.5026336610317230e-002 - <_> - - <_> - - - - <_> - 0 0 14 2 -1. - <_> - 0 0 7 1 2. - <_> - 7 1 7 1 2. - 0 - 2.3763459175825119e-002 - -7.2902612388134003e-002 - 2.4120329320430756e-001 - <_> - - <_> - - - - <_> - 12 0 6 4 -1. - <_> - 15 0 3 2 2. - <_> - 12 2 3 2 2. - 0 - -1.5337429940700531e-002 - 1.2962980568408966e-001 - -5.8821711689233780e-002 - <_> - - <_> - - - - <_> - 4 0 4 3 -1. - <_> - 5 0 2 3 2. - 0 - -1.1038820259273052e-002 - -3.9287769794464111e-001 - 4.2961981147527695e-002 - <_> - - <_> - - - - <_> - 0 1 18 6 -1. - <_> - 0 4 18 3 2. - 0 - -4.6639290452003479e-001 - -5.7689660787582397e-001 - 2.6615839451551437e-002 - <_> - - <_> - - - - <_> - 3 4 12 2 -1. - <_> - 3 5 12 1 2. - 0 - -4.5179851353168488e-002 - 2.5730028748512268e-001 - -6.9095030426979065e-002 - <_> - - <_> - - - - <_> - 7 0 4 2 -1. - <_> - 8 0 2 2 2. - 0 - -6.9027519784867764e-003 - -4.2040190100669861e-001 - 4.1919898241758347e-002 - <_> - - <_> - - - - <_> - 1 2 12 3 -1. - <_> - 5 2 4 3 3. - 0 - -4.3509289622306824e-002 - 1.1465229839086533e-001 - -1.5128579735755920e-001 - <_> - - <_> - - - - <_> - 10 6 2 2 -1. - <_> - 11 6 1 1 2. - <_> - 10 7 1 1 2. - 0 - 4.9952589906752110e-003 - -2.7340779080986977e-002 - 2.4642029404640198e-001 - <_> - - <_> - - - - <_> - 0 3 1 4 -1. - <_> - 0 4 1 2 2. - 0 - 3.4534540027379990e-003 - 4.9953348934650421e-002 - -3.1069651246070862e-001 - <_> - - <_> - - - - <_> - 11 5 2 3 -1. - <_> - 11 5 1 3 2. - 0 - 1.2536670081317425e-002 - -1.5751969069242477e-002 - 2.3830600082874298e-001 - <_> - - <_> - - - - <_> - 5 5 2 6 -1. - <_> - 5 5 1 3 2. - <_> - 6 8 1 3 2. - 0 - -4.6358969993889332e-003 - 1.9324310123920441e-001 - -8.0604627728462219e-002 - <_> - - <_> - - - - <_> - 14 3 4 4 -1. - <_> - 14 4 4 2 2. - 0 - -4.2210690677165985e-002 - -3.9498311281204224e-001 - 1.5114610083401203e-002 - <_> - - <_> - - - - <_> - 5 4 3 2 -1. - <_> - 6 5 1 2 3. - 1 - 1.7369300127029419e-002 - -4.9444381147623062e-002 - 3.1055888533592224e-001 - <_> - - <_> - - - - <_> - 14 3 4 4 -1. - <_> - 14 4 4 2 2. - 0 - 2.8287919703871012e-003 - -3.8280609995126724e-002 - 8.8243007659912109e-002 - <_> - - <_> - - - - <_> - 0 3 4 4 -1. - <_> - 0 4 4 2 2. - 0 - -2.8313150629401207e-002 - -5.6536638736724854e-001 - 2.8949340805411339e-002 - <_> - - <_> - - - - <_> - 13 4 4 4 -1. - <_> - 13 4 4 2 2. - 1 - -2.2647269070148468e-002 - 5.6739021092653275e-002 - -1.2499769777059555e-001 - <_> - - <_> - - - - <_> - 6 10 4 2 -1. - <_> - 7 10 2 2 2. - 0 - -8.6736697703599930e-003 - -6.2506991624832153e-001 - 2.3742560297250748e-002 - <_> - - <_> - - - - <_> - 12 3 3 6 -1. - <_> - 13 3 1 6 3. - 0 - 2.8303779661655426e-002 - -2.7384009212255478e-002 - 3.2746648788452148e-001 - <_> - - <_> - - - - <_> - 3 3 3 6 -1. - <_> - 4 3 1 6 3. - 0 - -2.3424259852617979e-003 - 1.0716210305690765e-001 - -1.4106050133705139e-001 - <_> - - <_> - - - - <_> - 11 3 6 6 -1. - <_> - 13 5 2 2 9. - 0 - -1.0879710316658020e-001 - 1.4286050200462341e-001 - -1.0067559778690338e-001 - <_> - - <_> - - - - <_> - 1 3 6 6 -1. - <_> - 3 5 2 2 9. - 0 - -2.3998910188674927e-001 - -7.2609817981719971e-001 - 2.1252749487757683e-002 - <_> - - <_> - - - - <_> - 5 9 8 3 -1. - <_> - 5 10 8 1 3. - 0 - -1.0510819964110851e-002 - 2.0192959904670715e-001 - -7.1475587785243988e-002 - <_> - - <_> - - - - <_> - 0 8 2 2 -1. - <_> - 0 9 2 1 2. - 0 - -2.9618060216307640e-003 - -3.3826011419296265e-001 - 4.2012460529804230e-002 - <_> - - <_> - - - - <_> - 16 7 2 3 -1. - <_> - 16 7 1 3 2. - 1 - 6.5366048365831375e-003 - 2.1016959100961685e-002 - -3.3604449033737183e-001 - <_> - - <_> - - - - <_> - 2 7 3 2 -1. - <_> - 2 7 3 1 2. - 1 - 1.5359099954366684e-002 - -3.9575159549713135e-002 - 4.1411620378494263e-001 - <_> - - <_> - - - - <_> - 16 1 2 8 -1. - <_> - 17 1 1 4 2. - <_> - 16 5 1 4 2. - 0 - -5.9200981631875038e-003 - 1.0086079686880112e-001 - -6.0626558959484100e-002 - <_> - - <_> - - - - <_> - 0 1 2 8 -1. - <_> - 0 1 1 4 2. - <_> - 1 5 1 4 2. - 0 - -6.7361057735979557e-003 - 2.1334829926490784e-001 - -6.8882316350936890e-002 - <_> - - <_> - - - - <_> - 13 0 4 5 -1. - <_> - 14 0 2 5 2. - 0 - 6.4818300306797028e-003 - 6.3638597726821899e-002 - -1.9560219347476959e-001 - <_> - - <_> - - - - <_> - 1 0 4 5 -1. - <_> - 2 0 2 5 2. - 0 - 7.0354170165956020e-003 - 5.4166000336408615e-002 - -2.7890819311141968e-001 - <_> - - <_> - - - - <_> - 0 6 18 6 -1. - <_> - 9 6 9 3 2. - <_> - 0 9 9 3 2. - 0 - -1.7828759551048279e-001 - -3.7294510006904602e-001 - 3.6584310233592987e-002 - <_> - - <_> - - - - <_> - 0 5 7 6 -1. - <_> - 0 7 7 2 3. - 0 - -7.8773088753223419e-002 - -3.6562091112136841e-001 - 3.5259820520877838e-002 - <_> - - <_> - - - - <_> - 5 1 8 3 -1. - <_> - 5 2 8 1 3. - 0 - -3.4936249256134033e-002 - 3.4944280982017517e-001 - -4.2130310088396072e-002 - <_> - - <_> - - - - <_> - 3 1 11 3 -1. - <_> - 3 2 11 1 3. - 0 - 5.1275938749313354e-002 - -4.9116469919681549e-002 - 3.2908609509468079e-001 - <_> - - <_> - - - - <_> - 14 9 1 2 -1. - <_> - 14 9 1 1 2. - 1 - 8.3894617855548859e-003 - 1.0704530403017998e-002 - -4.0773379802703857e-001 - <_> - - <_> - - - - <_> - 4 9 2 1 -1. - <_> - 4 9 1 1 2. - 1 - 3.8752930704504251e-003 - 3.0874349176883698e-002 - -4.2981019616127014e-001 - <_> - - <_> - - - - <_> - 6 4 6 6 -1. - <_> - 8 4 2 6 3. - 0 - -2.8959279879927635e-002 - 9.8091676831245422e-002 - -1.3165040314197540e-001 - <_> - - <_> - - - - <_> - 4 6 4 2 -1. - <_> - 5 6 2 2 2. - 0 - 1.9355230033397675e-002 - 4.9088131636381149e-002 - -2.8296470642089844e-001 - <_> - - <_> - - - - <_> - 10 5 2 2 -1. - <_> - 11 5 1 1 2. - <_> - 10 6 1 1 2. - 0 - 2.4605318903923035e-003 - -4.4935218989849091e-002 - 2.1187350153923035e-001 - <_> - - <_> - - - - <_> - 6 5 2 2 -1. - <_> - 6 5 1 1 2. - <_> - 7 6 1 1 2. - 0 - -4.3705930002033710e-003 - 2.9035219550132751e-001 - -4.9733299762010574e-002 - <_> - - <_> - - - - <_> - 16 0 2 3 -1. - <_> - 16 1 2 1 3. - 0 - 8.8900327682495117e-003 - 2.7575170621275902e-002 - -2.5662681460380554e-001 - <_> - - <_> - - - - <_> - 0 0 2 3 -1. - <_> - 0 1 2 1 3. - 0 - -1.1210380122065544e-002 - -4.5494940876960754e-001 - 2.8127580881118774e-002 - <_> - - <_> - - - - <_> - 7 8 4 3 -1. - <_> - 7 9 4 1 3. - 0 - -1.0722589679062366e-002 - 2.5290718674659729e-001 - -5.1751948893070221e-002 - <_> - - <_> - - - - <_> - 9 2 6 2 -1. - <_> - 11 4 2 2 3. - 1 - -5.4759901016950607e-002 - 9.5928423106670380e-002 - -1.3142620027065277e-001 - <_> - - <_> - - - - <_> - 17 7 1 2 -1. - <_> - 17 8 1 1 2. - 0 - -1.4724220382049680e-003 - -3.2331600785255432e-001 - 3.6647390574216843e-002 - <_> - - <_> - - - - <_> - 7 0 2 3 -1. - <_> - 6 1 2 1 3. - 1 - 1.2189580127596855e-002 - 4.0190368890762329e-002 - -2.7344599366188049e-001 - <_> - - <_> - - - - <_> - 10 4 3 3 -1. - <_> - 11 5 1 3 3. - 1 - -9.5241647213697433e-003 - 2.8725100681185722e-002 - -5.1296249032020569e-002 - <_> - - <_> - - - - <_> - 8 4 3 3 -1. - <_> - 7 5 3 1 3. - 1 - -2.9368860647082329e-002 - 2.6298341155052185e-001 - -4.5174758881330490e-002 - <_> - - <_> - - - - <_> - 8 4 4 8 -1. - <_> - 8 6 4 4 2. - 0 - -1.6835989430546761e-002 - -7.7370226383209229e-002 - 8.7621882557868958e-002 - <_> - - <_> - - - - <_> - 9 5 6 1 -1. - <_> - 11 7 2 1 3. - 1 - 4.8315960913896561e-002 - 2.8099019080400467e-002 - -4.4539469480514526e-001 - <_> - - <_> - - - - <_> - 10 5 2 4 -1. - <_> - 11 5 1 2 2. - <_> - 10 7 1 2 2. - 0 - -1.7475409433245659e-002 - 3.2665181159973145e-001 - -7.0993858389556408e-003 - <_> - - <_> - - - - <_> - 6 5 2 4 -1. - <_> - 6 5 1 2 2. - <_> - 7 7 1 2 2. - 0 - 1.1099129915237427e-002 - -4.1876319795846939e-002 - 2.9490828514099121e-001 - <_> - - <_> - - - - <_> - 9 11 2 1 -1. - <_> - 9 11 1 1 2. - 0 - 2.3201128933578730e-003 - 2.8871670365333557e-002 - -3.9258959889411926e-001 - <_> - - <_> - - - - <_> - 6 11 6 1 -1. - <_> - 8 11 2 1 3. - 0 - -1.0768280364573002e-002 - -4.6519058942794800e-001 - 2.4949219077825546e-002 - <_> - - <_> - - - - <_> - 0 0 18 2 -1. - <_> - 6 0 6 2 3. - 0 - -7.2821088135242462e-002 - 1.3412840664386749e-001 - -9.3141697347164154e-002 - <_> - - <_> - - - - <_> - 2 0 10 1 -1. - <_> - 7 0 5 1 2. - 0 - 1.7050189897418022e-002 - -6.0329660773277283e-002 - 2.1904440224170685e-001 - <_> - - <_> - - - - <_> - 2 0 14 3 -1. - <_> - 2 0 7 3 2. - 0 - -1.8992629647254944e-001 - -5.1518648862838745e-001 - 2.1408829838037491e-002 - <_> - - <_> - - - - <_> - 3 5 4 3 -1. - <_> - 2 6 4 1 3. - 1 - -1.7060669139027596e-002 - 1.9582070410251617e-001 - -5.6239139288663864e-002 - <_> - - <_> - - - - <_> - 13 9 5 3 -1. - <_> - 13 10 5 1 3. - 0 - -1.4951139688491821e-002 - -3.6664319038391113e-001 - 2.4565050378441811e-002 - <_> - - <_> - - - - <_> - 0 6 4 3 -1. - <_> - 1 6 2 3 2. - 0 - 9.6735544502735138e-003 - -5.2386801689863205e-002 - 2.1741649508476257e-001 - <_> - - <_> - - - - <_> - 12 2 3 2 -1. - <_> - 13 3 1 2 3. - 1 - -1.7105480656027794e-002 - 7.0179320871829987e-002 - -2.0144950598478317e-002 - <_> - - <_> - - - - <_> - 6 2 2 3 -1. - <_> - 5 3 2 1 3. - 1 - 7.2467918507754803e-003 - 5.2429918199777603e-002 - -2.1052859723567963e-001 - <_> - - <_> - - - - <_> - 13 0 4 3 -1. - <_> - 12 1 4 1 3. - 1 - -3.1322270631790161e-002 - 3.1517499685287476e-001 - -4.4390950351953506e-002 - <_> - - <_> - - - - <_> - 3 5 10 6 -1. - <_> - 3 8 10 3 2. - 0 - -5.6205280125141144e-002 - -8.7249839305877686e-001 - 1.2938500382006168e-002 - <_> - - <_> - - - - <_> - 13 0 4 3 -1. - <_> - 12 1 4 1 3. - 1 - 3.2938860356807709e-002 - -4.3342970311641693e-002 - 2.4175900220870972e-001 - <_> - - <_> - - - - <_> - 4 3 10 4 -1. - <_> - 4 4 10 2 2. - 0 - 2.2955680266022682e-002 - -4.1244581341743469e-002 - 2.6797288656234741e-001 - <_> - - <_> - - - - <_> - 16 7 2 5 -1. - <_> - 16 7 1 5 2. - 0 - -4.0403520688414574e-003 - 1.1751759797334671e-001 - -8.8851161301136017e-002 - <_> - - <_> - - - - <_> - 6 3 2 4 -1. - <_> - 6 4 2 2 2. - 0 - -7.3366537690162659e-003 - 1.1126759648323059e-001 - -1.0500030219554901e-001 - <_> - - <_> - - - - <_> - 14 2 4 2 -1. - <_> - 14 2 2 2 2. - 0 - -3.7868309766054153e-002 - -3.6040359735488892e-001 - 4.1551068425178528e-003 - <_> - - <_> - - - - <_> - 0 2 4 2 -1. - <_> - 2 2 2 2 2. - 0 - -4.6715070493519306e-003 - 7.4014060199260712e-002 - -1.6199620068073273e-001 - <_> - - <_> - - - - <_> - 15 3 3 4 -1. - <_> - 16 4 1 4 3. - 1 - 4.7153029590845108e-002 - -1.6626819968223572e-002 - 3.0439698696136475e-001 - <_> - - <_> - - - - <_> - 3 3 4 3 -1. - <_> - 2 4 4 1 3. - 1 - -5.7896347716450691e-003 - 1.0218390077352524e-001 - -1.0985810309648514e-001 - <_> - - <_> - - - - <_> - 15 6 2 4 -1. - <_> - 15 6 1 4 2. - 1 - -5.8129139244556427e-002 - 2.4536029994487762e-001 - -1.0435160249471664e-002 - <_> - - <_> - - - - <_> - 3 6 4 2 -1. - <_> - 3 6 4 1 2. - 1 - 1.8205940723419189e-002 - -2.8424680233001709e-002 - 4.3812799453735352e-001 - <_> - - <_> - - - - <_> - 13 9 5 3 -1. - <_> - 13 10 5 1 3. - 0 - 1.1710450053215027e-002 - 4.2386539280414581e-002 - -2.1680490672588348e-001 - <_> - - <_> - - - - <_> - 0 9 5 3 -1. - <_> - 0 10 5 1 3. - 0 - -1.9464310258626938e-002 - -5.8676087856292725e-001 - 1.9311159849166870e-002 - <_> - - <_> - - - - <_> - 17 9 1 3 -1. - <_> - 17 10 1 1 3. - 0 - -2.5619969237595797e-003 - -2.4047499895095825e-001 - 2.5458659976720810e-002 - <_> - - <_> - - - - <_> - 3 0 4 3 -1. - <_> - 4 1 2 3 2. - 1 - 6.4271733164787292e-002 - -1.6712099313735962e-002 - 7.0072662830352783e-001 - <_> - - <_> - - - - <_> - 17 2 1 3 -1. - <_> - 17 3 1 1 3. - 0 - 3.4974149893969297e-003 - 4.0429990738630295e-002 - -1.9398880004882813e-001 - <_> - - <_> - - - - <_> - 6 11 4 1 -1. - <_> - 7 11 2 1 2. - 0 - -3.5052769817411900e-005 - 9.8691992461681366e-002 - -1.0426600277423859e-001 - <_> - - <_> - - - - <_> - 2 11 16 1 -1. - <_> - 2 11 8 1 2. - 0 - -6.2979538924992085e-003 - 4.3742060661315918e-002 - -4.0012229233980179e-002 - <_> - - <_> - - - - <_> - 0 11 16 1 -1. - <_> - 8 11 8 1 2. - 0 - 7.6886221766471863e-002 - 1.4384250156581402e-002 - -7.6758372783660889e-001 - <_> - - <_> - - - - <_> - 14 9 4 3 -1. - <_> - 14 9 2 3 2. - 0 - -6.2105238437652588e-002 - -7.5344699621200562e-001 - 2.2511880379170179e-003 - <_> - - <_> - - - - <_> - 0 9 4 3 -1. - <_> - 2 9 2 3 2. - 0 - 7.9736672341823578e-003 - -6.3740402460098267e-002 - 1.6708980500698090e-001 - <_> - - <_> - - - - <_> - 17 7 1 4 -1. - <_> - 17 8 1 2 2. - 0 - 4.7112111933529377e-003 - 2.9338790103793144e-002 - -1.9519449770450592e-001 - <_> - - <_> - - - - <_> - 0 7 1 4 -1. - <_> - 0 8 1 2 2. - 0 - -4.7494978643953800e-003 - -3.1782409548759460e-001 - 3.3812701702117920e-002 - <_> - - <_> - - - - <_> - 16 9 2 1 -1. - <_> - 16 9 1 1 2. - 1 - -2.3578179534524679e-003 - 3.7033520638942719e-002 - -5.1874168217182159e-002 - -1.6447039842605591e+000 - 15 - -1 - <_> - - - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -4.7099228948354721e-002 - 5.1232028007507324e-001 - -4.0044599771499634e-001 - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -8.5581682622432709e-002 - 4.7390219569206238e-001 - -8.0851227045059204e-002 - <_> - - <_> - - - - <_> - 0 2 15 6 -1. - <_> - 0 4 15 2 3. - 0 - -1.5751540660858154e-001 - 3.0307799577713013e-001 - -2.9985809326171875e-001 - <_> - - <_> - - - - <_> - 12 6 2 4 -1. - <_> - 13 6 1 2 2. - <_> - 12 8 1 2 2. - 0 - -7.7447071671485901e-003 - 3.9014250040054321e-001 - -1.2618440389633179e-001 - <_> - - <_> - - - - <_> - 3 6 12 2 -1. - <_> - 7 6 4 2 3. - 0 - -1.3232390582561493e-001 - -6.1038082838058472e-001 - 6.2328979372978210e-002 - <_> - - <_> - - - - <_> - 9 5 8 4 -1. - <_> - 11 5 4 4 2. - 0 - 9.9189996719360352e-002 - 4.0009308606386185e-002 - -2.4128450453281403e-001 - <_> - - <_> - - - - <_> - 5 2 8 8 -1. - <_> - 7 2 4 8 2. - 0 - 2.3752479255199432e-001 - 2.4606010993011296e-004 - -9.8147119140625000e+002 - <_> - - <_> - - - - <_> - 12 0 6 2 -1. - <_> - 12 0 3 2 2. - 0 - 5.3483508527278900e-003 - -5.8558419346809387e-002 - 9.7474083304405212e-002 - <_> - - <_> - - - - <_> - 0 0 6 2 -1. - <_> - 3 0 3 2 2. - 0 - -1.5156139619648457e-002 - 1.7715239524841309e-001 - -2.7982389926910400e-001 - <_> - - <_> - - - - <_> - 12 6 2 4 -1. - <_> - 13 6 1 2 2. - <_> - 12 8 1 2 2. - 0 - 1.0705590248107910e-002 - -3.0257379636168480e-002 - 3.6629560589790344e-001 - <_> - - <_> - - - - <_> - 4 6 2 4 -1. - <_> - 4 6 1 2 2. - <_> - 5 8 1 2 2. - 0 - -3.2671689987182617e-003 - 2.1479220688343048e-001 - -1.5616300702095032e-001 - <_> - - <_> - - - - <_> - 12 0 4 8 -1. - <_> - 13 0 2 8 2. - 0 - -3.9971169084310532e-002 - -4.8491969704627991e-001 - 1.6523819416761398e-002 - <_> - - <_> - - - - <_> - 0 8 18 4 -1. - <_> - 0 10 18 2 2. - 0 - 4.3550558388233185e-002 - -3.3622530102729797e-001 - 8.8661476969718933e-002 - <_> - - <_> - - - - <_> - 10 0 4 6 -1. - <_> - 11 1 2 6 2. - 1 - -7.8984871506690979e-002 - 1.8954129517078400e-001 - -2.6538040488958359e-002 - <_> - - <_> - - - - <_> - 8 0 6 4 -1. - <_> - 7 1 6 2 2. - 1 - -3.7077900022268295e-002 - 1.2257669866085052e-001 - -2.1321929991245270e-001 - <_> - - <_> - - - - <_> - 16 1 2 3 -1. - <_> - 16 1 1 3 2. - 1 - 2.6359550654888153e-002 - 3.6721199750900269e-002 - -4.6964219212532043e-001 - <_> - - <_> - - - - <_> - 2 1 3 2 -1. - <_> - 2 1 3 1 2. - 1 - 5.8852001093327999e-003 - 6.9452546536922455e-002 - -3.5492339730262756e-001 - <_> - - <_> - - - - <_> - 11 0 6 8 -1. - <_> - 13 0 2 8 3. - 0 - -1.8738530576229095e-002 - 1.1359489709138870e-001 - -8.9908212423324585e-002 - <_> - - <_> - - - - <_> - 1 0 6 8 -1. - <_> - 3 0 2 8 3. - 0 - -9.6431776881217957e-002 - -5.3097301721572876e-001 - 4.5616019517183304e-002 - <_> - - <_> - - - - <_> - 11 6 3 1 -1. - <_> - 12 6 1 1 3. - 0 - -3.2832629512995481e-003 - 2.3055520653724670e-001 - -5.9067908674478531e-002 - <_> - - <_> - - - - <_> - 4 6 3 1 -1. - <_> - 5 6 1 1 3. - 0 - -1.9987220875918865e-003 - 2.4238279461860657e-001 - -8.8716529309749603e-002 - <_> - - <_> - - - - <_> - 12 5 4 4 -1. - <_> - 13 5 2 4 2. - 0 - -5.6294091045856476e-003 - 1.6706959903240204e-001 - -1.2665410339832306e-001 - <_> - - <_> - - - - <_> - 9 2 6 1 -1. - <_> - 11 4 2 1 3. - 1 - -4.1918899863958359e-002 - 1.7224679887294769e-001 - -1.2623949348926544e-001 - <_> - - <_> - - - - <_> - 0 0 18 4 -1. - <_> - 6 0 6 4 3. - 0 - -1.0357339680194855e-001 - 1.4425869286060333e-001 - -1.5410119295120239e-001 - <_> - - <_> - - - - <_> - 2 5 4 4 -1. - <_> - 3 5 2 4 2. - 0 - -7.8944843262434006e-003 - 1.5122400224208832e-001 - -1.2487240135669708e-001 - <_> - - <_> - - - - <_> - 11 7 2 3 -1. - <_> - 10 8 2 1 3. - 1 - -1.9367299973964691e-002 - -3.5261449217796326e-001 - 2.1729569882154465e-002 - <_> - - <_> - - - - <_> - 8 4 3 3 -1. - <_> - 7 5 3 1 3. - 1 - -3.6256119608879089e-002 - 3.7000009417533875e-001 - -5.3758278489112854e-002 - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -4.7164689749479294e-002 - -2.3610420525074005e-001 - 9.7192026674747467e-002 - <_> - - <_> - - - - <_> - 9 4 4 2 -1. - <_> - 10 5 2 2 2. - 1 - -1.7230700701475143e-002 - 1.4201079308986664e-001 - -1.5985390543937683e-001 - <_> - - <_> - - - - <_> - 4 2 10 4 -1. - <_> - 4 3 10 2 2. - 0 - -5.0030000507831573e-002 - 2.6506531238555908e-001 - -8.6499691009521484e-002 - <_> - - <_> - - - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - 0 - -9.2107948148623109e-005 - 9.5687441527843475e-002 - -1.9993349909782410e-001 - <_> - - <_> - - - - <_> - 10 0 4 5 -1. - <_> - 11 0 2 5 2. - 0 - -1.0295229963958263e-002 - -2.9639908671379089e-001 - 4.1017848998308182e-002 - <_> - - <_> - - - - <_> - 7 9 4 3 -1. - <_> - 8 9 2 3 2. - 0 - -7.7980589121580124e-003 - -4.3875318765640259e-001 - 3.9625078439712524e-002 - <_> - - <_> - - - - <_> - 5 2 8 4 -1. - <_> - 5 3 8 2 2. - 0 - 4.7733850777149200e-002 - -5.9582959860563278e-002 - 2.9455170035362244e-001 - <_> - - <_> - - - - <_> - 4 0 4 5 -1. - <_> - 5 0 2 5 2. - 0 - -1.8985090777277946e-002 - -5.1091802120208740e-001 - 3.6479711532592773e-002 - <_> - - <_> - - - - <_> - 10 0 3 2 -1. - <_> - 10 1 3 1 2. - 0 - 6.6718719899654388e-003 - -7.0748023688793182e-002 - 1.6990910470485687e-001 - <_> - - <_> - - - - <_> - 5 9 2 1 -1. - <_> - 5 9 1 1 2. - 1 - -1.0109299910254776e-004 - 7.2951592504978180e-002 - -2.2971729934215546e-001 - <_> - - <_> - - - - <_> - 14 6 2 4 -1. - <_> - 14 6 2 2 2. - 1 - 1.3687750324606895e-002 - -1.7154410481452942e-002 - 1.5828810632228851e-001 - <_> - - <_> - - - - <_> - 5 8 2 2 -1. - <_> - 5 8 1 2 2. - 1 - -1.1907920241355896e-002 - -2.7717119455337524e-001 - 6.1360988765954971e-002 - <_> - - <_> - - - - <_> - 11 6 3 3 -1. - <_> - 10 7 3 1 3. - 1 - 3.2344508916139603e-002 - 6.6562681458890438e-003 - -3.7267601490020752e-001 - <_> - - <_> - - - - <_> - 7 6 3 3 -1. - <_> - 8 7 1 3 3. - 1 - -3.3367820084095001e-002 - -5.3337848186492920e-001 - 2.7859410271048546e-002 - <_> - - <_> - - - - <_> - 3 0 14 2 -1. - <_> - 10 0 7 1 2. - <_> - 3 1 7 1 2. - 0 - 8.3360234275460243e-003 - -5.2400518208742142e-002 - 1.2462449818849564e-001 - <_> - - <_> - - - - <_> - 1 1 9 9 -1. - <_> - 4 4 3 3 9. - 0 - -5.2082502841949463e-001 - -4.6310651302337646e-001 - 3.1300779432058334e-002 - <_> - - <_> - - - - <_> - 16 2 2 3 -1. - <_> - 16 3 2 1 3. - 0 - 1.3498559594154358e-002 - 1.9706040620803833e-002 - -4.2935219407081604e-001 - <_> - - <_> - - - - <_> - 6 0 4 3 -1. - <_> - 6 1 4 1 3. - 0 - -1.1888509616255760e-002 - 2.1265150606632233e-001 - -6.5112717449665070e-002 - <_> - - <_> - - - - <_> - 1 0 16 3 -1. - <_> - 1 1 16 1 3. - 0 - 1.8383689224720001e-002 - -9.9591173231601715e-002 - 1.7049969732761383e-001 - <_> - - <_> - - - - <_> - 5 0 1 3 -1. - <_> - 4 1 1 1 3. - 1 - 1.0062440298497677e-002 - 3.3510580658912659e-002 - -4.7417938709259033e-001 - <_> - - <_> - - - - <_> - 11 1 3 3 -1. - <_> - 12 1 1 3 3. - 0 - 5.7981228455901146e-003 - 3.6437921226024628e-002 - -2.2873109579086304e-001 - <_> - - <_> - - - - <_> - 8 3 4 3 -1. - <_> - 7 4 4 1 3. - 1 - -3.0684519559144974e-002 - 1.4713959395885468e-001 - -8.7145403027534485e-002 - <_> - - <_> - - - - <_> - 11 4 4 5 -1. - <_> - 12 4 2 5 2. - 0 - 2.3879610002040863e-002 - -7.0351168513298035e-002 - 2.7118590474128723e-001 - <_> - - <_> - - - - <_> - 0 5 18 2 -1. - <_> - 6 5 6 2 3. - 0 - -2.5044348835945129e-001 - -4.7885990142822266e-001 - 3.1736131757497787e-002 - <_> - - <_> - - - - <_> - 11 1 3 3 -1. - <_> - 12 1 1 3 3. - 0 - 1.3026770204305649e-002 - 1.0787160135805607e-002 - -2.5330540537834167e-001 - <_> - - <_> - - - - <_> - 4 1 3 3 -1. - <_> - 5 1 1 3 3. - 0 - 9.0072769671678543e-003 - 2.7806090191006660e-002 - -4.7443199157714844e-001 - <_> - - <_> - - - - <_> - 10 6 3 2 -1. - <_> - 11 6 1 2 3. - 0 - -5.7155848480761051e-003 - 1.9597819447517395e-001 - -5.6443430483341217e-002 - <_> - - <_> - - - - <_> - 7 10 4 2 -1. - <_> - 8 10 2 2 2. - 0 - 6.5435571596026421e-003 - 2.4191839620471001e-002 - -5.9032911062240601e-001 - <_> - - <_> - - - - <_> - 10 6 3 2 -1. - <_> - 11 6 1 2 3. - 0 - 5.8930469676852226e-003 - -5.4064448922872543e-002 - 1.3058720529079437e-001 - <_> - - <_> - - - - <_> - 0 2 2 3 -1. - <_> - 0 3 2 1 3. - 0 - 7.1939909830689430e-003 - 3.4566860646009445e-002 - -3.6955019831657410e-001 - <_> - - <_> - - - - <_> - 10 6 3 2 -1. - <_> - 11 6 1 2 3. - 0 - -2.9776040464639664e-002 - -4.4595420360565186e-001 - 4.1442508809268475e-003 - <_> - - <_> - - - - <_> - 5 6 3 2 -1. - <_> - 6 6 1 2 3. - 0 - -3.2136470545083284e-003 - 2.2781200706958771e-001 - -5.8483459055423737e-002 - <_> - - <_> - - - - <_> - 11 5 4 4 -1. - <_> - 12 5 2 4 2. - 0 - -1.1251470074057579e-002 - 1.0093680024147034e-001 - -1.7605800181627274e-002 - <_> - - <_> - - - - <_> - 3 5 4 4 -1. - <_> - 4 5 2 4 2. - 0 - -4.6385750174522400e-003 - 1.3835780322551727e-001 - -1.2052179872989655e-001 - <_> - - <_> - - - - <_> - 14 9 1 2 -1. - <_> - 14 9 1 1 2. - 1 - -1.0255860164761543e-002 - -2.6656809449195862e-001 - 2.2648969665169716e-002 - <_> - - <_> - - - - <_> - 4 9 2 1 -1. - <_> - 4 9 1 1 2. - 1 - -1.1238789738854393e-004 - 7.0958286523818970e-002 - -1.9030919671058655e-001 - <_> - - <_> - - - - <_> - 15 8 2 2 -1. - <_> - 15 8 1 2 2. - 1 - -1.8172770505771041e-003 - 5.7135429233312607e-002 - -1.9398370385169983e-001 - <_> - - <_> - - - - <_> - 3 8 2 2 -1. - <_> - 3 8 2 1 2. - 1 - 5.5736447684466839e-003 - -5.8273639529943466e-002 - 2.7279791235923767e-001 - <_> - - <_> - - - - <_> - 17 6 1 2 -1. - <_> - 17 7 1 1 2. - 0 - -8.3255711942911148e-003 - -7.4055558443069458e-001 - 9.1970404610037804e-003 - <_> - - <_> - - - - <_> - 0 8 2 4 -1. - <_> - 0 9 2 2 2. - 0 - -3.1887560617178679e-003 - -2.4141499400138855e-001 - 5.7376209646463394e-002 - <_> - - <_> - - - - <_> - 14 6 3 4 -1. - <_> - 15 6 1 4 3. - 0 - -2.2584979888051748e-003 - 1.3913479447364807e-001 - -1.1590459942817688e-001 - <_> - - <_> - - - - <_> - 0 6 1 2 -1. - <_> - 0 7 1 1 2. - 0 - 9.4622228061780334e-005 - -1.3526099920272827e-001 - 9.5751672983169556e-002 - <_> - - <_> - - - - <_> - 8 4 3 3 -1. - <_> - 9 5 1 1 9. - 0 - -2.1349849179387093e-002 - 1.4678120613098145e-001 - -6.3536033034324646e-002 - <_> - - <_> - - - - <_> - 5 2 6 4 -1. - <_> - 7 2 2 4 3. - 0 - -4.4286339543759823e-003 - 8.8673412799835205e-002 - -1.5095430612564087e-001 - <_> - - <_> - - - - <_> - 14 5 4 2 -1. - <_> - 15 5 2 2 2. - 0 - -4.3985550291836262e-003 - 1.5795840322971344e-001 - -7.5238667428493500e-002 - <_> - - <_> - - - - <_> - 0 10 3 2 -1. - <_> - 0 11 3 1 2. - 0 - -9.3446951359510422e-003 - -6.5790867805480957e-001 - 2.0568570122122765e-002 - <_> - - <_> - - - - <_> - 14 5 4 2 -1. - <_> - 15 5 2 2 2. - 0 - -2.5447890162467957e-002 - -4.1285929083824158e-001 - 5.0353291444480419e-003 - <_> - - <_> - - - - <_> - 0 5 4 2 -1. - <_> - 1 5 2 2 2. - 0 - -5.0448579713702202e-003 - 1.8336050212383270e-001 - -7.2318047285079956e-002 - <_> - - <_> - - - - <_> - 10 0 3 4 -1. - <_> - 11 0 1 4 3. - 0 - 7.2271078824996948e-003 - 4.0401030331850052e-002 - -2.2265300154685974e-001 - <_> - - <_> - - - - <_> - 3 0 3 3 -1. - <_> - 4 1 1 3 3. - 1 - 1.3982810080051422e-002 - -5.7746250182390213e-002 - 2.2017340362071991e-001 - <_> - - <_> - - - - <_> - 16 2 2 3 -1. - <_> - 16 2 1 3 2. - 0 - -2.8559179045259953e-003 - 5.0909828394651413e-002 - -3.0777629464864731e-002 - <_> - - <_> - - - - <_> - 0 2 2 3 -1. - <_> - 1 2 1 3 2. - 0 - -1.8284700345247984e-003 - 7.4684068560600281e-002 - -1.7498280107975006e-001 - <_> - - <_> - - - - <_> - 3 1 12 4 -1. - <_> - 3 2 12 2 2. - 0 - 6.3661746680736542e-002 - -6.5391771495342255e-002 - 2.2334089875221252e-001 - <_> - - <_> - - - - <_> - 5 1 8 3 -1. - <_> - 5 2 8 1 3. - 0 - -2.7838269248604774e-002 - 2.9847261309623718e-001 - -4.9533151090145111e-002 - <_> - - <_> - - - - <_> - 8 0 2 1 -1. - <_> - 8 0 1 1 2. - 0 - -1.0150820162380114e-004 - 1.1381319910287857e-001 - -1.2988950312137604e-001 - <_> - - <_> - - - - <_> - 6 0 4 3 -1. - <_> - 7 0 2 3 2. - 0 - -8.2104168832302094e-003 - -3.3482441306114197e-001 - 4.3320100754499435e-002 - <_> - - <_> - - - - <_> - 10 4 1 4 -1. - <_> - 9 5 1 2 2. - 1 - -2.3469710722565651e-002 - 1.0485579818487167e-001 - -2.6606179773807526e-002 - <_> - - <_> - - - - <_> - 0 4 5 6 -1. - <_> - 0 6 5 2 3. - 0 - -1.0225430130958557e-001 - -5.8360242843627930e-001 - 1.9875079393386841e-002 - <_> - - <_> - - - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 0 - 1.1051409819629043e-004 - -5.1062610000371933e-002 - 5.9449151158332825e-002 - <_> - - <_> - - - - <_> - 3 1 2 3 -1. - <_> - 2 2 2 1 3. - 1 - -2.8587339445948601e-002 - -6.5006488561630249e-001 - 1.7431130632758141e-002 - <_> - - <_> - - - - <_> - 15 4 3 3 -1. - <_> - 15 5 3 1 3. - 0 - -1.3374029658734798e-002 - -1.4429409801959991e-001 - 1.7930189147591591e-002 - <_> - - <_> - - - - <_> - 4 6 2 2 -1. - <_> - 4 6 1 1 2. - <_> - 5 7 1 1 2. - 0 - -2.3064489942044020e-003 - 2.0024579763412476e-001 - -5.6077890098094940e-002 - <_> - - <_> - - - - <_> - 9 1 4 3 -1. - <_> - 10 1 2 3 2. - 0 - 8.4166266024112701e-003 - 2.1211260929703712e-002 - -1.6266340017318726e-001 - <_> - - <_> - - - - <_> - 3 4 3 4 -1. - <_> - 4 4 1 4 3. - 0 - -3.9152640849351883e-002 - -7.4495017528533936e-001 - 1.5373099595308304e-002 - <_> - - <_> - - - - <_> - 15 4 3 3 -1. - <_> - 15 5 3 1 3. - 0 - 2.2199099883437157e-002 - 3.8378299213945866e-003 - -4.2204570770263672e-001 - <_> - - <_> - - - - <_> - 0 4 3 3 -1. - <_> - 0 5 3 1 3. - 0 - -2.1212680265307426e-002 - -6.2949067354202271e-001 - 1.7416249960660934e-002 - <_> - - <_> - - - - <_> - 10 4 1 4 -1. - <_> - 9 5 1 2 2. - 1 - 2.4373589083552361e-002 - -1.2476569972932339e-002 - 2.4312859773635864e-001 - <_> - - <_> - - - - <_> - 8 4 4 1 -1. - <_> - 9 5 2 1 2. - 1 - -6.5655349753797054e-003 - 8.4354929625988007e-002 - -1.5370599925518036e-001 - <_> - - <_> - - - - <_> - 9 1 4 3 -1. - <_> - 10 1 2 3 2. - 0 - -2.7004949748516083e-002 - -5.8976668119430542e-001 - 2.9545149300247431e-003 - <_> - - <_> - - - - <_> - 5 1 4 3 -1. - <_> - 6 1 2 3 2. - 0 - 7.3342039249837399e-003 - 3.2064430415630341e-002 - -3.6039480566978455e-001 - <_> - - <_> - - - - <_> - 7 2 4 3 -1. - <_> - 7 3 4 1 3. - 0 - -3.6217659711837769e-002 - 4.1957581043243408e-001 - -2.8667179867625237e-002 - <_> - - <_> - - - - <_> - 1 0 12 1 -1. - <_> - 7 0 6 1 2. - 0 - -3.3907890319824219e-002 - 1.9862470030784607e-001 - -5.4882749915122986e-002 - <_> - - <_> - - - - <_> - 15 7 3 2 -1. - <_> - 16 8 1 2 3. - 1 - 3.3384829759597778e-002 - 9.7365463152527809e-003 - -5.0248068571090698e-001 - <_> - - <_> - - - - <_> - 3 7 2 3 -1. - <_> - 2 8 2 1 3. - 1 - 1.6862079501152039e-002 - -4.6240940690040588e-002 - 2.6544511318206787e-001 - <_> - - <_> - - - - <_> - 14 9 4 1 -1. - <_> - 15 9 2 1 2. - 0 - 1.0384619963588193e-004 - -6.5498687326908112e-002 - 7.5105533003807068e-002 - <_> - - <_> - - - - <_> - 0 9 4 1 -1. - <_> - 1 9 2 1 2. - 0 - -1.8147130031138659e-003 - 1.5277540683746338e-001 - -7.0199362933635712e-002 - <_> - - <_> - - - - <_> - 8 1 3 2 -1. - <_> - 9 1 1 2 3. - 0 - -7.1106678806245327e-003 - -3.0020499229431152e-001 - 1.6424750909209251e-002 - <_> - - <_> - - - - <_> - 6 5 3 1 -1. - <_> - 7 5 1 1 3. - 0 - -3.5177739337086678e-003 - 1.7865179479122162e-001 - -5.8777790516614914e-002 - <_> - - <_> - - - - <_> - 12 1 6 6 -1. - <_> - 15 1 3 3 2. - <_> - 12 4 3 3 2. - 0 - -4.1041579097509384e-002 - 1.8218480050563812e-001 - -8.1268668174743652e-002 - <_> - - <_> - - - - <_> - 6 10 4 2 -1. - <_> - 7 10 2 2 2. - 0 - 5.7358681224286556e-003 - 2.5911739096045494e-002 - -4.2743799090385437e-001 - <_> - - <_> - - - - <_> - 7 10 4 1 -1. - <_> - 7 10 2 1 2. - 0 - -1.0798470117151737e-002 - -6.1551171541213989e-001 - 1.5165490098297596e-002 - <_> - - <_> - - - - <_> - 1 10 12 2 -1. - <_> - 4 10 6 2 2. - 0 - -1.6831440851092339e-002 - 1.4407679438591003e-001 - -8.0768980085849762e-002 - <_> - - <_> - - - - <_> - 1 11 16 1 -1. - <_> - 5 11 8 1 2. - 0 - 1.0636080056428909e-002 - -6.2096010893583298e-002 - 1.9595879316329956e-001 - <_> - - <_> - - - - <_> - 1 0 12 2 -1. - <_> - 1 0 6 1 2. - <_> - 7 1 6 1 2. - 0 - -1.2243179604411125e-002 - 2.0768819749355316e-001 - -5.2664700895547867e-002 - <_> - - <_> - - - - <_> - 15 0 3 1 -1. - <_> - 16 1 1 1 3. - 1 - -1.2133699841797352e-002 - -2.9647940397262573e-001 - 2.0730949938297272e-002 - <_> - - <_> - - - - <_> - 3 0 1 3 -1. - <_> - 2 1 1 1 3. - 1 - 1.1067570187151432e-002 - 2.1148590371012688e-002 - -4.9197408556938171e-001 - <_> - - <_> - - - - <_> - 10 8 2 2 -1. - <_> - 11 8 1 1 2. - <_> - 10 9 1 1 2. - 0 - -9.8478456493467093e-005 - 1.1343929916620255e-001 - -8.3189181983470917e-002 - <_> - - <_> - - - - <_> - 2 0 4 3 -1. - <_> - 2 1 4 1 3. - 0 - -5.6805750355124474e-003 - 1.5700399875640869e-001 - -6.6936172544956207e-002 - <_> - - <_> - - - - <_> - 6 5 6 6 -1. - <_> - 6 8 6 3 2. - 0 - -2.8414670377969742e-002 - -7.0801937580108643e-001 - 1.5312350355088711e-002 - <_> - - <_> - - - - <_> - 6 5 2 6 -1. - <_> - 6 5 1 3 2. - <_> - 7 8 1 3 2. - 0 - -8.3131557330489159e-003 - 3.2525569200515747e-001 - -3.9767459034919739e-002 - <_> - - <_> - - - - <_> - 6 0 6 10 -1. - <_> - 8 0 2 10 3. - 0 - -1.6154859215021133e-002 - 7.2170242667198181e-002 - -1.6181150078773499e-001 - <_> - - <_> - - - - <_> - 5 10 8 2 -1. - <_> - 7 10 4 2 2. - 0 - -2.8748309239745140e-002 - -5.0679367780685425e-001 - 2.0193170756101608e-002 - <_> - - <_> - - - - <_> - 8 9 2 3 -1. - <_> - 8 10 2 1 3. - 0 - -4.1366219520568848e-003 - 2.0419590175151825e-001 - -6.5082170069217682e-002 - <_> - - <_> - - - - <_> - 2 0 2 8 -1. - <_> - 2 0 1 4 2. - <_> - 3 4 1 4 2. - 0 - -1.5805249568074942e-003 - 1.0301300138235092e-001 - -9.4873502850532532e-002 - <_> - - <_> - - - - <_> - 17 9 1 2 -1. - <_> - 17 10 1 1 2. - 0 - 1.0768450010800734e-004 - -1.3171160221099854e-001 - 6.4459241926670074e-002 - <_> - - <_> - - - - <_> - 0 9 1 2 -1. - <_> - 0 10 1 1 2. - 0 - 1.0487069812370464e-004 - -1.2248139828443527e-001 - 7.9662062227725983e-002 - <_> - - <_> - - - - <_> - 17 9 1 3 -1. - <_> - 17 10 1 1 3. - 0 - 2.3125091101974249e-003 - 4.4756468385457993e-002 - -1.7060999572277069e-001 - <_> - - <_> - - - - <_> - 0 9 1 3 -1. - <_> - 0 10 1 1 3. - 0 - 2.1291899029165506e-003 - 4.8184551298618317e-002 - -2.3906719684600830e-001 - <_> - - <_> - - - - <_> - 10 0 3 2 -1. - <_> - 10 1 3 1 2. - 0 - 1.5565729700028896e-002 - -2.2367909550666809e-002 - 1.5265730023384094e-001 - <_> - - <_> - - - - <_> - 0 2 2 2 -1. - <_> - 1 2 1 2 2. - 0 - 1.2233420275151730e-002 - -1.4203540049493313e-002 - 6.9559741020202637e-001 - <_> - - <_> - - - - <_> - 13 0 2 3 -1. - <_> - 13 0 1 3 2. - 1 - 1.4537650160491467e-002 - -2.8447359800338745e-002 - 8.0053016543388367e-002 - <_> - - <_> - - - - <_> - 7 6 3 2 -1. - <_> - 7 6 3 1 2. - 1 - -6.6005781292915344e-002 - 8.9588922262191772e-001 - -1.1561259627342224e-002 - <_> - - <_> - - - - <_> - 11 0 1 10 -1. - <_> - 11 0 1 5 2. - 1 - -1.0381550341844559e-001 - -1.8446309864521027e-001 - 1.7674740403890610e-002 - <_> - - <_> - - - - <_> - 7 0 10 1 -1. - <_> - 7 0 5 1 2. - 1 - -1.3172790408134460e-001 - 5.0180637836456299e-001 - -2.0710369572043419e-002 - <_> - - <_> - - - - <_> - 4 2 14 2 -1. - <_> - 11 2 7 1 2. - <_> - 4 3 7 1 2. - 0 - -1.5426370315253735e-002 - 7.8415192663669586e-002 - -2.7261590585112572e-002 - <_> - - <_> - - - - <_> - 1 1 2 1 -1. - <_> - 2 1 1 1 2. - 0 - -1.0778359865071252e-004 - 6.0409270226955414e-002 - -1.5471479296684265e-001 - <_> - - <_> - - - - <_> - 12 0 6 4 -1. - <_> - 15 0 3 2 2. - <_> - 12 2 3 2 2. - 0 - -2.4746390059590340e-002 - 1.2564839422702789e-001 - -3.3081028610467911e-002 - <_> - - <_> - - - - <_> - 0 0 6 4 -1. - <_> - 0 0 3 2 2. - <_> - 3 2 3 2 2. - 0 - -1.5458550304174423e-002 - 1.7179520428180695e-001 - -5.8264948427677155e-002 - <_> - - <_> - - - - <_> - 10 0 2 2 -1. - <_> - 10 0 1 2 2. - 1 - -1.0445830412209034e-002 - 1.4642359316349030e-001 - -3.6354210227727890e-002 - <_> - - <_> - - - - <_> - 8 0 2 2 -1. - <_> - 8 0 2 1 2. - 1 - 2.6862770318984985e-002 - 2.1519670262932777e-002 - -4.7783750295639038e-001 - <_> - - <_> - - - - <_> - 13 0 2 3 -1. - <_> - 13 0 1 3 2. - 1 - 3.5936690866947174e-002 - 4.5006349682807922e-003 - -1.7359879612922668e-001 - <_> - - <_> - - - - <_> - 5 0 3 2 -1. - <_> - 5 0 3 1 2. - 1 - -1.5734670683741570e-002 - -3.0777779221534729e-001 - 3.1397148966789246e-002 - <_> - - <_> - - - - <_> - 5 5 12 6 -1. - <_> - 9 7 4 2 9. - 0 - 2.6576629281044006e-001 - 8.3727054297924042e-003 - -1.7637939751148224e-001 - <_> - - <_> - - - - <_> - 1 5 12 6 -1. - <_> - 5 7 4 2 9. - 0 - -2.7198851108551025e-001 - -2.5540670752525330e-001 - 3.7426579743623734e-002 - <_> - - <_> - - - - <_> - 10 9 3 1 -1. - <_> - 11 9 1 1 3. - 0 - -7.8124678111635149e-005 - 6.1373539268970490e-002 - -5.4453648626804352e-002 - <_> - - <_> - - - - <_> - 5 9 3 1 -1. - <_> - 6 9 1 1 3. - 0 - -7.9498830018565059e-005 - 1.0011609643697739e-001 - -9.8592832684516907e-002 - <_> - - <_> - - - - <_> - 10 8 2 2 -1. - <_> - 11 8 1 1 2. - <_> - 10 9 1 1 2. - 0 - 1.0202309931628406e-004 - -7.4067138135433197e-002 - 7.4745737016201019e-002 - <_> - - <_> - - - - <_> - 6 8 2 2 -1. - <_> - 6 8 1 1 2. - <_> - 7 9 1 1 2. - 0 - -9.2606707767117769e-005 - 1.3342879712581635e-001 - -9.0439222753047943e-002 - <_> - - <_> - - - - <_> - 8 9 2 3 -1. - <_> - 8 10 2 1 3. - 0 - 3.8040629588067532e-003 - -6.1666429042816162e-002 - 1.6896329820156097e-001 - <_> - - <_> - - - - <_> - 5 6 3 3 -1. - <_> - 4 7 3 1 3. - 1 - -8.1060919910669327e-003 - 1.3207329809665680e-001 - -7.3784358799457550e-002 - <_> - - <_> - - - - <_> - 13 8 3 1 -1. - <_> - 14 8 1 1 3. - 0 - -1.0786090046167374e-002 - -5.6200730800628662e-001 - 1.3227690011262894e-002 - <_> - - <_> - - - - <_> - 2 8 3 1 -1. - <_> - 3 8 1 1 3. - 0 - 9.7276162705384195e-005 - -9.7462959587574005e-002 - 1.1971189826726913e-001 - <_> - - <_> - - - - <_> - 10 6 6 6 -1. - <_> - 12 8 2 2 9. - 0 - 2.8057929873466492e-001 - -3.0780870001763105e-003 - 6.8235772848129272e-001 - <_> - - <_> - - - - <_> - 2 6 6 6 -1. - <_> - 4 8 2 2 9. - 0 - -1.3232059776782990e-001 - -3.8513648509979248e-001 - 2.6804640889167786e-002 - <_> - - <_> - - - - <_> - 9 2 2 7 -1. - <_> - 9 2 1 7 2. - 1 - -6.3539249822497368e-003 - -4.4983521103858948e-002 - 2.9777200892567635e-002 - <_> - - <_> - - - - <_> - 8 1 2 3 -1. - <_> - 8 2 2 1 3. - 0 - -6.7433509975671768e-003 - 2.0317420363426208e-001 - -4.5301459729671478e-002 - <_> - - <_> - - - - <_> - 14 0 2 1 -1. - <_> - 14 0 1 1 2. - 0 - 1.0802519682329148e-004 - -5.8308821171522141e-002 - 7.4881277978420258e-002 - <_> - - <_> - - - - <_> - 2 0 2 1 -1. - <_> - 3 0 1 1 2. - 0 - -1.0485889652045444e-004 - 6.7523166537284851e-002 - -1.4478640258312225e-001 - <_> - - <_> - - - - <_> - 0 0 18 12 -1. - <_> - 9 0 9 6 2. - <_> - 0 6 9 6 2. - 0 - -3.5352221131324768e-001 - -4.2312130331993103e-001 - 1.9533690065145493e-002 - <_> - - <_> - - - - <_> - 0 4 18 8 -1. - <_> - 0 4 9 4 2. - <_> - 9 8 9 4 2. - 0 - -1.2163110077381134e-001 - -2.7824950218200684e-001 - 3.1736399978399277e-002 - <_> - - <_> - - - - <_> - 15 1 2 10 -1. - <_> - 16 1 1 5 2. - <_> - 15 6 1 5 2. - 0 - -1.9749959465116262e-003 - 3.7093818187713623e-002 - -3.7182409316301346e-002 - <_> - - <_> - - - - <_> - 1 1 2 10 -1. - <_> - 1 1 1 5 2. - <_> - 2 6 1 5 2. - 0 - -5.9040738269686699e-003 - 1.7077660560607910e-001 - -5.1128141582012177e-002 - <_> - - <_> - - - - <_> - 17 6 1 3 -1. - <_> - 17 7 1 1 3. - 0 - 6.3806660473346710e-003 - 1.8414629623293877e-002 - -3.3528879284858704e-001 - <_> - - <_> - - - - <_> - 0 6 1 3 -1. - <_> - 0 7 1 1 3. - 0 - 3.0919709242880344e-003 - 3.3527199178934097e-002 - -2.5639230012893677e-001 - <_> - - <_> - - - - <_> - 9 11 9 1 -1. - <_> - 12 11 3 1 3. - 0 - -3.3380180597305298e-002 - -5.6673657894134521e-001 - 9.6841529011726379e-003 - <_> - - <_> - - - - <_> - 0 11 9 1 -1. - <_> - 3 11 3 1 3. - 0 - 5.3758830763399601e-003 - -7.3790043592453003e-002 - 1.2300299853086472e-001 - <_> - - <_> - - - - <_> - 10 2 2 1 -1. - <_> - 10 2 1 1 2. - 0 - -9.6056828624568880e-005 - 6.6307842731475830e-002 - -8.0982752144336700e-002 - <_> - - <_> - - - - <_> - 6 2 2 1 -1. - <_> - 7 2 1 1 2. - 0 - 9.6216521342284977e-005 - -9.5515526831150055e-002 - 9.8478242754936218e-002 - <_> - - <_> - - - - <_> - 11 6 4 2 -1. - <_> - 12 6 2 2 2. - 0 - 2.0997669547796249e-002 - -1.9261270761489868e-002 - 1.9147670269012451e-001 - <_> - - <_> - - - - <_> - 8 1 7 2 -1. - <_> - 8 1 7 1 2. - 1 - 4.0974739938974380e-002 - 3.5511299967765808e-002 - -2.3782519996166229e-001 - <_> - - <_> - - - - <_> - 8 3 2 3 -1. - <_> - 8 4 2 1 3. - 0 - 1.5249810181558132e-002 - -3.2638609409332275e-002 - 2.6787319779396057e-001 - <_> - - <_> - - - - <_> - 7 3 2 3 -1. - <_> - 7 4 2 1 3. - 0 - -8.7066702544689178e-003 - 1.6137360036373138e-001 - -6.4327538013458252e-002 - -1.6502959728240967e+000 - 16 - -1 - <_> - - - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -5.6222651153802872e-002 - 5.9786707162857056e-001 - -3.5909670591354370e-001 - <_> - - <_> - - - - <_> - 14 6 2 3 -1. - <_> - 13 7 2 1 3. - 1 - 4.1003809310495853e-003 - -2.0380510389804840e-001 - 1.9502650201320648e-001 - <_> - - <_> - - - - <_> - 5 3 8 3 -1. - <_> - 5 4 8 1 3. - 0 - -4.9330119043588638e-002 - 5.0600039958953857e-001 - -1.6639490425586700e-001 - <_> - - <_> - - - - <_> - 12 5 3 3 -1. - <_> - 13 5 1 3 3. - 0 - -6.4293588511645794e-003 - 1.8901120126247406e-001 - -1.4212790131568909e-001 - <_> - - <_> - - - - <_> - 3 0 2 6 -1. - <_> - 4 0 1 6 2. - 0 - -4.7428511606995016e-005 - 1.1049690097570419e-001 - -3.3191910386085510e-001 - <_> - - <_> - - - - <_> - 17 0 1 2 -1. - <_> - 17 0 1 1 2. - 1 - -2.2071679122745991e-003 - 1.3103869557380676e-001 - -7.3238097131252289e-002 - <_> - - <_> - - - - <_> - 1 0 2 1 -1. - <_> - 1 0 1 1 2. - 1 - 1.6127950511872768e-003 - -3.1489709019660950e-001 - 1.1853870004415512e-001 - <_> - - <_> - - - - <_> - 5 4 8 3 -1. - <_> - 5 5 8 1 3. - 0 - -5.1899220794439316e-002 - 3.3643078804016113e-001 - -9.0716972947120667e-002 - <_> - - <_> - - - - <_> - 0 4 18 8 -1. - <_> - 0 8 18 4 2. - 0 - 3.6771941184997559e-001 - -2.8837621212005615e-001 - 9.6811376512050629e-002 - <_> - - <_> - - - - <_> - 12 6 3 3 -1. - <_> - 13 7 1 3 3. - 1 - -6.9863619282841682e-003 - 9.2437140643596649e-002 - -2.5936789810657501e-002 - <_> - - <_> - - - - <_> - 6 5 2 3 -1. - <_> - 5 6 2 1 3. - 1 - -9.8948301747441292e-003 - 2.0623749494552612e-001 - -1.3285739719867706e-001 - <_> - - <_> - - - - <_> - 12 2 3 1 -1. - <_> - 13 3 1 1 3. - 1 - 1.1778100393712521e-002 - 2.3808769881725311e-002 - -1.5618060529232025e-001 - <_> - - <_> - - - - <_> - 6 2 1 3 -1. - <_> - 5 3 1 1 3. - 1 - -9.7711039707064629e-003 - -4.4414070248603821e-001 - 5.2495859563350677e-002 - <_> - - <_> - - - - <_> - 12 6 2 4 -1. - <_> - 12 6 2 2 2. - 1 - 2.2034980356693268e-002 - 1.2899329885840416e-002 - -3.1973049044609070e-001 - <_> - - <_> - - - - <_> - 6 6 4 2 -1. - <_> - 6 6 2 2 2. - 1 - -4.9070861190557480e-002 - -3.8365250825881958e-001 - 6.3556171953678131e-002 - <_> - - <_> - - - - <_> - 9 5 3 2 -1. - <_> - 10 5 1 2 3. - 0 - 6.3082459382712841e-003 - -3.8817681372165680e-002 - 1.8945780396461487e-001 - <_> - - <_> - - - - <_> - 0 10 1 2 -1. - <_> - 0 11 1 1 2. - 0 - -1.7394339665770531e-003 - -4.3998670578002930e-001 - 4.6502090990543365e-002 - <_> - - <_> - - - - <_> - 9 5 3 2 -1. - <_> - 10 5 1 2 3. - 0 - -4.4195288792252541e-003 - 1.1859840154647827e-001 - -7.3243133723735809e-002 - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -5.6303210556507111e-002 - -2.6308500766754150e-001 - 7.2903439402580261e-002 - <_> - - <_> - - - - <_> - 11 5 3 3 -1. - <_> - 12 6 1 1 9. - 0 - 3.4307971596717834e-002 - -6.0798160731792450e-002 - 3.9862269163131714e-001 - <_> - - <_> - - - - <_> - 8 5 3 1 -1. - <_> - 9 6 1 1 3. - 1 - -3.3242679201066494e-003 - 1.0307639837265015e-001 - -2.0086939632892609e-001 - <_> - - <_> - - - - <_> - 15 0 2 1 -1. - <_> - 15 0 1 1 2. - 1 - 1.0037739761173725e-002 - 2.2954529151320457e-002 - -3.3619529008865356e-001 - <_> - - <_> - - - - <_> - 6 2 6 3 -1. - <_> - 6 3 6 1 3. - 0 - -1.8309960141777992e-002 - 2.7249470353126526e-001 - -7.5265437364578247e-002 - <_> - - <_> - - - - <_> - 10 4 3 3 -1. - <_> - 11 5 1 1 9. - 0 - -1.2437590397894382e-002 - 1.6988450288772583e-001 - -1.2346489727497101e-001 - <_> - - <_> - - - - <_> - 1 3 2 1 -1. - <_> - 2 3 1 1 2. - 0 - -9.7200412710662931e-005 - 9.2975288629531860e-002 - -2.1013750135898590e-001 - <_> - - <_> - - - - <_> - 15 0 3 2 -1. - <_> - 16 1 1 2 3. - 1 - 1.5010629780590534e-002 - 2.7979910373687744e-002 - -2.2502240538597107e-001 - <_> - - <_> - - - - <_> - 4 0 5 2 -1. - <_> - 4 1 5 1 2. - 0 - 6.8223020061850548e-003 - -9.1722019016742706e-002 - 2.1493209898471832e-001 - <_> - - <_> - - - - <_> - 7 0 4 2 -1. - <_> - 8 0 2 2 2. - 0 - 7.6006199233233929e-003 - 3.4965578466653824e-002 - -5.5234891176223755e-001 - <_> - - <_> - - - - <_> - 2 0 4 2 -1. - <_> - 2 0 4 1 2. - 1 - -2.6817400008440018e-002 - -4.8797228932380676e-001 - 3.0805250629782677e-002 - <_> - - <_> - - - - <_> - 0 10 18 2 -1. - <_> - 0 11 18 1 2. - 0 - 7.0448551559820771e-004 - -3.5009810328483582e-001 - 4.8253938555717468e-002 - <_> - - <_> - - - - <_> - 8 3 4 3 -1. - <_> - 7 4 4 1 3. - 1 - -3.3609889447689056e-002 - 1.7630560696125031e-001 - -9.8770871758460999e-002 - <_> - - <_> - - - - <_> - 7 6 6 2 -1. - <_> - 9 6 2 2 3. - 0 - -1.8547330051660538e-002 - 1.0437929630279541e-001 - -1.1144720017910004e-001 - <_> - - <_> - - - - <_> - 5 6 8 2 -1. - <_> - 7 6 4 2 2. - 0 - -5.6172698736190796e-002 - -3.0085611343383789e-001 - 7.9608023166656494e-002 - <_> - - <_> - - - - <_> - 11 5 3 2 -1. - <_> - 12 6 1 2 3. - 1 - -2.3099640384316444e-002 - 2.7257511019706726e-001 - -2.9355559498071671e-002 - <_> - - <_> - - - - <_> - 4 5 3 3 -1. - <_> - 5 6 1 1 9. - 0 - 3.9425190538167953e-002 - -5.3158119320869446e-002 - 3.6481729149818420e-001 - <_> - - <_> - - - - <_> - 15 0 2 2 -1. - <_> - 15 0 1 2 2. - 1 - 2.0240049809217453e-002 - 5.3568179719150066e-003 - -1.8116340041160583e-001 - <_> - - <_> - - - - <_> - 3 0 2 2 -1. - <_> - 3 0 2 1 2. - 1 - 9.3122208490967751e-003 - 5.0547938793897629e-002 - -3.4074148535728455e-001 - <_> - - <_> - - - - <_> - 7 2 8 2 -1. - <_> - 9 2 4 2 2. - 0 - -2.3379230871796608e-002 - -2.1109730005264282e-001 - 1.6865389421582222e-002 - <_> - - <_> - - - - <_> - 3 7 2 3 -1. - <_> - 3 7 1 3 2. - 1 - -1.9556559622287750e-002 - -3.4358918666839600e-001 - 4.2624428868293762e-002 - <_> - - <_> - - - - <_> - 8 5 10 4 -1. - <_> - 13 5 5 2 2. - <_> - 8 7 5 2 2. - 0 - 3.1322460621595383e-002 - -3.9133161306381226e-002 - 5.5833168327808380e-002 - <_> - - <_> - - - - <_> - 0 9 2 3 -1. - <_> - 0 10 2 1 3. - 0 - -7.3630441911518574e-003 - -4.7864329814910889e-001 - 2.9872870072722435e-002 - <_> - - <_> - - - - <_> - 14 9 4 2 -1. - <_> - 14 9 2 2 2. - 0 - -2.3409801069647074e-003 - 1.3057319819927216e-001 - -1.4621940255165100e-001 - <_> - - <_> - - - - <_> - 0 9 4 2 -1. - <_> - 2 9 2 2 2. - 0 - 9.2211654409766197e-003 - -6.7346267402172089e-002 - 2.5263699889183044e-001 - <_> - - <_> - - - - <_> - 12 9 1 2 -1. - <_> - 12 9 1 1 2. - 1 - -1.0466010309755802e-002 - -1.9848449528217316e-001 - 1.8861690536141396e-002 - <_> - - <_> - - - - <_> - 6 9 2 1 -1. - <_> - 6 9 1 1 2. - 1 - -9.7899202955886722e-005 - 6.3450932502746582e-002 - -2.1557840704917908e-001 - <_> - - <_> - - - - <_> - 13 4 2 3 -1. - <_> - 12 5 2 1 3. - 1 - -2.3922720924019814e-002 - 2.4631519615650177e-001 - -5.1129460334777832e-002 - <_> - - <_> - - - - <_> - 0 0 2 3 -1. - <_> - 0 1 2 1 3. - 0 - 5.7842950336635113e-003 - 4.2333669960498810e-002 - -3.3898320794105530e-001 - <_> - - <_> - - - - <_> - 13 0 3 3 -1. - <_> - 12 1 3 1 3. - 1 - -2.3269839584827423e-002 - 2.4037189781665802e-001 - -3.4505158662796021e-002 - <_> - - <_> - - - - <_> - 5 4 3 2 -1. - <_> - 6 5 1 2 3. - 1 - -1.6350559890270233e-002 - 1.9407600164413452e-001 - -7.0264637470245361e-002 - <_> - - <_> - - - - <_> - 13 0 3 3 -1. - <_> - 12 1 3 1 3. - 1 - -4.7969698905944824e-002 - 2.3122610151767731e-001 - -5.0500500947237015e-003 - <_> - - <_> - - - - <_> - 5 0 3 3 -1. - <_> - 6 1 1 3 3. - 1 - -1.7734989523887634e-002 - 2.2820329666137695e-001 - -6.5362311899662018e-002 - <_> - - <_> - - - - <_> - 11 0 4 4 -1. - <_> - 12 0 2 4 2. - 0 - -9.5965424552559853e-003 - -3.6203289031982422e-001 - 4.2960420250892639e-002 - <_> - - <_> - - - - <_> - 3 0 4 4 -1. - <_> - 4 0 2 4 2. - 0 - -1.1790839955210686e-002 - -3.3380389213562012e-001 - 3.7407919764518738e-002 - <_> - - <_> - - - - <_> - 9 4 3 5 -1. - <_> - 10 4 1 5 3. - 0 - -6.5361768007278442e-002 - -7.3411208391189575e-001 - 3.7781549617648125e-003 - <_> - - <_> - - - - <_> - 6 4 3 5 -1. - <_> - 7 4 1 5 3. - 0 - -9.2028174549341202e-003 - 1.9058810174465179e-001 - -7.3330029845237732e-002 - <_> - - <_> - - - - <_> - 16 8 2 3 -1. - <_> - 16 8 1 3 2. - 0 - -9.7162883321288973e-005 - 4.1498031467199326e-002 - -7.5053706765174866e-002 - <_> - - <_> - - - - <_> - 8 4 3 3 -1. - <_> - 7 5 3 1 3. - 1 - 3.4400381147861481e-002 - -5.5474020540714264e-002 - 2.4660380184650421e-001 - <_> - - <_> - - - - <_> - 10 6 3 1 -1. - <_> - 11 6 1 1 3. - 0 - 7.3116212151944637e-003 - -4.3518859893083572e-002 - 2.7988308668136597e-001 - <_> - - <_> - - - - <_> - 6 1 4 4 -1. - <_> - 7 1 2 4 2. - 0 - -1.3429949991405010e-002 - -3.6247709393501282e-001 - 3.9708640426397324e-002 - <_> - - <_> - - - - <_> - 7 2 8 2 -1. - <_> - 9 2 4 2 2. - 0 - -9.1758027672767639e-002 - 1. - -3.3344780094921589e-003 - <_> - - <_> - - - - <_> - 3 2 8 2 -1. - <_> - 5 2 4 2 2. - 0 - -6.6716182045638561e-003 - 1.0546670109033585e-001 - -1.4009909331798553e-001 - <_> - - <_> - - - - <_> - 5 1 10 2 -1. - <_> - 10 1 5 1 2. - <_> - 5 2 5 1 2. - 0 - 1.3265940360724926e-002 - -3.3783260732889175e-002 - 1.4028559625148773e-001 - <_> - - <_> - - - - <_> - 4 1 4 4 -1. - <_> - 5 1 2 4 2. - 0 - -1.2150679714977741e-002 - -3.2402610778808594e-001 - 4.1329998522996902e-002 - <_> - - <_> - - - - <_> - 10 6 3 1 -1. - <_> - 11 6 1 1 3. - 0 - -2.4970290251076221e-003 - 1.1668320000171661e-001 - -4.5901168137788773e-002 - <_> - - <_> - - - - <_> - 5 6 3 1 -1. - <_> - 6 6 1 1 3. - 0 - -2.3780330084264278e-003 - 2.3035770654678345e-001 - -5.9925749897956848e-002 - <_> - - <_> - - - - <_> - 8 5 10 4 -1. - <_> - 13 5 5 2 2. - <_> - 8 7 5 2 2. - 0 - 1.1058100312948227e-001 - 1.2656870298087597e-002 - -3.2122999429702759e-001 - <_> - - <_> - - - - <_> - 7 11 4 1 -1. - <_> - 8 11 2 1 2. - 0 - -4.5881681144237518e-003 - -5.6259912252426147e-001 - 2.2143730893731117e-002 - <_> - - <_> - - - - <_> - 15 2 3 1 -1. - <_> - 16 3 1 1 3. - 1 - 3.8563141133636236e-003 - 5.0461299717426300e-002 - -1.8779960274696350e-001 - <_> - - <_> - - - - <_> - 0 2 14 2 -1. - <_> - 0 2 7 1 2. - <_> - 7 3 7 1 2. - 0 - 3.3232510089874268e-002 - -3.6194700747728348e-002 - 3.8118681311607361e-001 - <_> - - <_> - - - - <_> - 11 2 1 4 -1. - <_> - 11 2 1 2 2. - 1 - -3.6123570054769516e-002 - 2.1880419552326202e-001 - -4.5539699494838715e-003 - <_> - - <_> - - - - <_> - 7 2 4 1 -1. - <_> - 7 2 2 1 2. - 1 - 7.2496462962590158e-005 - -2.3785440623760223e-001 - 6.5444566309452057e-002 - <_> - - <_> - - - - <_> - 12 2 3 4 -1. - <_> - 12 2 3 2 2. - 1 - -4.7242470085620880e-002 - 1.2158119678497314e-001 - -1.2862590141594410e-002 - <_> - - <_> - - - - <_> - 6 0 6 3 -1. - <_> - 9 0 3 3 2. - 0 - 8.3945877850055695e-003 - -1.2558129429817200e-001 - 9.8872929811477661e-002 - <_> - - <_> - - - - <_> - 16 8 2 3 -1. - <_> - 16 8 1 3 2. - 0 - -1.0565370321273804e-002 - -1.6977620124816895e-001 - 1.4602130278944969e-002 - <_> - - <_> - - - - <_> - 0 8 2 3 -1. - <_> - 1 8 1 3 2. - 0 - -8.1733884289860725e-003 - 2.1745790541172028e-001 - -6.1847139149904251e-002 - <_> - - <_> - - - - <_> - 5 2 8 3 -1. - <_> - 5 3 8 1 3. - 0 - -6.1808120459318161e-002 - 4.5185729861259460e-001 - -2.6334449648857117e-002 - <_> - - <_> - - - - <_> - 8 11 2 1 -1. - <_> - 9 11 1 1 2. - 0 - 4.0804222226142883e-003 - 1.8054539337754250e-002 - -7.1874141693115234e-001 - <_> - - <_> - - - - <_> - 16 1 2 4 -1. - <_> - 16 2 2 2 2. - 0 - 1.3910960406064987e-002 - 2.3350890725851059e-002 - -2.6776230335235596e-001 - <_> - - <_> - - - - <_> - 0 5 10 4 -1. - <_> - 0 5 5 2 2. - <_> - 5 7 5 2 2. - 0 - -2.5405980646610260e-002 - -2.9497951269149780e-001 - 3.8374088704586029e-002 - <_> - - <_> - - - - <_> - 8 5 10 4 -1. - <_> - 13 5 5 2 2. - <_> - 8 7 5 2 2. - 0 - 1.6777290403842926e-001 - 2.8599929646588862e-004 - -5.5159300565719604e-001 - <_> - - <_> - - - - <_> - 1 1 12 2 -1. - <_> - 1 1 6 1 2. - <_> - 7 2 6 1 2. - 0 - 2.3761730641126633e-002 - -4.5785948634147644e-002 - 2.5161430239677429e-001 - <_> - - <_> - - - - <_> - 2 0 15 2 -1. - <_> - 7 0 5 2 3. - 0 - 6.6237300634384155e-002 - -3.4752521663904190e-002 - 2.6538351178169250e-001 - <_> - - <_> - - - - <_> - 0 5 10 4 -1. - <_> - 0 5 5 2 2. - <_> - 5 7 5 2 2. - 0 - 8.1444196403026581e-002 - 3.5755679011344910e-002 - -3.4804859757423401e-001 - <_> - - <_> - - - - <_> - 10 6 2 2 -1. - <_> - 11 6 1 1 2. - <_> - 10 7 1 1 2. - 0 - 2.3394089657813311e-003 - -3.3602658659219742e-002 - 1.0252500325441360e-001 - <_> - - <_> - - - - <_> - 3 2 1 3 -1. - <_> - 2 3 1 1 3. - 1 - 4.5066410675644875e-003 - 4.4362049549818039e-002 - -2.4036149680614471e-001 - <_> - - <_> - - - - <_> - 10 6 2 2 -1. - <_> - 11 6 1 1 2. - <_> - 10 7 1 1 2. - 0 - -1.0031039710156620e-004 - 6.1728168278932571e-002 - -5.3097378462553024e-002 - <_> - - <_> - - - - <_> - 6 6 2 2 -1. - <_> - 6 6 1 1 2. - <_> - 7 7 1 1 2. - 0 - 3.0237529426813126e-003 - -6.2164731323719025e-002 - 1.8157570064067841e-001 - <_> - - <_> - - - - <_> - 11 0 3 1 -1. - <_> - 12 1 1 1 3. - 1 - -6.1851800419390202e-003 - 9.2360317707061768e-002 - -1.8650660291314125e-002 - <_> - - <_> - - - - <_> - 5 3 1 2 -1. - <_> - 5 4 1 1 2. - 0 - -9.3809583631809801e-005 - 8.8021188974380493e-002 - -1.2617850303649902e-001 - <_> - - <_> - - - - <_> - 13 3 2 1 -1. - <_> - 13 3 1 1 2. - 1 - 1.4543529599905014e-002 - 2.8216699138283730e-002 - -3.8093110918998718e-001 - <_> - - <_> - - - - <_> - 5 3 1 2 -1. - <_> - 5 3 1 1 2. - 1 - 8.3325942978262901e-003 - 2.8149429708719254e-002 - -3.9534220099449158e-001 - <_> - - <_> - - - - <_> - 13 5 3 3 -1. - <_> - 14 5 1 3 3. - 0 - -9.0263289166614413e-005 - 1.0053239762783051e-001 - -1.6846680641174316e-001 - <_> - - <_> - - - - <_> - 7 4 5 3 -1. - <_> - 6 5 5 1 3. - 1 - -4.0444839745759964e-002 - 4.4246968626976013e-001 - -2.5906469672918320e-002 - <_> - - <_> - - - - <_> - 5 9 8 1 -1. - <_> - 7 9 4 1 2. - 0 - -1.5071580186486244e-002 - -3.9157819747924805e-001 - 3.2732911407947540e-002 - <_> - - <_> - - - - <_> - 0 0 6 9 -1. - <_> - 2 0 2 9 3. - 0 - -2.4117240682244301e-002 - 1.0829959809780121e-001 - -1.0823729634284973e-001 - <_> - - <_> - - - - <_> - 3 5 12 3 -1. - <_> - 6 5 6 3 2. - 0 - 4.8642940819263458e-002 - 2.5470780208706856e-002 - -4.2936301231384277e-001 - <_> - - <_> - - - - <_> - 4 4 3 4 -1. - <_> - 5 4 1 4 3. - 0 - -6.2909321859478951e-003 - 1.6408300399780273e-001 - -6.6978372633457184e-002 - <_> - - <_> - - - - <_> - 11 0 3 1 -1. - <_> - 12 1 1 1 3. - 1 - -2.8071459382772446e-002 - -5.0821262598037720e-001 - 4.2055668309330940e-003 - <_> - - <_> - - - - <_> - 7 0 1 3 -1. - <_> - 6 1 1 1 3. - 1 - 9.8752342164516449e-003 - 3.0895600095391273e-002 - -3.6008161306381226e-001 - <_> - - <_> - - - - <_> - 0 11 18 1 -1. - <_> - 0 11 9 1 2. - 0 - 3.3613730221986771e-002 - 3.5042371600866318e-002 - -3.0913650989532471e-001 - <_> - - <_> - - - - <_> - 2 5 4 3 -1. - <_> - 3 5 2 3 2. - 0 - -9.5183821395039558e-003 - 1.4006739854812622e-001 - -8.0449193716049194e-002 - <_> - - <_> - - - - <_> - 15 6 2 4 -1. - <_> - 14 7 2 2 2. - 1 - 2.9920000582933426e-002 - 9.9910451099276543e-003 - -1.4463490247726440e-001 - <_> - - <_> - - - - <_> - 3 6 4 2 -1. - <_> - 4 7 2 2 2. - 1 - -2.4601869285106659e-002 - -3.5186180472373962e-001 - 3.2366871833801270e-002 - <_> - - <_> - - - - <_> - 1 0 16 9 -1. - <_> - 1 3 16 3 3. - 0 - 2.9126951098442078e-001 - -2.5616630911827087e-002 - 4.3393591046333313e-001 - <_> - - <_> - - - - <_> - 4 8 6 4 -1. - <_> - 6 8 2 4 3. - 0 - -4.0764931589365005e-002 - -5.0976359844207764e-001 - 2.2032100707292557e-002 - <_> - - <_> - - - - <_> - 15 3 3 3 -1. - <_> - 15 4 3 1 3. - 0 - 1.7800629138946533e-002 - 1.9135050475597382e-002 - -4.2754751443862915e-001 - <_> - - <_> - - - - <_> - 7 0 3 3 -1. - <_> - 7 1 3 1 3. - 0 - 8.7978048250079155e-003 - -6.5080061554908752e-002 - 1.5290130674839020e-001 - <_> - - <_> - - - - <_> - 11 0 3 3 -1. - <_> - 11 1 3 1 3. - 0 - -6.4738159999251366e-003 - 1.6798080503940582e-001 - -5.1510188728570938e-002 - <_> - - <_> - - - - <_> - 0 3 3 3 -1. - <_> - 0 4 3 1 3. - 0 - -1.6864249482750893e-002 - -5.1681691408157349e-001 - 2.2280450910329819e-002 - <_> - - <_> - - - - <_> - 11 8 3 4 -1. - <_> - 12 8 1 4 3. - 0 - -1.0029999539256096e-002 - -3.4445670247077942e-001 - 2.4154469370841980e-002 - <_> - - <_> - - - - <_> - 1 0 14 2 -1. - <_> - 1 0 7 1 2. - <_> - 8 1 7 1 2. - 0 - 2.3689860478043556e-002 - -5.5780500173568726e-002 - 1.7974789440631866e-001 - <_> - - <_> - - - - <_> - 11 10 2 1 -1. - <_> - 11 10 1 1 2. - 0 - -3.5954909399151802e-003 - -2.9106938838958740e-001 - 1.8568839877843857e-002 - <_> - - <_> - - - - <_> - 1 10 16 2 -1. - <_> - 5 10 8 2 2. - 0 - -3.5044439136981964e-002 - 1.4640870690345764e-001 - -7.3545977473258972e-002 - <_> - - <_> - - - - <_> - 2 11 16 1 -1. - <_> - 6 11 8 1 2. - 0 - 5.0175017677247524e-003 - -6.3143156468868256e-002 - 1.2632110714912415e-001 - <_> - - <_> - - - - <_> - 4 8 3 4 -1. - <_> - 5 8 1 4 3. - 0 - -1.3052280060946941e-002 - -4.5200330018997192e-001 - 2.3266959935426712e-002 - <_> - - <_> - - - - <_> - 16 5 2 7 -1. - <_> - 16 5 1 7 2. - 0 - -1.9564910326153040e-003 - 7.2890207171440125e-002 - -1.5138550102710724e-001 - <_> - - <_> - - - - <_> - 0 5 2 7 -1. - <_> - 1 5 1 7 2. - 0 - 1.9179390743374825e-002 - -2.7251120656728745e-002 - 4.2502841353416443e-001 - <_> - - <_> - - - - <_> - 16 7 2 2 -1. - <_> - 16 8 2 1 2. - 0 - 9.5272713224403560e-005 - -1.3008250296115875e-001 - 3.9709929376840591e-002 - <_> - - <_> - - - - <_> - 8 8 2 2 -1. - <_> - 8 8 1 2 2. - 1 - -1.4395490288734436e-002 - -2.2929459810256958e-001 - 4.1678968816995621e-002 - <_> - - <_> - - - - <_> - 7 8 4 3 -1. - <_> - 7 9 4 1 3. - 0 - -1.1709270067512989e-002 - 2.5639939308166504e-001 - -4.5481789857149124e-002 - <_> - - <_> - - - - <_> - 8 7 2 3 -1. - <_> - 8 8 2 1 3. - 0 - -7.6440530829131603e-003 - 2.8145501017570496e-001 - -4.3814260512590408e-002 - <_> - - <_> - - - - <_> - 16 7 2 2 -1. - <_> - 16 8 2 1 2. - 0 - 1.7276149243116379e-002 - 1.1722300201654434e-002 - -3.9212688803672791e-001 - <_> - - <_> - - - - <_> - 0 7 2 2 -1. - <_> - 0 8 2 1 2. - 0 - -2.8190009761601686e-003 - -2.8279209136962891e-001 - 3.6502439528703690e-002 - <_> - - <_> - - - - <_> - 6 5 8 6 -1. - <_> - 6 8 8 3 2. - 0 - -1.8481500446796417e-002 - -5.1169121265411377e-001 - 1.1270510032773018e-002 - <_> - - <_> - - - - <_> - 5 3 3 2 -1. - <_> - 6 4 1 2 3. - 1 - 2.3208990693092346e-002 - -2.9588380828499794e-002 - 3.4806481003761292e-001 - <_> - - <_> - - - - <_> - 14 3 1 2 -1. - <_> - 14 4 1 1 2. - 0 - 3.8326040375977755e-003 - -1.6199409961700439e-002 - 2.3312510550022125e-001 - <_> - - <_> - - - - <_> - 3 3 1 2 -1. - <_> - 3 4 1 1 2. - 0 - -1.2569040700327605e-004 - 8.2235969603061676e-002 - -1.2257509678602219e-001 - <_> - - <_> - - - - <_> - 11 0 3 1 -1. - <_> - 12 0 1 1 3. - 0 - -4.9403999000787735e-003 - -3.2972040772438049e-001 - 1.6205759719014168e-002 - <_> - - <_> - - - - <_> - 7 10 2 2 -1. - <_> - 7 10 1 1 2. - <_> - 8 11 1 1 2. - 0 - -9.9995522759854794e-005 - 1.0087980329990387e-001 - -8.4534652531147003e-002 - <_> - - <_> - - - - <_> - 14 0 3 1 -1. - <_> - 15 1 1 1 3. - 1 - -2.0880589261651039e-002 - -5.3558897972106934e-001 - 6.1522522009909153e-003 - <_> - - <_> - - - - <_> - 4 0 1 3 -1. - <_> - 3 1 1 1 3. - 1 - 9.4737410545349121e-003 - 2.2640680894255638e-002 - -3.5979229211807251e-001 - <_> - - <_> - - - - <_> - 15 6 2 4 -1. - <_> - 15 6 1 4 2. - 1 - 1.0163559578359127e-002 - -1.7618730664253235e-002 - 1.7577609419822693e-001 - <_> - - <_> - - - - <_> - 3 0 2 3 -1. - <_> - 2 1 2 1 3. - 1 - -1.6203319653868675e-002 - -3.0511561036109924e-001 - 2.7852470055222511e-002 - <_> - - <_> - - - - <_> - 11 1 5 6 -1. - <_> - 11 1 5 3 2. - 1 - -2.0264959335327148e-001 - 9.8889827728271484e-002 - -1.6635639593005180e-002 - <_> - - <_> - - - - <_> - 7 1 6 5 -1. - <_> - 7 1 3 5 2. - 1 - -1.8808260560035706e-001 - -3.3819800615310669e-001 - 2.7649369090795517e-002 - <_> - - <_> - - - - <_> - 7 9 4 3 -1. - <_> - 7 10 4 1 3. - 0 - -7.3039499111473560e-003 - 1.6829389333724976e-001 - -4.9701988697052002e-002 - <_> - - <_> - - - - <_> - 2 2 3 9 -1. - <_> - 3 5 1 3 9. - 0 - -2.1467709541320801e-001 - -8.2673180103302002e-001 - 9.7144627943634987e-003 - <_> - - <_> - - - - <_> - 14 0 4 3 -1. - <_> - 13 1 4 1 3. - 1 - -4.4587019830942154e-002 - 3.8129490613937378e-001 - -2.8068590909242630e-002 - <_> - - <_> - - - - <_> - 2 2 14 3 -1. - <_> - 2 3 14 1 3. - 0 - 2.2911230102181435e-002 - -7.0285782217979431e-002 - 1.2464100122451782e-001 - <_> - - <_> - - - - <_> - 11 3 1 6 -1. - <_> - 11 6 1 3 2. - 0 - 9.4582252204418182e-003 - -5.0712950527667999e-002 - 6.1203949153423309e-002 - <_> - - <_> - - - - <_> - 3 3 3 6 -1. - <_> - 4 5 1 2 9. - 0 - -1.2501789629459381e-001 - -6.4006787538528442e-001 - 1.1908539570868015e-002 - <_> - - <_> - - - - <_> - 14 0 4 3 -1. - <_> - 13 1 4 1 3. - 1 - 1.5444659627974033e-002 - -5.8896608650684357e-002 - 1.0827670246362686e-001 - <_> - - <_> - - - - <_> - 4 0 4 1 -1. - <_> - 5 0 2 1 2. - 0 - 1.5270099975168705e-003 - 4.3858438730239868e-002 - -1.9123759865760803e-001 - <_> - - <_> - - - - <_> - 12 0 6 4 -1. - <_> - 15 0 3 2 2. - <_> - 12 2 3 2 2. - 0 - -5.3543699905276299e-003 - 3.6371748894453049e-002 - -4.0430441498756409e-002 - <_> - - <_> - - - - <_> - 0 0 6 4 -1. - <_> - 0 0 3 2 2. - <_> - 3 2 3 2 2. - 0 - -1.5797719359397888e-002 - 1.6159279644489288e-001 - -5.5993270128965378e-002 - <_> - - <_> - - - - <_> - 16 0 2 3 -1. - <_> - 15 1 2 1 3. - 1 - -1.2601099908351898e-002 - 1.7859940230846405e-001 - -2.9063930734992027e-002 - <_> - - <_> - - - - <_> - 4 0 3 4 -1. - <_> - 5 1 1 4 3. - 1 - 8.4664657711982727e-002 - -1.0474080219864845e-002 - 8.0984550714492798e-001 - <_> - - <_> - - - - <_> - 16 2 2 1 -1. - <_> - 16 2 1 1 2. - 0 - 1.0696209938032553e-004 - -4.8453640192747116e-002 - 6.7813120782375336e-002 - <_> - - <_> - - - - <_> - 0 2 2 1 -1. - <_> - 1 2 1 1 2. - 0 - -1.1764469672925770e-004 - 5.3902100771665573e-002 - -1.8017460405826569e-001 - <_> - - <_> - - - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - 9.8984912037849426e-003 - 1.9158050417900085e-002 - -2.7733120322227478e-001 - <_> - - <_> - - - - <_> - 2 4 2 2 -1. - <_> - 2 4 1 1 2. - <_> - 3 5 1 1 2. - 0 - -1.1610490037128329e-004 - 9.6694946289062500e-002 - -8.9068733155727386e-002 - <_> - - <_> - - - - <_> - 14 4 2 2 -1. - <_> - 15 4 1 1 2. - <_> - 14 5 1 1 2. - 0 - 3.3369490411132574e-003 - -3.5014580935239792e-002 - 2.6304298639297485e-001 - <_> - - <_> - - - - <_> - 2 4 2 2 -1. - <_> - 2 4 1 1 2. - <_> - 3 5 1 1 2. - 0 - 7.8220298746600747e-005 - -8.2813262939453125e-002 - 1.0475490242242813e-001 - <_> - - <_> - - - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 1 - -9.5098288729786873e-003 - -2.6514530181884766e-001 - 2.4094179272651672e-002 - <_> - - <_> - - - - <_> - 9 3 3 3 -1. - <_> - 8 4 3 1 3. - 1 - -1.2982529588043690e-002 - 6.4530380070209503e-002 - -1.3815590739250183e-001 - <_> - - <_> - - - - <_> - 10 5 2 4 -1. - <_> - 11 5 1 2 2. - <_> - 10 7 1 2 2. - 0 - 3.7175510078668594e-003 - -3.4010428935289383e-002 - 7.3918223381042480e-002 - <_> - - <_> - - - - <_> - 6 5 2 4 -1. - <_> - 6 5 1 2 2. - <_> - 7 7 1 2 2. - 0 - -8.9635830372571945e-003 - 3.1214600801467896e-001 - -3.1653881072998047e-002 - <_> - - <_> - - - - <_> - 12 0 2 9 -1. - <_> - 12 0 1 9 2. - 1 - -3.8576980587095022e-003 - 6.2791481614112854e-002 - -4.3215770274400711e-002 - <_> - - <_> - - - - <_> - 6 0 9 2 -1. - <_> - 6 0 9 1 2. - 1 - 5.7608600705862045e-002 - 1.8788769841194153e-002 - -5.0399798154830933e-001 - <_> - - <_> - - - - <_> - 7 10 4 2 -1. - <_> - 8 10 2 2 2. - 0 - 3.1125131063163280e-003 - 3.5144101828336716e-002 - -2.3461879789829254e-001 - <_> - - <_> - - - - <_> - 0 0 4 1 -1. - <_> - 1 0 2 1 2. - 0 - -7.6296702027320862e-003 - -5.3097987174987793e-001 - 1.4961520209908485e-002 - <_> - - <_> - - - - <_> - 12 1 6 2 -1. - <_> - 12 1 3 2 2. - 0 - -6.5751709043979645e-003 - 5.0126578658819199e-002 - -3.6364991217851639e-002 - <_> - - <_> - - - - <_> - 0 1 6 2 -1. - <_> - 3 1 3 2 2. - 0 - 2.1125350147485733e-002 - -2.4575449526309967e-002 - 3.9593890309333801e-001 - <_> - - <_> - - - - <_> - 11 7 1 3 -1. - <_> - 11 8 1 1 3. - 0 - -3.0265909153968096e-003 - 1.1584889888763428e-001 - -2.8826450929045677e-002 - <_> - - <_> - - - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - 0 - 1.2929990189149976e-003 - 2.6206869632005692e-002 - -3.0620381236076355e-001 - <_> - - <_> - - - - <_> - 16 8 2 4 -1. - <_> - 17 8 1 2 2. - <_> - 16 10 1 2 2. - 0 - 9.5255090855062008e-005 - -9.1093979775905609e-002 - 5.6246880441904068e-002 - <_> - - <_> - - - - <_> - 0 8 2 4 -1. - <_> - 0 8 1 2 2. - <_> - 1 10 1 2 2. - 0 - -1.1346739716827869e-002 - 4.4599908590316772e-001 - -1.9490949809551239e-002 - <_> - - <_> - - - - <_> - 16 6 2 2 -1. - <_> - 16 6 2 1 2. - 1 - -3.9465399459004402e-003 - 7.9005546867847443e-002 - -1.0729230195283890e-001 - <_> - - <_> - - - - <_> - 2 6 2 2 -1. - <_> - 2 6 1 2 2. - 1 - -1.3709669932723045e-002 - -2.6804009079933167e-001 - 3.4483738243579865e-002 - <_> - - <_> - - - - <_> - 8 6 4 2 -1. - <_> - 9 6 2 2 2. - 0 - -3.7944439798593521e-002 - -3.8875928521156311e-001 - 4.3536517769098282e-003 - <_> - - <_> - - - - <_> - 6 6 4 2 -1. - <_> - 7 6 2 2 2. - 0 - -5.1233209669589996e-003 - 1.1811450123786926e-001 - -7.6210573315620422e-002 - -1.5979900360107422e+000 - 17 - -1 - <_> - - - <_> - - <_> - - - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - 0 - 5.4262988269329071e-003 - -3.0050519108772278e-001 - 6.7211848497390747e-001 - <_> - - <_> - - - - <_> - 7 3 4 3 -1. - <_> - 7 4 4 1 3. - 0 - -1.9688049331307411e-002 - 4.2098221182823181e-001 - -1.8416300415992737e-001 - <_> - - <_> - - - - <_> - 7 0 3 4 -1. - <_> - 7 1 3 2 2. - 0 - 1.0437469929456711e-001 - 7.9985307529568672e-003 - -1.3431090087890625e+003 - <_> - - <_> - - - - <_> - 6 6 6 2 -1. - <_> - 8 6 2 2 3. - 0 - -1.8829930573701859e-002 - 1.8901979923248291e-001 - -3.1901699304580688e-001 - <_> - - <_> - - - - <_> - 1 0 4 7 -1. - <_> - 3 0 2 7 2. - 0 - -9.0354820713400841e-003 - 9.9983938038349152e-002 - -3.9372038841247559e-001 - <_> - - <_> - - - - <_> - 11 6 3 1 -1. - <_> - 12 6 1 1 3. - 0 - 8.2086473703384399e-003 - -1.3759939372539520e-001 - 4.2291760444641113e-001 - <_> - - <_> - - - - <_> - 7 1 5 4 -1. - <_> - 7 1 5 2 2. - 1 - 1.9290760159492493e-001 - -1.9123300909996033e-002 - -7.1446881103515625e+002 - <_> - - <_> - - - - <_> - 10 7 2 2 -1. - <_> - 11 7 1 1 2. - <_> - 10 8 1 1 2. - 0 - 7.5846072286367416e-003 - -3.0995719134807587e-002 - 2.8077399730682373e-001 - <_> - - <_> - - - - <_> - 6 7 2 2 -1. - <_> - 6 7 1 1 2. - <_> - 7 8 1 1 2. - 0 - 5.4157869890332222e-003 - 9.7298726439476013e-002 - -4.8166570067405701e-001 - <_> - - <_> - - - - <_> - 11 6 3 1 -1. - <_> - 12 6 1 1 3. - 0 - -3.2942730467766523e-003 - 2.7938959002494812e-001 - -4.1473869234323502e-002 - <_> - - <_> - - - - <_> - 0 3 3 1 -1. - <_> - 1 3 1 1 3. - 0 - -1.1245800124015659e-004 - 1.5364760160446167e-001 - -1.6658879816532135e-001 - <_> - - <_> - - - - <_> - 1 6 16 4 -1. - <_> - 9 6 8 2 2. - <_> - 1 8 8 2 2. - 0 - 1.7863340675830841e-002 - 7.2040103375911713e-002 - -3.2273280620574951e-001 - <_> - - <_> - - - - <_> - 4 4 4 3 -1. - <_> - 3 5 4 1 3. - 1 - -9.2770978808403015e-003 - 1.5470069646835327e-001 - -1.5196369588375092e-001 - <_> - - <_> - - - - <_> - 9 3 4 8 -1. - <_> - 9 7 4 4 2. - 0 - 4.9009688198566437e-002 - -2.1719500422477722e-001 - 4.7354388982057571e-002 - <_> - - <_> - - - - <_> - 3 4 12 2 -1. - <_> - 3 5 12 1 2. - 0 - -4.0119819343090057e-002 - 2.7460759878158569e-001 - -8.6348831653594971e-002 - <_> - - <_> - - - - <_> - 11 0 3 12 -1. - <_> - 11 6 3 6 2. - 0 - 1.9793610274791718e-001 - 1.8624650314450264e-002 - -5.3495907783508301e-001 - <_> - - <_> - - - - <_> - 4 0 3 12 -1. - <_> - 4 6 3 6 2. - 0 - 3.8065958768129349e-002 - -2.5904580950737000e-001 - 1.0311370342969894e-001 - <_> - - <_> - - - - <_> - 3 0 12 4 -1. - <_> - 3 1 12 2 2. - 0 - 3.7357859313488007e-002 - -1.1903320252895355e-001 - 1.6979260742664337e-001 - <_> - - <_> - - - - <_> - 0 0 18 3 -1. - <_> - 6 0 6 3 3. - 0 - -8.9973270893096924e-002 - 1.6638070344924927e-001 - -1.2824270129203796e-001 - <_> - - <_> - - - - <_> - 17 1 1 2 -1. - <_> - 17 2 1 1 2. - 0 - -3.6491220816969872e-003 - -2.0123389363288879e-001 - 2.1278910338878632e-002 - <_> - - <_> - - - - <_> - 0 1 1 2 -1. - <_> - 0 2 1 1 2. - 0 - -9.1840978711843491e-005 - 1.0628490149974823e-001 - -1.7940549552440643e-001 - <_> - - <_> - - - - <_> - 15 1 3 1 -1. - <_> - 16 2 1 1 3. - 1 - -1.1649549938738346e-002 - -4.3736520409584045e-001 - 3.0724890530109406e-002 - <_> - - <_> - - - - <_> - 3 1 1 3 -1. - <_> - 2 2 1 1 3. - 1 - -7.1681910194456577e-003 - -3.2502311468124390e-001 - 5.0562191754579544e-002 - <_> - - <_> - - - - <_> - 7 10 7 2 -1. - <_> - 7 11 7 1 2. - 0 - 3.7875070702284575e-003 - -1.9940949976444244e-001 - 7.7970452606678009e-002 - <_> - - <_> - - - - <_> - 3 5 3 3 -1. - <_> - 4 5 1 3 3. - 0 - -5.3427959792315960e-003 - 1.4677309989929199e-001 - -1.1329550296068192e-001 - <_> - - <_> - - - - <_> - 10 5 3 3 -1. - <_> - 11 5 1 3 3. - 0 - 2.3160399869084358e-002 - -4.2170170694589615e-002 - 3.1582599878311157e-001 - <_> - - <_> - - - - <_> - 4 6 4 2 -1. - <_> - 5 6 2 2 2. - 0 - -7.6770680025219917e-003 - 3.1857290863990784e-001 - -5.1229890435934067e-002 - <_> - - <_> - - - - <_> - 8 0 3 3 -1. - <_> - 9 0 1 3 3. - 0 - 7.1013960987329483e-003 - 3.1445540487766266e-002 - -3.2645389437675476e-001 - <_> - - <_> - - - - <_> - 4 6 4 2 -1. - <_> - 5 7 2 2 2. - 1 - -2.0252959802746773e-002 - -4.0472069382667542e-001 - 3.4693039953708649e-002 - <_> - - <_> - - - - <_> - 7 0 4 4 -1. - <_> - 8 0 2 4 2. - 0 - -9.6413884311914444e-003 - -3.3648169040679932e-001 - 4.1794441640377045e-002 - <_> - - <_> - - - - <_> - 7 2 4 3 -1. - <_> - 7 3 4 1 3. - 0 - -2.3985069245100021e-002 - 3.1614878773689270e-001 - -4.6249549835920334e-002 - <_> - - <_> - - - - <_> - 15 5 3 1 -1. - <_> - 16 5 1 1 3. - 0 - -1.4840610325336456e-002 - -7.3656052350997925e-001 - 8.9046377688646317e-003 - <_> - - <_> - - - - <_> - 0 5 3 1 -1. - <_> - 1 5 1 1 3. - 0 - -9.4987051852513105e-005 - 1.1953199654817581e-001 - -1.1896529793739319e-001 - <_> - - <_> - - - - <_> - 11 2 3 4 -1. - <_> - 11 2 3 2 2. - 1 - 7.0412069559097290e-002 - -4.0320910513401031e-002 - 1.6706739366054535e-001 - <_> - - <_> - - - - <_> - 4 2 1 3 -1. - <_> - 3 3 1 1 3. - 1 - 4.9093589186668396e-003 - 4.8656750470399857e-002 - -2.8003680706024170e-001 - <_> - - <_> - - - - <_> - 6 10 6 1 -1. - <_> - 8 10 2 1 3. - 0 - -9.6227843314409256e-003 - -4.0062141418457031e-001 - 3.0084159225225449e-002 - <_> - - <_> - - - - <_> - 0 5 14 7 -1. - <_> - 7 5 7 7 2. - 0 - 1.6841889917850494e-001 - 1.9700720906257629e-002 - -5.4525882005691528e-001 - <_> - - <_> - - - - <_> - 17 0 1 2 -1. - <_> - 17 1 1 1 2. - 0 - 9.9319182336330414e-003 - 6.6423388198018074e-003 - -4.9300599098205566e-001 - <_> - - <_> - - - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - 0 - -9.2917856818530709e-005 - 7.3449976742267609e-002 - -1.6144999861717224e-001 - <_> - - <_> - - - - <_> - 11 5 3 2 -1. - <_> - 12 5 1 2 3. - 0 - 4.0923128835856915e-003 - -4.7123961150646210e-002 - 7.2986431419849396e-002 - <_> - - <_> - - - - <_> - 6 1 4 2 -1. - <_> - 7 1 2 2 2. - 0 - 8.6956098675727844e-003 - 2.1329889073967934e-002 - -5.1486510038375854e-001 - <_> - - <_> - - - - <_> - 11 5 3 2 -1. - <_> - 12 5 1 2 3. - 0 - -9.8282760009169579e-003 - 1.9071890413761139e-001 - -2.5422919541597366e-002 - <_> - - <_> - - - - <_> - 0 1 15 6 -1. - <_> - 5 3 5 2 9. - 0 - -7.6692271232604980e-001 - -6.6095298528671265e-001 - 1.8228070810437202e-002 - <_> - - <_> - - - - <_> - 6 1 12 2 -1. - <_> - 12 1 6 1 2. - <_> - 6 2 6 1 2. - 0 - -3.2330170273780823e-002 - 1.4530169963836670e-001 - -1.4983410015702248e-002 - <_> - - <_> - - - - <_> - 5 7 2 3 -1. - <_> - 5 7 1 3 2. - 1 - 1.0294170118868351e-002 - 2.4919189512729645e-002 - -4.5525848865509033e-001 - <_> - - <_> - - - - <_> - 11 5 3 2 -1. - <_> - 12 5 1 2 3. - 0 - -3.0171580612659454e-002 - -4.6189090609550476e-001 - 3.3882521092891693e-003 - <_> - - <_> - - - - <_> - 4 5 3 2 -1. - <_> - 5 5 1 2 3. - 0 - -4.7148168087005615e-003 - 1.9720679521560669e-001 - -6.3187547028064728e-002 - <_> - - <_> - - - - <_> - 9 5 4 3 -1. - <_> - 10 5 2 3 2. - 0 - -9.0056415647268295e-003 - 1.8307769298553467e-001 - -7.2591513395309448e-002 - <_> - - <_> - - - - <_> - 5 5 4 3 -1. - <_> - 6 5 2 3 2. - 0 - -1.0803050361573696e-002 - 2.9357129335403442e-001 - -5.2083630114793777e-002 - <_> - - <_> - - - - <_> - 8 3 6 2 -1. - <_> - 10 3 2 2 3. - 0 - -2.2687910124659538e-002 - -2.2910049557685852e-001 - 2.9485609382390976e-002 - <_> - - <_> - - - - <_> - 7 8 3 1 -1. - <_> - 8 9 1 1 3. - 1 - 8.0813551321625710e-003 - 2.8026320040225983e-002 - -3.9691281318664551e-001 - <_> - - <_> - - - - <_> - 10 5 2 4 -1. - <_> - 11 5 1 2 2. - <_> - 10 7 1 2 2. - 0 - 9.2932283878326416e-003 - -2.3965410888195038e-002 - 1.1968089640140533e-001 - <_> - - <_> - - - - <_> - 4 3 6 2 -1. - <_> - 6 3 2 2 3. - 0 - -2.3424040526151657e-002 - -2.8772619366645813e-001 - 3.8220979273319244e-002 - <_> - - <_> - - - - <_> - 6 1 12 2 -1. - <_> - 12 1 6 1 2. - <_> - 6 2 6 1 2. - 0 - -7.5453490018844604e-002 - -8.9001321792602539e-001 - 9.9092291202396154e-004 - <_> - - <_> - - - - <_> - 0 1 12 2 -1. - <_> - 0 1 6 1 2. - <_> - 6 2 6 1 2. - 0 - -2.0602909848093987e-002 - 2.4050650000572205e-001 - -4.7928169369697571e-002 - <_> - - <_> - - - - <_> - 8 0 2 3 -1. - <_> - 8 1 2 1 3. - 0 - -7.1518528275191784e-003 - 2.2132579982280731e-001 - -6.0036528855562210e-002 - <_> - - <_> - - - - <_> - 7 0 3 2 -1. - <_> - 7 1 3 1 2. - 0 - 4.1199801489710808e-003 - -8.7927162647247314e-002 - 1.6041250526905060e-001 - <_> - - <_> - - - - <_> - 12 0 3 3 -1. - <_> - 13 1 1 3 3. - 1 - 3.9387959986925125e-002 - 1.0958000086247921e-002 - -2.2292630374431610e-001 - <_> - - <_> - - - - <_> - 6 0 3 3 -1. - <_> - 5 1 3 1 3. - 1 - 1.0546170175075531e-002 - 5.3426049649715424e-002 - -2.7179110050201416e-001 - <_> - - <_> - - - - <_> - 10 0 4 2 -1. - <_> - 11 0 2 2 2. - 0 - -1.1257980018854141e-002 - -5.5188918113708496e-001 - 1.2321829795837402e-002 - <_> - - <_> - - - - <_> - 5 7 2 1 -1. - <_> - 6 7 1 1 2. - 0 - 2.8547599868034013e-005 - -1.0614909976720810e-001 - 1.0695829987525940e-001 - <_> - - <_> - - - - <_> - 11 2 3 4 -1. - <_> - 11 2 3 2 2. - 1 - 1.4024679549038410e-003 - -6.3827931880950928e-002 - 3.6412809044122696e-002 - <_> - - <_> - - - - <_> - 6 6 2 4 -1. - <_> - 6 6 1 4 2. - 1 - -2.5279590860009193e-002 - -2.3291009664535522e-001 - 5.1007620990276337e-002 - <_> - - <_> - - - - <_> - 16 5 2 6 -1. - <_> - 16 7 2 2 3. - 0 - 5.5645029991865158e-002 - 1.4120610430836678e-003 - -5.9250742197036743e-001 - <_> - - <_> - - - - <_> - 0 5 2 6 -1. - <_> - 0 7 2 2 3. - 0 - 2.3897020146250725e-002 - 2.4702310562133789e-002 - -4.1002118587493896e-001 - <_> - - <_> - - - - <_> - 15 6 3 2 -1. - <_> - 16 6 1 2 3. - 0 - 1.7050260677933693e-002 - 8.3261402323842049e-003 - -3.5209038853645325e-001 - <_> - - <_> - - - - <_> - 0 6 3 2 -1. - <_> - 1 6 1 2 3. - 0 - -7.8733973205089569e-003 - 2.3625299334526062e-001 - -4.2287878692150116e-002 - <_> - - <_> - - - - <_> - 15 5 3 4 -1. - <_> - 16 5 1 4 3. - 0 - -2.5967480614781380e-002 - -3.5506701469421387e-001 - 1.0870999656617641e-002 - <_> - - <_> - - - - <_> - 0 5 3 4 -1. - <_> - 1 5 1 4 3. - 0 - 5.1288940012454987e-003 - -7.0529833436012268e-002 - 1.7466700077056885e-001 - <_> - - <_> - - - - <_> - 17 4 1 3 -1. - <_> - 17 5 1 1 3. - 0 - 5.2364799194037914e-003 - 2.0953370258212090e-002 - -3.3864089846611023e-001 - <_> - - <_> - - - - <_> - 4 0 4 2 -1. - <_> - 5 0 2 2 2. - 0 - 5.0087850540876389e-003 - 2.9292659834027290e-002 - -3.4224748611450195e-001 - <_> - - <_> - - - - <_> - 11 0 1 2 -1. - <_> - 11 0 1 1 2. - 1 - 1.9541790708899498e-002 - 1.5414350200444460e-003 - -2.3330779373645782e-001 - <_> - - <_> - - - - <_> - 7 0 2 1 -1. - <_> - 7 0 1 1 2. - 1 - 1.2687229551374912e-002 - -3.2202750444412231e-002 - 3.4885931015014648e-001 - <_> - - <_> - - - - <_> - 1 4 17 4 -1. - <_> - 1 5 17 2 2. - 0 - -3.1968150287866592e-002 - 7.6574698090553284e-002 - -1.1693509668111801e-001 - <_> - - <_> - - - - <_> - 0 0 18 12 -1. - <_> - 0 3 18 6 2. - 0 - -8.4089142084121704e-001 - -3.7160590291023254e-001 - 2.8848029673099518e-002 - <_> - - <_> - - - - <_> - 14 9 1 2 -1. - <_> - 14 9 1 1 2. - 1 - -1.2128669914091006e-004 - 3.5618349909782410e-002 - -8.1658117473125458e-002 - <_> - - <_> - - - - <_> - 4 9 2 1 -1. - <_> - 4 9 1 1 2. - 1 - -1.1257309961365536e-004 - 6.1848249286413193e-002 - -1.7893390357494354e-001 - <_> - - <_> - - - - <_> - 8 5 10 4 -1. - <_> - 13 5 5 2 2. - <_> - 8 7 5 2 2. - 0 - 1.5692369639873505e-001 - 2.0418250933289528e-003 - -3.8372790813446045e-001 - <_> - - <_> - - - - <_> - 0 4 1 3 -1. - <_> - 0 5 1 1 3. - 0 - 2.9397590551525354e-003 - 3.6909751594066620e-002 - -2.6979750394821167e-001 - <_> - - <_> - - - - <_> - 14 6 3 3 -1. - <_> - 15 6 1 3 3. - 0 - -2.5340609718114138e-003 - 1.2149509787559509e-001 - -1.0271450132131577e-001 - <_> - - <_> - - - - <_> - 1 6 3 3 -1. - <_> - 2 6 1 3 3. - 0 - 7.0472261868417263e-003 - -5.1498528569936752e-002 - 1.9663390517234802e-001 - <_> - - <_> - - - - <_> - 14 5 3 1 -1. - <_> - 15 6 1 1 3. - 1 - -3.5378870088607073e-003 - 1.1377040296792984e-001 - -1.2270720303058624e-001 - <_> - - <_> - - - - <_> - 9 2 8 2 -1. - <_> - 9 2 4 2 2. - 1 - -1.9171670079231262e-001 - 2.0281049609184265e-001 - -5.9293661266565323e-002 - <_> - - <_> - - - - <_> - 14 5 3 1 -1. - <_> - 15 6 1 1 3. - 1 - -2.8194790706038475e-002 - -4.0183740854263306e-001 - 9.4950878992676735e-003 - <_> - - <_> - - - - <_> - 4 5 1 3 -1. - <_> - 3 6 1 1 3. - 1 - -2.7471040375530720e-003 - 1.3657639920711517e-001 - -8.3562202751636505e-002 - <_> - - <_> - - - - <_> - 12 5 2 2 -1. - <_> - 13 5 1 1 2. - <_> - 12 6 1 1 2. - 0 - -2.3678690195083618e-003 - 2.8895410895347595e-001 - -7.0791177451610565e-002 - <_> - - <_> - - - - <_> - 8 9 2 1 -1. - <_> - 8 9 1 1 2. - 1 - -1.0364330373704433e-002 - -3.6532059311866760e-001 - 3.1027559190988541e-002 - <_> - - <_> - - - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 0 - -3.1868910882622004e-003 - 1.2471160292625427e-001 - -2.1058630198240280e-002 - <_> - - <_> - - - - <_> - 4 0 3 2 -1. - <_> - 4 0 3 1 2. - 1 - -1.5623000450432301e-002 - -2.9756268858909607e-001 - 3.3180721104145050e-002 - <_> - - <_> - - - - <_> - 2 0 16 2 -1. - <_> - 10 0 8 1 2. - <_> - 2 1 8 1 2. - 0 - 1.7447229474782944e-003 - -5.5369090288877487e-002 - 8.0895766615867615e-002 - <_> - - <_> - - - - <_> - 4 0 3 3 -1. - <_> - 4 1 3 1 3. - 0 - -8.7693594396114349e-003 - 2.0353169739246368e-001 - -5.9447389096021652e-002 - <_> - - <_> - - - - <_> - 16 0 2 1 -1. - <_> - 16 0 1 1 2. - 0 - 1.0933070007013157e-004 - -5.3917091339826584e-002 - 6.7618027329444885e-002 - <_> - - <_> - - - - <_> - 0 0 2 1 -1. - <_> - 1 0 1 1 2. - 0 - -1.2108810187783092e-004 - 5.5683720856904984e-002 - -1.7708249390125275e-001 - <_> - - <_> - - - - <_> - 14 0 4 4 -1. - <_> - 16 0 2 2 2. - <_> - 14 2 2 2 2. - 0 - -9.8970606923103333e-003 - 9.2097222805023193e-002 - -3.7907868623733521e-002 - <_> - - <_> - - - - <_> - 0 0 4 4 -1. - <_> - 0 0 2 2 2. - <_> - 2 2 2 2 2. - 0 - -5.3500072099268436e-003 - 1.4658580720424652e-001 - -7.1295157074928284e-002 - <_> - - <_> - - - - <_> - 14 0 3 1 -1. - <_> - 15 1 1 1 3. - 1 - -7.7157528139650822e-003 - -2.1293020248413086e-001 - 3.0109029263257980e-002 - <_> - - <_> - - - - <_> - 4 0 1 3 -1. - <_> - 3 1 1 1 3. - 1 - -7.2461022064089775e-003 - -2.4743880331516266e-001 - 3.6422520875930786e-002 - <_> - - <_> - - - - <_> - 5 2 8 3 -1. - <_> - 5 3 8 1 3. - 0 - 4.5332200825214386e-002 - -4.3887101113796234e-002 - 2.2771969437599182e-001 - <_> - - <_> - - - - <_> - 0 0 2 2 -1. - <_> - 0 0 1 1 2. - <_> - 1 1 1 1 2. - 0 - -1.0587189899524674e-004 - 1.0036029666662216e-001 - -9.9796630442142487e-002 - <_> - - <_> - - - - <_> - 6 0 12 2 -1. - <_> - 6 0 6 2 2. - 0 - -1.1086790263652802e-001 - -2.6335340738296509e-001 - 1.9541220739483833e-002 - <_> - - <_> - - - - <_> - 0 0 12 2 -1. - <_> - 6 0 6 2 2. - 0 - 1.4828580431640148e-002 - -6.1396230012178421e-002 - 1.5963110327720642e-001 - <_> - - <_> - - - - <_> - 8 5 10 4 -1. - <_> - 13 5 5 2 2. - <_> - 8 7 5 2 2. - 0 - 1.1451540194684640e-004 - -3.4139700233936310e-002 - 1.8776599317789078e-002 - <_> - - <_> - - - - <_> - 0 5 10 4 -1. - <_> - 0 5 5 2 2. - <_> - 5 7 5 2 2. - 0 - 1.0391230136156082e-001 - 1.8342059105634689e-002 - -5.5741232633590698e-001 - <_> - - <_> - - - - <_> - 17 4 1 3 -1. - <_> - 17 5 1 1 3. - 0 - -2.8403440956026316e-003 - -1.6176800429821014e-001 - 4.2230840772390366e-002 - <_> - - <_> - - - - <_> - 0 8 2 3 -1. - <_> - 1 8 1 3 2. - 0 - -3.9837881922721863e-003 - 1.2188349664211273e-001 - -7.5493358075618744e-002 - <_> - - <_> - - - - <_> - 12 9 6 2 -1. - <_> - 14 9 2 2 3. - 0 - -2.6931989938020706e-002 - -2.7949911355972290e-001 - 1.8144300207495689e-002 - <_> - - <_> - - - - <_> - 0 9 6 2 -1. - <_> - 2 9 2 2 3. - 0 - 6.3719637691974640e-003 - -7.2795078158378601e-002 - 1.5270389616489410e-001 - <_> - - <_> - - - - <_> - 10 4 3 5 -1. - <_> - 11 5 1 5 3. - 1 - 4.1068520396947861e-002 - -8.6038000881671906e-003 - 2.9300528764724731e-001 - <_> - - <_> - - - - <_> - 8 4 5 3 -1. - <_> - 7 5 5 1 3. - 1 - -3.8765709847211838e-002 - 2.6667380332946777e-001 - -3.6998551338911057e-002 - <_> - - <_> - - - - <_> - 9 8 2 1 -1. - <_> - 9 8 1 1 2. - 0 - -3.3269529230892658e-003 - -2.3761349916458130e-001 - 3.2018061727285385e-002 - <_> - - <_> - - - - <_> - 7 8 2 1 -1. - <_> - 8 8 1 1 2. - 0 - 8.5056803072802722e-005 - -7.0894226431846619e-002 - 1.2628500163555145e-001 - <_> - - <_> - - - - <_> - 6 8 6 2 -1. - <_> - 8 8 2 2 3. - 0 - 2.1096479147672653e-002 - 2.4189710617065430e-002 - -5.0479072332382202e-001 - <_> - - <_> - - - - <_> - 7 8 4 3 -1. - <_> - 7 9 4 1 3. - 0 - 1.5069710090756416e-002 - -4.9047719687223434e-002 - 2.0302620530128479e-001 - <_> - - <_> - - - - <_> - 10 6 2 2 -1. - <_> - 11 6 1 1 2. - <_> - 10 7 1 1 2. - 0 - -1.7079169629141688e-003 - 9.5796592533588409e-002 - -3.4222289919853210e-002 - <_> - - <_> - - - - <_> - 6 0 4 1 -1. - <_> - 7 0 2 1 2. - 0 - 4.1216560639441013e-003 - 2.4934209883213043e-002 - -3.6697131395339966e-001 - <_> - - <_> - - - - <_> - 10 5 2 4 -1. - <_> - 11 5 1 2 2. - <_> - 10 7 1 2 2. - 0 - 6.1798160895705223e-003 - -2.5011969730257988e-002 - 7.8190803527832031e-002 - <_> - - <_> - - - - <_> - 0 4 2 3 -1. - <_> - 0 5 2 1 3. - 0 - -1.0259440168738365e-002 - -3.8385409116744995e-001 - 2.3607190698385239e-002 - <_> - - <_> - - - - <_> - 10 6 2 2 -1. - <_> - 11 6 1 1 2. - <_> - 10 7 1 1 2. - 0 - 4.2493520304560661e-003 - -1.8063470721244812e-002 - 9.7392469644546509e-002 - <_> - - <_> - - - - <_> - 8 7 2 2 -1. - <_> - 8 7 1 2 2. - 1 - -1.8078900873661041e-002 - -2.8260070085525513e-001 - 3.2420400530099869e-002 - <_> - - <_> - - - - <_> - 15 4 1 2 -1. - <_> - 15 5 1 1 2. - 0 - -1.0033250146079808e-004 - 5.8378711342811584e-002 - -9.5965467393398285e-002 - <_> - - <_> - - - - <_> - 6 5 2 4 -1. - <_> - 6 5 1 2 2. - <_> - 7 7 1 2 2. - 0 - 5.5636470206081867e-003 - -6.2373951077461243e-002 - 1.3677039742469788e-001 - <_> - - <_> - - - - <_> - 12 3 1 4 -1. - <_> - 12 3 1 2 2. - 1 - 5.9635799378156662e-002 - 7.6047349721193314e-003 - -3.7049409747123718e-001 - <_> - - <_> - - - - <_> - 1 1 2 1 -1. - <_> - 2 1 1 1 2. - 0 - -1.1734029976651073e-004 - 5.6312419474124908e-002 - -1.6223900020122528e-001 - <_> - - <_> - - - - <_> - 12 0 6 4 -1. - <_> - 14 0 2 4 3. - 0 - 3.2071691006422043e-002 - 1.7075739800930023e-002 - -1.7555209994316101e-001 - <_> - - <_> - - - - <_> - 0 0 1 3 -1. - <_> - 0 1 1 1 3. - 0 - -9.0831192210316658e-005 - 9.6431486308574677e-002 - -9.5327220857143402e-002 - <_> - - <_> - - - - <_> - 5 0 12 2 -1. - <_> - 11 0 6 1 2. - <_> - 5 1 6 1 2. - 0 - 3.1735259108245373e-003 - -3.5405401140451431e-002 - 5.5357661098241806e-002 - <_> - - <_> - - - - <_> - 2 1 12 3 -1. - <_> - 6 1 4 3 3. - 0 - -2.9976980760693550e-002 - 8.3683349192142487e-002 - -1.0876650363206863e-001 - <_> - - <_> - - - - <_> - 5 2 8 3 -1. - <_> - 7 2 4 3 2. - 0 - -3.8275059312582016e-002 - -2.4115200340747833e-001 - 4.2547758668661118e-002 - <_> - - <_> - - - - <_> - 3 0 2 4 -1. - <_> - 3 1 2 2 2. - 0 - 3.6104370374232531e-003 - -7.1690596640110016e-002 - 1.3356970250606537e-001 - <_> - - <_> - - - - <_> - 14 1 4 3 -1. - <_> - 14 2 4 1 3. - 0 - 2.7101410552859306e-002 - 1.6210360452532768e-002 - -3.3410280942916870e-001 - <_> - - <_> - - - - <_> - 0 11 15 1 -1. - <_> - 5 11 5 1 3. - 0 - 7.4129230342805386e-003 - -7.1663141250610352e-002 - 1.4046929776668549e-001 - <_> - - <_> - - - - <_> - 15 1 3 3 -1. - <_> - 15 2 3 1 3. - 0 - 1.6567030921578407e-002 - 8.9016826823353767e-003 - -1.1316739767789841e-001 - <_> - - <_> - - - - <_> - 0 6 4 6 -1. - <_> - 0 8 4 2 3. - 0 - 6.4526550471782684e-002 - 1.4559620060026646e-002 - -6.1538118124008179e-001 - <_> - - <_> - - - - <_> - 14 4 1 2 -1. - <_> - 14 5 1 1 2. - 0 - 6.8156858906149864e-003 - -1.9643720239400864e-002 - 4.3227869272232056e-001 - <_> - - <_> - - - - <_> - 3 4 1 2 -1. - <_> - 3 5 1 1 2. - 0 - -8.8827422587200999e-005 - 9.6494443714618683e-002 - -9.7575537860393524e-002 - <_> - - <_> - - - - <_> - 10 2 6 6 -1. - <_> - 12 4 2 2 9. - 0 - -8.9457683265209198e-002 - 7.5192607939243317e-002 - -4.5244731009006500e-002 - <_> - - <_> - - - - <_> - 2 2 6 6 -1. - <_> - 4 4 2 2 9. - 0 - -2.1514390408992767e-001 - -4.5402219891548157e-001 - 1.9804859533905983e-002 - <_> - - <_> - - - - <_> - 9 0 1 3 -1. - <_> - 8 1 1 1 3. - 1 - -1.2561500072479248e-002 - -2.4084420502185822e-001 - 1.3274069875478745e-002 - <_> - - <_> - - - - <_> - 9 0 3 1 -1. - <_> - 10 1 1 1 3. - 1 - -8.4761697798967361e-003 - 2.7529099583625793e-001 - -4.5817509293556213e-002 - <_> - - <_> - - - - <_> - 6 1 6 3 -1. - <_> - 6 2 6 1 3. - 0 - 5.1104858517646790e-002 - -2.5254199281334877e-002 - 3.1543159484863281e-001 - <_> - - <_> - - - - <_> - 0 8 1 2 -1. - <_> - 0 9 1 1 2. - 0 - 9.7488082246854901e-005 - -1.2215600162744522e-001 - 7.2712212800979614e-002 - <_> - - <_> - - - - <_> - 14 9 4 3 -1. - <_> - 14 10 4 1 3. - 0 - 1.4160290360450745e-002 - 2.8567990288138390e-002 - -3.4588310122489929e-001 - <_> - - <_> - - - - <_> - 8 5 4 3 -1. - <_> - 9 6 2 3 2. - 1 - -4.9706948630046099e-005 - 5.6665088981389999e-002 - -1.4329999685287476e-001 - <_> - - <_> - - - - <_> - 9 7 9 4 -1. - <_> - 9 9 9 2 2. - 0 - 2.2474400699138641e-002 - -2.0662429928779602e-001 - 2.6640780270099640e-002 - <_> - - <_> - - - - <_> - 0 7 9 4 -1. - <_> - 0 9 9 2 2. - 0 - 9.7482956945896149e-002 - 5.0016429275274277e-002 - -2.0301230251789093e-001 - <_> - - <_> - - - - <_> - 12 4 3 5 -1. - <_> - 13 5 1 5 3. - 1 - -4.8470269888639450e-002 - 2.1042500436306000e-001 - -1.9063079729676247e-002 - <_> - - <_> - - - - <_> - 3 8 1 3 -1. - <_> - 2 9 1 1 3. - 1 - 7.1597727946937084e-003 - -4.5765839517116547e-002 - 1.9567190110683441e-001 - <_> - - <_> - - - - <_> - 15 9 3 3 -1. - <_> - 15 10 3 1 3. - 0 - -7.2543402202427387e-003 - -3.2032880187034607e-001 - 2.6651080697774887e-002 - <_> - - <_> - - - - <_> - 6 4 5 3 -1. - <_> - 5 5 5 1 3. - 1 - -1.8530499190092087e-002 - 1.9439229369163513e-001 - -4.8699580132961273e-002 - <_> - - <_> - - - - <_> - 2 6 15 6 -1. - <_> - 7 8 5 2 9. - 0 - 3.8783821463584900e-001 - -1.6777930781245232e-002 - 3.7111368775367737e-001 - <_> - - <_> - - - - <_> - 3 5 12 3 -1. - <_> - 6 5 6 3 2. - 0 - 7.6014406979084015e-002 - 1.7125319689512253e-002 - -5.8361458778381348e-001 - <_> - - <_> - - - - <_> - 17 1 1 4 -1. - <_> - 17 2 1 2 2. - 0 - 4.9989949911832809e-003 - 1.7290040850639343e-002 - -1.2039519846439362e-001 - <_> - - <_> - - - - <_> - 0 9 3 3 -1. - <_> - 0 10 3 1 3. - 0 - 9.9080810323357582e-003 - 2.3359630256891251e-002 - -3.7375789880752563e-001 - <_> - - <_> - - - - <_> - 17 9 1 2 -1. - <_> - 17 10 1 1 2. - 0 - 1.0389750241301954e-004 - -1.0736549645662308e-001 - 4.5764569193124771e-002 - <_> - - <_> - - - - <_> - 0 9 1 2 -1. - <_> - 0 10 1 1 2. - 0 - -1.0103100212290883e-003 - -2.2198240458965302e-001 - 3.9023850113153458e-002 - <_> - - <_> - - - - <_> - 16 8 2 2 -1. - <_> - 16 8 1 2 2. - 1 - -2.3250900208950043e-002 - 1.2186550348997116e-001 - -1.8887069076299667e-002 - <_> - - <_> - - - - <_> - 2 8 2 2 -1. - <_> - 2 8 2 1 2. - 1 - 8.6560938507318497e-003 - -3.4802809357643127e-002 - 2.6685670018196106e-001 - <_> - - <_> - - - - <_> - 17 8 1 3 -1. - <_> - 16 9 1 1 3. - 1 - 1.0738030076026917e-002 - 1.4226100407540798e-002 - -2.1260090172290802e-001 - <_> - - <_> - - - - <_> - 0 7 3 3 -1. - <_> - 1 7 1 3 3. - 0 - -3.5327710211277008e-003 - 1.3741309940814972e-001 - -6.6508442163467407e-002 - <_> - - <_> - - - - <_> - 17 7 1 2 -1. - <_> - 17 8 1 1 2. - 0 - 3.4663160331547260e-003 - 2.8193399310112000e-002 - -8.0336898565292358e-002 - <_> - - <_> - - - - <_> - 0 7 1 2 -1. - <_> - 0 8 1 1 2. - 0 - -1.0870849946513772e-003 - -2.1752350032329559e-001 - 4.2343270033597946e-002 - <_> - - <_> - - - - <_> - 16 1 2 4 -1. - <_> - 15 2 2 2 2. - 1 - -3.5930581390857697e-002 - 3.5099908709526062e-001 - -3.8252778351306915e-002 - <_> - - <_> - - - - <_> - 7 4 3 3 -1. - <_> - 7 5 3 1 3. - 0 - -2.5020960718393326e-002 - 2.2377529740333557e-001 - -3.8715720176696777e-002 - <_> - - <_> - - - - <_> - 13 5 3 4 -1. - <_> - 14 5 1 4 3. - 0 - -2.4599849712103605e-003 - 7.4148297309875488e-002 - -7.8528337180614471e-002 - <_> - - <_> - - - - <_> - 3 2 12 1 -1. - <_> - 9 2 6 1 2. - 0 - 6.0168118216097355e-003 - -1.0999929904937744e-001 - 7.8647941350936890e-002 - <_> - - <_> - - - - <_> - 4 0 10 4 -1. - <_> - 4 0 5 4 2. - 0 - -1.4243890345096588e-001 - -3.6323529481887817e-001 - 2.4560069665312767e-002 - <_> - - <_> - - - - <_> - 2 5 3 4 -1. - <_> - 3 5 1 4 3. - 0 - -4.7228108160197735e-003 - 1.0705450177192688e-001 - -7.6868243515491486e-002 - <_> - - <_> - - - - <_> - 13 0 3 12 -1. - <_> - 14 0 1 12 3. - 0 - -3.1893420964479446e-002 - -3.7086701393127441e-001 - 2.6756819337606430e-002 - <_> - - <_> - - - - <_> - 2 4 2 2 -1. - <_> - 2 4 1 1 2. - <_> - 3 5 1 1 2. - 0 - 3.5616129171103239e-003 - -3.2798498868942261e-002 - 2.6696491241455078e-001 - <_> - - <_> - - - - <_> - 13 0 2 12 -1. - <_> - 13 0 1 12 2. - 0 - 5.4270081222057343e-002 - 7.0277871564030647e-003 - -8.3340001106262207e-001 - <_> - - <_> - - - - <_> - 3 0 2 12 -1. - <_> - 4 0 1 12 2. - 0 - 4.1021820157766342e-002 - 8.8532911613583565e-003 - -7.8412932157516479e-001 - <_> - - <_> - - - - <_> - 17 1 1 4 -1. - <_> - 17 2 1 2 2. - 0 - -1.7731649801135063e-002 - -4.3762990832328796e-001 - -6.9212907692417502e-004 - <_> - - <_> - - - - <_> - 0 1 3 3 -1. - <_> - 0 2 3 1 3. - 0 - 1.0361500084400177e-002 - 2.4823799729347229e-002 - -3.1671279668807983e-001 - <_> - - <_> - - - - <_> - 8 5 3 2 -1. - <_> - 9 5 1 2 3. - 0 - -7.0502250455319881e-003 - 1.2061820179224014e-001 - -4.4687919318675995e-002 - <_> - - <_> - - - - <_> - 2 5 1 2 -1. - <_> - 2 5 1 1 2. - 1 - -1.6122040105983615e-003 - 6.3392668962478638e-002 - -1.2448409944772720e-001 - <_> - - <_> - - - - <_> - 13 1 4 3 -1. - <_> - 12 2 4 1 3. - 1 - 4.6751599758863449e-002 - -3.2111309468746185e-002 - 3.8545480370521545e-001 - <_> - - <_> - - - - <_> - 5 1 3 4 -1. - <_> - 6 2 1 4 3. - 1 - 1.5507729724049568e-002 - -4.6862591058015823e-002 - 1.9358439743518829e-001 - <_> - - <_> - - - - <_> - 9 1 2 6 -1. - <_> - 9 1 1 6 2. - 1 - 4.2960081249475479e-002 - -1.0605080053210258e-002 - 1.3616879284381866e-001 - <_> - - <_> - - - - <_> - 9 1 6 2 -1. - <_> - 9 1 6 1 2. - 1 - 5.3200960159301758e-002 - 2.9277659952640533e-002 - -3.0889630317687988e-001 - <_> - - <_> - - - - <_> - 12 1 6 4 -1. - <_> - 15 1 3 2 2. - <_> - 12 3 3 2 2. - 0 - -2.5974009186029434e-002 - 8.4145203232765198e-002 - -3.3409930765628815e-002 - <_> - - <_> - - - - <_> - 0 1 6 4 -1. - <_> - 0 1 3 2 2. - <_> - 3 3 3 2 2. - 0 - -1.8476620316505432e-002 - 1.4825859665870667e-001 - -5.3597509860992432e-002 - <_> - - <_> - - - - <_> - 8 5 4 7 -1. - <_> - 9 5 2 7 2. - 0 - -1.3039880432188511e-003 - 4.0190171450376511e-002 - -9.2481881380081177e-002 - <_> - - <_> - - - - <_> - 6 5 4 7 -1. - <_> - 7 5 2 7 2. - 0 - -3.1569059938192368e-003 - 8.6595647037029266e-002 - -1.2246470153331757e-001 - <_> - - <_> - - - - <_> - 8 9 4 2 -1. - <_> - 9 9 2 2 2. - 0 - -6.9843409582972527e-003 - -3.1575238704681396e-001 - 2.5440100580453873e-002 - <_> - - <_> - - - - <_> - 6 9 4 2 -1. - <_> - 7 9 2 2 2. - 0 - -5.6869657710194588e-003 - -2.8521931171417236e-001 - 3.2773211598396301e-002 - <_> - - <_> - - - - <_> - 10 5 3 3 -1. - <_> - 11 6 1 3 3. - 1 - -1.7049470916390419e-002 - 7.7424846589565277e-002 - -3.9009008556604385e-002 - <_> - - <_> - - - - <_> - 8 5 3 3 -1. - <_> - 7 6 3 1 3. - 1 - -3.3813931047916412e-002 - 4.3394011259078979e-001 - -2.1828850731253624e-002 - <_> - - <_> - - - - <_> - 11 2 4 4 -1. - <_> - 11 2 4 2 2. - 1 - -7.7675722539424896e-002 - 1.6437239944934845e-001 - -1.6524160280823708e-002 - <_> - - <_> - - - - <_> - 6 8 1 3 -1. - <_> - 5 9 1 1 3. - 1 - -4.9925399944186211e-003 - 1.7385929822921753e-001 - -4.9703989177942276e-002 - -1.5637309551239014e+000 - 18 - -1 - diff --git a/data/haarcascades/haarcascade_mcs_upperbody.xml b/data/haarcascades/haarcascade_mcs_upperbody.xml deleted file mode 100644 index 76ba9ceef9..0000000000 --- a/data/haarcascades/haarcascade_mcs_upperbody.xml +++ /dev/null @@ -1,37318 +0,0 @@ - - - -BOOST - HAAR - 22 - 20 - - 334 - - 0 - 19 - - <_> - 34 - -1.3463230133056641e+00 - - <_> - - 0 -1 0 1.2492679525166750e-03 - - -4.9203258752822876e-01 3.8543990254402161e-01 - <_> - - 0 -1 1 3.1020329333841801e-04 - - -3.7493890523910522e-01 2.8437709808349609e-01 - <_> - - 0 -1 2 9.6315346658229828e-02 - - -1.1613050103187561e-01 7.2967511415481567e-01 - <_> - - 0 -1 3 -2.5381650775671005e-02 - - 3.4308171272277832e-01 -2.1711470186710358e-01 - <_> - - 0 -1 4 -3.3788379369070753e-05 - - 2.3084780573844910e-01 -2.1428909897804260e-01 - <_> - - 0 -1 5 -9.9204434081912041e-03 - - -5.4596477746963501e-01 1.4852449297904968e-01 - <_> - - 0 -1 6 3.7437680363655090e-01 - - -5.5639829486608505e-02 -3.8648000488281250e+03 - <_> - - 0 -1 7 1.5777030587196350e-01 - - -8.3601050078868866e-02 6.3613307476043701e-01 - <_> - - 0 -1 8 -8.6156948236748576e-04 - - -4.2473611235618591e-01 1.1517520248889923e-01 - <_> - - 0 -1 9 1.4470949536189437e-03 - - 8.8099062442779541e-02 -3.3703750371932983e-01 - <_> - - 0 -1 10 9.6110720187425613e-04 - - 1.4646869897842407e-01 -3.9539098739624023e-01 - <_> - - 0 -1 11 -1.7864780500531197e-02 - - 3.4492269158363342e-01 -1.1889699846506119e-01 - <_> - - 0 -1 12 1.4062010450288653e-05 - - -1.7647840082645416e-01 2.4890510737895966e-01 - <_> - - 0 -1 13 -4.6323220885824412e-05 - - 1.1303039640188217e-01 -1.2764999270439148e-01 - <_> - - 0 -1 14 7.5712718535214663e-04 - - 1.6781170666217804e-01 -3.5051900148391724e-01 - <_> - - 0 -1 15 8.4784009959548712e-04 - - 4.7085449099540710e-02 -2.7790009975433350e-01 - <_> - - 0 -1 16 -1.3911760179325938e-03 - - -4.4459569454193115e-01 1.2602819502353668e-01 - <_> - - 0 -1 17 -6.3936309888958931e-03 - - 4.0806901454925537e-01 -1.0456319898366928e-01 - <_> - - 0 -1 18 -3.4687869629124179e-05 - - 2.0899119973182678e-01 -1.7859880626201630e-01 - <_> - - 0 -1 19 4.6302800910780206e-05 - - -8.1336483359336853e-02 6.3226006925106049e-02 - <_> - - 0 -1 20 -5.2149579860270023e-03 - - 3.4537479281425476e-01 -1.0222029685974121e-01 - <_> - - 0 -1 21 -1.4078790554776788e-03 - - -3.1319180130958557e-01 1.2761330604553223e-01 - <_> - - 0 -1 22 -1.7251130193471909e-03 - - -5.3231698274612427e-01 3.0767120420932770e-02 - <_> - - 0 -1 23 6.3083309214562178e-04 - - 7.3742397129535675e-02 -2.9746720194816589e-01 - <_> - - 0 -1 24 2.8300069272518158e-02 - - -5.0585608929395676e-02 5.7231342792510986e-01 - <_> - - 0 -1 25 3.0987561331130564e-05 - - -1.9619299471378326e-01 1.5451109409332275e-01 - <_> - - 0 -1 26 2.0265610516071320e-01 - - -8.0046234652400017e-03 -2.8372451171875000e+03 - <_> - - 0 -1 27 -3.0515150865539908e-04 - - 2.8124749660491943e-01 -1.4992569386959076e-01 - <_> - - 0 -1 28 4.3186601251363754e-03 - - 9.0424761176109314e-02 -5.3762412071228027e-01 - <_> - - 0 -1 29 -1.0599900037050247e-01 - - -4.8290529847145081e-01 8.8053867220878601e-03 - <_> - - 0 -1 30 6.4299613237380981e-02 - - -2.2408259974326938e-04 -3.2261879882812500e+03 - <_> - - 0 -1 31 -4.6435470721917227e-05 - - 1.3458590209484100e-01 -1.2009020149707794e-01 - <_> - - 0 -1 32 5.3147651487961411e-04 - - 1.2874309718608856e-01 -3.3382850885391235e-01 - <_> - - 0 -1 33 1.0495550185441971e-01 - - -7.2582751512527466e-02 4.0762761235237122e-01 - <_> - 24 - -1.3991409540176392e+00 - - <_> - - 0 -1 34 2.6972210034728050e-03 - - -4.9663209915161133e-01 5.2796190977096558e-01 - <_> - - 0 -1 35 -3.1051780097186565e-03 - - 3.0832630395889282e-01 -1.7500090599060059e-01 - <_> - - 0 -1 36 -4.6089510433375835e-03 - - 3.9825218915939331e-01 -2.3838889598846436e-01 - <_> - - 0 -1 37 7.6866783201694489e-02 - - -1.2886370718479156e-01 5.6268239021301270e-01 - <_> - - 0 -1 38 6.0181751847267151e-02 - - 1.1992460116744041e-02 -5.7196899414062500e+03 - <_> - - 0 -1 39 -2.3719770833849907e-03 - - 9.6406437456607819e-02 -7.2531573474407196e-02 - <_> - - 0 -1 40 -2.2351389750838280e-02 - - 4.2732998728752136e-01 -2.3335489630699158e-01 - <_> - - 0 -1 41 1.1298250174149871e-03 - - -2.4561679363250732e-01 2.3006400465965271e-01 - <_> - - 0 -1 42 -1.6542900353670120e-02 - - -7.2953182458877563e-01 7.1322768926620483e-02 - <_> - - 0 -1 43 1.6292719170451164e-02 - - 5.3547341376543045e-02 -6.5810048580169678e-01 - <_> - - 0 -1 44 1.4970790361985564e-03 - - -1.8056739866733551e-01 2.4561589956283569e-01 - <_> - - 0 -1 45 -1.4413120225071907e-03 - - 1.1152800172567368e-01 -8.2167521119117737e-02 - <_> - - 0 -1 46 -1.0352210141718388e-02 - - -5.1681971549987793e-01 7.7380821108818054e-02 - <_> - - 0 -1 47 -5.2497540600597858e-03 - - 1.5652020275592804e-01 -1.2938609719276428e-01 - <_> - - 0 -1 48 1.5690580476075411e-03 - - 1.5069690346717834e-01 -4.0132901072502136e-01 - <_> - - 0 -1 49 -2.6500379666686058e-02 - - 1.0065379738807678e-01 -1.3190379738807678e-01 - <_> - - 0 -1 50 6.9238577270880342e-04 - - -1.6020749509334564e-01 2.6513510942459106e-01 - <_> - - 0 -1 51 -1.2375250225886703e-03 - - -3.6430040001869202e-01 1.5638789534568787e-01 - <_> - - 0 -1 52 8.3097338676452637e-02 - - -5.0581160932779312e-02 -1.1069330078125000e+04 - <_> - - 0 -1 53 2.7459360659122467e-02 - - 1.2003759853541851e-02 -6.0372191667556763e-01 - <_> - - 0 -1 54 -9.3256239779293537e-04 - - -3.2193431258201599e-01 1.0041300207376480e-01 - <_> - - 0 -1 55 1.3935200404375792e-03 - - -1.6904979944229126e-01 1.5307870507240295e-01 - <_> - - 0 -1 56 1.1394890025258064e-03 - - 1.4565330743789673e-01 -2.9629468917846680e-01 - <_> - - 0 -1 57 7.9129770398139954e-02 - - -1.5996749699115753e-01 2.6491358876228333e-01 - <_> - 56 - -1.1955209970474243e+00 - - <_> - - 0 -1 58 4.6252529136836529e-03 - - -3.4763190150260925e-01 4.8843431472778320e-01 - <_> - - 0 -1 59 4.4427260756492615e-02 - - -1.6238899528980255e-01 6.0961002111434937e-01 - <_> - - 0 -1 60 -1.2432290241122246e-02 - - 3.0170831084251404e-01 -1.7306919395923615e-01 - <_> - - 0 -1 61 9.8982118070125580e-02 - - -9.2205569148063660e-02 5.9408599138259888e-01 - <_> - - 0 -1 62 2.0849579572677612e-01 - - 1.0404920205473900e-02 -1.1054240234375000e+04 - <_> - - 0 -1 63 4.2460359632968903e-02 - - 1.3334839604794979e-04 -2.9971960067749023e+01 - <_> - - 0 -1 64 2.5334998965263367e-01 - - 2.1595309954136610e-04 -2.6144009765625000e+04 - <_> - - 0 -1 65 -1.6708360612392426e-01 - - 4.0918990969657898e-01 -1.0354740172624588e-01 - <_> - - 0 -1 66 6.9854892790317535e-02 - - 4.6605318784713745e-03 -5.1069450000000000e+05 - <_> - - 0 -1 67 -1.1447629658505321e-03 - - 1.4222350716590881e-01 -8.5505887866020203e-02 - <_> - - 0 -1 68 -3.4705658908933401e-03 - - -5.2971118688583374e-01 8.3049722015857697e-02 - <_> - - 0 -1 69 2.1921019069850445e-03 - - 7.1161970496177673e-02 -4.0433588624000549e-01 - <_> - - 0 -1 70 1.1649200459942222e-03 - - 1.2676270306110382e-01 -4.0600609779357910e-01 - <_> - - 0 -1 71 -4.4645569287240505e-03 - - 1.1181999742984772e-01 -5.5742070078849792e-02 - <_> - - 0 -1 72 8.8914260268211365e-02 - - 3.0051500070840120e-03 -4.1628109375000000e+04 - <_> - - 0 -1 73 -6.0652620159089565e-03 - - 2.6277920603752136e-01 -1.5126389265060425e-01 - <_> - - 0 -1 74 6.2857627868652344e-02 - - -1.3715559616684914e-02 -8.7274068750000000e+05 - <_> - - 0 -1 75 5.6487987749278545e-03 - - -1.5913739800453186e-01 3.1859260797500610e-01 - <_> - - 0 -1 76 1.4022980630397797e-01 - - -9.5816357061266899e-03 -1.0553549804687500e+04 - <_> - - 0 -1 77 2.3099619895219803e-02 - - 9.7601450979709625e-02 -3.8035428524017334e-01 - <_> - - 0 -1 78 6.2180660665035248e-02 - - 7.3636812157928944e-03 -2183168. - <_> - - 0 -1 79 -5.5402978323400021e-03 - - -5.0896018743515015e-01 5.4681908339262009e-02 - <_> - - 0 -1 80 1.5392599999904633e-01 - - 4.8121181316673756e-03 -1.8279500000000000e+04 - <_> - - 0 -1 81 -7.0815882645547390e-04 - - -2.2779859602451324e-01 5.8023121207952499e-02 - <_> - - 0 -1 82 3.2015278702601790e-04 - - -1.5084609389305115e-01 2.1459349989891052e-01 - <_> - - 0 -1 83 2.3664999753236771e-02 - - -3.5690288990736008e-02 3.1699979305267334e-01 - <_> - - 0 -1 84 -3.3508460037410259e-03 - - -4.5990100502967834e-01 6.0951150953769684e-02 - <_> - - 0 -1 85 -7.5522147119045258e-02 - - 1.1057890206575394e-01 -4.0514450520277023e-02 - <_> - - 0 -1 86 -5.7262121699750423e-03 - - 2.3271149396896362e-01 -1.3407149910926819e-01 - <_> - - 0 -1 87 2.1024739369750023e-02 - - 5.9381611645221710e-03 -5.5033719539642334e-01 - <_> - - 0 -1 88 3.1837709248065948e-03 - - -1.2809669971466064e-01 2.6653018593788147e-01 - <_> - - 0 -1 89 1.9705400336533785e-03 - - 7.8466497361660004e-02 -3.2406198978424072e-01 - <_> - - 0 -1 90 6.6750179976224899e-03 - - 9.1531157493591309e-02 -3.7249198555946350e-01 - <_> - - 0 -1 91 -2.4148779921233654e-03 - - -1.7111690342426300e-01 5.6762799620628357e-02 - <_> - - 0 -1 92 -9.5466198399662971e-03 - - 4.0662801265716553e-01 -7.4411712586879730e-02 - <_> - - 0 -1 93 -3.2907661050558090e-02 - - -7.1888977289199829e-01 1.4721539802849293e-02 - <_> - - 0 -1 94 -8.1849691923707724e-04 - - 1.4569100737571716e-01 -1.9963370263576508e-01 - <_> - - 0 -1 95 7.2181539144366980e-04 - - 8.2231067121028900e-02 -2.1973559260368347e-01 - <_> - - 0 -1 96 2.2785319015383720e-03 - - 7.5317807495594025e-02 -3.4543770551681519e-01 - <_> - - 0 -1 97 -5.9232191415503621e-04 - - 1.6397179663181305e-01 -1.4223779737949371e-01 - <_> - - 0 -1 98 -1.4906689757481217e-03 - - 2.7065008878707886e-01 -1.0185220092535019e-01 - <_> - - 0 -1 99 -5.0783937331289053e-04 - - -2.3237000405788422e-01 1.2487719953060150e-01 - <_> - - 0 -1 100 1.2358260573819280e-03 - - 7.1889422833919525e-02 -3.2292270660400391e-01 - <_> - - 0 -1 101 9.5672700554132462e-03 - - -7.7361442148685455e-02 3.1491670012474060e-01 - <_> - - 0 -1 102 -4.9210679717361927e-03 - - 2.0018289983272552e-01 -1.6144259274005890e-01 - <_> - - 0 -1 103 5.0535827176645398e-04 - - 7.0756010711193085e-02 -1.7633900046348572e-01 - <_> - - 0 -1 104 -1.3640619814395905e-02 - - -6.6401261091232300e-01 4.0987018495798111e-02 - <_> - - 0 -1 105 -6.5427437424659729e-02 - - -7.1546489000320435e-01 -1.4467790024355054e-03 - <_> - - 0 -1 106 -5.7416707277297974e-01 - - -6.4211571216583252e-01 3.7077069282531738e-02 - <_> - - 0 -1 107 -1.4680740423500538e-02 - - -5.7911068201065063e-01 1.2332480400800705e-02 - <_> - - 0 -1 108 1.0403449647128582e-02 - - 3.0869459733366966e-02 -6.5323889255523682e-01 - <_> - - 0 -1 109 3.1473999843001366e-03 - - -6.3593432307243347e-02 1.5316939353942871e-01 - <_> - - 0 -1 110 -3.7591080181300640e-03 - - 2.3941740393638611e-01 -1.0980860143899918e-01 - <_> - - 0 -1 111 -1.1320270132273436e-03 - - -3.4076210856437683e-01 4.7114279121160507e-02 - <_> - - 0 -1 112 2.3911079391837120e-02 - - 2.4294020608067513e-02 -8.7374562025070190e-01 - <_> - - 0 -1 113 1.6331439837813377e-03 - - -1.4867100119590759e-01 1.4686830341815948e-01 - <_> - 72 - -1.2550790309906006e+00 - - <_> - - 0 -1 114 1.4273949898779392e-02 - - -2.2028170526027679e-01 5.8278697729110718e-01 - <_> - - 0 -1 115 -1.3155260123312473e-02 - - 3.2376781105995178e-01 -1.7588689923286438e-01 - <_> - - 0 -1 116 -4.7336989082396030e-03 - - 3.2771259546279907e-01 -1.3504040241241455e-01 - <_> - - 0 -1 117 -4.9824719317257404e-03 - - -4.0712320804595947e-01 1.0729070007801056e-01 - <_> - - 0 -1 118 5.3574908524751663e-03 - - -6.1188440769910812e-02 4.2176121473312378e-01 - <_> - - 0 -1 119 7.2625762550160289e-04 - - 7.0681191980838776e-02 -3.9249309897422791e-01 - <_> - - 0 -1 120 3.1754389405250549e-02 - - -4.8160050064325333e-03 -2.6766890625000000e+04 - <_> - - 0 -1 121 7.4712611967697740e-04 - - 1.0044159740209579e-01 -3.5845521092414856e-01 - <_> - - 0 -1 122 -6.1364839784801006e-03 - - 2.2930769622325897e-01 -1.4849479496479034e-01 - <_> - - 0 -1 123 -3.1043920898810029e-04 - - -1.2606529891490936e-01 5.2981439977884293e-02 - <_> - - 0 -1 124 9.5097370445728302e-02 - - 6.5563217503950000e-04 -4.3957660156250000e+04 - <_> - - 0 -1 125 1.7895869677886367e-04 - - 6.6079929471015930e-02 -1.6163720190525055e-01 - <_> - - 0 -1 126 6.2283757142722607e-04 - - 8.1336148083209991e-02 -3.7853249907493591e-01 - <_> - - 0 -1 127 1.6121419146656990e-02 - - -7.0124477148056030e-02 4.2186841368675232e-01 - <_> - - 0 -1 128 4.9409839510917664e-01 - - 5.6105360388755798e-02 -5.5268967151641846e-01 - <_> - - 0 -1 129 2.6086641009896994e-03 - - -5.4303850978612900e-02 8.3350032567977905e-02 - <_> - - 0 -1 130 -8.0985590815544128e-02 - - -5.1889681816101074e-01 7.6113581657409668e-02 - <_> - - 0 -1 131 -1.8206849694252014e-02 - - 2.3450860381126404e-01 -1.5028589963912964e-01 - <_> - - 0 -1 132 2.4453869089484215e-02 - - 7.7094620792195201e-05 -3.4958081054687500e+03 - <_> - - 0 -1 133 7.3357089422643185e-03 - - 6.4979292452335358e-02 -4.4848531484603882e-01 - <_> - - 0 -1 134 2.6216730475425720e-03 - - -1.4167490601539612e-01 2.0859889686107635e-01 - <_> - - 0 -1 135 1.1409450089558959e-03 - - 7.6701499521732330e-02 -2.9446929693222046e-01 - <_> - - 0 -1 136 1.2580930255353451e-02 - - -1.9673809874802828e-03 -2.9883010253906250e+03 - <_> - - 0 -1 137 -3.9991579949855804e-02 - - -6.5278917551040649e-01 1.8880249932408333e-02 - <_> - - 0 -1 138 -2.9880989342927933e-02 - - -5.7953011989593506e-01 4.3329969048500061e-02 - <_> - - 0 -1 139 1.7895980272442102e-03 - - -1.0572429746389389e-01 2.3993469774723053e-01 - <_> - - 0 -1 140 2.6439139619469643e-03 - - 5.3754869848489761e-02 -4.9620249867439270e-01 - <_> - - 0 -1 141 8.2859180110972375e-05 - - -2.0419049263000488e-01 1.2806950509548187e-01 - <_> - - 0 -1 142 -1.0911240242421627e-02 - - 3.4400200843811035e-01 -7.6199240982532501e-02 - <_> - - 0 -1 143 -4.1699931025505066e-03 - - -5.0042337179183960e-01 3.5767048597335815e-02 - <_> - - 0 -1 144 2.0652399398386478e-03 - - -1.5200750529766083e-01 1.6699029505252838e-01 - <_> - - 0 -1 145 -1.2707760324701667e-03 - - -1.0397709906101227e-01 2.6426579803228378e-02 - <_> - - 0 -1 146 8.2581391325220466e-04 - - 9.1073229908943176e-02 -2.8431761264801025e-01 - <_> - - 0 -1 147 6.9688400253653526e-03 - - -5.6411981582641602e-02 2.3267549276351929e-01 - <_> - - 0 -1 148 -1.5607889508828521e-03 - - -3.6969760060310364e-01 6.9473750889301300e-02 - <_> - - 0 -1 149 1.2131650000810623e-03 - - -7.9323820769786835e-02 1.5876859426498413e-01 - <_> - - 0 -1 150 1.0624749585986137e-02 - - 4.3361671268939972e-02 -5.7412439584732056e-01 - <_> - - 0 -1 151 -7.2990538319572806e-04 - - 1.9509379565715790e-01 -1.3665750622749329e-01 - <_> - - 0 -1 152 2.9572990536689758e-01 - - 2.2201120373210870e-05 -3.4219890136718750e+03 - <_> - - 0 -1 153 2.5999290868639946e-02 - - -3.6369461566209793e-02 7.7490493655204773e-02 - <_> - - 0 -1 154 8.0749327316880226e-03 - - 8.0705903470516205e-02 -2.8219139575958252e-01 - <_> - - 0 -1 155 7.5860577635467052e-04 - - -7.7643670141696930e-02 1.2977090477943420e-01 - <_> - - 0 -1 156 -1.7625710461288691e-03 - - 2.2141739726066589e-01 -9.8886981606483459e-02 - <_> - - 0 -1 157 1.1849809670820832e-03 - - 3.8486298173666000e-02 -2.7905330061912537e-01 - <_> - - 0 -1 158 -1.7625589668750763e-01 - - -4.3920260667800903e-01 5.1971361041069031e-02 - <_> - - 0 -1 159 -1.4031480532139540e-04 - - 1.2916420400142670e-01 -1.1323709785938263e-01 - <_> - - 0 -1 160 9.1363089159131050e-03 - - -1.1492040008306503e-01 2.2249349951744080e-01 - <_> - - 0 -1 161 -2.0029260776937008e-03 - - -2.1929590404033661e-01 4.0854889899492264e-02 - <_> - - 0 -1 162 5.5052232742309570e-01 - - 2.5654939934611320e-02 -8.3052450418472290e-01 - <_> - - 0 -1 163 -3.3507261425256729e-02 - - -7.0289891958236694e-01 1.2886079959571362e-02 - <_> - - 0 -1 164 -2.7022568974643946e-03 - - -3.9878979325294495e-01 4.9893561750650406e-02 - <_> - - 0 -1 165 3.3577920403331518e-03 - - -9.1834627091884613e-02 2.3746329545974731e-01 - <_> - - 0 -1 166 -1.3520480133593082e-03 - - 2.5809058547019958e-01 -1.1761110275983810e-01 - <_> - - 0 -1 167 5.6797950528562069e-03 - - 3.7395790219306946e-02 -5.9308350086212158e-01 - <_> - - 0 -1 168 1.4522479847073555e-02 - - 2.6865359395742416e-02 -6.3552677631378174e-01 - <_> - - 0 -1 169 8.3791668293997645e-04 - - -1.0668759793043137e-01 1.5068009495735168e-01 - <_> - - 0 -1 170 8.3057529991492629e-04 - - 7.6927617192268372e-02 -2.6659971475601196e-01 - <_> - - 0 -1 171 6.6323182545602322e-04 - - 4.0672291070222855e-02 -1.7801180481910706e-01 - <_> - - 0 -1 172 -5.4344389354810119e-04 - - -2.6988148689270020e-01 7.3258846998214722e-02 - <_> - - 0 -1 173 -3.6860290914773941e-02 - - 4.3150851130485535e-01 -4.9470368772745132e-02 - <_> - - 0 -1 174 7.5951730832457542e-03 - - 4.7471638768911362e-02 -4.4909921288490295e-01 - <_> - - 0 -1 175 2.5462580844759941e-02 - - -5.9732828289270401e-02 2.8767639398574829e-01 - <_> - - 0 -1 176 -3.7006419152021408e-03 - - 1.7362360656261444e-01 -1.0997570306062698e-01 - <_> - - 0 -1 177 2.5741709396243095e-03 - - -1.0621029883623123e-01 2.0239670574665070e-01 - <_> - - 0 -1 178 -7.0176380686461926e-03 - - -3.6438140273094177e-01 5.3866349160671234e-02 - <_> - - 0 -1 179 9.4404182163998485e-04 - - 5.6630179286003113e-02 -2.5456568598747253e-01 - <_> - - 0 -1 180 -1.7664339393377304e-02 - - 2.6503831148147583e-01 -7.4382461607456207e-02 - <_> - - 0 -1 181 -3.6102120066061616e-04 - - -1.7355899512767792e-01 6.0770709067583084e-02 - <_> - - 0 -1 182 -4.5951951295137405e-02 - - 5.9183728694915771e-01 -3.0130209401249886e-02 - <_> - - 0 -1 183 -4.7274961252696812e-04 - - 1.7608879506587982e-01 -8.7248638272285461e-02 - <_> - - 0 -1 184 2.6895289192907512e-04 - - 8.0688200891017914e-02 -2.2756110131740570e-01 - <_> - - 0 -1 185 3.1682780385017395e-01 - - 2.1571939811110497e-02 -7.6482397317886353e-01 - <_> - 80 - -1.2471400499343872e+00 - - <_> - - 0 -1 186 -3.0944950412958860e-03 - - 4.3914398550987244e-01 -2.8156408667564392e-01 - <_> - - 0 -1 187 6.9179706275463104e-02 - - -9.3691639602184296e-02 6.0624539852142334e-01 - <_> - - 0 -1 188 6.4804498106241226e-03 - - -1.8341860175132751e-01 3.0555349588394165e-01 - <_> - - 0 -1 189 -9.8769506439566612e-04 - - 1.9242240488529205e-01 -1.7901280522346497e-01 - <_> - - 0 -1 190 9.7585223615169525e-02 - - 2.1803719573654234e-04 -1.2009589843750000e+03 - <_> - - 0 -1 191 3.0975039408076555e-05 - - -2.3390169441699982e-01 1.3082669675350189e-01 - <_> - - 0 -1 192 -7.0616282755509019e-04 - - -2.9879850149154663e-01 1.3913549482822418e-01 - <_> - - 0 -1 193 1.1368830455467105e-03 - - -1.5226979553699493e-01 2.2299830615520477e-01 - <_> - - 0 -1 194 -5.0543190445750952e-04 - - -2.7679550647735596e-01 1.4219869673252106e-01 - <_> - - 0 -1 195 -5.1033319905400276e-03 - - 1.2869720160961151e-01 -9.3029417097568512e-02 - <_> - - 0 -1 196 1.4584139920771122e-02 - - 8.6251437664031982e-02 -4.2429849505424500e-01 - <_> - - 0 -1 197 8.8234096765518188e-02 - - -1.0650979727506638e-01 4.4383850693702698e-01 - <_> - - 0 -1 198 -1.2861689552664757e-02 - - -5.8968228101730347e-01 7.3525756597518921e-02 - <_> - - 0 -1 199 -4.9134939908981323e-02 - - 5.2274858951568604e-01 -8.1357583403587341e-02 - <_> - - 0 -1 200 8.5799451917409897e-03 - - -3.2367199659347534e-02 4.2821809649467468e-01 - <_> - - 0 -1 201 -5.7424148544669151e-03 - - -6.2083131074905396e-01 4.0638320147991180e-02 - <_> - - 0 -1 202 3.6491660284809768e-04 - - -1.5325640141963959e-01 1.4113970100879669e-01 - <_> - - 0 -1 203 -5.1613878458738327e-03 - - -4.1736799478530884e-01 8.1837482750415802e-02 - <_> - - 0 -1 204 -4.7439550980925560e-03 - - -2.9808390140533447e-01 8.1017002463340759e-02 - <_> - - 0 -1 205 4.1151638142764568e-03 - - -3.0103120952844620e-03 -2.4902789294719696e-01 - <_> - - 0 -1 206 1.2242980301380157e-01 - - 1.5216519823297858e-03 -1.7302570312500000e+05 - <_> - - 0 -1 207 -1.2401449494063854e-03 - - 1.7064030468463898e-01 -7.9368427395820618e-02 - <_> - - 0 -1 208 1.6567549901083112e-03 - - -9.2235311865806580e-02 2.3849889636039734e-01 - <_> - - 0 -1 209 8.1565687432885170e-03 - - -9.6964061260223389e-02 1.4428420364856720e-01 - <_> - - 0 -1 210 7.3455911874771118e-01 - - 3.2895841286517680e-04 -2.5542700195312500e+03 - <_> - - 0 -1 211 -3.5420949570834637e-03 - - -2.5129461288452148e-01 2.4388620629906654e-02 - <_> - - 0 -1 212 1.8159820139408112e-01 - - -2.5665969587862492e-03 -6.3014418945312500e+03 - <_> - - 0 -1 213 -2.5773700326681137e-02 - - -5.5453181266784668e-01 2.5118520483374596e-02 - <_> - - 0 -1 214 -3.6018029786646366e-03 - - 2.0427179336547852e-01 -1.1549550294876099e-01 - <_> - - 0 -1 215 2.0895600318908691e-03 - - 5.0279490649700165e-02 -3.1693729758262634e-01 - <_> - - 0 -1 216 -2.5717200711369514e-02 - - 1.7803180217742920e-01 -1.1794260144233704e-01 - <_> - - 0 -1 217 1.2641009688377380e-01 - - 8.8736182078719139e-03 -8.0529242753982544e-01 - <_> - - 0 -1 218 -3.0391849577426910e-03 - - -5.0898671150207520e-01 3.8904190063476562e-02 - <_> - - 0 -1 219 3.4312950447201729e-03 - - 1.1260470375418663e-02 -6.8515866994857788e-02 - <_> - - 0 -1 220 1.3510970347851980e-05 - - -1.4117120206356049e-01 1.5203879773616791e-01 - <_> - - 0 -1 221 -6.0387961566448212e-03 - - 2.0285439491271973e-01 -1.0382819920778275e-01 - <_> - - 0 -1 222 7.5726248323917389e-02 - - 3.9297537878155708e-03 -1.7562469482421875e+03 - <_> - - 0 -1 223 -1.9819270819425583e-02 - - -4.0167808532714844e-01 5.6793309748172760e-02 - <_> - - 0 -1 224 4.9060788005590439e-03 - - -8.3899140357971191e-02 2.9041549563407898e-01 - <_> - - 0 -1 225 -8.1648901104927063e-02 - - -3.6353430151939392e-01 6.3147798180580139e-02 - <_> - - 0 -1 226 -1.0384770110249519e-02 - - -5.3429818153381348e-01 3.6934189498424530e-02 - <_> - - 0 -1 227 8.6628712713718414e-02 - - -6.6336899995803833e-02 2.7173450589179993e-01 - <_> - - 0 -1 228 -3.5050030797719955e-02 - - 1.7942179739475250e-01 -1.2234839797019958e-01 - <_> - - 0 -1 229 -4.8283189535140991e-03 - - -2.4450659751892090e-01 3.5196378827095032e-02 - <_> - - 0 -1 230 6.4928561914712191e-04 - - 6.8680599331855774e-02 -2.6865988969802856e-01 - <_> - - 0 -1 231 -3.8541138172149658e-02 - - 3.0204850435256958e-01 -3.6987539380788803e-02 - <_> - - 0 -1 232 -4.1178430547006428e-04 - - -2.5598031282424927e-01 7.3106467723846436e-02 - <_> - - 0 -1 233 -1.1390140280127525e-02 - - 2.4735149741172791e-01 -7.3474846780300140e-02 - <_> - - 0 -1 234 9.6719461726024747e-04 - - -1.4487570524215698e-01 1.6915149986743927e-01 - <_> - - 0 -1 235 5.8444878086447716e-03 - - -8.8432386517524719e-02 2.5800499320030212e-01 - <_> - - 0 -1 236 2.3828010261058807e-01 - - 1.7703069606795907e-03 -5.5330332031250000e+03 - <_> - - 0 -1 237 1.5342529513873160e-04 - - -9.9161237478256226e-02 1.1086180061101913e-01 - <_> - - 0 -1 238 -1.8891949206590652e-02 - - -5.4732471704483032e-01 3.6851409822702408e-02 - <_> - - 0 -1 239 -1.4927709707990289e-03 - - -2.0114320516586304e-01 4.4706899672746658e-02 - <_> - - 0 -1 240 -4.1659721173346043e-03 - - 3.2556429505348206e-01 -6.0132320970296860e-02 - <_> - - 0 -1 241 -1.1243360117077827e-02 - - -7.0226919651031494e-01 2.9433030635118484e-02 - <_> - - 0 -1 242 -3.3863231074064970e-03 - - 2.7912768721580505e-01 -7.1983598172664642e-02 - <_> - - 0 -1 243 -1.2514149770140648e-02 - - -6.0517168045043945e-01 3.4084219485521317e-02 - <_> - - 0 -1 244 1.3723900337936357e-05 - - -1.4314189553260803e-01 1.3461969792842865e-01 - <_> - - 0 -1 245 -7.5697568245232105e-03 - - -3.7676548957824707e-01 2.5302769616246223e-02 - <_> - - 0 -1 246 2.5683428975753486e-04 - - -1.4978440105915070e-01 1.1690360307693481e-01 - <_> - - 0 -1 247 -7.2857661871239543e-04 - - -1.6689300537109375e-01 3.8428731262683868e-02 - <_> - - 0 -1 248 -3.6967459321022034e-01 - - -3.1460630893707275e-01 5.0487510859966278e-02 - <_> - - 0 -1 249 -8.5158832371234894e-03 - - 1.1459340155124664e-01 -6.8403221666812897e-02 - <_> - - 0 -1 250 8.1972801126539707e-04 - - 5.2736330777406693e-02 -3.1499680876731873e-01 - <_> - - 0 -1 251 -4.1751582175493240e-03 - - 1.7611530423164368e-01 -8.1676989793777466e-02 - <_> - - 0 -1 252 -9.8344944417476654e-03 - - 2.0449779927730560e-01 -9.0233117341995239e-02 - <_> - - 0 -1 253 4.3716239742934704e-03 - - 4.1800890117883682e-02 -3.7982788681983948e-01 - <_> - - 0 -1 254 1.7981700366362929e-03 - - -9.7453393042087555e-02 1.7104120552539825e-01 - <_> - - 0 -1 255 -7.8003508970141411e-03 - - -4.3254071474075317e-01 2.9787249863147736e-02 - <_> - - 0 -1 256 -4.4292348623275757e-01 - - -4.7411221265792847e-01 3.3337648957967758e-02 - <_> - - 0 -1 257 -4.7213938087224960e-03 - - 2.2911380231380463e-01 -9.4238728284835815e-02 - <_> - - 0 -1 258 -9.7442632541060448e-03 - - -6.4544659852981567e-01 3.0015440657734871e-02 - <_> - - 0 -1 259 1.5859480481594801e-03 - - 4.3672118335962296e-02 -2.2221189737319946e-01 - <_> - - 0 -1 260 -2.3678180295974016e-03 - - 1.5183700621128082e-01 -1.0775730013847351e-01 - <_> - - 0 -1 261 -3.2757879234850407e-03 - - -2.5875130295753479e-01 5.0640020519495010e-02 - <_> - - 0 -1 262 2.9536550864577293e-02 - - -4.3125800788402557e-02 3.9636090397834778e-01 - <_> - - 0 -1 263 1.4104120200499892e-03 - - 2.6309840381145477e-02 -7.1616649627685547e-02 - <_> - - 0 -1 264 -2.9282430186867714e-03 - - -3.1005808711051941e-01 5.6898139417171478e-02 - <_> - - 0 -1 265 -1.2943849433213472e-03 - - 1.9013640284538269e-01 -8.8158689439296722e-02 - <_> - 97 - -1.1778520345687866e+00 - - <_> - - 0 -1 266 2.0764119923114777e-02 - - -1.4975740015506744e-01 5.2302300930023193e-01 - <_> - - 0 -1 267 -1.0967290028929710e-02 - - 2.7506521344184875e-01 -1.7145189642906189e-01 - <_> - - 0 -1 268 4.5052461326122284e-02 - - -1.0644319653511047e-01 3.6856299638748169e-01 - <_> - - 0 -1 269 1.0590599849820137e-02 - - 6.2317319214344025e-02 -5.3822457790374756e-01 - <_> - - 0 -1 270 6.0975952073931694e-03 - - 1.1455009877681732e-01 -3.7335288524627686e-01 - <_> - - 0 -1 271 -3.7739051040261984e-03 - - 2.6657769083976746e-01 -1.0533609986305237e-01 - <_> - - 0 -1 272 4.2882350087165833e-01 - - -1.0790639789775014e-03 -2.2903289062500000e+04 - <_> - - 0 -1 273 -6.7734188633039594e-04 - - -3.0621621012687683e-01 6.9742493331432343e-02 - <_> - - 0 -1 274 3.4243479371070862e-02 - - 6.6037551732733846e-04 -1.2504589843750000e+04 - <_> - - 0 -1 275 4.0923009510152042e-04 - - 1.0079199820756912e-01 -3.5287478566169739e-01 - <_> - - 0 -1 276 2.3382599651813507e-01 - - -1.5880500897765160e-02 -1.7048220214843750e+03 - <_> - - 0 -1 277 1.6109049320220947e-02 - - -6.2004629522562027e-02 4.0062409639358521e-01 - <_> - - 0 -1 278 6.8031012779101729e-04 - - -1.4876119792461395e-01 1.7793330550193787e-01 - <_> - - 0 -1 279 -3.9104801416397095e-01 - - 5.4885149002075195e-01 -4.6494610607624054e-02 - <_> - - 0 -1 280 1.5723650157451630e-01 - - 6.0893679037690163e-03 -1.7285980224609375e+03 - <_> - - 0 -1 281 -3.7645339034497738e-04 - - -2.5363451242446899e-01 8.2632511854171753e-02 - <_> - - 0 -1 282 8.7999942479655147e-04 - - -1.8807730078697205e-01 1.1852300167083740e-01 - <_> - - 0 -1 283 6.7365981522016227e-06 - - -7.4151508510112762e-02 8.9997649192810059e-02 - <_> - - 0 -1 284 8.3209738135337830e-02 - - 2.1281070075929165e-03 -6.3955561523437500e+03 - <_> - - 0 -1 285 1.6005210636649281e-04 - - 4.8919059336185455e-02 -1.0724899917840958e-01 - <_> - - 0 -1 286 -5.7949139736592770e-03 - - -5.8656597137451172e-01 3.3166468143463135e-02 - <_> - - 0 -1 287 -1.4493979979306459e-03 - - -2.6738798618316650e-01 7.4978969991207123e-02 - <_> - - 0 -1 288 7.8148208558559418e-04 - - -1.3112050294876099e-01 1.4760360121726990e-01 - <_> - - 0 -1 289 -2.5643259286880493e-02 - - 1.6250650584697723e-01 -9.1025821864604950e-02 - <_> - - 0 -1 290 -1.2929979711771011e-02 - - -6.5028107166290283e-01 3.1778071075677872e-02 - <_> - - 0 -1 291 -2.3630550131201744e-03 - - 2.0410169661045074e-01 -9.9841013550758362e-02 - <_> - - 0 -1 292 8.1470218719914556e-04 - - 6.2313590198755264e-02 -3.6279430985450745e-01 - <_> - - 0 -1 293 6.7365981522016227e-06 - - -5.2140578627586365e-02 6.2869362533092499e-02 - <_> - - 0 -1 294 -3.5238551208749413e-04 - - -2.4512000381946564e-01 8.4787286818027496e-02 - <_> - - 0 -1 295 1.7286300659179688e-02 - - 2.2450499236583710e-02 -3.8069969415664673e-01 - <_> - - 0 -1 296 2.2224580869078636e-02 - - -7.4508157558739185e-04 -3.7578330078125000e+03 - <_> - - 0 -1 297 -6.9434130564332008e-03 - - 3.0345991253852844e-01 -6.8258620798587799e-02 - <_> - - 0 -1 298 -1.9307930488139391e-03 - - 1.9534489512443542e-01 -1.0631649941205978e-01 - <_> - - 0 -1 299 2.9717159923166037e-03 - - -7.6913289725780487e-02 2.8775081038475037e-01 - <_> - - 0 -1 300 1.4184940373525023e-03 - - -9.5377556979656219e-02 2.3964689671993256e-01 - <_> - - 0 -1 301 -5.2888790378347039e-04 - - -2.0120939612388611e-01 5.8836109936237335e-02 - <_> - - 0 -1 302 -6.4028277993202209e-03 - - -5.1489818096160889e-01 3.8380980491638184e-02 - <_> - - 0 -1 303 -6.9917421787977219e-03 - - -3.8498568534851074e-01 3.4050729125738144e-02 - <_> - - 0 -1 304 1.1123559670522809e-03 - - -8.2141973078250885e-02 2.0122329890727997e-01 - <_> - - 0 -1 305 -1.9065090455114841e-03 - - 2.3690469563007355e-01 -8.7772883474826813e-02 - <_> - - 0 -1 306 -7.7383301686495543e-04 - - -3.3837988972663879e-01 6.4057871699333191e-02 - <_> - - 0 -1 307 -3.2006528228521347e-02 - - 1.9329549372196198e-01 -4.2547859251499176e-02 - <_> - - 0 -1 308 1.0583669645711780e-03 - - 5.5602710694074631e-02 -3.3093279600143433e-01 - <_> - - 0 -1 309 -3.8688271160935983e-05 - - 1.2988729774951935e-01 -1.2732440233230591e-01 - <_> - - 0 -1 310 4.2495719389989972e-04 - - 6.6007331013679504e-02 -2.4933560192584991e-01 - <_> - - 0 -1 311 -1.0858799796551466e-03 - - 1.7536289989948273e-01 -8.8097922503948212e-02 - <_> - - 0 -1 312 -4.4220269774086773e-04 - - -2.4474479258060455e-01 6.7323610186576843e-02 - <_> - - 0 -1 313 -2.3488050326704979e-02 - - -7.9384112358093262e-01 2.2099610418081284e-02 - <_> - - 0 -1 314 -1.1940260231494904e-01 - - 2.4683830142021179e-01 -7.0952303707599640e-02 - <_> - - 0 -1 315 1.3755969703197479e-02 - - -8.4090009331703186e-02 1.3500119745731354e-01 - <_> - - 0 -1 316 1.1233439436182380e-03 - - 5.7501669973134995e-02 -2.9114100337028503e-01 - <_> - - 0 -1 317 5.5660970509052277e-02 - - -2.6459809392690659e-02 8.7817266583442688e-02 - <_> - - 0 -1 318 5.8998711407184601e-02 - - -5.8845829218626022e-02 2.6846578717231750e-01 - <_> - - 0 -1 319 2.9505279660224915e-01 - - 4.5877238735556602e-03 -5.7907432317733765e-01 - <_> - - 0 -1 320 -1.8508419394493103e-02 - - 1.5778020024299622e-01 -1.0833639651536942e-01 - <_> - - 0 -1 321 -1.4618839323520660e-01 - - -4.9797090888023376e-01 1.0800120420753956e-02 - <_> - - 0 -1 322 5.1881098188459873e-03 - - 7.1662880480289459e-02 -2.3642310500144958e-01 - <_> - - 0 -1 323 3.4516301006078720e-02 - - 1.5872199088335037e-02 -7.6911771297454834e-01 - <_> - - 0 -1 324 -1.3522060215473175e-01 - - 2.3531170189380646e-01 -6.6149227321147919e-02 - <_> - - 0 -1 325 2.9648290947079659e-03 - - -1.1206760257482529e-01 1.5914240479469299e-01 - <_> - - 0 -1 326 -3.2500699162483215e-01 - - -2.9588839411735535e-01 5.4077230393886566e-02 - <_> - - 0 -1 327 1.8331170082092285e-02 - - 8.5066035389900208e-03 -7.3759001493453979e-01 - <_> - - 0 -1 328 -4.9089170061051846e-03 - - -5.8902698755264282e-01 2.1977530792355537e-02 - <_> - - 0 -1 329 -3.5843739751726389e-03 - - 2.5745728611946106e-01 -6.3865438103675842e-02 - <_> - - 0 -1 330 2.4481210857629776e-03 - - -9.6901766955852509e-02 1.8875969946384430e-01 - <_> - - 0 -1 331 6.8095198366791010e-04 - - 5.3433369845151901e-02 -1.8442170321941376e-01 - <_> - - 0 -1 332 1.9464099779725075e-02 - - 2.3036409169435501e-02 -6.8508958816528320e-01 - <_> - - 0 -1 333 -1.3493030564859509e-03 - - -2.5615009665489197e-01 4.4585660099983215e-02 - <_> - - 0 -1 334 6.7073898389935493e-03 - - -5.5639579892158508e-02 2.7087089419364929e-01 - <_> - - 0 -1 335 3.5809920518659055e-04 - - 7.6499707996845245e-02 -2.3015449941158295e-01 - <_> - - 0 -1 336 -2.1596080623567104e-03 - - 1.3892489671707153e-01 -1.0937239974737167e-01 - <_> - - 0 -1 337 2.8032960835844278e-03 - - -6.7089870572090149e-02 2.2176960110664368e-01 - <_> - - 0 -1 338 2.7888039126992226e-02 - - 2.6833660900592804e-02 -5.6622868776321411e-01 - <_> - - 0 -1 339 6.7365981522016227e-06 - - -7.2127588093280792e-02 8.5058122873306274e-02 - <_> - - 0 -1 340 -6.2904052902013063e-04 - - -2.5115230679512024e-01 5.6262891739606857e-02 - <_> - - 0 -1 341 1.5627900138497353e-03 - - -5.7666070759296417e-02 2.6594689488410950e-01 - <_> - - 0 -1 342 1.7357030883431435e-02 - - 1.6016509383916855e-02 -8.6053389310836792e-01 - <_> - - 0 -1 343 -9.3336682766675949e-03 - - -3.2241278886795044e-01 3.9600308984518051e-02 - <_> - - 0 -1 344 2.3083039559423923e-04 - - -1.6356049478054047e-01 9.8472960293292999e-02 - <_> - - 0 -1 345 2.9408670961856842e-03 - - -6.8432979285717010e-02 1.3971360027790070e-01 - <_> - - 0 -1 346 4.0767160244286060e-03 - - -7.9789556562900543e-02 1.7827980220317841e-01 - <_> - - 0 -1 347 7.0768459700047970e-03 - - -7.2593651711940765e-02 1.4493489265441895e-01 - <_> - - 0 -1 348 3.5675889812409878e-03 - - 4.6059738844633102e-02 -3.3893358707427979e-01 - <_> - - 0 -1 349 7.5691796839237213e-02 - - 6.0740611515939236e-03 -6.1316579580307007e-01 - <_> - - 0 -1 350 3.8123109843581915e-03 - - -9.8515607416629791e-02 1.4706909656524658e-01 - <_> - - 0 -1 351 -7.3113790713250637e-03 - - -4.7229430079460144e-01 2.1679550409317017e-02 - <_> - - 0 -1 352 -7.2989451885223389e-01 - - -6.8595397472381592e-01 1.9538680091500282e-02 - <_> - - 0 -1 353 1.4671859389636666e-04 - - 5.1220420747995377e-02 -1.1446470022201538e-01 - <_> - - 0 -1 354 -5.5560008622705936e-03 - - -4.1612398624420166e-01 3.2702378928661346e-02 - <_> - - 0 -1 355 -1.5673910093028098e-04 - - 1.3286870718002319e-01 -1.3249930739402771e-01 - <_> - - 0 -1 356 -2.7738639619201422e-03 - - 2.0943209528923035e-01 -6.3917256891727448e-02 - <_> - - 0 -1 357 2.2972989827394485e-03 - - 7.4391417205333710e-02 -2.0786069333553314e-01 - <_> - - 0 -1 358 5.2493470720946789e-03 - - -6.4007326960563660e-02 2.2066879272460938e-01 - <_> - - 0 -1 359 6.3456031493842602e-03 - - 1.9649159163236618e-02 -5.3507632017135620e-01 - <_> - - 0 -1 360 -6.7409980110824108e-03 - - -6.1353850364685059e-01 2.1510519087314606e-02 - <_> - - 0 -1 361 -1.1170540004968643e-02 - - -3.7826779484748840e-01 2.0506409928202629e-02 - <_> - - 0 -1 362 3.8897111080586910e-03 - - -6.6197447478771210e-02 2.1680620312690735e-01 - <_> - 102 - -1.1284530162811279e+00 - - <_> - - 0 -1 363 -9.1578466817736626e-03 - - 4.2972201108932495e-01 -2.3510800302028656e-01 - <_> - - 0 -1 364 1.4027149975299835e-01 - - 7.2441468946635723e-03 -3.2531410217285156e+01 - <_> - - 0 -1 365 2.2851820103824139e-03 - - -1.2872549891471863e-01 3.2936421036720276e-01 - <_> - - 0 -1 366 -4.8890261678025126e-04 - - 2.3927259445190430e-01 -1.4880880713462830e-01 - <_> - - 0 -1 367 -1.3616800308227539e-02 - - -5.4977691173553467e-01 5.1818989217281342e-02 - <_> - - 0 -1 368 2.3789319675415754e-03 - - -9.8430566489696503e-02 2.3688089847564697e-01 - <_> - - 0 -1 369 -1.4167469998938031e-05 - - 1.0164249688386917e-01 -2.1797139942646027e-01 - <_> - - 0 -1 370 2.8050719265593216e-05 - - -1.0424599796533585e-01 2.6081371307373047e-01 - <_> - - 0 -1 371 -1.9801670685410500e-02 - - 1.6776250302791595e-01 -1.3982580602169037e-01 - <_> - - 0 -1 372 -1.8928950652480125e-02 - - -2.8522980213165283e-01 7.3428876698017120e-02 - <_> - - 0 -1 373 -1.3925390318036079e-02 - - 3.5411250591278076e-01 -6.2552347779273987e-02 - <_> - - 0 -1 374 8.3792414516210556e-03 - - -4.7943230718374252e-02 1.0880140215158463e-01 - <_> - - 0 -1 375 6.2343817949295044e-01 - - -3.8946459535509348e-03 -3.5067338867187500e+03 - <_> - - 0 -1 376 2.1577600389719009e-02 - - 2.5115730240941048e-02 -2.8660660982131958e-01 - <_> - - 0 -1 377 1.0512989945709705e-02 - - -4.6095490455627441e-02 4.1044908761978149e-01 - <_> - - 0 -1 378 1.3560419902205467e-02 - - 2.5737280026078224e-02 -3.8515180349349976e-01 - <_> - - 0 -1 379 2.1165169775485992e-01 - - 2.4527360219508410e-03 -7.2768730468750000e+03 - <_> - - 0 -1 380 -3.3338558860123158e-03 - - -2.0405860245227814e-01 4.3633658438920975e-02 - <_> - - 0 -1 381 8.9795915409922600e-03 - - 7.8953661024570465e-02 -2.7793759107589722e-01 - <_> - - 0 -1 382 5.3711910732090473e-03 - - -2.4344349279999733e-02 6.6921539604663849e-02 - <_> - - 0 -1 383 -8.3309561014175415e-03 - - -3.5009130835533142e-01 5.9051599353551865e-02 - <_> - - 0 -1 384 2.8106879908591509e-03 - - -1.2311270087957382e-01 1.0225059837102890e-01 - <_> - - 0 -1 385 2.1045610308647156e-02 - - 5.5626410990953445e-02 -3.3561658859252930e-01 - <_> - - 0 -1 386 3.7455770652741194e-03 - - -6.7443586885929108e-02 2.2442549467086792e-01 - <_> - - 0 -1 387 6.9531667232513428e-01 - - 1.5418729744851589e-03 -1.3301940429687500e+04 - <_> - - 0 -1 388 -6.6458311630412936e-04 - - -2.2340250015258789e-01 5.1155500113964081e-02 - <_> - - 0 -1 389 5.3947657579556108e-04 - - -1.3277970254421234e-01 1.3717539608478546e-01 - <_> - - 0 -1 390 -1.7990419641137123e-02 - - -6.2576317787170410e-01 2.9063150286674500e-02 - <_> - - 0 -1 391 4.7633830457925797e-02 - - -7.7418819069862366e-02 2.3740810155868530e-01 - <_> - - 0 -1 392 -3.3820658922195435e-02 - - 1.5334419906139374e-01 -1.1414159834384918e-01 - <_> - - 0 -1 393 -2.8191189630888402e-04 - - -2.3677270114421844e-01 8.2807861268520355e-02 - <_> - - 0 -1 394 -1.3994389446452260e-03 - - -2.8520968556404114e-01 2.2187830880284309e-02 - <_> - - 0 -1 395 -7.1874959394335747e-03 - - 2.7148950099945068e-01 -6.6327087581157684e-02 - <_> - - 0 -1 396 4.0477450238540769e-04 - - 6.4594961702823639e-02 -2.2240179777145386e-01 - <_> - - 0 -1 397 -3.2028779387474060e-03 - - 2.1377420425415039e-01 -9.7073882818222046e-02 - <_> - - 0 -1 398 1.4322189599624835e-05 - - -1.4376519620418549e-01 9.7971871495246887e-02 - <_> - - 0 -1 399 1.2757449876517057e-03 - - -8.4751658141613007e-02 2.2380630671977997e-01 - <_> - - 0 -1 400 4.8291438724845648e-04 - - 4.6522580087184906e-02 -2.2262130677700043e-01 - <_> - - 0 -1 401 1.3836859579896554e-05 - - -1.6030070185661316e-01 1.1645960062742233e-01 - <_> - - 0 -1 402 -2.6899509248323739e-04 - - -1.2680959701538086e-01 5.1257088780403137e-02 - <_> - - 0 -1 403 1.3922810321673751e-03 - - -1.2315029650926590e-01 1.5025359392166138e-01 - <_> - - 0 -1 404 1.3342479360289872e-04 - - 3.3665519207715988e-02 -8.1610232591629028e-02 - <_> - - 0 -1 405 6.1454152455553412e-04 - - 5.6519761681556702e-02 -3.1433230638504028e-01 - <_> - - 0 -1 406 -1.7104489961639047e-03 - - 2.2990170121192932e-01 -8.1584148108959198e-02 - <_> - - 0 -1 407 1.3824190318700857e-05 - - -1.1941490322351456e-01 1.3250949978828430e-01 - <_> - - 0 -1 408 2.7970890514552593e-03 - - -4.7103289514780045e-02 1.9908480346202850e-01 - <_> - - 0 -1 409 -3.9447317831218243e-03 - - -3.2104620337486267e-01 6.1310898512601852e-02 - <_> - - 0 -1 410 -3.4402438905090094e-03 - - 2.1354329586029053e-01 -6.1212468892335892e-02 - <_> - - 0 -1 411 -2.4654779583215714e-02 - - 2.3340779542922974e-01 -6.6846966743469238e-02 - <_> - - 0 -1 412 6.3331361161544919e-04 - - -9.4038836658000946e-02 7.8479669988155365e-02 - <_> - - 0 -1 413 -4.2303430382162333e-04 - - -2.3801739513874054e-01 7.2642073035240173e-02 - <_> - - 0 -1 414 2.9926518909633160e-03 - - -6.4649626612663269e-02 2.4833339452743530e-01 - <_> - - 0 -1 415 -1.1798020452260971e-02 - - -3.0166530609130859e-01 6.1118420213460922e-02 - <_> - - 0 -1 416 -9.7868414595723152e-03 - - -4.5015549659729004e-01 2.8377190232276917e-02 - <_> - - 0 -1 417 -5.7037919759750366e-03 - - 2.4853350222110748e-01 -6.9355443120002747e-02 - <_> - - 0 -1 418 1.4342799659061711e-05 - - -1.1431010067462921e-01 1.2247920036315918e-01 - <_> - - 0 -1 419 3.3727320260368288e-04 - - 7.1289442479610443e-02 -2.1220469474792480e-01 - <_> - - 0 -1 420 -1.3521739747375250e-03 - - 1.8407520651817322e-01 -8.8902108371257782e-02 - <_> - - 0 -1 421 3.9903540164232254e-03 - - -7.5362227857112885e-02 2.0549720525741577e-01 - <_> - - 0 -1 422 1.9200939685106277e-02 - - 1.3868289999663830e-02 -4.2045280337333679e-01 - <_> - - 0 -1 423 -1.3546509668231010e-02 - - -5.1325750350952148e-01 2.9454749077558517e-02 - <_> - - 0 -1 424 -1.5859559644013643e-03 - - 2.2549459338188171e-01 -8.4416687488555908e-02 - <_> - - 0 -1 425 2.0342590287327766e-03 - - 6.7020267248153687e-02 -2.3722359538078308e-01 - <_> - - 0 -1 426 6.5835699439048767e-02 - - 2.2492709103971720e-03 -6.3382607698440552e-01 - <_> - - 0 -1 427 -1.9567420706152916e-02 - - -4.0725719928741455e-01 3.5422671586275101e-02 - <_> - - 0 -1 428 4.8953219084069133e-04 - - -6.0342669486999512e-02 1.3273899257183075e-01 - <_> - - 0 -1 429 1.4131540410744492e-05 - - -1.1641930043697357e-01 1.2682040035724640e-01 - <_> - - 0 -1 430 1.4203680620994419e-04 - - -8.8367782533168793e-02 1.3554699718952179e-01 - <_> - - 0 -1 431 7.1458360180258751e-03 - - 4.3511848896741867e-02 -3.1864428520202637e-01 - <_> - - 0 -1 432 -3.3641001209616661e-04 - - 1.0204680263996124e-01 -9.4299122691154480e-02 - <_> - - 0 -1 433 1.0267529869452119e-03 - - -5.9334348887205124e-02 2.2539639472961426e-01 - <_> - - 0 -1 434 -1.7631480295676738e-04 - - -1.0789939761161804e-01 5.4198570549488068e-02 - <_> - - 0 -1 435 2.8943250072188675e-05 - - -1.4709359407424927e-01 9.9714383482933044e-02 - <_> - - 0 -1 436 -1.3899109944759402e-05 - - 8.0603472888469696e-02 -6.6251203417778015e-02 - <_> - - 0 -1 437 3.2039379584603012e-04 - - 7.1343272924423218e-02 -2.0526170730590820e-01 - <_> - - 0 -1 438 -3.6573910620063543e-03 - - 2.4581959843635559e-01 -6.0287520289421082e-02 - <_> - - 0 -1 439 1.3356460258364677e-03 - - 5.8436870574951172e-02 -2.4109329283237457e-01 - <_> - - 0 -1 440 -1.4866300261928700e-05 - - 6.8313658237457275e-02 -7.8472986817359924e-02 - <_> - - 0 -1 441 -2.8311789501458406e-03 - - 1.3542939722537994e-01 -9.7606517374515533e-02 - <_> - - 0 -1 442 3.0081909149885178e-02 - - 3.2058879733085632e-02 -4.4436109066009521e-01 - <_> - - 0 -1 443 -1.8263630568981171e-02 - - -7.2238588333129883e-01 1.5590840019285679e-02 - <_> - - 0 -1 444 -3.3928160555660725e-03 - - 2.1983329951763153e-01 -2.1465340629220009e-02 - <_> - - 0 -1 445 1.7436090274713933e-04 - - -1.0531249642372131e-01 1.1543189734220505e-01 - <_> - - 0 -1 446 -2.3402511142194271e-03 - - -8.7868809700012207e-02 5.3345490247011185e-02 - <_> - - 0 -1 447 -1.4445939996221568e-05 - - 1.2160749733448029e-01 -1.1292660236358643e-01 - <_> - - 0 -1 448 6.8112200824543834e-04 - - -4.6869128942489624e-02 8.0613352358341217e-02 - <_> - - 0 -1 449 5.8264320250600576e-04 - - -9.6398808062076569e-02 1.1941459774971008e-01 - <_> - - 0 -1 450 1.9176679779775441e-04 - - 5.0320759415626526e-02 -1.1637129634618759e-01 - <_> - - 0 -1 451 -2.7771131135523319e-04 - - -1.9483520090579987e-01 6.6177822649478912e-02 - <_> - - 0 -1 452 3.9666048251092434e-03 - - -5.0924081355333328e-02 2.5490629673004150e-01 - <_> - - 0 -1 453 -1.1685799807310104e-02 - - -4.9997681379318237e-01 2.5235859677195549e-02 - <_> - - 0 -1 454 2.6211979985237122e-01 - - 2.2027140483260155e-02 -5.0479358434677124e-01 - <_> - - 0 -1 455 2.6809240225702524e-03 - - -4.1297640651464462e-02 3.1011810898780823e-01 - <_> - - 0 -1 456 -1.4688560440845322e-05 - - 9.8060786724090576e-02 -9.0592108666896820e-02 - <_> - - 0 -1 457 6.3697979785501957e-03 - - 6.6596217453479767e-02 -2.0278799533843994e-01 - <_> - - 0 -1 458 4.6842519193887711e-02 - - -5.1452621817588806e-02 2.5977781414985657e-01 - <_> - - 0 -1 459 -1.3824669622408692e-05 - - 1.0483329743146896e-01 -1.1802680045366287e-01 - <_> - - 0 -1 460 4.4806601363234222e-04 - - -3.3751420676708221e-02 7.9996213316917419e-02 - <_> - - 0 -1 461 3.8907579437363893e-05 - - -1.0547590255737305e-01 1.2467110157012939e-01 - <_> - - 0 -1 462 1.3659050455316901e-03 - - 4.0345400571823120e-02 -1.9732360541820526e-01 - <_> - - 0 -1 463 5.0416071899235249e-03 - - -8.6208023130893707e-02 1.3775950670242310e-01 - <_> - - 0 -1 464 -4.6140711754560471e-02 - - 1.4173319935798645e-01 -9.5894940197467804e-02 - <_> - 125 - -1.1831159591674805e+00 - - <_> - - 0 -1 465 8.3971247076988220e-03 - - -2.5191619992256165e-01 3.7484309077262878e-01 - <_> - - 0 -1 466 2.1425200626254082e-02 - - -9.7007170319557190e-02 5.1687681674957275e-01 - <_> - - 0 -1 467 -1.0318770073354244e-02 - - 2.9335889220237732e-01 -1.2733930349349976e-01 - <_> - - 0 -1 468 1.1448180302977562e-03 - - -1.8665100634098053e-01 1.7313909530639648e-01 - <_> - - 0 -1 469 7.5393520295619965e-02 - - -6.0648728162050247e-02 3.6127880215644836e-01 - <_> - - 0 -1 470 -9.3370512127876282e-02 - - 2.3438410460948944e-01 -8.7117947638034821e-02 - <_> - - 0 -1 471 5.2113737910985947e-03 - - 6.1274390667676926e-02 -3.0776879191398621e-01 - <_> - - 0 -1 472 9.9769225344061852e-03 - - -6.4087107777595520e-02 3.1106120347976685e-01 - <_> - - 0 -1 473 1.9360840087756515e-03 - - -1.2336800247430801e-01 1.8175140023231506e-01 - <_> - - 0 -1 474 7.2699370793998241e-03 - - 9.7474679350852966e-02 -2.7541360259056091e-01 - <_> - - 0 -1 475 2.1936019882559776e-02 - - -4.1907928884029388e-02 -1356970. - <_> - - 0 -1 476 2.1171040134504437e-04 - - -1.0929139703512192e-01 1.3006860017776489e-01 - <_> - - 0 -1 477 3.3750660717487335e-02 - - 2.8121320530772209e-02 -1164827. - <_> - - 0 -1 478 7.5086490251123905e-03 - - 4.7132410109043121e-02 -3.7406718730926514e-01 - <_> - - 0 -1 479 4.4921328662894666e-04 - - 7.6395303010940552e-02 -2.3185940086841583e-01 - <_> - - 0 -1 480 -6.6751212580129504e-04 - - -2.4809950590133667e-01 4.5045658946037292e-02 - <_> - - 0 -1 481 1.6522139310836792e-01 - - -2.5855910032987595e-02 -2.0928300781250000e+04 - <_> - - 0 -1 482 -2.3144209757447243e-02 - - 4.0059879422187805e-01 -2.7459429576992989e-02 - <_> - - 0 -1 483 -1.3048340380191803e-01 - - 6.6290372610092163e-01 3.1869049416854978e-04 - <_> - - 0 -1 484 3.1665959395468235e-03 - - 4.9700789153575897e-02 -1.5884129703044891e-01 - <_> - - 0 -1 485 2.2637179121375084e-02 - - -2.2492250427603722e-02 -1.7191429443359375e+03 - <_> - - 0 -1 486 -3.7033710628747940e-02 - - 1.7758910357952118e-01 -1.1330360174179077e-01 - <_> - - 0 -1 487 9.5705546438694000e-02 - - -4.9311641603708267e-02 2.7034428715705872e-01 - <_> - - 0 -1 488 4.9114227294921875e-04 - - 5.6370090693235397e-02 -2.7641159296035767e-01 - <_> - - 0 -1 489 1.5984029741957784e-03 - - -1.3944919407367706e-01 1.1525160074234009e-01 - <_> - - 0 -1 490 -2.3700800375081599e-04 - - -1.2026940286159515e-01 4.5053198933601379e-02 - <_> - - 0 -1 491 -1.7486650031059980e-03 - - 2.2485430538654327e-01 -6.9119632244110107e-02 - <_> - - 0 -1 492 8.1553738564252853e-03 - - 6.8141236901283264e-02 -2.3620179295539856e-01 - <_> - - 0 -1 493 5.3146569989621639e-03 - - 6.0295980423688889e-02 -2.6967340707778931e-01 - <_> - - 0 -1 494 2.0854989998042583e-04 - - -9.9282257258892059e-02 1.4055749773979187e-01 - <_> - - 0 -1 495 -2.0299179013818502e-03 - - 1.4621229469776154e-01 -1.0290420055389404e-01 - <_> - - 0 -1 496 -4.4038048945367336e-03 - - 1.7609240114688873e-01 -7.7655613422393799e-02 - <_> - - 0 -1 497 2.3809750564396381e-03 - - -7.1971938014030457e-02 2.1995179355144501e-01 - <_> - - 0 -1 498 5.7388218119740486e-03 - - 6.1643019318580627e-02 -2.8285768628120422e-01 - <_> - - 0 -1 499 -6.7427940666675568e-03 - - -4.5731940865516663e-01 2.6625709608197212e-02 - <_> - - 0 -1 500 -1.2488880020100623e-04 - - 7.1579828858375549e-02 -7.4957497417926788e-02 - <_> - - 0 -1 501 -7.2185341268777847e-03 - - -2.9619631171226501e-01 4.9233179539442062e-02 - <_> - - 0 -1 502 -5.8523979969322681e-03 - - -2.4193920195102692e-01 3.9187800139188766e-02 - <_> - - 0 -1 503 -1.5999950468540192e-02 - - 1.7959849536418915e-01 -9.0380683541297913e-02 - <_> - - 0 -1 504 -1.4750259651918896e-05 - - 1.2605859339237213e-01 -1.1274249851703644e-01 - <_> - - 0 -1 505 1.2057370040565729e-03 - - -6.0650561004877090e-02 2.1973450481891632e-01 - <_> - - 0 -1 506 -4.5243799686431885e-03 - - -4.3269020318984985e-01 2.5853620842099190e-02 - <_> - - 0 -1 507 2.5474729482084513e-03 - - 3.3592820167541504e-02 -3.6064180731773376e-01 - <_> - - 0 -1 508 -1.2268190039321780e-03 - - 9.5219276845455170e-02 -9.6889063715934753e-02 - <_> - - 0 -1 509 7.5668231584131718e-03 - - -4.2003981769084930e-02 3.1474891304969788e-01 - <_> - - 0 -1 510 -2.9940240085124969e-02 - - -4.1186788678169250e-01 1.5012119896709919e-02 - <_> - - 0 -1 511 -1.4460280362982303e-04 - - 1.1282800137996674e-01 -1.1564549803733826e-01 - <_> - - 0 -1 512 5.5179679766297340e-03 - - 1.4783410355448723e-02 -7.8069239854812622e-01 - <_> - - 0 -1 513 4.3602618388831615e-03 - - 1.9197709858417511e-02 -5.7175260782241821e-01 - <_> - - 0 -1 514 -1.7657090211287141e-03 - - 1.6336660087108612e-01 -7.2352141141891479e-02 - <_> - - 0 -1 515 1.4166040637064725e-04 - - -9.6755802631378174e-02 1.2809459865093231e-01 - <_> - - 0 -1 516 3.1230010092258453e-02 - - 1.5640569850802422e-02 -6.4757531881332397e-01 - <_> - - 0 -1 517 -4.3514901335584000e-05 - - 1.0053110122680664e-01 -1.2408100068569183e-01 - <_> - - 0 -1 518 -3.5158041282556951e-04 - - 1.5431529283523560e-01 -6.7390359938144684e-02 - <_> - - 0 -1 519 2.0108280295971781e-04 - - -9.8362952470779419e-02 1.3764080405235291e-01 - <_> - - 0 -1 520 4.1300798766314983e-03 - - 5.7529108598828316e-03 -5.3467559814453125e-01 - <_> - - 0 -1 521 -2.4093700631055981e-04 - - -1.9900210201740265e-01 7.4284136295318604e-02 - <_> - - 0 -1 522 -1.2804890284314752e-03 - - 1.6396580636501312e-01 -3.6987289786338806e-02 - <_> - - 0 -1 523 -4.7115217894315720e-03 - - -3.1582680344581604e-01 3.9736218750476837e-02 - <_> - - 0 -1 524 1.1140770278871059e-02 - - -1.0182269662618637e-01 1.2548080086708069e-01 - <_> - - 0 -1 525 3.8028880953788757e-02 - - 2.3916039615869522e-02 -6.0534471273422241e-01 - <_> - - 0 -1 526 -1.7240589950233698e-03 - - 1.2157250195741653e-01 -1.0092329978942871e-01 - <_> - - 0 -1 527 1.0013659484684467e-03 - - -4.9875840544700623e-02 2.2872529923915863e-01 - <_> - - 0 -1 528 1.1469529708847404e-03 - - 4.1399698704481125e-02 -2.3377139866352081e-01 - <_> - - 0 -1 529 3.5106660798192024e-03 - - 3.3997271209955215e-02 -3.2346510887145996e-01 - <_> - - 0 -1 530 -1.4566490426659584e-03 - - 2.5346401333808899e-01 -4.1150610893964767e-02 - <_> - - 0 -1 531 3.7483999133110046e-01 - - 3.3477351069450378e-02 -3.6484500765800476e-01 - <_> - - 0 -1 532 -1.4147689798846841e-03 - - -2.0284929871559143e-01 3.7319269031286240e-02 - <_> - - 0 -1 533 -2.1542280912399292e-02 - - 3.0418759584426880e-01 -3.8817461580038071e-02 - <_> - - 0 -1 534 -4.7629610635340214e-03 - - -3.3018890023231506e-01 1.3088730163872242e-02 - <_> - - 0 -1 535 1.4096570201218128e-02 - - -3.6260299384593964e-02 3.2955801486968994e-01 - <_> - - 0 -1 536 3.5879030474461615e-04 - - 3.9928831160068512e-02 -7.8107982873916626e-02 - <_> - - 0 -1 537 2.0676909480243921e-03 - - 3.7309668958187103e-02 -3.1918200850486755e-01 - <_> - - 0 -1 538 2.2880220785737038e-02 - - -8.5903979837894440e-02 1.5334339439868927e-01 - <_> - - 0 -1 539 2.1201509982347488e-02 - - 2.6472510769963264e-02 -5.0557321310043335e-01 - <_> - - 0 -1 540 -6.0203541070222855e-03 - - -1.6318249702453613e-01 2.0732490345835686e-02 - <_> - - 0 -1 541 -5.0420581828802824e-04 - - 1.6668680310249329e-01 -6.6697582602500916e-02 - <_> - - 0 -1 542 6.0316012240946293e-04 - - -6.4793847501277924e-02 1.3266150653362274e-01 - <_> - - 0 -1 543 3.4756860695779324e-03 - - 5.6924119591712952e-02 -2.4802610278129578e-01 - <_> - - 0 -1 544 -2.8164550894871354e-04 - - 1.0731890052556992e-01 -6.8889446556568146e-02 - <_> - - 0 -1 545 1.0619480162858963e-03 - - -7.1329578757286072e-02 1.9133770465850830e-01 - <_> - - 0 -1 546 -1.2039010412991047e-02 - - -1.8531359732151031e-01 1.9869519397616386e-02 - <_> - - 0 -1 547 7.3727907147258520e-04 - - 6.9557242095470428e-02 -1.6892650723457336e-01 - <_> - - 0 -1 548 -8.9795957319438457e-04 - - 1.0048580169677734e-01 -1.1249220371246338e-01 - <_> - - 0 -1 549 -1.4421059750020504e-03 - - -2.5942280888557434e-01 4.3461620807647705e-02 - <_> - - 0 -1 550 1.2128099799156189e-02 - - 1.0867379605770111e-03 -9.6219289302825928e-01 - <_> - - 0 -1 551 -3.8773349951952696e-03 - - -4.4588619470596313e-01 2.3271450772881508e-02 - <_> - - 0 -1 552 -1.8645300297066569e-03 - - 1.1588860303163528e-01 -7.4421487748622894e-02 - <_> - - 0 -1 553 1.5988890081644058e-03 - - -7.1976162493228912e-02 1.3814139366149902e-01 - <_> - - 0 -1 554 -1.0482260026037693e-02 - - -1.8418419361114502e-01 5.8082859963178635e-02 - <_> - - 0 -1 555 2.5457469746470451e-03 - - -4.9719039350748062e-02 2.2162219882011414e-01 - <_> - - 0 -1 556 -5.3013530559837818e-03 - - -1.5105170011520386e-01 1.7132120206952095e-02 - <_> - - 0 -1 557 -7.1186490822583437e-04 - - 1.2436850368976593e-01 -8.9634358882904053e-02 - <_> - - 0 -1 558 -8.6922161281108856e-03 - - -5.9594017267227173e-01 1.1369950138032436e-02 - <_> - - 0 -1 559 4.9854819662868977e-03 - - 4.8545241355895996e-02 -2.1625879406929016e-01 - <_> - - 0 -1 560 -1.9476209999993443e-03 - - 1.7202959954738617e-01 -6.6241711378097534e-02 - <_> - - 0 -1 561 4.6425309847109020e-04 - - -8.7388113141059875e-02 1.2562519311904907e-01 - <_> - - 0 -1 562 -7.8054452314972878e-03 - - -5.4023122787475586e-01 5.5168392136693001e-03 - <_> - - 0 -1 563 -1.7876500496640801e-03 - - -4.1625720262527466e-01 2.3760259151458740e-02 - <_> - - 0 -1 564 3.4986619721166790e-04 - - -1.0645300149917603e-01 1.3415950536727905e-01 - <_> - - 0 -1 565 -1.7780930502340198e-03 - - 1.4130510389804840e-01 -8.0240763723850250e-02 - <_> - - 0 -1 566 -1.8860380351543427e-01 - - -2.0148520171642303e-01 3.6658711731433868e-02 - <_> - - 0 -1 567 -1.0677129961550236e-02 - - 1.3416449725627899e-01 -7.6406367123126984e-02 - <_> - - 0 -1 568 2.2988369688391685e-02 - - 1.8132690340280533e-02 -4.8544389009475708e-01 - <_> - - 0 -1 569 -1.3255500234663486e-03 - - 2.5572159886360168e-01 -4.0705129504203796e-02 - <_> - - 0 -1 570 5.9496019966900349e-03 - - 3.9314180612564087e-02 -2.7970561385154724e-01 - <_> - - 0 -1 571 -6.6567502915859222e-02 - - -5.5705511569976807e-01 1.6444809734821320e-02 - <_> - - 0 -1 572 2.4936130270361900e-02 - - -2.8254570439457893e-02 2.3453700542449951e-01 - <_> - - 0 -1 573 6.7102699540555477e-04 - - 5.2245128899812698e-02 -1.9548429548740387e-01 - <_> - - 0 -1 574 -6.5158591605722904e-03 - - 1.3059410452842712e-01 -5.4246369749307632e-02 - <_> - - 0 -1 575 -2.0384399220347404e-02 - - 2.6776239275932312e-01 -3.7303801625967026e-02 - <_> - - 0 -1 576 -4.9205501563847065e-03 - - -8.7404273450374603e-02 1.6793090850114822e-02 - <_> - - 0 -1 577 -2.9292369261384010e-02 - - -2.3264780640602112e-01 4.3655201792716980e-02 - <_> - - 0 -1 578 7.2546571493148804e-02 - - -3.6490269005298615e-02 2.7231520414352417e-01 - <_> - - 0 -1 579 -3.7642000243067741e-03 - - 1.8231450021266937e-01 -7.1627296507358551e-02 - <_> - - 0 -1 580 -7.5870528817176819e-03 - - -1.0087859630584717e-01 3.5317219793796539e-02 - <_> - - 0 -1 581 1.8255389295518398e-04 - - -9.3993760645389557e-02 1.0116200149059296e-01 - <_> - - 0 -1 582 3.2301910221576691e-02 - - 7.2117331437766552e-03 -3.5486260056495667e-01 - <_> - - 0 -1 583 2.5892930105328560e-02 - - -3.7203889340162277e-02 2.5027701258659363e-01 - <_> - - 0 -1 584 4.9849660135805607e-03 - - 2.3954670876264572e-02 -3.0998921394348145e-01 - <_> - - 0 -1 585 3.6892869975417852e-03 - - 3.6769930273294449e-02 -2.6462849974632263e-01 - <_> - - 0 -1 586 5.7481178082525730e-03 - - -4.1655130684375763e-02 1.4225460588932037e-01 - <_> - - 0 -1 587 -8.9322368148714304e-04 - - -1.6857950389385223e-01 5.5090259760618210e-02 - <_> - - 0 -1 588 -3.4081860212609172e-04 - - 3.9664719253778458e-02 -3.8179200142621994e-02 - <_> - - 0 -1 589 7.7733430080115795e-03 - - -4.2298160493373871e-02 2.4191489815711975e-01 - <_> - 125 - -1.0558769702911377e+00 - - <_> - - 0 -1 590 5.8826277963817120e-03 - - -2.6752731204032898e-01 3.7303671240806580e-01 - <_> - - 0 -1 591 -2.4791009491309524e-04 - - 7.8501053154468536e-02 -6.5277233719825745e-02 - <_> - - 0 -1 592 2.3347679525613785e-02 - - 1.7821240180637687e-04 -2.9028310546875000e+03 - <_> - - 0 -1 593 -1.1582409963011742e-02 - - 3.0084291100502014e-01 -1.1225110292434692e-01 - <_> - - 0 -1 594 -7.4398629367351532e-03 - - 3.3014228940010071e-01 -1.4450010657310486e-01 - <_> - - 0 -1 595 -1.2356679653748870e-03 - - 9.9596269428730011e-02 -4.4884901493787766e-02 - <_> - - 0 -1 596 -3.1098300591111183e-02 - - 3.4724020957946777e-01 -5.0089869648218155e-02 - <_> - - 0 -1 597 -8.6721731349825859e-05 - - 1.2793859839439392e-01 -1.3050040602684021e-01 - <_> - - 0 -1 598 4.8631811514496803e-03 - - 9.1580100357532501e-02 -2.8963008522987366e-01 - <_> - - 0 -1 599 -8.2328416407108307e-02 - - 4.8640829324722290e-01 -8.5621501784771681e-04 - <_> - - 0 -1 600 2.6845820248126984e-02 - - 8.0719226389192045e-05 -2.7684570312500000e+03 - <_> - - 0 -1 601 -5.2039809525012970e-02 - - 7.9396322369575500e-02 -5.8004710823297501e-02 - <_> - - 0 -1 602 -6.9675371050834656e-02 - - 4.9873960018157959e-01 -3.7314310669898987e-02 - <_> - - 0 -1 603 -2.2737689316272736e-02 - - -4.0688079595565796e-01 4.2751029133796692e-02 - <_> - - 0 -1 604 -5.3844530135393143e-02 - - 1.6214320063591003e-01 -9.7108319401741028e-02 - <_> - - 0 -1 605 7.2368777182418853e-05 - - -1.8385389447212219e-01 1.0155250132083893e-01 - <_> - - 0 -1 606 2.3242140014190227e-04 - - -1.4277349412441254e-01 1.2259999662637711e-01 - <_> - - 0 -1 607 -4.3009149521822110e-05 - - 1.2804460525512695e-01 -1.2545910477638245e-01 - <_> - - 0 -1 608 -2.7856770902872086e-02 - - 1.7858579754829407e-01 -8.4731630980968475e-02 - <_> - - 0 -1 609 -4.7926288098096848e-03 - - -4.3757480382919312e-01 1.6302520409226418e-02 - <_> - - 0 -1 610 1.3976480113342404e-03 - - 4.9515519291162491e-02 -2.8802138566970825e-01 - <_> - - 0 -1 611 1.4469549991190434e-02 - - -6.7634709179401398e-02 1.3598270714282990e-01 - <_> - - 0 -1 612 -1.3993920219945721e-05 - - 1.0967969894409180e-01 -1.1632110178470612e-01 - <_> - - 0 -1 613 3.3816839568316936e-03 - - 2.8795750811696053e-02 -2.4082769453525543e-01 - <_> - - 0 -1 614 2.5580629706382751e-01 - - -2.8704650700092316e-02 4.6601611375808716e-01 - <_> - - 0 -1 615 -1.7578320112079382e-03 - - 1.5108330547809601e-01 -6.3459686934947968e-02 - <_> - - 0 -1 616 -8.2289418205618858e-03 - - -2.9966801404953003e-01 4.3361451476812363e-02 - <_> - - 0 -1 617 -1.3895850315748248e-05 - - 1.0622219741344452e-01 -1.0804539918899536e-01 - <_> - - 0 -1 618 5.4432791657745838e-03 - - -7.2269909083843231e-02 1.6688150167465210e-01 - <_> - - 0 -1 619 3.6632400006055832e-02 - - 3.5935431718826294e-02 -1.9747260212898254e-01 - <_> - - 0 -1 620 -1.2231309898197651e-02 - - -2.6235920190811157e-01 4.7610200941562653e-02 - <_> - - 0 -1 621 -1.3806000351905823e-02 - - 3.0292961001396179e-01 -4.8921317793428898e-03 - <_> - - 0 -1 622 -1.2311399914324284e-03 - - 1.7459060251712799e-01 -6.8353146314620972e-02 - <_> - - 0 -1 623 -2.6005920022726059e-02 - - 1.9050909578800201e-01 -4.6166021376848221e-02 - <_> - - 0 -1 624 4.6127731911838055e-03 - - -8.3376087248325348e-02 1.5262119472026825e-01 - <_> - - 0 -1 625 5.7869260199368000e-03 - - 7.0412610657513142e-03 -7.1386951208114624e-01 - <_> - - 0 -1 626 6.7721348023042083e-04 - - 4.9267031252384186e-02 -2.4897420406341553e-01 - <_> - - 0 -1 627 -2.2731769829988480e-02 - - -5.9203499555587769e-01 6.8012541159987450e-03 - <_> - - 0 -1 628 -7.6365371933206916e-04 - - 1.0652580112218857e-01 -1.0599949955940247e-01 - <_> - - 0 -1 629 -4.3849581852555275e-03 - - 2.3418359458446503e-01 -4.6867609024047852e-02 - <_> - - 0 -1 630 3.9877369999885559e-03 - - 7.7556453645229340e-02 -1.8153350055217743e-01 - <_> - - 0 -1 631 1.3219149550423026e-03 - - -6.7613117396831512e-02 1.7171590030193329e-01 - <_> - - 0 -1 632 6.7325757117941976e-04 - - -8.9826732873916626e-02 1.4020709693431854e-01 - <_> - - 0 -1 633 9.2688068980351090e-04 - - 5.6085910648107529e-02 -1.8546910583972931e-01 - <_> - - 0 -1 634 -1.5381709672510624e-03 - - -2.3733399808406830e-01 4.8890858888626099e-02 - <_> - - 0 -1 635 2.7073239907622337e-03 - - -7.5124382972717285e-02 9.6407197415828705e-02 - <_> - - 0 -1 636 -2.8456549625843763e-03 - - 2.2722889482975006e-01 -7.2055377066135406e-02 - <_> - - 0 -1 637 3.1373579986393452e-03 - - 3.6863651126623154e-02 -3.2780879735946655e-01 - <_> - - 0 -1 638 -3.7588209379464388e-03 - - -4.2295080423355103e-01 2.3650530725717545e-02 - <_> - - 0 -1 639 2.2759051062166691e-03 - - -5.4995559155941010e-02 1.2049350142478943e-01 - <_> - - 0 -1 640 -1.9469429552555084e-01 - - -2.4324010312557220e-01 4.6331658959388733e-02 - <_> - - 0 -1 641 -9.6125272102653980e-04 - - 1.3797989487648010e-01 -9.2063806951045990e-02 - <_> - - 0 -1 642 -2.0522899925708771e-01 - - 4.7303131222724915e-01 -2.2172510623931885e-02 - <_> - - 0 -1 643 -6.8699531257152557e-02 - - 3.5191631317138672e-01 -2.8691360726952553e-02 - <_> - - 0 -1 644 -5.8615300804376602e-03 - - -3.6117011308670044e-01 3.5613741725683212e-02 - <_> - - 0 -1 645 -3.0823880806565285e-02 - - -1.5480700135231018e-01 3.6030359566211700e-02 - <_> - - 0 -1 646 6.5875430591404438e-03 - - -4.9618080258369446e-02 2.2783710062503815e-01 - <_> - - 0 -1 647 1.7855790257453918e-01 - - 1.6644019633531570e-02 -5.2305930852890015e-01 - <_> - - 0 -1 648 4.7204419388435781e-04 - - 4.3169219046831131e-02 -2.4191060662269592e-01 - <_> - - 0 -1 649 1.0938299819827080e-02 - - -3.4621201455593109e-02 2.3645110428333282e-01 - <_> - - 0 -1 650 2.6551820337772369e-04 - - 1.0797390341758728e-01 -1.4064499735832214e-01 - <_> - - 0 -1 651 -1.8384570255875587e-02 - - 2.2139449417591095e-01 -2.6545690372586250e-02 - <_> - - 0 -1 652 2.6976049412041903e-03 - - 4.4117338955402374e-02 -2.4985639750957489e-01 - <_> - - 0 -1 653 1.9213970750570297e-02 - - -1.4211599715054035e-02 2.0341560244560242e-01 - <_> - - 0 -1 654 1.8765490502119064e-02 - - -2.6414619758725166e-02 4.2244899272918701e-01 - <_> - - 0 -1 655 -4.8726210370659828e-03 - - -3.1537351012229919e-01 2.7417080476880074e-02 - <_> - - 0 -1 656 6.8514510057866573e-03 - - 1.8685810267925262e-02 -6.0053402185440063e-01 - <_> - - 0 -1 657 3.4302549902349710e-03 - - 5.5539049208164215e-02 -5.1063228398561478e-02 - <_> - - 0 -1 658 -5.1368698477745056e-03 - - 1.4823649823665619e-01 -7.6043047010898590e-02 - <_> - - 0 -1 659 4.0547490119934082e-02 - - 2.2683000192046165e-02 -1.4686860144138336e-01 - <_> - - 0 -1 660 -3.0698770657181740e-02 - - -2.3555910587310791e-01 4.2929988354444504e-02 - <_> - - 0 -1 661 -4.8826341517269611e-03 - - 1.0821360349655151e-01 -4.0258530527353287e-02 - <_> - - 0 -1 662 -1.1315810261294246e-03 - - 1.3305909931659698e-01 -7.6758652925491333e-02 - <_> - - 0 -1 663 1.0131190065294504e-03 - - -4.2856771498918533e-02 2.2082559764385223e-01 - <_> - - 0 -1 664 4.5927320607006550e-03 - - 4.9640059471130371e-02 -2.3265250027179718e-01 - <_> - - 0 -1 665 -1.4334080333355814e-05 - - 8.6082011461257935e-02 -1.0041899979114532e-01 - <_> - - 0 -1 666 -4.3432948586996645e-05 - - 1.0282029956579208e-01 -9.4649210572242737e-02 - <_> - - 0 -1 667 -2.2497640457004309e-03 - - 1.0315570235252380e-01 -4.1888978332281113e-02 - <_> - - 0 -1 668 -6.4464588649570942e-04 - - 1.1629430204629898e-01 -8.5485748946666718e-02 - <_> - - 0 -1 669 -1.4639640226960182e-02 - - -8.2875743508338928e-02 4.0666591376066208e-02 - <_> - - 0 -1 670 -2.5217140093445778e-02 - - -2.0571319758892059e-01 5.6192658841609955e-02 - <_> - - 0 -1 671 1.0123199783265591e-02 - - -4.2151961475610733e-02 2.9707989096641541e-01 - <_> - - 0 -1 672 -1.9428769592195749e-03 - - 1.1105760186910629e-01 -9.5682419836521149e-02 - <_> - - 0 -1 673 -1.5970990061759949e-03 - - -1.8751560151576996e-01 2.6098659262061119e-02 - <_> - - 0 -1 674 -4.1399329347768798e-05 - - 1.0210459679365158e-01 -9.5533169806003571e-02 - <_> - - 0 -1 675 -1.2740289792418480e-02 - - -3.0079340934753418e-01 3.0958199873566628e-02 - <_> - - 0 -1 676 -1.0377629660069942e-03 - - 1.1889539659023285e-01 -8.3339259028434753e-02 - <_> - - 0 -1 677 7.3452817741781473e-04 - - -4.5579340308904648e-02 6.5332867205142975e-02 - <_> - - 0 -1 678 2.1210229024291039e-03 - - -7.7647641301155090e-02 1.3552039861679077e-01 - <_> - - 0 -1 679 -3.9646559162065387e-04 - - -1.3039469718933105e-01 4.4221781194210052e-02 - <_> - - 0 -1 680 -2.9011480510234833e-02 - - 1.0911560058593750e-01 -8.6852982640266418e-02 - <_> - - 0 -1 681 2.8868720619357191e-05 - - -9.7223073244094849e-02 1.0939110070466995e-01 - <_> - - 0 -1 682 4.4219941628398374e-05 - - -9.6626587212085724e-02 1.0396730154752731e-01 - <_> - - 0 -1 683 -2.1061650477349758e-03 - - 1.5594449639320374e-01 -6.9388382136821747e-02 - <_> - - 0 -1 684 -1.3419709866866469e-03 - - -2.3559910058975220e-01 4.3852631002664566e-02 - <_> - - 0 -1 685 5.4303952492773533e-04 - - 3.7652920931577682e-02 -1.4700250327587128e-01 - <_> - - 0 -1 686 1.9228000019211322e-04 - - -8.5958786308765411e-02 1.1486630141735077e-01 - <_> - - 0 -1 687 6.4260498620569706e-03 - - 3.0003899708390236e-02 -2.6264539361000061e-01 - <_> - - 0 -1 688 1.7857449129223824e-02 - - -3.8392178714275360e-02 2.5491470098495483e-01 - <_> - - 0 -1 689 1.4346039853990078e-02 - - 8.1513654440641403e-03 -6.6368842124938965e-01 - <_> - - 0 -1 690 -1.5616989694535732e-02 - - 2.7357009053230286e-01 -3.9104361087083817e-02 - <_> - - 0 -1 691 2.7434809133410454e-02 - - 1.8959000706672668e-02 -5.5424922704696655e-01 - <_> - - 0 -1 692 5.8466667542234063e-04 - - 3.7940360605716705e-02 -2.2365260124206543e-01 - <_> - - 0 -1 693 -6.7438739351928234e-03 - - 1.3055540621280670e-01 -2.7127960696816444e-02 - <_> - - 0 -1 694 2.8279089747229591e-05 - - -1.1748810112476349e-01 7.3770336806774139e-02 - <_> - - 0 -1 695 -2.5857390835881233e-02 - - -7.1859562397003174e-01 1.0667249560356140e-02 - <_> - - 0 -1 696 -1.4455829841608647e-05 - - 8.8825918734073639e-02 -9.6560813486576080e-02 - <_> - - 0 -1 697 -2.8761640351149254e-05 - - 7.1224972605705261e-02 -8.1536293029785156e-02 - <_> - - 0 -1 698 -4.4676151126623154e-02 - - 4.6559768915176392e-01 -1.8218420445919037e-02 - <_> - - 0 -1 699 -1.7473939806222916e-02 - - -2.5894200801849365e-01 9.1081187129020691e-03 - <_> - - 0 -1 700 1.1752460151910782e-02 - - 2.3866819217801094e-02 -3.6384621262550354e-01 - <_> - - 0 -1 701 -1.9191680476069450e-03 - - 2.5190669298171997e-01 -3.0651960521936417e-02 - <_> - - 0 -1 702 -1.0809469968080521e-01 - - -1.5673610568046570e-01 5.7125121355056763e-02 - <_> - - 0 -1 703 -2.0007440820336342e-02 - - -6.9761687517166138e-01 2.1351710893213749e-03 - <_> - - 0 -1 704 -9.3738699797540903e-04 - - 1.2027209997177124e-01 -8.2730740308761597e-02 - <_> - - 0 -1 705 -1.9725980237126350e-02 - - 6.5103426575660706e-02 -4.3104868382215500e-02 - <_> - - 0 -1 706 -1.5965709462761879e-02 - - 1.4421139657497406e-01 -7.7061690390110016e-02 - <_> - - 0 -1 707 3.1250261235982180e-04 - - 3.4393820911645889e-02 -8.0702297389507294e-02 - <_> - - 0 -1 708 1.4896600041538477e-03 - - 3.5183548927307129e-02 -2.5886499881744385e-01 - <_> - - 0 -1 709 -5.3775031119585037e-04 - - 1.1620610207319260e-01 -6.3611187040805817e-02 - <_> - - 0 -1 710 2.0904899574816227e-03 - - -4.1186600923538208e-02 2.2300550341606140e-01 - <_> - - 0 -1 711 2.9691499657928944e-03 - - 4.8269309103488922e-02 -2.0335279405117035e-01 - <_> - - 0 -1 712 1.4572769941878505e-05 - - -9.8957553505897522e-02 9.3041956424713135e-02 - <_> - - 0 -1 713 -3.1554070301353931e-03 - - -6.6760122776031494e-01 1.3520079664885998e-02 - <_> - - 0 -1 714 2.9881219234084710e-05 - - -1.0356040298938751e-01 8.6093403398990631e-02 - <_> - 159 - -1.0136179924011230e+00 - - <_> - - 0 -1 715 4.9129109829664230e-02 - - -1.5613749623298645e-01 3.9328530430793762e-01 - <_> - - 0 -1 716 -1.7286360263824463e-02 - - 3.0204918980598450e-01 -9.7565330564975739e-02 - <_> - - 0 -1 717 1.7046910524368286e-01 - - 2.3067509755492210e-03 -1.9497540283203125e+03 - <_> - - 0 -1 718 8.8703386485576630e-02 - - -7.4917137622833252e-02 2.8316649794578552e-01 - <_> - - 0 -1 719 6.5491542220115662e-02 - - 1.6591310268267989e-03 -2.0010880126953125e+03 - <_> - - 0 -1 720 1.3477590400725603e-03 - - -1.6203269362449646e-01 1.0843209922313690e-01 - <_> - - 0 -1 721 -1.2740620411932468e-02 - - 1.7574480175971985e-01 -9.3244768679141998e-02 - <_> - - 0 -1 722 -5.6134728947654366e-04 - - 1.1455350369215012e-01 -1.7354020476341248e-01 - <_> - - 0 -1 723 3.5389710683375597e-03 - - 1.1717150360345840e-01 -2.0976379513740540e-01 - <_> - - 0 -1 724 2.4736139923334122e-02 - - 1.6364879906177521e-02 -4.7255611419677734e-01 - <_> - - 0 -1 725 -1.0651050135493279e-02 - - -4.5489090681076050e-01 3.1939528882503510e-02 - <_> - - 0 -1 726 1.7559889703989029e-02 - - -4.8362668603658676e-02 3.2062488794326782e-01 - <_> - - 0 -1 727 -6.6924717975780368e-04 - - -2.4639719724655151e-01 5.7935819029808044e-02 - <_> - - 0 -1 728 -5.8407627511769533e-04 - - 1.1204340308904648e-01 -9.8744787275791168e-02 - <_> - - 0 -1 729 3.7473749835044146e-03 - - 6.2822163105010986e-02 -2.6915690302848816e-01 - <_> - - 0 -1 730 -5.7835220359265804e-03 - - 1.7725090682506561e-01 -1.0722990334033966e-01 - <_> - - 0 -1 731 -1.3994470238685608e-02 - - -3.2291290163993835e-01 5.9133160859346390e-02 - <_> - - 0 -1 732 -5.0094961188733578e-03 - - 3.2413411140441895e-01 -4.6946190297603607e-02 - <_> - - 0 -1 733 2.0974679291248322e-01 - - 1.2724619591608644e-03 -1.5398029785156250e+03 - <_> - - 0 -1 734 -2.3002800345420837e-01 - - 2.4346500635147095e-01 -5.2076339721679688e-02 - <_> - - 0 -1 735 1.5492799878120422e-01 - - -3.8256648927927017e-02 3.8398009538650513e-01 - <_> - - 0 -1 736 -1.6321489820256829e-03 - - -2.6898738741874695e-01 5.1475409418344498e-02 - <_> - - 0 -1 737 7.1139976382255554e-02 - - -1.7741069896146655e-03 -3.6228640136718750e+03 - <_> - - 0 -1 738 1.1452710023149848e-03 - - 6.0054820030927658e-02 -2.2977289557456970e-01 - <_> - - 0 -1 739 -4.5410130405798554e-04 - - 1.2813620269298553e-01 -1.0090760141611099e-01 - <_> - - 0 -1 740 -1.4720089893671684e-05 - - 1.0322000086307526e-01 -1.2641830742359161e-01 - <_> - - 0 -1 741 -1.1304479558020830e-03 - - -3.1935998797416687e-01 3.4723218530416489e-02 - <_> - - 0 -1 742 -1.6922319307923317e-02 - - 1.3957360386848450e-01 -5.1543079316616058e-02 - <_> - - 0 -1 743 -2.3215101100504398e-03 - - -2.3895290493965149e-01 4.7668199986219406e-02 - <_> - - 0 -1 744 3.7084489595144987e-03 - - -6.5825067460536957e-02 2.2757640480995178e-01 - <_> - - 0 -1 745 1.0309210047125816e-03 - - 5.1278948783874512e-02 -1.9257369637489319e-01 - <_> - - 0 -1 746 -1.5648710541427135e-03 - - 8.9634187519550323e-02 -7.3585078120231628e-02 - <_> - - 0 -1 747 -4.1427151300013065e-03 - - 1.3048550486564636e-01 -8.4395110607147217e-02 - <_> - - 0 -1 748 2.6113409548997879e-02 - - 2.2152740508317947e-02 -5.3387731313705444e-01 - <_> - - 0 -1 749 -2.8209320589667186e-05 - - 8.8220342993736267e-02 -1.1844480037689209e-01 - <_> - - 0 -1 750 -1.8846359848976135e-01 - - -1.4832919836044312e-01 2.7575379237532616e-02 - <_> - - 0 -1 751 -3.1241099350154400e-04 - - 1.5323509275913239e-01 -6.7858032882213593e-02 - <_> - - 0 -1 752 1.1768529657274485e-03 - - -8.8187567889690399e-02 1.4614510536193848e-01 - <_> - - 0 -1 753 -8.1158941611647606e-03 - - -2.5933700799942017e-01 4.0161240845918655e-02 - <_> - - 0 -1 754 -2.1158249583095312e-03 - - -1.2951439619064331e-01 3.7622030824422836e-02 - <_> - - 0 -1 755 -1.6689589247107506e-02 - - 1.6230119764804840e-01 -6.4093820750713348e-02 - <_> - - 0 -1 756 3.5482600796967745e-03 - - -7.9667016863822937e-02 1.1273019760847092e-01 - <_> - - 0 -1 757 5.6378880981355906e-04 - - 5.0050869584083557e-02 -2.2882069647312164e-01 - <_> - - 0 -1 758 7.8708422370254993e-04 - - 3.6162361502647400e-02 -1.5072689950466156e-01 - <_> - - 0 -1 759 7.2509991005063057e-03 - - -6.2301669269800186e-02 1.6492590308189392e-01 - <_> - - 0 -1 760 6.6566158784553409e-04 - - 3.7793241441249847e-02 -2.1191699802875519e-01 - <_> - - 0 -1 761 5.8047431707382202e-01 - - 1.0952480137348175e-02 -8.0813771486282349e-01 - <_> - - 0 -1 762 -7.9105071723461151e-02 - - 3.6394488811492920e-01 -3.0609829351305962e-02 - <_> - - 0 -1 763 5.6401832262054086e-04 - - -6.6107980906963348e-02 1.4774860441684723e-01 - <_> - - 0 -1 764 -9.1791141312569380e-04 - - 9.9861629307270050e-02 -5.6733511388301849e-02 - <_> - - 0 -1 765 5.6301942095160484e-04 - - 4.6789381653070450e-02 -2.4219739437103271e-01 - <_> - - 0 -1 766 8.3375308895483613e-04 - - -5.3760558366775513e-02 1.3650870323181152e-01 - <_> - - 0 -1 767 -3.1824249308556318e-03 - - 2.5260570645332336e-01 -4.1767410933971405e-02 - <_> - - 0 -1 768 -7.2406530380249023e-03 - - -3.4584280848503113e-01 3.2235089689493179e-02 - <_> - - 0 -1 769 -8.3251204341650009e-03 - - -4.1309550404548645e-01 2.1623320877552032e-02 - <_> - - 0 -1 770 1.3309439644217491e-02 - - -2.3230889812111855e-02 3.7454131245613098e-01 - <_> - - 0 -1 771 -2.3259570822119713e-02 - - -2.1350060403347015e-01 4.5240461826324463e-02 - <_> - - 0 -1 772 1.1522470042109489e-02 - - -3.7700131535530090e-02 2.9872789978981018e-01 - <_> - - 0 -1 773 -2.5679599493741989e-02 - - -4.9193280935287476e-01 2.0760089159011841e-02 - <_> - - 0 -1 774 -4.0818247944116592e-03 - - 9.8320446908473969e-02 -5.9292558580636978e-02 - <_> - - 0 -1 775 1.3823170214891434e-02 - - 8.0420680344104767e-02 -1.4796389639377594e-01 - <_> - - 0 -1 776 -1.4133610420685727e-05 - - 7.2154417634010315e-02 -7.8407011926174164e-02 - <_> - - 0 -1 777 1.3749630190432072e-02 - - -2.5718940421938896e-02 3.5190111398696899e-01 - <_> - - 0 -1 778 -4.7446079552173615e-03 - - -2.9917961359024048e-01 1.6113970428705215e-02 - <_> - - 0 -1 779 -6.0454257763922215e-03 - - -5.3650712966918945e-01 1.6792129725217819e-02 - <_> - - 0 -1 780 -2.8823830187320709e-02 - - -6.8795108795166016e-01 3.6530119832605124e-03 - <_> - - 0 -1 781 9.7567550837993622e-03 - - -3.8970921188592911e-02 2.4093149602413177e-01 - <_> - - 0 -1 782 5.4871398024260998e-03 - - 1.4116980135440826e-02 -2.5804948806762695e-01 - <_> - - 0 -1 783 -1.2061520246788859e-03 - - -1.9207270443439484e-01 4.9500379711389542e-02 - <_> - - 0 -1 784 9.8257837817072868e-03 - - -3.8585498929023743e-02 2.2697679698467255e-01 - <_> - - 0 -1 785 2.2018669545650482e-01 - - 1.2777510099112988e-02 -7.5363188982009888e-01 - <_> - - 0 -1 786 -4.5528009533882141e-02 - - 1.0831479728221893e-01 -8.8267646729946136e-02 - <_> - - 0 -1 787 8.6856030975468457e-05 - - -1.0284650325775146e-01 9.9360488355159760e-02 - <_> - - 0 -1 788 -5.6585170328617096e-02 - - 2.3910149931907654e-01 -2.3736249655485153e-02 - <_> - - 0 -1 789 -3.1276450026780367e-03 - - -2.2727750241756439e-01 3.8768850266933441e-02 - <_> - - 0 -1 790 3.9087659679353237e-03 - - -3.9192341268062592e-02 2.4087190628051758e-01 - <_> - - 0 -1 791 7.8154838411137462e-04 - - 7.4562981724739075e-02 -1.2905180454254150e-01 - <_> - - 0 -1 792 -2.4408260360360146e-03 - - -9.1020442545413971e-02 3.9251521229743958e-02 - <_> - - 0 -1 793 2.8101990465074778e-03 - - -6.4837038516998291e-02 1.3925389945507050e-01 - <_> - - 0 -1 794 -3.9855740033090115e-03 - - 9.1817371547222137e-02 -8.3031117916107178e-02 - <_> - - 0 -1 795 -1.7297789454460144e-02 - - 2.0965570211410522e-01 -5.2194979041814804e-02 - <_> - - 0 -1 796 -3.2247748225927353e-02 - - -4.5823940634727478e-01 8.3728311583399773e-03 - <_> - - 0 -1 797 -6.8068369291722775e-03 - - -2.0197209715843201e-01 5.5631320923566818e-02 - <_> - - 0 -1 798 -1.0506629478186369e-03 - - 1.3209819793701172e-01 -7.6885670423507690e-02 - <_> - - 0 -1 799 3.7760898703709245e-04 - - 4.6161610633134842e-02 -1.9694140553474426e-01 - <_> - - 0 -1 800 -5.7537568500265479e-04 - - -1.0717370361089706e-01 3.6240298300981522e-02 - <_> - - 0 -1 801 7.4092741124331951e-04 - - -1.0475870221853256e-01 8.0978676676750183e-02 - <_> - - 0 -1 802 1.4430390438064933e-03 - - -2.0330719649791718e-02 1.4773130416870117e-01 - <_> - - 0 -1 803 -4.0292008779942989e-03 - - -4.0607890486717224e-01 2.2358359768986702e-02 - <_> - - 0 -1 804 -2.7180630713701248e-02 - - 1.7108470201492310e-01 -5.5255688726902008e-02 - <_> - - 0 -1 805 -1.1956419795751572e-02 - - -7.1867120265960693e-01 1.3094569556415081e-02 - <_> - - 0 -1 806 4.1116480133496225e-04 - - 4.8153460025787354e-02 -1.2433259934186935e-01 - <_> - - 0 -1 807 -1.3963999663246796e-05 - - 1.0292939841747284e-01 -8.6958311498165131e-02 - <_> - - 0 -1 808 -1.4570109669875819e-05 - - 7.4470147490501404e-02 -7.0470541715621948e-02 - <_> - - 0 -1 809 1.7139190807938576e-02 - - -2.6172630488872528e-02 3.3085009455680847e-01 - <_> - - 0 -1 810 -1.6302539734169841e-03 - - -2.3916280269622803e-01 3.5871699452400208e-02 - <_> - - 0 -1 811 -1.4535409718519077e-05 - - 9.6902176737785339e-02 -9.2061087489128113e-02 - <_> - - 0 -1 812 -2.1566040813922882e-02 - - 7.8962132334709167e-02 -2.5336209684610367e-02 - <_> - - 0 -1 813 -3.6455708742141724e-01 - - -3.5508298873901367e-01 2.5631109252572060e-02 - <_> - - 0 -1 814 2.4588650092482567e-02 - - -4.8407679423689842e-03 3.9943900704383850e-01 - <_> - - 0 -1 815 -7.7711517224088311e-04 - - 9.7201973199844360e-02 -9.5743231475353241e-02 - <_> - - 0 -1 816 2.1896770223975182e-02 - - -4.5299168676137924e-02 1.0756900161504745e-01 - <_> - - 0 -1 817 -4.4443400838645175e-05 - - 1.0131599754095078e-01 -8.8843531906604767e-02 - <_> - - 0 -1 818 -7.6723480597138405e-03 - - -4.5738580822944641e-01 4.6079889871180058e-03 - <_> - - 0 -1 819 -1.4039639609109145e-05 - - 9.8416067659854889e-02 -8.7553597986698151e-02 - <_> - - 0 -1 820 8.6473729461431503e-03 - - 3.3540779259055853e-03 -4.1771999001502991e-01 - <_> - - 0 -1 821 -1.3825670066580642e-05 - - 9.9857017397880554e-02 -8.5694387555122375e-02 - <_> - - 0 -1 822 -2.6278168661519885e-04 - - -5.6113108992576599e-02 2.7346489951014519e-02 - <_> - - 0 -1 823 -7.9181697219610214e-04 - - -1.8118320405483246e-01 4.7429770231246948e-02 - <_> - - 0 -1 824 -1.4099719701334834e-03 - - 2.7458798885345459e-01 -5.1484808325767517e-02 - <_> - - 0 -1 825 7.0703573524951935e-02 - - 1.5473419800400734e-02 -5.7706528902053833e-01 - <_> - - 0 -1 826 2.0189339295029640e-02 - - 3.1696720980107784e-03 -4.8307558894157410e-01 - <_> - - 0 -1 827 -2.1223660558462143e-02 - - 2.4657000601291656e-01 -3.2886128872632980e-02 - <_> - - 0 -1 828 -3.0176939908415079e-03 - - -2.4524199962615967e-01 9.7305262461304665e-03 - <_> - - 0 -1 829 -4.6038549393415451e-02 - - 2.7145799994468689e-01 -3.0896479263901711e-02 - <_> - - 0 -1 830 3.5309030208736658e-03 - - 6.3980512320995331e-02 -1.3888190686702728e-01 - <_> - - 0 -1 831 -1.6515320166945457e-03 - - 9.5719188451766968e-02 -8.7903097271919250e-02 - <_> - - 0 -1 832 4.9779191613197327e-03 - - 4.1744681075215340e-03 -5.4084128141403198e-01 - <_> - - 0 -1 833 -2.6704220101237297e-02 - - -1.7620840668678284e-01 4.7774009406566620e-02 - <_> - - 0 -1 834 -1.9596800208091736e-02 - - 1.4712940156459808e-01 -6.3787601888179779e-02 - <_> - - 0 -1 835 -3.7246679421514273e-03 - - -2.3852190375328064e-01 4.4740460813045502e-02 - <_> - - 0 -1 836 1.1539430357515812e-02 - - -2.2072600200772285e-02 1.1525920033454895e-01 - <_> - - 0 -1 837 4.7176578664220870e-04 - - 4.7127831727266312e-02 -1.8147450685501099e-01 - <_> - - 0 -1 838 -1.9762469455599785e-03 - - 1.3748070597648621e-01 -5.9092778712511063e-02 - <_> - - 0 -1 839 5.5772662162780762e-03 - - -4.5019958168268204e-02 2.1034489572048187e-01 - <_> - - 0 -1 840 -2.0157389342784882e-02 - - -5.7496970891952515e-01 5.7354308664798737e-03 - <_> - - 0 -1 841 1.7307110130786896e-02 - - 1.1190719902515411e-02 -7.1707981824874878e-01 - <_> - - 0 -1 842 -4.8755120951682329e-04 - - 5.0394590944051743e-02 -4.8666480928659439e-02 - <_> - - 0 -1 843 -2.6511559262871742e-02 - - -8.9478939771652222e-01 9.4358548521995544e-03 - <_> - - 0 -1 844 -2.2744829766452312e-03 - - -1.2894369661808014e-01 2.2440349683165550e-02 - <_> - - 0 -1 845 -5.0057587213814259e-04 - - 1.4377559721469879e-01 -7.1598902344703674e-02 - <_> - - 0 -1 846 6.6602397710084915e-03 - - -2.3207439109683037e-02 7.1363903582096100e-02 - <_> - - 0 -1 847 3.1885830685496330e-03 - - 5.8010980486869812e-02 -1.6450870037078857e-01 - <_> - - 0 -1 848 5.7782739168033004e-04 - - -4.3485600501298904e-02 1.3383249938488007e-01 - <_> - - 0 -1 849 -6.0897087678313255e-04 - - 1.4787660539150238e-01 -6.2495529651641846e-02 - <_> - - 0 -1 850 -1.6388659423682839e-04 - - 9.3325972557067871e-02 -7.6554320752620697e-02 - <_> - - 0 -1 851 6.1837752582505345e-04 - - 5.1471889019012451e-02 -1.7382960021495819e-01 - <_> - - 0 -1 852 -3.3793110400438309e-02 - - -3.6461350321769714e-01 3.7170569412410259e-03 - <_> - - 0 -1 853 1.4411949552595615e-02 - - -3.5240508615970612e-02 2.8138169646263123e-01 - <_> - - 0 -1 854 -4.1771069169044495e-02 - - -8.4693837165832520e-01 5.6314789690077305e-03 - <_> - - 0 -1 855 2.6250649243593216e-02 - - 1.1048519983887672e-02 -6.5604877471923828e-01 - <_> - - 0 -1 856 3.8364190608263016e-02 - - 1.3381119817495346e-02 -5.1028597354888916e-01 - <_> - - 0 -1 857 -4.2627542279660702e-03 - - 1.0298670083284378e-01 -7.7517427504062653e-02 - <_> - - 0 -1 858 2.6290370151400566e-03 - - 5.3536839783191681e-02 -1.6710819303989410e-01 - <_> - - 0 -1 859 3.0461929272860289e-03 - - -7.0506170392036438e-02 1.2971059978008270e-01 - <_> - - 0 -1 860 -8.1220280844718218e-04 - - -1.5027570724487305e-01 2.4919940158724785e-02 - <_> - - 0 -1 861 -1.3896619748265948e-05 - - 9.4428047537803650e-02 -8.7662227451801300e-02 - <_> - - 0 -1 862 -1.1810410069301724e-03 - - -7.8689701855182648e-02 4.2385399341583252e-02 - <_> - - 0 -1 863 -4.3100272305309772e-03 - - 1.0542859882116318e-01 -7.6924249529838562e-02 - <_> - - 0 -1 864 4.9178837798535824e-03 - - -4.4045768678188324e-02 1.1219839751720428e-01 - <_> - - 0 -1 865 2.7417130768299103e-03 - - 4.8411499708890915e-02 -1.5718230605125427e-01 - <_> - - 0 -1 866 -2.0775299519300461e-02 - - -5.5444902181625366e-01 5.7630650699138641e-03 - <_> - - 0 -1 867 9.2838220298290253e-03 - - 2.3150760680437088e-02 -3.2565519213676453e-01 - <_> - - 0 -1 868 2.9645489994436502e-03 - - -5.1561180502176285e-02 7.8658573329448700e-02 - <_> - - 0 -1 869 -3.5985060967504978e-03 - - 1.0409019887447357e-01 -7.8626610338687897e-02 - <_> - - 0 -1 870 2.9037541151046753e-01 - - 2.0822859369218349e-03 -9.9926912784576416e-01 - <_> - - 0 -1 871 -1.7383049428462982e-01 - - -6.1185789108276367e-01 1.1905180290341377e-02 - <_> - - 0 -1 872 -1.4491450201603584e-05 - - 7.7290393412113190e-02 -7.9787142574787140e-02 - <_> - - 0 -1 873 5.9369370341300964e-02 - - -1.5881380066275597e-02 4.9138128757476807e-01 - <_> - 181 - -9.4397127628326416e-01 - - <_> - - 0 -1 874 1.2147969566285610e-02 - - -1.7027840018272400e-01 3.0278548598289490e-01 - <_> - - 0 -1 875 -5.1608979701995850e-03 - - 1.6070939600467682e-01 -9.7643166780471802e-02 - <_> - - 0 -1 876 -5.6379679590463638e-03 - - 1.7696949839591980e-01 -1.1813969910144806e-01 - <_> - - 0 -1 877 -1.3411770341917872e-03 - - -2.1609729528427124e-01 8.4236972033977509e-02 - <_> - - 0 -1 878 1.6899369657039642e-02 - - 3.9709590375423431e-02 -7.1516290283203125e+02 - <_> - - 0 -1 879 6.0409329831600189e-02 - - 9.9979763035662472e-05 -3.8527749633789062e+02 - <_> - - 0 -1 880 6.2134090811014175e-02 - - 6.3906911236699671e-05 -3.9919741210937500e+03 - <_> - - 0 -1 881 1.0131259914487600e-03 - - 9.7780823707580566e-02 -1.9260010123252869e-01 - <_> - - 0 -1 882 8.5585671663284302e-01 - - -1.2213829904794693e-02 -3.4853699218750000e+04 - <_> - - 0 -1 883 -3.2218709588050842e-02 - - 3.9832469820976257e-01 -4.5990351587533951e-02 - <_> - - 0 -1 884 2.2235669195652008e-02 - - -4.0369831025600433e-02 3.6789301037788391e-01 - <_> - - 0 -1 885 -8.8841008255258203e-04 - - -2.1880610287189484e-01 5.0560429692268372e-02 - <_> - - 0 -1 886 3.5561749245971441e-03 - - -5.2009329199790955e-02 2.1389879286289215e-01 - <_> - - 0 -1 887 9.6833909628912807e-04 - - 1.4613860286772251e-02 -1.9754350185394287e-01 - <_> - - 0 -1 888 -2.7736829593777657e-02 - - -4.5046409964561462e-01 2.7601879090070724e-02 - <_> - - 0 -1 889 7.4900686740875244e-02 - - -1.5738090500235558e-02 1.3751170039176941e-01 - <_> - - 0 -1 890 -1.4089980140852276e-05 - - 8.2234293222427368e-02 -1.2902089953422546e-01 - <_> - - 0 -1 891 2.8132699299021624e-05 - - -8.9415237307548523e-02 1.4247649908065796e-01 - <_> - - 0 -1 892 3.6726798862218857e-03 - - 3.6753758788108826e-02 -3.0238619446754456e-01 - <_> - - 0 -1 893 5.8316331356763840e-02 - - -2.8371790423989296e-02 2.3014989495277405e-01 - <_> - - 0 -1 894 7.8186690807342529e-03 - - -4.2724270373582840e-02 2.9279640316963196e-01 - <_> - - 0 -1 895 8.1707425415515900e-03 - - 5.6390549987554550e-02 -2.2707839310169220e-01 - <_> - - 0 -1 896 -4.8393788747489452e-03 - - 1.4251850545406342e-01 -9.1900318861007690e-02 - <_> - - 0 -1 897 -1.7523720860481262e-02 - - 2.0598100125789642e-01 -2.8702840209007263e-02 - <_> - - 0 -1 898 -1.7228579963557422e-04 - - 1.0865160077810287e-01 -1.0427589714527130e-01 - <_> - - 0 -1 899 1.4811339788138866e-03 - - 4.6113200485706329e-02 -2.3989810049533844e-01 - <_> - - 0 -1 900 -2.7818970847874880e-03 - - -1.9629709422588348e-01 5.7060431689023972e-02 - <_> - - 0 -1 901 1.8516130745410919e-02 - - -6.8399876356124878e-02 9.2525057494640350e-02 - <_> - - 0 -1 902 1.2470349902287126e-03 - - -4.7470189630985260e-02 2.3869030177593231e-01 - <_> - - 0 -1 903 8.1306131323799491e-04 - - 5.8681190013885498e-02 -1.3293729722499847e-01 - <_> - - 0 -1 904 1.0061890352517366e-03 - - -4.7185059636831284e-02 2.0784549415111542e-01 - <_> - - 0 -1 905 1.3212660560384393e-03 - - -3.2092861831188202e-02 6.1370160430669785e-02 - <_> - - 0 -1 906 7.1786798071116209e-04 - - 5.5250648409128189e-02 -1.8089100718498230e-01 - <_> - - 0 -1 907 -9.6626102458685637e-04 - - -1.3047799468040466e-01 3.3318478614091873e-02 - <_> - - 0 -1 908 1.7763959476724267e-03 - - -4.6832490712404251e-02 2.0682440698146820e-01 - <_> - - 0 -1 909 -2.8751560021191835e-03 - - -2.1038760244846344e-01 4.4965479522943497e-02 - <_> - - 0 -1 910 1.9038280006498098e-03 - - -4.5024219900369644e-02 2.8117001056671143e-01 - <_> - - 0 -1 911 2.9590770136564970e-03 - - 4.8174291849136353e-02 -6.7409582436084747e-02 - <_> - - 0 -1 912 9.4039470423012972e-04 - - -8.8440768420696259e-02 1.1570060253143311e-01 - <_> - - 0 -1 913 2.4125039577484131e-02 - - 7.2013828903436661e-03 -3.8961169123649597e-01 - <_> - - 0 -1 914 -6.2984478427097201e-04 - - -2.3360639810562134e-01 4.2562689632177353e-02 - <_> - - 0 -1 915 -2.9172660782933235e-02 - - 1.7174050211906433e-01 -4.6448789536952972e-02 - <_> - - 0 -1 916 -1.4338050277729053e-05 - - 1.0395999997854233e-01 -9.0066507458686829e-02 - <_> - - 0 -1 917 -1.4969659787311684e-05 - - 5.0678368657827377e-02 -3.9614308625459671e-02 - <_> - - 0 -1 918 1.4065210052649491e-05 - - -9.3186452984809875e-02 1.2208849936723709e-01 - <_> - - 0 -1 919 -2.7412388590164483e-04 - - -1.0865789651870728e-01 4.3262030929327011e-02 - <_> - - 0 -1 920 -2.1822929556947201e-04 - - -1.4428439736366272e-01 6.3061922788619995e-02 - <_> - - 0 -1 921 2.9122079722583294e-03 - - -5.2774921059608459e-02 5.9191830456256866e-02 - <_> - - 0 -1 922 -3.6725331097841263e-02 - - 2.1313689649105072e-01 -5.1487848162651062e-02 - <_> - - 0 -1 923 1.3013239949941635e-02 - - -5.7525340467691422e-02 1.2103849649429321e-01 - <_> - - 0 -1 924 1.1602040380239487e-02 - - 5.0670608878135681e-02 -2.1417009830474854e-01 - <_> - - 0 -1 925 -2.1189039107412100e-03 - - -2.3993240296840668e-01 3.9067979902029037e-02 - <_> - - 0 -1 926 -9.8798265680670738e-03 - - 2.0317670702934265e-01 -4.6872068196535110e-02 - <_> - - 0 -1 927 4.1930121369659901e-03 - - -4.9094110727310181e-02 7.1827210485935211e-02 - <_> - - 0 -1 928 1.5404559671878815e-02 - - 2.5184549391269684e-02 -3.7926280498504639e-01 - <_> - - 0 -1 929 4.7204889357089996e-02 - - 6.5619370434433222e-04 -8.5161781311035156e-01 - <_> - - 0 -1 930 6.5289321355521679e-03 - - -7.8455463051795959e-02 1.2842629849910736e-01 - <_> - - 0 -1 931 5.6735638529062271e-02 - - -1.4093150384724140e-02 1.2426369637250900e-01 - <_> - - 0 -1 932 2.6140250265598297e-03 - - -9.2374339699745178e-02 1.0978870093822479e-01 - <_> - - 0 -1 933 8.9589040726423264e-04 - - 3.4749828279018402e-02 -1.0929500311613083e-01 - <_> - - 0 -1 934 -9.0662058210000396e-04 - - -1.6220299899578094e-01 5.0702780485153198e-02 - <_> - - 0 -1 935 -5.6750950170680881e-04 - - -1.3976819813251495e-01 3.3563069999217987e-02 - <_> - - 0 -1 936 3.9271891000680625e-04 - - 5.3779508918523788e-02 -1.7188000679016113e-01 - <_> - - 0 -1 937 -8.0099105834960938e-03 - - 1.9834689795970917e-01 -3.8824960589408875e-02 - <_> - - 0 -1 938 1.0684199631214142e-02 - - -2.8290269896388054e-02 3.4395828843116760e-01 - <_> - - 0 -1 939 1.4759440091438591e-05 - - -7.8098028898239136e-02 9.7656883299350739e-02 - <_> - - 0 -1 940 1.6975859180092812e-02 - - -5.6326240301132202e-02 1.5583120286464691e-01 - <_> - - 0 -1 941 -1.3971020052849781e-05 - - 7.2150066494941711e-02 -7.1441337466239929e-02 - <_> - - 0 -1 942 -2.6035839691758156e-03 - - 1.0941360145807266e-01 -8.1451512873172760e-02 - <_> - - 0 -1 943 2.5178899988532066e-02 - - 1.2207499705255032e-02 -2.2756040096282959e-01 - <_> - - 0 -1 944 -3.9559401571750641e-02 - - -5.8328497409820557e-01 1.4910699799656868e-02 - <_> - - 0 -1 945 -1.4030520105734468e-05 - - 5.3006969392299652e-02 -4.6118430793285370e-02 - <_> - - 0 -1 946 -1.4760649719391949e-05 - - 9.7830682992935181e-02 -8.5236847400665283e-02 - <_> - - 0 -1 947 -7.2725438512861729e-03 - - -1.7783139646053314e-01 2.1142490208148956e-02 - <_> - - 0 -1 948 -1.3526830116461497e-05 - - 9.1094732284545898e-02 -8.8054873049259186e-02 - <_> - - 0 -1 949 2.7169808745384216e-01 - - 6.9690002128481865e-03 -5.7763397693634033e-01 - <_> - - 0 -1 950 -1.4148949645459652e-02 - - -4.2174759507179260e-01 1.7959559336304665e-02 - <_> - - 0 -1 951 -2.7665561065077782e-03 - - -5.9134751558303833e-01 1.1650159955024719e-02 - <_> - - 0 -1 952 -2.0631540101021528e-03 - - 1.2150909751653671e-01 -6.4721226692199707e-02 - <_> - - 0 -1 953 1.3370909982768353e-05 - - -5.6479219347238541e-02 7.5040176510810852e-02 - <_> - - 0 -1 954 6.4982241019606590e-04 - - 4.2173530906438828e-02 -1.9766530394554138e-01 - <_> - - 0 -1 955 2.4920518626458943e-04 - - -6.2353838235139847e-02 9.4402343034744263e-02 - <_> - - 0 -1 956 -1.2078540166839957e-03 - - 1.6323770582675934e-01 -6.4028233289718628e-02 - <_> - - 0 -1 957 -2.2494650911539793e-03 - - 1.8250890076160431e-01 -1.3332289643585682e-02 - <_> - - 0 -1 958 5.9620937099680305e-04 - - -6.5838947892189026e-02 1.5421830117702484e-01 - <_> - - 0 -1 959 -3.9258919423446059e-04 - - -1.4715319871902466e-01 3.9555948227643967e-02 - <_> - - 0 -1 960 -8.1223007291555405e-03 - - -2.2444109618663788e-01 4.2161621153354645e-02 - <_> - - 0 -1 961 -4.7881420701742172e-02 - - -8.7091821432113647e-01 8.1774117425084114e-03 - <_> - - 0 -1 962 -2.2748390212655067e-02 - - 2.9979050159454346e-01 -2.8346529230475426e-02 - <_> - - 0 -1 963 1.0392880067229271e-03 - - 2.7098760008811951e-02 -1.0330139845609665e-01 - <_> - - 0 -1 964 -2.8231230317032896e-05 - - 7.7585183084011078e-02 -1.0317090153694153e-01 - <_> - - 0 -1 965 -4.2344927787780762e-03 - - 1.0193389654159546e-01 -4.3151829391717911e-02 - <_> - - 0 -1 966 1.5932330861687660e-02 - - -3.4068148583173752e-02 2.2951790690422058e-01 - <_> - - 0 -1 967 1.8464079766999930e-04 - - 4.5591291040182114e-02 -1.2555940449237823e-01 - <_> - - 0 -1 968 -1.9733259454369545e-02 - - 2.2064359486103058e-01 -3.5928118973970413e-02 - <_> - - 0 -1 969 1.4354330232890788e-05 - - -5.3893670439720154e-02 7.3926411569118500e-02 - <_> - - 0 -1 970 7.6591788092628121e-04 - - 4.8648048192262650e-02 -1.6688610613346100e-01 - <_> - - 0 -1 971 4.8519670963287354e-03 - - 1.8916709348559380e-02 -3.8225510716438293e-01 - <_> - - 0 -1 972 7.8907480929046869e-04 - - -5.8328978717327118e-02 1.3417090475559235e-01 - <_> - - 0 -1 973 3.2383669167757034e-02 - - 4.5701907947659492e-03 -3.7887600064277649e-01 - <_> - - 0 -1 974 -1.2292680330574512e-03 - - -1.5834780037403107e-01 4.7614280134439468e-02 - <_> - - 0 -1 975 2.7047060430049896e-02 - - 6.6439821384847164e-03 -5.9655481576919556e-01 - <_> - - 0 -1 976 1.4375980198383331e-01 - - -1.7842639237642288e-02 4.2351529002189636e-01 - <_> - - 0 -1 977 -1.5783259645104408e-02 - - 8.8244073092937469e-02 -1.2464329600334167e-02 - <_> - - 0 -1 978 -1.4875989872962236e-03 - - -1.3130789995193481e-01 5.7446569204330444e-02 - <_> - - 0 -1 979 2.5348609313368797e-02 - - -1.8971860408782959e-02 1.5281090140342712e-01 - <_> - - 0 -1 980 3.4981030970811844e-02 - - 1.0243220254778862e-02 -7.7604120969772339e-01 - <_> - - 0 -1 981 -1.0513720102608204e-02 - - 1.0823149979114532e-01 -2.8787430375814438e-02 - <_> - - 0 -1 982 -7.3121190071105957e-03 - - -8.3258008956909180e-01 9.2471670359373093e-03 - <_> - - 0 -1 983 -1.3201700150966644e-01 - - -2.9581999778747559e-01 1.6155829653143883e-03 - <_> - - 0 -1 984 3.1345361471176147e-01 - - 1.0132989846169949e-02 -7.1845752000808716e-01 - <_> - - 0 -1 985 6.7774970084428787e-03 - - 1.6121359542012215e-02 -3.0593600869178772e-01 - <_> - - 0 -1 986 -1.6488260030746460e-01 - - -7.3052179813385010e-01 9.3599827960133553e-03 - <_> - - 0 -1 987 3.0263569205999374e-02 - - -2.1490950137376785e-02 2.1476639807224274e-01 - <_> - - 0 -1 988 -1.0164840146899223e-02 - - -1.2528149783611298e-01 6.0508821159601212e-02 - <_> - - 0 -1 989 -4.9876107368618250e-04 - - 1.1736539751291275e-01 -6.5368436276912689e-02 - <_> - - 0 -1 990 -2.0281779870856553e-04 - - -1.4580169320106506e-01 5.3317841142416000e-02 - <_> - - 0 -1 991 7.5787317473441362e-04 - - -5.0901308655738831e-02 9.6431486308574677e-02 - <_> - - 0 -1 992 3.0924860038794577e-04 - - -7.4172429740428925e-02 1.0036680102348328e-01 - <_> - - 0 -1 993 -1.7347460612654686e-02 - - -7.0043748617172241e-01 5.1052640192210674e-03 - <_> - - 0 -1 994 4.2674738913774490e-02 - - -4.3247479945421219e-02 1.8100689351558685e-01 - <_> - - 0 -1 995 -3.1056061387062073e-01 - - -8.1626391410827637e-01 1.7991130007430911e-03 - <_> - - 0 -1 996 2.6550391316413879e-01 - - 1.3434600085020065e-02 -6.2406688928604126e-01 - <_> - - 0 -1 997 4.2594179831212386e-05 - - -3.9899569004774094e-02 3.6133170127868652e-02 - <_> - - 0 -1 998 -5.9230630286037922e-03 - - -3.3807530999183655e-01 2.2033369168639183e-02 - <_> - - 0 -1 999 7.4049353599548340e-02 - - 1.3915670569986105e-03 -6.9353181123733521e-01 - <_> - - 0 -1 1000 -1.7220899462699890e-02 - - 2.3747919499874115e-01 -3.3367458730936050e-02 - <_> - - 0 -1 1001 5.3963330574333668e-03 - - 5.0931539386510849e-02 -1.5562909841537476e-01 - <_> - - 0 -1 1002 -1.8919620197266340e-03 - - -1.5169349312782288e-01 5.3993280977010727e-02 - <_> - - 0 -1 1003 -1.5097260475158691e-03 - - 1.9851540029048920e-01 -3.3595308661460876e-02 - <_> - - 0 -1 1004 3.0020769685506821e-02 - - -1.7136970534920692e-02 4.1571149230003357e-01 - <_> - - 0 -1 1005 5.0775688141584396e-03 - - 9.6978880465030670e-03 -1.7263160645961761e-01 - <_> - - 0 -1 1006 -1.1930350447073579e-03 - - -1.7071479558944702e-01 4.4078700244426727e-02 - <_> - - 0 -1 1007 -4.3130549602210522e-03 - - 7.3799706995487213e-02 -6.1707559973001480e-02 - <_> - - 0 -1 1008 3.7032270338386297e-03 - - -3.6637570708990097e-02 2.2825400531291962e-01 - <_> - - 0 -1 1009 -1.2335710227489471e-01 - - -8.0323278903961182e-01 5.5564441718161106e-03 - <_> - - 0 -1 1010 -1.6671289503574371e-01 - - -7.4742680788040161e-01 7.7674849890172482e-03 - <_> - - 0 -1 1011 -4.2208871245384216e-01 - - -4.7446969151496887e-01 6.5842550247907639e-03 - <_> - - 0 -1 1012 -9.1678872704505920e-02 - - -6.0947632789611816e-01 1.0897959582507610e-02 - <_> - - 0 -1 1013 6.3239918090403080e-03 - - -3.3826641738414764e-02 1.8243339657783508e-01 - <_> - - 0 -1 1014 4.2129371315240860e-02 - - 9.4385631382465363e-03 -7.7248048782348633e-01 - <_> - - 0 -1 1015 -9.3927257694303989e-04 - - 7.1579143404960632e-02 -3.5312049090862274e-02 - <_> - - 0 -1 1016 -2.5862399488687515e-03 - - -1.7614290118217468e-01 3.8970381021499634e-02 - <_> - - 0 -1 1017 -6.0188758652657270e-05 - - 5.7997729629278183e-02 -6.4837977290153503e-02 - <_> - - 0 -1 1018 -2.8638429284910671e-05 - - 9.1408349573612213e-02 -1.0475879907608032e-01 - <_> - - 0 -1 1019 3.8879539351910353e-03 - - -5.7216320186853409e-02 1.3386100530624390e-01 - <_> - - 0 -1 1020 -1.1557409539818764e-02 - - -2.0509949326515198e-01 3.6868590861558914e-02 - <_> - - 0 -1 1021 -1.3373260153457522e-03 - - 1.2270689755678177e-01 -6.2221698462963104e-02 - <_> - - 0 -1 1022 1.6762840095907450e-03 - - -8.8421173393726349e-02 1.3434900343418121e-01 - <_> - - 0 -1 1023 7.7090170234441757e-03 - - 4.9661491066217422e-03 -7.5325018167495728e-01 - <_> - - 0 -1 1024 -1.7691600369289517e-03 - - -1.5910659730434418e-01 5.0247859209775925e-02 - <_> - - 0 -1 1025 1.4020030386745930e-02 - - -2.1401990205049515e-02 3.8334238529205322e-01 - <_> - - 0 -1 1026 1.4426360394281801e-05 - - -7.8059092164039612e-02 8.9304782450199127e-02 - <_> - - 0 -1 1027 -3.1559329479932785e-02 - - 2.3358459770679474e-01 -2.1906960755586624e-02 - <_> - - 0 -1 1028 -1.1780899949371815e-03 - - -1.7116659879684448e-01 4.0173828601837158e-02 - <_> - - 0 -1 1029 1.4788280241191387e-02 - - -3.6710381507873535e-02 2.1811370551586151e-01 - <_> - - 0 -1 1030 7.2554568760097027e-04 - - -9.1587312519550323e-02 7.8570358455181122e-02 - <_> - - 0 -1 1031 5.7623899920145050e-05 - - -8.7541349232196808e-02 7.2184711694717407e-02 - <_> - - 0 -1 1032 2.2748520132154226e-03 - - 5.7446658611297607e-02 -1.3148130476474762e-01 - <_> - - 0 -1 1033 -4.1168648749589920e-03 - - -2.0229530334472656e-01 1.2693749740719795e-02 - <_> - - 0 -1 1034 -1.0332450270652771e-02 - - 1.0516080260276794e-01 -7.0124857127666473e-02 - <_> - - 0 -1 1035 3.3246190287172794e-03 - - -4.0530338883399963e-02 5.9988118708133698e-02 - <_> - - 0 -1 1036 1.7478669760748744e-03 - - -8.1173956394195557e-02 1.1108309775590897e-01 - <_> - - 0 -1 1037 3.9028140599839389e-04 - - 4.8233661800622940e-02 -1.9484539330005646e-01 - <_> - - 0 -1 1038 1.6148900613188744e-04 - - 8.2814067602157593e-02 -9.4663769006729126e-02 - <_> - - 0 -1 1039 -1.7121629416942596e-01 - - 3.1984481215476990e-01 -1.1575589887797832e-02 - <_> - - 0 -1 1040 2.4543540179729462e-01 - - 1.4251790009438992e-02 -5.0641399621963501e-01 - <_> - - 0 -1 1041 3.0413989443331957e-03 - - -2.4235099554061890e-02 1.8348780274391174e-01 - <_> - - 0 -1 1042 -3.5697590559720993e-02 - - -2.8293010592460632e-01 2.4910699576139450e-02 - <_> - - 0 -1 1043 -2.9557330999523401e-03 - - 2.4772000312805176e-01 -2.4235939607024193e-02 - <_> - - 0 -1 1044 7.2135991649702191e-04 - - 3.4506618976593018e-02 -2.2165650129318237e-01 - <_> - - 0 -1 1045 -1.0706990025937557e-02 - - -8.6768919229507446e-01 6.9787860848009586e-03 - <_> - - 0 -1 1046 3.4451750107109547e-03 - - -2.2823199629783630e-02 3.1982448697090149e-01 - <_> - - 0 -1 1047 2.6111999526619911e-02 - - 3.6254660226404667e-03 -7.5875741243362427e-01 - <_> - - 0 -1 1048 -1.2527000159025192e-02 - - -4.5790728926658630e-01 1.6250349581241608e-02 - <_> - - 0 -1 1049 4.3875008821487427e-02 - - 1.7482640221714973e-02 -3.9459380507469177e-01 - <_> - - 0 -1 1050 6.7723668180406094e-03 - - -5.2476380020380020e-02 1.4575639367103577e-01 - <_> - - 0 -1 1051 7.8281061723828316e-03 - - -4.2176958173513412e-02 7.7543281018733978e-02 - <_> - - 0 -1 1052 -1.3225760310888290e-02 - - 1.5081860125064850e-01 -5.1193341612815857e-02 - <_> - - 0 -1 1053 1.0840999893844128e-03 - - 3.5837080329656601e-02 -2.2138750553131104e-01 - <_> - - 0 -1 1054 1.9366490596439689e-04 - - -8.7103597819805145e-02 8.8438250124454498e-02 - <_> - 161 - -1.0122050046920776e+00 - - <_> - - 0 -1 1055 -4.8138638958334923e-03 - - 3.3305510878562927e-01 -1.1184120178222656e-01 - <_> - - 0 -1 1056 -4.8076249659061432e-03 - - 2.2943000495433807e-01 -8.7792031466960907e-02 - <_> - - 0 -1 1057 -6.3146371394395828e-04 - - -2.5594729185104370e-01 7.8774467110633850e-02 - <_> - - 0 -1 1058 -3.3615701249800622e-04 - - -1.8154360353946686e-01 7.7407546341419220e-02 - <_> - - 0 -1 1059 5.8366339653730392e-02 - - 2.0159339532256126e-02 -3.7257949218750000e+04 - <_> - - 0 -1 1060 6.9574371445924044e-04 - - 8.5560150444507599e-02 -2.8294658660888672e-01 - <_> - - 0 -1 1061 6.4000801648944616e-04 - - 1.1213850229978561e-01 -2.4997310340404510e-01 - <_> - - 0 -1 1062 -8.4167812019586563e-03 - - 3.4115108847618103e-01 -9.1669142246246338e-02 - <_> - - 0 -1 1063 -2.2956470493227243e-03 - - 2.4936810135841370e-01 -5.6569069623947144e-02 - <_> - - 0 -1 1064 1.1676879599690437e-02 - - 3.5941518843173981e-02 -3.6494261026382446e-01 - <_> - - 0 -1 1065 -1.7014340264722705e-03 - - 1.4737150073051453e-01 -1.1686210334300995e-01 - <_> - - 0 -1 1066 -7.0934131508693099e-04 - - 9.5654368400573730e-02 -1.1207240074872971e-01 - <_> - - 0 -1 1067 4.3072118423879147e-03 - - 7.2915956377983093e-02 -2.3251010477542877e-01 - <_> - - 0 -1 1068 5.1240371540188789e-03 - - -4.7454528510570526e-02 3.8078710436820984e-01 - <_> - - 0 -1 1069 3.5788940731436014e-03 - - -4.7301489859819412e-02 2.9896679520606995e-01 - <_> - - 0 -1 1070 -3.3787379506975412e-03 - - -2.1025639772415161e-01 3.1566038727760315e-02 - <_> - - 0 -1 1071 1.6957529587671161e-03 - - 7.7830709517002106e-02 -1.7848539352416992e-01 - <_> - - 0 -1 1072 5.4554390953853726e-04 - - 3.4314308315515518e-02 -1.1110570281744003e-01 - <_> - - 0 -1 1073 7.1256239898502827e-03 - - -6.7792102694511414e-02 1.9082720577716827e-01 - <_> - - 0 -1 1074 -7.1168097201734781e-04 - - -1.4311639964580536e-01 4.7033898532390594e-02 - <_> - - 0 -1 1075 9.6405223011970520e-03 - - -3.5559050738811493e-02 3.5041770339012146e-01 - <_> - - 0 -1 1076 -1.4268929589889012e-05 - - 7.1855843067169189e-02 -7.3007427155971527e-02 - <_> - - 0 -1 1077 -3.9352979511022568e-03 - - -2.1431219577789307e-01 5.3092300891876221e-02 - <_> - - 0 -1 1078 -1.1273019947111607e-02 - - 4.3782061338424683e-01 -2.5934530422091484e-02 - <_> - - 0 -1 1079 -2.8332630172371864e-03 - - -2.6155671477317810e-01 4.1156601160764694e-02 - <_> - - 0 -1 1080 -1.3269010232761502e-03 - - 1.5967020392417908e-01 -3.3737391233444214e-02 - <_> - - 0 -1 1081 -9.1561209410429001e-03 - - -3.1967610120773315e-01 3.3890329301357269e-02 - <_> - - 0 -1 1082 -1.7915640026330948e-02 - - -7.0053237676620483e-01 4.4488841667771339e-03 - <_> - - 0 -1 1083 3.8176840171217918e-03 - - 6.2512502074241638e-02 -1.6921320557594299e-01 - <_> - - 0 -1 1084 4.5008640881860629e-05 - - -9.8662726581096649e-02 7.9565010964870453e-02 - <_> - - 0 -1 1085 -5.6530670262873173e-03 - - 2.9453009366989136e-01 -4.3036140501499176e-02 - <_> - - 0 -1 1086 1.3065920211374760e-03 - - -6.6126309335231781e-02 1.9360679388046265e-01 - <_> - - 0 -1 1087 4.9355439841747284e-03 - - 4.9594070762395859e-02 -2.2154040634632111e-01 - <_> - - 0 -1 1088 1.5995210036635399e-02 - - 4.5337058603763580e-02 -2.1014940738677979e-01 - <_> - - 0 -1 1089 1.0815339628607035e-03 - - -1.1542639881372452e-01 8.3288490772247314e-02 - <_> - - 0 -1 1090 8.7853492004796863e-04 - - 2.7896849438548088e-02 -9.9133409559726715e-02 - <_> - - 0 -1 1091 7.3434278601780534e-04 - - -5.6502331048250198e-02 1.7661200463771820e-01 - <_> - - 0 -1 1092 -1.0622059926390648e-03 - - -1.0033279657363892e-01 2.4592749774456024e-02 - <_> - - 0 -1 1093 -6.9304608041420579e-04 - - 1.5932570397853851e-01 -5.8667950332164764e-02 - <_> - - 0 -1 1094 9.1822311514988542e-04 - - 3.3871021121740341e-02 -1.1693420261144638e-01 - <_> - - 0 -1 1095 3.5730420495383441e-04 - - -7.0367507636547089e-02 1.4592669904232025e-01 - <_> - - 0 -1 1096 -7.4347230838611722e-04 - - -1.3231860101222992e-01 4.2515788227319717e-02 - <_> - - 0 -1 1097 -2.7919169515371323e-02 - - -6.4661091566085815e-01 1.4362960122525692e-02 - <_> - - 0 -1 1098 -7.2348387911915779e-03 - - 1.5208439528942108e-01 -2.5076340883970261e-02 - <_> - - 0 -1 1099 -1.2335630133748055e-02 - - -3.2772049307823181e-01 2.7494419366121292e-02 - <_> - - 0 -1 1100 8.9493131963536143e-04 - - -7.3789313435554504e-02 1.4715169370174408e-01 - <_> - - 0 -1 1101 -1.1678929440677166e-03 - - 2.3279860615730286e-01 -4.6786271035671234e-02 - <_> - - 0 -1 1102 -1.4189979992806911e-05 - - 4.3930541723966599e-02 -3.7888601422309875e-02 - <_> - - 0 -1 1103 1.1783849913626909e-03 - - 4.6435151249170303e-02 -2.2555530071258545e-01 - <_> - - 0 -1 1104 3.1638250220566988e-03 - - 1.4266540296375751e-02 -1.5830729901790619e-01 - <_> - - 0 -1 1105 -4.2278678156435490e-03 - - -2.3111909627914429e-01 3.9585571736097336e-02 - <_> - - 0 -1 1106 -2.9055060818791389e-02 - - 2.2005799412727356e-01 -1.8948260694742203e-02 - <_> - - 0 -1 1107 -1.4660089618701022e-05 - - 9.4057418406009674e-02 -8.9589871466159821e-02 - <_> - - 0 -1 1108 1.5642490470781922e-03 - - -2.9802989214658737e-02 2.0670419931411743e-01 - <_> - - 0 -1 1109 -1.6279580304399133e-03 - - -2.3323430120944977e-01 3.6563020199537277e-02 - <_> - - 0 -1 1110 -1.0405499488115311e-03 - - 5.9083230793476105e-02 -3.2685071229934692e-02 - <_> - - 0 -1 1111 -1.6444999491795897e-03 - - 1.3493299484252930e-01 -6.0224398970603943e-02 - <_> - - 0 -1 1112 -5.3500832291319966e-04 - - -1.0380990058183670e-01 2.6242509484291077e-02 - <_> - - 0 -1 1113 8.8775012409314513e-04 - - 3.5718239843845367e-02 -2.5862941145896912e-01 - <_> - - 0 -1 1114 3.7019669543951750e-03 - - -2.2746559232473373e-02 2.7165991067886353e-01 - <_> - - 0 -1 1115 -1.9900789484381676e-03 - - 2.2302250564098358e-01 -3.6304280161857605e-02 - <_> - - 0 -1 1116 3.3227570820599794e-03 - - 6.1393459327518940e-03 -5.9358280897140503e-01 - <_> - - 0 -1 1117 8.7127886712551117e-02 - - 3.1586099416017532e-02 -2.4441570043563843e-01 - <_> - - 0 -1 1118 -2.2545009851455688e-02 - - 6.0322389006614685e-02 -5.0378400832414627e-02 - <_> - - 0 -1 1119 7.1416068822145462e-03 - - -5.1704131066799164e-02 1.6004230082035065e-01 - <_> - - 0 -1 1120 -1.5722440555691719e-02 - - -7.1705770492553711e-01 1.1371869593858719e-02 - <_> - - 0 -1 1121 -3.6207420635037124e-04 - - -1.4637580513954163e-01 5.2074629813432693e-02 - <_> - - 0 -1 1122 -3.0946239829063416e-02 - - 2.8515431284904480e-01 -2.8299989178776741e-02 - <_> - - 0 -1 1123 -3.8750860840082169e-03 - - -1.8727800250053406e-01 4.7576699405908585e-02 - <_> - - 0 -1 1124 -5.3602852858603001e-04 - - 7.9475373029708862e-02 -3.9783481508493423e-02 - <_> - - 0 -1 1125 9.3597290106117725e-04 - - 3.0939189717173576e-02 -2.6814800500869751e-01 - <_> - - 0 -1 1126 8.5998268332332373e-04 - - -6.1905588954687119e-02 1.4959439635276794e-01 - <_> - - 0 -1 1127 -1.0758650023490191e-03 - - 7.5612559914588928e-02 -1.1494939774274826e-01 - <_> - - 0 -1 1128 4.5355302281677723e-03 - - 5.6059500202536583e-03 -5.7013422250747681e-01 - <_> - - 0 -1 1129 4.7198678657878190e-05 - - -1.0799890011548996e-01 8.5406206548213959e-02 - <_> - - 0 -1 1130 -1.0689400369301438e-03 - - 1.3189959526062012e-01 -7.2640426456928253e-02 - <_> - - 0 -1 1131 -7.7435292769223452e-04 - - -2.0819279551506042e-01 4.1918680071830750e-02 - <_> - - 0 -1 1132 -4.1570421308279037e-02 - - -3.8603949546813965e-01 6.2196617946028709e-03 - <_> - - 0 -1 1133 -1.2767040729522705e-01 - - -4.1226288676261902e-01 1.9546430557966232e-02 - <_> - - 0 -1 1134 4.6110390685498714e-03 - - -7.0534370839595795e-02 6.4243637025356293e-02 - <_> - - 0 -1 1135 -1.9830530509352684e-03 - - 1.5599420666694641e-01 -7.5535386800765991e-02 - <_> - - 0 -1 1136 5.5741341784596443e-03 - - -5.3869280964136124e-02 1.7663550376892090e-01 - <_> - - 0 -1 1137 -6.2112910673022270e-03 - - -2.4935899674892426e-01 3.7481259554624557e-02 - <_> - - 0 -1 1138 -1.4880870003253222e-03 - - 1.7453719675540924e-01 -2.9856640845537186e-02 - <_> - - 0 -1 1139 -1.6566930571570992e-03 - - -1.3825559616088867e-01 6.4315892755985260e-02 - <_> - - 0 -1 1140 -1.2179469689726830e-02 - - -7.3452550172805786e-01 6.6957371309399605e-03 - <_> - - 0 -1 1141 -8.2790851593017578e-04 - - -2.1595530211925507e-01 3.7085570394992828e-02 - <_> - - 0 -1 1142 -1.6515310853719711e-02 - - 8.6132906377315521e-02 -3.9982698857784271e-02 - <_> - - 0 -1 1143 6.3035473227500916e-02 - - -3.2119460403919220e-02 2.7596130967140198e-01 - <_> - - 0 -1 1144 -1.4381350483745337e-03 - - -2.1799820661544800e-01 4.0228120982646942e-02 - <_> - - 0 -1 1145 -8.3341673016548157e-03 - - 2.0551650226116180e-01 -4.3687049299478531e-02 - <_> - - 0 -1 1146 -2.6486050337553024e-03 - - 1.1604149639606476e-01 -1.5633650124073029e-02 - <_> - - 0 -1 1147 1.0625630384311080e-03 - - -5.9282109141349792e-02 1.7666099965572357e-01 - <_> - - 0 -1 1148 1.6927489778026938e-03 - - 2.1706450730562210e-02 -1.2041869759559631e-01 - <_> - - 0 -1 1149 4.3286401778459549e-03 - - 1.2777020223438740e-02 -6.8458771705627441e-01 - <_> - - 0 -1 1150 -5.0025819800794125e-03 - - 6.9742977619171143e-02 -4.5128200203180313e-02 - <_> - - 0 -1 1151 -4.0001221932470798e-03 - - -2.1252320706844330e-01 4.0566269308328629e-02 - <_> - - 0 -1 1152 -2.9794070869684219e-03 - - -1.9225180149078369e-01 3.7790048867464066e-02 - <_> - - 0 -1 1153 -4.7926669940352440e-03 - - 2.0764119923114777e-01 -4.1848249733448029e-02 - <_> - - 0 -1 1154 -1.2958609731867909e-03 - - 1.0586590319871902e-01 -1.0162109881639481e-01 - <_> - - 0 -1 1155 -3.9834968745708466e-02 - - -4.6228501200675964e-01 1.7882000654935837e-02 - <_> - - 0 -1 1156 -3.5444050445221364e-04 - - 9.8369859158992767e-02 -7.9836666584014893e-02 - <_> - - 0 -1 1157 7.3516031261533499e-04 - - 4.3184559792280197e-02 -1.7705610394477844e-01 - <_> - - 0 -1 1158 -2.2232010960578918e-03 - - 2.6093319058418274e-01 -2.0896289497613907e-02 - <_> - - 0 -1 1159 -3.3918209373950958e-02 - - -4.2818689346313477e-01 1.8691619858145714e-02 - <_> - - 0 -1 1160 1.6966359689831734e-03 - - -3.7930358201265335e-02 5.3745239973068237e-02 - <_> - - 0 -1 1161 -1.6069110482931137e-02 - - 2.7468490600585938e-01 -2.6708930730819702e-02 - <_> - - 0 -1 1162 6.7740790545940399e-03 - - 1.4412250369787216e-02 -4.3264049291610718e-01 - <_> - - 0 -1 1163 -4.1755018755793571e-03 - - -2.5962948799133301e-01 2.8292329981923103e-02 - <_> - - 0 -1 1164 1.2053320184350014e-02 - - -1.6576129943132401e-02 2.3224839568138123e-01 - <_> - - 0 -1 1165 -2.6080579118570313e-05 - - 8.1346921622753143e-02 -9.0487897396087646e-02 - <_> - - 0 -1 1166 -1.4344100236485247e-05 - - 3.6852870136499405e-02 -4.1185200214385986e-02 - <_> - - 0 -1 1167 -3.9379368536174297e-03 - - -3.1543010473251343e-01 2.5417279452085495e-02 - <_> - - 0 -1 1168 4.0381070226430893e-02 - - 2.3525550495833158e-03 -6.2616312503814697e-01 - <_> - - 0 -1 1169 6.4301681704819202e-03 - - -5.3877070546150208e-02 1.4479260146617889e-01 - <_> - - 0 -1 1170 -4.6332839876413345e-02 - - -3.8724219799041748e-01 9.4530889764428139e-03 - <_> - - 0 -1 1171 1.0219570249319077e-02 - - 2.7350710704922676e-02 -2.6912888884544373e-01 - <_> - - 0 -1 1172 3.5570480395108461e-03 - - -3.1693849712610245e-02 9.5666013658046722e-02 - <_> - - 0 -1 1173 3.3236679882975295e-05 - - -7.8234672546386719e-02 9.4776540994644165e-02 - <_> - - 0 -1 1174 -5.1339739002287388e-03 - - 1.6685609519481659e-01 -2.7505289763212204e-02 - <_> - - 0 -1 1175 -1.4517169802275021e-05 - - 7.5686343014240265e-02 -1.0133370012044907e-01 - <_> - - 0 -1 1176 3.1801449949853122e-04 - - 4.8777759075164795e-02 -1.4337550103664398e-01 - <_> - - 0 -1 1177 3.1173340976238251e-03 - - -3.3060338348150253e-02 2.3306910693645477e-01 - <_> - - 0 -1 1178 2.5181370973587036e-01 - - 2.5762580335140228e-03 -8.7339729070663452e-01 - <_> - - 0 -1 1179 -2.1105359494686127e-01 - - -4.9011439085006714e-01 1.4697089791297913e-02 - <_> - - 0 -1 1180 2.0397249609231949e-02 - - 6.3519459217786789e-03 -4.9986541271209717e-01 - <_> - - 0 -1 1181 5.0813501002267003e-04 - - 4.4790260493755341e-02 -1.4761149883270264e-01 - <_> - - 0 -1 1182 -3.8189589977264404e-03 - - 9.7741521894931793e-02 -3.0301010236144066e-02 - <_> - - 0 -1 1183 -1.7395459581166506e-03 - - 2.4675619602203369e-01 -2.9020030051469803e-02 - <_> - - 0 -1 1184 4.1809340473264456e-04 - - 5.0920631736516953e-02 -1.0856080055236816e-01 - <_> - - 0 -1 1185 1.3991099549457431e-03 - - 5.8758009225130081e-02 -1.1712399870157242e-01 - <_> - - 0 -1 1186 8.7988591985777020e-04 - - -3.8413930684328079e-02 6.0627821832895279e-02 - <_> - - 0 -1 1187 -1.7343460349366069e-03 - - 1.2327539920806885e-01 -5.8927621692419052e-02 - <_> - - 0 -1 1188 -5.1964629441499710e-02 - - -2.7523401379585266e-01 2.5769200176000595e-02 - <_> - - 0 -1 1189 1.1679840087890625e-01 - - -1.6948359087109566e-02 4.8907220363616943e-01 - <_> - - 0 -1 1190 1.5027469999040477e-05 - - -4.2930729687213898e-02 4.5053750276565552e-02 - <_> - - 0 -1 1191 -6.2790908850729465e-03 - - 1.0057970136404037e-01 -7.1604646742343903e-02 - <_> - - 0 -1 1192 2.2292429581284523e-02 - - -3.3260539174079895e-02 5.9876371175050735e-02 - <_> - - 0 -1 1193 1.1112909764051437e-02 - - 1.8461560830473900e-02 -4.0056389570236206e-01 - <_> - - 0 -1 1194 -2.7678120881319046e-02 - - -1.5821710228919983e-01 4.4526699930429459e-02 - <_> - - 0 -1 1195 1.1028380133211613e-02 - - -5.8520350605249405e-02 1.2061409652233124e-01 - <_> - - 0 -1 1196 -3.5407328605651855e-01 - - -9.0477108955383301e-01 3.2190340571105480e-03 - <_> - - 0 -1 1197 -2.9098710510879755e-03 - - 2.3300099372863770e-01 -3.2274879515171051e-02 - <_> - - 0 -1 1198 6.7031742073595524e-03 - - 5.4442249238491058e-02 -1.4111320674419403e-01 - <_> - - 0 -1 1199 -2.3569950833916664e-02 - - 2.6528549194335938e-01 -2.7591150254011154e-02 - <_> - - 0 -1 1200 8.1230228533968329e-04 - - -3.4654319286346436e-02 3.8616400212049484e-02 - <_> - - 0 -1 1201 -4.9135009758174419e-03 - - -4.4999811053276062e-01 1.7377259209752083e-02 - <_> - - 0 -1 1202 4.7644469304941595e-04 - - 4.3053060770034790e-02 -1.6222530603408813e-01 - <_> - - 0 -1 1203 -1.2371529592201114e-03 - - -1.9527329504489899e-01 3.4781698137521744e-02 - <_> - - 0 -1 1204 2.7213430032134056e-02 - - 2.6703500188887119e-03 -4.6807101368904114e-01 - <_> - - 0 -1 1205 7.8581515699625015e-03 - - -3.1454358249902725e-02 2.3968310654163361e-01 - <_> - - 0 -1 1206 -9.4054918736219406e-03 - - -1.8506290018558502e-01 2.6161460205912590e-02 - <_> - - 0 -1 1207 2.1883580833673477e-02 - - 1.5367889776825905e-02 -4.7111880779266357e-01 - <_> - - 0 -1 1208 1.8064159899950027e-02 - - -2.2110609337687492e-02 2.4883800745010376e-01 - <_> - - 0 -1 1209 9.4773704186081886e-03 - - -3.2008700072765350e-02 2.1519260108470917e-01 - <_> - - 0 -1 1210 -1.6133759170770645e-02 - - -3.2680571079254150e-01 1.9019920378923416e-02 - <_> - - 0 -1 1211 2.4490270763635635e-02 - - -5.3573019802570343e-02 1.3475239276885986e-01 - <_> - - 0 -1 1212 -4.5099710114300251e-03 - - 6.3583053648471832e-02 -4.9054648727178574e-02 - <_> - - 0 -1 1213 1.4463099651038647e-03 - - 5.5047128349542618e-02 -1.3593649864196777e-01 - <_> - - 0 -1 1214 2.7760691009461880e-03 - - -4.2384490370750427e-02 6.7933753132820129e-02 - <_> - - 0 -1 1215 -1.4073699712753296e-01 - - -2.4455660581588745e-01 2.8879430145025253e-02 - <_> - 237 - -9.5147550106048584e-01 - - <_> - - 0 -1 1216 -1.3682370074093342e-02 - - 3.2413798570632935e-01 -1.4175209403038025e-01 - <_> - - 0 -1 1217 -1.4372760429978371e-02 - - 2.4135230481624603e-01 -4.4534299522638321e-02 - <_> - - 0 -1 1218 -8.1836461322382092e-04 - - 1.0672769695520401e-01 -1.5665370225906372e-01 - <_> - - 0 -1 1219 -1.2486530095338821e-01 - - 3.4077370166778564e-01 -4.3315630406141281e-02 - <_> - - 0 -1 1220 1.6304250061511993e-01 - - 1.5282359672710299e-03 -4.0748660278320312e+02 - <_> - - 0 -1 1221 3.2605718821287155e-02 - - -6.1942920088768005e-02 2.5561058521270752e-01 - <_> - - 0 -1 1222 1.8693620339035988e-02 - - 1.0656840167939663e-03 -1.1298509521484375e+03 - <_> - - 0 -1 1223 4.1687521152198315e-03 - - 3.6205310374498367e-02 -3.4358918666839600e-01 - <_> - - 0 -1 1224 2.4810180068016052e-01 - - 1.0417460463941097e-02 -1.4925009765625000e+03 - <_> - - 0 -1 1225 -1.5247239498421550e-03 - - 1.0447689890861511e-01 -1.1282300204038620e-01 - <_> - - 0 -1 1226 4.3308010697364807e-01 - - -4.9477489665150642e-03 -2.2265880859375000e+04 - <_> - - 0 -1 1227 1.2200199998915195e-03 - - 4.8132400959730148e-02 -1.1945640295743942e-01 - <_> - - 0 -1 1228 3.4034859389066696e-02 - - 1.2363449670374393e-02 -1.2715170312500000e+05 - <_> - - 0 -1 1229 2.9459499273798428e-05 - - -4.2258169502019882e-02 4.6157348901033401e-02 - <_> - - 0 -1 1230 5.0410781055688858e-02 - - 3.1929798424243927e-02 -7.3170861816406250e+02 - <_> - - 0 -1 1231 3.4591180738061666e-03 - - 6.5230898559093475e-02 -1.8423840403556824e-01 - <_> - - 0 -1 1232 6.1741018295288086e-01 - - -9.0229194611310959e-03 -1.5548990234375000e+04 - <_> - - 0 -1 1233 1.6172550618648529e-02 - - -2.1732240915298462e-02 4.3600159883499146e-01 - <_> - - 0 -1 1234 4.3139848858118057e-03 - - 7.4104718863964081e-02 -1.5698270499706268e-01 - <_> - - 0 -1 1235 2.5886419415473938e-01 - - -3.3373549580574036e-02 2.7657139301300049e-01 - <_> - - 0 -1 1236 -5.6355118751525879e-02 - - 1.6577279567718506e-01 -7.0722267031669617e-02 - <_> - - 0 -1 1237 -2.8677979484200478e-02 - - -1.8732979893684387e-01 3.8104340434074402e-02 - <_> - - 0 -1 1238 2.6342319324612617e-02 - - -6.6387602128088474e-03 -1.2419830078125000e+04 - <_> - - 0 -1 1239 2.3009490221738815e-02 - - -2.2657530382275581e-02 1.2870970368385315e-01 - <_> - - 0 -1 1240 -2.8790850192308426e-03 - - 1.2932890653610229e-01 -7.0002339780330658e-02 - <_> - - 0 -1 1241 -3.6661271005868912e-02 - - -2.0944400131702423e-01 5.1285970956087112e-02 - <_> - - 0 -1 1242 1.0139449685811996e-01 - - 6.2089762650430202e-04 -1.0912600097656250e+03 - <_> - - 0 -1 1243 -9.5230191946029663e-03 - - 1.1074540019035339e-01 -4.9746628850698471e-02 - <_> - - 0 -1 1244 4.7148238867521286e-02 - - -1.8974080681800842e-02 4.4045388698577881e-01 - <_> - - 0 -1 1245 2.6617941330187023e-04 - - 3.5245511680841446e-02 -1.2747010588645935e-01 - <_> - - 0 -1 1246 -1.6388510121032596e-03 - - 9.0450480580329895e-02 -9.1294348239898682e-02 - <_> - - 0 -1 1247 1.0469569824635983e-03 - - 3.5024590790271759e-02 -2.4553160369396210e-01 - <_> - - 0 -1 1248 5.7105771265923977e-03 - - -4.1117560118436813e-02 2.0729669928550720e-01 - <_> - - 0 -1 1249 -3.0254309531301260e-03 - - -1.6913729906082153e-01 3.2537300139665604e-02 - <_> - - 0 -1 1250 4.3001459562219679e-04 - - -9.0787641704082489e-02 9.5726296305656433e-02 - <_> - - 0 -1 1251 -2.8151560574769974e-02 - - 3.1782031059265137e-01 -1.5754420310258865e-02 - <_> - - 0 -1 1252 1.4203020371496677e-02 - - 3.6543320864439011e-02 -2.4772170186042786e-01 - <_> - - 0 -1 1253 1.4925509458407760e-03 - - -5.6895390152931213e-02 1.6450239717960358e-01 - <_> - - 0 -1 1254 -1.5694119501858950e-03 - - -2.1969459950923920e-01 4.2165379971265793e-02 - <_> - - 0 -1 1255 3.3460158854722977e-02 - - -3.0376350507140160e-02 2.4883690476417542e-01 - <_> - - 0 -1 1256 2.1535790438065305e-05 - - -1.1558929830789566e-01 7.5267367064952850e-02 - <_> - - 0 -1 1257 2.2091339633334428e-04 - - 4.7116700559854507e-02 -1.3771249353885651e-01 - <_> - - 0 -1 1258 -3.0852231429889798e-04 - - -1.7308589816093445e-01 5.2946820855140686e-02 - <_> - - 0 -1 1259 -2.2987410426139832e-02 - - 9.3859672546386719e-02 -4.9169398844242096e-02 - <_> - - 0 -1 1260 -1.9873609766364098e-02 - - 2.2172120213508606e-01 -4.0203988552093506e-02 - <_> - - 0 -1 1261 -2.1868769545108080e-03 - - 7.3976643383502960e-02 -4.0414918214082718e-02 - <_> - - 0 -1 1262 1.9180430099368095e-03 - - 2.2919140756130219e-02 -3.7119540572166443e-01 - <_> - - 0 -1 1263 1.9919909536838531e-03 - - -4.3757811188697815e-02 1.5035259723663330e-01 - <_> - - 0 -1 1264 -1.8371410667896271e-02 - - -3.4854280948638916e-01 2.2885089740157127e-02 - <_> - - 0 -1 1265 3.3407800365239382e-03 - - 3.4570869058370590e-02 -1.2488479912281036e-01 - <_> - - 0 -1 1266 -5.8704670518636703e-02 - - 3.7905201315879822e-01 -2.6460919529199600e-02 - <_> - - 0 -1 1267 6.8355379626154900e-03 - - 6.1131529510021210e-03 -3.2385069131851196e-01 - <_> - - 0 -1 1268 -2.8255670331418514e-03 - - -3.1155520677566528e-01 2.6504810899496078e-02 - <_> - - 0 -1 1269 2.2296449169516563e-03 - - -3.1206009909510612e-02 1.7110890150070190e-01 - <_> - - 0 -1 1270 6.5813441760838032e-03 - - -4.7404121607542038e-02 1.7835719883441925e-01 - <_> - - 0 -1 1271 1.0121960192918777e-01 - - 1.4261390082538128e-02 -4.3145358562469482e-01 - <_> - - 0 -1 1272 3.0684550292789936e-03 - - 3.0059700831770897e-02 -2.4846489727497101e-01 - <_> - - 0 -1 1273 -3.0772039666771889e-02 - - 3.2272088527679443e-01 -1.0183470323681831e-02 - <_> - - 0 -1 1274 2.2650569677352905e-02 - - -2.3484040051698685e-02 3.2515829801559448e-01 - <_> - - 0 -1 1275 3.3587489277124405e-02 - - -3.5907190293073654e-02 9.0325959026813507e-02 - <_> - - 0 -1 1276 -1.0384810157120228e-02 - - -2.4556130170822144e-01 3.0561409890651703e-02 - <_> - - 0 -1 1277 -1.3354570546653122e-04 - - 8.3960212767124176e-02 -9.1717928647994995e-02 - <_> - - 0 -1 1278 -2.9986540321260691e-03 - - 1.6547350585460663e-01 -5.0249978899955750e-02 - <_> - - 0 -1 1279 -2.9653869205503725e-05 - - 4.8514939844608307e-02 -3.7718929350376129e-02 - <_> - - 0 -1 1280 -1.8298539798706770e-03 - - 1.0312289744615555e-01 -7.0163890719413757e-02 - <_> - - 0 -1 1281 -7.9780339729040861e-04 - - -1.6155080497264862e-01 3.3425241708755493e-02 - <_> - - 0 -1 1282 1.6090199351310730e-02 - - -2.3172449320554733e-02 3.1312319636344910e-01 - <_> - - 0 -1 1283 -2.6117239147424698e-02 - - -1.8283359706401825e-01 4.4406160712242126e-02 - <_> - - 0 -1 1284 5.3988862782716751e-04 - - 3.7879750132560730e-02 -1.9420880079269409e-01 - <_> - - 0 -1 1285 8.3446368575096130e-02 - - -5.4222598671913147e-02 1.1876580119132996e-01 - <_> - - 0 -1 1286 -5.8048460632562637e-02 - - 1.1394450068473816e-01 -9.1198466718196869e-02 - <_> - - 0 -1 1287 -1.8814830109477043e-03 - - -1.5262010693550110e-01 2.3864509537816048e-02 - <_> - - 0 -1 1288 1.3132189633324742e-03 - - -4.6137560158967972e-02 1.4679610729217529e-01 - <_> - - 0 -1 1289 -1.7690629465505481e-03 - - 9.4071052968502045e-02 -3.4722801297903061e-02 - <_> - - 0 -1 1290 -1.0372219840064645e-03 - - 1.8261389434337616e-01 -4.6382140368223190e-02 - <_> - - 0 -1 1291 1.0254649678245187e-03 - - 4.6782769262790680e-02 -1.5734140574932098e-01 - <_> - - 0 -1 1292 6.0706451768055558e-04 - - 5.0757829099893570e-02 -1.4380960166454315e-01 - <_> - - 0 -1 1293 2.8512319549918175e-02 - - -4.1036080569028854e-02 1.3501669466495514e-01 - <_> - - 0 -1 1294 1.3121340423822403e-02 - - 1.8242850899696350e-02 -4.0659961104393005e-01 - <_> - - 0 -1 1295 -1.0520350188016891e-03 - - -9.1481313109397888e-02 4.8208720982074738e-02 - <_> - - 0 -1 1296 -5.2031682571396232e-04 - - 1.7003460228443146e-01 -5.6223969906568527e-02 - <_> - - 0 -1 1297 3.6587389186024666e-03 - - 2.7709450572729111e-02 -2.8259190917015076e-01 - <_> - - 0 -1 1298 6.9533567875623703e-03 - - -2.7793539687991142e-02 2.6696971058845520e-01 - <_> - - 0 -1 1299 -2.7009609621018171e-03 - - -1.1849860101938248e-01 2.9575539752840996e-02 - <_> - - 0 -1 1300 2.6926631107926369e-03 - - 3.4701220691204071e-02 -1.9704259932041168e-01 - <_> - - 0 -1 1301 8.9048492908477783e-01 - - 9.4922678545117378e-03 -6.9257652759552002e-01 - <_> - - 0 -1 1302 1.2570730410516262e-02 - - 1.0482070036232471e-02 -5.3685492277145386e-01 - <_> - - 0 -1 1303 -9.8518103361129761e-02 - - -1.3873669505119324e-01 1.6502020880579948e-02 - <_> - - 0 -1 1304 2.2518350742757320e-03 - - -3.8794040679931641e-02 1.7727519571781158e-01 - <_> - - 0 -1 1305 2.5133260060101748e-03 - - -2.7275720611214638e-02 1.4456109702587128e-01 - <_> - - 0 -1 1306 -1.6838839510455728e-03 - - 1.5908120572566986e-01 -4.3830271810293198e-02 - <_> - - 0 -1 1307 1.0922889923676848e-03 - - 3.0462669208645821e-02 -2.0940789580345154e-01 - <_> - - 0 -1 1308 -4.6525499783456326e-03 - - -5.0559902191162109e-01 1.2849849648773670e-02 - <_> - - 0 -1 1309 3.9402171969413757e-03 - - 1.2510060332715511e-02 -3.6254620552062988e-01 - <_> - - 0 -1 1310 3.1555439345538616e-03 - - 9.6861021593213081e-03 -6.0146772861480713e-01 - <_> - - 0 -1 1311 -7.4672501068562269e-04 - - 7.9826571047306061e-02 -6.6200077533721924e-02 - <_> - - 0 -1 1312 3.4551098942756653e-03 - - -2.1648630499839783e-02 2.7341049909591675e-01 - <_> - - 0 -1 1313 -1.8974170088768005e-03 - - -9.0953402221202850e-02 1.6143409535288811e-02 - <_> - - 0 -1 1314 3.5065270494669676e-03 - - 2.2660460323095322e-02 -2.7876350283622742e-01 - <_> - - 0 -1 1315 -2.8986909455852583e-05 - - 5.1336620002985001e-02 -6.1516389250755310e-02 - <_> - - 0 -1 1316 -7.4356691911816597e-03 - - 1.0708740353584290e-01 -6.0333460569381714e-02 - <_> - - 0 -1 1317 3.8960299571044743e-04 - - -4.9783200025558472e-02 4.2651828378438950e-02 - <_> - - 0 -1 1318 -3.8861521170474589e-04 - - 1.1715649813413620e-01 -6.5398089587688446e-02 - <_> - - 0 -1 1319 6.1152309179306030e-02 - - 3.6394819617271423e-03 -6.6099071502685547e-01 - <_> - - 0 -1 1320 -3.3038608729839325e-02 - - -1.7845560610294342e-01 3.6528710275888443e-02 - <_> - - 0 -1 1321 -4.0356258978135884e-04 - - 2.6595359668135643e-02 -3.6493018269538879e-02 - <_> - - 0 -1 1322 -2.9699380975216627e-03 - - 1.7883479595184326e-01 -4.9407958984375000e-02 - <_> - - 0 -1 1323 5.5536800064146519e-03 - - 2.0649340003728867e-02 -1.5717330574989319e-01 - <_> - - 0 -1 1324 -2.0024640485644341e-02 - - 2.2152520716190338e-01 -3.0920460820198059e-02 - <_> - - 0 -1 1325 -6.8768248893320560e-03 - - -2.0433600246906281e-01 1.4137160032987595e-02 - <_> - - 0 -1 1326 2.7050529606640339e-03 - - 4.4882070273160934e-02 -1.6589009761810303e-01 - <_> - - 0 -1 1327 4.5226789079606533e-03 - - -9.3675320968031883e-03 8.1165276467800140e-02 - <_> - - 0 -1 1328 -1.0950569994747639e-03 - - -1.6356320679187775e-01 4.3779909610748291e-02 - <_> - - 0 -1 1329 -9.1500708367675543e-04 - - 1.1621239781379700e-01 -4.0983591228723526e-02 - <_> - - 0 -1 1330 2.8402361273765564e-01 - - 1.0129080154001713e-02 -6.0319852828979492e-01 - <_> - - 0 -1 1331 -1.6765540465712547e-02 - - 7.5574487447738647e-02 -4.7983448952436447e-02 - <_> - - 0 -1 1332 -1.0621249675750732e-03 - - -1.7645570635795593e-01 3.7266809493303299e-02 - <_> - - 0 -1 1333 -1.3859430328011513e-02 - - 1.9205330312252045e-01 -2.5051679462194443e-02 - <_> - - 0 -1 1334 6.3116271048784256e-03 - - -3.7239659577608109e-02 1.7168369889259338e-01 - <_> - - 0 -1 1335 1.7877150326967239e-02 - - 5.6739561259746552e-03 -3.8877210021018982e-01 - <_> - - 0 -1 1336 5.4825581610202789e-03 - - 3.0310610309243202e-02 -2.2730059921741486e-01 - <_> - - 0 -1 1337 -1.3553289696574211e-02 - - 2.6057419180870056e-01 -6.3845720142126083e-03 - <_> - - 0 -1 1338 2.5274800136685371e-03 - - 4.0234599262475967e-02 -1.7549510300159454e-01 - <_> - - 0 -1 1339 -6.4695789478719234e-03 - - 7.6588369905948639e-02 -5.7295378297567368e-02 - <_> - - 0 -1 1340 -6.7757196724414825e-02 - - 2.2221979498863220e-01 -3.3134650439023972e-02 - <_> - - 0 -1 1341 -8.4518149495124817e-02 - - -5.0019848346710205e-01 4.1239801794290543e-03 - <_> - - 0 -1 1342 -8.1915102899074554e-02 - - -6.5000212192535400e-01 9.2215994372963905e-03 - <_> - - 0 -1 1343 5.9685902670025826e-04 - - 3.1704228371381760e-02 -7.0871040225028992e-02 - <_> - - 0 -1 1344 -2.3389240726828575e-02 - - 1.0624480247497559e-01 -6.4790308475494385e-02 - <_> - - 0 -1 1345 -8.0898992018774152e-04 - - -1.1900889873504639e-01 3.2629311084747314e-02 - <_> - - 0 -1 1346 1.9939169287681580e-03 - - 7.4816852807998657e-02 -9.5308631658554077e-02 - <_> - - 0 -1 1347 -3.4726969897747040e-03 - - 2.1070009469985962e-01 -3.9540618658065796e-02 - <_> - - 0 -1 1348 -3.3657159656286240e-03 - - 1.2709540128707886e-01 -5.5735819041728973e-02 - <_> - - 0 -1 1349 -1.3575919903814793e-02 - - -1.5449869632720947e-01 4.0265358984470367e-02 - <_> - - 0 -1 1350 1.6253659850917757e-04 - - -1.1073529720306396e-01 6.9158107042312622e-02 - <_> - - 0 -1 1351 -8.3766528405249119e-04 - - 8.5044503211975098e-02 -5.0807278603315353e-02 - <_> - - 0 -1 1352 6.7485118051990867e-04 - - 3.3850058913230896e-02 -1.8681390583515167e-01 - <_> - - 0 -1 1353 4.5086331665515900e-02 - - -2.2217540070414543e-02 1.6278229653835297e-01 - <_> - - 0 -1 1354 3.5375991137698293e-04 - - -8.4861122071743011e-02 7.9549372196197510e-02 - <_> - - 0 -1 1355 -5.7213287800550461e-03 - - -1.5201200544834137e-01 8.8938418775796890e-03 - <_> - - 0 -1 1356 -7.2676259151194245e-05 - - 7.4427559971809387e-02 -9.4257198274135590e-02 - <_> - - 0 -1 1357 -1.5427060425281525e-03 - - 9.9066533148288727e-02 -1.4238010160624981e-02 - <_> - - 0 -1 1358 -3.1625840347260237e-03 - - -1.8063150346279144e-01 3.3944349735975266e-02 - <_> - - 0 -1 1359 6.6523120040073991e-04 - - -4.0894519537687302e-02 6.0058850795030594e-02 - <_> - - 0 -1 1360 -2.7951318770647049e-04 - - 8.7963223457336426e-02 -7.9021811485290527e-02 - <_> - - 0 -1 1361 2.1129949018359184e-03 - - 3.6279819905757904e-02 -8.4132328629493713e-02 - <_> - - 0 -1 1362 9.9497847259044647e-03 - - -5.5264249444007874e-02 1.2318620085716248e-01 - <_> - - 0 -1 1363 5.4585319012403488e-03 - - 1.7271419987082481e-02 -1.4714859426021576e-01 - <_> - - 0 -1 1364 -1.5861300053074956e-03 - - 1.7243680357933044e-01 -3.7152450531721115e-02 - <_> - - 0 -1 1365 -3.7650260492227972e-04 - - -1.5841029584407806e-01 4.2054440826177597e-02 - <_> - - 0 -1 1366 4.8947380855679512e-04 - - -8.6445927619934082e-02 8.4095031023025513e-02 - <_> - - 0 -1 1367 -4.2103161104023457e-04 - - 1.2958380579948425e-01 -5.7010810822248459e-02 - <_> - - 0 -1 1368 1.7509369645267725e-03 - - -3.1569670885801315e-02 2.3537610471248627e-01 - <_> - - 0 -1 1369 3.2388899475336075e-02 - - 9.8493462428450584e-03 -2.5093591213226318e-01 - <_> - - 0 -1 1370 -1.1695439752656966e-04 - - -1.2052779644727707e-01 5.7291809469461441e-02 - <_> - - 0 -1 1371 5.2962708286941051e-04 - - 3.8372319191694260e-02 -1.2122260034084320e-01 - <_> - - 0 -1 1372 -1.6693899407982826e-02 - - 9.3027323484420776e-02 -6.7262589931488037e-02 - <_> - - 0 -1 1373 -4.4602990965358913e-04 - - -9.7155101597309113e-02 3.2263729721307755e-02 - <_> - - 0 -1 1374 2.7705840766429901e-02 - - -4.5673649758100510e-02 1.3469059765338898e-01 - <_> - - 0 -1 1375 1.4168629604682792e-05 - - -5.1646851003170013e-02 5.7442869991064072e-02 - <_> - - 0 -1 1376 6.5597752109169960e-04 - - 4.1580449789762497e-02 -1.5479899942874908e-01 - <_> - - 0 -1 1377 -1.9950540736317635e-02 - - 1.0158760100603104e-01 -4.1194550693035126e-02 - <_> - - 0 -1 1378 -1.0277380049228668e-01 - - 2.7642831206321716e-01 -2.2232910618185997e-02 - <_> - - 0 -1 1379 -1.1396359652280807e-02 - - -2.9092219471931458e-01 7.6221348717808723e-03 - <_> - - 0 -1 1380 4.2369891889393330e-03 - - 2.8951080515980721e-02 -2.1133390069007874e-01 - <_> - - 0 -1 1381 1.3533539604395628e-03 - - -1.7100410535931587e-02 1.1205810308456421e-01 - <_> - - 0 -1 1382 3.8031381368637085e-01 - - 1.7792930826544762e-02 -3.3087378740310669e-01 - <_> - - 0 -1 1383 -4.9306880100630224e-05 - - 5.7494789361953735e-02 -5.7994779199361801e-02 - <_> - - 0 -1 1384 -2.0659419242292643e-03 - - -2.4288409948348999e-01 2.6420449838042259e-02 - <_> - - 0 -1 1385 -5.7952571660280228e-04 - - 4.3308749794960022e-02 -5.1844529807567596e-02 - <_> - - 0 -1 1386 2.9111439289408736e-05 - - -1.0596740245819092e-01 5.8839380741119385e-02 - <_> - - 0 -1 1387 1.4325099982670508e-05 - - -7.7876992523670197e-02 6.6765457391738892e-02 - <_> - - 0 -1 1388 7.4459682218730450e-04 - - -8.3045527338981628e-02 1.0169909894466400e-01 - <_> - - 0 -1 1389 -2.7282300870865583e-03 - - 7.7897660434246063e-02 -2.5507520884275436e-02 - <_> - - 0 -1 1390 1.5567449852824211e-02 - - 1.0506859980523586e-02 -5.9925341606140137e-01 - <_> - - 0 -1 1391 -6.8032061681151390e-03 - - 2.6317459344863892e-01 -2.7121569961309433e-02 - <_> - - 0 -1 1392 4.7938480973243713e-02 - - 7.4435519054532051e-03 -8.8113451004028320e-01 - <_> - - 0 -1 1393 -1.7394230235368013e-03 - - -1.0975260287523270e-01 5.5294711142778397e-02 - <_> - - 0 -1 1394 2.0128060132265091e-02 - - -2.9149420559406281e-02 2.2172920405864716e-01 - <_> - - 0 -1 1395 -4.3711899779736996e-03 - - -1.2924540042877197e-01 1.5891730785369873e-02 - <_> - - 0 -1 1396 1.0657859966158867e-02 - - -2.6825129985809326e-02 2.2967310249805450e-01 - <_> - - 0 -1 1397 -2.5562180206179619e-02 - - -9.6018558740615845e-01 2.4847979657351971e-03 - <_> - - 0 -1 1398 1.2549740495160222e-03 - - 6.5428301692008972e-02 -9.0715043246746063e-02 - <_> - - 0 -1 1399 -3.6583960056304932e-02 - - -8.2619887590408325e-01 9.8219967912882566e-04 - <_> - - 0 -1 1400 -1.0427700355648994e-02 - - 2.0940390229225159e-01 -2.9688650742173195e-02 - <_> - - 0 -1 1401 4.6284540439955890e-04 - - -9.5797866582870483e-02 6.4504817128181458e-02 - <_> - - 0 -1 1402 -1.7270300304517150e-03 - - -1.8250599503517151e-01 4.3564688414335251e-02 - <_> - - 0 -1 1403 -2.0097640808671713e-03 - - 1.7395040392875671e-01 -3.4777939319610596e-02 - <_> - - 0 -1 1404 -1.0565159842371941e-02 - - -6.7046958208084106e-01 9.1460766270756721e-03 - <_> - - 0 -1 1405 3.6083920858800411e-03 - - -4.0318038314580917e-02 1.0652980208396912e-01 - <_> - - 0 -1 1406 -1.0259989649057388e-03 - - -1.4572420716285706e-01 4.2951799929141998e-02 - <_> - - 0 -1 1407 -3.7319560069590807e-03 - - 7.1757651865482330e-02 -2.9140990227460861e-02 - <_> - - 0 -1 1408 1.2519509764388204e-03 - - -7.6744079589843750e-02 8.8873356580734253e-02 - <_> - - 0 -1 1409 -2.6295570656657219e-02 - - -5.4250258207321167e-01 6.4060981385409832e-03 - <_> - - 0 -1 1410 2.1677089855074883e-02 - - 1.4695540070533752e-02 -4.2403239011764526e-01 - <_> - - 0 -1 1411 1.2761490419507027e-02 - - -1.7890950664877892e-02 1.9420540332794189e-01 - <_> - - 0 -1 1412 -2.0567029714584351e-03 - - 6.7716017365455627e-02 -9.1368153691291809e-02 - <_> - - 0 -1 1413 -7.7950339764356613e-03 - - 6.9471307098865509e-02 -3.2636199146509171e-02 - <_> - - 0 -1 1414 1.2084699701517820e-03 - - 3.9306450635194778e-02 -1.9763720035552979e-01 - <_> - - 0 -1 1415 4.1114289313554764e-02 - - -9.3598989769816399e-03 1.9510230422019958e-01 - <_> - - 0 -1 1416 -1.9867620430886745e-03 - - 8.9320957660675049e-02 -7.0197992026805878e-02 - <_> - - 0 -1 1417 4.3194511090405285e-04 - - -7.2992227971553802e-02 8.7222076952457428e-02 - <_> - - 0 -1 1418 -1.2856139801442623e-02 - - -1.9291040301322937e-01 3.7453301250934601e-02 - <_> - - 0 -1 1419 3.3460529521107674e-03 - - -1.7367599532008171e-02 2.7341571450233459e-01 - <_> - - 0 -1 1420 3.0642180354334414e-04 - - 3.8734178990125656e-02 -1.5396389365196228e-01 - <_> - - 0 -1 1421 1.0412399657070637e-02 - - -2.2793370299041271e-03 4.4056978821754456e-01 - <_> - - 0 -1 1422 2.8117289766669273e-03 - - -1.9140290096402168e-02 2.9534861445426941e-01 - <_> - - 0 -1 1423 5.9893741272389889e-03 - - 5.6822518818080425e-03 -3.9801359176635742e-01 - <_> - - 0 -1 1424 -1.4277939953899477e-05 - - 7.5205951929092407e-02 -7.2355180978775024e-02 - <_> - - 0 -1 1425 2.8138908743858337e-01 - - 3.0617320444434881e-03 -5.3069370985031128e-01 - <_> - - 0 -1 1426 -8.7479073554277420e-03 - - -9.0702220797538757e-02 6.1258301138877869e-02 - <_> - - 0 -1 1427 -5.6720711290836334e-02 - - 1.7737619578838348e-01 -1.7746560275554657e-02 - <_> - - 0 -1 1428 6.8297073245048523e-02 - - -2.3318519815802574e-02 2.7793890237808228e-01 - <_> - - 0 -1 1429 1.2627799808979034e-01 - - 1.2115039862692356e-02 -4.1395869851112366e-01 - <_> - - 0 -1 1430 6.1351219192147255e-03 - - 2.9587330296635628e-02 -1.9230470061302185e-01 - <_> - - 0 -1 1431 -1.8394199432805181e-03 - - 1.7592909932136536e-01 -2.5844290852546692e-02 - <_> - - 0 -1 1432 2.9283049516379833e-03 - - 1.1218659579753876e-02 -5.0416141748428345e-01 - <_> - - 0 -1 1433 -6.1085459310561419e-04 - - 8.2549288868904114e-02 -6.5701678395271301e-02 - <_> - - 0 -1 1434 -4.8793861060403287e-04 - - 7.1810998022556305e-02 -7.6354406774044037e-02 - <_> - - 0 -1 1435 8.6069349199533463e-03 - - 4.0774960070848465e-02 -1.1507250368595123e-01 - <_> - - 0 -1 1436 1.4266039943322539e-03 - - -4.1656959801912308e-02 1.6798630356788635e-01 - <_> - - 0 -1 1437 4.8269471153616905e-03 - - 4.0586888790130615e-03 -6.3450187444686890e-01 - <_> - - 0 -1 1438 3.0349730513989925e-04 - - -7.4305862188339233e-02 9.2885307967662811e-02 - <_> - - 0 -1 1439 4.0700649842619896e-03 - - 1.7601199448108673e-02 -1.4042760431766510e-01 - <_> - - 0 -1 1440 1.7230060184374452e-03 - - 6.7328721284866333e-02 -1.1149639636278152e-01 - <_> - - 0 -1 1441 -4.2959861457347870e-02 - - 8.9163742959499359e-02 -5.3549990057945251e-02 - <_> - - 0 -1 1442 -7.6154018752276897e-03 - - 1.1312600225210190e-01 -5.6240588426589966e-02 - <_> - - 0 -1 1443 1.1204009875655174e-02 - - 2.1411050111055374e-02 -3.1488281488418579e-01 - <_> - - 0 -1 1444 -3.5213530063629150e-02 - - -2.0609620213508606e-01 2.8586030006408691e-02 - <_> - - 0 -1 1445 4.5947679318487644e-03 - - -1.7090849578380585e-02 2.2707240283489227e-01 - <_> - - 0 -1 1446 4.5796878635883331e-02 - - -1.3230360113084316e-02 4.3202790617942810e-01 - <_> - - 0 -1 1447 -2.9980540275573730e-03 - - -1.2645569443702698e-01 5.0367150455713272e-02 - <_> - - 0 -1 1448 -5.3378548473119736e-03 - - 9.5470063388347626e-02 -5.8848761022090912e-02 - <_> - - 0 -1 1449 1.0418590391054749e-03 - - -6.1176940798759460e-02 6.5677382051944733e-02 - <_> - - 0 -1 1450 6.4219138585031033e-04 - - -7.8584067523479462e-02 7.0961080491542816e-02 - <_> - - 0 -1 1451 1.0756379924714565e-03 - - 4.1385240852832794e-02 -1.4342910051345825e-01 - <_> - - 0 -1 1452 -5.4661920294165611e-03 - - 1.2052729725837708e-01 -4.7768119722604752e-02 - <_> - 245 - -8.9815771579742432e-01 - - <_> - - 0 -1 1453 1.4044909738004208e-02 - - -1.1754830181598663e-01 2.9966700077056885e-01 - <_> - - 0 -1 1454 1.3747519915341400e-05 - - -4.0695600211620331e-02 5.3288660943508148e-02 - <_> - - 0 -1 1455 6.1071332311257720e-04 - - -1.5881499648094177e-01 9.3698732554912567e-02 - <_> - - 0 -1 1456 -1.2948609655722976e-03 - - -5.4627988487482071e-02 2.7983199805021286e-02 - <_> - - 0 -1 1457 3.4624651074409485e-01 - - 2.6321019977331161e-02 -1.4812429687500000e+04 - <_> - - 0 -1 1458 -3.8160590920597315e-03 - - 2.4088940024375916e-01 -2.9296329244971275e-02 - <_> - - 0 -1 1459 3.4190680831670761e-02 - - -2.7402290143072605e-03 -3.1396430664062500e+03 - <_> - - 0 -1 1460 1.1889369925484061e-03 - - -6.6801503300666809e-02 1.2544539570808411e-01 - <_> - - 0 -1 1461 -1.1160460300743580e-02 - - 1.4045539498329163e-01 -8.2512803375720978e-02 - <_> - - 0 -1 1462 1.5963950427249074e-03 - - 6.3538387417793274e-02 -1.7245189845561981e-01 - <_> - - 0 -1 1463 1.0270989732816815e-03 - - 8.7721683084964752e-02 -1.2988109886646271e-01 - <_> - - 0 -1 1464 3.6547291092574596e-03 - - -9.1982476413249969e-02 1.1752050369977951e-01 - <_> - - 0 -1 1465 -1.7952709458768368e-03 - - 1.4286880195140839e-01 -7.6801367104053497e-02 - <_> - - 0 -1 1466 -6.8708707112818956e-04 - - -1.3375990092754364e-01 6.5970778465270996e-02 - <_> - - 0 -1 1467 2.2609028965234756e-03 - - 3.1525388360023499e-02 -2.9333940148353577e-01 - <_> - - 0 -1 1468 -7.9880550038069487e-04 - - 9.2652402818202972e-02 -4.8865720629692078e-02 - <_> - - 0 -1 1469 -1.4205630123615265e-01 - - 2.9974219202995300e-01 -3.1955420970916748e-02 - <_> - - 0 -1 1470 -2.6552429422736168e-02 - - 9.3852818012237549e-02 -5.9430178254842758e-02 - <_> - - 0 -1 1471 -1.3033810071647167e-02 - - -2.1567200124263763e-01 4.3825730681419373e-02 - <_> - - 0 -1 1472 1.5498420223593712e-02 - - -1.4112919569015503e-02 1.0027839988470078e-01 - <_> - - 0 -1 1473 -2.1014609374105930e-03 - - 1.6404679417610168e-01 -6.6425412893295288e-02 - <_> - - 0 -1 1474 9.5388311892747879e-03 - - 3.8093499839305878e-02 -2.9983720183372498e-01 - <_> - - 0 -1 1475 -1.5687920385971665e-03 - - 2.3949630558490753e-01 -4.6231910586357117e-02 - <_> - - 0 -1 1476 4.2190421372652054e-03 - - -4.4786229729652405e-02 2.0811119675636292e-01 - <_> - - 0 -1 1477 -3.0952331144362688e-04 - - -1.2582519650459290e-01 8.1964462995529175e-02 - <_> - - 0 -1 1478 4.6312180347740650e-04 - - -9.6806809306144714e-02 9.4297870993614197e-02 - <_> - - 0 -1 1479 2.4860999546945095e-03 - - 5.5631000548601151e-02 -1.5159459412097931e-01 - <_> - - 0 -1 1480 -5.3660441190004349e-03 - - -2.8408879041671753e-01 2.7606539428234100e-02 - <_> - - 0 -1 1481 -1.3755810214206576e-03 - - 2.1815380454063416e-01 -3.9356950670480728e-02 - <_> - - 0 -1 1482 4.6460707671940327e-03 - - 2.5740889832377434e-02 -2.4686050415039062e-01 - <_> - - 0 -1 1483 6.6427360288798809e-03 - - -5.2207160741090775e-02 1.5937830507755280e-01 - <_> - - 0 -1 1484 -8.5125081241130829e-03 - - -5.1953881978988647e-01 5.7587879709899426e-03 - <_> - - 0 -1 1485 -1.0186510160565376e-02 - - -4.9416080117225647e-01 1.4378200285136700e-02 - <_> - - 0 -1 1486 3.3871911466121674e-02 - - -2.1367419511079788e-02 3.4267479181289673e-01 - <_> - - 0 -1 1487 -1.2628670083358884e-03 - - 8.1579618155956268e-02 -8.5091993212699890e-02 - <_> - - 0 -1 1488 5.8080098824575543e-04 - - 4.0864091366529465e-02 -1.9041730463504791e-01 - <_> - - 0 -1 1489 -1.5919590368866920e-03 - - 2.1132859587669373e-01 -3.2383318990468979e-02 - <_> - - 0 -1 1490 1.9183800322934985e-03 - - 3.5422440618276596e-02 -1.2954640388488770e-01 - <_> - - 0 -1 1491 -3.3837689552456141e-03 - - -3.9200991392135620e-01 1.7284810543060303e-02 - <_> - - 0 -1 1492 -4.4958260841667652e-03 - - -6.5269482135772705e-01 8.9287841692566872e-03 - <_> - - 0 -1 1493 1.1123440228402615e-02 - - -4.9451079219579697e-02 1.3990929722785950e-01 - <_> - - 0 -1 1494 -2.1186670288443565e-02 - - 1.4022010564804077e-01 -3.2561041414737701e-02 - <_> - - 0 -1 1495 4.7813180834054947e-02 - - 1.7437700182199478e-02 -4.0824559330940247e-01 - <_> - - 0 -1 1496 4.3155639432370663e-03 - - 1.9035950303077698e-02 -1.5336640179157257e-01 - <_> - - 0 -1 1497 4.8115472309291363e-03 - - 3.1786568462848663e-02 -2.2056590020656586e-01 - <_> - - 0 -1 1498 9.8020406439900398e-03 - - -3.6895118653774261e-02 2.3310080170631409e-01 - <_> - - 0 -1 1499 -3.0184770002961159e-03 - - 1.5916270017623901e-01 -5.2995648235082626e-02 - <_> - - 0 -1 1500 2.6722450274974108e-03 - - -7.5243122875690460e-02 5.0269700586795807e-02 - <_> - - 0 -1 1501 1.2502169702202082e-03 - - -5.1091250032186508e-02 1.4441229403018951e-01 - <_> - - 0 -1 1502 1.4972910284996033e-03 - - 2.6812529191374779e-02 -1.6315759718418121e-01 - <_> - - 0 -1 1503 -2.8825521003454924e-03 - - -4.1588610410690308e-01 1.8284549936652184e-02 - <_> - - 0 -1 1504 -2.2845040075480938e-03 - - 1.1726160347461700e-01 -5.0136148929595947e-02 - <_> - - 0 -1 1505 5.2596088498830795e-03 - - 2.4950170889496803e-02 -3.0131611227989197e-01 - <_> - - 0 -1 1506 1.5561799518764019e-03 - - -1.0462810099124908e-01 7.1823246777057648e-02 - <_> - - 0 -1 1507 -2.5602891109883785e-03 - - 1.6153579950332642e-01 -4.4245410710573196e-02 - <_> - - 0 -1 1508 8.9566741371527314e-04 - - 2.8113519772887230e-02 -8.6903810501098633e-02 - <_> - - 0 -1 1509 1.3984919860376976e-05 - - -1.0637009888887405e-01 6.4237020909786224e-02 - <_> - - 0 -1 1510 -3.0262451036833227e-04 - - -1.6569760441780090e-01 5.9751808643341064e-02 - <_> - - 0 -1 1511 -2.5108361151069403e-03 - - 8.8912777602672577e-02 -7.2652541100978851e-02 - <_> - - 0 -1 1512 1.9389450317248702e-03 - - 2.9152520000934601e-02 -9.1866388916969299e-02 - <_> - - 0 -1 1513 7.3843088466674089e-04 - - -4.2057931423187256e-02 1.5995030105113983e-01 - <_> - - 0 -1 1514 -3.6558669526129961e-03 - - -9.5142677426338196e-02 1.7093049362301826e-02 - <_> - - 0 -1 1515 2.6905719190835953e-02 - - -5.1677141338586807e-02 1.2445399910211563e-01 - <_> - - 0 -1 1516 1.5600489859934896e-04 - - 4.8049561679363251e-02 -1.0828830301761627e-01 - <_> - - 0 -1 1517 -2.9363629437284544e-05 - - 7.7676616609096527e-02 -8.3602227270603180e-02 - <_> - - 0 -1 1518 -1.3152750208973885e-02 - - -5.3625142574310303e-01 9.8441755399107933e-03 - <_> - - 0 -1 1519 1.2583429925143719e-03 - - 3.6697480827569962e-02 -1.9785030186176300e-01 - <_> - - 0 -1 1520 -3.5280231386423111e-02 - - 2.8760561347007751e-01 -2.4332510307431221e-02 - <_> - - 0 -1 1521 1.0623750276863575e-03 - - -6.4936116337776184e-02 1.0775420069694519e-01 - <_> - - 0 -1 1522 1.3485189811035525e-05 - - -9.1917447745800018e-02 5.9476271271705627e-02 - <_> - - 0 -1 1523 2.6417789049446583e-03 - - 5.2622731775045395e-02 -1.3380350172519684e-01 - <_> - - 0 -1 1524 -4.2458991520106792e-03 - - 1.5622630715370178e-01 -3.9715219289064407e-02 - <_> - - 0 -1 1525 -1.2747449800372124e-02 - - -3.9632159471511841e-01 1.6892410814762115e-02 - <_> - - 0 -1 1526 5.0329609075561166e-04 - - -4.6448979526758194e-02 8.7452828884124756e-02 - <_> - - 0 -1 1527 -1.3987520105729345e-05 - - 9.0819023549556732e-02 -8.3491086959838867e-02 - <_> - - 0 -1 1528 3.3579400042071939e-04 - - 3.0231660231947899e-02 -8.4349960088729858e-02 - <_> - - 0 -1 1529 5.5269408039748669e-03 - - -7.3858089745044708e-02 8.5668817162513733e-02 - <_> - - 0 -1 1530 -1.7237789870705456e-04 - - -7.0609577000141144e-02 3.4158289432525635e-02 - <_> - - 0 -1 1531 -2.7978639118373394e-03 - - 1.9515010714530945e-01 -3.3844988793134689e-02 - <_> - - 0 -1 1532 -1.4513960195472464e-05 - - 4.3614171445369720e-02 -3.4747149795293808e-02 - <_> - - 0 -1 1533 6.4136547734960914e-04 - - 4.0988758206367493e-02 -1.7332290112972260e-01 - <_> - - 0 -1 1534 -9.5870634540915489e-03 - - 1.4798779785633087e-01 -3.3517260104417801e-02 - <_> - - 0 -1 1535 -1.6748090274631977e-03 - - -1.8289859592914581e-01 3.4056250005960464e-02 - <_> - - 0 -1 1536 -3.5602890420705080e-04 - - -9.0450271964073181e-02 2.9689440503716469e-02 - <_> - - 0 -1 1537 -2.5170370936393738e-03 - - 3.3267921209335327e-01 -1.9150910899043083e-02 - <_> - - 0 -1 1538 3.6662290804088116e-03 - - 2.0794689655303955e-02 -1.1462289839982986e-01 - <_> - - 0 -1 1539 3.3933550585061312e-03 - - -2.0670190453529358e-02 2.8567948937416077e-01 - <_> - - 0 -1 1540 -9.3351822579279542e-04 - - 8.7735213339328766e-02 -4.1667710989713669e-02 - <_> - - 0 -1 1541 1.5587939880788326e-02 - - 3.2399158924818039e-02 -1.9780139625072479e-01 - <_> - - 0 -1 1542 3.8261379813775420e-04 - - -8.8336393237113953e-02 5.5809110403060913e-02 - <_> - - 0 -1 1543 1.2352470075711608e-03 - - 3.4270290285348892e-02 -1.7848719656467438e-01 - <_> - - 0 -1 1544 7.5910572195425630e-04 - - -5.5778361856937408e-02 6.1857070773839951e-02 - <_> - - 0 -1 1545 2.8413049876689911e-03 - - -2.7083519846200943e-02 2.3203529417514801e-01 - <_> - - 0 -1 1546 -1.4313060091808438e-05 - - 6.6050931811332703e-02 -5.9752069413661957e-02 - <_> - - 0 -1 1547 -3.6771351005882025e-03 - - -4.0045088529586792e-01 1.4387479983270168e-02 - <_> - - 0 -1 1548 -2.5888609234243631e-03 - - 1.1220999807119370e-01 -4.7137189656496048e-02 - <_> - - 0 -1 1549 1.1471610050648451e-03 - - 4.7330550849437714e-02 -1.3199129700660706e-01 - <_> - - 0 -1 1550 1.6501640900969505e-02 - - -3.4597828984260559e-02 9.5769941806793213e-02 - <_> - - 0 -1 1551 3.3293468877673149e-03 - - 4.1258718818426132e-02 -1.6558709740638733e-01 - <_> - - 0 -1 1552 1.7063439590856433e-03 - - -3.2584629952907562e-02 2.7619439363479614e-01 - <_> - - 0 -1 1553 -2.7118679136037827e-03 - - 8.9609041810035706e-02 -6.4858056604862213e-02 - <_> - - 0 -1 1554 -4.1943859308958054e-02 - - -5.3329932689666748e-01 6.9506950676441193e-03 - <_> - - 0 -1 1555 2.2219200618565083e-03 - - -5.6344181299209595e-02 1.0510399937629700e-01 - <_> - - 0 -1 1556 4.4396471232175827e-02 - - 8.1383727956563234e-04 -1.0001629590988159e+00 - <_> - - 0 -1 1557 -6.6766492091119289e-03 - - -1.4048320055007935e-01 4.3647080659866333e-02 - <_> - - 0 -1 1558 -1.4053310267627239e-02 - - -7.8012561798095703e-01 2.0627910271286964e-03 - <_> - - 0 -1 1559 2.8836489946115762e-05 - - -6.9865100085735321e-02 8.1550262868404388e-02 - <_> - - 0 -1 1560 2.3246949538588524e-02 - - -1.0230179876089096e-02 2.2243100404739380e-01 - <_> - - 0 -1 1561 -1.8424650654196739e-02 - - -2.1308340132236481e-01 3.0248960480093956e-02 - <_> - - 0 -1 1562 -1.1484029702842236e-02 - - 1.9427800178527832e-01 -3.0198210850358009e-02 - <_> - - 0 -1 1563 -1.1278050020337105e-02 - - -1.8280689418315887e-01 3.2126009464263916e-02 - <_> - - 0 -1 1564 8.0079799517989159e-03 - - -2.2145880386233330e-02 2.8033518791198730e-01 - <_> - - 0 -1 1565 2.4508950300514698e-03 - - -3.1573358923196793e-02 1.9028620421886444e-01 - <_> - - 0 -1 1566 -7.3367758886888623e-04 - - 6.2882833182811737e-02 -2.9410809278488159e-02 - <_> - - 0 -1 1567 4.7427918761968613e-03 - - 1.8659200519323349e-02 -3.6193120479583740e-01 - <_> - - 0 -1 1568 -1.5166309662163258e-02 - - -3.0083620548248291e-01 5.1251458935439587e-03 - <_> - - 0 -1 1569 2.0500000100582838e-03 - - -3.3869780600070953e-02 1.6676980257034302e-01 - <_> - - 0 -1 1570 8.9623825624585152e-03 - - 9.9547952413558960e-03 -1.3321259617805481e-01 - <_> - - 0 -1 1571 5.8658542111515999e-03 - - 2.8031339868903160e-02 -2.1094280481338501e-01 - <_> - - 0 -1 1572 7.1393670514225960e-03 - - -3.3273868262767792e-02 9.2609196901321411e-02 - <_> - - 0 -1 1573 -2.3449780419468880e-03 - - 9.6021108329296112e-02 -8.1295557320117950e-02 - <_> - - 0 -1 1574 6.0673272237181664e-03 - - -3.7160739302635193e-02 5.9563819319009781e-02 - <_> - - 0 -1 1575 -7.9464316368103027e-03 - - 1.2790870666503906e-01 -6.0662470757961273e-02 - <_> - - 0 -1 1576 6.3600740395486355e-04 - - 2.4837940931320190e-02 -1.1699199676513672e-01 - <_> - - 0 -1 1577 -5.9671682538464665e-04 - - -1.7579829692840576e-01 3.9644010365009308e-02 - <_> - - 0 -1 1578 3.8733381032943726e-01 - - 1.2454539537429810e-02 -4.6469339728355408e-01 - <_> - - 0 -1 1579 2.0961730182170868e-01 - - 8.1857265904545784e-03 -6.0814487934112549e-01 - <_> - - 0 -1 1580 -3.6388849839568138e-03 - - -1.9478240609169006e-01 2.6340700685977936e-02 - <_> - - 0 -1 1581 -3.9718127809464931e-03 - - 2.7739891409873962e-01 -2.2029049694538116e-02 - <_> - - 0 -1 1582 -8.7379878095816821e-05 - - 3.6866988986730576e-02 -3.4307479858398438e-02 - <_> - - 0 -1 1583 -4.9215141683816910e-02 - - -4.5262241363525391e-01 1.2579060159623623e-02 - <_> - - 0 -1 1584 -1.6017559682950377e-03 - - 2.0021310448646545e-01 -4.3042439967393875e-02 - <_> - - 0 -1 1585 -1.4037380424269941e-05 - - 7.3363706469535828e-02 -7.9242199659347534e-02 - <_> - - 0 -1 1586 2.0111119747161865e-01 - - 7.1724099107086658e-03 -3.6252960562705994e-01 - <_> - - 0 -1 1587 1.1730849510058761e-03 - - 4.5483089983463287e-02 -1.2364199757575989e-01 - <_> - - 0 -1 1588 -4.1541741666151211e-05 - - 5.3658191114664078e-02 -5.7738419622182846e-02 - <_> - - 0 -1 1589 3.6186390207149088e-04 - - -8.9843407273292542e-02 7.6897308230400085e-02 - <_> - - 0 -1 1590 -5.7938909158110619e-03 - - -1.3961860537528992e-01 3.0140429735183716e-02 - <_> - - 0 -1 1591 -9.3461759388446808e-04 - - 1.3507390022277832e-01 -4.6672869473695755e-02 - <_> - - 0 -1 1592 4.0281258523464203e-02 - - 5.6996531784534454e-03 -5.3407847881317139e-01 - <_> - - 0 -1 1593 -2.3343730717897415e-02 - - -5.6592631340026855e-01 9.9596958607435226e-03 - <_> - - 0 -1 1594 1.0834979824721813e-02 - - -2.0727390423417091e-02 1.3920789957046509e-01 - <_> - - 0 -1 1595 -1.0692279785871506e-02 - - -3.9034500718116760e-01 1.4858629554510117e-02 - <_> - - 0 -1 1596 -3.7577420007437468e-03 - - 7.2709776461124420e-02 -5.5485241115093231e-02 - <_> - - 0 -1 1597 4.8496359959244728e-03 - - -4.4144079089164734e-02 1.4520399272441864e-01 - <_> - - 0 -1 1598 -2.0216009579598904e-03 - - -1.2228240072727203e-01 1.9589329138398170e-02 - <_> - - 0 -1 1599 -3.0792229808866978e-03 - - -1.3739609718322754e-01 4.4269159436225891e-02 - <_> - - 0 -1 1600 -3.0445810407400131e-02 - - 1.0403379797935486e-01 -6.3097096979618073e-02 - <_> - - 0 -1 1601 3.2141059637069702e-02 - - -3.4690480679273605e-02 1.9732339680194855e-01 - <_> - - 0 -1 1602 1.0678219841793180e-03 - - 3.1145870685577393e-02 -7.4491903185844421e-02 - <_> - - 0 -1 1603 5.7594738900661469e-02 - - -2.1155780181288719e-02 2.7825739979743958e-01 - <_> - - 0 -1 1604 -4.3557130265980959e-04 - - 7.0562250912189484e-02 -4.3941300362348557e-02 - <_> - - 0 -1 1605 2.6335280854254961e-03 - - 3.4343041479587555e-02 -1.9728440046310425e-01 - <_> - - 0 -1 1606 -1.8992539844475687e-04 - - 3.8183588534593582e-02 -3.9899230003356934e-02 - <_> - - 0 -1 1607 2.3401959333568811e-03 - - 4.3499860912561417e-02 -1.4296689629554749e-01 - <_> - - 0 -1 1608 2.2936260327696800e-02 - - -4.5327339321374893e-02 9.6657410264015198e-02 - <_> - - 0 -1 1609 -9.9645974114537239e-04 - - -1.3013899326324463e-01 4.2947601526975632e-02 - <_> - - 0 -1 1610 -1.6800489975139499e-03 - - 1.2129139900207520e-01 -4.8279300332069397e-02 - <_> - - 0 -1 1611 1.4437539903155994e-05 - - -7.6120197772979736e-02 8.3246052265167236e-02 - <_> - - 0 -1 1612 -2.4843189865350723e-02 - - -1.3380190730094910e-01 1.3220779597759247e-02 - <_> - - 0 -1 1613 -1.0164140257984400e-03 - - 1.0272929817438126e-01 -7.6802343130111694e-02 - <_> - - 0 -1 1614 -4.1430609417147934e-04 - - -1.1245259642601013e-01 3.0514910817146301e-02 - <_> - - 0 -1 1615 -6.7945162300020456e-04 - - -1.6325150430202484e-01 3.3536169677972794e-02 - <_> - - 0 -1 1616 1.9495520740747452e-02 - - 5.7650068774819374e-03 -4.5265421271324158e-01 - <_> - - 0 -1 1617 -5.3661768324673176e-03 - - 9.9718101322650909e-02 -5.6515909731388092e-02 - <_> - - 0 -1 1618 5.6726497132331133e-04 - - -6.0869559645652771e-02 7.9314343631267548e-02 - <_> - - 0 -1 1619 1.3020439445972443e-01 - - 8.3379819989204407e-03 -6.4657479524612427e-01 - <_> - - 0 -1 1620 -1.5517289936542511e-01 - - -1.9947460293769836e-01 2.8714579530060291e-03 - <_> - - 0 -1 1621 -1.0103389620780945e-02 - - -5.5504488945007324e-01 9.4422968104481697e-03 - <_> - - 0 -1 1622 -5.3147180005908012e-04 - - -1.1538010090589523e-01 2.5066599249839783e-02 - <_> - - 0 -1 1623 2.7250559069216251e-03 - - -3.1389288604259491e-02 1.6994899511337280e-01 - <_> - - 0 -1 1624 5.7027460570679978e-05 - - -5.3073558956384659e-02 5.3962681442499161e-02 - <_> - - 0 -1 1625 -1.5532029792666435e-02 - - 7.9827189445495605e-02 -6.7680947482585907e-02 - <_> - - 0 -1 1626 8.5362847894430161e-03 - - -7.0293392054736614e-03 3.0805149674415588e-01 - <_> - - 0 -1 1627 -3.7575151509372517e-05 - - 8.4663920104503632e-02 -7.6399482786655426e-02 - <_> - - 0 -1 1628 -8.6169335991144180e-03 - - -2.5099471211433411e-01 6.7693921737372875e-03 - <_> - - 0 -1 1629 -4.6231658197939396e-03 - - -2.1756580471992493e-01 2.6302969083189964e-02 - <_> - - 0 -1 1630 -3.0669190455228090e-03 - - 4.9040269106626511e-02 -2.9388900846242905e-02 - <_> - - 0 -1 1631 -2.0297299488447607e-04 - - 7.3129378259181976e-02 -7.3650099337100983e-02 - <_> - - 0 -1 1632 3.7411341327242553e-04 - - -5.7002428919076920e-02 1.1576510220766068e-01 - <_> - - 0 -1 1633 -3.6344649270176888e-03 - - -1.2033560127019882e-01 5.1267258822917938e-02 - <_> - - 0 -1 1634 -4.1708979755640030e-02 - - 1.7255930602550507e-01 -2.5525050237774849e-02 - <_> - - 0 -1 1635 -3.8403399288654327e-02 - - -5.6570559740066528e-01 9.7671225666999817e-03 - <_> - - 0 -1 1636 4.1329801082611084e-02 - - 1.8378839595243335e-03 -7.4326777458190918e-01 - <_> - - 0 -1 1637 5.1363147795200348e-03 - - -3.5778369754552841e-02 1.5663790702819824e-01 - <_> - - 0 -1 1638 -4.3387200683355331e-02 - - -7.4183559417724609e-01 7.4417991563677788e-03 - <_> - - 0 -1 1639 -3.9333879947662354e-01 - - -8.0782192945480347e-01 5.0263358280062675e-03 - <_> - - 0 -1 1640 -4.5350207947194576e-03 - - -1.0642389953136444e-01 1.5727840363979340e-02 - <_> - - 0 -1 1641 1.9919529557228088e-02 - - 6.0822288505733013e-03 -8.2916480302810669e-01 - <_> - - 0 -1 1642 2.3730589076876640e-02 - - 6.4080459997057915e-03 -1.6867209970951080e-01 - <_> - - 0 -1 1643 -2.8552979230880737e-02 - - 2.0902900397777557e-01 -2.5401420891284943e-02 - <_> - - 0 -1 1644 -1.0153220035135746e-02 - - -1.7431560158729553e-01 3.2279461622238159e-02 - <_> - - 0 -1 1645 -1.3743219897150993e-02 - - 1.4481510221958160e-01 -3.8015659898519516e-02 - <_> - - 0 -1 1646 -5.0018008798360825e-02 - - 1.2793619930744171e-01 -1.7024690285325050e-02 - <_> - - 0 -1 1647 7.3427949100732803e-03 - - -6.1966661363840103e-02 9.6776783466339111e-02 - <_> - - 0 -1 1648 -2.8415350243449211e-05 - - 3.8222339004278183e-02 -3.4578870981931686e-02 - <_> - - 0 -1 1649 -4.7856881283223629e-03 - - -2.3318560421466827e-01 2.6358589529991150e-02 - <_> - - 0 -1 1650 -2.5914890691637993e-02 - - -3.9864018559455872e-01 5.1441029645502567e-03 - <_> - - 0 -1 1651 -2.9252108652144670e-04 - - 7.1496248245239258e-02 -8.0430403351783752e-02 - <_> - - 0 -1 1652 -1.1403319658711553e-03 - - 5.4625019431114197e-02 -3.8924530148506165e-02 - <_> - - 0 -1 1653 8.4561068797484040e-04 - - 3.3605828881263733e-02 -1.6251370310783386e-01 - <_> - - 0 -1 1654 6.5537020564079285e-02 - - -4.3104059994220734e-02 1.2173459678888321e-01 - <_> - - 0 -1 1655 -1.4268089830875397e-01 - - -3.9792910218238831e-01 1.4490179717540741e-02 - <_> - - 0 -1 1656 -1.9059600308537483e-02 - - 1.4526650309562683e-01 -8.6782136932015419e-03 - <_> - - 0 -1 1657 -1.5515769831836224e-02 - - 1.1133140325546265e-01 -5.3697030991315842e-02 - <_> - - 0 -1 1658 1.3885410130023956e-01 - - -5.0534959882497787e-03 1.6789239645004272e-01 - <_> - - 0 -1 1659 1.7033860087394714e-01 - - 1.0047719813883305e-02 -6.4494568109512329e-01 - <_> - - 0 -1 1660 5.2646450698375702e-02 - - 3.6884329747408628e-03 -1.8775080144405365e-01 - <_> - - 0 -1 1661 -7.9300440847873688e-03 - - -3.2442069053649902e-01 1.6116160899400711e-02 - <_> - - 0 -1 1662 3.1593221426010132e-01 - - -1.2846199795603752e-02 4.5563331246376038e-01 - <_> - - 0 -1 1663 8.8319703936576843e-03 - - 5.2410300821065903e-02 -1.1414919793605804e-01 - <_> - - 0 -1 1664 -1.2973800301551819e-02 - - 2.3786480724811554e-01 -2.0313760265707970e-02 - <_> - - 0 -1 1665 3.0844169668853283e-03 - - 6.0380458831787109e-02 -1.0091140121221542e-01 - <_> - - 0 -1 1666 -2.7839969843626022e-02 - - 1.0084290057420731e-01 -1.0545670054852962e-02 - <_> - - 0 -1 1667 -3.0661900527775288e-03 - - -1.0459470003843307e-01 5.1240298897027969e-02 - <_> - - 0 -1 1668 -8.1280972808599472e-03 - - 1.5106280148029327e-01 -1.9644349813461304e-02 - <_> - - 0 -1 1669 3.8767930120229721e-02 - - 6.2415110878646374e-03 -8.3952087163925171e-01 - <_> - - 0 -1 1670 6.6339358687400818e-02 - - -2.3870199918746948e-02 2.2625799477100372e-01 - <_> - - 0 -1 1671 -2.9363119974732399e-03 - - -1.5040889382362366e-01 3.6693960428237915e-02 - <_> - - 0 -1 1672 -9.2636849731206894e-03 - - 1.2020699679851532e-01 -1.1293319985270500e-02 - <_> - - 0 -1 1673 1.3361490331590176e-02 - - 1.5341799706220627e-02 -3.5258570313453674e-01 - <_> - - 0 -1 1674 4.6068900264799595e-03 - - -4.5361459255218506e-02 5.5542398244142532e-02 - <_> - - 0 -1 1675 5.9639662504196167e-04 - - 3.2120391726493835e-02 -1.7702579498291016e-01 - <_> - - 0 -1 1676 1.5830510528758168e-04 - - 4.2900439351797104e-02 -8.0514959990978241e-02 - <_> - - 0 -1 1677 9.4060867559164762e-04 - - -3.9882160723209381e-02 1.3454659283161163e-01 - <_> - - 0 -1 1678 -3.8463119417428970e-02 - - -1. 1.4261410105973482e-03 - <_> - - 0 -1 1679 1.2119730236008763e-03 - - -1.0469900071620941e-01 6.5710946917533875e-02 - <_> - - 0 -1 1680 -5.8379401452839375e-03 - - 1.4715319871902466e-01 -6.5610289573669434e-02 - <_> - - 0 -1 1681 -1.4856379712000489e-03 - - -1.6367240250110626e-01 3.6001469939947128e-02 - <_> - - 0 -1 1682 -4.6175359748303890e-03 - - 1.8892879784107208e-01 -1.4663389883935452e-02 - <_> - - 0 -1 1683 1.9380920275580138e-04 - - -7.0864766836166382e-02 9.3604557216167450e-02 - <_> - - 0 -1 1684 -2.9661089647561312e-03 - - -6.1803489923477173e-01 8.6903069168329239e-03 - <_> - - 0 -1 1685 1.4307440324046183e-05 - - -9.0512536466121674e-02 5.9804238379001617e-02 - <_> - - 0 -1 1686 1.2180440127849579e-02 - - 2.3737740702927113e-03 -5.6064158678054810e-01 - <_> - - 0 -1 1687 -3.3536320552229881e-03 - - 2.5614398717880249e-01 -2.1437460556626320e-02 - <_> - - 0 -1 1688 -1.2697829864919186e-02 - - 2.7518770098686218e-01 -2.1501349285244942e-02 - <_> - - 0 -1 1689 -1.7751600593328476e-02 - - -4.6445640921592712e-01 1.5054970048367977e-02 - <_> - - 0 -1 1690 4.3673209846019745e-02 - - 3.3700480125844479e-03 -3.1441199779510498e-01 - <_> - - 0 -1 1691 4.5492161065340042e-02 - - 8.5049429908394814e-03 -6.4043509960174561e-01 - <_> - - 0 -1 1692 -1.0141120105981827e-01 - - -1. 1.4608280616812408e-04 - <_> - - 0 -1 1693 -2.7950519695878029e-02 - - 2.3282410204410553e-01 -2.4742539972066879e-02 - <_> - - 0 -1 1694 6.3734117429703474e-04 - - -6.5201878547668457e-02 5.8342281728982925e-02 - <_> - - 0 -1 1695 -3.2297719735652208e-03 - - -1.2013810127973557e-01 4.8295538872480392e-02 - <_> - - 0 -1 1696 -4.7359239310026169e-02 - - -6.5350711345672607e-01 2.3264330811798573e-03 - <_> - - 0 -1 1697 1.8326259450986981e-03 - - -5.5741731077432632e-02 9.5505326986312866e-02 - <_> - 279 - -9.5101702213287354e-01 - - <_> - - 0 -1 1698 6.9287262856960297e-02 - - -1.0325390100479126e-01 3.6703258752822876e-01 - <_> - - 0 -1 1699 -7.8862551599740982e-03 - - -7.5367718935012817e-01 6.1004441231489182e-03 - <_> - - 0 -1 1700 -8.6761467158794403e-02 - - 4.2298769950866699e-01 -4.8861160874366760e-02 - <_> - - 0 -1 1701 -4.6193759888410568e-02 - - 1.2829530239105225e-01 -6.2890656292438507e-02 - <_> - - 0 -1 1702 4.5601249439641833e-04 - - -1.4540119469165802e-01 8.9171208441257477e-02 - <_> - - 0 -1 1703 2.2151950001716614e-01 - - 1.0495079681277275e-02 -1.9372780621051788e-01 - <_> - - 0 -1 1704 -2.8609700166271068e-05 - - 8.9309170842170715e-02 -1.2048160284757614e-01 - <_> - - 0 -1 1705 1.1661860160529613e-02 - - -3.6442179232835770e-02 3.2719528675079346e-01 - <_> - - 0 -1 1706 -3.9292860776185989e-02 - - 2.3638220131397247e-01 -2.1902250126004219e-02 - <_> - - 0 -1 1707 4.7508609713986516e-04 - - -8.2093991339206696e-02 7.0899896323680878e-02 - <_> - - 0 -1 1708 2.7530049905180931e-02 - - -4.6179860830307007e-02 2.2978270053863525e-01 - <_> - - 0 -1 1709 2.4088330566883087e-02 - - 2.5007570162415504e-02 -3.6831110715866089e-01 - <_> - - 0 -1 1710 3.1142881198320538e-05 - - -1.5297169983386993e-01 7.4359253048896790e-02 - <_> - - 0 -1 1711 -3.8976089563220739e-03 - - -1.8000039458274841e-01 5.2392251789569855e-02 - <_> - - 0 -1 1712 -7.5943870469927788e-03 - - -1.9217739999294281e-01 4.8256490379571915e-02 - <_> - - 0 -1 1713 -3.4858959261327982e-03 - - 8.1301920115947723e-02 -6.6110998392105103e-02 - <_> - - 0 -1 1714 -3.5117838531732559e-02 - - -2.6033520698547363e-01 3.9632041007280350e-02 - <_> - - 0 -1 1715 2.2614879906177521e-01 - - -2.9896909371018410e-02 2.8666049242019653e-01 - <_> - - 0 -1 1716 1.9386729598045349e-01 - - -1.4692339755129069e-04 -7.1909208984375000e+03 - <_> - - 0 -1 1717 -4.5231450349092484e-03 - - -7.1015566587448120e-02 2.1436849609017372e-02 - <_> - - 0 -1 1718 -2.9855089262127876e-02 - - 1.1950010061264038e-01 -7.5768560171127319e-02 - <_> - - 0 -1 1719 -7.8530138125643134e-04 - - 1.5392230451107025e-01 -4.3703861534595490e-02 - <_> - - 0 -1 1720 -4.3314939830452204e-05 - - 9.2457972466945648e-02 -9.1111399233341217e-02 - <_> - - 0 -1 1721 9.0954294428229332e-03 - - -2.0682830363512039e-02 7.5521059334278107e-02 - <_> - - 0 -1 1722 -6.4024911262094975e-04 - - -2.0595400035381317e-01 4.3313179165124893e-02 - <_> - - 0 -1 1723 2.1848140750080347e-03 - - -2.3959070444107056e-02 1.3920339941978455e-01 - <_> - - 0 -1 1724 -6.5740908030420542e-04 - - 9.6214868128299713e-02 -8.4607146680355072e-02 - <_> - - 0 -1 1725 -2.6019528741016984e-04 - - -1.3024799525737762e-01 5.1234468817710876e-02 - <_> - - 0 -1 1726 -5.0155790522694588e-03 - - -5.7478731870651245e-01 1.1919369921088219e-02 - <_> - - 0 -1 1727 3.2060540979728103e-04 - - 4.5675579458475113e-02 -1.5236130356788635e-01 - <_> - - 0 -1 1728 8.5811875760555267e-03 - - -3.0357500538229942e-02 2.1575599908828735e-01 - <_> - - 0 -1 1729 1.1925109662115574e-02 - - -2.8248419985175133e-02 1.9682750105857849e-01 - <_> - - 0 -1 1730 -4.7097587957978249e-03 - - 8.2625426352024078e-02 -1.1231990158557892e-01 - <_> - - 0 -1 1731 -1.0695779928937554e-03 - - 3.4612610936164856e-02 -3.4769508987665176e-02 - <_> - - 0 -1 1732 -4.9490150995552540e-03 - - -1.8427060544490814e-01 4.2387481778860092e-02 - <_> - - 0 -1 1733 -6.7667837720364332e-04 - - 9.3548178672790527e-02 -8.7969146668910980e-02 - <_> - - 0 -1 1734 4.9757309257984161e-02 - - 2.7587689459323883e-02 -2.5638130307197571e-01 - <_> - - 0 -1 1735 -1.0812530526891351e-03 - - 1.6654999554157257e-01 -3.7381488829851151e-02 - <_> - - 0 -1 1736 5.0784139893949032e-03 - - 2.1401269361376762e-02 -3.2902011275291443e-01 - <_> - - 0 -1 1737 -1.4780629426240921e-03 - - 5.8206021785736084e-02 -2.8309479355812073e-02 - <_> - - 0 -1 1738 8.3614438772201538e-03 - - -5.0670899450778961e-02 1.6926950216293335e-01 - <_> - - 0 -1 1739 8.0310832709074020e-03 - - 2.3582600057125092e-02 -3.0375048518180847e-01 - <_> - - 0 -1 1740 -2.8671300242422149e-05 - - 7.7157698571681976e-02 -7.8943833708763123e-02 - <_> - - 0 -1 1741 -7.9513173550367355e-03 - - -1.3142600655555725e-01 3.4881640225648880e-02 - <_> - - 0 -1 1742 1.4974420191720128e-03 - - -5.1281169056892395e-02 1.2815970182418823e-01 - <_> - - 0 -1 1743 -2.2107020486146212e-03 - - 7.8908361494541168e-02 -3.5110998898744583e-02 - <_> - - 0 -1 1744 3.3375908969901502e-04 - - -7.3800027370452881e-02 9.0184502303600311e-02 - <_> - - 0 -1 1745 -1.5214539598673582e-03 - - -1.4592529833316803e-01 4.7654949128627777e-02 - <_> - - 0 -1 1746 4.4929070281796157e-04 - - -7.0153526961803436e-02 9.5465831458568573e-02 - <_> - - 0 -1 1747 1.5836360398679972e-03 - - 2.8301160782575607e-02 -1.4393569529056549e-01 - <_> - - 0 -1 1748 -1.6235290095210075e-02 - - 1.8387019634246826e-01 -3.6908861249685287e-02 - <_> - - 0 -1 1749 -3.4098308533430099e-02 - - 1.6756339371204376e-01 -2.5717439129948616e-02 - <_> - - 0 -1 1750 -2.9732889379374683e-04 - - -1.3297170400619507e-01 4.8040248453617096e-02 - <_> - - 0 -1 1751 1.3863020285498351e-05 - - -4.4619798660278320e-02 4.9105420708656311e-02 - <_> - - 0 -1 1752 4.7123921103775501e-04 - - 4.3268211185932159e-02 -1.6172820329666138e-01 - <_> - - 0 -1 1753 -4.1129379533231258e-03 - - 2.1532170474529266e-01 -2.2212410345673561e-02 - <_> - - 0 -1 1754 8.4233487723395228e-04 - - -3.9122831076383591e-02 1.6345480084419250e-01 - <_> - - 0 -1 1755 1.3869360554963350e-03 - - 4.0814429521560669e-02 -2.4761269986629486e-01 - <_> - - 0 -1 1756 2.3325090296566486e-03 - - 3.6428030580282211e-02 -1.5850290656089783e-01 - <_> - - 0 -1 1757 9.2067092657089233e-02 - - -3.6511659622192383e-02 9.4252876937389374e-02 - <_> - - 0 -1 1758 -6.6990442574024200e-02 - - 3.1247970461845398e-01 -2.1145220845937729e-02 - <_> - - 0 -1 1759 -2.0284320414066315e-01 - - -1.4556419849395752e-01 3.4133061766624451e-02 - <_> - - 0 -1 1760 -1.9777350127696991e-01 - - 2.0860530436038971e-01 -3.0937839299440384e-02 - <_> - - 0 -1 1761 2.9955860227346420e-03 - - 5.1478169858455658e-02 -9.0642452239990234e-02 - <_> - - 0 -1 1762 -1.3588789850473404e-02 - - -1.5979449450969696e-01 4.2713351547718048e-02 - <_> - - 0 -1 1763 -1.0466199601069093e-03 - - 1.0747960209846497e-01 -5.8228868991136551e-02 - <_> - - 0 -1 1764 2.8862239560112357e-04 - - -7.2858572006225586e-02 1.0977680236101151e-01 - <_> - - 0 -1 1765 -2.7921080589294434e-02 - - -2.4890719354152679e-01 8.8059734553098679e-03 - <_> - - 0 -1 1766 -1.1447289958596230e-02 - - 1.5152229368686676e-01 -3.8170240819454193e-02 - <_> - - 0 -1 1767 -3.3761549275368452e-03 - - 1.1309570074081421e-01 -5.5087108165025711e-02 - <_> - - 0 -1 1768 -5.2940822206437588e-03 - - -1.5518580377101898e-01 3.7175498902797699e-02 - <_> - - 0 -1 1769 6.9440458901226521e-04 - - -3.9365228265523911e-02 1.3071919977664948e-01 - <_> - - 0 -1 1770 1.4813370398769621e-05 - - -7.1707822382450104e-02 7.4765637516975403e-02 - <_> - - 0 -1 1771 -1.3590740272775292e-03 - - -1.2917560338973999e-01 4.3069899082183838e-02 - <_> - - 0 -1 1772 6.9750571856275201e-04 - - -4.3258938938379288e-02 1.4512489736080170e-01 - <_> - - 0 -1 1773 -4.6163110528141260e-04 - - 9.1437846422195435e-02 -5.3290210664272308e-02 - <_> - - 0 -1 1774 -3.0486299656331539e-03 - - -2.1486389636993408e-01 2.7408670634031296e-02 - <_> - - 0 -1 1775 -3.3797100186347961e-03 - - 1.0764840245246887e-01 -4.3844230473041534e-02 - <_> - - 0 -1 1776 -8.4170768968760967e-04 - - -1.9803969562053680e-01 2.9308119788765907e-02 - <_> - - 0 -1 1777 1.0257579851895571e-03 - - -7.4067540466785431e-02 1.2488970160484314e-01 - <_> - - 0 -1 1778 8.0574918538331985e-03 - - 2.0815389230847359e-02 -2.6045981049537659e-01 - <_> - - 0 -1 1779 -8.3471642574295402e-04 - - 8.7164878845214844e-02 -6.6393643617630005e-02 - <_> - - 0 -1 1780 -1.9537750631570816e-04 - - 8.0834336578845978e-02 -6.8215869367122650e-02 - <_> - - 0 -1 1781 -6.3116732053458691e-03 - - -7.2064602375030518e-01 3.9312788285315037e-03 - <_> - - 0 -1 1782 1.4718360034748912e-04 - - 5.1508098840713501e-02 -1.0907209664583206e-01 - <_> - - 0 -1 1783 2.8240380343049765e-03 - - -3.5113781690597534e-02 8.6087152361869812e-02 - <_> - - 0 -1 1784 -1.0794559493660927e-03 - - 8.6356408894062042e-02 -6.2143780291080475e-02 - <_> - - 0 -1 1785 4.7946680337190628e-02 - - 1.2823230354115367e-03 -9.1077202558517456e-01 - <_> - - 0 -1 1786 2.9353320132941008e-04 - - -7.4236482381820679e-02 9.5342949032783508e-02 - <_> - - 0 -1 1787 3.4700211137533188e-02 - - 2.1481830626726151e-03 -8.7691652774810791e-01 - <_> - - 0 -1 1788 -2.0402260124683380e-02 - - -4.9989640712738037e-01 9.8876487463712692e-03 - <_> - - 0 -1 1789 1.9776409026235342e-03 - - -4.6828888356685638e-02 5.6408070027828217e-02 - <_> - - 0 -1 1790 -6.9213248789310455e-03 - - -1.9620729982852936e-01 2.7109440416097641e-02 - <_> - - 0 -1 1791 4.3053150177001953e-02 - - -1.6171690076589584e-02 1.1537670344114304e-01 - <_> - - 0 -1 1792 4.0770901250652969e-05 - - -7.2369873523712158e-02 7.8648090362548828e-02 - <_> - - 0 -1 1793 -1.1116759851574898e-02 - - 1.7709450423717499e-01 -2.6758000254631042e-02 - <_> - - 0 -1 1794 2.2260710597038269e-02 - - 4.2804859578609467e-02 -1.3306209444999695e-01 - <_> - - 0 -1 1795 2.2397749125957489e-02 - - -8.4760002791881561e-03 2.0141950249671936e-01 - <_> - - 0 -1 1796 -2.2704310249537230e-03 - - 1.0329409688711166e-01 -5.9588078409433365e-02 - <_> - - 0 -1 1797 8.6120571941137314e-03 - - 4.4897329062223434e-02 -1.5256009995937347e-01 - <_> - - 0 -1 1798 4.2043669964186847e-05 - - -7.5515180826187134e-02 7.4329316616058350e-02 - <_> - - 0 -1 1799 -2.6688739657402039e-02 - - -9.0282207727432251e-01 2.5531589053571224e-03 - <_> - - 0 -1 1800 -1.2111039832234383e-03 - - 8.7331131100654602e-02 -6.1327978968620300e-02 - <_> - - 0 -1 1801 6.6678058356046677e-03 - - 1.2144420295953751e-02 -1.7702829837799072e-01 - <_> - - 0 -1 1802 5.1054819487035275e-03 - - -5.2553549408912659e-02 1.0995060205459595e-01 - <_> - - 0 -1 1803 -4.3119120527990162e-04 - - -1.1329609900712967e-01 2.7260279282927513e-02 - <_> - - 0 -1 1804 9.0407149400562048e-04 - - -7.4957557022571564e-02 7.0602118968963623e-02 - <_> - - 0 -1 1805 -4.2526099085807800e-01 - - -2.2629819810390472e-01 1.2958800420165062e-02 - <_> - - 0 -1 1806 -1.8204950029030442e-03 - - 2.1072770655155182e-01 -2.8397979214787483e-02 - <_> - - 0 -1 1807 1.6079390048980713e-01 - - -1.1575119569897652e-02 4.7614181041717529e-01 - <_> - - 0 -1 1808 1.7258119769394398e-03 - - 4.1094399988651276e-02 -1.4275330305099487e-01 - <_> - - 0 -1 1809 -1.4840350486338139e-03 - - -1.6670119762420654e-01 3.2535050064325333e-02 - <_> - - 0 -1 1810 7.1747507899999619e-03 - - 7.0819728076457977e-02 -8.9106030762195587e-02 - <_> - - 0 -1 1811 -8.2580056041479111e-03 - - 1.0304500162601471e-01 -3.3432789146900177e-02 - <_> - - 0 -1 1812 -6.7563762422651052e-04 - - 9.2545412480831146e-02 -6.2600679695606232e-02 - <_> - - 0 -1 1813 1.5063700266182423e-03 - - 3.4287590533494949e-02 -5.2697051316499710e-02 - <_> - - 0 -1 1814 6.4832060597836971e-03 - - -7.9551890492439270e-02 8.3565287292003632e-02 - <_> - - 0 -1 1815 1.5010650269687176e-02 - - -2.3017060011625290e-02 2.8918200731277466e-01 - <_> - - 0 -1 1816 2.3918910883367062e-03 - - 2.2861290723085403e-02 -2.8804329037666321e-01 - <_> - - 0 -1 1817 1.8441990017890930e-02 - - 5.6940279901027679e-03 -4.0642881393432617e-01 - <_> - - 0 -1 1818 1.5894079580903053e-02 - - 9.7483089193701744e-03 -5.4180818796157837e-01 - <_> - - 0 -1 1819 -6.0511790215969086e-03 - - 5.1702819764614105e-02 -1.8666969612240791e-02 - <_> - - 0 -1 1820 -1.7308069393038750e-02 - - -6.4874321222305298e-01 8.5127726197242737e-03 - <_> - - 0 -1 1821 -3.0910979956388474e-02 - - -3.5174548625946045e-01 1.5809880569577217e-03 - <_> - - 0 -1 1822 -9.6330260857939720e-03 - - 1.6103549301624298e-01 -3.5562090575695038e-02 - <_> - - 0 -1 1823 -3.8023660890758038e-03 - - -1.0701960325241089e-01 2.3216780275106430e-02 - <_> - - 0 -1 1824 -1.1252719908952713e-01 - - -8.6782878637313843e-01 5.9430040419101715e-03 - <_> - - 0 -1 1825 -8.0329097807407379e-02 - - 2.3479300737380981e-01 -2.4581069126725197e-02 - <_> - - 0 -1 1826 -4.8303799703717232e-03 - - -2.0043809711933136e-01 2.9466770589351654e-02 - <_> - - 0 -1 1827 5.9475651942193508e-03 - - -4.1612159460783005e-02 1.0927669703960419e-01 - <_> - - 0 -1 1828 -1.5954700112342834e-01 - - -9.2996472120285034e-01 5.9394179843366146e-03 - <_> - - 0 -1 1829 -6.2117610126733780e-02 - - -1. -9.8518899176269770e-04 - <_> - - 0 -1 1830 -1.6722660511732101e-02 - - 2.0358540117740631e-01 -2.6677429676055908e-02 - <_> - - 0 -1 1831 2.5412259856238961e-04 - - 3.5772711038589478e-02 -1.1497990041971207e-01 - <_> - - 0 -1 1832 -4.4589709490537643e-02 - - -8.2331168651580811e-01 5.8186561800539494e-03 - <_> - - 0 -1 1833 5.0029508769512177e-02 - - 6.5201208926737309e-03 -6.0308629274368286e-01 - <_> - - 0 -1 1834 2.7316421270370483e-01 - - 1.0105229914188385e-02 -4.4744080305099487e-01 - <_> - - 0 -1 1835 1.9679760560393333e-02 - - 7.3466659523546696e-03 -2.7913179993629456e-01 - <_> - - 0 -1 1836 -2.6382820680737495e-02 - - -6.0314857959747314e-01 7.7110212296247482e-03 - <_> - - 0 -1 1837 -6.1990451067686081e-03 - - 1.5202729403972626e-01 -2.0159959793090820e-02 - <_> - - 0 -1 1838 9.0291406959295273e-03 - - -2.3990979418158531e-02 2.4176830053329468e-01 - <_> - - 0 -1 1839 -1.3173219747841358e-02 - - -4.7442790865898132e-01 6.2788990326225758e-03 - <_> - - 0 -1 1840 9.9061578512191772e-03 - - 1.1161520145833492e-02 -5.1541870832443237e-01 - <_> - - 0 -1 1841 9.6910722553730011e-02 - - 1.9756879657506943e-02 -1.1220339685678482e-01 - <_> - - 0 -1 1842 -1.2751290202140808e-01 - - -1.1650139838457108e-01 4.3513149023056030e-02 - <_> - - 0 -1 1843 7.3522380553185940e-03 - - -1.5223789960145950e-02 1.2865990400314331e-01 - <_> - - 0 -1 1844 -8.0287149176001549e-03 - - 1.0930059850215912e-01 -5.2379939705133438e-02 - <_> - - 0 -1 1845 6.0138270258903503e-02 - - 5.8138328604400158e-03 -1.7840869724750519e-01 - <_> - - 0 -1 1846 -2.4024039506912231e-02 - - 1.8859949707984924e-01 -2.9658870771527290e-02 - <_> - - 0 -1 1847 -1.6334449872374535e-02 - - -1.3187359273433685e-01 2.2140020504593849e-02 - <_> - - 0 -1 1848 4.8175701522268355e-05 - - -7.6274849474430084e-02 7.0715323090553284e-02 - <_> - - 0 -1 1849 1.1565199820324779e-03 - - 4.4213209301233292e-02 -1.1717999726533890e-01 - <_> - - 0 -1 1850 2.5506340898573399e-03 - - -3.0667930841445923e-02 1.8196919560432434e-01 - <_> - - 0 -1 1851 -6.5251272171735764e-03 - - -1.1443450301885605e-01 3.5183969885110855e-02 - <_> - - 0 -1 1852 6.6153168678283691e-02 - - -2.7254449203610420e-02 1.9241680204868317e-01 - <_> - - 0 -1 1853 4.2829991434700787e-04 - - -6.3267558813095093e-02 8.3096623420715332e-02 - <_> - - 0 -1 1854 -2.9148950488888659e-05 - - 5.9166900813579559e-02 -9.1467723250389099e-02 - <_> - - 0 -1 1855 1.3398390365182422e-05 - - -6.2772221863269806e-02 7.6751098036766052e-02 - <_> - - 0 -1 1856 -3.1628899159841239e-04 - - 1.0652689635753632e-01 -4.8427011817693710e-02 - <_> - - 0 -1 1857 4.7857520985417068e-04 - - 3.1358771026134491e-02 -1.3498780131340027e-01 - <_> - - 0 -1 1858 5.3419070318341255e-03 - - -5.9767518192529678e-02 9.7649917006492615e-02 - <_> - - 0 -1 1859 -4.8007210716605186e-03 - - 5.7684548199176788e-02 -3.3368781208992004e-02 - <_> - - 0 -1 1860 -2.5623580440878868e-03 - - 8.2448042929172516e-02 -6.7134477198123932e-02 - <_> - - 0 -1 1861 -7.8163482248783112e-04 - - -1.3109140098094940e-01 2.2550739347934723e-02 - <_> - - 0 -1 1862 -5.9796901041409001e-05 - - 7.8017666935920715e-02 -7.2233237326145172e-02 - <_> - - 0 -1 1863 -1.4955470105633140e-03 - - -1.7849470674991608e-01 2.6512440294027328e-02 - <_> - - 0 -1 1864 -1.0731930285692215e-01 - - -5.5978351831436157e-01 7.9387873411178589e-03 - <_> - - 0 -1 1865 -1.1570350266993046e-02 - - 3.2721909880638123e-01 -1.5334350056946278e-02 - <_> - - 0 -1 1866 1.2698080390691757e-03 - - -5.2673868834972382e-02 9.5417343080043793e-02 - <_> - - 0 -1 1867 -2.1792970073875040e-04 - - -6.7746378481388092e-02 3.5121351480484009e-02 - <_> - - 0 -1 1868 2.7424149448052049e-04 - - -7.2451137006282806e-02 6.9099687039852142e-02 - <_> - - 0 -1 1869 -1.4675620150228497e-05 - - 6.1696369200944901e-02 -6.3419573009014130e-02 - <_> - - 0 -1 1870 4.5412341132760048e-03 - - 8.6941216140985489e-03 -5.6155169010162354e-01 - <_> - - 0 -1 1871 -1.7456309869885445e-03 - - 1.2214440107345581e-01 -4.3239079415798187e-02 - <_> - - 0 -1 1872 2.1515421103686094e-03 - - 4.2700000107288361e-02 -1.3580679893493652e-01 - <_> - - 0 -1 1873 2.5772679597139359e-02 - - -6.7501049488782883e-03 2.0923960208892822e-01 - <_> - - 0 -1 1874 -2.2853460162878036e-02 - - -6.3482582569122314e-01 7.7631678432226181e-03 - <_> - - 0 -1 1875 1.0445450246334076e-01 - - 8.2119172438979149e-03 -1.1739929765462875e-01 - <_> - - 0 -1 1876 3.4289199393242598e-03 - - -1.9393250346183777e-02 2.5361278653144836e-01 - <_> - - 0 -1 1877 -4.4450531277107075e-05 - - 3.0491659417748451e-02 -3.3532731235027313e-02 - <_> - - 0 -1 1878 -1.3084859820082784e-03 - - -1.2543289363384247e-01 4.2175199836492538e-02 - <_> - - 0 -1 1879 -8.2920619752258062e-04 - - 8.8702872395515442e-02 -5.9949461370706558e-02 - <_> - - 0 -1 1880 -1.1649610241875052e-03 - - -1.2260919809341431e-01 3.9777249097824097e-02 - <_> - - 0 -1 1881 -1.1792209697887301e-03 - - 4.8803780227899551e-02 -3.1617261469364166e-02 - <_> - - 0 -1 1882 1.4045130228623748e-03 - - -6.8578563630580902e-02 1.0806819796562195e-01 - <_> - - 0 -1 1883 8.1535786390304565e-02 - - 7.5162621214985847e-03 -1.9914560019969940e-01 - <_> - - 0 -1 1884 1.3402649760246277e-01 - - 1.1346439830958843e-02 -4.2387020587921143e-01 - <_> - - 0 -1 1885 5.1846381276845932e-02 - - -2.4805670604109764e-02 1.0611870139837265e-01 - <_> - - 0 -1 1886 2.2436599829234183e-04 - - 4.9879040569067001e-02 -1.0322760045528412e-01 - <_> - - 0 -1 1887 2.0504279434680939e-01 - - 1.2941809836775064e-03 -7.3124569654464722e-01 - <_> - - 0 -1 1888 4.9221020191907883e-02 - - -3.2314330339431763e-02 1.6341570019721985e-01 - <_> - - 0 -1 1889 -2.7643840294331312e-03 - - -7.2709262371063232e-02 2.9063390567898750e-02 - <_> - - 0 -1 1890 1.7601479776203632e-03 - - 7.0655502378940582e-02 -9.9655970931053162e-02 - <_> - - 0 -1 1891 -1.5338409692049026e-02 - - 1.0849429666996002e-01 -6.5918280743062496e-03 - <_> - - 0 -1 1892 1.3629199936985970e-02 - - -3.1854670494794846e-02 1.7387719452381134e-01 - <_> - - 0 -1 1893 -1.4116940292296931e-05 - - 7.0969909429550171e-02 -7.6373629271984100e-02 - <_> - - 0 -1 1894 -1.5539459884166718e-02 - - -2.2922930121421814e-01 2.2228740155696869e-02 - <_> - - 0 -1 1895 9.2819044366478920e-03 - - -4.8776720650494099e-03 2.0902079343795776e-01 - <_> - - 0 -1 1896 -1.4155480130284559e-05 - - 6.7757986485958099e-02 -7.2306759655475616e-02 - <_> - - 0 -1 1897 -8.7379867909476161e-04 - - -1.3424280285835266e-01 3.0613569542765617e-02 - <_> - - 0 -1 1898 -1.0997530072927475e-02 - - 3.0229330062866211e-01 -1.6519390046596527e-02 - <_> - - 0 -1 1899 6.6538681276142597e-03 - - 6.3065579161047935e-03 -6.2725418806076050e-01 - <_> - - 0 -1 1900 -1.3275049859657884e-03 - - -1.7980930209159851e-01 2.7482420206069946e-02 - <_> - - 0 -1 1901 -9.1509369667619467e-04 - - 8.2379557192325592e-02 -4.4698160141706467e-02 - <_> - - 0 -1 1902 3.7874261033721268e-04 - - 3.9099998772144318e-02 -1.2113759666681290e-01 - <_> - - 0 -1 1903 3.1279059476219118e-04 - - -4.0467869490385056e-02 8.0922096967697144e-02 - <_> - - 0 -1 1904 -4.4098051148466766e-04 - - -1.3570870459079742e-01 3.4640021622180939e-02 - <_> - - 0 -1 1905 -2.3545681033283472e-03 - - 1.8316949903964996e-01 -6.5944390371441841e-03 - <_> - - 0 -1 1906 -1.4042760085430928e-05 - - 7.1066640317440033e-02 -7.2712719440460205e-02 - <_> - - 0 -1 1907 -3.4967949613928795e-03 - - 2.8079178929328918e-01 -2.0121440291404724e-02 - <_> - - 0 -1 1908 3.8677681004628539e-05 - - -7.7483072876930237e-02 6.1632208526134491e-02 - <_> - - 0 -1 1909 4.0409551002085209e-03 - - -2.8791289776563644e-02 1.0144700109958649e-01 - <_> - - 0 -1 1910 4.3885988998226821e-04 - - 4.4285491108894348e-02 -1.0667510330677032e-01 - <_> - - 0 -1 1911 2.8847819194197655e-03 - - -3.0110429972410202e-02 1.9770030677318573e-01 - <_> - - 0 -1 1912 -3.6182960029691458e-03 - - -1.5853509306907654e-01 3.1248699873685837e-02 - <_> - - 0 -1 1913 -7.4127241969108582e-02 - - 2.6847139000892639e-01 -7.5118849053978920e-03 - <_> - - 0 -1 1914 -1.7701960168778896e-03 - - 7.0348329842090607e-02 -7.6661907136440277e-02 - <_> - - 0 -1 1915 -2.2964610159397125e-01 - - -1.7674639821052551e-01 2.6304980739951134e-02 - <_> - - 0 -1 1916 -8.4374961443245411e-04 - - 1.2280090153217316e-01 -3.9470311254262924e-02 - <_> - - 0 -1 1917 6.2283687293529510e-04 - - -5.9402100741863251e-02 1.0227580368518829e-01 - <_> - - 0 -1 1918 3.7774170050397515e-04 - - -6.5731868147850037e-02 9.4461776316165924e-02 - <_> - - 0 -1 1919 -9.1600026935338974e-03 - - -2.3604519665241241e-01 8.3174835890531540e-03 - <_> - - 0 -1 1920 -3.9922599680721760e-03 - - -1.6145500540733337e-01 3.2346289604902267e-02 - <_> - - 0 -1 1921 -3.3894251100718975e-03 - - 2.5536310672760010e-01 -1.6282750293612480e-02 - <_> - - 0 -1 1922 2.0170630887150764e-03 - - -3.3730961382389069e-02 1.4327409863471985e-01 - <_> - - 0 -1 1923 6.0314318398013711e-04 - - 2.0838299766182899e-02 -8.0766737461090088e-02 - <_> - - 0 -1 1924 -3.5625399323180318e-04 - - -1.1648300290107727e-01 4.1728250682353973e-02 - <_> - - 0 -1 1925 -2.3485629935748875e-04 - - 5.0236988812685013e-02 -3.5763539373874664e-02 - <_> - - 0 -1 1926 4.1733398102223873e-03 - - 6.2450668774545193e-03 -7.5315088033676147e-01 - <_> - - 0 -1 1927 -1.5104680322110653e-02 - - -3.7117061018943787e-01 3.5868769045919180e-03 - <_> - - 0 -1 1928 -3.3432588679715991e-04 - - 7.3129981756210327e-02 -6.3462227582931519e-02 - <_> - - 0 -1 1929 9.2645268887281418e-04 - - -2.8360379859805107e-02 8.1202872097492218e-02 - <_> - - 0 -1 1930 -1.6456949524581432e-03 - - -1.4563870429992676e-01 3.3951658755540848e-02 - <_> - - 0 -1 1931 -1.2158240424469113e-03 - - 4.5882221311330795e-02 -5.7257469743490219e-02 - <_> - - 0 -1 1932 4.9246400594711304e-03 - - -4.3981380760669708e-02 1.1510019749403000e-01 - <_> - - 0 -1 1933 -6.6806487739086151e-03 - - 7.1484349668025970e-02 -7.7606171369552612e-02 - <_> - - 0 -1 1934 -4.2396718636155128e-03 - - 1.2487599998712540e-01 -4.1228380054235458e-02 - <_> - - 0 -1 1935 5.9024091809988022e-02 - - 8.7620420381426811e-03 -2.3974700272083282e-01 - <_> - - 0 -1 1936 -8.4677420090883970e-04 - - -1.6061230003833771e-01 2.9858700931072235e-02 - <_> - - 0 -1 1937 3.0823849374428391e-04 - - -4.2748618870973587e-02 6.5159931778907776e-02 - <_> - - 0 -1 1938 -1.5910139773041010e-03 - - 1.0174900293350220e-01 -5.2041478455066681e-02 - <_> - - 0 -1 1939 6.5938353538513184e-02 - - -8.7185706943273544e-03 1.2778709828853607e-01 - <_> - - 0 -1 1940 6.9909919984638691e-03 - - 2.1958060562610626e-02 -2.2432990372180939e-01 - <_> - - 0 -1 1941 -3.7245001643896103e-02 - - 1.0239789634943008e-01 -1.2216970324516296e-02 - <_> - - 0 -1 1942 -7.1809038519859314e-02 - - -1.4630299806594849e-01 3.5678751766681671e-02 - <_> - - 0 -1 1943 1.2186600361019373e-03 - - -3.0746009200811386e-02 9.0086430311203003e-02 - <_> - - 0 -1 1944 -1.4185549844114576e-05 - - 7.2184130549430847e-02 -8.0784916877746582e-02 - <_> - - 0 -1 1945 -4.7359269112348557e-02 - - -5.1488220691680908e-02 8.3303246647119522e-03 - <_> - - 0 -1 1946 -9.9122747778892517e-02 - - 7.4836689233779907e-01 -7.0312391035258770e-03 - <_> - - 0 -1 1947 6.5616220235824585e-03 - - 2.9704109765589237e-03 -8.6616927385330200e-01 - <_> - - 0 -1 1948 1.4554029803548474e-05 - - -6.6417336463928223e-02 6.9943219423294067e-02 - <_> - - 0 -1 1949 -1.4783379810978658e-05 - - 4.8168119043111801e-02 -4.5541871339082718e-02 - <_> - - 0 -1 1950 3.4434479312039912e-04 - - 3.9564359933137894e-02 -1.3817049562931061e-01 - <_> - - 0 -1 1951 -1.5220089815557003e-02 - - 5.6425478309392929e-02 -3.1832590699195862e-02 - <_> - - 0 -1 1952 -9.9003070499747992e-04 - - 8.4525726735591888e-02 -6.0871038585901260e-02 - <_> - - 0 -1 1953 5.0106819253414869e-04 - - -7.4269689619541168e-02 7.5144886970520020e-02 - <_> - - 0 -1 1954 2.1565580368041992e-01 - - 1.3532330282032490e-02 -3.6944881081581116e-01 - <_> - - 0 -1 1955 4.6514578163623810e-02 - - -3.2852739095687866e-02 7.5578376650810242e-02 - <_> - - 0 -1 1956 -3.3291958272457123e-02 - - 9.8225638270378113e-02 -8.4359258413314819e-02 - <_> - - 0 -1 1957 -3.7740701436996460e-01 - - -4.0594369173049927e-01 6.7579401656985283e-03 - <_> - - 0 -1 1958 1.3958640396595001e-02 - - 1.4477419666945934e-02 -3.5323330760002136e-01 - <_> - - 0 -1 1959 -1.0354929603636265e-02 - - 4.9957130104303360e-02 -3.3316690474748611e-02 - <_> - - 0 -1 1960 -3.5259810090065002e-01 - - -8.8354581594467163e-01 5.2982778288424015e-03 - <_> - - 0 -1 1961 -2.5497689843177795e-02 - - -5.0059622526168823e-01 3.3401530236005783e-03 - <_> - - 0 -1 1962 -1.3579069636762142e-02 - - -7.9210782051086426e-01 5.2573881112039089e-03 - <_> - - 0 -1 1963 -6.4325397834181786e-03 - - 2.2479079663753510e-01 -1.2490210123360157e-02 - <_> - - 0 -1 1964 1.7743050120770931e-03 - - 3.6416389048099518e-02 -1.2674359977245331e-01 - <_> - - 0 -1 1965 -2.8727769386023283e-03 - - 2.6288139820098877e-01 -1.4163469895720482e-02 - <_> - - 0 -1 1966 9.7850046586245298e-05 - - -6.3954651355743408e-02 8.0631032586097717e-02 - <_> - - 0 -1 1967 1.7374150454998016e-02 - - 2.8990509454160929e-03 -4.2226800322532654e-01 - <_> - - 0 -1 1968 -1.4066740404814482e-03 - - 1.0372389853000641e-01 -4.6474151313304901e-02 - <_> - - 0 -1 1969 -1.6724130138754845e-02 - - -2.8448548913002014e-01 9.2373117804527283e-03 - <_> - - 0 -1 1970 -1.0558520443737507e-02 - - -1.0547369718551636e-01 5.2889660000801086e-02 - <_> - - 0 -1 1971 1.5293300151824951e-01 - - 3.2300320453941822e-03 -4.7545519471168518e-01 - <_> - - 0 -1 1972 7.7029820531606674e-03 - - -6.0984298586845398e-02 8.6567848920822144e-02 - <_> - - 0 -1 1973 1.4633269980549812e-02 - - -1.7254069447517395e-02 7.3769517242908478e-02 - <_> - - 0 -1 1974 -5.9058261103928089e-03 - - 1.0765349864959717e-01 -5.8216858655214310e-02 - <_> - - 0 -1 1975 -8.6052267579361796e-04 - - -2.4705569446086884e-01 3.9832849055528641e-02 - <_> - - 0 -1 1976 1.3982819837110583e-05 - - -6.8481527268886566e-02 7.2419390082359314e-02 - <_> - 292 - -8.8979828357696533e-01 - - <_> - - 0 -1 1977 -2.2767020389437675e-02 - - 3.7855881452560425e-01 -7.4579752981662750e-02 - <_> - - 0 -1 1978 1.3848500326275826e-02 - - -3.8395948708057404e-02 1.5865300595760345e-01 - <_> - - 0 -1 1979 1.6501640900969505e-02 - - -4.0356989949941635e-02 3.1940919160842896e-01 - <_> - - 0 -1 1980 4.9945950508117676e-02 - - 1.3500959612429142e-03 -7.1901618957519531e+01 - <_> - - 0 -1 1981 2.3085280554369092e-04 - - -1.5948350727558136e-01 6.2301728874444962e-02 - <_> - - 0 -1 1982 -3.2616918906569481e-04 - - 1.1485809832811356e-01 -8.2625932991504669e-02 - <_> - - 0 -1 1983 2.0700939930975437e-03 - - 9.9244236946105957e-02 -1.8762749433517456e-01 - <_> - - 0 -1 1984 3.6466990131884813e-03 - - -5.9486821293830872e-02 2.3915329948067665e-02 - <_> - - 0 -1 1985 4.3258240818977356e-01 - - -3.5108299925923347e-03 -8.8022760009765625e+02 - <_> - - 0 -1 1986 -1.5135499835014343e-01 - - 2.1386210620403290e-01 -3.7147529423236847e-02 - <_> - - 0 -1 1987 1.4268080121837556e-05 - - -7.8762777149677277e-02 1.1088649928569794e-01 - <_> - - 0 -1 1988 4.5837109792046249e-04 - - 3.1337808817625046e-02 -1.2781299650669098e-01 - <_> - - 0 -1 1989 8.5760722868144512e-04 - - -1.1430999636650085e-01 8.4779530763626099e-02 - <_> - - 0 -1 1990 -1.3306170003488660e-03 - - 1.2380199879407883e-01 -6.3108362257480621e-02 - <_> - - 0 -1 1991 -7.8581267734989524e-04 - - 1.4474479854106903e-01 -6.6131599247455597e-02 - <_> - - 0 -1 1992 2.9203219339251518e-02 - - 1.5835119411349297e-02 -2.7886340022087097e-01 - <_> - - 0 -1 1993 -3.3595840795896947e-04 - - -1.3980509340763092e-01 5.2156690508127213e-02 - <_> - - 0 -1 1994 -4.9088441301137209e-04 - - -1.6182370483875275e-01 5.2929759025573730e-02 - <_> - - 0 -1 1995 -1.0883460193872452e-01 - - 2.0574440062046051e-01 -4.0060799568891525e-02 - <_> - - 0 -1 1996 -3.5458389669656754e-02 - - 1.0138759762048721e-01 -8.3750143647193909e-02 - <_> - - 0 -1 1997 8.7126181460916996e-04 - - 4.4440608471632004e-02 -1.9689509272575378e-01 - <_> - - 0 -1 1998 -1.3993269763886929e-02 - - -2.2459620237350464e-01 1.2766630388796329e-02 - <_> - - 0 -1 1999 -2.2845380008220673e-03 - - 7.6802432537078857e-02 -9.2134661972522736e-02 - <_> - - 0 -1 2000 -1.0183329693973064e-02 - - 1.1236850172281265e-01 -5.3973980247974396e-02 - <_> - - 0 -1 2001 3.5436619073152542e-03 - - 4.4633179903030396e-02 -1.4774739742279053e-01 - <_> - - 0 -1 2002 2.3777359456289560e-04 - - -8.6299903690814972e-02 5.5821128189563751e-02 - <_> - - 0 -1 2003 1.0005419608205557e-03 - - -3.9257239550352097e-02 1.5329119563102722e-01 - <_> - - 0 -1 2004 6.4915331313386559e-04 - - -4.9939561635255814e-02 7.5440049171447754e-02 - <_> - - 0 -1 2005 -7.5847338885068893e-03 - - -2.4265210330486298e-01 2.5270320475101471e-02 - <_> - - 0 -1 2006 -1.5712540596723557e-02 - - 1.7297010123729706e-01 -3.9057541638612747e-02 - <_> - - 0 -1 2007 -3.9321780204772949e-01 - - -2.5074109435081482e-01 3.5513188689947128e-02 - <_> - - 0 -1 2008 6.4803091809153557e-03 - - 3.5816188901662827e-02 -1.5493710339069366e-01 - <_> - - 0 -1 2009 -3.6928490735590458e-03 - - 6.6010497510433197e-02 -9.1977387666702271e-02 - <_> - - 0 -1 2010 4.0171178989112377e-04 - - -5.3731810301542282e-02 6.2330979853868484e-02 - <_> - - 0 -1 2011 -1.0566849960014224e-03 - - 2.4069379270076752e-01 -3.8379501551389694e-02 - <_> - - 0 -1 2012 -6.2974360771477222e-03 - - -5.5077511072158813e-01 1.1444900184869766e-02 - <_> - - 0 -1 2013 -2.2626901045441628e-03 - - -3.0054908990859985e-01 1.9966229796409607e-02 - <_> - - 0 -1 2014 4.4639740372076631e-04 - - -9.2869967222213745e-02 1.1919409781694412e-01 - <_> - - 0 -1 2015 1.2323829287197441e-04 - - -8.0585919320583344e-02 9.6582867205142975e-02 - <_> - - 0 -1 2016 -4.2977688281098381e-05 - - 5.6325040757656097e-02 -6.1825469136238098e-02 - <_> - - 0 -1 2017 -1.3477250467985868e-03 - - -1.2008170038461685e-01 5.5916771292686462e-02 - <_> - - 0 -1 2018 4.2214780114591122e-04 - - -8.4175691008567810e-02 9.9671080708503723e-02 - <_> - - 0 -1 2019 2.8857209254056215e-03 - - 6.5345473587512970e-02 -1.0931260138750076e-01 - <_> - - 0 -1 2020 3.0309830326586962e-03 - - -2.5247409939765930e-02 1.9884890317916870e-01 - <_> - - 0 -1 2021 -5.3361342288553715e-03 - - 1.0040310025215149e-01 -5.8072179555892944e-02 - <_> - - 0 -1 2022 -3.8242610171437263e-03 - - 1.5898209810256958e-01 -4.2140848934650421e-02 - <_> - - 0 -1 2023 -1.7378249904140830e-03 - - -1.3454620540142059e-01 5.5477790534496307e-02 - <_> - - 0 -1 2024 -1.0192190296947956e-02 - - 1.2067530304193497e-01 -5.3306579589843750e-02 - <_> - - 0 -1 2025 -7.0896078832447529e-03 - - -1.5418629348278046e-01 4.4162388890981674e-02 - <_> - - 0 -1 2026 -2.4648339021950960e-03 - - 1.7080619931221008e-01 -2.7274850755929947e-02 - <_> - - 0 -1 2027 -6.4241851214319468e-04 - - -1.5442839264869690e-01 4.0064170956611633e-02 - <_> - - 0 -1 2028 6.6317862365394831e-04 - - -3.0377250164747238e-02 5.6270759552717209e-02 - <_> - - 0 -1 2029 -8.2941073924303055e-03 - - -4.1811838746070862e-01 1.3492629863321781e-02 - <_> - - 0 -1 2030 -3.6951078800484538e-04 - - 4.8480831086635590e-02 -3.3837471157312393e-02 - <_> - - 0 -1 2031 1.3221809640526772e-03 - - -4.2906221002340317e-02 1.2838859856128693e-01 - <_> - - 0 -1 2032 -1.2671080185100436e-03 - - -1.1043450236320496e-01 2.5441320613026619e-02 - <_> - - 0 -1 2033 2.4836331140249968e-03 - - 3.4706719219684601e-02 -1.8949089944362640e-01 - <_> - - 0 -1 2034 -6.2526516616344452e-02 - - -5.9004527330398560e-01 2.7786649297922850e-03 - <_> - - 0 -1 2035 -1.4897409826517105e-02 - - 1.8752850592136383e-01 -3.3959109336137772e-02 - <_> - - 0 -1 2036 -1.2002790346741676e-02 - - -2.8914290666580200e-01 7.3392977938055992e-03 - <_> - - 0 -1 2037 3.1435370910912752e-03 - - 4.4084388762712479e-02 -1.5315219759941101e-01 - <_> - - 0 -1 2038 -2.4036609102040529e-03 - - 1.1861529946327209e-01 -2.7313409373164177e-02 - <_> - - 0 -1 2039 -3.5791810601949692e-02 - - 1.6680610179901123e-01 -3.5469651222229004e-02 - <_> - - 0 -1 2040 5.7867588475346565e-03 - - 2.2431949153542519e-02 -8.4338746964931488e-02 - <_> - - 0 -1 2041 -2.6954410132020712e-03 - - -3.4904921054840088e-01 1.4700699597597122e-02 - <_> - - 0 -1 2042 6.2262167921289802e-04 - - -4.2427390813827515e-02 1.0650890320539474e-01 - <_> - - 0 -1 2043 -8.7842030916363001e-04 - - 1.3310040533542633e-01 -4.1842449456453323e-02 - <_> - - 0 -1 2044 -2.0373899023979902e-03 - - -2.3306299746036530e-01 1.7812909558415413e-02 - <_> - - 0 -1 2045 1.3666530139744282e-03 - - 2.5180319324135780e-02 -2.1236039698123932e-01 - <_> - - 0 -1 2046 -1.3152270112186670e-03 - - 1.9212719798088074e-01 -4.6617131680250168e-02 - <_> - - 0 -1 2047 1.9801879301667213e-02 - - 1.4901800081133842e-02 -3.5319229960441589e-01 - <_> - - 0 -1 2048 3.1510000117123127e-03 - - -1.2941169552505016e-02 1.4735250174999237e-01 - <_> - - 0 -1 2049 3.5291429609060287e-02 - - 7.3530990630388260e-03 -7.1556198596954346e-01 - <_> - - 0 -1 2050 -2.8649759769905359e-05 - - 3.4785639494657516e-02 -3.3928319811820984e-02 - <_> - - 0 -1 2051 1.2113710399717093e-03 - - -3.5517819225788116e-02 1.3941350579261780e-01 - <_> - - 0 -1 2052 -1.8620840273797512e-03 - - -1.3029609620571136e-01 2.4534810334444046e-02 - <_> - - 0 -1 2053 -2.7619469910860062e-02 - - 1.4360269904136658e-01 -3.4316640347242355e-02 - <_> - - 0 -1 2054 5.0724758766591549e-03 - - 2.0405089482665062e-02 -6.9412447512149811e-02 - <_> - - 0 -1 2055 1.0903120040893555e-02 - - 5.0989679992198944e-02 -1.1491060256958008e-01 - <_> - - 0 -1 2056 -2.7553900144994259e-03 - - 1.9678440690040588e-01 -1.2697969563305378e-02 - <_> - - 0 -1 2057 -1.8694249447435141e-03 - - -2.9915121197700500e-01 1.6838220879435539e-02 - <_> - - 0 -1 2058 1.5511639649048448e-03 - - 2.4750430136919022e-02 -1.0845399647951126e-01 - <_> - - 0 -1 2059 -1.4158929698169231e-02 - - 1.2197340279817581e-01 -4.1165851056575775e-02 - <_> - - 0 -1 2060 -1.2717859819531441e-02 - - -4.3909710645675659e-01 7.9397717490792274e-03 - <_> - - 0 -1 2061 -1.6385139897465706e-03 - - -1.6575939953327179e-01 3.1098280102014542e-02 - <_> - - 0 -1 2062 3.5357510205358267e-04 - - -3.6188390105962753e-02 6.4537517726421356e-02 - <_> - - 0 -1 2063 -1.3709410559386015e-03 - - 1.9694100320339203e-01 -3.0401369556784630e-02 - <_> - - 0 -1 2064 1.2311729602515697e-02 - - 9.1771297156810760e-03 -1.3160559535026550e-01 - <_> - - 0 -1 2065 1.8457289552316070e-03 - - 3.0837250873446465e-02 -1.6602100431919098e-01 - <_> - - 0 -1 2066 -1.5473379753530025e-02 - - 2.5880289077758789e-01 -2.2011399269104004e-02 - <_> - - 0 -1 2067 -2.1259100176393986e-03 - - -1.0968039929866791e-01 4.7188289463520050e-02 - <_> - - 0 -1 2068 -3.1477488577365875e-02 - - 8.7950423359870911e-02 -2.9075659811496735e-02 - <_> - - 0 -1 2069 8.3510661497712135e-03 - - -5.7418391108512878e-02 1.2259429693222046e-01 - <_> - - 0 -1 2070 -1.5261439839377999e-03 - - 5.1226388663053513e-02 -5.6588850915431976e-02 - <_> - - 0 -1 2071 -4.0471060201525688e-03 - - -7.3753368854522705e-01 6.5819500014185905e-03 - <_> - - 0 -1 2072 2.3618470877408981e-03 - - -5.8076798915863037e-02 9.7385376691818237e-02 - <_> - - 0 -1 2073 -5.0288718193769455e-03 - - -4.0696510672569275e-01 1.2450199574232101e-02 - <_> - - 0 -1 2074 -4.5899039832875133e-04 - - -1.1976789683103561e-01 3.0493760481476784e-02 - <_> - - 0 -1 2075 -7.6553300023078918e-03 - - 3.2797640562057495e-01 -1.4679649844765663e-02 - <_> - - 0 -1 2076 3.1651180237531662e-02 - - 9.8373405635356903e-03 -9.9427476525306702e-02 - <_> - - 0 -1 2077 -4.2005829163827002e-04 - - 6.9475196301937103e-02 -6.6317923367023468e-02 - <_> - - 0 -1 2078 -4.3475469574332237e-03 - - -9.2239603400230408e-02 3.7397488951683044e-02 - <_> - - 0 -1 2079 3.5791029222309589e-03 - - -1.9854990765452385e-02 2.4084280431270599e-01 - <_> - - 0 -1 2080 -1.0942749679088593e-02 - - 2.6542368531227112e-01 -1.2423070147633553e-02 - <_> - - 0 -1 2081 3.8771289400756359e-03 - - -5.7885479182004929e-02 1.0133259743452072e-01 - <_> - - 0 -1 2082 5.1080808043479919e-03 - - 4.0216930210590363e-03 -8.9897549152374268e-01 - <_> - - 0 -1 2083 4.7296998673118651e-04 - - 3.9465188980102539e-02 -1.3236129283905029e-01 - <_> - - 0 -1 2084 -8.7365293875336647e-03 - - -8.5640531778335571e-01 6.3242338364943862e-04 - <_> - - 0 -1 2085 -2.3332149721682072e-03 - - -3.0867880582809448e-01 1.7711369320750237e-02 - <_> - - 0 -1 2086 9.1973934322595596e-03 - - 1.2881910428404808e-02 -2.7063271403312683e-01 - <_> - - 0 -1 2087 -9.0592764317989349e-03 - - 3.7111261487007141e-01 -1.5435660257935524e-02 - <_> - - 0 -1 2088 -6.8536121398210526e-03 - - -2.3248560726642609e-01 1.4396419748663902e-02 - <_> - - 0 -1 2089 3.2640730496495962e-03 - - -1.6830140724778175e-02 2.8828591108322144e-01 - <_> - - 0 -1 2090 8.4918318316340446e-04 - - 2.8029309585690498e-02 -1.9904230535030365e-01 - <_> - - 0 -1 2091 -2.1864029113203287e-03 - - 2.0627869665622711e-01 -2.2290140390396118e-02 - <_> - - 0 -1 2092 -4.4997650547884405e-04 - - -1.5903109312057495e-01 4.2944360524415970e-02 - <_> - - 0 -1 2093 2.9121869374648668e-05 - - -6.5282016992568970e-02 7.1159698069095612e-02 - <_> - - 0 -1 2094 4.3467659503221512e-02 - - -1.6959929838776588e-02 1.0998240113258362e-01 - <_> - - 0 -1 2095 -1.1365989921614528e-03 - - -2.2058859467506409e-01 2.3035509511828423e-02 - <_> - - 0 -1 2096 -1.8206920474767685e-02 - - -2.9789340496063232e-01 9.9594965577125549e-03 - <_> - - 0 -1 2097 6.6835589706897736e-02 - - -1.8957259133458138e-02 3.0663791298866272e-01 - <_> - - 0 -1 2098 -1.4330899830383714e-05 - - 5.7081911712884903e-02 -6.5903536975383759e-02 - <_> - - 0 -1 2099 1.4206670457497239e-03 - - -3.8737241178750992e-02 1.2876810133457184e-01 - <_> - - 0 -1 2100 2.7356849750503898e-04 - - -7.6959587633609772e-02 5.7561419904232025e-02 - <_> - - 0 -1 2101 -4.3629730498651043e-05 - - 6.8417556583881378e-02 -7.2743088006973267e-02 - <_> - - 0 -1 2102 2.2442260757088661e-02 - - 1.2906930409371853e-02 -2.7765989303588867e-01 - <_> - - 0 -1 2103 -9.5062162727117538e-03 - - 2.2520409524440765e-01 -2.2552950307726860e-02 - <_> - - 0 -1 2104 1.2153879739344120e-02 - - 1.4640049776062369e-03 -8.2713627815246582e-01 - <_> - - 0 -1 2105 -3.8760809693485498e-03 - - -3.0009371042251587e-01 1.5818350017070770e-02 - <_> - - 0 -1 2106 1.8056180328130722e-02 - - -2.7300639078021049e-02 1.1843930184841156e-01 - <_> - - 0 -1 2107 -1.0198189876973629e-02 - - -4.6742329001426697e-01 1.1439249850809574e-02 - <_> - - 0 -1 2108 -1.8736829515546560e-03 - - 6.1713431030511856e-02 -5.4324761033058167e-02 - <_> - - 0 -1 2109 -1.4160489627101924e-05 - - 6.5854422748088837e-02 -7.1403980255126953e-02 - <_> - - 0 -1 2110 -7.5924489647150040e-04 - - -7.3370590806007385e-02 1.5395210124552250e-02 - <_> - - 0 -1 2111 1.9678730517625809e-02 - - -1.7670389264822006e-02 2.6263308525085449e-01 - <_> - - 0 -1 2112 -1.7821189761161804e-01 - - -5.2703332901000977e-01 9.4334492459893227e-03 - <_> - - 0 -1 2113 1.4515940165438224e-05 - - -6.4707919955253601e-02 6.9548860192298889e-02 - <_> - - 0 -1 2114 -1.4563810545951128e-03 - - 4.2549580335617065e-02 -3.3000539988279343e-02 - <_> - - 0 -1 2115 2.1180020645260811e-02 - - 2.6962980628013611e-02 -1.7822809517383575e-01 - <_> - - 0 -1 2116 7.7891332330182195e-04 - - -5.7932410389184952e-02 7.7026076614856720e-02 - <_> - - 0 -1 2117 -3.8158979732543230e-03 - - 9.7226321697235107e-02 -5.2060168236494064e-02 - <_> - - 0 -1 2118 7.4426521314308047e-04 - - 1.9151100888848305e-02 -9.7902022302150726e-02 - <_> - - 0 -1 2119 -6.9776270538568497e-03 - - 1.1507830023765564e-01 -4.7722190618515015e-02 - <_> - - 0 -1 2120 1.4204400031303521e-05 - - -4.1490320116281509e-02 4.9247849732637405e-02 - <_> - - 0 -1 2121 -5.6304200552403927e-04 - - -1.4389720559120178e-01 3.6801539361476898e-02 - <_> - - 0 -1 2122 2.6648829225450754e-03 - - -6.0111761093139648e-02 9.3297347426414490e-02 - <_> - - 0 -1 2123 -8.8225618004798889e-02 - - -1.7006370425224304e-01 2.9528470709919930e-02 - <_> - - 0 -1 2124 -8.7953936308622360e-03 - - -5.8269548416137695e-01 1.8716199556365609e-03 - <_> - - 0 -1 2125 -1.1649719672277570e-03 - - 1.2489689886569977e-01 -4.3457120656967163e-02 - <_> - - 0 -1 2126 1.3699769624508917e-05 - - -4.2961910367012024e-02 4.4930510222911835e-02 - <_> - - 0 -1 2127 2.8596229385584593e-03 - - 1.4335130341351032e-02 -3.0572828650474548e-01 - <_> - - 0 -1 2128 -2.2674720734357834e-02 - - 4.0617591142654419e-01 -1.0855849832296371e-02 - <_> - - 0 -1 2129 -9.9256280809640884e-03 - - 2.7254319190979004e-01 -1.6158660873770714e-02 - <_> - - 0 -1 2130 5.9502501040697098e-02 - - 4.5848288573324680e-03 -7.3743087053298950e-01 - <_> - - 0 -1 2131 5.1061160862445831e-02 - - 5.0964308902621269e-03 -7.6984941959381104e-01 - <_> - - 0 -1 2132 -1.2472540140151978e-02 - - 8.4497779607772827e-02 -3.3125039190053940e-02 - <_> - - 0 -1 2133 1.4897279907017946e-03 - - 3.6912161856889725e-02 -1.3818310201168060e-01 - <_> - - 0 -1 2134 -2.2147510200738907e-02 - - -1.6144229471683502e-01 9.0466598048806190e-03 - <_> - - 0 -1 2135 9.4495322555303574e-03 - - 4.6972200274467468e-02 -1.0716339945793152e-01 - <_> - - 0 -1 2136 1.9293139921501279e-03 - - -3.4286331385374069e-02 5.2777741104364395e-02 - <_> - - 0 -1 2137 -3.8894641399383545e-01 - - -7.6786720752716064e-01 5.8184252120554447e-03 - <_> - - 0 -1 2138 2.2508520632982254e-02 - - -1.1624289676547050e-02 8.8422507047653198e-02 - <_> - - 0 -1 2139 -2.2605659440159798e-02 - - 2.4461190402507782e-01 -1.7740579321980476e-02 - <_> - - 0 -1 2140 -1.1666050180792809e-02 - - -2.5602799654006958e-01 1.1454549618065357e-02 - <_> - - 0 -1 2141 -2.0710580050945282e-02 - - -5.5883651971817017e-01 7.5737191364169121e-03 - <_> - - 0 -1 2142 7.8827500343322754e-02 - - 3.9148649193521123e-06 -7.5623649358749390e-01 - <_> - - 0 -1 2143 2.3726599290966988e-02 - - -2.3146500810980797e-02 1.9937509298324585e-01 - <_> - - 0 -1 2144 1.2368409661576152e-03 - - 3.8288921117782593e-02 -1.2177640199661255e-01 - <_> - - 0 -1 2145 -1.4358550288307015e-05 - - 6.0658939182758331e-02 -7.3654122650623322e-02 - <_> - - 0 -1 2146 8.7936148047447205e-03 - - -3.3896610140800476e-02 9.5205701887607574e-02 - <_> - - 0 -1 2147 -2.3806949320714921e-04 - - -9.9966533482074738e-02 4.5478440821170807e-02 - <_> - - 0 -1 2148 -8.3054965361952782e-03 - - 1.3420370221138000e-01 -2.5543849915266037e-02 - <_> - - 0 -1 2149 8.1005110405385494e-04 - - 4.0490619838237762e-02 -1.1215209960937500e-01 - <_> - - 0 -1 2150 -1.7238059639930725e-01 - - -5.0442242622375488e-01 8.9577194303274155e-03 - <_> - - 0 -1 2151 2.9706210625590757e-05 - - -7.0957981050014496e-02 6.3416786491870880e-02 - <_> - - 0 -1 2152 -3.5412028431892395e-02 - - -1.7485639452934265e-01 9.6797533333301544e-03 - <_> - - 0 -1 2153 8.2069952040910721e-03 - - -2.8969779610633850e-02 1.6151989996433258e-01 - <_> - - 0 -1 2154 -4.4735260307788849e-03 - - -4.4660449028015137e-01 1.0111720301210880e-02 - <_> - - 0 -1 2155 4.2432491318322718e-04 - - -4.5450739562511444e-02 9.8722547292709351e-02 - <_> - - 0 -1 2156 -9.3795463442802429e-02 - - 4.7356921434402466e-01 -5.7168500497937202e-03 - <_> - - 0 -1 2157 -6.3939332903828472e-05 - - -1.0030250251293182e-01 5.6099571287631989e-02 - <_> - - 0 -1 2158 -5.1775861531496048e-02 - - -8.5062891244888306e-01 2.1091110538691282e-03 - <_> - - 0 -1 2159 2.3427829146385193e-03 - - -6.0702718794345856e-02 8.7300397455692291e-02 - <_> - - 0 -1 2160 -5.5683478713035583e-02 - - -3.6283439397811890e-01 6.0013919137418270e-03 - <_> - - 0 -1 2161 1.9656179472804070e-02 - - -1.5454960055649281e-02 2.9359608888626099e-01 - <_> - - 0 -1 2162 -5.2067539654672146e-03 - - -1.4107729494571686e-01 9.3313539400696754e-03 - <_> - - 0 -1 2163 -8.1932216882705688e-02 - - -7.0356172323226929e-01 6.1017181724309921e-03 - <_> - - 0 -1 2164 -1.0771179944276810e-01 - - 1.2234950065612793e-01 -2.7294529601931572e-02 - <_> - - 0 -1 2165 -4.4263739138841629e-02 - - -4.6973970532417297e-01 1.1172570288181305e-02 - <_> - - 0 -1 2166 -1.1734849773347378e-02 - - 7.9907633364200592e-02 -3.9245810359716415e-02 - <_> - - 0 -1 2167 -4.9447570927441120e-03 - - -1.4253869652748108e-01 3.6019299179315567e-02 - <_> - - 0 -1 2168 -1.2758700177073479e-02 - - 2.1074560284614563e-01 -2.7008490636944771e-02 - <_> - - 0 -1 2169 -2.4229190312325954e-03 - - -1.7348369956016541e-01 2.7011310681700706e-02 - <_> - - 0 -1 2170 1.2762489728629589e-02 - - -4.0995080024003983e-02 1.0026659816503525e-01 - <_> - - 0 -1 2171 -1.9846750423312187e-02 - - -1.7189559340476990e-01 2.7843099087476730e-02 - <_> - - 0 -1 2172 -9.6252951771020889e-03 - - 7.5235731899738312e-02 -6.2477041035890579e-02 - <_> - - 0 -1 2173 1.4421059750020504e-02 - - -4.4746961444616318e-02 1.2761180102825165e-01 - <_> - - 0 -1 2174 -1.7601229250431061e-02 - - -1.8411770462989807e-01 7.5616179965436459e-03 - <_> - - 0 -1 2175 2.6960249524563551e-03 - - 5.1309641450643539e-02 -9.9234290421009064e-02 - <_> - - 0 -1 2176 8.8272113353013992e-03 - - -2.9426699504256248e-02 1.2871199846267700e-01 - <_> - - 0 -1 2177 1.5159220201894641e-03 - - -7.0951983332633972e-02 7.0258103311061859e-02 - <_> - - 0 -1 2178 9.9900282919406891e-02 - - 4.2045200243592262e-03 -2.5636160373687744e-01 - <_> - - 0 -1 2179 -9.0645171701908112e-02 - - -7.3471748828887939e-01 7.1614691987633705e-03 - <_> - - 0 -1 2180 -8.4249622887000442e-04 - - -1.5900529921054840e-01 2.4666419252753258e-02 - <_> - - 0 -1 2181 -3.0089109204709530e-03 - - 2.3173299431800842e-01 -2.1815709769725800e-02 - <_> - - 0 -1 2182 -3.3637441694736481e-02 - - -3.6218351125717163e-01 7.5414488092064857e-03 - <_> - - 0 -1 2183 -2.2824279963970184e-01 - - -5.3426170349121094e-01 8.0225821584463120e-03 - <_> - - 0 -1 2184 1.8216760829091072e-02 - - -1.5583549626171589e-02 1.6877870261669159e-01 - <_> - - 0 -1 2185 3.0790129676461220e-03 - - 2.4512980133295059e-02 -1.9235950708389282e-01 - <_> - - 0 -1 2186 -4.4569619931280613e-03 - - -2.0312610268592834e-01 2.4477139115333557e-02 - <_> - - 0 -1 2187 -1.2145079672336578e-02 - - 5.4033899307250977e-01 -8.7826717644929886e-03 - <_> - - 0 -1 2188 -2.3873759433627129e-02 - - 1.3763800263404846e-01 -1.1732709594070911e-02 - <_> - - 0 -1 2189 -2.7447650209069252e-02 - - -1.6193859279155731e-01 2.8378870338201523e-02 - <_> - - 0 -1 2190 -4.5404389500617981e-02 - - 2.2645190358161926e-01 -2.8770249336957932e-02 - <_> - - 0 -1 2191 1.6533889574930072e-03 - - 3.0014310032129288e-02 -1.5527120232582092e-01 - <_> - - 0 -1 2192 -1.2394280172884464e-02 - - 1.1130840331315994e-01 -2.5827359408140182e-02 - <_> - - 0 -1 2193 1.8719509243965149e-02 - - -1.9343839958310127e-02 2.6074668765068054e-01 - <_> - - 0 -1 2194 -2.9856900218874216e-03 - - -2.8213161230087280e-01 7.8225499019026756e-03 - <_> - - 0 -1 2195 -2.0480990409851074e-02 - - -5.6029498577117920e-01 8.0386884510517120e-03 - <_> - - 0 -1 2196 6.2915110029280186e-03 - - -4.7007601708173752e-02 6.9091297686100006e-02 - <_> - - 0 -1 2197 -1.1142699979245663e-02 - - 2.1556779742240906e-01 -2.0254980772733688e-02 - <_> - - 0 -1 2198 -3.1025360804051161e-03 - - -2.1672689914703369e-01 1.3014920055866241e-02 - <_> - - 0 -1 2199 7.7247130684554577e-03 - - 9.9663622677326202e-03 -4.4809859991073608e-01 - <_> - - 0 -1 2200 -8.8526323437690735e-02 - - 5.4465758800506592e-01 -1.8960989546030760e-03 - <_> - - 0 -1 2201 6.1687689274549484e-02 - - 8.9669581502676010e-03 -5.0003600120544434e-01 - <_> - - 0 -1 2202 1.3722930103540421e-02 - - -1.3184379786252975e-02 2.3204129934310913e-01 - <_> - - 0 -1 2203 -4.9674719572067261e-02 - - -3.9700868725776672e-01 1.1291200295090675e-02 - <_> - - 0 -1 2204 1.4873009640723467e-03 - - -3.7490010261535645e-02 1.4988760650157928e-01 - <_> - - 0 -1 2205 1.4871370512992144e-03 - - 2.5183940306305885e-02 -1.8258319795131683e-01 - <_> - - 0 -1 2206 -4.9300859682261944e-03 - - 2.3329930007457733e-01 -2.0209580659866333e-02 - <_> - - 0 -1 2207 3.8708809018135071e-01 - - 1.4189199544489384e-02 -3.3035850524902344e-01 - <_> - - 0 -1 2208 -1.5642799437046051e-02 - - -2.2099809348583221e-01 7.4994498863816261e-03 - <_> - - 0 -1 2209 4.7617158852517605e-03 - - 2.7577200904488564e-02 -1.6086949408054352e-01 - <_> - - 0 -1 2210 6.0681640170514584e-03 - - -3.7658590823411942e-02 9.0074919164180756e-02 - <_> - - 0 -1 2211 7.3775771306827664e-04 - - -5.7681489735841751e-02 8.1796541810035706e-02 - <_> - - 0 -1 2212 9.9665368907153606e-04 - - -2.9481150209903717e-02 4.9594949930906296e-02 - <_> - - 0 -1 2213 -7.1411498356610537e-04 - - 7.9853750765323639e-02 -5.6889399886131287e-02 - <_> - - 0 -1 2214 4.0103218634612858e-04 - - 3.9645630866289139e-02 -1.2507979571819305e-01 - <_> - - 0 -1 2215 -4.3492428958415985e-03 - - 3.4267151355743408e-01 -1.3171579688787460e-02 - <_> - - 0 -1 2216 -4.5664971694350243e-03 - - -5.7348942756652832e-01 3.4244819544255733e-03 - <_> - - 0 -1 2217 -1.6654949635267258e-02 - - -2.9475829005241394e-01 1.4510709792375565e-02 - <_> - - 0 -1 2218 1.6763679683208466e-01 - - 7.0861837593838573e-04 -9.9972397089004517e-01 - <_> - - 0 -1 2219 -1.4438680373132229e-02 - - 9.1619342565536499e-02 -5.1960468292236328e-02 - <_> - - 0 -1 2220 6.6305609652772546e-04 - - 2.9365209862589836e-02 -1.3490900397300720e-01 - <_> - - 0 -1 2221 -1.4088350326346699e-05 - - 6.8118147552013397e-02 -6.9758139550685883e-02 - <_> - - 0 -1 2222 -1.4499350450932980e-02 - - 1.0636260360479355e-01 -2.6339579373598099e-02 - <_> - - 0 -1 2223 -1.4112069948168937e-05 - - 6.7933529615402222e-02 -7.1538552641868591e-02 - <_> - - 0 -1 2224 3.2297680154442787e-03 - - 3.5616960376501083e-02 -1.4987170696258545e-01 - <_> - - 0 -1 2225 -1.2449090136215091e-03 - - 8.5310973227024078e-02 -5.0303228199481964e-02 - <_> - - 0 -1 2226 1.9396430579945445e-03 - - -3.2993078231811523e-02 5.2711058408021927e-02 - <_> - - 0 -1 2227 1.5153799904510379e-03 - - 4.7350451350212097e-02 -9.0107597410678864e-02 - <_> - - 0 -1 2228 -2.0151579752564430e-02 - - 3.1018638610839844e-01 -1.0560410097241402e-02 - <_> - - 0 -1 2229 -1.0241220006719232e-03 - - -1.5783089399337769e-01 2.6851199567317963e-02 - <_> - - 0 -1 2230 2.8379200026392937e-02 - - -9.9058141931891441e-03 1.4265379309654236e-01 - <_> - - 0 -1 2231 5.3610950708389282e-02 - - 1.0473029688000679e-02 -4.4550651311874390e-01 - <_> - - 0 -1 2232 -1.4160390011966228e-02 - - -1. 7.1694981306791306e-04 - <_> - - 0 -1 2233 2.1303679386619478e-04 - - -6.9676317274570465e-02 6.4859509468078613e-02 - <_> - - 0 -1 2234 -4.8539000563323498e-03 - - 7.1323692798614502e-02 -4.6175349503755569e-02 - <_> - - 0 -1 2235 3.0484499875456095e-03 - - -5.1321279257535934e-02 1.4626629650592804e-01 - <_> - - 0 -1 2236 1.2647379934787750e-01 - - 7.6361437095329165e-04 -1.0042829513549805e+00 - <_> - - 0 -1 2237 -3.1012939289212227e-02 - - -1.6555130481719971e-01 3.1050549820065498e-02 - <_> - - 0 -1 2238 5.1011998206377029e-02 - - 1.7226659692823887e-03 -3.5149711370468140e-01 - <_> - - 0 -1 2239 1.0826109908521175e-02 - - 3.8518119603395462e-02 -1.3052040338516235e-01 - <_> - - 0 -1 2240 4.8744820058345795e-02 - - -2.2428359836339951e-02 1.8270319700241089e-01 - <_> - - 0 -1 2241 -1.2570779770612717e-02 - - 2.8901270031929016e-01 -1.7391089349985123e-02 - <_> - - 0 -1 2242 1.7412479966878891e-02 - - -1.0330840013921261e-02 1.6961729526519775e-01 - <_> - - 0 -1 2243 2.0524440333247185e-04 - - 3.8509201258420944e-02 -1.2219169735908508e-01 - <_> - - 0 -1 2244 -1.2439410202205181e-03 - - 5.4002009332180023e-02 -3.5104531794786453e-02 - <_> - - 0 -1 2245 6.1096338322386146e-04 - - -7.0445932447910309e-02 6.2362931668758392e-02 - <_> - - 0 -1 2246 -1.3741919770836830e-02 - - 9.2544101178646088e-02 -3.0641069635748863e-02 - <_> - - 0 -1 2247 -2.8044390492141247e-03 - - -1.2330780178308487e-01 4.2105171829462051e-02 - <_> - - 0 -1 2248 4.7048758715391159e-02 - - 1.0950920404866338e-03 -8.4190052747726440e-01 - <_> - - 0 -1 2249 -1.4890570193529129e-02 - - 2.5517889857292175e-01 -1.7952889204025269e-02 - <_> - - 0 -1 2250 3.8549639284610748e-03 - - 2.2235570475459099e-02 -4.2414370924234390e-02 - <_> - - 0 -1 2251 -8.3304597064852715e-03 - - -1.7280849814414978e-01 2.6187630370259285e-02 - <_> - - 0 -1 2252 -2.4235919117927551e-03 - - 6.1521679162979126e-02 -4.2346790432929993e-02 - <_> - - 0 -1 2253 2.0981200505048037e-03 - - -4.5152019709348679e-02 1.2587040662765503e-01 - <_> - - 0 -1 2254 -3.1279098242521286e-02 - - -4.9621739983558655e-01 3.0154960695654154e-03 - <_> - - 0 -1 2255 -9.8806107416749001e-04 - - 7.8685648739337921e-02 -6.1010491102933884e-02 - <_> - - 0 -1 2256 -3.1887448858469725e-03 - - 4.8666700720787048e-02 -6.9095551967620850e-02 - <_> - - 0 -1 2257 3.6120909499004483e-04 - - 3.7986539304256439e-02 -1.2916709482669830e-01 - <_> - - 0 -1 2258 -4.7003240324556828e-03 - - 1.5735860168933868e-01 -3.1987510621547699e-02 - <_> - - 0 -1 2259 4.0772740612737834e-04 - - -8.1700682640075684e-02 7.0277199149131775e-02 - <_> - - 0 -1 2260 -1.5688460553064942e-04 - - 6.6089183092117310e-02 -5.8684460818767548e-02 - <_> - - 0 -1 2261 -8.8306762336287647e-05 - - 7.6648086309432983e-02 -6.1461128294467926e-02 - <_> - - 0 -1 2262 -8.4060793742537498e-03 - - -4.7935470938682556e-02 1.9660739228129387e-02 - <_> - - 0 -1 2263 -7.5640631839632988e-03 - - -1.3129790127277374e-01 3.6835629492998123e-02 - <_> - - 0 -1 2264 2.9140699552954175e-05 - - -4.8771411180496216e-02 5.4109010845422745e-02 - <_> - - 0 -1 2265 -2.9703689506277442e-05 - - 7.7505372464656830e-02 -6.2566630542278290e-02 - <_> - - 0 -1 2266 4.6520221233367920e-01 - - 3.2388810068368912e-03 -9.5390701293945312e-01 - <_> - - 0 -1 2267 4.3617340922355652e-01 - - -1.0471199639141560e-02 4.9274379014968872e-01 - <_> - - 0 -1 2268 4.7622469067573547e-01 - - 1.0192049667239189e-02 -3.0609691143035889e-01 - <_> - 312 - -8.6750441789627075e-01 - - <_> - - 0 -1 2269 -6.9590657949447632e-03 - - 1.5868470072746277e-01 -1.6239820420742035e-01 - <_> - - 0 -1 2270 -3.0573920812457800e-03 - - 1.5380610525608063e-01 -1.0447710007429123e-01 - <_> - - 0 -1 2271 4.9113620072603226e-02 - - 3.1365771428681910e-04 -5.9103668212890625e+02 - <_> - - 0 -1 2272 3.5433040466159582e-03 - - -5.8694530278444290e-02 1.9025419652462006e-01 - <_> - - 0 -1 2273 -3.1152060255408287e-03 - - 1.6918399930000305e-01 -5.7261351495981216e-02 - <_> - - 0 -1 2274 -3.0493480153381824e-04 - - 8.7339952588081360e-02 -1.1609370261430740e-01 - <_> - - 0 -1 2275 -2.9056929051876068e-03 - - -1.6569739580154419e-01 8.9497320353984833e-02 - <_> - - 0 -1 2276 2.4364320561289787e-03 - - -6.1192200519144535e-03 -1.1708849668502808e-01 - <_> - - 0 -1 2277 -1.9272440671920776e-01 - - 2.5199291110038757e-01 -2.5372540578246117e-02 - <_> - - 0 -1 2278 -1.5847420692443848e-01 - - 4.7349348664283752e-01 1.1943650431931019e-02 - <_> - - 0 -1 2279 -1.4465919695794582e-02 - - 2.6014938950538635e-01 -3.2948598265647888e-02 - <_> - - 0 -1 2280 1.4936940371990204e-01 - - 1.3150180166121572e-04 -1.8844749450683594e+01 - <_> - - 0 -1 2281 -8.5310498252511024e-04 - - -1.7988120019435883e-01 3.9786599576473236e-02 - <_> - - 0 -1 2282 -7.1676567196846008e-02 - - 9.7726896405220032e-02 -7.2678178548812866e-02 - <_> - - 0 -1 2283 -1.6500559868291020e-03 - - -1.6228690743446350e-01 4.5543350279331207e-02 - <_> - - 0 -1 2284 8.7681278586387634e-02 - - 1.0731910355389118e-02 -2.5473240017890930e-01 - <_> - - 0 -1 2285 4.2137179523706436e-02 - - -5.8585599064826965e-02 1.2307800352573395e-01 - <_> - - 0 -1 2286 1.5697469934821129e-03 - - 3.9195891469717026e-02 -3.7577088922262192e-02 - <_> - - 0 -1 2287 4.3402929441072047e-04 - - 7.2439298033714294e-02 -9.1538086533546448e-02 - <_> - - 0 -1 2288 -4.3872660025954247e-03 - - 1.8260389566421509e-01 -1.8635680899024010e-02 - <_> - - 0 -1 2289 -6.7455501994118094e-04 - - 8.0404117703437805e-02 -8.2332372665405273e-02 - <_> - - 0 -1 2290 6.0816952027380466e-03 - - 4.2769778519868851e-02 -1.8744979798793793e-01 - <_> - - 0 -1 2291 1.6488720430061221e-03 - - -4.2755078524351120e-02 1.4212779700756073e-01 - <_> - - 0 -1 2292 3.2328169327229261e-03 - - 3.3626940101385117e-02 -7.8316323459148407e-02 - <_> - - 0 -1 2293 4.7256439924240112e-02 - - -2.2591020911931992e-02 3.0011969804763794e-01 - <_> - - 0 -1 2294 -6.2247258611023426e-03 - - -1.0147669911384583e-01 1.6788400709629059e-02 - <_> - - 0 -1 2295 1.6149500152096152e-03 - - 5.5833689868450165e-02 -1.0707660019397736e-01 - <_> - - 0 -1 2296 9.1500347480177879e-04 - - -6.9352641701698303e-02 8.8161237537860870e-02 - <_> - - 0 -1 2297 -2.2576500196009874e-03 - - -1.2706309556961060e-01 5.4880708456039429e-02 - <_> - - 0 -1 2298 -3.4538839012384415e-02 - - 2.7154579758644104e-01 -2.4382650852203369e-02 - <_> - - 0 -1 2299 -1.7117150127887726e-03 - - 1.4996920526027679e-01 -4.0825318545103073e-02 - <_> - - 0 -1 2300 -3.2278900034725666e-03 - - -1.2764149904251099e-01 2.3431450128555298e-02 - <_> - - 0 -1 2301 -4.4023559894412756e-05 - - 7.7392660081386566e-02 -7.4177153408527374e-02 - <_> - - 0 -1 2302 7.5647688936442137e-04 - - 3.3927328884601593e-02 -1.4417350292205811e-01 - <_> - - 0 -1 2303 8.4927473217248917e-03 - - -4.0082499384880066e-02 1.2817430496215820e-01 - <_> - - 0 -1 2304 -7.6771569438278675e-03 - - -6.8460687994956970e-02 2.7800939977169037e-02 - <_> - - 0 -1 2305 -7.1219368837773800e-03 - - 1.7107799649238586e-01 -3.3437490463256836e-02 - <_> - - 0 -1 2306 -5.5628590285778046e-02 - - 2.7421030402183533e-01 -5.5358181707561016e-03 - <_> - - 0 -1 2307 -8.6285015568137169e-03 - - 9.6154272556304932e-02 -5.9233158826828003e-02 - <_> - - 0 -1 2308 -8.4619313478469849e-02 - - -1.0364869982004166e-01 4.1444499045610428e-02 - <_> - - 0 -1 2309 3.9100160938687623e-04 - - -7.1321249008178711e-02 8.9755021035671234e-02 - <_> - - 0 -1 2310 -1.8672130536288023e-03 - - -1.1459860205650330e-01 2.5895899161696434e-02 - <_> - - 0 -1 2311 -3.3822900149971247e-05 - - 7.9902566969394684e-02 -6.7662969231605530e-02 - <_> - - 0 -1 2312 8.1294048577547073e-03 - - -1.5307970345020294e-02 1.3641610741615295e-01 - <_> - - 0 -1 2313 -3.7496020086109638e-03 - - -1.9913309812545776e-01 3.0319629237055779e-02 - <_> - - 0 -1 2314 -1.2066840194165707e-02 - - 9.3559846282005310e-02 -2.5958370417356491e-02 - <_> - - 0 -1 2315 7.5598962604999542e-02 - - 1.5041110105812550e-02 -3.6718261241912842e-01 - <_> - - 0 -1 2316 -1.6014720313251019e-03 - - -1.5824559330940247e-01 1.6495509073138237e-02 - <_> - - 0 -1 2317 -1.6493949806317687e-03 - - 1.5612399578094482e-01 -3.3213630318641663e-02 - <_> - - 0 -1 2318 7.5000891229137778e-04 - - -6.6709816455841064e-02 1.1225040256977081e-01 - <_> - - 0 -1 2319 4.4484718819148839e-04 - - 3.6335270851850510e-02 -1.6284869611263275e-01 - <_> - - 0 -1 2320 2.5233838823623955e-04 - - 3.3983569592237473e-02 -1.0951840132474899e-01 - <_> - - 0 -1 2321 -3.3512299414724112e-03 - - 9.6623063087463379e-02 -5.5458720773458481e-02 - <_> - - 0 -1 2322 -9.4628758961334825e-04 - - -1.7076319456100464e-01 2.2219700738787651e-02 - <_> - - 0 -1 2323 9.0931905433535576e-03 - - -2.2302780300378799e-02 2.3247869312763214e-01 - <_> - - 0 -1 2324 1.4432819625653792e-05 - - -1.7819089815020561e-02 2.5444870814681053e-02 - <_> - - 0 -1 2325 -1.2126220099162310e-04 - - -1.0076980292797089e-01 4.8461761325597763e-02 - <_> - - 0 -1 2326 -1.5898300334811211e-03 - - 7.1014806628227234e-02 -4.2943000793457031e-02 - <_> - - 0 -1 2327 6.1745261773467064e-03 - - -2.9729399830102921e-02 1.6170799732208252e-01 - <_> - - 0 -1 2328 -3.0631071422249079e-04 - - -8.7092787027359009e-02 3.1442601233720779e-02 - <_> - - 0 -1 2329 -5.8703188551589847e-04 - - 6.9914981722831726e-02 -6.8044006824493408e-02 - <_> - - 0 -1 2330 -6.2474939040839672e-03 - - -9.6013367176055908e-02 2.9822429642081261e-02 - <_> - - 0 -1 2331 -8.4606884047389030e-03 - - -4.9265980720520020e-01 9.7682923078536987e-03 - <_> - - 0 -1 2332 -8.2077048718929291e-02 - - 2.4171060323715210e-01 -2.1062780171632767e-02 - <_> - - 0 -1 2333 2.4003140628337860e-02 - - -1.1466279625892639e-02 4.2264458537101746e-01 - <_> - - 0 -1 2334 5.0643119961023331e-02 - - 1.1797649785876274e-02 -3.0376261472702026e-01 - <_> - - 0 -1 2335 -7.5805537402629852e-02 - - -6.0144102573394775e-01 7.6154861599206924e-03 - <_> - - 0 -1 2336 2.1794199710711837e-04 - - -7.6192483305931091e-02 6.0302849858999252e-02 - <_> - - 0 -1 2337 -1.1538410035427660e-04 - - 9.7286820411682129e-02 -6.3996717333793640e-02 - <_> - - 0 -1 2338 -5.6703570298850536e-03 - - 4.7419899702072144e-01 -8.9765265583992004e-03 - <_> - - 0 -1 2339 9.0920249931514263e-04 - - -5.4096128791570663e-02 9.9844329059123993e-02 - <_> - - 0 -1 2340 6.6968752071261406e-04 - - 2.9092999175190926e-02 -1.4089579880237579e-01 - <_> - - 0 -1 2341 -1.3045269995927811e-02 - - -3.6840420961380005e-01 1.3595229946076870e-02 - <_> - - 0 -1 2342 8.1813009455800056e-04 - - 2.0997049286961555e-02 -7.1003288030624390e-02 - <_> - - 0 -1 2343 3.0674310401082039e-03 - - -2.0319199189543724e-02 2.1805720031261444e-01 - <_> - - 0 -1 2344 2.4622390046715736e-03 - - -4.3403070420026779e-02 9.6221841871738434e-02 - <_> - - 0 -1 2345 4.0511658880859613e-04 - - 3.8897279649972916e-02 -1.3268139958381653e-01 - <_> - - 0 -1 2346 -8.4437627810984850e-04 - - 5.0205118954181671e-02 -3.7280499935150146e-02 - <_> - - 0 -1 2347 -1.3546720147132874e-03 - - 8.7879791855812073e-02 -5.8279629796743393e-02 - <_> - - 0 -1 2348 -3.7650408921763301e-04 - - -9.4865918159484863e-02 4.2081668972969055e-02 - <_> - - 0 -1 2349 3.3679799525998533e-04 - - 4.7310721129179001e-02 -1.0243420302867889e-01 - <_> - - 0 -1 2350 -2.8126540200901218e-05 - - 4.7269638627767563e-02 -5.5766370147466660e-02 - <_> - - 0 -1 2351 4.1841669008135796e-03 - - -1.9733460620045662e-02 2.3084339499473572e-01 - <_> - - 0 -1 2352 -1.1791250435635448e-03 - - 1.7762739956378937e-01 -3.5704571753740311e-02 - <_> - - 0 -1 2353 -2.4450810160487890e-03 - - -1.1740010231733322e-01 4.4417370110750198e-02 - <_> - - 0 -1 2354 2.6766739320009947e-03 - - 3.3644858747720718e-02 -1.5421959757804871e-01 - <_> - - 0 -1 2355 9.7273271530866623e-03 - - -3.6012981086969376e-02 1.4240190386772156e-01 - <_> - - 0 -1 2356 -4.9499998567625880e-04 - - -8.1604748964309692e-02 2.0572710782289505e-02 - <_> - - 0 -1 2357 -1.4889230020344257e-02 - - -4.6096751093864441e-01 9.8663335666060448e-03 - <_> - - 0 -1 2358 -3.0629769898951054e-03 - - 2.6929551362991333e-01 -1.9634859636425972e-02 - <_> - - 0 -1 2359 -2.3329691030085087e-03 - - -1.8056930601596832e-01 2.6195030659437180e-02 - <_> - - 0 -1 2360 1.4440430095419288e-03 - - -3.6736939102411270e-02 9.5665268599987030e-02 - <_> - - 0 -1 2361 -2.4700779467821121e-03 - - 7.1355991065502167e-02 -6.9826416671276093e-02 - <_> - - 0 -1 2362 2.5538569316267967e-03 - - -5.2430380135774612e-02 1.4462329447269440e-01 - <_> - - 0 -1 2363 1.2297700159251690e-03 - - 5.3223300725221634e-02 -1.0887510329484940e-01 - <_> - - 0 -1 2364 -1.1272770352661610e-02 - - 1.2317550182342529e-01 -2.3890729993581772e-02 - <_> - - 0 -1 2365 8.5928626358509064e-03 - - 4.2121421545743942e-02 -1.1863400042057037e-01 - <_> - - 0 -1 2366 3.3916949760168791e-03 - - -2.8021439909934998e-02 2.1571420133113861e-01 - <_> - - 0 -1 2367 3.9071948267519474e-03 - - 1.2598560191690922e-02 -3.9708340167999268e-01 - <_> - - 0 -1 2368 -1.7956830561161041e-03 - - 1.2647710740566254e-01 -5.7237148284912109e-02 - <_> - - 0 -1 2369 -7.7512441202998161e-04 - - -1.6876439750194550e-01 2.8973329812288284e-02 - <_> - - 0 -1 2370 1.0271680355072021e-01 - - -1.2080660089850426e-02 3.9716011285781860e-01 - <_> - - 0 -1 2371 -4.0367760811932385e-04 - - 6.7599602043628693e-02 -6.7388482391834259e-02 - <_> - - 0 -1 2372 -2.2988640703260899e-03 - - -9.6752107143402100e-02 5.6014880537986755e-02 - <_> - - 0 -1 2373 -7.7720789704471827e-04 - - 1.2280429899692535e-01 -3.8351070135831833e-02 - <_> - - 0 -1 2374 4.3838539568241686e-05 - - -2.9446190223097801e-02 2.5065520778298378e-02 - <_> - - 0 -1 2375 -4.3220039515290409e-05 - - 6.0876619070768356e-02 -7.4360720813274384e-02 - <_> - - 0 -1 2376 1.8013520457316190e-04 - - 4.4003210961818695e-02 -1.2167269736528397e-01 - <_> - - 0 -1 2377 -1.5988990664482117e-02 - - -3.6425220966339111e-01 1.1611090041697025e-02 - <_> - - 0 -1 2378 3.0585259664803743e-03 - - -1.7674630507826805e-02 1.4486950635910034e-01 - <_> - - 0 -1 2379 -7.9687736928462982e-02 - - -5.1687908172607422e-01 9.3473158776760101e-03 - <_> - - 0 -1 2380 -1.9053969532251358e-02 - - 6.6542461514472961e-02 -3.9088901132345200e-02 - <_> - - 0 -1 2381 6.2866392545402050e-04 - - -4.2991779744625092e-02 1.0028839856386185e-01 - <_> - - 0 -1 2382 -4.6688509173691273e-03 - - 5.5551759898662567e-02 -4.2753148823976517e-02 - <_> - - 0 -1 2383 -1.4348989680001978e-05 - - 7.3363922536373138e-02 -7.5351633131504059e-02 - <_> - - 0 -1 2384 2.9872718732804060e-04 - - -7.7761411666870117e-02 5.4107978940010071e-02 - <_> - - 0 -1 2385 -1.4901659451425076e-03 - - -1.2372410297393799e-01 3.6912061274051666e-02 - <_> - - 0 -1 2386 3.0812988989055157e-03 - - -8.6249075829982758e-03 1.9336590170860291e-01 - <_> - - 0 -1 2387 -2.1335019264370203e-03 - - 2.3859849572181702e-01 -1.8126849085092545e-02 - <_> - - 0 -1 2388 9.9391005933284760e-03 - - 1.1431059800088406e-02 -2.2138220071792603e-01 - <_> - - 0 -1 2389 8.2578818546608090e-04 - - 3.9670199155807495e-02 -1.0737189650535583e-01 - <_> - - 0 -1 2390 1.8395700026303530e-03 - - -2.7136169373989105e-02 1.1130770295858383e-01 - <_> - - 0 -1 2391 3.8778909947723150e-03 - - -5.4471541196107864e-02 8.4703780710697174e-02 - <_> - - 0 -1 2392 1.1750679695978761e-03 - - 2.1696800366044044e-02 -1.3571469485759735e-01 - <_> - - 0 -1 2393 -1.5827510505914688e-03 - - 7.7993959188461304e-02 -6.2593907117843628e-02 - <_> - - 0 -1 2394 -8.1443432718515396e-03 - - -8.9417421817779541e-01 2.4376239161938429e-03 - <_> - - 0 -1 2395 -3.5362979397177696e-03 - - -3.3739840984344482e-01 1.3051600195467472e-02 - <_> - - 0 -1 2396 -7.5185662135481834e-03 - - 1.7903229594230652e-01 -9.4940410926938057e-03 - <_> - - 0 -1 2397 -1.3678180053830147e-02 - - -7.1258807182312012e-01 6.1758197844028473e-03 - <_> - - 0 -1 2398 2.9812520369887352e-03 - - -6.2631383538246155e-02 8.0112308263778687e-02 - <_> - - 0 -1 2399 -3.6354900803416967e-03 - - 1.1051779985427856e-01 -3.6950528621673584e-02 - <_> - - 0 -1 2400 4.4591492041945457e-03 - - 2.5896830484271049e-02 -1.0620719939470291e-01 - <_> - - 0 -1 2401 1.6104400157928467e-02 - - 1.0394480079412460e-02 -4.1476351022720337e-01 - <_> - - 0 -1 2402 1.4112349599599838e-02 - - 6.1774178175255656e-04 -6.8693232536315918e-01 - <_> - - 0 -1 2403 -3.7388880737125874e-03 - - 1.5318030118942261e-01 -2.9674530029296875e-02 - <_> - - 0 -1 2404 -3.8605570793151855e-02 - - -7.0356887578964233e-01 2.6169209741055965e-03 - <_> - - 0 -1 2405 1.8483239691704512e-03 - - 7.5572483241558075e-02 -6.1567280441522598e-02 - <_> - - 0 -1 2406 -3.7039730232208967e-03 - - 1.6795060038566589e-01 -2.0140400156378746e-02 - <_> - - 0 -1 2407 -6.7307491553947330e-04 - - -1.5372750163078308e-01 2.9886560514569283e-02 - <_> - - 0 -1 2408 1.9836979918181896e-03 - - -1.8347289413213730e-02 1.3557240366935730e-01 - <_> - - 0 -1 2409 -1.9738670380320400e-04 - - 6.6614717245101929e-02 -8.0920897424221039e-02 - <_> - - 0 -1 2410 -1.4239580370485783e-02 - - -1.3320599496364594e-01 1.2875780463218689e-02 - <_> - - 0 -1 2411 4.0507009252905846e-03 - - 4.0493208914995193e-02 -1.1370310187339783e-01 - <_> - - 0 -1 2412 -1.0803360491991043e-03 - - 8.2551851868629456e-02 -5.4668750613927841e-02 - <_> - - 0 -1 2413 -1.4226039638742805e-03 - - -1.2009900063276291e-01 3.7243649363517761e-02 - <_> - - 0 -1 2414 -2.1526139229536057e-02 - - 1.9598940014839172e-01 -1.1042039841413498e-02 - <_> - - 0 -1 2415 -2.0712440833449364e-02 - - 2.9122969508171082e-01 -1.5912450850009918e-02 - <_> - - 0 -1 2416 -1.4033130137249827e-03 - - -1.2359079718589783e-01 1.6418259590864182e-02 - <_> - - 0 -1 2417 5.8878812706097960e-04 - - 3.4428730607032776e-02 -1.3279630243778229e-01 - <_> - - 0 -1 2418 -4.0147930121747777e-05 - - 5.2795641124248505e-02 -4.6990659087896347e-02 - <_> - - 0 -1 2419 2.2268320899456739e-03 - - -2.1238829940557480e-02 2.1404080092906952e-01 - <_> - - 0 -1 2420 1.3318729586899281e-02 - - 1.4480380341410637e-02 -2.3123030364513397e-01 - <_> - - 0 -1 2421 -1.7160760238766670e-02 - - -3.9468988776206970e-01 1.0943929664790630e-02 - <_> - - 0 -1 2422 3.0774369835853577e-02 - - 2.1721019875258207e-03 -3.1501969695091248e-01 - <_> - - 0 -1 2423 -1.6679989174008369e-02 - - 2.5761198997497559e-01 -1.7667369917035103e-02 - <_> - - 0 -1 2424 -9.7562937298789620e-04 - - -7.6857216656208038e-02 2.7707789093255997e-02 - <_> - - 0 -1 2425 -6.4838528633117676e-03 - - 2.0521609485149384e-01 -2.1178059279918671e-02 - <_> - - 0 -1 2426 -2.4545229971408844e-03 - - -1.5586429834365845e-01 3.2481741160154343e-02 - <_> - - 0 -1 2427 -2.4111429229378700e-03 - - 9.1278932988643646e-02 -4.8587068915367126e-02 - <_> - - 0 -1 2428 1.5041510050650686e-04 - - -9.5509223639965057e-02 5.4279290139675140e-02 - <_> - - 0 -1 2429 4.1928939521312714e-02 - - 5.5031818337738514e-03 -7.7479290962219238e-01 - <_> - - 0 -1 2430 2.0099419634789228e-03 - - -2.8640370815992355e-02 1.4182229340076447e-01 - <_> - - 0 -1 2431 1.9516570027917624e-03 - - 1.4893580228090286e-02 -3.1890881061553955e-01 - <_> - - 0 -1 2432 -1.2247270205989480e-03 - - 7.2824656963348389e-02 -3.1667441129684448e-02 - <_> - - 0 -1 2433 -1.0412910021841526e-02 - - -1.4135329425334930e-01 3.2725520431995392e-02 - <_> - - 0 -1 2434 -8.6048692464828491e-03 - - -1.7254149913787842e-01 3.4668690059334040e-03 - <_> - - 0 -1 2435 3.4611239098012447e-03 - - 3.1594958156347275e-02 -1.5405359864234924e-01 - <_> - - 0 -1 2436 4.4333230704069138e-02 - - -2.0914139226078987e-02 1.6136829555034637e-01 - <_> - - 0 -1 2437 -3.2635610550642014e-02 - - 2.1003389358520508e-01 -2.9780490323901176e-02 - <_> - - 0 -1 2438 -7.9052507877349854e-02 - - 1.8492619693279266e-01 -1.1976730078458786e-02 - <_> - - 0 -1 2439 7.3115207254886627e-02 - - 8.8554704561829567e-03 -5.1346242427825928e-01 - <_> - - 0 -1 2440 6.3138650730252266e-03 - - 1.2937859632074833e-02 -2.1465529501438141e-01 - <_> - - 0 -1 2441 -1.0274830274283886e-03 - - 1.1241199821233749e-01 -4.2139180004596710e-02 - <_> - - 0 -1 2442 -1.6066900570876896e-04 - - -9.2596597969532013e-02 3.3403988927602768e-02 - <_> - - 0 -1 2443 1.4575430192053318e-02 - - -2.3500410839915276e-02 1.8772770464420319e-01 - <_> - - 0 -1 2444 -5.7197501882910728e-03 - - -1.4184519648551941e-01 3.3893290907144547e-02 - <_> - - 0 -1 2445 -1.0095680132508278e-02 - - -3.6976811289787292e-01 1.1113449931144714e-02 - <_> - - 0 -1 2446 -1.2176940217614174e-03 - - 5.1818449050188065e-02 -4.7457851469516754e-02 - <_> - - 0 -1 2447 7.8980736434459686e-02 - - 9.7751449793577194e-03 -4.3593549728393555e-01 - <_> - - 0 -1 2448 -9.6514541655778885e-04 - - 4.8271138221025467e-02 -4.6483509242534637e-02 - <_> - - 0 -1 2449 9.1809416189789772e-03 - - -2.1579770371317863e-02 1.9924899935722351e-01 - <_> - - 0 -1 2450 -1.8495230004191399e-02 - - -3.4228208661079407e-01 6.5597319044172764e-03 - <_> - - 0 -1 2451 -2.2168110590428114e-03 - - 9.0867489576339722e-02 -5.5027540773153305e-02 - <_> - - 0 -1 2452 -1.5820340195205063e-04 - - -9.0893670916557312e-02 4.0111150592565536e-02 - <_> - - 0 -1 2453 1.5867890324443579e-03 - - -5.1445338875055313e-02 8.2311213016510010e-02 - <_> - - 0 -1 2454 1.4582079648971558e-01 - - 1.1615890543907881e-03 -8.7532532215118408e-01 - <_> - - 0 -1 2455 -6.6445011179894209e-04 - - -9.8049089312553406e-02 4.4343311339616776e-02 - <_> - - 0 -1 2456 5.8919959701597691e-03 - - 1.5775660285726190e-03 -1.0001260042190552e+00 - <_> - - 0 -1 2457 -1.3995329936733469e-05 - - 7.3066778481006622e-02 -5.7691581547260284e-02 - <_> - - 0 -1 2458 -9.9132228642702103e-03 - - -7.5529462099075317e-01 5.2168890833854675e-03 - <_> - - 0 -1 2459 -1.5792429447174072e-02 - - 2.8222128748893738e-01 -1.7060630023479462e-02 - <_> - - 0 -1 2460 -2.6797680184245110e-03 - - -7.9262927174568176e-02 1.5230569988489151e-02 - <_> - - 0 -1 2461 -1.4144170098006725e-02 - - -7.6791101694107056e-01 5.3670979104936123e-03 - <_> - - 0 -1 2462 1.6818119585514069e-01 - - 9.6734073013067245e-03 -3.3587118983268738e-01 - <_> - - 0 -1 2463 -2.0679819583892822e-01 - - -4.4644999504089355e-01 8.5481600835919380e-03 - <_> - - 0 -1 2464 1.4232929970603436e-05 - - -4.8844348639249802e-02 4.5179460197687149e-02 - <_> - - 0 -1 2465 -2.0378379151225090e-02 - - 3.2889419794082642e-01 -1.3800919987261295e-02 - <_> - - 0 -1 2466 1.4215029776096344e-02 - - -1.0470540262758732e-02 1.1338669806718826e-01 - <_> - - 0 -1 2467 4.8233679262921214e-04 - - 4.4216580688953400e-02 -1.0093499720096588e-01 - <_> - - 0 -1 2468 4.3106778321089223e-05 - - -3.8059741258621216e-02 3.7995509803295135e-02 - <_> - - 0 -1 2469 9.0388357639312744e-02 - - 8.3996197208762169e-03 -4.9610888957977295e-01 - <_> - - 0 -1 2470 3.7458650767803192e-02 - - 2.8608210850507021e-03 -3.5298860073089600e-01 - <_> - - 0 -1 2471 3.1219370663166046e-02 - - -8.9630456641316414e-03 5.2930659055709839e-01 - <_> - - 0 -1 2472 1.4717579819262028e-02 - - -3.5097280051559210e-03 2.6866179704666138e-01 - <_> - - 0 -1 2473 1.4505100436508656e-02 - - 6.5859002061188221e-03 -6.7086291313171387e-01 - <_> - - 0 -1 2474 2.6275549316778779e-04 - - 3.2062649726867676e-02 -5.3764168173074722e-02 - <_> - - 0 -1 2475 -1.5802070265635848e-03 - - 1.7928290367126465e-01 -2.2988079115748405e-02 - <_> - - 0 -1 2476 -2.4961680173873901e-02 - - -7.6229918003082275e-01 1.3633499620482326e-03 - <_> - - 0 -1 2477 -1.0827300138771534e-02 - - -4.1359999775886536e-01 1.0123790241777897e-02 - <_> - - 0 -1 2478 3.1056890729814768e-03 - - -1.4968870207667351e-02 1.4612309634685516e-01 - <_> - - 0 -1 2479 -3.2839320600032806e-02 - - -8.3612412214279175e-01 5.1855011843144894e-03 - <_> - - 0 -1 2480 -8.2352161407470703e-03 - - 2.2326070070266724e-01 -9.2590171843767166e-03 - <_> - - 0 -1 2481 9.3107353895902634e-03 - - -9.7794700413942337e-03 4.2239460349082947e-01 - <_> - - 0 -1 2482 -1.4591770246624947e-02 - - -2.4204090237617493e-01 8.5437763482332230e-03 - <_> - - 0 -1 2483 -2.1764719858765602e-02 - - -6.0603100061416626e-01 7.0369099266827106e-03 - <_> - - 0 -1 2484 1.3476300409820396e-05 - - -5.2269939333200455e-02 6.5587602555751801e-02 - <_> - - 0 -1 2485 1.3351259753108025e-02 - - -4.0418989956378937e-02 1.0951729863882065e-01 - <_> - - 0 -1 2486 -6.3701579347252846e-03 - - -1.3111020624637604e-01 3.8481429219245911e-02 - <_> - - 0 -1 2487 1.5143630094826221e-02 - - -2.0249659195542336e-02 2.1716409921646118e-01 - <_> - - 0 -1 2488 4.5786341652274132e-03 - - 1.4322079718112946e-02 -5.7222241163253784e-01 - <_> - - 0 -1 2489 -4.6741031110286713e-02 - - -7.2265928983688354e-01 4.1450331918895245e-03 - <_> - - 0 -1 2490 9.5456670969724655e-03 - - -1.0392360389232635e-02 1.8317960202693939e-01 - <_> - - 0 -1 2491 -1.7097139358520508e-01 - - -2.6629018783569336e-01 1.5714570879936218e-02 - <_> - - 0 -1 2492 -7.1421632310375571e-04 - - 6.8821117281913757e-02 -1.8535939976572990e-02 - <_> - - 0 -1 2493 4.7080889344215393e-03 - - 8.7029086425900459e-03 -4.7382900118827820e-01 - <_> - - 0 -1 2494 2.8823789762100205e-05 - - -3.5033170133829117e-02 4.1010260581970215e-02 - <_> - - 0 -1 2495 -2.3279939778149128e-03 - - 2.3261049389839172e-01 -1.7835669219493866e-02 - <_> - - 0 -1 2496 8.4805669030174613e-04 - - 2.5282969698309898e-02 -1.7157159745693207e-01 - <_> - - 0 -1 2497 -6.5123359672725201e-04 - - 8.6811847984790802e-02 -4.7068729996681213e-02 - <_> - - 0 -1 2498 -1.1371539440006018e-03 - - 8.0242671072483063e-02 -1.6520520672202110e-02 - <_> - - 0 -1 2499 -5.6554668117314577e-04 - - -1.4709630608558655e-01 3.2420728355646133e-02 - <_> - - 0 -1 2500 2.4779029190540314e-03 - - -9.6723642200231552e-03 1.3506250083446503e-01 - <_> - - 0 -1 2501 1.7332839779555798e-03 - - -2.4561529979109764e-02 1.7612139880657196e-01 - <_> - - 0 -1 2502 -4.4806491583585739e-02 - - -6.0948181152343750e-01 3.4338440746068954e-03 - <_> - - 0 -1 2503 -2.0501140505075455e-02 - - -5.4643869400024414e-01 7.2927437722682953e-03 - <_> - - 0 -1 2504 -1.6198139637708664e-02 - - -6.6130048036575317e-01 2.1677929908037186e-03 - <_> - - 0 -1 2505 1.4479210221907124e-05 - - -5.5189680308103561e-02 7.2523497045040131e-02 - <_> - - 0 -1 2506 -1.7286660149693489e-03 - - -1.7387390136718750e-01 8.9998291805386543e-03 - <_> - - 0 -1 2507 -1.3669549844053108e-05 - - 6.6204346716403961e-02 -6.1010520905256271e-02 - <_> - - 0 -1 2508 3.5130590200424194e-01 - - 1.3569389702752233e-03 -8.1200098991394043e-01 - <_> - - 0 -1 2509 2.4454699456691742e-01 - - 9.9658807739615440e-03 -4.1247910261154175e-01 - <_> - - 0 -1 2510 -3.2614581286907196e-02 - - 7.0626311004161835e-02 -2.6639420539140701e-02 - <_> - - 0 -1 2511 2.4752068566158414e-04 - - 3.3226758241653442e-02 -1.3203519582748413e-01 - <_> - - 0 -1 2512 -1.3165399432182312e-03 - - 7.8517846763134003e-02 -1.9580749794840813e-02 - <_> - - 0 -1 2513 -1.6912100545596331e-04 - - -9.7635522484779358e-02 4.3525248765945435e-02 - <_> - - 0 -1 2514 9.2338479589670897e-04 - - -2.9401849955320358e-02 8.0856159329414368e-02 - <_> - - 0 -1 2515 -1.0980790248140693e-03 - - 1.2562260031700134e-01 -3.5378601402044296e-02 - <_> - - 0 -1 2516 7.5967791490256786e-03 - - 1.2936309911310673e-02 -2.9600989818572998e-01 - <_> - - 0 -1 2517 3.6338350037112832e-04 - - 4.7169290482997894e-02 -9.5228493213653564e-02 - <_> - - 0 -1 2518 -6.4660399220883846e-03 - - 9.8374269902706146e-02 -4.1656348854303360e-02 - <_> - - 0 -1 2519 5.0431757699698210e-04 - - -6.7573040723800659e-02 6.5746881067752838e-02 - <_> - - 0 -1 2520 2.0181000232696533e-02 - - -2.6914089918136597e-02 1.6784250736236572e-01 - <_> - - 0 -1 2521 8.3369575440883636e-03 - - 4.0364239364862442e-02 -1.3436989486217499e-01 - <_> - - 0 -1 2522 6.0851150192320347e-04 - - -4.2444441467523575e-02 1.2860350310802460e-01 - <_> - - 0 -1 2523 2.4325479753315449e-03 - - 3.1940739601850510e-02 -1.8476389348506927e-01 - <_> - - 0 -1 2524 -9.9839484319090843e-03 - - 1.1942879855632782e-01 -4.2162060737609863e-02 - <_> - - 0 -1 2525 -5.5000629276037216e-02 - - -1.1925660073757172e-01 4.6324558556079865e-02 - <_> - - 0 -1 2526 1.9433120265603065e-02 - - 5.1037009805440903e-02 -5.5511191487312317e-02 - <_> - - 0 -1 2527 -5.4839542135596275e-03 - - 8.1406086683273315e-02 -6.0122720897197723e-02 - <_> - - 0 -1 2528 -3.0243439599871635e-02 - - -9.7785070538520813e-02 2.1915659308433533e-02 - <_> - - 0 -1 2529 2.0199140999466181e-03 - - -1.8789879977703094e-02 2.4053630232810974e-01 - <_> - - 0 -1 2530 1.2714860029518604e-02 - - 3.9840238168835640e-03 -3.1065699458122253e-01 - <_> - - 0 -1 2531 -1.6343439929187298e-03 - - -1.4421850442886353e-01 3.4464638680219650e-02 - <_> - - 0 -1 2532 -7.7880651224404573e-04 - - 6.4484052360057831e-02 -3.2130420207977295e-02 - <_> - - 0 -1 2533 -5.3918338380753994e-03 - - 2.0775160193443298e-01 -2.2383010014891624e-02 - <_> - - 0 -1 2534 5.8038760907948017e-03 - - 2.5264130905270576e-02 -8.7034113705158234e-02 - <_> - - 0 -1 2535 -1.5872420044615865e-03 - - -1.3280770182609558e-01 3.2864589244127274e-02 - <_> - - 0 -1 2536 -2.0254219416528940e-03 - - 5.4597068578004837e-02 -6.1921451240777969e-02 - <_> - - 0 -1 2537 -1.0030369739979506e-03 - - 9.2259302735328674e-02 -5.1212120801210403e-02 - <_> - - 0 -1 2538 2.1510530263185501e-02 - - -8.8652186095714569e-03 2.4676810204982758e-01 - <_> - - 0 -1 2539 -3.9943971205502748e-04 - - 7.5322106480598450e-02 -6.5167978405952454e-02 - <_> - - 0 -1 2540 9.4137862324714661e-03 - - 1.0708389803767204e-02 -2.1738730370998383e-01 - <_> - - 0 -1 2541 5.5900849401950836e-02 - - -2.9666159301996231e-02 1.5803800523281097e-01 - <_> - - 0 -1 2542 1.2583700008690357e-02 - - 2.0409680902957916e-02 -2.3156540095806122e-01 - <_> - - 0 -1 2543 -1.2195089831948280e-02 - - -3.1428098678588867e-01 1.3503570109605789e-02 - <_> - - 0 -1 2544 2.8386089950799942e-02 - - -1.9067099317908287e-02 1.2438379973173141e-01 - <_> - - 0 -1 2545 -2.5152720627374947e-04 - - 7.1380242705345154e-02 -5.8560580015182495e-02 - <_> - - 0 -1 2546 2.9507439583539963e-02 - - 6.3799307681620121e-03 -1.4193299412727356e-01 - <_> - - 0 -1 2547 1.2022940441966057e-02 - - -5.3622491657733917e-02 8.0924786627292633e-02 - <_> - - 0 -1 2548 1.2839339673519135e-02 - - -2.6221500709652901e-02 4.1462760418653488e-02 - <_> - - 0 -1 2549 5.8855762472376227e-04 - - 3.8205999881029129e-02 -1.1232639849185944e-01 - <_> - - 0 -1 2550 -1.8602449446916580e-02 - - 4.2938970029354095e-02 -2.1604780107736588e-02 - <_> - - 0 -1 2551 9.6901757642626762e-03 - - -6.5837942063808441e-02 9.5084339380264282e-02 - <_> - - 0 -1 2552 -2.1559480577707291e-02 - - 1.0580649971961975e-01 -1.8551910296082497e-02 - <_> - - 0 -1 2553 7.3115159757435322e-03 - - 3.6227419972419739e-02 -1.2839490175247192e-01 - <_> - - 0 -1 2554 3.5540990065783262e-03 - - -1.4768529683351517e-02 1.0962279886007309e-01 - <_> - - 0 -1 2555 -3.5278309136629105e-02 - - -1.6880880296230316e-01 2.6196459308266640e-02 - <_> - - 0 -1 2556 -4.6638878993690014e-03 - - 2.2009849548339844e-01 -1.9692299887537956e-02 - <_> - - 0 -1 2557 1.9794099498540163e-03 - - 3.6675110459327698e-02 -1.1910759657621384e-01 - <_> - - 0 -1 2558 -6.8223169073462486e-03 - - -7.6013803482055664e-02 2.6197660714387894e-02 - <_> - - 0 -1 2559 5.9645362198352814e-03 - - 4.9213368445634842e-02 -1.0780470073223114e-01 - <_> - - 0 -1 2560 1.4459050260484219e-02 - - 3.2462789677083492e-03 -8.5476738214492798e-01 - <_> - - 0 -1 2561 -3.1713109463453293e-02 - - 1.3757289946079254e-01 -3.6400198936462402e-02 - <_> - - 0 -1 2562 1.7335789743810892e-03 - - -4.3718948960304260e-02 5.9835158288478851e-02 - <_> - - 0 -1 2563 -5.0536859780550003e-03 - - -1.5021230280399323e-01 2.9182959347963333e-02 - <_> - - 0 -1 2564 8.4217369556427002e-02 - - 1.3661800185218453e-03 -9.5813941955566406e-01 - <_> - - 0 -1 2565 -1.0397040285170078e-02 - - 1.3979810476303101e-01 -3.3863049000501633e-02 - <_> - - 0 -1 2566 2.2687430027872324e-03 - - 1.8805570900440216e-02 -6.6583722829818726e-02 - <_> - - 0 -1 2567 -8.4558986127376556e-03 - - 9.0560458600521088e-02 -5.0610478967428207e-02 - <_> - - 0 -1 2568 1.3801630120724440e-03 - - 1.7754420638084412e-02 -2.1638050675392151e-01 - <_> - - 0 -1 2569 -5.5963802151381969e-03 - - -2.8498208522796631e-01 1.5376719646155834e-02 - <_> - - 0 -1 2570 2.6721679023467004e-04 - - -3.9111170917749405e-02 6.6796816885471344e-02 - <_> - - 0 -1 2571 -2.1694051101803780e-03 - - 2.2806470096111298e-01 -1.9059510901570320e-02 - <_> - - 0 -1 2572 -3.1538289040327072e-02 - - -8.6931541562080383e-02 9.8167890682816505e-03 - <_> - - 0 -1 2573 -7.5018982170149684e-04 - - 9.9676176905632019e-02 -4.2362589389085770e-02 - <_> - - 0 -1 2574 -6.4003129955381155e-04 - - 6.2989667057991028e-02 -3.9446629583835602e-02 - <_> - - 0 -1 2575 -1.5866950154304504e-02 - - -4.8367229104042053e-01 8.9298039674758911e-03 - <_> - - 0 -1 2576 8.7925972184166312e-04 - - -7.2101019322872162e-02 4.3867569416761398e-02 - <_> - - 0 -1 2577 -4.5651597902178764e-03 - - -1.3108620047569275e-01 3.7173461169004440e-02 - <_> - - 0 -1 2578 -2.7413619682192802e-03 - - 1.1473529785871506e-01 -4.2169798165559769e-02 - <_> - - 0 -1 2579 -2.1342469379305840e-02 - - -6.8548619747161865e-01 5.8210380375385284e-03 - <_> - - 0 -1 2580 1.4491120055026840e-05 - - -2.9132340103387833e-02 3.3831749111413956e-02 - <_> - 309 - -7.9887461662292480e-01 - - <_> - - 0 -1 2581 -1.8552249297499657e-02 - - 3.3236879110336304e-01 -7.6788291335105896e-02 - <_> - - 0 -1 2582 3.7926589720882475e-04 - - 1.7414020374417305e-02 -5.7631779462099075e-02 - <_> - - 0 -1 2583 2.1424360573291779e-02 - - -6.4302399754524231e-02 2.4737679958343506e-01 - <_> - - 0 -1 2584 4.4263061136007309e-03 - - -7.7862620353698730e-02 1.6879579424858093e-01 - <_> - - 0 -1 2585 -1.5863520093262196e-04 - - 1.4739909768104553e-01 -5.0722010433673859e-02 - <_> - - 0 -1 2586 -6.6188991069793701e-02 - - 5.7475470006465912e-02 -5.5869068950414658e-02 - <_> - - 0 -1 2587 3.4559089690446854e-02 - - -6.9819921627640724e-03 -4.1039318847656250e+02 - <_> - - 0 -1 2588 7.3930531740188599e-02 - - 6.0889549786224961e-05 -1.9960350036621094e+02 - <_> - - 0 -1 2589 1.8902160227298737e-02 - - 2.9056149287498556e-05 -5.2581162109375000e+03 - <_> - - 0 -1 2590 1.9612549804151058e-03 - - -2.3328019306063652e-02 4.2286589741706848e-02 - <_> - - 0 -1 2591 -2.7586980722844601e-03 - - -1.7501020431518555e-01 4.9470871686935425e-02 - <_> - - 0 -1 2592 -1.2046890333294868e-02 - - 2.2035419940948486e-01 1.2788879685103893e-02 - <_> - - 0 -1 2593 -1.8279790878295898e-02 - - 4.5822000503540039e-01 -1.9634220749139786e-02 - <_> - - 0 -1 2594 4.3859930883627385e-05 - - -3.4029088914394379e-02 3.8145478814840317e-02 - <_> - - 0 -1 2595 7.6734893023967743e-02 - - -3.1122019514441490e-02 2.9373010993003845e-01 - <_> - - 0 -1 2596 -2.2784480825066566e-02 - - 1.0999619960784912e-01 -4.7260750085115433e-02 - <_> - - 0 -1 2597 1.7537520034238696e-03 - - 7.7944591641426086e-02 -9.3691043555736542e-02 - <_> - - 0 -1 2598 -7.5380277121439576e-04 - - -1.2007279694080353e-01 3.7189111113548279e-02 - <_> - - 0 -1 2599 4.9356842646375299e-04 - - -5.6529350578784943e-02 1.1932630091905594e-01 - <_> - - 0 -1 2600 -3.1938559841364622e-03 - - 2.3886230587959290e-01 -1.0429210029542446e-02 - <_> - - 0 -1 2601 -6.2314997194334865e-04 - - -1.4654360711574554e-01 4.6651639044284821e-02 - <_> - - 0 -1 2602 7.5532711343839765e-04 - - -3.2616719603538513e-02 1.0278490185737610e-01 - <_> - - 0 -1 2603 -6.0558720724657178e-04 - - 1.4802519977092743e-01 -5.5854860693216324e-02 - <_> - - 0 -1 2604 -1.2911390513181686e-03 - - -2.4329729378223419e-01 2.1729959174990654e-02 - <_> - - 0 -1 2605 1.0470219422131777e-03 - - 3.1796138733625412e-02 -2.0254389941692352e-01 - <_> - - 0 -1 2606 2.2770989744458348e-04 - - -9.9047839641571045e-02 8.5004203021526337e-02 - <_> - - 0 -1 2607 -6.8532312288880348e-03 - - 9.5258437097072601e-02 -6.6690467298030853e-02 - <_> - - 0 -1 2608 1.6310160281136632e-03 - - 2.5861479341983795e-02 -1.2913499772548676e-01 - <_> - - 0 -1 2609 8.4447831613942981e-04 - - -9.9558450281620026e-02 7.8244321048259735e-02 - <_> - - 0 -1 2610 1.2907589785754681e-02 - - -1.9313080236315727e-02 1.5871819853782654e-01 - <_> - - 0 -1 2611 -1.8375849351286888e-02 - - -1.6427409648895264e-01 3.7290308624505997e-02 - <_> - - 0 -1 2612 7.7001117169857025e-02 - - 4.6129091642796993e-03 -3.5554099082946777e-01 - <_> - - 0 -1 2613 4.3118221219629049e-04 - - -7.4013233184814453e-02 7.7864721417427063e-02 - <_> - - 0 -1 2614 -2.3275790736079216e-03 - - 1.2112230062484741e-01 -6.0913208872079849e-02 - <_> - - 0 -1 2615 3.4061390906572342e-03 - - 4.6381261199712753e-02 -1.5369950234889984e-01 - <_> - - 0 -1 2616 1.6798749566078186e-03 - - -4.8045791685581207e-02 1.6896919906139374e-01 - <_> - - 0 -1 2617 -2.8759230190189555e-05 - - 7.1234047412872314e-02 -8.4967203438282013e-02 - <_> - - 0 -1 2618 -3.8337870500981808e-03 - - 8.6094066500663757e-02 -1.8024690449237823e-02 - <_> - - 0 -1 2619 -3.9875688962638378e-03 - - -1.9953170418739319e-01 3.2206621021032333e-02 - <_> - - 0 -1 2620 9.3647763133049011e-03 - - -3.1845349818468094e-02 1.1254569888114929e-01 - <_> - - 0 -1 2621 -1.8147890223190188e-03 - - 8.5613116621971130e-02 -6.8807862699031830e-02 - <_> - - 0 -1 2622 2.3888219147920609e-03 - - 4.1106618940830231e-02 -1.3841870427131653e-01 - <_> - - 0 -1 2623 7.7157230116426945e-03 - - -4.8835061490535736e-02 1.2875230610370636e-01 - <_> - - 0 -1 2624 1.2959349900484085e-02 - - 1.2101089581847191e-02 -7.2399519383907318e-02 - <_> - - 0 -1 2625 2.0204610191285610e-03 - - -7.5819760560989380e-02 9.4004109501838684e-02 - <_> - - 0 -1 2626 2.4580449098721147e-04 - - 2.7981899678707123e-02 -7.9659119248390198e-02 - <_> - - 0 -1 2627 2.6291629672050476e-01 - - 7.6313978061079979e-03 -6.2488871812820435e-01 - <_> - - 0 -1 2628 5.4684141650795937e-04 - - 3.6020711064338684e-02 -1.2037140130996704e-01 - <_> - - 0 -1 2629 2.2176979109644890e-03 - - -2.5367310270667076e-02 1.9185779988765717e-01 - <_> - - 0 -1 2630 -1.7476399661973119e-03 - - -6.5879262983798981e-02 2.9718939214944839e-02 - <_> - - 0 -1 2631 -2.3619020357728004e-02 - - 2.6847231388092041e-01 -1.8415899947285652e-02 - <_> - - 0 -1 2632 -2.8751560021191835e-03 - - -1.2898570299148560e-01 2.4393929168581963e-02 - <_> - - 0 -1 2633 6.8191969767212868e-03 - - 1.8544880673289299e-02 -2.7904790639877319e-01 - <_> - - 0 -1 2634 3.0725370161235332e-03 - - -2.1483320742845535e-02 2.4263529479503632e-01 - <_> - - 0 -1 2635 -2.0298749208450317e-02 - - -1.4076599478721619e-01 3.2566029578447342e-02 - <_> - - 0 -1 2636 -1.5689089894294739e-02 - - -6.9940197467803955e-01 3.9432961493730545e-03 - <_> - - 0 -1 2637 -1.1604740284383297e-03 - - 9.5765352249145508e-02 -6.2716588377952576e-02 - <_> - - 0 -1 2638 7.5667561031877995e-03 - - -2.6595719158649445e-02 1.9355979561805725e-01 - <_> - - 0 -1 2639 -3.1542551005259156e-04 - - 7.0579119026660919e-02 -7.1788802742958069e-02 - <_> - - 0 -1 2640 2.9042719397693872e-03 - - -6.1845920979976654e-02 4.2431510984897614e-02 - <_> - - 0 -1 2641 3.5413689911365509e-03 - - 5.9017430990934372e-02 -9.6548438072204590e-02 - <_> - - 0 -1 2642 1.1393419699743390e-03 - - 4.3081670999526978e-02 -1.4239120483398438e-01 - <_> - - 0 -1 2643 -4.6505071222782135e-03 - - 1.3614599406719208e-01 -4.5110020786523819e-02 - <_> - - 0 -1 2644 -3.4854039549827576e-03 - - -6.9675557315349579e-02 1.4633069746196270e-02 - <_> - - 0 -1 2645 -3.7426329217851162e-03 - - -1.5967729687690735e-01 3.3669691532850266e-02 - <_> - - 0 -1 2646 -2.9627270996570587e-03 - - 2.0822240412235260e-01 -2.2225260734558105e-02 - <_> - - 0 -1 2647 -3.4283090382814407e-02 - - 2.1095730364322662e-01 -2.3902049288153648e-02 - <_> - - 0 -1 2648 3.3819628879427910e-04 - - 3.9674218744039536e-02 -1.3274720311164856e-01 - <_> - - 0 -1 2649 2.3642720188945532e-03 - - -2.4829670786857605e-02 2.0826670527458191e-01 - <_> - - 0 -1 2650 -1.2370860204100609e-02 - - -1.7958630621433258e-01 7.0276390761137009e-03 - <_> - - 0 -1 2651 -9.7465672297403216e-04 - - 6.9008462131023407e-02 -7.2172008454799652e-02 - <_> - - 0 -1 2652 4.1931481100618839e-03 - - -4.4049788266420364e-02 6.0757238417863846e-02 - <_> - - 0 -1 2653 -5.9395581483840942e-03 - - -1.1568579822778702e-01 4.6306878328323364e-02 - <_> - - 0 -1 2654 3.3657620660960674e-03 - - 7.1067977696657181e-03 -5.6800097227096558e-01 - <_> - - 0 -1 2655 5.2664991468191147e-02 - - -8.0993287265300751e-03 6.1797207593917847e-01 - <_> - - 0 -1 2656 -8.6903236806392670e-03 - - 8.8130272924900055e-02 -5.3699720650911331e-02 - <_> - - 0 -1 2657 5.1246141083538532e-04 - - 3.2490119338035583e-02 -1.4880390465259552e-01 - <_> - - 0 -1 2658 4.1789390146732330e-02 - - -1.0749000124633312e-02 1.7396600544452667e-01 - <_> - - 0 -1 2659 1.2822130229324102e-03 - - -4.3590739369392395e-02 1.0424520075321198e-01 - <_> - - 0 -1 2660 1.5393650159239769e-02 - - 1.2413539923727512e-02 -1.1460710316896439e-01 - <_> - - 0 -1 2661 -7.1986489929258823e-03 - - -1.5547029674053192e-01 3.2518330961465836e-02 - <_> - - 0 -1 2662 2.4960329756140709e-03 - - -3.2073240727186203e-02 6.2223941087722778e-02 - <_> - - 0 -1 2663 1.5824640169739723e-02 - - -3.3876150846481323e-02 1.3409389555454254e-01 - <_> - - 0 -1 2664 -1.1245839996263385e-03 - - -1.0918530076742172e-01 3.2895151525735855e-02 - <_> - - 0 -1 2665 1.5742470277473330e-03 - - -6.6320508718490601e-02 6.3174061477184296e-02 - <_> - - 0 -1 2666 1.3438949827104807e-03 - - -3.1797438859939575e-02 8.5642039775848389e-02 - <_> - - 0 -1 2667 -1.7369530396535993e-03 - - -1.0020039975643158e-01 4.5710239559412003e-02 - <_> - - 0 -1 2668 1.3791640289127827e-02 - - -1.3253919780254364e-02 1.0214310139417648e-01 - <_> - - 0 -1 2669 -1.0735140182077885e-02 - - 1.2846539914608002e-01 -3.9404049515724182e-02 - <_> - - 0 -1 2670 2.9586190357804298e-03 - - 2.0358830690383911e-02 -6.5112963318824768e-02 - <_> - - 0 -1 2671 4.0438622236251831e-03 - - -2.4486489593982697e-02 1.7876209318637848e-01 - <_> - - 0 -1 2672 -3.6525711417198181e-02 - - -3.0766680836677551e-01 3.2902029342949390e-03 - <_> - - 0 -1 2673 8.7369624525308609e-03 - - 2.9470490291714668e-02 -1.5324589610099792e-01 - <_> - - 0 -1 2674 2.0252179820090532e-03 - - -4.0819671005010605e-02 5.9705868363380432e-02 - <_> - - 0 -1 2675 5.5626290850341320e-03 - - 1.1083589866757393e-02 -3.8313630223274231e-01 - <_> - - 0 -1 2676 -1.4883900294080377e-03 - - 8.7504617869853973e-02 -6.4911797642707825e-02 - <_> - - 0 -1 2677 1.4624910363636445e-05 - - -7.4116103351116180e-02 5.5589601397514343e-02 - <_> - - 0 -1 2678 3.4180650254711509e-04 - - -5.3940810263156891e-02 5.3457278758287430e-02 - <_> - - 0 -1 2679 1.5538090374320745e-03 - - 5.6233700364828110e-02 -8.4622420370578766e-02 - <_> - - 0 -1 2680 6.7849917104467750e-04 - - -3.8959890604019165e-02 1.0434179753065109e-01 - <_> - - 0 -1 2681 -4.7519501298666000e-02 - - 1.0885579884052277e-01 -4.0618479251861572e-02 - <_> - - 0 -1 2682 2.4074900895357132e-02 - - 3.5018681082874537e-03 -6.4238542318344116e-01 - <_> - - 0 -1 2683 3.7433409597724676e-03 - - 2.6027470827102661e-02 -1.6493119299411774e-01 - <_> - - 0 -1 2684 7.2088050656020641e-03 - - -1.2712650001049042e-02 1.3134109973907471e-01 - <_> - - 0 -1 2685 -1.0108030401170254e-03 - - 6.1837401241064072e-02 -8.2996368408203125e-02 - <_> - - 0 -1 2686 4.1825440712273121e-03 - - -1.0030060075223446e-02 1.1928550153970718e-01 - <_> - - 0 -1 2687 -3.1841539312154055e-03 - - -2.5018841028213501e-01 1.7455190420150757e-02 - <_> - - 0 -1 2688 -2.5301869958639145e-02 - - -4.0261000394821167e-01 1.0077700018882751e-02 - <_> - - 0 -1 2689 -7.3312386870384216e-02 - - 2.7588349580764771e-01 -1.7455000430345535e-02 - <_> - - 0 -1 2690 2.8851899504661560e-01 - - 9.3694366514682770e-03 -2.5082978606224060e-01 - <_> - - 0 -1 2691 -3.0820369720458984e-03 - - 2.5158360600471497e-01 -1.8791029229760170e-02 - <_> - - 0 -1 2692 -1.5379919670522213e-02 - - -3.3297958970069885e-01 6.7029618658125401e-03 - <_> - - 0 -1 2693 -2.5755220558494329e-03 - - -1.4434809982776642e-01 3.0039159581065178e-02 - <_> - - 0 -1 2694 -2.1770859602838755e-03 - - 6.2653936445713043e-02 -3.4369219094514847e-02 - <_> - - 0 -1 2695 -1.1601459980010986e-01 - - -1.2724180519580841e-01 3.5242829471826553e-02 - <_> - - 0 -1 2696 3.9402980357408524e-02 - - -1.7962940037250519e-02 8.2134842872619629e-02 - <_> - - 0 -1 2697 3.1257659196853638e-02 - - -4.9964789301156998e-02 1.0353790223598480e-01 - <_> - - 0 -1 2698 2.6839839294552803e-02 - - -3.4829258918762207e-02 7.7249996364116669e-02 - <_> - - 0 -1 2699 6.1816979199647903e-02 - - -3.2788280397653580e-02 1.3600580394268036e-01 - <_> - - 0 -1 2700 6.3738808035850525e-02 - - 1.5652630478143692e-02 -1.4570459723472595e-01 - <_> - - 0 -1 2701 -3.6892290227115154e-03 - - -1.3121150434017181e-01 3.6355018615722656e-02 - <_> - - 0 -1 2702 -8.2587070763111115e-02 - - -1.7447319626808167e-01 5.7495138607919216e-03 - <_> - - 0 -1 2703 5.6636601686477661e-02 - - -1.0941830463707447e-02 4.2631658911705017e-01 - <_> - - 0 -1 2704 -6.5044318325817585e-03 - - 7.4859157204627991e-02 -3.5383179783821106e-02 - <_> - - 0 -1 2705 -2.3780569434165955e-02 - - -1.5401679277420044e-01 3.0552649870514870e-02 - <_> - - 0 -1 2706 2.8647059574723244e-02 - - 4.9762979149818420e-02 -4.5181389898061752e-02 - <_> - - 0 -1 2707 -5.7239918969571590e-03 - - 1.3393920660018921e-01 -3.6599840968847275e-02 - <_> - - 0 -1 2708 -1.8808670341968536e-01 - - -8.2748666405677795e-02 1.3201599940657616e-02 - <_> - - 0 -1 2709 -1.5791060402989388e-02 - - 1.6398489475250244e-01 -2.7588550001382828e-02 - <_> - - 0 -1 2710 9.5513111352920532e-01 - - -2.2177249193191528e-03 3.4002560377120972e-01 - <_> - - 0 -1 2711 6.9580972194671631e-01 - - -1.0847539640963078e-02 4.2184200882911682e-01 - <_> - - 0 -1 2712 -2.2638689726591110e-02 - - -6.9218701124191284e-01 1.8343270057812333e-03 - <_> - - 0 -1 2713 2.4945749901235104e-03 - - 3.4244280308485031e-02 -1.2839129567146301e-01 - <_> - - 0 -1 2714 1.1748660355806351e-02 - - -1.3351519592106342e-02 1.3926979899406433e-01 - <_> - - 0 -1 2715 -9.7356218611821532e-04 - - 1.0277090221643448e-01 -5.4498881101608276e-02 - <_> - - 0 -1 2716 -2.5124179199337959e-02 - - -1.2226320058107376e-01 2.4546569213271141e-02 - <_> - - 0 -1 2717 -2.9109479859471321e-02 - - -1.3387270271778107e-01 3.4804411232471466e-02 - <_> - - 0 -1 2718 -2.5209460407495499e-02 - - 1.5426969528198242e-01 -2.9093060642480850e-02 - <_> - - 0 -1 2719 2.8921720513608307e-05 - - -8.7873406708240509e-02 5.0044890493154526e-02 - <_> - - 0 -1 2720 1.5944410115480423e-03 - - -2.1487699821591377e-02 3.3794458955526352e-02 - <_> - - 0 -1 2721 -2.4497460108250380e-03 - - 9.3932069838047028e-02 -4.6001140028238297e-02 - <_> - - 0 -1 2722 1.0740390047430992e-02 - - 4.5302681624889374e-02 -9.2800490558147430e-02 - <_> - - 0 -1 2723 3.4238519147038460e-03 - - -6.3131660223007202e-02 7.8274093568325043e-02 - <_> - - 0 -1 2724 1.2687790207564831e-02 - - -1.4953400008380413e-02 2.3682670295238495e-01 - <_> - - 0 -1 2725 -7.3656099848449230e-03 - - -1.9476279616355896e-01 2.4360220879316330e-02 - <_> - - 0 -1 2726 1.0200890153646469e-01 - - 4.0122540667653084e-03 -5.3724962472915649e-01 - <_> - - 0 -1 2727 -2.6625579223036766e-02 - - 1.7184010148048401e-01 -2.5444649159908295e-02 - <_> - - 0 -1 2728 -2.9014078900218010e-03 - - -3.6081880331039429e-01 8.7030120193958282e-03 - <_> - - 0 -1 2729 -1.4157840269035660e-05 - - 6.8706989288330078e-02 -6.4286127686500549e-02 - <_> - - 0 -1 2730 -6.1351951444521546e-04 - - -6.6050916910171509e-02 2.2572780027985573e-02 - <_> - - 0 -1 2731 2.0250449888408184e-03 - - -1.9751559942960739e-02 2.2373759746551514e-01 - <_> - - 0 -1 2732 4.2518540285527706e-03 - - 2.3174580186605453e-02 -7.0114336907863617e-02 - <_> - - 0 -1 2733 -2.1689679473638535e-02 - - -5.1939392089843750e-01 8.3778435364365578e-03 - <_> - - 0 -1 2734 -1.4693619959871285e-05 - - 4.3421141803264618e-02 -4.3481610715389252e-02 - <_> - - 0 -1 2735 -1.1886609718203545e-03 - - -1.4900510013103485e-01 2.8446840122342110e-02 - <_> - - 0 -1 2736 -2.3027509450912476e-03 - - 3.8527239114046097e-02 -4.0906090289354324e-02 - <_> - - 0 -1 2737 -1.2595600448548794e-02 - - 1.0461640357971191e-01 -3.8185920566320419e-02 - <_> - - 0 -1 2738 -6.2729697674512863e-03 - - 9.3321256339550018e-02 -4.8175711184740067e-02 - <_> - - 0 -1 2739 -4.6335258521139622e-03 - - -1.3342230021953583e-01 3.1944058835506439e-02 - <_> - - 0 -1 2740 -9.7669087350368500e-02 - - -4.1564458608627319e-01 4.0813097730278969e-03 - <_> - - 0 -1 2741 -1.0522989928722382e-01 - - -4.2108398675918579e-01 9.7584994509816170e-03 - <_> - - 0 -1 2742 3.0224110931158066e-02 - - 1.7810890451073647e-02 -1.8008120357990265e-01 - <_> - - 0 -1 2743 -4.4741849415004253e-03 - - 1.7108829319477081e-01 -2.5597169995307922e-02 - <_> - - 0 -1 2744 -1.4250929780246224e-05 - - 3.8947280496358871e-02 -4.8989661037921906e-02 - <_> - - 0 -1 2745 -1.3952420093119144e-02 - - -2.8586119413375854e-01 1.4210299588739872e-02 - <_> - - 0 -1 2746 -5.9520517243072391e-04 - - 2.8458939865231514e-02 -4.8770058900117874e-02 - <_> - - 0 -1 2747 1.2668339535593987e-02 - - -1.9914640113711357e-02 2.2914430499076843e-01 - <_> - - 0 -1 2748 -6.5630413591861725e-02 - - 9.5949631929397583e-01 -8.1838190089911222e-04 - <_> - - 0 -1 2749 5.1044370047748089e-04 - - -6.2212668359279633e-02 6.8753853440284729e-02 - <_> - - 0 -1 2750 8.2773733884096146e-03 - - 7.8722098842263222e-03 -5.2360677719116211e-01 - <_> - - 0 -1 2751 -1.3714290224015713e-02 - - 2.9130959510803223e-01 -1.6186399385333061e-02 - <_> - - 0 -1 2752 -1.6599230002611876e-03 - - -1.8650990724563599e-01 2.1775769069790840e-02 - <_> - - 0 -1 2753 1.3917240314185619e-02 - - -5.4833069443702698e-02 7.5145483016967773e-02 - <_> - - 0 -1 2754 -1.4104699715971947e-02 - - -1.2660549581050873e-01 3.9071101695299149e-02 - <_> - - 0 -1 2755 -2.6598859578371048e-02 - - 9.9623836576938629e-02 -4.5457080006599426e-02 - <_> - - 0 -1 2756 -5.3842482157051563e-04 - - -8.2026347517967224e-02 2.7188310399651527e-02 - <_> - - 0 -1 2757 1.4044049748918042e-05 - - -6.2360528856515884e-02 6.7301332950592041e-02 - <_> - - 0 -1 2758 -3.9561990648508072e-02 - - -4.8174971342086792e-01 4.6106358058750629e-03 - <_> - - 0 -1 2759 1.0853289859369397e-03 - - 2.6313990354537964e-02 -1.5306760370731354e-01 - <_> - - 0 -1 2760 -1.9153479486703873e-02 - - 1.8400320410728455e-01 -9.7944093868136406e-03 - <_> - - 0 -1 2761 3.0306449159979820e-02 - - -1.0793870314955711e-02 3.9886739850044250e-01 - <_> - - 0 -1 2762 1.6124650137498975e-03 - - -1.1791810393333435e-02 1.2058059871196747e-01 - <_> - - 0 -1 2763 1.2632669880986214e-02 - - 9.2375585809350014e-03 -4.2379188537597656e-01 - <_> - - 0 -1 2764 -4.3210129661019892e-05 - - 5.3656429052352905e-02 -4.3450549244880676e-02 - <_> - - 0 -1 2765 1.4556180394720286e-04 - - -5.0275009125471115e-02 7.6121151447296143e-02 - <_> - - 0 -1 2766 1.4344939700094983e-05 - - -5.1202371716499329e-02 5.5829189717769623e-02 - <_> - - 0 -1 2767 -7.3230598354712129e-04 - - 1.3922749459743500e-01 -3.2454621046781540e-02 - <_> - - 0 -1 2768 1.1387620121240616e-02 - - -6.2937070615589619e-03 1.8512730300426483e-01 - <_> - - 0 -1 2769 -2.5180529337376356e-03 - - -1.3749399781227112e-01 3.2907929271459579e-02 - <_> - - 0 -1 2770 5.1528509706258774e-02 - - -1.1617249809205532e-02 1.0777329653501511e-01 - <_> - - 0 -1 2771 -2.5644950568675995e-02 - - 1.2324140220880508e-01 -3.5101208835840225e-02 - <_> - - 0 -1 2772 1.6199030214920640e-03 - - 3.3527150750160217e-02 -1.3585910201072693e-01 - <_> - - 0 -1 2773 -1.8191960407420993e-03 - - -1.6489550471305847e-01 3.0319610610604286e-02 - <_> - - 0 -1 2774 -3.1801960431039333e-03 - - 1.1684840172529221e-01 -1.8739059567451477e-02 - <_> - - 0 -1 2775 9.2808151384815574e-04 - - 3.8395769894123077e-02 -1.1520709842443466e-01 - <_> - - 0 -1 2776 -4.1049402207136154e-03 - - 4.4779919087886810e-02 -2.7737030759453773e-02 - <_> - - 0 -1 2777 6.7887702025473118e-03 - - -4.8911478370428085e-02 9.7002588212490082e-02 - <_> - - 0 -1 2778 -4.7330660745501518e-03 - - -9.3821138143539429e-02 2.7040770277380943e-02 - <_> - - 0 -1 2779 -2.1507510915398598e-02 - - 1.4032480120658875e-01 -3.1963579356670380e-02 - <_> - - 0 -1 2780 5.0437378883361816e-01 - - 8.9663412654772401e-04 -1.0000989437103271e+00 - <_> - - 0 -1 2781 -2.8804481029510498e-01 - - -3.1754299998283386e-01 1.2626879848539829e-02 - <_> - - 0 -1 2782 -5.2623480558395386e-02 - - 8.1666037440299988e-02 -1.2998109683394432e-02 - <_> - - 0 -1 2783 4.1319038718938828e-03 - - -7.2914630174636841e-02 7.3860652744770050e-02 - <_> - - 0 -1 2784 3.5127711016684771e-03 - - 2.1715799346566200e-02 -9.8766706883907318e-02 - <_> - - 0 -1 2785 -6.7080818116664886e-03 - - -2.4903470277786255e-01 2.0480340346693993e-02 - <_> - - 0 -1 2786 -1.3876140117645264e-02 - - 7.2459720075130463e-02 -1.1381589807569981e-02 - <_> - - 0 -1 2787 3.6984090693295002e-03 - - -5.0353258848190308e-02 1.0232850164175034e-01 - <_> - - 0 -1 2788 -5.5892078671604395e-04 - - 5.5168900638818741e-02 -2.3259639739990234e-02 - <_> - - 0 -1 2789 1.9318210252095014e-04 - - -5.3024489432573318e-02 8.0820031464099884e-02 - <_> - - 0 -1 2790 5.4443400353193283e-02 - - 1.9684119615703821e-03 -4.9336650967597961e-01 - <_> - - 0 -1 2791 5.7882429100573063e-03 - - 4.2235270142555237e-02 -9.3656897544860840e-02 - <_> - - 0 -1 2792 -5.3214468061923981e-04 - - -6.8211279809474945e-02 4.0915060788393021e-02 - <_> - - 0 -1 2793 -1.5291050076484680e-03 - - 1.3078080117702484e-01 -3.1037170439958572e-02 - <_> - - 0 -1 2794 1.4692340300825890e-05 - - -9.7166307270526886e-02 5.8675400912761688e-02 - <_> - - 0 -1 2795 8.1570359179750085e-04 - - -5.2740119397640228e-02 8.4838531911373138e-02 - <_> - - 0 -1 2796 8.3234731573611498e-04 - - -4.5831769704818726e-02 6.0256149619817734e-02 - <_> - - 0 -1 2797 -1.8306729616597295e-03 - - -2.7214428782463074e-01 1.8664810806512833e-02 - <_> - - 0 -1 2798 1.6016690060496330e-03 - - -2.3981889709830284e-02 1.5741920471191406e-01 - <_> - - 0 -1 2799 1.5611300477758050e-03 - - 4.9081899225711823e-02 -9.3477390706539154e-02 - <_> - - 0 -1 2800 -5.3921141661703587e-03 - - 8.7293423712253571e-02 -3.9956189692020416e-02 - <_> - - 0 -1 2801 1.6652110498398542e-03 - - -5.1185470074415207e-02 7.7633060514926910e-02 - <_> - - 0 -1 2802 -1.2331049656495452e-03 - - -7.4288368225097656e-02 2.3193370550870895e-02 - <_> - - 0 -1 2803 5.6793959811329842e-04 - - -6.6756121814250946e-02 8.2881033420562744e-02 - <_> - - 0 -1 2804 1.5132910339161754e-03 - - 2.0081700757145882e-02 -7.6579719781875610e-02 - <_> - - 0 -1 2805 -1.0698379483073950e-03 - - -1.3229699432849884e-01 4.2196661233901978e-02 - <_> - - 0 -1 2806 -1.7369719222187996e-02 - - 2.7938818931579590e-01 -1.5034230425953865e-02 - <_> - - 0 -1 2807 -9.2626689001917839e-03 - - -2.2753229737281799e-01 1.9179979339241982e-02 - <_> - - 0 -1 2808 1.8482010811567307e-02 - - -1.4924430288374424e-02 3.1277260184288025e-01 - <_> - - 0 -1 2809 -1.4998589642345905e-02 - - 2.6199528574943542e-01 -1.5377020463347435e-02 - <_> - - 0 -1 2810 6.5004371572285891e-04 - - 2.4507129564881325e-02 -1.6830539703369141e-01 - <_> - - 0 -1 2811 -2.5195319205522537e-02 - - -5.9329587221145630e-01 6.0378611087799072e-03 - <_> - - 0 -1 2812 8.1507470458745956e-03 - - -1.5775049105286598e-02 1.2555959820747375e-01 - <_> - - 0 -1 2813 4.5397952198982239e-03 - - 7.2475941851735115e-03 -5.6123107671737671e-01 - <_> - - 0 -1 2814 2.8840870072599500e-05 - - -6.5030217170715332e-02 5.5643379688262939e-02 - <_> - - 0 -1 2815 -4.3392801284790039e-01 - - -5.7634198665618896e-01 7.1343099698424339e-03 - <_> - - 0 -1 2816 -2.1952809765934944e-03 - - 4.5806728303432465e-02 -2.1312480792403221e-02 - <_> - - 0 -1 2817 -1.1394290486350656e-03 - - 1.4237360656261444e-01 -2.5946369394659996e-02 - <_> - - 0 -1 2818 3.0147060751914978e-03 - - 1.7312619835138321e-02 -3.8250389695167542e-01 - <_> - - 0 -1 2819 1.5648039698135108e-04 - - 3.9767131209373474e-02 -9.9703207612037659e-02 - <_> - - 0 -1 2820 1.0532010346651077e-03 - - -1.5648569911718369e-02 9.7645491361618042e-02 - <_> - - 0 -1 2821 -7.9741291701793671e-03 - - 1.8544709682464600e-01 -2.2098619490861893e-02 - <_> - - 0 -1 2822 -4.7134719789028168e-03 - - -9.1619712114334106e-01 3.6266651004552841e-03 - <_> - - 0 -1 2823 1.4999460428953171e-02 - - -9.6984812989830971e-03 5.0326949357986450e-01 - <_> - - 0 -1 2824 2.7833459898829460e-03 - - 4.8701078630983829e-03 -2.6087599992752075e-01 - <_> - - 0 -1 2825 2.1982809994369745e-04 - - 3.7642948329448700e-02 -1.1638490110635757e-01 - <_> - - 0 -1 2826 -5.5281631648540497e-04 - - 5.3662311285734177e-02 -1.8457710742950439e-02 - <_> - - 0 -1 2827 8.1757438601925969e-04 - - -3.0396200716495514e-02 1.4339430630207062e-01 - <_> - - 0 -1 2828 -5.7877011597156525e-02 - - -5.6250417232513428e-01 3.0934759415686131e-03 - <_> - - 0 -1 2829 -4.4983409345149994e-02 - - -8.4331500530242920e-01 4.5743319205939770e-03 - <_> - - 0 -1 2830 -1.6125569818541408e-03 - - -1.6456800699234009e-01 2.5509359315037727e-02 - <_> - - 0 -1 2831 7.2911148890852928e-03 - - -4.7056321054697037e-02 8.0835387110710144e-02 - <_> - - 0 -1 2832 1.7726710066199303e-03 - - 3.7935160100460052e-02 -6.6936686635017395e-02 - <_> - - 0 -1 2833 -8.0677121877670288e-03 - - -1.9031119346618652e-01 2.4777170270681381e-02 - <_> - - 0 -1 2834 -7.9460779670625925e-04 - - 8.6663946509361267e-02 -3.5398159176111221e-02 - <_> - - 0 -1 2835 -1.4300229850050528e-05 - - 6.0487300157546997e-02 -6.5558813512325287e-02 - <_> - - 0 -1 2836 2.0962581038475037e-03 - - -2.0192330703139305e-02 1.3147759437561035e-01 - <_> - - 0 -1 2837 5.0030398415401578e-04 - - 3.4723591059446335e-02 -1.1322329938411713e-01 - <_> - - 0 -1 2838 2.0867818966507912e-03 - - -1.3874029740691185e-02 6.8921387195587158e-02 - <_> - - 0 -1 2839 3.3986899070441723e-03 - - -1.8986670300364494e-02 2.0400190353393555e-01 - <_> - - 0 -1 2840 1.1253410018980503e-02 - - 2.2273620124906301e-03 -9.2255651950836182e-01 - <_> - - 0 -1 2841 -1.2344319839030504e-03 - - -1.2524029612541199e-01 3.1339269131422043e-02 - <_> - - 0 -1 2842 1.6126739792525768e-03 - - -1.5665169805288315e-02 8.4837719798088074e-02 - <_> - - 0 -1 2843 -5.2141858031973243e-04 - - 9.5479287207126617e-02 -4.7874130308628082e-02 - <_> - - 0 -1 2844 3.8721379823982716e-03 - - 5.4993298836052418e-03 -4.4602560997009277e-01 - <_> - - 0 -1 2845 1.7618340253829956e-01 - - -4.1341241449117661e-02 1.0009519755840302e-01 - <_> - - 0 -1 2846 -1.0830520186573267e-03 - - 6.8640246987342834e-02 -4.4131200760602951e-02 - <_> - - 0 -1 2847 1.0719549609348178e-03 - - 3.9141189306974411e-02 -1.0489390045404434e-01 - <_> - - 0 -1 2848 9.4975891988724470e-04 - - 3.6073371767997742e-02 -1.2237410247325897e-01 - <_> - - 0 -1 2849 -9.6825882792472839e-03 - - 2.1743309497833252e-01 -1.9503809511661530e-02 - <_> - - 0 -1 2850 2.9981420375406742e-03 - - -1.1931939981877804e-02 9.4061717391014099e-02 - <_> - - 0 -1 2851 3.3787859138101339e-03 - - 3.8003969937562943e-02 -1.1360760033130646e-01 - <_> - - 0 -1 2852 -2.6151719503104687e-03 - - 1.5477259457111359e-01 -2.9518639668822289e-02 - <_> - - 0 -1 2853 -1.1613050010055304e-03 - - -2.0248539745807648e-01 2.0097140222787857e-02 - <_> - - 0 -1 2854 -1.6141240485012531e-03 - - -1.0936950147151947e-01 2.9148740693926811e-02 - <_> - - 0 -1 2855 -2.1682349033653736e-03 - - 1.3386780023574829e-01 -2.9886990785598755e-02 - <_> - - 0 -1 2856 2.1131899207830429e-02 - - 4.5307017862796783e-03 -5.3612178564071655e-01 - <_> - - 0 -1 2857 1.6037460591178387e-04 - - 4.3597098439931870e-02 -8.4111146628856659e-02 - <_> - - 0 -1 2858 -9.3009177362546325e-04 - - 9.5719091594219208e-02 -3.5718031227588654e-02 - <_> - - 0 -1 2859 -8.7824072688817978e-03 - - -3.6118468642234802e-01 1.0629709810018539e-02 - <_> - - 0 -1 2860 5.3067589178681374e-03 - - -8.9432783424854279e-03 1.5807029604911804e-01 - <_> - - 0 -1 2861 4.6785878948867321e-03 - - -1.6060940921306610e-02 2.4921239912509918e-01 - <_> - - 0 -1 2862 6.7471889778971672e-03 - - -3.2983239740133286e-02 6.1737928539514542e-02 - <_> - - 0 -1 2863 -4.1250120848417282e-03 - - -1.3271600008010864e-01 3.0833190307021141e-02 - <_> - - 0 -1 2864 6.8065262166783214e-04 - - 2.5545250624418259e-02 -1.0341659933328629e-01 - <_> - - 0 -1 2865 2.1838350221514702e-03 - - -2.5376550853252411e-02 1.5284040570259094e-01 - <_> - - 0 -1 2866 -8.2007780671119690e-02 - - -6.8529888987541199e-02 3.8178220391273499e-02 - <_> - - 0 -1 2867 5.4427138529717922e-03 - - 4.2902021668851376e-03 -8.7351191043853760e-01 - <_> - - 0 -1 2868 5.6404271163046360e-04 - - 3.5445190966129303e-02 -8.5448153316974640e-02 - <_> - - 0 -1 2869 -4.0039150044322014e-03 - - -2.2544440627098083e-01 1.6658950597047806e-02 - <_> - - 0 -1 2870 7.1750470669940114e-04 - - -3.5013999789953232e-02 8.5731953382492065e-02 - <_> - - 0 -1 2871 2.1980039309710264e-03 - - -3.5395350307226181e-02 1.0176719725131989e-01 - <_> - - 0 -1 2872 -6.0970097547397017e-04 - - 6.0024809092283249e-02 -8.4693066775798798e-02 - <_> - - 0 -1 2873 5.7354441378265619e-04 - - -5.5539701133966446e-02 8.1733368337154388e-02 - <_> - - 0 -1 2874 1.1020589619874954e-02 - - 4.4961579144001007e-02 -1.0106059908866882e-01 - <_> - - 0 -1 2875 3.2966160215437412e-03 - - -5.1389090716838837e-02 8.1389263272285461e-02 - <_> - - 0 -1 2876 -2.0174959208816290e-03 - - 4.0528461337089539e-02 -3.2342150807380676e-02 - <_> - - 0 -1 2877 -4.8243958735838532e-04 - - -1.1752799898386002e-01 3.4329470247030258e-02 - <_> - - 0 -1 2878 -3.7981800734996796e-02 - - 2.0706389844417572e-01 -9.8644997924566269e-03 - <_> - - 0 -1 2879 -6.9430111907422543e-03 - - 3.3689939975738525e-01 -1.1807870119810104e-02 - <_> - - 0 -1 2880 -4.8804618418216705e-03 - - -4.1485041379928589e-01 8.2202637568116188e-03 - <_> - - 0 -1 2881 1.4070210454519838e-05 - - -5.6398481130599976e-02 6.8512678146362305e-02 - <_> - - 0 -1 2882 -2.7632080018520355e-02 - - -5.7075572013854980e-01 6.3934479840099812e-03 - <_> - - 0 -1 2883 6.5936171449720860e-04 - - 3.2117888331413269e-02 -1.1347310245037079e-01 - <_> - - 0 -1 2884 5.0442051142454147e-02 - - 3.5058089997619390e-03 -2.4307049810886383e-01 - <_> - - 0 -1 2885 -3.5251879598945379e-03 - - 7.3516011238098145e-02 -5.0434000790119171e-02 - <_> - - 0 -1 2886 -9.8136421293020248e-03 - - 6.6950842738151550e-02 -3.7114970386028290e-02 - <_> - - 0 -1 2887 7.7288062311708927e-03 - - -3.3462271094322205e-02 1.4445079863071442e-01 - <_> - - 0 -1 2888 -6.5115757752209902e-04 - - 4.9658838659524918e-02 -3.3331710845232010e-02 - <_> - - 0 -1 2889 -7.3544832412153482e-04 - - -1.6646279394626617e-01 3.0607059597969055e-02 - <_> - 334 - -7.7826201915740967e-01 - - <_> - - 0 -1 2890 -6.5500719938427210e-04 - - 1.0611940175294876e-01 -1.8115450441837311e-01 - <_> - - 0 -1 2891 -1.9778949208557606e-03 - - 1.3503830134868622e-01 -4.6880759298801422e-02 - <_> - - 0 -1 2892 5.9389008674770594e-04 - - -8.4648221731185913e-02 1.2404429912567139e-01 - <_> - - 0 -1 2893 1.0614610509946942e-03 - - -5.9560459107160568e-02 1.8259480595588684e-01 - <_> - - 0 -1 2894 2.7606791257858276e-01 - - 6.2563497340306640e-04 -2.1944240234375000e+04 - <_> - - 0 -1 2895 -2.9046900453977287e-04 - - 7.4143633246421814e-02 -1.1948379874229431e-01 - <_> - - 0 -1 2896 1.1933119967579842e-02 - - -1.3460500165820122e-02 2.7524510025978088e-01 - <_> - - 0 -1 2897 1.0096719861030579e-01 - - -5.6561990641057491e-03 -2.4996870040893555e+01 - <_> - - 0 -1 2898 -1.5156090259552002e-02 - - 1.4056429266929626e-01 -4.4841770082712173e-02 - <_> - - 0 -1 2899 -1.5076439594849944e-03 - - -1.7628009617328644e-01 3.8193639367818832e-02 - <_> - - 0 -1 2900 -1.9093969604000449e-03 - - 1.1207529902458191e-01 -4.8806078732013702e-02 - <_> - - 0 -1 2901 3.5581018892116845e-04 - - 5.0305519253015518e-02 -1.2028399854898453e-01 - <_> - - 0 -1 2902 1.2928070500493050e-03 - - -6.7517459392547607e-02 8.5675567388534546e-02 - <_> - - 0 -1 2903 -1.1862709652632475e-03 - - -7.1755349636077881e-02 2.9050039127469063e-02 - <_> - - 0 -1 2904 2.9675700716325082e-05 - - -9.7550496459007263e-02 5.5263109505176544e-02 - <_> - - 0 -1 2905 -5.1812059246003628e-04 - - 1.3014769554138184e-01 -4.0146790444850922e-02 - <_> - - 0 -1 2906 -2.4787770234979689e-04 - - -1.2997619807720184e-01 4.5160390436649323e-02 - <_> - - 0 -1 2907 5.0375860882923007e-04 - - 2.5243489071726799e-02 -1.1178129911422729e-01 - <_> - - 0 -1 2908 6.3750747358426452e-04 - - -5.1844630390405655e-02 1.1380760371685028e-01 - <_> - - 0 -1 2909 -5.5010168580338359e-04 - - -1.5109330415725708e-01 3.0021730810403824e-02 - <_> - - 0 -1 2910 2.0001670054625720e-04 - - 4.6603560447692871e-02 -1.2110610306262970e-01 - <_> - - 0 -1 2911 -1.2848580256104469e-02 - - 1.4400559663772583e-01 -2.4580590426921844e-02 - <_> - - 0 -1 2912 8.7248822674155235e-03 - - -3.0027579516172409e-02 1.8809199333190918e-01 - <_> - - 0 -1 2913 9.0796118602156639e-03 - - 8.9979087933897972e-03 -2.1755939722061157e-01 - <_> - - 0 -1 2914 -6.0907658189535141e-03 - - -2.4176609516143799e-01 2.0848300307989120e-02 - <_> - - 0 -1 2915 -2.0602690055966377e-02 - - 1.4985099434852600e-01 -2.2443689405918121e-02 - <_> - - 0 -1 2916 2.1011219359934330e-04 - - 5.8400630950927734e-02 -8.2507818937301636e-02 - <_> - - 0 -1 2917 7.6200407929718494e-03 - - -4.6605788171291351e-02 1.1164589971303940e-01 - <_> - - 0 -1 2918 1.3028680346906185e-02 - - 1.1367970146238804e-02 -4.4878101348876953e-01 - <_> - - 0 -1 2919 3.9239479228854179e-03 - - -1.7383949831128120e-02 1.8231689929962158e-01 - <_> - - 0 -1 2920 -1.3659669784829021e-03 - - 1.7153720557689667e-01 -2.8898969292640686e-02 - <_> - - 0 -1 2921 -1.4295619621407241e-05 - - 3.6472570151090622e-02 -5.7127911597490311e-02 - <_> - - 0 -1 2922 -1.4978270046412945e-03 - - -1.0584619641304016e-01 5.2903588861227036e-02 - <_> - - 0 -1 2923 7.7579449862241745e-04 - - -3.2008528709411621e-02 1.6330100595951080e-01 - <_> - - 0 -1 2924 -5.3715571993961930e-04 - - 1.0312590003013611e-01 -5.1378048956394196e-02 - <_> - - 0 -1 2925 -1.8734990153461695e-03 - - -1.0094600170850754e-01 3.1621370464563370e-02 - <_> - - 0 -1 2926 -2.7301919180899858e-03 - - -1.8882660567760468e-01 2.5445640087127686e-02 - <_> - - 0 -1 2927 -2.7519989758729935e-02 - - 2.0207390189170837e-01 -8.7642138823866844e-03 - <_> - - 0 -1 2928 -5.7156491093337536e-03 - - -1.4730660617351532e-01 3.8653228431940079e-02 - <_> - - 0 -1 2929 -3.8841580972075462e-03 - - 1.9324040412902832e-01 -3.3158119767904282e-02 - <_> - - 0 -1 2930 -2.9681410524062812e-04 - - 7.0978216826915741e-02 -8.3440601825714111e-02 - <_> - - 0 -1 2931 -7.3247430846095085e-03 - - 9.9289767444133759e-02 -7.1985991671681404e-03 - <_> - - 0 -1 2932 4.0174159221351147e-03 - - 2.3349240422248840e-02 -2.0595629513263702e-01 - <_> - - 0 -1 2933 3.0161300674080849e-03 - - -1.1856850236654282e-02 7.5035043060779572e-02 - <_> - - 0 -1 2934 -6.0926907462999225e-04 - - 6.6941566765308380e-02 -7.4088506400585175e-02 - <_> - - 0 -1 2935 -2.8288490138947964e-03 - - -8.4346950054168701e-02 2.0641390234231949e-02 - <_> - - 0 -1 2936 1.5945710241794586e-02 - - 1.8828209489583969e-02 -2.5902500748634338e-01 - <_> - - 0 -1 2937 -6.2250817427411675e-04 - - 8.3537682890892029e-02 -4.3164398521184921e-02 - <_> - - 0 -1 2938 9.3902602791786194e-02 - - -2.8874060139060020e-02 1.4930969476699829e-01 - <_> - - 0 -1 2939 4.2735088616609573e-02 - - -2.1169420331716537e-02 1.8162199854850769e-01 - <_> - - 0 -1 2940 2.3074240016285330e-04 - - 3.7333559244871140e-02 -1.1767379939556122e-01 - <_> - - 0 -1 2941 1.4175169781083241e-05 - - -3.7760701030492783e-02 4.1684981435537338e-02 - <_> - - 0 -1 2942 -4.4660810381174088e-03 - - -2.0308449864387512e-01 2.1115880459547043e-02 - <_> - - 0 -1 2943 1.2269329745322466e-03 - - -3.2496001571416855e-02 3.2794348895549774e-02 - <_> - - 0 -1 2944 3.9916601032018661e-02 - - -2.5608949363231659e-02 1.9469550251960754e-01 - <_> - - 0 -1 2945 -7.3776850476861000e-03 - - 8.0924406647682190e-02 -4.2932409793138504e-02 - <_> - - 0 -1 2946 2.3230710066854954e-03 - - 2.0082749426364899e-02 -2.2169919312000275e-01 - <_> - - 0 -1 2947 5.5887812050059438e-04 - - -4.9321770668029785e-02 1.3549089431762695e-01 - <_> - - 0 -1 2948 1.4422759704757482e-05 - - -6.2462970614433289e-02 7.0136800408363342e-02 - <_> - - 0 -1 2949 -9.0111764147877693e-03 - - -1.1790829896926880e-01 1.3764100149273872e-02 - <_> - - 0 -1 2950 -2.5969429407268763e-03 - - 8.5311427712440491e-02 -5.3704299032688141e-02 - <_> - - 0 -1 2951 4.2405598796904087e-03 - - -3.4656058996915817e-02 7.6122537255287170e-02 - <_> - - 0 -1 2952 -2.8519309125840664e-04 - - 6.7123286426067352e-02 -7.1620211005210876e-02 - <_> - - 0 -1 2953 -9.1536442050710320e-04 - - -1.0286690294742584e-01 4.6275518834590912e-02 - <_> - - 0 -1 2954 8.9915059506893158e-03 - - 2.1047739312052727e-02 -2.0345629751682281e-01 - <_> - - 0 -1 2955 -2.3468779399991035e-03 - - 6.1836708337068558e-02 -2.7794880792498589e-02 - <_> - - 0 -1 2956 7.8483502147719264e-04 - - -5.6725129485130310e-02 8.2626231014728546e-02 - <_> - - 0 -1 2957 -4.2987228371202946e-03 - - -4.6485468745231628e-01 1.2136589735746384e-02 - <_> - - 0 -1 2958 3.7865751073695719e-04 - - -5.7894710451364517e-02 7.8972049057483673e-02 - <_> - - 0 -1 2959 -1.8922489834949374e-04 - - -4.8778239637613297e-02 2.8404900804162025e-02 - <_> - - 0 -1 2960 1.4289650134742260e-03 - - -5.4618939757347107e-02 7.4633039534091949e-02 - <_> - - 0 -1 2961 -6.3519232207909226e-04 - - -1.2235110253095627e-01 2.2536490112543106e-02 - <_> - - 0 -1 2962 -1.3744450407102704e-03 - - 8.7468042969703674e-02 -4.6227011829614639e-02 - <_> - - 0 -1 2963 8.3811202785000205e-04 - - -5.3081158548593521e-02 6.6298030316829681e-02 - <_> - - 0 -1 2964 -4.7142491675913334e-03 - - -1.4428180456161499e-01 3.1851839274168015e-02 - <_> - - 0 -1 2965 3.5760139580816031e-03 - - -5.4558500647544861e-02 7.7983260154724121e-02 - <_> - - 0 -1 2966 1.3958959840238094e-02 - - -4.3213408440351486e-02 1.0227949917316437e-01 - <_> - - 0 -1 2967 1.4338699656946119e-05 - - -5.6758139282464981e-02 5.9547949582338333e-02 - <_> - - 0 -1 2968 -1.0628110030665994e-03 - - -1.6489389538764954e-01 2.7261860668659210e-02 - <_> - - 0 -1 2969 1.0051510296761990e-02 - - -9.7075058147311211e-03 1.9438129663467407e-01 - <_> - - 0 -1 2970 -1.1699779424816370e-03 - - 8.6702376604080200e-02 -5.1672320812940598e-02 - <_> - - 0 -1 2971 -3.3962219953536987e-02 - - -2.3889440298080444e-01 9.8034106194972992e-03 - <_> - - 0 -1 2972 3.5306809004396200e-03 - - -2.0434120669960976e-02 2.0758320391178131e-01 - <_> - - 0 -1 2973 -7.7752848155796528e-03 - - -1.5383580327033997e-01 2.4621009826660156e-02 - <_> - - 0 -1 2974 1.8700800137594342e-03 - - 3.6134559661149979e-02 -1.3638550043106079e-01 - <_> - - 0 -1 2975 2.8848159126937389e-03 - - -1.8914660438895226e-02 1.8570280075073242e-01 - <_> - - 0 -1 2976 -1.9861269742250443e-02 - - 3.6918470263481140e-01 -1.1665159836411476e-02 - <_> - - 0 -1 2977 -2.7482518926262856e-03 - - -2.1028390526771545e-01 2.3893959820270538e-02 - <_> - - 0 -1 2978 -2.7001290582120419e-03 - - 2.0786289870738983e-01 -2.1798720583319664e-02 - <_> - - 0 -1 2979 -4.5068548060953617e-03 - - -8.6702600121498108e-02 4.8602908849716187e-02 - <_> - - 0 -1 2980 2.4951489642262459e-02 - - -1.5552300028502941e-02 2.7785879373550415e-01 - <_> - - 0 -1 2981 1.2935699487570673e-04 - - -7.3888942599296570e-02 4.8402789980173111e-02 - <_> - - 0 -1 2982 9.3646477907896042e-03 - - -2.5281939655542374e-02 1.8370600044727325e-01 - <_> - - 0 -1 2983 8.4151826798915863e-02 - - 1.0824269615113735e-02 -1.9552649557590485e-01 - <_> - - 0 -1 2984 1.1270279996097088e-02 - - 1.0561659932136536e-02 -3.9813381433486938e-01 - <_> - - 0 -1 2985 -2.3937860503792763e-02 - - -6.0860121250152588e-01 4.2452588677406311e-03 - <_> - - 0 -1 2986 2.0148959010839462e-03 - - -3.0430519953370094e-02 1.3252329826354980e-01 - <_> - - 0 -1 2987 -9.2081452021375299e-04 - - -6.4787812530994415e-02 2.7679389342665672e-02 - <_> - - 0 -1 2988 2.4192659184336662e-03 - - 4.7041378915309906e-02 -8.9719109237194061e-02 - <_> - - 0 -1 2989 -6.5186403691768646e-02 - - -5.6671458482742310e-01 2.5166301056742668e-03 - <_> - - 0 -1 2990 2.8571339324116707e-02 - - -2.5201410055160522e-02 1.9006469845771790e-01 - <_> - - 0 -1 2991 -3.3785749692469835e-03 - - -1.2729710340499878e-01 1.9669840112328529e-02 - <_> - - 0 -1 2992 1.0253169573843479e-02 - - -2.0659439265727997e-02 2.0298719406127930e-01 - <_> - - 0 -1 2993 4.9304449930787086e-03 - - 2.1737489849328995e-02 -1.2347099930047989e-01 - <_> - - 0 -1 2994 9.6938945353031158e-03 - - 6.0204151086509228e-03 -6.4063978195190430e-01 - <_> - - 0 -1 2995 -4.8665871145203710e-04 - - 4.7643549740314484e-02 -2.8483150526881218e-02 - <_> - - 0 -1 2996 -2.1001850254833698e-03 - - 8.1388853490352631e-02 -4.8343729227781296e-02 - <_> - - 0 -1 2997 7.1035227738320827e-03 - - 4.8637919127941132e-02 -5.9368059039115906e-02 - <_> - - 0 -1 2998 7.6833309140056372e-04 - - -5.5948581546545029e-02 9.0324163436889648e-02 - <_> - - 0 -1 2999 3.0236479360610247e-03 - - 2.4593129754066467e-02 -4.8018101602792740e-02 - <_> - - 0 -1 3000 -1.5640349593013525e-03 - - -1.4176750183105469e-01 4.4273559004068375e-02 - <_> - - 0 -1 3001 -4.9588200636208057e-03 - - 3.3299440145492554e-01 -1.3866799883544445e-02 - <_> - - 0 -1 3002 -3.1740468693897128e-04 - - -9.9935911595821381e-02 4.1256289929151535e-02 - <_> - - 0 -1 3003 -8.0420851008966565e-04 - - 1.0639169812202454e-01 -2.8372989967465401e-02 - <_> - - 0 -1 3004 1.6408630181103945e-03 - - -2.4030350148677826e-02 1.7486830055713654e-01 - <_> - - 0 -1 3005 -6.1796259880065918e-01 - - -3.5708969831466675e-01 4.0679760277271271e-03 - <_> - - 0 -1 3006 -1.7735069990158081e-01 - - -6.1740487813949585e-01 6.5281139686703682e-03 - <_> - - 0 -1 3007 9.8318364471197128e-03 - - -9.5694959163665771e-03 9.4102367758750916e-02 - <_> - - 0 -1 3008 -9.9137630313634872e-03 - - 2.0841769874095917e-01 -2.0038869231939316e-02 - <_> - - 0 -1 3009 1.0139079764485359e-02 - - 8.6421063169836998e-03 -1.6476039588451385e-01 - <_> - - 0 -1 3010 -4.7524129040539265e-03 - - -9.3199521303176880e-01 4.2677428573369980e-03 - <_> - - 0 -1 3011 -3.5657559055835009e-03 - - -7.0002816617488861e-02 1.3544510118663311e-02 - <_> - - 0 -1 3012 -7.5818779878318310e-03 - - -2.5617438554763794e-01 1.5119800344109535e-02 - <_> - - 0 -1 3013 3.2128070015460253e-03 - - -4.7117389738559723e-02 4.2283978313207626e-02 - <_> - - 0 -1 3014 -1.4448419678956270e-03 - - 1.2069970369338989e-01 -3.4035868942737579e-02 - <_> - - 0 -1 3015 4.3855889089172706e-05 - - -3.3758200705051422e-02 2.9251309111714363e-02 - <_> - - 0 -1 3016 7.9919979907572269e-04 - - 5.2105661481618881e-02 -1.0435529798269272e-01 - <_> - - 0 -1 3017 1.6669919714331627e-02 - - 3.1498380005359650e-02 -7.5712457299232483e-02 - <_> - - 0 -1 3018 4.4861449860036373e-03 - - -6.0100939124822617e-02 1.0679920017719269e-01 - <_> - - 0 -1 3019 1.5718489885330200e-03 - - 2.2957760840654373e-02 -5.1999129354953766e-02 - <_> - - 0 -1 3020 -1.0987470159307122e-03 - - 6.7808508872985840e-02 -6.2232740223407745e-02 - <_> - - 0 -1 3021 3.6574289202690125e-01 - - 8.5034789517521858e-03 -8.7944783270359039e-02 - <_> - - 0 -1 3022 6.2328672409057617e-01 - - 6.2737329863011837e-03 -6.5871769189834595e-01 - <_> - - 0 -1 3023 -2.0381929352879524e-02 - - 2.0589959621429443e-01 -2.1329719573259354e-02 - <_> - - 0 -1 3024 1.2231430038809776e-02 - - 1.6662970185279846e-02 -2.4959360063076019e-01 - <_> - - 0 -1 3025 1.1891610175371170e-01 - - 4.6012690290808678e-03 -2.4065980315208435e-01 - <_> - - 0 -1 3026 -4.5336168259382248e-02 - - 2.6013681292533875e-01 -1.5307229943573475e-02 - <_> - - 0 -1 3027 1.0635649785399437e-02 - - 1.3968730345368385e-02 -1.8730120360851288e-01 - <_> - - 0 -1 3028 8.0420613288879395e-02 - - 6.4792581833899021e-03 -7.3739159107208252e-01 - <_> - - 0 -1 3029 4.1983132250607014e-03 - - -4.0718421339988708e-02 4.9123499542474747e-02 - <_> - - 0 -1 3030 2.7840971015393734e-03 - - -4.6847000718116760e-02 8.3045586943626404e-02 - <_> - - 0 -1 3031 -2.3969069588929415e-03 - - -1.0305040329694748e-01 3.6219939589500427e-02 - <_> - - 0 -1 3032 2.3801729083061218e-02 - - -2.6440629735589027e-02 1.5566450357437134e-01 - <_> - - 0 -1 3033 5.8980349422199652e-05 - - -7.4151277542114258e-02 5.3694751113653183e-02 - <_> - - 0 -1 3034 4.2179841548204422e-03 - - 5.8198180049657822e-02 -6.9338247179985046e-02 - <_> - - 0 -1 3035 -7.3058279231190681e-03 - - -9.0065263211727142e-02 3.4009128808975220e-02 - <_> - - 0 -1 3036 5.0189117901027203e-03 - - -1.8705239519476891e-02 2.2443990409374237e-01 - <_> - - 0 -1 3037 -2.0936098881065845e-03 - - -6.6003449261188507e-02 1.9856190308928490e-02 - <_> - - 0 -1 3038 6.8444077624008060e-04 - - 5.4512381553649902e-02 -9.2761643230915070e-02 - <_> - - 0 -1 3039 -4.1365441866219044e-03 - - -1.0075940191745758e-01 2.9440989717841148e-02 - <_> - - 0 -1 3040 9.9968025460839272e-03 - - -3.8969870656728745e-02 1.4083629846572876e-01 - <_> - - 0 -1 3041 4.1777390288189054e-04 - - 1.6349399462342262e-02 -8.7681837379932404e-02 - <_> - - 0 -1 3042 1.4318599824036937e-05 - - -6.0149569064378738e-02 7.5571998953819275e-02 - <_> - - 0 -1 3043 1.0386370122432709e-02 - - 1.3826809823513031e-02 -1.3289609551429749e-01 - <_> - - 0 -1 3044 -3.4228169824928045e-03 - - 6.8344578146934509e-02 -5.8622609823942184e-02 - <_> - - 0 -1 3045 1.4140920029603876e-05 - - -3.3672899007797241e-02 3.4742329269647598e-02 - <_> - - 0 -1 3046 -2.9150721430778503e-01 - - -2.6706650853157043e-01 1.6969459131360054e-02 - <_> - - 0 -1 3047 -2.2624819539487362e-03 - - 5.8930430561304092e-02 -3.8748141378164291e-02 - <_> - - 0 -1 3048 6.0357558540999889e-03 - - -5.4498948156833649e-02 8.3862930536270142e-02 - <_> - - 0 -1 3049 -4.2928759939968586e-03 - - -7.3004312813282013e-02 1.4651809819042683e-02 - <_> - - 0 -1 3050 1.1044720187783241e-02 - - 1.2078249827027321e-02 -3.9404100179672241e-01 - <_> - - 0 -1 3051 -1.0535520268604159e-03 - - 4.8318728804588318e-02 -3.4919891506433487e-02 - <_> - - 0 -1 3052 5.6404650211334229e-02 - - -6.8446230143308640e-03 6.1755502223968506e-01 - <_> - - 0 -1 3053 -8.4812091663479805e-03 - - -1.3839499652385712e-01 1.2489840388298035e-02 - <_> - - 0 -1 3054 1.6193240880966187e-02 - - 9.0974392369389534e-03 -4.4633740186691284e-01 - <_> - - 0 -1 3055 -2.8318920521996915e-04 - - 8.2474879920482635e-02 -4.7371931374073029e-02 - <_> - - 0 -1 3056 4.1413828730583191e-03 - - -1.4848480001091957e-02 2.8132051229476929e-01 - <_> - - 0 -1 3057 -3.4166331170126796e-04 - - -6.0937568545341492e-02 2.9026310890913010e-02 - <_> - - 0 -1 3058 2.0170300267636776e-03 - - 1.9604349508881569e-02 -2.0822779834270477e-01 - <_> - - 0 -1 3059 -2.0873220637440681e-03 - - 1.0310489684343338e-01 -3.7634961307048798e-02 - <_> - - 0 -1 3060 -5.6890142150223255e-03 - - -1.2544399499893188e-01 3.3915720880031586e-02 - <_> - - 0 -1 3061 1.0917709767818451e-01 - - 7.4923089705407619e-03 -1.1904879659414291e-01 - <_> - - 0 -1 3062 -5.0970359006896615e-04 - - 9.7908712923526764e-02 -3.9758011698722839e-02 - <_> - - 0 -1 3063 -1.4320580661296844e-01 - - -8.0416381359100342e-01 6.3695549033582211e-04 - <_> - - 0 -1 3064 -8.0799080431461334e-02 - - 3.1338238716125488e-01 -1.3846360146999359e-02 - <_> - - 0 -1 3065 -9.3855917453765869e-02 - - -1.4186389744281769e-01 4.8957560211420059e-03 - <_> - - 0 -1 3066 1.0711970180273056e-01 - - 1.0395029559731483e-02 -3.9300349354743958e-01 - <_> - - 0 -1 3067 5.6628540158271790e-02 - - 1.6760550206527114e-03 -7.5297760963439941e-01 - <_> - - 0 -1 3068 -5.9830099344253540e-03 - - 9.8864533007144928e-02 -4.2337849736213684e-02 - <_> - - 0 -1 3069 3.2563660293817520e-02 - - 7.7907292870804667e-04 -1.0018880367279053e+00 - <_> - - 0 -1 3070 5.2614361047744751e-03 - - -2.3592080920934677e-02 1.8561479449272156e-01 - <_> - - 0 -1 3071 -2.8537029400467873e-02 - - -8.7918317317962646e-01 2.7133359108120203e-03 - <_> - - 0 -1 3072 -1.1468839831650257e-02 - - -2.8566700220108032e-01 1.4948310330510139e-02 - <_> - - 0 -1 3073 5.8335228823125362e-04 - - 1.6099810600280762e-02 -1.0043399780988693e-01 - <_> - - 0 -1 3074 4.0041147731244564e-03 - - 5.0489702261984348e-03 -7.1332311630249023e-01 - <_> - - 0 -1 3075 -2.3596179671585560e-03 - - 2.4190050363540649e-01 -1.4085929840803146e-02 - <_> - - 0 -1 3076 3.3726831316016614e-04 - - 2.9679410159587860e-02 -1.2967990338802338e-01 - <_> - - 0 -1 3077 6.7051057703793049e-04 - - -4.2348969727754593e-02 6.4362458884716034e-02 - <_> - - 0 -1 3078 -3.4773809602484107e-04 - - 6.9616302847862244e-02 -6.3760548830032349e-02 - <_> - - 0 -1 3079 2.6000179350376129e-02 - - 3.4755310043692589e-03 -5.2053117752075195e-01 - <_> - - 0 -1 3080 -1.6987169161438942e-02 - - -4.3342560529708862e-01 8.5654119029641151e-03 - <_> - - 0 -1 3081 2.9391179850790650e-05 - - -3.6627989262342453e-02 4.1910480707883835e-02 - <_> - - 0 -1 3082 -2.4438139516860247e-03 - - 3.0130320787429810e-01 -1.3301130384206772e-02 - <_> - - 0 -1 3083 6.4233690500259399e-03 - - 7.3442691937088966e-03 -5.7522922754287720e-01 - <_> - - 0 -1 3084 1.1681020259857178e-01 - - 3.3814390189945698e-03 -8.7938332557678223e-01 - <_> - - 0 -1 3085 -2.7548689104150981e-05 - - 6.4680196344852448e-02 -5.7411041110754013e-02 - <_> - - 0 -1 3086 2.4947611382231116e-04 - - -7.5326800346374512e-02 4.8592418432235718e-02 - <_> - - 0 -1 3087 -7.1671740151941776e-03 - - -8.3547100424766541e-02 2.1562419831752777e-02 - <_> - - 0 -1 3088 -1.8627879908308387e-03 - - 1.0043080151081085e-01 -3.8185749202966690e-02 - <_> - - 0 -1 3089 -1.6036540269851685e-02 - - -9.1825373470783234e-02 3.9515469223260880e-02 - <_> - - 0 -1 3090 -1.2315779924392700e-02 - - 2.3118409514427185e-01 -1.7156910151243210e-02 - <_> - - 0 -1 3091 -1.3695989735424519e-02 - - -4.6317929029464722e-01 2.2789770737290382e-03 - <_> - - 0 -1 3092 -8.4357131272554398e-03 - - -2.6425519585609436e-01 1.4832129701972008e-02 - <_> - - 0 -1 3093 -9.2736718943342566e-04 - - 7.9645402729511261e-02 -4.9840580672025681e-02 - <_> - - 0 -1 3094 -7.3909357888624072e-04 - - 1.1675740033388138e-01 -3.2842319458723068e-02 - <_> - - 0 -1 3095 -5.3007681854069233e-03 - - -5.8355450630187988e-02 2.4915490299463272e-02 - <_> - - 0 -1 3096 2.3519468959420919e-03 - - 3.4184001386165619e-02 -1.2361560016870499e-01 - <_> - - 0 -1 3097 3.6758350324817002e-04 - - 2.4377340450882912e-02 -9.2866457998752594e-02 - <_> - - 0 -1 3098 -1.8738239305093884e-04 - - -9.7189396619796753e-02 4.5581560581922531e-02 - <_> - - 0 -1 3099 -4.3005049228668213e-03 - - 5.9655640274286270e-02 -2.6550989598035812e-02 - <_> - - 0 -1 3100 3.0303259845823050e-03 - - -4.6652421355247498e-02 8.3090431988239288e-02 - <_> - - 0 -1 3101 9.1612888500094414e-03 - - 8.1623140722513199e-03 -1.4294110238552094e-01 - <_> - - 0 -1 3102 -7.1365521289408207e-03 - - -2.1283440291881561e-01 1.9532319158315659e-02 - <_> - - 0 -1 3103 4.0135360322892666e-03 - - -2.7977779507637024e-02 6.5373353660106659e-02 - <_> - - 0 -1 3104 7.3571591638028622e-03 - - -3.3633861690759659e-02 1.1916100233793259e-01 - <_> - - 0 -1 3105 -1.4602700248360634e-03 - - 1.4011189341545105e-01 -1.2051680125296116e-02 - <_> - - 0 -1 3106 1.4471929716819432e-05 - - -5.7255640625953674e-02 6.8829320371150970e-02 - <_> - - 0 -1 3107 -1.4309570360637736e-05 - - 8.2789108157157898e-02 -8.4355473518371582e-02 - <_> - - 0 -1 3108 -5.5356771918013692e-04 - - -1.4383679628372192e-01 3.1933940947055817e-02 - <_> - - 0 -1 3109 2.1484889090061188e-02 - - -3.0742040835320950e-03 3.7881690263748169e-01 - <_> - - 0 -1 3110 -9.8766442388296127e-03 - - 3.5023438930511475e-01 -1.0607440024614334e-02 - <_> - - 0 -1 3111 -4.5920489355921745e-04 - - -1.1301189661026001e-01 2.3139599710702896e-02 - <_> - - 0 -1 3112 -1.6422939952462912e-03 - - 7.4747122824192047e-02 -5.0454050302505493e-02 - <_> - - 0 -1 3113 -5.3874298464506865e-04 - - -1.3922649621963501e-01 2.9874069616198540e-02 - <_> - - 0 -1 3114 -5.7828719727694988e-03 - - 8.0108322203159332e-02 -4.9318719655275345e-02 - <_> - - 0 -1 3115 -1.1254530400037766e-02 - - -9.4960838556289673e-02 1.2815359979867935e-02 - <_> - - 0 -1 3116 -6.3977600075304508e-03 - - 1.8505319952964783e-01 -1.9816260784864426e-02 - <_> - - 0 -1 3117 -1.7287230002693832e-04 - - -4.4736761599779129e-02 3.1513940542936325e-02 - <_> - - 0 -1 3118 -4.4290270656347275e-02 - - -8.4371000528335571e-01 4.1946070268750191e-03 - <_> - - 0 -1 3119 1.4135680430626962e-05 - - -2.8704009950160980e-02 2.9664069414138794e-02 - <_> - - 0 -1 3120 1.4838889910606667e-05 - - -5.7750280946493149e-02 5.9877578169107437e-02 - <_> - - 0 -1 3121 1.4357990039570723e-05 - - -4.8069581389427185e-02 5.2067048847675323e-02 - <_> - - 0 -1 3122 -3.0332439928315580e-04 - - -1.1391550302505493e-01 3.3420108258724213e-02 - <_> - - 0 -1 3123 -2.1341539919376373e-02 - - 1.3414019346237183e-01 -2.8697019442915916e-02 - <_> - - 0 -1 3124 1.2220669537782669e-02 - - -3.1815130263566971e-02 1.2447299808263779e-01 - <_> - - 0 -1 3125 -1.7970399931073189e-03 - - -7.8972600400447845e-02 2.3819999769330025e-02 - <_> - - 0 -1 3126 1.0250660125166178e-03 - - 9.1715447604656219e-02 -5.1853589713573456e-02 - <_> - - 0 -1 3127 2.9596749300253578e-05 - - -4.5877501368522644e-02 2.2276140749454498e-02 - <_> - - 0 -1 3128 -2.9857519548386335e-03 - - -1.0987590253353119e-01 3.9163749665021896e-02 - <_> - - 0 -1 3129 3.4685849677771330e-03 - - -3.1400199979543686e-02 5.9269599616527557e-02 - <_> - - 0 -1 3130 -5.0253752851858735e-04 - - 6.8993613123893738e-02 -5.6809179484844208e-02 - <_> - - 0 -1 3131 3.1805990729480982e-03 - - 1.7488589510321617e-02 -1.0994870215654373e-01 - <_> - - 0 -1 3132 -6.3892719335854053e-03 - - 2.3231509327888489e-01 -1.6345100477337837e-02 - <_> - - 0 -1 3133 4.7345750033855438e-02 - - 3.2520359382033348e-03 -7.1971511840820312e-01 - <_> - - 0 -1 3134 -6.3473977148532867e-02 - - -5.7145291566848755e-01 5.7878792285919189e-03 - <_> - - 0 -1 3135 1.8283590674400330e-02 - - -3.0776629224419594e-02 6.7068859934806824e-02 - <_> - - 0 -1 3136 3.3511288464069366e-02 - - 9.5050930976867676e-03 -3.9411789178848267e-01 - <_> - - 0 -1 3137 5.8480639010667801e-02 - - 8.8002288248389959e-04 -7.2193121910095215e-01 - <_> - - 0 -1 3138 -6.8779820576310158e-03 - - -1.3660149276256561e-01 2.8550539165735245e-02 - <_> - - 0 -1 3139 -7.4082398787140846e-03 - - -1. 1.4721560291945934e-03 - <_> - - 0 -1 3140 1.9716760143637657e-03 - - -3.1249720603227615e-02 1.2497240304946899e-01 - <_> - - 0 -1 3141 -8.5898824036121368e-03 - - 7.3831759393215179e-02 -5.1625881344079971e-02 - <_> - - 0 -1 3142 3.8665629923343658e-02 - - -4.0125548839569092e-02 1.0069020092487335e-01 - <_> - - 0 -1 3143 -2.3928559385240078e-03 - - 4.5589141547679901e-02 -4.5100230723619461e-02 - <_> - - 0 -1 3144 -6.2895438168197870e-04 - - -1.1667449772357941e-01 3.2768420875072479e-02 - <_> - - 0 -1 3145 -2.3187010083347559e-03 - - 1.3001890480518341e-01 -1.0718069970607758e-02 - <_> - - 0 -1 3146 1.4138329788693227e-05 - - -6.4404919743537903e-02 5.7263828814029694e-02 - <_> - - 0 -1 3147 -2.8554860502481461e-02 - - -5.0639897584915161e-01 1.1023499537259340e-03 - <_> - - 0 -1 3148 3.2312930561602116e-03 - - 3.6267548799514771e-02 -1.0106699913740158e-01 - <_> - - 0 -1 3149 1.6222210251726210e-04 - - -4.0285501629114151e-02 3.1679298728704453e-02 - <_> - - 0 -1 3150 4.2762039811350405e-04 - - -3.6203209310770035e-02 1.0361579805612564e-01 - <_> - - 0 -1 3151 3.3335629268549383e-04 - - -2.9866840690374374e-02 2.9882159084081650e-02 - <_> - - 0 -1 3152 -2.2189140319824219e-01 - - -3.8243699073791504e-01 9.5520019531250000e-03 - <_> - - 0 -1 3153 8.7596403318457305e-05 - - 3.9001930505037308e-02 -8.1183552742004395e-02 - <_> - - 0 -1 3154 -1.1259169696131721e-04 - - 6.3710443675518036e-02 -5.8460969477891922e-02 - <_> - - 0 -1 3155 -1.6238780226558447e-03 - - 4.1994798928499222e-02 -4.4873479753732681e-02 - <_> - - 0 -1 3156 -6.0143370181322098e-02 - - -6.9434410333633423e-01 5.1933941431343555e-03 - <_> - - 0 -1 3157 2.2263569757342339e-02 - - 7.1151661686599255e-03 -1.6245369613170624e-01 - <_> - - 0 -1 3158 1.5287219546735287e-02 - - -3.1578138470649719e-02 1.3159650564193726e-01 - <_> - - 0 -1 3159 -2.7766029816120863e-03 - - 3.3783968538045883e-02 -3.1077789142727852e-02 - <_> - - 0 -1 3160 1.6177409561350942e-03 - - 3.9119731634855270e-02 -9.9278897047042847e-02 - <_> - - 0 -1 3161 1.9479090115055442e-03 - - -5.3654409945011139e-02 7.0118047297000885e-02 - <_> - - 0 -1 3162 1.2130389921367168e-02 - - 4.0306180715560913e-02 -9.0640321373939514e-02 - <_> - - 0 -1 3163 -1.3028389774262905e-02 - - 1.1700630187988281e-01 -6.7425691522657871e-03 - <_> - - 0 -1 3164 -5.0146891735494137e-03 - - -1.3672140240669250e-01 2.8440289199352264e-02 - <_> - - 0 -1 3165 2.9157409444451332e-03 - - -2.0223509520292282e-02 1.7895069718360901e-01 - <_> - - 0 -1 3166 1.4704049564898014e-02 - - -1.1754130013287067e-02 3.0486410856246948e-01 - <_> - - 0 -1 3167 -6.0479778796434402e-02 - - -7.8139930963516235e-01 2.7442490682005882e-03 - <_> - - 0 -1 3168 -4.3481457978487015e-03 - - -1.3809560239315033e-01 2.4240119382739067e-02 - <_> - - 0 -1 3169 -2.0365869626402855e-02 - - 4.7886461019515991e-02 -2.1922210231423378e-02 - <_> - - 0 -1 3170 3.8487561047077179e-02 - - -1.4815949834883213e-02 2.8366428613662720e-01 - <_> - - 0 -1 3171 8.8168919086456299e-02 - - 6.1495671980082989e-03 -1.1289569735527039e-01 - <_> - - 0 -1 3172 4.0345671586692333e-03 - - -6.8296507000923157e-02 5.5224869400262833e-02 - <_> - - 0 -1 3173 9.2876404523849487e-03 - - 3.4623101353645325e-02 -5.4317090660333633e-02 - <_> - - 0 -1 3174 1.6310110222548246e-03 - - -2.9204320162534714e-02 1.2989430129528046e-01 - <_> - - 0 -1 3175 -1.2771799811162055e-04 - - 5.7855401188135147e-02 -6.3030250370502472e-02 - <_> - - 0 -1 3176 1.3937779702246189e-02 - - 6.9280698895454407e-02 -6.1526641249656677e-02 - <_> - - 0 -1 3177 6.8672648631036282e-03 - - 7.0364428684115410e-03 -4.4557929039001465e-01 - <_> - - 0 -1 3178 2.1003469824790955e-02 - - -3.5268500447273254e-02 1.5359219908714294e-01 - <_> - - 0 -1 3179 -5.0168340094387531e-03 - - -5.2301561832427979e-01 3.5861700307577848e-03 - <_> - - 0 -1 3180 -3.1568898702971637e-04 - - -1.1868490278720856e-01 2.9266620054841042e-02 - <_> - - 0 -1 3181 -9.4318166375160217e-03 - - 1.2853389978408813e-01 -2.4564500898122787e-02 - <_> - - 0 -1 3182 6.0749690979719162e-02 - - 1.5456859953701496e-02 -2.3764939606189728e-01 - <_> - - 0 -1 3183 1.4245889615267515e-03 - - -2.7731699869036674e-02 7.5339756906032562e-02 - <_> - - 0 -1 3184 4.5280749909579754e-03 - - 7.9670632258057594e-03 -4.6478900313377380e-01 - <_> - - 0 -1 3185 -1.1256569996476173e-03 - - 8.7405860424041748e-02 -2.8235470876097679e-02 - <_> - - 0 -1 3186 7.1023160126060247e-04 - - -4.5912958681583405e-02 7.7868096530437469e-02 - <_> - - 0 -1 3187 -1.0647220187820494e-04 - - -6.9129116833209991e-02 3.4806620329618454e-02 - <_> - - 0 -1 3188 4.0483310818672180e-02 - - -6.7497747950255871e-03 5.7718431949615479e-01 - <_> - - 0 -1 3189 3.1162700615823269e-03 - - -1.5197520144283772e-02 1.5354870259761810e-01 - <_> - - 0 -1 3190 4.5352601446211338e-03 - - 1.9577570259571075e-02 -1.9316029548645020e-01 - <_> - - 0 -1 3191 -4.1040619835257530e-03 - - 1.6863599419593811e-01 -2.3052209988236427e-02 - <_> - - 0 -1 3192 -1.2791199842467904e-03 - - -1.2263630330562592e-01 3.3852901309728622e-02 - <_> - - 0 -1 3193 3.7750229239463806e-02 - - 2.7295380830764771e-02 -3.9029780775308609e-02 - <_> - - 0 -1 3194 -3.1329069286584854e-02 - - -1.7695879936218262e-01 2.3652670904994011e-02 - <_> - - 0 -1 3195 6.9908007979393005e-02 - - -1.3607740402221680e-02 1.7705820500850677e-01 - <_> - - 0 -1 3196 -1.7724529607221484e-03 - - 8.9443042874336243e-02 -4.4195320457220078e-02 - <_> - - 0 -1 3197 9.5961341867223382e-04 - - 4.6264778822660446e-02 -8.5146717727184296e-02 - <_> - - 0 -1 3198 4.8880279064178467e-03 - - -4.3457351624965668e-02 8.3665966987609863e-02 - <_> - - 0 -1 3199 -1.8521700054407120e-02 - - -1.9846099615097046e-01 7.7576087787747383e-03 - <_> - - 0 -1 3200 -2.9453789466060698e-04 - - 6.5195016562938690e-02 -7.3865167796611786e-02 - <_> - - 0 -1 3201 3.2816329039633274e-03 - - 1.0613779537379742e-02 -1.2129720300436020e-01 - <_> - - 0 -1 3202 -4.1478020139038563e-03 - - 1.3219490647315979e-01 -2.7838779613375664e-02 - <_> - - 0 -1 3203 2.9324321076273918e-03 - - 1.5625990927219391e-02 -1.3332700729370117e-01 - <_> - - 0 -1 3204 1.4735000149812549e-05 - - -6.6767387092113495e-02 6.7779406905174255e-02 - <_> - - 0 -1 3205 1.0550020262598991e-02 - - -1.8690729513764381e-02 3.5460308194160461e-02 - <_> - - 0 -1 3206 6.6441838862374425e-04 - - 3.1682059168815613e-02 -1.2590830028057098e-01 - <_> - - 0 -1 3207 -7.8891811426728964e-04 - - 4.1447490453720093e-02 -1.9493930041790009e-02 - <_> - - 0 -1 3208 4.0985438972711563e-03 - - -1.4138899743556976e-02 2.5552189350128174e-01 - <_> - - 0 -1 3209 -1.1657159775495529e-03 - - -9.9526606500148773e-02 2.5209929794073105e-02 - <_> - - 0 -1 3210 8.3427336066961288e-03 - - 6.7264190874993801e-03 -5.3164392709732056e-01 - <_> - - 0 -1 3211 1.1264909990131855e-02 - - -2.0710369572043419e-02 1.7936679720878601e-01 - <_> - - 0 -1 3212 -4.5051681809127331e-03 - - -6.6127192974090576e-01 5.7547520846128464e-03 - <_> - - 0 -1 3213 -1.4798439806327224e-03 - - 1.0810559988021851e-01 -1.9588569179177284e-02 - <_> - - 0 -1 3214 1.6471470007672906e-04 - - 5.3238850086927414e-02 -6.9692611694335938e-02 - <_> - - 0 -1 3215 4.4582888484001160e-02 - - 7.8089488670229912e-03 -3.7653329968452454e-01 - <_> - - 0 -1 3216 -1.9773680716753006e-02 - - 1.3560689985752106e-01 -3.0749319121241570e-02 - <_> - - 0 -1 3217 4.3540569022297859e-03 - - 9.3921516090631485e-03 -1.9494530558586121e-01 - <_> - - 0 -1 3218 -2.4175210297107697e-01 - - -6.3273942470550537e-01 5.7554137893021107e-03 - <_> - - 0 -1 3219 -4.4678640551865101e-04 - - 7.4578367173671722e-02 -5.0328239798545837e-02 - <_> - - 0 -1 3220 1.4537060260772705e-01 - - 7.1067730896174908e-03 -5.0648421049118042e-01 - <_> - - 0 -1 3221 1.4327790267998353e-05 - - -2.8675070032477379e-02 2.7644269168376923e-02 - <_> - - 0 -1 3222 6.7291660234332085e-03 - - 8.8470866903662682e-03 -4.2330700159072876e-01 - <_> - - 0 -1 3223 2.2473030257970095e-03 - - -1.4289340004324913e-02 1.4410759508609772e-01 - - <_> - - <_> - 8 4 6 4 -1. - <_> - 10 4 2 4 3. - <_> - - <_> - 8 6 6 4 -1. - <_> - 8 7 6 2 2. - <_> - - <_> - 5 4 12 7 -1. - <_> - 8 4 6 7 2. - <_> - - <_> - 3 1 16 8 -1. - <_> - 7 1 8 8 2. - <_> - - <_> - 8 5 2 2 -1. - <_> - 8 5 1 1 2. - <_> - 9 6 1 1 2. - <_> - - <_> - 10 5 2 6 -1. - <_> - 10 8 2 3 2. - <_> - - <_> - 0 0 15 9 -1. - <_> - 0 3 15 3 3. - <_> - - <_> - 5 2 12 6 -1. - <_> - 9 4 4 2 9. - <_> - - <_> - 6 17 1 3 -1. - <_> - 6 18 1 1 3. - <_> - - <_> - 14 17 2 3 -1. - <_> - 14 18 2 1 3. - <_> - - <_> - 6 17 2 3 -1. - <_> - 6 18 2 1 3. - <_> - - <_> - 8 0 6 6 -1. - <_> - 8 2 6 2 3. - <_> - - <_> - 8 5 2 2 -1. - <_> - 8 5 1 1 2. - <_> - 9 6 1 1 2. - <_> - - <_> - 12 13 4 1 -1. - <_> - 12 13 2 1 2. - <_> - - <_> - 0 1 2 4 -1. - <_> - 0 1 1 2 2. - <_> - 1 3 1 2 2. - <_> - - <_> - 20 1 2 4 -1. - <_> - 21 1 1 2 2. - <_> - 20 3 1 2 2. - <_> - - <_> - 0 1 2 4 -1. - <_> - 0 1 1 2 2. - <_> - 1 3 1 2 2. - <_> - - <_> - 13 5 3 4 -1. - <_> - 14 5 1 4 3. - <_> - - <_> - 9 8 4 1 -1. - <_> - 10 8 2 1 2. - <_> - - <_> - 15 4 3 1 -1. - <_> - 16 5 1 1 3. - 1 - <_> - - <_> - 6 5 3 3 -1. - <_> - 7 5 1 3 3. - <_> - - <_> - 20 6 2 4 -1. - <_> - 21 6 1 2 2. - <_> - 20 8 1 2 2. - <_> - - <_> - 1 0 1 3 -1. - <_> - 1 1 1 1 3. - <_> - - <_> - 20 0 1 2 -1. - <_> - 20 1 1 1 2. - <_> - - <_> - 9 0 4 6 -1. - <_> - 9 2 4 2 3. - <_> - - <_> - 9 6 4 1 -1. - <_> - 10 6 2 1 2. - <_> - - <_> - 0 16 18 2 -1. - <_> - 6 16 6 2 3. - <_> - - <_> - 8 4 6 4 -1. - <_> - 10 4 2 4 3. - <_> - - <_> - 10 7 1 6 -1. - <_> - 10 10 1 3 2. - <_> - - <_> - 5 3 17 8 -1. - <_> - 5 7 17 4 2. - <_> - - <_> - 3 6 3 3 -1. - <_> - 4 7 1 3 3. - 1 - <_> - - <_> - 10 5 4 2 -1. - <_> - 12 5 2 1 2. - <_> - 10 6 2 1 2. - <_> - - <_> - 1 0 1 2 -1. - <_> - 1 1 1 1 2. - <_> - - <_> - 10 4 9 14 -1. - <_> - 13 4 3 14 3. - <_> - - <_> - 8 4 6 4 -1. - <_> - 10 4 2 4 3. - <_> - - <_> - 12 0 4 3 -1. - <_> - 11 1 4 1 3. - 1 - <_> - - <_> - 10 0 3 4 -1. - <_> - 11 1 1 4 3. - 1 - <_> - - <_> - 5 2 12 9 -1. - <_> - 8 2 6 9 2. - <_> - - <_> - 10 11 4 2 -1. - <_> - 10 11 2 2 2. - 1 - <_> - - <_> - 7 14 8 6 -1. - <_> - 7 17 8 3 2. - <_> - - <_> - 5 4 12 11 -1. - <_> - 9 4 4 11 3. - <_> - - <_> - 8 6 6 4 -1. - <_> - 8 7 6 2 2. - <_> - - <_> - 1 17 17 3 -1. - <_> - 1 18 17 1 3. - <_> - - <_> - 1 17 20 3 -1. - <_> - 1 18 20 1 3. - <_> - - <_> - 11 0 5 3 -1. - <_> - 10 1 5 1 3. - 1 - <_> - - <_> - 8 1 8 2 -1. - <_> - 8 1 4 2 2. - <_> - - <_> - 9 7 3 6 -1. - <_> - 9 9 3 2 3. - <_> - - <_> - 13 0 4 18 -1. - <_> - 13 0 2 18 2. - <_> - - <_> - 1 0 2 3 -1. - <_> - 1 1 2 1 3. - <_> - - <_> - 10 6 9 12 -1. - <_> - 13 6 3 12 3. - <_> - - <_> - 7 6 3 2 -1. - <_> - 8 6 1 2 3. - <_> - - <_> - 19 0 2 3 -1. - <_> - 19 1 2 1 3. - <_> - - <_> - 0 7 20 1 -1. - <_> - 10 7 10 1 2. - <_> - - <_> - 13 5 4 4 -1. - <_> - 13 7 4 2 2. - <_> - - <_> - 2 0 2 3 -1. - <_> - 2 1 2 1 3. - <_> - - <_> - 9 6 6 6 -1. - <_> - 9 8 6 2 3. - <_> - - <_> - 3 6 3 2 -1. - <_> - 3 7 3 1 2. - <_> - - <_> - 3 4 16 16 -1. - <_> - 7 4 8 16 2. - <_> - - <_> - 6 2 6 4 -1. - <_> - 6 2 3 2 2. - <_> - 9 4 3 2 2. - <_> - - <_> - 7 3 8 9 -1. - <_> - 9 3 4 9 2. - <_> - - <_> - 4 2 6 13 -1. - <_> - 7 2 3 13 2. - <_> - - <_> - 3 3 16 6 -1. - <_> - 7 3 8 6 2. - <_> - - <_> - 0 0 4 20 -1. - <_> - 0 0 2 10 2. - <_> - 2 10 2 10 2. - <_> - - <_> - 11 9 3 2 -1. - <_> - 11 9 3 1 2. - 1 - <_> - - <_> - 7 0 6 6 -1. - <_> - 9 2 2 2 9. - <_> - - <_> - 3 6 16 14 -1. - <_> - 3 13 16 7 2. - <_> - - <_> - 8 4 6 3 -1. - <_> - 11 4 3 3 2. - <_> - - <_> - 12 12 2 2 -1. - <_> - 12 12 1 2 2. - 1 - <_> - - <_> - 4 3 3 3 -1. - <_> - 4 4 3 1 3. - <_> - - <_> - 16 3 2 3 -1. - <_> - 16 4 2 1 3. - <_> - - <_> - 4 3 2 3 -1. - <_> - 4 4 2 1 3. - <_> - - <_> - 12 3 4 8 -1. - <_> - 12 3 4 4 2. - 1 - <_> - - <_> - 0 3 7 3 -1. - <_> - 0 4 7 1 3. - <_> - - <_> - 8 0 8 4 -1. - <_> - 8 2 8 2 2. - <_> - - <_> - 1 6 14 2 -1. - <_> - 1 6 7 1 2. - <_> - 8 7 7 1 2. - <_> - - <_> - 9 1 4 6 -1. - <_> - 9 3 4 2 3. - <_> - - <_> - 8 6 5 12 -1. - <_> - 8 9 5 6 2. - <_> - - <_> - 2 1 18 2 -1. - <_> - 2 1 9 2 2. - <_> - - <_> - 0 5 2 6 -1. - <_> - 0 8 2 3 2. - <_> - - <_> - 15 17 4 3 -1. - <_> - 15 18 4 1 3. - <_> - - <_> - 0 13 13 3 -1. - <_> - 0 14 13 1 3. - <_> - - <_> - 12 17 1 3 -1. - <_> - 12 18 1 1 3. - <_> - - <_> - 9 6 1 2 -1. - <_> - 9 7 1 1 2. - <_> - - <_> - 18 10 4 10 -1. - <_> - 20 10 2 5 2. - <_> - 18 15 2 5 2. - <_> - - <_> - 1 17 3 3 -1. - <_> - 1 18 3 1 3. - <_> - - <_> - 11 2 9 15 -1. - <_> - 14 7 3 5 9. - <_> - - <_> - 5 3 12 2 -1. - <_> - 8 3 6 2 2. - <_> - - <_> - 4 5 18 2 -1. - <_> - 13 5 9 1 2. - <_> - 4 6 9 1 2. - <_> - - <_> - 7 2 2 9 -1. - <_> - 8 2 1 9 2. - <_> - - <_> - 16 17 4 3 -1. - <_> - 16 18 4 1 3. - <_> - - <_> - 6 0 10 1 -1. - <_> - 11 0 5 1 2. - <_> - - <_> - 15 17 6 3 -1. - <_> - 15 18 6 1 3. - <_> - - <_> - 5 2 8 4 -1. - <_> - 5 2 4 2 2. - <_> - 9 4 4 2 2. - <_> - - <_> - 5 10 12 3 -1. - <_> - 5 11 12 1 3. - <_> - - <_> - 8 8 5 4 -1. - <_> - 8 10 5 2 2. - <_> - - <_> - 18 2 2 3 -1. - <_> - 18 3 2 1 3. - <_> - - <_> - 2 17 4 3 -1. - <_> - 2 18 4 1 3. - <_> - - <_> - 13 3 1 2 -1. - <_> - 13 3 1 1 2. - 1 - <_> - - <_> - 7 8 2 3 -1. - <_> - 8 8 1 3 2. - <_> - - <_> - 18 2 2 3 -1. - <_> - 18 3 2 1 3. - <_> - - <_> - 2 2 2 3 -1. - <_> - 2 3 2 1 3. - <_> - - <_> - 9 0 4 6 -1. - <_> - 9 2 4 2 3. - <_> - - <_> - 8 0 6 6 -1. - <_> - 8 2 6 2 3. - <_> - - <_> - 16 17 2 3 -1. - <_> - 16 18 2 1 3. - <_> - - <_> - 2 14 8 3 -1. - <_> - 2 15 8 1 3. - <_> - - <_> - 2 13 18 4 -1. - <_> - 11 13 9 2 2. - <_> - 2 15 9 2 2. - <_> - - <_> - 0 0 22 20 -1. - <_> - 11 0 11 20 2. - <_> - - <_> - 12 3 5 3 -1. - <_> - 12 4 5 1 3. - <_> - - <_> - 5 3 5 3 -1. - <_> - 5 4 5 1 3. - <_> - - <_> - 10 10 6 4 -1. - <_> - 13 10 3 2 2. - <_> - 10 12 3 2 2. - <_> - - <_> - 6 10 6 4 -1. - <_> - 6 10 3 2 2. - <_> - 9 12 3 2 2. - <_> - - <_> - 16 1 2 1 -1. - <_> - 16 1 1 1 2. - <_> - - <_> - 9 4 4 6 -1. - <_> - 10 4 2 6 2. - <_> - - <_> - 9 0 4 8 -1. - <_> - 10 0 2 8 2. - <_> - - <_> - 7 4 8 2 -1. - <_> - 9 4 4 2 2. - <_> - - <_> - 8 0 6 6 -1. - <_> - 8 2 6 2 3. - <_> - - <_> - 6 5 3 5 -1. - <_> - 7 5 1 5 3. - <_> - - <_> - 8 5 6 4 -1. - <_> - 8 7 6 2 2. - <_> - - <_> - 6 3 3 9 -1. - <_> - 7 3 1 9 3. - <_> - - <_> - 18 3 1 2 -1. - <_> - 18 4 1 1 2. - <_> - - <_> - 0 18 4 2 -1. - <_> - 0 18 2 1 2. - <_> - 2 19 2 1 2. - <_> - - <_> - 18 1 1 4 -1. - <_> - 18 2 1 2 2. - <_> - - <_> - 6 3 4 12 -1. - <_> - 7 3 2 12 2. - <_> - - <_> - 18 3 1 2 -1. - <_> - 18 4 1 1 2. - <_> - - <_> - 4 7 3 3 -1. - <_> - 5 8 1 1 9. - <_> - - <_> - 18 3 1 2 -1. - <_> - 18 4 1 1 2. - <_> - - <_> - 3 3 1 2 -1. - <_> - 3 4 1 1 2. - <_> - - <_> - 9 0 5 4 -1. - <_> - 9 2 5 2 2. - <_> - - <_> - 0 0 22 19 -1. - <_> - 11 0 11 19 2. - <_> - - <_> - 17 9 3 6 -1. - <_> - 18 10 1 6 3. - 1 - <_> - - <_> - 0 1 22 3 -1. - <_> - 11 1 11 3 2. - <_> - - <_> - 3 3 16 4 -1. - <_> - 7 3 8 4 2. - <_> - - <_> - 6 17 2 2 -1. - <_> - 6 18 2 1 2. - <_> - - <_> - 10 7 3 6 -1. - <_> - 10 10 3 3 2. - <_> - - <_> - 9 3 4 4 -1. - <_> - 9 4 4 2 2. - <_> - - <_> - 15 18 3 2 -1. - <_> - 15 19 3 1 2. - <_> - - <_> - 3 8 2 1 -1. - <_> - 4 8 1 1 2. - <_> - - <_> - 8 4 8 6 -1. - <_> - 12 4 4 3 2. - <_> - 8 7 4 3 2. - <_> - - <_> - 6 4 8 6 -1. - <_> - 6 4 4 3 2. - <_> - 10 7 4 3 2. - <_> - - <_> - 9 2 4 3 -1. - <_> - 9 3 4 1 3. - <_> - - <_> - 0 0 4 2 -1. - <_> - 0 0 2 1 2. - <_> - 2 1 2 1 2. - <_> - - <_> - 9 6 4 1 -1. - <_> - 10 6 2 1 2. - <_> - - <_> - 9 1 4 4 -1. - <_> - 9 3 4 2 2. - <_> - - <_> - 15 18 3 2 -1. - <_> - 15 19 3 1 2. - <_> - - <_> - 11 1 5 3 -1. - <_> - 10 2 5 1 3. - 1 - <_> - - <_> - 15 18 3 2 -1. - <_> - 15 19 3 1 2. - <_> - - <_> - 4 18 3 2 -1. - <_> - 4 19 3 1 2. - <_> - - <_> - 12 1 4 9 -1. - <_> - 13 1 2 9 2. - <_> - - <_> - 0 0 4 2 -1. - <_> - 0 0 2 1 2. - <_> - 2 1 2 1 2. - <_> - - <_> - 11 11 3 3 -1. - <_> - 12 11 1 3 3. - <_> - - <_> - 9 0 3 6 -1. - <_> - 10 0 1 6 3. - <_> - - <_> - 11 11 3 3 -1. - <_> - 12 11 1 3 3. - <_> - - <_> - 1 11 18 4 -1. - <_> - 7 11 6 4 3. - <_> - - <_> - 5 8 16 5 -1. - <_> - 9 8 8 5 2. - <_> - - <_> - 4 0 14 1 -1. - <_> - 11 0 7 1 2. - <_> - - <_> - 11 11 3 3 -1. - <_> - 12 11 1 3 3. - <_> - - <_> - 8 11 3 3 -1. - <_> - 9 11 1 3 3. - <_> - - <_> - 21 9 1 2 -1. - <_> - 21 10 1 1 2. - <_> - - <_> - 0 13 22 7 -1. - <_> - 11 13 11 7 2. - <_> - - <_> - 11 8 2 2 -1. - <_> - 11 8 1 2 2. - <_> - - <_> - 6 4 6 10 -1. - <_> - 8 4 2 10 3. - <_> - - <_> - 17 6 2 3 -1. - <_> - 17 7 2 1 3. - <_> - - <_> - 0 0 16 19 -1. - <_> - 8 0 8 19 2. - <_> - - <_> - 10 5 4 6 -1. - <_> - 10 8 4 3 2. - <_> - - <_> - 3 6 2 3 -1. - <_> - 3 7 2 1 3. - <_> - - <_> - 9 6 4 3 -1. - <_> - 9 7 4 1 3. - <_> - - <_> - 9 6 4 3 -1. - <_> - 9 7 4 1 3. - <_> - - <_> - 8 9 6 2 -1. - <_> - 11 9 3 1 2. - <_> - 8 10 3 1 2. - <_> - - <_> - 8 7 6 4 -1. - <_> - 8 7 3 2 2. - <_> - 11 9 3 2 2. - <_> - - <_> - 11 6 2 3 -1. - <_> - 11 7 2 1 3. - <_> - - <_> - 4 6 2 2 -1. - <_> - 4 7 2 1 2. - <_> - - <_> - 16 6 1 2 -1. - <_> - 16 7 1 1 2. - <_> - - <_> - 5 6 1 2 -1. - <_> - 5 7 1 1 2. - <_> - - <_> - 9 0 4 6 -1. - <_> - 9 2 4 2 3. - <_> - - <_> - 9 0 2 2 -1. - <_> - 9 0 2 1 2. - 1 - <_> - - <_> - 16 14 6 6 -1. - <_> - 16 14 3 6 2. - <_> - - <_> - 5 7 12 4 -1. - <_> - 8 7 6 4 2. - <_> - - <_> - 7 10 8 1 -1. - <_> - 9 10 4 1 2. - <_> - - <_> - 8 6 4 2 -1. - <_> - 9 7 2 2 2. - 1 - <_> - - <_> - 16 0 2 2 -1. - <_> - 16 1 2 1 2. - <_> - - <_> - 0 14 6 5 -1. - <_> - 3 14 3 5 2. - <_> - - <_> - 21 9 1 2 -1. - <_> - 21 10 1 1 2. - <_> - - <_> - 2 5 18 1 -1. - <_> - 8 5 6 1 3. - <_> - - <_> - 12 5 2 2 -1. - <_> - 13 5 1 1 2. - <_> - 12 6 1 1 2. - <_> - - <_> - 0 9 1 2 -1. - <_> - 0 10 1 1 2. - <_> - - <_> - 0 0 22 7 -1. - <_> - 0 0 11 7 2. - <_> - - <_> - 10 2 2 2 -1. - <_> - 10 2 1 2 2. - 1 - <_> - - <_> - 7 4 8 9 -1. - <_> - 9 4 4 9 2. - <_> - - <_> - 8 0 4 3 -1. - <_> - 8 0 2 3 2. - 1 - <_> - - <_> - 9 5 4 3 -1. - <_> - 9 6 4 1 3. - <_> - - <_> - 0 1 4 10 -1. - <_> - 0 1 2 5 2. - <_> - 2 6 2 5 2. - <_> - - <_> - 9 6 4 1 -1. - <_> - 10 6 2 1 2. - <_> - - <_> - 3 3 2 2 -1. - <_> - 3 4 2 1 2. - <_> - - <_> - 12 6 3 2 -1. - <_> - 13 6 1 2 3. - <_> - - <_> - 3 1 1 4 -1. - <_> - 3 2 1 2 2. - <_> - - <_> - 11 3 4 7 -1. - <_> - 12 3 2 7 2. - <_> - - <_> - 9 2 4 8 -1. - <_> - 10 2 2 8 2. - <_> - - <_> - 5 4 12 6 -1. - <_> - 8 4 6 6 2. - <_> - - <_> - 8 7 6 4 -1. - <_> - 8 7 3 2 2. - <_> - 11 9 3 2 2. - <_> - - <_> - 5 2 12 3 -1. - <_> - 8 2 6 3 2. - <_> - - <_> - 10 0 3 3 -1. - <_> - 11 1 1 3 3. - 1 - <_> - - <_> - 8 9 6 2 -1. - <_> - 11 9 3 1 2. - <_> - 8 10 3 1 2. - <_> - - <_> - 8 8 3 1 -1. - <_> - 9 8 1 1 3. - <_> - - <_> - 8 0 6 1 -1. - <_> - 8 0 3 1 2. - <_> - - <_> - 6 0 10 1 -1. - <_> - 11 0 5 1 2. - <_> - - <_> - 18 9 2 3 -1. - <_> - 18 10 2 1 3. - <_> - - <_> - 2 14 12 3 -1. - <_> - 5 14 6 3 2. - <_> - - <_> - 12 6 3 3 -1. - <_> - 13 6 1 3 3. - <_> - - <_> - 7 6 3 3 -1. - <_> - 8 6 1 3 3. - <_> - - <_> - 9 8 10 12 -1. - <_> - 14 8 5 6 2. - <_> - 9 14 5 6 2. - <_> - - <_> - 0 12 21 6 -1. - <_> - 7 14 7 2 9. - <_> - - <_> - 12 7 1 2 -1. - <_> - 12 7 1 1 2. - 1 - <_> - - <_> - 11 2 4 11 -1. - <_> - 12 3 2 11 2. - 1 - <_> - - <_> - 10 5 4 6 -1. - <_> - 10 8 4 3 2. - <_> - - <_> - 8 0 6 4 -1. - <_> - 8 1 6 2 2. - <_> - - <_> - 16 1 3 2 -1. - <_> - 16 2 3 1 2. - <_> - - <_> - 2 10 11 10 -1. - <_> - 2 15 11 5 2. - <_> - - <_> - 2 6 18 6 -1. - <_> - 2 8 18 2 3. - <_> - - <_> - 9 7 2 2 -1. - <_> - 10 7 1 2 2. - <_> - - <_> - 13 17 6 1 -1. - <_> - 13 17 3 1 2. - <_> - - <_> - 10 14 1 2 -1. - <_> - 10 15 1 1 2. - <_> - - <_> - 13 0 3 3 -1. - <_> - 12 1 3 1 3. - 1 - <_> - - <_> - 11 0 8 1 -1. - <_> - 13 2 4 1 2. - 1 - <_> - - <_> - 3 4 16 4 -1. - <_> - 11 4 8 2 2. - <_> - 3 6 8 2 2. - <_> - - <_> - 9 0 3 3 -1. - <_> - 10 1 1 3 3. - 1 - <_> - - <_> - 0 2 22 4 -1. - <_> - 0 2 11 4 2. - <_> - - <_> - 7 0 4 2 -1. - <_> - 7 0 4 1 2. - 1 - <_> - - <_> - 8 1 9 17 -1. - <_> - 11 1 3 17 3. - <_> - - <_> - 3 1 16 17 -1. - <_> - 7 1 8 17 2. - <_> - - <_> - 15 6 7 2 -1. - <_> - 15 7 7 1 2. - <_> - - <_> - 2 0 2 2 -1. - <_> - 2 1 2 1 2. - <_> - - <_> - 16 10 5 4 -1. - <_> - 16 10 5 2 2. - 1 - <_> - - <_> - 1 0 1 2 -1. - <_> - 1 1 1 1 2. - <_> - - <_> - 9 1 4 6 -1. - <_> - 9 3 4 2 3. - <_> - - <_> - 6 3 8 3 -1. - <_> - 6 4 8 1 3. - <_> - - <_> - 9 0 4 6 -1. - <_> - 9 2 4 2 3. - <_> - - <_> - 0 0 22 4 -1. - <_> - 0 0 11 2 2. - <_> - 11 2 11 2 2. - <_> - - <_> - 11 4 1 3 -1. - <_> - 11 5 1 1 3. - <_> - - <_> - 9 4 3 9 -1. - <_> - 9 7 3 3 3. - <_> - - <_> - 15 15 2 4 -1. - <_> - 15 16 2 2 2. - <_> - - <_> - 9 7 4 3 -1. - <_> - 9 8 4 1 3. - <_> - - <_> - 9 7 4 4 -1. - <_> - 11 7 2 2 2. - <_> - 9 9 2 2 2. - <_> - - <_> - 9 6 4 3 -1. - <_> - 9 7 4 1 3. - <_> - - <_> - 3 15 16 2 -1. - <_> - 11 15 8 1 2. - <_> - 3 16 8 1 2. - <_> - - <_> - 9 12 2 2 -1. - <_> - 9 13 2 1 2. - <_> - - <_> - 12 4 6 2 -1. - <_> - 12 5 6 1 2. - <_> - - <_> - 10 6 2 4 -1. - <_> - 10 7 2 2 2. - <_> - - <_> - 13 15 1 2 -1. - <_> - 13 16 1 1 2. - <_> - - <_> - 0 2 21 18 -1. - <_> - 7 8 7 6 9. - <_> - - <_> - 11 10 4 6 -1. - <_> - 9 12 4 2 3. - 1 - <_> - - <_> - 8 15 1 2 -1. - <_> - 8 16 1 1 2. - <_> - - <_> - 13 7 3 9 -1. - <_> - 14 7 1 9 3. - <_> - - <_> - 7 7 8 9 -1. - <_> - 9 7 4 9 2. - <_> - - <_> - 17 6 5 2 -1. - <_> - 17 7 5 1 2. - <_> - - <_> - 7 1 2 6 -1. - <_> - 7 1 1 3 2. - <_> - 8 4 1 3 2. - <_> - - <_> - 13 0 2 2 -1. - <_> - 13 0 1 2 2. - 1 - <_> - - <_> - 0 1 22 19 -1. - <_> - 11 1 11 19 2. - <_> - - <_> - 13 4 3 5 -1. - <_> - 14 4 1 5 3. - <_> - - <_> - 9 2 3 4 -1. - <_> - 10 2 1 4 3. - <_> - - <_> - 16 1 4 1 -1. - <_> - 16 1 2 1 2. - <_> - - <_> - 7 3 3 9 -1. - <_> - 8 3 1 9 3. - <_> - - <_> - 11 7 2 2 -1. - <_> - 11 7 1 2 2. - 1 - <_> - - <_> - 6 5 6 10 -1. - <_> - 6 5 3 5 2. - <_> - 9 10 3 5 2. - <_> - - <_> - 16 6 6 2 -1. - <_> - 16 7 6 1 2. - <_> - - <_> - 0 6 6 2 -1. - <_> - 0 7 6 1 2. - <_> - - <_> - 10 10 2 3 -1. - <_> - 10 11 2 1 3. - <_> - - <_> - 7 4 8 2 -1. - <_> - 9 4 4 2 2. - <_> - - <_> - 3 2 16 2 -1. - <_> - 7 2 8 2 2. - <_> - - <_> - 5 7 12 4 -1. - <_> - 8 7 6 4 2. - <_> - - <_> - 9 4 4 6 -1. - <_> - 11 4 2 3 2. - <_> - 9 7 2 3 2. - <_> - - <_> - 9 4 4 6 -1. - <_> - 9 4 2 3 2. - <_> - 11 7 2 3 2. - <_> - - <_> - 9 1 4 3 -1. - <_> - 9 2 4 1 3. - <_> - - <_> - 0 2 20 7 -1. - <_> - 10 2 10 7 2. - <_> - - <_> - 16 1 1 2 -1. - <_> - 16 2 1 1 2. - <_> - - <_> - 0 0 2 3 -1. - <_> - 1 0 1 3 2. - <_> - - <_> - 16 1 1 2 -1. - <_> - 16 2 1 1 2. - <_> - - <_> - 5 16 11 4 -1. - <_> - 5 18 11 2 2. - <_> - - <_> - 9 0 4 6 -1. - <_> - 9 2 4 2 3. - <_> - - <_> - 9 4 3 3 -1. - <_> - 9 5 3 1 3. - <_> - - <_> - 2 0 18 9 -1. - <_> - 8 3 6 3 9. - <_> - - <_> - 4 0 7 8 -1. - <_> - 4 2 7 4 2. - <_> - - <_> - 15 0 2 1 -1. - <_> - 15 0 1 1 2. - <_> - - <_> - 7 6 8 4 -1. - <_> - 7 7 8 2 2. - <_> - - <_> - 16 1 1 2 -1. - <_> - 16 2 1 1 2. - <_> - - <_> - 3 15 2 3 -1. - <_> - 2 16 2 1 3. - 1 - <_> - - <_> - 16 1 1 2 -1. - <_> - 16 2 1 1 2. - <_> - - <_> - 10 7 1 4 -1. - <_> - 10 9 1 2 2. - <_> - - <_> - 8 7 6 1 -1. - <_> - 10 7 2 1 3. - <_> - - <_> - 9 3 3 3 -1. - <_> - 9 4 3 1 3. - <_> - - <_> - 11 4 10 12 -1. - <_> - 11 4 5 12 2. - <_> - - <_> - 10 0 2 3 -1. - <_> - 9 1 2 1 3. - 1 - <_> - - <_> - 13 6 3 2 -1. - <_> - 14 6 1 2 3. - <_> - - <_> - 5 1 1 2 -1. - <_> - 5 2 1 1 2. - <_> - - <_> - 16 1 1 2 -1. - <_> - 16 2 1 1 2. - <_> - - <_> - 5 1 1 2 -1. - <_> - 5 2 1 1 2. - <_> - - <_> - 4 16 14 4 -1. - <_> - 4 17 14 2 2. - <_> - - <_> - 5 14 2 2 -1. - <_> - 5 14 1 1 2. - <_> - 6 15 1 1 2. - <_> - - <_> - 10 1 3 4 -1. - <_> - 10 3 3 2 2. - <_> - - <_> - 6 6 3 2 -1. - <_> - 7 6 1 2 3. - <_> - - <_> - 13 6 3 3 -1. - <_> - 14 6 1 3 3. - <_> - - <_> - 6 6 3 3 -1. - <_> - 7 6 1 3 3. - <_> - - <_> - 13 16 1 2 -1. - <_> - 13 17 1 1 2. - <_> - - <_> - 9 0 3 3 -1. - <_> - 10 0 1 3 3. - <_> - - <_> - 10 1 3 6 -1. - <_> - 11 1 1 6 3. - <_> - - <_> - 10 10 2 3 -1. - <_> - 10 11 2 1 3. - <_> - - <_> - 10 10 2 3 -1. - <_> - 10 11 2 1 3. - <_> - - <_> - 8 16 1 2 -1. - <_> - 8 17 1 1 2. - <_> - - <_> - 18 8 2 8 -1. - <_> - 18 8 2 4 2. - 1 - <_> - - <_> - 9 0 2 1 -1. - <_> - 10 0 1 1 2. - <_> - - <_> - 9 8 4 1 -1. - <_> - 10 8 2 1 2. - <_> - - <_> - 0 4 1 2 -1. - <_> - 0 5 1 1 2. - <_> - - <_> - 13 5 3 1 -1. - <_> - 14 5 1 1 3. - <_> - - <_> - 5 3 1 2 -1. - <_> - 5 4 1 1 2. - <_> - - <_> - 10 3 4 6 -1. - <_> - 12 3 2 3 2. - <_> - 10 6 2 3 2. - <_> - - <_> - 1 4 12 15 -1. - <_> - 5 4 4 15 3. - <_> - - <_> - 9 10 12 7 -1. - <_> - 13 10 4 7 3. - <_> - - <_> - 6 18 2 2 -1. - <_> - 6 19 2 1 2. - <_> - - <_> - 12 8 10 9 -1. - <_> - 12 8 5 9 2. - <_> - - <_> - 0 11 15 6 -1. - <_> - 5 11 5 6 3. - <_> - - <_> - 11 5 10 12 -1. - <_> - 11 5 5 12 2. - <_> - - <_> - 1 5 10 12 -1. - <_> - 6 5 5 12 2. - <_> - - <_> - 15 0 6 11 -1. - <_> - 15 0 3 11 2. - 1 - <_> - - <_> - 4 0 2 8 -1. - <_> - 4 4 2 4 2. - <_> - - <_> - 2 9 20 3 -1. - <_> - 2 10 20 1 3. - <_> - - <_> - 3 7 13 12 -1. - <_> - 3 13 13 6 2. - <_> - - <_> - 9 11 5 6 -1. - <_> - 9 14 5 3 2. - <_> - - <_> - 0 2 21 18 -1. - <_> - 7 8 7 6 9. - <_> - - <_> - 10 6 7 2 -1. - <_> - 10 7 7 1 2. - <_> - - <_> - 11 7 1 2 -1. - <_> - 11 7 1 1 2. - 1 - <_> - - <_> - 9 6 4 3 -1. - <_> - 9 7 4 1 3. - <_> - - <_> - 9 6 4 3 -1. - <_> - 9 7 4 1 3. - <_> - - <_> - 20 4 2 2 -1. - <_> - 20 5 2 1 2. - <_> - - <_> - 9 5 4 5 -1. - <_> - 10 5 2 5 2. - <_> - - <_> - 20 4 2 2 -1. - <_> - 20 5 2 1 2. - <_> - - <_> - 8 0 3 2 -1. - <_> - 9 1 1 2 3. - 1 - <_> - - <_> - 15 0 2 1 -1. - <_> - 15 0 1 1 2. - <_> - - <_> - 7 0 7 4 -1. - <_> - 7 1 7 2 2. - <_> - - <_> - 9 0 4 4 -1. - <_> - 9 1 4 2 2. - <_> - - <_> - 9 0 4 10 -1. - <_> - 9 0 2 5 2. - <_> - 11 5 2 5 2. - <_> - - <_> - 15 0 2 1 -1. - <_> - 15 0 1 1 2. - <_> - - <_> - 5 0 2 1 -1. - <_> - 6 0 1 1 2. - <_> - - <_> - 13 5 3 1 -1. - <_> - 14 5 1 1 3. - <_> - - <_> - 5 6 7 2 -1. - <_> - 5 7 7 1 2. - <_> - - <_> - 10 5 2 9 -1. - <_> - 10 8 2 3 3. - <_> - - <_> - 9 5 4 2 -1. - <_> - 10 5 2 2 2. - <_> - - <_> - 11 3 4 7 -1. - <_> - 12 3 2 7 2. - <_> - - <_> - 7 3 4 7 -1. - <_> - 8 3 2 7 2. - <_> - - <_> - 13 3 6 6 -1. - <_> - 15 3 2 6 3. - <_> - - <_> - 0 1 1 6 -1. - <_> - 0 3 1 2 3. - <_> - - <_> - 13 3 6 6 -1. - <_> - 15 3 2 6 3. - <_> - - <_> - 3 3 6 6 -1. - <_> - 5 3 2 6 3. - <_> - - <_> - 14 6 8 2 -1. - <_> - 18 6 4 1 2. - <_> - 14 7 4 1 2. - <_> - - <_> - 1 0 20 20 -1. - <_> - 1 10 20 10 2. - <_> - - <_> - 15 0 2 1 -1. - <_> - 15 0 1 1 2. - <_> - - <_> - 0 6 8 2 -1. - <_> - 0 6 4 1 2. - <_> - 4 7 4 1 2. - <_> - - <_> - 12 5 2 2 -1. - <_> - 13 5 1 1 2. - <_> - 12 6 1 1 2. - <_> - - <_> - 9 4 4 3 -1. - <_> - 9 5 4 1 3. - <_> - - <_> - 10 1 2 10 -1. - <_> - 11 1 1 5 2. - <_> - 10 6 1 5 2. - <_> - - <_> - 8 4 5 3 -1. - <_> - 8 5 5 1 3. - <_> - - <_> - 13 3 2 3 -1. - <_> - 13 4 2 1 3. - <_> - - <_> - 7 3 2 3 -1. - <_> - 7 4 2 1 3. - <_> - - <_> - 5 18 16 2 -1. - <_> - 13 18 8 1 2. - <_> - 5 19 8 1 2. - <_> - - <_> - 6 3 4 6 -1. - <_> - 7 3 2 6 2. - <_> - - <_> - 10 0 3 4 -1. - <_> - 11 1 1 4 3. - 1 - <_> - - <_> - 16 0 6 6 -1. - <_> - 16 2 6 2 3. - <_> - - <_> - 8 8 3 2 -1. - <_> - 9 8 1 2 3. - <_> - - <_> - 12 5 2 2 -1. - <_> - 13 5 1 1 2. - <_> - 12 6 1 1 2. - <_> - - <_> - 9 2 4 8 -1. - <_> - 9 2 2 4 2. - <_> - 11 6 2 4 2. - <_> - - <_> - 8 11 6 1 -1. - <_> - 10 11 2 1 3. - <_> - - <_> - 10 7 2 6 -1. - <_> - 10 10 2 3 2. - <_> - - <_> - 10 9 2 2 -1. - <_> - 10 10 2 1 2. - <_> - - <_> - 3 4 16 4 -1. - <_> - 7 4 8 4 2. - <_> - - <_> - 3 2 16 6 -1. - <_> - 11 2 8 3 2. - <_> - 3 5 8 3 2. - <_> - - <_> - 11 0 5 2 -1. - <_> - 11 0 5 1 2. - 1 - <_> - - <_> - 16 11 6 9 -1. - <_> - 18 11 2 9 3. - <_> - - <_> - 1 8 18 9 -1. - <_> - 7 8 6 9 3. - <_> - - <_> - 12 3 7 4 -1. - <_> - 12 5 7 2 2. - <_> - - <_> - 9 0 3 3 -1. - <_> - 10 1 1 3 3. - 1 - <_> - - <_> - 11 0 2 10 -1. - <_> - 11 0 1 10 2. - <_> - - <_> - 4 1 8 6 -1. - <_> - 4 4 8 3 2. - <_> - - <_> - 11 0 2 10 -1. - <_> - 11 0 1 10 2. - <_> - - <_> - 4 0 3 8 -1. - <_> - 4 4 3 4 2. - <_> - - <_> - 12 6 8 4 -1. - <_> - 14 8 4 4 2. - 1 - <_> - - <_> - 6 1 10 1 -1. - <_> - 11 1 5 1 2. - <_> - - <_> - 9 6 6 6 -1. - <_> - 9 8 6 2 3. - <_> - - <_> - 0 3 22 1 -1. - <_> - 11 3 11 1 2. - <_> - - <_> - 12 6 3 3 -1. - <_> - 13 6 1 3 3. - <_> - - <_> - 0 4 20 13 -1. - <_> - 10 4 10 13 2. - <_> - - <_> - 14 0 2 1 -1. - <_> - 14 0 1 1 2. - <_> - - <_> - 10 3 2 3 -1. - <_> - 10 4 2 1 3. - <_> - - <_> - 10 4 2 9 -1. - <_> - 10 7 2 3 3. - <_> - - <_> - 4 8 13 10 -1. - <_> - 4 13 13 5 2. - <_> - - <_> - 4 9 14 10 -1. - <_> - 4 14 14 5 2. - <_> - - <_> - 1 1 1 2 -1. - <_> - 1 2 1 1 2. - <_> - - <_> - 20 1 1 2 -1. - <_> - 20 2 1 1 2. - <_> - - <_> - 8 0 3 3 -1. - <_> - 9 1 1 3 3. - 1 - <_> - - <_> - 14 0 2 1 -1. - <_> - 14 0 1 1 2. - <_> - - <_> - 10 0 2 4 -1. - <_> - 10 2 2 2 2. - <_> - - <_> - 11 5 2 1 -1. - <_> - 11 5 1 1 2. - <_> - - <_> - 9 1 3 4 -1. - <_> - 9 2 3 2 2. - <_> - - <_> - 20 1 1 2 -1. - <_> - 20 2 1 1 2. - <_> - - <_> - 8 6 1 2 -1. - <_> - 8 7 1 1 2. - <_> - - <_> - 20 1 1 2 -1. - <_> - 20 2 1 1 2. - <_> - - <_> - 1 4 18 3 -1. - <_> - 1 5 18 1 3. - <_> - - <_> - 20 1 1 2 -1. - <_> - 20 2 1 1 2. - <_> - - <_> - 1 1 1 2 -1. - <_> - 1 2 1 1 2. - <_> - - <_> - 9 7 4 3 -1. - <_> - 9 8 4 1 3. - <_> - - <_> - 9 15 2 2 -1. - <_> - 9 16 2 1 2. - <_> - - <_> - 12 9 2 6 -1. - <_> - 13 9 1 3 2. - <_> - 12 12 1 3 2. - <_> - - <_> - 11 5 4 2 -1. - <_> - 12 6 2 2 2. - 1 - <_> - - <_> - 12 9 2 6 -1. - <_> - 13 9 1 3 2. - <_> - 12 12 1 3 2. - <_> - - <_> - 6 3 9 9 -1. - <_> - 9 3 3 9 3. - <_> - - <_> - 11 5 4 1 -1. - <_> - 11 5 2 1 2. - <_> - - <_> - 6 0 2 1 -1. - <_> - 7 0 1 1 2. - <_> - - <_> - 13 5 3 3 -1. - <_> - 14 5 1 3 3. - <_> - - <_> - 9 3 3 9 -1. - <_> - 10 6 1 3 9. - <_> - - <_> - 11 7 1 6 -1. - <_> - 11 10 1 3 2. - <_> - - <_> - 6 5 3 3 -1. - <_> - 7 5 1 3 3. - <_> - - <_> - 11 13 1 2 -1. - <_> - 11 14 1 1 2. - <_> - - <_> - 5 6 1 2 -1. - <_> - 5 7 1 1 2. - <_> - - <_> - 9 6 4 3 -1. - <_> - 9 7 4 1 3. - <_> - - <_> - 9 2 4 4 -1. - <_> - 9 3 4 2 2. - <_> - - <_> - 14 0 3 3 -1. - <_> - 15 1 1 3 3. - 1 - <_> - - <_> - 8 0 3 3 -1. - <_> - 7 1 3 1 3. - 1 - <_> - - <_> - 13 5 3 1 -1. - <_> - 14 5 1 1 3. - <_> - - <_> - 4 15 7 2 -1. - <_> - 4 16 7 1 2. - <_> - - <_> - 12 4 10 4 -1. - <_> - 12 6 10 2 2. - <_> - - <_> - 0 4 10 4 -1. - <_> - 0 6 10 2 2. - <_> - - <_> - 13 5 3 1 -1. - <_> - 14 5 1 1 3. - <_> - - <_> - 8 6 2 2 -1. - <_> - 8 6 1 1 2. - <_> - 9 7 1 1 2. - <_> - - <_> - 11 11 2 2 -1. - <_> - 12 11 1 1 2. - <_> - 11 12 1 1 2. - <_> - - <_> - 1 16 20 2 -1. - <_> - 1 16 10 1 2. - <_> - 11 17 10 1 2. - <_> - - <_> - 13 5 3 1 -1. - <_> - 14 5 1 1 3. - <_> - - <_> - 6 5 3 1 -1. - <_> - 7 5 1 1 3. - <_> - - <_> - 14 0 2 1 -1. - <_> - 14 0 1 1 2. - <_> - - <_> - 8 5 2 1 -1. - <_> - 9 5 1 1 2. - <_> - - <_> - 14 0 2 1 -1. - <_> - 14 0 1 1 2. - <_> - - <_> - 6 0 2 1 -1. - <_> - 7 0 1 1 2. - <_> - - <_> - 9 3 4 4 -1. - <_> - 9 4 4 2 2. - <_> - - <_> - 9 9 4 2 -1. - <_> - 9 9 2 1 2. - <_> - 11 10 2 1 2. - <_> - - <_> - 19 16 1 4 -1. - <_> - 19 18 1 2 2. - <_> - - <_> - 8 1 5 4 -1. - <_> - 8 2 5 2 2. - <_> - - <_> - 2 15 18 4 -1. - <_> - 11 15 9 2 2. - <_> - 2 17 9 2 2. - <_> - - <_> - 10 5 2 6 -1. - <_> - 10 8 2 3 2. - <_> - - <_> - 11 14 3 1 -1. - <_> - 12 14 1 1 3. - <_> - - <_> - 7 5 2 1 -1. - <_> - 8 5 1 1 2. - <_> - - <_> - 11 5 2 3 -1. - <_> - 11 5 1 3 2. - 1 - <_> - - <_> - 10 7 2 2 -1. - <_> - 10 7 1 1 2. - <_> - 11 8 1 1 2. - <_> - - <_> - 12 9 2 6 -1. - <_> - 13 9 1 3 2. - <_> - 12 12 1 3 2. - <_> - - <_> - 7 1 3 2 -1. - <_> - 8 2 1 2 3. - 1 - <_> - - <_> - 16 6 1 2 -1. - <_> - 16 7 1 1 2. - <_> - - <_> - 5 6 1 2 -1. - <_> - 5 7 1 1 2. - <_> - - <_> - 9 1 4 3 -1. - <_> - 9 2 4 1 3. - <_> - - <_> - 4 3 5 4 -1. - <_> - 4 4 5 2 2. - <_> - - <_> - 0 8 22 8 -1. - <_> - 0 8 11 8 2. - <_> - - <_> - 8 14 3 1 -1. - <_> - 9 14 1 1 3. - <_> - - <_> - 14 14 2 2 -1. - <_> - 14 14 1 2 2. - 1 - <_> - - <_> - 4 18 14 1 -1. - <_> - 11 18 7 1 2. - <_> - - <_> - 14 7 7 6 -1. - <_> - 12 9 7 2 3. - 1 - <_> - - <_> - 1 16 2 4 -1. - <_> - 1 18 2 2 2. - <_> - - <_> - 18 18 3 1 -1. - <_> - 19 18 1 1 3. - <_> - - <_> - 1 18 3 1 -1. - <_> - 2 18 1 1 3. - <_> - - <_> - 13 17 2 3 -1. - <_> - 13 18 2 1 3. - <_> - - <_> - 9 10 4 8 -1. - <_> - 9 14 4 4 2. - <_> - - <_> - 4 6 14 12 -1. - <_> - 4 12 14 6 2. - <_> - - <_> - 5 2 8 4 -1. - <_> - 5 2 4 2 2. - <_> - 9 4 4 2 2. - <_> - - <_> - 9 1 4 6 -1. - <_> - 9 3 4 2 3. - <_> - - <_> - 7 0 7 4 -1. - <_> - 7 2 7 2 2. - <_> - - <_> - 9 6 4 4 -1. - <_> - 9 7 4 2 2. - <_> - - <_> - 7 4 8 8 -1. - <_> - 9 4 4 8 2. - <_> - - <_> - 2 0 18 11 -1. - <_> - 8 0 6 11 3. - <_> - - <_> - 3 3 16 2 -1. - <_> - 3 3 8 1 2. - <_> - 11 4 8 1 2. - <_> - - <_> - 9 0 4 6 -1. - <_> - 9 2 4 2 3. - <_> - - <_> - 9 4 4 3 -1. - <_> - 9 5 4 1 3. - <_> - - <_> - 10 6 3 6 -1. - <_> - 10 9 3 3 2. - <_> - - <_> - 0 11 1 2 -1. - <_> - 0 12 1 1 2. - <_> - - <_> - 11 8 2 4 -1. - <_> - 12 8 1 2 2. - <_> - 11 10 1 2 2. - <_> - - <_> - 7 6 2 4 -1. - <_> - 7 7 2 2 2. - <_> - - <_> - 8 7 6 4 -1. - <_> - 11 7 3 2 2. - <_> - 8 9 3 2 2. - <_> - - <_> - 4 0 2 2 -1. - <_> - 4 1 2 1 2. - <_> - - <_> - 16 0 1 2 -1. - <_> - 16 1 1 1 2. - <_> - - <_> - 6 2 8 3 -1. - <_> - 6 2 4 3 2. - 1 - <_> - - <_> - 10 0 6 6 -1. - <_> - 13 0 3 3 2. - <_> - 10 3 3 3 2. - <_> - - <_> - 6 8 6 6 -1. - <_> - 6 8 3 6 2. - 1 - <_> - - <_> - 4 6 14 2 -1. - <_> - 11 6 7 1 2. - <_> - 4 7 7 1 2. - <_> - - <_> - 9 16 1 3 -1. - <_> - 9 17 1 1 3. - <_> - - <_> - 1 10 20 10 -1. - <_> - 1 15 20 5 2. - <_> - - <_> - 3 6 16 14 -1. - <_> - 3 13 16 7 2. - <_> - - <_> - 16 0 1 2 -1. - <_> - 16 1 1 1 2. - <_> - - <_> - 7 6 3 6 -1. - <_> - 7 8 3 2 3. - <_> - - <_> - 16 0 1 2 -1. - <_> - 16 1 1 1 2. - <_> - - <_> - 9 7 4 3 -1. - <_> - 9 8 4 1 3. - <_> - - <_> - 8 2 6 8 -1. - <_> - 11 2 3 4 2. - <_> - 8 6 3 4 2. - <_> - - <_> - 8 4 6 4 -1. - <_> - 8 4 3 2 2. - <_> - 11 6 3 2 2. - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 6 6 3 4 -1. - <_> - 7 6 1 4 3. - <_> - - <_> - 13 5 3 4 -1. - <_> - 14 5 1 4 3. - <_> - - <_> - 6 5 3 4 -1. - <_> - 7 5 1 4 3. - <_> - - <_> - 6 0 10 1 -1. - <_> - 6 0 5 1 2. - <_> - - <_> - 9 6 4 4 -1. - <_> - 10 6 2 4 2. - <_> - - <_> - 11 4 1 4 -1. - <_> - 11 6 1 2 2. - <_> - - <_> - 9 4 3 9 -1. - <_> - 9 7 3 3 3. - <_> - - <_> - 11 7 1 6 -1. - <_> - 11 10 1 3 2. - <_> - - <_> - 6 7 3 12 -1. - <_> - 6 13 3 6 2. - <_> - - <_> - 10 5 2 2 -1. - <_> - 11 5 1 1 2. - <_> - 10 6 1 1 2. - <_> - - <_> - 9 5 2 3 -1. - <_> - 9 6 2 1 3. - <_> - - <_> - 15 3 2 3 -1. - <_> - 15 4 2 1 3. - <_> - - <_> - 5 3 2 3 -1. - <_> - 5 4 2 1 3. - <_> - - <_> - 9 0 7 4 -1. - <_> - 9 1 7 2 2. - <_> - - <_> - 9 0 4 4 -1. - <_> - 9 1 4 2 2. - <_> - - <_> - 11 3 5 8 -1. - <_> - 11 5 5 4 2. - <_> - - <_> - 10 4 1 4 -1. - <_> - 10 6 1 2 2. - <_> - - <_> - 10 4 3 1 -1. - <_> - 11 4 1 1 3. - <_> - - <_> - 9 4 3 1 -1. - <_> - 10 4 1 1 3. - <_> - - <_> - 9 4 5 3 -1. - <_> - 9 5 5 1 3. - <_> - - <_> - 10 13 1 2 -1. - <_> - 10 14 1 1 2. - <_> - - <_> - 2 14 19 3 -1. - <_> - 2 15 19 1 3. - <_> - - <_> - 2 18 5 2 -1. - <_> - 2 19 5 1 2. - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 8 7 2 2 -1. - <_> - 8 7 1 1 2. - <_> - 9 8 1 1 2. - <_> - - <_> - 16 0 1 2 -1. - <_> - 16 1 1 1 2. - <_> - - <_> - 5 0 1 2 -1. - <_> - 5 1 1 1 2. - <_> - - <_> - 18 17 3 1 -1. - <_> - 19 17 1 1 3. - <_> - - <_> - 9 0 2 2 -1. - <_> - 9 0 2 1 2. - 1 - <_> - - <_> - 8 0 6 8 -1. - <_> - 8 4 6 4 2. - <_> - - <_> - 6 3 5 8 -1. - <_> - 6 5 5 4 2. - <_> - - <_> - 11 3 6 2 -1. - <_> - 11 3 3 2 2. - <_> - - <_> - 9 10 2 2 -1. - <_> - 9 10 1 1 2. - <_> - 10 11 1 1 2. - <_> - - <_> - 17 18 2 2 -1. - <_> - 17 19 2 1 2. - <_> - - <_> - 8 9 6 2 -1. - <_> - 8 9 3 1 2. - <_> - 11 10 3 1 2. - <_> - - <_> - 11 10 2 2 -1. - <_> - 12 10 1 1 2. - <_> - 11 11 1 1 2. - <_> - - <_> - 0 0 22 17 -1. - <_> - 11 0 11 17 2. - <_> - - <_> - 14 17 2 3 -1. - <_> - 14 18 2 1 3. - <_> - - <_> - 10 0 3 4 -1. - <_> - 11 1 1 4 3. - 1 - <_> - - <_> - 17 6 2 4 -1. - <_> - 18 6 1 2 2. - <_> - 17 8 1 2 2. - <_> - - <_> - 9 0 3 4 -1. - <_> - 10 1 1 4 3. - 1 - <_> - - <_> - 17 6 2 4 -1. - <_> - 18 6 1 2 2. - <_> - 17 8 1 2 2. - <_> - - <_> - 6 17 2 3 -1. - <_> - 6 18 2 1 3. - <_> - - <_> - 5 2 12 6 -1. - <_> - 8 2 6 6 2. - <_> - - <_> - 6 0 6 3 -1. - <_> - 8 0 2 3 3. - <_> - - <_> - 19 6 3 3 -1. - <_> - 20 7 1 1 9. - <_> - - <_> - 1 17 3 1 -1. - <_> - 2 17 1 1 3. - <_> - - <_> - 18 16 3 2 -1. - <_> - 19 16 1 2 3. - <_> - - <_> - 0 6 3 3 -1. - <_> - 1 7 1 1 9. - <_> - - <_> - 18 16 3 2 -1. - <_> - 19 16 1 2 3. - <_> - - <_> - 1 16 3 2 -1. - <_> - 2 16 1 2 3. - <_> - - <_> - 17 0 4 8 -1. - <_> - 19 0 2 4 2. - <_> - 17 4 2 4 2. - <_> - - <_> - 8 0 1 3 -1. - <_> - 7 1 1 1 3. - 1 - <_> - - <_> - 8 5 6 3 -1. - <_> - 8 6 6 1 3. - <_> - - <_> - 3 18 2 2 -1. - <_> - 3 19 2 1 2. - <_> - - <_> - 12 9 1 2 -1. - <_> - 12 9 1 1 2. - 1 - <_> - - <_> - 10 9 2 1 -1. - <_> - 10 9 1 1 2. - 1 - <_> - - <_> - 8 0 9 2 -1. - <_> - 8 1 9 1 2. - <_> - - <_> - 6 0 10 4 -1. - <_> - 6 1 10 2 2. - <_> - - <_> - 8 4 6 6 -1. - <_> - 10 6 2 2 9. - <_> - - <_> - 8 8 2 6 -1. - <_> - 8 8 1 3 2. - <_> - 9 11 1 3 2. - <_> - - <_> - 11 7 3 2 -1. - <_> - 11 7 3 1 2. - 1 - <_> - - <_> - 8 9 2 4 -1. - <_> - 8 9 1 2 2. - <_> - 9 11 1 2 2. - <_> - - <_> - 11 8 1 4 -1. - <_> - 11 10 1 2 2. - <_> - - <_> - 1 0 4 8 -1. - <_> - 1 0 2 4 2. - <_> - 3 4 2 4 2. - <_> - - <_> - 9 6 4 3 -1. - <_> - 9 7 4 1 3. - <_> - - <_> - 8 2 4 3 -1. - <_> - 8 3 4 1 3. - <_> - - <_> - 20 12 2 2 -1. - <_> - 20 13 2 1 2. - <_> - - <_> - 0 12 1 2 -1. - <_> - 0 13 1 1 2. - <_> - - <_> - 12 6 1 3 -1. - <_> - 12 7 1 1 3. - <_> - - <_> - 3 7 8 1 -1. - <_> - 7 7 4 1 2. - <_> - - <_> - 3 5 18 12 -1. - <_> - 9 9 6 4 9. - <_> - - <_> - 11 9 6 5 -1. - <_> - 13 11 2 5 3. - 1 - <_> - - <_> - 10 7 3 6 -1. - <_> - 10 9 3 2 3. - <_> - - <_> - 9 10 2 2 -1. - <_> - 9 10 1 1 2. - <_> - 10 11 1 1 2. - <_> - - <_> - 2 18 18 2 -1. - <_> - 11 18 9 1 2. - <_> - 2 19 9 1 2. - <_> - - <_> - 9 0 3 14 -1. - <_> - 9 7 3 7 2. - <_> - - <_> - 14 8 8 4 -1. - <_> - 13 9 8 2 2. - 1 - <_> - - <_> - 4 6 2 2 -1. - <_> - 4 7 2 1 2. - <_> - - <_> - 14 8 8 4 -1. - <_> - 13 9 8 2 2. - 1 - <_> - - <_> - 8 8 4 8 -1. - <_> - 9 9 2 8 2. - 1 - <_> - - <_> - 17 0 4 2 -1. - <_> - 17 0 4 1 2. - 1 - <_> - - <_> - 6 4 6 9 -1. - <_> - 8 7 2 3 9. - <_> - - <_> - 8 8 9 7 -1. - <_> - 11 8 3 7 3. - <_> - - <_> - 10 8 2 4 -1. - <_> - 10 8 2 2 2. - 1 - <_> - - <_> - 10 8 3 6 -1. - <_> - 11 10 1 2 9. - <_> - - <_> - 4 15 4 4 -1. - <_> - 4 15 2 2 2. - <_> - 6 17 2 2 2. - <_> - - <_> - 13 4 4 4 -1. - <_> - 12 5 4 2 2. - 1 - <_> - - <_> - 9 2 4 6 -1. - <_> - 9 4 4 2 3. - <_> - - <_> - 10 4 3 2 -1. - <_> - 11 4 1 2 3. - <_> - - <_> - 9 4 3 2 -1. - <_> - 10 4 1 2 3. - <_> - - <_> - 12 8 3 3 -1. - <_> - 13 9 1 3 3. - 1 - <_> - - <_> - 7 14 1 2 -1. - <_> - 7 14 1 1 2. - 1 - <_> - - <_> - 12 8 3 3 -1. - <_> - 13 9 1 3 3. - 1 - <_> - - <_> - 10 8 3 3 -1. - <_> - 9 9 3 1 3. - 1 - <_> - - <_> - 7 0 4 6 -1. - <_> - 7 0 2 3 2. - <_> - 9 3 2 3 2. - <_> - - <_> - 6 18 10 2 -1. - <_> - 6 19 10 1 2. - <_> - - <_> - 10 17 1 3 -1. - <_> - 10 18 1 1 3. - <_> - - <_> - 8 0 12 4 -1. - <_> - 14 0 6 2 2. - <_> - 8 2 6 2 2. - <_> - - <_> - 11 0 5 2 -1. - <_> - 11 0 5 1 2. - 1 - <_> - - <_> - 14 14 7 2 -1. - <_> - 14 15 7 1 2. - <_> - - <_> - 2 0 12 6 -1. - <_> - 2 0 6 3 2. - <_> - 8 3 6 3 2. - <_> - - <_> - 11 5 1 2 -1. - <_> - 11 6 1 1 2. - <_> - - <_> - 8 7 4 6 -1. - <_> - 8 10 4 3 2. - <_> - - <_> - 12 6 10 4 -1. - <_> - 12 6 10 2 2. - 1 - <_> - - <_> - 3 18 3 1 -1. - <_> - 4 18 1 1 3. - <_> - - <_> - 8 2 12 18 -1. - <_> - 8 11 12 9 2. - <_> - - <_> - 10 6 4 10 -1. - <_> - 10 6 2 10 2. - 1 - <_> - - <_> - 4 1 14 4 -1. - <_> - 11 1 7 2 2. - <_> - 4 3 7 2 2. - <_> - - <_> - 2 1 18 9 -1. - <_> - 8 1 6 9 3. - <_> - - <_> - 9 6 4 1 -1. - <_> - 10 6 2 1 2. - <_> - - <_> - 9 6 2 2 -1. - <_> - 9 7 2 1 2. - <_> - - <_> - 9 8 4 1 -1. - <_> - 10 8 2 1 2. - <_> - - <_> - 0 13 12 7 -1. - <_> - 4 13 4 7 3. - <_> - - <_> - 12 0 4 1 -1. - <_> - 13 0 2 1 2. - <_> - - <_> - 6 0 4 1 -1. - <_> - 7 0 2 1 2. - <_> - - <_> - 14 6 4 12 -1. - <_> - 14 12 4 6 2. - <_> - - <_> - 4 17 2 2 -1. - <_> - 4 18 2 1 2. - <_> - - <_> - 16 2 5 2 -1. - <_> - 16 3 5 1 2. - <_> - - <_> - 3 0 15 6 -1. - <_> - 8 2 5 2 9. - <_> - - <_> - 9 6 5 3 -1. - <_> - 9 7 5 1 3. - <_> - - <_> - 0 17 19 2 -1. - <_> - 0 18 19 1 2. - <_> - - <_> - 18 15 1 2 -1. - <_> - 18 16 1 1 2. - <_> - - <_> - 5 9 4 5 -1. - <_> - 6 10 2 5 2. - 1 - <_> - - <_> - 3 6 18 2 -1. - <_> - 3 6 9 2 2. - <_> - - <_> - 8 5 6 6 -1. - <_> - 10 7 2 2 9. - <_> - - <_> - 13 8 2 2 -1. - <_> - 13 8 1 2 2. - 1 - <_> - - <_> - 9 8 2 2 -1. - <_> - 9 8 2 1 2. - 1 - <_> - - <_> - 10 9 6 10 -1. - <_> - 13 9 3 5 2. - <_> - 10 14 3 5 2. - <_> - - <_> - 2 9 6 8 -1. - <_> - 2 9 3 4 2. - <_> - 5 13 3 4 2. - <_> - - <_> - 13 17 1 3 -1. - <_> - 13 18 1 1 3. - <_> - - <_> - 8 17 1 3 -1. - <_> - 8 18 1 1 3. - <_> - - <_> - 12 11 7 3 -1. - <_> - 12 12 7 1 3. - <_> - - <_> - 11 0 3 2 -1. - <_> - 12 1 1 2 3. - 1 - <_> - - <_> - 9 4 4 3 -1. - <_> - 9 5 4 1 3. - <_> - - <_> - 9 4 2 6 -1. - <_> - 9 7 2 3 2. - <_> - - <_> - 10 10 2 3 -1. - <_> - 10 11 2 1 3. - <_> - - <_> - 10 9 2 3 -1. - <_> - 10 10 2 1 3. - <_> - - <_> - 16 0 2 4 -1. - <_> - 16 1 2 2 2. - <_> - - <_> - 4 0 2 4 -1. - <_> - 4 1 2 2 2. - <_> - - <_> - 11 1 4 4 -1. - <_> - 13 1 2 2 2. - <_> - 11 3 2 2 2. - <_> - - <_> - 6 1 6 4 -1. - <_> - 6 1 3 2 2. - <_> - 9 3 3 2 2. - <_> - - <_> - 10 1 2 3 -1. - <_> - 10 1 1 3 2. - <_> - - <_> - 10 9 2 1 -1. - <_> - 10 9 1 1 2. - 1 - <_> - - <_> - 16 18 6 2 -1. - <_> - 18 18 2 2 3. - <_> - - <_> - 1 5 18 12 -1. - <_> - 7 9 6 4 9. - <_> - - <_> - 16 18 6 2 -1. - <_> - 18 18 2 2 3. - <_> - - <_> - 5 1 12 12 -1. - <_> - 9 1 4 12 3. - <_> - - <_> - 8 3 6 11 -1. - <_> - 8 3 3 11 2. - <_> - - <_> - 9 0 3 5 -1. - <_> - 10 0 1 5 3. - <_> - - <_> - 10 3 6 9 -1. - <_> - 12 6 2 3 9. - <_> - - <_> - 9 4 4 3 -1. - <_> - 9 5 4 1 3. - <_> - - <_> - 3 1 18 8 -1. - <_> - 3 5 18 4 2. - <_> - - <_> - 5 0 1 2 -1. - <_> - 5 1 1 1 2. - <_> - - <_> - 12 0 4 3 -1. - <_> - 11 1 4 1 3. - 1 - <_> - - <_> - 10 0 5 4 -1. - <_> - 10 0 5 2 2. - 1 - <_> - - <_> - 12 0 4 3 -1. - <_> - 11 1 4 1 3. - 1 - <_> - - <_> - 10 10 2 1 -1. - <_> - 10 10 1 1 2. - 1 - <_> - - <_> - 12 0 4 3 -1. - <_> - 11 1 4 1 3. - 1 - <_> - - <_> - 10 0 3 4 -1. - <_> - 11 1 1 4 3. - 1 - <_> - - <_> - 13 3 3 3 -1. - <_> - 13 4 3 1 3. - <_> - - <_> - 6 3 3 3 -1. - <_> - 6 4 3 1 3. - <_> - - <_> - 10 4 6 9 -1. - <_> - 12 7 2 3 9. - <_> - - <_> - 6 2 3 7 -1. - <_> - 7 2 1 7 3. - <_> - - <_> - 7 0 15 3 -1. - <_> - 12 1 5 1 9. - <_> - - <_> - 6 4 6 9 -1. - <_> - 8 7 2 3 9. - <_> - - <_> - 14 9 2 6 -1. - <_> - 14 9 1 6 2. - 1 - <_> - - <_> - 8 13 4 2 -1. - <_> - 10 13 2 2 2. - <_> - - <_> - 11 11 2 2 -1. - <_> - 12 11 1 1 2. - <_> - 11 12 1 1 2. - <_> - - <_> - 11 7 2 3 -1. - <_> - 11 7 1 3 2. - 1 - <_> - - <_> - 18 16 1 4 -1. - <_> - 18 18 1 2 2. - <_> - - <_> - 7 13 2 1 -1. - <_> - 8 13 1 1 2. - <_> - - <_> - 12 13 6 1 -1. - <_> - 14 13 2 1 3. - <_> - - <_> - 4 13 6 1 -1. - <_> - 6 13 2 1 3. - <_> - - <_> - 7 0 15 3 -1. - <_> - 12 1 5 1 9. - <_> - - <_> - 0 0 15 3 -1. - <_> - 5 1 5 1 9. - <_> - - <_> - 14 0 4 3 -1. - <_> - 13 1 4 1 3. - 1 - <_> - - <_> - 6 0 7 4 -1. - <_> - 6 1 7 2 2. - <_> - - <_> - 14 0 4 1 -1. - <_> - 15 0 2 1 2. - <_> - - <_> - 9 9 2 1 -1. - <_> - 10 9 1 1 2. - <_> - - <_> - 1 14 20 3 -1. - <_> - 1 15 20 1 3. - <_> - - <_> - 0 18 6 2 -1. - <_> - 2 18 2 2 3. - <_> - - <_> - 15 16 6 4 -1. - <_> - 17 16 2 4 3. - <_> - - <_> - 1 16 6 4 -1. - <_> - 3 16 2 4 3. - <_> - - <_> - 13 17 1 3 -1. - <_> - 13 18 1 1 3. - <_> - - <_> - 3 8 16 10 -1. - <_> - 3 13 16 5 2. - <_> - - <_> - 12 12 1 2 -1. - <_> - 12 13 1 1 2. - <_> - - <_> - 9 12 1 2 -1. - <_> - 9 13 1 1 2. - <_> - - <_> - 9 12 4 3 -1. - <_> - 9 13 4 1 3. - <_> - - <_> - 3 6 4 2 -1. - <_> - 3 6 2 1 2. - <_> - 5 7 2 1 2. - <_> - - <_> - 13 17 1 3 -1. - <_> - 13 18 1 1 3. - <_> - - <_> - 9 15 1 4 -1. - <_> - 9 17 1 2 2. - <_> - - <_> - 14 0 2 2 -1. - <_> - 14 0 1 2 2. - 1 - <_> - - <_> - 11 0 4 5 -1. - <_> - 12 1 2 5 2. - 1 - <_> - - <_> - 11 5 2 2 -1. - <_> - 11 5 2 1 2. - 1 - <_> - - <_> - 10 1 4 3 -1. - <_> - 11 2 2 3 2. - 1 - <_> - - <_> - 8 2 6 6 -1. - <_> - 11 2 3 3 2. - <_> - 8 5 3 3 2. - <_> - - <_> - 8 18 1 2 -1. - <_> - 8 19 1 1 2. - <_> - - <_> - 9 10 7 3 -1. - <_> - 9 11 7 1 3. - <_> - - <_> - 9 3 2 6 -1. - <_> - 10 3 1 6 2. - <_> - - <_> - 3 15 17 2 -1. - <_> - 3 16 17 1 2. - <_> - - <_> - 4 13 1 2 -1. - <_> - 4 14 1 1 2. - <_> - - <_> - 12 8 1 2 -1. - <_> - 12 9 1 1 2. - <_> - - <_> - 8 4 4 11 -1. - <_> - 10 4 2 11 2. - <_> - - <_> - 18 10 2 4 -1. - <_> - 18 10 1 4 2. - 1 - <_> - - <_> - 4 10 4 2 -1. - <_> - 4 10 4 1 2. - 1 - <_> - - <_> - 13 11 2 2 -1. - <_> - 14 11 1 1 2. - <_> - 13 12 1 1 2. - <_> - - <_> - 2 6 15 12 -1. - <_> - 7 10 5 4 9. - <_> - - <_> - 12 10 4 3 -1. - <_> - 12 11 4 1 3. - <_> - - <_> - 6 10 4 3 -1. - <_> - 6 11 4 1 3. - <_> - - <_> - 7 4 12 15 -1. - <_> - 11 4 4 15 3. - <_> - - <_> - 5 5 8 13 -1. - <_> - 7 5 4 13 2. - <_> - - <_> - 14 0 4 1 -1. - <_> - 15 0 2 1 2. - <_> - - <_> - 4 0 4 1 -1. - <_> - 5 0 2 1 2. - <_> - - <_> - 11 11 3 1 -1. - <_> - 12 11 1 1 3. - <_> - - <_> - 8 11 3 1 -1. - <_> - 9 11 1 1 3. - <_> - - <_> - 9 7 4 4 -1. - <_> - 11 7 2 2 2. - <_> - 9 9 2 2 2. - <_> - - <_> - 10 6 2 2 -1. - <_> - 11 6 1 2 2. - <_> - - <_> - 10 4 2 2 -1. - <_> - 11 4 1 1 2. - <_> - 10 5 1 1 2. - <_> - - <_> - 8 4 3 1 -1. - <_> - 9 4 1 1 3. - <_> - - <_> - 8 2 6 6 -1. - <_> - 10 4 2 2 9. - <_> - - <_> - 5 2 12 2 -1. - <_> - 8 2 6 2 2. - <_> - - <_> - 0 0 6 6 -1. - <_> - 0 3 6 3 2. - <_> - - <_> - 5 1 12 8 -1. - <_> - 8 1 6 8 2. - <_> - - <_> - 0 0 3 5 -1. - <_> - 1 0 1 5 3. - <_> - - <_> - 8 6 6 4 -1. - <_> - 8 7 6 2 2. - <_> - - <_> - 5 0 11 4 -1. - <_> - 5 2 11 2 2. - <_> - - <_> - 10 4 4 6 -1. - <_> - 12 4 2 3 2. - <_> - 10 7 2 3 2. - <_> - - <_> - 9 4 4 6 -1. - <_> - 9 4 2 3 2. - <_> - 11 7 2 3 2. - <_> - - <_> - 11 4 3 3 -1. - <_> - 12 5 1 3 3. - 1 - <_> - - <_> - 11 4 3 3 -1. - <_> - 10 5 3 1 3. - 1 - <_> - - <_> - 9 0 4 6 -1. - <_> - 9 2 4 2 3. - <_> - - <_> - 3 7 2 1 -1. - <_> - 4 7 1 1 2. - <_> - - <_> - 12 5 2 2 -1. - <_> - 13 5 1 1 2. - <_> - 12 6 1 1 2. - <_> - - <_> - 2 4 4 4 -1. - <_> - 2 4 2 2 2. - <_> - 4 6 2 2 2. - <_> - - <_> - 13 4 3 5 -1. - <_> - 14 4 1 5 3. - <_> - - <_> - 9 5 4 6 -1. - <_> - 9 8 4 3 2. - <_> - - <_> - 9 7 4 3 -1. - <_> - 9 8 4 1 3. - <_> - - <_> - 1 4 8 8 -1. - <_> - 3 4 4 8 2. - <_> - - <_> - 2 5 18 14 -1. - <_> - 2 12 18 7 2. - <_> - - <_> - 3 9 15 10 -1. - <_> - 3 14 15 5 2. - <_> - - <_> - 17 1 2 1 -1. - <_> - 17 1 1 1 2. - 1 - <_> - - <_> - 0 14 20 1 -1. - <_> - 5 14 10 1 2. - <_> - - <_> - 17 1 2 1 -1. - <_> - 17 1 1 1 2. - 1 - <_> - - <_> - 8 5 2 2 -1. - <_> - 8 5 1 1 2. - <_> - 9 6 1 1 2. - <_> - - <_> - 12 9 1 2 -1. - <_> - 12 10 1 1 2. - <_> - - <_> - 10 0 2 1 -1. - <_> - 11 0 1 1 2. - <_> - - <_> - 14 14 8 6 -1. - <_> - 14 14 4 6 2. - <_> - - <_> - 8 9 6 2 -1. - <_> - 8 9 3 1 2. - <_> - 11 10 3 1 2. - <_> - - <_> - 13 4 3 5 -1. - <_> - 14 4 1 5 3. - <_> - - <_> - 3 2 2 3 -1. - <_> - 4 2 1 3 2. - <_> - - <_> - 13 3 4 2 -1. - <_> - 13 3 2 2 2. - <_> - - <_> - 6 6 4 6 -1. - <_> - 7 6 2 6 2. - <_> - - <_> - 9 0 4 10 -1. - <_> - 10 0 2 10 2. - <_> - - <_> - 9 8 1 2 -1. - <_> - 9 9 1 1 2. - <_> - - <_> - 4 0 18 18 -1. - <_> - 4 0 9 18 2. - <_> - - <_> - 9 7 1 3 -1. - <_> - 9 8 1 1 3. - <_> - - <_> - 9 7 4 2 -1. - <_> - 9 8 4 1 2. - <_> - - <_> - 11 4 4 5 -1. - <_> - 12 5 2 5 2. - 1 - <_> - - <_> - 11 8 1 4 -1. - <_> - 11 10 1 2 2. - <_> - - <_> - 0 15 8 5 -1. - <_> - 4 15 4 5 2. - <_> - - <_> - 12 17 10 3 -1. - <_> - 12 17 5 3 2. - <_> - - <_> - 0 12 1 2 -1. - <_> - 0 13 1 1 2. - <_> - - <_> - 10 0 3 1 -1. - <_> - 11 0 1 1 3. - <_> - - <_> - 0 17 8 3 -1. - <_> - 4 17 4 3 2. - <_> - - <_> - 16 16 1 2 -1. - <_> - 16 17 1 1 2. - <_> - - <_> - 0 0 18 18 -1. - <_> - 9 0 9 18 2. - <_> - - <_> - 8 3 6 12 -1. - <_> - 8 3 3 12 2. - <_> - - <_> - 6 8 3 1 -1. - <_> - 7 8 1 1 3. - <_> - - <_> - 13 8 3 1 -1. - <_> - 14 8 1 1 3. - <_> - - <_> - 5 16 1 2 -1. - <_> - 5 17 1 1 2. - <_> - - <_> - 13 8 3 1 -1. - <_> - 14 8 1 1 3. - <_> - - <_> - 6 8 3 1 -1. - <_> - 7 8 1 1 3. - <_> - - <_> - 6 3 10 2 -1. - <_> - 11 3 5 1 2. - <_> - 6 4 5 1 2. - <_> - - <_> - 9 0 3 6 -1. - <_> - 10 0 1 6 3. - <_> - - <_> - 14 0 2 3 -1. - <_> - 13 1 2 1 3. - 1 - <_> - - <_> - 0 2 20 6 -1. - <_> - 0 2 10 3 2. - <_> - 10 5 10 3 2. - <_> - - <_> - 9 2 4 4 -1. - <_> - 9 3 4 2 2. - <_> - - <_> - 0 12 20 3 -1. - <_> - 0 13 20 1 3. - <_> - - <_> - 14 0 2 3 -1. - <_> - 13 1 2 1 3. - 1 - <_> - - <_> - 8 3 6 3 -1. - <_> - 10 4 2 1 9. - <_> - - <_> - 10 4 4 2 -1. - <_> - 12 4 2 1 2. - <_> - 10 5 2 1 2. - <_> - - <_> - 8 0 3 2 -1. - <_> - 9 1 1 2 3. - 1 - <_> - - <_> - 12 0 2 1 -1. - <_> - 12 0 1 1 2. - 1 - <_> - - <_> - 10 0 1 2 -1. - <_> - 10 0 1 1 2. - 1 - <_> - - <_> - 9 4 6 4 -1. - <_> - 12 4 3 2 2. - <_> - 9 6 3 2 2. - <_> - - <_> - 8 4 6 3 -1. - <_> - 8 5 6 1 3. - <_> - - <_> - 13 5 3 2 -1. - <_> - 13 6 3 1 2. - <_> - - <_> - 6 5 3 2 -1. - <_> - 6 6 3 1 2. - <_> - - <_> - 12 0 5 3 -1. - <_> - 11 1 5 1 3. - 1 - <_> - - <_> - 0 2 19 12 -1. - <_> - 0 5 19 6 2. - <_> - - <_> - 6 4 15 16 -1. - <_> - 6 12 15 8 2. - <_> - - <_> - 9 13 4 2 -1. - <_> - 9 14 4 1 2. - <_> - - <_> - 14 8 8 4 -1. - <_> - 14 8 8 2 2. - 1 - <_> - - <_> - 3 16 4 4 -1. - <_> - 3 17 4 2 2. - <_> - - <_> - 9 5 4 3 -1. - <_> - 9 6 4 1 3. - <_> - - <_> - 11 4 2 3 -1. - <_> - 10 5 2 1 3. - 1 - <_> - - <_> - 14 1 3 8 -1. - <_> - 15 2 1 8 3. - 1 - <_> - - <_> - 7 1 2 6 -1. - <_> - 7 1 1 3 2. - <_> - 8 4 1 3 2. - <_> - - <_> - 12 0 5 3 -1. - <_> - 11 1 5 1 3. - 1 - <_> - - <_> - 3 0 10 8 -1. - <_> - 3 0 5 4 2. - <_> - 8 4 5 4 2. - <_> - - <_> - 15 0 3 9 -1. - <_> - 16 1 1 9 3. - 1 - <_> - - <_> - 7 0 9 3 -1. - <_> - 6 1 9 1 3. - 1 - <_> - - <_> - 10 3 2 4 -1. - <_> - 10 5 2 2 2. - <_> - - <_> - 0 3 2 2 -1. - <_> - 0 3 1 1 2. - <_> - 1 4 1 1 2. - <_> - - <_> - 20 2 2 4 -1. - <_> - 21 2 1 2 2. - <_> - 20 4 1 2 2. - <_> - - <_> - 10 1 1 6 -1. - <_> - 10 4 1 3 2. - <_> - - <_> - 14 8 2 2 -1. - <_> - 15 8 1 1 2. - <_> - 14 9 1 1 2. - <_> - - <_> - 8 9 2 2 -1. - <_> - 8 10 2 1 2. - <_> - - <_> - 1 15 20 3 -1. - <_> - 6 15 10 3 2. - <_> - - <_> - 1 17 7 2 -1. - <_> - 1 18 7 1 2. - <_> - - <_> - 20 2 2 4 -1. - <_> - 21 2 1 2 2. - <_> - 20 4 1 2 2. - <_> - - <_> - 0 12 2 2 -1. - <_> - 0 12 1 1 2. - <_> - 1 13 1 1 2. - <_> - - <_> - 19 17 1 2 -1. - <_> - 19 18 1 1 2. - <_> - - <_> - 10 0 3 5 -1. - <_> - 11 1 1 5 3. - 1 - <_> - - <_> - 18 17 2 2 -1. - <_> - 18 18 2 1 2. - <_> - - <_> - 2 17 1 2 -1. - <_> - 2 18 1 1 2. - <_> - - <_> - 14 8 8 4 -1. - <_> - 14 8 8 2 2. - 1 - <_> - - <_> - 0 2 22 15 -1. - <_> - 11 2 11 15 2. - <_> - - <_> - 13 3 4 2 -1. - <_> - 13 3 2 2 2. - <_> - - <_> - 5 3 4 2 -1. - <_> - 7 3 2 2 2. - <_> - - <_> - 4 2 16 4 -1. - <_> - 8 2 8 4 2. - <_> - - <_> - 8 18 4 1 -1. - <_> - 10 18 2 1 2. - <_> - - <_> - 20 2 2 4 -1. - <_> - 21 2 1 2 2. - <_> - 20 4 1 2 2. - <_> - - <_> - 2 12 2 2 -1. - <_> - 2 12 1 1 2. - <_> - 3 13 1 1 2. - <_> - - <_> - 20 2 2 4 -1. - <_> - 21 2 1 2 2. - <_> - 20 4 1 2 2. - <_> - - <_> - 1 12 2 2 -1. - <_> - 1 12 1 1 2. - <_> - 2 13 1 1 2. - <_> - - <_> - 20 2 2 4 -1. - <_> - 21 2 1 2 2. - <_> - 20 4 1 2 2. - <_> - - <_> - 0 2 2 4 -1. - <_> - 0 2 1 2 2. - <_> - 1 4 1 2 2. - <_> - - <_> - 12 10 2 2 -1. - <_> - 13 10 1 1 2. - <_> - 12 11 1 1 2. - <_> - - <_> - 5 1 11 8 -1. - <_> - 5 3 11 4 2. - <_> - - <_> - 16 10 3 2 -1. - <_> - 17 11 1 2 3. - 1 - <_> - - <_> - 8 9 4 7 -1. - <_> - 9 10 2 7 2. - 1 - <_> - - <_> - 13 17 1 3 -1. - <_> - 13 18 1 1 3. - <_> - - <_> - 7 9 4 7 -1. - <_> - 7 9 2 7 2. - 1 - <_> - - <_> - 6 5 10 4 -1. - <_> - 11 5 5 2 2. - <_> - 6 7 5 2 2. - <_> - - <_> - 5 5 8 3 -1. - <_> - 5 6 8 1 3. - <_> - - <_> - 13 17 1 3 -1. - <_> - 13 18 1 1 3. - <_> - - <_> - 6 3 6 9 -1. - <_> - 8 6 2 3 9. - <_> - - <_> - 5 8 12 5 -1. - <_> - 9 8 4 5 3. - <_> - - <_> - 9 5 4 6 -1. - <_> - 10 5 2 6 2. - <_> - - <_> - 14 6 3 5 -1. - <_> - 15 7 1 5 3. - 1 - <_> - - <_> - 8 17 1 3 -1. - <_> - 8 18 1 1 3. - <_> - - <_> - 9 6 5 3 -1. - <_> - 9 7 5 1 3. - <_> - - <_> - 9 6 4 3 -1. - <_> - 9 7 4 1 3. - <_> - - <_> - 16 10 3 2 -1. - <_> - 17 11 1 2 3. - 1 - <_> - - <_> - 6 10 2 3 -1. - <_> - 5 11 2 1 3. - 1 - <_> - - <_> - 17 14 3 4 -1. - <_> - 17 16 3 2 2. - <_> - - <_> - 5 10 7 4 -1. - <_> - 5 11 7 2 2. - <_> - - <_> - 13 7 1 4 -1. - <_> - 12 8 1 2 2. - 1 - <_> - - <_> - 9 11 4 1 -1. - <_> - 10 11 2 1 2. - <_> - - <_> - 12 8 3 5 -1. - <_> - 13 9 1 5 3. - 1 - <_> - - <_> - 8 7 6 4 -1. - <_> - 8 7 3 2 2. - <_> - 11 9 3 2 2. - <_> - - <_> - 12 10 2 2 -1. - <_> - 13 10 1 1 2. - <_> - 12 11 1 1 2. - <_> - - <_> - 8 10 2 2 -1. - <_> - 8 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 12 10 2 2 -1. - <_> - 13 10 1 1 2. - <_> - 12 11 1 1 2. - <_> - - <_> - 4 0 2 3 -1. - <_> - 4 1 2 1 3. - <_> - - <_> - 12 8 3 5 -1. - <_> - 13 9 1 5 3. - 1 - <_> - - <_> - 10 8 5 3 -1. - <_> - 9 9 5 1 3. - 1 - <_> - - <_> - 12 8 3 8 -1. - <_> - 13 8 1 8 3. - <_> - - <_> - 7 8 3 8 -1. - <_> - 8 8 1 8 3. - <_> - - <_> - 8 7 6 6 -1. - <_> - 8 9 6 2 3. - <_> - - <_> - 4 2 1 18 -1. - <_> - 4 11 1 9 2. - <_> - - <_> - 15 1 2 6 -1. - <_> - 15 3 2 2 3. - <_> - - <_> - 3 9 3 8 -1. - <_> - 3 13 3 4 2. - <_> - - <_> - 20 11 1 2 -1. - <_> - 20 12 1 1 2. - <_> - - <_> - 1 11 1 2 -1. - <_> - 1 12 1 1 2. - <_> - - <_> - 15 1 2 6 -1. - <_> - 15 3 2 2 3. - <_> - - <_> - 2 1 18 4 -1. - <_> - 2 2 18 2 2. - <_> - - <_> - 9 0 6 6 -1. - <_> - 9 2 6 2 3. - <_> - - <_> - 3 2 7 4 -1. - <_> - 3 3 7 2 2. - <_> - - <_> - 13 0 2 3 -1. - <_> - 13 0 1 3 2. - 1 - <_> - - <_> - 9 0 3 2 -1. - <_> - 9 0 3 1 2. - 1 - <_> - - <_> - 10 18 12 2 -1. - <_> - 14 18 4 2 3. - <_> - - <_> - 0 18 12 2 -1. - <_> - 4 18 4 2 3. - <_> - - <_> - 5 9 16 8 -1. - <_> - 9 9 8 8 2. - <_> - - <_> - 1 9 16 8 -1. - <_> - 5 9 8 8 2. - <_> - - <_> - 20 16 1 2 -1. - <_> - 20 17 1 1 2. - <_> - - <_> - 11 0 6 4 -1. - <_> - 11 0 6 2 2. - 1 - <_> - - <_> - 9 2 4 6 -1. - <_> - 9 4 4 2 3. - <_> - - <_> - 12 4 4 5 -1. - <_> - 13 4 2 5 2. - <_> - - <_> - 6 4 4 5 -1. - <_> - 7 4 2 5 2. - <_> - - <_> - 8 5 6 4 -1. - <_> - 8 7 6 2 2. - <_> - - <_> - 3 15 1 4 -1. - <_> - 3 16 1 2 2. - <_> - - <_> - 10 5 2 6 -1. - <_> - 10 8 2 3 2. - <_> - - <_> - 6 16 6 4 -1. - <_> - 6 17 6 2 2. - <_> - - <_> - 10 5 2 6 -1. - <_> - 10 8 2 3 2. - <_> - - <_> - 4 2 9 18 -1. - <_> - 7 8 3 6 9. - <_> - - <_> - 8 0 6 4 -1. - <_> - 8 2 6 2 2. - <_> - - <_> - 9 0 4 6 -1. - <_> - 9 2 4 2 3. - <_> - - <_> - 16 0 4 2 -1. - <_> - 18 0 2 1 2. - <_> - 16 1 2 1 2. - <_> - - <_> - 7 6 3 3 -1. - <_> - 8 6 1 3 3. - <_> - - <_> - 12 9 1 2 -1. - <_> - 12 10 1 1 2. - <_> - - <_> - 8 0 4 12 -1. - <_> - 8 0 2 6 2. - <_> - 10 6 2 6 2. - <_> - - <_> - 12 4 10 14 -1. - <_> - 17 4 5 7 2. - <_> - 12 11 5 7 2. - <_> - - <_> - 9 9 1 2 -1. - <_> - 9 10 1 1 2. - <_> - - <_> - 10 9 2 2 -1. - <_> - 10 10 2 1 2. - <_> - - <_> - 10 7 2 6 -1. - <_> - 10 10 2 3 2. - <_> - - <_> - 12 9 7 8 -1. - <_> - 12 13 7 4 2. - <_> - - <_> - 6 4 3 5 -1. - <_> - 7 4 1 5 3. - <_> - - <_> - 5 3 12 1 -1. - <_> - 5 3 6 1 2. - <_> - - <_> - 4 3 8 2 -1. - <_> - 8 3 4 2 2. - <_> - - <_> - 11 0 2 6 -1. - <_> - 11 0 1 6 2. - 1 - <_> - - <_> - 10 4 2 6 -1. - <_> - 10 6 2 2 3. - <_> - - <_> - 16 1 1 4 -1. - <_> - 16 3 1 2 2. - <_> - - <_> - 5 3 12 2 -1. - <_> - 5 3 6 1 2. - <_> - 11 4 6 1 2. - <_> - - <_> - 7 2 13 10 -1. - <_> - 7 7 13 5 2. - <_> - - <_> - 9 10 2 2 -1. - <_> - 9 10 1 1 2. - <_> - 10 11 1 1 2. - <_> - - <_> - 20 1 2 8 -1. - <_> - 21 1 1 4 2. - <_> - 20 5 1 4 2. - <_> - - <_> - 9 11 2 2 -1. - <_> - 9 11 1 1 2. - <_> - 10 12 1 1 2. - <_> - - <_> - 12 9 1 3 -1. - <_> - 11 10 1 1 3. - 1 - <_> - - <_> - 2 6 4 2 -1. - <_> - 2 6 2 1 2. - <_> - 4 7 2 1 2. - <_> - - <_> - 16 6 4 2 -1. - <_> - 18 6 2 1 2. - <_> - 16 7 2 1 2. - <_> - - <_> - 9 6 1 3 -1. - <_> - 9 7 1 1 3. - <_> - - <_> - 11 7 1 6 -1. - <_> - 11 9 1 2 3. - <_> - - <_> - 9 7 1 2 -1. - <_> - 9 8 1 1 2. - <_> - - <_> - 12 6 2 4 -1. - <_> - 11 7 2 2 2. - 1 - <_> - - <_> - 7 5 2 2 -1. - <_> - 8 5 1 2 2. - <_> - - <_> - 12 6 2 4 -1. - <_> - 11 7 2 2 2. - 1 - <_> - - <_> - 3 6 2 2 -1. - <_> - 3 6 1 1 2. - <_> - 4 7 1 1 2. - <_> - - <_> - 15 7 7 6 -1. - <_> - 13 9 7 2 3. - 1 - <_> - - <_> - 1 16 2 2 -1. - <_> - 1 16 1 1 2. - <_> - 2 17 1 1 2. - <_> - - <_> - 19 16 2 2 -1. - <_> - 20 16 1 1 2. - <_> - 19 17 1 1 2. - <_> - - <_> - 1 16 2 2 -1. - <_> - 1 16 1 1 2. - <_> - 2 17 1 1 2. - <_> - - <_> - 15 2 2 1 -1. - <_> - 15 2 1 1 2. - <_> - - <_> - 5 2 2 1 -1. - <_> - 6 2 1 1 2. - <_> - - <_> - 21 7 1 12 -1. - <_> - 21 7 1 6 2. - 1 - <_> - - <_> - 7 7 6 7 -1. - <_> - 9 9 2 7 3. - 1 - <_> - - <_> - 16 8 6 6 -1. - <_> - 14 10 6 2 3. - 1 - <_> - - <_> - 3 16 16 1 -1. - <_> - 11 16 8 1 2. - <_> - - <_> - 8 7 6 1 -1. - <_> - 10 7 2 1 3. - <_> - - <_> - 7 4 8 5 -1. - <_> - 9 4 4 5 2. - <_> - - <_> - 9 9 6 3 -1. - <_> - 9 9 3 3 2. - <_> - - <_> - 10 6 4 2 -1. - <_> - 11 7 2 2 2. - 1 - <_> - - <_> - 14 6 3 5 -1. - <_> - 15 7 1 5 3. - 1 - <_> - - <_> - 7 9 6 3 -1. - <_> - 10 9 3 3 2. - <_> - - <_> - 16 8 6 6 -1. - <_> - 14 10 6 2 3. - 1 - <_> - - <_> - 4 12 12 6 -1. - <_> - 4 12 6 3 2. - <_> - 10 15 6 3 2. - <_> - - <_> - 13 17 3 3 -1. - <_> - 13 18 3 1 3. - <_> - - <_> - 6 17 3 3 -1. - <_> - 6 18 3 1 3. - <_> - - <_> - 15 17 1 3 -1. - <_> - 15 18 1 1 3. - <_> - - <_> - 6 17 1 3 -1. - <_> - 6 18 1 1 3. - <_> - - <_> - 10 0 3 4 -1. - <_> - 10 1 3 2 2. - <_> - - <_> - 9 0 4 4 -1. - <_> - 9 1 4 2 2. - <_> - - <_> - 19 16 2 2 -1. - <_> - 20 16 1 1 2. - <_> - 19 17 1 1 2. - <_> - - <_> - 4 8 4 10 -1. - <_> - 4 13 4 5 2. - <_> - - <_> - 19 16 1 2 -1. - <_> - 19 17 1 1 2. - <_> - - <_> - 5 10 3 6 -1. - <_> - 5 13 3 3 2. - <_> - - <_> - 8 0 12 2 -1. - <_> - 11 0 6 2 2. - <_> - - <_> - 6 0 10 2 -1. - <_> - 11 0 5 2 2. - <_> - - <_> - 19 16 2 2 -1. - <_> - 20 16 1 1 2. - <_> - 19 17 1 1 2. - <_> - - <_> - 1 16 2 2 -1. - <_> - 1 16 1 1 2. - <_> - 2 17 1 1 2. - <_> - - <_> - 12 5 4 4 -1. - <_> - 11 6 4 2 2. - 1 - <_> - - <_> - 1 16 1 2 -1. - <_> - 1 17 1 1 2. - <_> - - <_> - 5 0 16 10 -1. - <_> - 5 5 16 5 2. - <_> - - <_> - 10 5 4 4 -1. - <_> - 11 6 2 4 2. - 1 - <_> - - <_> - 10 9 2 2 -1. - <_> - 11 9 1 1 2. - <_> - 10 10 1 1 2. - <_> - - <_> - 3 0 10 2 -1. - <_> - 3 0 5 1 2. - <_> - 8 1 5 1 2. - <_> - - <_> - 21 0 1 2 -1. - <_> - 21 1 1 1 2. - <_> - - <_> - 2 0 2 2 -1. - <_> - 2 1 2 1 2. - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 9 7 4 3 -1. - <_> - 9 8 4 1 3. - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 8 7 2 2 -1. - <_> - 8 7 1 1 2. - <_> - 9 8 1 1 2. - <_> - - <_> - 18 0 1 2 -1. - <_> - 18 1 1 1 2. - <_> - - <_> - 10 1 7 3 -1. - <_> - 9 2 7 1 3. - 1 - <_> - - <_> - 8 5 6 6 -1. - <_> - 8 8 6 3 2. - <_> - - <_> - 7 8 3 7 -1. - <_> - 8 9 1 7 3. - 1 - <_> - - <_> - 19 9 3 2 -1. - <_> - 19 10 3 1 2. - <_> - - <_> - 9 8 1 2 -1. - <_> - 9 9 1 1 2. - <_> - - <_> - 11 6 2 6 -1. - <_> - 11 6 2 3 2. - 1 - <_> - - <_> - 11 0 6 3 -1. - <_> - 10 1 6 1 3. - 1 - <_> - - <_> - 18 0 1 2 -1. - <_> - 18 1 1 1 2. - <_> - - <_> - 10 0 2 9 -1. - <_> - 10 3 2 3 3. - <_> - - <_> - 18 0 1 2 -1. - <_> - 18 1 1 1 2. - <_> - - <_> - 0 9 3 2 -1. - <_> - 0 10 3 1 2. - <_> - - <_> - 10 1 2 3 -1. - <_> - 10 1 1 3 2. - <_> - - <_> - 8 8 2 4 -1. - <_> - 8 8 1 2 2. - <_> - 9 10 1 2 2. - <_> - - <_> - 13 6 3 4 -1. - <_> - 12 7 3 2 2. - 1 - <_> - - <_> - 9 7 4 1 -1. - <_> - 10 8 2 1 2. - 1 - <_> - - <_> - 8 11 11 3 -1. - <_> - 8 12 11 1 3. - <_> - - <_> - 5 4 12 3 -1. - <_> - 9 5 4 1 9. - <_> - - <_> - 11 6 2 6 -1. - <_> - 11 6 2 3 2. - 1 - <_> - - <_> - 9 6 4 4 -1. - <_> - 9 6 2 2 2. - <_> - 11 8 2 2 2. - <_> - - <_> - 11 4 3 11 -1. - <_> - 12 5 1 11 3. - 1 - <_> - - <_> - 9 4 4 4 -1. - <_> - 10 5 2 4 2. - 1 - <_> - - <_> - 11 4 3 11 -1. - <_> - 12 5 1 11 3. - 1 - <_> - - <_> - 9 9 4 2 -1. - <_> - 9 9 2 1 2. - <_> - 11 10 2 1 2. - <_> - - <_> - 11 5 10 3 -1. - <_> - 11 5 5 3 2. - 1 - <_> - - <_> - 3 9 16 11 -1. - <_> - 7 9 8 11 2. - <_> - - <_> - 18 14 4 3 -1. - <_> - 18 15 4 1 3. - <_> - - <_> - 0 7 14 5 -1. - <_> - 7 7 7 5 2. - <_> - - <_> - 10 6 6 10 -1. - <_> - 13 6 3 5 2. - <_> - 10 11 3 5 2. - <_> - - <_> - 5 6 12 8 -1. - <_> - 5 6 6 4 2. - <_> - 11 10 6 4 2. - <_> - - <_> - 12 10 2 2 -1. - <_> - 13 10 1 1 2. - <_> - 12 11 1 1 2. - <_> - - <_> - 3 0 1 2 -1. - <_> - 3 1 1 1 2. - <_> - - <_> - 18 17 4 3 -1. - <_> - 19 17 2 3 2. - <_> - - <_> - 0 17 4 3 -1. - <_> - 1 17 2 3 2. - <_> - - <_> - 18 14 4 3 -1. - <_> - 18 15 4 1 3. - <_> - - <_> - 0 0 14 6 -1. - <_> - 0 0 7 3 2. - <_> - 7 3 7 3 2. - <_> - - <_> - 14 0 8 11 -1. - <_> - 14 0 4 11 2. - 1 - <_> - - <_> - 8 0 11 8 -1. - <_> - 8 0 11 4 2. - 1 - <_> - - <_> - 18 14 4 3 -1. - <_> - 18 15 4 1 3. - <_> - - <_> - 0 14 4 3 -1. - <_> - 0 15 4 1 3. - <_> - - <_> - 11 4 3 11 -1. - <_> - 12 5 1 11 3. - 1 - <_> - - <_> - 11 4 11 3 -1. - <_> - 10 5 11 1 3. - 1 - <_> - - <_> - 8 3 6 6 -1. - <_> - 11 3 3 3 2. - <_> - 8 6 3 3 2. - <_> - - <_> - 9 6 4 3 -1. - <_> - 10 7 2 3 2. - 1 - <_> - - <_> - 11 11 2 2 -1. - <_> - 12 11 1 1 2. - <_> - 11 12 1 1 2. - <_> - - <_> - 9 7 2 9 -1. - <_> - 9 7 1 9 2. - 1 - <_> - - <_> - 19 12 2 1 -1. - <_> - 19 12 1 1 2. - 1 - <_> - - <_> - 3 12 1 2 -1. - <_> - 3 12 1 1 2. - 1 - <_> - - <_> - 9 0 10 4 -1. - <_> - 9 2 10 2 2. - <_> - - <_> - 9 0 4 2 -1. - <_> - 9 1 4 1 2. - <_> - - <_> - 12 2 9 9 -1. - <_> - 12 5 9 3 3. - <_> - - <_> - 4 3 6 17 -1. - <_> - 6 3 2 17 3. - <_> - - <_> - 8 4 13 16 -1. - <_> - 8 12 13 8 2. - <_> - - <_> - 1 2 9 9 -1. - <_> - 1 5 9 3 3. - <_> - - <_> - 12 10 3 2 -1. - <_> - 13 11 1 2 3. - 1 - <_> - - <_> - 5 6 3 14 -1. - <_> - 6 6 1 14 3. - <_> - - <_> - 14 2 2 4 -1. - <_> - 15 2 1 2 2. - <_> - 14 4 1 2 2. - <_> - - <_> - 9 0 2 2 -1. - <_> - 9 0 2 1 2. - 1 - <_> - - <_> - 10 0 4 3 -1. - <_> - 11 0 2 3 2. - <_> - - <_> - 8 0 4 3 -1. - <_> - 9 0 2 3 2. - <_> - - <_> - 8 0 6 6 -1. - <_> - 8 2 6 2 3. - <_> - - <_> - 9 3 3 9 -1. - <_> - 10 6 1 3 9. - <_> - - <_> - 9 6 4 3 -1. - <_> - 9 7 4 1 3. - <_> - - <_> - 9 6 4 3 -1. - <_> - 9 7 4 1 3. - <_> - - <_> - 11 7 1 4 -1. - <_> - 11 9 1 2 2. - <_> - - <_> - 10 7 1 4 -1. - <_> - 10 9 1 2 2. - <_> - - <_> - 9 7 4 3 -1. - <_> - 9 8 4 1 3. - <_> - - <_> - 6 18 2 2 -1. - <_> - 6 18 1 1 2. - <_> - 7 19 1 1 2. - <_> - - <_> - 10 4 4 12 -1. - <_> - 10 4 2 12 2. - <_> - - <_> - 8 5 1 3 -1. - <_> - 8 6 1 1 3. - <_> - - <_> - 9 10 4 6 -1. - <_> - 9 10 2 6 2. - <_> - - <_> - 9 3 4 2 -1. - <_> - 9 3 4 1 2. - 1 - <_> - - <_> - 11 6 1 2 -1. - <_> - 11 7 1 1 2. - <_> - - <_> - 9 1 3 2 -1. - <_> - 9 1 3 1 2. - 1 - <_> - - <_> - 12 0 2 1 -1. - <_> - 12 0 1 1 2. - 1 - <_> - - <_> - 0 14 10 6 -1. - <_> - 5 14 5 6 2. - <_> - - <_> - 12 17 10 2 -1. - <_> - 12 17 5 2 2. - <_> - - <_> - 0 17 10 2 -1. - <_> - 5 17 5 2 2. - <_> - - <_> - 15 16 1 2 -1. - <_> - 15 17 1 1 2. - <_> - - <_> - 9 2 5 3 -1. - <_> - 8 3 5 1 3. - 1 - <_> - - <_> - 10 7 12 12 -1. - <_> - 16 7 6 6 2. - <_> - 10 13 6 6 2. - <_> - - <_> - 3 0 12 14 -1. - <_> - 3 7 12 7 2. - <_> - - <_> - 11 5 2 3 -1. - <_> - 11 6 2 1 3. - <_> - - <_> - 1 15 18 4 -1. - <_> - 1 17 18 2 2. - <_> - - <_> - 14 10 1 3 -1. - <_> - 14 11 1 1 3. - <_> - - <_> - 6 16 1 2 -1. - <_> - 6 17 1 1 2. - <_> - - <_> - 10 3 2 6 -1. - <_> - 11 3 1 3 2. - <_> - 10 6 1 3 2. - <_> - - <_> - 7 10 1 3 -1. - <_> - 7 11 1 1 3. - <_> - - <_> - 11 11 6 3 -1. - <_> - 11 12 6 1 3. - <_> - - <_> - 5 11 6 3 -1. - <_> - 5 12 6 1 3. - <_> - - <_> - 5 7 12 6 -1. - <_> - 11 7 6 3 2. - <_> - 5 10 6 3 2. - <_> - - <_> - 3 11 5 6 -1. - <_> - 3 13 5 2 3. - <_> - - <_> - 11 12 8 8 -1. - <_> - 15 12 4 4 2. - <_> - 11 16 4 4 2. - <_> - - <_> - 3 12 8 8 -1. - <_> - 3 12 4 4 2. - <_> - 7 16 4 4 2. - <_> - - <_> - 16 12 2 1 -1. - <_> - 16 12 1 1 2. - <_> - - <_> - 5 14 4 4 -1. - <_> - 5 14 2 2 2. - <_> - 7 16 2 2 2. - <_> - - <_> - 9 3 2 1 -1. - <_> - 9 3 1 1 2. - 1 - <_> - - <_> - 9 5 4 3 -1. - <_> - 9 6 4 1 3. - <_> - - <_> - 3 0 2 2 -1. - <_> - 4 0 1 2 2. - <_> - - <_> - 17 0 2 2 -1. - <_> - 17 0 1 2 2. - <_> - - <_> - 3 12 7 3 -1. - <_> - 3 13 7 1 3. - <_> - - <_> - 17 0 2 2 -1. - <_> - 17 0 1 2 2. - <_> - - <_> - 3 0 2 2 -1. - <_> - 4 0 1 2 2. - <_> - - <_> - 13 5 3 3 -1. - <_> - 14 5 1 3 3. - <_> - - <_> - 6 7 3 1 -1. - <_> - 7 7 1 1 3. - <_> - - <_> - 9 1 4 8 -1. - <_> - 11 1 2 4 2. - <_> - 9 5 2 4 2. - <_> - - <_> - 8 1 3 3 -1. - <_> - 9 2 1 1 9. - <_> - - <_> - 11 4 2 6 -1. - <_> - 12 4 1 3 2. - <_> - 11 7 1 3 2. - <_> - - <_> - 9 3 4 6 -1. - <_> - 9 3 2 3 2. - <_> - 11 6 2 3 2. - <_> - - <_> - 13 7 3 2 -1. - <_> - 14 7 1 2 3. - <_> - - <_> - 6 7 3 2 -1. - <_> - 7 7 1 2 3. - <_> - - <_> - 14 18 5 2 -1. - <_> - 14 19 5 1 2. - <_> - - <_> - 4 18 14 2 -1. - <_> - 4 18 7 1 2. - <_> - 11 19 7 1 2. - <_> - - <_> - 14 18 2 2 -1. - <_> - 14 19 2 1 2. - <_> - - <_> - 8 7 3 3 -1. - <_> - 9 8 1 1 9. - <_> - - <_> - 14 18 2 2 -1. - <_> - 14 19 2 1 2. - <_> - - <_> - 9 0 3 2 -1. - <_> - 10 1 1 2 3. - 1 - <_> - - <_> - 14 18 2 2 -1. - <_> - 14 19 2 1 2. - <_> - - <_> - 11 5 4 1 -1. - <_> - 11 5 2 1 2. - 1 - <_> - - <_> - 9 4 4 3 -1. - <_> - 9 5 4 1 3. - <_> - - <_> - 4 17 4 3 -1. - <_> - 4 18 4 1 3. - <_> - - <_> - 11 11 2 2 -1. - <_> - 12 11 1 1 2. - <_> - 11 12 1 1 2. - <_> - - <_> - 8 6 6 4 -1. - <_> - 8 6 3 2 2. - <_> - 11 8 3 2 2. - <_> - - <_> - 11 5 3 3 -1. - <_> - 12 6 1 3 3. - 1 - <_> - - <_> - 11 5 3 3 -1. - <_> - 10 6 3 1 3. - 1 - <_> - - <_> - 11 6 1 2 -1. - <_> - 11 7 1 1 2. - <_> - - <_> - 9 6 4 3 -1. - <_> - 9 7 4 1 3. - <_> - - <_> - 12 6 1 3 -1. - <_> - 12 7 1 1 3. - <_> - - <_> - 3 6 16 2 -1. - <_> - 3 6 8 1 2. - <_> - 11 7 8 1 2. - <_> - - <_> - 5 3 12 6 -1. - <_> - 11 3 6 3 2. - <_> - 5 6 6 3 2. - <_> - - <_> - 8 2 6 9 -1. - <_> - 8 5 6 3 3. - <_> - - <_> - 15 17 2 3 -1. - <_> - 15 18 2 1 3. - <_> - - <_> - 7 7 2 2 -1. - <_> - 7 7 1 1 2. - <_> - 8 8 1 1 2. - <_> - - <_> - 15 17 2 3 -1. - <_> - 15 18 2 1 3. - <_> - - <_> - 9 11 2 2 -1. - <_> - 9 11 1 1 2. - <_> - 10 12 1 1 2. - <_> - - <_> - 20 6 2 4 -1. - <_> - 21 6 1 2 2. - <_> - 20 8 1 2 2. - <_> - - <_> - 9 11 2 2 -1. - <_> - 9 11 1 1 2. - <_> - 10 12 1 1 2. - <_> - - <_> - 20 6 2 4 -1. - <_> - 21 6 1 2 2. - <_> - 20 8 1 2 2. - <_> - - <_> - 8 2 7 3 -1. - <_> - 7 3 7 1 3. - 1 - <_> - - <_> - 14 5 3 4 -1. - <_> - 15 5 1 4 3. - <_> - - <_> - 10 6 1 8 -1. - <_> - 10 10 1 4 2. - <_> - - <_> - 12 7 1 3 -1. - <_> - 12 8 1 1 3. - <_> - - <_> - 9 7 1 3 -1. - <_> - 9 8 1 1 3. - <_> - - <_> - 15 17 2 3 -1. - <_> - 15 18 2 1 3. - <_> - - <_> - 5 17 2 3 -1. - <_> - 5 18 2 1 3. - <_> - - <_> - 12 6 1 2 -1. - <_> - 12 6 1 1 2. - 1 - <_> - - <_> - 9 0 2 10 -1. - <_> - 10 0 1 10 2. - <_> - - <_> - 11 5 4 8 -1. - <_> - 11 5 2 8 2. - <_> - - <_> - 9 1 2 1 -1. - <_> - 10 1 1 1 2. - <_> - - <_> - 12 1 2 2 -1. - <_> - 13 1 1 1 2. - <_> - 12 2 1 1 2. - <_> - - <_> - 0 6 2 4 -1. - <_> - 0 6 1 2 2. - <_> - 1 8 1 2 2. - <_> - - <_> - 16 17 6 1 -1. - <_> - 18 17 2 1 3. - <_> - - <_> - 0 17 6 1 -1. - <_> - 2 17 2 1 3. - <_> - - <_> - 11 18 1 2 -1. - <_> - 11 19 1 1 2. - <_> - - <_> - 10 18 1 2 -1. - <_> - 10 19 1 1 2. - <_> - - <_> - 11 14 3 1 -1. - <_> - 12 14 1 1 3. - <_> - - <_> - 8 14 3 1 -1. - <_> - 9 14 1 1 3. - <_> - - <_> - 12 9 1 2 -1. - <_> - 12 10 1 1 2. - <_> - - <_> - 10 7 3 10 -1. - <_> - 10 7 3 5 2. - 1 - <_> - - <_> - 10 7 9 12 -1. - <_> - 10 13 9 6 2. - <_> - - <_> - 8 9 6 3 -1. - <_> - 7 10 6 1 3. - 1 - <_> - - <_> - 9 0 4 5 -1. - <_> - 10 0 2 5 2. - <_> - - <_> - 1 3 2 2 -1. - <_> - 1 4 2 1 2. - <_> - - <_> - 9 1 4 6 -1. - <_> - 9 3 4 2 3. - <_> - - <_> - 7 0 4 2 -1. - <_> - 7 0 4 1 2. - 1 - <_> - - <_> - 12 0 1 3 -1. - <_> - 12 1 1 1 3. - <_> - - <_> - 1 3 1 2 -1. - <_> - 1 4 1 1 2. - <_> - - <_> - 13 3 3 1 -1. - <_> - 14 3 1 1 3. - <_> - - <_> - 10 0 6 2 -1. - <_> - 10 0 6 1 2. - 1 - <_> - - <_> - 11 6 1 2 -1. - <_> - 11 7 1 1 2. - <_> - - <_> - 10 6 1 2 -1. - <_> - 10 7 1 1 2. - <_> - - <_> - 9 6 4 3 -1. - <_> - 9 7 4 1 3. - <_> - - <_> - 8 14 1 2 -1. - <_> - 8 15 1 1 2. - <_> - - <_> - 13 6 3 4 -1. - <_> - 13 6 3 2 2. - 1 - <_> - - <_> - 1 16 20 4 -1. - <_> - 11 16 10 4 2. - <_> - - <_> - 11 5 4 8 -1. - <_> - 11 5 2 8 2. - <_> - - <_> - 3 8 10 1 -1. - <_> - 8 8 5 1 2. - <_> - - <_> - 12 5 3 5 -1. - <_> - 13 5 1 5 3. - <_> - - <_> - 8 6 4 2 -1. - <_> - 9 7 2 2 2. - 1 - <_> - - <_> - 11 10 2 2 -1. - <_> - 12 10 1 1 2. - <_> - 11 11 1 1 2. - <_> - - <_> - 4 8 14 2 -1. - <_> - 4 8 7 1 2. - <_> - 11 9 7 1 2. - <_> - - <_> - 11 5 1 6 -1. - <_> - 11 8 1 3 2. - <_> - - <_> - 10 1 2 1 -1. - <_> - 11 1 1 1 2. - <_> - - <_> - 15 7 7 6 -1. - <_> - 13 9 7 2 3. - 1 - <_> - - <_> - 7 7 6 7 -1. - <_> - 9 9 2 7 3. - 1 - <_> - - <_> - 10 0 2 2 -1. - <_> - 10 0 1 2 2. - <_> - - <_> - 8 0 3 2 -1. - <_> - 9 1 1 2 3. - 1 - <_> - - <_> - 13 3 3 1 -1. - <_> - 14 3 1 1 3. - <_> - - <_> - 6 3 3 1 -1. - <_> - 7 3 1 1 3. - <_> - - <_> - 11 18 2 2 -1. - <_> - 11 18 1 2 2. - <_> - - <_> - 8 3 1 3 -1. - <_> - 8 4 1 1 3. - <_> - - <_> - 8 11 8 5 -1. - <_> - 10 11 4 5 2. - <_> - - <_> - 8 7 6 2 -1. - <_> - 10 7 2 2 3. - <_> - - <_> - 11 8 1 4 -1. - <_> - 11 10 1 2 2. - <_> - - <_> - 6 2 6 4 -1. - <_> - 6 2 3 2 2. - <_> - 9 4 3 2 2. - <_> - - <_> - 10 1 2 4 -1. - <_> - 10 2 2 2 2. - <_> - - <_> - 2 8 6 5 -1. - <_> - 4 8 2 5 3. - <_> - - <_> - 10 6 2 3 -1. - <_> - 10 6 1 3 2. - <_> - - <_> - 6 14 1 3 -1. - <_> - 6 15 1 1 3. - <_> - - <_> - 11 13 2 2 -1. - <_> - 12 13 1 1 2. - <_> - 11 14 1 1 2. - <_> - - <_> - 6 10 9 1 -1. - <_> - 9 13 3 1 3. - 1 - <_> - - <_> - 15 10 4 3 -1. - <_> - 14 11 4 1 3. - 1 - <_> - - <_> - 7 10 3 4 -1. - <_> - 8 11 1 4 3. - 1 - <_> - - <_> - 13 3 3 3 -1. - <_> - 13 4 3 1 3. - <_> - - <_> - 6 3 3 3 -1. - <_> - 6 4 3 1 3. - <_> - - <_> - 19 12 2 3 -1. - <_> - 18 13 2 1 3. - 1 - <_> - - <_> - 3 18 3 2 -1. - <_> - 3 19 3 1 2. - <_> - - <_> - 15 18 4 2 -1. - <_> - 15 19 4 1 2. - <_> - - <_> - 3 18 4 2 -1. - <_> - 3 19 4 1 2. - <_> - - <_> - 10 7 6 2 -1. - <_> - 12 7 2 2 3. - <_> - - <_> - 6 7 6 2 -1. - <_> - 8 7 2 2 3. - <_> - - <_> - 14 6 3 4 -1. - <_> - 14 6 3 2 2. - 1 - <_> - - <_> - 9 6 3 2 -1. - <_> - 10 7 1 2 3. - 1 - <_> - - <_> - 14 5 3 4 -1. - <_> - 15 5 1 4 3. - <_> - - <_> - 9 16 1 2 -1. - <_> - 9 17 1 1 2. - <_> - - <_> - 9 7 6 3 -1. - <_> - 9 8 6 1 3. - <_> - - <_> - 10 8 1 2 -1. - <_> - 10 9 1 1 2. - <_> - - <_> - 10 0 2 1 -1. - <_> - 10 0 1 1 2. - <_> - - <_> - 8 8 3 1 -1. - <_> - 9 8 1 1 3. - <_> - - <_> - 14 0 6 10 -1. - <_> - 14 0 6 5 2. - 1 - <_> - - <_> - 8 0 10 6 -1. - <_> - 8 0 5 6 2. - 1 - <_> - - <_> - 12 0 2 6 -1. - <_> - 12 0 1 6 2. - <_> - - <_> - 5 0 3 1 -1. - <_> - 6 0 1 1 3. - <_> - - <_> - 19 12 2 3 -1. - <_> - 18 13 2 1 3. - 1 - <_> - - <_> - 9 13 2 2 -1. - <_> - 9 13 1 1 2. - <_> - 10 14 1 1 2. - <_> - - <_> - 15 3 2 3 -1. - <_> - 15 4 2 1 3. - <_> - - <_> - 5 4 12 2 -1. - <_> - 5 4 6 1 2. - <_> - 11 5 6 1 2. - <_> - - <_> - 19 12 2 3 -1. - <_> - 18 13 2 1 3. - 1 - <_> - - <_> - 3 12 3 2 -1. - <_> - 4 13 1 2 3. - 1 - <_> - - <_> - 3 0 16 3 -1. - <_> - 3 0 8 3 2. - <_> - - <_> - 7 2 8 9 -1. - <_> - 11 2 4 9 2. - <_> - - <_> - 16 13 4 2 -1. - <_> - 18 13 2 1 2. - <_> - 16 14 2 1 2. - <_> - - <_> - 7 8 2 12 -1. - <_> - 7 14 2 6 2. - <_> - - <_> - 13 4 5 16 -1. - <_> - 13 12 5 8 2. - <_> - - <_> - 7 3 2 4 -1. - <_> - 7 5 2 2 2. - <_> - - <_> - 5 14 12 5 -1. - <_> - 5 14 6 5 2. - <_> - - <_> - 6 10 6 4 -1. - <_> - 9 10 3 4 2. - <_> - - <_> - 10 0 9 18 -1. - <_> - 13 0 3 18 3. - <_> - - <_> - 2 13 4 2 -1. - <_> - 2 13 2 1 2. - <_> - 4 14 2 1 2. - <_> - - <_> - 2 4 18 1 -1. - <_> - 2 4 9 1 2. - <_> - - <_> - 7 5 4 8 -1. - <_> - 9 5 2 8 2. - <_> - - <_> - 12 7 1 4 -1. - <_> - 11 8 1 2 2. - 1 - <_> - - <_> - 9 7 2 3 -1. - <_> - 10 7 1 3 2. - <_> - - <_> - 10 18 2 1 -1. - <_> - 10 18 1 1 2. - <_> - - <_> - 3 1 2 2 -1. - <_> - 3 2 2 1 2. - <_> - - <_> - 14 5 3 4 -1. - <_> - 15 5 1 4 3. - <_> - - <_> - 5 5 3 4 -1. - <_> - 6 5 1 4 3. - <_> - - <_> - 2 14 19 3 -1. - <_> - 2 15 19 1 3. - <_> - - <_> - 1 14 19 3 -1. - <_> - 1 15 19 1 3. - <_> - - <_> - 9 3 5 4 -1. - <_> - 9 4 5 2 2. - <_> - - <_> - 10 1 3 4 -1. - <_> - 11 2 1 4 3. - 1 - <_> - - <_> - 10 4 4 8 -1. - <_> - 10 6 4 4 2. - <_> - - <_> - 5 4 3 16 -1. - <_> - 5 12 3 8 2. - <_> - - <_> - 14 9 5 8 -1. - <_> - 14 13 5 4 2. - <_> - - <_> - 7 14 3 2 -1. - <_> - 8 15 1 2 3. - 1 - <_> - - <_> - 16 0 6 4 -1. - <_> - 15 1 6 2 2. - 1 - <_> - - <_> - 2 8 18 6 -1. - <_> - 8 10 6 2 9. - <_> - - <_> - 10 0 3 4 -1. - <_> - 11 1 1 4 3. - 1 - <_> - - <_> - 11 0 2 5 -1. - <_> - 11 0 1 5 2. - 1 - <_> - - <_> - 8 4 4 6 -1. - <_> - 8 4 2 3 2. - <_> - 10 7 2 3 2. - <_> - - <_> - 2 2 18 3 -1. - <_> - 8 3 6 1 9. - <_> - - <_> - 0 12 4 8 -1. - <_> - 0 14 4 4 2. - <_> - - <_> - 7 8 8 4 -1. - <_> - 9 8 4 4 2. - <_> - - <_> - 8 2 1 2 -1. - <_> - 8 3 1 1 2. - <_> - - <_> - 10 1 2 6 -1. - <_> - 11 1 1 3 2. - <_> - 10 4 1 3 2. - <_> - - <_> - 9 2 10 4 -1. - <_> - 9 2 5 4 2. - 1 - <_> - - <_> - 8 5 6 3 -1. - <_> - 8 6 6 1 3. - <_> - - <_> - 0 15 18 5 -1. - <_> - 6 15 6 5 3. - <_> - - <_> - 10 6 3 6 -1. - <_> - 10 9 3 3 2. - <_> - - <_> - 1 11 2 3 -1. - <_> - 1 12 2 1 3. - <_> - - <_> - 12 14 2 2 -1. - <_> - 12 15 2 1 2. - <_> - - <_> - 11 14 2 3 -1. - <_> - 11 14 1 3 2. - 1 - <_> - - <_> - 8 4 6 6 -1. - <_> - 11 4 3 3 2. - <_> - 8 7 3 3 2. - <_> - - <_> - 2 8 15 11 -1. - <_> - 7 8 5 11 3. - <_> - - <_> - 13 0 3 3 -1. - <_> - 12 1 3 1 3. - 1 - <_> - - <_> - 8 2 6 2 -1. - <_> - 11 2 3 2 2. - <_> - - <_> - 3 6 17 14 -1. - <_> - 3 13 17 7 2. - <_> - - <_> - 3 2 16 8 -1. - <_> - 7 2 8 8 2. - <_> - - <_> - 19 1 1 18 -1. - <_> - 13 7 1 6 3. - 1 - <_> - - <_> - 7 8 2 1 -1. - <_> - 7 8 1 1 2. - 1 - <_> - - <_> - 10 10 6 5 -1. - <_> - 12 10 2 5 3. - <_> - - <_> - 7 11 4 5 -1. - <_> - 8 11 2 5 2. - <_> - - <_> - 2 1 18 8 -1. - <_> - 11 1 9 4 2. - <_> - 2 5 9 4 2. - <_> - - <_> - 0 3 16 2 -1. - <_> - 4 3 8 2 2. - <_> - - <_> - 13 0 3 15 -1. - <_> - 14 0 1 15 3. - <_> - - <_> - 11 0 6 4 -1. - <_> - 11 0 6 2 2. - 1 - <_> - - <_> - 15 18 1 2 -1. - <_> - 15 19 1 1 2. - <_> - - <_> - 6 1 7 3 -1. - <_> - 6 2 7 1 3. - <_> - - <_> - 18 3 1 3 -1. - <_> - 18 4 1 1 3. - <_> - - <_> - 7 6 3 3 -1. - <_> - 8 6 1 3 3. - <_> - - <_> - 20 1 2 8 -1. - <_> - 21 1 1 4 2. - <_> - 20 5 1 4 2. - <_> - - <_> - 8 8 3 1 -1. - <_> - 9 8 1 1 3. - <_> - - <_> - 13 0 3 3 -1. - <_> - 12 1 3 1 3. - 1 - <_> - - <_> - 9 2 4 8 -1. - <_> - 10 2 2 8 2. - <_> - - <_> - 9 1 4 3 -1. - <_> - 9 2 4 1 3. - <_> - - <_> - 8 7 6 1 -1. - <_> - 10 7 2 1 3. - <_> - - <_> - 12 4 6 8 -1. - <_> - 14 4 2 8 3. - <_> - - <_> - 3 5 6 4 -1. - <_> - 3 5 3 2 2. - <_> - 6 7 3 2 2. - <_> - - <_> - 18 6 1 2 -1. - <_> - 18 7 1 1 2. - <_> - - <_> - 3 6 1 2 -1. - <_> - 3 7 1 1 2. - <_> - - <_> - 14 2 3 18 -1. - <_> - 14 11 3 9 2. - <_> - - <_> - 11 0 6 2 -1. - <_> - 11 0 6 1 2. - 1 - <_> - - <_> - 13 4 3 2 -1. - <_> - 14 4 1 2 3. - <_> - - <_> - 10 3 2 2 -1. - <_> - 10 3 1 1 2. - <_> - 11 4 1 1 2. - <_> - - <_> - 13 4 3 2 -1. - <_> - 14 4 1 2 3. - <_> - - <_> - 11 0 6 1 -1. - <_> - 11 0 3 1 2. - 1 - <_> - - <_> - 13 0 2 3 -1. - <_> - 13 0 1 3 2. - 1 - <_> - - <_> - 7 1 6 11 -1. - <_> - 10 1 3 11 2. - <_> - - <_> - 11 0 2 2 -1. - <_> - 11 0 1 2 2. - <_> - - <_> - 9 0 2 2 -1. - <_> - 10 0 1 2 2. - <_> - - <_> - 11 5 2 3 -1. - <_> - 11 6 2 1 3. - <_> - - <_> - 9 4 4 3 -1. - <_> - 9 5 4 1 3. - <_> - - <_> - 8 2 10 9 -1. - <_> - 8 5 10 3 3. - <_> - - <_> - 10 8 2 1 -1. - <_> - 10 8 1 1 2. - 1 - <_> - - <_> - 12 7 8 2 -1. - <_> - 12 7 8 1 2. - 1 - <_> - - <_> - 10 7 2 8 -1. - <_> - 10 7 1 8 2. - 1 - <_> - - <_> - 9 8 11 12 -1. - <_> - 9 14 11 6 2. - <_> - - <_> - 9 4 4 9 -1. - <_> - 9 7 4 3 3. - <_> - - <_> - 10 4 2 6 -1. - <_> - 10 7 2 3 2. - <_> - - <_> - 8 4 5 3 -1. - <_> - 8 5 5 1 3. - <_> - - <_> - 12 1 1 4 -1. - <_> - 11 2 1 2 2. - 1 - <_> - - <_> - 10 0 4 1 -1. - <_> - 11 1 2 1 2. - 1 - <_> - - <_> - 20 17 1 3 -1. - <_> - 20 18 1 1 3. - <_> - - <_> - 8 13 3 3 -1. - <_> - 9 14 1 1 9. - <_> - - <_> - 1 12 20 6 -1. - <_> - 11 12 10 3 2. - <_> - 1 15 10 3 2. - <_> - - <_> - 6 15 1 2 -1. - <_> - 6 16 1 1 2. - <_> - - <_> - 3 0 18 20 -1. - <_> - 3 10 18 10 2. - <_> - - <_> - 0 0 19 20 -1. - <_> - 0 10 19 10 2. - <_> - - <_> - 15 14 2 3 -1. - <_> - 15 15 2 1 3. - <_> - - <_> - 8 11 3 1 -1. - <_> - 9 11 1 1 3. - <_> - - <_> - 14 8 2 3 -1. - <_> - 14 8 1 3 2. - 1 - <_> - - <_> - 9 11 2 2 -1. - <_> - 9 11 1 1 2. - <_> - 10 12 1 1 2. - <_> - - <_> - 15 14 2 3 -1. - <_> - 15 15 2 1 3. - <_> - - <_> - 5 14 2 3 -1. - <_> - 5 15 2 1 3. - <_> - - <_> - 15 4 3 14 -1. - <_> - 15 11 3 7 2. - <_> - - <_> - 8 7 6 4 -1. - <_> - 8 7 3 2 2. - <_> - 11 9 3 2 2. - <_> - - <_> - 9 6 5 4 -1. - <_> - 9 8 5 2 2. - <_> - - <_> - 9 7 1 2 -1. - <_> - 9 8 1 1 2. - <_> - - <_> - 8 8 6 2 -1. - <_> - 11 8 3 1 2. - <_> - 8 9 3 1 2. - <_> - - <_> - 9 7 4 2 -1. - <_> - 9 8 4 1 2. - <_> - - <_> - 17 1 1 6 -1. - <_> - 17 4 1 3 2. - <_> - - <_> - 4 1 1 6 -1. - <_> - 4 4 1 3 2. - <_> - - <_> - 2 0 18 20 -1. - <_> - 8 0 6 20 3. - <_> - - <_> - 10 6 2 4 -1. - <_> - 10 8 2 2 2. - <_> - - <_> - 16 1 4 15 -1. - <_> - 11 6 4 5 3. - 1 - <_> - - <_> - 1 17 3 2 -1. - <_> - 2 17 1 2 3. - <_> - - <_> - 18 18 3 2 -1. - <_> - 19 18 1 2 3. - <_> - - <_> - 1 18 3 2 -1. - <_> - 2 18 1 2 3. - <_> - - <_> - 20 17 1 3 -1. - <_> - 20 18 1 1 3. - <_> - - <_> - 9 9 4 2 -1. - <_> - 9 9 2 1 2. - <_> - 11 10 2 1 2. - <_> - - <_> - 10 4 3 1 -1. - <_> - 11 4 1 1 3. - <_> - - <_> - 10 4 2 2 -1. - <_> - 10 4 1 1 2. - <_> - 11 5 1 1 2. - <_> - - <_> - 13 5 3 1 -1. - <_> - 14 5 1 1 3. - <_> - - <_> - 6 5 3 1 -1. - <_> - 7 5 1 1 3. - <_> - - <_> - 13 4 4 2 -1. - <_> - 15 4 2 1 2. - <_> - 13 5 2 1 2. - <_> - - <_> - 5 4 4 2 -1. - <_> - 5 4 2 1 2. - <_> - 7 5 2 1 2. - <_> - - <_> - 14 3 6 2 -1. - <_> - 17 3 3 1 2. - <_> - 14 4 3 1 2. - <_> - - <_> - 6 1 3 16 -1. - <_> - 7 1 1 16 3. - <_> - - <_> - 13 8 2 1 -1. - <_> - 13 8 1 1 2. - 1 - <_> - - <_> - 9 8 1 2 -1. - <_> - 9 8 1 1 2. - 1 - <_> - - <_> - 12 6 3 13 -1. - <_> - 13 6 1 13 3. - <_> - - <_> - 6 0 16 2 -1. - <_> - 10 4 8 2 2. - 1 - <_> - - <_> - 12 1 2 4 -1. - <_> - 12 1 2 2 2. - 1 - <_> - - <_> - 9 2 3 4 -1. - <_> - 9 4 3 2 2. - <_> - - <_> - 13 0 2 2 -1. - <_> - 13 0 1 2 2. - 1 - <_> - - <_> - 10 0 2 6 -1. - <_> - 10 2 2 2 3. - <_> - - <_> - 13 0 2 2 -1. - <_> - 13 0 1 2 2. - 1 - <_> - - <_> - 9 0 2 2 -1. - <_> - 9 0 2 1 2. - 1 - <_> - - <_> - 12 0 2 1 -1. - <_> - 12 0 1 1 2. - 1 - <_> - - <_> - 10 0 1 2 -1. - <_> - 10 0 1 1 2. - 1 - <_> - - <_> - 12 0 1 2 -1. - <_> - 12 0 1 1 2. - 1 - <_> - - <_> - 8 1 11 8 -1. - <_> - 8 1 11 4 2. - 1 - <_> - - <_> - 14 6 6 8 -1. - <_> - 16 8 2 8 3. - 1 - <_> - - <_> - 10 0 2 2 -1. - <_> - 11 0 1 2 2. - <_> - - <_> - 14 0 2 3 -1. - <_> - 13 1 2 1 3. - 1 - <_> - - <_> - 8 0 3 2 -1. - <_> - 9 1 1 2 3. - 1 - <_> - - <_> - 18 9 4 2 -1. - <_> - 18 9 2 2 2. - <_> - - <_> - 0 9 4 2 -1. - <_> - 2 9 2 2 2. - <_> - - <_> - 20 8 2 2 -1. - <_> - 20 8 2 1 2. - 1 - <_> - - <_> - 2 8 2 2 -1. - <_> - 2 8 1 2 2. - 1 - <_> - - <_> - 17 4 2 16 -1. - <_> - 17 12 2 8 2. - <_> - - <_> - 3 4 6 15 -1. - <_> - 3 9 6 5 3. - <_> - - <_> - 16 4 4 6 -1. - <_> - 14 6 4 2 3. - 1 - <_> - - <_> - 6 4 6 4 -1. - <_> - 8 6 2 4 3. - 1 - <_> - - <_> - 16 9 2 1 -1. - <_> - 16 9 1 1 2. - 1 - <_> - - <_> - 3 0 8 12 -1. - <_> - 5 0 4 12 2. - <_> - - <_> - 10 4 3 2 -1. - <_> - 11 4 1 2 3. - <_> - - <_> - 10 7 4 2 -1. - <_> - 10 7 4 1 2. - 1 - <_> - - <_> - 10 10 2 3 -1. - <_> - 10 11 2 1 3. - <_> - - <_> - 8 10 4 7 -1. - <_> - 9 10 2 7 2. - <_> - - <_> - 10 6 3 9 -1. - <_> - 11 9 1 3 9. - <_> - - <_> - 10 6 2 4 -1. - <_> - 10 7 2 2 2. - <_> - - <_> - 9 6 7 3 -1. - <_> - 9 7 7 1 3. - <_> - - <_> - 8 15 1 2 -1. - <_> - 8 16 1 1 2. - <_> - - <_> - 13 14 9 6 -1. - <_> - 16 14 3 6 3. - <_> - - <_> - 3 19 16 1 -1. - <_> - 7 19 8 1 2. - <_> - - <_> - 11 18 5 2 -1. - <_> - 11 19 5 1 2. - <_> - - <_> - 2 18 11 2 -1. - <_> - 2 19 11 1 2. - <_> - - <_> - 19 7 1 3 -1. - <_> - 19 8 1 1 3. - <_> - - <_> - 6 11 1 4 -1. - <_> - 5 12 1 2 2. - 1 - <_> - - <_> - 16 17 6 1 -1. - <_> - 16 17 3 1 2. - <_> - - <_> - 0 17 6 1 -1. - <_> - 3 17 3 1 2. - <_> - - <_> - 6 0 16 1 -1. - <_> - 10 0 8 1 2. - <_> - - <_> - 0 11 6 8 -1. - <_> - 3 11 3 8 2. - <_> - - <_> - 18 13 2 2 -1. - <_> - 18 13 1 2 2. - 1 - <_> - - <_> - 6 2 3 1 -1. - <_> - 7 2 1 1 3. - <_> - - <_> - 15 0 2 1 -1. - <_> - 15 0 1 1 2. - <_> - - <_> - 7 3 2 4 -1. - <_> - 7 3 1 2 2. - <_> - 8 5 1 2 2. - <_> - - <_> - 13 2 2 2 -1. - <_> - 14 2 1 1 2. - <_> - 13 3 1 1 2. - <_> - - <_> - 7 2 2 2 -1. - <_> - 7 2 1 1 2. - <_> - 8 3 1 1 2. - <_> - - <_> - 15 0 3 9 -1. - <_> - 16 1 1 9 3. - 1 - <_> - - <_> - 5 0 2 1 -1. - <_> - 6 0 1 1 2. - <_> - - <_> - 15 0 2 2 -1. - <_> - 15 0 1 2 2. - <_> - - <_> - 0 6 16 11 -1. - <_> - 4 6 8 11 2. - <_> - - <_> - 15 3 1 2 -1. - <_> - 15 4 1 1 2. - <_> - - <_> - 0 12 10 6 -1. - <_> - 5 12 5 6 2. - <_> - - <_> - 15 0 2 2 -1. - <_> - 15 0 1 2 2. - <_> - - <_> - 5 0 2 2 -1. - <_> - 6 0 1 2 2. - <_> - - <_> - 14 6 8 14 -1. - <_> - 18 6 4 7 2. - <_> - 14 13 4 7 2. - <_> - - <_> - 1 2 8 18 -1. - <_> - 1 2 4 9 2. - <_> - 5 11 4 9 2. - <_> - - <_> - 19 13 2 2 -1. - <_> - 19 13 1 2 2. - 1 - <_> - - <_> - 3 13 2 2 -1. - <_> - 3 13 2 1 2. - 1 - <_> - - <_> - 19 7 1 3 -1. - <_> - 19 8 1 1 3. - <_> - - <_> - 0 0 18 15 -1. - <_> - 9 0 9 15 2. - <_> - - <_> - 19 17 2 2 -1. - <_> - 19 18 2 1 2. - <_> - - <_> - 1 17 2 2 -1. - <_> - 1 18 2 1 2. - <_> - - <_> - 15 1 3 5 -1. - <_> - 16 2 1 5 3. - 1 - <_> - - <_> - 9 5 2 2 -1. - <_> - 10 5 1 2 2. - <_> - - <_> - 11 3 3 3 -1. - <_> - 12 3 1 3 3. - <_> - - <_> - 8 3 3 3 -1. - <_> - 9 3 1 3 3. - <_> - - <_> - 11 1 3 4 -1. - <_> - 10 2 3 2 2. - 1 - <_> - - <_> - 8 9 6 3 -1. - <_> - 8 10 6 1 3. - <_> - - <_> - 9 7 4 3 -1. - <_> - 9 8 4 1 3. - <_> - - <_> - 10 0 8 3 -1. - <_> - 9 1 8 1 3. - 1 - <_> - - <_> - 8 6 6 4 -1. - <_> - 11 6 3 2 2. - <_> - 8 8 3 2 2. - <_> - - <_> - 11 5 9 3 -1. - <_> - 10 6 9 1 3. - 1 - <_> - - <_> - 12 9 1 3 -1. - <_> - 11 10 1 1 3. - 1 - <_> - - <_> - 10 10 3 3 -1. - <_> - 9 11 3 1 3. - 1 - <_> - - <_> - 11 4 2 4 -1. - <_> - 10 5 2 2 2. - 1 - <_> - - <_> - 11 4 4 2 -1. - <_> - 12 5 2 2 2. - 1 - <_> - - <_> - 11 1 3 4 -1. - <_> - 10 2 3 2 2. - 1 - <_> - - <_> - 11 1 4 3 -1. - <_> - 12 2 2 3 2. - 1 - <_> - - <_> - 10 3 3 4 -1. - <_> - 11 3 1 4 3. - <_> - - <_> - 9 3 3 4 -1. - <_> - 10 3 1 4 3. - <_> - - <_> - 8 5 6 1 -1. - <_> - 10 5 2 1 3. - <_> - - <_> - 6 5 3 3 -1. - <_> - 6 6 3 1 3. - <_> - - <_> - 10 4 3 3 -1. - <_> - 10 5 3 1 3. - <_> - - <_> - 5 12 1 2 -1. - <_> - 5 12 1 1 2. - 1 - <_> - - <_> - 12 15 10 4 -1. - <_> - 17 15 5 2 2. - <_> - 12 17 5 2 2. - <_> - - <_> - 0 15 10 4 -1. - <_> - 0 15 5 2 2. - <_> - 5 17 5 2 2. - <_> - - <_> - 10 7 3 6 -1. - <_> - 10 9 3 2 3. - <_> - - <_> - 9 7 3 6 -1. - <_> - 9 9 3 2 3. - <_> - - <_> - 13 8 3 3 -1. - <_> - 14 9 1 3 3. - 1 - <_> - - <_> - 8 8 6 8 -1. - <_> - 8 10 6 4 2. - <_> - - <_> - 11 11 2 6 -1. - <_> - 9 13 2 2 3. - 1 - <_> - - <_> - 8 16 2 2 -1. - <_> - 8 17 2 1 2. - <_> - - <_> - 11 11 2 6 -1. - <_> - 9 13 2 2 3. - 1 - <_> - - <_> - 11 11 6 2 -1. - <_> - 13 13 2 2 3. - 1 - <_> - - <_> - 8 12 6 2 -1. - <_> - 8 13 6 1 2. - <_> - - <_> - 9 8 3 6 -1. - <_> - 10 10 1 2 9. - <_> - - <_> - 10 8 3 1 -1. - <_> - 11 8 1 1 3. - <_> - - <_> - 0 0 1 2 -1. - <_> - 0 1 1 1 2. - <_> - - <_> - 19 7 1 3 -1. - <_> - 19 8 1 1 3. - <_> - - <_> - 2 7 1 3 -1. - <_> - 2 8 1 1 3. - <_> - - <_> - 17 5 2 2 -1. - <_> - 17 6 2 1 2. - <_> - - <_> - 3 5 2 2 -1. - <_> - 3 6 2 1 2. - <_> - - <_> - 13 2 9 9 -1. - <_> - 16 5 3 3 9. - <_> - - <_> - 0 2 9 9 -1. - <_> - 3 5 3 3 9. - <_> - - <_> - 16 7 6 6 -1. - <_> - 14 9 6 2 3. - 1 - <_> - - <_> - 6 7 6 6 -1. - <_> - 8 9 2 6 3. - 1 - <_> - - <_> - 18 0 3 10 -1. - <_> - 18 0 3 5 2. - 1 - <_> - - <_> - 6 11 1 4 -1. - <_> - 6 11 1 2 2. - 1 - <_> - - <_> - 12 10 2 2 -1. - <_> - 13 10 1 1 2. - <_> - 12 11 1 1 2. - <_> - - <_> - 9 6 2 2 -1. - <_> - 9 6 1 1 2. - <_> - 10 7 1 1 2. - <_> - - <_> - 9 10 4 7 -1. - <_> - 10 10 2 7 2. - <_> - - <_> - 11 1 2 2 -1. - <_> - 11 1 2 1 2. - 1 - <_> - - <_> - 7 3 9 6 -1. - <_> - 7 5 9 2 3. - <_> - - <_> - 9 5 2 3 -1. - <_> - 9 6 2 1 3. - <_> - - <_> - 11 6 1 2 -1. - <_> - 11 7 1 1 2. - <_> - - <_> - 10 6 1 2 -1. - <_> - 10 7 1 1 2. - <_> - - <_> - 11 5 2 3 -1. - <_> - 11 5 1 3 2. - 1 - <_> - - <_> - 10 5 1 8 -1. - <_> - 10 7 1 4 2. - <_> - - <_> - 5 8 13 10 -1. - <_> - 5 13 13 5 2. - <_> - - <_> - 8 6 5 4 -1. - <_> - 7 7 5 2 2. - 1 - <_> - - <_> - 3 12 16 2 -1. - <_> - 11 12 8 1 2. - <_> - 3 13 8 1 2. - <_> - - <_> - 0 0 22 2 -1. - <_> - 11 0 11 2 2. - <_> - - <_> - 11 11 4 2 -1. - <_> - 13 11 2 1 2. - <_> - 11 12 2 1 2. - <_> - - <_> - 11 2 4 5 -1. - <_> - 11 2 2 5 2. - 1 - <_> - - <_> - 8 4 6 4 -1. - <_> - 11 4 3 2 2. - <_> - 8 6 3 2 2. - <_> - - <_> - 8 1 6 6 -1. - <_> - 10 3 2 2 9. - <_> - - <_> - 7 3 9 3 -1. - <_> - 7 4 9 1 3. - <_> - - <_> - 9 4 3 3 -1. - <_> - 9 5 3 1 3. - <_> - - <_> - 10 3 2 4 -1. - <_> - 11 3 1 2 2. - <_> - 10 5 1 2 2. - <_> - - <_> - 3 13 4 3 -1. - <_> - 3 13 2 3 2. - 1 - <_> - - <_> - 7 0 4 6 -1. - <_> - 7 0 2 3 2. - <_> - 9 3 2 3 2. - <_> - - <_> - 12 17 1 2 -1. - <_> - 12 18 1 1 2. - <_> - - <_> - 11 3 3 1 -1. - <_> - 12 4 1 1 3. - 1 - <_> - - <_> - 19 0 3 12 -1. - <_> - 20 0 1 12 3. - <_> - - <_> - 0 5 6 9 -1. - <_> - 2 8 2 3 9. - <_> - - <_> - 13 1 2 4 -1. - <_> - 14 1 1 2 2. - <_> - 13 3 1 2 2. - <_> - - <_> - 5 4 1 6 -1. - <_> - 5 7 1 3 2. - <_> - - <_> - 13 1 2 4 -1. - <_> - 14 1 1 2 2. - <_> - 13 3 1 2 2. - <_> - - <_> - 0 0 14 4 -1. - <_> - 0 0 7 2 2. - <_> - 7 2 7 2 2. - <_> - - <_> - 11 7 1 6 -1. - <_> - 11 10 1 3 2. - <_> - - <_> - 11 7 3 2 -1. - <_> - 12 8 1 2 3. - 1 - <_> - - <_> - 8 10 6 3 -1. - <_> - 10 10 2 3 3. - <_> - - <_> - 10 3 2 4 -1. - <_> - 10 5 2 2 2. - <_> - - <_> - 16 1 3 2 -1. - <_> - 16 2 3 1 2. - <_> - - <_> - 3 1 3 2 -1. - <_> - 3 2 3 1 2. - <_> - - <_> - 13 1 2 4 -1. - <_> - 14 1 1 2 2. - <_> - 13 3 1 2 2. - <_> - - <_> - 4 6 10 4 -1. - <_> - 4 6 5 4 2. - 1 - <_> - - <_> - 14 4 6 16 -1. - <_> - 14 12 6 8 2. - <_> - - <_> - 7 3 7 9 -1. - <_> - 7 6 7 3 3. - <_> - - <_> - 14 7 2 4 -1. - <_> - 14 7 1 4 2. - 1 - <_> - - <_> - 8 7 4 2 -1. - <_> - 8 7 4 1 2. - 1 - <_> - - <_> - 8 9 6 4 -1. - <_> - 11 9 3 2 2. - <_> - 8 11 3 2 2. - <_> - - <_> - 8 10 2 2 -1. - <_> - 8 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 9 7 4 2 -1. - <_> - 9 8 4 1 2. - <_> - - <_> - 11 5 3 2 -1. - <_> - 11 5 3 1 2. - 1 - <_> - - <_> - 11 6 2 2 -1. - <_> - 11 7 2 1 2. - <_> - - <_> - 3 1 16 2 -1. - <_> - 3 1 8 1 2. - <_> - 11 2 8 1 2. - <_> - - <_> - 8 0 6 1 -1. - <_> - 8 0 3 1 2. - <_> - - <_> - 9 10 2 2 -1. - <_> - 9 10 1 1 2. - <_> - 10 11 1 1 2. - <_> - - <_> - 10 4 3 2 -1. - <_> - 11 4 1 2 3. - <_> - - <_> - 10 7 3 3 -1. - <_> - 9 8 3 1 3. - 1 - <_> - - <_> - 10 4 3 2 -1. - <_> - 11 4 1 2 3. - <_> - - <_> - 6 2 3 4 -1. - <_> - 6 3 3 2 2. - <_> - - <_> - 9 0 4 6 -1. - <_> - 9 2 4 2 3. - <_> - - <_> - 9 1 3 3 -1. - <_> - 9 2 3 1 3. - <_> - - <_> - 16 6 1 2 -1. - <_> - 16 7 1 1 2. - <_> - - <_> - 7 2 2 2 -1. - <_> - 7 2 1 1 2. - <_> - 8 3 1 1 2. - <_> - - <_> - 15 1 1 6 -1. - <_> - 15 3 1 2 3. - <_> - - <_> - 8 9 1 3 -1. - <_> - 8 10 1 1 3. - <_> - - <_> - 13 8 1 3 -1. - <_> - 13 9 1 1 3. - <_> - - <_> - 2 8 8 8 -1. - <_> - 2 10 8 4 2. - <_> - - <_> - 14 7 4 9 -1. - <_> - 14 10 4 3 3. - <_> - - <_> - 0 12 22 4 -1. - <_> - 0 12 11 2 2. - <_> - 11 14 11 2 2. - <_> - - <_> - 13 7 2 2 -1. - <_> - 13 7 2 1 2. - 1 - <_> - - <_> - 10 6 2 4 -1. - <_> - 10 8 2 2 2. - <_> - - <_> - 9 4 4 3 -1. - <_> - 9 5 4 1 3. - <_> - - <_> - 11 6 6 1 -1. - <_> - 11 6 3 1 2. - 1 - <_> - - <_> - 9 6 6 6 -1. - <_> - 9 8 6 2 3. - <_> - - <_> - 9 6 1 3 -1. - <_> - 9 7 1 1 3. - <_> - - <_> - 13 8 1 3 -1. - <_> - 13 9 1 1 3. - <_> - - <_> - 8 8 1 3 -1. - <_> - 8 9 1 1 3. - <_> - - <_> - 9 6 5 3 -1. - <_> - 9 7 5 1 3. - <_> - - <_> - 9 4 3 2 -1. - <_> - 10 4 1 2 3. - <_> - - <_> - 11 5 4 3 -1. - <_> - 11 5 2 3 2. - <_> - - <_> - 9 3 4 4 -1. - <_> - 9 4 4 2 2. - <_> - - <_> - 13 17 3 3 -1. - <_> - 13 18 3 1 3. - <_> - - <_> - 9 4 2 1 -1. - <_> - 10 4 1 1 2. - <_> - - <_> - 16 6 1 2 -1. - <_> - 16 7 1 1 2. - <_> - - <_> - 2 9 4 11 -1. - <_> - 4 9 2 11 2. - <_> - - <_> - 16 14 2 2 -1. - <_> - 16 14 1 2 2. - 1 - <_> - - <_> - 9 8 2 2 -1. - <_> - 9 8 1 1 2. - <_> - 10 9 1 1 2. - <_> - - <_> - 16 14 2 2 -1. - <_> - 16 14 1 2 2. - 1 - <_> - - <_> - 0 9 8 11 -1. - <_> - 4 9 4 11 2. - <_> - - <_> - 16 6 1 2 -1. - <_> - 16 7 1 1 2. - <_> - - <_> - 11 4 4 1 -1. - <_> - 12 5 2 1 2. - 1 - <_> - - <_> - 11 7 1 6 -1. - <_> - 11 10 1 3 2. - <_> - - <_> - 10 7 1 6 -1. - <_> - 10 10 1 3 2. - <_> - - <_> - 8 4 6 5 -1. - <_> - 8 4 3 5 2. - <_> - - <_> - 7 3 4 4 -1. - <_> - 8 3 2 4 2. - <_> - - <_> - 13 6 1 2 -1. - <_> - 13 7 1 1 2. - <_> - - <_> - 8 6 6 4 -1. - <_> - 8 6 3 2 2. - <_> - 11 8 3 2 2. - <_> - - <_> - 7 7 10 3 -1. - <_> - 7 8 10 1 3. - <_> - - <_> - 9 7 2 2 -1. - <_> - 9 7 1 2 2. - 1 - <_> - - <_> - 11 10 1 3 -1. - <_> - 11 11 1 1 3. - <_> - - <_> - 10 10 2 2 -1. - <_> - 10 10 1 1 2. - <_> - 11 11 1 1 2. - <_> - - <_> - 15 1 3 1 -1. - <_> - 16 1 1 1 3. - <_> - - <_> - 5 0 6 16 -1. - <_> - 5 0 3 8 2. - <_> - 8 8 3 8 2. - <_> - - <_> - 15 1 3 1 -1. - <_> - 16 1 1 1 3. - <_> - - <_> - 9 0 2 1 -1. - <_> - 9 0 1 1 2. - 1 - <_> - - <_> - 15 1 3 1 -1. - <_> - 16 1 1 1 3. - <_> - - <_> - 4 1 3 1 -1. - <_> - 5 1 1 1 3. - <_> - - <_> - 6 0 16 2 -1. - <_> - 6 1 16 1 2. - <_> - - <_> - 6 17 3 3 -1. - <_> - 6 18 3 1 3. - <_> - - <_> - 13 17 1 3 -1. - <_> - 13 18 1 1 3. - <_> - - <_> - 6 13 2 2 -1. - <_> - 6 13 1 1 2. - <_> - 7 14 1 1 2. - <_> - - <_> - 9 17 7 3 -1. - <_> - 9 18 7 1 3. - <_> - - <_> - 7 10 1 3 -1. - <_> - 7 11 1 1 3. - <_> - - <_> - 14 11 2 1 -1. - <_> - 14 11 1 1 2. - 1 - <_> - - <_> - 6 9 3 4 -1. - <_> - 6 9 3 2 2. - 1 - <_> - - <_> - 10 2 4 9 -1. - <_> - 10 5 4 3 3. - <_> - - <_> - 7 17 2 3 -1. - <_> - 7 18 2 1 3. - <_> - - <_> - 8 7 7 2 -1. - <_> - 8 8 7 1 2. - <_> - - <_> - 6 8 3 1 -1. - <_> - 7 8 1 1 3. - <_> - - <_> - 14 8 2 2 -1. - <_> - 14 8 1 2 2. - <_> - - <_> - 2 5 2 2 -1. - <_> - 2 6 2 1 2. - <_> - - <_> - 13 8 3 2 -1. - <_> - 14 8 1 2 3. - <_> - - <_> - 6 8 2 2 -1. - <_> - 7 8 1 2 2. - <_> - - <_> - 11 0 10 6 -1. - <_> - 16 0 5 3 2. - <_> - 11 3 5 3 2. - <_> - - <_> - 6 3 10 2 -1. - <_> - 6 3 5 1 2. - <_> - 11 4 5 1 2. - <_> - - <_> - 13 11 2 2 -1. - <_> - 14 11 1 1 2. - <_> - 13 12 1 1 2. - <_> - - <_> - 0 15 8 5 -1. - <_> - 2 15 4 5 2. - <_> - - <_> - 5 1 15 3 -1. - <_> - 5 2 15 1 3. - <_> - - <_> - 0 15 4 5 -1. - <_> - 2 15 2 5 2. - <_> - - <_> - 11 7 1 6 -1. - <_> - 9 9 1 2 3. - 1 - <_> - - <_> - 11 7 6 1 -1. - <_> - 13 9 2 1 3. - 1 - <_> - - <_> - 14 8 1 3 -1. - <_> - 13 9 1 1 3. - 1 - <_> - - <_> - 10 10 2 2 -1. - <_> - 10 10 1 1 2. - <_> - 11 11 1 1 2. - <_> - - <_> - 11 1 2 5 -1. - <_> - 11 1 1 5 2. - 1 - <_> - - <_> - 7 4 3 6 -1. - <_> - 8 6 1 2 9. - <_> - - <_> - 9 3 4 4 -1. - <_> - 9 5 4 2 2. - <_> - - <_> - 9 3 3 9 -1. - <_> - 10 6 1 3 9. - <_> - - <_> - 9 7 4 2 -1. - <_> - 9 8 4 1 2. - <_> - - <_> - 8 7 3 1 -1. - <_> - 9 7 1 1 3. - <_> - - <_> - 11 7 4 1 -1. - <_> - 12 7 2 1 2. - <_> - - <_> - 7 7 4 1 -1. - <_> - 8 7 2 1 2. - <_> - - <_> - 20 11 2 3 -1. - <_> - 20 11 1 3 2. - 1 - <_> - - <_> - 7 8 3 1 -1. - <_> - 8 8 1 1 3. - <_> - - <_> - 20 11 2 3 -1. - <_> - 20 11 1 3 2. - 1 - <_> - - <_> - 2 11 3 2 -1. - <_> - 2 11 3 1 2. - 1 - <_> - - <_> - 18 10 2 10 -1. - <_> - 18 15 2 5 2. - <_> - - <_> - 2 10 2 10 -1. - <_> - 2 15 2 5 2. - <_> - - <_> - 13 12 8 8 -1. - <_> - 17 12 4 4 2. - <_> - 13 16 4 4 2. - <_> - - <_> - 1 12 8 8 -1. - <_> - 1 12 4 4 2. - <_> - 5 16 4 4 2. - <_> - - <_> - 13 15 1 2 -1. - <_> - 13 16 1 1 2. - <_> - - <_> - 8 15 1 2 -1. - <_> - 8 16 1 1 2. - <_> - - <_> - 0 5 22 12 -1. - <_> - 0 5 11 12 2. - <_> - - <_> - 3 0 12 10 -1. - <_> - 3 5 12 5 2. - <_> - - <_> - 13 0 6 1 -1. - <_> - 15 0 2 1 3. - <_> - - <_> - 6 14 2 4 -1. - <_> - 6 14 1 2 2. - <_> - 7 16 1 2 2. - <_> - - <_> - 14 12 2 2 -1. - <_> - 14 12 1 2 2. - <_> - - <_> - 7 9 7 6 -1. - <_> - 7 11 7 2 3. - <_> - - <_> - 14 10 1 3 -1. - <_> - 14 11 1 1 3. - <_> - - <_> - 6 12 2 2 -1. - <_> - 7 12 1 2 2. - <_> - - <_> - 17 0 5 10 -1. - <_> - 17 0 5 5 2. - 1 - <_> - - <_> - 10 5 1 6 -1. - <_> - 10 8 1 3 2. - <_> - - <_> - 11 5 1 4 -1. - <_> - 11 6 1 2 2. - <_> - - <_> - 9 6 2 2 -1. - <_> - 9 7 2 1 2. - <_> - - <_> - 10 7 3 6 -1. - <_> - 10 9 3 2 3. - <_> - - <_> - 7 10 1 3 -1. - <_> - 7 11 1 1 3. - <_> - - <_> - 14 0 3 6 -1. - <_> - 15 1 1 6 3. - 1 - <_> - - <_> - 8 0 6 3 -1. - <_> - 7 1 6 1 3. - 1 - <_> - - <_> - 13 5 3 8 -1. - <_> - 14 5 1 8 3. - <_> - - <_> - 8 0 3 2 -1. - <_> - 8 0 3 1 2. - 1 - <_> - - <_> - 13 5 3 8 -1. - <_> - 14 5 1 8 3. - <_> - - <_> - 6 5 3 8 -1. - <_> - 7 5 1 8 3. - <_> - - <_> - 14 0 4 1 -1. - <_> - 14 0 2 1 2. - <_> - - <_> - 11 4 1 4 -1. - <_> - 10 5 1 2 2. - 1 - <_> - - <_> - 2 1 18 3 -1. - <_> - 8 1 6 3 3. - <_> - - <_> - 9 0 9 1 -1. - <_> - 12 3 3 1 3. - 1 - <_> - - <_> - 12 14 4 3 -1. - <_> - 12 15 4 1 3. - <_> - - <_> - 8 4 7 6 -1. - <_> - 6 6 7 2 3. - 1 - <_> - - <_> - 14 10 2 1 -1. - <_> - 14 10 1 1 2. - 1 - <_> - - <_> - 8 10 1 2 -1. - <_> - 8 10 1 1 2. - 1 - <_> - - <_> - 14 10 4 1 -1. - <_> - 15 11 2 1 2. - 1 - <_> - - <_> - 8 10 1 4 -1. - <_> - 7 11 1 2 2. - 1 - <_> - - <_> - 2 14 20 4 -1. - <_> - 7 14 10 4 2. - <_> - - <_> - 8 15 2 1 -1. - <_> - 8 15 1 1 2. - 1 - <_> - - <_> - 10 12 2 3 -1. - <_> - 10 13 2 1 3. - <_> - - <_> - 10 12 1 2 -1. - <_> - 10 13 1 1 2. - <_> - - <_> - 11 7 1 12 -1. - <_> - 11 13 1 6 2. - <_> - - <_> - 10 11 1 9 -1. - <_> - 10 14 1 3 3. - <_> - - <_> - 17 8 1 2 -1. - <_> - 17 9 1 1 2. - <_> - - <_> - 4 8 1 2 -1. - <_> - 4 9 1 1 2. - <_> - - <_> - 8 11 7 3 -1. - <_> - 8 12 7 1 3. - <_> - - <_> - 8 14 6 6 -1. - <_> - 8 17 6 3 2. - <_> - - <_> - 10 14 3 4 -1. - <_> - 10 16 3 2 2. - <_> - - <_> - 0 4 20 3 -1. - <_> - 10 4 10 3 2. - <_> - - <_> - 11 6 4 10 -1. - <_> - 11 6 4 5 2. - 1 - <_> - - <_> - 5 6 4 3 -1. - <_> - 5 7 4 1 3. - <_> - - <_> - 16 17 1 2 -1. - <_> - 16 18 1 1 2. - <_> - - <_> - 10 11 2 3 -1. - <_> - 10 12 2 1 3. - <_> - - <_> - 11 13 1 2 -1. - <_> - 11 14 1 1 2. - <_> - - <_> - 4 10 13 10 -1. - <_> - 4 15 13 5 2. - <_> - - <_> - 11 16 2 1 -1. - <_> - 11 16 1 1 2. - 1 - <_> - - <_> - 11 16 1 2 -1. - <_> - 11 16 1 1 2. - 1 - <_> - - <_> - 11 12 1 4 -1. - <_> - 11 14 1 2 2. - <_> - - <_> - 5 14 5 3 -1. - <_> - 5 15 5 1 3. - <_> - - <_> - 9 6 10 8 -1. - <_> - 9 8 10 4 2. - <_> - - <_> - 10 5 1 4 -1. - <_> - 10 6 1 2 2. - <_> - - <_> - 10 5 2 2 -1. - <_> - 10 6 2 1 2. - <_> - - <_> - 10 3 6 2 -1. - <_> - 10 3 6 1 2. - 1 - <_> - - <_> - 9 0 5 6 -1. - <_> - 9 2 5 2 3. - <_> - - <_> - 8 4 6 6 -1. - <_> - 8 7 6 3 2. - <_> - - <_> - 11 2 1 16 -1. - <_> - 11 10 1 8 2. - <_> - - <_> - 9 13 4 4 -1. - <_> - 10 13 2 4 2. - <_> - - <_> - 2 2 18 3 -1. - <_> - 2 3 18 1 3. - <_> - - <_> - 0 8 15 12 -1. - <_> - 5 8 5 12 3. - <_> - - <_> - 18 5 3 2 -1. - <_> - 18 5 3 1 2. - 1 - <_> - - <_> - 4 5 2 3 -1. - <_> - 4 5 1 3 2. - 1 - <_> - - <_> - 11 2 1 16 -1. - <_> - 11 10 1 8 2. - <_> - - <_> - 3 6 10 8 -1. - <_> - 3 8 10 4 2. - <_> - - <_> - 10 6 2 9 -1. - <_> - 10 9 2 3 3. - <_> - - <_> - 7 9 4 7 -1. - <_> - 8 10 2 7 2. - 1 - <_> - - <_> - 16 8 6 6 -1. - <_> - 14 10 6 2 3. - 1 - <_> - - <_> - 6 8 6 6 -1. - <_> - 8 10 2 6 3. - 1 - <_> - - <_> - 17 13 2 1 -1. - <_> - 17 13 1 1 2. - <_> - - <_> - 1 16 7 2 -1. - <_> - 1 17 7 1 2. - <_> - - <_> - 16 15 4 4 -1. - <_> - 16 17 4 2 2. - <_> - - <_> - 2 15 4 4 -1. - <_> - 2 17 4 2 2. - <_> - - <_> - 17 10 2 9 -1. - <_> - 17 13 2 3 3. - <_> - - <_> - 3 13 2 1 -1. - <_> - 4 13 1 1 2. - <_> - - <_> - 5 6 15 12 -1. - <_> - 5 12 15 6 2. - <_> - - <_> - 11 6 10 4 -1. - <_> - 11 6 5 4 2. - 1 - <_> - - <_> - 11 7 1 6 -1. - <_> - 11 7 1 3 2. - 1 - <_> - - <_> - 3 8 6 12 -1. - <_> - 3 12 6 4 3. - <_> - - <_> - 16 2 4 10 -1. - <_> - 16 2 4 5 2. - 1 - <_> - - <_> - 6 2 10 4 -1. - <_> - 6 2 5 4 2. - 1 - <_> - - <_> - 11 12 5 6 -1. - <_> - 11 15 5 3 2. - <_> - - <_> - 10 8 2 2 -1. - <_> - 10 8 1 2 2. - 1 - <_> - - <_> - 8 2 6 15 -1. - <_> - 10 7 2 5 9. - <_> - - <_> - 7 6 3 6 -1. - <_> - 8 8 1 2 9. - <_> - - <_> - 11 6 3 3 -1. - <_> - 12 7 1 1 9. - <_> - - <_> - 6 1 9 3 -1. - <_> - 5 2 9 1 3. - 1 - <_> - - <_> - 11 1 4 11 -1. - <_> - 12 2 2 11 2. - 1 - <_> - - <_> - 8 7 6 6 -1. - <_> - 8 7 3 3 2. - <_> - 11 10 3 3 2. - <_> - - <_> - 11 3 4 4 -1. - <_> - 13 3 2 2 2. - <_> - 11 5 2 2 2. - <_> - - <_> - 4 7 4 4 -1. - <_> - 6 7 2 4 2. - <_> - - <_> - 8 1 6 14 -1. - <_> - 8 1 3 14 2. - <_> - - <_> - 9 0 4 10 -1. - <_> - 10 0 2 10 2. - <_> - - <_> - 11 5 1 4 -1. - <_> - 11 5 1 2 2. - 1 - <_> - - <_> - 11 5 4 1 -1. - <_> - 11 5 2 1 2. - 1 - <_> - - <_> - 11 5 4 3 -1. - <_> - 11 5 2 3 2. - <_> - - <_> - 5 6 1 2 -1. - <_> - 5 7 1 1 2. - <_> - - <_> - 16 5 1 3 -1. - <_> - 16 6 1 1 3. - <_> - - <_> - 6 5 3 1 -1. - <_> - 7 5 1 1 3. - <_> - - <_> - 11 5 4 3 -1. - <_> - 11 5 2 3 2. - <_> - - <_> - 7 5 4 3 -1. - <_> - 9 5 2 3 2. - <_> - - <_> - 8 1 6 14 -1. - <_> - 10 1 2 14 3. - <_> - - <_> - 8 4 1 4 -1. - <_> - 8 5 1 2 2. - <_> - - <_> - 12 7 2 4 -1. - <_> - 13 7 1 2 2. - <_> - 12 9 1 2 2. - <_> - - <_> - 8 7 2 4 -1. - <_> - 8 7 1 2 2. - <_> - 9 9 1 2 2. - <_> - - <_> - 13 6 1 2 -1. - <_> - 13 7 1 1 2. - <_> - - <_> - 8 6 1 2 -1. - <_> - 8 7 1 1 2. - <_> - - <_> - 11 6 3 2 -1. - <_> - 11 7 3 1 2. - <_> - - <_> - 8 6 3 2 -1. - <_> - 8 7 3 1 2. - <_> - - <_> - 9 5 4 3 -1. - <_> - 9 6 4 1 3. - <_> - - <_> - 10 4 2 6 -1. - <_> - 10 6 2 2 3. - <_> - - <_> - 13 1 3 9 -1. - <_> - 14 2 1 9 3. - 1 - <_> - - <_> - 9 1 9 3 -1. - <_> - 8 2 9 1 3. - 1 - <_> - - <_> - 11 0 4 11 -1. - <_> - 12 1 2 11 2. - 1 - <_> - - <_> - 11 0 11 4 -1. - <_> - 10 1 11 2 2. - 1 - <_> - - <_> - 8 3 8 3 -1. - <_> - 8 4 8 1 3. - <_> - - <_> - 9 1 4 8 -1. - <_> - 9 1 2 4 2. - <_> - 11 5 2 4 2. - <_> - - <_> - 8 0 12 2 -1. - <_> - 11 0 6 2 2. - <_> - - <_> - 5 5 1 12 -1. - <_> - 5 8 1 6 2. - <_> - - <_> - 8 2 6 6 -1. - <_> - 10 4 2 2 9. - <_> - - <_> - 21 0 1 3 -1. - <_> - 21 1 1 1 3. - <_> - - <_> - 5 1 12 3 -1. - <_> - 9 2 4 1 9. - <_> - - <_> - 11 0 9 14 -1. - <_> - 14 0 3 14 3. - <_> - - <_> - 8 4 2 2 -1. - <_> - 9 4 1 2 2. - <_> - - <_> - 12 3 6 10 -1. - <_> - 12 3 6 5 2. - 1 - <_> - - <_> - 9 8 1 2 -1. - <_> - 9 9 1 1 2. - <_> - - <_> - 14 0 3 3 -1. - <_> - 13 1 3 1 3. - 1 - <_> - - <_> - 5 0 12 10 -1. - <_> - 9 0 4 10 3. - <_> - - <_> - 11 9 3 1 -1. - <_> - 12 9 1 1 3. - <_> - - <_> - 9 1 4 6 -1. - <_> - 9 3 4 2 3. - <_> - - <_> - 8 7 6 3 -1. - <_> - 10 7 2 3 3. - <_> - - <_> - 9 6 4 1 -1. - <_> - 10 6 2 1 2. - <_> - - <_> - 10 5 4 8 -1. - <_> - 10 7 4 4 2. - <_> - - <_> - 11 0 6 1 -1. - <_> - 11 0 3 1 2. - 1 - <_> - - <_> - 13 5 3 3 -1. - <_> - 14 5 1 3 3. - <_> - - <_> - 10 0 12 1 -1. - <_> - 14 4 4 1 3. - 1 - <_> - - <_> - 3 7 16 12 -1. - <_> - 3 13 16 6 2. - <_> - - <_> - 2 6 5 12 -1. - <_> - 2 9 5 6 2. - <_> - - <_> - 11 13 4 3 -1. - <_> - 12 14 2 3 2. - 1 - <_> - - <_> - 2 4 6 16 -1. - <_> - 2 12 6 8 2. - <_> - - <_> - 11 9 3 1 -1. - <_> - 12 9 1 1 3. - <_> - - <_> - 9 9 2 1 -1. - <_> - 10 9 1 1 2. - <_> - - <_> - 11 9 4 2 -1. - <_> - 11 9 2 2 2. - <_> - - <_> - 3 3 1 3 -1. - <_> - 3 4 1 1 3. - <_> - - <_> - 13 6 3 1 -1. - <_> - 14 6 1 1 3. - <_> - - <_> - 6 6 3 1 -1. - <_> - 7 6 1 1 3. - <_> - - <_> - 18 3 1 3 -1. - <_> - 18 4 1 1 3. - <_> - - <_> - 11 7 1 2 -1. - <_> - 11 7 1 1 2. - 1 - <_> - - <_> - 18 3 1 3 -1. - <_> - 18 4 1 1 3. - <_> - - <_> - 10 0 3 3 -1. - <_> - 11 1 1 3 3. - 1 - <_> - - <_> - 12 0 6 3 -1. - <_> - 11 1 6 1 3. - 1 - <_> - - <_> - 5 0 10 6 -1. - <_> - 5 2 10 2 3. - <_> - - <_> - 13 0 6 10 -1. - <_> - 13 5 6 5 2. - <_> - - <_> - 6 5 10 4 -1. - <_> - 6 7 10 2 2. - <_> - - <_> - 10 4 2 4 -1. - <_> - 10 6 2 2 2. - <_> - - <_> - 3 0 6 10 -1. - <_> - 3 5 6 5 2. - <_> - - <_> - 12 7 1 3 -1. - <_> - 12 8 1 1 3. - <_> - - <_> - 10 0 1 2 -1. - <_> - 10 0 1 1 2. - 1 - <_> - - <_> - 11 9 4 2 -1. - <_> - 11 9 2 2 2. - <_> - - <_> - 7 9 4 2 -1. - <_> - 9 9 2 2 2. - <_> - - <_> - 9 4 4 2 -1. - <_> - 10 4 2 2 2. - <_> - - <_> - 5 17 1 2 -1. - <_> - 5 18 1 1 2. - <_> - - <_> - 8 3 7 9 -1. - <_> - 8 6 7 3 3. - <_> - - <_> - 6 6 3 3 -1. - <_> - 7 6 1 3 3. - <_> - - <_> - 8 6 9 3 -1. - <_> - 8 7 9 1 3. - <_> - - <_> - 9 6 1 3 -1. - <_> - 9 7 1 1 3. - <_> - - <_> - 8 8 6 2 -1. - <_> - 11 8 3 1 2. - <_> - 8 9 3 1 2. - <_> - - <_> - 9 7 2 2 -1. - <_> - 9 8 2 1 2. - <_> - - <_> - 15 17 3 3 -1. - <_> - 15 18 3 1 3. - <_> - - <_> - 8 10 4 6 -1. - <_> - 9 11 2 6 2. - 1 - <_> - - <_> - 4 6 16 8 -1. - <_> - 4 8 16 4 2. - <_> - - <_> - 8 17 1 3 -1. - <_> - 8 18 1 1 3. - <_> - - <_> - 13 17 1 3 -1. - <_> - 13 18 1 1 3. - <_> - - <_> - 8 17 1 3 -1. - <_> - 8 18 1 1 3. - <_> - - <_> - 12 5 1 3 -1. - <_> - 12 6 1 1 3. - <_> - - <_> - 9 5 1 3 -1. - <_> - 9 6 1 1 3. - <_> - - <_> - 13 3 1 3 -1. - <_> - 13 4 1 1 3. - <_> - - <_> - 8 4 6 2 -1. - <_> - 8 4 3 1 2. - <_> - 11 5 3 1 2. - <_> - - <_> - 5 0 16 16 -1. - <_> - 5 8 16 8 2. - <_> - - <_> - 2 0 12 10 -1. - <_> - 2 0 6 5 2. - <_> - 8 5 6 5 2. - <_> - - <_> - 1 5 21 12 -1. - <_> - 8 9 7 4 9. - <_> - - <_> - 1 5 20 15 -1. - <_> - 6 5 10 15 2. - <_> - - <_> - 12 5 3 5 -1. - <_> - 13 6 1 5 3. - 1 - <_> - - <_> - 11 3 6 6 -1. - <_> - 13 5 2 6 3. - 1 - <_> - - <_> - 10 10 2 3 -1. - <_> - 10 11 2 1 3. - <_> - - <_> - 10 10 1 3 -1. - <_> - 10 11 1 1 3. - <_> - - <_> - 17 0 3 10 -1. - <_> - 18 1 1 10 3. - 1 - <_> - - <_> - 9 7 5 3 -1. - <_> - 8 8 5 1 3. - 1 - <_> - - <_> - 5 7 12 3 -1. - <_> - 9 8 4 1 9. - <_> - - <_> - 10 5 5 3 -1. - <_> - 9 6 5 1 3. - 1 - <_> - - <_> - 12 10 2 2 -1. - <_> - 13 10 1 1 2. - <_> - 12 11 1 1 2. - <_> - - <_> - 8 15 2 2 -1. - <_> - 8 16 2 1 2. - <_> - - <_> - 8 9 6 2 -1. - <_> - 11 9 3 1 2. - <_> - 8 10 3 1 2. - <_> - - <_> - 8 10 2 2 -1. - <_> - 8 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 12 10 2 2 -1. - <_> - 13 10 1 1 2. - <_> - 12 11 1 1 2. - <_> - - <_> - 8 9 6 2 -1. - <_> - 8 9 3 1 2. - <_> - 11 10 3 1 2. - <_> - - <_> - 16 18 6 2 -1. - <_> - 18 18 2 2 3. - <_> - - <_> - 6 0 2 1 -1. - <_> - 7 0 1 1 2. - <_> - - <_> - 16 18 6 2 -1. - <_> - 18 18 2 2 3. - <_> - - <_> - 5 15 6 4 -1. - <_> - 5 16 6 2 2. - <_> - - <_> - 16 18 6 2 -1. - <_> - 18 18 2 2 3. - <_> - - <_> - 8 10 2 2 -1. - <_> - 8 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 18 3 1 3 -1. - <_> - 18 4 1 1 3. - <_> - - <_> - 3 3 1 3 -1. - <_> - 3 4 1 1 3. - <_> - - <_> - 16 18 6 2 -1. - <_> - 18 18 2 2 3. - <_> - - <_> - 0 18 6 2 -1. - <_> - 2 18 2 2 3. - <_> - - <_> - 16 18 6 2 -1. - <_> - 18 18 2 2 3. - <_> - - <_> - 0 18 6 2 -1. - <_> - 2 18 2 2 3. - <_> - - <_> - 12 9 3 3 -1. - <_> - 13 10 1 1 9. - <_> - - <_> - 7 9 3 3 -1. - <_> - 8 10 1 1 9. - <_> - - <_> - 11 11 1 6 -1. - <_> - 11 11 1 3 2. - 1 - <_> - - <_> - 6 15 4 1 -1. - <_> - 6 15 2 1 2. - 1 - <_> - - <_> - 13 8 7 9 -1. - <_> - 13 11 7 3 3. - <_> - - <_> - 10 14 1 2 -1. - <_> - 10 15 1 1 2. - <_> - - <_> - 11 12 4 6 -1. - <_> - 13 12 2 3 2. - <_> - 11 15 2 3 2. - <_> - - <_> - 5 15 12 5 -1. - <_> - 11 15 6 5 2. - <_> - - <_> - 11 12 4 6 -1. - <_> - 13 12 2 3 2. - <_> - 11 15 2 3 2. - <_> - - <_> - 7 12 4 6 -1. - <_> - 7 12 2 3 2. - <_> - 9 15 2 3 2. - <_> - - <_> - 7 16 8 3 -1. - <_> - 7 16 4 3 2. - <_> - - <_> - 10 13 1 2 -1. - <_> - 10 14 1 1 2. - <_> - - <_> - 10 12 5 3 -1. - <_> - 10 13 5 1 3. - <_> - - <_> - 9 0 4 2 -1. - <_> - 9 1 4 1 2. - <_> - - <_> - 17 10 3 3 -1. - <_> - 18 10 1 3 3. - <_> - - <_> - 0 0 12 4 -1. - <_> - 0 0 6 2 2. - <_> - 6 2 6 2 2. - <_> - - <_> - 21 0 1 2 -1. - <_> - 21 1 1 1 2. - <_> - - <_> - 7 0 4 1 -1. - <_> - 7 0 2 1 2. - 1 - <_> - - <_> - 1 5 21 12 -1. - <_> - 8 9 7 4 9. - <_> - - <_> - 7 8 2 2 -1. - <_> - 7 8 1 1 2. - <_> - 8 9 1 1 2. - <_> - - <_> - 7 1 8 14 -1. - <_> - 7 1 4 14 2. - <_> - - <_> - 2 10 3 3 -1. - <_> - 3 10 1 3 3. - <_> - - <_> - 8 7 6 1 -1. - <_> - 10 7 2 1 3. - <_> - - <_> - 9 4 3 9 -1. - <_> - 10 7 1 3 9. - <_> - - <_> - 15 8 6 3 -1. - <_> - 14 9 6 1 3. - 1 - <_> - - <_> - 10 3 1 6 -1. - <_> - 10 5 1 2 3. - <_> - - <_> - 12 1 1 4 -1. - <_> - 11 2 1 2 2. - 1 - <_> - - <_> - 9 1 4 9 -1. - <_> - 9 4 4 3 3. - <_> - - <_> - 8 0 6 4 -1. - <_> - 8 1 6 2 2. - <_> - - <_> - 10 8 1 4 -1. - <_> - 10 10 1 2 2. - <_> - - <_> - 12 0 3 2 -1. - <_> - 13 1 1 2 3. - 1 - <_> - - <_> - 10 0 2 3 -1. - <_> - 9 1 2 1 3. - 1 - <_> - - <_> - 12 10 3 3 -1. - <_> - 13 11 1 3 3. - 1 - <_> - - <_> - 7 12 5 3 -1. - <_> - 7 13 5 1 3. - <_> - - <_> - 12 10 3 3 -1. - <_> - 13 11 1 3 3. - 1 - <_> - - <_> - 10 10 3 3 -1. - <_> - 9 11 3 1 3. - 1 - <_> - - <_> - 11 1 3 4 -1. - <_> - 12 1 1 4 3. - <_> - - <_> - 6 8 8 11 -1. - <_> - 8 8 4 11 2. - <_> - - <_> - 5 6 12 6 -1. - <_> - 9 6 4 6 3. - <_> - - <_> - 8 1 3 4 -1. - <_> - 9 1 1 4 3. - <_> - - <_> - 15 8 6 3 -1. - <_> - 14 9 6 1 3. - 1 - <_> - - <_> - 9 6 8 6 -1. - <_> - 7 8 8 2 3. - 1 - <_> - - <_> - 15 8 6 3 -1. - <_> - 14 9 6 1 3. - 1 - <_> - - <_> - 7 8 3 6 -1. - <_> - 8 9 1 6 3. - 1 - <_> - - <_> - 21 0 1 2 -1. - <_> - 21 1 1 1 2. - <_> - - <_> - 0 11 20 3 -1. - <_> - 0 12 20 1 3. - <_> - - <_> - 0 3 22 1 -1. - <_> - 0 3 11 1 2. - <_> - - <_> - 0 7 14 12 -1. - <_> - 0 13 14 6 2. - <_> - - <_> - 16 4 4 3 -1. - <_> - 15 5 4 1 3. - 1 - <_> - - <_> - 6 4 3 4 -1. - <_> - 7 5 1 4 3. - 1 - <_> - - <_> - 9 4 8 2 -1. - <_> - 13 4 4 1 2. - <_> - 9 5 4 1 2. - <_> - - <_> - 5 4 8 2 -1. - <_> - 5 4 4 1 2. - <_> - 9 5 4 1 2. - <_> - - <_> - 12 3 4 3 -1. - <_> - 12 4 4 1 3. - <_> - - <_> - 6 3 4 3 -1. - <_> - 6 4 4 1 3. - <_> - - <_> - 4 5 15 3 -1. - <_> - 9 6 5 1 9. - <_> - - <_> - 0 5 21 12 -1. - <_> - 7 9 7 4 9. - <_> - - <_> - 13 0 2 6 -1. - <_> - 14 0 1 3 2. - <_> - 13 3 1 3 2. - <_> - - <_> - 3 7 16 2 -1. - <_> - 7 7 8 2 2. - <_> - - <_> - 14 4 5 9 -1. - <_> - 14 7 5 3 3. - <_> - - <_> - 3 4 5 9 -1. - <_> - 3 7 5 3 3. - <_> - - <_> - 9 3 7 9 -1. - <_> - 9 6 7 3 3. - <_> - - <_> - 11 4 2 1 -1. - <_> - 11 4 1 1 2. - 1 - <_> - - <_> - 8 4 6 2 -1. - <_> - 11 4 3 1 2. - <_> - 8 5 3 1 2. - <_> - - <_> - 8 8 2 4 -1. - <_> - 8 8 1 2 2. - <_> - 9 10 1 2 2. - <_> - - <_> - 10 4 3 6 -1. - <_> - 11 6 1 2 9. - <_> - - <_> - 8 1 6 15 -1. - <_> - 11 1 3 15 2. - <_> - - <_> - 10 9 2 6 -1. - <_> - 10 9 1 6 2. - <_> - - <_> - 9 9 1 2 -1. - <_> - 9 10 1 1 2. - <_> - - <_> - 21 0 1 2 -1. - <_> - 21 1 1 1 2. - <_> - - <_> - 7 8 2 1 -1. - <_> - 8 8 1 1 2. - <_> - - <_> - 16 15 1 2 -1. - <_> - 16 16 1 1 2. - <_> - - <_> - 5 5 2 14 -1. - <_> - 5 12 2 7 2. - <_> - - <_> - 10 15 12 2 -1. - <_> - 13 15 6 2 2. - <_> - - <_> - 0 15 12 2 -1. - <_> - 3 15 6 2 2. - <_> - - <_> - 16 15 1 2 -1. - <_> - 16 16 1 1 2. - <_> - - <_> - 11 15 1 2 -1. - <_> - 11 15 1 1 2. - 1 - <_> - - <_> - 15 0 4 2 -1. - <_> - 17 0 2 1 2. - <_> - 15 1 2 1 2. - <_> - - <_> - 7 13 8 7 -1. - <_> - 11 13 4 7 2. - <_> - - <_> - 9 6 4 3 -1. - <_> - 9 7 4 1 3. - <_> - - <_> - 9 6 2 3 -1. - <_> - 9 7 2 1 3. - <_> - - <_> - 16 0 2 4 -1. - <_> - 17 0 1 2 2. - <_> - 16 2 1 2 2. - <_> - - <_> - 10 4 1 3 -1. - <_> - 10 5 1 1 3. - <_> - - <_> - 16 18 2 2 -1. - <_> - 16 19 2 1 2. - <_> - - <_> - 8 5 1 3 -1. - <_> - 8 6 1 1 3. - <_> - - <_> - 9 3 4 4 -1. - <_> - 9 4 4 2 2. - <_> - - <_> - 11 5 3 1 -1. - <_> - 12 6 1 1 3. - 1 - <_> - - <_> - 7 11 12 1 -1. - <_> - 10 11 6 1 2. - <_> - - <_> - 3 11 12 1 -1. - <_> - 6 11 6 1 2. - <_> - - <_> - 7 9 14 4 -1. - <_> - 7 9 7 4 2. - <_> - - <_> - 7 11 3 1 -1. - <_> - 8 11 1 1 3. - <_> - - <_> - 17 0 3 10 -1. - <_> - 18 1 1 10 3. - 1 - <_> - - <_> - 10 7 4 1 -1. - <_> - 11 8 2 1 2. - 1 - <_> - - <_> - 8 8 6 3 -1. - <_> - 8 9 6 1 3. - <_> - - <_> - 10 10 2 1 -1. - <_> - 10 10 1 1 2. - 1 - <_> - - <_> - 11 11 2 8 -1. - <_> - 11 11 1 8 2. - <_> - - <_> - 9 12 4 6 -1. - <_> - 10 12 2 6 2. - <_> - - <_> - 13 0 6 4 -1. - <_> - 13 0 3 4 2. - 1 - <_> - - <_> - 1 9 14 4 -1. - <_> - 8 9 7 4 2. - <_> - - <_> - 11 5 6 9 -1. - <_> - 13 7 2 9 3. - 1 - <_> - - <_> - 4 0 2 4 -1. - <_> - 4 0 1 2 2. - <_> - 5 2 1 2 2. - <_> - - <_> - 12 4 6 10 -1. - <_> - 14 6 2 10 3. - 1 - <_> - - <_> - 10 4 10 6 -1. - <_> - 8 6 10 2 3. - 1 - <_> - - <_> - 12 5 2 4 -1. - <_> - 12 5 1 4 2. - 1 - <_> - - <_> - 9 5 6 2 -1. - <_> - 9 5 3 2 2. - 1 - <_> - - <_> - 11 1 4 3 -1. - <_> - 10 2 4 1 3. - 1 - <_> - - <_> - 11 1 3 4 -1. - <_> - 12 2 1 4 3. - 1 - <_> - - <_> - 8 3 6 2 -1. - <_> - 11 3 3 1 2. - <_> - 8 4 3 1 2. - <_> - - <_> - 5 0 10 3 -1. - <_> - 4 1 10 1 3. - 1 - <_> - - <_> - 21 9 1 4 -1. - <_> - 21 11 1 2 2. - <_> - - <_> - 0 9 1 4 -1. - <_> - 0 11 1 2 2. - <_> - - <_> - 16 18 2 2 -1. - <_> - 16 19 2 1 2. - <_> - - <_> - 1 7 12 2 -1. - <_> - 1 7 6 1 2. - <_> - 7 8 6 1 2. - <_> - - <_> - 13 7 1 4 -1. - <_> - 13 8 1 2 2. - <_> - - <_> - 8 7 1 4 -1. - <_> - 8 8 1 2 2. - <_> - - <_> - 13 0 2 4 -1. - <_> - 14 0 1 2 2. - <_> - 13 2 1 2 2. - <_> - - <_> - 4 18 2 2 -1. - <_> - 4 19 2 1 2. - <_> - - <_> - 15 19 3 1 -1. - <_> - 16 19 1 1 3. - <_> - - <_> - 5 18 1 2 -1. - <_> - 5 19 1 1 2. - <_> - - <_> - 15 18 1 2 -1. - <_> - 15 19 1 1 2. - <_> - - <_> - 6 18 1 2 -1. - <_> - 6 19 1 1 2. - <_> - - <_> - 18 19 3 1 -1. - <_> - 19 19 1 1 3. - <_> - - <_> - 9 3 1 3 -1. - <_> - 9 4 1 1 3. - <_> - - <_> - 14 0 3 3 -1. - <_> - 13 1 3 1 3. - 1 - <_> - - <_> - 0 0 6 2 -1. - <_> - 0 0 3 1 2. - <_> - 3 1 3 1 2. - <_> - - <_> - 12 4 1 3 -1. - <_> - 12 5 1 1 3. - <_> - - <_> - 10 4 1 6 -1. - <_> - 10 6 1 2 3. - <_> - - <_> - 7 4 10 4 -1. - <_> - 7 4 5 4 2. - <_> - - <_> - 11 2 9 1 -1. - <_> - 14 5 3 1 3. - 1 - <_> - - <_> - 0 2 22 14 -1. - <_> - 0 2 11 14 2. - <_> - - <_> - 1 19 3 1 -1. - <_> - 2 19 1 1 3. - <_> - - <_> - 18 17 3 3 -1. - <_> - 19 17 1 3 3. - <_> - - <_> - 1 17 3 3 -1. - <_> - 2 17 1 3 3. - <_> - - <_> - 15 4 1 6 -1. - <_> - 15 6 1 2 3. - <_> - - <_> - 6 5 3 1 -1. - <_> - 7 6 1 1 3. - 1 - <_> - - <_> - 12 4 1 3 -1. - <_> - 12 5 1 1 3. - <_> - - <_> - 9 4 1 3 -1. - <_> - 9 5 1 1 3. - <_> - - <_> - 16 1 1 4 -1. - <_> - 16 2 1 2 2. - <_> - - <_> - 5 1 1 4 -1. - <_> - 5 2 1 2 2. - <_> - - <_> - 18 16 3 2 -1. - <_> - 19 16 1 2 3. - <_> - - <_> - 3 9 2 2 -1. - <_> - 3 9 1 1 2. - <_> - 4 10 1 1 2. - <_> - - <_> - 12 3 2 8 -1. - <_> - 13 3 1 4 2. - <_> - 12 7 1 4 2. - <_> - - <_> - 8 0 3 3 -1. - <_> - 9 0 1 3 3. - <_> - - <_> - 13 2 3 1 -1. - <_> - 14 2 1 1 3. - <_> - - <_> - 10 1 2 4 -1. - <_> - 10 1 1 2 2. - <_> - 11 3 1 2 2. - <_> - - <_> - 15 1 2 3 -1. - <_> - 14 2 2 1 3. - 1 - <_> - - <_> - 7 0 7 6 -1. - <_> - 7 2 7 2 3. - <_> - - <_> - 8 0 6 6 -1. - <_> - 10 2 2 2 9. - <_> - - <_> - 7 1 3 2 -1. - <_> - 8 2 1 2 3. - 1 - <_> - - <_> - 8 2 8 8 -1. - <_> - 8 4 8 4 2. - <_> - - <_> - 9 4 3 1 -1. - <_> - 10 4 1 1 3. - <_> - - <_> - 11 11 4 2 -1. - <_> - 13 11 2 1 2. - <_> - 11 12 2 1 2. - <_> - - <_> - 8 14 6 1 -1. - <_> - 10 14 2 1 3. - <_> - - <_> - 11 0 5 6 -1. - <_> - 11 0 5 3 2. - 1 - <_> - - <_> - 3 15 12 2 -1. - <_> - 3 15 6 1 2. - <_> - 9 16 6 1 2. - <_> - - <_> - 7 4 10 4 -1. - <_> - 7 4 5 4 2. - <_> - - <_> - 4 2 9 12 -1. - <_> - 7 6 3 4 9. - <_> - - <_> - 14 2 2 4 -1. - <_> - 15 2 1 2 2. - <_> - 14 4 1 2 2. - <_> - - <_> - 6 2 2 4 -1. - <_> - 6 2 1 2 2. - <_> - 7 4 1 2 2. - <_> - - <_> - 11 0 5 6 -1. - <_> - 11 0 5 3 2. - 1 - <_> - - <_> - 5 4 10 4 -1. - <_> - 10 4 5 4 2. - <_> - - <_> - 16 15 2 2 -1. - <_> - 17 15 1 1 2. - <_> - 16 16 1 1 2. - <_> - - <_> - 4 15 2 2 -1. - <_> - 4 15 1 1 2. - <_> - 5 16 1 1 2. - <_> - - <_> - 16 15 1 2 -1. - <_> - 16 16 1 1 2. - <_> - - <_> - 5 15 1 2 -1. - <_> - 5 16 1 1 2. - <_> - - <_> - 20 6 2 12 -1. - <_> - 20 6 2 6 2. - 1 - <_> - - <_> - 3 12 3 6 -1. - <_> - 3 14 3 2 3. - <_> - - <_> - 2 10 18 4 -1. - <_> - 11 10 9 2 2. - <_> - 2 12 9 2 2. - <_> - - <_> - 1 0 14 8 -1. - <_> - 8 0 7 8 2. - <_> - - <_> - 8 6 14 14 -1. - <_> - 8 13 14 7 2. - <_> - - <_> - 6 4 10 16 -1. - <_> - 6 12 10 8 2. - <_> - - <_> - 8 6 14 14 -1. - <_> - 8 13 14 7 2. - <_> - - <_> - 2 6 4 1 -1. - <_> - 2 6 2 1 2. - 1 - <_> - - <_> - 7 3 12 15 -1. - <_> - 7 8 12 5 3. - <_> - - <_> - 0 8 20 9 -1. - <_> - 10 8 10 9 2. - <_> - - <_> - 11 5 3 6 -1. - <_> - 11 8 3 3 2. - <_> - - <_> - 0 12 1 6 -1. - <_> - 0 14 1 2 3. - <_> - - <_> - 13 5 3 1 -1. - <_> - 14 5 1 1 3. - <_> - - <_> - 5 0 6 1 -1. - <_> - 7 0 2 1 3. - <_> - - <_> - 12 1 2 2 -1. - <_> - 13 1 1 1 2. - <_> - 12 2 1 1 2. - <_> - - <_> - 8 1 2 2 -1. - <_> - 8 1 1 1 2. - <_> - 9 2 1 1 2. - <_> - - <_> - 13 0 2 6 -1. - <_> - 14 0 1 3 2. - <_> - 13 3 1 3 2. - <_> - - <_> - 7 0 2 6 -1. - <_> - 7 0 1 3 2. - <_> - 8 3 1 3 2. - <_> - - <_> - 12 1 4 2 -1. - <_> - 13 2 2 2 2. - 1 - <_> - - <_> - 7 2 3 6 -1. - <_> - 8 4 1 2 9. - <_> - - <_> - 14 7 7 6 -1. - <_> - 12 9 7 2 3. - 1 - <_> - - <_> - 8 7 6 7 -1. - <_> - 10 9 2 7 3. - 1 - <_> - - <_> - 14 9 7 4 -1. - <_> - 13 10 7 2 2. - 1 - <_> - - <_> - 8 9 4 7 -1. - <_> - 9 10 2 7 2. - 1 - <_> - - <_> - 13 5 1 2 -1. - <_> - 13 6 1 1 2. - <_> - - <_> - 6 10 2 2 -1. - <_> - 6 10 1 1 2. - <_> - 7 11 1 1 2. - <_> - - <_> - 10 0 3 4 -1. - <_> - 11 1 1 4 3. - 1 - <_> - - <_> - 11 0 4 4 -1. - <_> - 12 1 2 4 2. - 1 - <_> - - <_> - 9 3 4 4 -1. - <_> - 9 4 4 2 2. - <_> - - <_> - 8 16 6 3 -1. - <_> - 8 17 6 1 3. - <_> - - <_> - 9 5 4 2 -1. - <_> - 10 5 2 2 2. - <_> - - <_> - 9 8 4 1 -1. - <_> - 10 8 2 1 2. - <_> - - <_> - 11 5 2 2 -1. - <_> - 11 5 1 2 2. - 1 - <_> - - <_> - 9 12 10 1 -1. - <_> - 9 12 5 1 2. - <_> - - <_> - 0 1 12 6 -1. - <_> - 4 3 4 2 9. - <_> - - <_> - 3 2 16 12 -1. - <_> - 7 2 8 12 2. - <_> - - <_> - 9 4 3 1 -1. - <_> - 10 5 1 1 3. - 1 - <_> - - <_> - 17 0 4 2 -1. - <_> - 19 0 2 1 2. - <_> - 17 1 2 1 2. - <_> - - <_> - 9 6 4 4 -1. - <_> - 9 7 4 2 2. - <_> - - <_> - 9 6 4 3 -1. - <_> - 9 7 4 1 3. - <_> - - <_> - 9 7 4 3 -1. - <_> - 9 8 4 1 3. - <_> - - <_> - 12 2 3 6 -1. - <_> - 12 5 3 3 2. - <_> - - <_> - 1 0 4 2 -1. - <_> - 1 0 2 1 2. - <_> - 3 1 2 1 2. - <_> - - <_> - 17 0 4 2 -1. - <_> - 19 0 2 1 2. - <_> - 17 1 2 1 2. - <_> - - <_> - 0 5 18 12 -1. - <_> - 0 9 18 4 3. - <_> - - <_> - 5 6 12 14 -1. - <_> - 5 13 12 7 2. - <_> - - <_> - 1 0 4 2 -1. - <_> - 1 0 2 1 2. - <_> - 3 1 2 1 2. - <_> - - <_> - 11 5 3 6 -1. - <_> - 11 8 3 3 2. - <_> - - <_> - 11 0 5 2 -1. - <_> - 11 0 5 1 2. - 1 - <_> - - <_> - 7 0 9 6 -1. - <_> - 10 0 3 6 3. - <_> - - <_> - 9 4 4 6 -1. - <_> - 9 4 2 3 2. - <_> - 11 7 2 3 2. - <_> - - <_> - 13 4 2 1 -1. - <_> - 13 4 1 1 2. - 1 - <_> - - <_> - 9 10 2 2 -1. - <_> - 9 10 1 1 2. - <_> - 10 11 1 1 2. - <_> - - <_> - 11 12 1 4 -1. - <_> - 11 14 1 2 2. - <_> - - <_> - 11 4 3 3 -1. - <_> - 10 5 3 1 3. - 1 - <_> - - <_> - 9 0 4 8 -1. - <_> - 9 4 4 4 2. - <_> - - <_> - 0 1 21 18 -1. - <_> - 7 7 7 6 9. - <_> - - <_> - 7 3 8 4 -1. - <_> - 11 3 4 2 2. - <_> - 7 5 4 2 2. - <_> - - <_> - 10 0 3 6 -1. - <_> - 11 1 1 6 3. - 1 - <_> - - <_> - 12 2 2 2 -1. - <_> - 13 2 1 1 2. - <_> - 12 3 1 1 2. - <_> - - <_> - 8 2 2 2 -1. - <_> - 8 2 1 1 2. - <_> - 9 3 1 1 2. - <_> - - <_> - 10 1 2 4 -1. - <_> - 11 1 1 2 2. - <_> - 10 3 1 2 2. - <_> - - <_> - 9 1 3 1 -1. - <_> - 10 1 1 1 3. - <_> - - <_> - 12 6 1 3 -1. - <_> - 12 7 1 1 3. - <_> - - <_> - 10 7 2 2 -1. - <_> - 10 8 2 1 2. - <_> - - <_> - 11 6 1 4 -1. - <_> - 11 8 1 2 2. - <_> - - <_> - 9 6 4 4 -1. - <_> - 9 6 2 2 2. - <_> - 11 8 2 2 2. - <_> - - <_> - 12 6 2 4 -1. - <_> - 13 6 1 2 2. - <_> - 12 8 1 2 2. - <_> - - <_> - 11 5 4 3 -1. - <_> - 10 6 4 1 3. - 1 - <_> - - <_> - 11 11 3 1 -1. - <_> - 12 11 1 1 3. - <_> - - <_> - 8 1 6 6 -1. - <_> - 10 3 2 2 9. - <_> - - <_> - 10 3 2 4 -1. - <_> - 10 5 2 2 2. - <_> - - <_> - 8 7 6 3 -1. - <_> - 10 7 2 3 3. - <_> - - <_> - 7 9 8 8 -1. - <_> - 9 9 4 8 2. - <_> - - <_> - 8 2 3 9 -1. - <_> - 8 5 3 3 3. - <_> - - <_> - 11 11 3 1 -1. - <_> - 12 11 1 1 3. - <_> - - <_> - 8 16 1 4 -1. - <_> - 8 17 1 2 2. - <_> - - <_> - 11 11 3 1 -1. - <_> - 12 11 1 1 3. - <_> - - <_> - 0 3 8 2 -1. - <_> - 0 3 4 1 2. - <_> - 4 4 4 1 2. - <_> - - <_> - 11 11 3 1 -1. - <_> - 12 11 1 1 3. - <_> - - <_> - 8 11 3 1 -1. - <_> - 9 11 1 1 3. - <_> - - <_> - 12 10 1 2 -1. - <_> - 12 10 1 1 2. - 1 - <_> - - <_> - 10 10 2 1 -1. - <_> - 10 10 1 1 2. - 1 - <_> - - <_> - 9 7 6 5 -1. - <_> - 9 7 3 5 2. - <_> - - <_> - 7 7 6 5 -1. - <_> - 10 7 3 5 2. - <_> - - <_> - 12 7 3 2 -1. - <_> - 12 7 3 1 2. - 1 - <_> - - <_> - 10 7 2 3 -1. - <_> - 10 7 1 3 2. - 1 - <_> - - <_> - 11 4 2 3 -1. - <_> - 11 5 2 1 3. - <_> - - <_> - 8 9 6 5 -1. - <_> - 10 11 2 5 3. - 1 - <_> - - <_> - 15 8 6 2 -1. - <_> - 15 8 3 2 2. - <_> - - <_> - 1 17 1 3 -1. - <_> - 1 18 1 1 3. - <_> - - <_> - 18 17 3 1 -1. - <_> - 19 17 1 1 3. - <_> - - <_> - 1 17 3 1 -1. - <_> - 2 17 1 1 3. - <_> - - <_> - 20 17 1 3 -1. - <_> - 20 18 1 1 3. - <_> - - <_> - 1 17 1 3 -1. - <_> - 1 18 1 1 3. - <_> - - <_> - 18 17 3 1 -1. - <_> - 19 17 1 1 3. - <_> - - <_> - 1 8 6 2 -1. - <_> - 4 8 3 2 2. - <_> - - <_> - 18 17 3 1 -1. - <_> - 19 17 1 1 3. - <_> - - <_> - 9 1 4 9 -1. - <_> - 10 1 2 9 2. - <_> - - <_> - 18 17 3 1 -1. - <_> - 19 17 1 1 3. - <_> - - <_> - 1 17 3 1 -1. - <_> - 2 17 1 1 3. - <_> - - <_> - 15 15 2 1 -1. - <_> - 15 15 1 1 2. - 1 - <_> - - <_> - 3 8 6 9 -1. - <_> - 3 11 6 3 3. - <_> - - <_> - 7 8 12 4 -1. - <_> - 13 8 6 2 2. - <_> - 7 10 6 2 2. - <_> - - <_> - 3 6 14 8 -1. - <_> - 3 6 7 4 2. - <_> - 10 10 7 4 2. - <_> - - <_> - 12 1 2 2 -1. - <_> - 13 1 1 1 2. - <_> - 12 2 1 1 2. - <_> - - <_> - 6 4 1 2 -1. - <_> - 6 5 1 1 2. - <_> - - <_> - 15 15 2 1 -1. - <_> - 15 15 1 1 2. - 1 - <_> - - <_> - 11 1 5 2 -1. - <_> - 11 1 5 1 2. - 1 - <_> - - <_> - 11 7 1 6 -1. - <_> - 11 10 1 3 2. - <_> - - <_> - 7 15 1 2 -1. - <_> - 7 15 1 1 2. - 1 - <_> - - <_> - 12 1 2 2 -1. - <_> - 13 1 1 1 2. - <_> - 12 2 1 1 2. - <_> - - <_> - 8 1 2 2 -1. - <_> - 8 1 1 1 2. - <_> - 9 2 1 1 2. - <_> - - <_> - 12 2 1 4 -1. - <_> - 11 3 1 2 2. - 1 - <_> - - <_> - 10 0 2 4 -1. - <_> - 10 0 1 2 2. - <_> - 11 2 1 2 2. - <_> - - <_> - 8 5 6 2 -1. - <_> - 8 5 3 2 2. - <_> - - <_> - 9 7 4 6 -1. - <_> - 9 7 2 3 2. - <_> - 11 10 2 3 2. - <_> - - <_> - 14 5 6 6 -1. - <_> - 16 7 2 6 3. - 1 - <_> - - <_> - 8 5 6 6 -1. - <_> - 6 7 6 2 3. - 1 - <_> - - <_> - 4 5 17 3 -1. - <_> - 4 6 17 1 3. - <_> - - <_> - 8 9 1 2 -1. - <_> - 8 10 1 1 2. - <_> - - <_> - 12 5 3 5 -1. - <_> - 13 5 1 5 3. - <_> - - <_> - 8 12 4 1 -1. - <_> - 9 12 2 1 2. - <_> - - <_> - 15 6 1 2 -1. - <_> - 15 7 1 1 2. - <_> - - <_> - 9 4 2 3 -1. - <_> - 9 5 2 1 3. - <_> - - <_> - 14 0 2 12 -1. - <_> - 14 6 2 6 2. - <_> - - <_> - 10 5 2 4 -1. - <_> - 10 6 2 2 2. - <_> - - <_> - 10 4 3 6 -1. - <_> - 11 6 1 2 9. - <_> - - <_> - 6 5 3 1 -1. - <_> - 7 5 1 1 3. - <_> - - <_> - 13 0 2 8 -1. - <_> - 14 0 1 4 2. - <_> - 13 4 1 4 2. - <_> - - <_> - 7 0 2 8 -1. - <_> - 7 0 1 4 2. - <_> - 8 4 1 4 2. - <_> - - <_> - 15 6 1 2 -1. - <_> - 15 7 1 1 2. - <_> - - <_> - 6 6 1 2 -1. - <_> - 6 7 1 1 2. - <_> - - <_> - 15 6 1 3 -1. - <_> - 15 7 1 1 3. - <_> - - <_> - 6 6 1 3 -1. - <_> - 6 7 1 1 3. - <_> - - <_> - 13 0 2 2 -1. - <_> - 13 0 1 2 2. - 1 - <_> - - <_> - 10 2 4 1 -1. - <_> - 11 3 2 1 2. - 1 - <_> - - <_> - 13 0 2 2 -1. - <_> - 13 0 1 2 2. - 1 - <_> - - <_> - 2 10 1 3 -1. - <_> - 2 11 1 1 3. - <_> - - <_> - 18 17 1 2 -1. - <_> - 18 18 1 1 2. - <_> - - <_> - 8 11 2 2 -1. - <_> - 8 11 1 1 2. - <_> - 9 12 1 1 2. - <_> - - <_> - 18 17 1 2 -1. - <_> - 18 18 1 1 2. - <_> - - <_> - 5 17 2 2 -1. - <_> - 5 17 1 1 2. - <_> - 6 18 1 1 2. - <_> - - <_> - 11 4 4 9 -1. - <_> - 11 4 2 9 2. - 1 - <_> - - <_> - 3 17 1 2 -1. - <_> - 3 18 1 1 2. - <_> - - <_> - 9 11 12 2 -1. - <_> - 9 12 12 1 2. - <_> - - <_> - 11 4 9 4 -1. - <_> - 11 4 9 2 2. - 1 - <_> - - <_> - 18 16 1 4 -1. - <_> - 18 18 1 2 2. - <_> - - <_> - 9 7 2 4 -1. - <_> - 9 7 1 2 2. - <_> - 10 9 1 2 2. - <_> - - <_> - 8 6 9 4 -1. - <_> - 8 8 9 2 2. - <_> - - <_> - 10 8 1 3 -1. - <_> - 10 9 1 1 3. - <_> - - <_> - 10 5 3 6 -1. - <_> - 10 7 3 2 3. - <_> - - <_> - 0 7 14 2 -1. - <_> - 0 7 7 1 2. - <_> - 7 8 7 1 2. - <_> - - <_> - 12 9 1 2 -1. - <_> - 12 9 1 1 2. - 1 - <_> - - <_> - 10 9 2 1 -1. - <_> - 10 9 1 1 2. - 1 - <_> - - <_> - 8 0 12 4 -1. - <_> - 14 0 6 2 2. - <_> - 8 2 6 2 2. - <_> - - <_> - 9 0 2 2 -1. - <_> - 9 0 2 1 2. - 1 - <_> - - <_> - 11 0 3 2 -1. - <_> - 12 1 1 2 3. - 1 - <_> - - <_> - 2 17 2 2 -1. - <_> - 2 18 2 1 2. - <_> - - <_> - 20 18 2 1 -1. - <_> - 20 18 1 1 2. - <_> - - <_> - 10 9 5 3 -1. - <_> - 9 10 5 1 3. - 1 - <_> - - <_> - 11 1 8 19 -1. - <_> - 13 1 4 19 2. - <_> - - <_> - 0 18 2 1 -1. - <_> - 1 18 1 1 2. - <_> - - <_> - 16 16 6 4 -1. - <_> - 18 16 2 4 3. - <_> - - <_> - 6 9 2 6 -1. - <_> - 6 9 2 3 2. - 1 - <_> - - <_> - 16 16 6 4 -1. - <_> - 18 16 2 4 3. - <_> - - <_> - 0 16 6 4 -1. - <_> - 2 16 2 4 3. - <_> - - <_> - 21 17 1 3 -1. - <_> - 21 18 1 1 3. - <_> - - <_> - 2 12 6 8 -1. - <_> - 2 12 3 4 2. - <_> - 5 16 3 4 2. - <_> - - <_> - 21 17 1 3 -1. - <_> - 21 18 1 1 3. - <_> - - <_> - 0 17 1 3 -1. - <_> - 0 18 1 1 3. - <_> - - <_> - 16 0 6 4 -1. - <_> - 15 1 6 2 2. - 1 - <_> - - <_> - 5 6 12 9 -1. - <_> - 9 9 4 3 9. - <_> - - <_> - 11 11 3 1 -1. - <_> - 12 11 1 1 3. - <_> - - <_> - 8 11 3 1 -1. - <_> - 9 11 1 1 3. - <_> - - <_> - 14 8 4 1 -1. - <_> - 15 8 2 1 2. - <_> - - <_> - 8 3 1 3 -1. - <_> - 8 4 1 1 3. - <_> - - <_> - 11 6 3 3 -1. - <_> - 12 7 1 1 9. - <_> - - <_> - 7 1 3 1 -1. - <_> - 8 2 1 1 3. - 1 - <_> - - <_> - 13 0 2 16 -1. - <_> - 13 0 1 16 2. - <_> - - <_> - 7 0 2 16 -1. - <_> - 8 0 1 16 2. - <_> - - <_> - 14 0 7 3 -1. - <_> - 13 1 7 1 3. - 1 - <_> - - <_> - 6 4 3 2 -1. - <_> - 6 5 3 1 2. - <_> - - <_> - 15 0 1 12 -1. - <_> - 15 6 1 6 2. - <_> - - <_> - 2 2 18 6 -1. - <_> - 2 2 9 3 2. - <_> - 11 5 9 3 2. - <_> - - <_> - 11 12 4 3 -1. - <_> - 11 12 2 3 2. - <_> - - <_> - 1 5 9 15 -1. - <_> - 4 10 3 5 9. - <_> - - <_> - 11 6 8 3 -1. - <_> - 10 7 8 1 3. - 1 - <_> - - <_> - 11 6 3 8 -1. - <_> - 12 7 1 8 3. - 1 - <_> - - <_> - 12 15 9 3 -1. - <_> - 12 16 9 1 3. - <_> - - <_> - 9 6 3 6 -1. - <_> - 9 8 3 2 3. - <_> - - <_> - 13 2 3 11 -1. - <_> - 14 3 1 11 3. - 1 - <_> - - <_> - 9 2 11 3 -1. - <_> - 8 3 11 1 3. - 1 - <_> - - <_> - 10 4 3 1 -1. - <_> - 11 4 1 1 3. - <_> - - <_> - 2 3 6 2 -1. - <_> - 2 3 3 1 2. - <_> - 5 4 3 1 2. - <_> - - <_> - 2 19 20 1 -1. - <_> - 7 19 10 1 2. - <_> - - <_> - 6 3 1 2 -1. - <_> - 6 4 1 1 2. - <_> - - <_> - 12 5 3 5 -1. - <_> - 13 5 1 5 3. - <_> - - <_> - 7 14 1 2 -1. - <_> - 7 14 1 1 2. - 1 - <_> - - <_> - 5 13 12 7 -1. - <_> - 5 13 6 7 2. - <_> - - <_> - 6 13 2 4 -1. - <_> - 6 13 1 2 2. - <_> - 7 15 1 2 2. - <_> - - <_> - 10 9 5 8 -1. - <_> - 10 11 5 4 2. - <_> - - <_> - 7 5 3 5 -1. - <_> - 8 5 1 5 3. - <_> - - <_> - 9 1 4 1 -1. - <_> - 10 1 2 1 2. - <_> - - <_> - 6 5 3 1 -1. - <_> - 7 5 1 1 3. - <_> - - <_> - 5 1 16 6 -1. - <_> - 13 1 8 3 2. - <_> - 5 4 8 3 2. - <_> - - <_> - 1 1 16 6 -1. - <_> - 1 1 8 3 2. - <_> - 9 4 8 3 2. - <_> - - <_> - 14 4 4 8 -1. - <_> - 15 4 2 8 2. - <_> - - <_> - 4 4 4 8 -1. - <_> - 5 4 2 8 2. - <_> - - <_> - 12 0 4 13 -1. - <_> - 13 0 2 13 2. - <_> - - <_> - 8 13 3 3 -1. - <_> - 9 14 1 1 9. - <_> - - <_> - 15 12 2 1 -1. - <_> - 15 12 1 1 2. - 1 - <_> - - <_> - 6 0 4 20 -1. - <_> - 7 0 2 20 2. - <_> - - <_> - 5 5 15 15 -1. - <_> - 5 10 15 5 3. - <_> - - <_> - 7 9 5 8 -1. - <_> - 7 11 5 4 2. - <_> - - <_> - 10 9 12 3 -1. - <_> - 10 9 6 3 2. - <_> - - <_> - 11 3 6 4 -1. - <_> - 10 4 6 2 2. - 1 - <_> - - <_> - 9 3 4 4 -1. - <_> - 9 5 4 2 2. - <_> - - <_> - 7 12 1 2 -1. - <_> - 7 12 1 1 2. - 1 - <_> - - <_> - 14 9 3 10 -1. - <_> - 14 14 3 5 2. - <_> - - <_> - 9 6 3 9 -1. - <_> - 10 9 1 3 9. - <_> - - <_> - 1 13 20 6 -1. - <_> - 1 16 20 3 2. - <_> - - <_> - 5 9 3 10 -1. - <_> - 5 14 3 5 2. - <_> - - <_> - 14 1 3 6 -1. - <_> - 15 2 1 6 3. - 1 - <_> - - <_> - 8 1 6 3 -1. - <_> - 7 2 6 1 3. - 1 - <_> - - <_> - 11 6 3 3 -1. - <_> - 12 7 1 1 9. - <_> - - <_> - 3 9 8 1 -1. - <_> - 3 9 4 1 2. - 1 - <_> - - <_> - 10 9 12 3 -1. - <_> - 10 9 6 3 2. - <_> - - <_> - 0 9 12 3 -1. - <_> - 6 9 6 3 2. - <_> - - <_> - 18 17 1 3 -1. - <_> - 18 18 1 1 3. - <_> - - <_> - 9 6 1 3 -1. - <_> - 9 7 1 1 3. - <_> - - <_> - 10 4 3 6 -1. - <_> - 11 6 1 2 9. - <_> - - <_> - 3 8 9 12 -1. - <_> - 3 14 9 6 2. - <_> - - <_> - 15 6 3 6 -1. - <_> - 16 7 1 6 3. - 1 - <_> - - <_> - 8 9 6 2 -1. - <_> - 8 9 3 1 2. - <_> - 11 10 3 1 2. - <_> - - <_> - 14 0 2 2 -1. - <_> - 14 0 1 2 2. - 1 - <_> - - <_> - 10 6 2 4 -1. - <_> - 11 6 1 4 2. - <_> - - <_> - 11 6 2 6 -1. - <_> - 11 6 2 3 2. - 1 - <_> - - <_> - 6 4 6 9 -1. - <_> - 8 7 2 3 9. - <_> - - <_> - 8 7 6 8 -1. - <_> - 8 7 3 8 2. - <_> - - <_> - 10 15 2 2 -1. - <_> - 11 15 1 2 2. - <_> - - <_> - 15 6 3 6 -1. - <_> - 16 7 1 6 3. - 1 - <_> - - <_> - 7 6 6 3 -1. - <_> - 6 7 6 1 3. - 1 - <_> - - <_> - 11 3 2 2 -1. - <_> - 12 3 1 1 2. - <_> - 11 4 1 1 2. - <_> - - <_> - 2 12 7 4 -1. - <_> - 2 13 7 2 2. - <_> - - <_> - 11 7 10 10 -1. - <_> - 16 7 5 5 2. - <_> - 11 12 5 5 2. - <_> - - <_> - 1 13 3 3 -1. - <_> - 2 14 1 1 9. - <_> - - <_> - 13 9 1 3 -1. - <_> - 13 10 1 1 3. - <_> - - <_> - 0 12 3 2 -1. - <_> - 1 12 1 2 3. - <_> - - <_> - 14 0 2 14 -1. - <_> - 14 7 2 7 2. - <_> - - <_> - 6 0 2 14 -1. - <_> - 6 7 2 7 2. - <_> - - <_> - 6 0 11 2 -1. - <_> - 6 1 11 1 2. - <_> - - <_> - 7 3 7 6 -1. - <_> - 7 5 7 2 3. - <_> - - <_> - 13 8 3 1 -1. - <_> - 14 8 1 1 3. - <_> - - <_> - 8 9 1 3 -1. - <_> - 8 10 1 1 3. - <_> - - <_> - 13 8 3 1 -1. - <_> - 14 8 1 1 3. - <_> - - <_> - 0 0 22 14 -1. - <_> - 11 0 11 14 2. - <_> - - <_> - 17 9 3 6 -1. - <_> - 18 9 1 6 3. - <_> - - <_> - 2 9 3 6 -1. - <_> - 3 9 1 6 3. - <_> - - <_> - 16 8 6 4 -1. - <_> - 15 9 6 2 2. - 1 - <_> - - <_> - 1 14 4 6 -1. - <_> - 2 14 2 6 2. - <_> - - <_> - 18 16 3 3 -1. - <_> - 19 17 1 1 9. - <_> - - <_> - 1 16 3 3 -1. - <_> - 2 17 1 1 9. - <_> - - <_> - 18 17 1 3 -1. - <_> - 18 18 1 1 3. - <_> - - <_> - 1 2 3 1 -1. - <_> - 2 2 1 1 3. - <_> - - <_> - 20 3 2 2 -1. - <_> - 21 3 1 1 2. - <_> - 20 4 1 1 2. - <_> - - <_> - 8 17 6 2 -1. - <_> - 11 17 3 2 2. - <_> - - <_> - 20 6 2 12 -1. - <_> - 20 6 2 6 2. - 1 - <_> - - <_> - 2 6 12 2 -1. - <_> - 2 6 6 2 2. - 1 - <_> - - <_> - 18 12 1 2 -1. - <_> - 18 13 1 1 2. - <_> - - <_> - 3 12 1 2 -1. - <_> - 3 13 1 1 2. - <_> - - <_> - 16 8 6 4 -1. - <_> - 15 9 6 2 2. - 1 - <_> - - <_> - 3 15 1 2 -1. - <_> - 3 16 1 1 2. - <_> - - <_> - 14 0 2 2 -1. - <_> - 14 0 1 2 2. - 1 - <_> - - <_> - 1 10 7 3 -1. - <_> - 1 11 7 1 3. - <_> - - <_> - 14 8 4 6 -1. - <_> - 14 10 4 2 3. - <_> - - <_> - 2 14 11 3 -1. - <_> - 2 15 11 1 3. - <_> - - <_> - 11 13 3 3 -1. - <_> - 12 14 1 1 9. - <_> - - <_> - 6 14 1 3 -1. - <_> - 6 15 1 1 3. - <_> - - <_> - 16 8 6 4 -1. - <_> - 15 9 6 2 2. - 1 - <_> - - <_> - 10 1 10 4 -1. - <_> - 9 2 10 2 2. - 1 - <_> - - <_> - 13 4 2 1 -1. - <_> - 13 4 1 1 2. - 1 - <_> - - <_> - 9 4 1 2 -1. - <_> - 9 4 1 1 2. - 1 - <_> - - <_> - 13 3 3 6 -1. - <_> - 14 3 1 6 3. - <_> - - <_> - 6 3 3 6 -1. - <_> - 7 3 1 6 3. - <_> - - <_> - 11 3 2 9 -1. - <_> - 8 6 2 3 3. - 1 - <_> - - <_> - 11 3 9 2 -1. - <_> - 14 6 3 2 3. - 1 - <_> - - <_> - 12 5 1 9 -1. - <_> - 9 8 1 3 3. - 1 - <_> - - <_> - 10 5 9 1 -1. - <_> - 13 8 3 1 3. - 1 - <_> - - <_> - 6 6 12 8 -1. - <_> - 6 8 12 4 2. - <_> - - <_> - 7 6 3 6 -1. - <_> - 7 8 3 2 3. - <_> - - <_> - 11 13 3 3 -1. - <_> - 12 14 1 1 9. - <_> - - <_> - 0 3 2 2 -1. - <_> - 0 3 1 1 2. - <_> - 1 4 1 1 2. - <_> - - <_> - 11 13 3 3 -1. - <_> - 12 14 1 1 9. - <_> - - <_> - 11 4 2 2 -1. - <_> - 11 4 2 1 2. - 1 - <_> - - <_> - 9 0 12 6 -1. - <_> - 15 0 6 3 2. - <_> - 9 3 6 3 2. - <_> - - <_> - 11 4 3 3 -1. - <_> - 10 5 3 1 3. - 1 - <_> - - <_> - 11 13 3 3 -1. - <_> - 12 14 1 1 9. - <_> - - <_> - 8 13 3 3 -1. - <_> - 9 14 1 1 9. - <_> - - <_> - 12 5 3 6 -1. - <_> - 13 6 1 6 3. - 1 - <_> - - <_> - 10 5 6 3 -1. - <_> - 9 6 6 1 3. - 1 - <_> - - <_> - 6 0 16 2 -1. - <_> - 6 1 16 1 2. - <_> - - <_> - 5 0 11 2 -1. - <_> - 5 1 11 1 2. - <_> - - <_> - 16 3 2 9 -1. - <_> - 16 3 1 9 2. - 1 - <_> - - <_> - 6 3 5 2 -1. - <_> - 6 3 5 1 2. - 1 - <_> - - <_> - 13 0 7 3 -1. - <_> - 12 1 7 1 3. - 1 - <_> - - <_> - 3 6 2 1 -1. - <_> - 4 6 1 1 2. - <_> - - <_> - 9 4 4 3 -1. - <_> - 9 5 4 1 3. - <_> - - <_> - 10 4 2 3 -1. - <_> - 10 5 2 1 3. - <_> - - <_> - 11 4 1 4 -1. - <_> - 11 5 1 2 2. - <_> - - <_> - 10 9 2 1 -1. - <_> - 11 9 1 1 2. - <_> - - <_> - 11 3 1 6 -1. - <_> - 9 5 1 2 3. - 1 - <_> - - <_> - 11 3 6 1 -1. - <_> - 13 5 2 1 3. - 1 - <_> - - <_> - 17 15 2 2 -1. - <_> - 18 15 1 1 2. - <_> - 17 16 1 1 2. - <_> - - <_> - 3 15 2 2 -1. - <_> - 3 15 1 1 2. - <_> - 4 16 1 1 2. - <_> - - <_> - 4 7 18 12 -1. - <_> - 4 7 9 12 2. - <_> - - <_> - 0 7 18 12 -1. - <_> - 9 7 9 12 2. - <_> - - <_> - 8 0 14 19 -1. - <_> - 8 0 7 19 2. - <_> - - <_> - 10 0 3 4 -1. - <_> - 11 1 1 4 3. - 1 - <_> - - <_> - 9 5 4 3 -1. - <_> - 9 6 4 1 3. - <_> - - <_> - 2 17 6 2 -1. - <_> - 2 18 6 1 2. - <_> - - <_> - 11 8 3 2 -1. - <_> - 12 8 1 2 3. - <_> - - <_> - 7 6 6 3 -1. - <_> - 7 7 6 1 3. - <_> - - <_> - 10 5 2 6 -1. - <_> - 10 8 2 3 2. - <_> - - <_> - 8 5 6 4 -1. - <_> - 8 7 6 2 2. - <_> - - <_> - 13 15 5 2 -1. - <_> - 13 16 5 1 2. - <_> - - <_> - 1 4 20 15 -1. - <_> - 1 9 20 5 3. - <_> - - <_> - 5 2 12 9 -1. - <_> - 8 2 6 9 2. - <_> - - <_> - 10 0 2 4 -1. - <_> - 10 0 1 4 2. - 1 - <_> - - <_> - 19 6 1 12 -1. - <_> - 15 10 1 4 3. - 1 - <_> - - <_> - 2 0 4 2 -1. - <_> - 2 0 2 1 2. - <_> - 4 1 2 1 2. - <_> - - <_> - 3 0 16 20 -1. - <_> - 3 10 16 10 2. - <_> - - <_> - 10 4 4 1 -1. - <_> - 11 5 2 1 2. - 1 - <_> - - <_> - 12 0 10 8 -1. - <_> - 12 4 10 4 2. - <_> - - <_> - 1 1 7 18 -1. - <_> - 1 10 7 9 2. - <_> - - <_> - 16 0 3 10 -1. - <_> - 17 1 1 10 3. - 1 - <_> - - <_> - 6 0 10 3 -1. - <_> - 5 1 10 1 3. - 1 - <_> - - <_> - 11 8 3 2 -1. - <_> - 12 8 1 2 3. - <_> - - <_> - 9 7 2 1 -1. - <_> - 9 7 1 1 2. - 1 - <_> - - <_> - 9 2 4 8 -1. - <_> - 11 2 2 4 2. - <_> - 9 6 2 4 2. - <_> - - <_> - 9 5 2 4 -1. - <_> - 9 6 2 2 2. - <_> - - <_> - 11 4 3 2 -1. - <_> - 12 5 1 2 3. - 1 - <_> - - <_> - 9 2 4 6 -1. - <_> - 9 4 4 2 3. - <_> - - <_> - 10 5 4 8 -1. - <_> - 10 7 4 4 2. - <_> - - <_> - 9 4 4 6 -1. - <_> - 9 4 2 3 2. - <_> - 11 7 2 3 2. - <_> - - <_> - 12 6 3 2 -1. - <_> - 13 6 1 2 3. - <_> - - <_> - 8 6 6 4 -1. - <_> - 8 6 3 2 2. - <_> - 11 8 3 2 2. - <_> - - <_> - 9 1 4 6 -1. - <_> - 9 3 4 2 3. - <_> - - <_> - 8 7 2 4 -1. - <_> - 9 7 1 4 2. - <_> - - <_> - 12 6 2 4 -1. - <_> - 11 7 2 2 2. - 1 - <_> - - <_> - 9 9 2 1 -1. - <_> - 10 9 1 1 2. - <_> - - <_> - 16 0 4 2 -1. - <_> - 18 0 2 1 2. - <_> - 16 1 2 1 2. - <_> - - <_> - 8 8 2 8 -1. - <_> - 9 8 1 8 2. - <_> - - <_> - 11 2 5 9 -1. - <_> - 11 5 5 3 3. - <_> - - <_> - 9 3 3 4 -1. - <_> - 9 5 3 2 2. - <_> - - <_> - 11 1 1 10 -1. - <_> - 11 1 1 5 2. - 1 - <_> - - <_> - 11 1 10 1 -1. - <_> - 11 1 5 1 2. - 1 - <_> - - <_> - 3 7 18 9 -1. - <_> - 9 10 6 3 9. - <_> - - <_> - 10 12 1 4 -1. - <_> - 10 14 1 2 2. - <_> - - <_> - 13 14 1 2 -1. - <_> - 13 14 1 1 2. - 1 - <_> - - <_> - 8 15 2 1 -1. - <_> - 9 15 1 1 2. - <_> - - <_> - 12 8 2 10 -1. - <_> - 13 8 1 5 2. - <_> - 12 13 1 5 2. - <_> - - <_> - 11 5 4 2 -1. - <_> - 12 6 2 2 2. - 1 - <_> - - <_> - 14 10 2 8 -1. - <_> - 14 14 2 4 2. - <_> - - <_> - 6 3 7 9 -1. - <_> - 6 6 7 3 3. - <_> - - <_> - 10 3 3 1 -1. - <_> - 11 3 1 1 3. - <_> - - <_> - 9 6 4 2 -1. - <_> - 9 7 4 1 2. - <_> - - <_> - 12 6 1 3 -1. - <_> - 12 7 1 1 3. - <_> - - <_> - 1 6 1 2 -1. - <_> - 1 7 1 1 2. - <_> - - <_> - 20 6 1 2 -1. - <_> - 20 7 1 1 2. - <_> - - <_> - 11 11 6 1 -1. - <_> - 13 13 2 1 3. - 1 - <_> - - <_> - 20 6 1 2 -1. - <_> - 20 7 1 1 2. - <_> - - <_> - 8 8 2 10 -1. - <_> - 8 8 1 5 2. - <_> - 9 13 1 5 2. - <_> - - <_> - 20 6 1 2 -1. - <_> - 20 7 1 1 2. - <_> - - <_> - 1 6 1 2 -1. - <_> - 1 7 1 1 2. - <_> - - <_> - 16 18 6 2 -1. - <_> - 18 18 2 2 3. - <_> - - <_> - 4 7 6 3 -1. - <_> - 4 8 6 1 3. - <_> - - <_> - 15 17 1 3 -1. - <_> - 15 18 1 1 3. - <_> - - <_> - 1 4 2 10 -1. - <_> - 1 9 2 5 2. - <_> - - <_> - 14 1 4 8 -1. - <_> - 15 2 2 8 2. - 1 - <_> - - <_> - 8 7 6 2 -1. - <_> - 8 7 3 1 2. - <_> - 11 8 3 1 2. - <_> - - <_> - 2 5 18 9 -1. - <_> - 2 8 18 3 3. - <_> - - <_> - 8 9 2 4 -1. - <_> - 8 9 1 4 2. - 1 - <_> - - <_> - 10 8 12 6 -1. - <_> - 10 10 12 2 3. - <_> - - <_> - 0 8 12 6 -1. - <_> - 0 10 12 2 3. - <_> - - <_> - 9 6 4 4 -1. - <_> - 9 8 4 2 2. - <_> - - <_> - 9 7 1 2 -1. - <_> - 9 8 1 1 2. - <_> - - <_> - 12 7 1 3 -1. - <_> - 12 8 1 1 3. - <_> - - <_> - 9 7 1 3 -1. - <_> - 9 8 1 1 3. - <_> - - <_> - 15 17 1 3 -1. - <_> - 15 18 1 1 3. - <_> - - <_> - 9 7 2 6 -1. - <_> - 9 9 2 2 3. - <_> - - <_> - 17 6 2 4 -1. - <_> - 18 6 1 2 2. - <_> - 17 8 1 2 2. - <_> - - <_> - 1 17 3 1 -1. - <_> - 2 17 1 1 3. - <_> - - <_> - 16 18 6 2 -1. - <_> - 18 18 2 2 3. - <_> - - <_> - 6 17 1 3 -1. - <_> - 6 18 1 1 3. - <_> - - <_> - 16 18 6 2 -1. - <_> - 18 18 2 2 3. - <_> - - <_> - 0 18 6 2 -1. - <_> - 2 18 2 2 3. - <_> - - <_> - 17 6 2 4 -1. - <_> - 18 6 1 2 2. - <_> - 17 8 1 2 2. - <_> - - <_> - 3 6 2 4 -1. - <_> - 3 6 1 2 2. - <_> - 4 8 1 2 2. - <_> - - <_> - 14 18 5 2 -1. - <_> - 14 19 5 1 2. - <_> - - <_> - 8 10 4 2 -1. - <_> - 8 10 2 1 2. - <_> - 10 11 2 1 2. - <_> - - <_> - 11 10 2 2 -1. - <_> - 12 10 1 1 2. - <_> - 11 11 1 1 2. - <_> - - <_> - 8 9 5 2 -1. - <_> - 8 10 5 1 2. - <_> - - <_> - 6 9 10 2 -1. - <_> - 6 10 10 1 2. - <_> - - <_> - 8 10 3 7 -1. - <_> - 9 11 1 7 3. - 1 - <_> - - <_> - 16 15 1 2 -1. - <_> - 16 16 1 1 2. - <_> - - <_> - 9 1 2 12 -1. - <_> - 9 1 1 6 2. - <_> - 10 7 1 6 2. - <_> - - <_> - 14 7 1 3 -1. - <_> - 14 8 1 1 3. - <_> - - <_> - 10 1 1 2 -1. - <_> - 10 1 1 1 2. - 1 - <_> - - <_> - 13 3 3 2 -1. - <_> - 14 3 1 2 3. - <_> - - <_> - 8 0 6 4 -1. - <_> - 8 1 6 2 2. - <_> - - <_> - 8 0 6 4 -1. - <_> - 8 1 6 2 2. - <_> - - <_> - 9 0 2 2 -1. - <_> - 9 0 2 1 2. - 1 - <_> - - <_> - 6 0 16 2 -1. - <_> - 6 1 16 1 2. - <_> - - <_> - 4 5 6 6 -1. - <_> - 4 5 3 3 2. - <_> - 7 8 3 3 2. - <_> - - <_> - 13 8 2 4 -1. - <_> - 14 8 1 2 2. - <_> - 13 10 1 2 2. - <_> - - <_> - 8 4 1 3 -1. - <_> - 8 5 1 1 3. - <_> - - <_> - 13 8 2 4 -1. - <_> - 14 8 1 2 2. - <_> - 13 10 1 2 2. - <_> - - <_> - 5 15 1 2 -1. - <_> - 5 16 1 1 2. - <_> - - <_> - 7 7 8 8 -1. - <_> - 7 7 4 8 2. - <_> - - <_> - 10 4 2 6 -1. - <_> - 10 7 2 3 2. - <_> - - <_> - 7 5 8 6 -1. - <_> - 7 8 8 3 2. - <_> - - <_> - 7 7 1 3 -1. - <_> - 7 8 1 1 3. - <_> - - <_> - 11 7 2 1 -1. - <_> - 11 7 1 1 2. - 1 - <_> - - <_> - 7 13 4 3 -1. - <_> - 8 14 2 3 2. - 1 - <_> - - <_> - 15 0 2 2 -1. - <_> - 16 0 1 1 2. - <_> - 15 1 1 1 2. - <_> - - <_> - 6 9 3 3 -1. - <_> - 5 10 3 1 3. - 1 - <_> - - <_> - 14 5 3 1 -1. - <_> - 15 5 1 1 3. - <_> - - <_> - 4 0 18 1 -1. - <_> - 10 6 6 1 3. - 1 - <_> - - <_> - 7 5 10 12 -1. - <_> - 7 9 10 4 3. - <_> - - <_> - 6 8 3 1 -1. - <_> - 7 8 1 1 3. - <_> - - <_> - 13 1 3 9 -1. - <_> - 14 1 1 9 3. - <_> - - <_> - 6 7 2 1 -1. - <_> - 7 7 1 1 2. - <_> - - <_> - 14 7 1 3 -1. - <_> - 13 8 1 1 3. - 1 - <_> - - <_> - 9 14 2 1 -1. - <_> - 9 14 1 1 2. - 1 - <_> - - <_> - 11 14 2 2 -1. - <_> - 12 14 1 1 2. - <_> - 11 15 1 1 2. - <_> - - <_> - 9 14 2 2 -1. - <_> - 9 14 1 1 2. - <_> - 10 15 1 1 2. - <_> - - <_> - 14 7 1 3 -1. - <_> - 13 8 1 1 3. - 1 - <_> - - <_> - 7 13 1 2 -1. - <_> - 7 13 1 1 2. - 1 - <_> - - <_> - 13 8 2 4 -1. - <_> - 14 8 1 2 2. - <_> - 13 10 1 2 2. - <_> - - <_> - 1 9 7 8 -1. - <_> - 1 11 7 4 2. - <_> - - <_> - 20 15 1 4 -1. - <_> - 20 16 1 2 2. - <_> - - <_> - 3 7 3 12 -1. - <_> - 3 11 3 4 3. - <_> - - <_> - 20 15 1 4 -1. - <_> - 20 16 1 2 2. - <_> - - <_> - 1 15 1 4 -1. - <_> - 1 16 1 2 2. - <_> - - <_> - 13 8 2 4 -1. - <_> - 14 8 1 2 2. - <_> - 13 10 1 2 2. - <_> - - <_> - 8 7 3 1 -1. - <_> - 9 8 1 1 3. - 1 - <_> - - <_> - 16 7 5 12 -1. - <_> - 16 10 5 6 2. - <_> - - <_> - 5 12 3 2 -1. - <_> - 6 13 1 2 3. - 1 - <_> - - <_> - 15 6 4 2 -1. - <_> - 15 6 4 1 2. - 1 - <_> - - <_> - 9 5 3 2 -1. - <_> - 10 6 1 2 3. - 1 - <_> - - <_> - 13 8 2 4 -1. - <_> - 14 8 1 2 2. - <_> - 13 10 1 2 2. - <_> - - <_> - 7 8 2 4 -1. - <_> - 7 8 1 2 2. - <_> - 8 10 1 2 2. - <_> - - <_> - 12 2 3 6 -1. - <_> - 13 3 1 6 3. - 1 - <_> - - <_> - 10 2 6 3 -1. - <_> - 9 3 6 1 3. - 1 - <_> - - <_> - 13 11 3 1 -1. - <_> - 14 11 1 1 3. - <_> - - <_> - 6 17 1 3 -1. - <_> - 6 18 1 1 3. - <_> - - <_> - 12 1 1 3 -1. - <_> - 12 2 1 1 3. - <_> - - <_> - 9 1 1 3 -1. - <_> - 9 2 1 1 3. - <_> - - <_> - 15 6 4 2 -1. - <_> - 15 6 4 1 2. - 1 - <_> - - <_> - 7 6 2 4 -1. - <_> - 7 6 1 4 2. - 1 - <_> - - <_> - 9 2 4 4 -1. - <_> - 9 3 4 2 2. - <_> - - <_> - 7 2 2 2 -1. - <_> - 7 3 2 1 2. - <_> - - <_> - 13 4 3 3 -1. - <_> - 14 5 1 1 9. - <_> - - <_> - 6 4 3 3 -1. - <_> - 7 5 1 1 9. - <_> - - <_> - 16 10 2 1 -1. - <_> - 16 10 1 1 2. - <_> - - <_> - 4 10 2 1 -1. - <_> - 5 10 1 1 2. - <_> - - <_> - 17 13 1 3 -1. - <_> - 17 14 1 1 3. - <_> - - <_> - 4 13 1 3 -1. - <_> - 4 14 1 1 3. - <_> - - <_> - 12 12 10 3 -1. - <_> - 12 13 10 1 3. - <_> - - <_> - 0 12 10 3 -1. - <_> - 0 13 10 1 3. - <_> - - <_> - 12 4 3 5 -1. - <_> - 13 4 1 5 3. - <_> - - <_> - 7 4 3 5 -1. - <_> - 8 4 1 5 3. - <_> - - <_> - 12 2 3 1 -1. - <_> - 13 3 1 1 3. - 1 - <_> - - <_> - 8 4 6 2 -1. - <_> - 10 4 2 2 3. - <_> - - <_> - 9 1 4 8 -1. - <_> - 10 1 2 8 2. - <_> - - <_> - 8 0 6 5 -1. - <_> - 10 0 2 5 3. - <_> - - <_> - 12 4 2 1 -1. - <_> - 12 4 1 1 2. - <_> - - <_> - 7 0 3 11 -1. - <_> - 8 0 1 11 3. - <_> - - <_> - 13 11 3 1 -1. - <_> - 14 11 1 1 3. - <_> - - <_> - 10 3 2 2 -1. - <_> - 10 3 1 1 2. - <_> - 11 4 1 1 2. - <_> - - <_> - 13 11 3 1 -1. - <_> - 14 11 1 1 3. - <_> - - <_> - 7 6 3 6 -1. - <_> - 8 8 1 2 9. - <_> - - <_> - 12 8 2 2 -1. - <_> - 12 8 2 1 2. - 1 - <_> - - <_> - 10 8 2 2 -1. - <_> - 10 8 1 2 2. - 1 - <_> - - <_> - 10 4 4 12 -1. - <_> - 10 4 2 12 2. - <_> - - <_> - 8 2 6 12 -1. - <_> - 10 6 2 4 9. - <_> - - <_> - 8 7 8 12 -1. - <_> - 8 10 8 6 2. - <_> - - <_> - 0 10 14 2 -1. - <_> - 7 10 7 2 2. - <_> - - <_> - 10 1 3 3 -1. - <_> - 11 1 1 3 3. - <_> - - <_> - 10 0 2 1 -1. - <_> - 10 0 1 1 2. - 1 - <_> - - <_> - 17 0 2 2 -1. - <_> - 18 0 1 1 2. - <_> - 17 1 1 1 2. - <_> - - <_> - 8 7 3 3 -1. - <_> - 9 8 1 1 9. - <_> - - <_> - 10 4 2 6 -1. - <_> - 10 6 2 2 3. - <_> - - <_> - 7 12 8 2 -1. - <_> - 7 12 4 1 2. - <_> - 11 13 4 1 2. - <_> - - <_> - 8 0 9 2 -1. - <_> - 8 1 9 1 2. - <_> - - <_> - 6 2 16 1 -1. - <_> - 6 2 8 1 2. - 1 - <_> - - <_> - 12 10 3 2 -1. - <_> - 13 11 1 2 3. - 1 - <_> - - <_> - 10 10 2 3 -1. - <_> - 9 11 2 1 3. - 1 - <_> - - <_> - 11 11 3 2 -1. - <_> - 12 12 1 2 3. - 1 - <_> - - <_> - 11 11 2 3 -1. - <_> - 10 12 2 1 3. - 1 - <_> - - <_> - 15 0 2 2 -1. - <_> - 16 0 1 1 2. - <_> - 15 1 1 1 2. - <_> - - <_> - 7 13 4 2 -1. - <_> - 9 13 2 2 2. - <_> - - <_> - 8 0 12 3 -1. - <_> - 12 1 4 1 9. - <_> - - <_> - 8 13 2 1 -1. - <_> - 8 13 1 1 2. - 1 - <_> - - <_> - 17 0 2 2 -1. - <_> - 18 0 1 1 2. - <_> - 17 1 1 1 2. - <_> - - <_> - 3 0 2 2 -1. - <_> - 3 0 1 1 2. - <_> - 4 1 1 1 2. - <_> - - <_> - 8 8 6 2 -1. - <_> - 11 8 3 1 2. - <_> - 8 9 3 1 2. - <_> - - <_> - 9 5 4 4 -1. - <_> - 9 6 4 2 2. - <_> - - <_> - 17 0 4 4 -1. - <_> - 19 0 2 2 2. - <_> - 17 2 2 2 2. - <_> - - <_> - 10 2 1 3 -1. - <_> - 9 3 1 1 3. - 1 - <_> - - <_> - 12 0 9 15 -1. - <_> - 15 0 3 15 3. - <_> - - <_> - 1 0 9 15 -1. - <_> - 4 0 3 15 3. - <_> - - <_> - 16 2 3 10 -1. - <_> - 17 2 1 10 3. - <_> - - <_> - 3 2 3 10 -1. - <_> - 4 2 1 10 3. - <_> - - <_> - 18 1 1 4 -1. - <_> - 18 1 1 2 2. - 1 - <_> - - <_> - 2 8 3 2 -1. - <_> - 3 8 1 2 3. - <_> - - <_> - 14 18 4 1 -1. - <_> - 14 18 2 1 2. - <_> - - <_> - 5 10 12 8 -1. - <_> - 5 10 6 4 2. - <_> - 11 14 6 4 2. - <_> - - <_> - 13 6 1 6 -1. - <_> - 13 6 1 3 2. - 1 - <_> - - <_> - 9 6 6 1 -1. - <_> - 9 6 3 1 2. - 1 - <_> - - <_> - 15 3 1 6 -1. - <_> - 15 6 1 3 2. - <_> - - <_> - 6 3 1 6 -1. - <_> - 6 6 1 3 2. - <_> - - <_> - 17 0 4 4 -1. - <_> - 19 0 2 2 2. - <_> - 17 2 2 2 2. - <_> - - <_> - 7 7 2 2 -1. - <_> - 7 7 1 1 2. - <_> - 8 8 1 1 2. - <_> - - <_> - 17 0 4 4 -1. - <_> - 19 0 2 2 2. - <_> - 17 2 2 2 2. - <_> - - <_> - 1 0 4 4 -1. - <_> - 1 0 2 2 2. - <_> - 3 2 2 2 2. - <_> - - <_> - 13 2 3 1 -1. - <_> - 14 2 1 1 3. - <_> - - <_> - 2 13 15 2 -1. - <_> - 2 14 15 1 2. - <_> - - <_> - 14 8 1 4 -1. - <_> - 14 10 1 2 2. - <_> - - <_> - 7 8 1 4 -1. - <_> - 7 10 1 2 2. - <_> - - <_> - 15 6 2 3 -1. - <_> - 14 7 2 1 3. - 1 - <_> - - <_> - 7 6 3 2 -1. - <_> - 8 7 1 2 3. - 1 - <_> - - <_> - 20 0 1 2 -1. - <_> - 20 1 1 1 2. - <_> - - <_> - 9 4 12 4 -1. - <_> - 8 5 12 2 2. - 1 - <_> - - <_> - 9 7 4 8 -1. - <_> - 11 7 2 4 2. - <_> - 9 11 2 4 2. - <_> - - <_> - 8 6 3 3 -1. - <_> - 9 7 1 1 9. - <_> - - <_> - 13 6 1 3 -1. - <_> - 13 7 1 1 3. - <_> - - <_> - 7 8 3 12 -1. - <_> - 8 8 1 12 3. - <_> - - <_> - 16 16 3 3 -1. - <_> - 17 16 1 3 3. - <_> - - <_> - 3 0 16 18 -1. - <_> - 3 0 8 9 2. - <_> - 11 9 8 9 2. - <_> - - <_> - 19 7 1 3 -1. - <_> - 19 8 1 1 3. - <_> - - <_> - 8 6 1 3 -1. - <_> - 8 7 1 1 3. - <_> - - <_> - 19 7 1 3 -1. - <_> - 19 8 1 1 3. - <_> - - <_> - 2 7 1 3 -1. - <_> - 2 8 1 1 3. - <_> - - <_> - 10 1 2 1 -1. - <_> - 10 1 1 1 2. - <_> - - <_> - 7 1 2 4 -1. - <_> - 7 1 1 2 2. - <_> - 8 3 1 2 2. - <_> - - <_> - 13 2 2 2 -1. - <_> - 14 2 1 1 2. - <_> - 13 3 1 1 2. - <_> - - <_> - 6 5 1 2 -1. - <_> - 6 6 1 1 2. - <_> - - <_> - 13 2 2 2 -1. - <_> - 14 2 1 1 2. - <_> - 13 3 1 1 2. - <_> - - <_> - 7 2 2 2 -1. - <_> - 7 2 1 1 2. - <_> - 8 3 1 1 2. - <_> - - <_> - 6 14 16 4 -1. - <_> - 6 15 16 2 2. - <_> - - <_> - 0 11 3 3 -1. - <_> - 1 12 1 1 9. - <_> - - <_> - 11 4 1 9 -1. - <_> - 11 7 1 3 3. - <_> - - <_> - 1 0 1 2 -1. - <_> - 1 1 1 1 2. - <_> - - <_> - 16 0 1 2 -1. - <_> - 16 1 1 1 2. - <_> - - <_> - 6 5 1 2 -1. - <_> - 6 6 1 1 2. - <_> - - <_> - 13 0 8 12 -1. - <_> - 13 0 4 12 2. - 1 - <_> - - <_> - 9 0 12 8 -1. - <_> - 9 0 12 4 2. - 1 - <_> - - <_> - 14 1 4 4 -1. - <_> - 14 1 4 2 2. - 1 - <_> - - <_> - 5 0 1 2 -1. - <_> - 5 1 1 1 2. - <_> - - <_> - 13 2 3 1 -1. - <_> - 14 2 1 1 3. - <_> - - <_> - 5 0 1 3 -1. - <_> - 5 1 1 1 3. - <_> - - <_> - 13 2 3 1 -1. - <_> - 14 2 1 1 3. - <_> - - <_> - 6 2 3 1 -1. - <_> - 7 2 1 1 3. - <_> - - <_> - 14 0 3 1 -1. - <_> - 15 1 1 1 3. - 1 - <_> - - <_> - 8 0 1 3 -1. - <_> - 7 1 1 1 3. - 1 - <_> - - <_> - 14 11 8 6 -1. - <_> - 18 11 4 3 2. - <_> - 14 14 4 3 2. - <_> - - <_> - 7 0 3 2 -1. - <_> - 8 1 1 2 3. - 1 - <_> - - <_> - 8 7 6 5 -1. - <_> - 8 7 3 5 2. - <_> - - <_> - 9 9 3 6 -1. - <_> - 10 11 1 2 9. - <_> - - <_> - 10 10 2 2 -1. - <_> - 10 11 2 1 2. - <_> - - <_> - 8 10 6 2 -1. - <_> - 8 11 6 1 2. - <_> - - <_> - 9 8 4 8 -1. - <_> - 9 8 2 8 2. - <_> - - <_> - 2 9 15 6 -1. - <_> - 7 11 5 2 9. - <_> - - <_> - 1 7 21 3 -1. - <_> - 8 8 7 1 9. - <_> - - <_> - 8 1 4 4 -1. - <_> - 8 1 2 4 2. - 1 - <_> - - <_> - 17 0 1 8 -1. - <_> - 17 0 1 4 2. - 1 - <_> - - <_> - 2 4 1 3 -1. - <_> - 2 5 1 1 3. - <_> - - <_> - 13 7 1 4 -1. - <_> - 12 8 1 2 2. - 1 - <_> - - <_> - 9 7 4 1 -1. - <_> - 10 8 2 1 2. - 1 - <_> - - <_> - 11 7 3 3 -1. - <_> - 12 7 1 3 3. - <_> - - <_> - 8 7 3 3 -1. - <_> - 9 7 1 3 3. - <_> - - <_> - 13 6 2 6 -1. - <_> - 13 6 1 6 2. - 1 - <_> - - <_> - 10 7 2 1 -1. - <_> - 10 7 1 1 2. - 1 - <_> - - <_> - 9 10 5 6 -1. - <_> - 9 12 5 2 3. - <_> - - <_> - 10 10 2 3 -1. - <_> - 10 11 2 1 3. - <_> - - <_> - 10 13 3 3 -1. - <_> - 11 14 1 1 9. - <_> - - <_> - 9 13 3 3 -1. - <_> - 10 14 1 1 9. - <_> - - <_> - 11 5 2 5 -1. - <_> - 11 5 1 5 2. - <_> - - <_> - 8 3 6 10 -1. - <_> - 10 3 2 10 3. - <_> - - <_> - 3 14 16 3 -1. - <_> - 3 15 16 1 3. - <_> - - <_> - 9 7 2 2 -1. - <_> - 9 7 1 2 2. - 1 - <_> - - <_> - 14 10 4 9 -1. - <_> - 14 13 4 3 3. - <_> - - <_> - 10 12 2 4 -1. - <_> - 11 12 1 4 2. - <_> - - <_> - 15 2 4 10 -1. - <_> - 17 2 2 5 2. - <_> - 15 7 2 5 2. - <_> - - <_> - 5 10 6 4 -1. - <_> - 5 10 3 4 2. - 1 - <_> - - <_> - 14 3 3 16 -1. - <_> - 14 11 3 8 2. - <_> - - <_> - 8 5 1 3 -1. - <_> - 8 6 1 1 3. - <_> - - <_> - 14 3 3 16 -1. - <_> - 14 11 3 8 2. - <_> - - <_> - 5 3 3 16 -1. - <_> - 5 11 3 8 2. - <_> - - <_> - 15 7 3 8 -1. - <_> - 15 11 3 4 2. - <_> - - <_> - 3 2 4 10 -1. - <_> - 3 2 2 5 2. - <_> - 5 7 2 5 2. - <_> - - <_> - 11 5 3 3 -1. - <_> - 11 6 3 1 3. - <_> - - <_> - 10 8 2 10 -1. - <_> - 10 8 2 5 2. - 1 - <_> - - <_> - 10 8 2 4 -1. - <_> - 10 9 2 2 2. - <_> - - <_> - 8 11 3 4 -1. - <_> - 8 12 3 2 2. - <_> - - <_> - 10 8 3 6 -1. - <_> - 11 10 1 2 9. - <_> - - <_> - 9 8 3 6 -1. - <_> - 10 10 1 2 9. - <_> - - <_> - 12 12 6 2 -1. - <_> - 15 12 3 1 2. - <_> - 12 13 3 1 2. - <_> - - <_> - 0 8 8 12 -1. - <_> - 0 8 4 6 2. - <_> - 4 14 4 6 2. - <_> - - <_> - 16 10 4 8 -1. - <_> - 18 10 2 4 2. - <_> - 16 14 2 4 2. - <_> - - <_> - 11 4 4 4 -1. - <_> - 10 5 4 2 2. - 1 - <_> - - <_> - 12 4 10 4 -1. - <_> - 11 5 10 2 2. - 1 - <_> - - <_> - 11 7 6 2 -1. - <_> - 11 7 3 2 2. - 1 - <_> - - <_> - 9 19 6 1 -1. - <_> - 9 19 3 1 2. - <_> - - <_> - 3 11 10 8 -1. - <_> - 3 11 5 4 2. - <_> - 8 15 5 4 2. - <_> - - <_> - 18 15 1 2 -1. - <_> - 18 16 1 1 2. - <_> - - <_> - 10 9 3 1 -1. - <_> - 11 10 1 1 3. - 1 - <_> - - <_> - 12 13 2 2 -1. - <_> - 13 13 1 1 2. - <_> - 12 14 1 1 2. - <_> - - <_> - 8 13 2 2 -1. - <_> - 8 13 1 1 2. - <_> - 9 14 1 1 2. - <_> - - <_> - 5 1 14 2 -1. - <_> - 5 1 7 2 2. - <_> - - <_> - 6 8 4 1 -1. - <_> - 8 8 2 1 2. - <_> - - <_> - 12 5 2 2 -1. - <_> - 13 5 1 1 2. - <_> - 12 6 1 1 2. - <_> - - <_> - 4 1 4 1 -1. - <_> - 4 1 2 1 2. - 1 - <_> - - <_> - 12 6 2 6 -1. - <_> - 12 8 2 2 3. - <_> - - <_> - 8 9 6 4 -1. - <_> - 8 9 3 2 2. - <_> - 11 11 3 2 2. - <_> - - <_> - 5 7 12 3 -1. - <_> - 5 8 12 1 3. - <_> - - <_> - 5 0 3 3 -1. - <_> - 6 1 1 1 9. - <_> - - <_> - 19 8 2 2 -1. - <_> - 20 8 1 1 2. - <_> - 19 9 1 1 2. - <_> - - <_> - 9 1 3 3 -1. - <_> - 10 2 1 3 3. - 1 - <_> - - <_> - 11 18 1 2 -1. - <_> - 11 19 1 1 2. - <_> - - <_> - 9 1 4 6 -1. - <_> - 9 3 4 2 3. - <_> - - <_> - 9 4 4 3 -1. - <_> - 9 5 4 1 3. - <_> - - <_> - 9 8 4 1 -1. - <_> - 10 8 2 1 2. - <_> - - <_> - 6 1 16 11 -1. - <_> - 6 1 8 11 2. - <_> - - <_> - 2 15 1 3 -1. - <_> - 2 16 1 1 3. - <_> - - <_> - 8 6 6 4 -1. - <_> - 8 8 6 2 2. - <_> - - <_> - 10 14 2 2 -1. - <_> - 10 15 2 1 2. - <_> - - <_> - 17 6 3 4 -1. - <_> - 18 7 1 4 3. - 1 - <_> - - <_> - 8 5 6 6 -1. - <_> - 10 7 2 2 9. - <_> - - <_> - 13 3 2 6 -1. - <_> - 13 3 1 6 2. - <_> - - <_> - 7 3 2 6 -1. - <_> - 8 3 1 6 2. - <_> - - <_> - 10 16 2 2 -1. - <_> - 10 17 2 1 2. - <_> - - <_> - 4 8 4 10 -1. - <_> - 4 13 4 5 2. - <_> - - <_> - 10 13 12 6 -1. - <_> - 13 13 6 6 2. - <_> - - <_> - 6 0 8 3 -1. - <_> - 5 1 8 1 3. - 1 - <_> - - <_> - 16 0 2 4 -1. - <_> - 17 0 1 2 2. - <_> - 16 2 1 2 2. - <_> - - <_> - 9 10 2 2 -1. - <_> - 9 10 1 1 2. - <_> - 10 11 1 1 2. - <_> - - <_> - 11 10 2 2 -1. - <_> - 12 10 1 1 2. - <_> - 11 11 1 1 2. - <_> - - <_> - 4 0 2 4 -1. - <_> - 4 0 1 2 2. - <_> - 5 2 1 2 2. - <_> - - <_> - 11 10 2 2 -1. - <_> - 12 10 1 1 2. - <_> - 11 11 1 1 2. - <_> - - <_> - 9 10 2 2 -1. - <_> - 9 10 1 1 2. - <_> - 10 11 1 1 2. - <_> - - <_> - 18 17 1 3 -1. - <_> - 18 18 1 1 3. - <_> - - <_> - 3 17 1 3 -1. - <_> - 3 18 1 1 3. - <_> - - <_> - 13 6 2 1 -1. - <_> - 13 6 1 1 2. - <_> - - <_> - 0 0 14 4 -1. - <_> - 0 0 7 2 2. - <_> - 7 2 7 2 2. - <_> - - <_> - 13 3 2 3 -1. - <_> - 13 4 2 1 3. - <_> - - <_> - 6 3 8 3 -1. - <_> - 6 4 8 1 3. - <_> - - <_> - 13 1 3 3 -1. - <_> - 12 2 3 1 3. - 1 - <_> - - <_> - 9 1 3 3 -1. - <_> - 10 2 1 3 3. - 1 - <_> - - <_> - 11 0 9 6 -1. - <_> - 11 3 9 3 2. - <_> - - <_> - 7 6 2 1 -1. - <_> - 8 6 1 1 2. - <_> - - <_> - 5 6 12 3 -1. - <_> - 9 7 4 1 9. - <_> - - <_> - 11 3 7 2 -1. - <_> - 11 3 7 1 2. - 1 - <_> - - <_> - 12 6 1 3 -1. - <_> - 12 7 1 1 3. - <_> - - <_> - 3 18 3 2 -1. - <_> - 3 19 3 1 2. - <_> - - <_> - 17 12 1 8 -1. - <_> - 17 14 1 4 2. - <_> - - <_> - 4 18 8 2 -1. - <_> - 4 19 8 1 2. - <_> - - <_> - 13 16 9 2 -1. - <_> - 16 16 3 2 3. - <_> - - <_> - 0 16 9 2 -1. - <_> - 3 16 3 2 3. - <_> - - <_> - 6 3 10 2 -1. - <_> - 11 3 5 1 2. - <_> - 6 4 5 1 2. - <_> - - <_> - 0 16 6 4 -1. - <_> - 3 16 3 4 2. - <_> - - <_> - 20 13 1 6 -1. - <_> - 20 13 1 3 2. - 1 - <_> - - <_> - 2 13 6 1 -1. - <_> - 2 13 3 1 2. - 1 - <_> - - <_> - 21 12 1 2 -1. - <_> - 21 13 1 1 2. - <_> - - <_> - 1 0 18 10 -1. - <_> - 1 5 18 5 2. - <_> - - <_> - 16 0 2 4 -1. - <_> - 17 0 1 2 2. - <_> - 16 2 1 2 2. - <_> - - <_> - 9 7 1 2 -1. - <_> - 9 8 1 1 2. - <_> - - <_> - 12 4 1 4 -1. - <_> - 11 5 1 2 2. - 1 - <_> - - <_> - 11 3 11 3 -1. - <_> - 10 4 11 1 3. - 1 - <_> - - <_> - 11 7 1 6 -1. - <_> - 11 9 1 2 3. - <_> - - <_> - 10 7 1 6 -1. - <_> - 10 9 1 2 3. - <_> - - <_> - 14 10 1 3 -1. - <_> - 14 11 1 1 3. - <_> - - <_> - 7 2 3 12 -1. - <_> - 8 6 1 4 9. - <_> - - <_> - 12 9 3 2 -1. - <_> - 13 9 1 2 3. - <_> - - <_> - 7 9 3 2 -1. - <_> - 8 9 1 2 3. - <_> - - <_> - 9 0 4 4 -1. - <_> - 9 1 4 2 2. - <_> - - <_> - 10 4 1 4 -1. - <_> - 10 6 1 2 2. - <_> - - <_> - 10 1 4 10 -1. - <_> - 10 6 4 5 2. - <_> - - <_> - 10 7 5 2 -1. - <_> - 10 7 5 1 2. - 1 - <_> - - <_> - 10 6 2 6 -1. - <_> - 10 9 2 3 2. - <_> - - <_> - 9 2 4 6 -1. - <_> - 9 4 4 2 3. - <_> - - <_> - 6 2 12 2 -1. - <_> - 12 2 6 1 2. - <_> - 6 3 6 1 2. - <_> - - <_> - 4 2 12 2 -1. - <_> - 4 2 6 1 2. - <_> - 10 3 6 1 2. - <_> - - <_> - 14 10 1 3 -1. - <_> - 14 11 1 1 3. - <_> - - <_> - 9 0 3 6 -1. - <_> - 9 2 3 2 3. - <_> - - <_> - 10 0 2 1 -1. - <_> - 10 0 1 1 2. - <_> - - <_> - 7 10 1 3 -1. - <_> - 7 11 1 1 3. - <_> - - <_> - 12 3 3 3 -1. - <_> - 13 4 1 3 3. - 1 - <_> - - <_> - 10 3 3 3 -1. - <_> - 9 4 3 1 3. - 1 - <_> - - <_> - 9 9 6 3 -1. - <_> - 9 9 3 3 2. - <_> - - <_> - 6 4 10 6 -1. - <_> - 6 4 5 3 2. - <_> - 11 7 5 3 2. - <_> - - <_> - 10 0 2 2 -1. - <_> - 11 0 1 1 2. - <_> - 10 1 1 1 2. - <_> - - <_> - 11 1 4 3 -1. - <_> - 11 1 2 3 2. - 1 - <_> - - <_> - 6 1 10 7 -1. - <_> - 6 1 5 7 2. - <_> - - <_> - 0 12 1 2 -1. - <_> - 0 13 1 1 2. - <_> - - <_> - 14 1 3 14 -1. - <_> - 15 2 1 14 3. - 1 - <_> - - <_> - 10 8 1 3 -1. - <_> - 9 9 1 1 3. - 1 - <_> - - <_> - 12 4 3 5 -1. - <_> - 13 5 1 5 3. - 1 - <_> - - <_> - 10 4 5 3 -1. - <_> - 9 5 5 1 3. - 1 - <_> - - <_> - 14 4 3 6 -1. - <_> - 15 4 1 6 3. - <_> - - <_> - 8 1 14 3 -1. - <_> - 7 2 14 1 3. - 1 - <_> - - <_> - 17 4 2 3 -1. - <_> - 17 4 1 3 2. - <_> - - <_> - 0 5 9 2 -1. - <_> - 3 5 3 2 3. - <_> - - <_> - 13 6 3 2 -1. - <_> - 14 6 1 2 3. - <_> - - <_> - 5 4 2 5 -1. - <_> - 6 4 1 5 2. - <_> - - <_> - 13 8 3 4 -1. - <_> - 14 9 1 4 3. - 1 - <_> - - <_> - 9 8 4 3 -1. - <_> - 8 9 4 1 3. - 1 - <_> - - <_> - 11 6 2 4 -1. - <_> - 11 6 1 4 2. - 1 - <_> - - <_> - 6 6 3 2 -1. - <_> - 7 6 1 2 3. - <_> - - <_> - 11 5 1 8 -1. - <_> - 9 7 1 4 2. - 1 - <_> - - <_> - 11 5 8 1 -1. - <_> - 13 7 4 1 2. - 1 - <_> - - <_> - 18 9 4 10 -1. - <_> - 20 9 2 5 2. - <_> - 18 14 2 5 2. - <_> - - <_> - 5 4 4 2 -1. - <_> - 5 4 2 1 2. - <_> - 7 5 2 1 2. - <_> - - <_> - 18 9 4 10 -1. - <_> - 20 9 2 5 2. - <_> - 18 14 2 5 2. - <_> - - <_> - 8 5 3 1 -1. - <_> - 9 5 1 1 3. - <_> - - <_> - 12 6 1 2 -1. - <_> - 12 7 1 1 2. - <_> - - <_> - 11 4 3 3 -1. - <_> - 10 5 3 1 3. - 1 - <_> - - <_> - 11 5 2 3 -1. - <_> - 11 6 2 1 3. - <_> - - <_> - 4 0 8 18 -1. - <_> - 6 0 4 18 2. - <_> - - <_> - 8 0 12 1 -1. - <_> - 11 0 6 1 2. - <_> - - <_> - 9 4 3 2 -1. - <_> - 10 4 1 2 3. - <_> - - <_> - 11 4 3 4 -1. - <_> - 11 5 3 2 2. - <_> - - <_> - 5 5 10 3 -1. - <_> - 5 6 10 1 3. - <_> - - <_> - 11 5 2 3 -1. - <_> - 11 6 2 1 3. - <_> - - <_> - 1 5 3 2 -1. - <_> - 1 6 3 1 2. - <_> - - <_> - 8 6 6 3 -1. - <_> - 10 7 2 1 9. - <_> - - <_> - 7 2 6 13 -1. - <_> - 10 2 3 13 2. - <_> - - <_> - 2 3 20 9 -1. - <_> - 2 3 10 9 2. - <_> - - <_> - 9 6 2 2 -1. - <_> - 9 7 2 1 2. - <_> - - <_> - 11 4 2 6 -1. - <_> - 11 7 2 3 2. - <_> - - <_> - 9 0 2 2 -1. - <_> - 9 0 2 1 2. - 1 - <_> - - <_> - 10 1 6 1 -1. - <_> - 10 1 3 1 2. - <_> - - <_> - 1 7 18 9 -1. - <_> - 7 10 6 3 9. - <_> - - <_> - 16 8 6 6 -1. - <_> - 14 10 6 2 3. - 1 - <_> - - <_> - 8 1 8 8 -1. - <_> - 8 1 4 8 2. - 1 - <_> - - <_> - 11 7 8 12 -1. - <_> - 11 13 8 6 2. - <_> - - <_> - 2 0 16 12 -1. - <_> - 2 3 16 6 2. - <_> - - <_> - 8 2 10 9 -1. - <_> - 8 5 10 3 3. - <_> - - <_> - 10 4 4 5 -1. - <_> - 11 5 2 5 2. - 1 - <_> - - <_> - 11 0 4 5 -1. - <_> - 11 0 2 5 2. - 1 - <_> - - <_> - 11 0 5 4 -1. - <_> - 11 0 5 2 2. - 1 - <_> - - <_> - 15 8 7 4 -1. - <_> - 14 9 7 2 2. - 1 - <_> - - <_> - 10 0 9 6 -1. - <_> - 8 2 9 2 3. - 1 - <_> - - <_> - 5 4 15 9 -1. - <_> - 10 7 5 3 9. - <_> - - <_> - 9 5 2 3 -1. - <_> - 8 6 2 1 3. - 1 - <_> - - <_> - 7 1 12 18 -1. - <_> - 11 7 4 6 9. - <_> - - <_> - 10 4 4 10 -1. - <_> - 11 5 2 10 2. - 1 - <_> - - <_> - 7 1 12 18 -1. - <_> - 11 7 4 6 9. - <_> - - <_> - 3 1 12 18 -1. - <_> - 7 7 4 6 9. - <_> - - <_> - 15 11 2 2 -1. - <_> - 15 11 1 2 2. - 1 - <_> - - <_> - 7 11 2 2 -1. - <_> - 7 11 2 1 2. - 1 - <_> - - <_> - 13 9 2 2 -1. - <_> - 13 9 1 2 2. - 1 - <_> - - <_> - 9 9 2 2 -1. - <_> - 9 9 2 1 2. - 1 - <_> - - <_> - 10 7 6 6 -1. - <_> - 12 9 2 2 9. - <_> - - <_> - 6 3 6 12 -1. - <_> - 8 7 2 4 9. - <_> - - <_> - 8 0 12 10 -1. - <_> - 14 0 6 5 2. - <_> - 8 5 6 5 2. - <_> - - <_> - 9 5 2 4 -1. - <_> - 10 5 1 4 2. - <_> - - <_> - 11 0 8 2 -1. - <_> - 13 0 4 2 2. - <_> - - <_> - 0 11 6 4 -1. - <_> - 0 11 3 2 2. - <_> - 3 13 3 2 2. - <_> - - <_> - 8 5 6 3 -1. - <_> - 10 6 2 1 9. - <_> - - <_> - 4 1 6 6 -1. - <_> - 4 1 3 3 2. - <_> - 7 4 3 3 2. - <_> - - <_> - 14 0 2 3 -1. - <_> - 13 1 2 1 3. - 1 - <_> - - <_> - 2 0 12 1 -1. - <_> - 5 0 6 1 2. - <_> - - <_> - 12 0 6 4 -1. - <_> - 12 0 3 4 2. - 1 - <_> - - <_> - 3 6 11 8 -1. - <_> - 3 8 11 4 2. - <_> - - <_> - 20 12 1 2 -1. - <_> - 20 13 1 1 2. - <_> - - <_> - 1 12 1 2 -1. - <_> - 1 13 1 1 2. - <_> - - <_> - 20 12 2 2 -1. - <_> - 20 13 2 1 2. - <_> - - <_> - 8 10 2 2 -1. - <_> - 8 10 1 1 2. - <_> - 9 11 1 1 2. - <_> - - <_> - 12 11 3 3 -1. - <_> - 13 12 1 1 9. - <_> - - <_> - 7 11 3 3 -1. - <_> - 8 12 1 1 9. - <_> - - <_> - 20 12 2 2 -1. - <_> - 20 13 2 1 2. - <_> - - <_> - 0 12 2 2 -1. - <_> - 0 13 2 1 2. - <_> - - <_> - 12 5 4 8 -1. - <_> - 13 5 2 8 2. - <_> - - <_> - 6 5 4 8 -1. - <_> - 7 5 2 8 2. - <_> - - <_> - 8 11 6 7 -1. - <_> - 10 11 2 7 3. - <_> - - <_> - 10 7 1 6 -1. - <_> - 10 10 1 3 2. - <_> - - <_> - 11 0 4 20 -1. - <_> - 11 0 2 20 2. - <_> - - <_> - 4 0 5 16 -1. - <_> - 4 4 5 8 2. - <_> - - <_> - 19 0 2 14 -1. - <_> - 19 7 2 7 2. - <_> - - <_> - 10 10 2 3 -1. - <_> - 10 11 2 1 3. - <_> - - <_> - 11 11 1 4 -1. - <_> - 11 12 1 2 2. - <_> - - <_> - 8 9 6 4 -1. - <_> - 8 9 3 2 2. - <_> - 11 11 3 2 2. - <_> - - <_> - 14 0 2 3 -1. - <_> - 13 1 2 1 3. - 1 - <_> - - <_> - 8 0 3 2 -1. - <_> - 9 1 1 2 3. - 1 - <_> - - <_> - 18 0 2 4 -1. - <_> - 18 0 2 2 2. - 1 - <_> - - <_> - 4 0 4 2 -1. - <_> - 4 0 2 2 2. - 1 - <_> - - <_> - 8 9 6 2 -1. - <_> - 8 10 6 1 2. - <_> - - <_> - 7 6 3 6 -1. - <_> - 7 8 3 2 3. - <_> - - <_> - 13 7 1 4 -1. - <_> - 13 8 1 2 2. - <_> - - <_> - 0 12 16 6 -1. - <_> - 8 12 8 6 2. - <_> - - <_> - 5 16 12 3 -1. - <_> - 5 16 6 3 2. - <_> - - <_> - 0 14 12 6 -1. - <_> - 6 14 6 6 2. - <_> - - <_> - 18 15 1 4 -1. - <_> - 18 16 1 2 2. - <_> - - <_> - 3 5 2 3 -1. - <_> - 4 5 1 3 2. - <_> - - <_> - 6 1 14 2 -1. - <_> - 6 2 14 1 2. - <_> - - <_> - 3 15 1 4 -1. - <_> - 3 16 1 2 2. - <_> - - <_> - 14 0 6 2 -1. - <_> - 14 0 6 1 2. - 1 - <_> - - <_> - 8 0 2 6 -1. - <_> - 8 0 1 6 2. - 1 - <_> - - <_> - 16 13 2 2 -1. - <_> - 17 13 1 1 2. - <_> - 16 14 1 1 2. - <_> - - <_> - 6 1 10 2 -1. - <_> - 6 1 5 1 2. - <_> - 11 2 5 1 2. - <_> - - <_> - 16 13 2 2 -1. - <_> - 17 13 1 1 2. - <_> - 16 14 1 1 2. - <_> - - <_> - 4 13 2 2 -1. - <_> - 4 13 1 1 2. - <_> - 5 14 1 1 2. - <_> - - <_> - 16 13 2 2 -1. - <_> - 17 13 1 1 2. - <_> - 16 14 1 1 2. - <_> - - <_> - 4 13 2 2 -1. - <_> - 4 13 1 1 2. - <_> - 5 14 1 1 2. - <_> - - <_> - 14 10 3 1 -1. - <_> - 15 11 1 1 3. - 1 - <_> - - <_> - 8 10 1 3 -1. - <_> - 7 11 1 1 3. - 1 - <_> - - <_> - 13 8 7 9 -1. - <_> - 13 11 7 3 3. - <_> - - <_> - 2 8 7 9 -1. - <_> - 2 11 7 3 3. - <_> - - <_> - 17 13 2 1 -1. - <_> - 17 13 1 1 2. - 1 - <_> - - <_> - 5 13 1 2 -1. - <_> - 5 13 1 1 2. - 1 - <_> - - <_> - 13 11 3 1 -1. - <_> - 14 11 1 1 3. - <_> - - <_> - 5 14 1 2 -1. - <_> - 5 14 1 1 2. - 1 - <_> - - <_> - 16 9 4 9 -1. - <_> - 16 12 4 3 3. - <_> - - <_> - 2 9 4 9 -1. - <_> - 2 12 4 3 3. - <_> - - <_> - 15 0 3 9 -1. - <_> - 16 1 1 9 3. - 1 - <_> - - <_> - 2 0 12 10 -1. - <_> - 2 0 6 5 2. - <_> - 8 5 6 5 2. - <_> - - <_> - 4 2 18 11 -1. - <_> - 4 2 9 11 2. - <_> - - <_> - 0 2 18 11 -1. - <_> - 9 2 9 11 2. - <_> - - <_> - 10 1 8 14 -1. - <_> - 14 1 4 7 2. - <_> - 10 8 4 7 2. - <_> - - <_> - 4 1 8 14 -1. - <_> - 4 1 4 7 2. - <_> - 8 8 4 7 2. - <_> - - <_> - 15 6 2 4 -1. - <_> - 15 8 2 2 2. - <_> - - <_> - 5 6 2 4 -1. - <_> - 5 8 2 2 2. - <_> - - <_> - 14 10 7 3 -1. - <_> - 13 11 7 1 3. - 1 - <_> - - <_> - 8 10 3 7 -1. - <_> - 9 11 1 7 3. - 1 - <_> - - <_> - 17 18 2 2 -1. - <_> - 17 18 1 2 2. - <_> - - <_> - 3 18 2 2 -1. - <_> - 4 18 1 2 2. - <_> - - <_> - 15 0 3 9 -1. - <_> - 16 1 1 9 3. - 1 - <_> - - <_> - 7 0 9 3 -1. - <_> - 6 1 9 1 3. - 1 - <_> - - <_> - 9 2 6 8 -1. - <_> - 9 4 6 4 2. - <_> - - <_> - 8 4 4 2 -1. - <_> - 10 4 2 2 2. - <_> - - <_> - 10 4 3 1 -1. - <_> - 11 4 1 1 3. - <_> - - <_> - 9 7 3 2 -1. - <_> - 9 8 3 1 2. - <_> - - <_> - 11 6 2 3 -1. - <_> - 11 7 2 1 3. - <_> - - <_> - 9 4 3 1 -1. - <_> - 10 4 1 1 3. - <_> - - <_> - 12 7 2 2 -1. - <_> - 13 7 1 1 2. - <_> - 12 8 1 1 2. - <_> - - <_> - 9 5 3 6 -1. - <_> - 9 8 3 3 2. - <_> - - <_> - 10 4 8 2 -1. - <_> - 10 4 4 2 2. - <_> - - <_> - 7 12 4 2 -1. - <_> - 9 12 2 2 2. - <_> - - <_> - 14 14 1 2 -1. - <_> - 14 14 1 1 2. - 1 - <_> - - <_> - 10 13 2 4 -1. - <_> - 10 15 2 2 2. - <_> - - <_> - 14 14 1 2 -1. - <_> - 14 14 1 1 2. - 1 - <_> - - <_> - 8 14 2 1 -1. - <_> - 8 14 1 1 2. - 1 - <_> - - <_> - 13 13 3 3 -1. - <_> - 14 14 1 1 9. - <_> - - <_> - 8 5 4 8 -1. - <_> - 8 7 4 4 2. - <_> - - <_> - 13 13 3 3 -1. - <_> - 14 14 1 1 9. - <_> - - <_> - 6 13 3 3 -1. - <_> - 7 14 1 1 9. - <_> - - <_> - 17 3 2 2 -1. - <_> - 18 3 1 1 2. - <_> - 17 4 1 1 2. - <_> - - <_> - 5 10 9 3 -1. - <_> - 5 11 9 1 3. - <_> - - <_> - 10 4 4 4 -1. - <_> - 10 5 4 2 2. - <_> - - <_> - 8 5 1 3 -1. - <_> - 8 6 1 1 3. - <_> - - <_> - 12 6 2 2 -1. - <_> - 13 6 1 1 2. - <_> - 12 7 1 1 2. - <_> - - <_> - 3 0 16 20 -1. - <_> - 7 0 8 20 2. - <_> - - <_> - 8 6 9 3 -1. - <_> - 8 7 9 1 3. - <_> - - <_> - 8 7 2 2 -1. - <_> - 8 7 1 1 2. - <_> - 9 8 1 1 2. - <_> - - <_> - 13 5 1 3 -1. - <_> - 13 6 1 1 3. - <_> - - <_> - 5 3 2 2 -1. - <_> - 5 3 1 1 2. - <_> - 6 4 1 1 2. - <_> - - <_> - 14 2 2 2 -1. - <_> - 15 2 1 1 2. - <_> - 14 3 1 1 2. - <_> - - <_> - 7 3 4 4 -1. - <_> - 7 3 2 2 2. - <_> - 9 5 2 2 2. - <_> - - <_> - 17 3 2 2 -1. - <_> - 18 3 1 1 2. - <_> - 17 4 1 1 2. - <_> - - <_> - 8 4 3 4 -1. - <_> - 8 5 3 2 2. - <_> - - <_> - 17 3 2 2 -1. - <_> - 18 3 1 1 2. - <_> - 17 4 1 1 2. - <_> - - <_> - 3 3 2 2 -1. - <_> - 3 3 1 1 2. - <_> - 4 4 1 1 2. - <_> - - <_> - 14 2 2 2 -1. - <_> - 15 2 1 1 2. - <_> - 14 3 1 1 2. - <_> - - <_> - 6 2 2 2 -1. - <_> - 6 2 1 1 2. - <_> - 7 3 1 1 2. - <_> - - <_> - 14 0 7 3 -1. - <_> - 13 1 7 1 3. - 1 - <_> - - <_> - 8 0 3 7 -1. - <_> - 9 1 1 7 3. - 1 - <_> - - <_> - 13 5 1 3 -1. - <_> - 13 6 1 1 3. - <_> - - <_> - 2 7 6 9 -1. - <_> - 2 10 6 3 3. - <_> - - <_> - 12 1 2 12 -1. - <_> - 13 1 1 6 2. - <_> - 12 7 1 6 2. - <_> - - <_> - 8 1 2 12 -1. - <_> - 8 1 1 6 2. - <_> - 9 7 1 6 2. - <_> - - <_> - 13 14 3 1 -1. - <_> - 14 14 1 1 3. - <_> - - <_> - 3 8 3 2 -1. - <_> - 3 9 3 1 2. - <_> - - <_> - 13 14 3 1 -1. - <_> - 14 14 1 1 3. - <_> - - <_> - 5 9 2 1 -1. - <_> - 6 9 1 1 2. - <_> - - <_> - 18 2 3 1 -1. - <_> - 19 3 1 1 3. - 1 - <_> - - <_> - 6 11 3 1 -1. - <_> - 7 11 1 1 3. - <_> - - <_> - 14 9 3 1 -1. - <_> - 15 9 1 1 3. - <_> - - <_> - 5 9 3 1 -1. - <_> - 6 9 1 1 3. - <_> - - <_> - 14 10 1 3 -1. - <_> - 14 11 1 1 3. - <_> - - <_> - 7 10 1 3 -1. - <_> - 7 11 1 1 3. - <_> - - <_> - 13 5 1 2 -1. - <_> - 13 6 1 1 2. - <_> - - <_> - 0 5 21 6 -1. - <_> - 7 7 7 2 9. - <_> - - <_> - 11 4 6 1 -1. - <_> - 11 4 3 1 2. - <_> - - <_> - 8 8 2 3 -1. - <_> - 8 9 2 1 3. - <_> - - <_> - 9 9 4 2 -1. - <_> - 11 9 2 1 2. - <_> - 9 10 2 1 2. - <_> - - <_> - 5 5 8 2 -1. - <_> - 5 5 4 1 2. - <_> - 9 6 4 1 2. - <_> - - <_> - 11 5 2 3 -1. - <_> - 11 6 2 1 3. - <_> - - <_> - 8 7 6 4 -1. - <_> - 8 7 3 2 2. - <_> - 11 9 3 2 2. - <_> - - <_> - 10 5 2 6 -1. - <_> - 11 5 1 3 2. - <_> - 10 8 1 3 2. - <_> - - <_> - 8 5 1 2 -1. - <_> - 8 6 1 1 2. - <_> - - <_> - 13 3 2 3 -1. - <_> - 13 4 2 1 3. - <_> - - <_> - 4 2 1 3 -1. - <_> - 3 3 1 1 3. - 1 - <_> - - <_> - 8 11 7 3 -1. - <_> - 8 12 7 1 3. - <_> - - <_> - 2 1 4 2 -1. - <_> - 2 1 2 1 2. - <_> - 4 2 2 1 2. - <_> - - <_> - 14 5 3 1 -1. - <_> - 15 5 1 1 3. - <_> - - <_> - 3 0 2 2 -1. - <_> - 3 0 1 2 2. - 1 - <_> - - <_> - 18 3 3 2 -1. - <_> - 19 3 1 2 3. - <_> - - <_> - 1 3 3 2 -1. - <_> - 2 3 1 2 3. - <_> - - <_> - 14 10 8 8 -1. - <_> - 14 12 8 4 2. - <_> - - <_> - 0 18 22 2 -1. - <_> - 0 18 11 1 2. - <_> - 11 19 11 1 2. - <_> - - <_> - 15 10 2 1 -1. - <_> - 15 10 1 1 2. - <_> - - <_> - 5 5 3 1 -1. - <_> - 6 5 1 1 3. - <_> - - <_> - 1 5 21 12 -1. - <_> - 8 9 7 4 9. - <_> - - <_> - 5 10 2 1 -1. - <_> - 6 10 1 1 2. - <_> - - <_> - 13 3 2 3 -1. - <_> - 13 4 2 1 3. - <_> - - <_> - 7 3 2 3 -1. - <_> - 7 4 2 1 3. - <_> - - <_> - 13 8 3 1 -1. - <_> - 14 8 1 1 3. - <_> - - <_> - 7 1 5 4 -1. - <_> - 7 2 5 2 2. - <_> - - <_> - 10 1 2 4 -1. - <_> - 10 2 2 2 2. - <_> - - <_> - 9 2 4 3 -1. - <_> - 9 3 4 1 3. - <_> - - <_> - 8 2 6 3 -1. - <_> - 10 3 2 1 9. - <_> - - <_> - 0 0 16 4 -1. - <_> - 0 0 8 2 2. - <_> - 8 2 8 2 2. - <_> - - <_> - 11 3 6 2 -1. - <_> - 11 3 3 2 2. - <_> - - <_> - 7 0 1 2 -1. - <_> - 7 1 1 1 2. - <_> - - <_> - 13 0 3 6 -1. - <_> - 14 2 1 2 9. - <_> - - <_> - 6 0 2 4 -1. - <_> - 6 0 1 2 2. - <_> - 7 2 1 2 2. - <_> - - <_> - 13 9 1 3 -1. - <_> - 13 10 1 1 3. - <_> - - <_> - 2 2 2 2 -1. - <_> - 2 3 2 1 2. - <_> - - <_> - 9 2 4 8 -1. - <_> - 11 2 2 4 2. - <_> - 9 6 2 4 2. - <_> - - <_> - 8 9 1 3 -1. - <_> - 8 10 1 1 3. - <_> - - <_> - 13 9 7 4 -1. - <_> - 12 10 7 2 2. - 1 - <_> - - <_> - 9 9 4 7 -1. - <_> - 10 10 2 7 2. - 1 - <_> - - <_> - 11 10 3 6 -1. - <_> - 9 12 3 2 3. - 1 - <_> - - <_> - 8 8 2 12 -1. - <_> - 8 11 2 6 2. - <_> - - <_> - 11 14 1 4 -1. - <_> - 11 14 1 2 2. - 1 - <_> - - <_> - 7 18 2 1 -1. - <_> - 8 18 1 1 2. - <_> - - <_> - 9 3 2 1 -1. - <_> - 9 3 1 1 2. - 1 - <_> - - <_> - 13 0 2 4 -1. - <_> - 14 0 1 2 2. - <_> - 13 2 1 2 2. - <_> - - <_> - 9 6 1 2 -1. - <_> - 9 7 1 1 2. - <_> - - <_> - 12 7 1 2 -1. - <_> - 12 8 1 1 2. - <_> - - <_> - 5 2 9 12 -1. - <_> - 5 8 9 6 2. - <_> - - <_> - 10 4 2 8 -1. - <_> - 10 8 2 4 2. - <_> - - <_> - 7 0 4 3 -1. - <_> - 8 1 2 3 2. - 1 - <_> - - <_> - 15 3 4 4 -1. - <_> - 15 3 4 2 2. - 1 - <_> - - <_> - 11 0 5 2 -1. - <_> - 11 0 5 1 2. - 1 - <_> - - <_> - 9 7 4 2 -1. - <_> - 11 7 2 1 2. - <_> - 9 8 2 1 2. - <_> - - <_> - 4 4 8 1 -1. - <_> - 8 4 4 1 2. - <_> - - <_> - 16 3 1 2 -1. - <_> - 16 4 1 1 2. - <_> - - <_> - 7 3 3 6 -1. - <_> - 8 3 1 6 3. - <_> - - <_> - 10 7 4 1 -1. - <_> - 10 7 2 1 2. - <_> - - <_> - 8 7 4 1 -1. - <_> - 10 7 2 1 2. - <_> - - <_> - 9 7 4 1 -1. - <_> - 10 7 2 1 2. - <_> - - <_> - 4 6 2 2 -1. - <_> - 4 6 1 1 2. - <_> - 5 7 1 1 2. - <_> - - <_> - 16 6 2 2 -1. - <_> - 17 6 1 1 2. - <_> - 16 7 1 1 2. - <_> - - <_> - 8 7 2 2 -1. - <_> - 8 7 1 1 2. - <_> - 9 8 1 1 2. - <_> - - <_> - 16 6 2 2 -1. - <_> - 17 6 1 1 2. - <_> - 16 7 1 1 2. - <_> - - <_> - 4 6 2 2 -1. - <_> - 4 6 1 1 2. - <_> - 5 7 1 1 2. - <_> - - <_> - 13 7 3 3 -1. - <_> - 14 8 1 1 9. - <_> - - <_> - 6 7 3 3 -1. - <_> - 7 8 1 1 9. - <_> - - <_> - 11 6 1 6 -1. - <_> - 11 8 1 2 3. - <_> - - <_> - 9 6 4 4 -1. - <_> - 9 6 2 2 2. - <_> - 11 8 2 2 2. - <_> - - <_> - 13 0 3 3 -1. - <_> - 12 1 3 1 3. - 1 - <_> - - <_> - 8 1 5 4 -1. - <_> - 7 2 5 2 2. - 1 - <_> - - <_> - 9 6 4 10 -1. - <_> - 9 6 2 10 2. - <_> - - <_> - 9 3 3 4 -1. - <_> - 10 3 1 4 3. - <_> - - <_> - 12 7 1 3 -1. - <_> - 12 8 1 1 3. - <_> - - <_> - 9 7 1 3 -1. - <_> - 9 8 1 1 3. - <_> - - <_> - 11 8 2 2 -1. - <_> - 11 9 2 1 2. - <_> - - <_> - 9 6 4 6 -1. - <_> - 9 6 2 3 2. - <_> - 11 9 2 3 2. - <_> - - <_> - 11 7 2 2 -1. - <_> - 12 7 1 1 2. - <_> - 11 8 1 1 2. - <_> - - <_> - 9 7 2 2 -1. - <_> - 9 7 1 1 2. - <_> - 10 8 1 1 2. - <_> - - <_> - 11 7 1 4 -1. - <_> - 11 9 1 2 2. - <_> - - <_> - 10 5 4 1 -1. - <_> - 11 6 2 1 2. - 1 - <_> - - <_> - 12 1 4 7 -1. - <_> - 13 2 2 7 2. - 1 - <_> - - <_> - 10 1 7 4 -1. - <_> - 9 2 7 2 2. - 1 - <_> - - <_> - 10 2 2 4 -1. - <_> - 10 4 2 2 2. - <_> - - <_> - 11 0 3 1 -1. - <_> - 12 1 1 1 3. - 1 - <_> - - <_> - 9 5 6 2 -1. - <_> - 12 5 3 1 2. - <_> - 9 6 3 1 2. - <_> - - <_> - 8 4 6 2 -1. - <_> - 8 4 3 1 2. - <_> - 11 5 3 1 2. - <_> - - <_> - 9 5 6 2 -1. - <_> - 12 5 3 1 2. - <_> - 9 6 3 1 2. - <_> - - <_> - 7 5 6 2 -1. - <_> - 7 5 3 1 2. - <_> - 10 6 3 1 2. - <_> - - <_> - 12 4 4 3 -1. - <_> - 11 5 4 1 3. - 1 - <_> - - <_> - 10 4 3 4 -1. - <_> - 11 5 1 4 3. - 1 - <_> - - <_> - 10 11 4 1 -1. - <_> - 11 11 2 1 2. - <_> - - <_> - 2 3 16 12 -1. - <_> - 2 6 16 6 2. - <_> - - <_> - 12 10 7 6 -1. - <_> - 12 13 7 3 2. - <_> - - <_> - 5 3 1 2 -1. - <_> - 5 4 1 1 2. - <_> - - <_> - 20 4 2 2 -1. - <_> - 20 4 1 2 2. - <_> - - <_> - 0 3 8 2 -1. - <_> - 0 3 4 1 2. - <_> - 4 4 4 1 2. - <_> - - <_> - 11 11 1 6 -1. - <_> - 11 11 1 3 2. - 1 - <_> - - <_> - 0 13 6 7 -1. - <_> - 3 13 3 7 2. - <_> - - <_> - 16 14 6 6 -1. - <_> - 16 14 3 6 2. - <_> - - <_> - 10 9 1 4 -1. - <_> - 10 11 1 2 2. - <_> - - <_> - 10 10 2 2 -1. - <_> - 10 11 2 1 2. - <_> - - <_> - 0 4 2 2 -1. - <_> - 1 4 1 2 2. - <_> - - <_> - 18 5 4 3 -1. - <_> - 18 5 2 3 2. - <_> - - <_> - 0 14 4 5 -1. - <_> - 2 14 2 5 2. - <_> - - <_> - 17 9 2 8 -1. - <_> - 17 13 2 4 2. - <_> - - <_> - 4 16 3 4 -1. - <_> - 4 18 3 2 2. - <_> - - <_> - 6 18 10 2 -1. - <_> - 11 18 5 1 2. - <_> - 6 19 5 1 2. - <_> - - <_> - 0 5 4 3 -1. - <_> - 2 5 2 3 2. - <_> - - <_> - 17 14 4 5 -1. - <_> - 18 14 2 5 2. - <_> - - <_> - 1 14 4 5 -1. - <_> - 2 14 2 5 2. - <_> - - <_> - 17 18 2 2 -1. - <_> - 17 19 2 1 2. - <_> - - <_> - 10 9 1 3 -1. - <_> - 10 10 1 1 3. - <_> - - <_> - 14 17 2 3 -1. - <_> - 14 18 2 1 3. - <_> - - <_> - 0 14 6 6 -1. - <_> - 0 14 3 3 2. - <_> - 3 17 3 3 2. - <_> - - <_> - 15 18 1 2 -1. - <_> - 15 19 1 1 2. - <_> - - <_> - 8 6 5 3 -1. - <_> - 8 7 5 1 3. - <_> - - <_> - 11 6 2 3 -1. - <_> - 11 7 2 1 3. - <_> - - <_> - 5 10 3 3 -1. - <_> - 4 11 3 1 3. - 1 - <_> - - <_> - 0 12 22 4 -1. - <_> - 11 12 11 2 2. - <_> - 0 14 11 2 2. - <_> - - <_> - 9 7 7 6 -1. - <_> - 7 9 7 2 3. - 1 - <_> - - <_> - 11 15 2 2 -1. - <_> - 11 16 2 1 2. - <_> - - <_> - 8 6 1 4 -1. - <_> - 8 7 1 2 2. - <_> - - <_> - 11 12 3 1 -1. - <_> - 12 13 1 1 3. - 1 - <_> - - <_> - 11 12 1 3 -1. - <_> - 10 13 1 1 3. - 1 - <_> - - <_> - 11 10 5 6 -1. - <_> - 11 12 5 2 3. - <_> - - <_> - 8 14 3 1 -1. - <_> - 9 14 1 1 3. - <_> - - <_> - 5 14 14 3 -1. - <_> - 5 15 14 1 3. - <_> - - <_> - 6 14 4 3 -1. - <_> - 6 15 4 1 3. - <_> - - <_> - 14 10 1 3 -1. - <_> - 14 11 1 1 3. - <_> - - <_> - 2 5 12 1 -1. - <_> - 5 5 6 1 2. - <_> - - <_> - 10 1 2 4 -1. - <_> - 11 1 1 2 2. - <_> - 10 3 1 2 2. - <_> - - <_> - 7 10 1 3 -1. - <_> - 7 11 1 1 3. - <_> - - <_> - 6 7 10 6 -1. - <_> - 11 7 5 3 2. - <_> - 6 10 5 3 2. - <_> - - <_> - 9 0 4 6 -1. - <_> - 10 1 2 6 2. - 1 - <_> - - <_> - 11 3 1 3 -1. - <_> - 11 4 1 1 3. - <_> - - <_> - 8 4 5 4 -1. - <_> - 8 5 5 2 2. - <_> - - <_> - 8 2 10 9 -1. - <_> - 8 5 10 3 3. - <_> - - <_> - 7 0 3 4 -1. - <_> - 8 0 1 4 3. - <_> - - <_> - 7 9 9 3 -1. - <_> - 7 10 9 1 3. - <_> - - <_> - 9 6 1 3 -1. - <_> - 9 7 1 1 3. - <_> - - <_> - 11 6 1 6 -1. - <_> - 11 8 1 2 3. - <_> - - <_> - 11 7 3 3 -1. - <_> - 12 8 1 3 3. - 1 - <_> - - <_> - 12 6 4 10 -1. - <_> - 13 7 2 10 2. - 1 - <_> - - <_> - 10 6 10 4 -1. - <_> - 9 7 10 2 2. - 1 - <_> - - <_> - 13 5 3 3 -1. - <_> - 13 6 3 1 3. - <_> - - <_> - 1 7 3 3 -1. - <_> - 2 8 1 1 9. - <_> - - <_> - 17 8 3 3 -1. - <_> - 18 9 1 1 9. - <_> - - <_> - 6 5 3 3 -1. - <_> - 6 6 3 1 3. - <_> - - <_> - 13 6 3 1 -1. - <_> - 14 7 1 1 3. - 1 - <_> - - <_> - 9 6 1 3 -1. - <_> - 8 7 1 1 3. - 1 - <_> - - <_> - 9 6 6 3 -1. - <_> - 11 7 2 1 9. - <_> - - <_> - 10 6 2 4 -1. - <_> - 11 6 1 4 2. - <_> - - <_> - 11 4 1 9 -1. - <_> - 11 7 1 3 3. - <_> - - <_> - 10 4 1 9 -1. - <_> - 10 7 1 3 3. - <_> - - <_> - 10 5 2 4 -1. - <_> - 11 5 1 2 2. - <_> - 10 7 1 2 2. - <_> - - <_> - 3 0 2 4 -1. - <_> - 3 0 1 2 2. - <_> - 4 2 1 2 2. - <_> - - <_> - 12 1 2 2 -1. - <_> - 13 1 1 1 2. - <_> - 12 2 1 1 2. - <_> - - <_> - 8 1 2 2 -1. - <_> - 8 1 1 1 2. - <_> - 9 2 1 1 2. - <_> - - <_> - 4 0 18 20 -1. - <_> - 4 0 9 20 2. - <_> - - <_> - 4 7 9 11 -1. - <_> - 7 7 3 11 3. - <_> - - <_> - 10 14 8 1 -1. - <_> - 12 14 4 1 2. - <_> - - <_> - 4 14 8 1 -1. - <_> - 6 14 4 1 2. - <_> - - <_> - 14 13 3 4 -1. - <_> - 15 13 1 4 3. - <_> - - <_> - 0 6 2 2 -1. - <_> - 0 6 1 1 2. - <_> - 1 7 1 1 2. - <_> - - <_> - 14 13 3 4 -1. - <_> - 15 13 1 4 3. - <_> - - <_> - 9 0 4 4 -1. - <_> - 10 0 2 4 2. - <_> - - <_> - 11 2 4 4 -1. - <_> - 13 2 2 2 2. - <_> - 11 4 2 2 2. - <_> - - <_> - 8 8 3 2 -1. - <_> - 9 8 1 2 3. - <_> - - <_> - 11 7 2 1 -1. - <_> - 11 7 1 1 2. - 1 - <_> - - <_> - 11 7 1 2 -1. - <_> - 11 7 1 1 2. - 1 - <_> - - <_> - 12 5 3 9 -1. - <_> - 13 8 1 3 9. - <_> - - <_> - 8 9 4 3 -1. - <_> - 10 9 2 3 2. - <_> - - <_> - 12 10 1 2 -1. - <_> - 12 10 1 1 2. - 1 - <_> - - <_> - 9 11 4 4 -1. - <_> - 9 12 4 2 2. - <_> - - <_> - 4 0 18 20 -1. - <_> - 4 0 9 20 2. - <_> - - <_> - 0 0 18 20 -1. - <_> - 9 0 9 20 2. - <_> - - <_> - 7 7 8 2 -1. - <_> - 7 7 4 2 2. - <_> - - <_> - 9 6 4 3 -1. - <_> - 11 6 2 3 2. - <_> - - <_> - 10 11 11 9 -1. - <_> - 10 14 11 3 3. - <_> - - <_> - 7 5 6 8 -1. - <_> - 9 5 2 8 3. - <_> - - <_> - 9 7 6 1 -1. - <_> - 11 7 2 1 3. - <_> - - <_> - 6 3 8 2 -1. - <_> - 6 3 4 2 2. - 1 - <_> - - <_> - 11 0 3 8 -1. - <_> - 11 0 3 4 2. - 1 - <_> - - <_> - 8 0 3 3 -1. - <_> - 9 1 1 3 3. - 1 - <_> - - <_> - 17 8 3 3 -1. - <_> - 18 9 1 1 9. - <_> - - <_> - 10 2 12 3 -1. - <_> - 9 3 12 1 3. - 1 - <_> - - <_> - 10 6 2 2 -1. - <_> - 10 7 2 1 2. - <_> - - <_> - 7 5 3 6 -1. - <_> - 8 7 1 2 9. - <_> - - <_> - 12 3 3 9 -1. - <_> - 13 6 1 3 9. - <_> - - <_> - 8 5 3 3 -1. - <_> - 8 6 3 1 3. - <_> - - <_> - 11 4 3 2 -1. - <_> - 12 5 1 2 3. - 1 - <_> - - <_> - 11 4 2 3 -1. - <_> - 10 5 2 1 3. - 1 - <_> - - <_> - 11 0 3 7 -1. - <_> - 12 0 1 7 3. - <_> - - <_> - 10 2 3 3 -1. - <_> - 11 3 1 3 3. - 1 - <_> - - <_> - 18 1 1 2 -1. - <_> - 18 2 1 1 2. - <_> - - <_> - 3 1 1 2 -1. - <_> - 3 2 1 1 2. - <_> - - <_> - 13 2 1 6 -1. - <_> - 13 5 1 3 2. - <_> - - <_> - 8 12 5 8 -1. - <_> - 8 16 5 4 2. - <_> - - <_> - 11 15 2 2 -1. - <_> - 11 16 2 1 2. - <_> - - <_> - 6 2 10 18 -1. - <_> - 6 11 10 9 2. - <_> - - <_> - 16 8 1 12 -1. - <_> - 16 12 1 4 3. - <_> - - <_> - 9 2 13 4 -1. - <_> - 8 3 13 2 2. - 1 - <_> - - <_> - 13 2 1 8 -1. - <_> - 13 4 1 4 2. - <_> - - <_> - 8 2 1 8 -1. - <_> - 8 4 1 4 2. - <_> - - <_> - 12 3 2 4 -1. - <_> - 12 3 2 2 2. - 1 - <_> - - <_> - 11 2 4 4 -1. - <_> - 11 2 2 4 2. - 1 - <_> - - <_> - 19 15 3 2 -1. - <_> - 20 16 1 2 3. - 1 - <_> - - <_> - 3 15 2 3 -1. - <_> - 2 16 2 1 3. - 1 - <_> - - <_> - 18 19 3 1 -1. - <_> - 19 19 1 1 3. - <_> - - <_> - 1 19 3 1 -1. - <_> - 2 19 1 1 3. - <_> - - <_> - 11 5 2 5 -1. - <_> - 11 5 1 5 2. - <_> - - <_> - 8 5 1 3 -1. - <_> - 8 6 1 1 3. - <_> - - <_> - 9 7 6 2 -1. - <_> - 9 8 6 1 2. - <_> - - <_> - 11 6 6 1 -1. - <_> - 13 8 2 1 3. - 1 - <_> - - <_> - 14 3 2 12 -1. - <_> - 14 3 2 6 2. - 1 - <_> - - <_> - 9 6 3 2 -1. - <_> - 9 7 3 1 2. - <_> - - <_> - 14 3 2 12 -1. - <_> - 14 3 2 6 2. - 1 - <_> - - <_> - 8 3 12 2 -1. - <_> - 8 3 6 2 2. - 1 - <_> - - <_> - 11 11 11 9 -1. - <_> - 11 14 11 3 3. - <_> - - <_> - 0 11 11 9 -1. - <_> - 0 14 11 3 3. - <_> - - <_> - 15 7 2 9 -1. - <_> - 15 10 2 3 3. - <_> - - <_> - 5 7 2 9 -1. - <_> - 5 10 2 3 3. - <_> - - <_> - 14 10 4 3 -1. - <_> - 14 11 4 1 3. - <_> - - <_> - 4 10 4 3 -1. - <_> - 4 11 4 1 3. - <_> - - <_> - 17 8 3 3 -1. - <_> - 18 9 1 1 9. - <_> - - <_> - 2 8 3 3 -1. - <_> - 3 9 1 1 9. - <_> - - <_> - 15 18 1 2 -1. - <_> - 15 19 1 1 2. - <_> - - <_> - 0 6 2 2 -1. - <_> - 0 6 1 1 2. - <_> - 1 7 1 1 2. - <_> - - <_> - 13 16 2 2 -1. - <_> - 14 16 1 1 2. - <_> - 13 17 1 1 2. - <_> - - <_> - 6 18 1 2 -1. - <_> - 6 19 1 1 2. - <_> - - <_> - 16 18 6 1 -1. - <_> - 16 18 3 1 2. - <_> - - <_> - 0 18 6 1 -1. - <_> - 3 18 3 1 2. - <_> - - <_> - 17 17 3 3 -1. - <_> - 18 18 1 1 9. - <_> - - <_> - 2 17 3 3 -1. - <_> - 3 18 1 1 9. - <_> - - <_> - 13 16 2 2 -1. - <_> - 14 16 1 1 2. - <_> - 13 17 1 1 2. - <_> - - <_> - 7 16 2 2 -1. - <_> - 7 16 1 1 2. - <_> - 8 17 1 1 2. - <_> - - <_> - 9 8 4 2 -1. - <_> - 11 8 2 1 2. - <_> - 9 9 2 1 2. - <_> - - <_> - 10 0 4 6 -1. - <_> - 10 0 4 3 2. - 1 - <_> - - <_> - 10 18 2 2 -1. - <_> - 11 18 1 1 2. - <_> - 10 19 1 1 2. - <_> - - <_> - 10 6 2 4 -1. - <_> - 10 7 2 2 2. - <_> - - <_> - 9 7 5 6 -1. - <_> - 9 9 5 2 3. - <_> - - <_> - 10 10 2 3 -1. - <_> - 10 11 2 1 3. - <_> - - <_> - 8 9 6 6 -1. - <_> - 10 11 2 2 9. - <_> - - <_> - 8 10 6 2 -1. - <_> - 10 10 2 2 3. - <_> - - <_> - 11 5 2 5 -1. - <_> - 11 5 1 5 2. - <_> - - <_> - 8 10 1 6 -1. - <_> - 8 12 1 2 3. - <_> - - <_> - 10 11 2 3 -1. - <_> - 10 12 2 1 3. - <_> - - <_> - 8 13 2 2 -1. - <_> - 8 13 1 1 2. - <_> - 9 14 1 1 2. - <_> - - <_> - 15 1 2 10 -1. - <_> - 15 1 1 10 2. - 1 - <_> - - <_> - 4 9 10 2 -1. - <_> - 4 9 5 1 2. - <_> - 9 10 5 1 2. - <_> - - <_> - 11 18 1 2 -1. - <_> - 11 19 1 1 2. - <_> - - <_> - 10 18 1 2 -1. - <_> - 10 19 1 1 2. - <_> - - <_> - 16 10 4 8 -1. - <_> - 18 10 2 4 2. - <_> - 16 14 2 4 2. - <_> - - <_> - 2 10 4 8 -1. - <_> - 2 10 2 4 2. - <_> - 4 14 2 4 2. - <_> - - <_> - 17 8 2 6 -1. - <_> - 17 8 1 6 2. - <_> - - <_> - 3 8 2 6 -1. - <_> - 4 8 1 6 2. - <_> - - <_> - 18 6 3 14 -1. - <_> - 19 6 1 14 3. - <_> - - <_> - 1 6 3 14 -1. - <_> - 2 6 1 14 3. - <_> - - <_> - 16 17 2 2 -1. - <_> - 17 17 1 1 2. - <_> - 16 18 1 1 2. - <_> - - <_> - 4 17 2 2 -1. - <_> - 4 17 1 1 2. - <_> - 5 18 1 1 2. - <_> - - <_> - 17 17 1 2 -1. - <_> - 17 18 1 1 2. - <_> - - <_> - 4 17 1 2 -1. - <_> - 4 18 1 1 2. - <_> - - <_> - 12 2 1 4 -1. - <_> - 11 3 1 2 2. - 1 - <_> - - <_> - 10 2 4 1 -1. - <_> - 11 3 2 1 2. - 1 - <_> - - <_> - 15 0 2 2 -1. - <_> - 16 0 1 1 2. - <_> - 15 1 1 1 2. - <_> - - <_> - 1 0 5 6 -1. - <_> - 1 3 5 3 2. - <_> - - <_> - 16 3 1 2 -1. - <_> - 16 4 1 1 2. - <_> - - <_> - 6 0 16 3 -1. - <_> - 5 1 16 1 3. - 1 - <_> - - <_> - 12 0 2 20 -1. - <_> - 12 0 1 20 2. - <_> - - <_> - 7 7 6 2 -1. - <_> - 7 8 6 1 2. - <_> - - <_> - 18 1 1 9 -1. - <_> - 18 4 1 3 3. - <_> - - <_> - 8 0 2 20 -1. - <_> - 9 0 1 20 2. - <_> - - <_> - 18 1 2 3 -1. - <_> - 18 1 1 3 2. - <_> - - <_> - 2 1 2 3 -1. - <_> - 3 1 1 3 2. - <_> - - <_> - 18 1 3 2 -1. - <_> - 19 1 1 2 3. - <_> - - <_> - 5 3 1 2 -1. - <_> - 5 4 1 1 2. - <_> - - <_> - 1 3 20 1 -1. - <_> - 6 3 10 1 2. - <_> - - <_> - 11 0 5 3 -1. - <_> - 10 1 5 1 3. - 1 - <_> - - <_> - 13 6 3 4 -1. - <_> - 12 7 3 2 2. - 1 - <_> - - <_> - 9 4 8 1 -1. - <_> - 11 6 4 1 2. - 1 - <_> - - <_> - 13 6 1 4 -1. - <_> - 12 7 1 2 2. - 1 - <_> - - <_> - 8 7 2 6 -1. - <_> - 8 9 2 2 3. - <_> - - <_> - 14 11 4 6 -1. - <_> - 14 13 4 2 3. - <_> - - <_> - 6 8 9 3 -1. - <_> - 6 9 9 1 3. - <_> - - <_> - 8 9 9 2 -1. - <_> - 8 10 9 1 2. - <_> - - <_> - 2 13 6 2 -1. - <_> - 2 13 3 1 2. - <_> - 5 14 3 1 2. - <_> - - <_> - 12 0 3 6 -1. - <_> - 13 1 1 6 3. - 1 - <_> - - <_> - 0 10 8 8 -1. - <_> - 0 12 8 4 2. - <_> - - <_> - 11 12 10 4 -1. - <_> - 11 12 5 4 2. - <_> - - <_> - 10 0 6 3 -1. - <_> - 9 1 6 1 3. - 1 - <_> - - <_> - 12 1 3 8 -1. - <_> - 13 2 1 8 3. - 1 - <_> - - <_> - 10 1 8 3 -1. - <_> - 9 2 8 1 3. - 1 - <_> - - <_> - 13 9 2 2 -1. - <_> - 14 9 1 1 2. - <_> - 13 10 1 1 2. - <_> - - <_> - 8 7 2 4 -1. - <_> - 8 7 1 2 2. - <_> - 9 9 1 2 2. - <_> - - <_> - 4 0 14 12 -1. - <_> - 4 3 14 6 2. - <_> - - <_> - 1 0 16 12 -1. - <_> - 1 3 16 6 2. - <_> - - <_> - 12 0 8 6 -1. - <_> - 12 3 8 3 2. - <_> - - <_> - 8 14 1 3 -1. - <_> - 8 15 1 1 3. - <_> - - <_> - 13 9 2 2 -1. - <_> - 14 9 1 1 2. - <_> - 13 10 1 1 2. - <_> - - <_> - 8 6 2 2 -1. - <_> - 8 6 1 1 2. - <_> - 9 7 1 1 2. - <_> - - <_> - 12 4 4 4 -1. - <_> - 11 5 4 2 2. - 1 - <_> - - <_> - 8 4 6 4 -1. - <_> - 8 4 3 2 2. - <_> - 11 6 3 2 2. - <_> - - <_> - 13 6 2 4 -1. - <_> - 13 8 2 2 2. - <_> - - <_> - 7 9 2 2 -1. - <_> - 7 9 1 1 2. - <_> - 8 10 1 1 2. - <_> - - <_> - 12 5 2 2 -1. - <_> - 12 5 1 2 2. - 1 - <_> - - <_> - 0 4 20 7 -1. - <_> - 10 4 10 7 2. - <_> - - <_> - 15 0 2 2 -1. - <_> - 16 0 1 1 2. - <_> - 15 1 1 1 2. - <_> - - <_> - 10 15 3 2 -1. - <_> - 10 15 3 1 2. - 1 - <_> - - <_> - 5 16 17 4 -1. - <_> - 5 18 17 2 2. - <_> - - <_> - 4 1 9 1 -1. - <_> - 7 4 3 1 3. - 1 - <_> - - <_> - 12 5 1 6 -1. - <_> - 10 7 1 2 3. - 1 - <_> - - <_> - 10 5 6 1 -1. - <_> - 12 7 2 1 3. - 1 - <_> - - <_> - 9 0 12 2 -1. - <_> - 9 0 6 2 2. - <_> - - <_> - 7 17 3 3 -1. - <_> - 8 18 1 1 9. - <_> - - <_> - 1 0 20 2 -1. - <_> - 1 0 10 2 2. - <_> - - <_> - 0 0 15 3 -1. - <_> - 5 1 5 1 9. - <_> - - <_> - 8 1 12 1 -1. - <_> - 11 1 6 1 2. - <_> - - <_> - 2 1 12 1 -1. - <_> - 5 1 6 1 2. - <_> - - <_> - 13 5 3 1 -1. - <_> - 14 5 1 1 3. - <_> - - <_> - 9 15 3 2 -1. - <_> - 10 16 1 2 3. - 1 - <_> - - <_> - 12 6 3 13 -1. - <_> - 13 6 1 13 3. - <_> - - <_> - 9 5 4 3 -1. - <_> - 10 6 2 3 2. - 1 - <_> - - <_> - 8 2 9 9 -1. - <_> - 11 2 3 9 3. - <_> - - <_> - 11 2 5 4 -1. - <_> - 11 2 5 2 2. - 1 - <_> - - <_> - 15 6 6 6 -1. - <_> - 13 8 6 2 3. - 1 - <_> - - <_> - 11 2 6 3 -1. - <_> - 13 4 2 3 3. - 1 - <_> - - <_> - 9 6 6 3 -1. - <_> - 11 7 2 1 9. - <_> - - <_> - 10 5 2 4 -1. - <_> - 10 5 1 2 2. - <_> - 11 7 1 2 2. - <_> - - <_> - 11 6 2 2 -1. - <_> - 12 6 1 1 2. - <_> - 11 7 1 1 2. - <_> - - <_> - 6 4 9 3 -1. - <_> - 9 5 3 1 9. - <_> - - <_> - 11 3 1 3 -1. - <_> - 11 4 1 1 3. - <_> - - <_> - 9 2 3 6 -1. - <_> - 9 4 3 2 3. - <_> - - <_> - 11 6 2 2 -1. - <_> - 12 6 1 1 2. - <_> - 11 7 1 1 2. - <_> - - <_> - 5 0 2 2 -1. - <_> - 5 0 1 1 2. - <_> - 6 1 1 1 2. - <_> - - <_> - 15 0 2 3 -1. - <_> - 14 1 2 1 3. - 1 - <_> - - <_> - 1 6 16 2 -1. - <_> - 9 6 8 2 2. - <_> - - <_> - 9 0 8 2 -1. - <_> - 13 0 4 1 2. - <_> - 9 1 4 1 2. - <_> - - <_> - 8 14 1 3 -1. - <_> - 8 15 1 1 3. - <_> - - <_> - 13 14 3 1 -1. - <_> - 14 14 1 1 3. - <_> - - <_> - 3 15 3 5 -1. - <_> - 4 15 1 5 3. - <_> - - <_> - 15 0 2 2 -1. - <_> - 16 0 1 1 2. - <_> - 15 1 1 1 2. - <_> - - <_> - 3 7 12 1 -1. - <_> - 9 7 6 1 2. - <_> - - <_> - 13 14 3 1 -1. - <_> - 14 14 1 1 3. - <_> - - <_> - 9 5 3 2 -1. - <_> - 10 5 1 2 3. - <_> - - <_> - 10 7 3 3 -1. - <_> - 11 7 1 3 3. - <_> - - <_> - 9 5 2 5 -1. - <_> - 10 5 1 5 2. - <_> - - <_> - 10 2 6 15 -1. - <_> - 12 7 2 5 9. - <_> - - <_> - 8 2 3 15 -1. - <_> - 9 7 1 5 9. - <_> - - <_> - 11 7 10 10 -1. - <_> - 16 7 5 5 2. - <_> - 11 12 5 5 2. - <_> - - <_> - 3 14 3 6 -1. - <_> - 4 14 1 6 3. - <_> - - <_> - 9 4 4 4 -1. - <_> - 11 4 2 2 2. - <_> - 9 6 2 2 2. - <_> - - <_> - 0 0 21 2 -1. - <_> - 7 0 7 2 3. - <_> - - <_> - 11 1 8 1 -1. - <_> - 11 1 4 1 2. - <_> - - <_> - 3 1 8 1 -1. - <_> - 7 1 4 1 2. - <_> - - <_> - 15 3 3 3 -1. - <_> - 15 4 3 1 3. - <_> - - <_> - 9 12 3 3 -1. - <_> - 9 13 3 1 3. - <_> - - <_> - 12 12 2 2 -1. - <_> - 12 13 2 1 2. - <_> - - <_> - 8 12 2 2 -1. - <_> - 8 13 2 1 2. - <_> - - <_> - 10 7 8 12 -1. - <_> - 10 11 8 4 3. - <_> - - <_> - 8 13 1 2 -1. - <_> - 8 14 1 1 2. - <_> - - <_> - 10 13 4 2 -1. - <_> - 12 13 2 1 2. - <_> - 10 14 2 1 2. - <_> - - <_> - 6 14 3 1 -1. - <_> - 7 14 1 1 3. - <_> - - <_> - 15 15 2 4 -1. - <_> - 16 15 1 2 2. - <_> - 15 17 1 2 2. - <_> - - <_> - 4 3 3 3 -1. - <_> - 4 4 3 1 3. - <_> - - <_> - 15 0 2 3 -1. - <_> - 14 1 2 1 3. - 1 - <_> - - <_> - 3 12 2 2 -1. - <_> - 3 12 1 1 2. - <_> - 4 13 1 1 2. - <_> - - <_> - 17 10 1 3 -1. - <_> - 17 11 1 1 3. - <_> - - <_> - 5 1 3 2 -1. - <_> - 6 1 1 2 3. - <_> - - <_> - 13 0 3 18 -1. - <_> - 14 0 1 18 3. - <_> - - <_> - 6 0 3 18 -1. - <_> - 7 0 1 18 3. - <_> - - <_> - 15 15 2 4 -1. - <_> - 16 15 1 2 2. - <_> - 15 17 1 2 2. - <_> - - <_> - 0 12 12 8 -1. - <_> - 4 12 4 8 3. - <_> - - <_> - 10 8 2 3 -1. - <_> - 10 8 1 3 2. - <_> - - <_> - 3 0 10 3 -1. - <_> - 3 0 5 3 2. - 1 - <_> - - <_> - 15 15 2 4 -1. - <_> - 16 15 1 2 2. - <_> - 15 17 1 2 2. - <_> - - <_> - 5 15 2 4 -1. - <_> - 5 15 1 2 2. - <_> - 6 17 1 2 2. - <_> - - <_> - 17 10 1 3 -1. - <_> - 17 11 1 1 3. - diff --git a/data/softcascade/inria_caltech-17.01.2013.xml b/data/softcascade/inria_caltech-17.01.2013.xml deleted file mode 100644 index af4d89eda6..0000000000 --- a/data/softcascade/inria_caltech-17.01.2013.xml +++ /dev/null @@ -1,61401 +0,0 @@ - - - - - - - - - BOOST - ICF - 2 - 64 - 128 - 4 - - <_> - -1 - 1024 - - <_> - -9.4971716403961182e-01 - - 1 2 0 3.7500000000000000e+01 0 -1 1 6.6500000000000000e+01 - -2 -3 2 1.7235000000000000e+03 - - -9.4971716403961182e-01 2.6997840404510498e-01 - 7.8099721670150757e-01 -7.7198696136474609e-01 - <_> - -1.7211276292800903e+00 - - 1 2 3 8.4650000000000000e+02 0 -1 4 1.2500000000000000e+01 - -2 -3 5 5.8500000000000000e+01 - - -5.5446445941925049e-01 7.2089314460754395e-01 - -9.4914066791534424e-01 -4.8974543809890747e-02 - <_> - -2.4981524944305420e+00 - - 1 2 6 2.5000000000000000e+00 0 -1 7 5.9500000000000000e+01 - -2 -3 8 5.6500000000000000e+01 - - -7.7702480554580688e-01 6.2583726644515991e-01 - 5.4469954967498779e-01 -8.8470917940139771e-01 - <_> - -2.1237995624542236e+00 - - 1 2 9 7.8500000000000000e+01 0 -1 10 1.2005000000000000e+03 - -2 -3 11 3.5000000000000000e+00 - - -2.2334083914756775e-03 -9.4934105873107910e-01 - 6.9860899448394775e-01 -5.2581334114074707e-01 - <_> - -1.4558345079421997e+00 - - 1 2 12 5.6550000000000000e+02 0 -1 13 1.5000000000000000e+00 - -2 -3 14 7.2500000000000000e+01 - - -3.4912836551666260e-01 -9.5133358240127563e-01 - -1.3602481782436371e-01 6.6796511411666870e-01 - <_> - -1.5295742750167847e+00 - - 1 2 15 2.7500000000000000e+01 0 -1 16 8.5000000000000000e+00 - -2 -3 17 2.2500000000000000e+01 - - -7.7886241674423218e-01 4.4655936956405640e-01 - -7.3739707469940186e-02 -7.9169273376464844e-01 - <_> - -2.2253897190093994e+00 - - 1 2 18 5.0000000000000000e-01 0 -1 19 1.5000000000000000e+00 - -2 -3 20 2.6925000000000000e+03 - - -8.5955154895782471e-01 5.1408839225769043e-01 - 3.5344448685646057e-01 -6.9581556320190430e-01 - <_> - -1.6767826080322266e+00 - - 1 2 21 4.8050000000000000e+02 0 -1 22 1.2500000000000000e+01 - -2 -3 23 5.5000000000000000e+00 - - -6.2450993061065674e-01 2.5221033021807671e-02 - -6.7134410142898560e-01 6.1318635940551758e-01 - <_> - -1.3603744506835938e+00 - - 1 2 24 1.1435000000000000e+03 0 -1 25 1.7835000000000000e+03 - -2 -3 26 4.2500000000000000e+01 - - -6.0388273000717163e-01 3.1640821695327759e-01 - -8.4853601455688477e-01 6.8783169984817505e-01 - <_> - -1.0207209587097168e+00 - - 1 2 27 3.5000000000000000e+00 0 -1 28 4.9500000000000000e+01 - -2 -3 29 9.0500000000000000e+01 - - 3.3346191048622131e-01 -8.7325519323348999e-01 - -8.2403194904327393e-01 3.3965352177619934e-01 - <_> - -7.3391747474670410e-01 - - 1 2 30 1.5000000000000000e+00 0 -1 31 3.2950000000000000e+02 - -2 -3 32 1.1500000000000000e+01 - - 6.6277317702770233e-02 -6.9447505474090576e-01 - -5.3387427330017090e-01 4.5649796724319458e-01 - <_> - -8.5609853267669678e-01 - - 1 2 33 5.0000000000000000e-01 0 -1 34 9.9450000000000000e+02 - -2 -3 35 6.9500000000000000e+01 - - 4.8371157050132751e-01 -5.3800541162490845e-01 - -7.2787827253341675e-01 3.4235689043998718e-01 - <_> - -5.6636196374893188e-01 - - 1 2 36 6.5000000000000000e+00 0 -1 37 72. -2 -3 38 - 3.0950000000000000e+02 - - -8.5185158252716064e-01 7.3330056667327881e-01 - 2.8973656892776489e-01 -6.7352497577667236e-01 - <_> - -3.7486231327056885e-01 - - 1 2 39 2.5000000000000000e+00 0 -1 40 7.1500000000000000e+01 - -2 -3 41 6.5000000000000000e+00 - - -9.3279057741165161e-01 7.1982288360595703e-01 - -7.4711191654205322e-01 1.9149963557720184e-01 - <_> - -4.8397040367126465e-01 - - 1 2 42 1.1825000000000000e+03 0 -1 43 7.1500000000000000e+01 - -2 -3 44 1000. - - -1.9838142395019531e-01 4.8220044374465942e-01 - -8.3472287654876709e-01 9.5568519830703735e-01 - <_> - -4.4923403859138489e-01 - - 1 2 45 1.4050000000000000e+02 0 -1 46 3.8645000000000000e+03 - -2 -3 47 5.7750000000000000e+02 - - -5.5212533473968506e-01 4.4974172115325928e-01 - -7.6033878326416016e-01 3.4736368805170059e-02 - <_> - -4.2061111330986023e-01 - - 1 2 48 3.2500000000000000e+01 0 -1 49 5.0000000000000000e-01 - -2 -3 50 715. - - 3.7134438753128052e-01 -3.3291110396385193e-01 - -8.0598479509353638e-01 9.6374911069869995e-01 - <_> - -1.9169148802757263e-01 - - 1 2 51 1.0500000000000000e+01 0 -1 52 1.0500000000000000e+01 - -2 -3 53 4.9500000000000000e+01 - - -8.6079102754592896e-01 6.6127598285675049e-01 - 2.2891961038112640e-01 -9.0992504358291626e-01 - <_> - -5.1674181222915649e-01 - - 1 2 54 2.6150000000000000e+02 0 -1 55 3.2695000000000000e+03 - -2 -3 56 1409. - - -9.3132334947586060e-01 9.0150839090347290e-01 - -5.5453002452850342e-01 1.6071465611457825e-01 - <_> - 7.2020828723907471e-02 - - 1 2 57 7.9500000000000000e+01 0 -1 58 2.8025000000000000e+03 - -2 -3 59 9.5000000000000000e+00 - - -7.9213029146194458e-01 5.8876264095306396e-01 - -6.8830287456512451e-01 1.2910151481628418e-01 - <_> - 2.1566778421401978e-01 - - 1 2 60 3.5000000000000000e+00 0 -1 61 1.0500000000000000e+01 - -2 -3 62 1.9500000000000000e+01 - - 4.0831661224365234e-01 -4.9088028073310852e-01 - -6.5012139081954956e-01 3.4508187323808670e-02 - <_> - -2.1515211090445518e-02 - - 1 2 63 2.8050000000000000e+02 0 -1 64 1.3550000000000000e+02 - -2 -3 65 6.4500000000000000e+01 - - -8.1834840774536133e-01 3.4400060772895813e-01 - -6.3054949045181274e-01 1.1890744417905807e-01 - <_> - 3.1621408462524414e-01 - - 1 2 66 9.5000000000000000e+00 0 -1 67 6.1450000000000000e+02 - -2 -3 68 1.3500000000000000e+01 - - 9.3128114938735962e-02 -9.1282945871353149e-01 - -3.9921483397483826e-01 3.3772930502891541e-01 - <_> - 5.6335878372192383e-01 - - 1 2 69 3.7950000000000000e+02 0 -1 70 1.3500000000000000e+01 - -2 -3 71 1.5000000000000000e+00 - - -7.0056474208831787e-01 5.2738833427429199e-01 - 3.5282510519027710e-01 -3.3403894305229187e-01 - <_> - 5.6363087892532349e-01 - - 1 2 72 1.1250000000000000e+02 0 -1 73 5.0000000000000000e-01 - -2 -3 74 1.2050000000000000e+02 - - -4.6730571985244751e-01 2.9215443134307861e-01 - -8.7365627288818359e-01 3.9535489678382874e-01 - <_> - 6.9701683521270752e-01 - - 1 2 75 5.0425000000000000e+03 0 -1 76 4.5000000000000000e+00 - -2 -3 77 6.5000000000000000e+00 - - -6.0965454578399658e-01 1.8540042638778687e-01 - -9.2315214872360229e-01 5.3048878908157349e-01 - <_> - 4.5701298117637634e-01 - - 1 2 78 5.0000000000000000e-01 0 -1 79 6.5000000000000000e+00 - -2 -3 80 2.5000000000000000e+00 - - -2.7668315172195435e-01 5.6005096435546875e-01 - 2.1146409213542938e-01 -5.8390063047409058e-01 - <_> - 5.3680413961410522e-01 - - 1 2 81 1.6385000000000000e+03 0 -1 82 1.6425000000000000e+03 - -2 -3 83 9.5650000000000000e+02 - - -4.7798931598663330e-01 7.4568957090377808e-01 - -6.5293675661087036e-01 7.9791143536567688e-02 - <_> - 7.9123014211654663e-01 - - 1 2 84 2.5000000000000000e+00 0 -1 85 3.5000000000000000e+00 - -2 -3 86 2.7500000000000000e+01 - - -8.4295582771301270e-01 3.1564649939537048e-01 - 2.5442600250244141e-01 -5.3678894042968750e-01 - <_> - 9.9566841125488281e-01 - - 1 2 87 1.5000000000000000e+00 0 -1 88 8.3500000000000000e+01 - -2 -3 89 4.3585000000000000e+03 - - -6.9861388206481934e-01 5.2257591485977173e-01 - 2.0443826913833618e-01 -9.2329531908035278e-01 - <_> - 6.9697165489196777e-01 - - 1 2 90 6.5000000000000000e+00 0 -1 91 5.0000000000000000e-01 - -2 -3 92 1.5500000000000000e+01 - - 5.5905121564865112e-01 -4.5287278294563293e-01 - 4.4855368137359619e-01 -5.0183618068695068e-01 - <_> - 9.2100763320922852e-01 - - 1 2 93 1.5500000000000000e+01 0 -1 94 1727. -2 -3 95 - 4.0650000000000000e+02 - - 8.0813169479370117e-02 -7.7053368091583252e-01 - -6.6791737079620361e-01 5.0257974863052368e-01 - <_> - 1.2186468839645386e+00 - - 1 2 96 2.5000000000000000e+00 0 -1 97 9.4450000000000000e+02 - -2 -3 98 2.8250000000000000e+02 - - 5.1938551664352417e-01 -6.8461489677429199e-01 - 2.9763919115066528e-01 -5.4145312309265137e-01 - <_> - 1.5830533504486084e+00 - - 1 2 99 1.5000000000000000e+00 0 -1 100 - 6.4500000000000000e+01 -2 -3 101 4.1500000000000000e+01 - - 3.6440649628639221e-01 -8.8290220499038696e-01 - -5.5990779399871826e-01 5.2934420108795166e-01 - <_> - 1.6476187705993652e+00 - - 1 2 102 6.3500000000000000e+01 0 -1 103 1272. -2 -3 104 - 3.5000000000000000e+00 - - 7.6397061347961426e-02 -6.9906431436538696e-01 - -3.5238000750541687e-01 4.7082781791687012e-01 - <_> - 1.9613027572631836e+00 - - 1 2 105 1.9050000000000000e+02 0 -1 106 - 2.5950000000000000e+02 -2 -3 107 8.6850000000000000e+02 - - 4.7928789258003235e-01 -5.8920049667358398e-01 - 3.1368392705917358e-01 -7.1384090185165405e-01 - <_> - 1.8639501333236694e+00 - - 1 2 108 4.5000000000000000e+00 0 -1 109 - 2.5000000000000000e+00 -2 -3 110 3.4500000000000000e+01 - - -6.9352459907531738e-01 7.6466333866119385e-01 - -4.9252825975418091e-01 3.0242496728897095e-01 - <_> - 1.8654627799987793e+00 - - 1 2 111 5.5000000000000000e+00 0 -1 112 - 4.6550000000000000e+02 -2 -3 113 6.6500000000000000e+01 - - 3.1676077842712402e-01 -5.6126487255096436e-01 - -7.7573800086975098e-01 5.2215093374252319e-01 - <_> - 2.1480247974395752e+00 - - 1 2 114 6.0500000000000000e+01 0 -1 115 - 2.0500000000000000e+01 -2 -3 116 2.3450000000000000e+02 - - -8.9376759529113770e-01 -1.0997094959020615e-01 - 7.2199839353561401e-01 -5.0327394157648087e-02 - <_> - 1.9088299274444580e+00 - - 1 2 117 7.5000000000000000e+00 0 -1 118 - 4.0500000000000000e+01 -2 -3 119 6.5000000000000000e+00 - - 4.8195198178291321e-02 -7.0370197296142578e-01 - -2.3919497430324554e-01 4.2311295866966248e-01 - <_> - 1.5272409915924072e+00 - - 1 2 120 1.6050000000000000e+02 0 -1 121 - 1.0500000000000000e+01 -2 -3 122 1.0500000000000000e+01 - - 2.4770694971084595e-01 -3.8158890604972839e-01 - -9.7206908464431763e-01 8.9829629659652710e-01 - <_> - 1.9680063724517822e+00 - - 1 2 123 2.5000000000000000e+00 0 -1 124 - 1.9500000000000000e+01 -2 -3 125 2.5735000000000000e+03 - - -4.3100010603666306e-02 -7.5473427772521973e-01 - -3.5048019886016846e-01 4.4076529145240784e-01 - <_> - 2.3465363979339600e+00 - - 1 2 126 1.2500000000000000e+01 0 -1 127 - 1.0555000000000000e+03 -2 -3 128 7.5000000000000000e+00 - - -8.7551236152648926e-01 -6.7303813993930817e-02 - 3.7853002548217773e-01 -3.1027609109878540e-01 - <_> - 2.9033544063568115e+00 - - 1 2 129 8.5000000000000000e+00 0 -1 130 - 5.6250000000000000e+02 -2 -3 131 1.3550000000000000e+02 - - -3.6559425294399261e-02 -7.8142386674880981e-01 - 7.2312414646148682e-01 2.3289153352379799e-02 - <_> - 2.9388859272003174e+00 - - 1 2 132 5.0000000000000000e-01 0 -1 133 - 5.5250000000000000e+02 -2 -3 134 9.5000000000000000e+00 - - -3.9772734045982361e-01 3.6010205745697021e-01 - -5.2232388406991959e-02 -8.5994052886962891e-01 - <_> - 3.1289162635803223e+00 - - 1 2 135 2.5000000000000000e+00 0 -1 136 - 9.3550000000000000e+02 -2 -3 137 3.4500000000000000e+01 - - 6.5386021137237549e-01 -7.9960751533508301e-01 - 5.9937894344329834e-01 -9.3748055398464203e-02 - <_> - 2.9401018619537354e+00 - - 1 2 138 2.3500000000000000e+01 0 -1 139 - 4.9500000000000000e+01 -2 -3 140 3.6500000000000000e+01 - - -2.2960659861564636e-01 6.7244362831115723e-01 - 7.8785783052444458e-01 -9.8723149299621582e-01 - <_> - 3.1424379348754883e+00 - - 1 2 141 2.5000000000000000e+00 0 -1 142 - 5.5000000000000000e+00 -2 -3 143 2361. - - -9.1799181699752808e-01 4.2446807026863098e-01 - 2.0233620703220367e-01 -9.6672892570495605e-01 - <_> - 3.4968855381011963e+00 - - 1 2 144 2.8550000000000000e+02 0 -1 145 - 5.1500000000000000e+01 -2 -3 146 5.6650000000000000e+02 - - -8.5579192638397217e-01 -9.2651106417179108e-02 - 3.8093444705009460e-01 -5.7530546188354492e-01 - <_> - 3.1502232551574707e+00 - - 1 2 147 4.5000000000000000e+00 0 -1 148 - 6.8500000000000000e+01 -2 -3 149 9.5000000000000000e+00 - - -8.9113306999206543e-01 7.8237515687942505e-01 - 3.2001781463623047e-01 -3.7314903736114502e-01 - <_> - 3.8585174083709717e+00 - - 1 2 150 5.0000000000000000e-01 0 -1 151 - 5.5000000000000000e+00 -2 -3 152 4.1050000000000000e+02 - - -4.9204528331756592e-01 7.0829415321350098e-01 - 7.4046157300472260e-02 -6.1383426189422607e-01 - <_> - 3.8080792427062988e+00 - - 1 2 153 3.5500000000000000e+01 0 -1 154 7681. -2 -3 155 - 2.4675000000000000e+03 - - 3.3740982413291931e-02 -7.4226945638656616e-01 - -7.3395508527755737e-01 3.6083909869194031e-01 - <_> - 3.3863887786865234e+00 - - 1 2 156 5.6500000000000000e+01 0 -1 157 - 5.0000000000000000e-01 -2 -3 158 8.4050000000000000e+02 - - 1.7904321849346161e-01 -4.8003113269805908e-01 - -9.6535164117813110e-01 6.9043123722076416e-01 - <_> - 3.6636304855346680e+00 - - 1 2 159 4.5000000000000000e+00 0 -1 160 - 2.5000000000000000e+00 -2 -3 161 5.8950000000000000e+02 - - 2.8943026065826416e-01 -6.7487114667892456e-01 - 2.7724167704582214e-01 -8.2213556766510010e-01 - <_> - 3.8721060752868652e+00 - - 1 2 162 1.2150000000000000e+02 0 -1 163 - 1.4500000000000000e+01 -2 -3 164 1.7500000000000000e+01 - - 2.0847551524639130e-01 -6.2353050708770752e-01 - -9.3967980146408081e-01 1.3107043504714966e-01 - <_> - 3.7894663810729980e+00 - - 1 2 165 2.5000000000000000e+00 0 -1 166 - 1.5500000000000000e+01 -2 -3 167 7.4500000000000000e+01 - - -7.5801634788513184e-01 4.9648978747427464e-03 - 2.7702361345291138e-01 -6.3914996385574341e-01 - <_> - 4.0543885231018066e+00 - - 1 2 168 9.3500000000000000e+01 0 -1 169 - 6.1500000000000000e+01 -2 -3 170 2.8500000000000000e+01 - - -4.7131806612014771e-01 7.3680460453033447e-01 - 3.5524344444274902e-01 -8.2101029157638550e-01 - <_> - 3.9048261642456055e+00 - - 1 2 171 7.5500000000000000e+01 0 -1 172 - 5.0000000000000000e-01 -2 -3 173 1.6500000000000000e+01 - - 4.9885207414627075e-01 -1.4956261217594147e-01 - -9.2175818979740143e-02 -8.9010834693908691e-01 - <_> - 4.4586915969848633e+00 - - 1 2 174 2.6950000000000000e+02 0 -1 175 - 1.7605000000000000e+03 -2 -3 176 2.8545000000000000e+03 - - 8.6131852865219116e-01 -1.3636624813079834e-01 - -7.9446256160736084e-01 5.2974238060414791e-03 - <_> - 4.6468200683593750e+00 - - 1 2 177 8.5000000000000000e+00 0 -1 178 - 1.7250000000000000e+02 -2 -3 179 1.5000000000000000e+00 - - 7.8949034214019775e-01 -6.4925616979598999e-01 - -4.3843978643417358e-01 3.6792558431625366e-01 - <_> - 5.0024299621582031e+00 - - 1 2 180 5.0000000000000000e-01 0 -1 181 - 1.5000000000000000e+00 -2 -3 182 3.2500000000000000e+01 - - -6.3265806436538696e-01 5.1995193958282471e-01 - -5.6129783391952515e-01 3.8019722700119019e-01 - <_> - 4.7194237709045410e+00 - - 1 2 183 4.2650000000000000e+02 0 -1 184 - 8.5000000000000000e+00 -2 -3 185 4.4950000000000000e+02 - - -7.5718921422958374e-01 2.8537952899932861e-01 - -6.2070721387863159e-01 4.7228741645812988e-01 - <_> - 5.0188984870910645e+00 - - 1 2 186 4.5000000000000000e+00 0 -1 187 - 7.5000000000000000e+00 -2 -3 188 2.5500000000000000e+01 - - -7.2133111953735352e-01 5.6136214733123779e-01 - -6.9119346141815186e-01 3.8566098082810640e-03 - <_> - 5.3487014770507812e+00 - - 1 2 189 5.7500000000000000e+01 0 -1 190 - 2.5000000000000000e+00 -2 -3 191 7.8350000000000000e+02 - - -4.0980994701385498e-01 3.2980319857597351e-01 - -8.2106924057006836e-01 8.7380580604076385e-02 - <_> - 5.4926447868347168e+00 - - 1 2 192 4.0550000000000000e+02 0 -1 193 - 1.4450000000000000e+02 -2 -3 194 6.5005000000000000e+03 - - 7.8168880939483643e-01 -9.9427944421768188e-01 - 1.4394305646419525e-01 -8.7959676980972290e-01 - <_> - 4.9957537651062012e+00 - - 1 2 195 4.8150000000000000e+02 0 -1 196 - 1.5000000000000000e+00 -2 -3 197 3.5035000000000000e+03 - - 7.3646187782287598e-02 -4.9689114093780518e-01 - 4.9998056888580322e-01 -8.2785910367965698e-01 - <_> - 5.1939215660095215e+00 - - 1 2 198 2.5000000000000000e+00 0 -1 199 - 5.0000000000000000e-01 -2 -3 200 2.3500000000000000e+01 - - 1.2600880861282349e-01 -7.7916258573532104e-01 - 5.3144866228103638e-01 -1.1227495223283768e-01 - <_> - 5.0181527137756348e+00 - - 1 2 201 8.5000000000000000e+00 0 -1 202 - 4.4750000000000000e+02 -2 -3 203 5.0000000000000000e-01 - - 5.7900190353393555e-02 -7.0389288663864136e-01 - 5.1429390907287598e-01 -1.7576885223388672e-01 - <_> - 5.5697488784790039e+00 - - 1 2 204 1.0500000000000000e+01 0 -1 205 70. -2 -3 206 - 6.7350000000000000e+02 - - -8.7297052145004272e-01 7.0906364917755127e-01 - -1.4972299337387085e-01 5.5159616470336914e-01 - <_> - 5.7136139869689941e+00 - - 1 2 207 1.3650000000000000e+02 0 -1 208 - 1.6175000000000000e+03 -2 -3 209 3.7500000000000000e+01 - - -7.1608042716979980e-01 6.8123096227645874e-01 - -5.4103106260299683e-01 1.4386519789695740e-01 - <_> - 6.0863943099975586e+00 - - 1 2 210 4.2350000000000000e+02 0 -1 211 - 6.5000000000000000e+00 -2 -3 212 1.6500000000000000e+01 - - -5.0391936302185059e-01 3.7278059124946594e-01 - -6.1555516719818115e-01 3.6680406332015991e-01 - <_> - 6.0900993347167969e+00 - - 1 2 213 7.5000000000000000e+00 0 -1 214 - 6.3500000000000000e+01 -2 -3 215 1.7150000000000000e+02 - - -8.1301319599151611e-01 2.1032735705375671e-01 - 2.5279974937438965e-01 -7.4217134714126587e-01 - <_> - 5.8023753166198730e+00 - - 1 2 216 1.2500000000000000e+01 0 -1 217 - 1.5000000000000000e+00 -2 -3 218 2.6500000000000000e+01 - - -7.2685444355010986e-01 7.9898738861083984e-01 - -2.8772389888763428e-01 5.6455093622207642e-01 - <_> - 6.3323311805725098e+00 - - 1 2 219 1.5000000000000000e+00 0 -1 220 - 8.5000000000000000e+00 -2 -3 221 1475. - - -1.4710092544555664e-01 5.2995562553405762e-01 - -5.9936457872390747e-01 6.4512765407562256e-01 - <_> - 6.6095805168151855e+00 - - 1 2 222 1.0050000000000000e+02 0 -1 223 - 1.3850000000000000e+02 -2 -3 224 1.6500000000000000e+01 - - -3.7491708993911743e-01 2.7724933624267578e-01 - -9.3418252468109131e-01 7.3304271697998047e-01 - <_> - 6.3995418548583984e+00 - - 1 2 225 5.0000000000000000e-01 0 -1 226 - 5.0000000000000000e-01 -2 -3 227 404. - - -5.4505115747451782e-01 3.4958031773567200e-01 - 3.8955518603324890e-01 -5.4077529907226562e-01 - <_> - 6.4326496124267578e+00 - - 1 2 228 1.4725000000000000e+03 0 -1 229 - 1.5000000000000000e+00 -2 -3 230 1.8750000000000000e+02 - - -5.1992988586425781e-01 3.2155281305313110e-01 - -8.8109362125396729e-01 1.9341170787811279e-01 - <_> - 6.6780347824096680e+00 - - 1 2 231 4.1500000000000000e+01 0 -1 232 - 3.7950000000000000e+02 -2 -3 233 5.6500000000000000e+01 - - -3.8503032922744751e-01 2.4538502097129822e-01 - -8.7592208385467529e-01 1. - <_> - 6.2248573303222656e+00 - - 1 2 234 7.5000000000000000e+00 0 -1 235 - 3.2500000000000000e+01 -2 -3 236 5.7950000000000000e+02 - - -4.5317751169204712e-01 2.1532684564590454e-01 - 5.8404910564422607e-01 -2.4274602532386780e-01 - <_> - 6.4159698486328125e+00 - - 1 2 237 1.1535000000000000e+03 0 -1 238 - 5.5000000000000000e+00 -2 -3 239 6.4500000000000000e+01 - - -8.7068289518356323e-01 1.9111247360706329e-01 - -9.4053912162780762e-01 4.4355693459510803e-01 - <_> - 7.1638717651367188e+00 - - 1 2 240 1.4050000000000000e+02 0 -1 241 - 5.0000000000000000e-01 -2 -3 242 1.2650000000000000e+02 - - 4.4086909294128418e-01 -5.0150549411773682e-01 - 7.4790221452713013e-01 -9.0757437050342560e-02 - <_> - 6.9956283569335938e+00 - - 1 2 243 4.0550000000000000e+02 0 -1 244 - 3.7650000000000000e+02 -2 -3 245 4524. - - -3.4899798035621643e-01 8.1103372573852539e-01 - -8.7178498506546021e-01 -4.8995027318596840e-03 - <_> - 7.4554481506347656e+00 - - 1 2 246 2.3150000000000000e+02 0 -1 247 - 3.1425000000000000e+03 -2 -3 248 6.5000000000000000e+00 - - 5.2766591310501099e-01 -6.1232703924179077e-01 - -6.5764123201370239e-01 2.0478096604347229e-01 - <_> - 7.2104501724243164e+00 - - 1 2 249 2.9500000000000000e+01 0 -1 250 - 5.0000000000000000e-01 -2 -3 251 2.1500000000000000e+01 - - 4.3428641557693481e-01 -3.1284397840499878e-01 - 8.8815468549728394e-01 -4.8376885056495667e-01 - <_> - 7.4390578269958496e+00 - - 1 2 252 5.5000000000000000e+00 0 -1 253 - 1.3500000000000000e+01 -2 -3 254 6.2500000000000000e+01 - - 7.5515633821487427e-01 -9.5432144403457642e-01 - 2.2860760986804962e-01 -7.0533061027526855e-01 - <_> - 7.9283328056335449e+00 - - 1 2 255 2.5000000000000000e+00 0 -1 256 - 2.2050000000000000e+02 -2 -3 257 6.5000000000000000e+00 - - 2.8305485844612122e-01 -4.7798827290534973e-01 - -6.9612729549407959e-01 4.8927512764930725e-01 - <_> - 7.8133955001831055e+00 - - 1 2 258 9.5000000000000000e+00 0 -1 259 - 4.5000000000000000e+00 -2 -3 260 1.7500000000000000e+01 - - 6.2756460905075073e-01 -7.5498276948928833e-01 - 3.5729703307151794e-01 -4.0417757630348206e-01 - <_> - 8.1147861480712891e+00 - - 1 2 261 5.0000000000000000e-01 0 -1 262 - 5.0000000000000000e-01 -2 -3 263 1.5000000000000000e+00 - - -4.9173495173454285e-01 4.1440054774284363e-01 - 1.4962354302406311e-01 -6.2164884805679321e-01 - <_> - 8.0036125183105469e+00 - - 1 2 264 2.7250000000000000e+02 0 -1 265 - 6.6500000000000000e+01 -2 -3 266 8.6500000000000000e+01 - - 8.9536643028259277e-01 -8.2981568574905396e-01 - -1.1117322742938995e-01 5.5591076612472534e-01 - <_> - 7.9468250274658203e+00 - - 1 2 267 3.4355000000000000e+03 0 -1 268 - 1.2500000000000000e+01 -2 -3 269 5.0000000000000000e-01 - - -5.6787721812725067e-02 6.2517631053924561e-01 - 9.5699685811996460e-01 -8.4953671693801880e-01 - <_> - 8.1981401443481445e+00 - - 1 2 270 5.1255000000000000e+03 0 -1 271 - 7.5500000000000000e+01 -2 -3 272 3.5000000000000000e+00 - - 5.5827653408050537e-01 -8.1833952665328979e-01 - -7.4658811092376709e-01 2.5131568312644958e-01 - <_> - 8.5107431411743164e+00 - - 1 2 273 1.4500000000000000e+01 0 -1 274 - 1.2465000000000000e+03 -2 -3 275 2.5000000000000000e+00 - - -4.7990524768829346e-01 3.1260266900062561e-01 - -7.6885735988616943e-01 2.7144250273704529e-01 - <_> - 8.5296592712402344e+00 - - 1 2 276 8.5000000000000000e+00 0 -1 277 - 4.5000000000000000e+00 -2 -3 278 2.2500000000000000e+01 - - -2.7888947725296021e-01 4.1390788555145264e-01 - -7.5243312120437622e-01 3.8646731525659561e-02 - <_> - 8.1502628326416016e+00 - - 1 2 279 7.5000000000000000e+00 0 -1 280 - 4.5000000000000000e+00 -2 -3 281 6.5000000000000000e+00 - - -9.1697919368743896e-01 2.5899103283882141e-01 - 2.9392924904823303e-01 -3.7939697504043579e-01 - <_> - 8.5284252166748047e+00 - - 1 2 282 7.5000000000000000e+00 0 -1 283 - 4.5000000000000000e+00 -2 -3 284 1.6650000000000000e+02 - - 4.6240034699440002e-01 -5.9770995378494263e-01 - 3.7816286087036133e-01 -4.5079508423805237e-01 - <_> - 8.8317689895629883e+00 - - 1 2 285 5.0000000000000000e-01 0 -1 286 - 1.0500000000000000e+01 -2 -3 287 9.3500000000000000e+01 - - -2.2997814416885376e-01 5.8687257766723633e-01 - -3.8729551434516907e-01 8.3155500888824463e-01 - <_> - 9.0805969238281250e+00 - - 1 2 288 4.5000000000000000e+00 0 -1 289 - 1.5000000000000000e+00 -2 -3 290 9.5500000000000000e+01 - - -5.1435619592666626e-01 6.5646749734878540e-01 - 2.3559592664241791e-01 -5.2417474985122681e-01 - <_> - 9.1131057739257812e+00 - - 1 2 291 1.0550000000000000e+02 0 -1 292 - 2.5000000000000000e+00 -2 -3 293 2.5000000000000000e+00 - - 2.8382772207260132e-01 -7.2767460346221924e-01 - -2.2438500821590424e-01 5.3264546394348145e-01 - <_> - 9.5003452301025391e+00 - - 1 2 294 3.6250000000000000e+02 0 -1 295 - 5.2500000000000000e+01 -2 -3 296 1.0500000000000000e+01 - - -1.5170100331306458e-01 5.5480080842971802e-01 - -5.9511619806289673e-01 9.4855791330337524e-01 - <_> - 9.8572778701782227e+00 - - 1 2 297 1.5000000000000000e+00 0 -1 298 - 5.2450000000000000e+02 -2 -3 299 9.4850000000000000e+02 - - -7.1444231271743774e-01 5.5506742000579834e-01 - -3.6931082606315613e-01 3.5693225264549255e-01 - <_> - 9.9349241256713867e+00 - - 1 2 300 9.4850000000000000e+02 0 -1 301 267. -2 -3 302 - 1.6500000000000000e+01 - - -8.8825285434722900e-01 7.0393162965774536e-01 - -7.8592085838317871e-01 1.2156928423792124e-03 - <_> - 9.9322500228881836e+00 - - 1 2 303 2.5500000000000000e+01 0 -1 304 - 1.5000000000000000e+00 -2 -3 305 159. - - 3.4359598159790039e-01 -2.4455060064792633e-01 1. - -7.8989464044570923e-01 - <_> - 1.0058608055114746e+01 - - 1 2 306 5.0000000000000000e-01 0 -1 307 - 2.2500000000000000e+01 -2 -3 308 1.1515000000000000e+03 - - -9.0996569395065308e-01 9.2380321025848389e-01 - -1.6473907232284546e-01 4.1052249073982239e-01 - <_> - 1.0223997116088867e+01 - - 1 2 309 4.2500000000000000e+01 0 -1 310 - 8.6650000000000000e+02 -2 -3 311 2.2500000000000000e+01 - - 1.9234158098697662e-01 -7.2460043430328369e-01 - -7.9836362600326538e-01 9.6195751428604126e-01 - <_> - 1.0008197784423828e+01 - - 1 2 312 5.5000000000000000e+00 0 -1 313 - 2.6650000000000000e+02 -2 -3 314 3.3500000000000000e+01 - - 1.2523138523101807e-01 -8.6618262529373169e-01 - -2.4275220930576324e-01 4.0779858827590942e-01 - <_> - 1.0062645912170410e+01 - - 1 2 315 5.0000000000000000e-01 0 -1 316 - 1.5500000000000000e+01 -2 -3 317 3.5000000000000000e+00 - - -5.3337979316711426e-01 3.9335799217224121e-01 - 1.6538677737116814e-02 -6.5064489841461182e-01 - <_> - 1.0137523651123047e+01 - - 1 2 318 6.5000000000000000e+00 0 -1 319 - 9.7500000000000000e+01 -2 -3 320 4.2250000000000000e+02 - - -8.1692630052566528e-01 3.2735434174537659e-01 - 3.4575462341308594e-01 -3.3049446344375610e-01 - <_> - 1.0166016578674316e+01 - - 1 2 321 2.5500000000000000e+01 0 -1 322 - 8.5000000000000000e+00 -2 -3 323 1.6500000000000000e+01 - - 9.1644279658794403e-02 -5.2864229679107666e-01 - 6.9183582067489624e-01 -8.6679929494857788e-01 - <_> - 1.0464833259582520e+01 - - 1 2 324 4.3500000000000000e+01 0 -1 325 - 2.0500000000000000e+01 -2 -3 326 8.0500000000000000e+01 - - -7.2728145122528076e-01 7.6082414388656616e-01 - 2.9881590604782104e-01 -7.0052075386047363e-01 - <_> - 1.0593893051147461e+01 - - 1 2 327 754. 0 -1 328 3.1500000000000000e+01 -2 -3 329 - 1.1650000000000000e+02 - - 1.2906002998352051e-01 -9.6310997009277344e-01 - -9.4967085123062134e-01 9.2896288633346558e-01 - <_> - 1.0529273033142090e+01 - - 1 2 330 1.5950000000000000e+02 0 -1 331 - 5.0000000000000000e-01 -2 -3 332 1.0500000000000000e+01 - - 4.0252849459648132e-01 -2.2623433172702789e-01 - -8.2927960157394409e-01 7.9533529281616211e-01 - <_> - 1.0765100479125977e+01 - - 1 2 333 3.7500000000000000e+01 0 -1 334 2857. -2 -3 335 - 2.9500000000000000e+01 - - 1.0000352561473846e-01 -6.7226463556289673e-01 - -2.3132064938545227e-01 6.5264308452606201e-01 - <_> - 1.0927120208740234e+01 - - 1 2 336 1.4500000000000000e+01 0 -1 337 - 1.7500000000000000e+01 -2 -3 338 7.5000000000000000e+00 - - 1. -9.8882341384887695e-01 -8.0750954151153564e-01 - 1.6201967000961304e-01 - <_> - 1.0593936920166016e+01 - - 1 2 339 3.5500000000000000e+01 0 -1 340 - 1.9835000000000000e+03 -2 -3 341 2.3950000000000000e+02 - - -7.7594196796417236e-01 5.6257498264312744e-01 - -3.3318310976028442e-01 7.2988075017929077e-01 - <_> - 1.0573868751525879e+01 - - 1 2 342 4.0345000000000000e+03 0 -1 343 - 1.7500000000000000e+01 -2 -3 344 2.4500000000000000e+01 - - -2.0068552345037460e-02 6.8981468677520752e-01 - -9.6814006567001343e-01 1. - <_> - 1.0650080680847168e+01 - - 1 2 345 7.5000000000000000e+00 0 -1 346 - 1.2500000000000000e+01 -2 -3 347 5.0000000000000000e-01 - - 7.6211549341678619e-02 -5.1685106754302979e-01 - 7.4474209547042847e-01 -4.1124773025512695e-01 - <_> - 1.1117682456970215e+01 - - 1 2 348 2.6150000000000000e+02 0 -1 349 - 3.6500000000000000e+01 -2 -3 350 1.3225000000000000e+03 - - 3.7473414093255997e-02 -7.5915354490280151e-01 - -8.7183421850204468e-01 5.9835737943649292e-01 - <_> - 1.1351815223693848e+01 - - 1 2 351 1.5000000000000000e+00 0 -1 352 - 1.1500000000000000e+01 -2 -3 353 1.5000000000000000e+00 - - -7.5888788700103760e-01 8.4721368551254272e-01 - -5.5274593830108643e-01 2.3413263261318207e-01 - <_> - 1.1546736717224121e+01 - - 1 2 354 1.3500000000000000e+01 0 -1 355 - 6.5450000000000000e+02 -2 -3 356 9.5000000000000000e+00 - - -7.7053505182266235e-01 2.9745939373970032e-01 - -6.9932419061660767e-01 6.4165964722633362e-02 - <_> - 1.1826669692993164e+01 - - 1 2 357 5.0000000000000000e-01 0 -1 358 55. -2 -3 359 - 2.4850000000000000e+02 - - 4.2303827404975891e-01 -5.7265710830688477e-01 - 2.7993318438529968e-01 -8.1947267055511475e-01 - <_> - 1.1284319877624512e+01 - - 1 2 360 5.0000000000000000e-01 0 -1 361 - 6.5000000000000000e+00 -2 -3 362 1.1500000000000000e+01 - - -9.5987164974212646e-01 3.2443001866340637e-01 - -6.4488828182220459e-01 1.1978100985288620e-01 - <_> - 1.1630601882934570e+01 - - 1 2 363 5.0000000000000000e-01 0 -1 364 - 5.0000000000000000e-01 -2 -3 365 8.4500000000000000e+01 - - -8.8305491209030151e-01 3.4628173708915710e-01 - -4.7460108995437622e-01 7.0546346902847290e-01 - <_> - 1.2214597702026367e+01 - - 1 2 366 9.4450000000000000e+02 0 -1 367 - 1.2500000000000000e+01 -2 -3 368 8.5000000000000000e+00 - - 8.7438219785690308e-01 -7.6936721801757812e-01 - -5.2558350563049316e-01 1.2239178270101547e-01 - <_> - 1.2195128440856934e+01 - - 1 2 369 2.7550000000000000e+02 0 -1 370 - 1.7650000000000000e+02 -2 -3 371 2.2735000000000000e+03 - - -1.9470088183879852e-02 -9.6673905849456787e-01 - -4.8436808586120605e-01 3.0466488003730774e-01 - <_> - 1.2251366615295410e+01 - - 1 2 372 5.2650000000000000e+02 0 -1 373 546. -2 -3 374 - 1.1050000000000000e+02 - - -1. 9.5037066936492920e-01 -3.8202244043350220e-01 - 2.0185998082160950e-01 - <_> - 1.2102990150451660e+01 - - 1 2 375 3.2500000000000000e+01 0 -1 376 - 2.1500000000000000e+01 -2 -3 377 8.4500000000000000e+01 - - -3.2463604211807251e-01 3.6814257502555847e-01 - -7.3823076486587524e-01 7.4913966655731201e-01 - <_> - 1.2312093734741211e+01 - - 1 2 378 3.4355000000000000e+03 0 -1 379 - 2.5000000000000000e+00 -2 -3 380 6.3500000000000000e+01 - - -7.8733509778976440e-01 2.0910337567329407e-01 - -9.0931433439254761e-01 3.8765233755111694e-01 - <_> - 1.2890332221984863e+01 - - 1 2 381 3.0500000000000000e+01 0 -1 382 3778. -2 -3 383 - 3.5000000000000000e+00 - - -9.6564710140228271e-01 6.7786568403244019e-01 - -6.9395273923873901e-01 6.1719562858343124e-02 - <_> - 1.2589548110961914e+01 - - 1 2 384 1.9950000000000000e+02 0 -1 385 - 2.5000000000000000e+00 -2 -3 386 8.1500000000000000e+01 - - 3.0389565229415894e-01 -3.0078458786010742e-01 - 9.3047642707824707e-01 -8.3185690641403198e-01 - <_> - 1.3083652496337891e+01 - - 1 2 387 6.8500000000000000e+01 0 -1 388 - 2.9495000000000000e+03 -2 -3 389 1.6500000000000000e+01 - - 4.2328838258981705e-02 -8.1223583221435547e-01 - -2.1020211279392242e-01 5.5431735515594482e-01 - <_> - 1.3218968391418457e+01 - - 1 2 390 1.6705000000000000e+03 0 -1 391 - 2.5500000000000000e+01 -2 -3 392 4.8050000000000000e+02 - - 4.8974525928497314e-01 -5.1326960325241089e-01 - -5.8406698703765869e-01 1.3531610369682312e-01 - <_> - 1.2885004043579102e+01 - - 1 2 393 8.5000000000000000e+00 0 -1 394 - 4.1845000000000000e+03 -2 -3 395 1.3500000000000000e+01 - - -1.3101078569889069e-01 -8.4397506713867188e-01 - 3.3940505981445312e-01 -5.4651063680648804e-01 - <_> - 1.3153897285461426e+01 - - 1 2 396 5.5000000000000000e+00 0 -1 397 - 6.1950000000000000e+02 -2 -3 398 2.8500000000000000e+01 - - 1.9637145102024078e-01 -4.6468892693519592e-01 - 5.5541270971298218e-01 -1. - <_> - 1.3368961334228516e+01 - - 1 2 399 9.5000000000000000e+00 0 -1 400 - 1.5000000000000000e+00 -2 -3 401 5.1500000000000000e+01 - - 9.3293839693069458e-01 -8.3272749185562134e-01 - 2.1506418287754059e-01 -8.0539971590042114e-01 - <_> - 1.3012317657470703e+01 - - 1 2 402 5.5000000000000000e+00 0 -1 403 - 1.5000000000000000e+00 -2 -3 404 8.5000000000000000e+00 - - 7.4536651372909546e-01 -6.8645662069320679e-01 - 3.7242239713668823e-01 -3.5664358735084534e-01 - <_> - 1.3480623245239258e+01 - - 1 2 405 5.0000000000000000e-01 0 -1 406 - 5.5000000000000000e+00 -2 -3 407 1.2950000000000000e+02 - - -3.6363714933395386e-01 4.6830555796623230e-01 - -5.7222759723663330e-01 4.0735042095184326e-01 - <_> - 1.3696137428283691e+01 - - 1 2 408 5.0000000000000000e-01 0 -1 409 - 3.5500000000000000e+01 -2 -3 410 2.4750000000000000e+02 - - -8.6935847997665405e-01 6.8743604421615601e-01 - 2.1551388502120972e-01 -7.8673112392425537e-01 - <_> - 1.3721407890319824e+01 - - 1 2 411 3.8500000000000000e+01 0 -1 412 - 3.8150000000000000e+02 -2 -3 413 6.5000000000000000e+00 - - -5.6747698783874512e-01 8.5023626685142517e-02 - -7.0082569122314453e-01 6.5703827142715454e-01 - <_> - 1.3873306274414062e+01 - - 1 2 414 3.0435000000000000e+03 0 -1 415 29. -2 -3 416 83. - - 1.5189857780933380e-01 -9.3611216545104980e-01 - -9.5821422338485718e-01 6.5282088518142700e-01 - <_> - 1.4014303207397461e+01 - - 1 2 417 5.0000000000000000e-01 0 -1 418 - 5.5000000000000000e+00 -2 -3 419 2.8500000000000000e+01 - - -6.7168551683425903e-01 3.7073549628257751e-01 - -6.0920524597167969e-01 1.5500061213970184e-01 - <_> - 1.4489161491394043e+01 - - 1 2 420 1.0500000000000000e+01 0 -1 421 - 9.2500000000000000e+01 -2 -3 422 9.5000000000000000e+00 - - 4.7485816478729248e-01 -9.3795543909072876e-01 - -4.8096546530723572e-01 3.2066935300827026e-01 - <_> - 1.4712132453918457e+01 - - 1 2 423 5.6500000000000000e+01 0 -1 424 - 1.5500000000000000e+01 -2 -3 425 11. - - -5.4511427879333496e-01 2.2297111153602600e-01 - -9.3687444925308228e-01 9.3418681621551514e-01 - <_> - 1.4426413536071777e+01 - - 1 2 426 9.7450000000000000e+02 0 -1 427 - 8.3850000000000000e+02 -2 -3 428 127. - - 4.5185938477516174e-01 -2.0019924640655518e-01 - 2.9750302433967590e-01 -7.1074008941650391e-01 - <_> - 1.4523365974426270e+01 - - 1 2 429 3.0500000000000000e+01 0 -1 430 - 5.0000000000000000e-01 -2 -3 431 200. - - 9.6951834857463837e-02 -4.6191120147705078e-01 1. -1. - <_> - 1.4775473594665527e+01 - - 1 2 432 5.5000000000000000e+00 0 -1 433 - 3.8500000000000000e+01 -2 -3 434 34. - - -6.4820885658264160e-01 9.7515827417373657e-01 - -8.0702418088912964e-01 2.5210806727409363e-01 - <_> - 1.4361328125000000e+01 - - 1 2 435 9.5500000000000000e+01 0 -1 436 - 1.9250000000000000e+02 -2 -3 437 2.1500000000000000e+01 - - -5.9286040067672729e-01 3.2556504011154175e-01 - 2.8273129463195801e-01 -9.3379873037338257e-01 - <_> - 1.4586226463317871e+01 - - 1 2 438 3412. 0 -1 439 8.5000000000000000e+00 -2 -3 440 100. - - -4.1335216164588928e-01 2.2489830851554871e-01 - -9.9015569686889648e-01 1. - <_> - 1.5102481842041016e+01 - - 1 2 441 4.1150000000000000e+02 0 -1 442 - 5.0500000000000000e+01 -2 -3 443 3.0395000000000000e+03 - - -9.5133119821548462e-01 7.9551450908184052e-02 - 5.3846877813339233e-01 -1.1589291691780090e-01 - <_> - 1.5133154869079590e+01 - - 1 2 444 1.9265000000000000e+03 0 -1 445 - 5.0000000000000000e-01 -2 -3 446 1.0750000000000000e+02 - - 9.7796529531478882e-02 -4.9147978425025940e-01 - 5.6562197208404541e-01 -7.0251446962356567e-01 - <_> - 1.5480172157287598e+01 - - 1 2 447 7.0500000000000000e+01 0 -1 448 239. -2 -3 449 - 1.1755000000000000e+03 - - 4.4128131121397018e-02 -7.7577579021453857e-01 - 3.4701684117317200e-01 -8.5588878393173218e-01 - <_> - 1.5623726844787598e+01 - - 1 2 450 5.0000000000000000e-01 0 -1 451 33. -2 -3 452 - 5.7500000000000000e+01 - - -9.8123723268508911e-01 1. 1.4355540275573730e-01 - -7.0005464553833008e-01 - <_> - 1.5563958168029785e+01 - - 1 2 453 1.5000000000000000e+00 0 -1 454 - 2.8500000000000000e+01 -2 -3 455 47. - - -6.2908321619033813e-01 5.0617432594299316e-01 - -3.7233376502990723e-01 8.5267359018325806e-01 - <_> - 1.5404257774353027e+01 - - 1 2 456 4.1500000000000000e+01 0 -1 457 - 4.5000000000000000e+00 -2 -3 458 1.5000000000000000e+00 - - -9.4914859533309937e-01 9.4575625658035278e-01 - -3.8208422064781189e-01 1.9698897004127502e-01 - <_> - 1.6029253005981445e+01 - - 1 2 459 8.5000000000000000e+00 0 -1 460 - 3.6500000000000000e+01 -2 -3 461 5.5000000000000000e+00 - - -8.4917742013931274e-01 6.1574220657348633e-01 - 8.2632422447204590e-01 -3.3165588974952698e-02 - <_> - 1.5608561515808105e+01 - - 1 2 462 1.3500000000000000e+01 0 -1 463 - 5.3950000000000000e+02 -2 -3 464 5.5000000000000000e+00 - - -9.0597325563430786e-01 2.5814166665077209e-01 - -7.0283818244934082e-01 3.1022888422012329e-01 - <_> - 1.5827486038208008e+01 - - 1 2 465 2.5000000000000000e+00 0 -1 466 - 8.1500000000000000e+01 -2 -3 467 2.0550000000000000e+02 - - -8.6807721853256226e-01 1. 2.1892426908016205e-01 - -6.2899088859558105e-01 - <_> - 1.6221029281616211e+01 - - 1 2 468 8.9850000000000000e+02 0 -1 469 - 4.2050000000000000e+02 -2 -3 470 7.6450000000000000e+02 - - -3.1118813902139664e-02 -8.0856597423553467e-01 - 3.9354413747787476e-01 -7.0517486333847046e-01 - <_> - 1.6183372497558594e+01 - - 1 2 471 2.0545000000000000e+03 0 -1 472 - 2.5050000000000000e+02 -2 -3 473 4.4995000000000000e+03 - - 6.4125961065292358e-01 -8.5631817579269409e-01 - 7.6069533824920654e-01 -3.7658475339412689e-02 - <_> - 1.6466924667358398e+01 - - 1 2 474 7.5000000000000000e+00 0 -1 475 - 4.2895000000000000e+03 -2 -3 476 6.2950000000000000e+02 - - 8.1660963594913483e-02 -7.4422889947891235e-01 - 4.2579609155654907e-01 -4.2402768135070801e-01 - <_> - 1.6026039123535156e+01 - - 1 2 477 5.0000000000000000e-01 0 -1 478 - 1.8500000000000000e+01 -2 -3 479 4.4850000000000000e+02 - - -3.0789500474929810e-01 5.8823746442794800e-01 - -4.4998848438262939e-01 5.3471541404724121e-01 - <_> - 1.6353460311889648e+01 - - 1 2 480 7.6050000000000000e+02 0 -1 481 - 1.9250000000000000e+02 -2 -3 482 6.8500000000000000e+01 - - -6.1745387315750122e-01 9.0257441997528076e-01 - 3.2742044329643250e-01 -7.8960853815078735e-01 - <_> - 1.6734058380126953e+01 - - 1 2 483 2.5000000000000000e+00 0 -1 484 - 1.0500000000000000e+01 -2 -3 485 5.0000000000000000e-01 - - -5.9715515375137329e-01 8.1663769483566284e-01 - 5.2075517177581787e-01 -1.6225169599056244e-01 - <_> - 1.6345090866088867e+01 - - 1 2 486 1.1500000000000000e+01 0 -1 487 - 2.8500000000000000e+01 -2 -3 488 1.7150000000000000e+02 - - 3.0138874053955078e-01 -5.6442081928253174e-01 - 9.8830562829971313e-01 -6.2377959489822388e-01 - <_> - 1.6049247741699219e+01 - - 1 2 489 4.8500000000000000e+01 0 -1 490 - 4.5000000000000000e+00 -2 -3 491 15. - - 3.0436006188392639e-01 -2.9584380984306335e-01 - -9.3031573295593262e-01 8.9746475219726562e-01 - <_> - 1.6490245819091797e+01 - - 1 2 492 1.5500000000000000e+01 0 -1 493 - 1.0500000000000000e+01 -2 -3 494 1.5000000000000000e+00 - - 1.5252333879470825e-01 -6.3438588380813599e-01 - -4.9522089958190918e-01 4.4099876284599304e-01 - <_> - 1.7003578186035156e+01 - - 1 2 495 9.5500000000000000e+01 0 -1 496 - 4.8050000000000000e+02 -2 -3 497 8.8500000000000000e+01 - - -9.6510402858257294e-02 5.1333212852478027e-01 - -8.6270028352737427e-01 7.7527511119842529e-01 - <_> - 1.7326871871948242e+01 - - 1 2 498 5.4050000000000000e+02 0 -1 499 - 9.3500000000000000e+01 -2 -3 500 4075. - - 8.5396260023117065e-01 -4.0819042921066284e-01 - -8.7424677610397339e-01 -4.3737210333347321e-02 - <_> - 1.7417627334594727e+01 - - 1 2 501 4.5000000000000000e+00 0 -1 502 - 2.8565000000000000e+03 -2 -3 503 5.0000000000000000e-01 - - 3.1944847106933594e-01 -7.1486788988113403e-01 - 4.2967954277992249e-01 -7.0940160751342773e-01 - <_> - 1.7675552368164062e+01 - - 1 2 504 2.1500000000000000e+01 0 -1 505 - 3.5000000000000000e+00 -2 -3 506 3946. - - 5.1202677190303802e-02 -8.8791614770889282e-01 - -7.7767062187194824e-01 2.5792467594146729e-01 - <_> - 1.7575408935546875e+01 - - 1 2 507 9.5000000000000000e+00 0 -1 508 - 5.8450000000000000e+02 -2 -3 509 5.0000000000000000e-01 - - 1.6954909265041351e-01 -6.1507350206375122e-01 - -7.3153948783874512e-01 4.1231128573417664e-01 - <_> - 1.7513637542724609e+01 - - 1 2 510 2.7550000000000000e+02 0 -1 511 - 4.4650000000000000e+02 -2 -3 512 1.4500000000000000e+01 - - -6.8732649087905884e-01 9.6409857273101807e-01 - -3.7864384055137634e-01 3.5600626468658447e-01 - <_> - 1.7776586532592773e+01 - - 1 2 513 2.0075000000000000e+03 0 -1 514 - 5.5000000000000000e+00 -2 -3 515 118. - - -4.9108317494392395e-01 2.7656924724578857e-01 - -7.8876090049743652e-01 9.7231864929199219e-01 - <_> - 1.7636518478393555e+01 - - 1 2 516 1.1250000000000000e+02 0 -1 517 - 5.0000000000000000e-01 -2 -3 518 96. - - -6.6741842031478882e-01 2.0427951216697693e-01 - -8.4879159927368164e-01 7.6417601108551025e-01 - <_> - 1.7906213760375977e+01 - - 1 2 519 5.0000000000000000e-01 0 -1 520 - 5.5150000000000000e+02 -2 -3 521 2.5500000000000000e+01 - - -4.4012060761451721e-01 4.9110901355743408e-01 - -7.8305160999298096e-01 -7.4652910232543945e-02 - <_> - 1.7903791427612305e+01 - - 1 2 522 4.5000000000000000e+00 0 -1 523 43. -2 -3 524 - 5.0000000000000000e-01 - - 6.1665916442871094e-01 -7.0740306377410889e-01 - 4.7637423872947693e-01 -1.9755503535270691e-01 - <_> - 1.8408391952514648e+01 - - 1 2 525 5.0000000000000000e-01 0 -1 526 - 1.6500000000000000e+01 -2 -3 527 1.5000000000000000e+00 - - -8.8571590185165405e-01 6.4138215780258179e-01 - 5.0460076332092285e-01 -1.1802505701780319e-01 - <_> - 1.8595077514648438e+01 - - 1 2 528 5.8550000000000000e+02 0 -1 529 - 1.5000000000000000e+00 -2 -3 530 9. - - -6.1554092168807983e-01 1.8668572604656219e-01 - 6.6736525297164917e-01 -9.3229418992996216e-01 - <_> - 1.8598781585693359e+01 - - 1 2 531 1.0500000000000000e+01 0 -1 532 92. -2 -3 533 - 1.0500000000000000e+01 - - -8.5246169567108154e-01 6.4911514520645142e-01 - 7.2167778015136719e-01 -9.1329686343669891e-02 - <_> - 1.8938451766967773e+01 - - 1 2 534 1.9500000000000000e+01 0 -1 535 423. -2 -3 536 - 1.0500000000000000e+01 - - 1.0317068547010422e-01 -6.1221712827682495e-01 - 6.0012447834014893e-01 -5.8523362874984741e-01 - <_> - 1.8760560989379883e+01 - - 1 2 537 1.4500000000000000e+01 0 -1 538 - 8.0950000000000000e+02 -2 -3 539 2.6500000000000000e+01 - - 3.8693800568580627e-01 -4.4410958886146545e-01 - -1.4373737573623657e-01 6.0054707527160645e-01 - <_> - 1.8992055892944336e+01 - - 1 2 540 9.6050000000000000e+02 0 -1 541 - 5.0000000000000000e-01 -2 -3 542 4.2985000000000000e+03 - - 3.1399947404861450e-01 -4.3735453486442566e-01 - 5.6782770156860352e-01 -7.3470437526702881e-01 - <_> - 1.8955116271972656e+01 - - 1 2 543 3.5000000000000000e+00 0 -1 544 - 1.1500000000000000e+01 -2 -3 545 321. - - -8.4036970138549805e-01 6.5071582794189453e-01 - 2.5595465302467346e-01 -5.7423371076583862e-01 - <_> - 1.9468976974487305e+01 - - 1 2 546 8.6500000000000000e+01 0 -1 547 - 2.0500000000000000e+01 -2 -3 548 5.8500000000000000e+01 - - -4.5299276709556580e-01 6.0038709640502930e-01 - 4.3307629227638245e-01 -9.3825417757034302e-01 - <_> - 1.9293138504028320e+01 - - 1 2 549 4.7250000000000000e+02 0 -1 550 1323. -2 -3 551 - 5.9650000000000000e+02 - - 5.0125539302825928e-01 -7.2148317098617554e-01 - 2.1997858583927155e-01 -9.2881590127944946e-01 - <_> - 1.9323114395141602e+01 - - 1 2 552 1314. 0 -1 553 1.9850000000000000e+02 -2 -3 554 - 8.8500000000000000e+01 - - -6.5315421670675278e-03 -9.2719602584838867e-01 - -7.3869484663009644e-01 9.9385118484497070e-01 - <_> - 1.9764301300048828e+01 - - 1 2 555 1.5000000000000000e+00 0 -1 556 - 1.5000000000000000e+00 -2 -3 557 5.0000000000000000e-01 - - -9.3367540836334229e-01 7.1327829360961914e-01 - 4.4118791818618774e-01 -1.8068529665470123e-01 - <_> - 1.9636823654174805e+01 - - 1 2 558 1.0500000000000000e+01 0 -1 559 42. -2 -3 560 - 5.5000000000000000e+00 - - 6.9835877418518066e-01 -4.6136018633842468e-01 - 4.5605877041816711e-01 -4.3727838993072510e-01 - <_> - 1.9982168197631836e+01 - - 1 2 561 2.0995000000000000e+03 0 -1 562 - 2.3500000000000000e+01 -2 -3 563 6.4650000000000000e+02 - - -3.2764279842376709e-01 3.4534373879432678e-01 - -8.4930855035781860e-01 6.6431248188018799e-01 - <_> - 2.0156673431396484e+01 - - 1 2 564 4.7500000000000000e+01 0 -1 565 - 3.5000000000000000e+00 -2 -3 566 2. - - -8.3068168163299561e-01 1.7450474202632904e-01 1. - -9.4794863462448120e-01 - <_> - 2.0342718124389648e+01 - - 1 2 567 6.7050000000000000e+02 0 -1 568 - 3.8850000000000000e+02 -2 -3 569 2.5755000000000000e+03 - - -9.3422073125839233e-01 7.7690583467483521e-01 - 1.8604567646980286e-01 -6.9958645105361938e-01 - <_> - 2.0286355972290039e+01 - - 1 2 570 1.5000000000000000e+00 0 -1 571 - 7.5000000000000000e+00 -2 -3 572 5.0000000000000000e-01 - - -7.9801106452941895e-01 9.1817361116409302e-01 - 5.1868724822998047e-01 -1.3428531587123871e-01 - <_> - 2.0473787307739258e+01 - - 1 2 573 1.1500000000000000e+01 0 -1 574 - 6.5000000000000000e+00 -2 -3 575 4.7500000000000000e+01 - - -2.0607861876487732e-01 3.6932748556137085e-01 - 9.0319371223449707e-01 -7.2204840183258057e-01 - <_> - 2.0658784866333008e+01 - - 1 2 576 7.5000000000000000e+00 0 -1 577 3433. -2 -3 578 - 6.2500000000000000e+01 - - 1.9685469567775726e-01 -4.9899685382843018e-01 - -7.9635071754455566e-01 5.0583815574645996e-01 - <_> - 2.0441154479980469e+01 - - 1 2 579 5.0000000000000000e-01 0 -1 580 - 3.5000000000000000e+00 -2 -3 581 1.8500000000000000e+01 - - -5.8347612619400024e-01 4.0611305832862854e-01 - -5.7296335697174072e-01 2.9519164562225342e-01 - <_> - 2.0645282745361328e+01 - - 1 2 582 143. 0 -1 583 6.8650000000000000e+02 -2 -3 584 649. - - -6.6834068298339844e-01 2.0412844419479370e-01 - -9.8975163698196411e-01 1. - <_> - 2.0787359237670898e+01 - - 1 2 585 5.0000000000000000e-01 0 -1 586 - 1.1050000000000000e+02 -2 -3 587 2.1595000000000000e+03 - - -9.9584645032882690e-01 1. 1.4207656681537628e-01 - -7.9576474428176880e-01 - <_> - 2.0707267761230469e+01 - - 1 2 588 4.0500000000000000e+01 0 -1 589 - 5.0000000000000000e-01 -2 -3 590 4.0500000000000000e+01 - - 1.6863887012004852e-01 -7.4707168340682983e-01 - 2.8594267368316650e-01 -6.7254680395126343e-01 - <_> - 2.0992578506469727e+01 - - 1 2 591 1.5000000000000000e+00 0 -1 592 - 3.5775000000000000e+03 -2 -3 593 2.7500000000000000e+01 - - -5.0894987583160400e-01 3.7313565611839294e-01 - -6.0100066661834717e-01 6.3888049125671387e-01 - <_> - 2.0971927642822266e+01 - - 1 2 594 9.7950000000000000e+02 0 -1 595 - 2.5000000000000000e+00 -2 -3 596 1.2500000000000000e+01 - - -9.5684701204299927e-01 3.9113646745681763e-01 - -7.6442521810531616e-01 3.0187612865120173e-03 - <_> - 2.1057394027709961e+01 - - 1 2 597 1.4905000000000000e+03 0 -1 598 - 9.5000000000000000e+00 -2 -3 599 240. - - -6.4642834663391113e-01 2.3087054491043091e-01 - -7.9448556900024414e-01 7.0878070592880249e-01 - <_> - 2.1131835937500000e+01 - - 1 2 600 5.0000000000000000e-01 0 -1 601 - 1.1500000000000000e+01 -2 -3 602 1.2500000000000000e+01 - - 6.5756827592849731e-01 -4.2822453379631042e-01 - -5.9723109006881714e-01 7.4441045522689819e-02 - <_> - 2.1433628082275391e+01 - - 1 2 603 1.5000000000000000e+00 0 -1 604 - 7.5000000000000000e+00 -2 -3 605 3.5000000000000000e+00 - - -8.7854373455047607e-01 7.6638579368591309e-01 - 3.0179315805435181e-01 -3.0907711386680603e-01 - <_> - 2.1259273529052734e+01 - - 1 2 606 1.2500000000000000e+01 0 -1 607 - 1.1125000000000000e+03 -2 -3 608 1.1500000000000000e+01 - - 4.3398761749267578e-01 -1.8727415800094604e-01 - -8.8575565814971924e-01 1.4398224651813507e-01 - <_> - 2.1612953186035156e+01 - - 1 2 609 1.3315000000000000e+03 0 -1 610 - 4.0350000000000000e+02 -2 -3 611 6.3550000000000000e+02 - - 8.9413803815841675e-01 -6.8928855657577515e-01 - -6.9387888908386230e-01 3.5367938876152039e-01 - <_> - 2.1826734542846680e+01 - - 1 2 612 1.1500000000000000e+01 0 -1 613 738. -2 -3 614 - 1.4500000000000000e+01 - - 8.1296756863594055e-02 -5.6762868165969849e-01 - 6.0727953910827637e-01 -3.7829330563545227e-01 - <_> - 2.1813869476318359e+01 - - 1 2 615 6.5000000000000000e+00 0 -1 616 - 7.7500000000000000e+01 -2 -3 617 1.5000000000000000e+00 - - 2.1756103634834290e-01 -7.3381489515304565e-01 - -6.3975960016250610e-01 3.6597716808319092e-01 - <_> - 2.1798274993896484e+01 - - 1 2 618 9.8500000000000000e+01 0 -1 619 - 8.5000000000000000e+00 -2 -3 620 28. - - -8.9957195520401001e-01 -1.5594468452036381e-02 - 9.6554172039031982e-01 -1. - <_> - 2.2045146942138672e+01 - - 1 2 621 1.0500000000000000e+01 0 -1 622 - 1.2150000000000000e+02 -2 -3 623 7.5000000000000000e+00 - - 2.4687227606773376e-01 -6.0773706436157227e-01 - 6.2245130538940430e-01 -8.7604373693466187e-01 - <_> - 2.2289304733276367e+01 - - 1 2 624 2.1500000000000000e+01 0 -1 625 2144. -2 -3 626 - 5056. - - 7.7314263582229614e-01 -6.9932037591934204e-01 - 2.4415786564350128e-01 -8.8758051395416260e-01 - <_> - 2.2602016448974609e+01 - - 1 2 627 1.5000000000000000e+00 0 -1 628 - 5.0000000000000000e-01 -2 -3 629 8.1195000000000000e+03 - - -7.8916621208190918e-01 2.9944726824760437e-01 - -6.2123262882232666e-01 4.2162239551544189e-01 - <_> - 2.2234420776367188e+01 - - 1 2 630 1.3750000000000000e+02 0 -1 631 - 1.4500000000000000e+01 -2 -3 632 2.7050000000000000e+02 - - -7.3317313194274902e-01 4.4363144040107727e-01 - 7.8055197000503540e-01 -1.7540968954563141e-02 - <_> - 2.2243850708007812e+01 - - 1 2 633 2.2500000000000000e+01 0 -1 634 - 2.3085000000000000e+03 -2 -3 635 42. - - -3.4062522649765015e-01 3.7752479314804077e-01 - -7.3773044347763062e-01 9.6723818778991699e-01 - <_> - 2.2620014190673828e+01 - - 1 2 636 2.5450000000000000e+02 0 -1 637 1638. -2 -3 638 - 7.9500000000000000e+01 - - -1. 5.5116891860961914e-01 5.1822501420974731e-01 - -4.3004354834556580e-01 - <_> - 2.2705764770507812e+01 - - 1 2 639 8.0500000000000000e+01 0 -1 640 - 6.2500000000000000e+01 -2 -3 641 5.5000000000000000e+00 - - 4.8537842929363251e-02 -7.3003268241882324e-01 - -4.5735052227973938e-01 4.5716404914855957e-01 - <_> - 2.3073215484619141e+01 - - 1 2 642 5.0000000000000000e-01 0 -1 643 67. -2 -3 644 - 1.2500000000000000e+01 - - 4.7742471098899841e-01 -4.7727224230766296e-01 - -7.2737669944763184e-01 -3.9639626629650593e-03 - <_> - 2.2770978927612305e+01 - - 1 2 645 5.0000000000000000e-01 0 -1 646 - 3.4500000000000000e+01 -2 -3 647 2.5500000000000000e+01 - - -4.7273349761962891e-01 4.8523208498954773e-01 - -4.1221085190773010e-01 7.4450951814651489e-01 - <_> - 2.3053560256958008e+01 - - 1 2 648 5.8500000000000000e+01 0 -1 649 - 3.5000000000000000e+00 -2 -3 650 4091. - - -6.9219940900802612e-01 2.8258267045021057e-01 - -7.4919438362121582e-01 6.5003573894500732e-01 - <_> - 2.3276559829711914e+01 - - 1 2 651 5.6950000000000000e+02 0 -1 652 - 8.5000000000000000e+00 -2 -3 653 3477. - - -6.9101506471633911e-01 3.5786962509155273e-01 - 2.2299802303314209e-01 -9.4931131601333618e-01 - <_> - 2.3533079147338867e+01 - - 1 2 654 5.5000000000000000e+00 0 -1 655 332. -2 -3 656 - 8.5000000000000000e+00 - - -7.7509003877639771e-01 2.4864099919795990e-01 - -8.9089441299438477e-01 2.5652095675468445e-01 - <_> - 2.3692926406860352e+01 - - 1 2 657 179. 0 -1 658 6.5000000000000000e+00 -2 -3 659 - 2.8500000000000000e+01 - - -6.2848848104476929e-01 1.5984721481800079e-01 - -9.5576328039169312e-01 1. - <_> - 2.3690643310546875e+01 - - 1 2 660 6.5000000000000000e+00 0 -1 661 - 7.7150000000000000e+02 -2 -3 662 1.0650000000000000e+02 - - 5.1587861776351929e-01 -4.7098684310913086e-01 - -7.3770999908447266e-01 -2.2840783931314945e-03 - <_> - 2.3260368347167969e+01 - - 1 2 663 8.2500000000000000e+01 0 -1 664 495. -2 -3 665 - 7.5000000000000000e+00 - - 2.7576848864555359e-01 -4.3027460575103760e-01 - -8.6191612482070923e-01 8.7688070535659790e-01 - <_> - 2.3660942077636719e+01 - - 1 2 666 1.7500000000000000e+01 0 -1 667 - 1.0865000000000000e+03 -2 -3 668 2.0250000000000000e+02 - - 4.7176504135131836e-01 -5.2642983198165894e-01 - 4.0057408809661865e-01 -8.7875026464462280e-01 - <_> - 2.4066463470458984e+01 - - 1 2 669 5.0000000000000000e-01 0 -1 670 - 1.5000000000000000e+00 -2 -3 671 4.7075000000000000e+03 - - -6.6087967157363892e-01 4.0552178025245667e-01 - -6.2758755683898926e-01 1.0652454942464828e-01 - <_> - 2.4266839981079102e+01 - - 1 2 672 2.0350000000000000e+02 0 -1 673 - 2.5000000000000000e+00 -2 -3 674 39. - - 2.8337255120277405e-01 -3.3040466904640198e-01 - -9.6718847751617432e-01 1. - <_> - 2.4499465942382812e+01 - - 1 2 675 4.5000000000000000e+00 0 -1 676 - 8.5500000000000000e+01 -2 -3 677 2.9500000000000000e+01 - - 2.5911253690719604e-01 -9.6787214279174805e-01 - -6.9402277469635010e-01 5.6080824136734009e-01 - <_> - 2.4309822082519531e+01 - - 1 2 678 1971. 0 -1 679 1.9250000000000000e+02 -2 -3 680 - 6.5000000000000000e+00 - - -2.1612957119941711e-01 4.7077748179435730e-01 -1. 1. - <_> - 2.4519950866699219e+01 - - 1 2 681 2.5000000000000000e+00 0 -1 682 - 6.4500000000000000e+01 -2 -3 683 5182. - - -8.2460224628448486e-01 8.7737298011779785e-01 - 2.1012841165065765e-01 -8.8150328397750854e-01 - <_> - 2.4720569610595703e+01 - - 1 2 684 1.3650000000000000e+02 0 -1 685 25. -2 -3 686 - 1.3500000000000000e+01 - - -8.2181477546691895e-01 9.6672326326370239e-01 - -5.3705835342407227e-01 2.0061893761157990e-01 - <_> - 2.4895112991333008e+01 - - 1 2 687 5.6150000000000000e+02 0 -1 688 - 2.2500000000000000e+01 -2 -3 689 5.3500000000000000e+01 - - 3.6230182647705078e-01 -4.9504366517066956e-01 - -7.3248720169067383e-01 2.2656767070293427e-01 - <_> - 2.5140346527099609e+01 - - 1 2 690 8.2750000000000000e+02 0 -1 691 - 2.0500000000000000e+01 -2 -3 692 1.4500000000000000e+01 - - 1. -7.5348693132400513e-01 2.4523276090621948e-01 - -7.0938748121261597e-01 - <_> - 2.5441709518432617e+01 - - 1 2 693 5.5500000000000000e+01 0 -1 694 107. -2 -3 695 1485. - - -9.0809267759323120e-01 3.3544850349426270e-01 - 3.0136233568191528e-01 -5.6638139486312866e-01 - <_> - 2.5376996994018555e+01 - - 1 2 696 8.6950000000000000e+02 0 -1 697 - 7.9550000000000000e+02 -2 -3 698 2.1500000000000000e+01 - - 7.4912220239639282e-01 -3.0485934019088745e-01 - -7.2537702322006226e-01 7.1400356292724609e-01 - <_> - 2.5612064361572266e+01 - - 1 2 699 5.5000000000000000e+00 0 -1 700 138. -2 -3 701 116. - - -7.7075809240341187e-01 3.9907371997833252e-01 - 2.3506735265254974e-01 -8.8968700170516968e-01 - <_> - 2.5189540863037109e+01 - - 1 2 702 5.0000000000000000e-01 0 -1 703 - 6.5000000000000000e+00 -2 -3 704 3.8450000000000000e+02 - - -8.5147231817245483e-01 5.4190635681152344e-01 - -4.4539606571197510e-01 2.2795633971691132e-01 - <_> - 2.5407213211059570e+01 - - 1 2 705 3.3500000000000000e+01 0 -1 706 - 1.1500000000000000e+01 -2 -3 707 1901. - - -7.7322483062744141e-01 2.1767215430736542e-01 - 9.4849103689193726e-01 -8.7567967176437378e-01 - <_> - 2.5786802291870117e+01 - - 1 2 708 8.5000000000000000e+00 0 -1 709 - 2.5000000000000000e+00 -2 -3 710 8.5000000000000000e+00 - - -7.5751757621765137e-01 3.7958872318267822e-01 - -4.7660508751869202e-01 4.8092725872993469e-01 - <_> - 2.5473979949951172e+01 - - 1 2 711 1.5000000000000000e+00 0 -1 712 - 7.4500000000000000e+01 -2 -3 713 5.7500000000000000e+01 - - 2.9737165570259094e-01 -8.2402235269546509e-01 - -6.5980869531631470e-01 6.1398154497146606e-01 - <_> - 2.5540870666503906e+01 - - 1 2 714 3.7350000000000000e+02 0 -1 715 - 2.9505000000000000e+03 -2 -3 716 9.5000000000000000e+00 - - -6.5127277374267578e-01 6.5197062492370605e-01 - -6.7328959703445435e-01 1.1752647906541824e-01 - <_> - 2.5936344146728516e+01 - - 1 2 717 2.8050000000000000e+02 0 -1 718 - 8.2650000000000000e+02 -2 -3 719 1.5500000000000000e+01 - - -5.2938359975814819e-01 3.9547443389892578e-01 - -5.2698332071304321e-01 4.4910645484924316e-01 - <_> - 2.6225696563720703e+01 - - 1 2 720 1.9500000000000000e+01 0 -1 721 - 2.5000000000000000e+00 -2 -3 722 1.4500000000000000e+01 - - 1.6689567267894745e-01 -7.3722118139266968e-01 - -9.5677989721298218e-01 2.8935295343399048e-01 - <_> - 2.6555488586425781e+01 - - 1 2 723 2.5000000000000000e+00 0 -1 724 - 1.2500000000000000e+01 -2 -3 725 1631. - - 4.2182460427284241e-01 -3.9694768190383911e-01 - 4.5795905590057373e-01 -6.3281345367431641e-01 - <_> - 2.6691946029663086e+01 - - 1 2 726 3.5000000000000000e+00 0 -1 727 21. -2 -3 728 - 4.6085000000000000e+03 - - -9.2932611703872681e-01 7.4499356746673584e-01 - -7.0849519968032837e-01 1.8352256715297699e-01 - <_> - 2.6950445175170898e+01 - - 1 2 729 1.4500000000000000e+01 0 -1 730 4. -2 -3 731 - 1.0350000000000000e+02 - - -7.1716350317001343e-01 9.3681764602661133e-01 - 2.5849872827529907e-01 -4.7314143180847168e-01 - <_> - 2.6939081192016602e+01 - - 1 2 732 1.5000000000000000e+00 0 -1 733 - 2.0795000000000000e+03 -2 -3 734 7.5000000000000000e+00 - - 2.1902434527873993e-01 -4.7005906701087952e-01 - -8.4192562103271484e-01 4.5465546846389771e-01 - <_> - 2.7115922927856445e+01 - - 1 2 735 1.6195000000000000e+03 0 -1 736 - 4.0500000000000000e+01 -2 -3 737 1.4615000000000000e+03 - - -8.8821536302566528e-01 9.0963160991668701e-01 - 1.7684206366539001e-01 -9.4462066888809204e-01 - <_> - 2.6933712005615234e+01 - - 1 2 738 7.6500000000000000e+01 0 -1 739 - 2.5000000000000000e+00 -2 -3 740 5.8500000000000000e+01 - - -6.7025911808013916e-01 5.9105753898620605e-01 - -6.4823073148727417e-01 6.9816927425563335e-03 - <_> - 2.7318225860595703e+01 - - 1 2 741 1.0500000000000000e+01 0 -1 742 - 6.5000000000000000e+00 -2 -3 743 5.0000000000000000e-01 - - -9.2393940687179565e-01 4.3340095877647400e-01 - 2.4541635811328888e-01 -5.6279599666595459e-01 - <_> - 2.7502586364746094e+01 - - 1 2 744 1.3500000000000000e+01 0 -1 745 - 1.2225000000000000e+03 -2 -3 746 5.4150000000000000e+02 - - 5.5172622203826904e-01 -7.2232311964035034e-01 - 4.6869617700576782e-01 -1.8173764646053314e-01 - <_> - 2.7214946746826172e+01 - - 1 2 747 1.4150000000000000e+02 0 -1 748 - 3.7950000000000000e+02 -2 -3 749 61. - - -4.1489991545677185e-01 2.9794070124626160e-01 - -8.2065957784652710e-01 8.2294362783432007e-01 - <_> - 2.7621316909790039e+01 - - 1 2 750 1.1500000000000000e+01 0 -1 751 - 4.5000000000000000e+00 -2 -3 752 1.5500000000000000e+01 - - -7.9229009151458740e-01 6.2740081548690796e-01 - -1.7920996248722076e-01 4.1656208038330078e-01 - <_> - 2.7612428665161133e+01 - - 1 2 753 5.0000000000000000e-01 0 -1 754 - 2.8500000000000000e+01 -2 -3 755 4.5000000000000000e+00 - - 3.2633483409881592e-01 -8.3926248550415039e-01 - -5.7256150245666504e-01 4.7886747121810913e-01 - <_> - 2.7621551513671875e+01 - - 1 2 756 3.9500000000000000e+01 0 -1 757 - 4.5000000000000000e+00 -2 -3 758 4.6500000000000000e+01 - - -7.9190528392791748e-01 7.2100400924682617e-01 - -6.1043661832809448e-01 2.2514465451240540e-01 - <_> - 2.7723453521728516e+01 - - 1 2 759 1.6500000000000000e+01 0 -1 760 - 4.4500000000000000e+01 -2 -3 761 2.6500000000000000e+01 - - 2.8901249170303345e-01 -6.9448781013488770e-01 - -6.7865383625030518e-01 2.3160243034362793e-01 - <_> - 2.7726175308227539e+01 - - 1 2 762 1.7575000000000000e+03 0 -1 763 - 4.8150000000000000e+02 -2 -3 764 1.5000000000000000e+00 - - -1.7173323035240173e-01 5.9590691328048706e-01 1. - -9.7047579288482666e-01 - <_> - 2.7928655624389648e+01 - - 1 2 765 4.5000000000000000e+00 0 -1 766 - 1.0065000000000000e+03 -2 -3 767 5.5000000000000000e+00 - - 2.0247912406921387e-01 -7.2847056388854980e-01 - -7.9157161712646484e-01 8.0997580289840698e-01 - <_> - 2.7728637695312500e+01 - - 1 2 768 1.0500000000000000e+01 0 -1 769 - 4.5115000000000000e+03 -2 -3 770 1.7500000000000000e+01 - - 4.2019289731979370e-01 -5.3036731481552124e-01 - 1.8375186249613762e-02 7.1707320213317871e-01 - <_> - 2.7544672012329102e+01 - - 1 2 771 5.0000000000000000e-01 0 -1 772 - 6.5000000000000000e+00 -2 -3 773 141. - - -7.9169616103172302e-02 7.2869366407394409e-01 - -4.0235754847526550e-01 7.5083994865417480e-01 - <_> - 2.7790304183959961e+01 - - 1 2 774 4.9500000000000000e+01 0 -1 775 - 5.5500000000000000e+01 -2 -3 776 2.6500000000000000e+01 - - 2.4563054740428925e-01 -7.8368049860000610e-01 - -8.9967381954193115e-01 5.1768815517425537e-01 - <_> - 2.8035869598388672e+01 - - 1 2 777 2.5000000000000000e+00 0 -1 778 - 6.5000000000000000e+00 -2 -3 779 2.7450000000000000e+02 - - -7.9386472702026367e-01 8.1500089168548584e-01 - 2.4556700885295868e-01 -4.2904964089393616e-01 - <_> - 2.8410558700561523e+01 - - 1 2 780 8.0500000000000000e+01 0 -1 781 - 1.6500000000000000e+01 -2 -3 782 5.4050000000000000e+02 - - 1.7172537744045258e-01 -6.2181609869003296e-01 - -8.8481485843658447e-01 3.7468841671943665e-01 - <_> - 2.8699789047241211e+01 - - 1 2 783 2.9785000000000000e+03 0 -1 784 - 2.5000000000000000e+00 -2 -3 785 1.5435000000000000e+03 - - -4.2753055691719055e-01 2.8923121094703674e-01 - -6.7698192596435547e-01 6.4550709724426270e-01 - <_> - 2.8761243820190430e+01 - - 1 2 786 5.0000000000000000e-01 0 -1 787 - 5.0000000000000000e-01 -2 -3 788 737. - - -6.4694476127624512e-01 6.8557661771774292e-01 - -3.9006941020488739e-02 -8.6166292428970337e-01 - <_> - 2.8647882461547852e+01 - - 1 2 789 6.7500000000000000e+01 0 -1 790 - 5.5000000000000000e+00 -2 -3 791 7. - - 1.9915813207626343e-01 -3.6753433942794800e-01 - 9.2020016908645630e-01 -9.4368237257003784e-01 - <_> - 2.8875740051269531e+01 - - 1 2 792 1.9135000000000000e+03 0 -1 793 - 1.1050000000000000e+02 -2 -3 794 4.5000000000000000e+00 - - 7.2780048847198486e-01 -8.9423495531082153e-01 - -8.4068304300308228e-01 2.2785744071006775e-01 - <_> - 2.9072935104370117e+01 - - 1 2 795 2.5000000000000000e+00 0 -1 796 - 5.5000000000000000e+00 -2 -3 797 1.2500000000000000e+01 - - -8.2929813861846924e-01 7.2042435407638550e-01 - 1.9719591736793518e-01 -5.5431854724884033e-01 - <_> - 2.9138673782348633e+01 - - 1 2 798 1.0050000000000000e+02 0 -1 799 - 1.5000000000000000e+00 -2 -3 800 1.4500000000000000e+01 - - -2.4678048491477966e-01 3.4682708978652954e-01 - -9.5431810617446899e-01 4.5664411783218384e-01 - <_> - 2.9052175521850586e+01 - - 1 2 801 5.0000000000000000e-01 0 -1 802 - 1.5000000000000000e+00 -2 -3 803 6.0500000000000000e+01 - - -9.4168990850448608e-02 7.1325784921646118e-01 - -5.5271577835083008e-01 1.8420556187629700e-01 - <_> - 2.9330022811889648e+01 - - 1 2 804 3.8150000000000000e+02 0 -1 805 - 2.2500000000000000e+01 -2 -3 806 1.4250000000000000e+02 - - -5.2190852165222168e-01 5.3806591033935547e-01 - 4.2104244232177734e-01 -7.3786729574203491e-01 - <_> - 2.9613933563232422e+01 - - 1 2 807 3400. 0 -1 808 6.5000000000000000e+00 -2 -3 809 65. - - -7.2601109743118286e-01 2.8390964865684509e-01 - -7.5218343734741211e-01 8.2199627161026001e-01 - <_> - 2.9662286758422852e+01 - - 1 2 810 3.5500000000000000e+01 0 -1 811 - 4.5000000000000000e+00 -2 -3 812 1.9895000000000000e+03 - - 4.8528853058815002e-01 -4.5970219373703003e-01 - 5.2159059047698975e-01 -3.5259509086608887e-01 - <_> - 3.0010950088500977e+01 - - 1 2 813 3.7500000000000000e+01 0 -1 814 - 1.5000000000000000e+00 -2 -3 815 1.5000000000000000e+00 - - -3.6858716607093811e-01 3.4866285324096680e-01 - 5.0721812248229980e-01 -7.1738111972808838e-01 - <_> - 3.0259206771850586e+01 - - 1 2 816 5.0000000000000000e-01 0 -1 817 - 1.5000000000000000e+00 -2 -3 818 9.5000000000000000e+00 - - -8.2673883438110352e-01 2.4825666844844818e-01 - -6.8298560380935669e-01 5.7589280605316162e-01 - <_> - 3.0020807266235352e+01 - - 1 2 819 83. 0 -1 820 1.0535000000000000e+03 -2 -3 821 - 8.5000000000000000e+00 - - 8.0070614814758301e-01 -2.3839974403381348e-01 - -9.7618216276168823e-01 8.3897125720977783e-01 - <_> - 2.9989406585693359e+01 - - 1 2 822 1.8950000000000000e+02 0 -1 823 - 1.1500000000000000e+01 -2 -3 824 9.4350000000000000e+02 - - -7.3252147436141968e-01 8.0616372823715210e-01 - 6.4727967977523804e-01 -3.1400017440319061e-02 - <_> - 3.0537582397460938e+01 - - 1 2 825 137. 0 -1 826 1.2500000000000000e+01 -2 -3 827 - 1.0500000000000000e+01 - - 2.7069351077079773e-01 -5.2906340360641479e-01 - -6.5592831373214722e-01 6.3111066818237305e-01 - <_> - 3.0424352645874023e+01 - - 1 2 828 3.5000000000000000e+00 0 -1 829 - 5.2500000000000000e+01 -2 -3 830 4.6925000000000000e+03 - - -5.9484475851058960e-01 9.3662506341934204e-01 - -1.9616512954235077e-01 5.3609508275985718e-01 - <_> - 3.0629121780395508e+01 - - 1 2 831 5.6500000000000000e+01 0 -1 832 - 1.4500000000000000e+01 -2 -3 833 1.3250000000000000e+02 - - -5.8516901731491089e-01 2.3027215898036957e-01 1. - -9.8997932672500610e-01 - <_> - 3.0788936614990234e+01 - - 1 2 834 3.5000000000000000e+00 0 -1 835 - 6.5350000000000000e+02 -2 -3 836 11093. - - -9.8764348030090332e-01 4.6165758371353149e-01 - 1.5981569886207581e-01 -6.9765907526016235e-01 - <_> - 3.1141653060913086e+01 - - 1 2 837 4.5000000000000000e+00 0 -1 838 - 4.1450000000000000e+02 -2 -3 839 4.6500000000000000e+01 - - -4.2362187057733536e-02 -7.4213159084320068e-01 - 4.0540441870689392e-01 -7.6012396812438965e-01 - <_> - 3.0861505508422852e+01 - - 1 2 840 5.0000000000000000e-01 0 -1 841 - 5.6050000000000000e+02 -2 -3 842 2.1500000000000000e+01 - - -3.3283695578575134e-01 4.4167187809944153e-01 - -6.5066546201705933e-01 1.7719769477844238e-01 - <_> - 3.1108386993408203e+01 - - 1 2 843 6.5000000000000000e+00 0 -1 844 - 1.6500000000000000e+01 -2 -3 845 1.7550000000000000e+02 - - -5.6530058383941650e-01 3.4583663940429688e-01 - 4.2246490716934204e-01 -4.7493830323219299e-01 - <_> - 3.0905292510986328e+01 - - 1 2 846 5.0000000000000000e-01 0 -1 847 - 5.0000000000000000e-01 -2 -3 848 7.9500000000000000e+01 - - -9.8497194051742554e-01 6.4031112194061279e-01 - 2.4801021814346313e-01 -3.7024465203285217e-01 - <_> - 3.1213197708129883e+01 - - 1 2 849 5.5000000000000000e+00 0 -1 850 - 4.7500000000000000e+01 -2 -3 851 1.5000000000000000e+00 - - 7.6301777362823486e-01 -6.2367314100265503e-01 - -6.4380615949630737e-01 3.0790489912033081e-01 - <_> - 3.1416584014892578e+01 - - 1 2 852 4.3500000000000000e+01 0 -1 853 - 1.0075000000000000e+03 -2 -3 854 5.2500000000000000e+01 - - 2.0338761806488037e-01 -6.1455827951431274e-01 - -7.8569060564041138e-01 9.5953434705734253e-01 - <_> - 3.1777565002441406e+01 - - 1 2 855 6.0500000000000000e+01 0 -1 856 - 8.5000000000000000e+00 -2 -3 857 36. - - -8.4394145011901855e-01 -3.6948818713426590e-02 -1. - 7.5613290071487427e-01 - <_> - 3.1868429183959961e+01 - - 1 2 858 1.0995000000000000e+03 0 -1 859 - 1.5000000000000000e+00 -2 -3 860 5.0000000000000000e-01 - - 6.7010629177093506e-01 -8.0424994230270386e-01 - 3.4220331907272339e-01 -2.0251852273941040e-01 - <_> - 3.2119094848632812e+01 - - 1 2 861 1.2500000000000000e+01 0 -1 862 - 3.1500000000000000e+01 -2 -3 863 3.9500000000000000e+01 - - -8.0597108602523804e-01 8.6892396211624146e-01 - 2.5066429376602173e-01 -6.2346094846725464e-01 - <_> - 3.2155685424804688e+01 - - 1 2 864 1.8950000000000000e+02 0 -1 865 57. -2 -3 866 - 2.5500000000000000e+01 - - -5.4910677671432495e-01 1. 3.7413713335990906e-01 - -2.5834947824478149e-01 - <_> - 3.2015361785888672e+01 - - 1 2 867 1.3550000000000000e+02 0 -1 868 - 5.2750000000000000e+02 -2 -3 869 1.7500000000000000e+01 - - -7.7796685695648193e-01 6.6702580451965332e-01 - -4.7787085175514221e-01 1.4796376228332520e-01 - <_> - 3.1791172027587891e+01 - - 1 2 870 1.0500000000000000e+01 0 -1 871 - 1.5000000000000000e+00 -2 -3 872 1.5000000000000000e+00 - - -2.8536421060562134e-01 4.9085628986358643e-01 - -6.3147133588790894e-01 1.6832475364208221e-01 - <_> - 3.1905895233154297e+01 - - 1 2 873 1.5000000000000000e+00 0 -1 874 42. -2 -3 875 - 9.5000000000000000e+00 - - 3.4199193120002747e-01 -8.8441103696823120e-01 - -1.7228755354881287e-01 4.5159018039703369e-01 - <_> - 3.1859363555908203e+01 - - 1 2 876 5.0000000000000000e-01 0 -1 877 - 2.5500000000000000e+01 -2 -3 878 9.4550000000000000e+02 - - 5.9279948472976685e-01 -2.5542417168617249e-01 - 4.9418550729751587e-01 -4.7456571459770203e-01 - <_> - 3.2239162445068359e+01 - - 1 2 879 5.3500000000000000e+01 0 -1 880 - 4.5000000000000000e+00 -2 -3 881 4.5000000000000000e+00 - - 7.3520237207412720e-01 -6.6513210535049438e-01 - -3.7311753630638123e-01 3.7980049848556519e-01 - <_> - 3.2603000640869141e+01 - - 1 2 882 8.3850000000000000e+02 0 -1 883 - 8.6500000000000000e+01 -2 -3 884 9.5000000000000000e+00 - - -1.6610033810138702e-01 5.5568897724151611e-01 - 2.8593140840530396e-01 -8.1610012054443359e-01 - <_> - 3.2873931884765625e+01 - - 1 2 885 9.5000000000000000e+00 0 -1 886 - 1.4150000000000000e+02 -2 -3 887 4.8500000000000000e+01 - - 2.7093270421028137e-01 -5.1437872648239136e-01 - 8.1497925519943237e-01 -7.3167830705642700e-01 - <_> - 3.2916114807128906e+01 - - 1 2 888 6.7250000000000000e+02 0 -1 889 - 2.5500000000000000e+01 -2 -3 890 9.5000000000000000e+00 - - 2.9060255736112595e-02 -6.9740939140319824e-01 - -6.7421448230743408e-01 4.8431751132011414e-01 - <_> - 3.3245323181152344e+01 - - 1 2 891 1.0500000000000000e+01 0 -1 892 - 8.6500000000000000e+01 -2 -3 893 6.5000000000000000e+00 - - -6.1663192510604858e-01 4.0390256047248840e-01 - -6.7292958498001099e-01 3.2920929789543152e-01 - <_> - 3.3257518768310547e+01 - - 1 2 894 5.0000000000000000e-01 0 -1 895 - 9.5500000000000000e+01 -2 -3 896 5.0000000000000000e-01 - - 3.6125457286834717e-01 -7.1330851316452026e-01 - 5.2750295400619507e-01 -5.3229171037673950e-01 - <_> - 3.3523788452148438e+01 - - 1 2 897 9.5000000000000000e+00 0 -1 898 - 1.5500000000000000e+01 -2 -3 899 4.3650000000000000e+02 - - 7.4386167526245117e-01 -9.6170389652252197e-01 - 3.7622943520545959e-01 -2.1613618731498718e-01 - <_> - 3.3737613677978516e+01 - - 1 2 900 3.5000000000000000e+00 0 -1 901 - 8.5000000000000000e+00 -2 -3 902 2199. - - -6.8732953071594238e-01 4.9332359433174133e-01 - 2.2702258825302124e-01 -9.8770850896835327e-01 - <_> - 3.3653835296630859e+01 - - 1 2 903 1.1500000000000000e+01 0 -1 904 - 7.5000000000000000e+00 -2 -3 905 2.7050000000000000e+02 - - -4.7830480337142944e-01 4.9322032928466797e-01 - -5.1515823602676392e-01 3.1019908189773560e-01 - <_> - 3.3810070037841797e+01 - - 1 2 906 6.5000000000000000e+00 0 -1 907 - 1.0500000000000000e+01 -2 -3 908 867. - - 3.3138540387153625e-01 -2.6744303107261658e-01 - -9.2749148607254028e-01 1. - <_> - 3.4129577636718750e+01 - - 1 2 909 1.6500000000000000e+01 0 -1 910 - 5.3050000000000000e+02 -2 -3 911 1781. - - 6.7194348573684692e-01 -6.2229406833648682e-01 - -7.0593923330307007e-01 3.7362939119338989e-01 - <_> - 3.3717624664306641e+01 - - 1 2 912 5.5000000000000000e+00 0 -1 913 - 5.6550000000000000e+02 -2 -3 914 3.7550000000000000e+02 - - -6.5654790401458740e-01 3.5677254199981689e-01 - 4.5081639289855957e-01 -6.4122611284255981e-01 - <_> - 3.3252494812011719e+01 - - 1 2 915 2.8150000000000000e+02 0 -1 916 - 1.9775000000000000e+03 -2 -3 917 4.4500000000000000e+01 - - 6.7867177724838257e-01 -6.4670372009277344e-01 - -4.6513071656227112e-01 2.1713301539421082e-01 - <_> - 3.3488639831542969e+01 - - 1 2 918 6.2500000000000000e+01 0 -1 919 - 3.5000000000000000e+00 -2 -3 920 1.7500000000000000e+01 - - -7.6731938123703003e-01 2.3614448308944702e-01 - -9.4595444202423096e-01 5.4001647233963013e-01 - <_> - 3.3984142303466797e+01 - - 1 2 921 3.5000000000000000e+00 0 -1 922 - 1.2050000000000000e+02 -2 -3 923 7.5000000000000000e+00 - - -3.0896291136741638e-01 5.7216274738311768e-01 - -6.0472279787063599e-01 4.7352880239486694e-02 - <_> - 3.4265426635742188e+01 - - 1 2 924 1.5000000000000000e+00 0 -1 925 - 2.6150000000000000e+02 -2 -3 926 9.0500000000000000e+01 - - 9.4074803590774536e-01 -6.7150580883026123e-01 - 2.8128537535667419e-01 -4.7385811805725098e-01 - <_> - 3.4247104644775391e+01 - - 1 2 927 5.1875000000000000e+03 0 -1 928 - 1.5000000000000000e+00 -2 -3 929 113. - - -7.9879760742187500e-01 1.5954677760601044e-01 - -9.7634953260421753e-01 6.6887116432189941e-01 - <_> - 3.4600574493408203e+01 - - 1 2 930 2.2945000000000000e+03 0 -1 931 - 3.4500000000000000e+01 -2 -3 932 1.1745000000000000e+03 - - 5.7989984750747681e-01 -4.9893951416015625e-01 - 3.5346877574920654e-01 -8.6138629913330078e-01 - <_> - 3.4355884552001953e+01 - - 1 2 933 2.3500000000000000e+01 0 -1 934 - 2.4500000000000000e+01 -2 -3 935 12. - - -2.4468979239463806e-01 6.1856859922409058e-01 - -9.5042270421981812e-01 8.5911560058593750e-01 - <_> - 3.4614818572998047e+01 - - 1 2 936 1.5000000000000000e+00 0 -1 937 - 4.5000000000000000e+00 -2 -3 938 1.1500000000000000e+01 - - -1.4536230266094208e-01 5.7274234294891357e-01 - -5.6978869438171387e-01 2.8933158516883850e-01 - <_> - 3.5054538726806641e+01 - - 1 2 939 7.5000000000000000e+00 0 -1 940 - 1.6500000000000000e+01 -2 -3 941 1.1500000000000000e+01 - - -9.2453199625015259e-01 4.3971973657608032e-01 - -5.6862127780914307e-01 2.2281785309314728e-01 - <_> - 3.5190509796142578e+01 - - 1 2 942 4.1500000000000000e+01 0 -1 943 - 8.5000000000000000e+00 -2 -3 944 1.1500000000000000e+01 - - -3.6428368091583252e-01 2.7655857801437378e-01 - 6.2536644935607910e-01 -1. - <_> - 3.5339462280273438e+01 - - 1 2 945 6.5000000000000000e+00 0 -1 946 - 1.9750000000000000e+02 -2 -3 947 3.5125000000000000e+03 - - 5.1457303762435913e-01 -5.4887962341308594e-01 - 2.5784909725189209e-01 -9.8039388656616211e-01 - <_> - 3.5533813476562500e+01 - - 1 2 948 2.7350000000000000e+02 0 -1 949 - 2.5000000000000000e+00 -2 -3 950 8.3950000000000000e+02 - - 4.3505680561065674e-01 -8.3620321750640869e-01 - 4.0167236328125000e-01 -2.1417175233364105e-01 - <_> - 3.5286861419677734e+01 - - 1 2 951 1.9050000000000000e+02 0 -1 952 - 1.8500000000000000e+01 -2 -3 953 5.8500000000000000e+01 - - -5.6316858530044556e-01 8.5937762260437012e-01 - 2.4829907715320587e-01 -9.5569574832916260e-01 - <_> - 3.5315326690673828e+01 - - 1 2 954 7.5000000000000000e+00 0 -1 955 - 6.8050000000000000e+02 -2 -3 956 2.7500000000000000e+01 - - -4.6678465604782104e-01 2.5904402136802673e-01 - -9.3793350458145142e-01 5.7032090425491333e-01 - <_> - 3.5714458465576172e+01 - - 1 2 957 4.3085000000000000e+03 0 -1 958 - 2.5000000000000000e+00 -2 -3 959 1.4750000000000000e+02 - - -4.9067273736000061e-01 3.9913412928581238e-01 - -5.7273352146148682e-01 4.2018249630928040e-01 - <_> - 3.5729091644287109e+01 - - 1 2 960 6.5500000000000000e+01 0 -1 961 - 1.0500000000000000e+01 -2 -3 962 5.0000000000000000e-01 - - 2.8838535770773888e-02 -7.4135571718215942e-01 - -8.2152175903320312e-01 5.0204771757125854e-01 - <_> - 3.5779636383056641e+01 - - 1 2 963 2.5000000000000000e+00 0 -1 964 - 5.3500000000000000e+01 -2 -3 965 5.2500000000000000e+01 - - 2.3911122977733612e-01 -9.5493316650390625e-01 - -7.1501338481903076e-01 6.6445010900497437e-01 - <_> - 3.5980289459228516e+01 - - 1 2 966 1.5000000000000000e+00 0 -1 967 - 4.2500000000000000e+01 -2 -3 968 9.9950000000000000e+02 - - 6.1156451702117920e-01 -8.5420590639114380e-01 - 2.0065380632877350e-01 -5.1614391803741455e-01 - <_> - 3.6252574920654297e+01 - - 1 2 969 2.5000000000000000e+00 0 -1 970 - 1.9465000000000000e+03 -2 -3 971 2.0500000000000000e+01 - - -3.4459114074707031e-02 -7.7200150489807129e-01 - 2.9512012004852295e-01 -8.9226943254470825e-01 - <_> - 3.6439735412597656e+01 - - 1 2 972 1.5000000000000000e+00 0 -1 973 41. -2 -3 974 - 5.0500000000000000e+01 - - -9.8086458444595337e-01 8.0683439970016479e-01 - 1.8715959787368774e-01 -5.6646823883056641e-01 - <_> - 3.6728237152099609e+01 - - 1 2 975 3.3500000000000000e+01 0 -1 976 - 9.7885000000000000e+03 -2 -3 977 1.2500000000000000e+01 - - -4.9251038581132889e-02 -9.2625564336776733e-01 - 2.8850206732749939e-01 -5.4534864425659180e-01 - <_> - 3.6843887329101562e+01 - - 1 2 978 2.6500000000000000e+01 0 -1 979 - 1.4500000000000000e+01 -2 -3 980 7.5000000000000000e+00 - - 2.1858909726142883e-01 -3.4160664677619934e-01 - -9.6077054738998413e-01 7.7676713466644287e-01 - <_> - 3.7005241394042969e+01 - - 1 2 981 2.1500000000000000e+01 0 -1 982 - 3.3450000000000000e+02 -2 -3 983 1.1500000000000000e+01 - - 2.9156139120459557e-02 -8.7990653514862061e-01 - -7.2488045692443848e-01 2.2520579397678375e-01 - <_> - 3.6797657012939453e+01 - - 1 2 984 2.6475000000000000e+03 0 -1 985 - 4.2500000000000000e+01 -2 -3 986 8.1550000000000000e+02 - - 2.2682635486125946e-01 -8.1636387109756470e-01 - 6.6246122121810913e-01 -3.4295175224542618e-02 - <_> - 3.6713920593261719e+01 - - 1 2 987 9.6500000000000000e+01 0 -1 988 548. -2 -3 989 - 2.8955000000000000e+03 - - -8.1589114665985107e-01 1. -4.9650618433952332e-01 - 2.2634685039520264e-01 - <_> - 3.6771007537841797e+01 - - 1 2 990 5.0000000000000000e-01 0 -1 991 249. -2 -3 992 - 1.0500000000000000e+01 - - -7.4486887454986572e-01 5.6141883134841919e-01 - 5.7086039334535599e-02 -6.7521327733993530e-01 - <_> - 3.6969486236572266e+01 - - 1 2 993 5.0000000000000000e-01 0 -1 994 - 1.6500000000000000e+01 -2 -3 995 4.8500000000000000e+01 - - -7.2038865089416504e-01 3.5195854306221008e-01 - -4.7452071309089661e-01 7.8814119100570679e-01 - <_> - 3.6943496704101562e+01 - - 1 2 996 3.9950000000000000e+02 0 -1 997 - 1.5405000000000000e+03 -2 -3 998 6.3500000000000000e+01 - - -8.0016517639160156e-01 5.9141719341278076e-01 - -3.4474676847457886e-01 6.8918299674987793e-01 - <_> - 3.7024951934814453e+01 - - 1 2 999 7.5000000000000000e+00 0 -1 1000 738. -2 -3 1001 - 1765. - - 3.1489616632461548e-01 -4.8600602149963379e-01 - 5.3129523992538452e-01 -9.4068831205368042e-01 - <_> - 3.7521724700927734e+01 - - 1 2 1002 9.5000000000000000e+00 0 -1 1003 - 5.0000000000000000e-01 -2 -3 1004 3.8500000000000000e+01 - - 9.6219047904014587e-02 -4.7555413842201233e-01 - -4.6840333938598633e-01 7.9850405454635620e-01 - <_> - 3.7506668090820312e+01 - - 1 2 1005 1.2500000000000000e+01 0 -1 1006 - 1.1350000000000000e+02 -2 -3 1007 1.5000000000000000e+00 - - 2.4384462833404541e-01 -7.9862087965011597e-01 - -6.7412167787551880e-01 3.3874267339706421e-01 - <_> - 3.7641517639160156e+01 - - 1 2 1008 2.7850000000000000e+02 0 -1 1009 - 3.5000000000000000e+00 -2 -3 1010 3.1500000000000000e+01 - - -1.3609230518341064e-01 5.3063559532165527e-01 - -8.7772625684738159e-01 7.2040528059005737e-01 - <_> - 3.7946544647216797e+01 - - 1 2 1011 5.6250000000000000e+02 0 -1 1012 - 5.2650000000000000e+02 -2 -3 1013 1.5000000000000000e+00 - - -9.3572378158569336e-01 3.0502891540527344e-01 - 2.3100011050701141e-01 -6.1786937713623047e-01 - <_> - 3.7772045135498047e+01 - - 1 2 1014 7.6500000000000000e+01 0 -1 1015 1948. -2 -3 1016 - 1.2550000000000000e+02 - - -2.9692053794860840e-01 2.9227754473686218e-01 - -9.4186556339263916e-01 5.1589274406433105e-01 - <_> - 3.8073352813720703e+01 - - 1 2 1017 5.0000000000000000e-01 0 -1 1018 - 2.5000000000000000e+00 -2 -3 1019 5.5000000000000000e+00 - - -9.8587775230407715e-01 3.0130937695503235e-01 - -6.3859581947326660e-01 1.3170623779296875e-01 - <_> - 3.8058353424072266e+01 - - 1 2 1020 5.0000000000000000e-01 0 -1 1021 - 1.5000000000000000e+00 -2 -3 1022 7.2500000000000000e+01 - - -3.0776679515838623e-01 6.3595312833786011e-01 - 3.3159428834915161e-01 -4.0336602926254272e-01 - <_> - 3.8315082550048828e+01 - - 1 2 1023 2.6950000000000000e+02 0 -1 1024 1298. -2 -3 1025 - 1.5225000000000000e+03 - - -1. 7.2444880008697510e-01 -7.8231662511825562e-01 - 9.5456495881080627e-02 - <_> - 3.8383270263671875e+01 - - 1 2 1026 1.0500000000000000e+01 0 -1 1027 - 1.5000000000000000e+00 -2 -3 1028 4.0500000000000000e+01 - - 1.3500446081161499e-01 -6.9345575571060181e-01 - 3.7562793493270874e-01 -4.0624493360519409e-01 - <_> - 3.8140323638916016e+01 - - 1 2 1029 6.5000000000000000e+00 0 -1 1030 - 6.5000000000000000e+00 -2 -3 1031 2.1965000000000000e+03 - - -6.0527449846267700e-01 3.4614467620849609e-01 - -6.4750307798385620e-01 4.4139349460601807e-01 - <_> - 3.8629760742187500e+01 - - 1 2 1032 1.4500000000000000e+01 0 -1 1033 - 1.0500000000000000e+01 -2 -3 1034 5.5000000000000000e+00 - - 3.3208198146894574e-05 -6.7700278759002686e-01 - -4.2626798152923584e-01 4.8943847417831421e-01 - <_> - 3.8434696197509766e+01 - - 1 2 1035 5.0000000000000000e-01 0 -1 1036 - 4.5000000000000000e+00 -2 -3 1037 5.0000000000000000e-01 - - -7.7417689561843872e-01 4.2846640944480896e-01 - 1.6088682413101196e-01 -5.3463542461395264e-01 - <_> - 3.8620567321777344e+01 - - 1 2 1038 8.6450000000000000e+02 0 -1 1039 - 6.8500000000000000e+01 -2 -3 1040 3.0500000000000000e+01 - - 1.8587091565132141e-01 -8.0341529846191406e-01 - -9.0581631660461426e-01 6.2018626928329468e-01 - <_> - 3.8751430511474609e+01 - - 1 2 1041 5.0000000000000000e-01 0 -1 1042 40. -2 -3 1043 - 1.5500000000000000e+01 - - -9.9494683742523193e-01 1. -7.1019542217254639e-01 - 1.3086341321468353e-01 - <_> - 3.8754238128662109e+01 - - 1 2 1044 6.1500000000000000e+01 0 -1 1045 - 5.0000000000000000e-01 -2 -3 1046 2.6500000000000000e+01 - - 3.2929298281669617e-01 -2.4671530723571777e-01 - -8.9316487312316895e-01 1. - <_> - 3.8761310577392578e+01 - - 1 2 1047 1.3750000000000000e+02 0 -1 1048 - 2.8450000000000000e+02 -2 -3 1049 5.0000000000000000e-01 - - -6.3021671772003174e-01 6.5008687973022461e-01 - 5.3065407276153564e-01 -7.9354740679264069e-02 - <_> - 3.8665718078613281e+01 - - 1 2 1050 4.5000000000000000e+00 0 -1 1051 - 3.5500000000000000e+01 -2 -3 1052 9.5000000000000000e+00 - - 5.4490387439727783e-01 -7.6202434301376343e-01 - -9.5591522753238678e-02 4.8457166552543640e-01 - <_> - 3.8905593872070312e+01 - - 1 2 1053 1.7595000000000000e+03 0 -1 1054 - 8.0650000000000000e+02 -2 -3 1055 1001. - - 8.4819895029067993e-01 1.0978246107697487e-02 - -5.8034777641296387e-01 9.6708601713180542e-01 - <_> - 3.9178741455078125e+01 - - 1 2 1056 3.3500000000000000e+01 0 -1 1057 43. -2 -3 1058 - 1.1255000000000000e+03 - - 6.2076139450073242e-01 -7.7601081132888794e-01 - -6.3608288764953613e-01 2.7314889430999756e-01 - <_> - 3.9557754516601562e+01 - - 1 2 1059 2861. 0 -1 1060 1.1500000000000000e+01 -2 -3 1061 - 1059. - - -2.0063874125480652e-01 3.7901291251182556e-01 - -8.7469154596328735e-01 9.3417149782180786e-01 - <_> - 3.9383140563964844e+01 - - 1 2 1062 7.5000000000000000e+00 0 -1 1063 - 3.3500000000000000e+01 -2 -3 1064 6.8250000000000000e+02 - - -3.3701553940773010e-01 6.6878622770309448e-01 - -9.3165141344070435e-01 5.6623113155364990e-01 - <_> - 3.9584621429443359e+01 - - 1 2 1065 4.5500000000000000e+01 0 -1 1066 - 2.5000000000000000e+00 -2 -3 1067 39. - - -8.5348236560821533e-01 2.0148001611232758e-01 - -8.4665966033935547e-01 8.2120579481124878e-01 - <_> - 3.9753597259521484e+01 - - 1 2 1068 2.5000000000000000e+00 0 -1 1069 - 1.5000000000000000e+00 -2 -3 1070 3.5000000000000000e+00 - - -7.8533732891082764e-01 1.9851887226104736e-01 - 4.4824355840682983e-01 -8.0207723379135132e-01 - <_> - 3.9658565521240234e+01 - - 1 2 1071 5.0000000000000000e-01 0 -1 1072 - 1.3915000000000000e+03 -2 -3 1073 1.0500000000000000e+01 - - -4.5468831062316895e-01 3.6562988162040710e-01 - -6.3887000083923340e-01 2.2883546352386475e-01 - <_> - 4.0061527252197266e+01 - - 1 2 1074 5.4650000000000000e+02 0 -1 1075 - 1.3805000000000000e+03 -2 -3 1076 1.0500000000000000e+01 - - -3.7776118516921997e-01 7.9691213369369507e-01 - -6.4302068948745728e-01 4.0739435702562332e-02 - <_> - 4.0449691772460938e+01 - - 1 2 1077 1.3450000000000000e+02 0 -1 1078 3817. -2 -3 1079 - 4.5000000000000000e+00 - - -1. 7.2753727436065674e-01 -8.8736426830291748e-01 - -3.0436256900429726e-02 - <_> - 4.0686050415039062e+01 - - 1 2 1080 3.1500000000000000e+01 0 -1 1081 - 1.6815000000000000e+03 -2 -3 1082 2.5050000000000000e+02 - - 2.3635797202587128e-01 -7.1006488800048828e-01 - -7.7740561962127686e-01 9.4275683164596558e-01 - <_> - 4.0749511718750000e+01 - - 1 2 1083 2.7500000000000000e+01 0 -1 1084 - 2.3500000000000000e+01 -2 -3 1085 1.2500000000000000e+01 - - 6.0146540403366089e-01 -8.0582934617996216e-01 - 3.4961447119712830e-01 -3.5682681202888489e-01 - <_> - 4.0645175933837891e+01 - - 1 2 1086 1.2850000000000000e+02 0 -1 1087 - 1.1500000000000000e+01 -2 -3 1088 2.6500000000000000e+01 - - -4.3760350346565247e-01 3.2760843634605408e-01 - -7.3312211036682129e-01 4.6505972743034363e-01 - <_> - 4.0557418823242188e+01 - - 1 2 1089 668. 0 -1 1090 1.2850000000000000e+02 -2 -3 1091 - 8.7500000000000000e+01 - - 1.1236543208360672e-01 -5.2818536758422852e-01 - -6.8129932880401611e-01 7.0479619503021240e-01 - <_> - 4.0783546447753906e+01 - - 1 2 1092 5.1805000000000000e+03 0 -1 1093 - 4.9500000000000000e+01 -2 -3 1094 2.9500000000000000e+01 - - -4.0594160556793213e-01 3.0208334326744080e-01 - -9.6733921766281128e-01 6.8550550937652588e-01 - <_> - 4.1171627044677734e+01 - - 1 2 1095 7.7500000000000000e+01 0 -1 1096 - 5.0000000000000000e-01 -2 -3 1097 1128. - - 3.8808169960975647e-01 -2.2138407826423645e-01 - -9.7971081733703613e-01 6.8063849210739136e-01 - <_> - 4.1380584716796875e+01 - - 1 2 1098 3.5000000000000000e+00 0 -1 1099 - 4.5000000000000000e+00 -2 -3 1100 1.6550000000000000e+02 - - -8.3179295063018799e-01 8.2458907365798950e-01 - 2.0895628631114960e-01 -6.7757499217987061e-01 - <_> - 4.0977642059326172e+01 - - 1 2 1101 2.6500000000000000e+01 0 -1 1102 - 7.5000000000000000e+00 -2 -3 1103 2.8500000000000000e+01 - - -6.7902231216430664e-01 9.0440295636653900e-02 - 4.5262795686721802e-01 -7.6736658811569214e-01 - <_> - 4.1636299133300781e+01 - - 1 2 1104 8.7150000000000000e+02 0 -1 1105 - 4.8485000000000000e+03 -2 -3 1106 3.3500000000000000e+01 - - 6.8487727642059326e-01 -2.6508599519729614e-01 - -5.6632518768310547e-01 3.0040073394775391e-01 - <_> - 4.1346435546875000e+01 - - 1 2 1107 1.9350000000000000e+02 0 -1 1108 - 5.0500000000000000e+01 -2 -3 1109 1.1775000000000000e+03 - - -3.1608226895332336e-01 6.0885083675384521e-01 - 6.4473861455917358e-01 -8.5411310195922852e-01 - <_> - 4.1030853271484375e+01 - - 1 2 1110 1.5000000000000000e+00 0 -1 1111 - 1.3445000000000000e+03 -2 -3 1112 5.8550000000000000e+02 - - -6.3746362924575806e-01 3.1320965290069580e-01 - -7.2444945573806763e-01 7.5097692012786865e-01 - <_> - 4.1470043182373047e+01 - - 1 2 1113 9.5000000000000000e+00 0 -1 1114 - 2.5000000000000000e+00 -2 -3 1115 2.5000000000000000e+00 - - 4.0508642792701721e-01 -5.0676339864730835e-01 - -8.5707956552505493e-01 4.3919247388839722e-01 - <_> - 4.1580162048339844e+01 - - 1 2 1116 5.7350000000000000e+02 0 -1 1117 - 5.5000000000000000e+00 -2 -3 1118 21. - - -5.1867526769638062e-01 2.3890317976474762e-01 - -8.0498754978179932e-01 1. - <_> - 4.1684749603271484e+01 - - 1 2 1119 9.5000000000000000e+00 0 -1 1120 - 4.7850000000000000e+02 -2 -3 1121 2.1500000000000000e+01 - - 1.0458730161190033e-01 -6.2516999244689941e-01 - -5.9976857900619507e-01 5.1749521493911743e-01 - <_> - 4.1494934082031250e+01 - - 1 2 1122 2.0050000000000000e+02 0 -1 1123 - 2.0500000000000000e+01 -2 -3 1124 6.4500000000000000e+01 - - -3.9138877391815186e-01 2.6315033435821533e-01 - -9.6982121467590332e-01 6.5220332145690918e-01 - <_> - 4.1932003021240234e+01 - - 1 2 1125 1.5000000000000000e+00 0 -1 1126 - 3.5000000000000000e+00 -2 -3 1127 5.0000000000000000e-01 - - -4.0265578031539917e-01 7.8519123792648315e-01 - 2.0901374518871307e-01 -4.3665331602096558e-01 - <_> - 4.1868026733398438e+01 - - 1 2 1128 1.6455000000000000e+03 0 -1 1129 - 1.5000000000000000e+00 -2 -3 1130 1.2425000000000000e+03 - - 7.5446349382400513e-01 -8.0549776554107666e-01 - 6.0434514284133911e-01 -6.3975110650062561e-02 - <_> - 4.2400360107421875e+01 - - 1 2 1131 7.5000000000000000e+00 0 -1 1132 - 6.3500000000000000e+01 -2 -3 1133 5.7650000000000000e+02 - - 5.2017074823379517e-01 -6.9113534688949585e-01 - -1.6708745062351227e-01 5.3233259916305542e-01 - <_> - 4.2345855712890625e+01 - - 1 2 1134 8.5000000000000000e+00 0 -1 1135 - 3.5000000000000000e+00 -2 -3 1136 1.8650000000000000e+02 - - -5.4506361484527588e-02 -7.8135180473327637e-01 - -6.1452972888946533e-01 5.3269100189208984e-01 - <_> - 4.2633274078369141e+01 - - 1 2 1137 2.0500000000000000e+01 0 -1 1138 - 5.6750000000000000e+02 -2 -3 1139 2.9915000000000000e+03 - - 6.6543561220169067e-01 -8.5652673244476318e-01 - 2.8741911053657532e-01 -4.7586393356323242e-01 - <_> - 4.2798049926757812e+01 - - 1 2 1140 9.5000000000000000e+00 0 -1 1141 - 4.9500000000000000e+01 -2 -3 1142 4.5000000000000000e+00 - - 1.6477760672569275e-01 -8.1512105464935303e-01 - -9.8834317922592163e-01 3.6259099841117859e-01 - <_> - 4.2601398468017578e+01 - - 1 2 1143 3.5000000000000000e+00 0 -1 1144 - 1.4500000000000000e+01 -2 -3 1145 2.6500000000000000e+01 - - 4.9031403660774231e-01 -6.7174017429351807e-01 - -6.2569665908813477e-01 3.0628502368927002e-01 - <_> - 4.3207866668701172e+01 - - 1 2 1146 5.0000000000000000e-01 0 -1 1147 338. -2 -3 1148 - 4.7500000000000000e+01 - - 6.0646677017211914e-01 -1.1136221885681152e-01 - -4.9581399559974670e-01 9.1770052909851074e-01 - <_> - 4.3436904907226562e+01 - - 1 2 1149 6.2500000000000000e+01 0 -1 1150 - 1.1500000000000000e+01 -2 -3 1151 6.5000000000000000e+00 - - -6.3020032644271851e-01 2.2903984785079956e-01 - 6.9111466407775879e-01 -9.2438864707946777e-01 - <_> - 4.3182262420654297e+01 - - 1 2 1152 2.4825000000000000e+03 0 -1 1153 - 1.8500000000000000e+01 -2 -3 1154 6.5000000000000000e+00 - - 8.8887816667556763e-01 -7.8725290298461914e-01 - -2.5464150309562683e-01 3.7431335449218750e-01 - <_> - 4.3620674133300781e+01 - - 1 2 1155 2.0895000000000000e+03 0 -1 1156 - 1.0500000000000000e+01 -2 -3 1157 7.1150000000000000e+02 - - 4.3995714187622070e-01 -5.2159392833709717e-01 - -6.2963652610778809e-01 1.1316129565238953e-01 - <_> - 4.3773460388183594e+01 - - 1 2 1158 5.0000000000000000e-01 0 -1 1159 21. -2 -3 1160 - 2647. - - -9.9163711071014404e-01 1. 1.5278881788253784e-01 - -8.0924803018569946e-01 - <_> - 4.3756889343261719e+01 - - 1 2 1161 9.5000000000000000e+00 0 -1 1162 - 1.5285000000000000e+03 -2 -3 1163 2.0500000000000000e+01 - - -7.3516172170639038e-01 -3.3198025077581406e-02 - 4.5004144310951233e-01 -4.9410822987556458e-01 - <_> - 4.3972312927246094e+01 - - 1 2 1164 1.5000000000000000e+00 0 -1 1165 - 1.2500000000000000e+01 -2 -3 1166 4.6250000000000000e+02 - - -8.7030416727066040e-01 1. 6.6300249099731445e-01 - -5.0532888621091843e-02 - <_> - 4.3980846405029297e+01 - - 1 2 1167 1.1500000000000000e+01 0 -1 1168 - 1.5000000000000000e+00 -2 -3 1169 9.5000000000000000e+00 - - 8.9238695800304413e-02 -6.6063672304153442e-01 - -2.1645425260066986e-01 5.4061800241470337e-01 - <_> - 4.4120399475097656e+01 - - 1 2 1170 1.4550000000000000e+02 0 -1 1171 515. -2 -3 1172 - 66. - - -8.7580627202987671e-01 1.3955466449260712e-01 1. -1. - <_> - 4.4321346282958984e+01 - - 1 2 1173 1.2500000000000000e+01 0 -1 1174 - 1.5500000000000000e+01 -2 -3 1175 6.5000000000000000e+00 - - -9.3138593435287476e-01 2.0094390213489532e-01 - -7.9345691204071045e-01 1.3270631432533264e-01 - <_> - 4.4408035278320312e+01 - - 1 2 1176 9.4500000000000000e+01 0 -1 1177 29. -2 -3 1178 - 1.5500000000000000e+01 - - 6.2725901603698730e-01 -5.2600252628326416e-01 - -6.2553745508193970e-01 1.1460914462804794e-01 - <_> - 4.3909595489501953e+01 - - 1 2 1179 6.5000000000000000e+00 0 -1 1180 - 9.7500000000000000e+01 -2 -3 1181 1.5000000000000000e+00 - - -8.3142787218093872e-01 6.9267946481704712e-01 - 4.8009446263313293e-01 -1.2805593013763428e-01 - <_> - 4.4367984771728516e+01 - - 1 2 1182 1.3500000000000000e+01 0 -1 1183 - 7.5000000000000000e+00 -2 -3 1184 5.1500000000000000e+01 - - -7.8150177001953125e-01 6.1593282222747803e-01 - 2.3517456650733948e-01 -8.9078408479690552e-01 - <_> - 4.4526245117187500e+01 - - 1 2 1185 8.1450000000000000e+02 0 -1 1186 27. -2 -3 1187 - 4.3250000000000000e+02 - - -9.6226990222930908e-01 1. 1.5826153755187988e-01 - -6.0127079486846924e-01 - <_> - 4.4509689331054688e+01 - - 1 2 1188 1.7050000000000000e+02 0 -1 1189 - 1.0350000000000000e+02 -2 -3 1190 17. - - -1.7409811913967133e-01 4.0153789520263672e-01 - -9.9094009399414062e-01 1. - <_> - 4.4416912078857422e+01 - - 1 2 1191 5.0000000000000000e-01 0 -1 1192 - 8.5000000000000000e+00 -2 -3 1193 1.9985000000000000e+03 - - -1. 5.3445392847061157e-01 -9.2778779566287994e-02 - -9.9271869659423828e-01 - <_> - 4.4893375396728516e+01 - - 1 2 1194 1.5755000000000000e+03 0 -1 1195 21. -2 -3 1196 - 2.2815000000000000e+03 - - 9.8664927482604980e-01 -1. -6.5728956460952759e-01 - 5.1687292754650116e-02 - <_> - 4.4958042144775391e+01 - - 1 2 1197 979. 0 -1 1198 3.5000000000000000e+00 -2 -3 1199 - 3.3450000000000000e+02 - - 6.4667396247386932e-02 -6.2298679351806641e-01 - 8.3257365226745605e-01 -3.2351174950599670e-01 - <_> - 4.5219623565673828e+01 - - 1 2 1200 2.5000000000000000e+00 0 -1 1201 - 4.5000000000000000e+00 -2 -3 1202 1.1250000000000000e+02 - - -8.0651080608367920e-01 7.8795516490936279e-01 - 2.6158225536346436e-01 -5.9016484022140503e-01 - <_> - 4.4823062896728516e+01 - - 1 2 1203 7.4850000000000000e+02 0 -1 1204 - 3.2500000000000000e+01 -2 -3 1205 697. - - 2.2503770887851715e-01 -3.9656233787536621e-01 - 9.5161718130111694e-01 -2.1432246267795563e-01 - <_> - 4.5530910491943359e+01 - - 1 2 1206 5.4750000000000000e+02 0 -1 1207 - 9.5000000000000000e+00 -2 -3 1208 4752. - - -7.8124099969863892e-01 7.0784658193588257e-01 - -9.6436911821365356e-01 3.5836692899465561e-02 - <_> - 4.5428401947021484e+01 - - 1 2 1209 1.5000000000000000e+00 0 -1 1210 - 1.5500000000000000e+01 -2 -3 1211 1.9455000000000000e+03 - - -1.0250826925039291e-01 5.4916018247604370e-01 - -2.6177955791354179e-02 -9.2129987478256226e-01 - <_> - 4.5787826538085938e+01 - - 1 2 1212 4.5850000000000000e+02 0 -1 1213 - 5.0000000000000000e-01 -2 -3 1214 1.5000000000000000e+00 - - -9.0581798553466797e-01 4.0218245983123779e-01 - -7.4334120750427246e-01 1.0166406631469727e-01 - <_> - 4.5805335998535156e+01 - - 1 2 1215 5.0000000000000000e-01 0 -1 1216 - 2.8965000000000000e+03 -2 -3 1217 1.4500000000000000e+01 - - 3.4860813617706299e-01 -9.2187440395355225e-01 - -5.3543245792388916e-01 5.3708320856094360e-01 - <_> - 4.5891948699951172e+01 - - 1 2 1218 4.2750000000000000e+02 0 -1 1219 - 1.1500000000000000e+01 -2 -3 1220 60. - - 5.4364776611328125e-01 -2.4448615312576294e-01 -1. - 9.3761330842971802e-01 - <_> - 4.6113231658935547e+01 - - 1 2 1221 2.9650000000000000e+02 0 -1 1222 - 3.5500000000000000e+01 -2 -3 1223 2.5000000000000000e+00 - - -8.3336704969406128e-01 -4.9441725015640259e-02 - -7.4142539501190186e-01 5.5442851781845093e-01 - <_> - 4.6227504730224609e+01 - - 1 2 1224 4.1500000000000000e+01 0 -1 1225 - 3.3065000000000000e+03 -2 -3 1226 3870. - - -6.0971248149871826e-01 2.4518391489982605e-01 - -9.2852658033370972e-01 6.7098820209503174e-01 - <_> - 4.6052734375000000e+01 - - 1 2 1227 7.3150000000000000e+02 0 -1 1228 - 6.8500000000000000e+01 -2 -3 1229 7.5000000000000000e+00 - - -3.0568072199821472e-01 2.9724195599555969e-01 - 6.0229831933975220e-01 -9.3976968526840210e-01 - <_> - 4.6391059875488281e+01 - - 1 2 1230 3941. 0 -1 1231 5.4500000000000000e+01 -2 -3 1232 - 1.7855000000000000e+03 - - 3.3832329511642456e-01 -7.9758453369140625e-01 - -6.3498198986053467e-01 6.3038891553878784e-01 - <_> - 4.6504837036132812e+01 - - 1 2 1233 5.0000000000000000e-01 0 -1 1234 - 7.5000000000000000e+00 -2 -3 1235 1501. - - -7.7365416288375854e-01 4.6874764561653137e-01 - -3.5823148488998413e-01 7.9656225442886353e-01 - <_> - 4.6372001647949219e+01 - - 1 2 1236 2.5500000000000000e+01 0 -1 1237 - 1.6500000000000000e+01 -2 -3 1238 5.0000000000000000e-01 - - 4.6493071317672729e-01 -7.0740276575088501e-01 - -4.8780402541160583e-01 3.7291622161865234e-01 - <_> - 4.6678596496582031e+01 - - 1 2 1239 7.9415000000000000e+03 0 -1 1240 - 5.0000000000000000e-01 -2 -3 1241 1.1500000000000000e+01 - - -8.2436817884445190e-01 3.0659627914428711e-01 - -6.5948170423507690e-01 4.5055055618286133e-01 - <_> - 4.6238845825195312e+01 - - 1 2 1242 1.9500000000000000e+01 0 -1 1243 - 8.5000000000000000e+00 -2 -3 1244 6.5500000000000000e+01 - - -6.7113763093948364e-01 2.0902428030967712e-01 - -7.2488105297088623e-01 1. - <_> - 4.6537197113037109e+01 - - 1 2 1245 2.8450000000000000e+02 0 -1 1246 - 4.5000000000000000e+00 -2 -3 1247 1.7550000000000000e+02 - - -6.7054611444473267e-01 8.2255226373672485e-01 - 2.9835110902786255e-01 -5.9376603364944458e-01 - <_> - 4.6529403686523438e+01 - - 1 2 1248 4.2500000000000000e+01 0 -1 1249 - 2.0500000000000000e+01 -2 -3 1250 1.8500000000000000e+01 - - -7.7904900535941124e-03 -8.1963479518890381e-01 - -5.0779378414154053e-01 4.3727734684944153e-01 - <_> - 4.6744403839111328e+01 - - 1 2 1251 4.5000000000000000e+00 0 -1 1252 - 2.8650000000000000e+02 -2 -3 1253 4.5000000000000000e+00 - - -1.9674304127693176e-01 4.5696255564689636e-01 - 7.9865179955959320e-02 -8.0503857135772705e-01 - <_> - 4.6963691711425781e+01 - - 1 2 1254 4.0250000000000000e+02 0 -1 1255 - 1.7045000000000000e+03 -2 -3 1256 5.0000000000000000e-01 - - -5.5684739351272583e-01 7.6402020454406738e-01 - -7.6276898384094238e-01 -2.2674866020679474e-02 - <_> - 4.6687553405761719e+01 - - 1 2 1257 5.0000000000000000e-01 0 -1 1258 - 1.1455000000000000e+03 -2 -3 1259 1.4500000000000000e+01 - - -3.6084955930709839e-01 8.0332660675048828e-01 - -2.7614063024520874e-01 4.3000274896621704e-01 - <_> - 4.6964260101318359e+01 - - 1 2 1260 3.5500000000000000e+01 0 -1 1261 - 6.5000000000000000e+00 -2 -3 1262 1.9950000000000000e+02 - - -5.5664390325546265e-01 2.7670648694038391e-01 - -8.6526918411254883e-01 1. - <_> - 4.7102539062500000e+01 - - 1 2 1263 5.3500000000000000e+01 0 -1 1264 - 1.0075000000000000e+03 -2 -3 1265 4.5000000000000000e+00 - - -9.8485064506530762e-01 7.1059340238571167e-01 - -4.6985602378845215e-01 1.3827921450138092e-01 - <_> - 4.6816654205322266e+01 - - 1 2 1266 2.3500000000000000e+01 0 -1 1267 - 9.5000000000000000e+00 -2 -3 1268 2.5000000000000000e+00 - - 2.5332915782928467e-01 -7.9585695266723633e-01 - -2.8588473796844482e-01 3.4832224249839783e-01 - <_> - 4.7195682525634766e+01 - - 1 2 1269 5.0000000000000000e-01 0 -1 1270 - 4.6605000000000000e+03 -2 -3 1271 3.5250000000000000e+02 - - 3.7902894616127014e-01 -8.4313845634460449e-01 - 1.3045331835746765e-01 -5.6578201055526733e-01 - <_> - 4.7464088439941406e+01 - - 1 2 1272 2.1500000000000000e+01 0 -1 1273 - 5.0000000000000000e-01 -2 -3 1274 242. - - 1.3412712514400482e-01 -7.8316122293472290e-01 - 2.6840490102767944e-01 -7.1992039680480957e-01 - <_> - 4.7629711151123047e+01 - - 1 2 1275 2.5000000000000000e+00 0 -1 1276 - 7.4500000000000000e+01 -2 -3 1277 1.0750000000000000e+02 - - -8.3254098892211914e-01 9.2741733789443970e-01 - 1.6562341153621674e-01 -9.0677899122238159e-01 - <_> - 4.7230899810791016e+01 - - 1 2 1278 5.0000000000000000e-01 0 -1 1279 - 1.5000000000000000e+00 -2 -3 1280 789. - - -4.9992504715919495e-01 4.5887079834938049e-01 - 7.6845002174377441e-01 -3.9880952239036560e-01 - <_> - 4.7315582275390625e+01 - - 1 2 1281 7.7050000000000000e+02 0 -1 1282 - 2.5000000000000000e+00 -2 -3 1283 1.8500000000000000e+01 - - 8.4682360291481018e-02 -6.0419434309005737e-01 - -8.2248067855834961e-01 5.7301843166351318e-01 - <_> - 4.7552246093750000e+01 - - 1 2 1284 6.8500000000000000e+01 0 -1 1285 - 3.4435000000000000e+03 -2 -3 1286 5.0000000000000000e-01 - - 2.3666270077228546e-01 -8.8462197780609131e-01 - 7.7540457248687744e-01 -7.6702028512954712e-01 - <_> - 4.7279457092285156e+01 - - 1 2 1287 5.4650000000000000e+02 0 -1 1288 - 2.7500000000000000e+01 -2 -3 1289 1.2500000000000000e+01 - - -8.9818286895751953e-01 9.3574041128158569e-01 - -2.7278780937194824e-01 3.4087333083152771e-01 - <_> - 4.7695171356201172e+01 - - 1 2 1290 5.5000000000000000e+00 0 -1 1291 - 6.8500000000000000e+01 -2 -3 1292 4.2250000000000000e+02 - - -5.1797193288803101e-01 9.6406042575836182e-01 - 4.1571247577667236e-01 -3.3489051461219788e-01 - <_> - 4.8403869628906250e+01 - - 1 2 1293 1883. 0 -1 1294 8.7550000000000000e+02 -2 -3 1295 - 558. - - -1. 1. 7.0869779586791992e-01 -4.0250223129987717e-02 - <_> - 4.8536903381347656e+01 - - 1 2 1296 2.3500000000000000e+01 0 -1 1297 - 2.5000000000000000e+00 -2 -3 1298 3.5000000000000000e+00 - - 7.9751479625701904e-01 -8.0273920297622681e-01 - -7.9289126396179199e-01 2.0057959854602814e-01 - <_> - 4.8952194213867188e+01 - - 1 2 1299 5.0500000000000000e+01 0 -1 1300 - 5.0000000000000000e-01 -2 -3 1301 15. - - 4.1529166698455811e-01 -1.6719508171081543e-01 - -9.8823583126068115e-01 8.9194875955581665e-01 - <_> - 4.9016838073730469e+01 - - 1 2 1302 3.0500000000000000e+01 0 -1 1303 - 9.4500000000000000e+01 -2 -3 1304 1.4500000000000000e+01 - - -5.3713786602020264e-01 7.3640905320644379e-02 - -9.4347292184829712e-01 9.7819411754608154e-01 - <_> - 4.8526271820068359e+01 - - 1 2 1305 4.5000000000000000e+00 0 -1 1306 - 2.5000000000000000e+00 -2 -3 1307 6.8500000000000000e+01 - - -4.9056568741798401e-01 1.6012768447399139e-01 - 5.9082514047622681e-01 -7.3458278179168701e-01 - <_> - 4.8976272583007812e+01 - - 1 2 1308 4.5000000000000000e+00 0 -1 1309 - 1.5500000000000000e+01 -2 -3 1310 5.9500000000000000e+01 - - -1.9833615422248840e-01 4.4999912381172180e-01 - -5.6295996904373169e-01 8.5850125551223755e-01 - <_> - 4.8976329803466797e+01 - - 1 2 1311 4.5000000000000000e+00 0 -1 1312 - 6.8500000000000000e+01 -2 -3 1313 4.6500000000000000e+01 - - 5.6983328249771148e-05 7.7724099159240723e-01 - -6.1698484420776367e-01 2.9591542482376099e-01 - <_> - 4.9282245635986328e+01 - - 1 2 1314 1.1500000000000000e+01 0 -1 1315 - 1.5000000000000000e+00 -2 -3 1316 103. - - -8.6629253625869751e-01 2.9691928625106812e-01 - -6.9187688827514648e-01 7.6389712095260620e-01 - <_> - 4.9114860534667969e+01 - - 1 2 1317 1.8555000000000000e+03 0 -1 1318 - 6.4500000000000000e+01 -2 -3 1319 2.7350000000000000e+02 - - -1.6738428175449371e-01 5.7460331916809082e-01 - 5.3947240114212036e-01 -7.7280753850936890e-01 - <_> - 4.9352123260498047e+01 - - 1 2 1320 8.5350000000000000e+02 0 -1 1321 - 1.5000000000000000e+00 -2 -3 1322 9.9500000000000000e+01 - - 8.4088134765625000e-01 -7.2172147035598755e-01 - 2.3726405203342438e-01 -9.3316709995269775e-01 - <_> - 4.9501861572265625e+01 - - 1 2 1323 4.5000000000000000e+00 0 -1 1324 - 1.1500000000000000e+01 -2 -3 1325 8.5500000000000000e+01 - - -9.9253803491592407e-01 1. 4.6414378285408020e-01 - -2.0848950743675232e-01 - <_> - 4.9837139129638672e+01 - - 1 2 1326 7.9550000000000000e+02 0 -1 1327 - 2.8050000000000000e+02 -2 -3 1328 1835. - - -8.2946020364761353e-01 9.6943551301956177e-01 - -8.1424975395202637e-01 2.0871644839644432e-02 - <_> - 5.0246009826660156e+01 - - 1 2 1329 8.5000000000000000e+00 0 -1 1330 - 9.1050000000000000e+02 -2 -3 1331 1.5000000000000000e+00 - - 4.0886759757995605e-01 -7.4836260080337524e-01 - -5.7454568147659302e-01 3.2781472802162170e-01 - <_> - 4.9796627044677734e+01 - - 1 2 1332 5.0000000000000000e-01 0 -1 1333 - 6.5000000000000000e+00 -2 -3 1334 2.3500000000000000e+01 - - -9.3218848109245300e-02 8.3576363325119019e-01 - 1.9991603493690491e-01 -4.6900144219398499e-01 - <_> - 5.0063694000244141e+01 - - 1 2 1335 1.5000000000000000e+00 0 -1 1336 - 6.3500000000000000e+01 -2 -3 1337 1.8725000000000000e+03 - - -7.0560324192047119e-01 4.1954356431961060e-01 - -9.6739757061004639e-01 2.6706603169441223e-01 - <_> - 5.0260620117187500e+01 - - 1 2 1338 1.0500000000000000e+01 0 -1 1339 - 2.9500000000000000e+01 -2 -3 1340 342. - - -9.0658597648143768e-02 -7.9617536067962646e-01 - 6.7347729206085205e-01 -2.3987580835819244e-01 - <_> - 5.0467788696289062e+01 - - 1 2 1341 1.0650000000000000e+02 0 -1 1342 - 8.6750000000000000e+02 -2 -3 1343 2.5000000000000000e+00 - - 2.0716853439807892e-01 -7.6313602924346924e-01 - -9.5789188146591187e-01 2.3767970502376556e-01 - <_> - 5.0828540802001953e+01 - - 1 2 1344 5.4500000000000000e+01 0 -1 1345 - 9.8150000000000000e+02 -2 -3 1346 9.5000000000000000e+00 - - -3.1050950288772583e-02 -7.7375942468643188e-01 - -8.2174503803253174e-01 3.6075502634048462e-01 - <_> - 5.0360866546630859e+01 - - 1 2 1347 1.3500000000000000e+01 0 -1 1348 - 5.0000000000000000e-01 -2 -3 1349 1236. - - 1.3057044148445129e-01 -4.6767637133598328e-01 - -6.9840586185455322e-01 7.9119002819061279e-01 - <_> - 5.0256309509277344e+01 - - 1 2 1350 2.5000000000000000e+00 0 -1 1351 - 9.4500000000000000e+01 -2 -3 1352 3.2500000000000000e+01 - - 3.8615158200263977e-01 -9.4876563549041748e-01 - 6.4024305343627930e-01 -1.0455664992332458e-01 - <_> - 5.0560165405273438e+01 - - 1 2 1353 2.5000000000000000e+00 0 -1 1354 - 4.0500000000000000e+01 -2 -3 1355 4.0500000000000000e+01 - - -7.0561832189559937e-01 3.3378389477729797e-01 - 3.0385577678680420e-01 -6.0897898674011230e-01 - <_> - 5.0804115295410156e+01 - - 1 2 1356 1.5500000000000000e+01 0 -1 1357 45. -2 -3 1358 - 7.5000000000000000e+00 - - -8.0861389636993408e-01 1. -4.3904241919517517e-01 - 2.7291506528854370e-01 - <_> - 5.0514347076416016e+01 - - 1 2 1359 1.1050000000000000e+02 0 -1 1360 - 6.3500000000000000e+01 -2 -3 1361 2.3500000000000000e+01 - - -2.8976878523826599e-01 3.2039192318916321e-01 - -8.0150151252746582e-01 6.8203634023666382e-01 - <_> - 5.0776355743408203e+01 - - 1 2 1362 1.0550000000000000e+02 0 -1 1363 - 1.3550000000000000e+02 -2 -3 1364 10068. - - -6.4488768577575684e-01 2.6200938224792480e-01 - -8.9675015211105347e-01 -3.1381275504827499e-02 - <_> - 5.0533866882324219e+01 - - 1 2 1365 6.8500000000000000e+01 0 -1 1366 - 5.0000000000000000e-01 -2 -3 1367 1.6050000000000000e+02 - - 3.1839752197265625e-01 -2.4249233305454254e-01 1. -1. - <_> - 5.0829113006591797e+01 - - 1 2 1368 1.5000000000000000e+00 0 -1 1369 - 6.6350000000000000e+02 -2 -3 1370 5.5000000000000000e+00 - - 6.8838620185852051e-01 -9.3250781297683716e-01 - 2.9524663090705872e-01 -3.2141539454460144e-01 - <_> - 5.0797142028808594e+01 - - 1 2 1371 8.5000000000000000e+00 0 -1 1372 - 2.5000000000000000e+00 -2 -3 1373 5.0000000000000000e-01 - - 4.2804262042045593e-01 -7.1058040857315063e-01 - 7.0905983448028564e-01 -3.1971532851457596e-02 - <_> - 5.1115089416503906e+01 - - 1 2 1374 861. 0 -1 1375 3.5000000000000000e+00 -2 -3 1376 - 1.4500000000000000e+01 - - -4.3287408351898193e-01 3.1794783473014832e-01 - -8.9377957582473755e-01 8.8807784020900726e-02 - <_> - 5.1886703491210938e+01 - - 1 2 1377 1.0955000000000000e+03 0 -1 1378 - 1.1500000000000000e+01 -2 -3 1379 8.7950000000000000e+02 - - 7.7161508798599243e-01 -5.0686275959014893e-01 - -4.5395648479461670e-01 3.3118793368339539e-01 - <_> - 5.1772079467773438e+01 - - 1 2 1380 4.6650000000000000e+02 0 -1 1381 33. -2 -3 1382 - 1.0950000000000000e+02 - - -9.5125919580459595e-01 1. -1.1462553590536118e-01 - 4.7979238629341125e-01 - <_> - 5.2198509216308594e+01 - - 1 2 1383 1.5500000000000000e+01 0 -1 1384 - 2.8250000000000000e+02 -2 -3 1385 2.1500000000000000e+01 - - -5.1369702816009521e-01 4.8207268118858337e-01 - -4.2361307144165039e-01 6.4388936758041382e-01 - <_> - 5.2392532348632812e+01 - - 1 2 1386 2.5000000000000000e+00 0 -1 1387 - 1.2535000000000000e+03 -2 -3 1388 4515. - - 3.2906323671340942e-01 -7.7641272544860840e-01 - 5.5688279867172241e-01 -6.7741048336029053e-01 - <_> - 5.1989242553710938e+01 - - 1 2 1389 5.5000000000000000e+00 0 -1 1390 - 2.2750000000000000e+02 -2 -3 1391 4.3500000000000000e+01 - - 1.5418881177902222e-01 -5.9396916627883911e-01 - -4.6043199300765991e-01 6.2906885147094727e-01 - <_> - 5.2259319305419922e+01 - - 1 2 1392 3.2745000000000000e+03 0 -1 1393 - 1.8650000000000000e+02 -2 -3 1394 277. - - 1. -9.5819205045700073e-01 2.7007547020912170e-01 - -6.1733877658843994e-01 - <_> - 5.2470146179199219e+01 - - 1 2 1395 2.5000000000000000e+00 0 -1 1396 105. -2 -3 1397 - 1.1305000000000000e+03 - - -8.1608760356903076e-01 6.3372832536697388e-01 - -5.9831696748733521e-01 2.1082499623298645e-01 - <_> - 5.2619174957275391e+01 - - 1 2 1398 1.5000000000000000e+00 0 -1 1399 - 3.5500000000000000e+01 -2 -3 1400 6.9565000000000000e+03 - - 8.7191337347030640e-01 -9.5075809955596924e-01 - 1.4903016388416290e-01 -9.4546204805374146e-01 - <_> - 5.2935699462890625e+01 - - 1 2 1401 5.0000000000000000e-01 0 -1 1402 - 8.5000000000000000e+00 -2 -3 1403 5.0000000000000000e-01 - - -8.3433282375335693e-01 2.5846391916275024e-01 - 3.1652534008026123e-01 -2.6149821281433105e-01 - <_> - 5.3098587036132812e+01 - - 1 2 1404 2.6500000000000000e+01 0 -1 1405 - 3.0500000000000000e+01 -2 -3 1406 7.5000000000000000e+00 - - 1.6288678348064423e-01 -6.0522311925888062e-01 - -8.4450155496597290e-01 1. - <_> - 5.3166687011718750e+01 - - 1 2 1407 5.0000000000000000e-01 0 -1 1408 - 5.0000000000000000e-01 -2 -3 1409 2.2500000000000000e+01 - - 4.6929541230201721e-01 -2.5119864940643311e-01 - -6.6509801149368286e-01 1.3742294907569885e-01 - <_> - 5.3216953277587891e+01 - - 1 2 1410 1.0315000000000000e+03 0 -1 1411 - 5.5450000000000000e+02 -2 -3 1412 1.2050000000000000e+02 - - -5.9429639577865601e-01 5.0267767161130905e-02 - -7.4524205923080444e-01 9.9237120151519775e-01 - <_> - 5.2621330261230469e+01 - - 1 2 1413 5.0500000000000000e+01 0 -1 1414 - 9.5000000000000000e+00 -2 -3 1415 197. - - -5.9562218189239502e-01 2.1804636716842651e-01 - -9.5759987831115723e-01 1. - <_> - 5.2961544036865234e+01 - - 1 2 1416 1.5000000000000000e+00 0 -1 1417 - 2.3075000000000000e+03 -2 -3 1418 3.9850000000000000e+02 - - 3.4021046757698059e-01 -8.9926844835281372e-01 - -5.2498364448547363e-01 6.2959104776382446e-01 - <_> - 5.3093982696533203e+01 - - 1 2 1419 8.5000000000000000e+00 0 -1 1420 - 8.5000000000000000e+00 -2 -3 1421 1.0500000000000000e+01 - - -2.6875725388526917e-01 4.4103288650512695e-01 - -7.8084117174148560e-01 2.4891872704029083e-01 - <_> - 5.3610618591308594e+01 - - 1 2 1422 1.1500000000000000e+01 0 -1 1423 - 5.1500000000000000e+01 -2 -3 1424 3.2850000000000000e+02 - - 6.1537820100784302e-01 -7.0333778858184814e-01 - 5.1663792133331299e-01 -1.1682698130607605e-01 - <_> - 5.3337509155273438e+01 - - 1 2 1425 6.5000000000000000e+00 0 -1 1426 - 2.0150000000000000e+02 -2 -3 1427 1.3750000000000000e+02 - - -7.9510349035263062e-01 6.7965596914291382e-01 - -5.7587045431137085e-01 2.8806659579277039e-01 - <_> - 5.3759262084960938e+01 - - 1 2 1428 1.3500000000000000e+01 0 -1 1429 - 5.0000000000000000e-01 -2 -3 1430 2.5500000000000000e+01 - - -8.0888146162033081e-01 -1.0459310561418533e-01 - 4.2175045609474182e-01 -2.2673429548740387e-01 - <_> - 5.4000991821289062e+01 - - 1 2 1431 1.6500000000000000e+01 0 -1 1432 - 4.9500000000000000e+01 -2 -3 1433 3.2500000000000000e+01 - - 2.4172973632812500e-01 -6.6279673576354980e-01 - -7.4276286363601685e-01 3.0321115255355835e-01 - <_> - 5.3984508514404297e+01 - - 1 2 1434 1.1565000000000000e+03 0 -1 1435 - 2.6250000000000000e+02 -2 -3 1436 3893. - - 7.3637932538986206e-01 -3.4883835911750793e-01 - 6.0121822357177734e-01 -8.0439829826354980e-01 - <_> - 5.4098236083984375e+01 - - 1 2 1437 1.3500000000000000e+01 0 -1 1438 - 3.8350000000000000e+02 -2 -3 1439 1.0500000000000000e+01 - - -6.2982290983200073e-01 1.1372609436511993e-01 - -5.9008258581161499e-01 4.2848214507102966e-01 - <_> - 5.4405338287353516e+01 - - 1 2 1440 1.9805000000000000e+03 0 -1 1441 - 1.1275000000000000e+03 -2 -3 1442 2.6500000000000000e+01 - - -5.8803045749664307e-01 3.0710294842720032e-01 - -6.5108889341354370e-01 7.1022272109985352e-01 - <_> - 5.4511505126953125e+01 - - 1 2 1443 4.5000000000000000e+00 0 -1 1444 - 2.5000000000000000e+00 -2 -3 1445 1.8500000000000000e+01 - - -9.6930414438247681e-01 5.6903254985809326e-01 - 3.2619524002075195e-01 -2.4657142162322998e-01 - <_> - 5.3997844696044922e+01 - - 1 2 1446 7.5000000000000000e+00 0 -1 1447 - 3.8850000000000000e+02 -2 -3 1448 2.5000000000000000e+00 - - -5.1365816593170166e-01 7.6742160320281982e-01 - -1.1964958161115646e-01 5.4031091928482056e-01 - <_> - 5.4253089904785156e+01 - - 1 2 1449 1626. 0 -1 1450 1.3550000000000000e+02 -2 -3 1451 - 3.6500000000000000e+01 - - 2.5524312257766724e-01 -9.8179906606674194e-01 - -7.1048241853713989e-01 4.6551769971847534e-01 - <_> - 5.4500720977783203e+01 - - 1 2 1452 1.0500000000000000e+01 0 -1 1453 - 1.6500000000000000e+01 -2 -3 1454 3.5000000000000000e+00 - - -8.2665824890136719e-01 8.4684377908706665e-01 - 2.4763117730617523e-01 -5.0248169898986816e-01 - <_> - 5.4737117767333984e+01 - - 1 2 1455 2.9500000000000000e+01 0 -1 1456 - 2.0445000000000000e+03 -2 -3 1457 2.0750000000000000e+02 - - 3.2250665128231049e-02 -8.2253599166870117e-01 - 2.3639632761478424e-01 -8.4098196029663086e-01 - <_> - 5.4620071411132812e+01 - - 1 2 1458 5.5000000000000000e+00 0 -1 1459 - 3.5500000000000000e+01 -2 -3 1460 1.1350000000000000e+02 - - -3.3707693219184875e-01 2.8938186168670654e-01 - -6.7547446489334106e-01 6.6382431983947754e-01 - <_> - 5.4814952850341797e+01 - - 1 2 1461 1.7065000000000000e+03 0 -1 1462 - 2.5000000000000000e+00 -2 -3 1463 3.0500000000000000e+01 - - -9.4278389215469360e-01 1.9488368928432465e-01 - -7.2809278964996338e-01 9.4887137413024902e-01 - <_> - 5.5078216552734375e+01 - - 1 2 1464 4.9500000000000000e+01 0 -1 1465 - 2.5000000000000000e+00 -2 -3 1466 2.5000000000000000e+00 - - -4.3484109640121460e-01 2.6326316595077515e-01 - 4.3786400556564331e-01 -8.4547907114028931e-01 - <_> - 5.5371429443359375e+01 - - 1 2 1467 5.0000000000000000e-01 0 -1 1468 - 9.5000000000000000e+00 -2 -3 1469 1.8500000000000000e+01 - - 3.0153682827949524e-01 -1. -6.4001828432083130e-01 - 1.5916951000690460e-01 - <_> - 5.5277488708496094e+01 - - 1 2 1470 1.5000000000000000e+00 0 -1 1471 - 4.7500000000000000e+01 -2 -3 1472 1.5350000000000000e+02 - - -8.3075433969497681e-01 8.5157310962677002e-01 - 5.2560466527938843e-01 -1.0226363688707352e-01 - <_> - 5.5544731140136719e+01 - - 1 2 1473 5.5000000000000000e+00 0 -1 1474 - 4.7500000000000000e+01 -2 -3 1475 3.5000000000000000e+00 - - -6.9490593671798706e-01 8.3865737915039062e-01 - -5.5749320983886719e-01 2.6724293828010559e-01 - <_> - 5.5245399475097656e+01 - - 1 2 1476 1.9950000000000000e+02 0 -1 1477 2289. -2 -3 1478 - 8.5000000000000000e+00 - - -8.5769319534301758e-01 9.1711401939392090e-01 - -7.0576089620590210e-01 3.7203203886747360e-02 - <_> - 5.5488651275634766e+01 - - 1 2 1479 5.2500000000000000e+01 0 -1 1480 - 1.2950000000000000e+02 -2 -3 1481 9.9500000000000000e+01 - - -8.7117952108383179e-01 2.4325069785118103e-01 1. - -6.1816340684890747e-01 - <_> - 5.6088603973388672e+01 - - 1 2 1482 3.0395000000000000e+03 0 -1 1483 - 8.5000000000000000e+00 -2 -3 1484 3.8500000000000000e+01 - - -6.3812756538391113e-01 5.9995239973068237e-01 - -3.6428934335708618e-01 4.7413027286529541e-01 - <_> - 5.6244201660156250e+01 - - 1 2 1485 5.0000000000000000e-01 0 -1 1486 - 1.5215000000000000e+03 -2 -3 1487 6.7050000000000000e+02 - - 3.1605017185211182e-01 -8.9320194721221924e-01 - -8.2980042695999146e-01 9.8803900182247162e-03 - <_> - 5.6439548492431641e+01 - - 1 2 1488 3.0050000000000000e+02 0 -1 1489 - 2.8550000000000000e+02 -2 -3 1490 5.5000000000000000e+00 - - -6.1809647083282471e-01 3.4896131604909897e-02 - 6.8301624059677124e-01 -6.8873125314712524e-01 - <_> - 5.6426887512207031e+01 - - 1 2 1491 5.8500000000000000e+01 0 -1 1492 - 3.4345000000000000e+03 -2 -3 1493 1.5500000000000000e+01 - - -1.2663759291172028e-02 -8.3325493335723877e-01 - -4.5447880029678345e-01 8.2523274421691895e-01 - <_> - 5.6583915710449219e+01 - - 1 2 1494 1.5000000000000000e+00 0 -1 1495 17. -2 -3 1496 - 4.5000000000000000e+00 - - -9.2977488040924072e-01 1. 4.6097502112388611e-01 - -9.5174610614776611e-02 - <_> - 5.6213527679443359e+01 - - 1 2 1497 2.5000000000000000e+00 0 -1 1498 - 3.1500000000000000e+01 -2 -3 1499 1.7500000000000000e+01 - - -9.0150320529937744e-01 1. -3.7925186753273010e-01 - 2.4965119361877441e-01 - <_> - 5.6820350646972656e+01 - - 1 2 1500 3.2500000000000000e+01 0 -1 1501 - 4.1950000000000000e+02 -2 -3 1502 3.2500000000000000e+01 - - 7.4725711345672607e-01 -2.9326796531677246e-01 - 5.0832718610763550e-01 -3.6488053202629089e-01 - <_> - 5.6534500122070312e+01 - - 1 2 1503 6.5000000000000000e+00 0 -1 1504 - 9.5000000000000000e+00 -2 -3 1505 7.5000000000000000e+00 - - -4.2628404498100281e-01 1.9397723674774170e-01 - 7.4938726425170898e-01 -2.1961294114589691e-01 - <_> - 5.6932621002197266e+01 - - 1 2 1506 2.5000000000000000e+00 0 -1 1507 - 5.7050000000000000e+02 -2 -3 1508 7.7500000000000000e+01 - - 3.9812234044075012e-01 -4.7504433989524841e-01 - -6.2128961086273193e-01 2.6114046573638916e-01 - <_> - 5.6733325958251953e+01 - - 1 2 1509 4.3500000000000000e+01 0 -1 1510 - 1.1500000000000000e+01 -2 -3 1511 5.5000000000000000e+00 - - 8.2605105638504028e-01 -8.1933623552322388e-01 - -7.0437282323837280e-01 2.4815419316291809e-01 - <_> - 5.7121013641357422e+01 - - 1 2 1512 5.0000000000000000e-01 0 -1 1513 - 2.5000000000000000e+00 -2 -3 1514 5.0000000000000000e-01 - - -9.4875234365463257e-01 4.0717402100563049e-01 - 3.7182134389877319e-01 -5.7021689414978027e-01 - <_> - 5.7052574157714844e+01 - - 1 2 1515 3.5000000000000000e+00 0 -1 1516 - 8.2350000000000000e+02 -2 -3 1517 3.5000000000000000e+00 - - -7.7814382314682007e-01 3.1433707475662231e-01 - 1.5364609658718109e-01 -6.9893133640289307e-01 - <_> - 5.7430255889892578e+01 - - 1 2 1518 7.5000000000000000e+00 0 -1 1519 - 2.7150000000000000e+02 -2 -3 1520 5.0000000000000000e-01 - - 3.7767973542213440e-01 -5.5577713251113892e-01 - 5.0659346580505371e-01 -2.3998673260211945e-01 - <_> - 5.7607677459716797e+01 - - 1 2 1521 8.5000000000000000e+00 0 -1 1522 - 3.7500000000000000e+01 -2 -3 1523 3.1500000000000000e+01 - - -9.3116837739944458e-01 1. 1.7742125689983368e-01 - -9.6981590986251831e-01 - <_> - 5.7209033966064453e+01 - - 1 2 1524 1.7500000000000000e+01 0 -1 1525 3333. -2 -3 1526 - 2.9500000000000000e+01 - - 3.5140603780746460e-01 -5.5955231189727783e-01 - 3.5482010245323181e-01 -6.4368051290512085e-01 - <_> - 5.7508213043212891e+01 - - 1 2 1527 1.3295000000000000e+03 0 -1 1528 - 3.5000000000000000e+00 -2 -3 1529 2.9905000000000000e+03 - - 8.6157292127609253e-01 -6.5889972448348999e-01 - 2.9918015003204346e-01 -5.1698189973831177e-01 - <_> - 5.7847724914550781e+01 - - 1 2 1530 5.8500000000000000e+01 0 -1 1531 4269. -2 -3 1532 - 3.5000000000000000e+00 - - -7.0496505498886108e-01 9.6496659517288208e-01 - 3.3951207995414734e-01 -2.9617905616760254e-01 - <_> - 5.8073795318603516e+01 - - 1 2 1533 1.4795000000000000e+03 0 -1 1534 1436. -2 -3 1535 - 3.4500000000000000e+01 - - 5.1324147731065750e-02 -7.3305028676986694e-01 - -9.5588427782058716e-01 8.9802700281143188e-01 - <_> - 5.8258213043212891e+01 - - 1 2 1536 8.5000000000000000e+00 0 -1 1537 - 2.3500000000000000e+01 -2 -3 1538 4.5000000000000000e+00 - - 1.1342080309987068e-02 -7.0464617013931274e-01 - 4.9904069304466248e-01 -2.1743535995483398e-01 - <_> - 5.7891689300537109e+01 - - 1 2 1539 5.0000000000000000e-01 0 -1 1540 - 1.5000000000000000e+00 -2 -3 1541 3.0595000000000000e+03 - - -5.2796399593353271e-01 3.7497097253799438e-01 - -4.9453270435333252e-01 5.0762557983398438e-01 - <_> - 5.8188655853271484e+01 - - 1 2 1542 5.0000000000000000e-01 0 -1 1543 - 1.5000000000000000e+00 -2 -3 1544 3.9500000000000000e+01 - - -8.9199644327163696e-01 2.9696619510650635e-01 - -5.4498016834259033e-01 9.7139292955398560e-01 - <_> - 5.8280239105224609e+01 - - 1 2 1545 3.3500000000000000e+01 0 -1 1546 - 5.0000000000000000e-01 -2 -3 1547 2.3500000000000000e+01 - - 4.4268378615379333e-01 -1.9920051097869873e-01 - 9.4228142499923706e-01 -7.5990098714828491e-01 - <_> - 5.7867527008056641e+01 - - 1 2 1548 7.5000000000000000e+00 0 -1 1549 339. -2 -3 1550 - 2.0555000000000000e+03 - - -8.4151726961135864e-01 3.1999579071998596e-01 - 2.5331634283065796e-01 -9.0427207946777344e-01 - <_> - 5.8132240295410156e+01 - - 1 2 1551 1.5000000000000000e+00 0 -1 1552 - 7.8650000000000000e+02 -2 -3 1553 1.8550000000000000e+02 - - 9.1284018754959106e-01 -7.6456803083419800e-01 - 2.6471161842346191e-01 -5.1480412483215332e-01 - <_> - 5.8396484375000000e+01 - - 1 2 1554 7.2500000000000000e+01 0 -1 1555 - 2.0845000000000000e+03 -2 -3 1556 682. - - 2.6424339413642883e-01 -5.3545671701431274e-01 - 5.8558118343353271e-01 -6.5226233005523682e-01 - <_> - 5.8931407928466797e+01 - - 1 2 1557 4.8500000000000000e+01 0 -1 1558 - 2.0650000000000000e+02 -2 -3 1559 1.5000000000000000e+00 - - -3.9781129360198975e-01 8.4498012065887451e-01 - 5.9064257144927979e-01 -2.2476838529109955e-01 - <_> - 5.9235450744628906e+01 - - 1 2 1560 5.6850000000000000e+02 0 -1 1561 92. -2 -3 1562 - 6.5000000000000000e+00 - - -7.1817409992218018e-01 6.5666520595550537e-01 - -3.9366659522056580e-01 3.7859344482421875e-01 - <_> - 5.8954090118408203e+01 - - 1 2 1563 3.5500000000000000e+01 0 -1 1564 - 4.1500000000000000e+01 -2 -3 1565 1.5000000000000000e+00 - - -3.5591202974319458e-01 2.9819571971893311e-01 - 6.6078835725784302e-01 -7.5122755765914917e-01 - <_> - 5.8992759704589844e+01 - - 1 2 1566 2.5000000000000000e+00 0 -1 1567 - 7.2450000000000000e+02 -2 -3 1568 7.1500000000000000e+01 - - 2.6733225584030151e-01 -8.6994355916976929e-01 - -6.7115420103073120e-01 2.8546950221061707e-01 - <_> - 5.9206840515136719e+01 - - 1 2 1569 125. 0 -1 1570 1.1500000000000000e+01 -2 -3 1571 - 1.7500000000000000e+01 - - -6.3097745180130005e-01 2.1407873928546906e-01 - -8.3158969879150391e-01 4.2057126760482788e-01 - <_> - 5.8675384521484375e+01 - - 1 2 1572 8.2500000000000000e+01 0 -1 1573 - 9.5000000000000000e+00 -2 -3 1574 1.3500000000000000e+01 - - -3.0376458168029785e-01 6.8508493900299072e-01 - -7.6011431217193604e-01 -4.0676746517419815e-02 - <_> - 5.8824657440185547e+01 - - 1 2 1575 5.3500000000000000e+01 0 -1 1576 3877. -2 -3 1577 - 1.9500000000000000e+01 - - -1. 7.3939621448516846e-01 -4.9733954668045044e-01 - 1.4926970005035400e-01 - <_> - 5.8581497192382812e+01 - - 1 2 1578 1.6165000000000000e+03 0 -1 1579 267. -2 -3 1580 - 2.3500000000000000e+01 - - -9.4517678022384644e-01 8.4405893087387085e-01 - -2.4316047132015228e-01 7.9341024160385132e-01 - <_> - 5.8863464355468750e+01 - - 1 2 1581 1.6500000000000000e+01 0 -1 1582 - 5.5000000000000000e+00 -2 -3 1583 4.0500000000000000e+01 - - -3.9863419532775879e-01 2.8196731209754944e-01 - -8.9268469810485840e-01 1. - <_> - 5.9290416717529297e+01 - - 1 2 1584 3.5000000000000000e+00 0 -1 1585 - 5.0000000000000000e-01 -2 -3 1586 3.9500000000000000e+01 - - -7.3463970422744751e-01 4.2695468664169312e-01 - -5.4126203060150146e-01 1.1317404359579086e-01 - <_> - 5.9067043304443359e+01 - - 1 2 1587 5.0000000000000000e-01 0 -1 1588 - 4.0950000000000000e+02 -2 -3 1589 7.2500000000000000e+01 - - -5.0176566839218140e-01 5.1602709293365479e-01 - 3.0980804562568665e-01 -4.6058577299118042e-01 - <_> - 5.9415367126464844e+01 - - 1 2 1590 1.5000000000000000e+00 0 -1 1591 12. -2 -3 1592 - 1.1500000000000000e+01 - - -6.9384574890136719e-01 6.5746247768402100e-01 - 3.4832605719566345e-01 -3.8974580168724060e-01 - <_> - 5.9919109344482422e+01 - - 1 2 1593 1.0845000000000000e+03 0 -1 1594 5947. -2 -3 1595 - 2.5500000000000000e+01 - - 5.0374138355255127e-01 -5.3129601478576660e-01 - -5.8001512289047241e-01 2.0108926296234131e-01 - <_> - 6.0114849090576172e+01 - - 1 2 1596 5.0000000000000000e-01 0 -1 1597 - 3.8650000000000000e+02 -2 -3 1598 8.6750000000000000e+02 - - -8.9583384990692139e-01 5.1855945587158203e-01 - 1.9573992490768433e-01 -9.6577078104019165e-01 - <_> - 5.9724266052246094e+01 - - 1 2 1599 7.0500000000000000e+01 0 -1 1600 - 7.6500000000000000e+01 -2 -3 1601 184. - - -3.9058533310890198e-01 6.3270717859268188e-01 - 7.7843767404556274e-01 -4.2521533370018005e-01 - <_> - 6.0343318939208984e+01 - - 1 2 1602 1.5000000000000000e+00 0 -1 1603 - 2.9250000000000000e+02 -2 -3 1604 1.8500000000000000e+01 - - 6.1905455589294434e-01 -8.7556785345077515e-01 - 9.3074835836887360e-02 -6.4517015218734741e-01 - <_> - 6.0081771850585938e+01 - - 1 2 1605 5.0000000000000000e-01 0 -1 1606 - 6.9450000000000000e+02 -2 -3 1607 4.3500000000000000e+01 - - -2.6154583692550659e-01 4.7799167037010193e-01 - -5.8910161256790161e-01 6.0072517395019531e-01 - <_> - 6.0815013885498047e+01 - - 1 2 1608 2.5000000000000000e+00 0 -1 1609 - 9.5000000000000000e+00 -2 -3 1610 1.5000000000000000e+00 - - -5.3109228610992432e-01 7.3323935270309448e-01 - 2.7432879805564880e-01 -4.7720876336097717e-01 - <_> - 6.1090702056884766e+01 - - 1 2 1611 4.5000000000000000e+00 0 -1 1612 3598. -2 -3 1613 - 2.6500000000000000e+01 - - 3.3982020616531372e-01 -8.5344749689102173e-01 - -7.6124453544616699e-01 2.7569055557250977e-01 - <_> - 6.1016242980957031e+01 - - 1 2 1614 2039. 0 -1 1615 1.3715000000000000e+03 -2 -3 1616 - 6.8500000000000000e+01 - - -7.4461504817008972e-02 7.2212553024291992e-01 - -9.3716764450073242e-01 7.9280626773834229e-01 - <_> - 6.1511177062988281e+01 - - 1 2 1617 1.5500000000000000e+01 0 -1 1618 - 2.7850000000000000e+02 -2 -3 1619 3.6500000000000000e+01 - - 4.9493625760078430e-01 -1.4364461600780487e-01 - -7.4662274122238159e-01 1.7349389195442200e-01 - <_> - 6.1308986663818359e+01 - - 1 2 1620 509. 0 -1 1621 7.8850000000000000e+02 -2 -3 1622 - 1.3385000000000000e+03 - - 1. -8.4440898895263672e-01 -2.0219227671623230e-01 - 3.7608841061592102e-01 - <_> - 6.1725578308105469e+01 - - 1 2 1623 5.0000000000000000e-01 0 -1 1624 - 3.5000000000000000e+00 -2 -3 1625 9.6850000000000000e+02 - - -8.8042527437210083e-01 4.1659390926361084e-01 - -3.2863637804985046e-01 9.1594344377517700e-01 - <_> - 6.1604068756103516e+01 - - 1 2 1626 1.1500000000000000e+01 0 -1 1627 - 1.0950000000000000e+02 -2 -3 1628 5.0000000000000000e-01 - - 3.1871238350868225e-01 -5.2247148752212524e-01 - 4.1599029302597046e-01 -7.9632645845413208e-01 - <_> - 6.1932075500488281e+01 - - 1 2 1629 9.5000000000000000e+00 0 -1 1630 219. -2 -3 1631 - 4.5000000000000000e+00 - - -5.8585010468959808e-02 -7.9883521795272827e-01 - -8.0256676673889160e-01 3.2800525426864624e-01 - <_> - 6.2076450347900391e+01 - - 1 2 1632 1.3850000000000000e+02 0 -1 1633 - 3.5000000000000000e+00 -2 -3 1634 5.6350000000000000e+02 - - -6.1192250251770020e-01 3.7852096557617188e-01 - 4.3628749251365662e-01 -4.0311765670776367e-01 - <_> - 6.2020500183105469e+01 - - 1 2 1635 5.6500000000000000e+01 0 -1 1636 - 9.5000000000000000e+00 -2 -3 1637 1.4245000000000000e+03 - - -5.1858995109796524e-02 -8.9690828323364258e-01 - -2.6840057969093323e-01 4.4323852658271790e-01 - <_> - 6.1941585540771484e+01 - - 1 2 1638 5.0000000000000000e-01 0 -1 1639 9. -2 -3 1640 - 7.5000000000000000e+00 - - 1. -1. 6.7882001399993896e-01 -7.8914739191532135e-02 - <_> - 6.2187667846679688e+01 - - 1 2 1641 1.5000000000000000e+00 0 -1 1642 62. -2 -3 1643 - 2.8500000000000000e+01 - - 2.4608352780342102e-01 -8.4340018033981323e-01 - -6.7122465372085571e-01 3.1627139449119568e-01 - <_> - 6.2444705963134766e+01 - - 1 2 1644 2.5000000000000000e+00 0 -1 1645 - 2.8395000000000000e+03 -2 -3 1646 3.7950000000000000e+02 - - 4.3465691804885864e-01 -8.7070471048355103e-01 - -4.0003356337547302e-01 2.5703859329223633e-01 - <_> - 6.2706104278564453e+01 - - 1 2 1647 1.5000000000000000e+00 0 -1 1648 - 2.6550000000000000e+02 -2 -3 1649 2.1605000000000000e+03 - - 7.4084126949310303e-01 -5.8476543426513672e-01 - 3.2751929759979248e-01 -6.7271316051483154e-01 - <_> - 6.2585681915283203e+01 - - 1 2 1650 5.6500000000000000e+01 0 -1 1651 - 2.7500000000000000e+01 -2 -3 1652 3.4500000000000000e+01 - - -5.1114237308502197e-01 4.1461613774299622e-01 - 5.1251345872879028e-01 -4.7370293736457825e-01 - <_> - 6.2783508300781250e+01 - - 1 2 1653 5.3500000000000000e+01 0 -1 1654 2387. -2 -3 1655 - 1.0785000000000000e+03 - - 1.9782398641109467e-01 -4.3944674730300903e-01 - -8.3261007070541382e-01 6.3095438480377197e-01 - <_> - 6.2716720581054688e+01 - - 1 2 1656 5.5000000000000000e+00 0 -1 1657 - 4.5000000000000000e+00 -2 -3 1658 9.6500000000000000e+01 - - -6.7844653129577637e-01 4.0278115868568420e-01 - 3.6051991581916809e-01 -4.8275879025459290e-01 - <_> - 6.2472888946533203e+01 - - 1 2 1659 3.0500000000000000e+01 0 -1 1660 8368. -2 -3 1661 - 1.3500000000000000e+01 - - -5.5116344243288040e-02 -9.4818419218063354e-01 - 4.0040487051010132e-01 -3.5688531398773193e-01 - <_> - 6.2881244659423828e+01 - - 1 2 1662 1.5000000000000000e+00 0 -1 1663 - 3.5500000000000000e+01 -2 -3 1664 2.3500000000000000e+01 - - 1. -9.0177541971206665e-01 4.0835642814636230e-01 - -1.8136456608772278e-01 - <_> - 6.3022640228271484e+01 - - 1 2 1665 8.5000000000000000e+00 0 -1 1666 - 1.9500000000000000e+01 -2 -3 1667 2.0500000000000000e+01 - - -7.6577585935592651e-01 7.7897077798843384e-01 - -5.0283867120742798e-01 2.9658859968185425e-01 - <_> - 6.3449874877929688e+01 - - 1 2 1668 8.3950000000000000e+02 0 -1 1669 - 1.1335000000000000e+03 -2 -3 1670 2.5000000000000000e+00 - - -6.2557518482208252e-01 4.2723217606544495e-01 - -8.2576507329940796e-01 -1.0434284806251526e-01 - <_> - 6.3252624511718750e+01 - - 1 2 1671 139. 0 -1 1672 5.0000000000000000e-01 -2 -3 1673 - 2.0500000000000000e+01 - - 4.1489660739898682e-01 -1.9724959135055542e-01 - -8.4620368480682373e-01 3.6422318220138550e-01 - <_> - 6.3265483856201172e+01 - - 1 2 1674 6.2150000000000000e+02 0 -1 1675 2672. -2 -3 1676 - 1.5000000000000000e+00 - - 1.2861014343798161e-02 -9.1588306427001953e-01 - -8.4077650308609009e-01 9.4888907670974731e-01 - <_> - 6.3836368560791016e+01 - - 1 2 1677 3.5000000000000000e+00 0 -1 1678 - 2.8950000000000000e+02 -2 -3 1679 7.5000000000000000e+00 - - -5.7555305957794189e-01 2.2934845089912415e-01 - 5.7088255882263184e-01 -1.5547750890254974e-01 - <_> - 6.3863594055175781e+01 - - 1 2 1680 2.5000000000000000e+00 0 -1 1681 - 5.5000000000000000e+00 -2 -3 1682 3.5000000000000000e+00 - - -9.2342543601989746e-01 1. 2.6264595985412598e-01 - -4.0114754438400269e-01 - <_> - 6.3550628662109375e+01 - - 1 2 1683 2.7850000000000000e+02 0 -1 1684 - 4.8250000000000000e+02 -2 -3 1685 3.4155000000000000e+03 - - -6.6107988357543945e-01 5.0213998556137085e-01 - 2.4799732863903046e-01 -9.5342993736267090e-01 - <_> - 6.3861141204833984e+01 - - 1 2 1686 1.2135000000000000e+03 0 -1 1687 - 1.3565000000000000e+03 -2 -3 1688 2.6500000000000000e+01 - - -4.3651562929153442e-01 9.3487417697906494e-01 - -2.5045010447502136e-01 6.4042550325393677e-01 - <_> - 6.3451419830322266e+01 - - 1 2 1689 3.0550000000000000e+02 0 -1 1690 - 2.0865000000000000e+03 -2 -3 1691 1.1500000000000000e+01 - - -5.3299653530120850e-01 6.8890345096588135e-01 - -7.7928084135055542e-01 3.3616758882999420e-02 - <_> - 6.3891139984130859e+01 - - 1 2 1692 1.4500000000000000e+01 0 -1 1693 1392. -2 -3 1694 - 2.1500000000000000e+01 - - -6.9326841831207275e-01 4.3972003459930420e-01 - -5.9055811166763306e-01 1.4402525126934052e-01 - <_> - 6.4478630065917969e+01 - - 1 2 1695 5.0000000000000000e-01 0 -1 1696 - 1.5000000000000000e+00 -2 -3 1697 819. - - -6.1571627855300903e-01 5.8748626708984375e-01 - -4.1089773178100586e-01 5.4873436689376831e-01 - <_> - 6.4206130981445312e+01 - - 1 2 1698 8.6650000000000000e+02 0 -1 1699 - 3.4500000000000000e+01 -2 -3 1700 1.0185000000000000e+03 - - -2.7249464392662048e-01 3.9035290479660034e-01 - 3.8879543542861938e-01 -8.3664953708648682e-01 - <_> - 6.4592948913574219e+01 - - 1 2 1701 9.7500000000000000e+01 0 -1 1702 - 9.5500000000000000e+01 -2 -3 1703 5.3500000000000000e+01 - - -2.3947530984878540e-01 8.5832071304321289e-01 - -3.9922302961349487e-01 3.0327111482620239e-01 - <_> - 6.4378982543945312e+01 - - 1 2 1704 5.0000000000000000e-01 0 -1 1705 - 2.5000000000000000e+00 -2 -3 1706 1.5755000000000000e+03 - - -2.9975247383117676e-01 5.9291505813598633e-01 - 9.0688472986221313e-01 -3.4945115447044373e-01 - <_> - 6.4591911315917969e+01 - - 1 2 1707 4.4050000000000000e+02 0 -1 1708 - 5.0500000000000000e+01 -2 -3 1709 5.5000000000000000e+00 - - 2.1292972564697266e-01 -9.1971194744110107e-01 - 5.7173824310302734e-01 -9.4372731447219849e-01 - <_> - 6.4826133728027344e+01 - - 1 2 1710 1.5000000000000000e+00 0 -1 1711 442. -2 -3 1712 - 5.5250000000000000e+02 - - 2.2733847796916962e-01 -7.3592525720596313e-01 - -5.2650618553161621e-01 2.3422205448150635e-01 - <_> - 6.5069717407226562e+01 - - 1 2 1713 8.5000000000000000e+00 0 -1 1714 - 8.5000000000000000e+00 -2 -3 1715 3.1500000000000000e+01 - - 4.5332247018814087e-01 -8.6987191438674927e-01 - 2.3650217056274414e-01 -5.0223588943481445e-01 - <_> - 6.5310997009277344e+01 - - 1 2 1716 9.5000000000000000e+00 0 -1 1717 - 1.1500000000000000e+01 -2 -3 1718 203. - - -9.7941344976425171e-01 3.6707261204719543e-01 - 3.1545862555503845e-02 -8.0945146083831787e-01 - <_> - 6.5503784179687500e+01 - - 1 2 1719 7.2350000000000000e+02 0 -1 1720 - 6.7950000000000000e+02 -2 -3 1721 4.1850000000000000e+02 - - -7.2629940509796143e-01 1.9278171658515930e-01 - 5.3028446435928345e-01 -9.3524670600891113e-01 - <_> - 6.5250198364257812e+01 - - 1 2 1722 1.2500000000000000e+01 0 -1 1723 - 8.0650000000000000e+02 -2 -3 1724 2.5000000000000000e+00 - - 7.5862687826156616e-01 -4.6297156810760498e-01 - -7.5136619806289673e-01 3.6253631114959717e-01 - <_> - 6.5528388977050781e+01 - - 1 2 1725 9.4500000000000000e+01 0 -1 1726 - 4.8500000000000000e+01 -2 -3 1727 19. - - -6.7188930511474609e-01 6.1620616912841797e-01 - 2.7818998694419861e-01 -8.1198740005493164e-01 - <_> - 6.5322471618652344e+01 - - 1 2 1728 5.0000000000000000e-01 0 -1 1729 - 2.2500000000000000e+01 -2 -3 1730 8.3350000000000000e+02 - - 4.7361961007118225e-01 -9.5221102237701416e-01 - 1.1696549504995346e-01 -5.4392391443252563e-01 - <_> - 6.5620056152343750e+01 - - 1 2 1731 4.9500000000000000e+01 0 -1 1732 946. -2 -3 1733 - 4.8150000000000000e+02 - - 6.7783489823341370e-02 -7.3351651430130005e-01 - -9.0184271335601807e-02 5.8411657810211182e-01 - <_> - 6.5868316650390625e+01 - - 1 2 1734 1.2950000000000000e+02 0 -1 1735 - 2.5000000000000000e+00 -2 -3 1736 4.0650000000000000e+02 - - -5.2412188053131104e-01 2.4825538694858551e-01 - -9.9130809307098389e-01 8.9735072851181030e-01 - <_> - 6.5986862182617188e+01 - - 1 2 1737 4.5000000000000000e+00 0 -1 1738 - 5.0000000000000000e-01 -2 -3 1739 2.0500000000000000e+01 - - -8.2515478134155273e-01 1.1854794621467590e-01 - -6.7809820175170898e-01 2.4897077679634094e-01 - <_> - 6.5959693908691406e+01 - - 1 2 1740 3.8500000000000000e+01 0 -1 1741 - 5.0000000000000000e-01 -2 -3 1742 1.0050000000000000e+02 - - 6.0215097665786743e-01 -2.5286811590194702e-01 - -6.4079183340072632e-01 8.4301076829433441e-02 - <_> - 6.6134086608886719e+01 - - 1 2 1743 8.2500000000000000e+01 0 -1 1744 - 3.5000000000000000e+00 -2 -3 1745 1.9500000000000000e+01 - - -6.8188738822937012e-01 1.7439460754394531e-01 - -9.2948049306869507e-01 1. - <_> - 6.6361648559570312e+01 - - 1 2 1746 814. 0 -1 1747 1.9500000000000000e+01 -2 -3 1748 - 1.0500000000000000e+01 - - -9.7682356834411621e-01 7.5955659151077271e-01 - 2.2756047546863556e-01 -3.8351824879646301e-01 - <_> - 6.6531791687011719e+01 - - 1 2 1749 1308. 0 -1 1750 6.5000000000000000e+00 -2 -3 1751 - 5.0000000000000000e-01 - - 1.7014220356941223e-01 -5.7149434089660645e-01 - 7.9037719964981079e-01 -9.5655971765518188e-01 - <_> - 6.6605209350585938e+01 - - 1 2 1752 3.6500000000000000e+01 0 -1 1753 - 5.0000000000000000e-01 -2 -3 1754 2.5150000000000000e+02 - - 6.6666525602340698e-01 -8.1346422433853149e-01 - 1.6785284876823425e-01 -6.6657412052154541e-01 - <_> - 6.6571502685546875e+01 - - 1 2 1755 1.9500000000000000e+01 0 -1 1756 - 8.0500000000000000e+01 -2 -3 1757 1.5000000000000000e+00 - - -3.3701382577419281e-02 -7.4847251176834106e-01 - -7.7443891763687134e-01 6.1074006557464600e-01 - <_> - 6.6785156250000000e+01 - - 1 2 1758 2.5000000000000000e+00 0 -1 1759 43. -2 -3 1760 - 1.0015000000000000e+03 - - -8.5154837369918823e-01 8.3069330453872681e-01 - 2.1365079283714294e-01 -5.7956165075302124e-01 - <_> - 6.6786399841308594e+01 - - 1 2 1761 1.9050000000000000e+02 0 -1 1762 - 1.0535000000000000e+03 -2 -3 1763 2.4500000000000000e+01 - - 4.5784974098205566e-01 -5.2838063240051270e-01 - 3.2312652468681335e-01 -6.2864887714385986e-01 - <_> - 6.7081779479980469e+01 - - 1 2 1764 1.7500000000000000e+01 0 -1 1765 - 5.5000000000000000e+00 -2 -3 1766 2.1500000000000000e+01 - - -6.3773536682128906e-01 8.6540682241320610e-03 - -7.6469355821609497e-01 5.3673422336578369e-01 - <_> - 6.7328659057617188e+01 - - 1 2 1767 2.7450000000000000e+02 0 -1 1768 - 2.5000000000000000e+00 -2 -3 1769 1.2350000000000000e+02 - - 1.8835125863552094e-01 -8.5055798292160034e-01 - 2.4687612056732178e-01 -7.6298141479492188e-01 - <_> - 6.7479103088378906e+01 - - 1 2 1770 3.2325000000000000e+03 0 -1 1771 - 4.3250000000000000e+02 -2 -3 1772 2.2500000000000000e+01 - - 1.5044631063938141e-01 -5.9252446889877319e-01 - 7.3350501060485840e-01 -3.6927312612533569e-01 - <_> - 6.7486915588378906e+01 - - 1 2 1773 4.3500000000000000e+01 0 -1 1774 - 2.5265000000000000e+03 -2 -3 1775 1.0500000000000000e+01 - - 7.8096417710185051e-03 -8.9472562074661255e-01 - -5.6938666105270386e-01 4.1206309199333191e-01 - <_> - 6.7184608459472656e+01 - - 1 2 1776 1.2500000000000000e+01 0 -1 1777 - 3.5500000000000000e+01 -2 -3 1778 1.7500000000000000e+01 - - -4.4249776005744934e-01 2.9335400462150574e-01 - -6.3165670633316040e-01 7.5325357913970947e-01 - <_> - 6.7494506835937500e+01 - - 1 2 1779 3.7650000000000000e+02 0 -1 1780 - 5.0000000000000000e-01 -2 -3 1781 3.9500000000000000e+01 - - 5.2761709690093994e-01 -7.7626377344131470e-01 - -3.4604665637016296e-01 3.2856348156929016e-01 - <_> - 6.7218788146972656e+01 - - 1 2 1782 5.0000000000000000e-01 0 -1 1783 3854. -2 -3 1784 - 9.9650000000000000e+02 - - -7.3792868852615356e-01 7.5467681884765625e-01 - -2.9438218474388123e-01 5.6371760368347168e-01 - <_> - 6.7561782836914062e+01 - - 1 2 1785 1.6365000000000000e+03 0 -1 1786 - 5.5000000000000000e+00 -2 -3 1787 2.7500000000000000e+01 - - -6.1908555030822754e-01 3.4299522638320923e-01 - -8.5923063755035400e-01 2.6721331477165222e-01 - <_> - 6.7637489318847656e+01 - - 1 2 1788 5.5500000000000000e+01 0 -1 1789 - 2.5000000000000000e+00 -2 -3 1790 5.8500000000000000e+01 - - -9.7663235664367676e-01 7.0542359352111816e-01 - -6.2124180793762207e-01 1.0107668116688728e-02 - <_> - 6.7872940063476562e+01 - - 1 2 1791 1.1435000000000000e+03 0 -1 1792 - 8.4500000000000000e+01 -2 -3 1793 1.5000000000000000e+00 - - 2.3545160889625549e-01 -7.6414716243743896e-01 - 4.4412618875503540e-01 -9.5045959949493408e-01 - <_> - 6.8379867553710938e+01 - - 1 2 1794 5.0000000000000000e-01 0 -1 1795 - 3.5000000000000000e+00 -2 -3 1796 7.5000000000000000e+00 - - 5.0692296028137207e-01 -5.1141291856765747e-01 - -7.6778936386108398e-01 -6.7547991871833801e-02 - <_> - 6.8707763671875000e+01 - - 1 2 1797 1.3500000000000000e+01 0 -1 1798 - 4.5000000000000000e+00 -2 -3 1799 6.5500000000000000e+01 - - -7.2192513942718506e-01 4.4987043738365173e-01 - 3.2790130376815796e-01 -4.7422546148300171e-01 - <_> - 6.8286819458007812e+01 - - 1 2 1800 3.1500000000000000e+01 0 -1 1801 - 1.1415000000000000e+03 -2 -3 1802 1.5500000000000000e+01 - - -4.2094790935516357e-01 2.4803330004215240e-01 -1. 1. - <_> - 6.8052871704101562e+01 - - 1 2 1803 3.8850000000000000e+02 0 -1 1804 - 5.5945000000000000e+03 -2 -3 1805 8.5000000000000000e+00 - - -1. 9.7139048576354980e-01 -3.3056256175041199e-01 - 2.6478901505470276e-01 - <_> - 6.8410385131835938e+01 - - 1 2 1806 5.0000000000000000e-01 0 -1 1807 - 1.5000000000000000e+00 -2 -3 1808 75. - - -5.0366848707199097e-01 4.0760627388954163e-01 - 4.9484097957611084e-01 -6.4907956123352051e-01 - <_> - 6.8928771972656250e+01 - - 1 2 1809 1.2250000000000000e+02 0 -1 1810 - 7.5000000000000000e+00 -2 -3 1811 6.6500000000000000e+01 - - -7.0449191331863403e-01 9.7664463520050049e-01 - -3.6998346447944641e-01 2.0591719448566437e-01 - <_> - 6.9253982543945312e+01 - - 1 2 1812 1.0250000000000000e+02 0 -1 1813 - 3.5000000000000000e+00 -2 -3 1814 3.1250000000000000e+02 - - -8.1731587648391724e-01 3.2521212100982666e-01 - 3.7988114356994629e-01 -6.4639246463775635e-01 - <_> - 6.9205451965332031e+01 - - 1 2 1815 1.2050000000000000e+02 0 -1 1816 - 6.0500000000000000e+01 -2 -3 1817 8.5000000000000000e+00 - - -4.8533525317907333e-02 8.4871995449066162e-01 1. -1. - <_> - 6.9166992187500000e+01 - - 1 2 1818 5.0000000000000000e-01 0 -1 1819 - 4.2550000000000000e+02 -2 -3 1820 1.1500000000000000e+01 - - 4.8487004637718201e-01 -5.4979419708251953e-01 - -4.2108422517776489e-01 4.5939767360687256e-01 - <_> - 6.9126815795898438e+01 - - 1 2 1821 5.8150000000000000e+02 0 -1 1822 - 3.5500000000000000e+01 -2 -3 1823 9.7500000000000000e+01 - - 4.9901461601257324e-01 -8.1184327602386475e-01 - 5.8108931779861450e-01 -6.8361051380634308e-02 - <_> - 6.9228797912597656e+01 - - 1 2 1824 8.5000000000000000e+00 0 -1 1825 - 1.2500000000000000e+01 -2 -3 1826 8.3500000000000000e+01 - - -6.4501130580902100e-01 2.3137541115283966e-01 - 3.7868604063987732e-01 -4.4107386469841003e-01 - <_> - 6.9378318786621094e+01 - - 1 2 1827 5.0000000000000000e-01 0 -1 1828 - 4.9500000000000000e+01 -2 -3 1829 2.2500000000000000e+01 - - 4.1642808914184570e-01 -7.8047537803649902e-01 - -7.4845105409622192e-01 1.1628971993923187e-01 - <_> - 6.9186073303222656e+01 - - 1 2 1830 2.7050000000000000e+02 0 -1 1831 45. -2 -3 1832 - 1.0500000000000000e+01 - - 1. -9.4139373302459717e-01 -1.9224344193935394e-01 - 4.3496173620223999e-01 - <_> - 6.9486175537109375e+01 - - 1 2 1833 1.4050000000000000e+02 0 -1 1834 - 1.5000000000000000e+00 -2 -3 1835 5.5500000000000000e+01 - - -7.3685461282730103e-01 3.0009758472442627e-01 - -6.2791568040847778e-01 2.8461813926696777e-01 - <_> - 6.9622322082519531e+01 - - 1 2 1836 1.0500000000000000e+01 0 -1 1837 - 9.6550000000000000e+02 -2 -3 1838 1.5000000000000000e+00 - - -7.7085101604461670e-01 4.4815340638160706e-01 - 6.2162548303604126e-01 -4.0746492147445679e-01 - <_> - 6.9615928649902344e+01 - - 1 2 1839 1.4500000000000000e+01 0 -1 1840 - 4.0150000000000000e+02 -2 -3 1841 53. - - 6.2382644414901733e-01 -3.1839877367019653e-01 - 5.9402352571487427e-01 -7.7672713994979858e-01 - <_> - 6.9581390380859375e+01 - - 1 2 1842 1.9050000000000000e+02 0 -1 1843 - 1.9350000000000000e+02 -2 -3 1844 6.5000000000000000e+00 - - -6.6475450992584229e-01 3.9425066113471985e-01 - -2.0569822192192078e-01 4.3429613113403320e-01 - <_> - 6.9716117858886719e+01 - - 1 2 1845 1.1500000000000000e+01 0 -1 1846 - 2.5000000000000000e+00 -2 -3 1847 1.5000000000000000e+00 - - -3.3410567045211792e-01 3.6131811141967773e-01 - 3.8923510909080505e-01 -7.3655128479003906e-01 - <_> - 6.9997550964355469e+01 - - 1 2 1848 2.8500000000000000e+01 0 -1 1849 - 1.5000000000000000e+00 -2 -3 1850 2.6500000000000000e+01 - - -4.0613466501235962e-01 2.8143337368965149e-01 - -9.6434587240219116e-01 5.6036943197250366e-01 - <_> - 6.9693450927734375e+01 - - 1 2 1851 2.0350000000000000e+02 0 -1 1852 - 9.9350000000000000e+02 -2 -3 1853 2.2500000000000000e+01 - - 6.5412253141403198e-01 -6.5566647052764893e-01 - -5.3069335222244263e-01 1.0198003053665161e-01 - <_> - 6.9937568664550781e+01 - - 1 2 1854 2.5785000000000000e+03 0 -1 1855 - 2.5000000000000000e+00 -2 -3 1856 5.0000000000000000e-01 - - -5.7543450593948364e-01 2.4412074685096741e-01 1. - -9.1257572174072266e-01 - <_> - 7.0639808654785156e+01 - - 1 2 1857 5.7750000000000000e+02 0 -1 1858 - 4.6500000000000000e+01 -2 -3 1859 1.3150000000000000e+02 - - 7.8946912288665771e-01 -3.5598552227020264e-01 - 6.2578904628753662e-01 -5.0993841886520386e-01 - <_> - 7.0555007934570312e+01 - - 1 2 1860 5.0000000000000000e-01 0 -1 1861 16. -2 -3 1862 - 5.0000000000000000e-01 - - -9.4747436046600342e-01 1. 4.5841571688652039e-01 - -1.7203371226787567e-01 - <_> - 7.0579658508300781e+01 - - 1 2 1863 1.0250000000000000e+02 0 -1 1864 - 1.0500000000000000e+01 -2 -3 1865 1.3550000000000000e+02 - - -7.5043040513992310e-01 -1.3392960652709007e-02 - -5.0063830614089966e-01 4.7692352533340454e-01 - <_> - 7.0888481140136719e+01 - - 1 2 1866 5.0000000000000000e-01 0 -1 1867 - 2.9500000000000000e+01 -2 -3 1868 8.0550000000000000e+02 - - 3.0881932377815247e-01 -8.9407527446746826e-01 - 7.8238004446029663e-01 -5.9828531742095947e-01 - <_> - 7.0740913391113281e+01 - - 1 2 1869 1.2150000000000000e+02 0 -1 1870 - 2.4500000000000000e+01 -2 -3 1871 3.0500000000000000e+01 - - -2.3594596982002258e-01 6.2877231836318970e-01 - -4.9541813135147095e-01 3.6229962110519409e-01 - <_> - 7.1206985473632812e+01 - - 1 2 1872 3.5000000000000000e+00 0 -1 1873 - 1.4275000000000000e+03 -2 -3 1874 2.2500000000000000e+01 - - -9.9479568004608154e-01 3.8346680998802185e-01 - 4.6607276797294617e-01 -1.8312121927738190e-01 - <_> - 7.1451019287109375e+01 - - 1 2 1875 1.8500000000000000e+01 0 -1 1876 65. -2 -3 1877 - 2.5000000000000000e+00 - - -7.7731359004974365e-01 9.2451179027557373e-01 - -5.7414340972900391e-01 2.4403360486030579e-01 - <_> - 7.0688819885253906e+01 - - 1 2 1878 1.5000000000000000e+00 0 -1 1879 - 1.5250000000000000e+02 -2 -3 1880 5.5000000000000000e+00 - - 3.6112758517265320e-01 -5.4053640365600586e-01 - -4.3820820748806000e-02 -7.6219600439071655e-01 - <_> - 7.1147773742675781e+01 - - 1 2 1881 4.1500000000000000e+01 0 -1 1882 - 1.7500000000000000e+01 -2 -3 1883 4.1250000000000000e+02 - - -4.4425949454307556e-01 6.3956463336944580e-01 - -4.9368324875831604e-01 4.5895308256149292e-01 - <_> - 7.1452705383300781e+01 - - 1 2 1884 1.4325000000000000e+03 0 -1 1885 - 1.7500000000000000e+01 -2 -3 1886 23. - - -9.5096543431282043e-02 5.0955659151077271e-01 - -8.3886599540710449e-01 8.5678941011428833e-01 - <_> - 7.1636161804199219e+01 - - 1 2 1887 1.2050000000000000e+02 0 -1 1888 - 8.0050000000000000e+02 -2 -3 1889 1716. - - -6.7043030261993408e-01 1.8345704674720764e-01 - -9.0125375986099243e-01 1. - <_> - 7.1818664550781250e+01 - - 1 2 1890 1.5000000000000000e+00 0 -1 1891 - 5.0000000000000000e-01 -2 -3 1892 808. - - 1.8249766528606415e-01 -5.5717653036117554e-01 -1. - 4.4042342901229858e-01 - <_> - 7.2026985168457031e+01 - - 1 2 1893 3.5000000000000000e+00 0 -1 1894 8. -2 -3 1895 - 2.5000000000000000e+00 - - -9.3179380893707275e-01 1. 2.0832556486129761e-01 - -5.2329808473587036e-01 - <_> - 7.1846588134765625e+01 - - 1 2 1896 1.1950000000000000e+02 0 -1 1897 - 1.9500000000000000e+01 -2 -3 1898 2.8450000000000000e+02 - - -1.8040254712104797e-01 6.0258209705352783e-01 - 5.5354207754135132e-01 -7.1650350093841553e-01 - <_> - 7.1900581359863281e+01 - - 1 2 1899 9.0450000000000000e+02 0 -1 1900 266. -2 -3 1901 - 2.5000000000000000e+00 - - 7.8607088327407837e-01 -7.7522158622741699e-01 - -2.7132809162139893e-01 3.9066424965858459e-01 - <_> - 7.2254920959472656e+01 - - 1 2 1902 1.4500000000000000e+01 0 -1 1903 - 7.5850000000000000e+02 -2 -3 1904 1.3500000000000000e+01 - - -4.3261140584945679e-01 3.5433784127235413e-01 - 2.6537308096885681e-01 -7.9342633485794067e-01 - <_> - 7.2434974670410156e+01 - - 1 2 1905 3.4445000000000000e+03 0 -1 1906 - 2.5000000000000000e+00 -2 -3 1907 5.9500000000000000e+01 - - -6.8569511175155640e-01 1.8006032705307007e-01 - -9.2150622606277466e-01 1. - <_> - 7.2396644592285156e+01 - - 1 2 1908 1.5000000000000000e+00 0 -1 1909 - 2.1500000000000000e+01 -2 -3 1910 1.1500000000000000e+01 - - -3.7500020861625671e-01 4.5450302958488464e-01 - -5.1121622323989868e-01 7.1714913845062256e-01 - <_> - 7.1966697692871094e+01 - - 1 2 1911 3.5500000000000000e+01 0 -1 1912 - 1.6975000000000000e+03 -2 -3 1913 9.5000000000000000e+00 - - 6.2354284524917603e-01 -5.5644631385803223e-01 - -6.0473889112472534e-01 1.6627989709377289e-01 - <_> - 7.2265373229980469e+01 - - 1 2 1914 1.5000000000000000e+00 0 -1 1915 2029. -2 -3 1916 - 165. - - -7.3123896121978760e-01 7.1832627058029175e-01 - 2.9867425560951233e-01 -6.3333243131637573e-01 - <_> - 7.2611221313476562e+01 - - 1 2 1917 7.5000000000000000e+00 0 -1 1918 - 4.9500000000000000e+01 -2 -3 1919 2.3500000000000000e+01 - - -8.9519095420837402e-01 8.1671148538589478e-01 - 4.5284107327461243e-01 -1.4600232243537903e-01 - <_> - 7.3058769226074219e+01 - - 1 2 1920 7.5000000000000000e+00 0 -1 1921 - 6.5000000000000000e+00 -2 -3 1922 4.0500000000000000e+01 - - 8.6240917444229126e-02 -6.9517636299133301e-01 - 4.4754931330680847e-01 -4.5200899243354797e-01 - <_> - 7.3110542297363281e+01 - - 1 2 1923 1.7815000000000000e+03 0 -1 1924 - 1.0005000000000000e+03 -2 -3 1925 3.2945000000000000e+03 - - -8.3461540937423706e-01 9.6288299560546875e-01 - 8.1745308637619019e-01 -5.5225487798452377e-02 - <_> - 7.2996879577636719e+01 - - 1 2 1926 7.5000000000000000e+00 0 -1 1927 - 6.5000000000000000e+00 -2 -3 1928 3.8050000000000000e+02 - - -6.8741214275360107e-01 8.4089756011962891e-01 - -3.3457726240158081e-01 3.7242683768272400e-01 - <_> - 7.3333457946777344e+01 - - 1 2 1929 1.4500000000000000e+01 0 -1 1930 - 2.7500000000000000e+01 -2 -3 1931 2.5500000000000000e+01 - - 3.3657467365264893e-01 -5.5885529518127441e-01 - -7.7352440357208252e-01 7.2826080024242401e-02 - <_> - 7.2824409484863281e+01 - - 1 2 1932 5.5000000000000000e+00 0 -1 1933 - 4.8550000000000000e+02 -2 -3 1934 9.5000000000000000e+00 - - -5.0904840230941772e-01 5.5190944671630859e-01 - -4.8847538232803345e-01 3.6895498633384705e-01 - <_> - 7.3038925170898438e+01 - - 1 2 1935 1.5595000000000000e+03 0 -1 1936 - 2.0500000000000000e+01 -2 -3 1937 2.9500000000000000e+01 - - -3.6917760968208313e-01 3.1854984164237976e-01 - -8.7062478065490723e-01 4.9816086888313293e-01 - <_> - 7.3263801574707031e+01 - - 1 2 1938 1.0015000000000000e+03 0 -1 1939 - 1.5000000000000000e+00 -2 -3 1940 2974. - - -7.0936071872711182e-01 2.2487121820449829e-01 - -8.8643109798431396e-01 7.1286094188690186e-01 - <_> - 7.3553604125976562e+01 - - 1 2 1941 2.5000000000000000e+00 0 -1 1942 - 3.4150000000000000e+02 -2 -3 1943 1173. - - 2.8980860114097595e-01 -6.4726233482360840e-01 - -6.5974622964859009e-01 5.0034427642822266e-01 - <_> - 7.4105926513671875e+01 - - 1 2 1944 1.6585000000000000e+03 0 -1 1945 - 6.7550000000000000e+02 -2 -3 1946 2.2500000000000000e+01 - - -6.1926132440567017e-01 5.5879336595535278e-01 - -6.7974144220352173e-01 1.0105973482131958e-01 - <_> - 7.4186531066894531e+01 - - 1 2 1947 1.1505000000000000e+03 0 -1 1948 - 4.5000000000000000e+00 -2 -3 1949 1.2500000000000000e+01 - - -6.8859964609146118e-01 7.4128083884716034e-02 - -8.4579437971115112e-01 4.9757060408592224e-01 - <_> - 7.4735351562500000e+01 - - 1 2 1950 3.2750000000000000e+02 0 -1 1951 440. -2 -3 1952 - 1255. - - -8.4635180234909058e-01 5.4881960153579712e-01 - -7.5777089595794678e-01 5.4926741868257523e-02 - <_> - 7.4681823730468750e+01 - - 1 2 1953 1.5000000000000000e+00 0 -1 1954 - 5.0500000000000000e+01 -2 -3 1955 5.6500000000000000e+01 - - -7.0232021808624268e-01 8.5282677412033081e-01 - 2.3205398023128510e-01 -8.8023269176483154e-01 - <_> - 7.4392105102539062e+01 - - 1 2 1956 7.5000000000000000e+00 0 -1 1957 - 3.9350000000000000e+02 -2 -3 1958 5.0000000000000000e-01 - - 1.9772809743881226e-01 -7.5726938247680664e-01 - 6.1714029312133789e-01 -8.7271124124526978e-02 - <_> - 7.4673728942871094e+01 - - 1 2 1959 1.5000000000000000e+00 0 -1 1960 - 1.1500000000000000e+01 -2 -3 1961 2.0555000000000000e+03 - - -4.9139803647994995e-01 3.7206640839576721e-01 - 4.2800930142402649e-01 -5.5887550115585327e-01 - <_> - 7.5367835998535156e+01 - - 1 2 1962 1.3650000000000000e+02 0 -1 1963 401. -2 -3 1964 - 7.1500000000000000e+01 - - -9.1597896814346313e-01 6.9410192966461182e-01 - -5.2255064249038696e-01 1.0558886826038361e-01 - <_> - 7.5788253784179688e+01 - - 1 2 1965 8.5000000000000000e+00 0 -1 1966 - 5.0000000000000000e-01 -2 -3 1967 6.0500000000000000e+01 - - -4.4586208462715149e-01 4.2041677236557007e-01 - -7.7125865221023560e-01 1.2018596753478050e-02 - <_> - 7.6069732666015625e+01 - - 1 2 1968 5.6850000000000000e+02 0 -1 1969 - 1.3500000000000000e+01 -2 -3 1970 5.7750000000000000e+02 - - -7.2104036808013916e-01 4.5175212621688843e-01 - 2.8147873282432556e-01 -5.9510231018066406e-01 - <_> - 7.6112258911132812e+01 - - 1 2 1971 5.5000000000000000e+00 0 -1 1972 - 5.5750000000000000e+02 -2 -3 1973 1147. - - -6.9539779424667358e-01 -4.7915484756231308e-02 - 4.5538648962974548e-01 -7.5604480504989624e-01 - <_> - 7.5756111145019531e+01 - - 1 2 1974 5.0000000000000000e-01 0 -1 1975 - 8.5000000000000000e+00 -2 -3 1976 2.5000000000000000e+00 - - -7.6900506019592285e-01 3.4268808364868164e-01 - 1.4950591325759888e-01 -7.2585535049438477e-01 - <_> - 7.6101287841796875e+01 - - 1 2 1977 2.1500000000000000e+01 0 -1 1978 - 3.7500000000000000e+01 -2 -3 1979 3.9500000000000000e+01 - - -3.3152681589126587e-01 3.4517920017242432e-01 - -7.0503693819046021e-01 9.6268767118453979e-01 - <_> - 7.6609313964843750e+01 - - 1 2 1980 1.0500000000000000e+01 0 -1 1981 - 1.2500000000000000e+01 -2 -3 1982 1.4500000000000000e+01 - - -3.1232813000679016e-01 5.2801662683486938e-01 - -6.8980258703231812e-01 4.3460644781589508e-02 - <_> - 7.6257461547851562e+01 - - 1 2 1983 1001. 0 -1 1984 3.5000000000000000e+00 -2 -3 1985 - 8.5000000000000000e+00 - - -1. 5.1140683889389038e-01 -6.1894029378890991e-01 - 9.8859548568725586e-02 - <_> - 7.6508773803710938e+01 - - 1 2 1986 1.3500000000000000e+01 0 -1 1987 - 5.5000000000000000e+00 -2 -3 1988 1.5000000000000000e+00 - - -7.8223472833633423e-01 9.0430533885955811e-01 - -7.6901417970657349e-01 2.5131115317344666e-01 - <_> - 7.6511230468750000e+01 - - 1 2 1989 2.3500000000000000e+01 0 -1 1990 - 7.7500000000000000e+01 -2 -3 1991 5.3500000000000000e+01 - - 2.4585875216871500e-03 -8.1063097715377808e-01 - 9.4792199134826660e-01 -8.4266769886016846e-01 - <_> - 7.7112556457519531e+01 - - 1 2 1992 9.5000000000000000e+00 0 -1 1993 - 1.5000000000000000e+00 -2 -3 1994 1.0500000000000000e+01 - - 7.8646227717399597e-02 -5.8706396818161011e-01 - 7.7305620908737183e-01 -8.0239242315292358e-01 - <_> - 7.6619277954101562e+01 - - 1 2 1995 3.9500000000000000e+01 0 -1 1996 - 1.2350000000000000e+02 -2 -3 1997 1.4750000000000000e+02 - - 3.2390201091766357e-01 -6.6501069068908691e-01 - 3.5864245891571045e-01 -8.1123942136764526e-01 - <_> - 7.7220901489257812e+01 - - 1 2 1998 5.4750000000000000e+02 0 -1 1999 - 5.5350000000000000e+02 -2 -3 2000 7.7450000000000000e+02 - - 6.3919067382812500e-01 -4.2759561538696289e-01 - -4.5995783805847168e-01 3.5977739095687866e-01 - <_> - 7.7378273010253906e+01 - - 1 2 2001 1.9615000000000000e+03 0 -1 2002 - 5.7550000000000000e+02 -2 -3 2003 16. - - -1.8090914189815521e-01 4.4383099675178528e-01 1. -1. - <_> - 7.6999313354492188e+01 - - 1 2 2004 4.5000000000000000e+00 0 -1 2005 - 2.5000000000000000e+00 -2 -3 2006 4.7500000000000000e+01 - - 6.8634140491485596e-01 -8.3962488174438477e-01 - -3.7895882129669189e-01 3.1631174683570862e-01 - <_> - 7.7379386901855469e+01 - - 1 2 2007 2.3500000000000000e+01 0 -1 2008 - 2.5000000000000000e+00 -2 -3 2009 635. - - -5.6043285131454468e-01 3.8007143139839172e-01 - 2.3420706391334534e-02 -8.1111401319503784e-01 - <_> - 7.7814773559570312e+01 - - 1 2 2010 5.0000000000000000e-01 0 -1 2011 - 2.9015000000000000e+03 -2 -3 2012 2.1500000000000000e+01 - - -4.2206180095672607e-01 4.5896497368812561e-01 - -8.3090221881866455e-01 -1.1289356648921967e-01 - <_> - 7.7731140136718750e+01 - - 1 2 2013 3.0050000000000000e+02 0 -1 2014 91. -2 -3 2015 - 1.3750000000000000e+02 - - -8.3637647330760956e-02 4.7793844342231750e-01 - 4.2891168594360352e-01 -9.1970837116241455e-01 - <_> - 7.7703033447265625e+01 - - 1 2 2016 6.5500000000000000e+01 0 -1 2017 - 4.6500000000000000e+01 -2 -3 2018 1.2500000000000000e+01 - - 8.9802670478820801e-01 -7.9725235700607300e-01 - 3.0849361419677734e-01 -3.1823581457138062e-01 - <_> - 7.7592445373535156e+01 - - 1 2 2019 1304. 0 -1 2020 5.0000000000000000e-01 -2 -3 2021 - 1.3550000000000000e+02 - - 1.2925930321216583e-01 -4.4718819856643677e-01 -1. - 9.2844516038894653e-01 - <_> - 7.7784370422363281e+01 - - 1 2 2022 5.2500000000000000e+01 0 -1 2023 669. -2 -3 2024 - 5.8050000000000000e+02 - - 1.9192789494991302e-01 -9.7164040803909302e-01 - -9.6615767478942871e-01 1. - <_> - 7.7990150451660156e+01 - - 1 2 2025 2.5000000000000000e+00 0 -1 2026 - 4.0650000000000000e+02 -2 -3 2027 4.5000000000000000e+00 - - 1.7283387482166290e-01 -9.0685445070266724e-01 - -8.3814066648483276e-01 2.0578315854072571e-01 - <_> - 7.8123832702636719e+01 - - 1 2 2028 5.1965000000000000e+03 0 -1 2029 - 3.5000000000000000e+00 -2 -3 2030 1.2500000000000000e+01 - - -7.2157174348831177e-01 1.3367784023284912e-01 - -9.8569130897521973e-01 1. - <_> - 7.7883827209472656e+01 - - 1 2 2031 5.5000000000000000e+00 0 -1 2032 - 6.5000000000000000e+00 -2 -3 2033 3718. - - -2.4000172317028046e-01 3.8893476128578186e-01 - -9.0298855304718018e-01 -3.4131843596696854e-02 - <_> - 7.8381683349609375e+01 - - 1 2 2034 5.5000000000000000e+00 0 -1 2035 329. -2 -3 2036 - 4.0575000000000000e+03 - - 4.9785295128822327e-01 -1.1255059391260147e-01 - -9.2938506603240967e-01 9.1427725553512573e-01 - <_> - 7.8554908752441406e+01 - - 1 2 2037 4.2500000000000000e+01 0 -1 2038 - 1.0875000000000000e+03 -2 -3 2039 8.3500000000000000e+01 - - 5.7865291833877563e-01 -9.1586309671401978e-01 - 1.7322470247745514e-01 -7.1539419889450073e-01 - <_> - 7.8587066650390625e+01 - - 1 2 2040 77. 0 -1 2041 5.6850000000000000e+02 -2 -3 2042 - 3.7500000000000000e+01 - - -5.7372999191284180e-01 3.2160468399524689e-02 - 9.6851015090942383e-01 -1. - <_> - 7.8467521667480469e+01 - - 1 2 2043 7.5000000000000000e+00 0 -1 2044 - 1.3500000000000000e+01 -2 -3 2045 3.0500000000000000e+01 - - -7.3381966352462769e-01 7.9535079002380371e-01 - -5.9684050083160400e-01 2.6625540852546692e-01 - <_> - 7.8986984252929688e+01 - - 1 2 2046 2.7950000000000000e+02 0 -1 2047 - 5.6050000000000000e+02 -2 -3 2048 3.2500000000000000e+01 - - 5.1946407556533813e-01 -1.8982487916946411e-01 - 7.1982949972152710e-01 -4.8263704776763916e-01 - <_> - 7.8686080932617188e+01 - - 1 2 2049 7.5000000000000000e+00 0 -1 2050 944. -2 -3 2051 - 1.0500000000000000e+01 - - 6.5592408180236816e-01 -5.5339312553405762e-01 - -2.9819217324256897e-01 4.1327166557312012e-01 - <_> - 7.8943367004394531e+01 - - 1 2 2052 1.1500000000000000e+01 0 -1 2053 - 4.0650000000000000e+02 -2 -3 2054 2.5000000000000000e+00 - - -8.3834916353225708e-01 2.5729319453239441e-01 - -7.6927721500396729e-01 3.0943137407302856e-01 - <_> - 7.8510215759277344e+01 - - 1 2 2055 3.3500000000000000e+01 0 -1 2056 - 5.0000000000000000e-01 -2 -3 2057 8.5000000000000000e+00 - - 1.6588112711906433e-01 -4.3315169215202332e-01 - 7.9588627815246582e-01 -4.4464468955993652e-01 - <_> - 7.8833564758300781e+01 - - 1 2 2058 6.5000000000000000e+00 0 -1 2059 - 1.1650000000000000e+02 -2 -3 2060 7.6500000000000000e+01 - - -6.0747748613357544e-01 5.7677578926086426e-01 - 3.2334649562835693e-01 -7.1281516551971436e-01 - <_> - 7.9065544128417969e+01 - - 1 2 2061 114. 0 -1 2062 5.0000000000000000e-01 -2 -3 2063 - 1.1250000000000000e+02 - - 2.3197774589061737e-01 -5.4661935567855835e-01 - 6.7165571451187134e-01 -7.9622262716293335e-01 - <_> - 7.9402275085449219e+01 - - 1 2 2064 2.8050000000000000e+02 0 -1 2065 - 3.9650000000000000e+02 -2 -3 2066 2.9850000000000000e+02 - - -7.8204798698425293e-01 3.3673200011253357e-01 - -6.8767505884170532e-01 2.4135014414787292e-01 - <_> - 7.9591125488281250e+01 - - 1 2 2067 1.5000000000000000e+00 0 -1 2068 - 5.5000000000000000e+00 -2 -3 2069 140. - - -8.4002065658569336e-01 7.2916489839553833e-01 - 1.8884760141372681e-01 -8.0235344171524048e-01 - <_> - 7.9927177429199219e+01 - - 1 2 2070 4.0500000000000000e+01 0 -1 2071 - 8.2850000000000000e+02 -2 -3 2072 1.0500000000000000e+01 - - 3.3605861663818359e-01 -8.6610472202301025e-01 - 2.4379670619964600e-01 -5.3128516674041748e-01 - <_> - 7.9570045471191406e+01 - - 1 2 2073 1182. 0 -1 2074 3.2500000000000000e+01 -2 -3 2075 - 502. - - -3.5713455080986023e-01 2.8106349706649780e-01 - -8.3191645145416260e-01 9.3351656198501587e-01 - <_> - 7.9753128051757812e+01 - - 1 2 2076 2.5000000000000000e+00 0 -1 2077 - 4.7500000000000000e+01 -2 -3 2078 1.2045000000000000e+03 - - 1.8308171629905701e-01 -8.9866495132446289e-01 - 9.4026386737823486e-01 -8.5731178522109985e-01 - <_> - 7.9954711914062500e+01 - - 1 2 2079 9.5000000000000000e+00 0 -1 2080 - 1.0500000000000000e+01 -2 -3 2081 3.4615000000000000e+03 - - 3.0233853030949831e-03 -9.8875284194946289e-01 - 2.0158641040325165e-01 -8.2852333784103394e-01 - <_> - 8.0429855346679688e+01 - - 1 2 2082 4.8050000000000000e+02 0 -1 2083 - 5.2250000000000000e+02 -2 -3 2084 1.2500000000000000e+01 - - 7.6044726371765137e-01 -4.1115388274192810e-01 - -6.2775129079818726e-01 4.9296686053276062e-01 - <_> - 8.0253639221191406e+01 - - 1 2 2085 3.2850000000000000e+02 0 -1 2086 - 2.8500000000000000e+01 -2 -3 2087 2.2500000000000000e+01 - - 6.4995265007019043e-01 -8.1818318367004395e-01 - -4.3594300746917725e-01 2.5837844610214233e-01 - <_> - 8.0712348937988281e+01 - - 1 2 2088 5.5000000000000000e+00 0 -1 2089 - 1.4500000000000000e+01 -2 -3 2090 2.4500000000000000e+01 - - 4.5871067047119141e-01 -1.8673202395439148e-01 - -8.0201834440231323e-01 2.7421653270721436e-01 - <_> - 8.0954566955566406e+01 - - 1 2 2091 1.5000000000000000e+00 0 -1 2092 - 2.5000000000000000e+00 -2 -3 2093 3.5000000000000000e+00 - - 7.1520602703094482e-01 -8.5710084438323975e-01 - -5.3771287202835083e-01 2.4222078919410706e-01 - <_> - 8.0664779663085938e+01 - - 1 2 2094 5.0000000000000000e-01 0 -1 2095 852. -2 -3 2096 - 5.0500000000000000e+01 - - -9.4811320304870605e-01 7.3575115203857422e-01 - -2.8979244828224182e-01 6.3096255064010620e-01 - <_> - 8.0927169799804688e+01 - - 1 2 2097 3407. 0 -1 2098 800. -2 -3 2099 100. - - 2.6239001750946045e-01 -6.4345407485961914e-01 - -9.7739773988723755e-01 1. - <_> - 8.1038581848144531e+01 - - 1 2 2100 2.5000000000000000e+00 0 -1 2101 - 5.5000000000000000e+00 -2 -3 2102 5.0000000000000000e-01 - - 5.0993680953979492e-01 -6.5139651298522949e-01 - 3.4365540742874146e-01 -3.2318025827407837e-01 - <_> - 8.0995506286621094e+01 - - 1 2 2103 1.9500000000000000e+01 0 -1 2104 - 6.3500000000000000e+01 -2 -3 2105 2.7500000000000000e+01 - - -4.3078806251287460e-02 -8.3054763078689575e-01 - 4.1605877876281738e-01 -1. - <_> - 8.1449020385742188e+01 - - 1 2 2106 1.1525000000000000e+03 0 -1 2107 - 2.3500000000000000e+01 -2 -3 2108 5.5000000000000000e+00 - - -3.8596618920564651e-02 -7.3833715915679932e-01 - -8.4264433383941650e-01 4.7351169586181641e-01 - <_> - 8.1674888610839844e+01 - - 1 2 2109 6.5000000000000000e+00 0 -1 2110 - 6.8500000000000000e+01 -2 -3 2111 56. - - 2.2587312757968903e-01 -7.7641236782073975e-01 - -6.7178988456726074e-01 1. - <_> - 8.1059928894042969e+01 - - 1 2 2112 7.5000000000000000e+00 0 -1 2113 - 1.5850000000000000e+02 -2 -3 2114 2.5000000000000000e+00 - - -7.8622096776962280e-01 7.0347315073013306e-01 - 5.0727140903472900e-01 -1.2201854586601257e-01 - <_> - 8.1407531738281250e+01 - - 1 2 2115 1.2500000000000000e+01 0 -1 2116 - 5.5000000000000000e+00 -2 -3 2117 1.3750000000000000e+02 - - -6.2096095085144043e-01 7.2421133518218994e-01 - 3.4760445356369019e-01 -5.3716862201690674e-01 - <_> - 8.1844848632812500e+01 - - 1 2 2118 5.5050000000000000e+02 0 -1 2119 - 3.3500000000000000e+01 -2 -3 2120 9.7950000000000000e+02 - - -7.1007186174392700e-01 6.1295044422149658e-01 - 4.3731164932250977e-01 -1.8890057504177094e-01 - <_> - 8.1697082519531250e+01 - - 1 2 2121 3.7500000000000000e+01 0 -1 2122 - 5.0000000000000000e-01 -2 -3 2123 2.5000000000000000e+00 - - 3.3392754197120667e-01 -8.6948662996292114e-01 - -7.2286629676818848e-01 2.5838151574134827e-01 - <_> - 8.1909507751464844e+01 - - 1 2 2124 4.0500000000000000e+01 0 -1 2125 - 7.5500000000000000e+01 -2 -3 2126 1.0805000000000000e+03 - - -1.9372178614139557e-01 4.5466288924217224e-01 1. - -9.0210074186325073e-01 - <_> - 8.1375953674316406e+01 - - 1 2 2127 5.0000000000000000e-01 0 -1 2128 - 1.5000000000000000e+00 -2 -3 2129 2.1845000000000000e+03 - - -7.8440749645233154e-01 4.0864413976669312e-01 - -5.3355014324188232e-01 3.9062729477882385e-01 - <_> - 8.1887313842773438e+01 - - 1 2 2130 1.2450000000000000e+02 0 -1 2131 - 4.1665000000000000e+03 -2 -3 2132 1.0250000000000000e+02 - - -6.2995404005050659e-01 6.4907240867614746e-01 - 5.1135843992233276e-01 -3.9525008201599121e-01 - <_> - 8.2117805480957031e+01 - - 1 2 2133 5.5000000000000000e+00 0 -1 2134 534. -2 -3 2135 - 2.8500000000000000e+01 - - 8.9746987819671631e-01 -9.2895346879959106e-01 - 2.3048999905586243e-01 -6.7827922105789185e-01 - <_> - 8.1636238098144531e+01 - - 1 2 2136 1.0500000000000000e+01 0 -1 2137 - 6.7500000000000000e+01 -2 -3 2138 4.1500000000000000e+01 - - 4.9451547861099243e-01 -4.8156398534774780e-01 - -3.7169450521469116e-01 5.3676486015319824e-01 - <_> - 8.1995071411132812e+01 - - 1 2 2139 5.0465000000000000e+03 0 -1 2140 - 9.5500000000000000e+01 -2 -3 2141 5.0000000000000000e-01 - - -2.1792615950107574e-01 3.5883331298828125e-01 - 8.3887630701065063e-01 -9.6526902914047241e-01 - <_> - 8.2212608337402344e+01 - - 1 2 2142 1.5500000000000000e+01 0 -1 2143 - 5.5000000000000000e+00 -2 -3 2144 7.5000000000000000e+00 - - -7.6026850938796997e-01 2.1753302216529846e-01 - -7.7944552898406982e-01 2.8800919651985168e-01 - <_> - 8.2952514648437500e+01 - - 1 2 2145 1.0500000000000000e+01 0 -1 2146 - 1.7500000000000000e+01 -2 -3 2147 3.5000000000000000e+00 - - 7.3990541696548462e-01 -3.4350591897964478e-01 - -7.8702974319458008e-01 -3.6859430372714996e-02 - <_> - 8.2764221191406250e+01 - - 1 2 2148 3.8915000000000000e+03 0 -1 2149 - 9.5000000000000000e+00 -2 -3 2150 160. - - -2.7847471833229065e-01 2.9747706651687622e-01 -1. 1. - <_> - 8.3073318481445312e+01 - - 1 2 2151 8.5000000000000000e+00 0 -1 2152 - 7.5000000000000000e+00 -2 -3 2153 3.4500000000000000e+01 - - -3.0019268393516541e-01 4.2716455459594727e-01 - 3.0783307552337646e-01 -7.1251338720321655e-01 - <_> - 8.3382904052734375e+01 - - 1 2 2154 146. 0 -1 2155 6.5000000000000000e+00 -2 -3 2156 - 253. - - -3.7641048431396484e-01 3.0958160758018494e-01 - -9.3819731473922729e-01 1. - <_> - 8.3006187438964844e+01 - - 1 2 2157 3.8500000000000000e+01 0 -1 2158 - 5.4500000000000000e+01 -2 -3 2159 1.9500000000000000e+01 - - -4.9478387832641602e-01 3.9714443683624268e-01 - -1.6719745099544525e-01 6.8846195936203003e-01 - <_> - 8.3494125366210938e+01 - - 1 2 2160 3.9345000000000000e+03 0 -1 2161 1. -2 -3 2162 - 8.0550000000000000e+02 - - 1. -1. 7.6673603057861328e-01 -1.6208630055189133e-02 - <_> - 8.3684944152832031e+01 - - 1 2 2163 4.7150000000000000e+02 0 -1 2164 31. -2 -3 2165 - 8.5000000000000000e+00 - - -7.7217268943786621e-01 4.8103070259094238e-01 - -7.8892275691032410e-02 5.8338689804077148e-01 - <_> - 8.3892440795898438e+01 - - 1 2 2166 308. 0 -1 2167 5.7650000000000000e+02 -2 -3 2168 - 4.1500000000000000e+01 - - 2.0749828219413757e-01 -6.5656942129135132e-01 - -9.0315932035446167e-01 1. - <_> - 8.3916496276855469e+01 - - 1 2 2169 3.0500000000000000e+01 0 -1 2170 - 2.8950000000000000e+02 -2 -3 2171 4773. - - 2.4049011990427971e-02 -5.8593571186065674e-01 - -7.0577090978622437e-01 9.1756677627563477e-01 - <_> - 8.3863990783691406e+01 - - 1 2 2172 444. 0 -1 2173 136. -2 -3 2174 - 1.5000000000000000e+00 - - -7.2386598587036133e-01 7.6625251770019531e-01 - -4.1046851873397827e-01 3.1866103410720825e-01 - <_> - 8.4162803649902344e+01 - - 1 2 2175 4.2450000000000000e+02 0 -1 2176 - 2.5000000000000000e+00 -2 -3 2177 5.4500000000000000e+01 - - -4.9317064881324768e-01 2.9881379008293152e-01 - -6.5457558631896973e-01 6.6832679510116577e-01 - <_> - 8.4366767883300781e+01 - - 1 2 2178 1.7650000000000000e+02 0 -1 2179 - 2.9500000000000000e+01 -2 -3 2180 9.1500000000000000e+01 - - 2.0396536588668823e-01 -5.5911725759506226e-01 1. - -9.1281843185424805e-01 - <_> - 8.4119194030761719e+01 - - 1 2 2181 2.5000000000000000e+00 0 -1 2182 - 1.6500000000000000e+01 -2 -3 2183 1.5000000000000000e+00 - - 3.0720415711402893e-01 -6.1874228715896606e-01 - 4.2462083697319031e-01 -3.2996997237205505e-01 - <_> - 8.4430221557617188e+01 - - 1 2 2184 7.6850000000000000e+02 0 -1 2185 - 1.5000000000000000e+00 -2 -3 2186 1.5500000000000000e+01 - - 2.5913137197494507e-01 -4.6971523761749268e-01 - -4.3263432383537292e-01 5.7092773914337158e-01 - <_> - 8.4639114379882812e+01 - - 1 2 2187 2.8500000000000000e+01 0 -1 2188 - 1.5000000000000000e+00 -2 -3 2189 2.0500000000000000e+01 - - -8.7549871206283569e-01 2.0889294147491455e-01 - -7.7527189254760742e-01 9.5611155033111572e-01 - <_> - 8.4146507263183594e+01 - - 1 2 2190 2.9500000000000000e+01 0 -1 2191 - 1.3500000000000000e+01 -2 -3 2192 1.3500000000000000e+01 - - -4.9260720610618591e-01 1.9271886348724365e-01 - 6.6219002008438110e-01 -8.9827889204025269e-01 - <_> - 8.4403144836425781e+01 - - 1 2 2193 1.9500000000000000e+01 0 -1 2194 - 6.8750000000000000e+02 -2 -3 2195 6.5500000000000000e+01 - - -5.4722160100936890e-01 2.5663515925407410e-01 - -6.7314952611923218e-01 5.6016397476196289e-01 - <_> - 8.4512977600097656e+01 - - 1 2 2196 1.7500000000000000e+01 0 -1 2197 - 8.5000000000000000e+00 -2 -3 2198 4.9500000000000000e+01 - - 5.1628947257995605e-02 -8.8596558570861816e-01 - 2.2394882142543793e-01 -8.4310758113861084e-01 - <_> - 8.4825332641601562e+01 - - 1 2 2199 1.5000000000000000e+00 0 -1 2200 - 8.5000000000000000e+00 -2 -3 2201 4.8500000000000000e+01 - - -9.5332622528076172e-01 3.3586847782135010e-01 - -5.5753439664840698e-01 3.1235861778259277e-01 - <_> - 8.4921630859375000e+01 - - 1 2 2202 3.0035000000000000e+03 0 -1 2203 - 2.5000000000000000e+00 -2 -3 2204 1.3850000000000000e+02 - - -2.7263507246971130e-01 3.0273589491844177e-01 1. - -8.9314818382263184e-01 - <_> - 8.4953636169433594e+01 - - 1 2 2205 1.3650000000000000e+02 0 -1 2206 21. -2 -3 2207 - 1.0450000000000000e+02 - - 9.7071325778961182e-01 -8.3434158563613892e-01 - -1.7443342506885529e-01 4.1703993082046509e-01 - <_> - 8.5531066894531250e+01 - - 1 2 2208 4.0500000000000000e+01 0 -1 2209 - 2.8450000000000000e+02 -2 -3 2210 5.0000000000000000e-01 - - -5.4008752107620239e-01 5.7742959260940552e-01 - 6.5463826060295105e-02 -6.4212870597839355e-01 - <_> - 8.5679679870605469e+01 - - 1 2 2211 6.5000000000000000e+00 0 -1 2212 - 4.2500000000000000e+01 -2 -3 2213 5.5000000000000000e+00 - - -7.2564774751663208e-01 7.0831966400146484e-01 - -6.6582089662551880e-01 2.6227703690528870e-01 - <_> - 8.5235992431640625e+01 - - 1 2 2214 4.5500000000000000e+01 0 -1 2215 - 2.5000000000000000e+00 -2 -3 2216 1.5000000000000000e+00 - - -4.4622960686683655e-01 5.0379693508148193e-01 - 2.8327786922454834e-01 -6.1233770847320557e-01 - <_> - 8.5567344665527344e+01 - - 1 2 2217 5.0000000000000000e-01 0 -1 2218 - 6.0500000000000000e+01 -2 -3 2219 5.0000000000000000e-01 - - 3.3135503530502319e-01 -7.7173143625259399e-01 - 5.3300887346267700e-01 -5.7684963941574097e-01 - <_> - 8.5617721557617188e+01 - - 1 2 2220 1.1500000000000000e+01 0 -1 2221 - 6.7350000000000000e+02 -2 -3 2222 2.1885000000000000e+03 - - 4.9268788099288940e-01 -3.9361280202865601e-01 - 5.4581469297409058e-01 -1. - <_> - 8.5892776489257812e+01 - - 1 2 2223 1.0885000000000000e+03 0 -1 2224 - 1.0950000000000000e+02 -2 -3 2225 1.2500000000000000e+01 - - 8.7355607748031616e-01 -8.9644581079483032e-01 - -3.6866596341133118e-01 2.7505651116371155e-01 - <_> - 8.6008476257324219e+01 - - 1 2 2226 2.5150000000000000e+02 0 -1 2227 - 1.0500000000000000e+01 -2 -3 2228 2.2500000000000000e+01 - - 7.3005491495132446e-01 -8.4803074598312378e-01 - -6.7341393232345581e-01 6.4791239798069000e-02 - <_> - 8.5301307678222656e+01 - - 1 2 2229 9.5000000000000000e+00 0 -1 2230 - 1.0500000000000000e+01 -2 -3 2231 5.5000000000000000e+00 - - -7.0716243982315063e-01 3.0324958264827728e-02 - -3.6973038315773010e-01 5.3505402803421021e-01 - <_> - 8.5578842163085938e+01 - - 1 2 2232 9.9950000000000000e+02 0 -1 2233 - 5.0000000000000000e-01 -2 -3 2234 57. - - -5.4884088039398193e-01 2.7752920985221863e-01 - -7.9685103893280029e-01 5.8429610729217529e-01 - <_> - 8.5900283813476562e+01 - - 1 2 2235 1.4005000000000000e+03 0 -1 2236 - 1.1500000000000000e+01 -2 -3 2237 407. - - -4.8077926039695740e-01 3.2144653797149658e-01 - 8.7326759099960327e-01 -7.6497209072113037e-01 - <_> - 8.6183494567871094e+01 - - 1 2 2238 5.0000000000000000e-01 0 -1 2239 - 1.8500000000000000e+01 -2 -3 2240 2018. - - 5.9915566444396973e-01 -3.6263227462768555e-01 - -4.3329817056655884e-01 7.2292387485504150e-01 - <_> - 8.6417350769042969e+01 - - 1 2 2241 116. 0 -1 2242 7.9500000000000000e+01 -2 -3 2243 - 1.1500000000000000e+01 - - 2.3385088145732880e-01 -7.2572106122970581e-01 - -8.2059645652770996e-01 1. - <_> - 8.6353157043457031e+01 - - 1 2 2244 5.4750000000000000e+02 0 -1 2245 - 4.1650000000000000e+02 -2 -3 2246 7.4835000000000000e+03 - - -3.8013687729835510e-01 7.1552526950836182e-01 - -6.0602325201034546e-01 1.3700281083583832e-01 - <_> - 8.6689994812011719e+01 - - 1 2 2247 2.5000000000000000e+00 0 -1 2248 - 4.9500000000000000e+01 -2 -3 2249 3.1500000000000000e+01 - - -8.8249641656875610e-01 6.3650465011596680e-01 - -2.8715553879737854e-01 3.3683738112449646e-01 - <_> - 8.6457923889160156e+01 - - 1 2 2250 2.0500000000000000e+01 0 -1 2251 - 5.0000000000000000e-01 -2 -3 2252 1.5550000000000000e+02 - - 7.5483375787734985e-01 -5.7755672931671143e-01 - 3.1271988153457642e-01 -9.3355900049209595e-01 - <_> - 8.6848548889160156e+01 - - 1 2 2253 5.0000000000000000e-01 0 -1 2254 - 8.5000000000000000e+00 -2 -3 2255 1.4500000000000000e+01 - - -8.8290500640869141e-01 3.9062538743019104e-01 - 3.0572377145290375e-02 -6.9165939092636108e-01 - <_> - 8.7283264160156250e+01 - - 1 2 2256 5.6500000000000000e+01 0 -1 2257 - 2.5850000000000000e+02 -2 -3 2258 5.6500000000000000e+01 - - 7.9447448253631592e-01 -2.4108846485614777e-01 - -9.5247858762741089e-01 7.4498760700225830e-01 - <_> - 8.7402679443359375e+01 - - 1 2 2259 1.9050000000000000e+02 0 -1 2260 - 8.5000000000000000e+00 -2 -3 2261 1.6050000000000000e+02 - - 7.9782551527023315e-01 -4.8126858472824097e-01 - 3.2817113399505615e-01 -9.2351150512695312e-01 - <_> - 8.7450622558593750e+01 - - 1 2 2262 2.5000000000000000e+00 0 -1 2263 - 1.0750000000000000e+02 -2 -3 2264 1.2500000000000000e+01 - - -9.5446103811264038e-01 3.0746808648109436e-01 - 2.6287922263145447e-01 -5.2057027816772461e-01 - <_> - 8.7063316345214844e+01 - - 1 2 2265 1.6500000000000000e+01 0 -1 2266 - 6.4500000000000000e+01 -2 -3 2267 1.2895000000000000e+03 - - 9.6434988081455231e-02 -8.1099587678909302e-01 - 3.5276085138320923e-01 -6.3035190105438232e-01 - <_> - 8.7586761474609375e+01 - - 1 2 2268 5.5000000000000000e+00 0 -1 2269 - 3.5000000000000000e+00 -2 -3 2270 5.0000000000000000e-01 - - -8.5307574272155762e-01 -5.4498150944709778e-02 - 5.2659434080123901e-01 -2.1662306785583496e-01 - <_> - 8.7653213500976562e+01 - - 1 2 2271 2.5000000000000000e+00 0 -1 2272 - 1.5000000000000000e+00 -2 -3 2273 239. - - 4.1265711188316345e-01 -2.8464233875274658e-01 - 6.7191797494888306e-01 -6.5316730737686157e-01 - <_> - 8.7628303527832031e+01 - - 1 2 2274 1.5000000000000000e+00 0 -1 2275 - 3.5000000000000000e+00 -2 -3 2276 5.0000000000000000e-01 - - -7.2243005037307739e-01 8.7789368629455566e-01 - 7.9855352640151978e-01 -2.4909071624279022e-02 - <_> - 8.7940948486328125e+01 - - 1 2 2277 8.5000000000000000e+00 0 -1 2278 - 4.4500000000000000e+01 -2 -3 2279 3.5000000000000000e+00 - - 8.1174898147583008e-01 -6.3333249092102051e-01 - -7.8106856346130371e-01 3.1264203786849976e-01 - <_> - 8.8444465637207031e+01 - - 1 2 2280 3.1500000000000000e+01 0 -1 2281 - 3.5000000000000000e+00 -2 -3 2282 5.8500000000000000e+01 - - -8.7983781099319458e-01 6.6502499580383301e-01 - 5.9884071350097656e-01 -3.4494200348854065e-01 - <_> - 8.8562141418457031e+01 - - 1 2 2283 8.8500000000000000e+01 0 -1 2284 - 3.0850000000000000e+02 -2 -3 2285 1.8685000000000000e+03 - - 1.1767382174730301e-01 -7.1909028291702271e-01 - -8.0886626243591309e-01 3.6782959103584290e-01 - <_> - 8.8689140319824219e+01 - - 1 2 2286 2.5000000000000000e+00 0 -1 2287 - 1.5000000000000000e+00 -2 -3 2288 2.9500000000000000e+01 - - -6.8951946496963501e-01 3.7994578480720520e-01 - -4.4435909390449524e-01 7.3357677459716797e-01 - <_> - 8.8993270874023438e+01 - - 1 2 2289 8.5450000000000000e+02 0 -1 2290 - 9.3500000000000000e+01 -2 -3 2291 1.0850000000000000e+02 - - 3.0412796139717102e-01 -5.4215848445892334e-01 - -7.8242719173431396e-01 5.9332287311553955e-01 - <_> - 8.8982391357421875e+01 - - 1 2 2292 1.9350000000000000e+02 0 -1 2293 - 5.0500000000000000e+01 -2 -3 2294 3.3500000000000000e+01 - - -1.0881225578486919e-02 -7.1214753389358521e-01 - -5.7588249444961548e-01 7.9207491874694824e-01 - <_> - 8.8675567626953125e+01 - - 1 2 2295 1.2500000000000000e+01 0 -1 2296 - 2.5000000000000000e+00 -2 -3 2297 1.5000000000000000e+00 - - -8.9892637729644775e-01 1. 3.4347891807556152e-01 - -3.1791657209396362e-01 - <_> - 8.8704269409179688e+01 - - 1 2 2298 1.1500000000000000e+01 0 -1 2299 - 4.7500000000000000e+01 -2 -3 2300 1.1500000000000000e+01 - - -2.4499019980430603e-01 5.0305950641632080e-01 - -7.4506103992462158e-01 1.1293403059244156e-01 - <_> - 8.8582321166992188e+01 - - 1 2 2301 5.0000000000000000e-01 0 -1 2302 - 1.2500000000000000e+01 -2 -3 2303 5.0000000000000000e-01 - - -3.6801630258560181e-01 4.8782908916473389e-01 - 7.5426805019378662e-01 -4.7202652692794800e-01 - <_> - 8.8955085754394531e+01 - - 1 2 2304 5.0000000000000000e-01 0 -1 2305 - 7.9500000000000000e+01 -2 -3 2306 1.0755000000000000e+03 - - 3.7275862693786621e-01 -4.8154482245445251e-01 - 6.9586211442947388e-01 -5.6343889236450195e-01 - <_> - 8.8874618530273438e+01 - - 1 2 2307 8.5500000000000000e+01 0 -1 2308 - 5.3650000000000000e+02 -2 -3 2309 694. - - 6.7843574285507202e-01 -4.6394348144531250e-01 - 6.8638551235198975e-01 -8.8641919195652008e-02 - <_> - 8.9109901428222656e+01 - - 1 2 2310 2.8500000000000000e+01 0 -1 2311 - 2.5000000000000000e+00 -2 -3 2312 6.1150000000000000e+02 - - -8.3614200353622437e-01 2.3528522253036499e-01 - -9.5000904798507690e-01 1. - <_> - 8.8907135009765625e+01 - - 1 2 2313 1.1525000000000000e+03 0 -1 2314 - 7.6850000000000000e+02 -2 -3 2315 3.7500000000000000e+01 - - -2.0276506245136261e-01 4.0722262859344482e-01 - -8.5420507192611694e-01 8.8535934686660767e-01 - <_> - 8.9519294738769531e+01 - - 1 2 2316 5.5000000000000000e+00 0 -1 2317 - 8.3650000000000000e+02 -2 -3 2318 2.5000000000000000e+00 - - 6.1215674877166748e-01 -2.8454613685607910e-01 - -6.7182534933090210e-01 1.3038201630115509e-01 - <_> - 8.9072807312011719e+01 - - 1 2 2319 5.0000000000000000e-01 0 -1 2320 - 1.2500000000000000e+01 -2 -3 2321 5.3500000000000000e+01 - - -3.0968821048736572e-01 6.4217364788055420e-01 - -4.4648653268814087e-01 3.5627630352973938e-01 - <_> - 8.9592712402343750e+01 - - 1 2 2322 2.5000000000000000e+00 0 -1 2323 - 2.6500000000000000e+01 -2 -3 2324 4.5000000000000000e+00 - - -4.7493380308151245e-01 8.2513862848281860e-01 - -2.1184358000755310e-01 5.1990169286727905e-01 - <_> - 8.9800750732421875e+01 - - 1 2 2325 2.6850000000000000e+02 0 -1 2326 - 1.4250000000000000e+02 -2 -3 2327 2.8950000000000000e+02 - - 1. -9.8386675119400024e-01 2.0803783833980560e-01 - -7.4743682146072388e-01 - <_> - 8.9978019714355469e+01 - - 1 2 2328 9.6500000000000000e+01 0 -1 2329 - 5.0000000000000000e-01 -2 -3 2330 1.0500000000000000e+01 - - 3.9577171206474304e-01 -1.8832282721996307e-01 1. - -9.4037795066833496e-01 - <_> - 9.0186340332031250e+01 - - 1 2 2331 9.5000000000000000e+00 0 -1 2332 - 3.9500000000000000e+01 -2 -3 2333 4.1150000000000000e+02 - - 5.1927842199802399e-02 -5.1345849037170410e-01 - -6.9976913928985596e-01 7.2176700830459595e-01 - <_> - 9.0408126831054688e+01 - - 1 2 2334 1.4500000000000000e+01 0 -1 2335 - 5.6950000000000000e+02 -2 -3 2336 2.5000000000000000e+00 - - 5.3421056270599365e-01 -8.4200710058212280e-01 - -7.9201179742813110e-01 2.2178900241851807e-01 - <_> - 9.0207931518554688e+01 - - 1 2 2337 7.5000000000000000e+00 0 -1 2338 - 3.0150000000000000e+02 -2 -3 2339 8.1500000000000000e+01 - - 2.6031082868576050e-01 -5.6561201810836792e-01 - -6.8547034263610840e-01 6.9407206773757935e-01 - <_> - 9.0302421569824219e+01 - - 1 2 2340 3.1555000000000000e+03 0 -1 2341 - 2.5500000000000000e+01 -2 -3 2342 2.0500000000000000e+01 - - -4.6551218628883362e-01 6.1541539430618286e-01 - -5.8543795347213745e-01 4.2197912931442261e-01 - <_> - 9.0720130920410156e+01 - - 1 2 2343 2.2250000000000000e+02 0 -1 2344 - 2.6765000000000000e+03 -2 -3 2345 6.5000000000000000e+00 - - -1. 4.2247042059898376e-01 -5.9496659040451050e-01 - 7.3635950684547424e-02 - <_> - 9.0678649902343750e+01 - - 1 2 2346 2.4985000000000000e+03 0 -1 2347 - 5.5050000000000000e+02 -2 -3 2348 1.7500000000000000e+01 - - -2.6645794510841370e-01 5.7650017738342285e-01 - -6.3965815305709839e-01 1.3717547059059143e-01 - <_> - 9.1026916503906250e+01 - - 1 2 2349 8.5000000000000000e+00 0 -1 2350 - 9.5000000000000000e+00 -2 -3 2351 399. - - 3.4826722741127014e-01 -2.6130944490432739e-01 - -8.7031137943267822e-01 5.0992918014526367e-01 - <_> - 9.0745491027832031e+01 - - 1 2 2352 2.0500000000000000e+01 0 -1 2353 - 2.8415000000000000e+03 -2 -3 2354 1.3195000000000000e+03 - - 3.8361868262290955e-01 -6.5678369998931885e-01 - -7.2137272357940674e-01 2.9168155789375305e-01 - <_> - 9.0282897949218750e+01 - - 1 2 2355 5.0000000000000000e-01 0 -1 2356 - 1.8500000000000000e+01 -2 -3 2357 5.5000000000000000e+00 - - -5.5979007482528687e-01 4.2797699570655823e-01 - -7.2097688913345337e-01 -2.2096272557973862e-02 - <_> - 9.0329040527343750e+01 - - 1 2 2358 5.0000000000000000e-01 0 -1 2359 - 5.0000000000000000e-01 -2 -3 2360 1.3850000000000000e+02 - - -8.6151492595672607e-01 6.3388091325759888e-01 - 4.6142544597387314e-02 -7.7132421731948853e-01 - <_> - 9.0726905822753906e+01 - - 1 2 2361 5.0000000000000000e-01 0 -1 2362 - 1.3605000000000000e+03 -2 -3 2363 4.4500000000000000e+01 - - -4.9816811084747314e-01 3.9786130189895630e-01 - -4.7495251893997192e-01 4.1306164860725403e-01 - <_> - 9.0184005737304688e+01 - - 1 2 2364 1.1225000000000000e+03 0 -1 2365 - 1.6455000000000000e+03 -2 -3 2366 6.5000000000000000e+00 - - -5.4290074110031128e-01 3.3631756901741028e-01 - -6.0382646322250366e-01 2.5190624594688416e-01 - <_> - 9.1035018920898438e+01 - - 1 2 2367 1.2185000000000000e+03 0 -1 2368 - 1.4635000000000000e+03 -2 -3 2369 7.5000000000000000e+00 - - -9.1523426771163940e-01 8.5101437568664551e-01 - -5.3849363327026367e-01 7.0430345833301544e-02 - <_> - 9.1617080688476562e+01 - - 1 2 2370 5.7450000000000000e+02 0 -1 2371 - 7.5000000000000000e+00 -2 -3 2372 1.2500000000000000e+01 - - -5.5275338888168335e-01 5.8206313848495483e-01 - 7.8669518232345581e-02 -6.4758539199829102e-01 - <_> - 9.1865600585937500e+01 - - 1 2 2373 1.5000000000000000e+00 0 -1 2374 31. -2 -3 2375 - 2.5000000000000000e+00 - - 7.1970331668853760e-01 -6.8706613779067993e-01 - -8.0606603622436523e-01 2.4852037429809570e-01 - <_> - 9.1933456420898438e+01 - - 1 2 2376 1.6500000000000000e+01 0 -1 2377 - 2.5350000000000000e+02 -2 -3 2378 2.7500000000000000e+01 - - 6.7855246365070343e-02 -7.4723839759826660e-01 - 3.3876419067382812e-01 -6.6246157884597778e-01 - <_> - 9.2073440551757812e+01 - - 1 2 2379 1.6150000000000000e+02 0 -1 2380 - 3.4905000000000000e+03 -2 -3 2381 29. - - 1.3998487591743469e-01 -9.7840291261672974e-01 - -9.9056637287139893e-01 1. - <_> - 9.2266113281250000e+01 - - 1 2 2382 1.5000000000000000e+00 0 -1 2383 - 3.0500000000000000e+01 -2 -3 2384 1.6500000000000000e+01 - - 4.2297352105379105e-02 -7.5529569387435913e-01 - 3.4410062432289124e-01 -7.4833053350448608e-01 - <_> - 9.2566078186035156e+01 - - 1 2 2385 2352. 0 -1 2386 7.5000000000000000e+00 -2 -3 2387 - 3.6150000000000000e+02 - - -7.9286593198776245e-01 2.6059108972549438e-01 - 7.3781818151473999e-01 -8.2013517618179321e-02 - <_> - 9.2297134399414062e+01 - - 1 2 2388 5.5000000000000000e+00 0 -1 2389 - 1.2500000000000000e+01 -2 -3 2390 4.4500000000000000e+01 - - -7.0269703865051270e-01 4.9800133705139160e-01 - 3.9258196949958801e-01 -2.6894846558570862e-01 - <_> - 9.2234367370605469e+01 - - 1 2 2391 8.8500000000000000e+01 0 -1 2392 - 5.1500000000000000e+01 -2 -3 2393 4.1500000000000000e+01 - - -6.2763020396232605e-02 6.3001161813735962e-01 - -8.5735118389129639e-01 6.4268112182617188e-01 - <_> - 9.2365852355957031e+01 - - 1 2 2394 1.0015000000000000e+03 0 -1 2395 - 7.6050000000000000e+02 -2 -3 2396 5.5000000000000000e+00 - - -3.7476244568824768e-01 2.9709032177925110e-01 - 5.4132920503616333e-01 -8.3887267112731934e-01 - <_> - 9.2131614685058594e+01 - - 1 2 2397 1.5000000000000000e+00 0 -1 2398 - 8.3500000000000000e+01 -2 -3 2399 5.5000000000000000e+00 - - -6.0538351535797119e-01 5.1848065853118896e-01 - -8.3529579639434814e-01 3.1571540236473083e-01 - <_> - 9.2501167297363281e+01 - - 1 2 2400 4.1500000000000000e+01 0 -1 2401 - 5.5000000000000000e+00 -2 -3 2402 5.5000000000000000e+00 - - -8.4844219684600830e-01 3.7978658080101013e-01 - -7.1654027700424194e-01 4.2168378829956055e-02 - <_> - 9.2843521118164062e+01 - - 1 2 2403 2.5000000000000000e+00 0 -1 2404 - 6.4500000000000000e+01 -2 -3 2405 5.4350000000000000e+02 - - 3.3212310075759888e-01 -8.3203417062759399e-01 - 4.9931150674819946e-01 -6.3223975896835327e-01 - <_> - 9.2861694335937500e+01 - - 1 2 2406 8.0500000000000000e+01 0 -1 2407 108. -2 -3 2408 - 1.6755000000000000e+03 - - 1.3975634239614010e-02 -7.8626310825347900e-01 - 5.7174843549728394e-01 -1.2674526870250702e-01 - <_> - 9.2968948364257812e+01 - - 1 2 2409 9.1500000000000000e+01 0 -1 2410 1289. -2 -3 2411 - 3.9500000000000000e+01 - - 1.2590126693248749e-01 -6.0328000783920288e-01 - -4.6332037448883057e-01 6.0493034124374390e-01 - <_> - 9.2898025512695312e+01 - - 1 2 2412 1.1450000000000000e+02 0 -1 2413 - 1.2050000000000000e+02 -2 -3 2414 1.4500000000000000e+01 - - -2.3465740680694580e-01 3.8865172863006592e-01 - -8.5783010721206665e-01 6.1523634195327759e-01 - <_> - 9.3257911682128906e+01 - - 1 2 2415 5.0000000000000000e-01 0 -1 2416 4262. -2 -3 2417 - 4.2050000000000000e+02 - - -9.0746092796325684e-01 6.8183261156082153e-01 - 3.5988852381706238e-01 -2.8322571516036987e-01 - <_> - 9.3038124084472656e+01 - - 1 2 2418 172. 0 -1 2419 5.5000000000000000e+00 -2 -3 2420 - 20. - - -2.1979008615016937e-01 3.5657486319541931e-01 -1. 1. - <_> - 9.3356796264648438e+01 - - 1 2 2421 1.3350000000000000e+02 0 -1 2422 - 1.4055000000000000e+03 -2 -3 2423 5.8950000000000000e+02 - - -9.2216557264328003e-01 3.1866943836212158e-01 - -5.3239977359771729e-01 5.1732164621353149e-01 - <_> - 9.3672409057617188e+01 - - 1 2 2424 5.0000000000000000e-01 0 -1 2425 - 5.0000000000000000e-01 -2 -3 2426 5.0000000000000000e-01 - - -8.1506562232971191e-01 3.1561306118965149e-01 - 5.0408166646957397e-01 -6.1532169580459595e-01 - <_> - 9.3130691528320312e+01 - - 1 2 2427 3.5500000000000000e+01 0 -1 2428 - 3.4305000000000000e+03 -2 -3 2429 505. - - -5.4171895980834961e-01 9.3477241694927216e-02 - 7.5641244649887085e-01 -8.8457739353179932e-01 - <_> - 9.3192596435546875e+01 - - 1 2 2430 6.4150000000000000e+02 0 -1 2431 2249. -2 -3 2432 - 662. - - 6.1905395239591599e-02 -7.2703468799591064e-01 - -9.1928023099899292e-01 9.8033905029296875e-01 - <_> - 9.3644752502441406e+01 - - 1 2 2433 1.5500000000000000e+01 0 -1 2434 - 1.7500000000000000e+01 -2 -3 2435 6.5000000000000000e+00 - - 4.3795633316040039e-01 -4.9344247579574585e-01 - 4.5216166973114014e-01 -3.1545853614807129e-01 - <_> - 9.3540618896484375e+01 - - 1 2 2436 5.0000000000000000e-01 0 -1 2437 - 1.3500000000000000e+01 -2 -3 2438 4.5500000000000000e+01 - - -1.0413412004709244e-01 6.4089792966842651e-01 - -3.8926449418067932e-01 8.7481313943862915e-01 - <_> - 9.3962448120117188e+01 - - 1 2 2439 242. 0 -1 2440 1.1500000000000000e+01 -2 -3 2441 - 2.9500000000000000e+01 - - -1.6308744251728058e-01 4.2182672023773193e-01 - -9.0694606304168701e-01 1. - <_> - 9.4556045532226562e+01 - - 1 2 2442 3.2500000000000000e+01 0 -1 2443 - 2.5000000000000000e+00 -2 -3 2444 1.4500000000000000e+01 - - -6.9347047805786133e-01 6.4435130357742310e-01 - -5.9788930416107178e-01 7.7255569398403168e-02 - <_> - 9.4721496582031250e+01 - - 1 2 2445 1.5500000000000000e+01 0 -1 2446 - 9.5000000000000000e+00 -2 -3 2447 2.9500000000000000e+01 - - -4.3441089987754822e-01 1.6544458270072937e-01 - -6.3126134872436523e-01 7.8642731904983521e-01 - <_> - 9.4984420776367188e+01 - - 1 2 2448 3.8645000000000000e+03 0 -1 2449 - 1.7925000000000000e+03 -2 -3 2450 60. - - -4.4316318631172180e-01 3.3754405379295349e-01 - -7.9294669628143311e-01 8.5425835847854614e-01 - <_> - 9.4582656860351562e+01 - - 1 2 2451 2.5000000000000000e+00 0 -1 2452 165. -2 -3 2453 - 5.2500000000000000e+01 - - 2.6933476328849792e-01 -6.8854063749313354e-01 - -8.7762522697448730e-01 1.4154928922653198e-01 - <_> - 9.4399383544921875e+01 - - 1 2 2454 68. 0 -1 2455 7.6850000000000000e+02 -2 -3 2456 - 4.3500000000000000e+01 - - -1.8327303230762482e-01 4.6131238341331482e-01 - -9.6990627050399780e-01 8.6611026525497437e-01 - <_> - 9.5118980407714844e+01 - - 1 2 2457 1.2225000000000000e+03 0 -1 2458 - 8.0050000000000000e+02 -2 -3 2459 8.2850000000000000e+02 - - -5.3803724050521851e-01 7.1959483623504639e-01 - -8.1214201450347900e-01 -5.1834270358085632e-02 - <_> - 9.4748359680175781e+01 - - 1 2 2460 2.4500000000000000e+01 0 -1 2461 - 5.0500000000000000e+01 -2 -3 2462 5.5000000000000000e+00 - - 7.3085886240005493e-01 -6.9121128320693970e-01 - 3.2903286814689636e-01 -3.7062501907348633e-01 - <_> - 9.4972839355468750e+01 - - 1 2 2463 5.5000000000000000e+00 0 -1 2464 - 2.8450000000000000e+02 -2 -3 2465 3.8915000000000000e+03 - - 4.3351098895072937e-01 -7.3641782999038696e-01 - 2.2448168694972992e-01 -7.1434223651885986e-01 - <_> - 9.5275985717773438e+01 - - 1 2 2466 1.0500000000000000e+01 0 -1 2467 - 5.0000000000000000e-01 -2 -3 2468 4.7250000000000000e+02 - - 9.6811644732952118e-02 -7.6387089490890503e-01 - -3.6428251862525940e-01 3.0314624309539795e-01 - <_> - 9.4958412170410156e+01 - - 1 2 2469 4.8050000000000000e+02 0 -1 2470 68. -2 -3 2471 - 8.5000000000000000e+00 - - -3.1757611036300659e-01 8.6130934953689575e-01 - 4.5709180831909180e-01 -6.0632956027984619e-01 - <_> - 9.5323020935058594e+01 - - 1 2 2472 2.8050000000000000e+02 0 -1 2473 - 8.5000000000000000e+00 -2 -3 2474 3.1500000000000000e+01 - - -5.9738260507583618e-01 3.6461219191551208e-01 - -4.8098289966583252e-01 4.0610322356224060e-01 - <_> - 9.5531364440917969e+01 - - 1 2 2475 9.6500000000000000e+01 0 -1 2476 - 2.5000000000000000e+00 -2 -3 2477 6.5000000000000000e+00 - - -6.9760245084762573e-01 2.0834487676620483e-01 - -9.1544830799102783e-01 1. - <_> - 9.5781745910644531e+01 - - 1 2 2478 8.8500000000000000e+01 0 -1 2479 - 1.2500000000000000e+01 -2 -3 2480 4.6500000000000000e+01 - - -4.0220642089843750e-01 2.5037932395935059e-01 - -7.7450615167617798e-01 1. - <_> - 9.5803649902343750e+01 - - 1 2 2481 5.0000000000000000e-01 0 -1 2482 - 4.3250000000000000e+02 -2 -3 2483 1.4500000000000000e+01 - - 4.0768721699714661e-01 -7.2477263212203979e-01 - 4.5463231205940247e-01 -4.9192586541175842e-01 - <_> - 9.5542800903320312e+01 - - 1 2 2484 8.5000000000000000e+00 0 -1 2485 - 4.5000000000000000e+00 -2 -3 2486 2.7450000000000000e+02 - - -7.1822851896286011e-01 2.5916630029678345e-01 - -5.6648039817810059e-01 3.5922342538833618e-01 - <_> - 9.5895820617675781e+01 - - 1 2 2487 5.2500000000000000e+01 0 -1 2488 - 5.0000000000000000e-01 -2 -3 2489 7.5000000000000000e+00 - - 3.5301324725151062e-01 -3.0667924880981445e-01 - 3.2827284932136536e-01 -8.0632358789443970e-01 - <_> - 9.6157928466796875e+01 - - 1 2 2490 2.5000000000000000e+00 0 -1 2491 - 2.5500000000000000e+01 -2 -3 2492 2.1500000000000000e+01 - - 4.8798337578773499e-01 -9.5308113098144531e-01 - -5.1750040054321289e-01 2.6211360096931458e-01 - <_> - 9.6371978759765625e+01 - - 1 2 2493 4.0500000000000000e+01 0 -1 2494 - 2.5000000000000000e+00 -2 -3 2495 4.1500000000000000e+01 - - -5.9743094444274902e-01 2.1404948830604553e-01 - -8.5050314664840698e-01 5.0623071193695068e-01 - <_> - 9.6368263244628906e+01 - - 1 2 2496 4.3500000000000000e+01 0 -1 2497 - 5.0000000000000000e-01 -2 -3 2498 2.5000000000000000e+00 - - -1. 1. -5.6743723154067993e-01 7.6639793813228607e-02 - <_> - 9.6516090393066406e+01 - - 1 2 2499 5.0000000000000000e-01 0 -1 2500 - 3.5000000000000000e+00 -2 -3 2501 2.7500000000000000e+01 - - -9.6376502513885498e-01 6.0896998643875122e-01 - 1.4782741665840149e-01 -4.4592922925949097e-01 - <_> - 9.5890869140625000e+01 - - 1 2 2502 8.0500000000000000e+01 0 -1 2503 - 1.1025000000000000e+03 -2 -3 2504 5.4150000000000000e+02 - - 1.4774493873119354e-01 -6.2522071599960327e-01 - 6.8708664178848267e-01 -1.1048506200313568e-01 - <_> - 9.6234390258789062e+01 - - 1 2 2505 1.4500000000000000e+01 0 -1 2506 - 2.5000000000000000e+00 -2 -3 2507 5.0000000000000000e-01 - - 1.8957711756229401e-01 -6.4709383249282837e-01 - -4.1520085930824280e-01 3.4351608157157898e-01 - <_> - 9.6572166442871094e+01 - - 1 2 2508 5.0000000000000000e-01 0 -1 2509 - 2.5735000000000000e+03 -2 -3 2510 1173. - - 3.3778050541877747e-01 -6.3639199733734131e-01 - -5.0381755828857422e-01 6.3735854625701904e-01 - <_> - 9.7091682434082031e+01 - - 1 2 2511 1.1450000000000000e+02 0 -1 2512 - 4.0250000000000000e+02 -2 -3 2513 1.3450000000000000e+02 - - 6.2810701131820679e-01 -4.0756353735923767e-01 -1. - 5.1951670646667480e-01 - <_> - 9.7211601257324219e+01 - - 1 2 2514 8.0500000000000000e+01 0 -1 2515 - 6.5000000000000000e+00 -2 -3 2516 4.0500000000000000e+01 - - -7.7606672048568726e-01 6.6768264770507812e-01 - -3.8118714094161987e-01 3.6804616451263428e-01 - <_> - 9.7420547485351562e+01 - - 1 2 2517 1.5000000000000000e+00 0 -1 2518 - 1.6155000000000000e+03 -2 -3 2519 5.7500000000000000e+01 - - 1. -1. 2.0894423127174377e-01 -6.3742393255233765e-01 - <_> - 9.7607200622558594e+01 - - 1 2 2520 1.5000000000000000e+00 0 -1 2521 - 2.9050000000000000e+02 -2 -3 2522 5.0000000000000000e-01 - - -9.8843830823898315e-01 1. 2.6681044697761536e-01 - -3.6110731959342957e-01 - <_> - 9.7423561096191406e+01 - - 1 2 2523 4.5000000000000000e+00 0 -1 2524 - 9.5000000000000000e+00 -2 -3 2525 9.5000000000000000e+00 - - -5.4543578624725342e-01 9.5868372917175293e-01 - -7.5861543416976929e-01 2.6955580711364746e-01 - <_> - 9.7825759887695312e+01 - - 1 2 2526 1.1550000000000000e+02 0 -1 2527 3751. -2 -3 2528 - 280. - - -8.3923083543777466e-01 6.2113016843795776e-01 - -3.8828554749488831e-01 5.3129935264587402e-01 - <_> - 9.8072143554687500e+01 - - 1 2 2529 1.0750000000000000e+02 0 -1 2530 - 5.7750000000000000e+02 -2 -3 2531 2.1500000000000000e+01 - - 2.4638542532920837e-01 -6.5665483474731445e-01 - -8.9632099866867065e-01 6.8391984701156616e-01 - <_> - 9.8402824401855469e+01 - - 1 2 2532 3.5000000000000000e+00 0 -1 2533 - 5.5000000000000000e+00 -2 -3 2534 5.0000000000000000e-01 - - -9.1934508085250854e-01 1. 3.3068060874938965e-01 - -2.1170829236507416e-01 - <_> - 9.8699340820312500e+01 - - 1 2 2535 1.1450000000000000e+02 0 -1 2536 - 5.5000000000000000e+00 -2 -3 2537 36. - - 3.0874010920524597e-01 -2.8325837850570679e-01 - -8.8745921850204468e-01 1. - <_> - 9.8877410888671875e+01 - - 1 2 2538 8.5000000000000000e+00 0 -1 2539 - 9.8500000000000000e+01 -2 -3 2540 1.4500000000000000e+01 - - 6.9435214996337891e-01 -9.1196221113204956e-01 - 2.4511045217514038e-01 -5.1517933607101440e-01 - <_> - 9.8995216369628906e+01 - - 1 2 2541 2.5500000000000000e+01 0 -1 2542 - 1.5500000000000000e+01 -2 -3 2543 3.6050000000000000e+02 - - 1.1780845373868942e-01 -5.3240364789962769e-01 -1. - 7.7188563346862793e-01 - <_> - 9.9240852355957031e+01 - - 1 2 2544 3.5000000000000000e+00 0 -1 2545 - 8.0500000000000000e+01 -2 -3 2546 5.6450000000000000e+02 - - -9.0737903118133545e-01 1. -5.8833694458007812e-01 - 2.4563524127006531e-01 - <_> - 9.8749168395996094e+01 - - 1 2 2547 2.1500000000000000e+01 0 -1 2548 - 2.0500000000000000e+01 -2 -3 2549 3.4500000000000000e+01 - - 4.9037560820579529e-01 -6.0056501626968384e-01 - 2.7949792146682739e-01 -6.7935609817504883e-01 - <_> - 9.9123207092285156e+01 - - 1 2 2550 1.5000000000000000e+00 0 -1 2551 - 8.6750000000000000e+02 -2 -3 2552 7.5000000000000000e+00 - - -7.2623419761657715e-01 5.3740710020065308e-01 - 3.7403845787048340e-01 -2.7497768402099609e-01 - <_> - 9.8746543884277344e+01 - - 1 2 2553 3.1500000000000000e+01 0 -1 2554 - 5.3500000000000000e+01 -2 -3 2555 1.3500000000000000e+01 - - 4.1538569331169128e-01 -4.7679051756858826e-01 - -6.1080145835876465e-01 4.9855870008468628e-01 - <_> - 9.9137901306152344e+01 - - 1 2 2556 4.5000000000000000e+00 0 -1 2557 - 3.5000000000000000e+00 -2 -3 2558 1.3905000000000000e+03 - - -8.8297528028488159e-01 3.9136049151420593e-01 - 4.8427349328994751e-01 -1.3551473617553711e-01 - <_> - 9.9093750000000000e+01 - - 1 2 2559 1.2500000000000000e+01 0 -1 2560 109. -2 -3 2561 - 1.8500000000000000e+01 - - -2.1636287868022919e-01 4.4644072651863098e-01 - -4.5347277075052261e-02 -8.3115756511688232e-01 - <_> - 9.9295211791992188e+01 - - 1 2 2562 2.7550000000000000e+02 0 -1 2563 21. -2 -3 2564 - 400. - - 8.4553992748260498e-01 -7.8862386941909790e-01 - 2.0146845281124115e-01 -9.3354743719100952e-01 - <_> - 9.9591613769531250e+01 - - 1 2 2565 7.1500000000000000e+01 0 -1 2566 - 2.0500000000000000e+01 -2 -3 2567 1.4450000000000000e+02 - - 2.6693066954612732e-01 -6.6290807723999023e-01 - 4.1993066668510437e-01 -4.1178131103515625e-01 - <_> - 9.9774261474609375e+01 - - 1 2 2568 2.7455000000000000e+03 0 -1 2569 - 2.5000000000000000e+00 -2 -3 2570 1.3500000000000000e+01 - - -4.0591225028038025e-01 2.1991367638111115e-01 -1. 1. - <_> - 9.9528968811035156e+01 - - 1 2 2571 1.1500000000000000e+01 0 -1 2572 - 6.5000000000000000e+00 -2 -3 2573 187. - - -2.4529571831226349e-01 4.4422072172164917e-01 - -7.1468102931976318e-01 6.1321121454238892e-01 - <_> - 9.9765602111816406e+01 - - 1 2 2574 1.0015000000000000e+03 0 -1 2575 - 3.5000000000000000e+00 -2 -3 2576 103. - - 3.6130765080451965e-01 -3.1130629777908325e-01 - -8.0834662914276123e-01 6.8982625007629395e-01 - <_> - 9.9243118286132812e+01 - - 1 2 2577 5.7150000000000000e+02 0 -1 2578 36. -2 -3 2579 - 1.5500000000000000e+01 - - -5.2247774600982666e-01 1. -1.2719422578811646e-01 - 4.9271491169929504e-01 - <_> - 9.9417327880859375e+01 - - 1 2 2580 5.0000000000000000e-01 0 -1 2581 - 2.5000000000000000e+00 -2 -3 2582 2.5000000000000000e+00 - - -5.6974679231643677e-01 6.0422992706298828e-01 - -6.1786216497421265e-01 4.9528244882822037e-02 - <_> - 9.9721191406250000e+01 - - 1 2 2583 2.5000000000000000e+00 0 -1 2584 - 2.4500000000000000e+01 -2 -3 2585 1.4250000000000000e+02 - - -6.2716758251190186e-01 7.0882409811019897e-01 - 3.0386608839035034e-01 -8.0423253774642944e-01 - <_> - 9.9943511962890625e+01 - - 1 2 2586 1.8500000000000000e+01 0 -1 2587 - 3.9500000000000000e+01 -2 -3 2588 1.3750000000000000e+02 - - 3.2850837707519531e-01 -8.2033318281173706e-01 - 2.2231689095497131e-01 -6.0138916969299316e-01 - <_> - 9.9831451416015625e+01 - - 1 2 2589 1.3500000000000000e+01 0 -1 2590 - 4.5500000000000000e+01 -2 -3 2591 4.4500000000000000e+01 - - -4.2661905288696289e-01 5.1914167404174805e-01 - 3.8148659467697144e-01 -8.5451364517211914e-01 - <_> - 9.9631042480468750e+01 - - 1 2 2592 1.5000000000000000e+00 0 -1 2593 - 1.0500000000000000e+01 -2 -3 2594 5.0000000000000000e-01 - - -8.8435149192810059e-01 1. 4.5112967491149902e-01 - -2.0040939748287201e-01 - <_> - 9.9837104797363281e+01 - - 1 2 2595 2.5000000000000000e+00 0 -1 2596 - 2.8050000000000000e+02 -2 -3 2597 3.1500000000000000e+01 - - 2.1158181130886078e-01 -8.0644214153289795e-01 - 2.0606023073196411e-01 -9.3066710233688354e-01 - <_> - 1.0016289520263672e+02 - - 1 2 2598 5.0000000000000000e-01 0 -1 2599 - 5.5850000000000000e+02 -2 -3 2600 7.5000000000000000e+00 - - -8.6102581024169922e-01 3.2579025626182556e-01 - -6.1346149444580078e-01 3.3240249752998352e-01 - <_> - 1.0033647155761719e+02 - - 1 2 2601 3.5000000000000000e+00 0 -1 2602 8. -2 -3 2603 - 5.4500000000000000e+01 - - -7.9454857110977173e-01 9.5821666717529297e-01 - 1.7357560992240906e-01 -8.3915024995803833e-01 - <_> - 1.0047587585449219e+02 - - 0 1 2604 2.5000000000000000e+00 0 1 2604 2.5000000000000000e+00 -1 -2 2605 - 8.2050000000000000e+02 - - -1. -1. -5.9203457832336426e-01 1.3940984010696411e-01 - <_> - 1.0109948730468750e+02 - - 1 2 2606 2.0795000000000000e+03 0 -1 2607 - 1.8550000000000000e+02 -2 -3 2608 1.2500000000000000e+01 - - 6.2360501289367676e-01 -1.7042215168476105e-01 - -7.0164740085601807e-01 9.1911442577838898e-02 - <_> - 1.0105032348632812e+02 - - 1 2 2609 4.6500000000000000e+01 0 -1 2610 - 3.9500000000000000e+01 -2 -3 2611 2.5000000000000000e+00 - - 4.8169857263565063e-01 -5.7907623052597046e-01 - 4.6473887562751770e-01 -3.2131230831146240e-01 - <_> - 1.0105367279052734e+02 - - 1 2 2612 6.7350000000000000e+02 0 -1 2613 - 5.0000000000000000e-01 -2 -3 2614 3740. - - 2.7208894491195679e-01 -4.3277686834335327e-01 - 6.5942746400833130e-01 -5.1724559068679810e-01 - <_> - 1.0141363525390625e+02 - - 1 2 2615 5.0000000000000000e-01 0 -1 2616 - 1.5500000000000000e+01 -2 -3 2617 5.0000000000000000e-01 - - -8.2222098112106323e-01 7.9113721847534180e-01 - 6.9188493490219116e-01 -4.8952169716358185e-02 - <_> - 1.0130570983886719e+02 - - 1 2 2618 2.0500000000000000e+01 0 -1 2619 - 8.5000000000000000e+00 -2 -3 2620 2.0050000000000000e+02 - - -1.0792832076549530e-01 5.1927500963211060e-01 - -7.9460966587066650e-01 8.2356446981430054e-01 - <_> - 1.0164145660400391e+02 - - 1 2 2621 2.1500000000000000e+01 0 -1 2622 - 1.5000000000000000e+00 -2 -3 2623 6.0500000000000000e+01 - - 3.3574688434600830e-01 -4.5670211315155029e-01 - -6.3089555501937866e-01 4.8581323027610779e-01 - <_> - 1.0131285095214844e+02 - - 1 2 2624 9.5000000000000000e+00 0 -1 2625 - 7.3500000000000000e+01 -2 -3 2626 9.5000000000000000e+00 - - 3.0599847435951233e-01 -6.1251938343048096e-01 - -2.9742473363876343e-01 4.9433988332748413e-01 - <_> - 1.0162899780273438e+02 - - 1 2 2627 5.5000000000000000e+00 0 -1 2628 - 2.5000000000000000e+00 -2 -3 2629 8.8850000000000000e+02 - - -3.9324402809143066e-01 3.1614956259727478e-01 - -6.8262726068496704e-01 7.5144731998443604e-01 - <_> - 1.0186949920654297e+02 - - 1 2 2630 1.4805000000000000e+03 0 -1 2631 - 1.0500000000000000e+01 -2 -3 2632 15. - - 2.4050149321556091e-01 -3.6888840794563293e-01 -1. 1. - <_> - 1.0191372680664062e+02 - - 1 2 2633 2.2500000000000000e+01 0 -1 2634 - 4.5000000000000000e+00 -2 -3 2635 4.1950000000000000e+02 - - 2.9375064373016357e-01 -3.5744154453277588e-01 - -3.5613030195236206e-01 8.1968200206756592e-01 - <_> - 1.0208142852783203e+02 - - 1 2 2636 3.5000000000000000e+00 0 -1 2637 21. -2 -3 2638 - 3.5000000000000000e+00 - - -8.8189947605133057e-01 9.3166828155517578e-01 - 4.8177376389503479e-01 -1.2354224920272827e-01 - <_> - 1.0226190948486328e+02 - - 1 2 2639 9.5000000000000000e+00 0 -1 2640 - 5.5000000000000000e+00 -2 -3 2641 1.7285000000000000e+03 - - -9.7239077091217041e-01 8.0751657485961914e-02 - 1.8048079311847687e-01 -7.8952634334564209e-01 - <_> - 1.0249628448486328e+02 - - 1 2 2642 5.0000000000000000e-01 0 -1 2643 - 1.5000000000000000e+00 -2 -3 2644 2.4500000000000000e+01 - - 3.4624457359313965e-01 -4.0281239151954651e-01 - -5.5928331613540649e-01 7.1457552909851074e-01 - <_> - 1.0274293518066406e+02 - - 1 2 2645 3.8500000000000000e+01 0 -1 2646 - 1.7500000000000000e+01 -2 -3 2647 1.4450000000000000e+02 - - 1.3477689027786255e-01 -6.1821442842483521e-01 - 5.9605765342712402e-01 -1.6502375900745392e-01 - <_> - 1.0253598785400391e+02 - - 1 2 2648 1.3500000000000000e+01 0 -1 2649 - 5.2550000000000000e+02 -2 -3 2650 2.2735000000000000e+03 - - -7.9840284585952759e-01 2.3721742630004883e-01 - -5.5634832382202148e-01 3.1294867396354675e-01 - <_> - 1.0290502929687500e+02 - - 1 2 2651 5.4750000000000000e+02 0 -1 2652 - 8.3050000000000000e+02 -2 -3 2653 1.1150000000000000e+02 - - -1.4335750043392181e-01 7.7484899759292603e-01 - -6.7993903160095215e-01 1.6464550048112869e-02 - <_> - 1.0276994323730469e+02 - - 1 2 2654 1.3650000000000000e+02 0 -1 2655 - 1.5000000000000000e+00 -2 -3 2656 5.1500000000000000e+01 - - 4.3065854907035828e-01 -2.5181022286415100e-01 - -7.0685976743698120e-01 5.8210808038711548e-01 - <_> - 1.0282818603515625e+02 - - 1 2 2657 3.6500000000000000e+01 0 -1 2658 - 3.5000000000000000e+00 -2 -3 2659 4.5000000000000000e+00 - - -8.7250131368637085e-01 3.3097213506698608e-01 - 4.2310500144958496e-01 -1.7739102244377136e-01 - <_> - 1.0300099945068359e+02 - - 1 2 2660 1.9050000000000000e+02 0 -1 2661 - 1.6500000000000000e+01 -2 -3 2662 6.3500000000000000e+01 - - -6.1183965206146240e-01 7.1433728933334351e-01 - -9.4837844371795654e-02 5.6334847211837769e-01 - <_> - 1.0327600860595703e+02 - - 1 2 2663 1.1345000000000000e+03 0 -1 2664 - 7.5000000000000000e+00 -2 -3 2665 4.5500000000000000e+01 - - -9.7449356317520142e-01 2.7501192688941956e-01 - -6.7455238103866577e-01 5.9240275621414185e-01 - <_> - 1.0331129455566406e+02 - - 1 2 2666 2.2500000000000000e+01 0 -1 2667 - 7.8350000000000000e+02 -2 -3 2668 87. - - 2.1151831746101379e-01 -9.4473469257354736e-01 - 6.7612463235855103e-01 -8.3754408359527588e-01 - <_> - 1.0303090667724609e+02 - - 1 2 2669 1.3500000000000000e+01 0 -1 2670 - 4.7500000000000000e+01 -2 -3 2671 7.6500000000000000e+01 - - -4.5662239193916321e-01 6.4888173341751099e-01 - 5.7376283407211304e-01 -2.1476963162422180e-01 - <_> - 1.0311815643310547e+02 - - 1 2 2672 1.5000000000000000e+00 0 -1 2673 - 3.5000000000000000e+00 -2 -3 2674 5.7500000000000000e+01 - - -2.0579831302165985e-01 4.5064237713813782e-01 - -5.4586839675903320e-01 8.1367361545562744e-01 - <_> - 1.0337432098388672e+02 - - 1 2 2675 3.7850000000000000e+02 0 -1 2676 59. -2 -3 2677 - 2945. - - -6.2283027172088623e-01 7.8782963752746582e-01 - 2.5616112351417542e-01 -1. - <_> - 1.0362288665771484e+02 - - 1 2 2678 1.1500000000000000e+01 0 -1 2679 - 1.7150000000000000e+02 -2 -3 2680 7.5500000000000000e+01 - - 6.3007098436355591e-01 -4.1216814517974854e-01 - 4.8822152614593506e-01 -3.9382278919219971e-01 - <_> - 1.0388551330566406e+02 - - 1 2 2681 1.5000000000000000e+00 0 -1 2682 - 1.6385000000000000e+03 -2 -3 2683 110. - - 3.0745586752891541e-01 -7.9586678743362427e-01 - 2.6261982321739197e-01 -7.6895767450332642e-01 - <_> - 1.0405072021484375e+02 - - 1 2 2684 1.5000000000000000e+00 0 -1 2685 - 5.6850000000000000e+02 -2 -3 2686 4.5000000000000000e+00 - - 9.3116897344589233e-01 -9.6380370855331421e-01 - -7.6854610443115234e-01 1.6521225869655609e-01 - <_> - 1.0400543975830078e+02 - - 1 2 2687 6.2950000000000000e+02 0 -1 2688 - 5.1450000000000000e+02 -2 -3 2689 236. - - -4.5279026031494141e-02 8.4354996681213379e-01 - -6.6148412227630615e-01 6.9928210973739624e-01 - <_> - 1.0376971435546875e+02 - - 1 2 2690 9.4500000000000000e+01 0 -1 2691 - 1.5050000000000000e+02 -2 -3 2692 1.6750000000000000e+02 - - -2.3573163151741028e-01 4.4335815310478210e-01 - 6.1139583587646484e-01 -6.4605855941772461e-01 - <_> - 1.0405144500732422e+02 - - 1 2 2693 4.4500000000000000e+01 0 -1 2694 - 5.6250000000000000e+02 -2 -3 2695 3.8500000000000000e+01 - - 3.8796469569206238e-02 -6.5249174833297729e-01 - -6.0536789894104004e-01 5.4190611839294434e-01 - <_> - 1.0398574066162109e+02 - - 1 2 2696 4.4500000000000000e+01 0 -1 2697 - 5.0000000000000000e-01 -2 -3 2698 5.2500000000000000e+01 - - 4.2008396983146667e-01 -1.4273323118686676e-01 - -7.3499578237533569e-01 1. - <_> - 1.0385164642333984e+02 - - 1 2 2699 3.8500000000000000e+01 0 -1 2700 - 7.5000000000000000e+00 -2 -3 2701 3.5000000000000000e+00 - - 3.1169781088829041e-01 -7.7311396598815918e-01 - -1.3409157097339630e-01 4.9537870287895203e-01 - <_> - 1.0448446655273438e+02 - - 1 2 2702 2.6050000000000000e+02 0 -1 2703 - 1.8350000000000000e+02 -2 -3 2704 7.6350000000000000e+02 - - -1. 9.7587960958480835e-01 -5.2969473600387573e-01 - 1.2663070857524872e-01 - <_> - 1.0484059906005859e+02 - - 1 2 2705 1.1500000000000000e+01 0 -1 2706 - 4.1850000000000000e+02 -2 -3 2707 2.3500000000000000e+01 - - 7.9048752784729004e-02 -8.0509215593338013e-01 - 3.5613477230072021e-01 -5.6644356250762939e-01 - <_> - 1.0512301635742188e+02 - - 1 2 2708 1485. 0 -1 2709 5.5000000000000000e+00 -2 -3 2710 - 5.0000000000000000e-01 - - -7.0782458782196045e-01 2.8242054581642151e-01 - 3.9573973417282104e-01 -9.0347629785537720e-01 - <_> - 1.0531546020507812e+02 - - 1 2 2711 1353. 0 -1 2712 1.7500000000000000e+01 -2 -3 2713 - 1.0750000000000000e+02 - - 2.7195869013667107e-02 -7.5462043285369873e-01 - 3.2506725192070007e-01 -8.6369091272354126e-01 - <_> - 1.0547406768798828e+02 - - 1 2 2714 2.5000000000000000e+00 0 -1 2715 16. -2 -3 2716 - 4.2955000000000000e+03 - - -1. 7.2179090976715088e-01 1.5860775113105774e-01 - -6.5142124891281128e-01 - <_> - 1.0487975311279297e+02 - - 1 2 2717 1.5500000000000000e+01 0 -1 2718 10700. -2 -3 2719 - 1.7875000000000000e+03 - - 2.6182049885392189e-02 -8.4672302007675171e-01 - -7.7213704586029053e-01 3.4896582365036011e-01 - <_> - 1.0509091186523438e+02 - - 1 2 2720 1.5000000000000000e+00 0 -1 2721 - 1.5000000000000000e+00 -2 -3 2722 2.9500000000000000e+01 - - -8.2644587755203247e-01 2.1116006374359131e-01 - -7.3146438598632812e-01 9.5215821266174316e-01 - <_> - 1.0519564056396484e+02 - - 1 2 2723 3.0500000000000000e+01 0 -1 2724 - 3.4935000000000000e+03 -2 -3 2725 5.7500000000000000e+01 - - -1. 6.9735002517700195e-01 -5.7586830854415894e-01 - 1.0472767800092697e-01 - <_> - 1.0569725799560547e+02 - - 1 2 2726 2.4450000000000000e+02 0 -1 2727 644. -2 -3 2728 - 2.3500000000000000e+01 - - -8.5404765605926514e-01 5.0162208080291748e-01 - -5.6405150890350342e-01 3.5492885112762451e-01 - <_> - 1.0524179077148438e+02 - - 1 2 2729 4.7500000000000000e+01 0 -1 2730 - 2.7650000000000000e+02 -2 -3 2731 2818. - - -4.5547124743461609e-01 3.0731198191642761e-01 - -7.2488194704055786e-01 7.7106243371963501e-01 - <_> - 1.0491101074218750e+02 - - 1 2 2732 3.5000000000000000e+00 0 -1 2733 1511. -2 -3 2734 - 1.7155000000000000e+03 - - 4.6164187788963318e-01 -6.6047859191894531e-01 - -3.3077949285507202e-01 3.7580975890159607e-01 - <_> - 1.0527840423583984e+02 - - 1 2 2735 5.0000000000000000e-01 0 -1 2736 - 1.5000000000000000e+00 -2 -3 2737 9.7750000000000000e+02 - - -5.6398648023605347e-01 3.6739850044250488e-01 - 1.4843972027301788e-01 -7.5591593980789185e-01 - <_> - 1.0569275665283203e+02 - - 1 2 2738 1.3500000000000000e+01 0 -1 2739 - 1.5000000000000000e+00 -2 -3 2740 2.5000000000000000e+00 - - 4.4956609606742859e-01 -5.2449923753738403e-01 - -9.4341361522674561e-01 4.1434991359710693e-01 - <_> - 1.0587648010253906e+02 - - 1 2 2741 2.1515000000000000e+03 0 -1 2742 - 2.6500000000000000e+01 -2 -3 2743 3.0500000000000000e+01 - - 1.8371918797492981e-01 -9.8738479614257812e-01 - -9.1896229982376099e-01 4.3715295195579529e-01 - <_> - 1.0598551177978516e+02 - - 1 2 2744 1.6500000000000000e+01 0 -1 2745 - 4.5000000000000000e+00 -2 -3 2746 1.5175000000000000e+03 - - 1.0903272777795792e-01 -7.6156085729598999e-01 - 3.4190380573272705e-01 -5.6521832942962646e-01 - <_> - 1.0585959625244141e+02 - - 1 2 2747 3.5000000000000000e+00 0 -1 2748 - 1.8650000000000000e+02 -2 -3 2749 1.7500000000000000e+01 - - -8.6969417333602905e-01 8.7447375059127808e-01 - -1.2591452896595001e-01 4.7273957729339600e-01 - <_> - 1.0568214416503906e+02 - - 1 2 2750 245. 0 -1 2751 5.5000000000000000e+00 -2 -3 2752 - 3.5000000000000000e+00 - - 5.2921187877655029e-01 -4.8938277363777161e-01 - 3.0937749147415161e-01 -5.0696980953216553e-01 - <_> - 1.0601576232910156e+02 - - 1 2 2753 1.7500000000000000e+01 0 -1 2754 - 1.1395000000000000e+03 -2 -3 2755 1.0950000000000000e+02 - - 2.8152284026145935e-01 -7.8550308942794800e-01 - 3.3361354470252991e-01 -5.6299263238906860e-01 - <_> - 1.0640065765380859e+02 - - 1 2 2756 5.0000000000000000e-01 0 -1 2757 - 1.5000000000000000e+00 -2 -3 2758 4.5000000000000000e+00 - - -3.8055318593978882e-01 3.8489964604377747e-01 - -5.7636463642120361e-01 4.3075269460678101e-01 - <_> - 1.0641130828857422e+02 - - 1 2 2759 5.7050000000000000e+02 0 -1 2760 - 1.4500000000000000e+01 -2 -3 2761 1.1835000000000000e+03 - - -6.4392197132110596e-01 3.5690125823020935e-01 - 2.9891923069953918e-01 -9.5714271068572998e-01 - <_> - 1.0660404968261719e+02 - - 1 2 2762 1.5000000000000000e+00 0 -1 2763 - 5.9150000000000000e+02 -2 -3 2764 1.1535000000000000e+03 - - -8.0829763412475586e-01 8.4891957044601440e-01 - 1.9274589419364929e-01 -7.3956298828125000e-01 - <_> - 1.0652481079101562e+02 - - 1 2 2765 5.3500000000000000e+01 0 -1 2766 - 3.0950000000000000e+02 -2 -3 2767 8.2500000000000000e+01 - - 2.0712941884994507e-01 -3.6751377582550049e-01 - 7.9296332597732544e-01 -1. - <_> - 1.0692726898193359e+02 - - 1 2 2768 6.6500000000000000e+01 0 -1 2769 1074. -2 -3 2770 - 1.1500000000000000e+01 - - 1.1640611104667187e-02 -8.8242655992507935e-01 - 4.0245753526687622e-01 -6.6962105035781860e-01 - <_> - 1.0722780609130859e+02 - - 1 2 2771 400. 0 -1 2772 258. -2 -3 2773 242. - - 9.5710533857345581e-01 -6.8693101406097412e-01 - 5.1057505607604980e-01 -1.5650358796119690e-01 - <_> - 1.0750185394287109e+02 - - 1 2 2774 3.5000000000000000e+00 0 -1 2775 - 2.0500000000000000e+01 -2 -3 2776 51. - - -6.6889345645904541e-01 9.8602853715419769e-02 - 5.0510036945343018e-01 -7.3887240886688232e-01 - <_> - 1.0781588745117188e+02 - - 1 2 2777 4.5000000000000000e+00 0 -1 2778 - 1.1525000000000000e+03 -2 -3 2779 2.7500000000000000e+01 - - -8.5173243284225464e-01 5.9037590026855469e-01 - 8.2559481263160706e-02 -5.7935595512390137e-01 - <_> - 1.0813179016113281e+02 - - 1 2 2780 1.3500000000000000e+01 0 -1 2781 - 7.6750000000000000e+02 -2 -3 2782 9.5000000000000000e+00 - - -8.5958725214004517e-01 7.9117491841316223e-02 - -8.4548884630203247e-01 3.1590864062309265e-01 - <_> - 1.0812385559082031e+02 - - 1 2 2783 2.5500000000000000e+01 0 -1 2784 - 4.5000000000000000e+00 -2 -3 2785 4.1500000000000000e+01 - - -5.3340083360671997e-01 2.1516241133213043e-01 - -8.2421797513961792e-01 5.7744872570037842e-01 - <_> - 1.0778499603271484e+02 - - 1 2 2786 4.5000000000000000e+00 0 -1 2787 - 1.8050000000000000e+02 -2 -3 2788 5.7500000000000000e+01 - - 3.2442337274551392e-01 -6.3051867485046387e-01 - -5.6196290254592896e-01 1. - <_> - 1.0795186614990234e+02 - - 1 2 2789 9.5000000000000000e+00 0 -1 2790 - 2.9500000000000000e+01 -2 -3 2791 2.4845000000000000e+03 - - -9.0732103586196899e-01 1. -4.3962568044662476e-01 - 2.4967047572135925e-01 - <_> - 1.0834626007080078e+02 - - 1 2 2792 7642. 0 -1 2793 2.9500000000000000e+01 -2 -3 2794 - 1.5500000000000000e+01 - - 4.5714893937110901e-01 -1. -7.8440755605697632e-01 - -2.9551941901445389e-02 - <_> - 1.0802055358886719e+02 - - 1 2 2795 1.3445000000000000e+03 0 -1 2796 - 5.0000000000000000e-01 -2 -3 2797 2.5000000000000000e+00 - - 1.8776105344295502e-01 -5.1964151859283447e-01 - -3.2570576667785645e-01 5.8407723903656006e-01 - <_> - 1.0869297790527344e+02 - - 1 2 2798 3.5000000000000000e+00 0 -1 2799 - 2.6650000000000000e+02 -2 -3 2800 6.8550000000000000e+02 - - 7.9688948392868042e-01 -5.5319869518280029e-01 - 6.7242574691772461e-01 -5.3342822939157486e-03 - <_> - 1.0871336364746094e+02 - - 1 2 2801 1.3550000000000000e+02 0 -1 2802 - 7.8850000000000000e+02 -2 -3 2803 5.3500000000000000e+01 - - -4.0466487407684326e-01 8.8463294506072998e-01 - 4.2380827665328979e-01 -8.9209264516830444e-01 - <_> - 1.0827619934082031e+02 - - 1 2 2804 6.5500000000000000e+01 0 -1 2805 - 1.7500000000000000e+01 -2 -3 2806 2.8950000000000000e+02 - - 1.1377986520528793e-01 -6.0579437017440796e-01 - 5.5230200290679932e-01 -5.3584653139114380e-01 - <_> - 1.0870999145507812e+02 - - 1 2 2807 1.5500000000000000e+01 0 -1 2808 - 3.7850000000000000e+02 -2 -3 2809 2.7750000000000000e+02 - - 3.2576033473014832e-01 -8.8590908050537109e-01 - 4.3379050493240356e-01 -1.6937582194805145e-01 - <_> - 1.0839844512939453e+02 - - 1 2 2810 2.8500000000000000e+01 0 -1 2811 - 3.8500000000000000e+01 -2 -3 2812 2.5500000000000000e+01 - - -3.1154349446296692e-01 6.3721460103988647e-01 - -7.1922361850738525e-01 6.2959849834442139e-01 - <_> - 1.0877592468261719e+02 - - 1 2 2813 1.2500000000000000e+01 0 -1 2814 - 1.3695000000000000e+03 -2 -3 2815 6.5000000000000000e+00 - - -5.5014491081237793e-01 3.7747702002525330e-01 - -6.9611859321594238e-01 1.2586995959281921e-01 - <_> - 1.0896472930908203e+02 - - 1 2 2816 3.1050000000000000e+02 0 -1 2817 - 2.8850000000000000e+02 -2 -3 2818 146. - - 1.8880467116832733e-01 -6.9542157649993896e-01 - -9.3111920356750488e-01 5.6534785032272339e-01 - <_> - 1.0875339508056641e+02 - - 1 2 2819 2.1500000000000000e+01 0 -1 2820 - 2.5000000000000000e+00 -2 -3 2821 1.1850000000000000e+02 - - 7.7443844079971313e-01 -8.0098474025726318e-01 - 3.5482531785964966e-01 -2.7317541837692261e-01 - <_> - 1.0921239471435547e+02 - - 1 2 2822 4.5000000000000000e+00 0 -1 2823 - 8.5000000000000000e+00 -2 -3 2824 8.3500000000000000e+01 - - 4.5899707078933716e-01 -6.2516170740127563e-01 - -4.3385741114616394e-01 5.6751209497451782e-01 - <_> - 1.0947447967529297e+02 - - 1 2 2825 7.5000000000000000e+00 0 -1 2826 - 5.5000000000000000e+00 -2 -3 2827 7.3950000000000000e+02 - - -7.4130195379257202e-01 7.1468836069107056e-01 - -9.7212868928909302e-01 2.6208582520484924e-01 - <_> - 1.0889431762695312e+02 - - 1 2 2828 9.5000000000000000e+00 0 -1 2829 - 8.8350000000000000e+02 -2 -3 2830 1.4285000000000000e+03 - - -5.8016383647918701e-01 4.6283417940139771e-01 - 4.0902158617973328e-01 -3.3674991130828857e-01 - <_> - 1.0909661865234375e+02 - - 1 2 2831 2.3500000000000000e+01 0 -1 2832 - 6.5000000000000000e+00 -2 -3 2833 1.6500000000000000e+01 - - -1. 1. 2.0230437815189362e-01 -6.2151867151260376e-01 - <_> - 1.0936666107177734e+02 - - 1 2 2834 2.7500000000000000e+01 0 -1 2835 - 2.8500000000000000e+01 -2 -3 2836 1.5000000000000000e+00 - - -3.1645810604095459e-01 2.7004209160804749e-01 - 7.3447245359420776e-01 -9.4543099403381348e-01 - <_> - 1.0990542602539062e+02 - - 1 2 2837 6.5000000000000000e+00 0 -1 2838 - 3.3500000000000000e+01 -2 -3 2839 1.7175000000000000e+03 - - 7.3429244756698608e-01 -5.4267537593841553e-01 - -5.2236169576644897e-02 -8.0465143918991089e-01 - <_> - 1.0978697204589844e+02 - - 1 2 2840 2.6850000000000000e+02 0 -1 2841 22. -2 -3 2842 - 8.0500000000000000e+01 - - 1. -9.7474074363708496e-01 -1.1845187842845917e-01 - 5.4515546560287476e-01 - <_> - 1.1009104156494141e+02 - - 1 2 2843 2.5000000000000000e+00 0 -1 2844 736. -2 -3 2845 - 1.9500000000000000e+01 - - -8.2810074090957642e-01 8.5732799768447876e-01 - 3.0406644940376282e-01 -4.0139013528823853e-01 - <_> - 1.1043927764892578e+02 - - 1 2 2846 1.8500000000000000e+01 0 -1 2847 - 1.3500000000000000e+01 -2 -3 2848 3.0500000000000000e+01 - - 2.1801793575286865e-01 -6.8923234939575195e-01 - 3.4824138879776001e-01 -3.9184293150901794e-01 - <_> - 1.1031699371337891e+02 - - 1 2 2849 1.5000000000000000e+00 0 -1 2850 - 6.5000000000000000e+00 -2 -3 2851 1.3150000000000000e+02 - - -8.8171523809432983e-01 4.3543782830238342e-01 - 2.0244181156158447e-01 -5.7358783483505249e-01 - <_> - 1.1005198669433594e+02 - - 1 2 2852 5.0000000000000000e-01 0 -1 2853 - 1.5000000000000000e+00 -2 -3 2854 3.5000000000000000e+00 - - -5.9932529926300049e-01 3.0936628580093384e-01 - 4.5090380311012268e-01 -5.8973568677902222e-01 - <_> - 1.1043847656250000e+02 - - 1 2 2855 1.1535000000000000e+03 0 -1 2856 - 2.5000000000000000e+00 -2 -3 2857 3.3500000000000000e+01 - - 7.6080255210399628e-02 -5.6420469284057617e-01 - -9.0285736322402954e-01 5.2813625335693359e-01 - <_> - 1.1080448150634766e+02 - - 1 2 2858 4.2250000000000000e+02 0 -1 2859 - 1.2500000000000000e+01 -2 -3 2860 6.1500000000000000e+01 - - 3.6600381135940552e-01 -4.2345437407493591e-01 - -6.1723202466964722e-01 3.4586450457572937e-01 - <_> - 1.1106856536865234e+02 - - 1 2 2861 9.5000000000000000e+00 0 -1 2862 - 2.9500000000000000e+01 -2 -3 2863 37. - - -7.5375384092330933e-01 1.6478213667869568e-01 - 2.6408138871192932e-01 -9.8490983247756958e-01 - <_> - 1.1055361175537109e+02 - - 1 2 2864 7.5000000000000000e+00 0 -1 2865 - 4.9500000000000000e+01 -2 -3 2866 5.5000000000000000e+00 - - -5.1494854688644409e-01 5.8261644840240479e-01 - -6.6320908069610596e-01 3.6188036203384399e-01 - <_> - 1.1039524841308594e+02 - - 1 2 2867 2.3500000000000000e+01 0 -1 2868 - 9.3500000000000000e+01 -2 -3 2869 1.9350000000000000e+02 - - 6.8907684087753296e-01 -1.5836885571479797e-01 - -4.8703750967979431e-01 1.7068152129650116e-01 - <_> - 1.1064450073242188e+02 - - 1 2 2870 8.6450000000000000e+02 0 -1 2871 - 4.6500000000000000e+01 -2 -3 2872 2.5500000000000000e+01 - - -5.4546362161636353e-01 2.4925331771373749e-01 - -8.3844619989395142e-01 8.3821475505828857e-01 - <_> - 1.1088278198242188e+02 - - 1 2 2873 1.5000000000000000e+00 0 -1 2874 - 1.3350000000000000e+02 -2 -3 2875 5.0000000000000000e-01 - - -7.7887850999832153e-01 2.3828317224979401e-01 - 4.8272988200187683e-01 -7.2873306274414062e-01 - <_> - 1.1105001068115234e+02 - - 1 2 2876 71. 0 -1 2877 7.5000000000000000e+00 -2 -3 2878 - 8.5000000000000000e+00 - - -8.5053944587707520e-01 1.6722814738750458e-01 - -9.4403290748596191e-01 6.4887309074401855e-01 - <_> - 1.1167649841308594e+02 - - 1 2 2879 3.7850000000000000e+02 0 -1 2880 60. -2 -3 2881 - 9.5750000000000000e+02 - - -8.7580990791320801e-01 1.5962736308574677e-01 - 6.2649267911911011e-01 -9.5386557281017303e-02 - <_> - 1.1183348846435547e+02 - - 1 2 2882 3.8500000000000000e+01 0 -1 2883 - 3.5000000000000000e+00 -2 -3 2884 12. - - 2.6490542292594910e-01 -3.1465035676956177e-01 - 9.2486298084259033e-01 -9.5018434524536133e-01 - <_> - 1.1203981018066406e+02 - - 1 2 2885 7.5000000000000000e+00 0 -1 2886 - 9.8500000000000000e+01 -2 -3 2887 74. - - -9.7645151615142822e-01 1. 2.0632074773311615e-01 - -9.1167140007019043e-01 - <_> - 1.1171997833251953e+02 - - 1 2 2888 5.0000000000000000e-01 0 -1 2889 - 5.5000000000000000e+00 -2 -3 2890 1.1500000000000000e+01 - - -3.1983077526092529e-01 3.1867963075637817e-01 - -7.6559156179428101e-01 4.0382763836532831e-04 - <_> - 1.1211449432373047e+02 - - 1 2 2891 2.1305000000000000e+03 0 -1 2892 - 9.5000000000000000e+00 -2 -3 2893 240. - - -3.2820355892181396e-01 3.9451143145561218e-01 - -6.1393386125564575e-01 8.8679784536361694e-01 - <_> - 1.1231577301025391e+02 - - 1 2 2894 1.0015000000000000e+03 0 -1 2895 - 1.1445000000000000e+03 -2 -3 2896 4.5000000000000000e+00 - - -2.2687128186225891e-01 3.6754199862480164e-01 - 6.3371849060058594e-01 -7.9295963048934937e-01 - <_> - 1.1249615478515625e+02 - - 1 2 2897 2.7500000000000000e+01 0 -1 2898 - 8.5000000000000000e+00 -2 -3 2899 37. - - -7.1115958690643311e-01 1.8038435280323029e-01 - -9.7455215454101562e-01 6.9934636354446411e-01 - <_> - 1.1233912658691406e+02 - - 1 2 2900 2.6050000000000000e+02 0 -1 2901 - 1.0865000000000000e+03 -2 -3 2902 9.5000000000000000e+00 - - -1. 9.7971618175506592e-01 -3.2329601049423218e-01 - 2.7071443200111389e-01 - <_> - 1.1283988952636719e+02 - - 1 2 2903 5.5500000000000000e+01 0 -1 2904 - 4.3535000000000000e+03 -2 -3 2905 2.5450000000000000e+02 - - -7.9977166652679443e-01 7.4463641643524170e-01 - 7.4907875061035156e-01 -2.6945650577545166e-01 - <_> - 1.1258075714111328e+02 - - 1 2 2906 2.5000000000000000e+00 0 -1 2907 - 5.0000000000000000e-01 -2 -3 2908 8.4500000000000000e+01 - - 1. -8.3365887403488159e-01 -2.3259581625461578e-01 - 3.6352834105491638e-01 - <_> - 1.1218470764160156e+02 - - 1 2 2909 5.8500000000000000e+01 0 -1 2910 - 1.5000000000000000e+00 -2 -3 2911 1.4500000000000000e+01 - - 2.9657179117202759e-01 -3.9605233073234558e-01 - -8.2379591464996338e-01 8.8194245100021362e-01 - <_> - 1.1259869384765625e+02 - - 1 2 2912 1.6500000000000000e+01 0 -1 2913 336. -2 -3 2914 - 5.5500000000000000e+01 - - 4.8623585700988770e-01 -5.5348306894302368e-01 - 4.7885289788246155e-01 -7.1009427309036255e-01 - <_> - 1.1295644378662109e+02 - - 1 2 2915 8.5000000000000000e+00 0 -1 2916 531. -2 -3 2917 - 4.5000000000000000e+00 - - 9.0240961313247681e-01 -5.4123049974441528e-01 - -7.9777017235755920e-03 7.5631076097488403e-01 - <_> - 1.1320769500732422e+02 - - 1 2 2918 2.7550000000000000e+02 0 -1 2919 - 2.5500000000000000e+01 -2 -3 2920 4.7575000000000000e+03 - - -7.4220085144042969e-01 6.7942351102828979e-01 - 2.5125479698181152e-01 -8.1848102807998657e-01 - <_> - 1.1344058227539062e+02 - - 1 2 2921 2.5000000000000000e+00 0 -1 2922 1986. -2 -3 2923 - 95. - - -6.4574551582336426e-01 2.3289002478122711e-01 - -7.1047574281692505e-01 4.2588540911674500e-01 - <_> - 1.1300727844238281e+02 - - 1 2 2924 5.0000000000000000e-01 0 -1 2925 - 2.5000000000000000e+00 -2 -3 2926 1062. - - -5.7494455575942993e-01 4.5384889841079712e-01 - 7.2286838293075562e-01 -4.3494719266891479e-01 - <_> - 1.1288256072998047e+02 - - 1 2 2927 3.1500000000000000e+01 0 -1 2928 - 3.5000000000000000e+00 -2 -3 2929 16. - - -7.3260617256164551e-01 1.8130634725093842e-01 -1. 1. - <_> - 1.1306512451171875e+02 - - 1 2 2930 1.2150000000000000e+02 0 -1 2931 - 8.5000000000000000e+00 -2 -3 2932 4.3500000000000000e+01 - - -7.4935305118560791e-01 1.8256729841232300e-01 - -8.5249531269073486e-01 6.5636491775512695e-01 - <_> - 1.1327575683593750e+02 - - 1 2 2933 1.5000000000000000e+00 0 -1 2934 - 2.1500000000000000e+01 -2 -3 2935 1.5000000000000000e+00 - - -4.9801164865493774e-01 2.1062798798084259e-01 - 9.2823314666748047e-01 -8.5738253593444824e-01 - <_> - 1.1357308197021484e+02 - - 1 2 2936 6.4500000000000000e+01 0 -1 2937 - 4.8065000000000000e+03 -2 -3 2938 2.5000000000000000e+00 - - -1. 6.2009447813034058e-01 -5.3834468126296997e-01 - 1.5692129731178284e-01 - <_> - 1.1360353851318359e+02 - - 1 2 2939 1.3500000000000000e+01 0 -1 2940 - 3.3045000000000000e+03 -2 -3 2941 3.7500000000000000e+01 - - -7.1004110574722290e-01 3.1958633661270142e-01 - -5.8265125751495361e-01 6.3131624460220337e-01 - <_> - 1.1372930908203125e+02 - - 1 2 2942 1.4650000000000000e+02 0 -1 2943 - 1.6500000000000000e+01 -2 -3 2944 1.1500000000000000e+01 - - 3.4133225679397583e-01 -5.4960429668426514e-01 - 5.1201045513153076e-01 -6.1359316110610962e-01 - <_> - 1.1392496490478516e+02 - - 1 2 2945 4.4500000000000000e+01 0 -1 2946 - 5.0000000000000000e-01 -2 -3 2947 9.7750000000000000e+02 - - 6.2203013896942139e-01 -6.3180530071258545e-01 - 5.6117540597915649e-01 -1.3368546962738037e-01 - <_> - 1.1346260070800781e+02 - - 1 2 2948 5.5500000000000000e+01 0 -1 2949 - 5.0000000000000000e-01 -2 -3 2950 80. - - 2.3815618455410004e-01 -4.6236431598663330e-01 - 9.0325075387954712e-01 -9.0121394395828247e-01 - <_> - 1.1379386901855469e+02 - - 1 2 2951 9.4500000000000000e+01 0 -1 2952 - 7.5000000000000000e+00 -2 -3 2953 1.1550000000000000e+02 - - -4.6673280000686646e-01 3.3126986026763916e-01 - 9.0798473358154297e-01 -7.4096632003784180e-01 - <_> - 1.1406409454345703e+02 - - 1 2 2954 7.5000000000000000e+00 0 -1 2955 - 8.6500000000000000e+01 -2 -3 2956 1.4500000000000000e+01 - - -9.2672061920166016e-01 7.3485738039016724e-01 - -4.7021928429603577e-01 2.7022856473922729e-01 - <_> - 1.1425277709960938e+02 - - 1 2 2957 8.5350000000000000e+02 0 -1 2958 - 5.0000000000000000e-01 -2 -3 2959 6.8850000000000000e+02 - - 6.2956070899963379e-01 -7.4446845054626465e-01 - 1.8867783248424530e-01 -9.8959106206893921e-01 - <_> - 1.1466915893554688e+02 - - 1 2 2960 1.5000000000000000e+00 0 -1 2961 - 3.5000000000000000e+00 -2 -3 2962 8.5850000000000000e+02 - - 3.6259412765502930e-02 -6.7085331678390503e-01 - 4.1638222336769104e-01 -4.7934916615486145e-01 - <_> - 1.1474370574951172e+02 - - 1 2 2963 9.5000000000000000e+00 0 -1 2964 - 8.5000000000000000e+00 -2 -3 2965 1.7500000000000000e+01 - - -6.9327950477600098e-01 8.3167332410812378e-01 - 2.6488289237022400e-01 -5.8886319398880005e-01 - <_> - 1.1511044311523438e+02 - - 1 2 2966 5.4650000000000000e+02 0 -1 2967 14. -2 -3 2968 - 8.5000000000000000e+00 - - -9.2996919155120850e-01 5.8129179477691650e-01 - 3.6674419045448303e-01 -2.4709728360176086e-01 - <_> - 1.1493881225585938e+02 - - 1 2 2969 5.5000000000000000e+00 0 -1 2970 - 8.5500000000000000e+01 -2 -3 2971 1.3950000000000000e+02 - - -1.7163147032260895e-01 4.9650168418884277e-01 - 5.4086452722549438e-01 -7.1398860216140747e-01 - <_> - 1.1525379943847656e+02 - - 1 2 2972 7.5000000000000000e+00 0 -1 2973 - 9.7500000000000000e+01 -2 -3 2974 7.5000000000000000e+00 - - -9.4871836900711060e-01 8.4198021888732910e-01 - 7.7815693616867065e-01 -4.4086512178182602e-02 - <_> - 1.1525665283203125e+02 - - 1 2 2975 2.5000000000000000e+00 0 -1 2976 - 4.1500000000000000e+01 -2 -3 2977 3.2350000000000000e+02 - - 4.9186840653419495e-01 -7.5632154941558838e-01 - 2.8518673498183489e-03 -8.1358987092971802e-01 - <_> - 1.1538195037841797e+02 - - 1 2 2978 1.7500000000000000e+01 0 -1 2979 - 9.2105000000000000e+03 -2 -3 2980 5.5250000000000000e+02 - - 1.2530399858951569e-01 -7.3197114467620850e-01 - -6.1813545227050781e-01 4.5981425046920776e-01 - <_> - 1.1562681579589844e+02 - - 1 2 2981 5.0000000000000000e-01 0 -1 2982 - 1.5000000000000000e+00 -2 -3 2983 1.1850000000000000e+02 - - -6.4110070466995239e-01 3.4923154115676880e-01 - -6.6522723436355591e-01 4.2554613947868347e-01 - <_> - 1.1559072113037109e+02 - - 1 2 2984 5.0000000000000000e-01 0 -1 2985 - 5.0000000000000000e-01 -2 -3 2986 1.1500000000000000e+01 - - -5.1298755407333374e-01 4.5155742764472961e-01 - -4.8606547713279724e-01 6.4945244789123535e-01 - <_> - 1.1585576629638672e+02 - - 1 2 2987 7.7500000000000000e+01 0 -1 2988 - 2.5000000000000000e+00 -2 -3 2989 2.8500000000000000e+01 - - 2.6504445075988770e-01 -5.9735137224197388e-01 - 5.0929725170135498e-01 -8.4812289476394653e-01 - <_> - 1.1602140808105469e+02 - - 1 2 2990 1315. 0 -1 2991 2.6950000000000000e+02 -2 -3 2992 - 3292. - - 1. -9.5098608732223511e-01 1.6564650833606720e-01 - -9.7165077924728394e-01 - <_> - 1.1634813690185547e+02 - - 1 2 2993 2.8550000000000000e+02 0 -1 2994 - 1.8950000000000000e+02 -2 -3 2995 4.2450000000000000e+02 - - 1.7797231674194336e-01 -7.0725780725479126e-01 - 3.2672277092933655e-01 -4.6791586279869080e-01 - <_> - 1.1600035858154297e+02 - - 1 2 2996 1.2500000000000000e+01 0 -1 2997 - 2.7500000000000000e+01 -2 -3 2998 1.9500000000000000e+01 - - -8.3542865514755249e-01 8.1487077474594116e-01 - -1.1515256017446518e-01 5.5976140499114990e-01 - <_> - 1.1629707336425781e+02 - - 1 2 2999 3.4500000000000000e+01 0 -1 3000 - 5.4500000000000000e+01 -2 -3 3001 3.5000000000000000e+00 - - 2.9671633243560791e-01 -8.1005460023880005e-01 - 4.5441552996635437e-01 -6.3396769762039185e-01 - <_> - 1.1664207458496094e+02 - - 1 2 3002 1.5000000000000000e+00 0 -1 3003 - 6.5000000000000000e+00 -2 -3 3004 1.9500000000000000e+01 - - -7.5282824039459229e-01 8.6983382701873779e-01 - -3.2741194963455200e-01 3.4500163793563843e-01 - <_> - 1.1623783111572266e+02 - - 1 2 3005 5.0000000000000000e-01 0 -1 3006 - 3.8475000000000000e+03 -2 -3 3007 4.7500000000000000e+01 - - -4.6906247735023499e-01 4.3219438195228577e-01 - -5.9196656942367554e-01 3.5415863990783691e-01 - <_> - 1.1682369232177734e+02 - - 1 2 3008 3.5450000000000000e+02 0 -1 3009 2759. -2 -3 3010 - 2.6500000000000000e+01 - - -6.3874697685241699e-01 5.8586502075195312e-01 - -7.2635281085968018e-01 2.0415544509887695e-02 - <_> - 1.1681407165527344e+02 - - 1 2 3011 5.7750000000000000e+02 0 -1 3012 - 1.0500000000000000e+01 -2 -3 3013 3.8965000000000000e+03 - - -9.6233375370502472e-03 -8.1473666429519653e-01 - 6.1106562614440918e-01 -7.2611153125762939e-01 - <_> - 1.1703710937500000e+02 - - 1 2 3014 2.5000000000000000e+00 0 -1 3015 - 6.0515000000000000e+03 -2 -3 3016 9.5000000000000000e+00 - - 2.2303590178489685e-01 -7.8184336423873901e-01 - -7.8855013847351074e-01 5.3229647874832153e-01 - <_> - 1.1659355926513672e+02 - - 1 2 3017 1.5500000000000000e+01 0 -1 3018 - 5.6500000000000000e+01 -2 -3 3019 5.5000000000000000e+00 - - -4.4354486465454102e-01 2.7184101939201355e-01 - -9.1781646013259888e-01 4.9616247415542603e-01 - <_> - 1.1686206054687500e+02 - - 1 2 3020 2.3500000000000000e+01 0 -1 3021 - 1.5000000000000000e+00 -2 -3 3022 1039. - - -6.9499677419662476e-01 2.6850062608718872e-01 - 5.3405404090881348e-01 -8.1517779827117920e-01 - <_> - 1.1712821960449219e+02 - - 1 2 3023 1.1500000000000000e+01 0 -1 3024 - 9.3650000000000000e+02 -2 -3 3025 1.2500000000000000e+01 - - -8.8214719295501709e-01 4.2026668787002563e-01 - -6.5273833274841309e-01 3.7967935204505920e-02 - <_> - 1.1673587799072266e+02 - - 1 2 3026 5.0000000000000000e-01 0 -1 3027 - 3.5000000000000000e+00 -2 -3 3028 3.8500000000000000e+01 - - -5.4606467485427856e-01 4.1681709885597229e-01 - -5.9122633934020996e-01 2.8970411419868469e-01 - <_> - 1.1750084686279297e+02 - - 1 2 3029 1.6500000000000000e+01 0 -1 3030 15. -2 -3 3031 - 1.9855000000000000e+03 - - 9.6899873018264771e-01 -1. -8.1302636861801147e-01 - 3.7165968678891659e-03 - <_> - 1.1750557708740234e+02 - - 1 2 3032 8.2150000000000000e+02 0 -1 3033 - 3.5000000000000000e+00 -2 -3 3034 5.0000000000000000e-01 - - -8.6601996421813965e-01 5.9305047988891602e-01 - -8.5805094242095947e-01 4.7341291792690754e-03 - <_> - 1.1816818237304688e+02 - - 1 2 3035 1.6850000000000000e+02 0 -1 3036 - 1.5000000000000000e+00 -2 -3 3037 1.7500000000000000e+01 - - -1. 6.6260558366775513e-01 -6.9309425354003906e-01 - 5.9965264052152634e-02 - <_> - 1.1821002197265625e+02 - - 1 2 3038 620. 0 -1 3039 1182. -2 -3 3040 - 1.5115000000000000e+03 - - 4.1837029159069061e-02 -7.9592239856719971e-01 -1. - 9.2407900094985962e-01 - <_> - 1.1791598510742188e+02 - - 1 2 3041 1.5000000000000000e+00 0 -1 3042 - 5.0000000000000000e-01 -2 -3 3043 6.5000000000000000e+00 - - -7.0829302072525024e-01 4.5243009924888611e-01 - -6.9395291805267334e-01 7.5258597731590271e-02 - <_> - 1.1805176544189453e+02 - - 1 2 3044 229. 0 -1 3045 1.9835000000000000e+03 -2 -3 3046 - 6.5500000000000000e+01 - - 1.3577787578105927e-01 -9.8038744926452637e-01 1. - -9.8189878463745117e-01 - <_> - 1.1815481567382812e+02 - - 1 2 3047 4.5000000000000000e+00 0 -1 3048 3. -2 -3 3049 - 5.0555000000000000e+03 - - -1. 6.8868088722229004e-01 1.0305030643939972e-01 - -9.2723184823989868e-01 - <_> - 1.1790955352783203e+02 - - 1 2 3050 2.4500000000000000e+01 0 -1 3051 - 8.1500000000000000e+01 -2 -3 3052 1.1500000000000000e+01 - - -2.4526403844356537e-01 7.3126202821731567e-01 - 8.8459062576293945e-01 -1. - <_> - 1.1719922637939453e+02 - - 1 2 3053 3.5000000000000000e+00 0 -1 3054 161. -2 -3 3055 - 2.3055000000000000e+03 - - 3.4097507596015930e-01 -7.3160159587860107e-01 - -7.1032357215881348e-01 2.1932438015937805e-01 - <_> - 1.1802425384521484e+02 - - 1 2 3056 1.0775000000000000e+03 0 -1 3057 1069. -2 -3 3058 - 3.4500000000000000e+01 - - -1. 8.2502609491348267e-01 -3.4417897462844849e-01 - 3.8862380385398865e-01 - <_> - 1.1822765350341797e+02 - - 1 2 3059 5.6500000000000000e+01 0 -1 3060 - 3.5000000000000000e+00 -2 -3 3061 1.5500000000000000e+01 - - -9.4351071119308472e-01 2.0340043306350708e-01 - -9.6025758981704712e-01 9.0146809816360474e-01 - <_> - 1.1837182617187500e+02 - - 1 2 3062 1.9150000000000000e+02 0 -1 3063 - 6.0500000000000000e+01 -2 -3 3064 80. - - 1.4417025446891785e-01 -6.5984970331192017e-01 - -9.8928850889205933e-01 9.0138816833496094e-01 - <_> - 1.1857872009277344e+02 - - 1 2 3065 2.1500000000000000e+01 0 -1 3066 - 5.0000000000000000e-01 -2 -3 3067 2330. - - 5.4495859146118164e-01 -7.0084166526794434e-01 - 2.0690013468265533e-01 -9.6294975280761719e-01 - <_> - 1.1802633666992188e+02 - - 1 2 3068 5.7550000000000000e+02 0 -1 3069 - 1.4750000000000000e+02 -2 -3 3070 3.4500000000000000e+01 - - -5.5238926410675049e-01 1.9023463129997253e-01 - -5.1289671659469604e-01 4.9855348467826843e-01 - - <_> - 2 - - 2 3 4 10 - <_> - 1 - - 2 13 3 2 - <_> - 9 - - 2 6 4 3 - <_> - 7 - - 3 7 2 5 - <_> - 0 - - 2 7 4 4 - <_> - 5 - - 4 0 2 11 - <_> - 1 - - 3 13 2 1 - <_> - 3 - - 0 4 7 2 - <_> - 4 - - 2 8 4 5 - <_> - 0 - - 2 2 5 11 - <_> - 7 - - 3 3 2 11 - <_> - 5 - - 0 14 6 1 - <_> - 8 - - 1 0 6 1 - <_> - 3 - - 1 14 6 1 - <_> - 3 - - 1 3 4 7 - <_> - 4 - - 3 5 2 9 - <_> - 1 - - 1 12 6 2 - <_> - 1 - - 0 5 7 3 - <_> - 3 - - 4 14 3 1 - <_> - 5 - - 2 11 5 2 - <_> - 9 - - 3 4 2 10 - <_> - 8 - - 0 3 5 1 - <_> - 2 - - 5 3 2 4 - <_> - 5 - - 3 1 2 5 - <_> - 9 - - 3 8 2 4 - <_> - 9 - - 1 0 1 13 - <_> - 0 - - 3 10 2 3 - <_> - 2 - - 0 14 6 1 - <_> - 1 - - 3 1 2 9 - <_> - 3 - - 0 2 4 6 - <_> - 4 - - 3 2 2 1 - <_> - 7 - - 1 9 6 1 - <_> - 2 - - 1 7 3 5 - <_> - 5 - - 3 14 4 1 - <_> - 9 - - 0 5 7 1 - <_> - 5 - - 5 1 2 12 - <_> - 0 - - 1 1 3 6 - <_> - 3 - - 2 4 2 8 - <_> - 1 - - 0 0 6 15 - <_> - 1 - - 2 12 3 2 - <_> - 5 - - 4 3 3 3 - <_> - 1 - - 3 1 2 8 - <_> - 7 - - 3 6 3 4 - <_> - 5 - - 2 5 5 7 - <_> - 7 - - 3 0 2 2 - <_> - 9 - - 4 5 1 1 - <_> - 9 - - 0 0 7 4 - <_> - 8 - - 1 6 6 1 - <_> - 4 - - 3 9 3 4 - <_> - 5 - - 1 14 3 1 - <_> - 7 - - 2 1 1 3 - <_> - 2 - - 2 7 4 4 - <_> - 5 - - 2 8 2 3 - <_> - 1 - - 3 4 2 8 - <_> - 9 - - 3 5 1 2 - <_> - 8 - - 0 6 7 5 - <_> - 7 - - 0 13 7 2 - <_> - 7 - - 3 6 2 1 - <_> - 7 - - 3 0 4 15 - <_> - 3 - - 1 5 5 1 - <_> - 4 - - 4 14 2 1 - <_> - 5 - - 3 13 4 2 - <_> - 3 - - 2 9 3 4 - <_> - 9 - - 0 6 1 2 - <_> - 9 - - 6 1 1 1 - <_> - 0 - - 2 2 3 10 - <_> - 5 - - 4 6 2 7 - <_> - 7 - - 2 2 4 3 - <_> - 4 - - 3 1 2 7 - <_> - 8 - - 2 3 4 1 - <_> - 4 - - 0 0 3 1 - <_> - 3 - - 0 14 5 1 - <_> - 1 - - 2 4 4 9 - <_> - 3 - - 2 4 1 3 - <_> - 1 - - 0 9 7 2 - <_> - 9 - - 0 4 7 5 - <_> - 2 - - 4 2 3 4 - <_> - 3 - - 2 10 1 1 - <_> - 2 - - 4 14 3 1 - <_> - 2 - - 1 11 4 2 - <_> - 4 - - 0 0 4 2 - <_> - 9 - - 3 4 2 6 - <_> - 9 - - 6 0 1 12 - <_> - 8 - - 2 6 5 2 - <_> - 5 - - 4 9 2 4 - <_> - 2 - - 4 7 1 2 - <_> - 4 - - 3 9 2 5 - <_> - 1 - - 4 12 1 2 - <_> - 5 - - 2 3 5 3 - <_> - 9 - - 4 5 3 10 - <_> - 5 - - 0 5 3 2 - <_> - 1 - - 0 3 2 4 - <_> - 4 - - 5 0 2 3 - <_> - 5 - - 4 4 3 2 - <_> - 7 - - 2 0 5 5 - <_> - 9 - - 0 0 3 1 - <_> - 4 - - 3 1 1 5 - <_> - 9 - - 3 6 1 7 - <_> - 1 - - 1 0 6 14 - <_> - 3 - - 0 14 7 1 - <_> - 4 - - 2 8 4 5 - <_> - 4 - - 0 1 1 10 - <_> - 3 - - 1 4 6 6 - <_> - 7 - - 1 5 6 5 - <_> - 0 - - 3 10 2 3 - <_> - 8 - - 4 2 1 2 - <_> - 9 - - 3 5 2 1 - <_> - 9 - - 0 6 1 6 - <_> - 4 - - 4 1 1 8 - <_> - 1 - - 4 7 1 1 - <_> - 2 - - 2 6 5 9 - <_> - 5 - - 1 14 6 1 - <_> - 7 - - 3 6 1 5 - <_> - 3 - - 2 2 3 4 - <_> - 0 - - 0 2 6 11 - <_> - 1 - - 3 13 1 2 - <_> - 7 - - 6 1 1 6 - <_> - 5 - - 5 3 1 7 - <_> - 4 - - 2 5 3 10 - <_> - 1 - - 1 13 4 1 - <_> - 1 - - 0 13 6 2 - <_> - 2 - - 1 13 5 2 - <_> - 2 - - 5 7 2 1 - <_> - 2 - - 1 12 5 1 - <_> - 1 - - 3 0 1 13 - <_> - 8 - - 0 5 3 9 - <_> - 5 - - 2 1 3 7 - <_> - 7 - - 0 14 6 1 - <_> - 2 - - 2 0 3 2 - <_> - 3 - - 3 1 1 5 - <_> - 9 - - 3 8 2 2 - <_> - 7 - - 4 5 1 3 - <_> - 0 - - 0 13 2 1 - <_> - 9 - - 1 2 2 2 - <_> - 0 - - 3 13 4 2 - <_> - 3 - - 2 9 2 4 - <_> - 8 - - 1 4 5 2 - <_> - 7 - - 3 6 1 1 - <_> - 2 - - 4 3 2 2 - <_> - 5 - - 3 4 4 2 - <_> - 0 - - 4 2 1 7 - <_> - 1 - - 3 0 1 10 - <_> - 4 - - 3 2 1 7 - <_> - 8 - - 1 1 6 4 - <_> - 8 - - 4 0 3 1 - <_> - 2 - - 4 1 3 13 - <_> - 9 - - 4 7 1 4 - <_> - 1 - - 3 12 2 3 - <_> - 3 - - 0 4 4 3 - <_> - 4 - - 3 11 1 4 - <_> - 1 - - 1 0 4 2 - <_> - 4 - - 3 0 4 5 - <_> - 7 - - 3 7 2 3 - <_> - 0 - - 3 7 4 6 - <_> - 9 - - 0 0 5 11 - <_> - 9 - - 0 1 6 3 - <_> - 3 - - 0 0 3 6 - <_> - 3 - - 1 14 6 1 - <_> - 8 - - 6 2 1 9 - <_> - 2 - - 2 11 4 2 - <_> - 4 - - 3 9 1 5 - <_> - 9 - - 0 5 1 4 - <_> - 1 - - 3 5 4 8 - <_> - 2 - - 2 13 4 2 - <_> - 1 - - 5 10 2 1 - <_> - 0 - - 2 5 1 7 - <_> - 2 - - 1 8 3 4 - <_> - 4 - - 2 8 4 6 - <_> - 1 - - 0 7 5 7 - <_> - 5 - - 1 4 6 2 - <_> - 1 - - 6 12 1 2 - <_> - 1 - - 2 1 3 11 - <_> - 3 - - 1 10 1 2 - <_> - 1 - - 3 4 2 6 - <_> - 9 - - 4 5 1 2 - <_> - 7 - - 4 1 3 7 - <_> - 8 - - 3 0 3 10 - <_> - 5 - - 3 3 3 3 - <_> - 7 - - 6 6 1 8 - <_> - 4 - - 3 2 2 2 - <_> - 0 - - 2 14 5 1 - <_> - 5 - - 2 11 4 2 - <_> - 3 - - 0 7 3 4 - <_> - 9 - - 6 4 1 3 - <_> - 1 - - 1 12 6 2 - <_> - 9 - - 3 1 3 1 - <_> - 1 - - 0 0 7 2 - <_> - 2 - - 4 6 2 7 - <_> - 4 - - 4 1 3 7 - <_> - 4 - - 3 2 2 12 - <_> - 1 - - 2 0 2 4 - <_> - 7 - - 3 3 2 3 - <_> - 9 - - 6 0 1 3 - <_> - 7 - - 1 1 4 1 - <_> - 9 - - 1 3 5 9 - <_> - 8 - - 2 3 5 1 - <_> - 5 - - 3 13 4 2 - <_> - 8 - - 2 2 4 9 - <_> - 3 - - 1 3 1 7 - <_> - 1 - - 1 3 1 4 - <_> - 4 - - 3 5 2 10 - <_> - 5 - - 5 5 1 6 - <_> - 7 - - 0 8 4 2 - <_> - 2 - - 5 14 2 1 - <_> - 1 - - 1 13 6 2 - <_> - 3 - - 2 2 2 6 - <_> - 8 - - 0 6 7 1 - <_> - 9 - - 4 9 1 1 - <_> - 9 - - 0 6 2 6 - <_> - 0 - - 2 2 2 12 - <_> - 9 - - 0 5 3 1 - <_> - 1 - - 3 12 3 2 - <_> - 5 - - 4 8 1 5 - <_> - 4 - - 0 3 5 3 - <_> - 1 - - 2 13 5 1 - <_> - 4 - - 0 1 7 6 - <_> - 4 - - 0 12 7 3 - <_> - 5 - - 0 5 3 2 - <_> - 2 - - 4 10 2 2 - <_> - 2 - - 3 14 3 1 - <_> - 2 - - 2 6 1 8 - <_> - 7 - - 2 0 4 2 - <_> - 1 - - 3 4 3 9 - <_> - 9 - - 0 1 1 1 - <_> - 3 - - 3 4 2 1 - <_> - 0 - - 0 13 2 2 - <_> - 3 - - 2 4 1 3 - <_> - 9 - - 3 4 1 3 - <_> - 7 - - 1 6 4 4 - <_> - 3 - - 3 11 3 2 - <_> - 7 - - 0 1 1 1 - <_> - 1 - - 4 8 1 7 - <_> - 8 - - 3 3 2 2 - <_> - 0 - - 3 4 1 11 - <_> - 2 - - 5 2 1 5 - <_> - 5 - - 5 1 1 11 - <_> - 7 - - 3 8 4 2 - <_> - 9 - - 3 9 2 4 - <_> - 5 - - 2 6 3 7 - <_> - 3 - - 2 3 5 3 - <_> - 7 - - 3 14 1 1 - <_> - 5 - - 0 0 5 1 - <_> - 7 - - 4 5 1 3 - <_> - 9 - - 4 4 1 3 - <_> - 8 - - 6 4 1 4 - <_> - 7 - - 0 3 7 12 - <_> - 7 - - 3 10 4 1 - <_> - 9 - - 3 0 2 11 - <_> - 3 - - 2 2 1 4 - <_> - 0 - - 2 10 4 2 - <_> - 1 - - 2 0 5 2 - <_> - 0 - - 1 13 6 2 - <_> - 1 - - 3 0 2 9 - <_> - 7 - - 6 1 1 1 - <_> - 4 - - 2 8 4 5 - <_> - 5 - - 4 1 1 2 - <_> - 7 - - 1 2 1 5 - <_> - 0 - - 0 11 7 2 - <_> - 3 - - 2 3 4 3 - <_> - 4 - - 0 12 5 3 - <_> - 2 - - 1 4 3 2 - <_> - 3 - - 4 14 3 1 - <_> - 0 - - 3 12 4 1 - <_> - 5 - - 1 13 4 2 - <_> - 9 - - 2 0 1 2 - <_> - 7 - - 6 1 1 2 - <_> - 3 - - 2 0 2 14 - <_> - 9 - - 1 4 6 4 - <_> - 5 - - 4 5 3 1 - <_> - 1 - - 0 0 6 2 - <_> - 8 - - 0 2 6 9 - <_> - 7 - - 0 11 2 1 - <_> - 1 - - 6 6 1 8 - <_> - 1 - - 3 5 2 5 - <_> - 9 - - 4 0 3 3 - <_> - 3 - - 3 3 1 1 - <_> - 4 - - 4 11 1 4 - <_> - 1 - - 4 12 2 2 - <_> - 0 - - 3 9 3 4 - <_> - 2 - - 3 4 2 8 - <_> - 1 - - 3 7 4 1 - <_> - 0 - - 1 13 6 1 - <_> - 4 - - 4 1 1 8 - <_> - 4 - - 2 6 1 9 - <_> - 4 - - 3 1 4 14 - <_> - 5 - - 1 14 6 1 - <_> - 5 - - 2 9 3 4 - <_> - 3 - - 0 3 5 3 - <_> - 1 - - 0 0 7 2 - <_> - 5 - - 0 2 7 1 - <_> - 7 - - 3 7 2 1 - <_> - 0 - - 0 2 7 11 - <_> - 4 - - 0 6 2 4 - <_> - 1 - - 2 12 3 1 - <_> - 7 - - 3 7 4 1 - <_> - 5 - - 4 1 2 12 - <_> - 2 - - 1 8 1 1 - <_> - 4 - - 3 2 1 4 - <_> - 7 - - 2 14 3 1 - <_> - 8 - - 2 0 5 2 - <_> - 9 - - 4 5 1 7 - <_> - 9 - - 6 2 1 2 - <_> - 3 - - 0 7 4 7 - <_> - 4 - - 3 8 2 5 - <_> - 2 - - 5 13 2 2 - <_> - 7 - - 4 8 1 5 - <_> - 5 - - 3 11 3 2 - <_> - 3 - - 2 11 4 2 - <_> - 8 - - 5 4 2 6 - <_> - 1 - - 4 5 1 10 - <_> - 9 - - 3 9 2 3 - <_> - 0 - - 1 3 4 1 - <_> - 3 - - 2 2 1 7 - <_> - 7 - - 1 2 1 7 - <_> - 5 - - 4 4 2 9 - <_> - 5 - - 0 14 4 1 - <_> - 5 - - 0 2 5 5 - <_> - 1 - - 5 3 1 4 - <_> - 1 - - 1 12 4 2 - <_> - 3 - - 0 1 4 6 - <_> - 9 - - 4 5 3 1 - <_> - 3 - - 0 0 2 4 - <_> - 3 - - 1 0 5 1 - <_> - 5 - - 1 12 3 3 - <_> - 2 - - 2 3 4 10 - <_> - 1 - - 1 13 1 1 - <_> - 4 - - 0 8 2 7 - <_> - 7 - - 0 13 2 2 - <_> - 1 - - 6 13 1 2 - <_> - 5 - - 4 2 2 10 - <_> - 1 - - 2 3 5 10 - <_> - 5 - - 3 14 4 1 - <_> - 5 - - 4 0 2 1 - <_> - 5 - - 5 4 2 8 - <_> - 7 - - 1 1 3 13 - <_> - 3 - - 0 4 3 6 - <_> - 1 - - 4 0 2 14 - <_> - 7 - - 2 1 1 1 - <_> - 3 - - 3 3 2 9 - <_> - 7 - - 1 7 1 1 - <_> - 7 - - 0 4 7 8 - <_> - 7 - - 1 2 1 1 - <_> - 9 - - 2 5 4 7 - <_> - 4 - - 0 7 1 3 - <_> - 5 - - 4 5 2 1 - <_> - 3 - - 2 12 3 1 - <_> - 1 - - 2 8 2 4 - <_> - 2 - - 2 14 1 1 - <_> - 7 - - 3 13 2 1 - <_> - 5 - - 1 11 6 4 - <_> - 8 - - 0 6 7 2 - <_> - 4 - - 4 1 1 5 - <_> - 1 - - 3 3 2 2 - <_> - 5 - - 3 3 2 2 - <_> - 1 - - 0 5 5 2 - <_> - 8 - - 0 0 7 1 - <_> - 1 - - 1 7 6 1 - <_> - 5 - - 4 12 2 1 - <_> - 7 - - 6 11 1 2 - <_> - 1 - - 1 0 5 14 - <_> - 0 - - 0 11 1 3 - <_> - 1 - - 2 4 3 8 - <_> - 2 - - 1 5 2 3 - <_> - 3 - - 2 14 5 1 - <_> - 5 - - 3 11 4 3 - <_> - 5 - - 4 3 2 7 - <_> - 9 - - 3 7 1 7 - <_> - 1 - - 2 9 4 3 - <_> - 3 - - 3 3 2 3 - <_> - 9 - - 5 1 2 1 - <_> - 7 - - 6 12 1 2 - <_> - 8 - - 1 5 6 4 - <_> - 9 - - 2 4 2 2 - <_> - 8 - - 0 5 2 3 - <_> - 1 - - 0 10 7 4 - <_> - 4 - - 3 9 3 4 - <_> - 3 - - 2 5 2 9 - <_> - 3 - - 2 3 2 7 - <_> - 9 - - 1 4 6 4 - <_> - 1 - - 2 12 3 2 - <_> - 3 - - 1 3 4 3 - <_> - 7 - - 4 5 1 1 - <_> - 7 - - 2 0 5 15 - <_> - 2 - - 5 4 2 2 - <_> - 1 - - 0 8 5 7 - <_> - 5 - - 2 14 5 1 - <_> - 7 - - 5 5 1 4 - <_> - 5 - - 1 5 6 7 - <_> - 7 - - 1 0 6 9 - <_> - 4 - - 1 5 6 2 - <_> - 9 - - 4 6 2 6 - <_> - 1 - - 0 5 5 2 - <_> - 8 - - 2 6 5 1 - <_> - 0 - - 4 8 2 5 - <_> - 9 - - 0 4 6 5 - <_> - 2 - - 3 13 4 2 - <_> - 3 - - 2 9 1 2 - <_> - 7 - - 1 9 6 2 - <_> - 2 - - 1 1 4 1 - <_> - 5 - - 2 3 5 3 - <_> - 4 - - 6 2 1 12 - <_> - 4 - - 2 8 3 5 - <_> - 2 - - 1 11 5 2 - <_> - 4 - - 1 7 1 8 - <_> - 3 - - 2 13 4 2 - <_> - 1 - - 3 5 2 1 - <_> - 4 - - 4 1 1 8 - <_> - 3 - - 2 0 4 10 - <_> - 1 - - 3 12 1 2 - <_> - 3 - - 0 4 7 1 - <_> - 4 - - 2 1 5 14 - <_> - 4 - - 0 6 2 5 - <_> - 8 - - 2 0 4 1 - <_> - 5 - - 3 10 3 3 - <_> - 9 - - 4 4 3 7 - <_> - 4 - - 2 5 5 1 - <_> - 3 - - 2 3 5 3 - <_> - 2 - - 2 14 3 1 - <_> - 0 - - 2 1 3 4 - <_> - 5 - - 5 1 1 10 - <_> - 0 - - 2 0 5 2 - <_> - 1 - - 0 3 7 4 - <_> - 4 - - 6 4 1 3 - <_> - 1 - - 3 7 2 6 - <_> - 2 - - 2 7 4 5 - <_> - 5 - - 5 11 1 1 - <_> - 7 - - 0 7 4 3 - <_> - 9 - - 3 5 2 3 - <_> - 7 - - 3 6 2 1 - <_> - 0 - - 1 10 3 2 - <_> - 3 - - 0 13 2 1 - <_> - 7 - - 4 14 1 1 - <_> - 0 - - 2 6 2 6 - <_> - 0 - - 3 10 4 3 - <_> - 7 - - 4 14 1 1 - <_> - 8 - - 4 3 1 1 - <_> - 8 - - 0 7 2 1 - <_> - 0 - - 3 13 3 2 - <_> - 8 - - 1 1 5 7 - <_> - 4 - - 2 2 2 6 - <_> - 0 - - 0 4 7 3 - <_> - 9 - - 0 1 1 3 - <_> - 2 - - 2 3 4 5 - <_> - 9 - - 3 1 2 11 - <_> - 8 - - 3 3 2 10 - <_> - 2 - - 5 13 2 2 - <_> - 1 - - 1 1 4 11 - <_> - 3 - - 1 4 5 9 - <_> - 7 - - 1 6 3 2 - <_> - 8 - - 1 9 4 3 - <_> - 3 - - 1 11 4 2 - <_> - 0 - - 3 7 1 7 - <_> - 4 - - 2 8 4 5 - <_> - 1 - - 0 0 7 1 - <_> - 1 - - 3 3 2 11 - <_> - 5 - - 5 3 2 3 - <_> - 7 - - 3 11 1 2 - <_> - 4 - - 3 6 2 7 - <_> - 3 - - 1 4 1 2 - <_> - 1 - - 3 12 3 3 - <_> - 4 - - 0 4 7 1 - <_> - 4 - - 0 13 5 2 - <_> - 0 - - 1 13 5 2 - <_> - 9 - - 1 0 2 2 - <_> - 4 - - 6 9 1 2 - <_> - 2 - - 4 2 2 4 - <_> - 5 - - 4 4 2 8 - <_> - 1 - - 3 1 4 14 - <_> - 7 - - 2 13 4 2 - <_> - 9 - - 4 8 1 3 - <_> - 7 - - 3 6 2 4 - <_> - 9 - - 6 0 1 15 - <_> - 9 - - 5 4 2 1 - <_> - 9 - - 2 4 3 11 - <_> - 2 - - 1 11 5 2 - <_> - 8 - - 0 4 5 9 - <_> - 7 - - 3 7 2 4 - <_> - 0 - - 0 13 3 2 - <_> - 0 - - 1 8 6 4 - <_> - 7 - - 3 10 2 2 - <_> - 8 - - 2 2 4 2 - <_> - 8 - - 4 3 1 2 - <_> - 1 - - 3 7 2 7 - <_> - 2 - - 5 2 1 4 - <_> - 5 - - 4 4 1 3 - <_> - 5 - - 3 14 4 1 - <_> - 4 - - 1 11 6 1 - <_> - 5 - - 1 0 3 3 - <_> - 7 - - 3 8 2 3 - <_> - 3 - - 0 0 3 4 - <_> - 1 - - 0 0 7 2 - <_> - 5 - - 0 8 6 4 - <_> - 3 - - 3 1 2 5 - <_> - 4 - - 3 5 1 10 - <_> - 4 - - 2 4 4 1 - <_> - 1 - - 0 2 7 4 - <_> - 8 - - 6 5 1 5 - <_> - 1 - - 0 8 6 3 - <_> - 9 - - 3 4 2 2 - <_> - 7 - - 1 4 1 1 - <_> - 7 - - 0 4 7 11 - <_> - 2 - - 0 14 6 1 - <_> - 9 - - 2 5 5 4 - <_> - 3 - - 3 14 4 1 - <_> - 5 - - 4 2 2 11 - <_> - 1 - - 3 9 2 3 - <_> - 8 - - 0 6 7 6 - <_> - 3 - - 1 5 4 1 - <_> - 7 - - 1 2 3 4 - <_> - 0 - - 2 12 5 1 - <_> - 9 - - 1 2 1 2 - <_> - 7 - - 1 1 1 2 - <_> - 4 - - 3 1 2 8 - <_> - 9 - - 0 4 7 2 - <_> - 1 - - 1 12 3 2 - <_> - 5 - - 3 2 4 4 - <_> - 1 - - 2 4 4 9 - <_> - 2 - - 3 2 2 2 - <_> - 1 - - 0 10 7 1 - <_> - 2 - - 5 13 2 2 - <_> - 9 - - 2 3 4 1 - <_> - 3 - - 1 6 6 3 - <_> - 2 - - 4 8 2 5 - <_> - 7 - - 3 8 1 2 - <_> - 2 - - 2 14 3 1 - <_> - 4 - - 3 2 2 2 - <_> - 1 - - 3 2 2 3 - <_> - 4 - - 3 5 1 5 - <_> - 9 - - 0 6 1 4 - <_> - 3 - - 2 4 2 3 - <_> - 4 - - 0 12 6 3 - <_> - 1 - - 1 13 6 2 - <_> - 3 - - 2 4 5 4 - <_> - 4 - - 1 12 5 3 - <_> - 0 - - 3 10 3 3 - <_> - 7 - - 0 11 7 1 - <_> - 0 - - 3 13 3 2 - <_> - 5 - - 4 4 3 2 - <_> - 9 - - 4 6 1 6 - <_> - 2 - - 2 7 3 5 - <_> - 8 - - 2 5 5 2 - <_> - 3 - - 1 1 1 3 - <_> - 8 - - 3 2 4 11 - <_> - 1 - - 3 1 1 10 - <_> - 4 - - 1 5 6 1 - <_> - 4 - - 0 1 7 14 - <_> - 1 - - 1 10 6 4 - <_> - 4 - - 0 9 1 2 - <_> - 1 - - 5 13 2 2 - <_> - 8 - - 2 0 5 1 - <_> - 9 - - 1 4 5 2 - <_> - 9 - - 2 14 4 1 - <_> - 7 - - 5 0 2 3 - <_> - 4 - - 0 8 7 7 - <_> - 5 - - 4 2 2 12 - <_> - 3 - - 2 11 5 2 - <_> - 5 - - 1 11 2 1 - <_> - 3 - - 6 11 1 3 - <_> - 5 - - 1 5 6 1 - <_> - 4 - - 2 1 5 14 - <_> - 2 - - 0 14 6 1 - <_> - 7 - - 3 5 4 5 - <_> - 0 - - 0 0 3 8 - <_> - 7 - - 1 0 1 3 - <_> - 1 - - 3 4 2 8 - <_> - 1 - - 4 11 3 3 - <_> - 1 - - 0 1 3 6 - <_> - 9 - - 0 6 1 5 - <_> - 8 - - 5 4 1 4 - <_> - 9 - - 0 5 6 3 - <_> - 5 - - 4 10 2 3 - <_> - 5 - - 5 7 1 2 - <_> - 5 - - 4 13 3 2 - <_> - 4 - - 2 11 5 1 - <_> - 4 - - 3 2 3 2 - <_> - 4 - - 0 8 6 6 - <_> - 3 - - 3 2 1 3 - <_> - 7 - - 1 0 6 11 - <_> - 0 - - 2 2 5 12 - <_> - 5 - - 0 14 4 1 - <_> - 3 - - 3 7 3 4 - <_> - 0 - - 4 8 2 3 - <_> - 4 - - 2 8 5 7 - <_> - 9 - - 6 0 1 5 - <_> - 7 - - 2 0 3 1 - <_> - 1 - - 3 12 2 2 - <_> - 3 - - 0 3 4 4 - <_> - 9 - - 3 7 3 5 - <_> - 3 - - 2 3 4 8 - <_> - 4 - - 0 6 1 3 - <_> - 4 - - 2 10 3 4 - <_> - 3 - - 2 14 5 1 - <_> - 9 - - 0 2 2 13 - <_> - 4 - - 0 9 2 2 - <_> - 9 - - 0 5 7 1 - <_> - 1 - - 3 1 2 7 - <_> - 0 - - 3 10 3 3 - <_> - 7 - - 2 6 4 4 - <_> - 2 - - 3 3 2 9 - <_> - 7 - - 1 2 1 1 - <_> - 4 - - 3 9 1 3 - <_> - 2 - - 3 7 2 3 - <_> - 5 - - 0 5 7 1 - <_> - 3 - - 0 11 5 2 - <_> - 5 - - 3 11 2 2 - <_> - 2 - - 0 14 6 1 - <_> - 4 - - 2 11 2 2 - <_> - 9 - - 2 8 4 2 - <_> - 2 - - 2 11 3 2 - <_> - 8 - - 0 6 7 2 - <_> - 7 - - 1 3 1 10 - <_> - 7 - - 0 2 1 13 - <_> - 2 - - 4 10 2 3 - <_> - 7 - - 1 11 6 2 - <_> - 1 - - 0 0 7 2 - <_> - 2 - - 2 7 2 4 - <_> - 7 - - 0 0 1 2 - <_> - 4 - - 3 2 2 3 - <_> - 5 - - 3 3 4 4 - <_> - 1 - - 1 12 6 2 - <_> - 5 - - 3 5 1 5 - <_> - 5 - - 0 14 7 1 - <_> - 1 - - 3 4 4 9 - <_> - 3 - - 0 13 6 2 - <_> - 5 - - 4 2 2 11 - <_> - 9 - - 3 5 2 8 - <_> - 9 - - 2 5 5 7 - <_> - 5 - - 0 14 5 1 - <_> - 5 - - 3 11 3 3 - <_> - 8 - - 0 2 7 12 - <_> - 9 - - 6 3 1 1 - <_> - 2 - - 0 3 1 8 - <_> - 9 - - 3 4 2 1 - <_> - 4 - - 3 8 2 5 - <_> - 7 - - 0 8 5 7 - <_> - 0 - - 0 10 4 2 - <_> - 7 - - 1 9 5 1 - <_> - 7 - - 2 3 4 11 - <_> - 7 - - 3 6 2 1 - <_> - 3 - - 1 4 6 8 - <_> - 7 - - 2 6 2 1 - <_> - 0 - - 2 11 4 2 - <_> - 2 - - 5 13 2 2 - <_> - 4 - - 1 2 6 4 - <_> - 4 - - 2 7 5 3 - <_> - 4 - - 0 1 1 1 - <_> - 3 - - 3 0 4 9 - <_> - 4 - - 4 0 2 2 - <_> - 3 - - 1 10 6 5 - <_> - 0 - - 2 2 2 6 - <_> - 9 - - 0 0 7 4 - <_> - 8 - - 3 2 3 2 - <_> - 3 - - 3 4 1 1 - <_> - 9 - - 2 3 4 6 - <_> - 4 - - 4 1 1 7 - <_> - 7 - - 3 14 2 1 - <_> - 5 - - 4 6 3 9 - <_> - 1 - - 3 0 4 13 - <_> - 1 - - 2 12 4 2 - <_> - 3 - - 2 0 4 1 - <_> - 4 - - 1 14 6 1 - <_> - 8 - - 1 8 4 2 - <_> - 1 - - 1 6 6 8 - <_> - 3 - - 2 4 2 8 - <_> - 7 - - 1 0 1 8 - <_> - 4 - - 0 3 5 3 - <_> - 2 - - 2 9 3 4 - <_> - 9 - - 2 4 4 2 - <_> - 1 - - 1 1 4 13 - <_> - 0 - - 0 13 2 2 - <_> - 3 - - 1 4 2 3 - <_> - 8 - - 0 0 7 7 - <_> - 7 - - 1 14 1 1 - <_> - 2 - - 3 13 2 2 - <_> - 3 - - 1 4 4 2 - <_> - 1 - - 4 9 1 3 - <_> - 1 - - 2 13 3 2 - <_> - 0 - - 2 10 4 2 - <_> - 8 - - 2 1 5 4 - <_> - 8 - - 3 3 2 1 - <_> - 0 - - 2 4 1 1 - <_> - 1 - - 3 12 2 2 - <_> - 5 - - 1 4 6 2 - <_> - 9 - - 3 4 4 9 - <_> - 9 - - 6 1 1 1 - <_> - 0 - - 0 9 3 2 - <_> - 2 - - 3 6 3 7 - <_> - 9 - - 0 5 2 2 - <_> - 2 - - 2 0 3 3 - <_> - 3 - - 0 3 7 3 - <_> - 9 - - 0 1 2 3 - <_> - 1 - - 0 7 6 7 - <_> - 0 - - 1 13 4 2 - <_> - 0 - - 1 2 5 12 - <_> - 1 - - 0 13 5 2 - <_> - 7 - - 3 5 3 5 - <_> - 8 - - 2 2 1 9 - <_> - 9 - - 2 4 2 3 - <_> - 2 - - 2 3 2 11 - <_> - 1 - - 2 12 3 2 - <_> - 3 - - 0 0 5 7 - <_> - 1 - - 0 11 7 2 - <_> - 5 - - 1 13 4 2 - <_> - 5 - - 4 6 3 8 - <_> - 8 - - 5 6 1 4 - <_> - 1 - - 0 0 1 6 - <_> - 3 - - 0 3 6 4 - <_> - 9 - - 3 0 1 14 - <_> - 4 - - 3 9 1 6 - <_> - 1 - - 3 2 1 10 - <_> - 5 - - 5 9 1 2 - <_> - 0 - - 2 14 3 1 - <_> - 4 - - 2 8 4 6 - <_> - 5 - - 3 3 4 3 - <_> - 7 - - 1 0 1 8 - <_> - 7 - - 3 0 4 15 - <_> - 3 - - 1 3 3 2 - <_> - 9 - - 2 5 2 1 - <_> - 9 - - 6 0 1 6 - <_> - 5 - - 4 9 1 5 - <_> - 5 - - 0 5 7 2 - <_> - 4 - - 4 6 3 3 - <_> - 1 - - 0 4 7 5 - <_> - 3 - - 0 14 7 1 - <_> - 1 - - 4 5 1 7 - <_> - 9 - - 3 3 1 12 - <_> - 1 - - 4 0 1 11 - <_> - 4 - - 2 2 3 4 - <_> - 8 - - 0 5 7 7 - <_> - 3 - - 1 7 3 7 - <_> - 3 - - 6 6 1 1 - <_> - 2 - - 3 1 4 9 - <_> - 5 - - 4 2 1 1 - <_> - 9 - - 1 7 5 3 - <_> - 0 - - 1 10 6 3 - <_> - 9 - - 0 6 2 6 - <_> - 3 - - 5 6 2 8 - <_> - 9 - - 0 7 5 2 - <_> - 7 - - 4 6 1 2 - <_> - 5 - - 5 1 1 8 - <_> - 0 - - 2 3 5 6 - <_> - 0 - - 2 0 5 2 - <_> - 1 - - 2 12 4 2 - <_> - 5 - - 0 11 2 3 - <_> - 3 - - 1 5 6 2 - <_> - 9 - - 3 4 1 9 - <_> - 7 - - 1 8 4 2 - <_> - 1 - - 2 1 4 12 - <_> - 8 - - 2 3 4 1 - <_> - 1 - - 0 10 5 1 - <_> - 4 - - 3 1 2 8 - <_> - 1 - - 3 7 2 1 - <_> - 5 - - 3 8 2 5 - <_> - 2 - - 4 14 2 1 - <_> - 4 - - 3 8 2 5 - <_> - 3 - - 6 1 1 1 - <_> - 2 - - 2 3 4 10 - <_> - 2 - - 4 4 2 1 - <_> - 7 - - 3 14 1 1 - <_> - 1 - - 0 5 5 2 - <_> - 2 - - 0 12 7 3 - <_> - 2 - - 5 4 1 11 - <_> - 8 - - 1 2 6 3 - <_> - 8 - - 0 3 5 1 - <_> - 1 - - 6 1 1 7 - <_> - 5 - - 2 4 1 1 - <_> - 9 - - 3 6 1 7 - <_> - 4 - - 6 9 1 1 - <_> - 5 - - 5 4 1 6 - <_> - 9 - - 3 2 3 11 - <_> - 4 - - 0 9 2 3 - <_> - 5 - - 3 14 4 1 - <_> - 3 - - 1 12 5 1 - <_> - 3 - - 0 3 4 8 - <_> - 1 - - 3 2 2 10 - <_> - 1 - - 1 13 2 2 - <_> - 2 - - 5 1 1 6 - <_> - 1 - - 4 10 3 3 - <_> - 4 - - 6 10 1 2 - <_> - 7 - - 4 7 3 1 - <_> - 0 - - 2 2 4 10 - <_> - 1 - - 3 5 2 8 - <_> - 9 - - 1 0 2 2 - <_> - 9 - - 0 5 7 3 - <_> - 2 - - 4 2 3 2 - <_> - 7 - - 1 10 6 2 - <_> - 1 - - 3 0 4 2 - <_> - 5 - - 3 2 4 1 - <_> - 7 - - 3 7 2 4 - <_> - 5 - - 1 4 6 2 - <_> - 0 - - 1 1 6 1 - <_> - 1 - - 2 10 1 1 - <_> - 9 - - 6 0 1 14 - <_> - 7 - - 6 11 1 3 - <_> - 1 - - 5 8 2 6 - <_> - 3 - - 2 9 2 4 - <_> - 3 - - 0 12 3 1 - <_> - 2 - - 3 13 4 2 - <_> - 4 - - 2 8 5 6 - <_> - 2 - - 2 7 1 2 - <_> - 2 - - 1 6 5 1 - <_> - 3 - - 1 14 6 1 - <_> - 5 - - 3 12 2 1 - <_> - 3 - - 0 1 4 6 - <_> - 8 - - 2 0 4 1 - <_> - 4 - - 0 6 3 2 - <_> - 9 - - 4 9 1 1 - <_> - 7 - - 0 5 7 5 - <_> - 1 - - 3 1 2 8 - <_> - 1 - - 0 5 3 3 - <_> - 2 - - 4 3 2 10 - <_> - 4 - - 3 4 1 10 - <_> - 9 - - 0 4 7 2 - <_> - 1 - - 2 0 2 9 - <_> - 4 - - 3 2 1 4 - <_> - 4 - - 1 14 6 1 - <_> - 0 - - 1 13 1 1 - <_> - 3 - - 2 11 4 2 - <_> - 2 - - 0 12 2 1 - <_> - 3 - - 2 3 2 8 - <_> - 9 - - 1 5 4 2 - <_> - 0 - - 4 6 2 6 - <_> - 8 - - 3 3 2 1 - <_> - 4 - - 0 0 4 1 - <_> - 7 - - 1 8 6 3 - <_> - 7 - - 4 14 1 1 - <_> - 4 - - 1 12 6 3 - <_> - 5 - - 3 2 4 4 - <_> - 1 - - 0 12 5 1 - <_> - 3 - - 0 3 3 3 - <_> - 8 - - 0 0 7 7 - <_> - 1 - - 3 7 2 6 - <_> - 0 - - 0 2 6 4 - <_> - 1 - - 2 4 4 10 - <_> - 1 - - 3 12 2 3 - <_> - 7 - - 2 3 4 1 - <_> - 9 - - 0 4 7 11 - <_> - 0 - - 2 10 3 1 - <_> - 7 - - 1 11 6 1 - <_> - 1 - - 4 4 1 11 - <_> - 0 - - 2 14 3 1 - <_> - 9 - - 2 14 4 1 - <_> - 5 - - 4 5 3 2 - <_> - 1 - - 1 3 4 2 - <_> - 2 - - 2 10 3 2 - <_> - 4 - - 1 1 4 14 - <_> - 1 - - 1 0 4 2 - <_> - 3 - - 2 2 3 2 - <_> - 7 - - 3 6 2 1 - <_> - 4 - - 4 1 1 8 - <_> - 4 - - 0 0 6 15 - <_> - 5 - - 3 3 2 2 - <_> - 4 - - 4 3 3 4 - <_> - 9 - - 0 5 7 1 - <_> - 3 - - 1 4 3 2 - <_> - 3 - - 0 4 7 2 - <_> - 1 - - 3 12 3 3 - <_> - 2 - - 0 5 4 9 - <_> - 9 - - 0 0 2 4 - <_> - 2 - - 2 10 3 2 - <_> - 2 - - 0 14 3 1 - <_> - 5 - - 2 5 3 7 - <_> - 2 - - 2 9 3 4 - <_> - 4 - - 1 11 6 2 - <_> - 8 - - 4 0 2 1 - <_> - 0 - - 2 9 3 3 - <_> - 1 - - 3 4 3 6 - <_> - 9 - - 4 6 1 1 - <_> - 9 - - 0 11 4 1 - <_> - 3 - - 2 3 1 10 - <_> - 2 - - 2 0 4 2 - <_> - 1 - - 2 13 1 1 - <_> - 2 - - 4 0 1 1 - <_> - 5 - - 2 11 4 2 - <_> - 4 - - 2 1 5 14 - <_> - 3 - - 3 1 1 5 - <_> - 5 - - 1 14 6 1 - <_> - 4 - - 3 4 1 11 - <_> - 9 - - 3 7 1 7 - <_> - 3 - - 1 4 5 9 - <_> - 1 - - 0 3 7 4 - <_> - 4 - - 3 2 2 3 - <_> - 7 - - 3 6 2 5 - <_> - 2 - - 3 1 4 12 - <_> - 1 - - 0 0 6 3 - <_> - 2 - - 1 13 4 2 - <_> - 1 - - 2 0 4 13 - <_> - 7 - - 3 7 2 1 - <_> - 8 - - 0 6 7 1 - <_> - 4 - - 2 12 4 3 - <_> - 2 - - 0 11 7 4 - <_> - 4 - - 4 7 3 4 - <_> - 1 - - 0 10 4 4 - <_> - 5 - - 5 2 1 11 - <_> - 3 - - 4 14 3 1 - <_> - 1 - - 4 12 3 3 - <_> - 4 - - 1 14 5 1 - <_> - 2 - - 2 7 4 4 - <_> - 7 - - 1 8 1 1 - <_> - 7 - - 1 7 2 3 - <_> - 3 - - 0 4 3 2 - <_> - 4 - - 2 7 3 1 - <_> - 9 - - 4 5 3 5 - <_> - 4 - - 3 6 2 6 - <_> - 1 - - 0 7 5 3 - <_> - 7 - - 3 4 2 1 - <_> - 5 - - 3 14 4 1 - <_> - 1 - - 2 9 2 3 - <_> - 7 - - 1 0 4 1 - <_> - 0 - - 2 10 5 3 - <_> - 9 - - 4 5 2 2 - <_> - 9 - - 6 0 1 13 - <_> - 0 - - 3 13 4 2 - <_> - 8 - - 3 1 2 3 - <_> - 8 - - 1 13 4 1 - <_> - 7 - - 0 9 6 1 - <_> - 9 - - 3 3 2 7 - <_> - 5 - - 4 0 3 6 - <_> - 4 - - 2 8 4 5 - <_> - 2 - - 4 2 3 4 - <_> - 4 - - 3 7 3 1 - <_> - 0 - - 0 1 5 1 - <_> - 1 - - 0 7 7 7 - <_> - 4 - - 4 3 3 2 - <_> - 4 - - 3 3 2 3 - <_> - 9 - - 4 4 1 2 - <_> - 4 - - 2 0 5 6 - <_> - 9 - - 1 3 6 6 - <_> - 3 - - 2 11 5 2 - <_> - 3 - - 0 0 3 9 - <_> - 8 - - 3 2 4 6 - <_> - 4 - - 0 8 7 7 - <_> - 8 - - 5 0 2 6 - <_> - 3 - - 0 0 2 3 - <_> - 0 - - 2 3 2 2 - <_> - 1 - - 0 13 7 2 - <_> - 2 - - 0 14 5 1 - <_> - 5 - - 3 12 4 2 - <_> - 0 - - 5 7 2 2 - <_> - 3 - - 1 0 6 1 - <_> - 2 - - 2 2 4 9 - <_> - 3 - - 0 4 2 3 - <_> - 1 - - 1 11 1 4 - <_> - 1 - - 0 13 5 1 - <_> - 0 - - 4 6 2 9 - <_> - 5 - - 4 0 1 7 - <_> - 7 - - 5 11 2 3 - <_> - 9 - - 1 8 6 4 - <_> - 9 - - 1 3 1 2 - <_> - 4 - - 0 12 2 3 - <_> - 9 - - 1 5 6 1 - <_> - 8 - - 3 3 2 1 - <_> - 1 - - 1 10 2 1 - <_> - 1 - - 3 5 2 8 - <_> - 5 - - 5 5 2 1 - <_> - 7 - - 3 12 2 3 - <_> - 3 - - 0 7 6 7 - <_> - 7 - - 0 6 7 8 - <_> - 1 - - 6 10 1 4 - <_> - 9 - - 3 1 1 1 - <_> - 3 - - 1 3 3 10 - <_> - 1 - - 0 5 6 2 - <_> - 2 - - 2 12 4 1 - <_> - 5 - - 2 14 4 1 - <_> - 4 - - 2 8 3 5 - <_> - 3 - - 2 4 3 3 - <_> - 3 - - 1 5 3 2 - <_> - 7 - - 3 8 2 1 - <_> - 9 - - 0 5 7 1 - <_> - 0 - - 2 11 4 1 - <_> - 9 - - 0 8 7 2 - <_> - 2 - - 2 13 4 2 - <_> - 1 - - 4 0 1 9 - <_> - 3 - - 2 6 2 4 - <_> - 4 - - 3 8 3 6 - <_> - 2 - - 2 5 4 8 - <_> - 9 - - 0 0 7 10 - <_> - 3 - - 2 13 5 2 - <_> - 4 - - 2 5 5 1 - <_> - 0 - - 0 8 4 2 - <_> - 2 - - 2 4 1 2 - <_> - 5 - - 4 2 2 11 - <_> - 7 - - 6 1 1 9 - <_> - 4 - - 2 3 3 8 - <_> - 8 - - 0 3 4 7 - <_> - 7 - - 5 3 1 1 - <_> - 9 - - 3 5 1 6 - <_> - 7 - - 2 14 2 1 - <_> - 7 - - 6 2 1 3 - <_> - 9 - - 0 0 7 3 - <_> - 1 - - 0 0 6 1 - <_> - 7 - - 0 6 1 7 - <_> - 1 - - 4 5 1 7 - <_> - 3 - - 4 14 3 1 - <_> - 3 - - 3 0 4 8 - <_> - 0 - - 0 9 6 2 - <_> - 7 - - 1 3 2 4 - <_> - 7 - - 2 3 4 10 - <_> - 3 - - 0 2 4 3 - <_> - 0 - - 3 9 1 4 - <_> - 7 - - 1 11 6 2 - <_> - 8 - - 1 1 6 3 - <_> - 1 - - 0 10 2 1 - <_> - 3 - - 5 12 1 2 - <_> - 4 - - 4 6 3 9 - <_> - 3 - - 1 5 5 2 - <_> - 7 - - 0 6 4 1 - <_> - 1 - - 3 12 2 2 - <_> - 1 - - 1 4 6 11 - <_> - 1 - - 3 3 2 1 - <_> - 3 - - 1 0 5 1 - <_> - 9 - - 0 5 4 1 - <_> - 9 - - 0 11 2 2 - <_> - 0 - - 0 10 2 4 - <_> - 1 - - 2 4 3 8 - <_> - 7 - - 1 8 4 7 - <_> - 1 - - 0 9 7 2 - <_> - 3 - - 0 14 4 1 - <_> - 5 - - 4 6 2 7 - <_> - 4 - - 3 1 1 3 - <_> - 4 - - 6 1 1 3 - <_> - 4 - - 3 2 2 3 - <_> - 7 - - 4 5 1 2 - <_> - 9 - - 4 5 1 2 - <_> - 8 - - 0 7 7 2 - <_> - 8 - - 3 5 4 4 - <_> - 2 - - 1 4 2 5 - <_> - 4 - - 0 1 2 2 - <_> - 4 - - 2 9 4 4 - <_> - 5 - - 1 0 6 1 - <_> - 1 - - 4 11 3 3 - <_> - 9 - - 0 0 5 3 - <_> - 5 - - 0 5 7 1 - <_> - 1 - - 1 5 6 2 - <_> - 2 - - 2 11 4 2 - <_> - 2 - - 5 13 2 2 - <_> - 0 - - 2 1 2 7 - <_> - 5 - - 3 14 4 1 - <_> - 9 - - 3 9 2 3 - <_> - 1 - - 5 12 2 3 - <_> - 1 - - 2 6 5 2 - <_> - 1 - - 3 12 2 2 - <_> - 5 - - 4 3 3 2 - <_> - 0 - - 0 8 7 4 - <_> - 1 - - 2 7 3 5 - <_> - 0 - - 0 13 3 1 - <_> - 0 - - 1 10 3 2 - <_> - 9 - - 6 3 1 1 - <_> - 9 - - 3 7 2 1 - <_> - 0 - - 4 0 1 2 - <_> - 4 - - 4 0 1 9 - <_> - 4 - - 1 7 6 8 - <_> - 3 - - 3 1 1 4 - <_> - 7 - - 1 5 4 5 - <_> - 9 - - 3 5 2 3 - <_> - 7 - - 3 1 4 1 - <_> - 5 - - 3 1 3 13 - <_> - 4 - - 2 0 5 15 - <_> - 8 - - 0 0 4 3 - <_> - 9 - - 1 5 5 4 - <_> - 3 - - 1 5 5 1 - <_> - 7 - - 0 3 3 2 - <_> - 1 - - 5 13 1 1 - <_> - 5 - - 5 4 2 2 - <_> - 9 - - 2 7 5 1 - <_> - 4 - - 4 2 1 13 - <_> - 1 - - 2 10 4 3 - <_> - 0 - - 1 4 3 2 - <_> - 0 - - 3 14 2 1 - <_> - 5 - - 2 11 4 2 - <_> - 2 - - 1 13 6 2 - <_> - 4 - - 4 11 1 1 - <_> - 9 - - 0 1 5 2 - <_> - 4 - - 1 7 5 1 - <_> - 9 - - 3 4 2 2 - <_> - 9 - - 0 2 2 5 - <_> - 3 - - 2 3 3 3 - <_> - 7 - - 3 5 2 2 - <_> - 7 - - 1 2 6 13 - <_> - 4 - - 2 7 4 3 - <_> - 4 - - 2 9 3 4 - <_> - 7 - - 3 5 2 8 - <_> - 7 - - 2 1 1 1 - <_> - 2 - - 2 5 4 7 - <_> - 7 - - 3 12 1 1 - <_> - 2 - - 0 13 7 2 - <_> - 1 - - 3 0 4 13 - <_> - 1 - - 1 12 5 2 - <_> - 1 - - 4 10 3 1 - <_> - 7 - - 0 0 1 5 - <_> - 7 - - 0 6 1 2 - <_> - 3 - - 0 3 4 9 - <_> - 9 - - 2 4 4 9 - <_> - 3 - - 2 3 4 10 - <_> - 4 - - 2 6 4 2 - <_> - 2 - - 2 4 5 4 - <_> - 5 - - 3 14 4 1 - <_> - 7 - - 2 3 4 2 - <_> - 1 - - 3 0 1 10 - <_> - 4 - - 3 2 1 2 - <_> - 4 - - 2 2 4 13 - <_> - 5 - - 5 4 2 6 - <_> - 1 - - 2 13 1 2 - <_> - 4 - - 3 8 2 5 - <_> - 7 - - 0 11 7 2 - <_> - 9 - - 0 5 7 5 - <_> - 0 - - 1 10 5 3 - <_> - 8 - - 3 3 2 1 - <_> - 1 - - 0 10 7 1 - <_> - 8 - - 1 3 6 2 - <_> - 2 - - 3 14 2 1 - <_> - 9 - - 0 7 2 5 - <_> - 8 - - 0 5 3 2 - <_> - 3 - - 1 5 4 1 - <_> - 1 - - 0 5 5 2 - <_> - 0 - - 1 11 6 2 - <_> - 9 - - 3 10 2 2 - <_> - 1 - - 3 12 3 2 - <_> - 3 - - 0 0 1 3 - <_> - 5 - - 4 0 1 5 - <_> - 7 - - 3 9 4 2 - <_> - 4 - - 2 3 5 5 - <_> - 1 - - 3 1 4 13 - <_> - 2 - - 1 8 5 5 - <_> - 2 - - 2 2 4 5 - <_> - 4 - - 1 14 6 1 - <_> - 2 - - 5 1 1 5 - <_> - 3 - - 4 13 3 2 - <_> - 9 - - 6 0 1 12 - <_> - 4 - - 0 11 3 4 - <_> - 9 - - 3 7 3 3 - <_> - 0 - - 2 11 5 2 - <_> - 4 - - 1 0 5 15 - <_> - 8 - - 1 6 6 1 - <_> - 2 - - 2 7 1 4 - <_> - 3 - - 2 14 4 1 - <_> - 8 - - 0 0 1 2 - <_> - 5 - - 4 2 2 13 - <_> - 8 - - 3 8 1 6 - <_> - 9 - - 0 5 7 3 - <_> - 5 - - 2 14 5 1 - <_> - 1 - - 3 3 2 9 - <_> - 4 - - 2 6 1 2 - <_> - 4 - - 3 2 2 3 - <_> - 4 - - 2 10 5 5 - <_> - 3 - - 2 2 3 10 - <_> - 5 - - 0 14 4 1 - <_> - 7 - - 1 2 3 2 - <_> - 0 - - 1 9 5 2 - <_> - 4 - - 2 8 4 5 - <_> - 1 - - 1 4 4 7 - <_> - 4 - - 0 0 7 4 - <_> - 9 - - 0 0 3 6 - <_> - 7 - - 6 1 1 1 - <_> - 5 - - 5 6 1 5 - <_> - 9 - - 3 5 3 5 - <_> - 1 - - 5 6 1 4 - <_> - 9 - - 2 13 5 1 - <_> - 1 - - 3 12 2 2 - <_> - 5 - - 1 6 4 1 - <_> - 9 - - 4 9 3 6 - <_> - 5 - - 3 5 4 1 - <_> - 8 - - 3 0 4 4 - <_> - 5 - - 2 12 4 3 - <_> - 3 - - 3 3 2 3 - <_> - 2 - - 3 3 2 4 - <_> - 7 - - 5 2 2 6 - <_> - 5 - - 4 9 2 4 - <_> - 2 - - 0 10 2 3 - <_> - 3 - - 2 4 1 6 - <_> - 1 - - 0 12 4 3 - <_> - 7 - - 3 0 1 14 - <_> - 7 - - 3 5 2 2 - <_> - 1 - - 1 5 2 3 - <_> - 0 - - 2 3 3 10 - <_> - 4 - - 6 9 1 2 - <_> - 7 - - 3 7 2 1 - <_> - 4 - - 3 5 2 10 - <_> - 1 - - 3 3 2 5 - <_> - 1 - - 1 12 4 2 - <_> - 3 - - 0 1 4 6 - <_> - 1 - - 0 0 6 1 - <_> - 4 - - 0 3 6 3 - <_> - 1 - - 4 0 1 5 - <_> - 1 - - 3 2 2 8 - <_> - 9 - - 0 1 3 2 - <_> - 1 - - 4 5 1 8 - <_> - 9 - - 6 6 1 3 - <_> - 4 - - 0 1 7 5 - <_> - 3 - - 0 0 4 10 - <_> - 4 - - 1 10 1 2 - <_> - 2 - - 1 1 3 1 - <_> - 2 - - 3 4 3 9 - <_> - 7 - - 3 2 2 9 - <_> - 9 - - 2 4 3 4 - <_> - 2 - - 1 2 2 3 - <_> - 8 - - 1 5 6 4 - <_> - 7 - - 0 11 4 2 - <_> - 1 - - 3 9 1 3 - <_> - 7 - - 3 8 2 2 - <_> - 1 - - 6 9 1 5 - <_> - 4 - - 6 9 1 3 - <_> - 1 - - 2 4 4 9 - <_> - 7 - - 3 3 2 3 - <_> - 7 - - 4 5 1 1 - <_> - 7 - - 2 8 5 2 - <_> - 9 - - 3 5 2 2 - <_> - 1 - - 1 13 6 2 - <_> - 7 - - 0 2 7 13 - <_> - 0 - - 2 14 2 1 - <_> - 0 - - 1 11 4 2 - <_> - 9 - - 0 5 7 2 - <_> - 7 - - 0 10 7 1 - <_> - 3 - - 2 10 2 3 - <_> - 4 - - 3 2 2 1 - <_> - 5 - - 3 14 4 1 - <_> - 9 - - 3 2 2 10 - <_> - 5 - - 5 9 1 3 - <_> - 7 - - 6 1 1 2 - <_> - 4 - - 0 12 6 3 - <_> - 5 - - 4 3 2 11 - <_> - 7 - - 5 14 2 1 - <_> - 0 - - 2 2 4 8 - <_> - 1 - - 1 7 6 2 - <_> - 1 - - 4 8 1 7 - <_> - 9 - - 1 0 6 4 - <_> - 8 - - 2 2 4 10 - <_> - 9 - - 0 5 1 5 - <_> - 3 - - 2 3 4 10 - <_> - 1 - - 0 0 1 9 - <_> - 7 - - 0 6 7 7 - <_> - 1 - - 1 2 2 9 - <_> - 9 - - 3 1 4 3 - <_> - 3 - - 4 13 3 2 - <_> - 1 - - 1 12 5 2 - <_> - 7 - - 5 1 2 4 - <_> - 2 - - 2 8 5 6 - <_> - 7 - - 1 7 1 1 - <_> - 5 - - 5 4 2 1 - <_> - 9 - - 0 0 7 8 - <_> - 5 - - 3 11 4 2 - <_> - 4 - - 1 5 1 3 - <_> - 2 - - 1 4 3 2 - <_> - 1 - - 3 0 2 10 - <_> - 3 - - 0 3 4 2 - <_> - 8 - - 2 3 3 1 - <_> - 4 - - 3 0 1 1 - <_> - 1 - - 2 1 5 12 - <_> - 3 - - 2 3 2 10 - <_> - 1 - - 2 5 3 5 - <_> - 5 - - 4 1 2 8 - <_> - 0 - - 4 13 3 2 - <_> - 8 - - 6 7 1 3 - <_> - 2 - - 2 13 3 2 - <_> - 9 - - 4 4 1 3 - <_> - 8 - - 0 3 3 6 - <_> - 4 - - 3 3 2 2 - <_> - 1 - - 1 0 6 2 - <_> - 8 - - 2 3 3 4 - <_> - 1 - - 6 8 1 3 - <_> - 1 - - 2 4 4 3 - <_> - 5 - - 0 3 4 4 - <_> - 3 - - 0 0 6 8 - <_> - 7 - - 3 6 2 1 - <_> - 7 - - 2 4 4 8 - <_> - 1 - - 0 4 5 1 - <_> - 2 - - 1 7 5 5 - <_> - 1 - - 2 2 1 10 - <_> - 4 - - 3 2 2 2 - <_> - 5 - - 2 13 2 2 - <_> - 8 - - 0 1 6 8 - <_> - 7 - - 1 11 6 1 - <_> - 3 - - 2 4 2 9 - <_> - 1 - - 1 4 1 3 - <_> - 4 - - 2 1 5 14 - <_> - 1 - - 3 12 2 2 - <_> - 5 - - 1 4 6 2 - <_> - 1 - - 1 11 6 2 - <_> - 2 - - 5 13 2 2 - <_> - 5 - - 4 11 3 2 - <_> - 9 - - 3 4 3 2 - <_> - 8 - - 1 3 2 4 - <_> - 3 - - 0 13 3 2 - <_> - 2 - - 2 3 2 11 - <_> - 4 - - 2 8 5 5 - <_> - 9 - - 1 6 6 4 - <_> - 2 - - 0 4 3 1 - <_> - 9 - - 5 1 2 2 - <_> - 5 - - 2 4 4 1 - <_> - 5 - - 3 5 4 2 - <_> - 1 - - 6 12 1 3 - <_> - 5 - - 4 2 3 3 - <_> - 9 - - 4 5 3 1 - <_> - 7 - - 2 2 4 12 - <_> - 8 - - 2 12 3 3 - <_> - 7 - - 0 11 7 2 - <_> - 2 - - 1 7 6 5 - <_> - 4 - - 0 6 1 8 - <_> - 1 - - 3 2 1 11 - <_> - 1 - - 3 4 2 8 - <_> - 5 - - 0 11 2 3 - <_> - 1 - - 0 10 1 1 - <_> - 0 - - 1 10 3 2 - <_> - 8 - - 0 1 1 1 - <_> - 1 - - 0 7 2 6 - <_> - 1 - - 3 7 4 1 - <_> - 2 - - 4 10 1 3 - <_> - 4 - - 3 2 2 13 - <_> - 5 - - 4 13 3 2 - <_> - 2 - - 0 8 3 5 - <_> - 3 - - 0 4 5 2 - <_> - 4 - - 3 11 2 2 - <_> - 1 - - 2 12 4 2 - <_> - 2 - - 0 10 6 3 - <_> - 2 - - 0 13 5 2 - <_> - 3 - - 3 3 4 2 - <_> - 3 - - 0 3 7 3 - <_> - 7 - - 0 6 5 4 - <_> - 0 - - 1 3 6 6 - <_> - 9 - - 3 11 2 1 - <_> - 8 - - 3 1 3 3 - <_> - 4 - - 4 13 3 2 - <_> - 8 - - 2 0 1 1 - <_> - 3 - - 3 8 4 6 - <_> - 1 - - 4 0 1 5 - <_> - 7 - - 3 7 2 1 - <_> - 9 - - 2 4 2 3 - <_> - 8 - - 5 1 1 3 - <_> - 7 - - 0 3 3 12 - <_> - 4 - - 4 1 1 10 - <_> - 7 - - 1 8 6 3 - <_> - 5 - - 3 3 2 2 - <_> - 1 - - 0 0 6 1 - <_> - 3 - - 3 4 2 2 - <_> - 4 - - 3 5 2 10 - <_> - 1 - - 4 12 1 2 - <_> - 3 - - 0 4 3 5 - <_> - 8 - - 2 7 4 5 - <_> - 4 - - 2 7 5 1 - <_> - 1 - - 1 2 6 2 - <_> - 7 - - 0 9 4 1 - <_> - 1 - - 2 7 3 7 - <_> - 9 - - 3 9 2 3 - <_> - 3 - - 3 12 1 3 - <_> - 2 - - 3 3 3 10 - <_> - 9 - - 0 5 7 1 - <_> - 5 - - 4 6 3 5 - <_> - 5 - - 5 5 2 1 - <_> - 5 - - 3 14 4 1 - <_> - 9 - - 1 0 3 3 - <_> - 0 - - 0 2 5 2 - <_> - 8 - - 3 10 1 1 - <_> - 7 - - 3 5 1 1 - <_> - 1 - - 3 13 1 2 - <_> - 3 - - 0 3 5 2 - <_> - 1 - - 4 8 1 7 - <_> - 4 - - 1 3 4 7 - <_> - 1 - - 1 13 2 1 - <_> - 0 - - 2 11 5 2 - <_> - 0 - - 4 2 3 12 - <_> - 5 - - 1 5 6 7 - <_> - 5 - - 4 4 2 1 - <_> - 5 - - 1 0 3 15 - <_> - 9 - - 0 2 1 1 - <_> - 8 - - 0 0 7 15 - <_> - 1 - - 3 4 2 9 - <_> - 2 - - 1 12 1 2 - <_> - 1 - - 1 3 5 11 - <_> - 5 - - 2 11 4 3 - <_> - 8 - - 0 9 7 1 - <_> - 0 - - 3 13 4 2 - <_> - 3 - - 2 3 3 3 - <_> - 1 - - 2 2 1 8 - <_> - 1 - - 1 0 4 2 - <_> - 7 - - 3 6 2 5 - <_> - 4 - - 3 1 1 5 - <_> - 3 - - 2 9 4 1 - <_> - 9 - - 2 6 4 2 - <_> - 4 - - 2 12 2 3 - <_> - 7 - - 4 11 2 4 - <_> - 8 - - 2 3 5 1 - <_> - 4 - - 2 0 4 1 - <_> - 0 - - 2 0 4 13 - <_> - 1 - - 0 9 7 2 - <_> - 8 - - 0 0 1 3 - <_> - 1 - - 0 10 2 1 - <_> - 3 - - 0 14 6 1 - <_> - 7 - - 4 6 3 4 - <_> - 9 - - 2 3 3 11 - <_> - 3 - - 2 4 2 1 - <_> - 7 - - 1 2 1 5 - <_> - 5 - - 4 4 3 9 - <_> - 7 - - 0 1 5 14 - <_> - 8 - - 4 6 1 2 - <_> - 1 - - 1 0 6 14 - <_> - 1 - - 2 12 2 2 - <_> - 3 - - 0 3 6 3 - <_> - 8 - - 1 10 6 2 - <_> - 5 - - 2 11 5 2 - <_> - 1 - - 1 0 6 13 - <_> - 9 - - 1 3 4 12 - <_> - 3 - - 2 4 1 3 - <_> - 5 - - 1 5 4 1 - <_> - 0 - - 0 13 2 1 - <_> - 1 - - 6 13 1 2 - <_> - 4 - - 3 9 2 5 - <_> - 3 - - 6 7 1 2 - <_> - 4 - - 6 2 1 1 - <_> - 3 - - 4 14 3 1 - <_> - 4 - - 0 9 7 2 - <_> - 7 - - 6 0 1 5 - <_> - 9 - - 5 0 2 2 - <_> - 5 - - 1 2 6 8 - <_> - 1 - - 3 4 2 8 - <_> - 0 - - 2 7 4 4 - <_> - 8 - - 3 7 2 1 - <_> - 5 - - 0 14 7 1 - <_> - 9 - - 2 5 4 4 - <_> - 7 - - 3 11 3 1 - <_> - 4 - - 3 11 2 2 - <_> - 2 - - 4 6 2 5 - <_> - 5 - - 3 11 2 2 - <_> - 4 - - 3 1 2 7 - <_> - 4 - - 1 0 6 15 - <_> - 7 - - 1 11 6 1 - <_> - 1 - - 1 12 4 2 - <_> - 7 - - 0 3 1 1 - <_> - 9 - - 1 2 1 1 - <_> - 3 - - 2 9 3 4 - <_> - 5 - - 4 10 1 2 - <_> - 4 - - 3 6 3 6 - <_> - 2 - - 0 13 7 2 - <_> - 1 - - 3 0 2 10 - <_> - 4 - - 0 3 2 5 - <_> - 8 - - 1 5 6 2 - <_> - 9 - - 2 5 2 1 - <_> - 8 - - 2 1 5 8 - <_> - 5 - - 0 5 7 1 - <_> - 8 - - 3 0 1 4 - <_> - 1 - - 3 3 4 5 - <_> - 9 - - 0 4 7 2 - <_> - 8 - - 1 0 3 4 - <_> - 3 - - 0 0 2 4 - <_> - 2 - - 3 2 4 4 - <_> - 2 - - 4 2 1 6 - <_> - 5 - - 0 0 7 2 - <_> - 3 - - 0 4 2 5 - <_> - 8 - - 1 9 2 2 - <_> - 5 - - 4 1 1 2 - <_> - 7 - - 1 6 6 3 - <_> - 4 - - 1 7 6 7 - <_> - 4 - - 0 7 7 1 - <_> - 1 - - 1 13 6 2 - <_> - 2 - - 3 3 2 1 - <_> - 0 - - 2 14 3 1 - <_> - 0 - - 1 7 6 5 - <_> - 7 - - 1 6 6 7 - <_> - 1 - - 1 8 6 6 - <_> - 5 - - 0 14 7 1 - <_> - 2 - - 2 6 5 8 - <_> - 3 - - 1 4 4 6 - <_> - 9 - - 3 7 2 6 - <_> - 1 - - 2 10 5 3 - <_> - 2 - - 1 10 4 1 - <_> - 4 - - 2 8 3 6 - <_> - 0 - - 2 4 1 8 - <_> - 1 - - 0 8 7 1 - <_> - 0 - - 0 11 1 3 - <_> - 2 - - 3 13 2 1 - <_> - 1 - - 1 13 4 1 - <_> - 3 - - 2 10 2 3 - <_> - 3 - - 2 0 1 10 - <_> - 7 - - 3 4 1 4 - <_> - 2 - - 5 0 2 6 - <_> - 5 - - 2 8 5 3 - <_> - 1 - - 6 8 1 6 - <_> - 7 - - 3 7 2 4 - <_> - 8 - - 1 1 6 4 - <_> - 3 - - 0 2 3 5 - <_> - 1 - - 1 0 1 15 - <_> - 9 - - 6 14 1 1 - <_> - 7 - - 3 6 4 1 - <_> - 9 - - 3 1 2 11 - <_> - 1 - - 3 0 2 8 - <_> - 0 - - 2 10 4 3 - <_> - 2 - - 3 14 2 1 - <_> - 7 - - 3 12 3 3 - <_> - 8 - - 0 6 7 1 - <_> - 7 - - 2 13 2 1 - <_> - 8 - - 0 0 1 3 - <_> - 1 - - 1 0 6 1 - <_> - 3 - - 0 4 7 2 - <_> - 9 - - 1 4 6 4 - <_> - 5 - - 5 1 1 10 - <_> - 5 - - 2 11 4 4 - <_> - 3 - - 4 9 2 4 - <_> - 4 - - 0 14 7 1 - <_> - 1 - - 2 12 3 2 - <_> - 3 - - 0 4 4 1 - <_> - 0 - - 0 2 4 6 - <_> - 7 - - 0 6 1 1 - <_> - 9 - - 3 9 3 1 - <_> - 7 - - 4 5 1 1 - <_> - 4 - - 6 9 1 2 - <_> - 3 - - 1 5 4 1 - <_> - 2 - - 3 1 1 4 - <_> - 3 - - 0 14 7 1 - <_> - 7 - - 4 7 3 2 - <_> - 5 - - 4 1 3 8 - <_> - 2 - - 2 3 4 11 - <_> - 4 - - 2 4 3 10 - <_> - 4 - - 3 2 2 7 - <_> - 1 - - 4 5 1 2 - <_> - 1 - - 3 2 2 7 - <_> - 1 - - 0 0 7 1 - <_> - 4 - - 4 9 1 3 - <_> - 9 - - 1 1 6 1 - <_> - 4 - - 3 8 1 4 - <_> - 5 - - 4 4 2 2 - <_> - 9 - - 3 4 2 1 - <_> - 5 - - 0 14 4 1 - <_> - 1 - - 1 12 6 2 - <_> - 3 - - 0 4 4 1 - <_> - 1 - - 6 13 1 2 - <_> - 2 - - 2 10 4 3 - <_> - 7 - - 1 1 6 12 - <_> - 0 - - 0 13 7 2 - <_> - 8 - - 0 6 7 2 - <_> - 4 - - 4 11 3 4 - <_> - 9 - - 0 6 7 3 - <_> - 0 - - 0 2 6 10 - <_> - 8 - - 1 1 4 11 - <_> - 0 - - 2 8 1 2 - <_> - 7 - - 1 1 2 4 - <_> - 7 - - 2 6 4 4 - <_> - 0 - - 4 3 2 9 - <_> - 0 - - 2 3 1 9 - <_> - 4 - - 3 5 2 10 - <_> - 2 - - 3 8 1 2 - <_> - 2 - - 5 13 2 1 - <_> - 5 - - 3 11 3 4 - <_> - 9 - - 0 1 7 3 - <_> - 5 - - 0 11 1 1 - <_> - 3 - - 0 11 6 2 - <_> - 0 - - 1 4 2 3 - <_> - 4 - - 3 1 1 12 - <_> - 0 - - 2 14 4 1 - <_> - 1 - - 0 3 5 5 - <_> - 4 - - 3 1 2 5 - <_> - 7 - - 3 14 2 1 - <_> - 8 - - 0 1 7 3 - <_> - 2 - - 4 4 3 2 - <_> - 9 - - 3 10 2 3 - <_> - 1 - - 1 2 6 11 - <_> - 1 - - 1 7 6 5 - <_> - 9 - - 3 5 3 5 - <_> - 7 - - 3 6 2 4 - <_> - 2 - - 4 1 2 13 - <_> - 7 - - 6 2 1 1 - <_> - 3 - - 2 14 5 1 - <_> - 8 - - 3 2 3 2 - <_> - 3 - - 1 3 3 5 - <_> - 1 - - 3 12 3 2 - <_> - 4 - - 2 10 4 3 - <_> - 0 - - 2 6 5 7 - <_> - 4 - - 2 13 5 1 - <_> - 5 - - 2 14 5 1 - <_> - 9 - - 2 7 5 1 - <_> - 4 - - 0 7 7 4 - <_> - 1 - - 3 2 4 11 - <_> - 3 - - 1 3 5 4 - <_> - 1 - - 5 10 2 1 - <_> - 7 - - 6 3 1 2 - <_> - 3 - - 2 9 3 4 - <_> - 5 - - 4 2 2 5 - <_> - 7 - - 3 6 2 1 - <_> - 7 - - 1 2 6 13 - <_> - 4 - - 2 4 4 4 - <_> - 9 - - 3 7 2 6 - <_> - 9 - - 6 2 1 2 - <_> - 2 - - 1 10 4 1 - <_> - 2 - - 1 4 3 1 - <_> - 0 - - 1 2 3 3 - <_> - 5 - - 0 3 1 10 - <_> - 0 - - 0 1 5 1 - <_> - 2 - - 3 3 2 2 - <_> - 5 - - 5 0 2 9 - <_> - 3 - - 4 13 3 2 - <_> - 9 - - 0 8 3 1 - <_> - 7 - - 3 5 1 2 - <_> - 3 - - 2 9 2 2 - <_> - 1 - - 6 10 1 2 - <_> - 4 - - 1 11 6 1 - <_> - 7 - - 1 10 6 3 - <_> - 9 - - 0 0 7 6 - <_> - 2 - - 3 10 4 3 - <_> - 4 - - 3 2 2 2 - <_> - 8 - - 2 3 4 1 - <_> - 9 - - 1 8 6 1 - <_> - 0 - - 2 0 2 13 - <_> - 3 - - 2 4 2 9 - <_> - 3 - - 1 3 5 11 - <_> - 1 - - 1 0 5 2 - <_> - 8 - - 6 7 1 3 - <_> - 1 - - 3 4 2 6 - <_> - 2 - - 3 14 2 1 - <_> - 9 - - 2 0 1 5 - <_> - 0 - - 0 7 7 2 - <_> - 4 - - 1 14 6 1 - <_> - 1 - - 2 13 4 2 - <_> - 3 - - 1 10 1 5 - <_> - 0 - - 1 11 5 2 - <_> - 7 - - 0 2 7 11 - <_> - 5 - - 0 1 6 6 - <_> - 7 - - 3 7 2 8 - <_> - 7 - - 0 11 6 2 - <_> - 5 - - 1 10 6 3 - <_> - 1 - - 0 5 3 2 - <_> - 7 - - 2 11 5 1 - <_> - 4 - - 0 5 3 3 - <_> - 7 - - 0 4 1 11 - <_> - 9 - - 2 5 2 3 - <_> - 8 - - 0 5 7 2 - <_> - 0 - - 0 6 1 3 - <_> - 3 - - 3 2 1 10 - <_> - 7 - - 1 0 5 1 - <_> - 5 - - 1 13 6 2 - <_> - 1 - - 1 4 5 8 - <_> - 3 - - 4 14 3 1 - <_> - 5 - - 5 5 1 8 - <_> - 7 - - 1 4 1 3 - <_> - 1 - - 3 1 1 10 - <_> - 9 - - 6 3 1 1 - <_> - 2 - - 0 2 1 3 - <_> - 9 - - 0 6 4 1 - <_> - 3 - - 2 4 4 9 - <_> - 1 - - 1 5 6 2 - <_> - 8 - - 0 0 1 15 - <_> - 1 - - 3 12 2 2 - <_> - 7 - - 4 9 1 1 - <_> - 4 - - 0 12 5 3 - <_> - 0 - - 2 14 3 1 - <_> - 4 - - 2 8 4 5 - <_> - 3 - - 2 3 3 2 - <_> - 5 - - 3 3 3 2 - <_> - 9 - - 2 7 3 7 - <_> - 8 - - 2 3 4 1 - <_> - 0 - - 2 11 3 1 - <_> - 9 - - 4 6 2 1 - <_> - 9 - - 2 4 5 3 - <_> - 1 - - 3 10 4 4 - <_> - 4 - - 0 5 1 6 - <_> - 4 - - 2 11 3 3 - <_> - 3 - - 0 4 7 2 - <_> - 7 - - 1 1 3 12 - <_> - 9 - - 0 5 4 2 - <_> - 4 - - 4 1 1 8 - <_> - 1 - - 3 7 3 1 - <_> - 1 - - 1 1 6 6 - <_> - 2 - - 2 6 4 8 - <_> - 9 - - 1 0 6 10 - <_> - 2 - - 0 13 7 2 - <_> - 3 - - 1 5 3 2 - <_> - 7 - - 3 8 2 1 - <_> - 4 - - 3 5 2 10 - <_> - 1 - - 1 12 4 2 - <_> - 2 - - 5 1 2 2 - <_> - 5 - - 4 2 2 13 - <_> - 9 - - 3 4 2 3 - <_> - 8 - - 3 1 4 3 - <_> - 1 - - 1 4 6 1 - <_> - 1 - - 1 4 5 9 - <_> - 5 - - 3 14 4 1 - <_> - 4 - - 0 6 3 2 - <_> - 7 - - 1 1 3 1 - <_> - 7 - - 2 4 4 6 - <_> - 5 - - 1 2 5 1 - <_> - 0 - - 2 3 1 4 - <_> - 8 - - 2 3 3 1 - <_> - 0 - - 2 8 2 2 - <_> - 2 - - 2 8 3 3 - <_> - 5 - - 2 9 2 2 - <_> - 3 - - 2 13 3 1 - <_> - 9 - - 3 1 1 2 - <_> - 8 - - 2 6 5 1 - <_> - 8 - - 2 0 5 7 - <_> - 9 - - 3 4 1 9 - <_> - 9 - - 6 5 1 10 - <_> - 0 - - 3 10 3 2 - <_> - 7 - - 1 9 6 1 - <_> - 7 - - 1 1 3 14 - <_> - 1 - - 2 6 4 4 - <_> - 1 - - 2 9 4 3 - <_> - 7 - - 4 0 2 15 - <_> - 2 - - 0 11 6 2 - <_> - 5 - - 3 13 3 2 - <_> - 5 - - 2 11 4 2 - <_> - 7 - - 6 0 1 5 - <_> - 7 - - 3 6 2 5 - <_> - 3 - - 2 4 4 7 - <_> - 7 - - 2 12 4 3 - <_> - 7 - - 1 6 3 1 - <_> - 8 - - 4 2 1 1 - <_> - 3 - - 2 6 5 4 - <_> - 3 - - 0 14 6 1 - <_> - 5 - - 2 12 5 3 - <_> - 9 - - 2 4 3 4 - <_> - 9 - - 0 6 1 3 - <_> - 1 - - 3 2 2 8 - <_> - 4 - - 0 1 2 5 - <_> - 4 - - 3 2 1 4 - <_> - 7 - - 3 2 3 5 - <_> - 9 - - 6 1 1 4 - <_> - 5 - - 5 2 2 8 - <_> - 4 - - 5 0 2 11 - <_> - 4 - - 3 9 3 4 - <_> - 1 - - 0 0 7 2 - <_> - 1 - - 2 2 4 7 - <_> - 7 - - 3 7 1 3 - <_> - 9 - - 2 5 5 1 - <_> - 9 - - 0 6 1 5 - <_> - 9 - - 3 9 3 1 - <_> - 3 - - 0 5 6 1 - <_> - 9 - - 2 4 3 2 - <_> - 0 - - 2 11 5 2 - <_> - 8 - - 0 1 1 1 - <_> - 1 - - 4 6 3 5 - <_> - 1 - - 2 2 2 1 - <_> - 0 - - 0 13 3 2 - <_> - 1 - - 3 6 2 4 - <_> - 9 - - 0 5 6 1 - <_> - 2 - - 2 4 4 9 - <_> - 7 - - 3 2 2 10 - <_> - 8 - - 1 3 5 1 - <_> - 4 - - 0 8 4 7 - <_> - 1 - - 3 12 1 3 - <_> - 7 - - 3 0 2 1 - <_> - 5 - - 3 2 3 2 - <_> - 2 - - 5 4 1 1 - <_> - 3 - - 2 1 2 12 - <_> - 4 - - 2 5 3 10 - <_> - 5 - - 1 12 1 2 - <_> - 1 - - 0 10 6 4 - <_> - 1 - - 0 12 7 1 - <_> - 1 - - 3 10 2 4 - <_> - 2 - - 0 4 1 10 - <_> - 7 - - 3 2 2 11 - <_> - 0 - - 3 11 3 2 - <_> - 4 - - 1 11 6 1 - <_> - 9 - - 3 9 3 3 - <_> - 5 - - 0 14 4 1 - <_> - 2 - - 5 11 2 4 - <_> - 0 - - 2 3 4 10 - <_> - 1 - - 3 3 2 4 - <_> - 7 - - 4 7 1 2 - <_> - 0 - - 0 1 1 11 - <_> - 1 - - 2 1 3 11 - <_> - 3 - - 3 11 3 2 - <_> - 1 - - 3 1 1 8 - <_> - 0 - - 1 10 4 3 - <_> - 9 - - 0 5 7 1 - <_> - 8 - - 4 2 1 2 - <_> - 9 - - 1 5 4 2 - <_> - 0 - - 1 13 6 2 - <_> - 0 - - 1 3 6 1 - <_> - 1 - - 6 12 1 3 - <_> - 4 - - 4 1 2 11 - <_> - 9 - - 1 2 1 2 - <_> - 4 - - 2 14 4 1 - <_> - 1 - - 3 4 3 10 - <_> - 7 - - 0 10 7 4 - <_> - 7 - - 0 11 7 1 - <_> - 1 - - 3 4 2 6 - <_> - 5 - - 4 4 3 9 - <_> - 9 - - 0 4 6 3 - <_> - 3 - - 2 1 1 11 - <_> - 4 - - 0 8 7 1 - <_> - 1 - - 3 1 2 14 - <_> - 5 - - 0 4 1 3 - <_> - 8 - - 1 0 4 1 - <_> - 0 - - 6 9 1 5 - <_> - 2 - - 2 4 4 9 - <_> - 5 - - 1 13 6 2 - <_> - 9 - - 0 1 2 14 - <_> - 7 - - 1 2 2 3 - <_> - 7 - - 1 6 6 3 - <_> - 0 - - 0 2 4 3 - <_> - 3 - - 1 3 3 2 - <_> - 7 - - 2 5 1 2 - <_> - 5 - - 3 3 2 3 - <_> - 3 - - 2 4 4 9 - <_> - 9 - - 3 8 2 4 - <_> - 4 - - 2 8 4 6 - <_> - 5 - - 1 11 2 3 - <_> - 1 - - 1 4 1 3 - <_> - 2 - - 4 13 2 2 - <_> - 1 - - 1 12 4 2 - <_> - 4 - - 1 7 6 3 - <_> - 1 - - 3 7 2 2 - <_> - 1 - - 2 4 3 8 - <_> - 1 - - 6 13 1 2 - <_> - 8 - - 1 6 6 2 - <_> - 3 - - 6 6 1 3 - <_> - 9 - - 2 5 3 1 - <_> - 8 - - 1 1 6 10 - <_> - 5 - - 5 4 1 3 - <_> - 0 - - 5 14 2 1 - <_> - 5 - - 4 10 2 3 - <_> - 7 - - 3 5 2 1 - <_> - 7 - - 4 8 1 5 - <_> - 3 - - 3 5 4 2 - <_> - 0 - - 0 2 4 10 - <_> - 5 - - 0 1 4 14 - <_> - 1 - - 2 12 4 2 - <_> - 7 - - 1 6 1 5 - <_> - 1 - - 0 11 7 2 - <_> - 5 - - 4 3 3 3 - <_> - 5 - - 1 4 3 10 - <_> - 3 - - 1 10 1 2 - <_> - 9 - - 4 8 3 1 - <_> - 4 - - 6 9 1 3 - <_> - 7 - - 0 3 1 12 - <_> - 7 - - 1 7 1 2 - <_> - 7 - - 6 2 1 2 - <_> - 2 - - 4 6 2 5 - <_> - 4 - - 1 9 1 4 - <_> - 1 - - 1 1 2 13 - <_> - 3 - - 3 14 4 1 - <_> - 1 - - 3 11 3 2 - <_> - 4 - - 3 1 2 7 - <_> - 9 - - 0 1 2 1 - <_> - 7 - - 5 1 2 1 - <_> - 5 - - 5 6 1 5 - <_> - 9 - - 0 7 1 1 - <_> - 3 - - 0 4 3 3 - <_> - 3 - - 0 0 4 5 - <_> - 4 - - 3 6 2 6 - <_> - 9 - - 0 1 7 1 - <_> - 2 - - 0 0 2 6 - <_> - 4 - - 1 7 6 1 - <_> - 9 - - 4 4 1 3 - <_> - 1 - - 3 0 2 10 - <_> - 8 - - 3 3 2 1 - <_> - 1 - - 0 1 5 13 - <_> - 2 - - 1 11 4 2 - <_> - 2 - - 0 13 5 2 - <_> - 5 - - 2 5 1 7 - <_> - 0 - - 3 13 4 1 - <_> - 4 - - 3 8 2 5 - <_> - 4 - - 3 2 1 3 - <_> - 4 - - 2 7 4 1 - <_> - 7 - - 1 2 1 5 - <_> - 9 - - 5 1 1 7 - <_> - 5 - - 3 0 2 6 - <_> - 9 - - 1 6 6 3 - <_> - 3 - - 2 4 2 3 - <_> - 1 - - 0 0 2 6 - <_> - 8 - - 0 6 6 1 - <_> - 4 - - 2 0 5 15 - <_> - 1 - - 0 1 7 8 - <_> - 5 - - 4 11 3 2 - <_> - 3 - - 4 9 2 6 - <_> - 0 - - 0 12 2 2 - <_> - 3 - - 0 4 6 9 - <_> - 1 - - 2 13 2 2 - <_> - 9 - - 2 3 1 1 - <_> - 2 - - 5 14 2 1 - <_> - 1 - - 6 13 1 2 - <_> - 9 - - 2 4 3 2 - <_> - 7 - - 2 8 2 1 - <_> - 0 - - 2 2 2 10 - <_> - 3 - - 2 8 2 3 - <_> - 1 - - 3 12 2 3 - <_> - 7 - - 2 2 5 2 - <_> - 4 - - 3 7 2 8 - <_> - 4 - - 3 3 4 7 - <_> - 1 - - 3 13 3 1 - <_> - 5 - - 0 11 5 2 - <_> - 5 - - 0 14 5 1 - <_> - 1 - - 2 3 5 10 - <_> - 0 - - 4 13 3 2 - <_> - 2 - - 4 4 3 9 - <_> - 0 - - 4 11 2 2 - <_> - 9 - - 4 1 3 1 - <_> - 9 - - 0 6 5 2 - <_> - 4 - - 0 9 4 2 - <_> - 5 - - 0 3 1 6 - <_> - 4 - - 0 8 5 6 - <_> - 9 - - 3 13 3 2 - <_> - 7 - - 5 1 1 9 - <_> - 5 - - 4 2 1 1 - <_> - 0 - - 4 1 2 1 - <_> - 9 - - 2 0 2 3 - <_> - 0 - - 1 2 3 4 - <_> - 5 - - 5 4 1 2 - <_> - 2 - - 3 14 3 1 - <_> - 7 - - 3 6 2 1 - <_> - 0 - - 5 0 1 14 - <_> - 7 - - 1 9 5 1 - <_> - 7 - - 0 7 2 8 - <_> - 9 - - 2 5 1 2 - <_> - 1 - - 0 7 5 1 - <_> - 1 - - 3 5 2 5 - <_> - 8 - - 1 0 1 8 - <_> - 1 - - 2 9 4 3 - <_> - 9 - - 3 5 4 6 - <_> - 3 - - 2 9 2 4 - <_> - 2 - - 1 9 5 2 - <_> - 5 - - 0 14 7 1 - <_> - 5 - - 4 2 2 11 - <_> - 0 - - 5 7 2 1 - <_> - 7 - - 0 6 1 1 - <_> - 9 - - 2 3 2 6 - <_> - 3 - - 1 5 4 1 - <_> - 1 - - 4 12 1 2 - <_> - 9 - - 0 8 2 7 - <_> - 1 - - 2 11 5 4 - <_> - 2 - - 3 3 2 8 - <_> - 1 - - 0 5 2 7 - <_> - 4 - - 3 5 2 10 - <_> - 1 - - 4 1 1 8 - <_> - 0 - - 0 1 7 1 - <_> - 4 - - 0 2 7 2 - <_> - 9 - - 6 0 1 13 - <_> - 7 - - 3 1 4 1 - <_> - 9 - - 3 3 3 8 - <_> - 4 - - 2 2 3 4 - <_> - 5 - - 6 0 1 2 - <_> - 8 - - 2 7 4 1 - <_> - 1 - - 3 5 2 5 - <_> - 3 - - 1 12 5 3 - <_> - 5 - - 4 1 3 4 - <_> - 1 - - 0 0 6 2 - <_> - 7 - - 0 13 7 1 - <_> - 5 - - 5 5 2 1 - <_> - 7 - - 2 6 4 4 - <_> - 0 - - 0 2 4 6 - <_> - 3 - - 0 9 7 1 - <_> - 9 - - 0 5 7 1 - <_> - 5 - - 2 11 4 2 - <_> - 7 - - 1 2 6 4 - <_> - 5 - - 2 14 5 1 - <_> - 1 - - 0 0 7 14 - <_> - 9 - - 2 2 4 2 - <_> - 9 - - 2 7 4 3 - <_> - 9 - - 0 7 1 5 - <_> - 0 - - 3 8 3 5 - <_> - 8 - - 5 4 2 6 - <_> - 1 - - 1 4 6 1 - <_> - 2 - - 2 7 5 4 - <_> - 7 - - 1 11 6 1 - <_> - 7 - - 4 0 1 11 - <_> - 7 - - 2 12 4 3 - <_> - 1 - - 3 12 1 2 - <_> - 3 - - 0 3 4 2 - <_> - 1 - - 3 7 2 6 - <_> - 3 - - 0 3 2 6 - <_> - 7 - - 1 3 4 2 - <_> - 5 - - 2 0 1 3 - <_> - 2 - - 5 13 2 2 - <_> - 2 - - 3 0 4 6 - <_> - 9 - - 2 4 5 3 - <_> - 7 - - 3 5 2 2 - <_> - 7 - - 2 2 4 4 - <_> - 5 - - 2 5 5 7 - <_> - 2 - - 2 1 3 2 - <_> - 5 - - 3 3 3 1 - <_> - 3 - - 2 1 2 12 - <_> - 8 - - 3 1 2 3 - <_> - 5 - - 5 0 1 4 - <_> - 9 - - 2 4 4 1 - <_> - 2 - - 5 3 1 4 - <_> - 9 - - 2 1 1 4 - <_> - 9 - - 3 9 2 4 - <_> - 2 - - 0 14 3 1 - <_> - 2 - - 3 3 2 8 - <_> - 3 - - 0 14 6 1 - <_> - 4 - - 3 8 2 5 - <_> - 0 - - 2 6 5 7 - <_> - 0 - - 0 10 7 1 - <_> - 0 - - 2 0 5 2 - <_> - 3 - - 0 5 7 2 - <_> - 5 - - 4 4 3 2 - <_> - 7 - - 1 7 6 3 - <_> - 1 - - 3 0 2 8 - <_> - 2 - - 4 9 2 4 - <_> - 4 - - 3 1 2 8 - <_> - 1 - - 3 7 2 1 - <_> - 3 - - 0 11 5 2 - <_> - 1 - - 4 10 3 1 - <_> - 1 - - 2 4 4 8 - <_> - 4 - - 4 11 3 3 - <_> - 4 - - 1 9 1 2 - <_> - 0 - - 1 14 4 1 - <_> - 2 - - 2 1 3 1 - <_> - 3 - - 2 3 2 10 - <_> - 7 - - 6 2 1 3 - <_> - 4 - - 1 1 6 6 - <_> - 9 - - 3 5 2 2 - <_> - 7 - - 0 7 6 1 - <_> - 8 - - 3 3 2 4 - <_> - 8 - - 2 1 5 4 - <_> - 8 - - 0 3 6 1 - <_> - 1 - - 4 0 3 9 - <_> - 4 - - 4 1 1 8 - <_> - 4 - - 0 6 2 4 - <_> - 5 - - 1 5 6 6 - <_> - 4 - - 3 4 1 11 - <_> - 1 - - 2 12 2 2 - <_> - 7 - - 0 8 4 2 - <_> - 0 - - 0 13 3 1 - <_> - 9 - - 0 0 7 3 - <_> - 5 - - 0 5 6 3 - <_> - 1 - - 0 0 6 14 - <_> - 1 - - 0 10 5 4 - <_> - 9 - - 0 13 1 1 - <_> - 0 - - 1 1 6 12 - <_> - 4 - - 2 0 5 15 - <_> - 1 - - 4 5 1 7 - <_> - 7 - - 1 0 2 3 - <_> - 3 - - 4 14 3 1 - <_> - 9 - - 4 1 1 1 - <_> - 1 - - 0 13 2 2 - <_> - 7 - - 2 12 4 1 - <_> - 9 - - 1 8 2 2 - <_> - 3 - - 0 4 4 1 - <_> - 7 - - 1 2 2 5 - <_> - 0 - - 1 10 5 3 - <_> - 9 - - 1 4 6 6 - <_> - 1 - - 3 0 1 10 - <_> - 4 - - 0 8 1 1 - <_> - 5 - - 0 10 1 5 - <_> - 2 - - 1 11 4 2 - <_> - 8 - - 0 0 3 13 - <_> - 5 - - 4 14 3 1 - <_> - 7 - - 0 11 7 1 - <_> - 7 - - 0 0 3 9 - <_> - 7 - - 4 14 1 1 - <_> - 9 - - 1 7 4 2 - <_> - 4 - - 0 3 6 3 - <_> - 3 - - 0 3 4 3 - <_> - 8 - - 3 2 3 2 - <_> - 5 - - 0 9 3 6 - <_> - 4 - - 2 2 3 4 - <_> - 1 - - 3 2 2 4 - <_> - 2 - - 1 3 4 9 - <_> - 7 - - 0 6 2 2 - <_> - 9 - - 3 5 4 1 - <_> - 7 - - 3 5 1 1 - <_> - 5 - - 5 3 1 7 - <_> - 9 - - 3 7 1 7 - <_> - 4 - - 1 5 6 2 - <_> - 2 - - 0 13 7 1 - <_> - 9 - - 6 0 1 3 - <_> - 1 - - 6 8 1 1 - <_> - 2 - - 0 11 6 2 - <_> - 3 - - 1 10 1 2 - <_> - 2 - - 3 8 3 1 - <_> - 1 - - 0 13 5 1 - <_> - 3 - - 2 4 3 10 - <_> - 4 - - 2 8 4 6 - <_> - 5 - - 3 2 4 8 - <_> - 3 - - 0 14 6 1 - <_> - 1 - - 0 10 3 5 - <_> - 9 - - 4 8 1 2 - <_> - 9 - - 0 11 3 1 - <_> - 7 - - 3 13 1 2 - <_> - 3 - - 2 9 2 3 - <_> - 5 - - 3 9 1 1 - <_> - 1 - - 2 4 4 9 - <_> - 0 - - 2 2 4 11 - <_> - 7 - - 5 2 2 11 - <_> - 0 - - 1 13 6 1 - <_> - 7 - - 3 6 3 4 - <_> - 2 - - 2 7 5 8 - <_> - 7 - - 3 0 2 1 - <_> - 2 - - 3 14 2 1 - <_> - 1 - - 3 4 2 8 - <_> - 9 - - 3 3 1 9 - <_> - 5 - - 3 2 4 4 - <_> - 4 - - 4 4 1 11 - <_> - 9 - - 2 6 4 6 - <_> - 8 - - 2 3 5 1 - <_> - 9 - - 2 5 2 2 - <_> - 2 - - 1 6 3 7 - <_> - 7 - - 1 1 1 7 - <_> - 1 - - 0 5 7 3 - <_> - 1 - - 3 7 4 3 - <_> - 5 - - 0 14 7 1 - <_> - 1 - - 2 9 4 3 - <_> - 3 - - 0 6 4 2 - <_> - 5 - - 4 10 3 3 - <_> - 4 - - 2 8 2 6 - <_> - 4 - - 3 1 1 7 - <_> - 1 - - 2 0 5 2 - <_> - 7 - - 3 6 2 8 - <_> - 1 - - 0 10 7 1 - <_> - 8 - - 1 1 5 7 - <_> - 7 - - 3 3 1 7 - <_> - 0 - - 0 4 7 3 - <_> - 3 - - 1 5 3 1 - <_> - 4 - - 1 4 4 7 - <_> - 2 - - 5 14 2 1 - <_> - 2 - - 5 0 2 7 - <_> - 1 - - 1 2 5 6 - <_> - 4 - - 3 9 2 4 - <_> - 8 - - 0 5 6 2 - <_> - 4 - - 0 13 4 2 - <_> - 2 - - 0 11 6 2 - <_> - 2 - - 2 13 3 2 - <_> - 1 - - 5 12 2 3 - <_> - 5 - - 4 3 2 3 - <_> - 1 - - 3 12 4 2 - <_> - 5 - - 0 0 7 5 - <_> - 4 - - 3 14 3 1 - <_> - 4 - - 1 7 6 3 - <_> - 1 - - 3 7 3 1 - <_> - 1 - - 2 1 4 12 - <_> - 9 - - 0 2 2 2 - <_> - 1 - - 4 7 1 7 - <_> - 9 - - 0 5 7 1 - <_> - 2 - - 2 3 4 10 - <_> - 4 - - 0 6 2 3 - <_> - 1 - - 2 12 3 2 - <_> - 1 - - 4 4 1 10 - <_> - 3 - - 0 4 5 6 - <_> - 9 - - 1 1 2 4 - <_> - 5 - - 3 14 4 1 - <_> - 5 - - 2 11 4 3 - <_> - 9 - - 1 1 5 3 - <_> - 7 - - 2 7 3 1 - <_> - 7 - - 1 1 6 14 - <_> - 7 - - 2 2 3 1 - <_> - 5 - - 2 2 3 5 - <_> - 9 - - 3 8 1 4 - <_> - 4 - - 3 8 2 5 - <_> - 5 - - 5 7 1 5 - <_> - 7 - - 3 11 1 2 - <_> - 3 - - 1 4 3 8 - <_> - 9 - - 0 4 7 5 - <_> - 8 - - 2 3 1 1 - <_> - 0 - - 0 3 1 8 - <_> - 2 - - 2 4 2 2 - <_> - 0 - - 0 1 4 4 - <_> - 5 - - 6 0 1 5 - <_> - 1 - - 5 0 2 9 - <_> - 5 - - 1 0 5 2 - <_> - 4 - - 3 0 1 6 - <_> - 8 - - 2 1 5 8 - <_> - 3 - - 2 9 2 4 - <_> - 3 - - 1 1 6 6 - <_> - 2 - - 1 13 5 2 - <_> - 5 - - 3 10 3 3 - <_> - 7 - - 4 5 1 1 - <_> - 1 - - 2 10 4 5 - <_> - 1 - - 3 13 2 2 - <_> - 7 - - 3 6 2 1 - <_> - 5 - - 5 0 2 10 - <_> - 1 - - 2 12 3 2 - <_> - 3 - - 3 0 1 7 - <_> - 8 - - 0 6 7 6 - <_> - 4 - - 3 4 2 5 - <_> - 9 - - 3 4 3 2 - <_> - 8 - - 1 0 5 1 - <_> - 1 - - 2 10 5 1 - <_> - 4 - - 2 7 5 1 - <_> - 1 - - 0 0 6 14 - <_> - 9 - - 3 9 2 2 - <_> - 1 - - 5 3 1 5 - <_> - 0 - - 1 10 4 2 - <_> - 7 - - 3 10 2 2 - <_> - 8 - - 1 4 5 10 - <_> - 7 - - 0 14 7 1 - <_> - 7 - - 1 2 1 1 - <_> - 5 - - 3 3 2 2 - <_> - 9 - - 0 5 3 1 - <_> - 1 - - 4 1 1 7 - <_> - 3 - - 1 4 5 2 - <_> - 4 - - 0 1 7 6 - <_> - 3 - - 0 12 6 3 - <_> - 7 - - 6 11 1 3 - <_> - 2 - - 2 12 4 1 - <_> - 4 - - 2 9 4 5 - <_> - 0 - - 0 13 2 1 - <_> - 8 - - 2 6 4 2 - <_> - 4 - - 0 11 1 3 - <_> - 4 - - 1 11 5 3 - <_> - 1 - - 6 12 1 3 - <_> - 1 - - 2 12 3 2 - <_> - 5 - - 4 4 3 1 - <_> - 5 - - 1 1 3 2 - <_> - 3 - - 3 5 3 7 - <_> - 4 - - 2 11 5 4 - <_> - 2 - - 0 4 4 2 - <_> - 9 - - 1 1 1 5 - <_> - 3 - - 1 1 2 6 - <_> - 3 - - 0 2 3 7 - <_> - 1 - - 1 5 3 4 - <_> - 1 - - 3 4 2 8 - <_> - 2 - - 0 14 7 1 - <_> - 2 - - 3 4 3 9 - <_> - 1 - - 0 7 5 3 - <_> - 9 - - 0 5 7 3 - <_> - 4 - - 4 2 1 3 - <_> - 9 - - 6 4 1 1 - <_> - 9 - - 6 1 1 1 - <_> - 7 - - 2 1 1 1 - <_> - 2 - - 0 3 6 10 - <_> - 4 - - 2 5 3 10 - <_> - 8 - - 4 1 1 3 - <_> - 1 - - 3 8 2 1 - <_> - 1 - - 3 12 3 2 - <_> - 5 - - 3 4 4 2 - <_> - 0 - - 2 4 2 8 - <_> - 7 - - 4 7 1 1 - <_> - 0 - - 5 2 1 7 - <_> - 1 - - 0 0 7 1 - <_> - 5 - - 1 14 3 1 - <_> - 4 - - 2 8 4 5 - <_> - 3 - - 0 14 6 1 - <_> - 3 - - 2 11 3 2 - <_> - 9 - - 4 6 1 5 - <_> - 9 - - 2 9 3 5 - <_> - 9 - - 6 1 1 8 - <_> - 7 - - 6 11 1 3 - <_> - 4 - - 3 1 2 7 - <_> - 7 - - 6 1 1 7 - <_> - 1 - - 1 5 5 2 - <_> - 0 - - 5 3 2 10 - <_> - 3 - - 3 1 1 5 - <_> - 1 - - 2 13 2 2 - <_> - 0 - - 4 8 2 4 - <_> - 9 - - 0 5 7 1 - <_> - 3 - - 2 4 1 4 - <_> - 4 - - 2 4 4 4 - <_> - 7 - - 2 5 3 5 - <_> - 0 - - 2 6 3 6 - <_> - 7 - - 0 9 6 1 - <_> - 0 - - 1 14 6 1 - <_> - 2 - - 2 0 3 3 - <_> - 7 - - 5 0 2 6 - <_> - 1 - - 3 5 4 8 - <_> - 1 - - 0 3 7 3 - <_> - 3 - - 4 3 1 2 - <_> - 9 - - 3 5 2 2 - <_> - 9 - - 0 2 1 3 - <_> - 8 - - 1 2 6 13 - <_> - 1 - - 3 1 1 9 - <_> - 0 - - 0 10 7 3 - <_> - 5 - - 0 6 6 4 - <_> - 1 - - 6 5 1 10 - <_> - 0 - - 0 1 1 14 - <_> - 4 - - 0 8 5 7 - <_> - 3 - - 6 11 1 3 - <_> - 1 - - 0 12 7 2 - <_> - 1 - - 2 3 1 9 - <_> - 3 - - 0 4 7 2 - <_> - 9 - - 4 5 2 1 - <_> - 2 - - 2 0 3 11 - <_> - 8 - - 4 2 1 2 - <_> - 4 - - 3 6 2 9 - <_> - 1 - - 0 13 6 2 - <_> - 1 - - 2 12 2 2 - <_> - 3 - - 0 1 4 8 - <_> - 2 - - 0 4 4 1 - <_> - 3 - - 0 5 6 2 - <_> - 7 - - 0 7 2 1 - <_> - 7 - - 3 6 3 4 - <_> - 5 - - 4 7 1 6 - <_> - 3 - - 3 8 3 2 - <_> - 5 - - 1 13 3 1 - <_> - 4 - - 3 11 2 1 - <_> - 2 - - 0 14 5 1 - <_> - 7 - - 3 10 2 3 - <_> - 4 - - 3 2 1 4 - <_> - 1 - - 3 2 1 2 - <_> - 1 - - 0 1 5 1 - <_> - 2 - - 4 6 2 7 - <_> - 7 - - 3 11 1 2 - <_> - 1 - - 3 12 2 3 - <_> - 7 - - 4 5 1 1 - <_> - 1 - - 4 1 2 7 - <_> - 7 - - 2 5 1 2 - <_> - 3 - - 1 3 5 10 - <_> - 7 - - 0 7 7 1 - <_> - 8 - - 0 0 4 5 - <_> - 3 - - 1 10 1 4 - <_> - 3 - - 2 11 4 2 - <_> - 0 - - 2 10 3 2 - <_> - 9 - - 3 10 2 3 - <_> - 5 - - 1 0 3 10 - <_> - 3 - - 2 3 3 9 - <_> - 8 - - 6 5 1 2 - <_> - 4 - - 2 9 3 6 - <_> - 0 - - 2 8 5 6 - <_> - 2 - - 2 3 3 8 - <_> - 3 - - 6 5 1 2 - <_> - 3 - - 3 14 4 1 - <_> - 0 - - 2 8 3 2 - <_> - 2 - - 0 7 6 6 - <_> - 5 - - 5 4 1 7 - <_> - 1 - - 3 5 1 2 - <_> - 1 - - 3 0 2 9 - <_> - 0 - - 5 0 1 5 - <_> - 0 - - 2 14 2 1 - <_> - 4 - - 3 2 4 7 - <_> - 9 - - 3 2 1 8 - <_> - 0 - - 0 3 6 8 - <_> - 9 - - 4 8 1 4 - <_> - 7 - - 0 8 5 2 - <_> - 4 - - 3 8 2 5 - <_> - 1 - - 2 10 4 3 - <_> - 8 - - 0 12 6 1 - <_> - 9 - - 5 6 2 4 - <_> - 8 - - 2 6 4 2 - <_> - 5 - - 3 0 3 3 - <_> - 1 - - 0 11 5 1 - <_> - 9 - - 0 5 6 1 - <_> - 0 - - 4 12 3 1 - <_> - 2 - - 4 13 3 2 - <_> - 5 - - 3 2 3 4 - <_> - 3 - - 0 0 3 6 - <_> - 1 - - 3 13 1 1 - <_> - 0 - - 3 10 3 2 - <_> - 2 - - 5 3 2 3 - <_> - 9 - - 1 0 1 2 - <_> - 7 - - 3 1 4 1 - <_> - 9 - - 3 8 2 1 - <_> - 1 - - 0 11 6 2 - <_> - 0 - - 0 12 2 3 - <_> - 5 - - 0 4 5 5 - <_> - 5 - - 5 5 2 1 - <_> - 1 - - 1 2 3 7 - <_> - 9 - - 0 0 1 3 - <_> - 0 - - 1 8 6 4 - <_> - 8 - - 0 6 1 6 - <_> - 1 - - 4 2 1 9 - <_> - 5 - - 3 13 4 2 - <_> - 1 - - 1 0 6 15 - <_> - 3 - - 2 4 2 8 - <_> - 8 - - 4 0 3 11 - <_> - 4 - - 0 7 1 4 - <_> - 2 - - 1 4 3 10 - <_> - 7 - - 0 8 2 2 - <_> - 9 - - 3 10 4 5 - <_> - 4 - - 1 4 3 2 - <_> - 9 - - 3 1 2 9 - <_> - 9 - - 0 3 2 2 - <_> - 2 - - 2 10 4 3 - <_> - 5 - - 0 14 7 1 - <_> - 1 - - 4 5 1 7 - <_> - 7 - - 3 11 3 1 - <_> - 5 - - 4 5 2 9 - <_> - 9 - - 3 6 3 7 - <_> - 8 - - 0 6 7 2 - <_> - 5 - - 3 14 4 1 - <_> - 3 - - 2 2 2 11 - <_> - 4 - - 3 2 2 2 - <_> - 1 - - 0 0 7 1 - <_> - 5 - - 2 11 3 3 - <_> - 4 - - 2 1 4 14 - <_> - 0 - - 0 14 4 1 - <_> - 9 - - 1 7 2 5 - <_> - 3 - - 0 3 4 3 - <_> - 9 - - 1 8 4 2 - <_> - 9 - - 6 0 1 12 - <_> - 1 - - 0 10 1 1 - <_> - 9 - - 3 6 1 9 - <_> - 9 - - 0 4 1 11 - <_> - 0 - - 3 11 4 2 - <_> - 7 - - 1 10 5 2 - <_> - 4 - - 1 7 6 3 - <_> - 1 - - 0 0 7 2 - <_> - 4 - - 3 2 1 4 - <_> - 5 - - 0 5 7 7 - <_> - 1 - - 3 12 3 2 - <_> - 5 - - 5 1 1 12 - <_> - 7 - - 1 9 5 1 - <_> - 4 - - 3 8 2 5 - <_> - 1 - - 0 13 6 2 - <_> - 9 - - 3 1 2 12 - <_> - 2 - - 2 5 4 2 - <_> - 0 - - 2 11 3 1 - <_> - 1 - - 0 9 7 3 - <_> - 2 - - 2 13 5 2 - <_> - 7 - - 0 8 5 7 - <_> - 3 - - 3 6 4 1 - <_> - 7 - - 3 4 2 4 - <_> - 4 - - 4 1 1 7 - <_> - 1 - - 3 3 2 3 - <_> - 4 - - 2 2 4 4 - <_> - 1 - - 1 2 6 4 - <_> - 5 - - 1 4 6 2 - <_> - 0 - - 2 3 2 3 - <_> - 9 - - 0 5 7 1 - <_> - 8 - - 2 2 4 2 - <_> - 5 - - 0 8 4 3 - <_> - 1 - - 4 13 1 1 - <_> - 3 - - 2 4 2 9 - <_> - 5 - - 2 3 4 4 - <_> - 4 - - 2 6 3 9 - <_> - 2 - - 3 4 2 9 - <_> - 2 - - 0 11 5 1 - <_> - 3 - - 0 14 7 1 - <_> - 4 - - 2 8 4 5 - <_> - 9 - - 2 12 2 2 - <_> - 3 - - 1 4 6 8 - <_> - 7 - - 0 8 3 1 - <_> - 7 - - 0 6 5 4 - <_> - 5 - - 4 0 3 12 - <_> - 7 - - 1 0 5 4 - <_> - 4 - - 4 1 3 9 - <_> - 1 - - 3 5 4 8 - <_> - 1 - - 0 7 7 7 - <_> - 5 - - 0 0 4 1 - <_> - 3 - - 2 9 4 1 - <_> - 8 - - 2 4 4 11 - <_> - 9 - - 4 8 1 3 - <_> - 2 - - 3 4 4 9 - <_> - 2 - - 2 10 3 1 - <_> - 4 - - 3 12 2 1 - <_> - 7 - - 3 11 2 1 - <_> - 7 - - 1 4 6 7 - <_> - 9 - - 3 1 2 2 - <_> - 2 - - 5 14 2 1 - <_> - 5 - - 3 11 3 2 - <_> - 4 - - 0 0 3 2 - <_> - 3 - - 0 0 1 14 - <_> - 8 - - 4 0 3 12 - <_> - 7 - - 6 8 1 4 - <_> - 7 - - 6 0 1 3 - <_> - 7 - - 1 6 6 4 - <_> - 8 - - 0 6 7 1 - <_> - 5 - - 4 2 1 11 - <_> - 4 - - 2 8 3 7 - <_> - 3 - - 4 6 1 3 - <_> - 0 - - 2 14 5 1 - <_> - 3 - - 1 11 5 3 - <_> - 4 - - 2 0 3 2 - <_> - 4 - - 2 1 5 14 - <_> - 3 - - 1 5 5 1 - <_> - 0 - - 2 0 4 1 - <_> - 7 - - 1 7 1 1 - <_> - 0 - - 1 2 3 3 - <_> - 4 - - 1 7 3 4 - <_> - 0 - - 3 9 1 4 - <_> - 1 - - 1 13 4 1 - <_> - 3 - - 2 1 5 6 - <_> - 9 - - 4 2 3 9 - <_> - 9 - - 0 1 1 13 - <_> - 3 - - 2 1 1 13 - <_> - 3 - - 2 14 4 1 - <_> - 1 - - 2 11 5 4 - <_> - 5 - - 4 0 3 7 - <_> - 1 - - 2 6 3 6 - <_> - 8 - - 5 3 2 4 - <_> - 0 - - 0 1 3 3 - <_> - 9 - - 4 4 1 9 - <_> - 9 - - 6 6 1 6 - <_> - 9 - - 0 14 6 1 - <_> - 0 - - 1 8 5 6 - <_> - 1 - - 0 2 6 11 - <_> - 5 - - 1 14 6 1 - <_> - 4 - - 4 1 1 9 - <_> - 8 - - 6 11 1 3 - <_> - 8 - - 2 1 5 8 - <_> - 3 - - 0 3 3 5 - <_> - 4 - - 0 7 2 2 - <_> - 8 - - 2 0 5 1 - <_> - 8 - - 1 6 5 1 - <_> - 5 - - 4 4 3 3 - <_> - 0 - - 3 1 3 1 - <_> - 9 - - 1 5 1 2 - <_> - 1 - - 2 12 5 2 - <_> - 3 - - 0 5 7 1 - <_> - 1 - - 0 11 6 2 - <_> - 2 - - 4 2 2 4 - <_> - 5 - - 5 11 1 3 - <_> - 5 - - 1 1 3 8 - <_> - 5 - - 0 3 5 3 - <_> - 5 - - 1 5 6 1 - <_> - 2 - - 2 14 4 1 - <_> - 9 - - 6 6 1 3 - <_> - 4 - - 0 12 7 3 - <_> - 2 - - 2 10 4 3 - <_> - 1 - - 3 7 4 1 - <_> - 9 - - 0 2 2 1 - <_> - 1 - - 3 0 2 12 - <_> - 3 - - 4 14 3 1 - <_> - 1 - - 3 4 3 4 - <_> - 1 - - 2 12 3 2 - <_> - 0 - - 0 4 5 7 - <_> - 3 - - 3 2 3 8 - <_> - 4 - - 2 10 3 4 - <_> - 3 - - 2 9 2 4 - <_> - 0 - - 2 10 4 3 - <_> - 4 - - 2 0 5 15 - <_> - 1 - - 0 12 4 1 - <_> - 4 - - 3 2 1 4 - <_> - 1 - - 0 0 7 1 - <_> - 1 - - 1 9 1 6 - <_> - 4 - - 3 5 2 10 - <_> - 0 - - 2 2 4 10 - <_> - 7 - - 1 5 6 4 - <_> - 7 - - 1 8 4 2 - <_> - 4 - - 2 7 5 4 - <_> - 4 - - 0 1 6 1 - <_> - 3 - - 3 3 1 2 - <_> - 5 - - 1 14 3 1 - <_> - 9 - - 0 5 6 3 - <_> - 8 - - 0 3 1 12 - <_> - 3 - - 0 0 4 11 - <_> - 9 - - 3 4 1 3 - <_> - 9 - - 6 0 1 1 - <_> - 7 - - 1 3 1 2 - <_> - 0 - - 3 8 4 4 - <_> - 5 - - 5 3 1 9 - <_> - 1 - - 3 11 2 3 - <_> - 9 - - 3 7 2 6 - <_> - 4 - - 2 8 4 5 - <_> - 1 - - 4 0 1 10 - <_> - 8 - - 6 5 1 3 - <_> - 0 - - 2 14 2 1 - <_> - 3 - - 2 2 1 5 - <_> - 0 - - 3 4 1 1 - <_> - 1 - - 2 4 3 7 - <_> - 7 - - 3 4 1 3 - <_> - 7 - - 2 0 5 15 - <_> - 7 - - 3 4 2 1 - <_> - 1 - - 2 5 4 8 - <_> - 9 - - 3 9 1 4 - <_> - 0 - - 1 3 4 1 - <_> - 3 - - 2 7 2 6 - <_> - 3 - - 0 12 3 1 - <_> - 5 - - 3 14 4 1 - <_> - 1 - - 0 2 7 5 - <_> - 4 - - 3 14 3 1 - <_> - 5 - - 3 4 1 3 - <_> - 2 - - 3 4 2 8 - <_> - 7 - - 0 11 4 1 - <_> - 0 - - 1 13 5 2 - <_> - 0 - - 3 10 2 3 - <_> - 1 - - 2 8 4 3 - <_> - 7 - - 1 8 1 6 - <_> - 1 - - 6 6 1 8 - <_> - 5 - - 0 2 6 3 - <_> - 8 - - 3 1 2 3 - <_> - 2 - - 4 5 3 8 - <_> - 7 - - 3 8 1 1 - <_> - 1 - - 1 11 1 4 - <_> - 1 - - 2 13 2 1 - <_> - 9 - - 3 1 2 3 - <_> - 2 - - 2 0 3 2 - <_> - 3 - - 2 1 2 6 - <_> - 7 - - 3 6 2 1 - <_> - 4 - - 0 3 5 3 - <_> - 5 - - 2 7 3 4 - <_> - 3 - - 3 12 1 1 - <_> - 9 - - 3 1 2 5 - <_> - 4 - - 0 8 7 1 - <_> - 1 - - 1 6 6 8 - <_> - 4 - - 3 11 2 4 - <_> - 9 - - 5 1 2 1 - <_> - 7 - - 2 1 1 1 - <_> - 7 - - 1 14 2 1 - <_> - 5 - - 1 5 6 7 - <_> - 4 - - 2 9 4 6 - <_> - 5 - - 0 6 7 9 - <_> - 8 - - 0 1 7 4 - <_> - 3 - - 3 3 1 4 - <_> - 4 - - 3 12 2 1 - <_> - 2 - - 0 13 5 2 - <_> - 2 - - 1 11 4 2 - <_> - 3 - - 0 3 6 7 - <_> - 9 - - 0 5 7 1 - <_> - 1 - - 3 9 1 3 - <_> - 4 - - 2 0 4 8 - <_> - 8 - - 3 2 3 2 - <_> - 4 - - 1 0 4 1 - <_> - 5 - - 5 3 1 10 - <_> - 0 - - 0 11 2 4 - <_> - 1 - - 4 10 1 4 - <_> - 2 - - 3 3 3 1 - <_> - 1 - - 3 13 1 2 - <_> - 2 - - 1 10 5 1 - <_> - 4 - - 0 8 5 7 - <_> - 4 - - 1 5 4 8 - <_> - 4 - - 1 1 5 14 - <_> - 1 - - 2 1 4 12 - <_> - 4 - - 4 2 3 3 - <_> - 1 - - 3 12 2 2 - <_> - 4 - - 4 8 2 6 - <_> - 5 - - 3 11 4 2 - <_> - 2 - - 0 6 1 6 - <_> - 3 - - 1 14 6 1 - <_> - 3 - - 2 9 2 3 - <_> - 7 - - 1 2 1 7 - <_> - 1 - - 6 13 1 2 - <_> - 1 - - 3 5 2 1 - <_> - 8 - - 0 0 6 1 - <_> - 5 - - 4 4 1 2 - <_> - 4 - - 3 1 1 8 - <_> - 1 - - 3 7 2 1 - <_> - 4 - - 3 3 2 8 - <_> - 1 - - 2 10 5 3 - <_> - 9 - - 4 2 3 2 - <_> - 9 - - 2 7 5 3 - <_> - 7 - - 1 11 3 1 - <_> - 2 - - 2 10 3 3 - <_> - 5 - - 4 4 3 9 - <_> - 7 - - 6 5 1 2 - <_> - 3 - - 2 13 3 1 - <_> - 8 - - 0 6 7 1 - <_> - 2 - - 3 13 4 2 - <_> - 9 - - 3 0 2 13 - <_> - 4 - - 3 2 2 2 - <_> - 1 - - 3 2 2 2 - <_> - 4 - - 1 2 2 2 - <_> - 4 - - 3 8 2 4 - <_> - 3 - - 6 5 1 5 - <_> - 8 - - 3 6 2 1 - <_> - 1 - - 0 5 6 2 - <_> - 0 - - 2 14 2 1 - <_> - 1 - - 0 5 3 3 - <_> - 3 - - 2 4 1 6 - <_> - 7 - - 6 3 1 2 - <_> - 5 - - 2 11 4 3 - <_> - 5 - - 0 14 7 1 - <_> - 3 - - 2 12 5 2 - <_> - 8 - - 0 4 1 9 - <_> - 9 - - 0 5 2 5 - <_> - 4 - - 1 11 6 1 - <_> - 4 - - 3 12 2 1 - <_> - 4 - - 6 6 1 5 - <_> - 1 - - 0 0 7 2 - <_> - 9 - - 1 0 1 3 - <_> - 1 - - 3 10 2 4 - <_> - 5 - - 4 4 3 1 - <_> - 4 - - 2 14 4 1 - <_> - 2 - - 3 2 2 9 - <_> - 5 - - 2 7 2 4 - <_> - 9 - - 1 7 6 2 - <_> - 2 - - 3 14 2 1 - <_> - 1 - - 3 11 1 1 - <_> - 0 - - 5 7 1 4 - <_> - 2 - - 4 1 2 12 - <_> - 4 - - 3 4 2 9 - <_> - 7 - - 1 8 1 2 - <_> - 4 - - 3 1 2 8 - <_> - 7 - - 3 14 3 1 - <_> - 8 - - 1 5 6 4 - <_> - 9 - - 3 5 2 2 - <_> - 9 - - 0 3 2 3 - <_> - 7 - - 0 12 1 2 - <_> - 1 - - 3 0 4 13 - <_> - 3 - - 1 14 6 1 - <_> - 3 - - 2 6 2 6 - <_> - 0 - - 2 3 4 10 - <_> - 3 - - 4 9 2 2 - <_> - 0 - - 3 5 3 1 - <_> - 8 - - 3 3 2 1 - <_> - 1 - - 6 8 1 3 - <_> - 3 - - 1 4 3 8 - <_> - 9 - - 0 5 2 4 - <_> - 1 - - 0 12 7 2 - <_> - 3 - - 0 0 3 4 - <_> - 1 - - 3 4 2 6 - <_> - 8 - - 3 10 2 4 - <_> - 1 - - 2 0 5 12 - <_> - 5 - - 4 4 3 2 - <_> - 1 - - 0 10 7 1 - <_> - 2 - - 1 1 6 5 - <_> - 0 - - 2 14 3 1 - <_> - 0 - - 2 5 1 7 - <_> - 1 - - 2 0 3 3 - <_> - 8 - - 2 0 4 1 - <_> - 0 - - 1 9 4 3 - <_> - 8 - - 1 0 6 5 - <_> - 3 - - 0 4 3 2 - <_> - 7 - - 3 8 3 2 - <_> - 1 - - 0 0 3 8 - <_> - 5 - - 3 3 2 2 - <_> - 9 - - 4 1 1 12 - <_> - 4 - - 2 8 5 6 - <_> - 5 - - 2 11 4 3 - <_> - 8 - - 0 7 1 6 - <_> - 1 - - 3 2 2 7 - <_> - 7 - - 3 7 2 4 - <_> - 7 - - 3 4 2 2 - <_> - 7 - - 1 1 1 1 - <_> - 4 - - 2 2 4 11 - <_> - 1 - - 1 0 6 14 - <_> - 7 - - 1 11 5 1 - <_> - 5 - - 4 0 3 6 - <_> - 9 - - 4 8 1 4 - <_> - 4 - - 2 1 5 7 - <_> - 4 - - 4 2 3 5 - <_> - 3 - - 1 14 6 1 - <_> - 3 - - 0 4 3 2 - <_> - 0 - - 2 6 5 7 - <_> - 1 - - 1 5 2 7 - <_> - 3 - - 3 1 1 3 - <_> - 9 - - 2 5 2 1 - <_> - 8 - - 0 12 2 1 - <_> - 8 - - 2 0 2 4 - <_> - 3 - - 2 9 3 4 - <_> - 9 - - 5 6 1 3 - <_> - 2 - - 0 13 7 2 - <_> - 7 - - 3 5 3 5 - <_> - 0 - - 2 1 3 4 - <_> - 1 - - 0 1 5 1 - <_> - 7 - - 0 13 7 2 - <_> - 4 - - 1 12 6 3 - <_> - 1 - - 1 11 6 2 - <_> - 1 - - 2 12 4 2 - <_> - 5 - - 5 5 2 1 - <_> - 9 - - 2 5 5 6 - <_> - 0 - - 2 10 5 3 - <_> - 9 - - 0 3 7 11 - <_> - 9 - - 6 0 1 13 - <_> - 2 - - 1 14 2 1 - <_> - 5 - - 3 3 2 4 - <_> - 0 - - 0 2 1 7 - <_> - 7 - - 4 5 1 1 - <_> - 7 - - 1 1 5 14 - <_> - 0 - - 2 3 5 6 - <_> - 7 - - 1 11 4 1 - <_> - 7 - - 3 3 2 9 - <_> - 5 - - 5 6 1 7 - <_> - 4 - - 2 8 3 6 - <_> - 9 - - 3 2 2 1 - <_> - 7 - - 1 1 2 8 - <_> - 1 - - 0 12 6 1 - <_> - 7 - - 2 5 4 9 - <_> - 8 - - 1 5 6 3 - <_> - 2 - - 5 14 2 1 - <_> - 2 - - 2 11 4 2 - <_> - 9 - - 0 5 7 1 - <_> - 5 - - 1 5 6 1 - <_> - 2 - - 1 1 3 2 - <_> - 4 - - 0 3 6 2 - <_> - 9 - - 0 5 5 3 - <_> - 4 - - 1 5 5 1 - <_> - 3 - - 2 5 5 1 - <_> - 3 - - 2 1 1 12 - <_> - 1 - - 2 2 1 7 - <_> - 7 - - 2 6 4 4 - <_> - 1 - - 3 1 1 10 - <_> - 7 - - 3 2 1 1 - <_> - 5 - - 4 9 2 4 - <_> - 7 - - 0 6 2 2 - <_> - 0 - - 3 13 4 2 - <_> - 3 - - 0 9 2 5 - <_> - 2 - - 1 6 3 7 - <_> - 8 - - 5 8 2 6 - <_> - 1 - - 2 4 4 9 - <_> - 5 - - 1 14 3 1 - <_> - 4 - - 3 2 1 4 - <_> - 4 - - 6 9 1 1 - <_> - 8 - - 4 1 2 3 - <_> - 2 - - 0 2 1 8 - <_> - 8 - - 3 1 4 3 - <_> - 1 - - 3 13 3 1 - <_> - 9 - - 5 10 2 2 - <_> - 9 - - 3 9 2 4 - <_> - 5 - - 4 4 3 3 - <_> - 7 - - 1 9 6 1 - <_> - 4 - - 1 8 5 3 - <_> - 3 - - 1 4 5 9 - <_> - 7 - - 0 6 7 3 - <_> - 2 - - 0 13 4 1 - <_> - 7 - - 0 6 1 8 - <_> - 9 - - 3 6 2 1 - <_> - 7 - - 3 4 1 5 - <_> - 1 - - 3 7 4 1 - <_> - 4 - - 3 3 4 5 - <_> - 4 - - 4 8 2 7 - <_> - 1 - - 0 0 7 2 - <_> - 7 - - 3 5 2 10 - <_> - 4 - - 3 5 2 10 - <_> - 1 - - 2 2 5 3 - <_> - 8 - - 3 0 2 4 - <_> - 2 - - 2 2 5 3 - <_> - 1 - - 0 5 5 2 - <_> - 5 - - 4 8 2 5 - <_> - 0 - - 3 3 1 11 - <_> - 0 - - 4 13 3 2 - <_> - 1 - - 1 10 5 5 - <_> - 4 - - 1 0 5 2 - <_> - 1 - - 1 12 6 2 - <_> - 3 - - 1 4 3 1 - <_> - 9 - - 1 0 6 3 - <_> - 9 - - 2 3 5 11 - <_> - 2 - - 3 0 2 3 - <_> - 0 - - 2 10 5 3 - <_> - 8 - - 3 6 2 7 - <_> - 5 - - 1 13 3 2 - <_> - 2 - - 1 12 4 1 - <_> - 5 - - 4 2 1 4 - <_> - 9 - - 3 7 2 1 - <_> - 7 - - 1 11 6 2 - <_> - 7 - - 4 14 1 1 - <_> - 7 - - 5 2 2 2 - <_> - 1 - - 3 7 2 6 - <_> - 2 - - 4 1 3 12 - <_> - 4 - - 3 4 2 9 - <_> - 7 - - 3 9 3 1 - <_> - 4 - - 1 3 4 7 - <_> - 8 - - 3 8 2 2 - <_> - 7 - - 3 3 2 2 - <_> - 3 - - 0 4 4 2 - <_> - 0 - - 2 1 2 5 - <_> - 5 - - 3 6 4 6 - <_> - 2 - - 0 13 7 2 - <_> - 9 - - 2 0 5 2 - <_> - 0 - - 1 12 3 1 - <_> - 1 - - 0 0 6 14 - <_> - 9 - - 3 10 2 1 - <_> - 1 - - 0 3 7 4 - <_> - 3 - - 2 1 2 13 - <_> - 4 - - 0 6 1 8 - <_> - 7 - - 3 6 2 1 - <_> - 1 - - 0 4 2 3 - <_> - 0 - - 1 13 6 1 - <_> - 3 - - 2 3 2 10 - <_> - 4 - - 4 0 1 11 - <_> - 1 - - 4 3 1 5 - <_> - 8 - - 3 1 2 4 - <_> - 1 - - 1 13 2 2 - <_> - 9 - - 1 1 6 1 - <_> - 9 - - 3 0 2 5 - <_> - 2 - - 2 0 4 12 - <_> - 3 - - 6 6 1 4 - <_> - 2 - - 1 2 4 1 - <_> - 4 - - 3 8 2 5 - <_> - 5 - - 4 1 2 12 - <_> - 1 - - 5 0 2 7 - <_> - 1 - - 5 1 2 8 - <_> - 3 - - 1 11 6 4 - <_> - 9 - - 1 5 6 2 - <_> - 9 - - 6 0 1 2 - <_> - 7 - - 2 11 1 1 - <_> - 3 - - 0 0 5 6 - <_> - 1 - - 6 10 1 4 - <_> - 7 - - 3 0 4 1 - <_> - 3 - - 2 0 4 2 - <_> - 4 - - 3 3 4 5 - <_> - 4 - - 1 13 4 2 - <_> - 5 - - 2 10 3 5 - <_> - 5 - - 2 11 4 2 - <_> - 4 - - 1 12 1 2 - <_> - 4 - - 1 7 6 7 - <_> - 0 - - 0 13 2 1 - <_> - 3 - - 1 4 2 3 - <_> - 4 - - 0 0 7 2 - <_> - 8 - - 5 4 2 6 - <_> - 5 - - 3 13 4 2 - <_> - 2 - - 2 6 5 9 - <_> - 9 - - 4 5 3 1 - <_> - 4 - - 0 8 7 1 - <_> - 3 - - 1 0 3 6 - <_> - 2 - - 5 0 1 15 - <_> - 0 - - 4 6 3 7 - <_> - 1 - - 1 12 1 3 - <_> - 1 - - 2 13 3 1 - <_> - 5 - - 3 2 2 4 - <_> - 0 - - 2 4 2 8 - <_> - 4 - - 3 5 2 10 - <_> - 7 - - 3 7 2 1 - <_> - 8 - - 3 3 2 1 - <_> - 9 - - 3 9 2 3 - <_> - 0 - - 1 3 5 10 - <_> - 2 - - 3 1 2 2 - <_> - 5 - - 3 14 3 1 - <_> - 9 - - 6 7 1 1 - <_> - 3 - - 0 14 5 1 - <_> - 1 - - 2 4 3 8 - <_> - 1 - - 3 0 1 14 - <_> - 4 - - 2 4 1 2 - <_> - 8 - - 2 3 4 1 - <_> - 1 - - 1 5 6 6 - <_> - 9 - - 4 4 1 7 - <_> - 0 - - 2 10 3 3 - <_> - 4 - - 0 14 6 1 - <_> - 1 - - 3 4 2 3 - <_> - 1 - - 1 12 6 2 - <_> - 5 - - 2 3 5 3 - <_> - 1 - - 3 9 2 5 - <_> - 2 - - 4 14 2 1 - <_> - 2 - - 2 11 4 2 - <_> - 3 - - 1 6 5 1 - <_> - 7 - - 0 6 5 5 - <_> - 5 - - 0 3 4 3 - <_> - 7 - - 1 2 1 1 - <_> - 9 - - 0 5 7 1 - <_> - 8 - - 2 0 4 3 - <_> - 0 - - 1 7 3 3 - <_> - 4 - - 3 9 2 4 - <_> - 2 - - 2 7 4 4 - <_> - 2 - - 3 10 4 2 - <_> - 9 - - 2 5 2 1 - <_> - 8 - - 1 4 6 2 - <_> - 5 - - 4 5 3 1 - <_> - 7 - - 3 5 1 2 - <_> - 7 - - 0 3 7 12 - <_> - 7 - - 3 9 2 4 - <_> - 1 - - 3 12 2 2 - <_> - 3 - - 0 1 7 1 - <_> - 3 - - 1 3 5 10 - <_> - 4 - - 2 8 4 5 - <_> - 3 - - 1 13 2 1 - <_> - 4 - - 4 0 2 2 - <_> - 1 - - 1 7 6 2 - <_> - 7 - - 1 1 1 8 - <_> - 4 - - 2 3 4 4 - <_> - 5 - - 5 4 1 10 - <_> - 9 - - 2 5 2 2 - <_> - 3 - - 3 4 1 1 - <_> - 9 - - 1 2 2 1 - <_> - 1 - - 4 10 1 4 - <_> - 9 - - 2 3 3 11 - <_> - 4 - - 3 11 2 1 - <_> - 8 - - 0 5 7 3 - <_> - 5 - - 3 4 3 8 - <_> - 2 - - 5 13 2 2 - <_> - 3 - - 2 3 3 2 - <_> - 9 - - 4 3 2 4 - <_> - 1 - - 6 13 1 2 - <_> - 1 - - 4 10 2 4 - <_> - 3 - - 6 6 1 4 - <_> - 1 - - 3 4 4 9 - <_> - 2 - - 3 3 2 9 - <_> - 1 - - 6 6 1 5 - <_> - 0 - - 3 14 1 1 - <_> - 0 - - 2 6 4 6 - <_> - 2 - - 0 13 7 1 - <_> - 7 - - 3 6 2 1 - <_> - 7 - - 0 1 7 14 - <_> - 1 - - 2 4 3 1 - <_> - 1 - - 3 5 2 5 - <_> - 9 - - 1 0 6 4 - <_> - 3 - - 2 2 1 8 - <_> - 7 - - 4 14 1 1 - <_> - 4 - - 0 12 6 3 - <_> - 1 - - 0 0 1 3 - <_> - 2 - - 2 3 5 6 - <_> - 4 - - 2 7 5 2 - <_> - 9 - - 0 5 7 1 - <_> - 5 - - 4 3 3 3 - <_> - 0 - - 2 14 5 1 - <_> - 1 - - 2 5 5 6 - <_> - 1 - - 0 2 7 4 - <_> - 4 - - 2 2 3 4 - <_> - 7 - - 3 9 1 4 - <_> - 1 - - 2 12 3 3 - <_> - 3 - - 0 3 5 3 - <_> - 4 - - 1 7 6 4 - <_> - 8 - - 2 1 3 3 - <_> - 4 - - 2 14 5 1 - <_> - 8 - - 0 3 7 1 - <_> - 3 - - 1 4 1 2 - <_> - 5 - - 0 10 3 4 - <_> - 9 - - 0 6 2 3 - <_> - 0 - - 2 5 2 8 - <_> - 2 - - 3 11 1 3 - <_> - 4 - - 0 11 1 3 - <_> - 9 - - 5 1 2 2 - <_> - 0 - - 2 3 2 1 - <_> - 4 - - 3 8 2 4 - <_> - 2 - - 0 14 6 1 - <_> - 5 - - 2 5 5 10 - <_> - 7 - - 5 11 1 3 - <_> - 1 - - 1 12 5 2 - <_> - 3 - - 0 1 4 6 - <_> - 4 - - 2 12 5 3 - <_> - 1 - - 0 0 4 2 - <_> - 1 - - 4 10 1 5 - <_> - 7 - - 3 8 2 2 - <_> - 2 - - 2 10 4 3 - <_> - 9 - - 0 0 6 11 - <_> - 9 - - 1 2 2 2 - <_> - 0 - - 0 13 2 1 - <_> - 5 - - 2 11 4 2 - <_> - 3 - - 0 4 6 6 - <_> - 5 - - 3 14 4 1 - <_> - 5 - - 4 4 1 2 - <_> - 0 - - 5 8 1 2 - <_> - 1 - - 3 6 3 7 - <_> - 0 - - 3 14 2 1 - <_> - 1 - - 0 5 7 4 - <_> - 7 - - 0 1 2 14 - <_> - 9 - - 3 4 2 1 - <_> - 7 - - 1 10 4 5 - <_> - 8 - - 4 0 3 1 - <_> - 8 - - 2 4 1 2 - <_> - 9 - - 4 9 3 1 - <_> - 1 - - 5 7 2 7 - <_> - 5 - - 0 2 1 8 - <_> - 2 - - 4 10 3 3 - <_> - 4 - - 2 9 3 5 - <_> - 4 - - 0 1 2 5 - <_> - 1 - - 5 1 2 7 - <_> - 4 - - 4 1 1 5 - <_> - 1 - - 3 7 2 1 - <_> - 5 - - 0 5 7 2 - <_> - 3 - - 4 14 3 1 - <_> - 9 - - 1 0 2 14 - <_> - 4 - - 0 0 1 11 - <_> - 7 - - 0 9 7 1 - <_> - 7 - - 1 3 5 12 - <_> - 3 - - 0 9 5 4 - <_> - 8 - - 0 6 6 1 - <_> - 2 - - 0 13 5 2 - <_> - 8 - - 2 2 5 8 - <_> - 1 - - 3 11 1 1 - <_> - 9 - - 1 5 6 7 - <_> - 2 - - 1 12 3 1 - <_> - 2 - - 5 2 1 8 - <_> - 5 - - 4 4 2 10 - <_> - 1 - - 4 3 3 6 - <_> - 4 - - 3 8 2 5 - <_> - 3 - - 2 9 2 3 - <_> - 7 - - 1 8 6 3 - <_> - 1 - - 0 5 7 2 - <_> - 8 - - 0 0 5 2 - <_> - 5 - - 4 2 2 3 - <_> - 4 - - 6 2 1 1 - <_> - 1 - - 3 0 1 9 - <_> - 0 - - 3 8 4 4 - <_> - 7 - - 6 11 1 1 - <_> - 2 - - 2 1 2 3 - <_> - 8 - - 0 5 7 3 - <_> - 9 - - 3 4 2 3 - <_> - 1 - - 0 13 7 1 - <_> - 3 - - 2 4 1 3 - <_> - 7 - - 1 2 1 4 - <_> - 2 - - 4 2 3 3 - <_> - 3 - - 2 1 2 5 - <_> - 7 - - 6 0 1 3 - <_> - 7 - - 3 6 3 4 - <_> - 8 - - 4 0 2 8 - <_> - 5 - - 0 14 7 1 - <_> - 5 - - 3 11 3 2 - <_> - 4 - - 3 2 2 2 - <_> - 1 - - 1 10 6 5 - <_> - 8 - - 0 1 5 4 - <_> - 7 - - 5 5 1 3 - <_> - 1 - - 4 10 3 4 - <_> - 0 - - 6 7 1 1 - <_> - 9 - - 0 4 7 5 - <_> - 0 - - 2 3 2 2 - <_> - 3 - - 0 3 5 3 - <_> - 0 - - 0 14 7 1 - <_> - 3 - - 0 13 5 1 - <_> - 4 - - 0 0 6 7 - <_> - 8 - - 4 1 2 12 - <_> - 9 - - 3 7 1 8 - <_> - 9 - - 6 6 1 8 - <_> - 2 - - 0 10 6 2 - <_> - 1 - - 3 7 2 6 - <_> - 5 - - 3 3 2 8 - <_> - 1 - - 3 10 1 1 - <_> - 2 - - 2 1 4 14 - <_> - 4 - - 2 8 4 5 - <_> - 3 - - 1 3 3 4 - <_> - 3 - - 2 5 2 9 - <_> - 1 - - 3 1 3 2 - <_> - 9 - - 2 8 4 4 - <_> - 8 - - 0 3 6 1 - <_> - 7 - - 4 14 1 1 - <_> - 0 - - 3 2 3 11 - <_> - 0 - 1024 - - <_> - -8.4679585695266724e-01 - - 1 2 0 7.7750000000000000e+02 0 -1 1 5.8850000000000000e+02 - -2 -3 2 2.5500000000000000e+01 - - -8.4679585695266724e-01 7.5506496429443359e-01 - -6.9044047594070435e-01 6.3049119710922241e-01 - <_> - -1.6734303236007690e+00 - - 1 2 3 1.9500000000000000e+01 0 -1 4 1.5500000000000000e+01 - -2 -3 5 1.4500000000000000e+01 - - -7.5389009714126587e-01 6.4812886714935303e-01 - -2.1629486978054047e-01 -8.2663446664810181e-01 - <_> - -1.8291370868682861e+00 - - 1 2 6 1.3500000000000000e+01 0 -1 7 2.0350000000000000e+02 - -2 -3 8 3.0050000000000000e+02 - - -1.5570680797100067e-01 -8.0992084741592407e-01 - 6.8644106388092041e-01 -5.6922149658203125e-01 - <_> - -1.7377158403396606e+00 - - 1 2 9 3.6500000000000000e+01 0 -1 10 2.4500000000000000e+01 - -2 -3 11 2.8150000000000000e+02 - - -8.2347095012664795e-01 3.0225446820259094e-01 - 6.9995605945587158e-01 -1.7914050817489624e-01 - <_> - -2.2347910404205322e+00 - - 1 2 12 2.0550000000000000e+02 0 -1 13 6.7500000000000000e+01 - -2 -3 14 8.6350000000000000e+02 - - -4.9707528948783875e-01 1.7866376042366028e-01 - 7.4965566396713257e-01 5.7663144543766975e-03 - <_> - -1.8678615093231201e+00 - - 1 2 15 1.5150000000000000e+02 0 -1 16 1.0500000000000000e+01 - -2 -3 17 4.3255000000000000e+03 - - -2.6820951700210571e-01 6.4194840192794800e-01 - -6.7160737514495850e-01 6.3368387520313263e-02 - <_> - -2.0991549491882324e+00 - - 1 2 18 1.5000000000000000e+00 0 -1 19 2.9500000000000000e+01 - -2 -3 20 5.0000000000000000e-01 - - -5.0631237030029297e-01 5.5947405099868774e-01 - 7.0312672853469849e-01 -4.0578368306159973e-01 - <_> - -2.0249555110931396e+00 - - 1 2 21 5.2500000000000000e+01 0 -1 22 7.5000000000000000e+00 - -2 -3 23 4.3500000000000000e+01 - - -7.6095990836620331e-02 -7.4784129858016968e-01 - 5.0073879957199097e-01 -3.8508036732673645e-01 - <_> - -2.0100402832031250e+00 - - 1 2 24 3.7650000000000000e+02 0 -1 25 4.1500000000000000e+01 - -2 -3 26 2.5250000000000000e+02 - - -5.6506282091140747e-01 2.3158341646194458e-01 - -8.8750278949737549e-01 8.2055127620697021e-01 - <_> - -1.6451328992843628e+00 - - 1 2 27 7.5000000000000000e+00 0 -1 28 1.8500000000000000e+01 - -2 -3 29 2.2500000000000000e+01 - - -6.0027003288269043e-01 3.8312932848930359e-01 - 2.1947205066680908e-01 -5.9093552827835083e-01 - <_> - -2.0925648212432861e+00 - - 1 2 30 1.1500000000000000e+01 0 -1 31 9.5000000000000000e+00 - -2 -3 32 2.6350000000000000e+02 - - -4.6565398573875427e-01 5.0306195020675659e-01 - 4.4449210166931152e-01 -6.1473309993743896e-01 - <_> - -1.5271776914596558e+00 - - 1 2 33 5.0000000000000000e-01 0 -1 34 1.2500000000000000e+01 - -2 -3 35 3.6500000000000000e+01 - - -7.7037209272384644e-01 5.6538718938827515e-01 - -5.0570178031921387e-01 1.6205248236656189e-01 - <_> - -1.1876722574234009e+00 - - 1 2 36 3.5000000000000000e+00 0 -1 37 1.5000000000000000e+00 - -2 -3 38 2.5150000000000000e+02 - - -7.4505090713500977e-01 3.8910430669784546e-01 - -5.9720128774642944e-01 7.2264879941940308e-02 - <_> - -1.1631057262420654e+00 - - 1 2 39 2.7950000000000000e+02 0 -1 40 1.7065000000000000e+03 - -2 -3 41 1.2495000000000000e+03 - - 2.4566594511270523e-02 7.9330480098724365e-01 - 5.6873923540115356e-01 -4.0141937136650085e-01 - <_> - -8.4218001365661621e-01 - - 1 2 42 4.2525000000000000e+03 0 -1 43 4.5000000000000000e+00 - -2 -3 44 1.5175000000000000e+03 - - 3.2092568278312683e-01 -4.5945590734481812e-01 - -8.0667120218276978e-01 4.0151047706604004e-01 - <_> - -1.3475534915924072e+00 - - 1 2 45 2.3500000000000000e+01 0 -1 46 8.8500000000000000e+01 - -2 -3 47 9.2150000000000000e+02 - - 3.0066493153572083e-01 -5.0537353754043579e-01 - 3.6820709705352783e-01 -9.1408914327621460e-01 - <_> - -9.5874893665313721e-01 - - 1 2 48 5.7550000000000000e+02 0 -1 49 6.7550000000000000e+02 - -2 -3 50 5.0000000000000000e-01 - - -8.4770929813385010e-01 3.3511099219322205e-01 - 3.8880458474159241e-01 -1.9090360403060913e-01 - <_> - -8.5856813192367554e-01 - - 1 2 51 6.1500000000000000e+01 0 -1 52 1.5000000000000000e+00 - -2 -3 53 1158. - - 5.0987577438354492e-01 -3.8584578037261963e-01 - -5.0875252485275269e-01 5.5896055698394775e-01 - <_> - -6.4911109209060669e-01 - - 1 2 54 2.2050000000000000e+02 0 -1 55 2.5750000000000000e+02 - -2 -3 56 2.1450000000000000e+02 - - -6.3486647605895996e-01 2.0945706963539124e-01 - -8.4773159027099609e-01 4.1636252403259277e-01 - <_> - -4.9586555361747742e-01 - - 1 2 57 3.5000000000000000e+00 0 -1 58 2.5000000000000000e+00 - -2 -3 59 3.2500000000000000e+01 - - -7.5921803712844849e-01 4.6488901972770691e-01 - -6.8810594081878662e-01 -2.7040589600801468e-02 - <_> - -4.7253912687301636e-01 - - 1 2 60 2.5000000000000000e+00 0 -1 61 4.5000000000000000e+00 - -2 -3 62 3.2500000000000000e+01 - - -7.9894185066223145e-01 6.2211072444915771e-01 - -5.4600864648818970e-01 2.3326411843299866e-02 - <_> - -5.5614802986383438e-02 - - 1 2 63 2.4500000000000000e+01 0 -1 64 2.2500000000000000e+01 - -2 -3 65 1.5000000000000000e+00 - - -1.4692783355712891e-01 4.1692432761192322e-01 - 3.2402262091636658e-01 -8.1831818819046021e-01 - <_> - 2.4737248197197914e-02 - - 1 2 66 3.4500000000000000e+01 0 -1 67 5.0000000000000000e-01 - -2 -3 68 8.1750000000000000e+02 - - 4.9493959546089172e-01 -4.3111301958560944e-02 - 4.1624513268470764e-01 -6.5285211801528931e-01 - <_> - -3.8909688591957092e-01 - - 1 2 69 4.6500000000000000e+01 0 -1 70 1.1950000000000000e+02 - -2 -3 71 5.0000000000000000e-01 - - 3.9863130450248718e-01 -6.7247897386550903e-01 - 5.4888677597045898e-01 -1.2822744250297546e-01 - <_> - -7.9226568341255188e-02 - - 1 2 72 1.1500000000000000e+01 0 -1 73 2.3550000000000000e+02 - -2 -3 74 1.2550000000000000e+02 - - 9.7892753779888153e-02 -7.6417064666748047e-01 - -5.4467469453811646e-01 3.0987030267715454e-01 - <_> - -1.9954596646130085e-03 - - 1 2 75 1.5000000000000000e+00 0 -1 76 1.5000000000000000e+00 - -2 -3 77 1.0500000000000000e+01 - - -4.4582867622375488e-01 4.6034806966781616e-01 - 9.2526301741600037e-02 -5.5669903755187988e-01 - <_> - -1.2115581892430782e-02 - - 1 2 78 1.4500000000000000e+01 0 -1 79 2.5000000000000000e+00 - -2 -3 80 1284. - - -1.0120121762156487e-02 -5.9989041090011597e-01 - -1.7805591225624084e-01 6.3028931617736816e-01 - <_> - 3.5972565412521362e-01 - - 1 2 81 1.9650000000000000e+02 0 -1 82 9.5000000000000000e+00 - -2 -3 83 1.0625000000000000e+03 - - -2.0688037574291229e-01 3.7184122204780579e-01 - 7.2959977388381958e-01 -6.4402073621749878e-01 - <_> - 3.0813610553741455e-01 - - 1 2 84 1.1050000000000000e+02 0 -1 85 4.5000000000000000e+00 - -2 -3 86 6.6500000000000000e+01 - - -8.8497090339660645e-01 3.9636072516441345e-01 - 6.6349333524703979e-01 -5.1589541137218475e-02 - <_> - 2.5005090236663818e-01 - - 1 2 87 2.0550000000000000e+02 0 -1 88 3.5000000000000000e+00 - -2 -3 89 8.5000000000000000e+00 - - 3.3133915066719055e-01 -3.9812210202217102e-01 - -6.8591558933258057e-01 4.8487389087677002e-01 - <_> - 5.8778470754623413e-01 - - 1 2 90 1.3950000000000000e+02 0 -1 91 1.9500000000000000e+01 - -2 -3 92 3.5000000000000000e+00 - - -6.3595020771026611e-01 5.8211249113082886e-01 - 4.3087210506200790e-02 -5.4251241683959961e-01 - <_> - 8.2915985584259033e-01 - - 1 2 93 4.5000000000000000e+00 0 -1 94 2929. -2 -3 95 - 3.9500000000000000e+01 - - 3.6084750294685364e-01 -5.3846013545989990e-01 - 3.9264413714408875e-01 -2.5116056203842163e-01 - <_> - 9.1550654172897339e-01 - - 1 2 96 1.2500000000000000e+01 0 -1 97 4.4500000000000000e+01 - -2 -3 98 7.5500000000000000e+01 - - -3.1323480606079102e-01 3.6048817634582520e-01 - 6.6347086429595947e-01 -6.9799762964248657e-01 - <_> - 1.0855576992034912e+00 - - 1 2 99 2.7500000000000000e+01 0 -1 100 - 8.5000000000000000e+00 -2 -3 101 5.5000000000000000e+00 - - -3.5093611478805542e-01 3.0252355337142944e-01 - 1.6355676949024200e-01 -8.4324830770492554e-01 - <_> - 1.0639545917510986e+00 - - 1 2 102 1.5000000000000000e+00 0 -1 103 - 3.7500000000000000e+01 -2 -3 104 5.1500000000000000e+01 - - -3.3908194303512573e-01 4.2347168922424316e-01 - -4.4102880358695984e-01 4.3833139538764954e-01 - <_> - 9.0562820434570312e-01 - - 1 2 105 4.5000000000000000e+00 0 -1 106 - 9.5000000000000000e+00 -2 -3 107 5.5000000000000000e+00 - - -5.8544105291366577e-01 3.8719829916954041e-01 - 1.4575521647930145e-01 -4.6634963154792786e-01 - <_> - 1.0761597156524658e+00 - - 1 2 108 1.4500000000000000e+01 0 -1 109 - 1.2545000000000000e+03 -2 -3 110 1.0850000000000000e+02 - - 2.5986677408218384e-01 -4.0740066766738892e-01 - 4.9753630161285400e-01 -6.2639516592025757e-01 - <_> - 1.5152643918991089e+00 - - 1 2 111 7.8250000000000000e+02 0 -1 112 - 1.2265000000000000e+03 -2 -3 113 2.1500000000000000e+01 - - -5.9889906644821167e-01 5.2061015367507935e-01 - 4.3910467624664307e-01 -2.6094654202461243e-01 - <_> - 1.4136078357696533e+00 - - 1 2 114 1.0500000000000000e+01 0 -1 115 1696. -2 -3 116 - 5.0000000000000000e-01 - - 1. -9.7255414724349976e-01 3.5954985022544861e-01 - -1.7254945635795593e-01 - <_> - 1.4225575923919678e+00 - - 1 2 117 3.8500000000000000e+01 0 -1 118 - 1.0250000000000000e+02 -2 -3 119 8.5000000000000000e+00 - - -2.4716213345527649e-01 3.7233117222785950e-01 - 4.1007906198501587e-01 -7.6787543296813965e-01 - <_> - 1.7332764863967896e+00 - - 1 2 120 6.5000000000000000e+00 0 -1 121 - 6.5000000000000000e+00 -2 -3 122 5.1500000000000000e+01 - - -8.0807107686996460e-01 3.1071880459785461e-01 - -7.6486444473266602e-01 -4.4724285602569580e-02 - <_> - 1.8922506570816040e+00 - - 1 2 123 5.0000000000000000e-01 0 -1 124 - 6.5000000000000000e+00 -2 -3 125 2.5175000000000000e+03 - - -4.5441693067550659e-01 5.4230731725692749e-01 - -3.1970790028572083e-01 7.5582736730575562e-01 - <_> - 1.6188565492630005e+00 - - 1 2 126 8.2450000000000000e+02 0 -1 127 - 1.5500000000000000e+01 -2 -3 128 1.2500000000000000e+01 - - -2.7339416742324829e-01 3.4306022524833679e-01 - 1.7286354303359985e-01 -6.8018329143524170e-01 - <_> - 1.6078552007675171e+00 - - 1 2 129 4.2050000000000000e+02 0 -1 130 263. -2 -3 131 - 8.4450000000000000e+02 - - 5.0138735771179199e-01 -4.4576519727706909e-01 - 2.3392482101917267e-01 -3.9459699392318726e-01 - <_> - 1.8623019456863403e+00 - - 1 2 132 2.0850000000000000e+02 0 -1 133 - 5.5000000000000000e+00 -2 -3 134 4.5000000000000000e+00 - - 4.0980271995067596e-02 -6.1965447664260864e-01 - -7.8912788629531860e-01 5.9828245639801025e-01 - <_> - 1.7021096944808960e+00 - - 1 2 135 4.2500000000000000e+01 0 -1 136 - 6.5000000000000000e+00 -2 -3 137 2.2500000000000000e+01 - - 4.1077250242233276e-01 -5.9424054622650146e-01 - 4.9294531345367432e-01 -1.6019217669963837e-01 - <_> - 1.9233746528625488e+00 - - 1 2 138 1.5000000000000000e+00 0 -1 139 - 1.6500000000000000e+01 -2 -3 140 8.7500000000000000e+01 - - -6.7251849174499512e-01 9.7932207584381104e-01 - 2.2126492857933044e-01 -6.2606680393218994e-01 - <_> - 2.1816830635070801e+00 - - 1 2 141 6.8500000000000000e+01 0 -1 142 - 9.6500000000000000e+01 -2 -3 143 4.3350000000000000e+02 - - -3.1670400500297546e-01 2.5830829143524170e-01 - -8.8838213682174683e-01 4.1476368904113770e-01 - <_> - 2.2655973434448242e+00 - - 1 2 144 1.6500000000000000e+01 0 -1 145 - 5.5000000000000000e+00 -2 -3 146 3.0500000000000000e+01 - - 5.9501928091049194e-01 -3.1914636492729187e-01 - -3.8668751716613770e-01 3.1921181082725525e-01 - <_> - 2.6427345275878906e+00 - - 1 2 147 6.5000000000000000e+00 0 -1 148 - 2.4500000000000000e+01 -2 -3 149 1.1500000000000000e+01 - - -4.5482164621353149e-01 4.6515238285064697e-01 - -5.1726001501083374e-01 2.0654375851154327e-01 - <_> - 1.9806412458419800e+00 - - 1 2 150 2.8850000000000000e+02 0 -1 151 - 5.5000000000000000e+00 -2 -3 152 1.1515000000000000e+03 - - -6.6209328174591064e-01 1.8325349688529968e-01 - 4.9089592695236206e-01 -8.4841215610504150e-01 - <_> - 2.4156589508056641e+00 - - 1 2 153 5.0000000000000000e-01 0 -1 154 2811. -2 -3 155 - 5.0000000000000000e-01 - - 4.3501755595207214e-01 -6.5484809875488281e-01 - 4.1686266660690308e-01 -4.1646206378936768e-01 - <_> - 2.7843391895294189e+00 - - 1 2 156 1.1350000000000000e+02 0 -1 157 - 3.3450000000000000e+02 -2 -3 158 3.5000000000000000e+00 - - 3.6868026852607727e-01 -6.1238104104995728e-01 - 6.8396532535552979e-01 -1.2954165227711201e-02 - <_> - 2.8158543109893799e+00 - - 1 2 159 4.2550000000000000e+02 0 -1 160 - 5.6050000000000000e+02 -2 -3 161 3.8500000000000000e+01 - - -5.9484893083572388e-01 3.1515140086412430e-02 - -7.0635133981704712e-01 6.2144660949707031e-01 - <_> - 3.0259079933166504e+00 - - 1 2 162 7.5000000000000000e+00 0 -1 163 - 4.5000000000000000e+00 -2 -3 164 1.6375000000000000e+03 - - -7.1446412801742554e-01 3.4102836251258850e-01 - 3.5541319847106934e-01 -4.5499989390373230e-01 - <_> - 3.3236474990844727e+00 - - 1 2 165 1.5000000000000000e+00 0 -1 166 - 1.0500000000000000e+01 -2 -3 167 5.0000000000000000e-01 - - -7.0691192150115967e-01 5.4418134689331055e-01 - 3.7381768226623535e-01 -3.6192026734352112e-01 - <_> - 3.2000217437744141e+00 - - 1 2 168 1.0500000000000000e+01 0 -1 169 - 6.5000000000000000e+00 -2 -3 170 3.5000000000000000e+00 - - -1.1653541773557663e-01 -8.1098204851150513e-01 - 3.6642596125602722e-01 -2.8248944878578186e-01 - <_> - 3.2462809085845947e+00 - - 1 2 171 1.9850000000000000e+02 0 -1 172 - 2.9500000000000000e+01 -2 -3 173 8.1500000000000000e+01 - - -3.9297759532928467e-01 5.5565875768661499e-01 - 5.2605623006820679e-01 -3.3815068006515503e-01 - <_> - 3.4681446552276611e+00 - - 1 2 174 5.7550000000000000e+02 0 -1 175 338. -2 -3 176 - 1.1515000000000000e+03 - - -7.6464962959289551e-01 9.0472358465194702e-01 - 6.2902992963790894e-01 -3.9204329252243042e-02 - <_> - 3.6334233283996582e+00 - - 1 2 177 4167. 0 -1 178 6.5000000000000000e+00 -2 -3 179 - 3.5000000000000000e+00 - - -9.1638332605361938e-01 1.6527870297431946e-01 - 4.8254090547561646e-01 -8.9626789093017578e-01 - <_> - 3.9205143451690674e+00 - - 1 2 180 6.5000000000000000e+00 0 -1 181 - 1.2500000000000000e+01 -2 -3 182 8.5000000000000000e+00 - - 6.7690986394882202e-01 -2.3904214799404144e-01 - -4.0556749701499939e-01 2.2106994688510895e-01 - <_> - 3.8434190750122070e+00 - - 1 2 183 5.0000000000000000e-01 0 -1 184 - 1.3500000000000000e+01 -2 -3 185 2.6500000000000000e+01 - - -3.2586407661437988e-01 4.4005537033081055e-01 - -6.4374852180480957e-01 1.0862501710653305e-01 - <_> - 3.7773578166961670e+00 - - 1 2 186 1.6500000000000000e+01 0 -1 187 - 9.5000000000000000e+00 -2 -3 188 8.5000000000000000e+00 - - -9.3096941709518433e-01 2.3926372826099396e-01 - 5.1413863897323608e-01 -5.5257624387741089e-01 - <_> - 4.1896114349365234e+00 - - 1 2 189 1.2500000000000000e+01 0 -1 190 - 7.5000000000000000e+00 -2 -3 191 36. - - -6.8173252046108246e-02 5.3156542778015137e-01 - -6.3870549201965332e-01 5.8901703357696533e-01 - <_> - 4.1023836135864258e+00 - - 1 2 192 6.7500000000000000e+01 0 -1 193 - 8.0500000000000000e+01 -2 -3 194 3.9500000000000000e+01 - - 1.7302609980106354e-01 -5.5641782283782959e-01 - -8.8721150159835815e-01 1. - <_> - 4.1807246208190918e+00 - - 1 2 195 1.5235000000000000e+03 0 -1 196 - 2.6952500000000000e+04 -2 -3 197 1.8235000000000000e+03 - - -3.0445727705955505e-01 7.7833265066146851e-01 - 8.7232065200805664e-01 -2.4321475625038147e-01 - <_> - 4.2723703384399414e+00 - - 1 2 198 6.5000000000000000e+00 0 -1 199 - 7.5000000000000000e+00 -2 -3 200 3.4175000000000000e+03 - - 1.3138349354267120e-01 -5.8236575126647949e-01 - 2.2224109619855881e-02 6.9834595918655396e-01 - <_> - 4.6446409225463867e+00 - - 1 2 201 2.1500000000000000e+01 0 -1 202 - 4.5000000000000000e+00 -2 -3 203 7.5000000000000000e+00 - - 1.9490295648574829e-01 -7.6766520738601685e-01 - 3.7227055430412292e-01 -2.2965273261070251e-01 - <_> - 4.2965531349182129e+00 - - 1 2 204 3.5000000000000000e+00 0 -1 205 - 1.1500000000000000e+01 -2 -3 206 1.5000000000000000e+00 - - -2.8419467806816101e-01 4.3421781063079834e-01 - -5.4377484321594238e-01 1.9981886446475983e-01 - <_> - 4.6640934944152832e+00 - - 1 2 207 705. 0 -1 208 1.7500000000000000e+01 -2 -3 209 - 5.0000000000000000e-01 - - 2.7177429199218750e-01 -8.8838618993759155e-01 - 3.6754038929939270e-01 -1.2962521612644196e-01 - <_> - 4.5903968811035156e+00 - - 1 2 210 3.4500000000000000e+01 0 -1 211 - 2.2850000000000000e+02 -2 -3 212 4.5000000000000000e+00 - - 7.0602458715438843e-01 -7.7238667011260986e-01 - 4.3168050050735474e-01 -1.4236643910408020e-01 - <_> - 4.4601187705993652e+00 - - 1 2 213 1.8500000000000000e+01 0 -1 214 - 5.0000000000000000e-01 -2 -3 215 1.6450000000000000e+02 - - 7.2294287383556366e-02 -4.4637727737426758e-01 - 5.0045186281204224e-01 -8.8895571231842041e-01 - <_> - 4.6810216903686523e+00 - - 1 2 216 1.5000000000000000e+00 0 -1 217 - 3.5000000000000000e+00 -2 -3 218 2.2500000000000000e+01 - - 7.5774848461151123e-01 -8.5371148586273193e-01 - -3.8080200552940369e-01 2.2090284526348114e-01 - <_> - 4.5454678535461426e+00 - - 1 2 219 5.0000000000000000e-01 0 -1 220 - 2.4500000000000000e+01 -2 -3 221 1.3950000000000000e+02 - - -1.9623221457004547e-01 9.1209959983825684e-01 - 2.2579464316368103e-01 -3.2021987438201904e-01 - <_> - 4.7205095291137695e+00 - - 1 2 222 6.8250000000000000e+02 0 -1 223 - 5.8750000000000000e+02 -2 -3 224 4.9250000000000000e+02 - - -6.1928713321685791e-01 4.4073671102523804e-01 - 5.2129870653152466e-01 -9.0712592005729675e-02 - <_> - 5.0539321899414062e+00 - - 1 2 225 1.5500000000000000e+01 0 -1 226 - 6.3500000000000000e+01 -2 -3 227 3.5000000000000000e+00 - - 3.9318233728408813e-01 -3.8358560204505920e-01 - 4.2106309533119202e-01 -5.5091488361358643e-01 - <_> - 5.2054772377014160e+00 - - 1 2 228 3.1500000000000000e+01 0 -1 229 - 2.3500000000000000e+01 -2 -3 230 3.3750000000000000e+02 - - -6.1581993103027344e-01 7.1099334955215454e-01 - 2.9412022233009338e-01 -7.1934843063354492e-01 - <_> - 5.1629271507263184e+00 - - 1 2 231 3.2950000000000000e+02 0 -1 232 - 5.0000000000000000e-01 -2 -3 233 1864. - - 2.0024216175079346e-01 -3.3125820755958557e-01 - 9.7632443904876709e-01 -8.2965487241744995e-01 - <_> - 5.4650130271911621e+00 - - 1 2 234 4.0550000000000000e+02 0 -1 235 - 2.7750000000000000e+02 -2 -3 236 5.7155000000000000e+03 - - 2.2284466028213501e-01 -4.8526307940483093e-01 - 8.1116855144500732e-01 -1.5218812972307205e-02 - <_> - 5.4984669685363770e+00 - - 1 2 237 4.5000000000000000e+00 0 -1 238 - 1.7500000000000000e+01 -2 -3 239 2.9500000000000000e+01 - - -6.3221347332000732e-01 3.8014096021652222e-01 - -6.2983202934265137e-01 1.1483613401651382e-01 - <_> - 5.4328503608703613e+00 - - 1 2 240 2.2500000000000000e+01 0 -1 241 - 3.2750000000000000e+02 -2 -3 242 5.5250000000000000e+02 - - 2.7665451169013977e-01 -4.1230320930480957e-01 - 5.8497339487075806e-01 -9.2561680078506470e-01 - <_> - 5.2271656990051270e+00 - - 1 2 243 2.5000000000000000e+00 0 -1 244 - 1.5000000000000000e+00 -2 -3 245 4.1500000000000000e+01 - - -6.2440222501754761e-01 3.4950828552246094e-01 - -4.4587394595146179e-01 3.7627801299095154e-01 - <_> - 5.7503991127014160e+00 - - 1 2 246 2.5500000000000000e+01 0 -1 247 - 1.7500000000000000e+01 -2 -3 248 1742. - - 1.7403741180896759e-01 -4.8115825653076172e-01 - -8.1405687332153320e-01 5.2323335409164429e-01 - <_> - 5.9725828170776367e+00 - - 1 2 249 2.5000000000000000e+00 0 -1 250 - 1.8750000000000000e+02 -2 -3 251 3.0750000000000000e+02 - - 5.0755202770233154e-01 -9.1562610864639282e-01 - 2.2218362987041473e-01 -5.9081828594207764e-01 - <_> - 5.9053583145141602e+00 - - 1 2 252 4.4500000000000000e+01 0 -1 253 - 7.5000000000000000e+00 -2 -3 254 2.3500000000000000e+01 - - 2.7661845088005066e-01 -7.2863763570785522e-01 - 2.9604527354240417e-01 -3.9353659749031067e-01 - <_> - 6.2247257232666016e+00 - - 1 2 255 2.7915000000000000e+03 0 -1 256 - 5.0000000000000000e-01 -2 -3 257 2.7750000000000000e+02 - - 5.7657641172409058e-01 -5.8752876520156860e-01 - 7.3920065164566040e-01 -5.6199613958597183e-02 - <_> - 6.3211832046508789e+00 - - 1 2 258 1.5000000000000000e+00 0 -1 259 - 1.5950000000000000e+02 -2 -3 260 9.5000000000000000e+00 - - 3.8729599118232727e-01 -8.2186138629913330e-01 - -7.5912064313888550e-01 -9.1310448944568634e-02 - <_> - 6.1939978599548340e+00 - - 1 2 261 5.0000000000000000e-01 0 -1 262 - 1.1500000000000000e+01 -2 -3 263 2.5000000000000000e+00 - - -6.8085348606109619e-01 3.7691861391067505e-01 - 3.6999684572219849e-01 -4.1802382469177246e-01 - <_> - 6.5674057006835938e+00 - - 1 2 264 4.6500000000000000e+01 0 -1 265 - 1.6500000000000000e+01 -2 -3 266 2.5500000000000000e+01 - - -2.4361716583371162e-02 -7.4328392744064331e-01 - 3.7340793013572693e-01 -3.1576988101005554e-01 - <_> - 6.4908089637756348e+00 - - 1 2 267 6.5000000000000000e+00 0 -1 268 - 1.5000000000000000e+00 -2 -3 269 5.0000000000000000e-01 - - -9.5202457904815674e-01 7.6004970073699951e-01 - 4.0044522285461426e-01 -1.8293106555938721e-01 - <_> - 6.7305116653442383e+00 - - 1 2 270 1.3450000000000000e+02 0 -1 271 69. -2 -3 272 - 2.5500000000000000e+01 - - -3.7816595286130905e-02 -9.0281504392623901e-01 - -5.4295367002487183e-01 2.3970291018486023e-01 - <_> - 6.8999171257019043e+00 - - 1 2 273 2.5000000000000000e+00 0 -1 274 - 2.5000000000000000e+00 -2 -3 275 1.5000000000000000e+00 - - -5.0667393207550049e-01 3.6585667729377747e-01 - 3.1221818923950195e-01 -4.8534518480300903e-01 - <_> - 7.0018959045410156e+00 - - 1 2 276 3.5000000000000000e+00 0 -1 277 - 3.5000000000000000e+00 -2 -3 278 266. - - -3.6587709188461304e-01 6.2320345640182495e-01 - -3.9827787876129150e-01 2.4151444435119629e-01 - <_> - 7.1498341560363770e+00 - - 1 2 279 6.5000000000000000e+00 0 -1 280 - 3.7500000000000000e+01 -2 -3 281 3.3550000000000000e+02 - - 5.1520365476608276e-01 -6.4510118961334229e-01 - -4.8505461215972900e-01 1.4793802797794342e-01 - <_> - 7.0538568496704102e+00 - - 1 2 282 1540. 0 -1 283 2.2500000000000000e+01 -2 -3 284 - 5.0500000000000000e+01 - - -2.7819830179214478e-01 3.7289941310882568e-01 - -5.9334021806716919e-01 5.5907440185546875e-01 - <_> - 7.3145952224731445e+00 - - 1 2 285 5.0000000000000000e-01 0 -1 286 - 5.0500000000000000e+01 -2 -3 287 5.0000000000000000e-01 - - -6.9114875793457031e-01 4.3989965319633484e-01 - 2.9516109824180603e-01 -5.3384852409362793e-01 - <_> - 7.2128500938415527e+00 - - 1 2 288 7.5000000000000000e+00 0 -1 289 - 8.5000000000000000e+00 -2 -3 290 8.7500000000000000e+01 - - -5.5619347095489502e-01 5.4719102382659912e-01 - 3.2581725716590881e-01 -6.7037367820739746e-01 - <_> - 7.0432367324829102e+00 - - 1 2 291 2.5000000000000000e+00 0 -1 292 - 3.5000000000000000e+00 -2 -3 293 1.6805000000000000e+03 - - -1.8180048465728760e-01 4.9322417378425598e-01 - 1.2089827656745911e-01 -5.3679817914962769e-01 - <_> - 7.1085200309753418e+00 - - 1 2 294 8.0250000000000000e+02 0 -1 295 - 3.5000000000000000e+00 -2 -3 296 1.5465000000000000e+03 - - 4.4113153219223022e-01 -4.7889050841331482e-01 - 4.8183086514472961e-01 -2.7461019158363342e-01 - <_> - 7.4934172630310059e+00 - - 1 2 297 5.5000000000000000e+00 0 -1 298 - 9.5000000000000000e+00 -2 -3 299 5.0000000000000000e-01 - - -7.8466171026229858e-01 3.8489729166030884e-01 - 1.2428891658782959e-01 -5.3000146150588989e-01 - <_> - 7.7679367065429688e+00 - - 1 2 300 4.5000000000000000e+00 0 -1 301 - 3.8500000000000000e+01 -2 -3 302 1.0500000000000000e+01 - - -5.8519446849822998e-01 1.3908083736896515e-01 - 3.4237712621688843e-01 -5.5784845352172852e-01 - <_> - 8.2031955718994141e+00 - - 1 2 303 1.0500000000000000e+01 0 -1 304 - 1.5000000000000000e+00 -2 -3 305 1.1500000000000000e+01 - - -3.8500145077705383e-01 4.3525907397270203e-01 - -7.3580604791641235e-01 -1.5477402135729790e-02 - <_> - 7.8415699005126953e+00 - - 1 2 306 1.1500000000000000e+01 0 -1 307 - 1.9950000000000000e+02 -2 -3 308 2.1050000000000000e+02 - - 3.0834931135177612e-01 -5.2214068174362183e-01 - -6.1229497194290161e-01 1.6261228919029236e-01 - <_> - 8.1340169906616211e+00 - - 1 2 309 4.4500000000000000e+01 0 -1 310 - 5.0000000000000000e-01 -2 -3 311 2.7750000000000000e+02 - - 3.8989096879959106e-01 -4.0270605683326721e-01 - -3.7438669800758362e-01 4.9117839336395264e-01 - <_> - 8.0494565963745117e+00 - - 1 2 312 2.9215000000000000e+03 0 -1 313 5981. -2 -3 314 - 1.4500000000000000e+01 - - -8.4560506045818329e-02 5.6669616699218750e-01 - -6.5312331914901733e-01 1.4199882745742798e-01 - <_> - 8.1713457107543945e+00 - - 1 2 315 8.1500000000000000e+01 0 -1 316 66. -2 -3 317 371. - - 4.5325097441673279e-01 -3.0569469928741455e-01 - 5.9206598997116089e-01 -6.7238986492156982e-01 - <_> - 8.2347335815429688e+00 - - 1 2 318 4.1450000000000000e+02 0 -1 319 - 5.0000000000000000e-01 -2 -3 320 410. - - 3.8724437355995178e-01 -3.1869423389434814e-01 - 8.7538170814514160e-01 -9.7314991056919098e-02 - <_> - 8.5628070831298828e+00 - - 1 2 321 1.0500000000000000e+01 0 -1 322 - 5.0000000000000000e-01 -2 -3 323 2.5000000000000000e+00 - - 7.2377610206604004e-01 -8.4155076742172241e-01 - 3.2807359099388123e-01 -2.0454038679599762e-01 - <_> - 8.5264968872070312e+00 - - 1 2 324 9.9150000000000000e+02 0 -1 325 - 7.0350000000000000e+02 -2 -3 326 6. - - 1.8747280538082123e-01 -3.3632183074951172e-01 - 8.6560744047164917e-01 -9.4016164541244507e-01 - <_> - 8.5532627105712891e+00 - - 1 2 327 1.1500000000000000e+01 0 -1 328 - 2.7450000000000000e+02 -2 -3 329 5.0000000000000000e-01 - - 8.5004931688308716e-01 -8.5131084918975830e-01 - 4.0861058235168457e-01 -1.2481645494699478e-01 - <_> - 8.7125473022460938e+00 - - 1 2 330 4.9350000000000000e+02 0 -1 331 - 1.0500000000000000e+01 -2 -3 332 488. - - 3.3095937967300415e-01 -9.6550559997558594e-01 - 1.5928384661674500e-01 -7.0109528303146362e-01 - <_> - 8.5748119354248047e+00 - - 1 2 333 5.8750000000000000e+02 0 -1 334 - 5.3965000000000000e+03 -2 -3 335 1.9550000000000000e+02 - - -5.2717298269271851e-01 7.5915068387985229e-01 - 6.2651741504669189e-01 -7.6558768749237061e-02 - <_> - 8.5311050415039062e+00 - - 1 2 336 3.5000000000000000e+00 0 -1 337 - 1.8500000000000000e+01 -2 -3 338 1.1500000000000000e+01 - - -5.9637790918350220e-01 6.7646257579326630e-02 - 6.4769101142883301e-01 -3.3726450055837631e-02 - <_> - 9.0640134811401367e+00 - - 1 2 339 1.5000000000000000e+00 0 -1 340 - 2.5000000000000000e+00 -2 -3 341 3.4500000000000000e+01 - - -6.8097436428070068e-01 6.0266649723052979e-01 - -3.0453455448150635e-01 4.0144833922386169e-01 - <_> - 8.9831085205078125e+00 - - 1 2 342 2.5000000000000000e+00 0 -1 343 - 2.1750000000000000e+02 -2 -3 344 3.1850000000000000e+02 - - 9.3521779775619507e-01 -8.8511615991592407e-01 - -8.0904886126518250e-02 4.7593075037002563e-01 - <_> - 9.3769168853759766e+00 - - 1 2 345 1.8345000000000000e+03 0 -1 346 7548. -2 -3 347 - 2.5000000000000000e+00 - - -9.6914649009704590e-01 8.2535630464553833e-01 - 9.6199281513690948e-02 -4.2918723821640015e-01 - <_> - 9.3018980026245117e+00 - - 1 2 348 3.4500000000000000e+01 0 -1 349 - 5.0000000000000000e-01 -2 -3 350 4.5000000000000000e+00 - - 7.7495819330215454e-01 -7.7019518613815308e-01 - -6.7532777786254883e-01 2.1935020387172699e-01 - <_> - 9.5473661422729492e+00 - - 1 2 351 3.5000000000000000e+00 0 -1 352 - 3.8150000000000000e+02 -2 -3 353 2.5000000000000000e+00 - - 2.4546769261360168e-01 -9.4206953048706055e-01 - 5.2967166900634766e-01 -5.7282263040542603e-01 - <_> - 9.3910045623779297e+00 - - 1 2 354 4.2500000000000000e+01 0 -1 355 - 2.5000000000000000e+00 -2 -3 356 2.5000000000000000e+00 - - 4.9605733156204224e-01 -8.9919465780258179e-01 - 4.6279174089431763e-01 -1.5636166930198669e-01 - <_> - 9.2007036209106445e+00 - - 1 2 357 3.0750000000000000e+02 0 -1 358 - 5.0000000000000000e-01 -2 -3 359 1.7500000000000000e+01 - - 9.5931455492973328e-02 -5.2677857875823975e-01 - -6.8146902322769165e-01 4.2670670151710510e-01 - <_> - 9.4172534942626953e+00 - - 1 2 360 436. 0 -1 361 1.0500000000000000e+01 -2 -3 362 - 1.4150000000000000e+02 - - -4.8916128277778625e-01 2.1654944121837616e-01 - -9.5991367101669312e-01 2.0731329917907715e-02 - <_> - 9.3878002166748047e+00 - - 1 2 363 2.1500000000000000e+01 0 -1 364 - 5.0000000000000000e-01 -2 -3 365 7.5000000000000000e+00 - - 6.1134243011474609e-01 -1.5622694790363312e-01 - -2.9453342780470848e-02 -6.6399675607681274e-01 - <_> - 9.3314304351806641e+00 - - 1 2 366 5.6500000000000000e+01 0 -1 367 - 2.3500000000000000e+01 -2 -3 368 4.5000000000000000e+00 - - -7.5016134977340698e-01 6.0379421710968018e-01 - 5.0015795230865479e-01 -5.6369733065366745e-02 - <_> - 9.8574962615966797e+00 - - 1 2 369 3.5000000000000000e+00 0 -1 370 2013. -2 -3 371 - 1.9500000000000000e+01 - - 8.2091175019741058e-02 -6.4141482114791870e-01 - -1.7478708922863007e-01 5.2606624364852905e-01 - <_> - 1.0064584732055664e+01 - - 1 2 372 2.0650000000000000e+02 0 -1 373 - 1.7500000000000000e+01 -2 -3 374 1.0450000000000000e+02 - - -1.0901508852839470e-02 -6.5456998348236084e-01 - 6.3896632194519043e-01 -1.6473773121833801e-01 - <_> - 1.0252257347106934e+01 - - 1 2 375 5.5000000000000000e+00 0 -1 376 - 3.4500000000000000e+01 -2 -3 377 5.5000000000000000e+00 - - 3.2374709844589233e-01 -5.0062644481658936e-01 - -7.0661611855030060e-02 -7.5508368015289307e-01 - <_> - 1.0398225784301758e+01 - - 1 2 378 2.5000000000000000e+00 0 -1 379 - 5.2500000000000000e+01 -2 -3 380 1.8785000000000000e+03 - - -9.0781456232070923e-01 1. -6.3530296087265015e-01 - 1.4596807956695557e-01 - <_> - 1.0281527519226074e+01 - - 1 2 381 4.8500000000000000e+01 0 -1 382 - 1.2500000000000000e+01 -2 -3 383 2.7950000000000000e+02 - - 1.5367124974727631e-01 -8.4021937847137451e-01 - 4.6640846133232117e-01 -1.1669804900884628e-01 - <_> - 1.0402153968811035e+01 - - 1 2 384 6.5750000000000000e+02 0 -1 385 - 2.5000000000000000e+00 -2 -3 386 1.2991500000000000e+04 - - 1.8093550205230713e-01 -3.1117281317710876e-01 - 8.3136463165283203e-01 -9.4209736585617065e-01 - <_> - 1.0749721527099609e+01 - - 1 2 387 1.5500000000000000e+01 0 -1 388 3147. -2 -3 389 - 5.0000000000000000e-01 - - 5.8778691291809082e-01 -8.4557241201400757e-01 - 3.5276123881340027e-01 -1.5734243392944336e-01 - <_> - 1.0613196372985840e+01 - - 1 2 390 2.9405000000000000e+03 0 -1 391 - 5.0000000000000000e-01 -2 -3 392 4.5500000000000000e+01 - - 3.9040172100067139e-01 -1.3652552664279938e-01 - -9.2412209510803223e-01 -8.2783259451389313e-02 - <_> - 1.0694108009338379e+01 - - 1 2 393 5.0500000000000000e+01 0 -1 394 - 5.0000000000000000e-01 -2 -3 395 4.5000000000000000e+00 - - 4.7963955998420715e-01 -7.4252939224243164e-01 - -6.8665945529937744e-01 1.9869653880596161e-01 - <_> - 1.0847300529479980e+01 - - 1 2 396 1.4500000000000000e+01 0 -1 397 - 5.5000000000000000e+00 -2 -3 398 1.5000000000000000e+00 - - -6.5649849176406860e-01 3.1507906317710876e-01 - 5.9824740886688232e-01 -4.3184515833854675e-01 - <_> - 1.0666165351867676e+01 - - 1 2 399 2.5000000000000000e+00 0 -1 400 - 4.5000000000000000e+00 -2 -3 401 5.0000000000000000e-01 - - -3.0361318588256836e-01 4.3227225542068481e-01 - 3.5962799191474915e-01 -4.3973237276077271e-01 - <_> - 1.0870504379272461e+01 - - 1 2 402 2.6500000000000000e+01 0 -1 403 - 1.5000000000000000e+00 -2 -3 404 8.4500000000000000e+01 - - 1.6933162510395050e-01 -5.0010979175567627e-01 - -3.3642402291297913e-01 4.9337503314018250e-01 - <_> - 1.0975853919982910e+01 - - 1 2 405 2.5000000000000000e+00 0 -1 406 - 1.4795000000000000e+03 -2 -3 407 1.5000000000000000e+00 - - 5.9212744235992432e-02 -6.0414147377014160e-01 - 5.3754031658172607e-01 -1.4943325519561768e-01 - <_> - 1.1088579177856445e+01 - - 1 2 408 1.9500000000000000e+01 0 -1 409 - 8.0500000000000000e+01 -2 -3 410 2.5000000000000000e+00 - - -5.4455469362437725e-03 7.1131867170333862e-01 - 1.2728694081306458e-01 -5.3219115734100342e-01 - <_> - 1.1411317825317383e+01 - - 1 2 411 6.5000000000000000e+00 0 -1 412 - 5.0000000000000000e-01 -2 -3 413 5.0000000000000000e-01 - - -9.8449540138244629e-01 7.5238209962844849e-01 - 3.2273903489112854e-01 -2.0153416693210602e-01 - <_> - 1.1409852027893066e+01 - - 1 2 414 3.2650000000000000e+02 0 -1 415 - 4.5000000000000000e+00 -2 -3 416 1.0500000000000000e+01 - - 1.5437091886997223e-01 -3.4433943033218384e-01 - 8.3089745044708252e-01 -8.7578713893890381e-01 - <_> - 1.1487524032592773e+01 - - 1 2 417 9.4500000000000000e+01 0 -1 418 - 5.3150000000000000e+02 -2 -3 419 1.5000000000000000e+00 - - 7.5558461248874664e-02 -7.0222413539886475e-01 - 4.5731905102729797e-01 -1.0453109443187714e-01 - <_> - 1.1415844917297363e+01 - - 1 2 420 2.0350000000000000e+02 0 -1 421 - 5.1500000000000000e+01 -2 -3 422 1.4350000000000000e+02 - - -8.8595420122146606e-02 -8.2399624586105347e-01 - 7.0543432235717773e-01 8.3339767297729850e-04 - <_> - 1.1137701034545898e+01 - - 1 2 423 1.1500000000000000e+01 0 -1 424 - 2.7850000000000000e+02 -2 -3 425 1231. - - 2.5673583149909973e-01 -2.7814364433288574e-01 - 7.7550095319747925e-01 -6.8776667118072510e-01 - <_> - 1.1352587699890137e+01 - - 1 2 426 1.5000000000000000e+00 0 -1 427 - 4.2500000000000000e+01 -2 -3 428 436. - - -8.6447370052337646e-01 3.8263612985610962e-01 - 2.1488623321056366e-01 -6.5995728969573975e-01 - <_> - 1.1502726554870605e+01 - - 1 2 429 4.5000000000000000e+00 0 -1 430 - 8.9500000000000000e+01 -2 -3 431 1.2500000000000000e+01 - - -5.1148355007171631e-01 4.3896585702896118e-01 - -4.8310482501983643e-01 1.8991161882877350e-01 - <_> - 1.1872124671936035e+01 - - 1 2 432 5.0000000000000000e-01 0 -1 433 - 4.5000000000000000e+00 -2 -3 434 1.1500000000000000e+01 - - -5.1016438007354736e-01 3.6939758062362671e-01 - 1.1107332259416580e-01 -6.3128584623336792e-01 - <_> - 1.1897380828857422e+01 - - 1 2 435 1.5000000000000000e+00 0 -1 436 - 8.5000000000000000e+00 -2 -3 437 1.4500000000000000e+01 - - -7.3261368274688721e-01 5.7636475563049316e-01 - -4.3446037173271179e-01 2.1413095295429230e-01 - <_> - 1.1853853225708008e+01 - - 1 2 438 3706. 0 -1 439 1.5000000000000000e+00 -2 -3 440 - 4410. - - 5.6994712352752686e-01 -4.3527409434318542e-02 - -7.2693550586700439e-01 4.1713526844978333e-01 - <_> - 1.1845816612243652e+01 - - 1 2 441 6.5000000000000000e+00 0 -1 442 - 1.5500000000000000e+01 -2 -3 443 5.3500000000000000e+01 - - -8.0371825024485588e-03 -5.7360154390335083e-01 - 5.8637946844100952e-01 -4.5183259248733521e-01 - <_> - 1.1606418609619141e+01 - - 1 2 444 5.7500000000000000e+01 0 -1 445 - 1.3650000000000000e+02 -2 -3 446 3.3595000000000000e+03 - - 4.9911895394325256e-01 -5.3746724128723145e-01 - -2.3939760029315948e-01 3.7778580188751221e-01 - <_> - 1.1980805397033691e+01 - - 1 2 447 4.5000000000000000e+00 0 -1 448 - 3.5000000000000000e+00 -2 -3 449 1.1500000000000000e+01 - - -7.3552447557449341e-01 3.7438639998435974e-01 - -4.0720772743225098e-01 4.5558989048004150e-01 - <_> - 1.2240980148315430e+01 - - 1 2 450 2.0950000000000000e+02 0 -1 451 - 3.5000000000000000e+00 -2 -3 452 2.0450000000000000e+02 - - 2.6017466187477112e-01 -4.3274480104446411e-01 - 6.6186487674713135e-01 -1.9433960318565369e-01 - <_> - 1.1877487182617188e+01 - - 1 2 453 8.7500000000000000e+01 0 -1 454 - 3.3500000000000000e+01 -2 -3 455 1.9500000000000000e+01 - - -3.6349293589591980e-01 2.8466138243675232e-01 - -8.9488905668258667e-01 2.0050047338008881e-01 - <_> - 1.2315251350402832e+01 - - 1 2 456 6.5000000000000000e+00 0 -1 457 - 2.8500000000000000e+01 -2 -3 458 1.1500000000000000e+01 - - -4.2718878388404846e-01 4.3776413798332214e-01 - -4.0096122026443481e-01 4.4375243782997131e-01 - <_> - 1.2738058090209961e+01 - - 1 2 459 2.5000000000000000e+00 0 -1 460 - 5.5000000000000000e+00 -2 -3 461 4.2050000000000000e+02 - - -1. 4.2698940634727478e-01 1.3992704451084137e-01 - -4.4792297482490540e-01 - <_> - 1.2678054809570312e+01 - - 1 2 462 4.6035000000000000e+03 0 -1 463 - 1.2500000000000000e+01 -2 -3 464 1.6885000000000000e+03 - - -6.3804382085800171e-01 2.8076967597007751e-01 - 7.0788478851318359e-01 -6.0002621263265610e-02 - <_> - 1.2586655616760254e+01 - - 1 2 465 2.1150000000000000e+02 0 -1 466 - 3.5000000000000000e+00 -2 -3 467 3.1365000000000000e+03 - - 3.2408985495567322e-01 -3.3107626438140869e-01 - 8.7245899438858032e-01 -1.1116035282611847e-01 - <_> - 1.2680603027343750e+01 - - 1 2 468 2.2500000000000000e+01 0 -1 469 - 4.5500000000000000e+01 -2 -3 470 4.8500000000000000e+01 - - 9.3947365880012512e-02 -5.0669384002685547e-01 - 6.3860702514648438e-01 -5.6095314025878906e-01 - <_> - 1.2646597862243652e+01 - - 1 2 471 5.7750000000000000e+02 0 -1 472 2607. -2 -3 473 - 8.4850000000000000e+02 - - -8.0222898721694946e-01 4.9571409821510315e-01 - 6.9677603244781494e-01 -3.4005377441644669e-02 - <_> - 1.3080556869506836e+01 - - 1 2 474 3.5000000000000000e+00 0 -1 475 - 2.9025000000000000e+03 -2 -3 476 1.4500000000000000e+01 - - 6.3582272268831730e-03 -7.6159459352493286e-01 - 4.4750732183456421e-01 -1.8545417487621307e-01 - <_> - 1.3341848373413086e+01 - - 1 2 477 2.5000000000000000e+00 0 -1 478 - 1.3500000000000000e+01 -2 -3 479 5.0000000000000000e-01 - - -4.0977507829666138e-01 3.4295764565467834e-01 - 9.3431934714317322e-02 -7.1162647008895874e-01 - <_> - 1.2996747970581055e+01 - - 1 2 480 5.5000000000000000e+00 0 -1 481 - 6.5000000000000000e+00 -2 -3 482 3.1450000000000000e+02 - - -5.9179306030273438e-01 5.3183627128601074e-01 - 2.9362958669662476e-01 -5.2066570520401001e-01 - <_> - 1.3275168418884277e+01 - - 1 2 483 5.0000000000000000e-01 0 -1 484 - 5.8550000000000000e+02 -2 -3 485 1.2025000000000000e+03 - - -4.2056784033775330e-01 5.3556817770004272e-01 - 5.9011709690093994e-01 -3.4758779406547546e-01 - <_> - 1.3466418266296387e+01 - - 1 2 486 5.5000000000000000e+00 0 -1 487 - 5.0000000000000000e-01 -2 -3 488 14734. - - 4.4770663976669312e-01 -8.6989867687225342e-01 - 1.9124945998191833e-01 -7.6927727460861206e-01 - <_> - 1.3708694458007812e+01 - - 1 2 489 3.5150000000000000e+02 0 -1 490 - 2.4500000000000000e+01 -2 -3 491 1.2500000000000000e+01 - - 5.4361712932586670e-01 -9.3802767992019653e-01 - 2.4227620661258698e-01 -3.2380709052085876e-01 - <_> - 1.3621360778808594e+01 - - 1 2 492 1.5750000000000000e+02 0 -1 493 45. -2 -3 494 - 6.5000000000000000e+00 - - 4.8756289482116699e-01 -6.2756335735321045e-01 - 5.6488978862762451e-01 -8.7333582341670990e-02 - <_> - 1.3719803810119629e+01 - - 1 2 495 1.4500000000000000e+01 0 -1 496 - 3.2785000000000000e+03 -2 -3 497 1.2500000000000000e+01 - - -8.3579055964946747e-02 -9.0902733802795410e-01 - 4.0620484948158264e-01 -2.2033128142356873e-01 - <_> - 1.3743362426757812e+01 - - 1 2 498 1.7500000000000000e+01 0 -1 499 - 2.5500000000000000e+01 -2 -3 500 446. - - 5.8430969715118408e-02 -5.6837719678878784e-01 - -1.8840381503105164e-01 6.9564127922058105e-01 - <_> - 1.3924007415771484e+01 - - 1 2 501 8.0450000000000000e+02 0 -1 502 - 4.0500000000000000e+01 -2 -3 503 2.5000000000000000e+00 - - -4.7573506832122803e-01 2.6540222764015198e-01 - -3.4159180521965027e-01 5.4993849992752075e-01 - <_> - 1.4126693725585938e+01 - - 1 2 504 2.5000000000000000e+00 0 -1 505 3876. -2 -3 506 - 7.5000000000000000e+00 - - 4.1770899295806885e-01 -3.8963168859481812e-01 - 1.9346395134925842e-01 -5.6205403804779053e-01 - <_> - 1.4377063751220703e+01 - - 1 2 507 1.0630500000000000e+04 0 -1 508 - 1.7500000000000000e+01 -2 -3 509 5.0000000000000000e-01 - - 4.2469942569732666e-01 -6.3991433382034302e-01 - 7.5341060757637024e-02 -5.3553485870361328e-01 - <_> - 1.4237608909606934e+01 - - 1 2 510 5.7500000000000000e+01 0 -1 511 - 6.5000000000000000e+00 -2 -3 512 2.8500000000000000e+01 - - 5.4694686084985733e-02 -5.2880686521530151e-01 - -3.4901857376098633e-01 4.7299972176551819e-01 - <_> - 1.4564194679260254e+01 - - 1 2 513 7.5000000000000000e+00 0 -1 514 - 8.5000000000000000e+00 -2 -3 515 4.5000000000000000e+00 - - -5.7572060823440552e-01 4.0378063917160034e-01 - 1.7233282327651978e-01 -5.5302166938781738e-01 - <_> - 1.4479125976562500e+01 - - 1 2 516 4.1500000000000000e+01 0 -1 517 - 5.0000000000000000e-01 -2 -3 518 3.5000000000000000e+00 - - 6.9208496809005737e-01 -9.3342530727386475e-01 - 4.8711183667182922e-01 -8.5068866610527039e-02 - <_> - 1.4771840095520020e+01 - - 1 2 519 3.2350000000000000e+02 0 -1 520 - 6.8500000000000000e+01 -2 -3 521 2.9050000000000000e+02 - - -5.6921553611755371e-01 7.5075703859329224e-01 - 3.0680647492408752e-01 -5.3018033504486084e-01 - <_> - 1.4921194076538086e+01 - - 1 2 522 9.5000000000000000e+00 0 -1 523 178. -2 -3 524 - 1.5000000000000000e+00 - - 2.7555197477340698e-01 -8.4987080097198486e-01 - 7.1478825807571411e-01 -4.7535741329193115e-01 - <_> - 1.5011672019958496e+01 - - 1 2 525 3.5500000000000000e+01 0 -1 526 - 4.9450000000000000e+02 -2 -3 527 151. - - -4.1447910666465759e-01 9.0478152036666870e-02 - 7.2348231077194214e-01 -8.4134203195571899e-01 - <_> - 1.5009381294250488e+01 - - 1 2 528 1.0075000000000000e+03 0 -1 529 - 4.6135000000000000e+03 -2 -3 530 5.0000000000000000e-01 - - -1.3591668009757996e-01 5.0908648967742920e-01 - 4.3699756264686584e-02 -6.3745105266571045e-01 - <_> - 1.4872577667236328e+01 - - 1 2 531 4.9500000000000000e+01 0 -1 532 - 7.5000000000000000e+00 -2 -3 533 2.6500000000000000e+01 - - 5.5888742208480835e-02 -5.8190774917602539e-01 - -7.9333829879760742e-01 5.4325503110885620e-01 - <_> - 1.5080644607543945e+01 - - 1 2 534 4.7500000000000000e+01 0 -1 535 - 1.4500000000000000e+01 -2 -3 536 2.7500000000000000e+01 - - -8.9569383859634399e-01 2.0806635916233063e-01 - -7.5062823295593262e-01 2.4852557480335236e-01 - <_> - 1.5080853462219238e+01 - - 1 2 537 6.5000000000000000e+00 0 -1 538 - 8.5000000000000000e+00 -2 -3 539 3.8050000000000000e+02 - - -6.1480957269668579e-01 3.2939058542251587e-01 - 4.0805706381797791e-01 -4.6099272370338440e-01 - <_> - 1.4875501632690430e+01 - - 1 2 540 1.0500000000000000e+01 0 -1 541 - 1.5000000000000000e+00 -2 -3 542 478. - - -9.0150666236877441e-01 3.4228125214576721e-01 - -5.9740513563156128e-01 8.7162934243679047e-02 - <_> - 1.5382561683654785e+01 - - 1 2 543 5.5000000000000000e+00 0 -1 544 - 5.0000000000000000e-01 -2 -3 545 2.5500000000000000e+01 - - -3.2944935560226440e-01 5.0705975294113159e-01 - -3.9558005332946777e-01 3.1945833563804626e-01 - <_> - 1.5631669998168945e+01 - - 1 2 546 1.5000000000000000e+00 0 -1 547 - 1.1500000000000000e+01 -2 -3 548 3.5000000000000000e+00 - - -5.0148051977157593e-01 3.6997869610786438e-01 - 7.7569979429244995e-01 -3.7318921089172363e-01 - <_> - 1.5227413177490234e+01 - - 1 2 549 5.5000000000000000e+00 0 -1 550 - 2.5000000000000000e+00 -2 -3 551 8.2500000000000000e+01 - - 9.7206316888332367e-02 -5.2512657642364502e-01 - 5.3593277931213379e-01 -5.2903693914413452e-01 - <_> - 1.5712855339050293e+01 - - 1 2 552 1.5000000000000000e+00 0 -1 553 - 1.1500000000000000e+01 -2 -3 554 1.5000000000000000e+00 - - -5.5320370197296143e-01 5.5974000692367554e-01 - -4.7809949517250061e-01 1.2362124770879745e-01 - <_> - 1.5475475311279297e+01 - - 1 2 555 1.1150000000000000e+02 0 -1 556 107. -2 -3 557 - 5.4500000000000000e+01 - - 2.2000953555107117e-01 -5.7901185750961304e-01 - 5.5795150995254517e-01 -2.0629312098026276e-01 - <_> - 1.5877110481262207e+01 - - 1 2 558 5.0000000000000000e-01 0 -1 559 - 4.7500000000000000e+01 -2 -3 560 4.0850000000000000e+02 - - 4.0163558721542358e-01 -6.5443444252014160e-01 - 3.9427250623703003e-01 -4.3203008174896240e-01 - <_> - 1.5799601554870605e+01 - - 1 2 561 2.0250000000000000e+02 0 -1 562 - 5.0000000000000000e-01 -2 -3 563 2399. - - 1.2356969714164734e-01 -5.3489917516708374e-01 - 4.6495470404624939e-01 -5.8487701416015625e-01 - <_> - 1.6042089462280273e+01 - - 1 2 564 7.0450000000000000e+02 0 -1 565 - 4.4500000000000000e+01 -2 -3 566 288. - - 4.8793616890907288e-01 -8.4778493642807007e-01 - -4.3374565243721008e-01 2.4248743057250977e-01 - <_> - 1.6111749649047852e+01 - - 1 2 567 1.8500000000000000e+01 0 -1 568 - 1.2500000000000000e+01 -2 -3 569 5.0000000000000000e-01 - - -4.8669865727424622e-01 2.7788683772087097e-01 - 3.6192622780799866e-01 -5.7420414686203003e-01 - <_> - 1.6021078109741211e+01 - - 1 2 570 8.3450000000000000e+02 0 -1 571 4451. -2 -3 572 - 3.2950000000000000e+02 - - 5.3921067714691162e-01 -4.8135292530059814e-01 - -2.9889726638793945e-01 6.0160857439041138e-01 - <_> - 1.6436674118041992e+01 - - 1 2 573 1.2500000000000000e+01 0 -1 574 - 6.5000000000000000e+00 -2 -3 575 2.9500000000000000e+01 - - 4.3214797973632812e-01 -2.8101849555969238e-01 - 6.6012543439865112e-01 -7.0270007848739624e-01 - <_> - 1.6612668991088867e+01 - - 1 2 576 4.4500000000000000e+01 0 -1 577 3724. -2 -3 578 - 7.5000000000000000e+00 - - 6.2758970260620117e-01 -5.7332456111907959e-01 - -7.3119300603866577e-01 2.5508829951286316e-01 - <_> - 1.6793443679809570e+01 - - 1 2 579 1.5000000000000000e+00 0 -1 580 - 2.5500000000000000e+01 -2 -3 581 2.3500000000000000e+01 - - -6.3251662254333496e-01 4.4916898012161255e-01 - 4.5003961771726608e-02 -5.9809100627899170e-01 - <_> - 1.6161096572875977e+01 - - 1 2 582 1.5000000000000000e+00 0 -1 583 - 1.5000000000000000e+00 -2 -3 584 2.0500000000000000e+01 - - -7.4945521354675293e-01 6.5612715482711792e-01 - -6.3234704732894897e-01 7.2132863104343414e-02 - <_> - 1.6042703628540039e+01 - - 1 2 585 2.7500000000000000e+01 0 -1 586 - 1.3500000000000000e+01 -2 -3 587 2.5000000000000000e+00 - - -1.1839324980974197e-01 3.9118841290473938e-01 - 2.9518869519233704e-01 -8.5212147235870361e-01 - <_> - 1.6447755813598633e+01 - - 1 2 588 5.0000000000000000e-01 0 -1 589 - 5.0000000000000000e-01 -2 -3 590 5.0000000000000000e-01 - - -8.3366543054580688e-01 4.0505367517471313e-01 - 4.8622503876686096e-02 -5.6565636396408081e-01 - <_> - 1.7133924484252930e+01 - - 1 2 591 2.0350000000000000e+02 0 -1 592 334. -2 -3 593 - 3.0050000000000000e+02 - - -3.5271939635276794e-01 8.6447751522064209e-01 - 7.1061849594116211e-01 -1.1952371150255203e-01 - <_> - 1.6702384948730469e+01 - - 1 2 594 4.5000000000000000e+00 0 -1 595 - 2.8500000000000000e+01 -2 -3 596 1.2500000000000000e+01 - - -3.9405979216098785e-02 6.6947597265243530e-01 - -4.9912232160568237e-01 1.0251764953136444e-01 - <_> - 1.7397886276245117e+01 - - 1 2 597 2.2450000000000000e+02 0 -1 598 42. -2 -3 599 - 4.2500000000000000e+01 - - 7.0597994327545166e-01 -9.4353288412094116e-01 - -6.9157105684280396e-01 2.2714031860232353e-02 - <_> - 1.7262920379638672e+01 - - 1 2 600 3.1500000000000000e+01 0 -1 601 - 1.0450000000000000e+02 -2 -3 602 5.0000000000000000e-01 - - -1.3496619462966919e-01 4.4948977231979370e-01 - 1.4885289967060089e-01 -8.6381590366363525e-01 - <_> - 1.7465213775634766e+01 - - 1 2 603 1.4500000000000000e+01 0 -1 604 - 2.5000000000000000e+00 -2 -3 605 2.5000000000000000e+00 - - -7.1829992532730103e-01 3.5132697224617004e-01 - 4.2205992341041565e-01 -4.3211916089057922e-01 - <_> - 1.7307765960693359e+01 - - 1 2 606 5.5000000000000000e+00 0 -1 607 - 1.6500000000000000e+01 -2 -3 608 1.5000000000000000e+00 - - -4.3471553921699524e-01 5.3184741735458374e-01 - 1.5001934766769409e-01 -5.0502711534500122e-01 - <_> - 1.7614244461059570e+01 - - 1 2 609 2.1950000000000000e+02 0 -1 610 - 3.5000000000000000e+00 -2 -3 611 3.5000000000000000e+00 - - 9.3997812271118164e-01 -9.3997251987457275e-01 - 3.0647855997085571e-01 -2.0921668410301208e-01 - <_> - 1.7706068038940430e+01 - - 1 2 612 5.7500000000000000e+01 0 -1 613 - 5.5450000000000000e+02 -2 -3 614 6271. - - 2.8178128600120544e-01 -6.5705215930938721e-01 - 2.1660777926445007e-01 -8.9905387163162231e-01 - <_> - 1.7754480361938477e+01 - - 1 2 615 5.0000000000000000e-01 0 -1 616 - 1.6500000000000000e+01 -2 -3 617 5.0000000000000000e-01 - - -6.6525924205780029e-01 5.8488470315933228e-01 - 2.6185688376426697e-01 -3.7666809558868408e-01 - <_> - 1.7758506774902344e+01 - - 1 2 618 5.8750000000000000e+02 0 -1 619 - 5.0000000000000000e-01 -2 -3 620 7.9050000000000000e+02 - - 6.1497175693511963e-01 -5.2589684724807739e-01 - 5.6739014387130737e-01 -1.2997034192085266e-01 - <_> - 1.8137268066406250e+01 - - 1 2 621 1.2500000000000000e+01 0 -1 622 - 2.7500000000000000e+01 -2 -3 623 9.5000000000000000e+00 - - 2.7133096009492874e-02 -7.4169838428497314e-01 - -5.5511766672134399e-01 3.7876096367835999e-01 - <_> - 1.8127597808837891e+01 - - 1 2 624 1.3500000000000000e+01 0 -1 625 - 1.6500000000000000e+01 -2 -3 626 7.0050000000000000e+02 - - -9.9238857626914978e-02 5.2959042787551880e-01 - 1.2502020597457886e-01 -6.9074809551239014e-01 - <_> - 1.8081335067749023e+01 - - 1 2 627 1.2500000000000000e+01 0 -1 628 2. -2 -3 629 - 5.0000000000000000e-01 - - -9.4234240055084229e-01 1. 3.8502028584480286e-01 - -1.8359494209289551e-01 - <_> - 1.8053295135498047e+01 - - 1 2 630 2.7500000000000000e+01 0 -1 631 - 5.9500000000000000e+01 -2 -3 632 4.1500000000000000e+01 - - -4.9844527244567871e-01 2.2154885530471802e-01 - 1.6719245910644531e-01 -8.5411649942398071e-01 - <_> - 1.8328479766845703e+01 - - 1 2 633 1.2564500000000000e+04 0 -1 634 - 4.5000000000000000e+00 -2 -3 635 1.4450000000000000e+02 - - -5.1779359579086304e-01 3.0374595522880554e-01 - -7.3483371734619141e-01 7.6394975185394287e-02 - <_> - 1.8571502685546875e+01 - - 1 2 636 2.5000000000000000e+00 0 -1 637 - 2.6750000000000000e+02 -2 -3 638 6.4350000000000000e+02 - - -8.5374289751052856e-01 4.6067333221435547e-01 - -4.1071122884750366e-01 3.6673283576965332e-01 - <_> - 1.8682445526123047e+01 - - 1 2 639 2.0650000000000000e+02 0 -1 640 - 4.2500000000000000e+01 -2 -3 641 1.1500000000000000e+01 - - -5.0848436355590820e-01 2.4837252497673035e-01 - -6.5386766195297241e-01 4.2162042856216431e-01 - <_> - 1.8954551696777344e+01 - - 1 2 642 6.5000000000000000e+00 0 -1 643 - 3.0500000000000000e+01 -2 -3 644 2.2500000000000000e+01 - - -5.9916085004806519e-01 2.7210691571235657e-01 - -1.1765263974666595e-01 -8.1677961349487305e-01 - <_> - 1.8866088867187500e+01 - - 1 2 645 1.5000000000000000e+00 0 -1 646 - 6.5000000000000000e+00 -2 -3 647 1.1150000000000000e+02 - - 5.0670212507247925e-01 -2.6341021060943604e-01 - -4.3560948967933655e-01 3.6474627256393433e-01 - <_> - 1.8741416931152344e+01 - - 1 2 648 4.1500000000000000e+01 0 -1 649 - 6.5000000000000000e+00 -2 -3 650 1.5000000000000000e+00 - - 5.2751459181308746e-02 -6.6522449254989624e-01 - 3.3934053778648376e-01 -4.9355345964431763e-01 - <_> - 1.8643299102783203e+01 - - 1 2 651 5.9775000000000000e+03 0 -1 652 - 1.8165000000000000e+03 -2 -3 653 1.4355000000000000e+03 - - 5.5302268266677856e-01 -4.7563236951828003e-01 - 6.5803569555282593e-01 -9.8118394613265991e-02 - <_> - 1.8880964279174805e+01 - - 1 2 654 1.2650000000000000e+02 0 -1 655 - 2.5000000000000000e+00 -2 -3 656 1.3500000000000000e+01 - - -7.5744998455047607e-01 2.8973925113677979e-01 - -5.4551291465759277e-01 8.2080578804016113e-01 - <_> - 1.8557128906250000e+01 - - 1 2 657 4.6500000000000000e+01 0 -1 658 1647. -2 -3 659 - 1.0500000000000000e+01 - - 1.0912799835205078e-01 -8.0168753862380981e-01 - 3.0439880490303040e-01 -3.2383540272712708e-01 - <_> - 1.9214336395263672e+01 - - 1 2 660 1.6085000000000000e+03 0 -1 661 - 2.0950000000000000e+02 -2 -3 662 2.9750000000000000e+02 - - -3.6497074365615845e-01 7.4361735582351685e-01 - 7.8719192743301392e-01 -1.0578166693449020e-02 - <_> - 1.9558198928833008e+01 - - 1 2 663 5.5000000000000000e+00 0 -1 664 141. -2 -3 665 - 1.2500000000000000e+01 - - 4.0406695008277893e-01 -7.0202612876892090e-01 - -4.2011860013008118e-01 6.0265243053436279e-01 - <_> - 1.9143066406250000e+01 - - 1 2 666 1.1500000000000000e+01 0 -1 667 - 8.5000000000000000e+00 -2 -3 668 2.1150000000000000e+02 - - -4.1513276100158691e-01 4.5337858796119690e-01 - 3.6399593949317932e-01 -7.8625452518463135e-01 - <_> - 1.9362360000610352e+01 - - 1 2 669 3.1500000000000000e+01 0 -1 670 - 3.5000000000000000e+00 -2 -3 671 1.5500000000000000e+01 - - -5.3197765350341797e-01 2.7408641576766968e-01 - -6.3501793146133423e-01 4.3600288033485413e-01 - <_> - 1.9299673080444336e+01 - - 1 2 672 3.5000000000000000e+00 0 -1 673 - 1.3500000000000000e+01 -2 -3 674 6918. - - -4.8876148462295532e-01 4.8771849274635315e-01 - -3.5163021087646484e-01 5.7008403539657593e-01 - <_> - 1.9273160934448242e+01 - - 1 2 675 4.2150000000000000e+02 0 -1 676 - 2.2035000000000000e+03 -2 -3 677 4125. - - -1. 4.3742546439170837e-01 -6.3171046972274780e-01 - -1.2324055656790733e-02 - <_> - 1.9674695968627930e+01 - - 1 2 678 5.0000000000000000e-01 0 -1 679 - 1.0500000000000000e+01 -2 -3 680 6.7150000000000000e+02 - - -2.4401791393756866e-01 5.4219561815261841e-01 - 4.5299509167671204e-01 -4.0972766280174255e-01 - <_> - 1.9536827087402344e+01 - - 1 2 681 80. 0 -1 682 9.5000000000000000e+00 -2 -3 683 - 1.1950000000000000e+02 - - 9.7771358489990234e-01 -1. -2.7852934598922729e-01 - 3.1141099333763123e-01 - <_> - 1.9679944992065430e+01 - - 1 2 684 5.5000000000000000e+00 0 -1 685 - 5.5000000000000000e+00 -2 -3 686 4.5000000000000000e+00 - - -3.4437903761863708e-01 4.5901042222976685e-01 - 1.4311666786670685e-01 -5.8588796854019165e-01 - <_> - 1.9943355560302734e+01 - - 1 2 687 2.9500000000000000e+01 0 -1 688 - 6.5000000000000000e+00 -2 -3 689 2.4500000000000000e+01 - - -5.8437657356262207e-01 2.6341116428375244e-01 - -6.2989181280136108e-01 2.0000371336936951e-01 - <_> - 1.9625724792480469e+01 - - 1 2 690 2.0850000000000000e+02 0 -1 691 - 2.3305000000000000e+03 -2 -3 692 866. - - -3.1762993335723877e-01 5.5581647157669067e-01 - 5.3226226568222046e-01 -4.7602936625480652e-01 - <_> - 1.9914857864379883e+01 - - 1 2 693 8.7850000000000000e+02 0 -1 694 - 6.5050000000000000e+02 -2 -3 695 1.2605000000000000e+03 - - 2.8913190960884094e-01 -8.0038177967071533e-01 - -7.6349312067031860e-01 1.2914163060486317e-02 - <_> - 2.0337768554687500e+01 - - 1 2 696 1.8500000000000000e+01 0 -1 697 51. -2 -3 698 - 5.0000000000000000e-01 - - 2.0884056389331818e-01 -6.6362190246582031e-01 - 4.8303022980690002e-01 -1.5653999149799347e-01 - <_> - 2.0547544479370117e+01 - - 1 2 699 5.5000000000000000e+00 0 -1 700 - 4.4500000000000000e+01 -2 -3 701 52. - - -5.9065473079681396e-01 2.0977459847927094e-01 - -7.6793259382247925e-01 5.2228933572769165e-01 - <_> - 2.0560253143310547e+01 - - 1 2 702 4.5000000000000000e+00 0 -1 703 - 2.4650000000000000e+02 -2 -3 704 4.8500000000000000e+01 - - 4.7756865620613098e-01 -6.9306534528732300e-01 - -4.7408469021320343e-02 -7.5790488719940186e-01 - <_> - 2.0091964721679688e+01 - - 1 2 705 3.8500000000000000e+01 0 -1 706 - 5.0000000000000000e-01 -2 -3 707 458. - - 4.1837117075920105e-01 -5.6005704402923584e-01 - -4.6829015016555786e-01 3.3648452162742615e-01 - <_> - 2.0445671081542969e+01 - - 1 2 708 4.5000000000000000e+00 0 -1 709 - 2.7895000000000000e+03 -2 -3 710 1.1500000000000000e+01 - - -3.6157336831092834e-01 3.5370638966560364e-01 - -5.6435430049896240e-01 6.2603580951690674e-01 - <_> - 2.0708145141601562e+01 - - 1 2 711 1.1245000000000000e+03 0 -1 712 - 4.5000000000000000e+00 -2 -3 713 1.4500000000000000e+01 - - -6.9924837350845337e-01 4.3067482113838196e-01 - -4.2009061574935913e-01 2.6247435808181763e-01 - <_> - 2.1024463653564453e+01 - - 1 2 714 5.5000000000000000e+00 0 -1 715 - 1.1500000000000000e+01 -2 -3 716 7.5000000000000000e+00 - - -8.0043709278106689e-01 3.1631988286972046e-01 - -5.1429873704910278e-01 2.7576768398284912e-01 - <_> - 2.0803630828857422e+01 - - 1 2 717 5.8750000000000000e+02 0 -1 718 3981. -2 -3 719 - 1.9550000000000000e+02 - - -5.4785442352294922e-01 7.9078370332717896e-01 - 6.8359661102294922e-01 -2.8464736416935921e-02 - <_> - 2.1062959671020508e+01 - - 1 2 720 2.5000000000000000e+00 0 -1 721 - 1.5000000000000000e+00 -2 -3 722 3.4050000000000000e+02 - - -6.4614498615264893e-01 7.4008464813232422e-01 - -2.5458994507789612e-01 4.7160488367080688e-01 - <_> - 2.1148992538452148e+01 - - 1 2 723 2.5000000000000000e+00 0 -1 724 - 1.9500000000000000e+01 -2 -3 725 1.1365000000000000e+03 - - -7.9459643363952637e-01 4.0373617410659790e-01 - 1.7909039556980133e-01 -4.8390582203865051e-01 - <_> - 2.1316343307495117e+01 - - 1 2 726 596. 0 -1 727 2.9500000000000000e+01 -2 -3 728 - 9.7500000000000000e+01 - - -3.1621825695037842e-01 2.6443120837211609e-01 - -7.2724926471710205e-01 3.8569703698158264e-01 - <_> - 2.1407173156738281e+01 - - 1 2 729 3.5000000000000000e+00 0 -1 730 - 1.2500000000000000e+01 -2 -3 731 1.6250000000000000e+02 - - -5.2135920524597168e-01 3.0805602669715881e-01 - -5.1675158739089966e-01 8.4476417303085327e-01 - <_> - 2.1468662261962891e+01 - - 1 2 732 2.5000000000000000e+00 0 -1 733 - 9.5000000000000000e+00 -2 -3 734 1.5000000000000000e+00 - - 4.6017938852310181e-01 -8.2636475563049316e-02 - 5.0263375043869019e-01 -6.4655619859695435e-01 - <_> - 2.1531848907470703e+01 - - 1 2 735 1.6500000000000000e+01 0 -1 736 - 1.5000000000000000e+00 -2 -3 737 132. - - 6.3187964260578156e-02 -4.6502736210823059e-01 - -5.3921943902969360e-01 6.6515022516250610e-01 - <_> - 2.1421955108642578e+01 - - 1 2 738 1.4500000000000000e+01 0 -1 739 - 5.5000000000000000e+00 -2 -3 740 4.5000000000000000e+00 - - 7.3170220851898193e-01 -7.9929661750793457e-01 - 4.2181393504142761e-01 -1.0989431291818619e-01 - <_> - 2.1327116012573242e+01 - - 1 2 741 3.5000000000000000e+00 0 -1 742 35. -2 -3 743 - 2.5000000000000000e+00 - - -8.3855998516082764e-01 4.6628227829933167e-01 - 4.7352400422096252e-01 -9.4839885830879211e-02 - <_> - 2.1836402893066406e+01 - - 1 2 744 1.7500000000000000e+01 0 -1 745 555. -2 -3 746 - 1.0500000000000000e+01 - - 9.3723833560943604e-01 -9.0897613763809204e-01 - -7.3575176298618317e-02 5.0928729772567749e-01 - <_> - 2.2053348541259766e+01 - - 1 2 747 5.0000000000000000e-01 0 -1 748 - 1.6500000000000000e+01 -2 -3 749 6.5850000000000000e+02 - - 3.9292082190513611e-01 -5.4508280754089355e-01 - -3.8765028119087219e-01 7.9302084445953369e-01 - <_> - 2.2000936508178711e+01 - - 1 2 750 1.2495000000000000e+03 0 -1 751 - 7.5650000000000000e+02 -2 -3 752 8.5000000000000000e+00 - - -8.3031547069549561e-01 6.1485505104064941e-01 - -7.2577434778213501e-01 -3.1862542033195496e-02 - <_> - 2.2258289337158203e+01 - - 1 2 753 1.7050000000000000e+02 0 -1 754 - 2.7500000000000000e+01 -2 -3 755 171. - - 2.5735321640968323e-01 -4.8002240061759949e-01 - -8.0062097311019897e-01 3.0654129385948181e-01 - <_> - 2.2328397750854492e+01 - - 1 2 756 1.2550000000000000e+02 0 -1 757 - 4.9850000000000000e+02 -2 -3 758 4.4150000000000000e+02 - - -5.5743676424026489e-01 7.0109486579895020e-02 - 4.4649991393089294e-01 -7.7318650484085083e-01 - <_> - 2.2216890335083008e+01 - - 1 2 759 6.5000000000000000e+00 0 -1 760 - 1.5000000000000000e+00 -2 -3 761 1.4500000000000000e+01 - - -5.4395025968551636e-01 3.0336576700210571e-01 - -7.8275823593139648e-01 1.5390900894999504e-02 - <_> - 2.2302726745605469e+01 - - 1 2 762 1.5000000000000000e+00 0 -1 763 - 5.7500000000000000e+01 -2 -3 764 2.0645000000000000e+03 - - 4.8738116025924683e-01 -3.1202495098114014e-01 - -4.3800228834152222e-01 2.9288199543952942e-01 - <_> - 2.2548938751220703e+01 - - 1 2 765 4.9500000000000000e+01 0 -1 766 - 3.8500000000000000e+01 -2 -3 767 5.1500000000000000e+01 - - 4.8418575525283813e-01 -6.1569869518280029e-01 - 2.4621097743511200e-01 -7.1180444955825806e-01 - <_> - 2.2475860595703125e+01 - - 1 2 768 4.5000000000000000e+00 0 -1 769 - 1.7850000000000000e+02 -2 -3 770 2.4500000000000000e+01 - - -6.3133555650711060e-01 3.8137707114219666e-01 - -3.6368274688720703e-01 6.6181749105453491e-01 - <_> - 2.2855289459228516e+01 - - 1 2 771 4284. 0 -1 772 1.0550000000000000e+02 -2 -3 773 - 2.6500000000000000e+01 - - -1.8270370364189148e-01 5.1926845312118530e-01 - -4.9393907189369202e-01 3.6390557885169983e-01 - <_> - 2.2716596603393555e+01 - - 1 2 774 4.5000000000000000e+00 0 -1 775 - 2.5500000000000000e+01 -2 -3 776 6.0350000000000000e+02 - - -5.2201086282730103e-01 4.4320568442344666e-01 - -4.9849912524223328e-01 2.6197108626365662e-01 - <_> - 2.2941522598266602e+01 - - 1 2 777 5.7850000000000000e+02 0 -1 778 - 6.8250000000000000e+02 -2 -3 779 2.6500000000000000e+01 - - -7.4641335010528564e-01 9.6406400203704834e-01 - 2.2492493689060211e-01 -7.7606719732284546e-01 - <_> - 2.3111333847045898e+01 - - 1 2 780 2.9650000000000000e+02 0 -1 781 - 9.5000000000000000e+00 -2 -3 782 4.2500000000000000e+01 - - -6.2134265899658203e-01 1.6981208324432373e-01 - -8.7735611200332642e-01 6.5406101942062378e-01 - <_> - 2.3225652694702148e+01 - - 1 2 783 5.0000000000000000e-01 0 -1 784 - 3.5000000000000000e+00 -2 -3 785 1.1050000000000000e+02 - - 4.8261573910713196e-01 -1.2186601758003235e-01 - -6.2313985824584961e-01 1.7973627150058746e-01 - <_> - 2.3488880157470703e+01 - - 1 2 786 5.0000000000000000e-01 0 -1 787 - 2.5000000000000000e+00 -2 -3 788 4.1500000000000000e+01 - - -8.2940989732742310e-01 4.9927219748497009e-01 - -5.5514144897460938e-01 4.2520754039287567e-02 - <_> - 2.3246582031250000e+01 - - 1 2 789 1.7500000000000000e+01 0 -1 790 - 3.5000000000000000e+00 -2 -3 791 3.7500000000000000e+01 - - 2.3804731667041779e-01 -3.6675044894218445e-01 - -7.8130763769149780e-01 4.6650439500808716e-01 - <_> - 2.3027326583862305e+01 - - 1 2 792 2.0450000000000000e+02 0 -1 793 - 6.4350000000000000e+02 -2 -3 794 1.0050000000000000e+02 - - 6.1607003211975098e-01 -3.5964947938919067e-01 - 6.6453498601913452e-01 -1.7912100255489349e-01 - <_> - 2.3406442642211914e+01 - - 1 2 795 5.0000000000000000e-01 0 -1 796 - 6.5000000000000000e+00 -2 -3 797 5.0000000000000000e-01 - - -8.2512348890304565e-01 3.7911432981491089e-01 - 3.5871699452400208e-01 -4.4794848561286926e-01 - <_> - 2.3616649627685547e+01 - - 1 2 798 2.8500000000000000e+01 0 -1 799 - 4.7450000000000000e+02 -2 -3 800 2.9250000000000000e+02 - - 6.9855457544326782e-01 -7.0031523704528809e-01 - 2.1020780503749847e-01 -7.6559376716613770e-01 - <_> - 2.4126110076904297e+01 - - 1 2 801 2.7500000000000000e+01 0 -1 802 - 6.5000000000000000e+00 -2 -3 803 4.0500000000000000e+01 - - -2.3670162260532379e-01 5.7600808143615723e-01 - 7.9060065746307373e-01 -6.8735271692276001e-01 - <_> - 2.4140369415283203e+01 - - 1 2 804 5.0000000000000000e-01 0 -1 805 - 5.0000000000000000e-01 -2 -3 806 4.5000000000000000e+00 - - -9.1332882642745972e-01 5.2299410104751587e-01 - -7.9110765457153320e-01 -2.8204634785652161e-02 - <_> - 2.4360799789428711e+01 - - 1 2 807 4.5000000000000000e+00 0 -1 808 - 1.3185000000000000e+03 -2 -3 809 5.3500000000000000e+01 - - -8.1156605482101440e-01 2.2043134272098541e-01 - 2.7905371785163879e-01 -7.4440413713455200e-01 - <_> - 2.4109243392944336e+01 - - 1 2 810 1.3500000000000000e+01 0 -1 811 - 5.0000000000000000e-01 -2 -3 812 4.4500000000000000e+01 - - 2.3124285042285919e-01 -6.3171100616455078e-01 - -8.5163635015487671e-01 3.0160894989967346e-01 - <_> - 2.4255434036254883e+01 - - 1 2 813 1.5650000000000000e+02 0 -1 814 - 3.5000000000000000e+00 -2 -3 815 4.3500000000000000e+01 - - -7.0664036273956299e-01 1.4619015157222748e-01 - -7.6265025138854980e-01 9.5157426595687866e-01 - <_> - 2.4288377761840820e+01 - - 1 2 816 8.3850000000000000e+02 0 -1 817 - 1.6815000000000000e+03 -2 -3 818 3.7500000000000000e+01 - - -1.9312603771686554e-01 7.6522910594940186e-01 - -5.9187997132539749e-02 -8.7799388170242310e-01 - <_> - 2.4200824737548828e+01 - - 1 2 819 2.3685000000000000e+03 0 -1 820 - 6.4500000000000000e+01 -2 -3 821 2218. - - -2.3894232511520386e-01 3.3463284373283386e-01 - 9.7570341825485229e-01 -1. - <_> - 2.4393486022949219e+01 - - 1 2 822 1.5000000000000000e+00 0 -1 823 - 6.2500000000000000e+01 -2 -3 824 5.0000000000000000e-01 - - 3.8941594958305359e-01 -6.3870257139205933e-01 - 2.9708841443061829e-01 -4.5916315913200378e-01 - <_> - 2.3864915847778320e+01 - - 1 2 825 5.8500000000000000e+01 0 -1 826 - 5.0000000000000000e-01 -2 -3 827 5.0550000000000000e+02 - - 1.0665965825319290e-01 -5.2857077121734619e-01 - 4.3078324198722839e-01 -6.8552410602569580e-01 - <_> - 2.4371673583984375e+01 - - 1 2 828 4.6500000000000000e+01 0 -1 829 - 2.8500000000000000e+01 -2 -3 830 2.5000000000000000e+00 - - -4.6691280603408813e-01 9.4536936283111572e-01 - 5.0675743818283081e-01 -7.4976824223995209e-02 - <_> - 2.4283998489379883e+01 - - 1 2 831 8.5000000000000000e+00 0 -1 832 - 4.5000000000000000e+00 -2 -3 833 5.0000000000000000e-01 - - 1.1491531878709793e-01 -5.4051393270492554e-01 - 5.9726655483245850e-01 -8.7674349546432495e-02 - <_> - 2.4178682327270508e+01 - - 1 2 834 2.4500000000000000e+01 0 -1 835 31. -2 -3 836 - 2.5000000000000000e+00 - - -1.4163693785667419e-01 -8.9226043224334717e-01 - 4.4437414407730103e-01 -1.0531529039144516e-01 - <_> - 2.4790372848510742e+01 - - 1 2 837 2.5500000000000000e+01 0 -1 838 - 3.3050000000000000e+02 -2 -3 839 5.0000000000000000e-01 - - -6.6818559169769287e-01 9.3957829475402832e-01 - 6.1168950796127319e-01 -2.6481609791517258e-02 - <_> - 2.4897542953491211e+01 - - 1 2 840 5.0000000000000000e-01 0 -1 841 - 5.0000000000000000e-01 -2 -3 842 2407. - - -3.7540107965469360e-01 5.3918349742889404e-01 - 4.6452194452285767e-01 -4.5957338809967041e-01 - <_> - 2.5076763153076172e+01 - - 1 2 843 228. 0 -1 844 182. -2 -3 845 3.3500000000000000e+01 - - 1.7922003567218781e-01 -6.3466674089431763e-01 - -9.4654053449630737e-01 1. - <_> - 2.5344453811645508e+01 - - 1 2 846 2.1050000000000000e+02 0 -1 847 950. -2 -3 848 - 6.5000000000000000e+00 - - 3.8418850302696228e-01 -3.3828052878379822e-01 - -9.4338703155517578e-01 5.6358563899993896e-01 - <_> - 2.5327934265136719e+01 - - 1 2 849 5.7850000000000000e+02 0 -1 850 2721. -2 -3 851 - 5.7950000000000000e+02 - - -7.7749001979827881e-01 7.9369461536407471e-01 - 6.1001539230346680e-01 -3.9780076593160629e-02 - <_> - 2.5586107254028320e+01 - - 1 2 852 1.5500000000000000e+01 0 -1 853 - 5.0000000000000000e-01 -2 -3 854 7.5000000000000000e+00 - - 6.5170124173164368e-02 -8.7068217992782593e-01 - 3.4386867284774780e-01 -3.1679311394691467e-01 - <_> - 2.5956110000610352e+01 - - 1 2 855 4.1250000000000000e+02 0 -1 856 - 9.5000000000000000e+00 -2 -3 857 1.2500000000000000e+01 - - -9.4299390912055969e-02 4.5086464285850525e-01 - 2.8941693902015686e-01 -7.5506448745727539e-01 - <_> - 2.5679136276245117e+01 - - 1 2 858 1.5500000000000000e+01 0 -1 859 - 3.5500000000000000e+01 -2 -3 860 1.5500000000000000e+01 - - 5.7768863439559937e-01 -9.8376011848449707e-01 - 2.2712181508541107e-01 -3.7263166904449463e-01 - <_> - 2.5702135086059570e+01 - - 1 2 861 5.2500000000000000e+01 0 -1 862 - 1.1305000000000000e+03 -2 -3 863 213. - - 2.2998491302132607e-02 -5.8967226743698120e-01 - 6.5218383073806763e-01 -8.2674098014831543e-01 - <_> - 2.5561569213867188e+01 - - 1 2 864 5.5500000000000000e+01 0 -1 865 - 9.5000000000000000e+00 -2 -3 866 3.1350000000000000e+02 - - 2.0403856039047241e-01 -5.6006175279617310e-01 - -1.6610753536224365e-01 5.0708794593811035e-01 - <_> - 2.5522092819213867e+01 - - 1 2 867 5.0000000000000000e-01 0 -1 868 5. -2 -3 869 - 3.8500000000000000e+01 - - -5.3519564867019653e-01 5.9799957275390625e-01 - -6.4083904027938843e-01 8.0231800675392151e-03 - <_> - 2.5928745269775391e+01 - - 1 2 870 2.7500000000000000e+01 0 -1 871 - 6.5000000000000000e+00 -2 -3 872 3.4500000000000000e+01 - - 6.7719250917434692e-01 1.6834596171975136e-02 - -4.1419923305511475e-01 4.9665707349777222e-01 - <_> - 2.5877567291259766e+01 - - 1 2 873 4.2500000000000000e+01 0 -1 874 - 1.5000000000000000e+00 -2 -3 875 1.2500000000000000e+01 - - 7.5778728723526001e-01 -6.9553768634796143e-01 - 5.8824920654296875e-01 -5.1177542656660080e-02 - <_> - 2.6253459930419922e+01 - - 1 2 876 2.0450000000000000e+02 0 -1 877 - 5.5000000000000000e+00 -2 -3 878 2.0750000000000000e+02 - - 1.4472042024135590e-01 -5.3407484292984009e-01 - 5.5299741029739380e-01 -2.1952067315578461e-01 - <_> - 2.5972379684448242e+01 - - 1 2 879 5.0000000000000000e-01 0 -1 880 - 9.2500000000000000e+01 -2 -3 881 2.8150000000000000e+02 - - -4.9287506937980652e-01 4.8725369572639465e-01 - 2.1028327941894531e-01 -4.5818585157394409e-01 - <_> - 2.6239015579223633e+01 - - 1 2 882 3.3450000000000000e+02 0 -1 883 - 2.9500000000000000e+01 -2 -3 884 1.9500000000000000e+01 - - -2.7773824334144592e-01 2.6663535833358765e-01 - 9.2568081617355347e-01 -1. - <_> - 2.6405815124511719e+01 - - 1 2 885 7.5000000000000000e+00 0 -1 886 - 1.5500000000000000e+01 -2 -3 887 2.9500000000000000e+01 - - -1.3278310000896454e-01 5.4445451498031616e-01 - -4.4695791602134705e-01 5.7305967807769775e-01 - <_> - 2.6828212738037109e+01 - - 1 2 888 3.1750000000000000e+02 0 -1 889 - 8.5000000000000000e+00 -2 -3 890 1.9950000000000000e+02 - - 5.8375543355941772e-01 -1.7268431186676025e-01 - -6.6015034914016724e-01 4.4744126498699188e-02 - <_> - 2.7001083374023438e+01 - - 1 2 891 7.4500000000000000e+01 0 -1 892 - 9.5000000000000000e+00 -2 -3 893 1.0500000000000000e+01 - - -7.7140247821807861e-01 1.7287059128284454e-01 - -9.5679062604904175e-01 2.9170122742652893e-01 - <_> - 2.6600372314453125e+01 - - 1 2 894 5.0000000000000000e-01 0 -1 895 - 1.5000000000000000e+00 -2 -3 896 1.5000000000000000e+00 - - -6.1320728063583374e-01 3.7253630161285400e-01 - 5.1001715660095215e-01 -4.2740473151206970e-01 - <_> - 2.6939287185668945e+01 - - 1 2 897 742. 0 -1 898 1.5000000000000000e+00 -2 -3 899 - 4.6500000000000000e+01 - - 6.4842426776885986e-01 -6.8702745437622070e-01 - 5.3773084655404091e-03 7.0070070028305054e-01 - <_> - 2.7120637893676758e+01 - - 1 2 900 4.7500000000000000e+01 0 -1 901 - 2.1500000000000000e+01 -2 -3 902 155. - - -2.1175275743007660e-01 3.5446098446846008e-01 - 3.6745795607566833e-01 -7.7352613210678101e-01 - <_> - 2.6940479278564453e+01 - - 1 2 903 5.5000000000000000e+00 0 -1 904 - 5.0000000000000000e-01 -2 -3 905 5.0000000000000000e-01 - - -4.2342516779899597e-01 4.6100237965583801e-01 - 7.2207629680633545e-02 -5.1426035165786743e-01 - <_> - 2.6880437850952148e+01 - - 1 2 906 4.1050000000000000e+02 0 -1 907 - 3.5000000000000000e+00 -2 -3 908 1.0185000000000000e+03 - - 7.6362460851669312e-01 -2.9716432094573975e-01 - 6.9237434864044189e-01 -6.0041967779397964e-02 - <_> - 2.6966255187988281e+01 - - 1 2 909 5.0000000000000000e-01 0 -1 910 28. -2 -3 911 - 2.5000000000000000e+00 - - -7.3636984825134277e-01 8.9863502979278564e-01 - 5.1865053176879883e-01 -1.0253517329692841e-01 - <_> - 2.7442039489746094e+01 - - 1 2 912 2.3500000000000000e+01 0 -1 913 - 2.5000000000000000e+00 -2 -3 914 550. - - 1.5000563859939575e-01 -4.6704238653182983e-01 - -6.6705381870269775e-01 4.7578340768814087e-01 - <_> - 2.7651542663574219e+01 - - 1 2 915 2.0050000000000000e+02 0 -1 916 - 2.5000000000000000e+00 -2 -3 917 3.5000000000000000e+00 - - -6.6723048686981201e-01 2.0950356125831604e-01 - 3.3526617288589478e-01 -7.9762780666351318e-01 - <_> - 2.7623653411865234e+01 - - 1 2 918 8.5000000000000000e+00 0 -1 919 - 5.5000000000000000e+00 -2 -3 920 5.5000000000000000e+00 - - -8.1512671709060669e-01 1.2574225664138794e-01 - 4.8598203063011169e-01 -1.5266139805316925e-01 - <_> - 2.7450769424438477e+01 - - 1 2 921 5.5000000000000000e+00 0 -1 922 - 6.5000000000000000e+00 -2 -3 923 5.0000000000000000e-01 - - -2.1216700971126556e-01 5.0396865606307983e-01 - 5.1462185382843018e-01 -4.5113617181777954e-01 - <_> - 2.7734930038452148e+01 - - 1 2 924 644. 0 -1 925 1.1500000000000000e+01 -2 -3 926 - 1.2050000000000000e+02 - - 2.5870633125305176e-01 -8.3483195304870605e-01 - -6.0892283916473389e-01 2.8416162729263306e-01 - <_> - 2.7435287475585938e+01 - - 1 2 927 2.5000000000000000e+00 0 -1 928 - 1.5000000000000000e+00 -2 -3 929 658. - - -9.0528321266174316e-01 5.4103326797485352e-01 - -2.9964354634284973e-01 4.7055888175964355e-01 - <_> - 2.7890865325927734e+01 - - 1 2 930 2.6065000000000000e+03 0 -1 931 - 3.0950000000000000e+02 -2 -3 932 3.6500000000000000e+01 - - -1.2102564424276352e-01 4.5557883381843567e-01 - -9.6796959638595581e-01 4.1553020477294922e-01 - <_> - 2.7985542297363281e+01 - - 1 2 933 1.2535000000000000e+03 0 -1 934 - 6.4950000000000000e+02 -2 -3 935 4.1650000000000000e+02 - - 6.4220869541168213e-01 -4.2341175675392151e-01 - 5.5095940828323364e-01 -3.7539717555046082e-01 - <_> - 2.8142776489257812e+01 - - 1 2 936 5.0000000000000000e-01 0 -1 937 - 4.5000000000000000e+00 -2 -3 938 3.7500000000000000e+01 - - -3.2875818014144897e-01 4.3458873033523560e-01 - -5.8713775873184204e-01 1.6683255136013031e-01 - <_> - 2.8195165634155273e+01 - - 1 2 939 7.7450000000000000e+02 0 -1 940 - 2.5000000000000000e+00 -2 -3 941 7.9250000000000000e+02 - - 3.3088469505310059e-01 -7.3728382587432861e-01 - 4.7910848259925842e-01 -1.5558865666389465e-01 - <_> - 2.8348829269409180e+01 - - 1 2 942 2.2850000000000000e+02 0 -1 943 - 2.7500000000000000e+01 -2 -3 944 5.2500000000000000e+01 - - -9.7540810704231262e-02 4.9717679619789124e-01 - -8.4607970714569092e-01 3.1448280811309814e-01 - <_> - 2.8368389129638672e+01 - - 1 2 945 5.5000000000000000e+00 0 -1 946 - 5.5000000000000000e+00 -2 -3 947 5.0000000000000000e-01 - - -7.9352790117263794e-01 4.7426006197929382e-01 - 3.1184694170951843e-01 -3.9333003759384155e-01 - <_> - 2.8678846359252930e+01 - - 1 2 948 9.5500000000000000e+01 0 -1 949 - 1.3250000000000000e+02 -2 -3 950 85. - - 8.9399956166744232e-02 -7.3296272754669189e-01 - -7.4362647533416748e-01 3.2927182316780090e-01 - <_> - 2.8603195190429688e+01 - - 1 2 951 2.3500000000000000e+01 0 -1 952 - 5.5000000000000000e+00 -2 -3 953 1.5500000000000000e+01 - - 2.9263785481452942e-01 -2.7861267328262329e-01 - 2.4879254400730133e-02 -8.7280374765396118e-01 - <_> - 2.8429206848144531e+01 - - 1 2 954 5.0000000000000000e-01 0 -1 955 - 7.5000000000000000e+00 -2 -3 956 1.1050000000000000e+02 - - -4.9112609028816223e-01 4.5099055767059326e-01 - -6.6482228040695190e-01 3.8441817741841078e-03 - <_> - 2.8728115081787109e+01 - - 1 2 957 4.5000000000000000e+00 0 -1 958 - 3.0500000000000000e+01 -2 -3 959 9.5000000000000000e+00 - - 3.4782031178474426e-01 -4.3692314624786377e-01 - -5.0424945354461670e-01 4.8909524083137512e-01 - <_> - 2.9034227371215820e+01 - - 1 2 960 8.5000000000000000e+00 0 -1 961 1313. -2 -3 962 - 7.5000000000000000e+00 - - 4.1847491264343262e-01 -7.2316378355026245e-01 - 5.3542798757553101e-01 -6.9837749004364014e-02 - <_> - 2.9042299270629883e+01 - - 1 2 963 8.2350000000000000e+02 0 -1 964 - 6.1500000000000000e+01 -2 -3 965 1.0848500000000000e+04 - - -2.7015477418899536e-01 2.4192942678928375e-01 - 9.2728316783905029e-01 -1. - <_> - 2.9266605377197266e+01 - - 1 2 966 3.5500000000000000e+01 0 -1 967 - 1.1500000000000000e+01 -2 -3 968 474. - - 3.2317626476287842e-01 -2.3886755108833313e-01 - -9.2069733142852783e-01 9.9993713200092316e-02 - <_> - 2.9196119308471680e+01 - - 1 2 969 1.5000000000000000e+00 0 -1 970 50. -2 -3 971 - 4.5000000000000000e+00 - - -8.8119459152221680e-01 1.5396067500114441e-01 - 3.5588577389717102e-01 -1.8907056748867035e-01 - <_> - 2.8916269302368164e+01 - - 1 2 972 2.7500000000000000e+01 0 -1 973 78. -2 -3 974 - 1.4750000000000000e+02 - - 9.6468514204025269e-01 -2.7984911203384399e-01 - 5.2942144870758057e-01 -5.4215109348297119e-01 - <_> - 2.9137155532836914e+01 - - 1 2 975 2.3500000000000000e+01 0 -1 976 - 5.7850000000000000e+02 -2 -3 977 2.9250000000000000e+02 - - 2.3396319150924683e-01 -8.4364879131317139e-01 - -3.0435711145401001e-01 3.2314890623092651e-01 - <_> - 2.9115297317504883e+01 - - 1 2 978 5.0000000000000000e-01 0 -1 979 - 3.9550000000000000e+02 -2 -3 980 5.5000000000000000e+00 - - 3.9777445793151855e-01 -7.7888238430023193e-01 - -4.1580772399902344e-01 3.4073171019554138e-01 - <_> - 2.9551794052124023e+01 - - 1 2 981 1.8785000000000000e+03 0 -1 982 - 5.9715000000000000e+03 -2 -3 983 6.4250000000000000e+02 - - -1.2244975566864014e-01 6.9085955619812012e-01 - -5.9161955118179321e-01 2.9289481043815613e-01 - <_> - 2.9916490554809570e+01 - - 1 2 984 3.6500000000000000e+01 0 -1 985 - 5.5000000000000000e+00 -2 -3 986 6.5000000000000000e+00 - - -8.7442290782928467e-01 9.8645307123661041e-02 - 4.4346800446510315e-01 -1.5005703270435333e-01 - <_> - 2.9763261795043945e+01 - - 1 2 987 3.2500000000000000e+01 0 -1 988 - 1.0500000000000000e+01 -2 -3 989 4.6500000000000000e+01 - - -3.8456574082374573e-01 3.4571200609207153e-01 - 5.5213904380798340e-01 -5.1309728622436523e-01 - <_> - 3.0075271606445312e+01 - - 1 2 990 5.5000000000000000e+00 0 -1 991 3216. -2 -3 992 57. - - 3.7469649314880371e-01 -7.7058547735214233e-01 - -6.3845652341842651e-01 4.0090378373861313e-02 - <_> - 3.0020376205444336e+01 - - 1 2 993 6.6650000000000000e+02 0 -1 994 - 1.5000000000000000e+00 -2 -3 995 1.6650000000000000e+02 - - 6.1095565557479858e-01 -6.7465776205062866e-01 - 2.2271032631397247e-01 -8.2703709602355957e-01 - <_> - 2.9878087997436523e+01 - - 1 2 996 5.5000000000000000e+00 0 -1 997 - 1.1500000000000000e+01 -2 -3 998 6.2500000000000000e+01 - - -4.6279782056808472e-01 1.8749718368053436e-01 - 6.7090582847595215e-01 -1.3304303586483002e-01 - <_> - 2.9944360733032227e+01 - - 1 2 999 1.5000000000000000e+00 0 -1 1000 - 2.5000000000000000e+00 -2 -3 1001 2.5000000000000000e+00 - - -1. 4.3671074509620667e-01 6.6273018717765808e-02 - -5.3205168247222900e-01 - <_> - 2.9942871093750000e+01 - - 1 2 1002 5.5000000000000000e+00 0 -1 1003 - 3.7450000000000000e+02 -2 -3 1004 4.5000000000000000e+00 - - 6.1623644828796387e-01 -4.8089489340782166e-01 - 5.9936344623565674e-01 -3.1623546034097672e-02 - <_> - 3.0450216293334961e+01 - - 1 2 1005 7.8750000000000000e+02 0 -1 1006 - 6.7550000000000000e+02 -2 -3 1007 7.0250000000000000e+02 - - -4.9125915765762329e-01 5.5245697498321533e-01 - 5.0734555721282959e-01 -1.7348597943782806e-01 - <_> - 3.0483926773071289e+01 - - 1 2 1008 2.2350000000000000e+02 0 -1 1009 - 5.5000000000000000e+00 -2 -3 1010 2.4500000000000000e+01 - - 5.1597571372985840e-01 -3.2840871810913086e-01 - -4.1519615054130554e-01 3.1820172071456909e-01 - <_> - 3.0558099746704102e+01 - - 1 2 1011 4.8500000000000000e+01 0 -1 1012 - 5.5000000000000000e+00 -2 -3 1013 2.0500000000000000e+01 - - 7.4174232780933380e-02 -6.8477684259414673e-01 - -9.2985051870346069e-01 3.0161842703819275e-01 - <_> - 3.0625425338745117e+01 - - 1 2 1014 1.8500000000000000e+01 0 -1 1015 - 9.3500000000000000e+01 -2 -3 1016 1.4050000000000000e+02 - - -8.1940811872482300e-01 2.9973128437995911e-01 - 7.6479032635688782e-02 -6.5602862834930420e-01 - <_> - 3.0697441101074219e+01 - - 1 2 1017 3.7500000000000000e+01 0 -1 1018 - 2.1500000000000000e+01 -2 -3 1019 5804. - - -4.4756698608398438e-01 2.7423384785652161e-01 - -6.8169790506362915e-01 2.0900464057922363e-01 - <_> - 3.0949892044067383e+01 - - 1 2 1020 5.0000000000000000e-01 0 -1 1021 - 5.5000000000000000e+00 -2 -3 1022 4.5000000000000000e+00 - - -6.4901775121688843e-01 2.5245016813278198e-01 - 2.4039171636104584e-01 -6.1729639768600464e-01 - <_> - 3.0929098129272461e+01 - - 1 2 1023 5.0000000000000000e-01 0 -1 1024 - 6.5000000000000000e+00 -2 -3 1025 1.4500000000000000e+01 - - -3.9928469061851501e-01 5.0110679864883423e-01 - -7.4043375253677368e-01 -4.4123314321041107e-02 - <_> - 3.1333951950073242e+01 - - 1 2 1026 6.5000000000000000e+00 0 -1 1027 - 2.1500000000000000e+01 -2 -3 1028 3.9500000000000000e+01 - - -5.8101430535316467e-02 6.1747199296951294e-01 - 2.6098625734448433e-02 -6.9707942008972168e-01 - <_> - 3.1116010665893555e+01 - - 1 2 1029 2.0150000000000000e+02 0 -1 1030 - 5.0000000000000000e-01 -2 -3 1031 2.8750000000000000e+02 - - 2.9852050542831421e-01 -4.3055999279022217e-01 - 6.7561793327331543e-01 -8.7017469108104706e-02 - <_> - 3.1032897949218750e+01 - - 1 2 1032 8.5000000000000000e+00 0 -1 1033 - 3.5000000000000000e+00 -2 -3 1034 2.3500000000000000e+01 - - -8.2436734437942505e-01 7.9362380504608154e-01 - 3.3129659295082092e-01 -2.2134104371070862e-01 - <_> - 3.0731082916259766e+01 - - 1 2 1035 1.5500000000000000e+01 0 -1 1036 - 1.5000000000000000e+00 -2 -3 1037 2.0500000000000000e+01 - - 5.2363544702529907e-01 -8.2277619838714600e-01 - 3.4363475441932678e-01 -3.0181473493576050e-01 - <_> - 3.1582773208618164e+01 - - 1 2 1038 2.3500000000000000e+01 0 -1 1039 256. -2 -3 1040 - 1245. - - 4.0018074214458466e-02 -5.4246288537979126e-01 - -7.1379941701889038e-01 8.5168963670730591e-01 - <_> - 3.0922315597534180e+01 - - 1 2 1041 1.1500000000000000e+01 0 -1 1042 - 9.7500000000000000e+01 -2 -3 1043 4.2050000000000000e+02 - - 3.3170649409294128e-01 -6.6045612096786499e-01 - -1.4949633181095123e-01 5.1487708091735840e-01 - <_> - 3.0648450851440430e+01 - - 1 2 1044 5.7750000000000000e+02 0 -1 1045 - 5.0000000000000000e-01 -2 -3 1046 3.8250000000000000e+02 - - 4.8874342441558838e-01 -8.4576064348220825e-01 - 6.7698836326599121e-01 -6.0642462223768234e-02 - <_> - 3.0702632904052734e+01 - - 1 2 1047 2.2500000000000000e+01 0 -1 1048 - 1.2950000000000000e+02 -2 -3 1049 3.5650000000000000e+02 - - 5.4180499166250229e-02 -5.0506794452667236e-01 - 7.7279126644134521e-01 -4.4330042600631714e-01 - <_> - 3.1123544692993164e+01 - - 1 2 1050 2.1500000000000000e+01 0 -1 1051 - 1.8500000000000000e+01 -2 -3 1052 5.9500000000000000e+01 - - -3.4420540928840637e-01 5.7321655750274658e-01 - 4.2091187834739685e-01 -6.6199111938476562e-01 - <_> - 3.0851852416992188e+01 - - 1 2 1053 1.5000000000000000e+00 0 -1 1054 - 4.5000000000000000e+00 -2 -3 1055 5.0000000000000000e-01 - - -8.3376497030258179e-01 5.1961439847946167e-01 - 1.9672468304634094e-01 -3.8548988103866577e-01 - <_> - 3.1271551132202148e+01 - - 1 2 1056 5.5000000000000000e+00 0 -1 1057 - 1.5000000000000000e+00 -2 -3 1058 3.2500000000000000e+01 - - 1.9125646352767944e-01 -4.8435854911804199e-01 - 6.1247032880783081e-01 -2.2513453662395477e-01 - <_> - 3.1481870651245117e+01 - - 1 2 1059 2.6500000000000000e+01 0 -1 1060 160. -2 -3 1061 - 1.5000000000000000e+00 - - 5.5120378732681274e-01 -7.5941944122314453e-01 - 4.1089880466461182e-01 -1.3137997686862946e-01 - <_> - 3.1036325454711914e+01 - - 1 2 1062 1.5500000000000000e+01 0 -1 1063 - 1.4500000000000000e+01 -2 -3 1064 2.1500000000000000e+01 - - 3.4304007887840271e-02 -6.1823207139968872e-01 - -2.7733555436134338e-01 6.1952215433120728e-01 - <_> - 3.1423891067504883e+01 - - 1 2 1065 2.5450000000000000e+02 0 -1 1066 - 1.2500000000000000e+01 -2 -3 1067 1.4500000000000000e+01 - - 4.7979310154914856e-01 -9.3194240331649780e-01 - -1.1963248252868652e-01 4.4283005595207214e-01 - <_> - 3.0981994628906250e+01 - - 1 2 1068 4.5000000000000000e+00 0 -1 1069 - 1.5000000000000000e+00 -2 -3 1070 5.0000000000000000e-01 - - -7.1386426687240601e-01 3.3223813772201538e-01 - 5.5634075403213501e-01 -4.5681276917457581e-01 - <_> - 3.1151826858520508e+01 - - 1 2 1071 8.3500000000000000e+01 0 -1 1072 - 6.5000000000000000e+00 -2 -3 1073 32. - - -6.9022941589355469e-01 1.6983160376548767e-01 - -7.8779727220535278e-01 1. - <_> - 3.1287761688232422e+01 - - 1 2 1074 4.2250000000000000e+02 0 -1 1075 - 1.6785000000000000e+03 -2 -3 1076 3.4085000000000000e+03 - - -2.1672263741493225e-01 7.0122992992401123e-01 - -5.5317509174346924e-01 1.3593602180480957e-01 - <_> - 3.1590259552001953e+01 - - 1 2 1077 3.1150000000000000e+02 0 -1 1078 - 1.1500000000000000e+01 -2 -3 1079 1.5000000000000000e+00 - - -4.2860367894172668e-01 3.0249705910682678e-01 - 8.6132842302322388e-01 -5.9583419561386108e-01 - <_> - 3.1790189743041992e+01 - - 1 2 1080 9.3500000000000000e+01 0 -1 1081 - 8.5000000000000000e+00 -2 -3 1082 2.5000000000000000e+00 - - -8.5307538509368896e-01 1.9993139803409576e-01 - 5.2050822973251343e-01 -7.1924048662185669e-01 - <_> - 3.1949237823486328e+01 - - 1 2 1083 1.5000000000000000e+00 0 -1 1084 - 1.8500000000000000e+01 -2 -3 1085 4.7500000000000000e+01 - - -8.7075895071029663e-01 4.1160404682159424e-01 - -4.2329508066177368e-01 3.9578995108604431e-01 - <_> - 3.1551105499267578e+01 - - 1 2 1086 5.0000000000000000e-01 0 -1 1087 - 7.1500000000000000e+01 -2 -3 1088 5.0000000000000000e-01 - - 4.7251659631729126e-01 -6.8467688560485840e-01 - 3.0512693524360657e-01 -3.9813303947448730e-01 - <_> - 3.1931394577026367e+01 - - 1 2 1089 1.9150000000000000e+02 0 -1 1090 - 4.5000000000000000e+00 -2 -3 1091 7.6950000000000000e+02 - - 1.9683115184307098e-01 -5.8899974822998047e-01 - -6.5470945835113525e-01 3.8028964400291443e-01 - <_> - 3.2017967224121094e+01 - - 1 2 1092 7.5000000000000000e+00 0 -1 1093 - 2.8500000000000000e+01 -2 -3 1094 3.7500000000000000e+01 - - 2.7054101228713989e-01 -5.6520724296569824e-01 - -6.2938737869262695e-01 8.6574614048004150e-02 - <_> - 3.2285461425781250e+01 - - 1 2 1095 5.8750000000000000e+02 0 -1 1096 - 5.0000000000000000e-01 -2 -3 1097 1.5500000000000000e+01 - - 1.0511577874422073e-01 -6.9365251064300537e-01 - -6.4478015899658203e-01 2.6749077439308167e-01 - <_> - 3.2811119079589844e+01 - - 1 2 1098 2.1500000000000000e+01 0 -1 1099 - 4.1500000000000000e+01 -2 -3 1100 559. - - -2.0592536032199860e-01 3.7386643886566162e-01 - 7.8755700588226318e-01 -6.8481349945068359e-01 - <_> - 3.2689319610595703e+01 - - 1 2 1101 5.7550000000000000e+02 0 -1 1102 - 3.5000000000000000e+00 -2 -3 1103 9.6500000000000000e+01 - - 3.9178147912025452e-01 -1.2180019915103912e-01 - -9.6077018976211548e-01 -1.4056563377380371e-01 - <_> - 3.2619079589843750e+01 - - 1 2 1104 2.5000000000000000e+00 0 -1 1105 43. -2 -3 1106 - 2.5000000000000000e+00 - - -8.9122837781906128e-01 4.5819079875946045e-01 - 5.5948436260223389e-01 -7.0240341126918793e-02 - <_> - 3.3039958953857422e+01 - - 1 2 1107 2.3955000000000000e+03 0 -1 1108 - 1.2535000000000000e+03 -2 -3 1109 4.0405000000000000e+03 - - 2.9499965906143188e-01 -2.6054748892784119e-01 - 9.8911577463150024e-01 -1. - <_> - 3.3041172027587891e+01 - - 1 2 1110 2.0850000000000000e+02 0 -1 1111 - 2.7500000000000000e+01 -2 -3 1112 4.5000000000000000e+00 - - -6.7137396335601807e-01 1.2141949264332652e-03 - 6.0118967294692993e-01 -2.0657041668891907e-01 - <_> - 3.2776119232177734e+01 - - 1 2 1113 3.5000000000000000e+00 0 -1 1114 - 6.5000000000000000e+00 -2 -3 1115 3.0500000000000000e+01 - - -2.2868818044662476e-01 5.7510751485824585e-01 - -3.6484047770500183e-01 5.1262056827545166e-01 - <_> - 3.2935546875000000e+01 - - 1 2 1116 5.0000000000000000e-01 0 -1 1117 - 2.5000000000000000e+00 -2 -3 1118 5.0000000000000000e-01 - - -7.3760849237442017e-01 4.5924603939056396e-01 - 1.5942642092704773e-01 -4.6601155400276184e-01 - <_> - 3.2656055450439453e+01 - - 1 2 1119 3.3500000000000000e+01 0 -1 1120 - 3.4500000000000000e+01 -2 -3 1121 3.9150000000000000e+02 - - -2.7949050068855286e-01 3.4181603789329529e-01 - 7.1765547990798950e-01 -7.6309484243392944e-01 - <_> - 3.2747634887695312e+01 - - 1 2 1122 2.5000000000000000e+00 0 -1 1123 - 2.5000000000000000e+00 -2 -3 1124 3.5250000000000000e+02 - - -7.4318218231201172e-01 5.3260874748229980e-01 - -5.0913441181182861e-01 9.1580078005790710e-02 - <_> - 3.3188011169433594e+01 - - 1 2 1125 5.6500000000000000e+01 0 -1 1126 - 3.2500000000000000e+01 -2 -3 1127 3.9500000000000000e+01 - - -6.4126682281494141e-01 4.9496468901634216e-01 - -3.9145907759666443e-01 4.4037669897079468e-01 - <_> - 3.3416931152343750e+01 - - 1 2 1128 7.0500000000000000e+01 0 -1 1129 - 1.1500000000000000e+01 -2 -3 1130 9.5000000000000000e+00 - - -3.8201475143432617e-01 2.2891646623611450e-01 - -8.5659736394882202e-01 6.1013686656951904e-01 - <_> - 3.3275886535644531e+01 - - 1 2 1131 4.0500000000000000e+01 0 -1 1132 - 1.9500000000000000e+01 -2 -3 1133 1.3500000000000000e+01 - - 2.6871705055236816e-01 -6.3255614042282104e-01 - 2.3965831100940704e-01 -6.3516211509704590e-01 - <_> - 3.3399391174316406e+01 - - 1 2 1134 5.5000000000000000e+00 0 -1 1135 - 8.5000000000000000e+00 -2 -3 1136 3.0500000000000000e+01 - - -6.6200548410415649e-01 1.5101595222949982e-01 - -7.6606094837188721e-01 2.5947886705398560e-01 - <_> - 3.3559207916259766e+01 - - 1 2 1137 6.5000000000000000e+00 0 -1 1138 - 8.2500000000000000e+01 -2 -3 1139 1.6500000000000000e+01 - - 7.6681274175643921e-01 -6.3294899463653564e-01 - -5.5192285776138306e-01 2.3842744529247284e-02 - <_> - 3.3856239318847656e+01 - - 1 2 1140 1.0500000000000000e+01 0 -1 1141 - 1.7350000000000000e+02 -2 -3 1142 2.7550000000000000e+02 - - 2.9703170061111450e-01 -5.5057585239410400e-01 - -6.4888852834701538e-01 1.1229314655065536e-01 - <_> - 3.3721168518066406e+01 - - 1 2 1143 3.5000000000000000e+00 0 -1 1144 126. -2 -3 1145 - 2.5000000000000000e+00 - - 9.2471975088119507e-01 -7.2330892086029053e-01 - 3.9742922782897949e-01 -1.3506934046745300e-01 - <_> - 3.4096935272216797e+01 - - 1 2 1146 2.3500000000000000e+01 0 -1 1147 - 1.9500000000000000e+01 -2 -3 1148 6.6500000000000000e+01 - - -5.5066823959350586e-01 3.2355815172195435e-01 - 3.7576669454574585e-01 -2.6415929198265076e-01 - <_> - 3.4108264923095703e+01 - - 1 2 1149 1.5000000000000000e+00 0 -1 1150 - 6.5000000000000000e+00 -2 -3 1151 5.0500000000000000e+01 - - -9.7412526607513428e-01 5.2388346195220947e-01 - -4.9519532918930054e-01 1.9004400074481964e-01 - <_> - 3.3904502868652344e+01 - - 1 2 1152 7.7250000000000000e+02 0 -1 1153 77. -2 -3 1154 - 4.8350000000000000e+02 - - -6.9026130437850952e-01 8.2613104581832886e-01 - 6.4011102914810181e-01 -8.1689134240150452e-02 - <_> - 3.4277988433837891e+01 - - 1 2 1155 5.0000000000000000e-01 0 -1 1156 - 7.3150000000000000e+02 -2 -3 1157 5.0000000000000000e-01 - - 4.5011767745018005e-01 -2.4998305737972260e-01 - 8.2632339000701904e-01 -4.2073485255241394e-01 - <_> - 3.4078739166259766e+01 - - 1 2 1158 2.0950000000000000e+02 0 -1 1159 - 1.6755000000000000e+03 -2 -3 1160 6.1815000000000000e+03 - - -2.7588048577308655e-01 9.5124208927154541e-01 - 6.4596521854400635e-01 -3.6611458659172058e-01 - <_> - 3.4438789367675781e+01 - - 1 2 1161 1.5500000000000000e+01 0 -1 1162 - 2.1500000000000000e+01 -2 -3 1163 4.4500000000000000e+01 - - -3.0783519148826599e-01 3.6005032062530518e-01 - 4.5609518885612488e-01 -6.2639898061752319e-01 - <_> - 3.4638523101806641e+01 - - 1 2 1164 3.1500000000000000e+01 0 -1 1165 - 7.5000000000000000e+00 -2 -3 1166 3.2350000000000000e+02 - - -9.4682770967483521e-01 1.9973398745059967e-01 - -6.2348783016204834e-01 6.9902861118316650e-01 - <_> - 3.4201782226562500e+01 - - 1 2 1167 7.5000000000000000e+00 0 -1 1168 - 1.5000000000000000e+00 -2 -3 1169 1.2500000000000000e+01 - - 3.3168455958366394e-01 -4.3674397468566895e-01 - -6.4757126569747925e-01 2.0459994673728943e-01 - <_> - 3.4516929626464844e+01 - - 1 2 1170 1.6500000000000000e+01 0 -1 1171 - 5.0000000000000000e-01 -2 -3 1172 675. - - 2.3890937864780426e-01 -5.7110768556594849e-01 - 3.1514799594879150e-01 -1. - <_> - 3.4619071960449219e+01 - - 1 2 1173 8.6500000000000000e+01 0 -1 1174 - 4.5000000000000000e+00 -2 -3 1175 1.7500000000000000e+01 - - 7.6261973381042480e-01 -8.6133646965026855e-01 -1. - 1.0214501619338989e-01 - <_> - 3.4869640350341797e+01 - - 1 2 1176 5.0000000000000000e-01 0 -1 1177 - 1.2315000000000000e+03 -2 -3 1178 5.0000000000000000e-01 - - 3.7597665190696716e-01 -6.9864195585250854e-01 - 2.0625047385692596e-01 -4.8068267107009888e-01 - <_> - 3.5086204528808594e+01 - - 1 2 1179 1.6500000000000000e+01 0 -1 1180 - 8.3500000000000000e+01 -2 -3 1181 7.5000000000000000e+00 - - 1.4784654974937439e-01 -8.3145272731781006e-01 - -6.7620545625686646e-01 2.1656262874603271e-01 - <_> - 3.4877140045166016e+01 - - 1 2 1182 5.0000000000000000e-01 0 -1 1183 - 3.5000000000000000e+00 -2 -3 1184 969. - - -6.4537084102630615e-01 2.7460998296737671e-01 - -5.3607624769210815e-01 2.8266566991806030e-01 - <_> - 3.5179489135742188e+01 - - 1 2 1185 1.5000000000000000e+00 0 -1 1186 - 7.2500000000000000e+01 -2 -3 1187 3.1500000000000000e+01 - - 9.7988271713256836e-01 -5.9574514627456665e-01 - -1.8132425844669342e-01 5.5573570728302002e-01 - <_> - 3.5144893646240234e+01 - - 1 2 1188 5.0000000000000000e-01 0 -1 1189 - 2.6500000000000000e+01 -2 -3 1190 8.1650000000000000e+02 - - -4.2640584707260132e-01 5.2214205265045166e-01 - 8.3740442991256714e-01 -2.8797909617424011e-01 - <_> - 3.5558689117431641e+01 - - 1 2 1191 5.0000000000000000e-01 0 -1 1192 - 2.6500000000000000e+01 -2 -3 1193 1.2500000000000000e+01 - - -4.3793568015098572e-01 4.1379487514495850e-01 - 1.8940502405166626e-01 -5.4046261310577393e-01 - <_> - 3.5233970642089844e+01 - - 1 2 1194 4.7500000000000000e+01 0 -1 1195 - 8.5000000000000000e+00 -2 -3 1196 338. - - 1.5260761976242065e-01 -4.2628118395805359e-01 - 5.9790462255477905e-01 -5.5013555288314819e-01 - <_> - 3.5332725524902344e+01 - - 1 2 1197 5.0000000000000000e-01 0 -1 1198 - 3.6500000000000000e+01 -2 -3 1199 1.7500000000000000e+01 - - -6.2585823237895966e-02 6.3506704568862915e-01 - -3.5257333517074585e-01 5.9659516811370850e-01 - <_> - 3.5257114410400391e+01 - - 1 2 1200 3.5000000000000000e+00 0 -1 1201 - 7.5000000000000000e+00 -2 -3 1202 1.8500000000000000e+01 - - -9.3612766265869141e-01 3.4692686796188354e-01 - 5.0016778707504272e-01 -7.5611986219882965e-02 - <_> - 3.5595767974853516e+01 - - 1 2 1203 1.0500000000000000e+01 0 -1 1204 - 1.8500000000000000e+01 -2 -3 1205 1.5000000000000000e+00 - - -9.5243799686431885e-01 7.0761454105377197e-01 - 3.3865371346473694e-01 -1.8447074294090271e-01 - <_> - 3.5873832702636719e+01 - - 1 2 1206 1.6350000000000000e+02 0 -1 1207 - 9.1500000000000000e+01 -2 -3 1208 19. - - -1.3119605183601379e-01 4.0907257795333862e-01 - -8.4312802553176880e-01 9.1352003812789917e-01 - <_> - 3.6231769561767578e+01 - - 1 2 1209 4.5000000000000000e+00 0 -1 1210 - 1.5000000000000000e+00 -2 -3 1211 2.0500000000000000e+01 - - -4.6025198698043823e-01 3.4153524041175842e-01 - -5.0537836551666260e-01 3.5793614387512207e-01 - <_> - 3.6177539825439453e+01 - - 1 2 1212 1.5500000000000000e+01 0 -1 1213 - 4.5000000000000000e+00 -2 -3 1214 5.8650000000000000e+02 - - -3.4014788269996643e-01 3.7431231141090393e-01 - -8.9153337478637695e-01 -8.3685964345932007e-02 - <_> - 3.5921119689941406e+01 - - 1 2 1215 5.0000000000000000e-01 0 -1 1216 - 8.5500000000000000e+01 -2 -3 1217 3.3350000000000000e+02 - - 7.2648537158966064e-01 -8.4184181690216064e-01 - -2.5641769170761108e-01 5.9225118160247803e-01 - <_> - 3.5762935638427734e+01 - - 1 2 1218 5.0695000000000000e+03 0 -1 1219 - 4.1865000000000000e+03 -2 -3 1220 1.8500000000000000e+01 - - -1.5818408131599426e-01 7.5127458572387695e-01 - -4.1771730780601501e-01 1.6759181022644043e-01 - <_> - 3.6343830108642578e+01 - - 1 2 1221 5.5000000000000000e+00 0 -1 1222 161. -2 -3 1223 - 5.5000000000000000e+00 - - -7.1770183742046356e-02 -8.2580149173736572e-01 - 6.3310110569000244e-01 -1.1210992932319641e-02 - <_> - 3.6239753723144531e+01 - - 1 2 1224 2.9500000000000000e+01 0 -1 1225 - 2.2500000000000000e+01 -2 -3 1226 2.5000000000000000e+00 - - -5.7685142755508423e-01 5.9265869855880737e-01 - 5.8708161115646362e-01 -1.0407686233520508e-01 - <_> - 3.6570693969726562e+01 - - 1 2 1227 2.6050000000000000e+02 0 -1 1228 - 5.1500000000000000e+01 -2 -3 1229 194. - - -1.3848701119422913e-01 3.8530793786048889e-01 - -9.9199587106704712e-01 7.3519229888916016e-01 - <_> - 3.6172859191894531e+01 - - 1 2 1230 4.5000000000000000e+00 0 -1 1231 2985. -2 -3 1232 - 4.1050000000000000e+02 - - 7.0713436603546143e-01 -7.4149054288864136e-01 - -3.9783236384391785e-01 1.8219061195850372e-01 - <_> - 3.6474601745605469e+01 - - 1 2 1233 7.2850000000000000e+02 0 -1 1234 - 1.0500000000000000e+01 -2 -3 1235 9.5000000000000000e+00 - - -8.5275667905807495e-01 3.0174070596694946e-01 - 5.2034640312194824e-01 -4.9349766969680786e-01 - <_> - 3.6498180389404297e+01 - - 1 2 1236 4.8500000000000000e+01 0 -1 1237 - 9.5000000000000000e+00 -2 -3 1238 4.5000000000000000e+00 - - 7.8738486766815186e-01 -7.6111316680908203e-01 - 5.0128465890884399e-01 -1.1157950758934021e-01 - <_> - 3.6698276519775391e+01 - - 1 2 1239 2.8850000000000000e+02 0 -1 1240 - 2.0500000000000000e+01 -2 -3 1241 1.2805000000000000e+03 - - -4.7094190120697021e-01 2.0009694993495941e-01 1. - -9.3752562999725342e-01 - <_> - 3.6857143402099609e+01 - - 1 2 1242 3.5000000000000000e+00 0 -1 1243 2854. -2 -3 1244 - 5.0000000000000000e-01 - - 4.4445955753326416e-01 -6.2877982854843140e-01 - 2.8415599465370178e-01 -4.0654498338699341e-01 - <_> - 3.6661224365234375e+01 - - 1 2 1245 6.3850000000000000e+02 0 -1 1246 - 1.3500000000000000e+01 -2 -3 1247 2.5000000000000000e+00 - - -2.8753396868705750e-01 4.5057922601699829e-01 - -9.3399870395660400e-01 6.8900948762893677e-01 - <_> - 3.7027565002441406e+01 - - 1 2 1248 1.1500000000000000e+01 0 -1 1249 - 3.5000000000000000e+00 -2 -3 1250 482. - - -8.2890731096267700e-01 3.8032263517379761e-01 - -6.3736891746520996e-01 2.2181304171681404e-02 - <_> - 3.7302738189697266e+01 - - 1 2 1251 1.5000000000000000e+00 0 -1 1252 - 6.5000000000000000e+00 -2 -3 1253 2.1500000000000000e+01 - - -8.7263113260269165e-01 2.7517196536064148e-01 - -6.8864667415618896e-01 -1.0606539435684681e-02 - <_> - 3.7514694213867188e+01 - - 1 2 1254 5.0000000000000000e-01 0 -1 1255 - 1.6555000000000000e+03 -2 -3 1256 2.5500000000000000e+01 - - 5.4653161764144897e-01 -3.8731038570404053e-01 - -2.6684281229972839e-01 5.9316390752792358e-01 - <_> - 3.7565513610839844e+01 - - 1 2 1257 5.7450000000000000e+02 0 -1 1258 - 2.9450000000000000e+02 -2 -3 1259 3.4500000000000000e+01 - - -7.9943376779556274e-01 1. 3.4340542554855347e-01 - -2.2570419311523438e-01 - <_> - 3.7413349151611328e+01 - - 1 2 1260 189. 0 -1 1261 5.0000000000000000e-01 -2 -3 1262 - 2.0500000000000000e+01 - - 7.8168439865112305e-01 -8.3374607563018799e-01 - -1.9817931950092316e-01 3.6079603433609009e-01 - <_> - 3.7554840087890625e+01 - - 1 2 1263 298. 0 -1 1264 3022. -2 -3 1265 - 1.9350000000000000e+02 - - -1.1193416081368923e-02 8.7101829051971436e-01 - 2.1728983521461487e-01 -4.2951995134353638e-01 - <_> - 3.7603076934814453e+01 - - 1 2 1266 1.1500000000000000e+01 0 -1 1267 - 2.5000000000000000e+00 -2 -3 1268 1.0050000000000000e+02 - - 1.7867322266101837e-01 -4.2928701639175415e-01 - 5.2659392356872559e-01 -6.2002837657928467e-01 - <_> - 3.7885494232177734e+01 - - 1 2 1269 1.4500000000000000e+01 0 -1 1270 - 2.5000000000000000e+00 -2 -3 1271 8.0500000000000000e+01 - - 1.8106105923652649e-01 -7.7528846263885498e-01 - -5.8309614658355713e-01 2.8241708874702454e-01 - <_> - 3.7499431610107422e+01 - - 1 2 1272 3.5500000000000000e+01 0 -1 1273 - 2.5000000000000000e+00 -2 -3 1274 7.5000000000000000e+00 - - -9.1437792778015137e-01 5.1539105176925659e-01 - -3.8606551289558411e-01 3.3163914084434509e-01 - <_> - 3.7937980651855469e+01 - - 1 2 1275 1.3500000000000000e+01 0 -1 1276 - 1.4500000000000000e+01 -2 -3 1277 7.9500000000000000e+01 - - -7.2145909070968628e-02 6.0647141933441162e-01 - -6.2856364250183105e-01 8.6137987673282623e-02 - <_> - 3.8185783386230469e+01 - - 1 2 1278 1.4500000000000000e+01 0 -1 1279 73. -2 -3 1280 - 1.0500000000000000e+01 - - -9.4152975082397461e-01 1. 2.4780233204364777e-01 - -4.0907081961631775e-01 - <_> - 3.7849395751953125e+01 - - 1 2 1281 5.0000000000000000e-01 0 -1 1282 - 4.5000000000000000e+00 -2 -3 1283 5.0000000000000000e-01 - - -5.0824928283691406e-01 5.6237548589706421e-01 - 5.4402673244476318e-01 -3.3638605475425720e-01 - <_> - 3.8386943817138672e+01 - - 1 2 1284 2.0450000000000000e+02 0 -1 1285 - 6.7250000000000000e+02 -2 -3 1286 1.2385000000000000e+03 - - 3.9266860485076904e-01 -3.8152101635932922e-01 - 5.9661215543746948e-01 -3.8554838299751282e-01 - <_> - 3.8467891693115234e+01 - - 1 2 1287 5.5000000000000000e+00 0 -1 1288 - 9.0500000000000000e+01 -2 -3 1289 1.5000000000000000e+00 - - 2.1883549168705940e-02 -6.2764549255371094e-01 - 7.0444834232330322e-01 -4.4701110571622849e-02 - <_> - 3.8550418853759766e+01 - - 1 2 1290 2.8350000000000000e+02 0 -1 1291 - 1.4500000000000000e+01 -2 -3 1292 58. - - -8.5395231842994690e-02 5.9592086076736450e-01 - 9.0824156999588013e-01 -8.9943450689315796e-01 - <_> - 3.8631130218505859e+01 - - 1 2 1293 2.5000000000000000e+00 0 -1 1294 - 9.5000000000000000e+00 -2 -3 1295 5.5000000000000000e+00 - - -3.6073815822601318e-01 5.3091663122177124e-01 - 1.6989825665950775e-01 -4.6344351768493652e-01 - <_> - 3.8474849700927734e+01 - - 1 2 1296 5.7750000000000000e+02 0 -1 1297 - 1.9250000000000000e+02 -2 -3 1298 2.6195000000000000e+03 - - -8.1247472763061523e-01 2.9322347044944763e-01 - 3.5261180996894836e-01 -2.4546836316585541e-01 - <_> - 3.8279983520507812e+01 - - 1 2 1299 4.4500000000000000e+01 0 -1 1300 1096. -2 -3 1301 - 5.0000000000000000e-01 - - 6.6110774874687195e-02 -7.6391810178756714e-01 - 5.6174814701080322e-01 -7.3350854218006134e-02 - <_> - 3.8626735687255859e+01 - - 1 2 1302 3.4350000000000000e+02 0 -1 1303 - 5.0000000000000000e-01 -2 -3 1304 7.1750000000000000e+02 - - 3.5977458953857422e-01 -2.1690338850021362e-01 - 9.9256932735443115e-01 -1. - <_> - 3.8572544097900391e+01 - - 1 2 1305 1.1500000000000000e+01 0 -1 1306 - 1.2500000000000000e+01 -2 -3 1307 5.0000000000000000e-01 - - -9.2809075117111206e-01 8.5182946920394897e-01 - 4.9062111973762512e-01 -5.4192960262298584e-02 - <_> - 3.8948635101318359e+01 - - 1 2 1308 4.2550000000000000e+02 0 -1 1309 - 7.6500000000000000e+01 -2 -3 1310 8986. - - -4.5830437541007996e-01 1.6672098636627197e-01 - 7.7317571640014648e-01 -2.2485339641571045e-01 - <_> - 3.9342456817626953e+01 - - 1 2 1311 6.9500000000000000e+01 0 -1 1312 - 3.5500000000000000e+01 -2 -3 1313 1.0545000000000000e+03 - - -1.2714000418782234e-02 6.2372517585754395e-01 - -5.7864826917648315e-01 5.6230723857879639e-01 - <_> - 3.9216064453125000e+01 - - 1 2 1314 5.2750000000000000e+02 0 -1 1315 - 1.9048500000000000e+04 -2 -3 1316 4.5000000000000000e+00 - - -1. 7.7397161722183228e-01 1.6222594678401947e-01 - -3.9657172560691833e-01 - <_> - 3.9446334838867188e+01 - - 1 2 1317 3.5000000000000000e+00 0 -1 1318 - 6.3500000000000000e+01 -2 -3 1319 288. - - 3.8338693976402283e-01 -9.0452802181243896e-01 - -5.4537796974182129e-01 2.3026967048645020e-01 - <_> - 3.9339183807373047e+01 - - 1 2 1320 1.1500000000000000e+01 0 -1 1321 - 5.0000000000000000e-01 -2 -3 1322 3472. - - 3.7719848752021790e-01 -2.7750793099403381e-01 - -7.6843172311782837e-01 3.3132901880890131e-03 - <_> - 3.9513347625732422e+01 - - 1 2 1323 2.1500000000000000e+01 0 -1 1324 - 4.5000000000000000e+00 -2 -3 1325 1.1500000000000000e+01 - - 1.7416687309741974e-01 -4.6917149424552917e-01 - 5.5244189500808716e-01 -4.0332382917404175e-01 - <_> - 3.9441356658935547e+01 - - 1 2 1326 2.5500000000000000e+01 0 -1 1327 - 5.0000000000000000e-01 -2 -3 1328 4.5000000000000000e+00 - - 1.5569829940795898e-01 -8.3738613128662109e-01 - 5.1308917999267578e-01 -9.2380218207836151e-02 - <_> - 3.9830265045166016e+01 - - 1 2 1329 6.8500000000000000e+01 0 -1 1330 - 1.2500000000000000e+01 -2 -3 1331 2043. - - -1.6650912165641785e-01 3.8890799880027771e-01 - -8.0130118131637573e-01 8.2459330558776855e-01 - <_> - 3.9304054260253906e+01 - - 1 2 1332 5.0000000000000000e-01 0 -1 1333 3671. -2 -3 1334 - 3.8850000000000000e+02 - - 4.6532985568046570e-01 -4.4042190909385681e-01 - -5.5587589740753174e-01 1.3195018470287323e-01 - <_> - 3.9642890930175781e+01 - - 1 2 1335 8.5000000000000000e+00 0 -1 1336 - 2.1500000000000000e+01 -2 -3 1337 4.7350000000000000e+02 - - -5.9328550100326538e-01 3.3883699774742126e-01 - -6.9553929567337036e-01 1.5794724225997925e-01 - <_> - 3.9908969879150391e+01 - - 1 2 1338 5.5000000000000000e+00 0 -1 1339 - 1.3500000000000000e+01 -2 -3 1340 1.7500000000000000e+01 - - -6.7269146442413330e-01 2.6607844233512878e-01 - 6.0325987637042999e-02 -6.9073736667633057e-01 - <_> - 3.9898288726806641e+01 - - 1 2 1341 2.5950000000000000e+02 0 -1 1342 - 1.5500000000000000e+01 -2 -3 1343 1467. - - -7.4252463877201080e-02 6.0873824357986450e-01 - 8.6466276645660400e-01 -9.0673094987869263e-01 - <_> - 4.0200969696044922e+01 - - 1 2 1344 2.2500000000000000e+01 0 -1 1345 - 2.5000000000000000e+00 -2 -3 1346 9.5000000000000000e+00 - - -6.9203126430511475e-01 3.0267745256423950e-01 - 5.9105551242828369e-01 -5.3770178556442261e-01 - <_> - 4.0379238128662109e+01 - - 1 2 1347 2.9500000000000000e+01 0 -1 1348 - 8.3450000000000000e+02 -2 -3 1349 2.5000000000000000e+00 - - 3.7345203757286072e-01 -8.9355528354644775e-01 - 5.5846959352493286e-01 -5.8389563113451004e-02 - <_> - 4.0466419219970703e+01 - - 1 2 1350 3.1150000000000000e+02 0 -1 1351 - 5.0000000000000000e-01 -2 -3 1352 43. - - 3.1653991341590881e-01 -4.0619984269142151e-01 - -9.6266198158264160e-01 5.1727998256683350e-01 - <_> - 4.0718650817871094e+01 - - 1 2 1353 2.6150000000000000e+02 0 -1 1354 98. -2 -3 1355 - 8.5000000000000000e+00 - - -5.2089494466781616e-01 2.5222977995872498e-01 - -6.5091305971145630e-01 5.5701977014541626e-01 - <_> - 4.0246669769287109e+01 - - 1 2 1356 5.0000000000000000e-01 0 -1 1357 - 7.5000000000000000e+00 -2 -3 1358 2.0850000000000000e+02 - - -7.2299337387084961e-01 5.0567185878753662e-01 - -4.7197958827018738e-01 2.6619127392768860e-01 - <_> - 4.0419990539550781e+01 - - 1 2 1359 5.4705000000000000e+03 0 -1 1360 - 5.4750000000000000e+02 -2 -3 1361 1.5750000000000000e+02 - - 1.7332153022289276e-01 -6.0361874103546143e-01 - -9.6441686153411865e-01 1. - <_> - 4.1056423187255859e+01 - - 1 2 1362 5.0000000000000000e-01 0 -1 1363 - 3.5000000000000000e+00 -2 -3 1364 7.8350000000000000e+02 - - 6.3643354177474976e-01 -8.3072267472743988e-02 - -3.8505536317825317e-01 5.1825720071792603e-01 - <_> - 4.0787433624267578e+01 - - 1 2 1365 8.5000000000000000e+00 0 -1 1366 - 4.1250000000000000e+02 -2 -3 1367 3.0850000000000000e+02 - - -2.2618213668465614e-02 -7.3404783010482788e-01 - 5.4074966907501221e-01 -6.5069526433944702e-01 - <_> - 4.0980438232421875e+01 - - 1 2 1368 1.0750000000000000e+02 0 -1 1369 - 4.5500000000000000e+01 -2 -3 1370 1.5500000000000000e+01 - - 2.9288902878761292e-01 -7.8175473213195801e-01 - 4.1299736499786377e-01 -2.0014704763889313e-01 - <_> - 4.0946659088134766e+01 - - 1 2 1371 2.2500000000000000e+01 0 -1 1372 - 1.6500000000000000e+01 -2 -3 1373 2.5000000000000000e+00 - - -6.0043293237686157e-01 2.2489283978939056e-01 - 5.3942525386810303e-01 -1.2392763793468475e-01 - <_> - 4.0625984191894531e+01 - - 1 2 1374 5.8450000000000000e+02 0 -1 1375 3981. -2 -3 1376 - 3.8850000000000000e+02 - - -6.5919399261474609e-01 7.3984676599502563e-01 - 6.0902094841003418e-01 -5.9394266456365585e-02 - <_> - 4.1078342437744141e+01 - - 1 2 1377 1.5000000000000000e+00 0 -1 1378 - 9.5000000000000000e+00 -2 -3 1379 2.5000000000000000e+00 - - -9.4205194711685181e-01 5.8499878644943237e-01 - 4.5235899090766907e-01 -1.7015253007411957e-01 - <_> - 4.1278953552246094e+01 - - 1 2 1380 2.7950000000000000e+02 0 -1 1381 - 2.7950000000000000e+02 -2 -3 1382 7572. - - -1.0575494915246964e-01 7.5965499877929688e-01 - -5.6243377923965454e-01 1.3653093576431274e-01 - <_> - 4.1171962738037109e+01 - - 1 2 1383 5.5000000000000000e+00 0 -1 1384 - 8.6950000000000000e+02 -2 -3 1385 3.5000000000000000e+00 - - 3.1256729364395142e-01 -4.9650138616561890e-01 - 5.3703850507736206e-01 -1.0799391567707062e-01 - <_> - 4.1153244018554688e+01 - - 1 2 1386 1.5000000000000000e+00 0 -1 1387 - 8.5000000000000000e+00 -2 -3 1388 1.4500000000000000e+01 - - -1.8950442969799042e-01 5.2447348833084106e-01 - -4.3827834725379944e-01 3.5529047250747681e-01 - <_> - 4.1464454650878906e+01 - - 1 2 1389 2.7500000000000000e+01 0 -1 1390 - 3.1500000000000000e+01 -2 -3 1391 4.5000000000000000e+00 - - -3.4287273883819580e-01 3.1121128797531128e-01 - 2.0723707973957062e-01 -7.9717916250228882e-01 - <_> - 4.1779788970947266e+01 - - 1 2 1392 1.5000000000000000e+00 0 -1 1393 - 1.8265000000000000e+03 -2 -3 1394 2.8650000000000000e+02 - - 8.0022591352462769e-01 -2.8835564851760864e-01 - 3.1533339619636536e-01 -3.5018000006675720e-01 - <_> - 4.2194210052490234e+01 - - 1 2 1395 2.2500000000000000e+01 0 -1 1396 - 2.2500000000000000e+01 -2 -3 1397 7.5000000000000000e+00 - - 7.3232901096343994e-01 -7.3244142532348633e-01 - 3.6955040693283081e-01 -2.0323853194713593e-01 - <_> - 4.1935131072998047e+01 - - 1 2 1398 9.4500000000000000e+01 0 -1 1399 - 4.0500000000000000e+01 -2 -3 1400 2.2500000000000000e+01 - - 1.9609075784683228e-01 -4.6288254857063293e-01 - 6.2146210670471191e-01 -3.8049280643463135e-01 - <_> - 4.2215938568115234e+01 - - 1 2 1401 2.9500000000000000e+01 0 -1 1402 - 5.0000000000000000e-01 -2 -3 1403 1.0500000000000000e+01 - - 3.9385579526424408e-02 -7.3405563831329346e-01 - -5.1055783033370972e-01 2.8080457448959351e-01 - <_> - 4.2273452758789062e+01 - - 1 2 1404 4.5450000000000000e+02 0 -1 1405 - 5.8750000000000000e+02 -2 -3 1406 9.5000000000000000e+00 - - -3.3196282386779785e-01 2.5219461321830750e-01 - 7.2692161798477173e-01 -8.5374397039413452e-01 - <_> - 4.2540458679199219e+01 - - 1 2 1407 1.5000000000000000e+00 0 -1 1408 - 1.0500000000000000e+01 -2 -3 1409 3.7950000000000000e+02 - - -5.1572650671005249e-01 2.6700666546821594e-01 - 5.4633575677871704e-01 -6.4842927455902100e-01 - <_> - 4.2285171508789062e+01 - - 1 2 1410 4.5000000000000000e+00 0 -1 1411 - 4.8500000000000000e+01 -2 -3 1412 1.1500000000000000e+01 - - -4.3229374289512634e-01 5.2580875158309937e-01 - -3.8174706697463989e-01 6.1482822895050049e-01 - <_> - 4.2519309997558594e+01 - - 1 2 1413 1.2500000000000000e+01 0 -1 1414 - 7.5000000000000000e+00 -2 -3 1415 3.7500000000000000e+01 - - -6.5897458791732788e-01 2.3413842916488647e-01 - -6.6297173500061035e-01 9.3680036067962646e-01 - <_> - 4.2602912902832031e+01 - - 1 2 1416 2.7850000000000000e+02 0 -1 1417 - 6.7750000000000000e+02 -2 -3 1418 6.5750000000000000e+02 - - -5.7975625991821289e-01 6.0615879297256470e-01 - -4.7606697678565979e-01 1.9234745204448700e-01 - <_> - 4.2477813720703125e+01 - - 1 2 1419 3.5000000000000000e+00 0 -1 1420 - 5.0000000000000000e-01 -2 -3 1421 9.6750000000000000e+02 - - -1. 5.3890687227249146e-01 -2.7986538410186768e-01 - 5.5624389648437500e-01 - <_> - 4.2815971374511719e+01 - - 1 2 1422 2.5000000000000000e+00 0 -1 1423 3470. -2 -3 1424 - 1.3150000000000000e+02 - - 3.3815622329711914e-01 -6.8323451280593872e-01 - -5.7661479711532593e-01 1.8929332494735718e-01 - <_> - 4.2939407348632812e+01 - - 1 2 1425 1835. 0 -1 1426 1485. -2 -3 1427 - 5.0000000000000000e-01 - - -9.3249452114105225e-01 8.5018444061279297e-01 - 1.2343621253967285e-01 -4.1629931330680847e-01 - <_> - 4.2931537628173828e+01 - - 1 2 1428 6.5000000000000000e+00 0 -1 1429 - 9.5000000000000000e+00 -2 -3 1430 8.3500000000000000e+01 - - -5.8253604173660278e-01 2.3116320371627808e-01 - 4.4566446542739868e-01 -2.5381112098693848e-01 - <_> - 4.2532341003417969e+01 - - 1 2 1431 801. 0 -1 1432 1.4500000000000000e+01 -2 -3 1433 - 2.2500000000000000e+01 - - 2.3233406245708466e-01 -8.8682103157043457e-01 - 2.7638220787048340e-01 -3.9919924736022949e-01 - <_> - 4.2818271636962891e+01 - - 1 2 1434 3.3500000000000000e+01 0 -1 1435 - 5.0000000000000000e-01 -2 -3 1436 5.5000000000000000e+00 - - 2.6199400424957275e-01 -7.7381122112274170e-01 - 3.9374157786369324e-01 -1.9156071543693542e-01 - <_> - 4.3225166320800781e+01 - - 1 2 1437 3.0650000000000000e+02 0 -1 1438 - 3.5000000000000000e+00 -2 -3 1439 2.2750000000000000e+02 - - 1.6485489904880524e-01 -5.3608208894729614e-01 - 4.0689289569854736e-01 -6.9017094373703003e-01 - <_> - 4.3414455413818359e+01 - - 1 2 1440 4.9500000000000000e+01 0 -1 1441 - 3.2550000000000000e+02 -2 -3 1442 7.5500000000000000e+01 - - -7.2704082727432251e-01 9.2259776592254639e-01 - 1.8928927183151245e-01 -7.1190369129180908e-01 - <_> - 4.3530220031738281e+01 - - 1 2 1443 8.5000000000000000e+00 0 -1 1444 - 5.5000000000000000e+00 -2 -3 1445 33. - - -2.6097178459167480e-01 3.5981386899948120e-01 - 5.5373930931091309e-01 -5.9446001052856445e-01 - <_> - 4.3589599609375000e+01 - - 1 2 1446 1.7500000000000000e+01 0 -1 1447 - 1.5000000000000000e+00 -2 -3 1448 7.1500000000000000e+01 - - -8.9150971174240112e-01 4.0421536564826965e-01 - -5.9817147254943848e-01 1.3356564939022064e-01 - <_> - 4.3756496429443359e+01 - - 1 2 1449 2.7150000000000000e+02 0 -1 1450 - 3.1500000000000000e+01 -2 -3 1451 7.5000000000000000e+00 - - -7.5597035884857178e-01 7.5368809700012207e-01 - 2.0741133391857147e-01 -3.4641715884208679e-01 - <_> - 4.4184627532958984e+01 - - 1 2 1452 3.4445000000000000e+03 0 -1 1453 - 1.3500000000000000e+01 -2 -3 1454 7.5000000000000000e+00 - - -3.4672267735004425e-02 6.4763146638870239e-01 - -5.8406358957290649e-01 9.5271444320678711e-01 - <_> - 4.4115615844726562e+01 - - 1 2 1455 351. 0 -1 1456 5.5000000000000000e+00 -2 -3 1457 - 1.3150000000000000e+02 - - 1. -9.0385907888412476e-01 5.6236469745635986e-01 - -6.9008864462375641e-02 - <_> - 4.3778049468994141e+01 - - 1 2 1458 2.1950000000000000e+02 0 -1 1459 - 1.7500000000000000e+01 -2 -3 1460 1446. - - 1.1805868148803711e-01 -4.6155539155006409e-01 - 8.1571227312088013e-01 -4.5998147130012512e-01 - <_> - 4.3705924987792969e+01 - - 1 2 1461 5.4500000000000000e+01 0 -1 1462 - 5.0000000000000000e-01 -2 -3 1463 2.0500000000000000e+01 - - 1.5270361304283142e-01 -7.6259005069732666e-01 - -4.3407937884330750e-01 3.2683727145195007e-01 - <_> - 4.3761566162109375e+01 - - 1 2 1464 1.5000000000000000e+00 0 -1 1465 - 2.5000000000000000e+00 -2 -3 1466 2.5000000000000000e+00 - - -4.2883574962615967e-01 4.9130806326866150e-01 - 7.2157061100006104e-01 -3.4332326054573059e-01 - <_> - 4.4159553527832031e+01 - - 1 2 1467 1.8850000000000000e+02 0 -1 1468 - 4.4500000000000000e+01 -2 -3 1469 1.6865000000000000e+03 - - -1.2656107544898987e-01 3.9798957109451294e-01 - -8.5940158367156982e-01 7.5859928131103516e-01 - <_> - 4.4086994171142578e+01 - - 1 2 1470 3.5000000000000000e+00 0 -1 1471 - 1.6500000000000000e+01 -2 -3 1472 2.0500000000000000e+01 - - -7.1025812625885010e-01 3.1149634718894958e-01 - 4.1715073585510254e-01 -5.0822889804840088e-01 - <_> - 4.4548297882080078e+01 - - 1 2 1473 5.0000000000000000e-01 0 -1 1474 - 6.3500000000000000e+01 -2 -3 1475 1.4450000000000000e+02 - - -1.9292996823787689e-01 5.2084052562713623e-01 - -1.8266052007675171e-02 -7.4490708112716675e-01 - <_> - 4.4444839477539062e+01 - - 1 2 1476 5.5000000000000000e+00 0 -1 1477 - 1.8500000000000000e+01 -2 -3 1478 2.1500000000000000e+01 - - -5.8617092669010162e-02 5.7820588350296021e-01 - -4.1243070363998413e-01 6.0866367816925049e-01 - <_> - 4.4468860626220703e+01 - - 1 2 1479 4.5000000000000000e+00 0 -1 1480 - 2.3450000000000000e+02 -2 -3 1481 1.4500000000000000e+01 - - 2.8463301062583923e-01 -8.2563692331314087e-01 - -5.8707511425018311e-01 2.5017964839935303e-01 - <_> - 4.4571441650390625e+01 - - 1 2 1482 3.3450000000000000e+02 0 -1 1483 - 2.1500000000000000e+01 -2 -3 1484 946. - - -4.3612629175186157e-01 1.0257755219936371e-01 - 9.7813111543655396e-01 -8.0724465847015381e-01 - <_> - 4.4642127990722656e+01 - - 1 2 1485 1.5000000000000000e+00 0 -1 1486 - 8.5000000000000000e+00 -2 -3 1487 2.0500000000000000e+01 - - -9.3800437450408936e-01 6.0421532392501831e-01 - -6.4370167255401611e-01 2.7616502717137337e-02 - <_> - 4.4928077697753906e+01 - - 1 2 1488 5.0000000000000000e-01 0 -1 1489 - 2.6500000000000000e+01 -2 -3 1490 7.9250000000000000e+02 - - -6.6210180521011353e-02 6.4315652847290039e-01 - 6.9847983121871948e-01 -3.6571246385574341e-01 - <_> - 4.4592266082763672e+01 - - 1 2 1491 5.0000000000000000e-01 0 -1 1492 - 5.5350000000000000e+02 -2 -3 1493 1.5000000000000000e+00 - - -3.8149592280387878e-01 6.3860899209976196e-01 - 3.4885448217391968e-01 -3.3581241965293884e-01 - <_> - 4.4829784393310547e+01 - - 1 2 1494 1.5500000000000000e+01 0 -1 1495 - 2.7850000000000000e+02 -2 -3 1496 3.5000000000000000e+00 - - 6.8045026063919067e-01 -8.0610173940658569e-01 - -5.2162581682205200e-01 2.3751950263977051e-01 - <_> - 4.5090461730957031e+01 - - 1 2 1497 2.3500000000000000e+01 0 -1 1498 - 5.5000000000000000e+00 -2 -3 1499 1.3500000000000000e+01 - - -1.3596580922603607e-01 4.8954018950462341e-01 - -5.6967926025390625e-01 3.6096325516700745e-01 - <_> - 4.5232925415039062e+01 - - 1 2 1500 2154. 0 -1 1501 2.7550000000000000e+02 -2 -3 1502 - 128. - - 1.4246465265750885e-01 -8.8002961874008179e-01 1. - -9.7181195020675659e-01 - <_> - 4.5529132843017578e+01 - - 1 2 1503 5.8750000000000000e+02 0 -1 1504 3981. -2 -3 1505 - 5.0000000000000000e-01 - - -5.8577227592468262e-01 5.8029693365097046e-01 - 4.0880706906318665e-01 -2.0956511795520782e-01 - <_> - 4.5304393768310547e+01 - - 1 2 1506 1.6785000000000000e+03 0 -1 1507 - 4.2005000000000000e+03 -2 -3 1508 359. - - 2.9394268989562988e-02 8.0651479959487915e-01 - -3.3733904361724854e-01 6.9124865531921387e-01 - <_> - 4.5737625122070312e+01 - - 1 2 1509 2.7500000000000000e+01 0 -1 1510 - 5.0000000000000000e-01 -2 -3 1511 2.5000000000000000e+00 - - 2.7190417051315308e-01 -6.8398970365524292e-01 - 5.1673895120620728e-01 -5.9552457183599472e-02 - <_> - 4.5805149078369141e+01 - - 1 2 1512 5.6550000000000000e+02 0 -1 1513 - 1.1500000000000000e+01 -2 -3 1514 1.3500000000000000e+01 - - -5.3953158855438232e-01 4.1888201236724854e-01 - -7.7625131607055664e-01 -1.5986794605851173e-02 - <_> - 4.5724216461181641e+01 - - 1 2 1515 1.0500000000000000e+01 0 -1 1516 - 5.5000000000000000e+00 -2 -3 1517 25. - - 4.2757162451744080e-01 -2.2005110979080200e-01 - -5.4273819923400879e-01 8.9083051681518555e-01 - <_> - 4.5885368347167969e+01 - - 1 2 1518 238. 0 -1 1519 9.5000000000000000e+00 -2 -3 1520 - 2.0850000000000000e+02 - - -9.5597231388092041e-01 5.2587646245956421e-01 - 1.6115142405033112e-01 -7.6278209686279297e-01 - <_> - 4.5789482116699219e+01 - - 1 2 1521 2.9500000000000000e+01 0 -1 1522 - 2.6500000000000000e+01 -2 -3 1523 1.5450000000000000e+02 - - 1.6601219773292542e-01 -7.7067446708679199e-01 - -6.6907399892807007e-01 2.2051426768302917e-01 - <_> - 4.5806617736816406e+01 - - 1 2 1524 4.5000000000000000e+00 0 -1 1525 - 1.1500000000000000e+01 -2 -3 1526 3.5000000000000000e+00 - - -5.7005125284194946e-01 2.7322229743003845e-01 - 7.9801094532012939e-01 -5.2006053924560547e-01 - <_> - 4.6323131561279297e+01 - - 1 2 1527 1.3500000000000000e+01 0 -1 1528 - 3.4500000000000000e+01 -2 -3 1529 3.5000000000000000e+00 - - -5.5972643196582794e-02 5.1800715923309326e-01 - 3.3099360764026642e-02 -9.6488022804260254e-01 - <_> - 4.6282222747802734e+01 - - 1 2 1530 7.7250000000000000e+02 0 -1 1531 - 1.3500000000000000e+01 -2 -3 1532 1.1545000000000000e+03 - - -1.0771922767162323e-02 -8.7211072444915771e-01 - 7.0063769817352295e-01 -4.2402658611536026e-02 - <_> - 4.6205421447753906e+01 - - 1 2 1533 1.5000000000000000e+00 0 -1 1534 - 1.1500000000000000e+01 -2 -3 1535 1.5500000000000000e+01 - - -7.8480374813079834e-01 4.9849182367324829e-01 - 2.8026169538497925e-01 -3.8838988542556763e-01 - <_> - 4.6704681396484375e+01 - - 1 2 1536 2.5650000000000000e+02 0 -1 1537 - 9.5000000000000000e+00 -2 -3 1538 3.6145000000000000e+03 - - 8.8258177042007446e-01 -1. -6.1924713850021362e-01 - 6.9299057126045227e-02 - <_> - 4.6858192443847656e+01 - - 1 2 1539 1.6500000000000000e+01 0 -1 1540 - 2.1950000000000000e+02 -2 -3 1541 5.0000000000000000e-01 - - 3.5154920816421509e-01 -7.6912820339202881e-01 - 4.3404066562652588e-01 -1.0876829922199249e-01 - <_> - 4.6701599121093750e+01 - - 1 2 1542 3.5000000000000000e+00 0 -1 1543 - 4.1500000000000000e+01 -2 -3 1544 4.5000000000000000e+00 - - -8.0593466758728027e-01 6.3903629779815674e-01 - 4.0837219357490540e-01 -1.5659359097480774e-01 - <_> - 4.6904064178466797e+01 - - 1 2 1545 2.9500000000000000e+01 0 -1 1546 - 1.5000000000000000e+00 -2 -3 1547 219. - - -4.2634201049804688e-01 2.0246233046054840e-01 - -8.5641664266586304e-01 1. - <_> - 4.6656322479248047e+01 - - 1 2 1548 6.5000000000000000e+00 0 -1 1549 - 3.2500000000000000e+01 -2 -3 1550 4.1650000000000000e+02 - - -2.4700936675071716e-01 6.6941606998443604e-01 - 3.2602754235267639e-01 -3.6878246068954468e-01 - <_> - 4.6564968109130859e+01 - - 1 2 1551 1.2450000000000000e+02 0 -1 1552 - 5.5000000000000000e+00 -2 -3 1553 2.4150000000000000e+02 - - 4.5446833968162537e-01 -3.7261262536048889e-01 - 4.6772354841232300e-01 -7.1237772703170776e-01 - <_> - 4.6805198669433594e+01 - - 1 2 1554 4.5000000000000000e+00 0 -1 1555 - 7.3500000000000000e+01 -2 -3 1556 1.9500000000000000e+01 - - 2.4023169279098511e-01 -4.3494370579719543e-01 - -8.5679495334625244e-01 5.3150933980941772e-01 - <_> - 4.6938976287841797e+01 - - 1 2 1557 2.0850000000000000e+02 0 -1 1558 - 1.5000000000000000e+00 -2 -3 1559 4.5000000000000000e+00 - - 1.3377590477466583e-01 -4.7894757986068726e-01 - -7.4763888120651245e-01 4.7673630714416504e-01 - <_> - 4.7246456146240234e+01 - - 1 2 1560 2.5000000000000000e+00 0 -1 1561 6. -2 -3 1562 - 1.5000000000000000e+00 - - -9.0447050333023071e-01 8.6583727598190308e-01 - 3.0747944116592407e-01 -2.1712197363376617e-01 - <_> - 4.7012886047363281e+01 - - 1 2 1563 1.0500000000000000e+01 0 -1 1564 - 2.5000000000000000e+00 -2 -3 1565 2.4500000000000000e+01 - - -8.6812806129455566e-01 7.4207389354705811e-01 - -4.6920669078826904e-01 2.0873917639255524e-01 - <_> - 4.7398384094238281e+01 - - 1 2 1566 5.0000000000000000e-01 0 -1 1567 - 4.1500000000000000e+01 -2 -3 1568 1.2365000000000000e+03 - - -2.2475609183311462e-01 5.0746756792068481e-01 - -5.6809660047292709e-02 -7.4659413099288940e-01 - <_> - 4.7630195617675781e+01 - - 1 2 1569 7.5000000000000000e+00 0 -1 1570 - 4.5500000000000000e+01 -2 -3 1571 27. - - 2.3181208968162537e-01 -6.4988273382186890e-01 - -6.4328664541244507e-01 6.1851358413696289e-01 - <_> - 4.7380603790283203e+01 - - 1 2 1572 5.5000000000000000e+00 0 -1 1573 - 2.5000000000000000e+00 -2 -3 1574 1.8650000000000000e+02 - - 6.1403033323585987e-03 -5.5332463979721069e-01 - 4.5167797803878784e-01 -7.4148744344711304e-01 - <_> - 4.7716838836669922e+01 - - 1 2 1575 5.0500000000000000e+01 0 -1 1576 340. -2 -3 1577 - 1.5000000000000000e+00 - - 4.3912079930305481e-01 -7.3454135656356812e-01 - 6.4382767677307129e-01 -1.5953628346323967e-02 - <_> - 4.7556518554687500e+01 - - 1 2 1578 8.4500000000000000e+01 0 -1 1579 311. -2 -3 1580 - 5.0000000000000000e-01 - - 8.0123282968997955e-02 -7.0855069160461426e-01 - 4.7582688927650452e-01 -1.6031953692436218e-01 - <_> - 4.7572052001953125e+01 - - 1 2 1581 4.1250000000000000e+02 0 -1 1582 - 2.5000000000000000e+00 -2 -3 1583 1.0405000000000000e+03 - - 5.3272254765033722e-02 -6.1080712080001831e-01 - 5.7476472854614258e-01 -3.3661961555480957e-01 - <_> - 4.7565738677978516e+01 - - 1 2 1584 8.1450000000000000e+02 0 -1 1585 - 5.7750000000000000e+02 -2 -3 1586 8.5000000000000000e+00 - - 8.0671536922454834e-01 -4.1966786980628967e-01 - 1.6598591208457947e-01 -3.8562926650047302e-01 - <_> - 4.7773296356201172e+01 - - 1 2 1587 1.5000000000000000e+00 0 -1 1588 1174. -2 -3 1589 - 3.9500000000000000e+01 - - 1. -9.7881591320037842e-01 2.0755772292613983e-01 - -5.1666331291198730e-01 - <_> - 4.8310127258300781e+01 - - 1 2 1590 1.9500000000000000e+01 0 -1 1591 - 5.0000000000000000e-01 -2 -3 1592 3.5000000000000000e+00 - - 7.0349156856536865e-01 -7.1407133340835571e-01 - 5.4187601804733276e-01 -9.5178633928298950e-02 - <_> - 4.8071701049804688e+01 - - 1 2 1593 801. 0 -1 1594 8.5000000000000000e+00 -2 -3 1595 - 8.5000000000000000e+00 - - -2.3842808604240417e-01 4.0528839826583862e-01 - 8.4955078363418579e-01 -9.1280186176300049e-01 - <_> - 4.8208892822265625e+01 - - 1 2 1596 6.5000000000000000e+00 0 -1 1597 - 4.1500000000000000e+01 -2 -3 1598 1.8500000000000000e+01 - - -9.3895512819290161e-01 3.3225542306900024e-01 - -5.6959801912307739e-01 1.9758279621601105e-01 - <_> - 4.8468334197998047e+01 - - 1 2 1599 644. 0 -1 1600 3.1500000000000000e+01 -2 -3 1601 - 2.5500000000000000e+01 - - 4.6466782689094543e-01 -7.2437942028045654e-01 - 2.5944426655769348e-01 -5.1669490337371826e-01 - <_> - 4.8280807495117188e+01 - - 1 2 1602 5.8750000000000000e+02 0 -1 1603 998. -2 -3 1604 - 1.9450000000000000e+02 - - -5.6361049413681030e-01 8.2740515470504761e-01 - 7.3864108324050903e-01 -3.1339693814516068e-02 - <_> - 4.8574962615966797e+01 - - 1 2 1605 2.3450000000000000e+02 0 -1 1606 - 1.5000000000000000e+00 -2 -3 1607 1.4050000000000000e+02 - - 3.6085158586502075e-01 -1.9539615511894226e-01 - -9.4802927970886230e-01 2.6839014887809753e-01 - <_> - 4.8454341888427734e+01 - - 1 2 1608 3.9500000000000000e+01 0 -1 1609 - 5.0000000000000000e-01 -2 -3 1610 1.6650000000000000e+02 - - 1.0862217843532562e-01 -5.7014846801757812e-01 - 3.1803789734840393e-01 -8.6990028619766235e-01 - <_> - 4.8686836242675781e+01 - - 1 2 1611 7.5000000000000000e+00 0 -1 1612 - 4.4500000000000000e+01 -2 -3 1613 5.0000000000000000e-01 - - 4.4552764296531677e-01 -9.6768623590469360e-01 - 3.7845483422279358e-01 -2.0616437494754791e-01 - <_> - 4.8645317077636719e+01 - - 1 2 1614 2.1500000000000000e+01 0 -1 1615 - 5.7500000000000000e+01 -2 -3 1616 9.2500000000000000e+01 - - 2.0209166407585144e-01 -3.7205338478088379e-01 - 6.6951900720596313e-01 -9.7072052955627441e-01 - <_> - 4.8846817016601562e+01 - - 1 2 1617 1.8500000000000000e+01 0 -1 1618 - 1.9500000000000000e+01 -2 -3 1619 2.7500000000000000e+01 - - -9.0423774719238281e-01 4.2085230350494385e-01 - 2.0150278508663177e-01 -6.7301428318023682e-01 - <_> - 4.8628437042236328e+01 - - 1 2 1620 291. 0 -1 1621 6.5000000000000000e+00 -2 -3 1622 - 1.1500000000000000e+01 - - 2.5333371758460999e-01 -9.6325629949569702e-01 - -6.0980123281478882e-01 1.4127761125564575e-01 - <_> - 4.8402679443359375e+01 - - 1 2 1623 2.1050000000000000e+02 0 -1 1624 - 6.5000000000000000e+00 -2 -3 1625 3.2500000000000000e+01 - - 3.4403830766677856e-02 -5.8541810512542725e-01 - -6.9637399911880493e-01 4.9845540523529053e-01 - <_> - 4.8841716766357422e+01 - - 1 2 1626 7.5000000000000000e+00 0 -1 1627 - 4.9500000000000000e+01 -2 -3 1628 1.1500000000000000e+01 - - 4.3903854489326477e-01 -6.2086170911788940e-01 - -6.5002232789993286e-01 -1.5730377286672592e-02 - <_> - 4.9389339447021484e+01 - - 1 2 1629 80. 0 -1 1630 3.5000000000000000e+00 -2 -3 1631 - 1.0255000000000000e+03 - - 3.1859183311462402e-01 -4.2584937810897827e-01 - -8.9118802547454834e-01 5.4762154817581177e-01 - <_> - 4.8809658050537109e+01 - - 1 2 1632 5.0000000000000000e-01 0 -1 1633 - 9.1500000000000000e+01 -2 -3 1634 1.5500000000000000e+01 - - -2.0882329344749451e-01 5.9099739789962769e-01 - 3.5995401442050934e-02 -5.7967907190322876e-01 - <_> - 4.9262874603271484e+01 - - 1 2 1635 2.3500000000000000e+01 0 -1 1636 2138. -2 -3 1637 - 7.4500000000000000e+01 - - 2.5881242752075195e-01 -6.5358424186706543e-01 - -4.4690254330635071e-01 4.5321631431579590e-01 - <_> - 4.9810745239257812e+01 - - 1 2 1638 2.8905000000000000e+03 0 -1 1639 - 1.4034500000000000e+04 -2 -3 1640 5.0000000000000000e-01 - - 5.9278053045272827e-01 -9.4314843416213989e-01 - 3.9468899369239807e-01 -2.7942237257957458e-01 - <_> - 4.9740810394287109e+01 - - 1 2 1641 5.0000000000000000e-01 0 -1 1642 13. -2 -3 1643 - 6.4500000000000000e+01 - - -9.7298115491867065e-01 7.5200670957565308e-01 - 1.9612585008144379e-01 -5.2234607934951782e-01 - <_> - 4.9890090942382812e+01 - - 1 2 1644 7.5000000000000000e+00 0 -1 1645 - 8.5000000000000000e+00 -2 -3 1646 381. - - -5.6059420108795166e-01 5.0415074825286865e-01 - 4.8369589447975159e-01 -3.1803038716316223e-01 - <_> - 4.9964401245117188e+01 - - 1 2 1647 5.0000000000000000e-01 0 -1 1648 - 6.5000000000000000e+00 -2 -3 1649 1.5500000000000000e+01 - - -9.7737157344818115e-01 5.3311198949813843e-01 - -4.1340222954750061e-01 2.4446828663349152e-01 - <_> - 5.0132915496826172e+01 - - 1 2 1650 1.0500000000000000e+01 0 -1 1651 - 9.5000000000000000e+00 -2 -3 1652 182. - - -2.6112908124923706e-01 4.9358665943145752e-01 - 6.2064582109451294e-01 -4.5646050572395325e-01 - <_> - 5.0014610290527344e+01 - - 1 2 1653 6.5000000000000000e+00 0 -1 1654 2329. -2 -3 1655 - 6.6350000000000000e+02 - - 4.0677326917648315e-01 -7.2954016923904419e-01 - -5.2711308002471924e-01 2.2369565069675446e-01 - <_> - 5.0282009124755859e+01 - - 1 2 1656 1513. 0 -1 1657 6.6500000000000000e+01 -2 -3 1658 - 2.0125000000000000e+03 - - -9.2653149366378784e-01 5.6927061080932617e-01 - 6.3748288154602051e-01 -6.0769841074943542e-02 - <_> - 5.0116958618164062e+01 - - 1 2 1659 1.4500000000000000e+01 0 -1 1660 - 3.5000000000000000e+00 -2 -3 1661 1.6500000000000000e+01 - - -8.6243766546249390e-01 8.8660824298858643e-01 - 4.5358371734619141e-01 -1.6504985094070435e-01 - <_> - 5.0264678955078125e+01 - - 1 2 1662 1.1500000000000000e+01 0 -1 1663 - 4.5000000000000000e+00 -2 -3 1664 4.3500000000000000e+01 - - -8.9545702934265137e-01 1. 2.3749004304409027e-01 - -4.1009184718132019e-01 - <_> - 5.0537300109863281e+01 - - 1 2 1665 6.5000000000000000e+00 0 -1 1666 - 1.1500000000000000e+01 -2 -3 1667 4.8500000000000000e+01 - - 1.8909458816051483e-01 -6.9768869876861572e-01 - -3.7118515372276306e-01 2.7262043952941895e-01 - <_> - 5.0127769470214844e+01 - - 1 2 1668 2.5000000000000000e+00 0 -1 1669 49. -2 -3 1670 - 1.5000000000000000e+00 - - -7.0132219791412354e-01 4.8064956068992615e-01 - 2.1170513331890106e-01 -4.0953138470649719e-01 - <_> - 5.0477714538574219e+01 - - 1 2 1671 2.5000000000000000e+00 0 -1 1672 - 1.5650000000000000e+02 -2 -3 1673 1.1995000000000000e+03 - - 3.4994655847549438e-01 -7.3900407552719116e-01 - -6.3774943351745605e-01 -4.0900995954871178e-03 - <_> - 5.0603004455566406e+01 - - 1 2 1674 2.7950000000000000e+02 0 -1 1675 8514. -2 -3 1676 - 4.0500000000000000e+01 - - 9.1369850561022758e-03 8.2339012622833252e-01 - -5.2016735076904297e-01 1.2528854608535767e-01 - <_> - 5.0545921325683594e+01 - - 1 2 1677 3.5000000000000000e+00 0 -1 1678 - 3.9500000000000000e+01 -2 -3 1679 1.6500000000000000e+01 - - -1.4933063089847565e-01 4.4103890657424927e-01 - -5.4845666885375977e-01 3.5070386528968811e-01 - <_> - 5.0866680145263672e+01 - - 1 2 1680 5.1950000000000000e+02 0 -1 1681 - 1.2150000000000000e+02 -2 -3 1682 1.5000000000000000e+00 - - -1.7503215372562408e-01 3.2076016068458557e-01 - 5.0803476572036743e-01 -9.5718288421630859e-01 - <_> - 5.0898628234863281e+01 - - 1 2 1683 5.0000000000000000e-01 0 -1 1684 - 6.5000000000000000e+00 -2 -3 1685 1.5500000000000000e+01 - - -8.3207756280899048e-01 7.2688364982604980e-01 - 8.6272723972797394e-02 -4.6617463231086731e-01 - <_> - 5.0805313110351562e+01 - - 1 2 1686 5.7750000000000000e+02 0 -1 1687 - 6.5000000000000000e+00 -2 -3 1688 1.3950000000000000e+02 - - -8.3755981922149658e-01 5.7054156064987183e-01 - 4.9337804317474365e-01 -9.3315914273262024e-02 - <_> - 5.0919166564941406e+01 - - 1 2 1689 1.5095000000000000e+03 0 -1 1690 - 7.5000000000000000e+00 -2 -3 1691 6720. - - 2.1196880936622620e-01 -3.8356184959411621e-01 - 5.3207170963287354e-01 -7.4764668941497803e-01 - <_> - 5.0936717987060547e+01 - - 1 2 1692 4.0500000000000000e+01 0 -1 1693 - 1.5000000000000000e+00 -2 -3 1694 5.0000000000000000e-01 - - -3.7224005907773972e-02 -8.9793884754180908e-01 - 7.6496970653533936e-01 1.7551671713590622e-02 - <_> - 5.1368896484375000e+01 - - 1 2 1695 2.5550000000000000e+02 0 -1 1696 1484. -2 -3 1697 - 7.5000000000000000e+00 - - -1. 9.0734022855758667e-01 -2.2103266417980194e-01 - 4.3218004703521729e-01 - <_> - 5.1568653106689453e+01 - - 1 2 1698 8.1615000000000000e+03 0 -1 1699 - 5.0000000000000000e-01 -2 -3 1700 28. - - -9.8341357707977295e-01 1.9975320994853973e-01 - -1.2860924005508423e-01 -9.3606525659561157e-01 - <_> - 5.1350795745849609e+01 - - 1 2 1701 5.0000000000000000e-01 0 -1 1702 - 1.8500000000000000e+01 -2 -3 1703 3.5000000000000000e+00 - - -7.4128049612045288e-01 3.7650343775749207e-01 - 3.4844925999641418e-01 -4.2916879057884216e-01 - <_> - 5.1636371612548828e+01 - - 1 2 1704 3.5000000000000000e+00 0 -1 1705 32. -2 -3 1706 - 1.5000000000000000e+00 - - 1. -9.1778641939163208e-01 -3.0592209100723267e-01 - 2.8557664155960083e-01 - <_> - 5.2074638366699219e+01 - - 1 2 1707 4.5000000000000000e+00 0 -1 1708 - 2.5500000000000000e+01 -2 -3 1709 5.5000000000000000e+00 - - -1.7822149395942688e-01 4.3826532363891602e-01 - -5.1980108022689819e-01 4.8558112978935242e-01 - <_> - 5.1970214843750000e+01 - - 1 2 1710 5.9500000000000000e+01 0 -1 1711 - 1.0500000000000000e+01 -2 -3 1712 544. - - 3.5063171386718750e-01 -3.3192864060401917e-01 - -6.3897025585174561e-01 2.3550751805305481e-01 - <_> - 5.2024555206298828e+01 - - 1 2 1713 4.5000000000000000e+00 0 -1 1714 - 1.3950000000000000e+02 -2 -3 1715 1.5000000000000000e+00 - - 2.8414461016654968e-01 -5.8255207538604736e-01 - -6.8949204683303833e-01 3.0280160903930664e-01 - <_> - 5.1652011871337891e+01 - - 1 2 1716 1.5000000000000000e+00 0 -1 1717 - 1.0500000000000000e+01 -2 -3 1718 2.5000000000000000e+00 - - -6.4423668384552002e-01 7.1819794178009033e-01 - 1.2163987010717392e-01 -4.3241024017333984e-01 - <_> - 5.2231746673583984e+01 - - 1 2 1719 2.1550000000000000e+02 0 -1 1720 - 5.0000000000000000e-01 -2 -3 1721 1966. - - 1.3263493776321411e-01 -4.2725384235382080e-01 - 8.6758172512054443e-01 -2.6626121997833252e-01 - <_> - 5.2511852264404297e+01 - - 1 2 1722 5.3450000000000000e+02 0 -1 1723 - 1.1500000000000000e+01 -2 -3 1724 4.5000000000000000e+00 - - 2.5023856759071350e-01 -8.6206442117691040e-01 - -4.7992885112762451e-01 2.8010553121566772e-01 - <_> - 5.2546646118164062e+01 - - 1 2 1725 1.2500000000000000e+01 0 -1 1726 - 3.2500000000000000e+01 -2 -3 1727 5.8895000000000000e+03 - - -1.0283301770687103e-01 5.0622606277465820e-01 - 3.4796718508005142e-02 -7.5529223680496216e-01 - <_> - 5.2223571777343750e+01 - - 1 2 1728 5.0000000000000000e-01 0 -1 1729 - 5.8550000000000000e+02 -2 -3 1730 2.0500000000000000e+01 - - -3.2307562232017517e-01 4.2715775966644287e-01 - 5.5647647380828857e-01 -4.0453824400901794e-01 - <_> - 5.2863487243652344e+01 - - 1 2 1731 3.3595000000000000e+03 0 -1 1732 - 1.6685000000000000e+03 -2 -3 1733 7.5000000000000000e+00 - - -1.1682216823101044e-01 7.5274443626403809e-01 - -3.0044618248939514e-01 7.6707494258880615e-01 - <_> - 5.3050804138183594e+01 - - 1 2 1734 1.5000000000000000e+00 0 -1 1735 - 1.5500000000000000e+01 -2 -3 1736 1.5000000000000000e+00 - - 6.9346052408218384e-01 -9.0690630674362183e-01 - -9.2264664173126221e-01 1.8731895089149475e-01 - <_> - 5.3262607574462891e+01 - - 1 2 1737 5.0000000000000000e-01 0 -1 1738 - 3.5000000000000000e+00 -2 -3 1739 3.3550000000000000e+02 - - -3.2821202278137207e-01 5.9129446744918823e-01 - -5.1578968763351440e-01 9.9953614175319672e-02 - <_> - 5.3258419036865234e+01 - - 1 2 1740 1.9500000000000000e+01 0 -1 1741 - 1.2500000000000000e+01 -2 -3 1742 1.5000000000000000e+00 - - 3.8119539618492126e-01 -1.9959560036659241e-01 - 6.4132863283157349e-01 -7.4302184581756592e-01 - <_> - 5.3413326263427734e+01 - - 1 2 1743 7.6500000000000000e+01 0 -1 1744 - 5.8750000000000000e+02 -2 -3 1745 5.5000000000000000e+00 - - -7.1226209402084351e-01 1.5490560233592987e-01 - -9.5072907209396362e-01 1. - <_> - 5.3368370056152344e+01 - - 1 2 1746 1.4355000000000000e+03 0 -1 1747 - 2.5293500000000000e+04 -2 -3 1748 3.5000000000000000e+00 - - -4.4957466423511505e-02 7.0797920227050781e-01 - 2.4098557233810425e-01 -5.3875494003295898e-01 - <_> - 5.3336959838867188e+01 - - 1 2 1749 2.5500000000000000e+01 0 -1 1750 - 2.0500000000000000e+01 -2 -3 1751 2.7375000000000000e+03 - - -7.6909404993057251e-01 -4.0910251438617706e-02 - -8.7062567472457886e-02 6.8476140499114990e-01 - <_> - 5.3268756866455078e+01 - - 1 2 1752 3.7500000000000000e+01 0 -1 1753 2449. -2 -3 1754 - 3.4085000000000000e+03 - - 2.9082170128822327e-01 -3.9411529898643494e-01 - 6.2446767091751099e-01 -7.7681422233581543e-01 - <_> - 5.3295890808105469e+01 - - 1 2 1755 1.5500000000000000e+01 0 -1 1756 - 1.5000000000000000e+00 -2 -3 1757 6.3500000000000000e+01 - - 2.3223483562469482e-01 -3.3189105987548828e-01 - 8.2484543323516846e-01 -1. - <_> - 5.3821460723876953e+01 - - 1 2 1758 7.5000000000000000e+00 0 -1 1759 32. -2 -3 1760 - 3.5000000000000000e+00 - - 7.7407427132129669e-02 -9.0338480472564697e-01 - 5.2557128667831421e-01 -8.5458166897296906e-02 - <_> - 5.3644256591796875e+01 - - 1 2 1761 2.3500000000000000e+01 0 -1 1762 - 1.7500000000000000e+01 -2 -3 1763 5.5500000000000000e+01 - - 1.9049738347530365e-01 -6.4127218723297119e-01 - -5.8284378051757812e-01 3.6358082294464111e-01 - <_> - 5.3565219879150391e+01 - - 1 2 1764 5.0000000000000000e-01 0 -1 1765 - 5.5000000000000000e+00 -2 -3 1766 6.2650000000000000e+02 - - -9.1313230991363525e-01 3.1892377138137817e-01 - -5.0848573446273804e-01 4.0014332532882690e-01 - <_> - 5.3612766265869141e+01 - - 1 2 1767 2.7500000000000000e+01 0 -1 1768 - 1.1850000000000000e+02 -2 -3 1769 6.5000000000000000e+00 - - -1.1785164475440979e-01 4.6228489279747009e-01 - 8.3617496490478516e-01 -7.2740668058395386e-01 - <_> - 5.3733577728271484e+01 - - 1 2 1770 1.3500000000000000e+01 0 -1 1771 - 6.5000000000000000e+00 -2 -3 1772 1.3500000000000000e+01 - - -4.3037781119346619e-01 4.0931895375251770e-01 - -8.7283575534820557e-01 -1.1174897849559784e-01 - <_> - 5.3474098205566406e+01 - - 1 2 1773 2.2500000000000000e+01 0 -1 1774 - 1.5000000000000000e+00 -2 -3 1775 6.8500000000000000e+01 - - -4.9783071875572205e-01 3.2450476288795471e-01 - -5.4798841476440430e-01 4.3143227696418762e-01 - <_> - 5.3782051086425781e+01 - - 1 2 1776 7.5000000000000000e+00 0 -1 1777 - 7.5000000000000000e+00 -2 -3 1778 5.8850000000000000e+02 - - 3.0795454978942871e-01 -4.3086576461791992e-01 - 2.5671597104519606e-03 -7.0709168910980225e-01 - <_> - 5.4081798553466797e+01 - - 1 2 1779 4.1250000000000000e+02 0 -1 1780 2532. -2 -3 1781 - 4.2500000000000000e+01 - - 1.1845014244318008e-01 -4.8000225424766541e-01 - -7.1575754880905151e-01 4.8367628455162048e-01 - <_> - 5.3729518890380859e+01 - - 1 2 1782 4.5000000000000000e+00 0 -1 1783 - 4.0500000000000000e+01 -2 -3 1784 5.0000000000000000e-01 - - -6.5016943216323853e-01 4.5923739671707153e-01 - 7.4234819412231445e-01 -3.5227757692337036e-01 - <_> - 5.3706134796142578e+01 - - 1 2 1785 1.7500000000000000e+01 0 -1 1786 - 2.0500000000000000e+01 -2 -3 1787 35. - - -2.3385923355817795e-02 5.5982124805450439e-01 - -7.7798545360565186e-01 5.9317058324813843e-01 - <_> - 5.4069709777832031e+01 - - 1 2 1788 3.0650000000000000e+02 0 -1 1789 - 6.7500000000000000e+01 -2 -3 1790 1.5000000000000000e+00 - - -2.0442806184291840e-01 3.6357563734054565e-01 - 4.3344959616661072e-01 -7.8407233953475952e-01 - <_> - 5.4122543334960938e+01 - - 1 2 1791 6.9550000000000000e+02 0 -1 1792 - 2.0150000000000000e+02 -2 -3 1793 1.5500000000000000e+01 - - -2.8922367095947266e-01 4.2674824595451355e-01 - -6.8660050630569458e-01 5.2831500768661499e-02 - <_> - 5.4034683227539062e+01 - - 1 2 1794 5.0000000000000000e-01 0 -1 1795 - 5.9715000000000000e+03 -2 -3 1796 4.5000000000000000e+00 - - -5.2834486961364746e-01 4.5531541109085083e-01 - 1.1746359616518021e-01 -4.9576222896575928e-01 - <_> - 5.4980464935302734e+01 - - 1 2 1797 1.3500000000000000e+01 0 -1 1798 - 2.9450000000000000e+02 -2 -3 1799 7.5000000000000000e+00 - - -3.2881252467632294e-02 -9.8305457830429077e-01 - 9.4577944278717041e-01 -1. - <_> - 5.5089954376220703e+01 - - 1 2 1800 2.5000000000000000e+00 0 -1 1801 39. -2 -3 1802 - 9.4950000000000000e+02 - - -1. 1. 1.6094356775283813e-01 -5.4309475421905518e-01 - <_> - 5.5099483489990234e+01 - - 1 2 1803 5.7850000000000000e+02 0 -1 1804 - 4.2500000000000000e+01 -2 -3 1805 5.7750000000000000e+02 - - -7.0962339639663696e-01 1. 7.6542943716049194e-01 - -4.1924782097339630e-02 - <_> - 5.4866825103759766e+01 - - 1 2 1806 1328. 0 -1 1807 1.5000000000000000e+00 -2 -3 1808 - 5.5285000000000000e+03 - - 3.6924600601196289e-01 -2.3265689611434937e-01 - 9.9105215072631836e-01 -8.4446805715560913e-01 - <_> - 5.5432411193847656e+01 - - 1 2 1809 2.5500000000000000e+01 0 -1 1810 - 1.1500000000000000e+01 -2 -3 1811 7.4350000000000000e+02 - - -3.2548126578330994e-01 2.2827453911304474e-01 - 7.1661698818206787e-01 -1. - <_> - 5.5408927917480469e+01 - - 1 2 1812 5.0000000000000000e-01 0 -1 1813 - 3.5000000000000000e+00 -2 -3 1814 2.4500000000000000e+01 - - -7.4099457263946533e-01 3.7504613399505615e-01 - -6.2640714645385742e-01 8.4968566894531250e-02 - <_> - 5.5198207855224609e+01 - - 1 2 1815 1.5000000000000000e+00 0 -1 1816 - 6.5000000000000000e+00 -2 -3 1817 2.2500000000000000e+01 - - -1. 6.4012116193771362e-01 -2.1071846783161163e-01 - 6.4778321981430054e-01 - <_> - 5.5283359527587891e+01 - - 1 2 1818 2.5000000000000000e+00 0 -1 1819 - 5.0000000000000000e-01 -2 -3 1820 2.4550000000000000e+02 - - 4.5631405711174011e-01 -1.3484077155590057e-01 - -5.9344494342803955e-01 1.6467481851577759e-01 - <_> - 5.5470157623291016e+01 - - 1 2 1821 3.5000000000000000e+00 0 -1 1822 - 9.5000000000000000e+00 -2 -3 1823 9.5000000000000000e+00 - - 1. -1. -4.3856528401374817e-01 1.8679495155811310e-01 - <_> - 5.5202453613281250e+01 - - 1 2 1824 5.6150000000000000e+02 0 -1 1825 4192. -2 -3 1826 - 1.2425000000000000e+03 - - -1.4592270553112030e-01 5.8146274089813232e-01 - -5.5671817064285278e-01 1.2355826795101166e-01 - <_> - 5.5569751739501953e+01 - - 1 2 1827 2.1500000000000000e+01 0 -1 1828 - 5.5000000000000000e+00 -2 -3 1829 1.6500000000000000e+01 - - -6.8071776628494263e-01 3.6730051040649414e-01 - -1.3501003384590149e-01 -9.1282844543457031e-01 - <_> - 5.5779064178466797e+01 - - 1 2 1830 3.3500000000000000e+01 0 -1 1831 - 9.5000000000000000e+00 -2 -3 1832 1.5500000000000000e+01 - - 3.2467505335807800e-01 -7.8718549013137817e-01 - 5.1464933156967163e-01 -1.6156230866909027e-01 - <_> - 5.5348117828369141e+01 - - 1 2 1833 3.7650000000000000e+02 0 -1 1834 - 5.5750000000000000e+02 -2 -3 1835 1.5000000000000000e+00 - - -8.1101077795028687e-01 6.3146162033081055e-01 - 1.3779489696025848e-01 -4.3094816803932190e-01 - <_> - 5.5919422149658203e+01 - - 1 2 1836 3.7500000000000000e+01 0 -1 1837 - 5.0000000000000000e-01 -2 -3 1838 8.8500000000000000e+01 - - 3.4091222286224365e-01 -3.4007987380027771e-01 - 5.7130312919616699e-01 -6.3140660524368286e-01 - <_> - 5.5871620178222656e+01 - - 1 2 1839 7.5000000000000000e+00 0 -1 1840 - 1.6500000000000000e+01 -2 -3 1841 6.4500000000000000e+01 - - -2.2035612165927887e-01 -9.4882357120513916e-01 - 5.1813077926635742e-01 -4.7800488770008087e-02 - <_> - 5.6252223968505859e+01 - - 1 2 1842 1.1950000000000000e+02 0 -1 1843 - 9.5500000000000000e+01 -2 -3 1844 3.6850000000000000e+02 - - 3.8002592325210571e-01 -3.4263178706169128e-01 - 5.1846081018447876e-01 -7.4162709712982178e-01 - <_> - 5.6455226898193359e+01 - - 1 2 1845 5.0000000000000000e-01 0 -1 1846 12. -2 -3 1847 - 3.2995000000000000e+03 - - -9.0239804983139038e-01 3.5835075378417969e-01 - -3.9121779799461365e-01 8.4680241346359253e-01 - <_> - 5.6692668914794922e+01 - - 1 2 1848 2.5000000000000000e+00 0 -1 1849 - 5.0000000000000000e-01 -2 -3 1850 3.0500000000000000e+01 - - -8.6832201480865479e-01 3.5786366462707520e-01 - -6.5906804800033569e-01 3.1783048063516617e-02 - <_> - 5.6752792358398438e+01 - - 1 2 1851 1.0500000000000000e+01 0 -1 1852 - 6.5500000000000000e+01 -2 -3 1853 1.4500000000000000e+01 - - -4.6706490218639374e-02 -8.7982815504074097e-01 - 5.6353557109832764e-01 -6.0297027230262756e-02 - <_> - 5.6775104522705078e+01 - - 1 2 1854 2.0150000000000000e+02 0 -1 1855 - 1.0500000000000000e+01 -2 -3 1856 2.8650000000000000e+02 - - 7.4959583580493927e-02 -5.7888466119766235e-01 - 6.6168105602264404e-01 -9.9754244089126587e-02 - <_> - 5.6972690582275391e+01 - - 1 2 1857 1.6150000000000000e+02 0 -1 1858 - 1.5500000000000000e+01 -2 -3 1859 24. - - -7.3095875978469849e-01 1.9758741557598114e-01 - -8.8720643520355225e-01 1. - <_> - 5.7200763702392578e+01 - - 1 2 1860 5.0000000000000000e-01 0 -1 1861 - 8.8500000000000000e+01 -2 -3 1862 1.8500000000000000e+01 - - 3.3610743284225464e-01 -8.8137799501419067e-01 - -6.0375785827636719e-01 1.2033233046531677e-01 - <_> - 5.7070457458496094e+01 - - 1 2 1863 2.1500000000000000e+01 0 -1 1864 - 1.4500000000000000e+01 -2 -3 1865 5.6500000000000000e+01 - - -9.7666543722152710e-01 7.4382346868515015e-01 - 4.3915370106697083e-01 -1.3030719757080078e-01 - <_> - 5.6970527648925781e+01 - - 1 2 1866 1.0500000000000000e+01 0 -1 1867 - 8.5000000000000000e+00 -2 -3 1868 142. - - -3.9075690507888794e-01 2.1810866892337799e-01 - 7.3304098844528198e-01 -1.5522833168506622e-01 - <_> - 5.7172351837158203e+01 - - 1 2 1869 8.3500000000000000e+01 0 -1 1870 - 5.0000000000000000e-01 -2 -3 1871 4.5000000000000000e+00 - - 4.7355487942695618e-01 -8.4495109319686890e-01 - -8.0800145864486694e-01 2.0182393491268158e-01 - <_> - 5.7369266510009766e+01 - - 1 2 1872 1.3500000000000000e+01 0 -1 1873 - 2.2050000000000000e+02 -2 -3 1874 1.5000000000000000e+00 - - 3.0745425820350647e-01 -5.7873797416687012e-01 - 7.1144923567771912e-02 -7.0968645811080933e-01 - <_> - 5.7163673400878906e+01 - - 1 2 1875 3.0500000000000000e+01 0 -1 1876 - 1.7955000000000000e+03 -2 -3 1877 1.9500000000000000e+01 - - 4.0770485997200012e-01 -6.0543429851531982e-01 - 3.7602424621582031e-01 -2.8918644785881042e-01 - <_> - 5.6786552429199219e+01 - - 1 2 1878 6.8500000000000000e+01 0 -1 1879 - 5.5000000000000000e+00 -2 -3 1880 2.8500000000000000e+01 - - 1.1757279932498932e-01 -5.8252972364425659e-01 - -3.8951548933982849e-01 5.1052653789520264e-01 - <_> - 5.6868556976318359e+01 - - 1 2 1881 6.5000000000000000e+00 0 -1 1882 - 2.5000000000000000e+00 -2 -3 1883 2.6950000000000000e+02 - - 8.2006074488162994e-02 -5.1789224147796631e-01 - 5.3505361080169678e-01 -9.4605493545532227e-01 - <_> - 5.7130115509033203e+01 - - 1 2 1884 8.5000000000000000e+00 0 -1 1885 - 1.9150000000000000e+02 -2 -3 1886 2.9450000000000000e+02 - - 4.5292165875434875e-01 -4.3888345360755920e-01 - 4.7173380851745605e-01 -5.1566743850708008e-01 - <_> - 5.7406742095947266e+01 - - 1 2 1887 5.5000000000000000e+00 0 -1 1888 - 4.5000000000000000e+00 -2 -3 1889 7.9850000000000000e+02 - - -3.7859401106834412e-01 5.5919343233108521e-01 - -5.8277565240859985e-01 6.6450834274291992e-02 - <_> - 5.7422473907470703e+01 - - 1 2 1890 5.6150000000000000e+02 0 -1 1891 4961. -2 -3 1892 - 4.8705000000000000e+03 - - -4.5244730426929891e-04 8.3497661352157593e-01 - -6.8882519006729126e-01 1.5732206404209137e-02 - <_> - 5.7687702178955078e+01 - - 1 2 1893 1.4500000000000000e+01 0 -1 1894 - 4.1335000000000000e+03 -2 -3 1895 7.1500000000000000e+01 - - 2.6522731781005859e-01 -8.9758622646331787e-01 - -6.0936498641967773e-01 4.6634823083877563e-01 - <_> - 5.7540111541748047e+01 - - 1 2 1896 2.9500000000000000e+01 0 -1 1897 - 5.5000000000000000e+00 -2 -3 1898 1.5000000000000000e+00 - - -9.3110167980194092e-01 1. 3.9634063839912415e-01 - -1.9126465916633606e-01 - <_> - 5.7616504669189453e+01 - - 1 2 1899 7.5000000000000000e+00 0 -1 1900 397. -2 -3 1901 - 1.5000000000000000e+00 - - 7.1867322921752930e-01 -5.4185843467712402e-01 - 5.2771824598312378e-01 -1.5528239309787750e-01 - <_> - 5.7763866424560547e+01 - - 1 2 1902 2.1500000000000000e+01 0 -1 1903 - 1.7050000000000000e+02 -2 -3 1904 1.6500000000000000e+01 - - 2.9671201109886169e-01 -8.4789550304412842e-01 - -5.6201756000518799e-01 2.5604116916656494e-01 - <_> - 5.7565292358398438e+01 - - 1 2 1905 5.0000000000000000e-01 0 -1 1906 - 2.1350000000000000e+02 -2 -3 1907 3.6950000000000000e+02 - - 5.7148373126983643e-01 -8.4696042537689209e-01 - -3.0725291371345520e-01 5.5036330223083496e-01 - <_> - 5.7710926055908203e+01 - - 1 2 1908 1.2500000000000000e+01 0 -1 1909 - 4.5000000000000000e+00 -2 -3 1910 2.4500000000000000e+01 - - -6.8967974185943604e-01 3.9181429147720337e-01 - -6.0330241918563843e-01 2.1838249266147614e-01 - <_> - 5.8008132934570312e+01 - - 1 2 1911 9.5000000000000000e+00 0 -1 1912 270. -2 -3 1913 - 3.0500000000000000e+01 - - 2.9720637202262878e-01 -7.7370458841323853e-01 - -7.1012228727340698e-01 1.2770961225032806e-01 - <_> - 5.8256633758544922e+01 - - 1 2 1914 6.3500000000000000e+01 0 -1 1915 - 3.7500000000000000e+01 -2 -3 1916 3.0500000000000000e+01 - - -4.4066715240478516e-01 8.2518380880355835e-01 - 2.9887351393699646e-01 -4.9117338657379150e-01 - <_> - 5.8460075378417969e+01 - - 1 2 1917 1.2500000000000000e+01 0 -1 1918 - 3.1500000000000000e+01 -2 -3 1919 5.0000000000000000e-01 - - -3.4090422093868256e-02 5.7412135601043701e-01 - 7.2392117977142334e-01 -6.3018786907196045e-01 - <_> - 5.8618007659912109e+01 - - 1 2 1920 5.0000000000000000e-01 0 -1 1921 - 1.5500000000000000e+01 -2 -3 1922 5.0000000000000000e-01 - - -9.6668690443038940e-01 3.7771463394165039e-01 - 2.2855560481548309e-01 -4.7967869043350220e-01 - <_> - 5.8478435516357422e+01 - - 1 2 1923 7.5000000000000000e+00 0 -1 1924 - 1.5000000000000000e+00 -2 -3 1925 5.0000000000000000e-01 - - 4.2515745759010315e-01 -5.5478894710540771e-01 - 4.5419645309448242e-01 -1.3957175612449646e-01 - <_> - 5.8872611999511719e+01 - - 1 2 1926 1.8350000000000000e+02 0 -1 1927 - 4.0500000000000000e+01 -2 -3 1928 6.6500000000000000e+01 - - -2.0008619129657745e-01 3.9417695999145508e-01 - -9.6238315105438232e-01 1. - <_> - 5.8883186340332031e+01 - - 1 2 1929 1.2500000000000000e+01 0 -1 1930 - 3.5000000000000000e+00 -2 -3 1931 2.1050000000000000e+02 - - 6.1217731237411499e-01 -1.9048878923058510e-02 - -7.2783750295639038e-01 8.3897627890110016e-02 - <_> - 5.8808357238769531e+01 - - 1 2 1932 4.6500000000000000e+01 0 -1 1933 - 3.5000000000000000e+00 -2 -3 1934 2.8650000000000000e+02 - - 1.3248841464519501e-01 -6.7872178554534912e-01 - 4.7229564189910889e-01 -1.4815118908882141e-01 - <_> - 5.9144462585449219e+01 - - 1 2 1935 1.4500000000000000e+01 0 -1 1936 - 1.6500000000000000e+01 -2 -3 1937 9.5000000000000000e+00 - - -6.5575122833251953e-01 6.0179513692855835e-01 - 3.3610317111015320e-01 -2.4818602204322815e-01 - <_> - 5.9101814270019531e+01 - - 1 2 1938 5.0000000000000000e-01 0 -1 1939 - 2.5000000000000000e+00 -2 -3 1940 2.3500000000000000e+01 - - 6.1000245809555054e-01 -4.2646210640668869e-02 - -5.3324443101882935e-01 3.5818785429000854e-01 - <_> - 5.8948040008544922e+01 - - 1 2 1941 7.5000000000000000e+00 0 -1 1942 - 4.5000000000000000e+00 -2 -3 1943 5.0000000000000000e-01 - - -8.8669669628143311e-01 7.7529543638229370e-01 - 3.8582339882850647e-01 -1.5377666056156158e-01 - <_> - 5.9593772888183594e+01 - - 1 2 1944 3.5525000000000000e+03 0 -1 1945 - 3.4500000000000000e+01 -2 -3 1946 167. - - -2.2072853147983551e-01 3.3567503094673157e-01 1. -1. - <_> - 5.9370800018310547e+01 - - 1 2 1947 7.5000000000000000e+00 0 -1 1948 3474. -2 -3 1949 - 9.5000000000000000e+00 - - 3.4637100994586945e-02 -5.9609389305114746e-01 - 5.9798693656921387e-01 -1.3024185597896576e-01 - <_> - 5.9757068634033203e+01 - - 1 2 1950 1.1500000000000000e+01 0 -1 1951 - 4.4500000000000000e+01 -2 -3 1952 2.5000000000000000e+00 - - -9.1445469856262207e-01 8.4411728382110596e-01 - 3.8626831769943237e-01 -1.6962867975234985e-01 - <_> - 5.9796058654785156e+01 - - 1 2 1953 5.8750000000000000e+02 0 -1 1954 - 3.5000000000000000e+00 -2 -3 1955 3.9150000000000000e+02 - - 2.4987047910690308e-01 -6.1070859432220459e-01 - 7.2914922237396240e-01 -7.8055180609226227e-02 - <_> - 5.9801254272460938e+01 - - 1 2 1956 5.5850000000000000e+02 0 -1 1957 - 4.7500000000000000e+01 -2 -3 1958 1.8500000000000000e+01 - - -1.1270057410001755e-01 6.9968527555465698e-01 - 5.1938942633569241e-03 -7.4568808078765869e-01 - <_> - 6.0010192871093750e+01 - - 1 2 1959 4.8500000000000000e+01 0 -1 1960 - 6.5000000000000000e+00 -2 -3 1961 7.5000000000000000e+00 - - -7.4147862195968628e-01 2.0893752574920654e-01 - -7.3173969984054565e-01 3.0364623665809631e-01 - <_> - 5.9708690643310547e+01 - - 1 2 1962 5.0000000000000000e-01 0 -1 1963 - 3.5000000000000000e+00 -2 -3 1964 2.2500000000000000e+01 - - -9.1378659009933472e-01 5.2321916818618774e-01 - -3.0149966478347778e-01 6.9747513532638550e-01 - <_> - 6.0059795379638672e+01 - - 1 2 1965 4.1500000000000000e+01 0 -1 1966 - 1.5000000000000000e+00 -2 -3 1967 4.5500000000000000e+01 - - 7.6339656114578247e-01 -6.3636028766632080e-01 - 3.5110288858413696e-01 -2.9607880115509033e-01 - <_> - 6.0240623474121094e+01 - - 1 2 1968 4.5000000000000000e+00 0 -1 1969 - 1.5000000000000000e+00 -2 -3 1970 3.0850000000000000e+02 - - -6.1838161945343018e-01 1.8083088099956512e-01 - -1.4869785308837891e-01 5.0236159563064575e-01 - <_> - 6.0387596130371094e+01 - - 1 2 1971 1.6250000000000000e+02 0 -1 1972 - 4.5000000000000000e+00 -2 -3 1973 4.4650000000000000e+02 - - 6.7135459184646606e-01 1.1329505359753966e-03 - -6.6079312562942505e-01 1.4697253704071045e-01 - <_> - 6.0387634277343750e+01 - - 1 2 1974 3.5000000000000000e+00 0 -1 1975 - 1.8500000000000000e+01 -2 -3 1976 3.5500000000000000e+01 - - 3.3784970641136169e-01 -4.8918390274047852e-01 - -5.6978744268417358e-01 1.3324360549449921e-01 - <_> - 6.0022872924804688e+01 - - 1 2 1977 2.0850000000000000e+02 0 -1 1978 - 3.5000000000000000e+00 -2 -3 1979 2.2500000000000000e+01 - - 2.4730446934700012e-01 -3.6476173996925354e-01 - -6.7308956384658813e-01 5.9900748729705811e-01 - <_> - 6.0411987304687500e+01 - - 1 2 1980 4.6500000000000000e+01 0 -1 1981 - 7.5000000000000000e+00 -2 -3 1982 1.6500000000000000e+01 - - -7.1475833654403687e-01 3.5484632849693298e-01 - 3.8911363482475281e-01 -1.7250961065292358e-01 - <_> - 6.0604080200195312e+01 - - 1 2 1983 5.0000000000000000e-01 0 -1 1984 - 6.5000000000000000e+00 -2 -3 1985 4.5000000000000000e+00 - - -5.3925055265426636e-01 4.7325718402862549e-01 - 1.9209517538547516e-01 -4.6254682540893555e-01 - <_> - 6.0539005279541016e+01 - - 1 2 1986 3.5500000000000000e+01 0 -1 1987 97. -2 -3 1988 - 5.5000000000000000e+00 - - 6.5639108419418335e-01 -8.1671226024627686e-01 - 5.2336204051971436e-01 -6.5074905753135681e-02 - <_> - 6.0846366882324219e+01 - - 1 2 1989 3.1350000000000000e+02 0 -1 1990 - 1.6190500000000000e+04 -2 -3 1991 1.1005000000000000e+03 - - 4.3834140896797180e-01 -3.6532020568847656e-01 - 6.3986539840698242e-01 -4.1561451554298401e-01 - <_> - 6.0749099731445312e+01 - - 1 2 1992 3.5000000000000000e+00 0 -1 1993 - 1.6050000000000000e+02 -2 -3 1994 4.5000000000000000e+00 - - 3.9444553852081299e-01 -5.1368337869644165e-01 - -6.9115257263183594e-01 1.9162381067872047e-02 - <_> - 6.0911582946777344e+01 - - 1 2 1995 3.1500000000000000e+01 0 -1 1996 39. -2 -3 1997 - 1.5000000000000000e+00 - - -9.1950684785842896e-01 1. -7.2641021013259888e-01 - 1.6248121857643127e-01 - <_> - 6.0922454833984375e+01 - - 1 2 1998 5.5000000000000000e+00 0 -1 1999 - 1.0500000000000000e+01 -2 -3 2000 1.5805000000000000e+03 - - -7.5020366907119751e-01 3.5568973422050476e-01 - -4.8083752393722534e-01 3.0702778697013855e-01 - <_> - 6.1254642486572266e+01 - - 1 2 2001 3.3650000000000000e+02 0 -1 2002 - 5.0000000000000000e-01 -2 -3 2003 7.5000000000000000e+00 - - 7.5214070081710815e-01 -5.6389236450195312e-01 - 3.4662494063377380e-01 -2.9536944627761841e-01 - <_> - 6.1591125488281250e+01 - - 1 2 2004 2.5500000000000000e+01 0 -1 2005 - 1.4500000000000000e+01 -2 -3 2006 1.5000000000000000e+00 - - 1.3703818619251251e-01 -4.9739819765090942e-01 - -6.2935429811477661e-01 5.6868934631347656e-01 - <_> - 6.1522079467773438e+01 - - 1 2 2007 2.0500000000000000e+01 0 -1 2008 - 8.5500000000000000e+01 -2 -3 2009 4.5500000000000000e+01 - - 7.8972160816192627e-01 -6.7304050922393799e-01 - 2.6793375611305237e-01 -6.3064610958099365e-01 - <_> - 6.1685386657714844e+01 - - 1 2 2010 4.7055000000000000e+03 0 -1 2011 - 7.5000000000000000e+00 -2 -3 2012 34. - - -6.3200688362121582e-01 1.6331009566783905e-01 - -9.4863635301589966e-01 8.0065780878067017e-01 - <_> - 6.1566181182861328e+01 - - 1 2 2013 7.2950000000000000e+02 0 -1 2014 - 2.0350000000000000e+02 -2 -3 2015 2.1500000000000000e+01 - - -1.1920681595802307e-01 6.4878600835800171e-01 - -5.8408319950103760e-01 3.3495616912841797e-01 - <_> - 6.2094886779785156e+01 - - 1 2 2016 9.5000000000000000e+00 0 -1 2017 - 3.5000000000000000e+00 -2 -3 2018 2.3500000000000000e+01 - - 5.2870643138885498e-01 -5.9091903269290924e-02 - 1.4992588758468628e-01 -7.4673342704772949e-01 - <_> - 6.1996501922607422e+01 - - 1 2 2019 3.4500000000000000e+01 0 -1 2020 - 9.6500000000000000e+01 -2 -3 2021 7.5000000000000000e+00 - - -9.8386786878108978e-02 5.0483143329620361e-01 - 1.5602034330368042e-01 -6.9411128759384155e-01 - <_> - 6.2363922119140625e+01 - - 1 2 2022 1.4965000000000000e+03 0 -1 2023 61. -2 -3 2024 - 8.5250000000000000e+02 - - -9.3483263254165649e-01 1. 5.6837409734725952e-01 - -8.3574697375297546e-02 - <_> - 6.2407440185546875e+01 - - 1 2 2025 5977. 0 -1 2026 2.5000000000000000e+00 -2 -3 2027 - 2.1421500000000000e+04 - - 2.2136372327804565e-01 -6.3119232654571533e-01 - 9.1829413175582886e-01 4.3518073856830597e-02 - <_> - 6.2328540802001953e+01 - - 1 2 2028 9.5000000000000000e+00 0 -1 2029 - 3.8550000000000000e+02 -2 -3 2030 6.5000000000000000e+00 - - 7.9880517721176147e-01 -3.3323591947555542e-01 - -9.3455439805984497e-01 3.5605767369270325e-01 - <_> - 6.2549594879150391e+01 - - 1 2 2031 1.2500000000000000e+01 0 -1 2032 - 2.5000000000000000e+00 -2 -3 2033 1.4500000000000000e+01 - - 4.2225402593612671e-01 -2.8828126192092896e-01 - -4.3309009075164795e-01 6.5534549951553345e-01 - <_> - 6.2636714935302734e+01 - - 1 2 2034 417. 0 -1 2035 1.1500000000000000e+01 -2 -3 2036 7. - - -2.1113002672791481e-02 8.4205090999603271e-01 - -9.7738903760910034e-01 5.3100347518920898e-01 - <_> - 6.2861415863037109e+01 - - 1 2 2037 2.5000000000000000e+00 0 -1 2038 - 5.5000000000000000e+00 -2 -3 2039 3.6500000000000000e+01 - - -7.6132452487945557e-01 3.6051002144813538e-01 - -5.7641249895095825e-01 1.5012158453464508e-01 - <_> - 6.2900104522705078e+01 - - 1 2 2040 5.0000000000000000e-01 0 -1 2041 - 3.5000000000000000e+00 -2 -3 2042 6.5000000000000000e+00 - - -9.3149966001510620e-01 2.9147976636886597e-01 - -6.3701289892196655e-01 5.4918531328439713e-02 - <_> - 6.2879768371582031e+01 - - 1 2 2043 1.5000000000000000e+00 0 -1 2044 - 2.5000000000000000e+00 -2 -3 2045 1.5000000000000000e+00 - - 6.6399359703063965e-01 -1.0929831862449646e-01 - 7.8133702278137207e-02 -4.7019696235656738e-01 - <_> - 6.2129520416259766e+01 - - 1 2 2046 1.3650000000000000e+02 0 -1 2047 - 2.1215000000000000e+03 -2 -3 2048 1.9500000000000000e+01 - - 1.4869627356529236e-01 -7.8195393085479736e-01 - -5.4876875877380371e-01 2.9066467285156250e-01 - <_> - 6.2598121643066406e+01 - - 1 2 2049 5.5000000000000000e+00 0 -1 2050 - 2.0500000000000000e+01 -2 -3 2051 3.3450000000000000e+02 - - -2.8021445870399475e-01 4.6860334277153015e-01 - -4.1921630501747131e-01 9.1871756315231323e-01 - <_> - 6.2898983001708984e+01 - - 1 2 2052 5.8750000000000000e+02 0 -1 2053 - 3.3150000000000000e+02 -2 -3 2054 258. - - -5.8121073246002197e-01 7.2862756252288818e-01 - 3.0086198449134827e-01 -6.1838138103485107e-01 - <_> - 6.3007404327392578e+01 - - 1 2 2055 2.7950000000000000e+02 0 -1 2056 - 5.0500000000000000e+01 -2 -3 2057 3.5000000000000000e+00 - - -7.9203374683856964e-02 6.8916302919387817e-01 - 2.2891193628311157e-01 -4.4382786750793457e-01 - <_> - 6.3243953704833984e+01 - - 1 2 2058 8.5000000000000000e+00 0 -1 2059 - 3.2650000000000000e+02 -2 -3 2060 2.1500000000000000e+01 - - -1. 2.3655229806900024e-01 -5.4432135820388794e-01 - 8.4973216056823730e-01 - <_> - 6.3190502166748047e+01 - - 1 2 2061 3.1500000000000000e+01 0 -1 2062 - 6.4500000000000000e+01 -2 -3 2063 1.5500000000000000e+01 - - -1.7394508421421051e-01 3.4196874499320984e-01 - -7.9306966066360474e-01 7.7552306652069092e-01 - <_> - 6.3256435394287109e+01 - - 1 2 2064 5.0000000000000000e-01 0 -1 2065 - 4.5000000000000000e+00 -2 -3 2066 1.6500000000000000e+01 - - -6.4375263452529907e-01 4.6298280358314514e-01 - 6.5930701792240143e-02 -6.0258072614669800e-01 - <_> - 6.3547569274902344e+01 - - 1 2 2067 3.5000000000000000e+00 0 -1 2068 - 2.9665000000000000e+03 -2 -3 2069 2.5000000000000000e+00 - - 2.6696309447288513e-01 -6.1605608463287354e-01 - 5.8771264553070068e-01 -7.7434383332729340e-02 - <_> - 6.3455562591552734e+01 - - 1 2 2070 2.6500000000000000e+01 0 -1 2071 - 1.0435000000000000e+03 -2 -3 2072 2.2500000000000000e+01 - - -3.0468648672103882e-01 2.7090394496917725e-01 -1. - 7.8004688024520874e-01 - <_> - 6.3757442474365234e+01 - - 1 2 2073 1.0350000000000000e+02 0 -1 2074 - 1.0500000000000000e+01 -2 -3 2075 2.5000000000000000e+00 - - -3.8403138518333435e-01 3.0187815427780151e-01 - 3.1422126293182373e-01 -7.1062839031219482e-01 - <_> - 6.3906417846679688e+01 - - 1 2 2076 4.5000000000000000e+00 0 -1 2077 - 1.5000000000000000e+00 -2 -3 2078 4.8150000000000000e+02 - - -7.3861616849899292e-01 4.0836670994758606e-01 - -5.5579960346221924e-01 1.4897711575031281e-01 - <_> - 6.4099327087402344e+01 - - 1 2 2079 2.5500000000000000e+01 0 -1 2080 - 5.7650000000000000e+02 -2 -3 2081 1.8500000000000000e+01 - - -5.5475443601608276e-01 1.9290663301944733e-01 - -7.1113204956054688e-01 5.3957355022430420e-01 - <_> - 6.3918937683105469e+01 - - 1 2 2082 3.5000000000000000e+00 0 -1 2083 - 9.7500000000000000e+01 -2 -3 2084 3.5000000000000000e+00 - - -3.3335947990417480e-01 2.7078640460968018e-01 - 3.7570750713348389e-01 -7.7115553617477417e-01 - <_> - 6.3970809936523438e+01 - - 1 2 2085 3.5000000000000000e+00 0 -1 2086 - 1.9850000000000000e+02 -2 -3 2087 2.3500000000000000e+01 - - 6.5109664201736450e-01 -1.3773214817047119e-01 - -5.4258519411087036e-01 5.1870465278625488e-02 - <_> - 6.4214424133300781e+01 - - 1 2 2088 1.2500000000000000e+01 0 -1 2089 - 3.2450000000000000e+02 -2 -3 2090 6.5000000000000000e+00 - - 4.3517467379570007e-01 -9.6950376033782959e-01 - 2.5978988409042358e-01 -2.7689433097839355e-01 - <_> - 6.4605529785156250e+01 - - 1 2 2091 327. 0 -1 2092 5.0000000000000000e-01 -2 -3 2093 - 1.5500000000000000e+01 - - 2.3849301040172577e-01 -5.6138235330581665e-01 - -6.2119048833847046e-01 3.9110702276229858e-01 - <_> - 6.4053535461425781e+01 - - 1 2 2094 1.8500000000000000e+01 0 -1 2095 - 1.4500000000000000e+01 -2 -3 2096 1.7225000000000000e+03 - - -7.9772460460662842e-01 2.5171506404876709e-01 - 4.5911735296249390e-01 -5.6817436218261719e-01 - <_> - 6.4624084472656250e+01 - - 1 2 2097 1.3500000000000000e+01 0 -1 2098 - 3.8450000000000000e+02 -2 -3 2099 2.5000000000000000e+00 - - 6.7918819189071655e-01 -6.8560796976089478e-01 - 5.7055342197418213e-01 -1.1227272450923920e-01 - <_> - 6.4599174499511719e+01 - - 1 2 2100 3.9950000000000000e+02 0 -1 2101 - 6.5000000000000000e+00 -2 -3 2102 2.6500000000000000e+01 - - 2.6946315169334412e-01 -6.8496251106262207e-01 - -1.4580105245113373e-01 4.0004068613052368e-01 - <_> - 6.4730812072753906e+01 - - 1 2 2103 5.0000000000000000e-01 0 -1 2104 - 1.0500000000000000e+01 -2 -3 2105 2.5000000000000000e+00 - - -4.1157549619674683e-01 3.9449948072433472e-01 - 1.3164354860782623e-01 -5.7457894086837769e-01 - <_> - 6.4550361633300781e+01 - - 1 2 2106 6.1500000000000000e+01 0 -1 2107 - 4.2500000000000000e+01 -2 -3 2108 5.0000000000000000e-01 - - -6.7661024630069733e-02 4.9807086586952209e-01 - 2.6868519186973572e-01 -5.6513643264770508e-01 - <_> - 6.4741752624511719e+01 - - 1 2 2109 1.5000000000000000e+00 0 -1 2110 - 1.4500000000000000e+01 -2 -3 2111 5.0000000000000000e-01 - - -5.7091879844665527e-01 4.6459051966667175e-01 - 2.1071271598339081e-01 -4.8713284730911255e-01 - <_> - 6.4659866333007812e+01 - - 1 2 2112 2.5000000000000000e+00 0 -1 2113 - 1.0500000000000000e+01 -2 -3 2114 2.5000000000000000e+00 - - 8.9292472600936890e-01 -9.4043314456939697e-01 - 5.3616881370544434e-01 -8.1886835396289825e-02 - <_> - 6.4854621887207031e+01 - - 1 2 2115 5.7500000000000000e+01 0 -1 2116 - 6.5000000000000000e+00 -2 -3 2117 1399. - - 1.7543983459472656e-01 -5.9518599510192871e-01 - -6.6982376575469971e-01 3.6574700474739075e-01 - <_> - 6.4909034729003906e+01 - - 1 2 2118 2.7650000000000000e+02 0 -1 2119 2618. -2 -3 2120 - 4.3500000000000000e+01 - - 5.1149606704711914e-01 -7.5715744495391846e-01 - 5.4412230849266052e-02 -5.4240036010742188e-01 - <_> - 6.5523689270019531e+01 - - 1 2 2121 2.0850000000000000e+02 0 -1 2122 - 1.5000000000000000e+00 -2 -3 2123 2.1500000000000000e+01 - - 2.8490218520164490e-01 -4.3338671326637268e-01 - -4.2747175693511963e-01 6.1465066671371460e-01 - <_> - 6.5561706542968750e+01 - - 1 2 2124 212. 0 -1 2125 4.5500000000000000e+01 -2 -3 2126 - 2.5150000000000000e+02 - - -5.5702477693557739e-01 3.5860374569892883e-01 - -6.7760747671127319e-01 3.8017414510250092e-02 - <_> - 6.5649497985839844e+01 - - 1 2 2127 5.9500000000000000e+01 0 -1 2128 - 3.5000000000000000e+00 -2 -3 2129 6.5000000000000000e+00 - - -7.9711538553237915e-01 2.5381851196289062e-01 - 4.2455443739891052e-01 -1.7120632529258728e-01 - <_> - 6.5992294311523438e+01 - - 1 2 2130 3.5000000000000000e+00 0 -1 2131 - 1.6250000000000000e+02 -2 -3 2132 2.2500000000000000e+01 - - -3.3420738577842712e-01 6.4248228073120117e-01 - 6.8257737159729004e-01 -1.6899804770946503e-01 - <_> - 6.6213569641113281e+01 - - 1 2 2133 5.5000000000000000e+00 0 -1 2134 - 7.3500000000000000e+01 -2 -3 2135 9.4500000000000000e+01 - - 2.2127301990985870e-01 -7.9195356369018555e-01 - -6.8413102626800537e-01 8.0674022436141968e-01 - <_> - 6.5891929626464844e+01 - - 1 2 2136 5.1500000000000000e+01 0 -1 2137 - 3.5000000000000000e+00 -2 -3 2138 3.6750000000000000e+02 - - 3.1779468059539795e-01 -3.8076880574226379e-01 - 6.2580502033233643e-01 -3.2678863406181335e-01 - <_> - 6.5933746337890625e+01 - - 1 2 2139 1.1500000000000000e+01 0 -1 2140 - 2.5000000000000000e+00 -2 -3 2141 4.5000000000000000e+00 - - 1.1745031177997589e-01 -4.3131595849990845e-01 - 6.6705638170242310e-01 -2.3260143399238586e-01 - <_> - 6.5980415344238281e+01 - - 1 2 2142 3.5000000000000000e+00 0 -1 2143 - 2.5000000000000000e+00 -2 -3 2144 5.0000000000000000e-01 - - 7.7854001522064209e-01 -8.4415936470031738e-01 - 5.8085924386978149e-01 -2.8965638950467110e-02 - <_> - 6.5784027099609375e+01 - - 1 2 2145 4.7500000000000000e+01 0 -1 2146 - 2.5000000000000000e+00 -2 -3 2147 3.5000000000000000e+00 - - 3.7243506312370300e-01 -6.9404041767120361e-01 - 3.7178915739059448e-01 -1.9639030098915100e-01 - <_> - 6.6053306579589844e+01 - - 1 2 2148 4.7350000000000000e+02 0 -1 2149 - 4.7500000000000000e+01 -2 -3 2150 2.2500000000000000e+01 - - -3.7930485606193542e-01 2.6928251981735229e-01 - -6.6765409708023071e-01 4.6291077136993408e-01 - <_> - 6.6251876831054688e+01 - - 1 2 2151 1.7500000000000000e+01 0 -1 2152 - 3.2650000000000000e+02 -2 -3 2153 1.5500000000000000e+01 - - -1. 1.9857025146484375e-01 -6.2745827436447144e-01 - 4.3167012929916382e-01 - <_> - 6.6497039794921875e+01 - - 1 2 2154 2.8500000000000000e+01 0 -1 2155 - 2.6500000000000000e+01 -2 -3 2156 4.1500000000000000e+01 - - -8.1000304222106934e-01 6.9051915407180786e-01 - -2.8902414441108704e-01 4.2377713322639465e-01 - <_> - 6.6451217651367188e+01 - - 1 2 2157 4.1250000000000000e+02 0 -1 2158 - 1.6500000000000000e+01 -2 -3 2159 3.0650000000000000e+02 - - 2.3259440436959267e-02 -6.3648867607116699e-01 - 7.6639103889465332e-01 -1.8078628182411194e-01 - <_> - 6.6132827758789062e+01 - - 1 2 2160 2.1500000000000000e+01 0 -1 2161 - 8.7550000000000000e+02 -2 -3 2162 1.6500000000000000e+01 - - -3.3872911334037781e-01 2.7060332894325256e-01 - -6.3514488935470581e-01 9.0211552381515503e-01 - <_> - 6.6081367492675781e+01 - - 1 2 2163 5.7650000000000000e+02 0 -1 2164 681. -2 -3 2165 - 1.7175000000000000e+03 - - -7.8227895498275757e-01 8.6135381460189819e-01 - 8.2487636804580688e-01 -5.1461022347211838e-02 - <_> - 6.5997879028320312e+01 - - 1 2 2166 1.8500000000000000e+01 0 -1 2167 - 4.5000000000000000e+00 -2 -3 2168 3.5500000000000000e+01 - - -8.3486534655094147e-02 6.0638916492462158e-01 - -4.8585453629493713e-01 2.9007250070571899e-01 - <_> - 6.6484413146972656e+01 - - 1 2 2169 1.2995000000000000e+03 0 -1 2170 - 4.6065000000000000e+03 -2 -3 2171 2.5000000000000000e+00 - - -2.7341315150260925e-01 5.3913331031799316e-01 - 4.8653602600097656e-01 -4.5589551329612732e-01 - <_> - 6.6919540405273438e+01 - - 1 2 2172 2.8500000000000000e+01 0 -1 2173 143. -2 -3 2174 - 1.3500000000000000e+01 - - 4.0857741236686707e-01 -7.9653608798980713e-01 - 4.3512815237045288e-01 -1.2409269809722900e-01 - <_> - 6.6548828125000000e+01 - - 1 2 2175 3.6500000000000000e+01 0 -1 2176 - 3.8500000000000000e+01 -2 -3 2177 3.0015000000000000e+03 - - -3.7071618437767029e-01 3.0769228935241699e-01 - -5.6432120501995087e-02 7.5577193498611450e-01 - <_> - 6.6935661315917969e+01 - - 1 2 2178 221. 0 -1 2179 5.0000000000000000e-01 -2 -3 2180 - 6.5000000000000000e+00 - - 3.8683256506919861e-01 -1.6335722804069519e-01 - 3.1397402286529541e-01 -8.9784342050552368e-01 - <_> - 6.6811462402343750e+01 - - 1 2 2181 1.6500000000000000e+01 0 -1 2182 - 9.7500000000000000e+01 -2 -3 2183 4.5000000000000000e+00 - - 1.9564503431320190e-01 -6.8224984407424927e-01 - 3.6420011520385742e-01 -2.7474680542945862e-01 - <_> - 6.7206642150878906e+01 - - 1 2 2184 2.8150000000000000e+02 0 -1 2185 - 5.3500000000000000e+01 -2 -3 2186 2.1950000000000000e+02 - - 3.9518028497695923e-01 -7.5029599666595459e-01 - -4.5047336816787720e-01 4.4910728931427002e-01 - <_> - 6.6829307556152344e+01 - - 1 2 2187 6.2550000000000000e+02 0 -1 2188 - 2.7045000000000000e+03 -2 -3 2189 7.5250000000000000e+02 - - -1.0180658102035522e-01 4.7846919298171997e-01 - -9.1966360807418823e-01 -3.8947533816099167e-02 - <_> - 6.6750717163085938e+01 - - 1 2 2190 4.7350000000000000e+02 0 -1 2191 - 5.7500000000000000e+01 -2 -3 2192 5.0000000000000000e-01 - - -7.8587010502815247e-02 6.3941407203674316e-01 - 7.1196836233139038e-01 -7.2520041465759277e-01 - <_> - 6.7127670288085938e+01 - - 1 2 2193 2.5000000000000000e+00 0 -1 2194 - 1.5500000000000000e+01 -2 -3 2195 2.5000000000000000e+00 - - -4.7885441780090332e-01 3.2798525691032410e-01 - 8.6548590660095215e-01 5.7965524494647980e-02 - <_> - 6.7040710449218750e+01 - - 1 2 2196 2.5000000000000000e+00 0 -1 2197 - 1.9500000000000000e+01 -2 -3 2198 1.2500000000000000e+01 - - -5.5627369880676270e-01 5.8527511358261108e-01 - -5.7549017667770386e-01 6.9125495851039886e-02 - <_> - 6.7134475708007812e+01 - - 1 2 2199 2.5000000000000000e+00 0 -1 2200 - 1.4215000000000000e+03 -2 -3 2201 5.0000000000000000e-01 - - 3.7880736589431763e-01 -4.5164510607719421e-01 - 5.3598467260599136e-02 -5.7012593746185303e-01 - <_> - 6.7369125366210938e+01 - - 1 2 2202 5.5000000000000000e+00 0 -1 2203 - 5.5000000000000000e+00 -2 -3 2204 1.5000000000000000e+00 - - -9.4780540466308594e-01 7.3004895448684692e-01 - 6.4780569076538086e-01 -5.0393346697092056e-02 - <_> - 6.7813079833984375e+01 - - 1 2 2205 1.2500000000000000e+01 0 -1 2206 9948. -2 -3 2207 - 2.0450000000000000e+02 - - -4.2956997640430927e-03 -9.1839849948883057e-01 - -1.5275211632251740e-01 4.4395634531974792e-01 - <_> - 6.8058036804199219e+01 - - 1 2 2208 4.0500000000000000e+01 0 -1 2209 - 5.0000000000000000e-01 -2 -3 2210 4.7500000000000000e+01 - - 2.4495334923267365e-01 -9.5012718439102173e-01 - 1.7766039073467255e-01 -4.3439298868179321e-01 - <_> - 6.7814498901367188e+01 - - 1 2 2211 1.5500000000000000e+01 0 -1 2212 - 7.5000000000000000e+00 -2 -3 2213 1.4500000000000000e+01 - - 3.4375911951065063e-01 -6.9197601079940796e-01 - -7.6082307100296021e-01 2.3456893861293793e-01 - <_> - 6.7533103942871094e+01 - - 1 2 2214 8.1500000000000000e+01 0 -1 2215 - 1.1500000000000000e+01 -2 -3 2216 1.9500000000000000e+01 - - 2.6256918907165527e-01 -2.8139856457710266e-01 - -8.1822723150253296e-01 2.4620606005191803e-01 - <_> - 6.7985069274902344e+01 - - 1 2 2217 2.6500000000000000e+01 0 -1 2218 - 9.5000000000000000e+00 -2 -3 2219 4.5000000000000000e+00 - - -1.2688148021697998e-01 -9.2650556564331055e-01 - 4.5196792483329773e-01 -1.2886488437652588e-01 - <_> - 6.8211486816406250e+01 - - 1 2 2220 1.9500000000000000e+01 0 -1 2221 - 9.4500000000000000e+01 -2 -3 2222 1.8500000000000000e+01 - - -4.5716031454503536e-03 -9.2506814002990723e-01 - 2.2641468048095703e-01 -5.4319751262664795e-01 - <_> - 6.8062339782714844e+01 - - 1 2 2223 1.5000000000000000e+00 0 -1 2224 - 1.1350000000000000e+02 -2 -3 2225 3.5000000000000000e+00 - - -1.4914712309837341e-01 6.2766093015670776e-01 - 5.2602481842041016e-01 -3.3082970976829529e-01 - <_> - 6.8320228576660156e+01 - - 1 2 2226 6.7500000000000000e+01 0 -1 2227 - 4.5000000000000000e+00 -2 -3 2228 8.3350000000000000e+02 - - -7.0059794187545776e-01 2.5789487361907959e-01 - 2.8099337220191956e-01 -6.9175392389297485e-01 - <_> - 6.8181999206542969e+01 - - 1 2 2229 1.2500000000000000e+01 0 -1 2230 - 3.1350000000000000e+02 -2 -3 2231 9.4565000000000000e+03 - - 1.9189414381980896e-01 -3.9976862072944641e-01 - 5.6042033433914185e-01 -9.6583509445190430e-01 - <_> - 6.8313468933105469e+01 - - 1 2 2232 9.5000000000000000e+00 0 -1 2233 1313. -2 -3 2234 - 7.9450000000000000e+02 - - 6.0552877187728882e-01 -7.1993356943130493e-01 - -1.9865931570529938e-01 3.5071191191673279e-01 - <_> - 6.8655784606933594e+01 - - 1 2 2235 5.5000000000000000e+00 0 -1 2236 - 1.5500000000000000e+01 -2 -3 2237 4.2500000000000000e+01 - - -8.3366417884826660e-01 3.4231638908386230e-01 - -5.7617366313934326e-01 1.2723289430141449e-01 - <_> - 6.8312980651855469e+01 - - 1 2 2238 1.5000000000000000e+00 0 -1 2239 - 1.0500000000000000e+01 -2 -3 2240 3.2950000000000000e+02 - - -6.2311822175979614e-01 5.3832811117172241e-01 - -3.4280434250831604e-01 6.2301361560821533e-01 - <_> - 6.8748611450195312e+01 - - 1 2 2241 5.5000000000000000e+00 0 -1 2242 - 6.3500000000000000e+01 -2 -3 2243 1.4355000000000000e+03 - - 4.3563413619995117e-01 -7.9157996177673340e-01 - 6.3327491283416748e-02 -5.8212018013000488e-01 - <_> - 6.8442298889160156e+01 - - 1 2 2244 2.0500000000000000e+01 0 -1 2245 - 8.5000000000000000e+00 -2 -3 2246 1.3350000000000000e+02 - - -3.0631437897682190e-01 2.6373180747032166e-01 - 7.2269374132156372e-01 -8.2843840122222900e-01 - <_> - 6.8691452026367188e+01 - - 1 2 2247 5.8450000000000000e+02 0 -1 2248 1991. -2 -3 2249 - 1.9550000000000000e+02 - - -5.8844625949859619e-01 7.2171705961227417e-01 - 5.9379982948303223e-01 -8.8590703904628754e-02 - <_> - 6.8854362487792969e+01 - - 1 2 2250 2.2450000000000000e+02 0 -1 2251 - 3.5000000000000000e+00 -2 -3 2252 4.4500000000000000e+01 - - 4.1746988892555237e-01 -1.5201584994792938e-01 - -7.8322100639343262e-01 4.8759365081787109e-01 - <_> - 6.8978080749511719e+01 - - 1 2 2253 1.1350000000000000e+02 0 -1 2254 - 4.5000000000000000e+00 -2 -3 2255 4.5500000000000000e+01 - - 1.2371577322483063e-01 -6.8989777565002441e-01 - 3.5007947683334351e-01 -7.2059243917465210e-01 - <_> - 6.9356269836425781e+01 - - 1 2 2256 1.9500000000000000e+01 0 -1 2257 - 1.0500000000000000e+01 -2 -3 2258 1.3500000000000000e+01 - - 2.8434163331985474e-01 -4.2419987916946411e-01 - 5.7273209095001221e-01 -1.0273739695549011e-01 - <_> - 6.9808845520019531e+01 - - 1 2 2259 5.5000000000000000e+00 0 -1 2260 - 1.8500000000000000e+01 -2 -3 2261 1.5000000000000000e+00 - - -8.0742955207824707e-01 8.1550550460815430e-01 - 4.5257565379142761e-01 -1.1754118651151657e-01 - <_> - 6.9490539550781250e+01 - - 1 2 2262 5.3500000000000000e+01 0 -1 2263 80. -2 -3 2264 - 2.9500000000000000e+01 - - -5.4256713390350342e-01 5.4104971885681152e-01 - 3.5188353061676025e-01 -3.0036619305610657e-01 - <_> - 6.9366668701171875e+01 - - 1 2 2265 2.6065000000000000e+03 0 -1 2266 - 3.1350000000000000e+02 -2 -3 2267 5.5000000000000000e+00 - - -1.2386845052242279e-01 4.6345305442810059e-01 - 6.0491842031478882e-01 -9.4304585456848145e-01 - <_> - 6.9713836669921875e+01 - - 1 2 2268 1.7500000000000000e+01 0 -1 2269 - 2.5000000000000000e+00 -2 -3 2270 5.0000000000000000e-01 - - -8.5482913255691528e-01 3.4717017412185669e-01 - 1.7867124080657959e-01 -6.1432170867919922e-01 - <_> - 7.0036468505859375e+01 - - 1 2 2271 7.5000000000000000e+00 0 -1 2272 - 2.3500000000000000e+01 -2 -3 2273 1.5500000000000000e+01 - - -9.8486787080764771e-01 3.2262811064720154e-01 - -5.6460940837860107e-01 1.9223406910896301e-01 - <_> - 6.9981750488281250e+01 - - 1 2 2274 1.7250000000000000e+02 0 -1 2275 - 5.0000000000000000e-01 -2 -3 2276 5.6500000000000000e+01 - - 2.4282279610633850e-01 -3.6108613014221191e-01 - 5.9585607051849365e-01 -6.8952751159667969e-01 - <_> - 6.9557426452636719e+01 - - 1 2 2277 1.5000000000000000e+00 0 -1 2278 7. -2 -3 2279 - 4.2050000000000000e+02 - - 1. -7.2186136245727539e-01 2.3051606118679047e-01 - -4.9865522980690002e-01 - <_> - 6.9593688964843750e+01 - - 1 2 2280 3.5000000000000000e+00 0 -1 2281 - 5.5000000000000000e+00 -2 -3 2282 1.5000000000000000e+00 - - 3.6256898194551468e-02 -5.9310066699981689e-01 - 6.1099308729171753e-01 -5.2162308245897293e-02 - <_> - 6.9190055847167969e+01 - - 1 2 2283 5.0000000000000000e-01 0 -1 2284 - 1.5000000000000000e+00 -2 -3 2285 3.1950000000000000e+02 - - -5.6549012660980225e-01 4.1545909643173218e-01 - -4.0363189578056335e-01 6.4397597312927246e-01 - <_> - 6.9152801513671875e+01 - - 1 2 2286 1.2500000000000000e+01 0 -1 2287 - 1.3500000000000000e+01 -2 -3 2288 1.5000000000000000e+00 - - 8.4121584892272949e-02 -8.1945008039474487e-01 - 5.4119038581848145e-01 -3.7251871079206467e-02 - <_> - 6.9844085693359375e+01 - - 1 2 2289 4.1950000000000000e+02 0 -1 2290 3338. -2 -3 2291 - 1.7450000000000000e+02 - - -1.0648692399263382e-01 6.9128334522247314e-01 - -4.1935205459594727e-01 2.4380990862846375e-01 - <_> - 7.0174018859863281e+01 - - 1 2 2292 1.5500000000000000e+01 0 -1 2293 - 2.6500000000000000e+01 -2 -3 2294 1.5000000000000000e+00 - - -5.6438052654266357e-01 3.2993179559707642e-01 - 1.9468745589256287e-01 -5.9477233886718750e-01 - <_> - 7.0660224914550781e+01 - - 1 2 2295 1.0150000000000000e+02 0 -1 2296 - 5.0000000000000000e-01 -2 -3 2297 2.6500000000000000e+01 - - 4.8620355129241943e-01 -1.8835483491420746e-01 - -5.4727905988693237e-01 5.2561342716217041e-01 - <_> - 7.0732994079589844e+01 - - 1 2 2298 1.4450000000000000e+02 0 -1 2299 - 2.5000000000000000e+00 -2 -3 2300 1.5000000000000000e+00 - - 7.2770319879055023e-02 -6.6459918022155762e-01 - 4.1657650470733643e-01 -3.1872367858886719e-01 - <_> - 7.0376434326171875e+01 - - 1 2 2301 2.7750000000000000e+02 0 -1 2302 - 2.8500000000000000e+01 -2 -3 2303 2.2500000000000000e+01 - - -4.7953361272811890e-01 5.4570424556732178e-01 - 3.0004525184631348e-01 -3.5655823349952698e-01 - <_> - 7.0656318664550781e+01 - - 1 2 2304 5.8750000000000000e+02 0 -1 2305 - 1.0500000000000000e+01 -2 -3 2306 7.1500000000000000e+01 - - -1.0104954242706299e-01 -8.7880355119705200e-01 - -8.3692330121994019e-01 2.7988719940185547e-01 - <_> - 7.0784782409667969e+01 - - 1 2 2307 1.4500000000000000e+01 0 -1 2308 - 1.0450000000000000e+02 -2 -3 2309 67. - - 6.7218846082687378e-01 -3.5151880979537964e-01 - -6.5867102146148682e-01 4.6130353212356567e-01 - <_> - 7.0990669250488281e+01 - - 1 2 2310 334. 0 -1 2311 3.3500000000000000e+01 -2 -3 2312 - 8.1750000000000000e+02 - - -3.3783861994743347e-01 3.0199536681175232e-01 - -9.2741793394088745e-01 2.6250743865966797e-01 - <_> - 7.1334205627441406e+01 - - 1 2 2313 1.4500000000000000e+01 0 -1 2314 - 1.4500000000000000e+01 -2 -3 2315 3.6500000000000000e+01 - - -2.9965308308601379e-01 4.6802315115928650e-01 - -4.5157477259635925e-01 6.7555361986160278e-01 - <_> - 7.1500701904296875e+01 - - 1 2 2316 5.0000000000000000e-01 0 -1 2317 87. -2 -3 2318 - 5.5000000000000000e+00 - - 3.0542531609535217e-01 -5.7673245668411255e-01 - 2.7094784379005432e-01 -5.7631582021713257e-01 - <_> - 7.1793479919433594e+01 - - 1 2 2319 4.5000000000000000e+00 0 -1 2320 - 3.0500000000000000e+01 -2 -3 2321 1.8005000000000000e+03 - - -9.6369409561157227e-01 1. 2.9277887940406799e-01 - -2.4375233054161072e-01 - <_> - 7.1967315673828125e+01 - - 1 2 2322 2.5000000000000000e+00 0 -1 2323 4880. -2 -3 2324 - 3.2500000000000000e+01 - - 3.0087158083915710e-01 -5.3540611267089844e-01 - -6.9770932197570801e-01 -8.8338237255811691e-03 - <_> - 7.1673614501953125e+01 - - 1 2 2325 1.1500000000000000e+01 0 -1 2326 - 5.0000000000000000e-01 -2 -3 2327 2.5000000000000000e+00 - - 3.5899358987808228e-01 -5.2653604745864868e-01 - 5.8578026294708252e-01 -3.2805901020765305e-02 - <_> - 7.1711250305175781e+01 - - 1 2 2328 1.8500000000000000e+01 0 -1 2329 - 1.8050000000000000e+02 -2 -3 2330 35. - - 3.5447284579277039e-01 -5.9741777181625366e-01 - -7.3350757360458374e-01 2.8574359416961670e-01 - <_> - 7.1695281982421875e+01 - - 1 2 2331 2.0850000000000000e+02 0 -1 2332 1048. -2 -3 2333 - 5.5000000000000000e+00 - - -3.0666926503181458e-01 9.4038575887680054e-01 - -7.0172363519668579e-01 4.9131000041961670e-01 - <_> - 7.1706031799316406e+01 - - 1 2 2334 2.8850000000000000e+02 0 -1 2335 1736. -2 -3 2336 - 1.5000000000000000e+00 - - 1.0753270238637924e-02 7.3304736614227295e-01 - 5.3744524717330933e-01 -5.2062910795211792e-01 - <_> - 7.1823760986328125e+01 - - 1 2 2337 1.6500000000000000e+01 0 -1 2338 - 7.5000000000000000e+00 -2 -3 2339 1.5000000000000000e+00 - - -7.8876292705535889e-01 3.3360600471496582e-01 - 1.1772559583187103e-01 -5.7080477476119995e-01 - <_> - 7.2228584289550781e+01 - - 1 2 2340 2.5000000000000000e+00 0 -1 2341 - 4.6500000000000000e+01 -2 -3 2342 1.5250000000000000e+02 - - -2.1400362253189087e-01 4.0482848882675171e-01 - -6.2977635860443115e-01 3.5589864850044250e-01 - <_> - 7.2438087463378906e+01 - - 1 2 2343 1.6500000000000000e+01 0 -1 2344 3901. -2 -3 2345 - 2.7500000000000000e+01 - - 2.0950204133987427e-01 -5.5380266904830933e-01 - -7.4909400939941406e-01 5.2945792675018311e-01 - <_> - 7.2360771179199219e+01 - - 1 2 2346 2.4500000000000000e+01 0 -1 2347 - 7.5000000000000000e+00 -2 -3 2348 1.8500000000000000e+01 - - 3.7871867418289185e-01 -7.5313919782638550e-01 - 5.1331257820129395e-01 -9.7519315779209137e-02 - <_> - 7.1928703308105469e+01 - - 1 2 2349 8.0500000000000000e+01 0 -1 2350 - 8.6500000000000000e+01 -2 -3 2351 139. - - 5.2605316042900085e-02 -6.2711888551712036e-01 - -3.3864989876747131e-01 4.3293687701225281e-01 - <_> - 7.2465637207031250e+01 - - 1 2 2352 3.5000000000000000e+00 0 -1 2353 - 3.5000000000000000e+00 -2 -3 2354 458. - - -8.2156580686569214e-01 5.3693503141403198e-01 - -7.5703012943267822e-01 7.3093846440315247e-03 - <_> - 7.2306266784667969e+01 - - 1 2 2355 1.5000000000000000e+00 0 -1 2356 - 2.2500000000000000e+01 -2 -3 2357 5.0000000000000000e-01 - - -8.8483113050460815e-01 2.5380238890647888e-01 - 1.9247277081012726e-01 -5.5495434999465942e-01 - <_> - 7.2351318359375000e+01 - - 1 2 2358 5.0000000000000000e-01 0 -1 2359 - 1.1500000000000000e+01 -2 -3 2360 2.0550000000000000e+02 - - -6.4710837602615356e-01 3.3967879414558411e-01 - 4.5056350529193878e-02 -6.6342002153396606e-01 - <_> - 7.2549964904785156e+01 - - 1 2 2361 3.1500000000000000e+01 0 -1 2362 - 5.5000000000000000e+00 -2 -3 2363 1.1150000000000000e+02 - - -9.2634866014122963e-03 -5.6539881229400635e-01 - 5.9193736314773560e-01 -6.0422807931900024e-01 - <_> - 7.2340164184570312e+01 - - 1 2 2364 1.4550000000000000e+02 0 -1 2365 87. -2 -3 2366 - 2.0500000000000000e+01 - - 7.1558344364166260e-01 -6.7444592714309692e-01 - 2.4655258655548096e-01 -4.4633221626281738e-01 - <_> - 7.2298965454101562e+01 - - 1 2 2367 5.0000000000000000e-01 0 -1 2368 - 1.6500000000000000e+01 -2 -3 2369 1.1650000000000000e+02 - - -6.4155972003936768e-01 5.6763589382171631e-01 - 4.5910947024822235e-02 -5.7516378164291382e-01 - <_> - 7.2460647583007812e+01 - - 1 2 2370 1.0500000000000000e+01 0 -1 2371 776. -2 -3 2372 - 3.0350000000000000e+02 - - 1. -7.5311285257339478e-01 1.6168554127216339e-01 - -9.7889220714569092e-01 - <_> - 7.2329025268554688e+01 - - 1 2 2373 6.8250000000000000e+02 0 -1 2374 - 9.8350000000000000e+02 -2 -3 2375 8.4550000000000000e+02 - - -5.8907532691955566e-01 6.2361657619476318e-01 - 6.0256063938140869e-01 -1.3162477314472198e-01 - <_> - 7.2692337036132812e+01 - - 1 2 2376 9.5000000000000000e+00 0 -1 2377 587. -2 -3 2378 - 6.2850000000000000e+02 - - 1.8354943394660950e-01 -6.3397884368896484e-01 - 3.6331036686897278e-01 -4.3740653991699219e-01 - <_> - 7.3099296569824219e+01 - - 1 2 2379 5.0000000000000000e-01 0 -1 2380 - 5.5000000000000000e+00 -2 -3 2381 1.5000000000000000e+00 - - 4.0695956349372864e-01 -2.3705665767192841e-01 - 5.4972708225250244e-01 -5.1312422752380371e-01 - <_> - 7.3302726745605469e+01 - - 1 2 2382 8.7050000000000000e+02 0 -1 2383 - 1.5000000000000000e+00 -2 -3 2384 2.9500000000000000e+01 - - 3.9779379963874817e-01 -6.3519412279129028e-01 - -8.4823501110076904e-01 3.2447892427444458e-01 - <_> - 7.3023147583007812e+01 - - 1 2 2385 5.0000000000000000e-01 0 -1 2386 - 3.8500000000000000e+01 -2 -3 2387 1.5775000000000000e+03 - - -2.5971448421478271e-01 5.4386669397354126e-01 - -4.0062361955642700e-01 4.5868498086929321e-01 - <_> - 7.3163795471191406e+01 - - 1 2 2388 2.7500000000000000e+01 0 -1 2389 - 5.0000000000000000e-01 -2 -3 2390 4.6500000000000000e+01 - - 1.4064319431781769e-01 -4.5721408724784851e-01 - 8.3929353952407837e-01 -5.6752306222915649e-01 - <_> - 7.3411483764648438e+01 - - 1 2 2391 3.5000000000000000e+00 0 -1 2392 21. -2 -3 2393 - 1.0850000000000000e+02 - - -7.8916430473327637e-01 1. 2.4769315123558044e-01 - -4.8368823528289795e-01 - <_> - 7.3806152343750000e+01 - - 1 2 2394 6.5000000000000000e+00 0 -1 2395 - 2.2500000000000000e+01 -2 -3 2396 1.9500000000000000e+01 - - -4.2384034395217896e-01 3.9466390013694763e-01 - 1.2428787350654602e-01 -5.8119755983352661e-01 - <_> - 7.3893051147460938e+01 - - 1 2 2397 6.2500000000000000e+01 0 -1 2398 - 2.5000000000000000e+00 -2 -3 2399 8.5000000000000000e+00 - - 8.6900889873504639e-02 -5.0835818052291870e-01 - 6.4387518167495728e-01 -3.4420084953308105e-01 - <_> - 7.4370101928710938e+01 - - 1 2 2400 2.0250000000000000e+02 0 -1 2401 - 2.6500000000000000e+01 -2 -3 2402 1.0250000000000000e+02 - - -3.3534547686576843e-01 7.1747875213623047e-01 - 5.8294051885604858e-01 -2.0199438929557800e-01 - <_> - 7.3817878723144531e+01 - - 1 2 2403 2.2250000000000000e+02 0 -1 2404 495. -2 -3 2405 - 1.1150000000000000e+02 - - -9.2125439643859863e-01 4.6380558609962463e-01 - -8.2408124208450317e-01 -5.1385825499892235e-03 - <_> - 7.4274734497070312e+01 - - 1 2 2406 5.0000000000000000e-01 0 -1 2407 - 6.5000000000000000e+00 -2 -3 2408 4.5000000000000000e+00 - - -5.4510724544525146e-01 4.5685729384422302e-01 - -4.1785773634910583e-01 3.7173369526863098e-01 - <_> - 7.4214447021484375e+01 - - 1 2 2409 4.3515000000000000e+03 0 -1 2410 - 7.1850000000000000e+02 -2 -3 2411 6.1445000000000000e+03 - - -5.5608157068490982e-02 6.8498140573501587e-01 - -8.1597936153411865e-01 -6.0283310711383820e-02 - <_> - 7.4526939392089844e+01 - - 1 2 2412 1.5000000000000000e+00 0 -1 2413 - 4.5000000000000000e+00 -2 -3 2414 1.7500000000000000e+01 - - -2.5446805357933044e-01 8.0654889345169067e-01 - 4.4617369771003723e-02 -4.9571081995964050e-01 - <_> - 7.4664260864257812e+01 - - 1 2 2415 2.1500000000000000e+01 0 -1 2416 - 9.5000000000000000e+00 -2 -3 2417 5.0000000000000000e-01 - - 2.5834673643112183e-01 -6.3097542524337769e-01 - 5.6628465652465820e-01 -1.0652445256710052e-01 - <_> - 7.4835792541503906e+01 - - 1 2 2418 1.9500000000000000e+01 0 -1 2419 - 2.1650000000000000e+02 -2 -3 2420 3.5000000000000000e+00 - - -3.4473347663879395e-01 3.5953617095947266e-01 - -7.8647011518478394e-01 4.7845369577407837e-01 - <_> - 7.5001464843750000e+01 - - 1 2 2421 4.3350000000000000e+02 0 -1 2422 - 9.5000000000000000e+00 -2 -3 2423 5.0000000000000000e-01 - - -7.6833075284957886e-01 1.6567093133926392e-01 1. - -9.3112909793853760e-01 - <_> - 7.5096672058105469e+01 - - 1 2 2424 1.9500000000000000e+01 0 -1 2425 - 2.5500000000000000e+01 -2 -3 2426 2.5165000000000000e+03 - - -7.1183577179908752e-02 5.7713252305984497e-01 - -7.3037630319595337e-01 9.5210477709770203e-02 - <_> - 7.4955039978027344e+01 - - 1 2 2427 5.5000000000000000e+00 0 -1 2428 - 8.0500000000000000e+01 -2 -3 2429 4.0500000000000000e+01 - - 3.1543654203414917e-01 -5.0912439823150635e-01 - -6.9998091459274292e-01 1.5216259658336639e-01 - <_> - 7.4920089721679688e+01 - - 1 2 2430 1.1215000000000000e+03 0 -1 2431 - 3.8850000000000000e+02 -2 -3 2432 4.1195000000000000e+03 - - 4.6712434291839600e-01 -4.7107401490211487e-01 - -8.0701512098312378e-01 -4.6098276972770691e-02 - <_> - 7.4982124328613281e+01 - - 1 2 2433 1.8500000000000000e+01 0 -1 2434 - 3.5500000000000000e+01 -2 -3 2435 3.5000000000000000e+00 - - -3.7868845462799072e-01 5.3733342885971069e-01 - 5.9916520118713379e-01 -1.3988719880580902e-01 - <_> - 7.5354972839355469e+01 - - 1 2 2436 2.5000000000000000e+00 0 -1 2437 - 4.5000000000000000e+00 -2 -3 2438 2.3500000000000000e+01 - - 3.7731003016233444e-02 -8.0526626110076904e-01 - 4.1983363032341003e-01 -1.6427561640739441e-01 - <_> - 7.5353942871093750e+01 - - 1 2 2439 3.8500000000000000e+01 0 -1 2440 - 5.0000000000000000e-01 -2 -3 2441 1.5250000000000000e+02 - - 4.1628280282020569e-01 -5.9752076864242554e-01 - 2.2085283696651459e-01 -7.8762036561965942e-01 - <_> - 7.4907821655273438e+01 - - 1 2 2442 9.5000000000000000e+00 0 -1 2443 - 5.5000000000000000e+00 -2 -3 2444 1.3500000000000000e+01 - - -6.2543123960494995e-01 2.9037654399871826e-01 - -6.6800427436828613e-01 2.3413531482219696e-01 - <_> - 7.5347267150878906e+01 - - 1 2 2445 5.0000000000000000e-01 0 -1 2446 - 7.5000000000000000e+00 -2 -3 2447 1.5000000000000000e+00 - - -7.7953171730041504e-01 4.3944290280342102e-01 - 2.1482174098491669e-01 -4.5657783746719360e-01 - <_> - 7.5632286071777344e+01 - - 1 2 2448 1.8500000000000000e+01 0 -1 2449 - 1.0500000000000000e+01 -2 -3 2450 3.7500000000000000e+01 - - -3.2795214653015137e-01 2.8501552343368530e-01 - -7.3039668798446655e-01 3.0266335606575012e-01 - <_> - 7.5784385681152344e+01 - - 1 2 2451 5.0000000000000000e-01 0 -1 2452 - 4.5000000000000000e+00 -2 -3 2453 9.5500000000000000e+01 - - -7.9435759782791138e-01 2.8812354803085327e-01 - 3.0145803093910217e-01 -5.5056422948837280e-01 - <_> - 7.5934288024902344e+01 - - 1 2 2454 1.2500000000000000e+01 0 -1 2455 - 1.1500000000000000e+01 -2 -3 2456 9.5000000000000000e+00 - - -5.4109108448028564e-01 3.4966334700584412e-01 - 2.2563920915126801e-01 -6.0146200656890869e-01 - <_> - 7.5664039611816406e+01 - - 1 2 2457 1.5000000000000000e+00 0 -1 2458 - 2.0500000000000000e+01 -2 -3 2459 1.7500000000000000e+01 - - -6.3995569944381714e-02 5.8523094654083252e-01 - -6.0602784156799316e-01 9.1935232281684875e-02 - <_> - 7.5729660034179688e+01 - - 1 2 2460 5.0000000000000000e-01 0 -1 2461 - 1.5000000000000000e+00 -2 -3 2462 5.7500000000000000e+01 - - -3.9503663778305054e-01 6.0793364048004150e-01 - -5.8376723527908325e-01 2.0124232396483421e-02 - <_> - 7.6041374206542969e+01 - - 1 2 2463 2.5000000000000000e+00 0 -1 2464 - 4.5850000000000000e+02 -2 -3 2465 2.8500000000000000e+01 - - 3.1171244382858276e-01 -1. -6.6108351945877075e-01 - 2.7302114292979240e-02 - <_> - 7.5795768737792969e+01 - - 1 2 2466 1.9650000000000000e+02 0 -1 2467 - 6.2950000000000000e+02 -2 -3 2468 8.3500000000000000e+01 - - -2.5152391195297241e-01 6.5583813190460205e-01 - -7.8791797161102295e-01 9.4210775569081306e-04 - <_> - 7.5857429504394531e+01 - - 1 2 2469 4.5000000000000000e+00 0 -1 2470 - 8.0500000000000000e+01 -2 -3 2471 1.1845000000000000e+03 - - 4.5618292689323425e-01 -2.6651117205619812e-01 - 6.1658360064029694e-02 -5.8446490764617920e-01 - <_> - 7.6416542053222656e+01 - - 1 2 2472 4.0950000000000000e+02 0 -1 2473 - 1.5950000000000000e+02 -2 -3 2474 3.6500000000000000e+01 - - -3.3679732680320740e-01 6.7494618892669678e-01 - -5.3805744647979736e-01 5.5911004543304443e-01 - <_> - 7.5964401245117188e+01 - - 1 2 2475 2159. 0 -1 2476 9.5000000000000000e+00 -2 -3 2477 - 2.7550000000000000e+02 - - -9.7294098138809204e-01 3.4394034743309021e-01 - 7.5755751132965088e-01 -4.5213976502418518e-01 - <_> - 7.6349334716796875e+01 - - 1 2 2478 5.0000000000000000e-01 0 -1 2479 109. -2 -3 2480 - 7.5000000000000000e+00 - - -8.3041268587112427e-01 3.8493672013282776e-01 - 1.9105611741542816e-01 -5.4174506664276123e-01 - <_> - 7.6266555786132812e+01 - - 1 2 2481 5.7850000000000000e+02 0 -1 2482 - 1.5000000000000000e+00 -2 -3 2483 2.8750000000000000e+02 - - 5.4517310857772827e-01 -8.3548069000244141e-01 - 5.4728341102600098e-01 -8.2781173288822174e-02 - <_> - 7.6401138305664062e+01 - - 1 2 2484 3.9500000000000000e+01 0 -1 2485 - 4.8500000000000000e+01 -2 -3 2486 1.5450000000000000e+02 - - -3.2842093706130981e-01 4.5771333575248718e-01 - 5.4719090461730957e-01 -5.5783140659332275e-01 - <_> - 7.6629852294921875e+01 - - 1 2 2487 5.0000000000000000e-01 0 -1 2488 - 9.8695000000000000e+03 -2 -3 2489 6.5000000000000000e+00 - - 3.5277694463729858e-01 -8.9051485061645508e-01 - 1.5630321204662323e-01 -5.0492966175079346e-01 - <_> - 7.7012748718261719e+01 - - 1 2 2490 3.4250000000000000e+02 0 -1 2491 - 5.0000000000000000e-01 -2 -3 2492 1.0500000000000000e+01 - - 6.1497741937637329e-01 -4.2811819911003113e-01 - -6.7799770832061768e-01 3.8289925456047058e-01 - <_> - 7.7173255920410156e+01 - - 1 2 2493 6.3500000000000000e+01 0 -1 2494 - 4.2500000000000000e+01 -2 -3 2495 1.0450000000000000e+02 - - -7.6624304056167603e-01 1.6050516068935394e-01 - -9.2148023843765259e-01 7.9243576526641846e-01 - <_> - 7.7233604431152344e+01 - - 1 2 2496 3.5000000000000000e+00 0 -1 2497 - 2.9500000000000000e+01 -2 -3 2498 9.5000000000000000e+00 - - 4.3042707443237305e-01 -7.0397478342056274e-01 - -5.7992899417877197e-01 6.0347892343997955e-02 - <_> - 7.7677680969238281e+01 - - 1 2 2499 7.7750000000000000e+02 0 -1 2500 - 3.5000000000000000e+00 -2 -3 2501 3.9050000000000000e+02 - - 2.6784166693687439e-01 -7.3122310638427734e-01 - 6.9813531637191772e-01 -5.0064746290445328e-02 - <_> - 7.7810462951660156e+01 - - 1 2 2502 1.2500000000000000e+01 0 -1 2503 46. -2 -3 2504 - 4.7550000000000000e+02 - - 7.4502938985824585e-01 -9.3451422452926636e-01 - 1.7553819715976715e-01 -6.0448014736175537e-01 - <_> - 7.8011604309082031e+01 - - 1 2 2505 5.0000000000000000e-01 0 -1 2506 - 1.5000000000000000e+00 -2 -3 2507 2.1500000000000000e+01 - - 5.5112600326538086e-01 -7.1465468406677246e-01 - -6.2684929370880127e-01 2.0114150643348694e-01 - <_> - 7.7726852416992188e+01 - - 1 2 2508 2.5000000000000000e+00 0 -1 2509 - 1.5000000000000000e+00 -2 -3 2510 2.2275000000000000e+03 - - -6.1417835950851440e-01 6.4539062976837158e-01 - 2.3531807959079742e-01 -3.7372583150863647e-01 - <_> - 7.7838409423828125e+01 - - 1 2 2511 4.0435000000000000e+03 0 -1 2512 - 1.6050000000000000e+02 -2 -3 2513 12334. - - -3.2763364911079407e-01 7.1799826622009277e-01 - 4.0013375878334045e-01 -8.6134457588195801e-01 - <_> - 7.7509208679199219e+01 - - 1 2 2514 5.0000000000000000e-01 0 -1 2515 - 3.5000000000000000e+00 -2 -3 2516 4.1050000000000000e+02 - - -5.3890359401702881e-01 3.9034625887870789e-01 - 3.8619524240493774e-01 -5.2792149782180786e-01 - <_> - 7.7868835449218750e+01 - - 1 2 2517 5.0000000000000000e-01 0 -1 2518 - 4.5000000000000000e+00 -2 -3 2519 5.0000000000000000e-01 - - -4.3116971850395203e-01 3.5963350534439087e-01 - 3.4538099169731140e-01 -4.9176117777824402e-01 - <_> - 7.8107124328613281e+01 - - 1 2 2520 8.5000000000000000e+00 0 -1 2521 303. -2 -3 2522 - 1.3550000000000000e+02 - - 3.4497961401939392e-01 -3.9331153035163879e-01 - 6.7525440454483032e-01 -6.4588183164596558e-01 - <_> - 7.7949096679687500e+01 - - 1 2 2523 4.5000000000000000e+00 0 -1 2524 - 4.4500000000000000e+01 -2 -3 2525 9.5000000000000000e+00 - - -8.7561493273824453e-04 6.5230095386505127e-01 - -5.9499686956405640e-01 2.8807112574577332e-01 - <_> - 7.7715606689453125e+01 - - 1 2 2526 5.7500000000000000e+01 0 -1 2527 - 1.9500000000000000e+01 -2 -3 2528 4.5000000000000000e+00 - - -2.3348997533321381e-01 3.4078663587570190e-01 - 8.8998430967330933e-01 -8.2743632793426514e-01 - <_> - 7.7412117004394531e+01 - - 1 2 2529 1.5500000000000000e+01 0 -1 2530 - 7.5000000000000000e+00 -2 -3 2531 1.2500000000000000e+01 - - -8.8361167907714844e-01 4.6851965785026550e-01 - 7.6548218727111816e-01 -3.4992104768753052e-01 - <_> - 7.7919708251953125e+01 - - 1 2 2532 1.4500000000000000e+01 0 -1 2533 - 4.3250000000000000e+02 -2 -3 2534 1.5000000000000000e+00 - - 1.6036920249462128e-01 -4.6338194608688354e-01 - -7.4071860313415527e-01 5.0758624076843262e-01 - <_> - 7.7726272583007812e+01 - - 1 2 2535 8.0500000000000000e+01 0 -1 2536 - 3.7500000000000000e+01 -2 -3 2537 2.5000000000000000e+00 - - -1.9343656301498413e-01 3.6727836728096008e-01 1. - -8.6589008569717407e-01 - <_> - 7.8272102355957031e+01 - - 1 2 2538 5.0000000000000000e-01 0 -1 2539 - 4.5000000000000000e+00 -2 -3 2540 658. - - -5.3998571634292603e-01 5.4582929611206055e-01 - -3.1522071361541748e-01 7.1490818262100220e-01 - <_> - 7.8563529968261719e+01 - - 1 2 2541 4.5000000000000000e+00 0 -1 2542 - 1.4500000000000000e+01 -2 -3 2543 1.6500000000000000e+01 - - 5.0465071201324463e-01 -4.6871420741081238e-01 - 5.3199578076601028e-02 -5.5464112758636475e-01 - <_> - 7.8416564941406250e+01 - - 1 2 2544 1.3450000000000000e+02 0 -1 2545 - 1.9500000000000000e+01 -2 -3 2546 3.5000000000000000e+00 - - -8.7330028414726257e-02 -7.5999724864959717e-01 - 5.3803235292434692e-01 -1.4696989953517914e-01 - <_> - 7.8487602233886719e+01 - - 1 2 2547 6.5000000000000000e+00 0 -1 2548 - 5.0000000000000000e-01 -2 -3 2549 1.7500000000000000e+01 - - 7.1036763489246368e-02 -7.1582734584808350e-01 - 5.4787242412567139e-01 -1.1151381582021713e-01 - <_> - 7.8819152832031250e+01 - - 1 2 2550 2.0750000000000000e+02 0 -1 2551 - 2.0735000000000000e+03 -2 -3 2552 4304. - - 2.2555717825889587e-01 -4.1814169287681580e-01 - 6.8767857551574707e-01 -2.6335984468460083e-01 - <_> - 7.9293106079101562e+01 - - 1 2 2553 1.8500000000000000e+01 0 -1 2554 - 4.1500000000000000e+01 -2 -3 2555 1.8500000000000000e+01 - - -8.1884217262268066e-01 1. 4.7395563125610352e-01 - -1.8633662164211273e-01 - <_> - 7.9529563903808594e+01 - - 1 2 2556 3.3500000000000000e+01 0 -1 2557 - 1.9850000000000000e+02 -2 -3 2558 1.3050000000000000e+02 - - 5.9216380119323730e-01 -7.9069614410400391e-01 - 2.3645764589309692e-01 -5.4375654458999634e-01 - <_> - 7.9264884948730469e+01 - - 1 2 2559 5.2500000000000000e+01 0 -1 2560 - 6.0500000000000000e+01 -2 -3 2561 3.1500000000000000e+01 - - 9.8454810678958893e-02 -6.2080347537994385e-01 - 3.8626289367675781e-01 -4.1950720548629761e-01 - <_> - 7.9011604309082031e+01 - - 1 2 2562 2.9550000000000000e+02 0 -1 2563 - 3.9500000000000000e+01 -2 -3 2564 2.5000000000000000e+00 - - -6.1641591787338257e-01 2.5828385353088379e-01 - 6.0895466804504395e-01 -5.8573886752128601e-02 - <_> - 7.9083618164062500e+01 - - 1 2 2565 2.8500000000000000e+01 0 -1 2566 - 5.0000000000000000e-01 -2 -3 2567 5.5000000000000000e+00 - - -3.0742061138153076e-01 2.8055912256240845e-01 - -7.9475212097167969e-01 8.2691472768783569e-01 - <_> - 7.9463661193847656e+01 - - 1 2 2568 5.0000000000000000e-01 0 -1 2569 - 1.5000000000000000e+00 -2 -3 2570 6.3050000000000000e+02 - - -1.2270902097225189e-01 7.1463072299957275e-01 - -4.2850509285926819e-01 2.2205479443073273e-01 - <_> - 7.9607894897460938e+01 - - 1 2 2571 3.5000000000000000e+00 0 -1 2572 - 3.5000000000000000e+00 -2 -3 2573 5.0000000000000000e-01 - - -9.3542063236236572e-01 5.4489326477050781e-01 - 2.0372124016284943e-01 -3.9889475703239441e-01 - <_> - 7.9263900756835938e+01 - - 1 2 2574 2.7950000000000000e+02 0 -1 2575 13730. -2 -3 2576 - 7.5000000000000000e+00 - - -7.3570191860198975e-02 7.3383468389511108e-01 - 4.3032327294349670e-01 -3.4399634599685669e-01 - <_> - 7.9479598999023438e+01 - - 1 2 2577 3.5000000000000000e+00 0 -1 2578 - 1.6500000000000000e+01 -2 -3 2579 168. - - 5.7104247808456421e-01 -8.0473148822784424e-01 - 2.1569329500198364e-01 -8.4493541717529297e-01 - <_> - 7.9719924926757812e+01 - - 1 2 2580 1.8500000000000000e+01 0 -1 2581 - 2.5500000000000000e+01 -2 -3 2582 5.8750000000000000e+02 - - -7.7445679903030396e-01 8.1580907106399536e-01 - -3.5785317420959473e-01 2.4033224582672119e-01 - <_> - 7.9651489257812500e+01 - - 1 2 2583 1.9750000000000000e+02 0 -1 2584 - 2.9845000000000000e+03 -2 -3 2585 8.7950000000000000e+02 - - -6.2534831464290619e-02 6.7511278390884399e-01 - 5.5172812938690186e-01 -4.6909588575363159e-01 - <_> - 7.9875663757324219e+01 - - 1 2 2586 4.3500000000000000e+01 0 -1 2587 - 3.0350000000000000e+02 -2 -3 2588 1.5000000000000000e+00 - - -9.0566140413284302e-01 2.2416961193084717e-01 - 6.5261769294738770e-01 -7.8972738981246948e-01 - <_> - 7.9825202941894531e+01 - - 1 2 2589 1.8500000000000000e+01 0 -1 2590 - 7.8500000000000000e+01 -2 -3 2591 5.5000000000000000e+00 - - -5.0458520650863647e-02 6.2098169326782227e-01 - -6.2433195114135742e-01 7.0211088657379150e-01 - <_> - 7.9897819519042969e+01 - - 1 2 2592 5.0000000000000000e-01 0 -1 2593 - 7.5000000000000000e+00 -2 -3 2594 3.6500000000000000e+01 - - -4.5179387927055359e-01 4.7666555643081665e-01 - -5.4754704236984253e-01 7.9487584531307220e-02 - <_> - 8.0220909118652344e+01 - - 1 2 2595 1.5000000000000000e+00 0 -1 2596 - 3.5000000000000000e+00 -2 -3 2597 2.3025000000000000e+03 - - 5.9295910596847534e-01 -4.7368842363357544e-01 - 3.2309135794639587e-01 -3.6595731973648071e-01 - <_> - 8.0416793823242188e+01 - - 1 2 2598 5.7650000000000000e+02 0 -1 2599 - 6.8250000000000000e+02 -2 -3 2600 423. - - -8.3457779884338379e-01 9.4248223304748535e-01 - 1.9588518142700195e-01 -8.9797055721282959e-01 - <_> - 8.0621925354003906e+01 - - 1 2 2601 4.3500000000000000e+01 0 -1 2602 - 4.5000000000000000e+00 -2 -3 2603 1.6500000000000000e+01 - - 5.7445579767227173e-01 -7.1823668479919434e-01 - -8.5307145118713379e-01 2.0513093471527100e-01 - <_> - 8.0483642578125000e+01 - - 1 2 2604 1.5000000000000000e+00 0 -1 2605 - 1.3500000000000000e+01 -2 -3 2606 1.5000000000000000e+00 - - -8.1219720840454102e-01 2.1613596379756927e-01 - 8.3621460199356079e-01 -6.8892109394073486e-01 - <_> - 8.0708099365234375e+01 - - 1 2 2607 1.5000000000000000e+00 0 -1 2608 - 1.5000000000000000e+00 -2 -3 2609 1.5000000000000000e+00 - - -4.5658573508262634e-01 4.5419740676879883e-01 - 3.7913042306900024e-01 -4.2572236061096191e-01 - <_> - 8.0967964172363281e+01 - - 1 2 2610 1.7225000000000000e+03 0 -1 2611 904. -2 -3 2612 - 48. - - -4.9103862047195435e-01 2.5986543297767639e-01 - -6.5187561511993408e-01 7.3263108730316162e-01 - <_> - 8.1015785217285156e+01 - - 1 2 2613 8.5500000000000000e+01 0 -1 2614 - 3.2500000000000000e+01 -2 -3 2615 1.6500000000000000e+01 - - 3.0590304732322693e-01 -6.0726463794708252e-01 - 4.5478045940399170e-01 -2.1701261401176453e-01 - <_> - 8.1222023010253906e+01 - - 1 2 2616 1.1500000000000000e+01 0 -1 2617 - 3.5000000000000000e+00 -2 -3 2618 570. - - 4.0577322244644165e-01 -2.8158581256866455e-01 - -7.0219916105270386e-01 7.8437590599060059e-01 - <_> - 8.1114990234375000e+01 - - 1 2 2619 1.5000000000000000e+00 0 -1 2620 - 5.0000000000000000e-01 -2 -3 2621 5.0000000000000000e-01 - - 4.7717106342315674e-01 -8.8117665052413940e-01 - 3.8160988688468933e-01 -1.6836205124855042e-01 - <_> - 8.0563499450683594e+01 - - 1 2 2622 2.5500000000000000e+01 0 -1 2623 - 1.2500000000000000e+01 -2 -3 2624 5.9500000000000000e+01 - - -5.5149054527282715e-01 3.2653099298477173e-01 - 3.5567849874496460e-01 -6.7506045103073120e-01 - <_> - 8.1009407043457031e+01 - - 1 2 2625 3.5000000000000000e+00 0 -1 2626 - 2.2985000000000000e+03 -2 -3 2627 5.5000000000000000e+00 - - 4.4590899348258972e-01 -2.8159150481224060e-01 - -5.6732189655303955e-01 2.0876012742519379e-01 - <_> - 8.1270759582519531e+01 - - 1 2 2628 1.3500000000000000e+01 0 -1 2629 - 4.4500000000000000e+01 -2 -3 2630 3.9500000000000000e+01 - - 1.7286604642868042e-01 -7.5421804189682007e-01 - 2.6134765148162842e-01 -5.9037572145462036e-01 - <_> - 8.1395576477050781e+01 - - 1 2 2631 4.4750000000000000e+02 0 -1 2632 - 1.9500000000000000e+01 -2 -3 2633 2.7965000000000000e+03 - - 1.2481955438852310e-01 -4.5122003555297852e-01 - 7.7366709709167480e-01 -3.6004805564880371e-01 - <_> - 8.1301132202148438e+01 - - 1 2 2634 2.5000000000000000e+00 0 -1 2635 6. -2 -3 2636 - 1.3995000000000000e+03 - - 1. -1. 4.4335600733757019e-01 -9.4446659088134766e-02 - <_> - 8.1370132446289062e+01 - - 1 2 2637 4.1250000000000000e+02 0 -1 2638 - 1.5000000000000000e+00 -2 -3 2639 7.5000000000000000e+00 - - 6.9000430405139923e-02 -4.9422886967658997e-01 - -9.1928571462631226e-01 4.6428659558296204e-01 - <_> - 8.1621879577636719e+01 - - 1 2 2640 2.8500000000000000e+01 0 -1 2641 - 2.6500000000000000e+01 -2 -3 2642 1.5500000000000000e+01 - - -4.7164541482925415e-01 2.5174945592880249e-01 - 1.3210830092430115e-01 -8.8470876216888428e-01 - <_> - 8.2271644592285156e+01 - - 1 2 2643 2.5000000000000000e+00 0 -1 2644 - 1.0500000000000000e+01 -2 -3 2645 86. - - -6.9350771605968475e-02 6.4976197481155396e-01 - -7.7881592512130737e-01 -6.0378432273864746e-02 - <_> - 8.2486991882324219e+01 - - 1 2 2646 2.7500000000000000e+01 0 -1 2647 - 4.5000000000000000e+00 -2 -3 2648 6.5000000000000000e+00 - - -8.2361882925033569e-01 3.2168322801589966e-01 - 2.4581556022167206e-01 -5.5088657140731812e-01 - <_> - 8.2648330688476562e+01 - - 1 2 2649 1.1500000000000000e+01 0 -1 2650 - 2.5000000000000000e+00 -2 -3 2651 552. - - 5.5005900561809540e-02 -6.6145080327987671e-01 - -9.3321514129638672e-01 2.9643073678016663e-01 - <_> - 8.2730377197265625e+01 - - 1 2 2652 1835. 0 -1 2653 9026. -2 -3 2654 - 5.0000000000000000e-01 - - -8.2883286476135254e-01 9.0321773290634155e-01 - 8.2042239606380463e-02 -4.4094491004943848e-01 - <_> - 8.2976600646972656e+01 - - 1 2 2655 7.5000000000000000e+00 0 -1 2656 27. -2 -3 2657 - 7.7500000000000000e+01 - - -6.6883772611618042e-01 8.2824200391769409e-01 - 2.4622967839241028e-01 -7.1693640947341919e-01 - <_> - 8.2621650695800781e+01 - - 1 2 2658 8.5000000000000000e+00 0 -1 2659 - 5.0000000000000000e-01 -2 -3 2660 55. - - 2.1821559965610504e-01 -3.5495325922966003e-01 - -5.7552605867385864e-01 6.4010292291641235e-01 - <_> - 8.2944847106933594e+01 - - 1 2 2661 5.5000000000000000e+00 0 -1 2662 9109. -2 -3 2663 - 3.0500000000000000e+01 - - 3.6217045038938522e-02 -6.7411881685256958e-01 - 4.6031165122985840e-01 -1.3432784378528595e-01 - <_> - 8.2844596862792969e+01 - - 1 2 2664 4.5000000000000000e+00 0 -1 2665 - 1.9500000000000000e+01 -2 -3 2666 5.0000000000000000e-01 - - -6.6067945957183838e-01 6.5172028541564941e-01 - 5.3896325826644897e-01 -1.0024529695510864e-01 - <_> - 8.2988021850585938e+01 - - 1 2 2667 2.3500000000000000e+01 0 -1 2668 - 3.5000000000000000e+00 -2 -3 2669 5.5500000000000000e+01 - - 3.6205202341079712e-01 -4.8302540183067322e-01 - -3.1453946232795715e-01 4.5836016535758972e-01 - <_> - 8.3242561340332031e+01 - - 1 2 2670 9.0500000000000000e+01 0 -1 2671 - 4.1500000000000000e+01 -2 -3 2672 3.9500000000000000e+01 - - 2.5454065203666687e-01 -3.1304958462715149e-01 - -9.7736436128616333e-01 6.2847685813903809e-01 - <_> - 8.3276382446289062e+01 - - 1 2 2673 1.7500000000000000e+01 0 -1 2674 - 8.3500000000000000e+01 -2 -3 2675 5.5000000000000000e+00 - - 5.6938213109970093e-01 -9.2754542827606201e-01 - 3.0042541027069092e-01 -2.8111898899078369e-01 - <_> - 8.2934799194335938e+01 - - 1 2 2676 3.3500000000000000e+01 0 -1 2677 - 3.6050000000000000e+02 -2 -3 2678 94. - - -3.8239040970802307e-01 1.4262221753597260e-01 - 7.1967273950576782e-01 -7.4638730287551880e-01 - <_> - 8.3355155944824219e+01 - - 1 2 2679 6.5000000000000000e+00 0 -1 2680 25. -2 -3 2681 - 1.5000000000000000e+00 - - -9.2031919956207275e-01 1. 4.2035222053527832e-01 - -1.8400678038597107e-01 - <_> - 8.3341117858886719e+01 - - 1 2 2682 2.7550000000000000e+02 0 -1 2683 - 3.9500000000000000e+01 -2 -3 2684 1.7500000000000000e+01 - - -3.1554982066154480e-01 2.4787786602973938e-01 - -9.8996192216873169e-01 1. - <_> - 8.3088867187500000e+01 - - 1 2 2685 5.0000000000000000e-01 0 -1 2686 - 3.4500000000000000e+01 -2 -3 2687 3.3250000000000000e+02 - - 7.6295363903045654e-01 -3.0974990129470825e-01 - -2.5224679708480835e-01 6.2690478563308716e-01 - <_> - 8.3444519042968750e+01 - - 1 2 2688 1.5000000000000000e+00 0 -1 2689 - 6.6500000000000000e+01 -2 -3 2690 5.0000000000000000e-01 - - -4.7374388575553894e-01 3.5564544796943665e-01 - 2.2661061584949493e-01 -5.4821664094924927e-01 - <_> - 8.3531219482421875e+01 - - 1 2 2691 1.5450000000000000e+02 0 -1 2692 - 3.2500000000000000e+01 -2 -3 2693 1.9500000000000000e+01 - - -2.1394637227058411e-01 8.1045120954513550e-01 - -4.8737204074859619e-01 8.6701557040214539e-02 - <_> - 8.3356086730957031e+01 - - 1 2 2694 3.5000000000000000e+00 0 -1 2695 - 9.5000000000000000e+00 -2 -3 2696 2.1500000000000000e+01 - - -3.3526990562677383e-02 5.4166865348815918e-01 - -6.0305202007293701e-01 7.6919454336166382e-01 - <_> - 8.3536964416503906e+01 - - 1 2 2697 2.7950000000000000e+02 0 -1 2698 - 2.1500000000000000e+01 -2 -3 2699 3.5045000000000000e+03 - - -4.9123385548591614e-01 5.2362555265426636e-01 - -7.9040545225143433e-01 -3.3013910055160522e-02 - <_> - 8.3796424865722656e+01 - - 1 2 2700 9.5000000000000000e+00 0 -1 2701 - 4.5000000000000000e+00 -2 -3 2702 1.7500000000000000e+01 - - 4.8670431971549988e-01 -2.3416480422019958e-01 - -4.7568261623382568e-01 2.2792084515094757e-01 - <_> - 8.4059371948242188e+01 - - 1 2 2703 5.5500000000000000e+01 0 -1 2704 - 5.0000000000000000e-01 -2 -3 2705 3.9185000000000000e+03 - - 2.2618722915649414e-01 -9.2116522789001465e-01 - -3.2166120409965515e-01 2.6295122504234314e-01 - <_> - 8.4028038024902344e+01 - - 1 2 2706 1.1500000000000000e+01 0 -1 2707 15. -2 -3 2708 - 4.5000000000000000e+00 - - 8.7838518619537354e-01 -8.4853267669677734e-01 - 3.6655527353286743e-01 -1.8356652557849884e-01 - <_> - 8.3846260070800781e+01 - - 1 2 2709 5.5000000000000000e+00 0 -1 2710 325. -2 -3 2711 - 9.5000000000000000e+00 - - -8.7982141971588135e-01 1. 3.4321373701095581e-01 - -1.8177768588066101e-01 - <_> - 8.4174667358398438e+01 - - 1 2 2712 9.5000000000000000e+00 0 -1 2713 - 1.9050000000000000e+02 -2 -3 2714 4.5000000000000000e+00 - - 6.9107550382614136e-01 -7.7517443895339966e-01 - 5.7090425491333008e-01 -1.1606752872467041e-01 - <_> - 8.4324356079101562e+01 - - 1 2 2715 2.7500000000000000e+01 0 -1 2716 - 4.0885000000000000e+03 -2 -3 2717 8.5000000000000000e+00 - - 8.7019419670104980e-01 -8.7088418006896973e-01 - 2.1278975903987885e-01 -4.6584972739219666e-01 - <_> - 8.4102806091308594e+01 - - 1 2 2718 2.1250000000000000e+02 0 -1 2719 - 5.6500000000000000e+01 -2 -3 2720 5.0000000000000000e-01 - - 2.1476839482784271e-01 -4.4505792856216431e-01 1. - -7.7488011121749878e-01 - <_> - 8.4038200378417969e+01 - - 1 2 2721 9.4500000000000000e+01 0 -1 2722 - 1.5000000000000000e+00 -2 -3 2723 98. - - 1.9173437356948853e-01 -5.0092142820358276e-01 - -4.4755691289901733e-01 4.7253641486167908e-01 - <_> - 8.4137344360351562e+01 - - 1 2 2724 1.1515000000000000e+03 0 -1 2725 - 2.0050000000000000e+02 -2 -3 2726 4.8500000000000000e+01 - - -8.2353651523590088e-02 5.8139425516128540e-01 - 3.6044213920831680e-02 -6.4356809854507446e-01 - <_> - 8.4309326171875000e+01 - - 1 2 2727 1.0500000000000000e+01 0 -1 2728 2663. -2 -3 2729 - 2.4250000000000000e+02 - - 4.7916080802679062e-02 -5.9066039323806763e-01 - 7.3575264215469360e-01 -8.9028924703598022e-01 - <_> - 8.4420402526855469e+01 - - 1 2 2730 5.4665000000000000e+03 0 -1 2731 - 1.5000000000000000e+00 -2 -3 2732 4.6500000000000000e+01 - - 2.7950283885002136e-01 -2.4711169302463531e-01 - -9.4440460205078125e-01 1. - <_> - 8.4394798278808594e+01 - - 1 2 2733 1.1050000000000000e+02 0 -1 2734 63. -2 -3 2735 - 6.4650000000000000e+02 - - 4.1327634453773499e-01 -8.2762449979782104e-01 - -2.5601835921406746e-02 7.5820297002792358e-01 - <_> - 8.4607276916503906e+01 - - 1 2 2736 2.5000000000000000e+00 0 -1 2737 - 2.5500000000000000e+01 -2 -3 2738 1.0500000000000000e+01 - - -3.7000726908445358e-02 6.8266022205352783e-01 - 1.4960629865527153e-02 -6.4148795604705811e-01 - <_> - 8.5164596557617188e+01 - - 1 2 2739 5.3500000000000000e+01 0 -1 2740 - 2.9500000000000000e+01 -2 -3 2741 1.0850000000000000e+02 - - -1.2329825013875961e-01 5.5731654167175293e-01 - -8.3035022020339966e-01 7.4285131692886353e-01 - <_> - 8.5318458557128906e+01 - - 1 2 2742 6.0500000000000000e+01 0 -1 2743 - 5.5750000000000000e+02 -2 -3 2744 2.4455000000000000e+03 - - -9.1876357793807983e-01 1.5386807918548584e-01 1. - -8.4595882892608643e-01 - <_> - 8.5138092041015625e+01 - - 1 2 2745 1.4500000000000000e+01 0 -1 2746 133. -2 -3 2747 - 1.5000000000000000e+00 - - 9.3546825647354126e-01 -7.7808952331542969e-01 - 4.2497289180755615e-01 -1.8036651611328125e-01 - <_> - 8.5170181274414062e+01 - - 1 2 2748 2.6500000000000000e+01 0 -1 2749 - 1.6500000000000000e+01 -2 -3 2750 3.0550000000000000e+02 - - 9.9500669166445732e-03 -6.0836273431777954e-01 - 5.2151191234588623e-01 -3.4265536069869995e-01 - <_> - 8.5376792907714844e+01 - - 1 2 2751 3.5000000000000000e+00 0 -1 2752 - 1.6500000000000000e+01 -2 -3 2753 4.2500000000000000e+01 - - 4.3600571155548096e-01 -8.0105257034301758e-01 - -5.1988095045089722e-01 2.0660850405693054e-01 - <_> - 8.5609893798828125e+01 - - 1 2 2754 1.0500000000000000e+01 0 -1 2755 - 1.5000000000000000e+00 -2 -3 2756 2.5000000000000000e+00 - - -6.2382709980010986e-01 4.6645849943161011e-01 - 3.5961329936981201e-02 -5.3663784265518188e-01 - <_> - 8.5939903259277344e+01 - - 1 2 2757 9.5500000000000000e+01 0 -1 2758 11828. -2 -3 2759 - 3.8450000000000000e+02 - - -7.1205846965312958e-02 -9.5047873258590698e-01 - 3.3001002669334412e-01 -5.8486175537109375e-01 - <_> - 8.5633140563964844e+01 - - 1 2 2760 1.5000000000000000e+00 0 -1 2761 - 7.5000000000000000e+00 -2 -3 2762 1.5605000000000000e+03 - - -1.8193472921848297e-01 5.5474883317947388e-01 - 6.6240763664245605e-01 -3.6709865927696228e-01 - <_> - 8.5665580749511719e+01 - - 1 2 2763 5.0000000000000000e-01 0 -1 2764 - 3.5000000000000000e+00 -2 -3 2765 1.6500000000000000e+01 - - -6.3473922014236450e-01 4.5258450508117676e-01 - -6.2842214107513428e-01 3.2442636787891388e-02 - <_> - 8.5813781738281250e+01 - - 1 2 2766 1.8050000000000000e+02 0 -1 2767 - 1.5000000000000000e+00 -2 -3 2768 6.5000000000000000e+00 - - -8.1317859888076782e-01 1.4819937944412231e-01 - 7.9641395807266235e-01 -9.0252667665481567e-01 - <_> - 8.6130287170410156e+01 - - 1 2 2769 2.5000000000000000e+00 0 -1 2770 - 1.5000000000000000e+00 -2 -3 2771 1.0850000000000000e+02 - - -8.2908695936203003e-01 6.0830992460250854e-01 - -3.5930514335632324e-01 2.5600242614746094e-01 - <_> - 8.5960426330566406e+01 - - 1 2 2772 3.5000000000000000e+00 0 -1 2773 - 2.5000000000000000e+00 -2 -3 2774 3.5000000000000000e+00 - - 4.0980219841003418e-01 -8.7654078006744385e-01 - 3.7149679660797119e-01 -1.6985960304737091e-01 - <_> - 8.5911773681640625e+01 - - 1 2 2775 2.0750000000000000e+02 0 -1 2776 - 2.5000000000000000e+00 -2 -3 2777 4.0550000000000000e+02 - - 6.4895875751972198e-02 -5.2602392435073853e-01 - 8.3245736360549927e-01 -4.8650942742824554e-02 - <_> - 8.6134010314941406e+01 - - 1 2 2778 6.2500000000000000e+01 0 -1 2779 - 3.6650000000000000e+02 -2 -3 2780 4.5500000000000000e+01 - - -7.8410977125167847e-01 2.2223210334777832e-01 - -8.4461647272109985e-01 7.4402904510498047e-01 - <_> - 8.6428909301757812e+01 - - 1 2 2781 2.5000000000000000e+00 0 -1 2782 - 6.5000000000000000e+00 -2 -3 2783 4.1750000000000000e+02 - - 5.1555430889129639e-01 -1.5588639676570892e-01 - 1.7773015797138214e-01 -5.0610744953155518e-01 - <_> - 8.6826782226562500e+01 - - 1 2 2784 1.5505000000000000e+03 0 -1 2785 - 5.0000000000000000e-01 -2 -3 2786 1.4500000000000000e+01 - - 3.5983416438102722e-01 -5.7004302740097046e-01 - -5.4764652252197266e-01 3.9787346124649048e-01 - <_> - 8.7037475585937500e+01 - - 1 2 2787 5.0000000000000000e-01 0 -1 2788 - 8.5000000000000000e+00 -2 -3 2789 5.0000000000000000e-01 - - -7.9977160692214966e-01 3.6234867572784424e-01 - 2.8641289472579956e-01 -4.9720412492752075e-01 - <_> - 8.6423477172851562e+01 - - 1 2 2790 1.4500000000000000e+01 0 -1 2791 47. -2 -3 2792 - 3.2500000000000000e+01 - - 4.9334439635276794e-01 -7.6565510034561157e-01 - 2.7979478240013123e-01 -3.8790243864059448e-01 - <_> - 8.6541648864746094e+01 - - 1 2 2793 3.8500000000000000e+01 0 -1 2794 - 1.5000000000000000e+00 -2 -3 2795 2.0850000000000000e+02 - - 1.1817480623722076e-01 -4.9608191847801208e-01 - 4.3412643671035767e-01 -8.0814820528030396e-01 - <_> - 8.6554786682128906e+01 - - 1 2 2796 5.0000000000000000e-01 0 -1 2797 - 5.0000000000000000e-01 -2 -3 2798 1.5500000000000000e+01 - - -7.7674239873886108e-01 4.3930459022521973e-01 - 1.3139089569449425e-02 -6.7160016298294067e-01 - <_> - 8.6836524963378906e+01 - - 1 2 2799 2.1500000000000000e+01 0 -1 2800 - 3.2750000000000000e+02 -2 -3 2801 1.2500000000000000e+01 - - -3.1266799569129944e-01 6.9435644149780273e-01 - -5.9980082511901855e-01 6.5070140361785889e-01 - <_> - 8.6815773010253906e+01 - - 1 2 2802 9.8850000000000000e+02 0 -1 2803 - 4.5000000000000000e+00 -2 -3 2804 3.1500000000000000e+01 - - 7.5975960493087769e-01 -1.4526490122079849e-02 - -4.3337148427963257e-01 3.4662330150604248e-01 - <_> - 8.6753486633300781e+01 - - 1 2 2805 5.8750000000000000e+02 0 -1 2806 - 4.0050000000000000e+02 -2 -3 2807 5.8550000000000000e+02 - - -5.1701253652572632e-01 8.5829895734786987e-01 - 6.8487954139709473e-01 -6.2283929437398911e-02 - <_> - 8.7153579711914062e+01 - - 1 2 2808 5.0000000000000000e-01 0 -1 2809 - 2.5000000000000000e+00 -2 -3 2810 9.3050000000000000e+02 - - -7.2558873891830444e-01 4.3454471230506897e-01 - -8.1130824983119965e-02 -8.3618861436843872e-01 - <_> - 8.7351936340332031e+01 - - 1 2 2811 3.5000000000000000e+00 0 -1 2812 - 7.5000000000000000e+00 -2 -3 2813 1.5000000000000000e+00 - - -9.6148520708084106e-01 4.0121293067932129e-01 - 1.6389970481395721e-01 -5.4697543382644653e-01 - <_> - 8.7288108825683594e+01 - - 1 2 2814 9.8500000000000000e+01 0 -1 2815 - 1.5000000000000000e+00 -2 -3 2816 5.0000000000000000e-01 - - 3.0000725388526917e-01 -5.5716449022293091e-01 - 6.8792611360549927e-01 -6.3822388648986816e-02 - <_> - 8.7567855834960938e+01 - - 1 2 2817 1.2500000000000000e+01 0 -1 2818 - 5.5000000000000000e+00 -2 -3 2819 3.2500000000000000e+01 - - -6.0839080810546875e-01 2.7974289655685425e-01 - -9.0464597940444946e-01 -9.1534465551376343e-02 - <_> - 8.7742805480957031e+01 - - 1 2 2820 2.9050000000000000e+02 0 -1 2821 - 4.0350000000000000e+02 -2 -3 2822 1.5000000000000000e+00 - - -1.1221635341644287e-01 6.0925048589706421e-01 - 3.3704385161399841e-01 -5.3282082080841064e-01 - <_> - 8.7797904968261719e+01 - - 1 2 2823 1.4500000000000000e+01 0 -1 2824 1690. -2 -3 2825 - 7.4500000000000000e+01 - - 5.5097710341215134e-02 -8.7218642234802246e-01 - -7.2020220756530762e-01 3.5318741202354431e-01 - <_> - 8.8284759521484375e+01 - - 1 2 2826 2.2450000000000000e+02 0 -1 2827 - 1.9500000000000000e+01 -2 -3 2828 1.9535000000000000e+03 - - -1.3064707815647125e-01 4.8685196042060852e-01 - -8.4640699625015259e-01 1.8381766974925995e-01 - <_> - 8.8222618103027344e+01 - - 1 2 2829 5.0000000000000000e-01 0 -1 2830 - 1.2500000000000000e+01 -2 -3 2831 4.5000000000000000e+00 - - -5.3857803344726562e-01 5.4414546489715576e-01 - 1.8226167559623718e-01 -5.0997644662857056e-01 - <_> - 8.8490211486816406e+01 - - 1 2 2832 8.5000000000000000e+00 0 -1 2833 1990. -2 -3 2834 - 3.5000000000000000e+00 - - -3.3869510889053345e-01 8.5612648725509644e-01 - 6.6255128383636475e-01 -1.8713159859180450e-01 - <_> - 8.8309280395507812e+01 - - 1 2 2835 5.0000000000000000e-01 0 -1 2836 - 1.5350000000000000e+02 -2 -3 2837 3.0500000000000000e+01 - - 3.7325781583786011e-01 -9.1693335771560669e-01 - -3.7281343340873718e-01 4.3598929047584534e-01 - <_> - 8.8545036315917969e+01 - - 1 2 2838 2.5000000000000000e+00 0 -1 2839 - 3.5000000000000000e+00 -2 -3 2840 9.5000000000000000e+00 - - -8.1305176019668579e-01 2.3575115203857422e-01 - 8.2359343767166138e-01 -5.0804460048675537e-01 - <_> - 8.8620689392089844e+01 - - 1 2 2841 4.7950000000000000e+02 0 -1 2842 - 7.4550000000000000e+02 -2 -3 2843 3.5000000000000000e+00 - - -1. 5.5236303806304932e-01 -4.9426826834678650e-01 - 7.5652711093425751e-02 - <_> - 8.8498481750488281e+01 - - 1 2 2844 5.0000000000000000e-01 0 -1 2845 - 5.0000000000000000e-01 -2 -3 2846 9.6500000000000000e+01 - - -8.3736324310302734e-01 3.9632564783096313e-01 - -7.2766882181167603e-01 4.8122378066182137e-03 - <_> - 8.8912002563476562e+01 - - 1 2 2847 3.5000000000000000e+00 0 -1 2848 - 5.0000000000000000e-01 -2 -3 2849 1.5000000000000000e+00 - - 7.1133011579513550e-01 -1.0473229736089706e-01 - 3.0710890889167786e-01 -4.0350064635276794e-01 - <_> - 8.9316238403320312e+01 - - 1 2 2850 1.6500000000000000e+01 0 -1 2851 - 1.5000000000000000e+00 -2 -3 2852 7.5000000000000000e+00 - - 8.4607600001618266e-04 -7.6641041040420532e-01 - -3.1311124563217163e-01 4.4425663352012634e-01 - <_> - 8.9348419189453125e+01 - - 1 2 2853 1.1500000000000000e+01 0 -1 2854 - 1.7500000000000000e+01 -2 -3 2855 2.0500000000000000e+01 - - -9.8593395948410034e-01 1. 2.4410592019557953e-01 - -3.1496018171310425e-01 - <_> - 8.9189270019531250e+01 - - 1 2 2856 1.6500000000000000e+01 0 -1 2857 - 6.5000000000000000e+00 -2 -3 2858 74. - - 8.4461316466331482e-02 -4.1109508275985718e-01 - 9.0820807218551636e-01 -3.5371799021959305e-02 - <_> - 8.9124603271484375e+01 - - 1 2 2859 5.8750000000000000e+02 0 -1 2860 9863. -2 -3 2861 - 1.2500000000000000e+01 - - -6.3491946458816528e-01 4.8731520771980286e-01 - -5.2020323276519775e-01 3.2958313822746277e-01 - <_> - 8.9286071777343750e+01 - - 1 2 2862 9.7500000000000000e+01 0 -1 2863 - 2.1950000000000000e+02 -2 -3 2864 5.0000000000000000e-01 - - 4.2516252398490906e-01 -1. 2.8237330913543701e-01 - -5.0328004360198975e-01 - <_> - 8.9424316406250000e+01 - - 1 2 2865 5.2500000000000000e+01 0 -1 2866 61. -2 -3 2867 - 1.7500000000000000e+01 - - 5.0655448436737061e-01 -5.1969325542449951e-01 - 3.5390514135360718e-01 -4.7365185618400574e-01 - <_> - 8.9726875305175781e+01 - - 1 2 2868 5.8500000000000000e+01 0 -1 2869 - 1.4500000000000000e+01 -2 -3 2870 42. - - 3.0255803465843201e-01 -2.0427562296390533e-01 - -8.5021793842315674e-01 7.0594644546508789e-01 - <_> - 8.9578895568847656e+01 - - 1 2 2871 1.0500000000000000e+01 0 -1 2872 - 1.1950000000000000e+02 -2 -3 2873 24. - - -2.4734574556350708e-01 3.1361401081085205e-01 - 8.7930864095687866e-01 -1. - <_> - 8.9768898010253906e+01 - - 1 2 2874 7.5000000000000000e+00 0 -1 2875 - 7.4500000000000000e+01 -2 -3 2876 2.8500000000000000e+01 - - 3.1221041083335876e-01 -7.0097410678863525e-01 - 2.4191275238990784e-01 -5.3588688373565674e-01 - <_> - 8.9684265136718750e+01 - - 1 2 2877 3.5000000000000000e+00 0 -1 2878 - 2.7950000000000000e+02 -2 -3 2879 4.1500000000000000e+01 - - 1.2314370274543762e-01 -6.7686629295349121e-01 - -3.6168605089187622e-01 3.5209780931472778e-01 - <_> - 8.9795585632324219e+01 - - 1 2 2880 2.1050000000000000e+02 0 -1 2881 - 3.5000000000000000e+00 -2 -3 2882 1.0500000000000000e+01 - - 5.2586346864700317e-01 -3.2540410757064819e-01 - -8.8829517364501953e-01 4.9435129761695862e-01 - <_> - 8.9792076110839844e+01 - - 1 2 2883 2.5000000000000000e+00 0 -1 2884 - 2.9500000000000000e+01 -2 -3 2885 3.9250000000000000e+02 - - -6.1523008346557617e-01 3.7085807323455811e-01 - 9.0023398399353027e-02 -6.0440886020660400e-01 - <_> - 8.9958946228027344e+01 - - 1 2 2886 1.0500000000000000e+01 0 -1 2887 - 1.2500000000000000e+01 -2 -3 2888 1.8500000000000000e+01 - - -5.9052956104278564e-01 2.1934990584850311e-01 - -5.8395588397979736e-01 5.4426544904708862e-01 - <_> - 8.9670410156250000e+01 - - 1 2 2889 1.5000000000000000e+00 0 -1 2890 - 2.5000000000000000e+00 -2 -3 2891 8.5000000000000000e+00 - - -8.5811334848403931e-01 5.2128863334655762e-01 - -3.4101697802543640e-01 2.6454553008079529e-01 - <_> - 8.9847396850585938e+01 - - 1 2 2892 1.4500000000000000e+01 0 -1 2893 - 1.1500000000000000e+01 -2 -3 2894 6.6500000000000000e+01 - - -3.8977336883544922e-01 4.3855726718902588e-01 - -5.0296223163604736e-01 1.7698343098163605e-01 - <_> - 9.0157752990722656e+01 - - 1 2 2895 5.0000000000000000e-01 0 -1 2896 - 8.5000000000000000e+00 -2 -3 2897 4.5000000000000000e+00 - - -4.1999164223670959e-01 3.1035554409027100e-01 - 2.2039012610912323e-01 -5.3406608104705811e-01 - <_> - 9.0098411560058594e+01 - - 1 2 2898 5.0000000000000000e-01 0 -1 2899 - 2.1750000000000000e+02 -2 -3 2900 1.9500000000000000e+01 - - -5.9334795922040939e-02 6.7584723234176636e-01 - -5.2655130624771118e-01 2.6948010921478271e-01 - <_> - 9.0537551879882812e+01 - - 1 2 2901 5.0000000000000000e-01 0 -1 2902 - 7.5000000000000000e+00 -2 -3 2903 2.2500000000000000e+01 - - -6.9564437866210938e-01 4.3913722038269043e-01 - -3.6194628477096558e-01 3.8801836967468262e-01 - <_> - 9.0335647583007812e+01 - - 1 2 2904 1.5000000000000000e+00 0 -1 2905 - 5.4550000000000000e+02 -2 -3 2906 2.5000000000000000e+00 - - 1. -9.8192542791366577e-01 3.3667489886283875e-01 - -2.0190110802650452e-01 - <_> - 9.0692535400390625e+01 - - 1 2 2907 1.5000000000000000e+00 0 -1 2908 - 8.5000000000000000e+00 -2 -3 2909 344. - - -4.5181885361671448e-01 3.5688367486000061e-01 - -5.9278815984725952e-01 6.4385175704956055e-02 - <_> - 9.0584419250488281e+01 - - 1 2 2910 4.6500000000000000e+01 0 -1 2911 - 2.5000000000000000e+00 -2 -3 2912 6.5000000000000000e+00 - - 4.3527498841285706e-01 -1.0811836272478104e-01 - -6.3831877708435059e-01 1. - <_> - 9.0788459777832031e+01 - - 1 2 2913 294. 0 -1 2914 14. -2 -3 2915 - 4.4500000000000000e+01 - - -8.4630513191223145e-01 1. 2.0404133200645447e-01 - -4.8527365922927856e-01 - <_> - 9.0862548828125000e+01 - - 1 2 2916 3.3500000000000000e+01 0 -1 2917 52. -2 -3 2918 - 5.2705000000000000e+03 - - 7.2816586494445801e-01 -5.4465806484222412e-01 - -1.1197114735841751e-01 5.4565620422363281e-01 - <_> - 9.0902687072753906e+01 - - 1 2 2919 4.1050000000000000e+02 0 -1 2920 139. -2 -3 2921 - 1.5000000000000000e+00 - - -9.1185075044631958e-01 6.4714074134826660e-01 - 1.9417783617973328e-01 -3.6837339401245117e-01 - <_> - 9.0985298156738281e+01 - - 1 2 2922 5.7650000000000000e+02 0 -1 2923 - 2.9450000000000000e+02 -2 -3 2924 3.9150000000000000e+02 - - -8.4534245729446411e-01 1. 4.4867873191833496e-01 - -1.7172452807426453e-01 - <_> - 9.1107513427734375e+01 - - 1 2 2925 3.5000000000000000e+00 0 -1 2926 - 1.5500000000000000e+01 -2 -3 2927 4.2500000000000000e+01 - - -8.3989793062210083e-01 8.9864379167556763e-01 - 2.8704452514648438e-01 -2.8833448886871338e-01 - <_> - 9.1266738891601562e+01 - - 1 2 2928 4.9775000000000000e+03 0 -1 2929 - 4.5000000000000000e+00 -2 -3 2930 1.9865000000000000e+03 - - -7.4095195531845093e-01 1.5922544896602631e-01 - -9.0941101312637329e-01 1.8585844337940216e-01 - <_> - 9.1225799560546875e+01 - - 1 2 2931 5.0000000000000000e-01 0 -1 2932 - 4.5000000000000000e+00 -2 -3 2933 1.4500000000000000e+01 - - -7.6407551765441895e-01 5.0083768367767334e-01 - -7.2587943077087402e-01 -5.0088282674551010e-02 - <_> - 9.0573638916015625e+01 - - 1 2 2934 8.5000000000000000e+00 0 -1 2935 - 2.7500000000000000e+01 -2 -3 2936 9.5000000000000000e+00 - - -7.4017934501171112e-02 5.9898555278778076e-01 - 1.7782434821128845e-01 -6.5216350555419922e-01 - <_> - 9.0737045288085938e+01 - - 1 2 2937 5.0000000000000000e-01 0 -1 2938 - 1.0450000000000000e+02 -2 -3 2939 1.6950000000000000e+02 - - 6.0130667686462402e-01 -9.1431754827499390e-01 - -4.1352280974388123e-01 1.6340811550617218e-01 - <_> - 9.1356544494628906e+01 - - 1 2 2940 1.5000000000000000e+00 0 -1 2941 - 7.5000000000000000e+00 -2 -3 2942 1.6805000000000000e+03 - - -2.0215752720832825e-01 6.1950212717056274e-01 - -5.5768364667892456e-01 3.5280909389257431e-02 - <_> - 9.0944335937500000e+01 - - 1 2 2943 1.1155000000000000e+03 0 -1 2944 - 1.3500000000000000e+01 -2 -3 2945 4.1950000000000000e+02 - - 6.8771177530288696e-01 -9.7811706364154816e-02 - -4.1221308708190918e-01 1.9626976549625397e-01 - <_> - 9.1227783203125000e+01 - - 1 2 2946 1.7535000000000000e+03 0 -1 2947 - 6.5000000000000000e+00 -2 -3 2948 8.3500000000000000e+01 - - 2.8345218300819397e-01 -2.8811171650886536e-01 - -9.1736477613449097e-01 1. - <_> - 9.1561256408691406e+01 - - 1 2 2949 3.9500000000000000e+01 0 -1 2950 169. -2 -3 2951 - 3.5000000000000000e+00 - - -7.5076478719711304e-01 8.8347315788269043e-01 - 3.4602180123329163e-01 -2.1803687512874603e-01 - <_> - 9.0775177001953125e+01 - - 1 2 2952 1.2550000000000000e+02 0 -1 2953 - 8.5000000000000000e+00 -2 -3 2954 156. - - -3.8729524612426758e-01 2.9583999514579773e-01 - -7.9863160848617554e-01 3.9145687222480774e-01 - <_> - 9.1042625427246094e+01 - - 1 2 2955 2.5000000000000000e+00 0 -1 2956 - 2.5750000000000000e+02 -2 -3 2957 4685. - - 2.6745319366455078e-01 -6.6209262609481812e-01 - -7.7674686908721924e-01 7.1668751537799835e-02 - <_> - 9.1575469970703125e+01 - - 1 2 2958 1.0500000000000000e+01 0 -1 2959 - 1.0550000000000000e+02 -2 -3 2960 4.5500000000000000e+01 - - 5.3284192085266113e-01 -3.2092022895812988e-01 - -9.5425200462341309e-01 5.0468903779983521e-01 - <_> - 9.1930732727050781e+01 - - 1 2 2961 1.2500000000000000e+01 0 -1 2962 - 1.8950000000000000e+02 -2 -3 2963 2.5000000000000000e+00 - - -2.8867003321647644e-01 3.5526236891746521e-01 - 2.9676264524459839e-01 -6.0322642326354980e-01 - <_> - 9.2231742858886719e+01 - - 1 2 2964 7.5000000000000000e+00 0 -1 2965 - 1.9500000000000000e+01 -2 -3 2966 4.1500000000000000e+01 - - -7.3552119731903076e-01 3.0101212859153748e-01 - -5.0962239503860474e-01 5.0894033908843994e-01 - <_> - 9.2388069152832031e+01 - - 1 2 2967 1.1500000000000000e+01 0 -1 2968 - 1.5000000000000000e+00 -2 -3 2969 2.6500000000000000e+01 - - 1.5632244944572449e-01 -4.4891685247421265e-01 - 6.4296531677246094e-01 -5.9720402956008911e-01 - <_> - 9.2552001953125000e+01 - - 1 2 2970 1.0675000000000000e+03 0 -1 2971 - 4.3756500000000000e+04 -2 -3 2972 4.9450000000000000e+02 - - -1. 8.0944263935089111e-01 -3.8900658488273621e-01 - 1.6393135488033295e-01 - <_> - 9.2899009704589844e+01 - - 1 2 2973 2.5000000000000000e+00 0 -1 2974 - 1.4055000000000000e+03 -2 -3 2975 1.8500000000000000e+01 - - 1.6320782899856567e-01 -5.9554386138916016e-01 - -7.9579621553421021e-01 3.4700983762741089e-01 - <_> - 9.2847854614257812e+01 - - 1 2 2976 8.5500000000000000e+01 0 -1 2977 - 1.2550000000000000e+02 -2 -3 2978 5.5000000000000000e+00 - - -1. 9.6116375923156738e-01 2.2865201532840729e-01 - -2.7930772304534912e-01 - <_> - 9.2859100341796875e+01 - - 1 2 2979 1.1350000000000000e+02 0 -1 2980 - 2.0500000000000000e+01 -2 -3 2981 1.6150000000000000e+02 - - 1.7545458674430847e-01 -7.0411294698715210e-01 - 3.2774302363395691e-01 -6.4024138450622559e-01 - <_> - 9.2426673889160156e+01 - - 1 2 2982 2.5000000000000000e+00 0 -1 2983 - 2.7500000000000000e+01 -2 -3 2984 1.0350000000000000e+02 - - 6.4859634637832642e-01 -6.6807705163955688e-01 - 2.5129410624504089e-01 -4.3242052197456360e-01 - <_> - 9.2854904174804688e+01 - - 1 2 2985 3.0050000000000000e+02 0 -1 2986 333. -2 -3 2987 - 3.2045000000000000e+03 - - -3.9532727003097534e-01 8.3435887098312378e-01 - 4.2823007702827454e-01 -3.9525333046913147e-01 - <_> - 9.3196861267089844e+01 - - 1 2 2988 2.5000000000000000e+00 0 -1 2989 - 6.5000000000000000e+00 -2 -3 2990 4.8895000000000000e+03 - - -8.9721941947937012e-01 3.4195712208747864e-01 - 6.4947992563247681e-01 -4.5169207453727722e-01 - <_> - 9.3306480407714844e+01 - - 1 2 2991 2.7500000000000000e+01 0 -1 2992 - 1.5000000000000000e+00 -2 -3 2993 4.5000000000000000e+00 - - 1.0962056368589401e-01 -4.2897370457649231e-01 - 9.1374301910400391e-01 -6.3376551866531372e-01 - <_> - 9.3460906982421875e+01 - - 1 2 2994 1.0500000000000000e+01 0 -1 2995 - 3.5000000000000000e+00 -2 -3 2996 3.5000000000000000e+00 - - 2.2791311144828796e-01 -5.2986472845077515e-01 - 4.5877307653427124e-01 -1.7966294288635254e-01 - <_> - 9.3358589172363281e+01 - - 1 2 2997 3.4500000000000000e+01 0 -1 2998 222. -2 -3 2999 - 2.0750000000000000e+02 - - 7.5331348180770874e-01 -9.4210654497146606e-01 - -1.0231721401214600e-01 4.7118717432022095e-01 - <_> - 9.3666183471679688e+01 - - 1 2 3000 2.2500000000000000e+01 0 -1 3001 - 1.8450000000000000e+02 -2 -3 3002 2.5000000000000000e+00 - - -3.5824659466743469e-01 3.0759900808334351e-01 - 6.4143782854080200e-01 -6.5782296657562256e-01 - <_> - 9.3088340759277344e+01 - - 1 2 3003 1.3350000000000000e+02 0 -1 3004 830. -2 -3 3005 - 2.4500000000000000e+01 - - -6.9563269615173340e-01 6.3497310876846313e-01 - -5.7784938812255859e-01 6.1700064688920975e-02 - <_> - 9.2995674133300781e+01 - - 1 2 3006 4.5500000000000000e+01 0 -1 3007 - 1.5000000000000000e+00 -2 -3 3008 6.6500000000000000e+01 - - 4.5369678735733032e-01 -9.2660412192344666e-02 - -7.4712693691253662e-01 6.0710644721984863e-01 - <_> - 9.2739532470703125e+01 - - 1 2 3009 1.2950000000000000e+02 0 -1 3010 1144. -2 -3 3011 - 4.2850000000000000e+02 - - -7.0763772726058960e-01 9.4605678319931030e-01 - -2.5614449381828308e-01 4.1044127941131592e-01 - <_> - 9.2615875244140625e+01 - - 1 2 3012 2.3500000000000000e+01 0 -1 3013 36. -2 -3 3014 - 5.0000000000000000e-01 - - 8.3025622367858887e-01 -8.2933390140533447e-01 - 4.6695771813392639e-01 -1.2365625053644180e-01 - <_> - 9.3196029663085938e+01 - - 1 2 3015 2.0450000000000000e+02 0 -1 3016 - 1.0500000000000000e+01 -2 -3 3017 524. - - -1.5761210024356842e-01 5.8015257120132446e-01 - -8.8289064168930054e-01 2.2438578307628632e-01 - <_> - 9.3732429504394531e+01 - - 1 2 3018 3.3500000000000000e+01 0 -1 3019 - 1.8500000000000000e+01 -2 -3 3020 6.6500000000000000e+01 - - 4.8793593049049377e-01 -5.8576709032058716e-01 - 5.3640323877334595e-01 -8.2473360002040863e-02 - <_> - 9.3099838256835938e+01 - - 1 2 3021 1.3500000000000000e+01 0 -1 3022 - 5.0000000000000000e-01 -2 -3 3023 1.4500000000000000e+01 - - 3.0108803510665894e-01 -6.3259094953536987e-01 - -7.1200174093246460e-01 2.7906426787376404e-01 - <_> - 9.3105216979980469e+01 - - 1 2 3024 3.9050000000000000e+02 0 -1 3025 1243. -2 -3 3026 - 4.2050000000000000e+02 - - -8.8503718376159668e-01 9.7225552797317505e-01 - 5.3784158080816269e-03 -7.7111572027206421e-01 - <_> - 9.3588562011718750e+01 - - 1 2 3027 1.2850000000000000e+02 0 -1 3028 - 9.5000000000000000e+00 -2 -3 3029 3.5000000000000000e+00 - - 3.3606645464897156e-01 -5.4860621690750122e-01 - 4.8334029316902161e-01 -1.3527640700340271e-01 - <_> - 9.3835968017578125e+01 - - 1 2 3030 4.5000000000000000e+00 0 -1 3031 - 4.5000000000000000e+00 -2 -3 3032 1.3415000000000000e+03 - - -7.8450918197631836e-01 1.6970160603523254e-01 - -5.8498537540435791e-01 2.4740667641162872e-01 - <_> - 9.4142906188964844e+01 - - 1 2 3033 4.3500000000000000e+01 0 -1 3034 - 4.5000000000000000e+00 -2 -3 3035 3.2500000000000000e+01 - - 3.0693769454956055e-01 -2.6115962862968445e-01 - -8.9926475286483765e-01 7.7170163393020630e-01 - <_> - 9.4121742248535156e+01 - - 1 2 3036 3.3500000000000000e+01 0 -1 3037 5772. -2 -3 3038 - 8.2650000000000000e+02 - - 6.0314506292343140e-01 -8.1919574737548828e-01 - -2.1161338314414024e-02 7.4580943584442139e-01 - <_> - 9.3867355346679688e+01 - - 1 2 3039 1.5000000000000000e+00 0 -1 3040 - 2.5000000000000000e+00 -2 -3 3041 7.6500000000000000e+01 - - -1. 6.5151697397232056e-01 -2.5439009070396423e-01 - 4.9923765659332275e-01 - <_> - 9.4093467712402344e+01 - - 1 2 3042 7584. 0 -1 3043 5.1250000000000000e+02 -2 -3 3044 - 1.1500000000000000e+01 - - -4.7158271074295044e-01 2.2611454129219055e-01 - -8.3964759111404419e-01 4.5222747325897217e-01 - <_> - 9.4337669372558594e+01 - - 1 2 3045 1.5625000000000000e+03 0 -1 3046 - 1.0615000000000000e+03 -2 -3 3047 2.5000000000000000e+00 - - -1. 9.3781590461730957e-01 2.4420407414436340e-01 - -2.9586532711982727e-01 - <_> - 9.4508171081542969e+01 - - 1 2 3048 1.3500000000000000e+01 0 -1 3049 23. -2 -3 3050 - 1.5245000000000000e+03 - - -8.5904693603515625e-01 1.7050011456012726e-01 - 9.2488127946853638e-01 -9.8964858055114746e-01 - <_> - 9.4239341735839844e+01 - - 1 2 3051 5.0000000000000000e-01 0 -1 3052 - 5.5000000000000000e+00 -2 -3 3053 1.8500000000000000e+01 - - -8.7914295494556427e-02 5.4742050170898438e-01 - -4.5447856187820435e-01 4.4385817646980286e-01 - <_> - 9.4594245910644531e+01 - - 1 2 3054 1.5000000000000000e+00 0 -1 3055 - 1.5500000000000000e+01 -2 -3 3056 1.1500000000000000e+01 - - 3.5490357875823975e-01 -4.3068945407867432e-01 - -6.6280466318130493e-01 3.0311322771012783e-03 - <_> - 9.4814491271972656e+01 - - 1 2 3057 3.5000000000000000e+00 0 -1 3058 - 5.0000000000000000e-01 -2 -3 3059 4.0550000000000000e+02 - - 7.0450115203857422e-01 -7.8278595209121704e-01 - 2.2024388611316681e-01 -4.0765863656997681e-01 - <_> - 9.4579345703125000e+01 - - 1 2 3060 1.5500000000000000e+01 0 -1 3061 - 1.5000000000000000e+00 -2 -3 3062 1934. - - 1.5189912915229797e-01 -4.7490403056144714e-01 - -2.3514933884143829e-01 6.0529416799545288e-01 - <_> - 9.4922325134277344e+01 - - 1 2 3063 5.0000000000000000e-01 0 -1 3064 - 3.0500000000000000e+01 -2 -3 3065 1.1500000000000000e+01 - - -3.8056674599647522e-01 5.7760846614837646e-01 - -4.7326391935348511e-01 1.4074583351612091e-01 - <_> - 9.5195831298828125e+01 - - 1 2 3066 2.7500000000000000e+01 0 -1 3067 - 1.5500000000000000e+01 -2 -3 3068 1.3500000000000000e+01 - - -3.2090973854064941e-01 2.7350622415542603e-01 - 1.3395747169852257e-02 -8.1775778532028198e-01 - <_> - 9.5786506652832031e+01 - - 1 2 3069 4.5000000000000000e+00 0 -1 3070 - 4.3500000000000000e+01 -2 -3 3071 1.0235000000000000e+03 - - -2.7497810125350952e-01 5.9067696332931519e-01 - -5.4431802034378052e-01 7.7079035341739655e-02 - - <_> - 8 - - 6 5 4 2 - <_> - 8 - - 7 5 2 3 - <_> - 2 - - 4 18 5 10 - <_> - 5 - - 4 28 11 3 - <_> - 0 - - 6 22 6 6 - <_> - 4 - - 6 19 4 5 - <_> - 1 - - 6 27 5 2 - <_> - 7 - - 7 5 2 1 - <_> - 4 - - 4 9 8 22 - <_> - 5 - - 8 4 5 9 - <_> - 2 - - 8 6 4 4 - <_> - 9 - - 7 19 2 1 - <_> - 8 - - 8 6 1 2 - <_> - 0 - - 6 18 5 7 - <_> - 9 - - 7 14 2 3 - <_> - 4 - - 0 18 12 13 - <_> - 1 - - 4 26 7 3 - <_> - 7 - - 0 28 13 3 - <_> - 1 - - 5 10 6 1 - <_> - 1 - - 1 3 10 7 - <_> - 4 - - 0 30 15 1 - <_> - 2 - - 4 12 3 16 - <_> - 0 - - 4 28 8 2 - <_> - 5 - - 3 28 11 3 - <_> - 4 - - 3 10 9 19 - <_> - 3 - - 1 3 7 10 - <_> - 7 - - 8 12 1 1 - <_> - 0 - - 7 10 2 4 - <_> - 0 - - 8 14 4 11 - <_> - 3 - - 0 11 2 20 - <_> - 1 - - 7 4 2 4 - <_> - 4 - - 7 3 2 2 - <_> - 4 - - 2 2 11 8 - <_> - 4 - - 6 18 1 4 - <_> - 1 - - 1 16 5 12 - <_> - 2 - - 7 21 3 7 - <_> - 2 - - 8 30 7 1 - <_> - 5 - - 6 26 7 2 - <_> - 7 - - 14 28 1 2 - <_> - 9 - - 7 12 2 1 - <_> - 9 - - 3 1 12 1 - <_> - 9 - - 7 19 3 3 - <_> - 7 - - 6 5 9 3 - <_> - 3 - - 3 28 2 2 - <_> - 9 - - 5 1 3 3 - <_> - 3 - - 5 8 1 18 - <_> - 7 - - 7 5 2 1 - <_> - 3 - - 0 1 12 25 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 5 6 7 1 - <_> - 1 - - 6 12 3 1 - <_> - 5 - - 10 9 2 15 - <_> - 3 - - 13 21 2 9 - <_> - 7 - - 4 29 8 2 - <_> - 1 - - 5 11 6 17 - <_> - 7 - - 12 24 1 6 - <_> - 8 - - 7 12 2 1 - <_> - 0 - - 8 9 4 2 - <_> - 5 - - 7 10 6 3 - <_> - 0 - - 1 4 9 4 - <_> - 4 - - 0 30 13 1 - <_> - 1 - - 2 27 7 3 - <_> - 3 - - 3 9 10 3 - <_> - 0 - - 2 28 13 1 - <_> - 0 - - 6 24 4 4 - <_> - 2 - - 6 16 4 1 - <_> - 4 - - 1 9 2 10 - <_> - 5 - - 5 29 5 1 - <_> - 9 - - 7 15 3 2 - <_> - 2 - - 5 18 6 10 - <_> - 7 - - 7 22 2 2 - <_> - 0 - - 13 21 2 1 - <_> - 4 - - 6 4 5 3 - <_> - 4 - - 0 9 15 17 - <_> - 3 - - 4 1 5 30 - <_> - 3 - - 6 15 3 1 - <_> - 5 - - 8 5 3 2 - <_> - 5 - - 0 0 15 1 - <_> - 1 - - 6 27 3 2 - <_> - 5 - - 1 29 2 2 - <_> - 7 - - 0 27 3 4 - <_> - 4 - - 9 13 6 18 - <_> - 1 - - 3 7 12 1 - <_> - 9 - - 5 23 8 1 - <_> - 7 - - 12 30 3 1 - <_> - 3 - - 12 27 2 1 - <_> - 7 - - 5 13 1 2 - <_> - 8 - - 7 6 1 2 - <_> - 3 - - 14 13 1 16 - <_> - 0 - - 5 5 8 2 - <_> - 9 - - 9 14 1 1 - <_> - 5 - - 9 13 3 12 - <_> - 5 - - 9 30 6 1 - <_> - 4 - - 4 27 8 1 - <_> - 7 - - 3 12 9 7 - <_> - 4 - - 9 7 1 24 - <_> - 2 - - 8 8 4 1 - <_> - 2 - - 8 19 2 10 - <_> - 3 - - 2 13 2 15 - <_> - 2 - - 0 28 15 1 - <_> - 2 - - 3 26 8 2 - <_> - 3 - - 4 28 7 1 - <_> - 3 - - 11 23 1 3 - <_> - 0 - - 9 15 4 16 - <_> - 1 - - 2 7 9 2 - <_> - 4 - - 6 22 3 3 - <_> - 3 - - 5 5 1 25 - <_> - 1 - - 2 20 12 1 - <_> - 1 - - 5 28 6 1 - <_> - 8 - - 1 30 13 1 - <_> - 4 - - 3 16 12 4 - <_> - 8 - - 6 5 4 2 - <_> - 8 - - 2 23 12 1 - <_> - 4 - - 1 29 9 2 - <_> - 4 - - 9 6 4 14 - <_> - 7 - - 0 4 3 16 - <_> - 1 - - 9 10 1 3 - <_> - 3 - - 1 0 13 1 - <_> - 5 - - 3 5 10 8 - <_> - 5 - - 7 7 2 7 - <_> - 5 - - 6 28 5 2 - <_> - 3 - - 2 24 7 4 - <_> - 4 - - 6 1 3 17 - <_> - 0 - - 1 21 1 5 - <_> - 0 - - 1 11 6 5 - <_> - 9 - - 0 30 15 1 - <_> - 8 - - 2 30 8 1 - <_> - 0 - - 7 19 3 7 - <_> - 4 - - 2 24 12 2 - <_> - 9 - - 1 13 1 3 - <_> - 7 - - 7 5 2 1 - <_> - 9 - - 6 10 2 3 - <_> - 8 - - 8 6 1 2 - <_> - 5 - - 6 17 2 3 - <_> - 1 - - 6 27 4 4 - <_> - 2 - - 5 18 5 10 - <_> - 2 - - 14 0 1 29 - <_> - 5 - - 2 20 3 9 - <_> - 1 - - 5 27 6 1 - <_> - 4 - - 7 30 2 1 - <_> - 4 - - 5 24 5 6 - <_> - 4 - - 3 9 12 2 - <_> - 5 - - 9 7 4 20 - <_> - 7 - - 10 10 3 1 - <_> - 3 - - 2 28 13 3 - <_> - 5 - - 14 22 1 7 - <_> - 0 - - 4 7 2 4 - <_> - 3 - - 8 15 2 4 - <_> - 0 - - 7 19 4 9 - <_> - 4 - - 7 11 1 8 - <_> - 4 - - 2 11 13 11 - <_> - 4 - - 6 4 4 6 - <_> - 8 - - 4 22 2 6 - <_> - 4 - - 7 19 2 2 - <_> - 9 - - 6 4 3 6 - <_> - 4 - - 2 29 8 1 - <_> - 3 - - 1 9 6 16 - <_> - 7 - - 8 3 3 2 - <_> - 5 - - 6 12 3 2 - <_> - 8 - - 6 6 2 2 - <_> - 7 - - 1 25 2 4 - <_> - 4 - - 6 1 3 17 - <_> - 1 - - 5 11 4 3 - <_> - 5 - - 9 9 5 4 - <_> - 9 - - 6 14 3 4 - <_> - 2 - - 4 9 4 1 - <_> - 5 - - 2 5 6 8 - <_> - 2 - - 6 10 3 1 - <_> - 1 - - 9 26 5 3 - <_> - 0 - - 1 30 8 1 - <_> - 1 - - 9 22 1 3 - <_> - 2 - - 5 6 7 18 - <_> - 2 - - 11 6 1 14 - <_> - 3 - - 1 4 2 21 - <_> - 8 - - 7 5 2 3 - <_> - 9 - - 13 17 2 1 - <_> - 8 - - 8 24 6 2 - <_> - 7 - - 4 5 5 5 - <_> - 2 - - 4 25 9 3 - <_> - 4 - - 0 29 12 1 - <_> - 5 - - 1 28 9 3 - <_> - 1 - - 6 20 4 3 - <_> - 0 - - 5 25 4 1 - <_> - 1 - - 9 9 2 1 - <_> - 1 - - 3 6 9 4 - <_> - 3 - - 5 8 1 18 - <_> - 5 - - 0 19 2 7 - <_> - 3 - - 3 18 11 4 - <_> - 5 - - 5 12 1 16 - <_> - 0 - - 9 3 3 2 - <_> - 3 - - 6 5 3 1 - <_> - 1 - - 6 7 6 2 - <_> - 3 - - 0 27 13 2 - <_> - 4 - - 2 9 12 3 - <_> - 4 - - 10 24 4 2 - <_> - 9 - - 0 22 11 1 - <_> - 9 - - 1 0 14 14 - <_> - 9 - - 7 9 2 7 - <_> - 1 - - 4 27 4 1 - <_> - 2 - - 9 28 4 3 - <_> - 8 - - 6 6 2 17 - <_> - 2 - - 5 23 9 4 - <_> - 0 - - 10 9 4 3 - <_> - 2 - - 6 13 3 2 - <_> - 4 - - 13 29 2 2 - <_> - 5 - - 8 5 3 4 - <_> - 4 - - 13 8 1 1 - <_> - 7 - - 4 30 11 1 - <_> - 3 - - 8 15 3 15 - <_> - 1 - - 6 22 1 2 - <_> - 3 - - 1 5 8 6 - <_> - 7 - - 13 0 2 3 - <_> - 0 - - 6 10 3 2 - <_> - 2 - - 7 8 4 2 - <_> - 1 - - 10 9 1 2 - <_> - 3 - - 7 10 3 13 - <_> - 5 - - 3 26 9 1 - <_> - 4 - - 2 0 13 4 - <_> - 4 - - 5 0 4 8 - <_> - 2 - - 11 23 4 3 - <_> - 5 - - 10 9 3 13 - <_> - 9 - - 9 10 1 1 - <_> - 8 - - 5 6 7 1 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 0 17 1 5 - <_> - 5 - - 5 28 8 2 - <_> - 4 - - 2 10 5 8 - <_> - 0 - - 2 29 6 2 - <_> - 0 - - 6 21 5 7 - <_> - 0 - - 3 22 2 5 - <_> - 3 - - 0 6 5 25 - <_> - 9 - - 5 1 2 1 - <_> - 4 - - 7 18 2 2 - <_> - 9 - - 6 8 3 4 - <_> - 8 - - 6 6 2 2 - <_> - 9 - - 5 10 1 2 - <_> - 8 - - 3 5 7 8 - <_> - 5 - - 3 21 2 3 - <_> - 2 - - 4 12 3 16 - <_> - 5 - - 11 5 1 21 - <_> - 0 - - 4 7 2 4 - <_> - 7 - - 7 12 2 3 - <_> - 0 - - 6 6 8 25 - <_> - 2 - - 8 30 6 1 - <_> - 5 - - 9 25 5 2 - <_> - 3 - - 5 9 1 14 - <_> - 1 - - 3 28 10 1 - <_> - 4 - - 13 3 1 19 - <_> - 7 - - 0 27 15 2 - <_> - 1 - - 7 3 2 6 - <_> - 7 - - 10 13 1 7 - <_> - 4 - - 3 12 8 19 - <_> - 5 - - 8 5 5 10 - <_> - 4 - - 6 0 2 8 - <_> - 5 - - 8 0 4 3 - <_> - 9 - - 3 3 10 2 - <_> - 3 - - 12 20 2 5 - <_> - 9 - - 7 17 2 1 - <_> - 5 - - 1 30 5 1 - <_> - 3 - - 3 0 8 6 - <_> - 0 - - 6 24 4 4 - <_> - 3 - - 7 14 1 2 - <_> - 4 - - 5 6 9 5 - <_> - 5 - - 6 16 3 3 - <_> - 2 - - 4 18 5 10 - <_> - 1 - - 4 18 11 3 - <_> - 0 - - 4 28 10 2 - <_> - 1 - - 4 13 9 6 - <_> - 1 - - 11 15 1 4 - <_> - 1 - - 9 10 1 3 - <_> - 7 - - 9 30 2 1 - <_> - 1 - - 4 17 6 12 - <_> - 2 - - 0 6 10 4 - <_> - 2 - - 5 1 1 4 - <_> - 0 - - 6 0 2 8 - <_> - 2 - - 3 10 4 1 - <_> - 4 - - 1 30 12 1 - <_> - 1 - - 4 27 9 1 - <_> - 7 - - 11 25 2 1 - <_> - 1 - - 7 19 2 7 - <_> - 4 - - 12 26 3 5 - <_> - 5 - - 2 5 10 22 - <_> - 7 - - 7 5 4 3 - <_> - 4 - - 2 25 13 3 - <_> - 2 - - 6 18 3 4 - <_> - 2 - - 8 16 1 2 - <_> - 0 - - 6 17 7 12 - <_> - 0 - - 12 21 2 1 - <_> - 1 - - 6 4 4 2 - <_> - 4 - - 7 3 2 2 - <_> - 4 - - 10 0 2 17 - <_> - 5 - - 9 29 6 1 - <_> - 2 - - 6 26 7 1 - <_> - 9 - - 6 8 3 4 - <_> - 8 - - 6 5 4 2 - <_> - 2 - - 14 17 1 13 - <_> - 8 - - 0 30 15 1 - <_> - 0 - - 7 13 2 4 - <_> - 3 - - 3 10 8 4 - <_> - 0 - - 1 14 2 1 - <_> - 1 - - 6 28 5 1 - <_> - 5 - - 10 7 3 7 - <_> - 1 - - 3 29 3 1 - <_> - 3 - - 1 22 2 8 - <_> - 3 - - 4 25 2 5 - <_> - 3 - - 4 5 3 4 - <_> - 2 - - 6 1 2 4 - <_> - 4 - - 3 14 7 14 - <_> - 8 - - 7 6 1 2 - <_> - 3 - - 3 9 2 14 - <_> - 4 - - 2 29 9 1 - <_> - 7 - - 12 30 3 1 - <_> - 9 - - 6 12 4 5 - <_> - 9 - - 1 0 14 3 - <_> - 1 - - 7 4 2 4 - <_> - 2 - - 6 18 4 9 - <_> - 7 - - 3 13 1 2 - <_> - 2 - - 4 13 11 12 - <_> - 8 - - 6 13 4 1 - <_> - 1 - - 6 11 5 2 - <_> - 8 - - 11 16 2 2 - <_> - 1 - - 4 20 3 11 - <_> - 5 - - 2 28 7 2 - <_> - 1 - - 10 29 2 1 - <_> - 9 - - 13 25 2 3 - <_> - 9 - - 6 19 1 5 - <_> - 5 - - 9 29 2 2 - <_> - 2 - - 5 5 10 3 - <_> - 7 - - 0 10 2 8 - <_> - 2 - - 0 30 4 1 - <_> - 7 - - 9 29 6 2 - <_> - 3 - - 8 2 1 29 - <_> - 4 - - 1 0 10 23 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 6 6 6 9 - <_> - 8 - - 7 9 2 1 - <_> - 1 - - 7 28 4 1 - <_> - 3 - - 1 10 12 1 - <_> - 5 - - 7 8 1 19 - <_> - 4 - - 3 30 10 1 - <_> - 3 - - 4 4 1 11 - <_> - 0 - - 7 18 3 4 - <_> - 4 - - 7 7 4 5 - <_> - 7 - - 11 1 1 12 - <_> - 8 - - 7 7 3 1 - <_> - 9 - - 7 9 2 7 - <_> - 9 - - 10 11 5 12 - <_> - 2 - - 6 10 3 1 - <_> - 2 - - 4 19 7 9 - <_> - 1 - - 0 0 15 1 - <_> - 3 - - 4 5 6 2 - <_> - 3 - - 11 20 1 3 - <_> - 3 - - 5 0 8 15 - <_> - 4 - - 10 11 1 12 - <_> - 0 - - 6 16 7 11 - <_> - 5 - - 6 6 1 25 - <_> - 5 - - 3 22 2 4 - <_> - 5 - - 0 7 13 16 - <_> - 4 - - 6 21 4 1 - <_> - 4 - - 5 1 6 5 - <_> - 4 - - 5 0 8 27 - <_> - 1 - - 4 26 6 3 - <_> - 7 - - 8 9 1 1 - <_> - 0 - - 1 28 11 3 - <_> - 3 - - 2 22 1 2 - <_> - 0 - - 7 9 1 6 - <_> - 3 - - 4 9 4 20 - <_> - 5 - - 3 8 1 21 - <_> - 4 - - 6 22 4 3 - <_> - 1 - - 4 7 4 1 - <_> - 9 - - 10 9 2 7 - <_> - 2 - - 11 6 1 18 - <_> - 8 - - 7 6 1 2 - <_> - 4 - - 5 29 6 2 - <_> - 8 - - 8 3 1 1 - <_> - 3 - - 8 17 1 5 - <_> - 3 - - 2 28 12 2 - <_> - 0 - - 0 8 1 5 - <_> - 3 - - 3 23 4 4 - <_> - 1 - - 13 2 2 7 - <_> - 8 - - 5 6 10 2 - <_> - 0 - - 7 18 6 10 - <_> - 3 - - 12 17 3 14 - <_> - 9 - - 8 15 1 2 - <_> - 9 - - 0 0 4 1 - <_> - 0 - - 9 9 4 1 - <_> - 9 - - 4 5 6 13 - <_> - 0 - - 5 3 6 6 - <_> - 9 - - 5 22 6 4 - <_> - 0 - - 11 4 1 1 - <_> - 7 - - 14 1 1 19 - <_> - 4 - - 8 17 3 1 - <_> - 5 - - 9 13 4 6 - <_> - 5 - - 9 2 3 22 - <_> - 0 - - 0 28 8 1 - <_> - 4 - - 6 4 5 3 - <_> - 5 - - 14 10 1 14 - <_> - 5 - - 7 24 5 4 - <_> - 3 - - 10 18 1 8 - <_> - 5 - - 8 30 6 1 - <_> - 2 - - 6 26 6 2 - <_> - 1 - - 4 10 4 2 - <_> - 3 - - 5 8 1 18 - <_> - 4 - - 8 29 7 1 - <_> - 7 - - 13 28 1 1 - <_> - 1 - - 7 28 3 1 - <_> - 7 - - 2 25 4 4 - <_> - 4 - - 12 30 3 1 - <_> - 4 - - 7 19 3 7 - <_> - 5 - - 9 8 5 7 - <_> - 5 - - 2 19 1 5 - <_> - 1 - - 2 22 5 8 - <_> - 1 - - 3 24 2 2 - <_> - 0 - - 6 29 1 2 - <_> - 9 - - 5 28 2 1 - <_> - 0 - - 7 10 3 2 - <_> - 2 - - 4 28 6 1 - <_> - 0 - - 3 7 5 22 - <_> - 7 - - 2 8 9 1 - <_> - 3 - - 6 17 1 2 - <_> - 8 - - 8 6 1 2 - <_> - 3 - - 3 0 6 4 - <_> - 9 - - 7 13 1 1 - <_> - 2 - - 4 22 3 1 - <_> - 9 - - 8 19 1 2 - <_> - 8 - - 10 15 4 3 - <_> - 5 - - 9 10 3 3 - <_> - 3 - - 9 3 6 4 - <_> - 4 - - 1 12 11 18 - <_> - 5 - - 1 28 4 3 - <_> - 3 - - 1 3 8 14 - <_> - 4 - - 7 11 1 8 - <_> - 0 - - 7 9 1 1 - <_> - 2 - - 5 25 4 3 - <_> - 5 - - 5 1 4 3 - <_> - 4 - - 5 18 5 2 - <_> - 5 - - 2 18 11 3 - <_> - 1 - - 7 4 2 4 - <_> - 7 - - 13 4 1 25 - <_> - 2 - - 13 19 2 4 - <_> - 9 - - 4 0 7 4 - <_> - 1 - - 8 27 1 2 - <_> - 4 - - 3 29 11 1 - <_> - 4 - - 6 26 4 4 - <_> - 0 - - 7 17 5 10 - <_> - 9 - - 2 30 1 1 - <_> - 7 - - 12 18 3 13 - <_> - 4 - - 6 22 3 3 - <_> - 1 - - 5 25 3 6 - <_> - 2 - - 7 20 3 1 - <_> - 8 - - 7 6 1 2 - <_> - 2 - - 4 9 4 2 - <_> - 8 - - 4 25 1 2 - <_> - 4 - - 4 9 8 5 - <_> - 5 - - 8 5 5 8 - <_> - 4 - - 3 28 9 1 - <_> - 2 - - 7 29 7 2 - <_> - 2 - - 6 19 5 12 - <_> - 4 - - 14 23 1 4 - <_> - 5 - - 6 17 2 3 - <_> - 2 - - 3 17 5 7 - <_> - 9 - - 7 8 1 3 - <_> - 9 - - 2 3 11 3 - <_> - 1 - - 4 28 4 1 - <_> - 9 - - 6 7 2 6 - <_> - 8 - - 6 6 1 2 - <_> - 2 - - 14 17 1 13 - <_> - 8 - - 3 0 6 5 - <_> - 2 - - 7 24 3 3 - <_> - 4 - - 1 28 11 3 - <_> - 2 - - 6 27 5 4 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 4 4 3 9 - <_> - 8 - - 6 0 3 3 - <_> - 1 - - 4 7 6 1 - <_> - 9 - - 6 14 5 4 - <_> - 3 - - 0 9 1 18 - <_> - 1 - - 9 10 1 3 - <_> - 1 - - 7 12 8 6 - <_> - 4 - - 7 18 2 2 - <_> - 3 - - 6 2 1 8 - <_> - 0 - - 3 9 3 1 - <_> - 4 - - 3 15 11 14 - <_> - 1 - - 6 11 6 1 - <_> - 8 - - 7 5 2 3 - <_> - 9 - - 7 14 3 3 - <_> - 4 - - 3 11 4 9 - <_> - 2 - - 8 7 1 11 - <_> - 7 - - 0 12 9 10 - <_> - 7 - - 0 27 10 1 - <_> - 0 - - 6 5 3 18 - <_> - 5 - - 4 28 5 3 - <_> - 2 - - 4 9 8 22 - <_> - 7 - - 7 17 1 2 - <_> - 2 - - 6 13 4 2 - <_> - 0 - - 5 5 6 3 - <_> - 7 - - 8 13 3 14 - <_> - 0 - - 10 0 2 5 - <_> - 1 - - 3 28 8 1 - <_> - 4 - - 12 7 1 24 - <_> - 7 - - 1 28 2 2 - <_> - 8 - - 6 5 4 2 - <_> - 0 - - 6 18 5 4 - <_> - 4 - - 11 6 4 2 - <_> - 0 - - 7 10 3 1 - <_> - 7 - - 14 0 1 28 - <_> - 5 - - 9 27 6 3 - <_> - 8 - - 0 4 4 27 - <_> - 0 - - 5 28 8 1 - <_> - 1 - - 6 12 3 1 - <_> - 5 - - 10 10 4 9 - <_> - 5 - - 5 0 2 5 - <_> - 4 - - 4 4 6 5 - <_> - 4 - - 2 29 9 1 - <_> - 1 - - 5 26 7 3 - <_> - 2 - - 2 20 2 4 - <_> - 0 - - 6 17 7 12 - <_> - 3 - - 10 25 5 6 - <_> - 3 - - 10 17 1 10 - <_> - 2 - - 0 0 12 28 - <_> - 5 - - 9 8 5 7 - <_> - 4 - - 3 12 9 16 - <_> - 0 - - 13 22 2 4 - <_> - 3 - - 6 0 5 11 - <_> - 1 - - 0 2 8 2 - <_> - 1 - - 6 7 6 2 - <_> - 8 - - 8 3 1 5 - <_> - 4 - - 8 2 4 13 - <_> - 9 - - 8 10 1 7 - <_> - 9 - - 2 3 11 3 - <_> - 2 - - 11 28 2 1 - <_> - 0 - - 9 4 1 24 - <_> - 0 - - 5 28 4 2 - <_> - 4 - - 7 0 2 18 - <_> - 4 - - 4 9 9 3 - <_> - 4 - - 7 7 6 14 - <_> - 4 - - 6 25 3 5 - <_> - 4 - - 5 13 2 5 - <_> - 3 - - 3 24 8 3 - <_> - 8 - - 5 20 2 2 - <_> - 3 - - 1 22 2 8 - <_> - 1 - - 2 27 8 2 - <_> - 7 - - 10 28 5 1 - <_> - 4 - - 7 20 3 5 - <_> - 4 - - 8 26 2 2 - <_> - 0 - - 5 24 4 3 - <_> - 4 - - 12 30 3 1 - <_> - 2 - - 4 24 6 4 - <_> - 2 - - 12 10 3 7 - <_> - 1 - - 8 27 1 2 - <_> - 5 - - 1 29 3 2 - <_> - 1 - - 11 23 3 8 - <_> - 2 - - 8 10 1 5 - <_> - 2 - - 11 0 2 15 - <_> - 1 - - 11 20 1 3 - <_> - 3 - - 3 8 5 16 - <_> - 7 - - 7 5 2 1 - <_> - 3 - - 0 19 4 10 - <_> - 1 - - 6 22 1 2 - <_> - 3 - - 4 27 11 2 - <_> - 9 - - 10 10 3 1 - <_> - 8 - - 8 6 1 2 - <_> - 0 - - 8 8 2 1 - <_> - 8 - - 1 26 11 2 - <_> - 7 - - 4 30 11 1 - <_> - 1 - - 3 18 11 12 - <_> - 2 - - 0 0 12 28 - <_> - 0 - - 13 8 2 6 - <_> - 1 - - 3 22 4 7 - <_> - 2 - - 2 30 8 1 - <_> - 9 - - 9 19 1 6 - <_> - 7 - - 3 16 9 4 - <_> - 9 - - 5 1 2 1 - <_> - 2 - - 7 9 5 1 - <_> - 4 - - 3 28 9 3 - <_> - 5 - - 5 0 6 2 - <_> - 5 - - 8 5 5 10 - <_> - 9 - - 5 17 7 4 - <_> - 2 - - 4 25 9 3 - <_> - 2 - - 9 16 2 2 - <_> - 5 - - 10 9 3 19 - <_> - 1 - - 4 10 7 4 - <_> - 0 - - 13 24 2 7 - <_> - 0 - - 7 24 3 5 - <_> - 4 - - 4 3 6 4 - <_> - 4 - - 11 15 2 5 - <_> - 0 - - 11 13 1 10 - <_> - 1 - - 1 25 1 5 - <_> - 5 - - 11 22 1 2 - <_> - 1 - - 8 26 1 4 - <_> - 3 - - 8 18 1 1 - <_> - 8 - - 7 6 1 2 - <_> - 9 - - 14 24 1 2 - <_> - 8 - - 11 6 1 3 - <_> - 2 - - 5 4 5 1 - <_> - 2 - - 6 3 4 7 - <_> - 1 - - 7 4 2 4 - <_> - 7 - - 9 7 1 5 - <_> - 0 - - 0 10 9 3 - <_> - 0 - - 4 4 7 7 - <_> - 5 - - 4 28 9 2 - <_> - 2 - - 6 17 6 12 - <_> - 0 - - 13 25 1 3 - <_> - 0 - - 1 3 13 1 - <_> - 0 - - 5 6 7 2 - <_> - 0 - - 5 10 4 2 - <_> - 1 - - 7 19 2 6 - <_> - 4 - - 5 13 6 9 - <_> - 1 - - 6 17 4 1 - <_> - 7 - - 2 28 6 1 - <_> - 0 - - 11 21 3 6 - <_> - 4 - - 13 29 2 2 - <_> - 3 - - 4 3 3 18 - <_> - 7 - - 7 5 4 3 - <_> - 7 - - 1 0 3 10 - <_> - 2 - - 6 12 3 1 - <_> - 5 - - 1 11 14 3 - <_> - 0 - - 6 15 3 1 - <_> - 8 - - 7 5 2 3 - <_> - 1 - - 2 0 11 3 - <_> - 8 - - 11 18 4 2 - <_> - 4 - - 4 26 7 2 - <_> - 2 - - 5 28 10 3 - <_> - 2 - - 4 5 7 2 - <_> - 4 - - 6 29 5 2 - <_> - 1 - - 5 28 6 2 - <_> - 9 - - 7 12 1 5 - <_> - 2 - - 3 17 6 7 - <_> - 3 - - 8 25 1 1 - <_> - 3 - - 2 22 1 2 - <_> - 3 - - 5 0 9 1 - <_> - 3 - - 3 0 6 13 - <_> - 3 - - 7 6 3 11 - <_> - 7 - - 8 1 7 14 - <_> - 5 - - 3 26 8 2 - <_> - 2 - - 7 12 6 15 - <_> - 0 - - 7 8 1 7 - <_> - 8 - - 14 0 1 3 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 1 30 2 1 - <_> - 7 - - 3 28 1 1 - <_> - 0 - - 5 25 4 1 - <_> - 3 - - 5 28 3 2 - <_> - 0 - - 9 12 3 19 - <_> - 3 - - 1 16 2 9 - <_> - 3 - - 11 24 3 1 - <_> - 1 - - 4 22 7 1 - <_> - 5 - - 10 7 2 20 - <_> - 0 - - 6 19 4 10 - <_> - 5 - - 4 28 9 2 - <_> - 5 - - 11 29 1 1 - <_> - 9 - - 1 0 14 3 - <_> - 9 - - 7 9 2 7 - <_> - 9 - - 8 13 2 5 - <_> - 4 - - 9 17 5 14 - <_> - 1 - - 7 27 8 2 - <_> - 4 - - 5 24 1 2 - <_> - 2 - - 5 18 6 10 - <_> - 7 - - 9 3 1 26 - <_> - 2 - - 8 16 2 3 - <_> - 8 - - 8 4 2 8 - <_> - 8 - - 6 6 1 2 - <_> - 8 - - 11 5 1 3 - <_> - 0 - - 3 29 5 2 - <_> - 4 - - 4 9 3 22 - <_> - 5 - - 10 19 3 1 - <_> - 1 - - 8 4 2 5 - <_> - 4 - - 7 4 3 1 - <_> - 4 - - 5 0 7 10 - <_> - 1 - - 5 9 6 4 - <_> - 0 - - 6 25 5 2 - <_> - 0 - - 4 8 2 2 - <_> - 5 - - 1 25 2 6 - <_> - 3 - - 3 9 4 6 - <_> - 7 - - 7 24 6 7 - <_> - 9 - - 6 20 1 3 - <_> - 8 - - 7 5 6 4 - <_> - 8 - - 1 10 14 3 - <_> - 2 - - 8 9 2 1 - <_> - 5 - - 8 5 3 4 - <_> - 8 - - 5 19 7 1 - <_> - 7 - - 6 3 4 1 - <_> - 5 - - 12 25 2 2 - <_> - 2 - - 7 14 6 12 - <_> - 2 - - 5 30 8 1 - <_> - 2 - - 3 26 8 2 - <_> - 2 - - 9 19 5 1 - <_> - 4 - - 9 13 2 11 - <_> - 1 - - 6 27 4 4 - <_> - 1 - - 6 4 2 6 - <_> - 8 - - 8 6 1 2 - <_> - 9 - - 5 0 5 3 - <_> - 8 - - 5 28 8 1 - <_> - 9 - - 6 12 3 2 - <_> - 1 - - 0 2 12 24 - <_> - 8 - - 6 11 3 4 - <_> - 4 - - 4 3 4 6 - <_> - 7 - - 4 3 1 1 - <_> - 1 - - 9 10 1 3 - <_> - 0 - - 7 28 1 3 - <_> - 0 - - 6 16 7 11 - <_> - 4 - - 1 22 5 4 - <_> - 0 - - 1 28 12 1 - <_> - 4 - - 5 12 8 15 - <_> - 4 - - 1 27 5 4 - <_> - 2 - - 6 18 4 11 - <_> - 3 - - 13 20 1 10 - <_> - 7 - - 5 29 6 1 - <_> - 1 - - 7 24 2 2 - <_> - 9 - - 3 3 10 2 - <_> - 0 - - 6 8 1 2 - <_> - 9 - - 4 9 4 2 - <_> - 5 - - 10 12 1 15 - <_> - 5 - - 10 7 1 7 - <_> - 5 - - 6 17 2 3 - <_> - 3 - - 2 21 7 6 - <_> - 3 - - 6 3 1 3 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 6 6 5 8 - <_> - 8 - - 7 9 2 1 - <_> - 5 - - 13 22 2 9 - <_> - 2 - - 6 25 4 2 - <_> - 7 - - 10 29 1 2 - <_> - 5 - - 5 29 8 1 - <_> - 5 - - 9 12 3 16 - <_> - 9 - - 6 16 4 2 - <_> - 7 - - 7 6 2 2 - <_> - 4 - - 7 0 2 18 - <_> - 2 - - 1 10 7 5 - <_> - 1 - - 4 10 5 1 - <_> - 0 - - 4 2 3 11 - <_> - 9 - - 11 17 1 1 - <_> - 3 - - 0 26 1 3 - <_> - 5 - - 4 1 3 5 - <_> - 0 - - 13 11 2 4 - <_> - 2 - - 8 23 2 3 - <_> - 4 - - 1 30 3 1 - <_> - 7 - - 5 30 2 1 - <_> - 3 - - 5 0 1 27 - <_> - 2 - - 9 24 4 6 - <_> - 5 - - 6 15 1 8 - <_> - 1 - - 5 26 6 2 - <_> - 0 - - 9 15 1 13 - <_> - 4 - - 3 20 10 1 - <_> - 4 - - 4 6 9 6 - <_> - 7 - - 2 1 5 5 - <_> - 2 - - 8 8 4 1 - <_> - 1 - - 6 12 3 1 - <_> - 0 - - 2 7 6 1 - <_> - 9 - - 12 2 1 4 - <_> - 8 - - 10 18 1 13 - <_> - 8 - - 6 5 4 2 - <_> - 0 - - 5 5 8 2 - <_> - 0 - - 7 0 5 14 - <_> - 4 - - 1 9 11 1 - <_> - 1 - - 0 4 14 6 - <_> - 0 - - 6 14 6 12 - <_> - 8 - - 7 3 1 5 - <_> - 0 - - 6 12 8 17 - <_> - 5 - - 5 28 6 1 - <_> - 5 - - 3 26 9 1 - <_> - 3 - - 6 5 4 2 - <_> - 3 - - 6 15 3 1 - <_> - 1 - - 9 8 3 14 - <_> - 7 - - 0 30 14 1 - <_> - 3 - - 4 6 11 5 - <_> - 7 - - 13 0 1 1 - <_> - 1 - - 11 25 2 6 - <_> - 3 - - 1 30 9 1 - <_> - 7 - - 4 27 5 1 - <_> - 5 - - 2 14 7 1 - <_> - 9 - - 3 13 5 6 - <_> - 5 - - 9 7 4 21 - <_> - 1 - - 6 4 2 6 - <_> - 0 - - 7 10 3 2 - <_> - 2 - - 3 12 4 14 - <_> - 9 - - 13 29 2 2 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 5 6 7 1 - <_> - 2 - - 4 28 11 1 - <_> - 4 - - 3 10 11 13 - <_> - 1 - - 5 27 6 4 - <_> - 5 - - 0 6 1 14 - <_> - 4 - - 6 29 1 1 - <_> - 2 - - 7 30 8 1 - <_> - 3 - - 3 9 3 18 - <_> - 4 - - 7 20 2 3 - <_> - 1 - - 4 15 8 4 - <_> - 2 - - 4 22 6 9 - <_> - 2 - - 3 28 5 2 - <_> - 0 - - 13 22 1 2 - <_> - 0 - - 9 17 5 3 - <_> - 8 - - 8 6 1 2 - <_> - 9 - - 5 9 5 1 - <_> - 8 - - 8 3 1 1 - <_> - 1 - - 10 9 1 2 - <_> - 1 - - 4 13 9 6 - <_> - 1 - - 6 11 6 1 - <_> - 5 - - 9 3 4 10 - <_> - 8 - - 12 20 1 5 - <_> - 5 - - 4 0 9 11 - <_> - 2 - - 7 8 4 2 - <_> - 2 - - 12 25 2 1 - <_> - 3 - - 1 6 3 5 - <_> - 2 - - 12 24 2 2 - <_> - 5 - - 6 26 7 2 - <_> - 3 - - 6 26 7 2 - <_> - 2 - - 6 10 3 1 - <_> - 8 - - 4 6 7 2 - <_> - 4 - - 0 10 4 13 - <_> - 4 - - 6 4 5 3 - <_> - 0 - - 2 30 5 1 - <_> - 3 - - 3 0 5 13 - <_> - 4 - - 5 0 3 24 - <_> - 1 - - 11 20 3 8 - <_> - 2 - - 3 12 1 7 - <_> - 9 - - 7 17 2 3 - <_> - 9 - - 7 3 3 4 - <_> - 5 - - 2 29 13 2 - <_> - 9 - - 0 29 7 2 - <_> - 0 - - 5 21 5 6 - <_> - 9 - - 7 7 2 7 - <_> - 0 - - 14 14 1 3 - <_> - 2 - - 8 26 6 5 - <_> - 5 - - 2 24 1 7 - <_> - 5 - - 10 10 4 9 - <_> - 2 - - 8 16 1 2 - <_> - 5 - - 1 11 13 14 - <_> - 2 - - 4 18 5 10 - <_> - 0 - - 4 8 2 2 - <_> - 2 - - 6 16 4 1 - <_> - 1 - - 5 28 6 1 - <_> - 5 - - 0 9 1 15 - <_> - 1 - - 9 22 1 2 - <_> - 0 - - 3 4 3 13 - <_> - 3 - - 6 25 6 4 - <_> - 4 - - 4 20 8 1 - <_> - 0 - - 7 19 4 9 - <_> - 9 - - 7 1 1 2 - <_> - 4 - - 7 17 4 2 - <_> - 1 - - 9 10 1 3 - <_> - 4 - - 9 7 1 4 - <_> - 8 - - 9 25 5 5 - <_> - 3 - - 0 18 7 11 - <_> - 1 - - 2 12 12 7 - <_> - 5 - - 5 7 7 1 - <_> - 8 - - 6 6 1 2 - <_> - 9 - - 7 13 1 7 - <_> - 4 - - 5 0 2 13 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 6 1 2 14 - <_> - 8 - - 6 8 3 2 - <_> - 1 - - 2 26 11 2 - <_> - 2 - - 11 28 2 1 - <_> - 1 - - 5 8 1 6 - <_> - 8 - - 9 26 1 4 - <_> - 1 - - 8 6 2 3 - <_> - 4 - - 2 24 12 2 - <_> - 2 - - 5 16 4 11 - <_> - 4 - - 8 14 5 17 - <_> - 0 - - 5 28 6 2 - <_> - 0 - - 9 16 2 10 - <_> - 7 - - 7 4 8 1 - <_> - 0 - - 7 10 3 17 - <_> - 3 - - 3 12 4 12 - <_> - 0 - - 7 7 3 5 - <_> - 7 - - 7 30 3 1 - <_> - 5 - - 0 21 3 2 - <_> - 5 - - 1 9 3 17 - <_> - 5 - - 1 8 14 3 - <_> - 4 - - 12 8 1 23 - <_> - 0 - - 4 28 10 2 - <_> - 5 - - 5 15 1 10 - <_> - 0 - - 6 18 6 10 - <_> - 2 - - 0 29 15 2 - <_> - 0 - - 10 19 4 4 - <_> - 8 - - 7 6 1 2 - <_> - 3 - - 13 23 2 5 - <_> - 8 - - 11 5 2 1 - <_> - 4 - - 7 18 2 2 - <_> - 3 - - 2 0 8 14 - <_> - 9 - - 5 22 2 1 - <_> - 9 - - 14 24 1 2 - <_> - 5 - - 11 13 1 18 - <_> - 5 - - 10 28 5 3 - <_> - 4 - - 5 29 7 1 - <_> - 1 - - 6 27 6 2 - <_> - 1 - - 13 5 1 9 - <_> - 7 - - 7 6 2 2 - <_> - 0 - - 3 3 2 3 - <_> - 2 - - 5 6 8 18 - <_> - 4 - - 6 23 4 6 - <_> - 0 - - 3 2 3 14 - <_> - 4 - - 6 19 2 2 - <_> - 3 - - 7 14 1 2 - <_> - 3 - - 10 12 4 3 - <_> - 0 - - 7 10 2 4 - <_> - 7 - - 3 19 1 12 - <_> - 2 - - 14 17 1 9 - <_> - 2 - - 7 8 5 3 - <_> - 5 - - 3 28 11 3 - <_> - 5 - - 10 9 3 6 - <_> - 7 - - 6 15 3 1 - <_> - 0 - - 12 8 2 4 - <_> - 5 - - 10 8 1 4 - <_> - 0 - - 10 9 1 1 - <_> - 8 - - 6 6 2 2 - <_> - 2 - - 3 1 12 3 - <_> - 9 - - 8 10 1 7 - <_> - 1 - - 4 27 5 1 - <_> - 2 - - 7 18 2 3 - <_> - 4 - - 0 30 8 1 - <_> - 1 - - 3 28 10 1 - <_> - 3 - - 7 16 4 1 - <_> - 7 - - 12 22 3 4 - <_> - 4 - - 3 14 7 14 - <_> - 1 - - 7 3 2 6 - <_> - 1 - - 2 30 10 1 - <_> - 0 - - 8 26 6 5 - <_> - 2 - - 9 9 4 1 - <_> - 5 - - 9 28 5 3 - <_> - 1 - - 3 10 10 1 - <_> - 3 - - 6 2 1 8 - <_> - 0 - - 1 10 2 3 - <_> - 7 - - 5 29 9 1 - <_> - 2 - - 7 8 3 9 - <_> - 3 - - 2 8 7 20 - <_> - 3 - - 13 23 2 6 - <_> - 3 - - 5 25 6 2 - <_> - 9 - - 0 0 4 1 - <_> - 8 - - 6 25 4 6 - <_> - 8 - - 7 7 3 1 - <_> - 1 - - 1 0 10 2 - <_> - 9 - - 7 14 3 3 - <_> - 7 - - 5 16 6 1 - <_> - 9 - - 6 19 3 1 - <_> - 0 - - 7 10 1 1 - <_> - 0 - - 6 5 3 4 - <_> - 1 - - 1 7 9 3 - <_> - 8 - - 6 5 4 2 - <_> - 3 - - 5 28 10 1 - <_> - 8 - - 10 7 2 4 - <_> - 4 - - 3 8 9 13 - <_> - 4 - - 8 3 1 17 - <_> - 1 - - 8 4 1 12 - <_> - 3 - - 2 19 1 11 - <_> - 3 - - 4 23 6 4 - <_> - 0 - - 6 15 3 1 - <_> - 0 - - 5 12 5 17 - <_> - 4 - - 4 6 8 19 - <_> - 2 - - 6 1 4 27 - <_> - 0 - - 5 11 9 1 - <_> - 1 - - 8 10 2 4 - <_> - 5 - - 12 25 3 6 - <_> - 5 - - 2 27 1 3 - <_> - 2 - - 3 25 7 3 - <_> - 1 - - 5 0 4 30 - <_> - 0 - - 4 25 1 5 - <_> - 4 - - 9 8 1 17 - <_> - 5 - - 3 18 1 4 - <_> - 1 - - 5 26 5 3 - <_> - 9 - - 5 9 5 2 - <_> - 1 - - 6 19 4 5 - <_> - 9 - - 8 28 5 1 - <_> - 5 - - 10 9 2 15 - <_> - 9 - - 6 3 3 22 - <_> - 4 - - 11 27 3 4 - <_> - 2 - - 5 1 2 4 - <_> - 7 - - 5 29 2 2 - <_> - 5 - - 8 3 2 4 - <_> - 2 - - 9 3 3 13 - <_> - 0 - - 6 10 3 2 - <_> - 0 - - 5 22 3 5 - <_> - 7 - - 6 3 4 1 - <_> - 0 - - 0 14 4 17 - <_> - 3 - - 3 5 4 9 - <_> - 7 - - 0 11 3 5 - <_> - 8 - - 7 7 3 1 - <_> - 2 - - 0 30 4 1 - <_> - 4 - - 0 18 12 13 - <_> - 0 - - 9 18 2 1 - <_> - 9 - - 7 8 1 13 - <_> - 9 - - 1 0 14 3 - <_> - 8 - - 4 12 3 2 - <_> - 2 - - 4 19 7 9 - <_> - 2 - - 4 15 1 8 - <_> - 3 - - 8 20 2 4 - <_> - 2 - - 8 6 4 4 - <_> - 5 - - 9 7 2 2 - <_> - 2 - - 0 28 14 2 - <_> - 5 - - 7 15 1 7 - <_> - 7 - - 0 15 7 3 - <_> - 3 - - 3 7 3 12 - <_> - 7 - - 5 30 9 1 - <_> - 2 - - 13 23 2 8 - <_> - 1 - - 8 24 6 6 - <_> - 4 - - 7 4 3 1 - <_> - 1 - - 7 4 2 4 - <_> - 1 - - 0 17 9 7 - <_> - 5 - - 2 30 6 1 - <_> - 2 - - 0 24 9 3 - <_> - 1 - - 6 11 6 1 - <_> - 1 - - 5 28 6 1 - <_> - 8 - - 2 17 1 4 - <_> - 0 - - 1 3 9 1 - <_> - 8 - - 6 5 4 2 - <_> - 7 - - 11 24 2 2 - <_> - 8 - - 14 18 1 7 - <_> - 7 - - 7 5 1 3 - <_> - 1 - - 5 25 4 1 - <_> - 2 - - 8 23 2 6 - <_> - 3 - - 5 11 3 17 - <_> - 3 - - 6 14 1 15 - <_> - 4 - - 4 6 9 6 - <_> - 4 - - 6 29 9 2 - <_> - 7 - - 11 27 3 1 - <_> - 9 - - 7 15 1 1 - <_> - 0 - - 1 28 14 2 - <_> - 0 - - 7 19 4 8 - <_> - 8 - - 5 6 7 8 - <_> - 1 - - 10 9 1 1 - <_> - 3 - - 4 19 9 2 - <_> - 1 - - 10 19 4 3 - <_> - 4 - - 7 20 4 1 - <_> - 3 - - 5 15 1 14 - <_> - 0 - - 5 5 6 3 - <_> - 2 - - 8 11 1 7 - <_> - 5 - - 10 10 3 4 - <_> - 0 - - 7 1 5 5 - <_> - 8 - - 7 6 1 2 - <_> - 3 - - 9 16 2 2 - <_> - 9 - - 8 15 1 2 - <_> - 1 - - 3 27 7 4 - <_> - 1 - - 11 24 1 1 - <_> - 4 - - 0 29 10 2 - <_> - 2 - - 3 24 8 4 - <_> - 0 - - 0 21 3 10 - <_> - 2 - - 4 28 9 2 - <_> - 0 - - 7 18 1 5 - <_> - 7 - - 8 7 2 1 - <_> - 7 - - 1 24 2 7 - <_> - 1 - - 7 6 5 3 - <_> - 7 - - 6 14 2 1 - <_> - 7 - - 4 27 1 4 - <_> - 8 - - 7 5 2 3 - <_> - 3 - - 13 14 1 6 - <_> - 8 - - 4 3 1 4 - <_> - 2 - - 11 10 1 8 - <_> - 1 - - 8 7 6 16 - <_> - 3 - - 0 8 11 13 - <_> - 3 - - 5 7 1 15 - <_> - 0 - - 5 20 3 2 - <_> - 3 - - 1 6 8 2 - <_> - 2 - - 4 9 4 1 - <_> - 0 - - 3 4 4 6 - <_> - 3 - - 8 2 1 3 - <_> - 1 - - 8 27 1 2 - <_> - 3 - - 14 21 1 4 - <_> - 4 - - 1 9 2 10 - <_> - 5 - - 9 12 3 15 - <_> - 7 - - 3 12 1 6 - <_> - 2 - - 9 30 5 1 - <_> - 3 - - 6 5 4 2 - <_> - 4 - - 9 20 1 11 - <_> - 4 - - 2 6 8 3 - <_> - 7 - - 4 24 1 7 - <_> - 0 - - 6 7 3 12 - <_> - 5 - - 6 26 5 2 - <_> - 5 - - 3 21 2 3 - <_> - 2 - - 3 20 7 2 - <_> - 4 - - 0 30 8 1 - <_> - 3 - - 1 27 10 4 - <_> - 2 - - 5 5 10 2 - <_> - 4 - - 12 22 3 3 - <_> - 9 - - 7 8 1 3 - <_> - 9 - - 7 1 2 6 - <_> - 8 - - 7 6 3 11 - <_> - 8 - - 8 29 3 1 - <_> - 1 - - 7 3 3 7 - <_> - 0 - - 9 19 1 12 - <_> - 4 - - 9 5 2 26 - <_> - 4 - - 9 9 4 13 - <_> - 4 - - 1 23 12 1 - <_> - 2 - - 8 10 1 5 - <_> - 5 - - 10 12 3 19 - <_> - 4 - - 7 11 2 14 - <_> - 0 - - 14 19 1 3 - <_> - 4 - - 5 9 10 3 - <_> - 4 - - 8 22 1 4 - <_> - 2 - - 4 3 6 23 - <_> - 2 - - 14 16 1 13 - <_> - 7 - - 3 19 1 12 - <_> - 5 - - 8 28 3 3 - <_> - 3 - - 5 0 9 1 - <_> - 0 - - 11 10 1 19 - <_> - 8 - - 7 5 2 3 - <_> - 4 - - 5 20 5 1 - <_> - 0 - - 6 21 5 7 - <_> - 3 - - 13 21 2 5 - <_> - 3 - - 1 7 4 8 - <_> - 8 - - 6 18 3 2 - <_> - 7 - - 7 6 2 2 - <_> - 1 - - 7 19 2 5 - <_> - 5 - - 11 8 3 22 - <_> - 1 - - 11 20 2 8 - <_> - 5 - - 11 1 1 20 - <_> - 4 - - 0 30 13 1 - <_> - 9 - - 1 29 7 2 - <_> - 9 - - 5 19 3 3 - <_> - 9 - - 5 6 5 5 - <_> - 8 - - 7 6 1 2 - <_> - 2 - - 5 19 4 11 - <_> - 4 - - 2 29 2 2 - <_> - 0 - - 7 10 3 2 - <_> - 1 - - 8 27 4 2 - <_> - 2 - - 7 8 4 2 - <_> - 0 - - 2 28 2 2 - <_> - 3 - - 2 12 5 3 - <_> - 3 - - 7 14 1 2 - <_> - 2 - - 6 18 3 4 - <_> - 0 - - 5 22 3 5 - <_> - 2 - - 5 1 5 27 - <_> - 0 - - 5 28 7 1 - <_> - 3 - - 5 26 8 2 - <_> - 7 - - 13 21 1 4 - <_> - 7 - - 9 17 1 1 - <_> - 7 - - 13 30 1 1 - <_> - 2 - - 11 4 1 16 - <_> - 5 - - 12 18 2 12 - <_> - 5 - - 8 9 5 4 - <_> - 5 - - 3 23 1 2 - <_> - 4 - - 0 9 4 7 - <_> - 2 - - 3 28 5 2 - <_> - 4 - - 9 8 1 17 - <_> - 3 - - 6 2 1 8 - <_> - 0 - - 6 4 1 6 - <_> - 0 - - 6 18 6 10 - <_> - 0 - - 2 2 11 2 - <_> - 4 - - 9 1 3 16 - <_> - 4 - - 7 4 5 4 - <_> - 4 - - 4 29 8 1 - <_> - 0 - - 6 7 6 10 - <_> - 7 - - 7 28 1 2 - <_> - 5 - - 3 26 7 2 - <_> - 7 - - 7 13 1 8 - <_> - 4 - - 5 20 8 1 - <_> - 1 - - 3 27 10 2 - <_> - 0 - - 0 8 9 1 - <_> - 4 - - 8 26 6 5 - <_> - 5 - - 4 24 1 7 - <_> - 2 - - 2 11 4 11 - <_> - 2 - - 6 21 5 7 - <_> - 8 - - 6 5 4 2 - <_> - 3 - - 3 7 2 11 - <_> - 8 - - 2 21 1 5 - <_> - 2 - - 5 8 1 1 - <_> - 9 - - 7 12 1 5 - <_> - 2 - - 6 9 4 2 - <_> - 8 - - 8 6 1 2 - <_> - 9 - - 12 24 2 5 - <_> - 8 - - 11 0 3 19 - <_> - 3 - - 0 26 4 3 - <_> - 3 - - 4 13 2 15 - <_> - 7 - - 8 19 1 1 - <_> - 2 - - 9 0 2 8 - <_> - 4 - - 7 3 2 18 - <_> - 9 - - 14 2 1 2 - <_> - 1 - - 6 22 4 2 - <_> - 5 - - 12 30 2 1 - <_> - 5 - - 10 20 1 6 - <_> - 2 - - 3 6 7 2 - <_> - 1 - - 6 11 5 2 - <_> - 3 - - 0 6 10 19 - <_> - 7 - - 6 29 1 2 - <_> - 3 - - 6 9 3 8 - <_> - 0 - - 2 12 10 7 - <_> - 2 - - 1 16 2 1 - <_> - 7 - - 1 15 8 1 - <_> - 4 - - 7 18 2 2 - <_> - 3 - - 6 5 9 3 - <_> - 5 - - 0 19 15 8 - <_> - 2 - - 1 25 8 3 - <_> - 2 - - 13 14 1 1 - <_> - 1 - - 13 3 2 12 - <_> - 7 - - 0 24 7 1 - <_> - 3 - - 0 28 15 2 - <_> - 1 - - 4 21 7 5 - <_> - 5 - - 5 14 1 10 - <_> - 1 - - 9 10 1 3 - <_> - 1 - - 1 7 14 5 - <_> - 8 - - 0 16 3 3 - <_> - 1 - - 5 9 1 2 - <_> - 4 - - 8 9 3 19 - <_> - 5 - - 3 21 2 9 - <_> - 0 - - 6 19 2 12 - <_> - 1 - - 5 17 6 3 - <_> - 3 - - 2 19 13 11 - <_> - 0 - - 9 9 1 2 - <_> - 5 - - 9 8 6 4 - <_> - 0 - - 3 8 4 1 - <_> - 1 - - 3 22 3 8 - <_> - 1 - - 2 19 3 4 - <_> - 5 - - 13 1 1 30 - <_> - 5 - - 5 19 7 6 - <_> - 2 - - 0 23 9 1 - <_> - 5 - - 6 17 3 1 - <_> - 4 - - 11 0 3 21 - <_> - 1 - - 2 4 12 5 - <_> - 5 - - 1 13 1 7 - <_> - 1 - - 4 3 5 1 - <_> - 5 - - 9 5 1 7 - <_> - 0 - - 7 18 4 2 - <_> - 5 - - 5 28 8 2 - <_> - 5 - - 3 26 7 2 - <_> - 8 - - 7 5 2 3 - <_> - 4 - - 1 30 8 1 - <_> - 4 - - 2 6 5 7 - <_> - 9 - - 7 1 1 2 - <_> - 9 - - 7 13 4 9 - <_> - 9 - - 3 3 10 3 - <_> - 1 - - 3 4 6 2 - <_> - 1 - - 5 28 6 1 - <_> - 4 - - 4 5 11 9 - <_> - 3 - - 2 16 1 11 - <_> - 0 - - 6 20 5 7 - <_> - 4 - - 10 1 1 8 - <_> - 3 - - 11 22 1 6 - <_> - 4 - - 5 12 6 17 - <_> - 5 - - 10 10 4 8 - <_> - 5 - - 2 1 5 13 - <_> - 5 - - 4 2 8 2 - <_> - 7 - - 2 21 12 2 - <_> - 8 - - 6 6 2 2 - <_> - 9 - - 7 12 1 5 - <_> - 0 - - 2 4 4 12 - <_> - 3 - - 2 15 2 12 - <_> - 2 - - 4 1 3 26 - <_> - 4 - - 0 4 13 4 - <_> - 5 - - 13 15 1 11 - <_> - 5 - - 4 0 9 11 - <_> - 5 - - 7 0 5 7 - <_> - 9 - - 6 19 2 5 - <_> - 1 - - 7 19 2 5 - <_> - 7 - - 2 11 11 2 - <_> - 1 - - 5 9 6 1 - <_> - 7 - - 7 29 2 2 - <_> - 2 - - 8 8 4 1 - <_> - 1 - - 4 27 8 1 - <_> - 4 - - 0 29 14 1 - <_> - 4 - - 8 7 4 8 - <_> - 7 - - 10 28 5 1 - <_> - 2 - - 8 16 1 2 - <_> - 3 - - 2 24 7 4 - <_> - 1 - - 11 15 3 8 - <_> - 5 - - 1 26 1 5 - <_> - 8 - - 3 27 8 2 - <_> - 2 - - 10 9 3 2 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 5 6 3 1 - <_> - 4 - - 3 10 12 3 - <_> - 7 - - 2 27 2 2 - <_> - 4 - - 3 24 8 2 - <_> - 3 - - 5 5 1 14 - <_> - 7 - - 6 12 3 2 - <_> - 8 - - 0 4 15 2 - <_> - 8 - - 10 3 2 1 - <_> - 4 - - 6 26 4 2 - <_> - 2 - - 7 11 2 3 - <_> - 4 - - 5 21 5 8 - <_> - 0 - - 5 5 6 3 - <_> - 5 - - 2 13 1 10 - <_> - 4 - - 4 0 6 22 - <_> - 1 - - 5 15 5 11 - <_> - 4 - - 8 3 1 17 - <_> - 2 - - 7 25 3 1 - <_> - 5 - - 6 28 7 2 - <_> - 5 - - 11 13 1 9 - <_> - 0 - - 9 14 3 11 - <_> - 2 - - 5 16 4 11 - <_> - 5 - - 3 15 7 12 - <_> - 5 - - 12 17 3 2 - <_> - 4 - - 7 18 2 2 - <_> - 1 - - 7 27 3 3 - <_> - 4 - - 7 12 3 3 - <_> - 8 - - 8 6 1 2 - <_> - 9 - - 5 16 1 5 - <_> - 8 - - 6 25 4 3 - <_> - 3 - - 6 20 1 5 - <_> - 4 - - 3 26 10 5 - <_> - 4 - - 7 21 3 2 - <_> - 3 - - 3 0 9 10 - <_> - 0 - - 3 9 5 1 - <_> - 3 - - 7 7 6 5 - <_> - 5 - - 3 30 11 1 - <_> - 2 - - 4 26 9 4 - <_> - 0 - - 0 29 9 1 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 9 5 2 1 - <_> - 9 - - 7 10 3 6 - <_> - 5 - - 8 5 5 10 - <_> - 7 - - 3 5 10 2 - <_> - 2 - - 14 22 1 4 - <_> - 9 - - 8 1 2 1 - <_> - 2 - - 4 9 4 1 - <_> - 8 - - 8 1 1 6 - <_> - 3 - - 2 9 7 5 - <_> - 4 - - 1 21 2 4 - <_> - 0 - - 8 9 2 1 - <_> - 8 - - 6 6 2 2 - <_> - 2 - - 6 18 5 10 - <_> - 8 - - 1 4 14 6 - <_> - 3 - - 6 9 3 12 - <_> - 3 - - 5 4 2 9 - <_> - 8 - - 6 12 5 2 - <_> - 9 - - 6 8 2 2 - <_> - 9 - - 1 5 14 11 - <_> - 5 - - 6 8 4 1 - <_> - 5 - - 6 4 4 3 - <_> - 0 - - 0 20 15 10 - <_> - 7 - - 0 27 6 1 - <_> - 2 - - 5 1 2 4 - <_> - 4 - - 8 23 1 1 - <_> - 9 - - 2 2 8 3 - <_> - 1 - - 3 28 8 1 - <_> - 2 - - 4 30 11 1 - <_> - 1 - - 4 3 5 1 - <_> - 0 - - 7 19 4 9 - <_> - 0 - - 13 24 1 5 - <_> - 3 - - 10 18 1 8 - <_> - 4 - - 1 9 14 2 - <_> - 1 - - 7 4 2 4 - <_> - 7 - - 9 27 3 4 - <_> - 1 - - 9 10 1 3 - <_> - 7 - - 14 0 1 26 - <_> - 5 - - 2 9 13 20 - <_> - 0 - - 7 11 2 3 - <_> - 3 - - 4 9 2 19 - <_> - 7 - - 3 16 1 4 - <_> - 5 - - 5 29 4 2 - <_> - 0 - - 3 25 9 5 - <_> - 3 - - 7 29 8 2 - <_> - 4 - - 3 11 9 14 - <_> - 4 - - 8 11 1 8 - <_> - 8 - - 6 21 4 4 - <_> - 3 - - 0 23 3 7 - <_> - 3 - - 3 23 4 4 - <_> - 5 - - 5 18 3 6 - <_> - 5 - - 8 2 5 10 - <_> - 7 - - 2 4 3 5 - <_> - 2 - - 4 10 7 1 - <_> - 3 - - 3 9 9 18 - <_> - 3 - - 5 28 6 1 - <_> - 4 - - 1 6 10 8 - <_> - 3 - - 0 0 5 26 - <_> - 2 - - 5 0 5 31 - <_> - 5 - - 10 25 2 1 - <_> - 2 - - 8 9 1 3 - <_> - 2 - - 3 24 6 4 - <_> - 8 - - 8 6 1 2 - <_> - 7 - - 2 5 8 4 - <_> - 8 - - 10 2 1 5 - <_> - 5 - - 2 7 2 16 - <_> - 0 - - 2 27 1 3 - <_> - 1 - - 1 17 4 2 - <_> - 9 - - 13 25 1 5 - <_> - 4 - - 7 3 2 2 - <_> - 8 - - 6 28 4 1 - <_> - 1 - - 1 10 14 12 - <_> - 3 - - 4 4 5 23 - <_> - 5 - - 1 16 10 8 - <_> - 2 - - 6 10 3 4 - <_> - 5 - - 7 21 5 5 - <_> - 5 - - 9 16 3 5 - <_> - 3 - - 14 24 1 6 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 6 6 5 8 - <_> - 8 - - 8 16 2 2 - <_> - 1 - - 4 27 10 1 - <_> - 1 - - 5 26 7 2 - <_> - 4 - - 5 20 8 1 - <_> - 9 - - 9 11 1 2 - <_> - 9 - - 8 1 2 1 - <_> - 8 - - 8 4 3 25 - <_> - 1 - - 6 28 5 1 - <_> - 8 - - 8 28 3 3 - <_> - 4 - - 6 29 4 1 - <_> - 4 - - 7 21 3 2 - <_> - 5 - - 10 18 1 11 - <_> - 2 - - 7 9 5 1 - <_> - 5 - - 0 21 3 6 - <_> - 2 - - 3 22 7 6 - <_> - 0 - - 6 10 3 2 - <_> - 2 - - 11 24 2 6 - <_> - 7 - - 14 17 1 13 - <_> - 8 - - 4 3 3 1 - <_> - 4 - - 5 3 6 6 - <_> - 5 - - 1 16 6 15 - <_> - 3 - - 3 29 5 2 - <_> - 0 - - 6 18 4 12 - <_> - 4 - - 10 0 3 13 - <_> - 0 - - 7 11 2 6 - <_> - 5 - - 3 10 12 3 - <_> - 1 - - 7 1 3 2 - <_> - 1 - - 4 26 6 3 - <_> - 4 - - 1 11 11 19 - <_> - 8 - - 7 5 2 3 - <_> - 3 - - 12 11 1 20 - <_> - 5 - - 12 30 2 1 - <_> - 0 - - 5 26 8 4 - <_> - 8 - - 11 21 4 1 - <_> - 1 - - 3 10 10 1 - <_> - 4 - - 7 1 4 18 - <_> - 2 - - 7 20 3 1 - <_> - 5 - - 5 28 4 2 - <_> - 0 - - 2 4 6 5 - <_> - 3 - - 5 7 2 3 - <_> - 9 - - 8 19 1 2 - <_> - 9 - - 5 6 5 1 - <_> - 7 - - 1 22 2 3 - <_> - 2 - - 14 14 1 13 - <_> - 1 - - 2 21 3 6 - <_> - 9 - - 14 1 1 6 - <_> - 1 - - 5 11 3 2 - <_> - 7 - - 14 4 1 22 - <_> - 0 - - 6 4 3 24 - <_> - 9 - - 7 9 2 7 - <_> - 9 - - 9 17 6 2 - <_> - 0 - - 7 10 1 1 - <_> - 3 - - 6 2 1 8 - <_> - 0 - - 5 6 1 6 - <_> - 3 - - 5 0 10 4 - <_> - 7 - - 2 30 11 1 - <_> - 1 - - 7 16 3 11 - <_> - 1 - - 9 10 2 7 - <_> - 2 - - 5 20 6 8 - <_> - 0 - - 10 8 2 2 - <_> - 3 - - 8 13 1 7 - <_> - 8 - - 7 7 3 1 - <_> - 0 - - 5 28 8 1 - <_> - 8 - - 8 3 1 2 - <_> - 0 - - 5 17 7 11 - <_> - 9 - - 11 6 2 1 - <_> - 4 - - 2 27 5 4 - <_> - 5 - - 8 28 3 3 - <_> - 1 - - 7 28 6 1 - <_> - 7 - - 7 20 1 1 - <_> - 4 - - 7 18 3 8 - <_> - 1 - - 11 21 2 8 - <_> - 2 - - 6 18 5 10 - <_> - 9 - - 6 18 1 2 - <_> - 4 - - 9 6 4 18 - <_> - 1 - - 12 23 1 7 - <_> - 7 - - 14 1 1 24 - <_> - 0 - - 4 8 2 2 - <_> - 1 - - 13 12 2 1 - <_> - 7 - - 0 27 10 1 - <_> - 3 - - 8 23 7 8 - <_> - 7 - - 7 13 3 1 - <_> - 8 - - 7 6 1 2 - <_> - 4 - - 9 9 6 3 - <_> - 8 - - 2 6 13 1 - <_> - 5 - - 8 3 5 12 - <_> - 2 - - 2 25 1 3 - <_> - 4 - - 6 2 5 6 - <_> - 3 - - 10 23 1 4 - <_> - 4 - - 5 26 5 2 - <_> - 3 - - 11 17 1 14 - <_> - 4 - - 3 12 10 9 - <_> - 4 - - 4 14 7 7 - <_> - 7 - - 11 11 2 5 - <_> - 4 - - 8 20 2 3 - <_> - 5 - - 7 19 5 9 - <_> - 4 - - 4 16 9 4 - <_> - 5 - - 2 28 1 2 - <_> - 3 - - 4 8 8 7 - <_> - 9 - - 8 13 1 1 - <_> - 0 - - 6 9 2 3 - <_> - 0 - - 5 5 5 3 - <_> - 5 - - 9 20 3 2 - <_> - 2 - - 8 30 6 1 - <_> - 3 - - 2 0 4 16 - <_> - 1 - - 11 19 2 5 - <_> - 9 - - 14 24 1 2 - <_> - 1 - - 4 27 6 3 - <_> - 9 - - 7 9 2 3 - <_> - 4 - - 6 22 4 3 - <_> - 3 - - 3 19 12 4 - <_> - 3 - - 4 12 2 15 - <_> - 3 - - 2 22 1 2 - <_> - 3 - - 4 10 2 13 - <_> - 9 - - 7 14 2 3 - <_> - 2 - - 6 10 3 1 - <_> - 9 - - 12 2 2 2 - <_> - 5 - - 4 3 6 1 - <_> - 3 - - 2 5 7 4 - <_> - 7 - - 12 14 1 9 - <_> - 1 - - 4 4 4 4 - <_> - 4 - - 9 28 5 3 - <_> - 1 - - 8 27 6 1 - <_> - 1 - - 11 23 2 2 - <_> - 7 - - 2 5 12 1 - <_> - 3 - - 1 12 7 11 - <_> - 9 - - 8 24 1 1 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 6 6 5 8 - <_> - 1 - - 10 9 1 2 - <_> - 9 - - 6 7 2 6 - <_> - 9 - - 3 3 10 3 - <_> - 8 - - 7 9 1 3 - <_> - 0 - - 6 21 5 7 - <_> - 5 - - 10 29 5 2 - <_> - 0 - - 13 27 2 4 - <_> - 9 - - 7 18 1 4 - <_> - 3 - - 3 21 6 4 - <_> - 2 - - 6 5 5 3 - <_> - 1 - - 5 10 4 3 - <_> - 0 - - 5 28 6 1 - <_> - 0 - - 11 15 2 2 - <_> - 7 - - 1 27 7 1 - <_> - 5 - - 10 11 2 1 - <_> - 1 - - 5 12 8 12 - <_> - 4 - - 7 0 2 18 - <_> - 3 - - 1 22 10 3 - <_> - 2 - - 3 5 8 25 - <_> - 5 - - 7 16 1 4 - <_> - 5 - - 9 5 2 12 - <_> - 4 - - 4 29 11 2 - <_> - 2 - - 9 1 2 2 - <_> - 2 - - 8 21 2 7 - <_> - 4 - - 7 27 1 4 - <_> - 8 - - 6 5 4 2 - <_> - 5 - - 1 12 3 6 - <_> - 8 - - 1 20 6 2 - <_> - 4 - - 7 17 4 2 - <_> - 1 - - 6 27 9 3 - <_> - 5 - - 13 1 1 23 - <_> - 9 - - 8 9 1 2 - <_> - 5 - - 11 30 4 1 - <_> - 9 - - 7 0 2 13 - <_> - 3 - - 5 2 1 29 - <_> - 7 - - 10 8 2 3 - <_> - 2 - - 4 29 2 2 - <_> - 3 - - 4 12 11 1 - <_> - 3 - - 1 13 12 4 - <_> - 0 - - 6 10 3 2 - <_> - 4 - - 2 9 5 2 - <_> - 1 - - 5 27 5 1 - <_> - 8 - - 6 22 2 1 - <_> - 3 - - 12 19 2 7 - <_> - 5 - - 8 16 4 12 - <_> - 9 - - 6 17 3 1 - <_> - 2 - - 6 14 8 10 - <_> - 4 - - 4 28 8 3 - <_> - 4 - - 4 16 9 12 - <_> - 0 - - 7 29 1 2 - <_> - 4 - - 3 28 11 3 - <_> - 4 - - 4 16 5 2 - <_> - 8 - - 8 6 1 2 - <_> - 2 - - 7 8 1 4 - <_> - 1 - - 12 24 2 7 - <_> - 1 - - 7 3 2 6 - <_> - 4 - - 7 4 3 1 - <_> - 2 - - 1 29 2 2 - <_> - 2 - - 2 24 6 7 - <_> - 5 - - 7 27 2 1 - <_> - 0 - - 5 4 10 4 - <_> - 1 - - 8 11 2 2 - <_> - 2 - - 4 20 6 7 - <_> - 8 - - 6 28 4 3 - <_> - 5 - - 8 28 3 2 - <_> - 3 - - 1 0 13 1 - <_> - 2 - - 3 15 3 2 - <_> - 1 - - 8 27 1 2 - <_> - 5 - - 1 22 1 4 - <_> - 4 - - 1 26 11 4 - <_> - 5 - - 9 0 3 20 - <_> - 7 - - 7 21 2 4 - <_> - 0 - - 7 14 2 3 - <_> - 0 - - 6 4 3 24 - <_> - 7 - - 7 6 2 2 - <_> - 2 - - 7 13 1 1 - <_> - 8 - - 6 6 2 2 - <_> - 0 - - 7 10 3 1 - <_> - 8 - - 12 15 1 10 - <_> - 9 - - 7 15 3 2 - <_> - 7 - - 6 16 5 1 - <_> - 1 - - 7 18 2 7 - <_> - 1 - - 7 23 2 6 - <_> - 9 - - 2 5 9 1 - <_> - 0 - - 8 3 4 3 - <_> - 3 - - 4 2 4 9 - <_> - 4 - - 6 21 5 3 - <_> - 2 - - 4 9 4 2 - <_> - 9 - - 13 17 1 5 - <_> - 2 - - 9 25 1 4 - <_> - 0 - - 10 28 2 3 - <_> - 1 - - 4 10 10 1 - <_> - 0 - - 7 9 6 17 - <_> - 0 - - 10 10 1 10 - <_> - 7 - - 5 29 9 1 - <_> - 3 - - 0 17 5 14 - <_> - 3 - - 3 1 11 1 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 7 6 2 5 - <_> - 8 - - 7 8 2 1 - <_> - 4 - - 2 12 11 11 - <_> - 2 - - 9 30 4 1 - <_> - 3 - - 9 0 6 14 - <_> - 3 - - 4 12 2 15 - <_> - 4 - - 1 30 4 1 - <_> - 0 - - 1 16 6 8 - <_> - 2 - - 4 25 9 3 - <_> - 3 - - 10 4 5 25 - <_> - 2 - - 8 16 1 2 - <_> - 1 - - 6 7 3 3 - <_> - 7 - - 9 12 1 1 - <_> - 4 - - 3 5 8 3 - <_> - 5 - - 8 5 5 7 - <_> - 1 - - 5 8 8 1 - <_> - 2 - - 3 27 4 3 - <_> - 7 - - 2 27 8 1 - <_> - 4 - - 0 27 13 2 - <_> - 2 - - 6 17 3 11 - <_> - 8 - - 8 6 1 2 - <_> - 0 - - 11 0 2 3 - <_> - 4 - - 1 3 11 5 - <_> - 0 - - 3 28 5 3 - <_> - 1 - - 7 15 4 7 - <_> - 1 - - 2 27 10 1 - <_> - 0 - - 6 18 4 9 - <_> - 1 - - 4 24 9 1 - <_> - 9 - - 14 8 1 8 - <_> - 2 - - 8 9 2 1 - <_> - 2 - - 8 1 4 29 - <_> - 2 - - 4 2 3 4 - <_> - 2 - - 5 5 6 3 - <_> - 7 - - 2 14 8 5 - <_> - 7 - - 9 30 1 1 - <_> - 9 - - 5 16 3 7 - <_> - 7 - - 3 13 7 13 - <_> - 2 - - 14 22 1 7 - <_> - 4 - - 8 26 7 2 - <_> - 0 - - 3 8 4 1 - <_> - 3 - - 7 25 6 5 - <_> - 1 - - 6 4 4 2 - <_> - 4 - - 7 3 2 2 - <_> - 4 - - 3 8 10 23 - <_> - 1 - - 7 9 5 1 - <_> - 1 - - 4 13 9 6 - <_> - 1 - - 5 28 6 1 - <_> - 5 - - 10 11 4 1 - <_> - 2 - - 6 5 1 3 - <_> - 5 - - 9 4 6 9 - <_> - 1 - - 5 11 4 3 - <_> - 7 - - 7 6 5 3 - <_> - 7 - - 11 26 1 5 - <_> - 8 - - 4 6 8 2 - <_> - 0 - - 4 12 2 10 - <_> - 8 - - 1 16 3 7 - <_> - 5 - - 9 14 3 13 - <_> - 1 - - 13 22 2 1 - <_> - 4 - - 1 29 14 2 - <_> - 1 - - 3 27 10 4 - <_> - 3 - - 3 30 1 1 - <_> - 2 - - 0 23 4 8 - <_> - 0 - - 6 25 5 2 - <_> - 5 - - 13 7 1 24 - <_> - 3 - - 2 5 6 9 - <_> - 0 - - 7 15 3 2 - <_> - 0 - - 9 0 3 31 - <_> - 0 - - 7 10 3 1 - <_> - 3 - - 13 19 1 3 - <_> - 4 - - 12 9 3 19 - <_> - 8 - - 7 6 3 4 - <_> - 9 - - 8 15 1 2 - <_> - 9 - - 0 1 15 4 - <_> - 1 - - 6 4 7 4 - <_> - 5 - - 6 28 4 1 - <_> - 0 - - 6 19 4 10 - <_> - 2 - - 4 18 5 1 - <_> - 4 - - 3 1 10 24 - <_> - 3 - - 1 9 6 16 - <_> - 1 - - 9 16 2 3 - <_> - 4 - - 1 30 8 1 - <_> - 1 - - 4 24 5 5 - <_> - 3 - - 0 10 1 21 - <_> - 8 - - 7 5 2 3 - <_> - 1 - - 2 19 1 2 - <_> - 9 - - 7 20 1 1 - <_> - 9 - - 10 28 5 2 - <_> - 1 - - 6 19 4 5 - <_> - 9 - - 7 5 2 21 - <_> - 2 - - 5 19 6 10 - <_> - 4 - - 3 29 5 1 - <_> - 0 - - 4 22 1 7 - <_> - 9 - - 8 9 1 2 - <_> - 9 - - 7 3 2 6 - <_> - 0 - - 10 16 1 2 - <_> - 7 - - 1 0 2 28 - <_> - 5 - - 6 26 7 2 - <_> - 3 - - 10 23 4 6 - <_> - 2 - - 1 29 2 2 - <_> - 0 - - 3 3 3 19 - <_> - 0 - - 2 11 7 1 - <_> - 5 - - 9 2 1 14 - <_> - 7 - - 13 19 2 1 - <_> - 3 - - 5 26 3 1 - <_> - 2 - - 12 26 1 5 - <_> - 5 - - 11 7 1 24 - <_> - 4 - - 5 24 1 2 - <_> - 4 - - 5 11 2 19 - <_> - 5 - - 5 0 1 6 - <_> - 7 - - 8 13 2 2 - <_> - 3 - - 6 5 1 6 - <_> - 9 - - 10 30 1 1 - <_> - 1 - - 8 25 2 4 - <_> - 2 - - 6 9 4 2 - <_> - 5 - - 12 10 3 13 - <_> - 5 - - 9 30 6 1 - <_> - 8 - - 7 6 1 2 - <_> - 4 - - 13 12 2 1 - <_> - 8 - - 5 4 6 3 - <_> - 7 - - 4 30 8 1 - <_> - 1 - - 7 16 3 10 - <_> - 0 - - 9 14 3 4 - <_> - 1 - - 5 10 7 2 - <_> - 4 - - 7 2 1 27 - <_> - 8 - - 0 9 3 20 - <_> - 1 - - 6 22 1 2 - <_> - 8 - - 7 5 2 3 - <_> - 3 - - 0 12 3 19 - <_> - 9 - - 4 8 8 3 - <_> - 9 - - 5 4 4 3 - <_> - 0 - - 4 10 1 1 - <_> - 1 - - 14 2 1 14 - <_> - 0 - - 2 18 11 3 - <_> - 5 - - 7 26 8 2 - <_> - 1 - - 10 15 1 3 - <_> - 1 - - 4 22 1 6 - <_> - 5 - - 2 5 10 22 - <_> - 4 - - 12 27 2 4 - <_> - 0 - - 1 29 14 1 - <_> - 5 - - 3 4 2 5 - <_> - 4 - - 4 9 3 9 - <_> - 7 - - 11 25 2 6 - <_> - 0 - - 4 0 1 1 - <_> - 9 - - 8 13 2 5 - <_> - 9 - - 4 15 11 16 - <_> - 5 - - 11 16 1 7 - <_> - 1 - - 3 28 10 1 - <_> - 3 - - 4 9 2 19 - <_> - 7 - - 1 27 13 2 - <_> - 1 - - 6 23 4 4 - <_> - 7 - - 14 4 1 17 - <_> - 9 - - 7 22 5 5 - <_> - 4 - - 6 15 5 1 - <_> - 5 - - 0 24 5 1 - <_> - 3 - - 5 11 8 2 - <_> - 2 - - 1 25 9 2 - <_> - 3 - - 12 3 2 20 - <_> - 5 - - 5 22 1 8 - <_> - 4 - - 6 4 4 5 - <_> - 3 - - 1 15 2 16 - <_> - 0 - - 2 19 8 12 - <_> - 1 - - 10 9 1 2 - <_> - 1 - - 4 3 5 8 - <_> - 8 - - 8 10 1 6 - <_> - 5 - - 2 0 7 2 - <_> - 2 - - 4 16 6 12 - <_> - 5 - - 7 11 1 18 - <_> - 2 - - 5 3 6 2 - <_> - 0 - - 5 5 5 3 - <_> - 2 - - 0 0 4 7 - <_> - 1 - - 4 10 6 4 - <_> - 1 - - 8 27 2 3 - <_> - 0 - - 9 15 2 12 - <_> - 1 - - 6 22 4 2 - <_> - 5 - - 12 28 2 3 - <_> - 8 - - 0 20 3 2 - <_> - 8 - - 6 6 2 2 - <_> - 9 - - 12 12 3 6 - <_> - 3 - - 4 1 5 12 - <_> - 0 - - 6 10 3 2 - <_> - 2 - - 4 15 5 16 - <_> - 0 - - 2 1 8 2 - <_> - 5 - - 3 29 10 1 - <_> - 2 - - 9 9 4 2 - <_> - 1 - - 13 4 2 5 - <_> - 4 - - 3 15 10 15 - <_> - 5 - - 2 8 11 5 - <_> - 5 - - 8 22 1 5 - <_> - 7 - - 4 5 6 1 - <_> - 7 - - 2 27 1 3 - <_> - 4 - - 7 12 1 12 - <_> - 2 - - 0 30 4 1 - <_> - 8 - - 8 4 7 9 - <_> - 2 - - 8 14 2 4 - <_> - 3 - - 3 10 2 1 - <_> - 3 - - 3 0 9 10 - <_> - 3 - - 14 0 1 1 - <_> - 2 - - 0 25 10 2 - <_> - 2 - - 8 7 2 4 - <_> - 8 - - 4 30 9 1 - <_> - 8 - - 7 5 2 3 - <_> - 5 - - 10 11 4 2 - <_> - 8 - - 6 8 3 2 - <_> - 9 - - 5 1 4 2 - <_> - 0 - - 7 8 1 9 - <_> - 9 - - 6 0 3 11 - <_> - 0 - - 4 7 2 4 - <_> - 3 - - 6 6 8 1 - <_> - 3 - - 1 7 12 20 - <_> - 4 - - 6 21 3 1 - <_> - 1 - - 11 19 2 10 - <_> - 3 - - 4 7 1 21 - <_> - 3 - - 13 21 2 9 - <_> - 3 - - 0 8 7 4 - <_> - 2 - - 7 24 2 3 - <_> - 5 - - 6 28 3 1 - <_> - 4 - - 8 18 1 2 - <_> - 0 - - 2 9 8 17 - <_> - 4 - - 9 8 3 12 - <_> - 1 - - 2 25 9 6 - <_> - 2 - - 6 24 5 4 - <_> - 9 - - 7 18 2 2 - <_> - 9 - - 3 3 10 3 - <_> - 8 - - 7 6 3 4 - <_> - 4 - - 1 29 9 2 - <_> - 1 - - 2 27 7 3 - <_> - 3 - - 3 28 6 2 - <_> - 0 - - 7 17 5 10 - <_> - 2 - - 13 2 1 28 - <_> - 3 - - 10 16 2 10 - <_> - 8 - - 7 1 2 2 - <_> - 8 - - 7 5 2 3 - <_> - 2 - - 9 30 4 1 - <_> - 0 - - 9 17 3 6 - <_> - 0 - - 0 20 1 10 - <_> - 0 - - 6 12 5 6 - <_> - 1 - - 8 27 6 2 - <_> - 5 - - 0 29 9 2 - <_> - 4 - - 9 20 5 11 - <_> - 2 - - 7 14 6 12 - <_> - 8 - - 10 24 1 1 - <_> - 2 - - 1 17 14 9 - <_> - 1 - - 10 9 1 2 - <_> - 4 - - 8 7 5 13 - <_> - 9 - - 1 28 10 2 - <_> - 4 - - 4 20 7 1 - <_> - 4 - - 8 4 1 8 - <_> - 2 - - 6 23 4 8 - <_> - 3 - - 5 9 1 14 - <_> - 1 - - 2 11 12 5 - <_> - 0 - - 7 10 3 7 - <_> - 8 - - 7 6 1 2 - <_> - 0 - - 4 28 11 2 - <_> - 9 - - 8 15 1 2 - <_> - 0 - - 0 13 4 16 - <_> - 3 - - 3 21 6 8 - <_> - 5 - - 12 15 1 4 - <_> - 1 - - 6 12 3 1 - <_> - 5 - - 10 3 4 6 - <_> - 2 - - 9 9 2 6 - <_> - 0 - - 0 3 8 10 - <_> - 1 - - 8 27 5 1 - <_> - 7 - - 5 11 1 1 - <_> - 0 - - 4 8 2 2 - <_> - 4 - - 7 3 2 2 - <_> - 3 - - 2 0 4 16 - <_> - 7 - - 3 28 2 1 - <_> - 5 - - 1 20 1 6 - <_> - 5 - - 9 9 5 4 - <_> - 5 - - 2 0 11 1 - <_> - 4 - - 3 13 7 17 - <_> - 4 - - 6 29 2 2 - <_> - 2 - - 6 0 4 9 - <_> - 7 - - 6 5 3 18 - <_> - 2 - - 6 10 5 2 - <_> - 3 - - 3 11 4 12 - <_> - 4 - - 8 29 5 2 - <_> - 4 - - 4 4 6 5 - <_> - 1 - - 8 27 1 2 - <_> - 5 - - 1 29 3 2 - <_> - 4 - - 8 1 6 18 - <_> - 5 - - 3 26 7 1 - <_> - 8 - - 13 27 1 2 - <_> - 3 - - 0 6 5 25 - <_> - 4 - - 6 22 4 3 - <_> - 1 - - 7 23 2 6 - <_> - 8 - - 6 5 4 2 - <_> - 9 - - 6 8 2 2 - <_> - 9 - - 4 2 7 5 - <_> - 8 - - 4 10 7 7 - <_> - 5 - - 2 30 13 1 - <_> - 7 - - 6 5 4 6 - <_> - 0 - - 5 24 6 4 - <_> - 2 - - 4 14 6 12 - <_> - 3 - - 14 22 1 3 - <_> - 5 - - 6 15 1 5 - <_> - 0 - - 5 26 6 2 - <_> - 9 - - 4 20 3 1 - <_> - 3 - - 11 24 3 1 - <_> - 5 - - 9 4 4 9 - <_> - 7 - - 6 3 4 1 - <_> - 4 - - 5 4 6 5 - <_> - 2 - - 3 8 3 1 - <_> - 8 - - 5 24 2 1 - <_> - 7 - - 10 9 1 2 - <_> - 4 - - 11 28 4 3 - <_> - 0 - - 2 5 5 4 - <_> - 2 - - 11 10 1 16 - <_> - 0 - - 9 3 3 2 - <_> - 4 - - 1 5 7 18 - <_> - 4 - - 5 25 6 3 - <_> - 3 - - 10 0 4 15 - <_> - 2 - - 9 9 2 6 - <_> - 3 - - 5 0 9 1 - <_> - 3 - - 9 21 6 1 - <_> - 0 - - 5 19 8 2 - <_> - 2 - - 11 21 3 1 - <_> - 3 - - 7 14 1 2 - <_> - 5 - - 8 11 5 11 - <_> - 2 - - 9 17 1 2 - <_> - 1 - - 4 28 8 1 - <_> - 5 - - 4 8 3 2 - <_> - 0 - - 12 26 1 1 - <_> - 1 - - 5 13 6 13 - <_> - 3 - - 4 10 2 13 - <_> - 1 - - 7 5 2 4 - <_> - 2 - - 4 29 10 1 - <_> - 4 - - 5 21 5 4 - <_> - 8 - - 8 6 1 2 - <_> - 2 - - 4 18 5 10 - <_> - 2 - - 14 17 1 14 - <_> - 9 - - 8 15 1 2 - <_> - 1 - - 4 4 7 4 - <_> - 4 - - 7 3 2 4 - <_> - 4 - - 11 29 4 2 - <_> - 1 - - 8 11 2 1 - <_> - 2 - - 1 30 12 1 - <_> - 2 - - 6 7 5 2 - <_> - 1 - - 1 27 9 4 - <_> - 5 - - 14 2 1 2 - <_> - 0 - - 2 27 1 3 - <_> - 9 - - 1 1 7 3 - <_> - 1 - - 4 4 4 4 - <_> - 9 - - 8 8 1 1 - <_> - 5 - - 10 7 1 7 - <_> - 7 - - 11 0 4 9 - <_> - 2 - - 7 11 4 2 - <_> - 2 - - 3 24 9 4 - <_> - 5 - - 9 19 4 8 - <_> - 5 - - 5 21 1 5 - <_> - 8 - - 7 5 2 3 - <_> - 0 - - 7 12 3 5 - <_> - 8 - - 10 4 1 4 - <_> - 9 - - 6 15 2 2 - <_> - 5 - - 9 17 4 10 - <_> - 4 - - 1 9 8 1 - <_> - 5 - - 4 28 11 3 - <_> - 0 - - 7 0 3 8 - <_> - 5 - - 10 25 1 2 - <_> - 2 - - 6 10 3 1 - <_> - 3 - - 2 10 6 3 - <_> - 4 - - 12 22 3 2 - <_> - 2 - - 5 18 5 10 - <_> - 3 - - 14 2 1 22 - <_> - 4 - - 13 7 2 13 - <_> - 1 - - 7 28 5 1 - <_> - 1 - - 5 27 2 1 - <_> - 8 - - 7 7 3 1 - <_> - 4 - - 6 17 8 14 - <_> - 3 - - 3 2 9 1 - <_> - 7 - - 1 22 2 2 - <_> - 2 - - 7 30 7 1 - <_> - 3 - - 7 8 3 2 - <_> - 5 - - 8 10 6 3 - <_> - 8 - - 1 30 2 1 - <_> - 3 - - 7 14 1 2 - <_> - 2 - - 8 20 1 6 - <_> - 0 - - 6 18 6 10 - <_> - 2 - - 9 13 4 1 - <_> - 3 - - 11 20 4 4 - <_> - 2 - - 8 16 1 2 - <_> - 5 - - 9 9 4 4 - <_> - 2 - - 7 14 6 1 - <_> - 2 - - 1 10 12 6 - <_> - 7 - - 8 17 1 5 - <_> - 5 - - 0 21 5 3 - <_> - 8 - - 5 6 3 1 - <_> - 9 - - 4 8 7 17 - <_> - 8 - - 2 3 2 5 - <_> - 5 - - 0 30 8 1 - <_> - 4 - - 2 12 8 10 - <_> - 4 - - 4 27 8 1 - <_> - 7 - - 7 30 1 1 - <_> - 5 - - 11 9 1 6 - <_> - 5 - - 3 26 9 1 - <_> - 1 - - 3 10 10 1 - <_> - 0 - - 2 3 3 14 - <_> - 8 - - 7 11 5 3 - <_> - 7 - - 1 30 4 1 - <_> - 3 - - 11 19 2 6 - <_> - 3 - - 4 29 4 2 - <_> - 0 - - 5 24 4 3 - <_> - 2 - - 2 10 1 14 - <_> - 2 - - 14 1 1 11 - <_> - 5 - - 7 2 4 6 - <_> - 7 - - 6 3 4 1 - <_> - 3 - - 1 0 13 1 - <_> - 7 - - 6 5 9 3 - <_> - 2 - - 1 25 8 3 - <_> - 2 - - 9 23 1 8 - <_> - 9 - - 7 12 1 5 - <_> - 8 - - 8 6 1 2 - <_> - 1 - - 6 7 3 3 - <_> - 1 - - 3 29 4 1 - <_> - 0 - - 14 19 1 10 - <_> - 4 - - 14 1 1 26 - <_> - 2 - - 0 28 14 2 - <_> - 2 - - 4 20 9 7 - <_> - 5 - - 7 16 2 5 - <_> - 8 - - 4 6 8 2 - <_> - 0 - - 5 7 10 2 - <_> - 8 - - 6 0 3 3 - <_> - 9 - - 1 0 14 3 - <_> - 5 - - 4 3 6 1 - <_> - 9 - - 1 7 8 19 - <_> - 1 - - 4 28 7 1 - <_> - 9 - - 7 8 1 3 - <_> - 2 - - 5 5 10 2 - <_> - 4 - - 1 29 7 2 - <_> - 1 - - 9 10 1 3 - <_> - 3 - - 4 11 3 1 - <_> - 3 - - 0 7 9 15 - <_> - 0 - - 4 8 2 1 - <_> - 3 - - 12 25 2 1 - <_> - 2 - - 9 30 6 1 - <_> - 3 - - 1 25 12 2 - <_> - 3 - - 6 22 4 6 - <_> - 3 - - 11 24 1 1 - <_> - 0 - - 5 17 7 3 - <_> - 1 - - 2 27 5 1 - <_> - 2 - - 4 9 4 1 - <_> - 5 - - 3 28 5 1 - <_> - 1 - - 4 20 3 1 - <_> - 2 - - 3 5 6 24 - <_> - 7 - - 8 0 1 31 - <_> - 4 - - 7 2 2 15 - <_> - 2 - - 6 13 3 2 - <_> - 3 - - 4 19 4 6 - <_> - 9 - - 14 13 1 2 - <_> - 8 - - 7 5 2 3 - <_> - 9 - - 0 27 1 2 - <_> - 4 - - 3 12 9 15 - <_> - 9 - - 7 15 1 2 - <_> - 5 - - 9 7 4 10 - <_> - 5 - - 11 16 1 7 - <_> - 0 - - 3 28 6 1 - <_> - 7 - - 2 28 12 1 - <_> - 1 - - 13 17 1 5 - <_> - 4 - - 1 9 11 1 - <_> - 4 - - 6 4 9 5 - <_> - 2 - - 2 1 5 1 - <_> - 4 - - 7 18 2 2 - <_> - 1 - - 5 14 7 6 - <_> - 4 - - 6 29 8 2 - <_> - 1 - - 7 28 4 1 - <_> - 9 - - 6 23 3 7 - <_> - 0 - - 10 8 2 2 - <_> - 0 - - 9 20 1 7 - <_> - 8 - - 7 5 1 10 - <_> - 0 - - 5 3 6 6 - <_> - 8 - - 13 18 1 1 - <_> - 2 - - 4 23 5 4 - <_> - 5 - - 1 29 12 1 - <_> - 4 - - 6 22 2 4 - <_> - 1 - - 9 21 5 5 - <_> - 7 - - 10 28 2 2 - <_> - 1 - - 12 22 1 9 - <_> - 8 - - 7 5 2 3 - <_> - 5 - - 1 13 1 7 - <_> - 3 - - 0 27 1 3 - <_> - 3 - - 3 4 6 16 - <_> - 4 - - 2 28 9 1 - <_> - 0 - - 7 10 3 2 - <_> - 7 - - 12 6 2 1 - <_> - 1 - - 8 4 3 6 - <_> - 5 - - 7 20 8 5 - <_> - 7 - - 2 21 4 2 - <_> - 5 - - 11 29 4 2 - <_> - 5 - - 2 5 11 20 - <_> - 3 - - 10 18 1 3 - <_> - 4 - - 4 4 5 4 - <_> - 1 - - 6 10 6 3 - <_> - 3 - - 4 16 8 6 - <_> - 8 - - 11 20 2 9 - <_> - 1 - - 3 27 8 3 - <_> - 7 - - 7 19 3 5 - <_> - 2 - - 0 23 6 1 - <_> - 7 - - 14 23 1 6 - <_> - 1 - - 5 20 6 4 - <_> - 3 - - 5 8 1 18 - <_> - 1 - - 5 9 1 2 - <_> - 4 - - 0 8 8 4 - <_> - 1 - - 1 20 7 1 - <_> - 2 - - 13 2 2 22 - <_> - 2 - - 9 5 5 8 - <_> - 5 - - 7 17 2 1 - <_> - 3 - - 10 23 1 4 - <_> - 5 - - 7 23 7 5 - <_> - 5 - - 14 24 1 2 - <_> - 0 - - 5 6 7 2 - <_> - 3 - - 9 20 6 10 - <_> - 4 - - 0 30 13 1 - <_> - 2 - - 2 23 10 5 - <_> - 2 - - 4 8 4 3 - <_> - 7 - - 4 29 10 2 - <_> - 9 - - 7 17 2 1 - <_> - 7 - - 2 16 9 2 - <_> - 3 - - 0 20 4 10 - <_> - 8 - - 8 6 1 2 - <_> - 2 - - 4 2 3 2 - <_> - 4 - - 6 2 5 6 - <_> - 7 - - 7 5 2 1 - <_> - 0 - - 7 12 5 16 - <_> - 5 - - 5 2 7 21 - <_> - 3 - - 3 0 6 13 - <_> - 0 - - 4 7 2 2 - <_> - 0 - - 7 10 2 4 - <_> - 1 - - 4 27 2 1 - <_> - 9 - - 4 24 1 1 - <_> - 4 - - 1 3 1 16 - <_> - 2 - - 8 28 1 3 - <_> - 1 - - 8 12 2 14 - <_> - 0 - - 8 3 1 25 - <_> - 3 - - 3 9 2 14 - <_> - 0 - - 7 7 1 12 - <_> - 0 - - 0 2 7 25 - <_> - 4 - - 7 11 1 8 - <_> - 5 - - 7 29 8 1 - <_> - 4 - - 13 16 1 3 - <_> - 4 - - 7 7 4 5 - <_> - 3 - - 2 1 10 3 - <_> - 1 - - 8 10 2 4 - <_> - 2 - - 5 18 6 10 - <_> - 2 - - 13 13 2 13 - <_> - 2 - - 6 16 3 1 - <_> - 4 - - 1 9 12 22 - <_> - 5 - - 1 10 11 6 - <_> - 1 - - 2 23 3 2 - <_> - 5 - - 4 28 5 3 - <_> - 7 - - 2 28 12 1 - <_> - 1 - - 7 28 4 1 - <_> - 7 - - 5 11 1 1 - <_> - 3 - - 2 5 6 9 - <_> - 2 - - 7 23 3 6 - <_> - 8 - - 6 6 2 2 - <_> - 5 - - 6 6 2 4 - <_> - 8 - - 4 3 3 1 - <_> - 0 - - 2 28 13 1 - <_> - 7 - - 9 25 5 3 - <_> - 1 - - 11 23 1 3 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 5 6 7 1 - <_> - 8 - - 5 19 6 3 - <_> - 1 - - 1 10 14 2 - <_> - 1 - - 5 7 6 1 - <_> - 3 - - 1 24 9 2 - <_> - 9 - - 8 11 1 9 - <_> - 9 - - 2 3 11 3 - <_> - 2 - - 8 23 7 1 - <_> - 2 - - 2 5 9 4 - <_> - 7 - - 8 21 3 1 - <_> - 2 - - 5 3 6 2 - <_> - 5 - - 9 11 5 4 - <_> - 2 - - 10 5 2 10 - <_> - 7 - - 4 27 6 4 - <_> - 1 - - 5 11 6 17 - <_> - 0 - - 9 29 2 1 - <_> - 4 - - 0 28 6 3 - <_> - 0 - - 7 19 3 7 - <_> - 7 - - 6 14 2 1 - <_> - 4 - - 10 15 4 1 - <_> - 9 - - 5 9 1 2 - <_> - 4 - - 5 2 3 5 - <_> - 8 - - 7 6 1 2 - <_> - 8 - - 9 30 6 1 - <_> - 8 - - 9 10 3 9 - <_> - 9 - - 10 29 5 1 - <_> - 3 - - 0 1 9 23 - <_> - 3 - - 3 9 3 8 - <_> - 5 - - 4 20 2 2 - <_> - 1 - - 7 28 3 1 - <_> - 2 - - 6 5 3 2 - <_> - 1 - - 6 21 3 5 - <_> - 3 - - 10 18 1 8 - <_> - 3 - - 4 19 6 8 - <_> - 1 - - 8 1 1 18 - <_> - 0 - - 7 10 3 1 - <_> - 7 - - 1 11 3 3 - <_> - 1 - - 6 2 2 1 - <_> - 0 - - 5 25 7 3 - <_> - 4 - - 12 5 2 1 - <_> - 3 - - 13 23 2 8 - <_> - 0 - - 5 5 6 3 - <_> - 9 - - 3 15 10 7 - <_> - 8 - - 8 6 1 2 - <_> - 7 - - 10 30 1 1 - <_> - 2 - - 10 29 3 2 - <_> - 4 - - 4 9 9 3 - <_> - 4 - - 5 4 7 3 - <_> - 3 - - 6 22 7 2 - <_> - 3 - - 5 3 1 28 - <_> - 5 - - 1 26 10 5 - <_> - 4 - - 7 20 3 4 - <_> - 2 - - 6 19 4 2 - <_> - 2 - - 5 19 4 11 - <_> - 3 - - 1 28 11 2 - <_> - 2 - - 2 20 2 4 - <_> - 3 - - 6 5 9 3 - <_> - 4 - - 9 7 4 24 - <_> - 3 - - 6 0 5 1 - <_> - 2 - - 8 10 1 5 - <_> - 5 - - 2 3 4 28 - <_> - 3 - - 2 0 9 2 - <_> - 4 - - 2 28 12 3 - <_> - 1 - - 11 22 3 8 - <_> - 9 - - 5 8 1 6 - <_> - 0 - - 4 8 2 2 - <_> - 7 - - 7 12 2 3 - <_> - 9 - - 7 14 4 15 - <_> - 1 - - 4 26 6 3 - <_> - 9 - - 5 9 5 2 - <_> - 8 - - 6 5 4 2 - <_> - 3 - - 0 28 9 1 - <_> - 2 - - 5 17 4 14 - <_> - 0 - - 7 19 3 7 - <_> - 4 - - 4 20 7 1 - <_> - 0 - - 10 14 3 9 - <_> - 9 - - 7 1 1 2 - <_> - 0 - - 13 15 1 8 - <_> - 0 - - 5 2 3 6 - <_> - 9 - - 8 13 2 5 - <_> - 1 - - 1 7 8 1 - <_> - 4 - - 7 3 2 2 - <_> - 4 - - 10 3 3 15 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 6 8 4 5 - <_> - 8 - - 7 9 2 1 - <_> - 4 - - 3 8 9 13 - <_> - 2 - - 7 30 8 1 - <_> - 2 - - 10 9 4 3 - <_> - 2 - - 4 18 10 10 - <_> - 4 - - 0 29 15 1 - <_> - 5 - - 13 16 1 14 - <_> - 1 - - 6 27 5 2 - <_> - 5 - - 0 15 3 16 - <_> - 4 - - 9 28 5 2 - <_> - 2 - - 1 26 10 2 - <_> - 5 - - 2 13 1 9 - <_> - 3 - - 7 14 2 2 - <_> - 3 - - 1 10 14 4 - <_> - 0 - - 11 9 4 11 - <_> - 3 - - 0 21 15 1 - <_> - 8 - - 6 25 4 6 - <_> - 8 - - 7 7 3 1 - <_> - 3 - - 1 29 13 2 - <_> - 4 - - 9 9 6 3 - <_> - 1 - - 4 15 8 4 - <_> - 4 - - 7 18 2 2 - <_> - 5 - - 6 16 3 3 - <_> - 2 - - 1 11 6 15 - <_> - 1 - - 7 7 4 3 - <_> - 5 - - 8 4 4 20 - <_> - 1 - - 7 9 5 1 - <_> - 5 - - 13 8 1 22 - <_> - 1 - - 14 5 1 9 - <_> - 2 - - 9 21 4 10 - <_> - 8 - - 11 2 1 4 - <_> - 0 - - 7 20 1 4 - <_> - 5 - - 1 29 7 2 - <_> - 5 - - 7 16 1 3 - <_> - 1 - - 6 12 3 1 - <_> - 5 - - 7 10 7 1 - <_> - 9 - - 13 5 1 2 - <_> - 1 - - 6 26 5 4 - <_> - 2 - - 14 6 1 24 - <_> - 1 - - 13 29 2 2 - <_> - 9 - - 5 21 3 1 - <_> - 9 - - 5 4 6 4 - <_> - 2 - - 8 4 4 23 - <_> - 5 - - 5 28 8 2 - <_> - 5 - - 10 5 2 25 - <_> - 5 - - 14 24 1 6 - <_> - 4 - - 8 9 4 18 - <_> - 0 - - 8 9 1 1 - <_> - 2 - - 11 9 1 6 - <_> - 0 - - 3 15 9 15 - <_> - 0 - - 0 13 1 14 - <_> - 3 - - 5 30 2 1 - <_> - 9 - - 7 17 2 1 - <_> - 2 - - 5 4 6 6 - <_> - 5 - - 10 17 4 9 - <_> - 8 - - 7 5 2 3 - <_> - 2 - - 5 1 2 4 - <_> - 7 - - 4 30 2 1 - <_> - 1 - - 7 4 2 4 - <_> - 7 - - 10 10 1 4 - <_> - 2 - - 7 0 7 10 - <_> - 4 - - 3 6 10 17 - <_> - 3 - - 3 7 5 7 - <_> - 7 - - 11 27 3 2 - <_> - 0 - - 1 3 13 1 - <_> - 0 - - 7 0 3 8 - <_> - 1 - - 0 8 13 1 - <_> - 1 - - 9 23 1 1 - <_> - 3 - - 7 5 2 13 - <_> - 5 - - 2 10 2 6 - <_> - 5 - - 5 23 9 2 - <_> - 0 - - 7 9 1 19 - <_> - 8 - - 3 29 9 2 - <_> - 2 - - 8 30 5 1 - <_> - 7 - - 4 3 4 8 - <_> - 1 - - 3 27 8 3 - <_> - 2 - - 5 26 8 2 - <_> - 0 - - 0 15 1 13 - <_> - 4 - - 7 30 8 1 - <_> - 4 - - 5 4 7 3 - <_> - 7 - - 2 4 4 1 - <_> - 5 - - 8 4 5 9 - <_> - 8 - - 7 6 1 2 - <_> - 9 - - 3 28 3 2 - <_> - 5 - - 0 10 7 2 - <_> - 9 - - 10 9 1 2 - <_> - 9 - - 4 0 3 4 - <_> - 5 - - 13 21 2 5 - <_> - 0 - - 11 2 1 12 - <_> - 1 - - 11 21 3 10 - <_> - 4 - - 9 17 1 4 - <_> - 3 - - 7 14 1 2 - <_> - 3 - - 6 4 2 24 - <_> - 9 - - 12 28 1 1 - <_> - 3 - - 14 21 1 9 - <_> - 7 - - 13 0 1 26 - <_> - 0 - - 9 24 3 2 - <_> - 0 - - 7 19 4 9 - <_> - 2 - - 13 1 1 30 - <_> - 3 - - 9 16 2 15 - <_> - 5 - - 10 11 4 15 - <_> - 1 - - 9 15 6 13 - <_> - 3 - - 1 5 6 19 - <_> - 5 - - 4 19 1 10 - <_> - 5 - - 3 25 11 2 - <_> - 7 - - 5 29 6 1 - <_> - 3 - - 11 23 1 2 - <_> - 0 - - 0 3 8 10 - <_> - 2 - - 3 8 3 1 - <_> - 1 - - 8 11 2 1 - <_> - 1 - - 9 4 6 10 - <_> - 4 - - 1 2 14 10 - <_> - 4 - - 5 25 6 3 - <_> - 1 - - 5 18 4 2 - <_> - 4 - - 3 24 6 6 - <_> - 2 - - 3 1 7 27 - <_> - 1 - - 1 8 11 22 - <_> - 3 - - 9 0 4 2 - <_> - 2 - - 3 29 6 1 - <_> - 3 - - 2 24 12 4 - <_> - 4 - - 1 10 5 16 - <_> - 1 - - 5 27 6 4 - <_> - 9 - - 7 9 2 3 - <_> - 5 - - 3 7 7 13 - <_> - 8 - - 5 6 7 1 - <_> - 8 - - 7 6 2 5 - <_> - 9 - - 6 10 2 3 - <_> - 1 - - 8 4 2 5 - <_> - 7 - - 7 13 2 6 - <_> - 8 - - 10 26 3 2 - <_> - 4 - - 8 23 1 1 - <_> - 0 - - 3 29 5 2 - <_> - 4 - - 6 18 2 5 - <_> - 7 - - 3 19 1 12 - <_> - 4 - - 0 29 9 2 - <_> - 4 - - 2 15 6 13 - <_> - 2 - - 8 9 2 1 - <_> - 5 - - 8 0 6 7 - <_> - 8 - - 7 11 5 3 - <_> - 2 - - 7 8 4 2 - <_> - 1 - - 6 10 2 1 - <_> - 5 - - 10 4 4 4 - <_> - 4 - - 7 7 4 5 - <_> - 1 - - 2 24 3 1 - <_> - 4 - - 10 9 5 10 - <_> - 5 - - 2 21 1 10 - <_> - 3 - - 4 9 2 19 - <_> - 0 - - 0 2 1 28 - <_> - 2 - - 7 20 4 8 - <_> - 0 - - 7 10 3 1 - <_> - 5 - - 8 28 5 1 - <_> - 8 - - 8 6 1 2 - <_> - 5 - - 10 8 1 5 - <_> - 8 - - 8 3 1 1 - <_> - 7 - - 7 5 1 3 - <_> - 7 - - 0 27 15 1 - <_> - 3 - - 3 5 11 9 - <_> - 0 - - 13 15 2 1 - <_> - 0 - - 8 13 6 4 - <_> - 1 - - 9 28 1 1 - <_> - 9 - - 7 12 5 6 - <_> - 9 - - 6 2 1 5 - <_> - 7 - - 2 7 11 7 - <_> - 0 - - 1 17 1 14 - <_> - 0 - - 5 4 1 15 - <_> - 4 - - 1 29 12 1 - <_> - 2 - - 4 23 6 5 - <_> - 4 - - 3 8 1 17 - <_> - 2 - - 7 15 2 1 - <_> - 1 - - 3 28 7 1 - <_> - 8 - - 7 6 1 2 - <_> - 5 - - 9 1 1 12 - <_> - 1 - - 5 1 6 30 - <_> - 3 - - 5 1 1 30 - <_> - 3 - - 11 24 4 3 - <_> - 1 - - 4 10 7 4 - <_> - 4 - - 7 0 1 22 - <_> - 7 - - 4 27 11 2 - <_> - 2 - - 8 30 6 1 - <_> - 4 - - 3 20 10 5 - <_> - 0 - - 10 13 5 5 - <_> - 9 - - 7 7 1 8 - <_> - 7 - - 7 15 3 1 - <_> - 8 - - 1 10 14 3 - <_> - 1 - - 4 6 4 4 - <_> - 4 - - 1 6 6 3 - <_> - 0 - - 3 28 4 1 - <_> - 1 - - 5 27 4 2 - <_> - 5 - - 13 19 1 9 - <_> - 4 - - 1 9 14 2 - <_> - 2 - - 5 18 5 10 - <_> - 5 - - 14 0 1 7 - <_> - 4 - - 3 3 4 14 - <_> - 3 - - 4 29 5 2 - <_> - 2 - - 6 5 5 3 - <_> - 1 - - 3 8 9 1 - <_> - 4 - - 7 18 2 2 - <_> - 1 - - 4 13 9 6 - <_> - 1 - - 7 16 5 1 - <_> - 4 - - 12 27 2 4 - <_> - 2 - - 1 26 10 2 - <_> - 4 - - 7 12 2 11 - <_> - 0 - - 7 10 1 1 - <_> - 5 - - 9 9 5 4 - <_> - 8 - - 14 20 1 1 - <_> - 3 - - 1 22 2 7 - <_> - 3 - - 3 9 4 6 - <_> - 4 - - 6 22 4 4 - <_> - 5 - - 11 30 3 1 - <_> - 3 - - 4 22 3 4 - <_> - 5 - - 2 26 11 1 - <_> - 3 - - 6 15 3 1 - <_> - 0 - - 5 5 5 1 - <_> - 0 - - 6 12 4 15 - <_> - 2 - - 3 3 3 1 - <_> - 4 - - 2 9 10 20 - <_> - 4 - - 2 4 9 3 - <_> - 7 - - 8 20 1 4 - <_> - 7 - - 13 22 2 6 - <_> - 2 - - 6 1 4 27 - <_> - 3 - - 1 28 9 1 - <_> - 1 - - 3 11 9 7 - <_> - 8 - - 0 18 4 3 - <_> - 8 - - 6 6 2 2 - <_> - 9 - - 13 7 1 1 - <_> - 4 - - 6 2 3 17 - <_> - 9 - - 7 7 1 15 - <_> - 0 - - 6 22 6 6 - <_> - 9 - - 12 17 1 2 - <_> - 5 - - 14 24 1 2 - <_> - 7 - - 1 30 3 1 - <_> - 5 - - 8 10 2 5 - <_> - 8 - - 7 5 2 3 - <_> - 4 - - 9 14 2 5 - <_> - 8 - - 7 0 1 3 - <_> - 2 - - 10 5 2 10 - <_> - 5 - - 10 10 4 5 - <_> - 0 - - 6 0 7 8 - <_> - 1 - - 6 12 3 1 - <_> - 7 - - 2 11 6 10 - <_> - 4 - - 9 10 6 2 - <_> - 7 - - 1 30 3 1 - <_> - 3 - - 14 22 1 8 - <_> - 2 - - 6 2 3 7 - <_> - 2 - - 0 28 15 2 - <_> - 0 - - 6 16 7 11 - <_> - 1 - - 8 20 7 5 - <_> - 3 - - 10 18 1 8 - <_> - 4 - - 0 12 3 3 - <_> - 1 - - 7 4 2 4 - <_> - 8 - - 8 5 4 2 - <_> - 2 - - 5 1 2 4 - <_> - 8 - - 10 7 4 1 - <_> - 1 - - 3 26 8 5 - <_> - 7 - - 8 20 1 2 - <_> - 4 - - 1 0 10 23 - <_> - 4 - - 7 3 2 2 - <_> - 0 - - 0 23 4 6 - <_> - 5 - - 7 21 6 7 - <_> - 4 - - 0 30 13 1 - <_> - 1 - - 4 27 10 1 - <_> - 9 - - 6 9 4 4 - <_> - 8 - - 6 1 4 10 - <_> - 9 - - 14 19 1 1 - <_> - 9 - - 6 3 4 19 - <_> - 0 - - 8 9 1 1 - <_> - 3 - - 5 6 4 4 - <_> - 9 - - 8 15 1 3 - <_> - 0 - - 4 27 1 1 - <_> - 2 - - 5 25 4 3 - <_> - 1 - - 8 10 2 4 - <_> - 0 - - 3 9 3 1 - <_> - 7 - - 6 12 3 2 - <_> - 0 - - 0 15 4 13 - <_> - 2 - - 8 30 6 1 - <_> - 2 - - 8 20 3 11 - <_> - 0 - - 7 20 4 1 - <_> - 3 - - 2 0 9 2 - <_> - 0 - - 5 5 5 3 - <_> - 2 - - 6 10 4 4 - <_> - 4 - - 6 17 4 7 - <_> - 4 - - 8 6 3 17 - <_> - 1 - - 6 18 5 7 - <_> - 1 - - 5 28 6 1 - <_> - 7 - - 10 0 5 1 - <_> - 1 - - 13 6 2 8 - <_> - 4 - - 11 23 4 6 - <_> - 3 - - 5 12 2 15 - <_> - 3 - - 12 23 3 7 - <_> - 0 - - 7 10 3 1 - <_> - 0 - - 2 13 5 5 - <_> - 9 - - 0 0 4 1 - <_> - 2 - - 5 1 2 4 - <_> - 3 - - 9 20 3 2 - <_> - 4 - - 1 29 7 2 - <_> - 5 - - 2 3 9 11 - <_> - 3 - - 0 26 4 5 - <_> - 2 - - 0 11 1 5 - <_> - 0 - - 5 26 5 2 - <_> - 1 - - 8 12 1 3 - <_> - 0 - - 1 28 8 3 - <_> - 8 - - 7 6 1 2 - <_> - 9 - - 6 14 3 5 - <_> - 8 - - 13 7 2 21 - <_> - 2 - - 5 15 4 11 - <_> - 0 - - 9 26 6 2 - <_> - 5 - - 5 17 4 5 - <_> - 2 - - 10 0 3 22 - <_> - 7 - - 3 22 7 1 - <_> - 2 - - 8 2 7 7 - <_> - 3 - - 3 7 3 12 - <_> - 7 - - 8 5 1 1 - <_> - 3 - - 3 2 2 6 - <_> - 8 - - 5 6 3 1 - <_> - 0 - - 6 18 5 4 - <_> - 5 - - 9 29 6 2 - <_> - 4 - - 11 15 2 5 - <_> - 1 - - 8 27 2 1 - <_> - 4 - - 5 19 1 1 - <_> - 1 - - 7 9 5 1 - <_> - 4 - - 7 8 4 1 - <_> - 7 - - 4 28 5 1 - <_> - 4 - - 6 22 4 3 - <_> - 1 - - 7 15 2 14 - <_> - 5 - - 2 27 1 3 - <_> - 9 - - 7 15 1 2 - <_> - 9 - - 1 1 14 7 - <_> - 3 - - 12 19 3 9 - <_> - 5 - - 3 26 7 2 - <_> - 2 - - 1 0 4 11 - <_> - 1 - - 5 12 7 10 - <_> - 3 - - 1 6 8 4 - <_> - 2 - - 11 9 1 6 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 2 9 2 1 - <_> - 8 - - 5 10 5 6 - <_> - 8 - - 5 9 3 3 - <_> - 3 - - 2 28 8 3 - <_> - 7 - - 3 27 10 1 - <_> - 2 - - 4 29 6 1 - <_> - 5 - - 0 19 2 7 - <_> - 5 - - 10 8 2 17 - <_> - 2 - - 13 25 1 1 - <_> - 1 - - 9 10 1 3 - <_> - 4 - - 8 5 3 8 - <_> - 3 - - 5 21 4 7 - <_> - 4 - - 7 17 4 2 - <_> - 5 - - 7 30 4 1 - <_> - 8 - - 3 24 8 3 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 5 6 7 1 - <_> - 1 - - 0 13 8 18 - <_> - 5 - - 8 5 5 10 - <_> - 1 - - 6 9 7 6 - <_> - 4 - - 7 0 2 20 - <_> - 2 - - 8 16 1 1 - <_> - 2 - - 5 16 4 11 - <_> - 2 - - 8 10 1 5 - <_> - 5 - - 8 28 4 1 - <_> - 3 - - 7 26 7 1 - <_> - 2 - - 6 9 4 2 - <_> - 7 - - 8 5 4 3 - <_> - 7 - - 13 19 2 9 - <_> - 0 - - 1 9 3 5 - <_> - 3 - - 3 11 5 14 - <_> - 1 - - 3 17 7 9 - <_> - 3 - - 0 21 2 8 - <_> - 2 - - 8 26 4 1 - <_> - 0 - - 13 15 1 14 - <_> - 7 - - 7 27 7 1 - <_> - 4 - - 3 26 6 2 - <_> - 2 - - 3 29 6 1 - <_> - 4 - - 8 18 1 2 - <_> - 1 - - 7 3 5 5 - <_> - 4 - - 6 3 3 2 - <_> - 4 - - 0 27 5 4 - <_> - 5 - - 6 28 4 1 - <_> - 7 - - 5 7 10 2 - <_> - 1 - - 9 27 1 2 - <_> - 0 - - 7 19 3 7 - <_> - 7 - - 11 11 1 1 - <_> - 4 - - 6 7 1 16 - <_> - 7 - - 6 9 3 1 - <_> - 5 - - 4 28 11 3 - <_> - 7 - - 7 5 6 3 - <_> - 2 - - 0 25 10 2 - <_> - 4 - - 12 4 2 17 - <_> - 9 - - 6 19 5 2 - <_> - 8 - - 6 6 2 2 - <_> - 4 - - 6 21 3 2 - <_> - 2 - - 5 5 10 2 - <_> - 5 - - 2 0 7 2 - <_> - 5 - - 9 4 4 9 - <_> - 2 - - 6 10 4 4 - <_> - 0 - - 10 8 2 2 - <_> - 0 - - 9 6 4 3 - <_> - 2 - - 2 18 9 11 - <_> - 4 - - 3 9 12 2 - <_> - 4 - - 3 11 4 9 - <_> - 0 - - 6 13 3 4 - <_> - 1 - - 5 27 10 1 - <_> - 2 - - 8 28 5 1 - <_> - 8 - - 1 11 6 1 - <_> - 9 - - 7 9 2 7 - <_> - 8 - - 0 17 14 7 - <_> - 0 - - 7 10 1 1 - <_> - 0 - - 5 3 1 20 - <_> - 0 - - 4 6 1 19 - <_> - 4 - - 6 23 4 6 - <_> - 2 - - 6 5 1 3 - <_> - 5 - - 3 29 3 2 - <_> - 1 - - 8 4 5 20 - <_> - 1 - - 5 28 7 1 - <_> - 8 - - 0 3 4 23 - <_> - 4 - - 5 28 7 3 - <_> - 2 - - 5 25 5 2 - <_> - 5 - - 2 3 1 6 - <_> - 3 - - 9 8 2 1 - <_> - 3 - - 4 12 2 8 - <_> - 2 - - 14 12 1 15 - <_> - 5 - - 10 10 5 9 - <_> - 5 - - 10 3 4 6 - <_> - 4 - - 3 9 3 9 - <_> - 1 - - 7 6 2 10 - <_> - 4 - - 4 6 9 6 - <_> - 3 - - 4 18 11 11 - <_> - 1 - - 8 10 2 4 - <_> - 2 - - 10 8 3 4 - <_> - 7 - - 1 30 3 1 - <_> - 2 - - 12 12 2 19 - <_> - 5 - - 3 19 9 3 - <_> - 0 - - 4 9 1 6 - <_> - 5 - - 5 21 1 4 - <_> - 3 - - 2 12 9 9 - <_> - 0 - - 6 19 4 10 - <_> - 5 - - 10 26 1 3 - <_> - 0 - - 6 15 2 3 - <_> - 1 - - 11 22 2 8 - <_> - 9 - - 2 22 1 2 - <_> - 5 - - 12 30 3 1 - <_> - 2 - - 6 0 7 16 - <_> - 3 - - 8 21 2 1 - <_> - 7 - - 5 10 1 4 - <_> - 7 - - 3 5 1 1 - <_> - 1 - - 4 6 7 3 - <_> - 5 - - 5 1 1 2 - <_> - 4 - - 7 3 2 2 - <_> - 0 - - 7 18 4 2 - <_> - 9 - - 8 15 1 2 - <_> - 2 - - 4 20 9 4 - <_> - 8 - - 5 5 6 6 - <_> - 3 - - 4 28 7 2 - <_> - 5 - - 1 20 1 6 - <_> - 2 - - 2 26 7 1 - <_> - 0 - - 5 15 7 13 - <_> - 2 - - 9 3 4 1 - <_> - 9 - - 5 3 7 4 - <_> - 2 - - 1 23 7 6 - <_> - 4 - - 5 2 7 8 - <_> - 4 - - 10 14 4 2 - <_> - 3 - - 6 3 5 4 - <_> - 9 - - 13 30 2 1 - <_> - 3 - - 7 12 2 5 - <_> - 1 - - 6 26 5 4 - <_> - 7 - - 7 19 2 4 - <_> - 1 - - 6 29 5 2 - <_> - 5 - - 3 10 11 5 - <_> - 9 - - 9 21 3 10 - <_> - 2 - - 12 28 3 2 - <_> - 4 - - 3 0 5 18 - <_> - 5 - - 6 0 7 4 - <_> - 5 - - 0 29 14 2 - <_> - 5 - - 1 4 6 10 - <_> - 4 - - 8 22 1 4 - <_> - 3 - - 8 9 7 12 - <_> - 9 - - 6 16 4 2 - <_> - 8 - - 8 6 1 2 - <_> - 3 - - 0 14 3 15 - <_> - 2 - - 7 20 3 1 - <_> - 8 - - 1 29 13 2 - <_> - 3 - - 0 3 4 23 - <_> - 7 - - 2 5 8 4 - <_> - 2 - - 8 16 1 2 - <_> - 0 - - 6 22 2 5 - <_> - 3 - - 1 3 11 12 - <_> - 5 - - 0 15 15 9 - <_> - 9 - - 14 1 1 4 - <_> - 0 - - 7 10 3 1 - <_> - 1 - - 3 28 10 1 - <_> - 4 - - 0 29 10 1 - <_> - 0 - - 8 26 7 3 - <_> - 0 - - 6 24 4 4 - <_> - 1 - - 0 23 15 2 - <_> - 3 - - 2 0 9 2 - <_> - 8 - - 7 5 2 3 - <_> - 9 - - 6 20 9 2 - <_> - 5 - - 7 23 7 5 - <_> - 7 - - 6 0 5 1 - <_> - 5 - - 2 30 6 1 - <_> - 3 - - 5 5 1 14 - <_> - 4 - - 2 8 1 11 - <_> - 0 - - 1 2 7 20 - <_> - 4 - - 3 6 2 8 - <_> - 5 - - 4 16 5 7 - <_> - 0 - - 6 18 6 10 - <_> - 3 - - 9 20 2 9 - <_> - 0 - - 8 27 7 2 - <_> - 4 - - 9 20 4 1 - <_> - 2 - - 5 14 6 15 - <_> - 7 - - 3 4 10 10 - <_> - 5 - - 1 18 14 13 - <_> - 1 - - 6 11 6 1 - <_> - 1 - - 7 14 6 3 - <_> - 9 - - 6 11 3 4 - <_> - 0 - - 2 27 1 3 - <_> - 5 - - 9 4 1 11 - <_> - 2 - - 3 25 8 2 - <_> - 4 - - 4 12 6 13 - <_> - 1 - - 7 23 2 6 - <_> - 1 - - 5 15 6 2 - <_> - 2 - - 10 19 1 10 - <_> - 2 - - 5 25 4 3 - <_> - 5 - - 9 5 4 13 - <_> - 1 - - 7 3 2 6 - <_> - 4 - - 4 28 8 2 - <_> - 0 - - 7 11 1 5 - <_> - 8 - - 8 6 1 2 - <_> - 1 - - 7 1 3 2 - <_> - 8 - - 10 4 1 4 - <_> - 3 - - 5 27 10 3 - <_> - 7 - - 2 28 9 1 - <_> - 2 - - 7 17 3 5 - <_> - 4 - - 0 30 5 1 - <_> - 2 - - 8 11 1 7 - <_> - 9 - - 6 16 1 3 - <_> - 9 - - 2 0 11 1 - <_> - 0 - - 6 3 5 1 - <_> - 0 - - 5 5 6 3 - <_> - 0 - - 7 29 1 2 - <_> - 5 - - 2 18 11 3 - <_> - 2 - - 3 8 3 1 - <_> - 3 - - 5 0 1 27 - <_> - 7 - - 12 11 2 1 - <_> - 5 - - 1 28 9 3 - <_> - 0 - - 6 19 2 12 - <_> - 2 - - 8 28 5 1 - <_> - 3 - - 0 5 3 23 - <_> - 4 - - 7 18 2 2 - <_> - 1 - - 4 17 8 2 - <_> - 4 - - 6 29 5 2 - <_> - 0 - - 4 7 2 4 - <_> - 9 - - 7 1 1 2 - <_> - 2 - - 10 0 1 19 - <_> - 9 - - 8 15 1 7 - <_> - 4 - - 6 22 4 3 - <_> - 1 - - 7 3 2 6 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 6 6 1 4 - <_> - 8 - - 1 10 1 6 - <_> - 1 - - 6 12 3 1 - <_> - 1 - - 3 3 7 3 - <_> - 8 - - 7 28 3 3 - <_> - 4 - - 9 18 2 4 - <_> - 1 - - 9 18 4 11 - <_> - 4 - - 6 21 4 1 - <_> - 5 - - 9 9 4 20 - <_> - 2 - - 13 21 2 5 - <_> - 0 - - 13 21 2 1 - <_> - 5 - - 6 28 5 2 - <_> - 2 - - 1 26 10 2 - <_> - 1 - - 4 3 2 19 - <_> - 9 - - 9 12 1 2 - <_> - 8 - - 6 6 2 2 - <_> - 3 - - 11 20 1 10 - <_> - 4 - - 6 4 5 3 - <_> - 7 - - 6 3 9 2 - <_> - 3 - - 3 1 6 14 - <_> - 4 - - 2 9 12 12 - <_> - 4 - - 7 10 2 10 - <_> - 7 - - 6 27 8 2 - <_> - 2 - - 6 10 3 1 - <_> - 2 - - 7 10 7 7 - <_> - 2 - - 5 30 10 1 - <_> - 5 - - 9 25 2 3 - <_> - 9 - - 3 28 12 1 - <_> - 2 - - 10 25 1 4 - <_> - 1 - - 5 20 2 1 - <_> - 5 - - 9 6 6 7 - <_> - 0 - - 11 10 1 12 - <_> - 3 - - 7 14 1 2 - <_> - 3 - - 3 10 5 4 - <_> - 3 - - 0 0 9 4 - <_> - 8 - - 2 21 5 1 - <_> - 8 - - 6 5 4 2 - <_> - 1 - - 7 28 4 1 - <_> - 4 - - 7 23 1 2 - <_> - 1 - - 7 24 2 4 - <_> - 2 - - 6 13 6 18 - <_> - 0 - - 5 28 8 1 - <_> - 0 - - 11 20 1 2 - <_> - 0 - - 7 8 2 3 - <_> - 2 - - 6 6 4 3 - <_> - 1 - - 9 10 1 3 - <_> - 1 - - 8 4 2 5 - <_> - 3 - - 2 21 7 6 - <_> - 3 - - 0 24 11 3 - <_> - 4 - - 3 28 7 2 - <_> - 2 - - 11 11 2 3 - <_> - 0 - - 9 3 3 2 - <_> - 5 - - 6 10 4 10 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 6 4 5 20 - <_> - 0 - - 6 24 7 3 - <_> - 8 - - 8 18 1 1 - <_> - 1 - - 2 2 5 14 - <_> - 0 - - 4 25 1 3 - <_> - 5 - - 8 3 4 11 - <_> - 7 - - 11 13 1 3 - <_> - 5 - - 3 0 12 1 - <_> - 4 - - 11 13 3 7 - <_> - 5 - - 4 28 10 2 - <_> - 2 - - 11 19 1 12 - <_> - 0 - - 5 20 1 3 - <_> - 5 - - 10 8 3 19 - <_> - 3 - - 0 26 6 1 - <_> - 2 - - 0 12 2 4 - <_> - 4 - - 7 8 5 6 - <_> - 5 - - 6 8 4 6 - <_> - 1 - - 4 7 6 1 - <_> - 9 - - 8 9 1 2 - <_> - 3 - - 4 11 11 5 - <_> - 8 - - 8 6 1 2 - <_> - 5 - - 0 14 2 15 - <_> - 0 - - 4 5 10 2 - <_> - 5 - - 7 12 1 3 - <_> - 3 - - 4 1 2 25 - <_> - 8 - - 12 18 2 2 - <_> - 3 - - 0 27 3 3 - <_> - 2 - - 6 17 3 11 - <_> - 1 - - 7 28 3 1 - <_> - 4 - - 5 18 5 2 - <_> - 0 - - 8 16 3 6 - <_> - 2 - - 7 23 2 2 - <_> - 0 - - 9 8 3 5 - <_> - 0 - - 7 19 6 4 - <_> - 0 - - 3 12 12 3 - <_> - 3 - - 8 18 1 1 - <_> - 1 - - 2 6 9 3 - <_> - 2 - - 7 2 5 2 - <_> - 1 - - 5 9 1 2 - <_> - 4 - - 0 0 11 14 - <_> - 2 - - 7 8 4 2 - <_> - 2 - - 8 9 2 1 - <_> - 2 - - 3 25 7 3 - <_> - 1 - - 5 27 5 1 - <_> - 0 - - 5 2 3 6 - <_> - 7 - - 0 19 7 2 - <_> - 2 - - 5 1 1 4 - <_> - 2 - - 3 22 1 2 - <_> - 5 - - 8 9 4 4 - <_> - 7 - - 4 30 3 1 - <_> - 4 - - 4 9 9 3 - <_> - 2 - - 7 11 2 3 - <_> - 0 - - 10 24 1 1 - <_> - 7 - - 1 27 4 2 - <_> - 1 - - 14 8 1 5 - <_> - 0 - - 12 22 3 7 - <_> - 4 - - 7 0 2 18 - <_> - 7 - - 8 20 1 2 - <_> - 8 - - 8 4 2 26 - <_> - 9 - - 8 15 1 3 - <_> - 1 - - 0 5 15 19 - <_> - 2 - - 4 9 4 1 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 5 6 3 1 - <_> - 8 - - 14 12 1 4 - <_> - 2 - - 1 6 10 1 - <_> - 0 - - 11 25 1 3 - <_> - 1 - - 6 19 4 8 - <_> - 7 - - 1 14 8 4 - <_> - 3 - - 0 25 11 2 - <_> - 9 - - 2 29 13 1 - <_> - 0 - - 3 27 1 4 - <_> - 1 - - 7 27 4 4 - <_> - 4 - - 5 4 7 3 - <_> - 0 - - 7 11 2 3 - <_> - 0 - - 8 17 4 4 - <_> - 2 - - 13 8 1 14 - <_> - 3 - - 13 26 2 4 - <_> - 0 - - 3 2 6 6 - <_> - 2 - - 5 5 7 16 - <_> - 2 - - 2 8 4 1 - <_> - 3 - - 4 0 1 14 - <_> - 9 - - 6 0 6 2 - <_> - 9 - - 5 14 2 4 - <_> - 1 - - 1 3 13 1 - <_> - 8 - - 6 6 2 2 - <_> - 8 - - 4 26 8 2 - <_> - 3 - - 8 17 4 1 - <_> - 4 - - 2 2 11 2 - <_> - 0 - - 6 16 6 10 - <_> - 9 - - 0 22 1 1 - <_> - 0 - - 4 29 3 2 - <_> - 4 - - 9 22 6 8 - <_> - 1 - - 8 26 4 3 - <_> - 3 - - 5 1 7 11 - <_> - 4 - - 7 29 3 1 - <_> - 4 - - 3 12 9 15 - <_> - 7 - - 0 28 14 3 - <_> - 2 - - 8 8 4 1 - <_> - 7 - - 6 9 3 1 - <_> - 7 - - 8 30 1 1 - <_> - 5 - - 4 30 11 1 - <_> - 5 - - 3 5 12 16 - <_> - 5 - - 12 13 1 6 - <_> - 0 - - 7 10 3 2 - <_> - 0 - - 3 0 4 14 - <_> - 2 - - 4 5 3 4 - <_> - 2 - - 5 19 4 1 - <_> - 1 - - 6 10 3 2 - <_> - 5 - - 1 1 12 1 - <_> - 9 - - 10 19 2 4 - <_> - 9 - - 1 0 13 27 - <_> - 8 - - 8 3 1 5 - <_> - 1 - - 7 28 3 1 - <_> - 9 - - 8 9 2 5 - <_> - 1 - - 5 4 6 9 - <_> - 7 - - 6 3 4 1 - <_> - 7 - - 14 24 1 5 - <_> - 3 - - 2 17 1 12 - <_> - 0 - - 4 14 7 16 - <_> - 1 - - 6 2 1 25 - <_> - 0 - - 0 13 4 16 - <_> - 4 - - 12 8 3 4 - <_> - 0 - - 0 18 13 4 - <_> - 8 - - 2 30 1 1 - <_> - 8 - - 7 7 3 1 - <_> - 9 - - 10 28 1 2 - <_> - 8 - - 11 1 3 10 - <_> - 4 - - 1 30 4 1 - <_> - 1 - - 2 22 5 8 - <_> - 9 - - 4 25 6 6 - <_> - 0 - - 4 6 1 6 - <_> - 5 - - 12 30 3 1 - <_> - 3 - - 7 10 1 1 - <_> - 2 - - 4 26 7 2 - <_> - 1 - - 5 1 4 3 - <_> - 4 - - 9 20 1 4 - <_> - 3 - - 2 2 7 9 - <_> - 7 - - 13 0 2 3 - <_> - 8 - - 6 6 1 2 - <_> - 3 - - 3 28 8 2 - <_> - 7 - - 13 24 1 3 - <_> - 2 - - 3 29 9 1 - <_> - 7 - - 7 13 3 1 - <_> - 7 - - 1 0 4 5 - <_> - 0 - - 5 5 6 3 - <_> - 0 - - 4 3 9 2 - <_> - 3 - - 2 17 2 2 - <_> - 0 - - 12 5 1 18 - <_> - 9 - - 7 10 1 1 - <_> - 9 - - 3 5 9 1 - <_> - 8 - - 8 12 4 1 - <_> - 3 - - 3 9 3 18 - <_> - 7 - - 8 26 1 1 - <_> - 1 - - 9 10 1 3 - <_> - 4 - - 5 10 5 21 - <_> - 1 - - 9 27 2 2 - <_> - 7 - - 6 9 3 1 - <_> - 2 - - 4 21 6 7 - <_> - 4 - - 2 18 9 8 - <_> - 5 - - 4 24 10 7 - <_> - 4 - - 6 4 5 3 - <_> - 2 - - 11 23 4 1 - <_> - 3 - - 5 3 1 28 - <_> - 9 - - 6 20 1 3 - <_> - 9 - - 4 25 5 2 - <_> - 4 - - 3 0 10 21 - <_> - 5 - - 9 11 6 17 - <_> - 0 - - 1 28 14 2 - <_> - 2 - - 6 10 3 1 - <_> - 0 - - 6 25 5 2 - <_> - 0 - - 6 27 7 1 - <_> - 8 - - 4 6 7 2 - <_> - 4 - - 12 15 3 5 - <_> - 3 - - 8 13 1 5 - <_> - 0 - - 6 22 2 5 - <_> - 4 - - 2 3 6 11 - <_> - 8 - - 1 17 6 10 - <_> - 9 - - 3 28 5 1 - <_> - 4 - - 0 30 10 1 - <_> - 1 - - 6 25 3 4 - <_> - 5 - - 10 8 3 8 - <_> - 7 - - 13 0 2 25 - <_> - 7 - - 5 30 8 1 - <_> - 3 - - 6 21 1 3 - <_> - 9 - - 6 8 3 4 - <_> - 9 - - 6 5 3 3 - <_> - 5 - - 4 29 10 1 - <_> - 1 - - 9 23 1 3 - <_> - 5 - - 9 11 4 20 - <_> - 9 - - 0 22 11 1 - <_> - 1 - - 5 9 1 2 - <_> - 5 - - 7 26 4 1 - <_> - 0 - - 6 23 1 7 - <_> - 3 - - 10 25 2 1 - <_> - 2 - - 3 29 6 2 - <_> - 1 - - 13 2 1 14 - <_> - 3 - - 6 26 8 2 - <_> - 1 - - 11 3 1 5 - <_> - 4 - - 3 12 12 19 - <_> - 1 - - 5 28 6 1 - <_> - 3 - - 10 30 5 1 - <_> - 7 - - 0 26 5 4 - <_> - 1 - - 5 11 3 2 - <_> - 0 - - 3 1 4 14 - <_> - 1 - - 7 4 2 4 - <_> - 3 - - 3 28 8 2 - <_> - 0 - - 7 19 3 7 - <_> - 4 - - 1 29 9 2 - <_> - 0 - - 6 10 3 2 - <_> - 5 - - 8 3 5 8 - <_> - 8 - - 7 4 1 10 - <_> - 1 - 1024 - - <_> - -9.1824179887771606e-01 - - 1 2 0 2.3365000000000000e+03 0 -1 1 8.3500000000000000e+01 - -2 -3 2 2.9050000000000000e+02 - - -1.9275911152362823e-01 -9.1824179887771606e-01 - 7.1353024244308472e-01 -4.2490604519844055e-01 - <_> - -1.3566842079162598e+00 - - 1 2 3 4.5500000000000000e+01 0 -1 4 5.6350000000000000e+02 - -2 -3 5 1.5150000000000000e+02 - - -5.7629632949829102e-01 -9.8518949747085571e-01 - 5.2551275491714478e-01 -4.3844240903854370e-01 - <_> - -1.6601251363754272e+00 - - 1 2 6 1.6500000000000000e+01 0 -1 7 1.3417500000000000e+04 - -2 -3 8 3.2850000000000000e+02 - - -1.4283974468708038e-01 -7.6407837867736816e-01 - 6.7369973659515381e-01 -3.0344095826148987e-01 - <_> - -1.7210527658462524e+00 - - 1 2 9 8.3500000000000000e+01 0 -1 10 5.7950000000000000e+02 - -2 -3 11 5.2165000000000000e+03 - - 2.7889367938041687e-01 -7.9177212715148926e-01 - -5.5426341295242310e-01 4.3222227692604065e-01 - <_> - -1.8265457153320312e+00 - - 1 2 12 1.0500000000000000e+01 0 -1 13 2.2500000000000000e+01 - -2 -3 14 2.4415000000000000e+03 - - -4.9315950274467468e-01 5.7787740230560303e-01 - -5.9864276647567749e-01 1.2489826977252960e-01 - <_> - -1.6793980598449707e+00 - - 1 2 15 1.8205000000000000e+03 0 -1 16 2.2445000000000000e+03 - -2 -3 17 2.5000000000000000e+00 - - 3.1089431140571833e-03 8.0035644769668579e-01 - 9.4315350055694580e-02 -5.7833504676818848e-01 - <_> - -1.5442515611648560e+00 - - 1 2 18 3.4500000000000000e+01 0 -1 19 4293. -2 -3 20 - 1.5545000000000000e+03 - - -6.1589881777763367e-02 -9.2765086889266968e-01 - 2.9719692468643188e-01 -6.1971640586853027e-01 - <_> - -1.8196758031845093e+00 - - 1 2 21 1.1500000000000000e+01 0 -1 22 2.1500000000000000e+01 - -2 -3 23 6.5500000000000000e+01 - - -4.4309207797050476e-01 4.5466747879981995e-01 - -6.7477458715438843e-01 -2.8885286301374435e-02 - <_> - -1.6610682010650635e+00 - - 1 2 24 5.0950000000000000e+02 0 -1 25 27777. -2 -3 26 - 2.4715000000000000e+03 - - 5.2616196870803833e-01 -4.0959128737449646e-01 - 5.7547372579574585e-01 -3.0137240886688232e-01 - <_> - -1.5959914922714233e+00 - - 1 2 27 5.0000000000000000e-01 0 -1 28 2.5000000000000000e+00 - -2 -3 29 1.7450000000000000e+02 - - -7.2784364223480225e-01 4.9311363697052002e-01 - -6.9787085056304932e-01 -1.9121825695037842e-02 - <_> - -1.1109679937362671e+00 - - 1 2 30 1.7500000000000000e+01 0 -1 31 1.0500000000000000e+01 - -2 -3 32 1.6835000000000000e+03 - - -6.9948041439056396e-01 4.8122453689575195e-01 - -3.8041490316390991e-01 7.8814607858657837e-01 - <_> - -1.3001022338867188e+00 - - 1 2 33 5.5000000000000000e+00 0 -1 34 1.4500000000000000e+01 - -2 -3 35 4.3500000000000000e+01 - - -6.2981390953063965e-01 4.1833153367042542e-01 - -5.5634695291519165e-01 2.0092706382274628e-01 - <_> - -1.2552416324615479e+00 - - 1 2 36 1.5000000000000000e+00 0 -1 37 6.0500000000000000e+01 - -2 -3 38 3.5000000000000000e+00 - - -2.3229536414146423e-01 4.8632022738456726e-01 - 1.0821102559566498e-01 -5.4847836494445801e-01 - <_> - -9.5746147632598877e-01 - - 1 2 39 5.0000000000000000e-01 0 -1 40 5.5000000000000000e+00 - -2 -3 41 1.5500000000000000e+01 - - -9.0162736177444458e-01 3.7442612648010254e-01 - -1.9469287246465683e-02 -6.7447566986083984e-01 - <_> - -8.0001801252365112e-01 - - 1 2 42 3.7500000000000000e+01 0 -1 43 3.1595000000000000e+03 - -2 -3 44 1.2465000000000000e+03 - - 1.6209787130355835e-01 -9.0783798694610596e-01 - 2.1256938576698303e-01 -7.1468418836593628e-01 - <_> - -1.2121976613998413e+00 - - 1 2 45 5.2500000000000000e+01 0 -1 46 5.0000000000000000e-01 - -2 -3 47 7606. - - 3.2595899701118469e-01 -4.1217961907386780e-01 - -1.9886784255504608e-01 7.2802597284317017e-01 - <_> - -1.0095448493957520e+00 - - 1 2 48 1.2645000000000000e+03 0 -1 49 1.3995000000000000e+03 - -2 -3 50 17217. - - 1.4752689003944397e-01 -4.5374435186386108e-01 - 7.4328523874282837e-01 -3.0514815449714661e-01 - <_> - -8.2125085592269897e-01 - - 1 2 51 1.2450000000000000e+02 0 -1 52 4.5000000000000000e+00 - -2 -3 53 6.5500000000000000e+01 - - -9.2579865455627441e-01 1.8829397857189178e-01 - 6.2581911683082581e-02 -9.3276327848434448e-01 - <_> - -8.5726839303970337e-01 - - 1 2 54 1.2500000000000000e+01 0 -1 55 3.5000000000000000e+00 - -2 -3 56 2.4500000000000000e+01 - - -9.3079727888107300e-01 5.4834127426147461e-01 - -7.4245822429656982e-01 -3.6017529666423798e-02 - <_> - -3.7141740322113037e-01 - - 1 2 57 2.5000000000000000e+00 0 -1 58 9.0500000000000000e+01 - -2 -3 59 1.1450000000000000e+02 - - -2.6328250765800476e-01 4.8585096001625061e-01 - -4.2119786143302917e-01 3.4775453805923462e-01 - <_> - -2.9893672466278076e-01 - - 1 2 60 1.8150000000000000e+02 0 -1 61 1.6500000000000000e+01 - -2 -3 62 4.3500000000000000e+01 - - 3.9467984437942505e-01 -2.8166392445564270e-01 - -6.6281062364578247e-01 1.6430251300334930e-02 - <_> - -5.2570968866348267e-01 - - 1 2 63 2.8935000000000000e+03 0 -1 64 7.5000000000000000e+00 - -2 -3 65 10970. - - 2.7466580271720886e-01 -8.6028146743774414e-01 - 3.1712412834167480e-01 -2.8514662384986877e-01 - <_> - -3.3981230854988098e-01 - - 1 2 66 4.3500000000000000e+01 0 -1 67 5.0500000000000000e+01 - -2 -3 68 1.2950000000000000e+02 - - 1.5071904659271240e-01 -6.7942529916763306e-01 - 3.4536096453666687e-01 -5.4448747634887695e-01 - <_> - -3.2909783720970154e-01 - - 1 2 69 4.0500000000000000e+01 0 -1 70 9.8750000000000000e+02 - -2 -3 71 4.5000000000000000e+00 - - -2.0841991528868675e-02 -6.2886476516723633e-01 - 7.4424326419830322e-01 9.9408831447362900e-03 - <_> - -6.2298193573951721e-02 - - 1 2 72 4.6085000000000000e+03 0 -1 73 3.8500000000000000e+01 - -2 -3 74 5.7850000000000000e+02 - - -7.5020188093185425e-01 5.4516482353210449e-01 - 5.7250261306762695e-01 -9.2801190912723541e-02 - <_> - -1.5894679725170135e-01 - - 1 2 75 5.0000000000000000e-01 0 -1 76 1.5000000000000000e+00 - -2 -3 77 2.5750000000000000e+02 - - -7.4547845125198364e-01 4.9561309814453125e-01 - 5.8993577957153320e-01 -3.1674036383628845e-01 - <_> - 4.0653568506240845e-01 - - 1 2 78 2.5335000000000000e+03 0 -1 79 2.4500000000000000e+01 - -2 -3 80 8.9905000000000000e+03 - - 2.6614660024642944e-01 -3.2352310419082642e-01 - 6.4184278249740601e-01 -3.7356415390968323e-01 - <_> - -1.8076049163937569e-03 - - 1 2 81 5.0000000000000000e-01 0 -1 82 1.2500000000000000e+01 - -2 -3 83 2.4500000000000000e+01 - - -4.9844339489936829e-01 4.9451184272766113e-01 - -5.1162499189376831e-01 1.4680899679660797e-01 - <_> - 2.9161420464515686e-01 - - 1 2 84 1.3500000000000000e+01 0 -1 85 1.2500000000000000e+01 - -2 -3 86 1.5115000000000000e+03 - - -7.0512425899505615e-01 4.7449973225593567e-01 - -4.5257037878036499e-01 1.9849643111228943e-01 - <_> - 2.6676848530769348e-01 - - 1 2 87 5.0500000000000000e+01 0 -1 88 6.5500000000000000e+01 - -2 -3 89 1.4650000000000000e+02 - - -2.0592364668846130e-01 3.0830872058868408e-01 - -8.7131351232528687e-01 8.3726328611373901e-01 - <_> - 1.9189073145389557e-01 - - 1 2 90 3.6050000000000000e+02 0 -1 91 1.0350000000000000e+02 - -2 -3 92 7.4500000000000000e+01 - - -8.2260921597480774e-02 5.0565969944000244e-01 - -9.1390937566757202e-01 -1.8902081251144409e-01 - <_> - 5.3643327951431274e-01 - - 1 2 93 2.0500000000000000e+01 0 -1 94 4.4500000000000000e+01 - -2 -3 95 7.3785000000000000e+03 - - -8.0922812223434448e-01 3.4454253315925598e-01 - -1.5407036058604717e-02 -7.4269419908523560e-01 - <_> - 4.3825522065162659e-01 - - 1 2 96 1.0224500000000000e+04 0 -1 97 4.5000000000000000e+00 - -2 -3 98 4.0035000000000000e+03 - - 2.9326722025871277e-01 -3.9492443203926086e-01 - 6.2416630983352661e-01 -1.4834968745708466e-01 - <_> - 9.0073168277740479e-01 - - 1 2 99 2.5000000000000000e+00 0 -1 100 - 3.8395000000000000e+03 -2 -3 101 5.5000000000000000e+00 - - 6.1362767219543457e-01 -5.9424567967653275e-02 - -6.8450838327407837e-01 2.6574308052659035e-02 - <_> - 1.0332926511764526e+00 - - 1 2 102 5.4500000000000000e+01 0 -1 103 - 5.0000000000000000e-01 -2 -3 104 4.5000000000000000e+00 - - 1.4594553411006927e-01 -8.0310869216918945e-01 - 4.9081337451934814e-01 -1.0566046833992004e-01 - <_> - 1.2107890844345093e+00 - - 1 2 105 2.5000000000000000e+00 0 -1 106 608. -2 -3 107 - 1.0250000000000000e+02 - - -6.9540244340896606e-01 8.6690729856491089e-01 - 1.7749644815921783e-01 -8.1727051734924316e-01 - <_> - 1.1315129995346069e+00 - - 1 2 108 1.0450000000000000e+02 0 -1 109 106. -2 -3 110 - 4.7350000000000000e+02 - - -4.4595441222190857e-01 4.8524639010429382e-01 - 3.8998365402221680e-01 -4.3752849102020264e-01 - <_> - 1.3212180137634277e+00 - - 1 2 111 5.0000000000000000e-01 0 -1 112 - 3.1500000000000000e+01 -2 -3 113 8.5000000000000000e+00 - - -7.6347488164901733e-01 6.1377680301666260e-01 - 3.2435289025306702e-01 -3.2852920889854431e-01 - <_> - 1.5280661582946777e+00 - - 1 2 114 31599. 0 -1 115 8.7950000000000000e+02 -2 -3 116 - 1.4950000000000000e+02 - - -4.4413706660270691e-01 2.0684811472892761e-01 - -9.2896610498428345e-01 7.2677606344223022e-01 - <_> - 1.3401062488555908e+00 - - 1 2 117 4.5000000000000000e+00 0 -1 118 - 5.0000000000000000e-01 -2 -3 119 1.7500000000000000e+01 - - -8.9902228116989136e-01 7.3140519857406616e-01 - 2.5528132915496826e-01 -3.2260772585868835e-01 - <_> - 1.5880639553070068e+00 - - 1 2 120 2.3500000000000000e+01 0 -1 121 - 2.3415000000000000e+03 -2 -3 122 1.8500000000000000e+01 - - -7.2909480333328247e-01 -6.7116706632077694e-03 - -8.0022460222244263e-01 3.6795264482498169e-01 - <_> - 1.7455346584320068e+00 - - 1 2 123 1.9715000000000000e+03 0 -1 124 - 4.5635000000000000e+03 -2 -3 125 4.4850000000000000e+02 - - -6.1536699533462524e-01 3.9649611711502075e-01 - -5.3931379318237305e-01 1.9903500378131866e-01 - <_> - 1.4469091892242432e+00 - - 1 2 126 9.5000000000000000e+00 0 -1 127 - 1.0219500000000000e+04 -2 -3 128 4.0500000000000000e+01 - - 6.1238449811935425e-01 -1.6160279512405396e-01 - -5.3765082359313965e-01 2.1599884331226349e-01 - <_> - 1.6631983518600464e+00 - - 1 2 129 1.3050000000000000e+02 0 -1 130 - 1.2500000000000000e+01 -2 -3 131 48. - - -6.8314427137374878e-01 2.1628913283348083e-01 - 7.3021888732910156e-01 -8.3048707246780396e-01 - <_> - 1.3611874580383301e+00 - - 1 2 132 5691. 0 -1 133 1.4550000000000000e+02 -2 -3 134 - 6621. - - 6.3320666551589966e-02 -5.2526509761810303e-01 - 9.5597380399703979e-01 -8.6907690763473511e-01 - <_> - 1.6279634237289429e+00 - - 1 2 135 2.3500000000000000e+01 0 -1 136 - 2.5000000000000000e+00 -2 -3 137 5.0500000000000000e+01 - - 3.9147856831550598e-01 -8.5339552164077759e-01 - 2.6677599549293518e-01 -3.8106775283813477e-01 - <_> - 2.0351922512054443e+00 - - 1 2 138 4.9500000000000000e+01 0 -1 139 - 1.8500000000000000e+01 -2 -3 140 7.5000000000000000e+00 - - 4.8707169294357300e-01 -5.0664901733398438e-01 - 5.0869596004486084e-01 -1.1930328607559204e-01 - <_> - 2.1048190593719482e+00 - - 1 2 141 6.5000000000000000e+00 0 -1 142 - 2.0500000000000000e+01 -2 -3 143 2.8945000000000000e+03 - - 2.2332985699176788e-01 -6.0333216190338135e-01 - 3.1961753964424133e-01 -4.8080846667289734e-01 - <_> - 2.5272200107574463e+00 - - 1 2 144 1.2755000000000000e+03 0 -1 145 - 1.6450000000000000e+02 -2 -3 146 33. - - 8.7598457932472229e-02 -4.3963542580604553e-01 - -8.7583345174789429e-01 6.2399446964263916e-01 - <_> - 2.3983705043792725e+00 - - 1 2 147 5.5000000000000000e+00 0 -1 148 - 1.2500000000000000e+01 -2 -3 149 3.2715000000000000e+03 - - -6.9637626409530640e-01 3.5001280903816223e-01 - -6.8439531326293945e-01 5.0571694970130920e-02 - <_> - 2.1697113513946533e+00 - - 1 2 150 666. 0 -1 151 1.0675000000000000e+03 -2 -3 152 - 1.0650000000000000e+02 - - -2.1497508883476257e-01 7.4145573377609253e-01 - -4.1339716315269470e-01 1.7802318930625916e-01 - <_> - 2.3894040584564209e+00 - - 1 2 153 1.5000000000000000e+00 0 -1 154 - 4.2500000000000000e+01 -2 -3 155 1.0950000000000000e+02 - - -8.8204550743103027e-01 3.3967906236648560e-01 - -9.1087028384208679e-02 -8.9394873380661011e-01 - <_> - 2.2878415584564209e+00 - - 1 2 156 6.4500000000000000e+01 0 -1 157 11. -2 -3 158 - 4.4500000000000000e+01 - - 7.8926539421081543e-01 -8.1914222240447998e-01 - 5.7366627454757690e-01 -1.0156247764825821e-01 - <_> - 2.4907975196838379e+00 - - 1 2 159 5.8650000000000000e+02 0 -1 160 - 1.7625000000000000e+03 -2 -3 161 5.0000000000000000e-01 - - -5.2814042568206787e-01 2.0295590162277222e-01 - 4.9193066358566284e-01 -8.6553698778152466e-01 - <_> - 2.8328115940093994e+00 - - 1 2 162 1.1500000000000000e+01 0 -1 163 - 1.5045000000000000e+03 -2 -3 164 3.1500000000000000e+01 - - 5.6902194023132324e-01 -3.8489398360252380e-01 - 5.4847592115402222e-01 -9.3145422637462616e-02 - <_> - 2.9363400936126709e+00 - - 1 2 165 1.5500000000000000e+01 0 -1 166 - 1.2500000000000000e+01 -2 -3 167 1.5500000000000000e+01 - - 9.5472264289855957e-01 -9.1838270425796509e-01 - -1.0293316841125488e-01 4.3570974469184875e-01 - <_> - 2.8884809017181396e+00 - - 1 2 168 5.5000000000000000e+00 0 -1 169 - 3.2250000000000000e+02 -2 -3 170 3.3305000000000000e+03 - - 5.2823734283447266e-01 -6.2273854017257690e-01 - 2.4218171834945679e-01 -3.8004037737846375e-01 - <_> - 3.2581679821014404e+00 - - 1 2 171 1.1585000000000000e+03 0 -1 172 - 2.0525000000000000e+03 -2 -3 173 6.6950000000000000e+02 - - -7.3419857025146484e-01 5.7153469324111938e-01 - 7.6942658424377441e-01 -4.6774842776358128e-03 - <_> - 3.2552568912506104e+00 - - 1 2 174 4.7500000000000000e+01 0 -1 175 - 5.0000000000000000e-01 -2 -3 176 1.5550000000000000e+02 - - 1.8964821100234985e-01 -5.6353724002838135e-01 - -6.1556345224380493e-01 3.0847749114036560e-01 - <_> - 3.1983842849731445e+00 - - 1 2 177 4.3150000000000000e+02 0 -1 178 - 5.8500000000000000e+01 -2 -3 179 5.0000000000000000e-01 - - -5.6872483342885971e-02 5.8359992504119873e-01 - 4.7400984168052673e-01 -7.4053239822387695e-01 - <_> - 3.4817969799041748e+00 - - 1 2 180 9.5000000000000000e+00 0 -1 181 25. -2 -3 182 - 6.2500000000000000e+01 - - -6.4430248737335205e-01 3.9208996295928955e-01 - -4.2771559953689575e-01 3.0624631047248840e-01 - <_> - 3.0476233959197998e+00 - - 1 2 183 2.5000000000000000e+00 0 -1 184 - 1.3250000000000000e+02 -2 -3 185 3.4150000000000000e+02 - - 5.3614073991775513e-01 -5.6767416000366211e-01 - -3.0754956603050232e-01 8.0505007505416870e-01 - <_> - 3.4105541706085205e+00 - - 1 2 186 5.8500000000000000e+01 0 -1 187 - 5.2250000000000000e+02 -2 -3 188 8.4500000000000000e+01 - - -3.9508250355720520e-01 2.8085133433341980e-01 - 6.1845648288726807e-01 -2.1672628819942474e-01 - <_> - 3.4716253280639648e+00 - - 1 2 189 3238. 0 -1 190 7.6925000000000000e+03 -2 -3 191 - 1.4250000000000000e+02 - - 5.7400876283645630e-01 -6.7538954317569733e-02 - -8.3562213182449341e-01 6.1071071773767471e-02 - <_> - 3.3441829681396484e+00 - - 1 2 192 1.3500000000000000e+01 0 -1 193 - 1.3500000000000000e+01 -2 -3 194 5.5000000000000000e+00 - - -6.8424683809280396e-01 5.4655539989471436e-01 - 4.5958670973777771e-01 -1.2744228541851044e-01 - <_> - 3.2567305564880371e+00 - - 1 2 195 4.5050000000000000e+02 0 -1 196 - 7.5000000000000000e+00 -2 -3 197 102. - - 2.0710256695747375e-01 -4.7517296671867371e-01 - -2.6671493053436279e-01 5.8150058984756470e-01 - <_> - 3.5595970153808594e+00 - - 1 2 198 1.5500000000000000e+01 0 -1 199 - 1.6405000000000000e+03 -2 -3 200 3.2500000000000000e+01 - - -6.0164546966552734e-01 3.0286654829978943e-01 - 2.1122010052204132e-01 -5.7218044996261597e-01 - <_> - 3.7392544746398926e+00 - - 1 2 201 6.5000000000000000e+00 0 -1 202 - 3.5000000000000000e+00 -2 -3 203 1.6450000000000000e+02 - - 2.2506394982337952e-01 -8.6310726404190063e-01 - 1.7965751886367798e-01 -6.9324779510498047e-01 - <_> - 3.7078585624694824e+00 - - 1 2 204 8.1450000000000000e+02 0 -1 205 1890. -2 -3 206 - 8.1750000000000000e+02 - - -3.2595106959342957e-01 8.0182307958602905e-01 - 6.8428695201873779e-01 -2.1671128273010254e-01 - <_> - 4.0834798812866211e+00 - - 1 2 207 7524. 0 -1 208 29059. -2 -3 209 - 5.0000000000000000e-01 - - -9.4072461128234863e-02 6.2213033437728882e-01 - 4.1094872355461121e-01 -3.1383806467056274e-01 - <_> - 3.9115695953369141e+00 - - 1 2 210 1.8500000000000000e+01 0 -1 211 387. -2 -3 212 - 2.3750000000000000e+02 - - 4.2355090379714966e-01 -8.8622373342514038e-01 - 2.1309094130992889e-01 -5.3503811359405518e-01 - <_> - 4.2166790962219238e+00 - - 1 2 213 5.3500000000000000e+01 0 -1 214 1081. -2 -3 215 - 2.5000000000000000e+00 - - 8.1005847454071045e-01 -9.5809775590896606e-01 - 3.0510938167572021e-01 -2.3649103939533234e-01 - <_> - 4.2742543220520020e+00 - - 1 2 216 5.0000000000000000e-01 0 -1 217 - 3.5000000000000000e+00 -2 -3 218 1.9500000000000000e+01 - - -6.7842203378677368e-01 6.1577528715133667e-01 - -6.2877601385116577e-01 5.7575210928916931e-02 - <_> - 4.5262427330017090e+00 - - 1 2 219 2.3500000000000000e+01 0 -1 220 - 6.5500000000000000e+01 -2 -3 221 7200. - - -1.2643574178218842e-01 4.4764062762260437e-01 - 8.0391228199005127e-01 -5.6298023462295532e-01 - <_> - 4.3622655868530273e+00 - - 1 2 222 5.0000000000000000e-01 0 -1 223 - 5.0000000000000000e-01 -2 -3 224 8.5000000000000000e+00 - - -6.9282239675521851e-01 5.0668609142303467e-01 - 2.8447443246841431e-01 -3.2788425683975220e-01 - <_> - 4.3866205215454102e+00 - - 1 2 225 1.8500000000000000e+01 0 -1 226 - 3.0500000000000000e+01 -2 -3 227 3.5000000000000000e+00 - - 1.6534422338008881e-01 -6.7988771200180054e-01 - 5.8741343021392822e-01 -7.3899636045098305e-03 - <_> - 4.6229195594787598e+00 - - 1 2 228 3.5500000000000000e+01 0 -1 229 - 2.4250000000000000e+02 -2 -3 230 1.4995000000000000e+03 - - -2.7123320102691650e-01 4.3727341294288635e-01 - 6.2667381763458252e-01 -8.1948131322860718e-01 - <_> - 4.4684619903564453e+00 - - 1 2 231 1.3050000000000000e+02 0 -1 232 - 7.4500000000000000e+01 -2 -3 233 3.4250000000000000e+02 - - 4.2552286386489868e-01 -6.8802464008331299e-01 - -3.5543212294578552e-01 8.2571202516555786e-01 - <_> - 4.7353043556213379e+00 - - 1 2 234 2.4500000000000000e+01 0 -1 235 - 5.2500000000000000e+01 -2 -3 236 2.1500000000000000e+01 - - 1.4997267723083496e-01 -9.4012928009033203e-01 - -3.1085640192031860e-01 2.6684227585792542e-01 - <_> - 5.1284918785095215e+00 - - 1 2 237 1.5000000000000000e+00 0 -1 238 246. -2 -3 239 - 5.1500000000000000e+01 - - -1.4119525253772736e-01 8.4309184551239014e-01 - 8.1866653636097908e-03 -5.9627658128738403e-01 - <_> - 5.2100868225097656e+00 - - 1 2 240 1.2225000000000000e+03 0 -1 241 8510. -2 -3 242 - 4.1076500000000000e+04 - - -3.3349204063415527e-01 4.1161355376243591e-01 - 4.6106973290443420e-01 -8.5954028367996216e-01 - <_> - 5.1655635833740234e+00 - - 1 2 243 1.4225500000000000e+04 0 -1 244 - 5.6765000000000000e+03 -2 -3 245 3.5000000000000000e+00 - - -4.4523153454065323e-02 6.2628918886184692e-01 - 2.0545418560504913e-01 -5.4939305782318115e-01 - <_> - 5.3291592597961426e+00 - - 1 2 246 4.5000000000000000e+00 0 -1 247 5. -2 -3 248 - 4.5035000000000000e+03 - - -8.5104453563690186e-01 7.7873927354812622e-01 - -8.5507243871688843e-01 -6.3659679144620895e-03 - <_> - 5.4979724884033203e+00 - - 1 2 249 7.7350000000000000e+02 0 -1 250 - 5.0745000000000000e+03 -2 -3 251 6.5000000000000000e+00 - - 4.5453670620918274e-01 -6.6669577360153198e-01 - 1.7272062599658966e-01 -4.8215919733047485e-01 - <_> - 5.1418399810791016e+00 - - 1 2 252 3.3500000000000000e+01 0 -1 253 - 4.8500000000000000e+01 -2 -3 254 1.1625000000000000e+03 - - 5.2197024226188660e-02 -8.2986247539520264e-01 - -4.2942497134208679e-01 2.6862683892250061e-01 - <_> - 5.3069186210632324e+00 - - 1 2 255 7.3500000000000000e+01 0 -1 256 - 6.5000000000000000e+00 -2 -3 257 293. - - -8.3037430047988892e-01 1.6507858037948608e-01 - -8.6482697725296021e-01 5.6237572431564331e-01 - <_> - 5.8320169448852539e+00 - - 1 2 258 5.2500000000000000e+01 0 -1 259 - 5.0000000000000000e-01 -2 -3 260 483. - - 4.2582702636718750e-01 -3.5350418090820312e-01 - 5.2509862184524536e-01 -8.3165860176086426e-01 - <_> - 5.4062981605529785e+00 - - 1 2 261 7.2850000000000000e+02 0 -1 262 27703. -2 -3 263 - 1.1950000000000000e+02 - - 6.5644961595535278e-01 -9.5847475528717041e-01 - 2.1147368848323822e-01 -4.5759904384613037e-01 - <_> - 5.3856034278869629e+00 - - 1 2 264 2.1500000000000000e+01 0 -1 265 - 1.6105000000000000e+03 -2 -3 266 1.5000000000000000e+00 - - -2.0694794133305550e-02 -7.2058790922164917e-01 - 7.0882946252822876e-01 -9.4017720222473145e-01 - <_> - 5.3594450950622559e+00 - - 1 2 267 1.9500000000000000e+01 0 -1 268 - 1.5500000000000000e+01 -2 -3 269 5.0000000000000000e-01 - - 4.6942609548568726e-01 -4.7919079661369324e-01 - 5.4369747638702393e-01 -2.6158468797802925e-02 - <_> - 5.5568313598632812e+00 - - 1 2 270 3.8500000000000000e+01 0 -1 271 5311. -2 -3 272 - 1.0750000000000000e+02 - - 2.8408360481262207e-01 -9.0222167968750000e-01 - 1.9738645851612091e-01 -5.9748172760009766e-01 - <_> - 6.0750946998596191e+00 - - 1 2 273 3654. 0 -1 274 5.0000000000000000e-01 -2 -3 275 180. - - 1.3075743615627289e-01 -4.2956027388572693e-01 - -7.0136785507202148e-01 6.2402111291885376e-01 - <_> - 6.0776939392089844e+00 - - 1 2 276 2.5000000000000000e+00 0 -1 277 - 1.3500000000000000e+01 -2 -3 278 1.1750000000000000e+02 - - -9.0228682756423950e-01 1. 1.6657561063766479e-01 - -6.4917582273483276e-01 - <_> - 6.0489621162414551e+00 - - 1 2 279 1.2455000000000000e+03 0 -1 280 - 3.2550000000000000e+02 -2 -3 281 9.3250000000000000e+02 - - -2.8672853112220764e-01 6.7820680141448975e-01 - 6.3100266456604004e-01 -2.2533583641052246e-01 - <_> - 6.3533391952514648e+00 - - 1 2 282 1.8769500000000000e+04 0 -1 283 - 7.5450000000000000e+02 -2 -3 284 1.4500000000000000e+01 - - -7.3246711492538452e-01 4.0920761227607727e-01 - 9.1864340007305145e-02 -5.1933372020721436e-01 - <_> - 6.3807511329650879e+00 - - 1 2 285 4.9950000000000000e+02 0 -1 286 - 7.5000000000000000e+00 -2 -3 287 4.9500000000000000e+01 - - 2.5379750132560730e-01 -9.2118155956268311e-01 - -5.7641644030809402e-02 5.3151047229766846e-01 - <_> - 6.4591631889343262e+00 - - 1 2 288 2.5500000000000000e+01 0 -1 289 - 1.1500000000000000e+01 -2 -3 290 1.7405000000000000e+03 - - -9.0133595466613770e-01 2.3147261142730713e-01 - -5.1077365875244141e-01 7.7433860301971436e-01 - <_> - 6.7583456039428711e+00 - - 1 2 291 5.0000000000000000e-01 0 -1 292 - 3.6500000000000000e+01 -2 -3 293 6.5000000000000000e+00 - - -1.6842520236968994e-01 7.2404229640960693e-01 - 4.3139779567718506e-01 -3.6949115991592407e-01 - <_> - 6.6043167114257812e+00 - - 1 2 294 1.0500000000000000e+01 0 -1 295 - 2.5500000000000000e+01 -2 -3 296 1.0750000000000000e+02 - - 6.2449771165847778e-01 -6.7510235309600830e-01 - 3.5289931297302246e-01 -1.5402862429618835e-01 - <_> - 6.4769744873046875e+00 - - 1 2 297 1.6750000000000000e+02 0 -1 298 - 3.4500000000000000e+01 -2 -3 299 2.1500000000000000e+01 - - 1.1882825195789337e-01 -6.5167319774627686e-01 - -7.6285523176193237e-01 3.4674841165542603e-01 - <_> - 6.6450757980346680e+00 - - 1 2 300 8.5000000000000000e+00 0 -1 301 - 1.3500000000000000e+01 -2 -3 302 116. - - -5.9631282091140747e-01 2.7127423882484436e-01 - -5.6467700004577637e-01 3.7385278940200806e-01 - <_> - 6.8429255485534668e+00 - - 1 2 303 5.5500000000000000e+01 0 -1 304 - 3.5000000000000000e+00 -2 -3 305 3.3250000000000000e+02 - - -8.3910179138183594e-01 4.3193608522415161e-01 - -3.7392577528953552e-01 6.6540867090225220e-01 - <_> - 7.0322842597961426e+00 - - 1 2 306 6.3500000000000000e+01 0 -1 307 - 2.0845000000000000e+03 -2 -3 308 1.2500000000000000e+01 - - -5.9658832848072052e-02 -8.6379587650299072e-01 - 4.7707024216651917e-01 -1.4790077507495880e-01 - <_> - 6.9630532264709473e+00 - - 1 2 309 1.6150000000000000e+02 0 -1 310 29256. -2 -3 311 - 2.5000000000000000e+00 - - -8.2682120800018311e-01 4.9407878518104553e-01 - 5.2456849813461304e-01 -6.9230861961841583e-02 - <_> - 6.9075293540954590e+00 - - 1 2 312 5.0000000000000000e-01 0 -1 313 - 8.5000000000000000e+00 -2 -3 314 8.4975000000000000e+03 - - -7.3926454782485962e-01 4.6552142500877380e-01 - 5.8614385128021240e-01 -3.0694326758384705e-01 - <_> - 7.0862822532653809e+00 - - 1 2 315 8.2550000000000000e+02 0 -1 316 - 4.6500000000000000e+01 -2 -3 317 5.0695000000000000e+03 - - -2.9908904433250427e-01 5.3665381669998169e-01 - 6.0632449388504028e-01 -4.8383909463882446e-01 - <_> - 7.3064808845520020e+00 - - 1 2 318 1.2500000000000000e+01 0 -1 319 - 4.7350000000000000e+02 -2 -3 320 1.3500000000000000e+01 - - -1.4890976250171661e-01 5.1700884103775024e-01 - 2.2019901871681213e-01 -5.0205707550048828e-01 - <_> - 7.5856218338012695e+00 - - 1 2 321 4.5000000000000000e+00 0 -1 322 - 2.5000000000000000e+00 -2 -3 323 1.7875000000000000e+03 - - -6.5830785036087036e-01 5.2842289209365845e-01 - -4.4524073600769043e-01 1.5747387707233429e-01 - <_> - 7.5183806419372559e+00 - - 1 2 324 7.8500000000000000e+01 0 -1 325 - 2.1500000000000000e+01 -2 -3 326 283. - - 4.9533292651176453e-01 -3.2849147915840149e-01 - -8.8443028926849365e-01 -4.6591479331254959e-02 - <_> - 7.2458000183105469e+00 - - 1 2 327 2.9500000000000000e+01 0 -1 328 - 4.5000000000000000e+00 -2 -3 329 1.2500000000000000e+01 - - 3.8163262605667114e-01 -5.6158578395843506e-01 - -5.1157724857330322e-01 3.5844418406486511e-01 - <_> - 7.7198004722595215e+00 - - 1 2 330 1.7500000000000000e+01 0 -1 331 - 8.5000000000000000e+00 -2 -3 332 94. - - -1.6375185549259186e-01 4.7400090098381042e-01 - -8.1118392944335938e-01 -3.4891348332166672e-02 - <_> - 7.6042866706848145e+00 - - 1 2 333 1.5500000000000000e+01 0 -1 334 - 2.8500000000000000e+01 -2 -3 335 1.1255000000000000e+03 - - -2.7163597941398621e-01 4.8851761221885681e-01 - -4.1841214895248413e-01 5.2421635389328003e-01 - <_> - 7.8545336723327637e+00 - - 1 2 336 5.0000000000000000e-01 0 -1 337 - 6.5000000000000000e+00 -2 -3 338 1.5755000000000000e+03 - - -5.1451754570007324e-01 5.8292496204376221e-01 - 5.4736447334289551e-01 -2.9082155227661133e-01 - <_> - 8.2435092926025391e+00 - - 1 2 339 2.5000000000000000e+00 0 -1 340 298. -2 -3 341 - 3.4500000000000000e+01 - - 5.5548179149627686e-01 -4.2350277304649353e-01 - -4.2017799615859985e-01 3.3250615000724792e-01 - <_> - 8.1081476211547852e+00 - - 1 2 342 2306. 0 -1 343 4.8350000000000000e+02 -2 -3 344 - 2.0550000000000000e+02 - - -7.4824672937393188e-01 8.6650526523590088e-01 - 2.9151761531829834e-01 -3.6584287881851196e-01 - <_> - 7.9108762741088867e+00 - - 0 1 345 2758. 0 1 345 2758. -1 -2 346 2.1500000000000000e+01 - - -1. -1. 2.9584947228431702e-01 -1.9727160036563873e-01 - <_> - 8.1822175979614258e+00 - - 1 2 347 2.3500000000000000e+01 0 -1 348 282. -2 -3 349 - 4.5000000000000000e+00 - - 4.1519537568092346e-01 -7.7347069978713989e-01 - 2.7134174108505249e-01 -2.6304042339324951e-01 - <_> - 8.1136093139648438e+00 - - 1 2 350 6.6500000000000000e+01 0 -1 351 - 1.4500000000000000e+01 -2 -3 352 3.4500000000000000e+01 - - -8.0191783607006073e-02 -7.9695141315460205e-01 - 4.5921468734741211e-01 -4.6219456195831299e-01 - <_> - 8.4452056884765625e+00 - - 1 2 353 5.0000000000000000e-01 0 -1 354 - 1.1750000000000000e+02 -2 -3 355 1.4615000000000000e+03 - - 6.2617254257202148e-01 -6.0764908790588379e-01 - -2.9064002633094788e-01 7.1891576051712036e-01 - <_> - 8.4361963272094727e+00 - - 1 2 356 7.3500000000000000e+01 0 -1 357 825. -2 -3 358 - 6.5000000000000000e+00 - - 6.0967606306076050e-01 -7.7204084396362305e-01 - 6.0940122604370117e-01 -9.0096443891525269e-03 - <_> - 8.7065010070800781e+00 - - 1 2 359 3.1500000000000000e+01 0 -1 360 - 1.1475500000000000e+04 -2 -3 361 262. - - 4.0798941254615784e-01 -6.3121789693832397e-01 - -4.9538758397102356e-01 2.7030462026596069e-01 - <_> - 8.5846290588378906e+00 - - 1 2 362 1.4500000000000000e+01 0 -1 363 - 1.3524500000000000e+04 -2 -3 364 1.5650000000000000e+02 - - 6.1740058660507202e-01 -1.2187176942825317e-01 - -4.5620942115783691e-01 2.4483670294284821e-01 - <_> - 8.5813455581665039e+00 - - 1 2 365 1.9500000000000000e+01 0 -1 366 - 2.4550000000000000e+02 -2 -3 367 1.5150000000000000e+02 - - -3.2830052077770233e-03 -7.3917645215988159e-01 - 8.6923849582672119e-01 -3.4717652201652527e-01 - <_> - 8.3619909286499023e+00 - - 1 2 368 8.5000000000000000e+00 0 -1 369 915. -2 -3 370 - 5.0000000000000000e-01 - - -4.7836102545261383e-02 -8.9932316541671753e-01 - 3.6531907320022583e-01 -2.1935538947582245e-01 - <_> - 8.8194007873535156e+00 - - 1 2 371 5.3500000000000000e+01 0 -1 372 - 4.5000000000000000e+00 -2 -3 373 3.5000000000000000e+00 - - 1.0001569986343384e-01 -6.3893711566925049e-01 - 4.5741054415702820e-01 -1.3190703094005585e-01 - <_> - 8.5848417282104492e+00 - - 1 2 374 1.2185000000000000e+03 0 -1 375 - 5.6500000000000000e+01 -2 -3 376 7.8650000000000000e+02 - - -3.6798512935638428e-01 6.3582497835159302e-01 - 8.7271928787231445e-01 4.6488631516695023e-02 - <_> - 8.7026214599609375e+00 - - 1 2 377 3.7500000000000000e+01 0 -1 378 - 8.1500000000000000e+01 -2 -3 379 2.2350000000000000e+02 - - -1.1387371271848679e-01 4.8333024978637695e-01 - 5.4781770706176758e-01 -6.5416949987411499e-01 - <_> - 8.9529705047607422e+00 - - 1 2 380 2.0500000000000000e+01 0 -1 381 - 7.5000000000000000e+00 -2 -3 382 1.3235000000000000e+03 - - -7.0283526182174683e-01 2.5034907460212708e-01 - -7.6881372928619385e-01 1.7487525939941406e-01 - <_> - 9.0659570693969727e+00 - - 1 2 383 3.5000000000000000e+00 0 -1 384 - 6.5000000000000000e+00 -2 -3 385 7.0250000000000000e+02 - - -9.7807765007019043e-01 4.7183737158775330e-01 - 1.1298649013042450e-01 -4.7387996315956116e-01 - <_> - 9.2564897537231445e+00 - - 1 2 386 7.0650000000000000e+02 0 -1 387 - 2.7500000000000000e+01 -2 -3 388 3.8150000000000000e+02 - - -4.3204694986343384e-01 4.6149665117263794e-01 - -4.5656362175941467e-01 4.0426468849182129e-01 - <_> - 9.5633430480957031e+00 - - 1 2 389 1.7250000000000000e+02 0 -1 390 - 1.4350000000000000e+02 -2 -3 391 2168. - - 3.0685371160507202e-01 -6.7446005344390869e-01 - -5.6666123867034912e-01 5.7540327310562134e-01 - <_> - 9.4047651290893555e+00 - - 1 2 392 5.0000000000000000e-01 0 -1 393 36. -2 -3 394 - 6.5000000000000000e+00 - - -8.9199495315551758e-01 6.9151669740676880e-01 - 3.1148543953895569e-01 -3.2515323162078857e-01 - <_> - 9.8578929901123047e+00 - - 1 2 395 1.6500000000000000e+01 0 -1 396 - 8.5000000000000000e+00 -2 -3 397 6655. - - -6.3973349332809448e-01 -2.6324391365051270e-02 - 4.5312842726707458e-01 -7.6435673236846924e-01 - <_> - 1.0109946250915527e+01 - - 1 2 398 8.1850000000000000e+02 0 -1 399 5. -2 -3 400 - 1.5000000000000000e+00 - - 1. -9.7892904281616211e-01 2.5205332040786743e-01 - -2.3775234818458557e-01 - <_> - 1.0110588073730469e+01 - - 1 2 401 8.9500000000000000e+01 0 -1 402 - 1.9500000000000000e+01 -2 -3 403 3.3150000000000000e+02 - - 6.0288328677415848e-02 -5.5889946222305298e-01 - -6.6790217161178589e-01 4.9099177122116089e-01 - <_> - 1.0178493499755859e+01 - - 1 2 404 8.3500000000000000e+01 0 -1 405 - 5.0000000000000000e-01 -2 -3 406 4.5500000000000000e+01 - - 6.6644616425037384e-02 -4.7016331553459167e-01 - 6.9829040765762329e-01 -7.4734330177307129e-01 - <_> - 1.0367170333862305e+01 - - 1 2 407 3.1968500000000000e+04 0 -1 408 - 1.4500000000000000e+01 -2 -3 409 1.9650000000000000e+02 - - -8.8887441158294678e-01 1.8867671489715576e-01 - -6.9990497827529907e-01 7.3294508457183838e-01 - <_> - 1.0330060958862305e+01 - - 1 2 410 3.0500000000000000e+01 0 -1 411 - 4.5000000000000000e+00 -2 -3 412 2.2500000000000000e+01 - - 4.1319993138313293e-01 -1.7337587475776672e-01 - -6.1255306005477905e-01 5.2832174301147461e-01 - <_> - 1.0422311782836914e+01 - - 1 2 413 1.5750000000000000e+02 0 -1 414 2858. -2 -3 415 267. - - 9.2250838875770569e-02 -6.7853665351867676e-01 - -5.2487850189208984e-01 3.7964582443237305e-01 - <_> - 1.0936569213867188e+01 - - 1 2 416 5.5000000000000000e+00 0 -1 417 - 1.5000000000000000e+00 -2 -3 418 4.1500000000000000e+01 - - -7.1109032630920410e-01 5.2976405620574951e-01 - -7.1571081876754761e-01 -3.8149278610944748e-02 - <_> - 1.0785615921020508e+01 - - 1 2 419 5.5000000000000000e+00 0 -1 420 - 2.5000000000000000e+00 -2 -3 421 5.1050000000000000e+02 - - -7.9414331912994385e-01 5.1595968008041382e-01 - -5.1001089811325073e-01 2.4380905926227570e-01 - <_> - 1.1078557014465332e+01 - - 1 2 422 6.2045000000000000e+03 0 -1 423 - 2.1500000000000000e+01 -2 -3 424 7.3450000000000000e+02 - - -5.1469475030899048e-01 2.9294142127037048e-01 - 8.0896812677383423e-01 -6.5453553199768066e-01 - <_> - 1.1050524711608887e+01 - - 1 2 425 1.2500000000000000e+01 0 -1 426 - 3.1250000000000000e+02 -2 -3 427 2.7950000000000000e+02 - - 7.0064479112625122e-01 -3.8257476687431335e-01 - 1.9552476704120636e-01 -4.3830174207687378e-01 - <_> - 1.1334832191467285e+01 - - 1 2 428 1.8675000000000000e+03 0 -1 429 - 6.5000000000000000e+00 -2 -3 430 1.1475000000000000e+03 - - 3.7387716770172119e-01 -7.6267945766448975e-01 - -5.4317325353622437e-01 2.8430745005607605e-01 - <_> - 1.1113101959228516e+01 - - 1 2 431 1.4850000000000000e+02 0 -1 432 - 8.3500000000000000e+01 -2 -3 433 3.7500000000000000e+01 - - -3.8298897445201874e-02 -6.6938400268554688e-01 - 4.6958562731742859e-01 -2.8687629103660583e-01 - <_> - 1.0955561637878418e+01 - - 1 2 434 4.3500000000000000e+01 0 -1 435 - 5.5000000000000000e+00 -2 -3 436 1.9500000000000000e+01 - - 1.3246925175189972e-01 -5.9307396411895752e-01 - 4.5207285881042480e-01 -1.5754084289073944e-01 - <_> - 1.1154244422912598e+01 - - 1 2 437 3.5500000000000000e+01 0 -1 438 149. -2 -3 439 - 1.0764500000000000e+04 - - 1.6496022045612335e-01 -8.5004007816314697e-01 - 1.9868306815624237e-01 -7.6483601331710815e-01 - <_> - 1.1040904045104980e+01 - - 1 2 440 1.7500000000000000e+01 0 -1 441 - 2.7650000000000000e+02 -2 -3 442 6.0650000000000000e+02 - - 3.8257870078086853e-01 -8.7649303674697876e-01 - 5.6843882799148560e-01 -1.1334086209535599e-01 - <_> - 1.0785296440124512e+01 - - 1 2 443 2.0850000000000000e+02 0 -1 444 - 5.0000000000000000e-01 -2 -3 445 153. - - 2.4452392756938934e-01 -4.5549276471138000e-01 - 5.3557026386260986e-01 -2.5560736656188965e-01 - <_> - 1.1557132720947266e+01 - - 1 2 446 3.1695000000000000e+03 0 -1 447 17097. -2 -3 448 - 1.6791500000000000e+04 - - -8.1668007373809814e-01 8.2250398397445679e-01 - -3.6227312684059143e-01 1.6900251805782318e-01 - <_> - 1.1418401718139648e+01 - - 1 2 449 1.7705000000000000e+03 0 -1 450 - 4.6565000000000000e+03 -2 -3 451 4.5550000000000000e+02 - - -1.8939907848834991e-01 5.5706465244293213e-01 - 2.2822033613920212e-02 -6.7216074466705322e-01 - <_> - 1.1332237243652344e+01 - - 1 2 452 1.9500000000000000e+01 0 -1 453 - 5.0000000000000000e-01 -2 -3 454 168. - - 9.8821230232715607e-02 -9.9127775430679321e-01 - 2.8800103068351746e-01 -3.2348513603210449e-01 - <_> - 1.1800554275512695e+01 - - 1 2 455 9.6500000000000000e+01 0 -1 456 - 3.5000000000000000e+00 -2 -3 457 1.2085000000000000e+03 - - 1.2269663810729980e-01 -4.6963310241699219e-01 - 4.6831732988357544e-01 -7.5347024202346802e-01 - <_> - 1.1746677398681641e+01 - - 1 2 458 2.6500000000000000e+01 0 -1 459 - 1.2500000000000000e+01 -2 -3 460 6.2500000000000000e+01 - - 2.9853442311286926e-01 -6.0757899284362793e-01 - 4.3772074580192566e-01 -1.3283115625381470e-01 - <_> - 1.1710562705993652e+01 - - 1 2 461 3.4500000000000000e+01 0 -1 462 - 5.0000000000000000e-01 -2 -3 463 2.0950000000000000e+02 - - 3.1521999835968018e-01 -5.5736678838729858e-01 - 6.7748945951461792e-01 -3.6115031689405441e-02 - <_> - 1.1582207679748535e+01 - - 1 2 464 1.5000000000000000e+00 0 -1 465 - 1.4750000000000000e+02 -2 -3 466 5.0000000000000000e-01 - - -9.5662528276443481e-01 8.8448798656463623e-01 - 5.0583779811859131e-01 -1.2840148806571960e-01 - <_> - 1.1577805519104004e+01 - - 1 2 467 2.6250000000000000e+02 0 -1 468 - 8.5000000000000000e+00 -2 -3 469 2.7050000000000000e+02 - - 5.8746252208948135e-02 -5.1417016983032227e-01 - -4.4025536626577377e-03 7.2468632459640503e-01 - <_> - 1.1909842491149902e+01 - - 1 2 470 3.0500000000000000e+01 0 -1 471 - 9.1500000000000000e+01 -2 -3 472 3.2500000000000000e+01 - - 2.6228722929954529e-01 -8.3183318376541138e-01 - 3.3203727006912231e-01 -2.0215129852294922e-01 - <_> - 1.1820110321044922e+01 - - 1 2 473 3.6150000000000000e+02 0 -1 474 - 7.5500000000000000e+01 -2 -3 475 1.6500000000000000e+01 - - 3.4021586179733276e-02 -7.3799329996109009e-01 - 5.9181433916091919e-01 -8.9732393622398376e-02 - <_> - 1.2058867454528809e+01 - - 1 2 476 2.1850000000000000e+02 0 -1 477 - 1.3970500000000000e+04 -2 -3 478 3.5405000000000000e+03 - - 2.3875749111175537e-01 -3.4735745191574097e-01 - 8.4880095720291138e-01 -3.6369037628173828e-01 - <_> - 1.2003521919250488e+01 - - 1 2 479 1.2045000000000000e+03 0 -1 480 - 5.0000000000000000e-01 -2 -3 481 6.6500000000000000e+01 - - 1.9498512148857117e-01 -4.0264678001403809e-01 - 6.4470326900482178e-01 -4.2276349663734436e-01 - <_> - 1.2398437500000000e+01 - - 1 2 482 1.7500000000000000e+01 0 -1 483 13266. -2 -3 484 - 2.3500000000000000e+01 - - 1.0403804481029510e-01 -7.6852244138717651e-01 - 3.9491611719131470e-01 -1.4494727551937103e-01 - <_> - 1.2834873199462891e+01 - - 1 2 485 8.5000000000000000e+00 0 -1 486 - 1.9500000000000000e+01 -2 -3 487 2.5000000000000000e+00 - - 2.4885479360818863e-02 -6.1086690425872803e-01 - -3.8872721791267395e-01 4.3643516302108765e-01 - <_> - 1.2477423667907715e+01 - - 1 2 488 6.6500000000000000e+01 0 -1 489 - 2.9500000000000000e+01 -2 -3 490 4.4500000000000000e+01 - - -8.9354419708251953e-01 3.1559488177299500e-01 - -5.1763534545898438e-01 2.7538600564002991e-01 - <_> - 1.3054378509521484e+01 - - 1 2 491 8.2350000000000000e+02 0 -1 492 - 9.1500000000000000e+01 -2 -3 493 3.0550000000000000e+02 - - -5.0999827682971954e-02 5.7695519924163818e-01 - -8.2453000545501709e-01 2.1885833144187927e-01 - <_> - 1.3001498222351074e+01 - - 1 2 494 3.5000000000000000e+00 0 -1 495 - 4.5000000000000000e+00 -2 -3 496 1.2545000000000000e+03 - - -3.3553498983383179e-01 4.7332924604415894e-01 - -4.0103676915168762e-01 2.5861555337905884e-01 - <_> - 1.2748070716857910e+01 - - 1 2 497 7.2500000000000000e+01 0 -1 498 - 1.2078500000000000e+04 -2 -3 499 6.1500000000000000e+01 - - -5.6012886762619019e-01 5.0949209928512573e-01 - -3.8095393776893616e-01 3.5849356651306152e-01 - <_> - 1.3219707489013672e+01 - - 1 2 500 5.0000000000000000e-01 0 -1 501 - 4.5000000000000000e+00 -2 -3 502 2.5000000000000000e+00 - - -8.3156263828277588e-01 4.7163730859756470e-01 - 1.4885266125202179e-01 -4.8097932338714600e-01 - <_> - 1.3100829124450684e+01 - - 1 2 503 1.5500000000000000e+01 0 -1 504 - 6.5000000000000000e+00 -2 -3 505 1.6745000000000000e+03 - - 4.8601552844047546e-02 -8.4098070859909058e-01 - 4.4885209202766418e-01 -1.1887902766466141e-01 - <_> - 1.3153789520263672e+01 - - 1 2 506 1.9750000000000000e+02 0 -1 507 - 5.0000000000000000e-01 -2 -3 508 1.3850000000000000e+02 - - 3.5855168104171753e-01 -1.6984774172306061e-01 - -8.2890641689300537e-01 8.5591834783554077e-01 - <_> - 1.3473151206970215e+01 - - 1 2 509 2.0500000000000000e+01 0 -1 510 - 2.3500000000000000e+01 -2 -3 511 8.1050000000000000e+02 - - 3.1073799729347229e-01 -9.3193674087524414e-01 - -1.7174348235130310e-01 4.0613415837287903e-01 - <_> - 1.3465453147888184e+01 - - 1 2 512 2.1265000000000000e+03 0 -1 513 - 9.2950000000000000e+02 -2 -3 514 3.5000000000000000e+00 - - -7.6984455808997154e-03 7.1764069795608521e-01 - 2.0267011225223541e-01 -6.4554244279861450e-01 - <_> - 1.3577540397644043e+01 - - 1 2 515 2.7500000000000000e+01 0 -1 516 36. -2 -3 517 - 4.1350000000000000e+02 - - 1.5204006433486938e-01 -8.1754583120346069e-01 - -9.6264392137527466e-02 4.6634069085121155e-01 - <_> - 1.3565153121948242e+01 - - 1 2 518 8.2500000000000000e+01 0 -1 519 - 8.4500000000000000e+01 -2 -3 520 9545. - - 3.0989632010459900e-01 -6.6030853986740112e-01 - -6.4033728837966919e-01 -2.4311884772032499e-03 - <_> - 1.3631966590881348e+01 - - 1 2 521 2.3500000000000000e+01 0 -1 522 - 5.2500000000000000e+01 -2 -3 523 3.1500000000000000e+01 - - -3.1883838772773743e-01 2.8375336527824402e-01 - 6.9719344377517700e-01 -6.3891428709030151e-01 - <_> - 1.3900455474853516e+01 - - 1 2 524 5.1500000000000000e+01 0 -1 525 - 4.5000000000000000e+00 -2 -3 526 22871. - - -6.8288409709930420e-01 3.8537871837615967e-01 - 2.3610968887805939e-01 -4.6725943684577942e-01 - <_> - 1.3885604858398438e+01 - - 1 2 527 6.3917500000000000e+04 0 -1 528 - 6.5000000000000000e+00 -2 -3 529 9.7500000000000000e+01 - - 1.8357095122337341e-01 -8.4825068712234497e-01 - 4.4022575020790100e-01 -1.7257900536060333e-01 - <_> - 1.4077846527099609e+01 - - 1 2 530 1.9305000000000000e+03 0 -1 531 - 4.5000000000000000e+00 -2 -3 532 5275. - - 3.3539947867393494e-01 -2.5358977913856506e-01 - 8.1407654285430908e-01 -8.9784932136535645e-01 - <_> - 1.4307449340820312e+01 - - 1 2 533 4.2500000000000000e+01 0 -1 534 - 3.2250000000000000e+02 -2 -3 535 1.5000000000000000e+00 - - 8.7229333817958832e-02 -9.4649451971054077e-01 - -5.4333996772766113e-01 2.2960273921489716e-01 - <_> - 1.4230868339538574e+01 - - 1 2 536 4.7500000000000000e+01 0 -1 537 - 5.0000000000000000e-01 -2 -3 538 7.5500000000000000e+01 - - 5.4770493507385254e-01 -7.6581157743930817e-02 - -8.0993747711181641e-01 1. - <_> - 1.4503654479980469e+01 - - 1 2 539 2.1500000000000000e+01 0 -1 540 - 6.7525000000000000e+03 -2 -3 541 3.1500000000000000e+01 - - -1.3048166036605835e-01 -8.7906163930892944e-01 - 2.7278691530227661e-01 -4.8766756057739258e-01 - <_> - 1.4462507247924805e+01 - - 1 2 542 5.0950000000000000e+02 0 -1 543 - 4.8500000000000000e+01 -2 -3 544 2334. - - -4.5064944028854370e-01 1.7299294471740723e-01 - 7.4772566556930542e-01 -4.1147492825984955e-02 - <_> - 1.4535001754760742e+01 - - 1 2 545 3.5000000000000000e+00 0 -1 546 - 4.5000000000000000e+00 -2 -3 547 3.1500000000000000e+01 - - -9.2824006080627441e-01 5.8265477418899536e-01 - -3.6995452642440796e-01 2.3856091499328613e-01 - <_> - 1.4815734863281250e+01 - - 1 2 548 2.0500000000000000e+01 0 -1 549 - 4.5000000000000000e+00 -2 -3 550 5.2500000000000000e+01 - - -8.9162200689315796e-01 2.8073275089263916e-01 - 9.8183512687683105e-02 -7.3680752515792847e-01 - <_> - 1.4583820343017578e+01 - - 1 2 551 1.0500000000000000e+01 0 -1 552 10. -2 -3 553 - 9.0500000000000000e+01 - - -8.9265322685241699e-01 2.6653656363487244e-01 - -4.8498126864433289e-01 4.9194815754890442e-01 - <_> - 1.4590086936950684e+01 - - 1 2 554 1.4075000000000000e+03 0 -1 555 - 8.5000000000000000e+00 -2 -3 556 2.2350000000000000e+02 - - 7.2318482398986816e-01 -6.5714889764785767e-01 - 1.9554860889911652e-02 7.8212785720825195e-01 - <_> - 1.4370420455932617e+01 - - 1 2 557 1.3055000000000000e+03 0 -1 558 - 6.3615000000000000e+03 -2 -3 559 5.5050000000000000e+02 - - 6.6717378795146942e-02 7.7986842393875122e-01 - 4.8897069692611694e-01 -4.9088051915168762e-01 - <_> - 1.4557469367980957e+01 - - 1 2 560 2.0500000000000000e+01 0 -1 561 - 1.9500000000000000e+01 -2 -3 562 7.5000000000000000e+00 - - -6.0846841335296631e-01 7.7918326854705811e-01 - 4.8263064026832581e-01 -1.0205705463886261e-01 - <_> - 1.4732933044433594e+01 - - 1 2 563 9.5000000000000000e+00 0 -1 564 - 5.0000000000000000e-01 -2 -3 565 4.5000000000000000e+00 - - -8.2908272743225098e-01 4.2271518707275391e-01 - 3.5304966568946838e-01 -3.6941051483154297e-01 - <_> - 1.4693087577819824e+01 - - 1 2 566 1.7250000000000000e+02 0 -1 567 59. -2 -3 568 - 1.1475000000000000e+03 - - 1.8885573744773865e-01 -5.3026914596557617e-01 - 3.7803548574447632e-01 -4.6766680479049683e-01 - <_> - 1.4745432853698730e+01 - - 1 2 569 1.3495000000000000e+03 0 -1 570 - 1.8257500000000000e+04 -2 -3 571 2.3425000000000000e+03 - - 6.3086611032485962e-01 -8.6466968059539795e-01 - -5.3896957635879517e-01 5.2345264703035355e-02 - <_> - 1.4932119369506836e+01 - - 1 2 572 2.2500000000000000e+01 0 -1 573 - 1.5000000000000000e+00 -2 -3 574 201. - - 3.3922508358955383e-01 -2.9905751347541809e-01 - 6.2781113386154175e-01 -6.2289994955062866e-01 - <_> - 1.4913761138916016e+01 - - 1 2 575 5.5000000000000000e+00 0 -1 576 - 2.3500000000000000e+01 -2 -3 577 3.1500000000000000e+01 - - -1.2805154547095299e-02 -8.7636989355087280e-01 - 5.5972194671630859e-01 -1.8357984721660614e-02 - <_> - 1.5149147987365723e+01 - - 1 2 578 9.5500000000000000e+01 0 -1 579 - 1.7500000000000000e+01 -2 -3 580 2.3500000000000000e+01 - - 3.1609076261520386e-01 -7.7603405714035034e-01 - -5.4710090160369873e-01 2.3538668453693390e-01 - <_> - 1.5329943656921387e+01 - - 1 2 581 6.5000000000000000e+00 0 -1 582 - 1.2500000000000000e+01 -2 -3 583 1.1050000000000000e+02 - - -6.9671869277954102e-01 4.9136134982109070e-01 - -4.6433421969413757e-01 2.6395168900489807e-01 - <_> - 1.5564647674560547e+01 - - 1 2 584 5.6215000000000000e+03 0 -1 585 - 1.2250000000000000e+02 -2 -3 586 2.3500000000000000e+01 - - 2.3470385372638702e-01 -3.8976871967315674e-01 - -7.1197110414505005e-01 8.2057034969329834e-01 - <_> - 1.5355414390563965e+01 - - 1 2 587 38. 0 -1 588 5.0000000000000000e-01 -2 -3 589 538. - - 1.3751998543739319e-01 -5.2037465572357178e-01 - -5.0987344980239868e-01 4.1290232539176941e-01 - <_> - 1.5045125007629395e+01 - - 1 2 590 1.5645000000000000e+03 0 -1 591 - 5.4325000000000000e+03 -2 -3 592 1.2175000000000000e+03 - - -5.2137178182601929e-01 8.4993147850036621e-01 - -3.6553221940994263e-01 1.5015892684459686e-01 - <_> - 1.5401144027709961e+01 - - 1 2 593 4.9850000000000000e+02 0 -1 594 - 7.4750000000000000e+02 -2 -3 595 1.1765000000000000e+03 - - -6.4674472808837891e-01 3.5601863265037537e-01 - 4.2863798141479492e-01 -5.4054826498031616e-01 - <_> - 1.5869146347045898e+01 - - 1 2 596 1.7500000000000000e+01 0 -1 597 - 1.4500000000000000e+01 -2 -3 598 1.5500000000000000e+01 - - -6.3737052679061890e-01 4.6800240874290466e-01 - 2.9216369986534119e-01 -4.2118266224861145e-01 - <_> - 1.5621976852416992e+01 - - 1 2 599 1.2028050000000000e+05 0 -1 600 - 5.0000000000000000e-01 -2 -3 601 1.6150000000000000e+02 - - 5.1389163732528687e-01 -9.5765459537506104e-01 - -2.4716944992542267e-01 3.0435198545455933e-01 - <_> - 1.5864768028259277e+01 - - 1 2 602 805. 0 -1 603 9.9500000000000000e+01 -2 -3 604 142. - - 2.4279133975505829e-01 -5.3714054822921753e-01 - -7.2764933109283447e-01 9.6386188268661499e-01 - <_> - 1.6094741821289062e+01 - - 1 2 605 1.3500000000000000e+01 0 -1 606 - 3.8500000000000000e+01 -2 -3 607 6.3500000000000000e+01 - - -6.6710120439529419e-01 6.3659375905990601e-01 - 5.6683868169784546e-01 -7.7470704913139343e-02 - <_> - 1.6352821350097656e+01 - - 1 2 608 2.4500000000000000e+01 0 -1 609 321. -2 -3 610 - 2.1500000000000000e+01 - - 3.7493336200714111e-01 -4.8655620217323303e-01 - -3.4665739536285400e-01 4.6393311023712158e-01 - <_> - 1.6565885543823242e+01 - - 1 2 611 99. 0 -1 612 2.7500000000000000e+01 -2 -3 613 18. - - -4.0105590224266052e-01 2.1306316554546356e-01 - 9.1738814115524292e-01 -9.6910119056701660e-01 - <_> - 1.6171833038330078e+01 - - 1 2 614 6.2500000000000000e+01 0 -1 615 850. -2 -3 616 - 6.4350000000000000e+02 - - 3.9383631944656372e-01 -3.4801158308982849e-01 - -5.9990471601486206e-01 2.6293095946311951e-01 - <_> - 1.6745443344116211e+01 - - 1 2 617 1.2715000000000000e+03 0 -1 618 - 4.5000000000000000e+00 -2 -3 619 1.0584500000000000e+04 - - 3.5729202628135681e-01 -3.7123405933380127e-01 - 5.7361000776290894e-01 -7.0969957113265991e-01 - <_> - 1.6956495285034180e+01 - - 1 2 620 3.6500000000000000e+01 0 -1 621 - 1.5000000000000000e+00 -2 -3 622 3.2500000000000000e+01 - - 4.9200624227523804e-01 -8.8115519285202026e-01 - -6.2640070915222168e-01 2.1105219423770905e-01 - <_> - 1.6578645706176758e+01 - - 1 2 623 5.5850000000000000e+02 0 -1 624 - 1.2405000000000000e+03 -2 -3 625 6.2065000000000000e+03 - - -3.0536270141601562e-01 5.6700426340103149e-01 - 5.8548355102539062e-01 -3.8756856322288513e-01 - <_> - 1.6797395706176758e+01 - - 1 2 626 6.3500000000000000e+01 0 -1 627 - 2.6050000000000000e+02 -2 -3 628 3.4035000000000000e+03 - - 2.1875059604644775e-01 -8.0542641878128052e-01 - 7.2240287065505981e-01 -7.4785083532333374e-01 - <_> - 1.7109027862548828e+01 - - 1 2 629 3.8500000000000000e+01 0 -1 630 - 8.5000000000000000e+00 -2 -3 631 6.5000000000000000e+00 - - 6.9990634918212891e-01 -6.7117756605148315e-01 - 5.0323921442031860e-01 -9.7235314548015594e-02 - <_> - 1.7138694763183594e+01 - - 1 2 632 2.2500000000000000e+01 0 -1 633 - 3.5000000000000000e+00 -2 -3 634 2.5850000000000000e+02 - - 2.9667703434824944e-02 -6.7911773920059204e-01 - -3.2311308383941650e-01 3.8892340660095215e-01 - <_> - 1.7337394714355469e+01 - - 1 2 635 1.5450000000000000e+02 0 -1 636 - 2.5000000000000000e+00 -2 -3 637 3.1450000000000000e+02 - - -7.9533338546752930e-01 1.9869966804981232e-01 - -6.8889272212982178e-01 6.1526125669479370e-01 - <_> - 1.7321151733398438e+01 - - 1 2 638 1.0500000000000000e+01 0 -1 639 36. -2 -3 640 - 2.1500000000000000e+01 - - -8.3758604526519775e-01 3.5460218787193298e-01 - 2.2363138198852539e-01 -5.2678769826889038e-01 - <_> - 1.7182849884033203e+01 - - 1 2 641 4.6085000000000000e+03 0 -1 642 - 5.8500000000000000e+01 -2 -3 643 1.9495000000000000e+03 - - -7.5954502820968628e-01 4.3844437599182129e-01 - 5.2219676971435547e-01 -1.3830167055130005e-01 - <_> - 1.6850194931030273e+01 - - 1 2 644 1.5000000000000000e+00 0 -1 645 - 5.3500000000000000e+01 -2 -3 646 5.0000000000000000e-01 - - -3.6336588859558105e-01 3.9829358458518982e-01 - 1.3566142320632935e-01 -5.0935441255569458e-01 - <_> - 1.7548809051513672e+01 - - 1 2 647 5.0000000000000000e-01 0 -1 648 - 4.5000000000000000e+00 -2 -3 649 4.8150000000000000e+02 - - -6.3685965538024902e-01 6.9861376285552979e-01 - -2.4660472571849823e-01 5.1089668273925781e-01 - <_> - 1.7800493240356445e+01 - - 1 2 650 8.4115000000000000e+03 0 -1 651 - 3.5000000000000000e+00 -2 -3 652 1.0500000000000000e+01 - - -4.2067098617553711e-01 2.5168481469154358e-01 - 3.3256745338439941e-01 -8.4237796068191528e-01 - <_> - 1.7848138809204102e+01 - - 1 2 653 1.0500000000000000e+01 0 -1 654 69. -2 -3 655 - 9.5500000000000000e+01 - - -6.9294911623001099e-01 4.2984691262245178e-01 - -6.0193759202957153e-01 4.7644726932048798e-02 - <_> - 1.7507314682006836e+01 - - 1 2 656 8.5000000000000000e+00 0 -1 657 - 8.5000000000000000e+00 -2 -3 658 6.4500000000000000e+01 - - -1. 5.8663016557693481e-01 -3.4082308411598206e-01 - 3.3277565240859985e-01 - <_> - 1.7846509933471680e+01 - - 1 2 659 6.9500000000000000e+01 0 -1 660 - 1.5500000000000000e+01 -2 -3 661 1.5000000000000000e+00 - - 3.3919540047645569e-01 -2.3123474419116974e-01 - -6.8450891971588135e-01 1.9382451474666595e-01 - <_> - 1.7992757797241211e+01 - - 1 2 662 1.2135000000000000e+03 0 -1 663 - 5.5000000000000000e+00 -2 -3 664 9912. - - 1.4624653756618500e-01 -5.0702661275863647e-01 - 5.2294051647186279e-01 -3.3612698316574097e-01 - <_> - 1.8306097030639648e+01 - - 1 2 665 1.1150000000000000e+02 0 -1 666 - 2.9500000000000000e+01 -2 -3 667 131. - - 2.2407530248165131e-01 -4.9484744668006897e-01 - 4.4897791743278503e-01 -5.9033888578414917e-01 - <_> - 1.8481115341186523e+01 - - 1 2 668 5.4500000000000000e+01 0 -1 669 - 4.5000000000000000e+00 -2 -3 670 1.0450000000000000e+02 - - 9.0135312080383301e-01 -8.8288795948028564e-01 - 1.7501948773860931e-01 -5.7581090927124023e-01 - <_> - 1.8067760467529297e+01 - - 1 2 671 3.3500000000000000e+01 0 -1 672 - 5.0000000000000000e-01 -2 -3 673 9.3500000000000000e+01 - - 3.3020740747451782e-01 -5.1798826456069946e-01 - -4.4331407546997070e-01 3.4977889060974121e-01 - <_> - 1.8271715164184570e+01 - - 1 2 674 1.6950000000000000e+02 0 -1 675 - 5.5000000000000000e+00 -2 -3 676 1.5850000000000000e+02 - - -7.4128860235214233e-01 2.0395421981811523e-01 - -6.4517414569854736e-01 1. - <_> - 1.8107772827148438e+01 - - 1 2 677 3.4335000000000000e+03 0 -1 678 - 6.8955000000000000e+03 -2 -3 679 8.2335000000000000e+03 - - -1.0244774073362350e-01 7.3749846220016479e-01 - -4.6216171979904175e-01 7.2175997495651245e-01 - <_> - 1.8459823608398438e+01 - - 1 2 680 4.5000000000000000e+00 0 -1 681 149. -2 -3 682 - 3.5000000000000000e+00 - - -8.7881535291671753e-01 3.5205116868019104e-01 - 2.8036254644393921e-01 -4.4955471158027649e-01 - <_> - 1.8034639358520508e+01 - - 1 2 683 9.2500000000000000e+01 0 -1 684 - 6.0500000000000000e+01 -2 -3 685 1.0795000000000000e+03 - - 3.0652499198913574e-01 -4.2518511414527893e-01 - 4.2748662829399109e-01 -7.5712633132934570e-01 - <_> - 1.8265748977661133e+01 - - 1 2 686 4137. 0 -1 687 4.5000000000000000e+00 -2 -3 688 - 2.2500000000000000e+01 - - 2.6524448394775391e-01 -8.7384039163589478e-01 - 2.3110976815223694e-01 -4.6121290326118469e-01 - <_> - 1.8894989013671875e+01 - - 1 2 689 8.2650000000000000e+02 0 -1 690 - 3.0650000000000000e+02 -2 -3 691 5.6025000000000000e+03 - - -3.5010933876037598e-01 4.3205916881561279e-01 - 6.2924057245254517e-01 -4.4751787185668945e-01 - <_> - 1.9186059951782227e+01 - - 1 2 692 1.1500000000000000e+01 0 -1 693 10537. -2 -3 694 - 2.8500000000000000e+01 - - 7.5397258996963501e-01 -8.4067875146865845e-01 - 2.9107019305229187e-01 -2.9084861278533936e-01 - <_> - 1.9097457885742188e+01 - - 1 2 695 5.0000000000000000e-01 0 -1 696 - 2.3365000000000000e+03 -2 -3 697 53. - - -2.0022928714752197e-01 5.5956262350082397e-01 - -3.5728842020034790e-01 6.0947358608245850e-01 - <_> - 1.9231519699096680e+01 - - 1 2 698 2.9250000000000000e+02 0 -1 699 7389. -2 -3 700 - 7.1615000000000000e+03 - - 4.6205502748489380e-01 -3.7696495652198792e-01 - -5.6401371955871582e-01 1.2572592496871948e-01 - <_> - 1.9182878494262695e+01 - - 1 2 701 1.5000000000000000e+00 0 -1 702 2558. -2 -3 703 - 2.5000000000000000e+00 - - 5.7061773538589478e-01 -8.8573408126831055e-01 - 5.6795483827590942e-01 -4.8640340566635132e-02 - <_> - 1.9205448150634766e+01 - - 1 2 704 6.7250000000000000e+02 0 -1 705 - 4.5185000000000000e+03 -2 -3 706 1.6950000000000000e+02 - - 2.2569710388779640e-02 -5.9597754478454590e-01 -1. - 9.1055244207382202e-01 - <_> - 1.9722917556762695e+01 - - 1 2 707 5.2150000000000000e+02 0 -1 708 - 2.2500000000000000e+01 -2 -3 709 22. - - -3.8346976041793823e-01 1.7193076014518738e-01 - -7.7268058061599731e-01 5.1746833324432373e-01 - <_> - 1.9223962783813477e+01 - - 1 2 710 1.6450000000000000e+02 0 -1 711 - 6.0500000000000000e+01 -2 -3 712 4.4500000000000000e+01 - - 2.2410076856613159e-01 -6.7257648706436157e-01 - -6.6855657100677490e-01 8.4185588359832764e-01 - <_> - 1.9324115753173828e+01 - - 1 2 713 3.1500000000000000e+01 0 -1 714 885. -2 -3 715 458. - - 3.4352478384971619e-01 -6.2290155887603760e-01 - -1.5769523382186890e-01 4.6984970569610596e-01 - <_> - 1.9645074844360352e+01 - - 1 2 716 1.5000000000000000e+00 0 -1 717 - 2.7500000000000000e+01 -2 -3 718 5.0000000000000000e-01 - - -1.5117371082305908e-01 5.1611447334289551e-01 - 3.8312494754791260e-01 -4.8121353983879089e-01 - <_> - 1.9339143753051758e+01 - - 1 2 719 355. 0 -1 720 5.5000000000000000e+00 -2 -3 721 - 4.1500000000000000e+01 - - -3.9813804626464844e-01 2.2346007823944092e-01 1. - -8.0484783649444580e-01 - <_> - 1.9826204299926758e+01 - - 1 2 722 5.0000000000000000e-01 0 -1 723 - 1.4145000000000000e+03 -2 -3 724 2.2500000000000000e+01 - - 4.8705908656120300e-01 -4.7939151525497437e-01 - -4.1103795170783997e-01 3.4255331754684448e-01 - <_> - 2.0040077209472656e+01 - - 1 2 725 1.5585000000000000e+03 0 -1 726 - 7.5450000000000000e+02 -2 -3 727 7.0250000000000000e+02 - - -6.1711019277572632e-01 2.1387414634227753e-01 - 8.2314563915133476e-03 -8.8682103157043457e-01 - <_> - 1.9832237243652344e+01 - - 1 2 728 3.7250000000000000e+02 0 -1 729 - 1.2500000000000000e+01 -2 -3 730 5.0000000000000000e-01 - - 6.4650267362594604e-01 -6.3438403606414795e-01 - 8.2046084105968475e-02 -4.0398535132408142e-01 - <_> - 2.0015359878540039e+01 - - 1 2 731 616. 0 -1 732 5.3950000000000000e+02 -2 -3 733 - 1.6500000000000000e+01 - - 8.7944704294204712e-01 -8.7063318490982056e-01 - -7.1043938398361206e-01 1.8312272429466248e-01 - <_> - 1.9969459533691406e+01 - - 1 2 734 5.5500000000000000e+01 0 -1 735 - 1.8500000000000000e+01 -2 -3 736 463. - - -4.5961013436317444e-01 5.2103579044342041e-01 - -6.5900236368179321e-01 -4.5900702476501465e-02 - <_> - 1.9850994110107422e+01 - - 1 2 737 1.5000000000000000e+00 0 -1 738 - 3.5500000000000000e+01 -2 -3 739 1.3995000000000000e+03 - - -4.4971930980682373e-01 5.4433470964431763e-01 - 1.3450010120868683e-01 -4.4755488634109497e-01 - <_> - 1.9611703872680664e+01 - - 1 2 740 1.2185000000000000e+03 0 -1 741 - 2.5000000000000000e+00 -2 -3 742 2.0500000000000000e+01 - - -1.1004138737916946e-02 -6.4876526594161987e-01 - 5.7901018857955933e-01 -2.3929107189178467e-01 - <_> - 1.9846769332885742e+01 - - 1 2 743 9.5000000000000000e+00 0 -1 744 26. -2 -3 745 - 7.5000000000000000e+00 - - 2.8899505734443665e-01 -7.0432722568511963e-01 - 2.3506632447242737e-01 -6.7175412178039551e-01 - <_> - 1.9991693496704102e+01 - - 1 2 746 5.5000000000000000e+00 0 -1 747 119. -2 -3 748 - 1.2950000000000000e+02 - - 1. -9.5935773849487305e-01 1.4492283761501312e-01 - -6.2346059083938599e-01 - <_> - 2.0697137832641602e+01 - - 1 2 749 108. 0 -1 750 5.5000000000000000e+00 -2 -3 751 - 6.0050000000000000e+02 - - 2.0598402619361877e-01 -3.1419786810874939e-01 - 7.0544409751892090e-01 -9.1675537824630737e-01 - <_> - 2.0869754791259766e+01 - - 1 2 752 2.1500000000000000e+01 0 -1 753 - 8.5000000000000000e+00 -2 -3 754 5.2500000000000000e+01 - - -9.2930352687835693e-01 1. 1.7261737585067749e-01 - -7.1494102478027344e-01 - <_> - 2.0861036300659180e+01 - - 1 2 755 5.0000000000000000e-01 0 -1 756 - 6.5000000000000000e+00 -2 -3 757 36104. - - -9.8012816905975342e-01 3.0874124169349670e-01 - -4.9350947141647339e-01 1.4333745837211609e-01 - <_> - 2.0605552673339844e+01 - - 1 2 758 5.4500000000000000e+01 0 -1 759 - 5.6350000000000000e+02 -2 -3 760 1.5625000000000000e+03 - - 2.8180310130119324e-01 -3.0899211764335632e-01 - 6.7988240718841553e-01 -8.8957315683364868e-01 - <_> - 2.0792449951171875e+01 - - 1 2 761 7.4500000000000000e+01 0 -1 762 - 2.1350000000000000e+02 -2 -3 763 4.5000000000000000e+00 - - 7.5075513124465942e-01 -8.8623046875000000e-01 - 4.6418187022209167e-01 -9.8970189690589905e-02 - <_> - 2.0991796493530273e+01 - - 1 2 764 3985. 0 -1 765 5.5000000000000000e+00 -2 -3 766 - 5.5000000000000000e+00 - - 3.1011736392974854e-01 -2.7613282203674316e-01 -1. - 8.9613044261932373e-01 - <_> - 2.1320064544677734e+01 - - 1 2 767 2.8500000000000000e+01 0 -1 768 - 2.6250000000000000e+02 -2 -3 769 2.6500000000000000e+01 - - 7.0724177360534668e-01 -4.7540894150733948e-01 - 3.2826820015907288e-01 -6.3711547851562500e-01 - <_> - 2.1143175125122070e+01 - - 1 2 770 1.7500000000000000e+01 0 -1 771 - 5.8500000000000000e+01 -2 -3 772 7704. - - -6.2765136361122131e-02 4.9819609522819519e-01 - 1.8703785538673401e-01 -9.2927688360214233e-01 - <_> - 2.1136123657226562e+01 - - 1 2 773 4.5000000000000000e+00 0 -1 774 - 1.5000000000000000e+00 -2 -3 775 6.3500000000000000e+01 - - -8.5042881965637207e-01 3.7720718979835510e-01 - -6.6263186931610107e-01 -7.0531466044485569e-03 - <_> - 2.0957967758178711e+01 - - 1 2 776 2.3355000000000000e+03 0 -1 777 - 1.6655000000000000e+03 -2 -3 778 7.7950000000000000e+02 - - -5.8912044763565063e-01 7.2663074731826782e-01 - 7.1329838037490845e-01 -9.2555418610572815e-02 - <_> - 2.1328319549560547e+01 - - 1 2 779 4.5000000000000000e+00 0 -1 780 - 1.7500000000000000e+01 -2 -3 781 116. - - 5.8393400907516479e-01 -5.6582391262054443e-01 - -7.0427477359771729e-01 -3.2516807317733765e-02 - <_> - 2.1190340042114258e+01 - - 1 2 782 5.0000000000000000e-01 0 -1 783 - 5.5000000000000000e+00 -2 -3 784 2.2500000000000000e+01 - - -7.9387390613555908e-01 4.3818581104278564e-01 - -4.3716219067573547e-01 2.7609312534332275e-01 - <_> - 2.1414947509765625e+01 - - 1 2 785 1.7500000000000000e+01 0 -1 786 - 2.0500000000000000e+01 -2 -3 787 3.4500000000000000e+01 - - -3.2550397515296936e-01 2.9646944999694824e-01 - 3.9801727980375290e-02 -8.1744748353958130e-01 - <_> - 2.1027912139892578e+01 - - 1 2 788 3.5000000000000000e+00 0 -1 789 - 1.0500000000000000e+01 -2 -3 790 3.0015000000000000e+03 - - -5.8203905820846558e-01 3.9097124338150024e-01 - 4.4877341389656067e-01 -4.5889684557914734e-01 - <_> - 2.1614578247070312e+01 - - 1 2 791 1.2545000000000000e+03 0 -1 792 - 5.0000000000000000e-01 -2 -3 793 21. - - 3.3954218029975891e-01 -3.9357089996337891e-01 - -7.9993861913681030e-01 5.8666568994522095e-01 - <_> - 2.2001014709472656e+01 - - 1 2 794 1.5495000000000000e+03 0 -1 795 751. -2 -3 796 - 1.4500000000000000e+01 - - -6.1558878421783447e-01 4.7567668557167053e-01 - 3.8643726706504822e-01 -4.9177539348602295e-01 - <_> - 2.2125329971313477e+01 - - 1 2 797 3.5500000000000000e+01 0 -1 798 - 1.0450000000000000e+02 -2 -3 799 1.2500000000000000e+01 - - 1.7887133359909058e-01 -8.5177820920944214e-01 - 4.1519433259963989e-01 -1.6076141595840454e-01 - <_> - 2.2388074874877930e+01 - - 1 2 800 550. 0 -1 801 3445. -2 -3 802 2.1850000000000000e+02 - - 1. -8.8448894023895264e-01 -2.4786205589771271e-01 - 2.6274520158767700e-01 - <_> - 2.2539171218872070e+01 - - 1 2 803 116554. 0 -1 804 1.7350000000000000e+02 -2 -3 805 - 8.9500000000000000e+01 - - 2.4936345219612122e-01 -6.2610012292861938e-01 - -6.6242986917495728e-01 4.0655055642127991e-01 - <_> - 2.2177883148193359e+01 - - 1 2 806 4.5000000000000000e+00 0 -1 807 - 5.0000000000000000e-01 -2 -3 808 3.5065000000000000e+03 - - -7.4715948104858398e-01 3.9860600233078003e-01 - -5.3111910820007324e-01 1.2362924218177795e-01 - <_> - 2.2504861831665039e+01 - - 1 2 809 1.4865000000000000e+03 0 -1 810 - 5.0000000000000000e-01 -2 -3 811 29. - - 1.3726322352886200e-01 -6.5520441532135010e-01 - -7.5685930252075195e-01 3.2698005437850952e-01 - <_> - 2.2686376571655273e+01 - - 1 2 812 5.2500000000000000e+01 0 -1 813 - 2.6500000000000000e+01 -2 -3 814 3.0500000000000000e+01 - - -1.5744365751743317e-01 5.0805997848510742e-01 - -7.4109727144241333e-01 3.1853440403938293e-01 - <_> - 2.2791370391845703e+01 - - 1 2 815 2.3450000000000000e+02 0 -1 816 - 2.5000000000000000e+00 -2 -3 817 147638. - - -8.8153153657913208e-02 5.4080992937088013e-01 - 4.0426537394523621e-01 -6.1521077156066895e-01 - <_> - 2.2746583938598633e+01 - - 1 2 818 2.2500000000000000e+01 0 -1 819 - 3.7650000000000000e+02 -2 -3 820 3.5000000000000000e+00 - - 8.3446598052978516e-01 -8.2142156362533569e-01 - 6.4422589540481567e-01 -4.4787917286157608e-02 - <_> - 2.2948705673217773e+01 - - 1 2 821 1.0500000000000000e+01 0 -1 822 201. -2 -3 823 - 6.7500000000000000e+01 - - -2.8939151763916016e-01 3.3829051256179810e-01 - -5.8153116703033447e-01 3.8105338811874390e-01 - <_> - 2.2919631958007812e+01 - - 1 2 824 4.5000000000000000e+00 0 -1 825 - 5.2075000000000000e+03 -2 -3 826 3.8500000000000000e+01 - - 6.2978500127792358e-01 -1.7962990701198578e-01 - -6.0869598388671875e-01 -2.9075229540467262e-02 - <_> - 2.3112272262573242e+01 - - 1 2 827 456. 0 -1 828 2.1500000000000000e+01 -2 -3 829 271. - - -6.7311352491378784e-01 1.9264096021652222e-01 - -7.6656156778335571e-01 7.5126051902770996e-01 - <_> - 2.3314619064331055e+01 - - 1 2 830 9.5000000000000000e+00 0 -1 831 62. -2 -3 832 - 1.0250000000000000e+02 - - 5.3542816638946533e-01 -7.8225767612457275e-01 - -4.1664305329322815e-01 2.2309158742427826e-01 - <_> - 2.3092792510986328e+01 - - 1 2 833 1.6245000000000000e+03 0 -1 834 - 2.1405000000000000e+03 -2 -3 835 2.3500000000000000e+01 - - 7.6887971162796021e-01 -7.8312724828720093e-01 - 3.3704435825347900e-01 -2.2182606160640717e-01 - <_> - 2.3098850250244141e+01 - - 1 2 836 5.7500000000000000e+01 0 -1 837 30. -2 -3 838 - 1.1750000000000000e+02 - - -3.9047434926033020e-01 7.0053535699844360e-01 - 6.3777458667755127e-01 -1.5085510909557343e-01 - <_> - 2.3334737777709961e+01 - - 1 2 839 1.9350000000000000e+02 0 -1 840 20715. -2 -3 841 - 3.5000000000000000e+00 - - -1.6165058314800262e-01 5.8560174703598022e-01 - 6.2762081623077393e-02 -5.0060212612152100e-01 - <_> - 2.3548194885253906e+01 - - 1 2 842 1.5500000000000000e+01 0 -1 843 - 4.5000000000000000e+00 -2 -3 844 318. - - 6.7111068964004517e-01 -8.1105804443359375e-01 - 2.1345792710781097e-01 -6.4082610607147217e-01 - <_> - 2.3465780258178711e+01 - - 1 2 845 1.5000000000000000e+00 0 -1 846 - 9.6250000000000000e+02 -2 -3 847 1.0500000000000000e+01 - - 3.3311456441879272e-01 -7.9367685317993164e-01 - 5.8400928974151611e-01 -8.2414992153644562e-02 - <_> - 2.3698833465576172e+01 - - 1 2 848 2.5750000000000000e+02 0 -1 849 - 2.0622500000000000e+04 -2 -3 850 133. - - -2.1840496361255646e-01 6.1215102672576904e-01 - 7.2797334194183350e-01 -7.8106528520584106e-01 - <_> - 2.4240703582763672e+01 - - 1 2 851 62616. 0 -1 852 5.1750000000000000e+02 -2 -3 853 - 2.0985000000000000e+03 - - -7.3088161647319794e-02 5.4187005758285522e-01 - -9.7861820459365845e-01 8.4708303213119507e-01 - <_> - 2.4200925827026367e+01 - - 1 2 854 13008. 0 -1 855 1571. -2 -3 856 45. - - 6.6456145048141479e-01 -3.9776403456926346e-02 - -8.6307746171951294e-01 1. - <_> - 2.4082960128784180e+01 - - 1 2 857 3.5000000000000000e+00 0 -1 858 - 9.5000000000000000e+00 -2 -3 859 3.5000000000000000e+00 - - -1. 1. 2.9574161767959595e-01 -2.3182141780853271e-01 - <_> - 2.4084737777709961e+01 - - 1 2 860 3.7500000000000000e+01 0 -1 861 245. -2 -3 862 - 7.5000000000000000e+00 - - 4.1369399428367615e-01 -4.1193068027496338e-01 - 5.4411876201629639e-01 -1.9174022972583771e-01 - <_> - 2.3971153259277344e+01 - - 1 2 863 7.2500000000000000e+01 0 -1 864 - 2.5500000000000000e+01 -2 -3 865 5620. - - 4.0953439474105835e-01 -7.1287387609481812e-01 - 2.9135236144065857e-01 -4.4266882538795471e-01 - <_> - 2.4037570953369141e+01 - - 1 2 866 2.4500000000000000e+01 0 -1 867 - 2.1500000000000000e+01 -2 -3 868 1.3850000000000000e+02 - - -6.6728180646896362e-01 8.0503904819488525e-01 - 2.9000800848007202e-01 -3.3851844072341919e-01 - <_> - 2.4266254425048828e+01 - - 1 2 869 5.0000000000000000e-01 0 -1 870 - 1.7250000000000000e+02 -2 -3 871 2.2350000000000000e+02 - - 4.8248341679573059e-01 -3.8941776752471924e-01 - -3.1365787982940674e-01 5.1915067434310913e-01 - <_> - 2.4528257369995117e+01 - - 1 2 872 4.3500000000000000e+01 0 -1 873 38. -2 -3 874 - 1.8500000000000000e+01 - - 8.9310199022293091e-02 -7.2979074716567993e-01 - -8.7608027458190918e-01 2.6200246810913086e-01 - <_> - 2.4948534011840820e+01 - - 1 2 875 1.7500000000000000e+01 0 -1 876 - 5.0000000000000000e-01 -2 -3 877 1.9050000000000000e+02 - - 1.2763984501361847e-01 -6.1743724346160889e-01 - 4.2027613520622253e-01 -3.6524018645286560e-01 - <_> - 2.4699710845947266e+01 - - 1 2 878 1.5500000000000000e+01 0 -1 879 - 9.5000000000000000e+00 -2 -3 880 1.1950000000000000e+02 - - -7.6706290245056152e-01 4.8537570238113403e-01 - -5.4855662584304810e-01 8.2174651324748993e-02 - <_> - 2.4984062194824219e+01 - - 1 2 881 1.5000000000000000e+00 0 -1 882 - 1.4500000000000000e+01 -2 -3 883 7.4500000000000000e+01 - - -9.5929491519927979e-01 2.8435263037681580e-01 - -5.6600302457809448e-01 1.5080869197845459e-01 - <_> - 2.5305467605590820e+01 - - 1 2 884 1.5000000000000000e+00 0 -1 885 - 1.4500000000000000e+01 -2 -3 886 5.2150000000000000e+02 - - 3.2140514254570007e-01 -7.5512856245040894e-01 - -5.6036186218261719e-01 1.1670445650815964e-01 - <_> - 2.5274513244628906e+01 - - 1 2 887 1.9500000000000000e+01 0 -1 888 - 1.0650000000000000e+02 -2 -3 889 8.4050000000000000e+02 - - -8.7158387899398804e-01 4.3117862939834595e-01 - 1.4426548779010773e-01 -4.6586552262306213e-01 - <_> - 2.4883895874023438e+01 - - 1 2 890 3.0650000000000000e+02 0 -1 891 - 5.0000000000000000e-01 -2 -3 892 4.5500000000000000e+01 - - 1.8699711561203003e-01 -3.9061647653579712e-01 - -7.0082974433898926e-01 6.7297667264938354e-01 - <_> - 2.5504806518554688e+01 - - 1 2 893 5.0000000000000000e-01 0 -1 894 - 3.1151500000000000e+04 -2 -3 895 500. - - 6.5120726823806763e-01 -4.1004878282546997e-01 - -4.7606337070465088e-01 9.5995731651782990e-02 - <_> - 2.5152439117431641e+01 - - 1 2 896 5.5000000000000000e+00 0 -1 897 - 1.9500000000000000e+01 -2 -3 898 5.9500000000000000e+01 - - -1.2321064621210098e-01 6.1841166019439697e-01 - -3.6375361680984497e-01 5.2369672060012817e-01 - <_> - 2.5155344009399414e+01 - - 1 2 899 1.8674500000000000e+04 0 -1 900 - 2.1850000000000000e+02 -2 -3 901 8562. - - -1.6005823388695717e-02 6.5699905157089233e-01 - -9.5848602056503296e-01 5.1249152421951294e-01 - <_> - 2.5483896255493164e+01 - - 1 2 902 9.1500000000000000e+01 0 -1 903 - 5.4500000000000000e+01 -2 -3 904 1673. - - -1.8930622935295105e-01 3.2855287194252014e-01 - 3.8335686922073364e-01 -9.2048138380050659e-01 - <_> - 2.5274023056030273e+01 - - 1 2 905 9.0500000000000000e+01 0 -1 906 - 2.9500000000000000e+01 -2 -3 907 161. - - 1.9278690218925476e-01 -4.3163070082664490e-01 - -8.2271754741668701e-01 6.6138559579849243e-01 - <_> - 2.5197338104248047e+01 - - 1 2 908 6.0500000000000000e+01 0 -1 909 - 3.5000000000000000e+00 -2 -3 910 2.1500000000000000e+01 - - 1.6147840023040771e-01 -7.2664386034011841e-01 - 6.0210800170898438e-01 -7.6684340834617615e-02 - <_> - 2.5375751495361328e+01 - - 1 2 911 1.2500000000000000e+01 0 -1 912 - 1.0500000000000000e+01 -2 -3 913 3.5000000000000000e+00 - - 3.1757584214210510e-01 -9.6368086338043213e-01 - 3.0798566341400146e-01 -2.2424852848052979e-01 - <_> - 2.5239341735839844e+01 - - 1 2 914 2.0500000000000000e+01 0 -1 915 - 5.0000000000000000e-01 -2 -3 916 5.2500000000000000e+01 - - 5.4820358753204346e-01 -2.6598191261291504e-01 - 6.2160044908523560e-01 -6.1119222640991211e-01 - <_> - 2.5769451141357422e+01 - - 1 2 917 8.5000000000000000e+00 0 -1 918 - 3.5000000000000000e+00 -2 -3 919 785. - - -5.2361053228378296e-01 1.3663402758538723e-02 - 5.3010904788970947e-01 -5.6690508127212524e-01 - <_> - 2.6132120132446289e+01 - - 1 2 920 3.5000000000000000e+00 0 -1 921 - 5.5000000000000000e+00 -2 -3 922 2.7500000000000000e+01 - - -3.4756454825401306e-01 6.6776388883590698e-01 - -3.2966667413711548e-01 3.6266979575157166e-01 - <_> - 2.5398084640502930e+01 - - 1 2 923 3.7500000000000000e+01 0 -1 924 - 4.5450000000000000e+02 -2 -3 925 76. - - -5.9789156913757324e-01 2.5262823700904846e-01 - -7.3403567075729370e-01 2.0674343407154083e-01 - <_> - 2.5510837554931641e+01 - - 1 2 926 11321. 0 -1 927 2.5000000000000000e+00 -2 -3 928 - 1.1450000000000000e+02 - - -8.3973264694213867e-01 1.1275193840265274e-01 - -9.1843432188034058e-01 8.7821447849273682e-01 - <_> - 2.6130455017089844e+01 - - 1 2 929 6.5000000000000000e+00 0 -1 930 3083. -2 -3 931 - 3.0875000000000000e+03 - - 4.2603471875190735e-01 -3.6732077598571777e-01 - -4.1711282730102539e-01 6.1961770057678223e-01 - <_> - 2.6262090682983398e+01 - - 1 2 932 17935. 0 -1 933 425. -2 -3 934 - 2.7176500000000000e+04 - - 4.5509326457977295e-01 -6.6757386922836304e-01 - -5.3166776895523071e-01 1.3163578510284424e-01 - <_> - 2.6658596038818359e+01 - - 1 2 935 1.7500000000000000e+01 0 -1 936 - 1.1745000000000000e+03 -2 -3 937 5.0000000000000000e-01 - - 2.5388157367706299e-01 -7.9901087284088135e-01 - 4.5095619559288025e-01 -1.0241491347551346e-01 - <_> - 2.6969305038452148e+01 - - 1 2 938 3.0500000000000000e+01 0 -1 939 - 2.4500000000000000e+01 -2 -3 940 2.2500000000000000e+01 - - 5.1047235727310181e-02 -8.9242154359817505e-01 - 3.1070950627326965e-01 -2.6842564344406128e-01 - <_> - 2.6705583572387695e+01 - - 1 2 941 1.3050000000000000e+02 0 -1 942 - 3.4500000000000000e+01 -2 -3 943 2.2150000000000000e+02 - - -1.1592853814363480e-01 -7.7454018592834473e-01 - 4.5384824275970459e-01 -3.1817260384559631e-01 - <_> - 2.6782285690307617e+01 - - 1 2 944 1.7735000000000000e+03 0 -1 945 - 9.5000000000000000e+00 -2 -3 946 4.5705000000000000e+03 - - -3.9006590843200684e-02 -9.5107847452163696e-01 - -6.5736269950866699e-01 1.7125985026359558e-01 - <_> - 2.7105680465698242e+01 - - 1 2 947 1.7625000000000000e+03 0 -1 948 - 1.3850000000000000e+02 -2 -3 949 1.9750000000000000e+02 - - 3.6351567506790161e-01 -5.5703014135360718e-01 - 1.4079628884792328e-01 -5.2406501770019531e-01 - <_> - 2.7263711929321289e+01 - - 1 2 950 2.5000000000000000e+00 0 -1 951 - 5.1850000000000000e+02 -2 -3 952 1.0500000000000000e+01 - - 6.5141850709915161e-01 -9.1679638624191284e-01 - 2.9593178629875183e-01 -2.6542136073112488e-01 - <_> - 2.6919979095458984e+01 - - 1 2 953 1286. 0 -1 954 5.0500000000000000e+01 -2 -3 955 - 9549. - - 2.3069593310356140e-01 -3.4373316168785095e-01 - 7.6501649618148804e-01 -1.6475467383861542e-01 - <_> - 2.7302589416503906e+01 - - 1 2 956 3.0500000000000000e+01 0 -1 957 - 3.5000000000000000e+00 -2 -3 958 20. - - 4.2295122146606445e-01 -5.0685709714889526e-01 - -6.1503076553344727e-01 3.8261166214942932e-01 - <_> - 2.7030504226684570e+01 - - 1 2 959 1.5000000000000000e+00 0 -1 960 - 4.2500000000000000e+01 -2 -3 961 7879. - - -8.3279174566268921e-01 3.1151020526885986e-01 - 5.7181537151336670e-01 -4.0998581051826477e-01 - <_> - 2.7195131301879883e+01 - - 1 2 962 1.9550000000000000e+02 0 -1 963 - 9.7500000000000000e+01 -2 -3 964 1.7450000000000000e+02 - - 1.7131289839744568e-01 -7.6953160762786865e-01 - -8.5992205142974854e-01 9.4537514448165894e-01 - <_> - 2.7257419586181641e+01 - - 1 2 965 5.1150000000000000e+02 0 -1 966 - 2.3335000000000000e+03 -2 -3 967 37646. - - -5.3452479839324951e-01 5.5600736290216446e-02 - 9.5302796363830566e-01 -8.5994201898574829e-01 - <_> - 2.7456840515136719e+01 - - 1 2 968 2.7500000000000000e+01 0 -1 969 - 4.5000000000000000e+00 -2 -3 970 3.2250000000000000e+02 - - 2.6460289955139160e-01 -3.8417342305183411e-01 - 4.4693005084991455e-01 -8.1004393100738525e-01 - <_> - 2.7806034088134766e+01 - - 1 2 971 2.3500000000000000e+01 0 -1 972 - 7.6500000000000000e+01 -2 -3 973 1.2500000000000000e+01 - - -5.5745208263397217e-01 3.4919399023056030e-01 - 3.5557851195335388e-01 -5.3877633810043335e-01 - <_> - 2.7538705825805664e+01 - - 1 2 974 7.9500000000000000e+01 0 -1 975 - 1.4500000000000000e+01 -2 -3 976 87. - - 2.8678986430168152e-01 -2.9876446723937988e-01 - 8.6640423536300659e-01 -1. - <_> - 2.7824981689453125e+01 - - 1 2 977 2.5550000000000000e+02 0 -1 978 - 4.5000000000000000e+00 -2 -3 979 4.8500000000000000e+01 - - 2.7033209800720215e-01 -5.0700926780700684e-01 - -6.5432757139205933e-01 3.9897635579109192e-01 - <_> - 2.8039585113525391e+01 - - 1 2 980 8.5500000000000000e+01 0 -1 981 - 1.2500000000000000e+01 -2 -3 982 2.1150000000000000e+02 - - -9.3840378522872925e-01 2.1460363268852234e-01 - -7.5958758592605591e-01 3.2656311988830566e-01 - <_> - 2.8358228683471680e+01 - - 1 2 983 2.5000000000000000e+00 0 -1 984 154. -2 -3 985 - 5.5000000000000000e+00 - - 1.8448559939861298e-01 -8.2974767684936523e-01 - 3.1864368915557861e-01 -2.1115814149379730e-01 - <_> - 2.7895002365112305e+01 - - 1 2 986 1.5500000000000000e+01 0 -1 987 3760. -2 -3 988 - 7.4650000000000000e+02 - - 5.6718933582305908e-01 -4.6322652697563171e-01 - -1.5654714405536652e-01 4.8763912916183472e-01 - <_> - 2.8411203384399414e+01 - - 1 2 989 3.6500000000000000e+01 0 -1 990 - 5.5000000000000000e+00 -2 -3 991 177. - - 1.9065493345260620e-01 -4.4433963298797607e-01 - 5.1620143651962280e-01 -6.8428224325180054e-01 - <_> - 2.8243703842163086e+01 - - 1 2 992 2.2550000000000000e+02 0 -1 993 - 1.0702500000000000e+04 -2 -3 994 2.1500000000000000e+01 - - 9.7185559570789337e-02 -8.7033015489578247e-01 - 2.9659673571586609e-01 -4.0642136335372925e-01 - <_> - 2.8063882827758789e+01 - - 1 2 995 1.1500000000000000e+01 0 -1 996 29. -2 -3 997 - 6.5000000000000000e+00 - - -1. 1. 3.6489042639732361e-01 -1.7982187867164612e-01 - <_> - 2.8595172882080078e+01 - - 1 2 998 3.4500000000000000e+01 0 -1 999 - 3.2500000000000000e+01 -2 -3 1000 1.1750000000000000e+02 - - 7.5150117278099060e-02 -5.3011858463287354e-01 - -3.1684866547584534e-01 5.3129112720489502e-01 - <_> - 2.8468202590942383e+01 - - 1 2 1001 1.6628500000000000e+04 0 -1 1002 - 1.0500000000000000e+01 -2 -3 1003 3.3545000000000000e+03 - - 6.4890080690383911e-01 -6.3209486007690430e-01 - 6.6508811712265015e-01 -1.2697088718414307e-01 - <_> - 2.8374160766601562e+01 - - 1 2 1004 8.5000000000000000e+00 0 -1 1005 - 8.5000000000000000e+00 -2 -3 1006 1.5000000000000000e+00 - - 5.2094990015029907e-01 -9.4638687372207642e-01 - 4.4523945450782776e-01 -9.4041898846626282e-02 - <_> - 2.8551000595092773e+01 - - 1 2 1007 3.1950000000000000e+02 0 -1 1008 - 6.6500000000000000e+01 -2 -3 1009 9.5000000000000000e+00 - - 6.6274866461753845e-02 -9.6256363391876221e-01 - -4.5958206057548523e-01 1.7684090137481689e-01 - <_> - 2.8745084762573242e+01 - - 1 2 1010 1.2350000000000000e+02 0 -1 1011 - 5.5000000000000000e+00 -2 -3 1012 2.3500000000000000e+01 - - -8.1710654497146606e-01 1.9408319890499115e-01 - -6.5851712226867676e-01 6.5294885635375977e-01 - <_> - 2.8799137115478516e+01 - - 1 2 1013 1.5000000000000000e+00 0 -1 1014 6367. -2 -3 1015 - 4.7500000000000000e+01 - - -5.7579481601715088e-01 6.5927535295486450e-01 - 3.2614521682262421e-02 -5.5185180902481079e-01 - <_> - 2.9203039169311523e+01 - - 1 2 1016 4.8500000000000000e+01 0 -1 1017 1563. -2 -3 1018 - 174. - - -1.8832503259181976e-01 8.4307962656021118e-01 - 6.7039912939071655e-01 -9.4139146804809570e-01 - <_> - 2.8794641494750977e+01 - - 1 2 1019 3.3355000000000000e+03 0 -1 1020 - 6.6555000000000000e+03 -2 -3 1021 8.7150000000000000e+02 - - -9.0944504737854004e-01 4.4833663105964661e-01 - -4.0839809179306030e-01 1.7850229144096375e-01 - <_> - 2.8677459716796875e+01 - - 1 2 1022 1.2185000000000000e+03 0 -1 1023 - 8.2550000000000000e+02 -2 -3 1024 3.0550000000000000e+02 - - -3.4955474734306335e-01 6.4450144767761230e-01 - 6.0581982135772705e-01 -1.1718237400054932e-01 - <_> - 2.8913532257080078e+01 - - 1 2 1025 2.7500000000000000e+01 0 -1 1026 - 2.7500000000000000e+01 -2 -3 1027 4.3500000000000000e+01 - - -8.5049676895141602e-01 2.3607361316680908e-01 - 7.3098081350326538e-01 -6.9291877746582031e-01 - <_> - 2.9108362197875977e+01 - - 1 2 1028 7.5000000000000000e+00 0 -1 1029 - 9.5000000000000000e+00 -2 -3 1030 4.5000000000000000e+00 - - -8.3998674154281616e-01 3.6129420995712280e-01 - 9.7287259995937347e-02 -5.4456633329391479e-01 - <_> - 2.8601478576660156e+01 - - 1 2 1031 6.9500000000000000e+01 0 -1 1032 3194. -2 -3 1033 - 1194. - - 1.1185812205076218e-01 -5.0688385963439941e-01 - -5.2819758653640747e-01 4.6284502744674683e-01 - <_> - 2.8964368820190430e+01 - - 1 2 1034 2.5000000000000000e+00 0 -1 1035 - 3.5000000000000000e+00 -2 -3 1036 5.5000000000000000e+00 - - -6.3642036914825439e-01 3.6289060115814209e-01 - 7.4139624834060669e-01 -4.1967025399208069e-01 - <_> - 2.9433172225952148e+01 - - 1 2 1037 3.0500000000000000e+01 0 -1 1038 - 5.0000000000000000e-01 -2 -3 1039 7.9500000000000000e+01 - - 3.6465510725975037e-01 -3.9573243260383606e-01 - -6.1006444692611694e-01 4.6880471706390381e-01 - <_> - 2.9406284332275391e+01 - - 1 2 1040 850. 0 -1 1041 8.3500000000000000e+01 -2 -3 1042 - 503. - - -1.3215389847755432e-01 5.3341400623321533e-01 - -6.0456317663192749e-01 1.4337512850761414e-01 - <_> - 2.9681335449218750e+01 - - 1 2 1043 5.0000000000000000e-01 0 -1 1044 - 2.2500000000000000e+01 -2 -3 1045 7.1050000000000000e+02 - - -8.8528215885162354e-02 6.7735338211059570e-01 - -4.3227946758270264e-01 2.7505078911781311e-01 - <_> - 2.9964553833007812e+01 - - 1 2 1046 9.8500000000000000e+01 0 -1 1047 - 3.1500000000000000e+01 -2 -3 1048 2.7650000000000000e+02 - - 2.8321748971939087e-01 -3.9361628890037537e-01 - -8.2609468698501587e-01 2.6064848899841309e-01 - <_> - 2.9945455551147461e+01 - - 1 2 1049 8.7500000000000000e+01 0 -1 1050 - 2.2385000000000000e+03 -2 -3 1051 6.4500000000000000e+01 - - 6.9241017103195190e-01 -1.5301111340522766e-01 - -6.6095316410064697e-01 -1.9096992909908295e-02 - <_> - 3.0012765884399414e+01 - - 1 2 1052 1.2500000000000000e+01 0 -1 1053 - 9.5000000000000000e+00 -2 -3 1054 5.0750000000000000e+02 - - -8.3019262552261353e-01 6.7893797159194946e-01 - -1.2832325696945190e-01 4.3415006995201111e-01 - <_> - 2.9930473327636719e+01 - - 1 2 1055 1.8500000000000000e+01 0 -1 1056 - 1.2500000000000000e+01 -2 -3 1057 8.5000000000000000e+00 - - -3.6613929271697998e-01 4.8394933342933655e-01 - 1.7974837124347687e-01 -4.4913277029991150e-01 - <_> - 3.0477281570434570e+01 - - 1 2 1058 5.1950000000000000e+02 0 -1 1059 - 4.4500000000000000e+01 -2 -3 1060 114. - - -7.6940767467021942e-02 5.4680854082107544e-01 - -8.7260067462921143e-01 6.8811720609664917e-01 - <_> - 3.0773675918579102e+01 - - 1 2 1061 1.0450000000000000e+02 0 -1 1062 - 2.8150000000000000e+02 -2 -3 1063 1125. - - 5.4583191871643066e-01 -5.2532721310853958e-02 - -7.8279995918273926e-01 3.1823691725730896e-01 - <_> - 3.0351808547973633e+01 - - 1 2 1064 3.5000000000000000e+00 0 -1 1065 - 1.5500000000000000e+01 -2 -3 1066 55. - - -7.3623555898666382e-01 3.5894340276718140e-01 - -4.2186784744262695e-01 4.3861863017082214e-01 - <_> - 3.0537498474121094e+01 - - 1 2 1067 4307. 0 -1 1068 1160. -2 -3 1069 - 2.1660500000000000e+04 - - -7.8279590606689453e-01 4.5567861199378967e-01 - 1.8568974733352661e-01 -8.9434182643890381e-01 - <_> - 3.0696584701538086e+01 - - 1 2 1070 4.4285000000000000e+03 0 -1 1071 - 5.0000000000000000e-01 -2 -3 1072 3.1735000000000000e+03 - - 2.0552167296409607e-01 -4.5957171916961670e-01 - 7.2746735811233521e-01 -9.0351656079292297e-02 - <_> - 3.0743759155273438e+01 - - 1 2 1073 3.7500000000000000e+01 0 -1 1074 - 9.5000000000000000e+00 -2 -3 1075 1.6750000000000000e+02 - - -1.5780667960643768e-01 4.7251480817794800e-01 - -6.7792648077011108e-01 4.7175608575344086e-02 - <_> - 3.0970186233520508e+01 - - 1 2 1076 3.3550000000000000e+02 0 -1 1077 - 1.5850000000000000e+02 -2 -3 1078 6.7500000000000000e+01 - - 2.2642576694488525e-01 -7.5154268741607666e-01 - -7.6098370552062988e-01 -2.8098121285438538e-02 - <_> - 3.0785564422607422e+01 - - 1 2 1079 3.5000000000000000e+00 0 -1 1080 - 1.0750000000000000e+02 -2 -3 1081 5.5000000000000000e+00 - - -1. 1. 3.4101343154907227e-01 -1.8462051451206207e-01 - <_> - 3.0677804946899414e+01 - - 1 2 1082 1.8745000000000000e+03 0 -1 1083 8. -2 -3 1084 - 2.7950000000000000e+02 - - 3.8025709986686707e-01 -9.3898135423660278e-01 - 4.3168732523918152e-01 -1.0776055604219437e-01 - <_> - 3.1114505767822266e+01 - - 1 2 1085 1.2235000000000000e+03 0 -1 1086 502. -2 -3 1087 - 1.4500000000000000e+01 - - -3.4203383326530457e-01 8.8017475605010986e-01 - -6.2440735101699829e-01 4.3670186400413513e-01 - <_> - 3.0781503677368164e+01 - - 1 2 1088 1.0765000000000000e+03 0 -1 1089 - 1.4445000000000000e+03 -2 -3 1090 6.5000000000000000e+00 - - -1.0597463697195053e-01 5.4891431331634521e-01 - 2.9310002923011780e-01 -3.9375761151313782e-01 - <_> - 3.1352016448974609e+01 - - 1 2 1091 5.2500000000000000e+01 0 -1 1092 - 1.5000000000000000e+00 -2 -3 1093 272. - - 6.0849022865295410e-01 -2.5873470306396484e-01 - 5.7051157951354980e-01 -1. - <_> - 3.1657224655151367e+01 - - 1 2 1094 5.5000000000000000e+00 0 -1 1095 - 1.6500000000000000e+01 -2 -3 1096 30152. - - -9.6481657028198242e-01 8.0561167001724243e-01 - 4.4867545366287231e-01 -1.1930578947067261e-01 - <_> - 3.1797657012939453e+01 - - 1 2 1097 4.5000000000000000e+00 0 -1 1098 - 1.4500000000000000e+01 -2 -3 1099 3.4500000000000000e+01 - - -3.8230931758880615e-01 6.5411078929901123e-01 - 4.3631002306938171e-02 -7.3598957061767578e-01 - <_> - 3.1739580154418945e+01 - - 1 2 1100 6.5000000000000000e+00 0 -1 1101 - 3.5000000000000000e+00 -2 -3 1102 2.5500000000000000e+01 - - 2.6922503113746643e-01 -9.2841345071792603e-01 - -5.8075804263353348e-02 5.9674555063247681e-01 - <_> - 3.2161308288574219e+01 - - 1 2 1103 5.0000000000000000e-01 0 -1 1104 - 1.5500000000000000e+01 -2 -3 1105 1.5000000000000000e+00 - - -7.3271411657333374e-01 4.2172768712043762e-01 - 1.8879570066928864e-01 -4.8092129826545715e-01 - <_> - 3.1522403717041016e+01 - - 1 2 1106 1.7500000000000000e+01 0 -1 1107 - 3.5000000000000000e+00 -2 -3 1108 5.1500000000000000e+01 - - 4.1741237044334412e-01 -6.3890427350997925e-01 - -2.4483518302440643e-01 3.4861907362937927e-01 - <_> - 3.1028701782226562e+01 - - 1 2 1109 1.6500000000000000e+01 0 -1 1110 - 7.5500000000000000e+01 -2 -3 1111 1.5595000000000000e+03 - - 2.1001176536083221e-01 -5.4036855697631836e-01 - 8.2853209972381592e-01 -6.6984134912490845e-01 - <_> - 3.0648044586181641e+01 - - 1 2 1112 1.3500000000000000e+01 0 -1 1113 - 5.0000000000000000e-01 -2 -3 1114 5.5000000000000000e+00 - - 2.0337771624326706e-02 -6.9217932224273682e-01 - 3.1262809038162231e-01 -3.8065665960311890e-01 - <_> - 3.0457332611083984e+01 - - 1 2 1115 1.0425000000000000e+03 0 -1 1116 - 2.1105000000000000e+03 -2 -3 1117 5.0000000000000000e-01 - - 8.5383254289627075e-01 -9.4994091987609863e-01 - 3.6234918236732483e-01 -1.9071219861507416e-01 - <_> - 3.0355703353881836e+01 - - 1 2 1118 417. 0 -1 1119 47393. -2 -3 1120 - 1.3500000000000000e+01 - - 1.4608249068260193e-01 -7.7895587682723999e-01 - 5.4214590787887573e-01 -1.0162991285324097e-01 - <_> - 3.0591539382934570e+01 - - 1 2 1121 1.0505000000000000e+03 0 -1 1122 - 3.5000000000000000e+00 -2 -3 1123 1.2500000000000000e+01 - - 2.6039215922355652e-01 -8.2724225521087646e-01 - 2.3583582043647766e-01 -4.2682540416717529e-01 - <_> - 3.1194660186767578e+01 - - 1 2 1124 4.6185000000000000e+03 0 -1 1125 - 1.0500000000000000e+01 -2 -3 1126 1.9150000000000000e+02 - - -8.0647492408752441e-01 1.1079805344343185e-01 - 6.0312074422836304e-01 -8.1773541867733002e-02 - <_> - 3.0726728439331055e+01 - - 1 2 1127 1.3500000000000000e+01 0 -1 1128 - 4.5000000000000000e+00 -2 -3 1129 4.1550000000000000e+02 - - -6.2268900871276855e-01 3.8671565055847168e-01 - 2.8028538823127747e-01 -4.6793088316917419e-01 - <_> - 3.1088666915893555e+01 - - 1 2 1130 8.5000000000000000e+00 0 -1 1131 - 5.8445000000000000e+03 -2 -3 1132 2.8500000000000000e+01 - - -3.3040379639714956e-04 -9.1474950313568115e-01 - 3.6193940043449402e-01 -1.4911226928234100e-01 - <_> - 3.1474407196044922e+01 - - 1 2 1133 1.5500000000000000e+01 0 -1 1134 - 3.5000000000000000e+00 -2 -3 1135 1.2525000000000000e+03 - - 6.4907115697860718e-01 -5.0786149501800537e-01 - -2.0913411676883698e-01 3.8573962450027466e-01 - <_> - 3.1632471084594727e+01 - - 1 2 1136 6.5000000000000000e+00 0 -1 1137 - 3.7500000000000000e+01 -2 -3 1138 3.5500000000000000e+01 - - 6.3346821069717407e-01 -5.2402967214584351e-01 - -4.6075040102005005e-01 1.5806287527084351e-01 - <_> - 3.1587083816528320e+01 - - 1 2 1139 2.8950000000000000e+02 0 -1 1140 - 1.2865000000000000e+03 -2 -3 1141 8.0500000000000000e+01 - - -4.5387003570795059e-02 6.0369354486465454e-01 - -8.8128578662872314e-01 1.6069179773330688e-01 - <_> - 3.1416742324829102e+01 - - 1 2 1142 6.0500000000000000e+01 0 -1 1143 2554. -2 -3 1144 - 2.5000000000000000e+00 - - 5.8986186981201172e-01 -7.9697668552398682e-01 - 4.0921381115913391e-01 -1.7034149169921875e-01 - <_> - 3.1597267150878906e+01 - - 1 2 1145 7.5000000000000000e+00 0 -1 1146 - 1.2500000000000000e+01 -2 -3 1147 3.3500000000000000e+01 - - -7.0123994350433350e-01 9.0972447395324707e-01 - 1.8052530288696289e-01 -7.1117341518402100e-01 - <_> - 3.1853481292724609e+01 - - 1 2 1148 2.5000000000000000e+00 0 -1 1149 - 1.6500000000000000e+01 -2 -3 1150 50. - - -4.6300759911537170e-01 2.5621402263641357e-01 - -5.8134639263153076e-01 6.4391428232192993e-01 - <_> - 3.2041400909423828e+01 - - 1 2 1151 1.5000000000000000e+00 0 -1 1152 - 5.5000000000000000e+00 -2 -3 1153 6.6500000000000000e+01 - - 4.4350862503051758e-01 -6.5627163648605347e-01 - -4.0067231655120850e-01 3.3987161517143250e-01 - <_> - 3.2274913787841797e+01 - - 1 2 1154 2.2500000000000000e+01 0 -1 1155 121. -2 -3 1156 - 4.0750000000000000e+02 - - -5.6885540485382080e-01 2.3351371288299561e-01 - 6.7405563592910767e-01 -5.4761618375778198e-01 - <_> - 3.2459445953369141e+01 - - 1 2 1157 2.1500000000000000e+01 0 -1 1158 - 1.2500000000000000e+01 -2 -3 1159 1.9500000000000000e+01 - - -8.8360142707824707e-01 2.5230798125267029e-01 - 1.1890246719121933e-01 -5.4317802190780640e-01 - <_> - 3.2713863372802734e+01 - - 1 2 1160 3.9500000000000000e+01 0 -1 1161 - 4.5000000000000000e+00 -2 -3 1162 2.2635000000000000e+03 - - 4.9993959069252014e-01 -4.6222266554832458e-01 - -8.2206004858016968e-01 2.5441682338714600e-01 - <_> - 3.2391437530517578e+01 - - 1 2 1163 1.8500000000000000e+01 0 -1 1164 - 2.2500000000000000e+01 -2 -3 1165 1.1500000000000000e+01 - - -8.3650416135787964e-01 2.8401935100555420e-01 - 2.4446329474449158e-01 -5.4215461015701294e-01 - <_> - 3.2313743591308594e+01 - - 1 2 1166 2.1500000000000000e+01 0 -1 1167 - 4.4750000000000000e+02 -2 -3 1168 7.5000000000000000e+00 - - 2.8188237547874451e-01 -7.0770967006683350e-01 - 5.1904022693634033e-01 -7.7693074941635132e-02 - <_> - 3.2547096252441406e+01 - - 1 2 1169 3.8500000000000000e+01 0 -1 1170 - 1.0500000000000000e+01 -2 -3 1171 5.4500000000000000e+01 - - -5.1064568758010864e-01 2.3335392773151398e-01 - -7.8815060853958130e-01 1.9936113059520721e-01 - <_> - 3.2640663146972656e+01 - - 1 2 1172 2.5000000000000000e+00 0 -1 1173 - 5.5000000000000000e+00 -2 -3 1174 1330. - - -4.3339151144027710e-01 4.2221209406852722e-01 - -3.6630377173423767e-01 7.0252496004104614e-01 - <_> - 3.2781063079833984e+01 - - 1 2 1175 1.5000000000000000e+00 0 -1 1176 - 3.5000000000000000e+00 -2 -3 1177 5.0000000000000000e-01 - - 4.3612757325172424e-01 -8.5796296596527100e-01 - 2.6683306694030762e-01 -2.6626828312873840e-01 - <_> - 3.3000972747802734e+01 - - 1 2 1178 2.8150000000000000e+02 0 -1 1179 - 1.5500000000000000e+01 -2 -3 1180 4.6500000000000000e+01 - - 3.4552884101867676e-01 -5.2619069814682007e-01 - -3.2900866866111755e-01 4.3776753544807434e-01 - <_> - 3.3018821716308594e+01 - - 1 2 1181 5.0000000000000000e-01 0 -1 1182 - 1.0500000000000000e+01 -2 -3 1183 2.6450000000000000e+02 - - -4.9559688568115234e-01 7.7334856986999512e-01 - 5.2793127298355103e-01 -2.3107841610908508e-01 - <_> - 3.3071189880371094e+01 - - 1 2 1184 4.6025000000000000e+03 0 -1 1185 - 1.8500000000000000e+01 -2 -3 1186 6.8250000000000000e+02 - - -7.4181526899337769e-01 5.9372335672378540e-01 - 4.7619059681892395e-01 -1.1885309964418411e-01 - <_> - 3.3085533142089844e+01 - - 1 2 1187 1.6350000000000000e+02 0 -1 1188 - 2.7500000000000000e+01 -2 -3 1189 142. - - -4.1260236501693726e-01 2.7891275286674500e-01 - -7.0465636253356934e-01 7.5747251510620117e-01 - <_> - 3.3357414245605469e+01 - - 1 2 1190 5.0000000000000000e-01 0 -1 1191 - 5.6500000000000000e+01 -2 -3 1192 5.2150000000000000e+02 - - 6.4778029918670654e-01 -1.1932287365198135e-01 - -4.1650903224945068e-01 2.5428086519241333e-01 - <_> - 3.3322494506835938e+01 - - 1 2 1193 8.2350000000000000e+02 0 -1 1194 - 8.2650000000000000e+02 -2 -3 1195 1.3500000000000000e+01 - - 2.8512652497738600e-03 6.5731632709503174e-01 - 4.5999297499656677e-01 -6.2862813472747803e-01 - <_> - 3.3176986694335938e+01 - - 1 2 1196 1.3500000000000000e+01 0 -1 1197 70. -2 -3 1198 - 5.0000000000000000e-01 - - -6.6250026226043701e-01 7.0421558618545532e-01 - 3.7571212649345398e-01 -2.3801752924919128e-01 - <_> - 3.3435741424560547e+01 - - 1 2 1199 58282. 0 -1 1200 913. -2 -3 1201 - 1.0850000000000000e+02 - - -5.6440210342407227e-01 2.8217953443527222e-01 - -8.7045669555664062e-01 -8.5198663175106049e-02 - <_> - 3.3617641448974609e+01 - - 1 2 1202 1.5000000000000000e+00 0 -1 1203 - 1.5000000000000000e+00 -2 -3 1204 1.7675000000000000e+03 - - -7.3653697967529297e-01 7.6336652040481567e-01 - -2.4504181742668152e-01 5.5397576093673706e-01 - <_> - 3.3626171112060547e+01 - - 1 2 1205 3.5000000000000000e+00 0 -1 1206 - 1.5500000000000000e+01 -2 -3 1207 153. - - -2.8129413723945618e-01 5.9369409084320068e-01 - 8.5296230390667915e-03 -6.9582235813140869e-01 - <_> - 3.3975147247314453e+01 - - 1 2 1208 5.0000000000000000e-01 0 -1 1209 - 1.0500000000000000e+01 -2 -3 1210 2.0500000000000000e+01 - - -8.0083674192428589e-01 3.4897685050964355e-01 - -3.5385957360267639e-01 7.3448055982589722e-01 - <_> - 3.3426464080810547e+01 - - 1 2 1211 2.7950000000000000e+02 0 -1 1212 - 5.4975000000000000e+03 -2 -3 1213 7.5000000000000000e+00 - - -1.4607962965965271e-01 7.2142803668975830e-01 - 1.4154955744743347e-01 -5.4868251085281372e-01 - <_> - 3.3620513916015625e+01 - - 1 2 1214 1.1500000000000000e+01 0 -1 1215 - 2.5550000000000000e+02 -2 -3 1216 72. - - 5.8608335256576538e-01 -9.2741596698760986e-01 - 1.9404979050159454e-01 -6.2724816799163818e-01 - <_> - 3.3949718475341797e+01 - - 1 2 1217 1.9500000000000000e+01 0 -1 1218 - 2.6950000000000000e+02 -2 -3 1219 5.2500000000000000e+01 - - -8.2725256681442261e-02 -8.0563539266586304e-01 - -4.9098122119903564e-01 3.2920604944229126e-01 - <_> - 3.3907009124755859e+01 - - 1 2 1220 2.5500000000000000e+01 0 -1 1221 - 5.0000000000000000e-01 -2 -3 1222 5.0500000000000000e+01 - - 5.3421282768249512e-01 -4.2710851877927780e-02 - -8.4883642196655273e-01 -6.9108068943023682e-02 - <_> - 3.4569347381591797e+01 - - 1 2 1223 3.4500000000000000e+01 0 -1 1224 - 4.5000000000000000e+00 -2 -3 1225 4.2500000000000000e+01 - - 2.8448584675788879e-01 -3.0913567543029785e-01 - 6.9974571466445923e-01 -7.2145628929138184e-01 - <_> - 3.4406383514404297e+01 - - 1 2 1226 4.7500000000000000e+01 0 -1 1227 82. -2 -3 1228 - 476. - - -5.3745925426483154e-01 5.8132463693618774e-01 - 3.7321224808692932e-01 -6.0607558488845825e-01 - <_> - 3.4350345611572266e+01 - - 1 2 1229 4.5000000000000000e+00 0 -1 1230 161. -2 -3 1231 - 9.5000000000000000e+00 - - 5.7543116807937622e-01 -9.4070035219192505e-01 - 7.6428997516632080e-01 -5.6036282330751419e-02 - <_> - 3.4673534393310547e+01 - - 1 2 1232 1.2645000000000000e+03 0 -1 1233 1086. -2 -3 1234 - 9549. - - -2.5683671236038208e-01 8.2724517583847046e-01 - 7.0296716690063477e-01 -3.6435613036155701e-01 - <_> - 3.5003284454345703e+01 - - 1 2 1235 1.2850000000000000e+02 0 -1 1236 - 8.6235000000000000e+03 -2 -3 1237 2.6500000000000000e+01 - - 5.9038841724395752e-01 3.4432813990861177e-03 - -6.4016550779342651e-02 -9.3743759393692017e-01 - <_> - 3.5226799011230469e+01 - - 1 2 1238 9.3500000000000000e+01 0 -1 1239 13. -2 -3 1240 - 4.4500000000000000e+01 - - -6.7835944890975952e-01 3.3737751841545105e-01 - -7.8561329841613770e-01 -3.7122413516044617e-02 - <_> - 3.5086704254150391e+01 - - 1 2 1241 6.5000000000000000e+00 0 -1 1242 786. -2 -3 1243 - 4.6850000000000000e+02 - - -8.7093526124954224e-01 4.2933362722396851e-01 - -5.2467578649520874e-01 1.0233493894338608e-01 - <_> - 3.5434925079345703e+01 - - 1 2 1244 5.0650000000000000e+02 0 -1 1245 - 6.3500000000000000e+01 -2 -3 1246 2.5000000000000000e+00 - - -3.4057748317718506e-01 5.2575647830963135e-01 - -5.7031583786010742e-01 4.1367042064666748e-01 - <_> - 3.5402851104736328e+01 - - 1 2 1247 5.0000000000000000e-01 0 -1 1248 857. -2 -3 1249 - 1.3850000000000000e+02 - - 6.1650615930557251e-01 -2.0817196369171143e-01 - -2.5478323921561241e-02 -7.6659142971038818e-01 - <_> - 3.4968181610107422e+01 - - 1 2 1250 5.8500000000000000e+01 0 -1 1251 - 1.1500000000000000e+01 -2 -3 1252 5.5500000000000000e+01 - - 1.2099618464708328e-01 -4.4126412272453308e-01 - 6.0897779464721680e-01 -7.8737002611160278e-01 - <_> - 3.5193428039550781e+01 - - 1 2 1253 4.7500000000000000e+01 0 -1 1254 1423. -2 -3 1255 - 3.4500000000000000e+01 - - 4.8643037676811218e-02 -8.9261955022811890e-01 - 2.2524681687355042e-01 -6.2001824378967285e-01 - <_> - 3.5623695373535156e+01 - - 1 2 1256 2.0500000000000000e+01 0 -1 1257 - 5.5000000000000000e+00 -2 -3 1258 6.5000000000000000e+00 - - -8.9247786998748779e-01 7.9152870178222656e-01 - 4.3026548624038696e-01 -1.4470897614955902e-01 - <_> - 3.5538761138916016e+01 - - 1 2 1259 18647. 0 -1 1260 8.7850000000000000e+02 -2 -3 1261 - 50. - - 1.3848523795604706e-01 -6.2565112113952637e-01 - -3.0781137943267822e-01 5.9695762395858765e-01 - <_> - 3.5170146942138672e+01 - - 1 2 1262 2.0500000000000000e+01 0 -1 1263 - 9.5500000000000000e+01 -2 -3 1264 3.2450000000000000e+02 - - -1.9358770549297333e-01 5.9224104881286621e-01 - -3.6861309409141541e-01 7.9692333936691284e-01 - <_> - 3.5719684600830078e+01 - - 1 2 1265 1.5000000000000000e+00 0 -1 1266 - 3.4500000000000000e+01 -2 -3 1267 1.7725000000000000e+03 - - 5.4953765869140625e-01 -4.1827628016471863e-01 - 3.4924019128084183e-02 -6.3267588615417480e-01 - <_> - 3.6021175384521484e+01 - - 1 2 1268 1.3500000000000000e+01 0 -1 1269 - 5.0000000000000000e-01 -2 -3 1270 3476. - - 3.0730965733528137e-01 -7.1827191114425659e-01 - -3.3407485485076904e-01 3.0149033665657043e-01 - <_> - 3.6000087738037109e+01 - - 1 2 1271 2.1105000000000000e+03 0 -1 1272 - 1.2865000000000000e+03 -2 -3 1273 31. - - -6.6124044358730316e-02 6.6440200805664062e-01 - -7.0062541961669922e-01 8.8496291637420654e-01 - <_> - 3.6138973236083984e+01 - - 1 2 1274 6.5000000000000000e+00 0 -1 1275 - 4.0500000000000000e+01 -2 -3 1276 2.5000000000000000e+00 - - -1.8909309804439545e-01 4.3955674767494202e-01 - 8.3517062664031982e-01 -5.2926576137542725e-01 - <_> - 3.6462543487548828e+01 - - 1 2 1277 1.5000000000000000e+00 0 -1 1278 - 1.9500000000000000e+01 -2 -3 1279 2.9500000000000000e+01 - - 5.2272623777389526e-01 -5.3356873989105225e-01 - -4.3614375591278076e-01 1.6707921028137207e-01 - <_> - 3.6346103668212891e+01 - - 1 2 1280 5.4500000000000000e+01 0 -1 1281 3. -2 -3 1282 - 2.5000000000000000e+00 - - 9.2645227909088135e-01 -9.1626834869384766e-01 - 4.3882593512535095e-01 -1.1643892526626587e-01 - <_> - 3.6447643280029297e+01 - - 1 2 1283 4.3500000000000000e+01 0 -1 1284 - 4.5000000000000000e+00 -2 -3 1285 1.4250000000000000e+02 - - 2.8414136171340942e-01 -5.2052396535873413e-01 - 3.3975440263748169e-01 -4.2113724350929260e-01 - <_> - 3.6367126464843750e+01 - - 1 2 1286 2.2500000000000000e+01 0 -1 1287 - 1.0535000000000000e+03 -2 -3 1288 1.9500000000000000e+01 - - 4.4179165363311768e-01 -7.4734365940093994e-01 - 5.4282104969024658e-01 -8.0516710877418518e-02 - <_> - 3.6575954437255859e+01 - - 1 2 1289 2.5000000000000000e+00 0 -1 1290 - 1.5000000000000000e+00 -2 -3 1291 2.4500000000000000e+01 - - -3.8550149649381638e-02 -9.4949018955230713e-01 - 2.0882803201675415e-01 -4.6319213509559631e-01 - <_> - 3.6657161712646484e+01 - - 1 2 1292 1.6115000000000000e+03 0 -1 1293 3672. -2 -3 1294 - 545. - - 8.2763051986694336e-01 -4.8815292119979858e-01 - -5.2512788772583008e-01 8.1207208335399628e-02 - <_> - 3.6598300933837891e+01 - - 1 2 1295 6.0500000000000000e+01 0 -1 1296 - 1.1250000000000000e+02 -2 -3 1297 1.5350000000000000e+02 - - -5.8857690542936325e-02 4.7229456901550293e-01 - -8.1495660543441772e-01 7.3461961746215820e-01 - <_> - 3.6517520904541016e+01 - - 1 2 1298 9.4500000000000000e+01 0 -1 1299 - 4.8500000000000000e+01 -2 -3 1300 235. - - 4.8253452777862549e-01 -8.0779984593391418e-02 - -9.4696474075317383e-01 9.1954904794692993e-01 - <_> - 3.6136314392089844e+01 - - 1 2 1301 7.6150000000000000e+02 0 -1 1302 - 1.3500000000000000e+01 -2 -3 1303 3.7500000000000000e+01 - - 4.7050821781158447e-01 -6.8645346164703369e-01 - 1.8845686316490173e-01 -6.1942416429519653e-01 - <_> - 3.6255367279052734e+01 - - 1 2 1304 2.5500000000000000e+01 0 -1 1305 - 9.5000000000000000e+00 -2 -3 1306 2.4243500000000000e+04 - - -8.6751174926757812e-01 1. 1.1905297636985779e-01 - -7.7261626720428467e-01 - <_> - 3.6847282409667969e+01 - - 1 2 1307 2.5245000000000000e+03 0 -1 1308 - 1.2500000000000000e+01 -2 -3 1309 19. - - 1.8480798602104187e-01 -4.1162934899330139e-01 - -7.0126670598983765e-01 5.9191262722015381e-01 - <_> - 3.6736129760742188e+01 - - 1 2 1310 1.9500000000000000e+01 0 -1 1311 - 3.5000000000000000e+00 -2 -3 1312 9.9500000000000000e+01 - - -4.2743122577667236e-01 3.4077543020248413e-01 - -5.2904611825942993e-01 6.4898627996444702e-01 - <_> - 3.7165416717529297e+01 - - 1 2 1313 57. 0 -1 1314 7.5000000000000000e+00 -2 -3 1315 - 1.4750000000000000e+02 - - -2.9288327693939209e-01 4.2928928136825562e-01 - -5.1645982265472412e-01 3.7259963154792786e-01 - <_> - 3.6963829040527344e+01 - - 1 2 1316 1.5000000000000000e+00 0 -1 1317 - 1.5000000000000000e+00 -2 -3 1318 2.5550000000000000e+02 - - -4.8823645710945129e-01 6.1563092470169067e-01 - 6.7905879020690918e-01 -2.7743032574653625e-01 - <_> - 3.6947120666503906e+01 - - 1 2 1319 1.1545000000000000e+03 0 -1 1320 2066. -2 -3 1321 - 7.7350000000000000e+02 - - -7.2975975275039673e-01 6.6057509183883667e-01 - 6.6289925575256348e-01 -1.6708238050341606e-02 - <_> - 3.6795619964599609e+01 - - 1 2 1322 63. 0 -1 1323 5.7500000000000000e+01 -2 -3 1324 - 2.8500000000000000e+01 - - -1.5150213241577148e-01 3.7273296713829041e-01 - -8.2537877559661865e-01 8.6949664354324341e-01 - <_> - 3.7259391784667969e+01 - - 1 2 1325 1.0500000000000000e+01 0 -1 1326 - 1.6500000000000000e+01 -2 -3 1327 346. - - 4.6377313137054443e-01 -7.5801903009414673e-01 - -3.5662418603897095e-01 9.6071028709411621e-01 - <_> - 3.7495296478271484e+01 - - 1 2 1328 6.0500000000000000e+01 0 -1 1329 - 1.5500000000000000e+01 -2 -3 1330 2.6850000000000000e+02 - - 5.3055459260940552e-01 -6.3604164123535156e-01 - -6.7990607023239136e-01 2.4123270809650421e-01 - <_> - 3.7374149322509766e+01 - - 1 2 1331 2.5000000000000000e+00 0 -1 1332 - 1.3500000000000000e+01 -2 -3 1333 2.5000000000000000e+00 - - -9.0581423044204712e-01 5.8284395933151245e-01 - 3.0152860283851624e-01 -3.4942194819450378e-01 - <_> - 3.7766971588134766e+01 - - 1 2 1334 5.5000000000000000e+00 0 -1 1335 23. -2 -3 1336 - 3.0250000000000000e+02 - - -9.5462155342102051e-01 1. 3.9282312989234924e-01 - -1.1600174754858017e-01 - <_> - 3.8006900787353516e+01 - - 1 2 1337 3955. 0 -1 1338 1.6500000000000000e+01 -2 -3 1339 - 3.8500000000000000e+01 - - 3.4476998448371887e-01 -5.3807318210601807e-01 - -6.4139670133590698e-01 3.3075565099716187e-01 - <_> - 3.7836151123046875e+01 - - 1 2 1340 1.4500000000000000e+01 0 -1 1341 - 4.2050000000000000e+02 -2 -3 1342 4.5000000000000000e+00 - - 6.6126942634582520e-02 -8.9179468154907227e-01 - 2.5128620862960815e-01 -4.3012529611587524e-01 - <_> - 3.7504901885986328e+01 - - 1 2 1343 3.5000000000000000e+00 0 -1 1344 - 2.1500000000000000e+01 -2 -3 1345 3.6500000000000000e+01 - - -6.9118273258209229e-01 5.3941005468368530e-01 - 4.0820264816284180e-01 -3.3124980330467224e-01 - <_> - 3.7869743347167969e+01 - - 1 2 1346 8.5000000000000000e+00 0 -1 1347 8240. -2 -3 1348 - 1.8500000000000000e+01 - - -1.8303586402907968e-03 -7.9149729013442993e-01 - 3.6484044790267944e-01 -2.6800584793090820e-01 - <_> - 3.7688228607177734e+01 - - 1 2 1349 1.2135000000000000e+03 0 -1 1350 75. -2 -3 1351 - 5.6750000000000000e+02 - - -3.7686902284622192e-01 5.8311319351196289e-01 - 7.0945566892623901e-01 -1.8151518702507019e-01 - <_> - 3.7513351440429688e+01 - - 1 2 1352 3.5000000000000000e+00 0 -1 1353 35. -2 -3 1354 - 1.1500000000000000e+01 - - -9.6617668867111206e-01 1. 4.0123063325881958e-01 - -1.7487519979476929e-01 - <_> - 3.7691390991210938e+01 - - 1 2 1355 2.3050000000000000e+02 0 -1 1356 - 1.1500000000000000e+01 -2 -3 1357 2.8500000000000000e+01 - - -5.4078394174575806e-01 1.7803618311882019e-01 - 6.0750162601470947e-01 -9.6443849802017212e-01 - <_> - 3.8156455993652344e+01 - - 1 2 1358 6.5000000000000000e+00 0 -1 1359 - 1.0500000000000000e+01 -2 -3 1360 354. - - 4.6506500244140625e-01 -3.7838381528854370e-01 - -3.8703271746635437e-01 5.6163036823272705e-01 - <_> - 3.8427524566650391e+01 - - 1 2 1361 1.2500000000000000e+01 0 -1 1362 - 4.5000000000000000e+00 -2 -3 1363 449. - - 5.1386022567749023e-01 -6.1507451534271240e-01 - 3.0157905817031860e-01 -6.5344727039337158e-01 - <_> - 3.8548820495605469e+01 - - 1 2 1364 5.0000000000000000e-01 0 -1 1365 - 1.5000000000000000e+00 -2 -3 1366 3.8950000000000000e+02 - - -3.3223056793212891e-01 5.4063457250595093e-01 - 9.0788081288337708e-02 -5.4981482028961182e-01 - <_> - 3.8257041931152344e+01 - - 1 2 1367 1.6650000000000000e+02 0 -1 1368 - 5.0000000000000000e-01 -2 -3 1369 7.6500000000000000e+01 - - 2.8060472011566162e-01 -2.9178059101104736e-01 - -7.8990536928176880e-01 9.2143142223358154e-01 - <_> - 3.8675960540771484e+01 - - 1 2 1370 1.8500000000000000e+01 0 -1 1371 - 2.3500000000000000e+01 -2 -3 1372 4.5000000000000000e+00 - - -5.0728912465274334e-03 -8.4625685214996338e-01 - 4.8941537737846375e-01 -1.3043193519115448e-01 - <_> - 3.9024429321289062e+01 - - 1 2 1373 8.5000000000000000e+00 0 -1 1374 - 8.1295000000000000e+03 -2 -3 1375 1.1250000000000000e+02 - - 1.5426757931709290e-01 -7.5539046525955200e-01 - -3.0081889033317566e-01 3.4846922755241394e-01 - <_> - 3.8698005676269531e+01 - - 1 2 1376 9.5000000000000000e+00 0 -1 1377 - 5.5000000000000000e+00 -2 -3 1378 3.4500000000000000e+01 - - -7.7566885948181152e-01 5.3590404987335205e-01 - -3.2642310857772827e-01 3.3310726284980774e-01 - <_> - 3.8178993225097656e+01 - - 1 2 1379 2.6450000000000000e+02 0 -1 1380 - 4.6255000000000000e+03 -2 -3 1381 1.5000000000000000e+00 - - -3.2790592312812805e-01 3.8349342346191406e-01 - 3.5417640209197998e-01 -5.1901257038116455e-01 - <_> - 3.8603790283203125e+01 - - 1 2 1382 7.7450000000000000e+02 0 -1 1383 - 5.4450000000000000e+02 -2 -3 1384 4.9500000000000000e+01 - - 4.2479729652404785e-01 -6.4129936695098877e-01 - -3.8530099391937256e-01 4.2106175422668457e-01 - <_> - 3.9316322326660156e+01 - - 1 2 1385 1.2285000000000000e+03 0 -1 1386 19974. -2 -3 1387 - 2.0675000000000000e+03 - - -3.2134270668029785e-01 6.0310727357864380e-01 - 7.1253037452697754e-01 -1.8411901593208313e-01 - <_> - 3.8982051849365234e+01 - - 1 2 1388 2254. 0 -1 1389 23971. -2 -3 1390 - 2.5000000000000000e+00 - - 1.3044491410255432e-02 8.1400823593139648e-01 - 3.9543354511260986e-01 -4.9717214703559875e-01 - <_> - 3.9231285095214844e+01 - - 1 2 1391 7888. 0 -1 1392 1.2500000000000000e+01 -2 -3 1393 - 6.5000000000000000e+00 - - -9.9114888906478882e-01 1. 2.4923273921012878e-01 - -3.9778175950050354e-01 - <_> - 3.9200939178466797e+01 - - 1 2 1394 8.2500000000000000e+01 0 -1 1395 - 2.5000000000000000e+00 -2 -3 1396 2.7500000000000000e+01 - - 5.9092748165130615e-01 -6.6723209619522095e-01 - 4.0493550896644592e-01 -2.8249517083168030e-01 - <_> - 3.9109848022460938e+01 - - 1 2 1397 1.0500000000000000e+01 0 -1 1398 - 3.4150000000000000e+02 -2 -3 1399 1.5000000000000000e+00 - - 1.1704797297716141e-01 -7.8680926561355591e-01 - 5.4690092802047729e-01 -9.1091230511665344e-02 - <_> - 3.9430786132812500e+01 - - 1 2 1400 7.5000000000000000e+00 0 -1 1401 - 5.6350000000000000e+02 -2 -3 1402 9.5000000000000000e+00 - - 1. -1. 5.3584295511245728e-01 -1.1434395611286163e-01 - <_> - 3.9888351440429688e+01 - - 1 2 1403 576. 0 -1 1404 2.3765000000000000e+03 -2 -3 1405 - 1.8500000000000000e+01 - - 9.3801420927047729e-01 -7.2940248250961304e-01 - -9.7766503691673279e-02 4.5756503939628601e-01 - <_> - 3.9605831146240234e+01 - - 1 2 1406 5.5000000000000000e+00 0 -1 1407 - 6.5000000000000000e+00 -2 -3 1408 1.7500000000000000e+01 - - -9.3598860502243042e-01 6.3315272331237793e-01 - 1.0997077822685242e-01 -4.5688989758491516e-01 - <_> - 4.0259593963623047e+01 - - 1 2 1409 1.2785000000000000e+03 0 -1 1410 - 5.0000000000000000e-01 -2 -3 1411 1.0150000000000000e+02 - - 2.8614109754562378e-01 -3.0422577261924744e-01 - -5.3765338659286499e-01 7.5021845102310181e-01 - <_> - 4.0646686553955078e+01 - - 1 2 1412 9.3750000000000000e+02 0 -1 1413 - 2.5500000000000000e+01 -2 -3 1414 6.4650000000000000e+02 - - -1.8467088043689728e-01 3.8709565997123718e-01 -1. 1. - <_> - 4.0781440734863281e+01 - - 1 2 1415 5.0000000000000000e-01 0 -1 1416 62. -2 -3 1417 - 5.3500000000000000e+01 - - 6.4194250106811523e-01 -6.9881826639175415e-01 - -3.3652466535568237e-01 2.9932817816734314e-01 - <_> - 4.0840915679931641e+01 - - 1 2 1418 2.5000000000000000e+00 0 -1 1419 13192. -2 -3 1420 - 2.4950000000000000e+02 - - -9.9075198173522949e-01 8.7482362985610962e-01 - 2.9631823301315308e-01 -2.0155780017375946e-01 - <_> - 4.1011356353759766e+01 - - 1 2 1421 4.8150000000000000e+02 0 -1 1422 - 1.0450000000000000e+02 -2 -3 1423 8.5000000000000000e+00 - - -2.5319704785943031e-02 -7.4390411376953125e-01 - -8.1089955568313599e-01 7.6437503099441528e-01 - <_> - 4.0876789093017578e+01 - - 1 2 1424 5.5000000000000000e+00 0 -1 1425 - 2.5000000000000000e+00 -2 -3 1426 1.5000000000000000e+00 - - 1. -9.8024749755859375e-01 3.7663710117340088e-01 - -1.3456873595714569e-01 - <_> - 4.0677371978759766e+01 - - 1 2 1427 2.1500000000000000e+01 0 -1 1428 - 1.1125000000000000e+03 -2 -3 1429 2.3500000000000000e+01 - - 4.5568805187940598e-02 -8.6155319213867188e-01 - 3.0837088823318481e-01 -1.9941620528697968e-01 - <_> - 4.0941162109375000e+01 - - 1 2 1430 9.4500000000000000e+01 0 -1 1431 447. -2 -3 1432 - 8.9500000000000000e+01 - - 2.0531620085239410e-01 -6.4759564399719238e-01 - 2.6378956437110901e-01 -6.0503029823303223e-01 - <_> - 4.0695613861083984e+01 - - 1 2 1433 8.1450000000000000e+02 0 -1 1434 - 9.9250000000000000e+02 -2 -3 1435 2.1450000000000000e+02 - - -6.1355805397033691e-01 3.9234723895788193e-02 - 4.3808567523956299e-01 -7.3097014427185059e-01 - <_> - 4.1197418212890625e+01 - - 1 2 1436 1.8769500000000000e+04 0 -1 1437 1329. -2 -3 1438 - 5.4500000000000000e+01 - - 5.0180602073669434e-01 -3.4298053383827209e-01 - 6.9242316484451294e-01 -3.7215092778205872e-01 - <_> - 4.1157611846923828e+01 - - 1 2 1439 3.1500000000000000e+01 0 -1 1440 - 1.8500000000000000e+01 -2 -3 1441 1.5000000000000000e+00 - - 6.7518281936645508e-01 -7.6596146821975708e-01 - 5.7309043407440186e-01 -3.9805334061384201e-02 - <_> - 4.0718166351318359e+01 - - 1 2 1442 9.3500000000000000e+01 0 -1 1443 - 8.5000000000000000e+00 -2 -3 1444 1.6950000000000000e+02 - - 7.0507103204727173e-01 -4.3868264555931091e-01 - 4.2583593726158142e-01 -4.3944749236106873e-01 - <_> - 4.1168849945068359e+01 - - 1 2 1445 1.5000000000000000e+00 0 -1 1446 - 1.5500000000000000e+01 -2 -3 1447 5.0000000000000000e-01 - - -5.8355963230133057e-01 8.2266020774841309e-01 - 4.5068329572677612e-01 -1.3382685184478760e-01 - <_> - 4.1473163604736328e+01 - - 1 2 1448 5.6500000000000000e+01 0 -1 1449 - 3.3500000000000000e+01 -2 -3 1450 2.1550000000000000e+02 - - 2.5085982680320740e-01 -3.7931889295578003e-01 - 6.7997491359710693e-01 -1. - <_> - 4.1634220123291016e+01 - - 1 2 1451 5.4500000000000000e+01 0 -1 1452 - 9.5000000000000000e+00 -2 -3 1453 1.7250000000000000e+02 - - -7.9712128639221191e-01 8.5313194990158081e-01 - 1.6105654835700989e-01 -9.5611929893493652e-01 - <_> - 4.1978507995605469e+01 - - 1 2 1454 1.1615000000000000e+03 0 -1 1455 - 2.0525000000000000e+03 -2 -3 1456 5.8650000000000000e+02 - - -7.1788591146469116e-01 4.8950648307800293e-01 - 4.8551353812217712e-01 -1.9422738254070282e-01 - <_> - 4.2004768371582031e+01 - - 1 2 1457 4.6500000000000000e+01 0 -1 1458 - 3.5000000000000000e+00 -2 -3 1459 7.0350000000000000e+02 - - 3.9823031425476074e-01 -6.6477078199386597e-01 - -1.1496587097644806e-01 4.9930962920188904e-01 - <_> - 4.1885951995849609e+01 - - 1 2 1460 4.4500000000000000e+01 0 -1 1461 - 3.5000000000000000e+00 -2 -3 1462 4. - - 4.4042432308197021e-01 -1.1881566792726517e-01 - 8.4207451343536377e-01 -8.6268407106399536e-01 - <_> - 4.2072120666503906e+01 - - 1 2 1463 2.0500000000000000e+01 0 -1 1464 10. -2 -3 1465 - 5.5000000000000000e+00 - - -9.8040562868118286e-01 1. 3.3258756995201111e-01 - -1.7096966505050659e-01 - <_> - 4.2217323303222656e+01 - - 1 2 1466 1.3500000000000000e+01 0 -1 1467 47. -2 -3 1468 - 1.3325000000000000e+03 - - -6.6619759798049927e-01 5.1798510551452637e-01 - -1.2162621133029461e-03 7.3543995618820190e-01 - <_> - 4.2318325042724609e+01 - - 1 2 1469 4.5000000000000000e+00 0 -1 1470 - 1.9500000000000000e+01 -2 -3 1471 1.5585000000000000e+03 - - -9.6737003326416016e-01 6.0924607515335083e-01 - 5.8938968181610107e-01 -2.8636392951011658e-01 - <_> - 4.2444244384765625e+01 - - 1 2 1472 2.7500000000000000e+01 0 -1 1473 - 1.8247500000000000e+04 -2 -3 1474 6.5605000000000000e+03 - - -1.1921727657318115e-01 4.3995112180709839e-01 - -7.6667350530624390e-01 4.6777427196502686e-01 - <_> - 4.2317867279052734e+01 - - 1 2 1475 4.5000000000000000e+00 0 -1 1476 15. -2 -3 1477 - 3.2500000000000000e+01 - - -9.6039277315139771e-01 1. 3.9408209919929504e-01 - -1.2637579441070557e-01 - <_> - 4.2575748443603516e+01 - - 1 2 1478 367. 0 -1 1479 2578. -2 -3 1480 - 2.0050000000000000e+02 - - 5.2356463670730591e-01 -6.4678192138671875e-01 - 3.1403809785842896e-01 -3.7955451011657715e-01 - <_> - 4.2238155364990234e+01 - - 1 2 1481 5.4500000000000000e+01 0 -1 1482 - 1.8450000000000000e+02 -2 -3 1483 5.6550000000000000e+02 - - -7.5117689371109009e-01 3.9905190467834473e-01 - 1.0141634941101074e-01 -6.3857173919677734e-01 - <_> - 4.2032226562500000e+01 - - 1 2 1484 3.5500000000000000e+01 0 -1 1485 - 1.1500000000000000e+01 -2 -3 1486 4.2500000000000000e+01 - - -6.1570602655410767e-01 3.6179527640342712e-01 - 4.0053242444992065e-01 -2.0592956244945526e-01 - <_> - 4.2406646728515625e+01 - - 1 2 1487 3.6150000000000000e+02 0 -1 1488 - 7.6500000000000000e+01 -2 -3 1489 2.5000000000000000e+00 - - 2.1660387516021729e-01 -3.7647891044616699e-01 - 6.7929941415786743e-01 -8.0690664052963257e-01 - <_> - 4.2598564147949219e+01 - - 1 2 1490 3.2350000000000000e+02 0 -1 1491 - 9.5000000000000000e+00 -2 -3 1492 1.0350000000000000e+02 - - 2.8338834643363953e-01 -2.8749933838844299e-01 - -4.2244365811347961e-01 8.4098398685455322e-01 - <_> - 4.2448162078857422e+01 - - 1 2 1493 6.8500000000000000e+01 0 -1 1494 - 1.9500000000000000e+01 -2 -3 1495 2.8500000000000000e+01 - - 4.4642934203147888e-01 -8.8521170616149902e-01 - 3.8606628775596619e-01 -1.5039834380149841e-01 - <_> - 4.2684196472167969e+01 - - 1 2 1496 1.1350000000000000e+02 0 -1 1497 - 1.2195000000000000e+03 -2 -3 1498 465. - - -3.4444883465766907e-01 2.3603120446205139e-01 - 7.6531344652175903e-01 -3.9807590842247009e-01 - <_> - 4.2983776092529297e+01 - - 1 2 1499 1.5725000000000000e+03 0 -1 1500 - 7.6500000000000000e+01 -2 -3 1501 5.5000000000000000e+00 - - -3.2652869820594788e-01 2.9957908391952515e-01 - 3.3552268147468567e-01 -7.9458123445510864e-01 - <_> - 4.3334823608398438e+01 - - 1 2 1502 2.2500000000000000e+01 0 -1 1503 - 1.5000000000000000e+00 -2 -3 1504 9.5000000000000000e+00 - - -5.7209235429763794e-01 3.5104992985725403e-01 - 3.1476601958274841e-02 -5.8574450016021729e-01 - <_> - 4.3509834289550781e+01 - - 1 2 1505 51199. 0 -1 1506 5.5950000000000000e+02 -2 -3 1507 - 9.3125000000000000e+03 - - 3.0665323138237000e-01 -1.8138632178306580e-01 - -9.8618561029434204e-01 1. - <_> - 4.3432380676269531e+01 - - 1 2 1508 2.3365000000000000e+03 0 -1 1509 1614. -2 -3 1510 - 2.9285000000000000e+03 - - -6.6426819562911987e-01 5.2347922325134277e-01 - 6.3229858875274658e-01 -7.7455088496208191e-02 - <_> - 4.3682022094726562e+01 - - 1 2 1511 1.4850000000000000e+02 0 -1 1512 - 3.4500000000000000e+01 -2 -3 1513 4351. - - -4.1966313123703003e-01 2.4964161217212677e-01 - -9.2960160970687866e-01 -1.1052240431308746e-01 - <_> - 4.3838462829589844e+01 - - 1 2 1514 1.5000000000000000e+00 0 -1 1515 - 5.6150000000000000e+02 -2 -3 1516 2.5215000000000000e+03 - - -7.1278488636016846e-01 4.3191543221473694e-01 - -4.5729264616966248e-01 2.2259603440761566e-01 - <_> - 4.3913276672363281e+01 - - 1 2 1517 452. 0 -1 1518 1.5850000000000000e+02 -2 -3 1519 - 3.6500000000000000e+01 - - 2.7823349833488464e-01 -4.4655042886734009e-01 - -7.6742780208587646e-01 1.3798709213733673e-01 - <_> - 4.3755275726318359e+01 - - 1 2 1520 1.2150000000000000e+02 0 -1 1521 - 6.1500000000000000e+01 -2 -3 1522 2.4150000000000000e+02 - - 5.8016028255224228e-02 -5.8355945348739624e-01 - -6.6341340541839600e-01 4.4974878430366516e-01 - <_> - 4.3783382415771484e+01 - - 1 2 1523 1.0750000000000000e+02 0 -1 1524 - 4.5000000000000000e+00 -2 -3 1525 1080. - - 1.8615058064460754e-01 -4.8687478899955750e-01 - 4.3972969055175781e-01 -9.3779921531677246e-01 - <_> - 4.3861518859863281e+01 - - 1 2 1526 8.6500000000000000e+01 0 -1 1527 - 1.5000000000000000e+00 -2 -3 1528 1.1050000000000000e+02 - - 4.7667163610458374e-01 -4.0568494796752930e-01 - -6.4215010404586792e-01 2.9706746339797974e-02 - <_> - 4.4278926849365234e+01 - - 1 2 1529 1.7500000000000000e+01 0 -1 1530 - 1.4500000000000000e+01 -2 -3 1531 7.5500000000000000e+01 - - -6.9139021635055542e-01 6.4281481504440308e-01 - 1.8875285983085632e-02 8.0112278461456299e-01 - <_> - 4.4180038452148438e+01 - - 1 2 1532 1.3500000000000000e+01 0 -1 1533 - 3.7500000000000000e+01 -2 -3 1534 5.5000000000000000e+00 - - -5.8149468898773193e-01 3.6302325129508972e-01 - 2.1482136845588684e-01 -4.8260265588760376e-01 - <_> - 4.4126861572265625e+01 - - 1 2 1535 1.1500000000000000e+01 0 -1 1536 - 4.1450000000000000e+02 -2 -3 1537 448. - - 6.4174473285675049e-01 -5.1509088277816772e-01 - 3.2752755284309387e-01 -4.6536535024642944e-01 - <_> - 4.4402042388916016e+01 - - 1 2 1538 2.3500000000000000e+01 0 -1 1539 - 1.5000000000000000e+00 -2 -3 1540 1.2750000000000000e+02 - - 4.6208882704377174e-03 -7.9509699344635010e-01 - 2.7518290281295776e-01 -5.4167103767395020e-01 - <_> - 4.4075366973876953e+01 - - 1 2 1541 5.0000000000000000e-01 0 -1 1542 - 1.1500000000000000e+01 -2 -3 1543 1.1150000000000000e+02 - - -6.2465864419937134e-01 6.2209093570709229e-01 - -4.6270170807838440e-01 1.2467093765735626e-01 - <_> - 4.4579692840576172e+01 - - 1 2 1544 1.8500000000000000e+01 0 -1 1545 - 6.9500000000000000e+01 -2 -3 1546 4.0500000000000000e+01 - - 5.0432658195495605e-01 -1.5816394984722137e-01 - -6.3987523317337036e-01 1.9685916602611542e-01 - <_> - 4.4788379669189453e+01 - - 1 2 1547 1.2850000000000000e+02 0 -1 1548 - 1.3644850000000000e+05 -2 -3 1549 4.5000000000000000e+00 - - -1.3887935876846313e-01 -8.6476135253906250e-01 - 5.3407603502273560e-01 -1.0505830496549606e-01 - <_> - 4.4465953826904297e+01 - - 1 2 1550 1.0077500000000000e+04 0 -1 1551 - 1.9500000000000000e+01 -2 -3 1552 2.8365000000000000e+03 - - 1.8253329396247864e-01 -5.4899621009826660e-01 - 7.3290371894836426e-01 -1.2869638204574585e-01 - <_> - 4.4705356597900391e+01 - - 1 2 1553 7.0500000000000000e+01 0 -1 1554 - 2.6950000000000000e+02 -2 -3 1555 1.0050000000000000e+02 - - 1.6822533309459686e-01 -6.7410588264465332e-01 - 2.3940414190292358e-01 -7.4502784013748169e-01 - <_> - 4.4884269714355469e+01 - - 1 2 1556 1680. 0 -1 1557 7.5000000000000000e+00 -2 -3 1558 - 3.5850000000000000e+02 - - 2.8662183880805969e-01 -9.1832697391510010e-01 - 1.7891472578048706e-01 -5.9693121910095215e-01 - <_> - 4.4728557586669922e+01 - - 1 2 1559 1.7555000000000000e+03 0 -1 1560 19. -2 -3 1561 - 2332. - - -5.2603626251220703e-01 7.1634864807128906e-01 - -6.1052620410919189e-01 -4.9342345446348190e-03 - <_> - 4.4819171905517578e+01 - - 1 2 1562 1.3750000000000000e+02 0 -1 1563 - 1.5750000000000000e+02 -2 -3 1564 1.3050000000000000e+02 - - -6.0166075825691223e-02 5.8633291721343994e-01 - -8.1866687536239624e-01 1. - <_> - 4.4643035888671875e+01 - - 1 2 1565 6.3500000000000000e+01 0 -1 1566 - 1.9500000000000000e+01 -2 -3 1567 552. - - -7.2267347574234009e-01 2.3417486250400543e-01 - 4.9026021361351013e-01 -6.2466406822204590e-01 - <_> - 4.4639259338378906e+01 - - 1 2 1568 3.5000000000000000e+00 0 -1 1569 - 2.4500000000000000e+01 -2 -3 1570 8.2150000000000000e+02 - - -3.5061278939247131e-01 4.3918311595916748e-01 - 4.6116840094327927e-02 -6.6601943969726562e-01 - <_> - 4.4594688415527344e+01 - - 1 2 1571 1.3500000000000000e+01 0 -1 1572 - 8.5000000000000000e+00 -2 -3 1573 2.1500000000000000e+01 - - -2.5554552674293518e-02 -8.3599025011062622e-01 - 6.3880258798599243e-01 -4.4572211802005768e-02 - <_> - 4.4976432800292969e+01 - - 1 2 1574 9.0350000000000000e+02 0 -1 1575 - 2.0500000000000000e+01 -2 -3 1576 1.2615000000000000e+03 - - 3.8174423575401306e-01 -2.4711053073406219e-01 - -7.3085212707519531e-01 1.3097274303436279e-01 - <_> - 4.5154560089111328e+01 - - 1 2 1577 3.2500000000000000e+01 0 -1 1578 41. -2 -3 1579 - 1153. - - 1.3735578954219818e-01 -9.0119731426239014e-01 - -8.0212074518203735e-01 1.7812842130661011e-01 - <_> - 4.5438049316406250e+01 - - 1 2 1580 3.4500000000000000e+01 0 -1 1581 - 1.4500000000000000e+01 -2 -3 1582 1.8650000000000000e+02 - - 7.1418809890747070e-01 -4.1756910085678101e-01 - 3.2309561967849731e-01 -6.6359835863113403e-01 - <_> - 4.5376655578613281e+01 - - 1 2 1583 5.7500000000000000e+01 0 -1 1584 - 3.4835000000000000e+03 -2 -3 1585 1.6677500000000000e+04 - - 9.3545570969581604e-02 -6.6382712125778198e-01 - -6.0366630554199219e-01 3.5915172100067139e-01 - <_> - 4.5476417541503906e+01 - - 1 2 1586 1.2235000000000000e+03 0 -1 1587 - 5.0000000000000000e-01 -2 -3 1588 2.0550000000000000e+02 - - 9.9763244390487671e-02 -5.6198817491531372e-01 - 5.3732144832611084e-01 -2.9778870940208435e-01 - <_> - 4.5174198150634766e+01 - - 1 2 1589 2.5750000000000000e+02 0 -1 1590 - 3.4500000000000000e+01 -2 -3 1591 4.5000000000000000e+00 - - -5.3968584537506104e-01 9.1056388616561890e-01 - 2.8303310275077820e-01 -3.0222162604331970e-01 - <_> - 4.5571937561035156e+01 - - 1 2 1592 3.5500000000000000e+01 0 -1 1593 - 2.5000000000000000e+00 -2 -3 1594 9.5000000000000000e+00 - - 8.1757766008377075e-01 -9.3560528755187988e-01 - 4.8287272453308105e-01 -1.0781970620155334e-01 - <_> - 4.5820465087890625e+01 - - 1 2 1595 2.6500000000000000e+01 0 -1 1596 - 9.5000000000000000e+00 -2 -3 1597 64. - - 1.6339369118213654e-01 -4.8592147231101990e-01 - -8.0971640348434448e-01 4.2723599076271057e-01 - <_> - 4.5875530242919922e+01 - - 1 2 1598 4.8150000000000000e+02 0 -1 1599 - 1.9285000000000000e+03 -2 -3 1600 1.1625000000000000e+03 - - -7.9999005794525146e-01 1.8668703734874725e-01 - 6.2736529111862183e-01 -1.2364284694194794e-01 - <_> - 4.6327709197998047e+01 - - 1 2 1601 8.9450000000000000e+02 0 -1 1602 - 1.5000000000000000e+00 -2 -3 1603 6634. - - 1.7092481255531311e-02 -6.5232801437377930e-01 - 5.6317013502120972e-01 -4.4582167267799377e-01 - <_> - 4.6148258209228516e+01 - - 1 2 1604 43039. 0 -1 1605 1.5500000000000000e+01 -2 -3 1606 - 3.8225000000000000e+03 - - -1. 4.9083131551742554e-01 -3.1666326522827148e-01 - 6.4053624868392944e-01 - <_> - 4.6105995178222656e+01 - - 1 2 1607 3.5000000000000000e+00 0 -1 1608 21. -2 -3 1609 - 2.6500000000000000e+01 - - -9.7276186943054199e-01 1. 3.7125155329704285e-01 - -1.5020866692066193e-01 - <_> - 4.6445560455322266e+01 - - 1 2 1610 1.4450000000000000e+02 0 -1 1611 - 1.0500000000000000e+01 -2 -3 1612 6.4500000000000000e+01 - - 5.7516593486070633e-02 -5.1498800516128540e-01 - 8.0552762746810913e-01 -1. - <_> - 4.6819828033447266e+01 - - 1 2 1613 8.8500000000000000e+01 0 -1 1614 - 5.0000000000000000e-01 -2 -3 1615 3.1500000000000000e+01 - - 2.4280284345149994e-01 -5.9024065732955933e-01 - 4.4487208127975464e-01 -1.7842440307140350e-01 - <_> - 4.6427459716796875e+01 - - 1 2 1616 3.1500000000000000e+01 0 -1 1617 - 3.6500000000000000e+01 -2 -3 1618 1.1135000000000000e+03 - - -3.8508945703506470e-01 5.4531073570251465e-01 - -3.9237090945243835e-01 5.3639191389083862e-01 - <_> - 4.6388378143310547e+01 - - 1 2 1619 1.3495000000000000e+03 0 -1 1620 - 1.2865000000000000e+03 -2 -3 1621 1.5000000000000000e+00 - - -3.9079591631889343e-02 7.2226065397262573e-01 - 1.6772003471851349e-01 -8.0866611003875732e-01 - <_> - 4.6664485931396484e+01 - - 1 2 1622 5.7650000000000000e+02 0 -1 1623 38772. -2 -3 1624 - 3.5000000000000000e+00 - - -6.7578887939453125e-01 4.5766559243202209e-01 - 3.2720005512237549e-01 -3.8240414857864380e-01 - <_> - 4.6878482818603516e+01 - - 1 2 1625 1.6500000000000000e+01 0 -1 1626 - 3.1050000000000000e+02 -2 -3 1627 1.9500000000000000e+01 - - 3.3941693603992462e-02 -8.9211910963058472e-01 - -7.0304632186889648e-01 2.1399846673011780e-01 - <_> - 4.6925651550292969e+01 - - 1 2 1628 1.0285000000000000e+03 0 -1 1629 - 2.7950000000000000e+02 -2 -3 1630 9.5000000000000000e+00 - - 4.1127714514732361e-01 -1.3439148664474487e-01 - -7.5179332494735718e-01 3.4586694836616516e-01 - <_> - 4.7010379791259766e+01 - - 1 2 1631 2.4500000000000000e+01 0 -1 1632 - 1.1265000000000000e+03 -2 -3 1633 5.5000000000000000e+00 - - -5.5471497774124146e-01 8.4728397428989410e-02 - -6.6250604391098022e-01 5.0282490253448486e-01 - <_> - 4.7003398895263672e+01 - - 1 2 1634 5.5000000000000000e+00 0 -1 1635 - 1.3500000000000000e+01 -2 -3 1636 5.3500000000000000e+01 - - -6.1465358734130859e-01 5.2310514450073242e-01 - -6.9816145114600658e-03 -6.2556844949722290e-01 - <_> - 4.7450687408447266e+01 - - 1 2 1637 8.5000000000000000e+00 0 -1 1638 - 1.9500000000000000e+01 -2 -3 1639 7.3500000000000000e+01 - - 1.8994300067424774e-01 -5.1936614513397217e-01 - -5.1978632807731628e-02 5.4172980785369873e-01 - <_> - 4.7289505004882812e+01 - - 1 2 1640 4.5000000000000000e+00 0 -1 1641 - 5.0000000000000000e-01 -2 -3 1642 7.9500000000000000e+01 - - -9.3673211336135864e-01 4.2628908157348633e-01 - -6.1518812179565430e-01 3.8786195218563080e-02 - <_> - 4.7609291076660156e+01 - - 1 2 1643 9.0500000000000000e+01 0 -1 1644 - 1.7500000000000000e+01 -2 -3 1645 5.5500000000000000e+01 - - 2.5377960875630379e-02 8.4010601043701172e-01 - -5.5201697349548340e-01 9.3266852200031281e-02 - <_> - 4.6873203277587891e+01 - - 1 2 1646 181. 0 -1 1647 3.2500000000000000e+01 -2 -3 1648 - 1.5500000000000000e+01 - - -2.4539522826671600e-01 3.0167981982231140e-01 - -7.8757899999618530e-01 1. - <_> - 4.7333202362060547e+01 - - 1 2 1649 3.5000000000000000e+00 0 -1 1650 - 3.6450000000000000e+02 -2 -3 1651 131. - - 4.5999684929847717e-01 -8.5532951354980469e-01 - -7.6767379045486450e-01 -4.0166407823562622e-02 - <_> - 4.7809810638427734e+01 - - 1 2 1652 2.3415000000000000e+03 0 -1 1653 - 5.5550000000000000e+02 -2 -3 1654 7.8650000000000000e+02 - - 1.0606591403484344e-01 -7.2960245609283447e-01 - 4.7661080956459045e-01 -1.5633082389831543e-01 - <_> - 4.8187953948974609e+01 - - 1 2 1655 5.0500000000000000e+01 0 -1 1656 - 2.7500000000000000e+01 -2 -3 1657 4.6500000000000000e+01 - - -3.6588409543037415e-01 2.0847728848457336e-01 - 5.3038245439529419e-01 -9.1906154155731201e-01 - <_> - 4.8385017395019531e+01 - - 1 2 1658 2.5000000000000000e+00 0 -1 1659 - 5.0000000000000000e-01 -2 -3 1660 5.0000000000000000e-01 - - -8.3917874097824097e-01 3.5120227932929993e-01 - 4.4822514057159424e-02 -5.4643929004669189e-01 - <_> - 4.7983116149902344e+01 - - 1 2 1661 1.7500000000000000e+01 0 -1 1662 46. -2 -3 1663 - 4.8500000000000000e+01 - - -8.7424659729003906e-01 4.0549939870834351e-01 - -4.3008446693420410e-01 3.0111113190650940e-01 - <_> - 4.7767936706542969e+01 - - 1 2 1664 3.7250000000000000e+02 0 -1 1665 - 1.9500000000000000e+01 -2 -3 1666 1.7500000000000000e+01 - - -2.1517898142337799e-01 3.3102101087570190e-01 - -7.5989711284637451e-01 2.0524039864540100e-01 - <_> - 4.7636989593505859e+01 - - 1 2 1667 5.0000000000000000e-01 0 -1 1668 - 3.5000000000000000e+00 -2 -3 1669 2.2050000000000000e+02 - - -5.5064278841018677e-01 4.6156671643257141e-01 - -3.4933045506477356e-01 3.1964045763015747e-01 - <_> - 4.8035350799560547e+01 - - 1 2 1670 5.5000000000000000e+00 0 -1 1671 - 1.6500000000000000e+01 -2 -3 1672 1.5000000000000000e+00 - - 5.4588496685028076e-01 -5.2224334329366684e-02 1. - -9.5129132270812988e-01 - <_> - 4.8075088500976562e+01 - - 1 2 1673 5.8500000000000000e+01 0 -1 1674 - 1.7500000000000000e+01 -2 -3 1675 60. - - 3.9737168699502945e-02 -4.9285057187080383e-01 - 5.5449837446212769e-01 -5.8396834135055542e-01 - <_> - 4.8273761749267578e+01 - - 1 2 1676 5.5000000000000000e+00 0 -1 1677 - 2.4500000000000000e+01 -2 -3 1678 5.5450000000000000e+02 - - 1.7725417017936707e-01 -8.1391674280166626e-01 - -5.4412531852722168e-01 2.6674869656562805e-01 - <_> - 4.8013420104980469e+01 - - 1 2 1679 8.5000000000000000e+00 0 -1 1680 1955. -2 -3 1681 - 96. - - 1.7242313921451569e-01 -9.2252993583679199e-01 - 1.7602242529392242e-01 -6.7200791835784912e-01 - <_> - 4.8326412200927734e+01 - - 1 2 1682 3.0104500000000000e+04 0 -1 1683 - 2.8050000000000000e+02 -2 -3 1684 2.7154500000000000e+04 - - 3.1299278140068054e-01 -1.8952211737632751e-01 - -9.5317900180816650e-01 1. - <_> - 4.8304637908935547e+01 - - 1 2 1685 5.4500000000000000e+01 0 -1 1686 - 4.4650000000000000e+02 -2 -3 1687 3.5000000000000000e+00 - - 2.1255780756473541e-01 -8.1515192985534668e-01 - 6.9879400730133057e-01 -2.3700682446360588e-02 - <_> - 4.8183525085449219e+01 - - 1 2 1688 2.5000000000000000e+00 0 -1 1689 128. -2 -3 1690 - 3.5450000000000000e+02 - - -8.0286073684692383e-01 8.9803677797317505e-01 - 3.0971682071685791e-01 -2.6458665728569031e-01 - <_> - 4.8420330047607422e+01 - - 1 2 1691 4.5000000000000000e+00 0 -1 1692 1348. -2 -3 1693 - 1.6500000000000000e+01 - - 2.1627983450889587e-01 -9.3673717975616455e-01 - 2.7623519301414490e-01 -2.4342669546604156e-01 - <_> - 4.8284450531005859e+01 - - 1 2 1694 5.0350000000000000e+02 0 -1 1695 - 5.1950000000000000e+02 -2 -3 1696 7.8350000000000000e+02 - - -3.7904888391494751e-01 9.6044069528579712e-01 - 7.1280044317245483e-01 -2.8820293024182320e-02 - <_> - 4.8518047332763672e+01 - - 1 2 1697 7.3500000000000000e+01 0 -1 1698 - 1.0750000000000000e+02 -2 -3 1699 1.0508500000000000e+04 - - 2.3359699547290802e-01 -3.2509902119636536e-01 - -5.7240724563598633e-01 6.9403934478759766e-01 - <_> - 4.8881092071533203e+01 - - 1 2 1700 1.9500000000000000e+01 0 -1 1701 - 2.5000000000000000e+00 -2 -3 1702 5.7450000000000000e+02 - - 7.0620238780975342e-02 -6.4059627056121826e-01 - -5.6051510572433472e-01 3.6304420232772827e-01 - <_> - 4.8674976348876953e+01 - - 1 2 1703 1.6500000000000000e+01 0 -1 1704 2698. -2 -3 1705 - 1.8500000000000000e+01 - - -9.4122928380966187e-01 1. 3.0906781554222107e-01 - -2.2473946213722229e-01 - <_> - 4.8650527954101562e+01 - - 1 2 1706 285. 0 -1 1707 2.5000000000000000e+00 -2 -3 1708 - 2.9500000000000000e+01 - - -6.1351448297500610e-01 6.1334443092346191e-01 - -5.3962910175323486e-01 9.5953509211540222e-02 - <_> - 4.8581436157226562e+01 - - 1 2 1709 1.5000000000000000e+00 0 -1 1710 - 7.2500000000000000e+01 -2 -3 1711 2.5000000000000000e+00 - - -1.5018194913864136e-01 5.4274356365203857e-01 - 3.2649326324462891e-01 -4.6085461974143982e-01 - <_> - 4.8824050903320312e+01 - - 1 2 1712 7.5000000000000000e+00 0 -1 1713 - 1.3500000000000000e+01 -2 -3 1714 1.4750000000000000e+02 - - -9.4072926044464111e-01 4.9135723710060120e-01 - -3.6922344565391541e-01 2.8209823369979858e-01 - <_> - 4.9051761627197266e+01 - - 1 2 1715 1.2945000000000000e+03 0 -1 1716 - 2.5000000000000000e+00 -2 -3 1717 12557. - - 2.2771342098712921e-01 -3.0103012919425964e-01 - 8.6664509773254395e-01 -6.4184981584548950e-01 - <_> - 4.9400878906250000e+01 - - 1 2 1718 3.7500000000000000e+01 0 -1 1719 - 1.5000000000000000e+00 -2 -3 1720 1.7395000000000000e+03 - - 5.5372547358274460e-02 -6.4846998453140259e-01 - -5.1582384109497070e-01 3.7294328212738037e-01 - <_> - 4.9400951385498047e+01 - - 1 2 1721 1.9500000000000000e+01 0 -1 1722 - 2.7500000000000000e+01 -2 -3 1723 1.5500000000000000e+01 - - -1.0849715210497379e-02 -6.8436485528945923e-01 - -2.9969093203544617e-01 8.8249796628952026e-01 - <_> - 4.9150127410888672e+01 - - 1 2 1724 6695. 0 -1 1725 4.1995000000000000e+03 -2 -3 1726 - 3060. - - 6.0968101024627686e-01 -1.8973879516124725e-01 - 6.7397463321685791e-01 -2.9114890098571777e-01 - <_> - 4.9635650634765625e+01 - - 1 2 1727 1.2185000000000000e+03 0 -1 1728 - 6.7250000000000000e+02 -2 -3 1729 4.4500000000000000e+01 - - -3.2244133949279785e-01 8.5333442687988281e-01 - -6.7660027742385864e-01 4.8552277684211731e-01 - <_> - 4.9185047149658203e+01 - - 1 2 1730 4.6500000000000000e+01 0 -1 1731 - 1.7535000000000000e+03 -2 -3 1732 8.8500000000000000e+01 - - 1.1635149270296097e-01 -4.5060265064239502e-01 - -8.2891207933425903e-01 8.0917561054229736e-01 - <_> - 4.9572048187255859e+01 - - 1 2 1733 3.5000000000000000e+00 0 -1 1734 - 1.2500000000000000e+01 -2 -3 1735 4.4115000000000000e+03 - - -7.0214819908142090e-01 3.8700041174888611e-01 - -4.7868278622627258e-01 1.9085995852947235e-01 - <_> - 4.9520980834960938e+01 - - 1 2 1736 6.4500000000000000e+01 0 -1 1737 - 1.0850000000000000e+02 -2 -3 1738 9.5775000000000000e+03 - - -5.1066368818283081e-02 6.1802017688751221e-01 - -8.5373187065124512e-01 7.1274143457412720e-01 - <_> - 4.9744472503662109e+01 - - 1 2 1739 2.5000000000000000e+00 0 -1 1740 - 1.8500000000000000e+01 -2 -3 1741 8.5000000000000000e+00 - - -8.1709325313568115e-01 4.6844825148582458e-01 - 2.2349253296852112e-01 -4.7425210475921631e-01 - <_> - 5.0045192718505859e+01 - - 1 2 1742 1.2500000000000000e+01 0 -1 1743 - 7.5000000000000000e+00 -2 -3 1744 4.5000000000000000e+00 - - 4.9264114350080490e-02 -5.9978258609771729e-01 - 3.0072054266929626e-01 -7.8326350450515747e-01 - <_> - 5.0417678833007812e+01 - - 1 2 1745 4.1500000000000000e+01 0 -1 1746 - 3.5000000000000000e+00 -2 -3 1747 614. - - 4.2858477681875229e-02 -6.5439593791961670e-01 - 3.7248274683952332e-01 -6.0121566057205200e-01 - <_> - 5.0184413909912109e+01 - - 1 2 1748 1.8500000000000000e+01 0 -1 1749 - 1.9500000000000000e+01 -2 -3 1750 4.2335000000000000e+03 - - -3.9789116382598877e-01 3.3808970451354980e-01 - -6.7741900682449341e-01 -6.1766817234456539e-03 - <_> - 5.0395923614501953e+01 - - 1 2 1751 7.8500000000000000e+01 0 -1 1752 621. -2 -3 1753 - 1.1150000000000000e+02 - - -5.8525377511978149e-01 4.6244528889656067e-01 - -6.4186108112335205e-01 -1.5577160753309727e-02 - <_> - 5.0368152618408203e+01 - - 1 2 1754 7.4500000000000000e+01 0 -1 1755 - 8.0500000000000000e+01 -2 -3 1756 5.5000000000000000e+00 - - 2.7840653061866760e-01 -5.0665259361267090e-01 - 2.8003776073455811e-01 -6.6763132810592651e-01 - <_> - 5.0609447479248047e+01 - - 1 2 1757 4.5000000000000000e+00 0 -1 1758 - 5.0000000000000000e-01 -2 -3 1759 1.0050000000000000e+02 - - 1.4921510219573975e-01 -6.7458331584930420e-01 - 2.4129594862461090e-01 -7.1370732784271240e-01 - <_> - 5.0734519958496094e+01 - - 1 2 1760 8.1450000000000000e+02 0 -1 1761 - 3.1750000000000000e+02 -2 -3 1762 4.1450000000000000e+02 - - -3.4531843662261963e-01 5.5791461467742920e-01 - 5.3364270925521851e-01 -3.7804716825485229e-01 - <_> - 5.0482379913330078e+01 - - 1 2 1763 1.5500000000000000e+01 0 -1 1764 - 6.5000000000000000e+00 -2 -3 1765 2.7500000000000000e+01 - - -7.7612209320068359e-01 2.8200766444206238e-01 - -6.6070902347564697e-01 5.4497551918029785e-01 - <_> - 5.0946456909179688e+01 - - 1 2 1766 1.3055000000000000e+03 0 -1 1767 13080. -2 -3 1768 - 1.5000000000000000e+00 - - -1.6180552542209625e-02 6.9708949327468872e-01 - 1.5789812803268433e-01 -6.3250225782394409e-01 - <_> - 5.0942211151123047e+01 - - 1 2 1769 5.5000000000000000e+00 0 -1 1770 - 1.6500000000000000e+01 -2 -3 1771 1.1500000000000000e+01 - - -6.9032448530197144e-01 4.8323771357536316e-01 - -5.8806318044662476e-01 -4.2477925308048725e-03 - <_> - 5.0879100799560547e+01 - - 1 2 1772 3.2500000000000000e+01 0 -1 1773 - 1.5000000000000000e+00 -2 -3 1774 203. - - 7.2742664813995361e-01 -9.5186221599578857e-01 - 2.9152801632881165e-01 -2.9612061381340027e-01 - <_> - 5.1405494689941406e+01 - - 1 2 1775 5.9500000000000000e+01 0 -1 1776 - 5.0000000000000000e-01 -2 -3 1777 5.1500000000000000e+01 - - 2.0475186407566071e-01 -4.3729728460311890e-01 - 5.2639096975326538e-01 -5.4126620292663574e-01 - <_> - 5.1545295715332031e+01 - - 1 2 1778 5.1500000000000000e+01 0 -1 1779 113. -2 -3 1780 - 14. - - -8.7603360414505005e-01 1.3980150222778320e-01 1. - -9.8559749126434326e-01 - <_> - 5.1772174835205078e+01 - - 1 2 1781 5.0000000000000000e-01 0 -1 1782 - 5.0000000000000000e-01 -2 -3 1783 6.9500000000000000e+01 - - -8.5320812463760376e-01 5.4211145639419556e-01 - -4.2864811420440674e-01 1.9388379156589508e-01 - <_> - 5.1395809173583984e+01 - - 1 2 1784 4.1500000000000000e+01 0 -1 1785 - 2.4500000000000000e+01 -2 -3 1786 1.0350000000000000e+02 - - -3.6399099230766296e-01 2.9955938458442688e-01 - -6.9159519672393799e-01 4.9095645546913147e-01 - <_> - 5.1332057952880859e+01 - - 1 2 1787 1.1545000000000000e+03 0 -1 1788 - 1.0500000000000000e+01 -2 -3 1789 7.7350000000000000e+02 - - -8.4412866830825806e-01 2.4716804921627045e-01 - 6.3626372814178467e-01 -6.3753142952919006e-02 - <_> - 5.1058708190917969e+01 - - 1 2 1790 2.5000000000000000e+00 0 -1 1791 156. -2 -3 1792 - 667. - - 5.6390190124511719e-01 -7.4146884679794312e-01 - -2.7334854006767273e-01 6.9182580709457397e-01 - <_> - 5.1457290649414062e+01 - - 1 2 1793 1.8500000000000000e+01 0 -1 1794 125. -2 -3 1795 - 6.5000000000000000e+00 - - -5.9387379884719849e-01 8.3531779050827026e-01 - 6.5114057064056396e-01 -2.6395700871944427e-02 - <_> - 5.1741825103759766e+01 - - 1 2 1796 5.5000000000000000e+00 0 -1 1797 - 8.0500000000000000e+01 -2 -3 1798 6.5500000000000000e+01 - - 5.2819365262985229e-01 -3.8713422417640686e-01 - -6.3428682088851929e-01 3.1973972916603088e-02 - <_> - 5.1987751007080078e+01 - - 1 2 1799 9.2950000000000000e+02 0 -1 1800 - 1.7500000000000000e+01 -2 -3 1801 3.3500000000000000e+01 - - 2.9681459069252014e-01 -6.8903458118438721e-01 - -5.5376708507537842e-01 2.4592779576778412e-01 - <_> - 5.1639968872070312e+01 - - 1 2 1802 5.0000000000000000e-01 0 -1 1803 727. -2 -3 1804 - 1195. - - 4.7003021836280823e-01 -8.6940318346023560e-01 - -3.4778383374214172e-01 9.5309317111968994e-01 - <_> - 5.1864089965820312e+01 - - 1 2 1805 1.6500000000000000e+01 0 -1 1806 - 1.5500000000000000e+01 -2 -3 1807 1.4500000000000000e+01 - - -8.4845769405364990e-01 2.4072749912738800e-01 - 2.2412241995334625e-01 -5.8960992097854614e-01 - <_> - 5.1842327117919922e+01 - - 1 2 1808 1.3500000000000000e+01 0 -1 1809 - 1.1693500000000000e+04 -2 -3 1810 108. - - -2.1761292591691017e-02 -7.1312093734741211e-01 -1. - 7.1802109479904175e-01 - <_> - 5.2474052429199219e+01 - - 1 2 1811 5.6500000000000000e+01 0 -1 1812 - 2.7150000000000000e+02 -2 -3 1813 4.7050000000000000e+02 - - 4.8798479139804840e-02 -6.1629486083984375e-01 - 6.3172489404678345e-01 -7.8125256299972534e-01 - <_> - 5.2882488250732422e+01 - - 1 2 1814 2.7500000000000000e+01 0 -1 1815 - 2.7950000000000000e+02 -2 -3 1816 1.2500000000000000e+01 - - 1.4727012813091278e-01 -4.5306998491287231e-01 - -9.6783083677291870e-01 4.0843614935874939e-01 - <_> - 5.2590320587158203e+01 - - 1 2 1817 1.2500000000000000e+01 0 -1 1818 2332. -2 -3 1819 - 2.0500000000000000e+01 - - -4.0328302979469299e-01 3.9351496100425720e-01 - -4.5640042424201965e-01 7.0570003986358643e-01 - <_> - 5.2686405181884766e+01 - - 1 2 1820 2.8450000000000000e+02 0 -1 1821 - 5.1375000000000000e+03 -2 -3 1822 5524. - - -6.9284421205520630e-01 5.7867264747619629e-01 - -5.0904291868209839e-01 4.2930658906698227e-02 - <_> - 5.2665336608886719e+01 - - 1 2 1823 5.0000000000000000e-01 0 -1 1824 - 1.0500000000000000e+01 -2 -3 1825 3.1050000000000000e+02 - - -6.9999736547470093e-01 5.0521236658096313e-01 - -2.1066894754767418e-02 -6.7034846544265747e-01 - <_> - 5.2668560028076172e+01 - - 1 2 1826 1.5000000000000000e+00 0 -1 1827 - 4.5000000000000000e+00 -2 -3 1828 3.9500000000000000e+01 - - -8.5607993602752686e-01 2.3388290405273438e-01 - -4.7936838865280151e-01 6.4502292871475220e-01 - <_> - 5.2418178558349609e+01 - - 1 2 1829 2.5000000000000000e+00 0 -1 1830 - 1.2500000000000000e+01 -2 -3 1831 3.7450000000000000e+02 - - -2.5030246376991272e-01 4.1110610961914062e-01 - -4.8104089498519897e-01 2.8128054738044739e-01 - <_> - 5.2447761535644531e+01 - - 1 2 1832 1.4500000000000000e+01 0 -1 1833 - 1.6038500000000000e+04 -2 -3 1834 6.5000000000000000e+00 - - 6.2847787141799927e-01 -3.8954043388366699e-01 - 2.9580958187580109e-02 -6.1391896009445190e-01 - <_> - 5.2839599609375000e+01 - - 1 2 1835 8.0500000000000000e+01 0 -1 1836 - 1.4845000000000000e+03 -2 -3 1837 1.1500000000000000e+01 - - -4.2797079682350159e-01 7.2983002662658691e-01 - -4.2472079396247864e-01 3.9183807373046875e-01 - <_> - 5.3161972045898438e+01 - - 1 2 1838 169. 0 -1 1839 2.3500000000000000e+01 -2 -3 1840 - 3.0500000000000000e+01 - - 3.2237488031387329e-01 -2.9692310094833374e-01 - 5.2028205245733261e-02 -8.3673799037933350e-01 - <_> - 5.3484062194824219e+01 - - 1 2 1841 9.5000000000000000e+00 0 -1 1842 - 4.1565000000000000e+03 -2 -3 1843 924. - - 1.3346555642783642e-02 -7.3501825332641602e-01 - -5.0849604606628418e-01 3.2209011912345886e-01 - <_> - 5.3532875061035156e+01 - - 1 2 1844 5.0550000000000000e+02 0 -1 1845 - 5.5000000000000000e+00 -2 -3 1846 8.2500000000000000e+01 - - 3.6607748270034790e-01 -4.2199668288230896e-01 - -7.4034929275512695e-01 3.8815331459045410e-01 - <_> - 5.3596260070800781e+01 - - 1 2 1847 1.9550000000000000e+02 0 -1 1848 - 7.6850000000000000e+02 -2 -3 1849 7.7350000000000000e+02 - - -3.7186509370803833e-01 4.2454031109809875e-01 - 4.2895314097404480e-01 -4.3257468938827515e-01 - <_> - 5.3252147674560547e+01 - - 1 2 1850 4.2500000000000000e+01 0 -1 1851 - 4.5500000000000000e+01 -2 -3 1852 2.9500000000000000e+01 - - 3.5978814959526062e-01 -7.1406579017639160e-01 - -4.4595164060592651e-01 5.2671235799789429e-01 - <_> - 5.3540912628173828e+01 - - 1 2 1853 2.0500000000000000e+01 0 -1 1854 276. -2 -3 1855 - 1.2850000000000000e+02 - - 3.2382410764694214e-01 -6.7686492204666138e-01 - 2.8876608610153198e-01 -5.3703272342681885e-01 - <_> - 5.4058471679687500e+01 - - 1 2 1856 1.1065000000000000e+03 0 -1 1857 - 4.5000000000000000e+00 -2 -3 1858 1570. - - -4.9808049201965332e-01 5.8341735601425171e-01 - -4.8129281401634216e-01 1.1452827602624893e-01 - <_> - 5.3559310913085938e+01 - - 1 2 1859 5.0000000000000000e-01 0 -1 1860 - 9.0500000000000000e+01 -2 -3 1861 1.4250000000000000e+02 - - 4.2286753654479980e-01 -7.5187528133392334e-01 - -5.5336773395538330e-01 1.0487236082553864e-01 - <_> - 5.3792110443115234e+01 - - 1 2 1862 5.5000000000000000e+00 0 -1 1863 - 5.2850000000000000e+02 -2 -3 1864 6.5000000000000000e+00 - - -9.8098456859588623e-01 2.5169646739959717e-01 - 3.1981575489044189e-01 -2.3502953350543976e-01 - <_> - 5.4220581054687500e+01 - - 1 2 1865 1.4500000000000000e+01 0 -1 1866 - 2.4025000000000000e+03 -2 -3 1867 4.5000000000000000e+00 - - 2.7904801070690155e-02 -8.8576656579971313e-01 - 4.2847126722335815e-01 -1.1248188465833664e-01 - <_> - 5.4116458892822266e+01 - - 1 2 1868 3.0500000000000000e+01 0 -1 1869 - 1.0500000000000000e+01 -2 -3 1870 1.5000000000000000e+00 - - 2.2367130219936371e-01 -9.1485178470611572e-01 - 5.5012780427932739e-01 -1.0412286967039108e-01 - <_> - 5.4431377410888672e+01 - - 1 2 1871 1110. 0 -1 1872 2.4500000000000000e+01 -2 -3 1873 - 8.7500000000000000e+01 - - 6.6319614648818970e-02 -9.0293776988983154e-01 - -2.7686271071434021e-01 3.1491985917091370e-01 - <_> - 5.3841773986816406e+01 - - 1 2 1874 3.1500000000000000e+01 0 -1 1875 - 5.2950000000000000e+02 -2 -3 1876 2.8335000000000000e+03 - - 4.3545942753553391e-03 7.3121100664138794e-01 - 3.2255075871944427e-02 -6.5287035703659058e-01 - <_> - 5.3977920532226562e+01 - - 1 2 1877 4.4635000000000000e+03 0 -1 1878 - 3.5000000000000000e+00 -2 -3 1879 1.2150000000000000e+02 - - -8.3098447322845459e-01 1.3614629209041595e-01 -1. 1. - <_> - 5.4538074493408203e+01 - - 1 2 1880 2.0500000000000000e+01 0 -1 1881 - 7.8500000000000000e+01 -2 -3 1882 5.0500000000000000e+01 - - -7.4102438986301422e-02 6.1979264020919800e-01 - 8.4239649772644043e-01 -8.3167529106140137e-01 - <_> - 5.4199844360351562e+01 - - 0 1 1883 5.5000000000000000e+00 0 1 1883 5.5000000000000000e+00 -1 -2 1884 - 2.3500000000000000e+01 - - -1. -1. 1.8631875514984131e-01 -3.9786672592163086e-01 - <_> - 5.4321243286132812e+01 - - 1 2 1885 100108. 0 -1 1886 2.4450000000000000e+02 -2 -3 1887 - 9.5000000000000000e+00 - - -6.4501583576202393e-01 1.2139873951673508e-01 - -9.8769044876098633e-01 1. - <_> - 5.4476604461669922e+01 - - 1 2 1888 3.0500000000000000e+01 0 -1 1889 832. -2 -3 1890 - 3.8650000000000000e+02 - - 4.7927451133728027e-01 -3.6918625235557556e-01 - 4.3850061297416687e-01 -4.2658120393753052e-01 - <_> - 5.4880313873291016e+01 - - 1 2 1891 4.5000000000000000e+00 0 -1 1892 - 1.8500000000000000e+01 -2 -3 1893 9.5000000000000000e+00 - - -8.9552253484725952e-01 1. 4.0370723605155945e-01 - -1.3244532048702240e-01 - <_> - 5.4826488494873047e+01 - - 1 2 1894 3.3500000000000000e+01 0 -1 1895 - 5.0000000000000000e-01 -2 -3 1896 1.5000000000000000e+00 - - 5.2266705036163330e-01 -4.9189320206642151e-01 - 4.7518423199653625e-01 -1.8694840371608734e-01 - <_> - 5.4719253540039062e+01 - - 1 2 1897 1.3250000000000000e+02 0 -1 1898 197. -2 -3 1899 - 5.5000000000000000e+00 - - -2.5596961379051208e-02 -8.0278450250625610e-01 - 5.8479261398315430e-01 -1.0723467171192169e-01 - <_> - 5.4927463531494141e+01 - - 1 2 1900 3.5000000000000000e+00 0 -1 1901 - 2.7500000000000000e+01 -2 -3 1902 4.5000000000000000e+00 - - -9.8025721311569214e-01 1. 5.0813627243041992e-01 - -9.1872639954090118e-02 - <_> - 5.5091140747070312e+01 - - 1 2 1903 3.5500000000000000e+01 0 -1 1904 590. -2 -3 1905 - 9.5000000000000000e+00 - - 3.2067620754241943e-01 -8.1219708919525146e-01 - 3.9956301450729370e-01 -1.7662063241004944e-01 - <_> - 5.5048011779785156e+01 - - 1 2 1906 1.5500000000000000e+01 0 -1 1907 - 2.5000000000000000e+00 -2 -3 1908 1.1500000000000000e+01 - - 4.5108359307050705e-02 -5.7894098758697510e-01 - 5.1151078939437866e-01 -6.0667592287063599e-01 - <_> - 5.4623245239257812e+01 - - 1 2 1909 2.6500000000000000e+01 0 -1 1910 - 1.1500000000000000e+01 -2 -3 1911 2.0250000000000000e+02 - - 4.0922752022743225e-01 -6.0327196121215820e-01 - 3.5508340597152710e-01 -4.1403025388717651e-01 - <_> - 5.4938964843750000e+01 - - 1 2 1912 4.4450000000000000e+02 0 -1 1913 - 4.8075000000000000e+03 -2 -3 1914 5.0000000000000000e-01 - - 3.7132555246353149e-01 -9.4460356235504150e-01 - 3.1572005152702332e-01 -2.5736778974533081e-01 - <_> - 5.5008499145507812e+01 - - 1 2 1915 2.4350000000000000e+02 0 -1 1916 - 1.6500000000000000e+01 -2 -3 1917 98. - - 6.9533005356788635e-02 -5.5879753828048706e-01 - 5.2043431997299194e-01 -5.5762660503387451e-01 - <_> - 5.5581649780273438e+01 - - 1 2 1918 1.2755000000000000e+03 0 -1 1919 - 1.5000000000000000e+00 -2 -3 1920 1.4500000000000000e+01 - - 2.7316585183143616e-01 -3.9282438158988953e-01 - -8.5869687795639038e-01 5.7315075397491455e-01 - <_> - 5.5420215606689453e+01 - - 1 2 1921 3.7635000000000000e+03 0 -1 1922 - 1.0904500000000000e+04 -2 -3 1923 6.9750000000000000e+02 - - -8.7749630212783813e-02 7.8290265798568726e-01 - 3.7081098556518555e-01 -3.9786884188652039e-01 - <_> - 5.5134284973144531e+01 - - 1 2 1924 3.5000000000000000e+00 0 -1 1925 - 1.5000000000000000e+00 -2 -3 1926 1.3535000000000000e+03 - - -8.4669679403305054e-01 5.6518930196762085e-01 - -2.8593066334724426e-01 7.8882968425750732e-01 - <_> - 5.5399112701416016e+01 - - 1 2 1927 1.4500000000000000e+01 0 -1 1928 - 9.5000000000000000e+00 -2 -3 1929 2.1950000000000000e+02 - - 3.6673456430435181e-01 -8.0567514896392822e-01 - 2.6483070850372314e-01 -5.4888963699340820e-01 - <_> - 5.5665115356445312e+01 - - 1 2 1930 1.0500000000000000e+01 0 -1 1931 - 4.3500000000000000e+01 -2 -3 1932 2.2500000000000000e+01 - - -8.0224722623825073e-01 7.3296892642974854e-01 - 3.1390979886054993e-01 -2.7697941660881042e-01 - <_> - 5.5662361145019531e+01 - - 1 2 1933 5.0000000000000000e-01 0 -1 1934 - 1.0500000000000000e+01 -2 -3 1935 609. - - -4.6577224135398865e-01 3.6372005939483643e-01 - -6.7203342914581299e-02 -8.5283303260803223e-01 - <_> - 5.5597713470458984e+01 - - 1 2 1936 4.8150000000000000e+02 0 -1 1937 897. -2 -3 1938 - 6.0015000000000000e+03 - - -7.0950525999069214e-01 3.6562061309814453e-01 - 7.1085697412490845e-01 -6.4645722508430481e-02 - <_> - 5.5976200103759766e+01 - - 1 2 1939 1.7500000000000000e+01 0 -1 1940 - 2.6500000000000000e+01 -2 -3 1941 2.7195000000000000e+03 - - -6.9570225477218628e-01 3.7848454713821411e-01 - 3.8467934727668762e-01 -3.8020190596580505e-01 - <_> - 5.6158012390136719e+01 - - 1 2 1942 2.6002500000000000e+04 0 -1 1943 - 5.5000000000000000e+00 -2 -3 1944 933. - - 5.2110773324966431e-01 -7.8237217664718628e-01 - -8.0685955286026001e-01 1.8181376159191132e-01 - <_> - 5.6510974884033203e+01 - - 1 2 1945 6.5000000000000000e+00 0 -1 1946 - 7.7950000000000000e+02 -2 -3 1947 1.1350000000000000e+02 - - 8.0221951007843018e-01 -5.5787330865859985e-01 - -2.5150266289710999e-01 3.5296073555946350e-01 - <_> - 5.6669940948486328e+01 - - 1 2 1948 1.2500000000000000e+01 0 -1 1949 - 2.1500000000000000e+01 -2 -3 1950 3.7500000000000000e+01 - - -8.1347912549972534e-01 3.3844006061553955e-01 - -5.6976383924484253e-01 1.5896809101104736e-01 - <_> - 5.6639522552490234e+01 - - 1 2 1951 5.0000000000000000e-01 0 -1 1952 - 1.0350000000000000e+02 -2 -3 1953 979. - - 5.6548482179641724e-01 -7.8466528654098511e-01 - -4.1022753715515137e-01 1.7647762596607208e-01 - <_> - 5.6746051788330078e+01 - - 1 2 1954 4.7655500000000000e+04 0 -1 1955 1217. -2 -3 1956 - 2.6650000000000000e+02 - - -6.9296687841415405e-01 2.6075837016105652e-01 - -7.9774957895278931e-01 1.7970228567719460e-02 - <_> - 5.6479259490966797e+01 - - 1 2 1957 1.2650000000000000e+02 0 -1 1958 - 1.9500000000000000e+01 -2 -3 1959 491. - - -2.6678943634033203e-01 3.8788908720016479e-01 - 9.1776609420776367e-01 -4.6553900837898254e-01 - <_> - 5.6557636260986328e+01 - - 1 2 1960 4.7500000000000000e+01 0 -1 1961 - 9.6450000000000000e+02 -2 -3 1962 5.0000000000000000e-01 - - 3.0366006493568420e-01 -8.8815379142761230e-01 - 4.8105791211128235e-01 -8.4002502262592316e-02 - <_> - 5.6977615356445312e+01 - - 1 2 1963 1.9350000000000000e+02 0 -1 1964 - 1.0500000000000000e+01 -2 -3 1965 316. - - 1.2478869408369064e-01 -5.4758942127227783e-01 - 4.1997796297073364e-01 -2.8715902566909790e-01 - <_> - 5.6940200805664062e+01 - - 1 2 1966 1.3500000000000000e+01 0 -1 1967 - 9.5000000000000000e+00 -2 -3 1968 4.5000000000000000e+00 - - 5.6444692611694336e-01 -5.1318335533142090e-01 - 4.1364780068397522e-01 -2.3452880978584290e-01 - <_> - 5.7376541137695312e+01 - - 1 2 1969 6.5000000000000000e+00 0 -1 1970 - 5.2500000000000000e+01 -2 -3 1971 2.6500000000000000e+01 - - -3.1519573926925659e-01 4.3634009361267090e-01 - -5.3644794225692749e-01 3.0770981311798096e-01 - <_> - 5.7745677947998047e+01 - - 1 2 1972 9.5000000000000000e+00 0 -1 1973 - 1.7125000000000000e+03 -2 -3 1974 2095. - - -5.8112341910600662e-02 5.0887292623519897e-01 - 2.3396022617816925e-01 -5.9023892879486084e-01 - <_> - 5.7668346405029297e+01 - - 1 2 1975 1.3835000000000000e+03 0 -1 1976 - 2.3365000000000000e+03 -2 -3 1977 5.0000000000000000e-01 - - -2.2391898930072784e-01 4.7256642580032349e-01 - 4.1642077267169952e-03 -6.2670201063156128e-01 - <_> - 5.7691123962402344e+01 - - 1 2 1978 2.7250000000000000e+02 0 -1 1979 - 8.0950000000000000e+02 -2 -3 1980 1.4500000000000000e+01 - - -2.9949793219566345e-01 7.5373744964599609e-01 - 2.2777365520596504e-02 -5.4332214593887329e-01 - <_> - 5.7523948669433594e+01 - - 1 2 1981 2.5500000000000000e+01 0 -1 1982 - 3.5000000000000000e+00 -2 -3 1983 9.5000000000000000e+00 - - 2.7234396338462830e-01 -7.7871346473693848e-01 - 4.1143327951431274e-01 -1.6717562079429626e-01 - <_> - 5.7792133331298828e+01 - - 1 2 1984 3.0500000000000000e+01 0 -1 1985 - 6.5000000000000000e+00 -2 -3 1986 4.7850000000000000e+02 - - 4.2716450989246368e-02 -6.7291486263275146e-01 - 3.2022616267204285e-01 -6.1982798576354980e-01 - <_> - 5.8013004302978516e+01 - - 1 2 1987 3.4500000000000000e+01 0 -1 1988 - 9.5000000000000000e+00 -2 -3 1989 3.9350000000000000e+02 - - -5.1402336359024048e-01 2.2087192535400391e-01 - -7.2181683778762817e-01 1.9793330132961273e-01 - <_> - 5.8191169738769531e+01 - - 1 2 1990 9.7500000000000000e+01 0 -1 1991 - 6.2250000000000000e+02 -2 -3 1992 9.5500000000000000e+01 - - 1.7816618084907532e-01 -4.8832407593727112e-01 - -9.5159941911697388e-01 6.5016353130340576e-01 - <_> - 5.8067699432373047e+01 - - 1 2 1993 2.5000000000000000e+00 0 -1 1994 - 2.2500000000000000e+01 -2 -3 1995 1.4500000000000000e+01 - - 5.9863173961639404e-01 -1.2370918691158295e-01 - -5.3876280784606934e-01 2.5208535790443420e-01 - <_> - 5.8372417449951172e+01 - - 1 2 1996 1.8075000000000000e+03 0 -1 1997 - 4.5000000000000000e+00 -2 -3 1998 7.4500000000000000e+01 - - 3.9194607734680176e-01 -3.2276815176010132e-01 - 5.3963506221771240e-01 -6.4209002256393433e-01 - <_> - 5.8342327117919922e+01 - - 1 2 1999 7.5000000000000000e+00 0 -1 2000 - 1.3500000000000000e+01 -2 -3 2001 3.5000000000000000e+00 - - -9.3360573053359985e-01 1. 3.0816203355789185e-01 - -1.9820201396942139e-01 - <_> - 5.8525230407714844e+01 - - 1 2 2002 5.4500000000000000e+01 0 -1 2003 - 3.1500000000000000e+01 -2 -3 2004 5.5000000000000000e+00 - - -6.9942277669906616e-01 1. 2.0665432512760162e-01 - -4.8230728507041931e-01 - <_> - 5.8137825012207031e+01 - - 1 2 2005 5.0000000000000000e-01 0 -1 2006 - 6.5000000000000000e+00 -2 -3 2007 1.6255000000000000e+03 - - -9.1363656520843506e-01 3.4000685811042786e-01 - 3.6237233877182007e-01 -3.8740426301956177e-01 - <_> - 5.7477180480957031e+01 - - 1 2 2008 1.6500000000000000e+01 0 -1 2009 - 3.3050000000000000e+02 -2 -3 2010 1.8250000000000000e+02 - - 4.0280374884605408e-01 -6.6064602136611938e-01 - 2.3912283778190613e-01 -6.5312945842742920e-01 - <_> - 5.7596790313720703e+01 - - 1 2 2011 3.5000000000000000e+00 0 -1 2012 - 2.2850000000000000e+02 -2 -3 2013 6.7050000000000000e+02 - - -5.6311067193746567e-02 7.3480677604675293e-01 - -7.8913259506225586e-01 -5.2745390683412552e-02 - <_> - 5.7969238281250000e+01 - - 1 2 2014 1.2195000000000000e+03 0 -1 2015 - 1.5000000000000000e+00 -2 -3 2016 44231. - - 3.7240502238273621e-01 -3.7414985895156860e-01 - 5.3368985652923584e-01 -3.4466567635536194e-01 - <_> - 5.7981628417968750e+01 - - 1 2 2017 1.6650000000000000e+02 0 -1 2018 - 2.0500000000000000e+01 -2 -3 2019 1.3500000000000000e+01 - - -2.3047098517417908e-01 4.0283700823783875e-01 - -8.8833373785018921e-01 9.4913655519485474e-01 - <_> - 5.8304691314697266e+01 - - 1 2 2020 1.7500000000000000e+01 0 -1 2021 - 2.2500000000000000e+01 -2 -3 2022 1.3950000000000000e+02 - - -9.7246366739273071e-01 4.5725116133689880e-01 - -3.3056676387786865e-01 3.2306280732154846e-01 - <_> - 5.8687774658203125e+01 - - 1 2 2023 3.6050000000000000e+02 0 -1 2024 - 2.1500000000000000e+01 -2 -3 2025 5.7150000000000000e+02 - - -1.9407491385936737e-01 4.0379062294960022e-01 - -7.1832591295242310e-01 1.6718479990959167e-01 - <_> - 5.8403263092041016e+01 - - 1 2 2026 3.5000000000000000e+00 0 -1 2027 - 1.5000000000000000e+00 -2 -3 2028 1.1125000000000000e+03 - - -7.1120482683181763e-01 5.4733234643936157e-01 - -3.0521857738494873e-01 5.3309994935989380e-01 - <_> - 5.8206588745117188e+01 - - 1 2 2029 9.8550000000000000e+02 0 -1 2030 - 8.5000000000000000e+00 -2 -3 2031 6.5000000000000000e+00 - - -6.1662030220031738e-01 4.3150734901428223e-01 - 1.1408390849828720e-01 -5.7918250560760498e-01 - <_> - 5.8434097290039062e+01 - - 1 2 2032 1.2500000000000000e+01 0 -1 2033 - 9.7500000000000000e+01 -2 -3 2034 8574. - - 4.1095575690269470e-01 -6.6425901651382446e-01 - 2.2750854492187500e-01 -6.5870326757431030e-01 - <_> - 5.8159267425537109e+01 - - 1 2 2035 790. 0 -1 2036 26812. -2 -3 2037 - 5.2150000000000000e+02 - - -8.0263590812683105e-01 8.7009161710739136e-01 - -2.7483054995536804e-01 3.0290663242340088e-01 - <_> - 5.8559719085693359e+01 - - 1 2 2038 1.5550000000000000e+02 0 -1 2039 - 3.6500000000000000e+01 -2 -3 2040 1752. - - -1.1953184753656387e-01 4.0045145153999329e-01 - 8.7820923328399658e-01 -9.3850684165954590e-01 - <_> - 5.8625492095947266e+01 - - 1 2 2041 5.0000000000000000e-01 0 -1 2042 - 2.5000000000000000e+00 -2 -3 2043 6.5000000000000000e+00 - - -7.3991537094116211e-01 7.3110866546630859e-01 - 2.8890112042427063e-01 -2.9580232501029968e-01 - <_> - 5.8505027770996094e+01 - - 1 2 2044 6.7500000000000000e+01 0 -1 2045 - 5.6500000000000000e+01 -2 -3 2046 9.8500000000000000e+01 - - -4.7034713625907898e-01 6.4461517333984375e-01 - 3.4142866730690002e-01 -8.6112099885940552e-01 - <_> - 5.8600910186767578e+01 - - 1 2 2047 8.0500000000000000e+01 0 -1 2048 - 1.8650000000000000e+02 -2 -3 2049 590. - - -7.2916746139526367e-01 3.1004229187965393e-01 - -6.6359126567840576e-01 9.5881775021553040e-02 - <_> - 5.8711597442626953e+01 - - 1 2 2050 5.0000000000000000e-01 0 -1 2051 - 7.5450000000000000e+02 -2 -3 2052 3.2650000000000000e+02 - - -9.2816257476806641e-01 4.2444109916687012e-01 - -4.2585963010787964e-01 3.1073370575904846e-01 - <_> - 5.8032016754150391e+01 - - 1 2 2053 60937. 0 -1 2054 416. -2 -3 2055 - 4.5000000000000000e+00 - - 1.7063696682453156e-01 -6.7958027124404907e-01 - 8.7877064943313599e-01 -9.5674747228622437e-01 - <_> - 5.8740566253662109e+01 - - 1 2 2056 1.5000000000000000e+00 0 -1 2057 - 3.5000000000000000e+00 -2 -3 2058 4.6500000000000000e+01 - - -7.4752992391586304e-01 7.0855057239532471e-01 - -6.8028306961059570e-01 2.6557485107332468e-03 - <_> - 5.9213050842285156e+01 - - 1 2 2059 7.5000000000000000e+00 0 -1 2060 - 4.5000000000000000e+00 -2 -3 2061 2.9750000000000000e+02 - - -1.6750365495681763e-01 4.7248429059982300e-01 - 1.6587665677070618e-01 -5.7748597860336304e-01 - <_> - 5.9422805786132812e+01 - - 1 2 2062 9.5000000000000000e+00 0 -1 2063 - 2.4500000000000000e+01 -2 -3 2064 7.5000000000000000e+00 - - 2.3164252936840057e-01 -8.6614209413528442e-01 - -8.4939008951187134e-01 2.0975443720817566e-01 - <_> - 5.8884654998779297e+01 - - 1 2 2065 6.2500000000000000e+01 0 -1 2066 - 1.0500000000000000e+01 -2 -3 2067 252. - - 1.0844799689948559e-02 -5.3815227746963501e-01 - 7.5545585155487061e-01 -4.2718842625617981e-01 - <_> - 5.9134284973144531e+01 - - 1 2 2068 2.3365000000000000e+03 0 -1 2069 - 1.2850000000000000e+02 -2 -3 2070 3.4845000000000000e+03 - - 8.5452580451965332e-01 -5.0535249710083008e-01 - 7.7388888597488403e-01 -6.3630655407905579e-02 - <_> - 5.9335205078125000e+01 - - 1 2 2071 7.5000000000000000e+00 0 -1 2072 - 6.5000000000000000e+00 -2 -3 2073 2.1450000000000000e+02 - - -8.2057535648345947e-01 2.0091684162616730e-01 - -6.9147127866744995e-01 6.4241760969161987e-01 - <_> - 5.9819751739501953e+01 - - 1 2 2074 1.4500000000000000e+01 0 -1 2075 - 1.3500000000000000e+01 -2 -3 2076 4.9500000000000000e+01 - - -9.3421977758407593e-01 4.8454797267913818e-01 - -3.7337201833724976e-01 3.2126367092132568e-01 - <_> - 5.9756664276123047e+01 - - 1 2 2077 3.7550000000000000e+02 0 -1 2078 - 8.1500000000000000e+01 -2 -3 2079 14. - - -6.3086077570915222e-02 5.7233673334121704e-01 1. - -9.5777195692062378e-01 - <_> - 6.0291542053222656e+01 - - 1 2 2080 3.5000000000000000e+00 0 -1 2081 - 2.5000000000000000e+00 -2 -3 2082 1.7500000000000000e+01 - - -7.0069408416748047e-01 6.3710403442382812e-01 - -4.9769634008407593e-01 1.1464314162731171e-01 - <_> - 6.0335617065429688e+01 - - 1 2 2083 6.0500000000000000e+01 0 -1 2084 235. -2 -3 2085 - 6.5500000000000000e+01 - - 6.0332548618316650e-01 -4.5363491773605347e-01 - -7.2721785306930542e-01 2.7224572841078043e-03 - <_> - 5.9978572845458984e+01 - - 1 2 2086 2145. 0 -1 2087 5.0000000000000000e-01 -2 -3 2088 - 1.1500000000000000e+01 - - 6.9418591260910034e-01 -7.1563631296157837e-01 - -5.4690980911254883e-01 2.3341998457908630e-01 - <_> - 6.0145259857177734e+01 - - 1 2 2089 4.8350000000000000e+02 0 -1 2090 - 5.3500000000000000e+01 -2 -3 2091 5.0550000000000000e+02 - - 5.3724527359008789e-01 -1.2441903352737427e-01 - -6.5049791336059570e-01 2.5399866700172424e-01 - <_> - 6.0507656097412109e+01 - - 1 2 2092 2.7500000000000000e+01 0 -1 2093 - 5.5000000000000000e+00 -2 -3 2094 5.0500000000000000e+01 - - 1.4425510168075562e-01 -7.4231290817260742e-01 - -2.6776736974716187e-01 3.6239382624626160e-01 - <_> - 6.0473968505859375e+01 - - 1 2 2095 5.0000000000000000e-01 0 -1 2096 - 2.5500000000000000e+01 -2 -3 2097 1587. - - -7.2751653194427490e-01 4.5861607789993286e-01 - 5.5637544393539429e-01 -3.6810955405235291e-01 - <_> - 6.0842075347900391e+01 - - 1 2 2098 5.1150000000000000e+02 0 -1 2099 1169. -2 -3 2100 - 2.0150000000000000e+02 - - -3.0562120676040649e-01 8.1614106893539429e-01 - 7.2896146774291992e-01 -1.8503957986831665e-01 - <_> - 6.0462539672851562e+01 - - 1 2 2101 8.3500000000000000e+01 0 -1 2102 - 3.0500000000000000e+01 -2 -3 2103 2.9850000000000000e+02 - - -8.2488976418972015e-02 4.4352260231971741e-01 - 5.2298051118850708e-01 -8.3577710390090942e-01 - <_> - 6.1029483795166016e+01 - - 1 2 2104 5.0000000000000000e-01 0 -1 2105 - 1.6500000000000000e+01 -2 -3 2106 2.8650000000000000e+02 - - -6.2287323176860809e-02 5.6694161891937256e-01 - -5.0430041551589966e-01 2.6749575138092041e-01 - <_> - 6.0533782958984375e+01 - - 1 2 2107 1.5000000000000000e+00 0 -1 2108 86. -2 -3 2109 - 1.5000000000000000e+00 - - 4.6476197242736816e-01 -3.5366341471672058e-01 - 1.1941082775592804e-01 -4.9569913744926453e-01 - <_> - 6.1014225006103516e+01 - - 1 2 2110 8.5500000000000000e+01 0 -1 2111 - 7.1500000000000000e+01 -2 -3 2112 3.0050000000000000e+02 - - -3.2236501574516296e-01 5.3735041618347168e-01 - 4.8043999075889587e-01 -8.1549012660980225e-01 - <_> - 6.1214355468750000e+01 - - 1 2 2113 5.0000000000000000e-01 0 -1 2114 5423. -2 -3 2115 - 3.2500000000000000e+01 - - 6.3166511058807373e-01 -1.0317980498075485e-01 - -8.1713062524795532e-01 -4.8018395900726318e-02 - <_> - 6.1207153320312500e+01 - - 1 2 2116 6.9750000000000000e+02 0 -1 2117 - 2.3500000000000000e+01 -2 -3 2118 1299. - - -5.5850952863693237e-01 4.5436400175094604e-01 - -4.2946615815162659e-01 4.6700772643089294e-01 - <_> - 6.1372627258300781e+01 - - 1 2 2119 9.7500000000000000e+01 0 -1 2120 - 1.2500000000000000e+01 -2 -3 2121 8.8500000000000000e+01 - - -9.3579089641571045e-01 1.6547182202339172e-01 - -8.7968140840530396e-01 5.9617185592651367e-01 - <_> - 6.1535186767578125e+01 - - 1 2 2122 4.0550000000000000e+02 0 -1 2123 - 8.5000000000000000e+00 -2 -3 2124 5.5500000000000000e+01 - - -5.4796415567398071e-01 2.2591431438922882e-01 - -6.4731520414352417e-01 6.6429591178894043e-01 - <_> - 6.1438594818115234e+01 - - 1 2 2125 7.5000000000000000e+00 0 -1 2126 - 1.6500000000000000e+01 -2 -3 2127 2.0464500000000000e+04 - - -7.6974302530288696e-01 5.8108645677566528e-01 - 1.4914943277835846e-01 -4.0168645977973938e-01 - <_> - 6.1837162017822266e+01 - - 1 2 2128 1.9150000000000000e+02 0 -1 2129 - 2.5000000000000000e+00 -2 -3 2130 2.3500000000000000e+01 - - 3.0682370066642761e-01 -6.2734222412109375e-01 - -3.0841422080993652e-01 3.9856877923011780e-01 - <_> - 6.1491020202636719e+01 - - 1 2 2131 9.5000000000000000e+00 0 -1 2132 - 1.0286500000000000e+04 -2 -3 2133 1.5750000000000000e+02 - - 4.2527648806571960e-01 -3.4614086151123047e-01 - -6.1684650182723999e-01 1.9758818671107292e-02 - <_> - 6.1886714935302734e+01 - - 1 2 2134 1.7500000000000000e+01 0 -1 2135 - 9.2500000000000000e+01 -2 -3 2136 18. - - -1.2079064548015594e-01 3.9569309353828430e-01 - 3.3188980817794800e-01 -8.7485474348068237e-01 - <_> - 6.1790431976318359e+01 - - 1 2 2137 2.1500000000000000e+01 0 -1 2138 - 2.2500000000000000e+01 -2 -3 2139 4.5000000000000000e+00 - - -5.2500929683446884e-02 6.8664622306823730e-01 - 1.5717932581901550e-01 -6.7684161663055420e-01 - <_> - 6.2245330810546875e+01 - - 1 2 2140 1.2135000000000000e+03 0 -1 2141 - 4.5000000000000000e+00 -2 -3 2142 5.2865000000000000e+03 - - 3.3859279751777649e-01 -4.2644050717353821e-01 - 5.0935482978820801e-01 -4.1733506321907043e-01 - <_> - 6.2387325286865234e+01 - - 1 2 2143 4.5000000000000000e+00 0 -1 2144 - 1.0500000000000000e+01 -2 -3 2145 209. - - 1.3510234653949738e-01 -9.6185976266860962e-01 - 1.4199161529541016e-01 -8.5389542579650879e-01 - <_> - 6.2084945678710938e+01 - - 1 2 2146 11208. 0 -1 2147 5.0000000000000000e-01 -2 -3 2148 - 20248. - - 1.5907059609889984e-01 -3.8836613297462463e-01 - 8.0494099855422974e-01 -7.7658468484878540e-01 - <_> - 6.1984123229980469e+01 - - 1 2 2149 2.3500000000000000e+01 0 -1 2150 - 2.3650000000000000e+02 -2 -3 2151 5.0000000000000000e-01 - - 1. -1. 4.0856447815895081e-01 -1.0082300007343292e-01 - <_> - 6.2277572631835938e+01 - - 1 2 2152 1.2115000000000000e+03 0 -1 2153 - 1.5000000000000000e+00 -2 -3 2154 4.2995000000000000e+03 - - 4.2784088850021362e-01 -8.9822685718536377e-01 - 2.9345232248306274e-01 -2.5083908438682556e-01 - <_> - 6.2472473144531250e+01 - - 1 2 2155 9.4500000000000000e+01 0 -1 2156 - 1.0500000000000000e+01 -2 -3 2157 68. - - 6.5589077770709991e-02 -7.7099108695983887e-01 - -7.4427002668380737e-01 1.9490025937557220e-01 - <_> - 6.2016971588134766e+01 - - 1 2 2158 2.5000000000000000e+00 0 -1 2159 - 1.2500000000000000e+01 -2 -3 2160 5.5500000000000000e+01 - - 4.2139071226119995e-01 -5.5164831876754761e-01 - -4.5550110936164856e-01 3.6315539479255676e-01 - <_> - 6.2252468109130859e+01 - - 1 2 2161 1.5685000000000000e+03 0 -1 2162 - 4.5000000000000000e+00 -2 -3 2163 7.7500000000000000e+01 - - 4.6763184666633606e-01 -7.2583413124084473e-01 - -4.7358104586601257e-01 2.3549596965312958e-01 - <_> - 6.1926944732666016e+01 - - 1 2 2164 5.0000000000000000e-01 0 -1 2165 - 2.9500000000000000e+01 -2 -3 2166 1.5000000000000000e+00 - - -8.4635341167449951e-01 4.7176876664161682e-01 - 1.2360874563455582e-01 -4.4846296310424805e-01 - <_> - 6.2441539764404297e+01 - - 1 2 2167 1.3650000000000000e+02 0 -1 2168 - 7.5000000000000000e+00 -2 -3 2169 1.6500000000000000e+01 - - 3.0158129334449768e-01 -3.6455678939819336e-01 - -9.0578240156173706e-01 5.1459383964538574e-01 - <_> - 6.1964569091796875e+01 - - 1 2 2170 8.5000000000000000e+00 0 -1 2171 - 1.3226500000000000e+04 -2 -3 2172 6.4500000000000000e+01 - - -8.5410606861114502e-01 2.6482892036437988e-01 - -4.7696748375892639e-01 6.1308634281158447e-01 - <_> - 6.1803714752197266e+01 - - 1 2 2173 2.6500000000000000e+01 0 -1 2174 - 4.5000000000000000e+00 -2 -3 2175 5.0000000000000000e-01 - - 5.8156448602676392e-01 -8.6257112026214600e-01 - 4.0267577767372131e-01 -1.6085536777973175e-01 - <_> - 6.2505237579345703e+01 - - 1 2 2176 4.2500000000000000e+01 0 -1 2177 - 7.9662500000000000e+04 -2 -3 2178 2.2050000000000000e+02 - - 4.3292667716741562e-02 -8.7512964010238647e-01 - -2.3395214229822159e-02 7.0152431726455688e-01 - <_> - 6.2662498474121094e+01 - - 1 2 2179 2.2535000000000000e+03 0 -1 2180 5489. -2 -3 2181 - 6.5000000000000000e+00 - - -1.3394173979759216e-01 6.8779164552688599e-01 - 4.8814722895622253e-01 -3.9524573087692261e-01 - <_> - 6.2619869232177734e+01 - - 1 2 2182 3.0135000000000000e+03 0 -1 2183 4966. -2 -3 2184 - 5.5000000000000000e+00 - - -3.0220034718513489e-01 8.1261235475540161e-01 - 1.7436875402927399e-01 -3.7351670861244202e-01 - <_> - 6.2884567260742188e+01 - - 1 2 2185 2.5000000000000000e+00 0 -1 2186 286. -2 -3 2187 - 2.9500000000000000e+01 - - 8.4548860788345337e-01 -9.6311759948730469e-01 - -3.5037949681282043e-01 2.6469662785530090e-01 - <_> - 6.2971755981445312e+01 - - 1 2 2188 4.5000000000000000e+00 0 -1 2189 - 5.6350000000000000e+02 -2 -3 2190 1.7500000000000000e+01 - - 3.5842654109001160e-01 -7.6083594560623169e-01 - -6.3569843769073486e-01 1.1528482288122177e-01 - <_> - 6.2904327392578125e+01 - - 1 2 2191 19751. 0 -1 2192 5709. -2 -3 2193 - 5.0000000000000000e-01 - - 5.8615106344223022e-01 -6.7431032657623291e-02 - 8.1077980995178223e-01 -7.9040503501892090e-01 - <_> - 6.3428482055664062e+01 - - 1 2 2194 5.2150000000000000e+02 0 -1 2195 112. -2 -3 2196 - 4.8500000000000000e+01 - - -2.9560300707817078e-01 6.3393580913543701e-01 - -7.4229598045349121e-01 5.2415388822555542e-01 - <_> - 6.3408718109130859e+01 - - 1 2 2197 2.2850000000000000e+02 0 -1 2198 - 9.5000000000000000e+00 -2 -3 2199 8.5000000000000000e+00 - - -6.5528714656829834e-01 3.2386130094528198e-01 - -5.1321542263031006e-01 3.7662333250045776e-01 - <_> - 6.3479297637939453e+01 - - 1 2 2200 1.0500000000000000e+01 0 -1 2201 - 1.2875000000000000e+03 -2 -3 2202 1.1550000000000000e+02 - - -6.5136082470417023e-02 5.4068171977996826e-01 - -5.4428064823150635e-01 3.5270053148269653e-01 - <_> - 6.3459232330322266e+01 - - 1 2 2203 5.6350000000000000e+02 0 -1 2204 - 3.6500000000000000e+01 -2 -3 2205 2.7500000000000000e+01 - - -2.6665899157524109e-01 2.9732996225357056e-01 - 8.9094859361648560e-01 -7.8570848703384399e-01 - <_> - 6.3715244293212891e+01 - - 1 2 2206 1.3750000000000000e+02 0 -1 2207 - 5.5950000000000000e+02 -2 -3 2208 1.7350000000000000e+02 - - 8.2382661104202271e-01 -9.3905463814735413e-02 - -7.7598297595977783e-01 -6.1380777508020401e-02 - <_> - 6.4063674926757812e+01 - - 1 2 2209 1.5000000000000000e+00 0 -1 2210 - 1.1500000000000000e+01 -2 -3 2211 3.1850000000000000e+02 - - -8.9411342144012451e-01 3.4842905402183533e-01 - -4.4360893964767456e-01 4.8869660496711731e-01 - <_> - 6.4111953735351562e+01 - - 1 2 2212 2.5000000000000000e+00 0 -1 2213 - 4.1500000000000000e+01 -2 -3 2214 5.0000000000000000e-01 - - -2.3706158995628357e-01 4.4370284676551819e-01 - 5.4362642765045166e-01 -5.1952922344207764e-01 - <_> - 6.4159660339355469e+01 - - 1 2 2215 1.5000000000000000e+00 0 -1 2216 - 5.7500000000000000e+01 -2 -3 2217 1.0775000000000000e+03 - - -2.5581914931535721e-02 6.6174793243408203e-01 - 4.0115654468536377e-01 -3.5893636941909790e-01 - <_> - 6.4437599182128906e+01 - - 1 2 2218 921. 0 -1 2219 4.5000000000000000e+00 -2 -3 2220 - 2.9045000000000000e+03 - - 3.1526345014572144e-01 -7.0185899734497070e-01 - 2.7793204784393311e-01 -4.8113667964935303e-01 - <_> - 6.4332015991210938e+01 - - 1 2 2221 1.8985000000000000e+03 0 -1 2222 - 7.8250000000000000e+02 -2 -3 2223 2.1500000000000000e+01 - - -2.8789478540420532e-01 6.2446802854537964e-01 - -7.3467957973480225e-01 7.2612441144883633e-03 - <_> - 6.4401939392089844e+01 - - 1 2 2224 2.5000000000000000e+00 0 -1 2225 - 3.7500000000000000e+01 -2 -3 2226 5.4850000000000000e+02 - - -6.1204963922500610e-01 6.2827998399734497e-01 - -5.4985451698303223e-01 6.9924682378768921e-02 - <_> - 6.4601165771484375e+01 - - 1 2 2227 3.5000000000000000e+00 0 -1 2228 - 4.4500000000000000e+01 -2 -3 2229 6.5000000000000000e+00 - - -3.2580995559692383e-01 5.1435238122940063e-01 - 5.3874686360359192e-02 -5.6130063533782959e-01 - <_> - 6.4761596679687500e+01 - - 1 2 2230 7.5000000000000000e+00 0 -1 2231 - 3.5000000000000000e+00 -2 -3 2232 5.5500000000000000e+01 - - -7.5083559751510620e-01 3.6957365274429321e-01 - -4.0680039674043655e-02 -7.7190446853637695e-01 - <_> - 6.4306961059570312e+01 - - 1 2 2233 160. 0 -1 2234 127. -2 -3 2235 - 9.1500000000000000e+01 - - 2.1852338314056396e-01 -6.8148994445800781e-01 - -4.8492997884750366e-01 3.1643366813659668e-01 - <_> - 6.4767280578613281e+01 - - 1 2 2236 2.5000000000000000e+00 0 -1 2237 - 7.5250000000000000e+02 -2 -3 2238 4.5000000000000000e+00 - - 4.6031954884529114e-01 -6.2284696102142334e-01 - 4.7282892465591431e-01 -4.0902397036552429e-01 - <_> - 6.4466903686523438e+01 - - 1 2 2239 1.4250000000000000e+02 0 -1 2240 - 4.5000000000000000e+00 -2 -3 2241 1.5000000000000000e+00 - - 1.0185246169567108e-01 -5.8319956064224243e-01 - -6.2095612287521362e-01 4.2880809307098389e-01 - <_> - 6.4761924743652344e+01 - - 1 2 2242 1.1605000000000000e+03 0 -1 2243 2073. -2 -3 2244 - 4.6555000000000000e+03 - - -7.2359293699264526e-01 7.9880434274673462e-01 - 6.1722189188003540e-01 -1.1455553770065308e-01 - <_> - 6.5016494750976562e+01 - - 1 2 2245 1.0350000000000000e+02 0 -1 2246 - 4.4850000000000000e+02 -2 -3 2247 6.2550000000000000e+02 - - -6.7635171115398407e-02 4.6874949336051941e-01 - -8.0271768569946289e-01 3.7331908941268921e-01 - <_> - 6.5212265014648438e+01 - - 1 2 2248 6.2150000000000000e+02 0 -1 2249 326. -2 -3 2250 - 1.5000000000000000e+00 - - 1.9577379524707794e-01 -7.0703411102294922e-01 - 5.1214373111724854e-01 -7.2338587045669556e-01 - <_> - 6.5121826171875000e+01 - - 1 2 2251 9.7500000000000000e+01 0 -1 2252 - 2.3550000000000000e+02 -2 -3 2253 1.9500000000000000e+01 - - 4.6985685825347900e-01 -8.9037990570068359e-01 - 4.9876618385314941e-01 -9.0437032282352448e-02 - <_> - 6.5343742370605469e+01 - - 1 2 2254 1.9500000000000000e+01 0 -1 2255 1133. -2 -3 2256 - 1.0050000000000000e+02 - - 4.8251938819885254e-01 -6.2672054767608643e-01 - 2.2191496193408966e-01 -7.7584463357925415e-01 - <_> - 6.5446708679199219e+01 - - 1 2 2257 1.2555000000000000e+03 0 -1 2258 1315. -2 -3 2259 - 1.4525000000000000e+03 - - 5.0016152858734131e-01 -3.4823906421661377e-01 - 8.1143665313720703e-01 -3.6510743200778961e-02 - <_> - 6.5472305297851562e+01 - - 1 2 2260 5.8500000000000000e+01 0 -1 2261 - 9.2250000000000000e+02 -2 -3 2262 9.2500000000000000e+01 - - 2.5597516447305679e-02 -7.3596054315567017e-01 - 7.7482932806015015e-01 -2.4384480714797974e-01 - <_> - 6.5680641174316406e+01 - - 1 2 2263 2.8500000000000000e+01 0 -1 2264 - 1.9500000000000000e+01 -2 -3 2265 5.0000000000000000e-01 - - -5.1095438003540039e-01 2.7406066656112671e-01 - 4.7238901257514954e-02 -7.9554700851440430e-01 - <_> - 6.5828727722167969e+01 - - 1 2 2266 6.5000000000000000e+00 0 -1 2267 46. -2 -3 2268 - 2.3350000000000000e+02 - - 4.0098896622657776e-01 -3.0355367064476013e-01 - -5.7611280679702759e-01 2.4870538711547852e-01 - <_> - 6.6055801391601562e+01 - - 1 2 2269 1.1235000000000000e+03 0 -1 2270 1791. -2 -3 2271 - 2.2500000000000000e+01 - - 4.2222037911415100e-01 -5.7381504774093628e-01 - -5.7501715421676636e-01 2.7313375473022461e-01 - <_> - 6.5979278564453125e+01 - - 1 2 2272 1.6500000000000000e+01 0 -1 2273 - 1.1500000000000000e+01 -2 -3 2274 3.6500000000000000e+01 - - -1. 7.4951916933059692e-01 -2.2320111095905304e-01 - 6.2808310985565186e-01 - <_> - 6.5982803344726562e+01 - - 1 2 2275 8.8500000000000000e+01 0 -1 2276 - 5.0000000000000000e-01 -2 -3 2277 303. - - -4.2098733782768250e-01 4.7041663527488708e-01 - -8.3091259002685547e-01 3.5231374204158783e-03 - <_> - 6.5862815856933594e+01 - - 1 2 2278 5.0000000000000000e-01 0 -1 2279 - 7.5000000000000000e+00 -2 -3 2280 1.8500000000000000e+01 - - -3.1455779075622559e-01 6.9095128774642944e-01 - -3.3799609541893005e-01 3.8651108741760254e-01 - <_> - 6.5698982238769531e+01 - - 1 2 2281 2.5000000000000000e+00 0 -1 2282 - 6.5000000000000000e+00 -2 -3 2283 1.6500000000000000e+01 - - 1.1540318280458450e-01 -8.0706399679183960e-01 - 4.5586335659027100e-01 -1.6382929682731628e-01 - <_> - 6.5865753173828125e+01 - - 1 2 2284 4.1500000000000000e+01 0 -1 2285 322. -2 -3 2286 - 5.0000000000000000e-01 - - -7.6401643455028534e-02 7.0236140489578247e-01 - 8.3611255884170532e-01 -3.3973169326782227e-01 - <_> - 6.6324913024902344e+01 - - 1 2 2287 1180. 0 -1 2288 5.0000000000000000e-01 -2 -3 2289 - 4.9850000000000000e+02 - - 5.4826909303665161e-01 -6.1790186166763306e-01 - 4.9796470999717712e-01 -7.6435178518295288e-02 - <_> - 6.6116767883300781e+01 - - 1 2 2290 1.0086500000000000e+04 0 -1 2291 - 5.0000000000000000e-01 -2 -3 2292 1.4915000000000000e+03 - - 2.2847035527229309e-01 -5.0997734069824219e-01 - 5.6548178195953369e-01 -2.0814302563667297e-01 - <_> - 6.6620307922363281e+01 - - 1 2 2293 1.2195000000000000e+03 0 -1 2294 - 1.9055000000000000e+03 -2 -3 2295 2.0550000000000000e+02 - - -3.3149933815002441e-01 6.4176028966903687e-01 - 6.0821473598480225e-01 -3.0888804793357849e-01 - <_> - 6.6746444702148438e+01 - - 1 2 2296 2.5000000000000000e+00 0 -1 2297 - 1.0150000000000000e+02 -2 -3 2298 7.2585000000000000e+03 - - 5.9253281354904175e-01 -3.7904369831085205e-01 - 2.6760953664779663e-01 -4.0275105834007263e-01 - <_> - 6.6943595886230469e+01 - - 1 2 2299 1.1500000000000000e+01 0 -1 2300 - 2.4500000000000000e+01 -2 -3 2301 4.5000000000000000e+00 - - -9.8942744731903076e-01 1. -5.9422683715820312e-01 - 1.9715292751789093e-01 - <_> - 6.6331527709960938e+01 - - 1 2 2302 2.4500000000000000e+01 0 -1 2303 - 8.7500000000000000e+01 -2 -3 2304 3.4500000000000000e+01 - - -2.3940645158290863e-01 3.9157524704933167e-01 - 1.0247871279716492e-01 -7.5354349613189697e-01 - <_> - 6.6475265502929688e+01 - - 1 2 2305 6.5000000000000000e+00 0 -1 2306 - 2.3500000000000000e+01 -2 -3 2307 3.3500000000000000e+01 - - -7.6529741287231445e-01 4.5638066530227661e-01 - -5.1855069398880005e-01 1.4373423159122467e-01 - <_> - 6.6999214172363281e+01 - - 1 2 2308 9.4500000000000000e+01 0 -1 2309 - 2.0500000000000000e+01 -2 -3 2310 195. - - -7.4185177683830261e-02 5.2394580841064453e-01 - 3.7441125512123108e-01 -9.3662869930267334e-01 - <_> - 6.7006050109863281e+01 - - 1 2 2311 3026. 0 -1 2312 2.2500000000000000e+01 -2 -3 2313 - 2.8500000000000000e+01 - - -8.7473273277282715e-01 5.1518291234970093e-01 - -6.7311668395996094e-01 6.8403608165681362e-03 - <_> - 6.7129646301269531e+01 - - 1 2 2314 1.7500000000000000e+01 0 -1 2315 - 4.4500000000000000e+01 -2 -3 2316 2961. - - -2.2424821555614471e-01 3.6378455162048340e-01 - -7.0937103033065796e-01 1.6935887932777405e-01 - <_> - 6.7392829895019531e+01 - - 1 2 2317 5.5000000000000000e+00 0 -1 2318 - 1.0500000000000000e+01 -2 -3 2319 46. - - 6.3752532005310059e-01 -1.6769923269748688e-01 - -3.9633530378341675e-01 2.1741947531700134e-01 - <_> - 6.7652908325195312e+01 - - 1 2 2320 4.0500000000000000e+01 0 -1 2321 - 3.7750000000000000e+02 -2 -3 2322 288. - - 7.8108507394790649e-01 -8.9046698808670044e-01 - 2.6008096337318420e-01 -3.1209379434585571e-01 - <_> - 6.7522987365722656e+01 - - 1 2 2323 2.8450000000000000e+02 0 -1 2324 - 2.1500000000000000e+01 -2 -3 2325 3.1615000000000000e+03 - - -2.6827138662338257e-01 4.4363465905189514e-01 - -5.0426739454269409e-01 3.2839775085449219e-01 - <_> - 6.7682723999023438e+01 - - 1 2 2326 1.4550000000000000e+02 0 -1 2327 - 5.0000000000000000e-01 -2 -3 2328 187. - - 3.3854234218597412e-01 -1.9424141943454742e-01 - -7.8695666790008545e-01 1.0578002780675888e-01 - <_> - 6.7990608215332031e+01 - - 1 2 2329 1.4500000000000000e+01 0 -1 2330 55. -2 -3 2331 - 4.1500000000000000e+01 - - 9.3669831752777100e-01 -7.9035413265228271e-01 - 4.7996759414672852e-01 -1.4678025245666504e-01 - <_> - 6.7773666381835938e+01 - - 1 2 2332 4.4450000000000000e+02 0 -1 2333 - 6.5000000000000000e+00 -2 -3 2334 87. - - 3.0000856518745422e-01 -5.1463776826858521e-01 - -4.2596080899238586e-01 5.2854359149932861e-01 - <_> - 6.8242584228515625e+01 - - 1 2 2335 2.3325000000000000e+03 0 -1 2336 10142. -2 -3 2337 - 1.9550000000000000e+02 - - -6.1795878410339355e-01 7.2833043336868286e-01 - 5.5236649513244629e-01 -7.2167828679084778e-02 - <_> - 6.7640380859375000e+01 - - 1 2 2338 1.9500000000000000e+01 0 -1 2339 - 5.5000000000000000e+00 -2 -3 2340 3.7500000000000000e+01 - - -9.1623830795288086e-01 2.8547397255897522e-01 - 2.7238869667053223e-01 -6.8565303087234497e-01 - <_> - 6.8166297912597656e+01 - - 1 2 2341 887. 0 -1 2342 1.8950000000000000e+02 -2 -3 2343 - 1.6500000000000000e+01 - - 5.8323717117309570e-01 -8.4304898977279663e-01 - 5.2591782808303833e-01 -1.1249145865440369e-01 - <_> - 6.7966316223144531e+01 - - 1 2 2344 1.3500000000000000e+01 0 -1 2345 - 5.0500000000000000e+01 -2 -3 2346 5.5000000000000000e+00 - - -5.7582974433898926e-01 8.8582295179367065e-01 - 4.5189410448074341e-01 -1.9998365640640259e-01 - <_> - 6.8363616943359375e+01 - - 1 2 2347 9519. 0 -1 2348 9.9355000000000000e+03 -2 -3 2349 - 1.5000000000000000e+00 - - -5.6369476020336151e-02 5.6953996419906616e-01 - 6.4817821979522705e-01 -6.5638613700866699e-01 - <_> - 6.8680084228515625e+01 - - 1 2 2350 1.4500000000000000e+01 0 -1 2351 - 2.2500000000000000e+01 -2 -3 2352 4.9500000000000000e+01 - - -1.3236002624034882e-01 6.2589818239212036e-01 - -4.6971350908279419e-01 3.0481177568435669e-01 - <_> - 6.8636512756347656e+01 - - 1 2 2353 2.3491500000000000e+04 0 -1 2354 - 1.5000000000000000e+00 -2 -3 2355 31. - - 2.9175955057144165e-01 -2.0415711402893066e-01 -1. 1. - <_> - 6.8339431762695312e+01 - - 1 2 2356 2.1500000000000000e+01 0 -1 2357 - 5.0000000000000000e-01 -2 -3 2358 2.5000000000000000e+00 - - 4.2874211072921753e-01 -4.4592785835266113e-01 - -9.4336575269699097e-01 3.3847200870513916e-01 - <_> - 6.8127563476562500e+01 - - 1 2 2359 2.7500000000000000e+01 0 -1 2360 - 4.5000000000000000e+00 -2 -3 2361 1.2500000000000000e+01 - - 1.4308325946331024e-01 -5.4449397325515747e-01 - 5.8717787265777588e-01 -2.1186867356300354e-01 - <_> - 6.8410385131835938e+01 - - 1 2 2362 9.5000000000000000e+00 0 -1 2363 - 5.5000000000000000e+00 -2 -3 2364 1.2850000000000000e+02 - - -1.1505768448114395e-01 -9.6275746822357178e-01 - 2.8282612562179565e-01 -3.5639968514442444e-01 - <_> - 6.8815826416015625e+01 - - 1 2 2365 1.9125000000000000e+03 0 -1 2366 - 6.5000000000000000e+00 -2 -3 2367 1.2925000000000000e+03 - - 7.6003736257553101e-01 -1.8823170661926270e-01 - -3.1990632414817810e-01 3.2092514634132385e-01 - <_> - 6.8693199157714844e+01 - - 1 2 2368 1.5500000000000000e+01 0 -1 2369 - 4.0445000000000000e+03 -2 -3 2370 1.3500000000000000e+01 - - 2.2088183462619781e-01 -8.6471045017242432e-01 - 4.9937435984611511e-01 -1.2262738496065140e-01 - <_> - 6.9212486267089844e+01 - - 1 2 2371 1.1500000000000000e+01 0 -1 2372 - 1.2500000000000000e+01 -2 -3 2373 1.3250000000000000e+02 - - -5.8216619491577148e-01 7.6504099369049072e-01 - -4.9605194479227066e-02 5.4096341133117676e-01 - <_> - 6.9281822204589844e+01 - - 1 2 2374 3.4500000000000000e+01 0 -1 2375 - 6.5000000000000000e+00 -2 -3 2376 1.5000000000000000e+00 - - -7.0201843976974487e-01 3.5367730259895325e-01 1. - -3.9128544926643372e-01 - <_> - 6.9379959106445312e+01 - - 1 2 2377 8.7500000000000000e+01 0 -1 2378 - 7.5000000000000000e+00 -2 -3 2379 273. - - -5.3956866264343262e-01 3.2018893957138062e-01 - -5.9921985864639282e-01 2.5184553861618042e-01 - <_> - 6.9302131652832031e+01 - - 1 2 2380 5.0000000000000000e-01 0 -1 2381 - 4.4500000000000000e+01 -2 -3 2382 1.9204500000000000e+04 - - -5.0899110734462738e-02 6.8976759910583496e-01 - -7.7828548848628998e-02 -9.1394501924514771e-01 - <_> - 6.9691947937011719e+01 - - 1 2 2383 6.7500000000000000e+01 0 -1 2384 - 3.2850000000000000e+02 -2 -3 2385 1224. - - 1.1171031743288040e-02 7.3188757896423340e-01 - -8.6419099569320679e-01 2.1196028217673302e-02 - <_> - 6.9572067260742188e+01 - - 1 2 2386 1.1235000000000000e+03 0 -1 2387 - 8.4050000000000000e+02 -2 -3 2388 1.5500000000000000e+01 - - -1.5439936518669128e-01 6.1207121610641479e-01 - 1.9708819687366486e-01 -4.6194908022880554e-01 - <_> - 6.9861968994140625e+01 - - 1 2 2389 9.1500000000000000e+01 0 -1 2390 - 1.0500000000000000e+01 -2 -3 2391 4.1495000000000000e+03 - - 1.0701948404312134e-01 -5.6979161500930786e-01 - -9.6821188926696777e-02 7.0975506305694580e-01 - <_> - 7.0039260864257812e+01 - - 1 2 2392 1.1500000000000000e+01 0 -1 2393 2897. -2 -3 2394 - 2.4350000000000000e+02 - - -9.1259753704071045e-01 1. 1.7728993296623230e-01 - -7.3356288671493530e-01 - <_> - 6.9705703735351562e+01 - - 1 2 2395 5.0000000000000000e-01 0 -1 2396 - 2.0500000000000000e+01 -2 -3 2397 4.6500000000000000e+01 - - -5.2813202142715454e-01 4.4198977947235107e-01 - -4.8570594191551208e-01 1.9584445655345917e-01 - <_> - 6.9970062255859375e+01 - - 1 2 2398 5.0000000000000000e-01 0 -1 2399 - 3.1500000000000000e+01 -2 -3 2400 3831. - - -6.4685755968093872e-01 7.3702591657638550e-01 - -2.6504144072532654e-01 5.5941796302795410e-01 - <_> - 6.9949569702148438e+01 - - 1 2 2401 5.0000000000000000e-01 0 -1 2402 5. -2 -3 2403 - 4.5000000000000000e+00 - - -8.8435417413711548e-01 5.8749139308929443e-01 - 2.7166697382926941e-01 -3.1555649638175964e-01 - <_> - 7.0117141723632812e+01 - - 1 2 2404 2596. 0 -1 2405 9.1496500000000000e+04 -2 -3 2406 - 1.5000000000000000e+00 - - -7.8573900461196899e-01 1.6757574677467346e-01 - 8.5581427812576294e-01 -9.4101238250732422e-01 - <_> - 7.0224205017089844e+01 - - 1 2 2407 5749. 0 -1 2408 79. -2 -3 2409 208. - - 1. -1. 1.0706392675638199e-01 -7.7825403213500977e-01 - <_> - 7.0221618652343750e+01 - - 1 2 2410 5.1855000000000000e+03 0 -1 2411 - 4.6500000000000000e+01 -2 -3 2412 8.5000000000000000e+00 - - -3.6203452944755554e-01 3.4422519803047180e-01 - -2.5855610147118568e-03 -7.1835225820541382e-01 - <_> - 7.0728790283203125e+01 - - 1 2 2413 1.3500000000000000e+01 0 -1 2414 - 1.0950000000000000e+02 -2 -3 2415 5.3500000000000000e+01 - - 1.9084104895591736e-01 -8.0712783336639404e-01 - 5.5798757076263428e-01 -1.0734169185161591e-01 - <_> - 7.0351577758789062e+01 - - 1 2 2416 1.3405000000000000e+03 0 -1 2417 - 3.5000000000000000e+00 -2 -3 2418 342. - - 4.1194143891334534e-01 -3.7721332907676697e-01 - -5.5014234781265259e-01 5.2194917201995850e-01 - <_> - 7.0136901855468750e+01 - - 1 2 2419 3.7345000000000000e+03 0 -1 2420 - 3.2500000000000000e+01 -2 -3 2421 9.8500000000000000e+01 - - 3.2743006944656372e-01 -2.1467541158199310e-01 - -8.1029343605041504e-01 7.0203500986099243e-01 - <_> - 6.9686508178710938e+01 - - 1 2 2422 1.2185000000000000e+03 0 -1 2423 - 1.5000000000000000e+00 -2 -3 2424 4.8755000000000000e+03 - - 2.0333147048950195e-01 -4.5039632916450500e-01 - 4.4757398962974548e-01 -5.9627413749694824e-01 - <_> - 7.0005889892578125e+01 - - 1 2 2425 6.4500000000000000e+01 0 -1 2426 - 3.7150000000000000e+02 -2 -3 2427 6.7750000000000000e+02 - - 2.6681974530220032e-01 -5.9953171014785767e-01 - 3.1938493251800537e-01 -6.9817471504211426e-01 - <_> - 7.0428718566894531e+01 - - 1 2 2428 2.6500000000000000e+01 0 -1 2429 - 1.7650000000000000e+02 -2 -3 2430 1.0500000000000000e+01 - - -7.5495415367186069e-03 -6.1552453041076660e-01 - -5.8272439241409302e-01 7.1704763174057007e-01 - <_> - 7.0936927795410156e+01 - - 1 2 2431 1.0950000000000000e+02 0 -1 2432 - 1.2500000000000000e+01 -2 -3 2433 3.4500000000000000e+01 - - 6.7761175334453583e-02 -6.1159509420394897e-01 - 5.0820809602737427e-01 -1.4290602505207062e-01 - <_> - 7.1328254699707031e+01 - - 1 2 2434 37. 0 -1 2435 108. -2 -3 2436 - 7.5000000000000000e+00 - - 5.2559959888458252e-01 -9.0183192491531372e-01 - 3.9132472872734070e-01 -1.6153934597969055e-01 - <_> - 7.1377151489257812e+01 - - 1 2 2437 1.5000000000000000e+00 0 -1 2438 - 4.1500000000000000e+01 -2 -3 2439 136. - - -1.6022360324859619e-01 4.5697069168090820e-01 - -5.8138531446456909e-01 5.7625991106033325e-01 - <_> - 7.1590606689453125e+01 - - 1 2 2440 2.2950000000000000e+02 0 -1 2441 986. -2 -3 2442 - 2.5000000000000000e+00 - - -5.5947124958038330e-01 2.1345110237598419e-01 - 5.1724910736083984e-01 -7.9673564434051514e-01 - <_> - 7.1604888916015625e+01 - - 1 2 2443 9.5000000000000000e+00 0 -1 2444 - 2.3500000000000000e+01 -2 -3 2445 1.0550000000000000e+02 - - -4.6063753962516785e-01 3.1602507829666138e-01 - -5.2265387773513794e-01 6.4050400257110596e-01 - <_> - 7.1843421936035156e+01 - - 1 2 2446 2.3365000000000000e+03 0 -1 2447 - 1.3333500000000000e+04 -2 -3 2448 7.8250000000000000e+02 - - -5.7870197296142578e-01 9.2290049791336060e-01 - 6.9137138128280640e-01 -1.5123842656612396e-01 - <_> - 7.1939323425292969e+01 - - 1 2 2449 3.5000000000000000e+00 0 -1 2450 - 1.8500000000000000e+01 -2 -3 2451 6.1500000000000000e+01 - - -5.3932064771652222e-01 4.5498287677764893e-01 - -6.5867853164672852e-01 9.6776336431503296e-02 - <_> - 7.1796112060546875e+01 - - 1 2 2452 1.0050000000000000e+02 0 -1 2453 - 6.5000000000000000e+00 -2 -3 2454 9.9500000000000000e+01 - - 2.1488319337368011e-01 -3.8114818930625916e-01 - -9.3055361509323120e-01 9.2053020000457764e-01 - <_> - 7.1826210021972656e+01 - - 1 2 2455 5.3875000000000000e+03 0 -1 2456 - 4.0150000000000000e+02 -2 -3 2457 203. - - 3.6667090654373169e-01 -3.2799699902534485e-01 - -2.9070058465003967e-01 6.2547647953033447e-01 - <_> - 7.1566932678222656e+01 - - 1 2 2458 1164. 0 -1 2459 12122. -2 -3 2460 - 1.2565000000000000e+03 - - -8.4399074316024780e-01 8.6422222852706909e-01 - -2.5927615165710449e-01 3.1698527932167053e-01 - <_> - 7.2048255920410156e+01 - - 1 2 2461 7.0500000000000000e+01 0 -1 2462 - 5.0000000000000000e-01 -2 -3 2463 113. - - 4.2299839854240417e-01 -3.7696704268455505e-01 - 4.8132598400115967e-01 -8.4420484304428101e-01 - <_> - 7.2493713378906250e+01 - - 1 2 2464 1.5000000000000000e+00 0 -1 2465 24. -2 -3 2466 - 1.1650000000000000e+02 - - -7.3568606376647949e-01 4.4545513391494751e-01 - 4.5487869530916214e-02 -6.0882014036178589e-01 - <_> - 7.2295455932617188e+01 - - 1 2 2467 2.6500000000000000e+01 0 -1 2468 - 2.5000000000000000e+00 -2 -3 2469 1.9500000000000000e+01 - - 1.9328838586807251e-01 -9.2098551988601685e-01 - 2.8382617235183716e-01 -3.1953519582748413e-01 - <_> - 7.2064254760742188e+01 - - 1 2 2470 5.6500000000000000e+01 0 -1 2471 - 3.5000000000000000e+00 -2 -3 2472 2.2450000000000000e+02 - - 2.8244340419769287e-01 -2.9833537340164185e-01 -1. - 8.5370278358459473e-01 - <_> - 7.2284309387207031e+01 - - 1 2 2473 4.9500000000000000e+01 0 -1 2474 4038. -2 -3 2475 - 1.0500000000000000e+01 - - 3.4302046895027161e-01 -8.1761771440505981e-01 - -7.4983465671539307e-01 2.2005748748779297e-01 - <_> - 7.2424072265625000e+01 - - 1 2 2476 5.0000000000000000e-01 0 -1 2477 - 4.9525000000000000e+03 -2 -3 2478 1.2500000000000000e+01 - - 3.8115087151527405e-01 -6.6690814495086670e-01 - 1.3976120948791504e-01 -5.6789624691009521e-01 - <_> - 7.2313995361328125e+01 - - 1 2 2479 3.2500000000000000e+01 0 -1 2480 - 1.1926500000000000e+04 -2 -3 2481 6.0500000000000000e+01 - - -6.5613843500614166e-02 -7.5880628824234009e-01 - 2.2690546512603760e-01 -6.3682055473327637e-01 - <_> - 7.2143783569335938e+01 - - 1 2 2482 5.0000000000000000e-01 0 -1 2483 - 5.7535000000000000e+03 -2 -3 2484 5.5000000000000000e+00 - - -9.2257243394851685e-01 8.5957908630371094e-01 - 3.2697901129722595e-01 -1.7020969092845917e-01 - <_> - 7.2681999206542969e+01 - - 1 2 2485 7.1500000000000000e+01 0 -1 2486 188. -2 -3 2487 - 177. - - -2.7773711085319519e-01 6.7274010181427002e-01 - -3.3517399430274963e-01 7.5859177112579346e-01 - <_> - 7.2897277832031250e+01 - - 1 2 2488 6.7500000000000000e+01 0 -1 2489 - 2.1500000000000000e+01 -2 -3 2490 7.0500000000000000e+01 - - -7.9514396190643311e-01 2.1528589725494385e-01 1. - -7.2838509082794189e-01 - <_> - 7.2998519897460938e+01 - - 1 2 2491 6.5000000000000000e+00 0 -1 2492 161. -2 -3 2493 - 9578. - - 6.2451672554016113e-01 -1.9713717699050903e-01 - 1.0124062746763229e-01 -5.1373565196990967e-01 - <_> - 7.3003601074218750e+01 - - 1 2 2494 2.3415000000000000e+03 0 -1 2495 - 7.6500000000000000e+01 -2 -3 2496 1.4555000000000000e+03 - - -6.9544225931167603e-01 3.1051948666572571e-01 - 7.0642524957656860e-01 1.7271263524889946e-02 - <_> - 7.3047424316406250e+01 - - 1 2 2497 1.5500000000000000e+01 0 -1 2498 - 1.1500000000000000e+01 -2 -3 2499 5.7500000000000000e+01 - - 3.4771478176116943e-01 -8.5552608966827393e-01 - 3.6829981207847595e-01 -1.8874453008174896e-01 - <_> - 7.3427375793457031e+01 - - 1 2 2500 6.2500000000000000e+01 0 -1 2501 34698. -2 -3 2502 - 8.5000000000000000e+00 - - 1.6296713054180145e-01 -6.3167887926101685e-01 - 3.7994962930679321e-01 -4.6771416068077087e-01 - <_> - 7.3244293212890625e+01 - - 1 2 2503 2.3500000000000000e+01 0 -1 2504 - 3.8500000000000000e+01 -2 -3 2505 427. - - -2.9058054089546204e-01 5.2562189102172852e-01 - 6.4414465427398682e-01 -8.3316773176193237e-01 - <_> - 7.3628913879394531e+01 - - 1 2 2506 4.5000000000000000e+00 0 -1 2507 - 8.5000000000000000e+00 -2 -3 2508 1.6925000000000000e+03 - - -2.7814975380897522e-01 4.8170346021652222e-01 - -6.5349429845809937e-01 5.4887872189283371e-02 - <_> - 7.3769676208496094e+01 - - 1 2 2509 15430. 0 -1 2510 1.5950000000000000e+02 -2 -3 2511 - 1.2615000000000000e+03 - - 4.3867623805999756e-01 -7.6247996091842651e-01 - -4.5795723795890808e-01 2.0065939426422119e-01 - <_> - 7.3981689453125000e+01 - - 1 2 2512 7.3500000000000000e+01 0 -1 2513 - 2.6500000000000000e+01 -2 -3 2514 4.1500000000000000e+01 - - -6.2215524911880493e-01 2.1201618015766144e-01 - -7.7795881032943726e-01 7.5186353921890259e-01 - <_> - 7.3843399047851562e+01 - - 1 2 2515 3.5000000000000000e+00 0 -1 2516 9. -2 -3 2517 - 1.7500000000000000e+01 - - -1. 6.5247339010238647e-01 -5.3328835964202881e-01 - 6.5298572182655334e-02 - <_> - 7.3923049926757812e+01 - - 1 2 2518 5.2950000000000000e+02 0 -1 2519 - 1.8500000000000000e+01 -2 -3 2520 6.4500000000000000e+01 - - 2.7425521612167358e-01 -7.6726049184799194e-01 - 2.3897975683212280e-01 -5.1008826494216919e-01 - <_> - 7.3826148986816406e+01 - - 1 2 2521 7.0500000000000000e+01 0 -1 2522 - 2.8500000000000000e+01 -2 -3 2523 3.5000000000000000e+00 - - 1.1504331231117249e-01 -6.4958560466766357e-01 - 6.4581304788589478e-01 -9.6902929246425629e-02 - <_> - 7.4119972229003906e+01 - - 1 2 2524 163. 0 -1 2525 2.0450000000000000e+02 -2 -3 2526 - 1486. - - 7.2227291762828827e-02 -4.8131951689720154e-01 - 6.7641806602478027e-01 -1. - <_> - 7.4284828186035156e+01 - - 1 2 2527 9.5000000000000000e+00 0 -1 2528 - 5.4500000000000000e+01 -2 -3 2529 3.5000000000000000e+00 - - 2.1673867106437683e-01 -9.8935294151306152e-01 - -8.0995440483093262e-01 1.6485558450222015e-01 - <_> - 7.3767173767089844e+01 - - 1 2 2530 3.3500000000000000e+01 0 -1 2531 - 2.0500000000000000e+01 -2 -3 2532 326. - - 8.5764698684215546e-02 -5.1765644550323486e-01 - -3.3359569311141968e-01 5.3560173511505127e-01 - <_> - 7.4017349243164062e+01 - - 1 2 2533 1144. 0 -1 2534 1038. -2 -3 2535 227. - - -8.5851883888244629e-01 8.0733579397201538e-01 - 2.5017657876014709e-01 -4.6748492121696472e-01 - <_> - 7.4431625366210938e+01 - - 1 2 2536 8.6500000000000000e+01 0 -1 2537 7. -2 -3 2538 - 4.7500000000000000e+01 - - 5.0281429290771484e-01 -6.8806976079940796e-01 - 4.1427880525588989e-01 -1.3120372593402863e-01 - <_> - 7.4155914306640625e+01 - - 1 2 2539 2.8500000000000000e+01 0 -1 2540 - 1.2500000000000000e+01 -2 -3 2541 352. - - 4.0651530027389526e-01 -2.7571403980255127e-01 - 6.4302980899810791e-01 -6.1632806062698364e-01 - <_> - 7.4377723693847656e+01 - - 1 2 2542 4.5500000000000000e+01 0 -1 2543 - 4.5000000000000000e+00 -2 -3 2544 1.5000000000000000e+00 - - 2.1374966204166412e-01 -8.0584329366683960e-01 - -6.8813514709472656e-01 2.2180862724781036e-01 - <_> - 7.4892883300781250e+01 - - 1 2 2545 7.2450000000000000e+02 0 -1 2546 - 8.2650000000000000e+02 -2 -3 2547 2.5000000000000000e+00 - - -1.0470861941576004e-01 5.1516324281692505e-01 - 1.2213422358036041e-01 -7.9457265138626099e-01 - <_> - 7.4932922363281250e+01 - - 1 2 2548 1.4925000000000000e+03 0 -1 2549 - 2.5625000000000000e+03 -2 -3 2550 4.0125000000000000e+03 - - -1.9472637213766575e-03 8.4926861524581909e-01 - 4.0032647550106049e-02 -7.9371875524520874e-01 - <_> - 7.5366584777832031e+01 - - 1 2 2551 5.0000000000000000e-01 0 -1 2552 - 3.5150000000000000e+02 -2 -3 2553 7.6500000000000000e+01 - - -6.7581409215927124e-01 4.3366453051567078e-01 - -6.9250804185867310e-01 1.4782861806452274e-02 - <_> - 7.5361564636230469e+01 - - 1 2 2554 1.4550000000000000e+02 0 -1 2555 - 1.3500000000000000e+01 -2 -3 2556 3.7950000000000000e+02 - - -9.2167288064956665e-01 2.2473543882369995e-01 - -6.1316716670989990e-01 5.3515338897705078e-01 - <_> - 7.5602142333984375e+01 - - 1 2 2557 1.7500000000000000e+01 0 -1 2558 - 3.0150000000000000e+02 -2 -3 2559 5.9500000000000000e+01 - - -2.0176244899630547e-02 7.6716834306716919e-01 - -6.2594699859619141e-01 2.9301643371582031e-02 - <_> - 7.5772842407226562e+01 - - 1 2 2560 7.0205000000000000e+03 0 -1 2561 - 7.5000000000000000e+00 -2 -3 2562 182. - - -7.9505175352096558e-01 1.7069797217845917e-01 - -8.2258385419845581e-01 7.3946392536163330e-01 - <_> - 7.5877098083496094e+01 - - 1 2 2563 4.5500000000000000e+01 0 -1 2564 - 6.8445000000000000e+03 -2 -3 2565 7.9500000000000000e+01 - - 3.9029154181480408e-01 -1.7648826539516449e-01 - -5.5182862281799316e-01 4.6366956830024719e-01 - <_> - 7.5638267517089844e+01 - - 1 2 2566 5.1850000000000000e+02 0 -1 2567 - 4.5000000000000000e+00 -2 -3 2568 5.0500000000000000e+01 - - 2.6328665018081665e-01 -3.8584133982658386e-01 - -6.9626593589782715e-01 5.0637173652648926e-01 - <_> - 7.5725959777832031e+01 - - 1 2 2569 1.9950000000000000e+02 0 -1 2570 - 1.8500000000000000e+01 -2 -3 2571 3.6500000000000000e+01 - - -4.1137224435806274e-01 2.0416383445262909e-01 - -9.0335428714752197e-01 8.9813232421875000e-01 - <_> - 7.5224937438964844e+01 - - 1 2 2572 7.5000000000000000e+00 0 -1 2573 - 2.5500000000000000e+01 -2 -3 2574 2.8450000000000000e+02 - - -7.3831039667129517e-01 3.6077511310577393e-01 - 3.1331515312194824e-01 -5.0101745128631592e-01 - <_> - 7.5449661254882812e+01 - - 1 2 2575 5.0000000000000000e-01 0 -1 2576 - 3.7665000000000000e+03 -2 -3 2577 8.2500000000000000e+01 - - 7.5498217344284058e-01 -1.5097464621067047e-01 - -3.8953059911727905e-01 2.2472013533115387e-01 - <_> - 7.5411880493164062e+01 - - 1 2 2578 4493. 0 -1 2579 2.5500000000000000e+01 -2 -3 2580 - 2.4500000000000000e+01 - - 2.1087837219238281e-01 -2.8623789548873901e-01 -1. - 9.5196199417114258e-01 - <_> - 7.5614067077636719e+01 - - 1 2 2581 1.0500000000000000e+01 0 -1 2582 17. -2 -3 2583 - 103. - - -7.5117886066436768e-01 9.0265202522277832e-01 - 2.0218542218208313e-01 -7.3936897516250610e-01 - <_> - 7.5999168395996094e+01 - - 1 2 2584 3.8500000000000000e+01 0 -1 2585 5086. -2 -3 2586 - 5.4500000000000000e+01 - - 5.9127920866012573e-01 -5.5186152458190918e-01 - 6.0463196039199829e-01 -9.3399420380592346e-02 - <_> - 7.6240371704101562e+01 - - 1 2 2587 2.7500000000000000e+01 0 -1 2588 - 3.5000000000000000e+00 -2 -3 2589 91. - - -6.9810129702091217e-02 -8.4188365936279297e-01 - 2.4120073020458221e-01 -6.5708816051483154e-01 - <_> - 7.6235023498535156e+01 - - 1 2 2590 1.9500000000000000e+01 0 -1 2591 - 1.6500000000000000e+01 -2 -3 2592 4.5000000000000000e+00 - - 3.0514994263648987e-01 -3.2603117823600769e-01 - -4.3177062273025513e-01 8.1372964382171631e-01 - <_> - 7.6073257446289062e+01 - - 1 2 2593 1.2135000000000000e+03 0 -1 2594 - 1.5725000000000000e+03 -2 -3 2595 5.0650000000000000e+02 - - 4.9728196859359741e-01 -4.1840994358062744e-01 - 6.4058172702789307e-01 -1.6176456212997437e-01 - <_> - 7.6243354797363281e+01 - - 1 2 2596 2.5000000000000000e+00 0 -1 2597 - 4.2500000000000000e+01 -2 -3 2598 1.0500000000000000e+01 - - 2.2679857909679413e-01 -6.9367134571075439e-01 - 5.3237688541412354e-01 -5.3971223533153534e-02 - <_> - 7.6326980590820312e+01 - - 1 2 2599 5.0500000000000000e+01 0 -1 2600 - 3.5000000000000000e+00 -2 -3 2601 6.9315000000000000e+03 - - 2.1303455531597137e-01 -6.3557696342468262e-01 - -1.9230200350284576e-01 4.7144305706024170e-01 - <_> - 7.6166137695312500e+01 - - 1 2 2602 6905. 0 -1 2603 5.9785000000000000e+03 -2 -3 2604 - 2.5000000000000000e+00 - - -4.6545404940843582e-02 6.8220782279968262e-01 - 1.9928511977195740e-01 -5.4866182804107666e-01 - <_> - 7.6497024536132812e+01 - - 1 2 2605 3.5000000000000000e+00 0 -1 2606 - 1.5000000000000000e+00 -2 -3 2607 1.5500000000000000e+01 - - 1. -9.3044626712799072e-01 3.3089175820350647e-01 - -2.4615941941738129e-01 - <_> - 7.6440460205078125e+01 - - 1 2 2608 9.8500000000000000e+01 0 -1 2609 - 2.1950000000000000e+02 -2 -3 2610 1.5000000000000000e+00 - - -5.9206131845712662e-02 -7.2229409217834473e-01 - -7.6280659437179565e-01 4.8397278785705566e-01 - <_> - 7.6623970031738281e+01 - - 1 2 2611 6.5500000000000000e+01 0 -1 2612 - 5.0000000000000000e-01 -2 -3 2613 1.0050000000000000e+02 - - 3.7457340955734253e-01 -9.0597450733184814e-01 - 1.8351505696773529e-01 -5.7986891269683838e-01 - <_> - 7.6471252441406250e+01 - - 1 2 2614 1.1615000000000000e+03 0 -1 2615 - 2.0525000000000000e+03 -2 -3 2616 7.8150000000000000e+02 - - -7.5747263431549072e-01 8.2365345954895020e-01 - 4.9958717823028564e-01 -1.5272425115108490e-01 - <_> - 7.6615051269531250e+01 - - 1 2 2617 1.2950000000000000e+02 0 -1 2618 - 4.0500000000000000e+01 -2 -3 2619 2.5000000000000000e+00 - - -8.1159070134162903e-02 5.3420531749725342e-01 - 3.5195964574813843e-01 -8.9636689424514771e-01 - <_> - 7.6877807617187500e+01 - - 1 2 2620 2.2050000000000000e+02 0 -1 2621 - 9.5000000000000000e+00 -2 -3 2622 1.5500000000000000e+01 - - 1.3451068103313446e-01 -4.0673348307609558e-01 - -8.1775653362274170e-01 7.4299770593643188e-01 - <_> - 7.6823638916015625e+01 - - 1 2 2623 2.4500000000000000e+01 0 -1 2624 - 5.9500000000000000e+01 -2 -3 2625 5.1515000000000000e+03 - - -7.1872109174728394e-01 7.7110481262207031e-01 - 3.9283660054206848e-01 -1.6952608525753021e-01 - <_> - 7.6773773193359375e+01 - - 1 2 2626 8.5000000000000000e+00 0 -1 2627 - 3.5000000000000000e+00 -2 -3 2628 1.8450000000000000e+02 - - -6.7384725809097290e-01 6.7822283506393433e-01 - -3.4205380082130432e-01 2.1638515591621399e-01 - <_> - 7.6982254028320312e+01 - - 1 2 2629 2.8500000000000000e+01 0 -1 2630 245. -2 -3 2631 - 61. - - 2.0848464965820312e-01 -6.2569552659988403e-01 - -8.1863158941268921e-01 8.4820270538330078e-01 - <_> - 7.6841300964355469e+01 - - 1 2 2632 2.1500000000000000e+01 0 -1 2633 - 3.5000000000000000e+00 -2 -3 2634 5.0000000000000000e-01 - - -8.5113090276718140e-01 7.8649562597274780e-01 - 4.1131305694580078e-01 -1.4095856249332428e-01 - <_> - 7.7013679504394531e+01 - - 1 2 2635 7.4950000000000000e+02 0 -1 2636 - 9.5000000000000000e+00 -2 -3 2637 7.9500000000000000e+01 - - 1.7237815260887146e-01 -4.3325147032737732e-01 - -1.0799569636583328e-01 6.9663918018341064e-01 - <_> - 7.7435089111328125e+01 - - 1 2 2638 1.7500000000000000e+01 0 -1 2639 174. -2 -3 2640 - 12650. - - 2.8112256526947021e-01 -5.1195782423019409e-01 - 4.2141020298004150e-01 -5.3448003530502319e-01 - <_> - 7.7268295288085938e+01 - - 1 2 2641 503. 0 -1 2642 1.3950000000000000e+02 -2 -3 2643 - 5.5000000000000000e+00 - - 5.8834999799728394e-01 -8.3229357004165649e-01 - 3.7692824006080627e-01 -1.6679267585277557e-01 - <_> - 7.7178421020507812e+01 - - 1 2 2644 1.3500000000000000e+01 0 -1 2645 - 2.5000000000000000e+00 -2 -3 2646 4.5000000000000000e+00 - - -6.5913814306259155e-01 5.2206271886825562e-01 - 4.7852468490600586e-01 -8.9874200522899628e-02 - <_> - 7.7000297546386719e+01 - - 1 2 2647 2.6500000000000000e+01 0 -1 2648 - 9.5000000000000000e+00 -2 -3 2649 4.5000000000000000e+00 - - -8.1166177988052368e-01 4.6178385615348816e-01 - 3.5849693417549133e-01 -1.7812377214431763e-01 - <_> - 7.7597846984863281e+01 - - 1 2 2650 5.0000000000000000e-01 0 -1 2651 - 5.5000000000000000e+00 -2 -3 2652 6.2500000000000000e+01 - - -7.4793010950088501e-01 4.5227390527725220e-01 - -2.8616324067115784e-01 7.2525143623352051e-01 - <_> - 7.7900642395019531e+01 - - 1 2 2653 3.9500000000000000e+01 0 -1 2654 26. -2 -3 2655 - 5218. - - 5.8358985185623169e-01 -4.8778259754180908e-01 - 3.0279731750488281e-01 -8.5277533531188965e-01 - <_> - 7.7819618225097656e+01 - - 1 2 2656 9.5000000000000000e+00 0 -1 2657 6301. -2 -3 2658 - 6.5000000000000000e+00 - - 9.1035622358322144e-01 -9.4324058294296265e-01 - 4.2837977409362793e-01 -1.6642063856124878e-01 - <_> - 7.7973083496093750e+01 - - 1 2 2659 1.0500000000000000e+01 0 -1 2660 - 2.5595000000000000e+03 -2 -3 2661 3.0950000000000000e+02 - - -4.6133957803249359e-02 5.8160132169723511e-01 - -5.6929016113281250e-01 4.2342483997344971e-01 - <_> - 7.7966255187988281e+01 - - 1 2 2662 6.5000000000000000e+00 0 -1 2663 - 2.9250000000000000e+02 -2 -3 2664 4.7550000000000000e+02 - - -1.8533475697040558e-02 8.2740765810012817e-01 - -7.0250022411346436e-01 -6.8264966830611229e-03 - <_> - 7.7632484436035156e+01 - - 1 2 2665 2.5750000000000000e+02 0 -1 2666 - 3.7515000000000000e+03 -2 -3 2667 3.5000000000000000e+00 - - -9.5757788419723511e-01 8.6831378936767578e-01 - 2.1071645617485046e-01 -3.3376976847648621e-01 - <_> - 7.7842147827148438e+01 - - 1 2 2668 1.6650000000000000e+02 0 -1 2669 196. -2 -3 2670 - 2.5150000000000000e+02 - - 1.5279424190521240e-01 -6.0143697261810303e-01 - 5.7514303922653198e-01 -2.5379255414009094e-01 - <_> - 7.7947998046875000e+01 - - 1 2 2671 1.9500000000000000e+01 0 -1 2672 - 1.8850000000000000e+02 -2 -3 2673 3.5000000000000000e+00 - - -9.4067907333374023e-01 1. 4.1685935854911804e-01 - -1.3797542452812195e-01 - <_> - 7.8399063110351562e+01 - - 1 2 2674 2.5500000000000000e+01 0 -1 2675 - 2.5000000000000000e+00 -2 -3 2676 7.0765000000000000e+03 - - 2.0323142409324646e-01 -4.4056713581085205e-01 - -7.2788339853286743e-01 4.5106858015060425e-01 - <_> - 7.8570816040039062e+01 - - 1 2 2677 42. 0 -1 2678 1.8550000000000000e+02 -2 -3 2679 - 2.6500000000000000e+01 - - 8.6221927404403687e-01 -8.9485520124435425e-01 - -6.2209093570709229e-01 1.7175154387950897e-01 - <_> - 7.8441680908203125e+01 - - 1 2 2680 6.1500000000000000e+01 0 -1 2681 - 5.0000000000000000e-01 -2 -3 2682 1.9650000000000000e+02 - - 4.3466070294380188e-01 -1.2913754582405090e-01 - 3.0203801393508911e-01 -7.8498184680938721e-01 - <_> - 7.8473335266113281e+01 - - 1 2 2683 2.4500000000000000e+01 0 -1 2684 - 1.3505000000000000e+03 -2 -3 2685 1.1150000000000000e+02 - - 1.2745502591133118e-01 -5.3675878047943115e-01 - 7.7312016487121582e-01 3.1652595847845078e-02 - <_> - 7.8451828002929688e+01 - - 1 2 2686 2.3145000000000000e+03 0 -1 2687 267. -2 -3 2688 - 13841. - - -6.8013966083526611e-01 6.3926976919174194e-01 - 5.1043254137039185e-01 -5.8976538479328156e-02 - <_> - 7.8873893737792969e+01 - - 1 2 2689 2.3050000000000000e+02 0 -1 2690 - 8.5500000000000000e+01 -2 -3 2691 1.8500000000000000e+01 - - 1.5697926282882690e-01 -4.9062812328338623e-01 - -2.8371900320053101e-01 5.3703123331069946e-01 - <_> - 7.8867477416992188e+01 - - 1 2 2692 1.7500000000000000e+01 0 -1 2693 - 2.3500000000000000e+01 -2 -3 2694 2.9850000000000000e+02 - - -8.6949959397315979e-02 4.9665886163711548e-01 - 4.2928251624107361e-01 -7.4992567300796509e-01 - <_> - 7.9131950378417969e+01 - - 1 2 2695 8.7500000000000000e+01 0 -1 2696 - 1.9850000000000000e+02 -2 -3 2697 84. - - 2.6447936892509460e-01 -4.0403616428375244e-01 - -7.4564838409423828e-01 7.5660055875778198e-01 - <_> - 7.8859619140625000e+01 - - 1 2 2698 1.8500000000000000e+01 0 -1 2699 193. -2 -3 2700 - 3.5000000000000000e+00 - - 6.6051805019378662e-01 -6.8317562341690063e-01 - 4.0860527753829956e-01 -1.5469188988208771e-01 - <_> - 7.9192871093750000e+01 - - 1 2 2701 1.0450000000000000e+02 0 -1 2702 - 2.1250000000000000e+02 -2 -3 2703 368. - - 2.8573963046073914e-01 -5.1572942733764648e-01 - 3.3325448632240295e-01 -7.9736381769180298e-01 - <_> - 7.9073951721191406e+01 - - 1 2 2704 5.0000000000000000e-01 0 -1 2705 - 1.3350000000000000e+02 -2 -3 2706 8.5000000000000000e+00 - - -7.5674408674240112e-01 4.2235055565834045e-01 - -6.1476016044616699e-01 3.5760600119829178e-02 - <_> - 7.9772453308105469e+01 - - 1 2 2707 1622. 0 -1 2708 5.6850000000000000e+02 -2 -3 2709 - 2.3500000000000000e+01 - - 3.7303709983825684e-01 -2.6838380098342896e-01 - 8.5874927043914795e-01 -6.8010163307189941e-01 - <_> - 7.9616546630859375e+01 - - 1 2 2710 5.1150000000000000e+02 0 -1 2711 - 2.0500000000000000e+01 -2 -3 2712 6.2385000000000000e+03 - - -2.7740508317947388e-01 6.4964014291763306e-01 - 6.8416231870651245e-01 -1.4068825542926788e-01 - <_> - 7.9560432434082031e+01 - - 1 2 2713 2.0500000000000000e+01 0 -1 2714 152. -2 -3 2715 - 118. - - 3.3152368664741516e-01 -7.2081387042999268e-01 - -7.7464383840560913e-01 -7.1336306631565094e-02 - <_> - 7.9178382873535156e+01 - - 1 2 2716 5.0000000000000000e-01 0 -1 2717 - 5.0000000000000000e-01 -2 -3 2718 2.8550000000000000e+02 - - -8.7511628866195679e-01 4.4366469979286194e-01 - 2.7641782164573669e-01 -3.8205233216285706e-01 - <_> - 7.9044113159179688e+01 - - 1 2 2719 3.6758500000000000e+04 0 -1 2720 119. -2 -3 2721 - 9.8250000000000000e+02 - - -8.9374190568923950e-01 1. 4.1436728835105896e-01 - -1.3426418602466583e-01 - <_> - 7.8986122131347656e+01 - - 1 2 2722 5.0000000000000000e-01 0 -1 2723 - 2.2500000000000000e+01 -2 -3 2724 4.5000000000000000e+00 - - -8.2067567110061646e-01 3.4801307320594788e-01 - -6.9476479291915894e-01 -5.7994190603494644e-02 - <_> - 7.9108413696289062e+01 - - 1 2 2725 4.2500000000000000e+01 0 -1 2726 - 1.8500000000000000e+01 -2 -3 2727 3.0500000000000000e+01 - - -4.1990894079208374e-01 5.0099647045135498e-01 - -5.2207231521606445e-01 1.2229448556900024e-01 - <_> - 7.9801383972167969e+01 - - 1 2 2728 8.2550000000000000e+02 0 -1 2729 - 5.0000000000000000e-01 -2 -3 2730 6.1765000000000000e+03 - - 3.1118586659431458e-01 -3.7582796812057495e-01 - 6.9296795129776001e-01 -9.2976748943328857e-02 - <_> - 8.0057861328125000e+01 - - 1 2 2731 7.5350000000000000e+02 0 -1 2732 - 5.8500000000000000e+01 -2 -3 2733 1.5000000000000000e+00 - - -2.4525830149650574e-01 2.5647372007369995e-01 - 8.4999513626098633e-01 -9.9117010831832886e-01 - <_> - 7.9780632019042969e+01 - - 1 2 2734 5.0000000000000000e-01 0 -1 2735 108. -2 -3 2736 - 7.1500000000000000e+01 - - 6.9359833002090454e-01 -6.9194906949996948e-01 - -2.7722206711769104e-01 4.1715595126152039e-01 - <_> - 8.0145835876464844e+01 - - 1 2 2737 2.0500000000000000e+01 0 -1 2738 - 4.5000000000000000e+00 -2 -3 2739 7.6500000000000000e+01 - - -9.7951823472976685e-01 3.6520305275917053e-01 - -3.8517192006111145e-01 4.9779340624809265e-01 - <_> - 7.9998329162597656e+01 - - 1 2 2740 1.1165000000000000e+03 0 -1 2741 - 4.5500000000000000e+01 -2 -3 2742 7.7500000000000000e+01 - - -9.2406588792800903e-01 1. 3.6648508906364441e-01 - -1.4751173555850983e-01 - <_> - 8.0417495727539062e+01 - - 1 2 2743 7905. 0 -1 2744 1.4950000000000000e+02 -2 -3 2745 - 98. - - 3.2732751220464706e-02 -7.6812428236007690e-01 - -7.5380378961563110e-01 4.7367131710052490e-01 - <_> - 7.9864738464355469e+01 - - 1 2 2746 6.5000000000000000e+00 0 -1 2747 - 1.2235000000000000e+03 -2 -3 2748 27. - - 5.5213552713394165e-01 -6.3920162618160248e-02 - -9.2558085918426514e-01 -1.1656486988067627e-01 - <_> - 7.9995124816894531e+01 - - 1 2 2749 2.1150000000000000e+02 0 -1 2750 - 1.6500000000000000e+01 -2 -3 2751 34. - - 2.0876583456993103e-01 -3.5845145583152771e-01 - -7.5983208417892456e-01 6.1741626262664795e-01 - <_> - 8.0029579162597656e+01 - - 1 2 2752 1.0500000000000000e+01 0 -1 2753 - 3.0150000000000000e+02 -2 -3 2754 3.5000000000000000e+00 - - 1.8833340704441071e-01 -4.5257857441902161e-01 - -8.7599718570709229e-01 3.9588588476181030e-01 - <_> - 8.0429824829101562e+01 - - 1 2 2755 1.7500000000000000e+01 0 -1 2756 - 5.5950000000000000e+02 -2 -3 2757 3.8500000000000000e+01 - - 9.0497744083404541e-01 -3.4649524092674255e-01 - 4.0024894475936890e-01 -4.3823891878128052e-01 - <_> - 8.0367797851562500e+01 - - 1 2 2758 5.0000000000000000e-01 0 -1 2759 - 1.0032500000000000e+04 -2 -3 2760 1.4500000000000000e+01 - - -7.4333506822586060e-01 4.4759553670883179e-01 - -6.5220975875854492e-01 5.3118625655770302e-03 - <_> - 8.0484443664550781e+01 - - 1 2 2761 7.5500000000000000e+01 0 -1 2762 - 8.4500000000000000e+01 -2 -3 2763 51. - - -4.7128376364707947e-01 3.0099546909332275e-01 - -5.9575259685516357e-01 4.5461925864219666e-01 - <_> - 8.0230026245117188e+01 - - 1 2 2764 6.6250000000000000e+02 0 -1 2765 4812. -2 -3 2766 - 9.5000000000000000e+00 - - -8.2453155517578125e-01 8.0837249755859375e-01 - 3.8529312610626221e-01 -2.5441926717758179e-01 - <_> - 8.0529327392578125e+01 - - 1 2 2767 5.9500000000000000e+01 0 -1 2768 - 1.6050000000000000e+02 -2 -3 2769 1.5000000000000000e+00 - - 3.9788705110549927e-01 -9.0285009145736694e-01 - 2.9930576682090759e-01 -2.6814186573028564e-01 - <_> - 8.0221504211425781e+01 - - 1 2 2770 3.0500000000000000e+01 0 -1 2771 - 4.5000000000000000e+00 -2 -3 2772 1.4475000000000000e+03 - - -9.4630533456802368e-01 8.2679504156112671e-01 - 2.5290638208389282e-01 -3.0782324075698853e-01 - <_> - 8.0379684448242188e+01 - - 1 2 2773 5.0645000000000000e+03 0 -1 2774 - 3.2500000000000000e+01 -2 -3 2775 3.5325000000000000e+03 - - -6.8182122707366943e-01 2.9198646545410156e-01 - 5.7170498371124268e-01 -9.3514062464237213e-02 - <_> - 8.0165153503417969e+01 - - 1 2 2776 1.5500000000000000e+01 0 -1 2777 - 1.2765000000000000e+03 -2 -3 2778 2.5000000000000000e+00 - - -1.2029168428853154e-03 6.6435748338699341e-01 - 5.4809719324111938e-01 -6.2805855274200439e-01 - <_> - 8.0611167907714844e+01 - - 1 2 2779 2.5000000000000000e+00 0 -1 2780 - 2.1500000000000000e+01 -2 -3 2781 1.2050000000000000e+02 - - -2.4764390289783478e-01 4.4601744413375854e-01 - 1.6960276663303375e-01 -5.8656966686248779e-01 - <_> - 8.0892166137695312e+01 - - 1 2 2782 5.4500000000000000e+01 0 -1 2783 - 9.7350000000000000e+02 -2 -3 2784 1.0500000000000000e+01 - - 2.7698031067848206e-01 -8.4596508741378784e-01 - 2.8099426627159119e-01 -3.0595216155052185e-01 - <_> - 8.1190002441406250e+01 - - 1 2 2785 3.5000000000000000e+00 0 -1 2786 - 9.4500000000000000e+01 -2 -3 2787 15. - - -2.3588234186172485e-01 2.9783576726913452e-01 1. - -9.3145948648452759e-01 - <_> - 8.0872680664062500e+01 - - 1 2 2788 5.0000000000000000e-01 0 -1 2789 34. -2 -3 2790 - 404. - - -9.7627913951873779e-01 4.5835772156715393e-01 - 3.3686440438032150e-02 -6.0926121473312378e-01 - <_> - 8.1137512207031250e+01 - - 1 2 2791 4.2500000000000000e+01 0 -1 2792 - 7.5000000000000000e+00 -2 -3 2793 1.0500000000000000e+01 - - 4.3087863922119141e-01 -5.4735422134399414e-01 - -7.4202680587768555e-01 2.6482933759689331e-01 - <_> - 8.1074195861816406e+01 - - 1 2 2794 6045. 0 -1 2795 3582. -2 -3 2796 - 1.4355000000000000e+03 - - 5.6150436401367188e-01 -6.3314586877822876e-02 - -9.8905169963836670e-01 1. - <_> - 8.1611145019531250e+01 - - 1 2 2797 1.7500000000000000e+01 0 -1 2798 - 6.3500000000000000e+01 -2 -3 2799 2.5000000000000000e+00 - - -9.5531716942787170e-02 5.3694951534271240e-01 - 4.7020646929740906e-01 -5.0288665294647217e-01 - <_> - 8.1308403015136719e+01 - - 1 2 2800 5.5000000000000000e+00 0 -1 2801 110. -2 -3 2802 - 2.5000000000000000e+00 - - -9.1038602590560913e-01 7.3705679178237915e-01 - 2.4539317190647125e-01 -3.0274006724357605e-01 - <_> - 8.0943153381347656e+01 - - 1 2 2803 4.9550000000000000e+02 0 -1 2804 - 1.0500000000000000e+01 -2 -3 2805 1.7500000000000000e+01 - - 1.8987993896007538e-01 -3.6525547504425049e-01 -1. - 8.1189829111099243e-01 - <_> - 8.1049530029296875e+01 - - 1 2 2806 1.7050000000000000e+02 0 -1 2807 - 5.5000000000000000e+00 -2 -3 2808 6.3500000000000000e+01 - - 5.0011897087097168e-01 -2.4462732672691345e-01 - 6.2346208095550537e-01 -5.9039413928985596e-01 - <_> - 8.1308738708496094e+01 - - 1 2 2809 3.8500000000000000e+01 0 -1 2810 - 8.6500000000000000e+01 -2 -3 2811 8.8500000000000000e+01 - - -3.8746827840805054e-01 2.5921225547790527e-01 - 6.4567667245864868e-01 -3.9673528075218201e-01 - <_> - 8.1096168518066406e+01 - - 1 2 2812 4.5000000000000000e+00 0 -1 2813 - 3.6500000000000000e+01 -2 -3 2814 1.2500000000000000e+01 - - 8.4782302379608154e-01 -9.7110116481781006e-01 - 3.3998885750770569e-01 -2.1257449686527252e-01 - <_> - 8.1410560607910156e+01 - - 1 2 2815 4.5000000000000000e+00 0 -1 2816 - 7.5500000000000000e+01 -2 -3 2817 1.4500000000000000e+01 - - -1. 1. 3.1439647078514099e-01 -1.7778587341308594e-01 - <_> - 8.1814201354980469e+01 - - 1 2 2818 3.9500000000000000e+01 0 -1 2819 - 6.4750000000000000e+02 -2 -3 2820 9.5000000000000000e+00 - - 2.4708394706249237e-01 -9.2105174064636230e-01 - 4.0363448858261108e-01 -1.2905533611774445e-01 - <_> - 8.1573196411132812e+01 - - 1 2 2821 3.0500000000000000e+01 0 -1 2822 - 5.0000000000000000e-01 -2 -3 2823 5.0500000000000000e+01 - - 4.9701321125030518e-01 -5.6365805864334106e-01 - 2.8191345930099487e-01 -5.3536522388458252e-01 - <_> - 8.1956001281738281e+01 - - 1 2 2824 4.6085000000000000e+03 0 -1 2825 - 1.3250000000000000e+02 -2 -3 2826 1.9750000000000000e+02 - - -7.4937385320663452e-01 9.3439608812332153e-01 - 3.8280078768730164e-01 -2.6699417829513550e-01 - <_> - 8.1513214111328125e+01 - - 1 2 2827 3.0500000000000000e+01 0 -1 2828 - 5.5000000000000000e+00 -2 -3 2829 9.9235000000000000e+03 - - 2.1246223151683807e-01 -4.4278442859649658e-01 - -8.1646180152893066e-01 5.1293396949768066e-01 - <_> - 8.1699577331542969e+01 - - 1 2 2830 1.1650000000000000e+02 0 -1 2831 - 8.2500000000000000e+01 -2 -3 2832 3.5000000000000000e+00 - - 1.8636158108711243e-01 -4.9596223235130310e-01 - -8.9908498525619507e-01 1. - <_> - 8.2445182800292969e+01 - - 1 2 2833 1903. 0 -1 2834 2.5000000000000000e+00 -2 -3 2835 - 6.0445000000000000e+03 - - 1.8896391987800598e-01 -3.2746449112892151e-01 - 7.4561136960983276e-01 -7.9816836118698120e-01 - <_> - 8.2831352233886719e+01 - - 1 2 2836 2.7500000000000000e+01 0 -1 2837 469. -2 -3 2838 - 1.2175000000000000e+03 - - 7.7044230699539185e-01 -9.5174908638000488e-01 - -1.4690612256526947e-01 3.8616815209388733e-01 - <_> - 8.2686500549316406e+01 - - 1 2 2839 2895. 0 -1 2840 4.3500000000000000e+01 -2 -3 2841 - 34. - - -1.4485244452953339e-01 4.4888463616371155e-01 - 3.6486008763313293e-01 -8.1205248832702637e-01 - <_> - 8.2188568115234375e+01 - - 1 2 2842 3.5000000000000000e+00 0 -1 2843 2070. -2 -3 2844 - 4.7500000000000000e+01 - - -6.9201928377151489e-01 3.1747218966484070e-01 - -4.9793621897697449e-01 5.4417175054550171e-01 - <_> - 8.2745765686035156e+01 - - 1 2 2845 2.5000000000000000e+00 0 -1 2846 - 7.5000000000000000e+00 -2 -3 2847 1.8500000000000000e+01 - - -8.4509557485580444e-01 5.5719637870788574e-01 - 1.7902635037899017e-01 -4.2469331622123718e-01 - <_> - 8.2670654296875000e+01 - - 1 2 2848 1.3500000000000000e+01 0 -1 2849 - 9.4650000000000000e+02 -2 -3 2850 7.8500000000000000e+01 - - -3.3974867314100266e-02 -8.2525712251663208e-01 - -4.6273630857467651e-01 6.6797983646392822e-01 - <_> - 8.2877090454101562e+01 - - 1 2 2851 1.4500000000000000e+01 0 -1 2852 - 1.1915000000000000e+03 -2 -3 2853 3.9500000000000000e+01 - - 6.6358172893524170e-01 -7.2160053253173828e-01 - -6.6055583953857422e-01 2.0643877983093262e-01 - <_> - 8.2504707336425781e+01 - - 1 2 2854 4.5000000000000000e+00 0 -1 2855 - 1.6250000000000000e+02 -2 -3 2856 6.5000000000000000e+00 - - 1.9229575991630554e-02 6.7639851570129395e-01 - 7.7679026126861572e-01 -3.7238210439682007e-01 - <_> - 8.1991981506347656e+01 - - 1 2 2857 1.8500000000000000e+01 0 -1 2858 - 1.5500000000000000e+01 -2 -3 2859 7.5000000000000000e+00 - - -6.6943126916885376e-01 2.8580504655838013e-01 - 5.7573765516281128e-01 -5.1273131370544434e-01 - <_> - 8.2700317382812500e+01 - - 1 2 2860 2.5335000000000000e+03 0 -1 2861 - 5.5000000000000000e+00 -2 -3 2862 9017. - - 4.5291054248809814e-01 -3.1770652532577515e-01 - 7.0833772420883179e-01 -5.8668452501296997e-01 - <_> - 8.3036483764648438e+01 - - 1 2 2863 1.2665000000000000e+03 0 -1 2864 - 2.7950000000000000e+02 -2 -3 2865 1.6050000000000000e+02 - - 5.6190413236618042e-01 -9.4979606568813324e-02 - -5.6120347976684570e-01 6.9735217094421387e-01 - <_> - 8.3268234252929688e+01 - - 1 2 2866 3.1500000000000000e+01 0 -1 2867 - 2.2850000000000000e+02 -2 -3 2868 338. - - 2.9099774360656738e-01 -8.5712206363677979e-01 - -7.3761904239654541e-01 2.3174422979354858e-01 - <_> - 8.3142601013183594e+01 - - 1 2 2869 1.3500000000000000e+01 0 -1 2870 - 7.5500000000000000e+01 -2 -3 2871 7.5000000000000000e+00 - - -6.1628973484039307e-01 8.9499497413635254e-01 - 5.3249603509902954e-01 -1.2562887370586395e-01 - <_> - 8.3346061706542969e+01 - - 1 2 2872 5.8500000000000000e+01 0 -1 2873 - 1.4500000000000000e+01 -2 -3 2874 2.3655000000000000e+03 - - -5.8924037218093872e-01 2.0346269011497498e-01 - 6.8413233757019043e-01 -7.3724877834320068e-01 - <_> - 8.3734870910644531e+01 - - 1 2 2875 1.5500000000000000e+01 0 -1 2876 - 2.4500000000000000e+01 -2 -3 2877 842. - - -9.6514111757278442e-01 4.5274001359939575e-01 - -4.4388589262962341e-01 1.6307270526885986e-01 - <_> - 8.3378517150878906e+01 - - 1 2 2878 2.3415000000000000e+03 0 -1 2879 - 1.1135000000000000e+03 -2 -3 2880 1.4450000000000000e+02 - - -6.0065728425979614e-01 4.9152576923370361e-01 - 3.9019897580146790e-01 -3.5635352134704590e-01 - <_> - 8.3842796325683594e+01 - - 1 2 2881 7.7500000000000000e+01 0 -1 2882 - 1.5000000000000000e+00 -2 -3 2883 34. - - 3.0433416366577148e-01 -3.4621056914329529e-01 - -2.3730756342411041e-01 7.2603577375411987e-01 - <_> - 8.4082458496093750e+01 - - 1 2 2884 5.0000000000000000e-01 0 -1 2885 - 1.5000000000000000e+00 -2 -3 2886 2.4500000000000000e+01 - - -8.4981471300125122e-01 4.6478056907653809e-01 - -4.4265326857566833e-01 2.3966242372989655e-01 - <_> - 8.4403526306152344e+01 - - 1 2 2887 1.9735000000000000e+03 0 -1 2888 61716. -2 -3 2889 - 7.1250000000000000e+02 - - 3.2107087969779968e-01 -7.3176121711730957e-01 - -4.2035382986068726e-01 6.5387272834777832e-01 - <_> - 8.3859382629394531e+01 - - 1 2 2890 5.1500000000000000e+01 0 -1 2891 - 5.4500000000000000e+01 -2 -3 2892 9.4500000000000000e+01 - - -8.5267591476440430e-01 3.3089217543601990e-01 - -5.4414278268814087e-01 1.4185604453086853e-01 - <_> - 8.4165733337402344e+01 - - 1 2 2893 2.5000000000000000e+00 0 -1 2894 170. -2 -3 2895 - 5.0000000000000000e-01 - - -7.4921059608459473e-01 1. 3.0634912848472595e-01 - -2.8711661696434021e-01 - <_> - 8.4014938354492188e+01 - - 1 2 2896 5.0000000000000000e-01 0 -1 2897 - 4.5000000000000000e+00 -2 -3 2898 1.5000000000000000e+00 - - -4.4929865002632141e-01 7.1007603406906128e-01 - 5.1218295097351074e-01 -2.8127226233482361e-01 - <_> - 8.3658638000488281e+01 - - 1 2 2899 6.2500000000000000e+01 0 -1 2900 - 7.7500000000000000e+01 -2 -3 2901 5.4650000000000000e+02 - - 1.7899210751056671e-01 -3.5629883408546448e-01 - 6.6323882341384888e-01 -6.2932920455932617e-01 - <_> - 8.4031822204589844e+01 - - 1 2 2902 4.3500000000000000e+01 0 -1 2903 - 2.5000000000000000e+00 -2 -3 2904 1.4450000000000000e+02 - - 2.9303130507469177e-01 -7.2133332490921021e-01 - 3.7318074703216553e-01 -2.9929837584495544e-01 - <_> - 8.4148094177246094e+01 - - 1 2 2905 4.4500000000000000e+01 0 -1 2906 - 5.5000000000000000e+00 -2 -3 2907 1218. - - 1.1627596616744995e-01 -6.5344148874282837e-01 - -6.1276328563690186e-01 3.0713844299316406e-01 - <_> - 8.3736122131347656e+01 - - 1 2 2908 2.2500000000000000e+01 0 -1 2909 - 7.5000000000000000e+00 -2 -3 2910 4945. - - 2.0239315927028656e-01 -4.1197755932807922e-01 - -6.5554910898208618e-01 5.7477289438247681e-01 - <_> - 8.3684288024902344e+01 - - 1 2 2911 6.1500000000000000e+01 0 -1 2912 - 3.5000000000000000e+00 -2 -3 2913 3.6500000000000000e+01 - - 2.9327356815338135e-01 -5.5817484855651855e-01 - 7.1029824018478394e-01 -5.1831677556037903e-02 - <_> - 8.3512733459472656e+01 - - 1 2 2914 5.4500000000000000e+01 0 -1 2915 - 1.5000000000000000e+00 -2 -3 2916 6.5000000000000000e+00 - - -9.4946056604385376e-01 4.1890572756528854e-02 - 3.9327812194824219e-01 -1.7155566811561584e-01 - <_> - 8.4089424133300781e+01 - - 1 2 2917 9.3500000000000000e+01 0 -1 2918 2760. -2 -3 2919 - 1.1250000000000000e+02 - - -2.4497070908546448e-01 9.6521437168121338e-01 - 5.7669252157211304e-01 -7.6096898317337036e-01 - <_> - 8.4561004638671875e+01 - - 1 2 2920 5.0000000000000000e-01 0 -1 2921 - 6.5000000000000000e+00 -2 -3 2922 6.9750000000000000e+02 - - -5.3141713142395020e-01 4.7158041596412659e-01 - 2.2022259235382080e-01 -4.3360495567321777e-01 - <_> - 8.4944801330566406e+01 - - 1 2 2923 1.4050000000000000e+02 0 -1 2924 - 5.0000000000000000e-01 -2 -3 2925 7.4850000000000000e+02 - - 1.5521393716335297e-01 -5.1790440082550049e-01 - 3.8379338383674622e-01 -4.4605687260627747e-01 - <_> - 8.5207305908203125e+01 - - 1 2 2926 1.5500000000000000e+01 0 -1 2927 - 3.3500000000000000e+01 -2 -3 2928 255. - - -2.9250434041023254e-01 6.5829980373382568e-01 - -6.5028876066207886e-01 5.1617544889450073e-01 - <_> - 8.5524932861328125e+01 - - 1 2 2929 2.4500000000000000e+01 0 -1 2930 - 2.8500000000000000e+01 -2 -3 2931 4.2500000000000000e+01 - - -1. 3.1762468814849854e-01 3.0006918311119080e-01 - -5.6320971250534058e-01 - <_> - 8.5334136962890625e+01 - - 1 2 2932 3.5000000000000000e+00 0 -1 2933 - 1.5500000000000000e+01 -2 -3 2934 2457. - - -4.4446155428886414e-01 4.3577027320861816e-01 - 4.5368546247482300e-01 -4.4899699091911316e-01 - <_> - 8.5264480590820312e+01 - - 1 2 2935 5.0000000000000000e-01 0 -1 2936 115. -2 -3 2937 - 2.5000000000000000e+00 - - -9.1964131593704224e-01 4.9966832995414734e-01 - 5.8283418416976929e-01 -6.9656021893024445e-02 - <_> - 8.5903366088867188e+01 - - 1 2 2938 7.1500000000000000e+01 0 -1 2939 - 5.4500000000000000e+01 -2 -3 2940 143. - - 1.6550585627555847e-01 -4.3812391161918640e-01 - 6.3888710737228394e-01 -5.4803293943405151e-01 - <_> - 8.6248062133789062e+01 - - 1 2 2941 2.5000000000000000e+00 0 -1 2942 - 9.0500000000000000e+01 -2 -3 2943 1.0500000000000000e+01 - - 1.0908889025449753e-01 -8.8574463129043579e-01 - 3.4469136595726013e-01 -2.0632795989513397e-01 - <_> - 8.6533218383789062e+01 - - 1 2 2944 2.1500000000000000e+01 0 -1 2945 - 4.5000000000000000e+00 -2 -3 2946 4.4500000000000000e+01 - - -4.4494426250457764e-01 8.8365721702575684e-01 - 2.8515672683715820e-01 -8.1787091493606567e-01 - <_> - 8.7068389892578125e+01 - - 1 2 2947 8.2650000000000000e+02 0 -1 2948 - 4.5000000000000000e+00 -2 -3 2949 1.9675500000000000e+04 - - 3.3902516961097717e-01 -3.3688139915466309e-01 - 5.3517556190490723e-01 -6.7757689952850342e-01 - <_> - 8.6810844421386719e+01 - - 1 2 2950 2.5500000000000000e+01 0 -1 2951 - 2.5000000000000000e+00 -2 -3 2952 1.3035000000000000e+03 - - 9.1093343496322632e-01 -8.2202631235122681e-01 - 3.2981109619140625e-01 -2.5754809379577637e-01 - <_> - 8.6275955200195312e+01 - - 1 2 2953 2.2369500000000000e+04 0 -1 2954 - 1.5000000000000000e+00 -2 -3 2955 9.5285000000000000e+03 - - 1.4417627826333046e-02 -6.9124591350555420e-01 - 3.7811917066574097e-01 -5.3488659858703613e-01 - <_> - 8.6942420959472656e+01 - - 1 2 2956 1.0645000000000000e+03 0 -1 2957 - 3.5000000000000000e+00 -2 -3 2958 7.5000000000000000e+00 - - 1.4049446582794189e-01 -3.5957664251327515e-01 - 9.1249042749404907e-01 -1.7921762168407440e-01 - <_> - 8.7227539062500000e+01 - - 1 2 2959 9.5000000000000000e+00 0 -1 2960 199. -2 -3 2961 - 6.6465000000000000e+03 - - 8.8686686754226685e-01 -6.7846179008483887e-01 - -3.4822642803192139e-01 2.8511366248130798e-01 - <_> - 8.7103866577148438e+01 - - 1 2 2962 6.5000000000000000e+00 0 -1 2963 - 1.5000000000000000e+00 -2 -3 2964 4.3450000000000000e+02 - - 1.8375012278556824e-01 -5.8300310373306274e-01 - -7.8263854980468750e-01 5.0758910179138184e-01 - <_> - 8.7249404907226562e+01 - - 1 2 2965 1.8500000000000000e+01 0 -1 2966 - 8.5000000000000000e+00 -2 -3 2967 9.5000000000000000e+00 - - -9.1379207372665405e-01 1. -6.0623198747634888e-01 - 1.4554040133953094e-01 - <_> - 8.6942718505859375e+01 - - 1 2 2968 3.5000000000000000e+00 0 -1 2969 - 2.3355000000000000e+03 -2 -3 2970 2.5850000000000000e+02 - - 6.3676542043685913e-01 -4.5731505751609802e-01 - 4.5318025350570679e-01 -3.0669227242469788e-01 - <_> - 8.6748542785644531e+01 - - 1 2 2971 2.1500000000000000e+01 0 -1 2972 - 1.6500000000000000e+01 -2 -3 2973 4.3450000000000000e+02 - - -1.9417463243007660e-01 4.5977392792701721e-01 - 7.4417084455490112e-01 -9.2871183156967163e-01 - <_> - 8.6213851928710938e+01 - - 1 2 2974 4.6500000000000000e+01 0 -1 2975 6986. -2 -3 2976 - 1.0655000000000000e+03 - - -3.5974133014678955e-01 3.9904057979583740e-01 - -5.3468620777130127e-01 4.4506999850273132e-01 - <_> - 8.6651367187500000e+01 - - 1 2 2977 7.7450000000000000e+02 0 -1 2978 39564. -2 -3 2979 - 3.5000000000000000e+00 - - 4.3751135468482971e-01 -8.3221775293350220e-01 - 9.5911510288715363e-02 -5.8185952901840210e-01 - <_> - 8.7053947448730469e+01 - - 1 2 2980 1.3150000000000000e+02 0 -1 2981 - 1.8650000000000000e+02 -2 -3 2982 4.2550000000000000e+02 - - 4.1247457265853882e-01 -4.4629332423210144e-01 - 4.0258339047431946e-01 -6.6914594173431396e-01 - <_> - 8.7472679138183594e+01 - - 1 2 2983 6.9750000000000000e+02 0 -1 2984 - 1.0500000000000000e+01 -2 -3 2985 1.8735000000000000e+03 - - -7.6271665096282959e-01 4.1873174905776978e-01 - -6.8841624259948730e-01 -2.3577280342578888e-02 - <_> - 8.7495330810546875e+01 - - 1 2 2986 5.0000000000000000e-01 0 -1 2987 - 2.9500000000000000e+01 -2 -3 2988 1.4750000000000000e+02 - - -7.6370656490325928e-01 6.4419740438461304e-01 - -2.4485288560390472e-01 6.6281813383102417e-01 - <_> - 8.6983520507812500e+01 - - 1 2 2989 1.2135000000000000e+03 0 -1 2990 - 8.0250000000000000e+02 -2 -3 2991 1.0500000000000000e+01 - - -4.0576335787773132e-01 5.1596242189407349e-01 - 4.4931706786155701e-01 -5.1181161403656006e-01 - <_> - 8.7748497009277344e+01 - - 1 2 2992 1.4555000000000000e+03 0 -1 2993 - 2.3355000000000000e+03 -2 -3 2994 4.5000000000000000e+00 - - -8.6321972310543060e-02 7.6497226953506470e-01 - 3.1687757372856140e-01 -4.1308388113975525e-01 - <_> - 8.7668098449707031e+01 - - 1 2 2995 7.3500000000000000e+01 0 -1 2996 - 7.5000000000000000e+00 -2 -3 2997 1.8415000000000000e+03 - - -8.0395199358463287e-02 4.9477747082710266e-01 - 5.0139939785003662e-01 -9.4019854068756104e-01 - <_> - 8.7603317260742188e+01 - - 1 2 2998 1.0350000000000000e+02 0 -1 2999 - 5.0000000000000000e-01 -2 -3 3000 6.6500000000000000e+01 - - 5.5032008886337280e-01 -6.4781084656715393e-02 - -6.9391334056854248e-01 2.6454237103462219e-01 - <_> - 8.7899932861328125e+01 - - 1 2 3001 4.1850000000000000e+02 0 -1 3002 - 2.5000000000000000e+00 -2 -3 3003 4.4350000000000000e+02 - - 8.3208960294723511e-01 -9.7579640150070190e-01 - 4.5810779929161072e-01 -9.8539277911186218e-02 - <_> - 8.7558662414550781e+01 - - 1 2 3004 1.4500000000000000e+01 0 -1 3005 - 4.5000000000000000e+00 -2 -3 3006 4093. - - 1.3818612694740295e-01 -5.0276112556457520e-01 - 3.9290004968643188e-01 -9.0650981664657593e-01 - <_> - 8.7562660217285156e+01 - - 1 2 3007 3.0500000000000000e+01 0 -1 3008 15. -2 -3 3009 - 6.8500000000000000e+01 - - 5.8721613883972168e-01 -9.5952403545379639e-01 - 1.5953540802001953e-01 -7.3017132282257080e-01 - <_> - 8.7263595581054688e+01 - - 1 2 3010 4.6550000000000000e+02 0 -1 3011 - 8.5000000000000000e+00 -2 -3 3012 3.0500000000000000e+01 - - 2.5965842604637146e-01 -4.5460721850395203e-01 - -6.6170775890350342e-01 4.6810474991798401e-01 - <_> - 8.7385635375976562e+01 - - 1 2 3013 3.7500000000000000e+01 0 -1 3014 - 6.7500000000000000e+01 -2 -3 3015 9.0500000000000000e+01 - - -4.7775322198867798e-01 3.0159825086593628e-01 - -7.1135115623474121e-01 1.2204105406999588e-01 - <_> - 8.7448921203613281e+01 - - 1 2 3016 3.4500000000000000e+01 0 -1 3017 - 1.3500000000000000e+01 -2 -3 3018 2.9500000000000000e+01 - - -4.3366974592208862e-01 4.3953391909599304e-01 - -6.8973690271377563e-01 6.3285768032073975e-02 - <_> - 8.7470863342285156e+01 - - 1 2 3019 9.5000000000000000e+00 0 -1 3020 - 3.5750000000000000e+02 -2 -3 3021 2.1500000000000000e+01 - - 5.9902238845825195e-01 -4.9095529317855835e-01 - -6.0496187210083008e-01 2.1941423416137695e-02 - <_> - 8.8030609130859375e+01 - - 1 2 3022 7.5000000000000000e+00 0 -1 3023 - 1.4250000000000000e+02 -2 -3 3024 4.8500000000000000e+01 - - -1.1742883920669556e-01 5.5974942445755005e-01 - -6.6814047098159790e-01 1.0357101261615753e-01 - <_> - 8.8298561096191406e+01 - - 1 2 3025 5.0000000000000000e-01 0 -1 3026 - 2.5000000000000000e+00 -2 -3 3027 6.5000000000000000e+00 - - -7.9518532752990723e-01 3.9527121186256409e-01 - 2.6795190572738647e-01 -4.4711253046989441e-01 - <_> - 8.8873558044433594e+01 - - 1 2 3028 5.0650000000000000e+02 0 -1 3029 - 2.7150000000000000e+02 -2 -3 3030 5.1550000000000000e+02 - - 4.9458679556846619e-01 -3.8078719377517700e-01 - 5.7499361038208008e-01 -2.4514666199684143e-01 - <_> - 8.8112663269042969e+01 - - 1 2 3031 1.5500000000000000e+01 0 -1 3032 - 3.1500000000000000e+01 -2 -3 3033 511. - - -2.6782530546188354e-01 3.8774058222770691e-01 - 3.4897887706756592e-01 -7.6089125871658325e-01 - <_> - 8.8039482116699219e+01 - - 1 2 3034 230. 0 -1 3035 6.6500000000000000e+01 -2 -3 3036 - 4.0500000000000000e+01 - - -7.3185198009014130e-02 5.7667195796966553e-01 - 3.2658204436302185e-01 -8.0915856361389160e-01 - <_> - 8.8365722656250000e+01 - - 1 2 3037 5.0000000000000000e-01 0 -1 3038 - 2.9500000000000000e+01 -2 -3 3039 4.5000000000000000e+00 - - 3.2624712586402893e-01 -5.5316114425659180e-01 - -2.4152111727744341e-03 -6.9509941339492798e-01 - <_> - 8.8882514953613281e+01 - - 1 2 3040 3.0500000000000000e+01 0 -1 3041 - 1.1150000000000000e+02 -2 -3 3042 5.0000000000000000e-01 - - 5.2429902553558350e-01 -8.9993971586227417e-01 - 5.1678961515426636e-01 -8.6023628711700439e-02 - <_> - 8.8496650695800781e+01 - - 1 2 3043 2.8500000000000000e+01 0 -1 3044 - 1.1385000000000000e+03 -2 -3 3045 1.0500000000000000e+01 - - 5.3370710462331772e-02 -7.7716881036758423e-01 - 4.8879763484001160e-01 -1.4188981056213379e-01 - <_> - 8.8710388183593750e+01 - - 1 2 3046 3286. 0 -1 3047 1.8500000000000000e+01 -2 -3 3048 - 14770. - - 5.7567560672760010e-01 -7.7623206377029419e-01 - -8.3764082193374634e-01 2.1373493969440460e-01 - <_> - 8.8465957641601562e+01 - - 1 2 3049 4.5000000000000000e+00 0 -1 3050 - 6.8500000000000000e+01 -2 -3 3051 7.2550000000000000e+02 - - -9.8398631811141968e-01 1. 1.4620523154735565e-01 - -4.8840534687042236e-01 - <_> - 8.8379966735839844e+01 - - 1 2 3052 4.6350000000000000e+02 0 -1 3053 - 1.0005000000000000e+03 -2 -3 3054 12544. - - 1.2718398869037628e-01 -4.7662603855133057e-01 - 6.7666745185852051e-01 -9.6875000000000000e-01 - <_> - 8.8453712463378906e+01 - - 1 2 3055 6.2500000000000000e+01 0 -1 3056 - 2.5000000000000000e+00 -2 -3 3057 2.7450000000000000e+02 - - 7.3742903769016266e-02 -4.8088160157203674e-01 - 7.9391783475875854e-01 -9.5094847679138184e-01 - <_> - 8.8360649108886719e+01 - - 1 2 3058 5.1085000000000000e+03 0 -1 3059 - 1.5000000000000000e+00 -2 -3 3060 59. - - 4.7250562906265259e-01 -9.3059159815311432e-02 - -9.8921388387680054e-01 1. - <_> - 8.8759475708007812e+01 - - 1 2 3061 4.3500000000000000e+01 0 -1 3062 - 2.5000000000000000e+00 -2 -3 3063 9.5000000000000000e+00 - - 1.8726401031017303e-01 -9.5795679092407227e-01 - 3.9882484078407288e-01 -1.5403895080089569e-01 - <_> - 8.8777908325195312e+01 - - 1 2 3064 1.8150000000000000e+02 0 -1 3065 - 1.1500000000000000e+01 -2 -3 3066 4.0500000000000000e+01 - - 2.5865679979324341e-01 -5.4600328207015991e-01 - 6.9991689920425415e-01 1.8433349207043648e-02 - <_> - 8.9012145996093750e+01 - - 1 2 3067 2.6500000000000000e+01 0 -1 3068 - 2.0500000000000000e+01 -2 -3 3069 1.1550000000000000e+02 - - 7.8764355182647705e-01 -8.8436836004257202e-01 - 2.3423436284065247e-01 -3.8715034723281860e-01 - - <_> - 8 - - 12 12 8 3 - <_> - 7 - - 16 11 1 1 - <_> - 1 - - 14 19 7 32 - <_> - 5 - - 9 8 13 9 - <_> - 7 - - 17 11 8 1 - <_> - 5 - - 7 55 24 8 - <_> - 1 - - 13 54 6 3 - <_> - 9 - - 11 40 8 12 - <_> - 4 - - 11 32 9 31 - <_> - 2 - - 9 41 12 14 - <_> - 7 - - 14 33 5 5 - <_> - 7 - - 8 60 22 3 - <_> - 4 - - 11 38 10 3 - <_> - 4 - - 12 8 6 10 - <_> - 8 - - 12 12 8 3 - <_> - 9 - - 18 19 1 13 - <_> - 9 - - 14 3 16 1 - <_> - 1 - - 13 21 6 2 - <_> - 0 - - 12 10 11 6 - <_> - 7 - - 15 0 1 49 - <_> - 5 - - 1 1 18 48 - <_> - 2 - - 14 58 10 2 - <_> - 2 - - 7 51 11 5 - <_> - 1 - - 11 53 10 4 - <_> - 8 - - 16 12 1 5 - <_> - 9 - - 10 35 10 21 - <_> - 8 - - 11 54 12 2 - <_> - 4 - - 13 44 1 4 - <_> - 1 - - 11 50 5 6 - <_> - 3 - - 7 9 6 36 - <_> - 0 - - 13 25 5 7 - <_> - 3 - - 7 20 9 7 - <_> - 9 - - 29 48 1 10 - <_> - 2 - - 6 62 18 1 - <_> - 2 - - 9 49 11 7 - <_> - 5 - - 21 20 1 32 - <_> - 1 - - 11 19 1 4 - <_> - 1 - - 14 10 12 9 - <_> - 1 - - 12 24 6 2 - <_> - 4 - - 15 36 4 1 - <_> - 0 - - 16 31 11 7 - <_> - 4 - - 8 41 17 1 - <_> - 2 - - 11 11 12 6 - <_> - 7 - - 15 6 2 23 - <_> - 3 - - 16 3 13 48 - <_> - 1 - - 13 54 6 3 - <_> - 1 - - 11 19 11 1 - <_> - 7 - - 0 49 9 8 - <_> - 8 - - 14 12 3 4 - <_> - 9 - - 15 17 2 5 - <_> - 8 - - 3 1 9 18 - <_> - 5 - - 8 56 19 4 - <_> - 1 - - 14 54 6 8 - <_> - 2 - - 19 52 10 6 - <_> - 4 - - 8 59 20 3 - <_> - 0 - - 18 51 12 9 - <_> - 4 - - 13 8 10 5 - <_> - 5 - - 26 35 3 2 - <_> - 0 - - 11 36 11 12 - <_> - 2 - - 19 18 4 13 - <_> - 4 - - 15 40 14 10 - <_> - 0 - - 10 57 7 3 - <_> - 2 - - 7 30 6 5 - <_> - 7 - - 2 61 22 2 - <_> - 0 - - 26 42 3 15 - <_> - 7 - - 12 5 7 12 - <_> - 5 - - 19 17 10 6 - <_> - 7 - - 16 11 1 1 - <_> - 4 - - 10 18 16 5 - <_> - 3 - - 10 8 1 50 - <_> - 9 - - 18 40 1 7 - <_> - 2 - - 14 25 3 9 - <_> - 8 - - 14 9 6 8 - <_> - 5 - - 22 39 2 10 - <_> - 8 - - 16 1 1 6 - <_> - 0 - - 17 19 2 2 - <_> - 2 - - 17 9 3 11 - <_> - 9 - - 16 18 2 1 - <_> - 8 - - 12 12 8 3 - <_> - 5 - - 1 57 29 5 - <_> - 8 - - 10 53 12 7 - <_> - 1 - - 13 20 1 4 - <_> - 1 - - 15 53 7 4 - <_> - 0 - - 11 49 11 2 - <_> - 0 - - 29 43 2 17 - <_> - 0 - - 11 51 16 4 - <_> - 7 - - 25 51 2 6 - <_> - 2 - - 18 56 9 3 - <_> - 2 - - 8 49 16 5 - <_> - 4 - - 0 42 26 1 - <_> - 4 - - 2 16 11 24 - <_> - 1 - - 3 11 17 6 - <_> - 3 - - 11 6 8 10 - <_> - 0 - - 6 44 2 18 - <_> - 0 - - 1 7 12 21 - <_> - 9 - - 14 20 3 17 - <_> - 9 - - 14 0 10 7 - <_> - 1 - - 2 1 27 2 - <_> - 9 - - 14 18 3 9 - <_> - 4 - - 13 42 8 1 - <_> - 7 - - 28 3 2 22 - <_> - 3 - - 9 52 6 2 - <_> - 3 - - 6 11 9 11 - <_> - 1 - - 15 36 2 5 - <_> - 0 - - 18 21 2 5 - <_> - 1 - - 15 52 2 5 - <_> - 7 - - 15 62 3 1 - <_> - 5 - - 6 1 21 2 - <_> - 5 - - 20 12 4 28 - <_> - 2 - - 21 7 3 27 - <_> - 5 - - 25 10 6 50 - <_> - 0 - - 13 33 1 8 - <_> - 3 - - 4 26 10 17 - <_> - 2 - - 10 18 7 4 - <_> - 7 - - 11 9 17 11 - <_> - 7 - - 24 46 1 15 - <_> - 0 - - 13 35 3 16 - <_> - 4 - - 0 61 26 2 - <_> - 0 - - 10 58 16 4 - <_> - 3 - - 0 56 27 2 - <_> - 0 - - 11 42 11 2 - <_> - 8 - - 12 12 8 3 - <_> - 4 - - 18 8 3 19 - <_> - 8 - - 29 36 1 20 - <_> - 8 - - 14 9 6 8 - <_> - 9 - - 14 60 3 1 - <_> - 1 - - 18 17 2 9 - <_> - 9 - - 10 37 8 9 - <_> - 1 - - 8 56 21 1 - <_> - 3 - - 1 56 22 4 - <_> - 3 - - 7 50 11 6 - <_> - 5 - - 2 60 29 3 - <_> - 9 - - 11 57 11 3 - <_> - 1 - - 15 33 5 21 - <_> - 9 - - 13 16 6 7 - <_> - 1 - - 13 5 6 12 - <_> - 2 - - 13 26 8 4 - <_> - 4 - - 29 4 2 13 - <_> - 5 - - 17 9 5 10 - <_> - 0 - - 0 39 6 19 - <_> - 5 - - 14 24 3 4 - <_> - 2 - - 7 39 14 1 - <_> - 5 - - 27 14 2 35 - <_> - 8 - - 3 62 28 1 - <_> - 8 - - 14 12 3 4 - <_> - 5 - - 4 0 26 8 - <_> - 5 - - 9 8 13 9 - <_> - 2 - - 4 45 5 2 - <_> - 2 - - 9 28 5 14 - <_> - 7 - - 8 60 16 2 - <_> - 7 - - 17 30 3 4 - <_> - 7 - - 21 32 5 5 - <_> - 2 - - 16 17 8 9 - <_> - 2 - - 17 34 2 2 - <_> - 5 - - 19 16 10 22 - <_> - 4 - - 24 54 6 9 - <_> - 1 - - 10 53 20 9 - <_> - 5 - - 0 34 7 26 - <_> - 4 - - 0 58 22 5 - <_> - 1 - - 7 17 16 22 - <_> - 7 - - 0 51 9 4 - <_> - 3 - - 21 50 2 4 - <_> - 3 - - 10 21 1 13 - <_> - 7 - - 15 7 6 6 - <_> - 3 - - 13 26 4 9 - <_> - 0 - - 7 45 20 4 - <_> - 1 - - 22 5 1 54 - <_> - 1 - - 11 8 12 1 - <_> - 2 - - 8 57 15 2 - <_> - 4 - - 16 40 11 14 - <_> - 9 - - 15 18 6 4 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 16 11 7 3 - <_> - 8 - - 20 9 1 7 - <_> - 1 - - 3 55 22 2 - <_> - 0 - - 17 17 3 2 - <_> - 3 - - 6 0 11 27 - <_> - 4 - - 12 4 11 22 - <_> - 1 - - 13 14 13 3 - <_> - 0 - - 10 62 14 1 - <_> - 0 - - 14 19 3 6 - <_> - 2 - - 11 4 8 13 - <_> - 2 - - 17 37 2 17 - <_> - 4 - - 12 47 11 1 - <_> - 2 - - 6 55 15 7 - <_> - 9 - - 28 22 1 2 - <_> - 2 - - 9 32 2 23 - <_> - 8 - - 11 13 5 1 - <_> - 2 - - 4 38 3 21 - <_> - 7 - - 14 12 1 28 - <_> - 9 - - 13 36 5 11 - <_> - 2 - - 5 11 17 8 - <_> - 1 - - 15 53 7 4 - <_> - 0 - - 16 45 5 1 - <_> - 1 - - 12 46 8 2 - <_> - 7 - - 24 49 2 2 - <_> - 3 - - 15 25 3 7 - <_> - 5 - - 16 16 14 9 - <_> - 1 - - 18 20 3 7 - <_> - 7 - - 6 53 18 2 - <_> - 1 - - 7 19 18 3 - <_> - 1 - - 16 10 6 6 - <_> - 5 - - 10 29 1 33 - <_> - 5 - - 9 56 22 5 - <_> - 8 - - 17 13 2 4 - <_> - 8 - - 23 10 2 9 - <_> - 8 - - 8 7 1 8 - <_> - 9 - - 12 21 2 27 - <_> - 9 - - 9 2 19 11 - <_> - 1 - - 7 38 11 1 - <_> - 3 - - 4 14 6 18 - <_> - 7 - - 24 7 1 8 - <_> - 1 - - 20 46 11 8 - <_> - 2 - - 5 39 14 16 - <_> - 7 - - 9 3 7 9 - <_> - 0 - - 5 47 1 7 - <_> - 1 - - 13 21 6 2 - <_> - 5 - - 16 10 6 3 - <_> - 2 - - 11 12 12 2 - <_> - 5 - - 6 0 24 1 - <_> - 5 - - 2 18 22 3 - <_> - 9 - - 17 16 3 18 - <_> - 0 - - 14 32 2 3 - <_> - 2 - - 10 34 5 3 - <_> - 2 - - 14 25 3 9 - <_> - 1 - - 6 54 8 4 - <_> - 5 - - 4 31 15 5 - <_> - 0 - - 29 44 1 17 - <_> - 2 - - 11 41 10 2 - <_> - 5 - - 21 13 3 42 - <_> - 2 - - 1 24 30 23 - <_> - 4 - - 6 39 14 11 - <_> - 2 - - 11 59 20 3 - <_> - 9 - - 30 47 1 2 - <_> - 3 - - 5 48 13 6 - <_> - 1 - - 5 41 21 7 - <_> - 1 - - 26 8 2 22 - <_> - 5 - - 9 61 18 2 - <_> - 2 - - 9 22 16 24 - <_> - 4 - - 9 18 5 8 - <_> - 8 - - 14 12 3 4 - <_> - 9 - - 23 9 7 8 - <_> - 9 - - 12 10 6 43 - <_> - 9 - - 11 14 11 9 - <_> - 9 - - 6 9 20 2 - <_> - 3 - - 24 44 1 17 - <_> - 1 - - 4 1 23 5 - <_> - 2 - - 17 3 4 15 - <_> - 9 - - 11 1 18 2 - <_> - 8 - - 16 2 2 4 - <_> - 7 - - 5 10 10 3 - <_> - 0 - - 0 48 3 7 - <_> - 0 - - 12 10 11 6 - <_> - 7 - - 16 11 1 1 - <_> - 8 - - 14 12 3 4 - <_> - 1 - - 19 20 3 15 - <_> - 5 - - 15 20 15 4 - <_> - 5 - - 19 19 4 43 - <_> - 1 - - 13 54 6 3 - <_> - 4 - - 13 36 3 4 - <_> - 1 - - 6 44 20 9 - <_> - 7 - - 5 49 4 6 - <_> - 8 - - 17 41 13 22 - <_> - 5 - - 12 56 14 7 - <_> - 4 - - 14 8 5 1 - <_> - 7 - - 12 0 9 1 - <_> - 2 - - 19 61 1 1 - <_> - 0 - - 12 51 10 3 - <_> - 0 - - 4 4 23 4 - <_> - 5 - - 13 30 4 1 - <_> - 3 - - 2 18 12 10 - <_> - 7 - - 15 8 16 6 - <_> - 0 - - 2 53 9 7 - <_> - 7 - - 4 62 23 1 - <_> - 1 - - 13 20 1 4 - <_> - 0 - - 11 26 13 22 - <_> - 4 - - 8 14 3 16 - <_> - 0 - - 21 28 1 3 - <_> - 1 - - 17 34 3 18 - <_> - 8 - - 14 12 3 4 - <_> - 9 - - 30 22 1 2 - <_> - 8 - - 3 13 3 3 - <_> - 9 - - 12 29 7 19 - <_> - 8 - - 12 11 8 1 - <_> - 3 - - 2 56 24 1 - <_> - 7 - - 19 60 11 1 - <_> - 0 - - 26 42 3 15 - <_> - 5 - - 21 18 2 12 - <_> - 4 - - 4 43 26 1 - <_> - 0 - - 12 50 14 5 - <_> - 8 - - 13 17 5 3 - <_> - 0 - - 17 18 3 1 - <_> - 5 - - 19 8 4 10 - <_> - 4 - - 0 61 26 2 - <_> - 1 - - 14 53 3 9 - <_> - 7 - - 8 36 1 1 - <_> - 4 - - 26 30 3 30 - <_> - 2 - - 9 37 14 13 - <_> - 3 - - 0 20 2 43 - <_> - 4 - - 10 8 14 4 - <_> - 2 - - 19 61 7 2 - <_> - 2 - - 9 47 8 9 - <_> - 3 - - 10 4 1 53 - <_> - 5 - - 13 3 2 38 - <_> - 0 - - 11 7 4 10 - <_> - 9 - - 30 17 1 2 - <_> - 2 - - 17 13 6 14 - <_> - 7 - - 14 25 4 5 - <_> - 1 - - 11 22 11 2 - <_> - 7 - - 23 53 4 1 - <_> - 8 - - 2 4 19 15 - <_> - 5 - - 2 59 24 1 - <_> - 0 - - 13 18 3 1 - <_> - 3 - - 8 21 5 11 - <_> - 9 - - 12 28 8 8 - <_> - 8 - - 17 13 2 4 - <_> - 2 - - 16 45 3 6 - <_> - 8 - - 17 50 6 8 - <_> - 1 - - 7 21 21 1 - <_> - 3 - - 11 2 17 33 - <_> - 2 - - 30 27 1 34 - <_> - 5 - - 12 29 1 16 - <_> - 5 - - 19 42 5 5 - <_> - 7 - - 0 51 4 4 - <_> - 7 - - 16 11 1 1 - <_> - 0 - - 6 58 23 1 - <_> - 3 - - 7 8 15 28 - <_> - 1 - - 15 8 4 8 - <_> - 0 - - 13 24 3 7 - <_> - 1 - - 15 53 7 4 - <_> - 1 - - 11 19 1 18 - <_> - 1 - - 7 27 8 3 - <_> - 2 - - 11 39 19 6 - <_> - 5 - - 26 30 2 12 - <_> - 5 - - 13 9 8 6 - <_> - 9 - - 29 2 1 7 - <_> - 2 - - 19 39 2 3 - <_> - 0 - - 15 40 15 2 - <_> - 9 - - 16 17 2 6 - <_> - 5 - - 12 57 6 3 - <_> - 1 - - 11 39 7 24 - <_> - 1 - - 9 56 16 1 - <_> - 8 - - 12 12 8 3 - <_> - 8 - - 16 12 1 5 - <_> - 8 - - 27 61 2 1 - <_> - 7 - - 2 55 28 3 - <_> - 4 - - 12 45 6 6 - <_> - 1 - - 8 45 5 12 - <_> - 7 - - 16 34 2 4 - <_> - 2 - - 2 50 5 1 - <_> - 5 - - 13 47 8 8 - <_> - 5 - - 21 56 5 5 - <_> - 5 - - 19 56 3 7 - <_> - 1 - - 11 19 11 1 - <_> - 3 - - 10 20 11 6 - <_> - 9 - - 23 23 1 9 - <_> - 5 - - 17 25 10 18 - <_> - 7 - - 7 23 3 8 - <_> - 3 - - 14 34 5 5 - <_> - 3 - - 10 8 1 50 - <_> - 8 - - 1 32 8 15 - <_> - 7 - - 14 59 4 1 - <_> - 3 - - 20 38 2 11 - <_> - 7 - - 0 4 22 6 - <_> - 0 - - 6 20 7 11 - <_> - 4 - - 14 8 5 1 - <_> - 5 - - 0 42 11 13 - <_> - 4 - - 10 9 3 28 - <_> - 0 - - 13 43 9 4 - <_> - 7 - - 18 2 4 4 - <_> - 4 - - 18 39 1 2 - <_> - 4 - - 14 8 6 11 - <_> - 5 - - 13 40 2 8 - <_> - 1 - - 13 21 6 2 - <_> - 8 - - 14 12 3 4 - <_> - 2 - - 17 39 3 7 - <_> - 8 - - 14 17 4 2 - <_> - 2 - - 12 58 15 2 - <_> - 2 - - 9 43 7 12 - <_> - 7 - - 17 25 1 5 - <_> - 4 - - 12 41 9 2 - <_> - 2 - - 17 3 4 15 - <_> - 7 - - 28 28 3 3 - <_> - 0 - - 25 44 5 3 - <_> - 0 - - 17 35 8 8 - <_> - 9 - - 17 32 1 5 - <_> - 9 - - 29 1 1 5 - <_> - 1 - - 13 55 3 2 - <_> - 5 - - 10 5 18 31 - <_> - 4 - - 3 18 3 44 - <_> - 2 - - 3 56 15 7 - <_> - 7 - - 30 44 1 13 - <_> - 1 - - 8 6 15 1 - <_> - 2 - - 11 0 8 24 - <_> - 5 - - 13 15 2 10 - <_> - 1 - - 10 15 13 1 - <_> - 4 - - 11 12 7 4 - <_> - 7 - - 10 10 20 2 - <_> - 7 - - 22 51 7 4 - <_> - 5 - - 14 17 6 8 - <_> - 4 - - 15 36 4 1 - <_> - 1 - - 11 53 10 4 - <_> - 1 - - 18 21 6 5 - <_> - 7 - - 6 57 4 1 - <_> - 2 - - 17 17 4 10 - <_> - 2 - - 13 18 1 1 - <_> - 0 - - 10 54 5 4 - <_> - 7 - - 0 29 17 13 - <_> - 2 - - 8 46 12 8 - <_> - 2 - - 7 10 3 26 - <_> - 1 - - 30 38 1 18 - <_> - 2 - - 16 60 14 1 - <_> - 1 - - 2 43 1 8 - <_> - 2 - - 9 36 21 9 - <_> - 7 - - 4 47 18 2 - <_> - 7 - - 6 46 1 5 - <_> - 2 - - 5 37 2 11 - <_> - 1 - - 11 46 1 14 - <_> - 1 - - 26 8 5 20 - <_> - 2 - - 16 14 2 8 - <_> - 2 - - 11 12 12 2 - <_> - 8 - - 16 12 1 5 - <_> - 8 - - 6 54 15 4 - <_> - 2 - - 8 52 16 4 - <_> - 7 - - 18 40 4 7 - <_> - 3 - - 0 56 27 2 - <_> - 1 - - 5 31 15 18 - <_> - 9 - - 16 18 2 1 - <_> - 7 - - 4 59 24 1 - <_> - 5 - - 1 57 15 3 - <_> - 8 - - 14 12 3 4 - <_> - 5 - - 0 4 6 27 - <_> - 5 - - 29 19 2 43 - <_> - 2 - - 15 22 5 6 - <_> - 5 - - 18 48 11 7 - <_> - 0 - - 27 48 4 13 - <_> - 3 - - 6 4 20 1 - <_> - 0 - - 12 10 11 6 - <_> - 4 - - 3 41 23 14 - <_> - 7 - - 27 4 4 14 - <_> - 1 - - 10 52 10 5 - <_> - 9 - - 29 61 2 1 - <_> - 7 - - 14 25 4 3 - <_> - 1 - - 1 5 15 13 - <_> - 2 - - 19 35 2 3 - <_> - 4 - - 5 18 23 5 - <_> - 9 - - 15 18 6 4 - <_> - 9 - - 23 14 8 17 - <_> - 8 - - 12 8 6 28 - <_> - 8 - - 25 13 3 6 - <_> - 8 - - 14 9 6 8 - <_> - 4 - - 20 3 6 52 - <_> - 3 - - 5 49 21 4 - <_> - 1 - - 12 40 6 6 - <_> - 2 - - 11 54 20 9 - <_> - 0 - - 13 36 9 8 - <_> - 1 - - 10 62 13 1 - <_> - 0 - - 12 24 15 39 - <_> - 5 - - 14 9 9 4 - <_> - 0 - - 1 21 2 33 - <_> - 2 - - 28 7 3 23 - <_> - 1 - - 14 53 10 4 - <_> - 3 - - 29 42 2 9 - <_> - 4 - - 13 35 9 27 - <_> - 5 - - 18 19 6 5 - <_> - 0 - - 17 22 12 12 - <_> - 0 - - 17 19 2 2 - <_> - 0 - - 0 42 19 11 - <_> - 5 - - 19 56 6 4 - <_> - 7 - - 8 49 2 1 - <_> - 1 - - 13 5 6 12 - <_> - 5 - - 3 22 18 15 - <_> - 1 - - 15 21 6 7 - <_> - 2 - - 3 16 19 29 - <_> - 5 - - 13 15 5 40 - <_> - 3 - - 16 32 3 10 - <_> - 8 - - 17 11 1 2 - <_> - 9 - - 10 29 5 20 - <_> - 8 - - 18 34 3 11 - <_> - 9 - - 26 47 2 4 - <_> - 1 - - 8 18 1 4 - <_> - 3 - - 21 43 4 11 - <_> - 3 - - 8 9 9 4 - <_> - 7 - - 9 37 13 16 - <_> - 3 - - 5 56 17 2 - <_> - 3 - - 11 53 9 1 - <_> - 4 - - 10 39 2 12 - <_> - 1 - - 8 52 2 4 - <_> - 3 - - 0 20 2 43 - <_> - 3 - - 6 37 15 10 - <_> - 5 - - 19 22 6 3 - <_> - 5 - - 15 0 15 30 - <_> - 0 - - 21 30 7 8 - <_> - 5 - - 19 19 4 32 - <_> - 3 - - 21 45 1 10 - <_> - 0 - - 15 51 5 4 - <_> - 8 - - 14 12 3 4 - <_> - 7 - - 16 11 1 1 - <_> - 7 - - 1 44 17 16 - <_> - 2 - - 18 13 2 12 - <_> - 0 - - 17 18 3 1 - <_> - 1 - - 11 55 7 5 - <_> - 2 - - 13 58 2 5 - <_> - 3 - - 10 15 1 42 - <_> - 5 - - 0 25 5 15 - <_> - 9 - - 16 17 2 6 - <_> - 2 - - 8 54 23 5 - <_> - 4 - - 15 36 4 1 - <_> - 1 - - 7 48 24 2 - <_> - 5 - - 14 5 7 10 - <_> - 0 - - 2 44 14 6 - <_> - 8 - - 17 13 2 4 - <_> - 8 - - 23 43 3 7 - <_> - 8 - - 13 12 1 9 - <_> - 3 - - 2 46 4 5 - <_> - 5 - - 21 2 1 52 - <_> - 3 - - 11 5 17 4 - <_> - 7 - - 22 57 3 1 - <_> - 4 - - 10 20 21 4 - <_> - 5 - - 12 57 18 3 - <_> - 9 - - 10 4 6 11 - <_> - 0 - - 13 45 3 4 - <_> - 1 - - 13 54 6 3 - <_> - 4 - - 8 45 18 1 - <_> - 4 - - 12 42 8 8 - <_> - 1 - - 5 50 11 4 - <_> - 9 - - 14 16 5 33 - <_> - 8 - - 15 10 13 52 - <_> - 3 - - 15 9 15 1 - <_> - 8 - - 27 61 1 1 - <_> - 9 - - 27 0 1 12 - <_> - 2 - - 14 16 4 5 - <_> - 9 - - 14 10 2 16 - <_> - 3 - - 8 11 6 20 - <_> - 7 - - 24 19 1 9 - <_> - 0 - - 14 43 6 2 - <_> - 1 - - 12 15 1 26 - <_> - 1 - - 8 6 15 1 - <_> - 0 - - 2 60 27 1 - <_> - 1 - - 2 14 21 2 - <_> - 7 - - 7 23 13 5 - <_> - 4 - - 24 56 2 7 - <_> - 8 - - 11 13 5 1 - <_> - 0 - - 10 42 12 3 - <_> - 8 - - 19 0 1 23 - <_> - 5 - - 9 61 20 2 - <_> - 0 - - 19 50 8 10 - <_> - 1 - - 16 55 9 2 - <_> - 0 - - 13 33 5 4 - <_> - 3 - - 18 27 8 9 - <_> - 3 - - 28 32 3 21 - <_> - 4 - - 15 42 4 4 - <_> - 2 - - 16 2 8 16 - <_> - 2 - - 7 2 1 47 - <_> - 7 - - 21 61 10 2 - <_> - 2 - - 29 31 2 32 - <_> - 8 - - 17 11 1 2 - <_> - 9 - - 11 19 9 1 - <_> - 9 - - 30 15 1 43 - <_> - 9 - - 24 34 1 4 - <_> - 2 - - 7 51 11 5 - <_> - 0 - - 22 42 1 11 - <_> - 5 - - 3 62 20 1 - <_> - 1 - - 7 20 11 3 - <_> - 3 - - 2 21 9 2 - <_> - 2 - - 25 34 1 18 - <_> - 5 - - 19 14 5 33 - <_> - 7 - - 28 13 1 1 - <_> - 5 - - 1 0 15 44 - <_> - 9 - - 12 32 1 10 - <_> - 7 - - 1 40 14 8 - <_> - 8 - - 12 12 8 3 - <_> - 1 - - 11 8 13 1 - <_> - 0 - - 27 47 1 15 - <_> - 4 - - 8 16 14 7 - <_> - 1 - - 8 55 8 3 - <_> - 0 - - 0 55 28 4 - <_> - 4 - - 7 56 17 4 - <_> - 3 - - 5 13 20 8 - <_> - 1 - - 3 19 4 19 - <_> - 4 - - 13 8 10 5 - <_> - 1 - - 16 18 7 3 - <_> - 4 - - 1 17 26 3 - <_> - 1 - - 11 53 10 4 - <_> - 7 - - 29 2 2 16 - <_> - 2 - - 6 55 21 5 - <_> - 1 - - 29 25 2 3 - <_> - 2 - - 10 50 10 4 - <_> - 4 - - 13 38 2 4 - <_> - 7 - - 24 46 1 9 - <_> - 9 - - 12 17 4 3 - <_> - 9 - - 4 9 6 7 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 9 7 5 1 - <_> - 7 - - 27 41 2 10 - <_> - 8 - - 11 16 3 4 - <_> - 5 - - 14 29 5 7 - <_> - 3 - - 9 24 2 33 - <_> - 5 - - 23 27 4 10 - <_> - 8 - - 3 10 28 46 - <_> - 0 - - 23 46 2 5 - <_> - 5 - - 15 8 9 19 - <_> - 4 - - 10 13 14 37 - <_> - 0 - - 4 57 23 3 - <_> - 1 - - 4 42 26 1 - <_> - 1 - - 15 53 7 4 - <_> - 1 - - 5 61 24 1 - <_> - 4 - - 14 49 7 12 - <_> - 0 - - 11 49 11 2 - <_> - 7 - - 14 10 3 2 - <_> - 1 - - 13 8 3 11 - <_> - 1 - - 11 41 4 9 - <_> - 5 - - 21 2 1 52 - <_> - 1 - - 14 32 9 6 - <_> - 2 - - 10 55 15 5 - <_> - 1 - - 11 28 20 29 - <_> - 1 - - 7 22 20 24 - <_> - 8 - - 14 12 3 4 - <_> - 0 - - 15 16 2 10 - <_> - 9 - - 13 8 5 13 - <_> - 3 - - 1 49 18 7 - <_> - 1 - - 11 21 14 3 - <_> - 2 - - 11 4 8 13 - <_> - 9 - - 16 39 4 1 - <_> - 9 - - 16 11 3 3 - <_> - 9 - - 16 13 3 15 - <_> - 5 - - 10 0 13 3 - <_> - 3 - - 12 52 19 7 - <_> - 8 - - 8 45 12 3 - <_> - 0 - - 12 10 11 6 - <_> - 3 - - 19 42 9 13 - <_> - 5 - - 15 57 10 3 - <_> - 0 - - 17 51 7 5 - <_> - 1 - - 12 24 6 2 - <_> - 7 - - 11 61 3 1 - <_> - 1 - - 8 18 15 8 - <_> - 4 - - 15 13 6 5 - <_> - 3 - - 17 16 6 25 - <_> - 4 - - 15 42 4 5 - <_> - 4 - - 16 25 12 21 - <_> - 4 - - 11 37 3 11 - <_> - 8 - - 14 9 6 8 - <_> - 1 - - 27 49 4 6 - <_> - 8 - - 30 12 1 20 - <_> - 2 - - 0 21 1 6 - <_> - 3 - - 7 15 10 11 - <_> - 4 - - 15 36 4 1 - <_> - 1 - - 21 2 3 7 - <_> - 1 - - 15 8 4 8 - <_> - 9 - - 28 2 3 1 - <_> - 7 - - 15 10 13 4 - <_> - 1 - - 15 52 2 5 - <_> - 4 - - 8 34 11 3 - <_> - 0 - - 14 28 5 5 - <_> - 0 - - 14 30 9 27 - <_> - 1 - - 16 7 4 26 - <_> - 3 - - 28 45 3 16 - <_> - 0 - - 14 49 16 5 - <_> - 0 - - 11 15 1 41 - <_> - 0 - - 6 50 6 10 - <_> - 1 - - 11 22 11 2 - <_> - 3 - - 30 60 1 2 - <_> - 8 - - 14 12 3 4 - <_> - 0 - - 17 16 5 2 - <_> - 9 - - 7 35 11 6 - <_> - 2 - - 11 39 19 6 - <_> - 3 - - 18 40 5 17 - <_> - 5 - - 12 52 7 10 - <_> - 3 - - 3 47 24 8 - <_> - 3 - - 0 22 5 24 - <_> - 3 - - 22 43 5 10 - <_> - 1 - - 9 54 5 6 - <_> - 2 - - 13 62 8 1 - <_> - 4 - - 12 5 9 15 - <_> - 4 - - 18 14 3 38 - <_> - 2 - - 17 3 4 15 - <_> - 5 - - 6 4 23 2 - <_> - 9 - - 9 19 12 2 - <_> - 9 - - 5 10 24 2 - <_> - 8 - - 15 17 2 35 - <_> - 0 - - 3 43 1 9 - <_> - 7 - - 7 50 3 3 - <_> - 5 - - 15 29 5 3 - <_> - 0 - - 20 25 7 10 - <_> - 7 - - 16 11 1 1 - <_> - 0 - - 0 23 28 17 - <_> - 7 - - 6 60 21 3 - <_> - 1 - - 10 30 15 2 - <_> - 5 - - 21 57 3 6 - <_> - 8 - - 17 13 2 4 - <_> - 8 - - 13 14 1 3 - <_> - 8 - - 5 54 18 3 - <_> - 2 - - 7 51 11 5 - <_> - 8 - - 1 0 19 6 - <_> - 1 - - 17 20 6 5 - <_> - 4 - - 13 44 1 4 - <_> - 8 - - 12 12 8 3 - <_> - 2 - - 18 41 2 10 - <_> - 8 - - 2 61 3 1 - <_> - 9 - - 18 2 1 50 - <_> - 9 - - 0 60 16 3 - <_> - 2 - - 19 25 10 2 - <_> - 7 - - 3 23 5 13 - <_> - 2 - - 14 23 3 6 - <_> - 9 - - 28 46 2 2 - <_> - 9 - - 8 50 5 6 - <_> - 2 - - 10 2 10 28 - <_> - 8 - - 16 12 1 5 - <_> - 2 - - 11 41 10 2 - <_> - 5 - - 20 0 2 32 - <_> - 5 - - 4 55 17 8 - <_> - 0 - - 21 0 8 3 - <_> - 3 - - 8 22 5 2 - <_> - 5 - - 14 9 9 4 - <_> - 7 - - 14 0 12 1 - <_> - 7 - - 20 58 4 1 - <_> - 2 - - 26 47 1 4 - <_> - 1 - - 2 55 27 1 - <_> - 2 - - 19 35 2 3 - <_> - 1 - - 9 13 7 27 - <_> - 3 - - 12 5 1 19 - <_> - 1 - - 12 15 1 26 - <_> - 2 - - 11 16 2 2 - <_> - 7 - - 13 12 10 1 - <_> - 0 - - 21 20 1 12 - <_> - 8 - - 0 62 15 1 - <_> - 8 - - 12 11 8 1 - <_> - 7 - - 11 60 6 1 - <_> - 8 - - 20 4 1 4 - <_> - 3 - - 11 62 9 1 - <_> - 0 - - 16 18 2 1 - <_> - 7 - - 2 62 13 1 - <_> - 9 - - 27 61 4 1 - <_> - 1 - - 13 5 6 12 - <_> - 4 - - 11 40 8 11 - <_> - 3 - - 10 15 1 42 - <_> - 3 - - 0 13 15 37 - <_> - 0 - - 8 50 2 5 - <_> - 3 - - 9 42 10 10 - <_> - 9 - - 15 17 2 5 - <_> - 8 - - 14 12 3 4 - <_> - 1 - - 8 18 1 4 - <_> - 2 - - 21 56 3 6 - <_> - 1 - - 5 56 21 1 - <_> - 5 - - 1 25 5 24 - <_> - 5 - - 10 56 3 1 - <_> - 4 - - 0 17 15 7 - <_> - 7 - - 26 33 1 6 - <_> - 4 - - 10 18 16 5 - <_> - 2 - - 20 15 4 11 - <_> - 0 - - 19 17 3 7 - <_> - 5 - - 18 1 10 22 - <_> - 5 - - 18 16 8 12 - <_> - 5 - - 22 19 1 13 - <_> - 3 - - 17 29 2 10 - <_> - 4 - - 15 36 4 1 - <_> - 1 - - 8 51 17 4 - <_> - 7 - - 0 52 28 10 - <_> - 2 - - 14 16 8 3 - <_> - 7 - - 14 25 4 3 - <_> - 7 - - 27 12 1 8 - <_> - 0 - - 11 36 14 16 - <_> - 7 - - 30 21 1 11 - <_> - 0 - - 25 39 2 8 - <_> - 9 - - 0 1 24 1 - <_> - 0 - - 7 57 21 1 - <_> - 0 - - 9 5 2 13 - <_> - 2 - - 6 52 15 3 - <_> - 9 - - 24 44 2 1 - <_> - 4 - - 2 61 4 2 - <_> - 5 - - 19 54 3 3 - <_> - 5 - - 19 48 6 8 - <_> - 9 - - 15 37 5 11 - <_> - 0 - - 4 46 2 7 - <_> - 3 - - 4 23 7 6 - <_> - 4 - - 13 8 8 9 - <_> - 8 - - 12 12 8 3 - <_> - 8 - - 16 8 1 17 - <_> - 8 - - 14 17 4 2 - <_> - 1 - - 14 46 4 4 - <_> - 5 - - 7 60 20 1 - <_> - 2 - - 7 39 16 11 - <_> - 1 - - 13 21 3 2 - <_> - 1 - - 17 9 5 12 - <_> - 1 - - 9 56 8 1 - <_> - 5 - - 30 46 1 14 - <_> - 0 - - 10 37 20 2 - <_> - 0 - - 12 26 3 14 - <_> - 0 - - 13 33 1 8 - <_> - 1 - - 14 53 3 9 - <_> - 9 - - 16 15 1 22 - <_> - 8 - - 14 12 3 4 - <_> - 1 - - 11 19 11 1 - <_> - 5 - - 17 9 5 10 - <_> - 8 - - 9 3 8 2 - <_> - 8 - - 12 11 8 1 - <_> - 5 - - 26 42 3 19 - <_> - 0 - - 12 10 11 6 - <_> - 4 - - 14 41 12 19 - <_> - 4 - - 13 40 4 6 - <_> - 7 - - 6 55 7 2 - <_> - 8 - - 18 54 12 3 - <_> - 2 - - 1 38 25 11 - <_> - 7 - - 4 0 21 42 - <_> - 0 - - 12 0 8 11 - <_> - 4 - - 14 23 4 11 - <_> - 0 - - 18 21 2 5 - <_> - 5 - - 19 21 10 1 - <_> - 9 - - 12 0 2 12 - <_> - 7 - - 12 60 7 2 - <_> - 2 - - 26 45 3 1 - <_> - 3 - - 4 30 21 5 - <_> - 2 - - 6 57 23 2 - <_> - 5 - - 15 50 6 5 - <_> - 1 - - 23 44 2 7 - <_> - 1 - - 21 27 5 30 - <_> - 1 - - 15 55 2 1 - <_> - 9 - - 0 16 24 45 - <_> - 2 - - 11 11 12 6 - <_> - 7 - - 4 30 2 10 - <_> - 2 - - 23 8 2 10 - <_> - 4 - - 10 21 2 5 - <_> - 1 - - 6 0 14 28 - <_> - 3 - - 6 38 3 12 - <_> - 0 - - 0 48 3 7 - <_> - 9 - - 12 14 3 12 - <_> - 0 - - 13 8 7 8 - <_> - 3 - - 11 41 14 17 - <_> - 0 - - 12 50 16 6 - <_> - 3 - - 15 47 7 11 - <_> - 3 - - 4 56 15 3 - <_> - 4 - - 11 46 10 4 - <_> - 0 - - 13 36 9 8 - <_> - 8 - - 16 8 1 17 - <_> - 9 - - 15 18 3 6 - <_> - 3 - - 14 34 5 5 - <_> - 3 - - 6 23 7 8 - <_> - 3 - - 11 26 6 3 - <_> - 0 - - 12 19 9 11 - <_> - 8 - - 19 41 2 1 - <_> - 8 - - 18 11 9 24 - <_> - 3 - - 15 28 2 3 - <_> - 3 - - 7 50 11 6 - <_> - 4 - - 20 6 5 10 - <_> - 4 - - 14 1 7 21 - <_> - 1 - - 16 54 2 4 - <_> - 9 - - 28 48 1 7 - <_> - 4 - - 14 56 7 4 - <_> - 5 - - 19 9 3 41 - <_> - 9 - - 0 52 14 9 - <_> - 2 - - 18 54 10 7 - <_> - 9 - - 11 8 8 49 - <_> - 8 - - 11 13 5 1 - <_> - 8 - - 29 12 2 9 - <_> - 7 - - 28 4 3 24 - <_> - 9 - - 12 17 4 3 - <_> - 0 - - 14 43 6 2 - <_> - 0 - - 11 7 4 10 - <_> - 0 - - 12 1 2 5 - <_> - 1 - - 12 24 6 2 - <_> - 5 - - 19 14 5 7 - <_> - 7 - - 14 10 3 2 - <_> - 2 - - 19 30 1 8 - <_> - 7 - - 20 61 1 1 - <_> - 5 - - 1 57 29 5 - <_> - 8 - - 16 51 6 9 - <_> - 2 - - 7 51 13 5 - <_> - 4 - - 16 19 4 2 - <_> - 1 - - 15 33 5 21 - <_> - 1 - - 20 19 3 2 - <_> - 5 - - 8 31 4 27 - <_> - 8 - - 17 11 1 2 - <_> - 1 - - 26 8 5 20 - <_> - 0 - - 6 3 21 5 - <_> - 0 - - 9 33 15 6 - <_> - 1 - - 14 56 14 1 - <_> - 2 - - 7 59 2 2 - <_> - 4 - - 2 54 12 8 - <_> - 0 - - 13 25 5 7 - <_> - 3 - - 7 20 9 7 - <_> - 2 - - 10 42 13 9 - <_> - 1 - - 29 36 1 3 - <_> - 3 - - 22 2 4 31 - <_> - 0 - - 19 32 4 15 - <_> - 0 - - 17 18 3 1 - <_> - 3 - - 0 47 1 7 - <_> - 8 - - 16 12 1 5 - <_> - 2 - - 8 56 9 7 - <_> - 2 - - 0 38 24 20 - <_> - 9 - - 17 31 1 6 - <_> - 9 - - 14 59 1 2 - <_> - 4 - - 17 38 1 4 - <_> - 0 - - 12 10 11 6 - <_> - 1 - - 13 21 6 2 - <_> - 7 - - 3 10 26 10 - <_> - 0 - - 7 12 14 35 - <_> - 3 - - 20 42 2 6 - <_> - 0 - - 10 43 6 5 - <_> - 1 - - 10 55 14 1 - <_> - 8 - - 9 48 13 13 - <_> - 8 - - 17 11 1 2 - <_> - 8 - - 9 57 12 5 - <_> - 5 - - 6 1 21 2 - <_> - 5 - - 17 9 5 10 - <_> - 9 - - 9 43 12 1 - <_> - 3 - - 24 46 7 7 - <_> - 4 - - 29 29 2 8 - <_> - 5 - - 17 9 5 10 - <_> - 1 - - 10 53 15 5 - <_> - 5 - - 4 62 16 1 - <_> - 4 - - 25 52 4 8 - <_> - 0 - - 11 52 17 4 - <_> - 4 - - 9 0 1 43 - <_> - 5 - - 11 34 2 3 - <_> - 2 - - 9 41 11 1 - <_> - 4 - - 9 61 13 2 - <_> - 3 - - 28 25 1 34 - <_> - 2 - - 19 26 7 1 - <_> - 3 - - 8 18 8 1 - <_> - 5 - - 2 35 19 26 - <_> - 3 - - 15 25 3 7 - <_> - 5 - - 25 23 3 9 - <_> - 0 - - 14 41 1 18 - <_> - 2 - - 12 58 15 2 - <_> - 7 - - 26 60 3 3 - <_> - 0 - - 24 31 3 15 - <_> - 7 - - 5 7 6 10 - <_> - 1 - - 12 8 8 4 - <_> - 5 - - 20 42 4 11 - <_> - 1 - - 16 5 8 2 - <_> - 7 - - 15 6 2 12 - <_> - 9 - - 12 1 19 1 - <_> - 9 - - 10 16 4 32 - <_> - 3 - - 11 41 14 17 - <_> - 8 - - 9 12 10 27 - <_> - 3 - - 8 9 9 4 - <_> - 7 - - 7 2 3 8 - <_> - 1 - - 13 20 1 4 - <_> - 1 - - 13 5 6 12 - <_> - 0 - - 28 19 2 43 - <_> - 4 - - 3 23 1 16 - <_> - 5 - - 18 29 5 25 - <_> - 2 - - 25 55 5 8 - <_> - 4 - - 11 34 11 14 - <_> - 7 - - 6 59 9 4 - <_> - 5 - - 25 45 3 15 - <_> - 8 - - 14 9 6 8 - <_> - 8 - - 29 28 1 18 - <_> - 5 - - 21 1 5 13 - <_> - 8 - - 19 41 2 1 - <_> - 1 - - 13 54 6 3 - <_> - 9 - - 29 31 1 4 - <_> - 0 - - 5 61 9 2 - <_> - 8 - - 14 12 3 4 - <_> - 7 - - 19 32 1 1 - <_> - 8 - - 5 5 6 15 - <_> - 0 - - 13 49 9 4 - <_> - 4 - - 13 46 4 7 - <_> - 4 - - 14 13 9 7 - <_> - 0 - - 17 18 3 1 - <_> - 3 - - 8 36 16 11 - <_> - 9 - - 14 24 6 10 - <_> - 3 - - 0 54 31 4 - <_> - 1 - - 17 43 4 9 - <_> - 5 - - 20 16 3 22 - <_> - 9 - - 0 48 1 3 - <_> - 8 - - 12 12 8 3 - <_> - 9 - - 14 17 6 39 - <_> - 0 - - 11 42 11 2 - <_> - 2 - - 17 17 1 20 - <_> - 2 - - 0 32 10 15 - <_> - 2 - - 16 57 7 6 - <_> - 5 - - 14 9 13 13 - <_> - 0 - - 13 25 5 7 - <_> - 2 - - 20 17 2 14 - <_> - 3 - - 23 35 3 14 - <_> - 2 - - 16 8 1 24 - <_> - 3 - - 3 19 10 27 - <_> - 1 - - 4 34 25 1 - <_> - 1 - - 6 13 6 23 - <_> - 1 - - 17 16 2 31 - <_> - 2 - - 13 10 13 7 - <_> - 5 - - 10 20 3 33 - <_> - 1 - - 15 52 2 5 - <_> - 2 - - 9 6 17 18 - <_> - 2 - - 30 20 1 11 - <_> - 3 - - 29 7 1 28 - <_> - 7 - - 6 5 20 4 - <_> - 7 - - 6 49 4 2 - <_> - 4 - - 13 7 5 4 - <_> - 3 - - 20 42 2 6 - <_> - 1 - - 12 5 2 49 - <_> - 3 - - 7 9 11 33 - <_> - 7 - - 0 5 22 6 - <_> - 3 - - 3 36 12 1 - <_> - 0 - - 17 33 9 11 - <_> - 0 - - 17 27 5 9 - <_> - 1 - - 16 18 7 3 - <_> - 1 - - 16 55 9 2 - <_> - 4 - - 10 41 8 7 - <_> - 4 - - 11 1 8 16 - <_> - 9 - - 10 6 15 8 - <_> - 2 - - 6 4 24 4 - <_> - 9 - - 9 19 12 2 - <_> - 5 - - 13 8 11 4 - <_> - 0 - - 1 19 2 38 - <_> - 5 - - 14 36 1 8 - <_> - 7 - - 22 53 9 1 - <_> - 5 - - 11 5 4 35 - <_> - 5 - - 18 19 6 5 - <_> - 1 - - 17 33 3 24 - <_> - 2 - - 6 50 11 4 - <_> - 3 - - 8 42 2 4 - <_> - 5 - - 16 57 4 6 - <_> - 8 - - 11 8 11 6 - <_> - 4 - - 9 18 5 8 - <_> - 2 - - 17 40 5 5 - <_> - 9 - - 29 19 1 9 - <_> - 0 - - 24 5 5 16 - <_> - 9 - - 18 35 2 12 - <_> - 9 - - 2 9 5 11 - <_> - 7 - - 24 49 2 4 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 17 13 2 4 - <_> - 8 - - 14 5 1 3 - <_> - 5 - - 10 55 5 4 - <_> - 1 - - 9 52 11 10 - <_> - 0 - - 7 56 19 4 - <_> - 4 - - 9 37 17 1 - <_> - 0 - - 9 33 15 6 - <_> - 5 - - 13 31 1 10 - <_> - 5 - - 20 3 2 24 - <_> - 7 - - 9 43 18 2 - <_> - 7 - - 2 12 18 1 - <_> - 0 - - 14 26 2 3 - <_> - 3 - - 4 26 9 4 - <_> - 0 - - 22 40 4 9 - <_> - 1 - - 9 56 16 1 - <_> - 5 - - 5 62 11 1 - <_> - 3 - - 2 9 18 8 - <_> - 4 - - 11 28 20 35 - <_> - 5 - - 15 43 10 10 - <_> - 7 - - 24 49 2 2 - <_> - 1 - - 13 20 1 4 - <_> - 1 - - 16 9 1 27 - <_> - 3 - - 11 20 19 26 - <_> - 2 - - 22 55 9 8 - <_> - 3 - - 0 40 2 15 - <_> - 3 - - 8 8 5 27 - <_> - 7 - - 18 11 1 1 - <_> - 9 - - 12 20 2 8 - <_> - 4 - - 12 9 13 5 - <_> - 3 - - 7 50 11 6 - <_> - 5 - - 22 45 1 10 - <_> - 8 - - 11 13 5 1 - <_> - 3 - - 20 38 2 17 - <_> - 5 - - 17 8 6 6 - <_> - 3 - - 15 25 3 7 - <_> - 4 - - 10 1 13 19 - <_> - 1 - - 13 14 17 2 - <_> - 1 - - 12 3 6 3 - <_> - 8 - - 5 61 1 1 - <_> - 8 - - 14 5 1 3 - <_> - 9 - - 21 62 7 1 - <_> - 4 - - 18 41 1 8 - <_> - 1 - - 12 54 11 7 - <_> - 2 - - 9 27 1 28 - <_> - 8 - - 8 12 15 3 - <_> - 8 - - 14 12 3 4 - <_> - 9 - - 14 11 3 45 - <_> - 9 - - 13 4 10 3 - <_> - 0 - - 22 3 1 7 - <_> - 9 - - 16 15 1 22 - <_> - 2 - - 12 60 19 3 - <_> - 2 - - 8 41 15 1 - <_> - 3 - - 3 50 25 6 - <_> - 4 - - 15 9 14 15 - <_> - 2 - - 12 5 5 14 - <_> - 2 - - 15 46 5 12 - <_> - 0 - - 11 7 4 10 - <_> - 3 - - 10 47 18 3 - <_> - 5 - - 6 35 1 17 - <_> - 9 - - 24 4 5 3 - <_> - 5 - - 14 1 15 5 - <_> - 9 - - 19 20 1 2 - <_> - 8 - - 14 12 3 4 - <_> - 9 - - 0 53 3 1 - <_> - 3 - - 10 8 5 8 - <_> - 8 - - 29 30 1 11 - <_> - 8 - - 13 26 15 1 - <_> - 3 - - 29 42 2 15 - <_> - 1 - - 13 54 6 3 - <_> - 4 - - 14 35 8 5 - <_> - 5 - - 10 47 11 11 - <_> - 2 - - 6 50 11 4 - <_> - 3 - - 6 49 4 5 - <_> - 9 - - 10 29 12 18 - <_> - 5 - - 9 60 18 3 - <_> - 3 - - 10 15 1 42 - <_> - 1 - - 17 20 6 5 - <_> - 4 - - 28 16 3 18 - <_> - 3 - - 19 41 1 21 - <_> - 0 - - 18 35 3 4 - <_> - 0 - - 13 18 3 1 - <_> - 0 - - 1 23 14 6 - <_> - 0 - - 28 49 3 2 - <_> - 1 - - 13 14 13 3 - <_> - 0 - - 11 27 8 3 - <_> - 0 - - 11 48 14 5 - <_> - 5 - - 14 62 12 1 - <_> - 4 - - 20 6 1 43 - <_> - 9 - - 12 17 4 3 - <_> - 0 - - 11 13 17 1 - <_> - 3 - - 30 43 1 3 - <_> - 0 - - 4 53 2 2 - <_> - 7 - - 2 55 14 2 - <_> - 8 - - 22 32 1 22 - <_> - 1 - - 13 21 3 2 - <_> - 2 - - 8 12 15 35 - <_> - 7 - - 8 1 13 46 - <_> - 5 - - 12 33 4 5 - <_> - 7 - - 9 62 16 1 - <_> - 5 - - 7 58 14 3 - <_> - 2 - - 15 0 10 1 - <_> - 8 - - 14 9 6 8 - <_> - 1 - - 2 55 6 1 - <_> - 8 - - 17 6 2 1 - <_> - 1 - - 15 36 1 17 - <_> - 1 - - 5 50 11 4 - <_> - 9 - - 13 15 1 3 - <_> - 0 - - 13 43 9 4 - <_> - 7 - - 0 14 2 41 - <_> - 5 - - 7 37 2 24 - <_> - 3 - - 10 1 1 27 - <_> - 4 - - 13 44 7 9 - <_> - 9 - - 30 3 1 9 - <_> - 1 - - 4 34 25 1 - <_> - 3 - - 4 56 15 3 - <_> - 2 - - 11 49 16 2 - <_> - 2 - - 8 52 17 11 - <_> - 8 - - 14 12 3 4 - <_> - 5 - - 1 2 2 32 - <_> - 5 - - 20 15 3 46 - <_> - 7 - - 7 14 3 26 - <_> - 3 - - 15 28 2 3 - <_> - 2 - - 6 51 8 6 - <_> - 3 - - 2 50 5 2 - <_> - 5 - - 3 47 14 1 - <_> - 1 - - 29 61 2 1 - <_> - 1 - - 20 47 3 14 - <_> - 2 - - 16 45 3 6 - <_> - 4 - - 0 61 3 2 - <_> - 1 - - 18 46 3 1 - <_> - 2 - - 13 38 2 18 - <_> - 3 - - 4 0 12 1 - <_> - 3 - - 5 10 9 31 - <_> - 9 - - 25 51 3 1 - <_> - 5 - - 26 33 2 13 - <_> - 5 - - 18 18 9 10 - <_> - 3 - - 13 23 2 16 - <_> - 1 - - 8 53 7 6 - <_> - 3 - - 27 38 3 21 - <_> - 7 - - 5 59 17 2 - <_> - 4 - - 0 23 2 8 - <_> - 7 - - 23 54 1 1 - <_> - 1 - - 11 19 1 18 - <_> - 1 - - 13 8 3 11 - <_> - 7 - - 14 20 3 3 - <_> - 1 - - 18 17 2 9 - <_> - 5 - - 19 56 4 7 - <_> - 5 - - 14 49 9 5 - <_> - 3 - - 8 22 3 10 - <_> - 4 - - 12 39 3 3 - <_> - 1 - - 16 49 11 3 - <_> - 9 - - 6 52 1 8 - <_> - 4 - - 27 23 2 13 - <_> - 4 - - 4 58 19 2 - <_> - 5 - - 16 30 1 1 - <_> - 5 - - 7 30 17 17 - <_> - 0 - - 2 38 3 21 - <_> - 4 - - 16 7 3 17 - <_> - 1 - - 8 6 15 1 - <_> - 2 - - 18 29 5 13 - <_> - 9 - - 15 27 2 1 - <_> - 8 - - 14 9 6 8 - <_> - 1 - - 3 53 5 1 - <_> - 8 - - 26 27 1 7 - <_> - 4 - - 11 5 2 48 - <_> - 3 - - 10 4 1 53 - <_> - 1 - - 4 42 26 1 - <_> - 0 - - 17 19 2 2 - <_> - 4 - - 12 39 8 10 - <_> - 8 - - 16 12 1 5 - <_> - 8 - - 9 62 8 1 - <_> - 8 - - 17 13 2 4 - <_> - 2 - - 23 36 3 22 - <_> - 1 - - 15 53 7 4 - <_> - 1 - - 3 59 18 2 - <_> - 4 - - 18 39 1 2 - <_> - 7 - - 8 8 22 20 - <_> - 7 - - 2 53 10 2 - <_> - 5 - - 16 26 7 15 - <_> - 4 - - 0 62 24 1 - <_> - 1 - - 4 56 7 7 - <_> - 9 - - 29 0 1 11 - <_> - 0 - - 12 33 5 2 - <_> - 5 - - 7 32 8 7 - <_> - 4 - - 5 18 23 5 - <_> - 3 - - 23 49 2 1 - <_> - 0 - - 11 49 11 6 - <_> - 5 - - 21 20 1 6 - <_> - 9 - - 16 18 2 1 - <_> - 9 - - 14 1 3 13 - <_> - 3 - - 19 48 1 15 - <_> - 4 - - 1 17 26 3 - <_> - 5 - - 0 24 30 26 - <_> - 5 - - 15 58 12 4 - <_> - 0 - - 11 49 11 2 - <_> - 1 - - 6 21 13 20 - <_> - 3 - - 11 9 15 7 - <_> - 2 - - 11 56 7 4 - <_> - 1 - - 16 23 2 5 - <_> - 4 - - 10 8 14 4 - <_> - 1 - - 2 15 17 1 - <_> - 2 - - 11 17 6 3 - <_> - 1 - - 20 13 1 22 - <_> - 5 - - 17 9 5 10 - <_> - 2 - - 16 13 8 8 - <_> - 5 - - 14 0 12 17 - <_> - 5 - - 10 38 14 3 - <_> - 7 - - 21 40 1 7 - <_> - 5 - - 12 34 7 6 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 12 22 5 2 - <_> - 8 - - 5 5 6 15 - <_> - 1 - - 10 15 4 20 - <_> - 9 - - 13 13 3 21 - <_> - 4 - - 28 20 1 16 - <_> - 7 - - 16 11 1 1 - <_> - 4 - - 8 52 9 6 - <_> - 1 - - 11 53 10 4 - <_> - 1 - - 16 18 7 3 - <_> - 7 - - 1 51 12 2 - <_> - 7 - - 12 60 2 2 - <_> - 8 - - 11 13 5 1 - <_> - 1 - - 10 56 10 1 - <_> - 2 - - 29 1 2 21 - <_> - 4 - - 15 36 4 1 - <_> - 9 - - 19 41 1 6 - <_> - 4 - - 1 51 7 12 - <_> - 0 - - 22 19 1 33 - <_> - 5 - - 16 57 5 6 - <_> - 2 - - 5 37 2 11 - <_> - 2 - - 10 42 9 16 - <_> - 7 - - 2 53 10 2 - <_> - 4 - - 8 45 18 1 - <_> - 5 - - 17 15 9 10 - <_> - 3 - - 25 60 3 1 - <_> - 3 - - 29 22 2 11 - <_> - 9 - - 9 56 18 7 - <_> - 8 - - 27 60 3 3 - <_> - 0 - - 7 15 9 7 - <_> - 3 - - 13 21 3 10 - <_> - 3 - - 8 11 6 20 - <_> - 9 - - 30 17 1 2 - <_> - 5 - - 12 56 2 5 - <_> - 1 - - 30 41 1 20 - <_> - 9 - - 12 17 4 3 - <_> - 1 - - 15 53 7 4 - <_> - 0 - - 0 48 3 7 - <_> - 8 - - 12 11 18 2 - <_> - 8 - - 10 55 5 4 - <_> - 8 - - 14 12 3 4 - <_> - 2 - - 19 40 1 12 - <_> - 1 - - 13 21 6 2 - <_> - 4 - - 13 8 10 5 - <_> - 1 - - 7 11 22 1 - <_> - 4 - - 18 41 1 8 - <_> - 3 - - 7 62 13 1 - <_> - 1 - - 9 56 16 1 - <_> - 0 - - 14 30 9 21 - <_> - 1 - - 19 2 10 11 - <_> - 3 - - 21 47 1 8 - <_> - 2 - - 9 48 9 6 - <_> - 1 - - 21 35 1 15 - <_> - 3 - - 4 26 3 29 - <_> - 0 - - 14 11 15 3 - <_> - 7 - - 2 46 21 1 - <_> - 2 - - 25 10 2 18 - <_> - 4 - - 12 14 4 5 - <_> - 3 - - 25 46 4 2 - <_> - 4 - - 9 12 1 11 - <_> - 9 - - 19 39 1 12 - <_> - 7 - - 14 11 9 3 - <_> - 7 - - 6 41 1 7 - <_> - 2 - - 5 58 21 2 - <_> - 5 - - 20 14 9 8 - <_> - 4 - - 3 31 27 3 - <_> - 5 - - 6 1 21 2 - <_> - 7 - - 16 11 1 1 - <_> - 4 - - 13 24 5 27 - <_> - 7 - - 22 60 6 2 - <_> - 4 - - 1 34 20 4 - <_> - 1 - - 15 33 2 8 - <_> - 5 - - 14 40 12 10 - <_> - 2 - - 15 48 2 3 - <_> - 9 - - 15 7 3 51 - <_> - 8 - - 12 12 8 3 - <_> - 3 - - 14 34 5 5 - <_> - 5 - - 17 9 5 10 - <_> - 1 - - 18 20 3 7 - <_> - 4 - - 15 6 3 4 - <_> - 5 - - 2 22 14 3 - <_> - 4 - - 10 29 3 19 - <_> - 1 - - 11 44 1 14 - <_> - 3 - - 6 39 5 16 - <_> - 0 - - 9 51 2 5 - <_> - 2 - - 9 50 4 5 - <_> - 9 - - 16 18 2 1 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 16 11 7 3 - <_> - 8 - - 14 17 4 2 - <_> - 2 - - 26 53 5 7 - <_> - 5 - - 16 47 8 7 - <_> - 3 - - 7 50 8 1 - <_> - 4 - - 8 47 23 1 - <_> - 2 - - 5 59 14 1 - <_> - 9 - - 20 57 1 2 - <_> - 1 - - 23 8 8 22 - <_> - 3 - - 17 50 8 11 - <_> - 0 - - 8 19 21 25 - <_> - 2 - - 14 23 3 6 - <_> - 5 - - 8 22 20 6 - <_> - 4 - - 8 60 7 3 - <_> - 1 - - 12 51 3 12 - <_> - 5 - - 11 57 2 6 - <_> - 7 - - 26 0 3 1 - <_> - 7 - - 12 59 12 3 - <_> - 0 - - 25 50 6 11 - <_> - 0 - - 6 52 25 5 - <_> - 5 - - 14 9 9 4 - <_> - 7 - - 17 11 8 1 - <_> - 5 - - 24 56 1 4 - <_> - 0 - - 18 18 2 7 - <_> - 3 - - 6 22 14 7 - <_> - 0 - - 3 0 17 9 - <_> - 3 - - 11 12 2 9 - <_> - 7 - - 17 8 14 7 - <_> - 4 - - 8 41 17 1 - <_> - 8 - - 14 12 3 4 - <_> - 5 - - 22 38 3 10 - <_> - 9 - - 15 32 2 2 - <_> - 2 - - 21 27 9 10 - <_> - 3 - - 16 53 14 2 - <_> - 0 - - 13 24 3 7 - <_> - 1 - - 14 43 10 9 - <_> - 1 - - 14 53 3 9 - <_> - 1 - - 12 31 10 8 - <_> - 2 - - 10 57 19 1 - <_> - 1 - - 9 32 5 2 - <_> - 1 - - 0 34 13 14 - <_> - 5 - - 14 52 9 3 - <_> - 1 - - 4 1 23 5 - <_> - 2 - - 2 49 23 11 - <_> - 1 - - 13 20 1 4 - <_> - 4 - - 12 19 12 1 - <_> - 8 - - 10 39 2 2 - <_> - 9 - - 30 38 1 1 - <_> - 4 - - 13 44 1 4 - <_> - 1 - - 18 28 8 15 - <_> - 1 - - 28 5 2 23 - <_> - 5 - - 16 55 8 4 - <_> - 4 - - 20 18 2 4 - <_> - 2 - - 8 41 15 1 - <_> - 7 - - 15 2 2 56 - <_> - 4 - - 12 4 9 12 - <_> - 3 - - 4 56 15 3 - <_> - 2 - - 5 51 13 5 - <_> - 5 - - 21 25 1 18 - <_> - 4 - - 21 18 7 32 - <_> - 8 - - 14 9 6 8 - <_> - 1 - - 11 19 11 1 - <_> - 8 - - 0 14 1 8 - <_> - 7 - - 6 8 1 3 - <_> - 5 - - 13 46 2 11 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 6 10 11 18 - <_> - 8 - - 5 14 4 5 - <_> - 9 - - 13 16 4 4 - <_> - 9 - - 10 1 13 13 - <_> - 0 - - 5 47 1 16 - <_> - 7 - - 1 48 29 7 - <_> - 0 - - 0 4 1 5 - <_> - 2 - - 18 61 7 1 - <_> - 2 - - 18 15 8 18 - <_> - 1 - - 14 17 5 10 - <_> - 3 - - 16 32 4 7 - <_> - 0 - - 19 29 5 7 - <_> - 7 - - 12 15 5 1 - <_> - 4 - - 13 36 3 4 - <_> - 1 - - 13 5 6 12 - <_> - 8 - - 29 56 2 3 - <_> - 1 - - 11 45 8 5 - <_> - 7 - - 11 59 3 3 - <_> - 8 - - 21 55 5 5 - <_> - 3 - - 10 21 1 13 - <_> - 5 - - 15 24 4 7 - <_> - 2 - - 17 3 4 15 - <_> - 5 - - 7 2 10 2 - <_> - 8 - - 14 12 3 4 - <_> - 1 - - 13 21 6 2 - <_> - 2 - - 10 8 20 7 - <_> - 5 - - 0 33 27 15 - <_> - 0 - - 11 42 11 2 - <_> - 1 - - 9 17 11 9 - <_> - 5 - - 6 59 13 1 - <_> - 4 - - 11 46 10 4 - <_> - 1 - - 13 54 6 3 - <_> - 1 - - 5 50 11 4 - <_> - 9 - - 10 15 3 30 - <_> - 1 - - 4 30 22 11 - <_> - 9 - - 28 2 3 1 - <_> - 8 - - 28 62 1 1 - <_> - 1 - - 19 28 7 6 - <_> - 4 - - 28 9 3 26 - <_> - 1 - - 3 44 16 2 - <_> - 2 - - 30 36 1 8 - <_> - 2 - - 7 51 13 5 - <_> - 9 - - 17 19 2 4 - <_> - 2 - - 10 56 10 3 - <_> - 5 - - 16 16 14 9 - <_> - 7 - - 16 38 2 4 - <_> - 2 - - 15 0 7 6 - <_> - 8 - - 17 13 2 4 - <_> - 7 - - 23 49 4 3 - <_> - 1 - - 7 25 10 10 - <_> - 9 - - 12 29 7 19 - <_> - 7 - - 17 28 1 12 - <_> - 7 - - 18 6 1 2 - <_> - 5 - - 14 5 7 10 - <_> - 0 - - 0 2 3 60 - <_> - 5 - - 13 14 3 2 - <_> - 1 - - 16 7 4 26 - <_> - 0 - - 25 47 6 16 - <_> - 1 - - 8 18 15 8 - <_> - 1 - - 13 55 3 2 - <_> - 0 - - 14 54 1 5 - <_> - 4 - - 15 36 4 1 - <_> - 2 - - 8 24 3 9 - <_> - 1 - - 20 10 1 42 - <_> - 5 - - 4 31 15 5 - <_> - 3 - - 10 5 7 17 - <_> - 2 - - 9 52 3 1 - <_> - 4 - - 3 59 10 4 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 16 11 7 3 - <_> - 8 - - 11 37 1 6 - <_> - 1 - - 11 53 14 4 - <_> - 5 - - 5 57 24 1 - <_> - 7 - - 24 50 2 3 - <_> - 5 - - 13 58 6 4 - <_> - 4 - - 13 43 2 6 - <_> - 3 - - 25 42 6 6 - <_> - 5 - - 14 40 12 10 - <_> - 4 - - 11 53 3 1 - <_> - 3 - - 20 42 2 6 - <_> - 2 - - 11 12 12 2 - <_> - 3 - - 12 42 2 9 - <_> - 8 - - 14 12 3 4 - <_> - 2 - - 11 17 6 3 - <_> - 2 - - 12 6 14 12 - <_> - 9 - - 16 17 2 6 - <_> - 5 - - 20 56 3 7 - <_> - 8 - - 9 20 14 13 - <_> - 7 - - 24 16 1 42 - <_> - 0 - - 18 52 8 6 - <_> - 5 - - 21 50 7 2 - <_> - 2 - - 12 20 7 8 - <_> - 2 - - 10 22 15 36 - <_> - 7 - - 13 6 9 7 - <_> - 4 - - 28 2 3 38 - <_> - 5 - - 10 56 20 6 - <_> - 7 - - 7 55 5 1 - <_> - 9 - - 15 32 2 2 - <_> - 1 - - 3 14 24 3 - <_> - 4 - - 16 7 2 2 - <_> - 1 - - 2 19 25 2 - <_> - 2 - - 18 14 5 44 - <_> - 7 - - 16 11 1 1 - <_> - 0 - - 28 32 1 1 - <_> - 9 - - 30 1 1 2 - <_> - 3 - - 24 45 6 4 - <_> - 3 - - 3 2 10 15 - <_> - 3 - - 1 43 18 12 - <_> - 0 - - 2 19 4 42 - <_> - 2 - - 4 42 5 8 - <_> - 0 - - 19 25 3 18 - <_> - 8 - - 13 14 4 3 - <_> - 0 - - 13 13 6 38 - <_> - 8 - - 22 52 3 5 - <_> - 7 - - 10 61 1 1 - <_> - 2 - - 16 23 3 13 - <_> - 1 - - 11 35 8 4 - <_> - 1 - - 10 55 12 1 - <_> - 1 - - 13 40 12 1 - <_> - 7 - - 6 29 19 16 - <_> - 9 - - 13 27 2 2 - <_> - 9 - - 30 3 1 55 - <_> - 8 - - 12 12 8 3 - <_> - 8 - - 16 43 2 8 - <_> - 8 - - 7 8 5 6 - <_> - 3 - - 11 53 20 5 - <_> - 0 - - 12 10 11 6 - <_> - 9 - - 30 4 1 31 - <_> - 0 - - 17 17 3 2 - <_> - 7 - - 22 56 4 3 - <_> - 8 - - 12 12 8 3 - <_> - 1 - - 17 34 13 21 - <_> - 4 - - 7 15 5 22 - <_> - 4 - - 25 13 1 21 - <_> - 5 - - 22 18 3 32 - <_> - 0 - - 15 17 10 7 - <_> - 3 - - 5 10 14 23 - <_> - 1 - - 11 53 14 4 - <_> - 2 - - 14 62 15 1 - <_> - 5 - - 0 28 18 28 - <_> - 7 - - 18 11 1 1 - <_> - 2 - - 13 32 2 1 - <_> - 4 - - 9 6 8 12 - <_> - 3 - - 3 49 10 6 - <_> - 2 - - 11 40 7 1 - <_> - 5 - - 7 18 2 15 - <_> - 5 - - 11 15 5 3 - <_> - 5 - - 9 8 13 9 - <_> - 4 - - 4 60 12 2 - <_> - 3 - - 8 18 9 2 - <_> - 5 - - 5 1 18 48 - <_> - 3 - - 0 13 18 13 - <_> - 2 - - 0 52 22 2 - <_> - 0 - - 5 47 1 7 - <_> - 4 - - 10 18 16 5 - <_> - 1 - - 12 24 6 2 - <_> - 2 - - 6 35 6 10 - <_> - 0 - - 7 12 13 7 - <_> - 3 - - 8 56 9 3 - <_> - 4 - - 13 38 8 11 - <_> - 4 - - 16 22 2 17 - <_> - 0 - - 15 33 8 24 - <_> - 7 - - 1 2 30 40 - <_> - 3 - - 20 37 2 5 - <_> - 9 - - 14 0 10 7 - <_> - 5 - - 14 29 5 7 - <_> - 9 - - 15 15 2 10 - <_> - 5 - - 13 14 12 10 - <_> - 7 - - 14 10 3 2 - <_> - 5 - - 20 1 7 5 - <_> - 7 - - 0 62 28 1 - <_> - 0 - - 26 42 3 15 - <_> - 1 - - 13 44 14 11 - <_> - 9 - - 20 29 1 13 - <_> - 4 - - 11 38 13 7 - <_> - 8 - - 12 12 8 3 - <_> - 5 - - 0 50 7 12 - <_> - 2 - - 15 37 4 25 - <_> - 5 - - 18 7 1 40 - <_> - 2 - - 21 55 9 7 - <_> - 5 - - 15 47 14 8 - <_> - 7 - - 14 25 4 3 - <_> - 4 - - 12 39 3 3 - <_> - 3 - - 10 8 1 50 - <_> - 4 - - 5 16 23 30 - <_> - 1 - - 15 53 7 4 - <_> - 5 - - 1 57 18 2 - <_> - 4 - - 14 58 12 5 - <_> - 8 - - 30 54 1 9 - <_> - 4 - - 0 26 3 5 - <_> - 7 - - 24 36 3 4 - <_> - 0 - - 12 10 11 6 - <_> - 4 - - 3 39 26 5 - <_> - 7 - - 5 50 5 7 - <_> - 5 - - 15 49 10 4 - <_> - 0 - - 0 38 9 15 - <_> - 3 - - 16 41 14 6 - <_> - 1 - - 11 55 10 5 - <_> - 7 - - 14 0 1 31 - <_> - 9 - - 28 0 2 62 - <_> - 8 - - 14 12 3 4 - <_> - 0 - - 16 18 2 1 - <_> - 8 - - 16 53 1 2 - <_> - 9 - - 16 18 2 1 - <_> - 1 - - 13 18 18 6 - <_> - 5 - - 15 60 15 2 - <_> - 3 - - 5 38 19 9 - <_> - 0 - - 1 24 3 26 - <_> - 2 - - 30 25 1 26 - <_> - 0 - - 11 42 11 2 - <_> - 1 - - 11 35 8 4 - <_> - 4 - - 6 9 11 16 - <_> - 8 - - 16 12 1 5 - <_> - 8 - - 24 23 4 5 - <_> - 8 - - 28 12 1 12 - <_> - 9 - - 26 2 3 2 - <_> - 1 - - 18 23 3 1 - <_> - 9 - - 15 14 3 14 - <_> - 9 - - 0 31 22 14 - <_> - 2 - - 8 48 11 9 - <_> - 8 - - 6 20 5 7 - <_> - 1 - - 13 52 3 10 - <_> - 1 - - 24 36 4 1 - <_> - 4 - - 13 44 7 7 - <_> - 2 - - 18 16 4 15 - <_> - 5 - - 11 56 12 1 - <_> - 2 - - 1 40 29 1 - <_> - 2 - - 12 38 11 10 - <_> - 1 - - 11 19 11 1 - <_> - 3 - - 17 34 2 13 - <_> - 2 - - 12 20 7 7 - <_> - 2 - - 11 11 12 6 - <_> - 9 - - 21 62 7 1 - <_> - 8 - - 1 62 13 1 - <_> - 8 - - 14 12 3 4 - <_> - 5 - - 13 39 1 8 - <_> - 8 - - 17 3 3 2 - <_> - 8 - - 13 2 8 52 - <_> - 5 - - 30 37 1 22 - <_> - 0 - - 9 31 18 3 - <_> - 7 - - 20 11 4 1 - <_> - 1 - - 5 12 14 6 - <_> - 4 - - 8 3 14 46 - <_> - 9 - - 16 18 2 1 - <_> - 5 - - 20 33 2 2 - <_> - 4 - - 15 6 3 4 - <_> - 9 - - 30 1 1 8 - <_> - 2 - - 6 51 8 6 - <_> - 5 - - 9 58 17 2 - <_> - 5 - - 17 28 14 5 - <_> - 1 - - 19 20 3 15 - <_> - 3 - - 10 21 1 13 - <_> - 1 - - 8 17 6 13 - <_> - 0 - - 10 46 8 7 - <_> - 0 - - 13 25 2 6 - <_> - 2 - - 22 30 3 11 - <_> - 1 - - 16 7 4 26 - <_> - 1 - - 14 33 5 21 - <_> - 1 - - 16 53 2 4 - <_> - 0 - - 22 29 5 8 - <_> - 3 - - 4 53 21 5 - <_> - 0 - - 10 50 16 3 - <_> - 0 - - 20 49 2 1 - <_> - 0 - - 25 44 5 3 - <_> - 7 - - 28 41 2 1 - <_> - 7 - - 14 59 1 2 - <_> - 8 - - 12 12 8 3 - <_> - 9 - - 13 27 2 2 - <_> - 8 - - 20 39 2 4 - <_> - 1 - - 12 15 1 26 - <_> - 5 - - 21 2 1 52 - <_> - 4 - - 6 7 8 7 - <_> - 1 - - 13 21 6 2 - <_> - 1 - - 4 54 4 9 - <_> - 4 - - 18 39 1 2 - <_> - 0 - - 4 39 5 7 - <_> - 3 - - 7 23 7 30 - <_> - 1 - - 16 26 9 4 - <_> - 4 - - 18 5 6 41 - <_> - 1 - - 13 14 13 3 - <_> - 3 - - 3 43 11 1 - <_> - 0 - - 17 19 2 2 - <_> - 4 - - 11 12 7 4 - <_> - 8 - - 17 11 1 2 - <_> - 5 - - 30 0 1 2 - <_> - 4 - - 2 59 28 3 - <_> - 0 - - 27 49 4 9 - <_> - 5 - - 20 10 2 18 - <_> - 3 - - 1 7 16 1 - <_> - 5 - - 27 15 2 12 - <_> - 1 - - 20 52 1 11 - <_> - 5 - - 9 57 14 6 - <_> - 7 - - 26 51 3 4 - <_> - 2 - - 6 50 11 4 - <_> - 7 - - 11 24 16 2 - <_> - 5 - - 10 58 13 5 - <_> - 7 - - 10 9 17 10 - <_> - 9 - - 19 19 2 1 - <_> - 7 - - 11 18 13 9 - <_> - 3 - - 6 11 9 11 - <_> - 4 - - 1 8 26 39 - <_> - 5 - - 15 24 4 7 - <_> - 1 - - 15 52 2 5 - <_> - 4 - - 12 31 10 5 - <_> - 4 - - 23 32 8 31 - <_> - 4 - - 28 16 3 18 - <_> - 7 - - 10 47 7 4 - <_> - 1 - - 11 19 1 18 - <_> - 8 - - 16 12 1 5 - <_> - 9 - - 0 48 1 3 - <_> - 8 - - 10 29 1 8 - <_> - 1 - - 5 56 21 1 - <_> - 1 - - 13 46 8 15 - <_> - 7 - - 2 36 10 16 - <_> - 0 - - 11 49 11 2 - <_> - 5 - - 26 56 2 6 - <_> - 7 - - 11 59 3 3 - <_> - 0 - - 12 50 16 6 - <_> - 9 - - 2 61 17 1 - <_> - 0 - - 7 55 7 4 - <_> - 7 - - 15 29 2 3 - <_> - 0 - - 22 58 9 5 - <_> - 1 - - 15 8 4 8 - <_> - 5 - - 4 28 2 2 - <_> - 0 - - 5 27 8 13 - <_> - 1 - - 13 20 5 4 - <_> - 0 - - 26 48 5 6 - <_> - 0 - - 16 34 10 11 - <_> - 7 - - 30 57 1 1 - <_> - 9 - - 30 19 1 8 - <_> - 4 - - 18 41 1 8 - <_> - 9 - - 14 17 3 26 - <_> - 1 - - 13 55 12 3 - <_> - 5 - - 4 62 7 1 - <_> - 9 - - 12 7 13 1 - <_> - 4 - - 14 8 5 1 - <_> - 2 - - 21 55 10 2 - <_> - 3 - - 8 9 13 1 - <_> - 9 - - 13 34 8 6 - <_> - 7 - - 12 29 4 10 - <_> - 9 - - 24 31 2 11 - <_> - 8 - - 14 12 3 4 - <_> - 9 - - 29 38 2 2 - <_> - 2 - - 13 10 13 7 - <_> - 2 - - 8 27 3 6 - <_> - 9 - - 12 17 4 3 - <_> - 5 - - 16 10 12 13 - <_> - 0 - - 3 43 1 9 - <_> - 3 - - 6 50 12 7 - <_> - 9 - - 14 1 10 3 - <_> - 5 - - 10 2 10 3 - <_> - 2 - - 19 12 5 12 - <_> - 7 - - 12 15 8 7 - <_> - 5 - - 13 31 1 10 - <_> - 2 - - 9 7 2 47 - <_> - 2 - - 26 44 2 12 - <_> - 1 - - 10 54 7 2 - <_> - 2 - - 9 18 7 2 - <_> - 2 - - 30 58 1 2 - <_> - 2 - - 8 41 15 3 - <_> - 4 - - 14 58 1 5 - <_> - 3 - - 11 0 8 37 - <_> - 4 - - 0 26 3 5 - <_> - 5 - - 13 9 8 6 - <_> - 7 - - 6 36 2 19 - <_> - 7 - - 16 11 1 1 - <_> - 7 - - 8 59 7 2 - <_> - 3 - - 10 7 3 41 - <_> - 4 - - 9 20 17 4 - <_> - 1 - - 28 49 3 11 - <_> - 5 - - 12 57 7 5 - <_> - 4 - - 7 54 11 1 - <_> - 0 - - 12 38 1 6 - <_> - 1 - - 17 43 4 9 - <_> - 8 - - 17 13 2 4 - <_> - 8 - - 13 14 1 3 - <_> - 8 - - 22 53 4 1 - <_> - 2 - - 8 61 15 1 - <_> - 2 - - 4 53 19 3 - <_> - 4 - - 4 42 2 6 - <_> - 9 - - 11 19 9 1 - <_> - 9 - - 11 9 15 6 - <_> - 4 - - 23 61 7 1 - <_> - 0 - - 7 57 21 1 - <_> - 0 - - 8 50 14 10 - <_> - 1 - - 23 46 1 16 - <_> - 2 - - 19 11 12 14 - <_> - 0 - - 2 41 3 13 - <_> - 4 - - 22 23 6 28 - <_> - 0 - - 19 27 4 10 - <_> - 0 - - 6 42 2 2 - <_> - 3 - - 17 29 2 10 - <_> - 4 - - 6 60 4 3 - <_> - 7 - - 22 53 1 4 - <_> - 2 - - 9 16 6 6 - <_> - 2 - - 19 35 2 3 - <_> - 0 - - 15 36 11 1 - <_> - 3 - - 19 24 3 16 - <_> - 5 - - 0 47 13 2 - <_> - 2 - - 3 51 16 4 - <_> - 4 - - 3 26 2 21 - <_> - 8 - - 14 12 3 4 - <_> - 4 - - 6 51 7 1 - <_> - 8 - - 14 17 4 2 - <_> - 3 - - 22 45 1 13 - <_> - 4 - - 11 10 20 4 - <_> - 9 - - 29 47 2 2 - <_> - 3 - - 10 15 1 42 - <_> - 1 - - 25 16 6 7 - <_> - 3 - - 14 21 4 6 - <_> - 3 - - 5 56 6 4 - <_> - 4 - - 24 36 2 26 - <_> - 2 - - 9 48 19 4 - <_> - 7 - - 12 59 12 1 - <_> - 4 - - 2 59 28 3 - <_> - 0 - - 12 10 11 6 - <_> - 1 - - 13 20 1 4 - <_> - 3 - - 15 8 11 32 - <_> - 8 - - 18 25 2 5 - <_> - 1 - - 15 51 5 9 - <_> - 1 - - 6 59 5 4 - <_> - 5 - - 30 51 1 10 - <_> - 4 - - 16 7 2 2 - <_> - 7 - - 4 30 14 6 - <_> - 0 - - 9 28 12 22 - <_> - 2 - - 9 27 1 28 - <_> - 4 - - 17 19 6 35 - <_> - 2 - - 1 30 20 10 - <_> - 1 - - 9 15 11 2 - <_> - 9 - - 16 18 2 1 - <_> - 5 - - 6 18 7 10 - <_> - 4 - - 11 36 16 1 - <_> - 8 - - 12 12 8 3 - <_> - 0 - - 21 54 3 2 - <_> - 8 - - 14 5 1 3 - <_> - 8 - - 11 9 7 8 - <_> - 9 - - 14 1 3 13 - <_> - 0 - - 12 38 1 6 - <_> - 3 - - 5 36 21 5 - <_> - 8 - - 8 62 3 1 - <_> - 4 - - 16 51 2 1 - <_> - 1 - - 16 54 4 8 - <_> - 0 - - 9 15 4 3 - <_> - 0 - - 27 47 1 6 - <_> - 0 - - 12 37 14 2 - <_> - 3 - - 10 5 4 54 - <_> - 5 - - 12 29 6 7 - <_> - 7 - - 1 32 10 13 - <_> - 0 - - 6 58 7 1 - <_> - 2 - - 8 38 20 5 - <_> - 9 - - 28 14 1 9 - <_> - 1 - - 12 8 8 4 - <_> - 4 - - 18 14 3 38 - <_> - 3 - - 0 40 2 15 - <_> - 5 - - 16 24 2 15 - <_> - 1 - - 10 55 12 1 - <_> - 9 - - 7 22 1 29 - <_> - 7 - - 12 59 12 1 - <_> - 8 - - 11 13 5 1 - <_> - 1 - - 2 1 27 2 - <_> - 0 - - 1 8 13 17 - <_> - 8 - - 30 42 1 2 - <_> - 8 - - 12 11 8 1 - <_> - 8 - - 16 35 8 1 - <_> - 4 - - 10 41 8 7 - <_> - 2 - - 22 57 5 6 - <_> - 3 - - 15 49 3 4 - <_> - 5 - - 19 14 5 7 - <_> - 7 - - 14 10 3 2 - <_> - 4 - - 10 18 16 5 - <_> - 9 - - 19 39 2 4 - <_> - 2 - - 7 11 17 1 - <_> - 7 - - 26 33 1 16 - <_> - 4 - - 15 36 4 1 - <_> - 2 - - 7 57 13 4 - <_> - 9 - - 30 4 1 1 - <_> - 3 - - 5 21 10 5 - <_> - 8 - - 11 13 5 1 - <_> - 2 - - 16 19 2 6 - <_> - 5 - - 14 9 9 4 - <_> - 7 - - 15 0 13 3 - <_> - 3 - - 16 36 3 4 - <_> - 0 - - 13 37 15 7 - <_> - 2 - - 24 38 6 18 - <_> - 5 - - 13 39 1 8 - <_> - 7 - - 3 62 15 1 - <_> - 5 - - 29 28 2 25 - <_> - 2 - - 10 46 12 9 - <_> - 2 - - 12 59 14 4 - <_> - 8 - - 16 12 1 5 - <_> - 9 - - 15 24 2 10 - <_> - 7 - - 27 12 2 11 - <_> - 1 - - 11 55 7 5 - <_> - 0 - - 10 33 3 14 - <_> - 0 - - 25 44 1 9 - <_> - 2 - - 16 39 4 9 - <_> - 7 - - 19 25 1 2 - <_> - 1 - - 13 5 6 12 - <_> - 1 - - 11 19 1 18 - <_> - 7 - - 0 0 17 33 - <_> - 7 - - 25 52 4 2 - <_> - 3 - - 27 62 2 1 - <_> - 5 - - 18 17 6 4 - <_> - 7 - - 23 18 2 12 - <_> - 5 - - 22 12 9 23 - <_> - 2 - - 6 50 11 4 - <_> - 2 - - 18 52 7 2 - <_> - 4 - - 0 59 5 4 - <_> - 1 - - 9 54 5 6 - <_> - 2 - - 13 62 18 1 - <_> - 4 - - 25 62 2 1 - <_> - 3 - - 3 19 8 16 - <_> - 1 - - 24 29 4 34 - <_> - 2 - - 13 30 2 5 - <_> - 1 - - 13 7 9 6 - <_> - 4 - - 13 7 5 4 - <_> - 0 - - 16 17 4 5 - <_> - 0 - - 12 10 11 6 - <_> - 7 - - 12 44 1 11 - <_> - 0 - - 19 6 3 4 - <_> - 1 - - 11 8 12 1 - <_> - 2 - - 29 44 1 6 - <_> - 2 - - 24 57 2 4 - <_> - 3 - - 10 50 7 6 - <_> - 5 - - 27 14 2 26 - <_> - 0 - - 1 53 26 5 - <_> - 7 - - 6 62 9 1 - <_> - 8 - - 1 61 25 2 - <_> - 4 - - 18 39 1 2 - <_> - 5 - - 21 18 5 38 - <_> - 0 - - 0 39 3 11 - <_> - 5 - - 4 42 8 6 - <_> - 8 - - 14 12 3 4 - <_> - 5 - - 13 14 3 2 - <_> - 3 - - 8 9 9 4 - <_> - 9 - - 14 18 3 9 - <_> - 9 - - 13 4 11 7 - <_> - 9 - - 13 39 5 1 - <_> - 1 - - 8 6 15 1 - <_> - 4 - - 26 19 2 18 - <_> - 9 - - 25 18 4 2 - <_> - 2 - - 17 3 4 15 - <_> - 4 - - 5 44 19 4 - <_> - 1 - - 17 18 5 28 - <_> - 1 - - 14 52 5 6 - <_> - 3 - - 24 45 2 15 - <_> - 0 - - 6 58 16 2 - <_> - 5 - - 16 30 1 1 - <_> - 5 - - 12 42 15 2 - <_> - 8 - - 13 51 1 6 - <_> - 8 - - 16 12 1 5 - <_> - 8 - - 14 52 9 1 - <_> - 8 - - 12 0 7 9 - <_> - 4 - - 14 39 4 9 - <_> - 0 - - 3 5 7 24 - <_> - 9 - - 10 33 2 10 - <_> - 9 - - 4 3 16 12 - <_> - 1 - - 12 1 17 7 - <_> - 8 - - 15 55 2 5 - <_> - 2 - - 7 51 14 1 - <_> - 7 - - 15 9 11 2 - <_> - 1 - - 11 0 7 18 - <_> - 1 - - 7 21 21 1 - <_> - 5 - - 18 15 10 12 - <_> - 1 - - 11 56 19 1 - <_> - 3 - - 28 51 1 9 - <_> - 2 - - 12 55 11 7 - <_> - 7 - - 12 57 7 1 - <_> - 7 - - 12 1 7 53 - <_> - 7 - - 24 48 7 5 - <_> - 4 - - 9 22 14 16 - <_> - 1 - - 28 31 3 31 - <_> - 1 - - 20 54 9 5 - <_> - 9 - - 15 32 2 2 - <_> - 3 - - 6 11 9 11 - <_> - 7 - - 18 2 2 10 - <_> - 0 - - 17 19 2 2 - <_> - 0 - - 0 37 22 9 - <_> - 5 - - 8 57 19 3 - <_> - 3 - - 15 44 16 13 - <_> - 5 - - 17 52 9 3 - <_> - 1 - - 2 1 21 4 - <_> - 2 - - 11 16 2 2 - <_> - 4 - - 12 21 1 10 - <_> - 4 - - 10 9 11 9 - <_> - 5 - - 21 25 1 18 - <_> - 5 - - 18 57 7 2 - <_> - 8 - - 16 8 1 17 - <_> - 9 - - 11 49 3 5 - <_> - 8 - - 1 40 1 14 - <_> - 8 - - 12 12 8 3 - <_> - 5 - - 28 36 1 2 - <_> - 9 - - 16 18 2 1 - <_> - 9 - - 16 8 1 6 - <_> - 5 - - 29 38 1 12 - <_> - 2 - - 7 51 13 5 - <_> - 0 - - 6 37 2 20 - <_> - 5 - - 7 52 4 3 - <_> - 5 - - 14 9 9 4 - <_> - 2 - - 1 21 1 16 - <_> - 5 - - 14 0 12 17 - <_> - 1 - - 17 20 6 5 - <_> - 0 - - 21 11 1 41 - <_> - 1 - - 3 54 28 8 - <_> - 1 - - 17 43 4 9 - <_> - 8 - - 13 62 6 1 - <_> - 2 - - 22 16 8 4 - <_> - 2 - - 12 62 11 1 - <_> - 4 - - 19 57 8 6 - <_> - 1 - - 16 53 2 4 - <_> - 9 - - 10 59 4 3 - <_> - 0 - - 13 15 5 4 - <_> - 3 - - 2 54 10 5 - <_> - 2 - - 5 49 8 11 - <_> - 4 - - 11 53 3 2 - <_> - 5 - - 11 34 2 3 - <_> - 3 - - 6 13 9 14 - <_> - 0 - - 13 14 2 12 - <_> - 4 - - 7 60 1 3 - <_> - 4 - - 15 36 4 1 - <_> - 0 - - 16 31 11 7 - <_> - 9 - - 12 35 6 2 - <_> - 1 - - 13 14 13 3 - <_> - 7 - - 10 20 3 3 - <_> - 4 - - 14 8 6 11 - <_> - 2 - - 21 52 2 9 - <_> - 5 - - 19 16 7 39 - <_> - 7 - - 11 62 9 1 - <_> - 8 - - 13 14 4 3 - <_> - 0 - - 14 17 1 13 - <_> - 9 - - 6 8 6 48 - <_> - 9 - - 28 36 1 1 - <_> - 2 - - 9 41 11 1 - <_> - 1 - - 1 30 19 2 - <_> - 4 - - 13 40 6 7 - <_> - 1 - - 12 43 11 15 - <_> - 1 - - 3 14 24 3 - <_> - 4 - - 2 16 11 24 - <_> - 4 - - 5 26 12 4 - <_> - 7 - - 4 24 4 1 - <_> - 2 - - 16 21 3 6 - <_> - 3 - - 2 21 9 2 - <_> - 9 - - 29 2 1 7 - <_> - 9 - - 19 17 1 7 - <_> - 3 - - 6 52 18 2 - <_> - 0 - - 6 57 13 1 - <_> - 2 - - 11 11 8 3 - <_> - 7 - - 17 44 1 3 - <_> - 7 - - 15 10 13 4 - <_> - 9 - - 25 44 2 3 - <_> - 9 - - 23 27 8 27 - <_> - 8 - - 16 12 1 5 - <_> - 3 - - 1 53 25 3 - <_> - 0 - - 14 48 4 9 - <_> - 7 - - 19 23 2 15 - <_> - 1 - - 8 6 15 1 - <_> - 0 - - 16 1 3 13 - <_> - 2 - - 14 16 4 5 - <_> - 5 - - 15 18 14 5 - <_> - 2 - - 18 16 5 9 - <_> - 3 - - 3 1 21 2 - <_> - 2 - - 11 57 19 6 - <_> - 7 - - 7 55 5 1 - <_> - 9 - - 21 4 4 1 - <_> - 1 - - 18 19 1 5 - <_> - 8 - - 12 11 8 1 - <_> - 0 - - 10 8 4 49 - <_> - 9 - - 11 5 8 48 - <_> - 0 - - 0 30 10 18 - <_> - 2 - - 3 40 4 13 - <_> - 3 - - 29 34 1 22 - <_> - 2 - - 20 26 10 4 - <_> - 4 - - 12 8 7 12 - <_> - 1 - - 8 33 12 1 - <_> - 1 - - 20 55 2 4 - <_> - 4 - - 6 34 19 16 - <_> - 3 - - 1 52 26 1 - <_> - 1 - - 11 6 1 47 - <_> - 1 - - 5 44 5 11 - <_> - 2 - - 15 37 3 10 - <_> - 4 - - 10 21 2 5 - <_> - 3 - - 15 21 3 42 - <_> - 8 - - 12 12 8 3 - <_> - 9 - - 22 62 1 1 - <_> - 8 - - 0 14 12 3 - <_> - 2 - - 0 59 2 4 - <_> - 2 - - 6 35 11 5 - <_> - 2 - - 23 40 6 21 - <_> - 3 - - 23 35 3 14 - <_> - 0 - - 16 34 10 11 - <_> - 5 - - 21 18 2 12 - <_> - 5 - - 23 28 8 19 - <_> - 2 - - 21 17 2 20 - <_> - 0 - - 20 15 4 9 - <_> - 2 - - 14 25 3 9 - <_> - 0 - - 8 24 7 5 - <_> - 1 - - 12 11 3 7 - <_> - 7 - - 16 11 1 1 - <_> - 2 - - 23 14 8 24 - <_> - 3 - - 7 24 11 11 - <_> - 7 - - 1 62 30 1 - <_> - 2 - - 8 40 2 7 - <_> - 1 - - 15 53 7 4 - <_> - 4 - - 19 26 11 36 - <_> - 3 - - 2 56 20 6 - <_> - 7 - - 24 49 2 2 - <_> - 3 - - 8 50 7 8 - <_> - 4 - - 8 46 18 1 - <_> - 4 - - 10 8 14 4 - <_> - 1 - - 13 21 3 2 - <_> - 2 - - 11 4 8 13 - <_> - 9 - - 12 17 4 3 - <_> - 8 - - 11 13 5 1 - <_> - 9 - - 26 32 1 7 - <_> - 8 - - 19 41 2 1 - <_> - 2 - - 9 57 20 3 - <_> - 1 - - 5 56 19 1 - <_> - 7 - - 17 26 2 3 - <_> - 4 - - 12 46 1 2 - <_> - 2 - - 3 25 18 1 - <_> - 7 - - 29 52 1 2 - <_> - 0 - - 13 26 4 1 - <_> - 1 - - 2 29 12 5 - <_> - 2 - - 14 3 5 1 - <_> - 0 - - 19 23 3 21 - <_> - 2 - - 16 39 4 9 - <_> - 5 - - 3 41 25 5 - <_> - 0 - - 28 49 3 1 - <_> - 7 - - 12 38 10 7 - <_> - 3 - - 6 12 10 6 - <_> - 9 - - 17 32 1 5 - <_> - 0 - - 10 42 13 5 - <_> - 8 - - 14 12 3 4 - <_> - 4 - - 7 18 16 3 - <_> - 1 - - 28 14 3 42 - <_> - 1 - - 5 54 26 1 - <_> - 4 - - 17 17 8 38 - <_> - 2 - - 2 50 14 3 - <_> - 5 - - 20 24 2 10 - <_> - 3 - - 9 56 20 2 - <_> - 0 - - 11 50 16 10 - <_> - 7 - - 9 0 21 9 - <_> - 4 - - 3 15 22 14 - <_> - 2 - - 11 17 6 3 - <_> - 5 - - 14 50 6 6 - <_> - 0 - - 0 46 3 7 - <_> - 9 - - 14 7 3 23 - <_> - 5 - - 2 11 14 12 - <_> - 5 - - 19 54 3 3 - <_> - 3 - - 12 43 7 10 - <_> - 4 - - 25 54 3 9 - <_> - 1 - - 9 20 4 5 - <_> - 1 - - 10 15 13 1 - <_> - 5 - - 1 60 22 1 - <_> - 8 - - 14 12 3 4 - <_> - 0 - - 13 15 5 4 - <_> - 8 - - 8 54 10 5 - <_> - 0 - - 11 7 4 10 - <_> - 3 - - 23 39 6 12 - <_> - 0 - - 0 54 25 4 - <_> - 9 - - 14 0 10 7 - <_> - 4 - - 15 36 4 1 - <_> - 9 - - 12 1 4 31 - <_> - 5 - - 17 19 10 17 - <_> - 7 - - 4 26 1 18 - <_> - 1 - - 20 19 3 2 - <_> - 7 - - 6 53 6 4 - <_> - 2 - - 28 40 2 9 - <_> - 7 - - 11 6 1 35 - <_> - 3 - - 5 13 20 8 - <_> - 2 - - 7 2 1 37 - <_> - 4 - - 6 12 16 13 - <_> - 4 - - 13 22 2 4 - <_> - 2 - - 12 58 10 1 - <_> - 5 - - 14 50 6 6 - <_> - 7 - - 10 59 21 1 - <_> - 0 - - 26 43 3 14 - <_> - 0 - - 20 7 4 39 - <_> - 3 - - 15 48 1 4 - <_> - 3 - - 8 44 17 10 - <_> - 0 - - 26 21 2 2 - <_> - 3 - - 7 40 5 18 - <_> - 1 - - 4 34 25 1 - <_> - 1 - - 9 45 3 13 - <_> - 3 - - 20 41 1 8 - <_> - 8 - - 13 9 13 11 - <_> - 2 - - 15 46 2 10 - <_> - 2 - - 11 4 8 13 - <_> - 0 - - 0 28 6 15 - <_> - 0 - - 17 18 3 1 - <_> - 0 - - 12 10 11 6 - <_> - 7 - - 5 11 21 46 - <_> - 8 - - 17 11 1 2 - <_> - 9 - - 13 16 4 4 - <_> - 9 - - 14 1 3 13 - <_> - 2 - - 6 25 1 37 - <_> - 8 - - 15 5 8 4 - <_> - 8 - - 14 9 4 13 - <_> - 1 - - 12 46 8 2 - <_> - 5 - - 16 22 13 2 - <_> - 7 - - 25 22 2 8 - <_> - 2 - - 7 51 13 5 - <_> - 2 - - 20 61 7 2 - <_> - 3 - - 8 19 11 22 - <_> - 1 - - 10 55 12 1 - <_> - 7 - - 14 0 7 17 - <_> - 9 - - 14 12 2 21 - <_> - 4 - - 8 61 16 2 - <_> - 8 - - 16 12 1 5 - <_> - 0 - - 19 32 6 7 - <_> - 1 - - 22 27 6 29 - <_> - 4 - - 21 24 7 27 - <_> - 0 - - 15 40 12 4 - <_> - 4 - - 2 49 1 3 - <_> - 3 - - 8 57 14 1 - <_> - 7 - - 2 35 3 4 - <_> - 2 - - 19 18 4 13 - <_> - 5 - - 13 11 18 15 - <_> - 5 - - 12 50 10 6 - <_> - 2 - - 12 20 7 7 - <_> - 7 - - 14 40 3 1 - <_> - 9 - - 14 41 2 2 - <_> - 2 - - 16 10 7 47 - <_> - 5 - - 26 61 3 2 - <_> - 1 - - 12 53 10 7 - <_> - 9 - - 21 62 2 1 - <_> - 1 - - 18 19 1 5 - <_> - 1 - - 26 10 5 19 - <_> - 5 - - 30 36 1 12 - <_> - 4 - - 13 38 2 4 - <_> - 3 - - 12 7 5 9 - <_> - 9 - - 17 36 4 2 - <_> - 7 - - 6 61 6 2 - <_> - 5 - - 17 40 2 9 - <_> - 8 - - 17 61 14 2 - <_> - 7 - - 12 24 6 5 - <_> - 8 - - 12 11 8 1 - <_> - 1 - - 13 8 3 11 - <_> - 1 - - 16 1 12 2 - <_> - 2 - - 19 0 4 42 - <_> - 5 - - 16 7 13 45 - <_> - 3 - - 21 45 1 10 - <_> - 3 - - 8 49 19 7 - <_> - 0 - - 12 33 5 2 - <_> - 4 - - 15 42 4 4 - <_> - 1 - - 10 52 7 4 - <_> - 1 - - 7 19 18 3 - <_> - 3 - - 7 7 6 32 - <_> - 4 - - 1 9 9 26 - <_> - 4 - - 12 5 9 15 - <_> - 1 - - 12 24 6 2 - <_> - 3 - - 10 2 11 41 - <_> - 5 - - 7 59 24 3 - <_> - 2 - - 11 36 15 9 - <_> - 0 - - 4 46 2 7 - <_> - 4 - - 28 11 3 7 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 16 11 7 3 - <_> - 8 - - 29 13 2 24 - <_> - 2 - - 7 55 21 3 - <_> - 9 - - 14 60 3 1 - <_> - 9 - - 21 61 4 1 - <_> - 8 - - 13 57 1 6 - <_> - 4 - - 8 43 14 10 - <_> - 5 - - 12 33 4 5 - <_> - 3 - - 3 7 12 22 - <_> - 1 - - 6 20 23 35 - <_> - 5 - - 14 17 6 8 - <_> - 5 - - 21 1 1 36 - <_> - 7 - - 21 17 6 6 - <_> - 5 - - 20 1 7 5 - <_> - 8 - - 14 12 3 4 - <_> - 9 - - 15 17 2 5 - <_> - 9 - - 15 17 2 5 - <_> - 1 - - 13 54 6 3 - <_> - 4 - - 9 4 14 43 - <_> - 1 - - 21 51 7 4 - <_> - 4 - - 10 58 20 1 - <_> - 2 - - 5 51 13 5 - <_> - 4 - - 15 36 2 2 - <_> - 5 - - 5 62 14 1 - <_> - 4 - - 1 46 14 3 - <_> - 1 - - 10 55 17 7 - <_> - 7 - - 24 45 4 4 - <_> - 9 - - 30 45 1 13 - <_> - 0 - - 11 52 17 4 - <_> - 3 - - 23 34 7 15 - <_> - 0 - - 17 33 9 11 - <_> - 4 - - 6 31 7 2 - <_> - 7 - - 16 11 1 1 - <_> - 5 - - 17 21 7 1 - <_> - 3 - - 6 8 9 39 - <_> - 1 - - 13 21 6 2 - <_> - 4 - - 13 7 5 4 - <_> - 2 - - 20 16 2 4 - <_> - 1 - - 16 54 2 4 - <_> - 5 - - 2 30 1 28 - <_> - 1 - - 4 62 25 1 - <_> - 5 - - 25 4 1 51 - <_> - 5 - - 19 10 10 38 - <_> - 5 - - 9 61 15 2 - <_> - 7 - - 0 50 9 2 - <_> - 4 - - 19 37 2 8 - <_> - 7 - - 17 32 2 3 - <_> - 9 - - 14 0 10 7 - <_> - 2 - - 29 33 1 8 - <_> - 9 - - 15 17 2 5 - <_> - 8 - - 13 14 4 3 - <_> - 9 - - 27 48 2 6 - <_> - 8 - - 16 53 1 2 - <_> - 2 - - 29 42 1 12 - <_> - 0 - - 2 54 16 9 - <_> - 9 - - 15 17 2 26 - <_> - 0 - - 12 50 14 5 - <_> - 3 - - 24 36 1 26 - <_> - 2 - - 2 33 27 1 - <_> - 1 - - 11 19 1 18 - <_> - 1 - - 16 7 4 26 - <_> - 5 - - 29 28 2 25 - <_> - 1 - - 16 18 7 3 - <_> - 1 - - 10 12 21 7 - <_> - 1 - - 16 55 9 2 - <_> - 2 - - 24 53 7 7 - <_> - 0 - - 21 21 1 14 - <_> - 5 - - 1 44 27 8 - <_> - 7 - - 19 8 5 8 - <_> - 7 - - 23 54 1 1 - <_> - 5 - - 14 9 9 4 - <_> - 5 - - 11 35 11 1 - <_> - 1 - - 11 53 10 4 - <_> - 9 - - 25 59 5 4 - <_> - 2 - - 4 59 21 1 - <_> - 1 - - 18 46 3 5 - <_> - 2 - - 8 24 3 9 - <_> - 3 - - 7 43 11 16 - <_> - 8 - - 26 41 1 4 - <_> - 4 - - 0 52 16 11 - <_> - 9 - - 19 20 1 2 - <_> - 2 - - 12 49 15 2 - <_> - 8 - - 11 20 5 6 - <_> - 3 - - 0 56 31 4 - <_> - 4 - - 18 39 1 2 - <_> - 4 - - 10 24 18 8 - <_> - 5 - - 13 9 8 6 - <_> - 1 - - 11 21 14 32 - <_> - 5 - - 11 0 7 10 - <_> - 7 - - 24 49 2 2 - <_> - 3 - - 15 25 3 7 - <_> - 3 - - 8 16 4 29 - <_> - 8 - - 12 12 8 3 - <_> - 8 - - 12 14 8 13 - <_> - 8 - - 15 17 2 1 - <_> - 1 - - 18 20 3 7 - <_> - 2 - - 17 3 4 15 - <_> - 1 - - 0 19 21 3 - <_> - 7 - - 0 62 18 1 - <_> - 8 - - 18 30 1 2 - <_> - 4 - - 13 44 7 7 - <_> - 5 - - 16 46 10 3 - <_> - 1 - - 11 8 13 1 - <_> - 2 - - 21 56 3 4 - <_> - 8 - - 2 53 23 4 - <_> - 8 - - 15 10 2 49 - <_> - 2 - - 2 46 7 3 - <_> - 3 - - 20 38 2 11 - <_> - 1 - - 9 56 16 1 - <_> - 5 - - 21 18 2 12 - <_> - 7 - - 7 52 16 8 - <_> - 0 - - 13 18 3 1 - <_> - 3 - - 27 59 1 4 - <_> - 0 - - 11 42 11 2 - <_> - 1 - - 13 37 2 6 - <_> - 4 - - 6 14 5 9 - <_> - 2 - - 11 11 8 3 - <_> - 2 - - 17 21 1 16 - <_> - 2 - - 18 3 1 10 - <_> - 1 - - 14 53 3 9 - <_> - 5 - - 22 58 8 3 - <_> - 1 - - 17 33 3 24 - <_> - 9 - - 19 38 1 14 - <_> - 2 - - 14 62 15 1 - <_> - 8 - - 14 12 3 4 - <_> - 0 - - 17 29 8 7 - <_> - 7 - - 26 4 3 17 - <_> - 3 - - 16 32 4 7 - <_> - 1 - - 14 7 2 11 - <_> - 4 - - 14 8 5 1 - <_> - 2 - - 20 17 2 46 - <_> - 0 - - 2 61 29 2 - <_> - 2 - - 6 50 11 4 - <_> - 5 - - 3 60 14 3 - <_> - 4 - - 0 20 13 6 - <_> - 4 - - 10 13 4 13 - <_> - 7 - - 8 49 2 1 - <_> - 1 - - 13 21 3 2 - <_> - 1 - - 5 0 1 46 - <_> - 7 - - 14 1 7 17 - <_> - 3 - - 28 42 3 15 - <_> - 9 - - 30 36 1 2 - <_> - 8 - - 14 12 3 4 - <_> - 9 - - 17 19 2 4 - <_> - 9 - - 16 8 1 6 - <_> - 2 - - 22 47 5 7 - <_> - 1 - - 3 55 22 2 - <_> - 1 - - 13 41 1 13 - <_> - 7 - - 0 44 3 13 - <_> - 2 - - 7 35 8 10 - <_> - 8 - - 1 10 26 1 - <_> - 5 - - 9 53 19 8 - <_> - 4 - - 13 44 1 4 - <_> - 4 - - 6 28 7 18 - <_> - 2 - - 13 41 12 3 - <_> - 1 - - 8 6 15 1 - <_> - 0 - - 12 10 11 6 - <_> - 9 - - 27 1 2 12 - <_> - 0 - - 13 33 1 8 - <_> - 1 - - 9 8 8 8 - <_> - 0 - - 0 48 3 7 - <_> - 8 - - 8 55 12 2 - <_> - 8 - - 4 7 26 38 - <_> - 3 - - 16 33 4 7 - <_> - 7 - - 3 51 21 8 - <_> - 2 - - 14 9 10 50 - <_> - 3 - - 1 46 22 4 - <_> - 9 - - 16 28 2 18 - <_> - 3 - - 9 28 3 29 - <_> - 4 - - 0 52 1 8 - <_> - 1 - - 15 53 7 4 - <_> - 1 - - 6 13 9 25 - <_> - 4 - - 8 56 21 4 - <_> - 7 - - 24 48 3 4 - <_> - 2 - - 16 5 9 3 - <_> - 5 - - 11 6 17 27 - <_> - 7 - - 23 4 7 3 - <_> - 4 - - 13 40 6 7 - <_> - 0 - - 11 40 2 22 - <_> - 8 - - 14 12 3 4 - <_> - 5 - - 16 29 3 4 - <_> - 9 - - 12 11 6 5 - <_> - 5 - - 18 14 13 7 - <_> - 7 - - 7 0 1 6 - <_> - 4 - - 7 1 10 36 - <_> - 1 - - 11 8 12 1 - <_> - 5 - - 3 53 22 7 - <_> - 1 - - 9 55 15 1 - <_> - 0 - - 13 35 8 16 - <_> - 2 - - 9 16 6 6 - <_> - 0 - - 25 42 5 7 - <_> - 2 - - 4 6 16 10 - <_> - 5 - - 5 34 26 17 - <_> - 4 - - 9 37 17 1 - <_> - 1 - - 18 23 3 1 - <_> - 1 - - 15 53 7 4 - <_> - 0 - - 10 17 4 13 - <_> - 4 - - 6 53 24 4 - <_> - 7 - - 22 51 9 3 - <_> - 0 - - 0 47 1 15 - <_> - 5 - - 11 56 12 1 - <_> - 2 - - 6 51 12 7 - <_> - 1 - - 3 42 6 8 - <_> - 8 - - 12 12 8 3 - <_> - 8 - - 13 12 9 15 - <_> - 8 - - 14 17 4 2 - <_> - 0 - - 13 33 1 8 - <_> - 3 - - 2 29 11 8 - <_> - 2 - - 12 5 8 9 - <_> - 1 - - 17 43 4 9 - <_> - 0 - - 6 58 7 1 - <_> - 4 - - 26 19 1 36 - <_> - 9 - - 17 3 12 3 - <_> - 7 - - 10 20 3 3 - <_> - 3 - - 5 10 12 17 - <_> - 9 - - 11 19 9 1 - <_> - 9 - - 0 27 11 9 - <_> - 8 - - 14 12 3 4 - <_> - 0 - - 13 44 7 8 - <_> - 0 - - 4 39 1 10 - <_> - 5 - - 10 58 13 5 - <_> - 0 - - 17 17 3 2 - <_> - 3 - - 8 38 17 7 - <_> - 0 - - 11 1 19 5 - <_> - 1 - - 13 5 6 12 - <_> - 3 - - 17 27 6 3 - <_> - 1 - - 6 6 20 1 - <_> - 5 - - 20 24 2 10 - <_> - 1 - - 7 21 21 1 - <_> - 3 - - 8 7 8 47 - <_> - 7 - - 26 62 1 1 - <_> - 8 - - 0 61 21 2 - <_> - 5 - - 16 20 13 5 - <_> - 4 - - 15 36 4 1 - <_> - 9 - - 15 34 8 4 - <_> - 0 - - 24 39 3 8 - <_> - 3 - - 10 4 1 53 - <_> - 7 - - 24 8 4 31 - <_> - 1 - - 18 29 4 6 - <_> - 1 - - 19 48 1 11 - <_> - 8 - - 7 36 8 6 - <_> - 2 - - 30 19 1 13 - <_> - 5 - - 21 19 2 20 - <_> - 2 - - 20 16 5 16 - <_> - 4 - - 9 8 18 9 - <_> - 5 - - 5 42 7 5 - <_> - 5 - - 14 40 12 10 - <_> - 5 - - 3 41 7 10 - <_> - 3 - - 7 59 24 1 - <_> - 1 - - 25 31 6 23 - <_> - 8 - - 2 1 14 7 - <_> - 8 - - 12 12 8 3 - <_> - 1 - - 15 53 7 4 - <_> - 8 - - 13 17 5 3 - <_> - 3 - - 7 50 11 6 - <_> - 0 - - 1 21 4 37 - <_> - 4 - - 12 39 8 10 - <_> - 0 - - 12 10 11 6 - <_> - 7 - - 8 8 22 20 - <_> - 2 - - 15 32 3 2 - <_> - 2 - - 14 42 7 2 - <_> - 2 - - 21 25 1 19 - <_> - 3 - - 0 16 6 38 - <_> - 2 - - 21 51 1 9 - <_> - 1 - - 21 45 1 17 - <_> - 9 - - 29 0 2 6 - <_> - 9 - - 8 34 11 10 - <_> - 3 - - 3 45 25 3 - <_> - 8 - - 13 14 4 3 - <_> - 1 - - 19 20 3 15 - <_> - 1 - - 3 11 17 6 - <_> - 4 - - 25 46 5 2 - <_> - 1 - - 13 18 7 7 - <_> - 0 - - 14 49 16 5 - <_> - 2 - - 11 12 12 2 - <_> - 7 - - 5 54 3 3 - <_> - 4 - - 1 47 18 3 - <_> - 2 - - 9 59 15 3 - <_> - 0 - - 19 29 4 24 - <_> - 3 - - 4 56 27 4 - <_> - 3 - - 20 34 1 11 - <_> - 0 - - 10 30 3 31 - <_> - 4 - - 22 23 6 28 - <_> - 3 - - 4 24 23 25 - <_> - 3 - - 6 22 10 5 - <_> - 4 - - 1 20 15 15 - <_> - 1 - - 28 13 2 24 - <_> - 1 - - 9 56 16 1 - <_> - 3 - - 13 21 3 10 - <_> - 7 - - 7 62 3 1 - <_> - 8 - - 14 12 3 4 - <_> - 7 - - 16 46 2 3 - <_> - 1 - - 2 49 9 12 - <_> - 3 - - 8 7 6 23 - <_> - 1 - - 22 0 2 29 - <_> - 5 - - 0 1 30 2 - <_> - 0 - - 14 41 1 18 - <_> - 5 - - 27 36 3 27 - <_> - 3 - - 15 45 12 18 - <_> - 3 - - 8 49 19 7 - <_> - 1 - - 9 28 5 7 - <_> - 4 - - 27 24 3 10 - <_> - 8 - - 9 62 7 1 - <_> - 8 - - 17 13 2 4 - <_> - 2 - - 22 42 1 13 - <_> - 9 - - 15 17 2 5 - <_> - 9 - - 26 9 1 17 - <_> - 9 - - 6 35 3 9 - <_> - 5 - - 4 62 7 1 - <_> - 7 - - 18 53 11 1 - <_> - 7 - - 10 61 1 1 - <_> - 1 - - 15 33 5 21 - <_> - 0 - - 20 23 5 22 - <_> - 2 - - 10 2 4 50 - <_> - 0 - - 13 25 5 7 - <_> - 2 - - 11 25 16 21 - <_> - 1 - - 14 11 8 9 - <_> - 7 - - 5 1 3 13 - <_> - 1 - - 6 43 3 18 - <_> - 2 - - 8 44 12 6 - <_> - 4 - - 9 18 5 8 - <_> - 9 - - 10 41 12 4 - <_> - 2 - - 20 17 2 14 - <_> - 8 - - 16 12 1 5 - <_> - 0 - - 0 48 3 7 - <_> - 3 - - 11 9 15 7 - <_> - 3 - - 4 53 19 6 - <_> - 5 - - 13 9 8 5 - <_> - 4 - - 28 39 2 3 - <_> - 4 - - 15 42 4 4 - <_> - 3 - - 7 38 11 14 - <_> - 8 - - 14 5 1 3 - <_> - 1 - - 13 21 6 2 - <_> - 7 - - 12 24 9 6 - <_> - 1 - - 11 53 10 4 - <_> - 9 - - 3 32 3 9 - <_> - 4 - - 21 58 9 5 - <_> - 2 - - 8 12 19 2 - <_> - 1 - - 15 53 3 9 - <_> - 3 - - 19 58 3 2 - <_> - 1 - - 17 43 4 9 - <_> - 2 - - 0 42 30 2 - <_> - 7 - - 9 0 8 12 - <_> - 5 - - 1 39 8 11 - <_> - 5 - - 21 2 1 52 - <_> - 3 - - 27 37 4 5 - <_> - 2 - - 19 54 8 7 - <_> - 4 - - 14 8 5 1 - <_> - 5 - - 26 38 4 12 - <_> - 1 - - 22 45 1 13 - <_> - 8 - - 14 12 3 4 - <_> - 9 - - 12 17 4 3 - <_> - 8 - - 9 7 5 1 - <_> - 0 - - 13 42 7 1 - <_> - 2 - - 14 18 7 15 - <_> - 4 - - 11 38 10 3 - <_> - 4 - - 10 8 14 4 - <_> - 5 - - 11 45 2 7 - <_> - 9 - - 13 2 12 4 - <_> - 9 - - 15 16 8 6 - <_> - 9 - - 11 8 7 6 - <_> - 2 - - 15 60 15 1 - <_> - 2 - - 7 50 13 2 - <_> - 1 - - 1 33 29 2 - <_> - 5 - - 12 33 4 5 - <_> - 1 - - 11 53 10 4 - <_> - 4 - - 18 3 3 50 - <_> - 2 - - 6 59 20 3 - <_> - 2 - - 17 12 9 24 - <_> - 0 - - 3 34 1 14 - <_> - 3 - - 26 34 3 18 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 16 11 7 3 - <_> - 8 - - 20 39 2 4 - <_> - 4 - - 10 18 16 5 - <_> - 1 - - 16 11 4 7 - <_> - 5 - - 13 61 15 2 - <_> - 8 - - 17 11 1 2 - <_> - 1 - - 18 17 2 9 - <_> - 4 - - 6 53 19 3 - <_> - 3 - - 8 13 8 7 - <_> - 0 - - 7 15 9 7 - <_> - 9 - - 15 26 4 9 - <_> - 3 - - 23 39 2 24 - <_> - 0 - - 13 36 13 2 - <_> - 5 - - 17 40 8 16 - <_> - 5 - - 15 3 11 1 - <_> - 5 - - 5 53 22 8 - <_> - 5 - - 9 25 2 11 - <_> - 2 - - 2 51 17 6 - <_> - 2 - - 13 53 4 3 - <_> - 5 - - 13 30 4 1 - <_> - 9 - - 27 55 1 5 - <_> - 5 - - 1 58 17 2 - <_> - 0 - - 7 44 13 6 - <_> - 5 - - 19 19 7 3 - <_> - 7 - - 26 18 1 4 - <_> - 7 - - 25 1 4 18 - <_> - 7 - - 22 53 6 2 - <_> - 5 - - 6 37 20 18 - <_> - 1 - - 12 62 12 1 - <_> - 1 - - 15 53 7 4 - <_> - 1 - - 26 61 1 2 - <_> - 1 - - 14 46 4 4 - <_> - 3 - - 8 42 6 15 - <_> - 0 - - 12 43 2 6 - <_> - 2 - - 17 19 1 8 - <_> - 0 - - 17 19 2 2 - <_> - 3 - - 5 22 10 4 - <_> - 2 - - 13 36 1 19 - <_> - 2 - - 11 35 14 4 - <_> - 4 - - 3 57 27 6 - <_> - 8 - - 6 52 24 2 - <_> - 5 - - 13 9 8 6 - <_> - 9 - - 15 20 3 16 - <_> - 0 - - 21 6 4 4 - <_> - 5 - - 11 56 12 1 - <_> - 8 - - 15 5 1 25 - <_> - 9 - - 30 1 1 2 - <_> - 5 - - 13 15 2 10 - <_> - 5 - - 4 10 19 20 - <_> - 7 - - 11 60 2 3 - <_> - 9 - - 16 18 2 1 - <_> - 9 - - 24 28 3 10 - <_> - 1 - - 12 24 6 2 - <_> - 1 - - 14 5 6 28 - <_> - 7 - - 14 36 1 3 - <_> - 1 - - 18 5 4 40 - <_> - 0 - - 12 50 16 6 - <_> - 1 - - 2 0 11 5 - <_> - 3 - - 21 45 1 10 - <_> - 2 - - 14 49 10 2 - <_> - 2 - - 4 32 2 8 - <_> - 8 - - 29 25 2 38 - <_> - 4 - - 1 13 19 8 - <_> - 3 - - 0 37 25 24 - <_> - 0 - - 9 11 20 3 - <_> - 4 - - 7 34 14 3 - <_> - 3 - - 28 56 1 5 - <_> - 4 - - 10 20 17 14 - <_> - 1 - - 8 55 18 1 - <_> - 8 - - 16 61 7 2 - <_> - 4 - - 16 48 13 10 - <_> - 8 - - 12 12 8 3 - <_> - 5 - - 17 18 9 12 - <_> - 9 - - 12 35 9 11 - <_> - 3 - - 3 19 8 23 - <_> - 4 - - 28 15 3 36 - <_> - 1 - - 26 6 2 18 - <_> - 0 - - 3 54 3 4 - <_> - 0 - - 13 50 3 7 - <_> - 7 - - 17 32 2 3 - <_> - 5 - - 8 56 17 4 - <_> - 4 - - 0 29 13 10 - <_> - 1 - - 13 14 13 3 - <_> - 3 - - 10 15 1 42 - <_> - 7 - - 30 13 1 6 - <_> - 2 - - 17 28 1 9 - <_> - 5 - - 20 12 4 28 - <_> - 0 - - 4 45 26 18 - <_> - 5 - - 15 0 11 13 - <_> - 1 - - 13 20 1 4 - <_> - 0 - - 16 8 7 54 - <_> - 3 - - 8 53 12 1 - <_> - 9 - - 15 57 2 5 - <_> - 8 - - 29 37 1 6 - <_> - 0 - - 12 0 1 12 - <_> - 8 - - 11 13 5 1 - <_> - 2 - - 7 35 3 2 - <_> - 8 - - 4 15 10 6 - <_> - 5 - - 19 56 7 5 - <_> - 1 - - 20 49 9 5 - <_> - 5 - - 16 48 15 8 - <_> - 1 - - 17 45 2 3 - <_> - 1 - - 1 10 15 2 - <_> - 8 - - 14 5 1 3 - <_> - 8 - - 3 23 28 14 - <_> - 4 - - 16 51 10 4 - <_> - 9 - - 18 40 1 7 - <_> - 4 - - 15 36 4 1 - <_> - 5 - - 15 46 13 8 - <_> - 4 - - 7 54 11 1 - <_> - 3 - - 2 55 18 5 - <_> - 2 - - 9 52 10 8 - <_> - 4 - - 13 30 5 7 - <_> - 8 - - 17 13 2 4 - <_> - 1 - - 17 16 1 5 - <_> - 8 - - 22 6 5 12 - <_> - 3 - - 15 13 12 27 - <_> - 2 - - 11 11 12 6 - <_> - 1 - - 10 62 16 1 - <_> - 4 - - 12 47 11 1 - <_> - 1 - - 25 12 5 15 - <_> - 0 - - 21 26 4 8 - <_> - 3 - - 13 21 3 10 - <_> - 2 - - 17 3 4 15 - <_> - 2 - - 15 37 3 10 - <_> - 7 - - 2 55 14 2 - <_> - 2 - - 12 37 3 4 - <_> - 7 - - 16 11 1 1 - <_> - 7 - - 2 56 21 3 - <_> - 1 - - 4 20 20 8 - <_> - 3 - - 8 27 6 28 - <_> - 2 - - 16 58 1 5 - <_> - 9 - - 11 19 9 1 - <_> - 1 - - 28 45 2 9 - <_> - 8 - - 17 11 1 2 - <_> - 0 - - 3 39 4 10 - <_> - 3 - - 15 10 11 7 - <_> - 1 - - 11 8 12 1 - <_> - 4 - - 2 38 18 24 - <_> - 1 - - 12 54 17 1 - <_> - 1 - - 14 56 14 1 - <_> - 7 - - 25 18 2 14 - <_> - 4 - - 25 0 3 6 - <_> - 0 - - 17 18 3 1 - <_> - 9 - - 1 8 25 3 - <_> - 4 - - 8 14 7 4 - <_> - 4 - - 18 32 2 26 - <_> - 2 - - 12 41 13 15 - <_> - 2 - - 5 24 11 2 - <_> - 9 - - 13 39 5 1 - <_> - 9 - - 1 36 13 3 - <_> - 2 - - 21 8 4 8 - <_> - 5 - - 16 5 9 17 - <_> - 5 - - 6 37 22 26 - <_> - 0 - - 27 49 2 1 - <_> - 3 - - 6 37 15 10 - <_> - 5 - - 19 38 1 5 - <_> - 9 - - 13 24 2 5 - <_> - 8 - - 14 9 4 13 - <_> - 2 - - 10 38 12 2 - <_> - 8 - - 8 3 3 12 - <_> - 3 - - 2 56 12 1 - <_> - 8 - - 14 12 3 4 - <_> - 2 - - 14 23 3 6 - <_> - 1 - - 10 37 5 1 - <_> - 1 - - 6 53 7 4 - <_> - 4 - - 7 39 11 12 - <_> - 3 - - 6 11 9 11 - <_> - 7 - - 18 2 2 10 - <_> - 4 - - 10 21 2 5 - <_> - 0 - - 29 31 1 1 - <_> - 1 - - 16 7 4 26 - <_> - 5 - - 23 48 7 12 - <_> - 1 - - 18 19 1 5 - <_> - 4 - - 19 24 12 21 - <_> - 4 - - 20 5 8 39 - <_> - 1 - - 7 14 17 4 - <_> - 5 - - 7 44 3 17 - <_> - 1 - - 14 52 5 6 - <_> - 7 - - 15 24 2 18 - <_> - 9 - - 14 18 3 9 - <_> - 9 - - 11 61 8 1 - <_> - 5 - - 11 15 5 3 - <_> - 5 - - 2 18 22 3 - <_> - 4 - - 8 60 7 3 - <_> - 2 - - 6 50 11 4 - <_> - 1 - - 13 55 18 3 - <_> - 2 - - 20 58 2 2 - <_> - 9 - - 30 39 1 3 - <_> - 5 - - 13 26 5 4 - <_> - 0 - - 19 15 3 20 - <_> - 0 - - 14 6 2 52 - <_> - 4 - - 11 36 10 5 - <_> - 4 - - 22 31 1 27 - <_> - 4 - - 13 7 5 4 - <_> - 1 - - 13 5 6 12 - <_> - 4 - - 9 12 3 20 - <_> - 5 - - 10 38 14 3 - <_> - 4 - - 13 41 10 22 - <_> - 4 - - 10 41 11 2 - <_> - 1 - - 14 54 6 8 - <_> - 4 - - 19 3 1 51 - <_> - 0 - - 14 28 5 5 - <_> - 0 - - 10 28 18 6 - <_> - 4 - - 0 6 21 52 - <_> - 3 - - 16 33 4 4 - <_> - 3 - - 10 15 1 42 - <_> - 3 - - 28 33 2 10 - <_> - 5 - - 0 47 13 2 - <_> - 8 - - 14 9 6 8 - <_> - 4 - - 10 52 13 3 - <_> - 8 - - 19 41 2 1 - <_> - 2 - - 9 49 20 1 - <_> - 0 - - 13 57 18 1 - <_> - 7 - - 4 51 20 7 - <_> - 4 - - 22 29 6 7 - <_> - 3 - - 8 59 15 4 - <_> - 2 - - 29 59 1 1 - <_> - 9 - - 27 6 4 3 - <_> - 0 - - 14 18 2 4 - <_> - 9 - - 18 2 1 37 - <_> - 2 - - 11 4 8 13 - <_> - 8 - - 25 62 5 1 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 3 62 28 1 - <_> - 0 - - 5 48 17 2 - <_> - 4 - - 15 39 6 14 - <_> - 5 - - 5 62 10 1 - <_> - 7 - - 5 52 26 2 - <_> - 3 - - 19 20 3 7 - <_> - 2 - - 15 14 2 6 - <_> - 5 - - 6 24 4 22 - <_> - 4 - - 12 45 6 6 - <_> - 1 - - 18 55 2 2 - <_> - 4 - - 9 4 14 43 - <_> - 3 - - 10 8 10 12 - <_> - 5 - - 21 1 1 36 - <_> - 7 - - 7 24 2 14 - <_> - 0 - - 13 35 8 16 - <_> - 3 - - 21 45 1 10 - <_> - 2 - - 12 33 7 23 - <_> - 0 - - 22 40 4 9 - <_> - 1 - - 18 20 3 7 - <_> - 1 - - 2 12 20 4 - <_> - 1 - - 7 20 11 3 - <_> - 8 - - 12 12 8 3 - <_> - 1 - - 2 1 27 2 - <_> - 8 - - 11 51 7 12 - <_> - 7 - - 13 12 10 1 - <_> - 9 - - 16 18 2 1 - <_> - 9 - - 30 4 1 1 - <_> - 0 - - 12 10 11 6 - <_> - 4 - - 1 40 28 20 - <_> - 7 - - 5 62 8 1 - <_> - 1 - - 14 53 3 9 - <_> - 5 - - 7 50 5 7 - <_> - 0 - - 16 17 4 5 - <_> - 2 - - 19 54 8 5 - <_> - 3 - - 6 22 10 5 - <_> - 9 - - 10 38 2 9 - <_> - 0 - - 13 25 5 7 - <_> - 0 - - 16 24 11 19 - <_> - 7 - - 30 43 1 7 - <_> - 8 - - 12 12 8 3 - <_> - 8 - - 16 42 1 11 - <_> - 1 - - 27 37 4 23 - <_> - 3 - - 10 15 1 42 - <_> - 4 - - 11 22 1 10 - <_> - 1 - - 14 6 5 8 - <_> - 0 - - 1 48 3 1 - <_> - 0 - - 16 50 12 2 - <_> - 1 - - 3 45 5 5 - <_> - 8 - - 29 36 1 20 - <_> - 7 - - 3 26 21 19 - <_> - 8 - - 30 22 1 6 - <_> - 4 - - 12 42 8 8 - <_> - 5 - - 19 5 4 46 - <_> - 5 - - 23 36 4 20 - <_> - 1 - - 15 52 2 5 - <_> - 4 - - 9 29 11 7 - <_> - 0 - - 27 35 1 1 - <_> - 0 - - 13 33 1 8 - <_> - 3 - - 10 38 7 3 - <_> - 3 - - 23 45 4 4 - <_> - 2 - - 17 37 2 17 - <_> - 7 - - 16 11 1 1 - <_> - 3 - - 18 0 8 36 - <_> - 1 - - 26 8 5 20 - <_> - 4 - - 10 59 13 1 - <_> - 4 - - 24 7 6 14 - <_> - 4 - - 13 8 10 5 - <_> - 2 - - 0 42 2 10 - <_> - 7 - - 2 12 18 1 - <_> - 1 - - 9 56 8 1 - <_> - 1 - - 18 17 2 9 - <_> - 8 - - 14 9 4 13 - <_> - 2 - - 17 13 6 14 - <_> - 0 - - 10 35 1 23 - <_> - 2 - - 24 10 3 21 - <_> - 3 - - 6 19 5 34 - <_> - 1 - - 7 45 1 4 - <_> - 2 - - 16 19 2 6 - <_> - 3 - - 24 14 2 30 - <_> - 9 - - 12 61 16 1 - <_> - 5 - - 23 27 4 10 - <_> - 5 - - 4 62 7 1 - <_> - 3 - - 3 49 10 6 - <_> - 9 - - 17 32 1 5 - <_> - 9 - - 30 4 1 1 - <_> - 3 - - 27 18 1 4 - <_> - 4 - - 12 1 11 46 - <_> - 1 - - 11 8 13 1 - <_> - 1 - - 0 9 16 1 - <_> - 2 - - 9 22 16 24 - <_> - 3 - - 16 32 4 7 - <_> - 0 - - 17 25 8 21 - <_> - 0 - - 3 55 22 6 - <_> - 3 - - 17 1 1 6 - <_> - 5 - - 13 9 8 5 - <_> - 9 - - 19 28 1 18 - <_> - 1 - - 11 55 2 7 - <_> - 1 - - 13 13 12 5 - <_> - 4 - - 8 60 7 3 - <_> - 0 - - 11 38 4 12 - <_> - 4 - - 12 34 6 15 - <_> - 5 - - 8 40 4 22 - <_> - 1 - - 22 45 1 13 - <_> - 5 - - 3 33 10 19 - <_> - 0 - - 29 45 2 7 - <_> - 0 - - 17 51 7 5 - <_> - 3 - - 15 53 2 1 - <_> - 4 - - 5 59 3 4 - <_> - 8 - - 17 13 2 4 - <_> - 1 - - 2 1 27 2 - <_> - 8 - - 10 42 14 13 - <_> - 1 - - 10 4 7 14 - <_> - 4 - - 11 25 11 10 - <_> - 9 - - 11 19 9 1 - <_> - 9 - - 12 1 13 12 - <_> - 1 - - 11 19 1 4 - <_> - 9 - - 14 7 5 12 - <_> - 8 - - 10 23 2 5 - <_> - 5 - - 16 23 1 10 - <_> - 2 - - 8 62 20 1 - <_> - 4 - - 9 16 16 3 - <_> - 7 - - 29 27 1 11 - <_> - 7 - - 3 60 28 3 - <_> - 4 - - 15 44 2 2 - <_> - 5 - - 16 62 1 1 - <_> - 8 - - 17 21 1 4 - <_> - 0 - - 18 33 9 11 - <_> - 3 - - 17 35 3 5 - <_> - 2 - - 10 51 8 5 - <_> - 3 - - 28 40 3 7 - <_> - 7 - - 21 42 1 18 - <_> - 9 - - 16 18 2 1 - <_> - 2 - - 20 15 1 8 - <_> - 4 - - 14 8 5 1 - <_> - 5 - - 14 0 12 17 - <_> - 4 - - 9 18 5 8 - <_> - 8 - - 12 9 6 12 - <_> - 9 - - 26 32 1 7 - <_> - 8 - - 0 14 1 8 - <_> - 7 - - 4 1 14 16 - <_> - 2 - - 11 62 10 1 - <_> - 3 - - 2 18 12 10 - <_> - 7 - - 29 22 2 2 - <_> - 3 - - 13 15 13 15 - <_> - 9 - - 12 38 5 1 - <_> - 2 - - 8 35 6 11 - <_> - 7 - - 6 36 14 2 - <_> - 4 - - 13 36 3 4 - <_> - 0 - - 7 19 22 6 - <_> - 2 - - 15 41 4 15 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 12 24 8 1 - <_> - 0 - - 6 55 6 1 - <_> - 8 - - 13 17 5 3 - <_> - 8 - - 12 12 8 3 - <_> - 2 - - 24 44 3 7 - <_> - 0 - - 2 39 16 2 - <_> - 1 - - 15 54 1 3 - <_> - 9 - - 17 17 1 14 - <_> - 8 - - 13 56 1 1 - <_> - 1 - - 11 19 11 1 - <_> - 3 - - 30 3 1 43 - <_> - 7 - - 15 57 12 1 - <_> - 2 - - 29 32 2 26 - <_> - 7 - - 16 38 2 4 - <_> - 0 - - 21 25 1 16 - <_> - 0 - - 4 46 2 7 - <_> - 7 - - 26 13 5 4 - <_> - 3 - - 0 48 17 9 - <_> - 1 - - 12 32 5 20 - <_> - 2 - - 10 57 10 4 - <_> - 7 - - 24 49 2 2 - <_> - 3 - - 15 25 4 8 - <_> - 0 - - 11 11 9 6 - <_> - 4 - - 18 18 1 33 - <_> - 3 - - 10 0 5 29 - <_> - 2 - - 18 13 7 9 - <_> - 4 - - 2 59 13 4 - <_> - 1 - - 15 53 7 4 - <_> - 2 - - 11 49 16 2 - <_> - 3 - - 4 56 15 3 - <_> - 4 - - 19 21 6 38 - <_> - 1 - - 6 53 7 4 - <_> - 5 - - 14 19 1 9 - <_> - 2 - - 13 22 11 17 - <_> - 1 - - 14 7 3 12 - <_> - 1 - - 13 20 1 4 - <_> - 4 - - 5 19 4 14 - <_> - 4 - - 9 35 3 8 - <_> - 8 - - 16 12 1 5 - <_> - 9 - - 29 62 2 1 - <_> - 8 - - 18 51 1 5 - <_> - 2 - - 13 58 13 1 - <_> - 2 - - 6 50 16 3 - <_> - 7 - - 15 27 5 2 - <_> - 5 - - 0 43 11 13 - <_> - 2 - - 7 29 3 16 - <_> - 3 - - 11 42 7 6 - <_> - 4 - - 18 39 1 2 - <_> - 2 - - 21 55 10 2 - <_> - 0 - - 27 37 4 2 - <_> - 0 - - 13 37 15 7 - <_> - 1 - - 1 28 26 18 - <_> - 0 - - 12 38 1 6 - <_> - 5 - - 14 9 9 4 - <_> - 7 - - 18 8 7 2 - <_> - 2 - - 18 6 13 1 - <_> - 7 - - 8 59 23 2 - <_> - 5 - - 1 57 29 5 - <_> - 8 - - 6 20 23 7 - <_> - 1 - - 12 53 4 10 - <_> - 0 - - 13 14 2 12 - <_> - 8 - - 10 62 7 1 - <_> - 9 - - 30 33 1 3 - <_> - 7 - - 15 12 2 5 - <_> - 9 - - 17 14 2 38 - <_> - 5 - - 20 17 1 25 - <_> - 1 - - 11 0 5 1 - <_> - 0 - - 19 37 5 23 - <_> - 7 - - 2 5 1 27 - <_> - 2 - - 22 48 1 9 - <_> - 5 - - 18 25 2 13 - <_> - 3 - - 8 11 6 20 - <_> - 1 - - 0 29 27 1 - <_> - 3 - - 15 21 2 9 - <_> - 2 - - 16 37 13 18 - <_> - 0 - - 2 38 3 21 - <_> - 5 - - 14 31 3 21 - <_> - 4 - - 10 8 7 16 - <_> - 1 - - 7 29 21 12 - <_> - 1 - - 25 47 4 14 - - diff --git a/data/softcascade/soft-cascade-17.12.2012.xml b/data/softcascade/soft-cascade-17.12.2012.xml deleted file mode 100644 index 53b331771b..0000000000 --- a/data/softcascade/soft-cascade-17.12.2012.xml +++ /dev/null @@ -1,61409 +0,0 @@ - - - - - - - - - BOOST - ICF - 2 - 64 - 128 - 4 - - <_> - -1 - 1024 - - <_> - -9.5012789964675903e-01 - - 1 2 0 1.8500000000000000e+01 0 -1 1 4.3500000000000000e+01 - -2 -3 2 1.9450000000000000e+02 - - -9.5012789964675903e-01 -2.9720270633697510e-01 - -2.9430621862411499e-01 7.3214149475097656e-01 - <_> - -1.8469017744064331e+00 - - 1 2 3 1.8500000000000000e+01 0 -1 4 2.2500000000000000e+01 - -2 -3 5 7.5000000000000000e+00 - - -8.9677393436431885e-01 -1.8941508233547211e-01 - 7.5006955862045288e-01 -3.4874141216278076e-01 - <_> - -1.9278457164764404e+00 - - 1 2 6 2.5000000000000000e+00 0 -1 7 3.5000000000000000e+00 - -2 -3 8 7.6500000000000000e+01 - - -5.5432754755020142e-01 6.0192030668258667e-01 - -8.6220905184745789e-02 -7.8830271959304810e-01 - <_> - -2.0459990501403809e+00 - - 1 2 9 2.8050000000000000e+02 0 -1 10 3.0500000000000000e+01 - -2 -3 11 2.0650000000000000e+02 - - -7.6523125171661377e-01 6.2897056341171265e-01 - -6.1464875936508179e-01 1.4870776236057281e-01 - <_> - -1.9268010854721069e+00 - - 1 2 12 2.5000000000000000e+00 0 -1 13 1.3950000000000000e+02 - -2 -3 14 4.2500000000000000e+01 - - 5.1907974481582642e-01 -6.7812407016754150e-01 - -5.7240998744964600e-01 -3.5707135684788227e-03 - <_> - -2.0900535583496094e+00 - - 1 2 15 6.5000000000000000e+00 0 -1 16 15. -2 -3 17 - 5.5000000000000000e+00 - - -9.2232090234756470e-01 9.2363566160202026e-01 - -4.0120652318000793e-01 2.3156598210334778e-01 - <_> - -1.7761936187744141e+00 - - 1 2 18 5.0000000000000000e-01 0 -1 19 9.5000000000000000e+00 - -2 -3 20 5.3750000000000000e+02 - - -9.7140210866928101e-01 3.4920582175254822e-01 - 3.1386005878448486e-01 -4.9332338571548462e-01 - <_> - -2.0153183937072754e+00 - - 1 2 21 1.7500000000000000e+01 0 -1 22 6.8500000000000000e+01 - -2 -3 23 1.6500000000000000e+01 - - -2.3912493884563446e-01 3.3838593959808350e-01 - -7.1801131963729858e-01 5.3687918186187744e-01 - <_> - -2.1310541629791260e+00 - - 1 2 24 2.3450000000000000e+02 0 -1 25 1.0500000000000000e+01 - -2 -3 26 1.9500000000000000e+01 - - -1.1573559045791626e-01 5.1111555099487305e-01 - -2.8667950630187988e-01 -9.5794141292572021e-01 - <_> - -2.2023301124572754e+00 - - 1 2 27 1.3850000000000000e+02 0 -1 28 452. -2 -3 29 - 7.5000000000000000e+00 - - -1.5731714665889740e-01 6.3469970226287842e-01 - -8.0850583314895630e-01 -7.1276061236858368e-02 - <_> - -1.6770468950271606e+00 - - 1 2 30 6.5000000000000000e+00 0 -1 31 4.5000000000000000e+00 - -2 -3 32 5.0000000000000000e-01 - - 5.2528321743011475e-01 -7.8995868563652039e-02 - 9.5720395445823669e-02 -5.6723904609680176e-01 - <_> - -1.3941235542297363e+00 - - 1 2 33 3.5000000000000000e+00 0 -1 34 1.4500000000000000e+01 - -2 -3 35 2.5000000000000000e+00 - - -5.7468622922897339e-01 2.0731732249259949e-01 - 5.8709150552749634e-01 -2.1824225783348083e-02 - <_> - -1.5158585309982300e+00 - - 1 2 36 3.8750000000000000e+02 0 -1 37 9.7750000000000000e+02 - -2 -3 38 1.9650000000000000e+02 - - -5.8788299560546875e-01 6.3032716512680054e-01 - 4.9424678087234497e-01 -1.3836935162544250e-01 - <_> - -1.0430263280868530e+00 - - 1 2 39 5.5000000000000000e+00 0 -1 40 1.7350000000000000e+02 - -2 -3 41 9.5000000000000000e+00 - - 4.9170929193496704e-01 -7.5231981277465820e-01 - 4.7283220291137695e-01 -1.1902561783790588e-01 - <_> - -1.1032968759536743e+00 - - 1 2 42 2.5000000000000000e+00 0 -1 43 1.3500000000000000e+01 - -2 -3 44 1.1500000000000000e+01 - - -3.6969792842864990e-01 3.7228900194168091e-01 - 5.8657836914062500e-01 -1.9372792541980743e-01 - <_> - -1.5280647277832031e+00 - - 1 2 45 2.8150000000000000e+02 0 -1 46 4.2450000000000000e+02 - -2 -3 47 2.1250000000000000e+02 - - -5.8411449193954468e-02 7.8837996721267700e-01 - -4.7494259476661682e-01 2.8464019298553467e-01 - <_> - -1.0321290493011475e+00 - - 1 2 48 1.5000000000000000e+00 0 -1 49 4.5000000000000000e+00 - -2 -3 50 5.5950000000000000e+02 - - -6.0609322786331177e-01 4.9593561887741089e-01 - 1.8881231546401978e-01 -4.0145736932754517e-01 - <_> - -9.3644380569458008e-01 - - 1 2 51 7.5000000000000000e+00 0 -1 52 1.4500000000000000e+01 - -2 -3 53 6.5000000000000000e+00 - - -4.1585260629653931e-01 2.4648176133632660e-01 - 5.6837874650955200e-01 -1.3694801926612854e-01 - <_> - -1.0617676973342896e+00 - - 1 2 54 4.5000000000000000e+00 0 -1 55 1.2500000000000000e+01 - -2 -3 56 5.0000000000000000e-01 - - -4.3339017033576965e-01 4.7121417522430420e-01 - 1.8128056824207306e-01 -5.1285779476165771e-01 - <_> - -6.2032651901245117e-01 - - 1 2 57 1.5000000000000000e+00 0 -1 58 1.5000000000000000e+00 - -2 -3 59 2.7500000000000000e+01 - - -6.2779033184051514e-01 1.0640925168991089e-01 - 4.6505826711654663e-01 -1.6317188739776611e-01 - <_> - -6.5824747085571289e-01 - - 1 2 60 7.5000000000000000e+00 0 -1 61 167. -2 -3 62 - 1.8250000000000000e+02 - - 2.4175660312175751e-01 -5.8483225107192993e-01 - 2.0644801855087280e-01 -8.0665886402130127e-01 - <_> - -7.1831238269805908e-01 - - 1 2 63 6.9500000000000000e+01 0 -1 64 7.6500000000000000e+01 - -2 -3 65 4.5000000000000000e+00 - - 7.2556771337985992e-02 -6.5026998519897461e-01 - 5.9127175807952881e-01 -6.0064859688282013e-02 - <_> - -3.6641231179237366e-01 - - 1 2 66 2.5000000000000000e+00 0 -1 67 9.5000000000000000e+00 - -2 -3 68 5.0000000000000000e-01 - - 1. -8.7841242551803589e-01 5.2141785621643066e-01 - -7.7443666756153107e-02 - <_> - -5.2976346015930176e-01 - - 1 2 69 5.5000000000000000e+00 0 -1 70 4.5000000000000000e+00 - -2 -3 71 5.5000000000000000e+00 - - -3.3286893367767334e-01 3.1164222955703735e-01 - -6.4843946695327759e-01 -9.4713028520345688e-03 - <_> - -1.0462005436420441e-01 - - 1 2 72 2.5000000000000000e+00 0 -1 73 2.2500000000000000e+01 - -2 -3 74 3.9550000000000000e+02 - - -2.2241120040416718e-01 4.2514342069625854e-01 - -6.2022697925567627e-01 -2.1613531280308962e-03 - <_> - -4.1905093193054199e-01 - - 1 2 75 5.0000000000000000e-01 0 -1 76 1.0500000000000000e+01 - -2 -3 77 5.0000000000000000e-01 - - -7.3456168174743652e-01 5.1736986637115479e-01 - 3.2318654656410217e-01 -3.1443089246749878e-01 - <_> - -2.1851119399070740e-01 - - 1 2 78 3.1050000000000000e+02 0 -1 79 3.8150000000000000e+02 - -2 -3 80 8.0850000000000000e+02 - - -5.4317831993103027e-01 2.3649862408638000e-01 - 4.4128182530403137e-01 -7.1100425720214844e-01 - <_> - -1.1222758144140244e-01 - - 1 2 81 1.3650000000000000e+02 0 -1 82 3.7750000000000000e+02 - -2 -3 83 2.6650000000000000e+02 - - 4.9750706553459167e-01 -6.6604055464267731e-02 - 4.3410289287567139e-01 -8.9592015743255615e-01 - <_> - -8.8000379502773285e-02 - - 1 2 84 2.5000000000000000e+00 0 -1 85 1.4500000000000000e+01 - -2 -3 86 2.0850000000000000e+02 - - -9.6911776065826416e-01 1. -1.3952983915805817e-01 - 3.3815029263496399e-01 - <_> - -1.5849213302135468e-01 - - 1 2 87 7.7500000000000000e+01 0 -1 88 5.9500000000000000e+01 - -2 -3 89 1.7500000000000000e+01 - - -8.0255717039108276e-01 6.2929701805114746e-01 - -2.9795819520950317e-01 4.0392214059829712e-01 - <_> - 1.6327178478240967e-01 - - 1 2 90 3.9550000000000000e+02 0 -1 91 1.0489500000000000e+04 - -2 -3 92 5.0000000000000000e-01 - - -9.4078457355499268e-01 7.8851234912872314e-01 - 2.0467810332775116e-01 -3.1230095028877258e-01 - <_> - 4.3822142481803894e-01 - - 1 2 93 5.0000000000000000e-01 0 -1 94 1.2500000000000000e+01 - -2 -3 95 1.5000000000000000e+00 - - -5.5812388658523560e-01 4.5648851990699768e-01 - 4.5675429701805115e-01 -1.3456618785858154e-01 - <_> - 3.4469082951545715e-01 - - 1 2 96 3.5000000000000000e+00 0 -1 97 3.6500000000000000e+01 - -2 -3 98 2.5000000000000000e+00 - - -3.0035567283630371e-01 5.0112813711166382e-01 - -8.6166876554489136e-01 3.7724488973617554e-01 - <_> - 5.6956720352172852e-01 - - 1 2 99 1.0550000000000000e+02 0 -1 100 - 1.2500000000000000e+01 -2 -3 101 2.5000000000000000e+00 - - 2.2487638890743256e-01 -4.5224958658218384e-01 - 3.0894690752029419e-01 -7.5535982847213745e-01 - <_> - 2.1666103601455688e-01 - - 1 2 102 2.8500000000000000e+01 0 -1 103 - 3.5000000000000000e+00 -2 -3 104 1.7500000000000000e+01 - - -3.5290616750717163e-01 1.8281166255474091e-01 - -7.3649674654006958e-01 5.4959553480148315e-01 - <_> - 5.0689119100570679e-01 - - 1 2 105 3.5000000000000000e+00 0 -1 106 5237. -2 -3 107 - 5.0000000000000000e-01 - - 2.9023018479347229e-01 -5.4936188459396362e-01 - 3.6571535468101501e-01 -5.0305444002151489e-01 - <_> - 5.0967818498611450e-01 - - 1 2 108 1.5500000000000000e+01 0 -1 109 - 4.5000000000000000e+00 -2 -3 110 1.0250000000000000e+02 - - -6.5840584039688110e-01 5.8356761932373047e-01 - -3.6643344163894653e-01 2.2655297815799713e-01 - <_> - 9.0086126327514648e-01 - - 1 2 111 1.0500000000000000e+01 0 -1 112 - 5.0000000000000000e-01 -2 -3 113 1.2635000000000000e+03 - - 5.0495159626007080e-01 -4.8832163214683533e-02 - 2.2899670898914337e-01 -4.9697116017341614e-01 - <_> - 8.7307834625244141e-01 - - 1 2 114 2.9150000000000000e+02 0 -1 115 - 5.5000000000000000e+00 -2 -3 116 9.7500000000000000e+01 - - -7.9401218891143799e-01 -8.0010555684566498e-02 - 5.7397758960723877e-01 -2.7782956138253212e-02 - <_> - 1.0845705270767212e+00 - - 1 2 117 5.0000000000000000e-01 0 -1 118 284. -2 -3 119 - 2.5000000000000000e+00 - - 8.4017835557460785e-02 -9.6925717592239380e-01 - 3.7892198562622070e-01 -1.2604229152202606e-01 - <_> - 1.1155402660369873e+00 - - 1 2 120 1.5450000000000000e+02 0 -1 121 - 1.5000000000000000e+00 -2 -3 122 1592. - - 1.7225900292396545e-01 -3.6658996343612671e-01 - 6.2922006845474243e-01 -9.0177220106124878e-01 - <_> - 1.0400385856628418e+00 - - 1 2 123 5.5000000000000000e+00 0 -1 124 - 1.7500000000000000e+01 -2 -3 125 1.0550000000000000e+02 - - -9.7996032238006592e-01 7.8947758674621582e-01 - -7.5501605868339539e-02 4.3294844031333923e-01 - <_> - 1.1339187622070312e+00 - - 1 2 126 9.7500000000000000e+01 0 -1 127 - 2.9250000000000000e+02 -2 -3 128 1.4295000000000000e+03 - - -1.4177480340003967e-01 6.4076822996139526e-01 - 1.1370572447776794e-01 -4.2702060937881470e-01 - <_> - 1.0979689359664917e+00 - - 1 2 129 1.5000000000000000e+00 0 -1 130 - 1.5000000000000000e+00 -2 -3 131 3.2500000000000000e+01 - - -5.7480251789093018e-01 4.6609196066856384e-01 - -7.4496293067932129e-01 -3.5949852317571640e-02 - <_> - 1.0266015529632568e+00 - - 1 2 132 1.6350000000000000e+02 0 -1 133 - 1.1500000000000000e+01 -2 -3 134 1.8850000000000000e+02 - - -7.1367286145687103e-02 4.7941169142723083e-01 - 5.1196765899658203e-01 -9.4453811645507812e-01 - <_> - 9.2505228519439697e-01 - - 1 2 135 2.5000000000000000e+00 0 -1 136 - 2.1500000000000000e+01 -2 -3 137 1.1500000000000000e+01 - - -3.8950824737548828e-01 3.6323049664497375e-01 - 5.6324285268783569e-01 -1.8082305788993835e-01 - <_> - 1.1348617076873779e+00 - - 1 2 138 3.5000000000000000e+00 0 -1 139 - 3.5000000000000000e+00 -2 -3 140 3.6500000000000000e+01 - - -7.0641523599624634e-01 2.0980948209762573e-01 - -5.3471750020980835e-01 7.4605226516723633e-01 - <_> - 1.4714344739913940e+00 - - 1 2 141 1.5000000000000000e+00 0 -1 142 - 3.5000000000000000e+00 -2 -3 143 1.3250000000000000e+02 - - -2.5343874096870422e-01 4.9269351363182068e-01 - 4.8652476072311401e-01 -3.2821950316429138e-01 - <_> - 1.7966657876968384e+00 - - 1 2 144 3.5000000000000000e+00 0 -1 145 1783. -2 -3 146 - 1.2050000000000000e+02 - - 3.2523140311241150e-01 -7.0333176851272583e-01 - -4.5311710238456726e-01 2.2552411258220673e-01 - <_> - 1.7584462165832520e+00 - - 1 2 147 1.0250000000000000e+02 0 -1 148 - 5.0000000000000000e-01 -2 -3 149 2.4500000000000000e+01 - - 8.2317180931568146e-02 -5.6285864114761353e-01 - -6.0523116588592529e-01 4.0714663267135620e-01 - <_> - 1.7976785898208618e+00 - - 1 2 150 3.5000000000000000e+00 0 -1 151 - 5.5000000000000000e+00 -2 -3 152 5.0000000000000000e-01 - - -3.0874970555305481e-01 3.7341198325157166e-01 - 2.7862945199012756e-01 -4.5596393942832947e-01 - <_> - 1.7746678590774536e+00 - - 1 2 153 1.5000000000000000e+00 0 -1 154 - 2.5000000000000000e+00 -2 -3 155 8.5000000000000000e+00 - - -6.1464399099349976e-01 5.8418504893779755e-02 - 5.7755649089813232e-01 -2.3010652512311935e-02 - <_> - 2.0253760814666748e+00 - - 1 2 156 5.0000000000000000e-01 0 -1 157 - 4.0850000000000000e+02 -2 -3 158 3.0500000000000000e+01 - - 6.2876778841018677e-01 -1.9982345402240753e-01 - -3.5285717248916626e-01 3.6293578147888184e-01 - <_> - 1.8680905103683472e+00 - - 1 2 159 7.5000000000000000e+00 0 -1 160 - 2.5000000000000000e+00 -2 -3 161 189. - - 2.4808044731616974e-01 -2.6951324939727783e-01 - 7.8451949357986450e-01 -9.3933510780334473e-01 - <_> - 2.0279662609100342e+00 - - 1 2 162 6.5000000000000000e+00 0 -1 163 100. -2 -3 164 - 8.5500000000000000e+01 - - 7.3292237520217896e-01 -8.0948019027709961e-01 - -6.9746565818786621e-01 1.5987591445446014e-01 - <_> - 1.8203108310699463e+00 - - 1 2 165 3.5000000000000000e+00 0 -1 166 - 5.0000000000000000e-01 -2 -3 167 6.1500000000000000e+01 - - -4.1079363226890564e-01 4.8067408800125122e-01 - -6.4559924602508545e-01 -1.4250530861318111e-02 - <_> - 2.2858772277832031e+00 - - 1 2 168 9.5000000000000000e+00 0 -1 169 - 5.5000000000000000e+00 -2 -3 170 1.5000000000000000e+00 - - -6.8022292852401733e-01 4.7293016314506531e-01 - 7.0228189229965210e-01 -2.0867574959993362e-02 - <_> - 2.4012672901153564e+00 - - 1 2 171 1.7650000000000000e+02 0 -1 172 - 5.3385000000000000e+03 -2 -3 173 6.5000000000000000e+00 - - 1.1539006233215332e-01 -7.8521311283111572e-01 - 5.3917598724365234e-01 -9.2911219596862793e-01 - <_> - 2.3799149990081787e+00 - - 1 2 174 4.7500000000000000e+01 0 -1 175 - 2.5000000000000000e+00 -2 -3 176 1.5000000000000000e+00 - - -2.1352419629693031e-02 -6.8268537521362305e-01 - 4.3736723065376282e-01 -3.1157660484313965e-01 - <_> - 2.1095426082611084e+00 - - 1 2 177 1.5000000000000000e+00 0 -1 178 - 4.9500000000000000e+01 -2 -3 179 1.0150000000000000e+02 - - -7.1707659959793091e-01 3.5209715366363525e-01 - -5.0708782672882080e-01 7.8934565186500549e-02 - <_> - 2.7217743396759033e+00 - - 1 2 180 2.7350000000000000e+02 0 -1 181 - 1.2495000000000000e+03 -2 -3 182 1.4500000000000000e+01 - - -5.0943363457918167e-02 8.7893438339233398e-01 - -1.0237722657620907e-02 -5.5019938945770264e-01 - <_> - 2.4565997123718262e+00 - - 1 2 183 5.0000000000000000e-01 0 -1 184 - 1.0500000000000000e+01 -2 -3 185 5.5000000000000000e+00 - - -3.5214826464653015e-01 5.9661501646041870e-01 - -2.7218982577323914e-01 4.9512678384780884e-01 - <_> - 2.8743238449096680e+00 - - 1 2 186 4.5000000000000000e+00 0 -1 187 - 5.5000000000000000e+00 -2 -3 188 577. - - 4.3948319554328918e-01 -3.0406862497329712e-01 - -5.0375759601593018e-01 7.1215182542800903e-02 - <_> - 2.7736363410949707e+00 - - 1 2 189 2.1500000000000000e+01 0 -1 190 - 5.5000000000000000e+00 -2 -3 191 1.5000000000000000e+00 - - 4.1727577336132526e-03 -7.4696260690689087e-01 - -5.2629309892654419e-01 2.2158136963844299e-01 - <_> - 2.6128091812133789e+00 - - 1 2 192 5.0000000000000000e-01 0 -1 193 - 2.5000000000000000e+00 -2 -3 194 2.5000000000000000e+00 - - 7.3062634468078613e-01 -9.8423433303833008e-01 - 2.8110432624816895e-01 -1.6082715988159180e-01 - <_> - 2.9834272861480713e+00 - - 1 2 195 1.3500000000000000e+01 0 -1 196 - 7.9150000000000000e+02 -2 -3 197 9.5000000000000000e+00 - - 7.1296024322509766e-01 -7.4958539009094238e-01 - 3.7061801552772522e-01 -1.2306307256221771e-01 - <_> - 3.2170827388763428e+00 - - 1 2 198 1.6065000000000000e+03 0 -1 199 - 5.5000000000000000e+00 -2 -3 200 2.0275000000000000e+03 - - -3.0168825387954712e-01 2.3365539312362671e-01 - 6.6802793741226196e-01 -5.8256161212921143e-01 - <_> - 3.1492726802825928e+00 - - 1 2 201 4.1250000000000000e+02 0 -1 202 - 2.0450000000000000e+02 -2 -3 203 2.7500000000000000e+01 - - -1.3608095049858093e-01 4.6414726972579956e-01 - -5.3371006250381470e-01 6.7616206407546997e-01 - <_> - 3.1982100009918213e+00 - - 1 2 204 8.3500000000000000e+01 0 -1 205 - 5.5000000000000000e+00 -2 -3 206 251. - - 4.8937290906906128e-02 8.2636904716491699e-01 - -8.5127645730972290e-01 8.0275185406208038e-02 - <_> - 3.2608339786529541e+00 - - 1 2 207 1.6905000000000000e+03 0 -1 208 - 3.3250000000000000e+02 -2 -3 209 4.0500000000000000e+01 - - 4.6938320994377136e-01 -3.5710576176643372e-01 - -3.4840288758277893e-01 4.0339687466621399e-01 - <_> - 3.5624730587005615e+00 - - 1 2 210 4.5500000000000000e+01 0 -1 211 - 5.5000000000000000e+00 -2 -3 212 1119. - - -1.0512005537748337e-01 3.5630321502685547e-01 - 3.0504852533340454e-01 -9.0767818689346313e-01 - <_> - 3.4595894813537598e+00 - - 1 2 213 5.0000000000000000e-01 0 -1 214 - 2.5000000000000000e+00 -2 -3 215 1.5000000000000000e+00 - - -6.3885670900344849e-01 3.9579227566719055e-01 - 1.1626762151718140e-01 -4.5416545867919922e-01 - <_> - 3.2765171527862549e+00 - - 1 2 216 5.0000000000000000e-01 0 -1 217 - 1.1500000000000000e+01 -2 -3 218 4.5000000000000000e+00 - - -5.9969311952590942e-01 4.1484233736991882e-01 - -3.2088482379913330e-01 4.5076516270637512e-01 - <_> - 3.0572440624237061e+00 - - 1 2 219 5.5000000000000000e+00 0 -1 220 - 1.5000000000000000e+00 -2 -3 221 1.2500000000000000e+01 - - 1.7427183687686920e-01 -2.9311054944992065e-01 - 6.4205944538116455e-01 -9.0328532457351685e-01 - <_> - 3.2041997909545898e+00 - - 1 2 222 4.5000000000000000e+00 0 -1 223 - 7.5000000000000000e+00 -2 -3 224 5.1500000000000000e+01 - - -8.7655025720596313e-01 6.6966646909713745e-01 - 1.4695560932159424e-01 -5.8665174245834351e-01 - <_> - 3.5032150745391846e+00 - - 1 2 225 4.5000000000000000e+00 0 -1 226 979. -2 -3 227 - 5.0000000000000000e-01 - - -2.2506183385848999e-01 6.3425189256668091e-01 - -4.2429834604263306e-01 6.0787576436996460e-01 - <_> - 3.6615941524505615e+00 - - 1 2 228 5.7050000000000000e+02 0 -1 229 - 8.3850000000000000e+02 -2 -3 230 2.7850000000000000e+02 - - -1.0941934585571289e-01 4.8675090074539185e-01 - 5.6111901998519897e-01 -3.3019056916236877e-01 - <_> - 3.4909577369689941e+00 - - 1 2 231 119. 0 -1 232 7.7500000000000000e+01 -2 -3 233 - 9.5000000000000000e+00 - - -4.9900823831558228e-01 1.7894685268402100e-01 - -9.1172474622726440e-01 8.9065861701965332e-01 - <_> - 3.8275330066680908e+00 - - 1 2 234 1.5000000000000000e+00 0 -1 235 - 3.5000000000000000e+00 -2 -3 236 1.3250000000000000e+02 - - -6.7380899190902710e-01 3.3657526969909668e-01 - 4.9761232733726501e-01 -3.7721511721611023e-01 - <_> - 3.9486763477325439e+00 - - 1 2 237 2.9050000000000000e+02 0 -1 238 - 5.8650000000000000e+02 -2 -3 239 1.9550000000000000e+02 - - -6.9971680641174316e-01 4.3016415834426880e-01 - 5.5699282884597778e-01 -8.1054642796516418e-02 - <_> - 4.3176374435424805e+00 - - 1 2 240 1.5000000000000000e+00 0 -1 241 - 9.5000000000000000e+00 -2 -3 242 2.2725000000000000e+03 - - 4.6376305818557739e-01 -2.7650564908981323e-01 - -4.1137817502021790e-01 2.4273988604545593e-01 - <_> - 4.1106867790222168e+00 - - 1 2 243 6.5000000000000000e+00 0 -1 244 - 5.0000000000000000e-01 -2 -3 245 2.6500000000000000e+01 - - 1.7755906283855438e-01 -3.1547075510025024e-01 - 7.1589088439941406e-01 -8.6598944664001465e-01 - <_> - 4.0493078231811523e+00 - - 1 2 246 2.4500000000000000e+01 0 -1 247 - 7.5000000000000000e+00 -2 -3 248 1.5150000000000000e+02 - - -4.5098224282264709e-01 3.3610948920249939e-01 - 3.3537614345550537e-01 -5.4964864253997803e-01 - <_> - 4.3437886238098145e+00 - - 1 2 249 8.5500000000000000e+01 0 -1 250 - 6.7500000000000000e+01 -2 -3 251 2.2500000000000000e+01 - - -8.7396150827407837e-01 6.1177849769592285e-01 - -5.7394933700561523e-01 5.3601197898387909e-02 - <_> - 3.5774736404418945e+00 - - 1 2 252 1.8500000000000000e+01 0 -1 253 - 2.8500000000000000e+01 -2 -3 254 727. - - -1.4022175967693329e-01 3.5069212317466736e-01 - -7.6631480455398560e-01 4.6660822629928589e-01 - <_> - 3.4339537620544434e+00 - - 1 2 255 2.5000000000000000e+00 0 -1 256 - 1.0500000000000000e+01 -2 -3 257 1.1500000000000000e+01 - - -2.6909920573234558e-01 5.9753483533859253e-01 - -2.9939565062522888e-01 5.9079831838607788e-01 - <_> - 3.5545070171356201e+00 - - 1 2 258 1.5000000000000000e+00 0 -1 259 - 1.5000000000000000e+00 -2 -3 260 1.1500000000000000e+01 - - -3.5771971940994263e-01 4.3755933642387390e-01 - 1.2055332958698273e-01 -4.8447567224502563e-01 - <_> - 3.6163067817687988e+00 - - 1 2 261 2.5000000000000000e+00 0 -1 262 - 2.5000000000000000e+00 -2 -3 263 3.2500000000000000e+01 - - -3.5749617218971252e-01 4.9238750338554382e-01 - -4.1662833094596863e-01 2.3165223002433777e-01 - <_> - 3.4895346164703369e+00 - - 1 2 264 3.1050000000000000e+02 0 -1 265 - 1.0050000000000000e+02 -2 -3 266 8.5000000000000000e+00 - - -1.2677235901355743e-01 3.9842021465301514e-01 - -5.6282222270965576e-01 5.5186986923217773e-01 - <_> - 3.6868834495544434e+00 - - 1 2 267 2.5500000000000000e+01 0 -1 268 - 1.5000000000000000e+00 -2 -3 269 1268. - - -9.5765352249145508e-01 1.9734899699687958e-01 - -5.6331878900527954e-01 5.9383141994476318e-01 - <_> - 4.0580706596374512e+00 - - 1 2 270 1.1265000000000000e+03 0 -1 271 - 1.7050000000000000e+02 -2 -3 272 8.0750000000000000e+02 - - 5.8629125356674194e-01 -1.2970197200775146e-01 - -3.2385781407356262e-01 6.9086676836013794e-01 - <_> - 4.2803778648376465e+00 - - 1 2 273 4.9500000000000000e+01 0 -1 274 192. -2 -3 275 - 6.5000000000000000e+00 - - 2.3941868543624878e-01 -5.5941039323806763e-01 - 3.9892393350601196e-01 -2.0006304979324341e-01 - <_> - 4.2550206184387207e+00 - - 1 2 276 1.2850000000000000e+02 0 -1 277 - 9.5000000000000000e+00 -2 -3 278 8.5000000000000000e+00 - - -2.0197376608848572e-01 2.9125767946243286e-01 - 2.2862918674945831e-01 -9.8660701513290405e-01 - <_> - 4.2192134857177734e+00 - - 1 2 279 7.5000000000000000e+00 0 -1 280 - 2.5000000000000000e+00 -2 -3 281 7.5000000000000000e+00 - - -5.1448464393615723e-01 3.8536703586578369e-01 - -6.9239240884780884e-01 -3.5807080566883087e-02 - <_> - 4.4406690597534180e+00 - - 1 2 282 2.5000000000000000e+00 0 -1 283 - 5.0000000000000000e-01 -2 -3 284 8.5000000000000000e+00 - - 5.0960946083068848e-01 -4.9593481421470642e-01 - 3.2813104987144470e-01 -3.3382579684257507e-01 - <_> - 4.4840297698974609e+00 - - 1 2 285 1326. 0 -1 286 612. -2 -3 287 1.9450000000000000e+02 - - -1. 7.9890018701553345e-01 -6.5918892621994019e-01 - 4.3361011892557144e-02 - <_> - 4.5319285392761230e+00 - - 1 2 288 2.7500000000000000e+01 0 -1 289 - 1.7500000000000000e+01 -2 -3 290 5.4450000000000000e+02 - - 1.7646867036819458e-01 -4.9880924820899963e-01 - 3.1044688820838928e-01 -7.8504896163940430e-01 - <_> - 4.3263564109802246e+00 - - 1 2 291 1.0500000000000000e+01 0 -1 292 - 1.1500000000000000e+01 -2 -3 293 1.0500000000000000e+01 - - -3.3414199948310852e-01 1.9703163206577301e-01 - 6.7141562700271606e-01 -4.7605592012405396e-01 - <_> - 4.6897392272949219e+00 - - 1 2 294 5.0000000000000000e-01 0 -1 295 - 1.5000000000000000e+00 -2 -3 296 1.1595000000000000e+03 - - -6.9713282585144043e-01 3.6338269710540771e-01 - -5.1299923658370972e-01 1.8765503168106079e-01 - <_> - 4.9953885078430176e+00 - - 1 2 297 5.0000000000000000e-01 0 -1 298 - 7.5000000000000000e+00 -2 -3 299 3.8265000000000000e+03 - - -7.9099249839782715e-01 4.3731418251991272e-01 - -8.8410943746566772e-02 -9.4131457805633545e-01 - <_> - 4.4915475845336914e+00 - - 1 2 300 5.5000000000000000e+00 0 -1 301 - 2.5000000000000000e+00 -2 -3 302 1.5500000000000000e+01 - - -6.8182158470153809e-01 3.5027420520782471e-01 - -5.4620689153671265e-01 6.2989845871925354e-02 - <_> - 4.6564993858337402e+00 - - 1 2 303 1.2450000000000000e+02 0 -1 304 - 4.1500000000000000e+01 -2 -3 305 4.3500000000000000e+01 - - -6.5387880802154541e-01 1.6495206952095032e-01 - -7.3650360107421875e-01 5.6925100088119507e-01 - <_> - 5.1468167304992676e+00 - - 1 2 306 3.5000000000000000e+00 0 -1 307 - 1.4050000000000000e+02 -2 -3 308 2.3075000000000000e+03 - - 4.9031701683998108e-01 -5.3763668984174728e-02 - -5.3901141881942749e-01 1.5980558097362518e-01 - <_> - 4.9970083236694336e+00 - - 1 2 309 5.5000000000000000e+00 0 -1 310 - 3.8250000000000000e+02 -2 -3 311 4.5000000000000000e+00 - - 1.3255308568477631e-01 -6.7066764831542969e-01 - 2.6553070545196533e-01 -3.9240267872810364e-01 - <_> - 5.3259134292602539e+00 - - 1 2 312 3.2500000000000000e+01 0 -1 313 - 1.5000000000000000e+00 -2 -3 314 3.5000000000000000e+00 - - 1.2956449389457703e-01 -3.9639618992805481e-01 - -7.3431020975112915e-01 4.9653601646423340e-01 - <_> - 5.1569843292236328e+00 - - 1 2 315 5.0000000000000000e-01 0 -1 316 - 3.5000000000000000e+00 -2 -3 317 5.0000000000000000e-01 - - -8.3922284841537476e-01 6.8794727325439453e-01 - 3.0406209826469421e-01 -1.6892936825752258e-01 - <_> - 5.3804125785827637e+00 - - 1 2 318 1.0350000000000000e+02 0 -1 319 - 2.8050000000000000e+02 -2 -3 320 5.5000000000000000e+00 - - 5.5797357112169266e-02 -4.8595803976058960e-01 - -1.2136862426996231e-01 5.7313364744186401e-01 - <_> - 5.3404531478881836e+00 - - 1 2 321 2.5500000000000000e+01 0 -1 322 - 1.7575000000000000e+03 -2 -3 323 1.3500000000000000e+01 - - 1.9259653985500336e-02 -6.0744369029998779e-01 - -6.7395132780075073e-01 7.1949076652526855e-01 - <_> - 5.1782426834106445e+00 - - 1 2 324 9.5000000000000000e+00 0 -1 325 - 3.8500000000000000e+01 -2 -3 326 5.0000000000000000e-01 - - -8.8507616519927979e-01 8.9975792169570923e-01 - 3.3316615223884583e-01 -1.6221044957637787e-01 - <_> - 5.3394045829772949e+00 - - 1 2 327 2.4500000000000000e+01 0 -1 328 - 2.0150000000000000e+02 -2 -3 329 1.0500000000000000e+01 - - -9.5301911234855652e-02 -9.8104661703109741e-01 - -5.8636808395385742e-01 1.6720375418663025e-01 - <_> - 5.5081224441528320e+00 - - 1 2 330 5.8500000000000000e+01 0 -1 331 - 1.4500000000000000e+01 -2 -3 332 2.5000000000000000e+00 - - 1.6871802508831024e-01 -5.5092507600784302e-01 - 8.8998925685882568e-01 -6.9766056537628174e-01 - <_> - 5.6306805610656738e+00 - - 1 2 333 3.3500000000000000e+01 0 -1 334 - 6.1500000000000000e+01 -2 -3 335 85. - - -7.0117294788360596e-01 1.2255829572677612e-01 - -8.1785792112350464e-01 6.1549854278564453e-01 - <_> - 5.6915154457092285e+00 - - 1 2 336 3.2500000000000000e+01 0 -1 337 - 5.0000000000000000e-01 -2 -3 338 63. - - 1.2218275666236877e-01 -3.5413163900375366e-01 - 6.3612997531890869e-01 -7.0456862449645996e-01 - <_> - 5.5900840759277344e+00 - - 1 2 339 2.3500000000000000e+01 0 -1 340 - 2.5000000000000000e+00 -2 -3 341 4.5000000000000000e+00 - - 2.0174416899681091e-01 -5.1127249002456665e-01 - 4.2617842555046082e-01 -1.0143126547336578e-01 - <_> - 5.7180328369140625e+00 - - 1 2 342 5.0000000000000000e-01 0 -1 343 - 2.5000000000000000e+00 -2 -3 344 9.5000000000000000e+00 - - -3.8413861393928528e-01 4.6811124682426453e-01 - -4.2584285140037537e-01 1.2794874608516693e-01 - <_> - 5.6654319763183594e+00 - - 1 2 345 8.5000000000000000e+00 0 -1 346 - 5.0000000000000000e-01 -2 -3 347 1.5000000000000000e+00 - - 9.5142386853694916e-02 -7.1302425861358643e-01 - 5.4278182983398438e-01 -5.2601240575313568e-02 - <_> - 5.9350528717041016e+00 - - 1 2 348 9.5000000000000000e+00 0 -1 349 - 4.1500000000000000e+01 -2 -3 350 1.5000000000000000e+00 - - 8.7161600589752197e-01 -7.7127242088317871e-01 - 2.6962128281593323e-01 -2.5871616601943970e-01 - <_> - 6.1475706100463867e+00 - - 1 2 351 3.5000000000000000e+00 0 -1 352 - 1.5000000000000000e+00 -2 -3 353 2.3500000000000000e+01 - - -5.0578659772872925e-01 2.1251763403415680e-01 - -7.6094323396682739e-01 2.9446750879287720e-02 - <_> - 6.0555124282836914e+00 - - 1 2 354 3.8350000000000000e+02 0 -1 355 - 4.0750000000000000e+02 -2 -3 356 1.9150000000000000e+02 - - -7.6622998714447021e-01 8.8135695457458496e-01 - 6.9238609075546265e-01 -9.2058457434177399e-02 - <_> - 5.9078083038330078e+00 - - 1 2 357 4.5000000000000000e+00 0 -1 358 - 4.5000000000000000e+00 -2 -3 359 1.4250000000000000e+02 - - -7.2137272357940674e-01 5.1432526111602783e-01 - 1.1733544617891312e-01 -3.9842006564140320e-01 - <_> - 5.8863000869750977e+00 - - 1 2 360 5.5000000000000000e+00 0 -1 361 - 2.5000000000000000e+00 -2 -3 362 5.0000000000000000e-01 - - 2.5861698389053345e-01 -6.5906637907028198e-01 - 5.7050561904907227e-01 -2.1508345380425453e-02 - <_> - 6.2535686492919922e+00 - - 1 2 363 3.4450000000000000e+02 0 -1 364 - 7.1500000000000000e+01 -2 -3 365 3.7500000000000000e+01 - - 2.5537836551666260e-01 -5.6128257513046265e-01 - -2.7890142798423767e-01 3.6726871132850647e-01 - <_> - 6.5200557708740234e+00 - - 1 2 366 3.8500000000000000e+01 0 -1 367 - 2.0050000000000000e+02 -2 -3 368 5.0000000000000000e-01 - - -2.1050746738910675e-01 2.6648724079132080e-01 - 7.2144305706024170e-01 -7.6943892240524292e-01 - <_> - 6.5856919288635254e+00 - - 1 2 369 1.1985000000000000e+03 0 -1 370 - 9.8450000000000000e+02 -2 -3 371 5.0000000000000000e-01 - - -1.8643079325556755e-02 6.2855046987533569e-01 - 2.2027526795864105e-01 -4.5711979269981384e-01 - <_> - 6.7288737297058105e+00 - - 1 2 372 237. 0 -1 373 3.5000000000000000e+00 -2 -3 374 - 1.5000000000000000e+00 - - -8.0923789739608765e-01 1.4318189024925232e-01 1. - -9.4612187147140503e-01 - <_> - 6.6858677864074707e+00 - - 1 2 375 6.5000000000000000e+00 0 -1 376 - 2.5500000000000000e+01 -2 -3 377 5.0000000000000000e-01 - - -5.9098368883132935e-01 3.4622213244438171e-01 - 1.2213265895843506e-01 -4.9110993742942810e-01 - <_> - 6.8649945259094238e+00 - - 1 2 378 6.5000000000000000e+00 0 -1 379 - 1.2500000000000000e+01 -2 -3 380 99. - - -2.1010144054889679e-01 5.2433401346206665e-01 - 7.3402822017669678e-01 -7.3039847612380981e-01 - <_> - 6.8893485069274902e+00 - - 1 2 381 7.2750000000000000e+02 0 -1 382 - 1.5000000000000000e+00 -2 -3 383 9.5000000000000000e+00 - - 3.1361672282218933e-01 -1.7031247913837433e-01 - -7.2145223617553711e-01 3.5980513691902161e-01 - <_> - 7.2283496856689453e+00 - - 1 2 384 5.0000000000000000e-01 0 -1 385 - 1.3500000000000000e+01 -2 -3 386 2.0500000000000000e+01 - - -5.4181987047195435e-01 3.3900079131126404e-01 - -5.1880490779876709e-01 1.1900121718645096e-01 - <_> - 6.9692182540893555e+00 - - 1 2 387 1.6150000000000000e+02 0 -1 388 - 1.5000000000000000e+00 -2 -3 389 3210. - - 1.9477361440658569e-01 -3.0752164125442505e-01 - 7.8654778003692627e-01 -7.6034039258956909e-01 - <_> - 7.2192230224609375e+00 - - 1 2 390 1.3500000000000000e+01 0 -1 391 - 4.3500000000000000e+01 -2 -3 392 2.8500000000000000e+01 - - 2.5000450015068054e-01 -5.3074920177459717e-01 - -5.3798520565032959e-01 4.1968035697937012e-01 - <_> - 7.2540907859802246e+00 - - 1 2 393 2.0500000000000000e+01 0 -1 394 - 2.7500000000000000e+01 -2 -3 395 4.3650000000000000e+02 - - -7.3686313629150391e-01 3.4867912530899048e-02 - 2.9541721940040588e-01 -2.1020221710205078e-01 - <_> - 6.8051357269287109e+00 - - 1 2 396 5.5000000000000000e+00 0 -1 397 - 6.5000000000000000e+00 -2 -3 398 3.5000000000000000e+00 - - 4.2886292934417725e-01 -7.8918439149856567e-01 - 3.7567043304443359e-01 -1.4743655920028687e-01 - <_> - 7.4688086509704590e+00 - - 1 2 399 1.0150000000000000e+02 0 -1 400 - 4.5000000000000000e+00 -2 -3 401 9.9500000000000000e+01 - - -5.1463156938552856e-01 2.9845802113413811e-02 - 6.6367262601852417e-01 -1.1338147521018982e-01 - <_> - 7.1031336784362793e+00 - - 1 2 402 3.5000000000000000e+00 0 -1 403 - 2.5000000000000000e+00 -2 -3 404 1.3500000000000000e+01 - - -3.6626499891281128e-01 3.6989590525627136e-01 - -6.6719317436218262e-01 2.5169936940073967e-02 - <_> - 7.3519058227539062e+00 - - 1 2 405 9.1500000000000000e+01 0 -1 406 - 5.5000000000000000e+00 -2 -3 407 5.5000000000000000e+00 - - 2.4877189099788666e-01 -2.2317972779273987e-01 - -9.1418403387069702e-01 4.2734485864639282e-01 - <_> - 7.6044559478759766e+00 - - 1 2 408 3.2500000000000000e+01 0 -1 409 - 2.5000000000000000e+00 -2 -3 410 4.5000000000000000e+00 - - 2.4795474112033844e-01 -4.5940175652503967e-01 - -3.3580735325813293e-01 3.5987770557403564e-01 - <_> - 7.4985055923461914e+00 - - 1 2 411 1.5000000000000000e+00 0 -1 412 - 2.5000000000000000e+00 -2 -3 413 5.0000000000000000e-01 - - -8.2485938072204590e-01 4.3017619848251343e-01 - 1.4399667084217072e-01 -3.7108924984931946e-01 - <_> - 7.4325051307678223e+00 - - 1 2 414 5.0000000000000000e-01 0 -1 415 - 1.5500000000000000e+01 -2 -3 416 5.0000000000000000e-01 - - -8.7985265254974365e-01 2.5532016158103943e-01 - 4.2890861630439758e-01 -6.6000163555145264e-02 - <_> - 7.5405216217041016e+00 - - 1 2 417 2.5000000000000000e+00 0 -1 418 - 2.7500000000000000e+01 -2 -3 419 2.1500000000000000e+01 - - -6.3683986663818359e-01 5.2743852138519287e-01 - 1.4352023601531982e-01 -6.3558804988861084e-01 - <_> - 7.7823953628540039e+00 - - 1 2 420 1.5000000000000000e+00 0 -1 421 - 1.1500000000000000e+01 -2 -3 422 2.8445000000000000e+03 - - -4.9917691946029663e-01 3.4004133939743042e-01 - -4.3708419799804688e-01 2.8981977701187134e-01 - <_> - 7.7242145538330078e+00 - - 1 2 423 5.0850000000000000e+02 0 -1 424 - 5.0000000000000000e-01 -2 -3 425 3.1500000000000000e+01 - - 5.2104169130325317e-01 -5.8180812746286392e-02 - -7.3210656642913818e-01 2.3212959989905357e-02 - <_> - 7.5139360427856445e+00 - - 1 2 426 1.8500000000000000e+01 0 -1 427 - 1.0500000000000000e+01 -2 -3 428 1.5000000000000000e+00 - - -3.0844607949256897e-01 1.8616256117820740e-01 - -5.5996507406234741e-01 7.4107706546783447e-01 - <_> - 7.9558534622192383e+00 - - 1 2 429 5.0000000000000000e-01 0 -1 430 - 6.5000000000000000e+00 -2 -3 431 1.5500000000000000e+01 - - -7.7995741367340088e-01 8.8524711132049561e-01 - 4.4191744923591614e-01 -7.6589852571487427e-02 - <_> - 7.7786240577697754e+00 - - 1 2 432 8.5000000000000000e+00 0 -1 433 - 3.5000000000000000e+00 -2 -3 434 6.5000000000000000e+00 - - -9.6137225627899170e-01 6.0514140129089355e-01 - 1.9689162075519562e-01 -2.9731762409210205e-01 - <_> - 7.9885544776916504e+00 - - 1 2 435 4.1065000000000000e+03 0 -1 436 - 5.5000000000000000e+00 -2 -3 437 6.5500000000000000e+01 - - -2.1495328843593597e-01 2.0993046462535858e-01 - -9.7390574216842651e-01 1. - <_> - 7.6729865074157715e+00 - - 1 2 438 1.3950000000000000e+02 0 -1 439 - 3.3925000000000000e+03 -2 -3 440 2.1550000000000000e+02 - - 3.6841154098510742e-02 8.2625699043273926e-01 - -3.1556785106658936e-01 4.3009120225906372e-01 - <_> - 7.7963547706604004e+00 - - 1 2 441 4.5000000000000000e+00 0 -1 442 - 5.5000000000000000e+00 -2 -3 443 1.5000000000000000e+00 - - -6.0316175222396851e-01 6.6048818826675415e-01 - 2.5080832839012146e-01 -2.9886415600776672e-01 - <_> - 8.0473546981811523e+00 - - 1 2 444 1.4500000000000000e+01 0 -1 445 - 3.5000000000000000e+00 -2 -3 446 167. - - -7.5895428657531738e-01 -5.0374951213598251e-02 - 2.5099954009056091e-01 -7.8038960695266724e-01 - <_> - 8.2508106231689453e+00 - - 1 2 447 4.7500000000000000e+01 0 -1 448 - 1.5000000000000000e+00 -2 -3 449 203. - - 2.0345664024353027e-01 -3.1519731879234314e-01 - 8.4153503179550171e-01 -9.4352102279663086e-01 - <_> - 8.1843194961547852e+00 - - 1 2 450 3.5000000000000000e+00 0 -1 451 - 6.4850000000000000e+02 -2 -3 452 2.3500000000000000e+01 - - -6.6491708159446716e-02 -7.7391004562377930e-01 - 3.7316158413887024e-01 -4.7069379687309265e-01 - <_> - 8.4241552352905273e+00 - - 1 2 453 1.9550000000000000e+02 0 -1 454 - 1.1500000000000000e+01 -2 -3 455 9.7500000000000000e+01 - - 1.4798521995544434e-02 -7.5356280803680420e-01 - 6.0888707637786865e-01 -3.6627348512411118e-02 - <_> - 8.6226053237915039e+00 - - 1 2 456 8.5000000000000000e+00 0 -1 457 - 4.9500000000000000e+01 -2 -3 458 8.8500000000000000e+01 - - -6.3793772459030151e-01 7.5767761468887329e-01 - 1.9845020771026611e-01 -4.8551425337791443e-01 - <_> - 8.7387495040893555e+00 - - 1 2 459 5.0000000000000000e-01 0 -1 460 - 9.7050000000000000e+02 -2 -3 461 1.3500000000000000e+01 - - -2.5290706753730774e-01 3.9906808733940125e-01 - 7.3734633624553680e-02 -5.0943487882614136e-01 - <_> - 8.9511775970458984e+00 - - 1 2 462 1.5500000000000000e+01 0 -1 463 5042. -2 -3 464 - 2.5500000000000000e+01 - - 4.4684890657663345e-02 -7.5078099966049194e-01 - -6.8602824211120605e-01 2.1242773532867432e-01 - <_> - 8.7704448699951172e+00 - - 1 2 465 1.5000000000000000e+00 0 -1 466 - 3.5000000000000000e+00 -2 -3 467 5.0000000000000000e-01 - - -5.2990430593490601e-01 3.2908669114112854e-01 - 5.0670707225799561e-01 -3.3556681871414185e-01 - <_> - 9.1967802047729492e+00 - - 1 2 468 1.0150000000000000e+02 0 -1 469 - 4.5000000000000000e+00 -2 -3 470 2.0550000000000000e+02 - - 1.6923974454402924e-01 -4.5475739240646362e-01 - 5.2751308679580688e-01 -1.5509577095508575e-01 - <_> - 8.7917280197143555e+00 - - 1 2 471 1.1500000000000000e+01 0 -1 472 - 6.5000000000000000e+00 -2 -3 473 6.5000000000000000e+00 - - -4.4862127304077148e-01 4.2279773950576782e-01 - -3.5587507486343384e-01 3.5129797458648682e-01 - <_> - 8.7312154769897461e+00 - - 1 2 474 4.5000000000000000e+00 0 -1 475 - 6.5000000000000000e+00 -2 -3 476 3.6500000000000000e+01 - - -2.7193367481231689e-01 4.3259933590888977e-01 - 4.7951751947402954e-01 -3.5498926043510437e-01 - <_> - 9.0832386016845703e+00 - - 1 2 477 1.2500000000000000e+01 0 -1 478 - 3.1050000000000000e+02 -2 -3 479 3.5000000000000000e+00 - - 5.9946447610855103e-02 -5.3463864326477051e-01 -1. - 9.2522376775741577e-01 - <_> - 9.1005811691284180e+00 - - 1 2 480 1.9150000000000000e+02 0 -1 481 - 9.8500000000000000e+01 -2 -3 482 9.4500000000000000e+01 - - -7.7142339944839478e-01 8.8559025526046753e-01 - 8.3444190025329590e-01 1.7342502251267433e-02 - <_> - 9.0058355331420898e+00 - - 1 2 483 5.0000000000000000e-01 0 -1 484 - 1.1500000000000000e+01 -2 -3 485 2.1350000000000000e+02 - - -3.3807235956192017e-01 6.2658375501632690e-01 - -4.1266942024230957e-01 1.2879027426242828e-01 - <_> - 9.5705127716064453e+00 - - 1 2 486 5.5000000000000000e+00 0 -1 487 - 3.5000000000000000e+00 -2 -3 488 1.2500000000000000e+01 - - 5.6467759609222412e-01 -8.9094005525112152e-02 - -5.1642411947250366e-01 2.5749623775482178e-01 - <_> - 9.5358695983886719e+00 - - 1 2 489 3.5000000000000000e+00 0 -1 490 - 8.5000000000000000e+00 -2 -3 491 5.0000000000000000e-01 - - -9.6485316753387451e-01 6.5110367536544800e-01 - 3.9514154195785522e-01 -9.5468178391456604e-02 - <_> - 9.2215585708618164e+00 - - 1 2 492 4.5000000000000000e+00 0 -1 493 - 6.0450000000000000e+02 -2 -3 494 1.7500000000000000e+01 - - 4.6174043416976929e-01 -6.0333174467086792e-01 - 2.1922779083251953e-01 -4.6940636634826660e-01 - <_> - 9.5052928924560547e+00 - - 1 2 495 1.9500000000000000e+01 0 -1 496 - 6.2500000000000000e+01 -2 -3 497 9.9500000000000000e+01 - - -2.4998350441455841e-01 9.3333595991134644e-01 - 4.7144135832786560e-01 -5.3084665536880493e-01 - <_> - 9.6855897903442383e+00 - - 1 2 498 1.0150000000000000e+02 0 -1 499 - 1.9050000000000000e+02 -2 -3 500 4.6500000000000000e+01 - - -6.0934317111968994e-01 1.8029752373695374e-01 - -9.4084495306015015e-01 4.4628155231475830e-01 - <_> - 9.7318124771118164e+00 - - 1 2 501 1.0505000000000000e+03 0 -1 502 - 8.6850000000000000e+02 -2 -3 503 2.2500000000000000e+01 - - 4.6222873032093048e-02 -5.8092010021209717e-01 - 4.7866767644882202e-01 -8.6627846956253052e-01 - <_> - 9.9474916458129883e+00 - - 1 2 504 5.5000000000000000e+00 0 -1 505 - 1.5000000000000000e+00 -2 -3 506 5.0000000000000000e-01 - - 9.3323081731796265e-01 -7.6642012596130371e-01 - 3.1724649667739868e-01 -1.7054216563701630e-01 - <_> - 9.6730003356933594e+00 - - 1 2 507 5.0000000000000000e-01 0 -1 508 - 7.1500000000000000e+01 -2 -3 509 1.6500000000000000e+01 - - 6.1226785182952881e-01 -3.1147494912147522e-01 - -3.7605938315391541e-01 1.1878117173910141e-01 - <_> - 9.9316091537475586e+00 - - 1 2 510 2.5000000000000000e+00 0 -1 511 - 4.3500000000000000e+01 -2 -3 512 5.5000000000000000e+00 - - -9.6135699748992920e-01 1. 2.5860905647277832e-01 - -1.8475803732872009e-01 - <_> - 9.9168720245361328e+00 - - 1 2 513 3.5000000000000000e+00 0 -1 514 - 1.0500000000000000e+01 -2 -3 515 5.0000000000000000e-01 - - -5.7490390539169312e-01 5.8689129352569580e-01 - 6.0520070791244507e-01 -1.8357265740633011e-02 - <_> - 9.9600400924682617e+00 - - 1 2 516 1.5000000000000000e+00 0 -1 517 - 8.5000000000000000e+00 -2 -3 518 3.5000000000000000e+00 - - -4.1653260588645935e-01 4.4715183973312378e-01 - 4.3168023228645325e-02 -5.1480299234390259e-01 - <_> - 1.0061200141906738e+01 - - 1 2 519 1.6500000000000000e+01 0 -1 520 - 1.2500000000000000e+01 -2 -3 521 1.1500000000000000e+01 - - 2.5633049011230469e-01 -7.6656705141067505e-01 - -7.0554155111312866e-01 1.6379806399345398e-01 - <_> - 1.0377194404602051e+01 - - 1 2 522 5.0000000000000000e-01 0 -1 523 - 2.2500000000000000e+01 -2 -3 524 1.0350000000000000e+02 - - 3.4760028123855591e-01 -4.5027711987495422e-01 - -4.2173016071319580e-01 2.3955082893371582e-01 - <_> - 1.0154600143432617e+01 - - 1 2 525 5.0000000000000000e-01 0 -1 526 - 1.0500000000000000e+01 -2 -3 527 2.6500000000000000e+01 - - -4.5142862200737000e-01 5.3901028633117676e-01 - -2.5419974327087402e-01 4.5304277539253235e-01 - <_> - 1.0031300544738770e+01 - - 1 2 528 8.4250000000000000e+02 0 -1 529 - 3.5000000000000000e+00 -2 -3 530 1.9550000000000000e+02 - - -7.8200048208236694e-01 1. 3.5411849617958069e-01 - -1.2329959124326706e-01 - <_> - 1.0340743064880371e+01 - - 1 2 531 8.9500000000000000e+01 0 -1 532 - 4.4500000000000000e+01 -2 -3 533 1.0935000000000000e+03 - - -2.5243437290191650e-01 3.0944204330444336e-01 - -7.0828437805175781e-01 4.1531533002853394e-02 - <_> - 1.0338248252868652e+01 - - 1 2 534 5.8500000000000000e+01 0 -1 535 271. -2 -3 536 - 1.3500000000000000e+01 - - -9.2865273356437683e-02 5.8908087015151978e-01 - -8.2634025812149048e-01 -2.4943957105278969e-03 - <_> - 1.0308409690856934e+01 - - 1 2 537 1.6500000000000000e+01 0 -1 538 - 1.3550000000000000e+02 -2 -3 539 1.4500000000000000e+01 - - 6.6291391849517822e-01 -2.9839292168617249e-02 - -8.4737575054168701e-01 4.0216624736785889e-01 - <_> - 1.0141160964965820e+01 - - 1 2 540 3.8850000000000000e+02 0 -1 541 1880. -2 -3 542 - 5.0000000000000000e-01 - - -5.4690855741500854e-01 9.7327619791030884e-01 - 3.9478069543838501e-01 -1.6724799573421478e-01 - <_> - 1.0552933692932129e+01 - - 1 2 543 9.7500000000000000e+01 0 -1 544 - 2.5675000000000000e+03 -2 -3 545 3.5000000000000000e+00 - - 4.1177234053611755e-01 -7.8731620311737061e-01 - 1.4354823529720306e-01 -4.3162122368812561e-01 - <_> - 1.0565854072570801e+01 - - 1 2 546 6.9500000000000000e+01 0 -1 547 - 5.0000000000000000e-01 -2 -3 548 2.2500000000000000e+01 - - 1.1238955706357956e-01 -5.5135101079940796e-01 - 8.3063828945159912e-01 1.2920306064188480e-02 - <_> - 1.0695440292358398e+01 - - 1 2 549 5.0000000000000000e-01 0 -1 550 - 5.0000000000000000e-01 -2 -3 551 4.1500000000000000e+01 - - 1. -9.2097282409667969e-01 1.2958645820617676e-01 - -7.5983488559722900e-01 - <_> - 1.1004468917846680e+01 - - 1 2 552 6.5000000000000000e+00 0 -1 553 - 4.5000000000000000e+00 -2 -3 554 8.5000000000000000e+00 - - -5.3393048048019409e-01 2.6314625144004822e-01 - -4.1532078385353088e-01 3.2797959446907043e-01 - <_> - 1.0936705589294434e+01 - - 1 2 555 3.8500000000000000e+01 0 -1 556 - 1.2500000000000000e+01 -2 -3 557 2.2500000000000000e+01 - - 6.5491145849227905e-01 -5.2296054363250732e-01 - -2.6422262191772461e-01 4.4152420759201050e-01 - <_> - 1.1200079917907715e+01 - - 1 2 558 5.5000000000000000e+00 0 -1 559 - 1.4350000000000000e+02 -2 -3 560 8.5000000000000000e+00 - - 2.6337426900863647e-01 -6.2398618459701538e-01 - -5.7904040813446045e-01 1.5722821652889252e-01 - <_> - 1.1503147125244141e+01 - - 1 2 561 2.2500000000000000e+01 0 -1 562 - 3.5000000000000000e+00 -2 -3 563 4.4500000000000000e+01 - - 2.0208129286766052e-01 -5.8677726984024048e-01 - 3.0306696891784668e-01 -2.8123357892036438e-01 - <_> - 1.1434396743774414e+01 - - 1 2 564 1.9450000000000000e+02 0 -1 565 - 2.7750000000000000e+02 -2 -3 566 3.9550000000000000e+02 - - 1.2142877280712128e-01 -7.8573030233383179e-01 - 4.3764689564704895e-01 -7.5577810406684875e-02 - <_> - 1.1271259307861328e+01 - - 1 2 567 3.5000000000000000e+00 0 -1 568 - 2.6500000000000000e+01 -2 -3 569 1.5000000000000000e+00 - - -4.7033354640007019e-01 9.5837578177452087e-02 - -6.4152359962463379e-01 3.8179275393486023e-01 - <_> - 1.1176634788513184e+01 - - 1 2 570 1.5000000000000000e+00 0 -1 571 - 5.5000000000000000e+00 -2 -3 572 1.5000000000000000e+00 - - -4.7000327706336975e-01 4.9639451503753662e-01 - 4.9409845471382141e-01 -3.3572679758071899e-01 - <_> - 1.1203256607055664e+01 - - 1 2 573 3.5000000000000000e+00 0 -1 574 - 1.1500000000000000e+01 -2 -3 575 5.5000000000000000e+00 - - -5.0945442914962769e-01 3.5184708237648010e-01 - 2.9157343506813049e-01 -4.5857024192810059e-01 - <_> - 1.1486757278442383e+01 - - 1 2 576 5.0000000000000000e-01 0 -1 577 - 1.5000000000000000e+00 -2 -3 578 4.7500000000000000e+01 - - -4.5967599749565125e-01 3.4802013635635376e-01 - -5.7343167066574097e-01 1.8548563122749329e-02 - <_> - 1.1719410896301270e+01 - - 1 2 579 2.0750000000000000e+02 0 -1 580 - 4.5000000000000000e+00 -2 -3 581 5.0000000000000000e-01 - - -2.9454728960990906e-01 2.3265397548675537e-01 1. - -9.6974384784698486e-01 - <_> - 1.1762585639953613e+01 - - 1 2 582 1.1050000000000000e+02 0 -1 583 - 1.6500000000000000e+01 -2 -3 584 407. - - 1.6962698101997375e-01 -5.3280961513519287e-01 - -8.0282974243164062e-01 1. - <_> - 1.1756085395812988e+01 - - 1 2 585 1.6500000000000000e+01 0 -1 586 - 5.0000000000000000e-01 -2 -3 587 1.7500000000000000e+01 - - 2.7568620443344116e-01 -3.1695076823234558e-01 - 6.0045284032821655e-01 -2.3904968798160553e-01 - <_> - 1.1916310310363770e+01 - - 1 2 588 5.0000000000000000e-01 0 -1 589 - 5.0000000000000000e-01 -2 -3 590 8.6550000000000000e+02 - - -8.1488132476806641e-01 4.9408018589019775e-01 - -4.1927781701087952e-01 8.3734117448329926e-02 - <_> - 1.2203942298889160e+01 - - 1 2 591 5.7050000000000000e+02 0 -1 592 - 1.5500000000000000e+01 -2 -3 593 2.0750000000000000e+02 - - -3.8771522045135498e-01 4.7265237569808960e-01 - -6.2495791912078857e-01 1.0464360564947128e-01 - <_> - 1.2065786361694336e+01 - - 1 2 594 1.5000000000000000e+00 0 -1 595 - 3.5000000000000000e+00 -2 -3 596 2.4550000000000000e+02 - - -1.8811276555061340e-01 5.1335942745208740e-01 - -6.0490119457244873e-01 1.5422473661601543e-02 - <_> - 1.2367770195007324e+01 - - 1 2 597 5.0000000000000000e-01 0 -1 598 - 1.6500000000000000e+01 -2 -3 599 5.3500000000000000e+01 - - 3.0198401212692261e-01 -5.7692825794219971e-01 - -5.6324899196624756e-01 1.9613705575466156e-01 - <_> - 1.2323034286499023e+01 - - 1 2 600 1.2500000000000000e+01 0 -1 601 - 7.5500000000000000e+01 -2 -3 602 3.5000000000000000e+00 - - -3.2731822133064270e-01 3.5927465558052063e-01 - 2.3451724648475647e-01 -5.0880599021911621e-01 - <_> - 1.2484741210937500e+01 - - 1 2 603 1.5000000000000000e+00 0 -1 604 - 1.5000000000000000e+00 -2 -3 605 8.5000000000000000e+00 - - -1.7245341837406158e-01 5.7961738109588623e-01 - -2.6586967706680298e-01 7.2448682785034180e-01 - <_> - 1.2606169700622559e+01 - - 1 2 606 2.5000000000000000e+00 0 -1 607 - 4.5000000000000000e+00 -2 -3 608 230. - - 6.7421162128448486e-01 -9.0937048196792603e-01 - 1.2142854928970337e-01 -8.2504957914352417e-01 - <_> - 1.2318552970886230e+01 - - 1 2 609 5.0000000000000000e-01 0 -1 610 - 7.5000000000000000e+00 -2 -3 611 6.5000000000000000e+00 - - -7.4998068809509277e-01 3.6234694719314575e-01 - -2.8761732578277588e-01 5.9134435653686523e-01 - <_> - 1.2598359107971191e+01 - - 1 2 612 5.3500000000000000e+01 0 -1 613 - 5.5000000000000000e+00 -2 -3 614 10. - - 2.7980631589889526e-01 -1.5065264701843262e-01 - -9.5785999298095703e-01 1. - <_> - 1.2746797561645508e+01 - - 1 2 615 9.3500000000000000e+01 0 -1 616 - 6.5000000000000000e+00 -2 -3 617 8.7500000000000000e+01 - - -6.4821511507034302e-01 -3.9083152078092098e-03 - 6.2614870071411133e-01 -9.2817217111587524e-01 - <_> - 1.2947604179382324e+01 - - 1 2 618 2.7500000000000000e+01 0 -1 619 - 2.5000000000000000e+00 -2 -3 620 1.2500000000000000e+01 - - 6.7048752680420876e-03 -6.5272891521453857e-01 - 4.5032474398612976e-01 -3.6547464132308960e-01 - <_> - 1.2882634162902832e+01 - - 1 2 621 3.1050000000000000e+02 0 -1 622 - 5.6365000000000000e+03 -2 -3 623 1.9500000000000000e+01 - - -6.4969561994075775e-02 5.9627079963684082e-01 - -7.0807337760925293e-01 3.0144539475440979e-01 - <_> - 1.2801805496215820e+01 - - 1 2 624 5.0000000000000000e-01 0 -1 625 - 3.5000000000000000e+00 -2 -3 626 4.5000000000000000e+00 - - -1. 4.1704678535461426e-01 -3.7044116854667664e-01 - 1.8138089776039124e-01 - <_> - 1.2661149978637695e+01 - - 1 2 627 2.0500000000000000e+01 0 -1 628 2163. -2 -3 629 - 4.5000000000000000e+00 - - -1. 1. 3.0944949388504028e-01 -1.4065495133399963e-01 - <_> - 1.2931542396545410e+01 - - 1 2 630 1.0500000000000000e+01 0 -1 631 - 3.2050000000000000e+02 -2 -3 632 5.5350000000000000e+02 - - 2.4613921344280243e-01 -6.1480534076690674e-01 - 5.8146727085113525e-01 -4.4777959585189819e-02 - <_> - 1.2777011871337891e+01 - - 1 2 633 664. 0 -1 634 5.0000000000000000e-01 -2 -3 635 950. - - 4.0263316035270691e-01 -2.1390040218830109e-01 - 9.3719965219497681e-01 -9.1512298583984375e-01 - <_> - 1.3000047683715820e+01 - - 1 2 636 1.0500000000000000e+01 0 -1 637 - 9.5000000000000000e+00 -2 -3 638 3.5000000000000000e+00 - - -5.2459001541137695e-01 9.3095004558563232e-01 - -6.2548005580902100e-01 2.2303572297096252e-01 - <_> - 1.3017802238464355e+01 - - 1 2 639 1455. 0 -1 640 5.5000000000000000e+00 -2 -3 641 - 4.2450000000000000e+02 - - 2.8526142239570618e-01 -2.3395025730133057e-01 - -8.9111810922622681e-01 3.2246455550193787e-01 - <_> - 1.2907553672790527e+01 - - 1 2 642 8.5000000000000000e+00 0 -1 643 152. -2 -3 644 - 4.2500000000000000e+01 - - 1.8225684762001038e-01 -4.7394508123397827e-01 - 6.2302941083908081e-01 -1.1024855077266693e-01 - <_> - 1.3336275100708008e+01 - - 1 2 645 2.0650000000000000e+02 0 -1 646 - 2.2745000000000000e+03 -2 -3 647 1.0150000000000000e+02 - - 4.1937950998544693e-02 -6.0223990678787231e-01 - 7.0876753330230713e-01 -2.9814215376973152e-03 - <_> - 1.3240208625793457e+01 - - 1 2 648 1.8500000000000000e+01 0 -1 649 - 1.5000000000000000e+00 -2 -3 650 2.3150000000000000e+02 - - 1.9967538118362427e-01 -3.7611329555511475e-01 - -4.9610561132431030e-01 5.5267935991287231e-01 - <_> - 1.3167437553405762e+01 - - 1 2 651 5.5000000000000000e+00 0 -1 652 - 1.5500000000000000e+01 -2 -3 653 2.5000000000000000e+00 - - -5.7185417413711548e-01 8.0087751150131226e-01 - 4.4464635848999023e-01 -7.2770901024341583e-02 - <_> - 1.3142944335937500e+01 - - 1 2 654 2.5500000000000000e+01 0 -1 655 - 5.5000000000000000e+00 -2 -3 656 5.5500000000000000e+01 - - -2.4492548778653145e-02 5.5536437034606934e-01 - -7.0375752449035645e-01 5.0477677583694458e-01 - <_> - 1.3294385910034180e+01 - - 1 2 657 2.7500000000000000e+01 0 -1 658 - 3.5000000000000000e+00 -2 -3 659 6.5000000000000000e+00 - - 1.2528835795819759e-02 -6.7173910140991211e-01 - 4.1883945465087891e-01 -2.8822129964828491e-01 - <_> - 1.3392246246337891e+01 - - 1 2 660 7.5000000000000000e+00 0 -1 661 - 2.9500000000000000e+01 -2 -3 662 1.1450000000000000e+02 - - -6.8992421030998230e-02 5.4969501495361328e-01 - -4.4151812791824341e-01 7.0458197593688965e-01 - <_> - 1.3876214027404785e+01 - - 1 2 663 3.5000000000000000e+00 0 -1 664 - 3.1500000000000000e+01 -2 -3 665 9.5000000000000000e+00 - - -2.4815301597118378e-01 6.1503392457962036e-01 - 1.1428022384643555e-01 -4.7265532612800598e-01 - <_> - 1.3927340507507324e+01 - - 1 2 666 6.5000000000000000e+00 0 -1 667 - 5.0000000000000000e-01 -2 -3 668 1.3500000000000000e+01 - - 1.6489420831203461e-01 -4.1367548704147339e-01 - -1.9916613399982452e-01 4.9179160594940186e-01 - <_> - 1.4009963035583496e+01 - - 1 2 669 1.5500000000000000e+01 0 -1 670 - 6.4500000000000000e+01 -2 -3 671 1.4500000000000000e+01 - - -3.2740452885627747e-01 2.9090219736099243e-01 - -3.3407993614673615e-02 -7.3748952150344849e-01 - <_> - 1.4062114715576172e+01 - - 1 2 672 2.9050000000000000e+02 0 -1 673 - 2.9150000000000000e+02 -2 -3 674 9.8500000000000000e+01 - - -6.7245197296142578e-01 5.7694870233535767e-01 - 3.9129734039306641e-01 -1.7993095517158508e-01 - <_> - 1.4075572967529297e+01 - - 1 2 675 5.5000000000000000e+00 0 -1 676 - 9.5000000000000000e+00 -2 -3 677 3.5000000000000000e+00 - - -8.3239459991455078e-01 1. 3.1441810727119446e-01 - -1.7989411950111389e-01 - <_> - 1.4398697853088379e+01 - - 1 2 678 1.7500000000000000e+01 0 -1 679 - 5.0000000000000000e-01 -2 -3 680 214. - - 1.8806569278240204e-01 -3.9947587251663208e-01 - 3.2312503457069397e-01 -8.5158264636993408e-01 - <_> - 1.4362066268920898e+01 - - 1 2 681 3.3500000000000000e+01 0 -1 682 - 8.5000000000000000e+00 -2 -3 683 3.5000000000000000e+00 - - -3.6632146686315536e-02 6.7517954111099243e-01 - 8.0255568027496338e-01 -9.3577671051025391e-01 - <_> - 1.4355202674865723e+01 - - 1 2 684 1.5000000000000000e+00 0 -1 685 19. -2 -3 686 - 2.5000000000000000e+00 - - -8.4508359432220459e-01 9.0682888031005859e-01 - 1.6501218080520630e-01 -3.7748157978057861e-01 - <_> - 1.4331367492675781e+01 - - 1 2 687 3.5500000000000000e+01 0 -1 688 - 1.1500000000000000e+01 -2 -3 689 5.5000000000000000e+00 - - 1.0846425592899323e-01 -3.6513739824295044e-01 - -8.1047779321670532e-01 7.0118898153305054e-01 - <_> - 1.4596327781677246e+01 - - 1 2 690 2.5000000000000000e+00 0 -1 691 498. -2 -3 692 - 2.5000000000000000e+00 - - 9.1571146249771118e-01 -3.8378649950027466e-01 - -6.2768781185150146e-01 2.6496013998985291e-01 - <_> - 1.4494135856628418e+01 - - 1 2 693 5.0000000000000000e-01 0 -1 694 - 6.5000000000000000e+00 -2 -3 695 1.1435000000000000e+03 - - -9.6758538484573364e-01 4.7280657291412354e-01 - 1.4870892465114594e-01 -4.1227847337722778e-01 - <_> - 1.4703800201416016e+01 - - 1 2 696 8.3350000000000000e+02 0 -1 697 - 3.8950000000000000e+02 -2 -3 698 5.6150000000000000e+02 - - -1.4533622562885284e-01 -9.0440070629119873e-01 - 5.5248886346817017e-01 -4.1236154735088348e-02 - <_> - 1.4449706077575684e+01 - - 1 2 699 1.0150000000000000e+02 0 -1 700 - 1.4500000000000000e+01 -2 -3 701 2.5000000000000000e+00 - - 3.7996582686901093e-02 -5.9691846370697021e-01 - 6.3458359241485596e-01 -3.5994444042444229e-02 - <_> - 1.4542603492736816e+01 - - 1 2 702 3.5000000000000000e+00 0 -1 703 - 7.5000000000000000e+00 -2 -3 704 8.4050000000000000e+02 - - 9.2897661030292511e-02 -4.6599259972572327e-01 - 8.1781423091888428e-01 5.6449621915817261e-02 - <_> - 1.4853701591491699e+01 - - 1 2 705 1.5000000000000000e+00 0 -1 706 - 3.5000000000000000e+00 -2 -3 707 5.0000000000000000e-01 - - -5.0090640783309937e-01 3.2296618819236755e-01 - 6.1400991678237915e-01 1.9703503698110580e-02 - <_> - 1.5123150825500488e+01 - - 1 2 708 1.8500000000000000e+01 0 -1 709 - 4.5000000000000000e+00 -2 -3 710 3.5000000000000000e+00 - - -4.9176853895187378e-01 2.8722837567329407e-01 - -9.3597269058227539e-01 2.6944926381111145e-01 - <_> - 1.5157720565795898e+01 - - 1 2 711 5.0000000000000000e-01 0 -1 712 - 6.5000000000000000e+00 -2 -3 713 2.6650000000000000e+02 - - 3.4569710493087769e-02 6.7243850231170654e-01 - 4.1661575436592102e-01 -3.9990743994712830e-01 - <_> - 1.5411670684814453e+01 - - 1 2 714 1.3950000000000000e+02 0 -1 715 - 3.5000000000000000e+00 -2 -3 716 5.5000000000000000e+00 - - -2.3311543464660645e-01 2.9278513789176941e-01 - 4.7947874665260315e-01 -9.8023939132690430e-01 - <_> - 1.5354397773742676e+01 - - 1 2 717 1.9250000000000000e+02 0 -1 718 - 5.0000000000000000e-01 -2 -3 719 26. - - 4.0997236967086792e-01 -9.6107937395572662e-02 - -9.3151968717575073e-01 9.1284751892089844e-01 - <_> - 1.4952895164489746e+01 - - 1 2 720 2.7500000000000000e+01 0 -1 721 297. -2 -3 722 - 5.0000000000000000e-01 - - 5.4114556312561035e-01 -7.0818752050399780e-01 - 2.7803361415863037e-01 -2.0704185962677002e-01 - <_> - 1.5107488632202148e+01 - - 1 2 723 4.5000000000000000e+00 0 -1 724 - 9.2500000000000000e+01 -2 -3 725 5.0000000000000000e-01 - - 1.5459318459033966e-01 -4.8220661282539368e-01 - 2.0991271734237671e-01 -8.7689870595932007e-01 - <_> - 1.5330876350402832e+01 - - 1 2 726 3.5000000000000000e+00 0 -1 727 - 5.0000000000000000e-01 -2 -3 728 5.5000000000000000e+00 - - 1.2667779624462128e-01 -6.8513137102127075e-01 - -5.3112709522247314e-01 2.2338794171810150e-01 - <_> - 1.5734196662902832e+01 - - 1 2 729 1.5000000000000000e+00 0 -1 730 - 2.5000000000000000e+00 -2 -3 731 1.5000000000000000e+00 - - 5.1118248701095581e-01 -8.6829736828804016e-02 - 2.2527997195720673e-01 -4.4369015097618103e-01 - <_> - 1.5614619255065918e+01 - - 1 2 732 5.9500000000000000e+01 0 -1 733 - 2.9500000000000000e+01 -2 -3 734 3.5000000000000000e+00 - - 1.0675737261772156e-01 -6.1698102951049805e-01 - 4.1313454508781433e-01 -1.1957697570323944e-01 - <_> - 1.5535240173339844e+01 - - 1 2 735 5.5750000000000000e+02 0 -1 736 - 9.5450000000000000e+02 -2 -3 737 2.0645000000000000e+03 - - -3.4422600269317627e-01 5.9951692819595337e-01 - -3.8727310299873352e-01 2.4057196080684662e-01 - <_> - 1.5538546562194824e+01 - - 1 2 738 8.0150000000000000e+02 0 -1 739 - 2.6105000000000000e+03 -2 -3 740 3.8450000000000000e+02 - - -8.3982056379318237e-01 8.3161514997482300e-01 - -8.0494666099548340e-01 3.3064079470932484e-03 - <_> - 1.5797479629516602e+01 - - 1 2 741 1.8750000000000000e+02 0 -1 742 2430. -2 -3 743 - 5.0000000000000000e-01 - - -8.2724601030349731e-01 6.6713446378707886e-01 - 2.8536656498908997e-01 -2.8820601105690002e-01 - <_> - 1.5900279045104980e+01 - - 1 2 744 4.5000000000000000e+00 0 -1 745 - 2.5000000000000000e+00 -2 -3 746 5.0000000000000000e-01 - - 7.4607717990875244e-01 -7.1024978160858154e-01 - 5.7188493013381958e-01 -4.2073842138051987e-02 - <_> - 1.5883950233459473e+01 - - 1 2 747 4.0500000000000000e+01 0 -1 748 - 6.5000000000000000e+00 -2 -3 749 5.0000000000000000e-01 - - -1.0276497155427933e-01 4.0130257606506348e-01 1. -1. - <_> - 1.4979964256286621e+01 - - 1 2 750 1.9500000000000000e+01 0 -1 751 - 2.0500000000000000e+01 -2 -3 752 4.6500000000000000e+01 - - -2.2145843505859375e-01 2.5802364945411682e-01 - -9.0398544073104858e-01 4.8689022660255432e-01 - <_> - 1.5194631576538086e+01 - - 1 2 753 1.5000000000000000e+00 0 -1 754 - 3.5000000000000000e+00 -2 -3 755 2.1500000000000000e+01 - - -1.1669741570949554e-01 4.9556133151054382e-01 - 3.7774667143821716e-02 -6.1486494541168213e-01 - <_> - 1.5027575492858887e+01 - - 1 2 756 8.5000000000000000e+00 0 -1 757 - 8.5000000000000000e+00 -2 -3 758 1.3350000000000000e+02 - - -7.2910213470458984e-01 3.1334644556045532e-01 - 2.7376729249954224e-01 -3.3538144826889038e-01 - <_> - 1.5194680213928223e+01 - - 1 0 759 5027. 1 0 759 5027. -1 -2 760 2.5500000000000000e+01 - - -1. -1. -3.6071130633354187e-01 1.6710422933101654e-01 - <_> - 1.5317331314086914e+01 - - 1 2 761 8.5000000000000000e+00 0 -1 762 - 4.5000000000000000e+00 -2 -3 763 4.5000000000000000e+00 - - -3.6038890480995178e-01 4.8649555444717407e-01 - 1.2265116721391678e-01 -4.3468883633613586e-01 - <_> - 1.5516662597656250e+01 - - 1 2 764 5.0000000000000000e-01 0 -1 765 - 2.6500000000000000e+01 -2 -3 766 5.0000000000000000e-01 - - -8.6315697431564331e-01 5.6610745191574097e-01 - 5.4674094915390015e-01 -4.9838803708553314e-02 - <_> - 1.5334324836730957e+01 - - 1 2 767 4.1500000000000000e+01 0 -1 768 - 5.3550000000000000e+02 -2 -3 769 1.0550000000000000e+02 - - 6.0701811313629150e-01 -1.8233808875083923e-01 - 8.4639877080917358e-01 -3.3420971035957336e-01 - <_> - 1.5710937500000000e+01 - - 1 2 770 5.0000000000000000e-01 0 -1 771 - 5.0000000000000000e-01 -2 -3 772 193. - - -3.8640668988227844e-01 4.8309257626533508e-01 - -6.3383340835571289e-01 1.4250018633902073e-02 - <_> - 1.5832213401794434e+01 - - 1 2 773 4.8500000000000000e+01 0 -1 774 - 1.5000000000000000e+00 -2 -3 775 3.1500000000000000e+01 - - -1. 4.6453514695167542e-01 -7.3939657211303711e-01 - 1.4796154573559761e-02 - <_> - 1.5806046485900879e+01 - - 1 2 776 5.0000000000000000e-01 0 -1 777 - 6.5000000000000000e+00 -2 -3 778 1.5500000000000000e+01 - - -1.1508829891681671e-02 5.6221634149551392e-01 - -7.8835546970367432e-01 -8.5773661732673645e-02 - <_> - 1.5770372390747070e+01 - - 1 2 779 2.2500000000000000e+01 0 -1 780 - 1.9500000000000000e+01 -2 -3 781 5.0000000000000000e-01 - - -4.6044223010540009e-02 5.2754670381546021e-01 - 5.3497844934463501e-01 -7.3842519521713257e-01 - <_> - 1.5359473228454590e+01 - - 1 2 782 7.5000000000000000e+00 0 -1 783 - 5.0000000000000000e-01 -2 -3 784 1.5000000000000000e+00 - - 5.4964470863342285e-01 -1.2483406811952591e-01 - 3.7034383416175842e-01 -4.1089901328086853e-01 - <_> - 1.5590619087219238e+01 - - 1 2 785 4.3500000000000000e+01 0 -1 786 - 1.5000000000000000e+00 -2 -3 787 2.2500000000000000e+01 - - 4.0199559926986694e-01 -5.2104234695434570e-01 - -8.3813130855560303e-01 2.3114581406116486e-01 - <_> - 1.5789629936218262e+01 - - 1 2 788 1.6550000000000000e+02 0 -1 789 - 3.5000000000000000e+00 -2 -3 790 1.5550000000000000e+02 - - -2.4781857430934906e-01 1.9901108741760254e-01 - -9.7304773330688477e-01 7.0200401544570923e-01 - <_> - 1.5989371299743652e+01 - - 1 2 791 2.0650000000000000e+02 0 -1 792 - 5.0000000000000000e-01 -2 -3 793 3110. - - 6.3552632927894592e-02 -5.3658276796340942e-01 - 6.2562465667724609e-01 -1.1984360218048096e-01 - <_> - 1.5632120132446289e+01 - - 1 2 794 1.7500000000000000e+01 0 -1 795 - 3.6500000000000000e+01 -2 -3 796 5.5000000000000000e+00 - - -7.1405869722366333e-01 1.5681014955043793e-01 - -7.8313404321670532e-01 1.4654920995235443e-01 - <_> - 1.5941620826721191e+01 - - 1 2 797 616. 0 -1 798 6.5000000000000000e+00 -2 -3 799 - 1.1500000000000000e+01 - - -8.7063086032867432e-01 8.5862129926681519e-01 - -2.3666135966777802e-01 3.0949997901916504e-01 - <_> - 1.6084800720214844e+01 - - 1 2 800 219. 0 -1 801 4.5000000000000000e+00 -2 -3 802 - 3.6500000000000000e+01 - - -6.8690335750579834e-01 1.4317978918552399e-01 - -8.9101696014404297e-01 7.9761099815368652e-01 - <_> - 1.5994973182678223e+01 - - 1 2 803 2.5000000000000000e+00 0 -1 804 - 3.7550000000000000e+02 -2 -3 805 5.0000000000000000e-01 - - 9.4166928529739380e-01 -7.3805016279220581e-01 - 5.3213769197463989e-01 -8.9826993644237518e-02 - <_> - 1.5662853240966797e+01 - - 1 2 806 3.5000000000000000e+00 0 -1 807 - 6.5000000000000000e+00 -2 -3 808 468. - - -2.2272130846977234e-01 3.8207814097404480e-01 - -3.3211985230445862e-01 9.1164916753768921e-01 - <_> - 1.5838563919067383e+01 - - 1 2 809 6.5000000000000000e+00 0 -1 810 646. -2 -3 811 - 7.3500000000000000e+01 - - 5.0928765535354614e-01 -1.2581250071525574e-01 - -4.6567234396934509e-01 1.7571029067039490e-01 - <_> - 1.6171665191650391e+01 - - 1 2 812 2.5000000000000000e+00 0 -1 813 24. -2 -3 814 - 5.0000000000000000e-01 - - -6.1817497014999390e-01 8.6530512571334839e-01 - 3.3310186862945557e-01 -1.2780697643756866e-01 - <_> - 1.5851295471191406e+01 - - 1 2 815 3.9500000000000000e+01 0 -1 816 - 4.8500000000000000e+01 -2 -3 817 851. - - -3.2037055492401123e-01 7.0678859949111938e-01 - -1.3180524110794067e-01 4.8293638229370117e-01 - <_> - 1.6087598800659180e+01 - - 1 2 818 8.8500000000000000e+01 0 -1 819 - 6.4450000000000000e+02 -2 -3 820 4.9500000000000000e+01 - - -8.5365521907806396e-01 2.3630441725254059e-01 - 7.0704340934753418e-01 -4.6923226118087769e-01 - <_> - 1.6363336563110352e+01 - - 1 2 821 2.8150000000000000e+02 0 -1 822 - 2.7895000000000000e+03 -2 -3 823 1.0850000000000000e+02 - - -1.4065095782279968e-01 7.5202518701553345e-01 - -3.9883279800415039e-01 2.7573746442794800e-01 - <_> - 1.6588956832885742e+01 - - 1 2 824 5.0000000000000000e-01 0 -1 825 - 1.1500000000000000e+01 -2 -3 826 5.5000000000000000e+00 - - -8.1318140029907227e-01 4.3003699183464050e-01 - 2.2561977803707123e-01 -3.0686858296394348e-01 - <_> - 1.6775182723999023e+01 - - 1 2 827 4.1250000000000000e+02 0 -1 828 - 1.5000000000000000e+00 -2 -3 829 3.8450000000000000e+02 - - -4.6817734837532043e-01 2.1098636090755463e-01 - 8.0670994520187378e-01 -5.8135390281677246e-01 - <_> - 1.6856193542480469e+01 - - 1 2 830 5.0000000000000000e-01 0 -1 831 - 1.2500000000000000e+01 -2 -3 832 3.5000000000000000e+00 - - -2.8672289848327637e-01 6.1958354711532593e-01 - 8.1012040376663208e-02 -4.5567196607589722e-01 - <_> - 1.7051292419433594e+01 - - 1 2 833 1.8500000000000000e+01 0 -1 834 - 1.2450000000000000e+02 -2 -3 835 4.5000000000000000e+00 - - 4.2621921747922897e-02 -7.6019698381423950e-01 - -5.0678414106369019e-01 1.9509740173816681e-01 - <_> - 1.6998657226562500e+01 - - 1 2 836 8.5000000000000000e+00 0 -1 837 - 4.5000000000000000e+00 -2 -3 838 1.5050000000000000e+02 - - 6.6981112957000732e-01 -7.7394820749759674e-02 - -5.9851008653640747e-01 -2.3549804463982582e-02 - <_> - 1.7141326904296875e+01 - - 1 2 839 5.5000000000000000e+00 0 -1 840 - 2.6500000000000000e+01 -2 -3 841 1737. - - -4.8677769303321838e-01 3.9110738039016724e-01 - 2.7351859211921692e-01 -5.6498247385025024e-01 - <_> - 1.7101375579833984e+01 - - 1 2 842 1.0150000000000000e+02 0 -1 843 - 5.0000000000000000e-01 -2 -3 844 899. - - 3.0308917164802551e-01 -4.4189167022705078e-01 - 9.3633669614791870e-01 8.8033325970172882e-02 - <_> - 1.7200811386108398e+01 - - 1 2 845 5.0000000000000000e-01 0 -1 846 42. -2 -3 847 - 2.1350000000000000e+02 - - 2.7510833740234375e-01 -7.5726032257080078e-01 - -4.3352231383323669e-01 2.1154280006885529e-01 - <_> - 1.7079784393310547e+01 - - 1 2 848 5.5000000000000000e+00 0 -1 849 20. -2 -3 850 - 7.5000000000000000e+00 - - -9.7573763132095337e-01 2.8162035346031189e-01 - 3.6659198999404907e-01 -1.2102800607681274e-01 - <_> - 1.7073648452758789e+01 - - 1 2 851 1.1500000000000000e+01 0 -1 852 17. -2 -3 853 - 1.0500000000000000e+01 - - -8.6597007513046265e-01 7.9339522123336792e-01 - -6.1342595145106316e-03 8.5101735591888428e-01 - <_> - 1.7690402984619141e+01 - - 1 2 854 4.5000000000000000e+00 0 -1 855 - 2.2500000000000000e+01 -2 -3 856 4.9500000000000000e+01 - - 1.3958141207695007e-02 6.5386813879013062e-01 - -1.2044989317655563e-01 -9.2647463083267212e-01 - <_> - 1.7552139282226562e+01 - - 1 2 857 6.7250000000000000e+02 0 -1 858 255. -2 -3 859 - 8.1500000000000000e+01 - - 7.4523144960403442e-01 -7.1219885349273682e-01 - 1.7446618527173996e-02 -6.2030416727066040e-01 - <_> - 1.7826660156250000e+01 - - 1 2 860 2.6500000000000000e+01 0 -1 861 - 5.0000000000000000e-01 -2 -3 862 8.5000000000000000e+00 - - 2.6728147268295288e-01 -4.4572594761848450e-01 - -7.3989224433898926e-01 2.7452003955841064e-01 - <_> - 1.7716260910034180e+01 - - 1 2 863 2.9050000000000000e+02 0 -1 864 - 4.3500000000000000e+01 -2 -3 865 1.5000000000000000e+00 - - -6.7486357688903809e-01 5.5104964971542358e-01 - 3.6211666464805603e-01 -1.1039795726537704e-01 - <_> - 1.7527446746826172e+01 - - 1 2 866 8.5000000000000000e+00 0 -1 867 - 1.1500000000000000e+01 -2 -3 868 4.5000000000000000e+00 - - -4.3785366415977478e-01 1.7071330547332764e-01 - 4.2691925168037415e-01 -3.4452387690544128e-01 - <_> - 1.7498483657836914e+01 - - 1 2 869 1.3850000000000000e+02 0 -1 870 - 4.6500000000000000e+01 -2 -3 871 1.3500000000000000e+01 - - 4.4523417949676514e-01 -4.4731280207633972e-01 - -8.1189721822738647e-01 -2.8963508084416389e-02 - <_> - 1.7594804763793945e+01 - - 1 2 872 9.5000000000000000e+00 0 -1 873 - 4.5000000000000000e+00 -2 -3 874 2.5000000000000000e+00 - - 2.5354215875267982e-02 -6.9031453132629395e-01 - 6.6937547922134399e-01 -1.8369350582361221e-02 - <_> - 1.7741346359252930e+01 - - 1 2 875 5.3500000000000000e+01 0 -1 876 - 2.5000000000000000e+00 -2 -3 877 7. - - -7.9686230421066284e-01 1.4654204249382019e-01 - 6.7961549758911133e-01 -8.0987089872360229e-01 - <_> - 1.7493940353393555e+01 - - 1 2 878 1.5000000000000000e+00 0 -1 879 - 4.5000000000000000e+00 -2 -3 880 2.7850000000000000e+02 - - -4.4610077142715454e-01 6.3808631896972656e-01 - 2.9086035490036011e-01 -3.3009988069534302e-01 - <_> - 1.7796676635742188e+01 - - 1 2 881 3.5000000000000000e+00 0 -1 882 - 1.4500000000000000e+01 -2 -3 883 9.9550000000000000e+02 - - -3.7948560714721680e-01 3.0273652076721191e-01 - -2.0024552941322327e-01 4.5401337742805481e-01 - <_> - 1.7816259384155273e+01 - - 1 2 884 5.0000000000000000e-01 0 -1 885 - 2.5000000000000000e+00 -2 -3 886 2.0450000000000000e+02 - - -6.4229112863540649e-01 3.8051229715347290e-01 - 1.9582625478506088e-02 -6.1875140666961670e-01 - <_> - 1.8269836425781250e+01 - - 1 2 887 2.0650000000000000e+02 0 -1 888 - 3.2500000000000000e+01 -2 -3 889 8.5000000000000000e+00 - - -9.3007892370223999e-02 -8.1624692678451538e-01 - -3.7598320841789246e-01 4.5357686281204224e-01 - <_> - 1.8564132690429688e+01 - - 1 2 890 5.0000000000000000e-01 0 -1 891 - 5.0000000000000000e-01 -2 -3 892 5.0000000000000000e-01 - - -2.9174187779426575e-01 6.4155840873718262e-01 - 2.9429650306701660e-01 -2.9134511947631836e-01 - <_> - 1.8538108825683594e+01 - - 1 2 893 4.5000000000000000e+00 0 -1 894 - 3.6500000000000000e+01 -2 -3 895 5.0000000000000000e-01 - - -2.6023799553513527e-02 -7.2857677936553955e-01 - -5.0230020284652710e-01 4.2321056127548218e-01 - <_> - 1.8706319808959961e+01 - - 1 2 896 3.5000000000000000e+00 0 -1 897 - 1.3500000000000000e+01 -2 -3 898 1.0500000000000000e+01 - - -8.4947246313095093e-01 1.8297985196113586e-01 - -6.2586158514022827e-01 1.6820982098579407e-01 - <_> - 1.8353506088256836e+01 - - 1 2 899 5.0000000000000000e-01 0 -1 900 - 1.4500000000000000e+01 -2 -3 901 1.3500000000000000e+01 - - -3.8173475861549377e-01 3.7457469105720520e-01 - -3.5281360149383545e-01 5.2393311262130737e-01 - <_> - 1.7990430831909180e+01 - - 1 2 902 5.0000000000000000e-01 0 -1 903 - 7.6500000000000000e+01 -2 -3 904 2.1350000000000000e+02 - - 3.9235761761665344e-01 -4.3086987733840942e-01 - -3.6307579278945923e-01 2.6121103763580322e-01 - <_> - 1.7641067504882812e+01 - - 1 2 905 5.1950000000000000e+02 0 -1 906 - 7.6450000000000000e+02 -2 -3 907 2.5000000000000000e+00 - - -6.7761904001235962e-01 9.2178511619567871e-01 - 1.1485935747623444e-01 -3.4936183691024780e-01 - <_> - 1.8007766723632812e+01 - - 1 2 908 8.5000000000000000e+00 0 -1 909 - 6.5000000000000000e+00 -2 -3 910 1.4250000000000000e+02 - - 4.2121639847755432e-01 -7.9783517122268677e-01 - 3.6669909954071045e-01 -8.5580341517925262e-02 - <_> - 1.7631553649902344e+01 - - 1 2 911 1.0500000000000000e+01 0 -1 912 - 5.0000000000000000e-01 -2 -3 913 1.4500000000000000e+01 - - 2.6670908927917480e-01 -3.7621408700942993e-01 - -6.2516123056411743e-01 4.7545883059501648e-01 - <_> - 1.7849103927612305e+01 - - 1 2 914 2.1500000000000000e+01 0 -1 915 - 1.9450000000000000e+02 -2 -3 916 6.1715000000000000e+03 - - -3.8722166419029236e-01 2.1755173802375793e-01 - -8.4401416778564453e-01 1.5962296724319458e-01 - <_> - 1.8148504257202148e+01 - - 1 2 917 2.9950000000000000e+02 0 -1 918 - 1.1977500000000000e+04 -2 -3 919 5.0000000000000000e-01 - - 2.7477404475212097e-01 -7.4366313219070435e-01 - 2.9939907789230347e-01 -4.3714806437492371e-01 - <_> - 1.8520885467529297e+01 - - 1 2 920 6.4500000000000000e+01 0 -1 921 - 5.0000000000000000e-01 -2 -3 922 1.2500000000000000e+01 - - 6.9857753813266754e-02 -4.7508594393730164e-01 - 3.7238201498985291e-01 -7.4164247512817383e-01 - <_> - 1.8834211349487305e+01 - - 1 2 923 8.6500000000000000e+01 0 -1 924 - 8.9500000000000000e+01 -2 -3 925 1.7445000000000000e+03 - - -8.0918049812316895e-01 1. -1.6057571768760681e-01 - 3.1332454085350037e-01 - <_> - 1.8351465225219727e+01 - - 1 2 926 5.8350000000000000e+02 0 -1 927 - 7.5000000000000000e+00 -2 -3 928 481. - - 4.6060821413993835e-01 -6.7813009023666382e-02 - -4.8274511098861694e-01 6.9861322641372681e-01 - <_> - 1.8501985549926758e+01 - - 1 2 929 1.5000000000000000e+00 0 -1 930 - 2.5000000000000000e+00 -2 -3 931 1.0050000000000000e+02 - - -8.9331996440887451e-01 4.0598359704017639e-01 - -4.1995242238044739e-01 1.5051996707916260e-01 - <_> - 1.8696071624755859e+01 - - 1 2 932 2.3050000000000000e+02 0 -1 933 - 3.5000000000000000e+00 -2 -3 934 5.0000000000000000e-01 - - -3.3542561531066895e-01 1.9408614933490753e-01 1. - -9.5072054862976074e-01 - <_> - 1.8607995986938477e+01 - - 1 2 935 2.5000000000000000e+00 0 -1 936 - 1.5000000000000000e+00 -2 -3 937 1.2500000000000000e+01 - - 5.4928588867187500e-01 -2.4268487468361855e-02 - -8.3902990818023682e-01 -8.8076196610927582e-02 - <_> - 1.8578538894653320e+01 - - 1 2 938 3549. 0 -1 939 3.2050000000000000e+02 -2 -3 940 - 6461. - - -2.9456844553351402e-02 8.3224558830261230e-01 1. - -9.5387804508209229e-01 - <_> - 1.8958681106567383e+01 - - 1 2 941 7.5000000000000000e+00 0 -1 942 - 3.1550000000000000e+02 -2 -3 943 3.5000000000000000e+00 - - -7.5887119770050049e-01 7.0706927776336670e-01 - 3.8014331459999084e-01 -1.1943070590496063e-01 - <_> - 1.8760652542114258e+01 - - 1 2 944 3.3500000000000000e+01 0 -1 945 - 5.5000000000000000e+00 -2 -3 946 4.5000000000000000e+00 - - -7.5789099931716919e-01 7.9995310306549072e-01 - 2.9564496874809265e-01 -1.9802929461002350e-01 - <_> - 1.8639022827148438e+01 - - 1 2 947 5.0000000000000000e-01 0 -1 948 - 5.5500000000000000e+01 -2 -3 949 2.7950000000000000e+02 - - -8.5202199220657349e-01 6.9410562515258789e-01 - 3.6203834414482117e-01 -1.2163019925355911e-01 - <_> - 1.8766536712646484e+01 - - 1 2 950 3.5000000000000000e+00 0 -1 951 - 1.5000000000000000e+00 -2 -3 952 42. - - -9.3982005119323730e-01 1.2751524150371552e-01 - 6.3139563798904419e-01 -7.6969057321548462e-01 - <_> - 1.9183019638061523e+01 - - 1 2 953 5.0000000000000000e-01 0 -1 954 - 5.1500000000000000e+01 -2 -3 955 1.5000000000000000e+00 - - 4.1648134589195251e-01 -8.8983547687530518e-01 - 9.5907759666442871e-01 -2.4271501600742340e-01 - <_> - 1.9610746383666992e+01 - - 1 2 956 2.0450000000000000e+02 0 -1 957 - 9.5000000000000000e+00 -2 -3 958 4.2850000000000000e+02 - - 1.3211338222026825e-01 -4.8846188187599182e-01 - 4.2772728204727173e-01 -6.5411061048507690e-01 - <_> - 1.9917108535766602e+01 - - 1 2 959 3.9500000000000000e+01 0 -1 960 - 3.4150000000000000e+02 -2 -3 961 1.5000000000000000e+00 - - -1.6529877483844757e-01 -9.6143603324890137e-01 - -2.8269404172897339e-01 3.0636185407638550e-01 - <_> - 1.9404857635498047e+01 - - 1 2 962 1.5000000000000000e+00 0 -1 963 - 5.0000000000000000e-01 -2 -3 964 1.5000000000000000e+00 - - 3.8518258929252625e-01 -1.9976606965065002e-01 - 3.1995189189910889e-01 -5.1225066184997559e-01 - <_> - 2.0154628753662109e+01 - - 1 2 965 2.2500000000000000e+01 0 -1 966 - 1.5000000000000000e+00 -2 -3 967 1.5500000000000000e+01 - - 4.7032272815704346e-01 -3.5649308562278748e-01 - 7.4977207183837891e-01 5.0952531397342682e-02 - <_> - 2.0107938766479492e+01 - - 1 2 968 1.1500000000000000e+01 0 -1 969 - 9.5000000000000000e+00 -2 -3 970 5.0000000000000000e-01 - - -8.9147239923477173e-01 7.6516920328140259e-01 - 4.5234966278076172e-01 -4.6691324561834335e-02 - <_> - 2.0402862548828125e+01 - - 1 2 971 8.5000000000000000e+00 0 -1 972 - 5.5000000000000000e+00 -2 -3 973 3.5000000000000000e+00 - - -4.7490122914314270e-01 2.9843258857727051e-01 - -4.5378142595291138e-01 2.9492387175559998e-01 - <_> - 2.0257144927978516e+01 - - 1 2 974 1.5500000000000000e+01 0 -1 975 - 5.0000000000000000e-01 -2 -3 976 4.3500000000000000e+01 - - 3.1388428807258606e-01 -1.4571745693683624e-01 - -7.5251871347427368e-01 6.9722115993499756e-01 - <_> - 2.0529319763183594e+01 - - 1 2 977 1.5000000000000000e+00 0 -1 978 - 1.5000000000000000e+00 -2 -3 979 2.5000000000000000e+00 - - -5.2027046680450439e-01 2.7217444777488708e-01 - 4.6654894948005676e-01 -4.6129345893859863e-01 - <_> - 2.0874372482299805e+01 - - 1 2 980 9.6500000000000000e+01 0 -1 981 - 1.9165000000000000e+03 -2 -3 982 8.5000000000000000e+00 - - -2.2539170086383820e-01 6.6775095462799072e-01 - -3.7017312645912170e-01 1.4091856777667999e-01 - <_> - 2.0993101119995117e+01 - - 1 2 983 8.9500000000000000e+01 0 -1 984 - 2.2850000000000000e+02 -2 -3 985 811. - - -9.4379550218582153e-01 1.1872769892215729e-01 1. - -9.5742899179458618e-01 - <_> - 2.0633829116821289e+01 - - 1 2 986 4.5000000000000000e+00 0 -1 987 - 2.5000000000000000e+00 -2 -3 988 2.5000000000000000e+00 - - -9.2427527904510498e-01 2.3482735455036163e-01 - 4.5335689187049866e-01 -4.4699901342391968e-01 - <_> - 2.0826599121093750e+01 - - 1 2 989 4.9500000000000000e+01 0 -1 990 - 4.5000000000000000e+00 -2 -3 991 4.8500000000000000e+01 - - 1.9276854395866394e-01 -4.7601845860481262e-01 - -2.1918711066246033e-01 4.9042212963104248e-01 - <_> - 2.1078292846679688e+01 - - 1 2 992 4.5000000000000000e+00 0 -1 993 - 5.5500000000000000e+01 -2 -3 994 4.5000000000000000e+00 - - 2.6589986681938171e-01 -6.8663871288299561e-01 - -4.7653216123580933e-01 3.5789057612419128e-01 - <_> - 2.0846752166748047e+01 - - 1 2 995 2.5500000000000000e+01 0 -1 996 - 2.5000000000000000e+00 -2 -3 997 9.5000000000000000e+00 - - -4.0679597854614258e-01 7.6525181531906128e-02 - -4.4665309786796570e-01 7.5682783126831055e-01 - <_> - 2.1128168106079102e+01 - - 1 2 998 1.9450000000000000e+02 0 -1 999 - 7.9250000000000000e+02 -2 -3 1000 1.9450000000000000e+02 - - 4.8146584630012512e-01 -6.7968618869781494e-01 - 5.6917864084243774e-01 -4.0854610502719879e-02 - <_> - 2.1430679321289062e+01 - - 1 2 1001 1.3250000000000000e+02 0 -1 1002 - 1.5000000000000000e+00 -2 -3 1003 3.8500000000000000e+01 - - 6.9865274429321289e-01 -3.9771077036857605e-01 - -5.0634521245956421e-01 5.4503116756677628e-02 - <_> - 2.1460109710693359e+01 - - 1 2 1004 2.1150000000000000e+02 0 -1 1005 898. -2 -3 1006 - 95. - - -3.4796665422618389e-03 -6.2917459011077881e-01 - 5.9274631738662720e-01 -7.7559250593185425e-01 - <_> - 2.1738679885864258e+01 - - 1 2 1007 9.5000000000000000e+00 0 -1 1008 - 1.2500000000000000e+01 -2 -3 1009 2.8450000000000000e+02 - - 2.7857103943824768e-01 -3.2522264122962952e-01 - -7.0976269245147705e-01 -3.1888559460639954e-02 - <_> - 2.1714611053466797e+01 - - 1 2 1010 2.0500000000000000e+01 0 -1 1011 - 1.7550000000000000e+02 -2 -3 1012 1.3950000000000000e+02 - - 4.7277057170867920e-01 -7.4925351142883301e-01 - 4.6757832169532776e-01 -9.6052125096321106e-02 - <_> - 2.1671428680419922e+01 - - 1 2 1013 1.3015000000000000e+03 0 -1 1014 - 4.5000000000000000e+00 -2 -3 1015 1.4250000000000000e+02 - - 7.6744452118873596e-02 -5.5534267425537109e-01 - 7.4648100137710571e-01 -4.3182671070098877e-02 - <_> - 2.1580698013305664e+01 - - 1 2 1016 1.3500000000000000e+01 0 -1 1017 - 8.5000000000000000e+00 -2 -3 1018 1.1500000000000000e+01 - - -5.0190782546997070e-01 1.9962008297443390e-01 - 4.6641969680786133e-01 -1.8569506704807281e-01 - <_> - 2.1765819549560547e+01 - - 1 2 1019 8.2500000000000000e+01 0 -1 1020 - 4.5000000000000000e+00 -2 -3 1021 2.8050000000000000e+02 - - -4.4983270764350891e-01 1.8512135744094849e-01 - 4.3670821189880371e-01 -7.7668732404708862e-01 - <_> - 2.1940675735473633e+01 - - 1 2 1022 5.0000000000000000e-01 0 -1 1023 - 3.5000000000000000e+00 -2 -3 1024 3.4500000000000000e+01 - - -6.2042754888534546e-01 4.7864294052124023e-01 - -3.8229328393936157e-01 3.0125352740287781e-01 - <_> - 2.2267677307128906e+01 - - 1 2 1025 8.5000000000000000e+00 0 -1 1026 - 2.8500000000000000e+01 -2 -3 1027 1.5000000000000000e+00 - - -3.4308344125747681e-01 3.2700043916702271e-01 - 2.8009243309497833e-02 -6.5551960468292236e-01 - <_> - 2.2207328796386719e+01 - - 1 2 1028 2.5000000000000000e+00 0 -1 1029 - 3.5000000000000000e+00 -2 -3 1030 1.1215000000000000e+03 - - 5.3718221187591553e-01 -1.2088337540626526e-01 - 1.5861311554908752e-01 -3.9377096295356750e-01 - <_> - 2.2471664428710938e+01 - - 1 2 1031 2.9050000000000000e+02 0 -1 1032 - 5.9450000000000000e+02 -2 -3 1033 4.1450000000000000e+02 - - -6.4998543262481689e-01 7.1848845481872559e-01 - 2.6433640718460083e-01 -3.9302077889442444e-01 - <_> - 2.2527078628540039e+01 - - 1 2 1034 7.5000000000000000e+00 0 -1 1035 - 2.5000000000000000e+00 -2 -3 1036 2.2605000000000000e+03 - - -9.3585616350173950e-01 -4.2096305638551712e-02 - -7.0427574217319489e-02 4.3294385075569153e-01 - <_> - 2.2606931686401367e+01 - - 1 2 1037 1.0500000000000000e+01 0 -1 1038 - 2.8750000000000000e+02 -2 -3 1039 1.1500000000000000e+01 - - 1.1093313246965408e-01 -3.9183530211448669e-01 - 6.3532203435897827e-01 -5.7091873884201050e-01 - <_> - 2.2367671966552734e+01 - - 1 2 1040 1.5500000000000000e+01 0 -1 1041 - 1.6500000000000000e+01 -2 -3 1042 1.7500000000000000e+01 - - -1.6724117100238800e-01 4.4530591368675232e-01 - -4.3550294637680054e-01 1.9026978313922882e-01 - <_> - 2.2205213546752930e+01 - - 1 2 1043 5.0000000000000000e-01 0 -1 1044 - 1.1500000000000000e+01 -2 -3 1045 1.1905000000000000e+03 - - -4.4692027568817139e-01 3.8084071874618530e-01 - -4.8567453026771545e-01 2.7033451199531555e-01 - <_> - 2.2693662643432617e+01 - - 1 2 1046 6.5000000000000000e+00 0 -1 1047 - 1.5000000000000000e+00 -2 -3 1048 3.5500000000000000e+01 - - 4.8754628747701645e-02 -4.7193619608879089e-01 - 5.7730108499526978e-01 -3.6538568139076233e-01 - <_> - 2.2709083557128906e+01 - - 1 2 1049 2.7795000000000000e+03 0 -1 1050 - 5.0000000000000000e-01 -2 -3 1051 5.0000000000000000e-01 - - -6.2101531028747559e-01 1.1589990556240082e-01 1. -1. - <_> - 2.2808294296264648e+01 - - 1 2 1052 5.3950000000000000e+02 0 -1 1053 500. -2 -3 1054 - 1.5000000000000000e+00 - - -8.5519909858703613e-01 6.6525626182556152e-01 - 9.6477895975112915e-02 -3.8266643881797791e-01 - <_> - 2.2709251403808594e+01 - - 1 2 1055 2.8500000000000000e+01 0 -1 1056 - 9.5000000000000000e+00 -2 -3 1057 1.7850000000000000e+02 - - -3.0039480328559875e-01 2.3731714487075806e-01 - 5.5204099416732788e-01 -1. - <_> - 2.2883974075317383e+01 - - 1 2 1058 1.5000000000000000e+00 0 -1 1059 - 4.7650000000000000e+02 -2 -3 1060 3.5000000000000000e+00 - - 3.1513065099716187e-01 -6.7278760671615601e-01 - 4.8823799937963486e-02 -5.3364491462707520e-01 - <_> - 2.2645736694335938e+01 - - 1 2 1061 2.1500000000000000e+01 0 -1 1062 - 1.0150000000000000e+02 -2 -3 1063 1.5500000000000000e+01 - - -3.7698954343795776e-01 9.1966107487678528e-02 - -1.9366940855979919e-01 6.3159108161926270e-01 - <_> - 2.2804265975952148e+01 - - 1 2 1064 1.4500000000000000e+01 0 -1 1065 - 6.5000000000000000e+00 -2 -3 1066 31. - - -4.2572322487831116e-01 2.5687438249588013e-01 - -4.0757122635841370e-01 8.0108904838562012e-01 - <_> - 2.2991754531860352e+01 - - 1 2 1067 7.5000000000000000e+00 0 -1 1068 - 3.5000000000000000e+00 -2 -3 1069 2.5000000000000000e+00 - - -2.2490467131137848e-01 3.3885499835014343e-01 - 3.8232448697090149e-01 -4.9994280934333801e-01 - <_> - 2.2915760040283203e+01 - - 1 2 1070 1.0500000000000000e+01 0 -1 1071 - 2.5000000000000000e+00 -2 -3 1072 43. - - -2.2366788983345032e-01 2.6461529731750488e-01 - -6.6056483983993530e-01 6.4644366502761841e-01 - <_> - 2.3167186737060547e+01 - - 1 2 1073 1.5000000000000000e+00 0 -1 1074 - 3.5000000000000000e+00 -2 -3 1075 1.5500000000000000e+01 - - -1. 4.9131840467453003e-01 -4.0733695030212402e-01 - 9.9567189812660217e-02 - <_> - 2.2755411148071289e+01 - - 1 2 1076 1.5000000000000000e+00 0 -1 1077 - 4.5000000000000000e+00 -2 -3 1078 1.5000000000000000e+00 - - -7.5926685333251953e-01 3.4496614336967468e-01 - 1.2074087560176849e-01 -5.2481061220169067e-01 - <_> - 2.2953344345092773e+01 - - 1 2 1079 2.8150000000000000e+02 0 -1 1080 - 4.1650000000000000e+02 -2 -3 1081 6.9350000000000000e+02 - - -3.3359700441360474e-01 5.3399580717086792e-01 - 8.4570676088333130e-01 -3.3458182215690613e-01 - <_> - 2.3368593215942383e+01 - - 1 2 1082 227. 0 -1 1083 1.0550000000000000e+02 -2 -3 1084 - 4.4650000000000000e+02 - - -7.3385640978813171e-02 4.1524896025657654e-01 - -9.4336360692977905e-01 1. - <_> - 2.3024780273437500e+01 - - 1 2 1085 5.2550000000000000e+02 0 -1 1086 - 4.2150000000000000e+02 -2 -3 1087 3.0500000000000000e+01 - - -1.6232274472713470e-02 6.8589657545089722e-01 - -6.7987442016601562e-01 7.3400551080703735e-01 - <_> - 2.3133411407470703e+01 - - 1 2 1088 2.5000000000000000e+00 0 -1 1089 - 1.5000000000000000e+00 -2 -3 1090 5.5000000000000000e+00 - - -3.0522230267524719e-01 5.5176895856857300e-01 - -2.5108471512794495e-01 4.3696498870849609e-01 - <_> - 2.2578367233276367e+01 - - 1 2 1091 3.6500000000000000e+01 0 -1 1092 26. -2 -3 1093 - 3.1500000000000000e+01 - - 8.0150479078292847e-01 -8.8337904214859009e-01 - 1.4003737270832062e-01 -8.9142149686813354e-01 - <_> - 2.2617025375366211e+01 - - 1 2 1094 1.1500000000000000e+01 0 -1 1095 - 6.8500000000000000e+01 -2 -3 1096 4.0500000000000000e+01 - - -4.8602235317230225e-01 3.8658622652292252e-02 - 9.1023242473602295e-01 -3.9350971579551697e-01 - <_> - 2.2626764297485352e+01 - - 1 2 1097 3.7050000000000000e+02 0 -1 1098 - 4.8150000000000000e+02 -2 -3 1099 1.1500000000000000e+01 - - -1. 7.9611843824386597e-01 -7.0780706405639648e-01 - 9.7384164109826088e-03 - <_> - 2.2082014083862305e+01 - - 1 2 1100 2.5000000000000000e+00 0 -1 1101 - 6.5000000000000000e+00 -2 -3 1102 5.0000000000000000e-01 - - -5.9881603717803955e-01 2.6402229070663452e-01 - 5.0668692588806152e-01 -5.4474925994873047e-01 - <_> - 2.2490549087524414e+01 - - 1 2 1103 5.0000000000000000e-01 0 -1 1104 - 5.0000000000000000e-01 -2 -3 1105 4.8500000000000000e+01 - - -4.8074820637702942e-01 4.0853387117385864e-01 - -3.7592467665672302e-01 5.0597894191741943e-01 - <_> - 2.2812757492065430e+01 - - 1 2 1106 4.0500000000000000e+01 0 -1 1107 - 1.0500000000000000e+01 -2 -3 1108 8.0050000000000000e+02 - - -8.0385506153106689e-01 3.2220870256423950e-01 - 6.9755470752716064e-01 -3.9865970611572266e-01 - <_> - 2.2352939605712891e+01 - - 1 2 1109 1.2500000000000000e+01 0 -1 1110 - 1.5000000000000000e+00 -2 -3 1111 1.5000000000000000e+00 - - 2.1285776793956757e-01 -4.5981806516647339e-01 - 4.1973820328712463e-01 -2.2565999627113342e-01 - <_> - 2.2610305786132812e+01 - - 1 2 1112 2.0500000000000000e+01 0 -1 1113 - 1.5000000000000000e+00 -2 -3 1114 29. - - -2.0439949631690979e-01 2.5736668705940247e-01 - -9.8827475309371948e-01 7.2147792577743530e-01 - <_> - 2.2741743087768555e+01 - - 1 2 1115 3.5000000000000000e+00 0 -1 1116 - 4.8500000000000000e+01 -2 -3 1117 3.5500000000000000e+01 - - -9.4092458486557007e-02 5.6227135658264160e-01 - -5.6600910425186157e-01 1.3143694400787354e-01 - <_> - 2.2782821655273438e+01 - - 1 2 1118 5.6500000000000000e+01 0 -1 1119 - 3.3150000000000000e+02 -2 -3 1120 6.5000000000000000e+00 - - 4.1078153997659683e-02 8.1302630901336670e-01 - -7.2408193349838257e-01 2.5323694944381714e-01 - <_> - 2.2561285018920898e+01 - - 1 2 1121 1.5000000000000000e+00 0 -1 1122 - 6.5000000000000000e+00 -2 -3 1123 1.5000000000000000e+00 - - -8.3376455307006836e-01 -1.1895341426134109e-01 - 3.2173439860343933e-01 -2.2153630852699280e-01 - <_> - 2.2957450866699219e+01 - - 1 2 1124 1.5000000000000000e+00 0 -1 1125 - 7.6950000000000000e+02 -2 -3 1126 1.3500000000000000e+01 - - -5.0485479831695557e-01 4.8193752765655518e-01 - -2.8308025002479553e-01 3.9616531133651733e-01 - <_> - 2.3185138702392578e+01 - - 1 2 1127 5.5000000000000000e+00 0 -1 1128 - 4.5000000000000000e+00 -2 -3 1129 1.4050000000000000e+02 - - -7.7944564819335938e-01 3.1965014338493347e-01 - 2.2768935561180115e-01 -4.3597799539566040e-01 - <_> - 2.3197412490844727e+01 - - 1 2 1130 2.5000000000000000e+00 0 -1 1131 - 2.5000000000000000e+00 -2 -3 1132 8.5000000000000000e+00 - - 5.9841811656951904e-02 -7.1680092811584473e-01 - 6.8867534399032593e-01 1.2272221967577934e-02 - <_> - 2.3383518218994141e+01 - - 1 2 1133 9.5000000000000000e+00 0 -1 1134 - 1.0115000000000000e+03 -2 -3 1135 1.3500000000000000e+01 - - -7.5907582044601440e-01 5.5666831322014332e-03 - -6.5333795547485352e-01 1.8610689043998718e-01 - <_> - 2.4061538696289062e+01 - - 1 2 1136 3.5500000000000000e+01 0 -1 1137 - 1.5000000000000000e+00 -2 -3 1138 8.5000000000000000e+00 - - 6.7802059650421143e-01 -4.0095943212509155e-01 - -8.5392379760742188e-01 -2.6821995154023170e-02 - <_> - 2.4534542083740234e+01 - - 1 2 1139 1.2350000000000000e+02 0 -1 1140 - 2.9500000000000000e+01 -2 -3 1141 4.5000000000000000e+00 - - -7.6275803148746490e-02 4.7300234436988831e-01 - -9.2102265357971191e-01 1.5679582953453064e-01 - <_> - 2.4849668502807617e+01 - - 1 2 1142 4.5000000000000000e+00 0 -1 1143 - 1.5000000000000000e+00 -2 -3 1144 1.2500000000000000e+01 - - -7.1332806348800659e-01 -1.8122823908925056e-02 - 7.0794415473937988e-01 -2.4113529920578003e-01 - <_> - 2.4467212677001953e+01 - - 1 2 1145 4.1850000000000000e+02 0 -1 1146 - 8.5000000000000000e+00 -2 -3 1147 2945. - - 2.2338098287582397e-01 -3.8245588541030884e-01 - 7.1123474836349487e-01 -3.3307316899299622e-01 - <_> - 2.4749870300292969e+01 - - 1 2 1148 2.2500000000000000e+01 0 -1 1149 - 1.9500000000000000e+01 -2 -3 1150 3.5000000000000000e+00 - - 3.2208207249641418e-01 -4.9405458569526672e-01 - -6.4639550447463989e-01 2.8265854716300964e-01 - <_> - 2.5424608230590820e+01 - - 1 2 1151 2.8150000000000000e+02 0 -1 1152 - 4.2850000000000000e+02 -2 -3 1153 3.5000000000000000e+00 - - 1.4349616132676601e-02 8.4566748142242432e-01 - -9.5824217796325684e-01 -1.0716012120246887e-01 - <_> - 2.4834630966186523e+01 - - 1 2 1154 8.5000000000000000e+00 0 -1 1155 - 5.5000000000000000e+00 -2 -3 1156 5.0000000000000000e-01 - - 2.1508189383894205e-03 5.6899297237396240e-01 - 6.4855700731277466e-01 -6.4779657125473022e-01 - <_> - 2.4929552078247070e+01 - - 1 2 1157 7.5000000000000000e+00 0 -1 1158 - 4.5000000000000000e+00 -2 -3 1159 5.0000000000000000e-01 - - 9.4921566545963287e-02 -4.8822158575057983e-01 - 6.4119017124176025e-01 -2.8962375596165657e-02 - <_> - 2.4881700515747070e+01 - - 1 2 1160 9.1500000000000000e+01 0 -1 1161 - 2.5500000000000000e+01 -2 -3 1162 1122. - - -4.7852240502834320e-02 5.2576094865798950e-01 1. -1. - <_> - 2.5097393035888672e+01 - - 1 2 1163 1.7150000000000000e+02 0 -1 1164 - 3.4500000000000000e+01 -2 -3 1165 2.5500000000000000e+01 - - -2.1177834272384644e-01 2.1569216251373291e-01 - -9.0615940093994141e-01 1. - <_> - 2.5430635452270508e+01 - - 1 2 1166 5.5000000000000000e+00 0 -1 1167 - 5.0000000000000000e-01 -2 -3 1168 3.5000000000000000e+00 - - 6.0626584291458130e-01 -4.2933013290166855e-02 - 1.2032220512628555e-01 -4.5643520355224609e-01 - <_> - 2.4833143234252930e+01 - - 1 2 1169 6.5000000000000000e+00 0 -1 1170 - 2.5000000000000000e+00 -2 -3 1171 2.0050000000000000e+02 - - 1.9587014615535736e-01 -8.7051421403884888e-01 - -2.0953345298767090e-01 2.9975613951683044e-01 - <_> - 2.5055957794189453e+01 - - 1 2 1172 1.7415000000000000e+03 0 -1 1173 - 1.0500000000000000e+01 -2 -3 1174 1.1750000000000000e+02 - - -3.2608142495155334e-01 2.2281394898891449e-01 - -8.6601722240447998e-01 5.6492161750793457e-01 - <_> - 2.5411783218383789e+01 - - 1 2 1175 1.9500000000000000e+01 0 -1 1176 - 1.5000000000000000e+00 -2 -3 1177 1.4500000000000000e+01 - - -2.2238333523273468e-01 3.5582524538040161e-01 - 9.7925044596195221e-02 -5.7895737886428833e-01 - <_> - 2.5232561111450195e+01 - - 1 2 1178 5.5000000000000000e+00 0 -1 1179 - 3.5000000000000000e+00 -2 -3 1180 1.5000000000000000e+00 - - -1. 1.0744545608758926e-01 2.4408946931362152e-01 - -1.7922264337539673e-01 - <_> - 2.5592079162597656e+01 - - 1 2 1181 8.5000000000000000e+00 0 -1 1182 - 3.7750000000000000e+02 -2 -3 1183 1.7450000000000000e+02 - - 3.5951843857765198e-01 -2.5438147783279419e-01 - 5.8976590633392334e-01 -6.4009445905685425e-01 - <_> - 2.5460926055908203e+01 - - 1 2 1184 2.8350000000000000e+02 0 -1 1185 - 1.5885000000000000e+03 -2 -3 1186 2.2500000000000000e+01 - - -1.3115195930004120e-01 5.7663148641586304e-01 - -8.3647221326828003e-01 -5.5450040847063065e-02 - <_> - 2.4983026504516602e+01 - - 1 2 1187 5.0000000000000000e-01 0 -1 1188 - 1.8500000000000000e+01 -2 -3 1189 3.4650000000000000e+02 - - 5.0644135475158691e-01 -1. -4.7790014743804932e-01 - 5.8962784707546234e-02 - <_> - 2.4962465286254883e+01 - - 1 2 1190 3.8250000000000000e+02 0 -1 1191 - 9.5000000000000000e+00 -2 -3 1192 8.5950000000000000e+02 - - 5.8645974844694138e-02 -9.5598822832107544e-01 - 7.1161812543869019e-01 -2.0562157034873962e-02 - <_> - 2.4795219421386719e+01 - - 1 2 1193 2.8500000000000000e+01 0 -1 1194 - 1.5000000000000000e+00 -2 -3 1195 1.7500000000000000e+01 - - 2.9913264513015747e-01 -1.6724526882171631e-01 - -8.8783025741577148e-01 1. - <_> - 2.4997814178466797e+01 - - 1 2 1196 1.4500000000000000e+01 0 -1 1197 43. -2 -3 1198 - 3.5000000000000000e+00 - - -4.6730864048004150e-01 1. -9.0318864583969116e-01 - 2.0259493589401245e-01 - <_> - 2.5250741958618164e+01 - - 1 2 1199 5.5000000000000000e+00 0 -1 1200 - 1.7500000000000000e+01 -2 -3 1201 9.8500000000000000e+01 - - 2.5292718410491943e-01 -5.6624042987823486e-01 - -4.7334527969360352e-01 7.5167727470397949e-01 - <_> - 2.5597959518432617e+01 - - 1 2 1202 1.5000000000000000e+00 0 -1 1203 - 4.5000000000000000e+00 -2 -3 1204 5.0000000000000000e-01 - - 5.2678531408309937e-01 -7.2871202230453491e-01 - 3.4721735119819641e-01 -1.4052625000476837e-01 - <_> - 2.6015928268432617e+01 - - 1 2 1205 3.3500000000000000e+01 0 -1 1206 - 1.5000000000000000e+00 -2 -3 1207 3.5000000000000000e+00 - - 7.1335107088088989e-01 -6.8683260679244995e-01 - 4.1797044873237610e-01 -7.5381346046924591e-02 - <_> - 2.6080852508544922e+01 - - 1 2 1208 1.9450000000000000e+02 0 -1 1209 - 3.4500000000000000e+01 -2 -3 1210 5.0000000000000000e-01 - - -6.0427057743072510e-01 5.5709409713745117e-01 - 3.4673354029655457e-01 -1.8051835894584656e-01 - <_> - 2.6467638015747070e+01 - - 1 2 1211 2.5115000000000000e+03 0 -1 1212 - 8.5000000000000000e+00 -2 -3 1213 2.0850000000000000e+02 - - -8.5619848966598511e-01 4.9012210965156555e-01 - -4.2894706130027771e-01 1.0497479885816574e-01 - <_> - 2.6485155105590820e+01 - - 1 2 1214 9.6650000000000000e+02 0 -1 1215 - 3.2550000000000000e+02 -2 -3 1216 2.4500000000000000e+01 - - 1.7517041414976120e-02 7.9495114088058472e-01 - 7.8716523945331573e-02 -8.8528424501419067e-01 - <_> - 2.6288461685180664e+01 - - 1 2 1217 2.7915000000000000e+03 0 -1 1218 - 4.5000000000000000e+00 -2 -3 1219 4.5000000000000000e+00 - - -1.9669318199157715e-01 2.9254439473152161e-01 - -8.2664072513580322e-01 2.2074800729751587e-01 - <_> - 2.6351388931274414e+01 - - 1 2 1220 1.5000000000000000e+00 0 -1 1221 - 2.5000000000000000e+00 -2 -3 1222 7.5000000000000000e+00 - - -4.2111295461654663e-01 4.7202318906784058e-01 - -8.8099575042724609e-01 -7.9371139407157898e-02 - <_> - 2.6195323944091797e+01 - - 1 2 1223 9.5000000000000000e+00 0 -1 1224 - 4.3650000000000000e+02 -2 -3 1225 6.2500000000000000e+01 - - 6.2379628419876099e-01 -3.6856892704963684e-01 - -5.6515967845916748e-01 -2.9386903624981642e-03 - <_> - 2.6427618026733398e+01 - - 1 2 1226 5.6500000000000000e+01 0 -1 1227 - 1.8500000000000000e+01 -2 -3 1228 5.0000000000000000e-01 - - -3.6606630682945251e-01 2.3229379951953888e-01 - 4.9491932988166809e-01 -7.3755401372909546e-01 - <_> - 2.6300844192504883e+01 - - 1 2 1229 6.1500000000000000e+01 0 -1 1230 - 4.1750000000000000e+02 -2 -3 1231 5.5000000000000000e+00 - - -4.9513667821884155e-01 7.5124400854110718e-01 - 2.2448441386222839e-01 -2.7989912033081055e-01 - <_> - 2.6734531402587891e+01 - - 1 2 1232 2.9500000000000000e+01 0 -1 1233 280. -2 -3 1234 - 5.0000000000000000e-01 - - 1.1864694952964783e-01 -6.6632729768753052e-01 - 4.5777958631515503e-01 -8.0784313380718231e-02 - <_> - 2.6800367355346680e+01 - - 1 2 1235 4.1265000000000000e+03 0 -1 1236 - 5.0000000000000000e-01 -2 -3 1237 7.8500000000000000e+01 - - 3.9412322640419006e-01 -3.0951443314552307e-01 - -9.7793340682983398e-01 4.3862605094909668e-01 - <_> - 2.6887401580810547e+01 - - 1 2 1238 350. 0 -1 1239 7.5000000000000000e+00 -2 -3 1240 - 2.2350000000000000e+02 - - 8.7033271789550781e-02 -3.6893099546432495e-01 - 9.4931793212890625e-01 -1. - <_> - 2.7101215362548828e+01 - - 1 2 1241 5.5000000000000000e+00 0 -1 1242 - 3.5000000000000000e+00 -2 -3 1243 6.4500000000000000e+01 - - -8.3407133817672729e-01 6.2552863359451294e-01 - 2.1381312608718872e-01 -3.0896508693695068e-01 - <_> - 2.7130867004394531e+01 - - 1 2 1244 2.6500000000000000e+01 0 -1 1245 - 1.0350000000000000e+02 -2 -3 1246 17. - - 2.9652552679181099e-02 -4.6722367405891418e-01 - -9.2275160551071167e-01 9.4599908590316772e-01 - <_> - 2.7444198608398438e+01 - - 1 2 1247 1.5000000000000000e+00 0 -1 1248 9. -2 -3 1249 - 5.0000000000000000e-01 - - -9.2614519596099854e-01 1. 3.1333214044570923e-01 - -1.0745179653167725e-01 - <_> - 2.7101421356201172e+01 - - 1 2 1250 5.0000000000000000e-01 0 -1 1251 - 5.9500000000000000e+01 -2 -3 1252 1.5500000000000000e+01 - - -3.9119881391525269e-01 3.8085353374481201e-01 - -3.4277844429016113e-01 5.1453381776809692e-01 - <_> - 2.7595775604248047e+01 - - 1 2 1253 1.5000000000000000e+00 0 -1 1254 - 1.6855000000000000e+03 -2 -3 1255 7.5000000000000000e+00 - - 4.9557527899742126e-01 -1.8799009919166565e-01 - 4.2001377791166306e-02 -5.3131079673767090e-01 - <_> - 2.7920442581176758e+01 - - 1 2 1256 788. 0 -1 1257 8.5000000000000000e+00 -2 -3 1258 - 7.5000000000000000e+00 - - 4.2728736996650696e-01 -5.2986663579940796e-01 - -4.7308242321014404e-01 3.2466796040534973e-01 - <_> - 2.7709392547607422e+01 - - 1 2 1259 4.0450000000000000e+02 0 -1 1260 - 9.5000000000000000e+00 -2 -3 1261 1.0895000000000000e+03 - - -1. 6.6353029012680054e-01 5.8117783069610596e-01 - -2.1105107665061951e-01 - <_> - 2.7577920913696289e+01 - - 1 2 1262 2.0750000000000000e+02 0 -1 1263 - 5.0000000000000000e-01 -2 -3 1264 1.0650000000000000e+02 - - 2.2170700132846832e-01 -3.8288524746894836e-01 - 4.9027836322784424e-01 -3.9834201335906982e-01 - <_> - 2.7649755477905273e+01 - - 1 2 1265 4.5000000000000000e+00 0 -1 1266 - 4.5000000000000000e+00 -2 -3 1267 6.0500000000000000e+01 - - -5.5156159400939941e-01 7.1834795176982880e-02 - 3.5335651040077209e-01 -7.6608622074127197e-01 - <_> - 2.7592519760131836e+01 - - 1 2 1268 107. 0 -1 1269 2.1500000000000000e+01 -2 -3 1270 - 5.1500000000000000e+01 - - -5.7235393673181534e-02 6.3974326848983765e-01 - -8.9891165494918823e-01 8.4132647514343262e-01 - <_> - 2.8039279937744141e+01 - - 1 2 1271 1.9650000000000000e+02 0 -1 1272 - 1.9150000000000000e+02 -2 -3 1273 1.5000000000000000e+00 - - -6.8037152290344238e-01 4.0258809924125671e-01 - 4.4676044583320618e-01 -3.5154557228088379e-01 - <_> - 2.8309566497802734e+01 - - 1 2 1274 1.5500000000000000e+01 0 -1 1275 - 2.7950000000000000e+02 -2 -3 1276 1.2500000000000000e+01 - - 1.2468610703945160e-01 -4.9273210763931274e-01 - 3.2381328940391541e-01 -5.3833800554275513e-01 - <_> - 2.8425289154052734e+01 - - 1 2 1277 2.5000000000000000e+00 0 -1 1278 - 5.5000000000000000e+00 -2 -3 1279 1.4500000000000000e+01 - - -9.7587949037551880e-01 6.4044964313507080e-01 - 1.9836525619029999e-01 -2.7098080515861511e-01 - <_> - 2.8559995651245117e+01 - - 1 2 1280 2.5500000000000000e+01 0 -1 1281 - 2.3500000000000000e+01 -2 -3 1282 2.2500000000000000e+01 - - 2.2615139186382294e-01 -8.1296950578689575e-01 - -6.1625677347183228e-01 1.3470700383186340e-01 - <_> - 2.8543394088745117e+01 - - 1 2 1283 2.5000000000000000e+00 0 -1 1284 - 8.5000000000000000e+00 -2 -3 1285 2.1250000000000000e+02 - - -8.9228659868240356e-01 4.5488858222961426e-01 - -3.4728524088859558e-01 2.5915831327438354e-01 - <_> - 2.8494907379150391e+01 - - 1 2 1286 1.2500000000000000e+01 0 -1 1287 - 1.4500000000000000e+01 -2 -3 1288 4.5000000000000000e+00 - - -4.8487342894077301e-02 4.5671224594116211e-01 - -6.9567614793777466e-01 2.2189494967460632e-01 - <_> - 2.8800910949707031e+01 - - 1 2 1289 9.5000000000000000e+00 0 -1 1290 - 5.9150000000000000e+02 -2 -3 1291 2.9450000000000000e+02 - - 4.2912089824676514e-01 -2.9302126169204712e-01 - -5.0501853227615356e-01 1.8034780025482178e-01 - <_> - 2.8596752166748047e+01 - - 1 2 1292 4.2500000000000000e+01 0 -1 1293 - 5.5000000000000000e+00 -2 -3 1294 7.8500000000000000e+01 - - 1.2166477739810944e-01 -3.2727557420730591e-01 - 8.2486468553543091e-01 -5.0142651796340942e-01 - <_> - 2.8626392364501953e+01 - - 1 2 1295 2.5000000000000000e+00 0 -1 1296 - 3.5000000000000000e+00 -2 -3 1297 1.1500000000000000e+01 - - -7.7770340442657471e-01 6.9287467002868652e-01 - -8.0658948421478271e-01 1.8084625899791718e-01 - <_> - 2.8708953857421875e+01 - - 1 0 1298 3.3725000000000000e+03 1 0 1298 3.3725000000000000e+03 -1 -2 1299 - 8.8500000000000000e+01 - - -1. -1. 8.2561485469341278e-02 -5.9142053127288818e-01 - <_> - 2.8768381118774414e+01 - - 1 2 1300 3.5000000000000000e+00 0 -1 1301 - 5.0000000000000000e-01 -2 -3 1302 1.5500000000000000e+01 - - 5.9427969157695770e-02 -4.2056742310523987e-01 - -9.8931659013032913e-03 8.4051847457885742e-01 - <_> - 2.9076734542846680e+01 - - 1 2 1303 9.5000000000000000e+00 0 -1 1304 - 2.5000000000000000e+00 -2 -3 1305 3.1500000000000000e+01 - - -1.9572173058986664e-01 3.3956131339073181e-01 - -6.8136513233184814e-01 5.0462640821933746e-02 - <_> - 2.8759977340698242e+01 - - 1 2 1306 5.5000000000000000e+00 0 -1 1307 - 4.5500000000000000e+01 -2 -3 1308 1.7500000000000000e+01 - - 4.8079681396484375e-01 -2.0112591981887817e-01 - -3.1675732135772705e-01 6.5385729074478149e-01 - <_> - 2.9039993286132812e+01 - - 1 2 1309 2.4500000000000000e+01 0 -1 1310 - 5.0000000000000000e-01 -2 -3 1311 8.8500000000000000e+01 - - 3.5188516974449158e-01 -4.6550124883651733e-01 - 2.8001558780670166e-01 -9.2857027053833008e-01 - <_> - 2.8505546569824219e+01 - - 1 2 1312 4.5000000000000000e+00 0 -1 1313 - 5.5000000000000000e+00 -2 -3 1314 3.6500000000000000e+01 - - -8.4169548749923706e-01 3.0654165148735046e-01 - -5.6565535068511963e-01 7.2410300374031067e-02 - <_> - 2.8419874191284180e+01 - - 1 2 1315 7.5000000000000000e+00 0 -1 1316 - 1.5000000000000000e+00 -2 -3 1317 1.9650000000000000e+02 - - -2.4478438496589661e-01 3.8954260945320129e-01 - -7.9576337337493896e-01 -8.5671968758106232e-02 - <_> - 2.8579849243164062e+01 - - 1 2 1318 5.2150000000000000e+02 0 -1 1319 - 1.0489500000000000e+04 -2 -3 1320 2.5000000000000000e+00 - - -9.2212122678756714e-01 9.0178871154785156e-01 - -3.1562241911888123e-01 1.5997636318206787e-01 - <_> - 2.8459320068359375e+01 - - 1 2 1321 1.5000000000000000e+00 0 -1 1322 - 5.0000000000000000e-01 -2 -3 1323 1.5000000000000000e+00 - - 1. -8.4853529930114746e-01 3.9166802167892456e-01 - -1.2053045630455017e-01 - <_> - 2.8431394577026367e+01 - - 1 2 1324 7.5000000000000000e+00 0 -1 1325 - 1.5000000000000000e+00 -2 -3 1326 1.1500000000000000e+01 - - -6.6120177507400513e-01 -2.7925388887524605e-02 - 5.5075007677078247e-01 -1.0082748532295227e-01 - <_> - 2.8410589218139648e+01 - - 1 2 1327 5.0000000000000000e-01 0 -1 1328 - 3.9795000000000000e+03 -2 -3 1329 1.0850000000000000e+02 - - -7.1049576997756958e-01 3.9087232947349548e-01 - -3.5268875956535339e-01 3.9845284819602966e-01 - <_> - 2.8433393478393555e+01 - - 1 2 1330 1.4050000000000000e+02 0 -1 1331 - 1.1395000000000000e+03 -2 -3 1332 2.7850000000000000e+02 - - 2.2805029526352882e-02 7.5605183839797974e-01 - 8.0587834119796753e-01 -3.1199476122856140e-01 - <_> - 2.8450145721435547e+01 - - 1 2 1333 1.5000000000000000e+00 0 -1 1334 - 1.6500000000000000e+01 -2 -3 1335 66. - - -6.0126043856143951e-02 5.0909739732742310e-01 - -4.1120404005050659e-01 8.8414204120635986e-01 - <_> - 2.8767240524291992e+01 - - 1 2 1336 1.9250000000000000e+02 0 -1 1337 - 6.5000000000000000e+00 -2 -3 1338 5.0000000000000000e-01 - - -1.9290012121200562e-01 3.1709375977516174e-01 - 7.3394829034805298e-01 -8.9523345232009888e-01 - <_> - 2.8702144622802734e+01 - - 1 2 1339 1.7500000000000000e+01 0 -1 1340 - 5.9500000000000000e+01 -2 -3 1341 1.4500000000000000e+01 - - -6.5095275640487671e-02 5.5785542726516724e-01 - -1.1056717485189438e-01 -9.8700886964797974e-01 - <_> - 2.9059293746948242e+01 - - 1 2 1342 5.0000000000000000e-01 0 -1 1343 - 4.5500000000000000e+01 -2 -3 1344 1.5000000000000000e+00 - - 3.5714986920356750e-01 -7.6953470706939697e-01 - 2.2187548875808716e-01 -3.9218652248382568e-01 - <_> - 2.9209346771240234e+01 - - 1 2 1345 2.5000000000000000e+00 0 -1 1346 - 3.5000000000000000e+00 -2 -3 1347 2.5000000000000000e+00 - - -7.3074096441268921e-01 -1.4095039805397391e-03 - -2.0701825618743896e-01 3.2750377058982849e-01 - <_> - 2.9597459793090820e+01 - - 1 2 1348 4.5000000000000000e+00 0 -1 1349 - 2.5000000000000000e+00 -2 -3 1350 2.6500000000000000e+01 - - -7.1926873922348022e-01 3.8811251521110535e-01 - -5.9947311878204346e-01 4.5066747814416885e-02 - <_> - 2.9683750152587891e+01 - - 1 2 1351 3.0065000000000000e+03 0 -1 1352 - 2.5000000000000000e+00 -2 -3 1353 28. - - 2.7020177245140076e-01 -2.1698342263698578e-01 - -6.7762559652328491e-01 1. - <_> - 2.9320285797119141e+01 - - 1 2 1354 1.0150000000000000e+02 0 -1 1355 - 1.4500000000000000e+01 -2 -3 1356 7.2250000000000000e+02 - - 7.8379042446613312e-02 -5.4737460613250732e-01 - 4.7727963328361511e-01 -3.0317762494087219e-01 - <_> - 2.9167158126831055e+01 - - 1 2 1357 1.6500000000000000e+01 0 -1 1358 - 7.5000000000000000e+00 -2 -3 1359 1.5000000000000000e+00 - - -8.1418055295944214e-01 2.5399097800254822e-01 - 3.6157444119453430e-01 -1.5312907099723816e-01 - <_> - 2.8848419189453125e+01 - - 1 2 1360 1.6655000000000000e+03 0 -1 1361 2034. -2 -3 1362 - 5.0000000000000000e-01 - - 5.0075697898864746e-01 -6.3801389932632446e-01 - 2.4804645776748657e-01 -3.1873735785484314e-01 - <_> - 2.9447010040283203e+01 - - 1 2 1363 8.5000000000000000e+00 0 -1 1364 4233. -2 -3 1365 - 7.5000000000000000e+00 - - -4.1500657796859741e-01 2.0234003663063049e-01 - 5.9859085083007812e-01 -6.2637329101562500e-02 - <_> - 2.9621536254882812e+01 - - 1 2 1366 2.8500000000000000e+01 0 -1 1367 - 6.5000000000000000e+00 -2 -3 1368 9.5000000000000000e+00 - - -3.5707628726959229e-01 5.3847658634185791e-01 - 6.6506719589233398e-01 -8.9059453457593918e-03 - <_> - 2.9310569763183594e+01 - - 1 2 1369 1.5000000000000000e+00 0 -1 1370 - 3.5000000000000000e+00 -2 -3 1371 5.0000000000000000e-01 - - -3.1096714735031128e-01 5.4285377264022827e-01 - 2.7238297462463379e-01 -3.5304248332977295e-01 - <_> - 2.9590980529785156e+01 - - 1 2 1372 3.5000000000000000e+00 0 -1 1373 - 2.1050000000000000e+02 -2 -3 1374 92. - - 5.3505009412765503e-01 -5.9452915191650391e-01 - 2.8041049838066101e-01 -5.0162929296493530e-01 - <_> - 2.9814289093017578e+01 - - 1 2 1375 2.0500000000000000e+01 0 -1 1376 - 2.4500000000000000e+01 -2 -3 1377 3.0250000000000000e+02 - - 8.2163912057876587e-01 -8.8399130105972290e-01 - 2.2330832481384277e-01 -2.4669396877288818e-01 - <_> - 2.9326959609985352e+01 - - 1 2 1378 2.0450000000000000e+02 0 -1 1379 - 3.5000000000000000e+00 -2 -3 1380 1.0150000000000000e+02 - - 1.2511831521987915e-01 -4.8732957243919373e-01 - 5.5693435668945312e-01 -8.8121764361858368e-02 - <_> - 2.9750629425048828e+01 - - 1 2 1381 5.0000000000000000e-01 0 -1 1382 - 6.6500000000000000e+01 -2 -3 1383 4.2500000000000000e+01 - - 4.2367118597030640e-01 -6.9602817296981812e-01 - -3.0880212783813477e-01 5.4164516925811768e-01 - <_> - 3.0155447006225586e+01 - - 1 2 1384 1.5000000000000000e+00 0 -1 1385 - 1.5000000000000000e+00 -2 -3 1386 6.5250000000000000e+02 - - -1.1533217877149582e-01 5.3498321771621704e-01 - 7.6679694652557373e-01 -3.2542830705642700e-01 - <_> - 3.0284055709838867e+01 - - 1 2 1387 8.5000000000000000e+00 0 -1 1388 - 3.2500000000000000e+01 -2 -3 1389 7.5000000000000000e+00 - - -4.8155191540718079e-01 9.3192115426063538e-02 - -7.9174178838729858e-01 3.6954385042190552e-01 - <_> - 3.0242467880249023e+01 - - 1 2 1390 377. 0 -1 1391 2.1500000000000000e+01 -2 -3 1392 - 7.2500000000000000e+01 - - -9.5957934856414795e-01 1. 1.7622567713260651e-01 - -4.1268944740295410e-01 - <_> - 3.0572156906127930e+01 - - 1 2 1393 5.0000000000000000e-01 0 -1 1394 - 3.5000000000000000e+00 -2 -3 1395 5.0000000000000000e-01 - - -4.0002107620239258e-01 4.2895126342773438e-01 - 2.3685966432094574e-01 -4.2866301536560059e-01 - <_> - 3.0457502365112305e+01 - - 1 2 1396 4.5000000000000000e+00 0 -1 1397 - 1.6250000000000000e+02 -2 -3 1398 5.0000000000000000e-01 - - -9.6815794706344604e-01 8.4674382209777832e-01 - 3.9578998088836670e-01 -1.1465511471033096e-01 - <_> - 3.0213840484619141e+01 - - 1 2 1399 1.0500000000000000e+01 0 -1 1400 - 1.2500000000000000e+01 -2 -3 1401 3.7500000000000000e+01 - - -2.4366129934787750e-01 3.7467244267463684e-01 - 7.1891885995864868e-01 -8.4162598848342896e-01 - <_> - 3.0744232177734375e+01 - - 1 2 1402 4.1500000000000000e+01 0 -1 1403 - 8.1500000000000000e+01 -2 -3 1404 1.3500000000000000e+01 - - -4.4227573275566101e-01 7.8069388866424561e-01 - -4.0449675917625427e-01 1.1648512631654739e-01 - <_> - 3.1348308563232422e+01 - - 1 2 1405 6.5000000000000000e+00 0 -1 1406 - 2.5000000000000000e+00 -2 -3 1407 2.7350000000000000e+02 - - 6.0407727956771851e-01 -7.3400579392910004e-02 - 4.1362971067428589e-01 -5.1575213670730591e-01 - <_> - 3.1235607147216797e+01 - - 1 2 1408 2.5000000000000000e+00 0 -1 1409 - 1.5000000000000000e+00 -2 -3 1410 1.6500000000000000e+01 - - -9.3220674991607666e-01 2.5101718306541443e-01 - -1.1270266026258469e-01 3.8758441805839539e-01 - <_> - 3.1384792327880859e+01 - - 1 2 1411 1.5000000000000000e+00 0 -1 1412 - 5.0000000000000000e-01 -2 -3 1413 5.5000000000000000e+00 - - -5.2711343765258789e-01 3.9250954985618591e-01 - -6.3318008184432983e-01 -4.6615589410066605e-02 - <_> - 3.1738409042358398e+01 - - 1 2 1414 5.5000000000000000e+00 0 -1 1415 - 4.5000000000000000e+00 -2 -3 1416 1.5000000000000000e+00 - - -4.7144132852554321e-01 3.7160307168960571e-01 - 1.1029309034347534e-01 -5.2341604232788086e-01 - <_> - 3.1525688171386719e+01 - - 1 2 1417 2.7500000000000000e+01 0 -1 1418 - 2.3750000000000000e+02 -2 -3 1419 549. - - 4.2861595749855042e-01 -2.9767978191375732e-01 - -2.2094106674194336e-01 5.4825913906097412e-01 - <_> - 3.1673740386962891e+01 - - 1 2 1420 1.5000000000000000e+00 0 -1 1421 - 4.9500000000000000e+01 -2 -3 1422 2.9050000000000000e+02 - - -8.7654346227645874e-01 1. -4.0255749225616455e-01 - 2.0044519007205963e-01 - <_> - 3.1621431350708008e+01 - - 1 2 1423 4.7150000000000000e+02 0 -1 1424 - 1.2725000000000000e+03 -2 -3 1425 2.5000000000000000e+00 - - 6.5338832139968872e-01 -9.5602899789810181e-01 - 2.4892359972000122e-01 -2.9016712307929993e-01 - <_> - 3.1906398773193359e+01 - - 1 2 1426 1.7450000000000000e+02 0 -1 1427 - 2.5000000000000000e+00 -2 -3 1428 9.5000000000000000e+00 - - -1.8344168365001678e-01 2.8496730327606201e-01 - -7.7526789903640747e-01 9.1641843318939209e-01 - <_> - 3.1950384140014648e+01 - - 1 2 1429 3.5000000000000000e+00 0 -1 1430 - 4.2950000000000000e+02 -2 -3 1431 4.5000000000000000e+00 - - 4.3984048068523407e-02 -5.2791535854339600e-01 - -4.3941143155097961e-01 4.2989644408226013e-01 - <_> - 3.1539623260498047e+01 - - 1 2 1432 1.4500000000000000e+01 0 -1 1433 - 7.2500000000000000e+01 -2 -3 1434 1.0500000000000000e+01 - - -7.7415037155151367e-01 2.2627775371074677e-01 - 4.7551122307777405e-01 -5.0471997261047363e-01 - <_> - 3.1797233581542969e+01 - - 1 2 1435 6.3500000000000000e+01 0 -1 1436 - 1.0850000000000000e+02 -2 -3 1437 2.9500000000000000e+01 - - 1.0805023461580276e-01 -5.7090175151824951e-01 - 2.5760993361473083e-01 -9.4147402048110962e-01 - <_> - 3.1993934631347656e+01 - - 1 2 1438 5.0000000000000000e-01 0 -1 1439 - 8.5000000000000000e+00 -2 -3 1440 2.1500000000000000e+01 - - -9.1666507720947266e-01 2.8140199184417725e-01 - -3.5136243700981140e-01 5.8392471075057983e-01 - <_> - 3.1840326309204102e+01 - - 1 2 1441 5.0000000000000000e-01 0 -1 1442 - 1.1500000000000000e+01 -2 -3 1443 9.5000000000000000e+00 - - -4.9454715847969055e-01 5.0047302246093750e-01 - -2.3830898106098175e-01 6.4585840702056885e-01 - <_> - 3.2244338989257812e+01 - - 1 2 1444 3.0500000000000000e+01 0 -1 1445 - 6.5000000000000000e+00 -2 -3 1446 1.5000000000000000e+00 - - -7.4317447841167450e-02 4.1323140263557434e-01 - 8.8791429996490479e-01 -5.5340951681137085e-01 - <_> - 3.1874242782592773e+01 - - 1 2 1447 3.5000000000000000e+00 0 -1 1448 - 2.1500000000000000e+01 -2 -3 1449 5.0000000000000000e-01 - - 3.4473064541816711e-01 -8.1799471378326416e-01 - 1.6169716417789459e-01 -4.3674921989440918e-01 - <_> - 3.2102954864501953e+01 - - 1 2 1450 3.5000000000000000e+00 0 -1 1451 - 9.5000000000000000e+00 -2 -3 1452 5.5000000000000000e+00 - - 1. -8.5720342397689819e-01 2.2871300578117371e-01 - -2.1341961622238159e-01 - <_> - 3.2401298522949219e+01 - - 1 2 1453 200. 0 -1 1454 5.0000000000000000e-01 -2 -3 1455 - 2.8950000000000000e+02 - - 3.7498253583908081e-01 -7.6661145687103271e-01 - 2.9834258556365967e-01 -1.9752407073974609e-01 - <_> - 3.2551811218261719e+01 - - 1 2 1456 5.0000000000000000e-01 0 -1 1457 - 7.5000000000000000e+00 -2 -3 1458 3.8450000000000000e+02 - - -8.7189918756484985e-01 7.6164549589157104e-01 - -5.3731578588485718e-01 1.5051148831844330e-01 - <_> - 3.2488182067871094e+01 - - 1 2 1459 1.1500000000000000e+01 0 -1 1460 - 2.9500000000000000e+01 -2 -3 1461 3.5000000000000000e+00 - - -7.3691195249557495e-01 3.8235971331596375e-01 - 3.9164143800735474e-01 -9.9554806947708130e-02 - <_> - 3.2482566833496094e+01 - - 1 2 1462 3.2500000000000000e+01 0 -1 1463 - 1.9350000000000000e+02 -2 -3 1464 1.5000000000000000e+00 - - 6.4678239822387695e-01 -4.1009801626205444e-01 - 6.7378622293472290e-01 -2.0099114626646042e-02 - <_> - 3.2707458496093750e+01 - - 1 2 1465 4.5000000000000000e+00 0 -1 1466 - 6.5000000000000000e+00 -2 -3 1467 4.5000000000000000e+00 - - 2.5011846423149109e-01 -3.5912483930587769e-01 - -5.8069908618927002e-01 5.2788341045379639e-01 - <_> - 3.2913391113281250e+01 - - 1 2 1468 6.5000000000000000e+00 0 -1 1469 - 5.0000000000000000e-01 -2 -3 1470 7.5000000000000000e+00 - - 1.8070517480373383e-01 -3.1766068935394287e-01 - -3.3772376179695129e-01 7.4420511722564697e-01 - <_> - 3.2734760284423828e+01 - - 1 2 1471 5.7550000000000000e+02 0 -1 1472 - 3.7550000000000000e+02 -2 -3 1473 6.5000000000000000e+00 - - -1. 5.9613960981369019e-01 -1.8499724566936493e-01 - 6.4883458614349365e-01 - <_> - 3.2690444946289062e+01 - - 1 2 1474 7.5000000000000000e+00 0 -1 1475 - 1.4750000000000000e+02 -2 -3 1476 1.5000000000000000e+00 - - -8.9465433359146118e-01 5.9437677264213562e-02 - 5.1306140422821045e-01 -4.4315967708826065e-02 - <_> - 3.2958328247070312e+01 - - 1 2 1477 1.3500000000000000e+01 0 -1 1478 - 9.5000000000000000e+00 -2 -3 1479 7.7500000000000000e+01 - - -5.6634312868118286e-01 4.1094091534614563e-01 - 2.8711420297622681e-01 -4.4429847598075867e-01 - <_> - 3.2698860168457031e+01 - - 1 2 1480 5.0000000000000000e-01 0 -1 1481 - 2.1500000000000000e+01 -2 -3 1482 2.5000000000000000e+00 - - 3.7188944220542908e-01 -5.5644994974136353e-01 - 2.1933442354202271e-01 -4.9837693572044373e-01 - <_> - 3.3325595855712891e+01 - - 1 2 1483 1.3500000000000000e+01 0 -1 1484 - 1.6500000000000000e+01 -2 -3 1485 2.2500000000000000e+01 - - -2.3853626102209091e-02 -8.3327960968017578e-01 - 7.2281765937805176e-01 -9.6086347103118896e-01 - <_> - 3.3551895141601562e+01 - - 1 2 1486 4.2500000000000000e+01 0 -1 1487 - 1.6500000000000000e+01 -2 -3 1488 3113. - - 1.6587443649768829e-01 -7.2913789749145508e-01 - 2.3857131600379944e-01 -5.4846972227096558e-01 - <_> - 3.3580631256103516e+01 - - 1 2 1489 6.7250000000000000e+02 0 -1 1490 - 7.5000000000000000e+00 -2 -3 1491 837. - - 1.3001777231693268e-01 -3.4062203764915466e-01 - 7.6844960451126099e-01 -8.4330815076828003e-01 - <_> - 3.3759922027587891e+01 - - 1 2 1492 2.1500000000000000e+01 0 -1 1493 532. -2 -3 1494 - 86. - - 5.4001174867153168e-02 -8.4960693120956421e-01 - 1.7928951978683472e-01 -7.8450816869735718e-01 - <_> - 3.3247550964355469e+01 - - 1 2 1495 1.0250000000000000e+02 0 -1 1496 - 1.2625000000000000e+03 -2 -3 1497 2.0350000000000000e+02 - - 1.9308057427406311e-01 -5.1236999034881592e-01 - 8.4804421663284302e-01 -1.5160441398620605e-01 - <_> - 3.3225006103515625e+01 - - 1 2 1498 6.1500000000000000e+01 0 -1 1499 - 5.3500000000000000e+01 -2 -3 1500 5.5000000000000000e+00 - - 1.6829484701156616e-01 -3.3058983087539673e-01 - -5.5838876962661743e-01 6.2332850694656372e-01 - <_> - 3.3475452423095703e+01 - - 1 2 1501 4.5000000000000000e+00 0 -1 1502 - 5.0000000000000000e-01 -2 -3 1503 1.5000000000000000e+00 - - 1. -9.6208763122558594e-01 2.5044605135917664e-01 - -1.8800856173038483e-01 - <_> - 3.3413291931152344e+01 - - 1 2 1504 4.2500000000000000e+01 0 -1 1505 - 1.5000000000000000e+00 -2 -3 1506 5.0000000000000000e-01 - - 1.7652784287929535e-01 -7.1506422758102417e-01 - 5.3353041410446167e-01 -6.2163762748241425e-02 - <_> - 3.3426036834716797e+01 - - 1 2 1507 1.2500000000000000e+01 0 -1 1508 - 4.5000000000000000e+00 -2 -3 1509 1.2650000000000000e+02 - - -5.9280592203140259e-01 1.2747475877404213e-02 - 5.8372533321380615e-01 -5.3357934951782227e-01 - <_> - 3.3327178955078125e+01 - - 1 2 1510 5.0000000000000000e-01 0 -1 1511 - 3.7850000000000000e+02 -2 -3 1512 5.0000000000000000e-01 - - 1. -8.2863241434097290e-01 4.0927416086196899e-01 - -9.8856933414936066e-02 - <_> - 3.3500465393066406e+01 - - 1 2 1513 1.0500000000000000e+01 0 -1 1514 - 1.0500000000000000e+01 -2 -3 1515 1.7500000000000000e+01 - - -8.8380420207977295e-01 1.7328330874443054e-01 - -5.4674810171127319e-01 5.4331338405609131e-01 - <_> - 3.3262767791748047e+01 - - 1 2 1516 8.5000000000000000e+00 0 -1 1517 - 8.5000000000000000e+00 -2 -3 1518 4.2450000000000000e+02 - - 1.9536088407039642e-01 -3.2009023427963257e-01 - -2.3769624531269073e-01 7.3672533035278320e-01 - <_> - 3.3368907928466797e+01 - - 1 2 1519 2.0850000000000000e+02 0 -1 1520 - 8.6750000000000000e+02 -2 -3 1521 4.1750000000000000e+02 - - 1.0613936930894852e-01 -5.0724560022354126e-01 - 6.2702029943466187e-01 -3.7619924545288086e-01 - <_> - 3.3184082031250000e+01 - - 1 2 1522 9.4950000000000000e+02 0 -1 1523 - 4.3150000000000000e+02 -2 -3 1524 3828. - - -1.8482613563537598e-01 5.3871124982833862e-01 - 8.1260812282562256e-01 -4.5530861616134644e-01 - <_> - 3.3174217224121094e+01 - - 1 2 1525 1.3150000000000000e+02 0 -1 1526 11. -2 -3 1527 - 7.1500000000000000e+01 - - -9.0531766414642334e-01 1. 5.7230138778686523e-01 - -9.8625309765338898e-03 - <_> - 3.3909645080566406e+01 - - 1 2 1528 7.5500000000000000e+01 0 -1 1529 - 7.5000000000000000e+00 -2 -3 1530 4.5000000000000000e+00 - - -1.7431867122650146e-01 5.3473585844039917e-01 - 7.9259443283081055e-01 -4.4027620553970337e-01 - <_> - 3.4323459625244141e+01 - - 1 2 1531 5.0000000000000000e-01 0 -1 1532 - 7.5000000000000000e+00 -2 -3 1533 1.1500000000000000e+01 - - -6.9457572698593140e-01 4.1381478309631348e-01 - 1.8358568847179413e-01 -4.2741861939430237e-01 - <_> - 3.4429889678955078e+01 - - 1 2 1534 1.5000000000000000e+00 0 -1 1535 - 3.4500000000000000e+01 -2 -3 1536 1.5000000000000000e+00 - - -1.6454531252384186e-01 4.1743850708007812e-01 - 2.9410120844841003e-01 -5.4460191726684570e-01 - <_> - 3.4504367828369141e+01 - - 1 2 1537 1.5000000000000000e+00 0 -1 1538 - 1.5000000000000000e+00 -2 -3 1539 131. - - -8.7539535760879517e-01 1.8415120244026184e-01 - 6.7155694961547852e-01 -6.1099171638488770e-01 - <_> - 3.4405834197998047e+01 - - 1 2 1540 2.5000000000000000e+00 0 -1 1541 - 8.5000000000000000e+00 -2 -3 1542 4.5000000000000000e+00 - - 8.8270038366317749e-01 -6.7336601018905640e-01 - -5.2773851901292801e-02 4.8054438829421997e-01 - <_> - 3.3936424255371094e+01 - - 1 2 1543 2.9500000000000000e+01 0 -1 1544 - 1.2500000000000000e+01 -2 -3 1545 4.5000000000000000e+00 - - -3.4647983312606812e-01 5.5897259712219238e-01 - -5.1516854763031006e-01 5.5205401033163071e-02 - <_> - 3.4420852661132812e+01 - - 1 2 1546 5.8550000000000000e+02 0 -1 1547 2604. -2 -3 1548 - 8.3550000000000000e+02 - - -4.0185336023569107e-02 6.1351525783538818e-01 - -6.8721204996109009e-01 6.8576447665691376e-02 - <_> - 3.4590526580810547e+01 - - 1 2 1549 5.0000000000000000e-01 0 -1 1550 - 1.3500000000000000e+01 -2 -3 1551 1.1275000000000000e+03 - - 4.7516748309135437e-01 -7.4518758058547974e-01 - 5.2697926759719849e-01 -2.4679833650588989e-01 - <_> - 3.4543453216552734e+01 - - 1 2 1552 3.9050000000000000e+02 0 -1 1553 - 1.0615000000000000e+03 -2 -3 1554 3.9250000000000000e+02 - - 2.9955598711967468e-01 -6.5189003944396973e-01 - 6.8155354261398315e-01 -4.7070294618606567e-02 - <_> - 3.4947910308837891e+01 - - 1 2 1555 4.5000000000000000e+00 0 -1 1556 - 5.5000000000000000e+00 -2 -3 1557 1.5000000000000000e+00 - - -4.3386736512184143e-01 2.5060659646987915e-01 - 5.0304436683654785e-01 -1.0806567221879959e-01 - <_> - 3.4923019409179688e+01 - - 1 2 1558 1.4750000000000000e+02 0 -1 1559 - 2.3500000000000000e+01 -2 -3 1560 8.5000000000000000e+00 - - -2.4892834946513176e-02 6.8752646446228027e-01 1. - -9.7205096483230591e-01 - <_> - 3.5048244476318359e+01 - - 1 2 1561 3.5000000000000000e+00 0 -1 1562 - 3.0750000000000000e+02 -2 -3 1563 3.5000000000000000e+00 - - -7.9125630855560303e-01 7.2282445430755615e-01 - 3.2094714045524597e-01 -1.5550766885280609e-01 - <_> - 3.5228321075439453e+01 - - 1 2 1564 1.5500000000000000e+01 0 -1 1565 - 5.5000000000000000e+00 -2 -3 1566 2.8550000000000000e+02 - - 2.4254414439201355e-01 -6.7788332700729370e-01 - 3.4273535013198853e-01 -1.6169185936450958e-01 - <_> - 3.5199493408203125e+01 - - 1 2 1567 5.4150000000000000e+02 0 -1 1568 - 1.8500000000000000e+01 -2 -3 1569 2.7150000000000000e+02 - - -7.4225193262100220e-01 6.0149985551834106e-01 - 7.5373405218124390e-01 -2.8824761509895325e-02 - <_> - 3.5414993286132812e+01 - - 1 2 1570 4.0500000000000000e+01 0 -1 1571 - 1.1500000000000000e+01 -2 -3 1572 4.5500000000000000e+01 - - -4.5218327641487122e-01 2.1549758315086365e-01 - 6.7104452848434448e-01 -6.4186567068099976e-01 - <_> - 3.5637798309326172e+01 - - 1 2 1573 4.5000000000000000e+00 0 -1 1574 - 5.0000000000000000e-01 -2 -3 1575 213. - - 4.5747065544128418e-01 -1.1402392387390137e-01 - -5.1459467411041260e-01 3.0709332227706909e-01 - <_> - 3.4993129730224609e+01 - - 1 2 1576 1.5000000000000000e+00 0 -1 1577 - 2.1500000000000000e+01 -2 -3 1578 1.5000000000000000e+00 - - -7.2895491123199463e-01 5.6356453895568848e-01 - 3.3972936868667603e-01 -1.1984481662511826e-01 - <_> - 3.4690479278564453e+01 - - 1 2 1579 6.5000000000000000e+00 0 -1 1580 - 1.3500000000000000e+01 -2 -3 1581 1.5000000000000000e+00 - - -5.0508207082748413e-01 2.4323509633541107e-01 - 4.7208204865455627e-01 -3.0265063047409058e-01 - <_> - 3.5325695037841797e+01 - - 1 2 1582 3.8500000000000000e+01 0 -1 1583 - 4.5000000000000000e+00 -2 -3 1584 4.5000000000000000e+00 - - -9.4407665729522705e-01 6.3521623611450195e-01 - -7.4727159738540649e-01 3.3814178314059973e-03 - <_> - 3.5522109985351562e+01 - - 1 2 1585 1.7500000000000000e+01 0 -1 1586 - 4.5000000000000000e+00 -2 -3 1587 1.4500000000000000e+01 - - -3.9393294602632523e-02 6.1425513029098511e-01 - 2.7176653966307640e-02 -9.3371254205703735e-01 - <_> - 3.5375267028808594e+01 - - 1 2 1588 6.9950000000000000e+02 0 -1 1589 - 3.0785000000000000e+03 -2 -3 1590 1.3850000000000000e+02 - - -1.6790051013231277e-02 8.1265693902969360e-01 - 8.6606562137603760e-01 -2.8514975309371948e-01 - <_> - 3.5136772155761719e+01 - - 1 2 1591 3.3450000000000000e+02 0 -1 1592 - 2.0650000000000000e+02 -2 -3 1593 4516. - - -2.3849676549434662e-01 2.2256006300449371e-01 - 9.2165148258209229e-01 -1. - <_> - 3.5608299255371094e+01 - - 1 2 1594 6.8050000000000000e+02 0 -1 1595 - 1.9150000000000000e+02 -2 -3 1596 2.5000000000000000e+00 - - -4.6031120419502258e-01 5.1092636585235596e-01 - -2.5612125173211098e-03 -7.0145553350448608e-01 - <_> - 3.5747840881347656e+01 - - 1 2 1597 2.0500000000000000e+01 0 -1 1598 - 3.5000000000000000e+00 -2 -3 1599 1.1500000000000000e+01 - - -6.8568515777587891e-01 1.3954034447669983e-01 - -9.1864973306655884e-01 1. - <_> - 3.5924507141113281e+01 - - 1 2 1600 5.0000000000000000e-01 0 -1 1601 - 9.5000000000000000e+00 -2 -3 1602 5.0000000000000000e-01 - - -3.1799489259719849e-01 5.5782216787338257e-01 - 1.3727062940597534e-01 -4.3257597088813782e-01 - <_> - 3.6171756744384766e+01 - - 1 2 1603 2.2365000000000000e+03 0 -1 1604 - 1.4500000000000000e+01 -2 -3 1605 3.9185000000000000e+03 - - -8.6497288942337036e-01 4.3238922953605652e-01 - -7.1348220109939575e-01 5.0993368029594421e-02 - <_> - 3.6158969879150391e+01 - - 1 2 1606 1.0350000000000000e+02 0 -1 1607 - 3.0750000000000000e+02 -2 -3 1608 9.8500000000000000e+01 - - -1.2786464765667915e-02 6.7020785808563232e-01 - 5.7271671295166016e-01 -6.4090871810913086e-01 - <_> - 3.6213565826416016e+01 - - 1 2 1609 1.5000000000000000e+00 0 -1 1610 - 2.8500000000000000e+01 -2 -3 1611 3.1500000000000000e+01 - - 3.0467820167541504e-01 -6.0481971502304077e-01 - -4.2102476954460144e-01 3.8542380928993225e-01 - <_> - 3.6608585357666016e+01 - - 1 2 1612 3.0500000000000000e+01 0 -1 1613 - 1.3500000000000000e+01 -2 -3 1614 1.5000000000000000e+00 - - -7.7328640222549438e-01 2.6755025982856750e-01 - 7.0540744066238403e-01 -5.6723617017269135e-03 - <_> - 3.6375709533691406e+01 - - 1 2 1615 1.8285000000000000e+03 0 -1 1616 - 8.7500000000000000e+01 -2 -3 1617 42. - - -6.4856064319610596e-01 2.1328862011432648e-01 - -6.6769516468048096e-01 3.2830646634101868e-01 - <_> - 3.6277973175048828e+01 - - 1 2 1618 6.5500000000000000e+01 0 -1 1619 - 4.5000000000000000e+00 -2 -3 1620 1.5000000000000000e+00 - - 4.5578959584236145e-01 -9.7738876938819885e-02 - 8.4200102090835571e-01 -9.1339147090911865e-01 - <_> - 3.6741077423095703e+01 - - 1 2 1621 7.1500000000000000e+01 0 -1 1622 582. -2 -3 1623 - 9.6500000000000000e+01 - - -1.9926805794239044e-01 7.7841401100158691e-01 - 6.1977410316467285e-01 -7.0222705602645874e-01 - <_> - 3.6163764953613281e+01 - - 1 2 1624 6.5000000000000000e+00 0 -1 1625 - 9.5000000000000000e+00 -2 -3 1626 2.5000000000000000e+00 - - 8.5611216723918915e-02 -7.3398101329803467e-01 - 5.7343614101409912e-01 -8.4580868482589722e-02 - <_> - 3.5979099273681641e+01 - - 1 2 1627 5.0000000000000000e-01 0 -1 1628 - 2.8500000000000000e+01 -2 -3 1629 2.5000000000000000e+00 - - -9.3677574396133423e-01 1. 2.6836359500885010e-01 - -1.8466624617576599e-01 - <_> - 3.6264331817626953e+01 - - 1 2 1630 3.5000000000000000e+00 0 -1 1631 - 1.8500000000000000e+01 -2 -3 1632 2.9050000000000000e+02 - - -5.7591027021408081e-01 2.5618145242333412e-02 - -5.2080082893371582e-01 2.8523272275924683e-01 - <_> - 3.6717056274414062e+01 - - 1 2 1633 1.9850000000000000e+02 0 -1 1634 - 1.5000000000000000e+00 -2 -3 1635 7.1500000000000000e+01 - - -2.0299407839775085e-01 4.5272570848464966e-01 - -4.2182067036628723e-01 5.7546317577362061e-01 - <_> - 3.6786354064941406e+01 - - 1 2 1636 1.5000000000000000e+00 0 -1 1637 - 8.5000000000000000e+00 -2 -3 1638 1.3500000000000000e+01 - - 6.9297738373279572e-02 8.4946548938751221e-01 - 9.1040611267089844e-02 -6.2724369764328003e-01 - <_> - 3.6694664001464844e+01 - - 1 2 1639 2.0650000000000000e+02 0 -1 1640 - 1.1365000000000000e+03 -2 -3 1641 8.2250000000000000e+02 - - 6.2211245298385620e-02 -5.6873995065689087e-01 - 8.5862481594085693e-01 4.4243175536394119e-02 - <_> - 3.7021118164062500e+01 - - 1 2 1642 3.5000000000000000e+00 0 -1 1643 39. -2 -3 1644 - 1.5000000000000000e+00 - - -9.3912738561630249e-01 1. 3.4181830286979675e-01 - -1.2874929606914520e-01 - <_> - 3.6611862182617188e+01 - - 1 2 1645 1.0500000000000000e+01 0 -1 1646 - 1.5000000000000000e+00 -2 -3 1647 6.9500000000000000e+01 - - 6.9203957915306091e-02 -4.2461958527565002e-01 - 5.7738226652145386e-01 -5.9804332256317139e-01 - <_> - 3.6779636383056641e+01 - - 1 2 1648 2.5000000000000000e+00 0 -1 1649 - 5.0000000000000000e-01 -2 -3 1650 234. - - 4.4199943542480469e-01 -8.0851018428802490e-01 - 1.6777423024177551e-01 -7.7587896585464478e-01 - <_> - 3.6986980438232422e+01 - - 1 2 1651 6.7500000000000000e+01 0 -1 1652 - 8.5000000000000000e+00 -2 -3 1653 4.5000000000000000e+00 - - 1.9858379662036896e-01 -6.2078595161437988e-01 - 4.7864001989364624e-01 -2.1115007996559143e-01 - <_> - 3.6953456878662109e+01 - - 1 2 1654 2.0500000000000000e+01 0 -1 1655 - 8.5000000000000000e+00 -2 -3 1656 2.5000000000000000e+00 - - -5.3770077228546143e-01 6.1488139629364014e-01 - 5.4403012990951538e-01 -3.3521864563226700e-02 - <_> - 3.6882488250732422e+01 - - 1 2 1657 8.5000000000000000e+00 0 -1 1658 - 4.5000000000000000e+00 -2 -3 1659 9.5000000000000000e+00 - - -7.9511338472366333e-01 4.1009962558746338e-01 - -7.7284365892410278e-01 -7.0968911051750183e-02 - <_> - 3.6566123962402344e+01 - - 1 2 1660 2.5000000000000000e+00 0 -1 1661 - 3.5000000000000000e+00 -2 -3 1662 6.7050000000000000e+02 - - -3.1636568903923035e-01 4.0465784072875977e-01 - -3.5978075861930847e-01 8.2645517587661743e-01 - <_> - 3.6930900573730469e+01 - - 1 2 1663 6.5000000000000000e+00 0 -1 1664 - 2.5000000000000000e+00 -2 -3 1665 2.3085000000000000e+03 - - 1.4922286570072174e-01 -5.1194334030151367e-01 - 3.6477506160736084e-01 -9.7712445259094238e-01 - <_> - 3.7481365203857422e+01 - - 1 2 1666 5.0000000000000000e-01 0 -1 1667 - 6.0500000000000000e+01 -2 -3 1668 1.1500000000000000e+01 - - 5.5046468973159790e-01 -7.3915064334869385e-01 - 5.6669384241104126e-02 -4.9786236882209778e-01 - <_> - 3.6951145172119141e+01 - - 1 2 1669 7.5500000000000000e+01 0 -1 1670 - 3.1795000000000000e+03 -2 -3 1671 2.0500000000000000e+01 - - -5.3021740913391113e-01 4.7902247309684753e-01 - -7.1032661199569702e-01 3.0279389023780823e-01 - <_> - 3.7264873504638672e+01 - - 1 2 1672 9.5000000000000000e+00 0 -1 1673 - 8.5000000000000000e+00 -2 -3 1674 1.3850000000000000e+02 - - -4.6093446016311646e-01 3.1372815370559692e-01 - 2.2579427063465118e-01 -5.3932684659957886e-01 - <_> - 3.6978828430175781e+01 - - 1 2 1675 5.0000000000000000e-01 0 -1 1676 - 2.5000000000000000e+00 -2 -3 1677 2.5500000000000000e+01 - - -5.1832169294357300e-01 5.6083697080612183e-01 - -2.8604489564895630e-01 5.8539152145385742e-01 - <_> - 3.7433582305908203e+01 - - 1 2 1678 5.0000000000000000e-01 0 -1 1679 - 2.5000000000000000e+00 -2 -3 1680 1.1050000000000000e+02 - - -4.0517255663871765e-01 4.5475342869758606e-01 - -5.2229130268096924e-01 1.9754523038864136e-01 - <_> - 3.7154258728027344e+01 - - 1 2 1681 4.7500000000000000e+01 0 -1 1682 - 3.6500000000000000e+01 -2 -3 1683 7.5000000000000000e+00 - - -4.5602896809577942e-01 6.7287951707839966e-01 - -8.5228067636489868e-01 -3.6258939653635025e-02 - <_> - 3.7732418060302734e+01 - - 1 2 1684 5.0000000000000000e-01 0 -1 1685 - 5.0000000000000000e-01 -2 -3 1686 2.4500000000000000e+01 - - -3.8009887933731079e-01 5.7815653085708618e-01 - 1.2634699046611786e-01 -4.1870203614234924e-01 - <_> - 3.8184680938720703e+01 - - 1 2 1687 7.4500000000000000e+01 0 -1 1688 - 1.6500000000000000e+01 -2 -3 1689 1.4500000000000000e+01 - - -4.0109759569168091e-01 6.5756392478942871e-01 - 4.5226430892944336e-01 -1.4041431248188019e-01 - <_> - 3.8030368804931641e+01 - - 1 2 1690 4.8500000000000000e+01 0 -1 1691 - 5.0000000000000000e-01 -2 -3 1692 2.7500000000000000e+01 - - 3.0716988444328308e-01 -1.5431092679500580e-01 - -9.8855167627334595e-01 1. - <_> - 3.8261077880859375e+01 - - 1 2 1693 1.5000000000000000e+00 0 -1 1694 - 1.5500000000000000e+01 -2 -3 1695 4.5000000000000000e+00 - - -7.7608674764633179e-01 1.1198835074901581e-01 - 2.3070898652076721e-01 -3.3017936348915100e-01 - <_> - 3.8477287292480469e+01 - - 1 2 1696 8.1500000000000000e+01 0 -1 1697 - 1.2500000000000000e+01 -2 -3 1698 2.3500000000000000e+01 - - -3.0018079280853271e-01 2.1620990335941315e-01 - 2.7798384428024292e-01 -8.1539762020111084e-01 - <_> - 3.8031333923339844e+01 - - 1 2 1699 5.0000000000000000e-01 0 -1 1700 - 5.5000000000000000e+00 -2 -3 1701 4.0500000000000000e+01 - - 3.3561244606971741e-01 -3.4119588136672974e-01 - -4.4595631957054138e-01 4.6959918737411499e-01 - <_> - 3.8664794921875000e+01 - - 1 2 1702 2.1450000000000000e+02 0 -1 1703 - 1.5455000000000000e+03 -2 -3 1704 1945. - - 1.7302942276000977e-01 -3.7786087393760681e-01 - 6.3346213102340698e-01 -4.5024818181991577e-01 - <_> - 3.8027435302734375e+01 - - 1 2 1705 1917. 0 -1 1706 2.5500000000000000e+01 -2 -3 1707 - 6.2500000000000000e+01 - - -6.3735866546630859e-01 4.2439568042755127e-01 - 2.5472366809844971e-01 -3.8954088091850281e-01 - <_> - 3.7680835723876953e+01 - - 1 2 1708 2.5000000000000000e+00 0 -1 1709 - 5.0000000000000000e-01 -2 -3 1710 3.0850000000000000e+02 - - -8.1873381137847900e-01 9.3474626541137695e-02 - -3.4660163521766663e-01 2.3065857589244843e-01 - <_> - 3.7860221862792969e+01 - - 1 2 1711 1.5000000000000000e+00 0 -1 1712 - 1.4500000000000000e+01 -2 -3 1713 5.5000000000000000e+00 - - 5.3702151775360107e-01 -5.0781750679016113e-01 - -3.6291462182998657e-01 1.7938588559627533e-01 - <_> - 3.7817699432373047e+01 - - 1 2 1714 2.2375000000000000e+03 0 -1 1715 - 4.3350000000000000e+02 -2 -3 1716 5.6150000000000000e+02 - - 1. -9.8823112249374390e-01 6.7233330011367798e-01 - -4.2519930750131607e-02 - <_> - 3.8362960815429688e+01 - - 1 2 1717 5.0000000000000000e-01 0 -1 1718 - 2.5000000000000000e+00 -2 -3 1719 7.5000000000000000e+00 - - -7.0525264739990234e-01 5.4526209831237793e-01 - -9.1778365895152092e-03 -5.8029389381408691e-01 - <_> - 3.8116054534912109e+01 - - 1 2 1720 2.9500000000000000e+01 0 -1 1721 67. -2 -3 1722 - 1.5000000000000000e+00 - - -1.5948269516229630e-02 -8.6365360021591187e-01 - 3.1721633672714233e-01 -2.4690923094749451e-01 - <_> - 3.8210441589355469e+01 - - 1 2 1723 2.5000000000000000e+00 0 -1 1724 - 5.0000000000000000e-01 -2 -3 1725 2.5000000000000000e+00 - - -2.6925474405288696e-01 3.7546786665916443e-01 - -6.4338034391403198e-01 9.4390012323856354e-02 - <_> - 3.8725402832031250e+01 - - 1 2 1726 9.7550000000000000e+02 0 -1 1727 1522. -2 -3 1728 - 1.5000000000000000e+00 - - -9.5166552066802979e-01 5.1495945453643799e-01 - 1.2304825335741043e-01 -4.3339455127716064e-01 - <_> - 3.8775840759277344e+01 - - 1 2 1729 2.0550000000000000e+02 0 -1 1730 - 1.2850000000000000e+02 -2 -3 1731 2.0150000000000000e+02 - - 6.9701796770095825e-01 -3.2005232572555542e-01 - 8.7860846519470215e-01 5.0437152385711670e-02 - <_> - 3.9036373138427734e+01 - - 1 2 1732 6.4500000000000000e+01 0 -1 1733 - 7.5000000000000000e+00 -2 -3 1734 1.5500000000000000e+01 - - -5.3216791152954102e-01 2.6053419709205627e-01 - 5.1989716291427612e-01 -5.8972364664077759e-01 - <_> - 3.9175300598144531e+01 - - 1 2 1735 1.0650000000000000e+02 0 -1 1736 - 4.5000000000000000e+00 -2 -3 1737 1.8500000000000000e+01 - - 2.3538964986801147e-01 -3.6743223667144775e-01 - -9.1809195280075073e-01 4.5017480850219727e-01 - <_> - 3.8801700592041016e+01 - - 1 2 1738 5.0000000000000000e-01 0 -1 1739 - 3.5000000000000000e+00 -2 -3 1740 452. - - -6.3299810886383057e-01 3.3003783226013184e-01 - -3.7360009551048279e-01 5.6999093294143677e-01 - <_> - 3.8591518402099609e+01 - - 1 2 1741 8.2750000000000000e+02 0 -1 1742 - 2.5000000000000000e+00 -2 -3 1743 2.3500000000000000e+01 - - -2.1018461883068085e-01 3.2383358478546143e-01 - -6.3107532262802124e-01 6.6837269067764282e-01 - <_> - 3.8231525421142578e+01 - - 1 2 1744 4.5000000000000000e+00 0 -1 1745 - 6.5000000000000000e+00 -2 -3 1746 3.8500000000000000e+01 - - -3.0509510636329651e-01 5.1145386695861816e-01 - -3.5999137163162231e-01 3.2099997997283936e-01 - <_> - 3.8624534606933594e+01 - - 1 2 1747 1.5000000000000000e+00 0 -1 1748 - 5.8350000000000000e+02 -2 -3 1749 8.5000000000000000e+00 - - -4.2885985970497131e-01 3.9300963282585144e-01 - 3.1521242856979370e-01 -4.1773849725723267e-01 - <_> - 3.8236549377441406e+01 - - 1 2 1750 7.5000000000000000e+00 0 -1 1751 - 7.5000000000000000e+00 -2 -3 1752 1.9950000000000000e+02 - - -5.7202762365341187e-01 5.4747480154037476e-01 - -4.2250210046768188e-01 2.7025526762008667e-01 - <_> - 3.7923248291015625e+01 - - 1 2 1753 1.5000000000000000e+00 0 -1 1754 - 6.5000000000000000e+00 -2 -3 1755 1.5000000000000000e+00 - - -8.9815288782119751e-01 5.5224311351776123e-01 - 2.6080465316772461e-01 -3.1330034136772156e-01 - <_> - 3.8539402008056641e+01 - - 1 2 1756 1.3500000000000000e+01 0 -1 1757 - 3.5000000000000000e+00 -2 -3 1758 9.5000000000000000e+00 - - 3.9568208158016205e-02 -5.1092988252639771e-01 - -3.6775493621826172e-01 6.1615198850631714e-01 - <_> - 3.8752826690673828e+01 - - 1 2 1759 3.2500000000000000e+01 0 -1 1760 - 6.5000000000000000e+00 -2 -3 1761 48. - - -4.1952580213546753e-01 2.1342341601848602e-01 - -7.1763622760772705e-01 6.4490622282028198e-01 - <_> - 3.9317680358886719e+01 - - 1 2 1762 9.6500000000000000e+01 0 -1 1763 5677. -2 -3 1764 - 1.0650000000000000e+02 - - -5.0442606210708618e-01 5.6485664844512939e-01 - -3.6739125847816467e-01 2.7350792288780212e-01 - <_> - 3.9856521606445312e+01 - - 1 2 1765 1.1655000000000000e+03 0 -1 1766 - 1.5000000000000000e+00 -2 -3 1767 2.6500000000000000e+01 - - 3.9167502522468567e-01 -2.5601682066917419e-01 - -4.5866334438323975e-01 5.3884023427963257e-01 - <_> - 3.9749794006347656e+01 - - 1 2 1768 7.5000000000000000e+00 0 -1 1769 - 4.5000000000000000e+00 -2 -3 1770 4.4150000000000000e+02 - - -9.4176965951919556e-01 8.0333167314529419e-01 - -1.0673010349273682e-01 4.1367250680923462e-01 - <_> - 3.9065311431884766e+01 - - 1 2 1771 1.3775000000000000e+03 0 -1 1772 - 1.7500000000000000e+01 -2 -3 1773 1.7500000000000000e+01 - - -4.1831207275390625e-01 1.8878687918186188e-01 - -6.8447953462600708e-01 8.3450621366500854e-01 - <_> - 3.8689537048339844e+01 - - 1 2 1774 5.0000000000000000e-01 0 -1 1775 - 5.0000000000000000e-01 -2 -3 1776 5.0000000000000000e-01 - - -4.6729511022567749e-01 3.4363251924514771e-01 - 5.8898377418518066e-01 -3.7577590346336365e-01 - <_> - 3.9216602325439453e+01 - - 1 2 1777 9.4500000000000000e+01 0 -1 1778 - 8.5000000000000000e+00 -2 -3 1779 2.2500000000000000e+01 - - -5.7156268507242203e-02 5.2706509828567505e-01 - -8.3782976865768433e-01 5.0827115774154663e-01 - <_> - 3.9576519012451172e+01 - - 1 2 1780 5.0000000000000000e-01 0 -1 1781 - 4.5000000000000000e+00 -2 -3 1782 1.3500000000000000e+01 - - -5.5766177177429199e-01 3.5991629958152771e-01 - -6.7030203342437744e-01 1.3232802040874958e-02 - <_> - 3.9719017028808594e+01 - - 1 2 1783 1.3750000000000000e+02 0 -1 1784 - 3.7550000000000000e+02 -2 -3 1785 5.5000000000000000e+00 - - -9.2470282316207886e-01 4.7786307334899902e-01 - 1.4250029623508453e-01 -3.8374659419059753e-01 - <_> - 3.9720008850097656e+01 - - 1 2 1786 1.9850000000000000e+02 0 -1 1787 - 5.0000000000000000e-01 -2 -3 1788 9.8500000000000000e+01 - - 8.0348841845989227e-02 -7.2714608907699585e-01 - 6.6121768951416016e-01 9.8916271235793829e-04 - <_> - 4.0004077911376953e+01 - - 1 2 1789 4.5000000000000000e+00 0 -1 1790 - 7.5000000000000000e+00 -2 -3 1791 1.5000000000000000e+00 - - 2.8407061100006104e-01 -3.8908326625823975e-01 - -4.9514287710189819e-01 4.9839928746223450e-01 - <_> - 3.9917087554931641e+01 - - 1 2 1792 3.2500000000000000e+01 0 -1 1793 - 5.0000000000000000e-01 -2 -3 1794 585. - - 4.2522689700126648e-01 -8.6992330849170685e-02 - -8.7693715095520020e-01 4.2241948843002319e-01 - <_> - 3.9895332336425781e+01 - - 1 2 1795 2.5000000000000000e+00 0 -1 1796 14. -2 -3 1797 - 8.0150000000000000e+02 - - -8.8761204481124878e-01 8.5713702440261841e-01 - 7.2065353393554688e-01 -2.1752236410975456e-02 - <_> - 3.9827915191650391e+01 - - 1 2 1798 2.5000000000000000e+00 0 -1 1799 - 3.5000000000000000e+00 -2 -3 1800 5.0000000000000000e-01 - - -8.2021051645278931e-01 3.5183283686637878e-01 - 4.9634662270545959e-01 -6.7418396472930908e-02 - <_> - 3.9946743011474609e+01 - - 1 2 1801 1.3950000000000000e+02 0 -1 1802 - 1.0500000000000000e+01 -2 -3 1803 1.2500000000000000e+01 - - -6.8266421556472778e-01 1.1882679909467697e-01 1. - -9.5458626747131348e-01 - <_> - 4.0323368072509766e+01 - - 1 2 1804 3.3500000000000000e+01 0 -1 1805 - 5.1500000000000000e+01 -2 -3 1806 1.0500000000000000e+01 - - -3.3636894822120667e-01 8.2073229551315308e-01 - 3.7662777304649353e-01 -2.6059541106224060e-01 - <_> - 4.0958503723144531e+01 - - 1 2 1807 3.5000000000000000e+00 0 -1 1808 - 1.5000000000000000e+00 -2 -3 1809 8.5000000000000000e+00 - - 2.2758090496063232e-01 -5.6749087572097778e-01 - 2.7914678212255239e-03 6.3513386249542236e-01 - <_> - 4.1149982452392578e+01 - - 1 2 1810 1.6500000000000000e+01 0 -1 1811 - 3.4500000000000000e+01 -2 -3 1812 4.2500000000000000e+01 - - 1.9147972762584686e-01 -4.0481618046760559e-01 - -7.6606553792953491e-01 4.8341959714889526e-01 - <_> - 4.1291107177734375e+01 - - 1 2 1813 5.0000000000000000e-01 0 -1 1814 - 9.2500000000000000e+01 -2 -3 1815 1.8500000000000000e+01 - - -2.8004845976829529e-01 3.2247513532638550e-01 - -4.3766206502914429e-01 3.7250506877899170e-01 - <_> - 4.1338165283203125e+01 - - 1 2 1816 8.5000000000000000e+00 0 -1 1817 - 1.4975000000000000e+03 -2 -3 1818 1.1500000000000000e+01 - - 5.4030120372772217e-01 -6.2127673625946045e-01 - -7.3714929819107056e-01 -2.8116470202803612e-02 - <_> - 4.0824058532714844e+01 - - 1 2 1819 1.0150000000000000e+02 0 -1 1820 - 5.0000000000000000e-01 -2 -3 1821 8.6500000000000000e+01 - - 1.3742440938949585e-01 -5.1410740613937378e-01 - 3.9086878299713135e-01 -5.1371574401855469e-01 - <_> - 4.1013961791992188e+01 - - 1 2 1822 3.8500000000000000e+01 0 -1 1823 - 5.1350000000000000e+02 -2 -3 1824 7.5000000000000000e+00 - - 4.4827082753181458e-01 -6.4318430423736572e-01 - -8.9208698272705078e-01 1.8990385532379150e-01 - <_> - 4.1263370513916016e+01 - - 1 2 1825 4.5000000000000000e+00 0 -1 1826 - 1.6500000000000000e+01 -2 -3 1827 5.0000000000000000e-01 - - -7.4878937005996704e-01 2.4940766394138336e-01 - 1.2522089295089245e-02 -6.5872979164123535e-01 - <_> - 4.1767433166503906e+01 - - 1 2 1828 5.0000000000000000e-01 0 -1 1829 - 2.8050000000000000e+02 -2 -3 1830 4.5000000000000000e+00 - - 5.0406265258789062e-01 -8.8616244494915009e-02 - -3.4679779410362244e-01 9.0911424160003662e-01 - <_> - 4.1977439880371094e+01 - - 1 2 1831 1.5000000000000000e+00 0 -1 1832 - 1.5000000000000000e+00 -2 -3 1833 1.8500000000000000e+01 - - -3.0890017747879028e-01 4.2208892107009888e-01 - -6.2434047460556030e-01 -4.6953088603913784e-03 - <_> - 4.1689002990722656e+01 - - 1 2 1834 8.5000000000000000e+00 0 -1 1835 - 9.5000000000000000e+00 -2 -3 1836 1.5000000000000000e+00 - - -5.0051945447921753e-01 2.1112911403179169e-01 - 6.0711330175399780e-01 -1.2307582795619965e-01 - <_> - 4.2047183990478516e+01 - - 1 2 1837 1.2500000000000000e+01 0 -1 1838 - 4.5000000000000000e+00 -2 -3 1839 1.0500000000000000e+01 - - -6.6009265184402466e-01 3.5818198323249817e-01 - -3.3626151084899902e-01 8.4897673130035400e-01 - <_> - 4.2214286804199219e+01 - - 1 2 1840 1.4500000000000000e+01 0 -1 1841 - 7.2500000000000000e+01 -2 -3 1842 3.2650000000000000e+02 - - -7.1858340501785278e-01 1.6710358858108521e-01 - 2.8976836800575256e-01 -7.7849155664443970e-01 - <_> - 4.2179775238037109e+01 - - 1 2 1843 7.5000000000000000e+00 0 -1 1844 - 2.1500000000000000e+01 -2 -3 1845 3.5000000000000000e+00 - - -1.8530772626399994e-01 3.5436087846755981e-01 - -6.8795353174209595e-01 3.3058721572160721e-02 - <_> - 4.2268901824951172e+01 - - 1 2 1846 3.9865000000000000e+03 0 -1 1847 - 9.5000000000000000e+00 -2 -3 1848 50. - - -8.7134647369384766e-01 8.9125812053680420e-02 - -9.8863673210144043e-01 1. - <_> - 4.2169776916503906e+01 - - 1 2 1849 1.5000000000000000e+00 0 -1 1850 - 1.5000000000000000e+00 -2 -3 1851 3531. - - 4.0612372756004333e-01 -3.0086937546730042e-01 - -4.4789454340934753e-01 1.9873715937137604e-01 - <_> - 4.1840965270996094e+01 - - 1 2 1852 6.5000000000000000e+00 0 -1 1853 - 1.3500000000000000e+01 -2 -3 1854 1.0500000000000000e+01 - - -3.2881295680999756e-01 2.9842245578765869e-01 - 6.5677136182785034e-01 -1.4609988033771515e-01 - <_> - 4.1779693603515625e+01 - - 1 2 1855 1.7500000000000000e+01 0 -1 1856 - 6.2550000000000000e+02 -2 -3 1857 3.5500000000000000e+01 - - 4.6628248691558838e-01 -4.2457789182662964e-01 - -5.6651604175567627e-01 7.6269887387752533e-02 - <_> - 4.1834537506103516e+01 - - 1 2 1858 9.5450000000000000e+02 0 -1 1859 - 5.1585000000000000e+03 -2 -3 1860 6.5000000000000000e+00 - - 6.7174881696701050e-01 -5.5098003149032593e-01 - -5.3131961822509766e-01 5.4840639233589172e-02 - <_> - 4.1514595031738281e+01 - - 1 2 1861 1.9050000000000000e+02 0 -1 1862 198. -2 -3 1863 - 4.5000000000000000e+00 - - -9.0632820129394531e-01 6.2302565574645996e-01 - 2.2914041578769684e-01 -3.1994026899337769e-01 - <_> - 4.1677814483642578e+01 - - 1 2 1864 1.4500000000000000e+01 0 -1 1865 - 8.5000000000000000e+00 -2 -3 1866 1.6450000000000000e+02 - - -5.9017485380172729e-01 7.7795445919036865e-01 - 1.6321752965450287e-01 -9.1361731290817261e-01 - <_> - 4.1670925140380859e+01 - - 1 2 1867 1.5000000000000000e+00 0 -1 1868 - 2.5000000000000000e+00 -2 -3 1869 3.2500000000000000e+01 - - -7.7524507045745850e-01 3.3760032057762146e-01 - -5.7039487361907959e-01 -6.8891793489456177e-03 - <_> - 4.2190979003906250e+01 - - 1 2 1870 1.5000000000000000e+00 0 -1 1871 - 3.0500000000000000e+01 -2 -3 1872 2.8500000000000000e+01 - - 5.2005475759506226e-01 -6.7560416460037231e-01 - -2.8469097614288330e-01 4.6015539765357971e-01 - <_> - 4.2414993286132812e+01 - - 1 2 1873 4.5350000000000000e+02 0 -1 1874 - 5.6250000000000000e+02 -2 -3 1875 1386. - - 2.2401304543018341e-01 -2.9675450921058655e-01 - 9.4739109277725220e-01 -3.2808578014373779e-01 - <_> - 4.2387161254882812e+01 - - 1 2 1876 6.4500000000000000e+01 0 -1 1877 - 1.0150000000000000e+02 -2 -3 1878 3.9500000000000000e+01 - - -8.6874485015869141e-02 4.2865848541259766e-01 - 4.3658611178398132e-01 -5.8364778757095337e-01 - <_> - 4.2977474212646484e+01 - - 1 2 1879 1.5000000000000000e+00 0 -1 1880 - 3.4500000000000000e+01 -2 -3 1881 3.4500000000000000e+01 - - -9.5992848277091980e-02 5.9031045436859131e-01 - -3.2916188240051270e-01 5.4475629329681396e-01 - <_> - 4.2946041107177734e+01 - - 1 2 1882 3.5000000000000000e+00 0 -1 1883 - 5.0000000000000000e-01 -2 -3 1884 2.9500000000000000e+01 - - -8.7138921022415161e-01 5.3535938262939453e-01 - -8.3411961793899536e-01 -3.1432915478944778e-02 - <_> - 4.3175075531005859e+01 - - 1 2 1885 5.1500000000000000e+01 0 -1 1886 - 9.5000000000000000e+00 -2 -3 1887 2.6500000000000000e+01 - - 2.2903612256050110e-01 -2.7770024538040161e-01 - -9.0822434425354004e-01 5.1287508010864258e-01 - <_> - 4.3395133972167969e+01 - - 1 2 1888 8.5000000000000000e+00 0 -1 1889 - 3.1500000000000000e+01 -2 -3 1890 9.5000000000000000e+00 - - -5.6919294595718384e-01 2.2005747258663177e-01 - -6.5205544233322144e-01 2.4285869300365448e-01 - <_> - 4.3123023986816406e+01 - - 1 2 1891 5.0000000000000000e-01 0 -1 1892 - 2.3500000000000000e+01 -2 -3 1893 2.8950000000000000e+02 - - 5.0510871410369873e-01 -4.2869842052459717e-01 - 2.8495252132415771e-01 -3.5368323326110840e-01 - <_> - 4.3039192199707031e+01 - - 1 2 1894 1.9450000000000000e+02 0 -1 1895 - 5.0000000000000000e-01 -2 -3 1896 1.9750000000000000e+02 - - 2.6153838634490967e-01 -6.4255547523498535e-01 - 5.5495703220367432e-01 -8.3832859992980957e-02 - <_> - 4.2904518127441406e+01 - - 1 2 1897 8.5000000000000000e+00 0 -1 1898 - 4.8500000000000000e+01 -2 -3 1899 5.5000000000000000e+00 - - -7.5044608116149902e-01 6.8186897039413452e-01 - 3.7062332034111023e-01 -1.3467402756214142e-01 - <_> - 4.3051071166992188e+01 - - 1 2 1900 7.5000000000000000e+00 0 -1 1901 27. -2 -3 1902 - 1.5000000000000000e+00 - - 8.0564457178115845e-01 -8.3087015151977539e-01 - -6.9865477085113525e-01 1.4655402302742004e-01 - <_> - 4.3287654876708984e+01 - - 1 2 1903 1.5000000000000000e+00 0 -1 1904 - 5.4550000000000000e+02 -2 -3 1905 3.1650000000000000e+02 - - 4.4309249520301819e-01 -4.8507699370384216e-01 - -3.5189905762672424e-01 2.3658131062984467e-01 - <_> - 4.3207912445068359e+01 - - 1 2 1906 3.5500000000000000e+01 0 -1 1907 - 1.4500000000000000e+01 -2 -3 1908 3.5000000000000000e+00 - - -5.9388571977615356e-01 3.0807968974113464e-01 - 4.9596279859542847e-01 -7.9740844666957855e-02 - <_> - 4.3681106567382812e+01 - - 1 2 1909 8.3550000000000000e+02 0 -1 1910 - 5.0000000000000000e-01 -2 -3 1911 127. - - 4.7319233417510986e-01 -7.7726446092128754e-02 - -6.6155201196670532e-01 8.7220698595046997e-01 - <_> - 4.3433261871337891e+01 - - 1 2 1912 6.5000000000000000e+00 0 -1 1913 - 1.6550000000000000e+02 -2 -3 1914 7.5000000000000000e+00 - - -5.4153585433959961e-01 9.1551077365875244e-01 - 3.5053235292434692e-01 -2.4784129858016968e-01 - <_> - 4.3632259368896484e+01 - - 1 2 1915 9.5000000000000000e+00 0 -1 1916 - 5.5000000000000000e+00 -2 -3 1917 1.4015000000000000e+03 - - -3.0769789218902588e-01 1.9899617135524750e-01 - 5.1420164108276367e-01 -7.2247970104217529e-01 - <_> - 4.3781681060791016e+01 - - 1 2 1918 5.0000000000000000e-01 0 -1 1919 - 6.3500000000000000e+01 -2 -3 1920 285. - - -9.4710224866867065e-01 -1.1491143703460693e-01 - 1.4942164719104767e-01 -9.0888887643814087e-01 - <_> - 4.3436016082763672e+01 - - 1 2 1921 3.5000000000000000e+00 0 -1 1922 - 2.5000000000000000e+00 -2 -3 1923 1.1500000000000000e+01 - - 5.1440989971160889e-01 -2.3126052320003510e-01 - -3.4566339850425720e-01 6.5181219577789307e-01 - <_> - 4.3652484893798828e+01 - - 1 2 1924 7.5000000000000000e+00 0 -1 1925 10. -2 -3 1926 - 6.5000000000000000e+00 - - 1. -1. 2.1646568179130554e-01 -3.2139009237289429e-01 - <_> - 4.3613075256347656e+01 - - 1 2 1927 3.5000000000000000e+00 0 -1 1928 - 4.0500000000000000e+01 -2 -3 1929 1.5000000000000000e+00 - - 3.4087118506431580e-01 -7.6730841398239136e-01 - 6.0096609592437744e-01 -3.9409600198268890e-02 - <_> - 4.4572402954101562e+01 - - 1 2 1930 9.5000000000000000e+00 0 -1 1931 - 1.6500000000000000e+01 -2 -3 1932 2.4500000000000000e+01 - - -5.2820408344268799e-01 9.5932966470718384e-01 - -4.1353395581245422e-01 2.8032150864601135e-01 - <_> - 4.4815895080566406e+01 - - 1 2 1933 9.5000000000000000e+00 0 -1 1934 - 3.5000000000000000e+00 -2 -3 1935 3.5500000000000000e+01 - - 3.9567866921424866e-01 -1.5199808776378632e-01 - -6.2261438369750977e-01 3.6078429222106934e-01 - <_> - 4.4723213195800781e+01 - - 1 2 1936 9.7500000000000000e+01 0 -1 1937 - 1.3500000000000000e+01 -2 -3 1938 1.4500000000000000e+01 - - -9.2681065201759338e-02 5.0076460838317871e-01 - -8.6433887481689453e-01 9.0161460638046265e-01 - <_> - 4.4693969726562500e+01 - - 1 2 1939 7.0500000000000000e+01 0 -1 1940 - 7.9500000000000000e+01 -2 -3 1941 1.0500000000000000e+01 - - -2.9245814308524132e-02 6.7543286085128784e-01 - -9.3750089406967163e-01 8.4202694892883301e-01 - <_> - 4.4661819458007812e+01 - - 1 2 1942 1.0050000000000000e+02 0 -1 1943 - 5.0000000000000000e-01 -2 -3 1944 2.0350000000000000e+02 - - 2.5402522087097168e-01 -5.0677686929702759e-01 - 5.1687967777252197e-01 -2.2271750867366791e-01 - <_> - 4.4569755554199219e+01 - - 1 2 1945 2.5000000000000000e+00 0 -1 1946 - 5.5000000000000000e+00 -2 -3 1947 1.5000000000000000e+00 - - -9.8248469829559326e-01 5.9973138570785522e-01 - 3.8618931174278259e-01 -9.2063978314399719e-02 - <_> - 4.4696201324462891e+01 - - 1 2 1948 9.5000000000000000e+00 0 -1 1949 - 5.0000000000000000e-01 -2 -3 1950 1.5000000000000000e+00 - - 1.2644694745540619e-01 -3.0191975831985474e-01 - -7.1231579780578613e-01 6.6510468721389771e-01 - <_> - 4.4841907501220703e+01 - - 1 2 1951 1.0500000000000000e+01 0 -1 1952 2. -2 -3 1953 - 8.5000000000000000e+00 - - 8.4430450201034546e-01 -8.3156448602676392e-01 - -6.2735277414321899e-01 1.4570562541484833e-01 - <_> - 4.5156547546386719e+01 - - 1 2 1954 3.5000000000000000e+00 0 -1 1955 - 1.3650000000000000e+02 -2 -3 1956 9.4500000000000000e+01 - - 1.4747160673141479e-01 -4.2295038700103760e-01 - 8.1315612792968750e-01 3.4540321677923203e-02 - <_> - 4.5181140899658203e+01 - - 1 2 1957 9.2500000000000000e+01 0 -1 1958 - 3.3500000000000000e+01 -2 -3 1959 5.0000000000000000e-01 - - -1.5787394717335701e-02 5.7843238115310669e-01 1. - -6.4788794517517090e-01 - <_> - 4.5094200134277344e+01 - - 1 2 1960 5.0000000000000000e-01 0 -1 1961 11. -2 -3 1962 - 8.5000000000000000e+00 - - 7.4942219257354736e-01 -6.0185027122497559e-01 - -1.5223936736583710e-01 5.9839087724685669e-01 - <_> - 4.4670524597167969e+01 - - 1 2 1963 5.0000000000000000e-01 0 -1 1964 - 2.9500000000000000e+01 -2 -3 1965 1.5000000000000000e+00 - - -9.6831363439559937e-01 3.5105532407760620e-01 - 1.3558974862098694e-01 -4.2367911338806152e-01 - <_> - 4.5116874694824219e+01 - - 1 2 1966 1.1150000000000000e+02 0 -1 1967 - 2.2385000000000000e+03 -2 -3 1968 2.2250000000000000e+02 - - 2.0428524911403656e-01 -2.9593735933303833e-01 - 7.5892090797424316e-01 -4.3717506527900696e-01 - <_> - 4.5320117950439453e+01 - - 1 2 1969 1.4500000000000000e+01 0 -1 1970 - 5.0000000000000000e-01 -2 -3 1971 1.6850000000000000e+02 - - 2.4405136704444885e-01 -7.4230778217315674e-01 - 2.0324403047561646e-01 -7.5181680917739868e-01 - <_> - 4.5513221740722656e+01 - - 1 2 1972 1.6500000000000000e+01 0 -1 1973 - 4.3500000000000000e+01 -2 -3 1974 6.5000000000000000e+00 - - 5.3427243232727051e-01 -9.3790411949157715e-01 - 1.9310376048088074e-01 -3.0972629785537720e-01 - <_> - 4.5484699249267578e+01 - - 1 2 1975 3.8150000000000000e+02 0 -1 1976 - 2.4500000000000000e+01 -2 -3 1977 1.9050000000000000e+02 - - -8.3647137880325317e-01 6.7275720834732056e-01 - 7.3206281661987305e-01 -2.8522776439785957e-02 - <_> - 4.5164001464843750e+01 - - 1 2 1978 5.5000000000000000e+00 0 -1 1979 - 1.5000000000000000e+00 -2 -3 1980 9.5000000000000000e+00 - - 1.4569054543972015e-01 -3.2069975137710571e-01 - -5.0144684314727783e-01 7.2659003734588623e-01 - <_> - 4.5379909515380859e+01 - - 1 2 1981 4.5000000000000000e+00 0 -1 1982 - 2.5000000000000000e+00 -2 -3 1983 3.5500000000000000e+01 - - 1.1976420134305954e-01 -7.3696619272232056e-01 - -8.9609044790267944e-01 2.1590869128704071e-01 - <_> - 4.5552185058593750e+01 - - 1 2 1984 1.0500000000000000e+01 0 -1 1985 - 1.8500000000000000e+01 -2 -3 1986 2.5000000000000000e+00 - - -2.9774469137191772e-01 3.9270588755607605e-01 - 1.7227473855018616e-01 -4.3705809116363525e-01 - <_> - 4.5424057006835938e+01 - - 1 2 1987 4.5000000000000000e+00 0 -1 1988 - 2.5000000000000000e+00 -2 -3 1989 6.5000000000000000e+00 - - 4.0223541855812073e-01 -5.1850569248199463e-01 - -5.7175463438034058e-01 3.2103583216667175e-02 - <_> - 4.4719905853271484e+01 - - 1 2 1990 293. 0 -1 1991 4.5650000000000000e+02 -2 -3 1992 - 9.1500000000000000e+01 - - -7.0415091514587402e-01 1. 5.6420707702636719e-01 - -1.8475128337740898e-02 - <_> - 4.4768821716308594e+01 - - 1 2 1993 5.4050000000000000e+02 0 -1 1994 - 1.0105000000000000e+03 -2 -3 1995 3.5000000000000000e+00 - - -9.6306586265563965e-01 7.0629078149795532e-01 - -4.8114392161369324e-01 4.8914406448602676e-02 - <_> - 4.4811882019042969e+01 - - 1 2 1996 1.5000000000000000e+00 0 -1 1997 - 6.1500000000000000e+01 -2 -3 1998 1.5000000000000000e+00 - - 4.2610383033752441e-01 -4.3679422140121460e-01 - 4.3062459677457809e-02 -5.0240081548690796e-01 - <_> - 4.4782844543457031e+01 - - 1 2 1999 2.3500000000000000e+01 0 -1 2000 - 1.0500000000000000e+01 -2 -3 2001 2.0750000000000000e+02 - - -4.0699142217636108e-01 4.2282894253730774e-01 - -2.9037833213806152e-02 6.6520535945892334e-01 - <_> - 4.4953098297119141e+01 - - 1 2 2002 1.5000000000000000e+00 0 -1 2003 - 4.5250000000000000e+02 -2 -3 2004 2.8150000000000000e+02 - - 4.7697910666465759e-01 -4.2501795291900635e-01 - 1.7025266587734222e-01 -3.6029878258705139e-01 - <_> - 4.5256881713867188e+01 - - 1 2 2005 3.8550000000000000e+02 0 -1 2006 - 1.9500000000000000e+01 -2 -3 2007 2.5000000000000000e+00 - - -4.4226761907339096e-02 -8.9648228883743286e-01 - -2.1406635642051697e-01 3.0378299951553345e-01 - <_> - 4.4909713745117188e+01 - - 1 2 2008 9.5000000000000000e+00 0 -1 2009 - 7.5000000000000000e+00 -2 -3 2010 1.8950000000000000e+02 - - -3.4716686606407166e-01 3.7112823128700256e-01 - 5.6419366598129272e-01 -3.5776185989379883e-01 - <_> - 4.5013404846191406e+01 - - 1 2 2011 382. 0 -1 2012 4.5000000000000000e+00 -2 -3 2013 - 4.8500000000000000e+01 - - -8.9492672681808472e-01 1.0369122773408890e-01 - -9.3923377990722656e-01 1. - <_> - 4.4988971710205078e+01 - - 1 2 2014 5.5000000000000000e+00 0 -1 2015 - 1.9500000000000000e+01 -2 -3 2016 83. - - -2.4434272199869156e-02 6.5366929769515991e-01 - 5.1018899679183960e-01 -5.0032502412796021e-01 - <_> - 4.5461128234863281e+01 - - 1 2 2017 1.7500000000000000e+01 0 -1 2018 - 6.5000000000000000e+00 -2 -3 2019 2.5000000000000000e+00 - - -6.1140297912061214e-03 -7.2916007041931152e-01 - 4.7215846180915833e-01 -9.9503576755523682e-02 - <_> - 4.5421901702880859e+01 - - 1 2 2020 3.8500000000000000e+01 0 -1 2021 - 1.9500000000000000e+01 -2 -3 2022 4.1350000000000000e+02 - - -3.9226554334163666e-02 6.2177938222885132e-01 - 4.9934285879135132e-01 -8.5462218523025513e-01 - <_> - 4.5579975128173828e+01 - - 1 2 2023 4.5000000000000000e+00 0 -1 2024 - 1.2500000000000000e+01 -2 -3 2025 6.0750000000000000e+02 - - 1.5807190537452698e-01 -4.8279589414596558e-01 - -7.0834666490554810e-02 5.2963757514953613e-01 - <_> - 4.5701972961425781e+01 - - 1 2 2026 2.5500000000000000e+01 0 -1 2027 - 4.5000000000000000e+00 -2 -3 2028 6.6500000000000000e+01 - - 1.2199875712394714e-01 -4.4052368402481079e-01 - 4.9520158767700195e-01 -7.6688897609710693e-01 - <_> - 4.6094631195068359e+01 - - 1 2 2029 1.3500000000000000e+01 0 -1 2030 - 3.3500000000000000e+01 -2 -3 2031 5.0000000000000000e-01 - - -6.6773444414138794e-01 2.0011912286281586e-01 - 3.9265581965446472e-01 -1.3401876389980316e-01 - <_> - 4.5980365753173828e+01 - - 1 2 2032 7.5000000000000000e+00 0 -1 2033 - 6.8500000000000000e+01 -2 -3 2034 2.5000000000000000e+00 - - 1. -1. 3.8803017139434814e-01 -1.1426544934511185e-01 - <_> - 4.5323959350585938e+01 - - 1 2 2035 6.4500000000000000e+01 0 -1 2036 - 5.0000000000000000e-01 -2 -3 2037 2.2500000000000000e+01 - - -6.5640282630920410e-01 1.7750787734985352e-01 - -6.4647871255874634e-01 7.0243728160858154e-01 - <_> - 4.5314762115478516e+01 - - 1 2 2038 3.1050000000000000e+02 0 -1 2039 - 9.2250000000000000e+02 -2 -3 2040 2.5000000000000000e+00 - - -9.1993892565369606e-03 8.6791253089904785e-01 - 2.0070725679397583e-01 -7.1457195281982422e-01 - <_> - 4.5741744995117188e+01 - - 1 2 2041 4.5000000000000000e+00 0 -1 2042 - 8.5000000000000000e+00 -2 -3 2043 5.5000000000000000e+00 - - -3.7333619594573975e-01 4.2698273062705994e-01 - -3.3845084905624390e-01 4.5299550890922546e-01 - <_> - 4.5397357940673828e+01 - - 1 2 2044 5.0000000000000000e-01 0 -1 2045 673. -2 -3 2046 - 99. - - 3.5919088125228882e-01 -4.5086368918418884e-01 - -3.4438827633857727e-01 6.0893869400024414e-01 - <_> - 4.6037506103515625e+01 - - 1 2 2047 1.9450000000000000e+02 0 -1 2048 23. -2 -3 2049 - 2.9350000000000000e+02 - - -7.0736461877822876e-01 3.2864594459533691e-01 - 6.4014822244644165e-01 -5.0045125186443329e-02 - <_> - 4.6086334228515625e+01 - - 1 2 2050 1.7315000000000000e+03 0 -1 2051 - 7.5000000000000000e+00 -2 -3 2052 1.4250000000000000e+02 - - 4.8830408602952957e-02 -6.7689567804336548e-01 - 7.0138692855834961e-01 -1.2242168188095093e-01 - <_> - 4.5987598419189453e+01 - - 1 2 2053 3.6500000000000000e+01 0 -1 2054 - 1.5500000000000000e+01 -2 -3 2055 5.0000000000000000e-01 - - -3.9643624424934387e-01 8.7146002054214478e-01 - 4.2710801959037781e-01 -9.8734937608242035e-02 - <_> - 4.6501991271972656e+01 - - 1 2 2056 5.0000000000000000e-01 0 -1 2057 - 8.7450000000000000e+02 -2 -3 2058 1.5000000000000000e+00 - - 5.1439017057418823e-01 -2.0838183164596558e-01 - 2.9052633047103882e-01 -4.0280446410179138e-01 - <_> - 4.6733814239501953e+01 - - 1 2 2059 1.0500000000000000e+01 0 -1 2060 - 5.0000000000000000e-01 -2 -3 2061 1.0650000000000000e+02 - - 6.5033751726150513e-01 -6.9465583562850952e-01 - 2.3182304203510284e-01 -4.8147320747375488e-01 - <_> - 4.6992088317871094e+01 - - 1 2 2062 3.3500000000000000e+01 0 -1 2063 - 1.9500000000000000e+01 -2 -3 2064 5.5000000000000000e+00 - - 8.6601603031158447e-01 -7.5138849020004272e-01 - 2.5827473402023315e-01 -2.7564272284507751e-01 - <_> - 4.7450847625732422e+01 - - 1 2 2065 1.0450000000000000e+02 0 -1 2066 - 5.5000000000000000e+00 -2 -3 2067 1.1250000000000000e+02 - - -4.5257368683815002e-01 1.1983016133308411e-01 - 4.5876160264015198e-01 -5.6709617376327515e-01 - <_> - 4.7730972290039062e+01 - - 1 2 2068 5.0000000000000000e-01 0 -1 2069 - 1.5000000000000000e+00 -2 -3 2070 8.5000000000000000e+00 - - -7.2330117225646973e-01 3.9086556434631348e-01 - -4.4356769323348999e-01 1.6937237977981567e-01 - <_> - 4.7399227142333984e+01 - - 1 2 2071 8.4050000000000000e+02 0 -1 2072 - 8.4050000000000000e+02 -2 -3 2073 1.4050000000000000e+02 - - -9.1558247804641724e-02 7.4099737405776978e-01 - 3.8451832532882690e-01 -3.3174303174018860e-01 - <_> - 4.7281646728515625e+01 - - 1 2 2074 5.0000000000000000e-01 0 -1 2075 16. -2 -3 2076 - 1.5000000000000000e+00 - - -8.2827556133270264e-01 6.9123578071594238e-01 - 4.4064518809318542e-01 -1.1758007854223251e-01 - <_> - 4.6855220794677734e+01 - - 1 2 2077 2.9050000000000000e+02 0 -1 2078 - 5.0000000000000000e-01 -2 -3 2079 2.5000000000000000e+00 - - 2.7002122998237610e-01 -4.2642879486083984e-01 - 6.4271414279937744e-01 -9.9449371919035912e-03 - <_> - 4.6856540679931641e+01 - - 1 2 2080 3.5000000000000000e+00 0 -1 2081 - 5.5000000000000000e+00 -2 -3 2082 1.3150000000000000e+02 - - 3.0294808745384216e-01 -9.4428914785385132e-01 - 7.9829651117324829e-01 1.3203345006331801e-03 - <_> - 4.7140712738037109e+01 - - 1 2 2083 2.5000000000000000e+00 0 -1 2084 - 6.5000000000000000e+00 -2 -3 2085 5.5000000000000000e+00 - - -6.8201988935470581e-01 -1.1526307091116905e-02 - 2.8417402505874634e-01 -4.2742845416069031e-01 - <_> - 4.7207427978515625e+01 - - 1 2 2086 1.3500000000000000e+01 0 -1 2087 - 5.0000000000000000e-01 -2 -3 2088 1.3500000000000000e+01 - - 6.6715896129608154e-02 -7.0858204364776611e-01 - 4.9522966146469116e-01 -9.5102474093437195e-02 - <_> - 4.7424549102783203e+01 - - 1 2 2089 9.5500000000000000e+01 0 -1 2090 - 7.5000000000000000e+00 -2 -3 2091 521. - - -4.2587676644325256e-01 2.1712063252925873e-01 - -7.5793963670730591e-01 4.0587410330772400e-01 - <_> - 4.7687419891357422e+01 - - 1 2 2092 1.5000000000000000e+00 0 -1 2093 1328. -2 -3 2094 - 4.0350000000000000e+02 - - -6.6068017482757568e-01 2.6286858320236206e-01 - 4.7489511966705322e-01 -4.0635243058204651e-01 - <_> - 4.7712440490722656e+01 - - 1 2 2095 1.8500000000000000e+01 0 -1 2096 - 7.5000000000000000e+00 -2 -3 2097 3.5000000000000000e+00 - - -2.8594979643821716e-01 3.5628849267959595e-01 - 6.2096267938613892e-01 -3.3863210678100586e-01 - <_> - 4.8107528686523438e+01 - - 1 2 2098 5.0000000000000000e-01 0 -1 2099 - 2.9500000000000000e+01 -2 -3 2100 5.0000000000000000e-01 - - -1.6691003739833832e-01 6.9435620307922363e-01 - 1.8187750875949860e-01 -3.3679330348968506e-01 - <_> - 4.8001659393310547e+01 - - 1 2 2101 2.5000000000000000e+00 0 -1 2102 - 1.5500000000000000e+01 -2 -3 2103 1.5500000000000000e+01 - - -4.0513530373573303e-01 3.5411515831947327e-01 - 3.5931992530822754e-01 -5.4738515615463257e-01 - <_> - 4.8304855346679688e+01 - - 1 2 2104 8.5000000000000000e+00 0 -1 2105 - 1.5000000000000000e+00 -2 -3 2106 9.9500000000000000e+01 - - 2.2030718624591827e-01 -8.2183599472045898e-01 - 3.0319401621818542e-01 -2.0620918273925781e-01 - <_> - 4.8225379943847656e+01 - - 1 2 2107 1.0350000000000000e+02 0 -1 2108 - 3.5000000000000000e+00 -2 -3 2109 4.0850000000000000e+02 - - 9.0001732110977173e-02 -5.7426315546035767e-01 - 6.7126566171646118e-01 -7.9473815858364105e-02 - <_> - 4.8565086364746094e+01 - - 1 2 2110 1.7150000000000000e+02 0 -1 2111 - 5.0000000000000000e-01 -2 -3 2112 2.2825000000000000e+03 - - 3.3970481157302856e-01 -1.2163538485765457e-01 - 5.6507825851440430e-01 -9.3082976341247559e-01 - <_> - 4.8754871368408203e+01 - - 1 2 2113 1.6500000000000000e+01 0 -1 2114 - 7.7500000000000000e+01 -2 -3 2115 9.5000000000000000e+00 - - 8.7172055244445801e-01 -8.8115751743316650e-01 - 1.8978470563888550e-01 -2.7678936719894409e-01 - <_> - 4.9211303710937500e+01 - - 1 2 2116 3.5000000000000000e+00 0 -1 2117 - 2.1500000000000000e+01 -2 -3 2118 3.2500000000000000e+01 - - 7.1315276622772217e-01 -8.0622744560241699e-01 - -3.9460040628910065e-02 5.3393137454986572e-01 - <_> - 4.8663822174072266e+01 - - 1 2 2119 4.5000000000000000e+00 0 -1 2120 - 1.5925000000000000e+03 -2 -3 2121 2.0650000000000000e+02 - - 1.9858585298061371e-01 -8.0468404293060303e-01 - -6.2497895956039429e-01 3.4673172235488892e-01 - <_> - 4.9210224151611328e+01 - - 1 2 2122 1.5000000000000000e+00 0 -1 2123 - 4.5000000000000000e+00 -2 -3 2124 1.1500000000000000e+01 - - -2.5436609983444214e-01 5.4640007019042969e-01 - -3.6977285146713257e-01 2.4242483079433441e-01 - <_> - 4.9246429443359375e+01 - - 1 2 2125 5.5000000000000000e+00 0 -1 2126 - 1.1500000000000000e+01 -2 -3 2127 5.0500000000000000e+01 - - -6.4848619699478149e-01 3.5011601448059082e-01 - -6.0107630491256714e-01 8.2410864531993866e-02 - <_> - 4.8944103240966797e+01 - - 1 2 2128 2.8500000000000000e+01 0 -1 2129 - 9.5000000000000000e+00 -2 -3 2130 5.0000000000000000e-01 - - 3.0096647143363953e-01 -3.0232757329940796e-01 - 6.8013429641723633e-01 -5.5317246913909912e-01 - <_> - 4.8901321411132812e+01 - - 1 2 2131 7.5000000000000000e+00 0 -1 2132 - 2.4850000000000000e+02 -2 -3 2133 249. - - 7.6584374904632568e-01 -2.6288160681724548e-01 - -2.0686230063438416e-01 4.9869608879089355e-01 - <_> - 4.8522472381591797e+01 - - 1 2 2134 1.5000000000000000e+00 0 -1 2135 - 6.5000000000000000e+00 -2 -3 2136 6.5000000000000000e+00 - - -6.7336744070053101e-01 3.8096541166305542e-01 - -3.7885129451751709e-01 2.6800793409347534e-01 - <_> - 4.8640506744384766e+01 - - 1 2 2137 4.1500000000000000e+01 0 -1 2138 7511. -2 -3 2139 - 5. - - -1. 1.1803627759218216e-01 5.8405894041061401e-01 - -9.9191021919250488e-01 - <_> - 4.9112037658691406e+01 - - 1 2 2140 1.4050000000000000e+02 0 -1 2141 - 9.1550000000000000e+02 -2 -3 2142 5.0000000000000000e-01 - - 4.7153010964393616e-01 -3.8127270340919495e-01 - 3.7462133169174194e-01 -3.5809725522994995e-01 - <_> - 4.9074180603027344e+01 - - 1 2 2143 4.5000000000000000e+00 0 -1 2144 - 5.5000000000000000e+00 -2 -3 2145 1156. - - -7.7864569425582886e-01 -3.7855844944715500e-02 - -5.6096863746643066e-01 2.8747567534446716e-01 - <_> - 4.9317012786865234e+01 - - 1 2 2146 5.0000000000000000e-01 0 -1 2147 - 7.5000000000000000e+00 -2 -3 2148 8.5000000000000000e+00 - - -1.9298474490642548e-01 6.0014814138412476e-01 - -2.8463506698608398e-01 3.0250099301338196e-01 - <_> - 4.9228115081787109e+01 - - 1 2 2149 1.2500000000000000e+01 0 -1 2150 - 1.5000000000000000e+00 -2 -3 2151 2.7550000000000000e+02 - - 2.9153743386268616e-01 -1.4856611192226410e-01 - 8.5224819183349609e-01 -7.4847495555877686e-01 - <_> - 4.9394767761230469e+01 - - 1 2 2152 1.0650000000000000e+02 0 -1 2153 - 1.6650000000000000e+02 -2 -3 2154 6.4050000000000000e+02 - - -2.1377994120121002e-01 6.8324047327041626e-01 - 8.1065440177917480e-01 -1.6369237005710602e-01 - <_> - 4.9178939819335938e+01 - - 1 2 2155 5.5000000000000000e+00 0 -1 2156 - 3.5000000000000000e+00 -2 -3 2157 5.0000000000000000e-01 - - -4.4507712125778198e-01 2.7314877510070801e-01 - 1.8895468674600124e-03 -6.6257309913635254e-01 - <_> - 4.9466709136962891e+01 - - 1 2 2158 1.4350000000000000e+02 0 -1 2159 - 3.6500000000000000e+01 -2 -3 2160 2.8350000000000000e+02 - - -7.0678502321243286e-01 2.8776872158050537e-01 - 5.0643736124038696e-01 -4.6139922738075256e-01 - <_> - 4.9411914825439453e+01 - - 1 2 2161 2.8450000000000000e+02 0 -1 2162 - 1.0500000000000000e+01 -2 -3 2163 2.2500000000000000e+01 - - -5.4796442389488220e-02 5.7056087255477905e-01 - -9.7249829769134521e-01 1. - <_> - 4.9156459808349609e+01 - - 1 2 2164 1.3005000000000000e+03 0 -1 2165 - 5.0000000000000000e-01 -2 -3 2166 1.3500000000000000e+01 - - 2.4745839834213257e-01 -2.5545302033424377e-01 - 7.4935376644134521e-01 -7.2865372896194458e-01 - <_> - 4.9304908752441406e+01 - - 1 2 2167 2.5000000000000000e+00 0 -1 2168 - 4.2650000000000000e+02 -2 -3 2169 5.0000000000000000e-01 - - 9.1332197189331055e-01 -8.7917047739028931e-01 - -7.9717016220092773e-01 1.4844851195812225e-01 - <_> - 4.9519458770751953e+01 - - 1 2 2170 5.0000000000000000e-01 0 -1 2171 - 3.1050000000000000e+02 -2 -3 2172 2.5000000000000000e+00 - - -6.2879353761672974e-01 7.3362600803375244e-01 - 2.1455071866512299e-01 -5.3520482778549194e-01 - <_> - 4.9214466094970703e+01 - - 1 2 2173 6.5000000000000000e+00 0 -1 2174 - 5.0000000000000000e-01 -2 -3 2175 3.6500000000000000e+01 - - -9.2513018846511841e-01 4.0643110871315002e-01 - -3.0499455332756042e-01 5.0062865018844604e-01 - <_> - 4.9077842712402344e+01 - - 1 2 2176 3.5500000000000000e+01 0 -1 2177 - 4.5000000000000000e+00 -2 -3 2178 4.5000000000000000e+00 - - 3.1681686639785767e-01 -1.3662472367286682e-01 - -8.9950013160705566e-01 5.9339106082916260e-01 - <_> - 4.9558990478515625e+01 - - 1 2 2179 2.1500000000000000e+01 0 -1 2180 - 7.0500000000000000e+01 -2 -3 2181 4.4500000000000000e+01 - - 4.8115003108978271e-01 -3.7647187709808350e-01 - -7.3073945939540863e-02 5.2965939044952393e-01 - <_> - 4.9294830322265625e+01 - - 1 2 2182 5.0000000000000000e-01 0 -1 2183 - 1.5000000000000000e+00 -2 -3 2184 6.6750000000000000e+02 - - -2.5544604659080505e-01 5.0417780876159668e-01 - 6.0399526357650757e-01 -2.6415923237800598e-01 - <_> - 4.9588432312011719e+01 - - 1 2 2185 2.5000000000000000e+00 0 -1 2186 - 1.4500000000000000e+01 -2 -3 2187 1.9850000000000000e+02 - - -7.2754228115081787e-01 6.9201481342315674e-01 - -2.1817497909069061e-01 2.9360204935073853e-01 - <_> - 4.9867538452148438e+01 - - 1 2 2188 8.5000000000000000e+00 0 -1 2189 - 3.0950000000000000e+02 -2 -3 2190 26. - - 2.2687920928001404e-01 -4.3458512425422668e-01 - -7.0097404718399048e-01 3.0540248751640320e-01 - <_> - 5.0168376922607422e+01 - - 1 2 2191 5.0000000000000000e-01 0 -1 2192 - 1.5000000000000000e+00 -2 -3 2193 4.5000000000000000e+00 - - -7.1328246593475342e-01 3.0083844065666199e-01 - -9.5252823084592819e-03 -6.4636266231536865e-01 - <_> - 5.0060260772705078e+01 - - 1 2 2194 3.5000000000000000e+00 0 -1 2195 - 5.5500000000000000e+01 -2 -3 2196 3.5000000000000000e+00 - - 6.1561942100524902e-01 -8.6320608854293823e-01 - -1.3441234827041626e-01 3.3917289972305298e-01 - <_> - 5.0102226257324219e+01 - - 1 2 2197 4.5500000000000000e+01 0 -1 2198 - 3.0500000000000000e+01 -2 -3 2199 8.5000000000000000e+00 - - -5.6849882006645203e-02 5.2688473463058472e-01 - 4.1965771466493607e-02 -7.8310465812683105e-01 - <_> - 5.0278747558593750e+01 - - 1 2 2200 5805. 0 -1 2201 6.4500000000000000e+01 -2 -3 2202 - 1.3666500000000000e+04 - - -3.5512223839759827e-01 1.7651933431625366e-01 1. - -9.3429499864578247e-01 - <_> - 5.0092594146728516e+01 - - 1 2 2203 87. 0 -1 2204 1.5000000000000000e+00 -2 -3 2205 - 8.5000000000000000e+00 - - 2.5804731249809265e-01 -1.8615169823169708e-01 - 9.0864014625549316e-01 -9.3007725477218628e-01 - <_> - 4.9681518554687500e+01 - - 1 2 2206 3.4500000000000000e+01 0 -1 2207 - 2.5000000000000000e+00 -2 -3 2208 144. - - 8.0942414700984955e-02 -4.1107651591300964e-01 - 8.1396090984344482e-01 -5.5868124961853027e-01 - <_> - 5.0186134338378906e+01 - - 1 2 2209 2.3500000000000000e+01 0 -1 2210 - 5.0000000000000000e-01 -2 -3 2211 1.9500000000000000e+01 - - 1.8014830350875854e-01 -5.8121389150619507e-01 - 5.0461643934249878e-01 -1.3289090991020203e-01 - <_> - 5.0354343414306641e+01 - - 1 2 2212 1.5000000000000000e+00 0 -1 2213 - 1.2500000000000000e+01 -2 -3 2214 1.5000000000000000e+00 - - -9.6955841779708862e-01 1. 1.6820773482322693e-01 - -3.2301485538482666e-01 - <_> - 5.0826210021972656e+01 - - 1 2 2215 1.7500000000000000e+01 0 -1 2216 - 1.5000000000000000e+00 -2 -3 2217 5.0000000000000000e-01 - - 1.4819860458374023e-01 -5.6733429431915283e-01 - 4.7186562418937683e-01 -8.8461555540561676e-02 - <_> - 5.0689891815185547e+01 - - 1 2 2218 5.5000000000000000e+00 0 -1 2219 - 2.5000000000000000e+00 -2 -3 2220 3.5000000000000000e+00 - - -9.8274695873260498e-01 5.8369493484497070e-01 - 3.3880138397216797e-01 -1.3631547987461090e-01 - <_> - 5.0897132873535156e+01 - - 1 2 2221 3.4500000000000000e+01 0 -1 2222 52. -2 -3 2223 - 1.1500000000000000e+01 - - 1.9135108590126038e-01 -8.2356482744216919e-01 - -6.7104524374008179e-01 2.0723932981491089e-01 - <_> - 5.0793212890625000e+01 - - 1 2 2224 5.0000000000000000e-01 0 -1 2225 - 4.5000000000000000e+00 -2 -3 2226 2.2500000000000000e+01 - - 5.1123476028442383e-01 -1.1320804804563522e-01 - -3.8408496975898743e-01 6.1438548564910889e-01 - <_> - 5.1001136779785156e+01 - - 1 2 2227 8.3500000000000000e+01 0 -1 2228 - 3.5000000000000000e+00 -2 -3 2229 42. - - -4.2239284515380859e-01 2.0792518556118011e-01 - -6.8203860521316528e-01 7.9907011985778809e-01 - <_> - 5.0596912384033203e+01 - - 1 2 2230 1.5000000000000000e+00 0 -1 2231 - 3.5000000000000000e+00 -2 -3 2232 7.5000000000000000e+00 - - -7.0603537559509277e-01 2.4662055075168610e-01 - -4.0422463417053223e-01 5.9911012649536133e-01 - <_> - 5.0428260803222656e+01 - - 1 2 2233 1.3750000000000000e+02 0 -1 2234 - 2.0250000000000000e+02 -2 -3 2235 2253. - - -1.6865161061286926e-01 2.5998809933662415e-01 - -9.4531512260437012e-01 1. - <_> - 5.0951389312744141e+01 - - 1 2 2236 8.3850000000000000e+02 0 -1 2237 - 1.0500000000000000e+01 -2 -3 2238 2.7050000000000000e+02 - - -3.1979247927665710e-01 5.2312844991683960e-01 1. - -2.6709866523742676e-01 - <_> - 5.1609600067138672e+01 - - 1 2 2239 2.5000000000000000e+00 0 -1 2240 - 7.5000000000000000e+00 -2 -3 2241 5.0000000000000000e-01 - - -8.6014068126678467e-01 7.4454039335250854e-01 - 2.0096376538276672e-01 -2.4620246887207031e-01 - <_> - 5.1524238586425781e+01 - - 1 2 2242 4.5000000000000000e+00 0 -1 2243 - 4.5000000000000000e+00 -2 -3 2244 3.5000000000000000e+00 - - 7.2637367248535156e-01 -6.9044232368469238e-01 - 4.0469411015510559e-01 -8.5362896323204041e-02 - <_> - 5.1590244293212891e+01 - - 1 2 2245 2.7500000000000000e+01 0 -1 2246 - 1.6500000000000000e+01 -2 -3 2247 5.5000000000000000e+00 - - -4.6192824840545654e-01 6.6809237003326416e-01 - 3.9989617466926575e-01 -1.0465840995311737e-01 - <_> - 5.1738754272460938e+01 - - 1 2 2248 4.8500000000000000e+01 0 -1 2249 - 1.5000000000000000e+00 -2 -3 2250 1.5945000000000000e+03 - - -8.0413728952407837e-01 1.4850924909114838e-01 - -8.2549327611923218e-01 6.2095624208450317e-01 - <_> - 5.2021579742431641e+01 - - 1 2 2251 9.5000000000000000e+00 0 -1 2252 - 4.5000000000000000e+00 -2 -3 2253 5.5000000000000000e+00 - - -6.5502113103866577e-01 2.8282484412193298e-01 - -3.4542977809906006e-01 6.4788120985031128e-01 - <_> - 5.2015274047851562e+01 - - 1 2 2254 9.5000000000000000e+00 0 -1 2255 - 1.5000000000000000e+00 -2 -3 2256 1.0500000000000000e+01 - - 3.4599477052688599e-01 -3.4019523859024048e-01 - 7.2228658199310303e-01 7.7277146279811859e-02 - <_> - 5.1593978881835938e+01 - - 1 2 2257 5.5000000000000000e+00 0 -1 2258 5. -2 -3 2259 - 2.7250000000000000e+02 - - -1. 1.6008520126342773e-01 -5.4555195569992065e-01 - 1.6251419484615326e-01 - <_> - 5.1819255828857422e+01 - - 1 2 2260 5.5000000000000000e+00 0 -1 2261 - 2.5000000000000000e+00 -2 -3 2262 1.9500000000000000e+01 - - -4.8347968608140945e-02 6.0446649789810181e-01 - -4.0619182586669922e-01 2.2527877986431122e-01 - <_> - 5.1746963500976562e+01 - - 1 2 2263 1.3750000000000000e+02 0 -1 2264 - 4.2250000000000000e+02 -2 -3 2265 3.8500000000000000e+01 - - 7.4067801237106323e-01 -7.2294034063816071e-02 - 8.8299661874771118e-03 -6.2965631484985352e-01 - <_> - 5.2008258819580078e+01 - - 1 2 2266 2.5000000000000000e+00 0 -1 2267 - 2.8750000000000000e+02 -2 -3 2268 1.9450000000000000e+02 - - 2.6129412651062012e-01 -5.3058236837387085e-01 - -3.6182677745819092e-01 2.7137964963912964e-01 - <_> - 5.2304763793945312e+01 - - 1 2 2269 5.0000000000000000e-01 0 -1 2270 - 3.7500000000000000e+01 -2 -3 2271 5.5000000000000000e+00 - - 5.2875798940658569e-01 -6.0992181301116943e-01 - 2.9650440812110901e-01 -2.9122522473335266e-01 - <_> - 5.2421115875244141e+01 - - 1 2 2272 4.3500000000000000e+01 0 -1 2273 - 2.5000000000000000e+00 -2 -3 2274 4.5650000000000000e+02 - - 3.0624570325016975e-02 -5.8957004547119141e-01 - -2.7495118975639343e-01 3.9496597647666931e-01 - <_> - 5.2647144317626953e+01 - - 1 2 2275 1518. 0 -1 2276 1.6500000000000000e+01 -2 -3 2277 - 4.8450000000000000e+02 - - 2.2602756321430206e-01 -4.2886498570442200e-01 - -6.9053608179092407e-01 8.4119993448257446e-01 - <_> - 5.2705776214599609e+01 - - 1 2 2278 1.4500000000000000e+01 0 -1 2279 - 3.5000000000000000e+00 -2 -3 2280 5.0000000000000000e-01 - - 2.7602374553680420e-01 -8.6094701290130615e-01 - 4.6095618605613708e-01 -1.0049798339605331e-01 - <_> - 5.2445388793945312e+01 - - 1 2 2281 5.4500000000000000e+01 0 -1 2282 - 5.0000000000000000e-01 -2 -3 2283 293. - - 2.4707119166851044e-01 -2.6038503646850586e-01 - 8.0504089593887329e-01 -8.4760957956314087e-01 - <_> - 5.2260616302490234e+01 - - 1 2 2284 3.5000000000000000e+00 0 -1 2285 - 3.3500000000000000e+01 -2 -3 2286 1.0050000000000000e+02 - - -7.2160458564758301e-01 3.7846213579177856e-01 - -1.8477419018745422e-01 3.3230203390121460e-01 - <_> - 5.2433509826660156e+01 - - 1 2 2287 5.1650000000000000e+02 0 -1 2288 - 8.8500000000000000e+01 -2 -3 2289 7.0550000000000000e+02 - - 1.7289595305919647e-01 -9.1000020503997803e-01 - 3.6744228005409241e-01 -7.2866481542587280e-01 - <_> - 5.2647979736328125e+01 - - 1 2 2290 1.1150000000000000e+02 0 -1 2291 - 2.7950000000000000e+02 -2 -3 2292 5.0000000000000000e-01 - - 2.1446748077869415e-01 -3.1376039981842041e-01 -1. - 6.5572494268417358e-01 - <_> - 5.3233036041259766e+01 - - 1 2 2293 4.6500000000000000e+01 0 -1 2294 - 5.0000000000000000e-01 -2 -3 2295 1.8500000000000000e+01 - - 2.0808640122413635e-01 -4.1060706973075867e-01 - 7.6606053113937378e-01 2.6130240410566330e-02 - <_> - 5.3398525238037109e+01 - - 1 2 2296 1.5500000000000000e+01 0 -1 2297 61. -2 -3 2298 - 5.0000000000000000e-01 - - -6.7748582363128662e-01 1.6549052298069000e-01 - 4.1098600625991821e-01 -7.7618271112442017e-01 - <_> - 5.3294448852539062e+01 - - 1 2 2299 1.8615000000000000e+03 0 -1 2300 - 5.7500000000000000e+01 -2 -3 2301 1.2650000000000000e+02 - - -8.6754381656646729e-01 1. 8.4667998552322388e-01 - -2.2392984479665756e-02 - <_> - 5.3276077270507812e+01 - - 1 2 2302 3.5000000000000000e+00 0 -1 2303 - 1.0605000000000000e+03 -2 -3 2304 3.2500000000000000e+01 - - -1.8368726596236229e-02 -7.0469945669174194e-01 - 3.7680181860923767e-01 -2.6430556178092957e-01 - <_> - 5.3376117706298828e+01 - - 1 2 2305 7.5000000000000000e+00 0 -1 2306 - 1.3500000000000000e+01 -2 -3 2307 4.5000000000000000e+00 - - -4.4095748662948608e-01 8.1208780407905579e-02 - 7.2995042800903320e-01 -6.6059477627277374e-02 - <_> - 5.3484439849853516e+01 - - 1 2 2308 4.8500000000000000e+01 0 -1 2309 - 1.5000000000000000e+00 -2 -3 2310 5.0000000000000000e-01 - - -7.3434567451477051e-01 1.0832270234823227e-01 1. -1. - <_> - 5.3156581878662109e+01 - - 1 2 2311 5.0000000000000000e-01 0 -1 2312 - 5.0500000000000000e+01 -2 -3 2313 2.5000000000000000e+00 - - -3.2785847783088684e-01 6.5818876028060913e-01 - 1.5944661200046539e-01 -3.7622401118278503e-01 - <_> - 5.3464508056640625e+01 - - 1 2 2314 1.5000000000000000e+00 0 -1 2315 1395. -2 -3 2316 - 2.0550000000000000e+02 - - -2.5435209274291992e-01 3.5143795609474182e-01 - -5.3791600465774536e-01 1.4341881871223450e-01 - <_> - 5.3676666259765625e+01 - - 1 2 2317 1.9450000000000000e+02 0 -1 2318 - 7.7650000000000000e+02 -2 -3 2319 2.6500000000000000e+01 - - -1.6406188905239105e-01 6.5499174594879150e-01 - -2.9839497804641724e-01 5.4618138074874878e-01 - <_> - 5.3746845245361328e+01 - - 1 2 2320 2.5000000000000000e+00 0 -1 2321 - 3.5000000000000000e+00 -2 -3 2322 5.0000000000000000e-01 - - -1.8959516659379005e-02 7.8612476587295532e-01 - 9.0865425765514374e-02 -4.5988494157791138e-01 - <_> - 5.3647705078125000e+01 - - 1 2 2323 7.5000000000000000e+00 0 -1 2324 - 5.5000000000000000e+00 -2 -3 2325 5.7050000000000000e+02 - - 1.4724509418010712e-01 -7.7298891544342041e-01 - 3.5621020197868347e-01 -1.3211415708065033e-01 - <_> - 5.3602718353271484e+01 - - 1 2 2326 9.5000000000000000e+00 0 -1 2327 - 3.5000000000000000e+00 -2 -3 2328 8.0500000000000000e+01 - - 1.3503439724445343e-02 -8.2117962837219238e-01 - 5.8936750888824463e-01 -4.4985972344875336e-02 - <_> - 5.3612422943115234e+01 - - 1 2 2329 6.5000000000000000e+00 0 -1 2330 - 5.0000000000000000e-01 -2 -3 2331 2.0500000000000000e+01 - - -5.1986992359161377e-01 9.7068445757031441e-03 - 5.7828778028488159e-01 -2.6466268301010132e-01 - <_> - 5.2955169677734375e+01 - - 1 2 2332 5.5000000000000000e+00 0 -1 2333 - 1.4250000000000000e+02 -2 -3 2334 1.5000000000000000e+00 - - 4.0672644972801208e-01 -6.5725678205490112e-01 - 4.3416792154312134e-01 -1.0205291956663132e-01 - <_> - 5.3175640106201172e+01 - - 1 2 2335 5.8500000000000000e+01 0 -1 2336 - 3.5000000000000000e+00 -2 -3 2337 1.0500000000000000e+01 - - -9.2344768345355988e-02 -8.2324630022048950e-01 - -8.0642974376678467e-01 2.2047302126884460e-01 - <_> - 5.3262622833251953e+01 - - 1 2 2338 4.7500000000000000e+01 0 -1 2339 - 2.2450000000000000e+02 -2 -3 2340 2.8500000000000000e+01 - - 8.6981259286403656e-02 -6.1652702093124390e-01 - -9.1801822185516357e-01 6.4460629224777222e-01 - <_> - 5.3449378967285156e+01 - - 1 2 2341 4.0500000000000000e+01 0 -1 2342 - 3.5000000000000000e+00 -2 -3 2343 7.5000000000000000e+00 - - 1.8675777316093445e-01 -3.1174966692924500e-01 - -8.4308654069900513e-01 5.4007226228713989e-01 - <_> - 5.4046314239501953e+01 - - 1 2 2344 1.9500000000000000e+01 0 -1 2345 - 1.5000000000000000e+00 -2 -3 2346 1.0500000000000000e+01 - - 2.6490023732185364e-01 -2.7910321950912476e-01 - 5.9693449735641479e-01 -2.9306411743164062e-01 - <_> - 5.3945655822753906e+01 - - 1 2 2347 4.5000000000000000e+00 0 -1 2348 27. -2 -3 2349 - 5.5000000000000000e+00 - - -8.5741281509399414e-01 1.3065045699477196e-02 - 3.9639812707901001e-01 -1.0065827518701553e-01 - <_> - 5.4267860412597656e+01 - - 1 2 2350 1.9450000000000000e+02 0 -1 2351 - 1.0500000000000000e+01 -2 -3 2352 3.5000000000000000e+00 - - -6.5501171350479126e-01 3.2220518589019775e-01 - 3.1031554937362671e-01 -2.4605174362659454e-01 - <_> - 5.4434059143066406e+01 - - 1 2 2353 4.5000000000000000e+00 0 -1 2354 10. -2 -3 2355 - 1.5000000000000000e+00 - - -9.6719789505004883e-01 1. 3.4963271021842957e-01 - -1.1308565735816956e-01 - <_> - 5.4395557403564453e+01 - - 1 2 2356 9.5000000000000000e+00 0 -1 2357 50. -2 -3 2358 - 2.7650000000000000e+02 - - -5.2526080608367920e-01 1. 4.7619706392288208e-01 - -3.8500182330608368e-02 - <_> - 5.4446586608886719e+01 - - 1 2 2359 5.0000000000000000e-01 0 -1 2360 - 1.5000000000000000e+00 -2 -3 2361 2.7500000000000000e+01 - - -7.0974302291870117e-01 5.9427440166473389e-01 - -4.7772464156150818e-01 5.1026910543441772e-02 - <_> - 5.4573219299316406e+01 - - 1 2 2362 5.5000000000000000e+00 0 -1 2363 - 7.5000000000000000e+00 -2 -3 2364 5.5000000000000000e+00 - - -2.3239122331142426e-01 5.5771952867507935e-01 - -3.3134892582893372e-01 5.3258192539215088e-01 - <_> - 5.4593772888183594e+01 - - 1 2 2365 2.0850000000000000e+02 0 -1 2366 - 1.5000000000000000e+00 -2 -3 2367 2.0350000000000000e+02 - - 2.8126055002212524e-01 -3.8539481163024902e-01 - 8.0755966901779175e-01 2.5156758725643158e-02 - <_> - 5.4878520965576172e+01 - - 1 2 2368 9.5500000000000000e+01 0 -1 2369 - 3.3500000000000000e+01 -2 -3 2370 1.9500000000000000e+01 - - -2.0251634716987610e-01 2.8474879264831543e-01 - 3.4431111812591553e-01 -9.0932434797286987e-01 - <_> - 5.4830356597900391e+01 - - 1 2 2371 2.9550000000000000e+02 0 -1 2372 - 1.4735000000000000e+03 -2 -3 2373 9.5000000000000000e+00 - - -4.8165567219257355e-02 7.1227544546127319e-01 - -5.8812457323074341e-01 4.9097633361816406e-01 - <_> - 5.5037090301513672e+01 - - 1 2 2374 3.5000000000000000e+00 0 -1 2375 265. -2 -3 2376 - 5.0000000000000000e-01 - - 6.2006855010986328e-01 -1.1624867469072342e-01 - 2.0673374831676483e-01 -3.9852622151374817e-01 - <_> - 5.4704418182373047e+01 - - 1 2 2377 5.5000000000000000e+00 0 -1 2378 - 7.4150000000000000e+02 -2 -3 2379 1.4500000000000000e+01 - - 8.3038502931594849e-01 -3.3267009258270264e-01 - -5.5480867624282837e-01 3.8361921906471252e-01 - <_> - 5.5166534423828125e+01 - - 1 2 2380 2.5000000000000000e+00 0 -1 2381 - 2.5000000000000000e+00 -2 -3 2382 5.0000000000000000e-01 - - -6.5405935049057007e-01 4.6251511573791504e-01 - 1.5241867303848267e-01 -3.7966835498809814e-01 - <_> - 5.5294990539550781e+01 - - 1 2 2383 3.5000000000000000e+00 0 -1 2384 218. -2 -3 2385 - 1.5000000000000000e+00 - - -7.2755223512649536e-01 7.7218592166900635e-01 - 3.7493732571601868e-01 -1.4008188247680664e-01 - <_> - 5.5391014099121094e+01 - - 1 2 2386 5.0000000000000000e-01 0 -1 2387 - 3.5000000000000000e+00 -2 -3 2388 1.0500000000000000e+01 - - -7.2115933895111084e-01 5.6441891193389893e-01 - -2.2445468604564667e-01 4.8844140768051147e-01 - <_> - 5.5061939239501953e+01 - - 1 2 2389 1.5000000000000000e+00 0 -1 2390 - 9.4500000000000000e+01 -2 -3 2391 2.0500000000000000e+01 - - 3.0153071880340576e-01 -7.7830529212951660e-01 - -3.7638953328132629e-01 4.5185664296150208e-01 - <_> - 5.5263076782226562e+01 - - 1 2 2392 6.0575000000000000e+03 0 -1 2393 - 4.5000000000000000e+00 -2 -3 2394 23. - - -2.4923345446586609e-01 2.0113667845726013e-01 -1. 1. - <_> - 5.5297931671142578e+01 - - 1 2 2395 5.0000000000000000e-01 0 -1 2396 - 5.0000000000000000e-01 -2 -3 2397 150. - - -7.8452098369598389e-01 2.7857390046119690e-01 - 3.1075701117515564e-01 -4.7745358943939209e-01 - <_> - 5.4631614685058594e+01 - - 1 2 2398 1.5000000000000000e+00 0 -1 2399 - 6.5000000000000000e+00 -2 -3 2400 3.5450000000000000e+02 - - -4.1111201047897339e-01 3.2674971222877502e-01 - -6.6631543636322021e-01 6.2937244772911072e-02 - <_> - 5.5044651031494141e+01 - - 1 2 2401 1.0250000000000000e+02 0 -1 2402 - 3.6500000000000000e+01 -2 -3 2403 1631. - - -1.7850313335657120e-02 -7.2239345312118530e-01 - 4.1303712129592896e-01 -7.0288980007171631e-01 - <_> - 5.5012844085693359e+01 - - 1 2 2404 5.5000000000000000e+00 0 -1 2405 - 1.5000000000000000e+00 -2 -3 2406 1.0500000000000000e+01 - - -7.5541549921035767e-01 -3.1809989362955093e-02 - -6.1507242918014526e-01 7.0561921596527100e-01 - <_> - 5.4918914794921875e+01 - - 1 2 2407 5.0000000000000000e-01 0 -1 2408 - 8.5000000000000000e+00 -2 -3 2409 9.2500000000000000e+01 - - -4.1232073307037354e-01 3.9009645581245422e-01 - -9.3929134309291840e-02 -7.8844040632247925e-01 - <_> - 5.5306533813476562e+01 - - 1 2 2410 5.0000000000000000e-01 0 -1 2411 - 1.5500000000000000e+01 -2 -3 2412 5.0000000000000000e-01 - - -7.7871519327163696e-01 5.0485336780548096e-01 - 3.8762193918228149e-01 -2.6150849461555481e-01 - <_> - 5.5725589752197266e+01 - - 1 2 2413 3.8500000000000000e+01 0 -1 2414 - 7.5000000000000000e+00 -2 -3 2415 2.1450000000000000e+02 - - 2.2938077151775360e-01 -3.7094232439994812e-01 - 5.0282096862792969e-01 -1. - <_> - 5.5701969146728516e+01 - - 1 2 2416 5.5000000000000000e+00 0 -1 2417 - 1.9250000000000000e+02 -2 -3 2418 3.2250000000000000e+02 - - 7.8288418054580688e-01 -1. -2.3619059473276138e-02 - 6.6452664136886597e-01 - <_> - 5.6077171325683594e+01 - - 1 2 2419 1.4050000000000000e+02 0 -1 2420 - 2.8250000000000000e+02 -2 -3 2421 1.4150000000000000e+02 - - -1.0124576836824417e-01 7.4701219797134399e-01 - 3.5501605272293091e-01 -4.3058195710182190e-01 - <_> - 5.6083236694335938e+01 - - 1 2 2422 5.0000000000000000e-01 0 -1 2423 - 1.0500000000000000e+01 -2 -3 2424 8.3150000000000000e+02 - - -5.6019341945648193e-01 3.9356786012649536e-01 - -3.6574575304985046e-01 3.6192762851715088e-01 - <_> - 5.5670101165771484e+01 - - 1 2 2425 3.5500000000000000e+01 0 -1 2426 - 5.0000000000000000e-01 -2 -3 2427 1.5000000000000000e+00 - - 1. -8.6421859264373779e-01 5.4856836795806885e-01 - -7.4459843337535858e-02 - <_> - 5.5537399291992188e+01 - - 1 2 2428 3.5000000000000000e+00 0 -1 2429 - 2.1500000000000000e+01 -2 -3 2430 8.5000000000000000e+00 - - -1.3270168006420135e-01 5.0145077705383301e-01 - -5.9590238332748413e-01 5.6020063161849976e-01 - <_> - 5.6239562988281250e+01 - - 1 2 2431 2.5000000000000000e+00 0 -1 2432 - 4.5000000000000000e+00 -2 -3 2433 4.5000000000000000e+00 - - 1.1585496366024017e-02 7.0216339826583862e-01 - 1.3687019050121307e-01 -4.4344663619995117e-01 - <_> - 5.6262195587158203e+01 - - 1 2 2434 5.5000000000000000e+00 0 -1 2435 599. -2 -3 2436 - 8.5000000000000000e+00 - - 3.7830984592437744e-01 -8.5527080297470093e-01 - 2.0193518698215485e-01 -4.7135183215141296e-01 - <_> - 5.6160911560058594e+01 - - 1 2 2437 5.5500000000000000e+01 0 -1 2438 - 1.8500000000000000e+01 -2 -3 2439 2.5000000000000000e+00 - - -4.9777466058731079e-01 6.7050379514694214e-01 - -2.8058648109436035e-01 3.3557692170143127e-01 - <_> - 5.6366966247558594e+01 - - 1 2 2440 1.9500000000000000e+01 0 -1 2441 - 1.9500000000000000e+01 -2 -3 2442 5.0000000000000000e-01 - - 3.0625101923942566e-01 -7.9308640956878662e-01 - 1.2798076868057251e-01 -5.4627287387847900e-01 - <_> - 5.6186271667480469e+01 - - 1 2 2443 1.8615000000000000e+03 0 -1 2444 167. -2 -3 2445 - 1.9650000000000000e+02 - - 8.4020185470581055e-01 -9.3632721900939941e-01 - 2.7573192119598389e-01 -1.8069291114807129e-01 - <_> - 5.6445884704589844e+01 - - 1 2 2446 3.5000000000000000e+00 0 -1 2447 - 1.0500000000000000e+01 -2 -3 2448 1.5000000000000000e+00 - - -1. 1. 2.5961092114448547e-01 -1.6614863276481628e-01 - <_> - 5.5662120819091797e+01 - - 1 2 2449 2.2500000000000000e+01 0 -1 2450 - 6.7750000000000000e+02 -2 -3 2451 4.5500000000000000e+01 - - 1.6409425437450409e-01 -7.8376275300979614e-01 - 4.5019468665122986e-01 -1.2327302992343903e-01 - <_> - 5.5920890808105469e+01 - - 1 2 2452 2.6500000000000000e+01 0 -1 2453 - 2.1500000000000000e+01 -2 -3 2454 884. - - 3.0651217699050903e-01 -7.2995334863662720e-01 - -3.2345041632652283e-01 2.5876981019973755e-01 - <_> - 5.6508441925048828e+01 - - 1 2 2455 1.5000000000000000e+00 0 -1 2456 - 7.5000000000000000e+00 -2 -3 2457 2.9500000000000000e+01 - - -4.2047679424285889e-01 5.8755081892013550e-01 - -3.5544028878211975e-01 1.4925979077816010e-01 - <_> - 5.7038162231445312e+01 - - 1 2 2458 4253. 0 -1 2459 2.5925000000000000e+03 -2 -3 2460 - 1.5500000000000000e+01 - - 1.7438737675547600e-02 7.4788528680801392e-01 - -7.3076415061950684e-01 3.7760403752326965e-01 - <_> - 5.7042125701904297e+01 - - 1 2 2461 2.6500000000000000e+01 0 -1 2462 - 1.9500000000000000e+01 -2 -3 2463 27. - - 3.9644027128815651e-03 7.4178051948547363e-01 - -7.0212310552597046e-01 3.2540574669837952e-01 - <_> - 5.6994468688964844e+01 - - 1 2 2464 1.9850000000000000e+02 0 -1 2465 - 4.1500000000000000e+01 -2 -3 2466 15. - - -4.7658316791057587e-02 4.4828248023986816e-01 - -9.3152695894241333e-01 1. - <_> - 5.7190505981445312e+01 - - 1 2 2467 1.8500000000000000e+01 0 -1 2468 - 5.0000000000000000e-01 -2 -3 2469 1.8750000000000000e+02 - - -7.1969377994537354e-01 1.9603636860847473e-01 - 4.9150291085243225e-01 -5.2527850866317749e-01 - <_> - 5.7078899383544922e+01 - - 1 2 2470 3.8450000000000000e+02 0 -1 2471 526. -2 -3 2472 - 2.9050000000000000e+02 - - 3.3174201846122742e-01 -8.2571077346801758e-01 - 5.2103126049041748e-01 -3.9841450750827789e-02 - <_> - 5.7003246307373047e+01 - - 1 2 2473 7.5500000000000000e+01 0 -1 2474 - 1.0550000000000000e+02 -2 -3 2475 968. - - -7.5653955340385437e-02 4.8758953809738159e-01 - -5.4898864030838013e-01 1. - <_> - 5.6870857238769531e+01 - - 1 2 2476 1.0500000000000000e+01 0 -1 2477 - 2.0500000000000000e+01 -2 -3 2478 1.6935000000000000e+03 - - -7.4650394916534424e-01 1.1892273277044296e-01 - 4.1699570417404175e-01 -1.3238719105720520e-01 - <_> - 5.7122226715087891e+01 - - 1 2 2479 8.5000000000000000e+00 0 -1 2480 86. -2 -3 2481 - 7.3500000000000000e+01 - - -8.4109079837799072e-01 2.5136706233024597e-01 - -7.6945990324020386e-01 -1.0176113247871399e-01 - <_> - 5.7074886322021484e+01 - - 1 2 2482 260. 0 -1 2483 2.8500000000000000e+01 -2 -3 2484 - 3.7500000000000000e+01 - - 3.3627879619598389e-01 -5.7430881261825562e-01 - -8.7236690521240234e-01 -4.7338943928480148e-02 - <_> - 5.6915012359619141e+01 - - 1 2 2485 1.6500000000000000e+01 0 -1 2486 - 5.0000000000000000e-01 -2 -3 2487 4.3050000000000000e+02 - - 5.5153751373291016e-01 -5.8580690622329712e-01 - -1.5987615287303925e-01 3.9268711209297180e-01 - <_> - 5.7239044189453125e+01 - - 1 2 2488 1.5000000000000000e+00 0 -1 2489 - 8.1500000000000000e+01 -2 -3 2490 2.6500000000000000e+01 - - 5.2343451976776123e-01 -4.1453287005424500e-01 - 3.2403412461280823e-01 -3.2856607437133789e-01 - <_> - 5.7474300384521484e+01 - - 1 2 2491 1.8500000000000000e+01 0 -1 2492 - 1.5000000000000000e+00 -2 -3 2493 9.5000000000000000e+00 - - -7.8822988271713257e-01 -9.5766671001911163e-03 - -4.8284614086151123e-01 2.3525412380695343e-01 - <_> - 5.7249835968017578e+01 - - 1 2 2494 2.3050000000000000e+02 0 -1 2495 - 2.0050000000000000e+02 -2 -3 2496 2.8150000000000000e+02 - - -2.2446456551551819e-01 2.2491098940372467e-01 - 8.3066219091415405e-01 -9.5704418420791626e-01 - <_> - 5.7814559936523438e+01 - - 1 2 2497 5.0000000000000000e-01 0 -1 2498 - 2.6185000000000000e+03 -2 -3 2499 1.7500000000000000e+01 - - 5.6472480297088623e-01 -1.6110357642173767e-01 - -3.1116396188735962e-01 4.4437372684478760e-01 - <_> - 5.8106559753417969e+01 - - 1 2 2500 8.5000000000000000e+00 0 -1 2501 - 1.7500000000000000e+01 -2 -3 2502 4.5000000000000000e+00 - - -2.7669808268547058e-01 2.9200211167335510e-01 - -9.3605440855026245e-01 6.0182154178619385e-01 - <_> - 5.8357116699218750e+01 - - 1 2 2503 6.5000000000000000e+00 0 -1 2504 4110. -2 -3 2505 - 5.0000000000000000e-01 - - 5.0149852037429810e-01 -4.7614306211471558e-01 - 2.5055614113807678e-01 -3.4401369094848633e-01 - <_> - 5.8571323394775391e+01 - - 1 2 2506 1.7500000000000000e+01 0 -1 2507 - 1.0500000000000000e+01 -2 -3 2508 1.2500000000000000e+01 - - -7.3967492580413818e-01 1.0592705756425858e-01 - -7.4430185556411743e-01 2.1420435607433319e-01 - <_> - 5.8413196563720703e+01 - - 1 2 2509 4.6500000000000000e+01 0 -1 2510 - 5.0000000000000000e-01 -2 -3 2511 6.5000000000000000e+00 - - 3.0999431014060974e-01 -1.5812423825263977e-01 - 7.2452938556671143e-01 -8.2721656560897827e-01 - <_> - 5.8289020538330078e+01 - - 1 2 2512 1.9450000000000000e+02 0 -1 2513 - 1.5500000000000000e+01 -2 -3 2514 5.1650000000000000e+02 - - -7.0014303922653198e-01 5.3811348974704742e-02 - 2.4148009717464447e-01 -3.3995988965034485e-01 - <_> - 5.8445301055908203e+01 - - 1 2 2515 6.5000000000000000e+00 0 -1 2516 - 1.5000000000000000e+00 -2 -3 2517 5.5000000000000000e+00 - - 1.5627947449684143e-01 -4.8640871047973633e-01 - 3.7407481670379639e-01 -3.9116647839546204e-01 - <_> - 5.8216587066650391e+01 - - 1 2 2518 700. 0 -1 2519 5.5850000000000000e+02 -2 -3 2520 - 16. - - 2.0464093983173370e-01 -2.6413521170616150e-01 - 8.5163682699203491e-01 -1. - <_> - 5.8270072937011719e+01 - - 1 2 2521 7.0500000000000000e+01 0 -1 2522 3409. -2 -3 2523 - 7.3150000000000000e+02 - - 5.3485069423913956e-02 -5.7243049144744873e-01 - -8.9430630207061768e-02 6.9314485788345337e-01 - <_> - 5.7783893585205078e+01 - - 1 2 2524 5.0000000000000000e-01 0 -1 2525 - 2.5000000000000000e+00 -2 -3 2526 1684. - - -4.0134501457214355e-01 5.9734642505645752e-01 - -4.8617830872535706e-01 7.6749451458454132e-02 - <_> - 5.8102993011474609e+01 - - 1 2 2527 6.5500000000000000e+01 0 -1 2528 - 5.5000000000000000e+00 -2 -3 2529 1.9500000000000000e+01 - - 3.1909653544425964e-01 -1.7158342897891998e-01 - -7.2843241691589355e-01 2.3383940756320953e-01 - <_> - 5.8049087524414062e+01 - - 1 2 2530 4.5000000000000000e+00 0 -1 2531 - 5.0000000000000000e-01 -2 -3 2532 2.8500000000000000e+01 - - 1. -7.5028574466705322e-01 -5.3904149681329727e-02 - 5.5251020193099976e-01 - <_> - 5.8244209289550781e+01 - - 1 2 2533 5.5000000000000000e+00 0 -1 2534 - 4.5000000000000000e+00 -2 -3 2535 5.0000000000000000e-01 - - -8.0380880832672119e-01 2.9753589630126953e-01 - 1.9512148201465607e-01 -4.6969175338745117e-01 - <_> - 5.8672908782958984e+01 - - 1 2 2536 2.5000000000000000e+00 0 -1 2537 - 1.3500000000000000e+01 -2 -3 2538 11661. - - -3.4166058897972107e-01 3.3482587337493896e-01 - 4.2869973182678223e-01 -1. - <_> - 5.9023540496826172e+01 - - 1 2 2539 1.5000000000000000e+00 0 -1 2540 - 3.5000000000000000e+00 -2 -3 2541 9.5000000000000000e+00 - - -8.3383214473724365e-01 3.5063269734382629e-01 - -3.5336953401565552e-01 3.0827513337135315e-01 - <_> - 5.9003356933593750e+01 - - 1 2 2542 1.0250000000000000e+02 0 -1 2543 - 2.5550000000000000e+02 -2 -3 2544 2.0350000000000000e+02 - - 5.1257050037384033e-01 -3.2918009161949158e-01 - 7.4368792772293091e-01 -2.0184267312288284e-02 - <_> - 5.9620601654052734e+01 - - 1 2 2545 7.9500000000000000e+01 0 -1 2546 - 2.5000000000000000e+00 -2 -3 2547 3.5000000000000000e+00 - - -7.7253228425979614e-01 6.1724388599395752e-01 - -4.8216223716735840e-01 5.6440707296133041e-02 - <_> - 5.9330902099609375e+01 - - 1 2 2548 5.0000000000000000e-01 0 -1 2549 - 3.5000000000000000e+00 -2 -3 2550 2.7500000000000000e+01 - - -6.9474482536315918e-01 3.4619376063346863e-01 - -2.8969791531562805e-01 8.9516305923461914e-01 - <_> - 5.9581577301025391e+01 - - 1 2 2551 5.3500000000000000e+01 0 -1 2552 - 5.0000000000000000e-01 -2 -3 2553 1342. - - 2.5067508220672607e-01 -2.0224566757678986e-01 - -8.1104308366775513e-01 1. - <_> - 5.8948894500732422e+01 - - 1 2 2554 3.7500000000000000e+01 0 -1 2555 - 2.5500000000000000e+01 -2 -3 2556 1.0500000000000000e+01 - - 2.1159039437770844e-01 -6.3268536329269409e-01 - 2.9823055863380432e-01 -4.7319912910461426e-01 - <_> - 5.8807991027832031e+01 - - 1 2 2557 5.0000000000000000e-01 0 -1 2558 - 1.6500000000000000e+01 -2 -3 2559 5.0000000000000000e-01 - - 4.5869261026382446e-01 -8.1530493497848511e-01 - 2.9593425989151001e-01 -1.4090000092983246e-01 - <_> - 5.9417499542236328e+01 - - 1 2 2560 3.2500000000000000e+01 0 -1 2561 - 3.7750000000000000e+02 -2 -3 2562 75. - - 3.8758099079132080e-01 -2.1584044396877289e-01 - 6.0950559377670288e-01 -8.6360347270965576e-01 - <_> - 5.9395267486572266e+01 - - 1 2 2563 3.8250000000000000e+02 0 -1 2564 - 8.5000000000000000e+00 -2 -3 2565 5.7450000000000000e+02 - - 1.0727138072252274e-01 -9.5441406965255737e-01 - 7.1632760763168335e-01 -2.2229373455047607e-02 - <_> - 5.9514354705810547e+01 - - 1 2 2566 1.9950000000000000e+02 0 -1 2567 - 2.5500000000000000e+01 -2 -3 2568 2. - - -5.9233713150024414e-01 1.1908496916294098e-01 1. - -9.8158216476440430e-01 - <_> - 6.0169723510742188e+01 - - 1 2 2569 2.8150000000000000e+02 0 -1 2570 - 2.8050000000000000e+02 -2 -3 2571 3.1650000000000000e+02 - - -2.3387852311134338e-01 6.5537095069885254e-01 - -4.8421013355255127e-01 2.2264781594276428e-01 - <_> - 6.0158332824707031e+01 - - 1 2 2572 7.0500000000000000e+01 0 -1 2573 13. -2 -3 2574 - 1.7650000000000000e+02 - - 1. -9.1182774305343628e-01 6.4647716283798218e-01 - -1.1392616666853428e-02 - <_> - 6.0164875030517578e+01 - - 1 2 2575 1.0500000000000000e+01 0 -1 2576 - 6.5000000000000000e+00 -2 -3 2577 2.2500000000000000e+01 - - -5.1000970602035522e-01 1.9136555492877960e-01 - 5.6798326969146729e-01 -1.2325727939605713e-01 - <_> - 6.0000015258789062e+01 - - 1 2 2578 1.8500000000000000e+01 0 -1 2579 - 1.8550000000000000e+02 -2 -3 2580 8.5000000000000000e+00 - - 5.5650675296783447e-01 -1.7031535506248474e-01 - -3.4968420863151550e-01 2.8920692205429077e-01 - <_> - 5.9847770690917969e+01 - - 1 2 2581 7.5500000000000000e+01 0 -1 2582 - 4.5000000000000000e+00 -2 -3 2583 8.5000000000000000e+00 - - -1.5224465727806091e-01 6.9837278127670288e-01 - 8.2906544208526611e-01 -6.7065995931625366e-01 - <_> - 5.9407840728759766e+01 - - 1 2 2584 6.5000000000000000e+00 0 -1 2585 - 3.2500000000000000e+01 -2 -3 2586 2.7750000000000000e+02 - - -1.4858660101890564e-01 4.5175358653068542e-01 - 3.0660414695739746e-01 -4.3992885947227478e-01 - <_> - 5.9727443695068359e+01 - - 1 2 2587 5.5000000000000000e+00 0 -1 2588 - 3.5000000000000000e+00 -2 -3 2589 2.0650000000000000e+02 - - -9.2537873983383179e-01 5.8647280931472778e-01 - -1.5209920704364777e-01 3.1960240006446838e-01 - <_> - 6.0010757446289062e+01 - - 1 2 2590 4.1850000000000000e+02 0 -1 2591 - 1.0550000000000000e+02 -2 -3 2592 2.8650000000000000e+02 - - 1.0595235042273998e-02 6.2895303964614868e-01 - 1.7578537762165070e-01 -6.4835780858993530e-01 - <_> - 6.0163875579833984e+01 - - 1 2 2593 1.1500000000000000e+01 0 -1 2594 - 1.3950000000000000e+02 -2 -3 2595 1.5000000000000000e+00 - - 1.5311945974826813e-01 -1. 3.8898807764053345e-01 - -6.8376713991165161e-01 - <_> - 6.0612895965576172e+01 - - 1 2 2596 6.5000000000000000e+00 0 -1 2597 - 7.5000000000000000e+00 -2 -3 2598 5.0000000000000000e-01 - - 1.1192434281110764e-01 -4.8998862504959106e-01 - 4.4902092218399048e-01 -2.1356025338172913e-01 - <_> - 6.0593112945556641e+01 - - 1 2 2599 7.5000000000000000e+00 0 -1 2600 - 2.5500000000000000e+01 -2 -3 2601 5.2550000000000000e+02 - - -6.2332719564437866e-01 2.7156946063041687e-01 - -2.6419401168823242e-01 3.0316945910453796e-01 - <_> - 6.0419368743896484e+01 - - 1 2 2602 1414. 0 -1 2603 5.0000000000000000e-01 -2 -3 2604 - 5.0000000000000000e-01 - - 3.2086572051048279e-01 -1.7374682426452637e-01 - 3.9743113517761230e-01 -8.2090038061141968e-01 - <_> - 6.0365997314453125e+01 - - 1 2 2605 5.5000000000000000e+00 0 -1 2606 - 9.4500000000000000e+01 -2 -3 2607 4.0500000000000000e+01 - - -5.3367935121059418e-02 -7.2029197216033936e-01 - 5.0103998184204102e-01 -5.2485477924346924e-01 - <_> - 6.0689079284667969e+01 - - 1 2 2608 2.5000000000000000e+00 0 -1 2609 - 1.5000000000000000e+00 -2 -3 2610 1.5000000000000000e+00 - - -9.3278533220291138e-01 3.5384011268615723e-01 - 3.2307976484298706e-01 -1.4563784003257751e-01 - <_> - 6.0867687225341797e+01 - - 1 2 2611 9.5000000000000000e+00 0 -1 2612 599. -2 -3 2613 - 2.8500000000000000e+01 - - 6.5348321199417114e-01 -7.7523887157440186e-01 - 1.7860861122608185e-01 -6.8781971931457520e-01 - <_> - 6.0617588043212891e+01 - - 1 2 2614 3.5000000000000000e+00 0 -1 2615 - 3.5000000000000000e+00 -2 -3 2616 29. - - -6.8590456247329712e-01 -4.1165366768836975e-02 - -7.8714710474014282e-01 2.2933968901634216e-01 - <_> - 6.0553024291992188e+01 - - 1 2 2617 5.0000000000000000e-01 0 -1 2618 - 8.5000000000000000e+00 -2 -3 2619 2.5500000000000000e+01 - - 7.2095865011215210e-01 -1.0256516933441162e-01 - -2.7349776029586792e-01 5.0410771369934082e-01 - <_> - 6.0395980834960938e+01 - - 1 2 2620 4.5000000000000000e+00 0 -1 2621 - 1.5500000000000000e+01 -2 -3 2622 4.5000000000000000e+00 - - 3.5106821451336145e-03 -6.8456047773361206e-01 - -1.5704339742660522e-01 4.0133151412010193e-01 - <_> - 5.9962356567382812e+01 - - 1 2 2623 2.5000000000000000e+00 0 -1 2624 - 3.5000000000000000e+00 -2 -3 2625 3.5500000000000000e+01 - - -4.5895889401435852e-01 3.6360222101211548e-01 - -4.3362265825271606e-01 1.4346121251583099e-01 - <_> - 6.0286312103271484e+01 - - 1 2 2626 237. 0 -1 2627 1.4050000000000000e+02 -2 -3 2628 - 1.0500000000000000e+01 - - 3.2395470142364502e-01 -1.2447713315486908e-01 1. - -9.4700473546981812e-01 - <_> - 6.0432418823242188e+01 - - 1 2 2629 1.3025000000000000e+03 0 -1 2630 - 2.5000000000000000e+00 -2 -3 2631 8.7350000000000000e+02 - - 1.4610382914543152e-01 -5.0863313674926758e-01 - 6.1481702327728271e-01 -7.1987234055995941e-02 - <_> - 6.0589881896972656e+01 - - 1 2 2632 4.5000000000000000e+00 0 -1 2633 - 9.5000000000000000e+00 -2 -3 2634 1.9150000000000000e+02 - - -7.7591598033905029e-01 1. -6.5265017747879028e-01 - 1.5746453404426575e-01 - <_> - 6.1252899169921875e+01 - - 1 2 2635 2.9250000000000000e+02 0 -1 2636 - 5.8450000000000000e+02 -2 -3 2637 2.1500000000000000e+01 - - -3.3597718924283981e-02 6.6301667690277100e-01 - 4.5846205949783325e-01 -3.1099578738212585e-01 - <_> - 6.1492858886718750e+01 - - 1 2 2638 7.5000000000000000e+00 0 -1 2639 - 2.9500000000000000e+01 -2 -3 2640 2.5000000000000000e+00 - - -3.6869207024574280e-01 3.3420211076736450e-01 - 4.7750937938690186e-01 -2.3987923562526703e-01 - <_> - 6.1205974578857422e+01 - - 1 2 2641 7.5000000000000000e+00 0 -1 2642 - 1.5000000000000000e+00 -2 -3 2643 1.4500000000000000e+01 - - -5.1257357001304626e-02 -9.2525291442871094e-01 - 2.6967108249664307e-01 -2.8688544034957886e-01 - <_> - 6.1789810180664062e+01 - - 1 2 2644 5.0000000000000000e-01 0 -1 2645 - 1.5000000000000000e+00 -2 -3 2646 1.0850000000000000e+02 - - -1.2522415816783905e-01 5.8383584022521973e-01 - -3.7811398506164551e-01 3.5324230790138245e-01 - <_> - 6.1241226196289062e+01 - - 1 2 2647 1.3500000000000000e+01 0 -1 2648 43. -2 -3 2649 - 1.5000000000000000e+00 - - 3.7132117152214050e-01 -5.4858577251434326e-01 - 5.6798547506332397e-01 -1.6644481569528580e-02 - <_> - 6.1479743957519531e+01 - - 1 2 2650 3.5000000000000000e+00 0 -1 2651 - 2.1500000000000000e+01 -2 -3 2652 2.7500000000000000e+01 - - -4.2368954420089722e-01 2.3851761221885681e-01 - -5.7994890213012695e-01 3.7476634979248047e-01 - <_> - 6.1004722595214844e+01 - - 1 2 2653 1.5000000000000000e+00 0 -1 2654 - 9.5000000000000000e+00 -2 -3 2655 2.0650000000000000e+02 - - 3.5197860002517700e-01 -6.0150128602981567e-01 - -4.7501891851425171e-01 1.0508991032838821e-01 - <_> - 6.1214889526367188e+01 - - 1 2 2656 4.1450000000000000e+02 0 -1 2657 - 1.5000000000000000e+00 -2 -3 2658 6.5000000000000000e+00 - - -9.0379047393798828e-01 2.1016710996627808e-01 - -8.4449762105941772e-01 1.7173469066619873e-01 - <_> - 6.1464859008789062e+01 - - 1 2 2659 2.5000000000000000e+00 0 -1 2660 - 3.4500000000000000e+01 -2 -3 2661 1.4500000000000000e+01 - - 2.5582450628280640e-01 -7.3183947801589966e-01 - -4.9639618396759033e-01 2.4996897578239441e-01 - <_> - 6.1681930541992188e+01 - - 1 2 2662 5.0000000000000000e-01 0 -1 2663 - 6.9500000000000000e+01 -2 -3 2664 2.6750000000000000e+02 - - -8.9841169118881226e-01 1. 6.2449836730957031e-01 - -6.4489036798477173e-02 - <_> - 6.1654228210449219e+01 - - 1 2 2665 2.7050000000000000e+02 0 -1 2666 - 5.5000000000000000e+00 -2 -3 2667 4.0950000000000000e+02 - - -8.7079370021820068e-01 2.6282650232315063e-01 - 6.5214538574218750e-01 -2.7702366933226585e-02 - <_> - 6.2061069488525391e+01 - - 1 2 2668 2.5000000000000000e+00 0 -1 2669 - 5.0000000000000000e-01 -2 -3 2670 5.0000000000000000e-01 - - -7.8327047824859619e-01 4.0684157609939575e-01 - 6.0355588793754578e-02 -5.0233304500579834e-01 - <_> - 6.1906791687011719e+01 - - 1 2 2671 1.5000000000000000e+00 0 -1 2672 - 1.5000000000000000e+00 -2 -3 2673 2.5000000000000000e+00 - - 5.6696528196334839e-01 -4.6415984630584717e-01 - 3.4750485420227051e-01 -2.1522110700607300e-01 - <_> - 6.2178283691406250e+01 - - 1 2 2674 3.9500000000000000e+01 0 -1 2675 - 8.5000000000000000e+00 -2 -3 2676 1.3750000000000000e+02 - - -1.5354898571968079e-01 3.0087256431579590e-01 - 6.2499260902404785e-01 -7.2910422086715698e-01 - <_> - 6.2438056945800781e+01 - - 1 2 2677 6.5000000000000000e+00 0 -1 2678 - 8.5000000000000000e+00 -2 -3 2679 67. - - -3.1217855215072632e-01 2.5977545976638794e-01 - 7.4574637413024902e-01 -1.9338005781173706e-01 - <_> - 6.2752281188964844e+01 - - 1 2 2680 2.6650000000000000e+02 0 -1 2681 - 5.0000000000000000e-01 -2 -3 2682 1.3550000000000000e+02 - - 3.1422150135040283e-01 -1.4777605235576630e-01 - 8.5186350345611572e-01 -8.3034658432006836e-01 - <_> - 6.2594532012939453e+01 - - 1 2 2683 3.5500000000000000e+01 0 -1 2684 - 5.0000000000000000e-01 -2 -3 2685 5.0500000000000000e+01 - - 1.6120029985904694e-01 -3.1525397300720215e-01 - 7.8786081075668335e-01 -8.2956892251968384e-01 - <_> - 6.2900459289550781e+01 - - 1 2 2686 9.5000000000000000e+00 0 -1 2687 - 5.0000000000000000e-01 -2 -3 2688 7.5000000000000000e+00 - - 3.3722239732742310e-01 -6.2358045578002930e-01 - -2.2625392675399780e-01 3.3588206768035889e-01 - <_> - 6.2587158203125000e+01 - - 1 2 2689 1.5000000000000000e+00 0 -1 2690 - 8.5000000000000000e+00 -2 -3 2691 1.6450000000000000e+02 - - -6.1196434497833252e-01 3.7018314003944397e-01 - -3.4325864911079407e-01 7.1064901351928711e-01 - <_> - 6.2978553771972656e+01 - - 1 2 2692 5.0000000000000000e-01 0 -1 2693 - 7.5000000000000000e+00 -2 -3 2694 236. - - -8.3526867628097534e-01 3.9139539003372192e-01 - -2.7839684486389160e-01 6.4235913753509521e-01 - <_> - 6.2408267974853516e+01 - - 1 2 2695 1.4050000000000000e+02 0 -1 2696 1639. -2 -3 2697 - 2.5000000000000000e+00 - - -8.4244453907012939e-01 3.5902199149131775e-01 - 1.0501577705144882e-01 -4.8646318912506104e-01 - <_> - 6.2895637512207031e+01 - - 1 2 2698 1.4500000000000000e+01 0 -1 2699 - 8.5000000000000000e+00 -2 -3 2700 2.5000000000000000e+00 - - 4.6988185495138168e-02 -7.1969383955001831e-01 - 4.8736768960952759e-01 -6.1925843358039856e-02 - <_> - 6.2663387298583984e+01 - - 1 2 2701 2.1500000000000000e+01 0 -1 2702 - 1.1500000000000000e+01 -2 -3 2703 1.4500000000000000e+01 - - -7.2029066085815430e-01 9.2440739274024963e-02 - 2.9415887594223022e-01 -2.3525267839431763e-01 - <_> - 6.2987194061279297e+01 - - 1 2 2704 4.5000000000000000e+00 0 -1 2705 - 7.5500000000000000e+01 -2 -3 2706 5.0000000000000000e-01 - - 1. -9.0740150213241577e-01 3.2380592823028564e-01 - -1.5268217027187347e-01 - <_> - 6.3587291717529297e+01 - - 1 2 2707 2.8500000000000000e+01 0 -1 2708 - 5.0000000000000000e-01 -2 -3 2709 3.0500000000000000e+01 - - 8.2845188677310944e-02 -4.1826823353767395e-01 - -1.8972435593605042e-01 6.0009866952896118e-01 - <_> - 6.3807559967041016e+01 - - 1 2 2710 1.7050000000000000e+02 0 -1 2711 - 1.5000000000000000e+00 -2 -3 2712 2.6500000000000000e+01 - - 2.2606207430362701e-01 -3.2580971717834473e-01 - -9.5029556751251221e-01 1. - <_> - 6.3285655975341797e+01 - - 1 2 2713 2.5000000000000000e+00 0 -1 2714 - 2.0500000000000000e+01 -2 -3 2715 1.5000000000000000e+00 - - -5.2190160751342773e-01 2.7798208594322205e-01 - 3.1544733047485352e-01 -2.2196403145790100e-01 - <_> - 6.3550678253173828e+01 - - 1 2 2716 2052. 0 -1 2717 1.5000000000000000e+00 -2 -3 2718 - 2.4500000000000000e+01 - - 2.8521814942359924e-01 -2.5548547506332397e-01 - -7.0672160387039185e-01 7.2617936134338379e-01 - <_> - 6.3662876129150391e+01 - - 1 2 2719 2.5500000000000000e+01 0 -1 2720 - 3.7500000000000000e+01 -2 -3 2721 2.9500000000000000e+01 - - 9.2001825571060181e-02 -6.1267060041427612e-01 - -7.6270443201065063e-01 2.8730672597885132e-01 - <_> - 6.3807342529296875e+01 - - 1 2 2722 1.5000000000000000e+00 0 -1 2723 - 1.5000000000000000e+00 -2 -3 2724 3.7150000000000000e+02 - - -7.3808377981185913e-01 3.7818792462348938e-01 - -4.3305176496505737e-01 2.3701250553131104e-01 - <_> - 6.3842769622802734e+01 - - 1 2 2725 2.5000000000000000e+00 0 -1 2726 - 2.5000000000000000e+00 -2 -3 2727 5.0000000000000000e-01 - - 1.1332137882709503e-01 -5.1461762189865112e-01 - 7.9907387495040894e-01 3.5429000854492188e-02 - <_> - 6.3756759643554688e+01 - - 1 2 2728 1.9450000000000000e+02 0 -1 2729 1643. -2 -3 2730 - 1.9650000000000000e+02 - - 1.4746785163879395e-01 -7.2807186841964722e-01 - 5.6145447492599487e-01 -8.6011424660682678e-02 - <_> - 6.3733058929443359e+01 - - 1 2 2731 8.3500000000000000e+01 0 -1 2732 - 1.0500000000000000e+01 -2 -3 2733 2.3500000000000000e+01 - - -2.3702777922153473e-02 5.4405170679092407e-01 - -7.7169793844223022e-01 3.0090901255607605e-01 - <_> - 6.3680248260498047e+01 - - 1 2 2734 7.5000000000000000e+00 0 -1 2735 - 4.8500000000000000e+01 -2 -3 2736 1.5000000000000000e+00 - - -5.2809726446866989e-02 -7.8950524330139160e-01 - 5.1301914453506470e-01 -4.9866847693920135e-02 - <_> - 6.3880180358886719e+01 - - 1 2 2737 2.9015000000000000e+03 0 -1 2738 - 6.5000000000000000e+00 -2 -3 2739 8.7050000000000000e+02 - - -5.2026945352554321e-01 1.4022850990295410e-01 - 7.1531414985656738e-01 -1.1917709559202194e-01 - <_> - 6.3902549743652344e+01 - - 1 2 2740 1.7500000000000000e+01 0 -1 2741 682. -2 -3 2742 - 1.4500000000000000e+01 - - 2.2369438782334328e-02 7.8829252719879150e-01 - -7.3855948448181152e-01 6.5198886394500732e-01 - <_> - 6.4139472961425781e+01 - - 1 2 2743 1.5000000000000000e+00 0 -1 2744 - 2.5000000000000000e+00 -2 -3 2745 2.0500000000000000e+01 - - -6.6418927907943726e-01 7.0931375026702881e-01 - -2.0525617897510529e-01 6.0997349023818970e-01 - <_> - 6.3896743774414062e+01 - - 1 2 2746 8.5000000000000000e+00 0 -1 2747 - 2.5000000000000000e+00 -2 -3 2748 3.1500000000000000e+01 - - -4.3710169196128845e-01 4.7477069497108459e-01 - -3.1593173742294312e-01 4.8821964859962463e-01 - <_> - 6.3892070770263672e+01 - - 1 2 2749 4.3750000000000000e+02 0 -1 2750 - 4.3150000000000000e+02 -2 -3 2751 9.5000000000000000e+00 - - -4.6721110120415688e-03 8.8219249248504639e-01 - -8.3383691310882568e-01 7.1565806865692139e-01 - <_> - 6.4291923522949219e+01 - - 1 2 2752 5.0000000000000000e-01 0 -1 2753 - 2.9350000000000000e+02 -2 -3 2754 1.2500000000000000e+01 - - 5.9044593572616577e-01 -3.5737776756286621e-01 - -2.6983705163002014e-01 3.9985546469688416e-01 - <_> - 6.4444198608398438e+01 - - 1 2 2755 2.5000000000000000e+00 0 -1 2756 496. -2 -3 2757 - 8.7500000000000000e+01 - - -8.2448130846023560e-01 1. 1.5226939320564270e-01 - -7.8910803794860840e-01 - <_> - 6.4720268249511719e+01 - - 1 2 2758 5.0000000000000000e-01 0 -1 2759 - 8.5000000000000000e+00 -2 -3 2760 1.6895000000000000e+03 - - -7.6469248533248901e-01 5.3199023008346558e-01 - 1.3163314759731293e-01 -3.6375212669372559e-01 - <_> - 6.4363922119140625e+01 - - 1 2 2761 2.0650000000000000e+02 0 -1 2762 - 5.0000000000000000e-01 -2 -3 2763 2.0850000000000000e+02 - - 9.4482317566871643e-02 -4.8107957839965820e-01 - 6.4464539289474487e-01 -1.6706781089305878e-01 - <_> - 6.4417221069335938e+01 - - 1 2 2764 5.7500000000000000e+01 0 -1 2765 - 1.5000000000000000e+00 -2 -3 2766 5.0000000000000000e-01 - - -7.5109612941741943e-01 3.3447441458702087e-01 - 4.7835576534271240e-01 -7.7882848680019379e-02 - <_> - 6.4584609985351562e+01 - - 1 2 2767 1.2500000000000000e+01 0 -1 2768 - 5.0000000000000000e-01 -2 -3 2769 2.1500000000000000e+01 - - -5.4096364974975586e-01 1.6738529503345490e-01 - -7.5967723131179810e-01 8.8292425870895386e-01 - <_> - 6.4760520935058594e+01 - - 1 2 2770 2.5000000000000000e+00 0 -1 2771 - 1.9050000000000000e+02 -2 -3 2772 5.0000000000000000e-01 - - -4.6916040778160095e-01 5.8294248580932617e-01 - 5.0347501039505005e-01 -2.4913801252841949e-01 - <_> - 6.4607902526855469e+01 - - 1 2 2773 1.7500000000000000e+01 0 -1 2774 - 9.5500000000000000e+01 -2 -3 2775 4.4350000000000000e+02 - - 3.4941902756690979e-01 -6.4918982982635498e-01 - -4.3396180868148804e-01 2.8290441632270813e-01 - <_> - 6.4527969360351562e+01 - - 1 2 2776 5.0000000000000000e-01 0 -1 2777 - 4.3500000000000000e+01 -2 -3 2778 8.8500000000000000e+01 - - 4.4687822461128235e-01 -7.1882510185241699e-01 - -7.9936116933822632e-02 -8.9642030000686646e-01 - <_> - 6.4619773864746094e+01 - - 1 2 2779 3.5000000000000000e+00 0 -1 2780 - 3.1500000000000000e+01 -2 -3 2781 3.9150000000000000e+02 - - -9.1050511598587036e-01 1. 9.1801762580871582e-02 - -9.1259324550628662e-01 - <_> - 6.4837570190429688e+01 - - 1 2 2782 7.1500000000000000e+01 0 -1 2783 - 1.1500000000000000e+01 -2 -3 2784 1.7850000000000000e+02 - - -4.0079045295715332e-01 7.8354829549789429e-01 - 2.1779969334602356e-01 -9.3245065212249756e-01 - <_> - 6.4496871948242188e+01 - - 1 2 2785 5.0000000000000000e-01 0 -1 2786 - 7.5000000000000000e+00 -2 -3 2787 5.0000000000000000e-01 - - 4.1458779573440552e-01 -1.6905190050601959e-01 - 4.9135982990264893e-01 -3.4069874882698059e-01 - <_> - 6.5054672241210938e+01 - - 1 2 2788 4.5000000000000000e+00 0 -1 2789 - 5.5000000000000000e+00 -2 -3 2790 5.0000000000000000e-01 - - -3.2522678375244141e-01 3.4266743063926697e-01 - 5.5779844522476196e-01 -1.2484771758317947e-01 - <_> - 6.4687782287597656e+01 - - 1 2 2791 5.3500000000000000e+01 0 -1 2792 - 1.5500000000000000e+01 -2 -3 2793 1.8500000000000000e+01 - - -3.6688560247421265e-01 2.1883730590343475e-01 - 2.1215963363647461e-01 -8.3708620071411133e-01 - <_> - 6.5208068847656250e+01 - - 1 2 2794 1.5000000000000000e+00 0 -1 2795 - 7.5000000000000000e+00 -2 -3 2796 4.5000000000000000e+00 - - -4.4749242067337036e-01 5.2028369903564453e-01 - 1.4320193231105804e-01 -3.6478173732757568e-01 - <_> - 6.5268638610839844e+01 - - 1 2 2797 5.5000000000000000e+00 0 -1 2798 - 4.1500000000000000e+01 -2 -3 2799 4.5000000000000000e+00 - - 8.3268040418624878e-01 -6.3441288471221924e-01 - 4.0759882330894470e-01 -8.2020364701747894e-02 - <_> - 6.5322891235351562e+01 - - 1 2 2800 9.0500000000000000e+01 0 -1 2801 - 2.5000000000000000e+00 -2 -3 2802 1.8650000000000000e+02 - - 2.2344470024108887e-01 -2.9277965426445007e-01 - -9.6397489309310913e-01 5.7233071327209473e-01 - <_> - 6.5454887390136719e+01 - - 1 2 2803 2.0500000000000000e+01 0 -1 2804 - 2.5000000000000000e+00 -2 -3 2805 4. - - -6.3367128372192383e-01 1.3200259208679199e-01 - -9.4963890314102173e-01 4.6485623717308044e-01 - <_> - 6.5903160095214844e+01 - - 1 2 2806 2.5000000000000000e+00 0 -1 2807 - 3.8500000000000000e+01 -2 -3 2808 4.5500000000000000e+01 - - 4.4826710224151611e-01 -7.7937543392181396e-01 - -5.1449149847030640e-01 1.0056205093860626e-01 - <_> - 6.6093971252441406e+01 - - 1 2 2809 2.5175000000000000e+03 0 -1 2810 6717. -2 -3 2811 - 2.0650000000000000e+02 - - -3.9923682808876038e-02 9.1757839918136597e-01 - -5.2093452215194702e-01 1.9081139564514160e-01 - <_> - 6.6034652709960938e+01 - - 1 2 2812 2.5000000000000000e+00 0 -1 2813 - 3.5000000000000000e+00 -2 -3 2814 3.3150000000000000e+02 - - -7.6858395338058472e-01 3.2895866036415100e-01 - -3.3519825339317322e-01 6.6958039999008179e-01 - <_> - 6.6225700378417969e+01 - - 1 2 2815 2.0500000000000000e+01 0 -1 2816 - 7.5000000000000000e+00 -2 -3 2817 1.0350000000000000e+02 - - 1.6298887133598328e-01 -7.7439045906066895e-01 - 2.3633432388305664e-01 -4.2903181910514832e-01 - <_> - 6.6216186523437500e+01 - - 1 2 2818 2.5000000000000000e+00 0 -1 2819 - 5.8500000000000000e+01 -2 -3 2820 1.5500000000000000e+01 - - 2.1922865509986877e-01 -4.7555354237556458e-01 - -3.8529956340789795e-01 3.8940200209617615e-01 - <_> - 6.5891036987304688e+01 - - 1 2 2821 5.5000000000000000e+00 0 -1 2822 - 8.3500000000000000e+01 -2 -3 2823 2.3500000000000000e+01 - - 3.2532903552055359e-01 -4.5672222971916199e-01 - -5.5388760566711426e-01 1.9246758520603180e-01 - <_> - 6.5877616882324219e+01 - - 1 2 2824 6.5000000000000000e+00 0 -1 2825 - 5.6550000000000000e+02 -2 -3 2826 5.5000000000000000e+00 - - -7.6332885026931763e-01 -1.3426670804619789e-02 - -7.4143958091735840e-01 8.1064927577972412e-01 - <_> - 6.6143356323242188e+01 - - 1 2 2827 3.7450000000000000e+02 0 -1 2828 - 3.5000000000000000e+00 -2 -3 2829 5.0000000000000000e-01 - - 6.8982642889022827e-01 -8.5442638397216797e-01 - 2.6574078202247620e-01 -2.8088992834091187e-01 - <_> - 6.6746147155761719e+01 - - 1 2 2830 1.9650000000000000e+02 0 -1 2831 - 2.0650000000000000e+02 -2 -3 2832 1.9750000000000000e+02 - - -4.7177043557167053e-01 1. 6.5734672546386719e-01 - -5.5299658328294754e-02 - <_> - 6.6317184448242188e+01 - - 1 2 2833 3.5000000000000000e+00 0 -1 2834 - 6.5000000000000000e+00 -2 -3 2835 1.9500000000000000e+01 - - -4.2896154522895813e-01 1.9346684217453003e-01 - -4.7202244400978088e-01 4.7573706507682800e-01 - <_> - 6.6482894897460938e+01 - - 1 2 2836 2.3500000000000000e+01 0 -1 2837 - 5.7050000000000000e+02 -2 -3 2838 5.0000000000000000e-01 - - -7.4143189191818237e-01 1.6571453213691711e-01 - 2.8583261370658875e-01 -7.6734077930450439e-01 - <_> - 6.6698379516601562e+01 - - 1 2 2839 1.9650000000000000e+02 0 -1 2840 - 9.8450000000000000e+02 -2 -3 2841 2.5000000000000000e+00 - - -8.8686957955360413e-02 6.8865406513214111e-01 - 1.6092415153980255e-01 -4.5511838793754578e-01 - <_> - 6.7053703308105469e+01 - - 1 2 2842 9.5000000000000000e+00 0 -1 2843 - 3.4050000000000000e+02 -2 -3 2844 2.5000000000000000e+00 - - -5.7897639274597168e-01 8.3814328908920288e-01 - 3.5532349348068237e-01 -1.6980881989002228e-01 - <_> - 6.7309471130371094e+01 - - 1 2 2845 2.8050000000000000e+02 0 -1 2846 - 3.5000000000000000e+00 -2 -3 2847 7.9050000000000000e+02 - - 5.3537392616271973e-01 -1.3895300030708313e-01 - -6.1582380533218384e-01 5.4094051010906696e-03 - <_> - 6.7479339599609375e+01 - - 1 2 2848 2.5000000000000000e+00 0 -1 2849 - 2.5000000000000000e+00 -2 -3 2850 2.5000000000000000e+00 - - -1. 5.5264580249786377e-01 1.6986495256423950e-01 - -4.1565752029418945e-01 - <_> - 6.7149955749511719e+01 - - 1 2 2851 4.5000000000000000e+00 0 -1 2852 - 1.8500000000000000e+01 -2 -3 2853 2.5000000000000000e+00 - - -4.9663683772087097e-01 3.3515587449073792e-01 - 4.6553504467010498e-01 -8.7602093815803528e-02 - <_> - 6.7272407531738281e+01 - - 1 2 2854 237. 0 -1 2855 1.0500000000000000e+01 -2 -3 2856 - 2.7350000000000000e+02 - - -1.5763807296752930e-01 2.8533494472503662e-01 - 6.8770086765289307e-01 -9.8898959159851074e-01 - <_> - 6.6949989318847656e+01 - - 1 2 2857 1.0500000000000000e+01 0 -1 2858 - 2.4850000000000000e+02 -2 -3 2859 9.9500000000000000e+01 - - 1.6148981451988220e-01 -3.2241418957710266e-01 - -5.9701257944107056e-01 6.3962835073471069e-01 - <_> - 6.7259635925292969e+01 - - 1 2 2860 5.0000000000000000e-01 0 -1 2861 - 5.5000000000000000e+00 -2 -3 2862 7.5000000000000000e+00 - - 8.0473339557647705e-01 -9.0566039085388184e-01 - 3.0964154005050659e-01 -1.4670071005821228e-01 - <_> - 6.7172332763671875e+01 - - 1 2 2863 1.2500000000000000e+01 0 -1 2864 - 1.5500000000000000e+01 -2 -3 2865 3.5000000000000000e+00 - - -6.6961383819580078e-01 5.7878249883651733e-01 - 4.8450264334678650e-01 -8.7298728525638580e-02 - <_> - 6.7815200805664062e+01 - - 1 2 2866 1.1500000000000000e+01 0 -1 2867 - 3.1500000000000000e+01 -2 -3 2868 6.5000000000000000e+00 - - -4.8206365108489990e-01 4.7012288123369217e-02 - 7.4164730310440063e-01 -3.0158874392509460e-01 - <_> - 6.7794479370117188e+01 - - 1 2 2869 8.5000000000000000e+00 0 -1 2870 - 1.5000000000000000e+00 -2 -3 2871 3.7500000000000000e+01 - - 4.6158957481384277e-01 -5.1054544746875763e-02 - -6.3606274127960205e-01 3.5886037349700928e-01 - <_> - 6.7871452331542969e+01 - - 1 2 2872 5.5000000000000000e+00 0 -1 2873 - 5.5750000000000000e+02 -2 -3 2874 3209. - - 7.5514155626296997e-01 -6.2665617465972900e-01 - 1.7917767167091370e-01 -7.6869279146194458e-01 - <_> - 6.7681411743164062e+01 - - 1 2 2875 1.0650000000000000e+02 0 -1 2876 - 3.9550000000000000e+02 -2 -3 2877 9.5000000000000000e+00 - - 4.4955825805664062e-01 -2.9224312305450439e-01 - -8.0019611120223999e-01 5.1831835508346558e-01 - <_> - 6.7658134460449219e+01 - - 1 2 2878 6.2450000000000000e+02 0 -1 2879 - 3.0500000000000000e+01 -2 -3 2880 7.9750000000000000e+02 - - -1. 1. 7.4804317951202393e-01 -2.3278422653675079e-02 - <_> - 6.7805534362792969e+01 - - 1 2 2881 1.4650000000000000e+02 0 -1 2882 - 5.0000000000000000e-01 -2 -3 2883 1.9500000000000000e+01 - - -6.3743829727172852e-01 1.4740309119224548e-01 - -8.2422167062759399e-01 1. - <_> - 6.7852165222167969e+01 - - 1 2 2884 5.0000000000000000e-01 0 -1 2885 - 9.5000000000000000e+00 -2 -3 2886 2.7500000000000000e+01 - - -5.1376032829284668e-01 7.3264604806900024e-01 - -2.5961226224899292e-01 3.9754027128219604e-01 - <_> - 6.8086799621582031e+01 - - 1 2 2887 3.2500000000000000e+01 0 -1 2888 - 1.5000000000000000e+00 -2 -3 2889 5.5000000000000000e+00 - - 3.6609417200088501e-01 -1.0678847134113312e-01 - -8.1009173393249512e-01 6.5037436783313751e-02 - <_> - 6.8214500427246094e+01 - - 1 2 2890 5.0000000000000000e-01 0 -1 2891 - 4.5000000000000000e+00 -2 -3 2892 3.0500000000000000e+01 - - -9.0979951620101929e-01 3.1051525473594666e-01 - -8.2302808761596680e-01 1.2769748270511627e-01 - <_> - 6.7917503356933594e+01 - - 1 2 2893 4.2350000000000000e+02 0 -1 2894 - 2.2875000000000000e+03 -2 -3 2895 2.1500000000000000e+01 - - -4.0313944220542908e-02 8.5728436708450317e-01 - -2.9699394106864929e-01 8.5103875398635864e-01 - <_> - 6.8314117431640625e+01 - - 1 2 2896 1.5000000000000000e+00 0 -1 2897 53. -2 -3 2898 - 1.5000000000000000e+00 - - 3.9660894870758057e-01 -9.0774112939834595e-01 - 1.2309800088405609e-01 -4.6573173999786377e-01 - <_> - 6.8401733398437500e+01 - - 1 2 2899 1.9450000000000000e+02 0 -1 2900 - 2.3500000000000000e+01 -2 -3 2901 3.9050000000000000e+02 - - -5.7891708612442017e-01 9.1515809297561646e-01 - 6.9994968175888062e-01 -4.3836530297994614e-02 - <_> - 6.8536247253417969e+01 - - 1 2 2902 1.8650000000000000e+02 0 -1 2903 - 7.5000000000000000e+00 -2 -3 2904 2.6650000000000000e+02 - - -6.9809150695800781e-01 1.3451172411441803e-01 1. - -9.9006718397140503e-01 - <_> - 6.8994667053222656e+01 - - 1 2 2905 5.0000000000000000e-01 0 -1 2906 - 5.5000000000000000e+00 -2 -3 2907 5.0000000000000000e-01 - - -2.2326274216175079e-01 4.5842617750167847e-01 - 6.2888121604919434e-01 -3.4905898571014404e-01 - <_> - 6.8767745971679688e+01 - - 1 2 2908 9.5000000000000000e+00 0 -1 2909 - 5.5000000000000000e+00 -2 -3 2910 1.2255000000000000e+03 - - 2.2254677116870880e-01 -2.8151977062225342e-01 - -9.0560692548751831e-01 9.0504884719848633e-01 - <_> - 6.8525566101074219e+01 - - 1 2 2911 3.2500000000000000e+01 0 -1 2912 - 4.5000000000000000e+00 -2 -3 2913 7.5000000000000000e+00 - - -2.7538121212273836e-03 -6.9165170192718506e-01 - 5.7820391654968262e-01 -2.5509628653526306e-01 - <_> - 6.8883575439453125e+01 - - 1 2 2914 6.5000000000000000e+00 0 -1 2915 - 5.0000000000000000e-01 -2 -3 2916 5.5000000000000000e+00 - - 1.3683679699897766e-01 -5.6018638610839844e-01 - -3.3692777156829834e-01 3.5801160335540771e-01 - <_> - 6.8840766906738281e+01 - - 1 2 2917 5.0000000000000000e-01 0 -1 2918 - 5.2500000000000000e+01 -2 -3 2919 1.1050000000000000e+02 - - 7.7966368198394775e-01 2.0057722926139832e-02 - -2.8223827481269836e-01 4.5779809355735779e-01 - <_> - 6.9032073974609375e+01 - - 1 2 2920 7.5000000000000000e+00 0 -1 2921 - 2.9500000000000000e+01 -2 -3 2922 2.2500000000000000e+01 - - -9.2170667648315430e-01 1. 3.5735762119293213e-01 - -1.0750242322683334e-01 - <_> - 6.8714004516601562e+01 - - 1 2 2923 1.8500000000000000e+01 0 -1 2924 - 1.2500000000000000e+01 -2 -3 2925 2.0500000000000000e+01 - - 2.3622247576713562e-01 -6.2772291898727417e-01 - -5.2963131666183472e-01 2.7689251303672791e-01 - <_> - 6.8882164001464844e+01 - - 1 2 2926 219. 0 -1 2927 3.0950000000000000e+02 -2 -3 2928 - 1.1450000000000000e+02 - - 1.6816329956054688e-01 -3.7265399098396301e-01 - -9.0168434381484985e-01 1. - <_> - 6.8773300170898438e+01 - - 1 2 2929 1.0500000000000000e+01 0 -1 2930 - 2.2500000000000000e+01 -2 -3 2931 3.5000000000000000e+00 - - -7.8473842144012451e-01 1.2849690020084381e-01 - 3.7842509150505066e-01 -1.0886743664741516e-01 - <_> - 6.8523002624511719e+01 - - 1 2 2932 4.5000000000000000e+00 0 -1 2933 - 2.5000000000000000e+00 -2 -3 2934 1.9500000000000000e+01 - - -5.6240028142929077e-01 -8.6381016299128532e-03 - 5.5950272083282471e-01 -6.6527374088764191e-02 - <_> - 6.8540222167968750e+01 - - 1 2 2935 2.5000000000000000e+00 0 -1 2936 - 4.5000000000000000e+00 -2 -3 2937 7.2500000000000000e+01 - - -3.5429468750953674e-01 4.7208651900291443e-01 - 1.7222335562109947e-02 -6.1873370409011841e-01 - <_> - 6.8054306030273438e+01 - - 1 2 2938 1.0250000000000000e+02 0 -1 2939 - 7.5000000000000000e+00 -2 -3 2940 2.0550000000000000e+02 - - 1.3330066204071045e-01 -4.8592099547386169e-01 - 6.4965671300888062e-01 -3.7294719368219376e-02 - <_> - 6.8587783813476562e+01 - - 1 2 2941 2.9500000000000000e+01 0 -1 2942 - 6.3500000000000000e+01 -2 -3 2943 6.5000000000000000e+00 - - -2.2070726752281189e-01 6.4551812410354614e-01 - -6.1110073328018188e-01 5.3347945213317871e-01 - <_> - 6.8991744995117188e+01 - - 1 2 2944 4.5000000000000000e+00 0 -1 2945 - 7.5000000000000000e+00 -2 -3 2946 3.7500000000000000e+01 - - -1.6733403503894806e-01 4.0395921468734741e-01 - 3.4822711348533630e-01 -4.4277858734130859e-01 - <_> - 6.9024818420410156e+01 - - 1 2 2947 1054. 0 -1 2948 2.9645000000000000e+03 -2 -3 2949 - 4.8550000000000000e+02 - - -1. 8.5014098882675171e-01 -5.8178287744522095e-01 - 3.3078812062740326e-02 - <_> - 6.9566368103027344e+01 - - 1 2 2950 5.0000000000000000e-01 0 -1 2951 - 5.5000000000000000e+00 -2 -3 2952 7.5000000000000000e+00 - - -1.9729833584278822e-03 6.8332517147064209e-01 - -4.2742264270782471e-01 2.2634387016296387e-01 - <_> - 6.9610260009765625e+01 - - 1 2 2953 1.6950000000000000e+02 0 -1 2954 - 2.5000000000000000e+00 -2 -3 2955 3.3500000000000000e+01 - - 3.9216127991676331e-01 -9.7884893417358398e-02 - -9.5070320367813110e-01 1. - <_> - 6.9546066284179688e+01 - - 1 2 2956 1.0500000000000000e+01 0 -1 2957 - 8.5000000000000000e+00 -2 -3 2958 1.2500000000000000e+01 - - -7.4745219945907593e-01 6.7914712429046631e-01 - -6.1746150255203247e-01 1.7846804857254028e-01 - <_> - 6.9931442260742188e+01 - - 1 2 2959 1.5500000000000000e+01 0 -1 2960 581. -2 -3 2961 - 881. - - 3.8537198305130005e-01 -4.9864691495895386e-01 - -5.2889358997344971e-01 7.6011091470718384e-02 - <_> - 7.0310058593750000e+01 - - 1 2 2962 9.5000000000000000e+00 0 -1 2963 - 6.5000000000000000e+00 -2 -3 2964 3.8450000000000000e+02 - - 1.3596023619174957e-01 -4.2733094096183777e-01 - 5.0578802824020386e-01 -1. - <_> - 7.0192367553710938e+01 - - 1 2 2965 1.0500000000000000e+01 0 -1 2966 - 3.5000000000000000e+00 -2 -3 2967 1.4050000000000000e+02 - - -7.4998342990875244e-01 2.7843931317329407e-01 - 4.3058690428733826e-01 -1.1769727617502213e-01 - <_> - 6.9951408386230469e+01 - - 1 2 2968 8.8250000000000000e+02 0 -1 2969 - 6.0150000000000000e+02 -2 -3 2970 1459. - - -4.1208836436271667e-01 1.3212314248085022e-01 - 7.5216329097747803e-01 4.9172616563737392e-03 - <_> - 6.9623153686523438e+01 - - 1 2 2971 5.0000000000000000e-01 0 -1 2972 - 2.5000000000000000e+00 -2 -3 2973 7.5000000000000000e+00 - - -3.2825407385826111e-01 4.7693637013435364e-01 - -2.9572629928588867e-01 3.7341046333312988e-01 - <_> - 7.0125137329101562e+01 - - 1 2 2974 5.0000000000000000e-01 0 -1 2975 - 3.1500000000000000e+01 -2 -3 2976 3.5000000000000000e+00 - - -6.9827795028686523e-01 6.5693438053131104e-01 - 5.0198370218276978e-01 -1.0436290502548218e-01 - <_> - 7.0039115905761719e+01 - - 1 2 2977 1.3500000000000000e+01 0 -1 2978 - 2.3500000000000000e+01 -2 -3 2979 5.0000000000000000e-01 - - -8.4431791305541992e-01 1. 4.4658949971199036e-01 - -8.6022958159446716e-02 - <_> - 7.0156913757324219e+01 - - 1 2 2980 5.0000000000000000e-01 0 -1 2981 - 3.5000000000000000e+00 -2 -3 2982 2.5500000000000000e+01 - - -5.4146528244018555e-01 6.7168194055557251e-01 - -4.8114633560180664e-01 3.8386128842830658e-02 - <_> - 7.0207313537597656e+01 - - 1 2 2983 7.6500000000000000e+01 0 -1 2984 - 1.9650000000000000e+02 -2 -3 2985 270. - - 3.9014890789985657e-01 -1.0452992469072342e-01 - 6.6388440132141113e-01 -6.9735282659530640e-01 - <_> - 7.0389663696289062e+01 - - 1 2 2986 2.7500000000000000e+01 0 -1 2987 - 1.5000000000000000e+00 -2 -3 2988 3.5000000000000000e+00 - - 2.2635735571384430e-01 -6.3035410642623901e-01 - -8.5632139444351196e-01 1.8234945833683014e-01 - <_> - 7.0754112243652344e+01 - - 1 2 2989 6.5000000000000000e+00 0 -1 2990 - 1.9500000000000000e+01 -2 -3 2991 5.0000000000000000e-01 - - 3.6445134878158569e-01 -3.0069667100906372e-01 - 7.7127411961555481e-02 -5.1235681772232056e-01 - <_> - 7.0504135131835938e+01 - - 1 2 2992 1.3500000000000000e+01 0 -1 2993 - 1.5500000000000000e+01 -2 -3 2994 1.0500000000000000e+01 - - -2.4998134374618530e-01 4.6560180187225342e-01 - -6.1666029691696167e-01 6.5309768915176392e-01 - <_> - 7.0445526123046875e+01 - - 1 2 2995 6.5000000000000000e+00 0 -1 2996 - 6.9500000000000000e+01 -2 -3 2997 4.6500000000000000e+01 - - 3.0786228179931641e-01 -6.0552901029586792e-01 - 5.3606212139129639e-02 -5.8309459686279297e-01 - <_> - 7.0407524108886719e+01 - - 1 2 2998 1.5000000000000000e+00 0 -1 2999 - 1.0500000000000000e+01 -2 -3 3000 5.0000000000000000e-01 - - -8.0116474628448486e-01 6.0916137695312500e-01 - 6.4076530933380127e-01 -3.8002632558345795e-02 - <_> - 7.0560409545898438e+01 - - 1 2 3001 1.5500000000000000e+01 0 -1 3002 17. -2 -3 3003 - 5.5000000000000000e+00 - - 5.2674514055252075e-01 -6.5563476085662842e-01 - -9.1981142759323120e-01 1.5288232266902924e-01 - <_> - 7.0493698120117188e+01 - - 1 2 3004 3.5000000000000000e+00 0 -1 3005 - 5.5000000000000000e+00 -2 -3 3006 2.1500000000000000e+01 - - -1.7892476916313171e-01 4.8387104272842407e-01 - -7.3338449001312256e-01 -4.8672512173652649e-02 - <_> - 7.0596115112304688e+01 - - 1 2 3007 5.0000000000000000e-01 0 -1 3008 - 2.2500000000000000e+01 -2 -3 3009 3.7500000000000000e+01 - - 4.6702525019645691e-01 -7.1555072069168091e-01 - -4.6292027831077576e-01 1.0242109745740891e-01 - <_> - 7.0788101196289062e+01 - - 1 2 3010 888. 0 -1 3011 2.8350000000000000e+02 -2 -3 3012 - 5.4500000000000000e+01 - - 1.9198547303676605e-01 -3.3554536104202271e-01 - 7.5706630945205688e-01 -9.4958788156509399e-01 - <_> - 7.0992675781250000e+01 - - 1 2 3013 4.6500000000000000e+01 0 -1 3014 - 1.1500000000000000e+01 -2 -3 3015 3.8350000000000000e+02 - - 5.8137912303209305e-02 -8.1196117401123047e-01 - -5.8893513679504395e-01 2.0457436144351959e-01 - <_> - 7.0927970886230469e+01 - - 1 2 3016 4.5000000000000000e+00 0 -1 3017 - 3.7500000000000000e+01 -2 -3 3018 5.0000000000000000e-01 - - -6.4707726240158081e-02 -7.4383819103240967e-01 - 7.0274794101715088e-01 3.6739804781973362e-03 - <_> - 7.0937110900878906e+01 - - 1 2 3019 1.8750000000000000e+02 0 -1 3020 368. -2 -3 3021 - 1.5500000000000000e+01 - - -1. 7.3944020271301270e-01 9.1391317546367645e-03 - -5.9454476833343506e-01 - <_> - 7.1217323303222656e+01 - - 1 2 3022 1.2500000000000000e+01 0 -1 3023 - 1.5000000000000000e+00 -2 -3 3024 2.5000000000000000e+00 - - 7.2053438425064087e-01 -8.6623835563659668e-01 - 2.8021961450576782e-01 -2.7525502443313599e-01 - <_> - 7.1467041015625000e+01 - - 1 2 3025 7.5500000000000000e+01 0 -1 3026 - 2.8500000000000000e+01 -2 -3 3027 5.3500000000000000e+01 - - -4.2027494311332703e-01 5.5862784385681152e-01 - 3.1650352478027344e-01 -5.8407008647918701e-01 - <_> - 7.1588317871093750e+01 - - 1 2 3028 4.5000000000000000e+00 0 -1 3029 - 6.5000000000000000e+00 -2 -3 3030 4.5000000000000000e+00 - - -4.1601717472076416e-01 4.5779439806938171e-01 - 2.2142156958580017e-01 -3.8868919014930725e-01 - <_> - 7.1852600097656250e+01 - - 1 2 3031 8.7500000000000000e+01 0 -1 3032 - 2.9500000000000000e+01 -2 -3 3033 1.2500000000000000e+01 - - -7.2233885526657104e-02 5.3140532970428467e-01 - -9.3469631671905518e-01 1. - <_> - 7.1505233764648438e+01 - - 1 2 3034 5.0000000000000000e-01 0 -1 3035 - 6.5000000000000000e+00 -2 -3 3036 1.7255000000000000e+03 - - 3.3586502075195312e-01 -5.8553379774093628e-01 - -5.2456873655319214e-01 6.7789293825626373e-02 - <_> - 7.1216247558593750e+01 - - 1 2 3037 1.3850000000000000e+02 0 -1 3038 - 2.1500000000000000e+01 -2 -3 3039 8.3950000000000000e+02 - - -4.7844988107681274e-01 6.2551170587539673e-01 - 3.5149163007736206e-01 -2.8898537158966064e-01 - <_> - 7.1451400756835938e+01 - - 1 2 3040 2.7750000000000000e+02 0 -1 3041 - 7.5000000000000000e+00 -2 -3 3042 1.2150000000000000e+02 - - 3.0562061071395874e-01 -5.7451391220092773e-01 - 2.3515534400939941e-01 -5.9030193090438843e-01 - <_> - 7.1664764404296875e+01 - - 1 2 3043 2.5000000000000000e+00 0 -1 3044 - 2.6500000000000000e+01 -2 -3 3045 5.0550000000000000e+02 - - -9.2273312807083130e-01 1. 2.1336206793785095e-01 - -2.3929618299007416e-01 - <_> - 7.1852516174316406e+01 - - 1 2 3046 2.0550000000000000e+02 0 -1 3047 - 1.5000000000000000e+00 -2 -3 3048 1.0150000000000000e+02 - - 2.9846069216728210e-01 -4.9547702074050903e-01 - 6.2601786851882935e-01 -2.5054400321096182e-03 - <_> - 7.1862113952636719e+01 - - 1 2 3049 2.5000000000000000e+00 0 -1 3050 - 6.5000000000000000e+00 -2 -3 3051 8.5000000000000000e+00 - - -8.3387494087219238e-01 5.1528376340866089e-01 - 4.0370386838912964e-01 -1.0111065953969955e-01 - <_> - 7.1967544555664062e+01 - - 1 2 3052 1.7500000000000000e+01 0 -1 3053 311. -2 -3 3054 - 3.5000000000000000e+00 - - -2.8867423534393311e-01 2.3968809843063354e-01 - -8.3167719841003418e-01 3.0170908570289612e-01 - <_> - 7.2000297546386719e+01 - - 1 2 3055 1.0500000000000000e+01 0 -1 3056 - 2.8500000000000000e+01 -2 -3 3057 7.5000000000000000e+00 - - -1.0150995105504990e-01 5.2106666564941406e-01 - 4.5249879360198975e-01 -5.5006933212280273e-01 - <_> - 7.2459365844726562e+01 - - 1 2 3058 3.2535000000000000e+03 0 -1 3059 - 6.4450000000000000e+02 -2 -3 3060 4.7500000000000000e+01 - - -2.9244979843497276e-02 7.8562206029891968e-01 - -9.7256761789321899e-01 6.8540745973587036e-01 - <_> - 7.2652557373046875e+01 - - 1 2 3061 5.0000000000000000e-01 0 -1 3062 - 1.9455000000000000e+03 -2 -3 3063 8.3950000000000000e+02 - - 3.9193862676620483e-01 -5.5309027433395386e-01 - -3.6735993623733521e-01 2.9874709248542786e-01 - <_> - 7.2714279174804688e+01 - - 1 2 3064 3.5000000000000000e+00 0 -1 3065 - 1.3500000000000000e+01 -2 -3 3066 5.0000000000000000e-01 - - -6.2343889474868774e-01 3.5922548174858093e-01 - 4.0484932065010071e-01 -9.4865411520004272e-02 - <_> - 7.2773506164550781e+01 - - 1 2 3067 7.1450000000000000e+02 0 -1 3068 - 1.1165000000000000e+03 -2 -3 3069 1.5500000000000000e+01 - - -1.4480955898761749e-01 5.5192404985427856e-01 - -4.6364155411720276e-01 9.9115431308746338e-02 - - <_> - 0 - - 3 9 3 5 - <_> - 3 - - 2 1 3 12 - <_> - 8 - - 3 3 2 1 - <_> - 2 - - 2 8 2 6 - <_> - 5 - - 2 2 4 5 - <_> - 5 - - 0 14 7 1 - <_> - 4 - - 3 10 2 2 - <_> - 1 - - 3 13 3 2 - <_> - 4 - - 1 5 6 8 - <_> - 9 - - 4 8 1 2 - <_> - 3 - - 0 0 6 8 - <_> - 8 - - 3 3 2 1 - <_> - 3 - - 2 14 5 1 - <_> - 4 - - 1 3 5 12 - <_> - 2 - - 2 8 3 6 - <_> - 0 - - 3 9 3 5 - <_> - 5 - - 5 4 1 1 - <_> - 4 - - 3 1 2 4 - <_> - 1 - - 3 5 2 1 - <_> - 2 - - 2 6 3 8 - <_> - 9 - - 3 7 2 2 - <_> - 2 - - 0 14 7 1 - <_> - 0 - - 2 3 4 10 - <_> - 1 - - 3 3 1 2 - <_> - 4 - - 1 0 6 15 - <_> - 1 - - 3 2 2 3 - <_> - 1 - - 2 5 4 4 - <_> - 7 - - 3 6 2 1 - <_> - 7 - - 1 14 6 1 - <_> - 1 - - 3 2 2 6 - <_> - 1 - - 3 10 2 3 - <_> - 2 - - 0 14 7 1 - <_> - 1 - - 1 0 6 1 - <_> - 2 - - 1 13 4 1 - <_> - 3 - - 2 4 1 4 - <_> - 5 - - 2 14 5 1 - <_> - 8 - - 3 2 2 2 - <_> - 8 - - 3 2 2 5 - <_> - 8 - - 6 10 1 2 - <_> - 0 - - 2 2 5 2 - <_> - 7 - - 0 8 6 1 - <_> - 0 - - 2 0 4 2 - <_> - 5 - - 4 2 1 1 - <_> - 2 - - 4 3 2 2 - <_> - 5 - - 1 0 6 1 - <_> - 9 - - 3 4 1 2 - <_> - 9 - - 3 1 1 3 - <_> - 8 - - 3 3 2 1 - <_> - 4 - - 0 14 4 1 - <_> - 0 - - 2 12 5 2 - <_> - 9 - - 0 10 4 1 - <_> - 1 - - 3 13 2 2 - <_> - 5 - - 5 4 1 4 - <_> - 1 - - 2 5 4 2 - <_> - 5 - - 2 8 2 2 - <_> - 3 - - 2 1 1 13 - <_> - 3 - - 3 7 1 1 - <_> - 1 - - 3 3 2 1 - <_> - 3 - - 3 3 1 1 - <_> - 4 - - 1 3 6 3 - <_> - 5 - - 5 5 1 8 - <_> - 7 - - 0 4 1 3 - <_> - 2 - - 0 1 6 8 - <_> - 2 - - 2 3 4 10 - <_> - 4 - - 1 3 6 12 - <_> - 2 - - 0 0 7 1 - <_> - 4 - - 4 0 1 11 - <_> - 7 - - 3 6 1 1 - <_> - 4 - - 3 11 2 2 - <_> - 3 - - 0 14 4 1 - <_> - 2 - - 2 12 3 2 - <_> - 4 - - 2 2 4 1 - <_> - 0 - - 4 5 1 2 - <_> - 0 - - 2 7 4 4 - <_> - 8 - - 2 6 4 1 - <_> - 4 - - 3 9 2 2 - <_> - 1 - - 0 6 4 8 - <_> - 5 - - 0 12 2 2 - <_> - 8 - - 2 14 3 1 - <_> - 8 - - 2 3 4 1 - <_> - 8 - - 3 10 2 4 - <_> - 4 - - 1 5 6 9 - <_> - 8 - - 3 0 2 2 - <_> - 9 - - 3 10 2 1 - <_> - 5 - - 3 4 4 3 - <_> - 2 - - 5 4 1 4 - <_> - 8 - - 3 3 2 1 - <_> - 7 - - 3 7 2 1 - <_> - 7 - - 5 10 1 3 - <_> - 0 - - 2 4 1 4 - <_> - 9 - - 4 4 1 3 - <_> - 9 - - 0 1 7 12 - <_> - 2 - - 6 13 1 2 - <_> - 3 - - 3 13 2 1 - <_> - 2 - - 5 6 2 2 - <_> - 0 - - 1 10 1 2 - <_> - 1 - - 3 14 2 1 - <_> - 0 - - 3 9 2 4 - <_> - 4 - - 1 3 5 2 - <_> - 4 - - 3 0 3 15 - <_> - 2 - - 1 14 5 1 - <_> - 1 - - 4 5 2 3 - <_> - 1 - - 0 3 5 2 - <_> - 4 - - 3 2 2 1 - <_> - 2 - - 0 2 6 3 - <_> - 1 - - 3 5 2 2 - <_> - 7 - - 0 0 4 9 - <_> - 1 - - 1 8 4 1 - <_> - 2 - - 2 8 3 6 - <_> - 1 - - 4 7 1 1 - <_> - 7 - - 5 12 2 1 - <_> - 3 - - 2 0 5 1 - <_> - 3 - - 5 11 1 2 - <_> - 9 - - 3 6 1 9 - <_> - 8 - - 2 3 3 1 - <_> - 3 - - 2 8 1 4 - <_> - 8 - - 4 4 1 1 - <_> - 1 - - 2 13 3 2 - <_> - 8 - - 4 9 1 3 - <_> - 1 - - 3 10 2 3 - <_> - 9 - - 0 0 1 1 - <_> - 0 - - 4 5 2 1 - <_> - 9 - - 4 3 1 10 - <_> - 0 - - 0 2 5 3 - <_> - 3 - - 2 0 1 6 - <_> - 8 - - 3 3 1 1 - <_> - 8 - - 2 2 1 1 - <_> - 8 - - 4 3 1 3 - <_> - 9 - - 1 9 5 2 - <_> - 3 - - 1 14 4 1 - <_> - 0 - - 3 13 4 2 - <_> - 2 - - 2 7 4 7 - <_> - 4 - - 2 0 4 15 - <_> - 0 - - 1 4 3 1 - <_> - 8 - - 1 1 1 2 - <_> - 2 - - 3 13 2 1 - <_> - 5 - - 4 4 3 2 - <_> - 2 - - 3 5 2 4 - <_> - 5 - - 4 14 2 1 - <_> - 5 - - 4 7 2 6 - <_> - 5 - - 0 3 2 5 - <_> - 5 - - 1 12 1 3 - <_> - 3 - - 2 12 2 3 - <_> - 9 - - 4 8 1 1 - <_> - 3 - - 0 5 1 5 - <_> - 7 - - 6 1 1 11 - <_> - 7 - - 5 12 1 1 - <_> - 8 - - 4 3 1 1 - <_> - 4 - - 3 10 2 1 - <_> - 3 - - 3 0 4 6 - <_> - 3 - - 3 14 4 1 - <_> - 2 - - 1 11 3 3 - <_> - 2 - - 3 5 2 1 - <_> - 1 - - 3 2 2 1 - <_> - 4 - - 3 2 3 1 - <_> - 4 - - 0 1 7 1 - <_> - 1 - - 3 5 2 2 - <_> - 7 - - 4 7 2 3 - <_> - 2 - - 5 3 2 5 - <_> - 3 - - 2 4 1 1 - <_> - 2 - - 2 14 5 1 - <_> - 0 - - 0 0 5 9 - <_> - 1 - - 3 0 1 15 - <_> - 7 - - 2 7 4 1 - <_> - 7 - - 1 14 2 1 - <_> - 1 - - 2 11 3 2 - <_> - 1 - - 1 13 3 1 - <_> - 5 - - 4 1 3 14 - <_> - 3 - - 1 5 6 2 - <_> - 3 - - 2 11 1 2 - <_> - 0 - - 1 0 4 1 - <_> - 1 - - 0 6 6 9 - <_> - 7 - - 2 4 4 8 - <_> - 2 - - 3 5 1 9 - <_> - 0 - - 2 3 2 11 - <_> - 4 - - 3 14 2 1 - <_> - 0 - - 0 10 1 1 - <_> - 2 - - 4 7 1 2 - <_> - 2 - - 0 3 6 11 - <_> - 8 - - 3 3 1 1 - <_> - 9 - - 3 4 2 1 - <_> - 9 - - 3 0 3 3 - <_> - 4 - - 3 3 2 3 - <_> - 5 - - 4 14 3 1 - <_> - 5 - - 2 10 4 5 - <_> - 3 - - 3 2 1 1 - <_> - 0 - - 3 5 2 2 - <_> - 3 - - 1 14 3 1 - <_> - 7 - - 0 14 5 1 - <_> - 0 - - 3 9 4 5 - <_> - 1 - - 0 8 5 2 - <_> - 1 - - 3 1 2 3 - <_> - 3 - - 4 1 2 4 - <_> - 5 - - 2 10 5 1 - <_> - 1 - - 1 1 4 1 - <_> - 5 - - 3 1 4 4 - <_> - 7 - - 1 3 2 10 - <_> - 5 - - 3 0 4 2 - <_> - 7 - - 0 0 1 11 - <_> - 4 - - 4 1 1 7 - <_> - 9 - - 3 4 3 5 - <_> - 8 - - 0 14 4 1 - <_> - 8 - - 3 3 2 1 - <_> - 4 - - 2 7 4 2 - <_> - 4 - - 1 5 6 7 - <_> - 1 - - 3 7 1 1 - <_> - 7 - - 3 6 2 1 - <_> - 9 - - 3 8 2 6 - <_> - 7 - - 4 10 1 3 - <_> - 1 - - 0 2 5 3 - <_> - 4 - - 3 0 2 5 - <_> - 2 - - 2 9 2 1 - <_> - 9 - - 1 4 2 4 - <_> - 3 - - 2 14 2 1 - <_> - 3 - - 0 12 5 2 - <_> - 2 - - 1 14 2 1 - <_> - 5 - - 2 11 1 2 - <_> - 2 - - 2 8 3 6 - <_> - 0 - - 4 3 1 1 - <_> - 5 - - 5 12 1 1 - <_> - 2 - - 6 9 1 3 - <_> - 0 - - 5 4 2 1 - <_> - 0 - - 3 8 2 6 - <_> - 2 - - 3 9 1 1 - <_> - 4 - - 2 4 2 10 - <_> - 1 - - 3 14 1 1 - <_> - 9 - - 0 0 2 3 - <_> - 4 - - 2 4 3 1 - <_> - 9 - - 5 9 2 2 - <_> - 9 - - 3 2 2 3 - <_> - 9 - - 4 4 1 2 - <_> - 0 - - 3 0 2 13 - <_> - 0 - - 0 0 6 14 - <_> - 5 - - 2 3 1 1 - <_> - 1 - - 3 5 2 2 - <_> - 4 - - 2 4 3 7 - <_> - 9 - - 4 8 1 1 - <_> - 8 - - 3 3 3 1 - <_> - 8 - - 4 5 2 3 - <_> - 8 - - 3 1 2 1 - <_> - 4 - - 2 10 5 1 - <_> - 0 - - 1 0 3 1 - <_> - 8 - - 3 3 2 11 - <_> - 5 - - 4 2 1 1 - <_> - 0 - - 0 9 1 2 - <_> - 3 - - 1 12 2 3 - <_> - 3 - - 1 5 2 8 - <_> - 0 - - 2 4 2 1 - <_> - 3 - - 0 4 6 7 - <_> - 7 - - 2 5 1 2 - <_> - 7 - - 5 13 1 2 - <_> - 1 - - 3 0 3 9 - <_> - 0 - - 0 14 6 1 - <_> - 0 - - 4 7 2 7 - <_> - 7 - - 3 10 1 5 - <_> - 1 - - 3 10 2 3 - <_> - 1 - - 2 10 4 5 - <_> - 3 - - 2 2 2 1 - <_> - 0 - - 3 5 2 1 - <_> - 2 - - 2 13 3 1 - <_> - 0 - - 2 0 4 2 - <_> - 5 - - 1 14 5 1 - <_> - 5 - - 4 2 2 2 - <_> - 0 - - 2 10 3 4 - <_> - 8 - - 2 14 3 1 - <_> - 8 - - 3 3 1 1 - <_> - 5 - - 3 12 1 2 - <_> - 4 - - 0 5 6 2 - <_> - 3 - - 3 3 3 3 - <_> - 7 - - 1 11 2 4 - <_> - 9 - - 3 4 1 8 - <_> - 7 - - 4 11 1 2 - <_> - 8 - - 3 5 1 7 - <_> - 0 - - 2 3 4 8 - <_> - 7 - - 3 3 1 4 - <_> - 0 - - 3 14 4 1 - <_> - 1 - - 4 0 3 14 - <_> - 2 - - 4 3 3 2 - <_> - 0 - - 3 1 1 9 - <_> - 3 - - 5 10 2 4 - <_> - 3 - - 2 8 2 3 - <_> - 4 - - 2 1 3 3 - <_> - 0 - - 4 13 3 1 - <_> - 0 - - 0 10 2 3 - <_> - 5 - - 2 14 4 1 - <_> - 9 - - 3 4 2 5 - <_> - 9 - - 0 14 5 1 - <_> - 8 - - 3 3 2 1 - <_> - 4 - - 3 9 3 4 - <_> - 2 - - 0 14 7 1 - <_> - 9 - - 3 11 2 2 - <_> - 2 - - 2 13 3 1 - <_> - 3 - - 2 12 3 2 - <_> - 2 - - 2 5 3 1 - <_> - 0 - - 4 6 1 1 - <_> - 0 - - 2 0 1 9 - <_> - 9 - - 3 12 4 2 - <_> - 4 - - 3 10 2 2 - <_> - 1 - - 1 7 3 8 - <_> - 9 - - 3 2 2 12 - <_> - 4 - - 0 14 7 1 - <_> - 4 - - 2 4 4 3 - <_> - 1 - - 4 2 1 12 - <_> - 4 - - 3 0 4 14 - <_> - 2 - - 1 1 4 13 - <_> - 1 - - 4 13 3 2 - <_> - 1 - - 2 5 4 1 - <_> - 9 - - 6 9 1 1 - <_> - 7 - - 3 5 2 9 - <_> - 3 - - 3 2 2 3 - <_> - 7 - - 0 1 1 5 - <_> - 0 - - 1 14 2 1 - <_> - 1 - - 0 3 5 3 - <_> - 2 - - 3 1 2 1 - <_> - 5 - - 4 9 2 4 - <_> - 1 - - 1 13 5 1 - <_> - 5 - - 0 11 1 2 - <_> - 5 - - 3 8 1 1 - <_> - 8 - - 4 3 1 1 - <_> - 9 - - 3 4 1 2 - <_> - 2 - - 4 1 1 4 - <_> - 5 - - 5 4 1 5 - <_> - 7 - - 0 0 1 12 - <_> - 3 - - 1 6 4 4 - <_> - 5 - - 1 4 6 3 - <_> - 0 - - 5 8 1 7 - <_> - 3 - - 3 7 1 1 - <_> - 3 - - 2 0 2 14 - <_> - 7 - - 3 0 1 3 - <_> - 4 - - 2 0 3 6 - <_> - 0 - - 4 0 2 8 - <_> - 3 - - 0 14 6 1 - <_> - 3 - - 4 1 1 6 - <_> - 4 - - 1 5 2 6 - <_> - 7 - - 1 13 2 1 - <_> - 2 - - 0 0 3 10 - <_> - 0 - - 3 9 2 4 - <_> - 1 - - 3 0 2 1 - <_> - 1 - - 3 4 3 9 - <_> - 5 - - 3 2 4 4 - <_> - 1 - - 2 11 3 2 - <_> - 2 - - 4 5 1 4 - <_> - 5 - - 0 10 2 1 - <_> - 2 - - 2 7 5 1 - <_> - 1 - - 3 12 2 3 - <_> - 0 - - 1 12 5 2 - <_> - 1 - - 2 12 2 1 - <_> - 5 - - 3 14 4 1 - <_> - 4 - - 4 1 2 9 - <_> - 7 - - 0 6 1 2 - <_> - 1 - - 4 5 2 1 - <_> - 4 - - 4 10 2 1 - <_> - 3 - - 2 6 1 5 - <_> - 2 - - 3 7 3 4 - <_> - 8 - - 3 2 2 2 - <_> - 8 - - 1 11 4 1 - <_> - 8 - - 4 10 1 2 - <_> - 3 - - 0 9 2 5 - <_> - 2 - - 1 6 3 5 - <_> - 9 - - 4 5 1 1 - <_> - 3 - - 1 12 4 2 - <_> - 2 - - 3 7 1 4 - <_> - 0 - - 0 12 3 1 - <_> - 7 - - 2 14 4 1 - <_> - 1 - - 0 4 7 11 - <_> - 2 - - 4 5 3 9 - <_> - 3 - - 1 10 2 5 - <_> - 8 - - 3 3 2 1 - <_> - 2 - - 0 0 5 1 - <_> - 8 - - 3 8 4 3 - <_> - 8 - - 2 6 5 2 - <_> - 5 - - 4 14 3 1 - <_> - 4 - - 1 0 6 15 - <_> - 5 - - 4 8 2 6 - <_> - 4 - - 0 0 7 2 - <_> - 0 - - 1 1 6 1 - <_> - 3 - - 0 1 6 6 - <_> - 4 - - 4 9 1 2 - <_> - 0 - - 2 4 1 1 - <_> - 3 - - 2 4 1 2 - <_> - 2 - - 0 1 5 6 - <_> - 7 - - 0 3 5 1 - <_> - 3 - - 2 0 1 1 - <_> - 2 - - 3 1 1 3 - <_> - 3 - - 5 11 1 1 - <_> - 0 - - 3 7 3 6 - <_> - 0 - - 0 11 4 3 - <_> - 9 - - 1 1 1 1 - <_> - 0 - - 4 4 2 1 - <_> - 9 - - 3 2 2 10 - <_> - 2 - - 0 14 7 1 - <_> - 1 - - 3 5 3 7 - <_> - 5 - - 2 11 4 2 - <_> - 2 - - 1 9 4 5 - <_> - 2 - - 2 3 4 4 - <_> - 9 - - 2 8 3 1 - <_> - 1 - - 6 0 1 15 - <_> - 2 - - 2 4 3 3 - <_> - 1 - - 3 10 3 2 - <_> - 8 - - 4 3 1 1 - <_> - 1 - - 5 11 1 4 - <_> - 8 - - 4 0 1 1 - <_> - 2 - - 3 5 1 3 - <_> - 3 - - 3 1 2 3 - <_> - 4 - - 3 3 2 8 - <_> - 4 - - 4 4 3 11 - <_> - 3 - - 0 14 6 1 - <_> - 0 - - 5 13 1 2 - <_> - 5 - - 1 4 5 4 - <_> - 1 - - 2 8 3 3 - <_> - 5 - - 3 12 2 3 - <_> - 5 - - 3 14 4 1 - <_> - 2 - - 2 11 4 3 - <_> - 1 - - 0 14 1 1 - <_> - 1 - - 1 13 5 1 - <_> - 0 - - 5 8 1 3 - <_> - 4 - - 1 0 6 1 - <_> - 5 - - 5 0 1 7 - <_> - 1 - - 0 4 7 2 - <_> - 5 - - 1 14 6 1 - <_> - 1 - - 3 5 2 2 - <_> - 1 - - 2 0 3 10 - <_> - 7 - - 3 3 2 11 - <_> - 7 - - 3 3 4 1 - <_> - 4 - - 3 10 2 2 - <_> - 2 - - 3 9 3 5 - <_> - 3 - - 2 3 2 2 - <_> - 1 - - 3 2 2 3 - <_> - 1 - - 3 4 1 7 - <_> - 3 - - 1 4 2 2 - <_> - 0 - - 1 5 2 1 - <_> - 4 - - 0 5 7 3 - <_> - 2 - - 2 7 3 6 - <_> - 0 - - 2 4 1 1 - <_> - 2 - - 4 7 1 3 - <_> - 7 - - 3 5 4 6 - <_> - 1 - - 0 14 5 1 - <_> - 1 - - 3 3 3 1 - <_> - 9 - - 4 8 1 1 - <_> - 9 - - 0 0 2 12 - <_> - 8 - - 2 6 2 1 - <_> - 5 - - 1 0 5 2 - <_> - 2 - - 3 2 3 3 - <_> - 5 - - 2 11 1 4 - <_> - 0 - - 3 10 3 4 - <_> - 4 - - 2 2 2 2 - <_> - 4 - - 0 5 7 9 - <_> - 0 - - 1 3 2 5 - <_> - 2 - - 2 4 2 1 - <_> - 5 - - 0 0 5 11 - <_> - 5 - - 3 2 2 1 - <_> - 8 - - 5 2 2 3 - <_> - 0 - - 4 4 3 2 - <_> - 8 - - 4 2 1 2 - <_> - 0 - - 0 2 7 1 - <_> - 8 - - 4 4 1 1 - <_> - 1 - - 4 2 1 13 - <_> - 4 - - 4 0 2 15 - <_> - 4 - - 2 0 4 8 - <_> - 1 - - 3 5 2 1 - <_> - 8 - - 3 3 2 5 - <_> - 4 - - 0 12 4 3 - <_> - 5 - - 2 5 5 3 - <_> - 9 - - 1 0 5 7 - <_> - 3 - - 2 0 2 14 - <_> - 5 - - 2 8 2 1 - <_> - 2 - - 2 5 1 9 - <_> - 2 - - 0 6 3 1 - <_> - 8 - - 3 3 1 1 - <_> - 2 - - 2 1 5 1 - <_> - 8 - - 3 0 1 2 - <_> - 3 - - 3 2 4 2 - <_> - 0 - - 3 3 2 1 - <_> - 4 - - 1 0 4 3 - <_> - 5 - - 0 14 6 1 - <_> - 5 - - 0 12 6 2 - <_> - 7 - - 3 6 1 1 - <_> - 5 - - 0 7 2 1 - <_> - 8 - - 2 14 3 1 - <_> - 2 - - 4 12 3 2 - <_> - 8 - - 3 3 2 1 - <_> - 8 - - 2 3 1 1 - <_> - 8 - - 5 2 1 1 - <_> - 3 - - 5 11 1 3 - <_> - 0 - - 4 9 3 5 - <_> - 7 - - 2 14 2 1 - <_> - 1 - - 3 10 2 3 - <_> - 2 - - 2 14 5 1 - <_> - 2 - - 1 13 5 1 - <_> - 1 - - 0 1 6 3 - <_> - 4 - - 0 4 7 1 - <_> - 1 - - 1 1 1 2 - <_> - 2 - - 1 10 5 1 - <_> - 7 - - 3 6 4 3 - <_> - 2 - - 0 14 7 1 - <_> - 2 - - 2 3 4 2 - <_> - 5 - - 2 4 5 3 - <_> - 2 - - 0 0 3 11 - <_> - 3 - - 3 4 3 8 - <_> - 7 - - 1 13 2 2 - <_> - 5 - - 0 3 3 5 - <_> - 8 - - 3 0 2 5 - <_> - 9 - - 4 5 1 6 - <_> - 4 - - 3 10 2 5 - <_> - 0 - - 1 6 6 2 - <_> - 4 - - 6 1 1 8 - <_> - 4 - - 4 9 1 2 - <_> - 0 - - 1 11 1 4 - <_> - 5 - - 3 5 3 10 - <_> - 0 - - 1 12 5 2 - <_> - 3 - - 2 9 2 6 - <_> - 3 - - 1 1 3 4 - <_> - 5 - - 0 10 4 1 - <_> - 1 - - 2 2 3 2 - <_> - 4 - - 3 2 4 1 - <_> - 4 - - 1 0 2 2 - <_> - 3 - - 2 14 3 1 - <_> - 3 - - 1 11 5 3 - <_> - 1 - - 4 11 2 2 - <_> - 5 - - 4 1 3 6 - <_> - 4 - - 0 2 7 3 - <_> - 2 - - 2 8 3 6 - <_> - 5 - - 4 7 1 1 - <_> - 4 - - 5 0 1 10 - <_> - 8 - - 3 6 1 1 - <_> - 5 - - 4 14 3 1 - <_> - 0 - - 1 11 6 3 - <_> - 1 - - 3 1 2 4 - <_> - 8 - - 5 5 1 9 - <_> - 5 - - 0 2 1 1 - <_> - 8 - - 6 10 1 2 - <_> - 4 - - 0 5 7 7 - <_> - 5 - - 3 3 3 11 - <_> - 7 - - 0 13 5 2 - <_> - 7 - - 3 8 1 1 - <_> - 7 - - 1 0 2 2 - <_> - 4 - - 3 3 2 9 - <_> - 5 - - 1 14 6 1 - <_> - 9 - - 4 9 1 1 - <_> - 1 - - 5 12 2 3 - <_> - 8 - - 3 2 2 2 - <_> - 9 - - 1 0 6 2 - <_> - 3 - - 3 7 1 1 - <_> - 8 - - 4 1 1 1 - <_> - 7 - - 3 3 2 8 - <_> - 4 - - 3 10 1 5 - <_> - 2 - - 2 3 4 10 - <_> - 0 - - 0 10 1 3 - <_> - 2 - - 1 6 5 3 - <_> - 1 - - 2 13 3 2 - <_> - 0 - - 2 4 3 2 - <_> - 4 - - 3 1 2 4 - <_> - 4 - - 3 1 3 2 - <_> - 1 - - 4 2 1 3 - <_> - 5 - - 0 2 5 2 - <_> - 7 - - 3 6 1 1 - <_> - 4 - - 4 3 1 8 - <_> - 0 - - 2 3 1 5 - <_> - 3 - - 0 14 4 1 - <_> - 4 - - 3 1 4 14 - <_> - 4 - - 1 6 6 1 - <_> - 2 - - 2 9 3 5 - <_> - 4 - - 0 4 2 3 - <_> - 0 - - 3 0 2 8 - <_> - 8 - - 3 3 2 1 - <_> - 9 - - 3 7 1 2 - <_> - 8 - - 1 8 1 4 - <_> - 1 - - 3 14 2 1 - <_> - 3 - - 1 4 2 6 - <_> - 4 - - 1 4 6 1 - <_> - 4 - - 2 10 5 1 - <_> - 1 - - 5 6 2 8 - <_> - 2 - - 2 5 2 2 - <_> - 0 - - 3 2 2 2 - <_> - 3 - - 1 2 5 1 - <_> - 4 - - 0 14 2 1 - <_> - 0 - - 6 14 1 1 - <_> - 3 - - 1 6 3 1 - <_> - 2 - - 3 3 2 12 - <_> - 3 - - 0 4 5 11 - <_> - 0 - - 3 11 2 2 - <_> - 3 - - 4 6 1 3 - <_> - 1 - - 3 4 4 10 - <_> - 2 - - 0 14 7 1 - <_> - 7 - - 0 1 1 2 - <_> - 0 - - 4 8 3 2 - <_> - 1 - - 5 10 1 3 - <_> - 0 - - 5 2 2 3 - <_> - 2 - - 4 8 2 1 - <_> - 1 - - 2 13 5 1 - <_> - 9 - - 2 0 2 3 - <_> - 9 - - 4 4 2 2 - <_> - 2 - - 5 3 2 10 - <_> - 8 - - 3 3 2 1 - <_> - 1 - - 3 5 2 2 - <_> - 4 - - 3 4 3 2 - <_> - 7 - - 4 7 3 1 - <_> - 5 - - 2 14 1 1 - <_> - 1 - - 2 1 5 1 - <_> - 0 - - 1 4 5 4 - <_> - 0 - - 3 5 2 3 - <_> - 0 - - 1 1 5 13 - <_> - 1 - - 1 1 6 1 - <_> - 5 - - 0 10 2 2 - <_> - 2 - - 1 13 3 1 - <_> - 2 - - 4 13 1 1 - <_> - 0 - - 0 1 3 6 - <_> - 4 - - 0 2 4 5 - <_> - 4 - - 1 0 6 14 - <_> - 2 - - 5 14 2 1 - <_> - 5 - - 3 10 4 4 - <_> - 2 - - 3 3 1 1 - <_> - 5 - - 4 11 3 4 - <_> - 2 - - 0 1 5 1 - <_> - 4 - - 2 11 1 1 - <_> - 1 - - 0 0 7 5 - <_> - 5 - - 5 2 1 11 - <_> - 4 - - 1 5 3 10 - <_> - 0 - - 3 2 1 12 - <_> - 4 - - 3 14 2 1 - <_> - 2 - - 1 10 1 4 - <_> - 8 - - 2 14 3 1 - <_> - 8 - - 0 1 5 11 - <_> - 1 - - 1 7 4 3 - <_> - 4 - - 3 10 2 2 - <_> - 4 - - 2 3 4 5 - <_> - 1 - - 3 14 2 1 - <_> - 7 - - 2 13 1 1 - <_> - 7 - - 2 8 5 7 - <_> - 1 - - 3 9 2 4 - <_> - 5 - - 4 1 1 11 - <_> - 7 - - 6 1 1 6 - <_> - 9 - - 3 8 2 2 - <_> - 9 - - 1 13 2 2 - <_> - 2 - - 3 5 1 3 - <_> - 9 - - 3 4 3 2 - <_> - 3 - - 3 2 1 13 - <_> - 1 - - 5 10 1 2 - <_> - 5 - - 3 2 4 2 - <_> - 7 - - 3 7 3 3 - <_> - 0 - - 5 1 2 2 - <_> - 8 - - 4 2 2 2 - <_> - 1 - - 3 2 2 3 - <_> - 7 - - 3 5 1 3 - <_> - 4 - - 2 1 5 5 - <_> - 8 - - 3 3 2 1 - <_> - 9 - - 3 4 2 8 - <_> - 8 - - 3 1 1 1 - <_> - 5 - - 5 2 1 6 - <_> - 5 - - 3 14 4 1 - <_> - 7 - - 2 8 1 4 - <_> - 0 - - 3 12 4 2 - <_> - 3 - - 1 4 2 1 - <_> - 3 - - 1 14 5 1 - <_> - 1 - - 3 4 2 6 - <_> - 1 - - 3 7 2 2 - <_> - 2 - - 0 9 6 3 - <_> - 2 - - 1 6 3 7 - <_> - 0 - - 1 7 1 4 - <_> - 2 - - 4 7 1 3 - <_> - 2 - - 0 14 5 1 - <_> - 2 - - 4 5 2 6 - <_> - 8 - - 4 3 1 1 - <_> - 0 - - 4 4 2 2 - <_> - 0 - - 4 0 2 14 - <_> - 3 - - 2 0 5 1 - <_> - 3 - - 1 2 3 1 - <_> - 1 - - 3 12 2 1 - <_> - 5 - - 5 1 1 10 - <_> - 0 - - 1 0 3 2 - <_> - 7 - - 5 14 1 1 - <_> - 5 - - 0 10 2 5 - <_> - 8 - - 2 3 3 1 - <_> - 8 - - 4 2 1 3 - <_> - 8 - - 4 11 1 1 - <_> - 0 - - 1 0 3 5 - <_> - 5 - - 4 2 2 1 - <_> - 1 - - 2 5 3 2 - <_> - 3 - - 2 5 1 9 - <_> - 2 - - 6 12 1 3 - <_> - 2 - - 0 2 5 12 - <_> - 4 - - 6 5 1 10 - <_> - 1 - - 4 3 1 2 - <_> - 5 - - 3 5 1 6 - <_> - 0 - - 3 9 2 3 - <_> - 2 - - 1 8 3 1 - <_> - 0 - - 5 14 1 1 - <_> - 5 - - 5 3 1 8 - <_> - 1 - - 1 0 6 2 - <_> - 5 - - 3 10 2 5 - <_> - 2 - - 2 13 3 1 - <_> - 9 - - 3 4 2 2 - <_> - 1 - - 1 5 1 10 - <_> - 5 - - 1 9 1 3 - <_> - 2 - - 2 6 5 4 - <_> - 9 - - 1 7 2 4 - <_> - 9 - - 3 1 2 3 - <_> - 8 - - 2 0 1 4 - <_> - 9 - - 3 4 1 4 - <_> - 8 - - 3 3 1 1 - <_> - 2 - - 2 1 5 2 - <_> - 1 - - 3 10 2 3 - <_> - 3 - - 3 2 1 1 - <_> - 3 - - 0 11 2 4 - <_> - 9 - - 3 9 3 2 - <_> - 1 - - 3 14 2 1 - <_> - 1 - - 1 0 1 2 - <_> - 4 - - 4 14 3 1 - <_> - 0 - - 3 10 3 4 - <_> - 1 - - 2 2 2 1 - <_> - 4 - - 2 4 3 7 - <_> - 4 - - 3 9 1 2 - <_> - 1 - - 2 7 2 3 - <_> - 9 - - 4 9 1 2 - <_> - 4 - - 0 5 5 10 - <_> - 1 - - 3 13 4 1 - <_> - 1 - - 2 6 5 2 - <_> - 7 - - 5 14 1 1 - <_> - 0 - - 3 7 2 1 - <_> - 0 - - 4 12 2 2 - <_> - 3 - - 0 3 6 5 - <_> - 7 - - 3 9 2 5 - <_> - 3 - - 2 14 1 1 - <_> - 3 - - 0 6 1 1 - <_> - 4 - - 2 3 4 11 - <_> - 1 - - 3 7 2 2 - <_> - 1 - - 2 2 3 2 - <_> - 2 - - 3 14 2 1 - <_> - 3 - - 0 12 6 2 - <_> - 3 - - 5 12 2 1 - <_> - 1 - - 5 1 2 2 - <_> - 0 - - 5 9 2 1 - <_> - 0 - - 3 3 4 11 - <_> - 1 - - 1 6 6 7 - <_> - 5 - - 3 14 4 1 - <_> - 9 - - 3 9 2 2 - <_> - 9 - - 0 7 7 1 - <_> - 8 - - 3 3 2 10 - <_> - 9 - - 3 5 2 3 - <_> - 9 - - 0 2 7 3 - <_> - 8 - - 3 2 2 2 - <_> - 8 - - 3 0 2 1 - <_> - 8 - - 3 1 2 13 - <_> - 3 - - 6 9 1 3 - <_> - 2 - - 3 10 2 4 - <_> - 1 - - 2 3 3 6 - <_> - 2 - - 3 8 2 1 - <_> - 5 - - 3 7 1 5 - <_> - 2 - - 4 4 2 1 - <_> - 4 - - 4 14 3 1 - <_> - 0 - - 0 14 6 1 - <_> - 2 - - 2 7 2 6 - <_> - 2 - - 5 0 1 15 - <_> - 4 - - 0 14 2 1 - <_> - 1 - - 2 14 3 1 - <_> - 2 - - 3 6 4 3 - <_> - 4 - - 3 1 3 4 - <_> - 1 - - 3 1 2 4 - <_> - 4 - - 2 0 5 13 - <_> - 9 - - 1 2 6 5 - <_> - 3 - - 1 2 2 12 - <_> - 3 - - 0 7 4 2 - <_> - 3 - - 2 8 5 2 - <_> - 0 - - 3 5 2 2 - <_> - 5 - - 3 4 4 1 - <_> - 2 - - 2 9 1 6 - <_> - 1 - - 0 1 4 1 - <_> - 5 - - 2 1 1 12 - <_> - 9 - - 4 9 1 4 - <_> - 2 - - 1 0 3 11 - <_> - 5 - - 2 11 1 2 - <_> - 5 - - 2 2 1 3 - <_> - 7 - - 6 11 1 3 - <_> - 7 - - 4 8 1 1 - <_> - 0 - - 4 7 2 4 - <_> - 0 - - 2 3 3 9 - <_> - 0 - - 0 10 1 2 - <_> - 1 - - 2 2 2 2 - <_> - 3 - - 2 2 5 3 - <_> - 4 - - 3 10 2 5 - <_> - 0 - - 1 4 3 2 - <_> - 3 - - 4 12 2 1 - <_> - 2 - - 3 0 4 2 - <_> - 5 - - 4 7 1 1 - <_> - 0 - - 3 4 2 2 - <_> - 5 - - 3 4 3 11 - <_> - 4 - - 2 10 4 3 - <_> - 2 - - 3 1 2 14 - <_> - 5 - - 3 0 4 10 - <_> - 4 - - 3 1 2 2 - <_> - 9 - - 6 0 1 1 - <_> - 8 - - 3 3 2 1 - <_> - 1 - - 3 0 2 1 - <_> - 8 - - 1 0 6 5 - <_> - 2 - - 0 14 7 1 - <_> - 7 - - 2 14 1 1 - <_> - 1 - - 1 10 1 3 - <_> - 7 - - 3 2 2 9 - <_> - 3 - - 2 2 1 13 - <_> - 3 - - 3 2 1 3 - <_> - 4 - - 0 1 6 13 - <_> - 4 - - 2 4 4 5 - <_> - 1 - - 1 8 2 3 - <_> - 0 - - 3 9 3 2 - <_> - 8 - - 1 2 1 4 - <_> - 0 - - 3 7 2 1 - <_> - 3 - - 3 14 4 1 - <_> - 0 - - 3 2 2 3 - <_> - 8 - - 3 6 4 1 - <_> - 4 - - 3 10 3 3 - <_> - 7 - - 0 0 6 1 - <_> - 3 - - 1 1 3 11 - <_> - 2 - - 2 11 2 3 - <_> - 1 - - 0 13 2 2 - <_> - 2 - - 1 9 1 1 - <_> - 2 - - 4 3 2 11 - <_> - 5 - - 0 3 5 3 - <_> - 7 - - 1 13 4 2 - <_> - 0 - - 3 0 4 9 - <_> - 9 - - 0 3 5 1 - <_> - 7 - - 4 8 1 1 - <_> - 9 - - 2 4 2 1 - <_> - 9 - - 1 1 4 5 - <_> - 8 - - 3 3 1 1 - <_> - 1 - - 1 13 5 1 - <_> - 2 - - 2 7 3 1 - <_> - 1 - - 2 5 4 1 - <_> - 8 - - 2 14 4 1 - <_> - 1 - - 3 1 2 3 - <_> - 8 - - 2 0 1 4 - <_> - 4 - - 1 0 6 1 - <_> - 1 - - 1 3 2 10 - <_> - 4 - - 2 5 1 3 - <_> - 0 - - 4 3 3 7 - <_> - 7 - - 3 2 1 2 - <_> - 4 - - 2 0 4 3 - <_> - 1 - - 1 10 5 3 - <_> - 5 - - 1 14 6 1 - <_> - 7 - - 5 14 2 1 - <_> - 3 - - 3 11 2 3 - <_> - 3 - - 3 0 2 5 - <_> - 9 - - 3 2 1 11 - <_> - 8 - - 3 3 1 1 - <_> - 0 - - 3 4 2 1 - <_> - 8 - - 1 2 3 3 - <_> - 0 - - 6 14 1 1 - <_> - 4 - - 3 1 2 4 - <_> - 8 - - 4 2 1 2 - <_> - 0 - - 0 2 5 3 - <_> - 3 - - 1 0 2 6 - <_> - 0 - - 2 0 4 2 - <_> - 2 - - 1 3 2 12 - <_> - 2 - - 4 4 2 2 - <_> - 2 - - 5 4 1 1 - <_> - 3 - - 3 8 2 2 - <_> - 0 - - 2 9 5 2 - <_> - 1 - - 3 6 2 8 - <_> - 9 - - 4 9 1 5 - <_> - 7 - - 3 12 1 2 - <_> - 4 - - 0 5 6 6 - <_> - 4 - - 3 1 2 10 - <_> - 2 - - 3 5 1 2 - <_> - 5 - - 1 11 6 3 - <_> - 8 - - 3 3 3 1 - <_> - 1 - - 1 3 6 2 - <_> - 3 - - 0 14 4 1 - <_> - 5 - - 3 2 2 2 - <_> - 2 - - 4 2 2 3 - <_> - 5 - - 1 0 2 1 - <_> - 7 - - 3 6 2 1 - <_> - 4 - - 2 5 4 7 - <_> - 0 - - 0 2 5 3 - <_> - 0 - - 2 12 4 2 - <_> - 4 - - 1 14 6 1 - <_> - 0 - - 1 14 5 1 - <_> - 4 - - 1 1 3 5 - <_> - 4 - - 3 2 1 11 - <_> - 1 - - 3 2 2 5 - <_> - 2 - - 5 10 2 2 - <_> - 2 - - 2 6 1 6 - <_> - 9 - - 5 5 1 2 - <_> - 1 - - 3 3 3 1 - <_> - 4 - - 2 1 3 2 - <_> - 9 - - 0 0 7 1 - <_> - 1 - - 1 1 2 1 - <_> - 0 - - 3 11 3 2 - <_> - 8 - - 6 9 1 2 - <_> - 8 - - 3 3 2 1 - <_> - 0 - - 1 0 6 2 - <_> - 5 - - 4 4 1 10 - <_> - 4 - - 3 11 2 2 - <_> - 4 - - 2 11 3 3 - <_> - 2 - - 0 9 1 5 - <_> - 1 - - 3 14 2 1 - <_> - 4 - - 2 9 4 5 - <_> - 1 - - 6 8 1 4 - <_> - 4 - - 5 5 2 1 - <_> - 5 - - 1 3 6 4 - <_> - 2 - - 1 1 2 3 - <_> - 0 - - 4 4 1 1 - <_> - 0 - - 4 6 2 8 - <_> - 1 - - 3 4 4 1 - <_> - 1 - - 4 0 3 1 - <_> - 4 - - 4 0 3 11 - <_> - 8 - - 3 3 1 2 - <_> - 9 - - 4 4 1 4 - <_> - 9 - - 5 6 1 6 - <_> - 0 - - 0 14 3 1 - <_> - 2 - - 2 10 3 4 - <_> - 1 - - 1 8 6 3 - <_> - 9 - - 2 10 1 1 - <_> - 1 - - 5 1 2 3 - <_> - 5 - - 4 14 3 1 - <_> - 5 - - 3 1 4 4 - <_> - 1 - - 3 5 1 9 - <_> - 8 - - 3 3 2 1 - <_> - 7 - - 0 8 6 7 - <_> - 8 - - 2 0 3 1 - <_> - 7 - - 0 0 7 11 - <_> - 2 - - 4 8 2 1 - <_> - 0 - - 2 3 4 7 - <_> - 1 - - 3 6 2 1 - <_> - 5 - - 3 14 4 1 - <_> - 7 - - 5 14 2 1 - <_> - 3 - - 5 1 2 8 - <_> - 9 - - 2 0 3 4 - <_> - 9 - - 4 6 1 4 - <_> - 0 - - 3 2 1 6 - <_> - 8 - - 3 7 2 2 - <_> - 4 - - 0 14 4 1 - <_> - 2 - - 2 11 4 3 - <_> - 2 - - 2 3 4 11 - <_> - 4 - - 1 0 6 14 - <_> - 1 - - 2 2 3 2 - <_> - 1 - - 5 5 1 4 - <_> - 5 - - 3 14 4 1 - <_> - 1 - - 3 10 1 3 - <_> - 0 - - 2 10 3 4 - <_> - 9 - - 3 1 2 11 - <_> - 9 - - 5 6 1 2 - <_> - 9 - - 0 0 7 6 - <_> - 0 - - 2 10 4 3 - <_> - 9 - - 1 2 1 2 - <_> - 3 - - 5 10 1 5 - <_> - 2 - - 2 2 3 13 - <_> - 0 - - 2 4 1 1 - <_> - 2 - - 2 5 3 1 - <_> - 1 - - 1 13 5 1 - <_> - 2 - - 1 5 5 3 - <_> - 9 - - 3 6 1 2 - <_> - 2 - - 2 14 1 1 - <_> - 3 - - 3 3 3 3 - <_> - 7 - - 4 5 1 1 - <_> - 4 - - 4 9 1 3 - <_> - 0 - - 2 5 3 4 - <_> - 4 - - 0 10 7 2 - <_> - 8 - - 3 3 2 1 - <_> - 2 - - 1 1 4 2 - <_> - 8 - - 3 13 2 2 - <_> - 3 - - 2 1 3 12 - <_> - 7 - - 6 1 1 4 - <_> - 5 - - 4 0 1 3 - <_> - 0 - - 1 0 1 1 - <_> - 1 - - 3 5 1 1 - <_> - 3 - - 1 0 2 1 - <_> - 4 - - 3 0 1 15 - <_> - 2 - - 0 14 7 1 - <_> - 4 - - 2 2 1 13 - <_> - 5 - - 0 10 7 4 - <_> - 2 - - 3 10 1 5 - <_> - 5 - - 2 8 2 1 - <_> - 3 - - 2 2 2 3 - <_> - 2 - - 2 12 1 2 - <_> - 1 - - 1 5 1 9 - <_> - 3 - - 0 14 6 1 - <_> - 2 - - 3 4 1 1 - <_> - 0 - - 1 4 2 4 - <_> - 1 - - 3 10 2 1 - <_> - 4 - - 2 7 2 5 - <_> - 1 - - 0 10 1 4 - <_> - 8 - - 5 10 1 1 - <_> - 8 - - 5 4 2 10 - <_> - 1 - - 2 14 4 1 - <_> - 4 - - 3 0 2 15 - <_> - 7 - - 2 13 4 2 - <_> - 9 - - 2 7 3 2 - <_> - 4 - - 3 9 3 2 - <_> - 0 - - 4 7 2 5 - <_> - 1 - - 5 8 2 3 - <_> - 1 - - 3 2 3 12 - <_> - 0 - - 3 5 2 3 - <_> - 2 - - 4 0 2 14 - <_> - 5 - - 1 14 4 1 - <_> - 4 - - 5 6 2 9 - <_> - 0 - - 2 4 1 1 - <_> - 5 - - 5 4 1 5 - <_> - 0 - - 4 13 3 1 - <_> - 5 - - 1 3 4 2 - <_> - 8 - - 3 3 2 1 - <_> - 9 - - 2 4 3 2 - <_> - 8 - - 3 1 2 1 - <_> - 7 - - 3 3 1 3 - <_> - 4 - - 5 6 1 3 - <_> - 0 - - 2 3 3 10 - <_> - 8 - - 2 5 2 1 - <_> - 9 - - 2 3 3 2 - <_> - 3 - - 0 9 6 5 - <_> - 0 - - 1 14 6 1 - <_> - 4 - - 1 14 6 1 - <_> - 9 - - 0 1 2 1 - <_> - 3 - - 1 0 3 7 - <_> - 7 - - 1 0 4 1 - <_> - 9 - - 4 8 1 1 - <_> - 9 - - 3 1 3 3 - <_> - 3 - - 0 1 4 1 - <_> - 9 - - 4 5 1 1 - <_> - 4 - - 0 1 5 2 - <_> - 1 - - 3 2 2 3 - <_> - 1 - - 3 0 2 3 - <_> - 4 - - 1 5 6 6 - <_> - 5 - - 3 0 2 5 - <_> - 8 - - 2 6 3 1 - <_> - 5 - - 0 10 2 1 - <_> - 2 - - 3 10 2 4 - <_> - 3 - - 2 4 1 9 - <_> - 0 - - 4 4 2 2 - <_> - 0 - - 2 8 4 6 - <_> - 0 - - 1 0 1 1 - <_> - 5 - - 2 14 5 1 - <_> - 1 - - 1 10 5 1 - <_> - 9 - - 3 9 2 4 - <_> - 8 - - 3 3 3 1 - <_> - 8 - - 5 7 2 3 - <_> - 8 - - 0 14 4 1 - <_> - 5 - - 4 3 3 4 - <_> - 2 - - 4 4 3 1 - <_> - 8 - - 3 3 2 11 - <_> - 0 - - 4 9 1 3 - <_> - 9 - - 4 4 2 1 - <_> - 3 - - 4 9 3 1 - <_> - 4 - - 0 5 1 10 - <_> - 1 - - 0 3 2 11 - <_> - 5 - - 4 10 2 4 - <_> - 5 - - 4 7 1 1 - <_> - 2 - - 2 9 3 5 - <_> - 9 - - 5 0 1 8 - <_> - 0 - - 4 3 2 1 - <_> - 1 - - 4 5 2 1 - <_> - 0 - - 1 1 6 2 - <_> - 7 - - 0 8 5 3 - <_> - 1 - - 1 13 5 1 - <_> - 4 - - 6 3 1 6 - <_> - 9 - - 4 5 1 4 - <_> - 9 - - 6 5 1 4 - <_> - 0 - - 0 11 2 1 - <_> - 2 - - 3 3 3 3 - <_> - 5 - - 3 2 2 2 - <_> - 3 - - 0 7 6 8 - <_> - 2 - - 3 5 2 1 - <_> - 9 - - 3 3 3 1 - <_> - 0 - - 4 0 2 1 - <_> - 5 - - 5 1 1 8 - <_> - 8 - - 3 3 1 1 - <_> - 3 - - 2 3 1 9 - <_> - 2 - - 2 0 4 2 - <_> - 2 - - 4 1 3 5 - <_> - 1 - - 0 4 7 1 - <_> - 0 - - 3 5 1 4 - <_> - 0 - - 3 13 4 1 - <_> - 2 - - 2 9 1 6 - <_> - 3 - - 1 14 4 1 - <_> - 2 - - 0 13 4 1 - <_> - 0 - - 3 8 2 5 - <_> - 4 - - 0 10 7 1 - <_> - 1 - - 1 1 5 5 - <_> - 3 - - 2 11 3 3 - <_> - 5 - - 4 14 3 1 - <_> - 5 - - 4 6 2 7 - <_> - 2 - - 6 10 1 2 - <_> - 9 - - 3 9 1 2 - <_> - 9 - - 4 1 1 3 - <_> - 9 - - 3 4 1 5 - <_> - 4 - - 1 0 6 14 - <_> - 8 - - 4 3 1 1 - <_> - 8 - - 3 10 2 2 - <_> - 8 - - 1 0 5 1 - <_> - 8 - - 3 2 2 2 - <_> - 3 - - 1 2 4 2 - <_> - 2 - - 0 14 7 1 - <_> - 0 - - 3 13 3 2 - <_> - 5 - - 4 2 1 1 - <_> - 7 - - 2 14 1 1 - <_> - 4 - - 1 3 4 12 - <_> - 1 - - 4 5 1 9 - <_> - 0 - - 2 4 2 1 - <_> - 2 - - 1 0 4 14 - <_> - 0 - - 3 4 3 5 - <_> - 7 - - 2 4 2 5 - <_> - 8 - - 0 2 5 1 - <_> - 4 - - 3 2 2 9 - <_> - 3 - - 2 14 2 1 - <_> - 1 - - 6 0 1 15 - <_> - 3 - - 4 14 3 1 - <_> - 1 - - 3 5 1 2 - <_> - 4 - - 2 4 2 3 - <_> - 2 - - 5 4 2 7 - <_> - 4 - - 0 3 7 4 - <_> - 3 - - 2 3 4 6 - <_> - 9 - - 4 4 1 6 - <_> - 0 - - 3 10 4 2 - <_> - 4 - - 0 11 5 1 - <_> - 5 - - 0 14 2 1 - <_> - 2 - - 1 14 5 1 - <_> - 3 - - 3 12 1 2 - <_> - 4 - - 1 5 1 9 - <_> - 5 - - 2 9 1 4 - <_> - 5 - - 4 5 3 9 - <_> - 0 - - 2 4 2 8 - <_> - 0 - - 3 4 4 5 - <_> - 9 - - 5 14 2 1 - <_> - 2 - - 2 3 2 1 - <_> - 1 - - 1 13 4 1 - <_> - 3 - - 1 1 3 2 - <_> - 1 - - 4 10 2 1 - <_> - 0 - - 4 4 3 1 - <_> - 8 - - 4 0 1 8 - <_> - 3 - - 2 5 1 3 - <_> - 3 - - 0 8 2 3 - <_> - 0 - - 1 6 5 3 - <_> - 9 - - 1 9 1 1 - <_> - 5 - - 3 12 2 2 - <_> - 0 - - 1 0 1 2 - <_> - 5 - - 1 12 4 3 - <_> - 1 - - 6 1 1 14 - <_> - 8 - - 0 0 2 5 - <_> - 3 - - 0 10 7 4 - <_> - 7 - - 3 6 1 1 - <_> - 1 - - 3 4 2 1 - <_> - 0 - - 1 3 3 5 - <_> - 4 - - 3 0 3 15 - <_> - 1 - - 4 3 3 5 - <_> - 4 - - 6 4 1 1 - <_> - 5 - - 4 2 1 1 - <_> - 1 - - 3 1 2 3 - <_> - 3 - - 3 0 4 1 - <_> - 8 - - 3 5 2 2 - <_> - 0 - - 3 5 2 4 - <_> - 8 - - 2 8 4 7 - <_> - 5 - - 4 5 2 8 - <_> - 1 - - 3 3 3 10 - <_> - 3 - - 3 1 3 3 - <_> - 9 - - 3 4 1 2 - <_> - 9 - - 1 3 3 1 - <_> - 4 - - 2 5 3 5 - <_> - 5 - - 2 14 4 1 - <_> - 5 - - 3 12 1 2 - <_> - 0 - - 5 11 1 2 - <_> - 1 - - 3 13 2 2 - <_> - 4 - - 3 9 4 2 - <_> - 1 - - 3 0 4 1 - <_> - 1 - - 2 4 5 5 - <_> - 0 - - 2 4 1 7 - <_> - 9 - - 3 10 3 3 - <_> - 4 - - 0 5 7 9 - <_> - 0 - - 4 3 2 11 - <_> - 1 - - 3 4 1 4 - <_> - 3 - - 5 10 2 3 - <_> - 4 - - 3 0 4 1 - <_> - 0 - - 5 11 1 4 - <_> - 0 - - 2 2 5 2 - <_> - 2 - - 3 5 2 3 - <_> - 8 - - 3 3 2 1 - <_> - 9 - - 4 2 1 11 - <_> - 2 - - 2 9 2 5 - <_> - 8 - - 3 8 1 1 - <_> - 0 - - 2 0 3 3 - <_> - 5 - - 5 11 1 3 - <_> - 2 - - 0 6 5 2 - <_> - 5 - - 0 2 3 8 - <_> - 1 - - 4 12 1 2 - <_> - 4 - - 0 14 2 1 - <_> - 2 - - 4 4 2 1 - <_> - 8 - - 3 0 2 2 - <_> - 2 - - 0 2 7 7 - <_> - 7 - - 3 6 2 2 - <_> - 7 - - 0 0 4 6 - <_> - 4 - - 1 6 4 8 - <_> - 4 - - 3 11 2 2 - <_> - 3 - - 2 1 1 2 - <_> - 7 - - 2 14 4 1 - <_> - 8 - - 2 3 4 1 - <_> - 2 - - 1 0 6 2 - <_> - 8 - - 2 9 3 3 - <_> - 4 - - 4 3 2 4 - <_> - 5 - - 4 14 3 1 - <_> - 2 - - 3 12 3 1 - <_> - 0 - - 3 10 3 4 - <_> - 3 - - 5 4 2 4 - <_> - 2 - - 1 7 3 4 - <_> - 4 - - 1 6 2 2 - <_> - 2 - - 0 14 7 1 - <_> - 0 - - 0 1 3 10 - <_> - 4 - - 4 2 1 5 - <_> - 5 - - 2 0 4 3 - <_> - 4 - - 4 9 1 2 - <_> - 2 - - 2 2 3 12 - <_> - 4 - - 2 0 1 9 - <_> - 2 - - 0 14 7 1 - <_> - 8 - - 3 3 2 1 - <_> - 1 - - 0 2 5 2 - <_> - 1 - - 3 5 2 1 - <_> - 9 - - 1 8 6 3 - <_> - 1 - - 0 6 4 7 - <_> - 8 - - 3 3 2 1 - <_> - 8 - - 4 0 3 3 - <_> - 9 - - 3 0 2 1 - <_> - 4 - - 3 3 2 11 - <_> - 9 - - 1 3 2 9 - <_> - 2 - - 2 12 2 2 - <_> - 0 - - 3 2 3 1 - <_> - 3 - - 1 14 4 1 - <_> - 3 - - 0 12 4 2 - <_> - 1 - - 2 0 2 10 - <_> - 5 - - 0 5 2 8 - <_> - 7 - - 1 1 1 4 - <_> - 3 - - 1 2 3 13 - <_> - 4 - - 2 1 2 11 - <_> - 5 - - 1 2 4 5 - <_> - 2 - - 3 4 2 1 - <_> - 7 - - 3 8 2 1 - <_> - 7 - - 0 0 3 4 - <_> - 2 - - 0 0 5 2 - <_> - 3 - - 3 0 4 6 - <_> - 7 - - 3 1 4 1 - <_> - 3 - - 3 7 1 1 - <_> - 7 - - 0 3 3 12 - <_> - 5 - - 3 7 2 2 - <_> - 5 - - 1 1 6 11 - <_> - 8 - - 3 5 1 3 - <_> - 2 - - 4 5 1 4 - <_> - 8 - - 6 8 1 2 - <_> - 2 - - 1 6 6 2 - <_> - 3 - - 0 12 1 1 - <_> - 4 - - 2 5 5 7 - <_> - 0 - - 1 4 2 2 - <_> - 8 - - 2 14 1 1 - <_> - 4 - - 1 3 4 5 - <_> - 4 - - 3 2 1 10 - <_> - 1 - - 2 4 5 1 - <_> - 4 - - 3 14 2 1 - <_> - 2 - - 0 11 1 2 - <_> - 0 - - 0 1 5 12 - <_> - 4 - - 3 6 2 2 - <_> - 1 - - 3 5 2 2 - <_> - 7 - - 3 4 2 8 - <_> - 1 - - 2 0 4 2 - <_> - 7 - - 0 0 1 11 - <_> - 1 - - 2 5 3 8 - <_> - 4 - - 4 1 2 5 - <_> - 9 - - 3 5 1 3 - <_> - 5 - - 2 7 5 4 - <_> - 9 - - 3 8 2 4 - <_> - 8 - - 3 3 2 1 - <_> - 0 - - 4 4 1 2 - <_> - 4 - - 3 3 4 12 - <_> - 1 - - 2 14 3 1 - <_> - 2 - - 2 11 3 1 - <_> - 5 - - 6 2 1 13 - <_> - 4 - - 0 5 4 9 - <_> - 1 - - 3 3 2 3 - <_> - 3 - - 0 0 6 2 - <_> - 8 - - 6 10 1 2 - <_> - 8 - - 3 3 2 1 - <_> - 2 - - 0 14 7 1 - <_> - 0 - - 3 9 2 5 - <_> - 9 - - 4 4 1 2 - <_> - 5 - - 3 14 4 1 - <_> - 5 - - 4 4 3 3 - <_> - 2 - - 5 4 2 2 - <_> - 4 - - 6 7 1 8 - <_> - 5 - - 4 0 2 15 - <_> - 3 - - 2 0 3 11 - <_> - 3 - - 2 0 2 12 - <_> - 5 - - 0 9 4 1 - <_> - 2 - - 2 6 3 7 - <_> - 8 - - 3 2 1 2 - <_> - 5 - - 3 1 4 1 - <_> - 2 - - 4 2 2 3 - <_> - 4 - - 6 3 1 2 - <_> - 2 - - 3 5 2 3 - <_> - 9 - - 3 3 2 2 - <_> - 9 - - 0 13 1 2 - <_> - 5 - - 1 5 2 5 - <_> - 0 - - 4 0 2 2 - <_> - 2 - - 2 3 2 9 - <_> - 5 - - 3 2 3 2 - <_> - 2 - - 4 2 2 1 - <_> - 4 - - 2 1 3 10 - <_> - 9 - - 2 3 5 4 - <_> - 4 - - 3 0 3 11 - <_> - 3 - - 2 4 1 1 - <_> - 3 - - 0 1 1 1 - <_> - 5 - - 5 3 1 5 - <_> - 3 - - 1 14 5 1 - <_> - 2 - - 1 13 3 1 - <_> - 1 - - 0 8 7 3 - <_> - 2 - - 1 14 6 1 - <_> - 1 - - 0 5 4 8 - <_> - 1 - - 1 10 6 1 - <_> - 0 - - 1 11 6 3 - <_> - 0 - - 1 10 1 5 - <_> - 3 - - 4 3 2 9 - <_> - 4 - - 1 14 6 1 - <_> - 0 - - 0 0 4 5 - <_> - 1 - - 3 2 2 12 - <_> - 0 - - 0 14 6 1 - <_> - 5 - - 3 13 3 1 - <_> - 8 - - 3 3 2 1 - <_> - 9 - - 4 4 1 4 - <_> - 9 - - 0 1 7 12 - <_> - 2 - - 3 13 2 1 - <_> - 1 - - 2 13 4 2 - <_> - 5 - - 4 5 1 8 - <_> - 1 - - 3 10 1 3 - <_> - 5 - - 4 1 2 2 - <_> - 1 - - 3 2 2 2 - <_> - 5 - - 0 10 4 2 - <_> - 1 - - 4 0 3 1 - <_> - 8 - - 1 3 6 7 - <_> - 8 - - 3 3 1 1 - <_> - 9 - - 4 4 1 1 - <_> - 9 - - 2 0 2 4 - <_> - 9 - - 2 3 1 2 - <_> - 1 - - 4 5 2 1 - <_> - 0 - - 2 3 1 9 - <_> - 2 - - 5 2 2 8 - <_> - 4 - - 2 0 5 15 - <_> - 4 - - 3 1 3 2 - <_> - 0 - - 3 3 1 3 - <_> - 2 - - 0 14 7 1 - <_> - 2 - - 0 10 6 4 - <_> - 3 - - 1 0 6 1 - <_> - 5 - - 4 5 1 1 - <_> - 1 - - 3 5 4 5 - <_> - 5 - - 2 14 4 1 - <_> - 4 - - 1 13 6 1 - <_> - 1 - - 1 14 4 1 - <_> - 0 - - 4 13 3 1 - <_> - 4 - - 3 10 4 2 - <_> - 4 - - 2 4 2 6 - <_> - 3 - - 1 3 2 9 - <_> - 7 - - 0 0 2 10 - <_> - 3 - - 0 7 1 3 - <_> - 2 - - 4 10 1 3 - <_> - 8 - - 3 3 1 1 - <_> - 2 - - 2 1 5 2 - <_> - 8 - - 0 14 7 1 - <_> - 5 - - 4 1 3 6 - <_> - 2 - - 1 4 5 1 - <_> - 0 - - 1 0 1 1 - <_> - 9 - - 2 9 4 3 - <_> - 8 - - 4 1 2 10 - <_> - 5 - - 6 11 1 3 - <_> - 3 - - 3 1 1 4 - <_> - 8 - - 1 7 6 7 - <_> - 0 - - 3 4 1 5 - <_> - 0 - - 4 6 2 8 - <_> - 5 - - 1 13 1 2 - <_> - 1 - - 2 0 1 12 - <_> - 3 - - 0 14 4 1 - <_> - 3 - - 2 12 3 2 - <_> - 3 - - 3 7 2 1 - <_> - 1 - - 2 2 3 2 - <_> - 7 - - 3 8 2 4 - <_> - 4 - - 1 1 5 6 - <_> - 3 - - 1 5 6 6 - <_> - 7 - - 0 2 2 1 - <_> - 8 - - 2 8 1 3 - <_> - 8 - - 3 3 2 1 - <_> - 2 - - 2 1 4 1 - <_> - 8 - - 4 0 1 1 - <_> - 2 - - 0 13 2 1 - <_> - 4 - - 4 6 3 9 - <_> - 3 - - 2 3 1 9 - <_> - 1 - - 3 5 2 2 - <_> - 4 - - 4 4 1 3 - <_> - 9 - - 4 4 1 5 - <_> - 1 - - 2 14 4 1 - <_> - 0 - - 3 3 2 10 - <_> - 5 - - 1 5 6 2 - <_> - 8 - - 2 3 4 1 - <_> - 5 - - 5 8 1 3 - <_> - 0 - - 3 0 3 8 - <_> - 3 - - 5 11 1 2 - <_> - 1 - - 1 6 5 3 - <_> - 4 - - 2 6 1 2 - <_> - 2 - - 2 10 3 4 - <_> - 9 - - 6 3 1 1 - <_> - 4 - - 3 9 2 2 - <_> - 3 - - 3 2 1 2 - <_> - 1 - - 1 4 5 1 - <_> - 3 - - 1 0 4 2 - <_> - 7 - - 0 5 1 1 - <_> - 7 - - 5 13 2 1 - <_> - 5 - - 5 4 1 9 - <_> - 1 - - 3 10 2 3 - <_> - 2 - - 2 14 5 1 - <_> - 9 - - 4 10 2 1 - <_> - 0 - - 0 1 2 10 - <_> - 2 - - 2 6 1 1 - <_> - 2 - - 4 3 2 4 - <_> - 0 - - 3 5 2 1 - <_> - 0 - - 2 1 1 4 - <_> - 1 - - 2 6 2 5 - <_> - 4 - - 0 14 7 1 - <_> - 0 - - 4 10 2 4 - <_> - 0 - - 5 14 2 1 - <_> - 0 - - 3 4 1 11 - <_> - 7 - - 2 4 2 3 - <_> - 7 - - 0 14 5 1 - <_> - 4 - - 2 7 4 4 - <_> - 2 - - 1 8 3 3 - <_> - 8 - - 3 3 3 1 - <_> - 8 - - 1 1 5 1 - <_> - 7 - - 3 1 1 8 - <_> - 0 - - 6 7 1 5 - <_> - 1 - - 1 3 6 11 - <_> - 3 - - 3 2 2 1 - <_> - 4 - - 1 9 1 2 - <_> - 1 - - 3 14 2 1 - <_> - 9 - - 4 9 1 3 - <_> - 4 - - 2 3 5 2 - <_> - 5 - - 0 10 2 5 - <_> - 7 - - 2 13 1 2 - <_> - 2 - - 1 5 5 2 - <_> - 0 - - 2 3 4 9 - <_> - 7 - - 3 7 1 2 - <_> - 4 - - 2 3 2 3 - <_> - 3 - - 0 12 1 2 - <_> - 2 - - 1 6 5 4 - <_> - 1 - - 3 3 2 3 - <_> - 5 - - 4 7 1 2 - <_> - 0 - - 4 9 3 5 - <_> - 2 - - 2 8 1 1 - <_> - 4 - - 3 9 3 5 - <_> - 5 - - 3 10 2 2 - <_> - 1 - - 3 10 2 3 - <_> - 5 - - 0 14 6 1 - <_> - 4 - - 1 5 2 3 - <_> - 3 - - 3 7 1 1 - <_> - 3 - - 1 5 4 2 - <_> - 4 - - 0 2 5 6 - <_> - 1 - - 1 12 5 1 - <_> - 7 - - 6 11 1 4 - <_> - 2 - - 1 11 1 4 - <_> - 9 - - 3 7 1 2 - <_> - 1 - - 1 13 5 1 - <_> - 3 - - 5 4 2 1 - <_> - 8 - - 3 2 2 2 - <_> - 2 - - 2 9 3 5 - <_> - 5 - - 1 6 2 9 - <_> - 5 - - 2 9 2 2 - <_> - 5 - - 3 1 2 11 - <_> - 7 - - 2 9 2 3 - <_> - 5 - - 2 1 3 1 - <_> - 3 - - 2 14 2 1 - <_> - 4 - - 0 5 1 2 - <_> - 2 - - 5 4 1 1 - <_> - 1 - - 3 2 2 1 - <_> - 1 - - 0 14 1 1 - <_> - 4 - - 0 12 6 2 - <_> - 8 - - 3 11 3 2 - <_> - 8 - - 3 2 2 2 - <_> - 5 - - 4 2 1 1 - <_> - 0 - - 2 10 4 3 - <_> - 9 - - 6 3 1 1 - <_> - 2 - - 5 10 2 2 - <_> - 4 - - 3 1 3 5 - <_> - 1 - - 2 3 3 2 - <_> - 4 - - 2 3 4 9 - <_> - 1 - - 3 5 2 1 - <_> - 0 - - 3 5 2 3 - <_> - 4 - - 0 0 7 1 - <_> - 4 - - 3 7 2 2 - <_> - 5 - - 1 14 6 1 - <_> - 1 - - 3 6 2 4 - <_> - 3 - - 2 1 3 13 - <_> - 4 - - 1 3 3 10 - <_> - 7 - - 0 0 2 10 - <_> - 7 - - 2 14 4 1 - <_> - 0 - - 5 0 2 3 - <_> - 7 - - 4 13 2 2 - <_> - 5 - - 0 1 6 5 - <_> - 7 - - 0 2 5 2 - <_> - 3 - - 4 3 2 9 - <_> - 8 - - 4 3 1 1 - <_> - 9 - - 3 5 1 9 - <_> - 8 - - 5 3 2 1 - <_> - 3 - - 4 3 3 7 - <_> - 5 - - 0 3 4 10 - <_> - 2 - - 3 12 2 3 - <_> - 1 - - 1 6 3 8 - <_> - 3 - - 3 12 3 3 - <_> - 2 - - 1 14 2 1 - <_> - 2 - - 0 2 4 11 - <_> - 4 - - 2 11 3 2 - <_> - 2 - - 3 4 2 1 - <_> - 2 - - 4 3 2 2 - <_> - 0 - - 3 11 2 3 - <_> - 2 - - 0 2 7 5 - <_> - 4 - - 3 0 2 3 - <_> - 7 - - 0 0 7 2 - <_> - 5 - - 4 14 3 1 - <_> - 1 - - 3 10 2 3 - <_> - 4 - - 2 0 3 12 - <_> - 5 - - 5 10 1 5 - <_> - 2 - - 2 3 2 1 - <_> - 4 - - 2 5 4 3 - <_> - 9 - - 3 1 1 3 - <_> - 8 - - 3 5 2 1 - <_> - 9 - - 3 3 2 3 - <_> - 8 - - 3 13 2 2 - <_> - 9 - - 0 1 3 2 - <_> - 8 - - 3 11 2 2 - <_> - 9 - - 1 6 6 4 - <_> - 7 - - 2 13 2 2 - <_> - 2 - - 3 10 1 5 - <_> - 7 - - 3 9 2 1 - <_> - 0 - - 2 9 4 5 - <_> - 1 - - 3 7 2 1 - <_> - 3 - - 4 9 2 1 - <_> - 0 - - 1 13 1 2 - <_> - 0 - - 2 0 3 5 - <_> - 0 - - 0 0 3 3 - <_> - 0 - - 4 5 1 1 - <_> - 0 - - 4 3 2 11 - <_> - 3 - - 0 7 2 2 - <_> - 5 - - 5 14 1 1 - <_> - 4 - - 4 2 1 10 - <_> - 7 - - 3 9 2 2 - <_> - 2 - - 2 11 5 1 - <_> - 1 - - 0 2 4 8 - <_> - 1 - - 2 2 2 1 - <_> - 4 - - 0 10 7 5 - <_> - 4 - - 0 6 4 8 - <_> - 0 - - 2 13 5 1 - <_> - 9 - - 1 8 4 1 - <_> - 9 - - 1 2 6 3 - <_> - 7 - - 2 7 4 2 - <_> - 1 - - 3 5 2 2 - <_> - 3 - - 3 7 2 2 - <_> - 8 - - 0 8 2 6 - <_> - 8 - - 3 2 2 2 - <_> - 9 - - 1 4 4 2 - <_> - 8 - - 2 1 4 1 - <_> - 1 - - 2 14 3 1 - <_> - 0 - - 2 10 2 1 - <_> - 4 - - 0 14 2 1 - <_> - 4 - - 0 5 6 9 - <_> - 0 - - 2 3 1 5 - <_> - 1 - - 1 5 5 4 - <_> - 5 - - 5 6 1 9 - <_> - 9 - - 0 9 2 1 - <_> - 5 - - 2 14 5 1 - <_> - 2 - - 1 10 4 4 - <_> - 1 - - 1 10 4 3 - <_> - 9 - - 5 9 2 1 - <_> - 9 - - 3 1 2 2 - <_> - 4 - - 3 9 3 2 - <_> - 9 - - 3 4 1 2 - <_> - 4 - - 3 9 3 6 - <_> - 4 - - 3 1 2 9 - <_> - 4 - - 3 7 4 7 - <_> - 1 - - 4 0 2 2 - <_> - 2 - - 6 13 1 2 - <_> - 8 - - 3 3 1 2 - <_> - 1 - - 0 13 7 1 - <_> - 0 - - 4 9 1 4 - <_> - 1 - - 3 5 2 2 - <_> - 5 - - 4 2 2 2 - <_> - 2 - - 4 2 2 3 - <_> - 5 - - 1 0 1 1 - <_> - 7 - - 3 6 1 1 - <_> - 3 - - 0 5 5 4 - <_> - 1 - - 2 2 3 3 - <_> - 3 - - 0 14 7 1 - <_> - 3 - - 2 12 1 1 - <_> - 4 - - 1 9 6 3 - <_> - 9 - - 3 5 1 5 - <_> - 9 - - 1 4 2 11 - <_> - 9 - - 2 10 1 1 - <_> - 9 - - 5 14 2 1 - <_> - 8 - - 3 3 2 1 - <_> - 9 - - 3 2 3 9 - <_> - 8 - - 0 0 7 1 - <_> - 8 - - 3 3 2 1 - <_> - 1 - - 0 5 1 1 - <_> - 2 - - 0 14 6 1 - <_> - 2 - - 2 11 3 3 - <_> - 5 - - 0 6 1 2 - <_> - 4 - - 1 14 3 1 - <_> - 3 - - 1 5 6 2 - <_> - 4 - - 4 9 1 2 - <_> - 9 - - 4 4 2 8 - <_> - 1 - - 0 5 4 10 - <_> - 8 - - 2 6 5 8 - <_> - 8 - - 3 14 1 1 - <_> - 9 - - 0 0 1 2 - <_> - 8 - - 3 12 1 1 - <_> - 1 - - 2 12 2 1 - <_> - 5 - - 0 13 5 2 - <_> - 2 - - 3 11 3 3 - <_> - 2 - - 0 8 6 6 - <_> - 4 - - 3 8 3 2 - <_> - 0 - - 0 10 3 3 - <_> - 7 - - 0 0 1 13 - <_> - 7 - - 5 14 2 1 - <_> - 1 - - 0 8 3 6 - <_> - 1 - - 2 6 4 6 - <_> - 5 - - 1 0 5 2 - <_> - 4 - - 3 8 2 4 - <_> - 5 - - 1 1 5 5 - <_> - 8 - - 4 6 1 5 - <_> - 0 - - 5 3 2 12 - <_> - 0 - - 3 12 4 2 - <_> - 2 - - 4 5 1 7 - <_> - 5 - - 2 14 5 1 - <_> - 0 - - 3 1 2 3 - <_> - 2 - - 0 11 3 2 - <_> - 2 - - 3 1 2 1 - <_> - 0 - - 2 9 3 1 - <_> - 2 - - 2 8 2 6 - <_> - 8 - - 2 3 3 1 - <_> - 8 - - 5 9 1 2 - <_> - 3 - - 3 2 1 2 - <_> - 1 - - 0 0 5 5 - <_> - 5 - - 1 8 1 1 - <_> - 3 - - 6 12 1 2 - <_> - 5 - - 0 9 4 2 - <_> - 8 - - 3 3 2 1 - <_> - 9 - - 2 9 4 2 - <_> - 8 - - 3 2 2 4 - <_> - 0 - - 3 7 3 4 - <_> - 5 - - 2 4 1 7 - <_> - 0 - - 3 5 2 1 - <_> - 0 - - 3 3 3 1 - <_> - 2 - - 5 14 2 1 - <_> - 3 - - 0 0 5 4 - <_> - 1 - - 1 6 1 9 - <_> - 0 - - 3 6 2 2 - <_> - 4 - - 1 0 6 15 - <_> - 2 - - 2 3 4 10 - <_> - 4 - - 1 1 1 9 - <_> - 2 - - 3 7 2 1 - <_> - 4 - - 2 1 5 4 - <_> - 1 - - 3 2 2 2 - <_> - 4 - - 3 10 3 2 - <_> - 4 - - 2 5 4 3 - <_> - 2 - - 2 2 1 12 - <_> - 5 - - 2 4 3 4 - <_> - 3 - - 1 14 4 1 - <_> - 3 - - 1 12 4 2 - <_> - 8 - - 1 7 3 2 - <_> - 3 - - 2 2 3 1 - <_> - 1 - - 1 0 2 2 - <_> - 7 - - 4 4 2 7 - <_> - 2 - - 5 11 1 3 - <_> - 1 - - 1 2 3 9 - <_> - 3 - - 2 0 5 1 - <_> - 7 - - 2 14 1 1 - <_> - 8 - - 0 2 6 5 - <_> - 1 - - 3 2 2 13 - <_> - 1 - - 3 9 2 4 - <_> - 0 - - 1 1 2 8 - <_> - 9 - - 4 8 1 1 - <_> - 0 - - 3 7 2 1 - <_> - 3 - - 1 7 2 4 - <_> - 5 - - 5 4 1 5 - <_> - 1 - - 3 5 2 1 - <_> - 4 - - 3 4 2 4 - <_> - 7 - - 4 5 1 1 - <_> - 7 - - 3 4 1 1 - <_> - 7 - - 2 14 1 1 - <_> - 2 - - 3 2 4 3 - <_> - 2 - - 0 9 1 5 - <_> - 0 - - 4 1 1 2 - <_> - 0 - - 2 0 5 3 - <_> - 0 - - 2 3 4 11 - <_> - 4 - - 3 8 2 3 - <_> - 0 - - 1 11 6 1 - <_> - 4 - - 5 0 1 15 - <_> - 0 - - 4 4 1 1 - <_> - 2 - - 4 10 1 5 - <_> - 0 - - 3 13 4 1 - <_> - 5 - - 5 4 2 3 - <_> - 0 - - 4 14 2 1 - <_> - 2 - - 1 4 4 6 - <_> - 2 - - 3 8 2 6 - <_> - 2 - - 4 3 1 8 - <_> - 5 - - 2 12 1 1 - <_> - 0 - - 4 5 2 1 - <_> - 1 - - 2 2 3 6 - <_> - 8 - - 3 3 2 1 - <_> - 9 - - 3 3 1 11 - <_> - 8 - - 0 12 6 3 - <_> - 9 - - 1 1 1 14 - <_> - 0 - - 5 8 2 4 - <_> - 4 - - 4 0 2 14 - <_> - 4 - - 5 9 2 5 - <_> - 5 - - 1 0 1 1 - <_> - 7 - - 2 14 4 1 - <_> - 4 - - 3 10 2 3 - <_> - 5 - - 3 6 2 2 - <_> - 3 - - 3 2 1 2 - <_> - 8 - - 1 5 6 4 - <_> - 8 - - 2 6 5 1 - <_> - 8 - - 3 0 3 2 - <_> - 2 - - 4 8 2 1 - <_> - 5 - - 4 6 3 3 - <_> - 2 - - 2 14 3 1 - <_> - 0 - - 3 0 2 14 - <_> - 7 - - 6 6 1 1 - <_> - 5 - - 0 14 2 1 - <_> - 2 - - 3 1 2 1 - <_> - 1 - - 3 14 1 1 - <_> - 1 - - 2 3 3 1 - <_> - 9 - - 0 10 7 1 - <_> - 9 - - 1 1 6 2 - <_> - 0 - - 1 10 1 2 - <_> - 8 - - 3 3 2 1 - <_> - 9 - - 4 4 1 1 - <_> - 8 - - 5 3 1 2 - <_> - 4 - - 2 5 5 7 - <_> - 5 - - 4 6 2 7 - <_> - 1 - - 1 5 4 5 - <_> - 2 - - 2 2 4 11 - <_> - 4 - - 1 10 6 2 - <_> - 4 - - 2 3 4 8 - <_> - 2 - - 3 5 1 1 - <_> - 3 - - 1 5 4 2 - <_> - 8 - - 2 5 2 2 - <_> - 8 - - 1 13 4 2 - <_> - 2 - - 2 13 3 1 - <_> - 1 - - 0 7 6 1 - <_> - 5 - - 0 14 7 1 - <_> - 5 - - 1 12 6 2 - <_> - 3 - - 2 1 3 4 - <_> - 1 - - 3 5 3 1 - <_> - 8 - - 3 2 3 2 - <_> - 2 - - 1 0 1 13 - <_> - 1 - - 6 2 1 12 - <_> - 4 - - 0 1 3 1 - <_> - 7 - - 4 14 3 1 - <_> - 0 - - 3 4 1 4 - <_> - 2 - - 0 3 3 7 - <_> - 0 - - 3 1 3 1 - <_> - 0 - - 4 9 2 2 - <_> - 4 - - 3 10 1 3 - <_> - 2 - - 3 9 2 4 - <_> - 5 - - 1 13 6 2 - <_> - 0 - - 3 0 2 5 - <_> - 5 - - 0 4 3 4 - <_> - 8 - - 5 10 1 1 - <_> - 8 - - 3 0 4 15 - <_> - 8 - - 4 3 1 1 - <_> - 9 - - 3 3 2 4 - <_> - 0 - - 4 5 1 1 - <_> - 1 - - 0 4 7 1 - <_> - 2 - - 3 0 4 5 - <_> - 5 - - 4 3 1 2 - <_> - 9 - - 1 14 3 1 - <_> - 7 - - 0 1 1 9 - <_> - 0 - - 2 10 5 4 - <_> - 2 - - 3 9 3 1 - <_> - 3 - - 5 11 1 1 - <_> - 4 - - 1 13 6 1 - <_> - 4 - - 0 1 7 1 - <_> - 4 - - 4 3 3 12 - <_> - 0 - - 2 4 2 1 - <_> - 2 - - 4 10 1 4 - <_> - 3 - - 3 7 1 1 - <_> - 3 - - 1 9 3 4 - <_> - 4 - - 3 1 4 4 - <_> - 9 - - 4 9 1 1 - <_> - 9 - - 3 3 3 1 - <_> - 2 - - 0 1 5 1 - <_> - 8 - - 3 3 2 1 - <_> - 3 - - 4 8 1 1 - <_> - 8 - - 4 4 1 1 - <_> - 1 - - 3 14 2 1 - <_> - 1 - - 0 5 1 10 - <_> - 4 - - 4 2 1 4 - <_> - 4 - - 3 3 3 3 - <_> - 5 - - 4 14 3 1 - <_> - 7 - - 2 14 4 1 - <_> - 5 - - 0 3 3 5 - <_> - 4 - - 2 4 5 1 - <_> - 9 - - 3 11 2 3 - <_> - 2 - - 2 11 3 2 - <_> - 1 - - 1 7 1 1 - <_> - 0 - - 0 10 1 5 - <_> - 4 - - 0 5 5 10 - <_> - 1 - - 0 6 4 8 - <_> - 1 - - 1 3 2 7 - <_> - 0 - - 1 10 5 4 - <_> - 3 - - 5 2 2 6 - <_> - 3 - - 2 0 4 1 - <_> - 5 - - 5 2 1 4 - <_> - 4 - - 6 8 1 4 - <_> - 3 - - 3 2 1 2 - <_> - 3 - - 0 14 7 1 - <_> - 0 - - 0 0 6 2 - <_> - 1 - - 3 0 2 11 - <_> - 1 - - 2 6 1 1 - <_> - 2 - - 0 1 6 12 - <_> - 0 - - 1 6 3 2 - <_> - 2 - - 2 4 3 3 - <_> - 9 - - 1 3 5 2 - <_> - 4 - - 3 2 2 8 - <_> - 8 - - 4 3 1 1 - <_> - 4 - - 2 10 3 1 - <_> - 4 - - 2 4 4 11 - <_> - 3 - - 2 2 3 12 - <_> - 7 - - 4 2 2 7 - <_> - 1 - - 2 3 2 12 - <_> - 1 - - 4 0 2 2 - <_> - 5 - - 1 5 6 5 - <_> - 5 - - 1 8 1 1 - <_> - 5 - - 4 7 1 1 - <_> - 9 - - 4 6 1 2 - <_> - 1 - - 4 0 1 1 - <_> - 0 - - 5 14 2 1 - <_> - 0 - - 4 13 3 2 - <_> - 5 - - 4 2 1 13 - <_> - 1 - - 3 2 2 3 - <_> - 3 - - 1 4 2 2 - <_> - 4 - - 3 3 2 1 - <_> - 0 - - 2 5 2 4 - <_> - 2 - - 1 5 2 7 - <_> - 2 - - 5 4 1 1 - <_> - 2 - - 0 14 6 1 - <_> - 7 - - 5 13 2 1 - <_> - 7 - - 3 7 3 2 - <_> - 1 - - 3 10 2 3 - <_> - 1 - - 2 7 3 8 - <_> - 2 - - 1 13 3 1 - <_> - 7 - - 2 6 4 6 - <_> - 3 - - 3 1 4 7 - <_> - 0 - - 2 10 3 2 - <_> - 1 - - 3 5 2 2 - <_> - 3 - - 4 7 1 1 - <_> - 7 - - 2 5 3 10 - <_> - 2 - - 4 2 1 3 - <_> - 2 - - 1 2 3 2 - <_> - 5 - - 3 0 4 2 - <_> - 4 - - 2 10 4 5 - <_> - 7 - - 4 9 2 3 - <_> - 0 - - 2 3 2 10 - <_> - 9 - - 3 4 1 7 - <_> - 8 - - 2 0 4 13 - <_> - 4 - - 2 2 4 2 - <_> - 8 - - 3 3 2 1 - <_> - 8 - - 3 12 2 1 - <_> - 3 - - 0 13 2 2 - <_> - 0 - - 3 10 4 4 - <_> - 3 - - 2 4 1 1 - <_> - 4 - - 2 0 4 15 - <_> - 5 - - 4 14 3 1 - <_> - 5 - - 4 9 3 4 - <_> - 2 - - 1 5 3 7 - <_> - 2 - - 5 10 2 2 - <_> - 4 - - 4 1 2 4 - <_> - 1 - - 0 3 5 2 - <_> - 8 - - 3 3 1 4 - <_> - 9 - - 3 4 2 2 - <_> - 8 - - 2 1 1 12 - <_> - 4 - - 1 5 5 7 - <_> - 8 - - 4 3 1 1 - <_> - 1 - - 1 6 6 6 - <_> - 0 - - 3 5 2 1 - <_> - 0 - - 4 3 2 11 - <_> - 2 - - 3 9 2 4 - <_> - 3 - - 1 0 5 1 - <_> - 4 - - 5 11 2 3 - <_> - 3 - - 1 0 3 10 - <_> - 2 - - 3 4 2 6 - <_> - 0 - - 1 14 6 1 - <_> - 0 - - 1 4 2 3 - <_> - 5 - - 1 2 4 2 - <_> - 1 - - 0 7 2 8 - <_> - 4 - - 4 1 2 10 - <_> - 4 - - 1 14 3 1 - <_> - 1 - - 2 6 4 3 - <_> - 8 - - 2 12 3 1 - <_> - 8 - - 4 2 1 2 - <_> - 3 - - 4 8 1 3 - <_> - 8 - - 3 4 2 1 - <_> - 2 - - 2 10 3 4 - <_> - 0 - - 2 3 2 9 - <_> - 5 - - 0 10 4 1 - <_> - 1 - - 3 0 1 15 - <_> - 7 - - 5 4 1 1 - <_> - 0 - - 0 6 4 2 - <_> - 2 - - 3 5 1 3 - <_> - 7 - - 3 3 4 1 - <_> - 8 - - 3 3 1 3 - <_> - 5 - - 4 1 2 12 - <_> - 2 - - 4 2 2 3 - <_> - 2 - - 3 1 4 1 - <_> - 8 - - 0 13 4 2 - <_> - 4 - - 4 9 1 3 - <_> - 8 - - 0 14 1 1 - <_> - 0 - - 3 12 4 2 - <_> - 9 - - 6 14 1 1 - <_> - 3 - - 0 14 6 1 - <_> - 2 - - 2 11 1 3 - <_> - 5 - - 4 2 1 2 - <_> - 9 - - 6 3 1 9 - <_> - 1 - - 1 13 5 1 - <_> - 2 - - 0 4 7 5 - <_> - 4 - - 0 0 7 14 - <_> - 2 - - 2 14 5 1 - <_> - 1 - - 3 10 1 3 - <_> - 4 - - 3 7 1 3 - <_> - 4 - - 2 3 4 8 - <_> - 7 - - 3 12 1 1 - <_> - 4 - - 0 12 1 3 - <_> - 3 - - 1 12 4 2 - <_> - 7 - - 0 5 1 1 - <_> - 5 - - 0 12 3 3 - <_> - 1 - - 0 9 3 5 - <_> - 2 - - 3 10 2 1 - <_> - 2 - - 1 8 4 6 - <_> - 5 - - 2 14 5 1 - <_> - 4 - - 0 5 1 3 - <_> - 2 - - 6 0 1 12 - <_> - 2 - - 1 0 2 12 - <_> - 3 - - 3 2 2 2 - <_> - 5 - - 4 10 2 1 - <_> - 0 - - 3 3 3 5 - <_> - 0 - - 3 7 3 7 - <_> - 4 - - 3 6 2 1 - <_> - 8 - - 3 3 1 1 - <_> - 4 - - 3 10 2 2 - <_> - 8 - - 2 1 2 1 - <_> - 1 - - 0 1 5 3 - <_> - 4 - - 4 2 3 1 - <_> - 1 - - 2 1 1 3 - <_> - 1 - - 3 2 3 1 - <_> - 5 - - 4 8 1 1 - <_> - 4 - - 0 7 7 1 - <_> - 0 - - 3 7 3 6 - <_> - 1 - - 5 0 2 6 - <_> - 2 - - 3 0 4 5 - <_> - 1 - - 4 13 2 1 - <_> - 7 - - 3 6 2 1 - <_> - 8 - - 1 0 1 1 - <_> - 4 - - 2 3 5 8 - <_> - 5 - - 5 2 1 9 - <_> - 1 - - 3 6 3 2 - <_> - 4 - - 1 1 6 1 - <_> - 0 - - 4 5 2 2 - <_> - 0 - - 2 4 1 1 - <_> - 3 - - 5 14 2 1 - <_> - 7 - - 6 13 1 1 - <_> - 2 - - 2 14 2 1 - <_> - 8 - - 4 3 1 1 - <_> - 9 - - 2 5 2 8 - <_> - 8 - - 6 8 1 2 - <_> - 2 - - 1 10 4 4 - <_> - 0 - - 4 4 2 1 - <_> - 4 - - 0 6 7 9 - <_> - 3 - - 2 2 4 7 - <_> - 7 - - 4 1 1 2 - <_> - 2 - - 4 7 1 3 - <_> - 8 - - 2 3 4 1 - <_> - 1 - - 5 7 2 4 - <_> - 8 - - 2 2 1 2 - <_> - 2 - - 3 3 1 1 - <_> - 1 - - 3 5 2 2 - <_> - 5 - - 2 6 5 2 - <_> - 1 - - 3 0 1 8 - <_> - 3 - - 1 14 5 1 - <_> - 0 - - 1 1 4 13 - <_> - 3 - - 1 0 3 2 - <_> - 0 - - 3 10 3 4 - <_> - 0 - - 4 11 3 1 - <_> - 1 - - 3 9 2 4 - <_> - 2 - - 4 14 1 1 - <_> - 3 - - 0 2 5 1 - <_> - 7 - - 1 12 2 3 - <_> - 9 - - 2 1 1 3 - <_> - 7 - - 3 4 1 2 - <_> - 9 - - 3 9 1 4 - <_> - 9 - - 2 12 4 2 - <_> - 1 - - 2 2 3 2 - <_> - 3 - - 0 14 4 1 - <_> - 4 - - 2 5 5 6 - <_> - 0 - - 1 10 1 1 - <_> - 2 - - 2 8 2 6 - <_> - 5 - - 2 4 1 4 - <_> - 8 - - 3 2 1 2 - <_> - 4 - - 2 10 5 1 - <_> - 7 - - 6 0 1 3 - <_> - 9 - - 2 4 2 1 - <_> - 8 - - 1 3 4 1 - <_> - 1 - - 1 0 6 3 - <_> - 4 - - 3 2 3 1 - <_> - 3 - - 2 0 5 1 - <_> - 0 - - 3 0 2 5 - <_> - 8 - - 3 10 2 1 - <_> - 7 - - 5 13 1 2 - <_> - 2 - - 2 7 3 5 - <_> - 2 - - 3 4 1 10 - <_> - 2 - - 0 14 4 1 - <_> - 3 - - 2 11 3 2 - <_> - 7 - - 2 7 2 1 - <_> - 5 - - 5 0 1 15 - <_> - 4 - - 1 5 6 1 - <_> - 0 - - 4 0 2 1 - <_> - 4 - - 3 10 3 5 - <_> - 1 - - 3 3 2 3 - <_> - 9 - - 5 4 1 3 - <_> - 1 - - 2 14 3 1 - <_> - 4 - - 1 2 1 13 - <_> - 8 - - 2 2 3 2 - <_> - 0 - - 3 9 2 5 - <_> - 5 - - 1 8 4 1 - <_> - 3 - - 4 4 2 7 - <_> - 3 - - 2 1 1 12 - <_> - 0 - - 1 4 3 8 - <_> - 4 - - 4 9 1 2 - <_> - 4 - - 2 3 4 8 - <_> - 7 - - 3 9 2 4 - <_> - 2 - - 1 5 4 1 - <_> - 4 - - 2 5 5 7 - <_> - 3 - - 4 0 1 6 - <_> - 2 - - 5 4 1 6 - <_> - 8 - - 2 14 3 1 - <_> - 8 - - 2 11 3 3 - <_> - 0 - - 6 7 1 4 - <_> - 2 - - 2 1 5 1 - <_> - 5 - - 3 2 4 3 - <_> - 3 - - 3 2 1 1 - <_> - 5 - - 0 13 1 2 - <_> - 7 - - 0 8 5 1 - <_> - 5 - - 4 2 2 11 - <_> - 8 - - 3 3 2 1 - <_> - 1 - - 0 3 7 1 - <_> - 8 - - 2 1 1 3 - <_> - 9 - - 1 0 6 2 - <_> - 0 - - 4 4 2 2 - <_> - 9 - - 4 5 1 1 - <_> - 0 - - 4 3 3 9 - <_> - 2 - - 5 4 1 4 - <_> - 5 - - 5 14 1 1 - <_> - 1 - - 4 5 1 2 - <_> - 9 - - 2 11 3 2 - <_> - 4 - - 0 0 7 1 - <_> - 1 - - 2 0 4 5 - <_> - 2 - - 5 9 1 6 - <_> - 4 - - 1 0 4 11 - <_> - 2 - - 2 2 3 12 - <_> - 5 - - 1 3 5 8 - <_> - 3 - - 1 14 4 1 - <_> - 8 - - 3 3 1 1 - <_> - 3 - - 0 12 4 1 - <_> - 8 - - 3 1 1 1 - <_> - 3 - - 6 10 1 2 - <_> - 0 - - 4 7 2 4 - <_> - 5 - - 3 2 2 2 - <_> - 9 - - 2 4 3 2 - <_> - 9 - - 2 2 3 2 - <_> - 9 - - 6 9 1 1 - <_> - 1 - - 1 13 5 1 - <_> - 5 - - 0 6 2 2 - <_> - 4 - - 3 11 2 2 - <_> - 9 - - 5 14 2 1 - <_> - 2 - - 3 5 1 2 - <_> - 5 - - 2 14 5 1 - <_> - 3 - - 1 5 4 2 - <_> - 4 - - 4 2 2 7 - <_> - 9 - - 4 9 1 1 - <_> - 0 - - 4 13 3 1 - <_> - 0 - - 3 3 2 2 - <_> - 1 - - 2 5 3 1 - <_> - 1 - - 4 0 1 15 - <_> - 5 - - 2 14 2 1 - <_> - 1 - - 3 8 3 5 - <_> - 0 - - 4 0 3 10 - <_> - 0 - - 3 10 3 3 - <_> - 8 - - 1 6 5 1 - <_> - 2 - - 5 13 1 2 - <_> - 8 - - 0 5 7 2 - <_> - 9 - - 3 5 3 1 - <_> - 5 - - 5 2 1 6 - <_> - 2 - - 4 4 2 1 - <_> - 0 - - 4 14 2 1 - <_> - 0 - - 3 1 2 1 - <_> - 3 - - 3 0 4 6 - <_> - 2 - - 4 4 1 1 - <_> - 2 - - 3 13 2 1 - <_> - 2 - - 2 10 5 1 - <_> - 5 - - 2 14 5 1 - <_> - 5 - - 1 1 2 9 - <_> - 3 - - 0 14 5 1 - <_> - 8 - - 6 10 1 1 - <_> - 8 - - 4 3 1 1 - <_> - 2 - - 3 1 3 1 - <_> - 8 - - 1 9 2 2 - <_> - 4 - - 0 5 7 9 - <_> - 3 - - 3 7 1 1 - <_> - 8 - - 0 7 6 4 - <_> - 2 - - 1 0 6 5 - <_> - 7 - - 6 7 1 3 - <_> - 1 - - 0 12 6 1 - <_> - 1 - - 2 12 4 3 - <_> - 2 - - 0 2 7 4 - <_> - 2 - - 3 10 2 4 - <_> - 2 - - 3 7 2 1 - <_> - 9 - - 3 3 1 10 - <_> - 8 - - 3 6 2 1 - <_> - 0 - - 3 0 2 1 - <_> - 0 - - 3 1 2 3 - <_> - 3 - - 1 6 2 2 - <_> - 4 - - 0 14 7 1 - <_> - 2 - - 1 9 4 5 - <_> - 1 - - 3 2 3 12 - <_> - 1 - - 3 4 2 8 - <_> - 0 - - 0 14 6 1 - <_> - 2 - - 0 8 1 7 - <_> - 5 - - 4 10 1 4 - <_> - 9 - - 4 4 1 2 - <_> - 7 - - 2 14 3 1 - <_> - 4 - - 3 10 4 1 - <_> - 4 - - 0 3 6 3 - <_> - 0 - - 4 9 2 1 - <_> - 4 - - 3 1 2 4 - <_> - 9 - - 0 0 5 12 - <_> - 1 - - 3 2 2 4 - <_> - 9 - - 1 9 1 1 - <_> - 7 - - 5 1 1 8 - <_> - 0 - - 1 10 1 4 - <_> - 1 - - 3 13 2 2 - <_> - 5 - - 0 13 6 1 - <_> - 7 - - 2 0 5 5 - <_> - 0 - - 3 5 2 1 - <_> - 3 - - 0 6 7 1 - <_> - 0 - - 4 3 2 1 - <_> - 4 - - 3 5 4 1 - <_> - 2 - - 6 10 1 2 - <_> - 8 - - 2 0 3 1 - <_> - 8 - - 3 3 1 1 - <_> - 9 - - 0 12 1 1 - <_> - 8 - - 1 3 6 1 - <_> - 2 - - 1 14 3 1 - <_> - 3 - - 1 12 4 2 - <_> - 0 - - 4 5 1 1 - <_> - 9 - - 4 7 1 1 - <_> - 7 - - 5 14 1 1 - <_> - 9 - - 5 9 2 1 - <_> - 4 - - 0 0 7 14 - <_> - 0 - - 2 4 1 2 - <_> - 0 - - 4 11 1 3 - <_> - 8 - - 4 6 3 4 - <_> - 3 - - 5 11 1 3 - <_> - 0 - - 3 8 4 1 - <_> - 0 - - 2 9 3 3 - <_> - 7 - - 2 3 4 5 - <_> - 4 - - 1 7 3 4 - <_> - 4 - - 2 4 3 1 - <_> - 9 - - 1 0 1 2 - <_> - 1 - - 3 5 1 1 - <_> - 1 - - 2 10 4 3 - <_> - 4 - - 4 2 1 8 - <_> - 3 - - 2 3 1 7 - <_> - 3 - - 2 0 2 3 - <_> - 1 - - 0 1 6 1 - <_> - 0 - - 5 11 1 1 - <_> - 1 - - 4 0 1 15 - <_> - 7 - - 3 6 2 1 - <_> - 2 - - 4 4 2 11 - <_> - 0 - - 0 9 1 3 - <_> - 1 - - 2 2 2 2 - <_> - 9 - - 4 4 1 5 - <_> - 0 - - 3 9 3 2 - <_> - 5 - - 2 0 3 2 - <_> - 8 - - 3 3 2 1 - <_> - 5 - - 2 14 4 1 - <_> - 8 - - 3 14 3 1 - <_> - 2 - - 0 9 2 5 - <_> - 1 - - 3 6 2 1 - <_> - 5 - - 4 9 2 4 - <_> - 1 - - 3 8 2 2 - <_> - 3 - - 2 7 2 5 - <_> - 4 - - 2 0 5 15 - <_> - 4 - - 3 2 2 1 - <_> - 3 - - 0 4 2 10 - <_> - 0 - - 3 2 1 12 - <_> - 0 - - 3 4 1 5 - <_> - 7 - - 2 3 4 9 - <_> - 7 - - 5 14 1 1 - <_> - 7 - - 0 0 7 13 - <_> - 1 - - 5 0 2 14 - <_> - 5 - - 2 12 1 2 - <_> - 0 - - 3 1 1 9 - <_> - 5 - - 2 4 1 8 - <_> - 2 - - 4 6 1 2 - <_> - 2 - - 2 0 3 15 - <_> - 5 - - 3 2 4 4 - <_> - 4 - - 2 10 4 1 - <_> - 5 - - 1 0 6 2 - <_> - 0 - - 4 7 2 4 - <_> - 1 - - 2 7 4 1 - <_> - 2 - - 2 14 1 1 - <_> - 2 - - 2 10 3 4 - <_> - 4 - - 0 11 5 1 - <_> - 3 - - 3 7 1 1 - <_> - 1 - - 1 7 3 8 - <_> - 5 - - 4 2 1 1 - <_> - 1 - - 2 11 3 2 - <_> - 3 - - 1 0 3 11 - <_> - 7 - - 3 1 1 1 - <_> - 4 - - 2 0 3 7 - <_> - 3 - - 5 12 1 1 - <_> - 2 - - 2 5 2 2 - <_> - 4 - - 0 8 6 1 - <_> - 4 - - 1 5 6 6 - <_> - 2 - - 3 2 3 2 - <_> - 2 - - 5 8 2 5 - <_> - 5 - - 6 13 1 2 - <_> - 2 - - 2 11 4 3 - <_> - 3 - - 2 4 1 1 - <_> - 3 - - 0 7 6 6 - <_> - 8 - - 3 3 2 1 - <_> - 7 - - 5 1 2 6 - <_> - 9 - - 3 8 2 3 - <_> - 5 - - 4 9 3 4 - <_> - 9 - - 3 7 2 1 - <_> - 2 - - 5 8 2 5 - <_> - 3 - - 2 6 5 4 - <_> - 4 - - 5 14 2 1 - <_> - 0 - - 3 12 4 2 - <_> - 2 - - 0 6 2 9 - <_> - 5 - - 0 14 6 1 - <_> - 5 - - 5 4 2 11 - <_> - 2 - - 5 4 1 5 - <_> - 3 - - 3 5 1 4 - <_> - 4 - - 0 3 4 4 - <_> - 1 - - 2 13 4 2 - <_> - 8 - - 2 2 3 5 - <_> - 3 - - 2 0 5 1 - <_> - 3 - - 1 9 3 4 - <_> - 4 - - 6 2 1 1 - <_> - 3 - - 3 2 2 2 - <_> - 0 - - 6 4 1 6 - <_> - 0 - - 4 0 3 3 - <_> - 0 - - 0 0 4 5 - <_> - 1 - - 3 13 1 2 - <_> - 9 - - 3 2 2 1 - <_> - 3 - - 4 10 3 2 - <_> - 1 - - 2 14 2 1 - <_> - 5 - - 1 4 2 4 - <_> - 9 - - 4 9 1 1 - <_> - 7 - - 4 10 1 4 - <_> - 4 - - 3 8 4 5 - <_> - 2 - - 2 13 3 1 - <_> - 8 - - 2 0 3 1 - <_> - 8 - - 3 3 2 1 - <_> - 2 - - 3 6 2 1 - <_> - 5 - - 1 12 6 2 - <_> - 2 - - 0 0 5 2 - <_> - 0 - - 2 7 4 6 - <_> - 1 - - 3 0 2 2 - <_> - 7 - - 1 14 5 1 - <_> - 7 - - 5 0 2 5 - <_> - 2 - - 0 14 7 1 - <_> - 9 - - 2 12 3 1 - <_> - 4 - - 1 1 5 5 - <_> - 5 - - 4 4 1 6 - <_> - 2 - - 4 4 1 2 - <_> - 3 - - 5 2 2 7 - <_> - 4 - - 4 9 1 3 - <_> - 3 - - 1 0 6 11 - <_> - 0 - - 2 2 3 2 - <_> - 3 - - 2 0 2 6 - <_> - 8 - - 4 3 1 1 - <_> - 8 - - 0 14 5 1 - <_> - 4 - - 4 1 2 14 - <_> - 8 - - 4 4 1 7 - <_> - 8 - - 4 3 1 1 - <_> - 9 - - 1 11 2 1 - <_> - 5 - - 2 13 4 1 - <_> - 2 - - 2 2 2 11 - <_> - 3 - - 0 13 2 2 - <_> - 2 - - 0 0 6 3 - <_> - 3 - - 1 14 5 1 - <_> - 7 - - 0 13 2 1 - <_> - 5 - - 1 12 2 1 - <_> - 8 - - 5 5 2 10 - <_> - 4 - - 1 8 6 3 - <_> - 9 - - 4 4 1 1 - <_> - 0 - - 4 13 3 1 - <_> - 7 - - 3 3 3 3 - <_> - 0 - - 3 4 4 3 - <_> - 0 - - 2 4 2 1 - <_> - 5 - - 0 2 5 2 - <_> - 5 - - 6 11 1 4 - <_> - 4 - - 3 0 1 14 - <_> - 5 - - 4 9 2 4 - <_> - 0 - - 3 4 1 4 - <_> - 0 - - 3 7 2 1 - <_> - 0 - - 2 5 5 9 - <_> - 3 - - 0 8 1 5 - <_> - 0 - - 1 0 1 1 - <_> - 9 - - 1 1 5 2 - <_> - 8 - - 3 3 2 1 - <_> - 8 - - 4 0 1 2 - <_> - 8 - - 3 2 2 4 - <_> - 5 - - 0 5 3 2 - <_> - 4 - - 3 9 2 4 - <_> - 1 - - 2 6 2 3 - <_> - 5 - - 5 14 1 1 - <_> - 0 - - 3 10 3 3 - <_> - 5 - - 0 8 5 2 - <_> - 9 - - 5 9 2 2 - <_> - 2 - - 1 9 3 5 - <_> - 1 - - 1 1 6 1 - <_> - 7 - - 2 5 1 2 - <_> - 3 - - 0 6 3 1 - <_> - 1 - - 4 14 1 1 - <_> - 3 - - 1 11 2 4 - <_> - 1 - - 3 0 2 5 - <_> - 7 - - 3 5 2 2 - <_> - 1 - - 3 10 1 3 - <_> - 7 - - 1 2 1 1 - <_> - 4 - - 0 5 1 3 - <_> - 5 - - 0 0 6 4 - <_> - 5 - - 0 13 6 2 - <_> - 4 - - 0 0 6 15 - <_> - 2 - - 4 10 1 4 - <_> - 1 - - 0 2 5 3 - <_> - 1 - - 0 1 7 1 - <_> - 4 - - 4 8 3 6 - <_> - 5 - - 5 2 1 6 - <_> - 1 - - 3 5 4 2 - <_> - 5 - - 6 0 1 4 - <_> - 1 - - 6 1 1 12 - <_> - 4 - - 3 5 4 7 - <_> - 4 - - 6 5 1 6 - <_> - 8 - - 3 3 2 1 - <_> - 1 - - 6 3 1 6 - <_> - 1 - - 1 2 1 2 - <_> - 1 - - 1 0 6 4 - <_> - 0 - - 5 5 1 1 - <_> - 4 - - 3 10 3 2 - <_> - 1 - - 0 5 2 8 - <_> - 5 - - 2 3 1 12 - <_> - 9 - - 5 4 1 2 - <_> - 0 - - 0 8 1 7 - <_> - 5 - - 3 5 4 1 - <_> - 2 - - 1 6 3 7 - <_> - 4 - - 0 14 7 1 - <_> - 1 - - 2 13 3 2 - <_> - 1 - - 0 13 1 1 - <_> - 8 - - 3 3 2 1 - <_> - 2 - - 1 5 3 1 - <_> - 8 - - 5 2 1 2 - <_> - 4 - - 3 5 4 9 - <_> - 0 - - 3 3 2 11 - <_> - 1 - - 5 0 2 8 - <_> - 9 - - 3 4 2 1 - <_> - 9 - - 1 1 2 5 - <_> - 1 - - 4 2 1 3 - <_> - 1 - - 2 11 3 2 - <_> - 7 - - 6 4 1 3 - <_> - 1 - - 3 0 4 1 - <_> - 4 - - 2 2 4 1 - <_> - 9 - - 3 4 2 3 - <_> - 3 - - 1 2 4 4 - <_> - 5 - - 2 14 5 1 - <_> - 5 - - 3 12 4 2 - <_> - 4 - - 3 5 2 1 - <_> - 5 - - 5 6 1 9 - <_> - 8 - - 4 5 1 2 - <_> - 0 - - 3 5 2 1 - <_> - 5 - - 6 9 1 4 - <_> - 3 - - 3 10 4 4 - <_> - 2 - - 2 3 2 1 - <_> - 0 - - 5 14 2 1 - <_> - 1 - - 4 2 3 11 - <_> - 1 - - 3 3 2 3 - <_> - 7 - - 4 2 3 12 - <_> - 0 - - 2 13 5 1 - <_> - 3 - - 1 8 2 2 - <_> - 3 - - 6 14 1 1 - <_> - 5 - - 3 4 4 1 - <_> - 7 - - 3 8 3 1 - <_> - 2 - - 1 14 2 1 - <_> - 2 - - 1 10 3 4 - <_> - 7 - - 2 11 1 4 - <_> - 8 - - 3 3 1 1 - <_> - 0 - - 1 0 5 3 - <_> - 8 - - 0 12 5 3 - <_> - 3 - - 3 2 1 1 - <_> - 1 - - 3 1 2 3 - <_> - 5 - - 4 2 2 4 - <_> - 3 - - 4 7 1 1 - <_> - 3 - - 2 5 2 7 - <_> - 4 - - 3 1 3 13 - <_> - 5 - - 2 9 2 1 - <_> - 2 - - 0 2 3 11 - <_> - 2 - - 0 9 3 1 - <_> - 0 - - 2 4 2 7 - <_> - 4 - - 2 5 4 3 - <_> - 3 - - 0 0 4 15 - <_> - 1 - - 4 6 3 8 - <_> - 8 - - 1 10 2 1 - <_> - 9 - - 0 1 2 1 - <_> - 9 - - 3 8 1 1 - <_> - 9 - - 1 1 2 1 - <_> - 9 - - 1 9 1 1 - <_> - 5 - - 4 7 1 1 - <_> - 2 - - 2 9 3 5 - <_> - 8 - - 4 4 1 8 - <_> - 7 - - 5 14 1 1 - <_> - 1 - - 1 4 6 2 - <_> - 0 - - 0 9 4 1 - <_> - 1 - - 4 10 2 1 - <_> - 1 - - 4 0 1 15 - <_> - 5 - - 5 11 1 2 - <_> - 4 - - 3 9 2 3 - <_> - 0 - - 2 4 2 1 - <_> - 4 - - 3 5 2 3 - <_> - 3 - - 2 8 2 6 - <_> - 7 - - 2 7 5 3 - <_> - 3 - - 2 14 3 1 - <_> - 5 - - 4 2 3 13 - <_> - 4 - - 3 9 3 2 - <_> - 4 - - 2 3 1 4 - <_> - 4 - - 0 13 7 2 - <_> - 2 - - 0 14 6 1 - <_> - 3 - - 0 2 1 2 - <_> - 8 - - 5 5 2 10 - <_> - 7 - - 6 2 1 2 - <_> - 8 - - 6 10 1 2 - <_> - 0 - - 3 8 3 4 - <_> - 5 - - 6 10 1 1 - <_> - 1 - - 3 5 2 2 - <_> - 1 - - 3 0 4 9 - <_> - 7 - - 4 7 3 5 - <_> - 4 - - 1 0 6 6 - <_> - 5 - - 1 3 5 5 - <_> - 4 - - 0 3 6 6 - <_> - 7 - - 6 1 1 12 - <_> - 5 - - 2 14 5 1 - <_> - 4 - - 2 4 4 3 - <_> - 3 - - 2 2 1 11 - <_> - 7 - - 4 0 3 10 - <_> - 7 - - 2 9 5 4 - <_> - 4 - - 3 6 2 2 - <_> - 1 - - 3 4 2 6 - <_> - 4 - - 3 6 2 4 - <_> - 2 - - 5 4 1 7 - <_> - 0 - - 0 0 6 9 - <_> - 0 - - 2 7 3 5 - <_> - 0 - - 0 8 1 2 - <_> - 0 - - 3 5 2 4 - <_> - 3 - - 4 1 2 3 - <_> - 8 - - 3 0 1 2 - <_> - 8 - - 3 2 2 2 - <_> - 9 - - 2 7 4 1 - <_> - 8 - - 3 4 3 1 - <_> - 4 - - 2 5 5 8 - <_> - 8 - - 4 3 1 1 - <_> - 7 - - 1 6 5 1 - <_> - 0 - - 3 10 3 4 - <_> - 2 - - 1 2 5 2 - <_> - 9 - - 1 10 6 2 - <_> - 3 - - 0 14 6 1 - <_> - 7 - - 0 14 3 1 - <_> - 4 - - 0 0 6 10 - <_> - 7 - - 4 1 1 3 - <_> - 2 - - 3 1 1 8 - <_> - 5 - - 1 4 6 5 - <_> - 4 - - 3 1 4 5 - <_> - 0 - - 3 0 4 1 - <_> - 7 - - 0 13 2 2 - <_> - 2 - - 6 10 1 4 - <_> - 4 - - 1 3 6 6 - <_> - 1 - - 3 3 4 9 - <_> - 3 - - 1 1 3 6 - <_> - 1 - - 4 3 1 2 - <_> - 4 - - 2 0 3 5 - <_> - 4 - - 1 0 6 14 - <_> - 8 - - 3 3 2 1 - <_> - 8 - - 1 8 3 1 - <_> - 2 - - 4 4 1 2 - <_> - 9 - - 2 1 3 6 - <_> - 4 - - 3 6 2 3 - <_> - 5 - - 4 14 2 1 - <_> - 2 - - 2 10 3 4 - <_> - 4 - - 6 5 1 2 - <_> - 2 - - 2 0 5 2 - <_> - 7 - - 1 1 4 8 - <_> - 4 - - 4 14 3 1 - <_> - 2 - - 3 0 4 5 - <_> - 5 - - 4 2 2 3 - <_> - 0 - - 2 3 2 11 - <_> - 4 - - 3 0 2 7 - <_> - 2 - - 3 6 1 1 - <_> - 1 - - 3 2 2 4 - <_> - 8 - - 4 3 2 1 - <_> - 4 - - 3 1 2 4 - <_> - 8 - - 0 14 5 1 - <_> - 1 - - 3 13 2 2 - <_> - 4 - - 2 10 5 1 - <_> - 1 - - 2 5 4 1 - <_> - 8 - - 4 5 1 6 - <_> - 9 - - 3 9 2 2 - <_> - 0 - - 6 8 1 3 - <_> - 0 - - 2 2 4 8 - <_> - 7 - - 2 2 4 9 - <_> - 9 - - 1 14 5 1 - <_> - 1 - - 0 0 5 1 - <_> - 4 - - 2 8 1 7 - <_> - 7 - - 5 0 2 11 - <_> - 4 - - 2 5 5 7 - <_> - 3 - - 0 14 6 1 - <_> - 3 - - 6 5 1 9 - <_> - 0 - - 3 11 3 3 - <_> - 1 - - 5 0 2 5 - <_> - 1 - - 0 3 5 2 - <_> - 5 - - 0 10 4 1 - <_> - 3 - - 0 9 4 4 - <_> - 0 - - 3 0 1 1 - <_> - 5 - - 4 2 1 1 - <_> - 2 - - 4 3 2 2 - <_> - 7 - - 0 0 6 11 - <_> - 0 - - 3 5 2 1 - <_> - 0 - - 2 0 2 9 - <_> - 1 - - 3 7 2 2 - <_> - 8 - - 4 3 1 1 - <_> - 9 - - 3 4 2 1 - <_> - 8 - - 5 3 1 2 - <_> - 7 - - 4 8 1 2 - <_> - 2 - - 2 3 1 9 - <_> - 4 - - 3 1 3 2 - <_> - 2 - - 0 12 1 2 - <_> - 2 - - 5 1 1 10 - <_> - 3 - - 6 3 1 5 - <_> - 4 - - 1 5 3 7 - <_> - 2 - - 6 14 1 1 - <_> - 7 - - 3 5 2 3 - <_> - 3 - - 2 2 2 12 - <_> - 1 - - 1 5 4 8 - <_> - 3 - - 1 14 4 1 - <_> - 4 - - 4 2 1 5 - <_> - 2 - - 1 2 4 5 - <_> - 0 - - 5 4 1 1 - <_> - 2 - - 3 10 2 4 - <_> - 8 - - 1 1 4 1 - <_> - 5 - - 1 6 3 7 - <_> - 8 - - 2 3 4 1 - <_> - 2 - - 0 0 7 2 - <_> - 8 - - 2 9 2 3 - <_> - 1 - - 2 1 5 13 - <_> - 2 - - 0 0 7 6 - <_> - 0 - - 3 3 1 6 - <_> - 9 - - 3 4 1 2 - <_> - 9 - - 3 2 2 1 - <_> - 8 - - 3 3 1 3 - <_> - 7 - - 5 13 2 1 - <_> - 4 - - 1 3 5 5 - <_> - 7 - - 3 12 2 2 - <_> - 0 - - 1 4 3 2 - <_> - 3 - - 2 3 1 4 - <_> - 0 - - 1 0 4 3 - <_> - 4 - - 0 3 2 8 - <_> - 7 - - 3 9 2 1 - <_> - 1 - - 2 9 1 4 - <_> - 0 - - 2 9 4 5 - <_> - 3 - - 0 2 1 1 - <_> - 5 - - 3 8 1 3 - <_> - 1 - - 3 10 2 3 - <_> - 1 - - 3 0 2 15 - <_> - 9 - - 2 10 2 1 - <_> - 2 - - 2 10 3 4 - <_> - 3 - - 1 10 1 1 - <_> - 8 - - 3 3 2 1 - <_> - 8 - - 2 1 1 4 - <_> - 8 - - 3 3 1 1 - <_> - 9 - - 3 5 2 1 - <_> - 5 - - 2 14 5 1 - <_> - 4 - - 2 6 5 9 - <_> - 2 - - 4 8 2 2 - <_> - 3 - - 3 1 1 4 - <_> - 4 - - 2 6 4 3 - <_> - 3 - - 2 14 1 1 - <_> - 5 - - 5 5 1 9 - <_> - 2 - - 5 4 1 11 - <_> - 7 - - 0 14 7 1 - <_> - 7 - - 0 1 1 9 - <_> - 0 - - 0 10 1 2 - <_> - 2 - - 3 7 2 1 - <_> - 3 - - 2 11 1 2 - <_> - 0 - - 3 6 4 8 - <_> - 0 - - 0 13 7 2 - <_> - 0 - - 0 1 2 9 - <_> - 1 - - 4 13 1 1 - <_> - 1 - - 3 5 2 2 - <_> - 4 - - 3 2 2 8 - <_> - 7 - - 0 3 4 4 - <_> - 4 - - 3 3 3 2 - <_> - 3 - - 3 12 2 2 - <_> - 0 - - 1 12 4 1 - <_> - 7 - - 6 13 1 1 - <_> - 3 - - 5 11 1 3 - <_> - 5 - - 0 1 6 1 - <_> - 5 - - 0 4 2 4 - <_> - 5 - - 4 1 1 4 - <_> - 0 - - 0 7 4 2 - <_> - 4 - - 0 2 5 1 - <_> - 5 - - 3 14 4 1 - <_> - 1 - - 0 2 5 2 - <_> - 0 - - 2 8 3 5 - <_> - 4 - - 1 0 6 15 - <_> - 9 - - 4 4 1 1 - <_> - 1 - - 4 1 1 10 - <_> - 9 - - 1 0 3 3 - <_> - 0 - - 2 1 3 1 - <_> - 9 - - 4 5 1 6 - <_> - 5 - - 1 3 2 8 - <_> - 4 - - 5 13 1 2 - <_> - 8 - - 3 3 2 1 - <_> - 8 - - 3 1 3 1 - <_> - 8 - - 3 2 3 2 - <_> - 4 - - 0 8 6 7 - <_> - 0 - - 3 2 2 2 - <_> - 0 - - 5 8 2 6 - <_> - 3 - - 3 1 1 1 - <_> - 2 - - 2 10 3 4 - <_> - 0 - - 4 4 2 1 - <_> - 5 - - 0 10 2 5 - <_> - 4 - - 2 6 1 2 - <_> - 4 - - 1 7 3 2 - <_> - 8 - - 3 3 1 1 - <_> - 3 - - 1 2 3 4 - <_> - 7 - - 2 0 1 1 - <_> - 2 - - 1 3 2 1 - <_> - 3 - - 2 14 2 1 - <_> - 2 - - 1 8 4 6 - <_> - 1 - - 0 3 5 2 - <_> - 3 - - 4 7 1 2 - <_> - 4 - - 6 5 1 4 - <_> - 8 - - 3 3 2 1 - <_> - 8 - - 1 14 4 1 - <_> - 5 - - 3 5 4 2 - <_> - 4 - - 3 0 2 2 - <_> - 1 - - 2 12 3 1 - <_> - 5 - - 1 13 6 2 - <_> - 0 - - 3 12 2 3 - <_> - 1 - - 2 13 3 2 - <_> - 5 - - 1 8 3 6 - <_> - 9 - - 3 8 2 1 - <_> - 9 - - 3 2 2 1 - <_> - 3 - - 3 2 1 2 - <_> - 9 - - 2 4 3 1 - <_> - 4 - - 3 10 3 2 - <_> - 4 - - 2 4 2 4 - <_> - 5 - - 5 14 1 1 - <_> - 1 - - 3 13 3 1 - <_> - 3 - - 4 10 2 5 - <_> - 2 - - 0 0 1 3 - <_> - 4 - - 2 1 2 6 - <_> - 3 - - 3 11 2 3 - <_> - 9 - - 0 4 1 1 - <_> - 2 - - 4 4 2 1 - <_> - 3 - - 0 4 3 1 - <_> - 2 - - 0 4 5 6 - <_> - 3 - - 0 0 6 13 - <_> - 1 - - 3 6 2 1 - <_> - 9 - - 4 8 1 1 - <_> - 5 - - 5 2 1 8 - <_> - 0 - - 1 14 2 1 - <_> - 4 - - 2 8 5 5 - <_> - 4 - - 4 0 2 7 - <_> - 3 - - 6 10 1 5 - <_> - 5 - - 1 2 6 1 - <_> - 2 - - 3 5 2 1 - <_> - 2 - - 3 1 4 5 - <_> - 9 - - 1 0 1 1 - <_> - 1 - - 1 1 2 1 - <_> - 0 - - 1 6 5 4 - <_> - 8 - - 2 7 2 1 - <_> - 9 - - 6 9 1 1 - <_> - 9 - - 6 2 1 13 - <_> - 3 - - 0 10 1 5 - <_> - 0 - - 3 10 3 4 - <_> - 4 - - 2 9 4 3 - <_> - 2 - - 1 14 5 1 - <_> - 2 - - 2 7 3 7 - <_> - 5 - - 4 1 3 2 - <_> - 3 - - 2 0 3 2 - <_> - 4 - - 2 3 4 4 - <_> - 7 - - 1 1 5 1 - <_> - 4 - - 3 14 2 1 - <_> - 0 - - 2 4 1 11 - <_> - 5 - - 2 9 1 1 - <_> - 1 - - 2 9 5 6 - <_> - 4 - - 0 5 7 9 - <_> - 2 - - 6 14 1 1 - <_> - 1 - - 3 4 1 5 - <_> - 2 - - 2 13 3 1 - <_> - 5 - - 2 4 4 2 - <_> - 1 - - 4 5 2 1 - <_> - 7 - - 6 0 1 14 - <_> - 1 - - 3 10 2 1 - <_> - 3 - - 2 11 3 2 - <_> - 1 - - 4 2 2 12 - <_> - 4 - - 0 3 3 12 - <_> - 5 - - 2 6 5 8 - <_> - 5 - - 2 8 2 1 - <_> - 2 - - 0 6 3 3 - <_> - 7 - - 2 5 3 1 - <_> - 0 - - 5 7 2 1 - <_> - 3 - - 0 14 5 1 - <_> - 0 - - 3 7 2 1 - <_> - 8 - - 3 3 2 1 - <_> - 9 - - 3 3 2 6 - <_> - 8 - - 5 4 2 1 - <_> - 4 - - 1 5 6 7 - <_> - 4 - - 1 6 1 6 - <_> - 4 - - 4 4 1 6 - <_> - 0 - - 3 2 3 2 - <_> - 4 - - 2 9 5 6 - <_> - 0 - - 3 1 2 1 - <_> - 9 - - 0 0 5 4 - <_> - 1 - - 2 14 4 1 - <_> - 9 - - 3 6 2 3 - <_> - 2 - - 0 14 7 1 - <_> - 8 - - 2 4 3 2 - <_> - 3 - - 3 3 3 1 - <_> - 4 - - 0 10 5 2 - <_> - 3 - - 2 10 2 5 - <_> - 2 - - 4 4 2 2 - <_> - 4 - - 2 5 4 3 - <_> - 4 - - 3 4 1 10 - <_> - 5 - - 1 6 3 3 - <_> - 8 - - 2 13 4 1 - <_> - 8 - - 3 11 2 2 - <_> - 4 - - 3 1 2 1 - <_> - 0 - - 3 6 2 1 - <_> - 9 - - 3 12 1 2 - <_> - 2 - - 4 11 1 3 - <_> - 0 - - 3 9 2 4 - <_> - 9 - - 1 0 3 1 - <_> - 4 - - 4 0 2 15 - <_> - 5 - - 3 14 4 1 - <_> - 2 - - 1 10 4 4 - <_> - 9 - - 3 8 2 6 - <_> - 8 - - 3 3 2 1 - <_> - 2 - - 3 5 1 1 - <_> - 8 - - 4 0 1 2 - <_> - 3 - - 1 1 6 9 - <_> - 1 - - 4 4 1 1 - <_> - 4 - - 3 9 2 2 - <_> - 5 - - 2 14 4 1 - <_> - 5 - - 2 13 4 1 - <_> - 4 - - 4 3 1 7 - <_> - 5 - - 0 12 3 3 - <_> - 8 - - 5 13 2 1 - <_> - 0 - - 3 4 2 2 - <_> - 1 - - 2 2 3 9 - <_> - 7 - - 3 13 2 1 - <_> - 7 - - 1 14 6 1 - <_> - 1 - - 0 0 4 1 - <_> - 4 - - 0 3 4 3 - <_> - 1 - - 2 4 4 9 - <_> - 1 - - 0 7 4 5 - <_> - 4 - - 4 7 3 3 - <_> - 7 - - 2 13 2 1 - <_> - 0 - - 2 3 4 10 - <_> - 4 - - 0 4 1 2 - <_> - 3 - - 0 7 6 8 - <_> - 0 - - 1 7 1 1 - <_> - 0 - - 1 14 5 1 - <_> - 5 - - 1 9 1 3 - <_> - 5 - - 4 2 1 2 - <_> - 2 - - 2 12 1 2 - <_> - 4 - - 1 14 1 1 - <_> - 0 - - 3 0 3 5 - <_> - 0 - - 1 2 2 10 - <_> - 4 - - 0 2 1 13 - <_> - 0 - - 0 9 3 1 - <_> - 3 - - 1 11 4 3 - <_> - 1 - - 3 5 3 3 - <_> - 4 - - 4 1 1 10 - <_> - 7 - - 0 6 1 2 - <_> - 2 - - 2 1 5 1 - <_> - 0 - - 2 7 4 7 - <_> - 1 - - 3 10 2 3 - <_> - 8 - - 5 13 2 1 - <_> - 3 - - 1 13 2 2 - <_> - 1 - - 5 6 2 7 - <_> - 3 - - 0 1 1 1 - <_> - 2 - - 1 14 6 1 - <_> - 4 - - 0 0 3 3 - <_> - 2 - - 2 2 2 12 - <_> - 9 - - 2 4 2 9 - <_> - 9 - - 0 1 6 8 - <_> - 8 - - 3 3 2 1 - <_> - 2 - - 2 5 2 1 - <_> - 1 - - 2 1 5 3 - <_> - 9 - - 1 9 1 2 - <_> - 2 - - 0 9 7 3 - <_> - 4 - - 1 1 1 8 - <_> - 8 - - 3 14 1 1 - <_> - 4 - - 3 2 2 1 - <_> - 7 - - 3 8 1 1 - <_> - 3 - - 2 0 2 6 - <_> - 3 - - 0 14 5 1 - <_> - 4 - - 3 1 3 12 - <_> - 1 - - 1 3 4 3 - <_> - 0 - - 4 3 1 1 - <_> - 8 - - 3 2 3 2 - <_> - 1 - - 4 4 1 11 - <_> - 8 - - 4 0 2 2 - <_> - 3 - - 5 1 1 1 - <_> - 1 - - 3 5 2 2 - <_> - 8 - - 3 2 1 2 - <_> - 8 - - 3 5 1 2 - <_> - 8 - - 3 4 2 1 - <_> - 1 - - 3 14 2 1 - <_> - 3 - - 2 12 3 1 - <_> - 5 - - 3 1 4 5 - <_> - 0 - - 0 11 7 1 - <_> - 7 - - 0 12 7 2 - <_> - 2 - - 2 11 1 1 - <_> - 8 - - 6 10 1 2 - <_> - 8 - - 2 6 5 2 - <_> - 5 - - 1 14 6 1 - <_> - 2 - - 0 12 6 2 - <_> - 9 - - 0 11 2 1 - <_> - 4 - - 2 10 4 1 - <_> - 9 - - 4 6 1 2 - <_> - 0 - - 1 7 3 1 - <_> - 8 - - 1 5 4 2 - <_> - 0 - - 0 1 3 6 - <_> - 5 - - 6 4 1 1 - <_> - 2 - - 2 14 1 1 - <_> - 0 - - 2 13 5 1 - <_> - 5 - - 5 1 1 6 - <_> - 3 - - 6 11 1 4 - <_> - 4 - - 1 0 6 15 - <_> - 1 - - 2 2 4 2 - <_> - 9 - - 3 7 1 2 - <_> - 3 - - 3 2 1 2 - <_> - 7 - - 0 2 3 1 - <_> - 7 - - 5 3 2 1 - <_> - 3 - - 4 0 1 6 - <_> - 5 - - 0 4 3 11 - <_> - 0 - - 5 0 2 3 - <_> - 3 - - 2 1 1 13 - <_> - 3 - - 1 3 2 6 - <_> - 0 - - 2 5 2 2 - <_> - 2 - - 5 3 1 3 - <_> - 0 - - 4 3 2 11 - <_> - 5 - - 1 0 4 1 - <_> - 0 - - 4 4 1 3 - <_> - 3 - - 0 14 4 1 - <_> - 1 - - 0 3 6 2 - <_> - 3 - - 1 11 3 3 - <_> - 7 - - 0 2 2 8 - <_> - 9 - - 3 2 2 10 - <_> - 8 - - 3 3 1 1 - <_> - 9 - - 4 4 1 3 - <_> - 5 - - 2 1 2 8 - <_> - 9 - - 1 5 1 5 - <_> - 5 - - 2 10 4 2 - <_> - 9 - - 2 11 3 2 - <_> - 4 - - 1 5 6 10 - <_> - 1 - - 2 13 4 1 - <_> - 2 - - 5 0 2 2 - <_> - 0 - - 1 10 1 5 - <_> - 3 - - 5 0 2 8 - <_> - 5 - - 4 9 2 4 - <_> - 5 - - 1 13 6 2 - <_> - 1 - - 3 5 2 2 - <_> - 1 - - 5 13 1 2 - <_> - 4 - - 2 4 3 2 - <_> - 2 - - 2 0 2 1 - <_> - 2 - - 2 1 3 14 - <_> - 9 - - 2 4 3 1 - <_> - 9 - - 1 0 4 4 - <_> - 0 - - 4 10 1 3 - <_> - 2 - - 2 1 2 1 - <_> - 4 - - 2 3 4 4 - <_> - 4 - - 4 9 3 1 - <_> - 8 - - 3 3 2 1 - <_> - 4 - - 4 4 1 6 - <_> - 8 - - 2 0 1 4 - <_> - 3 - - 0 6 6 8 - <_> - 5 - - 4 6 2 8 - <_> - 9 - - 4 5 2 1 - <_> - 2 - - 5 14 2 1 - <_> - 5 - - 2 5 5 1 - <_> - 2 - - 5 7 2 2 - <_> - 0 - - 2 4 1 1 - <_> - 4 - - 0 14 7 1 - <_> - 9 - - 5 6 1 9 - <_> - 2 - - 2 10 3 4 - <_> - 1 - - 3 1 2 1 - <_> - 2 - - 1 5 3 1 - <_> - 4 - - 2 1 3 2 - <_> - 3 - - 3 7 1 1 - <_> - 3 - - 2 4 2 3 - <_> - 2 - - 3 4 2 1 - <_> - 7 - - 4 4 1 1 - <_> - 8 - - 4 3 1 1 - <_> - 2 - - 3 0 4 5 - <_> - 0 - - 5 12 2 3 - <_> - 3 - - 0 0 7 2 - <_> - 3 - - 3 0 1 14 - <_> - 1 - - 3 5 2 8 - <_> - 1 - - 3 2 2 13 - <_> - 4 - - 0 1 6 13 - <_> - 8 - - 2 14 3 1 - <_> - 8 - - 4 5 1 1 - <_> - 3 - - 2 0 1 12 - <_> - 0 - - 2 4 3 5 - <_> - 3 - - 5 9 1 5 - <_> - 1 - - 1 14 4 1 - <_> - 4 - - 2 13 4 1 - <_> - 4 - - 0 12 6 3 - <_> - 2 - - 0 9 1 6 - <_> - 1 - - 0 2 1 8 - <_> - 4 - - 0 5 7 6 - <_> - 8 - - 4 3 1 1 - <_> - 2 - - 2 0 4 2 - <_> - 8 - - 5 3 1 2 - <_> - 0 - - 3 9 2 5 - <_> - 3 - - 5 3 2 8 - <_> - 5 - - 5 4 1 11 - <_> - 5 - - 1 14 4 1 - <_> - 5 - - 3 12 3 3 - <_> - 7 - - 3 6 1 1 - <_> - 9 - - 3 4 2 4 - <_> - 9 - - 0 2 6 4 - <_> - 8 - - 4 2 1 5 - <_> - 2 - - 4 8 1 1 - <_> - 5 - - 2 5 1 3 - <_> - 1 - - 4 2 2 2 - <_> - 4 - - 0 5 7 9 - <_> - 1 - - 1 1 6 1 - <_> - 1 - - 3 4 2 1 - <_> - 4 - - 2 0 3 6 - <_> - 1 - - 3 1 2 4 - <_> - 2 - - 2 8 3 6 - <_> - 3 - - 2 8 5 2 - <_> - 7 - - 0 5 5 1 - <_> - 7 - - 0 13 4 2 - <_> - 2 - - 2 3 3 1 - <_> - 1 - - 2 10 3 3 - <_> - 7 - - 4 13 2 1 - <_> - 3 - - 0 5 7 2 - <_> - 3 - - 2 11 1 2 - <_> - 9 - - 3 9 1 1 - <_> - 9 - - 0 9 1 6 - <_> - 8 - - 4 1 3 2 - <_> - 9 - - 3 4 2 5 - <_> - 0 - - 0 9 1 3 - <_> - 0 - - 2 9 2 4 - <_> - 3 - - 3 2 1 2 - <_> - 2 - - 1 13 3 1 - <_> - 3 - - 1 0 1 9 - <_> - 5 - - 0 14 7 1 - <_> - 0 - - 3 7 3 7 - <_> - 3 - - 4 5 2 3 - <_> - 2 - - 3 5 2 1 - <_> - 3 - - 0 10 2 2 - <_> - 5 - - 3 0 2 4 - <_> - 1 - - 4 2 2 13 - <_> - 4 - - 2 3 4 9 - <_> - 8 - - 6 10 1 2 - <_> - 9 - - 0 2 1 2 - <_> - 2 - - 2 3 2 11 - <_> - 5 - - 0 14 7 1 - <_> - 1 - - 1 7 3 6 - <_> - 1 - - 3 9 2 4 - <_> - 3 - - 0 13 5 2 - <_> - 0 - - 4 7 1 1 - <_> - 3 - - 2 5 1 3 - <_> - 4 - - 3 7 2 3 - <_> - 1 - - 0 5 2 8 - <_> - 1 - - 0 5 1 5 - <_> - 5 - - 2 0 5 4 - <_> - 4 - - 0 5 7 4 - <_> - 4 - - 2 3 3 2 - <_> - 1 - - 3 2 2 3 - <_> - 1 - - 1 4 5 1 - <_> - 5 - - 4 1 3 6 - <_> - 4 - - 1 2 5 10 - <_> - 3 - - 2 6 2 8 - <_> - 3 - - 3 7 1 3 - <_> - 2 - - 3 9 1 6 - <_> - 1 - - 1 2 4 6 - <_> - 4 - - 3 10 2 2 - <_> - 3 - - 5 0 1 4 - <_> - 2 - - 4 2 2 11 - <_> - 8 - - 4 2 2 4 - <_> - 9 - - 4 4 2 1 - <_> - 4 - - 3 6 4 6 - <_> - 0 - - 3 0 3 14 - <_> - 5 - - 2 7 3 8 - <_> - 8 - - 3 2 2 2 - <_> - 1 - - 3 14 2 1 - <_> - 4 - - 1 10 5 4 - <_> - 3 - - 5 11 1 2 - <_> - 8 - - 3 0 2 1 - <_> - 8 - - 3 3 2 2 - <_> - 0 - - 4 4 1 5 - <_> - 5 - - 1 6 5 5 - <_> - 3 - - 1 1 6 2 - <_> - 1 - - 3 5 3 1 - <_> - 0 - - 2 3 4 10 - <_> - 2 - - 3 3 3 3 - <_> - 3 - - 4 5 2 6 - <_> - 5 - - 0 14 7 1 - <_> - 5 - - 4 9 2 6 - <_> - 0 - - 0 6 5 1 - <_> - 4 - - 4 5 3 10 - <_> - 1 - - 4 3 3 5 - <_> - 3 - - 6 7 1 1 - <_> - 0 - - 3 5 1 1 - <_> - 5 - - 4 14 2 1 - <_> - 9 - - 2 0 4 3 - <_> - 9 - - 4 8 1 1 - <_> - 0 - - 0 8 4 6 - <_> - 9 - - 1 6 1 6 - <_> - 9 - - 0 14 2 1 - <_> - 4 - - 3 10 3 5 - <_> - 3 - - 1 0 2 15 - <_> - 0 - - 2 0 2 6 - <_> - 5 - - 3 12 2 3 - <_> - 8 - - 0 14 5 1 - <_> - 8 - - 3 3 2 1 - <_> - 2 - - 3 1 4 1 - <_> - 8 - - 3 1 1 1 - <_> - 3 - - 1 3 2 3 - <_> - 0 - - 2 4 2 1 - <_> - 0 - - 3 5 2 4 - <_> - 2 - - 0 14 7 1 - <_> - 7 - - 2 14 4 1 - <_> - 0 - - 4 9 1 1 - <_> - 1 - - 5 3 1 6 - <_> - 3 - - 0 2 4 3 - <_> - 4 - - 1 5 4 3 - <_> - 7 - - 1 7 5 4 - <_> - 7 - - 3 5 2 2 - <_> - 0 - - 0 10 5 2 - <_> - 3 - - 3 7 1 1 - <_> - 7 - - 5 2 2 7 - <_> - 8 - - 3 0 1 8 - <_> - 1 - - 2 2 3 2 - <_> - 4 - - 0 1 5 2 - <_> - 1 - - 3 1 1 1 - <_> - 9 - - 5 3 1 5 - <_> - 9 - - 3 2 2 4 - <_> - 5 - - 4 10 2 4 - <_> - 0 - 1024 - - <_> - -8.4679585695266724e-01 - - 1 2 0 7.7750000000000000e+02 0 -1 1 5.8850000000000000e+02 - -2 -3 2 2.5500000000000000e+01 - - -8.4679585695266724e-01 7.5506496429443359e-01 - -6.9044047594070435e-01 6.3049119710922241e-01 - <_> - -1.6734303236007690e+00 - - 1 2 3 1.9500000000000000e+01 0 -1 4 1.5500000000000000e+01 - -2 -3 5 1.4500000000000000e+01 - - -7.5389009714126587e-01 6.4812886714935303e-01 - -2.1629486978054047e-01 -8.2663446664810181e-01 - <_> - -1.8291370868682861e+00 - - 1 2 6 1.3500000000000000e+01 0 -1 7 2.0350000000000000e+02 - -2 -3 8 3.0050000000000000e+02 - - -1.5570680797100067e-01 -8.0992084741592407e-01 - 6.8644106388092041e-01 -5.6922149658203125e-01 - <_> - -1.7377158403396606e+00 - - 1 2 9 3.6500000000000000e+01 0 -1 10 2.4500000000000000e+01 - -2 -3 11 2.8150000000000000e+02 - - -8.2347095012664795e-01 3.0225446820259094e-01 - 6.9995605945587158e-01 -1.7914050817489624e-01 - <_> - -2.2347910404205322e+00 - - 1 2 12 2.0550000000000000e+02 0 -1 13 6.7500000000000000e+01 - -2 -3 14 8.6350000000000000e+02 - - -4.9707528948783875e-01 1.7866376042366028e-01 - 7.4965566396713257e-01 5.7663144543766975e-03 - <_> - -1.8678615093231201e+00 - - 1 2 15 1.5150000000000000e+02 0 -1 16 1.0500000000000000e+01 - -2 -3 17 4.3255000000000000e+03 - - -2.6820951700210571e-01 6.4194840192794800e-01 - -6.7160737514495850e-01 6.3368387520313263e-02 - <_> - -2.0991549491882324e+00 - - 1 2 18 1.5000000000000000e+00 0 -1 19 2.9500000000000000e+01 - -2 -3 20 5.0000000000000000e-01 - - -5.0631237030029297e-01 5.5947405099868774e-01 - 7.0312672853469849e-01 -4.0578368306159973e-01 - <_> - -2.0249555110931396e+00 - - 1 2 21 5.2500000000000000e+01 0 -1 22 7.5000000000000000e+00 - -2 -3 23 4.3500000000000000e+01 - - -7.6095990836620331e-02 -7.4784129858016968e-01 - 5.0073879957199097e-01 -3.8508036732673645e-01 - <_> - -2.0100402832031250e+00 - - 1 2 24 3.7650000000000000e+02 0 -1 25 4.1500000000000000e+01 - -2 -3 26 2.5250000000000000e+02 - - -5.6506282091140747e-01 2.3158341646194458e-01 - -8.8750278949737549e-01 8.2055127620697021e-01 - <_> - -1.6451328992843628e+00 - - 1 2 27 7.5000000000000000e+00 0 -1 28 1.8500000000000000e+01 - -2 -3 29 2.2500000000000000e+01 - - -6.0027003288269043e-01 3.8312932848930359e-01 - 2.1947205066680908e-01 -5.9093552827835083e-01 - <_> - -2.0925648212432861e+00 - - 1 2 30 1.1500000000000000e+01 0 -1 31 9.5000000000000000e+00 - -2 -3 32 2.6350000000000000e+02 - - -4.6565398573875427e-01 5.0306195020675659e-01 - 4.4449210166931152e-01 -6.1473309993743896e-01 - <_> - -1.5271776914596558e+00 - - 1 2 33 5.0000000000000000e-01 0 -1 34 1.2500000000000000e+01 - -2 -3 35 3.6500000000000000e+01 - - -7.7037209272384644e-01 5.6538718938827515e-01 - -5.0570178031921387e-01 1.6205248236656189e-01 - <_> - -1.1876722574234009e+00 - - 1 2 36 3.5000000000000000e+00 0 -1 37 1.5000000000000000e+00 - -2 -3 38 2.5150000000000000e+02 - - -7.4505090713500977e-01 3.8910430669784546e-01 - -5.9720128774642944e-01 7.2264879941940308e-02 - <_> - -1.1631057262420654e+00 - - 1 2 39 2.7950000000000000e+02 0 -1 40 1.7065000000000000e+03 - -2 -3 41 1.2495000000000000e+03 - - 2.4566594511270523e-02 7.9330480098724365e-01 - 5.6873923540115356e-01 -4.0141937136650085e-01 - <_> - -8.4218001365661621e-01 - - 1 2 42 4.2525000000000000e+03 0 -1 43 4.5000000000000000e+00 - -2 -3 44 1.5175000000000000e+03 - - 3.2092568278312683e-01 -4.5945590734481812e-01 - -8.0667120218276978e-01 4.0151047706604004e-01 - <_> - -1.3475534915924072e+00 - - 1 2 45 2.3500000000000000e+01 0 -1 46 8.8500000000000000e+01 - -2 -3 47 9.2150000000000000e+02 - - 3.0066493153572083e-01 -5.0537353754043579e-01 - 3.6820709705352783e-01 -9.1408914327621460e-01 - <_> - -9.5874893665313721e-01 - - 1 2 48 5.7550000000000000e+02 0 -1 49 6.7550000000000000e+02 - -2 -3 50 5.0000000000000000e-01 - - -8.4770929813385010e-01 3.3511099219322205e-01 - 3.8880458474159241e-01 -1.9090360403060913e-01 - <_> - -8.5856813192367554e-01 - - 1 2 51 6.1500000000000000e+01 0 -1 52 1.5000000000000000e+00 - -2 -3 53 1158. - - 5.0987577438354492e-01 -3.8584578037261963e-01 - -5.0875252485275269e-01 5.5896055698394775e-01 - <_> - -6.4911109209060669e-01 - - 1 2 54 2.2050000000000000e+02 0 -1 55 2.5750000000000000e+02 - -2 -3 56 2.1450000000000000e+02 - - -6.3486647605895996e-01 2.0945706963539124e-01 - -8.4773159027099609e-01 4.1636252403259277e-01 - <_> - -4.9586555361747742e-01 - - 1 2 57 3.5000000000000000e+00 0 -1 58 2.5000000000000000e+00 - -2 -3 59 3.2500000000000000e+01 - - -7.5921803712844849e-01 4.6488901972770691e-01 - -6.8810594081878662e-01 -2.7040589600801468e-02 - <_> - -4.7253912687301636e-01 - - 1 2 60 2.5000000000000000e+00 0 -1 61 4.5000000000000000e+00 - -2 -3 62 3.2500000000000000e+01 - - -7.9894185066223145e-01 6.2211072444915771e-01 - -5.4600864648818970e-01 2.3326411843299866e-02 - <_> - -5.5614802986383438e-02 - - 1 2 63 2.4500000000000000e+01 0 -1 64 2.2500000000000000e+01 - -2 -3 65 1.5000000000000000e+00 - - -1.4692783355712891e-01 4.1692432761192322e-01 - 3.2402262091636658e-01 -8.1831818819046021e-01 - <_> - 2.4737248197197914e-02 - - 1 2 66 3.4500000000000000e+01 0 -1 67 5.0000000000000000e-01 - -2 -3 68 8.1750000000000000e+02 - - 4.9493959546089172e-01 -4.3111301958560944e-02 - 4.1624513268470764e-01 -6.5285211801528931e-01 - <_> - -3.8909688591957092e-01 - - 1 2 69 4.6500000000000000e+01 0 -1 70 1.1950000000000000e+02 - -2 -3 71 5.0000000000000000e-01 - - 3.9863130450248718e-01 -6.7247897386550903e-01 - 5.4888677597045898e-01 -1.2822744250297546e-01 - <_> - -7.9226568341255188e-02 - - 1 2 72 1.1500000000000000e+01 0 -1 73 2.3550000000000000e+02 - -2 -3 74 1.2550000000000000e+02 - - 9.7892753779888153e-02 -7.6417064666748047e-01 - -5.4467469453811646e-01 3.0987030267715454e-01 - <_> - -1.9954596646130085e-03 - - 1 2 75 1.5000000000000000e+00 0 -1 76 1.5000000000000000e+00 - -2 -3 77 1.0500000000000000e+01 - - -4.4582867622375488e-01 4.6034806966781616e-01 - 9.2526301741600037e-02 -5.5669903755187988e-01 - <_> - -1.2115581892430782e-02 - - 1 2 78 1.4500000000000000e+01 0 -1 79 2.5000000000000000e+00 - -2 -3 80 1284. - - -1.0120121762156487e-02 -5.9989041090011597e-01 - -1.7805591225624084e-01 6.3028931617736816e-01 - <_> - 3.5972565412521362e-01 - - 1 2 81 1.9650000000000000e+02 0 -1 82 9.5000000000000000e+00 - -2 -3 83 1.0625000000000000e+03 - - -2.0688037574291229e-01 3.7184122204780579e-01 - 7.2959977388381958e-01 -6.4402073621749878e-01 - <_> - 3.0813610553741455e-01 - - 1 2 84 1.1050000000000000e+02 0 -1 85 4.5000000000000000e+00 - -2 -3 86 6.6500000000000000e+01 - - -8.8497090339660645e-01 3.9636072516441345e-01 - 6.6349333524703979e-01 -5.1589541137218475e-02 - <_> - 2.5005090236663818e-01 - - 1 2 87 2.0550000000000000e+02 0 -1 88 3.5000000000000000e+00 - -2 -3 89 8.5000000000000000e+00 - - 3.3133915066719055e-01 -3.9812210202217102e-01 - -6.8591558933258057e-01 4.8487389087677002e-01 - <_> - 5.8778470754623413e-01 - - 1 2 90 1.3950000000000000e+02 0 -1 91 1.9500000000000000e+01 - -2 -3 92 3.5000000000000000e+00 - - -6.3595020771026611e-01 5.8211249113082886e-01 - 4.3087210506200790e-02 -5.4251241683959961e-01 - <_> - 8.2915985584259033e-01 - - 1 2 93 4.5000000000000000e+00 0 -1 94 2929. -2 -3 95 - 3.9500000000000000e+01 - - 3.6084750294685364e-01 -5.3846013545989990e-01 - 3.9264413714408875e-01 -2.5116056203842163e-01 - <_> - 9.1550654172897339e-01 - - 1 2 96 1.2500000000000000e+01 0 -1 97 4.4500000000000000e+01 - -2 -3 98 7.5500000000000000e+01 - - -3.1323480606079102e-01 3.6048817634582520e-01 - 6.6347086429595947e-01 -6.9799762964248657e-01 - <_> - 1.0855576992034912e+00 - - 1 2 99 2.7500000000000000e+01 0 -1 100 - 8.5000000000000000e+00 -2 -3 101 5.5000000000000000e+00 - - -3.5093611478805542e-01 3.0252355337142944e-01 - 1.6355676949024200e-01 -8.4324830770492554e-01 - <_> - 1.0639545917510986e+00 - - 1 2 102 1.5000000000000000e+00 0 -1 103 - 3.7500000000000000e+01 -2 -3 104 5.1500000000000000e+01 - - -3.3908194303512573e-01 4.2347168922424316e-01 - -4.4102880358695984e-01 4.3833139538764954e-01 - <_> - 9.0562820434570312e-01 - - 1 2 105 4.5000000000000000e+00 0 -1 106 - 9.5000000000000000e+00 -2 -3 107 5.5000000000000000e+00 - - -5.8544105291366577e-01 3.8719829916954041e-01 - 1.4575521647930145e-01 -4.6634963154792786e-01 - <_> - 1.0761597156524658e+00 - - 1 2 108 1.4500000000000000e+01 0 -1 109 - 1.2545000000000000e+03 -2 -3 110 1.0850000000000000e+02 - - 2.5986677408218384e-01 -4.0740066766738892e-01 - 4.9753630161285400e-01 -6.2639516592025757e-01 - <_> - 1.5152643918991089e+00 - - 1 2 111 7.8250000000000000e+02 0 -1 112 - 1.2265000000000000e+03 -2 -3 113 2.1500000000000000e+01 - - -5.9889906644821167e-01 5.2061015367507935e-01 - 4.3910467624664307e-01 -2.6094654202461243e-01 - <_> - 1.4136078357696533e+00 - - 1 2 114 1.0500000000000000e+01 0 -1 115 1696. -2 -3 116 - 5.0000000000000000e-01 - - 1. -9.7255414724349976e-01 3.5954985022544861e-01 - -1.7254945635795593e-01 - <_> - 1.4225575923919678e+00 - - 1 2 117 3.8500000000000000e+01 0 -1 118 - 1.0250000000000000e+02 -2 -3 119 8.5000000000000000e+00 - - -2.4716213345527649e-01 3.7233117222785950e-01 - 4.1007906198501587e-01 -7.6787543296813965e-01 - <_> - 1.7332764863967896e+00 - - 1 2 120 6.5000000000000000e+00 0 -1 121 - 6.5000000000000000e+00 -2 -3 122 5.1500000000000000e+01 - - -8.0807107686996460e-01 3.1071880459785461e-01 - -7.6486444473266602e-01 -4.4724285602569580e-02 - <_> - 1.8922506570816040e+00 - - 1 2 123 5.0000000000000000e-01 0 -1 124 - 6.5000000000000000e+00 -2 -3 125 2.5175000000000000e+03 - - -4.5441693067550659e-01 5.4230731725692749e-01 - -3.1970790028572083e-01 7.5582736730575562e-01 - <_> - 1.6188565492630005e+00 - - 1 2 126 8.2450000000000000e+02 0 -1 127 - 1.5500000000000000e+01 -2 -3 128 1.2500000000000000e+01 - - -2.7339416742324829e-01 3.4306022524833679e-01 - 1.7286354303359985e-01 -6.8018329143524170e-01 - <_> - 1.6078552007675171e+00 - - 1 2 129 4.2050000000000000e+02 0 -1 130 263. -2 -3 131 - 8.4450000000000000e+02 - - 5.0138735771179199e-01 -4.4576519727706909e-01 - 2.3392482101917267e-01 -3.9459699392318726e-01 - <_> - 1.8623019456863403e+00 - - 1 2 132 2.0850000000000000e+02 0 -1 133 - 5.5000000000000000e+00 -2 -3 134 4.5000000000000000e+00 - - 4.0980271995067596e-02 -6.1965447664260864e-01 - -7.8912788629531860e-01 5.9828245639801025e-01 - <_> - 1.7021096944808960e+00 - - 1 2 135 4.2500000000000000e+01 0 -1 136 - 6.5000000000000000e+00 -2 -3 137 2.2500000000000000e+01 - - 4.1077250242233276e-01 -5.9424054622650146e-01 - 4.9294531345367432e-01 -1.6019217669963837e-01 - <_> - 1.9233746528625488e+00 - - 1 2 138 1.5000000000000000e+00 0 -1 139 - 1.6500000000000000e+01 -2 -3 140 8.7500000000000000e+01 - - -6.7251849174499512e-01 9.7932207584381104e-01 - 2.2126492857933044e-01 -6.2606680393218994e-01 - <_> - 2.1816830635070801e+00 - - 1 2 141 6.8500000000000000e+01 0 -1 142 - 9.6500000000000000e+01 -2 -3 143 4.3350000000000000e+02 - - -3.1670400500297546e-01 2.5830829143524170e-01 - -8.8838213682174683e-01 4.1476368904113770e-01 - <_> - 2.2655973434448242e+00 - - 1 2 144 1.6500000000000000e+01 0 -1 145 - 5.5000000000000000e+00 -2 -3 146 3.0500000000000000e+01 - - 5.9501928091049194e-01 -3.1914636492729187e-01 - -3.8668751716613770e-01 3.1921181082725525e-01 - <_> - 2.6427345275878906e+00 - - 1 2 147 6.5000000000000000e+00 0 -1 148 - 2.4500000000000000e+01 -2 -3 149 1.1500000000000000e+01 - - -4.5482164621353149e-01 4.6515238285064697e-01 - -5.1726001501083374e-01 2.0654375851154327e-01 - <_> - 1.9806412458419800e+00 - - 1 2 150 2.8850000000000000e+02 0 -1 151 - 5.5000000000000000e+00 -2 -3 152 1.1515000000000000e+03 - - -6.6209328174591064e-01 1.8325349688529968e-01 - 4.9089592695236206e-01 -8.4841215610504150e-01 - <_> - 2.4156589508056641e+00 - - 1 2 153 5.0000000000000000e-01 0 -1 154 2811. -2 -3 155 - 5.0000000000000000e-01 - - 4.3501755595207214e-01 -6.5484809875488281e-01 - 4.1686266660690308e-01 -4.1646206378936768e-01 - <_> - 2.7843391895294189e+00 - - 1 2 156 1.1350000000000000e+02 0 -1 157 - 3.3450000000000000e+02 -2 -3 158 3.5000000000000000e+00 - - 3.6868026852607727e-01 -6.1238104104995728e-01 - 6.8396532535552979e-01 -1.2954165227711201e-02 - <_> - 2.8158543109893799e+00 - - 1 2 159 4.2550000000000000e+02 0 -1 160 - 5.6050000000000000e+02 -2 -3 161 3.8500000000000000e+01 - - -5.9484893083572388e-01 3.1515140086412430e-02 - -7.0635133981704712e-01 6.2144660949707031e-01 - <_> - 3.0259079933166504e+00 - - 1 2 162 7.5000000000000000e+00 0 -1 163 - 4.5000000000000000e+00 -2 -3 164 1.6375000000000000e+03 - - -7.1446412801742554e-01 3.4102836251258850e-01 - 3.5541319847106934e-01 -4.5499989390373230e-01 - <_> - 3.3236474990844727e+00 - - 1 2 165 1.5000000000000000e+00 0 -1 166 - 1.0500000000000000e+01 -2 -3 167 5.0000000000000000e-01 - - -7.0691192150115967e-01 5.4418134689331055e-01 - 3.7381768226623535e-01 -3.6192026734352112e-01 - <_> - 3.2000217437744141e+00 - - 1 2 168 1.0500000000000000e+01 0 -1 169 - 6.5000000000000000e+00 -2 -3 170 3.5000000000000000e+00 - - -1.1653541773557663e-01 -8.1098204851150513e-01 - 3.6642596125602722e-01 -2.8248944878578186e-01 - <_> - 3.2462809085845947e+00 - - 1 2 171 1.9850000000000000e+02 0 -1 172 - 2.9500000000000000e+01 -2 -3 173 8.1500000000000000e+01 - - -3.9297759532928467e-01 5.5565875768661499e-01 - 5.2605623006820679e-01 -3.3815068006515503e-01 - <_> - 3.4681446552276611e+00 - - 1 2 174 5.7550000000000000e+02 0 -1 175 338. -2 -3 176 - 1.1515000000000000e+03 - - -7.6464962959289551e-01 9.0472358465194702e-01 - 6.2902992963790894e-01 -3.9204329252243042e-02 - <_> - 3.6334233283996582e+00 - - 1 2 177 4167. 0 -1 178 6.5000000000000000e+00 -2 -3 179 - 3.5000000000000000e+00 - - -9.1638332605361938e-01 1.6527870297431946e-01 - 4.8254090547561646e-01 -8.9626789093017578e-01 - <_> - 3.9205143451690674e+00 - - 1 2 180 6.5000000000000000e+00 0 -1 181 - 1.2500000000000000e+01 -2 -3 182 8.5000000000000000e+00 - - 6.7690986394882202e-01 -2.3904214799404144e-01 - -4.0556749701499939e-01 2.2106994688510895e-01 - <_> - 3.8434190750122070e+00 - - 1 2 183 5.0000000000000000e-01 0 -1 184 - 1.3500000000000000e+01 -2 -3 185 2.6500000000000000e+01 - - -3.2586407661437988e-01 4.4005537033081055e-01 - -6.4374852180480957e-01 1.0862501710653305e-01 - <_> - 3.7773578166961670e+00 - - 1 2 186 1.6500000000000000e+01 0 -1 187 - 9.5000000000000000e+00 -2 -3 188 8.5000000000000000e+00 - - -9.3096941709518433e-01 2.3926372826099396e-01 - 5.1413863897323608e-01 -5.5257624387741089e-01 - <_> - 4.1896114349365234e+00 - - 1 2 189 1.2500000000000000e+01 0 -1 190 - 7.5000000000000000e+00 -2 -3 191 36. - - -6.8173252046108246e-02 5.3156542778015137e-01 - -6.3870549201965332e-01 5.8901703357696533e-01 - <_> - 4.1023836135864258e+00 - - 1 2 192 6.7500000000000000e+01 0 -1 193 - 8.0500000000000000e+01 -2 -3 194 3.9500000000000000e+01 - - 1.7302609980106354e-01 -5.5641782283782959e-01 - -8.8721150159835815e-01 1. - <_> - 4.1807246208190918e+00 - - 1 2 195 1.5235000000000000e+03 0 -1 196 - 2.6952500000000000e+04 -2 -3 197 1.8235000000000000e+03 - - -3.0445727705955505e-01 7.7833265066146851e-01 - 8.7232065200805664e-01 -2.4321475625038147e-01 - <_> - 4.2723703384399414e+00 - - 1 2 198 6.5000000000000000e+00 0 -1 199 - 7.5000000000000000e+00 -2 -3 200 3.4175000000000000e+03 - - 1.3138349354267120e-01 -5.8236575126647949e-01 - 2.2224109619855881e-02 6.9834595918655396e-01 - <_> - 4.6446409225463867e+00 - - 1 2 201 2.1500000000000000e+01 0 -1 202 - 4.5000000000000000e+00 -2 -3 203 7.5000000000000000e+00 - - 1.9490295648574829e-01 -7.6766520738601685e-01 - 3.7227055430412292e-01 -2.2965273261070251e-01 - <_> - 4.2965531349182129e+00 - - 1 2 204 3.5000000000000000e+00 0 -1 205 - 1.1500000000000000e+01 -2 -3 206 1.5000000000000000e+00 - - -2.8419467806816101e-01 4.3421781063079834e-01 - -5.4377484321594238e-01 1.9981886446475983e-01 - <_> - 4.6640934944152832e+00 - - 1 2 207 705. 0 -1 208 1.7500000000000000e+01 -2 -3 209 - 5.0000000000000000e-01 - - 2.7177429199218750e-01 -8.8838618993759155e-01 - 3.6754038929939270e-01 -1.2962521612644196e-01 - <_> - 4.5903968811035156e+00 - - 1 2 210 3.4500000000000000e+01 0 -1 211 - 2.2850000000000000e+02 -2 -3 212 4.5000000000000000e+00 - - 7.0602458715438843e-01 -7.7238667011260986e-01 - 4.3168050050735474e-01 -1.4236643910408020e-01 - <_> - 4.4601187705993652e+00 - - 1 2 213 1.8500000000000000e+01 0 -1 214 - 5.0000000000000000e-01 -2 -3 215 1.6450000000000000e+02 - - 7.2294287383556366e-02 -4.4637727737426758e-01 - 5.0045186281204224e-01 -8.8895571231842041e-01 - <_> - 4.6810216903686523e+00 - - 1 2 216 1.5000000000000000e+00 0 -1 217 - 3.5000000000000000e+00 -2 -3 218 2.2500000000000000e+01 - - 7.5774848461151123e-01 -8.5371148586273193e-01 - -3.8080200552940369e-01 2.2090284526348114e-01 - <_> - 4.5454678535461426e+00 - - 1 2 219 5.0000000000000000e-01 0 -1 220 - 2.4500000000000000e+01 -2 -3 221 1.3950000000000000e+02 - - -1.9623221457004547e-01 9.1209959983825684e-01 - 2.2579464316368103e-01 -3.2021987438201904e-01 - <_> - 4.7205095291137695e+00 - - 1 2 222 6.8250000000000000e+02 0 -1 223 - 5.8750000000000000e+02 -2 -3 224 4.9250000000000000e+02 - - -6.1928713321685791e-01 4.4073671102523804e-01 - 5.2129870653152466e-01 -9.0712592005729675e-02 - <_> - 5.0539321899414062e+00 - - 1 2 225 1.5500000000000000e+01 0 -1 226 - 6.3500000000000000e+01 -2 -3 227 3.5000000000000000e+00 - - 3.9318233728408813e-01 -3.8358560204505920e-01 - 4.2106309533119202e-01 -5.5091488361358643e-01 - <_> - 5.2054772377014160e+00 - - 1 2 228 3.1500000000000000e+01 0 -1 229 - 2.3500000000000000e+01 -2 -3 230 3.3750000000000000e+02 - - -6.1581993103027344e-01 7.1099334955215454e-01 - 2.9412022233009338e-01 -7.1934843063354492e-01 - <_> - 5.1629271507263184e+00 - - 1 2 231 3.2950000000000000e+02 0 -1 232 - 5.0000000000000000e-01 -2 -3 233 1864. - - 2.0024216175079346e-01 -3.3125820755958557e-01 - 9.7632443904876709e-01 -8.2965487241744995e-01 - <_> - 5.4650130271911621e+00 - - 1 2 234 4.0550000000000000e+02 0 -1 235 - 2.7750000000000000e+02 -2 -3 236 5.7155000000000000e+03 - - 2.2284466028213501e-01 -4.8526307940483093e-01 - 8.1116855144500732e-01 -1.5218812972307205e-02 - <_> - 5.4984669685363770e+00 - - 1 2 237 4.5000000000000000e+00 0 -1 238 - 1.7500000000000000e+01 -2 -3 239 2.9500000000000000e+01 - - -6.3221347332000732e-01 3.8014096021652222e-01 - -6.2983202934265137e-01 1.1483613401651382e-01 - <_> - 5.4328503608703613e+00 - - 1 2 240 2.2500000000000000e+01 0 -1 241 - 3.2750000000000000e+02 -2 -3 242 5.5250000000000000e+02 - - 2.7665451169013977e-01 -4.1230320930480957e-01 - 5.8497339487075806e-01 -9.2561680078506470e-01 - <_> - 5.2271656990051270e+00 - - 1 2 243 2.5000000000000000e+00 0 -1 244 - 1.5000000000000000e+00 -2 -3 245 4.1500000000000000e+01 - - -6.2440222501754761e-01 3.4950828552246094e-01 - -4.4587394595146179e-01 3.7627801299095154e-01 - <_> - 5.7503991127014160e+00 - - 1 2 246 2.5500000000000000e+01 0 -1 247 - 1.7500000000000000e+01 -2 -3 248 1742. - - 1.7403741180896759e-01 -4.8115825653076172e-01 - -8.1405687332153320e-01 5.2323335409164429e-01 - <_> - 5.9725828170776367e+00 - - 1 2 249 2.5000000000000000e+00 0 -1 250 - 1.8750000000000000e+02 -2 -3 251 3.0750000000000000e+02 - - 5.0755202770233154e-01 -9.1562610864639282e-01 - 2.2218362987041473e-01 -5.9081828594207764e-01 - <_> - 5.9053583145141602e+00 - - 1 2 252 4.4500000000000000e+01 0 -1 253 - 7.5000000000000000e+00 -2 -3 254 2.3500000000000000e+01 - - 2.7661845088005066e-01 -7.2863763570785522e-01 - 2.9604527354240417e-01 -3.9353659749031067e-01 - <_> - 6.2247257232666016e+00 - - 1 2 255 2.7915000000000000e+03 0 -1 256 - 5.0000000000000000e-01 -2 -3 257 2.7750000000000000e+02 - - 5.7657641172409058e-01 -5.8752876520156860e-01 - 7.3920065164566040e-01 -5.6199613958597183e-02 - <_> - 6.3211832046508789e+00 - - 1 2 258 1.5000000000000000e+00 0 -1 259 - 1.5950000000000000e+02 -2 -3 260 9.5000000000000000e+00 - - 3.8729599118232727e-01 -8.2186138629913330e-01 - -7.5912064313888550e-01 -9.1310448944568634e-02 - <_> - 6.1939978599548340e+00 - - 1 2 261 5.0000000000000000e-01 0 -1 262 - 1.1500000000000000e+01 -2 -3 263 2.5000000000000000e+00 - - -6.8085348606109619e-01 3.7691861391067505e-01 - 3.6999684572219849e-01 -4.1802382469177246e-01 - <_> - 6.5674057006835938e+00 - - 1 2 264 4.6500000000000000e+01 0 -1 265 - 1.6500000000000000e+01 -2 -3 266 2.5500000000000000e+01 - - -2.4361716583371162e-02 -7.4328392744064331e-01 - 3.7340793013572693e-01 -3.1576988101005554e-01 - <_> - 6.4908089637756348e+00 - - 1 2 267 6.5000000000000000e+00 0 -1 268 - 1.5000000000000000e+00 -2 -3 269 5.0000000000000000e-01 - - -9.5202457904815674e-01 7.6004970073699951e-01 - 4.0044522285461426e-01 -1.8293106555938721e-01 - <_> - 6.7305116653442383e+00 - - 1 2 270 1.3450000000000000e+02 0 -1 271 69. -2 -3 272 - 2.5500000000000000e+01 - - -3.7816595286130905e-02 -9.0281504392623901e-01 - -5.4295367002487183e-01 2.3970291018486023e-01 - <_> - 6.8999171257019043e+00 - - 1 2 273 2.5000000000000000e+00 0 -1 274 - 2.5000000000000000e+00 -2 -3 275 1.5000000000000000e+00 - - -5.0667393207550049e-01 3.6585667729377747e-01 - 3.1221818923950195e-01 -4.8534518480300903e-01 - <_> - 7.0018959045410156e+00 - - 1 2 276 3.5000000000000000e+00 0 -1 277 - 3.5000000000000000e+00 -2 -3 278 266. - - -3.6587709188461304e-01 6.2320345640182495e-01 - -3.9827787876129150e-01 2.4151444435119629e-01 - <_> - 7.1498341560363770e+00 - - 1 2 279 6.5000000000000000e+00 0 -1 280 - 3.7500000000000000e+01 -2 -3 281 3.3550000000000000e+02 - - 5.1520365476608276e-01 -6.4510118961334229e-01 - -4.8505461215972900e-01 1.4793802797794342e-01 - <_> - 7.0538568496704102e+00 - - 1 2 282 1540. 0 -1 283 2.2500000000000000e+01 -2 -3 284 - 5.0500000000000000e+01 - - -2.7819830179214478e-01 3.7289941310882568e-01 - -5.9334021806716919e-01 5.5907440185546875e-01 - <_> - 7.3145952224731445e+00 - - 1 2 285 5.0000000000000000e-01 0 -1 286 - 5.0500000000000000e+01 -2 -3 287 5.0000000000000000e-01 - - -6.9114875793457031e-01 4.3989965319633484e-01 - 2.9516109824180603e-01 -5.3384852409362793e-01 - <_> - 7.2128500938415527e+00 - - 1 2 288 7.5000000000000000e+00 0 -1 289 - 8.5000000000000000e+00 -2 -3 290 8.7500000000000000e+01 - - -5.5619347095489502e-01 5.4719102382659912e-01 - 3.2581725716590881e-01 -6.7037367820739746e-01 - <_> - 7.0432367324829102e+00 - - 1 2 291 2.5000000000000000e+00 0 -1 292 - 3.5000000000000000e+00 -2 -3 293 1.6805000000000000e+03 - - -1.8180048465728760e-01 4.9322417378425598e-01 - 1.2089827656745911e-01 -5.3679817914962769e-01 - <_> - 7.1085200309753418e+00 - - 1 2 294 8.0250000000000000e+02 0 -1 295 - 3.5000000000000000e+00 -2 -3 296 1.5465000000000000e+03 - - 4.4113153219223022e-01 -4.7889050841331482e-01 - 4.8183086514472961e-01 -2.7461019158363342e-01 - <_> - 7.4934172630310059e+00 - - 1 2 297 5.5000000000000000e+00 0 -1 298 - 9.5000000000000000e+00 -2 -3 299 5.0000000000000000e-01 - - -7.8466171026229858e-01 3.8489729166030884e-01 - 1.2428891658782959e-01 -5.3000146150588989e-01 - <_> - 7.7679367065429688e+00 - - 1 2 300 4.5000000000000000e+00 0 -1 301 - 3.8500000000000000e+01 -2 -3 302 1.0500000000000000e+01 - - -5.8519446849822998e-01 1.3908083736896515e-01 - 3.4237712621688843e-01 -5.5784845352172852e-01 - <_> - 8.2031955718994141e+00 - - 1 2 303 1.0500000000000000e+01 0 -1 304 - 1.5000000000000000e+00 -2 -3 305 1.1500000000000000e+01 - - -3.8500145077705383e-01 4.3525907397270203e-01 - -7.3580604791641235e-01 -1.5477402135729790e-02 - <_> - 7.8415699005126953e+00 - - 1 2 306 1.1500000000000000e+01 0 -1 307 - 1.9950000000000000e+02 -2 -3 308 2.1050000000000000e+02 - - 3.0834931135177612e-01 -5.2214068174362183e-01 - -6.1229497194290161e-01 1.6261228919029236e-01 - <_> - 8.1340169906616211e+00 - - 1 2 309 4.4500000000000000e+01 0 -1 310 - 5.0000000000000000e-01 -2 -3 311 2.7750000000000000e+02 - - 3.8989096879959106e-01 -4.0270605683326721e-01 - -3.7438669800758362e-01 4.9117839336395264e-01 - <_> - 8.0494565963745117e+00 - - 1 2 312 2.9215000000000000e+03 0 -1 313 5981. -2 -3 314 - 1.4500000000000000e+01 - - -8.4560506045818329e-02 5.6669616699218750e-01 - -6.5312331914901733e-01 1.4199882745742798e-01 - <_> - 8.1713457107543945e+00 - - 1 2 315 8.1500000000000000e+01 0 -1 316 66. -2 -3 317 371. - - 4.5325097441673279e-01 -3.0569469928741455e-01 - 5.9206598997116089e-01 -6.7238986492156982e-01 - <_> - 8.2347335815429688e+00 - - 1 2 318 4.1450000000000000e+02 0 -1 319 - 5.0000000000000000e-01 -2 -3 320 410. - - 3.8724437355995178e-01 -3.1869423389434814e-01 - 8.7538170814514160e-01 -9.7314991056919098e-02 - <_> - 8.5628070831298828e+00 - - 1 2 321 1.0500000000000000e+01 0 -1 322 - 5.0000000000000000e-01 -2 -3 323 2.5000000000000000e+00 - - 7.2377610206604004e-01 -8.4155076742172241e-01 - 3.2807359099388123e-01 -2.0454038679599762e-01 - <_> - 8.5264968872070312e+00 - - 1 2 324 9.9150000000000000e+02 0 -1 325 - 7.0350000000000000e+02 -2 -3 326 6. - - 1.8747280538082123e-01 -3.3632183074951172e-01 - 8.6560744047164917e-01 -9.4016164541244507e-01 - <_> - 8.5532627105712891e+00 - - 1 2 327 1.1500000000000000e+01 0 -1 328 - 2.7450000000000000e+02 -2 -3 329 5.0000000000000000e-01 - - 8.5004931688308716e-01 -8.5131084918975830e-01 - 4.0861058235168457e-01 -1.2481645494699478e-01 - <_> - 8.7125473022460938e+00 - - 1 2 330 4.9350000000000000e+02 0 -1 331 - 1.0500000000000000e+01 -2 -3 332 488. - - 3.3095937967300415e-01 -9.6550559997558594e-01 - 1.5928384661674500e-01 -7.0109528303146362e-01 - <_> - 8.5748119354248047e+00 - - 1 2 333 5.8750000000000000e+02 0 -1 334 - 5.3965000000000000e+03 -2 -3 335 1.9550000000000000e+02 - - -5.2717298269271851e-01 7.5915068387985229e-01 - 6.2651741504669189e-01 -7.6558768749237061e-02 - <_> - 8.5311050415039062e+00 - - 1 2 336 3.5000000000000000e+00 0 -1 337 - 1.8500000000000000e+01 -2 -3 338 1.1500000000000000e+01 - - -5.9637790918350220e-01 6.7646257579326630e-02 - 6.4769101142883301e-01 -3.3726450055837631e-02 - <_> - 9.0640134811401367e+00 - - 1 2 339 1.5000000000000000e+00 0 -1 340 - 2.5000000000000000e+00 -2 -3 341 3.4500000000000000e+01 - - -6.8097436428070068e-01 6.0266649723052979e-01 - -3.0453455448150635e-01 4.0144833922386169e-01 - <_> - 8.9831085205078125e+00 - - 1 2 342 2.5000000000000000e+00 0 -1 343 - 2.1750000000000000e+02 -2 -3 344 3.1850000000000000e+02 - - 9.3521779775619507e-01 -8.8511615991592407e-01 - -8.0904886126518250e-02 4.7593075037002563e-01 - <_> - 9.3769168853759766e+00 - - 1 2 345 1.8345000000000000e+03 0 -1 346 7548. -2 -3 347 - 2.5000000000000000e+00 - - -9.6914649009704590e-01 8.2535630464553833e-01 - 9.6199281513690948e-02 -4.2918723821640015e-01 - <_> - 9.3018980026245117e+00 - - 1 2 348 3.4500000000000000e+01 0 -1 349 - 5.0000000000000000e-01 -2 -3 350 4.5000000000000000e+00 - - 7.7495819330215454e-01 -7.7019518613815308e-01 - -6.7532777786254883e-01 2.1935020387172699e-01 - <_> - 9.5473661422729492e+00 - - 1 2 351 3.5000000000000000e+00 0 -1 352 - 3.8150000000000000e+02 -2 -3 353 2.5000000000000000e+00 - - 2.4546769261360168e-01 -9.4206953048706055e-01 - 5.2967166900634766e-01 -5.7282263040542603e-01 - <_> - 9.3910045623779297e+00 - - 1 2 354 4.2500000000000000e+01 0 -1 355 - 2.5000000000000000e+00 -2 -3 356 2.5000000000000000e+00 - - 4.9605733156204224e-01 -8.9919465780258179e-01 - 4.6279174089431763e-01 -1.5636166930198669e-01 - <_> - 9.2007036209106445e+00 - - 1 2 357 3.0750000000000000e+02 0 -1 358 - 5.0000000000000000e-01 -2 -3 359 1.7500000000000000e+01 - - 9.5931455492973328e-02 -5.2677857875823975e-01 - -6.8146902322769165e-01 4.2670670151710510e-01 - <_> - 9.4172534942626953e+00 - - 1 2 360 436. 0 -1 361 1.0500000000000000e+01 -2 -3 362 - 1.4150000000000000e+02 - - -4.8916128277778625e-01 2.1654944121837616e-01 - -9.5991367101669312e-01 2.0731329917907715e-02 - <_> - 9.3878002166748047e+00 - - 1 2 363 2.1500000000000000e+01 0 -1 364 - 5.0000000000000000e-01 -2 -3 365 7.5000000000000000e+00 - - 6.1134243011474609e-01 -1.5622694790363312e-01 - -2.9453342780470848e-02 -6.6399675607681274e-01 - <_> - 9.3314304351806641e+00 - - 1 2 366 5.6500000000000000e+01 0 -1 367 - 2.3500000000000000e+01 -2 -3 368 4.5000000000000000e+00 - - -7.5016134977340698e-01 6.0379421710968018e-01 - 5.0015795230865479e-01 -5.6369733065366745e-02 - <_> - 9.8574962615966797e+00 - - 1 2 369 3.5000000000000000e+00 0 -1 370 2013. -2 -3 371 - 1.9500000000000000e+01 - - 8.2091175019741058e-02 -6.4141482114791870e-01 - -1.7478708922863007e-01 5.2606624364852905e-01 - <_> - 1.0064584732055664e+01 - - 1 2 372 2.0650000000000000e+02 0 -1 373 - 1.7500000000000000e+01 -2 -3 374 1.0450000000000000e+02 - - -1.0901508852839470e-02 -6.5456998348236084e-01 - 6.3896632194519043e-01 -1.6473773121833801e-01 - <_> - 1.0252257347106934e+01 - - 1 2 375 5.5000000000000000e+00 0 -1 376 - 3.4500000000000000e+01 -2 -3 377 5.5000000000000000e+00 - - 3.2374709844589233e-01 -5.0062644481658936e-01 - -7.0661611855030060e-02 -7.5508368015289307e-01 - <_> - 1.0398225784301758e+01 - - 1 2 378 2.5000000000000000e+00 0 -1 379 - 5.2500000000000000e+01 -2 -3 380 1.8785000000000000e+03 - - -9.0781456232070923e-01 1. -6.3530296087265015e-01 - 1.4596807956695557e-01 - <_> - 1.0281527519226074e+01 - - 1 2 381 4.8500000000000000e+01 0 -1 382 - 1.2500000000000000e+01 -2 -3 383 2.7950000000000000e+02 - - 1.5367124974727631e-01 -8.4021937847137451e-01 - 4.6640846133232117e-01 -1.1669804900884628e-01 - <_> - 1.0402153968811035e+01 - - 1 2 384 6.5750000000000000e+02 0 -1 385 - 2.5000000000000000e+00 -2 -3 386 1.2991500000000000e+04 - - 1.8093550205230713e-01 -3.1117281317710876e-01 - 8.3136463165283203e-01 -9.4209736585617065e-01 - <_> - 1.0749721527099609e+01 - - 1 2 387 1.5500000000000000e+01 0 -1 388 3147. -2 -3 389 - 5.0000000000000000e-01 - - 5.8778691291809082e-01 -8.4557241201400757e-01 - 3.5276123881340027e-01 -1.5734243392944336e-01 - <_> - 1.0613196372985840e+01 - - 1 2 390 2.9405000000000000e+03 0 -1 391 - 5.0000000000000000e-01 -2 -3 392 4.5500000000000000e+01 - - 3.9040172100067139e-01 -1.3652552664279938e-01 - -9.2412209510803223e-01 -8.2783259451389313e-02 - <_> - 1.0694108009338379e+01 - - 1 2 393 5.0500000000000000e+01 0 -1 394 - 5.0000000000000000e-01 -2 -3 395 4.5000000000000000e+00 - - 4.7963955998420715e-01 -7.4252939224243164e-01 - -6.8665945529937744e-01 1.9869653880596161e-01 - <_> - 1.0847300529479980e+01 - - 1 2 396 1.4500000000000000e+01 0 -1 397 - 5.5000000000000000e+00 -2 -3 398 1.5000000000000000e+00 - - -6.5649849176406860e-01 3.1507906317710876e-01 - 5.9824740886688232e-01 -4.3184515833854675e-01 - <_> - 1.0666165351867676e+01 - - 1 2 399 2.5000000000000000e+00 0 -1 400 - 4.5000000000000000e+00 -2 -3 401 5.0000000000000000e-01 - - -3.0361318588256836e-01 4.3227225542068481e-01 - 3.5962799191474915e-01 -4.3973237276077271e-01 - <_> - 1.0870504379272461e+01 - - 1 2 402 2.6500000000000000e+01 0 -1 403 - 1.5000000000000000e+00 -2 -3 404 8.4500000000000000e+01 - - 1.6933162510395050e-01 -5.0010979175567627e-01 - -3.3642402291297913e-01 4.9337503314018250e-01 - <_> - 1.0975853919982910e+01 - - 1 2 405 2.5000000000000000e+00 0 -1 406 - 1.4795000000000000e+03 -2 -3 407 1.5000000000000000e+00 - - 5.9212744235992432e-02 -6.0414147377014160e-01 - 5.3754031658172607e-01 -1.4943325519561768e-01 - <_> - 1.1088579177856445e+01 - - 1 2 408 1.9500000000000000e+01 0 -1 409 - 8.0500000000000000e+01 -2 -3 410 2.5000000000000000e+00 - - -5.4455469362437725e-03 7.1131867170333862e-01 - 1.2728694081306458e-01 -5.3219115734100342e-01 - <_> - 1.1411317825317383e+01 - - 1 2 411 6.5000000000000000e+00 0 -1 412 - 5.0000000000000000e-01 -2 -3 413 5.0000000000000000e-01 - - -9.8449540138244629e-01 7.5238209962844849e-01 - 3.2273903489112854e-01 -2.0153416693210602e-01 - <_> - 1.1409852027893066e+01 - - 1 2 414 3.2650000000000000e+02 0 -1 415 - 4.5000000000000000e+00 -2 -3 416 1.0500000000000000e+01 - - 1.5437091886997223e-01 -3.4433943033218384e-01 - 8.3089745044708252e-01 -8.7578713893890381e-01 - <_> - 1.1487524032592773e+01 - - 1 2 417 9.4500000000000000e+01 0 -1 418 - 5.3150000000000000e+02 -2 -3 419 1.5000000000000000e+00 - - 7.5558461248874664e-02 -7.0222413539886475e-01 - 4.5731905102729797e-01 -1.0453109443187714e-01 - <_> - 1.1415844917297363e+01 - - 1 2 420 2.0350000000000000e+02 0 -1 421 - 5.1500000000000000e+01 -2 -3 422 1.4350000000000000e+02 - - -8.8595420122146606e-02 -8.2399624586105347e-01 - 7.0543432235717773e-01 8.3339767297729850e-04 - <_> - 1.1137701034545898e+01 - - 1 2 423 1.1500000000000000e+01 0 -1 424 - 2.7850000000000000e+02 -2 -3 425 1231. - - 2.5673583149909973e-01 -2.7814364433288574e-01 - 7.7550095319747925e-01 -6.8776667118072510e-01 - <_> - 1.1352587699890137e+01 - - 1 2 426 1.5000000000000000e+00 0 -1 427 - 4.2500000000000000e+01 -2 -3 428 436. - - -8.6447370052337646e-01 3.8263612985610962e-01 - 2.1488623321056366e-01 -6.5995728969573975e-01 - <_> - 1.1502726554870605e+01 - - 1 2 429 4.5000000000000000e+00 0 -1 430 - 8.9500000000000000e+01 -2 -3 431 1.2500000000000000e+01 - - -5.1148355007171631e-01 4.3896585702896118e-01 - -4.8310482501983643e-01 1.8991161882877350e-01 - <_> - 1.1872124671936035e+01 - - 1 2 432 5.0000000000000000e-01 0 -1 433 - 4.5000000000000000e+00 -2 -3 434 1.1500000000000000e+01 - - -5.1016438007354736e-01 3.6939758062362671e-01 - 1.1107332259416580e-01 -6.3128584623336792e-01 - <_> - 1.1897380828857422e+01 - - 1 2 435 1.5000000000000000e+00 0 -1 436 - 8.5000000000000000e+00 -2 -3 437 1.4500000000000000e+01 - - -7.3261368274688721e-01 5.7636475563049316e-01 - -4.3446037173271179e-01 2.1413095295429230e-01 - <_> - 1.1853853225708008e+01 - - 1 2 438 3706. 0 -1 439 1.5000000000000000e+00 -2 -3 440 - 4410. - - 5.6994712352752686e-01 -4.3527409434318542e-02 - -7.2693550586700439e-01 4.1713526844978333e-01 - <_> - 1.1845816612243652e+01 - - 1 2 441 6.5000000000000000e+00 0 -1 442 - 1.5500000000000000e+01 -2 -3 443 5.3500000000000000e+01 - - -8.0371825024485588e-03 -5.7360154390335083e-01 - 5.8637946844100952e-01 -4.5183259248733521e-01 - <_> - 1.1606418609619141e+01 - - 1 2 444 5.7500000000000000e+01 0 -1 445 - 1.3650000000000000e+02 -2 -3 446 3.3595000000000000e+03 - - 4.9911895394325256e-01 -5.3746724128723145e-01 - -2.3939760029315948e-01 3.7778580188751221e-01 - <_> - 1.1980805397033691e+01 - - 1 2 447 4.5000000000000000e+00 0 -1 448 - 3.5000000000000000e+00 -2 -3 449 1.1500000000000000e+01 - - -7.3552447557449341e-01 3.7438639998435974e-01 - -4.0720772743225098e-01 4.5558989048004150e-01 - <_> - 1.2240980148315430e+01 - - 1 2 450 2.0950000000000000e+02 0 -1 451 - 3.5000000000000000e+00 -2 -3 452 2.0450000000000000e+02 - - 2.6017466187477112e-01 -4.3274480104446411e-01 - 6.6186487674713135e-01 -1.9433960318565369e-01 - <_> - 1.1877487182617188e+01 - - 1 2 453 8.7500000000000000e+01 0 -1 454 - 3.3500000000000000e+01 -2 -3 455 1.9500000000000000e+01 - - -3.6349293589591980e-01 2.8466138243675232e-01 - -8.9488905668258667e-01 2.0050047338008881e-01 - <_> - 1.2315251350402832e+01 - - 1 2 456 6.5000000000000000e+00 0 -1 457 - 2.8500000000000000e+01 -2 -3 458 1.1500000000000000e+01 - - -4.2718878388404846e-01 4.3776413798332214e-01 - -4.0096122026443481e-01 4.4375243782997131e-01 - <_> - 1.2738058090209961e+01 - - 1 2 459 2.5000000000000000e+00 0 -1 460 - 5.5000000000000000e+00 -2 -3 461 4.2050000000000000e+02 - - -1. 4.2698940634727478e-01 1.3992704451084137e-01 - -4.4792297482490540e-01 - <_> - 1.2678054809570312e+01 - - 1 2 462 4.6035000000000000e+03 0 -1 463 - 1.2500000000000000e+01 -2 -3 464 1.6885000000000000e+03 - - -6.3804382085800171e-01 2.8076967597007751e-01 - 7.0788478851318359e-01 -6.0002621263265610e-02 - <_> - 1.2586655616760254e+01 - - 1 2 465 2.1150000000000000e+02 0 -1 466 - 3.5000000000000000e+00 -2 -3 467 3.1365000000000000e+03 - - 3.2408985495567322e-01 -3.3107626438140869e-01 - 8.7245899438858032e-01 -1.1116035282611847e-01 - <_> - 1.2680603027343750e+01 - - 1 2 468 2.2500000000000000e+01 0 -1 469 - 4.5500000000000000e+01 -2 -3 470 4.8500000000000000e+01 - - 9.3947365880012512e-02 -5.0669384002685547e-01 - 6.3860702514648438e-01 -5.6095314025878906e-01 - <_> - 1.2646597862243652e+01 - - 1 2 471 5.7750000000000000e+02 0 -1 472 2607. -2 -3 473 - 8.4850000000000000e+02 - - -8.0222898721694946e-01 4.9571409821510315e-01 - 6.9677603244781494e-01 -3.4005377441644669e-02 - <_> - 1.3080556869506836e+01 - - 1 2 474 3.5000000000000000e+00 0 -1 475 - 2.9025000000000000e+03 -2 -3 476 1.4500000000000000e+01 - - 6.3582272268831730e-03 -7.6159459352493286e-01 - 4.4750732183456421e-01 -1.8545417487621307e-01 - <_> - 1.3341848373413086e+01 - - 1 2 477 2.5000000000000000e+00 0 -1 478 - 1.3500000000000000e+01 -2 -3 479 5.0000000000000000e-01 - - -4.0977507829666138e-01 3.4295764565467834e-01 - 9.3431934714317322e-02 -7.1162647008895874e-01 - <_> - 1.2996747970581055e+01 - - 1 2 480 5.5000000000000000e+00 0 -1 481 - 6.5000000000000000e+00 -2 -3 482 3.1450000000000000e+02 - - -5.9179306030273438e-01 5.3183627128601074e-01 - 2.9362958669662476e-01 -5.2066570520401001e-01 - <_> - 1.3275168418884277e+01 - - 1 2 483 5.0000000000000000e-01 0 -1 484 - 5.8550000000000000e+02 -2 -3 485 1.2025000000000000e+03 - - -4.2056784033775330e-01 5.3556817770004272e-01 - 5.9011709690093994e-01 -3.4758779406547546e-01 - <_> - 1.3466418266296387e+01 - - 1 2 486 5.5000000000000000e+00 0 -1 487 - 5.0000000000000000e-01 -2 -3 488 14734. - - 4.4770663976669312e-01 -8.6989867687225342e-01 - 1.9124945998191833e-01 -7.6927727460861206e-01 - <_> - 1.3708694458007812e+01 - - 1 2 489 3.5150000000000000e+02 0 -1 490 - 2.4500000000000000e+01 -2 -3 491 1.2500000000000000e+01 - - 5.4361712932586670e-01 -9.3802767992019653e-01 - 2.4227620661258698e-01 -3.2380709052085876e-01 - <_> - 1.3621360778808594e+01 - - 1 2 492 1.5750000000000000e+02 0 -1 493 45. -2 -3 494 - 6.5000000000000000e+00 - - 4.8756289482116699e-01 -6.2756335735321045e-01 - 5.6488978862762451e-01 -8.7333582341670990e-02 - <_> - 1.3719803810119629e+01 - - 1 2 495 1.4500000000000000e+01 0 -1 496 - 3.2785000000000000e+03 -2 -3 497 1.2500000000000000e+01 - - -8.3579055964946747e-02 -9.0902733802795410e-01 - 4.0620484948158264e-01 -2.2033128142356873e-01 - <_> - 1.3743362426757812e+01 - - 1 2 498 1.7500000000000000e+01 0 -1 499 - 2.5500000000000000e+01 -2 -3 500 446. - - 5.8430969715118408e-02 -5.6837719678878784e-01 - -1.8840381503105164e-01 6.9564127922058105e-01 - <_> - 1.3924007415771484e+01 - - 1 2 501 8.0450000000000000e+02 0 -1 502 - 4.0500000000000000e+01 -2 -3 503 2.5000000000000000e+00 - - -4.7573506832122803e-01 2.6540222764015198e-01 - -3.4159180521965027e-01 5.4993849992752075e-01 - <_> - 1.4126693725585938e+01 - - 1 2 504 2.5000000000000000e+00 0 -1 505 3876. -2 -3 506 - 7.5000000000000000e+00 - - 4.1770899295806885e-01 -3.8963168859481812e-01 - 1.9346395134925842e-01 -5.6205403804779053e-01 - <_> - 1.4377063751220703e+01 - - 1 2 507 1.0630500000000000e+04 0 -1 508 - 1.7500000000000000e+01 -2 -3 509 5.0000000000000000e-01 - - 4.2469942569732666e-01 -6.3991433382034302e-01 - 7.5341060757637024e-02 -5.3553485870361328e-01 - <_> - 1.4237608909606934e+01 - - 1 2 510 5.7500000000000000e+01 0 -1 511 - 6.5000000000000000e+00 -2 -3 512 2.8500000000000000e+01 - - 5.4694686084985733e-02 -5.2880686521530151e-01 - -3.4901857376098633e-01 4.7299972176551819e-01 - <_> - 1.4564194679260254e+01 - - 1 2 513 7.5000000000000000e+00 0 -1 514 - 8.5000000000000000e+00 -2 -3 515 4.5000000000000000e+00 - - -5.7572060823440552e-01 4.0378063917160034e-01 - 1.7233282327651978e-01 -5.5302166938781738e-01 - <_> - 1.4479125976562500e+01 - - 1 2 516 4.1500000000000000e+01 0 -1 517 - 5.0000000000000000e-01 -2 -3 518 3.5000000000000000e+00 - - 6.9208496809005737e-01 -9.3342530727386475e-01 - 4.8711183667182922e-01 -8.5068866610527039e-02 - <_> - 1.4771840095520020e+01 - - 1 2 519 3.2350000000000000e+02 0 -1 520 - 6.8500000000000000e+01 -2 -3 521 2.9050000000000000e+02 - - -5.6921553611755371e-01 7.5075703859329224e-01 - 3.0680647492408752e-01 -5.3018033504486084e-01 - <_> - 1.4921194076538086e+01 - - 1 2 522 9.5000000000000000e+00 0 -1 523 178. -2 -3 524 - 1.5000000000000000e+00 - - 2.7555197477340698e-01 -8.4987080097198486e-01 - 7.1478825807571411e-01 -4.7535741329193115e-01 - <_> - 1.5011672019958496e+01 - - 1 2 525 3.5500000000000000e+01 0 -1 526 - 4.9450000000000000e+02 -2 -3 527 151. - - -4.1447910666465759e-01 9.0478152036666870e-02 - 7.2348231077194214e-01 -8.4134203195571899e-01 - <_> - 1.5009381294250488e+01 - - 1 2 528 1.0075000000000000e+03 0 -1 529 - 4.6135000000000000e+03 -2 -3 530 5.0000000000000000e-01 - - -1.3591668009757996e-01 5.0908648967742920e-01 - 4.3699756264686584e-02 -6.3745105266571045e-01 - <_> - 1.4872577667236328e+01 - - 1 2 531 4.9500000000000000e+01 0 -1 532 - 7.5000000000000000e+00 -2 -3 533 2.6500000000000000e+01 - - 5.5888742208480835e-02 -5.8190774917602539e-01 - -7.9333829879760742e-01 5.4325503110885620e-01 - <_> - 1.5080644607543945e+01 - - 1 2 534 4.7500000000000000e+01 0 -1 535 - 1.4500000000000000e+01 -2 -3 536 2.7500000000000000e+01 - - -8.9569383859634399e-01 2.0806635916233063e-01 - -7.5062823295593262e-01 2.4852557480335236e-01 - <_> - 1.5080853462219238e+01 - - 1 2 537 6.5000000000000000e+00 0 -1 538 - 8.5000000000000000e+00 -2 -3 539 3.8050000000000000e+02 - - -6.1480957269668579e-01 3.2939058542251587e-01 - 4.0805706381797791e-01 -4.6099272370338440e-01 - <_> - 1.4875501632690430e+01 - - 1 2 540 1.0500000000000000e+01 0 -1 541 - 1.5000000000000000e+00 -2 -3 542 478. - - -9.0150666236877441e-01 3.4228125214576721e-01 - -5.9740513563156128e-01 8.7162934243679047e-02 - <_> - 1.5382561683654785e+01 - - 1 2 543 5.5000000000000000e+00 0 -1 544 - 5.0000000000000000e-01 -2 -3 545 2.5500000000000000e+01 - - -3.2944935560226440e-01 5.0705975294113159e-01 - -3.9558005332946777e-01 3.1945833563804626e-01 - <_> - 1.5631669998168945e+01 - - 1 2 546 1.5000000000000000e+00 0 -1 547 - 1.1500000000000000e+01 -2 -3 548 3.5000000000000000e+00 - - -5.0148051977157593e-01 3.6997869610786438e-01 - 7.7569979429244995e-01 -3.7318921089172363e-01 - <_> - 1.5227413177490234e+01 - - 1 2 549 5.5000000000000000e+00 0 -1 550 - 2.5000000000000000e+00 -2 -3 551 8.2500000000000000e+01 - - 9.7206316888332367e-02 -5.2512657642364502e-01 - 5.3593277931213379e-01 -5.2903693914413452e-01 - <_> - 1.5712855339050293e+01 - - 1 2 552 1.5000000000000000e+00 0 -1 553 - 1.1500000000000000e+01 -2 -3 554 1.5000000000000000e+00 - - -5.5320370197296143e-01 5.5974000692367554e-01 - -4.7809949517250061e-01 1.2362124770879745e-01 - <_> - 1.5475475311279297e+01 - - 1 2 555 1.1150000000000000e+02 0 -1 556 107. -2 -3 557 - 5.4500000000000000e+01 - - 2.2000953555107117e-01 -5.7901185750961304e-01 - 5.5795150995254517e-01 -2.0629312098026276e-01 - <_> - 1.5877110481262207e+01 - - 1 2 558 5.0000000000000000e-01 0 -1 559 - 4.7500000000000000e+01 -2 -3 560 4.0850000000000000e+02 - - 4.0163558721542358e-01 -6.5443444252014160e-01 - 3.9427250623703003e-01 -4.3203008174896240e-01 - <_> - 1.5799601554870605e+01 - - 1 2 561 2.0250000000000000e+02 0 -1 562 - 5.0000000000000000e-01 -2 -3 563 2399. - - 1.2356969714164734e-01 -5.3489917516708374e-01 - 4.6495470404624939e-01 -5.8487701416015625e-01 - <_> - 1.6042089462280273e+01 - - 1 2 564 7.0450000000000000e+02 0 -1 565 - 4.4500000000000000e+01 -2 -3 566 288. - - 4.8793616890907288e-01 -8.4778493642807007e-01 - -4.3374565243721008e-01 2.4248743057250977e-01 - <_> - 1.6111749649047852e+01 - - 1 2 567 1.8500000000000000e+01 0 -1 568 - 1.2500000000000000e+01 -2 -3 569 5.0000000000000000e-01 - - -4.8669865727424622e-01 2.7788683772087097e-01 - 3.6192622780799866e-01 -5.7420414686203003e-01 - <_> - 1.6021078109741211e+01 - - 1 2 570 8.3450000000000000e+02 0 -1 571 4451. -2 -3 572 - 3.2950000000000000e+02 - - 5.3921067714691162e-01 -4.8135292530059814e-01 - -2.9889726638793945e-01 6.0160857439041138e-01 - <_> - 1.6436674118041992e+01 - - 1 2 573 1.2500000000000000e+01 0 -1 574 - 6.5000000000000000e+00 -2 -3 575 2.9500000000000000e+01 - - 4.3214797973632812e-01 -2.8101849555969238e-01 - 6.6012543439865112e-01 -7.0270007848739624e-01 - <_> - 1.6612668991088867e+01 - - 1 2 576 4.4500000000000000e+01 0 -1 577 3724. -2 -3 578 - 7.5000000000000000e+00 - - 6.2758970260620117e-01 -5.7332456111907959e-01 - -7.3119300603866577e-01 2.5508829951286316e-01 - <_> - 1.6793443679809570e+01 - - 1 2 579 1.5000000000000000e+00 0 -1 580 - 2.5500000000000000e+01 -2 -3 581 2.3500000000000000e+01 - - -6.3251662254333496e-01 4.4916898012161255e-01 - 4.5003961771726608e-02 -5.9809100627899170e-01 - <_> - 1.6161096572875977e+01 - - 1 2 582 1.5000000000000000e+00 0 -1 583 - 1.5000000000000000e+00 -2 -3 584 2.0500000000000000e+01 - - -7.4945521354675293e-01 6.5612715482711792e-01 - -6.3234704732894897e-01 7.2132863104343414e-02 - <_> - 1.6042703628540039e+01 - - 1 2 585 2.7500000000000000e+01 0 -1 586 - 1.3500000000000000e+01 -2 -3 587 2.5000000000000000e+00 - - -1.1839324980974197e-01 3.9118841290473938e-01 - 2.9518869519233704e-01 -8.5212147235870361e-01 - <_> - 1.6447755813598633e+01 - - 1 2 588 5.0000000000000000e-01 0 -1 589 - 5.0000000000000000e-01 -2 -3 590 5.0000000000000000e-01 - - -8.3366543054580688e-01 4.0505367517471313e-01 - 4.8622503876686096e-02 -5.6565636396408081e-01 - <_> - 1.7133924484252930e+01 - - 1 2 591 2.0350000000000000e+02 0 -1 592 334. -2 -3 593 - 3.0050000000000000e+02 - - -3.5271939635276794e-01 8.6447751522064209e-01 - 7.1061849594116211e-01 -1.1952371150255203e-01 - <_> - 1.6702384948730469e+01 - - 1 2 594 4.5000000000000000e+00 0 -1 595 - 2.8500000000000000e+01 -2 -3 596 1.2500000000000000e+01 - - -3.9405979216098785e-02 6.6947597265243530e-01 - -4.9912232160568237e-01 1.0251764953136444e-01 - <_> - 1.7397886276245117e+01 - - 1 2 597 2.2450000000000000e+02 0 -1 598 42. -2 -3 599 - 4.2500000000000000e+01 - - 7.0597994327545166e-01 -9.4353288412094116e-01 - -6.9157105684280396e-01 2.2714031860232353e-02 - <_> - 1.7262920379638672e+01 - - 1 2 600 3.1500000000000000e+01 0 -1 601 - 1.0450000000000000e+02 -2 -3 602 5.0000000000000000e-01 - - -1.3496619462966919e-01 4.4948977231979370e-01 - 1.4885289967060089e-01 -8.6381590366363525e-01 - <_> - 1.7465213775634766e+01 - - 1 2 603 1.4500000000000000e+01 0 -1 604 - 2.5000000000000000e+00 -2 -3 605 2.5000000000000000e+00 - - -7.1829992532730103e-01 3.5132697224617004e-01 - 4.2205992341041565e-01 -4.3211916089057922e-01 - <_> - 1.7307765960693359e+01 - - 1 2 606 5.5000000000000000e+00 0 -1 607 - 1.6500000000000000e+01 -2 -3 608 1.5000000000000000e+00 - - -4.3471553921699524e-01 5.3184741735458374e-01 - 1.5001934766769409e-01 -5.0502711534500122e-01 - <_> - 1.7614244461059570e+01 - - 1 2 609 2.1950000000000000e+02 0 -1 610 - 3.5000000000000000e+00 -2 -3 611 3.5000000000000000e+00 - - 9.3997812271118164e-01 -9.3997251987457275e-01 - 3.0647855997085571e-01 -2.0921668410301208e-01 - <_> - 1.7706068038940430e+01 - - 1 2 612 5.7500000000000000e+01 0 -1 613 - 5.5450000000000000e+02 -2 -3 614 6271. - - 2.8178128600120544e-01 -6.5705215930938721e-01 - 2.1660777926445007e-01 -8.9905387163162231e-01 - <_> - 1.7754480361938477e+01 - - 1 2 615 5.0000000000000000e-01 0 -1 616 - 1.6500000000000000e+01 -2 -3 617 5.0000000000000000e-01 - - -6.6525924205780029e-01 5.8488470315933228e-01 - 2.6185688376426697e-01 -3.7666809558868408e-01 - <_> - 1.7758506774902344e+01 - - 1 2 618 5.8750000000000000e+02 0 -1 619 - 5.0000000000000000e-01 -2 -3 620 7.9050000000000000e+02 - - 6.1497175693511963e-01 -5.2589684724807739e-01 - 5.6739014387130737e-01 -1.2997034192085266e-01 - <_> - 1.8137268066406250e+01 - - 1 2 621 1.2500000000000000e+01 0 -1 622 - 2.7500000000000000e+01 -2 -3 623 9.5000000000000000e+00 - - 2.7133096009492874e-02 -7.4169838428497314e-01 - -5.5511766672134399e-01 3.7876096367835999e-01 - <_> - 1.8127597808837891e+01 - - 1 2 624 1.3500000000000000e+01 0 -1 625 - 1.6500000000000000e+01 -2 -3 626 7.0050000000000000e+02 - - -9.9238857626914978e-02 5.2959042787551880e-01 - 1.2502020597457886e-01 -6.9074809551239014e-01 - <_> - 1.8081335067749023e+01 - - 1 2 627 1.2500000000000000e+01 0 -1 628 2. -2 -3 629 - 5.0000000000000000e-01 - - -9.4234240055084229e-01 1. 3.8502028584480286e-01 - -1.8359494209289551e-01 - <_> - 1.8053295135498047e+01 - - 1 2 630 2.7500000000000000e+01 0 -1 631 - 5.9500000000000000e+01 -2 -3 632 4.1500000000000000e+01 - - -4.9844527244567871e-01 2.2154885530471802e-01 - 1.6719245910644531e-01 -8.5411649942398071e-01 - <_> - 1.8328479766845703e+01 - - 1 2 633 1.2564500000000000e+04 0 -1 634 - 4.5000000000000000e+00 -2 -3 635 1.4450000000000000e+02 - - -5.1779359579086304e-01 3.0374595522880554e-01 - -7.3483371734619141e-01 7.6394975185394287e-02 - <_> - 1.8571502685546875e+01 - - 1 2 636 2.5000000000000000e+00 0 -1 637 - 2.6750000000000000e+02 -2 -3 638 6.4350000000000000e+02 - - -8.5374289751052856e-01 4.6067333221435547e-01 - -4.1071122884750366e-01 3.6673283576965332e-01 - <_> - 1.8682445526123047e+01 - - 1 2 639 2.0650000000000000e+02 0 -1 640 - 4.2500000000000000e+01 -2 -3 641 1.1500000000000000e+01 - - -5.0848436355590820e-01 2.4837252497673035e-01 - -6.5386766195297241e-01 4.2162042856216431e-01 - <_> - 1.8954551696777344e+01 - - 1 2 642 6.5000000000000000e+00 0 -1 643 - 3.0500000000000000e+01 -2 -3 644 2.2500000000000000e+01 - - -5.9916085004806519e-01 2.7210691571235657e-01 - -1.1765263974666595e-01 -8.1677961349487305e-01 - <_> - 1.8866088867187500e+01 - - 1 2 645 1.5000000000000000e+00 0 -1 646 - 6.5000000000000000e+00 -2 -3 647 1.1150000000000000e+02 - - 5.0670212507247925e-01 -2.6341021060943604e-01 - -4.3560948967933655e-01 3.6474627256393433e-01 - <_> - 1.8741416931152344e+01 - - 1 2 648 4.1500000000000000e+01 0 -1 649 - 6.5000000000000000e+00 -2 -3 650 1.5000000000000000e+00 - - 5.2751459181308746e-02 -6.6522449254989624e-01 - 3.3934053778648376e-01 -4.9355345964431763e-01 - <_> - 1.8643299102783203e+01 - - 1 2 651 5.9775000000000000e+03 0 -1 652 - 1.8165000000000000e+03 -2 -3 653 1.4355000000000000e+03 - - 5.5302268266677856e-01 -4.7563236951828003e-01 - 6.5803569555282593e-01 -9.8118394613265991e-02 - <_> - 1.8880964279174805e+01 - - 1 2 654 1.2650000000000000e+02 0 -1 655 - 2.5000000000000000e+00 -2 -3 656 1.3500000000000000e+01 - - -7.5744998455047607e-01 2.8973925113677979e-01 - -5.4551291465759277e-01 8.2080578804016113e-01 - <_> - 1.8557128906250000e+01 - - 1 2 657 4.6500000000000000e+01 0 -1 658 1647. -2 -3 659 - 1.0500000000000000e+01 - - 1.0912799835205078e-01 -8.0168753862380981e-01 - 3.0439880490303040e-01 -3.2383540272712708e-01 - <_> - 1.9214336395263672e+01 - - 1 2 660 1.6085000000000000e+03 0 -1 661 - 2.0950000000000000e+02 -2 -3 662 2.9750000000000000e+02 - - -3.6497074365615845e-01 7.4361735582351685e-01 - 7.8719192743301392e-01 -1.0578166693449020e-02 - <_> - 1.9558198928833008e+01 - - 1 2 663 5.5000000000000000e+00 0 -1 664 141. -2 -3 665 - 1.2500000000000000e+01 - - 4.0406695008277893e-01 -7.0202612876892090e-01 - -4.2011860013008118e-01 6.0265243053436279e-01 - <_> - 1.9143066406250000e+01 - - 1 2 666 1.1500000000000000e+01 0 -1 667 - 8.5000000000000000e+00 -2 -3 668 2.1150000000000000e+02 - - -4.1513276100158691e-01 4.5337858796119690e-01 - 3.6399593949317932e-01 -7.8625452518463135e-01 - <_> - 1.9362360000610352e+01 - - 1 2 669 3.1500000000000000e+01 0 -1 670 - 3.5000000000000000e+00 -2 -3 671 1.5500000000000000e+01 - - -5.3197765350341797e-01 2.7408641576766968e-01 - -6.3501793146133423e-01 4.3600288033485413e-01 - <_> - 1.9299673080444336e+01 - - 1 2 672 3.5000000000000000e+00 0 -1 673 - 1.3500000000000000e+01 -2 -3 674 6918. - - -4.8876148462295532e-01 4.8771849274635315e-01 - -3.5163021087646484e-01 5.7008403539657593e-01 - <_> - 1.9273160934448242e+01 - - 1 2 675 4.2150000000000000e+02 0 -1 676 - 2.2035000000000000e+03 -2 -3 677 4125. - - -1. 4.3742546439170837e-01 -6.3171046972274780e-01 - -1.2324055656790733e-02 - <_> - 1.9674695968627930e+01 - - 1 2 678 5.0000000000000000e-01 0 -1 679 - 1.0500000000000000e+01 -2 -3 680 6.7150000000000000e+02 - - -2.4401791393756866e-01 5.4219561815261841e-01 - 4.5299509167671204e-01 -4.0972766280174255e-01 - <_> - 1.9536827087402344e+01 - - 1 2 681 80. 0 -1 682 9.5000000000000000e+00 -2 -3 683 - 1.1950000000000000e+02 - - 9.7771358489990234e-01 -1. -2.7852934598922729e-01 - 3.1141099333763123e-01 - <_> - 1.9679944992065430e+01 - - 1 2 684 5.5000000000000000e+00 0 -1 685 - 5.5000000000000000e+00 -2 -3 686 4.5000000000000000e+00 - - -3.4437903761863708e-01 4.5901042222976685e-01 - 1.4311666786670685e-01 -5.8588796854019165e-01 - <_> - 1.9943355560302734e+01 - - 1 2 687 2.9500000000000000e+01 0 -1 688 - 6.5000000000000000e+00 -2 -3 689 2.4500000000000000e+01 - - -5.8437657356262207e-01 2.6341116428375244e-01 - -6.2989181280136108e-01 2.0000371336936951e-01 - <_> - 1.9625724792480469e+01 - - 1 2 690 2.0850000000000000e+02 0 -1 691 - 2.3305000000000000e+03 -2 -3 692 866. - - -3.1762993335723877e-01 5.5581647157669067e-01 - 5.3226226568222046e-01 -4.7602936625480652e-01 - <_> - 1.9914857864379883e+01 - - 1 2 693 8.7850000000000000e+02 0 -1 694 - 6.5050000000000000e+02 -2 -3 695 1.2605000000000000e+03 - - 2.8913190960884094e-01 -8.0038177967071533e-01 - -7.6349312067031860e-01 1.2914163060486317e-02 - <_> - 2.0337768554687500e+01 - - 1 2 696 1.8500000000000000e+01 0 -1 697 51. -2 -3 698 - 5.0000000000000000e-01 - - 2.0884056389331818e-01 -6.6362190246582031e-01 - 4.8303022980690002e-01 -1.5653999149799347e-01 - <_> - 2.0547544479370117e+01 - - 1 2 699 5.5000000000000000e+00 0 -1 700 - 4.4500000000000000e+01 -2 -3 701 52. - - -5.9065473079681396e-01 2.0977459847927094e-01 - -7.6793259382247925e-01 5.2228933572769165e-01 - <_> - 2.0560253143310547e+01 - - 1 2 702 4.5000000000000000e+00 0 -1 703 - 2.4650000000000000e+02 -2 -3 704 4.8500000000000000e+01 - - 4.7756865620613098e-01 -6.9306534528732300e-01 - -4.7408469021320343e-02 -7.5790488719940186e-01 - <_> - 2.0091964721679688e+01 - - 1 2 705 3.8500000000000000e+01 0 -1 706 - 5.0000000000000000e-01 -2 -3 707 458. - - 4.1837117075920105e-01 -5.6005704402923584e-01 - -4.6829015016555786e-01 3.3648452162742615e-01 - <_> - 2.0445671081542969e+01 - - 1 2 708 4.5000000000000000e+00 0 -1 709 - 2.7895000000000000e+03 -2 -3 710 1.1500000000000000e+01 - - -3.6157336831092834e-01 3.5370638966560364e-01 - -5.6435430049896240e-01 6.2603580951690674e-01 - <_> - 2.0708145141601562e+01 - - 1 2 711 1.1245000000000000e+03 0 -1 712 - 4.5000000000000000e+00 -2 -3 713 1.4500000000000000e+01 - - -6.9924837350845337e-01 4.3067482113838196e-01 - -4.2009061574935913e-01 2.6247435808181763e-01 - <_> - 2.1024463653564453e+01 - - 1 2 714 5.5000000000000000e+00 0 -1 715 - 1.1500000000000000e+01 -2 -3 716 7.5000000000000000e+00 - - -8.0043709278106689e-01 3.1631988286972046e-01 - -5.1429873704910278e-01 2.7576768398284912e-01 - <_> - 2.0803630828857422e+01 - - 1 2 717 5.8750000000000000e+02 0 -1 718 3981. -2 -3 719 - 1.9550000000000000e+02 - - -5.4785442352294922e-01 7.9078370332717896e-01 - 6.8359661102294922e-01 -2.8464736416935921e-02 - <_> - 2.1062959671020508e+01 - - 1 2 720 2.5000000000000000e+00 0 -1 721 - 1.5000000000000000e+00 -2 -3 722 3.4050000000000000e+02 - - -6.4614498615264893e-01 7.4008464813232422e-01 - -2.5458994507789612e-01 4.7160488367080688e-01 - <_> - 2.1148992538452148e+01 - - 1 2 723 2.5000000000000000e+00 0 -1 724 - 1.9500000000000000e+01 -2 -3 725 1.1365000000000000e+03 - - -7.9459643363952637e-01 4.0373617410659790e-01 - 1.7909039556980133e-01 -4.8390582203865051e-01 - <_> - 2.1316343307495117e+01 - - 1 2 726 596. 0 -1 727 2.9500000000000000e+01 -2 -3 728 - 9.7500000000000000e+01 - - -3.1621825695037842e-01 2.6443120837211609e-01 - -7.2724926471710205e-01 3.8569703698158264e-01 - <_> - 2.1407173156738281e+01 - - 1 2 729 3.5000000000000000e+00 0 -1 730 - 1.2500000000000000e+01 -2 -3 731 1.6250000000000000e+02 - - -5.2135920524597168e-01 3.0805602669715881e-01 - -5.1675158739089966e-01 8.4476417303085327e-01 - <_> - 2.1468662261962891e+01 - - 1 2 732 2.5000000000000000e+00 0 -1 733 - 9.5000000000000000e+00 -2 -3 734 1.5000000000000000e+00 - - 4.6017938852310181e-01 -8.2636475563049316e-02 - 5.0263375043869019e-01 -6.4655619859695435e-01 - <_> - 2.1531848907470703e+01 - - 1 2 735 1.6500000000000000e+01 0 -1 736 - 1.5000000000000000e+00 -2 -3 737 132. - - 6.3187964260578156e-02 -4.6502736210823059e-01 - -5.3921943902969360e-01 6.6515022516250610e-01 - <_> - 2.1421955108642578e+01 - - 1 2 738 1.4500000000000000e+01 0 -1 739 - 5.5000000000000000e+00 -2 -3 740 4.5000000000000000e+00 - - 7.3170220851898193e-01 -7.9929661750793457e-01 - 4.2181393504142761e-01 -1.0989431291818619e-01 - <_> - 2.1327116012573242e+01 - - 1 2 741 3.5000000000000000e+00 0 -1 742 35. -2 -3 743 - 2.5000000000000000e+00 - - -8.3855998516082764e-01 4.6628227829933167e-01 - 4.7352400422096252e-01 -9.4839885830879211e-02 - <_> - 2.1836402893066406e+01 - - 1 2 744 1.7500000000000000e+01 0 -1 745 555. -2 -3 746 - 1.0500000000000000e+01 - - 9.3723833560943604e-01 -9.0897613763809204e-01 - -7.3575176298618317e-02 5.0928729772567749e-01 - <_> - 2.2053348541259766e+01 - - 1 2 747 5.0000000000000000e-01 0 -1 748 - 1.6500000000000000e+01 -2 -3 749 6.5850000000000000e+02 - - 3.9292082190513611e-01 -5.4508280754089355e-01 - -3.8765028119087219e-01 7.9302084445953369e-01 - <_> - 2.2000936508178711e+01 - - 1 2 750 1.2495000000000000e+03 0 -1 751 - 7.5650000000000000e+02 -2 -3 752 8.5000000000000000e+00 - - -8.3031547069549561e-01 6.1485505104064941e-01 - -7.2577434778213501e-01 -3.1862542033195496e-02 - <_> - 2.2258289337158203e+01 - - 1 2 753 1.7050000000000000e+02 0 -1 754 - 2.7500000000000000e+01 -2 -3 755 171. - - 2.5735321640968323e-01 -4.8002240061759949e-01 - -8.0062097311019897e-01 3.0654129385948181e-01 - <_> - 2.2328397750854492e+01 - - 1 2 756 1.2550000000000000e+02 0 -1 757 - 4.9850000000000000e+02 -2 -3 758 4.4150000000000000e+02 - - -5.5743676424026489e-01 7.0109486579895020e-02 - 4.4649991393089294e-01 -7.7318650484085083e-01 - <_> - 2.2216890335083008e+01 - - 1 2 759 6.5000000000000000e+00 0 -1 760 - 1.5000000000000000e+00 -2 -3 761 1.4500000000000000e+01 - - -5.4395025968551636e-01 3.0336576700210571e-01 - -7.8275823593139648e-01 1.5390900894999504e-02 - <_> - 2.2302726745605469e+01 - - 1 2 762 1.5000000000000000e+00 0 -1 763 - 5.7500000000000000e+01 -2 -3 764 2.0645000000000000e+03 - - 4.8738116025924683e-01 -3.1202495098114014e-01 - -4.3800228834152222e-01 2.9288199543952942e-01 - <_> - 2.2548938751220703e+01 - - 1 2 765 4.9500000000000000e+01 0 -1 766 - 3.8500000000000000e+01 -2 -3 767 5.1500000000000000e+01 - - 4.8418575525283813e-01 -6.1569869518280029e-01 - 2.4621097743511200e-01 -7.1180444955825806e-01 - <_> - 2.2475860595703125e+01 - - 1 2 768 4.5000000000000000e+00 0 -1 769 - 1.7850000000000000e+02 -2 -3 770 2.4500000000000000e+01 - - -6.3133555650711060e-01 3.8137707114219666e-01 - -3.6368274688720703e-01 6.6181749105453491e-01 - <_> - 2.2855289459228516e+01 - - 1 2 771 4284. 0 -1 772 1.0550000000000000e+02 -2 -3 773 - 2.6500000000000000e+01 - - -1.8270370364189148e-01 5.1926845312118530e-01 - -4.9393907189369202e-01 3.6390557885169983e-01 - <_> - 2.2716596603393555e+01 - - 1 2 774 4.5000000000000000e+00 0 -1 775 - 2.5500000000000000e+01 -2 -3 776 6.0350000000000000e+02 - - -5.2201086282730103e-01 4.4320568442344666e-01 - -4.9849912524223328e-01 2.6197108626365662e-01 - <_> - 2.2941522598266602e+01 - - 1 2 777 5.7850000000000000e+02 0 -1 778 - 6.8250000000000000e+02 -2 -3 779 2.6500000000000000e+01 - - -7.4641335010528564e-01 9.6406400203704834e-01 - 2.2492493689060211e-01 -7.7606719732284546e-01 - <_> - 2.3111333847045898e+01 - - 1 2 780 2.9650000000000000e+02 0 -1 781 - 9.5000000000000000e+00 -2 -3 782 4.2500000000000000e+01 - - -6.2134265899658203e-01 1.6981208324432373e-01 - -8.7735611200332642e-01 6.5406101942062378e-01 - <_> - 2.3225652694702148e+01 - - 1 2 783 5.0000000000000000e-01 0 -1 784 - 3.5000000000000000e+00 -2 -3 785 1.1050000000000000e+02 - - 4.8261573910713196e-01 -1.2186601758003235e-01 - -6.2313985824584961e-01 1.7973627150058746e-01 - <_> - 2.3488880157470703e+01 - - 1 2 786 5.0000000000000000e-01 0 -1 787 - 2.5000000000000000e+00 -2 -3 788 4.1500000000000000e+01 - - -8.2940989732742310e-01 4.9927219748497009e-01 - -5.5514144897460938e-01 4.2520754039287567e-02 - <_> - 2.3246582031250000e+01 - - 1 2 789 1.7500000000000000e+01 0 -1 790 - 3.5000000000000000e+00 -2 -3 791 3.7500000000000000e+01 - - 2.3804731667041779e-01 -3.6675044894218445e-01 - -7.8130763769149780e-01 4.6650439500808716e-01 - <_> - 2.3027326583862305e+01 - - 1 2 792 2.0450000000000000e+02 0 -1 793 - 6.4350000000000000e+02 -2 -3 794 1.0050000000000000e+02 - - 6.1607003211975098e-01 -3.5964947938919067e-01 - 6.6453498601913452e-01 -1.7912100255489349e-01 - <_> - 2.3406442642211914e+01 - - 1 2 795 5.0000000000000000e-01 0 -1 796 - 6.5000000000000000e+00 -2 -3 797 5.0000000000000000e-01 - - -8.2512348890304565e-01 3.7911432981491089e-01 - 3.5871699452400208e-01 -4.4794848561286926e-01 - <_> - 2.3616649627685547e+01 - - 1 2 798 2.8500000000000000e+01 0 -1 799 - 4.7450000000000000e+02 -2 -3 800 2.9250000000000000e+02 - - 6.9855457544326782e-01 -7.0031523704528809e-01 - 2.1020780503749847e-01 -7.6559376716613770e-01 - <_> - 2.4126110076904297e+01 - - 1 2 801 2.7500000000000000e+01 0 -1 802 - 6.5000000000000000e+00 -2 -3 803 4.0500000000000000e+01 - - -2.3670162260532379e-01 5.7600808143615723e-01 - 7.9060065746307373e-01 -6.8735271692276001e-01 - <_> - 2.4140369415283203e+01 - - 1 2 804 5.0000000000000000e-01 0 -1 805 - 5.0000000000000000e-01 -2 -3 806 4.5000000000000000e+00 - - -9.1332882642745972e-01 5.2299410104751587e-01 - -7.9110765457153320e-01 -2.8204634785652161e-02 - <_> - 2.4360799789428711e+01 - - 1 2 807 4.5000000000000000e+00 0 -1 808 - 1.3185000000000000e+03 -2 -3 809 5.3500000000000000e+01 - - -8.1156605482101440e-01 2.2043134272098541e-01 - 2.7905371785163879e-01 -7.4440413713455200e-01 - <_> - 2.4109243392944336e+01 - - 1 2 810 1.3500000000000000e+01 0 -1 811 - 5.0000000000000000e-01 -2 -3 812 4.4500000000000000e+01 - - 2.3124285042285919e-01 -6.3171100616455078e-01 - -8.5163635015487671e-01 3.0160894989967346e-01 - <_> - 2.4255434036254883e+01 - - 1 2 813 1.5650000000000000e+02 0 -1 814 - 3.5000000000000000e+00 -2 -3 815 4.3500000000000000e+01 - - -7.0664036273956299e-01 1.4619015157222748e-01 - -7.6265025138854980e-01 9.5157426595687866e-01 - <_> - 2.4288377761840820e+01 - - 1 2 816 8.3850000000000000e+02 0 -1 817 - 1.6815000000000000e+03 -2 -3 818 3.7500000000000000e+01 - - -1.9312603771686554e-01 7.6522910594940186e-01 - -5.9187997132539749e-02 -8.7799388170242310e-01 - <_> - 2.4200824737548828e+01 - - 1 2 819 2.3685000000000000e+03 0 -1 820 - 6.4500000000000000e+01 -2 -3 821 2218. - - -2.3894232511520386e-01 3.3463284373283386e-01 - 9.7570341825485229e-01 -1. - <_> - 2.4393486022949219e+01 - - 1 2 822 1.5000000000000000e+00 0 -1 823 - 6.2500000000000000e+01 -2 -3 824 5.0000000000000000e-01 - - 3.8941594958305359e-01 -6.3870257139205933e-01 - 2.9708841443061829e-01 -4.5916315913200378e-01 - <_> - 2.3864915847778320e+01 - - 1 2 825 5.8500000000000000e+01 0 -1 826 - 5.0000000000000000e-01 -2 -3 827 5.0550000000000000e+02 - - 1.0665965825319290e-01 -5.2857077121734619e-01 - 4.3078324198722839e-01 -6.8552410602569580e-01 - <_> - 2.4371673583984375e+01 - - 1 2 828 4.6500000000000000e+01 0 -1 829 - 2.8500000000000000e+01 -2 -3 830 2.5000000000000000e+00 - - -4.6691280603408813e-01 9.4536936283111572e-01 - 5.0675743818283081e-01 -7.4976824223995209e-02 - <_> - 2.4283998489379883e+01 - - 1 2 831 8.5000000000000000e+00 0 -1 832 - 4.5000000000000000e+00 -2 -3 833 5.0000000000000000e-01 - - 1.1491531878709793e-01 -5.4051393270492554e-01 - 5.9726655483245850e-01 -8.7674349546432495e-02 - <_> - 2.4178682327270508e+01 - - 1 2 834 2.4500000000000000e+01 0 -1 835 31. -2 -3 836 - 2.5000000000000000e+00 - - -1.4163693785667419e-01 -8.9226043224334717e-01 - 4.4437414407730103e-01 -1.0531529039144516e-01 - <_> - 2.4790372848510742e+01 - - 1 2 837 2.5500000000000000e+01 0 -1 838 - 3.3050000000000000e+02 -2 -3 839 5.0000000000000000e-01 - - -6.6818559169769287e-01 9.3957829475402832e-01 - 6.1168950796127319e-01 -2.6481609791517258e-02 - <_> - 2.4897542953491211e+01 - - 1 2 840 5.0000000000000000e-01 0 -1 841 - 5.0000000000000000e-01 -2 -3 842 2407. - - -3.7540107965469360e-01 5.3918349742889404e-01 - 4.6452194452285767e-01 -4.5957338809967041e-01 - <_> - 2.5076763153076172e+01 - - 1 2 843 228. 0 -1 844 182. -2 -3 845 3.3500000000000000e+01 - - 1.7922003567218781e-01 -6.3466674089431763e-01 - -9.4654053449630737e-01 1. - <_> - 2.5344453811645508e+01 - - 1 2 846 2.1050000000000000e+02 0 -1 847 950. -2 -3 848 - 6.5000000000000000e+00 - - 3.8418850302696228e-01 -3.3828052878379822e-01 - -9.4338703155517578e-01 5.6358563899993896e-01 - <_> - 2.5327934265136719e+01 - - 1 2 849 5.7850000000000000e+02 0 -1 850 2721. -2 -3 851 - 5.7950000000000000e+02 - - -7.7749001979827881e-01 7.9369461536407471e-01 - 6.1001539230346680e-01 -3.9780076593160629e-02 - <_> - 2.5586107254028320e+01 - - 1 2 852 1.5500000000000000e+01 0 -1 853 - 5.0000000000000000e-01 -2 -3 854 7.5000000000000000e+00 - - 6.5170124173164368e-02 -8.7068217992782593e-01 - 3.4386867284774780e-01 -3.1679311394691467e-01 - <_> - 2.5956110000610352e+01 - - 1 2 855 4.1250000000000000e+02 0 -1 856 - 9.5000000000000000e+00 -2 -3 857 1.2500000000000000e+01 - - -9.4299390912055969e-02 4.5086464285850525e-01 - 2.8941693902015686e-01 -7.5506448745727539e-01 - <_> - 2.5679136276245117e+01 - - 1 2 858 1.5500000000000000e+01 0 -1 859 - 3.5500000000000000e+01 -2 -3 860 1.5500000000000000e+01 - - 5.7768863439559937e-01 -9.8376011848449707e-01 - 2.2712181508541107e-01 -3.7263166904449463e-01 - <_> - 2.5702135086059570e+01 - - 1 2 861 5.2500000000000000e+01 0 -1 862 - 1.1305000000000000e+03 -2 -3 863 213. - - 2.2998491302132607e-02 -5.8967226743698120e-01 - 6.5218383073806763e-01 -8.2674098014831543e-01 - <_> - 2.5561569213867188e+01 - - 1 2 864 5.5500000000000000e+01 0 -1 865 - 9.5000000000000000e+00 -2 -3 866 3.1350000000000000e+02 - - 2.0403856039047241e-01 -5.6006175279617310e-01 - -1.6610753536224365e-01 5.0708794593811035e-01 - <_> - 2.5522092819213867e+01 - - 1 2 867 5.0000000000000000e-01 0 -1 868 5. -2 -3 869 - 3.8500000000000000e+01 - - -5.3519564867019653e-01 5.9799957275390625e-01 - -6.4083904027938843e-01 8.0231800675392151e-03 - <_> - 2.5928745269775391e+01 - - 1 2 870 2.7500000000000000e+01 0 -1 871 - 6.5000000000000000e+00 -2 -3 872 3.4500000000000000e+01 - - 6.7719250917434692e-01 1.6834596171975136e-02 - -4.1419923305511475e-01 4.9665707349777222e-01 - <_> - 2.5877567291259766e+01 - - 1 2 873 4.2500000000000000e+01 0 -1 874 - 1.5000000000000000e+00 -2 -3 875 1.2500000000000000e+01 - - 7.5778728723526001e-01 -6.9553768634796143e-01 - 5.8824920654296875e-01 -5.1177542656660080e-02 - <_> - 2.6253459930419922e+01 - - 1 2 876 2.0450000000000000e+02 0 -1 877 - 5.5000000000000000e+00 -2 -3 878 2.0750000000000000e+02 - - 1.4472042024135590e-01 -5.3407484292984009e-01 - 5.5299741029739380e-01 -2.1952067315578461e-01 - <_> - 2.5972379684448242e+01 - - 1 2 879 5.0000000000000000e-01 0 -1 880 - 9.2500000000000000e+01 -2 -3 881 2.8150000000000000e+02 - - -4.9287506937980652e-01 4.8725369572639465e-01 - 2.1028327941894531e-01 -4.5818585157394409e-01 - <_> - 2.6239015579223633e+01 - - 1 2 882 3.3450000000000000e+02 0 -1 883 - 2.9500000000000000e+01 -2 -3 884 1.9500000000000000e+01 - - -2.7773824334144592e-01 2.6663535833358765e-01 - 9.2568081617355347e-01 -1. - <_> - 2.6405815124511719e+01 - - 1 2 885 7.5000000000000000e+00 0 -1 886 - 1.5500000000000000e+01 -2 -3 887 2.9500000000000000e+01 - - -1.3278310000896454e-01 5.4445451498031616e-01 - -4.4695791602134705e-01 5.7305967807769775e-01 - <_> - 2.6828212738037109e+01 - - 1 2 888 3.1750000000000000e+02 0 -1 889 - 8.5000000000000000e+00 -2 -3 890 1.9950000000000000e+02 - - 5.8375543355941772e-01 -1.7268431186676025e-01 - -6.6015034914016724e-01 4.4744126498699188e-02 - <_> - 2.7001083374023438e+01 - - 1 2 891 7.4500000000000000e+01 0 -1 892 - 9.5000000000000000e+00 -2 -3 893 1.0500000000000000e+01 - - -7.7140247821807861e-01 1.7287059128284454e-01 - -9.5679062604904175e-01 2.9170122742652893e-01 - <_> - 2.6600372314453125e+01 - - 1 2 894 5.0000000000000000e-01 0 -1 895 - 1.5000000000000000e+00 -2 -3 896 1.5000000000000000e+00 - - -6.1320728063583374e-01 3.7253630161285400e-01 - 5.1001715660095215e-01 -4.2740473151206970e-01 - <_> - 2.6939287185668945e+01 - - 1 2 897 742. 0 -1 898 1.5000000000000000e+00 -2 -3 899 - 4.6500000000000000e+01 - - 6.4842426776885986e-01 -6.8702745437622070e-01 - 5.3773084655404091e-03 7.0070070028305054e-01 - <_> - 2.7120637893676758e+01 - - 1 2 900 4.7500000000000000e+01 0 -1 901 - 2.1500000000000000e+01 -2 -3 902 155. - - -2.1175275743007660e-01 3.5446098446846008e-01 - 3.6745795607566833e-01 -7.7352613210678101e-01 - <_> - 2.6940479278564453e+01 - - 1 2 903 5.5000000000000000e+00 0 -1 904 - 5.0000000000000000e-01 -2 -3 905 5.0000000000000000e-01 - - -4.2342516779899597e-01 4.6100237965583801e-01 - 7.2207629680633545e-02 -5.1426035165786743e-01 - <_> - 2.6880437850952148e+01 - - 1 2 906 4.1050000000000000e+02 0 -1 907 - 3.5000000000000000e+00 -2 -3 908 1.0185000000000000e+03 - - 7.6362460851669312e-01 -2.9716432094573975e-01 - 6.9237434864044189e-01 -6.0041967779397964e-02 - <_> - 2.6966255187988281e+01 - - 1 2 909 5.0000000000000000e-01 0 -1 910 28. -2 -3 911 - 2.5000000000000000e+00 - - -7.3636984825134277e-01 8.9863502979278564e-01 - 5.1865053176879883e-01 -1.0253517329692841e-01 - <_> - 2.7442039489746094e+01 - - 1 2 912 2.3500000000000000e+01 0 -1 913 - 2.5000000000000000e+00 -2 -3 914 550. - - 1.5000563859939575e-01 -4.6704238653182983e-01 - -6.6705381870269775e-01 4.7578340768814087e-01 - <_> - 2.7651542663574219e+01 - - 1 2 915 2.0050000000000000e+02 0 -1 916 - 2.5000000000000000e+00 -2 -3 917 3.5000000000000000e+00 - - -6.6723048686981201e-01 2.0950356125831604e-01 - 3.3526617288589478e-01 -7.9762780666351318e-01 - <_> - 2.7623653411865234e+01 - - 1 2 918 8.5000000000000000e+00 0 -1 919 - 5.5000000000000000e+00 -2 -3 920 5.5000000000000000e+00 - - -8.1512671709060669e-01 1.2574225664138794e-01 - 4.8598203063011169e-01 -1.5266139805316925e-01 - <_> - 2.7450769424438477e+01 - - 1 2 921 5.5000000000000000e+00 0 -1 922 - 6.5000000000000000e+00 -2 -3 923 5.0000000000000000e-01 - - -2.1216700971126556e-01 5.0396865606307983e-01 - 5.1462185382843018e-01 -4.5113617181777954e-01 - <_> - 2.7734930038452148e+01 - - 1 2 924 644. 0 -1 925 1.1500000000000000e+01 -2 -3 926 - 1.2050000000000000e+02 - - 2.5870633125305176e-01 -8.3483195304870605e-01 - -6.0892283916473389e-01 2.8416162729263306e-01 - <_> - 2.7435287475585938e+01 - - 1 2 927 2.5000000000000000e+00 0 -1 928 - 1.5000000000000000e+00 -2 -3 929 658. - - -9.0528321266174316e-01 5.4103326797485352e-01 - -2.9964354634284973e-01 4.7055888175964355e-01 - <_> - 2.7890865325927734e+01 - - 1 2 930 2.6065000000000000e+03 0 -1 931 - 3.0950000000000000e+02 -2 -3 932 3.6500000000000000e+01 - - -1.2102564424276352e-01 4.5557883381843567e-01 - -9.6796959638595581e-01 4.1553020477294922e-01 - <_> - 2.7985542297363281e+01 - - 1 2 933 1.2535000000000000e+03 0 -1 934 - 6.4950000000000000e+02 -2 -3 935 4.1650000000000000e+02 - - 6.4220869541168213e-01 -4.2341175675392151e-01 - 5.5095940828323364e-01 -3.7539717555046082e-01 - <_> - 2.8142776489257812e+01 - - 1 2 936 5.0000000000000000e-01 0 -1 937 - 4.5000000000000000e+00 -2 -3 938 3.7500000000000000e+01 - - -3.2875818014144897e-01 4.3458873033523560e-01 - -5.8713775873184204e-01 1.6683255136013031e-01 - <_> - 2.8195165634155273e+01 - - 1 2 939 7.7450000000000000e+02 0 -1 940 - 2.5000000000000000e+00 -2 -3 941 7.9250000000000000e+02 - - 3.3088469505310059e-01 -7.3728382587432861e-01 - 4.7910848259925842e-01 -1.5558865666389465e-01 - <_> - 2.8348829269409180e+01 - - 1 2 942 2.2850000000000000e+02 0 -1 943 - 2.7500000000000000e+01 -2 -3 944 5.2500000000000000e+01 - - -9.7540810704231262e-02 4.9717679619789124e-01 - -8.4607970714569092e-01 3.1448280811309814e-01 - <_> - 2.8368389129638672e+01 - - 1 2 945 5.5000000000000000e+00 0 -1 946 - 5.5000000000000000e+00 -2 -3 947 5.0000000000000000e-01 - - -7.9352790117263794e-01 4.7426006197929382e-01 - 3.1184694170951843e-01 -3.9333003759384155e-01 - <_> - 2.8678846359252930e+01 - - 1 2 948 9.5500000000000000e+01 0 -1 949 - 1.3250000000000000e+02 -2 -3 950 85. - - 8.9399956166744232e-02 -7.3296272754669189e-01 - -7.4362647533416748e-01 3.2927182316780090e-01 - <_> - 2.8603195190429688e+01 - - 1 2 951 2.3500000000000000e+01 0 -1 952 - 5.5000000000000000e+00 -2 -3 953 1.5500000000000000e+01 - - 2.9263785481452942e-01 -2.7861267328262329e-01 - 2.4879254400730133e-02 -8.7280374765396118e-01 - <_> - 2.8429206848144531e+01 - - 1 2 954 5.0000000000000000e-01 0 -1 955 - 7.5000000000000000e+00 -2 -3 956 1.1050000000000000e+02 - - -4.9112609028816223e-01 4.5099055767059326e-01 - -6.6482228040695190e-01 3.8441817741841078e-03 - <_> - 2.8728115081787109e+01 - - 1 2 957 4.5000000000000000e+00 0 -1 958 - 3.0500000000000000e+01 -2 -3 959 9.5000000000000000e+00 - - 3.4782031178474426e-01 -4.3692314624786377e-01 - -5.0424945354461670e-01 4.8909524083137512e-01 - <_> - 2.9034227371215820e+01 - - 1 2 960 8.5000000000000000e+00 0 -1 961 1313. -2 -3 962 - 7.5000000000000000e+00 - - 4.1847491264343262e-01 -7.2316378355026245e-01 - 5.3542798757553101e-01 -6.9837749004364014e-02 - <_> - 2.9042299270629883e+01 - - 1 2 963 8.2350000000000000e+02 0 -1 964 - 6.1500000000000000e+01 -2 -3 965 1.0848500000000000e+04 - - -2.7015477418899536e-01 2.4192942678928375e-01 - 9.2728316783905029e-01 -1. - <_> - 2.9266605377197266e+01 - - 1 2 966 3.5500000000000000e+01 0 -1 967 - 1.1500000000000000e+01 -2 -3 968 474. - - 3.2317626476287842e-01 -2.3886755108833313e-01 - -9.2069733142852783e-01 9.9993713200092316e-02 - <_> - 2.9196119308471680e+01 - - 1 2 969 1.5000000000000000e+00 0 -1 970 50. -2 -3 971 - 4.5000000000000000e+00 - - -8.8119459152221680e-01 1.5396067500114441e-01 - 3.5588577389717102e-01 -1.8907056748867035e-01 - <_> - 2.8916269302368164e+01 - - 1 2 972 2.7500000000000000e+01 0 -1 973 78. -2 -3 974 - 1.4750000000000000e+02 - - 9.6468514204025269e-01 -2.7984911203384399e-01 - 5.2942144870758057e-01 -5.4215109348297119e-01 - <_> - 2.9137155532836914e+01 - - 1 2 975 2.3500000000000000e+01 0 -1 976 - 5.7850000000000000e+02 -2 -3 977 2.9250000000000000e+02 - - 2.3396319150924683e-01 -8.4364879131317139e-01 - -3.0435711145401001e-01 3.2314890623092651e-01 - <_> - 2.9115297317504883e+01 - - 1 2 978 5.0000000000000000e-01 0 -1 979 - 3.9550000000000000e+02 -2 -3 980 5.5000000000000000e+00 - - 3.9777445793151855e-01 -7.7888238430023193e-01 - -4.1580772399902344e-01 3.4073171019554138e-01 - <_> - 2.9551794052124023e+01 - - 1 2 981 1.8785000000000000e+03 0 -1 982 - 5.9715000000000000e+03 -2 -3 983 6.4250000000000000e+02 - - -1.2244975566864014e-01 6.9085955619812012e-01 - -5.9161955118179321e-01 2.9289481043815613e-01 - <_> - 2.9916490554809570e+01 - - 1 2 984 3.6500000000000000e+01 0 -1 985 - 5.5000000000000000e+00 -2 -3 986 6.5000000000000000e+00 - - -8.7442290782928467e-01 9.8645307123661041e-02 - 4.4346800446510315e-01 -1.5005703270435333e-01 - <_> - 2.9763261795043945e+01 - - 1 2 987 3.2500000000000000e+01 0 -1 988 - 1.0500000000000000e+01 -2 -3 989 4.6500000000000000e+01 - - -3.8456574082374573e-01 3.4571200609207153e-01 - 5.5213904380798340e-01 -5.1309728622436523e-01 - <_> - 3.0075271606445312e+01 - - 1 2 990 5.5000000000000000e+00 0 -1 991 3216. -2 -3 992 57. - - 3.7469649314880371e-01 -7.7058547735214233e-01 - -6.3845652341842651e-01 4.0090378373861313e-02 - <_> - 3.0020376205444336e+01 - - 1 2 993 6.6650000000000000e+02 0 -1 994 - 1.5000000000000000e+00 -2 -3 995 1.6650000000000000e+02 - - 6.1095565557479858e-01 -6.7465776205062866e-01 - 2.2271032631397247e-01 -8.2703709602355957e-01 - <_> - 2.9878087997436523e+01 - - 1 2 996 5.5000000000000000e+00 0 -1 997 - 1.1500000000000000e+01 -2 -3 998 6.2500000000000000e+01 - - -4.6279782056808472e-01 1.8749718368053436e-01 - 6.7090582847595215e-01 -1.3304303586483002e-01 - <_> - 2.9944360733032227e+01 - - 1 2 999 1.5000000000000000e+00 0 -1 1000 - 2.5000000000000000e+00 -2 -3 1001 2.5000000000000000e+00 - - -1. 4.3671074509620667e-01 6.6273018717765808e-02 - -5.3205168247222900e-01 - <_> - 2.9942871093750000e+01 - - 1 2 1002 5.5000000000000000e+00 0 -1 1003 - 3.7450000000000000e+02 -2 -3 1004 4.5000000000000000e+00 - - 6.1623644828796387e-01 -4.8089489340782166e-01 - 5.9936344623565674e-01 -3.1623546034097672e-02 - <_> - 3.0450216293334961e+01 - - 1 2 1005 7.8750000000000000e+02 0 -1 1006 - 6.7550000000000000e+02 -2 -3 1007 7.0250000000000000e+02 - - -4.9125915765762329e-01 5.5245697498321533e-01 - 5.0734555721282959e-01 -1.7348597943782806e-01 - <_> - 3.0483926773071289e+01 - - 1 2 1008 2.2350000000000000e+02 0 -1 1009 - 5.5000000000000000e+00 -2 -3 1010 2.4500000000000000e+01 - - 5.1597571372985840e-01 -3.2840871810913086e-01 - -4.1519615054130554e-01 3.1820172071456909e-01 - <_> - 3.0558099746704102e+01 - - 1 2 1011 4.8500000000000000e+01 0 -1 1012 - 5.5000000000000000e+00 -2 -3 1013 2.0500000000000000e+01 - - 7.4174232780933380e-02 -6.8477684259414673e-01 - -9.2985051870346069e-01 3.0161842703819275e-01 - <_> - 3.0625425338745117e+01 - - 1 2 1014 1.8500000000000000e+01 0 -1 1015 - 9.3500000000000000e+01 -2 -3 1016 1.4050000000000000e+02 - - -8.1940811872482300e-01 2.9973128437995911e-01 - 7.6479032635688782e-02 -6.5602862834930420e-01 - <_> - 3.0697441101074219e+01 - - 1 2 1017 3.7500000000000000e+01 0 -1 1018 - 2.1500000000000000e+01 -2 -3 1019 5804. - - -4.4756698608398438e-01 2.7423384785652161e-01 - -6.8169790506362915e-01 2.0900464057922363e-01 - <_> - 3.0949892044067383e+01 - - 1 2 1020 5.0000000000000000e-01 0 -1 1021 - 5.5000000000000000e+00 -2 -3 1022 4.5000000000000000e+00 - - -6.4901775121688843e-01 2.5245016813278198e-01 - 2.4039171636104584e-01 -6.1729639768600464e-01 - <_> - 3.0929098129272461e+01 - - 1 2 1023 5.0000000000000000e-01 0 -1 1024 - 6.5000000000000000e+00 -2 -3 1025 1.4500000000000000e+01 - - -3.9928469061851501e-01 5.0110679864883423e-01 - -7.4043375253677368e-01 -4.4123314321041107e-02 - <_> - 3.1333951950073242e+01 - - 1 2 1026 6.5000000000000000e+00 0 -1 1027 - 2.1500000000000000e+01 -2 -3 1028 3.9500000000000000e+01 - - -5.8101430535316467e-02 6.1747199296951294e-01 - 2.6098625734448433e-02 -6.9707942008972168e-01 - <_> - 3.1116010665893555e+01 - - 1 2 1029 2.0150000000000000e+02 0 -1 1030 - 5.0000000000000000e-01 -2 -3 1031 2.8750000000000000e+02 - - 2.9852050542831421e-01 -4.3055999279022217e-01 - 6.7561793327331543e-01 -8.7017469108104706e-02 - <_> - 3.1032897949218750e+01 - - 1 2 1032 8.5000000000000000e+00 0 -1 1033 - 3.5000000000000000e+00 -2 -3 1034 2.3500000000000000e+01 - - -8.2436734437942505e-01 7.9362380504608154e-01 - 3.3129659295082092e-01 -2.2134104371070862e-01 - <_> - 3.0731082916259766e+01 - - 1 2 1035 1.5500000000000000e+01 0 -1 1036 - 1.5000000000000000e+00 -2 -3 1037 2.0500000000000000e+01 - - 5.2363544702529907e-01 -8.2277619838714600e-01 - 3.4363475441932678e-01 -3.0181473493576050e-01 - <_> - 3.1582773208618164e+01 - - 1 2 1038 2.3500000000000000e+01 0 -1 1039 256. -2 -3 1040 - 1245. - - 4.0018074214458466e-02 -5.4246288537979126e-01 - -7.1379941701889038e-01 8.5168963670730591e-01 - <_> - 3.0922315597534180e+01 - - 1 2 1041 1.1500000000000000e+01 0 -1 1042 - 9.7500000000000000e+01 -2 -3 1043 4.2050000000000000e+02 - - 3.3170649409294128e-01 -6.6045612096786499e-01 - -1.4949633181095123e-01 5.1487708091735840e-01 - <_> - 3.0648450851440430e+01 - - 1 2 1044 5.7750000000000000e+02 0 -1 1045 - 5.0000000000000000e-01 -2 -3 1046 3.8250000000000000e+02 - - 4.8874342441558838e-01 -8.4576064348220825e-01 - 6.7698836326599121e-01 -6.0642462223768234e-02 - <_> - 3.0702632904052734e+01 - - 1 2 1047 2.2500000000000000e+01 0 -1 1048 - 1.2950000000000000e+02 -2 -3 1049 3.5650000000000000e+02 - - 5.4180499166250229e-02 -5.0506794452667236e-01 - 7.7279126644134521e-01 -4.4330042600631714e-01 - <_> - 3.1123544692993164e+01 - - 1 2 1050 2.1500000000000000e+01 0 -1 1051 - 1.8500000000000000e+01 -2 -3 1052 5.9500000000000000e+01 - - -3.4420540928840637e-01 5.7321655750274658e-01 - 4.2091187834739685e-01 -6.6199111938476562e-01 - <_> - 3.0851852416992188e+01 - - 1 2 1053 1.5000000000000000e+00 0 -1 1054 - 4.5000000000000000e+00 -2 -3 1055 5.0000000000000000e-01 - - -8.3376497030258179e-01 5.1961439847946167e-01 - 1.9672468304634094e-01 -3.8548988103866577e-01 - <_> - 3.1271551132202148e+01 - - 1 2 1056 5.5000000000000000e+00 0 -1 1057 - 1.5000000000000000e+00 -2 -3 1058 3.2500000000000000e+01 - - 1.9125646352767944e-01 -4.8435854911804199e-01 - 6.1247032880783081e-01 -2.2513453662395477e-01 - <_> - 3.1481870651245117e+01 - - 1 2 1059 2.6500000000000000e+01 0 -1 1060 160. -2 -3 1061 - 1.5000000000000000e+00 - - 5.5120378732681274e-01 -7.5941944122314453e-01 - 4.1089880466461182e-01 -1.3137997686862946e-01 - <_> - 3.1036325454711914e+01 - - 1 2 1062 1.5500000000000000e+01 0 -1 1063 - 1.4500000000000000e+01 -2 -3 1064 2.1500000000000000e+01 - - 3.4304007887840271e-02 -6.1823207139968872e-01 - -2.7733555436134338e-01 6.1952215433120728e-01 - <_> - 3.1423891067504883e+01 - - 1 2 1065 2.5450000000000000e+02 0 -1 1066 - 1.2500000000000000e+01 -2 -3 1067 1.4500000000000000e+01 - - 4.7979310154914856e-01 -9.3194240331649780e-01 - -1.1963248252868652e-01 4.4283005595207214e-01 - <_> - 3.0981994628906250e+01 - - 1 2 1068 4.5000000000000000e+00 0 -1 1069 - 1.5000000000000000e+00 -2 -3 1070 5.0000000000000000e-01 - - -7.1386426687240601e-01 3.3223813772201538e-01 - 5.5634075403213501e-01 -4.5681276917457581e-01 - <_> - 3.1151826858520508e+01 - - 1 2 1071 8.3500000000000000e+01 0 -1 1072 - 6.5000000000000000e+00 -2 -3 1073 32. - - -6.9022941589355469e-01 1.6983160376548767e-01 - -7.8779727220535278e-01 1. - <_> - 3.1287761688232422e+01 - - 1 2 1074 4.2250000000000000e+02 0 -1 1075 - 1.6785000000000000e+03 -2 -3 1076 3.4085000000000000e+03 - - -2.1672263741493225e-01 7.0122992992401123e-01 - -5.5317509174346924e-01 1.3593602180480957e-01 - <_> - 3.1590259552001953e+01 - - 1 2 1077 3.1150000000000000e+02 0 -1 1078 - 1.1500000000000000e+01 -2 -3 1079 1.5000000000000000e+00 - - -4.2860367894172668e-01 3.0249705910682678e-01 - 8.6132842302322388e-01 -5.9583419561386108e-01 - <_> - 3.1790189743041992e+01 - - 1 2 1080 9.3500000000000000e+01 0 -1 1081 - 8.5000000000000000e+00 -2 -3 1082 2.5000000000000000e+00 - - -8.5307538509368896e-01 1.9993139803409576e-01 - 5.2050822973251343e-01 -7.1924048662185669e-01 - <_> - 3.1949237823486328e+01 - - 1 2 1083 1.5000000000000000e+00 0 -1 1084 - 1.8500000000000000e+01 -2 -3 1085 4.7500000000000000e+01 - - -8.7075895071029663e-01 4.1160404682159424e-01 - -4.2329508066177368e-01 3.9578995108604431e-01 - <_> - 3.1551105499267578e+01 - - 1 2 1086 5.0000000000000000e-01 0 -1 1087 - 7.1500000000000000e+01 -2 -3 1088 5.0000000000000000e-01 - - 4.7251659631729126e-01 -6.8467688560485840e-01 - 3.0512693524360657e-01 -3.9813303947448730e-01 - <_> - 3.1931394577026367e+01 - - 1 2 1089 1.9150000000000000e+02 0 -1 1090 - 4.5000000000000000e+00 -2 -3 1091 7.6950000000000000e+02 - - 1.9683115184307098e-01 -5.8899974822998047e-01 - -6.5470945835113525e-01 3.8028964400291443e-01 - <_> - 3.2017967224121094e+01 - - 1 2 1092 7.5000000000000000e+00 0 -1 1093 - 2.8500000000000000e+01 -2 -3 1094 3.7500000000000000e+01 - - 2.7054101228713989e-01 -5.6520724296569824e-01 - -6.2938737869262695e-01 8.6574614048004150e-02 - <_> - 3.2285461425781250e+01 - - 1 2 1095 5.8750000000000000e+02 0 -1 1096 - 5.0000000000000000e-01 -2 -3 1097 1.5500000000000000e+01 - - 1.0511577874422073e-01 -6.9365251064300537e-01 - -6.4478015899658203e-01 2.6749077439308167e-01 - <_> - 3.2811119079589844e+01 - - 1 2 1098 2.1500000000000000e+01 0 -1 1099 - 4.1500000000000000e+01 -2 -3 1100 559. - - -2.0592536032199860e-01 3.7386643886566162e-01 - 7.8755700588226318e-01 -6.8481349945068359e-01 - <_> - 3.2689319610595703e+01 - - 1 2 1101 5.7550000000000000e+02 0 -1 1102 - 3.5000000000000000e+00 -2 -3 1103 9.6500000000000000e+01 - - 3.9178147912025452e-01 -1.2180019915103912e-01 - -9.6077018976211548e-01 -1.4056563377380371e-01 - <_> - 3.2619079589843750e+01 - - 1 2 1104 2.5000000000000000e+00 0 -1 1105 43. -2 -3 1106 - 2.5000000000000000e+00 - - -8.9122837781906128e-01 4.5819079875946045e-01 - 5.5948436260223389e-01 -7.0240341126918793e-02 - <_> - 3.3039958953857422e+01 - - 1 2 1107 2.3955000000000000e+03 0 -1 1108 - 1.2535000000000000e+03 -2 -3 1109 4.0405000000000000e+03 - - 2.9499965906143188e-01 -2.6054748892784119e-01 - 9.8911577463150024e-01 -1. - <_> - 3.3041172027587891e+01 - - 1 2 1110 2.0850000000000000e+02 0 -1 1111 - 2.7500000000000000e+01 -2 -3 1112 4.5000000000000000e+00 - - -6.7137396335601807e-01 1.2141949264332652e-03 - 6.0118967294692993e-01 -2.0657041668891907e-01 - <_> - 3.2776119232177734e+01 - - 1 2 1113 3.5000000000000000e+00 0 -1 1114 - 6.5000000000000000e+00 -2 -3 1115 3.0500000000000000e+01 - - -2.2868818044662476e-01 5.7510751485824585e-01 - -3.6484047770500183e-01 5.1262056827545166e-01 - <_> - 3.2935546875000000e+01 - - 1 2 1116 5.0000000000000000e-01 0 -1 1117 - 2.5000000000000000e+00 -2 -3 1118 5.0000000000000000e-01 - - -7.3760849237442017e-01 4.5924603939056396e-01 - 1.5942642092704773e-01 -4.6601155400276184e-01 - <_> - 3.2656055450439453e+01 - - 1 2 1119 3.3500000000000000e+01 0 -1 1120 - 3.4500000000000000e+01 -2 -3 1121 3.9150000000000000e+02 - - -2.7949050068855286e-01 3.4181603789329529e-01 - 7.1765547990798950e-01 -7.6309484243392944e-01 - <_> - 3.2747634887695312e+01 - - 1 2 1122 2.5000000000000000e+00 0 -1 1123 - 2.5000000000000000e+00 -2 -3 1124 3.5250000000000000e+02 - - -7.4318218231201172e-01 5.3260874748229980e-01 - -5.0913441181182861e-01 9.1580078005790710e-02 - <_> - 3.3188011169433594e+01 - - 1 2 1125 5.6500000000000000e+01 0 -1 1126 - 3.2500000000000000e+01 -2 -3 1127 3.9500000000000000e+01 - - -6.4126682281494141e-01 4.9496468901634216e-01 - -3.9145907759666443e-01 4.4037669897079468e-01 - <_> - 3.3416931152343750e+01 - - 1 2 1128 7.0500000000000000e+01 0 -1 1129 - 1.1500000000000000e+01 -2 -3 1130 9.5000000000000000e+00 - - -3.8201475143432617e-01 2.2891646623611450e-01 - -8.5659736394882202e-01 6.1013686656951904e-01 - <_> - 3.3275886535644531e+01 - - 1 2 1131 4.0500000000000000e+01 0 -1 1132 - 1.9500000000000000e+01 -2 -3 1133 1.3500000000000000e+01 - - 2.6871705055236816e-01 -6.3255614042282104e-01 - 2.3965831100940704e-01 -6.3516211509704590e-01 - <_> - 3.3399391174316406e+01 - - 1 2 1134 5.5000000000000000e+00 0 -1 1135 - 8.5000000000000000e+00 -2 -3 1136 3.0500000000000000e+01 - - -6.6200548410415649e-01 1.5101595222949982e-01 - -7.6606094837188721e-01 2.5947886705398560e-01 - <_> - 3.3559207916259766e+01 - - 1 2 1137 6.5000000000000000e+00 0 -1 1138 - 8.2500000000000000e+01 -2 -3 1139 1.6500000000000000e+01 - - 7.6681274175643921e-01 -6.3294899463653564e-01 - -5.5192285776138306e-01 2.3842744529247284e-02 - <_> - 3.3856239318847656e+01 - - 1 2 1140 1.0500000000000000e+01 0 -1 1141 - 1.7350000000000000e+02 -2 -3 1142 2.7550000000000000e+02 - - 2.9703170061111450e-01 -5.5057585239410400e-01 - -6.4888852834701538e-01 1.1229314655065536e-01 - <_> - 3.3721168518066406e+01 - - 1 2 1143 3.5000000000000000e+00 0 -1 1144 126. -2 -3 1145 - 2.5000000000000000e+00 - - 9.2471975088119507e-01 -7.2330892086029053e-01 - 3.9742922782897949e-01 -1.3506934046745300e-01 - <_> - 3.4096935272216797e+01 - - 1 2 1146 2.3500000000000000e+01 0 -1 1147 - 1.9500000000000000e+01 -2 -3 1148 6.6500000000000000e+01 - - -5.5066823959350586e-01 3.2355815172195435e-01 - 3.7576669454574585e-01 -2.6415929198265076e-01 - <_> - 3.4108264923095703e+01 - - 1 2 1149 1.5000000000000000e+00 0 -1 1150 - 6.5000000000000000e+00 -2 -3 1151 5.0500000000000000e+01 - - -9.7412526607513428e-01 5.2388346195220947e-01 - -4.9519532918930054e-01 1.9004400074481964e-01 - <_> - 3.3904502868652344e+01 - - 1 2 1152 7.7250000000000000e+02 0 -1 1153 77. -2 -3 1154 - 4.8350000000000000e+02 - - -6.9026130437850952e-01 8.2613104581832886e-01 - 6.4011102914810181e-01 -8.1689134240150452e-02 - <_> - 3.4277988433837891e+01 - - 1 2 1155 5.0000000000000000e-01 0 -1 1156 - 7.3150000000000000e+02 -2 -3 1157 5.0000000000000000e-01 - - 4.5011767745018005e-01 -2.4998305737972260e-01 - 8.2632339000701904e-01 -4.2073485255241394e-01 - <_> - 3.4078739166259766e+01 - - 1 2 1158 2.0950000000000000e+02 0 -1 1159 - 1.6755000000000000e+03 -2 -3 1160 6.1815000000000000e+03 - - -2.7588048577308655e-01 9.5124208927154541e-01 - 6.4596521854400635e-01 -3.6611458659172058e-01 - <_> - 3.4438789367675781e+01 - - 1 2 1161 1.5500000000000000e+01 0 -1 1162 - 2.1500000000000000e+01 -2 -3 1163 4.4500000000000000e+01 - - -3.0783519148826599e-01 3.6005032062530518e-01 - 4.5609518885612488e-01 -6.2639898061752319e-01 - <_> - 3.4638523101806641e+01 - - 1 2 1164 3.1500000000000000e+01 0 -1 1165 - 7.5000000000000000e+00 -2 -3 1166 3.2350000000000000e+02 - - -9.4682770967483521e-01 1.9973398745059967e-01 - -6.2348783016204834e-01 6.9902861118316650e-01 - <_> - 3.4201782226562500e+01 - - 1 2 1167 7.5000000000000000e+00 0 -1 1168 - 1.5000000000000000e+00 -2 -3 1169 1.2500000000000000e+01 - - 3.3168455958366394e-01 -4.3674397468566895e-01 - -6.4757126569747925e-01 2.0459994673728943e-01 - <_> - 3.4516929626464844e+01 - - 1 2 1170 1.6500000000000000e+01 0 -1 1171 - 5.0000000000000000e-01 -2 -3 1172 675. - - 2.3890937864780426e-01 -5.7110768556594849e-01 - 3.1514799594879150e-01 -1. - <_> - 3.4619071960449219e+01 - - 1 2 1173 8.6500000000000000e+01 0 -1 1174 - 4.5000000000000000e+00 -2 -3 1175 1.7500000000000000e+01 - - 7.6261973381042480e-01 -8.6133646965026855e-01 -1. - 1.0214501619338989e-01 - <_> - 3.4869640350341797e+01 - - 1 2 1176 5.0000000000000000e-01 0 -1 1177 - 1.2315000000000000e+03 -2 -3 1178 5.0000000000000000e-01 - - 3.7597665190696716e-01 -6.9864195585250854e-01 - 2.0625047385692596e-01 -4.8068267107009888e-01 - <_> - 3.5086204528808594e+01 - - 1 2 1179 1.6500000000000000e+01 0 -1 1180 - 8.3500000000000000e+01 -2 -3 1181 7.5000000000000000e+00 - - 1.4784654974937439e-01 -8.3145272731781006e-01 - -6.7620545625686646e-01 2.1656262874603271e-01 - <_> - 3.4877140045166016e+01 - - 1 2 1182 5.0000000000000000e-01 0 -1 1183 - 3.5000000000000000e+00 -2 -3 1184 969. - - -6.4537084102630615e-01 2.7460998296737671e-01 - -5.3607624769210815e-01 2.8266566991806030e-01 - <_> - 3.5179489135742188e+01 - - 1 2 1185 1.5000000000000000e+00 0 -1 1186 - 7.2500000000000000e+01 -2 -3 1187 3.1500000000000000e+01 - - 9.7988271713256836e-01 -5.9574514627456665e-01 - -1.8132425844669342e-01 5.5573570728302002e-01 - <_> - 3.5144893646240234e+01 - - 1 2 1188 5.0000000000000000e-01 0 -1 1189 - 2.6500000000000000e+01 -2 -3 1190 8.1650000000000000e+02 - - -4.2640584707260132e-01 5.2214205265045166e-01 - 8.3740442991256714e-01 -2.8797909617424011e-01 - <_> - 3.5558689117431641e+01 - - 1 2 1191 5.0000000000000000e-01 0 -1 1192 - 2.6500000000000000e+01 -2 -3 1193 1.2500000000000000e+01 - - -4.3793568015098572e-01 4.1379487514495850e-01 - 1.8940502405166626e-01 -5.4046261310577393e-01 - <_> - 3.5233970642089844e+01 - - 1 2 1194 4.7500000000000000e+01 0 -1 1195 - 8.5000000000000000e+00 -2 -3 1196 338. - - 1.5260761976242065e-01 -4.2628118395805359e-01 - 5.9790462255477905e-01 -5.5013555288314819e-01 - <_> - 3.5332725524902344e+01 - - 1 2 1197 5.0000000000000000e-01 0 -1 1198 - 3.6500000000000000e+01 -2 -3 1199 1.7500000000000000e+01 - - -6.2585823237895966e-02 6.3506704568862915e-01 - -3.5257333517074585e-01 5.9659516811370850e-01 - <_> - 3.5257114410400391e+01 - - 1 2 1200 3.5000000000000000e+00 0 -1 1201 - 7.5000000000000000e+00 -2 -3 1202 1.8500000000000000e+01 - - -9.3612766265869141e-01 3.4692686796188354e-01 - 5.0016778707504272e-01 -7.5611986219882965e-02 - <_> - 3.5595767974853516e+01 - - 1 2 1203 1.0500000000000000e+01 0 -1 1204 - 1.8500000000000000e+01 -2 -3 1205 1.5000000000000000e+00 - - -9.5243799686431885e-01 7.0761454105377197e-01 - 3.3865371346473694e-01 -1.8447074294090271e-01 - <_> - 3.5873832702636719e+01 - - 1 2 1206 1.6350000000000000e+02 0 -1 1207 - 9.1500000000000000e+01 -2 -3 1208 19. - - -1.3119605183601379e-01 4.0907257795333862e-01 - -8.4312802553176880e-01 9.1352003812789917e-01 - <_> - 3.6231769561767578e+01 - - 1 2 1209 4.5000000000000000e+00 0 -1 1210 - 1.5000000000000000e+00 -2 -3 1211 2.0500000000000000e+01 - - -4.6025198698043823e-01 3.4153524041175842e-01 - -5.0537836551666260e-01 3.5793614387512207e-01 - <_> - 3.6177539825439453e+01 - - 1 2 1212 1.5500000000000000e+01 0 -1 1213 - 4.5000000000000000e+00 -2 -3 1214 5.8650000000000000e+02 - - -3.4014788269996643e-01 3.7431231141090393e-01 - -8.9153337478637695e-01 -8.3685964345932007e-02 - <_> - 3.5921119689941406e+01 - - 1 2 1215 5.0000000000000000e-01 0 -1 1216 - 8.5500000000000000e+01 -2 -3 1217 3.3350000000000000e+02 - - 7.2648537158966064e-01 -8.4184181690216064e-01 - -2.5641769170761108e-01 5.9225118160247803e-01 - <_> - 3.5762935638427734e+01 - - 1 2 1218 5.0695000000000000e+03 0 -1 1219 - 4.1865000000000000e+03 -2 -3 1220 1.8500000000000000e+01 - - -1.5818408131599426e-01 7.5127458572387695e-01 - -4.1771730780601501e-01 1.6759181022644043e-01 - <_> - 3.6343830108642578e+01 - - 1 2 1221 5.5000000000000000e+00 0 -1 1222 161. -2 -3 1223 - 5.5000000000000000e+00 - - -7.1770183742046356e-02 -8.2580149173736572e-01 - 6.3310110569000244e-01 -1.1210992932319641e-02 - <_> - 3.6239753723144531e+01 - - 1 2 1224 2.9500000000000000e+01 0 -1 1225 - 2.2500000000000000e+01 -2 -3 1226 2.5000000000000000e+00 - - -5.7685142755508423e-01 5.9265869855880737e-01 - 5.8708161115646362e-01 -1.0407686233520508e-01 - <_> - 3.6570693969726562e+01 - - 1 2 1227 2.6050000000000000e+02 0 -1 1228 - 5.1500000000000000e+01 -2 -3 1229 194. - - -1.3848701119422913e-01 3.8530793786048889e-01 - -9.9199587106704712e-01 7.3519229888916016e-01 - <_> - 3.6172859191894531e+01 - - 1 2 1230 4.5000000000000000e+00 0 -1 1231 2985. -2 -3 1232 - 4.1050000000000000e+02 - - 7.0713436603546143e-01 -7.4149054288864136e-01 - -3.9783236384391785e-01 1.8219061195850372e-01 - <_> - 3.6474601745605469e+01 - - 1 2 1233 7.2850000000000000e+02 0 -1 1234 - 1.0500000000000000e+01 -2 -3 1235 9.5000000000000000e+00 - - -8.5275667905807495e-01 3.0174070596694946e-01 - 5.2034640312194824e-01 -4.9349766969680786e-01 - <_> - 3.6498180389404297e+01 - - 1 2 1236 4.8500000000000000e+01 0 -1 1237 - 9.5000000000000000e+00 -2 -3 1238 4.5000000000000000e+00 - - 7.8738486766815186e-01 -7.6111316680908203e-01 - 5.0128465890884399e-01 -1.1157950758934021e-01 - <_> - 3.6698276519775391e+01 - - 1 2 1239 2.8850000000000000e+02 0 -1 1240 - 2.0500000000000000e+01 -2 -3 1241 1.2805000000000000e+03 - - -4.7094190120697021e-01 2.0009694993495941e-01 1. - -9.3752562999725342e-01 - <_> - 3.6857143402099609e+01 - - 1 2 1242 3.5000000000000000e+00 0 -1 1243 2854. -2 -3 1244 - 5.0000000000000000e-01 - - 4.4445955753326416e-01 -6.2877982854843140e-01 - 2.8415599465370178e-01 -4.0654498338699341e-01 - <_> - 3.6661224365234375e+01 - - 1 2 1245 6.3850000000000000e+02 0 -1 1246 - 1.3500000000000000e+01 -2 -3 1247 2.5000000000000000e+00 - - -2.8753396868705750e-01 4.5057922601699829e-01 - -9.3399870395660400e-01 6.8900948762893677e-01 - <_> - 3.7027565002441406e+01 - - 1 2 1248 1.1500000000000000e+01 0 -1 1249 - 3.5000000000000000e+00 -2 -3 1250 482. - - -8.2890731096267700e-01 3.8032263517379761e-01 - -6.3736891746520996e-01 2.2181304171681404e-02 - <_> - 3.7302738189697266e+01 - - 1 2 1251 1.5000000000000000e+00 0 -1 1252 - 6.5000000000000000e+00 -2 -3 1253 2.1500000000000000e+01 - - -8.7263113260269165e-01 2.7517196536064148e-01 - -6.8864667415618896e-01 -1.0606539435684681e-02 - <_> - 3.7514694213867188e+01 - - 1 2 1254 5.0000000000000000e-01 0 -1 1255 - 1.6555000000000000e+03 -2 -3 1256 2.5500000000000000e+01 - - 5.4653161764144897e-01 -3.8731038570404053e-01 - -2.6684281229972839e-01 5.9316390752792358e-01 - <_> - 3.7565513610839844e+01 - - 1 2 1257 5.7450000000000000e+02 0 -1 1258 - 2.9450000000000000e+02 -2 -3 1259 3.4500000000000000e+01 - - -7.9943376779556274e-01 1. 3.4340542554855347e-01 - -2.2570419311523438e-01 - <_> - 3.7413349151611328e+01 - - 1 2 1260 189. 0 -1 1261 5.0000000000000000e-01 -2 -3 1262 - 2.0500000000000000e+01 - - 7.8168439865112305e-01 -8.3374607563018799e-01 - -1.9817931950092316e-01 3.6079603433609009e-01 - <_> - 3.7554840087890625e+01 - - 1 2 1263 298. 0 -1 1264 3022. -2 -3 1265 - 1.9350000000000000e+02 - - -1.1193416081368923e-02 8.7101829051971436e-01 - 2.1728983521461487e-01 -4.2951995134353638e-01 - <_> - 3.7603076934814453e+01 - - 1 2 1266 1.1500000000000000e+01 0 -1 1267 - 2.5000000000000000e+00 -2 -3 1268 1.0050000000000000e+02 - - 1.7867322266101837e-01 -4.2928701639175415e-01 - 5.2659392356872559e-01 -6.2002837657928467e-01 - <_> - 3.7885494232177734e+01 - - 1 2 1269 1.4500000000000000e+01 0 -1 1270 - 2.5000000000000000e+00 -2 -3 1271 8.0500000000000000e+01 - - 1.8106105923652649e-01 -7.7528846263885498e-01 - -5.8309614658355713e-01 2.8241708874702454e-01 - <_> - 3.7499431610107422e+01 - - 1 2 1272 3.5500000000000000e+01 0 -1 1273 - 2.5000000000000000e+00 -2 -3 1274 7.5000000000000000e+00 - - -9.1437792778015137e-01 5.1539105176925659e-01 - -3.8606551289558411e-01 3.3163914084434509e-01 - <_> - 3.7937980651855469e+01 - - 1 2 1275 1.3500000000000000e+01 0 -1 1276 - 1.4500000000000000e+01 -2 -3 1277 7.9500000000000000e+01 - - -7.2145909070968628e-02 6.0647141933441162e-01 - -6.2856364250183105e-01 8.6137987673282623e-02 - <_> - 3.8185783386230469e+01 - - 1 2 1278 1.4500000000000000e+01 0 -1 1279 73. -2 -3 1280 - 1.0500000000000000e+01 - - -9.4152975082397461e-01 1. 2.4780233204364777e-01 - -4.0907081961631775e-01 - <_> - 3.7849395751953125e+01 - - 1 2 1281 5.0000000000000000e-01 0 -1 1282 - 4.5000000000000000e+00 -2 -3 1283 5.0000000000000000e-01 - - -5.0824928283691406e-01 5.6237548589706421e-01 - 5.4402673244476318e-01 -3.3638605475425720e-01 - <_> - 3.8386943817138672e+01 - - 1 2 1284 2.0450000000000000e+02 0 -1 1285 - 6.7250000000000000e+02 -2 -3 1286 1.2385000000000000e+03 - - 3.9266860485076904e-01 -3.8152101635932922e-01 - 5.9661215543746948e-01 -3.8554838299751282e-01 - <_> - 3.8467891693115234e+01 - - 1 2 1287 5.5000000000000000e+00 0 -1 1288 - 9.0500000000000000e+01 -2 -3 1289 1.5000000000000000e+00 - - 2.1883549168705940e-02 -6.2764549255371094e-01 - 7.0444834232330322e-01 -4.4701110571622849e-02 - <_> - 3.8550418853759766e+01 - - 1 2 1290 2.8350000000000000e+02 0 -1 1291 - 1.4500000000000000e+01 -2 -3 1292 58. - - -8.5395231842994690e-02 5.9592086076736450e-01 - 9.0824156999588013e-01 -8.9943450689315796e-01 - <_> - 3.8631130218505859e+01 - - 1 2 1293 2.5000000000000000e+00 0 -1 1294 - 9.5000000000000000e+00 -2 -3 1295 5.5000000000000000e+00 - - -3.6073815822601318e-01 5.3091663122177124e-01 - 1.6989825665950775e-01 -4.6344351768493652e-01 - <_> - 3.8474849700927734e+01 - - 1 2 1296 5.7750000000000000e+02 0 -1 1297 - 1.9250000000000000e+02 -2 -3 1298 2.6195000000000000e+03 - - -8.1247472763061523e-01 2.9322347044944763e-01 - 3.5261180996894836e-01 -2.4546836316585541e-01 - <_> - 3.8279983520507812e+01 - - 1 2 1299 4.4500000000000000e+01 0 -1 1300 1096. -2 -3 1301 - 5.0000000000000000e-01 - - 6.6110774874687195e-02 -7.6391810178756714e-01 - 5.6174814701080322e-01 -7.3350854218006134e-02 - <_> - 3.8626735687255859e+01 - - 1 2 1302 3.4350000000000000e+02 0 -1 1303 - 5.0000000000000000e-01 -2 -3 1304 7.1750000000000000e+02 - - 3.5977458953857422e-01 -2.1690338850021362e-01 - 9.9256932735443115e-01 -1. - <_> - 3.8572544097900391e+01 - - 1 2 1305 1.1500000000000000e+01 0 -1 1306 - 1.2500000000000000e+01 -2 -3 1307 5.0000000000000000e-01 - - -9.2809075117111206e-01 8.5182946920394897e-01 - 4.9062111973762512e-01 -5.4192960262298584e-02 - <_> - 3.8948635101318359e+01 - - 1 2 1308 4.2550000000000000e+02 0 -1 1309 - 7.6500000000000000e+01 -2 -3 1310 8986. - - -4.5830437541007996e-01 1.6672098636627197e-01 - 7.7317571640014648e-01 -2.2485339641571045e-01 - <_> - 3.9342456817626953e+01 - - 1 2 1311 6.9500000000000000e+01 0 -1 1312 - 3.5500000000000000e+01 -2 -3 1313 1.0545000000000000e+03 - - -1.2714000418782234e-02 6.2372517585754395e-01 - -5.7864826917648315e-01 5.6230723857879639e-01 - <_> - 3.9216064453125000e+01 - - 1 2 1314 5.2750000000000000e+02 0 -1 1315 - 1.9048500000000000e+04 -2 -3 1316 4.5000000000000000e+00 - - -1. 7.7397161722183228e-01 1.6222594678401947e-01 - -3.9657172560691833e-01 - <_> - 3.9446334838867188e+01 - - 1 2 1317 3.5000000000000000e+00 0 -1 1318 - 6.3500000000000000e+01 -2 -3 1319 288. - - 3.8338693976402283e-01 -9.0452802181243896e-01 - -5.4537796974182129e-01 2.3026967048645020e-01 - <_> - 3.9339183807373047e+01 - - 1 2 1320 1.1500000000000000e+01 0 -1 1321 - 5.0000000000000000e-01 -2 -3 1322 3472. - - 3.7719848752021790e-01 -2.7750793099403381e-01 - -7.6843172311782837e-01 3.3132901880890131e-03 - <_> - 3.9513347625732422e+01 - - 1 2 1323 2.1500000000000000e+01 0 -1 1324 - 4.5000000000000000e+00 -2 -3 1325 1.1500000000000000e+01 - - 1.7416687309741974e-01 -4.6917149424552917e-01 - 5.5244189500808716e-01 -4.0332382917404175e-01 - <_> - 3.9441356658935547e+01 - - 1 2 1326 2.5500000000000000e+01 0 -1 1327 - 5.0000000000000000e-01 -2 -3 1328 4.5000000000000000e+00 - - 1.5569829940795898e-01 -8.3738613128662109e-01 - 5.1308917999267578e-01 -9.2380218207836151e-02 - <_> - 3.9830265045166016e+01 - - 1 2 1329 6.8500000000000000e+01 0 -1 1330 - 1.2500000000000000e+01 -2 -3 1331 2043. - - -1.6650912165641785e-01 3.8890799880027771e-01 - -8.0130118131637573e-01 8.2459330558776855e-01 - <_> - 3.9304054260253906e+01 - - 1 2 1332 5.0000000000000000e-01 0 -1 1333 3671. -2 -3 1334 - 3.8850000000000000e+02 - - 4.6532985568046570e-01 -4.4042190909385681e-01 - -5.5587589740753174e-01 1.3195018470287323e-01 - <_> - 3.9642890930175781e+01 - - 1 2 1335 8.5000000000000000e+00 0 -1 1336 - 2.1500000000000000e+01 -2 -3 1337 4.7350000000000000e+02 - - -5.9328550100326538e-01 3.3883699774742126e-01 - -6.9553929567337036e-01 1.5794724225997925e-01 - <_> - 3.9908969879150391e+01 - - 1 2 1338 5.5000000000000000e+00 0 -1 1339 - 1.3500000000000000e+01 -2 -3 1340 1.7500000000000000e+01 - - -6.7269146442413330e-01 2.6607844233512878e-01 - 6.0325987637042999e-02 -6.9073736667633057e-01 - <_> - 3.9898288726806641e+01 - - 1 2 1341 2.5950000000000000e+02 0 -1 1342 - 1.5500000000000000e+01 -2 -3 1343 1467. - - -7.4252463877201080e-02 6.0873824357986450e-01 - 8.6466276645660400e-01 -9.0673094987869263e-01 - <_> - 4.0200969696044922e+01 - - 1 2 1344 2.2500000000000000e+01 0 -1 1345 - 2.5000000000000000e+00 -2 -3 1346 9.5000000000000000e+00 - - -6.9203126430511475e-01 3.0267745256423950e-01 - 5.9105551242828369e-01 -5.3770178556442261e-01 - <_> - 4.0379238128662109e+01 - - 1 2 1347 2.9500000000000000e+01 0 -1 1348 - 8.3450000000000000e+02 -2 -3 1349 2.5000000000000000e+00 - - 3.7345203757286072e-01 -8.9355528354644775e-01 - 5.5846959352493286e-01 -5.8389563113451004e-02 - <_> - 4.0466419219970703e+01 - - 1 2 1350 3.1150000000000000e+02 0 -1 1351 - 5.0000000000000000e-01 -2 -3 1352 43. - - 3.1653991341590881e-01 -4.0619984269142151e-01 - -9.6266198158264160e-01 5.1727998256683350e-01 - <_> - 4.0718650817871094e+01 - - 1 2 1353 2.6150000000000000e+02 0 -1 1354 98. -2 -3 1355 - 8.5000000000000000e+00 - - -5.2089494466781616e-01 2.5222977995872498e-01 - -6.5091305971145630e-01 5.5701977014541626e-01 - <_> - 4.0246669769287109e+01 - - 1 2 1356 5.0000000000000000e-01 0 -1 1357 - 7.5000000000000000e+00 -2 -3 1358 2.0850000000000000e+02 - - -7.2299337387084961e-01 5.0567185878753662e-01 - -4.7197958827018738e-01 2.6619127392768860e-01 - <_> - 4.0419990539550781e+01 - - 1 2 1359 5.4705000000000000e+03 0 -1 1360 - 5.4750000000000000e+02 -2 -3 1361 1.5750000000000000e+02 - - 1.7332153022289276e-01 -6.0361874103546143e-01 - -9.6441686153411865e-01 1. - <_> - 4.1056423187255859e+01 - - 1 2 1362 5.0000000000000000e-01 0 -1 1363 - 3.5000000000000000e+00 -2 -3 1364 7.8350000000000000e+02 - - 6.3643354177474976e-01 -8.3072267472743988e-02 - -3.8505536317825317e-01 5.1825720071792603e-01 - <_> - 4.0787433624267578e+01 - - 1 2 1365 8.5000000000000000e+00 0 -1 1366 - 4.1250000000000000e+02 -2 -3 1367 3.0850000000000000e+02 - - -2.2618213668465614e-02 -7.3404783010482788e-01 - 5.4074966907501221e-01 -6.5069526433944702e-01 - <_> - 4.0980438232421875e+01 - - 1 2 1368 1.0750000000000000e+02 0 -1 1369 - 4.5500000000000000e+01 -2 -3 1370 1.5500000000000000e+01 - - 2.9288902878761292e-01 -7.8175473213195801e-01 - 4.1299736499786377e-01 -2.0014704763889313e-01 - <_> - 4.0946659088134766e+01 - - 1 2 1371 2.2500000000000000e+01 0 -1 1372 - 1.6500000000000000e+01 -2 -3 1373 2.5000000000000000e+00 - - -6.0043293237686157e-01 2.2489283978939056e-01 - 5.3942525386810303e-01 -1.2392763793468475e-01 - <_> - 4.0625984191894531e+01 - - 1 2 1374 5.8450000000000000e+02 0 -1 1375 3981. -2 -3 1376 - 3.8850000000000000e+02 - - -6.5919399261474609e-01 7.3984676599502563e-01 - 6.0902094841003418e-01 -5.9394266456365585e-02 - <_> - 4.1078342437744141e+01 - - 1 2 1377 1.5000000000000000e+00 0 -1 1378 - 9.5000000000000000e+00 -2 -3 1379 2.5000000000000000e+00 - - -9.4205194711685181e-01 5.8499878644943237e-01 - 4.5235899090766907e-01 -1.7015253007411957e-01 - <_> - 4.1278953552246094e+01 - - 1 2 1380 2.7950000000000000e+02 0 -1 1381 - 2.7950000000000000e+02 -2 -3 1382 7572. - - -1.0575494915246964e-01 7.5965499877929688e-01 - -5.6243377923965454e-01 1.3653093576431274e-01 - <_> - 4.1171962738037109e+01 - - 1 2 1383 5.5000000000000000e+00 0 -1 1384 - 8.6950000000000000e+02 -2 -3 1385 3.5000000000000000e+00 - - 3.1256729364395142e-01 -4.9650138616561890e-01 - 5.3703850507736206e-01 -1.0799391567707062e-01 - <_> - 4.1153244018554688e+01 - - 1 2 1386 1.5000000000000000e+00 0 -1 1387 - 8.5000000000000000e+00 -2 -3 1388 1.4500000000000000e+01 - - -1.8950442969799042e-01 5.2447348833084106e-01 - -4.3827834725379944e-01 3.5529047250747681e-01 - <_> - 4.1464454650878906e+01 - - 1 2 1389 2.7500000000000000e+01 0 -1 1390 - 3.1500000000000000e+01 -2 -3 1391 4.5000000000000000e+00 - - -3.4287273883819580e-01 3.1121128797531128e-01 - 2.0723707973957062e-01 -7.9717916250228882e-01 - <_> - 4.1779788970947266e+01 - - 1 2 1392 1.5000000000000000e+00 0 -1 1393 - 1.8265000000000000e+03 -2 -3 1394 2.8650000000000000e+02 - - 8.0022591352462769e-01 -2.8835564851760864e-01 - 3.1533339619636536e-01 -3.5018000006675720e-01 - <_> - 4.2194210052490234e+01 - - 1 2 1395 2.2500000000000000e+01 0 -1 1396 - 2.2500000000000000e+01 -2 -3 1397 7.5000000000000000e+00 - - 7.3232901096343994e-01 -7.3244142532348633e-01 - 3.6955040693283081e-01 -2.0323853194713593e-01 - <_> - 4.1935131072998047e+01 - - 1 2 1398 9.4500000000000000e+01 0 -1 1399 - 4.0500000000000000e+01 -2 -3 1400 2.2500000000000000e+01 - - 1.9609075784683228e-01 -4.6288254857063293e-01 - 6.2146210670471191e-01 -3.8049280643463135e-01 - <_> - 4.2215938568115234e+01 - - 1 2 1401 2.9500000000000000e+01 0 -1 1402 - 5.0000000000000000e-01 -2 -3 1403 1.0500000000000000e+01 - - 3.9385579526424408e-02 -7.3405563831329346e-01 - -5.1055783033370972e-01 2.8080457448959351e-01 - <_> - 4.2273452758789062e+01 - - 1 2 1404 4.5450000000000000e+02 0 -1 1405 - 5.8750000000000000e+02 -2 -3 1406 9.5000000000000000e+00 - - -3.3196282386779785e-01 2.5219461321830750e-01 - 7.2692161798477173e-01 -8.5374397039413452e-01 - <_> - 4.2540458679199219e+01 - - 1 2 1407 1.5000000000000000e+00 0 -1 1408 - 1.0500000000000000e+01 -2 -3 1409 3.7950000000000000e+02 - - -5.1572650671005249e-01 2.6700666546821594e-01 - 5.4633575677871704e-01 -6.4842927455902100e-01 - <_> - 4.2285171508789062e+01 - - 1 2 1410 4.5000000000000000e+00 0 -1 1411 - 4.8500000000000000e+01 -2 -3 1412 1.1500000000000000e+01 - - -4.3229374289512634e-01 5.2580875158309937e-01 - -3.8174706697463989e-01 6.1482822895050049e-01 - <_> - 4.2519309997558594e+01 - - 1 2 1413 1.2500000000000000e+01 0 -1 1414 - 7.5000000000000000e+00 -2 -3 1415 3.7500000000000000e+01 - - -6.5897458791732788e-01 2.3413842916488647e-01 - -6.6297173500061035e-01 9.3680036067962646e-01 - <_> - 4.2602912902832031e+01 - - 1 2 1416 2.7850000000000000e+02 0 -1 1417 - 6.7750000000000000e+02 -2 -3 1418 6.5750000000000000e+02 - - -5.7975625991821289e-01 6.0615879297256470e-01 - -4.7606697678565979e-01 1.9234745204448700e-01 - <_> - 4.2477813720703125e+01 - - 1 2 1419 3.5000000000000000e+00 0 -1 1420 - 5.0000000000000000e-01 -2 -3 1421 9.6750000000000000e+02 - - -1. 5.3890687227249146e-01 -2.7986538410186768e-01 - 5.5624389648437500e-01 - <_> - 4.2815971374511719e+01 - - 1 2 1422 2.5000000000000000e+00 0 -1 1423 3470. -2 -3 1424 - 1.3150000000000000e+02 - - 3.3815622329711914e-01 -6.8323451280593872e-01 - -5.7661479711532593e-01 1.8929332494735718e-01 - <_> - 4.2939407348632812e+01 - - 1 2 1425 1835. 0 -1 1426 1485. -2 -3 1427 - 5.0000000000000000e-01 - - -9.3249452114105225e-01 8.5018444061279297e-01 - 1.2343621253967285e-01 -4.1629931330680847e-01 - <_> - 4.2931537628173828e+01 - - 1 2 1428 6.5000000000000000e+00 0 -1 1429 - 9.5000000000000000e+00 -2 -3 1430 8.3500000000000000e+01 - - -5.8253604173660278e-01 2.3116320371627808e-01 - 4.4566446542739868e-01 -2.5381112098693848e-01 - <_> - 4.2532341003417969e+01 - - 1 2 1431 801. 0 -1 1432 1.4500000000000000e+01 -2 -3 1433 - 2.2500000000000000e+01 - - 2.3233406245708466e-01 -8.8682103157043457e-01 - 2.7638220787048340e-01 -3.9919924736022949e-01 - <_> - 4.2818271636962891e+01 - - 1 2 1434 3.3500000000000000e+01 0 -1 1435 - 5.0000000000000000e-01 -2 -3 1436 5.5000000000000000e+00 - - 2.6199400424957275e-01 -7.7381122112274170e-01 - 3.9374157786369324e-01 -1.9156071543693542e-01 - <_> - 4.3225166320800781e+01 - - 1 2 1437 3.0650000000000000e+02 0 -1 1438 - 3.5000000000000000e+00 -2 -3 1439 2.2750000000000000e+02 - - 1.6485489904880524e-01 -5.3608208894729614e-01 - 4.0689289569854736e-01 -6.9017094373703003e-01 - <_> - 4.3414455413818359e+01 - - 1 2 1440 4.9500000000000000e+01 0 -1 1441 - 3.2550000000000000e+02 -2 -3 1442 7.5500000000000000e+01 - - -7.2704082727432251e-01 9.2259776592254639e-01 - 1.8928927183151245e-01 -7.1190369129180908e-01 - <_> - 4.3530220031738281e+01 - - 1 2 1443 8.5000000000000000e+00 0 -1 1444 - 5.5000000000000000e+00 -2 -3 1445 33. - - -2.6097178459167480e-01 3.5981386899948120e-01 - 5.5373930931091309e-01 -5.9446001052856445e-01 - <_> - 4.3589599609375000e+01 - - 1 2 1446 1.7500000000000000e+01 0 -1 1447 - 1.5000000000000000e+00 -2 -3 1448 7.1500000000000000e+01 - - -8.9150971174240112e-01 4.0421536564826965e-01 - -5.9817147254943848e-01 1.3356564939022064e-01 - <_> - 4.3756496429443359e+01 - - 1 2 1449 2.7150000000000000e+02 0 -1 1450 - 3.1500000000000000e+01 -2 -3 1451 7.5000000000000000e+00 - - -7.5597035884857178e-01 7.5368809700012207e-01 - 2.0741133391857147e-01 -3.4641715884208679e-01 - <_> - 4.4184627532958984e+01 - - 1 2 1452 3.4445000000000000e+03 0 -1 1453 - 1.3500000000000000e+01 -2 -3 1454 7.5000000000000000e+00 - - -3.4672267735004425e-02 6.4763146638870239e-01 - -5.8406358957290649e-01 9.5271444320678711e-01 - <_> - 4.4115615844726562e+01 - - 1 2 1455 351. 0 -1 1456 5.5000000000000000e+00 -2 -3 1457 - 1.3150000000000000e+02 - - 1. -9.0385907888412476e-01 5.6236469745635986e-01 - -6.9008864462375641e-02 - <_> - 4.3778049468994141e+01 - - 1 2 1458 2.1950000000000000e+02 0 -1 1459 - 1.7500000000000000e+01 -2 -3 1460 1446. - - 1.1805868148803711e-01 -4.6155539155006409e-01 - 8.1571227312088013e-01 -4.5998147130012512e-01 - <_> - 4.3705924987792969e+01 - - 1 2 1461 5.4500000000000000e+01 0 -1 1462 - 5.0000000000000000e-01 -2 -3 1463 2.0500000000000000e+01 - - 1.5270361304283142e-01 -7.6259005069732666e-01 - -4.3407937884330750e-01 3.2683727145195007e-01 - <_> - 4.3761566162109375e+01 - - 1 2 1464 1.5000000000000000e+00 0 -1 1465 - 2.5000000000000000e+00 -2 -3 1466 2.5000000000000000e+00 - - -4.2883574962615967e-01 4.9130806326866150e-01 - 7.2157061100006104e-01 -3.4332326054573059e-01 - <_> - 4.4159553527832031e+01 - - 1 2 1467 1.8850000000000000e+02 0 -1 1468 - 4.4500000000000000e+01 -2 -3 1469 1.6865000000000000e+03 - - -1.2656107544898987e-01 3.9798957109451294e-01 - -8.5940158367156982e-01 7.5859928131103516e-01 - <_> - 4.4086994171142578e+01 - - 1 2 1470 3.5000000000000000e+00 0 -1 1471 - 1.6500000000000000e+01 -2 -3 1472 2.0500000000000000e+01 - - -7.1025812625885010e-01 3.1149634718894958e-01 - 4.1715073585510254e-01 -5.0822889804840088e-01 - <_> - 4.4548297882080078e+01 - - 1 2 1473 5.0000000000000000e-01 0 -1 1474 - 6.3500000000000000e+01 -2 -3 1475 1.4450000000000000e+02 - - -1.9292996823787689e-01 5.2084052562713623e-01 - -1.8266052007675171e-02 -7.4490708112716675e-01 - <_> - 4.4444839477539062e+01 - - 1 2 1476 5.5000000000000000e+00 0 -1 1477 - 1.8500000000000000e+01 -2 -3 1478 2.1500000000000000e+01 - - -5.8617092669010162e-02 5.7820588350296021e-01 - -4.1243070363998413e-01 6.0866367816925049e-01 - <_> - 4.4468860626220703e+01 - - 1 2 1479 4.5000000000000000e+00 0 -1 1480 - 2.3450000000000000e+02 -2 -3 1481 1.4500000000000000e+01 - - 2.8463301062583923e-01 -8.2563692331314087e-01 - -5.8707511425018311e-01 2.5017964839935303e-01 - <_> - 4.4571441650390625e+01 - - 1 2 1482 3.3450000000000000e+02 0 -1 1483 - 2.1500000000000000e+01 -2 -3 1484 946. - - -4.3612629175186157e-01 1.0257755219936371e-01 - 9.7813111543655396e-01 -8.0724465847015381e-01 - <_> - 4.4642127990722656e+01 - - 1 2 1485 1.5000000000000000e+00 0 -1 1486 - 8.5000000000000000e+00 -2 -3 1487 2.0500000000000000e+01 - - -9.3800437450408936e-01 6.0421532392501831e-01 - -6.4370167255401611e-01 2.7616502717137337e-02 - <_> - 4.4928077697753906e+01 - - 1 2 1488 5.0000000000000000e-01 0 -1 1489 - 2.6500000000000000e+01 -2 -3 1490 7.9250000000000000e+02 - - -6.6210180521011353e-02 6.4315652847290039e-01 - 6.9847983121871948e-01 -3.6571246385574341e-01 - <_> - 4.4592266082763672e+01 - - 1 2 1491 5.0000000000000000e-01 0 -1 1492 - 5.5350000000000000e+02 -2 -3 1493 1.5000000000000000e+00 - - -3.8149592280387878e-01 6.3860899209976196e-01 - 3.4885448217391968e-01 -3.3581241965293884e-01 - <_> - 4.4829784393310547e+01 - - 1 2 1494 1.5500000000000000e+01 0 -1 1495 - 2.7850000000000000e+02 -2 -3 1496 3.5000000000000000e+00 - - 6.8045026063919067e-01 -8.0610173940658569e-01 - -5.2162581682205200e-01 2.3751950263977051e-01 - <_> - 4.5090461730957031e+01 - - 1 2 1497 2.3500000000000000e+01 0 -1 1498 - 5.5000000000000000e+00 -2 -3 1499 1.3500000000000000e+01 - - -1.3596580922603607e-01 4.8954018950462341e-01 - -5.6967926025390625e-01 3.6096325516700745e-01 - <_> - 4.5232925415039062e+01 - - 1 2 1500 2154. 0 -1 1501 2.7550000000000000e+02 -2 -3 1502 - 128. - - 1.4246465265750885e-01 -8.8002961874008179e-01 1. - -9.7181195020675659e-01 - <_> - 4.5529132843017578e+01 - - 1 2 1503 5.8750000000000000e+02 0 -1 1504 3981. -2 -3 1505 - 5.0000000000000000e-01 - - -5.8577227592468262e-01 5.8029693365097046e-01 - 4.0880706906318665e-01 -2.0956511795520782e-01 - <_> - 4.5304393768310547e+01 - - 1 2 1506 1.6785000000000000e+03 0 -1 1507 - 4.2005000000000000e+03 -2 -3 1508 359. - - 2.9394268989562988e-02 8.0651479959487915e-01 - -3.3733904361724854e-01 6.9124865531921387e-01 - <_> - 4.5737625122070312e+01 - - 1 2 1509 2.7500000000000000e+01 0 -1 1510 - 5.0000000000000000e-01 -2 -3 1511 2.5000000000000000e+00 - - 2.7190417051315308e-01 -6.8398970365524292e-01 - 5.1673895120620728e-01 -5.9552457183599472e-02 - <_> - 4.5805149078369141e+01 - - 1 2 1512 5.6550000000000000e+02 0 -1 1513 - 1.1500000000000000e+01 -2 -3 1514 1.3500000000000000e+01 - - -5.3953158855438232e-01 4.1888201236724854e-01 - -7.7625131607055664e-01 -1.5986794605851173e-02 - <_> - 4.5724216461181641e+01 - - 1 2 1515 1.0500000000000000e+01 0 -1 1516 - 5.5000000000000000e+00 -2 -3 1517 25. - - 4.2757162451744080e-01 -2.2005110979080200e-01 - -5.4273819923400879e-01 8.9083051681518555e-01 - <_> - 4.5885368347167969e+01 - - 1 2 1518 238. 0 -1 1519 9.5000000000000000e+00 -2 -3 1520 - 2.0850000000000000e+02 - - -9.5597231388092041e-01 5.2587646245956421e-01 - 1.6115142405033112e-01 -7.6278209686279297e-01 - <_> - 4.5789482116699219e+01 - - 1 2 1521 2.9500000000000000e+01 0 -1 1522 - 2.6500000000000000e+01 -2 -3 1523 1.5450000000000000e+02 - - 1.6601219773292542e-01 -7.7067446708679199e-01 - -6.6907399892807007e-01 2.2051426768302917e-01 - <_> - 4.5806617736816406e+01 - - 1 2 1524 4.5000000000000000e+00 0 -1 1525 - 1.1500000000000000e+01 -2 -3 1526 3.5000000000000000e+00 - - -5.7005125284194946e-01 2.7322229743003845e-01 - 7.9801094532012939e-01 -5.2006053924560547e-01 - <_> - 4.6323131561279297e+01 - - 1 2 1527 1.3500000000000000e+01 0 -1 1528 - 3.4500000000000000e+01 -2 -3 1529 3.5000000000000000e+00 - - -5.5972643196582794e-02 5.1800715923309326e-01 - 3.3099360764026642e-02 -9.6488022804260254e-01 - <_> - 4.6282222747802734e+01 - - 1 2 1530 7.7250000000000000e+02 0 -1 1531 - 1.3500000000000000e+01 -2 -3 1532 1.1545000000000000e+03 - - -1.0771922767162323e-02 -8.7211072444915771e-01 - 7.0063769817352295e-01 -4.2402658611536026e-02 - <_> - 4.6205421447753906e+01 - - 1 2 1533 1.5000000000000000e+00 0 -1 1534 - 1.1500000000000000e+01 -2 -3 1535 1.5500000000000000e+01 - - -7.8480374813079834e-01 4.9849182367324829e-01 - 2.8026169538497925e-01 -3.8838988542556763e-01 - <_> - 4.6704681396484375e+01 - - 1 2 1536 2.5650000000000000e+02 0 -1 1537 - 9.5000000000000000e+00 -2 -3 1538 3.6145000000000000e+03 - - 8.8258177042007446e-01 -1. -6.1924713850021362e-01 - 6.9299057126045227e-02 - <_> - 4.6858192443847656e+01 - - 1 2 1539 1.6500000000000000e+01 0 -1 1540 - 2.1950000000000000e+02 -2 -3 1541 5.0000000000000000e-01 - - 3.5154920816421509e-01 -7.6912820339202881e-01 - 4.3404066562652588e-01 -1.0876829922199249e-01 - <_> - 4.6701599121093750e+01 - - 1 2 1542 3.5000000000000000e+00 0 -1 1543 - 4.1500000000000000e+01 -2 -3 1544 4.5000000000000000e+00 - - -8.0593466758728027e-01 6.3903629779815674e-01 - 4.0837219357490540e-01 -1.5659359097480774e-01 - <_> - 4.6904064178466797e+01 - - 1 2 1545 2.9500000000000000e+01 0 -1 1546 - 1.5000000000000000e+00 -2 -3 1547 219. - - -4.2634201049804688e-01 2.0246233046054840e-01 - -8.5641664266586304e-01 1. - <_> - 4.6656322479248047e+01 - - 1 2 1548 6.5000000000000000e+00 0 -1 1549 - 3.2500000000000000e+01 -2 -3 1550 4.1650000000000000e+02 - - -2.4700936675071716e-01 6.6941606998443604e-01 - 3.2602754235267639e-01 -3.6878246068954468e-01 - <_> - 4.6564968109130859e+01 - - 1 2 1551 1.2450000000000000e+02 0 -1 1552 - 5.5000000000000000e+00 -2 -3 1553 2.4150000000000000e+02 - - 4.5446833968162537e-01 -3.7261262536048889e-01 - 4.6772354841232300e-01 -7.1237772703170776e-01 - <_> - 4.6805198669433594e+01 - - 1 2 1554 4.5000000000000000e+00 0 -1 1555 - 7.3500000000000000e+01 -2 -3 1556 1.9500000000000000e+01 - - 2.4023169279098511e-01 -4.3494370579719543e-01 - -8.5679495334625244e-01 5.3150933980941772e-01 - <_> - 4.6938976287841797e+01 - - 1 2 1557 2.0850000000000000e+02 0 -1 1558 - 1.5000000000000000e+00 -2 -3 1559 4.5000000000000000e+00 - - 1.3377590477466583e-01 -4.7894757986068726e-01 - -7.4763888120651245e-01 4.7673630714416504e-01 - <_> - 4.7246456146240234e+01 - - 1 2 1560 2.5000000000000000e+00 0 -1 1561 6. -2 -3 1562 - 1.5000000000000000e+00 - - -9.0447050333023071e-01 8.6583727598190308e-01 - 3.0747944116592407e-01 -2.1712197363376617e-01 - <_> - 4.7012886047363281e+01 - - 1 2 1563 1.0500000000000000e+01 0 -1 1564 - 2.5000000000000000e+00 -2 -3 1565 2.4500000000000000e+01 - - -8.6812806129455566e-01 7.4207389354705811e-01 - -4.6920669078826904e-01 2.0873917639255524e-01 - <_> - 4.7398384094238281e+01 - - 1 2 1566 5.0000000000000000e-01 0 -1 1567 - 4.1500000000000000e+01 -2 -3 1568 1.2365000000000000e+03 - - -2.2475609183311462e-01 5.0746756792068481e-01 - -5.6809660047292709e-02 -7.4659413099288940e-01 - <_> - 4.7630195617675781e+01 - - 1 2 1569 7.5000000000000000e+00 0 -1 1570 - 4.5500000000000000e+01 -2 -3 1571 27. - - 2.3181208968162537e-01 -6.4988273382186890e-01 - -6.4328664541244507e-01 6.1851358413696289e-01 - <_> - 4.7380603790283203e+01 - - 1 2 1572 5.5000000000000000e+00 0 -1 1573 - 2.5000000000000000e+00 -2 -3 1574 1.8650000000000000e+02 - - 6.1403033323585987e-03 -5.5332463979721069e-01 - 4.5167797803878784e-01 -7.4148744344711304e-01 - <_> - 4.7716838836669922e+01 - - 1 2 1575 5.0500000000000000e+01 0 -1 1576 340. -2 -3 1577 - 1.5000000000000000e+00 - - 4.3912079930305481e-01 -7.3454135656356812e-01 - 6.4382767677307129e-01 -1.5953628346323967e-02 - <_> - 4.7556518554687500e+01 - - 1 2 1578 8.4500000000000000e+01 0 -1 1579 311. -2 -3 1580 - 5.0000000000000000e-01 - - 8.0123282968997955e-02 -7.0855069160461426e-01 - 4.7582688927650452e-01 -1.6031953692436218e-01 - <_> - 4.7572052001953125e+01 - - 1 2 1581 4.1250000000000000e+02 0 -1 1582 - 2.5000000000000000e+00 -2 -3 1583 1.0405000000000000e+03 - - 5.3272254765033722e-02 -6.1080712080001831e-01 - 5.7476472854614258e-01 -3.3661961555480957e-01 - <_> - 4.7565738677978516e+01 - - 1 2 1584 8.1450000000000000e+02 0 -1 1585 - 5.7750000000000000e+02 -2 -3 1586 8.5000000000000000e+00 - - 8.0671536922454834e-01 -4.1966786980628967e-01 - 1.6598591208457947e-01 -3.8562926650047302e-01 - <_> - 4.7773296356201172e+01 - - 1 2 1587 1.5000000000000000e+00 0 -1 1588 1174. -2 -3 1589 - 3.9500000000000000e+01 - - 1. -9.7881591320037842e-01 2.0755772292613983e-01 - -5.1666331291198730e-01 - <_> - 4.8310127258300781e+01 - - 1 2 1590 1.9500000000000000e+01 0 -1 1591 - 5.0000000000000000e-01 -2 -3 1592 3.5000000000000000e+00 - - 7.0349156856536865e-01 -7.1407133340835571e-01 - 5.4187601804733276e-01 -9.5178633928298950e-02 - <_> - 4.8071701049804688e+01 - - 1 2 1593 801. 0 -1 1594 8.5000000000000000e+00 -2 -3 1595 - 8.5000000000000000e+00 - - -2.3842808604240417e-01 4.0528839826583862e-01 - 8.4955078363418579e-01 -9.1280186176300049e-01 - <_> - 4.8208892822265625e+01 - - 1 2 1596 6.5000000000000000e+00 0 -1 1597 - 4.1500000000000000e+01 -2 -3 1598 1.8500000000000000e+01 - - -9.3895512819290161e-01 3.3225542306900024e-01 - -5.6959801912307739e-01 1.9758279621601105e-01 - <_> - 4.8468334197998047e+01 - - 1 2 1599 644. 0 -1 1600 3.1500000000000000e+01 -2 -3 1601 - 2.5500000000000000e+01 - - 4.6466782689094543e-01 -7.2437942028045654e-01 - 2.5944426655769348e-01 -5.1669490337371826e-01 - <_> - 4.8280807495117188e+01 - - 1 2 1602 5.8750000000000000e+02 0 -1 1603 998. -2 -3 1604 - 1.9450000000000000e+02 - - -5.6361049413681030e-01 8.2740515470504761e-01 - 7.3864108324050903e-01 -3.1339693814516068e-02 - <_> - 4.8574962615966797e+01 - - 1 2 1605 2.3450000000000000e+02 0 -1 1606 - 1.5000000000000000e+00 -2 -3 1607 1.4050000000000000e+02 - - 3.6085158586502075e-01 -1.9539615511894226e-01 - -9.4802927970886230e-01 2.6839014887809753e-01 - <_> - 4.8454341888427734e+01 - - 1 2 1608 3.9500000000000000e+01 0 -1 1609 - 5.0000000000000000e-01 -2 -3 1610 1.6650000000000000e+02 - - 1.0862217843532562e-01 -5.7014846801757812e-01 - 3.1803789734840393e-01 -8.6990028619766235e-01 - <_> - 4.8686836242675781e+01 - - 1 2 1611 7.5000000000000000e+00 0 -1 1612 - 4.4500000000000000e+01 -2 -3 1613 5.0000000000000000e-01 - - 4.4552764296531677e-01 -9.6768623590469360e-01 - 3.7845483422279358e-01 -2.0616437494754791e-01 - <_> - 4.8645317077636719e+01 - - 1 2 1614 2.1500000000000000e+01 0 -1 1615 - 5.7500000000000000e+01 -2 -3 1616 9.2500000000000000e+01 - - 2.0209166407585144e-01 -3.7205338478088379e-01 - 6.6951900720596313e-01 -9.7072052955627441e-01 - <_> - 4.8846817016601562e+01 - - 1 2 1617 1.8500000000000000e+01 0 -1 1618 - 1.9500000000000000e+01 -2 -3 1619 2.7500000000000000e+01 - - -9.0423774719238281e-01 4.2085230350494385e-01 - 2.0150278508663177e-01 -6.7301428318023682e-01 - <_> - 4.8628437042236328e+01 - - 1 2 1620 291. 0 -1 1621 6.5000000000000000e+00 -2 -3 1622 - 1.1500000000000000e+01 - - 2.5333371758460999e-01 -9.6325629949569702e-01 - -6.0980123281478882e-01 1.4127761125564575e-01 - <_> - 4.8402679443359375e+01 - - 1 2 1623 2.1050000000000000e+02 0 -1 1624 - 6.5000000000000000e+00 -2 -3 1625 3.2500000000000000e+01 - - 3.4403830766677856e-02 -5.8541810512542725e-01 - -6.9637399911880493e-01 4.9845540523529053e-01 - <_> - 4.8841716766357422e+01 - - 1 2 1626 7.5000000000000000e+00 0 -1 1627 - 4.9500000000000000e+01 -2 -3 1628 1.1500000000000000e+01 - - 4.3903854489326477e-01 -6.2086170911788940e-01 - -6.5002232789993286e-01 -1.5730377286672592e-02 - <_> - 4.9389339447021484e+01 - - 1 2 1629 80. 0 -1 1630 3.5000000000000000e+00 -2 -3 1631 - 1.0255000000000000e+03 - - 3.1859183311462402e-01 -4.2584937810897827e-01 - -8.9118802547454834e-01 5.4762154817581177e-01 - <_> - 4.8809658050537109e+01 - - 1 2 1632 5.0000000000000000e-01 0 -1 1633 - 9.1500000000000000e+01 -2 -3 1634 1.5500000000000000e+01 - - -2.0882329344749451e-01 5.9099739789962769e-01 - 3.5995401442050934e-02 -5.7967907190322876e-01 - <_> - 4.9262874603271484e+01 - - 1 2 1635 2.3500000000000000e+01 0 -1 1636 2138. -2 -3 1637 - 7.4500000000000000e+01 - - 2.5881242752075195e-01 -6.5358424186706543e-01 - -4.4690254330635071e-01 4.5321631431579590e-01 - <_> - 4.9810745239257812e+01 - - 1 2 1638 2.8905000000000000e+03 0 -1 1639 - 1.4034500000000000e+04 -2 -3 1640 5.0000000000000000e-01 - - 5.9278053045272827e-01 -9.4314843416213989e-01 - 3.9468899369239807e-01 -2.7942237257957458e-01 - <_> - 4.9740810394287109e+01 - - 1 2 1641 5.0000000000000000e-01 0 -1 1642 13. -2 -3 1643 - 6.4500000000000000e+01 - - -9.7298115491867065e-01 7.5200670957565308e-01 - 1.9612585008144379e-01 -5.2234607934951782e-01 - <_> - 4.9890090942382812e+01 - - 1 2 1644 7.5000000000000000e+00 0 -1 1645 - 8.5000000000000000e+00 -2 -3 1646 381. - - -5.6059420108795166e-01 5.0415074825286865e-01 - 4.8369589447975159e-01 -3.1803038716316223e-01 - <_> - 4.9964401245117188e+01 - - 1 2 1647 5.0000000000000000e-01 0 -1 1648 - 6.5000000000000000e+00 -2 -3 1649 1.5500000000000000e+01 - - -9.7737157344818115e-01 5.3311198949813843e-01 - -4.1340222954750061e-01 2.4446828663349152e-01 - <_> - 5.0132915496826172e+01 - - 1 2 1650 1.0500000000000000e+01 0 -1 1651 - 9.5000000000000000e+00 -2 -3 1652 182. - - -2.6112908124923706e-01 4.9358665943145752e-01 - 6.2064582109451294e-01 -4.5646050572395325e-01 - <_> - 5.0014610290527344e+01 - - 1 2 1653 6.5000000000000000e+00 0 -1 1654 2329. -2 -3 1655 - 6.6350000000000000e+02 - - 4.0677326917648315e-01 -7.2954016923904419e-01 - -5.2711308002471924e-01 2.2369565069675446e-01 - <_> - 5.0282009124755859e+01 - - 1 2 1656 1513. 0 -1 1657 6.6500000000000000e+01 -2 -3 1658 - 2.0125000000000000e+03 - - -9.2653149366378784e-01 5.6927061080932617e-01 - 6.3748288154602051e-01 -6.0769841074943542e-02 - <_> - 5.0116958618164062e+01 - - 1 2 1659 1.4500000000000000e+01 0 -1 1660 - 3.5000000000000000e+00 -2 -3 1661 1.6500000000000000e+01 - - -8.6243766546249390e-01 8.8660824298858643e-01 - 4.5358371734619141e-01 -1.6504985094070435e-01 - <_> - 5.0264678955078125e+01 - - 1 2 1662 1.1500000000000000e+01 0 -1 1663 - 4.5000000000000000e+00 -2 -3 1664 4.3500000000000000e+01 - - -8.9545702934265137e-01 1. 2.3749004304409027e-01 - -4.1009184718132019e-01 - <_> - 5.0537300109863281e+01 - - 1 2 1665 6.5000000000000000e+00 0 -1 1666 - 1.1500000000000000e+01 -2 -3 1667 4.8500000000000000e+01 - - 1.8909458816051483e-01 -6.9768869876861572e-01 - -3.7118515372276306e-01 2.7262043952941895e-01 - <_> - 5.0127769470214844e+01 - - 1 2 1668 2.5000000000000000e+00 0 -1 1669 49. -2 -3 1670 - 1.5000000000000000e+00 - - -7.0132219791412354e-01 4.8064956068992615e-01 - 2.1170513331890106e-01 -4.0953138470649719e-01 - <_> - 5.0477714538574219e+01 - - 1 2 1671 2.5000000000000000e+00 0 -1 1672 - 1.5650000000000000e+02 -2 -3 1673 1.1995000000000000e+03 - - 3.4994655847549438e-01 -7.3900407552719116e-01 - -6.3774943351745605e-01 -4.0900995954871178e-03 - <_> - 5.0603004455566406e+01 - - 1 2 1674 2.7950000000000000e+02 0 -1 1675 8514. -2 -3 1676 - 4.0500000000000000e+01 - - 9.1369850561022758e-03 8.2339012622833252e-01 - -5.2016735076904297e-01 1.2528854608535767e-01 - <_> - 5.0545921325683594e+01 - - 1 2 1677 3.5000000000000000e+00 0 -1 1678 - 3.9500000000000000e+01 -2 -3 1679 1.6500000000000000e+01 - - -1.4933063089847565e-01 4.4103890657424927e-01 - -5.4845666885375977e-01 3.5070386528968811e-01 - <_> - 5.0866680145263672e+01 - - 1 2 1680 5.1950000000000000e+02 0 -1 1681 - 1.2150000000000000e+02 -2 -3 1682 1.5000000000000000e+00 - - -1.7503215372562408e-01 3.2076016068458557e-01 - 5.0803476572036743e-01 -9.5718288421630859e-01 - <_> - 5.0898628234863281e+01 - - 1 2 1683 5.0000000000000000e-01 0 -1 1684 - 6.5000000000000000e+00 -2 -3 1685 1.5500000000000000e+01 - - -8.3207756280899048e-01 7.2688364982604980e-01 - 8.6272723972797394e-02 -4.6617463231086731e-01 - <_> - 5.0805313110351562e+01 - - 1 2 1686 5.7750000000000000e+02 0 -1 1687 - 6.5000000000000000e+00 -2 -3 1688 1.3950000000000000e+02 - - -8.3755981922149658e-01 5.7054156064987183e-01 - 4.9337804317474365e-01 -9.3315914273262024e-02 - <_> - 5.0919166564941406e+01 - - 1 2 1689 1.5095000000000000e+03 0 -1 1690 - 7.5000000000000000e+00 -2 -3 1691 6720. - - 2.1196880936622620e-01 -3.8356184959411621e-01 - 5.3207170963287354e-01 -7.4764668941497803e-01 - <_> - 5.0936717987060547e+01 - - 1 2 1692 4.0500000000000000e+01 0 -1 1693 - 1.5000000000000000e+00 -2 -3 1694 5.0000000000000000e-01 - - -3.7224005907773972e-02 -8.9793884754180908e-01 - 7.6496970653533936e-01 1.7551671713590622e-02 - <_> - 5.1368896484375000e+01 - - 1 2 1695 2.5550000000000000e+02 0 -1 1696 1484. -2 -3 1697 - 7.5000000000000000e+00 - - -1. 9.0734022855758667e-01 -2.2103266417980194e-01 - 4.3218004703521729e-01 - <_> - 5.1568653106689453e+01 - - 1 2 1698 8.1615000000000000e+03 0 -1 1699 - 5.0000000000000000e-01 -2 -3 1700 28. - - -9.8341357707977295e-01 1.9975320994853973e-01 - -1.2860924005508423e-01 -9.3606525659561157e-01 - <_> - 5.1350795745849609e+01 - - 1 2 1701 5.0000000000000000e-01 0 -1 1702 - 1.8500000000000000e+01 -2 -3 1703 3.5000000000000000e+00 - - -7.4128049612045288e-01 3.7650343775749207e-01 - 3.4844925999641418e-01 -4.2916879057884216e-01 - <_> - 5.1636371612548828e+01 - - 1 2 1704 3.5000000000000000e+00 0 -1 1705 32. -2 -3 1706 - 1.5000000000000000e+00 - - 1. -9.1778641939163208e-01 -3.0592209100723267e-01 - 2.8557664155960083e-01 - <_> - 5.2074638366699219e+01 - - 1 2 1707 4.5000000000000000e+00 0 -1 1708 - 2.5500000000000000e+01 -2 -3 1709 5.5000000000000000e+00 - - -1.7822149395942688e-01 4.3826532363891602e-01 - -5.1980108022689819e-01 4.8558112978935242e-01 - <_> - 5.1970214843750000e+01 - - 1 2 1710 5.9500000000000000e+01 0 -1 1711 - 1.0500000000000000e+01 -2 -3 1712 544. - - 3.5063171386718750e-01 -3.3192864060401917e-01 - -6.3897025585174561e-01 2.3550751805305481e-01 - <_> - 5.2024555206298828e+01 - - 1 2 1713 4.5000000000000000e+00 0 -1 1714 - 1.3950000000000000e+02 -2 -3 1715 1.5000000000000000e+00 - - 2.8414461016654968e-01 -5.8255207538604736e-01 - -6.8949204683303833e-01 3.0280160903930664e-01 - <_> - 5.1652011871337891e+01 - - 1 2 1716 1.5000000000000000e+00 0 -1 1717 - 1.0500000000000000e+01 -2 -3 1718 2.5000000000000000e+00 - - -6.4423668384552002e-01 7.1819794178009033e-01 - 1.2163987010717392e-01 -4.3241024017333984e-01 - <_> - 5.2231746673583984e+01 - - 1 2 1719 2.1550000000000000e+02 0 -1 1720 - 5.0000000000000000e-01 -2 -3 1721 1966. - - 1.3263493776321411e-01 -4.2725384235382080e-01 - 8.6758172512054443e-01 -2.6626121997833252e-01 - <_> - 5.2511852264404297e+01 - - 1 2 1722 5.3450000000000000e+02 0 -1 1723 - 1.1500000000000000e+01 -2 -3 1724 4.5000000000000000e+00 - - 2.5023856759071350e-01 -8.6206442117691040e-01 - -4.7992885112762451e-01 2.8010553121566772e-01 - <_> - 5.2546646118164062e+01 - - 1 2 1725 1.2500000000000000e+01 0 -1 1726 - 3.2500000000000000e+01 -2 -3 1727 5.8895000000000000e+03 - - -1.0283301770687103e-01 5.0622606277465820e-01 - 3.4796718508005142e-02 -7.5529223680496216e-01 - <_> - 5.2223571777343750e+01 - - 1 2 1728 5.0000000000000000e-01 0 -1 1729 - 5.8550000000000000e+02 -2 -3 1730 2.0500000000000000e+01 - - -3.2307562232017517e-01 4.2715775966644287e-01 - 5.5647647380828857e-01 -4.0453824400901794e-01 - <_> - 5.2863487243652344e+01 - - 1 2 1731 3.3595000000000000e+03 0 -1 1732 - 1.6685000000000000e+03 -2 -3 1733 7.5000000000000000e+00 - - -1.1682216823101044e-01 7.5274443626403809e-01 - -3.0044618248939514e-01 7.6707494258880615e-01 - <_> - 5.3050804138183594e+01 - - 1 2 1734 1.5000000000000000e+00 0 -1 1735 - 1.5500000000000000e+01 -2 -3 1736 1.5000000000000000e+00 - - 6.9346052408218384e-01 -9.0690630674362183e-01 - -9.2264664173126221e-01 1.8731895089149475e-01 - <_> - 5.3262607574462891e+01 - - 1 2 1737 5.0000000000000000e-01 0 -1 1738 - 3.5000000000000000e+00 -2 -3 1739 3.3550000000000000e+02 - - -3.2821202278137207e-01 5.9129446744918823e-01 - -5.1578968763351440e-01 9.9953614175319672e-02 - <_> - 5.3258419036865234e+01 - - 1 2 1740 1.9500000000000000e+01 0 -1 1741 - 1.2500000000000000e+01 -2 -3 1742 1.5000000000000000e+00 - - 3.8119539618492126e-01 -1.9959560036659241e-01 - 6.4132863283157349e-01 -7.4302184581756592e-01 - <_> - 5.3413326263427734e+01 - - 1 2 1743 7.6500000000000000e+01 0 -1 1744 - 5.8750000000000000e+02 -2 -3 1745 5.5000000000000000e+00 - - -7.1226209402084351e-01 1.5490560233592987e-01 - -9.5072907209396362e-01 1. - <_> - 5.3368370056152344e+01 - - 1 2 1746 1.4355000000000000e+03 0 -1 1747 - 2.5293500000000000e+04 -2 -3 1748 3.5000000000000000e+00 - - -4.4957466423511505e-02 7.0797920227050781e-01 - 2.4098557233810425e-01 -5.3875494003295898e-01 - <_> - 5.3336959838867188e+01 - - 1 2 1749 2.5500000000000000e+01 0 -1 1750 - 2.0500000000000000e+01 -2 -3 1751 2.7375000000000000e+03 - - -7.6909404993057251e-01 -4.0910251438617706e-02 - -8.7062567472457886e-02 6.8476140499114990e-01 - <_> - 5.3268756866455078e+01 - - 1 2 1752 3.7500000000000000e+01 0 -1 1753 2449. -2 -3 1754 - 3.4085000000000000e+03 - - 2.9082170128822327e-01 -3.9411529898643494e-01 - 6.2446767091751099e-01 -7.7681422233581543e-01 - <_> - 5.3295890808105469e+01 - - 1 2 1755 1.5500000000000000e+01 0 -1 1756 - 1.5000000000000000e+00 -2 -3 1757 6.3500000000000000e+01 - - 2.3223483562469482e-01 -3.3189105987548828e-01 - 8.2484543323516846e-01 -1. - <_> - 5.3821460723876953e+01 - - 1 2 1758 7.5000000000000000e+00 0 -1 1759 32. -2 -3 1760 - 3.5000000000000000e+00 - - 7.7407427132129669e-02 -9.0338480472564697e-01 - 5.2557128667831421e-01 -8.5458166897296906e-02 - <_> - 5.3644256591796875e+01 - - 1 2 1761 2.3500000000000000e+01 0 -1 1762 - 1.7500000000000000e+01 -2 -3 1763 5.5500000000000000e+01 - - 1.9049738347530365e-01 -6.4127218723297119e-01 - -5.8284378051757812e-01 3.6358082294464111e-01 - <_> - 5.3565219879150391e+01 - - 1 2 1764 5.0000000000000000e-01 0 -1 1765 - 5.5000000000000000e+00 -2 -3 1766 6.2650000000000000e+02 - - -9.1313230991363525e-01 3.1892377138137817e-01 - -5.0848573446273804e-01 4.0014332532882690e-01 - <_> - 5.3612766265869141e+01 - - 1 2 1767 2.7500000000000000e+01 0 -1 1768 - 1.1850000000000000e+02 -2 -3 1769 6.5000000000000000e+00 - - -1.1785164475440979e-01 4.6228489279747009e-01 - 8.3617496490478516e-01 -7.2740668058395386e-01 - <_> - 5.3733577728271484e+01 - - 1 2 1770 1.3500000000000000e+01 0 -1 1771 - 6.5000000000000000e+00 -2 -3 1772 1.3500000000000000e+01 - - -4.3037781119346619e-01 4.0931895375251770e-01 - -8.7283575534820557e-01 -1.1174897849559784e-01 - <_> - 5.3474098205566406e+01 - - 1 2 1773 2.2500000000000000e+01 0 -1 1774 - 1.5000000000000000e+00 -2 -3 1775 6.8500000000000000e+01 - - -4.9783071875572205e-01 3.2450476288795471e-01 - -5.4798841476440430e-01 4.3143227696418762e-01 - <_> - 5.3782051086425781e+01 - - 1 2 1776 7.5000000000000000e+00 0 -1 1777 - 7.5000000000000000e+00 -2 -3 1778 5.8850000000000000e+02 - - 3.0795454978942871e-01 -4.3086576461791992e-01 - 2.5671597104519606e-03 -7.0709168910980225e-01 - <_> - 5.4081798553466797e+01 - - 1 2 1779 4.1250000000000000e+02 0 -1 1780 2532. -2 -3 1781 - 4.2500000000000000e+01 - - 1.1845014244318008e-01 -4.8000225424766541e-01 - -7.1575754880905151e-01 4.8367628455162048e-01 - <_> - 5.3729518890380859e+01 - - 1 2 1782 4.5000000000000000e+00 0 -1 1783 - 4.0500000000000000e+01 -2 -3 1784 5.0000000000000000e-01 - - -6.5016943216323853e-01 4.5923739671707153e-01 - 7.4234819412231445e-01 -3.5227757692337036e-01 - <_> - 5.3706134796142578e+01 - - 1 2 1785 1.7500000000000000e+01 0 -1 1786 - 2.0500000000000000e+01 -2 -3 1787 35. - - -2.3385923355817795e-02 5.5982124805450439e-01 - -7.7798545360565186e-01 5.9317058324813843e-01 - <_> - 5.4069709777832031e+01 - - 1 2 1788 3.0650000000000000e+02 0 -1 1789 - 6.7500000000000000e+01 -2 -3 1790 1.5000000000000000e+00 - - -2.0442806184291840e-01 3.6357563734054565e-01 - 4.3344959616661072e-01 -7.8407233953475952e-01 - <_> - 5.4122543334960938e+01 - - 1 2 1791 6.9550000000000000e+02 0 -1 1792 - 2.0150000000000000e+02 -2 -3 1793 1.5500000000000000e+01 - - -2.8922367095947266e-01 4.2674824595451355e-01 - -6.8660050630569458e-01 5.2831500768661499e-02 - <_> - 5.4034683227539062e+01 - - 1 2 1794 5.0000000000000000e-01 0 -1 1795 - 5.9715000000000000e+03 -2 -3 1796 4.5000000000000000e+00 - - -5.2834486961364746e-01 4.5531541109085083e-01 - 1.1746359616518021e-01 -4.9576222896575928e-01 - <_> - 5.4980464935302734e+01 - - 1 2 1797 1.3500000000000000e+01 0 -1 1798 - 2.9450000000000000e+02 -2 -3 1799 7.5000000000000000e+00 - - -3.2881252467632294e-02 -9.8305457830429077e-01 - 9.4577944278717041e-01 -1. - <_> - 5.5089954376220703e+01 - - 1 2 1800 2.5000000000000000e+00 0 -1 1801 39. -2 -3 1802 - 9.4950000000000000e+02 - - -1. 1. 1.6094356775283813e-01 -5.4309475421905518e-01 - <_> - 5.5099483489990234e+01 - - 1 2 1803 5.7850000000000000e+02 0 -1 1804 - 4.2500000000000000e+01 -2 -3 1805 5.7750000000000000e+02 - - -7.0962339639663696e-01 1. 7.6542943716049194e-01 - -4.1924782097339630e-02 - <_> - 5.4866825103759766e+01 - - 1 2 1806 1328. 0 -1 1807 1.5000000000000000e+00 -2 -3 1808 - 5.5285000000000000e+03 - - 3.6924600601196289e-01 -2.3265689611434937e-01 - 9.9105215072631836e-01 -8.4446805715560913e-01 - <_> - 5.5432411193847656e+01 - - 1 2 1809 2.5500000000000000e+01 0 -1 1810 - 1.1500000000000000e+01 -2 -3 1811 7.4350000000000000e+02 - - -3.2548126578330994e-01 2.2827453911304474e-01 - 7.1661698818206787e-01 -1. - <_> - 5.5408927917480469e+01 - - 1 2 1812 5.0000000000000000e-01 0 -1 1813 - 3.5000000000000000e+00 -2 -3 1814 2.4500000000000000e+01 - - -7.4099457263946533e-01 3.7504613399505615e-01 - -6.2640714645385742e-01 8.4968566894531250e-02 - <_> - 5.5198207855224609e+01 - - 1 2 1815 1.5000000000000000e+00 0 -1 1816 - 6.5000000000000000e+00 -2 -3 1817 2.2500000000000000e+01 - - -1. 6.4012116193771362e-01 -2.1071846783161163e-01 - 6.4778321981430054e-01 - <_> - 5.5283359527587891e+01 - - 1 2 1818 2.5000000000000000e+00 0 -1 1819 - 5.0000000000000000e-01 -2 -3 1820 2.4550000000000000e+02 - - 4.5631405711174011e-01 -1.3484077155590057e-01 - -5.9344494342803955e-01 1.6467481851577759e-01 - <_> - 5.5470157623291016e+01 - - 1 2 1821 3.5000000000000000e+00 0 -1 1822 - 9.5000000000000000e+00 -2 -3 1823 9.5000000000000000e+00 - - 1. -1. -4.3856528401374817e-01 1.8679495155811310e-01 - <_> - 5.5202453613281250e+01 - - 1 2 1824 5.6150000000000000e+02 0 -1 1825 4192. -2 -3 1826 - 1.2425000000000000e+03 - - -1.4592270553112030e-01 5.8146274089813232e-01 - -5.5671817064285278e-01 1.2355826795101166e-01 - <_> - 5.5569751739501953e+01 - - 1 2 1827 2.1500000000000000e+01 0 -1 1828 - 5.5000000000000000e+00 -2 -3 1829 1.6500000000000000e+01 - - -6.8071776628494263e-01 3.6730051040649414e-01 - -1.3501003384590149e-01 -9.1282844543457031e-01 - <_> - 5.5779064178466797e+01 - - 1 2 1830 3.3500000000000000e+01 0 -1 1831 - 9.5000000000000000e+00 -2 -3 1832 1.5500000000000000e+01 - - 3.2467505335807800e-01 -7.8718549013137817e-01 - 5.1464933156967163e-01 -1.6156230866909027e-01 - <_> - 5.5348117828369141e+01 - - 1 2 1833 3.7650000000000000e+02 0 -1 1834 - 5.5750000000000000e+02 -2 -3 1835 1.5000000000000000e+00 - - -8.1101077795028687e-01 6.3146162033081055e-01 - 1.3779489696025848e-01 -4.3094816803932190e-01 - <_> - 5.5919422149658203e+01 - - 1 2 1836 3.7500000000000000e+01 0 -1 1837 - 5.0000000000000000e-01 -2 -3 1838 8.8500000000000000e+01 - - 3.4091222286224365e-01 -3.4007987380027771e-01 - 5.7130312919616699e-01 -6.3140660524368286e-01 - <_> - 5.5871620178222656e+01 - - 1 2 1839 7.5000000000000000e+00 0 -1 1840 - 1.6500000000000000e+01 -2 -3 1841 6.4500000000000000e+01 - - -2.2035612165927887e-01 -9.4882357120513916e-01 - 5.1813077926635742e-01 -4.7800488770008087e-02 - <_> - 5.6252223968505859e+01 - - 1 2 1842 1.1950000000000000e+02 0 -1 1843 - 9.5500000000000000e+01 -2 -3 1844 3.6850000000000000e+02 - - 3.8002592325210571e-01 -3.4263178706169128e-01 - 5.1846081018447876e-01 -7.4162709712982178e-01 - <_> - 5.6455226898193359e+01 - - 1 2 1845 5.0000000000000000e-01 0 -1 1846 12. -2 -3 1847 - 3.2995000000000000e+03 - - -9.0239804983139038e-01 3.5835075378417969e-01 - -3.9121779799461365e-01 8.4680241346359253e-01 - <_> - 5.6692668914794922e+01 - - 1 2 1848 2.5000000000000000e+00 0 -1 1849 - 5.0000000000000000e-01 -2 -3 1850 3.0500000000000000e+01 - - -8.6832201480865479e-01 3.5786366462707520e-01 - -6.5906804800033569e-01 3.1783048063516617e-02 - <_> - 5.6752792358398438e+01 - - 1 2 1851 1.0500000000000000e+01 0 -1 1852 - 6.5500000000000000e+01 -2 -3 1853 1.4500000000000000e+01 - - -4.6706490218639374e-02 -8.7982815504074097e-01 - 5.6353557109832764e-01 -6.0297027230262756e-02 - <_> - 5.6775104522705078e+01 - - 1 2 1854 2.0150000000000000e+02 0 -1 1855 - 1.0500000000000000e+01 -2 -3 1856 2.8650000000000000e+02 - - 7.4959583580493927e-02 -5.7888466119766235e-01 - 6.6168105602264404e-01 -9.9754244089126587e-02 - <_> - 5.6972690582275391e+01 - - 1 2 1857 1.6150000000000000e+02 0 -1 1858 - 1.5500000000000000e+01 -2 -3 1859 24. - - -7.3095875978469849e-01 1.9758741557598114e-01 - -8.8720643520355225e-01 1. - <_> - 5.7200763702392578e+01 - - 1 2 1860 5.0000000000000000e-01 0 -1 1861 - 8.8500000000000000e+01 -2 -3 1862 1.8500000000000000e+01 - - 3.3610743284225464e-01 -8.8137799501419067e-01 - -6.0375785827636719e-01 1.2033233046531677e-01 - <_> - 5.7070457458496094e+01 - - 1 2 1863 2.1500000000000000e+01 0 -1 1864 - 1.4500000000000000e+01 -2 -3 1865 5.6500000000000000e+01 - - -9.7666543722152710e-01 7.4382346868515015e-01 - 4.3915370106697083e-01 -1.3030719757080078e-01 - <_> - 5.6970527648925781e+01 - - 1 2 1866 1.0500000000000000e+01 0 -1 1867 - 8.5000000000000000e+00 -2 -3 1868 142. - - -3.9075690507888794e-01 2.1810866892337799e-01 - 7.3304098844528198e-01 -1.5522833168506622e-01 - <_> - 5.7172351837158203e+01 - - 1 2 1869 8.3500000000000000e+01 0 -1 1870 - 5.0000000000000000e-01 -2 -3 1871 4.5000000000000000e+00 - - 4.7355487942695618e-01 -8.4495109319686890e-01 - -8.0800145864486694e-01 2.0182393491268158e-01 - <_> - 5.7369266510009766e+01 - - 1 2 1872 1.3500000000000000e+01 0 -1 1873 - 2.2050000000000000e+02 -2 -3 1874 1.5000000000000000e+00 - - 3.0745425820350647e-01 -5.7873797416687012e-01 - 7.1144923567771912e-02 -7.0968645811080933e-01 - <_> - 5.7163673400878906e+01 - - 1 2 1875 3.0500000000000000e+01 0 -1 1876 - 1.7955000000000000e+03 -2 -3 1877 1.9500000000000000e+01 - - 4.0770485997200012e-01 -6.0543429851531982e-01 - 3.7602424621582031e-01 -2.8918644785881042e-01 - <_> - 5.6786552429199219e+01 - - 1 2 1878 6.8500000000000000e+01 0 -1 1879 - 5.5000000000000000e+00 -2 -3 1880 2.8500000000000000e+01 - - 1.1757279932498932e-01 -5.8252972364425659e-01 - -3.8951548933982849e-01 5.1052653789520264e-01 - <_> - 5.6868556976318359e+01 - - 1 2 1881 6.5000000000000000e+00 0 -1 1882 - 2.5000000000000000e+00 -2 -3 1883 2.6950000000000000e+02 - - 8.2006074488162994e-02 -5.1789224147796631e-01 - 5.3505361080169678e-01 -9.4605493545532227e-01 - <_> - 5.7130115509033203e+01 - - 1 2 1884 8.5000000000000000e+00 0 -1 1885 - 1.9150000000000000e+02 -2 -3 1886 2.9450000000000000e+02 - - 4.5292165875434875e-01 -4.3888345360755920e-01 - 4.7173380851745605e-01 -5.1566743850708008e-01 - <_> - 5.7406742095947266e+01 - - 1 2 1887 5.5000000000000000e+00 0 -1 1888 - 4.5000000000000000e+00 -2 -3 1889 7.9850000000000000e+02 - - -3.7859401106834412e-01 5.5919343233108521e-01 - -5.8277565240859985e-01 6.6450834274291992e-02 - <_> - 5.7422473907470703e+01 - - 1 2 1890 5.6150000000000000e+02 0 -1 1891 4961. -2 -3 1892 - 4.8705000000000000e+03 - - -4.5244730426929891e-04 8.3497661352157593e-01 - -6.8882519006729126e-01 1.5732206404209137e-02 - <_> - 5.7687702178955078e+01 - - 1 2 1893 1.4500000000000000e+01 0 -1 1894 - 4.1335000000000000e+03 -2 -3 1895 7.1500000000000000e+01 - - 2.6522731781005859e-01 -8.9758622646331787e-01 - -6.0936498641967773e-01 4.6634823083877563e-01 - <_> - 5.7540111541748047e+01 - - 1 2 1896 2.9500000000000000e+01 0 -1 1897 - 5.5000000000000000e+00 -2 -3 1898 1.5000000000000000e+00 - - -9.3110167980194092e-01 1. 3.9634063839912415e-01 - -1.9126465916633606e-01 - <_> - 5.7616504669189453e+01 - - 1 2 1899 7.5000000000000000e+00 0 -1 1900 397. -2 -3 1901 - 1.5000000000000000e+00 - - 7.1867322921752930e-01 -5.4185843467712402e-01 - 5.2771824598312378e-01 -1.5528239309787750e-01 - <_> - 5.7763866424560547e+01 - - 1 2 1902 2.1500000000000000e+01 0 -1 1903 - 1.7050000000000000e+02 -2 -3 1904 1.6500000000000000e+01 - - 2.9671201109886169e-01 -8.4789550304412842e-01 - -5.6201756000518799e-01 2.5604116916656494e-01 - <_> - 5.7565292358398438e+01 - - 1 2 1905 5.0000000000000000e-01 0 -1 1906 - 2.1350000000000000e+02 -2 -3 1907 3.6950000000000000e+02 - - 5.7148373126983643e-01 -8.4696042537689209e-01 - -3.0725291371345520e-01 5.5036330223083496e-01 - <_> - 5.7710926055908203e+01 - - 1 2 1908 1.2500000000000000e+01 0 -1 1909 - 4.5000000000000000e+00 -2 -3 1910 2.4500000000000000e+01 - - -6.8967974185943604e-01 3.9181429147720337e-01 - -6.0330241918563843e-01 2.1838249266147614e-01 - <_> - 5.8008132934570312e+01 - - 1 2 1911 9.5000000000000000e+00 0 -1 1912 270. -2 -3 1913 - 3.0500000000000000e+01 - - 2.9720637202262878e-01 -7.7370458841323853e-01 - -7.1012228727340698e-01 1.2770961225032806e-01 - <_> - 5.8256633758544922e+01 - - 1 2 1914 6.3500000000000000e+01 0 -1 1915 - 3.7500000000000000e+01 -2 -3 1916 3.0500000000000000e+01 - - -4.4066715240478516e-01 8.2518380880355835e-01 - 2.9887351393699646e-01 -4.9117338657379150e-01 - <_> - 5.8460075378417969e+01 - - 1 2 1917 1.2500000000000000e+01 0 -1 1918 - 3.1500000000000000e+01 -2 -3 1919 5.0000000000000000e-01 - - -3.4090422093868256e-02 5.7412135601043701e-01 - 7.2392117977142334e-01 -6.3018786907196045e-01 - <_> - 5.8618007659912109e+01 - - 1 2 1920 5.0000000000000000e-01 0 -1 1921 - 1.5500000000000000e+01 -2 -3 1922 5.0000000000000000e-01 - - -9.6668690443038940e-01 3.7771463394165039e-01 - 2.2855560481548309e-01 -4.7967869043350220e-01 - <_> - 5.8478435516357422e+01 - - 1 2 1923 7.5000000000000000e+00 0 -1 1924 - 1.5000000000000000e+00 -2 -3 1925 5.0000000000000000e-01 - - 4.2515745759010315e-01 -5.5478894710540771e-01 - 4.5419645309448242e-01 -1.3957175612449646e-01 - <_> - 5.8872611999511719e+01 - - 1 2 1926 1.8350000000000000e+02 0 -1 1927 - 4.0500000000000000e+01 -2 -3 1928 6.6500000000000000e+01 - - -2.0008619129657745e-01 3.9417695999145508e-01 - -9.6238315105438232e-01 1. - <_> - 5.8883186340332031e+01 - - 1 2 1929 1.2500000000000000e+01 0 -1 1930 - 3.5000000000000000e+00 -2 -3 1931 2.1050000000000000e+02 - - 6.1217731237411499e-01 -1.9048878923058510e-02 - -7.2783750295639038e-01 8.3897627890110016e-02 - <_> - 5.8808357238769531e+01 - - 1 2 1932 4.6500000000000000e+01 0 -1 1933 - 3.5000000000000000e+00 -2 -3 1934 2.8650000000000000e+02 - - 1.3248841464519501e-01 -6.7872178554534912e-01 - 4.7229564189910889e-01 -1.4815118908882141e-01 - <_> - 5.9144462585449219e+01 - - 1 2 1935 1.4500000000000000e+01 0 -1 1936 - 1.6500000000000000e+01 -2 -3 1937 9.5000000000000000e+00 - - -6.5575122833251953e-01 6.0179513692855835e-01 - 3.3610317111015320e-01 -2.4818602204322815e-01 - <_> - 5.9101814270019531e+01 - - 1 2 1938 5.0000000000000000e-01 0 -1 1939 - 2.5000000000000000e+00 -2 -3 1940 2.3500000000000000e+01 - - 6.1000245809555054e-01 -4.2646210640668869e-02 - -5.3324443101882935e-01 3.5818785429000854e-01 - <_> - 5.8948040008544922e+01 - - 1 2 1941 7.5000000000000000e+00 0 -1 1942 - 4.5000000000000000e+00 -2 -3 1943 5.0000000000000000e-01 - - -8.8669669628143311e-01 7.7529543638229370e-01 - 3.8582339882850647e-01 -1.5377666056156158e-01 - <_> - 5.9593772888183594e+01 - - 1 2 1944 3.5525000000000000e+03 0 -1 1945 - 3.4500000000000000e+01 -2 -3 1946 167. - - -2.2072853147983551e-01 3.3567503094673157e-01 1. -1. - <_> - 5.9370800018310547e+01 - - 1 2 1947 7.5000000000000000e+00 0 -1 1948 3474. -2 -3 1949 - 9.5000000000000000e+00 - - 3.4637100994586945e-02 -5.9609389305114746e-01 - 5.9798693656921387e-01 -1.3024185597896576e-01 - <_> - 5.9757068634033203e+01 - - 1 2 1950 1.1500000000000000e+01 0 -1 1951 - 4.4500000000000000e+01 -2 -3 1952 2.5000000000000000e+00 - - -9.1445469856262207e-01 8.4411728382110596e-01 - 3.8626831769943237e-01 -1.6962867975234985e-01 - <_> - 5.9796058654785156e+01 - - 1 2 1953 5.8750000000000000e+02 0 -1 1954 - 3.5000000000000000e+00 -2 -3 1955 3.9150000000000000e+02 - - 2.4987047910690308e-01 -6.1070859432220459e-01 - 7.2914922237396240e-01 -7.8055180609226227e-02 - <_> - 5.9801254272460938e+01 - - 1 2 1956 5.5850000000000000e+02 0 -1 1957 - 4.7500000000000000e+01 -2 -3 1958 1.8500000000000000e+01 - - -1.1270057410001755e-01 6.9968527555465698e-01 - 5.1938942633569241e-03 -7.4568808078765869e-01 - <_> - 6.0010192871093750e+01 - - 1 2 1959 4.8500000000000000e+01 0 -1 1960 - 6.5000000000000000e+00 -2 -3 1961 7.5000000000000000e+00 - - -7.4147862195968628e-01 2.0893752574920654e-01 - -7.3173969984054565e-01 3.0364623665809631e-01 - <_> - 5.9708690643310547e+01 - - 1 2 1962 5.0000000000000000e-01 0 -1 1963 - 3.5000000000000000e+00 -2 -3 1964 2.2500000000000000e+01 - - -9.1378659009933472e-01 5.2321916818618774e-01 - -3.0149966478347778e-01 6.9747513532638550e-01 - <_> - 6.0059795379638672e+01 - - 1 2 1965 4.1500000000000000e+01 0 -1 1966 - 1.5000000000000000e+00 -2 -3 1967 4.5500000000000000e+01 - - 7.6339656114578247e-01 -6.3636028766632080e-01 - 3.5110288858413696e-01 -2.9607880115509033e-01 - <_> - 6.0240623474121094e+01 - - 1 2 1968 4.5000000000000000e+00 0 -1 1969 - 1.5000000000000000e+00 -2 -3 1970 3.0850000000000000e+02 - - -6.1838161945343018e-01 1.8083088099956512e-01 - -1.4869785308837891e-01 5.0236159563064575e-01 - <_> - 6.0387596130371094e+01 - - 1 2 1971 1.6250000000000000e+02 0 -1 1972 - 4.5000000000000000e+00 -2 -3 1973 4.4650000000000000e+02 - - 6.7135459184646606e-01 1.1329505359753966e-03 - -6.6079312562942505e-01 1.4697253704071045e-01 - <_> - 6.0387634277343750e+01 - - 1 2 1974 3.5000000000000000e+00 0 -1 1975 - 1.8500000000000000e+01 -2 -3 1976 3.5500000000000000e+01 - - 3.3784970641136169e-01 -4.8918390274047852e-01 - -5.6978744268417358e-01 1.3324360549449921e-01 - <_> - 6.0022872924804688e+01 - - 1 2 1977 2.0850000000000000e+02 0 -1 1978 - 3.5000000000000000e+00 -2 -3 1979 2.2500000000000000e+01 - - 2.4730446934700012e-01 -3.6476173996925354e-01 - -6.7308956384658813e-01 5.9900748729705811e-01 - <_> - 6.0411987304687500e+01 - - 1 2 1980 4.6500000000000000e+01 0 -1 1981 - 7.5000000000000000e+00 -2 -3 1982 1.6500000000000000e+01 - - -7.1475833654403687e-01 3.5484632849693298e-01 - 3.8911363482475281e-01 -1.7250961065292358e-01 - <_> - 6.0604080200195312e+01 - - 1 2 1983 5.0000000000000000e-01 0 -1 1984 - 6.5000000000000000e+00 -2 -3 1985 4.5000000000000000e+00 - - -5.3925055265426636e-01 4.7325718402862549e-01 - 1.9209517538547516e-01 -4.6254682540893555e-01 - <_> - 6.0539005279541016e+01 - - 1 2 1986 3.5500000000000000e+01 0 -1 1987 97. -2 -3 1988 - 5.5000000000000000e+00 - - 6.5639108419418335e-01 -8.1671226024627686e-01 - 5.2336204051971436e-01 -6.5074905753135681e-02 - <_> - 6.0846366882324219e+01 - - 1 2 1989 3.1350000000000000e+02 0 -1 1990 - 1.6190500000000000e+04 -2 -3 1991 1.1005000000000000e+03 - - 4.3834140896797180e-01 -3.6532020568847656e-01 - 6.3986539840698242e-01 -4.1561451554298401e-01 - <_> - 6.0749099731445312e+01 - - 1 2 1992 3.5000000000000000e+00 0 -1 1993 - 1.6050000000000000e+02 -2 -3 1994 4.5000000000000000e+00 - - 3.9444553852081299e-01 -5.1368337869644165e-01 - -6.9115257263183594e-01 1.9162381067872047e-02 - <_> - 6.0911582946777344e+01 - - 1 2 1995 3.1500000000000000e+01 0 -1 1996 39. -2 -3 1997 - 1.5000000000000000e+00 - - -9.1950684785842896e-01 1. -7.2641021013259888e-01 - 1.6248121857643127e-01 - <_> - 6.0922454833984375e+01 - - 1 2 1998 5.5000000000000000e+00 0 -1 1999 - 1.0500000000000000e+01 -2 -3 2000 1.5805000000000000e+03 - - -7.5020366907119751e-01 3.5568973422050476e-01 - -4.8083752393722534e-01 3.0702778697013855e-01 - <_> - 6.1254642486572266e+01 - - 1 2 2001 3.3650000000000000e+02 0 -1 2002 - 5.0000000000000000e-01 -2 -3 2003 7.5000000000000000e+00 - - 7.5214070081710815e-01 -5.6389236450195312e-01 - 3.4662494063377380e-01 -2.9536944627761841e-01 - <_> - 6.1591125488281250e+01 - - 1 2 2004 2.5500000000000000e+01 0 -1 2005 - 1.4500000000000000e+01 -2 -3 2006 1.5000000000000000e+00 - - 1.3703818619251251e-01 -4.9739819765090942e-01 - -6.2935429811477661e-01 5.6868934631347656e-01 - <_> - 6.1522079467773438e+01 - - 1 2 2007 2.0500000000000000e+01 0 -1 2008 - 8.5500000000000000e+01 -2 -3 2009 4.5500000000000000e+01 - - 7.8972160816192627e-01 -6.7304050922393799e-01 - 2.6793375611305237e-01 -6.3064610958099365e-01 - <_> - 6.1685386657714844e+01 - - 1 2 2010 4.7055000000000000e+03 0 -1 2011 - 7.5000000000000000e+00 -2 -3 2012 34. - - -6.3200688362121582e-01 1.6331009566783905e-01 - -9.4863635301589966e-01 8.0065780878067017e-01 - <_> - 6.1566181182861328e+01 - - 1 2 2013 7.2950000000000000e+02 0 -1 2014 - 2.0350000000000000e+02 -2 -3 2015 2.1500000000000000e+01 - - -1.1920681595802307e-01 6.4878600835800171e-01 - -5.8408319950103760e-01 3.3495616912841797e-01 - <_> - 6.2094886779785156e+01 - - 1 2 2016 9.5000000000000000e+00 0 -1 2017 - 3.5000000000000000e+00 -2 -3 2018 2.3500000000000000e+01 - - 5.2870643138885498e-01 -5.9091903269290924e-02 - 1.4992588758468628e-01 -7.4673342704772949e-01 - <_> - 6.1996501922607422e+01 - - 1 2 2019 3.4500000000000000e+01 0 -1 2020 - 9.6500000000000000e+01 -2 -3 2021 7.5000000000000000e+00 - - -9.8386786878108978e-02 5.0483143329620361e-01 - 1.5602034330368042e-01 -6.9411128759384155e-01 - <_> - 6.2363922119140625e+01 - - 1 2 2022 1.4965000000000000e+03 0 -1 2023 61. -2 -3 2024 - 8.5250000000000000e+02 - - -9.3483263254165649e-01 1. 5.6837409734725952e-01 - -8.3574697375297546e-02 - <_> - 6.2407440185546875e+01 - - 1 2 2025 5977. 0 -1 2026 2.5000000000000000e+00 -2 -3 2027 - 2.1421500000000000e+04 - - 2.2136372327804565e-01 -6.3119232654571533e-01 - 9.1829413175582886e-01 4.3518073856830597e-02 - <_> - 6.2328540802001953e+01 - - 1 2 2028 9.5000000000000000e+00 0 -1 2029 - 3.8550000000000000e+02 -2 -3 2030 6.5000000000000000e+00 - - 7.9880517721176147e-01 -3.3323591947555542e-01 - -9.3455439805984497e-01 3.5605767369270325e-01 - <_> - 6.2549594879150391e+01 - - 1 2 2031 1.2500000000000000e+01 0 -1 2032 - 2.5000000000000000e+00 -2 -3 2033 1.4500000000000000e+01 - - 4.2225402593612671e-01 -2.8828126192092896e-01 - -4.3309009075164795e-01 6.5534549951553345e-01 - <_> - 6.2636714935302734e+01 - - 1 2 2034 417. 0 -1 2035 1.1500000000000000e+01 -2 -3 2036 7. - - -2.1113002672791481e-02 8.4205090999603271e-01 - -9.7738903760910034e-01 5.3100347518920898e-01 - <_> - 6.2861415863037109e+01 - - 1 2 2037 2.5000000000000000e+00 0 -1 2038 - 5.5000000000000000e+00 -2 -3 2039 3.6500000000000000e+01 - - -7.6132452487945557e-01 3.6051002144813538e-01 - -5.7641249895095825e-01 1.5012158453464508e-01 - <_> - 6.2900104522705078e+01 - - 1 2 2040 5.0000000000000000e-01 0 -1 2041 - 3.5000000000000000e+00 -2 -3 2042 6.5000000000000000e+00 - - -9.3149966001510620e-01 2.9147976636886597e-01 - -6.3701289892196655e-01 5.4918531328439713e-02 - <_> - 6.2879768371582031e+01 - - 1 2 2043 1.5000000000000000e+00 0 -1 2044 - 2.5000000000000000e+00 -2 -3 2045 1.5000000000000000e+00 - - 6.6399359703063965e-01 -1.0929831862449646e-01 - 7.8133702278137207e-02 -4.7019696235656738e-01 - <_> - 6.2129520416259766e+01 - - 1 2 2046 1.3650000000000000e+02 0 -1 2047 - 2.1215000000000000e+03 -2 -3 2048 1.9500000000000000e+01 - - 1.4869627356529236e-01 -7.8195393085479736e-01 - -5.4876875877380371e-01 2.9066467285156250e-01 - <_> - 6.2598121643066406e+01 - - 1 2 2049 5.5000000000000000e+00 0 -1 2050 - 2.0500000000000000e+01 -2 -3 2051 3.3450000000000000e+02 - - -2.8021445870399475e-01 4.6860334277153015e-01 - -4.1921630501747131e-01 9.1871756315231323e-01 - <_> - 6.2898983001708984e+01 - - 1 2 2052 5.8750000000000000e+02 0 -1 2053 - 3.3150000000000000e+02 -2 -3 2054 258. - - -5.8121073246002197e-01 7.2862756252288818e-01 - 3.0086198449134827e-01 -6.1838138103485107e-01 - <_> - 6.3007404327392578e+01 - - 1 2 2055 2.7950000000000000e+02 0 -1 2056 - 5.0500000000000000e+01 -2 -3 2057 3.5000000000000000e+00 - - -7.9203374683856964e-02 6.8916302919387817e-01 - 2.2891193628311157e-01 -4.4382786750793457e-01 - <_> - 6.3243953704833984e+01 - - 1 2 2058 8.5000000000000000e+00 0 -1 2059 - 3.2650000000000000e+02 -2 -3 2060 2.1500000000000000e+01 - - -1. 2.3655229806900024e-01 -5.4432135820388794e-01 - 8.4973216056823730e-01 - <_> - 6.3190502166748047e+01 - - 1 2 2061 3.1500000000000000e+01 0 -1 2062 - 6.4500000000000000e+01 -2 -3 2063 1.5500000000000000e+01 - - -1.7394508421421051e-01 3.4196874499320984e-01 - -7.9306966066360474e-01 7.7552306652069092e-01 - <_> - 6.3256435394287109e+01 - - 1 2 2064 5.0000000000000000e-01 0 -1 2065 - 4.5000000000000000e+00 -2 -3 2066 1.6500000000000000e+01 - - -6.4375263452529907e-01 4.6298280358314514e-01 - 6.5930701792240143e-02 -6.0258072614669800e-01 - <_> - 6.3547569274902344e+01 - - 1 2 2067 3.5000000000000000e+00 0 -1 2068 - 2.9665000000000000e+03 -2 -3 2069 2.5000000000000000e+00 - - 2.6696309447288513e-01 -6.1605608463287354e-01 - 5.8771264553070068e-01 -7.7434383332729340e-02 - <_> - 6.3455562591552734e+01 - - 1 2 2070 2.6500000000000000e+01 0 -1 2071 - 1.0435000000000000e+03 -2 -3 2072 2.2500000000000000e+01 - - -3.0468648672103882e-01 2.7090394496917725e-01 -1. - 7.8004688024520874e-01 - <_> - 6.3757442474365234e+01 - - 1 2 2073 1.0350000000000000e+02 0 -1 2074 - 1.0500000000000000e+01 -2 -3 2075 2.5000000000000000e+00 - - -3.8403138518333435e-01 3.0187815427780151e-01 - 3.1422126293182373e-01 -7.1062839031219482e-01 - <_> - 6.3906417846679688e+01 - - 1 2 2076 4.5000000000000000e+00 0 -1 2077 - 1.5000000000000000e+00 -2 -3 2078 4.8150000000000000e+02 - - -7.3861616849899292e-01 4.0836670994758606e-01 - -5.5579960346221924e-01 1.4897711575031281e-01 - <_> - 6.4099327087402344e+01 - - 1 2 2079 2.5500000000000000e+01 0 -1 2080 - 5.7650000000000000e+02 -2 -3 2081 1.8500000000000000e+01 - - -5.5475443601608276e-01 1.9290663301944733e-01 - -7.1113204956054688e-01 5.3957355022430420e-01 - <_> - 6.3918937683105469e+01 - - 1 2 2082 3.5000000000000000e+00 0 -1 2083 - 9.7500000000000000e+01 -2 -3 2084 3.5000000000000000e+00 - - -3.3335947990417480e-01 2.7078640460968018e-01 - 3.7570750713348389e-01 -7.7115553617477417e-01 - <_> - 6.3970809936523438e+01 - - 1 2 2085 3.5000000000000000e+00 0 -1 2086 - 1.9850000000000000e+02 -2 -3 2087 2.3500000000000000e+01 - - 6.5109664201736450e-01 -1.3773214817047119e-01 - -5.4258519411087036e-01 5.1870465278625488e-02 - <_> - 6.4214424133300781e+01 - - 1 2 2088 1.2500000000000000e+01 0 -1 2089 - 3.2450000000000000e+02 -2 -3 2090 6.5000000000000000e+00 - - 4.3517467379570007e-01 -9.6950376033782959e-01 - 2.5978988409042358e-01 -2.7689433097839355e-01 - <_> - 6.4605529785156250e+01 - - 1 2 2091 327. 0 -1 2092 5.0000000000000000e-01 -2 -3 2093 - 1.5500000000000000e+01 - - 2.3849301040172577e-01 -5.6138235330581665e-01 - -6.2119048833847046e-01 3.9110702276229858e-01 - <_> - 6.4053535461425781e+01 - - 1 2 2094 1.8500000000000000e+01 0 -1 2095 - 1.4500000000000000e+01 -2 -3 2096 1.7225000000000000e+03 - - -7.9772460460662842e-01 2.5171506404876709e-01 - 4.5911735296249390e-01 -5.6817436218261719e-01 - <_> - 6.4624084472656250e+01 - - 1 2 2097 1.3500000000000000e+01 0 -1 2098 - 3.8450000000000000e+02 -2 -3 2099 2.5000000000000000e+00 - - 6.7918819189071655e-01 -6.8560796976089478e-01 - 5.7055342197418213e-01 -1.1227272450923920e-01 - <_> - 6.4599174499511719e+01 - - 1 2 2100 3.9950000000000000e+02 0 -1 2101 - 6.5000000000000000e+00 -2 -3 2102 2.6500000000000000e+01 - - 2.6946315169334412e-01 -6.8496251106262207e-01 - -1.4580105245113373e-01 4.0004068613052368e-01 - <_> - 6.4730812072753906e+01 - - 1 2 2103 5.0000000000000000e-01 0 -1 2104 - 1.0500000000000000e+01 -2 -3 2105 2.5000000000000000e+00 - - -4.1157549619674683e-01 3.9449948072433472e-01 - 1.3164354860782623e-01 -5.7457894086837769e-01 - <_> - 6.4550361633300781e+01 - - 1 2 2106 6.1500000000000000e+01 0 -1 2107 - 4.2500000000000000e+01 -2 -3 2108 5.0000000000000000e-01 - - -6.7661024630069733e-02 4.9807086586952209e-01 - 2.6868519186973572e-01 -5.6513643264770508e-01 - <_> - 6.4741752624511719e+01 - - 1 2 2109 1.5000000000000000e+00 0 -1 2110 - 1.4500000000000000e+01 -2 -3 2111 5.0000000000000000e-01 - - -5.7091879844665527e-01 4.6459051966667175e-01 - 2.1071271598339081e-01 -4.8713284730911255e-01 - <_> - 6.4659866333007812e+01 - - 1 2 2112 2.5000000000000000e+00 0 -1 2113 - 1.0500000000000000e+01 -2 -3 2114 2.5000000000000000e+00 - - 8.9292472600936890e-01 -9.4043314456939697e-01 - 5.3616881370544434e-01 -8.1886835396289825e-02 - <_> - 6.4854621887207031e+01 - - 1 2 2115 5.7500000000000000e+01 0 -1 2116 - 6.5000000000000000e+00 -2 -3 2117 1399. - - 1.7543983459472656e-01 -5.9518599510192871e-01 - -6.6982376575469971e-01 3.6574700474739075e-01 - <_> - 6.4909034729003906e+01 - - 1 2 2118 2.7650000000000000e+02 0 -1 2119 2618. -2 -3 2120 - 4.3500000000000000e+01 - - 5.1149606704711914e-01 -7.5715744495391846e-01 - 5.4412230849266052e-02 -5.4240036010742188e-01 - <_> - 6.5523689270019531e+01 - - 1 2 2121 2.0850000000000000e+02 0 -1 2122 - 1.5000000000000000e+00 -2 -3 2123 2.1500000000000000e+01 - - 2.8490218520164490e-01 -4.3338671326637268e-01 - -4.2747175693511963e-01 6.1465066671371460e-01 - <_> - 6.5561706542968750e+01 - - 1 2 2124 212. 0 -1 2125 4.5500000000000000e+01 -2 -3 2126 - 2.5150000000000000e+02 - - -5.5702477693557739e-01 3.5860374569892883e-01 - -6.7760747671127319e-01 3.8017414510250092e-02 - <_> - 6.5649497985839844e+01 - - 1 2 2127 5.9500000000000000e+01 0 -1 2128 - 3.5000000000000000e+00 -2 -3 2129 6.5000000000000000e+00 - - -7.9711538553237915e-01 2.5381851196289062e-01 - 4.2455443739891052e-01 -1.7120632529258728e-01 - <_> - 6.5992294311523438e+01 - - 1 2 2130 3.5000000000000000e+00 0 -1 2131 - 1.6250000000000000e+02 -2 -3 2132 2.2500000000000000e+01 - - -3.3420738577842712e-01 6.4248228073120117e-01 - 6.8257737159729004e-01 -1.6899804770946503e-01 - <_> - 6.6213569641113281e+01 - - 1 2 2133 5.5000000000000000e+00 0 -1 2134 - 7.3500000000000000e+01 -2 -3 2135 9.4500000000000000e+01 - - 2.2127301990985870e-01 -7.9195356369018555e-01 - -6.8413102626800537e-01 8.0674022436141968e-01 - <_> - 6.5891929626464844e+01 - - 1 2 2136 5.1500000000000000e+01 0 -1 2137 - 3.5000000000000000e+00 -2 -3 2138 3.6750000000000000e+02 - - 3.1779468059539795e-01 -3.8076880574226379e-01 - 6.2580502033233643e-01 -3.2678863406181335e-01 - <_> - 6.5933746337890625e+01 - - 1 2 2139 1.1500000000000000e+01 0 -1 2140 - 2.5000000000000000e+00 -2 -3 2141 4.5000000000000000e+00 - - 1.1745031177997589e-01 -4.3131595849990845e-01 - 6.6705638170242310e-01 -2.3260143399238586e-01 - <_> - 6.5980415344238281e+01 - - 1 2 2142 3.5000000000000000e+00 0 -1 2143 - 2.5000000000000000e+00 -2 -3 2144 5.0000000000000000e-01 - - 7.7854001522064209e-01 -8.4415936470031738e-01 - 5.8085924386978149e-01 -2.8965638950467110e-02 - <_> - 6.5784027099609375e+01 - - 1 2 2145 4.7500000000000000e+01 0 -1 2146 - 2.5000000000000000e+00 -2 -3 2147 3.5000000000000000e+00 - - 3.7243506312370300e-01 -6.9404041767120361e-01 - 3.7178915739059448e-01 -1.9639030098915100e-01 - <_> - 6.6053306579589844e+01 - - 1 2 2148 4.7350000000000000e+02 0 -1 2149 - 4.7500000000000000e+01 -2 -3 2150 2.2500000000000000e+01 - - -3.7930485606193542e-01 2.6928251981735229e-01 - -6.6765409708023071e-01 4.6291077136993408e-01 - <_> - 6.6251876831054688e+01 - - 1 2 2151 1.7500000000000000e+01 0 -1 2152 - 3.2650000000000000e+02 -2 -3 2153 1.5500000000000000e+01 - - -1. 1.9857025146484375e-01 -6.2745827436447144e-01 - 4.3167012929916382e-01 - <_> - 6.6497039794921875e+01 - - 1 2 2154 2.8500000000000000e+01 0 -1 2155 - 2.6500000000000000e+01 -2 -3 2156 4.1500000000000000e+01 - - -8.1000304222106934e-01 6.9051915407180786e-01 - -2.8902414441108704e-01 4.2377713322639465e-01 - <_> - 6.6451217651367188e+01 - - 1 2 2157 4.1250000000000000e+02 0 -1 2158 - 1.6500000000000000e+01 -2 -3 2159 3.0650000000000000e+02 - - 2.3259440436959267e-02 -6.3648867607116699e-01 - 7.6639103889465332e-01 -1.8078628182411194e-01 - <_> - 6.6132827758789062e+01 - - 1 2 2160 2.1500000000000000e+01 0 -1 2161 - 8.7550000000000000e+02 -2 -3 2162 1.6500000000000000e+01 - - -3.3872911334037781e-01 2.7060332894325256e-01 - -6.3514488935470581e-01 9.0211552381515503e-01 - <_> - 6.6081367492675781e+01 - - 1 2 2163 5.7650000000000000e+02 0 -1 2164 681. -2 -3 2165 - 1.7175000000000000e+03 - - -7.8227895498275757e-01 8.6135381460189819e-01 - 8.2487636804580688e-01 -5.1461022347211838e-02 - <_> - 6.5997879028320312e+01 - - 1 2 2166 1.8500000000000000e+01 0 -1 2167 - 4.5000000000000000e+00 -2 -3 2168 3.5500000000000000e+01 - - -8.3486534655094147e-02 6.0638916492462158e-01 - -4.8585453629493713e-01 2.9007250070571899e-01 - <_> - 6.6484413146972656e+01 - - 1 2 2169 1.2995000000000000e+03 0 -1 2170 - 4.6065000000000000e+03 -2 -3 2171 2.5000000000000000e+00 - - -2.7341315150260925e-01 5.3913331031799316e-01 - 4.8653602600097656e-01 -4.5589551329612732e-01 - <_> - 6.6919540405273438e+01 - - 1 2 2172 2.8500000000000000e+01 0 -1 2173 143. -2 -3 2174 - 1.3500000000000000e+01 - - 4.0857741236686707e-01 -7.9653608798980713e-01 - 4.3512815237045288e-01 -1.2409269809722900e-01 - <_> - 6.6548828125000000e+01 - - 1 2 2175 3.6500000000000000e+01 0 -1 2176 - 3.8500000000000000e+01 -2 -3 2177 3.0015000000000000e+03 - - -3.7071618437767029e-01 3.0769228935241699e-01 - -5.6432120501995087e-02 7.5577193498611450e-01 - <_> - 6.6935661315917969e+01 - - 1 2 2178 221. 0 -1 2179 5.0000000000000000e-01 -2 -3 2180 - 6.5000000000000000e+00 - - 3.8683256506919861e-01 -1.6335722804069519e-01 - 3.1397402286529541e-01 -8.9784342050552368e-01 - <_> - 6.6811462402343750e+01 - - 1 2 2181 1.6500000000000000e+01 0 -1 2182 - 9.7500000000000000e+01 -2 -3 2183 4.5000000000000000e+00 - - 1.9564503431320190e-01 -6.8224984407424927e-01 - 3.6420011520385742e-01 -2.7474680542945862e-01 - <_> - 6.7206642150878906e+01 - - 1 2 2184 2.8150000000000000e+02 0 -1 2185 - 5.3500000000000000e+01 -2 -3 2186 2.1950000000000000e+02 - - 3.9518028497695923e-01 -7.5029599666595459e-01 - -4.5047336816787720e-01 4.4910728931427002e-01 - <_> - 6.6829307556152344e+01 - - 1 2 2187 6.2550000000000000e+02 0 -1 2188 - 2.7045000000000000e+03 -2 -3 2189 7.5250000000000000e+02 - - -1.0180658102035522e-01 4.7846919298171997e-01 - -9.1966360807418823e-01 -3.8947533816099167e-02 - <_> - 6.6750717163085938e+01 - - 1 2 2190 4.7350000000000000e+02 0 -1 2191 - 5.7500000000000000e+01 -2 -3 2192 5.0000000000000000e-01 - - -7.8587010502815247e-02 6.3941407203674316e-01 - 7.1196836233139038e-01 -7.2520041465759277e-01 - <_> - 6.7127670288085938e+01 - - 1 2 2193 2.5000000000000000e+00 0 -1 2194 - 1.5500000000000000e+01 -2 -3 2195 2.5000000000000000e+00 - - -4.7885441780090332e-01 3.2798525691032410e-01 - 8.6548590660095215e-01 5.7965524494647980e-02 - <_> - 6.7040710449218750e+01 - - 1 2 2196 2.5000000000000000e+00 0 -1 2197 - 1.9500000000000000e+01 -2 -3 2198 1.2500000000000000e+01 - - -5.5627369880676270e-01 5.8527511358261108e-01 - -5.7549017667770386e-01 6.9125495851039886e-02 - <_> - 6.7134475708007812e+01 - - 1 2 2199 2.5000000000000000e+00 0 -1 2200 - 1.4215000000000000e+03 -2 -3 2201 5.0000000000000000e-01 - - 3.7880736589431763e-01 -4.5164510607719421e-01 - 5.3598467260599136e-02 -5.7012593746185303e-01 - <_> - 6.7369125366210938e+01 - - 1 2 2202 5.5000000000000000e+00 0 -1 2203 - 5.5000000000000000e+00 -2 -3 2204 1.5000000000000000e+00 - - -9.4780540466308594e-01 7.3004895448684692e-01 - 6.4780569076538086e-01 -5.0393346697092056e-02 - <_> - 6.7813079833984375e+01 - - 1 2 2205 1.2500000000000000e+01 0 -1 2206 9948. -2 -3 2207 - 2.0450000000000000e+02 - - -4.2956997640430927e-03 -9.1839849948883057e-01 - -1.5275211632251740e-01 4.4395634531974792e-01 - <_> - 6.8058036804199219e+01 - - 1 2 2208 4.0500000000000000e+01 0 -1 2209 - 5.0000000000000000e-01 -2 -3 2210 4.7500000000000000e+01 - - 2.4495334923267365e-01 -9.5012718439102173e-01 - 1.7766039073467255e-01 -4.3439298868179321e-01 - <_> - 6.7814498901367188e+01 - - 1 2 2211 1.5500000000000000e+01 0 -1 2212 - 7.5000000000000000e+00 -2 -3 2213 1.4500000000000000e+01 - - 3.4375911951065063e-01 -6.9197601079940796e-01 - -7.6082307100296021e-01 2.3456893861293793e-01 - <_> - 6.7533103942871094e+01 - - 1 2 2214 8.1500000000000000e+01 0 -1 2215 - 1.1500000000000000e+01 -2 -3 2216 1.9500000000000000e+01 - - 2.6256918907165527e-01 -2.8139856457710266e-01 - -8.1822723150253296e-01 2.4620606005191803e-01 - <_> - 6.7985069274902344e+01 - - 1 2 2217 2.6500000000000000e+01 0 -1 2218 - 9.5000000000000000e+00 -2 -3 2219 4.5000000000000000e+00 - - -1.2688148021697998e-01 -9.2650556564331055e-01 - 4.5196792483329773e-01 -1.2886488437652588e-01 - <_> - 6.8211486816406250e+01 - - 1 2 2220 1.9500000000000000e+01 0 -1 2221 - 9.4500000000000000e+01 -2 -3 2222 1.8500000000000000e+01 - - -4.5716031454503536e-03 -9.2506814002990723e-01 - 2.2641468048095703e-01 -5.4319751262664795e-01 - <_> - 6.8062339782714844e+01 - - 1 2 2223 1.5000000000000000e+00 0 -1 2224 - 1.1350000000000000e+02 -2 -3 2225 3.5000000000000000e+00 - - -1.4914712309837341e-01 6.2766093015670776e-01 - 5.2602481842041016e-01 -3.3082970976829529e-01 - <_> - 6.8320228576660156e+01 - - 1 2 2226 6.7500000000000000e+01 0 -1 2227 - 4.5000000000000000e+00 -2 -3 2228 8.3350000000000000e+02 - - -7.0059794187545776e-01 2.5789487361907959e-01 - 2.8099337220191956e-01 -6.9175392389297485e-01 - <_> - 6.8181999206542969e+01 - - 1 2 2229 1.2500000000000000e+01 0 -1 2230 - 3.1350000000000000e+02 -2 -3 2231 9.4565000000000000e+03 - - 1.9189414381980896e-01 -3.9976862072944641e-01 - 5.6042033433914185e-01 -9.6583509445190430e-01 - <_> - 6.8313468933105469e+01 - - 1 2 2232 9.5000000000000000e+00 0 -1 2233 1313. -2 -3 2234 - 7.9450000000000000e+02 - - 6.0552877187728882e-01 -7.1993356943130493e-01 - -1.9865931570529938e-01 3.5071191191673279e-01 - <_> - 6.8655784606933594e+01 - - 1 2 2235 5.5000000000000000e+00 0 -1 2236 - 1.5500000000000000e+01 -2 -3 2237 4.2500000000000000e+01 - - -8.3366417884826660e-01 3.4231638908386230e-01 - -5.7617366313934326e-01 1.2723289430141449e-01 - <_> - 6.8312980651855469e+01 - - 1 2 2238 1.5000000000000000e+00 0 -1 2239 - 1.0500000000000000e+01 -2 -3 2240 3.2950000000000000e+02 - - -6.2311822175979614e-01 5.3832811117172241e-01 - -3.4280434250831604e-01 6.2301361560821533e-01 - <_> - 6.8748611450195312e+01 - - 1 2 2241 5.5000000000000000e+00 0 -1 2242 - 6.3500000000000000e+01 -2 -3 2243 1.4355000000000000e+03 - - 4.3563413619995117e-01 -7.9157996177673340e-01 - 6.3327491283416748e-02 -5.8212018013000488e-01 - <_> - 6.8442298889160156e+01 - - 1 2 2244 2.0500000000000000e+01 0 -1 2245 - 8.5000000000000000e+00 -2 -3 2246 1.3350000000000000e+02 - - -3.0631437897682190e-01 2.6373180747032166e-01 - 7.2269374132156372e-01 -8.2843840122222900e-01 - <_> - 6.8691452026367188e+01 - - 1 2 2247 5.8450000000000000e+02 0 -1 2248 1991. -2 -3 2249 - 1.9550000000000000e+02 - - -5.8844625949859619e-01 7.2171705961227417e-01 - 5.9379982948303223e-01 -8.8590703904628754e-02 - <_> - 6.8854362487792969e+01 - - 1 2 2250 2.2450000000000000e+02 0 -1 2251 - 3.5000000000000000e+00 -2 -3 2252 4.4500000000000000e+01 - - 4.1746988892555237e-01 -1.5201584994792938e-01 - -7.8322100639343262e-01 4.8759365081787109e-01 - <_> - 6.8978080749511719e+01 - - 1 2 2253 1.1350000000000000e+02 0 -1 2254 - 4.5000000000000000e+00 -2 -3 2255 4.5500000000000000e+01 - - 1.2371577322483063e-01 -6.8989777565002441e-01 - 3.5007947683334351e-01 -7.2059243917465210e-01 - <_> - 6.9356269836425781e+01 - - 1 2 2256 1.9500000000000000e+01 0 -1 2257 - 1.0500000000000000e+01 -2 -3 2258 1.3500000000000000e+01 - - 2.8434163331985474e-01 -4.2419987916946411e-01 - 5.7273209095001221e-01 -1.0273739695549011e-01 - <_> - 6.9808845520019531e+01 - - 1 2 2259 5.5000000000000000e+00 0 -1 2260 - 1.8500000000000000e+01 -2 -3 2261 1.5000000000000000e+00 - - -8.0742955207824707e-01 8.1550550460815430e-01 - 4.5257565379142761e-01 -1.1754118651151657e-01 - <_> - 6.9490539550781250e+01 - - 1 2 2262 5.3500000000000000e+01 0 -1 2263 80. -2 -3 2264 - 2.9500000000000000e+01 - - -5.4256713390350342e-01 5.4104971885681152e-01 - 3.5188353061676025e-01 -3.0036619305610657e-01 - <_> - 6.9366668701171875e+01 - - 1 2 2265 2.6065000000000000e+03 0 -1 2266 - 3.1350000000000000e+02 -2 -3 2267 5.5000000000000000e+00 - - -1.2386845052242279e-01 4.6345305442810059e-01 - 6.0491842031478882e-01 -9.4304585456848145e-01 - <_> - 6.9713836669921875e+01 - - 1 2 2268 1.7500000000000000e+01 0 -1 2269 - 2.5000000000000000e+00 -2 -3 2270 5.0000000000000000e-01 - - -8.5482913255691528e-01 3.4717017412185669e-01 - 1.7867124080657959e-01 -6.1432170867919922e-01 - <_> - 7.0036468505859375e+01 - - 1 2 2271 7.5000000000000000e+00 0 -1 2272 - 2.3500000000000000e+01 -2 -3 2273 1.5500000000000000e+01 - - -9.8486787080764771e-01 3.2262811064720154e-01 - -5.6460940837860107e-01 1.9223406910896301e-01 - <_> - 6.9981750488281250e+01 - - 1 2 2274 1.7250000000000000e+02 0 -1 2275 - 5.0000000000000000e-01 -2 -3 2276 5.6500000000000000e+01 - - 2.4282279610633850e-01 -3.6108613014221191e-01 - 5.9585607051849365e-01 -6.8952751159667969e-01 - <_> - 6.9557426452636719e+01 - - 1 2 2277 1.5000000000000000e+00 0 -1 2278 7. -2 -3 2279 - 4.2050000000000000e+02 - - 1. -7.2186136245727539e-01 2.3051606118679047e-01 - -4.9865522980690002e-01 - <_> - 6.9593688964843750e+01 - - 1 2 2280 3.5000000000000000e+00 0 -1 2281 - 5.5000000000000000e+00 -2 -3 2282 1.5000000000000000e+00 - - 3.6256898194551468e-02 -5.9310066699981689e-01 - 6.1099308729171753e-01 -5.2162308245897293e-02 - <_> - 6.9190055847167969e+01 - - 1 2 2283 5.0000000000000000e-01 0 -1 2284 - 1.5000000000000000e+00 -2 -3 2285 3.1950000000000000e+02 - - -5.6549012660980225e-01 4.1545909643173218e-01 - -4.0363189578056335e-01 6.4397597312927246e-01 - <_> - 6.9152801513671875e+01 - - 1 2 2286 1.2500000000000000e+01 0 -1 2287 - 1.3500000000000000e+01 -2 -3 2288 1.5000000000000000e+00 - - 8.4121584892272949e-02 -8.1945008039474487e-01 - 5.4119038581848145e-01 -3.7251871079206467e-02 - <_> - 6.9844085693359375e+01 - - 1 2 2289 4.1950000000000000e+02 0 -1 2290 3338. -2 -3 2291 - 1.7450000000000000e+02 - - -1.0648692399263382e-01 6.9128334522247314e-01 - -4.1935205459594727e-01 2.4380990862846375e-01 - <_> - 7.0174018859863281e+01 - - 1 2 2292 1.5500000000000000e+01 0 -1 2293 - 2.6500000000000000e+01 -2 -3 2294 1.5000000000000000e+00 - - -5.6438052654266357e-01 3.2993179559707642e-01 - 1.9468745589256287e-01 -5.9477233886718750e-01 - <_> - 7.0660224914550781e+01 - - 1 2 2295 1.0150000000000000e+02 0 -1 2296 - 5.0000000000000000e-01 -2 -3 2297 2.6500000000000000e+01 - - 4.8620355129241943e-01 -1.8835483491420746e-01 - -5.4727905988693237e-01 5.2561342716217041e-01 - <_> - 7.0732994079589844e+01 - - 1 2 2298 1.4450000000000000e+02 0 -1 2299 - 2.5000000000000000e+00 -2 -3 2300 1.5000000000000000e+00 - - 7.2770319879055023e-02 -6.6459918022155762e-01 - 4.1657650470733643e-01 -3.1872367858886719e-01 - <_> - 7.0376434326171875e+01 - - 1 2 2301 2.7750000000000000e+02 0 -1 2302 - 2.8500000000000000e+01 -2 -3 2303 2.2500000000000000e+01 - - -4.7953361272811890e-01 5.4570424556732178e-01 - 3.0004525184631348e-01 -3.5655823349952698e-01 - <_> - 7.0656318664550781e+01 - - 1 2 2304 5.8750000000000000e+02 0 -1 2305 - 1.0500000000000000e+01 -2 -3 2306 7.1500000000000000e+01 - - -1.0104954242706299e-01 -8.7880355119705200e-01 - -8.3692330121994019e-01 2.7988719940185547e-01 - <_> - 7.0784782409667969e+01 - - 1 2 2307 1.4500000000000000e+01 0 -1 2308 - 1.0450000000000000e+02 -2 -3 2309 67. - - 6.7218846082687378e-01 -3.5151880979537964e-01 - -6.5867102146148682e-01 4.6130353212356567e-01 - <_> - 7.0990669250488281e+01 - - 1 2 2310 334. 0 -1 2311 3.3500000000000000e+01 -2 -3 2312 - 8.1750000000000000e+02 - - -3.3783861994743347e-01 3.0199536681175232e-01 - -9.2741793394088745e-01 2.6250743865966797e-01 - <_> - 7.1334205627441406e+01 - - 1 2 2313 1.4500000000000000e+01 0 -1 2314 - 1.4500000000000000e+01 -2 -3 2315 3.6500000000000000e+01 - - -2.9965308308601379e-01 4.6802315115928650e-01 - -4.5157477259635925e-01 6.7555361986160278e-01 - <_> - 7.1500701904296875e+01 - - 1 2 2316 5.0000000000000000e-01 0 -1 2317 87. -2 -3 2318 - 5.5000000000000000e+00 - - 3.0542531609535217e-01 -5.7673245668411255e-01 - 2.7094784379005432e-01 -5.7631582021713257e-01 - <_> - 7.1793479919433594e+01 - - 1 2 2319 4.5000000000000000e+00 0 -1 2320 - 3.0500000000000000e+01 -2 -3 2321 1.8005000000000000e+03 - - -9.6369409561157227e-01 1. 2.9277887940406799e-01 - -2.4375233054161072e-01 - <_> - 7.1967315673828125e+01 - - 1 2 2322 2.5000000000000000e+00 0 -1 2323 4880. -2 -3 2324 - 3.2500000000000000e+01 - - 3.0087158083915710e-01 -5.3540611267089844e-01 - -6.9770932197570801e-01 -8.8338237255811691e-03 - <_> - 7.1673614501953125e+01 - - 1 2 2325 1.1500000000000000e+01 0 -1 2326 - 5.0000000000000000e-01 -2 -3 2327 2.5000000000000000e+00 - - 3.5899358987808228e-01 -5.2653604745864868e-01 - 5.8578026294708252e-01 -3.2805901020765305e-02 - <_> - 7.1711250305175781e+01 - - 1 2 2328 1.8500000000000000e+01 0 -1 2329 - 1.8050000000000000e+02 -2 -3 2330 35. - - 3.5447284579277039e-01 -5.9741777181625366e-01 - -7.3350757360458374e-01 2.8574359416961670e-01 - <_> - 7.1695281982421875e+01 - - 1 2 2331 2.0850000000000000e+02 0 -1 2332 1048. -2 -3 2333 - 5.5000000000000000e+00 - - -3.0666926503181458e-01 9.4038575887680054e-01 - -7.0172363519668579e-01 4.9131000041961670e-01 - <_> - 7.1706031799316406e+01 - - 1 2 2334 2.8850000000000000e+02 0 -1 2335 1736. -2 -3 2336 - 1.5000000000000000e+00 - - 1.0753270238637924e-02 7.3304736614227295e-01 - 5.3744524717330933e-01 -5.2062910795211792e-01 - <_> - 7.1823760986328125e+01 - - 1 2 2337 1.6500000000000000e+01 0 -1 2338 - 7.5000000000000000e+00 -2 -3 2339 1.5000000000000000e+00 - - -7.8876292705535889e-01 3.3360600471496582e-01 - 1.1772559583187103e-01 -5.7080477476119995e-01 - <_> - 7.2228584289550781e+01 - - 1 2 2340 2.5000000000000000e+00 0 -1 2341 - 4.6500000000000000e+01 -2 -3 2342 1.5250000000000000e+02 - - -2.1400362253189087e-01 4.0482848882675171e-01 - -6.2977635860443115e-01 3.5589864850044250e-01 - <_> - 7.2438087463378906e+01 - - 1 2 2343 1.6500000000000000e+01 0 -1 2344 3901. -2 -3 2345 - 2.7500000000000000e+01 - - 2.0950204133987427e-01 -5.5380266904830933e-01 - -7.4909400939941406e-01 5.2945792675018311e-01 - <_> - 7.2360771179199219e+01 - - 1 2 2346 2.4500000000000000e+01 0 -1 2347 - 7.5000000000000000e+00 -2 -3 2348 1.8500000000000000e+01 - - 3.7871867418289185e-01 -7.5313919782638550e-01 - 5.1331257820129395e-01 -9.7519315779209137e-02 - <_> - 7.1928703308105469e+01 - - 1 2 2349 8.0500000000000000e+01 0 -1 2350 - 8.6500000000000000e+01 -2 -3 2351 139. - - 5.2605316042900085e-02 -6.2711888551712036e-01 - -3.3864989876747131e-01 4.3293687701225281e-01 - <_> - 7.2465637207031250e+01 - - 1 2 2352 3.5000000000000000e+00 0 -1 2353 - 3.5000000000000000e+00 -2 -3 2354 458. - - -8.2156580686569214e-01 5.3693503141403198e-01 - -7.5703012943267822e-01 7.3093846440315247e-03 - <_> - 7.2306266784667969e+01 - - 1 2 2355 1.5000000000000000e+00 0 -1 2356 - 2.2500000000000000e+01 -2 -3 2357 5.0000000000000000e-01 - - -8.8483113050460815e-01 2.5380238890647888e-01 - 1.9247277081012726e-01 -5.5495434999465942e-01 - <_> - 7.2351318359375000e+01 - - 1 2 2358 5.0000000000000000e-01 0 -1 2359 - 1.1500000000000000e+01 -2 -3 2360 2.0550000000000000e+02 - - -6.4710837602615356e-01 3.3967879414558411e-01 - 4.5056350529193878e-02 -6.6342002153396606e-01 - <_> - 7.2549964904785156e+01 - - 1 2 2361 3.1500000000000000e+01 0 -1 2362 - 5.5000000000000000e+00 -2 -3 2363 1.1150000000000000e+02 - - -9.2634866014122963e-03 -5.6539881229400635e-01 - 5.9193736314773560e-01 -6.0422807931900024e-01 - <_> - 7.2340164184570312e+01 - - 1 2 2364 1.4550000000000000e+02 0 -1 2365 87. -2 -3 2366 - 2.0500000000000000e+01 - - 7.1558344364166260e-01 -6.7444592714309692e-01 - 2.4655258655548096e-01 -4.4633221626281738e-01 - <_> - 7.2298965454101562e+01 - - 1 2 2367 5.0000000000000000e-01 0 -1 2368 - 1.6500000000000000e+01 -2 -3 2369 1.1650000000000000e+02 - - -6.4155972003936768e-01 5.6763589382171631e-01 - 4.5910947024822235e-02 -5.7516378164291382e-01 - <_> - 7.2460647583007812e+01 - - 1 2 2370 1.0500000000000000e+01 0 -1 2371 776. -2 -3 2372 - 3.0350000000000000e+02 - - 1. -7.5311285257339478e-01 1.6168554127216339e-01 - -9.7889220714569092e-01 - <_> - 7.2329025268554688e+01 - - 1 2 2373 6.8250000000000000e+02 0 -1 2374 - 9.8350000000000000e+02 -2 -3 2375 8.4550000000000000e+02 - - -5.8907532691955566e-01 6.2361657619476318e-01 - 6.0256063938140869e-01 -1.3162477314472198e-01 - <_> - 7.2692337036132812e+01 - - 1 2 2376 9.5000000000000000e+00 0 -1 2377 587. -2 -3 2378 - 6.2850000000000000e+02 - - 1.8354943394660950e-01 -6.3397884368896484e-01 - 3.6331036686897278e-01 -4.3740653991699219e-01 - <_> - 7.3099296569824219e+01 - - 1 2 2379 5.0000000000000000e-01 0 -1 2380 - 5.5000000000000000e+00 -2 -3 2381 1.5000000000000000e+00 - - 4.0695956349372864e-01 -2.3705665767192841e-01 - 5.4972708225250244e-01 -5.1312422752380371e-01 - <_> - 7.3302726745605469e+01 - - 1 2 2382 8.7050000000000000e+02 0 -1 2383 - 1.5000000000000000e+00 -2 -3 2384 2.9500000000000000e+01 - - 3.9779379963874817e-01 -6.3519412279129028e-01 - -8.4823501110076904e-01 3.2447892427444458e-01 - <_> - 7.3023147583007812e+01 - - 1 2 2385 5.0000000000000000e-01 0 -1 2386 - 3.8500000000000000e+01 -2 -3 2387 1.5775000000000000e+03 - - -2.5971448421478271e-01 5.4386669397354126e-01 - -4.0062361955642700e-01 4.5868498086929321e-01 - <_> - 7.3163795471191406e+01 - - 1 2 2388 2.7500000000000000e+01 0 -1 2389 - 5.0000000000000000e-01 -2 -3 2390 4.6500000000000000e+01 - - 1.4064319431781769e-01 -4.5721408724784851e-01 - 8.3929353952407837e-01 -5.6752306222915649e-01 - <_> - 7.3411483764648438e+01 - - 1 2 2391 3.5000000000000000e+00 0 -1 2392 21. -2 -3 2393 - 1.0850000000000000e+02 - - -7.8916430473327637e-01 1. 2.4769315123558044e-01 - -4.8368823528289795e-01 - <_> - 7.3806152343750000e+01 - - 1 2 2394 6.5000000000000000e+00 0 -1 2395 - 2.2500000000000000e+01 -2 -3 2396 1.9500000000000000e+01 - - -4.2384034395217896e-01 3.9466390013694763e-01 - 1.2428787350654602e-01 -5.8119755983352661e-01 - <_> - 7.3893051147460938e+01 - - 1 2 2397 6.2500000000000000e+01 0 -1 2398 - 2.5000000000000000e+00 -2 -3 2399 8.5000000000000000e+00 - - 8.6900889873504639e-02 -5.0835818052291870e-01 - 6.4387518167495728e-01 -3.4420084953308105e-01 - <_> - 7.4370101928710938e+01 - - 1 2 2400 2.0250000000000000e+02 0 -1 2401 - 2.6500000000000000e+01 -2 -3 2402 1.0250000000000000e+02 - - -3.3534547686576843e-01 7.1747875213623047e-01 - 5.8294051885604858e-01 -2.0199438929557800e-01 - <_> - 7.3817878723144531e+01 - - 1 2 2403 2.2250000000000000e+02 0 -1 2404 495. -2 -3 2405 - 1.1150000000000000e+02 - - -9.2125439643859863e-01 4.6380558609962463e-01 - -8.2408124208450317e-01 -5.1385825499892235e-03 - <_> - 7.4274734497070312e+01 - - 1 2 2406 5.0000000000000000e-01 0 -1 2407 - 6.5000000000000000e+00 -2 -3 2408 4.5000000000000000e+00 - - -5.4510724544525146e-01 4.5685729384422302e-01 - -4.1785773634910583e-01 3.7173369526863098e-01 - <_> - 7.4214447021484375e+01 - - 1 2 2409 4.3515000000000000e+03 0 -1 2410 - 7.1850000000000000e+02 -2 -3 2411 6.1445000000000000e+03 - - -5.5608157068490982e-02 6.8498140573501587e-01 - -8.1597936153411865e-01 -6.0283310711383820e-02 - <_> - 7.4526939392089844e+01 - - 1 2 2412 1.5000000000000000e+00 0 -1 2413 - 4.5000000000000000e+00 -2 -3 2414 1.7500000000000000e+01 - - -2.5446805357933044e-01 8.0654889345169067e-01 - 4.4617369771003723e-02 -4.9571081995964050e-01 - <_> - 7.4664260864257812e+01 - - 1 2 2415 2.1500000000000000e+01 0 -1 2416 - 9.5000000000000000e+00 -2 -3 2417 5.0000000000000000e-01 - - 2.5834673643112183e-01 -6.3097542524337769e-01 - 5.6628465652465820e-01 -1.0652445256710052e-01 - <_> - 7.4835792541503906e+01 - - 1 2 2418 1.9500000000000000e+01 0 -1 2419 - 2.1650000000000000e+02 -2 -3 2420 3.5000000000000000e+00 - - -3.4473347663879395e-01 3.5953617095947266e-01 - -7.8647011518478394e-01 4.7845369577407837e-01 - <_> - 7.5001464843750000e+01 - - 1 2 2421 4.3350000000000000e+02 0 -1 2422 - 9.5000000000000000e+00 -2 -3 2423 5.0000000000000000e-01 - - -7.6833075284957886e-01 1.6567093133926392e-01 1. - -9.3112909793853760e-01 - <_> - 7.5096672058105469e+01 - - 1 2 2424 1.9500000000000000e+01 0 -1 2425 - 2.5500000000000000e+01 -2 -3 2426 2.5165000000000000e+03 - - -7.1183577179908752e-02 5.7713252305984497e-01 - -7.3037630319595337e-01 9.5210477709770203e-02 - <_> - 7.4955039978027344e+01 - - 1 2 2427 5.5000000000000000e+00 0 -1 2428 - 8.0500000000000000e+01 -2 -3 2429 4.0500000000000000e+01 - - 3.1543654203414917e-01 -5.0912439823150635e-01 - -6.9998091459274292e-01 1.5216259658336639e-01 - <_> - 7.4920089721679688e+01 - - 1 2 2430 1.1215000000000000e+03 0 -1 2431 - 3.8850000000000000e+02 -2 -3 2432 4.1195000000000000e+03 - - 4.6712434291839600e-01 -4.7107401490211487e-01 - -8.0701512098312378e-01 -4.6098276972770691e-02 - <_> - 7.4982124328613281e+01 - - 1 2 2433 1.8500000000000000e+01 0 -1 2434 - 3.5500000000000000e+01 -2 -3 2435 3.5000000000000000e+00 - - -3.7868845462799072e-01 5.3733342885971069e-01 - 5.9916520118713379e-01 -1.3988719880580902e-01 - <_> - 7.5354972839355469e+01 - - 1 2 2436 2.5000000000000000e+00 0 -1 2437 - 4.5000000000000000e+00 -2 -3 2438 2.3500000000000000e+01 - - 3.7731003016233444e-02 -8.0526626110076904e-01 - 4.1983363032341003e-01 -1.6427561640739441e-01 - <_> - 7.5353942871093750e+01 - - 1 2 2439 3.8500000000000000e+01 0 -1 2440 - 5.0000000000000000e-01 -2 -3 2441 1.5250000000000000e+02 - - 4.1628280282020569e-01 -5.9752076864242554e-01 - 2.2085283696651459e-01 -7.8762036561965942e-01 - <_> - 7.4907821655273438e+01 - - 1 2 2442 9.5000000000000000e+00 0 -1 2443 - 5.5000000000000000e+00 -2 -3 2444 1.3500000000000000e+01 - - -6.2543123960494995e-01 2.9037654399871826e-01 - -6.6800427436828613e-01 2.3413531482219696e-01 - <_> - 7.5347267150878906e+01 - - 1 2 2445 5.0000000000000000e-01 0 -1 2446 - 7.5000000000000000e+00 -2 -3 2447 1.5000000000000000e+00 - - -7.7953171730041504e-01 4.3944290280342102e-01 - 2.1482174098491669e-01 -4.5657783746719360e-01 - <_> - 7.5632286071777344e+01 - - 1 2 2448 1.8500000000000000e+01 0 -1 2449 - 1.0500000000000000e+01 -2 -3 2450 3.7500000000000000e+01 - - -3.2795214653015137e-01 2.8501552343368530e-01 - -7.3039668798446655e-01 3.0266335606575012e-01 - <_> - 7.5784385681152344e+01 - - 1 2 2451 5.0000000000000000e-01 0 -1 2452 - 4.5000000000000000e+00 -2 -3 2453 9.5500000000000000e+01 - - -7.9435759782791138e-01 2.8812354803085327e-01 - 3.0145803093910217e-01 -5.5056422948837280e-01 - <_> - 7.5934288024902344e+01 - - 1 2 2454 1.2500000000000000e+01 0 -1 2455 - 1.1500000000000000e+01 -2 -3 2456 9.5000000000000000e+00 - - -5.4109108448028564e-01 3.4966334700584412e-01 - 2.2563920915126801e-01 -6.0146200656890869e-01 - <_> - 7.5664039611816406e+01 - - 1 2 2457 1.5000000000000000e+00 0 -1 2458 - 2.0500000000000000e+01 -2 -3 2459 1.7500000000000000e+01 - - -6.3995569944381714e-02 5.8523094654083252e-01 - -6.0602784156799316e-01 9.1935232281684875e-02 - <_> - 7.5729660034179688e+01 - - 1 2 2460 5.0000000000000000e-01 0 -1 2461 - 1.5000000000000000e+00 -2 -3 2462 5.7500000000000000e+01 - - -3.9503663778305054e-01 6.0793364048004150e-01 - -5.8376723527908325e-01 2.0124232396483421e-02 - <_> - 7.6041374206542969e+01 - - 1 2 2463 2.5000000000000000e+00 0 -1 2464 - 4.5850000000000000e+02 -2 -3 2465 2.8500000000000000e+01 - - 3.1171244382858276e-01 -1. -6.6108351945877075e-01 - 2.7302114292979240e-02 - <_> - 7.5795768737792969e+01 - - 1 2 2466 1.9650000000000000e+02 0 -1 2467 - 6.2950000000000000e+02 -2 -3 2468 8.3500000000000000e+01 - - -2.5152391195297241e-01 6.5583813190460205e-01 - -7.8791797161102295e-01 9.4210775569081306e-04 - <_> - 7.5857429504394531e+01 - - 1 2 2469 4.5000000000000000e+00 0 -1 2470 - 8.0500000000000000e+01 -2 -3 2471 1.1845000000000000e+03 - - 4.5618292689323425e-01 -2.6651117205619812e-01 - 6.1658360064029694e-02 -5.8446490764617920e-01 - <_> - 7.6416542053222656e+01 - - 1 2 2472 4.0950000000000000e+02 0 -1 2473 - 1.5950000000000000e+02 -2 -3 2474 3.6500000000000000e+01 - - -3.3679732680320740e-01 6.7494618892669678e-01 - -5.3805744647979736e-01 5.5911004543304443e-01 - <_> - 7.5964401245117188e+01 - - 1 2 2475 2159. 0 -1 2476 9.5000000000000000e+00 -2 -3 2477 - 2.7550000000000000e+02 - - -9.7294098138809204e-01 3.4394034743309021e-01 - 7.5755751132965088e-01 -4.5213976502418518e-01 - <_> - 7.6349334716796875e+01 - - 1 2 2478 5.0000000000000000e-01 0 -1 2479 109. -2 -3 2480 - 7.5000000000000000e+00 - - -8.3041268587112427e-01 3.8493672013282776e-01 - 1.9105611741542816e-01 -5.4174506664276123e-01 - <_> - 7.6266555786132812e+01 - - 1 2 2481 5.7850000000000000e+02 0 -1 2482 - 1.5000000000000000e+00 -2 -3 2483 2.8750000000000000e+02 - - 5.4517310857772827e-01 -8.3548069000244141e-01 - 5.4728341102600098e-01 -8.2781173288822174e-02 - <_> - 7.6401138305664062e+01 - - 1 2 2484 3.9500000000000000e+01 0 -1 2485 - 4.8500000000000000e+01 -2 -3 2486 1.5450000000000000e+02 - - -3.2842093706130981e-01 4.5771333575248718e-01 - 5.4719090461730957e-01 -5.5783140659332275e-01 - <_> - 7.6629852294921875e+01 - - 1 2 2487 5.0000000000000000e-01 0 -1 2488 - 9.8695000000000000e+03 -2 -3 2489 6.5000000000000000e+00 - - 3.5277694463729858e-01 -8.9051485061645508e-01 - 1.5630321204662323e-01 -5.0492966175079346e-01 - <_> - 7.7012748718261719e+01 - - 1 2 2490 3.4250000000000000e+02 0 -1 2491 - 5.0000000000000000e-01 -2 -3 2492 1.0500000000000000e+01 - - 6.1497741937637329e-01 -4.2811819911003113e-01 - -6.7799770832061768e-01 3.8289925456047058e-01 - <_> - 7.7173255920410156e+01 - - 1 2 2493 6.3500000000000000e+01 0 -1 2494 - 4.2500000000000000e+01 -2 -3 2495 1.0450000000000000e+02 - - -7.6624304056167603e-01 1.6050516068935394e-01 - -9.2148023843765259e-01 7.9243576526641846e-01 - <_> - 7.7233604431152344e+01 - - 1 2 2496 3.5000000000000000e+00 0 -1 2497 - 2.9500000000000000e+01 -2 -3 2498 9.5000000000000000e+00 - - 4.3042707443237305e-01 -7.0397478342056274e-01 - -5.7992899417877197e-01 6.0347892343997955e-02 - <_> - 7.7677680969238281e+01 - - 1 2 2499 7.7750000000000000e+02 0 -1 2500 - 3.5000000000000000e+00 -2 -3 2501 3.9050000000000000e+02 - - 2.6784166693687439e-01 -7.3122310638427734e-01 - 6.9813531637191772e-01 -5.0064746290445328e-02 - <_> - 7.7810462951660156e+01 - - 1 2 2502 1.2500000000000000e+01 0 -1 2503 46. -2 -3 2504 - 4.7550000000000000e+02 - - 7.4502938985824585e-01 -9.3451422452926636e-01 - 1.7553819715976715e-01 -6.0448014736175537e-01 - <_> - 7.8011604309082031e+01 - - 1 2 2505 5.0000000000000000e-01 0 -1 2506 - 1.5000000000000000e+00 -2 -3 2507 2.1500000000000000e+01 - - 5.5112600326538086e-01 -7.1465468406677246e-01 - -6.2684929370880127e-01 2.0114150643348694e-01 - <_> - 7.7726852416992188e+01 - - 1 2 2508 2.5000000000000000e+00 0 -1 2509 - 1.5000000000000000e+00 -2 -3 2510 2.2275000000000000e+03 - - -6.1417835950851440e-01 6.4539062976837158e-01 - 2.3531807959079742e-01 -3.7372583150863647e-01 - <_> - 7.7838409423828125e+01 - - 1 2 2511 4.0435000000000000e+03 0 -1 2512 - 1.6050000000000000e+02 -2 -3 2513 12334. - - -3.2763364911079407e-01 7.1799826622009277e-01 - 4.0013375878334045e-01 -8.6134457588195801e-01 - <_> - 7.7509208679199219e+01 - - 1 2 2514 5.0000000000000000e-01 0 -1 2515 - 3.5000000000000000e+00 -2 -3 2516 4.1050000000000000e+02 - - -5.3890359401702881e-01 3.9034625887870789e-01 - 3.8619524240493774e-01 -5.2792149782180786e-01 - <_> - 7.7868835449218750e+01 - - 1 2 2517 5.0000000000000000e-01 0 -1 2518 - 4.5000000000000000e+00 -2 -3 2519 5.0000000000000000e-01 - - -4.3116971850395203e-01 3.5963350534439087e-01 - 3.4538099169731140e-01 -4.9176117777824402e-01 - <_> - 7.8107124328613281e+01 - - 1 2 2520 8.5000000000000000e+00 0 -1 2521 303. -2 -3 2522 - 1.3550000000000000e+02 - - 3.4497961401939392e-01 -3.9331153035163879e-01 - 6.7525440454483032e-01 -6.4588183164596558e-01 - <_> - 7.7949096679687500e+01 - - 1 2 2523 4.5000000000000000e+00 0 -1 2524 - 4.4500000000000000e+01 -2 -3 2525 9.5000000000000000e+00 - - -8.7561493273824453e-04 6.5230095386505127e-01 - -5.9499686956405640e-01 2.8807112574577332e-01 - <_> - 7.7715606689453125e+01 - - 1 2 2526 5.7500000000000000e+01 0 -1 2527 - 1.9500000000000000e+01 -2 -3 2528 4.5000000000000000e+00 - - -2.3348997533321381e-01 3.4078663587570190e-01 - 8.8998430967330933e-01 -8.2743632793426514e-01 - <_> - 7.7412117004394531e+01 - - 1 2 2529 1.5500000000000000e+01 0 -1 2530 - 7.5000000000000000e+00 -2 -3 2531 1.2500000000000000e+01 - - -8.8361167907714844e-01 4.6851965785026550e-01 - 7.6548218727111816e-01 -3.4992104768753052e-01 - <_> - 7.7919708251953125e+01 - - 1 2 2532 1.4500000000000000e+01 0 -1 2533 - 4.3250000000000000e+02 -2 -3 2534 1.5000000000000000e+00 - - 1.6036920249462128e-01 -4.6338194608688354e-01 - -7.4071860313415527e-01 5.0758624076843262e-01 - <_> - 7.7726272583007812e+01 - - 1 2 2535 8.0500000000000000e+01 0 -1 2536 - 3.7500000000000000e+01 -2 -3 2537 2.5000000000000000e+00 - - -1.9343656301498413e-01 3.6727836728096008e-01 1. - -8.6589008569717407e-01 - <_> - 7.8272102355957031e+01 - - 1 2 2538 5.0000000000000000e-01 0 -1 2539 - 4.5000000000000000e+00 -2 -3 2540 658. - - -5.3998571634292603e-01 5.4582929611206055e-01 - -3.1522071361541748e-01 7.1490818262100220e-01 - <_> - 7.8563529968261719e+01 - - 1 2 2541 4.5000000000000000e+00 0 -1 2542 - 1.4500000000000000e+01 -2 -3 2543 1.6500000000000000e+01 - - 5.0465071201324463e-01 -4.6871420741081238e-01 - 5.3199578076601028e-02 -5.5464112758636475e-01 - <_> - 7.8416564941406250e+01 - - 1 2 2544 1.3450000000000000e+02 0 -1 2545 - 1.9500000000000000e+01 -2 -3 2546 3.5000000000000000e+00 - - -8.7330028414726257e-02 -7.5999724864959717e-01 - 5.3803235292434692e-01 -1.4696989953517914e-01 - <_> - 7.8487602233886719e+01 - - 1 2 2547 6.5000000000000000e+00 0 -1 2548 - 5.0000000000000000e-01 -2 -3 2549 1.7500000000000000e+01 - - 7.1036763489246368e-02 -7.1582734584808350e-01 - 5.4787242412567139e-01 -1.1151381582021713e-01 - <_> - 7.8819152832031250e+01 - - 1 2 2550 2.0750000000000000e+02 0 -1 2551 - 2.0735000000000000e+03 -2 -3 2552 4304. - - 2.2555717825889587e-01 -4.1814169287681580e-01 - 6.8767857551574707e-01 -2.6335984468460083e-01 - <_> - 7.9293106079101562e+01 - - 1 2 2553 1.8500000000000000e+01 0 -1 2554 - 4.1500000000000000e+01 -2 -3 2555 1.8500000000000000e+01 - - -8.1884217262268066e-01 1. 4.7395563125610352e-01 - -1.8633662164211273e-01 - <_> - 7.9529563903808594e+01 - - 1 2 2556 3.3500000000000000e+01 0 -1 2557 - 1.9850000000000000e+02 -2 -3 2558 1.3050000000000000e+02 - - 5.9216380119323730e-01 -7.9069614410400391e-01 - 2.3645764589309692e-01 -5.4375654458999634e-01 - <_> - 7.9264884948730469e+01 - - 1 2 2559 5.2500000000000000e+01 0 -1 2560 - 6.0500000000000000e+01 -2 -3 2561 3.1500000000000000e+01 - - 9.8454810678958893e-02 -6.2080347537994385e-01 - 3.8626289367675781e-01 -4.1950720548629761e-01 - <_> - 7.9011604309082031e+01 - - 1 2 2562 2.9550000000000000e+02 0 -1 2563 - 3.9500000000000000e+01 -2 -3 2564 2.5000000000000000e+00 - - -6.1641591787338257e-01 2.5828385353088379e-01 - 6.0895466804504395e-01 -5.8573886752128601e-02 - <_> - 7.9083618164062500e+01 - - 1 2 2565 2.8500000000000000e+01 0 -1 2566 - 5.0000000000000000e-01 -2 -3 2567 5.5000000000000000e+00 - - -3.0742061138153076e-01 2.8055912256240845e-01 - -7.9475212097167969e-01 8.2691472768783569e-01 - <_> - 7.9463661193847656e+01 - - 1 2 2568 5.0000000000000000e-01 0 -1 2569 - 1.5000000000000000e+00 -2 -3 2570 6.3050000000000000e+02 - - -1.2270902097225189e-01 7.1463072299957275e-01 - -4.2850509285926819e-01 2.2205479443073273e-01 - <_> - 7.9607894897460938e+01 - - 1 2 2571 3.5000000000000000e+00 0 -1 2572 - 3.5000000000000000e+00 -2 -3 2573 5.0000000000000000e-01 - - -9.3542063236236572e-01 5.4489326477050781e-01 - 2.0372124016284943e-01 -3.9889475703239441e-01 - <_> - 7.9263900756835938e+01 - - 1 2 2574 2.7950000000000000e+02 0 -1 2575 13730. -2 -3 2576 - 7.5000000000000000e+00 - - -7.3570191860198975e-02 7.3383468389511108e-01 - 4.3032327294349670e-01 -3.4399634599685669e-01 - <_> - 7.9479598999023438e+01 - - 1 2 2577 3.5000000000000000e+00 0 -1 2578 - 1.6500000000000000e+01 -2 -3 2579 168. - - 5.7104247808456421e-01 -8.0473148822784424e-01 - 2.1569329500198364e-01 -8.4493541717529297e-01 - <_> - 7.9719924926757812e+01 - - 1 2 2580 1.8500000000000000e+01 0 -1 2581 - 2.5500000000000000e+01 -2 -3 2582 5.8750000000000000e+02 - - -7.7445679903030396e-01 8.1580907106399536e-01 - -3.5785317420959473e-01 2.4033224582672119e-01 - <_> - 7.9651489257812500e+01 - - 1 2 2583 1.9750000000000000e+02 0 -1 2584 - 2.9845000000000000e+03 -2 -3 2585 8.7950000000000000e+02 - - -6.2534831464290619e-02 6.7511278390884399e-01 - 5.5172812938690186e-01 -4.6909588575363159e-01 - <_> - 7.9875663757324219e+01 - - 1 2 2586 4.3500000000000000e+01 0 -1 2587 - 3.0350000000000000e+02 -2 -3 2588 1.5000000000000000e+00 - - -9.0566140413284302e-01 2.2416961193084717e-01 - 6.5261769294738770e-01 -7.8972738981246948e-01 - <_> - 7.9825202941894531e+01 - - 1 2 2589 1.8500000000000000e+01 0 -1 2590 - 7.8500000000000000e+01 -2 -3 2591 5.5000000000000000e+00 - - -5.0458520650863647e-02 6.2098169326782227e-01 - -6.2433195114135742e-01 7.0211088657379150e-01 - <_> - 7.9897819519042969e+01 - - 1 2 2592 5.0000000000000000e-01 0 -1 2593 - 7.5000000000000000e+00 -2 -3 2594 3.6500000000000000e+01 - - -4.5179387927055359e-01 4.7666555643081665e-01 - -5.4754704236984253e-01 7.9487584531307220e-02 - <_> - 8.0220909118652344e+01 - - 1 2 2595 1.5000000000000000e+00 0 -1 2596 - 3.5000000000000000e+00 -2 -3 2597 2.3025000000000000e+03 - - 5.9295910596847534e-01 -4.7368842363357544e-01 - 3.2309135794639587e-01 -3.6595731973648071e-01 - <_> - 8.0416793823242188e+01 - - 1 2 2598 5.7650000000000000e+02 0 -1 2599 - 6.8250000000000000e+02 -2 -3 2600 423. - - -8.3457779884338379e-01 9.4248223304748535e-01 - 1.9588518142700195e-01 -8.9797055721282959e-01 - <_> - 8.0621925354003906e+01 - - 1 2 2601 4.3500000000000000e+01 0 -1 2602 - 4.5000000000000000e+00 -2 -3 2603 1.6500000000000000e+01 - - 5.7445579767227173e-01 -7.1823668479919434e-01 - -8.5307145118713379e-01 2.0513093471527100e-01 - <_> - 8.0483642578125000e+01 - - 1 2 2604 1.5000000000000000e+00 0 -1 2605 - 1.3500000000000000e+01 -2 -3 2606 1.5000000000000000e+00 - - -8.1219720840454102e-01 2.1613596379756927e-01 - 8.3621460199356079e-01 -6.8892109394073486e-01 - <_> - 8.0708099365234375e+01 - - 1 2 2607 1.5000000000000000e+00 0 -1 2608 - 1.5000000000000000e+00 -2 -3 2609 1.5000000000000000e+00 - - -4.5658573508262634e-01 4.5419740676879883e-01 - 3.7913042306900024e-01 -4.2572236061096191e-01 - <_> - 8.0967964172363281e+01 - - 1 2 2610 1.7225000000000000e+03 0 -1 2611 904. -2 -3 2612 - 48. - - -4.9103862047195435e-01 2.5986543297767639e-01 - -6.5187561511993408e-01 7.3263108730316162e-01 - <_> - 8.1015785217285156e+01 - - 1 2 2613 8.5500000000000000e+01 0 -1 2614 - 3.2500000000000000e+01 -2 -3 2615 1.6500000000000000e+01 - - 3.0590304732322693e-01 -6.0726463794708252e-01 - 4.5478045940399170e-01 -2.1701261401176453e-01 - <_> - 8.1222023010253906e+01 - - 1 2 2616 1.1500000000000000e+01 0 -1 2617 - 3.5000000000000000e+00 -2 -3 2618 570. - - 4.0577322244644165e-01 -2.8158581256866455e-01 - -7.0219916105270386e-01 7.8437590599060059e-01 - <_> - 8.1114990234375000e+01 - - 1 2 2619 1.5000000000000000e+00 0 -1 2620 - 5.0000000000000000e-01 -2 -3 2621 5.0000000000000000e-01 - - 4.7717106342315674e-01 -8.8117665052413940e-01 - 3.8160988688468933e-01 -1.6836205124855042e-01 - <_> - 8.0563499450683594e+01 - - 1 2 2622 2.5500000000000000e+01 0 -1 2623 - 1.2500000000000000e+01 -2 -3 2624 5.9500000000000000e+01 - - -5.5149054527282715e-01 3.2653099298477173e-01 - 3.5567849874496460e-01 -6.7506045103073120e-01 - <_> - 8.1009407043457031e+01 - - 1 2 2625 3.5000000000000000e+00 0 -1 2626 - 2.2985000000000000e+03 -2 -3 2627 5.5000000000000000e+00 - - 4.4590899348258972e-01 -2.8159150481224060e-01 - -5.6732189655303955e-01 2.0876012742519379e-01 - <_> - 8.1270759582519531e+01 - - 1 2 2628 1.3500000000000000e+01 0 -1 2629 - 4.4500000000000000e+01 -2 -3 2630 3.9500000000000000e+01 - - 1.7286604642868042e-01 -7.5421804189682007e-01 - 2.6134765148162842e-01 -5.9037572145462036e-01 - <_> - 8.1395576477050781e+01 - - 1 2 2631 4.4750000000000000e+02 0 -1 2632 - 1.9500000000000000e+01 -2 -3 2633 2.7965000000000000e+03 - - 1.2481955438852310e-01 -4.5122003555297852e-01 - 7.7366709709167480e-01 -3.6004805564880371e-01 - <_> - 8.1301132202148438e+01 - - 1 2 2634 2.5000000000000000e+00 0 -1 2635 6. -2 -3 2636 - 1.3995000000000000e+03 - - 1. -1. 4.4335600733757019e-01 -9.4446659088134766e-02 - <_> - 8.1370132446289062e+01 - - 1 2 2637 4.1250000000000000e+02 0 -1 2638 - 1.5000000000000000e+00 -2 -3 2639 7.5000000000000000e+00 - - 6.9000430405139923e-02 -4.9422886967658997e-01 - -9.1928571462631226e-01 4.6428659558296204e-01 - <_> - 8.1621879577636719e+01 - - 1 2 2640 2.8500000000000000e+01 0 -1 2641 - 2.6500000000000000e+01 -2 -3 2642 1.5500000000000000e+01 - - -4.7164541482925415e-01 2.5174945592880249e-01 - 1.3210830092430115e-01 -8.8470876216888428e-01 - <_> - 8.2271644592285156e+01 - - 1 2 2643 2.5000000000000000e+00 0 -1 2644 - 1.0500000000000000e+01 -2 -3 2645 86. - - -6.9350771605968475e-02 6.4976197481155396e-01 - -7.7881592512130737e-01 -6.0378432273864746e-02 - <_> - 8.2486991882324219e+01 - - 1 2 2646 2.7500000000000000e+01 0 -1 2647 - 4.5000000000000000e+00 -2 -3 2648 6.5000000000000000e+00 - - -8.2361882925033569e-01 3.2168322801589966e-01 - 2.4581556022167206e-01 -5.5088657140731812e-01 - <_> - 8.2648330688476562e+01 - - 1 2 2649 1.1500000000000000e+01 0 -1 2650 - 2.5000000000000000e+00 -2 -3 2651 552. - - 5.5005900561809540e-02 -6.6145080327987671e-01 - -9.3321514129638672e-01 2.9643073678016663e-01 - <_> - 8.2730377197265625e+01 - - 1 2 2652 1835. 0 -1 2653 9026. -2 -3 2654 - 5.0000000000000000e-01 - - -8.2883286476135254e-01 9.0321773290634155e-01 - 8.2042239606380463e-02 -4.4094491004943848e-01 - <_> - 8.2976600646972656e+01 - - 1 2 2655 7.5000000000000000e+00 0 -1 2656 27. -2 -3 2657 - 7.7500000000000000e+01 - - -6.6883772611618042e-01 8.2824200391769409e-01 - 2.4622967839241028e-01 -7.1693640947341919e-01 - <_> - 8.2621650695800781e+01 - - 1 2 2658 8.5000000000000000e+00 0 -1 2659 - 5.0000000000000000e-01 -2 -3 2660 55. - - 2.1821559965610504e-01 -3.5495325922966003e-01 - -5.7552605867385864e-01 6.4010292291641235e-01 - <_> - 8.2944847106933594e+01 - - 1 2 2661 5.5000000000000000e+00 0 -1 2662 9109. -2 -3 2663 - 3.0500000000000000e+01 - - 3.6217045038938522e-02 -6.7411881685256958e-01 - 4.6031165122985840e-01 -1.3432784378528595e-01 - <_> - 8.2844596862792969e+01 - - 1 2 2664 4.5000000000000000e+00 0 -1 2665 - 1.9500000000000000e+01 -2 -3 2666 5.0000000000000000e-01 - - -6.6067945957183838e-01 6.5172028541564941e-01 - 5.3896325826644897e-01 -1.0024529695510864e-01 - <_> - 8.2988021850585938e+01 - - 1 2 2667 2.3500000000000000e+01 0 -1 2668 - 3.5000000000000000e+00 -2 -3 2669 5.5500000000000000e+01 - - 3.6205202341079712e-01 -4.8302540183067322e-01 - -3.1453946232795715e-01 4.5836016535758972e-01 - <_> - 8.3242561340332031e+01 - - 1 2 2670 9.0500000000000000e+01 0 -1 2671 - 4.1500000000000000e+01 -2 -3 2672 3.9500000000000000e+01 - - 2.5454065203666687e-01 -3.1304958462715149e-01 - -9.7736436128616333e-01 6.2847685813903809e-01 - <_> - 8.3276382446289062e+01 - - 1 2 2673 1.7500000000000000e+01 0 -1 2674 - 8.3500000000000000e+01 -2 -3 2675 5.5000000000000000e+00 - - 5.6938213109970093e-01 -9.2754542827606201e-01 - 3.0042541027069092e-01 -2.8111898899078369e-01 - <_> - 8.2934799194335938e+01 - - 1 2 2676 3.3500000000000000e+01 0 -1 2677 - 3.6050000000000000e+02 -2 -3 2678 94. - - -3.8239040970802307e-01 1.4262221753597260e-01 - 7.1967273950576782e-01 -7.4638730287551880e-01 - <_> - 8.3355155944824219e+01 - - 1 2 2679 6.5000000000000000e+00 0 -1 2680 25. -2 -3 2681 - 1.5000000000000000e+00 - - -9.2031919956207275e-01 1. 4.2035222053527832e-01 - -1.8400678038597107e-01 - <_> - 8.3341117858886719e+01 - - 1 2 2682 2.7550000000000000e+02 0 -1 2683 - 3.9500000000000000e+01 -2 -3 2684 1.7500000000000000e+01 - - -3.1554982066154480e-01 2.4787786602973938e-01 - -9.8996192216873169e-01 1. - <_> - 8.3088867187500000e+01 - - 1 2 2685 5.0000000000000000e-01 0 -1 2686 - 3.4500000000000000e+01 -2 -3 2687 3.3250000000000000e+02 - - 7.6295363903045654e-01 -3.0974990129470825e-01 - -2.5224679708480835e-01 6.2690478563308716e-01 - <_> - 8.3444519042968750e+01 - - 1 2 2688 1.5000000000000000e+00 0 -1 2689 - 6.6500000000000000e+01 -2 -3 2690 5.0000000000000000e-01 - - -4.7374388575553894e-01 3.5564544796943665e-01 - 2.2661061584949493e-01 -5.4821664094924927e-01 - <_> - 8.3531219482421875e+01 - - 1 2 2691 1.5450000000000000e+02 0 -1 2692 - 3.2500000000000000e+01 -2 -3 2693 1.9500000000000000e+01 - - -2.1394637227058411e-01 8.1045120954513550e-01 - -4.8737204074859619e-01 8.6701557040214539e-02 - <_> - 8.3356086730957031e+01 - - 1 2 2694 3.5000000000000000e+00 0 -1 2695 - 9.5000000000000000e+00 -2 -3 2696 2.1500000000000000e+01 - - -3.3526990562677383e-02 5.4166865348815918e-01 - -6.0305202007293701e-01 7.6919454336166382e-01 - <_> - 8.3536964416503906e+01 - - 1 2 2697 2.7950000000000000e+02 0 -1 2698 - 2.1500000000000000e+01 -2 -3 2699 3.5045000000000000e+03 - - -4.9123385548591614e-01 5.2362555265426636e-01 - -7.9040545225143433e-01 -3.3013910055160522e-02 - <_> - 8.3796424865722656e+01 - - 1 2 2700 9.5000000000000000e+00 0 -1 2701 - 4.5000000000000000e+00 -2 -3 2702 1.7500000000000000e+01 - - 4.8670431971549988e-01 -2.3416480422019958e-01 - -4.7568261623382568e-01 2.2792084515094757e-01 - <_> - 8.4059371948242188e+01 - - 1 2 2703 5.5500000000000000e+01 0 -1 2704 - 5.0000000000000000e-01 -2 -3 2705 3.9185000000000000e+03 - - 2.2618722915649414e-01 -9.2116522789001465e-01 - -3.2166120409965515e-01 2.6295122504234314e-01 - <_> - 8.4028038024902344e+01 - - 1 2 2706 1.1500000000000000e+01 0 -1 2707 15. -2 -3 2708 - 4.5000000000000000e+00 - - 8.7838518619537354e-01 -8.4853267669677734e-01 - 3.6655527353286743e-01 -1.8356652557849884e-01 - <_> - 8.3846260070800781e+01 - - 1 2 2709 5.5000000000000000e+00 0 -1 2710 325. -2 -3 2711 - 9.5000000000000000e+00 - - -8.7982141971588135e-01 1. 3.4321373701095581e-01 - -1.8177768588066101e-01 - <_> - 8.4174667358398438e+01 - - 1 2 2712 9.5000000000000000e+00 0 -1 2713 - 1.9050000000000000e+02 -2 -3 2714 4.5000000000000000e+00 - - 6.9107550382614136e-01 -7.7517443895339966e-01 - 5.7090425491333008e-01 -1.1606752872467041e-01 - <_> - 8.4324356079101562e+01 - - 1 2 2715 2.7500000000000000e+01 0 -1 2716 - 4.0885000000000000e+03 -2 -3 2717 8.5000000000000000e+00 - - 8.7019419670104980e-01 -8.7088418006896973e-01 - 2.1278975903987885e-01 -4.6584972739219666e-01 - <_> - 8.4102806091308594e+01 - - 1 2 2718 2.1250000000000000e+02 0 -1 2719 - 5.6500000000000000e+01 -2 -3 2720 5.0000000000000000e-01 - - 2.1476839482784271e-01 -4.4505792856216431e-01 1. - -7.7488011121749878e-01 - <_> - 8.4038200378417969e+01 - - 1 2 2721 9.4500000000000000e+01 0 -1 2722 - 1.5000000000000000e+00 -2 -3 2723 98. - - 1.9173437356948853e-01 -5.0092142820358276e-01 - -4.4755691289901733e-01 4.7253641486167908e-01 - <_> - 8.4137344360351562e+01 - - 1 2 2724 1.1515000000000000e+03 0 -1 2725 - 2.0050000000000000e+02 -2 -3 2726 4.8500000000000000e+01 - - -8.2353651523590088e-02 5.8139425516128540e-01 - 3.6044213920831680e-02 -6.4356809854507446e-01 - <_> - 8.4309326171875000e+01 - - 1 2 2727 1.0500000000000000e+01 0 -1 2728 2663. -2 -3 2729 - 2.4250000000000000e+02 - - 4.7916080802679062e-02 -5.9066039323806763e-01 - 7.3575264215469360e-01 -8.9028924703598022e-01 - <_> - 8.4420402526855469e+01 - - 1 2 2730 5.4665000000000000e+03 0 -1 2731 - 1.5000000000000000e+00 -2 -3 2732 4.6500000000000000e+01 - - 2.7950283885002136e-01 -2.4711169302463531e-01 - -9.4440460205078125e-01 1. - <_> - 8.4394798278808594e+01 - - 1 2 2733 1.1050000000000000e+02 0 -1 2734 63. -2 -3 2735 - 6.4650000000000000e+02 - - 4.1327634453773499e-01 -8.2762449979782104e-01 - -2.5601835921406746e-02 7.5820297002792358e-01 - <_> - 8.4607276916503906e+01 - - 1 2 2736 2.5000000000000000e+00 0 -1 2737 - 2.5500000000000000e+01 -2 -3 2738 1.0500000000000000e+01 - - -3.7000726908445358e-02 6.8266022205352783e-01 - 1.4960629865527153e-02 -6.4148795604705811e-01 - <_> - 8.5164596557617188e+01 - - 1 2 2739 5.3500000000000000e+01 0 -1 2740 - 2.9500000000000000e+01 -2 -3 2741 1.0850000000000000e+02 - - -1.2329825013875961e-01 5.5731654167175293e-01 - -8.3035022020339966e-01 7.4285131692886353e-01 - <_> - 8.5318458557128906e+01 - - 1 2 2742 6.0500000000000000e+01 0 -1 2743 - 5.5750000000000000e+02 -2 -3 2744 2.4455000000000000e+03 - - -9.1876357793807983e-01 1.5386807918548584e-01 1. - -8.4595882892608643e-01 - <_> - 8.5138092041015625e+01 - - 1 2 2745 1.4500000000000000e+01 0 -1 2746 133. -2 -3 2747 - 1.5000000000000000e+00 - - 9.3546825647354126e-01 -7.7808952331542969e-01 - 4.2497289180755615e-01 -1.8036651611328125e-01 - <_> - 8.5170181274414062e+01 - - 1 2 2748 2.6500000000000000e+01 0 -1 2749 - 1.6500000000000000e+01 -2 -3 2750 3.0550000000000000e+02 - - 9.9500669166445732e-03 -6.0836273431777954e-01 - 5.2151191234588623e-01 -3.4265536069869995e-01 - <_> - 8.5376792907714844e+01 - - 1 2 2751 3.5000000000000000e+00 0 -1 2752 - 1.6500000000000000e+01 -2 -3 2753 4.2500000000000000e+01 - - 4.3600571155548096e-01 -8.0105257034301758e-01 - -5.1988095045089722e-01 2.0660850405693054e-01 - <_> - 8.5609893798828125e+01 - - 1 2 2754 1.0500000000000000e+01 0 -1 2755 - 1.5000000000000000e+00 -2 -3 2756 2.5000000000000000e+00 - - -6.2382709980010986e-01 4.6645849943161011e-01 - 3.5961329936981201e-02 -5.3663784265518188e-01 - <_> - 8.5939903259277344e+01 - - 1 2 2757 9.5500000000000000e+01 0 -1 2758 11828. -2 -3 2759 - 3.8450000000000000e+02 - - -7.1205846965312958e-02 -9.5047873258590698e-01 - 3.3001002669334412e-01 -5.8486175537109375e-01 - <_> - 8.5633140563964844e+01 - - 1 2 2760 1.5000000000000000e+00 0 -1 2761 - 7.5000000000000000e+00 -2 -3 2762 1.5605000000000000e+03 - - -1.8193472921848297e-01 5.5474883317947388e-01 - 6.6240763664245605e-01 -3.6709865927696228e-01 - <_> - 8.5665580749511719e+01 - - 1 2 2763 5.0000000000000000e-01 0 -1 2764 - 3.5000000000000000e+00 -2 -3 2765 1.6500000000000000e+01 - - -6.3473922014236450e-01 4.5258450508117676e-01 - -6.2842214107513428e-01 3.2442636787891388e-02 - <_> - 8.5813781738281250e+01 - - 1 2 2766 1.8050000000000000e+02 0 -1 2767 - 1.5000000000000000e+00 -2 -3 2768 6.5000000000000000e+00 - - -8.1317859888076782e-01 1.4819937944412231e-01 - 7.9641395807266235e-01 -9.0252667665481567e-01 - <_> - 8.6130287170410156e+01 - - 1 2 2769 2.5000000000000000e+00 0 -1 2770 - 1.5000000000000000e+00 -2 -3 2771 1.0850000000000000e+02 - - -8.2908695936203003e-01 6.0830992460250854e-01 - -3.5930514335632324e-01 2.5600242614746094e-01 - <_> - 8.5960426330566406e+01 - - 1 2 2772 3.5000000000000000e+00 0 -1 2773 - 2.5000000000000000e+00 -2 -3 2774 3.5000000000000000e+00 - - 4.0980219841003418e-01 -8.7654078006744385e-01 - 3.7149679660797119e-01 -1.6985960304737091e-01 - <_> - 8.5911773681640625e+01 - - 1 2 2775 2.0750000000000000e+02 0 -1 2776 - 2.5000000000000000e+00 -2 -3 2777 4.0550000000000000e+02 - - 6.4895875751972198e-02 -5.2602392435073853e-01 - 8.3245736360549927e-01 -4.8650942742824554e-02 - <_> - 8.6134010314941406e+01 - - 1 2 2778 6.2500000000000000e+01 0 -1 2779 - 3.6650000000000000e+02 -2 -3 2780 4.5500000000000000e+01 - - -7.8410977125167847e-01 2.2223210334777832e-01 - -8.4461647272109985e-01 7.4402904510498047e-01 - <_> - 8.6428909301757812e+01 - - 1 2 2781 2.5000000000000000e+00 0 -1 2782 - 6.5000000000000000e+00 -2 -3 2783 4.1750000000000000e+02 - - 5.1555430889129639e-01 -1.5588639676570892e-01 - 1.7773015797138214e-01 -5.0610744953155518e-01 - <_> - 8.6826782226562500e+01 - - 1 2 2784 1.5505000000000000e+03 0 -1 2785 - 5.0000000000000000e-01 -2 -3 2786 1.4500000000000000e+01 - - 3.5983416438102722e-01 -5.7004302740097046e-01 - -5.4764652252197266e-01 3.9787346124649048e-01 - <_> - 8.7037475585937500e+01 - - 1 2 2787 5.0000000000000000e-01 0 -1 2788 - 8.5000000000000000e+00 -2 -3 2789 5.0000000000000000e-01 - - -7.9977160692214966e-01 3.6234867572784424e-01 - 2.8641289472579956e-01 -4.9720412492752075e-01 - <_> - 8.6423477172851562e+01 - - 1 2 2790 1.4500000000000000e+01 0 -1 2791 47. -2 -3 2792 - 3.2500000000000000e+01 - - 4.9334439635276794e-01 -7.6565510034561157e-01 - 2.7979478240013123e-01 -3.8790243864059448e-01 - <_> - 8.6541648864746094e+01 - - 1 2 2793 3.8500000000000000e+01 0 -1 2794 - 1.5000000000000000e+00 -2 -3 2795 2.0850000000000000e+02 - - 1.1817480623722076e-01 -4.9608191847801208e-01 - 4.3412643671035767e-01 -8.0814820528030396e-01 - <_> - 8.6554786682128906e+01 - - 1 2 2796 5.0000000000000000e-01 0 -1 2797 - 5.0000000000000000e-01 -2 -3 2798 1.5500000000000000e+01 - - -7.7674239873886108e-01 4.3930459022521973e-01 - 1.3139089569449425e-02 -6.7160016298294067e-01 - <_> - 8.6836524963378906e+01 - - 1 2 2799 2.1500000000000000e+01 0 -1 2800 - 3.2750000000000000e+02 -2 -3 2801 1.2500000000000000e+01 - - -3.1266799569129944e-01 6.9435644149780273e-01 - -5.9980082511901855e-01 6.5070140361785889e-01 - <_> - 8.6815773010253906e+01 - - 1 2 2802 9.8850000000000000e+02 0 -1 2803 - 4.5000000000000000e+00 -2 -3 2804 3.1500000000000000e+01 - - 7.5975960493087769e-01 -1.4526490122079849e-02 - -4.3337148427963257e-01 3.4662330150604248e-01 - <_> - 8.6753486633300781e+01 - - 1 2 2805 5.8750000000000000e+02 0 -1 2806 - 4.0050000000000000e+02 -2 -3 2807 5.8550000000000000e+02 - - -5.1701253652572632e-01 8.5829895734786987e-01 - 6.8487954139709473e-01 -6.2283929437398911e-02 - <_> - 8.7153579711914062e+01 - - 1 2 2808 5.0000000000000000e-01 0 -1 2809 - 2.5000000000000000e+00 -2 -3 2810 9.3050000000000000e+02 - - -7.2558873891830444e-01 4.3454471230506897e-01 - -8.1130824983119965e-02 -8.3618861436843872e-01 - <_> - 8.7351936340332031e+01 - - 1 2 2811 3.5000000000000000e+00 0 -1 2812 - 7.5000000000000000e+00 -2 -3 2813 1.5000000000000000e+00 - - -9.6148520708084106e-01 4.0121293067932129e-01 - 1.6389970481395721e-01 -5.4697543382644653e-01 - <_> - 8.7288108825683594e+01 - - 1 2 2814 9.8500000000000000e+01 0 -1 2815 - 1.5000000000000000e+00 -2 -3 2816 5.0000000000000000e-01 - - 3.0000725388526917e-01 -5.5716449022293091e-01 - 6.8792611360549927e-01 -6.3822388648986816e-02 - <_> - 8.7567855834960938e+01 - - 1 2 2817 1.2500000000000000e+01 0 -1 2818 - 5.5000000000000000e+00 -2 -3 2819 3.2500000000000000e+01 - - -6.0839080810546875e-01 2.7974289655685425e-01 - -9.0464597940444946e-01 -9.1534465551376343e-02 - <_> - 8.7742805480957031e+01 - - 1 2 2820 2.9050000000000000e+02 0 -1 2821 - 4.0350000000000000e+02 -2 -3 2822 1.5000000000000000e+00 - - -1.1221635341644287e-01 6.0925048589706421e-01 - 3.3704385161399841e-01 -5.3282082080841064e-01 - <_> - 8.7797904968261719e+01 - - 1 2 2823 1.4500000000000000e+01 0 -1 2824 1690. -2 -3 2825 - 7.4500000000000000e+01 - - 5.5097710341215134e-02 -8.7218642234802246e-01 - -7.2020220756530762e-01 3.5318741202354431e-01 - <_> - 8.8284759521484375e+01 - - 1 2 2826 2.2450000000000000e+02 0 -1 2827 - 1.9500000000000000e+01 -2 -3 2828 1.9535000000000000e+03 - - -1.3064707815647125e-01 4.8685196042060852e-01 - -8.4640699625015259e-01 1.8381766974925995e-01 - <_> - 8.8222618103027344e+01 - - 1 2 2829 5.0000000000000000e-01 0 -1 2830 - 1.2500000000000000e+01 -2 -3 2831 4.5000000000000000e+00 - - -5.3857803344726562e-01 5.4414546489715576e-01 - 1.8226167559623718e-01 -5.0997644662857056e-01 - <_> - 8.8490211486816406e+01 - - 1 2 2832 8.5000000000000000e+00 0 -1 2833 1990. -2 -3 2834 - 3.5000000000000000e+00 - - -3.3869510889053345e-01 8.5612648725509644e-01 - 6.6255128383636475e-01 -1.8713159859180450e-01 - <_> - 8.8309280395507812e+01 - - 1 2 2835 5.0000000000000000e-01 0 -1 2836 - 1.5350000000000000e+02 -2 -3 2837 3.0500000000000000e+01 - - 3.7325781583786011e-01 -9.1693335771560669e-01 - -3.7281343340873718e-01 4.3598929047584534e-01 - <_> - 8.8545036315917969e+01 - - 1 2 2838 2.5000000000000000e+00 0 -1 2839 - 3.5000000000000000e+00 -2 -3 2840 9.5000000000000000e+00 - - -8.1305176019668579e-01 2.3575115203857422e-01 - 8.2359343767166138e-01 -5.0804460048675537e-01 - <_> - 8.8620689392089844e+01 - - 1 2 2841 4.7950000000000000e+02 0 -1 2842 - 7.4550000000000000e+02 -2 -3 2843 3.5000000000000000e+00 - - -1. 5.5236303806304932e-01 -4.9426826834678650e-01 - 7.5652711093425751e-02 - <_> - 8.8498481750488281e+01 - - 1 2 2844 5.0000000000000000e-01 0 -1 2845 - 5.0000000000000000e-01 -2 -3 2846 9.6500000000000000e+01 - - -8.3736324310302734e-01 3.9632564783096313e-01 - -7.2766882181167603e-01 4.8122378066182137e-03 - <_> - 8.8912002563476562e+01 - - 1 2 2847 3.5000000000000000e+00 0 -1 2848 - 5.0000000000000000e-01 -2 -3 2849 1.5000000000000000e+00 - - 7.1133011579513550e-01 -1.0473229736089706e-01 - 3.0710890889167786e-01 -4.0350064635276794e-01 - <_> - 8.9316238403320312e+01 - - 1 2 2850 1.6500000000000000e+01 0 -1 2851 - 1.5000000000000000e+00 -2 -3 2852 7.5000000000000000e+00 - - 8.4607600001618266e-04 -7.6641041040420532e-01 - -3.1311124563217163e-01 4.4425663352012634e-01 - <_> - 8.9348419189453125e+01 - - 1 2 2853 1.1500000000000000e+01 0 -1 2854 - 1.7500000000000000e+01 -2 -3 2855 2.0500000000000000e+01 - - -9.8593395948410034e-01 1. 2.4410592019557953e-01 - -3.1496018171310425e-01 - <_> - 8.9189270019531250e+01 - - 1 2 2856 1.6500000000000000e+01 0 -1 2857 - 6.5000000000000000e+00 -2 -3 2858 74. - - 8.4461316466331482e-02 -4.1109508275985718e-01 - 9.0820807218551636e-01 -3.5371799021959305e-02 - <_> - 8.9124603271484375e+01 - - 1 2 2859 5.8750000000000000e+02 0 -1 2860 9863. -2 -3 2861 - 1.2500000000000000e+01 - - -6.3491946458816528e-01 4.8731520771980286e-01 - -5.2020323276519775e-01 3.2958313822746277e-01 - <_> - 8.9286071777343750e+01 - - 1 2 2862 9.7500000000000000e+01 0 -1 2863 - 2.1950000000000000e+02 -2 -3 2864 5.0000000000000000e-01 - - 4.2516252398490906e-01 -1. 2.8237330913543701e-01 - -5.0328004360198975e-01 - <_> - 8.9424316406250000e+01 - - 1 2 2865 5.2500000000000000e+01 0 -1 2866 61. -2 -3 2867 - 1.7500000000000000e+01 - - 5.0655448436737061e-01 -5.1969325542449951e-01 - 3.5390514135360718e-01 -4.7365185618400574e-01 - <_> - 8.9726875305175781e+01 - - 1 2 2868 5.8500000000000000e+01 0 -1 2869 - 1.4500000000000000e+01 -2 -3 2870 42. - - 3.0255803465843201e-01 -2.0427562296390533e-01 - -8.5021793842315674e-01 7.0594644546508789e-01 - <_> - 8.9578895568847656e+01 - - 1 2 2871 1.0500000000000000e+01 0 -1 2872 - 1.1950000000000000e+02 -2 -3 2873 24. - - -2.4734574556350708e-01 3.1361401081085205e-01 - 8.7930864095687866e-01 -1. - <_> - 8.9768898010253906e+01 - - 1 2 2874 7.5000000000000000e+00 0 -1 2875 - 7.4500000000000000e+01 -2 -3 2876 2.8500000000000000e+01 - - 3.1221041083335876e-01 -7.0097410678863525e-01 - 2.4191275238990784e-01 -5.3588688373565674e-01 - <_> - 8.9684265136718750e+01 - - 1 2 2877 3.5000000000000000e+00 0 -1 2878 - 2.7950000000000000e+02 -2 -3 2879 4.1500000000000000e+01 - - 1.2314370274543762e-01 -6.7686629295349121e-01 - -3.6168605089187622e-01 3.5209780931472778e-01 - <_> - 8.9795585632324219e+01 - - 1 2 2880 2.1050000000000000e+02 0 -1 2881 - 3.5000000000000000e+00 -2 -3 2882 1.0500000000000000e+01 - - 5.2586346864700317e-01 -3.2540410757064819e-01 - -8.8829517364501953e-01 4.9435129761695862e-01 - <_> - 8.9792076110839844e+01 - - 1 2 2883 2.5000000000000000e+00 0 -1 2884 - 2.9500000000000000e+01 -2 -3 2885 3.9250000000000000e+02 - - -6.1523008346557617e-01 3.7085807323455811e-01 - 9.0023398399353027e-02 -6.0440886020660400e-01 - <_> - 8.9958946228027344e+01 - - 1 2 2886 1.0500000000000000e+01 0 -1 2887 - 1.2500000000000000e+01 -2 -3 2888 1.8500000000000000e+01 - - -5.9052956104278564e-01 2.1934990584850311e-01 - -5.8395588397979736e-01 5.4426544904708862e-01 - <_> - 8.9670410156250000e+01 - - 1 2 2889 1.5000000000000000e+00 0 -1 2890 - 2.5000000000000000e+00 -2 -3 2891 8.5000000000000000e+00 - - -8.5811334848403931e-01 5.2128863334655762e-01 - -3.4101697802543640e-01 2.6454553008079529e-01 - <_> - 8.9847396850585938e+01 - - 1 2 2892 1.4500000000000000e+01 0 -1 2893 - 1.1500000000000000e+01 -2 -3 2894 6.6500000000000000e+01 - - -3.8977336883544922e-01 4.3855726718902588e-01 - -5.0296223163604736e-01 1.7698343098163605e-01 - <_> - 9.0157752990722656e+01 - - 1 2 2895 5.0000000000000000e-01 0 -1 2896 - 8.5000000000000000e+00 -2 -3 2897 4.5000000000000000e+00 - - -4.1999164223670959e-01 3.1035554409027100e-01 - 2.2039012610912323e-01 -5.3406608104705811e-01 - <_> - 9.0098411560058594e+01 - - 1 2 2898 5.0000000000000000e-01 0 -1 2899 - 2.1750000000000000e+02 -2 -3 2900 1.9500000000000000e+01 - - -5.9334795922040939e-02 6.7584723234176636e-01 - -5.2655130624771118e-01 2.6948010921478271e-01 - <_> - 9.0537551879882812e+01 - - 1 2 2901 5.0000000000000000e-01 0 -1 2902 - 7.5000000000000000e+00 -2 -3 2903 2.2500000000000000e+01 - - -6.9564437866210938e-01 4.3913722038269043e-01 - -3.6194628477096558e-01 3.8801836967468262e-01 - <_> - 9.0335647583007812e+01 - - 1 2 2904 1.5000000000000000e+00 0 -1 2905 - 5.4550000000000000e+02 -2 -3 2906 2.5000000000000000e+00 - - 1. -9.8192542791366577e-01 3.3667489886283875e-01 - -2.0190110802650452e-01 - <_> - 9.0692535400390625e+01 - - 1 2 2907 1.5000000000000000e+00 0 -1 2908 - 8.5000000000000000e+00 -2 -3 2909 344. - - -4.5181885361671448e-01 3.5688367486000061e-01 - -5.9278815984725952e-01 6.4385175704956055e-02 - <_> - 9.0584419250488281e+01 - - 1 2 2910 4.6500000000000000e+01 0 -1 2911 - 2.5000000000000000e+00 -2 -3 2912 6.5000000000000000e+00 - - 4.3527498841285706e-01 -1.0811836272478104e-01 - -6.3831877708435059e-01 1. - <_> - 9.0788459777832031e+01 - - 1 2 2913 294. 0 -1 2914 14. -2 -3 2915 - 4.4500000000000000e+01 - - -8.4630513191223145e-01 1. 2.0404133200645447e-01 - -4.8527365922927856e-01 - <_> - 9.0862548828125000e+01 - - 1 2 2916 3.3500000000000000e+01 0 -1 2917 52. -2 -3 2918 - 5.2705000000000000e+03 - - 7.2816586494445801e-01 -5.4465806484222412e-01 - -1.1197114735841751e-01 5.4565620422363281e-01 - <_> - 9.0902687072753906e+01 - - 1 2 2919 4.1050000000000000e+02 0 -1 2920 139. -2 -3 2921 - 1.5000000000000000e+00 - - -9.1185075044631958e-01 6.4714074134826660e-01 - 1.9417783617973328e-01 -3.6837339401245117e-01 - <_> - 9.0985298156738281e+01 - - 1 2 2922 5.7650000000000000e+02 0 -1 2923 - 2.9450000000000000e+02 -2 -3 2924 3.9150000000000000e+02 - - -8.4534245729446411e-01 1. 4.4867873191833496e-01 - -1.7172452807426453e-01 - <_> - 9.1107513427734375e+01 - - 1 2 2925 3.5000000000000000e+00 0 -1 2926 - 1.5500000000000000e+01 -2 -3 2927 4.2500000000000000e+01 - - -8.3989793062210083e-01 8.9864379167556763e-01 - 2.8704452514648438e-01 -2.8833448886871338e-01 - <_> - 9.1266738891601562e+01 - - 1 2 2928 4.9775000000000000e+03 0 -1 2929 - 4.5000000000000000e+00 -2 -3 2930 1.9865000000000000e+03 - - -7.4095195531845093e-01 1.5922544896602631e-01 - -9.0941101312637329e-01 1.8585844337940216e-01 - <_> - 9.1225799560546875e+01 - - 1 2 2931 5.0000000000000000e-01 0 -1 2932 - 4.5000000000000000e+00 -2 -3 2933 1.4500000000000000e+01 - - -7.6407551765441895e-01 5.0083768367767334e-01 - -7.2587943077087402e-01 -5.0088282674551010e-02 - <_> - 9.0573638916015625e+01 - - 1 2 2934 8.5000000000000000e+00 0 -1 2935 - 2.7500000000000000e+01 -2 -3 2936 9.5000000000000000e+00 - - -7.4017934501171112e-02 5.9898555278778076e-01 - 1.7782434821128845e-01 -6.5216350555419922e-01 - <_> - 9.0737045288085938e+01 - - 1 2 2937 5.0000000000000000e-01 0 -1 2938 - 1.0450000000000000e+02 -2 -3 2939 1.6950000000000000e+02 - - 6.0130667686462402e-01 -9.1431754827499390e-01 - -4.1352280974388123e-01 1.6340811550617218e-01 - <_> - 9.1356544494628906e+01 - - 1 2 2940 1.5000000000000000e+00 0 -1 2941 - 7.5000000000000000e+00 -2 -3 2942 1.6805000000000000e+03 - - -2.0215752720832825e-01 6.1950212717056274e-01 - -5.5768364667892456e-01 3.5280909389257431e-02 - <_> - 9.0944335937500000e+01 - - 1 2 2943 1.1155000000000000e+03 0 -1 2944 - 1.3500000000000000e+01 -2 -3 2945 4.1950000000000000e+02 - - 6.8771177530288696e-01 -9.7811706364154816e-02 - -4.1221308708190918e-01 1.9626976549625397e-01 - <_> - 9.1227783203125000e+01 - - 1 2 2946 1.7535000000000000e+03 0 -1 2947 - 6.5000000000000000e+00 -2 -3 2948 8.3500000000000000e+01 - - 2.8345218300819397e-01 -2.8811171650886536e-01 - -9.1736477613449097e-01 1. - <_> - 9.1561256408691406e+01 - - 1 2 2949 3.9500000000000000e+01 0 -1 2950 169. -2 -3 2951 - 3.5000000000000000e+00 - - -7.5076478719711304e-01 8.8347315788269043e-01 - 3.4602180123329163e-01 -2.1803687512874603e-01 - <_> - 9.0775177001953125e+01 - - 1 2 2952 1.2550000000000000e+02 0 -1 2953 - 8.5000000000000000e+00 -2 -3 2954 156. - - -3.8729524612426758e-01 2.9583999514579773e-01 - -7.9863160848617554e-01 3.9145687222480774e-01 - <_> - 9.1042625427246094e+01 - - 1 2 2955 2.5000000000000000e+00 0 -1 2956 - 2.5750000000000000e+02 -2 -3 2957 4685. - - 2.6745319366455078e-01 -6.6209262609481812e-01 - -7.7674686908721924e-01 7.1668751537799835e-02 - <_> - 9.1575469970703125e+01 - - 1 2 2958 1.0500000000000000e+01 0 -1 2959 - 1.0550000000000000e+02 -2 -3 2960 4.5500000000000000e+01 - - 5.3284192085266113e-01 -3.2092022895812988e-01 - -9.5425200462341309e-01 5.0468903779983521e-01 - <_> - 9.1930732727050781e+01 - - 1 2 2961 1.2500000000000000e+01 0 -1 2962 - 1.8950000000000000e+02 -2 -3 2963 2.5000000000000000e+00 - - -2.8867003321647644e-01 3.5526236891746521e-01 - 2.9676264524459839e-01 -6.0322642326354980e-01 - <_> - 9.2231742858886719e+01 - - 1 2 2964 7.5000000000000000e+00 0 -1 2965 - 1.9500000000000000e+01 -2 -3 2966 4.1500000000000000e+01 - - -7.3552119731903076e-01 3.0101212859153748e-01 - -5.0962239503860474e-01 5.0894033908843994e-01 - <_> - 9.2388069152832031e+01 - - 1 2 2967 1.1500000000000000e+01 0 -1 2968 - 1.5000000000000000e+00 -2 -3 2969 2.6500000000000000e+01 - - 1.5632244944572449e-01 -4.4891685247421265e-01 - 6.4296531677246094e-01 -5.9720402956008911e-01 - <_> - 9.2552001953125000e+01 - - 1 2 2970 1.0675000000000000e+03 0 -1 2971 - 4.3756500000000000e+04 -2 -3 2972 4.9450000000000000e+02 - - -1. 8.0944263935089111e-01 -3.8900658488273621e-01 - 1.6393135488033295e-01 - <_> - 9.2899009704589844e+01 - - 1 2 2973 2.5000000000000000e+00 0 -1 2974 - 1.4055000000000000e+03 -2 -3 2975 1.8500000000000000e+01 - - 1.6320782899856567e-01 -5.9554386138916016e-01 - -7.9579621553421021e-01 3.4700983762741089e-01 - <_> - 9.2847854614257812e+01 - - 1 2 2976 8.5500000000000000e+01 0 -1 2977 - 1.2550000000000000e+02 -2 -3 2978 5.5000000000000000e+00 - - -1. 9.6116375923156738e-01 2.2865201532840729e-01 - -2.7930772304534912e-01 - <_> - 9.2859100341796875e+01 - - 1 2 2979 1.1350000000000000e+02 0 -1 2980 - 2.0500000000000000e+01 -2 -3 2981 1.6150000000000000e+02 - - 1.7545458674430847e-01 -7.0411294698715210e-01 - 3.2774302363395691e-01 -6.4024138450622559e-01 - <_> - 9.2426673889160156e+01 - - 1 2 2982 2.5000000000000000e+00 0 -1 2983 - 2.7500000000000000e+01 -2 -3 2984 1.0350000000000000e+02 - - 6.4859634637832642e-01 -6.6807705163955688e-01 - 2.5129410624504089e-01 -4.3242052197456360e-01 - <_> - 9.2854904174804688e+01 - - 1 2 2985 3.0050000000000000e+02 0 -1 2986 333. -2 -3 2987 - 3.2045000000000000e+03 - - -3.9532727003097534e-01 8.3435887098312378e-01 - 4.2823007702827454e-01 -3.9525333046913147e-01 - <_> - 9.3196861267089844e+01 - - 1 2 2988 2.5000000000000000e+00 0 -1 2989 - 6.5000000000000000e+00 -2 -3 2990 4.8895000000000000e+03 - - -8.9721941947937012e-01 3.4195712208747864e-01 - 6.4947992563247681e-01 -4.5169207453727722e-01 - <_> - 9.3306480407714844e+01 - - 1 2 2991 2.7500000000000000e+01 0 -1 2992 - 1.5000000000000000e+00 -2 -3 2993 4.5000000000000000e+00 - - 1.0962056368589401e-01 -4.2897370457649231e-01 - 9.1374301910400391e-01 -6.3376551866531372e-01 - <_> - 9.3460906982421875e+01 - - 1 2 2994 1.0500000000000000e+01 0 -1 2995 - 3.5000000000000000e+00 -2 -3 2996 3.5000000000000000e+00 - - 2.2791311144828796e-01 -5.2986472845077515e-01 - 4.5877307653427124e-01 -1.7966294288635254e-01 - <_> - 9.3358589172363281e+01 - - 1 2 2997 3.4500000000000000e+01 0 -1 2998 222. -2 -3 2999 - 2.0750000000000000e+02 - - 7.5331348180770874e-01 -9.4210654497146606e-01 - -1.0231721401214600e-01 4.7118717432022095e-01 - <_> - 9.3666183471679688e+01 - - 1 2 3000 2.2500000000000000e+01 0 -1 3001 - 1.8450000000000000e+02 -2 -3 3002 2.5000000000000000e+00 - - -3.5824659466743469e-01 3.0759900808334351e-01 - 6.4143782854080200e-01 -6.5782296657562256e-01 - <_> - 9.3088340759277344e+01 - - 1 2 3003 1.3350000000000000e+02 0 -1 3004 830. -2 -3 3005 - 2.4500000000000000e+01 - - -6.9563269615173340e-01 6.3497310876846313e-01 - -5.7784938812255859e-01 6.1700064688920975e-02 - <_> - 9.2995674133300781e+01 - - 1 2 3006 4.5500000000000000e+01 0 -1 3007 - 1.5000000000000000e+00 -2 -3 3008 6.6500000000000000e+01 - - 4.5369678735733032e-01 -9.2660412192344666e-02 - -7.4712693691253662e-01 6.0710644721984863e-01 - <_> - 9.2739532470703125e+01 - - 1 2 3009 1.2950000000000000e+02 0 -1 3010 1144. -2 -3 3011 - 4.2850000000000000e+02 - - -7.0763772726058960e-01 9.4605678319931030e-01 - -2.5614449381828308e-01 4.1044127941131592e-01 - <_> - 9.2615875244140625e+01 - - 1 2 3012 2.3500000000000000e+01 0 -1 3013 36. -2 -3 3014 - 5.0000000000000000e-01 - - 8.3025622367858887e-01 -8.2933390140533447e-01 - 4.6695771813392639e-01 -1.2365625053644180e-01 - <_> - 9.3196029663085938e+01 - - 1 2 3015 2.0450000000000000e+02 0 -1 3016 - 1.0500000000000000e+01 -2 -3 3017 524. - - -1.5761210024356842e-01 5.8015257120132446e-01 - -8.8289064168930054e-01 2.2438578307628632e-01 - <_> - 9.3732429504394531e+01 - - 1 2 3018 3.3500000000000000e+01 0 -1 3019 - 1.8500000000000000e+01 -2 -3 3020 6.6500000000000000e+01 - - 4.8793593049049377e-01 -5.8576709032058716e-01 - 5.3640323877334595e-01 -8.2473360002040863e-02 - <_> - 9.3099838256835938e+01 - - 1 2 3021 1.3500000000000000e+01 0 -1 3022 - 5.0000000000000000e-01 -2 -3 3023 1.4500000000000000e+01 - - 3.0108803510665894e-01 -6.3259094953536987e-01 - -7.1200174093246460e-01 2.7906426787376404e-01 - <_> - 9.3105216979980469e+01 - - 1 2 3024 3.9050000000000000e+02 0 -1 3025 1243. -2 -3 3026 - 4.2050000000000000e+02 - - -8.8503718376159668e-01 9.7225552797317505e-01 - 5.3784158080816269e-03 -7.7111572027206421e-01 - <_> - 9.3588562011718750e+01 - - 1 2 3027 1.2850000000000000e+02 0 -1 3028 - 9.5000000000000000e+00 -2 -3 3029 3.5000000000000000e+00 - - 3.3606645464897156e-01 -5.4860621690750122e-01 - 4.8334029316902161e-01 -1.3527640700340271e-01 - <_> - 9.3835968017578125e+01 - - 1 2 3030 4.5000000000000000e+00 0 -1 3031 - 4.5000000000000000e+00 -2 -3 3032 1.3415000000000000e+03 - - -7.8450918197631836e-01 1.6970160603523254e-01 - -5.8498537540435791e-01 2.4740667641162872e-01 - <_> - 9.4142906188964844e+01 - - 1 2 3033 4.3500000000000000e+01 0 -1 3034 - 4.5000000000000000e+00 -2 -3 3035 3.2500000000000000e+01 - - 3.0693769454956055e-01 -2.6115962862968445e-01 - -8.9926475286483765e-01 7.7170163393020630e-01 - <_> - 9.4121742248535156e+01 - - 1 2 3036 3.3500000000000000e+01 0 -1 3037 5772. -2 -3 3038 - 8.2650000000000000e+02 - - 6.0314506292343140e-01 -8.1919574737548828e-01 - -2.1161338314414024e-02 7.4580943584442139e-01 - <_> - 9.3867355346679688e+01 - - 1 2 3039 1.5000000000000000e+00 0 -1 3040 - 2.5000000000000000e+00 -2 -3 3041 7.6500000000000000e+01 - - -1. 6.5151697397232056e-01 -2.5439009070396423e-01 - 4.9923765659332275e-01 - <_> - 9.4093467712402344e+01 - - 1 2 3042 7584. 0 -1 3043 5.1250000000000000e+02 -2 -3 3044 - 1.1500000000000000e+01 - - -4.7158271074295044e-01 2.2611454129219055e-01 - -8.3964759111404419e-01 4.5222747325897217e-01 - <_> - 9.4337669372558594e+01 - - 1 2 3045 1.5625000000000000e+03 0 -1 3046 - 1.0615000000000000e+03 -2 -3 3047 2.5000000000000000e+00 - - -1. 9.3781590461730957e-01 2.4420407414436340e-01 - -2.9586532711982727e-01 - <_> - 9.4508171081542969e+01 - - 1 2 3048 1.3500000000000000e+01 0 -1 3049 23. -2 -3 3050 - 1.5245000000000000e+03 - - -8.5904693603515625e-01 1.7050011456012726e-01 - 9.2488127946853638e-01 -9.8964858055114746e-01 - <_> - 9.4239341735839844e+01 - - 1 2 3051 5.0000000000000000e-01 0 -1 3052 - 5.5000000000000000e+00 -2 -3 3053 1.8500000000000000e+01 - - -8.7914295494556427e-02 5.4742050170898438e-01 - -4.5447856187820435e-01 4.4385817646980286e-01 - <_> - 9.4594245910644531e+01 - - 1 2 3054 1.5000000000000000e+00 0 -1 3055 - 1.5500000000000000e+01 -2 -3 3056 1.1500000000000000e+01 - - 3.5490357875823975e-01 -4.3068945407867432e-01 - -6.6280466318130493e-01 3.0311322771012783e-03 - <_> - 9.4814491271972656e+01 - - 1 2 3057 3.5000000000000000e+00 0 -1 3058 - 5.0000000000000000e-01 -2 -3 3059 4.0550000000000000e+02 - - 7.0450115203857422e-01 -7.8278595209121704e-01 - 2.2024388611316681e-01 -4.0765863656997681e-01 - <_> - 9.4579345703125000e+01 - - 1 2 3060 1.5500000000000000e+01 0 -1 3061 - 1.5000000000000000e+00 -2 -3 3062 1934. - - 1.5189912915229797e-01 -4.7490403056144714e-01 - -2.3514933884143829e-01 6.0529416799545288e-01 - <_> - 9.4922325134277344e+01 - - 1 2 3063 5.0000000000000000e-01 0 -1 3064 - 3.0500000000000000e+01 -2 -3 3065 1.1500000000000000e+01 - - -3.8056674599647522e-01 5.7760846614837646e-01 - -4.7326391935348511e-01 1.4074583351612091e-01 - <_> - 9.5195831298828125e+01 - - 1 2 3066 2.7500000000000000e+01 0 -1 3067 - 1.5500000000000000e+01 -2 -3 3068 1.3500000000000000e+01 - - -3.2090973854064941e-01 2.7350622415542603e-01 - 1.3395747169852257e-02 -8.1775778532028198e-01 - <_> - 9.5786506652832031e+01 - - 1 2 3069 4.5000000000000000e+00 0 -1 3070 - 4.3500000000000000e+01 -2 -3 3071 1.0235000000000000e+03 - - -2.7497810125350952e-01 5.9067696332931519e-01 - -5.4431802034378052e-01 7.7079035341739655e-02 - - <_> - 8 - - 6 5 4 2 - <_> - 8 - - 7 5 2 3 - <_> - 2 - - 4 18 5 10 - <_> - 5 - - 4 28 11 3 - <_> - 0 - - 6 22 6 6 - <_> - 4 - - 6 19 4 5 - <_> - 1 - - 6 27 5 2 - <_> - 7 - - 7 5 2 1 - <_> - 4 - - 4 9 8 22 - <_> - 5 - - 8 4 5 9 - <_> - 2 - - 8 6 4 4 - <_> - 9 - - 7 19 2 1 - <_> - 8 - - 8 6 1 2 - <_> - 0 - - 6 18 5 7 - <_> - 9 - - 7 14 2 3 - <_> - 4 - - 0 18 12 13 - <_> - 1 - - 4 26 7 3 - <_> - 7 - - 0 28 13 3 - <_> - 1 - - 5 10 6 1 - <_> - 1 - - 1 3 10 7 - <_> - 4 - - 0 30 15 1 - <_> - 2 - - 4 12 3 16 - <_> - 0 - - 4 28 8 2 - <_> - 5 - - 3 28 11 3 - <_> - 4 - - 3 10 9 19 - <_> - 3 - - 1 3 7 10 - <_> - 7 - - 8 12 1 1 - <_> - 0 - - 7 10 2 4 - <_> - 0 - - 8 14 4 11 - <_> - 3 - - 0 11 2 20 - <_> - 1 - - 7 4 2 4 - <_> - 4 - - 7 3 2 2 - <_> - 4 - - 2 2 11 8 - <_> - 4 - - 6 18 1 4 - <_> - 1 - - 1 16 5 12 - <_> - 2 - - 7 21 3 7 - <_> - 2 - - 8 30 7 1 - <_> - 5 - - 6 26 7 2 - <_> - 7 - - 14 28 1 2 - <_> - 9 - - 7 12 2 1 - <_> - 9 - - 3 1 12 1 - <_> - 9 - - 7 19 3 3 - <_> - 7 - - 6 5 9 3 - <_> - 3 - - 3 28 2 2 - <_> - 9 - - 5 1 3 3 - <_> - 3 - - 5 8 1 18 - <_> - 7 - - 7 5 2 1 - <_> - 3 - - 0 1 12 25 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 5 6 7 1 - <_> - 1 - - 6 12 3 1 - <_> - 5 - - 10 9 2 15 - <_> - 3 - - 13 21 2 9 - <_> - 7 - - 4 29 8 2 - <_> - 1 - - 5 11 6 17 - <_> - 7 - - 12 24 1 6 - <_> - 8 - - 7 12 2 1 - <_> - 0 - - 8 9 4 2 - <_> - 5 - - 7 10 6 3 - <_> - 0 - - 1 4 9 4 - <_> - 4 - - 0 30 13 1 - <_> - 1 - - 2 27 7 3 - <_> - 3 - - 3 9 10 3 - <_> - 0 - - 2 28 13 1 - <_> - 0 - - 6 24 4 4 - <_> - 2 - - 6 16 4 1 - <_> - 4 - - 1 9 2 10 - <_> - 5 - - 5 29 5 1 - <_> - 9 - - 7 15 3 2 - <_> - 2 - - 5 18 6 10 - <_> - 7 - - 7 22 2 2 - <_> - 0 - - 13 21 2 1 - <_> - 4 - - 6 4 5 3 - <_> - 4 - - 0 9 15 17 - <_> - 3 - - 4 1 5 30 - <_> - 3 - - 6 15 3 1 - <_> - 5 - - 8 5 3 2 - <_> - 5 - - 0 0 15 1 - <_> - 1 - - 6 27 3 2 - <_> - 5 - - 1 29 2 2 - <_> - 7 - - 0 27 3 4 - <_> - 4 - - 9 13 6 18 - <_> - 1 - - 3 7 12 1 - <_> - 9 - - 5 23 8 1 - <_> - 7 - - 12 30 3 1 - <_> - 3 - - 12 27 2 1 - <_> - 7 - - 5 13 1 2 - <_> - 8 - - 7 6 1 2 - <_> - 3 - - 14 13 1 16 - <_> - 0 - - 5 5 8 2 - <_> - 9 - - 9 14 1 1 - <_> - 5 - - 9 13 3 12 - <_> - 5 - - 9 30 6 1 - <_> - 4 - - 4 27 8 1 - <_> - 7 - - 3 12 9 7 - <_> - 4 - - 9 7 1 24 - <_> - 2 - - 8 8 4 1 - <_> - 2 - - 8 19 2 10 - <_> - 3 - - 2 13 2 15 - <_> - 2 - - 0 28 15 1 - <_> - 2 - - 3 26 8 2 - <_> - 3 - - 4 28 7 1 - <_> - 3 - - 11 23 1 3 - <_> - 0 - - 9 15 4 16 - <_> - 1 - - 2 7 9 2 - <_> - 4 - - 6 22 3 3 - <_> - 3 - - 5 5 1 25 - <_> - 1 - - 2 20 12 1 - <_> - 1 - - 5 28 6 1 - <_> - 8 - - 1 30 13 1 - <_> - 4 - - 3 16 12 4 - <_> - 8 - - 6 5 4 2 - <_> - 8 - - 2 23 12 1 - <_> - 4 - - 1 29 9 2 - <_> - 4 - - 9 6 4 14 - <_> - 7 - - 0 4 3 16 - <_> - 1 - - 9 10 1 3 - <_> - 3 - - 1 0 13 1 - <_> - 5 - - 3 5 10 8 - <_> - 5 - - 7 7 2 7 - <_> - 5 - - 6 28 5 2 - <_> - 3 - - 2 24 7 4 - <_> - 4 - - 6 1 3 17 - <_> - 0 - - 1 21 1 5 - <_> - 0 - - 1 11 6 5 - <_> - 9 - - 0 30 15 1 - <_> - 8 - - 2 30 8 1 - <_> - 0 - - 7 19 3 7 - <_> - 4 - - 2 24 12 2 - <_> - 9 - - 1 13 1 3 - <_> - 7 - - 7 5 2 1 - <_> - 9 - - 6 10 2 3 - <_> - 8 - - 8 6 1 2 - <_> - 5 - - 6 17 2 3 - <_> - 1 - - 6 27 4 4 - <_> - 2 - - 5 18 5 10 - <_> - 2 - - 14 0 1 29 - <_> - 5 - - 2 20 3 9 - <_> - 1 - - 5 27 6 1 - <_> - 4 - - 7 30 2 1 - <_> - 4 - - 5 24 5 6 - <_> - 4 - - 3 9 12 2 - <_> - 5 - - 9 7 4 20 - <_> - 7 - - 10 10 3 1 - <_> - 3 - - 2 28 13 3 - <_> - 5 - - 14 22 1 7 - <_> - 0 - - 4 7 2 4 - <_> - 3 - - 8 15 2 4 - <_> - 0 - - 7 19 4 9 - <_> - 4 - - 7 11 1 8 - <_> - 4 - - 2 11 13 11 - <_> - 4 - - 6 4 4 6 - <_> - 8 - - 4 22 2 6 - <_> - 4 - - 7 19 2 2 - <_> - 9 - - 6 4 3 6 - <_> - 4 - - 2 29 8 1 - <_> - 3 - - 1 9 6 16 - <_> - 7 - - 8 3 3 2 - <_> - 5 - - 6 12 3 2 - <_> - 8 - - 6 6 2 2 - <_> - 7 - - 1 25 2 4 - <_> - 4 - - 6 1 3 17 - <_> - 1 - - 5 11 4 3 - <_> - 5 - - 9 9 5 4 - <_> - 9 - - 6 14 3 4 - <_> - 2 - - 4 9 4 1 - <_> - 5 - - 2 5 6 8 - <_> - 2 - - 6 10 3 1 - <_> - 1 - - 9 26 5 3 - <_> - 0 - - 1 30 8 1 - <_> - 1 - - 9 22 1 3 - <_> - 2 - - 5 6 7 18 - <_> - 2 - - 11 6 1 14 - <_> - 3 - - 1 4 2 21 - <_> - 8 - - 7 5 2 3 - <_> - 9 - - 13 17 2 1 - <_> - 8 - - 8 24 6 2 - <_> - 7 - - 4 5 5 5 - <_> - 2 - - 4 25 9 3 - <_> - 4 - - 0 29 12 1 - <_> - 5 - - 1 28 9 3 - <_> - 1 - - 6 20 4 3 - <_> - 0 - - 5 25 4 1 - <_> - 1 - - 9 9 2 1 - <_> - 1 - - 3 6 9 4 - <_> - 3 - - 5 8 1 18 - <_> - 5 - - 0 19 2 7 - <_> - 3 - - 3 18 11 4 - <_> - 5 - - 5 12 1 16 - <_> - 0 - - 9 3 3 2 - <_> - 3 - - 6 5 3 1 - <_> - 1 - - 6 7 6 2 - <_> - 3 - - 0 27 13 2 - <_> - 4 - - 2 9 12 3 - <_> - 4 - - 10 24 4 2 - <_> - 9 - - 0 22 11 1 - <_> - 9 - - 1 0 14 14 - <_> - 9 - - 7 9 2 7 - <_> - 1 - - 4 27 4 1 - <_> - 2 - - 9 28 4 3 - <_> - 8 - - 6 6 2 17 - <_> - 2 - - 5 23 9 4 - <_> - 0 - - 10 9 4 3 - <_> - 2 - - 6 13 3 2 - <_> - 4 - - 13 29 2 2 - <_> - 5 - - 8 5 3 4 - <_> - 4 - - 13 8 1 1 - <_> - 7 - - 4 30 11 1 - <_> - 3 - - 8 15 3 15 - <_> - 1 - - 6 22 1 2 - <_> - 3 - - 1 5 8 6 - <_> - 7 - - 13 0 2 3 - <_> - 0 - - 6 10 3 2 - <_> - 2 - - 7 8 4 2 - <_> - 1 - - 10 9 1 2 - <_> - 3 - - 7 10 3 13 - <_> - 5 - - 3 26 9 1 - <_> - 4 - - 2 0 13 4 - <_> - 4 - - 5 0 4 8 - <_> - 2 - - 11 23 4 3 - <_> - 5 - - 10 9 3 13 - <_> - 9 - - 9 10 1 1 - <_> - 8 - - 5 6 7 1 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 0 17 1 5 - <_> - 5 - - 5 28 8 2 - <_> - 4 - - 2 10 5 8 - <_> - 0 - - 2 29 6 2 - <_> - 0 - - 6 21 5 7 - <_> - 0 - - 3 22 2 5 - <_> - 3 - - 0 6 5 25 - <_> - 9 - - 5 1 2 1 - <_> - 4 - - 7 18 2 2 - <_> - 9 - - 6 8 3 4 - <_> - 8 - - 6 6 2 2 - <_> - 9 - - 5 10 1 2 - <_> - 8 - - 3 5 7 8 - <_> - 5 - - 3 21 2 3 - <_> - 2 - - 4 12 3 16 - <_> - 5 - - 11 5 1 21 - <_> - 0 - - 4 7 2 4 - <_> - 7 - - 7 12 2 3 - <_> - 0 - - 6 6 8 25 - <_> - 2 - - 8 30 6 1 - <_> - 5 - - 9 25 5 2 - <_> - 3 - - 5 9 1 14 - <_> - 1 - - 3 28 10 1 - <_> - 4 - - 13 3 1 19 - <_> - 7 - - 0 27 15 2 - <_> - 1 - - 7 3 2 6 - <_> - 7 - - 10 13 1 7 - <_> - 4 - - 3 12 8 19 - <_> - 5 - - 8 5 5 10 - <_> - 4 - - 6 0 2 8 - <_> - 5 - - 8 0 4 3 - <_> - 9 - - 3 3 10 2 - <_> - 3 - - 12 20 2 5 - <_> - 9 - - 7 17 2 1 - <_> - 5 - - 1 30 5 1 - <_> - 3 - - 3 0 8 6 - <_> - 0 - - 6 24 4 4 - <_> - 3 - - 7 14 1 2 - <_> - 4 - - 5 6 9 5 - <_> - 5 - - 6 16 3 3 - <_> - 2 - - 4 18 5 10 - <_> - 1 - - 4 18 11 3 - <_> - 0 - - 4 28 10 2 - <_> - 1 - - 4 13 9 6 - <_> - 1 - - 11 15 1 4 - <_> - 1 - - 9 10 1 3 - <_> - 7 - - 9 30 2 1 - <_> - 1 - - 4 17 6 12 - <_> - 2 - - 0 6 10 4 - <_> - 2 - - 5 1 1 4 - <_> - 0 - - 6 0 2 8 - <_> - 2 - - 3 10 4 1 - <_> - 4 - - 1 30 12 1 - <_> - 1 - - 4 27 9 1 - <_> - 7 - - 11 25 2 1 - <_> - 1 - - 7 19 2 7 - <_> - 4 - - 12 26 3 5 - <_> - 5 - - 2 5 10 22 - <_> - 7 - - 7 5 4 3 - <_> - 4 - - 2 25 13 3 - <_> - 2 - - 6 18 3 4 - <_> - 2 - - 8 16 1 2 - <_> - 0 - - 6 17 7 12 - <_> - 0 - - 12 21 2 1 - <_> - 1 - - 6 4 4 2 - <_> - 4 - - 7 3 2 2 - <_> - 4 - - 10 0 2 17 - <_> - 5 - - 9 29 6 1 - <_> - 2 - - 6 26 7 1 - <_> - 9 - - 6 8 3 4 - <_> - 8 - - 6 5 4 2 - <_> - 2 - - 14 17 1 13 - <_> - 8 - - 0 30 15 1 - <_> - 0 - - 7 13 2 4 - <_> - 3 - - 3 10 8 4 - <_> - 0 - - 1 14 2 1 - <_> - 1 - - 6 28 5 1 - <_> - 5 - - 10 7 3 7 - <_> - 1 - - 3 29 3 1 - <_> - 3 - - 1 22 2 8 - <_> - 3 - - 4 25 2 5 - <_> - 3 - - 4 5 3 4 - <_> - 2 - - 6 1 2 4 - <_> - 4 - - 3 14 7 14 - <_> - 8 - - 7 6 1 2 - <_> - 3 - - 3 9 2 14 - <_> - 4 - - 2 29 9 1 - <_> - 7 - - 12 30 3 1 - <_> - 9 - - 6 12 4 5 - <_> - 9 - - 1 0 14 3 - <_> - 1 - - 7 4 2 4 - <_> - 2 - - 6 18 4 9 - <_> - 7 - - 3 13 1 2 - <_> - 2 - - 4 13 11 12 - <_> - 8 - - 6 13 4 1 - <_> - 1 - - 6 11 5 2 - <_> - 8 - - 11 16 2 2 - <_> - 1 - - 4 20 3 11 - <_> - 5 - - 2 28 7 2 - <_> - 1 - - 10 29 2 1 - <_> - 9 - - 13 25 2 3 - <_> - 9 - - 6 19 1 5 - <_> - 5 - - 9 29 2 2 - <_> - 2 - - 5 5 10 3 - <_> - 7 - - 0 10 2 8 - <_> - 2 - - 0 30 4 1 - <_> - 7 - - 9 29 6 2 - <_> - 3 - - 8 2 1 29 - <_> - 4 - - 1 0 10 23 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 6 6 6 9 - <_> - 8 - - 7 9 2 1 - <_> - 1 - - 7 28 4 1 - <_> - 3 - - 1 10 12 1 - <_> - 5 - - 7 8 1 19 - <_> - 4 - - 3 30 10 1 - <_> - 3 - - 4 4 1 11 - <_> - 0 - - 7 18 3 4 - <_> - 4 - - 7 7 4 5 - <_> - 7 - - 11 1 1 12 - <_> - 8 - - 7 7 3 1 - <_> - 9 - - 7 9 2 7 - <_> - 9 - - 10 11 5 12 - <_> - 2 - - 6 10 3 1 - <_> - 2 - - 4 19 7 9 - <_> - 1 - - 0 0 15 1 - <_> - 3 - - 4 5 6 2 - <_> - 3 - - 11 20 1 3 - <_> - 3 - - 5 0 8 15 - <_> - 4 - - 10 11 1 12 - <_> - 0 - - 6 16 7 11 - <_> - 5 - - 6 6 1 25 - <_> - 5 - - 3 22 2 4 - <_> - 5 - - 0 7 13 16 - <_> - 4 - - 6 21 4 1 - <_> - 4 - - 5 1 6 5 - <_> - 4 - - 5 0 8 27 - <_> - 1 - - 4 26 6 3 - <_> - 7 - - 8 9 1 1 - <_> - 0 - - 1 28 11 3 - <_> - 3 - - 2 22 1 2 - <_> - 0 - - 7 9 1 6 - <_> - 3 - - 4 9 4 20 - <_> - 5 - - 3 8 1 21 - <_> - 4 - - 6 22 4 3 - <_> - 1 - - 4 7 4 1 - <_> - 9 - - 10 9 2 7 - <_> - 2 - - 11 6 1 18 - <_> - 8 - - 7 6 1 2 - <_> - 4 - - 5 29 6 2 - <_> - 8 - - 8 3 1 1 - <_> - 3 - - 8 17 1 5 - <_> - 3 - - 2 28 12 2 - <_> - 0 - - 0 8 1 5 - <_> - 3 - - 3 23 4 4 - <_> - 1 - - 13 2 2 7 - <_> - 8 - - 5 6 10 2 - <_> - 0 - - 7 18 6 10 - <_> - 3 - - 12 17 3 14 - <_> - 9 - - 8 15 1 2 - <_> - 9 - - 0 0 4 1 - <_> - 0 - - 9 9 4 1 - <_> - 9 - - 4 5 6 13 - <_> - 0 - - 5 3 6 6 - <_> - 9 - - 5 22 6 4 - <_> - 0 - - 11 4 1 1 - <_> - 7 - - 14 1 1 19 - <_> - 4 - - 8 17 3 1 - <_> - 5 - - 9 13 4 6 - <_> - 5 - - 9 2 3 22 - <_> - 0 - - 0 28 8 1 - <_> - 4 - - 6 4 5 3 - <_> - 5 - - 14 10 1 14 - <_> - 5 - - 7 24 5 4 - <_> - 3 - - 10 18 1 8 - <_> - 5 - - 8 30 6 1 - <_> - 2 - - 6 26 6 2 - <_> - 1 - - 4 10 4 2 - <_> - 3 - - 5 8 1 18 - <_> - 4 - - 8 29 7 1 - <_> - 7 - - 13 28 1 1 - <_> - 1 - - 7 28 3 1 - <_> - 7 - - 2 25 4 4 - <_> - 4 - - 12 30 3 1 - <_> - 4 - - 7 19 3 7 - <_> - 5 - - 9 8 5 7 - <_> - 5 - - 2 19 1 5 - <_> - 1 - - 2 22 5 8 - <_> - 1 - - 3 24 2 2 - <_> - 0 - - 6 29 1 2 - <_> - 9 - - 5 28 2 1 - <_> - 0 - - 7 10 3 2 - <_> - 2 - - 4 28 6 1 - <_> - 0 - - 3 7 5 22 - <_> - 7 - - 2 8 9 1 - <_> - 3 - - 6 17 1 2 - <_> - 8 - - 8 6 1 2 - <_> - 3 - - 3 0 6 4 - <_> - 9 - - 7 13 1 1 - <_> - 2 - - 4 22 3 1 - <_> - 9 - - 8 19 1 2 - <_> - 8 - - 10 15 4 3 - <_> - 5 - - 9 10 3 3 - <_> - 3 - - 9 3 6 4 - <_> - 4 - - 1 12 11 18 - <_> - 5 - - 1 28 4 3 - <_> - 3 - - 1 3 8 14 - <_> - 4 - - 7 11 1 8 - <_> - 0 - - 7 9 1 1 - <_> - 2 - - 5 25 4 3 - <_> - 5 - - 5 1 4 3 - <_> - 4 - - 5 18 5 2 - <_> - 5 - - 2 18 11 3 - <_> - 1 - - 7 4 2 4 - <_> - 7 - - 13 4 1 25 - <_> - 2 - - 13 19 2 4 - <_> - 9 - - 4 0 7 4 - <_> - 1 - - 8 27 1 2 - <_> - 4 - - 3 29 11 1 - <_> - 4 - - 6 26 4 4 - <_> - 0 - - 7 17 5 10 - <_> - 9 - - 2 30 1 1 - <_> - 7 - - 12 18 3 13 - <_> - 4 - - 6 22 3 3 - <_> - 1 - - 5 25 3 6 - <_> - 2 - - 7 20 3 1 - <_> - 8 - - 7 6 1 2 - <_> - 2 - - 4 9 4 2 - <_> - 8 - - 4 25 1 2 - <_> - 4 - - 4 9 8 5 - <_> - 5 - - 8 5 5 8 - <_> - 4 - - 3 28 9 1 - <_> - 2 - - 7 29 7 2 - <_> - 2 - - 6 19 5 12 - <_> - 4 - - 14 23 1 4 - <_> - 5 - - 6 17 2 3 - <_> - 2 - - 3 17 5 7 - <_> - 9 - - 7 8 1 3 - <_> - 9 - - 2 3 11 3 - <_> - 1 - - 4 28 4 1 - <_> - 9 - - 6 7 2 6 - <_> - 8 - - 6 6 1 2 - <_> - 2 - - 14 17 1 13 - <_> - 8 - - 3 0 6 5 - <_> - 2 - - 7 24 3 3 - <_> - 4 - - 1 28 11 3 - <_> - 2 - - 6 27 5 4 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 4 4 3 9 - <_> - 8 - - 6 0 3 3 - <_> - 1 - - 4 7 6 1 - <_> - 9 - - 6 14 5 4 - <_> - 3 - - 0 9 1 18 - <_> - 1 - - 9 10 1 3 - <_> - 1 - - 7 12 8 6 - <_> - 4 - - 7 18 2 2 - <_> - 3 - - 6 2 1 8 - <_> - 0 - - 3 9 3 1 - <_> - 4 - - 3 15 11 14 - <_> - 1 - - 6 11 6 1 - <_> - 8 - - 7 5 2 3 - <_> - 9 - - 7 14 3 3 - <_> - 4 - - 3 11 4 9 - <_> - 2 - - 8 7 1 11 - <_> - 7 - - 0 12 9 10 - <_> - 7 - - 0 27 10 1 - <_> - 0 - - 6 5 3 18 - <_> - 5 - - 4 28 5 3 - <_> - 2 - - 4 9 8 22 - <_> - 7 - - 7 17 1 2 - <_> - 2 - - 6 13 4 2 - <_> - 0 - - 5 5 6 3 - <_> - 7 - - 8 13 3 14 - <_> - 0 - - 10 0 2 5 - <_> - 1 - - 3 28 8 1 - <_> - 4 - - 12 7 1 24 - <_> - 7 - - 1 28 2 2 - <_> - 8 - - 6 5 4 2 - <_> - 0 - - 6 18 5 4 - <_> - 4 - - 11 6 4 2 - <_> - 0 - - 7 10 3 1 - <_> - 7 - - 14 0 1 28 - <_> - 5 - - 9 27 6 3 - <_> - 8 - - 0 4 4 27 - <_> - 0 - - 5 28 8 1 - <_> - 1 - - 6 12 3 1 - <_> - 5 - - 10 10 4 9 - <_> - 5 - - 5 0 2 5 - <_> - 4 - - 4 4 6 5 - <_> - 4 - - 2 29 9 1 - <_> - 1 - - 5 26 7 3 - <_> - 2 - - 2 20 2 4 - <_> - 0 - - 6 17 7 12 - <_> - 3 - - 10 25 5 6 - <_> - 3 - - 10 17 1 10 - <_> - 2 - - 0 0 12 28 - <_> - 5 - - 9 8 5 7 - <_> - 4 - - 3 12 9 16 - <_> - 0 - - 13 22 2 4 - <_> - 3 - - 6 0 5 11 - <_> - 1 - - 0 2 8 2 - <_> - 1 - - 6 7 6 2 - <_> - 8 - - 8 3 1 5 - <_> - 4 - - 8 2 4 13 - <_> - 9 - - 8 10 1 7 - <_> - 9 - - 2 3 11 3 - <_> - 2 - - 11 28 2 1 - <_> - 0 - - 9 4 1 24 - <_> - 0 - - 5 28 4 2 - <_> - 4 - - 7 0 2 18 - <_> - 4 - - 4 9 9 3 - <_> - 4 - - 7 7 6 14 - <_> - 4 - - 6 25 3 5 - <_> - 4 - - 5 13 2 5 - <_> - 3 - - 3 24 8 3 - <_> - 8 - - 5 20 2 2 - <_> - 3 - - 1 22 2 8 - <_> - 1 - - 2 27 8 2 - <_> - 7 - - 10 28 5 1 - <_> - 4 - - 7 20 3 5 - <_> - 4 - - 8 26 2 2 - <_> - 0 - - 5 24 4 3 - <_> - 4 - - 12 30 3 1 - <_> - 2 - - 4 24 6 4 - <_> - 2 - - 12 10 3 7 - <_> - 1 - - 8 27 1 2 - <_> - 5 - - 1 29 3 2 - <_> - 1 - - 11 23 3 8 - <_> - 2 - - 8 10 1 5 - <_> - 2 - - 11 0 2 15 - <_> - 1 - - 11 20 1 3 - <_> - 3 - - 3 8 5 16 - <_> - 7 - - 7 5 2 1 - <_> - 3 - - 0 19 4 10 - <_> - 1 - - 6 22 1 2 - <_> - 3 - - 4 27 11 2 - <_> - 9 - - 10 10 3 1 - <_> - 8 - - 8 6 1 2 - <_> - 0 - - 8 8 2 1 - <_> - 8 - - 1 26 11 2 - <_> - 7 - - 4 30 11 1 - <_> - 1 - - 3 18 11 12 - <_> - 2 - - 0 0 12 28 - <_> - 0 - - 13 8 2 6 - <_> - 1 - - 3 22 4 7 - <_> - 2 - - 2 30 8 1 - <_> - 9 - - 9 19 1 6 - <_> - 7 - - 3 16 9 4 - <_> - 9 - - 5 1 2 1 - <_> - 2 - - 7 9 5 1 - <_> - 4 - - 3 28 9 3 - <_> - 5 - - 5 0 6 2 - <_> - 5 - - 8 5 5 10 - <_> - 9 - - 5 17 7 4 - <_> - 2 - - 4 25 9 3 - <_> - 2 - - 9 16 2 2 - <_> - 5 - - 10 9 3 19 - <_> - 1 - - 4 10 7 4 - <_> - 0 - - 13 24 2 7 - <_> - 0 - - 7 24 3 5 - <_> - 4 - - 4 3 6 4 - <_> - 4 - - 11 15 2 5 - <_> - 0 - - 11 13 1 10 - <_> - 1 - - 1 25 1 5 - <_> - 5 - - 11 22 1 2 - <_> - 1 - - 8 26 1 4 - <_> - 3 - - 8 18 1 1 - <_> - 8 - - 7 6 1 2 - <_> - 9 - - 14 24 1 2 - <_> - 8 - - 11 6 1 3 - <_> - 2 - - 5 4 5 1 - <_> - 2 - - 6 3 4 7 - <_> - 1 - - 7 4 2 4 - <_> - 7 - - 9 7 1 5 - <_> - 0 - - 0 10 9 3 - <_> - 0 - - 4 4 7 7 - <_> - 5 - - 4 28 9 2 - <_> - 2 - - 6 17 6 12 - <_> - 0 - - 13 25 1 3 - <_> - 0 - - 1 3 13 1 - <_> - 0 - - 5 6 7 2 - <_> - 0 - - 5 10 4 2 - <_> - 1 - - 7 19 2 6 - <_> - 4 - - 5 13 6 9 - <_> - 1 - - 6 17 4 1 - <_> - 7 - - 2 28 6 1 - <_> - 0 - - 11 21 3 6 - <_> - 4 - - 13 29 2 2 - <_> - 3 - - 4 3 3 18 - <_> - 7 - - 7 5 4 3 - <_> - 7 - - 1 0 3 10 - <_> - 2 - - 6 12 3 1 - <_> - 5 - - 1 11 14 3 - <_> - 0 - - 6 15 3 1 - <_> - 8 - - 7 5 2 3 - <_> - 1 - - 2 0 11 3 - <_> - 8 - - 11 18 4 2 - <_> - 4 - - 4 26 7 2 - <_> - 2 - - 5 28 10 3 - <_> - 2 - - 4 5 7 2 - <_> - 4 - - 6 29 5 2 - <_> - 1 - - 5 28 6 2 - <_> - 9 - - 7 12 1 5 - <_> - 2 - - 3 17 6 7 - <_> - 3 - - 8 25 1 1 - <_> - 3 - - 2 22 1 2 - <_> - 3 - - 5 0 9 1 - <_> - 3 - - 3 0 6 13 - <_> - 3 - - 7 6 3 11 - <_> - 7 - - 8 1 7 14 - <_> - 5 - - 3 26 8 2 - <_> - 2 - - 7 12 6 15 - <_> - 0 - - 7 8 1 7 - <_> - 8 - - 14 0 1 3 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 1 30 2 1 - <_> - 7 - - 3 28 1 1 - <_> - 0 - - 5 25 4 1 - <_> - 3 - - 5 28 3 2 - <_> - 0 - - 9 12 3 19 - <_> - 3 - - 1 16 2 9 - <_> - 3 - - 11 24 3 1 - <_> - 1 - - 4 22 7 1 - <_> - 5 - - 10 7 2 20 - <_> - 0 - - 6 19 4 10 - <_> - 5 - - 4 28 9 2 - <_> - 5 - - 11 29 1 1 - <_> - 9 - - 1 0 14 3 - <_> - 9 - - 7 9 2 7 - <_> - 9 - - 8 13 2 5 - <_> - 4 - - 9 17 5 14 - <_> - 1 - - 7 27 8 2 - <_> - 4 - - 5 24 1 2 - <_> - 2 - - 5 18 6 10 - <_> - 7 - - 9 3 1 26 - <_> - 2 - - 8 16 2 3 - <_> - 8 - - 8 4 2 8 - <_> - 8 - - 6 6 1 2 - <_> - 8 - - 11 5 1 3 - <_> - 0 - - 3 29 5 2 - <_> - 4 - - 4 9 3 22 - <_> - 5 - - 10 19 3 1 - <_> - 1 - - 8 4 2 5 - <_> - 4 - - 7 4 3 1 - <_> - 4 - - 5 0 7 10 - <_> - 1 - - 5 9 6 4 - <_> - 0 - - 6 25 5 2 - <_> - 0 - - 4 8 2 2 - <_> - 5 - - 1 25 2 6 - <_> - 3 - - 3 9 4 6 - <_> - 7 - - 7 24 6 7 - <_> - 9 - - 6 20 1 3 - <_> - 8 - - 7 5 6 4 - <_> - 8 - - 1 10 14 3 - <_> - 2 - - 8 9 2 1 - <_> - 5 - - 8 5 3 4 - <_> - 8 - - 5 19 7 1 - <_> - 7 - - 6 3 4 1 - <_> - 5 - - 12 25 2 2 - <_> - 2 - - 7 14 6 12 - <_> - 2 - - 5 30 8 1 - <_> - 2 - - 3 26 8 2 - <_> - 2 - - 9 19 5 1 - <_> - 4 - - 9 13 2 11 - <_> - 1 - - 6 27 4 4 - <_> - 1 - - 6 4 2 6 - <_> - 8 - - 8 6 1 2 - <_> - 9 - - 5 0 5 3 - <_> - 8 - - 5 28 8 1 - <_> - 9 - - 6 12 3 2 - <_> - 1 - - 0 2 12 24 - <_> - 8 - - 6 11 3 4 - <_> - 4 - - 4 3 4 6 - <_> - 7 - - 4 3 1 1 - <_> - 1 - - 9 10 1 3 - <_> - 0 - - 7 28 1 3 - <_> - 0 - - 6 16 7 11 - <_> - 4 - - 1 22 5 4 - <_> - 0 - - 1 28 12 1 - <_> - 4 - - 5 12 8 15 - <_> - 4 - - 1 27 5 4 - <_> - 2 - - 6 18 4 11 - <_> - 3 - - 13 20 1 10 - <_> - 7 - - 5 29 6 1 - <_> - 1 - - 7 24 2 2 - <_> - 9 - - 3 3 10 2 - <_> - 0 - - 6 8 1 2 - <_> - 9 - - 4 9 4 2 - <_> - 5 - - 10 12 1 15 - <_> - 5 - - 10 7 1 7 - <_> - 5 - - 6 17 2 3 - <_> - 3 - - 2 21 7 6 - <_> - 3 - - 6 3 1 3 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 6 6 5 8 - <_> - 8 - - 7 9 2 1 - <_> - 5 - - 13 22 2 9 - <_> - 2 - - 6 25 4 2 - <_> - 7 - - 10 29 1 2 - <_> - 5 - - 5 29 8 1 - <_> - 5 - - 9 12 3 16 - <_> - 9 - - 6 16 4 2 - <_> - 7 - - 7 6 2 2 - <_> - 4 - - 7 0 2 18 - <_> - 2 - - 1 10 7 5 - <_> - 1 - - 4 10 5 1 - <_> - 0 - - 4 2 3 11 - <_> - 9 - - 11 17 1 1 - <_> - 3 - - 0 26 1 3 - <_> - 5 - - 4 1 3 5 - <_> - 0 - - 13 11 2 4 - <_> - 2 - - 8 23 2 3 - <_> - 4 - - 1 30 3 1 - <_> - 7 - - 5 30 2 1 - <_> - 3 - - 5 0 1 27 - <_> - 2 - - 9 24 4 6 - <_> - 5 - - 6 15 1 8 - <_> - 1 - - 5 26 6 2 - <_> - 0 - - 9 15 1 13 - <_> - 4 - - 3 20 10 1 - <_> - 4 - - 4 6 9 6 - <_> - 7 - - 2 1 5 5 - <_> - 2 - - 8 8 4 1 - <_> - 1 - - 6 12 3 1 - <_> - 0 - - 2 7 6 1 - <_> - 9 - - 12 2 1 4 - <_> - 8 - - 10 18 1 13 - <_> - 8 - - 6 5 4 2 - <_> - 0 - - 5 5 8 2 - <_> - 0 - - 7 0 5 14 - <_> - 4 - - 1 9 11 1 - <_> - 1 - - 0 4 14 6 - <_> - 0 - - 6 14 6 12 - <_> - 8 - - 7 3 1 5 - <_> - 0 - - 6 12 8 17 - <_> - 5 - - 5 28 6 1 - <_> - 5 - - 3 26 9 1 - <_> - 3 - - 6 5 4 2 - <_> - 3 - - 6 15 3 1 - <_> - 1 - - 9 8 3 14 - <_> - 7 - - 0 30 14 1 - <_> - 3 - - 4 6 11 5 - <_> - 7 - - 13 0 1 1 - <_> - 1 - - 11 25 2 6 - <_> - 3 - - 1 30 9 1 - <_> - 7 - - 4 27 5 1 - <_> - 5 - - 2 14 7 1 - <_> - 9 - - 3 13 5 6 - <_> - 5 - - 9 7 4 21 - <_> - 1 - - 6 4 2 6 - <_> - 0 - - 7 10 3 2 - <_> - 2 - - 3 12 4 14 - <_> - 9 - - 13 29 2 2 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 5 6 7 1 - <_> - 2 - - 4 28 11 1 - <_> - 4 - - 3 10 11 13 - <_> - 1 - - 5 27 6 4 - <_> - 5 - - 0 6 1 14 - <_> - 4 - - 6 29 1 1 - <_> - 2 - - 7 30 8 1 - <_> - 3 - - 3 9 3 18 - <_> - 4 - - 7 20 2 3 - <_> - 1 - - 4 15 8 4 - <_> - 2 - - 4 22 6 9 - <_> - 2 - - 3 28 5 2 - <_> - 0 - - 13 22 1 2 - <_> - 0 - - 9 17 5 3 - <_> - 8 - - 8 6 1 2 - <_> - 9 - - 5 9 5 1 - <_> - 8 - - 8 3 1 1 - <_> - 1 - - 10 9 1 2 - <_> - 1 - - 4 13 9 6 - <_> - 1 - - 6 11 6 1 - <_> - 5 - - 9 3 4 10 - <_> - 8 - - 12 20 1 5 - <_> - 5 - - 4 0 9 11 - <_> - 2 - - 7 8 4 2 - <_> - 2 - - 12 25 2 1 - <_> - 3 - - 1 6 3 5 - <_> - 2 - - 12 24 2 2 - <_> - 5 - - 6 26 7 2 - <_> - 3 - - 6 26 7 2 - <_> - 2 - - 6 10 3 1 - <_> - 8 - - 4 6 7 2 - <_> - 4 - - 0 10 4 13 - <_> - 4 - - 6 4 5 3 - <_> - 0 - - 2 30 5 1 - <_> - 3 - - 3 0 5 13 - <_> - 4 - - 5 0 3 24 - <_> - 1 - - 11 20 3 8 - <_> - 2 - - 3 12 1 7 - <_> - 9 - - 7 17 2 3 - <_> - 9 - - 7 3 3 4 - <_> - 5 - - 2 29 13 2 - <_> - 9 - - 0 29 7 2 - <_> - 0 - - 5 21 5 6 - <_> - 9 - - 7 7 2 7 - <_> - 0 - - 14 14 1 3 - <_> - 2 - - 8 26 6 5 - <_> - 5 - - 2 24 1 7 - <_> - 5 - - 10 10 4 9 - <_> - 2 - - 8 16 1 2 - <_> - 5 - - 1 11 13 14 - <_> - 2 - - 4 18 5 10 - <_> - 0 - - 4 8 2 2 - <_> - 2 - - 6 16 4 1 - <_> - 1 - - 5 28 6 1 - <_> - 5 - - 0 9 1 15 - <_> - 1 - - 9 22 1 2 - <_> - 0 - - 3 4 3 13 - <_> - 3 - - 6 25 6 4 - <_> - 4 - - 4 20 8 1 - <_> - 0 - - 7 19 4 9 - <_> - 9 - - 7 1 1 2 - <_> - 4 - - 7 17 4 2 - <_> - 1 - - 9 10 1 3 - <_> - 4 - - 9 7 1 4 - <_> - 8 - - 9 25 5 5 - <_> - 3 - - 0 18 7 11 - <_> - 1 - - 2 12 12 7 - <_> - 5 - - 5 7 7 1 - <_> - 8 - - 6 6 1 2 - <_> - 9 - - 7 13 1 7 - <_> - 4 - - 5 0 2 13 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 6 1 2 14 - <_> - 8 - - 6 8 3 2 - <_> - 1 - - 2 26 11 2 - <_> - 2 - - 11 28 2 1 - <_> - 1 - - 5 8 1 6 - <_> - 8 - - 9 26 1 4 - <_> - 1 - - 8 6 2 3 - <_> - 4 - - 2 24 12 2 - <_> - 2 - - 5 16 4 11 - <_> - 4 - - 8 14 5 17 - <_> - 0 - - 5 28 6 2 - <_> - 0 - - 9 16 2 10 - <_> - 7 - - 7 4 8 1 - <_> - 0 - - 7 10 3 17 - <_> - 3 - - 3 12 4 12 - <_> - 0 - - 7 7 3 5 - <_> - 7 - - 7 30 3 1 - <_> - 5 - - 0 21 3 2 - <_> - 5 - - 1 9 3 17 - <_> - 5 - - 1 8 14 3 - <_> - 4 - - 12 8 1 23 - <_> - 0 - - 4 28 10 2 - <_> - 5 - - 5 15 1 10 - <_> - 0 - - 6 18 6 10 - <_> - 2 - - 0 29 15 2 - <_> - 0 - - 10 19 4 4 - <_> - 8 - - 7 6 1 2 - <_> - 3 - - 13 23 2 5 - <_> - 8 - - 11 5 2 1 - <_> - 4 - - 7 18 2 2 - <_> - 3 - - 2 0 8 14 - <_> - 9 - - 5 22 2 1 - <_> - 9 - - 14 24 1 2 - <_> - 5 - - 11 13 1 18 - <_> - 5 - - 10 28 5 3 - <_> - 4 - - 5 29 7 1 - <_> - 1 - - 6 27 6 2 - <_> - 1 - - 13 5 1 9 - <_> - 7 - - 7 6 2 2 - <_> - 0 - - 3 3 2 3 - <_> - 2 - - 5 6 8 18 - <_> - 4 - - 6 23 4 6 - <_> - 0 - - 3 2 3 14 - <_> - 4 - - 6 19 2 2 - <_> - 3 - - 7 14 1 2 - <_> - 3 - - 10 12 4 3 - <_> - 0 - - 7 10 2 4 - <_> - 7 - - 3 19 1 12 - <_> - 2 - - 14 17 1 9 - <_> - 2 - - 7 8 5 3 - <_> - 5 - - 3 28 11 3 - <_> - 5 - - 10 9 3 6 - <_> - 7 - - 6 15 3 1 - <_> - 0 - - 12 8 2 4 - <_> - 5 - - 10 8 1 4 - <_> - 0 - - 10 9 1 1 - <_> - 8 - - 6 6 2 2 - <_> - 2 - - 3 1 12 3 - <_> - 9 - - 8 10 1 7 - <_> - 1 - - 4 27 5 1 - <_> - 2 - - 7 18 2 3 - <_> - 4 - - 0 30 8 1 - <_> - 1 - - 3 28 10 1 - <_> - 3 - - 7 16 4 1 - <_> - 7 - - 12 22 3 4 - <_> - 4 - - 3 14 7 14 - <_> - 1 - - 7 3 2 6 - <_> - 1 - - 2 30 10 1 - <_> - 0 - - 8 26 6 5 - <_> - 2 - - 9 9 4 1 - <_> - 5 - - 9 28 5 3 - <_> - 1 - - 3 10 10 1 - <_> - 3 - - 6 2 1 8 - <_> - 0 - - 1 10 2 3 - <_> - 7 - - 5 29 9 1 - <_> - 2 - - 7 8 3 9 - <_> - 3 - - 2 8 7 20 - <_> - 3 - - 13 23 2 6 - <_> - 3 - - 5 25 6 2 - <_> - 9 - - 0 0 4 1 - <_> - 8 - - 6 25 4 6 - <_> - 8 - - 7 7 3 1 - <_> - 1 - - 1 0 10 2 - <_> - 9 - - 7 14 3 3 - <_> - 7 - - 5 16 6 1 - <_> - 9 - - 6 19 3 1 - <_> - 0 - - 7 10 1 1 - <_> - 0 - - 6 5 3 4 - <_> - 1 - - 1 7 9 3 - <_> - 8 - - 6 5 4 2 - <_> - 3 - - 5 28 10 1 - <_> - 8 - - 10 7 2 4 - <_> - 4 - - 3 8 9 13 - <_> - 4 - - 8 3 1 17 - <_> - 1 - - 8 4 1 12 - <_> - 3 - - 2 19 1 11 - <_> - 3 - - 4 23 6 4 - <_> - 0 - - 6 15 3 1 - <_> - 0 - - 5 12 5 17 - <_> - 4 - - 4 6 8 19 - <_> - 2 - - 6 1 4 27 - <_> - 0 - - 5 11 9 1 - <_> - 1 - - 8 10 2 4 - <_> - 5 - - 12 25 3 6 - <_> - 5 - - 2 27 1 3 - <_> - 2 - - 3 25 7 3 - <_> - 1 - - 5 0 4 30 - <_> - 0 - - 4 25 1 5 - <_> - 4 - - 9 8 1 17 - <_> - 5 - - 3 18 1 4 - <_> - 1 - - 5 26 5 3 - <_> - 9 - - 5 9 5 2 - <_> - 1 - - 6 19 4 5 - <_> - 9 - - 8 28 5 1 - <_> - 5 - - 10 9 2 15 - <_> - 9 - - 6 3 3 22 - <_> - 4 - - 11 27 3 4 - <_> - 2 - - 5 1 2 4 - <_> - 7 - - 5 29 2 2 - <_> - 5 - - 8 3 2 4 - <_> - 2 - - 9 3 3 13 - <_> - 0 - - 6 10 3 2 - <_> - 0 - - 5 22 3 5 - <_> - 7 - - 6 3 4 1 - <_> - 0 - - 0 14 4 17 - <_> - 3 - - 3 5 4 9 - <_> - 7 - - 0 11 3 5 - <_> - 8 - - 7 7 3 1 - <_> - 2 - - 0 30 4 1 - <_> - 4 - - 0 18 12 13 - <_> - 0 - - 9 18 2 1 - <_> - 9 - - 7 8 1 13 - <_> - 9 - - 1 0 14 3 - <_> - 8 - - 4 12 3 2 - <_> - 2 - - 4 19 7 9 - <_> - 2 - - 4 15 1 8 - <_> - 3 - - 8 20 2 4 - <_> - 2 - - 8 6 4 4 - <_> - 5 - - 9 7 2 2 - <_> - 2 - - 0 28 14 2 - <_> - 5 - - 7 15 1 7 - <_> - 7 - - 0 15 7 3 - <_> - 3 - - 3 7 3 12 - <_> - 7 - - 5 30 9 1 - <_> - 2 - - 13 23 2 8 - <_> - 1 - - 8 24 6 6 - <_> - 4 - - 7 4 3 1 - <_> - 1 - - 7 4 2 4 - <_> - 1 - - 0 17 9 7 - <_> - 5 - - 2 30 6 1 - <_> - 2 - - 0 24 9 3 - <_> - 1 - - 6 11 6 1 - <_> - 1 - - 5 28 6 1 - <_> - 8 - - 2 17 1 4 - <_> - 0 - - 1 3 9 1 - <_> - 8 - - 6 5 4 2 - <_> - 7 - - 11 24 2 2 - <_> - 8 - - 14 18 1 7 - <_> - 7 - - 7 5 1 3 - <_> - 1 - - 5 25 4 1 - <_> - 2 - - 8 23 2 6 - <_> - 3 - - 5 11 3 17 - <_> - 3 - - 6 14 1 15 - <_> - 4 - - 4 6 9 6 - <_> - 4 - - 6 29 9 2 - <_> - 7 - - 11 27 3 1 - <_> - 9 - - 7 15 1 1 - <_> - 0 - - 1 28 14 2 - <_> - 0 - - 7 19 4 8 - <_> - 8 - - 5 6 7 8 - <_> - 1 - - 10 9 1 1 - <_> - 3 - - 4 19 9 2 - <_> - 1 - - 10 19 4 3 - <_> - 4 - - 7 20 4 1 - <_> - 3 - - 5 15 1 14 - <_> - 0 - - 5 5 6 3 - <_> - 2 - - 8 11 1 7 - <_> - 5 - - 10 10 3 4 - <_> - 0 - - 7 1 5 5 - <_> - 8 - - 7 6 1 2 - <_> - 3 - - 9 16 2 2 - <_> - 9 - - 8 15 1 2 - <_> - 1 - - 3 27 7 4 - <_> - 1 - - 11 24 1 1 - <_> - 4 - - 0 29 10 2 - <_> - 2 - - 3 24 8 4 - <_> - 0 - - 0 21 3 10 - <_> - 2 - - 4 28 9 2 - <_> - 0 - - 7 18 1 5 - <_> - 7 - - 8 7 2 1 - <_> - 7 - - 1 24 2 7 - <_> - 1 - - 7 6 5 3 - <_> - 7 - - 6 14 2 1 - <_> - 7 - - 4 27 1 4 - <_> - 8 - - 7 5 2 3 - <_> - 3 - - 13 14 1 6 - <_> - 8 - - 4 3 1 4 - <_> - 2 - - 11 10 1 8 - <_> - 1 - - 8 7 6 16 - <_> - 3 - - 0 8 11 13 - <_> - 3 - - 5 7 1 15 - <_> - 0 - - 5 20 3 2 - <_> - 3 - - 1 6 8 2 - <_> - 2 - - 4 9 4 1 - <_> - 0 - - 3 4 4 6 - <_> - 3 - - 8 2 1 3 - <_> - 1 - - 8 27 1 2 - <_> - 3 - - 14 21 1 4 - <_> - 4 - - 1 9 2 10 - <_> - 5 - - 9 12 3 15 - <_> - 7 - - 3 12 1 6 - <_> - 2 - - 9 30 5 1 - <_> - 3 - - 6 5 4 2 - <_> - 4 - - 9 20 1 11 - <_> - 4 - - 2 6 8 3 - <_> - 7 - - 4 24 1 7 - <_> - 0 - - 6 7 3 12 - <_> - 5 - - 6 26 5 2 - <_> - 5 - - 3 21 2 3 - <_> - 2 - - 3 20 7 2 - <_> - 4 - - 0 30 8 1 - <_> - 3 - - 1 27 10 4 - <_> - 2 - - 5 5 10 2 - <_> - 4 - - 12 22 3 3 - <_> - 9 - - 7 8 1 3 - <_> - 9 - - 7 1 2 6 - <_> - 8 - - 7 6 3 11 - <_> - 8 - - 8 29 3 1 - <_> - 1 - - 7 3 3 7 - <_> - 0 - - 9 19 1 12 - <_> - 4 - - 9 5 2 26 - <_> - 4 - - 9 9 4 13 - <_> - 4 - - 1 23 12 1 - <_> - 2 - - 8 10 1 5 - <_> - 5 - - 10 12 3 19 - <_> - 4 - - 7 11 2 14 - <_> - 0 - - 14 19 1 3 - <_> - 4 - - 5 9 10 3 - <_> - 4 - - 8 22 1 4 - <_> - 2 - - 4 3 6 23 - <_> - 2 - - 14 16 1 13 - <_> - 7 - - 3 19 1 12 - <_> - 5 - - 8 28 3 3 - <_> - 3 - - 5 0 9 1 - <_> - 0 - - 11 10 1 19 - <_> - 8 - - 7 5 2 3 - <_> - 4 - - 5 20 5 1 - <_> - 0 - - 6 21 5 7 - <_> - 3 - - 13 21 2 5 - <_> - 3 - - 1 7 4 8 - <_> - 8 - - 6 18 3 2 - <_> - 7 - - 7 6 2 2 - <_> - 1 - - 7 19 2 5 - <_> - 5 - - 11 8 3 22 - <_> - 1 - - 11 20 2 8 - <_> - 5 - - 11 1 1 20 - <_> - 4 - - 0 30 13 1 - <_> - 9 - - 1 29 7 2 - <_> - 9 - - 5 19 3 3 - <_> - 9 - - 5 6 5 5 - <_> - 8 - - 7 6 1 2 - <_> - 2 - - 5 19 4 11 - <_> - 4 - - 2 29 2 2 - <_> - 0 - - 7 10 3 2 - <_> - 1 - - 8 27 4 2 - <_> - 2 - - 7 8 4 2 - <_> - 0 - - 2 28 2 2 - <_> - 3 - - 2 12 5 3 - <_> - 3 - - 7 14 1 2 - <_> - 2 - - 6 18 3 4 - <_> - 0 - - 5 22 3 5 - <_> - 2 - - 5 1 5 27 - <_> - 0 - - 5 28 7 1 - <_> - 3 - - 5 26 8 2 - <_> - 7 - - 13 21 1 4 - <_> - 7 - - 9 17 1 1 - <_> - 7 - - 13 30 1 1 - <_> - 2 - - 11 4 1 16 - <_> - 5 - - 12 18 2 12 - <_> - 5 - - 8 9 5 4 - <_> - 5 - - 3 23 1 2 - <_> - 4 - - 0 9 4 7 - <_> - 2 - - 3 28 5 2 - <_> - 4 - - 9 8 1 17 - <_> - 3 - - 6 2 1 8 - <_> - 0 - - 6 4 1 6 - <_> - 0 - - 6 18 6 10 - <_> - 0 - - 2 2 11 2 - <_> - 4 - - 9 1 3 16 - <_> - 4 - - 7 4 5 4 - <_> - 4 - - 4 29 8 1 - <_> - 0 - - 6 7 6 10 - <_> - 7 - - 7 28 1 2 - <_> - 5 - - 3 26 7 2 - <_> - 7 - - 7 13 1 8 - <_> - 4 - - 5 20 8 1 - <_> - 1 - - 3 27 10 2 - <_> - 0 - - 0 8 9 1 - <_> - 4 - - 8 26 6 5 - <_> - 5 - - 4 24 1 7 - <_> - 2 - - 2 11 4 11 - <_> - 2 - - 6 21 5 7 - <_> - 8 - - 6 5 4 2 - <_> - 3 - - 3 7 2 11 - <_> - 8 - - 2 21 1 5 - <_> - 2 - - 5 8 1 1 - <_> - 9 - - 7 12 1 5 - <_> - 2 - - 6 9 4 2 - <_> - 8 - - 8 6 1 2 - <_> - 9 - - 12 24 2 5 - <_> - 8 - - 11 0 3 19 - <_> - 3 - - 0 26 4 3 - <_> - 3 - - 4 13 2 15 - <_> - 7 - - 8 19 1 1 - <_> - 2 - - 9 0 2 8 - <_> - 4 - - 7 3 2 18 - <_> - 9 - - 14 2 1 2 - <_> - 1 - - 6 22 4 2 - <_> - 5 - - 12 30 2 1 - <_> - 5 - - 10 20 1 6 - <_> - 2 - - 3 6 7 2 - <_> - 1 - - 6 11 5 2 - <_> - 3 - - 0 6 10 19 - <_> - 7 - - 6 29 1 2 - <_> - 3 - - 6 9 3 8 - <_> - 0 - - 2 12 10 7 - <_> - 2 - - 1 16 2 1 - <_> - 7 - - 1 15 8 1 - <_> - 4 - - 7 18 2 2 - <_> - 3 - - 6 5 9 3 - <_> - 5 - - 0 19 15 8 - <_> - 2 - - 1 25 8 3 - <_> - 2 - - 13 14 1 1 - <_> - 1 - - 13 3 2 12 - <_> - 7 - - 0 24 7 1 - <_> - 3 - - 0 28 15 2 - <_> - 1 - - 4 21 7 5 - <_> - 5 - - 5 14 1 10 - <_> - 1 - - 9 10 1 3 - <_> - 1 - - 1 7 14 5 - <_> - 8 - - 0 16 3 3 - <_> - 1 - - 5 9 1 2 - <_> - 4 - - 8 9 3 19 - <_> - 5 - - 3 21 2 9 - <_> - 0 - - 6 19 2 12 - <_> - 1 - - 5 17 6 3 - <_> - 3 - - 2 19 13 11 - <_> - 0 - - 9 9 1 2 - <_> - 5 - - 9 8 6 4 - <_> - 0 - - 3 8 4 1 - <_> - 1 - - 3 22 3 8 - <_> - 1 - - 2 19 3 4 - <_> - 5 - - 13 1 1 30 - <_> - 5 - - 5 19 7 6 - <_> - 2 - - 0 23 9 1 - <_> - 5 - - 6 17 3 1 - <_> - 4 - - 11 0 3 21 - <_> - 1 - - 2 4 12 5 - <_> - 5 - - 1 13 1 7 - <_> - 1 - - 4 3 5 1 - <_> - 5 - - 9 5 1 7 - <_> - 0 - - 7 18 4 2 - <_> - 5 - - 5 28 8 2 - <_> - 5 - - 3 26 7 2 - <_> - 8 - - 7 5 2 3 - <_> - 4 - - 1 30 8 1 - <_> - 4 - - 2 6 5 7 - <_> - 9 - - 7 1 1 2 - <_> - 9 - - 7 13 4 9 - <_> - 9 - - 3 3 10 3 - <_> - 1 - - 3 4 6 2 - <_> - 1 - - 5 28 6 1 - <_> - 4 - - 4 5 11 9 - <_> - 3 - - 2 16 1 11 - <_> - 0 - - 6 20 5 7 - <_> - 4 - - 10 1 1 8 - <_> - 3 - - 11 22 1 6 - <_> - 4 - - 5 12 6 17 - <_> - 5 - - 10 10 4 8 - <_> - 5 - - 2 1 5 13 - <_> - 5 - - 4 2 8 2 - <_> - 7 - - 2 21 12 2 - <_> - 8 - - 6 6 2 2 - <_> - 9 - - 7 12 1 5 - <_> - 0 - - 2 4 4 12 - <_> - 3 - - 2 15 2 12 - <_> - 2 - - 4 1 3 26 - <_> - 4 - - 0 4 13 4 - <_> - 5 - - 13 15 1 11 - <_> - 5 - - 4 0 9 11 - <_> - 5 - - 7 0 5 7 - <_> - 9 - - 6 19 2 5 - <_> - 1 - - 7 19 2 5 - <_> - 7 - - 2 11 11 2 - <_> - 1 - - 5 9 6 1 - <_> - 7 - - 7 29 2 2 - <_> - 2 - - 8 8 4 1 - <_> - 1 - - 4 27 8 1 - <_> - 4 - - 0 29 14 1 - <_> - 4 - - 8 7 4 8 - <_> - 7 - - 10 28 5 1 - <_> - 2 - - 8 16 1 2 - <_> - 3 - - 2 24 7 4 - <_> - 1 - - 11 15 3 8 - <_> - 5 - - 1 26 1 5 - <_> - 8 - - 3 27 8 2 - <_> - 2 - - 10 9 3 2 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 5 6 3 1 - <_> - 4 - - 3 10 12 3 - <_> - 7 - - 2 27 2 2 - <_> - 4 - - 3 24 8 2 - <_> - 3 - - 5 5 1 14 - <_> - 7 - - 6 12 3 2 - <_> - 8 - - 0 4 15 2 - <_> - 8 - - 10 3 2 1 - <_> - 4 - - 6 26 4 2 - <_> - 2 - - 7 11 2 3 - <_> - 4 - - 5 21 5 8 - <_> - 0 - - 5 5 6 3 - <_> - 5 - - 2 13 1 10 - <_> - 4 - - 4 0 6 22 - <_> - 1 - - 5 15 5 11 - <_> - 4 - - 8 3 1 17 - <_> - 2 - - 7 25 3 1 - <_> - 5 - - 6 28 7 2 - <_> - 5 - - 11 13 1 9 - <_> - 0 - - 9 14 3 11 - <_> - 2 - - 5 16 4 11 - <_> - 5 - - 3 15 7 12 - <_> - 5 - - 12 17 3 2 - <_> - 4 - - 7 18 2 2 - <_> - 1 - - 7 27 3 3 - <_> - 4 - - 7 12 3 3 - <_> - 8 - - 8 6 1 2 - <_> - 9 - - 5 16 1 5 - <_> - 8 - - 6 25 4 3 - <_> - 3 - - 6 20 1 5 - <_> - 4 - - 3 26 10 5 - <_> - 4 - - 7 21 3 2 - <_> - 3 - - 3 0 9 10 - <_> - 0 - - 3 9 5 1 - <_> - 3 - - 7 7 6 5 - <_> - 5 - - 3 30 11 1 - <_> - 2 - - 4 26 9 4 - <_> - 0 - - 0 29 9 1 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 9 5 2 1 - <_> - 9 - - 7 10 3 6 - <_> - 5 - - 8 5 5 10 - <_> - 7 - - 3 5 10 2 - <_> - 2 - - 14 22 1 4 - <_> - 9 - - 8 1 2 1 - <_> - 2 - - 4 9 4 1 - <_> - 8 - - 8 1 1 6 - <_> - 3 - - 2 9 7 5 - <_> - 4 - - 1 21 2 4 - <_> - 0 - - 8 9 2 1 - <_> - 8 - - 6 6 2 2 - <_> - 2 - - 6 18 5 10 - <_> - 8 - - 1 4 14 6 - <_> - 3 - - 6 9 3 12 - <_> - 3 - - 5 4 2 9 - <_> - 8 - - 6 12 5 2 - <_> - 9 - - 6 8 2 2 - <_> - 9 - - 1 5 14 11 - <_> - 5 - - 6 8 4 1 - <_> - 5 - - 6 4 4 3 - <_> - 0 - - 0 20 15 10 - <_> - 7 - - 0 27 6 1 - <_> - 2 - - 5 1 2 4 - <_> - 4 - - 8 23 1 1 - <_> - 9 - - 2 2 8 3 - <_> - 1 - - 3 28 8 1 - <_> - 2 - - 4 30 11 1 - <_> - 1 - - 4 3 5 1 - <_> - 0 - - 7 19 4 9 - <_> - 0 - - 13 24 1 5 - <_> - 3 - - 10 18 1 8 - <_> - 4 - - 1 9 14 2 - <_> - 1 - - 7 4 2 4 - <_> - 7 - - 9 27 3 4 - <_> - 1 - - 9 10 1 3 - <_> - 7 - - 14 0 1 26 - <_> - 5 - - 2 9 13 20 - <_> - 0 - - 7 11 2 3 - <_> - 3 - - 4 9 2 19 - <_> - 7 - - 3 16 1 4 - <_> - 5 - - 5 29 4 2 - <_> - 0 - - 3 25 9 5 - <_> - 3 - - 7 29 8 2 - <_> - 4 - - 3 11 9 14 - <_> - 4 - - 8 11 1 8 - <_> - 8 - - 6 21 4 4 - <_> - 3 - - 0 23 3 7 - <_> - 3 - - 3 23 4 4 - <_> - 5 - - 5 18 3 6 - <_> - 5 - - 8 2 5 10 - <_> - 7 - - 2 4 3 5 - <_> - 2 - - 4 10 7 1 - <_> - 3 - - 3 9 9 18 - <_> - 3 - - 5 28 6 1 - <_> - 4 - - 1 6 10 8 - <_> - 3 - - 0 0 5 26 - <_> - 2 - - 5 0 5 31 - <_> - 5 - - 10 25 2 1 - <_> - 2 - - 8 9 1 3 - <_> - 2 - - 3 24 6 4 - <_> - 8 - - 8 6 1 2 - <_> - 7 - - 2 5 8 4 - <_> - 8 - - 10 2 1 5 - <_> - 5 - - 2 7 2 16 - <_> - 0 - - 2 27 1 3 - <_> - 1 - - 1 17 4 2 - <_> - 9 - - 13 25 1 5 - <_> - 4 - - 7 3 2 2 - <_> - 8 - - 6 28 4 1 - <_> - 1 - - 1 10 14 12 - <_> - 3 - - 4 4 5 23 - <_> - 5 - - 1 16 10 8 - <_> - 2 - - 6 10 3 4 - <_> - 5 - - 7 21 5 5 - <_> - 5 - - 9 16 3 5 - <_> - 3 - - 14 24 1 6 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 6 6 5 8 - <_> - 8 - - 8 16 2 2 - <_> - 1 - - 4 27 10 1 - <_> - 1 - - 5 26 7 2 - <_> - 4 - - 5 20 8 1 - <_> - 9 - - 9 11 1 2 - <_> - 9 - - 8 1 2 1 - <_> - 8 - - 8 4 3 25 - <_> - 1 - - 6 28 5 1 - <_> - 8 - - 8 28 3 3 - <_> - 4 - - 6 29 4 1 - <_> - 4 - - 7 21 3 2 - <_> - 5 - - 10 18 1 11 - <_> - 2 - - 7 9 5 1 - <_> - 5 - - 0 21 3 6 - <_> - 2 - - 3 22 7 6 - <_> - 0 - - 6 10 3 2 - <_> - 2 - - 11 24 2 6 - <_> - 7 - - 14 17 1 13 - <_> - 8 - - 4 3 3 1 - <_> - 4 - - 5 3 6 6 - <_> - 5 - - 1 16 6 15 - <_> - 3 - - 3 29 5 2 - <_> - 0 - - 6 18 4 12 - <_> - 4 - - 10 0 3 13 - <_> - 0 - - 7 11 2 6 - <_> - 5 - - 3 10 12 3 - <_> - 1 - - 7 1 3 2 - <_> - 1 - - 4 26 6 3 - <_> - 4 - - 1 11 11 19 - <_> - 8 - - 7 5 2 3 - <_> - 3 - - 12 11 1 20 - <_> - 5 - - 12 30 2 1 - <_> - 0 - - 5 26 8 4 - <_> - 8 - - 11 21 4 1 - <_> - 1 - - 3 10 10 1 - <_> - 4 - - 7 1 4 18 - <_> - 2 - - 7 20 3 1 - <_> - 5 - - 5 28 4 2 - <_> - 0 - - 2 4 6 5 - <_> - 3 - - 5 7 2 3 - <_> - 9 - - 8 19 1 2 - <_> - 9 - - 5 6 5 1 - <_> - 7 - - 1 22 2 3 - <_> - 2 - - 14 14 1 13 - <_> - 1 - - 2 21 3 6 - <_> - 9 - - 14 1 1 6 - <_> - 1 - - 5 11 3 2 - <_> - 7 - - 14 4 1 22 - <_> - 0 - - 6 4 3 24 - <_> - 9 - - 7 9 2 7 - <_> - 9 - - 9 17 6 2 - <_> - 0 - - 7 10 1 1 - <_> - 3 - - 6 2 1 8 - <_> - 0 - - 5 6 1 6 - <_> - 3 - - 5 0 10 4 - <_> - 7 - - 2 30 11 1 - <_> - 1 - - 7 16 3 11 - <_> - 1 - - 9 10 2 7 - <_> - 2 - - 5 20 6 8 - <_> - 0 - - 10 8 2 2 - <_> - 3 - - 8 13 1 7 - <_> - 8 - - 7 7 3 1 - <_> - 0 - - 5 28 8 1 - <_> - 8 - - 8 3 1 2 - <_> - 0 - - 5 17 7 11 - <_> - 9 - - 11 6 2 1 - <_> - 4 - - 2 27 5 4 - <_> - 5 - - 8 28 3 3 - <_> - 1 - - 7 28 6 1 - <_> - 7 - - 7 20 1 1 - <_> - 4 - - 7 18 3 8 - <_> - 1 - - 11 21 2 8 - <_> - 2 - - 6 18 5 10 - <_> - 9 - - 6 18 1 2 - <_> - 4 - - 9 6 4 18 - <_> - 1 - - 12 23 1 7 - <_> - 7 - - 14 1 1 24 - <_> - 0 - - 4 8 2 2 - <_> - 1 - - 13 12 2 1 - <_> - 7 - - 0 27 10 1 - <_> - 3 - - 8 23 7 8 - <_> - 7 - - 7 13 3 1 - <_> - 8 - - 7 6 1 2 - <_> - 4 - - 9 9 6 3 - <_> - 8 - - 2 6 13 1 - <_> - 5 - - 8 3 5 12 - <_> - 2 - - 2 25 1 3 - <_> - 4 - - 6 2 5 6 - <_> - 3 - - 10 23 1 4 - <_> - 4 - - 5 26 5 2 - <_> - 3 - - 11 17 1 14 - <_> - 4 - - 3 12 10 9 - <_> - 4 - - 4 14 7 7 - <_> - 7 - - 11 11 2 5 - <_> - 4 - - 8 20 2 3 - <_> - 5 - - 7 19 5 9 - <_> - 4 - - 4 16 9 4 - <_> - 5 - - 2 28 1 2 - <_> - 3 - - 4 8 8 7 - <_> - 9 - - 8 13 1 1 - <_> - 0 - - 6 9 2 3 - <_> - 0 - - 5 5 5 3 - <_> - 5 - - 9 20 3 2 - <_> - 2 - - 8 30 6 1 - <_> - 3 - - 2 0 4 16 - <_> - 1 - - 11 19 2 5 - <_> - 9 - - 14 24 1 2 - <_> - 1 - - 4 27 6 3 - <_> - 9 - - 7 9 2 3 - <_> - 4 - - 6 22 4 3 - <_> - 3 - - 3 19 12 4 - <_> - 3 - - 4 12 2 15 - <_> - 3 - - 2 22 1 2 - <_> - 3 - - 4 10 2 13 - <_> - 9 - - 7 14 2 3 - <_> - 2 - - 6 10 3 1 - <_> - 9 - - 12 2 2 2 - <_> - 5 - - 4 3 6 1 - <_> - 3 - - 2 5 7 4 - <_> - 7 - - 12 14 1 9 - <_> - 1 - - 4 4 4 4 - <_> - 4 - - 9 28 5 3 - <_> - 1 - - 8 27 6 1 - <_> - 1 - - 11 23 2 2 - <_> - 7 - - 2 5 12 1 - <_> - 3 - - 1 12 7 11 - <_> - 9 - - 8 24 1 1 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 6 6 5 8 - <_> - 1 - - 10 9 1 2 - <_> - 9 - - 6 7 2 6 - <_> - 9 - - 3 3 10 3 - <_> - 8 - - 7 9 1 3 - <_> - 0 - - 6 21 5 7 - <_> - 5 - - 10 29 5 2 - <_> - 0 - - 13 27 2 4 - <_> - 9 - - 7 18 1 4 - <_> - 3 - - 3 21 6 4 - <_> - 2 - - 6 5 5 3 - <_> - 1 - - 5 10 4 3 - <_> - 0 - - 5 28 6 1 - <_> - 0 - - 11 15 2 2 - <_> - 7 - - 1 27 7 1 - <_> - 5 - - 10 11 2 1 - <_> - 1 - - 5 12 8 12 - <_> - 4 - - 7 0 2 18 - <_> - 3 - - 1 22 10 3 - <_> - 2 - - 3 5 8 25 - <_> - 5 - - 7 16 1 4 - <_> - 5 - - 9 5 2 12 - <_> - 4 - - 4 29 11 2 - <_> - 2 - - 9 1 2 2 - <_> - 2 - - 8 21 2 7 - <_> - 4 - - 7 27 1 4 - <_> - 8 - - 6 5 4 2 - <_> - 5 - - 1 12 3 6 - <_> - 8 - - 1 20 6 2 - <_> - 4 - - 7 17 4 2 - <_> - 1 - - 6 27 9 3 - <_> - 5 - - 13 1 1 23 - <_> - 9 - - 8 9 1 2 - <_> - 5 - - 11 30 4 1 - <_> - 9 - - 7 0 2 13 - <_> - 3 - - 5 2 1 29 - <_> - 7 - - 10 8 2 3 - <_> - 2 - - 4 29 2 2 - <_> - 3 - - 4 12 11 1 - <_> - 3 - - 1 13 12 4 - <_> - 0 - - 6 10 3 2 - <_> - 4 - - 2 9 5 2 - <_> - 1 - - 5 27 5 1 - <_> - 8 - - 6 22 2 1 - <_> - 3 - - 12 19 2 7 - <_> - 5 - - 8 16 4 12 - <_> - 9 - - 6 17 3 1 - <_> - 2 - - 6 14 8 10 - <_> - 4 - - 4 28 8 3 - <_> - 4 - - 4 16 9 12 - <_> - 0 - - 7 29 1 2 - <_> - 4 - - 3 28 11 3 - <_> - 4 - - 4 16 5 2 - <_> - 8 - - 8 6 1 2 - <_> - 2 - - 7 8 1 4 - <_> - 1 - - 12 24 2 7 - <_> - 1 - - 7 3 2 6 - <_> - 4 - - 7 4 3 1 - <_> - 2 - - 1 29 2 2 - <_> - 2 - - 2 24 6 7 - <_> - 5 - - 7 27 2 1 - <_> - 0 - - 5 4 10 4 - <_> - 1 - - 8 11 2 2 - <_> - 2 - - 4 20 6 7 - <_> - 8 - - 6 28 4 3 - <_> - 5 - - 8 28 3 2 - <_> - 3 - - 1 0 13 1 - <_> - 2 - - 3 15 3 2 - <_> - 1 - - 8 27 1 2 - <_> - 5 - - 1 22 1 4 - <_> - 4 - - 1 26 11 4 - <_> - 5 - - 9 0 3 20 - <_> - 7 - - 7 21 2 4 - <_> - 0 - - 7 14 2 3 - <_> - 0 - - 6 4 3 24 - <_> - 7 - - 7 6 2 2 - <_> - 2 - - 7 13 1 1 - <_> - 8 - - 6 6 2 2 - <_> - 0 - - 7 10 3 1 - <_> - 8 - - 12 15 1 10 - <_> - 9 - - 7 15 3 2 - <_> - 7 - - 6 16 5 1 - <_> - 1 - - 7 18 2 7 - <_> - 1 - - 7 23 2 6 - <_> - 9 - - 2 5 9 1 - <_> - 0 - - 8 3 4 3 - <_> - 3 - - 4 2 4 9 - <_> - 4 - - 6 21 5 3 - <_> - 2 - - 4 9 4 2 - <_> - 9 - - 13 17 1 5 - <_> - 2 - - 9 25 1 4 - <_> - 0 - - 10 28 2 3 - <_> - 1 - - 4 10 10 1 - <_> - 0 - - 7 9 6 17 - <_> - 0 - - 10 10 1 10 - <_> - 7 - - 5 29 9 1 - <_> - 3 - - 0 17 5 14 - <_> - 3 - - 3 1 11 1 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 7 6 2 5 - <_> - 8 - - 7 8 2 1 - <_> - 4 - - 2 12 11 11 - <_> - 2 - - 9 30 4 1 - <_> - 3 - - 9 0 6 14 - <_> - 3 - - 4 12 2 15 - <_> - 4 - - 1 30 4 1 - <_> - 0 - - 1 16 6 8 - <_> - 2 - - 4 25 9 3 - <_> - 3 - - 10 4 5 25 - <_> - 2 - - 8 16 1 2 - <_> - 1 - - 6 7 3 3 - <_> - 7 - - 9 12 1 1 - <_> - 4 - - 3 5 8 3 - <_> - 5 - - 8 5 5 7 - <_> - 1 - - 5 8 8 1 - <_> - 2 - - 3 27 4 3 - <_> - 7 - - 2 27 8 1 - <_> - 4 - - 0 27 13 2 - <_> - 2 - - 6 17 3 11 - <_> - 8 - - 8 6 1 2 - <_> - 0 - - 11 0 2 3 - <_> - 4 - - 1 3 11 5 - <_> - 0 - - 3 28 5 3 - <_> - 1 - - 7 15 4 7 - <_> - 1 - - 2 27 10 1 - <_> - 0 - - 6 18 4 9 - <_> - 1 - - 4 24 9 1 - <_> - 9 - - 14 8 1 8 - <_> - 2 - - 8 9 2 1 - <_> - 2 - - 8 1 4 29 - <_> - 2 - - 4 2 3 4 - <_> - 2 - - 5 5 6 3 - <_> - 7 - - 2 14 8 5 - <_> - 7 - - 9 30 1 1 - <_> - 9 - - 5 16 3 7 - <_> - 7 - - 3 13 7 13 - <_> - 2 - - 14 22 1 7 - <_> - 4 - - 8 26 7 2 - <_> - 0 - - 3 8 4 1 - <_> - 3 - - 7 25 6 5 - <_> - 1 - - 6 4 4 2 - <_> - 4 - - 7 3 2 2 - <_> - 4 - - 3 8 10 23 - <_> - 1 - - 7 9 5 1 - <_> - 1 - - 4 13 9 6 - <_> - 1 - - 5 28 6 1 - <_> - 5 - - 10 11 4 1 - <_> - 2 - - 6 5 1 3 - <_> - 5 - - 9 4 6 9 - <_> - 1 - - 5 11 4 3 - <_> - 7 - - 7 6 5 3 - <_> - 7 - - 11 26 1 5 - <_> - 8 - - 4 6 8 2 - <_> - 0 - - 4 12 2 10 - <_> - 8 - - 1 16 3 7 - <_> - 5 - - 9 14 3 13 - <_> - 1 - - 13 22 2 1 - <_> - 4 - - 1 29 14 2 - <_> - 1 - - 3 27 10 4 - <_> - 3 - - 3 30 1 1 - <_> - 2 - - 0 23 4 8 - <_> - 0 - - 6 25 5 2 - <_> - 5 - - 13 7 1 24 - <_> - 3 - - 2 5 6 9 - <_> - 0 - - 7 15 3 2 - <_> - 0 - - 9 0 3 31 - <_> - 0 - - 7 10 3 1 - <_> - 3 - - 13 19 1 3 - <_> - 4 - - 12 9 3 19 - <_> - 8 - - 7 6 3 4 - <_> - 9 - - 8 15 1 2 - <_> - 9 - - 0 1 15 4 - <_> - 1 - - 6 4 7 4 - <_> - 5 - - 6 28 4 1 - <_> - 0 - - 6 19 4 10 - <_> - 2 - - 4 18 5 1 - <_> - 4 - - 3 1 10 24 - <_> - 3 - - 1 9 6 16 - <_> - 1 - - 9 16 2 3 - <_> - 4 - - 1 30 8 1 - <_> - 1 - - 4 24 5 5 - <_> - 3 - - 0 10 1 21 - <_> - 8 - - 7 5 2 3 - <_> - 1 - - 2 19 1 2 - <_> - 9 - - 7 20 1 1 - <_> - 9 - - 10 28 5 2 - <_> - 1 - - 6 19 4 5 - <_> - 9 - - 7 5 2 21 - <_> - 2 - - 5 19 6 10 - <_> - 4 - - 3 29 5 1 - <_> - 0 - - 4 22 1 7 - <_> - 9 - - 8 9 1 2 - <_> - 9 - - 7 3 2 6 - <_> - 0 - - 10 16 1 2 - <_> - 7 - - 1 0 2 28 - <_> - 5 - - 6 26 7 2 - <_> - 3 - - 10 23 4 6 - <_> - 2 - - 1 29 2 2 - <_> - 0 - - 3 3 3 19 - <_> - 0 - - 2 11 7 1 - <_> - 5 - - 9 2 1 14 - <_> - 7 - - 13 19 2 1 - <_> - 3 - - 5 26 3 1 - <_> - 2 - - 12 26 1 5 - <_> - 5 - - 11 7 1 24 - <_> - 4 - - 5 24 1 2 - <_> - 4 - - 5 11 2 19 - <_> - 5 - - 5 0 1 6 - <_> - 7 - - 8 13 2 2 - <_> - 3 - - 6 5 1 6 - <_> - 9 - - 10 30 1 1 - <_> - 1 - - 8 25 2 4 - <_> - 2 - - 6 9 4 2 - <_> - 5 - - 12 10 3 13 - <_> - 5 - - 9 30 6 1 - <_> - 8 - - 7 6 1 2 - <_> - 4 - - 13 12 2 1 - <_> - 8 - - 5 4 6 3 - <_> - 7 - - 4 30 8 1 - <_> - 1 - - 7 16 3 10 - <_> - 0 - - 9 14 3 4 - <_> - 1 - - 5 10 7 2 - <_> - 4 - - 7 2 1 27 - <_> - 8 - - 0 9 3 20 - <_> - 1 - - 6 22 1 2 - <_> - 8 - - 7 5 2 3 - <_> - 3 - - 0 12 3 19 - <_> - 9 - - 4 8 8 3 - <_> - 9 - - 5 4 4 3 - <_> - 0 - - 4 10 1 1 - <_> - 1 - - 14 2 1 14 - <_> - 0 - - 2 18 11 3 - <_> - 5 - - 7 26 8 2 - <_> - 1 - - 10 15 1 3 - <_> - 1 - - 4 22 1 6 - <_> - 5 - - 2 5 10 22 - <_> - 4 - - 12 27 2 4 - <_> - 0 - - 1 29 14 1 - <_> - 5 - - 3 4 2 5 - <_> - 4 - - 4 9 3 9 - <_> - 7 - - 11 25 2 6 - <_> - 0 - - 4 0 1 1 - <_> - 9 - - 8 13 2 5 - <_> - 9 - - 4 15 11 16 - <_> - 5 - - 11 16 1 7 - <_> - 1 - - 3 28 10 1 - <_> - 3 - - 4 9 2 19 - <_> - 7 - - 1 27 13 2 - <_> - 1 - - 6 23 4 4 - <_> - 7 - - 14 4 1 17 - <_> - 9 - - 7 22 5 5 - <_> - 4 - - 6 15 5 1 - <_> - 5 - - 0 24 5 1 - <_> - 3 - - 5 11 8 2 - <_> - 2 - - 1 25 9 2 - <_> - 3 - - 12 3 2 20 - <_> - 5 - - 5 22 1 8 - <_> - 4 - - 6 4 4 5 - <_> - 3 - - 1 15 2 16 - <_> - 0 - - 2 19 8 12 - <_> - 1 - - 10 9 1 2 - <_> - 1 - - 4 3 5 8 - <_> - 8 - - 8 10 1 6 - <_> - 5 - - 2 0 7 2 - <_> - 2 - - 4 16 6 12 - <_> - 5 - - 7 11 1 18 - <_> - 2 - - 5 3 6 2 - <_> - 0 - - 5 5 5 3 - <_> - 2 - - 0 0 4 7 - <_> - 1 - - 4 10 6 4 - <_> - 1 - - 8 27 2 3 - <_> - 0 - - 9 15 2 12 - <_> - 1 - - 6 22 4 2 - <_> - 5 - - 12 28 2 3 - <_> - 8 - - 0 20 3 2 - <_> - 8 - - 6 6 2 2 - <_> - 9 - - 12 12 3 6 - <_> - 3 - - 4 1 5 12 - <_> - 0 - - 6 10 3 2 - <_> - 2 - - 4 15 5 16 - <_> - 0 - - 2 1 8 2 - <_> - 5 - - 3 29 10 1 - <_> - 2 - - 9 9 4 2 - <_> - 1 - - 13 4 2 5 - <_> - 4 - - 3 15 10 15 - <_> - 5 - - 2 8 11 5 - <_> - 5 - - 8 22 1 5 - <_> - 7 - - 4 5 6 1 - <_> - 7 - - 2 27 1 3 - <_> - 4 - - 7 12 1 12 - <_> - 2 - - 0 30 4 1 - <_> - 8 - - 8 4 7 9 - <_> - 2 - - 8 14 2 4 - <_> - 3 - - 3 10 2 1 - <_> - 3 - - 3 0 9 10 - <_> - 3 - - 14 0 1 1 - <_> - 2 - - 0 25 10 2 - <_> - 2 - - 8 7 2 4 - <_> - 8 - - 4 30 9 1 - <_> - 8 - - 7 5 2 3 - <_> - 5 - - 10 11 4 2 - <_> - 8 - - 6 8 3 2 - <_> - 9 - - 5 1 4 2 - <_> - 0 - - 7 8 1 9 - <_> - 9 - - 6 0 3 11 - <_> - 0 - - 4 7 2 4 - <_> - 3 - - 6 6 8 1 - <_> - 3 - - 1 7 12 20 - <_> - 4 - - 6 21 3 1 - <_> - 1 - - 11 19 2 10 - <_> - 3 - - 4 7 1 21 - <_> - 3 - - 13 21 2 9 - <_> - 3 - - 0 8 7 4 - <_> - 2 - - 7 24 2 3 - <_> - 5 - - 6 28 3 1 - <_> - 4 - - 8 18 1 2 - <_> - 0 - - 2 9 8 17 - <_> - 4 - - 9 8 3 12 - <_> - 1 - - 2 25 9 6 - <_> - 2 - - 6 24 5 4 - <_> - 9 - - 7 18 2 2 - <_> - 9 - - 3 3 10 3 - <_> - 8 - - 7 6 3 4 - <_> - 4 - - 1 29 9 2 - <_> - 1 - - 2 27 7 3 - <_> - 3 - - 3 28 6 2 - <_> - 0 - - 7 17 5 10 - <_> - 2 - - 13 2 1 28 - <_> - 3 - - 10 16 2 10 - <_> - 8 - - 7 1 2 2 - <_> - 8 - - 7 5 2 3 - <_> - 2 - - 9 30 4 1 - <_> - 0 - - 9 17 3 6 - <_> - 0 - - 0 20 1 10 - <_> - 0 - - 6 12 5 6 - <_> - 1 - - 8 27 6 2 - <_> - 5 - - 0 29 9 2 - <_> - 4 - - 9 20 5 11 - <_> - 2 - - 7 14 6 12 - <_> - 8 - - 10 24 1 1 - <_> - 2 - - 1 17 14 9 - <_> - 1 - - 10 9 1 2 - <_> - 4 - - 8 7 5 13 - <_> - 9 - - 1 28 10 2 - <_> - 4 - - 4 20 7 1 - <_> - 4 - - 8 4 1 8 - <_> - 2 - - 6 23 4 8 - <_> - 3 - - 5 9 1 14 - <_> - 1 - - 2 11 12 5 - <_> - 0 - - 7 10 3 7 - <_> - 8 - - 7 6 1 2 - <_> - 0 - - 4 28 11 2 - <_> - 9 - - 8 15 1 2 - <_> - 0 - - 0 13 4 16 - <_> - 3 - - 3 21 6 8 - <_> - 5 - - 12 15 1 4 - <_> - 1 - - 6 12 3 1 - <_> - 5 - - 10 3 4 6 - <_> - 2 - - 9 9 2 6 - <_> - 0 - - 0 3 8 10 - <_> - 1 - - 8 27 5 1 - <_> - 7 - - 5 11 1 1 - <_> - 0 - - 4 8 2 2 - <_> - 4 - - 7 3 2 2 - <_> - 3 - - 2 0 4 16 - <_> - 7 - - 3 28 2 1 - <_> - 5 - - 1 20 1 6 - <_> - 5 - - 9 9 5 4 - <_> - 5 - - 2 0 11 1 - <_> - 4 - - 3 13 7 17 - <_> - 4 - - 6 29 2 2 - <_> - 2 - - 6 0 4 9 - <_> - 7 - - 6 5 3 18 - <_> - 2 - - 6 10 5 2 - <_> - 3 - - 3 11 4 12 - <_> - 4 - - 8 29 5 2 - <_> - 4 - - 4 4 6 5 - <_> - 1 - - 8 27 1 2 - <_> - 5 - - 1 29 3 2 - <_> - 4 - - 8 1 6 18 - <_> - 5 - - 3 26 7 1 - <_> - 8 - - 13 27 1 2 - <_> - 3 - - 0 6 5 25 - <_> - 4 - - 6 22 4 3 - <_> - 1 - - 7 23 2 6 - <_> - 8 - - 6 5 4 2 - <_> - 9 - - 6 8 2 2 - <_> - 9 - - 4 2 7 5 - <_> - 8 - - 4 10 7 7 - <_> - 5 - - 2 30 13 1 - <_> - 7 - - 6 5 4 6 - <_> - 0 - - 5 24 6 4 - <_> - 2 - - 4 14 6 12 - <_> - 3 - - 14 22 1 3 - <_> - 5 - - 6 15 1 5 - <_> - 0 - - 5 26 6 2 - <_> - 9 - - 4 20 3 1 - <_> - 3 - - 11 24 3 1 - <_> - 5 - - 9 4 4 9 - <_> - 7 - - 6 3 4 1 - <_> - 4 - - 5 4 6 5 - <_> - 2 - - 3 8 3 1 - <_> - 8 - - 5 24 2 1 - <_> - 7 - - 10 9 1 2 - <_> - 4 - - 11 28 4 3 - <_> - 0 - - 2 5 5 4 - <_> - 2 - - 11 10 1 16 - <_> - 0 - - 9 3 3 2 - <_> - 4 - - 1 5 7 18 - <_> - 4 - - 5 25 6 3 - <_> - 3 - - 10 0 4 15 - <_> - 2 - - 9 9 2 6 - <_> - 3 - - 5 0 9 1 - <_> - 3 - - 9 21 6 1 - <_> - 0 - - 5 19 8 2 - <_> - 2 - - 11 21 3 1 - <_> - 3 - - 7 14 1 2 - <_> - 5 - - 8 11 5 11 - <_> - 2 - - 9 17 1 2 - <_> - 1 - - 4 28 8 1 - <_> - 5 - - 4 8 3 2 - <_> - 0 - - 12 26 1 1 - <_> - 1 - - 5 13 6 13 - <_> - 3 - - 4 10 2 13 - <_> - 1 - - 7 5 2 4 - <_> - 2 - - 4 29 10 1 - <_> - 4 - - 5 21 5 4 - <_> - 8 - - 8 6 1 2 - <_> - 2 - - 4 18 5 10 - <_> - 2 - - 14 17 1 14 - <_> - 9 - - 8 15 1 2 - <_> - 1 - - 4 4 7 4 - <_> - 4 - - 7 3 2 4 - <_> - 4 - - 11 29 4 2 - <_> - 1 - - 8 11 2 1 - <_> - 2 - - 1 30 12 1 - <_> - 2 - - 6 7 5 2 - <_> - 1 - - 1 27 9 4 - <_> - 5 - - 14 2 1 2 - <_> - 0 - - 2 27 1 3 - <_> - 9 - - 1 1 7 3 - <_> - 1 - - 4 4 4 4 - <_> - 9 - - 8 8 1 1 - <_> - 5 - - 10 7 1 7 - <_> - 7 - - 11 0 4 9 - <_> - 2 - - 7 11 4 2 - <_> - 2 - - 3 24 9 4 - <_> - 5 - - 9 19 4 8 - <_> - 5 - - 5 21 1 5 - <_> - 8 - - 7 5 2 3 - <_> - 0 - - 7 12 3 5 - <_> - 8 - - 10 4 1 4 - <_> - 9 - - 6 15 2 2 - <_> - 5 - - 9 17 4 10 - <_> - 4 - - 1 9 8 1 - <_> - 5 - - 4 28 11 3 - <_> - 0 - - 7 0 3 8 - <_> - 5 - - 10 25 1 2 - <_> - 2 - - 6 10 3 1 - <_> - 3 - - 2 10 6 3 - <_> - 4 - - 12 22 3 2 - <_> - 2 - - 5 18 5 10 - <_> - 3 - - 14 2 1 22 - <_> - 4 - - 13 7 2 13 - <_> - 1 - - 7 28 5 1 - <_> - 1 - - 5 27 2 1 - <_> - 8 - - 7 7 3 1 - <_> - 4 - - 6 17 8 14 - <_> - 3 - - 3 2 9 1 - <_> - 7 - - 1 22 2 2 - <_> - 2 - - 7 30 7 1 - <_> - 3 - - 7 8 3 2 - <_> - 5 - - 8 10 6 3 - <_> - 8 - - 1 30 2 1 - <_> - 3 - - 7 14 1 2 - <_> - 2 - - 8 20 1 6 - <_> - 0 - - 6 18 6 10 - <_> - 2 - - 9 13 4 1 - <_> - 3 - - 11 20 4 4 - <_> - 2 - - 8 16 1 2 - <_> - 5 - - 9 9 4 4 - <_> - 2 - - 7 14 6 1 - <_> - 2 - - 1 10 12 6 - <_> - 7 - - 8 17 1 5 - <_> - 5 - - 0 21 5 3 - <_> - 8 - - 5 6 3 1 - <_> - 9 - - 4 8 7 17 - <_> - 8 - - 2 3 2 5 - <_> - 5 - - 0 30 8 1 - <_> - 4 - - 2 12 8 10 - <_> - 4 - - 4 27 8 1 - <_> - 7 - - 7 30 1 1 - <_> - 5 - - 11 9 1 6 - <_> - 5 - - 3 26 9 1 - <_> - 1 - - 3 10 10 1 - <_> - 0 - - 2 3 3 14 - <_> - 8 - - 7 11 5 3 - <_> - 7 - - 1 30 4 1 - <_> - 3 - - 11 19 2 6 - <_> - 3 - - 4 29 4 2 - <_> - 0 - - 5 24 4 3 - <_> - 2 - - 2 10 1 14 - <_> - 2 - - 14 1 1 11 - <_> - 5 - - 7 2 4 6 - <_> - 7 - - 6 3 4 1 - <_> - 3 - - 1 0 13 1 - <_> - 7 - - 6 5 9 3 - <_> - 2 - - 1 25 8 3 - <_> - 2 - - 9 23 1 8 - <_> - 9 - - 7 12 1 5 - <_> - 8 - - 8 6 1 2 - <_> - 1 - - 6 7 3 3 - <_> - 1 - - 3 29 4 1 - <_> - 0 - - 14 19 1 10 - <_> - 4 - - 14 1 1 26 - <_> - 2 - - 0 28 14 2 - <_> - 2 - - 4 20 9 7 - <_> - 5 - - 7 16 2 5 - <_> - 8 - - 4 6 8 2 - <_> - 0 - - 5 7 10 2 - <_> - 8 - - 6 0 3 3 - <_> - 9 - - 1 0 14 3 - <_> - 5 - - 4 3 6 1 - <_> - 9 - - 1 7 8 19 - <_> - 1 - - 4 28 7 1 - <_> - 9 - - 7 8 1 3 - <_> - 2 - - 5 5 10 2 - <_> - 4 - - 1 29 7 2 - <_> - 1 - - 9 10 1 3 - <_> - 3 - - 4 11 3 1 - <_> - 3 - - 0 7 9 15 - <_> - 0 - - 4 8 2 1 - <_> - 3 - - 12 25 2 1 - <_> - 2 - - 9 30 6 1 - <_> - 3 - - 1 25 12 2 - <_> - 3 - - 6 22 4 6 - <_> - 3 - - 11 24 1 1 - <_> - 0 - - 5 17 7 3 - <_> - 1 - - 2 27 5 1 - <_> - 2 - - 4 9 4 1 - <_> - 5 - - 3 28 5 1 - <_> - 1 - - 4 20 3 1 - <_> - 2 - - 3 5 6 24 - <_> - 7 - - 8 0 1 31 - <_> - 4 - - 7 2 2 15 - <_> - 2 - - 6 13 3 2 - <_> - 3 - - 4 19 4 6 - <_> - 9 - - 14 13 1 2 - <_> - 8 - - 7 5 2 3 - <_> - 9 - - 0 27 1 2 - <_> - 4 - - 3 12 9 15 - <_> - 9 - - 7 15 1 2 - <_> - 5 - - 9 7 4 10 - <_> - 5 - - 11 16 1 7 - <_> - 0 - - 3 28 6 1 - <_> - 7 - - 2 28 12 1 - <_> - 1 - - 13 17 1 5 - <_> - 4 - - 1 9 11 1 - <_> - 4 - - 6 4 9 5 - <_> - 2 - - 2 1 5 1 - <_> - 4 - - 7 18 2 2 - <_> - 1 - - 5 14 7 6 - <_> - 4 - - 6 29 8 2 - <_> - 1 - - 7 28 4 1 - <_> - 9 - - 6 23 3 7 - <_> - 0 - - 10 8 2 2 - <_> - 0 - - 9 20 1 7 - <_> - 8 - - 7 5 1 10 - <_> - 0 - - 5 3 6 6 - <_> - 8 - - 13 18 1 1 - <_> - 2 - - 4 23 5 4 - <_> - 5 - - 1 29 12 1 - <_> - 4 - - 6 22 2 4 - <_> - 1 - - 9 21 5 5 - <_> - 7 - - 10 28 2 2 - <_> - 1 - - 12 22 1 9 - <_> - 8 - - 7 5 2 3 - <_> - 5 - - 1 13 1 7 - <_> - 3 - - 0 27 1 3 - <_> - 3 - - 3 4 6 16 - <_> - 4 - - 2 28 9 1 - <_> - 0 - - 7 10 3 2 - <_> - 7 - - 12 6 2 1 - <_> - 1 - - 8 4 3 6 - <_> - 5 - - 7 20 8 5 - <_> - 7 - - 2 21 4 2 - <_> - 5 - - 11 29 4 2 - <_> - 5 - - 2 5 11 20 - <_> - 3 - - 10 18 1 3 - <_> - 4 - - 4 4 5 4 - <_> - 1 - - 6 10 6 3 - <_> - 3 - - 4 16 8 6 - <_> - 8 - - 11 20 2 9 - <_> - 1 - - 3 27 8 3 - <_> - 7 - - 7 19 3 5 - <_> - 2 - - 0 23 6 1 - <_> - 7 - - 14 23 1 6 - <_> - 1 - - 5 20 6 4 - <_> - 3 - - 5 8 1 18 - <_> - 1 - - 5 9 1 2 - <_> - 4 - - 0 8 8 4 - <_> - 1 - - 1 20 7 1 - <_> - 2 - - 13 2 2 22 - <_> - 2 - - 9 5 5 8 - <_> - 5 - - 7 17 2 1 - <_> - 3 - - 10 23 1 4 - <_> - 5 - - 7 23 7 5 - <_> - 5 - - 14 24 1 2 - <_> - 0 - - 5 6 7 2 - <_> - 3 - - 9 20 6 10 - <_> - 4 - - 0 30 13 1 - <_> - 2 - - 2 23 10 5 - <_> - 2 - - 4 8 4 3 - <_> - 7 - - 4 29 10 2 - <_> - 9 - - 7 17 2 1 - <_> - 7 - - 2 16 9 2 - <_> - 3 - - 0 20 4 10 - <_> - 8 - - 8 6 1 2 - <_> - 2 - - 4 2 3 2 - <_> - 4 - - 6 2 5 6 - <_> - 7 - - 7 5 2 1 - <_> - 0 - - 7 12 5 16 - <_> - 5 - - 5 2 7 21 - <_> - 3 - - 3 0 6 13 - <_> - 0 - - 4 7 2 2 - <_> - 0 - - 7 10 2 4 - <_> - 1 - - 4 27 2 1 - <_> - 9 - - 4 24 1 1 - <_> - 4 - - 1 3 1 16 - <_> - 2 - - 8 28 1 3 - <_> - 1 - - 8 12 2 14 - <_> - 0 - - 8 3 1 25 - <_> - 3 - - 3 9 2 14 - <_> - 0 - - 7 7 1 12 - <_> - 0 - - 0 2 7 25 - <_> - 4 - - 7 11 1 8 - <_> - 5 - - 7 29 8 1 - <_> - 4 - - 13 16 1 3 - <_> - 4 - - 7 7 4 5 - <_> - 3 - - 2 1 10 3 - <_> - 1 - - 8 10 2 4 - <_> - 2 - - 5 18 6 10 - <_> - 2 - - 13 13 2 13 - <_> - 2 - - 6 16 3 1 - <_> - 4 - - 1 9 12 22 - <_> - 5 - - 1 10 11 6 - <_> - 1 - - 2 23 3 2 - <_> - 5 - - 4 28 5 3 - <_> - 7 - - 2 28 12 1 - <_> - 1 - - 7 28 4 1 - <_> - 7 - - 5 11 1 1 - <_> - 3 - - 2 5 6 9 - <_> - 2 - - 7 23 3 6 - <_> - 8 - - 6 6 2 2 - <_> - 5 - - 6 6 2 4 - <_> - 8 - - 4 3 3 1 - <_> - 0 - - 2 28 13 1 - <_> - 7 - - 9 25 5 3 - <_> - 1 - - 11 23 1 3 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 5 6 7 1 - <_> - 8 - - 5 19 6 3 - <_> - 1 - - 1 10 14 2 - <_> - 1 - - 5 7 6 1 - <_> - 3 - - 1 24 9 2 - <_> - 9 - - 8 11 1 9 - <_> - 9 - - 2 3 11 3 - <_> - 2 - - 8 23 7 1 - <_> - 2 - - 2 5 9 4 - <_> - 7 - - 8 21 3 1 - <_> - 2 - - 5 3 6 2 - <_> - 5 - - 9 11 5 4 - <_> - 2 - - 10 5 2 10 - <_> - 7 - - 4 27 6 4 - <_> - 1 - - 5 11 6 17 - <_> - 0 - - 9 29 2 1 - <_> - 4 - - 0 28 6 3 - <_> - 0 - - 7 19 3 7 - <_> - 7 - - 6 14 2 1 - <_> - 4 - - 10 15 4 1 - <_> - 9 - - 5 9 1 2 - <_> - 4 - - 5 2 3 5 - <_> - 8 - - 7 6 1 2 - <_> - 8 - - 9 30 6 1 - <_> - 8 - - 9 10 3 9 - <_> - 9 - - 10 29 5 1 - <_> - 3 - - 0 1 9 23 - <_> - 3 - - 3 9 3 8 - <_> - 5 - - 4 20 2 2 - <_> - 1 - - 7 28 3 1 - <_> - 2 - - 6 5 3 2 - <_> - 1 - - 6 21 3 5 - <_> - 3 - - 10 18 1 8 - <_> - 3 - - 4 19 6 8 - <_> - 1 - - 8 1 1 18 - <_> - 0 - - 7 10 3 1 - <_> - 7 - - 1 11 3 3 - <_> - 1 - - 6 2 2 1 - <_> - 0 - - 5 25 7 3 - <_> - 4 - - 12 5 2 1 - <_> - 3 - - 13 23 2 8 - <_> - 0 - - 5 5 6 3 - <_> - 9 - - 3 15 10 7 - <_> - 8 - - 8 6 1 2 - <_> - 7 - - 10 30 1 1 - <_> - 2 - - 10 29 3 2 - <_> - 4 - - 4 9 9 3 - <_> - 4 - - 5 4 7 3 - <_> - 3 - - 6 22 7 2 - <_> - 3 - - 5 3 1 28 - <_> - 5 - - 1 26 10 5 - <_> - 4 - - 7 20 3 4 - <_> - 2 - - 6 19 4 2 - <_> - 2 - - 5 19 4 11 - <_> - 3 - - 1 28 11 2 - <_> - 2 - - 2 20 2 4 - <_> - 3 - - 6 5 9 3 - <_> - 4 - - 9 7 4 24 - <_> - 3 - - 6 0 5 1 - <_> - 2 - - 8 10 1 5 - <_> - 5 - - 2 3 4 28 - <_> - 3 - - 2 0 9 2 - <_> - 4 - - 2 28 12 3 - <_> - 1 - - 11 22 3 8 - <_> - 9 - - 5 8 1 6 - <_> - 0 - - 4 8 2 2 - <_> - 7 - - 7 12 2 3 - <_> - 9 - - 7 14 4 15 - <_> - 1 - - 4 26 6 3 - <_> - 9 - - 5 9 5 2 - <_> - 8 - - 6 5 4 2 - <_> - 3 - - 0 28 9 1 - <_> - 2 - - 5 17 4 14 - <_> - 0 - - 7 19 3 7 - <_> - 4 - - 4 20 7 1 - <_> - 0 - - 10 14 3 9 - <_> - 9 - - 7 1 1 2 - <_> - 0 - - 13 15 1 8 - <_> - 0 - - 5 2 3 6 - <_> - 9 - - 8 13 2 5 - <_> - 1 - - 1 7 8 1 - <_> - 4 - - 7 3 2 2 - <_> - 4 - - 10 3 3 15 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 6 8 4 5 - <_> - 8 - - 7 9 2 1 - <_> - 4 - - 3 8 9 13 - <_> - 2 - - 7 30 8 1 - <_> - 2 - - 10 9 4 3 - <_> - 2 - - 4 18 10 10 - <_> - 4 - - 0 29 15 1 - <_> - 5 - - 13 16 1 14 - <_> - 1 - - 6 27 5 2 - <_> - 5 - - 0 15 3 16 - <_> - 4 - - 9 28 5 2 - <_> - 2 - - 1 26 10 2 - <_> - 5 - - 2 13 1 9 - <_> - 3 - - 7 14 2 2 - <_> - 3 - - 1 10 14 4 - <_> - 0 - - 11 9 4 11 - <_> - 3 - - 0 21 15 1 - <_> - 8 - - 6 25 4 6 - <_> - 8 - - 7 7 3 1 - <_> - 3 - - 1 29 13 2 - <_> - 4 - - 9 9 6 3 - <_> - 1 - - 4 15 8 4 - <_> - 4 - - 7 18 2 2 - <_> - 5 - - 6 16 3 3 - <_> - 2 - - 1 11 6 15 - <_> - 1 - - 7 7 4 3 - <_> - 5 - - 8 4 4 20 - <_> - 1 - - 7 9 5 1 - <_> - 5 - - 13 8 1 22 - <_> - 1 - - 14 5 1 9 - <_> - 2 - - 9 21 4 10 - <_> - 8 - - 11 2 1 4 - <_> - 0 - - 7 20 1 4 - <_> - 5 - - 1 29 7 2 - <_> - 5 - - 7 16 1 3 - <_> - 1 - - 6 12 3 1 - <_> - 5 - - 7 10 7 1 - <_> - 9 - - 13 5 1 2 - <_> - 1 - - 6 26 5 4 - <_> - 2 - - 14 6 1 24 - <_> - 1 - - 13 29 2 2 - <_> - 9 - - 5 21 3 1 - <_> - 9 - - 5 4 6 4 - <_> - 2 - - 8 4 4 23 - <_> - 5 - - 5 28 8 2 - <_> - 5 - - 10 5 2 25 - <_> - 5 - - 14 24 1 6 - <_> - 4 - - 8 9 4 18 - <_> - 0 - - 8 9 1 1 - <_> - 2 - - 11 9 1 6 - <_> - 0 - - 3 15 9 15 - <_> - 0 - - 0 13 1 14 - <_> - 3 - - 5 30 2 1 - <_> - 9 - - 7 17 2 1 - <_> - 2 - - 5 4 6 6 - <_> - 5 - - 10 17 4 9 - <_> - 8 - - 7 5 2 3 - <_> - 2 - - 5 1 2 4 - <_> - 7 - - 4 30 2 1 - <_> - 1 - - 7 4 2 4 - <_> - 7 - - 10 10 1 4 - <_> - 2 - - 7 0 7 10 - <_> - 4 - - 3 6 10 17 - <_> - 3 - - 3 7 5 7 - <_> - 7 - - 11 27 3 2 - <_> - 0 - - 1 3 13 1 - <_> - 0 - - 7 0 3 8 - <_> - 1 - - 0 8 13 1 - <_> - 1 - - 9 23 1 1 - <_> - 3 - - 7 5 2 13 - <_> - 5 - - 2 10 2 6 - <_> - 5 - - 5 23 9 2 - <_> - 0 - - 7 9 1 19 - <_> - 8 - - 3 29 9 2 - <_> - 2 - - 8 30 5 1 - <_> - 7 - - 4 3 4 8 - <_> - 1 - - 3 27 8 3 - <_> - 2 - - 5 26 8 2 - <_> - 0 - - 0 15 1 13 - <_> - 4 - - 7 30 8 1 - <_> - 4 - - 5 4 7 3 - <_> - 7 - - 2 4 4 1 - <_> - 5 - - 8 4 5 9 - <_> - 8 - - 7 6 1 2 - <_> - 9 - - 3 28 3 2 - <_> - 5 - - 0 10 7 2 - <_> - 9 - - 10 9 1 2 - <_> - 9 - - 4 0 3 4 - <_> - 5 - - 13 21 2 5 - <_> - 0 - - 11 2 1 12 - <_> - 1 - - 11 21 3 10 - <_> - 4 - - 9 17 1 4 - <_> - 3 - - 7 14 1 2 - <_> - 3 - - 6 4 2 24 - <_> - 9 - - 12 28 1 1 - <_> - 3 - - 14 21 1 9 - <_> - 7 - - 13 0 1 26 - <_> - 0 - - 9 24 3 2 - <_> - 0 - - 7 19 4 9 - <_> - 2 - - 13 1 1 30 - <_> - 3 - - 9 16 2 15 - <_> - 5 - - 10 11 4 15 - <_> - 1 - - 9 15 6 13 - <_> - 3 - - 1 5 6 19 - <_> - 5 - - 4 19 1 10 - <_> - 5 - - 3 25 11 2 - <_> - 7 - - 5 29 6 1 - <_> - 3 - - 11 23 1 2 - <_> - 0 - - 0 3 8 10 - <_> - 2 - - 3 8 3 1 - <_> - 1 - - 8 11 2 1 - <_> - 1 - - 9 4 6 10 - <_> - 4 - - 1 2 14 10 - <_> - 4 - - 5 25 6 3 - <_> - 1 - - 5 18 4 2 - <_> - 4 - - 3 24 6 6 - <_> - 2 - - 3 1 7 27 - <_> - 1 - - 1 8 11 22 - <_> - 3 - - 9 0 4 2 - <_> - 2 - - 3 29 6 1 - <_> - 3 - - 2 24 12 4 - <_> - 4 - - 1 10 5 16 - <_> - 1 - - 5 27 6 4 - <_> - 9 - - 7 9 2 3 - <_> - 5 - - 3 7 7 13 - <_> - 8 - - 5 6 7 1 - <_> - 8 - - 7 6 2 5 - <_> - 9 - - 6 10 2 3 - <_> - 1 - - 8 4 2 5 - <_> - 7 - - 7 13 2 6 - <_> - 8 - - 10 26 3 2 - <_> - 4 - - 8 23 1 1 - <_> - 0 - - 3 29 5 2 - <_> - 4 - - 6 18 2 5 - <_> - 7 - - 3 19 1 12 - <_> - 4 - - 0 29 9 2 - <_> - 4 - - 2 15 6 13 - <_> - 2 - - 8 9 2 1 - <_> - 5 - - 8 0 6 7 - <_> - 8 - - 7 11 5 3 - <_> - 2 - - 7 8 4 2 - <_> - 1 - - 6 10 2 1 - <_> - 5 - - 10 4 4 4 - <_> - 4 - - 7 7 4 5 - <_> - 1 - - 2 24 3 1 - <_> - 4 - - 10 9 5 10 - <_> - 5 - - 2 21 1 10 - <_> - 3 - - 4 9 2 19 - <_> - 0 - - 0 2 1 28 - <_> - 2 - - 7 20 4 8 - <_> - 0 - - 7 10 3 1 - <_> - 5 - - 8 28 5 1 - <_> - 8 - - 8 6 1 2 - <_> - 5 - - 10 8 1 5 - <_> - 8 - - 8 3 1 1 - <_> - 7 - - 7 5 1 3 - <_> - 7 - - 0 27 15 1 - <_> - 3 - - 3 5 11 9 - <_> - 0 - - 13 15 2 1 - <_> - 0 - - 8 13 6 4 - <_> - 1 - - 9 28 1 1 - <_> - 9 - - 7 12 5 6 - <_> - 9 - - 6 2 1 5 - <_> - 7 - - 2 7 11 7 - <_> - 0 - - 1 17 1 14 - <_> - 0 - - 5 4 1 15 - <_> - 4 - - 1 29 12 1 - <_> - 2 - - 4 23 6 5 - <_> - 4 - - 3 8 1 17 - <_> - 2 - - 7 15 2 1 - <_> - 1 - - 3 28 7 1 - <_> - 8 - - 7 6 1 2 - <_> - 5 - - 9 1 1 12 - <_> - 1 - - 5 1 6 30 - <_> - 3 - - 5 1 1 30 - <_> - 3 - - 11 24 4 3 - <_> - 1 - - 4 10 7 4 - <_> - 4 - - 7 0 1 22 - <_> - 7 - - 4 27 11 2 - <_> - 2 - - 8 30 6 1 - <_> - 4 - - 3 20 10 5 - <_> - 0 - - 10 13 5 5 - <_> - 9 - - 7 7 1 8 - <_> - 7 - - 7 15 3 1 - <_> - 8 - - 1 10 14 3 - <_> - 1 - - 4 6 4 4 - <_> - 4 - - 1 6 6 3 - <_> - 0 - - 3 28 4 1 - <_> - 1 - - 5 27 4 2 - <_> - 5 - - 13 19 1 9 - <_> - 4 - - 1 9 14 2 - <_> - 2 - - 5 18 5 10 - <_> - 5 - - 14 0 1 7 - <_> - 4 - - 3 3 4 14 - <_> - 3 - - 4 29 5 2 - <_> - 2 - - 6 5 5 3 - <_> - 1 - - 3 8 9 1 - <_> - 4 - - 7 18 2 2 - <_> - 1 - - 4 13 9 6 - <_> - 1 - - 7 16 5 1 - <_> - 4 - - 12 27 2 4 - <_> - 2 - - 1 26 10 2 - <_> - 4 - - 7 12 2 11 - <_> - 0 - - 7 10 1 1 - <_> - 5 - - 9 9 5 4 - <_> - 8 - - 14 20 1 1 - <_> - 3 - - 1 22 2 7 - <_> - 3 - - 3 9 4 6 - <_> - 4 - - 6 22 4 4 - <_> - 5 - - 11 30 3 1 - <_> - 3 - - 4 22 3 4 - <_> - 5 - - 2 26 11 1 - <_> - 3 - - 6 15 3 1 - <_> - 0 - - 5 5 5 1 - <_> - 0 - - 6 12 4 15 - <_> - 2 - - 3 3 3 1 - <_> - 4 - - 2 9 10 20 - <_> - 4 - - 2 4 9 3 - <_> - 7 - - 8 20 1 4 - <_> - 7 - - 13 22 2 6 - <_> - 2 - - 6 1 4 27 - <_> - 3 - - 1 28 9 1 - <_> - 1 - - 3 11 9 7 - <_> - 8 - - 0 18 4 3 - <_> - 8 - - 6 6 2 2 - <_> - 9 - - 13 7 1 1 - <_> - 4 - - 6 2 3 17 - <_> - 9 - - 7 7 1 15 - <_> - 0 - - 6 22 6 6 - <_> - 9 - - 12 17 1 2 - <_> - 5 - - 14 24 1 2 - <_> - 7 - - 1 30 3 1 - <_> - 5 - - 8 10 2 5 - <_> - 8 - - 7 5 2 3 - <_> - 4 - - 9 14 2 5 - <_> - 8 - - 7 0 1 3 - <_> - 2 - - 10 5 2 10 - <_> - 5 - - 10 10 4 5 - <_> - 0 - - 6 0 7 8 - <_> - 1 - - 6 12 3 1 - <_> - 7 - - 2 11 6 10 - <_> - 4 - - 9 10 6 2 - <_> - 7 - - 1 30 3 1 - <_> - 3 - - 14 22 1 8 - <_> - 2 - - 6 2 3 7 - <_> - 2 - - 0 28 15 2 - <_> - 0 - - 6 16 7 11 - <_> - 1 - - 8 20 7 5 - <_> - 3 - - 10 18 1 8 - <_> - 4 - - 0 12 3 3 - <_> - 1 - - 7 4 2 4 - <_> - 8 - - 8 5 4 2 - <_> - 2 - - 5 1 2 4 - <_> - 8 - - 10 7 4 1 - <_> - 1 - - 3 26 8 5 - <_> - 7 - - 8 20 1 2 - <_> - 4 - - 1 0 10 23 - <_> - 4 - - 7 3 2 2 - <_> - 0 - - 0 23 4 6 - <_> - 5 - - 7 21 6 7 - <_> - 4 - - 0 30 13 1 - <_> - 1 - - 4 27 10 1 - <_> - 9 - - 6 9 4 4 - <_> - 8 - - 6 1 4 10 - <_> - 9 - - 14 19 1 1 - <_> - 9 - - 6 3 4 19 - <_> - 0 - - 8 9 1 1 - <_> - 3 - - 5 6 4 4 - <_> - 9 - - 8 15 1 3 - <_> - 0 - - 4 27 1 1 - <_> - 2 - - 5 25 4 3 - <_> - 1 - - 8 10 2 4 - <_> - 0 - - 3 9 3 1 - <_> - 7 - - 6 12 3 2 - <_> - 0 - - 0 15 4 13 - <_> - 2 - - 8 30 6 1 - <_> - 2 - - 8 20 3 11 - <_> - 0 - - 7 20 4 1 - <_> - 3 - - 2 0 9 2 - <_> - 0 - - 5 5 5 3 - <_> - 2 - - 6 10 4 4 - <_> - 4 - - 6 17 4 7 - <_> - 4 - - 8 6 3 17 - <_> - 1 - - 6 18 5 7 - <_> - 1 - - 5 28 6 1 - <_> - 7 - - 10 0 5 1 - <_> - 1 - - 13 6 2 8 - <_> - 4 - - 11 23 4 6 - <_> - 3 - - 5 12 2 15 - <_> - 3 - - 12 23 3 7 - <_> - 0 - - 7 10 3 1 - <_> - 0 - - 2 13 5 5 - <_> - 9 - - 0 0 4 1 - <_> - 2 - - 5 1 2 4 - <_> - 3 - - 9 20 3 2 - <_> - 4 - - 1 29 7 2 - <_> - 5 - - 2 3 9 11 - <_> - 3 - - 0 26 4 5 - <_> - 2 - - 0 11 1 5 - <_> - 0 - - 5 26 5 2 - <_> - 1 - - 8 12 1 3 - <_> - 0 - - 1 28 8 3 - <_> - 8 - - 7 6 1 2 - <_> - 9 - - 6 14 3 5 - <_> - 8 - - 13 7 2 21 - <_> - 2 - - 5 15 4 11 - <_> - 0 - - 9 26 6 2 - <_> - 5 - - 5 17 4 5 - <_> - 2 - - 10 0 3 22 - <_> - 7 - - 3 22 7 1 - <_> - 2 - - 8 2 7 7 - <_> - 3 - - 3 7 3 12 - <_> - 7 - - 8 5 1 1 - <_> - 3 - - 3 2 2 6 - <_> - 8 - - 5 6 3 1 - <_> - 0 - - 6 18 5 4 - <_> - 5 - - 9 29 6 2 - <_> - 4 - - 11 15 2 5 - <_> - 1 - - 8 27 2 1 - <_> - 4 - - 5 19 1 1 - <_> - 1 - - 7 9 5 1 - <_> - 4 - - 7 8 4 1 - <_> - 7 - - 4 28 5 1 - <_> - 4 - - 6 22 4 3 - <_> - 1 - - 7 15 2 14 - <_> - 5 - - 2 27 1 3 - <_> - 9 - - 7 15 1 2 - <_> - 9 - - 1 1 14 7 - <_> - 3 - - 12 19 3 9 - <_> - 5 - - 3 26 7 2 - <_> - 2 - - 1 0 4 11 - <_> - 1 - - 5 12 7 10 - <_> - 3 - - 1 6 8 4 - <_> - 2 - - 11 9 1 6 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 2 9 2 1 - <_> - 8 - - 5 10 5 6 - <_> - 8 - - 5 9 3 3 - <_> - 3 - - 2 28 8 3 - <_> - 7 - - 3 27 10 1 - <_> - 2 - - 4 29 6 1 - <_> - 5 - - 0 19 2 7 - <_> - 5 - - 10 8 2 17 - <_> - 2 - - 13 25 1 1 - <_> - 1 - - 9 10 1 3 - <_> - 4 - - 8 5 3 8 - <_> - 3 - - 5 21 4 7 - <_> - 4 - - 7 17 4 2 - <_> - 5 - - 7 30 4 1 - <_> - 8 - - 3 24 8 3 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 5 6 7 1 - <_> - 1 - - 0 13 8 18 - <_> - 5 - - 8 5 5 10 - <_> - 1 - - 6 9 7 6 - <_> - 4 - - 7 0 2 20 - <_> - 2 - - 8 16 1 1 - <_> - 2 - - 5 16 4 11 - <_> - 2 - - 8 10 1 5 - <_> - 5 - - 8 28 4 1 - <_> - 3 - - 7 26 7 1 - <_> - 2 - - 6 9 4 2 - <_> - 7 - - 8 5 4 3 - <_> - 7 - - 13 19 2 9 - <_> - 0 - - 1 9 3 5 - <_> - 3 - - 3 11 5 14 - <_> - 1 - - 3 17 7 9 - <_> - 3 - - 0 21 2 8 - <_> - 2 - - 8 26 4 1 - <_> - 0 - - 13 15 1 14 - <_> - 7 - - 7 27 7 1 - <_> - 4 - - 3 26 6 2 - <_> - 2 - - 3 29 6 1 - <_> - 4 - - 8 18 1 2 - <_> - 1 - - 7 3 5 5 - <_> - 4 - - 6 3 3 2 - <_> - 4 - - 0 27 5 4 - <_> - 5 - - 6 28 4 1 - <_> - 7 - - 5 7 10 2 - <_> - 1 - - 9 27 1 2 - <_> - 0 - - 7 19 3 7 - <_> - 7 - - 11 11 1 1 - <_> - 4 - - 6 7 1 16 - <_> - 7 - - 6 9 3 1 - <_> - 5 - - 4 28 11 3 - <_> - 7 - - 7 5 6 3 - <_> - 2 - - 0 25 10 2 - <_> - 4 - - 12 4 2 17 - <_> - 9 - - 6 19 5 2 - <_> - 8 - - 6 6 2 2 - <_> - 4 - - 6 21 3 2 - <_> - 2 - - 5 5 10 2 - <_> - 5 - - 2 0 7 2 - <_> - 5 - - 9 4 4 9 - <_> - 2 - - 6 10 4 4 - <_> - 0 - - 10 8 2 2 - <_> - 0 - - 9 6 4 3 - <_> - 2 - - 2 18 9 11 - <_> - 4 - - 3 9 12 2 - <_> - 4 - - 3 11 4 9 - <_> - 0 - - 6 13 3 4 - <_> - 1 - - 5 27 10 1 - <_> - 2 - - 8 28 5 1 - <_> - 8 - - 1 11 6 1 - <_> - 9 - - 7 9 2 7 - <_> - 8 - - 0 17 14 7 - <_> - 0 - - 7 10 1 1 - <_> - 0 - - 5 3 1 20 - <_> - 0 - - 4 6 1 19 - <_> - 4 - - 6 23 4 6 - <_> - 2 - - 6 5 1 3 - <_> - 5 - - 3 29 3 2 - <_> - 1 - - 8 4 5 20 - <_> - 1 - - 5 28 7 1 - <_> - 8 - - 0 3 4 23 - <_> - 4 - - 5 28 7 3 - <_> - 2 - - 5 25 5 2 - <_> - 5 - - 2 3 1 6 - <_> - 3 - - 9 8 2 1 - <_> - 3 - - 4 12 2 8 - <_> - 2 - - 14 12 1 15 - <_> - 5 - - 10 10 5 9 - <_> - 5 - - 10 3 4 6 - <_> - 4 - - 3 9 3 9 - <_> - 1 - - 7 6 2 10 - <_> - 4 - - 4 6 9 6 - <_> - 3 - - 4 18 11 11 - <_> - 1 - - 8 10 2 4 - <_> - 2 - - 10 8 3 4 - <_> - 7 - - 1 30 3 1 - <_> - 2 - - 12 12 2 19 - <_> - 5 - - 3 19 9 3 - <_> - 0 - - 4 9 1 6 - <_> - 5 - - 5 21 1 4 - <_> - 3 - - 2 12 9 9 - <_> - 0 - - 6 19 4 10 - <_> - 5 - - 10 26 1 3 - <_> - 0 - - 6 15 2 3 - <_> - 1 - - 11 22 2 8 - <_> - 9 - - 2 22 1 2 - <_> - 5 - - 12 30 3 1 - <_> - 2 - - 6 0 7 16 - <_> - 3 - - 8 21 2 1 - <_> - 7 - - 5 10 1 4 - <_> - 7 - - 3 5 1 1 - <_> - 1 - - 4 6 7 3 - <_> - 5 - - 5 1 1 2 - <_> - 4 - - 7 3 2 2 - <_> - 0 - - 7 18 4 2 - <_> - 9 - - 8 15 1 2 - <_> - 2 - - 4 20 9 4 - <_> - 8 - - 5 5 6 6 - <_> - 3 - - 4 28 7 2 - <_> - 5 - - 1 20 1 6 - <_> - 2 - - 2 26 7 1 - <_> - 0 - - 5 15 7 13 - <_> - 2 - - 9 3 4 1 - <_> - 9 - - 5 3 7 4 - <_> - 2 - - 1 23 7 6 - <_> - 4 - - 5 2 7 8 - <_> - 4 - - 10 14 4 2 - <_> - 3 - - 6 3 5 4 - <_> - 9 - - 13 30 2 1 - <_> - 3 - - 7 12 2 5 - <_> - 1 - - 6 26 5 4 - <_> - 7 - - 7 19 2 4 - <_> - 1 - - 6 29 5 2 - <_> - 5 - - 3 10 11 5 - <_> - 9 - - 9 21 3 10 - <_> - 2 - - 12 28 3 2 - <_> - 4 - - 3 0 5 18 - <_> - 5 - - 6 0 7 4 - <_> - 5 - - 0 29 14 2 - <_> - 5 - - 1 4 6 10 - <_> - 4 - - 8 22 1 4 - <_> - 3 - - 8 9 7 12 - <_> - 9 - - 6 16 4 2 - <_> - 8 - - 8 6 1 2 - <_> - 3 - - 0 14 3 15 - <_> - 2 - - 7 20 3 1 - <_> - 8 - - 1 29 13 2 - <_> - 3 - - 0 3 4 23 - <_> - 7 - - 2 5 8 4 - <_> - 2 - - 8 16 1 2 - <_> - 0 - - 6 22 2 5 - <_> - 3 - - 1 3 11 12 - <_> - 5 - - 0 15 15 9 - <_> - 9 - - 14 1 1 4 - <_> - 0 - - 7 10 3 1 - <_> - 1 - - 3 28 10 1 - <_> - 4 - - 0 29 10 1 - <_> - 0 - - 8 26 7 3 - <_> - 0 - - 6 24 4 4 - <_> - 1 - - 0 23 15 2 - <_> - 3 - - 2 0 9 2 - <_> - 8 - - 7 5 2 3 - <_> - 9 - - 6 20 9 2 - <_> - 5 - - 7 23 7 5 - <_> - 7 - - 6 0 5 1 - <_> - 5 - - 2 30 6 1 - <_> - 3 - - 5 5 1 14 - <_> - 4 - - 2 8 1 11 - <_> - 0 - - 1 2 7 20 - <_> - 4 - - 3 6 2 8 - <_> - 5 - - 4 16 5 7 - <_> - 0 - - 6 18 6 10 - <_> - 3 - - 9 20 2 9 - <_> - 0 - - 8 27 7 2 - <_> - 4 - - 9 20 4 1 - <_> - 2 - - 5 14 6 15 - <_> - 7 - - 3 4 10 10 - <_> - 5 - - 1 18 14 13 - <_> - 1 - - 6 11 6 1 - <_> - 1 - - 7 14 6 3 - <_> - 9 - - 6 11 3 4 - <_> - 0 - - 2 27 1 3 - <_> - 5 - - 9 4 1 11 - <_> - 2 - - 3 25 8 2 - <_> - 4 - - 4 12 6 13 - <_> - 1 - - 7 23 2 6 - <_> - 1 - - 5 15 6 2 - <_> - 2 - - 10 19 1 10 - <_> - 2 - - 5 25 4 3 - <_> - 5 - - 9 5 4 13 - <_> - 1 - - 7 3 2 6 - <_> - 4 - - 4 28 8 2 - <_> - 0 - - 7 11 1 5 - <_> - 8 - - 8 6 1 2 - <_> - 1 - - 7 1 3 2 - <_> - 8 - - 10 4 1 4 - <_> - 3 - - 5 27 10 3 - <_> - 7 - - 2 28 9 1 - <_> - 2 - - 7 17 3 5 - <_> - 4 - - 0 30 5 1 - <_> - 2 - - 8 11 1 7 - <_> - 9 - - 6 16 1 3 - <_> - 9 - - 2 0 11 1 - <_> - 0 - - 6 3 5 1 - <_> - 0 - - 5 5 6 3 - <_> - 0 - - 7 29 1 2 - <_> - 5 - - 2 18 11 3 - <_> - 2 - - 3 8 3 1 - <_> - 3 - - 5 0 1 27 - <_> - 7 - - 12 11 2 1 - <_> - 5 - - 1 28 9 3 - <_> - 0 - - 6 19 2 12 - <_> - 2 - - 8 28 5 1 - <_> - 3 - - 0 5 3 23 - <_> - 4 - - 7 18 2 2 - <_> - 1 - - 4 17 8 2 - <_> - 4 - - 6 29 5 2 - <_> - 0 - - 4 7 2 4 - <_> - 9 - - 7 1 1 2 - <_> - 2 - - 10 0 1 19 - <_> - 9 - - 8 15 1 7 - <_> - 4 - - 6 22 4 3 - <_> - 1 - - 7 3 2 6 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 6 6 1 4 - <_> - 8 - - 1 10 1 6 - <_> - 1 - - 6 12 3 1 - <_> - 1 - - 3 3 7 3 - <_> - 8 - - 7 28 3 3 - <_> - 4 - - 9 18 2 4 - <_> - 1 - - 9 18 4 11 - <_> - 4 - - 6 21 4 1 - <_> - 5 - - 9 9 4 20 - <_> - 2 - - 13 21 2 5 - <_> - 0 - - 13 21 2 1 - <_> - 5 - - 6 28 5 2 - <_> - 2 - - 1 26 10 2 - <_> - 1 - - 4 3 2 19 - <_> - 9 - - 9 12 1 2 - <_> - 8 - - 6 6 2 2 - <_> - 3 - - 11 20 1 10 - <_> - 4 - - 6 4 5 3 - <_> - 7 - - 6 3 9 2 - <_> - 3 - - 3 1 6 14 - <_> - 4 - - 2 9 12 12 - <_> - 4 - - 7 10 2 10 - <_> - 7 - - 6 27 8 2 - <_> - 2 - - 6 10 3 1 - <_> - 2 - - 7 10 7 7 - <_> - 2 - - 5 30 10 1 - <_> - 5 - - 9 25 2 3 - <_> - 9 - - 3 28 12 1 - <_> - 2 - - 10 25 1 4 - <_> - 1 - - 5 20 2 1 - <_> - 5 - - 9 6 6 7 - <_> - 0 - - 11 10 1 12 - <_> - 3 - - 7 14 1 2 - <_> - 3 - - 3 10 5 4 - <_> - 3 - - 0 0 9 4 - <_> - 8 - - 2 21 5 1 - <_> - 8 - - 6 5 4 2 - <_> - 1 - - 7 28 4 1 - <_> - 4 - - 7 23 1 2 - <_> - 1 - - 7 24 2 4 - <_> - 2 - - 6 13 6 18 - <_> - 0 - - 5 28 8 1 - <_> - 0 - - 11 20 1 2 - <_> - 0 - - 7 8 2 3 - <_> - 2 - - 6 6 4 3 - <_> - 1 - - 9 10 1 3 - <_> - 1 - - 8 4 2 5 - <_> - 3 - - 2 21 7 6 - <_> - 3 - - 0 24 11 3 - <_> - 4 - - 3 28 7 2 - <_> - 2 - - 11 11 2 3 - <_> - 0 - - 9 3 3 2 - <_> - 5 - - 6 10 4 10 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 6 4 5 20 - <_> - 0 - - 6 24 7 3 - <_> - 8 - - 8 18 1 1 - <_> - 1 - - 2 2 5 14 - <_> - 0 - - 4 25 1 3 - <_> - 5 - - 8 3 4 11 - <_> - 7 - - 11 13 1 3 - <_> - 5 - - 3 0 12 1 - <_> - 4 - - 11 13 3 7 - <_> - 5 - - 4 28 10 2 - <_> - 2 - - 11 19 1 12 - <_> - 0 - - 5 20 1 3 - <_> - 5 - - 10 8 3 19 - <_> - 3 - - 0 26 6 1 - <_> - 2 - - 0 12 2 4 - <_> - 4 - - 7 8 5 6 - <_> - 5 - - 6 8 4 6 - <_> - 1 - - 4 7 6 1 - <_> - 9 - - 8 9 1 2 - <_> - 3 - - 4 11 11 5 - <_> - 8 - - 8 6 1 2 - <_> - 5 - - 0 14 2 15 - <_> - 0 - - 4 5 10 2 - <_> - 5 - - 7 12 1 3 - <_> - 3 - - 4 1 2 25 - <_> - 8 - - 12 18 2 2 - <_> - 3 - - 0 27 3 3 - <_> - 2 - - 6 17 3 11 - <_> - 1 - - 7 28 3 1 - <_> - 4 - - 5 18 5 2 - <_> - 0 - - 8 16 3 6 - <_> - 2 - - 7 23 2 2 - <_> - 0 - - 9 8 3 5 - <_> - 0 - - 7 19 6 4 - <_> - 0 - - 3 12 12 3 - <_> - 3 - - 8 18 1 1 - <_> - 1 - - 2 6 9 3 - <_> - 2 - - 7 2 5 2 - <_> - 1 - - 5 9 1 2 - <_> - 4 - - 0 0 11 14 - <_> - 2 - - 7 8 4 2 - <_> - 2 - - 8 9 2 1 - <_> - 2 - - 3 25 7 3 - <_> - 1 - - 5 27 5 1 - <_> - 0 - - 5 2 3 6 - <_> - 7 - - 0 19 7 2 - <_> - 2 - - 5 1 1 4 - <_> - 2 - - 3 22 1 2 - <_> - 5 - - 8 9 4 4 - <_> - 7 - - 4 30 3 1 - <_> - 4 - - 4 9 9 3 - <_> - 2 - - 7 11 2 3 - <_> - 0 - - 10 24 1 1 - <_> - 7 - - 1 27 4 2 - <_> - 1 - - 14 8 1 5 - <_> - 0 - - 12 22 3 7 - <_> - 4 - - 7 0 2 18 - <_> - 7 - - 8 20 1 2 - <_> - 8 - - 8 4 2 26 - <_> - 9 - - 8 15 1 3 - <_> - 1 - - 0 5 15 19 - <_> - 2 - - 4 9 4 1 - <_> - 8 - - 7 5 2 3 - <_> - 8 - - 5 6 3 1 - <_> - 8 - - 14 12 1 4 - <_> - 2 - - 1 6 10 1 - <_> - 0 - - 11 25 1 3 - <_> - 1 - - 6 19 4 8 - <_> - 7 - - 1 14 8 4 - <_> - 3 - - 0 25 11 2 - <_> - 9 - - 2 29 13 1 - <_> - 0 - - 3 27 1 4 - <_> - 1 - - 7 27 4 4 - <_> - 4 - - 5 4 7 3 - <_> - 0 - - 7 11 2 3 - <_> - 0 - - 8 17 4 4 - <_> - 2 - - 13 8 1 14 - <_> - 3 - - 13 26 2 4 - <_> - 0 - - 3 2 6 6 - <_> - 2 - - 5 5 7 16 - <_> - 2 - - 2 8 4 1 - <_> - 3 - - 4 0 1 14 - <_> - 9 - - 6 0 6 2 - <_> - 9 - - 5 14 2 4 - <_> - 1 - - 1 3 13 1 - <_> - 8 - - 6 6 2 2 - <_> - 8 - - 4 26 8 2 - <_> - 3 - - 8 17 4 1 - <_> - 4 - - 2 2 11 2 - <_> - 0 - - 6 16 6 10 - <_> - 9 - - 0 22 1 1 - <_> - 0 - - 4 29 3 2 - <_> - 4 - - 9 22 6 8 - <_> - 1 - - 8 26 4 3 - <_> - 3 - - 5 1 7 11 - <_> - 4 - - 7 29 3 1 - <_> - 4 - - 3 12 9 15 - <_> - 7 - - 0 28 14 3 - <_> - 2 - - 8 8 4 1 - <_> - 7 - - 6 9 3 1 - <_> - 7 - - 8 30 1 1 - <_> - 5 - - 4 30 11 1 - <_> - 5 - - 3 5 12 16 - <_> - 5 - - 12 13 1 6 - <_> - 0 - - 7 10 3 2 - <_> - 0 - - 3 0 4 14 - <_> - 2 - - 4 5 3 4 - <_> - 2 - - 5 19 4 1 - <_> - 1 - - 6 10 3 2 - <_> - 5 - - 1 1 12 1 - <_> - 9 - - 10 19 2 4 - <_> - 9 - - 1 0 13 27 - <_> - 8 - - 8 3 1 5 - <_> - 1 - - 7 28 3 1 - <_> - 9 - - 8 9 2 5 - <_> - 1 - - 5 4 6 9 - <_> - 7 - - 6 3 4 1 - <_> - 7 - - 14 24 1 5 - <_> - 3 - - 2 17 1 12 - <_> - 0 - - 4 14 7 16 - <_> - 1 - - 6 2 1 25 - <_> - 0 - - 0 13 4 16 - <_> - 4 - - 12 8 3 4 - <_> - 0 - - 0 18 13 4 - <_> - 8 - - 2 30 1 1 - <_> - 8 - - 7 7 3 1 - <_> - 9 - - 10 28 1 2 - <_> - 8 - - 11 1 3 10 - <_> - 4 - - 1 30 4 1 - <_> - 1 - - 2 22 5 8 - <_> - 9 - - 4 25 6 6 - <_> - 0 - - 4 6 1 6 - <_> - 5 - - 12 30 3 1 - <_> - 3 - - 7 10 1 1 - <_> - 2 - - 4 26 7 2 - <_> - 1 - - 5 1 4 3 - <_> - 4 - - 9 20 1 4 - <_> - 3 - - 2 2 7 9 - <_> - 7 - - 13 0 2 3 - <_> - 8 - - 6 6 1 2 - <_> - 3 - - 3 28 8 2 - <_> - 7 - - 13 24 1 3 - <_> - 2 - - 3 29 9 1 - <_> - 7 - - 7 13 3 1 - <_> - 7 - - 1 0 4 5 - <_> - 0 - - 5 5 6 3 - <_> - 0 - - 4 3 9 2 - <_> - 3 - - 2 17 2 2 - <_> - 0 - - 12 5 1 18 - <_> - 9 - - 7 10 1 1 - <_> - 9 - - 3 5 9 1 - <_> - 8 - - 8 12 4 1 - <_> - 3 - - 3 9 3 18 - <_> - 7 - - 8 26 1 1 - <_> - 1 - - 9 10 1 3 - <_> - 4 - - 5 10 5 21 - <_> - 1 - - 9 27 2 2 - <_> - 7 - - 6 9 3 1 - <_> - 2 - - 4 21 6 7 - <_> - 4 - - 2 18 9 8 - <_> - 5 - - 4 24 10 7 - <_> - 4 - - 6 4 5 3 - <_> - 2 - - 11 23 4 1 - <_> - 3 - - 5 3 1 28 - <_> - 9 - - 6 20 1 3 - <_> - 9 - - 4 25 5 2 - <_> - 4 - - 3 0 10 21 - <_> - 5 - - 9 11 6 17 - <_> - 0 - - 1 28 14 2 - <_> - 2 - - 6 10 3 1 - <_> - 0 - - 6 25 5 2 - <_> - 0 - - 6 27 7 1 - <_> - 8 - - 4 6 7 2 - <_> - 4 - - 12 15 3 5 - <_> - 3 - - 8 13 1 5 - <_> - 0 - - 6 22 2 5 - <_> - 4 - - 2 3 6 11 - <_> - 8 - - 1 17 6 10 - <_> - 9 - - 3 28 5 1 - <_> - 4 - - 0 30 10 1 - <_> - 1 - - 6 25 3 4 - <_> - 5 - - 10 8 3 8 - <_> - 7 - - 13 0 2 25 - <_> - 7 - - 5 30 8 1 - <_> - 3 - - 6 21 1 3 - <_> - 9 - - 6 8 3 4 - <_> - 9 - - 6 5 3 3 - <_> - 5 - - 4 29 10 1 - <_> - 1 - - 9 23 1 3 - <_> - 5 - - 9 11 4 20 - <_> - 9 - - 0 22 11 1 - <_> - 1 - - 5 9 1 2 - <_> - 5 - - 7 26 4 1 - <_> - 0 - - 6 23 1 7 - <_> - 3 - - 10 25 2 1 - <_> - 2 - - 3 29 6 2 - <_> - 1 - - 13 2 1 14 - <_> - 3 - - 6 26 8 2 - <_> - 1 - - 11 3 1 5 - <_> - 4 - - 3 12 12 19 - <_> - 1 - - 5 28 6 1 - <_> - 3 - - 10 30 5 1 - <_> - 7 - - 0 26 5 4 - <_> - 1 - - 5 11 3 2 - <_> - 0 - - 3 1 4 14 - <_> - 1 - - 7 4 2 4 - <_> - 3 - - 3 28 8 2 - <_> - 0 - - 7 19 3 7 - <_> - 4 - - 1 29 9 2 - <_> - 0 - - 6 10 3 2 - <_> - 5 - - 8 3 5 8 - <_> - 8 - - 7 4 1 10 - <_> - 1 - 1024 - - <_> - -9.1824179887771606e-01 - - 1 2 0 2.3365000000000000e+03 0 -1 1 8.3500000000000000e+01 - -2 -3 2 2.9050000000000000e+02 - - -1.9275911152362823e-01 -9.1824179887771606e-01 - 7.1353024244308472e-01 -4.2490604519844055e-01 - <_> - -1.3566842079162598e+00 - - 1 2 3 4.5500000000000000e+01 0 -1 4 5.6350000000000000e+02 - -2 -3 5 1.5150000000000000e+02 - - -5.7629632949829102e-01 -9.8518949747085571e-01 - 5.2551275491714478e-01 -4.3844240903854370e-01 - <_> - -1.6601251363754272e+00 - - 1 2 6 1.6500000000000000e+01 0 -1 7 1.3417500000000000e+04 - -2 -3 8 3.2850000000000000e+02 - - -1.4283974468708038e-01 -7.6407837867736816e-01 - 6.7369973659515381e-01 -3.0344095826148987e-01 - <_> - -1.7210527658462524e+00 - - 1 2 9 8.3500000000000000e+01 0 -1 10 5.7950000000000000e+02 - -2 -3 11 5.2165000000000000e+03 - - 2.7889367938041687e-01 -7.9177212715148926e-01 - -5.5426341295242310e-01 4.3222227692604065e-01 - <_> - -1.8265457153320312e+00 - - 1 2 12 1.0500000000000000e+01 0 -1 13 2.2500000000000000e+01 - -2 -3 14 2.4415000000000000e+03 - - -4.9315950274467468e-01 5.7787740230560303e-01 - -5.9864276647567749e-01 1.2489826977252960e-01 - <_> - -1.6793980598449707e+00 - - 1 2 15 1.8205000000000000e+03 0 -1 16 2.2445000000000000e+03 - -2 -3 17 2.5000000000000000e+00 - - 3.1089431140571833e-03 8.0035644769668579e-01 - 9.4315350055694580e-02 -5.7833504676818848e-01 - <_> - -1.5442515611648560e+00 - - 1 2 18 3.4500000000000000e+01 0 -1 19 4293. -2 -3 20 - 1.5545000000000000e+03 - - -6.1589881777763367e-02 -9.2765086889266968e-01 - 2.9719692468643188e-01 -6.1971640586853027e-01 - <_> - -1.8196758031845093e+00 - - 1 2 21 1.1500000000000000e+01 0 -1 22 2.1500000000000000e+01 - -2 -3 23 6.5500000000000000e+01 - - -4.4309207797050476e-01 4.5466747879981995e-01 - -6.7477458715438843e-01 -2.8885286301374435e-02 - <_> - -1.6610682010650635e+00 - - 1 2 24 5.0950000000000000e+02 0 -1 25 27777. -2 -3 26 - 2.4715000000000000e+03 - - 5.2616196870803833e-01 -4.0959128737449646e-01 - 5.7547372579574585e-01 -3.0137240886688232e-01 - <_> - -1.5959914922714233e+00 - - 1 2 27 5.0000000000000000e-01 0 -1 28 2.5000000000000000e+00 - -2 -3 29 1.7450000000000000e+02 - - -7.2784364223480225e-01 4.9311363697052002e-01 - -6.9787085056304932e-01 -1.9121825695037842e-02 - <_> - -1.1109679937362671e+00 - - 1 2 30 1.7500000000000000e+01 0 -1 31 1.0500000000000000e+01 - -2 -3 32 1.6835000000000000e+03 - - -6.9948041439056396e-01 4.8122453689575195e-01 - -3.8041490316390991e-01 7.8814607858657837e-01 - <_> - -1.3001022338867188e+00 - - 1 2 33 5.5000000000000000e+00 0 -1 34 1.4500000000000000e+01 - -2 -3 35 4.3500000000000000e+01 - - -6.2981390953063965e-01 4.1833153367042542e-01 - -5.5634695291519165e-01 2.0092706382274628e-01 - <_> - -1.2552416324615479e+00 - - 1 2 36 1.5000000000000000e+00 0 -1 37 6.0500000000000000e+01 - -2 -3 38 3.5000000000000000e+00 - - -2.3229536414146423e-01 4.8632022738456726e-01 - 1.0821102559566498e-01 -5.4847836494445801e-01 - <_> - -9.5746147632598877e-01 - - 1 2 39 5.0000000000000000e-01 0 -1 40 5.5000000000000000e+00 - -2 -3 41 1.5500000000000000e+01 - - -9.0162736177444458e-01 3.7442612648010254e-01 - -1.9469287246465683e-02 -6.7447566986083984e-01 - <_> - -8.0001801252365112e-01 - - 1 2 42 3.7500000000000000e+01 0 -1 43 3.1595000000000000e+03 - -2 -3 44 1.2465000000000000e+03 - - 1.6209787130355835e-01 -9.0783798694610596e-01 - 2.1256938576698303e-01 -7.1468418836593628e-01 - <_> - -1.2121976613998413e+00 - - 1 2 45 5.2500000000000000e+01 0 -1 46 5.0000000000000000e-01 - -2 -3 47 7606. - - 3.2595899701118469e-01 -4.1217961907386780e-01 - -1.9886784255504608e-01 7.2802597284317017e-01 - <_> - -1.0095448493957520e+00 - - 1 2 48 1.2645000000000000e+03 0 -1 49 1.3995000000000000e+03 - -2 -3 50 17217. - - 1.4752689003944397e-01 -4.5374435186386108e-01 - 7.4328523874282837e-01 -3.0514815449714661e-01 - <_> - -8.2125085592269897e-01 - - 1 2 51 1.2450000000000000e+02 0 -1 52 4.5000000000000000e+00 - -2 -3 53 6.5500000000000000e+01 - - -9.2579865455627441e-01 1.8829397857189178e-01 - 6.2581911683082581e-02 -9.3276327848434448e-01 - <_> - -8.5726839303970337e-01 - - 1 2 54 1.2500000000000000e+01 0 -1 55 3.5000000000000000e+00 - -2 -3 56 2.4500000000000000e+01 - - -9.3079727888107300e-01 5.4834127426147461e-01 - -7.4245822429656982e-01 -3.6017529666423798e-02 - <_> - -3.7141740322113037e-01 - - 1 2 57 2.5000000000000000e+00 0 -1 58 9.0500000000000000e+01 - -2 -3 59 1.1450000000000000e+02 - - -2.6328250765800476e-01 4.8585096001625061e-01 - -4.2119786143302917e-01 3.4775453805923462e-01 - <_> - -2.9893672466278076e-01 - - 1 2 60 1.8150000000000000e+02 0 -1 61 1.6500000000000000e+01 - -2 -3 62 4.3500000000000000e+01 - - 3.9467984437942505e-01 -2.8166392445564270e-01 - -6.6281062364578247e-01 1.6430251300334930e-02 - <_> - -5.2570968866348267e-01 - - 1 2 63 2.8935000000000000e+03 0 -1 64 7.5000000000000000e+00 - -2 -3 65 10970. - - 2.7466580271720886e-01 -8.6028146743774414e-01 - 3.1712412834167480e-01 -2.8514662384986877e-01 - <_> - -3.3981230854988098e-01 - - 1 2 66 4.3500000000000000e+01 0 -1 67 5.0500000000000000e+01 - -2 -3 68 1.2950000000000000e+02 - - 1.5071904659271240e-01 -6.7942529916763306e-01 - 3.4536096453666687e-01 -5.4448747634887695e-01 - <_> - -3.2909783720970154e-01 - - 1 2 69 4.0500000000000000e+01 0 -1 70 9.8750000000000000e+02 - -2 -3 71 4.5000000000000000e+00 - - -2.0841991528868675e-02 -6.2886476516723633e-01 - 7.4424326419830322e-01 9.9408831447362900e-03 - <_> - -6.2298193573951721e-02 - - 1 2 72 4.6085000000000000e+03 0 -1 73 3.8500000000000000e+01 - -2 -3 74 5.7850000000000000e+02 - - -7.5020188093185425e-01 5.4516482353210449e-01 - 5.7250261306762695e-01 -9.2801190912723541e-02 - <_> - -1.5894679725170135e-01 - - 1 2 75 5.0000000000000000e-01 0 -1 76 1.5000000000000000e+00 - -2 -3 77 2.5750000000000000e+02 - - -7.4547845125198364e-01 4.9561309814453125e-01 - 5.8993577957153320e-01 -3.1674036383628845e-01 - <_> - 4.0653568506240845e-01 - - 1 2 78 2.5335000000000000e+03 0 -1 79 2.4500000000000000e+01 - -2 -3 80 8.9905000000000000e+03 - - 2.6614660024642944e-01 -3.2352310419082642e-01 - 6.4184278249740601e-01 -3.7356415390968323e-01 - <_> - -1.8076049163937569e-03 - - 1 2 81 5.0000000000000000e-01 0 -1 82 1.2500000000000000e+01 - -2 -3 83 2.4500000000000000e+01 - - -4.9844339489936829e-01 4.9451184272766113e-01 - -5.1162499189376831e-01 1.4680899679660797e-01 - <_> - 2.9161420464515686e-01 - - 1 2 84 1.3500000000000000e+01 0 -1 85 1.2500000000000000e+01 - -2 -3 86 1.5115000000000000e+03 - - -7.0512425899505615e-01 4.7449973225593567e-01 - -4.5257037878036499e-01 1.9849643111228943e-01 - <_> - 2.6676848530769348e-01 - - 1 2 87 5.0500000000000000e+01 0 -1 88 6.5500000000000000e+01 - -2 -3 89 1.4650000000000000e+02 - - -2.0592364668846130e-01 3.0830872058868408e-01 - -8.7131351232528687e-01 8.3726328611373901e-01 - <_> - 1.9189073145389557e-01 - - 1 2 90 3.6050000000000000e+02 0 -1 91 1.0350000000000000e+02 - -2 -3 92 7.4500000000000000e+01 - - -8.2260921597480774e-02 5.0565969944000244e-01 - -9.1390937566757202e-01 -1.8902081251144409e-01 - <_> - 5.3643327951431274e-01 - - 1 2 93 2.0500000000000000e+01 0 -1 94 4.4500000000000000e+01 - -2 -3 95 7.3785000000000000e+03 - - -8.0922812223434448e-01 3.4454253315925598e-01 - -1.5407036058604717e-02 -7.4269419908523560e-01 - <_> - 4.3825522065162659e-01 - - 1 2 96 1.0224500000000000e+04 0 -1 97 4.5000000000000000e+00 - -2 -3 98 4.0035000000000000e+03 - - 2.9326722025871277e-01 -3.9492443203926086e-01 - 6.2416630983352661e-01 -1.4834968745708466e-01 - <_> - 9.0073168277740479e-01 - - 1 2 99 2.5000000000000000e+00 0 -1 100 - 3.8395000000000000e+03 -2 -3 101 5.5000000000000000e+00 - - 6.1362767219543457e-01 -5.9424567967653275e-02 - -6.8450838327407837e-01 2.6574308052659035e-02 - <_> - 1.0332926511764526e+00 - - 1 2 102 5.4500000000000000e+01 0 -1 103 - 5.0000000000000000e-01 -2 -3 104 4.5000000000000000e+00 - - 1.4594553411006927e-01 -8.0310869216918945e-01 - 4.9081337451934814e-01 -1.0566046833992004e-01 - <_> - 1.2107890844345093e+00 - - 1 2 105 2.5000000000000000e+00 0 -1 106 608. -2 -3 107 - 1.0250000000000000e+02 - - -6.9540244340896606e-01 8.6690729856491089e-01 - 1.7749644815921783e-01 -8.1727051734924316e-01 - <_> - 1.1315129995346069e+00 - - 1 2 108 1.0450000000000000e+02 0 -1 109 106. -2 -3 110 - 4.7350000000000000e+02 - - -4.4595441222190857e-01 4.8524639010429382e-01 - 3.8998365402221680e-01 -4.3752849102020264e-01 - <_> - 1.3212180137634277e+00 - - 1 2 111 5.0000000000000000e-01 0 -1 112 - 3.1500000000000000e+01 -2 -3 113 8.5000000000000000e+00 - - -7.6347488164901733e-01 6.1377680301666260e-01 - 3.2435289025306702e-01 -3.2852920889854431e-01 - <_> - 1.5280661582946777e+00 - - 1 2 114 31599. 0 -1 115 8.7950000000000000e+02 -2 -3 116 - 1.4950000000000000e+02 - - -4.4413706660270691e-01 2.0684811472892761e-01 - -9.2896610498428345e-01 7.2677606344223022e-01 - <_> - 1.3401062488555908e+00 - - 1 2 117 4.5000000000000000e+00 0 -1 118 - 5.0000000000000000e-01 -2 -3 119 1.7500000000000000e+01 - - -8.9902228116989136e-01 7.3140519857406616e-01 - 2.5528132915496826e-01 -3.2260772585868835e-01 - <_> - 1.5880639553070068e+00 - - 1 2 120 2.3500000000000000e+01 0 -1 121 - 2.3415000000000000e+03 -2 -3 122 1.8500000000000000e+01 - - -7.2909480333328247e-01 -6.7116706632077694e-03 - -8.0022460222244263e-01 3.6795264482498169e-01 - <_> - 1.7455346584320068e+00 - - 1 2 123 1.9715000000000000e+03 0 -1 124 - 4.5635000000000000e+03 -2 -3 125 4.4850000000000000e+02 - - -6.1536699533462524e-01 3.9649611711502075e-01 - -5.3931379318237305e-01 1.9903500378131866e-01 - <_> - 1.4469091892242432e+00 - - 1 2 126 9.5000000000000000e+00 0 -1 127 - 1.0219500000000000e+04 -2 -3 128 4.0500000000000000e+01 - - 6.1238449811935425e-01 -1.6160279512405396e-01 - -5.3765082359313965e-01 2.1599884331226349e-01 - <_> - 1.6631983518600464e+00 - - 1 2 129 1.3050000000000000e+02 0 -1 130 - 1.2500000000000000e+01 -2 -3 131 48. - - -6.8314427137374878e-01 2.1628913283348083e-01 - 7.3021888732910156e-01 -8.3048707246780396e-01 - <_> - 1.3611874580383301e+00 - - 1 2 132 5691. 0 -1 133 1.4550000000000000e+02 -2 -3 134 - 6621. - - 6.3320666551589966e-02 -5.2526509761810303e-01 - 9.5597380399703979e-01 -8.6907690763473511e-01 - <_> - 1.6279634237289429e+00 - - 1 2 135 2.3500000000000000e+01 0 -1 136 - 2.5000000000000000e+00 -2 -3 137 5.0500000000000000e+01 - - 3.9147856831550598e-01 -8.5339552164077759e-01 - 2.6677599549293518e-01 -3.8106775283813477e-01 - <_> - 2.0351922512054443e+00 - - 1 2 138 4.9500000000000000e+01 0 -1 139 - 1.8500000000000000e+01 -2 -3 140 7.5000000000000000e+00 - - 4.8707169294357300e-01 -5.0664901733398438e-01 - 5.0869596004486084e-01 -1.1930328607559204e-01 - <_> - 2.1048190593719482e+00 - - 1 2 141 6.5000000000000000e+00 0 -1 142 - 2.0500000000000000e+01 -2 -3 143 2.8945000000000000e+03 - - 2.2332985699176788e-01 -6.0333216190338135e-01 - 3.1961753964424133e-01 -4.8080846667289734e-01 - <_> - 2.5272200107574463e+00 - - 1 2 144 1.2755000000000000e+03 0 -1 145 - 1.6450000000000000e+02 -2 -3 146 33. - - 8.7598457932472229e-02 -4.3963542580604553e-01 - -8.7583345174789429e-01 6.2399446964263916e-01 - <_> - 2.3983705043792725e+00 - - 1 2 147 5.5000000000000000e+00 0 -1 148 - 1.2500000000000000e+01 -2 -3 149 3.2715000000000000e+03 - - -6.9637626409530640e-01 3.5001280903816223e-01 - -6.8439531326293945e-01 5.0571694970130920e-02 - <_> - 2.1697113513946533e+00 - - 1 2 150 666. 0 -1 151 1.0675000000000000e+03 -2 -3 152 - 1.0650000000000000e+02 - - -2.1497508883476257e-01 7.4145573377609253e-01 - -4.1339716315269470e-01 1.7802318930625916e-01 - <_> - 2.3894040584564209e+00 - - 1 2 153 1.5000000000000000e+00 0 -1 154 - 4.2500000000000000e+01 -2 -3 155 1.0950000000000000e+02 - - -8.8204550743103027e-01 3.3967906236648560e-01 - -9.1087028384208679e-02 -8.9394873380661011e-01 - <_> - 2.2878415584564209e+00 - - 1 2 156 6.4500000000000000e+01 0 -1 157 11. -2 -3 158 - 4.4500000000000000e+01 - - 7.8926539421081543e-01 -8.1914222240447998e-01 - 5.7366627454757690e-01 -1.0156247764825821e-01 - <_> - 2.4907975196838379e+00 - - 1 2 159 5.8650000000000000e+02 0 -1 160 - 1.7625000000000000e+03 -2 -3 161 5.0000000000000000e-01 - - -5.2814042568206787e-01 2.0295590162277222e-01 - 4.9193066358566284e-01 -8.6553698778152466e-01 - <_> - 2.8328115940093994e+00 - - 1 2 162 1.1500000000000000e+01 0 -1 163 - 1.5045000000000000e+03 -2 -3 164 3.1500000000000000e+01 - - 5.6902194023132324e-01 -3.8489398360252380e-01 - 5.4847592115402222e-01 -9.3145422637462616e-02 - <_> - 2.9363400936126709e+00 - - 1 2 165 1.5500000000000000e+01 0 -1 166 - 1.2500000000000000e+01 -2 -3 167 1.5500000000000000e+01 - - 9.5472264289855957e-01 -9.1838270425796509e-01 - -1.0293316841125488e-01 4.3570974469184875e-01 - <_> - 2.8884809017181396e+00 - - 1 2 168 5.5000000000000000e+00 0 -1 169 - 3.2250000000000000e+02 -2 -3 170 3.3305000000000000e+03 - - 5.2823734283447266e-01 -6.2273854017257690e-01 - 2.4218171834945679e-01 -3.8004037737846375e-01 - <_> - 3.2581679821014404e+00 - - 1 2 171 1.1585000000000000e+03 0 -1 172 - 2.0525000000000000e+03 -2 -3 173 6.6950000000000000e+02 - - -7.3419857025146484e-01 5.7153469324111938e-01 - 7.6942658424377441e-01 -4.6774842776358128e-03 - <_> - 3.2552568912506104e+00 - - 1 2 174 4.7500000000000000e+01 0 -1 175 - 5.0000000000000000e-01 -2 -3 176 1.5550000000000000e+02 - - 1.8964821100234985e-01 -5.6353724002838135e-01 - -6.1556345224380493e-01 3.0847749114036560e-01 - <_> - 3.1983842849731445e+00 - - 1 2 177 4.3150000000000000e+02 0 -1 178 - 5.8500000000000000e+01 -2 -3 179 5.0000000000000000e-01 - - -5.6872483342885971e-02 5.8359992504119873e-01 - 4.7400984168052673e-01 -7.4053239822387695e-01 - <_> - 3.4817969799041748e+00 - - 1 2 180 9.5000000000000000e+00 0 -1 181 25. -2 -3 182 - 6.2500000000000000e+01 - - -6.4430248737335205e-01 3.9208996295928955e-01 - -4.2771559953689575e-01 3.0624631047248840e-01 - <_> - 3.0476233959197998e+00 - - 1 2 183 2.5000000000000000e+00 0 -1 184 - 1.3250000000000000e+02 -2 -3 185 3.4150000000000000e+02 - - 5.3614073991775513e-01 -5.6767416000366211e-01 - -3.0754956603050232e-01 8.0505007505416870e-01 - <_> - 3.4105541706085205e+00 - - 1 2 186 5.8500000000000000e+01 0 -1 187 - 5.2250000000000000e+02 -2 -3 188 8.4500000000000000e+01 - - -3.9508250355720520e-01 2.8085133433341980e-01 - 6.1845648288726807e-01 -2.1672628819942474e-01 - <_> - 3.4716253280639648e+00 - - 1 2 189 3238. 0 -1 190 7.6925000000000000e+03 -2 -3 191 - 1.4250000000000000e+02 - - 5.7400876283645630e-01 -6.7538954317569733e-02 - -8.3562213182449341e-01 6.1071071773767471e-02 - <_> - 3.3441829681396484e+00 - - 1 2 192 1.3500000000000000e+01 0 -1 193 - 1.3500000000000000e+01 -2 -3 194 5.5000000000000000e+00 - - -6.8424683809280396e-01 5.4655539989471436e-01 - 4.5958670973777771e-01 -1.2744228541851044e-01 - <_> - 3.2567305564880371e+00 - - 1 2 195 4.5050000000000000e+02 0 -1 196 - 7.5000000000000000e+00 -2 -3 197 102. - - 2.0710256695747375e-01 -4.7517296671867371e-01 - -2.6671493053436279e-01 5.8150058984756470e-01 - <_> - 3.5595970153808594e+00 - - 1 2 198 1.5500000000000000e+01 0 -1 199 - 1.6405000000000000e+03 -2 -3 200 3.2500000000000000e+01 - - -6.0164546966552734e-01 3.0286654829978943e-01 - 2.1122010052204132e-01 -5.7218044996261597e-01 - <_> - 3.7392544746398926e+00 - - 1 2 201 6.5000000000000000e+00 0 -1 202 - 3.5000000000000000e+00 -2 -3 203 1.6450000000000000e+02 - - 2.2506394982337952e-01 -8.6310726404190063e-01 - 1.7965751886367798e-01 -6.9324779510498047e-01 - <_> - 3.7078585624694824e+00 - - 1 2 204 8.1450000000000000e+02 0 -1 205 1890. -2 -3 206 - 8.1750000000000000e+02 - - -3.2595106959342957e-01 8.0182307958602905e-01 - 6.8428695201873779e-01 -2.1671128273010254e-01 - <_> - 4.0834798812866211e+00 - - 1 2 207 7524. 0 -1 208 29059. -2 -3 209 - 5.0000000000000000e-01 - - -9.4072461128234863e-02 6.2213033437728882e-01 - 4.1094872355461121e-01 -3.1383806467056274e-01 - <_> - 3.9115695953369141e+00 - - 1 2 210 1.8500000000000000e+01 0 -1 211 387. -2 -3 212 - 2.3750000000000000e+02 - - 4.2355090379714966e-01 -8.8622373342514038e-01 - 2.1309094130992889e-01 -5.3503811359405518e-01 - <_> - 4.2166790962219238e+00 - - 1 2 213 5.3500000000000000e+01 0 -1 214 1081. -2 -3 215 - 2.5000000000000000e+00 - - 8.1005847454071045e-01 -9.5809775590896606e-01 - 3.0510938167572021e-01 -2.3649103939533234e-01 - <_> - 4.2742543220520020e+00 - - 1 2 216 5.0000000000000000e-01 0 -1 217 - 3.5000000000000000e+00 -2 -3 218 1.9500000000000000e+01 - - -6.7842203378677368e-01 6.1577528715133667e-01 - -6.2877601385116577e-01 5.7575210928916931e-02 - <_> - 4.5262427330017090e+00 - - 1 2 219 2.3500000000000000e+01 0 -1 220 - 6.5500000000000000e+01 -2 -3 221 7200. - - -1.2643574178218842e-01 4.4764062762260437e-01 - 8.0391228199005127e-01 -5.6298023462295532e-01 - <_> - 4.3622655868530273e+00 - - 1 2 222 5.0000000000000000e-01 0 -1 223 - 5.0000000000000000e-01 -2 -3 224 8.5000000000000000e+00 - - -6.9282239675521851e-01 5.0668609142303467e-01 - 2.8447443246841431e-01 -3.2788425683975220e-01 - <_> - 4.3866205215454102e+00 - - 1 2 225 1.8500000000000000e+01 0 -1 226 - 3.0500000000000000e+01 -2 -3 227 3.5000000000000000e+00 - - 1.6534422338008881e-01 -6.7988771200180054e-01 - 5.8741343021392822e-01 -7.3899636045098305e-03 - <_> - 4.6229195594787598e+00 - - 1 2 228 3.5500000000000000e+01 0 -1 229 - 2.4250000000000000e+02 -2 -3 230 1.4995000000000000e+03 - - -2.7123320102691650e-01 4.3727341294288635e-01 - 6.2667381763458252e-01 -8.1948131322860718e-01 - <_> - 4.4684619903564453e+00 - - 1 2 231 1.3050000000000000e+02 0 -1 232 - 7.4500000000000000e+01 -2 -3 233 3.4250000000000000e+02 - - 4.2552286386489868e-01 -6.8802464008331299e-01 - -3.5543212294578552e-01 8.2571202516555786e-01 - <_> - 4.7353043556213379e+00 - - 1 2 234 2.4500000000000000e+01 0 -1 235 - 5.2500000000000000e+01 -2 -3 236 2.1500000000000000e+01 - - 1.4997267723083496e-01 -9.4012928009033203e-01 - -3.1085640192031860e-01 2.6684227585792542e-01 - <_> - 5.1284918785095215e+00 - - 1 2 237 1.5000000000000000e+00 0 -1 238 246. -2 -3 239 - 5.1500000000000000e+01 - - -1.4119525253772736e-01 8.4309184551239014e-01 - 8.1866653636097908e-03 -5.9627658128738403e-01 - <_> - 5.2100868225097656e+00 - - 1 2 240 1.2225000000000000e+03 0 -1 241 8510. -2 -3 242 - 4.1076500000000000e+04 - - -3.3349204063415527e-01 4.1161355376243591e-01 - 4.6106973290443420e-01 -8.5954028367996216e-01 - <_> - 5.1655635833740234e+00 - - 1 2 243 1.4225500000000000e+04 0 -1 244 - 5.6765000000000000e+03 -2 -3 245 3.5000000000000000e+00 - - -4.4523153454065323e-02 6.2628918886184692e-01 - 2.0545418560504913e-01 -5.4939305782318115e-01 - <_> - 5.3291592597961426e+00 - - 1 2 246 4.5000000000000000e+00 0 -1 247 5. -2 -3 248 - 4.5035000000000000e+03 - - -8.5104453563690186e-01 7.7873927354812622e-01 - -8.5507243871688843e-01 -6.3659679144620895e-03 - <_> - 5.4979724884033203e+00 - - 1 2 249 7.7350000000000000e+02 0 -1 250 - 5.0745000000000000e+03 -2 -3 251 6.5000000000000000e+00 - - 4.5453670620918274e-01 -6.6669577360153198e-01 - 1.7272062599658966e-01 -4.8215919733047485e-01 - <_> - 5.1418399810791016e+00 - - 1 2 252 3.3500000000000000e+01 0 -1 253 - 4.8500000000000000e+01 -2 -3 254 1.1625000000000000e+03 - - 5.2197024226188660e-02 -8.2986247539520264e-01 - -4.2942497134208679e-01 2.6862683892250061e-01 - <_> - 5.3069186210632324e+00 - - 1 2 255 7.3500000000000000e+01 0 -1 256 - 6.5000000000000000e+00 -2 -3 257 293. - - -8.3037430047988892e-01 1.6507858037948608e-01 - -8.6482697725296021e-01 5.6237572431564331e-01 - <_> - 5.8320169448852539e+00 - - 1 2 258 5.2500000000000000e+01 0 -1 259 - 5.0000000000000000e-01 -2 -3 260 483. - - 4.2582702636718750e-01 -3.5350418090820312e-01 - 5.2509862184524536e-01 -8.3165860176086426e-01 - <_> - 5.4062981605529785e+00 - - 1 2 261 7.2850000000000000e+02 0 -1 262 27703. -2 -3 263 - 1.1950000000000000e+02 - - 6.5644961595535278e-01 -9.5847475528717041e-01 - 2.1147368848323822e-01 -4.5759904384613037e-01 - <_> - 5.3856034278869629e+00 - - 1 2 264 2.1500000000000000e+01 0 -1 265 - 1.6105000000000000e+03 -2 -3 266 1.5000000000000000e+00 - - -2.0694794133305550e-02 -7.2058790922164917e-01 - 7.0882946252822876e-01 -9.4017720222473145e-01 - <_> - 5.3594450950622559e+00 - - 1 2 267 1.9500000000000000e+01 0 -1 268 - 1.5500000000000000e+01 -2 -3 269 5.0000000000000000e-01 - - 4.6942609548568726e-01 -4.7919079661369324e-01 - 5.4369747638702393e-01 -2.6158468797802925e-02 - <_> - 5.5568313598632812e+00 - - 1 2 270 3.8500000000000000e+01 0 -1 271 5311. -2 -3 272 - 1.0750000000000000e+02 - - 2.8408360481262207e-01 -9.0222167968750000e-01 - 1.9738645851612091e-01 -5.9748172760009766e-01 - <_> - 6.0750946998596191e+00 - - 1 2 273 3654. 0 -1 274 5.0000000000000000e-01 -2 -3 275 180. - - 1.3075743615627289e-01 -4.2956027388572693e-01 - -7.0136785507202148e-01 6.2402111291885376e-01 - <_> - 6.0776939392089844e+00 - - 1 2 276 2.5000000000000000e+00 0 -1 277 - 1.3500000000000000e+01 -2 -3 278 1.1750000000000000e+02 - - -9.0228682756423950e-01 1. 1.6657561063766479e-01 - -6.4917582273483276e-01 - <_> - 6.0489621162414551e+00 - - 1 2 279 1.2455000000000000e+03 0 -1 280 - 3.2550000000000000e+02 -2 -3 281 9.3250000000000000e+02 - - -2.8672853112220764e-01 6.7820680141448975e-01 - 6.3100266456604004e-01 -2.2533583641052246e-01 - <_> - 6.3533391952514648e+00 - - 1 2 282 1.8769500000000000e+04 0 -1 283 - 7.5450000000000000e+02 -2 -3 284 1.4500000000000000e+01 - - -7.3246711492538452e-01 4.0920761227607727e-01 - 9.1864340007305145e-02 -5.1933372020721436e-01 - <_> - 6.3807511329650879e+00 - - 1 2 285 4.9950000000000000e+02 0 -1 286 - 7.5000000000000000e+00 -2 -3 287 4.9500000000000000e+01 - - 2.5379750132560730e-01 -9.2118155956268311e-01 - -5.7641644030809402e-02 5.3151047229766846e-01 - <_> - 6.4591631889343262e+00 - - 1 2 288 2.5500000000000000e+01 0 -1 289 - 1.1500000000000000e+01 -2 -3 290 1.7405000000000000e+03 - - -9.0133595466613770e-01 2.3147261142730713e-01 - -5.1077365875244141e-01 7.7433860301971436e-01 - <_> - 6.7583456039428711e+00 - - 1 2 291 5.0000000000000000e-01 0 -1 292 - 3.6500000000000000e+01 -2 -3 293 6.5000000000000000e+00 - - -1.6842520236968994e-01 7.2404229640960693e-01 - 4.3139779567718506e-01 -3.6949115991592407e-01 - <_> - 6.6043167114257812e+00 - - 1 2 294 1.0500000000000000e+01 0 -1 295 - 2.5500000000000000e+01 -2 -3 296 1.0750000000000000e+02 - - 6.2449771165847778e-01 -6.7510235309600830e-01 - 3.5289931297302246e-01 -1.5402862429618835e-01 - <_> - 6.4769744873046875e+00 - - 1 2 297 1.6750000000000000e+02 0 -1 298 - 3.4500000000000000e+01 -2 -3 299 2.1500000000000000e+01 - - 1.1882825195789337e-01 -6.5167319774627686e-01 - -7.6285523176193237e-01 3.4674841165542603e-01 - <_> - 6.6450757980346680e+00 - - 1 2 300 8.5000000000000000e+00 0 -1 301 - 1.3500000000000000e+01 -2 -3 302 116. - - -5.9631282091140747e-01 2.7127423882484436e-01 - -5.6467700004577637e-01 3.7385278940200806e-01 - <_> - 6.8429255485534668e+00 - - 1 2 303 5.5500000000000000e+01 0 -1 304 - 3.5000000000000000e+00 -2 -3 305 3.3250000000000000e+02 - - -8.3910179138183594e-01 4.3193608522415161e-01 - -3.7392577528953552e-01 6.6540867090225220e-01 - <_> - 7.0322842597961426e+00 - - 1 2 306 6.3500000000000000e+01 0 -1 307 - 2.0845000000000000e+03 -2 -3 308 1.2500000000000000e+01 - - -5.9658832848072052e-02 -8.6379587650299072e-01 - 4.7707024216651917e-01 -1.4790077507495880e-01 - <_> - 6.9630532264709473e+00 - - 1 2 309 1.6150000000000000e+02 0 -1 310 29256. -2 -3 311 - 2.5000000000000000e+00 - - -8.2682120800018311e-01 4.9407878518104553e-01 - 5.2456849813461304e-01 -6.9230861961841583e-02 - <_> - 6.9075293540954590e+00 - - 1 2 312 5.0000000000000000e-01 0 -1 313 - 8.5000000000000000e+00 -2 -3 314 8.4975000000000000e+03 - - -7.3926454782485962e-01 4.6552142500877380e-01 - 5.8614385128021240e-01 -3.0694326758384705e-01 - <_> - 7.0862822532653809e+00 - - 1 2 315 8.2550000000000000e+02 0 -1 316 - 4.6500000000000000e+01 -2 -3 317 5.0695000000000000e+03 - - -2.9908904433250427e-01 5.3665381669998169e-01 - 6.0632449388504028e-01 -4.8383909463882446e-01 - <_> - 7.3064808845520020e+00 - - 1 2 318 1.2500000000000000e+01 0 -1 319 - 4.7350000000000000e+02 -2 -3 320 1.3500000000000000e+01 - - -1.4890976250171661e-01 5.1700884103775024e-01 - 2.2019901871681213e-01 -5.0205707550048828e-01 - <_> - 7.5856218338012695e+00 - - 1 2 321 4.5000000000000000e+00 0 -1 322 - 2.5000000000000000e+00 -2 -3 323 1.7875000000000000e+03 - - -6.5830785036087036e-01 5.2842289209365845e-01 - -4.4524073600769043e-01 1.5747387707233429e-01 - <_> - 7.5183806419372559e+00 - - 1 2 324 7.8500000000000000e+01 0 -1 325 - 2.1500000000000000e+01 -2 -3 326 283. - - 4.9533292651176453e-01 -3.2849147915840149e-01 - -8.8443028926849365e-01 -4.6591479331254959e-02 - <_> - 7.2458000183105469e+00 - - 1 2 327 2.9500000000000000e+01 0 -1 328 - 4.5000000000000000e+00 -2 -3 329 1.2500000000000000e+01 - - 3.8163262605667114e-01 -5.6158578395843506e-01 - -5.1157724857330322e-01 3.5844418406486511e-01 - <_> - 7.7198004722595215e+00 - - 1 2 330 1.7500000000000000e+01 0 -1 331 - 8.5000000000000000e+00 -2 -3 332 94. - - -1.6375185549259186e-01 4.7400090098381042e-01 - -8.1118392944335938e-01 -3.4891348332166672e-02 - <_> - 7.6042866706848145e+00 - - 1 2 333 1.5500000000000000e+01 0 -1 334 - 2.8500000000000000e+01 -2 -3 335 1.1255000000000000e+03 - - -2.7163597941398621e-01 4.8851761221885681e-01 - -4.1841214895248413e-01 5.2421635389328003e-01 - <_> - 7.8545336723327637e+00 - - 1 2 336 5.0000000000000000e-01 0 -1 337 - 6.5000000000000000e+00 -2 -3 338 1.5755000000000000e+03 - - -5.1451754570007324e-01 5.8292496204376221e-01 - 5.4736447334289551e-01 -2.9082155227661133e-01 - <_> - 8.2435092926025391e+00 - - 1 2 339 2.5000000000000000e+00 0 -1 340 298. -2 -3 341 - 3.4500000000000000e+01 - - 5.5548179149627686e-01 -4.2350277304649353e-01 - -4.2017799615859985e-01 3.3250615000724792e-01 - <_> - 8.1081476211547852e+00 - - 1 2 342 2306. 0 -1 343 4.8350000000000000e+02 -2 -3 344 - 2.0550000000000000e+02 - - -7.4824672937393188e-01 8.6650526523590088e-01 - 2.9151761531829834e-01 -3.6584287881851196e-01 - <_> - 7.9108762741088867e+00 - - 0 1 345 2758. 0 1 345 2758. -1 -2 346 2.1500000000000000e+01 - - -1. -1. 2.9584947228431702e-01 -1.9727160036563873e-01 - <_> - 8.1822175979614258e+00 - - 1 2 347 2.3500000000000000e+01 0 -1 348 282. -2 -3 349 - 4.5000000000000000e+00 - - 4.1519537568092346e-01 -7.7347069978713989e-01 - 2.7134174108505249e-01 -2.6304042339324951e-01 - <_> - 8.1136093139648438e+00 - - 1 2 350 6.6500000000000000e+01 0 -1 351 - 1.4500000000000000e+01 -2 -3 352 3.4500000000000000e+01 - - -8.0191783607006073e-02 -7.9695141315460205e-01 - 4.5921468734741211e-01 -4.6219456195831299e-01 - <_> - 8.4452056884765625e+00 - - 1 2 353 5.0000000000000000e-01 0 -1 354 - 1.1750000000000000e+02 -2 -3 355 1.4615000000000000e+03 - - 6.2617254257202148e-01 -6.0764908790588379e-01 - -2.9064002633094788e-01 7.1891576051712036e-01 - <_> - 8.4361963272094727e+00 - - 1 2 356 7.3500000000000000e+01 0 -1 357 825. -2 -3 358 - 6.5000000000000000e+00 - - 6.0967606306076050e-01 -7.7204084396362305e-01 - 6.0940122604370117e-01 -9.0096443891525269e-03 - <_> - 8.7065010070800781e+00 - - 1 2 359 3.1500000000000000e+01 0 -1 360 - 1.1475500000000000e+04 -2 -3 361 262. - - 4.0798941254615784e-01 -6.3121789693832397e-01 - -4.9538758397102356e-01 2.7030462026596069e-01 - <_> - 8.5846290588378906e+00 - - 1 2 362 1.4500000000000000e+01 0 -1 363 - 1.3524500000000000e+04 -2 -3 364 1.5650000000000000e+02 - - 6.1740058660507202e-01 -1.2187176942825317e-01 - -4.5620942115783691e-01 2.4483670294284821e-01 - <_> - 8.5813455581665039e+00 - - 1 2 365 1.9500000000000000e+01 0 -1 366 - 2.4550000000000000e+02 -2 -3 367 1.5150000000000000e+02 - - -3.2830052077770233e-03 -7.3917645215988159e-01 - 8.6923849582672119e-01 -3.4717652201652527e-01 - <_> - 8.3619909286499023e+00 - - 1 2 368 8.5000000000000000e+00 0 -1 369 915. -2 -3 370 - 5.0000000000000000e-01 - - -4.7836102545261383e-02 -8.9932316541671753e-01 - 3.6531907320022583e-01 -2.1935538947582245e-01 - <_> - 8.8194007873535156e+00 - - 1 2 371 5.3500000000000000e+01 0 -1 372 - 4.5000000000000000e+00 -2 -3 373 3.5000000000000000e+00 - - 1.0001569986343384e-01 -6.3893711566925049e-01 - 4.5741054415702820e-01 -1.3190703094005585e-01 - <_> - 8.5848417282104492e+00 - - 1 2 374 1.2185000000000000e+03 0 -1 375 - 5.6500000000000000e+01 -2 -3 376 7.8650000000000000e+02 - - -3.6798512935638428e-01 6.3582497835159302e-01 - 8.7271928787231445e-01 4.6488631516695023e-02 - <_> - 8.7026214599609375e+00 - - 1 2 377 3.7500000000000000e+01 0 -1 378 - 8.1500000000000000e+01 -2 -3 379 2.2350000000000000e+02 - - -1.1387371271848679e-01 4.8333024978637695e-01 - 5.4781770706176758e-01 -6.5416949987411499e-01 - <_> - 8.9529705047607422e+00 - - 1 2 380 2.0500000000000000e+01 0 -1 381 - 7.5000000000000000e+00 -2 -3 382 1.3235000000000000e+03 - - -7.0283526182174683e-01 2.5034907460212708e-01 - -7.6881372928619385e-01 1.7487525939941406e-01 - <_> - 9.0659570693969727e+00 - - 1 2 383 3.5000000000000000e+00 0 -1 384 - 6.5000000000000000e+00 -2 -3 385 7.0250000000000000e+02 - - -9.7807765007019043e-01 4.7183737158775330e-01 - 1.1298649013042450e-01 -4.7387996315956116e-01 - <_> - 9.2564897537231445e+00 - - 1 2 386 7.0650000000000000e+02 0 -1 387 - 2.7500000000000000e+01 -2 -3 388 3.8150000000000000e+02 - - -4.3204694986343384e-01 4.6149665117263794e-01 - -4.5656362175941467e-01 4.0426468849182129e-01 - <_> - 9.5633430480957031e+00 - - 1 2 389 1.7250000000000000e+02 0 -1 390 - 1.4350000000000000e+02 -2 -3 391 2168. - - 3.0685371160507202e-01 -6.7446005344390869e-01 - -5.6666123867034912e-01 5.7540327310562134e-01 - <_> - 9.4047651290893555e+00 - - 1 2 392 5.0000000000000000e-01 0 -1 393 36. -2 -3 394 - 6.5000000000000000e+00 - - -8.9199495315551758e-01 6.9151669740676880e-01 - 3.1148543953895569e-01 -3.2515323162078857e-01 - <_> - 9.8578929901123047e+00 - - 1 2 395 1.6500000000000000e+01 0 -1 396 - 8.5000000000000000e+00 -2 -3 397 6655. - - -6.3973349332809448e-01 -2.6324391365051270e-02 - 4.5312842726707458e-01 -7.6435673236846924e-01 - <_> - 1.0109946250915527e+01 - - 1 2 398 8.1850000000000000e+02 0 -1 399 5. -2 -3 400 - 1.5000000000000000e+00 - - 1. -9.7892904281616211e-01 2.5205332040786743e-01 - -2.3775234818458557e-01 - <_> - 1.0110588073730469e+01 - - 1 2 401 8.9500000000000000e+01 0 -1 402 - 1.9500000000000000e+01 -2 -3 403 3.3150000000000000e+02 - - 6.0288328677415848e-02 -5.5889946222305298e-01 - -6.6790217161178589e-01 4.9099177122116089e-01 - <_> - 1.0178493499755859e+01 - - 1 2 404 8.3500000000000000e+01 0 -1 405 - 5.0000000000000000e-01 -2 -3 406 4.5500000000000000e+01 - - 6.6644616425037384e-02 -4.7016331553459167e-01 - 6.9829040765762329e-01 -7.4734330177307129e-01 - <_> - 1.0367170333862305e+01 - - 1 2 407 3.1968500000000000e+04 0 -1 408 - 1.4500000000000000e+01 -2 -3 409 1.9650000000000000e+02 - - -8.8887441158294678e-01 1.8867671489715576e-01 - -6.9990497827529907e-01 7.3294508457183838e-01 - <_> - 1.0330060958862305e+01 - - 1 2 410 3.0500000000000000e+01 0 -1 411 - 4.5000000000000000e+00 -2 -3 412 2.2500000000000000e+01 - - 4.1319993138313293e-01 -1.7337587475776672e-01 - -6.1255306005477905e-01 5.2832174301147461e-01 - <_> - 1.0422311782836914e+01 - - 1 2 413 1.5750000000000000e+02 0 -1 414 2858. -2 -3 415 267. - - 9.2250838875770569e-02 -6.7853665351867676e-01 - -5.2487850189208984e-01 3.7964582443237305e-01 - <_> - 1.0936569213867188e+01 - - 1 2 416 5.5000000000000000e+00 0 -1 417 - 1.5000000000000000e+00 -2 -3 418 4.1500000000000000e+01 - - -7.1109032630920410e-01 5.2976405620574951e-01 - -7.1571081876754761e-01 -3.8149278610944748e-02 - <_> - 1.0785615921020508e+01 - - 1 2 419 5.5000000000000000e+00 0 -1 420 - 2.5000000000000000e+00 -2 -3 421 5.1050000000000000e+02 - - -7.9414331912994385e-01 5.1595968008041382e-01 - -5.1001089811325073e-01 2.4380905926227570e-01 - <_> - 1.1078557014465332e+01 - - 1 2 422 6.2045000000000000e+03 0 -1 423 - 2.1500000000000000e+01 -2 -3 424 7.3450000000000000e+02 - - -5.1469475030899048e-01 2.9294142127037048e-01 - 8.0896812677383423e-01 -6.5453553199768066e-01 - <_> - 1.1050524711608887e+01 - - 1 2 425 1.2500000000000000e+01 0 -1 426 - 3.1250000000000000e+02 -2 -3 427 2.7950000000000000e+02 - - 7.0064479112625122e-01 -3.8257476687431335e-01 - 1.9552476704120636e-01 -4.3830174207687378e-01 - <_> - 1.1334832191467285e+01 - - 1 2 428 1.8675000000000000e+03 0 -1 429 - 6.5000000000000000e+00 -2 -3 430 1.1475000000000000e+03 - - 3.7387716770172119e-01 -7.6267945766448975e-01 - -5.4317325353622437e-01 2.8430745005607605e-01 - <_> - 1.1113101959228516e+01 - - 1 2 431 1.4850000000000000e+02 0 -1 432 - 8.3500000000000000e+01 -2 -3 433 3.7500000000000000e+01 - - -3.8298897445201874e-02 -6.6938400268554688e-01 - 4.6958562731742859e-01 -2.8687629103660583e-01 - <_> - 1.0955561637878418e+01 - - 1 2 434 4.3500000000000000e+01 0 -1 435 - 5.5000000000000000e+00 -2 -3 436 1.9500000000000000e+01 - - 1.3246925175189972e-01 -5.9307396411895752e-01 - 4.5207285881042480e-01 -1.5754084289073944e-01 - <_> - 1.1154244422912598e+01 - - 1 2 437 3.5500000000000000e+01 0 -1 438 149. -2 -3 439 - 1.0764500000000000e+04 - - 1.6496022045612335e-01 -8.5004007816314697e-01 - 1.9868306815624237e-01 -7.6483601331710815e-01 - <_> - 1.1040904045104980e+01 - - 1 2 440 1.7500000000000000e+01 0 -1 441 - 2.7650000000000000e+02 -2 -3 442 6.0650000000000000e+02 - - 3.8257870078086853e-01 -8.7649303674697876e-01 - 5.6843882799148560e-01 -1.1334086209535599e-01 - <_> - 1.0785296440124512e+01 - - 1 2 443 2.0850000000000000e+02 0 -1 444 - 5.0000000000000000e-01 -2 -3 445 153. - - 2.4452392756938934e-01 -4.5549276471138000e-01 - 5.3557026386260986e-01 -2.5560736656188965e-01 - <_> - 1.1557132720947266e+01 - - 1 2 446 3.1695000000000000e+03 0 -1 447 17097. -2 -3 448 - 1.6791500000000000e+04 - - -8.1668007373809814e-01 8.2250398397445679e-01 - -3.6227312684059143e-01 1.6900251805782318e-01 - <_> - 1.1418401718139648e+01 - - 1 2 449 1.7705000000000000e+03 0 -1 450 - 4.6565000000000000e+03 -2 -3 451 4.5550000000000000e+02 - - -1.8939907848834991e-01 5.5706465244293213e-01 - 2.2822033613920212e-02 -6.7216074466705322e-01 - <_> - 1.1332237243652344e+01 - - 1 2 452 1.9500000000000000e+01 0 -1 453 - 5.0000000000000000e-01 -2 -3 454 168. - - 9.8821230232715607e-02 -9.9127775430679321e-01 - 2.8800103068351746e-01 -3.2348513603210449e-01 - <_> - 1.1800554275512695e+01 - - 1 2 455 9.6500000000000000e+01 0 -1 456 - 3.5000000000000000e+00 -2 -3 457 1.2085000000000000e+03 - - 1.2269663810729980e-01 -4.6963310241699219e-01 - 4.6831732988357544e-01 -7.5347024202346802e-01 - <_> - 1.1746677398681641e+01 - - 1 2 458 2.6500000000000000e+01 0 -1 459 - 1.2500000000000000e+01 -2 -3 460 6.2500000000000000e+01 - - 2.9853442311286926e-01 -6.0757899284362793e-01 - 4.3772074580192566e-01 -1.3283115625381470e-01 - <_> - 1.1710562705993652e+01 - - 1 2 461 3.4500000000000000e+01 0 -1 462 - 5.0000000000000000e-01 -2 -3 463 2.0950000000000000e+02 - - 3.1521999835968018e-01 -5.5736678838729858e-01 - 6.7748945951461792e-01 -3.6115031689405441e-02 - <_> - 1.1582207679748535e+01 - - 1 2 464 1.5000000000000000e+00 0 -1 465 - 1.4750000000000000e+02 -2 -3 466 5.0000000000000000e-01 - - -9.5662528276443481e-01 8.8448798656463623e-01 - 5.0583779811859131e-01 -1.2840148806571960e-01 - <_> - 1.1577805519104004e+01 - - 1 2 467 2.6250000000000000e+02 0 -1 468 - 8.5000000000000000e+00 -2 -3 469 2.7050000000000000e+02 - - 5.8746252208948135e-02 -5.1417016983032227e-01 - -4.4025536626577377e-03 7.2468632459640503e-01 - <_> - 1.1909842491149902e+01 - - 1 2 470 3.0500000000000000e+01 0 -1 471 - 9.1500000000000000e+01 -2 -3 472 3.2500000000000000e+01 - - 2.6228722929954529e-01 -8.3183318376541138e-01 - 3.3203727006912231e-01 -2.0215129852294922e-01 - <_> - 1.1820110321044922e+01 - - 1 2 473 3.6150000000000000e+02 0 -1 474 - 7.5500000000000000e+01 -2 -3 475 1.6500000000000000e+01 - - 3.4021586179733276e-02 -7.3799329996109009e-01 - 5.9181433916091919e-01 -8.9732393622398376e-02 - <_> - 1.2058867454528809e+01 - - 1 2 476 2.1850000000000000e+02 0 -1 477 - 1.3970500000000000e+04 -2 -3 478 3.5405000000000000e+03 - - 2.3875749111175537e-01 -3.4735745191574097e-01 - 8.4880095720291138e-01 -3.6369037628173828e-01 - <_> - 1.2003521919250488e+01 - - 1 2 479 1.2045000000000000e+03 0 -1 480 - 5.0000000000000000e-01 -2 -3 481 6.6500000000000000e+01 - - 1.9498512148857117e-01 -4.0264678001403809e-01 - 6.4470326900482178e-01 -4.2276349663734436e-01 - <_> - 1.2398437500000000e+01 - - 1 2 482 1.7500000000000000e+01 0 -1 483 13266. -2 -3 484 - 2.3500000000000000e+01 - - 1.0403804481029510e-01 -7.6852244138717651e-01 - 3.9491611719131470e-01 -1.4494727551937103e-01 - <_> - 1.2834873199462891e+01 - - 1 2 485 8.5000000000000000e+00 0 -1 486 - 1.9500000000000000e+01 -2 -3 487 2.5000000000000000e+00 - - 2.4885479360818863e-02 -6.1086690425872803e-01 - -3.8872721791267395e-01 4.3643516302108765e-01 - <_> - 1.2477423667907715e+01 - - 1 2 488 6.6500000000000000e+01 0 -1 489 - 2.9500000000000000e+01 -2 -3 490 4.4500000000000000e+01 - - -8.9354419708251953e-01 3.1559488177299500e-01 - -5.1763534545898438e-01 2.7538600564002991e-01 - <_> - 1.3054378509521484e+01 - - 1 2 491 8.2350000000000000e+02 0 -1 492 - 9.1500000000000000e+01 -2 -3 493 3.0550000000000000e+02 - - -5.0999827682971954e-02 5.7695519924163818e-01 - -8.2453000545501709e-01 2.1885833144187927e-01 - <_> - 1.3001498222351074e+01 - - 1 2 494 3.5000000000000000e+00 0 -1 495 - 4.5000000000000000e+00 -2 -3 496 1.2545000000000000e+03 - - -3.3553498983383179e-01 4.7332924604415894e-01 - -4.0103676915168762e-01 2.5861555337905884e-01 - <_> - 1.2748070716857910e+01 - - 1 2 497 7.2500000000000000e+01 0 -1 498 - 1.2078500000000000e+04 -2 -3 499 6.1500000000000000e+01 - - -5.6012886762619019e-01 5.0949209928512573e-01 - -3.8095393776893616e-01 3.5849356651306152e-01 - <_> - 1.3219707489013672e+01 - - 1 2 500 5.0000000000000000e-01 0 -1 501 - 4.5000000000000000e+00 -2 -3 502 2.5000000000000000e+00 - - -8.3156263828277588e-01 4.7163730859756470e-01 - 1.4885266125202179e-01 -4.8097932338714600e-01 - <_> - 1.3100829124450684e+01 - - 1 2 503 1.5500000000000000e+01 0 -1 504 - 6.5000000000000000e+00 -2 -3 505 1.6745000000000000e+03 - - 4.8601552844047546e-02 -8.4098070859909058e-01 - 4.4885209202766418e-01 -1.1887902766466141e-01 - <_> - 1.3153789520263672e+01 - - 1 2 506 1.9750000000000000e+02 0 -1 507 - 5.0000000000000000e-01 -2 -3 508 1.3850000000000000e+02 - - 3.5855168104171753e-01 -1.6984774172306061e-01 - -8.2890641689300537e-01 8.5591834783554077e-01 - <_> - 1.3473151206970215e+01 - - 1 2 509 2.0500000000000000e+01 0 -1 510 - 2.3500000000000000e+01 -2 -3 511 8.1050000000000000e+02 - - 3.1073799729347229e-01 -9.3193674087524414e-01 - -1.7174348235130310e-01 4.0613415837287903e-01 - <_> - 1.3465453147888184e+01 - - 1 2 512 2.1265000000000000e+03 0 -1 513 - 9.2950000000000000e+02 -2 -3 514 3.5000000000000000e+00 - - -7.6984455808997154e-03 7.1764069795608521e-01 - 2.0267011225223541e-01 -6.4554244279861450e-01 - <_> - 1.3577540397644043e+01 - - 1 2 515 2.7500000000000000e+01 0 -1 516 36. -2 -3 517 - 4.1350000000000000e+02 - - 1.5204006433486938e-01 -8.1754583120346069e-01 - -9.6264392137527466e-02 4.6634069085121155e-01 - <_> - 1.3565153121948242e+01 - - 1 2 518 8.2500000000000000e+01 0 -1 519 - 8.4500000000000000e+01 -2 -3 520 9545. - - 3.0989632010459900e-01 -6.6030853986740112e-01 - -6.4033728837966919e-01 -2.4311884772032499e-03 - <_> - 1.3631966590881348e+01 - - 1 2 521 2.3500000000000000e+01 0 -1 522 - 5.2500000000000000e+01 -2 -3 523 3.1500000000000000e+01 - - -3.1883838772773743e-01 2.8375336527824402e-01 - 6.9719344377517700e-01 -6.3891428709030151e-01 - <_> - 1.3900455474853516e+01 - - 1 2 524 5.1500000000000000e+01 0 -1 525 - 4.5000000000000000e+00 -2 -3 526 22871. - - -6.8288409709930420e-01 3.8537871837615967e-01 - 2.3610968887805939e-01 -4.6725943684577942e-01 - <_> - 1.3885604858398438e+01 - - 1 2 527 6.3917500000000000e+04 0 -1 528 - 6.5000000000000000e+00 -2 -3 529 9.7500000000000000e+01 - - 1.8357095122337341e-01 -8.4825068712234497e-01 - 4.4022575020790100e-01 -1.7257900536060333e-01 - <_> - 1.4077846527099609e+01 - - 1 2 530 1.9305000000000000e+03 0 -1 531 - 4.5000000000000000e+00 -2 -3 532 5275. - - 3.3539947867393494e-01 -2.5358977913856506e-01 - 8.1407654285430908e-01 -8.9784932136535645e-01 - <_> - 1.4307449340820312e+01 - - 1 2 533 4.2500000000000000e+01 0 -1 534 - 3.2250000000000000e+02 -2 -3 535 1.5000000000000000e+00 - - 8.7229333817958832e-02 -9.4649451971054077e-01 - -5.4333996772766113e-01 2.2960273921489716e-01 - <_> - 1.4230868339538574e+01 - - 1 2 536 4.7500000000000000e+01 0 -1 537 - 5.0000000000000000e-01 -2 -3 538 7.5500000000000000e+01 - - 5.4770493507385254e-01 -7.6581157743930817e-02 - -8.0993747711181641e-01 1. - <_> - 1.4503654479980469e+01 - - 1 2 539 2.1500000000000000e+01 0 -1 540 - 6.7525000000000000e+03 -2 -3 541 3.1500000000000000e+01 - - -1.3048166036605835e-01 -8.7906163930892944e-01 - 2.7278691530227661e-01 -4.8766756057739258e-01 - <_> - 1.4462507247924805e+01 - - 1 2 542 5.0950000000000000e+02 0 -1 543 - 4.8500000000000000e+01 -2 -3 544 2334. - - -4.5064944028854370e-01 1.7299294471740723e-01 - 7.4772566556930542e-01 -4.1147492825984955e-02 - <_> - 1.4535001754760742e+01 - - 1 2 545 3.5000000000000000e+00 0 -1 546 - 4.5000000000000000e+00 -2 -3 547 3.1500000000000000e+01 - - -9.2824006080627441e-01 5.8265477418899536e-01 - -3.6995452642440796e-01 2.3856091499328613e-01 - <_> - 1.4815734863281250e+01 - - 1 2 548 2.0500000000000000e+01 0 -1 549 - 4.5000000000000000e+00 -2 -3 550 5.2500000000000000e+01 - - -8.9162200689315796e-01 2.8073275089263916e-01 - 9.8183512687683105e-02 -7.3680752515792847e-01 - <_> - 1.4583820343017578e+01 - - 1 2 551 1.0500000000000000e+01 0 -1 552 10. -2 -3 553 - 9.0500000000000000e+01 - - -8.9265322685241699e-01 2.6653656363487244e-01 - -4.8498126864433289e-01 4.9194815754890442e-01 - <_> - 1.4590086936950684e+01 - - 1 2 554 1.4075000000000000e+03 0 -1 555 - 8.5000000000000000e+00 -2 -3 556 2.2350000000000000e+02 - - 7.2318482398986816e-01 -6.5714889764785767e-01 - 1.9554860889911652e-02 7.8212785720825195e-01 - <_> - 1.4370420455932617e+01 - - 1 2 557 1.3055000000000000e+03 0 -1 558 - 6.3615000000000000e+03 -2 -3 559 5.5050000000000000e+02 - - 6.6717378795146942e-02 7.7986842393875122e-01 - 4.8897069692611694e-01 -4.9088051915168762e-01 - <_> - 1.4557469367980957e+01 - - 1 2 560 2.0500000000000000e+01 0 -1 561 - 1.9500000000000000e+01 -2 -3 562 7.5000000000000000e+00 - - -6.0846841335296631e-01 7.7918326854705811e-01 - 4.8263064026832581e-01 -1.0205705463886261e-01 - <_> - 1.4732933044433594e+01 - - 1 2 563 9.5000000000000000e+00 0 -1 564 - 5.0000000000000000e-01 -2 -3 565 4.5000000000000000e+00 - - -8.2908272743225098e-01 4.2271518707275391e-01 - 3.5304966568946838e-01 -3.6941051483154297e-01 - <_> - 1.4693087577819824e+01 - - 1 2 566 1.7250000000000000e+02 0 -1 567 59. -2 -3 568 - 1.1475000000000000e+03 - - 1.8885573744773865e-01 -5.3026914596557617e-01 - 3.7803548574447632e-01 -4.6766680479049683e-01 - <_> - 1.4745432853698730e+01 - - 1 2 569 1.3495000000000000e+03 0 -1 570 - 1.8257500000000000e+04 -2 -3 571 2.3425000000000000e+03 - - 6.3086611032485962e-01 -8.6466968059539795e-01 - -5.3896957635879517e-01 5.2345264703035355e-02 - <_> - 1.4932119369506836e+01 - - 1 2 572 2.2500000000000000e+01 0 -1 573 - 1.5000000000000000e+00 -2 -3 574 201. - - 3.3922508358955383e-01 -2.9905751347541809e-01 - 6.2781113386154175e-01 -6.2289994955062866e-01 - <_> - 1.4913761138916016e+01 - - 1 2 575 5.5000000000000000e+00 0 -1 576 - 2.3500000000000000e+01 -2 -3 577 3.1500000000000000e+01 - - -1.2805154547095299e-02 -8.7636989355087280e-01 - 5.5972194671630859e-01 -1.8357984721660614e-02 - <_> - 1.5149147987365723e+01 - - 1 2 578 9.5500000000000000e+01 0 -1 579 - 1.7500000000000000e+01 -2 -3 580 2.3500000000000000e+01 - - 3.1609076261520386e-01 -7.7603405714035034e-01 - -5.4710090160369873e-01 2.3538668453693390e-01 - <_> - 1.5329943656921387e+01 - - 1 2 581 6.5000000000000000e+00 0 -1 582 - 1.2500000000000000e+01 -2 -3 583 1.1050000000000000e+02 - - -6.9671869277954102e-01 4.9136134982109070e-01 - -4.6433421969413757e-01 2.6395168900489807e-01 - <_> - 1.5564647674560547e+01 - - 1 2 584 5.6215000000000000e+03 0 -1 585 - 1.2250000000000000e+02 -2 -3 586 2.3500000000000000e+01 - - 2.3470385372638702e-01 -3.8976871967315674e-01 - -7.1197110414505005e-01 8.2057034969329834e-01 - <_> - 1.5355414390563965e+01 - - 1 2 587 38. 0 -1 588 5.0000000000000000e-01 -2 -3 589 538. - - 1.3751998543739319e-01 -5.2037465572357178e-01 - -5.0987344980239868e-01 4.1290232539176941e-01 - <_> - 1.5045125007629395e+01 - - 1 2 590 1.5645000000000000e+03 0 -1 591 - 5.4325000000000000e+03 -2 -3 592 1.2175000000000000e+03 - - -5.2137178182601929e-01 8.4993147850036621e-01 - -3.6553221940994263e-01 1.5015892684459686e-01 - <_> - 1.5401144027709961e+01 - - 1 2 593 4.9850000000000000e+02 0 -1 594 - 7.4750000000000000e+02 -2 -3 595 1.1765000000000000e+03 - - -6.4674472808837891e-01 3.5601863265037537e-01 - 4.2863798141479492e-01 -5.4054826498031616e-01 - <_> - 1.5869146347045898e+01 - - 1 2 596 1.7500000000000000e+01 0 -1 597 - 1.4500000000000000e+01 -2 -3 598 1.5500000000000000e+01 - - -6.3737052679061890e-01 4.6800240874290466e-01 - 2.9216369986534119e-01 -4.2118266224861145e-01 - <_> - 1.5621976852416992e+01 - - 1 2 599 1.2028050000000000e+05 0 -1 600 - 5.0000000000000000e-01 -2 -3 601 1.6150000000000000e+02 - - 5.1389163732528687e-01 -9.5765459537506104e-01 - -2.4716944992542267e-01 3.0435198545455933e-01 - <_> - 1.5864768028259277e+01 - - 1 2 602 805. 0 -1 603 9.9500000000000000e+01 -2 -3 604 142. - - 2.4279133975505829e-01 -5.3714054822921753e-01 - -7.2764933109283447e-01 9.6386188268661499e-01 - <_> - 1.6094741821289062e+01 - - 1 2 605 1.3500000000000000e+01 0 -1 606 - 3.8500000000000000e+01 -2 -3 607 6.3500000000000000e+01 - - -6.6710120439529419e-01 6.3659375905990601e-01 - 5.6683868169784546e-01 -7.7470704913139343e-02 - <_> - 1.6352821350097656e+01 - - 1 2 608 2.4500000000000000e+01 0 -1 609 321. -2 -3 610 - 2.1500000000000000e+01 - - 3.7493336200714111e-01 -4.8655620217323303e-01 - -3.4665739536285400e-01 4.6393311023712158e-01 - <_> - 1.6565885543823242e+01 - - 1 2 611 99. 0 -1 612 2.7500000000000000e+01 -2 -3 613 18. - - -4.0105590224266052e-01 2.1306316554546356e-01 - 9.1738814115524292e-01 -9.6910119056701660e-01 - <_> - 1.6171833038330078e+01 - - 1 2 614 6.2500000000000000e+01 0 -1 615 850. -2 -3 616 - 6.4350000000000000e+02 - - 3.9383631944656372e-01 -3.4801158308982849e-01 - -5.9990471601486206e-01 2.6293095946311951e-01 - <_> - 1.6745443344116211e+01 - - 1 2 617 1.2715000000000000e+03 0 -1 618 - 4.5000000000000000e+00 -2 -3 619 1.0584500000000000e+04 - - 3.5729202628135681e-01 -3.7123405933380127e-01 - 5.7361000776290894e-01 -7.0969957113265991e-01 - <_> - 1.6956495285034180e+01 - - 1 2 620 3.6500000000000000e+01 0 -1 621 - 1.5000000000000000e+00 -2 -3 622 3.2500000000000000e+01 - - 4.9200624227523804e-01 -8.8115519285202026e-01 - -6.2640070915222168e-01 2.1105219423770905e-01 - <_> - 1.6578645706176758e+01 - - 1 2 623 5.5850000000000000e+02 0 -1 624 - 1.2405000000000000e+03 -2 -3 625 6.2065000000000000e+03 - - -3.0536270141601562e-01 5.6700426340103149e-01 - 5.8548355102539062e-01 -3.8756856322288513e-01 - <_> - 1.6797395706176758e+01 - - 1 2 626 6.3500000000000000e+01 0 -1 627 - 2.6050000000000000e+02 -2 -3 628 3.4035000000000000e+03 - - 2.1875059604644775e-01 -8.0542641878128052e-01 - 7.2240287065505981e-01 -7.4785083532333374e-01 - <_> - 1.7109027862548828e+01 - - 1 2 629 3.8500000000000000e+01 0 -1 630 - 8.5000000000000000e+00 -2 -3 631 6.5000000000000000e+00 - - 6.9990634918212891e-01 -6.7117756605148315e-01 - 5.0323921442031860e-01 -9.7235314548015594e-02 - <_> - 1.7138694763183594e+01 - - 1 2 632 2.2500000000000000e+01 0 -1 633 - 3.5000000000000000e+00 -2 -3 634 2.5850000000000000e+02 - - 2.9667703434824944e-02 -6.7911773920059204e-01 - -3.2311308383941650e-01 3.8892340660095215e-01 - <_> - 1.7337394714355469e+01 - - 1 2 635 1.5450000000000000e+02 0 -1 636 - 2.5000000000000000e+00 -2 -3 637 3.1450000000000000e+02 - - -7.9533338546752930e-01 1.9869966804981232e-01 - -6.8889272212982178e-01 6.1526125669479370e-01 - <_> - 1.7321151733398438e+01 - - 1 2 638 1.0500000000000000e+01 0 -1 639 36. -2 -3 640 - 2.1500000000000000e+01 - - -8.3758604526519775e-01 3.5460218787193298e-01 - 2.2363138198852539e-01 -5.2678769826889038e-01 - <_> - 1.7182849884033203e+01 - - 1 2 641 4.6085000000000000e+03 0 -1 642 - 5.8500000000000000e+01 -2 -3 643 1.9495000000000000e+03 - - -7.5954502820968628e-01 4.3844437599182129e-01 - 5.2219676971435547e-01 -1.3830167055130005e-01 - <_> - 1.6850194931030273e+01 - - 1 2 644 1.5000000000000000e+00 0 -1 645 - 5.3500000000000000e+01 -2 -3 646 5.0000000000000000e-01 - - -3.6336588859558105e-01 3.9829358458518982e-01 - 1.3566142320632935e-01 -5.0935441255569458e-01 - <_> - 1.7548809051513672e+01 - - 1 2 647 5.0000000000000000e-01 0 -1 648 - 4.5000000000000000e+00 -2 -3 649 4.8150000000000000e+02 - - -6.3685965538024902e-01 6.9861376285552979e-01 - -2.4660472571849823e-01 5.1089668273925781e-01 - <_> - 1.7800493240356445e+01 - - 1 2 650 8.4115000000000000e+03 0 -1 651 - 3.5000000000000000e+00 -2 -3 652 1.0500000000000000e+01 - - -4.2067098617553711e-01 2.5168481469154358e-01 - 3.3256745338439941e-01 -8.4237796068191528e-01 - <_> - 1.7848138809204102e+01 - - 1 2 653 1.0500000000000000e+01 0 -1 654 69. -2 -3 655 - 9.5500000000000000e+01 - - -6.9294911623001099e-01 4.2984691262245178e-01 - -6.0193759202957153e-01 4.7644726932048798e-02 - <_> - 1.7507314682006836e+01 - - 1 2 656 8.5000000000000000e+00 0 -1 657 - 8.5000000000000000e+00 -2 -3 658 6.4500000000000000e+01 - - -1. 5.8663016557693481e-01 -3.4082308411598206e-01 - 3.3277565240859985e-01 - <_> - 1.7846509933471680e+01 - - 1 2 659 6.9500000000000000e+01 0 -1 660 - 1.5500000000000000e+01 -2 -3 661 1.5000000000000000e+00 - - 3.3919540047645569e-01 -2.3123474419116974e-01 - -6.8450891971588135e-01 1.9382451474666595e-01 - <_> - 1.7992757797241211e+01 - - 1 2 662 1.2135000000000000e+03 0 -1 663 - 5.5000000000000000e+00 -2 -3 664 9912. - - 1.4624653756618500e-01 -5.0702661275863647e-01 - 5.2294051647186279e-01 -3.3612698316574097e-01 - <_> - 1.8306097030639648e+01 - - 1 2 665 1.1150000000000000e+02 0 -1 666 - 2.9500000000000000e+01 -2 -3 667 131. - - 2.2407530248165131e-01 -4.9484744668006897e-01 - 4.4897791743278503e-01 -5.9033888578414917e-01 - <_> - 1.8481115341186523e+01 - - 1 2 668 5.4500000000000000e+01 0 -1 669 - 4.5000000000000000e+00 -2 -3 670 1.0450000000000000e+02 - - 9.0135312080383301e-01 -8.8288795948028564e-01 - 1.7501948773860931e-01 -5.7581090927124023e-01 - <_> - 1.8067760467529297e+01 - - 1 2 671 3.3500000000000000e+01 0 -1 672 - 5.0000000000000000e-01 -2 -3 673 9.3500000000000000e+01 - - 3.3020740747451782e-01 -5.1798826456069946e-01 - -4.4331407546997070e-01 3.4977889060974121e-01 - <_> - 1.8271715164184570e+01 - - 1 2 674 1.6950000000000000e+02 0 -1 675 - 5.5000000000000000e+00 -2 -3 676 1.5850000000000000e+02 - - -7.4128860235214233e-01 2.0395421981811523e-01 - -6.4517414569854736e-01 1. - <_> - 1.8107772827148438e+01 - - 1 2 677 3.4335000000000000e+03 0 -1 678 - 6.8955000000000000e+03 -2 -3 679 8.2335000000000000e+03 - - -1.0244774073362350e-01 7.3749846220016479e-01 - -4.6216171979904175e-01 7.2175997495651245e-01 - <_> - 1.8459823608398438e+01 - - 1 2 680 4.5000000000000000e+00 0 -1 681 149. -2 -3 682 - 3.5000000000000000e+00 - - -8.7881535291671753e-01 3.5205116868019104e-01 - 2.8036254644393921e-01 -4.4955471158027649e-01 - <_> - 1.8034639358520508e+01 - - 1 2 683 9.2500000000000000e+01 0 -1 684 - 6.0500000000000000e+01 -2 -3 685 1.0795000000000000e+03 - - 3.0652499198913574e-01 -4.2518511414527893e-01 - 4.2748662829399109e-01 -7.5712633132934570e-01 - <_> - 1.8265748977661133e+01 - - 1 2 686 4137. 0 -1 687 4.5000000000000000e+00 -2 -3 688 - 2.2500000000000000e+01 - - 2.6524448394775391e-01 -8.7384039163589478e-01 - 2.3110976815223694e-01 -4.6121290326118469e-01 - <_> - 1.8894989013671875e+01 - - 1 2 689 8.2650000000000000e+02 0 -1 690 - 3.0650000000000000e+02 -2 -3 691 5.6025000000000000e+03 - - -3.5010933876037598e-01 4.3205916881561279e-01 - 6.2924057245254517e-01 -4.4751787185668945e-01 - <_> - 1.9186059951782227e+01 - - 1 2 692 1.1500000000000000e+01 0 -1 693 10537. -2 -3 694 - 2.8500000000000000e+01 - - 7.5397258996963501e-01 -8.4067875146865845e-01 - 2.9107019305229187e-01 -2.9084861278533936e-01 - <_> - 1.9097457885742188e+01 - - 1 2 695 5.0000000000000000e-01 0 -1 696 - 2.3365000000000000e+03 -2 -3 697 53. - - -2.0022928714752197e-01 5.5956262350082397e-01 - -3.5728842020034790e-01 6.0947358608245850e-01 - <_> - 1.9231519699096680e+01 - - 1 2 698 2.9250000000000000e+02 0 -1 699 7389. -2 -3 700 - 7.1615000000000000e+03 - - 4.6205502748489380e-01 -3.7696495652198792e-01 - -5.6401371955871582e-01 1.2572592496871948e-01 - <_> - 1.9182878494262695e+01 - - 1 2 701 1.5000000000000000e+00 0 -1 702 2558. -2 -3 703 - 2.5000000000000000e+00 - - 5.7061773538589478e-01 -8.8573408126831055e-01 - 5.6795483827590942e-01 -4.8640340566635132e-02 - <_> - 1.9205448150634766e+01 - - 1 2 704 6.7250000000000000e+02 0 -1 705 - 4.5185000000000000e+03 -2 -3 706 1.6950000000000000e+02 - - 2.2569710388779640e-02 -5.9597754478454590e-01 -1. - 9.1055244207382202e-01 - <_> - 1.9722917556762695e+01 - - 1 2 707 5.2150000000000000e+02 0 -1 708 - 2.2500000000000000e+01 -2 -3 709 22. - - -3.8346976041793823e-01 1.7193076014518738e-01 - -7.7268058061599731e-01 5.1746833324432373e-01 - <_> - 1.9223962783813477e+01 - - 1 2 710 1.6450000000000000e+02 0 -1 711 - 6.0500000000000000e+01 -2 -3 712 4.4500000000000000e+01 - - 2.2410076856613159e-01 -6.7257648706436157e-01 - -6.6855657100677490e-01 8.4185588359832764e-01 - <_> - 1.9324115753173828e+01 - - 1 2 713 3.1500000000000000e+01 0 -1 714 885. -2 -3 715 458. - - 3.4352478384971619e-01 -6.2290155887603760e-01 - -1.5769523382186890e-01 4.6984970569610596e-01 - <_> - 1.9645074844360352e+01 - - 1 2 716 1.5000000000000000e+00 0 -1 717 - 2.7500000000000000e+01 -2 -3 718 5.0000000000000000e-01 - - -1.5117371082305908e-01 5.1611447334289551e-01 - 3.8312494754791260e-01 -4.8121353983879089e-01 - <_> - 1.9339143753051758e+01 - - 1 2 719 355. 0 -1 720 5.5000000000000000e+00 -2 -3 721 - 4.1500000000000000e+01 - - -3.9813804626464844e-01 2.2346007823944092e-01 1. - -8.0484783649444580e-01 - <_> - 1.9826204299926758e+01 - - 1 2 722 5.0000000000000000e-01 0 -1 723 - 1.4145000000000000e+03 -2 -3 724 2.2500000000000000e+01 - - 4.8705908656120300e-01 -4.7939151525497437e-01 - -4.1103795170783997e-01 3.4255331754684448e-01 - <_> - 2.0040077209472656e+01 - - 1 2 725 1.5585000000000000e+03 0 -1 726 - 7.5450000000000000e+02 -2 -3 727 7.0250000000000000e+02 - - -6.1711019277572632e-01 2.1387414634227753e-01 - 8.2314563915133476e-03 -8.8682103157043457e-01 - <_> - 1.9832237243652344e+01 - - 1 2 728 3.7250000000000000e+02 0 -1 729 - 1.2500000000000000e+01 -2 -3 730 5.0000000000000000e-01 - - 6.4650267362594604e-01 -6.3438403606414795e-01 - 8.2046084105968475e-02 -4.0398535132408142e-01 - <_> - 2.0015359878540039e+01 - - 1 2 731 616. 0 -1 732 5.3950000000000000e+02 -2 -3 733 - 1.6500000000000000e+01 - - 8.7944704294204712e-01 -8.7063318490982056e-01 - -7.1043938398361206e-01 1.8312272429466248e-01 - <_> - 1.9969459533691406e+01 - - 1 2 734 5.5500000000000000e+01 0 -1 735 - 1.8500000000000000e+01 -2 -3 736 463. - - -4.5961013436317444e-01 5.2103579044342041e-01 - -6.5900236368179321e-01 -4.5900702476501465e-02 - <_> - 1.9850994110107422e+01 - - 1 2 737 1.5000000000000000e+00 0 -1 738 - 3.5500000000000000e+01 -2 -3 739 1.3995000000000000e+03 - - -4.4971930980682373e-01 5.4433470964431763e-01 - 1.3450010120868683e-01 -4.4755488634109497e-01 - <_> - 1.9611703872680664e+01 - - 1 2 740 1.2185000000000000e+03 0 -1 741 - 2.5000000000000000e+00 -2 -3 742 2.0500000000000000e+01 - - -1.1004138737916946e-02 -6.4876526594161987e-01 - 5.7901018857955933e-01 -2.3929107189178467e-01 - <_> - 1.9846769332885742e+01 - - 1 2 743 9.5000000000000000e+00 0 -1 744 26. -2 -3 745 - 7.5000000000000000e+00 - - 2.8899505734443665e-01 -7.0432722568511963e-01 - 2.3506632447242737e-01 -6.7175412178039551e-01 - <_> - 1.9991693496704102e+01 - - 1 2 746 5.5000000000000000e+00 0 -1 747 119. -2 -3 748 - 1.2950000000000000e+02 - - 1. -9.5935773849487305e-01 1.4492283761501312e-01 - -6.2346059083938599e-01 - <_> - 2.0697137832641602e+01 - - 1 2 749 108. 0 -1 750 5.5000000000000000e+00 -2 -3 751 - 6.0050000000000000e+02 - - 2.0598402619361877e-01 -3.1419786810874939e-01 - 7.0544409751892090e-01 -9.1675537824630737e-01 - <_> - 2.0869754791259766e+01 - - 1 2 752 2.1500000000000000e+01 0 -1 753 - 8.5000000000000000e+00 -2 -3 754 5.2500000000000000e+01 - - -9.2930352687835693e-01 1. 1.7261737585067749e-01 - -7.1494102478027344e-01 - <_> - 2.0861036300659180e+01 - - 1 2 755 5.0000000000000000e-01 0 -1 756 - 6.5000000000000000e+00 -2 -3 757 36104. - - -9.8012816905975342e-01 3.0874124169349670e-01 - -4.9350947141647339e-01 1.4333745837211609e-01 - <_> - 2.0605552673339844e+01 - - 1 2 758 5.4500000000000000e+01 0 -1 759 - 5.6350000000000000e+02 -2 -3 760 1.5625000000000000e+03 - - 2.8180310130119324e-01 -3.0899211764335632e-01 - 6.7988240718841553e-01 -8.8957315683364868e-01 - <_> - 2.0792449951171875e+01 - - 1 2 761 7.4500000000000000e+01 0 -1 762 - 2.1350000000000000e+02 -2 -3 763 4.5000000000000000e+00 - - 7.5075513124465942e-01 -8.8623046875000000e-01 - 4.6418187022209167e-01 -9.8970189690589905e-02 - <_> - 2.0991796493530273e+01 - - 1 2 764 3985. 0 -1 765 5.5000000000000000e+00 -2 -3 766 - 5.5000000000000000e+00 - - 3.1011736392974854e-01 -2.7613282203674316e-01 -1. - 8.9613044261932373e-01 - <_> - 2.1320064544677734e+01 - - 1 2 767 2.8500000000000000e+01 0 -1 768 - 2.6250000000000000e+02 -2 -3 769 2.6500000000000000e+01 - - 7.0724177360534668e-01 -4.7540894150733948e-01 - 3.2826820015907288e-01 -6.3711547851562500e-01 - <_> - 2.1143175125122070e+01 - - 1 2 770 1.7500000000000000e+01 0 -1 771 - 5.8500000000000000e+01 -2 -3 772 7704. - - -6.2765136361122131e-02 4.9819609522819519e-01 - 1.8703785538673401e-01 -9.2927688360214233e-01 - <_> - 2.1136123657226562e+01 - - 1 2 773 4.5000000000000000e+00 0 -1 774 - 1.5000000000000000e+00 -2 -3 775 6.3500000000000000e+01 - - -8.5042881965637207e-01 3.7720718979835510e-01 - -6.6263186931610107e-01 -7.0531466044485569e-03 - <_> - 2.0957967758178711e+01 - - 1 2 776 2.3355000000000000e+03 0 -1 777 - 1.6655000000000000e+03 -2 -3 778 7.7950000000000000e+02 - - -5.8912044763565063e-01 7.2663074731826782e-01 - 7.1329838037490845e-01 -9.2555418610572815e-02 - <_> - 2.1328319549560547e+01 - - 1 2 779 4.5000000000000000e+00 0 -1 780 - 1.7500000000000000e+01 -2 -3 781 116. - - 5.8393400907516479e-01 -5.6582391262054443e-01 - -7.0427477359771729e-01 -3.2516807317733765e-02 - <_> - 2.1190340042114258e+01 - - 1 2 782 5.0000000000000000e-01 0 -1 783 - 5.5000000000000000e+00 -2 -3 784 2.2500000000000000e+01 - - -7.9387390613555908e-01 4.3818581104278564e-01 - -4.3716219067573547e-01 2.7609312534332275e-01 - <_> - 2.1414947509765625e+01 - - 1 2 785 1.7500000000000000e+01 0 -1 786 - 2.0500000000000000e+01 -2 -3 787 3.4500000000000000e+01 - - -3.2550397515296936e-01 2.9646944999694824e-01 - 3.9801727980375290e-02 -8.1744748353958130e-01 - <_> - 2.1027912139892578e+01 - - 1 2 788 3.5000000000000000e+00 0 -1 789 - 1.0500000000000000e+01 -2 -3 790 3.0015000000000000e+03 - - -5.8203905820846558e-01 3.9097124338150024e-01 - 4.4877341389656067e-01 -4.5889684557914734e-01 - <_> - 2.1614578247070312e+01 - - 1 2 791 1.2545000000000000e+03 0 -1 792 - 5.0000000000000000e-01 -2 -3 793 21. - - 3.3954218029975891e-01 -3.9357089996337891e-01 - -7.9993861913681030e-01 5.8666568994522095e-01 - <_> - 2.2001014709472656e+01 - - 1 2 794 1.5495000000000000e+03 0 -1 795 751. -2 -3 796 - 1.4500000000000000e+01 - - -6.1558878421783447e-01 4.7567668557167053e-01 - 3.8643726706504822e-01 -4.9177539348602295e-01 - <_> - 2.2125329971313477e+01 - - 1 2 797 3.5500000000000000e+01 0 -1 798 - 1.0450000000000000e+02 -2 -3 799 1.2500000000000000e+01 - - 1.7887133359909058e-01 -8.5177820920944214e-01 - 4.1519433259963989e-01 -1.6076141595840454e-01 - <_> - 2.2388074874877930e+01 - - 1 2 800 550. 0 -1 801 3445. -2 -3 802 2.1850000000000000e+02 - - 1. -8.8448894023895264e-01 -2.4786205589771271e-01 - 2.6274520158767700e-01 - <_> - 2.2539171218872070e+01 - - 1 2 803 116554. 0 -1 804 1.7350000000000000e+02 -2 -3 805 - 8.9500000000000000e+01 - - 2.4936345219612122e-01 -6.2610012292861938e-01 - -6.6242986917495728e-01 4.0655055642127991e-01 - <_> - 2.2177883148193359e+01 - - 1 2 806 4.5000000000000000e+00 0 -1 807 - 5.0000000000000000e-01 -2 -3 808 3.5065000000000000e+03 - - -7.4715948104858398e-01 3.9860600233078003e-01 - -5.3111910820007324e-01 1.2362924218177795e-01 - <_> - 2.2504861831665039e+01 - - 1 2 809 1.4865000000000000e+03 0 -1 810 - 5.0000000000000000e-01 -2 -3 811 29. - - 1.3726322352886200e-01 -6.5520441532135010e-01 - -7.5685930252075195e-01 3.2698005437850952e-01 - <_> - 2.2686376571655273e+01 - - 1 2 812 5.2500000000000000e+01 0 -1 813 - 2.6500000000000000e+01 -2 -3 814 3.0500000000000000e+01 - - -1.5744365751743317e-01 5.0805997848510742e-01 - -7.4109727144241333e-01 3.1853440403938293e-01 - <_> - 2.2791370391845703e+01 - - 1 2 815 2.3450000000000000e+02 0 -1 816 - 2.5000000000000000e+00 -2 -3 817 147638. - - -8.8153153657913208e-02 5.4080992937088013e-01 - 4.0426537394523621e-01 -6.1521077156066895e-01 - <_> - 2.2746583938598633e+01 - - 1 2 818 2.2500000000000000e+01 0 -1 819 - 3.7650000000000000e+02 -2 -3 820 3.5000000000000000e+00 - - 8.3446598052978516e-01 -8.2142156362533569e-01 - 6.4422589540481567e-01 -4.4787917286157608e-02 - <_> - 2.2948705673217773e+01 - - 1 2 821 1.0500000000000000e+01 0 -1 822 201. -2 -3 823 - 6.7500000000000000e+01 - - -2.8939151763916016e-01 3.3829051256179810e-01 - -5.8153116703033447e-01 3.8105338811874390e-01 - <_> - 2.2919631958007812e+01 - - 1 2 824 4.5000000000000000e+00 0 -1 825 - 5.2075000000000000e+03 -2 -3 826 3.8500000000000000e+01 - - 6.2978500127792358e-01 -1.7962990701198578e-01 - -6.0869598388671875e-01 -2.9075229540467262e-02 - <_> - 2.3112272262573242e+01 - - 1 2 827 456. 0 -1 828 2.1500000000000000e+01 -2 -3 829 271. - - -6.7311352491378784e-01 1.9264096021652222e-01 - -7.6656156778335571e-01 7.5126051902770996e-01 - <_> - 2.3314619064331055e+01 - - 1 2 830 9.5000000000000000e+00 0 -1 831 62. -2 -3 832 - 1.0250000000000000e+02 - - 5.3542816638946533e-01 -7.8225767612457275e-01 - -4.1664305329322815e-01 2.2309158742427826e-01 - <_> - 2.3092792510986328e+01 - - 1 2 833 1.6245000000000000e+03 0 -1 834 - 2.1405000000000000e+03 -2 -3 835 2.3500000000000000e+01 - - 7.6887971162796021e-01 -7.8312724828720093e-01 - 3.3704435825347900e-01 -2.2182606160640717e-01 - <_> - 2.3098850250244141e+01 - - 1 2 836 5.7500000000000000e+01 0 -1 837 30. -2 -3 838 - 1.1750000000000000e+02 - - -3.9047434926033020e-01 7.0053535699844360e-01 - 6.3777458667755127e-01 -1.5085510909557343e-01 - <_> - 2.3334737777709961e+01 - - 1 2 839 1.9350000000000000e+02 0 -1 840 20715. -2 -3 841 - 3.5000000000000000e+00 - - -1.6165058314800262e-01 5.8560174703598022e-01 - 6.2762081623077393e-02 -5.0060212612152100e-01 - <_> - 2.3548194885253906e+01 - - 1 2 842 1.5500000000000000e+01 0 -1 843 - 4.5000000000000000e+00 -2 -3 844 318. - - 6.7111068964004517e-01 -8.1105804443359375e-01 - 2.1345792710781097e-01 -6.4082610607147217e-01 - <_> - 2.3465780258178711e+01 - - 1 2 845 1.5000000000000000e+00 0 -1 846 - 9.6250000000000000e+02 -2 -3 847 1.0500000000000000e+01 - - 3.3311456441879272e-01 -7.9367685317993164e-01 - 5.8400928974151611e-01 -8.2414992153644562e-02 - <_> - 2.3698833465576172e+01 - - 1 2 848 2.5750000000000000e+02 0 -1 849 - 2.0622500000000000e+04 -2 -3 850 133. - - -2.1840496361255646e-01 6.1215102672576904e-01 - 7.2797334194183350e-01 -7.8106528520584106e-01 - <_> - 2.4240703582763672e+01 - - 1 2 851 62616. 0 -1 852 5.1750000000000000e+02 -2 -3 853 - 2.0985000000000000e+03 - - -7.3088161647319794e-02 5.4187005758285522e-01 - -9.7861820459365845e-01 8.4708303213119507e-01 - <_> - 2.4200925827026367e+01 - - 1 2 854 13008. 0 -1 855 1571. -2 -3 856 45. - - 6.6456145048141479e-01 -3.9776403456926346e-02 - -8.6307746171951294e-01 1. - <_> - 2.4082960128784180e+01 - - 1 2 857 3.5000000000000000e+00 0 -1 858 - 9.5000000000000000e+00 -2 -3 859 3.5000000000000000e+00 - - -1. 1. 2.9574161767959595e-01 -2.3182141780853271e-01 - <_> - 2.4084737777709961e+01 - - 1 2 860 3.7500000000000000e+01 0 -1 861 245. -2 -3 862 - 7.5000000000000000e+00 - - 4.1369399428367615e-01 -4.1193068027496338e-01 - 5.4411876201629639e-01 -1.9174022972583771e-01 - <_> - 2.3971153259277344e+01 - - 1 2 863 7.2500000000000000e+01 0 -1 864 - 2.5500000000000000e+01 -2 -3 865 5620. - - 4.0953439474105835e-01 -7.1287387609481812e-01 - 2.9135236144065857e-01 -4.4266882538795471e-01 - <_> - 2.4037570953369141e+01 - - 1 2 866 2.4500000000000000e+01 0 -1 867 - 2.1500000000000000e+01 -2 -3 868 1.3850000000000000e+02 - - -6.6728180646896362e-01 8.0503904819488525e-01 - 2.9000800848007202e-01 -3.3851844072341919e-01 - <_> - 2.4266254425048828e+01 - - 1 2 869 5.0000000000000000e-01 0 -1 870 - 1.7250000000000000e+02 -2 -3 871 2.2350000000000000e+02 - - 4.8248341679573059e-01 -3.8941776752471924e-01 - -3.1365787982940674e-01 5.1915067434310913e-01 - <_> - 2.4528257369995117e+01 - - 1 2 872 4.3500000000000000e+01 0 -1 873 38. -2 -3 874 - 1.8500000000000000e+01 - - 8.9310199022293091e-02 -7.2979074716567993e-01 - -8.7608027458190918e-01 2.6200246810913086e-01 - <_> - 2.4948534011840820e+01 - - 1 2 875 1.7500000000000000e+01 0 -1 876 - 5.0000000000000000e-01 -2 -3 877 1.9050000000000000e+02 - - 1.2763984501361847e-01 -6.1743724346160889e-01 - 4.2027613520622253e-01 -3.6524018645286560e-01 - <_> - 2.4699710845947266e+01 - - 1 2 878 1.5500000000000000e+01 0 -1 879 - 9.5000000000000000e+00 -2 -3 880 1.1950000000000000e+02 - - -7.6706290245056152e-01 4.8537570238113403e-01 - -5.4855662584304810e-01 8.2174651324748993e-02 - <_> - 2.4984062194824219e+01 - - 1 2 881 1.5000000000000000e+00 0 -1 882 - 1.4500000000000000e+01 -2 -3 883 7.4500000000000000e+01 - - -9.5929491519927979e-01 2.8435263037681580e-01 - -5.6600302457809448e-01 1.5080869197845459e-01 - <_> - 2.5305467605590820e+01 - - 1 2 884 1.5000000000000000e+00 0 -1 885 - 1.4500000000000000e+01 -2 -3 886 5.2150000000000000e+02 - - 3.2140514254570007e-01 -7.5512856245040894e-01 - -5.6036186218261719e-01 1.1670445650815964e-01 - <_> - 2.5274513244628906e+01 - - 1 2 887 1.9500000000000000e+01 0 -1 888 - 1.0650000000000000e+02 -2 -3 889 8.4050000000000000e+02 - - -8.7158387899398804e-01 4.3117862939834595e-01 - 1.4426548779010773e-01 -4.6586552262306213e-01 - <_> - 2.4883895874023438e+01 - - 1 2 890 3.0650000000000000e+02 0 -1 891 - 5.0000000000000000e-01 -2 -3 892 4.5500000000000000e+01 - - 1.8699711561203003e-01 -3.9061647653579712e-01 - -7.0082974433898926e-01 6.7297667264938354e-01 - <_> - 2.5504806518554688e+01 - - 1 2 893 5.0000000000000000e-01 0 -1 894 - 3.1151500000000000e+04 -2 -3 895 500. - - 6.5120726823806763e-01 -4.1004878282546997e-01 - -4.7606337070465088e-01 9.5995731651782990e-02 - <_> - 2.5152439117431641e+01 - - 1 2 896 5.5000000000000000e+00 0 -1 897 - 1.9500000000000000e+01 -2 -3 898 5.9500000000000000e+01 - - -1.2321064621210098e-01 6.1841166019439697e-01 - -3.6375361680984497e-01 5.2369672060012817e-01 - <_> - 2.5155344009399414e+01 - - 1 2 899 1.8674500000000000e+04 0 -1 900 - 2.1850000000000000e+02 -2 -3 901 8562. - - -1.6005823388695717e-02 6.5699905157089233e-01 - -9.5848602056503296e-01 5.1249152421951294e-01 - <_> - 2.5483896255493164e+01 - - 1 2 902 9.1500000000000000e+01 0 -1 903 - 5.4500000000000000e+01 -2 -3 904 1673. - - -1.8930622935295105e-01 3.2855287194252014e-01 - 3.8335686922073364e-01 -9.2048138380050659e-01 - <_> - 2.5274023056030273e+01 - - 1 2 905 9.0500000000000000e+01 0 -1 906 - 2.9500000000000000e+01 -2 -3 907 161. - - 1.9278690218925476e-01 -4.3163070082664490e-01 - -8.2271754741668701e-01 6.6138559579849243e-01 - <_> - 2.5197338104248047e+01 - - 1 2 908 6.0500000000000000e+01 0 -1 909 - 3.5000000000000000e+00 -2 -3 910 2.1500000000000000e+01 - - 1.6147840023040771e-01 -7.2664386034011841e-01 - 6.0210800170898438e-01 -7.6684340834617615e-02 - <_> - 2.5375751495361328e+01 - - 1 2 911 1.2500000000000000e+01 0 -1 912 - 1.0500000000000000e+01 -2 -3 913 3.5000000000000000e+00 - - 3.1757584214210510e-01 -9.6368086338043213e-01 - 3.0798566341400146e-01 -2.2424852848052979e-01 - <_> - 2.5239341735839844e+01 - - 1 2 914 2.0500000000000000e+01 0 -1 915 - 5.0000000000000000e-01 -2 -3 916 5.2500000000000000e+01 - - 5.4820358753204346e-01 -2.6598191261291504e-01 - 6.2160044908523560e-01 -6.1119222640991211e-01 - <_> - 2.5769451141357422e+01 - - 1 2 917 8.5000000000000000e+00 0 -1 918 - 3.5000000000000000e+00 -2 -3 919 785. - - -5.2361053228378296e-01 1.3663402758538723e-02 - 5.3010904788970947e-01 -5.6690508127212524e-01 - <_> - 2.6132120132446289e+01 - - 1 2 920 3.5000000000000000e+00 0 -1 921 - 5.5000000000000000e+00 -2 -3 922 2.7500000000000000e+01 - - -3.4756454825401306e-01 6.6776388883590698e-01 - -3.2966667413711548e-01 3.6266979575157166e-01 - <_> - 2.5398084640502930e+01 - - 1 2 923 3.7500000000000000e+01 0 -1 924 - 4.5450000000000000e+02 -2 -3 925 76. - - -5.9789156913757324e-01 2.5262823700904846e-01 - -7.3403567075729370e-01 2.0674343407154083e-01 - <_> - 2.5510837554931641e+01 - - 1 2 926 11321. 0 -1 927 2.5000000000000000e+00 -2 -3 928 - 1.1450000000000000e+02 - - -8.3973264694213867e-01 1.1275193840265274e-01 - -9.1843432188034058e-01 8.7821447849273682e-01 - <_> - 2.6130455017089844e+01 - - 1 2 929 6.5000000000000000e+00 0 -1 930 3083. -2 -3 931 - 3.0875000000000000e+03 - - 4.2603471875190735e-01 -3.6732077598571777e-01 - -4.1711282730102539e-01 6.1961770057678223e-01 - <_> - 2.6262090682983398e+01 - - 1 2 932 17935. 0 -1 933 425. -2 -3 934 - 2.7176500000000000e+04 - - 4.5509326457977295e-01 -6.6757386922836304e-01 - -5.3166776895523071e-01 1.3163578510284424e-01 - <_> - 2.6658596038818359e+01 - - 1 2 935 1.7500000000000000e+01 0 -1 936 - 1.1745000000000000e+03 -2 -3 937 5.0000000000000000e-01 - - 2.5388157367706299e-01 -7.9901087284088135e-01 - 4.5095619559288025e-01 -1.0241491347551346e-01 - <_> - 2.6969305038452148e+01 - - 1 2 938 3.0500000000000000e+01 0 -1 939 - 2.4500000000000000e+01 -2 -3 940 2.2500000000000000e+01 - - 5.1047235727310181e-02 -8.9242154359817505e-01 - 3.1070950627326965e-01 -2.6842564344406128e-01 - <_> - 2.6705583572387695e+01 - - 1 2 941 1.3050000000000000e+02 0 -1 942 - 3.4500000000000000e+01 -2 -3 943 2.2150000000000000e+02 - - -1.1592853814363480e-01 -7.7454018592834473e-01 - 4.5384824275970459e-01 -3.1817260384559631e-01 - <_> - 2.6782285690307617e+01 - - 1 2 944 1.7735000000000000e+03 0 -1 945 - 9.5000000000000000e+00 -2 -3 946 4.5705000000000000e+03 - - -3.9006590843200684e-02 -9.5107847452163696e-01 - -6.5736269950866699e-01 1.7125985026359558e-01 - <_> - 2.7105680465698242e+01 - - 1 2 947 1.7625000000000000e+03 0 -1 948 - 1.3850000000000000e+02 -2 -3 949 1.9750000000000000e+02 - - 3.6351567506790161e-01 -5.5703014135360718e-01 - 1.4079628884792328e-01 -5.2406501770019531e-01 - <_> - 2.7263711929321289e+01 - - 1 2 950 2.5000000000000000e+00 0 -1 951 - 5.1850000000000000e+02 -2 -3 952 1.0500000000000000e+01 - - 6.5141850709915161e-01 -9.1679638624191284e-01 - 2.9593178629875183e-01 -2.6542136073112488e-01 - <_> - 2.6919979095458984e+01 - - 1 2 953 1286. 0 -1 954 5.0500000000000000e+01 -2 -3 955 - 9549. - - 2.3069593310356140e-01 -3.4373316168785095e-01 - 7.6501649618148804e-01 -1.6475467383861542e-01 - <_> - 2.7302589416503906e+01 - - 1 2 956 3.0500000000000000e+01 0 -1 957 - 3.5000000000000000e+00 -2 -3 958 20. - - 4.2295122146606445e-01 -5.0685709714889526e-01 - -6.1503076553344727e-01 3.8261166214942932e-01 - <_> - 2.7030504226684570e+01 - - 1 2 959 1.5000000000000000e+00 0 -1 960 - 4.2500000000000000e+01 -2 -3 961 7879. - - -8.3279174566268921e-01 3.1151020526885986e-01 - 5.7181537151336670e-01 -4.0998581051826477e-01 - <_> - 2.7195131301879883e+01 - - 1 2 962 1.9550000000000000e+02 0 -1 963 - 9.7500000000000000e+01 -2 -3 964 1.7450000000000000e+02 - - 1.7131289839744568e-01 -7.6953160762786865e-01 - -8.5992205142974854e-01 9.4537514448165894e-01 - <_> - 2.7257419586181641e+01 - - 1 2 965 5.1150000000000000e+02 0 -1 966 - 2.3335000000000000e+03 -2 -3 967 37646. - - -5.3452479839324951e-01 5.5600736290216446e-02 - 9.5302796363830566e-01 -8.5994201898574829e-01 - <_> - 2.7456840515136719e+01 - - 1 2 968 2.7500000000000000e+01 0 -1 969 - 4.5000000000000000e+00 -2 -3 970 3.2250000000000000e+02 - - 2.6460289955139160e-01 -3.8417342305183411e-01 - 4.4693005084991455e-01 -8.1004393100738525e-01 - <_> - 2.7806034088134766e+01 - - 1 2 971 2.3500000000000000e+01 0 -1 972 - 7.6500000000000000e+01 -2 -3 973 1.2500000000000000e+01 - - -5.5745208263397217e-01 3.4919399023056030e-01 - 3.5557851195335388e-01 -5.3877633810043335e-01 - <_> - 2.7538705825805664e+01 - - 1 2 974 7.9500000000000000e+01 0 -1 975 - 1.4500000000000000e+01 -2 -3 976 87. - - 2.8678986430168152e-01 -2.9876446723937988e-01 - 8.6640423536300659e-01 -1. - <_> - 2.7824981689453125e+01 - - 1 2 977 2.5550000000000000e+02 0 -1 978 - 4.5000000000000000e+00 -2 -3 979 4.8500000000000000e+01 - - 2.7033209800720215e-01 -5.0700926780700684e-01 - -6.5432757139205933e-01 3.9897635579109192e-01 - <_> - 2.8039585113525391e+01 - - 1 2 980 8.5500000000000000e+01 0 -1 981 - 1.2500000000000000e+01 -2 -3 982 2.1150000000000000e+02 - - -9.3840378522872925e-01 2.1460363268852234e-01 - -7.5958758592605591e-01 3.2656311988830566e-01 - <_> - 2.8358228683471680e+01 - - 1 2 983 2.5000000000000000e+00 0 -1 984 154. -2 -3 985 - 5.5000000000000000e+00 - - 1.8448559939861298e-01 -8.2974767684936523e-01 - 3.1864368915557861e-01 -2.1115814149379730e-01 - <_> - 2.7895002365112305e+01 - - 1 2 986 1.5500000000000000e+01 0 -1 987 3760. -2 -3 988 - 7.4650000000000000e+02 - - 5.6718933582305908e-01 -4.6322652697563171e-01 - -1.5654714405536652e-01 4.8763912916183472e-01 - <_> - 2.8411203384399414e+01 - - 1 2 989 3.6500000000000000e+01 0 -1 990 - 5.5000000000000000e+00 -2 -3 991 177. - - 1.9065493345260620e-01 -4.4433963298797607e-01 - 5.1620143651962280e-01 -6.8428224325180054e-01 - <_> - 2.8243703842163086e+01 - - 1 2 992 2.2550000000000000e+02 0 -1 993 - 1.0702500000000000e+04 -2 -3 994 2.1500000000000000e+01 - - 9.7185559570789337e-02 -8.7033015489578247e-01 - 2.9659673571586609e-01 -4.0642136335372925e-01 - <_> - 2.8063882827758789e+01 - - 1 2 995 1.1500000000000000e+01 0 -1 996 29. -2 -3 997 - 6.5000000000000000e+00 - - -1. 1. 3.6489042639732361e-01 -1.7982187867164612e-01 - <_> - 2.8595172882080078e+01 - - 1 2 998 3.4500000000000000e+01 0 -1 999 - 3.2500000000000000e+01 -2 -3 1000 1.1750000000000000e+02 - - 7.5150117278099060e-02 -5.3011858463287354e-01 - -3.1684866547584534e-01 5.3129112720489502e-01 - <_> - 2.8468202590942383e+01 - - 1 2 1001 1.6628500000000000e+04 0 -1 1002 - 1.0500000000000000e+01 -2 -3 1003 3.3545000000000000e+03 - - 6.4890080690383911e-01 -6.3209486007690430e-01 - 6.6508811712265015e-01 -1.2697088718414307e-01 - <_> - 2.8374160766601562e+01 - - 1 2 1004 8.5000000000000000e+00 0 -1 1005 - 8.5000000000000000e+00 -2 -3 1006 1.5000000000000000e+00 - - 5.2094990015029907e-01 -9.4638687372207642e-01 - 4.4523945450782776e-01 -9.4041898846626282e-02 - <_> - 2.8551000595092773e+01 - - 1 2 1007 3.1950000000000000e+02 0 -1 1008 - 6.6500000000000000e+01 -2 -3 1009 9.5000000000000000e+00 - - 6.6274866461753845e-02 -9.6256363391876221e-01 - -4.5958206057548523e-01 1.7684090137481689e-01 - <_> - 2.8745084762573242e+01 - - 1 2 1010 1.2350000000000000e+02 0 -1 1011 - 5.5000000000000000e+00 -2 -3 1012 2.3500000000000000e+01 - - -8.1710654497146606e-01 1.9408319890499115e-01 - -6.5851712226867676e-01 6.5294885635375977e-01 - <_> - 2.8799137115478516e+01 - - 1 2 1013 1.5000000000000000e+00 0 -1 1014 6367. -2 -3 1015 - 4.7500000000000000e+01 - - -5.7579481601715088e-01 6.5927535295486450e-01 - 3.2614521682262421e-02 -5.5185180902481079e-01 - <_> - 2.9203039169311523e+01 - - 1 2 1016 4.8500000000000000e+01 0 -1 1017 1563. -2 -3 1018 - 174. - - -1.8832503259181976e-01 8.4307962656021118e-01 - 6.7039912939071655e-01 -9.4139146804809570e-01 - <_> - 2.8794641494750977e+01 - - 1 2 1019 3.3355000000000000e+03 0 -1 1020 - 6.6555000000000000e+03 -2 -3 1021 8.7150000000000000e+02 - - -9.0944504737854004e-01 4.4833663105964661e-01 - -4.0839809179306030e-01 1.7850229144096375e-01 - <_> - 2.8677459716796875e+01 - - 1 2 1022 1.2185000000000000e+03 0 -1 1023 - 8.2550000000000000e+02 -2 -3 1024 3.0550000000000000e+02 - - -3.4955474734306335e-01 6.4450144767761230e-01 - 6.0581982135772705e-01 -1.1718237400054932e-01 - <_> - 2.8913532257080078e+01 - - 1 2 1025 2.7500000000000000e+01 0 -1 1026 - 2.7500000000000000e+01 -2 -3 1027 4.3500000000000000e+01 - - -8.5049676895141602e-01 2.3607361316680908e-01 - 7.3098081350326538e-01 -6.9291877746582031e-01 - <_> - 2.9108362197875977e+01 - - 1 2 1028 7.5000000000000000e+00 0 -1 1029 - 9.5000000000000000e+00 -2 -3 1030 4.5000000000000000e+00 - - -8.3998674154281616e-01 3.6129420995712280e-01 - 9.7287259995937347e-02 -5.4456633329391479e-01 - <_> - 2.8601478576660156e+01 - - 1 2 1031 6.9500000000000000e+01 0 -1 1032 3194. -2 -3 1033 - 1194. - - 1.1185812205076218e-01 -5.0688385963439941e-01 - -5.2819758653640747e-01 4.6284502744674683e-01 - <_> - 2.8964368820190430e+01 - - 1 2 1034 2.5000000000000000e+00 0 -1 1035 - 3.5000000000000000e+00 -2 -3 1036 5.5000000000000000e+00 - - -6.3642036914825439e-01 3.6289060115814209e-01 - 7.4139624834060669e-01 -4.1967025399208069e-01 - <_> - 2.9433172225952148e+01 - - 1 2 1037 3.0500000000000000e+01 0 -1 1038 - 5.0000000000000000e-01 -2 -3 1039 7.9500000000000000e+01 - - 3.6465510725975037e-01 -3.9573243260383606e-01 - -6.1006444692611694e-01 4.6880471706390381e-01 - <_> - 2.9406284332275391e+01 - - 1 2 1040 850. 0 -1 1041 8.3500000000000000e+01 -2 -3 1042 - 503. - - -1.3215389847755432e-01 5.3341400623321533e-01 - -6.0456317663192749e-01 1.4337512850761414e-01 - <_> - 2.9681335449218750e+01 - - 1 2 1043 5.0000000000000000e-01 0 -1 1044 - 2.2500000000000000e+01 -2 -3 1045 7.1050000000000000e+02 - - -8.8528215885162354e-02 6.7735338211059570e-01 - -4.3227946758270264e-01 2.7505078911781311e-01 - <_> - 2.9964553833007812e+01 - - 1 2 1046 9.8500000000000000e+01 0 -1 1047 - 3.1500000000000000e+01 -2 -3 1048 2.7650000000000000e+02 - - 2.8321748971939087e-01 -3.9361628890037537e-01 - -8.2609468698501587e-01 2.6064848899841309e-01 - <_> - 2.9945455551147461e+01 - - 1 2 1049 8.7500000000000000e+01 0 -1 1050 - 2.2385000000000000e+03 -2 -3 1051 6.4500000000000000e+01 - - 6.9241017103195190e-01 -1.5301111340522766e-01 - -6.6095316410064697e-01 -1.9096992909908295e-02 - <_> - 3.0012765884399414e+01 - - 1 2 1052 1.2500000000000000e+01 0 -1 1053 - 9.5000000000000000e+00 -2 -3 1054 5.0750000000000000e+02 - - -8.3019262552261353e-01 6.7893797159194946e-01 - -1.2832325696945190e-01 4.3415006995201111e-01 - <_> - 2.9930473327636719e+01 - - 1 2 1055 1.8500000000000000e+01 0 -1 1056 - 1.2500000000000000e+01 -2 -3 1057 8.5000000000000000e+00 - - -3.6613929271697998e-01 4.8394933342933655e-01 - 1.7974837124347687e-01 -4.4913277029991150e-01 - <_> - 3.0477281570434570e+01 - - 1 2 1058 5.1950000000000000e+02 0 -1 1059 - 4.4500000000000000e+01 -2 -3 1060 114. - - -7.6940767467021942e-02 5.4680854082107544e-01 - -8.7260067462921143e-01 6.8811720609664917e-01 - <_> - 3.0773675918579102e+01 - - 1 2 1061 1.0450000000000000e+02 0 -1 1062 - 2.8150000000000000e+02 -2 -3 1063 1125. - - 5.4583191871643066e-01 -5.2532721310853958e-02 - -7.8279995918273926e-01 3.1823691725730896e-01 - <_> - 3.0351808547973633e+01 - - 1 2 1064 3.5000000000000000e+00 0 -1 1065 - 1.5500000000000000e+01 -2 -3 1066 55. - - -7.3623555898666382e-01 3.5894340276718140e-01 - -4.2186784744262695e-01 4.3861863017082214e-01 - <_> - 3.0537498474121094e+01 - - 1 2 1067 4307. 0 -1 1068 1160. -2 -3 1069 - 2.1660500000000000e+04 - - -7.8279590606689453e-01 4.5567861199378967e-01 - 1.8568974733352661e-01 -8.9434182643890381e-01 - <_> - 3.0696584701538086e+01 - - 1 2 1070 4.4285000000000000e+03 0 -1 1071 - 5.0000000000000000e-01 -2 -3 1072 3.1735000000000000e+03 - - 2.0552167296409607e-01 -4.5957171916961670e-01 - 7.2746735811233521e-01 -9.0351656079292297e-02 - <_> - 3.0743759155273438e+01 - - 1 2 1073 3.7500000000000000e+01 0 -1 1074 - 9.5000000000000000e+00 -2 -3 1075 1.6750000000000000e+02 - - -1.5780667960643768e-01 4.7251480817794800e-01 - -6.7792648077011108e-01 4.7175608575344086e-02 - <_> - 3.0970186233520508e+01 - - 1 2 1076 3.3550000000000000e+02 0 -1 1077 - 1.5850000000000000e+02 -2 -3 1078 6.7500000000000000e+01 - - 2.2642576694488525e-01 -7.5154268741607666e-01 - -7.6098370552062988e-01 -2.8098121285438538e-02 - <_> - 3.0785564422607422e+01 - - 1 2 1079 3.5000000000000000e+00 0 -1 1080 - 1.0750000000000000e+02 -2 -3 1081 5.5000000000000000e+00 - - -1. 1. 3.4101343154907227e-01 -1.8462051451206207e-01 - <_> - 3.0677804946899414e+01 - - 1 2 1082 1.8745000000000000e+03 0 -1 1083 8. -2 -3 1084 - 2.7950000000000000e+02 - - 3.8025709986686707e-01 -9.3898135423660278e-01 - 4.3168732523918152e-01 -1.0776055604219437e-01 - <_> - 3.1114505767822266e+01 - - 1 2 1085 1.2235000000000000e+03 0 -1 1086 502. -2 -3 1087 - 1.4500000000000000e+01 - - -3.4203383326530457e-01 8.8017475605010986e-01 - -6.2440735101699829e-01 4.3670186400413513e-01 - <_> - 3.0781503677368164e+01 - - 1 2 1088 1.0765000000000000e+03 0 -1 1089 - 1.4445000000000000e+03 -2 -3 1090 6.5000000000000000e+00 - - -1.0597463697195053e-01 5.4891431331634521e-01 - 2.9310002923011780e-01 -3.9375761151313782e-01 - <_> - 3.1352016448974609e+01 - - 1 2 1091 5.2500000000000000e+01 0 -1 1092 - 1.5000000000000000e+00 -2 -3 1093 272. - - 6.0849022865295410e-01 -2.5873470306396484e-01 - 5.7051157951354980e-01 -1. - <_> - 3.1657224655151367e+01 - - 1 2 1094 5.5000000000000000e+00 0 -1 1095 - 1.6500000000000000e+01 -2 -3 1096 30152. - - -9.6481657028198242e-01 8.0561167001724243e-01 - 4.4867545366287231e-01 -1.1930578947067261e-01 - <_> - 3.1797657012939453e+01 - - 1 2 1097 4.5000000000000000e+00 0 -1 1098 - 1.4500000000000000e+01 -2 -3 1099 3.4500000000000000e+01 - - -3.8230931758880615e-01 6.5411078929901123e-01 - 4.3631002306938171e-02 -7.3598957061767578e-01 - <_> - 3.1739580154418945e+01 - - 1 2 1100 6.5000000000000000e+00 0 -1 1101 - 3.5000000000000000e+00 -2 -3 1102 2.5500000000000000e+01 - - 2.6922503113746643e-01 -9.2841345071792603e-01 - -5.8075804263353348e-02 5.9674555063247681e-01 - <_> - 3.2161308288574219e+01 - - 1 2 1103 5.0000000000000000e-01 0 -1 1104 - 1.5500000000000000e+01 -2 -3 1105 1.5000000000000000e+00 - - -7.3271411657333374e-01 4.2172768712043762e-01 - 1.8879570066928864e-01 -4.8092129826545715e-01 - <_> - 3.1522403717041016e+01 - - 1 2 1106 1.7500000000000000e+01 0 -1 1107 - 3.5000000000000000e+00 -2 -3 1108 5.1500000000000000e+01 - - 4.1741237044334412e-01 -6.3890427350997925e-01 - -2.4483518302440643e-01 3.4861907362937927e-01 - <_> - 3.1028701782226562e+01 - - 1 2 1109 1.6500000000000000e+01 0 -1 1110 - 7.5500000000000000e+01 -2 -3 1111 1.5595000000000000e+03 - - 2.1001176536083221e-01 -5.4036855697631836e-01 - 8.2853209972381592e-01 -6.6984134912490845e-01 - <_> - 3.0648044586181641e+01 - - 1 2 1112 1.3500000000000000e+01 0 -1 1113 - 5.0000000000000000e-01 -2 -3 1114 5.5000000000000000e+00 - - 2.0337771624326706e-02 -6.9217932224273682e-01 - 3.1262809038162231e-01 -3.8065665960311890e-01 - <_> - 3.0457332611083984e+01 - - 1 2 1115 1.0425000000000000e+03 0 -1 1116 - 2.1105000000000000e+03 -2 -3 1117 5.0000000000000000e-01 - - 8.5383254289627075e-01 -9.4994091987609863e-01 - 3.6234918236732483e-01 -1.9071219861507416e-01 - <_> - 3.0355703353881836e+01 - - 1 2 1118 417. 0 -1 1119 47393. -2 -3 1120 - 1.3500000000000000e+01 - - 1.4608249068260193e-01 -7.7895587682723999e-01 - 5.4214590787887573e-01 -1.0162991285324097e-01 - <_> - 3.0591539382934570e+01 - - 1 2 1121 1.0505000000000000e+03 0 -1 1122 - 3.5000000000000000e+00 -2 -3 1123 1.2500000000000000e+01 - - 2.6039215922355652e-01 -8.2724225521087646e-01 - 2.3583582043647766e-01 -4.2682540416717529e-01 - <_> - 3.1194660186767578e+01 - - 1 2 1124 4.6185000000000000e+03 0 -1 1125 - 1.0500000000000000e+01 -2 -3 1126 1.9150000000000000e+02 - - -8.0647492408752441e-01 1.1079805344343185e-01 - 6.0312074422836304e-01 -8.1773541867733002e-02 - <_> - 3.0726728439331055e+01 - - 1 2 1127 1.3500000000000000e+01 0 -1 1128 - 4.5000000000000000e+00 -2 -3 1129 4.1550000000000000e+02 - - -6.2268900871276855e-01 3.8671565055847168e-01 - 2.8028538823127747e-01 -4.6793088316917419e-01 - <_> - 3.1088666915893555e+01 - - 1 2 1130 8.5000000000000000e+00 0 -1 1131 - 5.8445000000000000e+03 -2 -3 1132 2.8500000000000000e+01 - - -3.3040379639714956e-04 -9.1474950313568115e-01 - 3.6193940043449402e-01 -1.4911226928234100e-01 - <_> - 3.1474407196044922e+01 - - 1 2 1133 1.5500000000000000e+01 0 -1 1134 - 3.5000000000000000e+00 -2 -3 1135 1.2525000000000000e+03 - - 6.4907115697860718e-01 -5.0786149501800537e-01 - -2.0913411676883698e-01 3.8573962450027466e-01 - <_> - 3.1632471084594727e+01 - - 1 2 1136 6.5000000000000000e+00 0 -1 1137 - 3.7500000000000000e+01 -2 -3 1138 3.5500000000000000e+01 - - 6.3346821069717407e-01 -5.2402967214584351e-01 - -4.6075040102005005e-01 1.5806287527084351e-01 - <_> - 3.1587083816528320e+01 - - 1 2 1139 2.8950000000000000e+02 0 -1 1140 - 1.2865000000000000e+03 -2 -3 1141 8.0500000000000000e+01 - - -4.5387003570795059e-02 6.0369354486465454e-01 - -8.8128578662872314e-01 1.6069179773330688e-01 - <_> - 3.1416742324829102e+01 - - 1 2 1142 6.0500000000000000e+01 0 -1 1143 2554. -2 -3 1144 - 2.5000000000000000e+00 - - 5.8986186981201172e-01 -7.9697668552398682e-01 - 4.0921381115913391e-01 -1.7034149169921875e-01 - <_> - 3.1597267150878906e+01 - - 1 2 1145 7.5000000000000000e+00 0 -1 1146 - 1.2500000000000000e+01 -2 -3 1147 3.3500000000000000e+01 - - -7.0123994350433350e-01 9.0972447395324707e-01 - 1.8052530288696289e-01 -7.1117341518402100e-01 - <_> - 3.1853481292724609e+01 - - 1 2 1148 2.5000000000000000e+00 0 -1 1149 - 1.6500000000000000e+01 -2 -3 1150 50. - - -4.6300759911537170e-01 2.5621402263641357e-01 - -5.8134639263153076e-01 6.4391428232192993e-01 - <_> - 3.2041400909423828e+01 - - 1 2 1151 1.5000000000000000e+00 0 -1 1152 - 5.5000000000000000e+00 -2 -3 1153 6.6500000000000000e+01 - - 4.4350862503051758e-01 -6.5627163648605347e-01 - -4.0067231655120850e-01 3.3987161517143250e-01 - <_> - 3.2274913787841797e+01 - - 1 2 1154 2.2500000000000000e+01 0 -1 1155 121. -2 -3 1156 - 4.0750000000000000e+02 - - -5.6885540485382080e-01 2.3351371288299561e-01 - 6.7405563592910767e-01 -5.4761618375778198e-01 - <_> - 3.2459445953369141e+01 - - 1 2 1157 2.1500000000000000e+01 0 -1 1158 - 1.2500000000000000e+01 -2 -3 1159 1.9500000000000000e+01 - - -8.8360142707824707e-01 2.5230798125267029e-01 - 1.1890246719121933e-01 -5.4317802190780640e-01 - <_> - 3.2713863372802734e+01 - - 1 2 1160 3.9500000000000000e+01 0 -1 1161 - 4.5000000000000000e+00 -2 -3 1162 2.2635000000000000e+03 - - 4.9993959069252014e-01 -4.6222266554832458e-01 - -8.2206004858016968e-01 2.5441682338714600e-01 - <_> - 3.2391437530517578e+01 - - 1 2 1163 1.8500000000000000e+01 0 -1 1164 - 2.2500000000000000e+01 -2 -3 1165 1.1500000000000000e+01 - - -8.3650416135787964e-01 2.8401935100555420e-01 - 2.4446329474449158e-01 -5.4215461015701294e-01 - <_> - 3.2313743591308594e+01 - - 1 2 1166 2.1500000000000000e+01 0 -1 1167 - 4.4750000000000000e+02 -2 -3 1168 7.5000000000000000e+00 - - 2.8188237547874451e-01 -7.0770967006683350e-01 - 5.1904022693634033e-01 -7.7693074941635132e-02 - <_> - 3.2547096252441406e+01 - - 1 2 1169 3.8500000000000000e+01 0 -1 1170 - 1.0500000000000000e+01 -2 -3 1171 5.4500000000000000e+01 - - -5.1064568758010864e-01 2.3335392773151398e-01 - -7.8815060853958130e-01 1.9936113059520721e-01 - <_> - 3.2640663146972656e+01 - - 1 2 1172 2.5000000000000000e+00 0 -1 1173 - 5.5000000000000000e+00 -2 -3 1174 1330. - - -4.3339151144027710e-01 4.2221209406852722e-01 - -3.6630377173423767e-01 7.0252496004104614e-01 - <_> - 3.2781063079833984e+01 - - 1 2 1175 1.5000000000000000e+00 0 -1 1176 - 3.5000000000000000e+00 -2 -3 1177 5.0000000000000000e-01 - - 4.3612757325172424e-01 -8.5796296596527100e-01 - 2.6683306694030762e-01 -2.6626828312873840e-01 - <_> - 3.3000972747802734e+01 - - 1 2 1178 2.8150000000000000e+02 0 -1 1179 - 1.5500000000000000e+01 -2 -3 1180 4.6500000000000000e+01 - - 3.4552884101867676e-01 -5.2619069814682007e-01 - -3.2900866866111755e-01 4.3776753544807434e-01 - <_> - 3.3018821716308594e+01 - - 1 2 1181 5.0000000000000000e-01 0 -1 1182 - 1.0500000000000000e+01 -2 -3 1183 2.6450000000000000e+02 - - -4.9559688568115234e-01 7.7334856986999512e-01 - 5.2793127298355103e-01 -2.3107841610908508e-01 - <_> - 3.3071189880371094e+01 - - 1 2 1184 4.6025000000000000e+03 0 -1 1185 - 1.8500000000000000e+01 -2 -3 1186 6.8250000000000000e+02 - - -7.4181526899337769e-01 5.9372335672378540e-01 - 4.7619059681892395e-01 -1.1885309964418411e-01 - <_> - 3.3085533142089844e+01 - - 1 2 1187 1.6350000000000000e+02 0 -1 1188 - 2.7500000000000000e+01 -2 -3 1189 142. - - -4.1260236501693726e-01 2.7891275286674500e-01 - -7.0465636253356934e-01 7.5747251510620117e-01 - <_> - 3.3357414245605469e+01 - - 1 2 1190 5.0000000000000000e-01 0 -1 1191 - 5.6500000000000000e+01 -2 -3 1192 5.2150000000000000e+02 - - 6.4778029918670654e-01 -1.1932287365198135e-01 - -4.1650903224945068e-01 2.5428086519241333e-01 - <_> - 3.3322494506835938e+01 - - 1 2 1193 8.2350000000000000e+02 0 -1 1194 - 8.2650000000000000e+02 -2 -3 1195 1.3500000000000000e+01 - - 2.8512652497738600e-03 6.5731632709503174e-01 - 4.5999297499656677e-01 -6.2862813472747803e-01 - <_> - 3.3176986694335938e+01 - - 1 2 1196 1.3500000000000000e+01 0 -1 1197 70. -2 -3 1198 - 5.0000000000000000e-01 - - -6.6250026226043701e-01 7.0421558618545532e-01 - 3.7571212649345398e-01 -2.3801752924919128e-01 - <_> - 3.3435741424560547e+01 - - 1 2 1199 58282. 0 -1 1200 913. -2 -3 1201 - 1.0850000000000000e+02 - - -5.6440210342407227e-01 2.8217953443527222e-01 - -8.7045669555664062e-01 -8.5198663175106049e-02 - <_> - 3.3617641448974609e+01 - - 1 2 1202 1.5000000000000000e+00 0 -1 1203 - 1.5000000000000000e+00 -2 -3 1204 1.7675000000000000e+03 - - -7.3653697967529297e-01 7.6336652040481567e-01 - -2.4504181742668152e-01 5.5397576093673706e-01 - <_> - 3.3626171112060547e+01 - - 1 2 1205 3.5000000000000000e+00 0 -1 1206 - 1.5500000000000000e+01 -2 -3 1207 153. - - -2.8129413723945618e-01 5.9369409084320068e-01 - 8.5296230390667915e-03 -6.9582235813140869e-01 - <_> - 3.3975147247314453e+01 - - 1 2 1208 5.0000000000000000e-01 0 -1 1209 - 1.0500000000000000e+01 -2 -3 1210 2.0500000000000000e+01 - - -8.0083674192428589e-01 3.4897685050964355e-01 - -3.5385957360267639e-01 7.3448055982589722e-01 - <_> - 3.3426464080810547e+01 - - 1 2 1211 2.7950000000000000e+02 0 -1 1212 - 5.4975000000000000e+03 -2 -3 1213 7.5000000000000000e+00 - - -1.4607962965965271e-01 7.2142803668975830e-01 - 1.4154955744743347e-01 -5.4868251085281372e-01 - <_> - 3.3620513916015625e+01 - - 1 2 1214 1.1500000000000000e+01 0 -1 1215 - 2.5550000000000000e+02 -2 -3 1216 72. - - 5.8608335256576538e-01 -9.2741596698760986e-01 - 1.9404979050159454e-01 -6.2724816799163818e-01 - <_> - 3.3949718475341797e+01 - - 1 2 1217 1.9500000000000000e+01 0 -1 1218 - 2.6950000000000000e+02 -2 -3 1219 5.2500000000000000e+01 - - -8.2725256681442261e-02 -8.0563539266586304e-01 - -4.9098122119903564e-01 3.2920604944229126e-01 - <_> - 3.3907009124755859e+01 - - 1 2 1220 2.5500000000000000e+01 0 -1 1221 - 5.0000000000000000e-01 -2 -3 1222 5.0500000000000000e+01 - - 5.3421282768249512e-01 -4.2710851877927780e-02 - -8.4883642196655273e-01 -6.9108068943023682e-02 - <_> - 3.4569347381591797e+01 - - 1 2 1223 3.4500000000000000e+01 0 -1 1224 - 4.5000000000000000e+00 -2 -3 1225 4.2500000000000000e+01 - - 2.8448584675788879e-01 -3.0913567543029785e-01 - 6.9974571466445923e-01 -7.2145628929138184e-01 - <_> - 3.4406383514404297e+01 - - 1 2 1226 4.7500000000000000e+01 0 -1 1227 82. -2 -3 1228 - 476. - - -5.3745925426483154e-01 5.8132463693618774e-01 - 3.7321224808692932e-01 -6.0607558488845825e-01 - <_> - 3.4350345611572266e+01 - - 1 2 1229 4.5000000000000000e+00 0 -1 1230 161. -2 -3 1231 - 9.5000000000000000e+00 - - 5.7543116807937622e-01 -9.4070035219192505e-01 - 7.6428997516632080e-01 -5.6036282330751419e-02 - <_> - 3.4673534393310547e+01 - - 1 2 1232 1.2645000000000000e+03 0 -1 1233 1086. -2 -3 1234 - 9549. - - -2.5683671236038208e-01 8.2724517583847046e-01 - 7.0296716690063477e-01 -3.6435613036155701e-01 - <_> - 3.5003284454345703e+01 - - 1 2 1235 1.2850000000000000e+02 0 -1 1236 - 8.6235000000000000e+03 -2 -3 1237 2.6500000000000000e+01 - - 5.9038841724395752e-01 3.4432813990861177e-03 - -6.4016550779342651e-02 -9.3743759393692017e-01 - <_> - 3.5226799011230469e+01 - - 1 2 1238 9.3500000000000000e+01 0 -1 1239 13. -2 -3 1240 - 4.4500000000000000e+01 - - -6.7835944890975952e-01 3.3737751841545105e-01 - -7.8561329841613770e-01 -3.7122413516044617e-02 - <_> - 3.5086704254150391e+01 - - 1 2 1241 6.5000000000000000e+00 0 -1 1242 786. -2 -3 1243 - 4.6850000000000000e+02 - - -8.7093526124954224e-01 4.2933362722396851e-01 - -5.2467578649520874e-01 1.0233493894338608e-01 - <_> - 3.5434925079345703e+01 - - 1 2 1244 5.0650000000000000e+02 0 -1 1245 - 6.3500000000000000e+01 -2 -3 1246 2.5000000000000000e+00 - - -3.4057748317718506e-01 5.2575647830963135e-01 - -5.7031583786010742e-01 4.1367042064666748e-01 - <_> - 3.5402851104736328e+01 - - 1 2 1247 5.0000000000000000e-01 0 -1 1248 857. -2 -3 1249 - 1.3850000000000000e+02 - - 6.1650615930557251e-01 -2.0817196369171143e-01 - -2.5478323921561241e-02 -7.6659142971038818e-01 - <_> - 3.4968181610107422e+01 - - 1 2 1250 5.8500000000000000e+01 0 -1 1251 - 1.1500000000000000e+01 -2 -3 1252 5.5500000000000000e+01 - - 1.2099618464708328e-01 -4.4126412272453308e-01 - 6.0897779464721680e-01 -7.8737002611160278e-01 - <_> - 3.5193428039550781e+01 - - 1 2 1253 4.7500000000000000e+01 0 -1 1254 1423. -2 -3 1255 - 3.4500000000000000e+01 - - 4.8643037676811218e-02 -8.9261955022811890e-01 - 2.2524681687355042e-01 -6.2001824378967285e-01 - <_> - 3.5623695373535156e+01 - - 1 2 1256 2.0500000000000000e+01 0 -1 1257 - 5.5000000000000000e+00 -2 -3 1258 6.5000000000000000e+00 - - -8.9247786998748779e-01 7.9152870178222656e-01 - 4.3026548624038696e-01 -1.4470897614955902e-01 - <_> - 3.5538761138916016e+01 - - 1 2 1259 18647. 0 -1 1260 8.7850000000000000e+02 -2 -3 1261 - 50. - - 1.3848523795604706e-01 -6.2565112113952637e-01 - -3.0781137943267822e-01 5.9695762395858765e-01 - <_> - 3.5170146942138672e+01 - - 1 2 1262 2.0500000000000000e+01 0 -1 1263 - 9.5500000000000000e+01 -2 -3 1264 3.2450000000000000e+02 - - -1.9358770549297333e-01 5.9224104881286621e-01 - -3.6861309409141541e-01 7.9692333936691284e-01 - <_> - 3.5719684600830078e+01 - - 1 2 1265 1.5000000000000000e+00 0 -1 1266 - 3.4500000000000000e+01 -2 -3 1267 1.7725000000000000e+03 - - 5.4953765869140625e-01 -4.1827628016471863e-01 - 3.4924019128084183e-02 -6.3267588615417480e-01 - <_> - 3.6021175384521484e+01 - - 1 2 1268 1.3500000000000000e+01 0 -1 1269 - 5.0000000000000000e-01 -2 -3 1270 3476. - - 3.0730965733528137e-01 -7.1827191114425659e-01 - -3.3407485485076904e-01 3.0149033665657043e-01 - <_> - 3.6000087738037109e+01 - - 1 2 1271 2.1105000000000000e+03 0 -1 1272 - 1.2865000000000000e+03 -2 -3 1273 31. - - -6.6124044358730316e-02 6.6440200805664062e-01 - -7.0062541961669922e-01 8.8496291637420654e-01 - <_> - 3.6138973236083984e+01 - - 1 2 1274 6.5000000000000000e+00 0 -1 1275 - 4.0500000000000000e+01 -2 -3 1276 2.5000000000000000e+00 - - -1.8909309804439545e-01 4.3955674767494202e-01 - 8.3517062664031982e-01 -5.2926576137542725e-01 - <_> - 3.6462543487548828e+01 - - 1 2 1277 1.5000000000000000e+00 0 -1 1278 - 1.9500000000000000e+01 -2 -3 1279 2.9500000000000000e+01 - - 5.2272623777389526e-01 -5.3356873989105225e-01 - -4.3614375591278076e-01 1.6707921028137207e-01 - <_> - 3.6346103668212891e+01 - - 1 2 1280 5.4500000000000000e+01 0 -1 1281 3. -2 -3 1282 - 2.5000000000000000e+00 - - 9.2645227909088135e-01 -9.1626834869384766e-01 - 4.3882593512535095e-01 -1.1643892526626587e-01 - <_> - 3.6447643280029297e+01 - - 1 2 1283 4.3500000000000000e+01 0 -1 1284 - 4.5000000000000000e+00 -2 -3 1285 1.4250000000000000e+02 - - 2.8414136171340942e-01 -5.2052396535873413e-01 - 3.3975440263748169e-01 -4.2113724350929260e-01 - <_> - 3.6367126464843750e+01 - - 1 2 1286 2.2500000000000000e+01 0 -1 1287 - 1.0535000000000000e+03 -2 -3 1288 1.9500000000000000e+01 - - 4.4179165363311768e-01 -7.4734365940093994e-01 - 5.4282104969024658e-01 -8.0516710877418518e-02 - <_> - 3.6575954437255859e+01 - - 1 2 1289 2.5000000000000000e+00 0 -1 1290 - 1.5000000000000000e+00 -2 -3 1291 2.4500000000000000e+01 - - -3.8550149649381638e-02 -9.4949018955230713e-01 - 2.0882803201675415e-01 -4.6319213509559631e-01 - <_> - 3.6657161712646484e+01 - - 1 2 1292 1.6115000000000000e+03 0 -1 1293 3672. -2 -3 1294 - 545. - - 8.2763051986694336e-01 -4.8815292119979858e-01 - -5.2512788772583008e-01 8.1207208335399628e-02 - <_> - 3.6598300933837891e+01 - - 1 2 1295 6.0500000000000000e+01 0 -1 1296 - 1.1250000000000000e+02 -2 -3 1297 1.5350000000000000e+02 - - -5.8857690542936325e-02 4.7229456901550293e-01 - -8.1495660543441772e-01 7.3461961746215820e-01 - <_> - 3.6517520904541016e+01 - - 1 2 1298 9.4500000000000000e+01 0 -1 1299 - 4.8500000000000000e+01 -2 -3 1300 235. - - 4.8253452777862549e-01 -8.0779984593391418e-02 - -9.4696474075317383e-01 9.1954904794692993e-01 - <_> - 3.6136314392089844e+01 - - 1 2 1301 7.6150000000000000e+02 0 -1 1302 - 1.3500000000000000e+01 -2 -3 1303 3.7500000000000000e+01 - - 4.7050821781158447e-01 -6.8645346164703369e-01 - 1.8845686316490173e-01 -6.1942416429519653e-01 - <_> - 3.6255367279052734e+01 - - 1 2 1304 2.5500000000000000e+01 0 -1 1305 - 9.5000000000000000e+00 -2 -3 1306 2.4243500000000000e+04 - - -8.6751174926757812e-01 1. 1.1905297636985779e-01 - -7.7261626720428467e-01 - <_> - 3.6847282409667969e+01 - - 1 2 1307 2.5245000000000000e+03 0 -1 1308 - 1.2500000000000000e+01 -2 -3 1309 19. - - 1.8480798602104187e-01 -4.1162934899330139e-01 - -7.0126670598983765e-01 5.9191262722015381e-01 - <_> - 3.6736129760742188e+01 - - 1 2 1310 1.9500000000000000e+01 0 -1 1311 - 3.5000000000000000e+00 -2 -3 1312 9.9500000000000000e+01 - - -4.2743122577667236e-01 3.4077543020248413e-01 - -5.2904611825942993e-01 6.4898627996444702e-01 - <_> - 3.7165416717529297e+01 - - 1 2 1313 57. 0 -1 1314 7.5000000000000000e+00 -2 -3 1315 - 1.4750000000000000e+02 - - -2.9288327693939209e-01 4.2928928136825562e-01 - -5.1645982265472412e-01 3.7259963154792786e-01 - <_> - 3.6963829040527344e+01 - - 1 2 1316 1.5000000000000000e+00 0 -1 1317 - 1.5000000000000000e+00 -2 -3 1318 2.5550000000000000e+02 - - -4.8823645710945129e-01 6.1563092470169067e-01 - 6.7905879020690918e-01 -2.7743032574653625e-01 - <_> - 3.6947120666503906e+01 - - 1 2 1319 1.1545000000000000e+03 0 -1 1320 2066. -2 -3 1321 - 7.7350000000000000e+02 - - -7.2975975275039673e-01 6.6057509183883667e-01 - 6.6289925575256348e-01 -1.6708238050341606e-02 - <_> - 3.6795619964599609e+01 - - 1 2 1322 63. 0 -1 1323 5.7500000000000000e+01 -2 -3 1324 - 2.8500000000000000e+01 - - -1.5150213241577148e-01 3.7273296713829041e-01 - -8.2537877559661865e-01 8.6949664354324341e-01 - <_> - 3.7259391784667969e+01 - - 1 2 1325 1.0500000000000000e+01 0 -1 1326 - 1.6500000000000000e+01 -2 -3 1327 346. - - 4.6377313137054443e-01 -7.5801903009414673e-01 - -3.5662418603897095e-01 9.6071028709411621e-01 - <_> - 3.7495296478271484e+01 - - 1 2 1328 6.0500000000000000e+01 0 -1 1329 - 1.5500000000000000e+01 -2 -3 1330 2.6850000000000000e+02 - - 5.3055459260940552e-01 -6.3604164123535156e-01 - -6.7990607023239136e-01 2.4123270809650421e-01 - <_> - 3.7374149322509766e+01 - - 1 2 1331 2.5000000000000000e+00 0 -1 1332 - 1.3500000000000000e+01 -2 -3 1333 2.5000000000000000e+00 - - -9.0581423044204712e-01 5.8284395933151245e-01 - 3.0152860283851624e-01 -3.4942194819450378e-01 - <_> - 3.7766971588134766e+01 - - 1 2 1334 5.5000000000000000e+00 0 -1 1335 23. -2 -3 1336 - 3.0250000000000000e+02 - - -9.5462155342102051e-01 1. 3.9282312989234924e-01 - -1.1600174754858017e-01 - <_> - 3.8006900787353516e+01 - - 1 2 1337 3955. 0 -1 1338 1.6500000000000000e+01 -2 -3 1339 - 3.8500000000000000e+01 - - 3.4476998448371887e-01 -5.3807318210601807e-01 - -6.4139670133590698e-01 3.3075565099716187e-01 - <_> - 3.7836151123046875e+01 - - 1 2 1340 1.4500000000000000e+01 0 -1 1341 - 4.2050000000000000e+02 -2 -3 1342 4.5000000000000000e+00 - - 6.6126942634582520e-02 -8.9179468154907227e-01 - 2.5128620862960815e-01 -4.3012529611587524e-01 - <_> - 3.7504901885986328e+01 - - 1 2 1343 3.5000000000000000e+00 0 -1 1344 - 2.1500000000000000e+01 -2 -3 1345 3.6500000000000000e+01 - - -6.9118273258209229e-01 5.3941005468368530e-01 - 4.0820264816284180e-01 -3.3124980330467224e-01 - <_> - 3.7869743347167969e+01 - - 1 2 1346 8.5000000000000000e+00 0 -1 1347 8240. -2 -3 1348 - 1.8500000000000000e+01 - - -1.8303586402907968e-03 -7.9149729013442993e-01 - 3.6484044790267944e-01 -2.6800584793090820e-01 - <_> - 3.7688228607177734e+01 - - 1 2 1349 1.2135000000000000e+03 0 -1 1350 75. -2 -3 1351 - 5.6750000000000000e+02 - - -3.7686902284622192e-01 5.8311319351196289e-01 - 7.0945566892623901e-01 -1.8151518702507019e-01 - <_> - 3.7513351440429688e+01 - - 1 2 1352 3.5000000000000000e+00 0 -1 1353 35. -2 -3 1354 - 1.1500000000000000e+01 - - -9.6617668867111206e-01 1. 4.0123063325881958e-01 - -1.7487519979476929e-01 - <_> - 3.7691390991210938e+01 - - 1 2 1355 2.3050000000000000e+02 0 -1 1356 - 1.1500000000000000e+01 -2 -3 1357 2.8500000000000000e+01 - - -5.4078394174575806e-01 1.7803618311882019e-01 - 6.0750162601470947e-01 -9.6443849802017212e-01 - <_> - 3.8156455993652344e+01 - - 1 2 1358 6.5000000000000000e+00 0 -1 1359 - 1.0500000000000000e+01 -2 -3 1360 354. - - 4.6506500244140625e-01 -3.7838381528854370e-01 - -3.8703271746635437e-01 5.6163036823272705e-01 - <_> - 3.8427524566650391e+01 - - 1 2 1361 1.2500000000000000e+01 0 -1 1362 - 4.5000000000000000e+00 -2 -3 1363 449. - - 5.1386022567749023e-01 -6.1507451534271240e-01 - 3.0157905817031860e-01 -6.5344727039337158e-01 - <_> - 3.8548820495605469e+01 - - 1 2 1364 5.0000000000000000e-01 0 -1 1365 - 1.5000000000000000e+00 -2 -3 1366 3.8950000000000000e+02 - - -3.3223056793212891e-01 5.4063457250595093e-01 - 9.0788081288337708e-02 -5.4981482028961182e-01 - <_> - 3.8257041931152344e+01 - - 1 2 1367 1.6650000000000000e+02 0 -1 1368 - 5.0000000000000000e-01 -2 -3 1369 7.6500000000000000e+01 - - 2.8060472011566162e-01 -2.9178059101104736e-01 - -7.8990536928176880e-01 9.2143142223358154e-01 - <_> - 3.8675960540771484e+01 - - 1 2 1370 1.8500000000000000e+01 0 -1 1371 - 2.3500000000000000e+01 -2 -3 1372 4.5000000000000000e+00 - - -5.0728912465274334e-03 -8.4625685214996338e-01 - 4.8941537737846375e-01 -1.3043193519115448e-01 - <_> - 3.9024429321289062e+01 - - 1 2 1373 8.5000000000000000e+00 0 -1 1374 - 8.1295000000000000e+03 -2 -3 1375 1.1250000000000000e+02 - - 1.5426757931709290e-01 -7.5539046525955200e-01 - -3.0081889033317566e-01 3.4846922755241394e-01 - <_> - 3.8698005676269531e+01 - - 1 2 1376 9.5000000000000000e+00 0 -1 1377 - 5.5000000000000000e+00 -2 -3 1378 3.4500000000000000e+01 - - -7.7566885948181152e-01 5.3590404987335205e-01 - -3.2642310857772827e-01 3.3310726284980774e-01 - <_> - 3.8178993225097656e+01 - - 1 2 1379 2.6450000000000000e+02 0 -1 1380 - 4.6255000000000000e+03 -2 -3 1381 1.5000000000000000e+00 - - -3.2790592312812805e-01 3.8349342346191406e-01 - 3.5417640209197998e-01 -5.1901257038116455e-01 - <_> - 3.8603790283203125e+01 - - 1 2 1382 7.7450000000000000e+02 0 -1 1383 - 5.4450000000000000e+02 -2 -3 1384 4.9500000000000000e+01 - - 4.2479729652404785e-01 -6.4129936695098877e-01 - -3.8530099391937256e-01 4.2106175422668457e-01 - <_> - 3.9316322326660156e+01 - - 1 2 1385 1.2285000000000000e+03 0 -1 1386 19974. -2 -3 1387 - 2.0675000000000000e+03 - - -3.2134270668029785e-01 6.0310727357864380e-01 - 7.1253037452697754e-01 -1.8411901593208313e-01 - <_> - 3.8982051849365234e+01 - - 1 2 1388 2254. 0 -1 1389 23971. -2 -3 1390 - 2.5000000000000000e+00 - - 1.3044491410255432e-02 8.1400823593139648e-01 - 3.9543354511260986e-01 -4.9717214703559875e-01 - <_> - 3.9231285095214844e+01 - - 1 2 1391 7888. 0 -1 1392 1.2500000000000000e+01 -2 -3 1393 - 6.5000000000000000e+00 - - -9.9114888906478882e-01 1. 2.4923273921012878e-01 - -3.9778175950050354e-01 - <_> - 3.9200939178466797e+01 - - 1 2 1394 8.2500000000000000e+01 0 -1 1395 - 2.5000000000000000e+00 -2 -3 1396 2.7500000000000000e+01 - - 5.9092748165130615e-01 -6.6723209619522095e-01 - 4.0493550896644592e-01 -2.8249517083168030e-01 - <_> - 3.9109848022460938e+01 - - 1 2 1397 1.0500000000000000e+01 0 -1 1398 - 3.4150000000000000e+02 -2 -3 1399 1.5000000000000000e+00 - - 1.1704797297716141e-01 -7.8680926561355591e-01 - 5.4690092802047729e-01 -9.1091230511665344e-02 - <_> - 3.9430786132812500e+01 - - 1 2 1400 7.5000000000000000e+00 0 -1 1401 - 5.6350000000000000e+02 -2 -3 1402 9.5000000000000000e+00 - - 1. -1. 5.3584295511245728e-01 -1.1434395611286163e-01 - <_> - 3.9888351440429688e+01 - - 1 2 1403 576. 0 -1 1404 2.3765000000000000e+03 -2 -3 1405 - 1.8500000000000000e+01 - - 9.3801420927047729e-01 -7.2940248250961304e-01 - -9.7766503691673279e-02 4.5756503939628601e-01 - <_> - 3.9605831146240234e+01 - - 1 2 1406 5.5000000000000000e+00 0 -1 1407 - 6.5000000000000000e+00 -2 -3 1408 1.7500000000000000e+01 - - -9.3598860502243042e-01 6.3315272331237793e-01 - 1.0997077822685242e-01 -4.5688989758491516e-01 - <_> - 4.0259593963623047e+01 - - 1 2 1409 1.2785000000000000e+03 0 -1 1410 - 5.0000000000000000e-01 -2 -3 1411 1.0150000000000000e+02 - - 2.8614109754562378e-01 -3.0422577261924744e-01 - -5.3765338659286499e-01 7.5021845102310181e-01 - <_> - 4.0646686553955078e+01 - - 1 2 1412 9.3750000000000000e+02 0 -1 1413 - 2.5500000000000000e+01 -2 -3 1414 6.4650000000000000e+02 - - -1.8467088043689728e-01 3.8709565997123718e-01 -1. 1. - <_> - 4.0781440734863281e+01 - - 1 2 1415 5.0000000000000000e-01 0 -1 1416 62. -2 -3 1417 - 5.3500000000000000e+01 - - 6.4194250106811523e-01 -6.9881826639175415e-01 - -3.3652466535568237e-01 2.9932817816734314e-01 - <_> - 4.0840915679931641e+01 - - 1 2 1418 2.5000000000000000e+00 0 -1 1419 13192. -2 -3 1420 - 2.4950000000000000e+02 - - -9.9075198173522949e-01 8.7482362985610962e-01 - 2.9631823301315308e-01 -2.0155780017375946e-01 - <_> - 4.1011356353759766e+01 - - 1 2 1421 4.8150000000000000e+02 0 -1 1422 - 1.0450000000000000e+02 -2 -3 1423 8.5000000000000000e+00 - - -2.5319704785943031e-02 -7.4390411376953125e-01 - -8.1089955568313599e-01 7.6437503099441528e-01 - <_> - 4.0876789093017578e+01 - - 1 2 1424 5.5000000000000000e+00 0 -1 1425 - 2.5000000000000000e+00 -2 -3 1426 1.5000000000000000e+00 - - 1. -9.8024749755859375e-01 3.7663710117340088e-01 - -1.3456873595714569e-01 - <_> - 4.0677371978759766e+01 - - 1 2 1427 2.1500000000000000e+01 0 -1 1428 - 1.1125000000000000e+03 -2 -3 1429 2.3500000000000000e+01 - - 4.5568805187940598e-02 -8.6155319213867188e-01 - 3.0837088823318481e-01 -1.9941620528697968e-01 - <_> - 4.0941162109375000e+01 - - 1 2 1430 9.4500000000000000e+01 0 -1 1431 447. -2 -3 1432 - 8.9500000000000000e+01 - - 2.0531620085239410e-01 -6.4759564399719238e-01 - 2.6378956437110901e-01 -6.0503029823303223e-01 - <_> - 4.0695613861083984e+01 - - 1 2 1433 8.1450000000000000e+02 0 -1 1434 - 9.9250000000000000e+02 -2 -3 1435 2.1450000000000000e+02 - - -6.1355805397033691e-01 3.9234723895788193e-02 - 4.3808567523956299e-01 -7.3097014427185059e-01 - <_> - 4.1197418212890625e+01 - - 1 2 1436 1.8769500000000000e+04 0 -1 1437 1329. -2 -3 1438 - 5.4500000000000000e+01 - - 5.0180602073669434e-01 -3.4298053383827209e-01 - 6.9242316484451294e-01 -3.7215092778205872e-01 - <_> - 4.1157611846923828e+01 - - 1 2 1439 3.1500000000000000e+01 0 -1 1440 - 1.8500000000000000e+01 -2 -3 1441 1.5000000000000000e+00 - - 6.7518281936645508e-01 -7.6596146821975708e-01 - 5.7309043407440186e-01 -3.9805334061384201e-02 - <_> - 4.0718166351318359e+01 - - 1 2 1442 9.3500000000000000e+01 0 -1 1443 - 8.5000000000000000e+00 -2 -3 1444 1.6950000000000000e+02 - - 7.0507103204727173e-01 -4.3868264555931091e-01 - 4.2583593726158142e-01 -4.3944749236106873e-01 - <_> - 4.1168849945068359e+01 - - 1 2 1445 1.5000000000000000e+00 0 -1 1446 - 1.5500000000000000e+01 -2 -3 1447 5.0000000000000000e-01 - - -5.8355963230133057e-01 8.2266020774841309e-01 - 4.5068329572677612e-01 -1.3382685184478760e-01 - <_> - 4.1473163604736328e+01 - - 1 2 1448 5.6500000000000000e+01 0 -1 1449 - 3.3500000000000000e+01 -2 -3 1450 2.1550000000000000e+02 - - 2.5085982680320740e-01 -3.7931889295578003e-01 - 6.7997491359710693e-01 -1. - <_> - 4.1634220123291016e+01 - - 1 2 1451 5.4500000000000000e+01 0 -1 1452 - 9.5000000000000000e+00 -2 -3 1453 1.7250000000000000e+02 - - -7.9712128639221191e-01 8.5313194990158081e-01 - 1.6105654835700989e-01 -9.5611929893493652e-01 - <_> - 4.1978507995605469e+01 - - 1 2 1454 1.1615000000000000e+03 0 -1 1455 - 2.0525000000000000e+03 -2 -3 1456 5.8650000000000000e+02 - - -7.1788591146469116e-01 4.8950648307800293e-01 - 4.8551353812217712e-01 -1.9422738254070282e-01 - <_> - 4.2004768371582031e+01 - - 1 2 1457 4.6500000000000000e+01 0 -1 1458 - 3.5000000000000000e+00 -2 -3 1459 7.0350000000000000e+02 - - 3.9823031425476074e-01 -6.6477078199386597e-01 - -1.1496587097644806e-01 4.9930962920188904e-01 - <_> - 4.1885951995849609e+01 - - 1 2 1460 4.4500000000000000e+01 0 -1 1461 - 3.5000000000000000e+00 -2 -3 1462 4. - - 4.4042432308197021e-01 -1.1881566792726517e-01 - 8.4207451343536377e-01 -8.6268407106399536e-01 - <_> - 4.2072120666503906e+01 - - 1 2 1463 2.0500000000000000e+01 0 -1 1464 10. -2 -3 1465 - 5.5000000000000000e+00 - - -9.8040562868118286e-01 1. 3.3258756995201111e-01 - -1.7096966505050659e-01 - <_> - 4.2217323303222656e+01 - - 1 2 1466 1.3500000000000000e+01 0 -1 1467 47. -2 -3 1468 - 1.3325000000000000e+03 - - -6.6619759798049927e-01 5.1798510551452637e-01 - -1.2162621133029461e-03 7.3543995618820190e-01 - <_> - 4.2318325042724609e+01 - - 1 2 1469 4.5000000000000000e+00 0 -1 1470 - 1.9500000000000000e+01 -2 -3 1471 1.5585000000000000e+03 - - -9.6737003326416016e-01 6.0924607515335083e-01 - 5.8938968181610107e-01 -2.8636392951011658e-01 - <_> - 4.2444244384765625e+01 - - 1 2 1472 2.7500000000000000e+01 0 -1 1473 - 1.8247500000000000e+04 -2 -3 1474 6.5605000000000000e+03 - - -1.1921727657318115e-01 4.3995112180709839e-01 - -7.6667350530624390e-01 4.6777427196502686e-01 - <_> - 4.2317867279052734e+01 - - 1 2 1475 4.5000000000000000e+00 0 -1 1476 15. -2 -3 1477 - 3.2500000000000000e+01 - - -9.6039277315139771e-01 1. 3.9408209919929504e-01 - -1.2637579441070557e-01 - <_> - 4.2575748443603516e+01 - - 1 2 1478 367. 0 -1 1479 2578. -2 -3 1480 - 2.0050000000000000e+02 - - 5.2356463670730591e-01 -6.4678192138671875e-01 - 3.1403809785842896e-01 -3.7955451011657715e-01 - <_> - 4.2238155364990234e+01 - - 1 2 1481 5.4500000000000000e+01 0 -1 1482 - 1.8450000000000000e+02 -2 -3 1483 5.6550000000000000e+02 - - -7.5117689371109009e-01 3.9905190467834473e-01 - 1.0141634941101074e-01 -6.3857173919677734e-01 - <_> - 4.2032226562500000e+01 - - 1 2 1484 3.5500000000000000e+01 0 -1 1485 - 1.1500000000000000e+01 -2 -3 1486 4.2500000000000000e+01 - - -6.1570602655410767e-01 3.6179527640342712e-01 - 4.0053242444992065e-01 -2.0592956244945526e-01 - <_> - 4.2406646728515625e+01 - - 1 2 1487 3.6150000000000000e+02 0 -1 1488 - 7.6500000000000000e+01 -2 -3 1489 2.5000000000000000e+00 - - 2.1660387516021729e-01 -3.7647891044616699e-01 - 6.7929941415786743e-01 -8.0690664052963257e-01 - <_> - 4.2598564147949219e+01 - - 1 2 1490 3.2350000000000000e+02 0 -1 1491 - 9.5000000000000000e+00 -2 -3 1492 1.0350000000000000e+02 - - 2.8338834643363953e-01 -2.8749933838844299e-01 - -4.2244365811347961e-01 8.4098398685455322e-01 - <_> - 4.2448162078857422e+01 - - 1 2 1493 6.8500000000000000e+01 0 -1 1494 - 1.9500000000000000e+01 -2 -3 1495 2.8500000000000000e+01 - - 4.4642934203147888e-01 -8.8521170616149902e-01 - 3.8606628775596619e-01 -1.5039834380149841e-01 - <_> - 4.2684196472167969e+01 - - 1 2 1496 1.1350000000000000e+02 0 -1 1497 - 1.2195000000000000e+03 -2 -3 1498 465. - - -3.4444883465766907e-01 2.3603120446205139e-01 - 7.6531344652175903e-01 -3.9807590842247009e-01 - <_> - 4.2983776092529297e+01 - - 1 2 1499 1.5725000000000000e+03 0 -1 1500 - 7.6500000000000000e+01 -2 -3 1501 5.5000000000000000e+00 - - -3.2652869820594788e-01 2.9957908391952515e-01 - 3.3552268147468567e-01 -7.9458123445510864e-01 - <_> - 4.3334823608398438e+01 - - 1 2 1502 2.2500000000000000e+01 0 -1 1503 - 1.5000000000000000e+00 -2 -3 1504 9.5000000000000000e+00 - - -5.7209235429763794e-01 3.5104992985725403e-01 - 3.1476601958274841e-02 -5.8574450016021729e-01 - <_> - 4.3509834289550781e+01 - - 1 2 1505 51199. 0 -1 1506 5.5950000000000000e+02 -2 -3 1507 - 9.3125000000000000e+03 - - 3.0665323138237000e-01 -1.8138632178306580e-01 - -9.8618561029434204e-01 1. - <_> - 4.3432380676269531e+01 - - 1 2 1508 2.3365000000000000e+03 0 -1 1509 1614. -2 -3 1510 - 2.9285000000000000e+03 - - -6.6426819562911987e-01 5.2347922325134277e-01 - 6.3229858875274658e-01 -7.7455088496208191e-02 - <_> - 4.3682022094726562e+01 - - 1 2 1511 1.4850000000000000e+02 0 -1 1512 - 3.4500000000000000e+01 -2 -3 1513 4351. - - -4.1966313123703003e-01 2.4964161217212677e-01 - -9.2960160970687866e-01 -1.1052240431308746e-01 - <_> - 4.3838462829589844e+01 - - 1 2 1514 1.5000000000000000e+00 0 -1 1515 - 5.6150000000000000e+02 -2 -3 1516 2.5215000000000000e+03 - - -7.1278488636016846e-01 4.3191543221473694e-01 - -4.5729264616966248e-01 2.2259603440761566e-01 - <_> - 4.3913276672363281e+01 - - 1 2 1517 452. 0 -1 1518 1.5850000000000000e+02 -2 -3 1519 - 3.6500000000000000e+01 - - 2.7823349833488464e-01 -4.4655042886734009e-01 - -7.6742780208587646e-01 1.3798709213733673e-01 - <_> - 4.3755275726318359e+01 - - 1 2 1520 1.2150000000000000e+02 0 -1 1521 - 6.1500000000000000e+01 -2 -3 1522 2.4150000000000000e+02 - - 5.8016028255224228e-02 -5.8355945348739624e-01 - -6.6341340541839600e-01 4.4974878430366516e-01 - <_> - 4.3783382415771484e+01 - - 1 2 1523 1.0750000000000000e+02 0 -1 1524 - 4.5000000000000000e+00 -2 -3 1525 1080. - - 1.8615058064460754e-01 -4.8687478899955750e-01 - 4.3972969055175781e-01 -9.3779921531677246e-01 - <_> - 4.3861518859863281e+01 - - 1 2 1526 8.6500000000000000e+01 0 -1 1527 - 1.5000000000000000e+00 -2 -3 1528 1.1050000000000000e+02 - - 4.7667163610458374e-01 -4.0568494796752930e-01 - -6.4215010404586792e-01 2.9706746339797974e-02 - <_> - 4.4278926849365234e+01 - - 1 2 1529 1.7500000000000000e+01 0 -1 1530 - 1.4500000000000000e+01 -2 -3 1531 7.5500000000000000e+01 - - -6.9139021635055542e-01 6.4281481504440308e-01 - 1.8875285983085632e-02 8.0112278461456299e-01 - <_> - 4.4180038452148438e+01 - - 1 2 1532 1.3500000000000000e+01 0 -1 1533 - 3.7500000000000000e+01 -2 -3 1534 5.5000000000000000e+00 - - -5.8149468898773193e-01 3.6302325129508972e-01 - 2.1482136845588684e-01 -4.8260265588760376e-01 - <_> - 4.4126861572265625e+01 - - 1 2 1535 1.1500000000000000e+01 0 -1 1536 - 4.1450000000000000e+02 -2 -3 1537 448. - - 6.4174473285675049e-01 -5.1509088277816772e-01 - 3.2752755284309387e-01 -4.6536535024642944e-01 - <_> - 4.4402042388916016e+01 - - 1 2 1538 2.3500000000000000e+01 0 -1 1539 - 1.5000000000000000e+00 -2 -3 1540 1.2750000000000000e+02 - - 4.6208882704377174e-03 -7.9509699344635010e-01 - 2.7518290281295776e-01 -5.4167103767395020e-01 - <_> - 4.4075366973876953e+01 - - 1 2 1541 5.0000000000000000e-01 0 -1 1542 - 1.1500000000000000e+01 -2 -3 1543 1.1150000000000000e+02 - - -6.2465864419937134e-01 6.2209093570709229e-01 - -4.6270170807838440e-01 1.2467093765735626e-01 - <_> - 4.4579692840576172e+01 - - 1 2 1544 1.8500000000000000e+01 0 -1 1545 - 6.9500000000000000e+01 -2 -3 1546 4.0500000000000000e+01 - - 5.0432658195495605e-01 -1.5816394984722137e-01 - -6.3987523317337036e-01 1.9685916602611542e-01 - <_> - 4.4788379669189453e+01 - - 1 2 1547 1.2850000000000000e+02 0 -1 1548 - 1.3644850000000000e+05 -2 -3 1549 4.5000000000000000e+00 - - -1.3887935876846313e-01 -8.6476135253906250e-01 - 5.3407603502273560e-01 -1.0505830496549606e-01 - <_> - 4.4465953826904297e+01 - - 1 2 1550 1.0077500000000000e+04 0 -1 1551 - 1.9500000000000000e+01 -2 -3 1552 2.8365000000000000e+03 - - 1.8253329396247864e-01 -5.4899621009826660e-01 - 7.3290371894836426e-01 -1.2869638204574585e-01 - <_> - 4.4705356597900391e+01 - - 1 2 1553 7.0500000000000000e+01 0 -1 1554 - 2.6950000000000000e+02 -2 -3 1555 1.0050000000000000e+02 - - 1.6822533309459686e-01 -6.7410588264465332e-01 - 2.3940414190292358e-01 -7.4502784013748169e-01 - <_> - 4.4884269714355469e+01 - - 1 2 1556 1680. 0 -1 1557 7.5000000000000000e+00 -2 -3 1558 - 3.5850000000000000e+02 - - 2.8662183880805969e-01 -9.1832697391510010e-01 - 1.7891472578048706e-01 -5.9693121910095215e-01 - <_> - 4.4728557586669922e+01 - - 1 2 1559 1.7555000000000000e+03 0 -1 1560 19. -2 -3 1561 - 2332. - - -5.2603626251220703e-01 7.1634864807128906e-01 - -6.1052620410919189e-01 -4.9342345446348190e-03 - <_> - 4.4819171905517578e+01 - - 1 2 1562 1.3750000000000000e+02 0 -1 1563 - 1.5750000000000000e+02 -2 -3 1564 1.3050000000000000e+02 - - -6.0166075825691223e-02 5.8633291721343994e-01 - -8.1866687536239624e-01 1. - <_> - 4.4643035888671875e+01 - - 1 2 1565 6.3500000000000000e+01 0 -1 1566 - 1.9500000000000000e+01 -2 -3 1567 552. - - -7.2267347574234009e-01 2.3417486250400543e-01 - 4.9026021361351013e-01 -6.2466406822204590e-01 - <_> - 4.4639259338378906e+01 - - 1 2 1568 3.5000000000000000e+00 0 -1 1569 - 2.4500000000000000e+01 -2 -3 1570 8.2150000000000000e+02 - - -3.5061278939247131e-01 4.3918311595916748e-01 - 4.6116840094327927e-02 -6.6601943969726562e-01 - <_> - 4.4594688415527344e+01 - - 1 2 1571 1.3500000000000000e+01 0 -1 1572 - 8.5000000000000000e+00 -2 -3 1573 2.1500000000000000e+01 - - -2.5554552674293518e-02 -8.3599025011062622e-01 - 6.3880258798599243e-01 -4.4572211802005768e-02 - <_> - 4.4976432800292969e+01 - - 1 2 1574 9.0350000000000000e+02 0 -1 1575 - 2.0500000000000000e+01 -2 -3 1576 1.2615000000000000e+03 - - 3.8174423575401306e-01 -2.4711053073406219e-01 - -7.3085212707519531e-01 1.3097274303436279e-01 - <_> - 4.5154560089111328e+01 - - 1 2 1577 3.2500000000000000e+01 0 -1 1578 41. -2 -3 1579 - 1153. - - 1.3735578954219818e-01 -9.0119731426239014e-01 - -8.0212074518203735e-01 1.7812842130661011e-01 - <_> - 4.5438049316406250e+01 - - 1 2 1580 3.4500000000000000e+01 0 -1 1581 - 1.4500000000000000e+01 -2 -3 1582 1.8650000000000000e+02 - - 7.1418809890747070e-01 -4.1756910085678101e-01 - 3.2309561967849731e-01 -6.6359835863113403e-01 - <_> - 4.5376655578613281e+01 - - 1 2 1583 5.7500000000000000e+01 0 -1 1584 - 3.4835000000000000e+03 -2 -3 1585 1.6677500000000000e+04 - - 9.3545570969581604e-02 -6.6382712125778198e-01 - -6.0366630554199219e-01 3.5915172100067139e-01 - <_> - 4.5476417541503906e+01 - - 1 2 1586 1.2235000000000000e+03 0 -1 1587 - 5.0000000000000000e-01 -2 -3 1588 2.0550000000000000e+02 - - 9.9763244390487671e-02 -5.6198817491531372e-01 - 5.3732144832611084e-01 -2.9778870940208435e-01 - <_> - 4.5174198150634766e+01 - - 1 2 1589 2.5750000000000000e+02 0 -1 1590 - 3.4500000000000000e+01 -2 -3 1591 4.5000000000000000e+00 - - -5.3968584537506104e-01 9.1056388616561890e-01 - 2.8303310275077820e-01 -3.0222162604331970e-01 - <_> - 4.5571937561035156e+01 - - 1 2 1592 3.5500000000000000e+01 0 -1 1593 - 2.5000000000000000e+00 -2 -3 1594 9.5000000000000000e+00 - - 8.1757766008377075e-01 -9.3560528755187988e-01 - 4.8287272453308105e-01 -1.0781970620155334e-01 - <_> - 4.5820465087890625e+01 - - 1 2 1595 2.6500000000000000e+01 0 -1 1596 - 9.5000000000000000e+00 -2 -3 1597 64. - - 1.6339369118213654e-01 -4.8592147231101990e-01 - -8.0971640348434448e-01 4.2723599076271057e-01 - <_> - 4.5875530242919922e+01 - - 1 2 1598 4.8150000000000000e+02 0 -1 1599 - 1.9285000000000000e+03 -2 -3 1600 1.1625000000000000e+03 - - -7.9999005794525146e-01 1.8668703734874725e-01 - 6.2736529111862183e-01 -1.2364284694194794e-01 - <_> - 4.6327709197998047e+01 - - 1 2 1601 8.9450000000000000e+02 0 -1 1602 - 1.5000000000000000e+00 -2 -3 1603 6634. - - 1.7092481255531311e-02 -6.5232801437377930e-01 - 5.6317013502120972e-01 -4.4582167267799377e-01 - <_> - 4.6148258209228516e+01 - - 1 2 1604 43039. 0 -1 1605 1.5500000000000000e+01 -2 -3 1606 - 3.8225000000000000e+03 - - -1. 4.9083131551742554e-01 -3.1666326522827148e-01 - 6.4053624868392944e-01 - <_> - 4.6105995178222656e+01 - - 1 2 1607 3.5000000000000000e+00 0 -1 1608 21. -2 -3 1609 - 2.6500000000000000e+01 - - -9.7276186943054199e-01 1. 3.7125155329704285e-01 - -1.5020866692066193e-01 - <_> - 4.6445560455322266e+01 - - 1 2 1610 1.4450000000000000e+02 0 -1 1611 - 1.0500000000000000e+01 -2 -3 1612 6.4500000000000000e+01 - - 5.7516593486070633e-02 -5.1498800516128540e-01 - 8.0552762746810913e-01 -1. - <_> - 4.6819828033447266e+01 - - 1 2 1613 8.8500000000000000e+01 0 -1 1614 - 5.0000000000000000e-01 -2 -3 1615 3.1500000000000000e+01 - - 2.4280284345149994e-01 -5.9024065732955933e-01 - 4.4487208127975464e-01 -1.7842440307140350e-01 - <_> - 4.6427459716796875e+01 - - 1 2 1616 3.1500000000000000e+01 0 -1 1617 - 3.6500000000000000e+01 -2 -3 1618 1.1135000000000000e+03 - - -3.8508945703506470e-01 5.4531073570251465e-01 - -3.9237090945243835e-01 5.3639191389083862e-01 - <_> - 4.6388378143310547e+01 - - 1 2 1619 1.3495000000000000e+03 0 -1 1620 - 1.2865000000000000e+03 -2 -3 1621 1.5000000000000000e+00 - - -3.9079591631889343e-02 7.2226065397262573e-01 - 1.6772003471851349e-01 -8.0866611003875732e-01 - <_> - 4.6664485931396484e+01 - - 1 2 1622 5.7650000000000000e+02 0 -1 1623 38772. -2 -3 1624 - 3.5000000000000000e+00 - - -6.7578887939453125e-01 4.5766559243202209e-01 - 3.2720005512237549e-01 -3.8240414857864380e-01 - <_> - 4.6878482818603516e+01 - - 1 2 1625 1.6500000000000000e+01 0 -1 1626 - 3.1050000000000000e+02 -2 -3 1627 1.9500000000000000e+01 - - 3.3941693603992462e-02 -8.9211910963058472e-01 - -7.0304632186889648e-01 2.1399846673011780e-01 - <_> - 4.6925651550292969e+01 - - 1 2 1628 1.0285000000000000e+03 0 -1 1629 - 2.7950000000000000e+02 -2 -3 1630 9.5000000000000000e+00 - - 4.1127714514732361e-01 -1.3439148664474487e-01 - -7.5179332494735718e-01 3.4586694836616516e-01 - <_> - 4.7010379791259766e+01 - - 1 2 1631 2.4500000000000000e+01 0 -1 1632 - 1.1265000000000000e+03 -2 -3 1633 5.5000000000000000e+00 - - -5.5471497774124146e-01 8.4728397428989410e-02 - -6.6250604391098022e-01 5.0282490253448486e-01 - <_> - 4.7003398895263672e+01 - - 1 2 1634 5.5000000000000000e+00 0 -1 1635 - 1.3500000000000000e+01 -2 -3 1636 5.3500000000000000e+01 - - -6.1465358734130859e-01 5.2310514450073242e-01 - -6.9816145114600658e-03 -6.2556844949722290e-01 - <_> - 4.7450687408447266e+01 - - 1 2 1637 8.5000000000000000e+00 0 -1 1638 - 1.9500000000000000e+01 -2 -3 1639 7.3500000000000000e+01 - - 1.8994300067424774e-01 -5.1936614513397217e-01 - -5.1978632807731628e-02 5.4172980785369873e-01 - <_> - 4.7289505004882812e+01 - - 1 2 1640 4.5000000000000000e+00 0 -1 1641 - 5.0000000000000000e-01 -2 -3 1642 7.9500000000000000e+01 - - -9.3673211336135864e-01 4.2628908157348633e-01 - -6.1518812179565430e-01 3.8786195218563080e-02 - <_> - 4.7609291076660156e+01 - - 1 2 1643 9.0500000000000000e+01 0 -1 1644 - 1.7500000000000000e+01 -2 -3 1645 5.5500000000000000e+01 - - 2.5377960875630379e-02 8.4010601043701172e-01 - -5.5201697349548340e-01 9.3266852200031281e-02 - <_> - 4.6873203277587891e+01 - - 1 2 1646 181. 0 -1 1647 3.2500000000000000e+01 -2 -3 1648 - 1.5500000000000000e+01 - - -2.4539522826671600e-01 3.0167981982231140e-01 - -7.8757899999618530e-01 1. - <_> - 4.7333202362060547e+01 - - 1 2 1649 3.5000000000000000e+00 0 -1 1650 - 3.6450000000000000e+02 -2 -3 1651 131. - - 4.5999684929847717e-01 -8.5532951354980469e-01 - -7.6767379045486450e-01 -4.0166407823562622e-02 - <_> - 4.7809810638427734e+01 - - 1 2 1652 2.3415000000000000e+03 0 -1 1653 - 5.5550000000000000e+02 -2 -3 1654 7.8650000000000000e+02 - - 1.0606591403484344e-01 -7.2960245609283447e-01 - 4.7661080956459045e-01 -1.5633082389831543e-01 - <_> - 4.8187953948974609e+01 - - 1 2 1655 5.0500000000000000e+01 0 -1 1656 - 2.7500000000000000e+01 -2 -3 1657 4.6500000000000000e+01 - - -3.6588409543037415e-01 2.0847728848457336e-01 - 5.3038245439529419e-01 -9.1906154155731201e-01 - <_> - 4.8385017395019531e+01 - - 1 2 1658 2.5000000000000000e+00 0 -1 1659 - 5.0000000000000000e-01 -2 -3 1660 5.0000000000000000e-01 - - -8.3917874097824097e-01 3.5120227932929993e-01 - 4.4822514057159424e-02 -5.4643929004669189e-01 - <_> - 4.7983116149902344e+01 - - 1 2 1661 1.7500000000000000e+01 0 -1 1662 46. -2 -3 1663 - 4.8500000000000000e+01 - - -8.7424659729003906e-01 4.0549939870834351e-01 - -4.3008446693420410e-01 3.0111113190650940e-01 - <_> - 4.7767936706542969e+01 - - 1 2 1664 3.7250000000000000e+02 0 -1 1665 - 1.9500000000000000e+01 -2 -3 1666 1.7500000000000000e+01 - - -2.1517898142337799e-01 3.3102101087570190e-01 - -7.5989711284637451e-01 2.0524039864540100e-01 - <_> - 4.7636989593505859e+01 - - 1 2 1667 5.0000000000000000e-01 0 -1 1668 - 3.5000000000000000e+00 -2 -3 1669 2.2050000000000000e+02 - - -5.5064278841018677e-01 4.6156671643257141e-01 - -3.4933045506477356e-01 3.1964045763015747e-01 - <_> - 4.8035350799560547e+01 - - 1 2 1670 5.5000000000000000e+00 0 -1 1671 - 1.6500000000000000e+01 -2 -3 1672 1.5000000000000000e+00 - - 5.4588496685028076e-01 -5.2224334329366684e-02 1. - -9.5129132270812988e-01 - <_> - 4.8075088500976562e+01 - - 1 2 1673 5.8500000000000000e+01 0 -1 1674 - 1.7500000000000000e+01 -2 -3 1675 60. - - 3.9737168699502945e-02 -4.9285057187080383e-01 - 5.5449837446212769e-01 -5.8396834135055542e-01 - <_> - 4.8273761749267578e+01 - - 1 2 1676 5.5000000000000000e+00 0 -1 1677 - 2.4500000000000000e+01 -2 -3 1678 5.5450000000000000e+02 - - 1.7725417017936707e-01 -8.1391674280166626e-01 - -5.4412531852722168e-01 2.6674869656562805e-01 - <_> - 4.8013420104980469e+01 - - 1 2 1679 8.5000000000000000e+00 0 -1 1680 1955. -2 -3 1681 - 96. - - 1.7242313921451569e-01 -9.2252993583679199e-01 - 1.7602242529392242e-01 -6.7200791835784912e-01 - <_> - 4.8326412200927734e+01 - - 1 2 1682 3.0104500000000000e+04 0 -1 1683 - 2.8050000000000000e+02 -2 -3 1684 2.7154500000000000e+04 - - 3.1299278140068054e-01 -1.8952211737632751e-01 - -9.5317900180816650e-01 1. - <_> - 4.8304637908935547e+01 - - 1 2 1685 5.4500000000000000e+01 0 -1 1686 - 4.4650000000000000e+02 -2 -3 1687 3.5000000000000000e+00 - - 2.1255780756473541e-01 -8.1515192985534668e-01 - 6.9879400730133057e-01 -2.3700682446360588e-02 - <_> - 4.8183525085449219e+01 - - 1 2 1688 2.5000000000000000e+00 0 -1 1689 128. -2 -3 1690 - 3.5450000000000000e+02 - - -8.0286073684692383e-01 8.9803677797317505e-01 - 3.0971682071685791e-01 -2.6458665728569031e-01 - <_> - 4.8420330047607422e+01 - - 1 2 1691 4.5000000000000000e+00 0 -1 1692 1348. -2 -3 1693 - 1.6500000000000000e+01 - - 2.1627983450889587e-01 -9.3673717975616455e-01 - 2.7623519301414490e-01 -2.4342669546604156e-01 - <_> - 4.8284450531005859e+01 - - 1 2 1694 5.0350000000000000e+02 0 -1 1695 - 5.1950000000000000e+02 -2 -3 1696 7.8350000000000000e+02 - - -3.7904888391494751e-01 9.6044069528579712e-01 - 7.1280044317245483e-01 -2.8820293024182320e-02 - <_> - 4.8518047332763672e+01 - - 1 2 1697 7.3500000000000000e+01 0 -1 1698 - 1.0750000000000000e+02 -2 -3 1699 1.0508500000000000e+04 - - 2.3359699547290802e-01 -3.2509902119636536e-01 - -5.7240724563598633e-01 6.9403934478759766e-01 - <_> - 4.8881092071533203e+01 - - 1 2 1700 1.9500000000000000e+01 0 -1 1701 - 2.5000000000000000e+00 -2 -3 1702 5.7450000000000000e+02 - - 7.0620238780975342e-02 -6.4059627056121826e-01 - -5.6051510572433472e-01 3.6304420232772827e-01 - <_> - 4.8674976348876953e+01 - - 1 2 1703 1.6500000000000000e+01 0 -1 1704 2698. -2 -3 1705 - 1.8500000000000000e+01 - - -9.4122928380966187e-01 1. 3.0906781554222107e-01 - -2.2473946213722229e-01 - <_> - 4.8650527954101562e+01 - - 1 2 1706 285. 0 -1 1707 2.5000000000000000e+00 -2 -3 1708 - 2.9500000000000000e+01 - - -6.1351448297500610e-01 6.1334443092346191e-01 - -5.3962910175323486e-01 9.5953509211540222e-02 - <_> - 4.8581436157226562e+01 - - 1 2 1709 1.5000000000000000e+00 0 -1 1710 - 7.2500000000000000e+01 -2 -3 1711 2.5000000000000000e+00 - - -1.5018194913864136e-01 5.4274356365203857e-01 - 3.2649326324462891e-01 -4.6085461974143982e-01 - <_> - 4.8824050903320312e+01 - - 1 2 1712 7.5000000000000000e+00 0 -1 1713 - 1.3500000000000000e+01 -2 -3 1714 1.4750000000000000e+02 - - -9.4072926044464111e-01 4.9135723710060120e-01 - -3.6922344565391541e-01 2.8209823369979858e-01 - <_> - 4.9051761627197266e+01 - - 1 2 1715 1.2945000000000000e+03 0 -1 1716 - 2.5000000000000000e+00 -2 -3 1717 12557. - - 2.2771342098712921e-01 -3.0103012919425964e-01 - 8.6664509773254395e-01 -6.4184981584548950e-01 - <_> - 4.9400878906250000e+01 - - 1 2 1718 3.7500000000000000e+01 0 -1 1719 - 1.5000000000000000e+00 -2 -3 1720 1.7395000000000000e+03 - - 5.5372547358274460e-02 -6.4846998453140259e-01 - -5.1582384109497070e-01 3.7294328212738037e-01 - <_> - 4.9400951385498047e+01 - - 1 2 1721 1.9500000000000000e+01 0 -1 1722 - 2.7500000000000000e+01 -2 -3 1723 1.5500000000000000e+01 - - -1.0849715210497379e-02 -6.8436485528945923e-01 - -2.9969093203544617e-01 8.8249796628952026e-01 - <_> - 4.9150127410888672e+01 - - 1 2 1724 6695. 0 -1 1725 4.1995000000000000e+03 -2 -3 1726 - 3060. - - 6.0968101024627686e-01 -1.8973879516124725e-01 - 6.7397463321685791e-01 -2.9114890098571777e-01 - <_> - 4.9635650634765625e+01 - - 1 2 1727 1.2185000000000000e+03 0 -1 1728 - 6.7250000000000000e+02 -2 -3 1729 4.4500000000000000e+01 - - -3.2244133949279785e-01 8.5333442687988281e-01 - -6.7660027742385864e-01 4.8552277684211731e-01 - <_> - 4.9185047149658203e+01 - - 1 2 1730 4.6500000000000000e+01 0 -1 1731 - 1.7535000000000000e+03 -2 -3 1732 8.8500000000000000e+01 - - 1.1635149270296097e-01 -4.5060265064239502e-01 - -8.2891207933425903e-01 8.0917561054229736e-01 - <_> - 4.9572048187255859e+01 - - 1 2 1733 3.5000000000000000e+00 0 -1 1734 - 1.2500000000000000e+01 -2 -3 1735 4.4115000000000000e+03 - - -7.0214819908142090e-01 3.8700041174888611e-01 - -4.7868278622627258e-01 1.9085995852947235e-01 - <_> - 4.9520980834960938e+01 - - 1 2 1736 6.4500000000000000e+01 0 -1 1737 - 1.0850000000000000e+02 -2 -3 1738 9.5775000000000000e+03 - - -5.1066368818283081e-02 6.1802017688751221e-01 - -8.5373187065124512e-01 7.1274143457412720e-01 - <_> - 4.9744472503662109e+01 - - 1 2 1739 2.5000000000000000e+00 0 -1 1740 - 1.8500000000000000e+01 -2 -3 1741 8.5000000000000000e+00 - - -8.1709325313568115e-01 4.6844825148582458e-01 - 2.2349253296852112e-01 -4.7425210475921631e-01 - <_> - 5.0045192718505859e+01 - - 1 2 1742 1.2500000000000000e+01 0 -1 1743 - 7.5000000000000000e+00 -2 -3 1744 4.5000000000000000e+00 - - 4.9264114350080490e-02 -5.9978258609771729e-01 - 3.0072054266929626e-01 -7.8326350450515747e-01 - <_> - 5.0417678833007812e+01 - - 1 2 1745 4.1500000000000000e+01 0 -1 1746 - 3.5000000000000000e+00 -2 -3 1747 614. - - 4.2858477681875229e-02 -6.5439593791961670e-01 - 3.7248274683952332e-01 -6.0121566057205200e-01 - <_> - 5.0184413909912109e+01 - - 1 2 1748 1.8500000000000000e+01 0 -1 1749 - 1.9500000000000000e+01 -2 -3 1750 4.2335000000000000e+03 - - -3.9789116382598877e-01 3.3808970451354980e-01 - -6.7741900682449341e-01 -6.1766817234456539e-03 - <_> - 5.0395923614501953e+01 - - 1 2 1751 7.8500000000000000e+01 0 -1 1752 621. -2 -3 1753 - 1.1150000000000000e+02 - - -5.8525377511978149e-01 4.6244528889656067e-01 - -6.4186108112335205e-01 -1.5577160753309727e-02 - <_> - 5.0368152618408203e+01 - - 1 2 1754 7.4500000000000000e+01 0 -1 1755 - 8.0500000000000000e+01 -2 -3 1756 5.5000000000000000e+00 - - 2.7840653061866760e-01 -5.0665259361267090e-01 - 2.8003776073455811e-01 -6.6763132810592651e-01 - <_> - 5.0609447479248047e+01 - - 1 2 1757 4.5000000000000000e+00 0 -1 1758 - 5.0000000000000000e-01 -2 -3 1759 1.0050000000000000e+02 - - 1.4921510219573975e-01 -6.7458331584930420e-01 - 2.4129594862461090e-01 -7.1370732784271240e-01 - <_> - 5.0734519958496094e+01 - - 1 2 1760 8.1450000000000000e+02 0 -1 1761 - 3.1750000000000000e+02 -2 -3 1762 4.1450000000000000e+02 - - -3.4531843662261963e-01 5.5791461467742920e-01 - 5.3364270925521851e-01 -3.7804716825485229e-01 - <_> - 5.0482379913330078e+01 - - 1 2 1763 1.5500000000000000e+01 0 -1 1764 - 6.5000000000000000e+00 -2 -3 1765 2.7500000000000000e+01 - - -7.7612209320068359e-01 2.8200766444206238e-01 - -6.6070902347564697e-01 5.4497551918029785e-01 - <_> - 5.0946456909179688e+01 - - 1 2 1766 1.3055000000000000e+03 0 -1 1767 13080. -2 -3 1768 - 1.5000000000000000e+00 - - -1.6180552542209625e-02 6.9708949327468872e-01 - 1.5789812803268433e-01 -6.3250225782394409e-01 - <_> - 5.0942211151123047e+01 - - 1 2 1769 5.5000000000000000e+00 0 -1 1770 - 1.6500000000000000e+01 -2 -3 1771 1.1500000000000000e+01 - - -6.9032448530197144e-01 4.8323771357536316e-01 - -5.8806318044662476e-01 -4.2477925308048725e-03 - <_> - 5.0879100799560547e+01 - - 1 2 1772 3.2500000000000000e+01 0 -1 1773 - 1.5000000000000000e+00 -2 -3 1774 203. - - 7.2742664813995361e-01 -9.5186221599578857e-01 - 2.9152801632881165e-01 -2.9612061381340027e-01 - <_> - 5.1405494689941406e+01 - - 1 2 1775 5.9500000000000000e+01 0 -1 1776 - 5.0000000000000000e-01 -2 -3 1777 5.1500000000000000e+01 - - 2.0475186407566071e-01 -4.3729728460311890e-01 - 5.2639096975326538e-01 -5.4126620292663574e-01 - <_> - 5.1545295715332031e+01 - - 1 2 1778 5.1500000000000000e+01 0 -1 1779 113. -2 -3 1780 - 14. - - -8.7603360414505005e-01 1.3980150222778320e-01 1. - -9.8559749126434326e-01 - <_> - 5.1772174835205078e+01 - - 1 2 1781 5.0000000000000000e-01 0 -1 1782 - 5.0000000000000000e-01 -2 -3 1783 6.9500000000000000e+01 - - -8.5320812463760376e-01 5.4211145639419556e-01 - -4.2864811420440674e-01 1.9388379156589508e-01 - <_> - 5.1395809173583984e+01 - - 1 2 1784 4.1500000000000000e+01 0 -1 1785 - 2.4500000000000000e+01 -2 -3 1786 1.0350000000000000e+02 - - -3.6399099230766296e-01 2.9955938458442688e-01 - -6.9159519672393799e-01 4.9095645546913147e-01 - <_> - 5.1332057952880859e+01 - - 1 2 1787 1.1545000000000000e+03 0 -1 1788 - 1.0500000000000000e+01 -2 -3 1789 7.7350000000000000e+02 - - -8.4412866830825806e-01 2.4716804921627045e-01 - 6.3626372814178467e-01 -6.3753142952919006e-02 - <_> - 5.1058708190917969e+01 - - 1 2 1790 2.5000000000000000e+00 0 -1 1791 156. -2 -3 1792 - 667. - - 5.6390190124511719e-01 -7.4146884679794312e-01 - -2.7334854006767273e-01 6.9182580709457397e-01 - <_> - 5.1457290649414062e+01 - - 1 2 1793 1.8500000000000000e+01 0 -1 1794 125. -2 -3 1795 - 6.5000000000000000e+00 - - -5.9387379884719849e-01 8.3531779050827026e-01 - 6.5114057064056396e-01 -2.6395700871944427e-02 - <_> - 5.1741825103759766e+01 - - 1 2 1796 5.5000000000000000e+00 0 -1 1797 - 8.0500000000000000e+01 -2 -3 1798 6.5500000000000000e+01 - - 5.2819365262985229e-01 -3.8713422417640686e-01 - -6.3428682088851929e-01 3.1973972916603088e-02 - <_> - 5.1987751007080078e+01 - - 1 2 1799 9.2950000000000000e+02 0 -1 1800 - 1.7500000000000000e+01 -2 -3 1801 3.3500000000000000e+01 - - 2.9681459069252014e-01 -6.8903458118438721e-01 - -5.5376708507537842e-01 2.4592779576778412e-01 - <_> - 5.1639968872070312e+01 - - 1 2 1802 5.0000000000000000e-01 0 -1 1803 727. -2 -3 1804 - 1195. - - 4.7003021836280823e-01 -8.6940318346023560e-01 - -3.4778383374214172e-01 9.5309317111968994e-01 - <_> - 5.1864089965820312e+01 - - 1 2 1805 1.6500000000000000e+01 0 -1 1806 - 1.5500000000000000e+01 -2 -3 1807 1.4500000000000000e+01 - - -8.4845769405364990e-01 2.4072749912738800e-01 - 2.2412241995334625e-01 -5.8960992097854614e-01 - <_> - 5.1842327117919922e+01 - - 1 2 1808 1.3500000000000000e+01 0 -1 1809 - 1.1693500000000000e+04 -2 -3 1810 108. - - -2.1761292591691017e-02 -7.1312093734741211e-01 -1. - 7.1802109479904175e-01 - <_> - 5.2474052429199219e+01 - - 1 2 1811 5.6500000000000000e+01 0 -1 1812 - 2.7150000000000000e+02 -2 -3 1813 4.7050000000000000e+02 - - 4.8798479139804840e-02 -6.1629486083984375e-01 - 6.3172489404678345e-01 -7.8125256299972534e-01 - <_> - 5.2882488250732422e+01 - - 1 2 1814 2.7500000000000000e+01 0 -1 1815 - 2.7950000000000000e+02 -2 -3 1816 1.2500000000000000e+01 - - 1.4727012813091278e-01 -4.5306998491287231e-01 - -9.6783083677291870e-01 4.0843614935874939e-01 - <_> - 5.2590320587158203e+01 - - 1 2 1817 1.2500000000000000e+01 0 -1 1818 2332. -2 -3 1819 - 2.0500000000000000e+01 - - -4.0328302979469299e-01 3.9351496100425720e-01 - -4.5640042424201965e-01 7.0570003986358643e-01 - <_> - 5.2686405181884766e+01 - - 1 2 1820 2.8450000000000000e+02 0 -1 1821 - 5.1375000000000000e+03 -2 -3 1822 5524. - - -6.9284421205520630e-01 5.7867264747619629e-01 - -5.0904291868209839e-01 4.2930658906698227e-02 - <_> - 5.2665336608886719e+01 - - 1 2 1823 5.0000000000000000e-01 0 -1 1824 - 1.0500000000000000e+01 -2 -3 1825 3.1050000000000000e+02 - - -6.9999736547470093e-01 5.0521236658096313e-01 - -2.1066894754767418e-02 -6.7034846544265747e-01 - <_> - 5.2668560028076172e+01 - - 1 2 1826 1.5000000000000000e+00 0 -1 1827 - 4.5000000000000000e+00 -2 -3 1828 3.9500000000000000e+01 - - -8.5607993602752686e-01 2.3388290405273438e-01 - -4.7936838865280151e-01 6.4502292871475220e-01 - <_> - 5.2418178558349609e+01 - - 1 2 1829 2.5000000000000000e+00 0 -1 1830 - 1.2500000000000000e+01 -2 -3 1831 3.7450000000000000e+02 - - -2.5030246376991272e-01 4.1110610961914062e-01 - -4.8104089498519897e-01 2.8128054738044739e-01 - <_> - 5.2447761535644531e+01 - - 1 2 1832 1.4500000000000000e+01 0 -1 1833 - 1.6038500000000000e+04 -2 -3 1834 6.5000000000000000e+00 - - 6.2847787141799927e-01 -3.8954043388366699e-01 - 2.9580958187580109e-02 -6.1391896009445190e-01 - <_> - 5.2839599609375000e+01 - - 1 2 1835 8.0500000000000000e+01 0 -1 1836 - 1.4845000000000000e+03 -2 -3 1837 1.1500000000000000e+01 - - -4.2797079682350159e-01 7.2983002662658691e-01 - -4.2472079396247864e-01 3.9183807373046875e-01 - <_> - 5.3161972045898438e+01 - - 1 2 1838 169. 0 -1 1839 2.3500000000000000e+01 -2 -3 1840 - 3.0500000000000000e+01 - - 3.2237488031387329e-01 -2.9692310094833374e-01 - 5.2028205245733261e-02 -8.3673799037933350e-01 - <_> - 5.3484062194824219e+01 - - 1 2 1841 9.5000000000000000e+00 0 -1 1842 - 4.1565000000000000e+03 -2 -3 1843 924. - - 1.3346555642783642e-02 -7.3501825332641602e-01 - -5.0849604606628418e-01 3.2209011912345886e-01 - <_> - 5.3532875061035156e+01 - - 1 2 1844 5.0550000000000000e+02 0 -1 1845 - 5.5000000000000000e+00 -2 -3 1846 8.2500000000000000e+01 - - 3.6607748270034790e-01 -4.2199668288230896e-01 - -7.4034929275512695e-01 3.8815331459045410e-01 - <_> - 5.3596260070800781e+01 - - 1 2 1847 1.9550000000000000e+02 0 -1 1848 - 7.6850000000000000e+02 -2 -3 1849 7.7350000000000000e+02 - - -3.7186509370803833e-01 4.2454031109809875e-01 - 4.2895314097404480e-01 -4.3257468938827515e-01 - <_> - 5.3252147674560547e+01 - - 1 2 1850 4.2500000000000000e+01 0 -1 1851 - 4.5500000000000000e+01 -2 -3 1852 2.9500000000000000e+01 - - 3.5978814959526062e-01 -7.1406579017639160e-01 - -4.4595164060592651e-01 5.2671235799789429e-01 - <_> - 5.3540912628173828e+01 - - 1 2 1853 2.0500000000000000e+01 0 -1 1854 276. -2 -3 1855 - 1.2850000000000000e+02 - - 3.2382410764694214e-01 -6.7686492204666138e-01 - 2.8876608610153198e-01 -5.3703272342681885e-01 - <_> - 5.4058471679687500e+01 - - 1 2 1856 1.1065000000000000e+03 0 -1 1857 - 4.5000000000000000e+00 -2 -3 1858 1570. - - -4.9808049201965332e-01 5.8341735601425171e-01 - -4.8129281401634216e-01 1.1452827602624893e-01 - <_> - 5.3559310913085938e+01 - - 1 2 1859 5.0000000000000000e-01 0 -1 1860 - 9.0500000000000000e+01 -2 -3 1861 1.4250000000000000e+02 - - 4.2286753654479980e-01 -7.5187528133392334e-01 - -5.5336773395538330e-01 1.0487236082553864e-01 - <_> - 5.3792110443115234e+01 - - 1 2 1862 5.5000000000000000e+00 0 -1 1863 - 5.2850000000000000e+02 -2 -3 1864 6.5000000000000000e+00 - - -9.8098456859588623e-01 2.5169646739959717e-01 - 3.1981575489044189e-01 -2.3502953350543976e-01 - <_> - 5.4220581054687500e+01 - - 1 2 1865 1.4500000000000000e+01 0 -1 1866 - 2.4025000000000000e+03 -2 -3 1867 4.5000000000000000e+00 - - 2.7904801070690155e-02 -8.8576656579971313e-01 - 4.2847126722335815e-01 -1.1248188465833664e-01 - <_> - 5.4116458892822266e+01 - - 1 2 1868 3.0500000000000000e+01 0 -1 1869 - 1.0500000000000000e+01 -2 -3 1870 1.5000000000000000e+00 - - 2.2367130219936371e-01 -9.1485178470611572e-01 - 5.5012780427932739e-01 -1.0412286967039108e-01 - <_> - 5.4431377410888672e+01 - - 1 2 1871 1110. 0 -1 1872 2.4500000000000000e+01 -2 -3 1873 - 8.7500000000000000e+01 - - 6.6319614648818970e-02 -9.0293776988983154e-01 - -2.7686271071434021e-01 3.1491985917091370e-01 - <_> - 5.3841773986816406e+01 - - 1 2 1874 3.1500000000000000e+01 0 -1 1875 - 5.2950000000000000e+02 -2 -3 1876 2.8335000000000000e+03 - - 4.3545942753553391e-03 7.3121100664138794e-01 - 3.2255075871944427e-02 -6.5287035703659058e-01 - <_> - 5.3977920532226562e+01 - - 1 2 1877 4.4635000000000000e+03 0 -1 1878 - 3.5000000000000000e+00 -2 -3 1879 1.2150000000000000e+02 - - -8.3098447322845459e-01 1.3614629209041595e-01 -1. 1. - <_> - 5.4538074493408203e+01 - - 1 2 1880 2.0500000000000000e+01 0 -1 1881 - 7.8500000000000000e+01 -2 -3 1882 5.0500000000000000e+01 - - -7.4102438986301422e-02 6.1979264020919800e-01 - 8.4239649772644043e-01 -8.3167529106140137e-01 - <_> - 5.4199844360351562e+01 - - 0 1 1883 5.5000000000000000e+00 0 1 1883 5.5000000000000000e+00 -1 -2 1884 - 2.3500000000000000e+01 - - -1. -1. 1.8631875514984131e-01 -3.9786672592163086e-01 - <_> - 5.4321243286132812e+01 - - 1 2 1885 100108. 0 -1 1886 2.4450000000000000e+02 -2 -3 1887 - 9.5000000000000000e+00 - - -6.4501583576202393e-01 1.2139873951673508e-01 - -9.8769044876098633e-01 1. - <_> - 5.4476604461669922e+01 - - 1 2 1888 3.0500000000000000e+01 0 -1 1889 832. -2 -3 1890 - 3.8650000000000000e+02 - - 4.7927451133728027e-01 -3.6918625235557556e-01 - 4.3850061297416687e-01 -4.2658120393753052e-01 - <_> - 5.4880313873291016e+01 - - 1 2 1891 4.5000000000000000e+00 0 -1 1892 - 1.8500000000000000e+01 -2 -3 1893 9.5000000000000000e+00 - - -8.9552253484725952e-01 1. 4.0370723605155945e-01 - -1.3244532048702240e-01 - <_> - 5.4826488494873047e+01 - - 1 2 1894 3.3500000000000000e+01 0 -1 1895 - 5.0000000000000000e-01 -2 -3 1896 1.5000000000000000e+00 - - 5.2266705036163330e-01 -4.9189320206642151e-01 - 4.7518423199653625e-01 -1.8694840371608734e-01 - <_> - 5.4719253540039062e+01 - - 1 2 1897 1.3250000000000000e+02 0 -1 1898 197. -2 -3 1899 - 5.5000000000000000e+00 - - -2.5596961379051208e-02 -8.0278450250625610e-01 - 5.8479261398315430e-01 -1.0723467171192169e-01 - <_> - 5.4927463531494141e+01 - - 1 2 1900 3.5000000000000000e+00 0 -1 1901 - 2.7500000000000000e+01 -2 -3 1902 4.5000000000000000e+00 - - -9.8025721311569214e-01 1. 5.0813627243041992e-01 - -9.1872639954090118e-02 - <_> - 5.5091140747070312e+01 - - 1 2 1903 3.5500000000000000e+01 0 -1 1904 590. -2 -3 1905 - 9.5000000000000000e+00 - - 3.2067620754241943e-01 -8.1219708919525146e-01 - 3.9956301450729370e-01 -1.7662063241004944e-01 - <_> - 5.5048011779785156e+01 - - 1 2 1906 1.5500000000000000e+01 0 -1 1907 - 2.5000000000000000e+00 -2 -3 1908 1.1500000000000000e+01 - - 4.5108359307050705e-02 -5.7894098758697510e-01 - 5.1151078939437866e-01 -6.0667592287063599e-01 - <_> - 5.4623245239257812e+01 - - 1 2 1909 2.6500000000000000e+01 0 -1 1910 - 1.1500000000000000e+01 -2 -3 1911 2.0250000000000000e+02 - - 4.0922752022743225e-01 -6.0327196121215820e-01 - 3.5508340597152710e-01 -4.1403025388717651e-01 - <_> - 5.4938964843750000e+01 - - 1 2 1912 4.4450000000000000e+02 0 -1 1913 - 4.8075000000000000e+03 -2 -3 1914 5.0000000000000000e-01 - - 3.7132555246353149e-01 -9.4460356235504150e-01 - 3.1572005152702332e-01 -2.5736778974533081e-01 - <_> - 5.5008499145507812e+01 - - 1 2 1915 2.4350000000000000e+02 0 -1 1916 - 1.6500000000000000e+01 -2 -3 1917 98. - - 6.9533005356788635e-02 -5.5879753828048706e-01 - 5.2043431997299194e-01 -5.5762660503387451e-01 - <_> - 5.5581649780273438e+01 - - 1 2 1918 1.2755000000000000e+03 0 -1 1919 - 1.5000000000000000e+00 -2 -3 1920 1.4500000000000000e+01 - - 2.7316585183143616e-01 -3.9282438158988953e-01 - -8.5869687795639038e-01 5.7315075397491455e-01 - <_> - 5.5420215606689453e+01 - - 1 2 1921 3.7635000000000000e+03 0 -1 1922 - 1.0904500000000000e+04 -2 -3 1923 6.9750000000000000e+02 - - -8.7749630212783813e-02 7.8290265798568726e-01 - 3.7081098556518555e-01 -3.9786884188652039e-01 - <_> - 5.5134284973144531e+01 - - 1 2 1924 3.5000000000000000e+00 0 -1 1925 - 1.5000000000000000e+00 -2 -3 1926 1.3535000000000000e+03 - - -8.4669679403305054e-01 5.6518930196762085e-01 - -2.8593066334724426e-01 7.8882968425750732e-01 - <_> - 5.5399112701416016e+01 - - 1 2 1927 1.4500000000000000e+01 0 -1 1928 - 9.5000000000000000e+00 -2 -3 1929 2.1950000000000000e+02 - - 3.6673456430435181e-01 -8.0567514896392822e-01 - 2.6483070850372314e-01 -5.4888963699340820e-01 - <_> - 5.5665115356445312e+01 - - 1 2 1930 1.0500000000000000e+01 0 -1 1931 - 4.3500000000000000e+01 -2 -3 1932 2.2500000000000000e+01 - - -8.0224722623825073e-01 7.3296892642974854e-01 - 3.1390979886054993e-01 -2.7697941660881042e-01 - <_> - 5.5662361145019531e+01 - - 1 2 1933 5.0000000000000000e-01 0 -1 1934 - 1.0500000000000000e+01 -2 -3 1935 609. - - -4.6577224135398865e-01 3.6372005939483643e-01 - -6.7203342914581299e-02 -8.5283303260803223e-01 - <_> - 5.5597713470458984e+01 - - 1 2 1936 4.8150000000000000e+02 0 -1 1937 897. -2 -3 1938 - 6.0015000000000000e+03 - - -7.0950525999069214e-01 3.6562061309814453e-01 - 7.1085697412490845e-01 -6.4645722508430481e-02 - <_> - 5.5976200103759766e+01 - - 1 2 1939 1.7500000000000000e+01 0 -1 1940 - 2.6500000000000000e+01 -2 -3 1941 2.7195000000000000e+03 - - -6.9570225477218628e-01 3.7848454713821411e-01 - 3.8467934727668762e-01 -3.8020190596580505e-01 - <_> - 5.6158012390136719e+01 - - 1 2 1942 2.6002500000000000e+04 0 -1 1943 - 5.5000000000000000e+00 -2 -3 1944 933. - - 5.2110773324966431e-01 -7.8237217664718628e-01 - -8.0685955286026001e-01 1.8181376159191132e-01 - <_> - 5.6510974884033203e+01 - - 1 2 1945 6.5000000000000000e+00 0 -1 1946 - 7.7950000000000000e+02 -2 -3 1947 1.1350000000000000e+02 - - 8.0221951007843018e-01 -5.5787330865859985e-01 - -2.5150266289710999e-01 3.5296073555946350e-01 - <_> - 5.6669940948486328e+01 - - 1 2 1948 1.2500000000000000e+01 0 -1 1949 - 2.1500000000000000e+01 -2 -3 1950 3.7500000000000000e+01 - - -8.1347912549972534e-01 3.3844006061553955e-01 - -5.6976383924484253e-01 1.5896809101104736e-01 - <_> - 5.6639522552490234e+01 - - 1 2 1951 5.0000000000000000e-01 0 -1 1952 - 1.0350000000000000e+02 -2 -3 1953 979. - - 5.6548482179641724e-01 -7.8466528654098511e-01 - -4.1022753715515137e-01 1.7647762596607208e-01 - <_> - 5.6746051788330078e+01 - - 1 2 1954 4.7655500000000000e+04 0 -1 1955 1217. -2 -3 1956 - 2.6650000000000000e+02 - - -6.9296687841415405e-01 2.6075837016105652e-01 - -7.9774957895278931e-01 1.7970228567719460e-02 - <_> - 5.6479259490966797e+01 - - 1 2 1957 1.2650000000000000e+02 0 -1 1958 - 1.9500000000000000e+01 -2 -3 1959 491. - - -2.6678943634033203e-01 3.8788908720016479e-01 - 9.1776609420776367e-01 -4.6553900837898254e-01 - <_> - 5.6557636260986328e+01 - - 1 2 1960 4.7500000000000000e+01 0 -1 1961 - 9.6450000000000000e+02 -2 -3 1962 5.0000000000000000e-01 - - 3.0366006493568420e-01 -8.8815379142761230e-01 - 4.8105791211128235e-01 -8.4002502262592316e-02 - <_> - 5.6977615356445312e+01 - - 1 2 1963 1.9350000000000000e+02 0 -1 1964 - 1.0500000000000000e+01 -2 -3 1965 316. - - 1.2478869408369064e-01 -5.4758942127227783e-01 - 4.1997796297073364e-01 -2.8715902566909790e-01 - <_> - 5.6940200805664062e+01 - - 1 2 1966 1.3500000000000000e+01 0 -1 1967 - 9.5000000000000000e+00 -2 -3 1968 4.5000000000000000e+00 - - 5.6444692611694336e-01 -5.1318335533142090e-01 - 4.1364780068397522e-01 -2.3452880978584290e-01 - <_> - 5.7376541137695312e+01 - - 1 2 1969 6.5000000000000000e+00 0 -1 1970 - 5.2500000000000000e+01 -2 -3 1971 2.6500000000000000e+01 - - -3.1519573926925659e-01 4.3634009361267090e-01 - -5.3644794225692749e-01 3.0770981311798096e-01 - <_> - 5.7745677947998047e+01 - - 1 2 1972 9.5000000000000000e+00 0 -1 1973 - 1.7125000000000000e+03 -2 -3 1974 2095. - - -5.8112341910600662e-02 5.0887292623519897e-01 - 2.3396022617816925e-01 -5.9023892879486084e-01 - <_> - 5.7668346405029297e+01 - - 1 2 1975 1.3835000000000000e+03 0 -1 1976 - 2.3365000000000000e+03 -2 -3 1977 5.0000000000000000e-01 - - -2.2391898930072784e-01 4.7256642580032349e-01 - 4.1642077267169952e-03 -6.2670201063156128e-01 - <_> - 5.7691123962402344e+01 - - 1 2 1978 2.7250000000000000e+02 0 -1 1979 - 8.0950000000000000e+02 -2 -3 1980 1.4500000000000000e+01 - - -2.9949793219566345e-01 7.5373744964599609e-01 - 2.2777365520596504e-02 -5.4332214593887329e-01 - <_> - 5.7523948669433594e+01 - - 1 2 1981 2.5500000000000000e+01 0 -1 1982 - 3.5000000000000000e+00 -2 -3 1983 9.5000000000000000e+00 - - 2.7234396338462830e-01 -7.7871346473693848e-01 - 4.1143327951431274e-01 -1.6717562079429626e-01 - <_> - 5.7792133331298828e+01 - - 1 2 1984 3.0500000000000000e+01 0 -1 1985 - 6.5000000000000000e+00 -2 -3 1986 4.7850000000000000e+02 - - 4.2716450989246368e-02 -6.7291486263275146e-01 - 3.2022616267204285e-01 -6.1982798576354980e-01 - <_> - 5.8013004302978516e+01 - - 1 2 1987 3.4500000000000000e+01 0 -1 1988 - 9.5000000000000000e+00 -2 -3 1989 3.9350000000000000e+02 - - -5.1402336359024048e-01 2.2087192535400391e-01 - -7.2181683778762817e-01 1.9793330132961273e-01 - <_> - 5.8191169738769531e+01 - - 1 2 1990 9.7500000000000000e+01 0 -1 1991 - 6.2250000000000000e+02 -2 -3 1992 9.5500000000000000e+01 - - 1.7816618084907532e-01 -4.8832407593727112e-01 - -9.5159941911697388e-01 6.5016353130340576e-01 - <_> - 5.8067699432373047e+01 - - 1 2 1993 2.5000000000000000e+00 0 -1 1994 - 2.2500000000000000e+01 -2 -3 1995 1.4500000000000000e+01 - - 5.9863173961639404e-01 -1.2370918691158295e-01 - -5.3876280784606934e-01 2.5208535790443420e-01 - <_> - 5.8372417449951172e+01 - - 1 2 1996 1.8075000000000000e+03 0 -1 1997 - 4.5000000000000000e+00 -2 -3 1998 7.4500000000000000e+01 - - 3.9194607734680176e-01 -3.2276815176010132e-01 - 5.3963506221771240e-01 -6.4209002256393433e-01 - <_> - 5.8342327117919922e+01 - - 1 2 1999 7.5000000000000000e+00 0 -1 2000 - 1.3500000000000000e+01 -2 -3 2001 3.5000000000000000e+00 - - -9.3360573053359985e-01 1. 3.0816203355789185e-01 - -1.9820201396942139e-01 - <_> - 5.8525230407714844e+01 - - 1 2 2002 5.4500000000000000e+01 0 -1 2003 - 3.1500000000000000e+01 -2 -3 2004 5.5000000000000000e+00 - - -6.9942277669906616e-01 1. 2.0665432512760162e-01 - -4.8230728507041931e-01 - <_> - 5.8137825012207031e+01 - - 1 2 2005 5.0000000000000000e-01 0 -1 2006 - 6.5000000000000000e+00 -2 -3 2007 1.6255000000000000e+03 - - -9.1363656520843506e-01 3.4000685811042786e-01 - 3.6237233877182007e-01 -3.8740426301956177e-01 - <_> - 5.7477180480957031e+01 - - 1 2 2008 1.6500000000000000e+01 0 -1 2009 - 3.3050000000000000e+02 -2 -3 2010 1.8250000000000000e+02 - - 4.0280374884605408e-01 -6.6064602136611938e-01 - 2.3912283778190613e-01 -6.5312945842742920e-01 - <_> - 5.7596790313720703e+01 - - 1 2 2011 3.5000000000000000e+00 0 -1 2012 - 2.2850000000000000e+02 -2 -3 2013 6.7050000000000000e+02 - - -5.6311067193746567e-02 7.3480677604675293e-01 - -7.8913259506225586e-01 -5.2745390683412552e-02 - <_> - 5.7969238281250000e+01 - - 1 2 2014 1.2195000000000000e+03 0 -1 2015 - 1.5000000000000000e+00 -2 -3 2016 44231. - - 3.7240502238273621e-01 -3.7414985895156860e-01 - 5.3368985652923584e-01 -3.4466567635536194e-01 - <_> - 5.7981628417968750e+01 - - 1 2 2017 1.6650000000000000e+02 0 -1 2018 - 2.0500000000000000e+01 -2 -3 2019 1.3500000000000000e+01 - - -2.3047098517417908e-01 4.0283700823783875e-01 - -8.8833373785018921e-01 9.4913655519485474e-01 - <_> - 5.8304691314697266e+01 - - 1 2 2020 1.7500000000000000e+01 0 -1 2021 - 2.2500000000000000e+01 -2 -3 2022 1.3950000000000000e+02 - - -9.7246366739273071e-01 4.5725116133689880e-01 - -3.3056676387786865e-01 3.2306280732154846e-01 - <_> - 5.8687774658203125e+01 - - 1 2 2023 3.6050000000000000e+02 0 -1 2024 - 2.1500000000000000e+01 -2 -3 2025 5.7150000000000000e+02 - - -1.9407491385936737e-01 4.0379062294960022e-01 - -7.1832591295242310e-01 1.6718479990959167e-01 - <_> - 5.8403263092041016e+01 - - 1 2 2026 3.5000000000000000e+00 0 -1 2027 - 1.5000000000000000e+00 -2 -3 2028 1.1125000000000000e+03 - - -7.1120482683181763e-01 5.4733234643936157e-01 - -3.0521857738494873e-01 5.3309994935989380e-01 - <_> - 5.8206588745117188e+01 - - 1 2 2029 9.8550000000000000e+02 0 -1 2030 - 8.5000000000000000e+00 -2 -3 2031 6.5000000000000000e+00 - - -6.1662030220031738e-01 4.3150734901428223e-01 - 1.1408390849828720e-01 -5.7918250560760498e-01 - <_> - 5.8434097290039062e+01 - - 1 2 2032 1.2500000000000000e+01 0 -1 2033 - 9.7500000000000000e+01 -2 -3 2034 8574. - - 4.1095575690269470e-01 -6.6425901651382446e-01 - 2.2750854492187500e-01 -6.5870326757431030e-01 - <_> - 5.8159267425537109e+01 - - 1 2 2035 790. 0 -1 2036 26812. -2 -3 2037 - 5.2150000000000000e+02 - - -8.0263590812683105e-01 8.7009161710739136e-01 - -2.7483054995536804e-01 3.0290663242340088e-01 - <_> - 5.8559719085693359e+01 - - 1 2 2038 1.5550000000000000e+02 0 -1 2039 - 3.6500000000000000e+01 -2 -3 2040 1752. - - -1.1953184753656387e-01 4.0045145153999329e-01 - 8.7820923328399658e-01 -9.3850684165954590e-01 - <_> - 5.8625492095947266e+01 - - 1 2 2041 5.0000000000000000e-01 0 -1 2042 - 2.5000000000000000e+00 -2 -3 2043 6.5000000000000000e+00 - - -7.3991537094116211e-01 7.3110866546630859e-01 - 2.8890112042427063e-01 -2.9580232501029968e-01 - <_> - 5.8505027770996094e+01 - - 1 2 2044 6.7500000000000000e+01 0 -1 2045 - 5.6500000000000000e+01 -2 -3 2046 9.8500000000000000e+01 - - -4.7034713625907898e-01 6.4461517333984375e-01 - 3.4142866730690002e-01 -8.6112099885940552e-01 - <_> - 5.8600910186767578e+01 - - 1 2 2047 8.0500000000000000e+01 0 -1 2048 - 1.8650000000000000e+02 -2 -3 2049 590. - - -7.2916746139526367e-01 3.1004229187965393e-01 - -6.6359126567840576e-01 9.5881775021553040e-02 - <_> - 5.8711597442626953e+01 - - 1 2 2050 5.0000000000000000e-01 0 -1 2051 - 7.5450000000000000e+02 -2 -3 2052 3.2650000000000000e+02 - - -9.2816257476806641e-01 4.2444109916687012e-01 - -4.2585963010787964e-01 3.1073370575904846e-01 - <_> - 5.8032016754150391e+01 - - 1 2 2053 60937. 0 -1 2054 416. -2 -3 2055 - 4.5000000000000000e+00 - - 1.7063696682453156e-01 -6.7958027124404907e-01 - 8.7877064943313599e-01 -9.5674747228622437e-01 - <_> - 5.8740566253662109e+01 - - 1 2 2056 1.5000000000000000e+00 0 -1 2057 - 3.5000000000000000e+00 -2 -3 2058 4.6500000000000000e+01 - - -7.4752992391586304e-01 7.0855057239532471e-01 - -6.8028306961059570e-01 2.6557485107332468e-03 - <_> - 5.9213050842285156e+01 - - 1 2 2059 7.5000000000000000e+00 0 -1 2060 - 4.5000000000000000e+00 -2 -3 2061 2.9750000000000000e+02 - - -1.6750365495681763e-01 4.7248429059982300e-01 - 1.6587665677070618e-01 -5.7748597860336304e-01 - <_> - 5.9422805786132812e+01 - - 1 2 2062 9.5000000000000000e+00 0 -1 2063 - 2.4500000000000000e+01 -2 -3 2064 7.5000000000000000e+00 - - 2.3164252936840057e-01 -8.6614209413528442e-01 - -8.4939008951187134e-01 2.0975443720817566e-01 - <_> - 5.8884654998779297e+01 - - 1 2 2065 6.2500000000000000e+01 0 -1 2066 - 1.0500000000000000e+01 -2 -3 2067 252. - - 1.0844799689948559e-02 -5.3815227746963501e-01 - 7.5545585155487061e-01 -4.2718842625617981e-01 - <_> - 5.9134284973144531e+01 - - 1 2 2068 2.3365000000000000e+03 0 -1 2069 - 1.2850000000000000e+02 -2 -3 2070 3.4845000000000000e+03 - - 8.5452580451965332e-01 -5.0535249710083008e-01 - 7.7388888597488403e-01 -6.3630655407905579e-02 - <_> - 5.9335205078125000e+01 - - 1 2 2071 7.5000000000000000e+00 0 -1 2072 - 6.5000000000000000e+00 -2 -3 2073 2.1450000000000000e+02 - - -8.2057535648345947e-01 2.0091684162616730e-01 - -6.9147127866744995e-01 6.4241760969161987e-01 - <_> - 5.9819751739501953e+01 - - 1 2 2074 1.4500000000000000e+01 0 -1 2075 - 1.3500000000000000e+01 -2 -3 2076 4.9500000000000000e+01 - - -9.3421977758407593e-01 4.8454797267913818e-01 - -3.7337201833724976e-01 3.2126367092132568e-01 - <_> - 5.9756664276123047e+01 - - 1 2 2077 3.7550000000000000e+02 0 -1 2078 - 8.1500000000000000e+01 -2 -3 2079 14. - - -6.3086077570915222e-02 5.7233673334121704e-01 1. - -9.5777195692062378e-01 - <_> - 6.0291542053222656e+01 - - 1 2 2080 3.5000000000000000e+00 0 -1 2081 - 2.5000000000000000e+00 -2 -3 2082 1.7500000000000000e+01 - - -7.0069408416748047e-01 6.3710403442382812e-01 - -4.9769634008407593e-01 1.1464314162731171e-01 - <_> - 6.0335617065429688e+01 - - 1 2 2083 6.0500000000000000e+01 0 -1 2084 235. -2 -3 2085 - 6.5500000000000000e+01 - - 6.0332548618316650e-01 -4.5363491773605347e-01 - -7.2721785306930542e-01 2.7224572841078043e-03 - <_> - 5.9978572845458984e+01 - - 1 2 2086 2145. 0 -1 2087 5.0000000000000000e-01 -2 -3 2088 - 1.1500000000000000e+01 - - 6.9418591260910034e-01 -7.1563631296157837e-01 - -5.4690980911254883e-01 2.3341998457908630e-01 - <_> - 6.0145259857177734e+01 - - 1 2 2089 4.8350000000000000e+02 0 -1 2090 - 5.3500000000000000e+01 -2 -3 2091 5.0550000000000000e+02 - - 5.3724527359008789e-01 -1.2441903352737427e-01 - -6.5049791336059570e-01 2.5399866700172424e-01 - <_> - 6.0507656097412109e+01 - - 1 2 2092 2.7500000000000000e+01 0 -1 2093 - 5.5000000000000000e+00 -2 -3 2094 5.0500000000000000e+01 - - 1.4425510168075562e-01 -7.4231290817260742e-01 - -2.6776736974716187e-01 3.6239382624626160e-01 - <_> - 6.0473968505859375e+01 - - 1 2 2095 5.0000000000000000e-01 0 -1 2096 - 2.5500000000000000e+01 -2 -3 2097 1587. - - -7.2751653194427490e-01 4.5861607789993286e-01 - 5.5637544393539429e-01 -3.6810955405235291e-01 - <_> - 6.0842075347900391e+01 - - 1 2 2098 5.1150000000000000e+02 0 -1 2099 1169. -2 -3 2100 - 2.0150000000000000e+02 - - -3.0562120676040649e-01 8.1614106893539429e-01 - 7.2896146774291992e-01 -1.8503957986831665e-01 - <_> - 6.0462539672851562e+01 - - 1 2 2101 8.3500000000000000e+01 0 -1 2102 - 3.0500000000000000e+01 -2 -3 2103 2.9850000000000000e+02 - - -8.2488976418972015e-02 4.4352260231971741e-01 - 5.2298051118850708e-01 -8.3577710390090942e-01 - <_> - 6.1029483795166016e+01 - - 1 2 2104 5.0000000000000000e-01 0 -1 2105 - 1.6500000000000000e+01 -2 -3 2106 2.8650000000000000e+02 - - -6.2287323176860809e-02 5.6694161891937256e-01 - -5.0430041551589966e-01 2.6749575138092041e-01 - <_> - 6.0533782958984375e+01 - - 1 2 2107 1.5000000000000000e+00 0 -1 2108 86. -2 -3 2109 - 1.5000000000000000e+00 - - 4.6476197242736816e-01 -3.5366341471672058e-01 - 1.1941082775592804e-01 -4.9569913744926453e-01 - <_> - 6.1014225006103516e+01 - - 1 2 2110 8.5500000000000000e+01 0 -1 2111 - 7.1500000000000000e+01 -2 -3 2112 3.0050000000000000e+02 - - -3.2236501574516296e-01 5.3735041618347168e-01 - 4.8043999075889587e-01 -8.1549012660980225e-01 - <_> - 6.1214355468750000e+01 - - 1 2 2113 5.0000000000000000e-01 0 -1 2114 5423. -2 -3 2115 - 3.2500000000000000e+01 - - 6.3166511058807373e-01 -1.0317980498075485e-01 - -8.1713062524795532e-01 -4.8018395900726318e-02 - <_> - 6.1207153320312500e+01 - - 1 2 2116 6.9750000000000000e+02 0 -1 2117 - 2.3500000000000000e+01 -2 -3 2118 1299. - - -5.5850952863693237e-01 4.5436400175094604e-01 - -4.2946615815162659e-01 4.6700772643089294e-01 - <_> - 6.1372627258300781e+01 - - 1 2 2119 9.7500000000000000e+01 0 -1 2120 - 1.2500000000000000e+01 -2 -3 2121 8.8500000000000000e+01 - - -9.3579089641571045e-01 1.6547182202339172e-01 - -8.7968140840530396e-01 5.9617185592651367e-01 - <_> - 6.1535186767578125e+01 - - 1 2 2122 4.0550000000000000e+02 0 -1 2123 - 8.5000000000000000e+00 -2 -3 2124 5.5500000000000000e+01 - - -5.4796415567398071e-01 2.2591431438922882e-01 - -6.4731520414352417e-01 6.6429591178894043e-01 - <_> - 6.1438594818115234e+01 - - 1 2 2125 7.5000000000000000e+00 0 -1 2126 - 1.6500000000000000e+01 -2 -3 2127 2.0464500000000000e+04 - - -7.6974302530288696e-01 5.8108645677566528e-01 - 1.4914943277835846e-01 -4.0168645977973938e-01 - <_> - 6.1837162017822266e+01 - - 1 2 2128 1.9150000000000000e+02 0 -1 2129 - 2.5000000000000000e+00 -2 -3 2130 2.3500000000000000e+01 - - 3.0682370066642761e-01 -6.2734222412109375e-01 - -3.0841422080993652e-01 3.9856877923011780e-01 - <_> - 6.1491020202636719e+01 - - 1 2 2131 9.5000000000000000e+00 0 -1 2132 - 1.0286500000000000e+04 -2 -3 2133 1.5750000000000000e+02 - - 4.2527648806571960e-01 -3.4614086151123047e-01 - -6.1684650182723999e-01 1.9758818671107292e-02 - <_> - 6.1886714935302734e+01 - - 1 2 2134 1.7500000000000000e+01 0 -1 2135 - 9.2500000000000000e+01 -2 -3 2136 18. - - -1.2079064548015594e-01 3.9569309353828430e-01 - 3.3188980817794800e-01 -8.7485474348068237e-01 - <_> - 6.1790431976318359e+01 - - 1 2 2137 2.1500000000000000e+01 0 -1 2138 - 2.2500000000000000e+01 -2 -3 2139 4.5000000000000000e+00 - - -5.2500929683446884e-02 6.8664622306823730e-01 - 1.5717932581901550e-01 -6.7684161663055420e-01 - <_> - 6.2245330810546875e+01 - - 1 2 2140 1.2135000000000000e+03 0 -1 2141 - 4.5000000000000000e+00 -2 -3 2142 5.2865000000000000e+03 - - 3.3859279751777649e-01 -4.2644050717353821e-01 - 5.0935482978820801e-01 -4.1733506321907043e-01 - <_> - 6.2387325286865234e+01 - - 1 2 2143 4.5000000000000000e+00 0 -1 2144 - 1.0500000000000000e+01 -2 -3 2145 209. - - 1.3510234653949738e-01 -9.6185976266860962e-01 - 1.4199161529541016e-01 -8.5389542579650879e-01 - <_> - 6.2084945678710938e+01 - - 1 2 2146 11208. 0 -1 2147 5.0000000000000000e-01 -2 -3 2148 - 20248. - - 1.5907059609889984e-01 -3.8836613297462463e-01 - 8.0494099855422974e-01 -7.7658468484878540e-01 - <_> - 6.1984123229980469e+01 - - 1 2 2149 2.3500000000000000e+01 0 -1 2150 - 2.3650000000000000e+02 -2 -3 2151 5.0000000000000000e-01 - - 1. -1. 4.0856447815895081e-01 -1.0082300007343292e-01 - <_> - 6.2277572631835938e+01 - - 1 2 2152 1.2115000000000000e+03 0 -1 2153 - 1.5000000000000000e+00 -2 -3 2154 4.2995000000000000e+03 - - 4.2784088850021362e-01 -8.9822685718536377e-01 - 2.9345232248306274e-01 -2.5083908438682556e-01 - <_> - 6.2472473144531250e+01 - - 1 2 2155 9.4500000000000000e+01 0 -1 2156 - 1.0500000000000000e+01 -2 -3 2157 68. - - 6.5589077770709991e-02 -7.7099108695983887e-01 - -7.4427002668380737e-01 1.9490025937557220e-01 - <_> - 6.2016971588134766e+01 - - 1 2 2158 2.5000000000000000e+00 0 -1 2159 - 1.2500000000000000e+01 -2 -3 2160 5.5500000000000000e+01 - - 4.2139071226119995e-01 -5.5164831876754761e-01 - -4.5550110936164856e-01 3.6315539479255676e-01 - <_> - 6.2252468109130859e+01 - - 1 2 2161 1.5685000000000000e+03 0 -1 2162 - 4.5000000000000000e+00 -2 -3 2163 7.7500000000000000e+01 - - 4.6763184666633606e-01 -7.2583413124084473e-01 - -4.7358104586601257e-01 2.3549596965312958e-01 - <_> - 6.1926944732666016e+01 - - 1 2 2164 5.0000000000000000e-01 0 -1 2165 - 2.9500000000000000e+01 -2 -3 2166 1.5000000000000000e+00 - - -8.4635341167449951e-01 4.7176876664161682e-01 - 1.2360874563455582e-01 -4.4846296310424805e-01 - <_> - 6.2441539764404297e+01 - - 1 2 2167 1.3650000000000000e+02 0 -1 2168 - 7.5000000000000000e+00 -2 -3 2169 1.6500000000000000e+01 - - 3.0158129334449768e-01 -3.6455678939819336e-01 - -9.0578240156173706e-01 5.1459383964538574e-01 - <_> - 6.1964569091796875e+01 - - 1 2 2170 8.5000000000000000e+00 0 -1 2171 - 1.3226500000000000e+04 -2 -3 2172 6.4500000000000000e+01 - - -8.5410606861114502e-01 2.6482892036437988e-01 - -4.7696748375892639e-01 6.1308634281158447e-01 - <_> - 6.1803714752197266e+01 - - 1 2 2173 2.6500000000000000e+01 0 -1 2174 - 4.5000000000000000e+00 -2 -3 2175 5.0000000000000000e-01 - - 5.8156448602676392e-01 -8.6257112026214600e-01 - 4.0267577767372131e-01 -1.6085536777973175e-01 - <_> - 6.2505237579345703e+01 - - 1 2 2176 4.2500000000000000e+01 0 -1 2177 - 7.9662500000000000e+04 -2 -3 2178 2.2050000000000000e+02 - - 4.3292667716741562e-02 -8.7512964010238647e-01 - -2.3395214229822159e-02 7.0152431726455688e-01 - <_> - 6.2662498474121094e+01 - - 1 2 2179 2.2535000000000000e+03 0 -1 2180 5489. -2 -3 2181 - 6.5000000000000000e+00 - - -1.3394173979759216e-01 6.8779164552688599e-01 - 4.8814722895622253e-01 -3.9524573087692261e-01 - <_> - 6.2619869232177734e+01 - - 1 2 2182 3.0135000000000000e+03 0 -1 2183 4966. -2 -3 2184 - 5.5000000000000000e+00 - - -3.0220034718513489e-01 8.1261235475540161e-01 - 1.7436875402927399e-01 -3.7351670861244202e-01 - <_> - 6.2884567260742188e+01 - - 1 2 2185 2.5000000000000000e+00 0 -1 2186 286. -2 -3 2187 - 2.9500000000000000e+01 - - 8.4548860788345337e-01 -9.6311759948730469e-01 - -3.5037949681282043e-01 2.6469662785530090e-01 - <_> - 6.2971755981445312e+01 - - 1 2 2188 4.5000000000000000e+00 0 -1 2189 - 5.6350000000000000e+02 -2 -3 2190 1.7500000000000000e+01 - - 3.5842654109001160e-01 -7.6083594560623169e-01 - -6.3569843769073486e-01 1.1528482288122177e-01 - <_> - 6.2904327392578125e+01 - - 1 2 2191 19751. 0 -1 2192 5709. -2 -3 2193 - 5.0000000000000000e-01 - - 5.8615106344223022e-01 -6.7431032657623291e-02 - 8.1077980995178223e-01 -7.9040503501892090e-01 - <_> - 6.3428482055664062e+01 - - 1 2 2194 5.2150000000000000e+02 0 -1 2195 112. -2 -3 2196 - 4.8500000000000000e+01 - - -2.9560300707817078e-01 6.3393580913543701e-01 - -7.4229598045349121e-01 5.2415388822555542e-01 - <_> - 6.3408718109130859e+01 - - 1 2 2197 2.2850000000000000e+02 0 -1 2198 - 9.5000000000000000e+00 -2 -3 2199 8.5000000000000000e+00 - - -6.5528714656829834e-01 3.2386130094528198e-01 - -5.1321542263031006e-01 3.7662333250045776e-01 - <_> - 6.3479297637939453e+01 - - 1 2 2200 1.0500000000000000e+01 0 -1 2201 - 1.2875000000000000e+03 -2 -3 2202 1.1550000000000000e+02 - - -6.5136082470417023e-02 5.4068171977996826e-01 - -5.4428064823150635e-01 3.5270053148269653e-01 - <_> - 6.3459232330322266e+01 - - 1 2 2203 5.6350000000000000e+02 0 -1 2204 - 3.6500000000000000e+01 -2 -3 2205 2.7500000000000000e+01 - - -2.6665899157524109e-01 2.9732996225357056e-01 - 8.9094859361648560e-01 -7.8570848703384399e-01 - <_> - 6.3715244293212891e+01 - - 1 2 2206 1.3750000000000000e+02 0 -1 2207 - 5.5950000000000000e+02 -2 -3 2208 1.7350000000000000e+02 - - 8.2382661104202271e-01 -9.3905463814735413e-02 - -7.7598297595977783e-01 -6.1380777508020401e-02 - <_> - 6.4063674926757812e+01 - - 1 2 2209 1.5000000000000000e+00 0 -1 2210 - 1.1500000000000000e+01 -2 -3 2211 3.1850000000000000e+02 - - -8.9411342144012451e-01 3.4842905402183533e-01 - -4.4360893964767456e-01 4.8869660496711731e-01 - <_> - 6.4111953735351562e+01 - - 1 2 2212 2.5000000000000000e+00 0 -1 2213 - 4.1500000000000000e+01 -2 -3 2214 5.0000000000000000e-01 - - -2.3706158995628357e-01 4.4370284676551819e-01 - 5.4362642765045166e-01 -5.1952922344207764e-01 - <_> - 6.4159660339355469e+01 - - 1 2 2215 1.5000000000000000e+00 0 -1 2216 - 5.7500000000000000e+01 -2 -3 2217 1.0775000000000000e+03 - - -2.5581914931535721e-02 6.6174793243408203e-01 - 4.0115654468536377e-01 -3.5893636941909790e-01 - <_> - 6.4437599182128906e+01 - - 1 2 2218 921. 0 -1 2219 4.5000000000000000e+00 -2 -3 2220 - 2.9045000000000000e+03 - - 3.1526345014572144e-01 -7.0185899734497070e-01 - 2.7793204784393311e-01 -4.8113667964935303e-01 - <_> - 6.4332015991210938e+01 - - 1 2 2221 1.8985000000000000e+03 0 -1 2222 - 7.8250000000000000e+02 -2 -3 2223 2.1500000000000000e+01 - - -2.8789478540420532e-01 6.2446802854537964e-01 - -7.3467957973480225e-01 7.2612441144883633e-03 - <_> - 6.4401939392089844e+01 - - 1 2 2224 2.5000000000000000e+00 0 -1 2225 - 3.7500000000000000e+01 -2 -3 2226 5.4850000000000000e+02 - - -6.1204963922500610e-01 6.2827998399734497e-01 - -5.4985451698303223e-01 6.9924682378768921e-02 - <_> - 6.4601165771484375e+01 - - 1 2 2227 3.5000000000000000e+00 0 -1 2228 - 4.4500000000000000e+01 -2 -3 2229 6.5000000000000000e+00 - - -3.2580995559692383e-01 5.1435238122940063e-01 - 5.3874686360359192e-02 -5.6130063533782959e-01 - <_> - 6.4761596679687500e+01 - - 1 2 2230 7.5000000000000000e+00 0 -1 2231 - 3.5000000000000000e+00 -2 -3 2232 5.5500000000000000e+01 - - -7.5083559751510620e-01 3.6957365274429321e-01 - -4.0680039674043655e-02 -7.7190446853637695e-01 - <_> - 6.4306961059570312e+01 - - 1 2 2233 160. 0 -1 2234 127. -2 -3 2235 - 9.1500000000000000e+01 - - 2.1852338314056396e-01 -6.8148994445800781e-01 - -4.8492997884750366e-01 3.1643366813659668e-01 - <_> - 6.4767280578613281e+01 - - 1 2 2236 2.5000000000000000e+00 0 -1 2237 - 7.5250000000000000e+02 -2 -3 2238 4.5000000000000000e+00 - - 4.6031954884529114e-01 -6.2284696102142334e-01 - 4.7282892465591431e-01 -4.0902397036552429e-01 - <_> - 6.4466903686523438e+01 - - 1 2 2239 1.4250000000000000e+02 0 -1 2240 - 4.5000000000000000e+00 -2 -3 2241 1.5000000000000000e+00 - - 1.0185246169567108e-01 -5.8319956064224243e-01 - -6.2095612287521362e-01 4.2880809307098389e-01 - <_> - 6.4761924743652344e+01 - - 1 2 2242 1.1605000000000000e+03 0 -1 2243 2073. -2 -3 2244 - 4.6555000000000000e+03 - - -7.2359293699264526e-01 7.9880434274673462e-01 - 6.1722189188003540e-01 -1.1455553770065308e-01 - <_> - 6.5016494750976562e+01 - - 1 2 2245 1.0350000000000000e+02 0 -1 2246 - 4.4850000000000000e+02 -2 -3 2247 6.2550000000000000e+02 - - -6.7635171115398407e-02 4.6874949336051941e-01 - -8.0271768569946289e-01 3.7331908941268921e-01 - <_> - 6.5212265014648438e+01 - - 1 2 2248 6.2150000000000000e+02 0 -1 2249 326. -2 -3 2250 - 1.5000000000000000e+00 - - 1.9577379524707794e-01 -7.0703411102294922e-01 - 5.1214373111724854e-01 -7.2338587045669556e-01 - <_> - 6.5121826171875000e+01 - - 1 2 2251 9.7500000000000000e+01 0 -1 2252 - 2.3550000000000000e+02 -2 -3 2253 1.9500000000000000e+01 - - 4.6985685825347900e-01 -8.9037990570068359e-01 - 4.9876618385314941e-01 -9.0437032282352448e-02 - <_> - 6.5343742370605469e+01 - - 1 2 2254 1.9500000000000000e+01 0 -1 2255 1133. -2 -3 2256 - 1.0050000000000000e+02 - - 4.8251938819885254e-01 -6.2672054767608643e-01 - 2.2191496193408966e-01 -7.7584463357925415e-01 - <_> - 6.5446708679199219e+01 - - 1 2 2257 1.2555000000000000e+03 0 -1 2258 1315. -2 -3 2259 - 1.4525000000000000e+03 - - 5.0016152858734131e-01 -3.4823906421661377e-01 - 8.1143665313720703e-01 -3.6510743200778961e-02 - <_> - 6.5472305297851562e+01 - - 1 2 2260 5.8500000000000000e+01 0 -1 2261 - 9.2250000000000000e+02 -2 -3 2262 9.2500000000000000e+01 - - 2.5597516447305679e-02 -7.3596054315567017e-01 - 7.7482932806015015e-01 -2.4384480714797974e-01 - <_> - 6.5680641174316406e+01 - - 1 2 2263 2.8500000000000000e+01 0 -1 2264 - 1.9500000000000000e+01 -2 -3 2265 5.0000000000000000e-01 - - -5.1095438003540039e-01 2.7406066656112671e-01 - 4.7238901257514954e-02 -7.9554700851440430e-01 - <_> - 6.5828727722167969e+01 - - 1 2 2266 6.5000000000000000e+00 0 -1 2267 46. -2 -3 2268 - 2.3350000000000000e+02 - - 4.0098896622657776e-01 -3.0355367064476013e-01 - -5.7611280679702759e-01 2.4870538711547852e-01 - <_> - 6.6055801391601562e+01 - - 1 2 2269 1.1235000000000000e+03 0 -1 2270 1791. -2 -3 2271 - 2.2500000000000000e+01 - - 4.2222037911415100e-01 -5.7381504774093628e-01 - -5.7501715421676636e-01 2.7313375473022461e-01 - <_> - 6.5979278564453125e+01 - - 1 2 2272 1.6500000000000000e+01 0 -1 2273 - 1.1500000000000000e+01 -2 -3 2274 3.6500000000000000e+01 - - -1. 7.4951916933059692e-01 -2.2320111095905304e-01 - 6.2808310985565186e-01 - <_> - 6.5982803344726562e+01 - - 1 2 2275 8.8500000000000000e+01 0 -1 2276 - 5.0000000000000000e-01 -2 -3 2277 303. - - -4.2098733782768250e-01 4.7041663527488708e-01 - -8.3091259002685547e-01 3.5231374204158783e-03 - <_> - 6.5862815856933594e+01 - - 1 2 2278 5.0000000000000000e-01 0 -1 2279 - 7.5000000000000000e+00 -2 -3 2280 1.8500000000000000e+01 - - -3.1455779075622559e-01 6.9095128774642944e-01 - -3.3799609541893005e-01 3.8651108741760254e-01 - <_> - 6.5698982238769531e+01 - - 1 2 2281 2.5000000000000000e+00 0 -1 2282 - 6.5000000000000000e+00 -2 -3 2283 1.6500000000000000e+01 - - 1.1540318280458450e-01 -8.0706399679183960e-01 - 4.5586335659027100e-01 -1.6382929682731628e-01 - <_> - 6.5865753173828125e+01 - - 1 2 2284 4.1500000000000000e+01 0 -1 2285 322. -2 -3 2286 - 5.0000000000000000e-01 - - -7.6401643455028534e-02 7.0236140489578247e-01 - 8.3611255884170532e-01 -3.3973169326782227e-01 - <_> - 6.6324913024902344e+01 - - 1 2 2287 1180. 0 -1 2288 5.0000000000000000e-01 -2 -3 2289 - 4.9850000000000000e+02 - - 5.4826909303665161e-01 -6.1790186166763306e-01 - 4.9796470999717712e-01 -7.6435178518295288e-02 - <_> - 6.6116767883300781e+01 - - 1 2 2290 1.0086500000000000e+04 0 -1 2291 - 5.0000000000000000e-01 -2 -3 2292 1.4915000000000000e+03 - - 2.2847035527229309e-01 -5.0997734069824219e-01 - 5.6548178195953369e-01 -2.0814302563667297e-01 - <_> - 6.6620307922363281e+01 - - 1 2 2293 1.2195000000000000e+03 0 -1 2294 - 1.9055000000000000e+03 -2 -3 2295 2.0550000000000000e+02 - - -3.3149933815002441e-01 6.4176028966903687e-01 - 6.0821473598480225e-01 -3.0888804793357849e-01 - <_> - 6.6746444702148438e+01 - - 1 2 2296 2.5000000000000000e+00 0 -1 2297 - 1.0150000000000000e+02 -2 -3 2298 7.2585000000000000e+03 - - 5.9253281354904175e-01 -3.7904369831085205e-01 - 2.6760953664779663e-01 -4.0275105834007263e-01 - <_> - 6.6943595886230469e+01 - - 1 2 2299 1.1500000000000000e+01 0 -1 2300 - 2.4500000000000000e+01 -2 -3 2301 4.5000000000000000e+00 - - -9.8942744731903076e-01 1. -5.9422683715820312e-01 - 1.9715292751789093e-01 - <_> - 6.6331527709960938e+01 - - 1 2 2302 2.4500000000000000e+01 0 -1 2303 - 8.7500000000000000e+01 -2 -3 2304 3.4500000000000000e+01 - - -2.3940645158290863e-01 3.9157524704933167e-01 - 1.0247871279716492e-01 -7.5354349613189697e-01 - <_> - 6.6475265502929688e+01 - - 1 2 2305 6.5000000000000000e+00 0 -1 2306 - 2.3500000000000000e+01 -2 -3 2307 3.3500000000000000e+01 - - -7.6529741287231445e-01 4.5638066530227661e-01 - -5.1855069398880005e-01 1.4373423159122467e-01 - <_> - 6.6999214172363281e+01 - - 1 2 2308 9.4500000000000000e+01 0 -1 2309 - 2.0500000000000000e+01 -2 -3 2310 195. - - -7.4185177683830261e-02 5.2394580841064453e-01 - 3.7441125512123108e-01 -9.3662869930267334e-01 - <_> - 6.7006050109863281e+01 - - 1 2 2311 3026. 0 -1 2312 2.2500000000000000e+01 -2 -3 2313 - 2.8500000000000000e+01 - - -8.7473273277282715e-01 5.1518291234970093e-01 - -6.7311668395996094e-01 6.8403608165681362e-03 - <_> - 6.7129646301269531e+01 - - 1 2 2314 1.7500000000000000e+01 0 -1 2315 - 4.4500000000000000e+01 -2 -3 2316 2961. - - -2.2424821555614471e-01 3.6378455162048340e-01 - -7.0937103033065796e-01 1.6935887932777405e-01 - <_> - 6.7392829895019531e+01 - - 1 2 2317 5.5000000000000000e+00 0 -1 2318 - 1.0500000000000000e+01 -2 -3 2319 46. - - 6.3752532005310059e-01 -1.6769923269748688e-01 - -3.9633530378341675e-01 2.1741947531700134e-01 - <_> - 6.7652908325195312e+01 - - 1 2 2320 4.0500000000000000e+01 0 -1 2321 - 3.7750000000000000e+02 -2 -3 2322 288. - - 7.8108507394790649e-01 -8.9046698808670044e-01 - 2.6008096337318420e-01 -3.1209379434585571e-01 - <_> - 6.7522987365722656e+01 - - 1 2 2323 2.8450000000000000e+02 0 -1 2324 - 2.1500000000000000e+01 -2 -3 2325 3.1615000000000000e+03 - - -2.6827138662338257e-01 4.4363465905189514e-01 - -5.0426739454269409e-01 3.2839775085449219e-01 - <_> - 6.7682723999023438e+01 - - 1 2 2326 1.4550000000000000e+02 0 -1 2327 - 5.0000000000000000e-01 -2 -3 2328 187. - - 3.3854234218597412e-01 -1.9424141943454742e-01 - -7.8695666790008545e-01 1.0578002780675888e-01 - <_> - 6.7990608215332031e+01 - - 1 2 2329 1.4500000000000000e+01 0 -1 2330 55. -2 -3 2331 - 4.1500000000000000e+01 - - 9.3669831752777100e-01 -7.9035413265228271e-01 - 4.7996759414672852e-01 -1.4678025245666504e-01 - <_> - 6.7773666381835938e+01 - - 1 2 2332 4.4450000000000000e+02 0 -1 2333 - 6.5000000000000000e+00 -2 -3 2334 87. - - 3.0000856518745422e-01 -5.1463776826858521e-01 - -4.2596080899238586e-01 5.2854359149932861e-01 - <_> - 6.8242584228515625e+01 - - 1 2 2335 2.3325000000000000e+03 0 -1 2336 10142. -2 -3 2337 - 1.9550000000000000e+02 - - -6.1795878410339355e-01 7.2833043336868286e-01 - 5.5236649513244629e-01 -7.2167828679084778e-02 - <_> - 6.7640380859375000e+01 - - 1 2 2338 1.9500000000000000e+01 0 -1 2339 - 5.5000000000000000e+00 -2 -3 2340 3.7500000000000000e+01 - - -9.1623830795288086e-01 2.8547397255897522e-01 - 2.7238869667053223e-01 -6.8565303087234497e-01 - <_> - 6.8166297912597656e+01 - - 1 2 2341 887. 0 -1 2342 1.8950000000000000e+02 -2 -3 2343 - 1.6500000000000000e+01 - - 5.8323717117309570e-01 -8.4304898977279663e-01 - 5.2591782808303833e-01 -1.1249145865440369e-01 - <_> - 6.7966316223144531e+01 - - 1 2 2344 1.3500000000000000e+01 0 -1 2345 - 5.0500000000000000e+01 -2 -3 2346 5.5000000000000000e+00 - - -5.7582974433898926e-01 8.8582295179367065e-01 - 4.5189410448074341e-01 -1.9998365640640259e-01 - <_> - 6.8363616943359375e+01 - - 1 2 2347 9519. 0 -1 2348 9.9355000000000000e+03 -2 -3 2349 - 1.5000000000000000e+00 - - -5.6369476020336151e-02 5.6953996419906616e-01 - 6.4817821979522705e-01 -6.5638613700866699e-01 - <_> - 6.8680084228515625e+01 - - 1 2 2350 1.4500000000000000e+01 0 -1 2351 - 2.2500000000000000e+01 -2 -3 2352 4.9500000000000000e+01 - - -1.3236002624034882e-01 6.2589818239212036e-01 - -4.6971350908279419e-01 3.0481177568435669e-01 - <_> - 6.8636512756347656e+01 - - 1 2 2353 2.3491500000000000e+04 0 -1 2354 - 1.5000000000000000e+00 -2 -3 2355 31. - - 2.9175955057144165e-01 -2.0415711402893066e-01 -1. 1. - <_> - 6.8339431762695312e+01 - - 1 2 2356 2.1500000000000000e+01 0 -1 2357 - 5.0000000000000000e-01 -2 -3 2358 2.5000000000000000e+00 - - 4.2874211072921753e-01 -4.4592785835266113e-01 - -9.4336575269699097e-01 3.3847200870513916e-01 - <_> - 6.8127563476562500e+01 - - 1 2 2359 2.7500000000000000e+01 0 -1 2360 - 4.5000000000000000e+00 -2 -3 2361 1.2500000000000000e+01 - - 1.4308325946331024e-01 -5.4449397325515747e-01 - 5.8717787265777588e-01 -2.1186867356300354e-01 - <_> - 6.8410385131835938e+01 - - 1 2 2362 9.5000000000000000e+00 0 -1 2363 - 5.5000000000000000e+00 -2 -3 2364 1.2850000000000000e+02 - - -1.1505768448114395e-01 -9.6275746822357178e-01 - 2.8282612562179565e-01 -3.5639968514442444e-01 - <_> - 6.8815826416015625e+01 - - 1 2 2365 1.9125000000000000e+03 0 -1 2366 - 6.5000000000000000e+00 -2 -3 2367 1.2925000000000000e+03 - - 7.6003736257553101e-01 -1.8823170661926270e-01 - -3.1990632414817810e-01 3.2092514634132385e-01 - <_> - 6.8693199157714844e+01 - - 1 2 2368 1.5500000000000000e+01 0 -1 2369 - 4.0445000000000000e+03 -2 -3 2370 1.3500000000000000e+01 - - 2.2088183462619781e-01 -8.6471045017242432e-01 - 4.9937435984611511e-01 -1.2262738496065140e-01 - <_> - 6.9212486267089844e+01 - - 1 2 2371 1.1500000000000000e+01 0 -1 2372 - 1.2500000000000000e+01 -2 -3 2373 1.3250000000000000e+02 - - -5.8216619491577148e-01 7.6504099369049072e-01 - -4.9605194479227066e-02 5.4096341133117676e-01 - <_> - 6.9281822204589844e+01 - - 1 2 2374 3.4500000000000000e+01 0 -1 2375 - 6.5000000000000000e+00 -2 -3 2376 1.5000000000000000e+00 - - -7.0201843976974487e-01 3.5367730259895325e-01 1. - -3.9128544926643372e-01 - <_> - 6.9379959106445312e+01 - - 1 2 2377 8.7500000000000000e+01 0 -1 2378 - 7.5000000000000000e+00 -2 -3 2379 273. - - -5.3956866264343262e-01 3.2018893957138062e-01 - -5.9921985864639282e-01 2.5184553861618042e-01 - <_> - 6.9302131652832031e+01 - - 1 2 2380 5.0000000000000000e-01 0 -1 2381 - 4.4500000000000000e+01 -2 -3 2382 1.9204500000000000e+04 - - -5.0899110734462738e-02 6.8976759910583496e-01 - -7.7828548848628998e-02 -9.1394501924514771e-01 - <_> - 6.9691947937011719e+01 - - 1 2 2383 6.7500000000000000e+01 0 -1 2384 - 3.2850000000000000e+02 -2 -3 2385 1224. - - 1.1171031743288040e-02 7.3188757896423340e-01 - -8.6419099569320679e-01 2.1196028217673302e-02 - <_> - 6.9572067260742188e+01 - - 1 2 2386 1.1235000000000000e+03 0 -1 2387 - 8.4050000000000000e+02 -2 -3 2388 1.5500000000000000e+01 - - -1.5439936518669128e-01 6.1207121610641479e-01 - 1.9708819687366486e-01 -4.6194908022880554e-01 - <_> - 6.9861968994140625e+01 - - 1 2 2389 9.1500000000000000e+01 0 -1 2390 - 1.0500000000000000e+01 -2 -3 2391 4.1495000000000000e+03 - - 1.0701948404312134e-01 -5.6979161500930786e-01 - -9.6821188926696777e-02 7.0975506305694580e-01 - <_> - 7.0039260864257812e+01 - - 1 2 2392 1.1500000000000000e+01 0 -1 2393 2897. -2 -3 2394 - 2.4350000000000000e+02 - - -9.1259753704071045e-01 1. 1.7728993296623230e-01 - -7.3356288671493530e-01 - <_> - 6.9705703735351562e+01 - - 1 2 2395 5.0000000000000000e-01 0 -1 2396 - 2.0500000000000000e+01 -2 -3 2397 4.6500000000000000e+01 - - -5.2813202142715454e-01 4.4198977947235107e-01 - -4.8570594191551208e-01 1.9584445655345917e-01 - <_> - 6.9970062255859375e+01 - - 1 2 2398 5.0000000000000000e-01 0 -1 2399 - 3.1500000000000000e+01 -2 -3 2400 3831. - - -6.4685755968093872e-01 7.3702591657638550e-01 - -2.6504144072532654e-01 5.5941796302795410e-01 - <_> - 6.9949569702148438e+01 - - 1 2 2401 5.0000000000000000e-01 0 -1 2402 5. -2 -3 2403 - 4.5000000000000000e+00 - - -8.8435417413711548e-01 5.8749139308929443e-01 - 2.7166697382926941e-01 -3.1555649638175964e-01 - <_> - 7.0117141723632812e+01 - - 1 2 2404 2596. 0 -1 2405 9.1496500000000000e+04 -2 -3 2406 - 1.5000000000000000e+00 - - -7.8573900461196899e-01 1.6757574677467346e-01 - 8.5581427812576294e-01 -9.4101238250732422e-01 - <_> - 7.0224205017089844e+01 - - 1 2 2407 5749. 0 -1 2408 79. -2 -3 2409 208. - - 1. -1. 1.0706392675638199e-01 -7.7825403213500977e-01 - <_> - 7.0221618652343750e+01 - - 1 2 2410 5.1855000000000000e+03 0 -1 2411 - 4.6500000000000000e+01 -2 -3 2412 8.5000000000000000e+00 - - -3.6203452944755554e-01 3.4422519803047180e-01 - -2.5855610147118568e-03 -7.1835225820541382e-01 - <_> - 7.0728790283203125e+01 - - 1 2 2413 1.3500000000000000e+01 0 -1 2414 - 1.0950000000000000e+02 -2 -3 2415 5.3500000000000000e+01 - - 1.9084104895591736e-01 -8.0712783336639404e-01 - 5.5798757076263428e-01 -1.0734169185161591e-01 - <_> - 7.0351577758789062e+01 - - 1 2 2416 1.3405000000000000e+03 0 -1 2417 - 3.5000000000000000e+00 -2 -3 2418 342. - - 4.1194143891334534e-01 -3.7721332907676697e-01 - -5.5014234781265259e-01 5.2194917201995850e-01 - <_> - 7.0136901855468750e+01 - - 1 2 2419 3.7345000000000000e+03 0 -1 2420 - 3.2500000000000000e+01 -2 -3 2421 9.8500000000000000e+01 - - 3.2743006944656372e-01 -2.1467541158199310e-01 - -8.1029343605041504e-01 7.0203500986099243e-01 - <_> - 6.9686508178710938e+01 - - 1 2 2422 1.2185000000000000e+03 0 -1 2423 - 1.5000000000000000e+00 -2 -3 2424 4.8755000000000000e+03 - - 2.0333147048950195e-01 -4.5039632916450500e-01 - 4.4757398962974548e-01 -5.9627413749694824e-01 - <_> - 7.0005889892578125e+01 - - 1 2 2425 6.4500000000000000e+01 0 -1 2426 - 3.7150000000000000e+02 -2 -3 2427 6.7750000000000000e+02 - - 2.6681974530220032e-01 -5.9953171014785767e-01 - 3.1938493251800537e-01 -6.9817471504211426e-01 - <_> - 7.0428718566894531e+01 - - 1 2 2428 2.6500000000000000e+01 0 -1 2429 - 1.7650000000000000e+02 -2 -3 2430 1.0500000000000000e+01 - - -7.5495415367186069e-03 -6.1552453041076660e-01 - -5.8272439241409302e-01 7.1704763174057007e-01 - <_> - 7.0936927795410156e+01 - - 1 2 2431 1.0950000000000000e+02 0 -1 2432 - 1.2500000000000000e+01 -2 -3 2433 3.4500000000000000e+01 - - 6.7761175334453583e-02 -6.1159509420394897e-01 - 5.0820809602737427e-01 -1.4290602505207062e-01 - <_> - 7.1328254699707031e+01 - - 1 2 2434 37. 0 -1 2435 108. -2 -3 2436 - 7.5000000000000000e+00 - - 5.2559959888458252e-01 -9.0183192491531372e-01 - 3.9132472872734070e-01 -1.6153934597969055e-01 - <_> - 7.1377151489257812e+01 - - 1 2 2437 1.5000000000000000e+00 0 -1 2438 - 4.1500000000000000e+01 -2 -3 2439 136. - - -1.6022360324859619e-01 4.5697069168090820e-01 - -5.8138531446456909e-01 5.7625991106033325e-01 - <_> - 7.1590606689453125e+01 - - 1 2 2440 2.2950000000000000e+02 0 -1 2441 986. -2 -3 2442 - 2.5000000000000000e+00 - - -5.5947124958038330e-01 2.1345110237598419e-01 - 5.1724910736083984e-01 -7.9673564434051514e-01 - <_> - 7.1604888916015625e+01 - - 1 2 2443 9.5000000000000000e+00 0 -1 2444 - 2.3500000000000000e+01 -2 -3 2445 1.0550000000000000e+02 - - -4.6063753962516785e-01 3.1602507829666138e-01 - -5.2265387773513794e-01 6.4050400257110596e-01 - <_> - 7.1843421936035156e+01 - - 1 2 2446 2.3365000000000000e+03 0 -1 2447 - 1.3333500000000000e+04 -2 -3 2448 7.8250000000000000e+02 - - -5.7870197296142578e-01 9.2290049791336060e-01 - 6.9137138128280640e-01 -1.5123842656612396e-01 - <_> - 7.1939323425292969e+01 - - 1 2 2449 3.5000000000000000e+00 0 -1 2450 - 1.8500000000000000e+01 -2 -3 2451 6.1500000000000000e+01 - - -5.3932064771652222e-01 4.5498287677764893e-01 - -6.5867853164672852e-01 9.6776336431503296e-02 - <_> - 7.1796112060546875e+01 - - 1 2 2452 1.0050000000000000e+02 0 -1 2453 - 6.5000000000000000e+00 -2 -3 2454 9.9500000000000000e+01 - - 2.1488319337368011e-01 -3.8114818930625916e-01 - -9.3055361509323120e-01 9.2053020000457764e-01 - <_> - 7.1826210021972656e+01 - - 1 2 2455 5.3875000000000000e+03 0 -1 2456 - 4.0150000000000000e+02 -2 -3 2457 203. - - 3.6667090654373169e-01 -3.2799699902534485e-01 - -2.9070058465003967e-01 6.2547647953033447e-01 - <_> - 7.1566932678222656e+01 - - 1 2 2458 1164. 0 -1 2459 12122. -2 -3 2460 - 1.2565000000000000e+03 - - -8.4399074316024780e-01 8.6422222852706909e-01 - -2.5927615165710449e-01 3.1698527932167053e-01 - <_> - 7.2048255920410156e+01 - - 1 2 2461 7.0500000000000000e+01 0 -1 2462 - 5.0000000000000000e-01 -2 -3 2463 113. - - 4.2299839854240417e-01 -3.7696704268455505e-01 - 4.8132598400115967e-01 -8.4420484304428101e-01 - <_> - 7.2493713378906250e+01 - - 1 2 2464 1.5000000000000000e+00 0 -1 2465 24. -2 -3 2466 - 1.1650000000000000e+02 - - -7.3568606376647949e-01 4.4545513391494751e-01 - 4.5487869530916214e-02 -6.0882014036178589e-01 - <_> - 7.2295455932617188e+01 - - 1 2 2467 2.6500000000000000e+01 0 -1 2468 - 2.5000000000000000e+00 -2 -3 2469 1.9500000000000000e+01 - - 1.9328838586807251e-01 -9.2098551988601685e-01 - 2.8382617235183716e-01 -3.1953519582748413e-01 - <_> - 7.2064254760742188e+01 - - 1 2 2470 5.6500000000000000e+01 0 -1 2471 - 3.5000000000000000e+00 -2 -3 2472 2.2450000000000000e+02 - - 2.8244340419769287e-01 -2.9833537340164185e-01 -1. - 8.5370278358459473e-01 - <_> - 7.2284309387207031e+01 - - 1 2 2473 4.9500000000000000e+01 0 -1 2474 4038. -2 -3 2475 - 1.0500000000000000e+01 - - 3.4302046895027161e-01 -8.1761771440505981e-01 - -7.4983465671539307e-01 2.2005748748779297e-01 - <_> - 7.2424072265625000e+01 - - 1 2 2476 5.0000000000000000e-01 0 -1 2477 - 4.9525000000000000e+03 -2 -3 2478 1.2500000000000000e+01 - - 3.8115087151527405e-01 -6.6690814495086670e-01 - 1.3976120948791504e-01 -5.6789624691009521e-01 - <_> - 7.2313995361328125e+01 - - 1 2 2479 3.2500000000000000e+01 0 -1 2480 - 1.1926500000000000e+04 -2 -3 2481 6.0500000000000000e+01 - - -6.5613843500614166e-02 -7.5880628824234009e-01 - 2.2690546512603760e-01 -6.3682055473327637e-01 - <_> - 7.2143783569335938e+01 - - 1 2 2482 5.0000000000000000e-01 0 -1 2483 - 5.7535000000000000e+03 -2 -3 2484 5.5000000000000000e+00 - - -9.2257243394851685e-01 8.5957908630371094e-01 - 3.2697901129722595e-01 -1.7020969092845917e-01 - <_> - 7.2681999206542969e+01 - - 1 2 2485 7.1500000000000000e+01 0 -1 2486 188. -2 -3 2487 - 177. - - -2.7773711085319519e-01 6.7274010181427002e-01 - -3.3517399430274963e-01 7.5859177112579346e-01 - <_> - 7.2897277832031250e+01 - - 1 2 2488 6.7500000000000000e+01 0 -1 2489 - 2.1500000000000000e+01 -2 -3 2490 7.0500000000000000e+01 - - -7.9514396190643311e-01 2.1528589725494385e-01 1. - -7.2838509082794189e-01 - <_> - 7.2998519897460938e+01 - - 1 2 2491 6.5000000000000000e+00 0 -1 2492 161. -2 -3 2493 - 9578. - - 6.2451672554016113e-01 -1.9713717699050903e-01 - 1.0124062746763229e-01 -5.1373565196990967e-01 - <_> - 7.3003601074218750e+01 - - 1 2 2494 2.3415000000000000e+03 0 -1 2495 - 7.6500000000000000e+01 -2 -3 2496 1.4555000000000000e+03 - - -6.9544225931167603e-01 3.1051948666572571e-01 - 7.0642524957656860e-01 1.7271263524889946e-02 - <_> - 7.3047424316406250e+01 - - 1 2 2497 1.5500000000000000e+01 0 -1 2498 - 1.1500000000000000e+01 -2 -3 2499 5.7500000000000000e+01 - - 3.4771478176116943e-01 -8.5552608966827393e-01 - 3.6829981207847595e-01 -1.8874453008174896e-01 - <_> - 7.3427375793457031e+01 - - 1 2 2500 6.2500000000000000e+01 0 -1 2501 34698. -2 -3 2502 - 8.5000000000000000e+00 - - 1.6296713054180145e-01 -6.3167887926101685e-01 - 3.7994962930679321e-01 -4.6771416068077087e-01 - <_> - 7.3244293212890625e+01 - - 1 2 2503 2.3500000000000000e+01 0 -1 2504 - 3.8500000000000000e+01 -2 -3 2505 427. - - -2.9058054089546204e-01 5.2562189102172852e-01 - 6.4414465427398682e-01 -8.3316773176193237e-01 - <_> - 7.3628913879394531e+01 - - 1 2 2506 4.5000000000000000e+00 0 -1 2507 - 8.5000000000000000e+00 -2 -3 2508 1.6925000000000000e+03 - - -2.7814975380897522e-01 4.8170346021652222e-01 - -6.5349429845809937e-01 5.4887872189283371e-02 - <_> - 7.3769676208496094e+01 - - 1 2 2509 15430. 0 -1 2510 1.5950000000000000e+02 -2 -3 2511 - 1.2615000000000000e+03 - - 4.3867623805999756e-01 -7.6247996091842651e-01 - -4.5795723795890808e-01 2.0065939426422119e-01 - <_> - 7.3981689453125000e+01 - - 1 2 2512 7.3500000000000000e+01 0 -1 2513 - 2.6500000000000000e+01 -2 -3 2514 4.1500000000000000e+01 - - -6.2215524911880493e-01 2.1201618015766144e-01 - -7.7795881032943726e-01 7.5186353921890259e-01 - <_> - 7.3843399047851562e+01 - - 1 2 2515 3.5000000000000000e+00 0 -1 2516 9. -2 -3 2517 - 1.7500000000000000e+01 - - -1. 6.5247339010238647e-01 -5.3328835964202881e-01 - 6.5298572182655334e-02 - <_> - 7.3923049926757812e+01 - - 1 2 2518 5.2950000000000000e+02 0 -1 2519 - 1.8500000000000000e+01 -2 -3 2520 6.4500000000000000e+01 - - 2.7425521612167358e-01 -7.6726049184799194e-01 - 2.3897975683212280e-01 -5.1008826494216919e-01 - <_> - 7.3826148986816406e+01 - - 1 2 2521 7.0500000000000000e+01 0 -1 2522 - 2.8500000000000000e+01 -2 -3 2523 3.5000000000000000e+00 - - 1.1504331231117249e-01 -6.4958560466766357e-01 - 6.4581304788589478e-01 -9.6902929246425629e-02 - <_> - 7.4119972229003906e+01 - - 1 2 2524 163. 0 -1 2525 2.0450000000000000e+02 -2 -3 2526 - 1486. - - 7.2227291762828827e-02 -4.8131951689720154e-01 - 6.7641806602478027e-01 -1. - <_> - 7.4284828186035156e+01 - - 1 2 2527 9.5000000000000000e+00 0 -1 2528 - 5.4500000000000000e+01 -2 -3 2529 3.5000000000000000e+00 - - 2.1673867106437683e-01 -9.8935294151306152e-01 - -8.0995440483093262e-01 1.6485558450222015e-01 - <_> - 7.3767173767089844e+01 - - 1 2 2530 3.3500000000000000e+01 0 -1 2531 - 2.0500000000000000e+01 -2 -3 2532 326. - - 8.5764698684215546e-02 -5.1765644550323486e-01 - -3.3359569311141968e-01 5.3560173511505127e-01 - <_> - 7.4017349243164062e+01 - - 1 2 2533 1144. 0 -1 2534 1038. -2 -3 2535 227. - - -8.5851883888244629e-01 8.0733579397201538e-01 - 2.5017657876014709e-01 -4.6748492121696472e-01 - <_> - 7.4431625366210938e+01 - - 1 2 2536 8.6500000000000000e+01 0 -1 2537 7. -2 -3 2538 - 4.7500000000000000e+01 - - 5.0281429290771484e-01 -6.8806976079940796e-01 - 4.1427880525588989e-01 -1.3120372593402863e-01 - <_> - 7.4155914306640625e+01 - - 1 2 2539 2.8500000000000000e+01 0 -1 2540 - 1.2500000000000000e+01 -2 -3 2541 352. - - 4.0651530027389526e-01 -2.7571403980255127e-01 - 6.4302980899810791e-01 -6.1632806062698364e-01 - <_> - 7.4377723693847656e+01 - - 1 2 2542 4.5500000000000000e+01 0 -1 2543 - 4.5000000000000000e+00 -2 -3 2544 1.5000000000000000e+00 - - 2.1374966204166412e-01 -8.0584329366683960e-01 - -6.8813514709472656e-01 2.2180862724781036e-01 - <_> - 7.4892883300781250e+01 - - 1 2 2545 7.2450000000000000e+02 0 -1 2546 - 8.2650000000000000e+02 -2 -3 2547 2.5000000000000000e+00 - - -1.0470861941576004e-01 5.1516324281692505e-01 - 1.2213422358036041e-01 -7.9457265138626099e-01 - <_> - 7.4932922363281250e+01 - - 1 2 2548 1.4925000000000000e+03 0 -1 2549 - 2.5625000000000000e+03 -2 -3 2550 4.0125000000000000e+03 - - -1.9472637213766575e-03 8.4926861524581909e-01 - 4.0032647550106049e-02 -7.9371875524520874e-01 - <_> - 7.5366584777832031e+01 - - 1 2 2551 5.0000000000000000e-01 0 -1 2552 - 3.5150000000000000e+02 -2 -3 2553 7.6500000000000000e+01 - - -6.7581409215927124e-01 4.3366453051567078e-01 - -6.9250804185867310e-01 1.4782861806452274e-02 - <_> - 7.5361564636230469e+01 - - 1 2 2554 1.4550000000000000e+02 0 -1 2555 - 1.3500000000000000e+01 -2 -3 2556 3.7950000000000000e+02 - - -9.2167288064956665e-01 2.2473543882369995e-01 - -6.1316716670989990e-01 5.3515338897705078e-01 - <_> - 7.5602142333984375e+01 - - 1 2 2557 1.7500000000000000e+01 0 -1 2558 - 3.0150000000000000e+02 -2 -3 2559 5.9500000000000000e+01 - - -2.0176244899630547e-02 7.6716834306716919e-01 - -6.2594699859619141e-01 2.9301643371582031e-02 - <_> - 7.5772842407226562e+01 - - 1 2 2560 7.0205000000000000e+03 0 -1 2561 - 7.5000000000000000e+00 -2 -3 2562 182. - - -7.9505175352096558e-01 1.7069797217845917e-01 - -8.2258385419845581e-01 7.3946392536163330e-01 - <_> - 7.5877098083496094e+01 - - 1 2 2563 4.5500000000000000e+01 0 -1 2564 - 6.8445000000000000e+03 -2 -3 2565 7.9500000000000000e+01 - - 3.9029154181480408e-01 -1.7648826539516449e-01 - -5.5182862281799316e-01 4.6366956830024719e-01 - <_> - 7.5638267517089844e+01 - - 1 2 2566 5.1850000000000000e+02 0 -1 2567 - 4.5000000000000000e+00 -2 -3 2568 5.0500000000000000e+01 - - 2.6328665018081665e-01 -3.8584133982658386e-01 - -6.9626593589782715e-01 5.0637173652648926e-01 - <_> - 7.5725959777832031e+01 - - 1 2 2569 1.9950000000000000e+02 0 -1 2570 - 1.8500000000000000e+01 -2 -3 2571 3.6500000000000000e+01 - - -4.1137224435806274e-01 2.0416383445262909e-01 - -9.0335428714752197e-01 8.9813232421875000e-01 - <_> - 7.5224937438964844e+01 - - 1 2 2572 7.5000000000000000e+00 0 -1 2573 - 2.5500000000000000e+01 -2 -3 2574 2.8450000000000000e+02 - - -7.3831039667129517e-01 3.6077511310577393e-01 - 3.1331515312194824e-01 -5.0101745128631592e-01 - <_> - 7.5449661254882812e+01 - - 1 2 2575 5.0000000000000000e-01 0 -1 2576 - 3.7665000000000000e+03 -2 -3 2577 8.2500000000000000e+01 - - 7.5498217344284058e-01 -1.5097464621067047e-01 - -3.8953059911727905e-01 2.2472013533115387e-01 - <_> - 7.5411880493164062e+01 - - 1 2 2578 4493. 0 -1 2579 2.5500000000000000e+01 -2 -3 2580 - 2.4500000000000000e+01 - - 2.1087837219238281e-01 -2.8623789548873901e-01 -1. - 9.5196199417114258e-01 - <_> - 7.5614067077636719e+01 - - 1 2 2581 1.0500000000000000e+01 0 -1 2582 17. -2 -3 2583 - 103. - - -7.5117886066436768e-01 9.0265202522277832e-01 - 2.0218542218208313e-01 -7.3936897516250610e-01 - <_> - 7.5999168395996094e+01 - - 1 2 2584 3.8500000000000000e+01 0 -1 2585 5086. -2 -3 2586 - 5.4500000000000000e+01 - - 5.9127920866012573e-01 -5.5186152458190918e-01 - 6.0463196039199829e-01 -9.3399420380592346e-02 - <_> - 7.6240371704101562e+01 - - 1 2 2587 2.7500000000000000e+01 0 -1 2588 - 3.5000000000000000e+00 -2 -3 2589 91. - - -6.9810129702091217e-02 -8.4188365936279297e-01 - 2.4120073020458221e-01 -6.5708816051483154e-01 - <_> - 7.6235023498535156e+01 - - 1 2 2590 1.9500000000000000e+01 0 -1 2591 - 1.6500000000000000e+01 -2 -3 2592 4.5000000000000000e+00 - - 3.0514994263648987e-01 -3.2603117823600769e-01 - -4.3177062273025513e-01 8.1372964382171631e-01 - <_> - 7.6073257446289062e+01 - - 1 2 2593 1.2135000000000000e+03 0 -1 2594 - 1.5725000000000000e+03 -2 -3 2595 5.0650000000000000e+02 - - 4.9728196859359741e-01 -4.1840994358062744e-01 - 6.4058172702789307e-01 -1.6176456212997437e-01 - <_> - 7.6243354797363281e+01 - - 1 2 2596 2.5000000000000000e+00 0 -1 2597 - 4.2500000000000000e+01 -2 -3 2598 1.0500000000000000e+01 - - 2.2679857909679413e-01 -6.9367134571075439e-01 - 5.3237688541412354e-01 -5.3971223533153534e-02 - <_> - 7.6326980590820312e+01 - - 1 2 2599 5.0500000000000000e+01 0 -1 2600 - 3.5000000000000000e+00 -2 -3 2601 6.9315000000000000e+03 - - 2.1303455531597137e-01 -6.3557696342468262e-01 - -1.9230200350284576e-01 4.7144305706024170e-01 - <_> - 7.6166137695312500e+01 - - 1 2 2602 6905. 0 -1 2603 5.9785000000000000e+03 -2 -3 2604 - 2.5000000000000000e+00 - - -4.6545404940843582e-02 6.8220782279968262e-01 - 1.9928511977195740e-01 -5.4866182804107666e-01 - <_> - 7.6497024536132812e+01 - - 1 2 2605 3.5000000000000000e+00 0 -1 2606 - 1.5000000000000000e+00 -2 -3 2607 1.5500000000000000e+01 - - 1. -9.3044626712799072e-01 3.3089175820350647e-01 - -2.4615941941738129e-01 - <_> - 7.6440460205078125e+01 - - 1 2 2608 9.8500000000000000e+01 0 -1 2609 - 2.1950000000000000e+02 -2 -3 2610 1.5000000000000000e+00 - - -5.9206131845712662e-02 -7.2229409217834473e-01 - -7.6280659437179565e-01 4.8397278785705566e-01 - <_> - 7.6623970031738281e+01 - - 1 2 2611 6.5500000000000000e+01 0 -1 2612 - 5.0000000000000000e-01 -2 -3 2613 1.0050000000000000e+02 - - 3.7457340955734253e-01 -9.0597450733184814e-01 - 1.8351505696773529e-01 -5.7986891269683838e-01 - <_> - 7.6471252441406250e+01 - - 1 2 2614 1.1615000000000000e+03 0 -1 2615 - 2.0525000000000000e+03 -2 -3 2616 7.8150000000000000e+02 - - -7.5747263431549072e-01 8.2365345954895020e-01 - 4.9958717823028564e-01 -1.5272425115108490e-01 - <_> - 7.6615051269531250e+01 - - 1 2 2617 1.2950000000000000e+02 0 -1 2618 - 4.0500000000000000e+01 -2 -3 2619 2.5000000000000000e+00 - - -8.1159070134162903e-02 5.3420531749725342e-01 - 3.5195964574813843e-01 -8.9636689424514771e-01 - <_> - 7.6877807617187500e+01 - - 1 2 2620 2.2050000000000000e+02 0 -1 2621 - 9.5000000000000000e+00 -2 -3 2622 1.5500000000000000e+01 - - 1.3451068103313446e-01 -4.0673348307609558e-01 - -8.1775653362274170e-01 7.4299770593643188e-01 - <_> - 7.6823638916015625e+01 - - 1 2 2623 2.4500000000000000e+01 0 -1 2624 - 5.9500000000000000e+01 -2 -3 2625 5.1515000000000000e+03 - - -7.1872109174728394e-01 7.7110481262207031e-01 - 3.9283660054206848e-01 -1.6952608525753021e-01 - <_> - 7.6773773193359375e+01 - - 1 2 2626 8.5000000000000000e+00 0 -1 2627 - 3.5000000000000000e+00 -2 -3 2628 1.8450000000000000e+02 - - -6.7384725809097290e-01 6.7822283506393433e-01 - -3.4205380082130432e-01 2.1638515591621399e-01 - <_> - 7.6982254028320312e+01 - - 1 2 2629 2.8500000000000000e+01 0 -1 2630 245. -2 -3 2631 - 61. - - 2.0848464965820312e-01 -6.2569552659988403e-01 - -8.1863158941268921e-01 8.4820270538330078e-01 - <_> - 7.6841300964355469e+01 - - 1 2 2632 2.1500000000000000e+01 0 -1 2633 - 3.5000000000000000e+00 -2 -3 2634 5.0000000000000000e-01 - - -8.5113090276718140e-01 7.8649562597274780e-01 - 4.1131305694580078e-01 -1.4095856249332428e-01 - <_> - 7.7013679504394531e+01 - - 1 2 2635 7.4950000000000000e+02 0 -1 2636 - 9.5000000000000000e+00 -2 -3 2637 7.9500000000000000e+01 - - 1.7237815260887146e-01 -4.3325147032737732e-01 - -1.0799569636583328e-01 6.9663918018341064e-01 - <_> - 7.7435089111328125e+01 - - 1 2 2638 1.7500000000000000e+01 0 -1 2639 174. -2 -3 2640 - 12650. - - 2.8112256526947021e-01 -5.1195782423019409e-01 - 4.2141020298004150e-01 -5.3448003530502319e-01 - <_> - 7.7268295288085938e+01 - - 1 2 2641 503. 0 -1 2642 1.3950000000000000e+02 -2 -3 2643 - 5.5000000000000000e+00 - - 5.8834999799728394e-01 -8.3229357004165649e-01 - 3.7692824006080627e-01 -1.6679267585277557e-01 - <_> - 7.7178421020507812e+01 - - 1 2 2644 1.3500000000000000e+01 0 -1 2645 - 2.5000000000000000e+00 -2 -3 2646 4.5000000000000000e+00 - - -6.5913814306259155e-01 5.2206271886825562e-01 - 4.7852468490600586e-01 -8.9874200522899628e-02 - <_> - 7.7000297546386719e+01 - - 1 2 2647 2.6500000000000000e+01 0 -1 2648 - 9.5000000000000000e+00 -2 -3 2649 4.5000000000000000e+00 - - -8.1166177988052368e-01 4.6178385615348816e-01 - 3.5849693417549133e-01 -1.7812377214431763e-01 - <_> - 7.7597846984863281e+01 - - 1 2 2650 5.0000000000000000e-01 0 -1 2651 - 5.5000000000000000e+00 -2 -3 2652 6.2500000000000000e+01 - - -7.4793010950088501e-01 4.5227390527725220e-01 - -2.8616324067115784e-01 7.2525143623352051e-01 - <_> - 7.7900642395019531e+01 - - 1 2 2653 3.9500000000000000e+01 0 -1 2654 26. -2 -3 2655 - 5218. - - 5.8358985185623169e-01 -4.8778259754180908e-01 - 3.0279731750488281e-01 -8.5277533531188965e-01 - <_> - 7.7819618225097656e+01 - - 1 2 2656 9.5000000000000000e+00 0 -1 2657 6301. -2 -3 2658 - 6.5000000000000000e+00 - - 9.1035622358322144e-01 -9.4324058294296265e-01 - 4.2837977409362793e-01 -1.6642063856124878e-01 - <_> - 7.7973083496093750e+01 - - 1 2 2659 1.0500000000000000e+01 0 -1 2660 - 2.5595000000000000e+03 -2 -3 2661 3.0950000000000000e+02 - - -4.6133957803249359e-02 5.8160132169723511e-01 - -5.6929016113281250e-01 4.2342483997344971e-01 - <_> - 7.7966255187988281e+01 - - 1 2 2662 6.5000000000000000e+00 0 -1 2663 - 2.9250000000000000e+02 -2 -3 2664 4.7550000000000000e+02 - - -1.8533475697040558e-02 8.2740765810012817e-01 - -7.0250022411346436e-01 -6.8264966830611229e-03 - <_> - 7.7632484436035156e+01 - - 1 2 2665 2.5750000000000000e+02 0 -1 2666 - 3.7515000000000000e+03 -2 -3 2667 3.5000000000000000e+00 - - -9.5757788419723511e-01 8.6831378936767578e-01 - 2.1071645617485046e-01 -3.3376976847648621e-01 - <_> - 7.7842147827148438e+01 - - 1 2 2668 1.6650000000000000e+02 0 -1 2669 196. -2 -3 2670 - 2.5150000000000000e+02 - - 1.5279424190521240e-01 -6.0143697261810303e-01 - 5.7514303922653198e-01 -2.5379255414009094e-01 - <_> - 7.7947998046875000e+01 - - 1 2 2671 1.9500000000000000e+01 0 -1 2672 - 1.8850000000000000e+02 -2 -3 2673 3.5000000000000000e+00 - - -9.4067907333374023e-01 1. 4.1685935854911804e-01 - -1.3797542452812195e-01 - <_> - 7.8399063110351562e+01 - - 1 2 2674 2.5500000000000000e+01 0 -1 2675 - 2.5000000000000000e+00 -2 -3 2676 7.0765000000000000e+03 - - 2.0323142409324646e-01 -4.4056713581085205e-01 - -7.2788339853286743e-01 4.5106858015060425e-01 - <_> - 7.8570816040039062e+01 - - 1 2 2677 42. 0 -1 2678 1.8550000000000000e+02 -2 -3 2679 - 2.6500000000000000e+01 - - 8.6221927404403687e-01 -8.9485520124435425e-01 - -6.2209093570709229e-01 1.7175154387950897e-01 - <_> - 7.8441680908203125e+01 - - 1 2 2680 6.1500000000000000e+01 0 -1 2681 - 5.0000000000000000e-01 -2 -3 2682 1.9650000000000000e+02 - - 4.3466070294380188e-01 -1.2913754582405090e-01 - 3.0203801393508911e-01 -7.8498184680938721e-01 - <_> - 7.8473335266113281e+01 - - 1 2 2683 2.4500000000000000e+01 0 -1 2684 - 1.3505000000000000e+03 -2 -3 2685 1.1150000000000000e+02 - - 1.2745502591133118e-01 -5.3675878047943115e-01 - 7.7312016487121582e-01 3.1652595847845078e-02 - <_> - 7.8451828002929688e+01 - - 1 2 2686 2.3145000000000000e+03 0 -1 2687 267. -2 -3 2688 - 13841. - - -6.8013966083526611e-01 6.3926976919174194e-01 - 5.1043254137039185e-01 -5.8976538479328156e-02 - <_> - 7.8873893737792969e+01 - - 1 2 2689 2.3050000000000000e+02 0 -1 2690 - 8.5500000000000000e+01 -2 -3 2691 1.8500000000000000e+01 - - 1.5697926282882690e-01 -4.9062812328338623e-01 - -2.8371900320053101e-01 5.3703123331069946e-01 - <_> - 7.8867477416992188e+01 - - 1 2 2692 1.7500000000000000e+01 0 -1 2693 - 2.3500000000000000e+01 -2 -3 2694 2.9850000000000000e+02 - - -8.6949959397315979e-02 4.9665886163711548e-01 - 4.2928251624107361e-01 -7.4992567300796509e-01 - <_> - 7.9131950378417969e+01 - - 1 2 2695 8.7500000000000000e+01 0 -1 2696 - 1.9850000000000000e+02 -2 -3 2697 84. - - 2.6447936892509460e-01 -4.0403616428375244e-01 - -7.4564838409423828e-01 7.5660055875778198e-01 - <_> - 7.8859619140625000e+01 - - 1 2 2698 1.8500000000000000e+01 0 -1 2699 193. -2 -3 2700 - 3.5000000000000000e+00 - - 6.6051805019378662e-01 -6.8317562341690063e-01 - 4.0860527753829956e-01 -1.5469188988208771e-01 - <_> - 7.9192871093750000e+01 - - 1 2 2701 1.0450000000000000e+02 0 -1 2702 - 2.1250000000000000e+02 -2 -3 2703 368. - - 2.8573963046073914e-01 -5.1572942733764648e-01 - 3.3325448632240295e-01 -7.9736381769180298e-01 - <_> - 7.9073951721191406e+01 - - 1 2 2704 5.0000000000000000e-01 0 -1 2705 - 1.3350000000000000e+02 -2 -3 2706 8.5000000000000000e+00 - - -7.5674408674240112e-01 4.2235055565834045e-01 - -6.1476016044616699e-01 3.5760600119829178e-02 - <_> - 7.9772453308105469e+01 - - 1 2 2707 1622. 0 -1 2708 5.6850000000000000e+02 -2 -3 2709 - 2.3500000000000000e+01 - - 3.7303709983825684e-01 -2.6838380098342896e-01 - 8.5874927043914795e-01 -6.8010163307189941e-01 - <_> - 7.9616546630859375e+01 - - 1 2 2710 5.1150000000000000e+02 0 -1 2711 - 2.0500000000000000e+01 -2 -3 2712 6.2385000000000000e+03 - - -2.7740508317947388e-01 6.4964014291763306e-01 - 6.8416231870651245e-01 -1.4068825542926788e-01 - <_> - 7.9560432434082031e+01 - - 1 2 2713 2.0500000000000000e+01 0 -1 2714 152. -2 -3 2715 - 118. - - 3.3152368664741516e-01 -7.2081387042999268e-01 - -7.7464383840560913e-01 -7.1336306631565094e-02 - <_> - 7.9178382873535156e+01 - - 1 2 2716 5.0000000000000000e-01 0 -1 2717 - 5.0000000000000000e-01 -2 -3 2718 2.8550000000000000e+02 - - -8.7511628866195679e-01 4.4366469979286194e-01 - 2.7641782164573669e-01 -3.8205233216285706e-01 - <_> - 7.9044113159179688e+01 - - 1 2 2719 3.6758500000000000e+04 0 -1 2720 119. -2 -3 2721 - 9.8250000000000000e+02 - - -8.9374190568923950e-01 1. 4.1436728835105896e-01 - -1.3426418602466583e-01 - <_> - 7.8986122131347656e+01 - - 1 2 2722 5.0000000000000000e-01 0 -1 2723 - 2.2500000000000000e+01 -2 -3 2724 4.5000000000000000e+00 - - -8.2067567110061646e-01 3.4801307320594788e-01 - -6.9476479291915894e-01 -5.7994190603494644e-02 - <_> - 7.9108413696289062e+01 - - 1 2 2725 4.2500000000000000e+01 0 -1 2726 - 1.8500000000000000e+01 -2 -3 2727 3.0500000000000000e+01 - - -4.1990894079208374e-01 5.0099647045135498e-01 - -5.2207231521606445e-01 1.2229448556900024e-01 - <_> - 7.9801383972167969e+01 - - 1 2 2728 8.2550000000000000e+02 0 -1 2729 - 5.0000000000000000e-01 -2 -3 2730 6.1765000000000000e+03 - - 3.1118586659431458e-01 -3.7582796812057495e-01 - 6.9296795129776001e-01 -9.2976748943328857e-02 - <_> - 8.0057861328125000e+01 - - 1 2 2731 7.5350000000000000e+02 0 -1 2732 - 5.8500000000000000e+01 -2 -3 2733 1.5000000000000000e+00 - - -2.4525830149650574e-01 2.5647372007369995e-01 - 8.4999513626098633e-01 -9.9117010831832886e-01 - <_> - 7.9780632019042969e+01 - - 1 2 2734 5.0000000000000000e-01 0 -1 2735 108. -2 -3 2736 - 7.1500000000000000e+01 - - 6.9359833002090454e-01 -6.9194906949996948e-01 - -2.7722206711769104e-01 4.1715595126152039e-01 - <_> - 8.0145835876464844e+01 - - 1 2 2737 2.0500000000000000e+01 0 -1 2738 - 4.5000000000000000e+00 -2 -3 2739 7.6500000000000000e+01 - - -9.7951823472976685e-01 3.6520305275917053e-01 - -3.8517192006111145e-01 4.9779340624809265e-01 - <_> - 7.9998329162597656e+01 - - 1 2 2740 1.1165000000000000e+03 0 -1 2741 - 4.5500000000000000e+01 -2 -3 2742 7.7500000000000000e+01 - - -9.2406588792800903e-01 1. 3.6648508906364441e-01 - -1.4751173555850983e-01 - <_> - 8.0417495727539062e+01 - - 1 2 2743 7905. 0 -1 2744 1.4950000000000000e+02 -2 -3 2745 - 98. - - 3.2732751220464706e-02 -7.6812428236007690e-01 - -7.5380378961563110e-01 4.7367131710052490e-01 - <_> - 7.9864738464355469e+01 - - 1 2 2746 6.5000000000000000e+00 0 -1 2747 - 1.2235000000000000e+03 -2 -3 2748 27. - - 5.5213552713394165e-01 -6.3920162618160248e-02 - -9.2558085918426514e-01 -1.1656486988067627e-01 - <_> - 7.9995124816894531e+01 - - 1 2 2749 2.1150000000000000e+02 0 -1 2750 - 1.6500000000000000e+01 -2 -3 2751 34. - - 2.0876583456993103e-01 -3.5845145583152771e-01 - -7.5983208417892456e-01 6.1741626262664795e-01 - <_> - 8.0029579162597656e+01 - - 1 2 2752 1.0500000000000000e+01 0 -1 2753 - 3.0150000000000000e+02 -2 -3 2754 3.5000000000000000e+00 - - 1.8833340704441071e-01 -4.5257857441902161e-01 - -8.7599718570709229e-01 3.9588588476181030e-01 - <_> - 8.0429824829101562e+01 - - 1 2 2755 1.7500000000000000e+01 0 -1 2756 - 5.5950000000000000e+02 -2 -3 2757 3.8500000000000000e+01 - - 9.0497744083404541e-01 -3.4649524092674255e-01 - 4.0024894475936890e-01 -4.3823891878128052e-01 - <_> - 8.0367797851562500e+01 - - 1 2 2758 5.0000000000000000e-01 0 -1 2759 - 1.0032500000000000e+04 -2 -3 2760 1.4500000000000000e+01 - - -7.4333506822586060e-01 4.4759553670883179e-01 - -6.5220975875854492e-01 5.3118625655770302e-03 - <_> - 8.0484443664550781e+01 - - 1 2 2761 7.5500000000000000e+01 0 -1 2762 - 8.4500000000000000e+01 -2 -3 2763 51. - - -4.7128376364707947e-01 3.0099546909332275e-01 - -5.9575259685516357e-01 4.5461925864219666e-01 - <_> - 8.0230026245117188e+01 - - 1 2 2764 6.6250000000000000e+02 0 -1 2765 4812. -2 -3 2766 - 9.5000000000000000e+00 - - -8.2453155517578125e-01 8.0837249755859375e-01 - 3.8529312610626221e-01 -2.5441926717758179e-01 - <_> - 8.0529327392578125e+01 - - 1 2 2767 5.9500000000000000e+01 0 -1 2768 - 1.6050000000000000e+02 -2 -3 2769 1.5000000000000000e+00 - - 3.9788705110549927e-01 -9.0285009145736694e-01 - 2.9930576682090759e-01 -2.6814186573028564e-01 - <_> - 8.0221504211425781e+01 - - 1 2 2770 3.0500000000000000e+01 0 -1 2771 - 4.5000000000000000e+00 -2 -3 2772 1.4475000000000000e+03 - - -9.4630533456802368e-01 8.2679504156112671e-01 - 2.5290638208389282e-01 -3.0782324075698853e-01 - <_> - 8.0379684448242188e+01 - - 1 2 2773 5.0645000000000000e+03 0 -1 2774 - 3.2500000000000000e+01 -2 -3 2775 3.5325000000000000e+03 - - -6.8182122707366943e-01 2.9198646545410156e-01 - 5.7170498371124268e-01 -9.3514062464237213e-02 - <_> - 8.0165153503417969e+01 - - 1 2 2776 1.5500000000000000e+01 0 -1 2777 - 1.2765000000000000e+03 -2 -3 2778 2.5000000000000000e+00 - - -1.2029168428853154e-03 6.6435748338699341e-01 - 5.4809719324111938e-01 -6.2805855274200439e-01 - <_> - 8.0611167907714844e+01 - - 1 2 2779 2.5000000000000000e+00 0 -1 2780 - 2.1500000000000000e+01 -2 -3 2781 1.2050000000000000e+02 - - -2.4764390289783478e-01 4.4601744413375854e-01 - 1.6960276663303375e-01 -5.8656966686248779e-01 - <_> - 8.0892166137695312e+01 - - 1 2 2782 5.4500000000000000e+01 0 -1 2783 - 9.7350000000000000e+02 -2 -3 2784 1.0500000000000000e+01 - - 2.7698031067848206e-01 -8.4596508741378784e-01 - 2.8099426627159119e-01 -3.0595216155052185e-01 - <_> - 8.1190002441406250e+01 - - 1 2 2785 3.5000000000000000e+00 0 -1 2786 - 9.4500000000000000e+01 -2 -3 2787 15. - - -2.3588234186172485e-01 2.9783576726913452e-01 1. - -9.3145948648452759e-01 - <_> - 8.0872680664062500e+01 - - 1 2 2788 5.0000000000000000e-01 0 -1 2789 34. -2 -3 2790 - 404. - - -9.7627913951873779e-01 4.5835772156715393e-01 - 3.3686440438032150e-02 -6.0926121473312378e-01 - <_> - 8.1137512207031250e+01 - - 1 2 2791 4.2500000000000000e+01 0 -1 2792 - 7.5000000000000000e+00 -2 -3 2793 1.0500000000000000e+01 - - 4.3087863922119141e-01 -5.4735422134399414e-01 - -7.4202680587768555e-01 2.6482933759689331e-01 - <_> - 8.1074195861816406e+01 - - 1 2 2794 6045. 0 -1 2795 3582. -2 -3 2796 - 1.4355000000000000e+03 - - 5.6150436401367188e-01 -6.3314586877822876e-02 - -9.8905169963836670e-01 1. - <_> - 8.1611145019531250e+01 - - 1 2 2797 1.7500000000000000e+01 0 -1 2798 - 6.3500000000000000e+01 -2 -3 2799 2.5000000000000000e+00 - - -9.5531716942787170e-02 5.3694951534271240e-01 - 4.7020646929740906e-01 -5.0288665294647217e-01 - <_> - 8.1308403015136719e+01 - - 1 2 2800 5.5000000000000000e+00 0 -1 2801 110. -2 -3 2802 - 2.5000000000000000e+00 - - -9.1038602590560913e-01 7.3705679178237915e-01 - 2.4539317190647125e-01 -3.0274006724357605e-01 - <_> - 8.0943153381347656e+01 - - 1 2 2803 4.9550000000000000e+02 0 -1 2804 - 1.0500000000000000e+01 -2 -3 2805 1.7500000000000000e+01 - - 1.8987993896007538e-01 -3.6525547504425049e-01 -1. - 8.1189829111099243e-01 - <_> - 8.1049530029296875e+01 - - 1 2 2806 1.7050000000000000e+02 0 -1 2807 - 5.5000000000000000e+00 -2 -3 2808 6.3500000000000000e+01 - - 5.0011897087097168e-01 -2.4462732672691345e-01 - 6.2346208095550537e-01 -5.9039413928985596e-01 - <_> - 8.1308738708496094e+01 - - 1 2 2809 3.8500000000000000e+01 0 -1 2810 - 8.6500000000000000e+01 -2 -3 2811 8.8500000000000000e+01 - - -3.8746827840805054e-01 2.5921225547790527e-01 - 6.4567667245864868e-01 -3.9673528075218201e-01 - <_> - 8.1096168518066406e+01 - - 1 2 2812 4.5000000000000000e+00 0 -1 2813 - 3.6500000000000000e+01 -2 -3 2814 1.2500000000000000e+01 - - 8.4782302379608154e-01 -9.7110116481781006e-01 - 3.3998885750770569e-01 -2.1257449686527252e-01 - <_> - 8.1410560607910156e+01 - - 1 2 2815 4.5000000000000000e+00 0 -1 2816 - 7.5500000000000000e+01 -2 -3 2817 1.4500000000000000e+01 - - -1. 1. 3.1439647078514099e-01 -1.7778587341308594e-01 - <_> - 8.1814201354980469e+01 - - 1 2 2818 3.9500000000000000e+01 0 -1 2819 - 6.4750000000000000e+02 -2 -3 2820 9.5000000000000000e+00 - - 2.4708394706249237e-01 -9.2105174064636230e-01 - 4.0363448858261108e-01 -1.2905533611774445e-01 - <_> - 8.1573196411132812e+01 - - 1 2 2821 3.0500000000000000e+01 0 -1 2822 - 5.0000000000000000e-01 -2 -3 2823 5.0500000000000000e+01 - - 4.9701321125030518e-01 -5.6365805864334106e-01 - 2.8191345930099487e-01 -5.3536522388458252e-01 - <_> - 8.1956001281738281e+01 - - 1 2 2824 4.6085000000000000e+03 0 -1 2825 - 1.3250000000000000e+02 -2 -3 2826 1.9750000000000000e+02 - - -7.4937385320663452e-01 9.3439608812332153e-01 - 3.8280078768730164e-01 -2.6699417829513550e-01 - <_> - 8.1513214111328125e+01 - - 1 2 2827 3.0500000000000000e+01 0 -1 2828 - 5.5000000000000000e+00 -2 -3 2829 9.9235000000000000e+03 - - 2.1246223151683807e-01 -4.4278442859649658e-01 - -8.1646180152893066e-01 5.1293396949768066e-01 - <_> - 8.1699577331542969e+01 - - 1 2 2830 1.1650000000000000e+02 0 -1 2831 - 8.2500000000000000e+01 -2 -3 2832 3.5000000000000000e+00 - - 1.8636158108711243e-01 -4.9596223235130310e-01 - -8.9908498525619507e-01 1. - <_> - 8.2445182800292969e+01 - - 1 2 2833 1903. 0 -1 2834 2.5000000000000000e+00 -2 -3 2835 - 6.0445000000000000e+03 - - 1.8896391987800598e-01 -3.2746449112892151e-01 - 7.4561136960983276e-01 -7.9816836118698120e-01 - <_> - 8.2831352233886719e+01 - - 1 2 2836 2.7500000000000000e+01 0 -1 2837 469. -2 -3 2838 - 1.2175000000000000e+03 - - 7.7044230699539185e-01 -9.5174908638000488e-01 - -1.4690612256526947e-01 3.8616815209388733e-01 - <_> - 8.2686500549316406e+01 - - 1 2 2839 2895. 0 -1 2840 4.3500000000000000e+01 -2 -3 2841 - 34. - - -1.4485244452953339e-01 4.4888463616371155e-01 - 3.6486008763313293e-01 -8.1205248832702637e-01 - <_> - 8.2188568115234375e+01 - - 1 2 2842 3.5000000000000000e+00 0 -1 2843 2070. -2 -3 2844 - 4.7500000000000000e+01 - - -6.9201928377151489e-01 3.1747218966484070e-01 - -4.9793621897697449e-01 5.4417175054550171e-01 - <_> - 8.2745765686035156e+01 - - 1 2 2845 2.5000000000000000e+00 0 -1 2846 - 7.5000000000000000e+00 -2 -3 2847 1.8500000000000000e+01 - - -8.4509557485580444e-01 5.5719637870788574e-01 - 1.7902635037899017e-01 -4.2469331622123718e-01 - <_> - 8.2670654296875000e+01 - - 1 2 2848 1.3500000000000000e+01 0 -1 2849 - 9.4650000000000000e+02 -2 -3 2850 7.8500000000000000e+01 - - -3.3974867314100266e-02 -8.2525712251663208e-01 - -4.6273630857467651e-01 6.6797983646392822e-01 - <_> - 8.2877090454101562e+01 - - 1 2 2851 1.4500000000000000e+01 0 -1 2852 - 1.1915000000000000e+03 -2 -3 2853 3.9500000000000000e+01 - - 6.6358172893524170e-01 -7.2160053253173828e-01 - -6.6055583953857422e-01 2.0643877983093262e-01 - <_> - 8.2504707336425781e+01 - - 1 2 2854 4.5000000000000000e+00 0 -1 2855 - 1.6250000000000000e+02 -2 -3 2856 6.5000000000000000e+00 - - 1.9229575991630554e-02 6.7639851570129395e-01 - 7.7679026126861572e-01 -3.7238210439682007e-01 - <_> - 8.1991981506347656e+01 - - 1 2 2857 1.8500000000000000e+01 0 -1 2858 - 1.5500000000000000e+01 -2 -3 2859 7.5000000000000000e+00 - - -6.6943126916885376e-01 2.8580504655838013e-01 - 5.7573765516281128e-01 -5.1273131370544434e-01 - <_> - 8.2700317382812500e+01 - - 1 2 2860 2.5335000000000000e+03 0 -1 2861 - 5.5000000000000000e+00 -2 -3 2862 9017. - - 4.5291054248809814e-01 -3.1770652532577515e-01 - 7.0833772420883179e-01 -5.8668452501296997e-01 - <_> - 8.3036483764648438e+01 - - 1 2 2863 1.2665000000000000e+03 0 -1 2864 - 2.7950000000000000e+02 -2 -3 2865 1.6050000000000000e+02 - - 5.6190413236618042e-01 -9.4979606568813324e-02 - -5.6120347976684570e-01 6.9735217094421387e-01 - <_> - 8.3268234252929688e+01 - - 1 2 2866 3.1500000000000000e+01 0 -1 2867 - 2.2850000000000000e+02 -2 -3 2868 338. - - 2.9099774360656738e-01 -8.5712206363677979e-01 - -7.3761904239654541e-01 2.3174422979354858e-01 - <_> - 8.3142601013183594e+01 - - 1 2 2869 1.3500000000000000e+01 0 -1 2870 - 7.5500000000000000e+01 -2 -3 2871 7.5000000000000000e+00 - - -6.1628973484039307e-01 8.9499497413635254e-01 - 5.3249603509902954e-01 -1.2562887370586395e-01 - <_> - 8.3346061706542969e+01 - - 1 2 2872 5.8500000000000000e+01 0 -1 2873 - 1.4500000000000000e+01 -2 -3 2874 2.3655000000000000e+03 - - -5.8924037218093872e-01 2.0346269011497498e-01 - 6.8413233757019043e-01 -7.3724877834320068e-01 - <_> - 8.3734870910644531e+01 - - 1 2 2875 1.5500000000000000e+01 0 -1 2876 - 2.4500000000000000e+01 -2 -3 2877 842. - - -9.6514111757278442e-01 4.5274001359939575e-01 - -4.4388589262962341e-01 1.6307270526885986e-01 - <_> - 8.3378517150878906e+01 - - 1 2 2878 2.3415000000000000e+03 0 -1 2879 - 1.1135000000000000e+03 -2 -3 2880 1.4450000000000000e+02 - - -6.0065728425979614e-01 4.9152576923370361e-01 - 3.9019897580146790e-01 -3.5635352134704590e-01 - <_> - 8.3842796325683594e+01 - - 1 2 2881 7.7500000000000000e+01 0 -1 2882 - 1.5000000000000000e+00 -2 -3 2883 34. - - 3.0433416366577148e-01 -3.4621056914329529e-01 - -2.3730756342411041e-01 7.2603577375411987e-01 - <_> - 8.4082458496093750e+01 - - 1 2 2884 5.0000000000000000e-01 0 -1 2885 - 1.5000000000000000e+00 -2 -3 2886 2.4500000000000000e+01 - - -8.4981471300125122e-01 4.6478056907653809e-01 - -4.4265326857566833e-01 2.3966242372989655e-01 - <_> - 8.4403526306152344e+01 - - 1 2 2887 1.9735000000000000e+03 0 -1 2888 61716. -2 -3 2889 - 7.1250000000000000e+02 - - 3.2107087969779968e-01 -7.3176121711730957e-01 - -4.2035382986068726e-01 6.5387272834777832e-01 - <_> - 8.3859382629394531e+01 - - 1 2 2890 5.1500000000000000e+01 0 -1 2891 - 5.4500000000000000e+01 -2 -3 2892 9.4500000000000000e+01 - - -8.5267591476440430e-01 3.3089217543601990e-01 - -5.4414278268814087e-01 1.4185604453086853e-01 - <_> - 8.4165733337402344e+01 - - 1 2 2893 2.5000000000000000e+00 0 -1 2894 170. -2 -3 2895 - 5.0000000000000000e-01 - - -7.4921059608459473e-01 1. 3.0634912848472595e-01 - -2.8711661696434021e-01 - <_> - 8.4014938354492188e+01 - - 1 2 2896 5.0000000000000000e-01 0 -1 2897 - 4.5000000000000000e+00 -2 -3 2898 1.5000000000000000e+00 - - -4.4929865002632141e-01 7.1007603406906128e-01 - 5.1218295097351074e-01 -2.8127226233482361e-01 - <_> - 8.3658638000488281e+01 - - 1 2 2899 6.2500000000000000e+01 0 -1 2900 - 7.7500000000000000e+01 -2 -3 2901 5.4650000000000000e+02 - - 1.7899210751056671e-01 -3.5629883408546448e-01 - 6.6323882341384888e-01 -6.2932920455932617e-01 - <_> - 8.4031822204589844e+01 - - 1 2 2902 4.3500000000000000e+01 0 -1 2903 - 2.5000000000000000e+00 -2 -3 2904 1.4450000000000000e+02 - - 2.9303130507469177e-01 -7.2133332490921021e-01 - 3.7318074703216553e-01 -2.9929837584495544e-01 - <_> - 8.4148094177246094e+01 - - 1 2 2905 4.4500000000000000e+01 0 -1 2906 - 5.5000000000000000e+00 -2 -3 2907 1218. - - 1.1627596616744995e-01 -6.5344148874282837e-01 - -6.1276328563690186e-01 3.0713844299316406e-01 - <_> - 8.3736122131347656e+01 - - 1 2 2908 2.2500000000000000e+01 0 -1 2909 - 7.5000000000000000e+00 -2 -3 2910 4945. - - 2.0239315927028656e-01 -4.1197755932807922e-01 - -6.5554910898208618e-01 5.7477289438247681e-01 - <_> - 8.3684288024902344e+01 - - 1 2 2911 6.1500000000000000e+01 0 -1 2912 - 3.5000000000000000e+00 -2 -3 2913 3.6500000000000000e+01 - - 2.9327356815338135e-01 -5.5817484855651855e-01 - 7.1029824018478394e-01 -5.1831677556037903e-02 - <_> - 8.3512733459472656e+01 - - 1 2 2914 5.4500000000000000e+01 0 -1 2915 - 1.5000000000000000e+00 -2 -3 2916 6.5000000000000000e+00 - - -9.4946056604385376e-01 4.1890572756528854e-02 - 3.9327812194824219e-01 -1.7155566811561584e-01 - <_> - 8.4089424133300781e+01 - - 1 2 2917 9.3500000000000000e+01 0 -1 2918 2760. -2 -3 2919 - 1.1250000000000000e+02 - - -2.4497070908546448e-01 9.6521437168121338e-01 - 5.7669252157211304e-01 -7.6096898317337036e-01 - <_> - 8.4561004638671875e+01 - - 1 2 2920 5.0000000000000000e-01 0 -1 2921 - 6.5000000000000000e+00 -2 -3 2922 6.9750000000000000e+02 - - -5.3141713142395020e-01 4.7158041596412659e-01 - 2.2022259235382080e-01 -4.3360495567321777e-01 - <_> - 8.4944801330566406e+01 - - 1 2 2923 1.4050000000000000e+02 0 -1 2924 - 5.0000000000000000e-01 -2 -3 2925 7.4850000000000000e+02 - - 1.5521393716335297e-01 -5.1790440082550049e-01 - 3.8379338383674622e-01 -4.4605687260627747e-01 - <_> - 8.5207305908203125e+01 - - 1 2 2926 1.5500000000000000e+01 0 -1 2927 - 3.3500000000000000e+01 -2 -3 2928 255. - - -2.9250434041023254e-01 6.5829980373382568e-01 - -6.5028876066207886e-01 5.1617544889450073e-01 - <_> - 8.5524932861328125e+01 - - 1 2 2929 2.4500000000000000e+01 0 -1 2930 - 2.8500000000000000e+01 -2 -3 2931 4.2500000000000000e+01 - - -1. 3.1762468814849854e-01 3.0006918311119080e-01 - -5.6320971250534058e-01 - <_> - 8.5334136962890625e+01 - - 1 2 2932 3.5000000000000000e+00 0 -1 2933 - 1.5500000000000000e+01 -2 -3 2934 2457. - - -4.4446155428886414e-01 4.3577027320861816e-01 - 4.5368546247482300e-01 -4.4899699091911316e-01 - <_> - 8.5264480590820312e+01 - - 1 2 2935 5.0000000000000000e-01 0 -1 2936 115. -2 -3 2937 - 2.5000000000000000e+00 - - -9.1964131593704224e-01 4.9966832995414734e-01 - 5.8283418416976929e-01 -6.9656021893024445e-02 - <_> - 8.5903366088867188e+01 - - 1 2 2938 7.1500000000000000e+01 0 -1 2939 - 5.4500000000000000e+01 -2 -3 2940 143. - - 1.6550585627555847e-01 -4.3812391161918640e-01 - 6.3888710737228394e-01 -5.4803293943405151e-01 - <_> - 8.6248062133789062e+01 - - 1 2 2941 2.5000000000000000e+00 0 -1 2942 - 9.0500000000000000e+01 -2 -3 2943 1.0500000000000000e+01 - - 1.0908889025449753e-01 -8.8574463129043579e-01 - 3.4469136595726013e-01 -2.0632795989513397e-01 - <_> - 8.6533218383789062e+01 - - 1 2 2944 2.1500000000000000e+01 0 -1 2945 - 4.5000000000000000e+00 -2 -3 2946 4.4500000000000000e+01 - - -4.4494426250457764e-01 8.8365721702575684e-01 - 2.8515672683715820e-01 -8.1787091493606567e-01 - <_> - 8.7068389892578125e+01 - - 1 2 2947 8.2650000000000000e+02 0 -1 2948 - 4.5000000000000000e+00 -2 -3 2949 1.9675500000000000e+04 - - 3.3902516961097717e-01 -3.3688139915466309e-01 - 5.3517556190490723e-01 -6.7757689952850342e-01 - <_> - 8.6810844421386719e+01 - - 1 2 2950 2.5500000000000000e+01 0 -1 2951 - 2.5000000000000000e+00 -2 -3 2952 1.3035000000000000e+03 - - 9.1093343496322632e-01 -8.2202631235122681e-01 - 3.2981109619140625e-01 -2.5754809379577637e-01 - <_> - 8.6275955200195312e+01 - - 1 2 2953 2.2369500000000000e+04 0 -1 2954 - 1.5000000000000000e+00 -2 -3 2955 9.5285000000000000e+03 - - 1.4417627826333046e-02 -6.9124591350555420e-01 - 3.7811917066574097e-01 -5.3488659858703613e-01 - <_> - 8.6942420959472656e+01 - - 1 2 2956 1.0645000000000000e+03 0 -1 2957 - 3.5000000000000000e+00 -2 -3 2958 7.5000000000000000e+00 - - 1.4049446582794189e-01 -3.5957664251327515e-01 - 9.1249042749404907e-01 -1.7921762168407440e-01 - <_> - 8.7227539062500000e+01 - - 1 2 2959 9.5000000000000000e+00 0 -1 2960 199. -2 -3 2961 - 6.6465000000000000e+03 - - 8.8686686754226685e-01 -6.7846179008483887e-01 - -3.4822642803192139e-01 2.8511366248130798e-01 - <_> - 8.7103866577148438e+01 - - 1 2 2962 6.5000000000000000e+00 0 -1 2963 - 1.5000000000000000e+00 -2 -3 2964 4.3450000000000000e+02 - - 1.8375012278556824e-01 -5.8300310373306274e-01 - -7.8263854980468750e-01 5.0758910179138184e-01 - <_> - 8.7249404907226562e+01 - - 1 2 2965 1.8500000000000000e+01 0 -1 2966 - 8.5000000000000000e+00 -2 -3 2967 9.5000000000000000e+00 - - -9.1379207372665405e-01 1. -6.0623198747634888e-01 - 1.4554040133953094e-01 - <_> - 8.6942718505859375e+01 - - 1 2 2968 3.5000000000000000e+00 0 -1 2969 - 2.3355000000000000e+03 -2 -3 2970 2.5850000000000000e+02 - - 6.3676542043685913e-01 -4.5731505751609802e-01 - 4.5318025350570679e-01 -3.0669227242469788e-01 - <_> - 8.6748542785644531e+01 - - 1 2 2971 2.1500000000000000e+01 0 -1 2972 - 1.6500000000000000e+01 -2 -3 2973 4.3450000000000000e+02 - - -1.9417463243007660e-01 4.5977392792701721e-01 - 7.4417084455490112e-01 -9.2871183156967163e-01 - <_> - 8.6213851928710938e+01 - - 1 2 2974 4.6500000000000000e+01 0 -1 2975 6986. -2 -3 2976 - 1.0655000000000000e+03 - - -3.5974133014678955e-01 3.9904057979583740e-01 - -5.3468620777130127e-01 4.4506999850273132e-01 - <_> - 8.6651367187500000e+01 - - 1 2 2977 7.7450000000000000e+02 0 -1 2978 39564. -2 -3 2979 - 3.5000000000000000e+00 - - 4.3751135468482971e-01 -8.3221775293350220e-01 - 9.5911510288715363e-02 -5.8185952901840210e-01 - <_> - 8.7053947448730469e+01 - - 1 2 2980 1.3150000000000000e+02 0 -1 2981 - 1.8650000000000000e+02 -2 -3 2982 4.2550000000000000e+02 - - 4.1247457265853882e-01 -4.4629332423210144e-01 - 4.0258339047431946e-01 -6.6914594173431396e-01 - <_> - 8.7472679138183594e+01 - - 1 2 2983 6.9750000000000000e+02 0 -1 2984 - 1.0500000000000000e+01 -2 -3 2985 1.8735000000000000e+03 - - -7.6271665096282959e-01 4.1873174905776978e-01 - -6.8841624259948730e-01 -2.3577280342578888e-02 - <_> - 8.7495330810546875e+01 - - 1 2 2986 5.0000000000000000e-01 0 -1 2987 - 2.9500000000000000e+01 -2 -3 2988 1.4750000000000000e+02 - - -7.6370656490325928e-01 6.4419740438461304e-01 - -2.4485288560390472e-01 6.6281813383102417e-01 - <_> - 8.6983520507812500e+01 - - 1 2 2989 1.2135000000000000e+03 0 -1 2990 - 8.0250000000000000e+02 -2 -3 2991 1.0500000000000000e+01 - - -4.0576335787773132e-01 5.1596242189407349e-01 - 4.4931706786155701e-01 -5.1181161403656006e-01 - <_> - 8.7748497009277344e+01 - - 1 2 2992 1.4555000000000000e+03 0 -1 2993 - 2.3355000000000000e+03 -2 -3 2994 4.5000000000000000e+00 - - -8.6321972310543060e-02 7.6497226953506470e-01 - 3.1687757372856140e-01 -4.1308388113975525e-01 - <_> - 8.7668098449707031e+01 - - 1 2 2995 7.3500000000000000e+01 0 -1 2996 - 7.5000000000000000e+00 -2 -3 2997 1.8415000000000000e+03 - - -8.0395199358463287e-02 4.9477747082710266e-01 - 5.0139939785003662e-01 -9.4019854068756104e-01 - <_> - 8.7603317260742188e+01 - - 1 2 2998 1.0350000000000000e+02 0 -1 2999 - 5.0000000000000000e-01 -2 -3 3000 6.6500000000000000e+01 - - 5.5032008886337280e-01 -6.4781084656715393e-02 - -6.9391334056854248e-01 2.6454237103462219e-01 - <_> - 8.7899932861328125e+01 - - 1 2 3001 4.1850000000000000e+02 0 -1 3002 - 2.5000000000000000e+00 -2 -3 3003 4.4350000000000000e+02 - - 8.3208960294723511e-01 -9.7579640150070190e-01 - 4.5810779929161072e-01 -9.8539277911186218e-02 - <_> - 8.7558662414550781e+01 - - 1 2 3004 1.4500000000000000e+01 0 -1 3005 - 4.5000000000000000e+00 -2 -3 3006 4093. - - 1.3818612694740295e-01 -5.0276112556457520e-01 - 3.9290004968643188e-01 -9.0650981664657593e-01 - <_> - 8.7562660217285156e+01 - - 1 2 3007 3.0500000000000000e+01 0 -1 3008 15. -2 -3 3009 - 6.8500000000000000e+01 - - 5.8721613883972168e-01 -9.5952403545379639e-01 - 1.5953540802001953e-01 -7.3017132282257080e-01 - <_> - 8.7263595581054688e+01 - - 1 2 3010 4.6550000000000000e+02 0 -1 3011 - 8.5000000000000000e+00 -2 -3 3012 3.0500000000000000e+01 - - 2.5965842604637146e-01 -4.5460721850395203e-01 - -6.6170775890350342e-01 4.6810474991798401e-01 - <_> - 8.7385635375976562e+01 - - 1 2 3013 3.7500000000000000e+01 0 -1 3014 - 6.7500000000000000e+01 -2 -3 3015 9.0500000000000000e+01 - - -4.7775322198867798e-01 3.0159825086593628e-01 - -7.1135115623474121e-01 1.2204105406999588e-01 - <_> - 8.7448921203613281e+01 - - 1 2 3016 3.4500000000000000e+01 0 -1 3017 - 1.3500000000000000e+01 -2 -3 3018 2.9500000000000000e+01 - - -4.3366974592208862e-01 4.3953391909599304e-01 - -6.8973690271377563e-01 6.3285768032073975e-02 - <_> - 8.7470863342285156e+01 - - 1 2 3019 9.5000000000000000e+00 0 -1 3020 - 3.5750000000000000e+02 -2 -3 3021 2.1500000000000000e+01 - - 5.9902238845825195e-01 -4.9095529317855835e-01 - -6.0496187210083008e-01 2.1941423416137695e-02 - <_> - 8.8030609130859375e+01 - - 1 2 3022 7.5000000000000000e+00 0 -1 3023 - 1.4250000000000000e+02 -2 -3 3024 4.8500000000000000e+01 - - -1.1742883920669556e-01 5.5974942445755005e-01 - -6.6814047098159790e-01 1.0357101261615753e-01 - <_> - 8.8298561096191406e+01 - - 1 2 3025 5.0000000000000000e-01 0 -1 3026 - 2.5000000000000000e+00 -2 -3 3027 6.5000000000000000e+00 - - -7.9518532752990723e-01 3.9527121186256409e-01 - 2.6795190572738647e-01 -4.4711253046989441e-01 - <_> - 8.8873558044433594e+01 - - 1 2 3028 5.0650000000000000e+02 0 -1 3029 - 2.7150000000000000e+02 -2 -3 3030 5.1550000000000000e+02 - - 4.9458679556846619e-01 -3.8078719377517700e-01 - 5.7499361038208008e-01 -2.4514666199684143e-01 - <_> - 8.8112663269042969e+01 - - 1 2 3031 1.5500000000000000e+01 0 -1 3032 - 3.1500000000000000e+01 -2 -3 3033 511. - - -2.6782530546188354e-01 3.8774058222770691e-01 - 3.4897887706756592e-01 -7.6089125871658325e-01 - <_> - 8.8039482116699219e+01 - - 1 2 3034 230. 0 -1 3035 6.6500000000000000e+01 -2 -3 3036 - 4.0500000000000000e+01 - - -7.3185198009014130e-02 5.7667195796966553e-01 - 3.2658204436302185e-01 -8.0915856361389160e-01 - <_> - 8.8365722656250000e+01 - - 1 2 3037 5.0000000000000000e-01 0 -1 3038 - 2.9500000000000000e+01 -2 -3 3039 4.5000000000000000e+00 - - 3.2624712586402893e-01 -5.5316114425659180e-01 - -2.4152111727744341e-03 -6.9509941339492798e-01 - <_> - 8.8882514953613281e+01 - - 1 2 3040 3.0500000000000000e+01 0 -1 3041 - 1.1150000000000000e+02 -2 -3 3042 5.0000000000000000e-01 - - 5.2429902553558350e-01 -8.9993971586227417e-01 - 5.1678961515426636e-01 -8.6023628711700439e-02 - <_> - 8.8496650695800781e+01 - - 1 2 3043 2.8500000000000000e+01 0 -1 3044 - 1.1385000000000000e+03 -2 -3 3045 1.0500000000000000e+01 - - 5.3370710462331772e-02 -7.7716881036758423e-01 - 4.8879763484001160e-01 -1.4188981056213379e-01 - <_> - 8.8710388183593750e+01 - - 1 2 3046 3286. 0 -1 3047 1.8500000000000000e+01 -2 -3 3048 - 14770. - - 5.7567560672760010e-01 -7.7623206377029419e-01 - -8.3764082193374634e-01 2.1373493969440460e-01 - <_> - 8.8465957641601562e+01 - - 1 2 3049 4.5000000000000000e+00 0 -1 3050 - 6.8500000000000000e+01 -2 -3 3051 7.2550000000000000e+02 - - -9.8398631811141968e-01 1. 1.4620523154735565e-01 - -4.8840534687042236e-01 - <_> - 8.8379966735839844e+01 - - 1 2 3052 4.6350000000000000e+02 0 -1 3053 - 1.0005000000000000e+03 -2 -3 3054 12544. - - 1.2718398869037628e-01 -4.7662603855133057e-01 - 6.7666745185852051e-01 -9.6875000000000000e-01 - <_> - 8.8453712463378906e+01 - - 1 2 3055 6.2500000000000000e+01 0 -1 3056 - 2.5000000000000000e+00 -2 -3 3057 2.7450000000000000e+02 - - 7.3742903769016266e-02 -4.8088160157203674e-01 - 7.9391783475875854e-01 -9.5094847679138184e-01 - <_> - 8.8360649108886719e+01 - - 1 2 3058 5.1085000000000000e+03 0 -1 3059 - 1.5000000000000000e+00 -2 -3 3060 59. - - 4.7250562906265259e-01 -9.3059159815311432e-02 - -9.8921388387680054e-01 1. - <_> - 8.8759475708007812e+01 - - 1 2 3061 4.3500000000000000e+01 0 -1 3062 - 2.5000000000000000e+00 -2 -3 3063 9.5000000000000000e+00 - - 1.8726401031017303e-01 -9.5795679092407227e-01 - 3.9882484078407288e-01 -1.5403895080089569e-01 - <_> - 8.8777908325195312e+01 - - 1 2 3064 1.8150000000000000e+02 0 -1 3065 - 1.1500000000000000e+01 -2 -3 3066 4.0500000000000000e+01 - - 2.5865679979324341e-01 -5.4600328207015991e-01 - 6.9991689920425415e-01 1.8433349207043648e-02 - <_> - 8.9012145996093750e+01 - - 1 2 3067 2.6500000000000000e+01 0 -1 3068 - 2.0500000000000000e+01 -2 -3 3069 1.1550000000000000e+02 - - 7.8764355182647705e-01 -8.8436836004257202e-01 - 2.3423436284065247e-01 -3.8715034723281860e-01 - - <_> - 8 - - 12 12 8 3 - <_> - 7 - - 16 11 1 1 - <_> - 1 - - 14 19 7 32 - <_> - 5 - - 9 8 13 9 - <_> - 7 - - 17 11 8 1 - <_> - 5 - - 7 55 24 8 - <_> - 1 - - 13 54 6 3 - <_> - 9 - - 11 40 8 12 - <_> - 4 - - 11 32 9 31 - <_> - 2 - - 9 41 12 14 - <_> - 7 - - 14 33 5 5 - <_> - 7 - - 8 60 22 3 - <_> - 4 - - 11 38 10 3 - <_> - 4 - - 12 8 6 10 - <_> - 8 - - 12 12 8 3 - <_> - 9 - - 18 19 1 13 - <_> - 9 - - 14 3 16 1 - <_> - 1 - - 13 21 6 2 - <_> - 0 - - 12 10 11 6 - <_> - 7 - - 15 0 1 49 - <_> - 5 - - 1 1 18 48 - <_> - 2 - - 14 58 10 2 - <_> - 2 - - 7 51 11 5 - <_> - 1 - - 11 53 10 4 - <_> - 8 - - 16 12 1 5 - <_> - 9 - - 10 35 10 21 - <_> - 8 - - 11 54 12 2 - <_> - 4 - - 13 44 1 4 - <_> - 1 - - 11 50 5 6 - <_> - 3 - - 7 9 6 36 - <_> - 0 - - 13 25 5 7 - <_> - 3 - - 7 20 9 7 - <_> - 9 - - 29 48 1 10 - <_> - 2 - - 6 62 18 1 - <_> - 2 - - 9 49 11 7 - <_> - 5 - - 21 20 1 32 - <_> - 1 - - 11 19 1 4 - <_> - 1 - - 14 10 12 9 - <_> - 1 - - 12 24 6 2 - <_> - 4 - - 15 36 4 1 - <_> - 0 - - 16 31 11 7 - <_> - 4 - - 8 41 17 1 - <_> - 2 - - 11 11 12 6 - <_> - 7 - - 15 6 2 23 - <_> - 3 - - 16 3 13 48 - <_> - 1 - - 13 54 6 3 - <_> - 1 - - 11 19 11 1 - <_> - 7 - - 0 49 9 8 - <_> - 8 - - 14 12 3 4 - <_> - 9 - - 15 17 2 5 - <_> - 8 - - 3 1 9 18 - <_> - 5 - - 8 56 19 4 - <_> - 1 - - 14 54 6 8 - <_> - 2 - - 19 52 10 6 - <_> - 4 - - 8 59 20 3 - <_> - 0 - - 18 51 12 9 - <_> - 4 - - 13 8 10 5 - <_> - 5 - - 26 35 3 2 - <_> - 0 - - 11 36 11 12 - <_> - 2 - - 19 18 4 13 - <_> - 4 - - 15 40 14 10 - <_> - 0 - - 10 57 7 3 - <_> - 2 - - 7 30 6 5 - <_> - 7 - - 2 61 22 2 - <_> - 0 - - 26 42 3 15 - <_> - 7 - - 12 5 7 12 - <_> - 5 - - 19 17 10 6 - <_> - 7 - - 16 11 1 1 - <_> - 4 - - 10 18 16 5 - <_> - 3 - - 10 8 1 50 - <_> - 9 - - 18 40 1 7 - <_> - 2 - - 14 25 3 9 - <_> - 8 - - 14 9 6 8 - <_> - 5 - - 22 39 2 10 - <_> - 8 - - 16 1 1 6 - <_> - 0 - - 17 19 2 2 - <_> - 2 - - 17 9 3 11 - <_> - 9 - - 16 18 2 1 - <_> - 8 - - 12 12 8 3 - <_> - 5 - - 1 57 29 5 - <_> - 8 - - 10 53 12 7 - <_> - 1 - - 13 20 1 4 - <_> - 1 - - 15 53 7 4 - <_> - 0 - - 11 49 11 2 - <_> - 0 - - 29 43 2 17 - <_> - 0 - - 11 51 16 4 - <_> - 7 - - 25 51 2 6 - <_> - 2 - - 18 56 9 3 - <_> - 2 - - 8 49 16 5 - <_> - 4 - - 0 42 26 1 - <_> - 4 - - 2 16 11 24 - <_> - 1 - - 3 11 17 6 - <_> - 3 - - 11 6 8 10 - <_> - 0 - - 6 44 2 18 - <_> - 0 - - 1 7 12 21 - <_> - 9 - - 14 20 3 17 - <_> - 9 - - 14 0 10 7 - <_> - 1 - - 2 1 27 2 - <_> - 9 - - 14 18 3 9 - <_> - 4 - - 13 42 8 1 - <_> - 7 - - 28 3 2 22 - <_> - 3 - - 9 52 6 2 - <_> - 3 - - 6 11 9 11 - <_> - 1 - - 15 36 2 5 - <_> - 0 - - 18 21 2 5 - <_> - 1 - - 15 52 2 5 - <_> - 7 - - 15 62 3 1 - <_> - 5 - - 6 1 21 2 - <_> - 5 - - 20 12 4 28 - <_> - 2 - - 21 7 3 27 - <_> - 5 - - 25 10 6 50 - <_> - 0 - - 13 33 1 8 - <_> - 3 - - 4 26 10 17 - <_> - 2 - - 10 18 7 4 - <_> - 7 - - 11 9 17 11 - <_> - 7 - - 24 46 1 15 - <_> - 0 - - 13 35 3 16 - <_> - 4 - - 0 61 26 2 - <_> - 0 - - 10 58 16 4 - <_> - 3 - - 0 56 27 2 - <_> - 0 - - 11 42 11 2 - <_> - 8 - - 12 12 8 3 - <_> - 4 - - 18 8 3 19 - <_> - 8 - - 29 36 1 20 - <_> - 8 - - 14 9 6 8 - <_> - 9 - - 14 60 3 1 - <_> - 1 - - 18 17 2 9 - <_> - 9 - - 10 37 8 9 - <_> - 1 - - 8 56 21 1 - <_> - 3 - - 1 56 22 4 - <_> - 3 - - 7 50 11 6 - <_> - 5 - - 2 60 29 3 - <_> - 9 - - 11 57 11 3 - <_> - 1 - - 15 33 5 21 - <_> - 9 - - 13 16 6 7 - <_> - 1 - - 13 5 6 12 - <_> - 2 - - 13 26 8 4 - <_> - 4 - - 29 4 2 13 - <_> - 5 - - 17 9 5 10 - <_> - 0 - - 0 39 6 19 - <_> - 5 - - 14 24 3 4 - <_> - 2 - - 7 39 14 1 - <_> - 5 - - 27 14 2 35 - <_> - 8 - - 3 62 28 1 - <_> - 8 - - 14 12 3 4 - <_> - 5 - - 4 0 26 8 - <_> - 5 - - 9 8 13 9 - <_> - 2 - - 4 45 5 2 - <_> - 2 - - 9 28 5 14 - <_> - 7 - - 8 60 16 2 - <_> - 7 - - 17 30 3 4 - <_> - 7 - - 21 32 5 5 - <_> - 2 - - 16 17 8 9 - <_> - 2 - - 17 34 2 2 - <_> - 5 - - 19 16 10 22 - <_> - 4 - - 24 54 6 9 - <_> - 1 - - 10 53 20 9 - <_> - 5 - - 0 34 7 26 - <_> - 4 - - 0 58 22 5 - <_> - 1 - - 7 17 16 22 - <_> - 7 - - 0 51 9 4 - <_> - 3 - - 21 50 2 4 - <_> - 3 - - 10 21 1 13 - <_> - 7 - - 15 7 6 6 - <_> - 3 - - 13 26 4 9 - <_> - 0 - - 7 45 20 4 - <_> - 1 - - 22 5 1 54 - <_> - 1 - - 11 8 12 1 - <_> - 2 - - 8 57 15 2 - <_> - 4 - - 16 40 11 14 - <_> - 9 - - 15 18 6 4 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 16 11 7 3 - <_> - 8 - - 20 9 1 7 - <_> - 1 - - 3 55 22 2 - <_> - 0 - - 17 17 3 2 - <_> - 3 - - 6 0 11 27 - <_> - 4 - - 12 4 11 22 - <_> - 1 - - 13 14 13 3 - <_> - 0 - - 10 62 14 1 - <_> - 0 - - 14 19 3 6 - <_> - 2 - - 11 4 8 13 - <_> - 2 - - 17 37 2 17 - <_> - 4 - - 12 47 11 1 - <_> - 2 - - 6 55 15 7 - <_> - 9 - - 28 22 1 2 - <_> - 2 - - 9 32 2 23 - <_> - 8 - - 11 13 5 1 - <_> - 2 - - 4 38 3 21 - <_> - 7 - - 14 12 1 28 - <_> - 9 - - 13 36 5 11 - <_> - 2 - - 5 11 17 8 - <_> - 1 - - 15 53 7 4 - <_> - 0 - - 16 45 5 1 - <_> - 1 - - 12 46 8 2 - <_> - 7 - - 24 49 2 2 - <_> - 3 - - 15 25 3 7 - <_> - 5 - - 16 16 14 9 - <_> - 1 - - 18 20 3 7 - <_> - 7 - - 6 53 18 2 - <_> - 1 - - 7 19 18 3 - <_> - 1 - - 16 10 6 6 - <_> - 5 - - 10 29 1 33 - <_> - 5 - - 9 56 22 5 - <_> - 8 - - 17 13 2 4 - <_> - 8 - - 23 10 2 9 - <_> - 8 - - 8 7 1 8 - <_> - 9 - - 12 21 2 27 - <_> - 9 - - 9 2 19 11 - <_> - 1 - - 7 38 11 1 - <_> - 3 - - 4 14 6 18 - <_> - 7 - - 24 7 1 8 - <_> - 1 - - 20 46 11 8 - <_> - 2 - - 5 39 14 16 - <_> - 7 - - 9 3 7 9 - <_> - 0 - - 5 47 1 7 - <_> - 1 - - 13 21 6 2 - <_> - 5 - - 16 10 6 3 - <_> - 2 - - 11 12 12 2 - <_> - 5 - - 6 0 24 1 - <_> - 5 - - 2 18 22 3 - <_> - 9 - - 17 16 3 18 - <_> - 0 - - 14 32 2 3 - <_> - 2 - - 10 34 5 3 - <_> - 2 - - 14 25 3 9 - <_> - 1 - - 6 54 8 4 - <_> - 5 - - 4 31 15 5 - <_> - 0 - - 29 44 1 17 - <_> - 2 - - 11 41 10 2 - <_> - 5 - - 21 13 3 42 - <_> - 2 - - 1 24 30 23 - <_> - 4 - - 6 39 14 11 - <_> - 2 - - 11 59 20 3 - <_> - 9 - - 30 47 1 2 - <_> - 3 - - 5 48 13 6 - <_> - 1 - - 5 41 21 7 - <_> - 1 - - 26 8 2 22 - <_> - 5 - - 9 61 18 2 - <_> - 2 - - 9 22 16 24 - <_> - 4 - - 9 18 5 8 - <_> - 8 - - 14 12 3 4 - <_> - 9 - - 23 9 7 8 - <_> - 9 - - 12 10 6 43 - <_> - 9 - - 11 14 11 9 - <_> - 9 - - 6 9 20 2 - <_> - 3 - - 24 44 1 17 - <_> - 1 - - 4 1 23 5 - <_> - 2 - - 17 3 4 15 - <_> - 9 - - 11 1 18 2 - <_> - 8 - - 16 2 2 4 - <_> - 7 - - 5 10 10 3 - <_> - 0 - - 0 48 3 7 - <_> - 0 - - 12 10 11 6 - <_> - 7 - - 16 11 1 1 - <_> - 8 - - 14 12 3 4 - <_> - 1 - - 19 20 3 15 - <_> - 5 - - 15 20 15 4 - <_> - 5 - - 19 19 4 43 - <_> - 1 - - 13 54 6 3 - <_> - 4 - - 13 36 3 4 - <_> - 1 - - 6 44 20 9 - <_> - 7 - - 5 49 4 6 - <_> - 8 - - 17 41 13 22 - <_> - 5 - - 12 56 14 7 - <_> - 4 - - 14 8 5 1 - <_> - 7 - - 12 0 9 1 - <_> - 2 - - 19 61 1 1 - <_> - 0 - - 12 51 10 3 - <_> - 0 - - 4 4 23 4 - <_> - 5 - - 13 30 4 1 - <_> - 3 - - 2 18 12 10 - <_> - 7 - - 15 8 16 6 - <_> - 0 - - 2 53 9 7 - <_> - 7 - - 4 62 23 1 - <_> - 1 - - 13 20 1 4 - <_> - 0 - - 11 26 13 22 - <_> - 4 - - 8 14 3 16 - <_> - 0 - - 21 28 1 3 - <_> - 1 - - 17 34 3 18 - <_> - 8 - - 14 12 3 4 - <_> - 9 - - 30 22 1 2 - <_> - 8 - - 3 13 3 3 - <_> - 9 - - 12 29 7 19 - <_> - 8 - - 12 11 8 1 - <_> - 3 - - 2 56 24 1 - <_> - 7 - - 19 60 11 1 - <_> - 0 - - 26 42 3 15 - <_> - 5 - - 21 18 2 12 - <_> - 4 - - 4 43 26 1 - <_> - 0 - - 12 50 14 5 - <_> - 8 - - 13 17 5 3 - <_> - 0 - - 17 18 3 1 - <_> - 5 - - 19 8 4 10 - <_> - 4 - - 0 61 26 2 - <_> - 1 - - 14 53 3 9 - <_> - 7 - - 8 36 1 1 - <_> - 4 - - 26 30 3 30 - <_> - 2 - - 9 37 14 13 - <_> - 3 - - 0 20 2 43 - <_> - 4 - - 10 8 14 4 - <_> - 2 - - 19 61 7 2 - <_> - 2 - - 9 47 8 9 - <_> - 3 - - 10 4 1 53 - <_> - 5 - - 13 3 2 38 - <_> - 0 - - 11 7 4 10 - <_> - 9 - - 30 17 1 2 - <_> - 2 - - 17 13 6 14 - <_> - 7 - - 14 25 4 5 - <_> - 1 - - 11 22 11 2 - <_> - 7 - - 23 53 4 1 - <_> - 8 - - 2 4 19 15 - <_> - 5 - - 2 59 24 1 - <_> - 0 - - 13 18 3 1 - <_> - 3 - - 8 21 5 11 - <_> - 9 - - 12 28 8 8 - <_> - 8 - - 17 13 2 4 - <_> - 2 - - 16 45 3 6 - <_> - 8 - - 17 50 6 8 - <_> - 1 - - 7 21 21 1 - <_> - 3 - - 11 2 17 33 - <_> - 2 - - 30 27 1 34 - <_> - 5 - - 12 29 1 16 - <_> - 5 - - 19 42 5 5 - <_> - 7 - - 0 51 4 4 - <_> - 7 - - 16 11 1 1 - <_> - 0 - - 6 58 23 1 - <_> - 3 - - 7 8 15 28 - <_> - 1 - - 15 8 4 8 - <_> - 0 - - 13 24 3 7 - <_> - 1 - - 15 53 7 4 - <_> - 1 - - 11 19 1 18 - <_> - 1 - - 7 27 8 3 - <_> - 2 - - 11 39 19 6 - <_> - 5 - - 26 30 2 12 - <_> - 5 - - 13 9 8 6 - <_> - 9 - - 29 2 1 7 - <_> - 2 - - 19 39 2 3 - <_> - 0 - - 15 40 15 2 - <_> - 9 - - 16 17 2 6 - <_> - 5 - - 12 57 6 3 - <_> - 1 - - 11 39 7 24 - <_> - 1 - - 9 56 16 1 - <_> - 8 - - 12 12 8 3 - <_> - 8 - - 16 12 1 5 - <_> - 8 - - 27 61 2 1 - <_> - 7 - - 2 55 28 3 - <_> - 4 - - 12 45 6 6 - <_> - 1 - - 8 45 5 12 - <_> - 7 - - 16 34 2 4 - <_> - 2 - - 2 50 5 1 - <_> - 5 - - 13 47 8 8 - <_> - 5 - - 21 56 5 5 - <_> - 5 - - 19 56 3 7 - <_> - 1 - - 11 19 11 1 - <_> - 3 - - 10 20 11 6 - <_> - 9 - - 23 23 1 9 - <_> - 5 - - 17 25 10 18 - <_> - 7 - - 7 23 3 8 - <_> - 3 - - 14 34 5 5 - <_> - 3 - - 10 8 1 50 - <_> - 8 - - 1 32 8 15 - <_> - 7 - - 14 59 4 1 - <_> - 3 - - 20 38 2 11 - <_> - 7 - - 0 4 22 6 - <_> - 0 - - 6 20 7 11 - <_> - 4 - - 14 8 5 1 - <_> - 5 - - 0 42 11 13 - <_> - 4 - - 10 9 3 28 - <_> - 0 - - 13 43 9 4 - <_> - 7 - - 18 2 4 4 - <_> - 4 - - 18 39 1 2 - <_> - 4 - - 14 8 6 11 - <_> - 5 - - 13 40 2 8 - <_> - 1 - - 13 21 6 2 - <_> - 8 - - 14 12 3 4 - <_> - 2 - - 17 39 3 7 - <_> - 8 - - 14 17 4 2 - <_> - 2 - - 12 58 15 2 - <_> - 2 - - 9 43 7 12 - <_> - 7 - - 17 25 1 5 - <_> - 4 - - 12 41 9 2 - <_> - 2 - - 17 3 4 15 - <_> - 7 - - 28 28 3 3 - <_> - 0 - - 25 44 5 3 - <_> - 0 - - 17 35 8 8 - <_> - 9 - - 17 32 1 5 - <_> - 9 - - 29 1 1 5 - <_> - 1 - - 13 55 3 2 - <_> - 5 - - 10 5 18 31 - <_> - 4 - - 3 18 3 44 - <_> - 2 - - 3 56 15 7 - <_> - 7 - - 30 44 1 13 - <_> - 1 - - 8 6 15 1 - <_> - 2 - - 11 0 8 24 - <_> - 5 - - 13 15 2 10 - <_> - 1 - - 10 15 13 1 - <_> - 4 - - 11 12 7 4 - <_> - 7 - - 10 10 20 2 - <_> - 7 - - 22 51 7 4 - <_> - 5 - - 14 17 6 8 - <_> - 4 - - 15 36 4 1 - <_> - 1 - - 11 53 10 4 - <_> - 1 - - 18 21 6 5 - <_> - 7 - - 6 57 4 1 - <_> - 2 - - 17 17 4 10 - <_> - 2 - - 13 18 1 1 - <_> - 0 - - 10 54 5 4 - <_> - 7 - - 0 29 17 13 - <_> - 2 - - 8 46 12 8 - <_> - 2 - - 7 10 3 26 - <_> - 1 - - 30 38 1 18 - <_> - 2 - - 16 60 14 1 - <_> - 1 - - 2 43 1 8 - <_> - 2 - - 9 36 21 9 - <_> - 7 - - 4 47 18 2 - <_> - 7 - - 6 46 1 5 - <_> - 2 - - 5 37 2 11 - <_> - 1 - - 11 46 1 14 - <_> - 1 - - 26 8 5 20 - <_> - 2 - - 16 14 2 8 - <_> - 2 - - 11 12 12 2 - <_> - 8 - - 16 12 1 5 - <_> - 8 - - 6 54 15 4 - <_> - 2 - - 8 52 16 4 - <_> - 7 - - 18 40 4 7 - <_> - 3 - - 0 56 27 2 - <_> - 1 - - 5 31 15 18 - <_> - 9 - - 16 18 2 1 - <_> - 7 - - 4 59 24 1 - <_> - 5 - - 1 57 15 3 - <_> - 8 - - 14 12 3 4 - <_> - 5 - - 0 4 6 27 - <_> - 5 - - 29 19 2 43 - <_> - 2 - - 15 22 5 6 - <_> - 5 - - 18 48 11 7 - <_> - 0 - - 27 48 4 13 - <_> - 3 - - 6 4 20 1 - <_> - 0 - - 12 10 11 6 - <_> - 4 - - 3 41 23 14 - <_> - 7 - - 27 4 4 14 - <_> - 1 - - 10 52 10 5 - <_> - 9 - - 29 61 2 1 - <_> - 7 - - 14 25 4 3 - <_> - 1 - - 1 5 15 13 - <_> - 2 - - 19 35 2 3 - <_> - 4 - - 5 18 23 5 - <_> - 9 - - 15 18 6 4 - <_> - 9 - - 23 14 8 17 - <_> - 8 - - 12 8 6 28 - <_> - 8 - - 25 13 3 6 - <_> - 8 - - 14 9 6 8 - <_> - 4 - - 20 3 6 52 - <_> - 3 - - 5 49 21 4 - <_> - 1 - - 12 40 6 6 - <_> - 2 - - 11 54 20 9 - <_> - 0 - - 13 36 9 8 - <_> - 1 - - 10 62 13 1 - <_> - 0 - - 12 24 15 39 - <_> - 5 - - 14 9 9 4 - <_> - 0 - - 1 21 2 33 - <_> - 2 - - 28 7 3 23 - <_> - 1 - - 14 53 10 4 - <_> - 3 - - 29 42 2 9 - <_> - 4 - - 13 35 9 27 - <_> - 5 - - 18 19 6 5 - <_> - 0 - - 17 22 12 12 - <_> - 0 - - 17 19 2 2 - <_> - 0 - - 0 42 19 11 - <_> - 5 - - 19 56 6 4 - <_> - 7 - - 8 49 2 1 - <_> - 1 - - 13 5 6 12 - <_> - 5 - - 3 22 18 15 - <_> - 1 - - 15 21 6 7 - <_> - 2 - - 3 16 19 29 - <_> - 5 - - 13 15 5 40 - <_> - 3 - - 16 32 3 10 - <_> - 8 - - 17 11 1 2 - <_> - 9 - - 10 29 5 20 - <_> - 8 - - 18 34 3 11 - <_> - 9 - - 26 47 2 4 - <_> - 1 - - 8 18 1 4 - <_> - 3 - - 21 43 4 11 - <_> - 3 - - 8 9 9 4 - <_> - 7 - - 9 37 13 16 - <_> - 3 - - 5 56 17 2 - <_> - 3 - - 11 53 9 1 - <_> - 4 - - 10 39 2 12 - <_> - 1 - - 8 52 2 4 - <_> - 3 - - 0 20 2 43 - <_> - 3 - - 6 37 15 10 - <_> - 5 - - 19 22 6 3 - <_> - 5 - - 15 0 15 30 - <_> - 0 - - 21 30 7 8 - <_> - 5 - - 19 19 4 32 - <_> - 3 - - 21 45 1 10 - <_> - 0 - - 15 51 5 4 - <_> - 8 - - 14 12 3 4 - <_> - 7 - - 16 11 1 1 - <_> - 7 - - 1 44 17 16 - <_> - 2 - - 18 13 2 12 - <_> - 0 - - 17 18 3 1 - <_> - 1 - - 11 55 7 5 - <_> - 2 - - 13 58 2 5 - <_> - 3 - - 10 15 1 42 - <_> - 5 - - 0 25 5 15 - <_> - 9 - - 16 17 2 6 - <_> - 2 - - 8 54 23 5 - <_> - 4 - - 15 36 4 1 - <_> - 1 - - 7 48 24 2 - <_> - 5 - - 14 5 7 10 - <_> - 0 - - 2 44 14 6 - <_> - 8 - - 17 13 2 4 - <_> - 8 - - 23 43 3 7 - <_> - 8 - - 13 12 1 9 - <_> - 3 - - 2 46 4 5 - <_> - 5 - - 21 2 1 52 - <_> - 3 - - 11 5 17 4 - <_> - 7 - - 22 57 3 1 - <_> - 4 - - 10 20 21 4 - <_> - 5 - - 12 57 18 3 - <_> - 9 - - 10 4 6 11 - <_> - 0 - - 13 45 3 4 - <_> - 1 - - 13 54 6 3 - <_> - 4 - - 8 45 18 1 - <_> - 4 - - 12 42 8 8 - <_> - 1 - - 5 50 11 4 - <_> - 9 - - 14 16 5 33 - <_> - 8 - - 15 10 13 52 - <_> - 3 - - 15 9 15 1 - <_> - 8 - - 27 61 1 1 - <_> - 9 - - 27 0 1 12 - <_> - 2 - - 14 16 4 5 - <_> - 9 - - 14 10 2 16 - <_> - 3 - - 8 11 6 20 - <_> - 7 - - 24 19 1 9 - <_> - 0 - - 14 43 6 2 - <_> - 1 - - 12 15 1 26 - <_> - 1 - - 8 6 15 1 - <_> - 0 - - 2 60 27 1 - <_> - 1 - - 2 14 21 2 - <_> - 7 - - 7 23 13 5 - <_> - 4 - - 24 56 2 7 - <_> - 8 - - 11 13 5 1 - <_> - 0 - - 10 42 12 3 - <_> - 8 - - 19 0 1 23 - <_> - 5 - - 9 61 20 2 - <_> - 0 - - 19 50 8 10 - <_> - 1 - - 16 55 9 2 - <_> - 0 - - 13 33 5 4 - <_> - 3 - - 18 27 8 9 - <_> - 3 - - 28 32 3 21 - <_> - 4 - - 15 42 4 4 - <_> - 2 - - 16 2 8 16 - <_> - 2 - - 7 2 1 47 - <_> - 7 - - 21 61 10 2 - <_> - 2 - - 29 31 2 32 - <_> - 8 - - 17 11 1 2 - <_> - 9 - - 11 19 9 1 - <_> - 9 - - 30 15 1 43 - <_> - 9 - - 24 34 1 4 - <_> - 2 - - 7 51 11 5 - <_> - 0 - - 22 42 1 11 - <_> - 5 - - 3 62 20 1 - <_> - 1 - - 7 20 11 3 - <_> - 3 - - 2 21 9 2 - <_> - 2 - - 25 34 1 18 - <_> - 5 - - 19 14 5 33 - <_> - 7 - - 28 13 1 1 - <_> - 5 - - 1 0 15 44 - <_> - 9 - - 12 32 1 10 - <_> - 7 - - 1 40 14 8 - <_> - 8 - - 12 12 8 3 - <_> - 1 - - 11 8 13 1 - <_> - 0 - - 27 47 1 15 - <_> - 4 - - 8 16 14 7 - <_> - 1 - - 8 55 8 3 - <_> - 0 - - 0 55 28 4 - <_> - 4 - - 7 56 17 4 - <_> - 3 - - 5 13 20 8 - <_> - 1 - - 3 19 4 19 - <_> - 4 - - 13 8 10 5 - <_> - 1 - - 16 18 7 3 - <_> - 4 - - 1 17 26 3 - <_> - 1 - - 11 53 10 4 - <_> - 7 - - 29 2 2 16 - <_> - 2 - - 6 55 21 5 - <_> - 1 - - 29 25 2 3 - <_> - 2 - - 10 50 10 4 - <_> - 4 - - 13 38 2 4 - <_> - 7 - - 24 46 1 9 - <_> - 9 - - 12 17 4 3 - <_> - 9 - - 4 9 6 7 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 9 7 5 1 - <_> - 7 - - 27 41 2 10 - <_> - 8 - - 11 16 3 4 - <_> - 5 - - 14 29 5 7 - <_> - 3 - - 9 24 2 33 - <_> - 5 - - 23 27 4 10 - <_> - 8 - - 3 10 28 46 - <_> - 0 - - 23 46 2 5 - <_> - 5 - - 15 8 9 19 - <_> - 4 - - 10 13 14 37 - <_> - 0 - - 4 57 23 3 - <_> - 1 - - 4 42 26 1 - <_> - 1 - - 15 53 7 4 - <_> - 1 - - 5 61 24 1 - <_> - 4 - - 14 49 7 12 - <_> - 0 - - 11 49 11 2 - <_> - 7 - - 14 10 3 2 - <_> - 1 - - 13 8 3 11 - <_> - 1 - - 11 41 4 9 - <_> - 5 - - 21 2 1 52 - <_> - 1 - - 14 32 9 6 - <_> - 2 - - 10 55 15 5 - <_> - 1 - - 11 28 20 29 - <_> - 1 - - 7 22 20 24 - <_> - 8 - - 14 12 3 4 - <_> - 0 - - 15 16 2 10 - <_> - 9 - - 13 8 5 13 - <_> - 3 - - 1 49 18 7 - <_> - 1 - - 11 21 14 3 - <_> - 2 - - 11 4 8 13 - <_> - 9 - - 16 39 4 1 - <_> - 9 - - 16 11 3 3 - <_> - 9 - - 16 13 3 15 - <_> - 5 - - 10 0 13 3 - <_> - 3 - - 12 52 19 7 - <_> - 8 - - 8 45 12 3 - <_> - 0 - - 12 10 11 6 - <_> - 3 - - 19 42 9 13 - <_> - 5 - - 15 57 10 3 - <_> - 0 - - 17 51 7 5 - <_> - 1 - - 12 24 6 2 - <_> - 7 - - 11 61 3 1 - <_> - 1 - - 8 18 15 8 - <_> - 4 - - 15 13 6 5 - <_> - 3 - - 17 16 6 25 - <_> - 4 - - 15 42 4 5 - <_> - 4 - - 16 25 12 21 - <_> - 4 - - 11 37 3 11 - <_> - 8 - - 14 9 6 8 - <_> - 1 - - 27 49 4 6 - <_> - 8 - - 30 12 1 20 - <_> - 2 - - 0 21 1 6 - <_> - 3 - - 7 15 10 11 - <_> - 4 - - 15 36 4 1 - <_> - 1 - - 21 2 3 7 - <_> - 1 - - 15 8 4 8 - <_> - 9 - - 28 2 3 1 - <_> - 7 - - 15 10 13 4 - <_> - 1 - - 15 52 2 5 - <_> - 4 - - 8 34 11 3 - <_> - 0 - - 14 28 5 5 - <_> - 0 - - 14 30 9 27 - <_> - 1 - - 16 7 4 26 - <_> - 3 - - 28 45 3 16 - <_> - 0 - - 14 49 16 5 - <_> - 0 - - 11 15 1 41 - <_> - 0 - - 6 50 6 10 - <_> - 1 - - 11 22 11 2 - <_> - 3 - - 30 60 1 2 - <_> - 8 - - 14 12 3 4 - <_> - 0 - - 17 16 5 2 - <_> - 9 - - 7 35 11 6 - <_> - 2 - - 11 39 19 6 - <_> - 3 - - 18 40 5 17 - <_> - 5 - - 12 52 7 10 - <_> - 3 - - 3 47 24 8 - <_> - 3 - - 0 22 5 24 - <_> - 3 - - 22 43 5 10 - <_> - 1 - - 9 54 5 6 - <_> - 2 - - 13 62 8 1 - <_> - 4 - - 12 5 9 15 - <_> - 4 - - 18 14 3 38 - <_> - 2 - - 17 3 4 15 - <_> - 5 - - 6 4 23 2 - <_> - 9 - - 9 19 12 2 - <_> - 9 - - 5 10 24 2 - <_> - 8 - - 15 17 2 35 - <_> - 0 - - 3 43 1 9 - <_> - 7 - - 7 50 3 3 - <_> - 5 - - 15 29 5 3 - <_> - 0 - - 20 25 7 10 - <_> - 7 - - 16 11 1 1 - <_> - 0 - - 0 23 28 17 - <_> - 7 - - 6 60 21 3 - <_> - 1 - - 10 30 15 2 - <_> - 5 - - 21 57 3 6 - <_> - 8 - - 17 13 2 4 - <_> - 8 - - 13 14 1 3 - <_> - 8 - - 5 54 18 3 - <_> - 2 - - 7 51 11 5 - <_> - 8 - - 1 0 19 6 - <_> - 1 - - 17 20 6 5 - <_> - 4 - - 13 44 1 4 - <_> - 8 - - 12 12 8 3 - <_> - 2 - - 18 41 2 10 - <_> - 8 - - 2 61 3 1 - <_> - 9 - - 18 2 1 50 - <_> - 9 - - 0 60 16 3 - <_> - 2 - - 19 25 10 2 - <_> - 7 - - 3 23 5 13 - <_> - 2 - - 14 23 3 6 - <_> - 9 - - 28 46 2 2 - <_> - 9 - - 8 50 5 6 - <_> - 2 - - 10 2 10 28 - <_> - 8 - - 16 12 1 5 - <_> - 2 - - 11 41 10 2 - <_> - 5 - - 20 0 2 32 - <_> - 5 - - 4 55 17 8 - <_> - 0 - - 21 0 8 3 - <_> - 3 - - 8 22 5 2 - <_> - 5 - - 14 9 9 4 - <_> - 7 - - 14 0 12 1 - <_> - 7 - - 20 58 4 1 - <_> - 2 - - 26 47 1 4 - <_> - 1 - - 2 55 27 1 - <_> - 2 - - 19 35 2 3 - <_> - 1 - - 9 13 7 27 - <_> - 3 - - 12 5 1 19 - <_> - 1 - - 12 15 1 26 - <_> - 2 - - 11 16 2 2 - <_> - 7 - - 13 12 10 1 - <_> - 0 - - 21 20 1 12 - <_> - 8 - - 0 62 15 1 - <_> - 8 - - 12 11 8 1 - <_> - 7 - - 11 60 6 1 - <_> - 8 - - 20 4 1 4 - <_> - 3 - - 11 62 9 1 - <_> - 0 - - 16 18 2 1 - <_> - 7 - - 2 62 13 1 - <_> - 9 - - 27 61 4 1 - <_> - 1 - - 13 5 6 12 - <_> - 4 - - 11 40 8 11 - <_> - 3 - - 10 15 1 42 - <_> - 3 - - 0 13 15 37 - <_> - 0 - - 8 50 2 5 - <_> - 3 - - 9 42 10 10 - <_> - 9 - - 15 17 2 5 - <_> - 8 - - 14 12 3 4 - <_> - 1 - - 8 18 1 4 - <_> - 2 - - 21 56 3 6 - <_> - 1 - - 5 56 21 1 - <_> - 5 - - 1 25 5 24 - <_> - 5 - - 10 56 3 1 - <_> - 4 - - 0 17 15 7 - <_> - 7 - - 26 33 1 6 - <_> - 4 - - 10 18 16 5 - <_> - 2 - - 20 15 4 11 - <_> - 0 - - 19 17 3 7 - <_> - 5 - - 18 1 10 22 - <_> - 5 - - 18 16 8 12 - <_> - 5 - - 22 19 1 13 - <_> - 3 - - 17 29 2 10 - <_> - 4 - - 15 36 4 1 - <_> - 1 - - 8 51 17 4 - <_> - 7 - - 0 52 28 10 - <_> - 2 - - 14 16 8 3 - <_> - 7 - - 14 25 4 3 - <_> - 7 - - 27 12 1 8 - <_> - 0 - - 11 36 14 16 - <_> - 7 - - 30 21 1 11 - <_> - 0 - - 25 39 2 8 - <_> - 9 - - 0 1 24 1 - <_> - 0 - - 7 57 21 1 - <_> - 0 - - 9 5 2 13 - <_> - 2 - - 6 52 15 3 - <_> - 9 - - 24 44 2 1 - <_> - 4 - - 2 61 4 2 - <_> - 5 - - 19 54 3 3 - <_> - 5 - - 19 48 6 8 - <_> - 9 - - 15 37 5 11 - <_> - 0 - - 4 46 2 7 - <_> - 3 - - 4 23 7 6 - <_> - 4 - - 13 8 8 9 - <_> - 8 - - 12 12 8 3 - <_> - 8 - - 16 8 1 17 - <_> - 8 - - 14 17 4 2 - <_> - 1 - - 14 46 4 4 - <_> - 5 - - 7 60 20 1 - <_> - 2 - - 7 39 16 11 - <_> - 1 - - 13 21 3 2 - <_> - 1 - - 17 9 5 12 - <_> - 1 - - 9 56 8 1 - <_> - 5 - - 30 46 1 14 - <_> - 0 - - 10 37 20 2 - <_> - 0 - - 12 26 3 14 - <_> - 0 - - 13 33 1 8 - <_> - 1 - - 14 53 3 9 - <_> - 9 - - 16 15 1 22 - <_> - 8 - - 14 12 3 4 - <_> - 1 - - 11 19 11 1 - <_> - 5 - - 17 9 5 10 - <_> - 8 - - 9 3 8 2 - <_> - 8 - - 12 11 8 1 - <_> - 5 - - 26 42 3 19 - <_> - 0 - - 12 10 11 6 - <_> - 4 - - 14 41 12 19 - <_> - 4 - - 13 40 4 6 - <_> - 7 - - 6 55 7 2 - <_> - 8 - - 18 54 12 3 - <_> - 2 - - 1 38 25 11 - <_> - 7 - - 4 0 21 42 - <_> - 0 - - 12 0 8 11 - <_> - 4 - - 14 23 4 11 - <_> - 0 - - 18 21 2 5 - <_> - 5 - - 19 21 10 1 - <_> - 9 - - 12 0 2 12 - <_> - 7 - - 12 60 7 2 - <_> - 2 - - 26 45 3 1 - <_> - 3 - - 4 30 21 5 - <_> - 2 - - 6 57 23 2 - <_> - 5 - - 15 50 6 5 - <_> - 1 - - 23 44 2 7 - <_> - 1 - - 21 27 5 30 - <_> - 1 - - 15 55 2 1 - <_> - 9 - - 0 16 24 45 - <_> - 2 - - 11 11 12 6 - <_> - 7 - - 4 30 2 10 - <_> - 2 - - 23 8 2 10 - <_> - 4 - - 10 21 2 5 - <_> - 1 - - 6 0 14 28 - <_> - 3 - - 6 38 3 12 - <_> - 0 - - 0 48 3 7 - <_> - 9 - - 12 14 3 12 - <_> - 0 - - 13 8 7 8 - <_> - 3 - - 11 41 14 17 - <_> - 0 - - 12 50 16 6 - <_> - 3 - - 15 47 7 11 - <_> - 3 - - 4 56 15 3 - <_> - 4 - - 11 46 10 4 - <_> - 0 - - 13 36 9 8 - <_> - 8 - - 16 8 1 17 - <_> - 9 - - 15 18 3 6 - <_> - 3 - - 14 34 5 5 - <_> - 3 - - 6 23 7 8 - <_> - 3 - - 11 26 6 3 - <_> - 0 - - 12 19 9 11 - <_> - 8 - - 19 41 2 1 - <_> - 8 - - 18 11 9 24 - <_> - 3 - - 15 28 2 3 - <_> - 3 - - 7 50 11 6 - <_> - 4 - - 20 6 5 10 - <_> - 4 - - 14 1 7 21 - <_> - 1 - - 16 54 2 4 - <_> - 9 - - 28 48 1 7 - <_> - 4 - - 14 56 7 4 - <_> - 5 - - 19 9 3 41 - <_> - 9 - - 0 52 14 9 - <_> - 2 - - 18 54 10 7 - <_> - 9 - - 11 8 8 49 - <_> - 8 - - 11 13 5 1 - <_> - 8 - - 29 12 2 9 - <_> - 7 - - 28 4 3 24 - <_> - 9 - - 12 17 4 3 - <_> - 0 - - 14 43 6 2 - <_> - 0 - - 11 7 4 10 - <_> - 0 - - 12 1 2 5 - <_> - 1 - - 12 24 6 2 - <_> - 5 - - 19 14 5 7 - <_> - 7 - - 14 10 3 2 - <_> - 2 - - 19 30 1 8 - <_> - 7 - - 20 61 1 1 - <_> - 5 - - 1 57 29 5 - <_> - 8 - - 16 51 6 9 - <_> - 2 - - 7 51 13 5 - <_> - 4 - - 16 19 4 2 - <_> - 1 - - 15 33 5 21 - <_> - 1 - - 20 19 3 2 - <_> - 5 - - 8 31 4 27 - <_> - 8 - - 17 11 1 2 - <_> - 1 - - 26 8 5 20 - <_> - 0 - - 6 3 21 5 - <_> - 0 - - 9 33 15 6 - <_> - 1 - - 14 56 14 1 - <_> - 2 - - 7 59 2 2 - <_> - 4 - - 2 54 12 8 - <_> - 0 - - 13 25 5 7 - <_> - 3 - - 7 20 9 7 - <_> - 2 - - 10 42 13 9 - <_> - 1 - - 29 36 1 3 - <_> - 3 - - 22 2 4 31 - <_> - 0 - - 19 32 4 15 - <_> - 0 - - 17 18 3 1 - <_> - 3 - - 0 47 1 7 - <_> - 8 - - 16 12 1 5 - <_> - 2 - - 8 56 9 7 - <_> - 2 - - 0 38 24 20 - <_> - 9 - - 17 31 1 6 - <_> - 9 - - 14 59 1 2 - <_> - 4 - - 17 38 1 4 - <_> - 0 - - 12 10 11 6 - <_> - 1 - - 13 21 6 2 - <_> - 7 - - 3 10 26 10 - <_> - 0 - - 7 12 14 35 - <_> - 3 - - 20 42 2 6 - <_> - 0 - - 10 43 6 5 - <_> - 1 - - 10 55 14 1 - <_> - 8 - - 9 48 13 13 - <_> - 8 - - 17 11 1 2 - <_> - 8 - - 9 57 12 5 - <_> - 5 - - 6 1 21 2 - <_> - 5 - - 17 9 5 10 - <_> - 9 - - 9 43 12 1 - <_> - 3 - - 24 46 7 7 - <_> - 4 - - 29 29 2 8 - <_> - 5 - - 17 9 5 10 - <_> - 1 - - 10 53 15 5 - <_> - 5 - - 4 62 16 1 - <_> - 4 - - 25 52 4 8 - <_> - 0 - - 11 52 17 4 - <_> - 4 - - 9 0 1 43 - <_> - 5 - - 11 34 2 3 - <_> - 2 - - 9 41 11 1 - <_> - 4 - - 9 61 13 2 - <_> - 3 - - 28 25 1 34 - <_> - 2 - - 19 26 7 1 - <_> - 3 - - 8 18 8 1 - <_> - 5 - - 2 35 19 26 - <_> - 3 - - 15 25 3 7 - <_> - 5 - - 25 23 3 9 - <_> - 0 - - 14 41 1 18 - <_> - 2 - - 12 58 15 2 - <_> - 7 - - 26 60 3 3 - <_> - 0 - - 24 31 3 15 - <_> - 7 - - 5 7 6 10 - <_> - 1 - - 12 8 8 4 - <_> - 5 - - 20 42 4 11 - <_> - 1 - - 16 5 8 2 - <_> - 7 - - 15 6 2 12 - <_> - 9 - - 12 1 19 1 - <_> - 9 - - 10 16 4 32 - <_> - 3 - - 11 41 14 17 - <_> - 8 - - 9 12 10 27 - <_> - 3 - - 8 9 9 4 - <_> - 7 - - 7 2 3 8 - <_> - 1 - - 13 20 1 4 - <_> - 1 - - 13 5 6 12 - <_> - 0 - - 28 19 2 43 - <_> - 4 - - 3 23 1 16 - <_> - 5 - - 18 29 5 25 - <_> - 2 - - 25 55 5 8 - <_> - 4 - - 11 34 11 14 - <_> - 7 - - 6 59 9 4 - <_> - 5 - - 25 45 3 15 - <_> - 8 - - 14 9 6 8 - <_> - 8 - - 29 28 1 18 - <_> - 5 - - 21 1 5 13 - <_> - 8 - - 19 41 2 1 - <_> - 1 - - 13 54 6 3 - <_> - 9 - - 29 31 1 4 - <_> - 0 - - 5 61 9 2 - <_> - 8 - - 14 12 3 4 - <_> - 7 - - 19 32 1 1 - <_> - 8 - - 5 5 6 15 - <_> - 0 - - 13 49 9 4 - <_> - 4 - - 13 46 4 7 - <_> - 4 - - 14 13 9 7 - <_> - 0 - - 17 18 3 1 - <_> - 3 - - 8 36 16 11 - <_> - 9 - - 14 24 6 10 - <_> - 3 - - 0 54 31 4 - <_> - 1 - - 17 43 4 9 - <_> - 5 - - 20 16 3 22 - <_> - 9 - - 0 48 1 3 - <_> - 8 - - 12 12 8 3 - <_> - 9 - - 14 17 6 39 - <_> - 0 - - 11 42 11 2 - <_> - 2 - - 17 17 1 20 - <_> - 2 - - 0 32 10 15 - <_> - 2 - - 16 57 7 6 - <_> - 5 - - 14 9 13 13 - <_> - 0 - - 13 25 5 7 - <_> - 2 - - 20 17 2 14 - <_> - 3 - - 23 35 3 14 - <_> - 2 - - 16 8 1 24 - <_> - 3 - - 3 19 10 27 - <_> - 1 - - 4 34 25 1 - <_> - 1 - - 6 13 6 23 - <_> - 1 - - 17 16 2 31 - <_> - 2 - - 13 10 13 7 - <_> - 5 - - 10 20 3 33 - <_> - 1 - - 15 52 2 5 - <_> - 2 - - 9 6 17 18 - <_> - 2 - - 30 20 1 11 - <_> - 3 - - 29 7 1 28 - <_> - 7 - - 6 5 20 4 - <_> - 7 - - 6 49 4 2 - <_> - 4 - - 13 7 5 4 - <_> - 3 - - 20 42 2 6 - <_> - 1 - - 12 5 2 49 - <_> - 3 - - 7 9 11 33 - <_> - 7 - - 0 5 22 6 - <_> - 3 - - 3 36 12 1 - <_> - 0 - - 17 33 9 11 - <_> - 0 - - 17 27 5 9 - <_> - 1 - - 16 18 7 3 - <_> - 1 - - 16 55 9 2 - <_> - 4 - - 10 41 8 7 - <_> - 4 - - 11 1 8 16 - <_> - 9 - - 10 6 15 8 - <_> - 2 - - 6 4 24 4 - <_> - 9 - - 9 19 12 2 - <_> - 5 - - 13 8 11 4 - <_> - 0 - - 1 19 2 38 - <_> - 5 - - 14 36 1 8 - <_> - 7 - - 22 53 9 1 - <_> - 5 - - 11 5 4 35 - <_> - 5 - - 18 19 6 5 - <_> - 1 - - 17 33 3 24 - <_> - 2 - - 6 50 11 4 - <_> - 3 - - 8 42 2 4 - <_> - 5 - - 16 57 4 6 - <_> - 8 - - 11 8 11 6 - <_> - 4 - - 9 18 5 8 - <_> - 2 - - 17 40 5 5 - <_> - 9 - - 29 19 1 9 - <_> - 0 - - 24 5 5 16 - <_> - 9 - - 18 35 2 12 - <_> - 9 - - 2 9 5 11 - <_> - 7 - - 24 49 2 4 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 17 13 2 4 - <_> - 8 - - 14 5 1 3 - <_> - 5 - - 10 55 5 4 - <_> - 1 - - 9 52 11 10 - <_> - 0 - - 7 56 19 4 - <_> - 4 - - 9 37 17 1 - <_> - 0 - - 9 33 15 6 - <_> - 5 - - 13 31 1 10 - <_> - 5 - - 20 3 2 24 - <_> - 7 - - 9 43 18 2 - <_> - 7 - - 2 12 18 1 - <_> - 0 - - 14 26 2 3 - <_> - 3 - - 4 26 9 4 - <_> - 0 - - 22 40 4 9 - <_> - 1 - - 9 56 16 1 - <_> - 5 - - 5 62 11 1 - <_> - 3 - - 2 9 18 8 - <_> - 4 - - 11 28 20 35 - <_> - 5 - - 15 43 10 10 - <_> - 7 - - 24 49 2 2 - <_> - 1 - - 13 20 1 4 - <_> - 1 - - 16 9 1 27 - <_> - 3 - - 11 20 19 26 - <_> - 2 - - 22 55 9 8 - <_> - 3 - - 0 40 2 15 - <_> - 3 - - 8 8 5 27 - <_> - 7 - - 18 11 1 1 - <_> - 9 - - 12 20 2 8 - <_> - 4 - - 12 9 13 5 - <_> - 3 - - 7 50 11 6 - <_> - 5 - - 22 45 1 10 - <_> - 8 - - 11 13 5 1 - <_> - 3 - - 20 38 2 17 - <_> - 5 - - 17 8 6 6 - <_> - 3 - - 15 25 3 7 - <_> - 4 - - 10 1 13 19 - <_> - 1 - - 13 14 17 2 - <_> - 1 - - 12 3 6 3 - <_> - 8 - - 5 61 1 1 - <_> - 8 - - 14 5 1 3 - <_> - 9 - - 21 62 7 1 - <_> - 4 - - 18 41 1 8 - <_> - 1 - - 12 54 11 7 - <_> - 2 - - 9 27 1 28 - <_> - 8 - - 8 12 15 3 - <_> - 8 - - 14 12 3 4 - <_> - 9 - - 14 11 3 45 - <_> - 9 - - 13 4 10 3 - <_> - 0 - - 22 3 1 7 - <_> - 9 - - 16 15 1 22 - <_> - 2 - - 12 60 19 3 - <_> - 2 - - 8 41 15 1 - <_> - 3 - - 3 50 25 6 - <_> - 4 - - 15 9 14 15 - <_> - 2 - - 12 5 5 14 - <_> - 2 - - 15 46 5 12 - <_> - 0 - - 11 7 4 10 - <_> - 3 - - 10 47 18 3 - <_> - 5 - - 6 35 1 17 - <_> - 9 - - 24 4 5 3 - <_> - 5 - - 14 1 15 5 - <_> - 9 - - 19 20 1 2 - <_> - 8 - - 14 12 3 4 - <_> - 9 - - 0 53 3 1 - <_> - 3 - - 10 8 5 8 - <_> - 8 - - 29 30 1 11 - <_> - 8 - - 13 26 15 1 - <_> - 3 - - 29 42 2 15 - <_> - 1 - - 13 54 6 3 - <_> - 4 - - 14 35 8 5 - <_> - 5 - - 10 47 11 11 - <_> - 2 - - 6 50 11 4 - <_> - 3 - - 6 49 4 5 - <_> - 9 - - 10 29 12 18 - <_> - 5 - - 9 60 18 3 - <_> - 3 - - 10 15 1 42 - <_> - 1 - - 17 20 6 5 - <_> - 4 - - 28 16 3 18 - <_> - 3 - - 19 41 1 21 - <_> - 0 - - 18 35 3 4 - <_> - 0 - - 13 18 3 1 - <_> - 0 - - 1 23 14 6 - <_> - 0 - - 28 49 3 2 - <_> - 1 - - 13 14 13 3 - <_> - 0 - - 11 27 8 3 - <_> - 0 - - 11 48 14 5 - <_> - 5 - - 14 62 12 1 - <_> - 4 - - 20 6 1 43 - <_> - 9 - - 12 17 4 3 - <_> - 0 - - 11 13 17 1 - <_> - 3 - - 30 43 1 3 - <_> - 0 - - 4 53 2 2 - <_> - 7 - - 2 55 14 2 - <_> - 8 - - 22 32 1 22 - <_> - 1 - - 13 21 3 2 - <_> - 2 - - 8 12 15 35 - <_> - 7 - - 8 1 13 46 - <_> - 5 - - 12 33 4 5 - <_> - 7 - - 9 62 16 1 - <_> - 5 - - 7 58 14 3 - <_> - 2 - - 15 0 10 1 - <_> - 8 - - 14 9 6 8 - <_> - 1 - - 2 55 6 1 - <_> - 8 - - 17 6 2 1 - <_> - 1 - - 15 36 1 17 - <_> - 1 - - 5 50 11 4 - <_> - 9 - - 13 15 1 3 - <_> - 0 - - 13 43 9 4 - <_> - 7 - - 0 14 2 41 - <_> - 5 - - 7 37 2 24 - <_> - 3 - - 10 1 1 27 - <_> - 4 - - 13 44 7 9 - <_> - 9 - - 30 3 1 9 - <_> - 1 - - 4 34 25 1 - <_> - 3 - - 4 56 15 3 - <_> - 2 - - 11 49 16 2 - <_> - 2 - - 8 52 17 11 - <_> - 8 - - 14 12 3 4 - <_> - 5 - - 1 2 2 32 - <_> - 5 - - 20 15 3 46 - <_> - 7 - - 7 14 3 26 - <_> - 3 - - 15 28 2 3 - <_> - 2 - - 6 51 8 6 - <_> - 3 - - 2 50 5 2 - <_> - 5 - - 3 47 14 1 - <_> - 1 - - 29 61 2 1 - <_> - 1 - - 20 47 3 14 - <_> - 2 - - 16 45 3 6 - <_> - 4 - - 0 61 3 2 - <_> - 1 - - 18 46 3 1 - <_> - 2 - - 13 38 2 18 - <_> - 3 - - 4 0 12 1 - <_> - 3 - - 5 10 9 31 - <_> - 9 - - 25 51 3 1 - <_> - 5 - - 26 33 2 13 - <_> - 5 - - 18 18 9 10 - <_> - 3 - - 13 23 2 16 - <_> - 1 - - 8 53 7 6 - <_> - 3 - - 27 38 3 21 - <_> - 7 - - 5 59 17 2 - <_> - 4 - - 0 23 2 8 - <_> - 7 - - 23 54 1 1 - <_> - 1 - - 11 19 1 18 - <_> - 1 - - 13 8 3 11 - <_> - 7 - - 14 20 3 3 - <_> - 1 - - 18 17 2 9 - <_> - 5 - - 19 56 4 7 - <_> - 5 - - 14 49 9 5 - <_> - 3 - - 8 22 3 10 - <_> - 4 - - 12 39 3 3 - <_> - 1 - - 16 49 11 3 - <_> - 9 - - 6 52 1 8 - <_> - 4 - - 27 23 2 13 - <_> - 4 - - 4 58 19 2 - <_> - 5 - - 16 30 1 1 - <_> - 5 - - 7 30 17 17 - <_> - 0 - - 2 38 3 21 - <_> - 4 - - 16 7 3 17 - <_> - 1 - - 8 6 15 1 - <_> - 2 - - 18 29 5 13 - <_> - 9 - - 15 27 2 1 - <_> - 8 - - 14 9 6 8 - <_> - 1 - - 3 53 5 1 - <_> - 8 - - 26 27 1 7 - <_> - 4 - - 11 5 2 48 - <_> - 3 - - 10 4 1 53 - <_> - 1 - - 4 42 26 1 - <_> - 0 - - 17 19 2 2 - <_> - 4 - - 12 39 8 10 - <_> - 8 - - 16 12 1 5 - <_> - 8 - - 9 62 8 1 - <_> - 8 - - 17 13 2 4 - <_> - 2 - - 23 36 3 22 - <_> - 1 - - 15 53 7 4 - <_> - 1 - - 3 59 18 2 - <_> - 4 - - 18 39 1 2 - <_> - 7 - - 8 8 22 20 - <_> - 7 - - 2 53 10 2 - <_> - 5 - - 16 26 7 15 - <_> - 4 - - 0 62 24 1 - <_> - 1 - - 4 56 7 7 - <_> - 9 - - 29 0 1 11 - <_> - 0 - - 12 33 5 2 - <_> - 5 - - 7 32 8 7 - <_> - 4 - - 5 18 23 5 - <_> - 3 - - 23 49 2 1 - <_> - 0 - - 11 49 11 6 - <_> - 5 - - 21 20 1 6 - <_> - 9 - - 16 18 2 1 - <_> - 9 - - 14 1 3 13 - <_> - 3 - - 19 48 1 15 - <_> - 4 - - 1 17 26 3 - <_> - 5 - - 0 24 30 26 - <_> - 5 - - 15 58 12 4 - <_> - 0 - - 11 49 11 2 - <_> - 1 - - 6 21 13 20 - <_> - 3 - - 11 9 15 7 - <_> - 2 - - 11 56 7 4 - <_> - 1 - - 16 23 2 5 - <_> - 4 - - 10 8 14 4 - <_> - 1 - - 2 15 17 1 - <_> - 2 - - 11 17 6 3 - <_> - 1 - - 20 13 1 22 - <_> - 5 - - 17 9 5 10 - <_> - 2 - - 16 13 8 8 - <_> - 5 - - 14 0 12 17 - <_> - 5 - - 10 38 14 3 - <_> - 7 - - 21 40 1 7 - <_> - 5 - - 12 34 7 6 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 12 22 5 2 - <_> - 8 - - 5 5 6 15 - <_> - 1 - - 10 15 4 20 - <_> - 9 - - 13 13 3 21 - <_> - 4 - - 28 20 1 16 - <_> - 7 - - 16 11 1 1 - <_> - 4 - - 8 52 9 6 - <_> - 1 - - 11 53 10 4 - <_> - 1 - - 16 18 7 3 - <_> - 7 - - 1 51 12 2 - <_> - 7 - - 12 60 2 2 - <_> - 8 - - 11 13 5 1 - <_> - 1 - - 10 56 10 1 - <_> - 2 - - 29 1 2 21 - <_> - 4 - - 15 36 4 1 - <_> - 9 - - 19 41 1 6 - <_> - 4 - - 1 51 7 12 - <_> - 0 - - 22 19 1 33 - <_> - 5 - - 16 57 5 6 - <_> - 2 - - 5 37 2 11 - <_> - 2 - - 10 42 9 16 - <_> - 7 - - 2 53 10 2 - <_> - 4 - - 8 45 18 1 - <_> - 5 - - 17 15 9 10 - <_> - 3 - - 25 60 3 1 - <_> - 3 - - 29 22 2 11 - <_> - 9 - - 9 56 18 7 - <_> - 8 - - 27 60 3 3 - <_> - 0 - - 7 15 9 7 - <_> - 3 - - 13 21 3 10 - <_> - 3 - - 8 11 6 20 - <_> - 9 - - 30 17 1 2 - <_> - 5 - - 12 56 2 5 - <_> - 1 - - 30 41 1 20 - <_> - 9 - - 12 17 4 3 - <_> - 1 - - 15 53 7 4 - <_> - 0 - - 0 48 3 7 - <_> - 8 - - 12 11 18 2 - <_> - 8 - - 10 55 5 4 - <_> - 8 - - 14 12 3 4 - <_> - 2 - - 19 40 1 12 - <_> - 1 - - 13 21 6 2 - <_> - 4 - - 13 8 10 5 - <_> - 1 - - 7 11 22 1 - <_> - 4 - - 18 41 1 8 - <_> - 3 - - 7 62 13 1 - <_> - 1 - - 9 56 16 1 - <_> - 0 - - 14 30 9 21 - <_> - 1 - - 19 2 10 11 - <_> - 3 - - 21 47 1 8 - <_> - 2 - - 9 48 9 6 - <_> - 1 - - 21 35 1 15 - <_> - 3 - - 4 26 3 29 - <_> - 0 - - 14 11 15 3 - <_> - 7 - - 2 46 21 1 - <_> - 2 - - 25 10 2 18 - <_> - 4 - - 12 14 4 5 - <_> - 3 - - 25 46 4 2 - <_> - 4 - - 9 12 1 11 - <_> - 9 - - 19 39 1 12 - <_> - 7 - - 14 11 9 3 - <_> - 7 - - 6 41 1 7 - <_> - 2 - - 5 58 21 2 - <_> - 5 - - 20 14 9 8 - <_> - 4 - - 3 31 27 3 - <_> - 5 - - 6 1 21 2 - <_> - 7 - - 16 11 1 1 - <_> - 4 - - 13 24 5 27 - <_> - 7 - - 22 60 6 2 - <_> - 4 - - 1 34 20 4 - <_> - 1 - - 15 33 2 8 - <_> - 5 - - 14 40 12 10 - <_> - 2 - - 15 48 2 3 - <_> - 9 - - 15 7 3 51 - <_> - 8 - - 12 12 8 3 - <_> - 3 - - 14 34 5 5 - <_> - 5 - - 17 9 5 10 - <_> - 1 - - 18 20 3 7 - <_> - 4 - - 15 6 3 4 - <_> - 5 - - 2 22 14 3 - <_> - 4 - - 10 29 3 19 - <_> - 1 - - 11 44 1 14 - <_> - 3 - - 6 39 5 16 - <_> - 0 - - 9 51 2 5 - <_> - 2 - - 9 50 4 5 - <_> - 9 - - 16 18 2 1 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 16 11 7 3 - <_> - 8 - - 14 17 4 2 - <_> - 2 - - 26 53 5 7 - <_> - 5 - - 16 47 8 7 - <_> - 3 - - 7 50 8 1 - <_> - 4 - - 8 47 23 1 - <_> - 2 - - 5 59 14 1 - <_> - 9 - - 20 57 1 2 - <_> - 1 - - 23 8 8 22 - <_> - 3 - - 17 50 8 11 - <_> - 0 - - 8 19 21 25 - <_> - 2 - - 14 23 3 6 - <_> - 5 - - 8 22 20 6 - <_> - 4 - - 8 60 7 3 - <_> - 1 - - 12 51 3 12 - <_> - 5 - - 11 57 2 6 - <_> - 7 - - 26 0 3 1 - <_> - 7 - - 12 59 12 3 - <_> - 0 - - 25 50 6 11 - <_> - 0 - - 6 52 25 5 - <_> - 5 - - 14 9 9 4 - <_> - 7 - - 17 11 8 1 - <_> - 5 - - 24 56 1 4 - <_> - 0 - - 18 18 2 7 - <_> - 3 - - 6 22 14 7 - <_> - 0 - - 3 0 17 9 - <_> - 3 - - 11 12 2 9 - <_> - 7 - - 17 8 14 7 - <_> - 4 - - 8 41 17 1 - <_> - 8 - - 14 12 3 4 - <_> - 5 - - 22 38 3 10 - <_> - 9 - - 15 32 2 2 - <_> - 2 - - 21 27 9 10 - <_> - 3 - - 16 53 14 2 - <_> - 0 - - 13 24 3 7 - <_> - 1 - - 14 43 10 9 - <_> - 1 - - 14 53 3 9 - <_> - 1 - - 12 31 10 8 - <_> - 2 - - 10 57 19 1 - <_> - 1 - - 9 32 5 2 - <_> - 1 - - 0 34 13 14 - <_> - 5 - - 14 52 9 3 - <_> - 1 - - 4 1 23 5 - <_> - 2 - - 2 49 23 11 - <_> - 1 - - 13 20 1 4 - <_> - 4 - - 12 19 12 1 - <_> - 8 - - 10 39 2 2 - <_> - 9 - - 30 38 1 1 - <_> - 4 - - 13 44 1 4 - <_> - 1 - - 18 28 8 15 - <_> - 1 - - 28 5 2 23 - <_> - 5 - - 16 55 8 4 - <_> - 4 - - 20 18 2 4 - <_> - 2 - - 8 41 15 1 - <_> - 7 - - 15 2 2 56 - <_> - 4 - - 12 4 9 12 - <_> - 3 - - 4 56 15 3 - <_> - 2 - - 5 51 13 5 - <_> - 5 - - 21 25 1 18 - <_> - 4 - - 21 18 7 32 - <_> - 8 - - 14 9 6 8 - <_> - 1 - - 11 19 11 1 - <_> - 8 - - 0 14 1 8 - <_> - 7 - - 6 8 1 3 - <_> - 5 - - 13 46 2 11 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 6 10 11 18 - <_> - 8 - - 5 14 4 5 - <_> - 9 - - 13 16 4 4 - <_> - 9 - - 10 1 13 13 - <_> - 0 - - 5 47 1 16 - <_> - 7 - - 1 48 29 7 - <_> - 0 - - 0 4 1 5 - <_> - 2 - - 18 61 7 1 - <_> - 2 - - 18 15 8 18 - <_> - 1 - - 14 17 5 10 - <_> - 3 - - 16 32 4 7 - <_> - 0 - - 19 29 5 7 - <_> - 7 - - 12 15 5 1 - <_> - 4 - - 13 36 3 4 - <_> - 1 - - 13 5 6 12 - <_> - 8 - - 29 56 2 3 - <_> - 1 - - 11 45 8 5 - <_> - 7 - - 11 59 3 3 - <_> - 8 - - 21 55 5 5 - <_> - 3 - - 10 21 1 13 - <_> - 5 - - 15 24 4 7 - <_> - 2 - - 17 3 4 15 - <_> - 5 - - 7 2 10 2 - <_> - 8 - - 14 12 3 4 - <_> - 1 - - 13 21 6 2 - <_> - 2 - - 10 8 20 7 - <_> - 5 - - 0 33 27 15 - <_> - 0 - - 11 42 11 2 - <_> - 1 - - 9 17 11 9 - <_> - 5 - - 6 59 13 1 - <_> - 4 - - 11 46 10 4 - <_> - 1 - - 13 54 6 3 - <_> - 1 - - 5 50 11 4 - <_> - 9 - - 10 15 3 30 - <_> - 1 - - 4 30 22 11 - <_> - 9 - - 28 2 3 1 - <_> - 8 - - 28 62 1 1 - <_> - 1 - - 19 28 7 6 - <_> - 4 - - 28 9 3 26 - <_> - 1 - - 3 44 16 2 - <_> - 2 - - 30 36 1 8 - <_> - 2 - - 7 51 13 5 - <_> - 9 - - 17 19 2 4 - <_> - 2 - - 10 56 10 3 - <_> - 5 - - 16 16 14 9 - <_> - 7 - - 16 38 2 4 - <_> - 2 - - 15 0 7 6 - <_> - 8 - - 17 13 2 4 - <_> - 7 - - 23 49 4 3 - <_> - 1 - - 7 25 10 10 - <_> - 9 - - 12 29 7 19 - <_> - 7 - - 17 28 1 12 - <_> - 7 - - 18 6 1 2 - <_> - 5 - - 14 5 7 10 - <_> - 0 - - 0 2 3 60 - <_> - 5 - - 13 14 3 2 - <_> - 1 - - 16 7 4 26 - <_> - 0 - - 25 47 6 16 - <_> - 1 - - 8 18 15 8 - <_> - 1 - - 13 55 3 2 - <_> - 0 - - 14 54 1 5 - <_> - 4 - - 15 36 4 1 - <_> - 2 - - 8 24 3 9 - <_> - 1 - - 20 10 1 42 - <_> - 5 - - 4 31 15 5 - <_> - 3 - - 10 5 7 17 - <_> - 2 - - 9 52 3 1 - <_> - 4 - - 3 59 10 4 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 16 11 7 3 - <_> - 8 - - 11 37 1 6 - <_> - 1 - - 11 53 14 4 - <_> - 5 - - 5 57 24 1 - <_> - 7 - - 24 50 2 3 - <_> - 5 - - 13 58 6 4 - <_> - 4 - - 13 43 2 6 - <_> - 3 - - 25 42 6 6 - <_> - 5 - - 14 40 12 10 - <_> - 4 - - 11 53 3 1 - <_> - 3 - - 20 42 2 6 - <_> - 2 - - 11 12 12 2 - <_> - 3 - - 12 42 2 9 - <_> - 8 - - 14 12 3 4 - <_> - 2 - - 11 17 6 3 - <_> - 2 - - 12 6 14 12 - <_> - 9 - - 16 17 2 6 - <_> - 5 - - 20 56 3 7 - <_> - 8 - - 9 20 14 13 - <_> - 7 - - 24 16 1 42 - <_> - 0 - - 18 52 8 6 - <_> - 5 - - 21 50 7 2 - <_> - 2 - - 12 20 7 8 - <_> - 2 - - 10 22 15 36 - <_> - 7 - - 13 6 9 7 - <_> - 4 - - 28 2 3 38 - <_> - 5 - - 10 56 20 6 - <_> - 7 - - 7 55 5 1 - <_> - 9 - - 15 32 2 2 - <_> - 1 - - 3 14 24 3 - <_> - 4 - - 16 7 2 2 - <_> - 1 - - 2 19 25 2 - <_> - 2 - - 18 14 5 44 - <_> - 7 - - 16 11 1 1 - <_> - 0 - - 28 32 1 1 - <_> - 9 - - 30 1 1 2 - <_> - 3 - - 24 45 6 4 - <_> - 3 - - 3 2 10 15 - <_> - 3 - - 1 43 18 12 - <_> - 0 - - 2 19 4 42 - <_> - 2 - - 4 42 5 8 - <_> - 0 - - 19 25 3 18 - <_> - 8 - - 13 14 4 3 - <_> - 0 - - 13 13 6 38 - <_> - 8 - - 22 52 3 5 - <_> - 7 - - 10 61 1 1 - <_> - 2 - - 16 23 3 13 - <_> - 1 - - 11 35 8 4 - <_> - 1 - - 10 55 12 1 - <_> - 1 - - 13 40 12 1 - <_> - 7 - - 6 29 19 16 - <_> - 9 - - 13 27 2 2 - <_> - 9 - - 30 3 1 55 - <_> - 8 - - 12 12 8 3 - <_> - 8 - - 16 43 2 8 - <_> - 8 - - 7 8 5 6 - <_> - 3 - - 11 53 20 5 - <_> - 0 - - 12 10 11 6 - <_> - 9 - - 30 4 1 31 - <_> - 0 - - 17 17 3 2 - <_> - 7 - - 22 56 4 3 - <_> - 8 - - 12 12 8 3 - <_> - 1 - - 17 34 13 21 - <_> - 4 - - 7 15 5 22 - <_> - 4 - - 25 13 1 21 - <_> - 5 - - 22 18 3 32 - <_> - 0 - - 15 17 10 7 - <_> - 3 - - 5 10 14 23 - <_> - 1 - - 11 53 14 4 - <_> - 2 - - 14 62 15 1 - <_> - 5 - - 0 28 18 28 - <_> - 7 - - 18 11 1 1 - <_> - 2 - - 13 32 2 1 - <_> - 4 - - 9 6 8 12 - <_> - 3 - - 3 49 10 6 - <_> - 2 - - 11 40 7 1 - <_> - 5 - - 7 18 2 15 - <_> - 5 - - 11 15 5 3 - <_> - 5 - - 9 8 13 9 - <_> - 4 - - 4 60 12 2 - <_> - 3 - - 8 18 9 2 - <_> - 5 - - 5 1 18 48 - <_> - 3 - - 0 13 18 13 - <_> - 2 - - 0 52 22 2 - <_> - 0 - - 5 47 1 7 - <_> - 4 - - 10 18 16 5 - <_> - 1 - - 12 24 6 2 - <_> - 2 - - 6 35 6 10 - <_> - 0 - - 7 12 13 7 - <_> - 3 - - 8 56 9 3 - <_> - 4 - - 13 38 8 11 - <_> - 4 - - 16 22 2 17 - <_> - 0 - - 15 33 8 24 - <_> - 7 - - 1 2 30 40 - <_> - 3 - - 20 37 2 5 - <_> - 9 - - 14 0 10 7 - <_> - 5 - - 14 29 5 7 - <_> - 9 - - 15 15 2 10 - <_> - 5 - - 13 14 12 10 - <_> - 7 - - 14 10 3 2 - <_> - 5 - - 20 1 7 5 - <_> - 7 - - 0 62 28 1 - <_> - 0 - - 26 42 3 15 - <_> - 1 - - 13 44 14 11 - <_> - 9 - - 20 29 1 13 - <_> - 4 - - 11 38 13 7 - <_> - 8 - - 12 12 8 3 - <_> - 5 - - 0 50 7 12 - <_> - 2 - - 15 37 4 25 - <_> - 5 - - 18 7 1 40 - <_> - 2 - - 21 55 9 7 - <_> - 5 - - 15 47 14 8 - <_> - 7 - - 14 25 4 3 - <_> - 4 - - 12 39 3 3 - <_> - 3 - - 10 8 1 50 - <_> - 4 - - 5 16 23 30 - <_> - 1 - - 15 53 7 4 - <_> - 5 - - 1 57 18 2 - <_> - 4 - - 14 58 12 5 - <_> - 8 - - 30 54 1 9 - <_> - 4 - - 0 26 3 5 - <_> - 7 - - 24 36 3 4 - <_> - 0 - - 12 10 11 6 - <_> - 4 - - 3 39 26 5 - <_> - 7 - - 5 50 5 7 - <_> - 5 - - 15 49 10 4 - <_> - 0 - - 0 38 9 15 - <_> - 3 - - 16 41 14 6 - <_> - 1 - - 11 55 10 5 - <_> - 7 - - 14 0 1 31 - <_> - 9 - - 28 0 2 62 - <_> - 8 - - 14 12 3 4 - <_> - 0 - - 16 18 2 1 - <_> - 8 - - 16 53 1 2 - <_> - 9 - - 16 18 2 1 - <_> - 1 - - 13 18 18 6 - <_> - 5 - - 15 60 15 2 - <_> - 3 - - 5 38 19 9 - <_> - 0 - - 1 24 3 26 - <_> - 2 - - 30 25 1 26 - <_> - 0 - - 11 42 11 2 - <_> - 1 - - 11 35 8 4 - <_> - 4 - - 6 9 11 16 - <_> - 8 - - 16 12 1 5 - <_> - 8 - - 24 23 4 5 - <_> - 8 - - 28 12 1 12 - <_> - 9 - - 26 2 3 2 - <_> - 1 - - 18 23 3 1 - <_> - 9 - - 15 14 3 14 - <_> - 9 - - 0 31 22 14 - <_> - 2 - - 8 48 11 9 - <_> - 8 - - 6 20 5 7 - <_> - 1 - - 13 52 3 10 - <_> - 1 - - 24 36 4 1 - <_> - 4 - - 13 44 7 7 - <_> - 2 - - 18 16 4 15 - <_> - 5 - - 11 56 12 1 - <_> - 2 - - 1 40 29 1 - <_> - 2 - - 12 38 11 10 - <_> - 1 - - 11 19 11 1 - <_> - 3 - - 17 34 2 13 - <_> - 2 - - 12 20 7 7 - <_> - 2 - - 11 11 12 6 - <_> - 9 - - 21 62 7 1 - <_> - 8 - - 1 62 13 1 - <_> - 8 - - 14 12 3 4 - <_> - 5 - - 13 39 1 8 - <_> - 8 - - 17 3 3 2 - <_> - 8 - - 13 2 8 52 - <_> - 5 - - 30 37 1 22 - <_> - 0 - - 9 31 18 3 - <_> - 7 - - 20 11 4 1 - <_> - 1 - - 5 12 14 6 - <_> - 4 - - 8 3 14 46 - <_> - 9 - - 16 18 2 1 - <_> - 5 - - 20 33 2 2 - <_> - 4 - - 15 6 3 4 - <_> - 9 - - 30 1 1 8 - <_> - 2 - - 6 51 8 6 - <_> - 5 - - 9 58 17 2 - <_> - 5 - - 17 28 14 5 - <_> - 1 - - 19 20 3 15 - <_> - 3 - - 10 21 1 13 - <_> - 1 - - 8 17 6 13 - <_> - 0 - - 10 46 8 7 - <_> - 0 - - 13 25 2 6 - <_> - 2 - - 22 30 3 11 - <_> - 1 - - 16 7 4 26 - <_> - 1 - - 14 33 5 21 - <_> - 1 - - 16 53 2 4 - <_> - 0 - - 22 29 5 8 - <_> - 3 - - 4 53 21 5 - <_> - 0 - - 10 50 16 3 - <_> - 0 - - 20 49 2 1 - <_> - 0 - - 25 44 5 3 - <_> - 7 - - 28 41 2 1 - <_> - 7 - - 14 59 1 2 - <_> - 8 - - 12 12 8 3 - <_> - 9 - - 13 27 2 2 - <_> - 8 - - 20 39 2 4 - <_> - 1 - - 12 15 1 26 - <_> - 5 - - 21 2 1 52 - <_> - 4 - - 6 7 8 7 - <_> - 1 - - 13 21 6 2 - <_> - 1 - - 4 54 4 9 - <_> - 4 - - 18 39 1 2 - <_> - 0 - - 4 39 5 7 - <_> - 3 - - 7 23 7 30 - <_> - 1 - - 16 26 9 4 - <_> - 4 - - 18 5 6 41 - <_> - 1 - - 13 14 13 3 - <_> - 3 - - 3 43 11 1 - <_> - 0 - - 17 19 2 2 - <_> - 4 - - 11 12 7 4 - <_> - 8 - - 17 11 1 2 - <_> - 5 - - 30 0 1 2 - <_> - 4 - - 2 59 28 3 - <_> - 0 - - 27 49 4 9 - <_> - 5 - - 20 10 2 18 - <_> - 3 - - 1 7 16 1 - <_> - 5 - - 27 15 2 12 - <_> - 1 - - 20 52 1 11 - <_> - 5 - - 9 57 14 6 - <_> - 7 - - 26 51 3 4 - <_> - 2 - - 6 50 11 4 - <_> - 7 - - 11 24 16 2 - <_> - 5 - - 10 58 13 5 - <_> - 7 - - 10 9 17 10 - <_> - 9 - - 19 19 2 1 - <_> - 7 - - 11 18 13 9 - <_> - 3 - - 6 11 9 11 - <_> - 4 - - 1 8 26 39 - <_> - 5 - - 15 24 4 7 - <_> - 1 - - 15 52 2 5 - <_> - 4 - - 12 31 10 5 - <_> - 4 - - 23 32 8 31 - <_> - 4 - - 28 16 3 18 - <_> - 7 - - 10 47 7 4 - <_> - 1 - - 11 19 1 18 - <_> - 8 - - 16 12 1 5 - <_> - 9 - - 0 48 1 3 - <_> - 8 - - 10 29 1 8 - <_> - 1 - - 5 56 21 1 - <_> - 1 - - 13 46 8 15 - <_> - 7 - - 2 36 10 16 - <_> - 0 - - 11 49 11 2 - <_> - 5 - - 26 56 2 6 - <_> - 7 - - 11 59 3 3 - <_> - 0 - - 12 50 16 6 - <_> - 9 - - 2 61 17 1 - <_> - 0 - - 7 55 7 4 - <_> - 7 - - 15 29 2 3 - <_> - 0 - - 22 58 9 5 - <_> - 1 - - 15 8 4 8 - <_> - 5 - - 4 28 2 2 - <_> - 0 - - 5 27 8 13 - <_> - 1 - - 13 20 5 4 - <_> - 0 - - 26 48 5 6 - <_> - 0 - - 16 34 10 11 - <_> - 7 - - 30 57 1 1 - <_> - 9 - - 30 19 1 8 - <_> - 4 - - 18 41 1 8 - <_> - 9 - - 14 17 3 26 - <_> - 1 - - 13 55 12 3 - <_> - 5 - - 4 62 7 1 - <_> - 9 - - 12 7 13 1 - <_> - 4 - - 14 8 5 1 - <_> - 2 - - 21 55 10 2 - <_> - 3 - - 8 9 13 1 - <_> - 9 - - 13 34 8 6 - <_> - 7 - - 12 29 4 10 - <_> - 9 - - 24 31 2 11 - <_> - 8 - - 14 12 3 4 - <_> - 9 - - 29 38 2 2 - <_> - 2 - - 13 10 13 7 - <_> - 2 - - 8 27 3 6 - <_> - 9 - - 12 17 4 3 - <_> - 5 - - 16 10 12 13 - <_> - 0 - - 3 43 1 9 - <_> - 3 - - 6 50 12 7 - <_> - 9 - - 14 1 10 3 - <_> - 5 - - 10 2 10 3 - <_> - 2 - - 19 12 5 12 - <_> - 7 - - 12 15 8 7 - <_> - 5 - - 13 31 1 10 - <_> - 2 - - 9 7 2 47 - <_> - 2 - - 26 44 2 12 - <_> - 1 - - 10 54 7 2 - <_> - 2 - - 9 18 7 2 - <_> - 2 - - 30 58 1 2 - <_> - 2 - - 8 41 15 3 - <_> - 4 - - 14 58 1 5 - <_> - 3 - - 11 0 8 37 - <_> - 4 - - 0 26 3 5 - <_> - 5 - - 13 9 8 6 - <_> - 7 - - 6 36 2 19 - <_> - 7 - - 16 11 1 1 - <_> - 7 - - 8 59 7 2 - <_> - 3 - - 10 7 3 41 - <_> - 4 - - 9 20 17 4 - <_> - 1 - - 28 49 3 11 - <_> - 5 - - 12 57 7 5 - <_> - 4 - - 7 54 11 1 - <_> - 0 - - 12 38 1 6 - <_> - 1 - - 17 43 4 9 - <_> - 8 - - 17 13 2 4 - <_> - 8 - - 13 14 1 3 - <_> - 8 - - 22 53 4 1 - <_> - 2 - - 8 61 15 1 - <_> - 2 - - 4 53 19 3 - <_> - 4 - - 4 42 2 6 - <_> - 9 - - 11 19 9 1 - <_> - 9 - - 11 9 15 6 - <_> - 4 - - 23 61 7 1 - <_> - 0 - - 7 57 21 1 - <_> - 0 - - 8 50 14 10 - <_> - 1 - - 23 46 1 16 - <_> - 2 - - 19 11 12 14 - <_> - 0 - - 2 41 3 13 - <_> - 4 - - 22 23 6 28 - <_> - 0 - - 19 27 4 10 - <_> - 0 - - 6 42 2 2 - <_> - 3 - - 17 29 2 10 - <_> - 4 - - 6 60 4 3 - <_> - 7 - - 22 53 1 4 - <_> - 2 - - 9 16 6 6 - <_> - 2 - - 19 35 2 3 - <_> - 0 - - 15 36 11 1 - <_> - 3 - - 19 24 3 16 - <_> - 5 - - 0 47 13 2 - <_> - 2 - - 3 51 16 4 - <_> - 4 - - 3 26 2 21 - <_> - 8 - - 14 12 3 4 - <_> - 4 - - 6 51 7 1 - <_> - 8 - - 14 17 4 2 - <_> - 3 - - 22 45 1 13 - <_> - 4 - - 11 10 20 4 - <_> - 9 - - 29 47 2 2 - <_> - 3 - - 10 15 1 42 - <_> - 1 - - 25 16 6 7 - <_> - 3 - - 14 21 4 6 - <_> - 3 - - 5 56 6 4 - <_> - 4 - - 24 36 2 26 - <_> - 2 - - 9 48 19 4 - <_> - 7 - - 12 59 12 1 - <_> - 4 - - 2 59 28 3 - <_> - 0 - - 12 10 11 6 - <_> - 1 - - 13 20 1 4 - <_> - 3 - - 15 8 11 32 - <_> - 8 - - 18 25 2 5 - <_> - 1 - - 15 51 5 9 - <_> - 1 - - 6 59 5 4 - <_> - 5 - - 30 51 1 10 - <_> - 4 - - 16 7 2 2 - <_> - 7 - - 4 30 14 6 - <_> - 0 - - 9 28 12 22 - <_> - 2 - - 9 27 1 28 - <_> - 4 - - 17 19 6 35 - <_> - 2 - - 1 30 20 10 - <_> - 1 - - 9 15 11 2 - <_> - 9 - - 16 18 2 1 - <_> - 5 - - 6 18 7 10 - <_> - 4 - - 11 36 16 1 - <_> - 8 - - 12 12 8 3 - <_> - 0 - - 21 54 3 2 - <_> - 8 - - 14 5 1 3 - <_> - 8 - - 11 9 7 8 - <_> - 9 - - 14 1 3 13 - <_> - 0 - - 12 38 1 6 - <_> - 3 - - 5 36 21 5 - <_> - 8 - - 8 62 3 1 - <_> - 4 - - 16 51 2 1 - <_> - 1 - - 16 54 4 8 - <_> - 0 - - 9 15 4 3 - <_> - 0 - - 27 47 1 6 - <_> - 0 - - 12 37 14 2 - <_> - 3 - - 10 5 4 54 - <_> - 5 - - 12 29 6 7 - <_> - 7 - - 1 32 10 13 - <_> - 0 - - 6 58 7 1 - <_> - 2 - - 8 38 20 5 - <_> - 9 - - 28 14 1 9 - <_> - 1 - - 12 8 8 4 - <_> - 4 - - 18 14 3 38 - <_> - 3 - - 0 40 2 15 - <_> - 5 - - 16 24 2 15 - <_> - 1 - - 10 55 12 1 - <_> - 9 - - 7 22 1 29 - <_> - 7 - - 12 59 12 1 - <_> - 8 - - 11 13 5 1 - <_> - 1 - - 2 1 27 2 - <_> - 0 - - 1 8 13 17 - <_> - 8 - - 30 42 1 2 - <_> - 8 - - 12 11 8 1 - <_> - 8 - - 16 35 8 1 - <_> - 4 - - 10 41 8 7 - <_> - 2 - - 22 57 5 6 - <_> - 3 - - 15 49 3 4 - <_> - 5 - - 19 14 5 7 - <_> - 7 - - 14 10 3 2 - <_> - 4 - - 10 18 16 5 - <_> - 9 - - 19 39 2 4 - <_> - 2 - - 7 11 17 1 - <_> - 7 - - 26 33 1 16 - <_> - 4 - - 15 36 4 1 - <_> - 2 - - 7 57 13 4 - <_> - 9 - - 30 4 1 1 - <_> - 3 - - 5 21 10 5 - <_> - 8 - - 11 13 5 1 - <_> - 2 - - 16 19 2 6 - <_> - 5 - - 14 9 9 4 - <_> - 7 - - 15 0 13 3 - <_> - 3 - - 16 36 3 4 - <_> - 0 - - 13 37 15 7 - <_> - 2 - - 24 38 6 18 - <_> - 5 - - 13 39 1 8 - <_> - 7 - - 3 62 15 1 - <_> - 5 - - 29 28 2 25 - <_> - 2 - - 10 46 12 9 - <_> - 2 - - 12 59 14 4 - <_> - 8 - - 16 12 1 5 - <_> - 9 - - 15 24 2 10 - <_> - 7 - - 27 12 2 11 - <_> - 1 - - 11 55 7 5 - <_> - 0 - - 10 33 3 14 - <_> - 0 - - 25 44 1 9 - <_> - 2 - - 16 39 4 9 - <_> - 7 - - 19 25 1 2 - <_> - 1 - - 13 5 6 12 - <_> - 1 - - 11 19 1 18 - <_> - 7 - - 0 0 17 33 - <_> - 7 - - 25 52 4 2 - <_> - 3 - - 27 62 2 1 - <_> - 5 - - 18 17 6 4 - <_> - 7 - - 23 18 2 12 - <_> - 5 - - 22 12 9 23 - <_> - 2 - - 6 50 11 4 - <_> - 2 - - 18 52 7 2 - <_> - 4 - - 0 59 5 4 - <_> - 1 - - 9 54 5 6 - <_> - 2 - - 13 62 18 1 - <_> - 4 - - 25 62 2 1 - <_> - 3 - - 3 19 8 16 - <_> - 1 - - 24 29 4 34 - <_> - 2 - - 13 30 2 5 - <_> - 1 - - 13 7 9 6 - <_> - 4 - - 13 7 5 4 - <_> - 0 - - 16 17 4 5 - <_> - 0 - - 12 10 11 6 - <_> - 7 - - 12 44 1 11 - <_> - 0 - - 19 6 3 4 - <_> - 1 - - 11 8 12 1 - <_> - 2 - - 29 44 1 6 - <_> - 2 - - 24 57 2 4 - <_> - 3 - - 10 50 7 6 - <_> - 5 - - 27 14 2 26 - <_> - 0 - - 1 53 26 5 - <_> - 7 - - 6 62 9 1 - <_> - 8 - - 1 61 25 2 - <_> - 4 - - 18 39 1 2 - <_> - 5 - - 21 18 5 38 - <_> - 0 - - 0 39 3 11 - <_> - 5 - - 4 42 8 6 - <_> - 8 - - 14 12 3 4 - <_> - 5 - - 13 14 3 2 - <_> - 3 - - 8 9 9 4 - <_> - 9 - - 14 18 3 9 - <_> - 9 - - 13 4 11 7 - <_> - 9 - - 13 39 5 1 - <_> - 1 - - 8 6 15 1 - <_> - 4 - - 26 19 2 18 - <_> - 9 - - 25 18 4 2 - <_> - 2 - - 17 3 4 15 - <_> - 4 - - 5 44 19 4 - <_> - 1 - - 17 18 5 28 - <_> - 1 - - 14 52 5 6 - <_> - 3 - - 24 45 2 15 - <_> - 0 - - 6 58 16 2 - <_> - 5 - - 16 30 1 1 - <_> - 5 - - 12 42 15 2 - <_> - 8 - - 13 51 1 6 - <_> - 8 - - 16 12 1 5 - <_> - 8 - - 14 52 9 1 - <_> - 8 - - 12 0 7 9 - <_> - 4 - - 14 39 4 9 - <_> - 0 - - 3 5 7 24 - <_> - 9 - - 10 33 2 10 - <_> - 9 - - 4 3 16 12 - <_> - 1 - - 12 1 17 7 - <_> - 8 - - 15 55 2 5 - <_> - 2 - - 7 51 14 1 - <_> - 7 - - 15 9 11 2 - <_> - 1 - - 11 0 7 18 - <_> - 1 - - 7 21 21 1 - <_> - 5 - - 18 15 10 12 - <_> - 1 - - 11 56 19 1 - <_> - 3 - - 28 51 1 9 - <_> - 2 - - 12 55 11 7 - <_> - 7 - - 12 57 7 1 - <_> - 7 - - 12 1 7 53 - <_> - 7 - - 24 48 7 5 - <_> - 4 - - 9 22 14 16 - <_> - 1 - - 28 31 3 31 - <_> - 1 - - 20 54 9 5 - <_> - 9 - - 15 32 2 2 - <_> - 3 - - 6 11 9 11 - <_> - 7 - - 18 2 2 10 - <_> - 0 - - 17 19 2 2 - <_> - 0 - - 0 37 22 9 - <_> - 5 - - 8 57 19 3 - <_> - 3 - - 15 44 16 13 - <_> - 5 - - 17 52 9 3 - <_> - 1 - - 2 1 21 4 - <_> - 2 - - 11 16 2 2 - <_> - 4 - - 12 21 1 10 - <_> - 4 - - 10 9 11 9 - <_> - 5 - - 21 25 1 18 - <_> - 5 - - 18 57 7 2 - <_> - 8 - - 16 8 1 17 - <_> - 9 - - 11 49 3 5 - <_> - 8 - - 1 40 1 14 - <_> - 8 - - 12 12 8 3 - <_> - 5 - - 28 36 1 2 - <_> - 9 - - 16 18 2 1 - <_> - 9 - - 16 8 1 6 - <_> - 5 - - 29 38 1 12 - <_> - 2 - - 7 51 13 5 - <_> - 0 - - 6 37 2 20 - <_> - 5 - - 7 52 4 3 - <_> - 5 - - 14 9 9 4 - <_> - 2 - - 1 21 1 16 - <_> - 5 - - 14 0 12 17 - <_> - 1 - - 17 20 6 5 - <_> - 0 - - 21 11 1 41 - <_> - 1 - - 3 54 28 8 - <_> - 1 - - 17 43 4 9 - <_> - 8 - - 13 62 6 1 - <_> - 2 - - 22 16 8 4 - <_> - 2 - - 12 62 11 1 - <_> - 4 - - 19 57 8 6 - <_> - 1 - - 16 53 2 4 - <_> - 9 - - 10 59 4 3 - <_> - 0 - - 13 15 5 4 - <_> - 3 - - 2 54 10 5 - <_> - 2 - - 5 49 8 11 - <_> - 4 - - 11 53 3 2 - <_> - 5 - - 11 34 2 3 - <_> - 3 - - 6 13 9 14 - <_> - 0 - - 13 14 2 12 - <_> - 4 - - 7 60 1 3 - <_> - 4 - - 15 36 4 1 - <_> - 0 - - 16 31 11 7 - <_> - 9 - - 12 35 6 2 - <_> - 1 - - 13 14 13 3 - <_> - 7 - - 10 20 3 3 - <_> - 4 - - 14 8 6 11 - <_> - 2 - - 21 52 2 9 - <_> - 5 - - 19 16 7 39 - <_> - 7 - - 11 62 9 1 - <_> - 8 - - 13 14 4 3 - <_> - 0 - - 14 17 1 13 - <_> - 9 - - 6 8 6 48 - <_> - 9 - - 28 36 1 1 - <_> - 2 - - 9 41 11 1 - <_> - 1 - - 1 30 19 2 - <_> - 4 - - 13 40 6 7 - <_> - 1 - - 12 43 11 15 - <_> - 1 - - 3 14 24 3 - <_> - 4 - - 2 16 11 24 - <_> - 4 - - 5 26 12 4 - <_> - 7 - - 4 24 4 1 - <_> - 2 - - 16 21 3 6 - <_> - 3 - - 2 21 9 2 - <_> - 9 - - 29 2 1 7 - <_> - 9 - - 19 17 1 7 - <_> - 3 - - 6 52 18 2 - <_> - 0 - - 6 57 13 1 - <_> - 2 - - 11 11 8 3 - <_> - 7 - - 17 44 1 3 - <_> - 7 - - 15 10 13 4 - <_> - 9 - - 25 44 2 3 - <_> - 9 - - 23 27 8 27 - <_> - 8 - - 16 12 1 5 - <_> - 3 - - 1 53 25 3 - <_> - 0 - - 14 48 4 9 - <_> - 7 - - 19 23 2 15 - <_> - 1 - - 8 6 15 1 - <_> - 0 - - 16 1 3 13 - <_> - 2 - - 14 16 4 5 - <_> - 5 - - 15 18 14 5 - <_> - 2 - - 18 16 5 9 - <_> - 3 - - 3 1 21 2 - <_> - 2 - - 11 57 19 6 - <_> - 7 - - 7 55 5 1 - <_> - 9 - - 21 4 4 1 - <_> - 1 - - 18 19 1 5 - <_> - 8 - - 12 11 8 1 - <_> - 0 - - 10 8 4 49 - <_> - 9 - - 11 5 8 48 - <_> - 0 - - 0 30 10 18 - <_> - 2 - - 3 40 4 13 - <_> - 3 - - 29 34 1 22 - <_> - 2 - - 20 26 10 4 - <_> - 4 - - 12 8 7 12 - <_> - 1 - - 8 33 12 1 - <_> - 1 - - 20 55 2 4 - <_> - 4 - - 6 34 19 16 - <_> - 3 - - 1 52 26 1 - <_> - 1 - - 11 6 1 47 - <_> - 1 - - 5 44 5 11 - <_> - 2 - - 15 37 3 10 - <_> - 4 - - 10 21 2 5 - <_> - 3 - - 15 21 3 42 - <_> - 8 - - 12 12 8 3 - <_> - 9 - - 22 62 1 1 - <_> - 8 - - 0 14 12 3 - <_> - 2 - - 0 59 2 4 - <_> - 2 - - 6 35 11 5 - <_> - 2 - - 23 40 6 21 - <_> - 3 - - 23 35 3 14 - <_> - 0 - - 16 34 10 11 - <_> - 5 - - 21 18 2 12 - <_> - 5 - - 23 28 8 19 - <_> - 2 - - 21 17 2 20 - <_> - 0 - - 20 15 4 9 - <_> - 2 - - 14 25 3 9 - <_> - 0 - - 8 24 7 5 - <_> - 1 - - 12 11 3 7 - <_> - 7 - - 16 11 1 1 - <_> - 2 - - 23 14 8 24 - <_> - 3 - - 7 24 11 11 - <_> - 7 - - 1 62 30 1 - <_> - 2 - - 8 40 2 7 - <_> - 1 - - 15 53 7 4 - <_> - 4 - - 19 26 11 36 - <_> - 3 - - 2 56 20 6 - <_> - 7 - - 24 49 2 2 - <_> - 3 - - 8 50 7 8 - <_> - 4 - - 8 46 18 1 - <_> - 4 - - 10 8 14 4 - <_> - 1 - - 13 21 3 2 - <_> - 2 - - 11 4 8 13 - <_> - 9 - - 12 17 4 3 - <_> - 8 - - 11 13 5 1 - <_> - 9 - - 26 32 1 7 - <_> - 8 - - 19 41 2 1 - <_> - 2 - - 9 57 20 3 - <_> - 1 - - 5 56 19 1 - <_> - 7 - - 17 26 2 3 - <_> - 4 - - 12 46 1 2 - <_> - 2 - - 3 25 18 1 - <_> - 7 - - 29 52 1 2 - <_> - 0 - - 13 26 4 1 - <_> - 1 - - 2 29 12 5 - <_> - 2 - - 14 3 5 1 - <_> - 0 - - 19 23 3 21 - <_> - 2 - - 16 39 4 9 - <_> - 5 - - 3 41 25 5 - <_> - 0 - - 28 49 3 1 - <_> - 7 - - 12 38 10 7 - <_> - 3 - - 6 12 10 6 - <_> - 9 - - 17 32 1 5 - <_> - 0 - - 10 42 13 5 - <_> - 8 - - 14 12 3 4 - <_> - 4 - - 7 18 16 3 - <_> - 1 - - 28 14 3 42 - <_> - 1 - - 5 54 26 1 - <_> - 4 - - 17 17 8 38 - <_> - 2 - - 2 50 14 3 - <_> - 5 - - 20 24 2 10 - <_> - 3 - - 9 56 20 2 - <_> - 0 - - 11 50 16 10 - <_> - 7 - - 9 0 21 9 - <_> - 4 - - 3 15 22 14 - <_> - 2 - - 11 17 6 3 - <_> - 5 - - 14 50 6 6 - <_> - 0 - - 0 46 3 7 - <_> - 9 - - 14 7 3 23 - <_> - 5 - - 2 11 14 12 - <_> - 5 - - 19 54 3 3 - <_> - 3 - - 12 43 7 10 - <_> - 4 - - 25 54 3 9 - <_> - 1 - - 9 20 4 5 - <_> - 1 - - 10 15 13 1 - <_> - 5 - - 1 60 22 1 - <_> - 8 - - 14 12 3 4 - <_> - 0 - - 13 15 5 4 - <_> - 8 - - 8 54 10 5 - <_> - 0 - - 11 7 4 10 - <_> - 3 - - 23 39 6 12 - <_> - 0 - - 0 54 25 4 - <_> - 9 - - 14 0 10 7 - <_> - 4 - - 15 36 4 1 - <_> - 9 - - 12 1 4 31 - <_> - 5 - - 17 19 10 17 - <_> - 7 - - 4 26 1 18 - <_> - 1 - - 20 19 3 2 - <_> - 7 - - 6 53 6 4 - <_> - 2 - - 28 40 2 9 - <_> - 7 - - 11 6 1 35 - <_> - 3 - - 5 13 20 8 - <_> - 2 - - 7 2 1 37 - <_> - 4 - - 6 12 16 13 - <_> - 4 - - 13 22 2 4 - <_> - 2 - - 12 58 10 1 - <_> - 5 - - 14 50 6 6 - <_> - 7 - - 10 59 21 1 - <_> - 0 - - 26 43 3 14 - <_> - 0 - - 20 7 4 39 - <_> - 3 - - 15 48 1 4 - <_> - 3 - - 8 44 17 10 - <_> - 0 - - 26 21 2 2 - <_> - 3 - - 7 40 5 18 - <_> - 1 - - 4 34 25 1 - <_> - 1 - - 9 45 3 13 - <_> - 3 - - 20 41 1 8 - <_> - 8 - - 13 9 13 11 - <_> - 2 - - 15 46 2 10 - <_> - 2 - - 11 4 8 13 - <_> - 0 - - 0 28 6 15 - <_> - 0 - - 17 18 3 1 - <_> - 0 - - 12 10 11 6 - <_> - 7 - - 5 11 21 46 - <_> - 8 - - 17 11 1 2 - <_> - 9 - - 13 16 4 4 - <_> - 9 - - 14 1 3 13 - <_> - 2 - - 6 25 1 37 - <_> - 8 - - 15 5 8 4 - <_> - 8 - - 14 9 4 13 - <_> - 1 - - 12 46 8 2 - <_> - 5 - - 16 22 13 2 - <_> - 7 - - 25 22 2 8 - <_> - 2 - - 7 51 13 5 - <_> - 2 - - 20 61 7 2 - <_> - 3 - - 8 19 11 22 - <_> - 1 - - 10 55 12 1 - <_> - 7 - - 14 0 7 17 - <_> - 9 - - 14 12 2 21 - <_> - 4 - - 8 61 16 2 - <_> - 8 - - 16 12 1 5 - <_> - 0 - - 19 32 6 7 - <_> - 1 - - 22 27 6 29 - <_> - 4 - - 21 24 7 27 - <_> - 0 - - 15 40 12 4 - <_> - 4 - - 2 49 1 3 - <_> - 3 - - 8 57 14 1 - <_> - 7 - - 2 35 3 4 - <_> - 2 - - 19 18 4 13 - <_> - 5 - - 13 11 18 15 - <_> - 5 - - 12 50 10 6 - <_> - 2 - - 12 20 7 7 - <_> - 7 - - 14 40 3 1 - <_> - 9 - - 14 41 2 2 - <_> - 2 - - 16 10 7 47 - <_> - 5 - - 26 61 3 2 - <_> - 1 - - 12 53 10 7 - <_> - 9 - - 21 62 2 1 - <_> - 1 - - 18 19 1 5 - <_> - 1 - - 26 10 5 19 - <_> - 5 - - 30 36 1 12 - <_> - 4 - - 13 38 2 4 - <_> - 3 - - 12 7 5 9 - <_> - 9 - - 17 36 4 2 - <_> - 7 - - 6 61 6 2 - <_> - 5 - - 17 40 2 9 - <_> - 8 - - 17 61 14 2 - <_> - 7 - - 12 24 6 5 - <_> - 8 - - 12 11 8 1 - <_> - 1 - - 13 8 3 11 - <_> - 1 - - 16 1 12 2 - <_> - 2 - - 19 0 4 42 - <_> - 5 - - 16 7 13 45 - <_> - 3 - - 21 45 1 10 - <_> - 3 - - 8 49 19 7 - <_> - 0 - - 12 33 5 2 - <_> - 4 - - 15 42 4 4 - <_> - 1 - - 10 52 7 4 - <_> - 1 - - 7 19 18 3 - <_> - 3 - - 7 7 6 32 - <_> - 4 - - 1 9 9 26 - <_> - 4 - - 12 5 9 15 - <_> - 1 - - 12 24 6 2 - <_> - 3 - - 10 2 11 41 - <_> - 5 - - 7 59 24 3 - <_> - 2 - - 11 36 15 9 - <_> - 0 - - 4 46 2 7 - <_> - 4 - - 28 11 3 7 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 16 11 7 3 - <_> - 8 - - 29 13 2 24 - <_> - 2 - - 7 55 21 3 - <_> - 9 - - 14 60 3 1 - <_> - 9 - - 21 61 4 1 - <_> - 8 - - 13 57 1 6 - <_> - 4 - - 8 43 14 10 - <_> - 5 - - 12 33 4 5 - <_> - 3 - - 3 7 12 22 - <_> - 1 - - 6 20 23 35 - <_> - 5 - - 14 17 6 8 - <_> - 5 - - 21 1 1 36 - <_> - 7 - - 21 17 6 6 - <_> - 5 - - 20 1 7 5 - <_> - 8 - - 14 12 3 4 - <_> - 9 - - 15 17 2 5 - <_> - 9 - - 15 17 2 5 - <_> - 1 - - 13 54 6 3 - <_> - 4 - - 9 4 14 43 - <_> - 1 - - 21 51 7 4 - <_> - 4 - - 10 58 20 1 - <_> - 2 - - 5 51 13 5 - <_> - 4 - - 15 36 2 2 - <_> - 5 - - 5 62 14 1 - <_> - 4 - - 1 46 14 3 - <_> - 1 - - 10 55 17 7 - <_> - 7 - - 24 45 4 4 - <_> - 9 - - 30 45 1 13 - <_> - 0 - - 11 52 17 4 - <_> - 3 - - 23 34 7 15 - <_> - 0 - - 17 33 9 11 - <_> - 4 - - 6 31 7 2 - <_> - 7 - - 16 11 1 1 - <_> - 5 - - 17 21 7 1 - <_> - 3 - - 6 8 9 39 - <_> - 1 - - 13 21 6 2 - <_> - 4 - - 13 7 5 4 - <_> - 2 - - 20 16 2 4 - <_> - 1 - - 16 54 2 4 - <_> - 5 - - 2 30 1 28 - <_> - 1 - - 4 62 25 1 - <_> - 5 - - 25 4 1 51 - <_> - 5 - - 19 10 10 38 - <_> - 5 - - 9 61 15 2 - <_> - 7 - - 0 50 9 2 - <_> - 4 - - 19 37 2 8 - <_> - 7 - - 17 32 2 3 - <_> - 9 - - 14 0 10 7 - <_> - 2 - - 29 33 1 8 - <_> - 9 - - 15 17 2 5 - <_> - 8 - - 13 14 4 3 - <_> - 9 - - 27 48 2 6 - <_> - 8 - - 16 53 1 2 - <_> - 2 - - 29 42 1 12 - <_> - 0 - - 2 54 16 9 - <_> - 9 - - 15 17 2 26 - <_> - 0 - - 12 50 14 5 - <_> - 3 - - 24 36 1 26 - <_> - 2 - - 2 33 27 1 - <_> - 1 - - 11 19 1 18 - <_> - 1 - - 16 7 4 26 - <_> - 5 - - 29 28 2 25 - <_> - 1 - - 16 18 7 3 - <_> - 1 - - 10 12 21 7 - <_> - 1 - - 16 55 9 2 - <_> - 2 - - 24 53 7 7 - <_> - 0 - - 21 21 1 14 - <_> - 5 - - 1 44 27 8 - <_> - 7 - - 19 8 5 8 - <_> - 7 - - 23 54 1 1 - <_> - 5 - - 14 9 9 4 - <_> - 5 - - 11 35 11 1 - <_> - 1 - - 11 53 10 4 - <_> - 9 - - 25 59 5 4 - <_> - 2 - - 4 59 21 1 - <_> - 1 - - 18 46 3 5 - <_> - 2 - - 8 24 3 9 - <_> - 3 - - 7 43 11 16 - <_> - 8 - - 26 41 1 4 - <_> - 4 - - 0 52 16 11 - <_> - 9 - - 19 20 1 2 - <_> - 2 - - 12 49 15 2 - <_> - 8 - - 11 20 5 6 - <_> - 3 - - 0 56 31 4 - <_> - 4 - - 18 39 1 2 - <_> - 4 - - 10 24 18 8 - <_> - 5 - - 13 9 8 6 - <_> - 1 - - 11 21 14 32 - <_> - 5 - - 11 0 7 10 - <_> - 7 - - 24 49 2 2 - <_> - 3 - - 15 25 3 7 - <_> - 3 - - 8 16 4 29 - <_> - 8 - - 12 12 8 3 - <_> - 8 - - 12 14 8 13 - <_> - 8 - - 15 17 2 1 - <_> - 1 - - 18 20 3 7 - <_> - 2 - - 17 3 4 15 - <_> - 1 - - 0 19 21 3 - <_> - 7 - - 0 62 18 1 - <_> - 8 - - 18 30 1 2 - <_> - 4 - - 13 44 7 7 - <_> - 5 - - 16 46 10 3 - <_> - 1 - - 11 8 13 1 - <_> - 2 - - 21 56 3 4 - <_> - 8 - - 2 53 23 4 - <_> - 8 - - 15 10 2 49 - <_> - 2 - - 2 46 7 3 - <_> - 3 - - 20 38 2 11 - <_> - 1 - - 9 56 16 1 - <_> - 5 - - 21 18 2 12 - <_> - 7 - - 7 52 16 8 - <_> - 0 - - 13 18 3 1 - <_> - 3 - - 27 59 1 4 - <_> - 0 - - 11 42 11 2 - <_> - 1 - - 13 37 2 6 - <_> - 4 - - 6 14 5 9 - <_> - 2 - - 11 11 8 3 - <_> - 2 - - 17 21 1 16 - <_> - 2 - - 18 3 1 10 - <_> - 1 - - 14 53 3 9 - <_> - 5 - - 22 58 8 3 - <_> - 1 - - 17 33 3 24 - <_> - 9 - - 19 38 1 14 - <_> - 2 - - 14 62 15 1 - <_> - 8 - - 14 12 3 4 - <_> - 0 - - 17 29 8 7 - <_> - 7 - - 26 4 3 17 - <_> - 3 - - 16 32 4 7 - <_> - 1 - - 14 7 2 11 - <_> - 4 - - 14 8 5 1 - <_> - 2 - - 20 17 2 46 - <_> - 0 - - 2 61 29 2 - <_> - 2 - - 6 50 11 4 - <_> - 5 - - 3 60 14 3 - <_> - 4 - - 0 20 13 6 - <_> - 4 - - 10 13 4 13 - <_> - 7 - - 8 49 2 1 - <_> - 1 - - 13 21 3 2 - <_> - 1 - - 5 0 1 46 - <_> - 7 - - 14 1 7 17 - <_> - 3 - - 28 42 3 15 - <_> - 9 - - 30 36 1 2 - <_> - 8 - - 14 12 3 4 - <_> - 9 - - 17 19 2 4 - <_> - 9 - - 16 8 1 6 - <_> - 2 - - 22 47 5 7 - <_> - 1 - - 3 55 22 2 - <_> - 1 - - 13 41 1 13 - <_> - 7 - - 0 44 3 13 - <_> - 2 - - 7 35 8 10 - <_> - 8 - - 1 10 26 1 - <_> - 5 - - 9 53 19 8 - <_> - 4 - - 13 44 1 4 - <_> - 4 - - 6 28 7 18 - <_> - 2 - - 13 41 12 3 - <_> - 1 - - 8 6 15 1 - <_> - 0 - - 12 10 11 6 - <_> - 9 - - 27 1 2 12 - <_> - 0 - - 13 33 1 8 - <_> - 1 - - 9 8 8 8 - <_> - 0 - - 0 48 3 7 - <_> - 8 - - 8 55 12 2 - <_> - 8 - - 4 7 26 38 - <_> - 3 - - 16 33 4 7 - <_> - 7 - - 3 51 21 8 - <_> - 2 - - 14 9 10 50 - <_> - 3 - - 1 46 22 4 - <_> - 9 - - 16 28 2 18 - <_> - 3 - - 9 28 3 29 - <_> - 4 - - 0 52 1 8 - <_> - 1 - - 15 53 7 4 - <_> - 1 - - 6 13 9 25 - <_> - 4 - - 8 56 21 4 - <_> - 7 - - 24 48 3 4 - <_> - 2 - - 16 5 9 3 - <_> - 5 - - 11 6 17 27 - <_> - 7 - - 23 4 7 3 - <_> - 4 - - 13 40 6 7 - <_> - 0 - - 11 40 2 22 - <_> - 8 - - 14 12 3 4 - <_> - 5 - - 16 29 3 4 - <_> - 9 - - 12 11 6 5 - <_> - 5 - - 18 14 13 7 - <_> - 7 - - 7 0 1 6 - <_> - 4 - - 7 1 10 36 - <_> - 1 - - 11 8 12 1 - <_> - 5 - - 3 53 22 7 - <_> - 1 - - 9 55 15 1 - <_> - 0 - - 13 35 8 16 - <_> - 2 - - 9 16 6 6 - <_> - 0 - - 25 42 5 7 - <_> - 2 - - 4 6 16 10 - <_> - 5 - - 5 34 26 17 - <_> - 4 - - 9 37 17 1 - <_> - 1 - - 18 23 3 1 - <_> - 1 - - 15 53 7 4 - <_> - 0 - - 10 17 4 13 - <_> - 4 - - 6 53 24 4 - <_> - 7 - - 22 51 9 3 - <_> - 0 - - 0 47 1 15 - <_> - 5 - - 11 56 12 1 - <_> - 2 - - 6 51 12 7 - <_> - 1 - - 3 42 6 8 - <_> - 8 - - 12 12 8 3 - <_> - 8 - - 13 12 9 15 - <_> - 8 - - 14 17 4 2 - <_> - 0 - - 13 33 1 8 - <_> - 3 - - 2 29 11 8 - <_> - 2 - - 12 5 8 9 - <_> - 1 - - 17 43 4 9 - <_> - 0 - - 6 58 7 1 - <_> - 4 - - 26 19 1 36 - <_> - 9 - - 17 3 12 3 - <_> - 7 - - 10 20 3 3 - <_> - 3 - - 5 10 12 17 - <_> - 9 - - 11 19 9 1 - <_> - 9 - - 0 27 11 9 - <_> - 8 - - 14 12 3 4 - <_> - 0 - - 13 44 7 8 - <_> - 0 - - 4 39 1 10 - <_> - 5 - - 10 58 13 5 - <_> - 0 - - 17 17 3 2 - <_> - 3 - - 8 38 17 7 - <_> - 0 - - 11 1 19 5 - <_> - 1 - - 13 5 6 12 - <_> - 3 - - 17 27 6 3 - <_> - 1 - - 6 6 20 1 - <_> - 5 - - 20 24 2 10 - <_> - 1 - - 7 21 21 1 - <_> - 3 - - 8 7 8 47 - <_> - 7 - - 26 62 1 1 - <_> - 8 - - 0 61 21 2 - <_> - 5 - - 16 20 13 5 - <_> - 4 - - 15 36 4 1 - <_> - 9 - - 15 34 8 4 - <_> - 0 - - 24 39 3 8 - <_> - 3 - - 10 4 1 53 - <_> - 7 - - 24 8 4 31 - <_> - 1 - - 18 29 4 6 - <_> - 1 - - 19 48 1 11 - <_> - 8 - - 7 36 8 6 - <_> - 2 - - 30 19 1 13 - <_> - 5 - - 21 19 2 20 - <_> - 2 - - 20 16 5 16 - <_> - 4 - - 9 8 18 9 - <_> - 5 - - 5 42 7 5 - <_> - 5 - - 14 40 12 10 - <_> - 5 - - 3 41 7 10 - <_> - 3 - - 7 59 24 1 - <_> - 1 - - 25 31 6 23 - <_> - 8 - - 2 1 14 7 - <_> - 8 - - 12 12 8 3 - <_> - 1 - - 15 53 7 4 - <_> - 8 - - 13 17 5 3 - <_> - 3 - - 7 50 11 6 - <_> - 0 - - 1 21 4 37 - <_> - 4 - - 12 39 8 10 - <_> - 0 - - 12 10 11 6 - <_> - 7 - - 8 8 22 20 - <_> - 2 - - 15 32 3 2 - <_> - 2 - - 14 42 7 2 - <_> - 2 - - 21 25 1 19 - <_> - 3 - - 0 16 6 38 - <_> - 2 - - 21 51 1 9 - <_> - 1 - - 21 45 1 17 - <_> - 9 - - 29 0 2 6 - <_> - 9 - - 8 34 11 10 - <_> - 3 - - 3 45 25 3 - <_> - 8 - - 13 14 4 3 - <_> - 1 - - 19 20 3 15 - <_> - 1 - - 3 11 17 6 - <_> - 4 - - 25 46 5 2 - <_> - 1 - - 13 18 7 7 - <_> - 0 - - 14 49 16 5 - <_> - 2 - - 11 12 12 2 - <_> - 7 - - 5 54 3 3 - <_> - 4 - - 1 47 18 3 - <_> - 2 - - 9 59 15 3 - <_> - 0 - - 19 29 4 24 - <_> - 3 - - 4 56 27 4 - <_> - 3 - - 20 34 1 11 - <_> - 0 - - 10 30 3 31 - <_> - 4 - - 22 23 6 28 - <_> - 3 - - 4 24 23 25 - <_> - 3 - - 6 22 10 5 - <_> - 4 - - 1 20 15 15 - <_> - 1 - - 28 13 2 24 - <_> - 1 - - 9 56 16 1 - <_> - 3 - - 13 21 3 10 - <_> - 7 - - 7 62 3 1 - <_> - 8 - - 14 12 3 4 - <_> - 7 - - 16 46 2 3 - <_> - 1 - - 2 49 9 12 - <_> - 3 - - 8 7 6 23 - <_> - 1 - - 22 0 2 29 - <_> - 5 - - 0 1 30 2 - <_> - 0 - - 14 41 1 18 - <_> - 5 - - 27 36 3 27 - <_> - 3 - - 15 45 12 18 - <_> - 3 - - 8 49 19 7 - <_> - 1 - - 9 28 5 7 - <_> - 4 - - 27 24 3 10 - <_> - 8 - - 9 62 7 1 - <_> - 8 - - 17 13 2 4 - <_> - 2 - - 22 42 1 13 - <_> - 9 - - 15 17 2 5 - <_> - 9 - - 26 9 1 17 - <_> - 9 - - 6 35 3 9 - <_> - 5 - - 4 62 7 1 - <_> - 7 - - 18 53 11 1 - <_> - 7 - - 10 61 1 1 - <_> - 1 - - 15 33 5 21 - <_> - 0 - - 20 23 5 22 - <_> - 2 - - 10 2 4 50 - <_> - 0 - - 13 25 5 7 - <_> - 2 - - 11 25 16 21 - <_> - 1 - - 14 11 8 9 - <_> - 7 - - 5 1 3 13 - <_> - 1 - - 6 43 3 18 - <_> - 2 - - 8 44 12 6 - <_> - 4 - - 9 18 5 8 - <_> - 9 - - 10 41 12 4 - <_> - 2 - - 20 17 2 14 - <_> - 8 - - 16 12 1 5 - <_> - 0 - - 0 48 3 7 - <_> - 3 - - 11 9 15 7 - <_> - 3 - - 4 53 19 6 - <_> - 5 - - 13 9 8 5 - <_> - 4 - - 28 39 2 3 - <_> - 4 - - 15 42 4 4 - <_> - 3 - - 7 38 11 14 - <_> - 8 - - 14 5 1 3 - <_> - 1 - - 13 21 6 2 - <_> - 7 - - 12 24 9 6 - <_> - 1 - - 11 53 10 4 - <_> - 9 - - 3 32 3 9 - <_> - 4 - - 21 58 9 5 - <_> - 2 - - 8 12 19 2 - <_> - 1 - - 15 53 3 9 - <_> - 3 - - 19 58 3 2 - <_> - 1 - - 17 43 4 9 - <_> - 2 - - 0 42 30 2 - <_> - 7 - - 9 0 8 12 - <_> - 5 - - 1 39 8 11 - <_> - 5 - - 21 2 1 52 - <_> - 3 - - 27 37 4 5 - <_> - 2 - - 19 54 8 7 - <_> - 4 - - 14 8 5 1 - <_> - 5 - - 26 38 4 12 - <_> - 1 - - 22 45 1 13 - <_> - 8 - - 14 12 3 4 - <_> - 9 - - 12 17 4 3 - <_> - 8 - - 9 7 5 1 - <_> - 0 - - 13 42 7 1 - <_> - 2 - - 14 18 7 15 - <_> - 4 - - 11 38 10 3 - <_> - 4 - - 10 8 14 4 - <_> - 5 - - 11 45 2 7 - <_> - 9 - - 13 2 12 4 - <_> - 9 - - 15 16 8 6 - <_> - 9 - - 11 8 7 6 - <_> - 2 - - 15 60 15 1 - <_> - 2 - - 7 50 13 2 - <_> - 1 - - 1 33 29 2 - <_> - 5 - - 12 33 4 5 - <_> - 1 - - 11 53 10 4 - <_> - 4 - - 18 3 3 50 - <_> - 2 - - 6 59 20 3 - <_> - 2 - - 17 12 9 24 - <_> - 0 - - 3 34 1 14 - <_> - 3 - - 26 34 3 18 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 16 11 7 3 - <_> - 8 - - 20 39 2 4 - <_> - 4 - - 10 18 16 5 - <_> - 1 - - 16 11 4 7 - <_> - 5 - - 13 61 15 2 - <_> - 8 - - 17 11 1 2 - <_> - 1 - - 18 17 2 9 - <_> - 4 - - 6 53 19 3 - <_> - 3 - - 8 13 8 7 - <_> - 0 - - 7 15 9 7 - <_> - 9 - - 15 26 4 9 - <_> - 3 - - 23 39 2 24 - <_> - 0 - - 13 36 13 2 - <_> - 5 - - 17 40 8 16 - <_> - 5 - - 15 3 11 1 - <_> - 5 - - 5 53 22 8 - <_> - 5 - - 9 25 2 11 - <_> - 2 - - 2 51 17 6 - <_> - 2 - - 13 53 4 3 - <_> - 5 - - 13 30 4 1 - <_> - 9 - - 27 55 1 5 - <_> - 5 - - 1 58 17 2 - <_> - 0 - - 7 44 13 6 - <_> - 5 - - 19 19 7 3 - <_> - 7 - - 26 18 1 4 - <_> - 7 - - 25 1 4 18 - <_> - 7 - - 22 53 6 2 - <_> - 5 - - 6 37 20 18 - <_> - 1 - - 12 62 12 1 - <_> - 1 - - 15 53 7 4 - <_> - 1 - - 26 61 1 2 - <_> - 1 - - 14 46 4 4 - <_> - 3 - - 8 42 6 15 - <_> - 0 - - 12 43 2 6 - <_> - 2 - - 17 19 1 8 - <_> - 0 - - 17 19 2 2 - <_> - 3 - - 5 22 10 4 - <_> - 2 - - 13 36 1 19 - <_> - 2 - - 11 35 14 4 - <_> - 4 - - 3 57 27 6 - <_> - 8 - - 6 52 24 2 - <_> - 5 - - 13 9 8 6 - <_> - 9 - - 15 20 3 16 - <_> - 0 - - 21 6 4 4 - <_> - 5 - - 11 56 12 1 - <_> - 8 - - 15 5 1 25 - <_> - 9 - - 30 1 1 2 - <_> - 5 - - 13 15 2 10 - <_> - 5 - - 4 10 19 20 - <_> - 7 - - 11 60 2 3 - <_> - 9 - - 16 18 2 1 - <_> - 9 - - 24 28 3 10 - <_> - 1 - - 12 24 6 2 - <_> - 1 - - 14 5 6 28 - <_> - 7 - - 14 36 1 3 - <_> - 1 - - 18 5 4 40 - <_> - 0 - - 12 50 16 6 - <_> - 1 - - 2 0 11 5 - <_> - 3 - - 21 45 1 10 - <_> - 2 - - 14 49 10 2 - <_> - 2 - - 4 32 2 8 - <_> - 8 - - 29 25 2 38 - <_> - 4 - - 1 13 19 8 - <_> - 3 - - 0 37 25 24 - <_> - 0 - - 9 11 20 3 - <_> - 4 - - 7 34 14 3 - <_> - 3 - - 28 56 1 5 - <_> - 4 - - 10 20 17 14 - <_> - 1 - - 8 55 18 1 - <_> - 8 - - 16 61 7 2 - <_> - 4 - - 16 48 13 10 - <_> - 8 - - 12 12 8 3 - <_> - 5 - - 17 18 9 12 - <_> - 9 - - 12 35 9 11 - <_> - 3 - - 3 19 8 23 - <_> - 4 - - 28 15 3 36 - <_> - 1 - - 26 6 2 18 - <_> - 0 - - 3 54 3 4 - <_> - 0 - - 13 50 3 7 - <_> - 7 - - 17 32 2 3 - <_> - 5 - - 8 56 17 4 - <_> - 4 - - 0 29 13 10 - <_> - 1 - - 13 14 13 3 - <_> - 3 - - 10 15 1 42 - <_> - 7 - - 30 13 1 6 - <_> - 2 - - 17 28 1 9 - <_> - 5 - - 20 12 4 28 - <_> - 0 - - 4 45 26 18 - <_> - 5 - - 15 0 11 13 - <_> - 1 - - 13 20 1 4 - <_> - 0 - - 16 8 7 54 - <_> - 3 - - 8 53 12 1 - <_> - 9 - - 15 57 2 5 - <_> - 8 - - 29 37 1 6 - <_> - 0 - - 12 0 1 12 - <_> - 8 - - 11 13 5 1 - <_> - 2 - - 7 35 3 2 - <_> - 8 - - 4 15 10 6 - <_> - 5 - - 19 56 7 5 - <_> - 1 - - 20 49 9 5 - <_> - 5 - - 16 48 15 8 - <_> - 1 - - 17 45 2 3 - <_> - 1 - - 1 10 15 2 - <_> - 8 - - 14 5 1 3 - <_> - 8 - - 3 23 28 14 - <_> - 4 - - 16 51 10 4 - <_> - 9 - - 18 40 1 7 - <_> - 4 - - 15 36 4 1 - <_> - 5 - - 15 46 13 8 - <_> - 4 - - 7 54 11 1 - <_> - 3 - - 2 55 18 5 - <_> - 2 - - 9 52 10 8 - <_> - 4 - - 13 30 5 7 - <_> - 8 - - 17 13 2 4 - <_> - 1 - - 17 16 1 5 - <_> - 8 - - 22 6 5 12 - <_> - 3 - - 15 13 12 27 - <_> - 2 - - 11 11 12 6 - <_> - 1 - - 10 62 16 1 - <_> - 4 - - 12 47 11 1 - <_> - 1 - - 25 12 5 15 - <_> - 0 - - 21 26 4 8 - <_> - 3 - - 13 21 3 10 - <_> - 2 - - 17 3 4 15 - <_> - 2 - - 15 37 3 10 - <_> - 7 - - 2 55 14 2 - <_> - 2 - - 12 37 3 4 - <_> - 7 - - 16 11 1 1 - <_> - 7 - - 2 56 21 3 - <_> - 1 - - 4 20 20 8 - <_> - 3 - - 8 27 6 28 - <_> - 2 - - 16 58 1 5 - <_> - 9 - - 11 19 9 1 - <_> - 1 - - 28 45 2 9 - <_> - 8 - - 17 11 1 2 - <_> - 0 - - 3 39 4 10 - <_> - 3 - - 15 10 11 7 - <_> - 1 - - 11 8 12 1 - <_> - 4 - - 2 38 18 24 - <_> - 1 - - 12 54 17 1 - <_> - 1 - - 14 56 14 1 - <_> - 7 - - 25 18 2 14 - <_> - 4 - - 25 0 3 6 - <_> - 0 - - 17 18 3 1 - <_> - 9 - - 1 8 25 3 - <_> - 4 - - 8 14 7 4 - <_> - 4 - - 18 32 2 26 - <_> - 2 - - 12 41 13 15 - <_> - 2 - - 5 24 11 2 - <_> - 9 - - 13 39 5 1 - <_> - 9 - - 1 36 13 3 - <_> - 2 - - 21 8 4 8 - <_> - 5 - - 16 5 9 17 - <_> - 5 - - 6 37 22 26 - <_> - 0 - - 27 49 2 1 - <_> - 3 - - 6 37 15 10 - <_> - 5 - - 19 38 1 5 - <_> - 9 - - 13 24 2 5 - <_> - 8 - - 14 9 4 13 - <_> - 2 - - 10 38 12 2 - <_> - 8 - - 8 3 3 12 - <_> - 3 - - 2 56 12 1 - <_> - 8 - - 14 12 3 4 - <_> - 2 - - 14 23 3 6 - <_> - 1 - - 10 37 5 1 - <_> - 1 - - 6 53 7 4 - <_> - 4 - - 7 39 11 12 - <_> - 3 - - 6 11 9 11 - <_> - 7 - - 18 2 2 10 - <_> - 4 - - 10 21 2 5 - <_> - 0 - - 29 31 1 1 - <_> - 1 - - 16 7 4 26 - <_> - 5 - - 23 48 7 12 - <_> - 1 - - 18 19 1 5 - <_> - 4 - - 19 24 12 21 - <_> - 4 - - 20 5 8 39 - <_> - 1 - - 7 14 17 4 - <_> - 5 - - 7 44 3 17 - <_> - 1 - - 14 52 5 6 - <_> - 7 - - 15 24 2 18 - <_> - 9 - - 14 18 3 9 - <_> - 9 - - 11 61 8 1 - <_> - 5 - - 11 15 5 3 - <_> - 5 - - 2 18 22 3 - <_> - 4 - - 8 60 7 3 - <_> - 2 - - 6 50 11 4 - <_> - 1 - - 13 55 18 3 - <_> - 2 - - 20 58 2 2 - <_> - 9 - - 30 39 1 3 - <_> - 5 - - 13 26 5 4 - <_> - 0 - - 19 15 3 20 - <_> - 0 - - 14 6 2 52 - <_> - 4 - - 11 36 10 5 - <_> - 4 - - 22 31 1 27 - <_> - 4 - - 13 7 5 4 - <_> - 1 - - 13 5 6 12 - <_> - 4 - - 9 12 3 20 - <_> - 5 - - 10 38 14 3 - <_> - 4 - - 13 41 10 22 - <_> - 4 - - 10 41 11 2 - <_> - 1 - - 14 54 6 8 - <_> - 4 - - 19 3 1 51 - <_> - 0 - - 14 28 5 5 - <_> - 0 - - 10 28 18 6 - <_> - 4 - - 0 6 21 52 - <_> - 3 - - 16 33 4 4 - <_> - 3 - - 10 15 1 42 - <_> - 3 - - 28 33 2 10 - <_> - 5 - - 0 47 13 2 - <_> - 8 - - 14 9 6 8 - <_> - 4 - - 10 52 13 3 - <_> - 8 - - 19 41 2 1 - <_> - 2 - - 9 49 20 1 - <_> - 0 - - 13 57 18 1 - <_> - 7 - - 4 51 20 7 - <_> - 4 - - 22 29 6 7 - <_> - 3 - - 8 59 15 4 - <_> - 2 - - 29 59 1 1 - <_> - 9 - - 27 6 4 3 - <_> - 0 - - 14 18 2 4 - <_> - 9 - - 18 2 1 37 - <_> - 2 - - 11 4 8 13 - <_> - 8 - - 25 62 5 1 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 3 62 28 1 - <_> - 0 - - 5 48 17 2 - <_> - 4 - - 15 39 6 14 - <_> - 5 - - 5 62 10 1 - <_> - 7 - - 5 52 26 2 - <_> - 3 - - 19 20 3 7 - <_> - 2 - - 15 14 2 6 - <_> - 5 - - 6 24 4 22 - <_> - 4 - - 12 45 6 6 - <_> - 1 - - 18 55 2 2 - <_> - 4 - - 9 4 14 43 - <_> - 3 - - 10 8 10 12 - <_> - 5 - - 21 1 1 36 - <_> - 7 - - 7 24 2 14 - <_> - 0 - - 13 35 8 16 - <_> - 3 - - 21 45 1 10 - <_> - 2 - - 12 33 7 23 - <_> - 0 - - 22 40 4 9 - <_> - 1 - - 18 20 3 7 - <_> - 1 - - 2 12 20 4 - <_> - 1 - - 7 20 11 3 - <_> - 8 - - 12 12 8 3 - <_> - 1 - - 2 1 27 2 - <_> - 8 - - 11 51 7 12 - <_> - 7 - - 13 12 10 1 - <_> - 9 - - 16 18 2 1 - <_> - 9 - - 30 4 1 1 - <_> - 0 - - 12 10 11 6 - <_> - 4 - - 1 40 28 20 - <_> - 7 - - 5 62 8 1 - <_> - 1 - - 14 53 3 9 - <_> - 5 - - 7 50 5 7 - <_> - 0 - - 16 17 4 5 - <_> - 2 - - 19 54 8 5 - <_> - 3 - - 6 22 10 5 - <_> - 9 - - 10 38 2 9 - <_> - 0 - - 13 25 5 7 - <_> - 0 - - 16 24 11 19 - <_> - 7 - - 30 43 1 7 - <_> - 8 - - 12 12 8 3 - <_> - 8 - - 16 42 1 11 - <_> - 1 - - 27 37 4 23 - <_> - 3 - - 10 15 1 42 - <_> - 4 - - 11 22 1 10 - <_> - 1 - - 14 6 5 8 - <_> - 0 - - 1 48 3 1 - <_> - 0 - - 16 50 12 2 - <_> - 1 - - 3 45 5 5 - <_> - 8 - - 29 36 1 20 - <_> - 7 - - 3 26 21 19 - <_> - 8 - - 30 22 1 6 - <_> - 4 - - 12 42 8 8 - <_> - 5 - - 19 5 4 46 - <_> - 5 - - 23 36 4 20 - <_> - 1 - - 15 52 2 5 - <_> - 4 - - 9 29 11 7 - <_> - 0 - - 27 35 1 1 - <_> - 0 - - 13 33 1 8 - <_> - 3 - - 10 38 7 3 - <_> - 3 - - 23 45 4 4 - <_> - 2 - - 17 37 2 17 - <_> - 7 - - 16 11 1 1 - <_> - 3 - - 18 0 8 36 - <_> - 1 - - 26 8 5 20 - <_> - 4 - - 10 59 13 1 - <_> - 4 - - 24 7 6 14 - <_> - 4 - - 13 8 10 5 - <_> - 2 - - 0 42 2 10 - <_> - 7 - - 2 12 18 1 - <_> - 1 - - 9 56 8 1 - <_> - 1 - - 18 17 2 9 - <_> - 8 - - 14 9 4 13 - <_> - 2 - - 17 13 6 14 - <_> - 0 - - 10 35 1 23 - <_> - 2 - - 24 10 3 21 - <_> - 3 - - 6 19 5 34 - <_> - 1 - - 7 45 1 4 - <_> - 2 - - 16 19 2 6 - <_> - 3 - - 24 14 2 30 - <_> - 9 - - 12 61 16 1 - <_> - 5 - - 23 27 4 10 - <_> - 5 - - 4 62 7 1 - <_> - 3 - - 3 49 10 6 - <_> - 9 - - 17 32 1 5 - <_> - 9 - - 30 4 1 1 - <_> - 3 - - 27 18 1 4 - <_> - 4 - - 12 1 11 46 - <_> - 1 - - 11 8 13 1 - <_> - 1 - - 0 9 16 1 - <_> - 2 - - 9 22 16 24 - <_> - 3 - - 16 32 4 7 - <_> - 0 - - 17 25 8 21 - <_> - 0 - - 3 55 22 6 - <_> - 3 - - 17 1 1 6 - <_> - 5 - - 13 9 8 5 - <_> - 9 - - 19 28 1 18 - <_> - 1 - - 11 55 2 7 - <_> - 1 - - 13 13 12 5 - <_> - 4 - - 8 60 7 3 - <_> - 0 - - 11 38 4 12 - <_> - 4 - - 12 34 6 15 - <_> - 5 - - 8 40 4 22 - <_> - 1 - - 22 45 1 13 - <_> - 5 - - 3 33 10 19 - <_> - 0 - - 29 45 2 7 - <_> - 0 - - 17 51 7 5 - <_> - 3 - - 15 53 2 1 - <_> - 4 - - 5 59 3 4 - <_> - 8 - - 17 13 2 4 - <_> - 1 - - 2 1 27 2 - <_> - 8 - - 10 42 14 13 - <_> - 1 - - 10 4 7 14 - <_> - 4 - - 11 25 11 10 - <_> - 9 - - 11 19 9 1 - <_> - 9 - - 12 1 13 12 - <_> - 1 - - 11 19 1 4 - <_> - 9 - - 14 7 5 12 - <_> - 8 - - 10 23 2 5 - <_> - 5 - - 16 23 1 10 - <_> - 2 - - 8 62 20 1 - <_> - 4 - - 9 16 16 3 - <_> - 7 - - 29 27 1 11 - <_> - 7 - - 3 60 28 3 - <_> - 4 - - 15 44 2 2 - <_> - 5 - - 16 62 1 1 - <_> - 8 - - 17 21 1 4 - <_> - 0 - - 18 33 9 11 - <_> - 3 - - 17 35 3 5 - <_> - 2 - - 10 51 8 5 - <_> - 3 - - 28 40 3 7 - <_> - 7 - - 21 42 1 18 - <_> - 9 - - 16 18 2 1 - <_> - 2 - - 20 15 1 8 - <_> - 4 - - 14 8 5 1 - <_> - 5 - - 14 0 12 17 - <_> - 4 - - 9 18 5 8 - <_> - 8 - - 12 9 6 12 - <_> - 9 - - 26 32 1 7 - <_> - 8 - - 0 14 1 8 - <_> - 7 - - 4 1 14 16 - <_> - 2 - - 11 62 10 1 - <_> - 3 - - 2 18 12 10 - <_> - 7 - - 29 22 2 2 - <_> - 3 - - 13 15 13 15 - <_> - 9 - - 12 38 5 1 - <_> - 2 - - 8 35 6 11 - <_> - 7 - - 6 36 14 2 - <_> - 4 - - 13 36 3 4 - <_> - 0 - - 7 19 22 6 - <_> - 2 - - 15 41 4 15 - <_> - 8 - - 14 12 3 4 - <_> - 8 - - 12 24 8 1 - <_> - 0 - - 6 55 6 1 - <_> - 8 - - 13 17 5 3 - <_> - 8 - - 12 12 8 3 - <_> - 2 - - 24 44 3 7 - <_> - 0 - - 2 39 16 2 - <_> - 1 - - 15 54 1 3 - <_> - 9 - - 17 17 1 14 - <_> - 8 - - 13 56 1 1 - <_> - 1 - - 11 19 11 1 - <_> - 3 - - 30 3 1 43 - <_> - 7 - - 15 57 12 1 - <_> - 2 - - 29 32 2 26 - <_> - 7 - - 16 38 2 4 - <_> - 0 - - 21 25 1 16 - <_> - 0 - - 4 46 2 7 - <_> - 7 - - 26 13 5 4 - <_> - 3 - - 0 48 17 9 - <_> - 1 - - 12 32 5 20 - <_> - 2 - - 10 57 10 4 - <_> - 7 - - 24 49 2 2 - <_> - 3 - - 15 25 4 8 - <_> - 0 - - 11 11 9 6 - <_> - 4 - - 18 18 1 33 - <_> - 3 - - 10 0 5 29 - <_> - 2 - - 18 13 7 9 - <_> - 4 - - 2 59 13 4 - <_> - 1 - - 15 53 7 4 - <_> - 2 - - 11 49 16 2 - <_> - 3 - - 4 56 15 3 - <_> - 4 - - 19 21 6 38 - <_> - 1 - - 6 53 7 4 - <_> - 5 - - 14 19 1 9 - <_> - 2 - - 13 22 11 17 - <_> - 1 - - 14 7 3 12 - <_> - 1 - - 13 20 1 4 - <_> - 4 - - 5 19 4 14 - <_> - 4 - - 9 35 3 8 - <_> - 8 - - 16 12 1 5 - <_> - 9 - - 29 62 2 1 - <_> - 8 - - 18 51 1 5 - <_> - 2 - - 13 58 13 1 - <_> - 2 - - 6 50 16 3 - <_> - 7 - - 15 27 5 2 - <_> - 5 - - 0 43 11 13 - <_> - 2 - - 7 29 3 16 - <_> - 3 - - 11 42 7 6 - <_> - 4 - - 18 39 1 2 - <_> - 2 - - 21 55 10 2 - <_> - 0 - - 27 37 4 2 - <_> - 0 - - 13 37 15 7 - <_> - 1 - - 1 28 26 18 - <_> - 0 - - 12 38 1 6 - <_> - 5 - - 14 9 9 4 - <_> - 7 - - 18 8 7 2 - <_> - 2 - - 18 6 13 1 - <_> - 7 - - 8 59 23 2 - <_> - 5 - - 1 57 29 5 - <_> - 8 - - 6 20 23 7 - <_> - 1 - - 12 53 4 10 - <_> - 0 - - 13 14 2 12 - <_> - 8 - - 10 62 7 1 - <_> - 9 - - 30 33 1 3 - <_> - 7 - - 15 12 2 5 - <_> - 9 - - 17 14 2 38 - <_> - 5 - - 20 17 1 25 - <_> - 1 - - 11 0 5 1 - <_> - 0 - - 19 37 5 23 - <_> - 7 - - 2 5 1 27 - <_> - 2 - - 22 48 1 9 - <_> - 5 - - 18 25 2 13 - <_> - 3 - - 8 11 6 20 - <_> - 1 - - 0 29 27 1 - <_> - 3 - - 15 21 2 9 - <_> - 2 - - 16 37 13 18 - <_> - 0 - - 2 38 3 21 - <_> - 5 - - 14 31 3 21 - <_> - 4 - - 10 8 7 16 - <_> - 1 - - 7 29 21 12 - <_> - 1 - - 25 47 4 14 - - diff --git a/doc/CMakeLists.txt b/doc/CMakeLists.txt index f796d474ca..957e69d00c 100644 --- a/doc/CMakeLists.txt +++ b/doc/CMakeLists.txt @@ -105,8 +105,8 @@ if(BUILD_DOCS AND HAVE_SPHINX) COMMAND ${SPHINX_BUILD} ${BUILD_PLANTUML} -b latex -c "${CMAKE_CURRENT_SOURCE_DIR}" "${DOC_FAKE_ROOT}" . COMMAND ${CMAKE_COMMAND} -E copy_directory ${CMAKE_CURRENT_SOURCE_DIR}/pics ${CMAKE_CURRENT_BINARY_DIR}/doc/opencv1/pics COMMAND ${CMAKE_COMMAND} -E copy_if_different ${CMAKE_CURRENT_SOURCE_DIR}/mymath.sty ${CMAKE_CURRENT_BINARY_DIR} - COMMAND ${PYTHON_EXECUTABLE} "${CMAKE_CURRENT_SOURCE_DIR}/patch_refman_latex.py" opencv2refman.tex - COMMAND ${PYTHON_EXECUTABLE} "${CMAKE_CURRENT_SOURCE_DIR}/patch_refman_latex.py" opencv2manager.tex + COMMAND ${PYTHON_DEFAULT_EXECUTABLE} "${CMAKE_CURRENT_SOURCE_DIR}/patch_refman_latex.py" opencv2refman.tex + COMMAND ${PYTHON_DEFAULT_EXECUTABLE} "${CMAKE_CURRENT_SOURCE_DIR}/patch_refman_latex.py" opencv2manager.tex COMMAND ${CMAKE_COMMAND} -E echo "Generating opencv2refman.pdf" COMMAND ${PDFLATEX_COMPILER} -interaction=batchmode opencv2refman.tex COMMAND ${PDFLATEX_COMPILER} -interaction=batchmode opencv2refman.tex diff --git a/modules/CMakeLists.txt b/modules/CMakeLists.txt index 400b2a8381..2c6c34304e 100644 --- a/modules/CMakeLists.txt +++ b/modules/CMakeLists.txt @@ -4,4 +4,4 @@ if(NOT OPENCV_MODULES_PATH) set(OPENCV_MODULES_PATH "${CMAKE_CURRENT_SOURCE_DIR}") endif() -ocv_glob_modules(${OPENCV_MODULES_PATH} ${OPENCV_EXTRA_MODULES_PATH}) +ocv_glob_modules(${OPENCV_MODULES_PATH} EXTRA ${OPENCV_EXTRA_MODULES_PATH}) diff --git a/modules/androidcamera/camera_wrapper/CMakeLists.txt b/modules/androidcamera/camera_wrapper/CMakeLists.txt index d08e2c469d..c306db1de5 100644 --- a/modules/androidcamera/camera_wrapper/CMakeLists.txt +++ b/modules/androidcamera/camera_wrapper/CMakeLists.txt @@ -46,7 +46,7 @@ ADD_LIBRARY(${the_target} SHARED camera_wrapper.h camera_wrapper.cpp) string(REGEX REPLACE "[.]" "_" LIBRARY_DEF ${ANDROID_VERSION}) add_definitions(-DANDROID_r${LIBRARY_DEF}) -target_link_libraries(${the_target} c m dl utils camera_client binder log) +ocv_target_link_libraries(${the_target} c m dl utils camera_client binder log) if(NOT ANDROID_VERSION VERSION_LESS "3.0.0") target_link_libraries(${the_target} gui ) diff --git a/modules/calib3d/doc/camera_calibration_and_3d_reconstruction.rst b/modules/calib3d/doc/camera_calibration_and_3d_reconstruction.rst index 691a6b9eb3..7a70f084b4 100644 --- a/modules/calib3d/doc/camera_calibration_and_3d_reconstruction.rst +++ b/modules/calib3d/doc/camera_calibration_and_3d_reconstruction.rst @@ -760,6 +760,27 @@ They are :math:`[R_2, -t]`. By decomposing ``E``, you can only get the direction of the translation, so the function returns unit ``t``. +decomposeHomographyMat +-------------------------- +Decompose a homography matrix to rotation(s), translation(s) and plane normal(s). + +.. ocv:function:: int decomposeHomographyMat( InputArray H, InputArray K, OutputArrayOfArrays rotations, OutputArrayOfArrays translations, OutputArrayOfArrays normals) + + :param H: The input homography matrix between two images. + + :param K: The input intrinsic camera calibration matrix. + + :param rotations: Array of rotation matrices. + + :param translations: Array of translation matrices. + + :param normals: Array of plane normal matrices. + +This function extracts relative camera motion between two views observing a planar object from the homography ``H`` induced by the plane. +The intrinsic camera matrix ``K`` must also be provided. The function may return up to four mathematical solution sets. At least two of the +solutions may further be invalidated if point correspondences are available by applying positive depth constraint (all points must be in front of the camera). +The decomposition method is described in detail in [Malis]_. + recoverPose --------------- @@ -1876,3 +1897,5 @@ Performs stereo calibration .. [Slabaugh] Slabaugh, G.G. Computing Euler angles from a rotation matrix. http://www.soi.city.ac.uk/~sbbh653/publications/euler.pdf (verified: 2013-04-15) .. [Zhang2000] Z. Zhang. A Flexible New Technique for Camera Calibration. IEEE Transactions on Pattern Analysis and Machine Intelligence, 22(11):1330-1334, 2000. + +.. [Malis] Malis, E. and Vargas, M. Deeper understanding of the homography decomposition for vision-based control, Research Report 6303, INRIA (2007) diff --git a/modules/calib3d/include/opencv2/calib3d.hpp b/modules/calib3d/include/opencv2/calib3d.hpp index c7b5388087..fed8670e1a 100644 --- a/modules/calib3d/include/opencv2/calib3d.hpp +++ b/modules/calib3d/include/opencv2/calib3d.hpp @@ -315,6 +315,11 @@ CV_EXPORTS_W int estimateAffine3D(InputArray src, InputArray dst, double ransacThreshold = 3, double confidence = 0.99); +CV_EXPORTS_W int decomposeHomographyMat(InputArray H, + InputArray K, + OutputArrayOfArrays rotations, + OutputArrayOfArrays translations, + OutputArrayOfArrays normals); class CV_EXPORTS_W StereoMatcher : public Algorithm { diff --git a/modules/calib3d/perf/opencl/perf_stereobm.cpp b/modules/calib3d/perf/opencl/perf_stereobm.cpp index 8fca1b894f..1436eb9d94 100644 --- a/modules/calib3d/perf/opencl/perf_stereobm.cpp +++ b/modules/calib3d/perf/opencl/perf_stereobm.cpp @@ -40,7 +40,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/calib3d/src/circlesgrid.cpp b/modules/calib3d/src/circlesgrid.cpp index 0b89e181c2..ea169bdd72 100644 --- a/modules/calib3d/src/circlesgrid.cpp +++ b/modules/calib3d/src/circlesgrid.cpp @@ -40,6 +40,7 @@ // //M*/ +#include "precomp.hpp" #include "circlesgrid.hpp" #include //#define DEBUG_CIRCLES diff --git a/modules/calib3d/src/homography_decomp.cpp b/modules/calib3d/src/homography_decomp.cpp new file mode 100644 index 0000000000..1a642612f0 --- /dev/null +++ b/modules/calib3d/src/homography_decomp.cpp @@ -0,0 +1,482 @@ +/*M/////////////////////////////////////////////////////////////////////////////////////// + // + // This is a homography decomposition implementation contributed to OpenCV + // by Samson Yilma. It implements the homography decomposition algorithm + // descriped in the research report: + // Malis, E and Vargas, M, "Deeper understanding of the homography decomposition + // for vision-based control", Research Report 6303, INRIA (2007) + // + // IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. + // + // By downloading, copying, installing or using the software you agree to this license. + // If you do not agree to this license, do not download, install, + // copy or use the software. + // + // + // License Agreement + // For Open Source Computer Vision Library + // + // Copyright (C) 2014, Samson Yilma¸ (samson_yilma@yahoo.com), all rights reserved. + // + // Third party copyrights are property of their respective owners. + // + // Redistribution and use in source and binary forms, with or without modification, + // are permitted provided that the following conditions are met: + // + // * Redistribution's of source code must retain the above copyright notice, + // this list of conditions and the following disclaimer. + // + // * Redistribution's in binary form must reproduce the above copyright notice, + // this list of conditions and the following disclaimer in the documentation + // and/or other materials provided with the distribution. + // + // * The name of the copyright holders may not be used to endorse or promote products + // derived from this software without specific prior written permission. + // + // This software is provided by the copyright holders and contributors "as is" and + // any express or implied warranties, including, but not limited to, the implied + // warranties of merchantability and fitness for a particular purpose are disclaimed. + // In no event shall the Intel Corporation or contributors be liable for any direct, + // indirect, incidental, special, exemplary, or consequential damages + // (including, but not limited to, procurement of substitute goods or services; + // loss of use, data, or profits; or business interruption) however caused + // and on any theory of liability, whether in contract, strict liability, + // or tort (including negligence or otherwise) arising in any way out of + // the use of this software, even if advised of the possibility of such damage. + // + //M*/ + +#include "precomp.hpp" +#include + +namespace cv +{ + +namespace HomographyDecomposition +{ + +//struct to hold solutions of homography decomposition +typedef struct _CameraMotion { + cv::Matx33d R; //!< rotation matrix + cv::Vec3d n; //!< normal of the plane the camera is looking at + cv::Vec3d t; //!< translation vector +} CameraMotion; + +inline int signd(const double x) +{ + return ( x >= 0 ? 1 : -1 ); +} + +class HomographyDecomp { + +public: + HomographyDecomp() {} + virtual ~HomographyDecomp() {} + virtual void decomposeHomography(const cv::Matx33d& H, const cv::Matx33d& K, + std::vector& camMotions); + bool isRotationValid(const cv::Matx33d& R, const double epsilon=0.01); + +protected: + bool passesSameSideOfPlaneConstraint(CameraMotion& motion); + virtual void decompose(std::vector& camMotions) = 0; + const cv::Matx33d& getHnorm() const { + return _Hnorm; + } + +private: + cv::Matx33d normalize(const cv::Matx33d& H, const cv::Matx33d& K); + void removeScale(); + cv::Matx33d _Hnorm; +}; + +class HomographyDecompZhang : public HomographyDecomp { + +public: + HomographyDecompZhang():HomographyDecomp() {} + virtual ~HomographyDecompZhang() {} + +private: + virtual void decompose(std::vector& camMotions); + bool findMotionFrom_tstar_n(const cv::Vec3d& tstar, const cv::Vec3d& n, CameraMotion& motion); +}; + +class HomographyDecompInria : public HomographyDecomp { + +public: + HomographyDecompInria():HomographyDecomp() {} + virtual ~HomographyDecompInria() {} + +private: + virtual void decompose(std::vector& camMotions); + double oppositeOfMinor(const cv::Matx33d& M, const int row, const int col); + void findRmatFrom_tstar_n(const cv::Vec3d& tstar, const cv::Vec3d& n, const double v, cv::Matx33d& R); +}; + +// normalizes homography with intrinsic camera parameters +Matx33d HomographyDecomp::normalize(const Matx33d& H, const Matx33d& K) +{ + return K.inv() * H * K; +} + +void HomographyDecomp::removeScale() +{ + Mat W; + SVD::compute(_Hnorm, W); + _Hnorm = _Hnorm * (1.0/W.at(1)); +} + +/*! This checks that the input is a pure rotation matrix 'm'. + * The conditions for this are: R' * R = I and det(R) = 1 (proper rotation matrix) + */ +bool HomographyDecomp::isRotationValid(const Matx33d& R, const double epsilon) +{ + Matx33d RtR = R.t() * R; + Matx33d I(1,0,0, 0,1,0, 0,0,1); + if (norm(RtR, I, NORM_INF) > epsilon) + return false; + return (fabs(determinant(R) - 1.0) < epsilon); +} + +bool HomographyDecomp::passesSameSideOfPlaneConstraint(CameraMotion& motion) +{ + typedef Matx Matx11d; + Matx31d t = Matx31d(motion.t); + Matx31d n = Matx31d(motion.n); + Matx11d proj = n.t() * motion.R.t() * t; + if ( (1 + proj(0, 0) ) <= 0 ) + return false; + return true; +} + +//!main routine to decompose homography +void HomographyDecomp::decomposeHomography(const Matx33d& H, const cv::Matx33d& K, + std::vector& camMotions) +{ + //normalize homography matrix with intrinsic camera matrix + _Hnorm = normalize(H, K); + //remove scale of the normalized homography + removeScale(); + //apply decomposition + decompose(camMotions); +} + +/* function computes R&t from tstar, and plane normal(n) using + R = H * inv(I + tstar*transpose(n) ); + t = R * tstar; + returns true if computed R&t is a valid solution + */ +bool HomographyDecompZhang::findMotionFrom_tstar_n(const cv::Vec3d& tstar, const cv::Vec3d& n, CameraMotion& motion) +{ + Matx31d tstar_m = Mat(tstar); + Matx31d n_m = Mat(n); + Matx33d temp = tstar_m * n_m.t(); + temp(0, 0) += 1.0; + temp(1, 1) += 1.0; + temp(2, 2) += 1.0; + motion.R = getHnorm() * temp.inv(); + motion.t = motion.R * tstar; + motion.n = n; + return passesSameSideOfPlaneConstraint(motion); +} + +void HomographyDecompZhang::decompose(std::vector& camMotions) +{ + Mat W, U, Vt; + SVD::compute(getHnorm(), W, U, Vt); + double lambda1=W.at(0); + double lambda3=W.at(2); + double lambda1m3 = (lambda1-lambda3); + double lambda1m3_2 = lambda1m3*lambda1m3; + double lambda1t3 = lambda1*lambda3; + + double t1 = 1.0/(2.0*lambda1t3); + double t2 = sqrt(1.0+4.0*lambda1t3/lambda1m3_2); + double t12 = t1*t2; + + double e1 = -t1 + t12; //t1*(-1.0f + t2 ); + double e3 = -t1 - t12; //t1*(-1.0f - t2); + double e1_2 = e1*e1; + double e3_2 = e3*e3; + + double nv1p = sqrt(e1_2*lambda1m3_2 + 2*e1*(lambda1t3-1) + 1.0); + double nv3p = sqrt(e3_2*lambda1m3_2 + 2*e3*(lambda1t3-1) + 1.0); + double v1p[3], v3p[3]; + + v1p[0]=Vt.at(0)*nv1p, v1p[1]=Vt.at(1)*nv1p, v1p[2]=Vt.at(2)*nv1p; + v3p[0]=Vt.at(6)*nv3p, v3p[1]=Vt.at(7)*nv3p, v3p[2]=Vt.at(8)*nv3p; + + /*The eight solutions are + (A): tstar = +- (v1p - v3p)/(e1 -e3), n = +- (e1*v3p - e3*v1p)/(e1-e3) + (B): tstar = +- (v1p + v3p)/(e1 -e3), n = +- (e1*v3p + e3*v1p)/(e1-e3) + */ + double v1pmv3p[3], v1ppv3p[3]; + double e1v3me3v1[3], e1v3pe3v1[3]; + double inv_e1me3 = 1.0/(e1-e3); + + for(int kk=0;kk<3;++kk){ + v1pmv3p[kk] = v1p[kk]-v3p[kk]; + v1ppv3p[kk] = v1p[kk]+v3p[kk]; + } + + for(int kk=0; kk<3; ++kk){ + double e1v3 = e1*v3p[kk]; + double e3v1=e3*v1p[kk]; + e1v3me3v1[kk] = e1v3-e3v1; + e1v3pe3v1[kk] = e1v3+e3v1; + } + + Vec3d tstar_p, tstar_n; + Vec3d n_p, n_n; + + ///Solution group A + for(int kk=0; kk<3; ++kk) { + tstar_p[kk] = v1pmv3p[kk]*inv_e1me3; + tstar_n[kk] = -tstar_p[kk]; + n_p[kk] = e1v3me3v1[kk]*inv_e1me3; + n_n[kk] = -n_p[kk]; + } + + CameraMotion cmotion; + //(A) Four different combinations for solution A + // (i) (+, +) + if (findMotionFrom_tstar_n(tstar_p, n_p, cmotion)) + camMotions.push_back(cmotion); + + // (ii) (+, -) + if (findMotionFrom_tstar_n(tstar_p, n_n, cmotion)) + camMotions.push_back(cmotion); + + // (iii) (-, +) + if (findMotionFrom_tstar_n(tstar_n, n_p, cmotion)) + camMotions.push_back(cmotion); + + // (iv) (-, -) + if (findMotionFrom_tstar_n(tstar_n, n_n, cmotion)) + camMotions.push_back(cmotion); + ////////////////////////////////////////////////////////////////// + ///Solution group B + for(int kk=0;kk<3;++kk){ + tstar_p[kk] = v1ppv3p[kk]*inv_e1me3; + tstar_n[kk] = -tstar_p[kk]; + n_p[kk] = e1v3pe3v1[kk]*inv_e1me3; + n_n[kk] = -n_p[kk]; + } + + //(B) Four different combinations for solution B + // (i) (+, +) + if (findMotionFrom_tstar_n(tstar_p, n_p, cmotion)) + camMotions.push_back(cmotion); + + // (ii) (+, -) + if (findMotionFrom_tstar_n(tstar_p, n_n, cmotion)) + camMotions.push_back(cmotion); + + // (iii) (-, +) + if (findMotionFrom_tstar_n(tstar_n, n_p, cmotion)) + camMotions.push_back(cmotion); + + // (iv) (-, -) + if (findMotionFrom_tstar_n(tstar_n, n_n, cmotion)) + camMotions.push_back(cmotion); +} + +double HomographyDecompInria::oppositeOfMinor(const Matx33d& M, const int row, const int col) +{ + int x1 = col == 0 ? 1 : 0; + int x2 = col == 2 ? 1 : 2; + int y1 = row == 0 ? 1 : 0; + int y2 = row == 2 ? 1 : 2; + + return (M(y1, x2) * M(y2, x1) - M(y1, x1) * M(y2, x2)); +} + +//computes R = H( I - (2/v)*te_star*ne_t ) +void HomographyDecompInria::findRmatFrom_tstar_n(const cv::Vec3d& tstar, const cv::Vec3d& n, const double v, cv::Matx33d& R) +{ + Matx31d tstar_m = Matx31d(tstar); + Matx31d n_m = Matx31d(n); + Matx33d I(1.0, 0.0, 0.0, + 0.0, 1.0, 0.0, + 0.0, 0.0, 1.0); + + R = getHnorm() * (I - (2/v) * tstar_m * n_m.t() ); +} + +void HomographyDecompInria::decompose(std::vector& camMotions) +{ + const double epsilon = 0.001; + Matx33d S; + + //S = H'H - I + S = getHnorm().t() * getHnorm(); + S(0, 0) -= 1.0; + S(1, 1) -= 1.0; + S(2, 2) -= 1.0; + + //check if H is rotation matrix + if( norm(S, NORM_INF) < epsilon) { + CameraMotion motion; + motion.R = Matx33d(getHnorm()); + motion.t = Vec3d(0, 0, 0); + motion.n = Vec3d(0, 0, 0); + camMotions.push_back(motion); + return; + } + + //! Compute nvectors + Vec3d npa, npb; + + double M00 = oppositeOfMinor(S, 0, 0); + double M11 = oppositeOfMinor(S, 1, 1); + double M22 = oppositeOfMinor(S, 2, 2); + + double rtM00 = sqrt(M00); + double rtM11 = sqrt(M11); + double rtM22 = sqrt(M22); + + double M01 = oppositeOfMinor(S, 0, 1); + double M12 = oppositeOfMinor(S, 1, 2); + double M02 = oppositeOfMinor(S, 0, 2); + + int e12 = signd(M12); + int e02 = signd(M02); + int e01 = signd(M01); + + double nS00 = abs(S(0, 0)); + double nS11 = abs(S(1, 1)); + double nS22 = abs(S(2, 2)); + + //find max( |Sii| ), i=0, 1, 2 + int indx = 0; + if(nS00 < nS11){ + indx = 1; + if( nS11 < nS22 ) + indx = 2; + } + else { + if(nS00 < nS22 ) + indx = 2; + } + + switch (indx) { + case 0: + npa[0] = S(0, 0), npb[0] = S(0, 0); + npa[1] = S(0, 1) + rtM22, npb[1] = S(0, 1) - rtM22; + npa[2] = S(0, 2) + e12 * rtM11, npb[2] = S(0, 2) - e12 * rtM11; + break; + case 1: + npa[0] = S(0, 1) + rtM22, npb[0] = S(0, 1) - rtM22; + npa[1] = S(1, 1), npb[1] = S(1, 1); + npa[2] = S(1, 2) - e02 * rtM00, npb[2] = S(1, 2) + e02 * rtM00; + break; + case 2: + npa[0] = S(0, 2) + e01 * rtM11, npb[0] = S(0, 2) - e01 * rtM11; + npa[1] = S(1, 2) + rtM00, npb[1] = S(1, 2) - rtM00; + npa[2] = S(2, 2), npb[2] = S(2, 2); + break; + default: + break; + } + + double traceS = S(0, 0) + S(1, 1) + S(2, 2); + double v = 2.0 * sqrt(1 + traceS - M00 - M11 - M22); + + double ESii = signd(S(indx, indx)) ; + double r_2 = 2 + traceS + v; + double nt_2 = 2 + traceS - v; + + double r = sqrt(r_2); + double n_t = sqrt(nt_2); + + Vec3d na = npa / norm(npa); + Vec3d nb = npb / norm(npb); + + double half_nt = 0.5 * n_t; + double esii_t_r = ESii * r; + + Vec3d ta_star = half_nt * (esii_t_r * nb - n_t * na); + Vec3d tb_star = half_nt * (esii_t_r * na - n_t * nb); + + camMotions.resize(4); + + Matx33d Ra, Rb; + Vec3d ta, tb; + + //Ra, ta, na + findRmatFrom_tstar_n(ta_star, na, v, Ra); + ta = Ra * ta_star; + + camMotions[0].R = Ra; + camMotions[0].t = ta; + camMotions[0].n = na; + + //Ra, -ta, -na + camMotions[1].R = Ra; + camMotions[1].t = -ta; + camMotions[1].n = -na; + + //Rb, tb, nb + findRmatFrom_tstar_n(tb_star, nb, v, Rb); + tb = Rb * tb_star; + + camMotions[2].R = Rb; + camMotions[2].t = tb; + camMotions[2].n = nb; + + //Rb, -tb, -nb + camMotions[3].R = Rb; + camMotions[3].t = -tb; + camMotions[3].n = -nb; +} + +} //namespace HomographyDecomposition + +// function decomposes image-to-image homography to rotation and translation matrices +int decomposeHomographyMat(InputArray _H, + InputArray _K, + OutputArrayOfArrays _rotations, + OutputArrayOfArrays _translations, + OutputArrayOfArrays _normals) +{ + using namespace std; + using namespace HomographyDecomposition; + + Mat H = _H.getMat().reshape(1, 3); + CV_Assert(H.cols == 3 && H.rows == 3); + + Mat K = _K.getMat().reshape(1, 3); + CV_Assert(K.cols == 3 && K.rows == 3); + + auto_ptr hdecomp(new HomographyDecompInria); + + vector motions; + hdecomp->decomposeHomography(H, K, motions); + + int nsols = static_cast(motions.size()); + int depth = CV_64F; //double precision matrices used in CameraMotion struct + + if (_rotations.needed()) { + _rotations.create(nsols, 1, depth); + for (int k = 0; k < nsols; ++k ) { + _rotations.getMatRef(k) = Mat(motions[k].R); + } + } + + if (_translations.needed()) { + _translations.create(nsols, 1, depth); + for (int k = 0; k < nsols; ++k ) { + _translations.getMatRef(k) = Mat(motions[k].t); + } + } + + if (_normals.needed()) { + _normals.create(nsols, 1, depth); + for (int k = 0; k < nsols; ++k ) { + _normals.getMatRef(k) = Mat(motions[k].n); + } + } + + return nsols; +} + +} //namespace cv diff --git a/modules/calib3d/src/solvepnp.cpp b/modules/calib3d/src/solvepnp.cpp index 2b2d1bdf34..20e2899737 100644 --- a/modules/calib3d/src/solvepnp.cpp +++ b/modules/calib3d/src/solvepnp.cpp @@ -139,11 +139,13 @@ namespace cv CameraParameters camera; }; + template static void pnpTask(const std::vector& pointsMask, const Mat& objectPoints, const Mat& imagePoints, const Parameters& params, std::vector& inliers, Mat& rvec, Mat& tvec, const Mat& rvecInit, const Mat& tvecInit, Mutex& resultsMutex) { - Mat modelObjectPoints(1, MIN_POINTS_COUNT, CV_32FC3), modelImagePoints(1, MIN_POINTS_COUNT, CV_32FC2); + Mat modelObjectPoints(1, MIN_POINTS_COUNT, CV_MAKETYPE(DataDepth::value, 3)); + Mat modelImagePoints(1, MIN_POINTS_COUNT, CV_MAKETYPE(DataDepth::value, 2)); for (int i = 0, colIndex = 0; i < (int)pointsMask.size(); i++) { if (pointsMask[i]) @@ -162,7 +164,7 @@ namespace cv for (int i = 0; i < MIN_POINTS_COUNT; i++) for (int j = i + 1; j < MIN_POINTS_COUNT; j++) { - if (norm(modelObjectPoints.at(0, i) - modelObjectPoints.at(0, j)) < eps) + if (norm(modelObjectPoints.at >(0, i) - modelObjectPoints.at >(0, j)) < eps) num_same_points++; } if (num_same_points > 0) @@ -176,7 +178,7 @@ namespace cv params.useExtrinsicGuess, params.flags); - std::vector projected_points; + std::vector > projected_points; projected_points.resize(objectPoints.cols); projectPoints(objectPoints, localRvec, localTvec, params.camera.intrinsics, params.camera.distortion, projected_points); @@ -186,9 +188,11 @@ namespace cv std::vector localInliers; for (int i = 0; i < objectPoints.cols; i++) { - Point2f p(imagePoints.at(0, i)[0], imagePoints.at(0, i)[1]); + //Although p is a 2D point it needs the same type as the object points to enable the norm calculation + Point_ p((OpointType)imagePoints.at >(0, i)[0], + (OpointType)imagePoints.at >(0, i)[1]); if ((norm(p - projected_points[i]) < params.reprojectionError) - && (rotatedPoints.at(0, i)[2] > 0)) //hack + && (rotatedPoints.at >(0, i)[2] > 0)) //hack { localInliers.push_back(i); } @@ -208,6 +212,30 @@ namespace cv } } + static void pnpTask(const std::vector& pointsMask, const Mat& objectPoints, const Mat& imagePoints, + const Parameters& params, std::vector& inliers, Mat& rvec, Mat& tvec, + const Mat& rvecInit, const Mat& tvecInit, Mutex& resultsMutex) + { + CV_Assert(objectPoints.depth() == CV_64F || objectPoints.depth() == CV_32F); + CV_Assert(imagePoints.depth() == CV_64F || imagePoints.depth() == CV_32F); + const bool objectDoublePrecision = objectPoints.depth() == CV_64F; + const bool imageDoublePrecision = imagePoints.depth() == CV_64F; + if(objectDoublePrecision) + { + if(imageDoublePrecision) + pnpTask(pointsMask, objectPoints, imagePoints, params, inliers, rvec, tvec, rvecInit, tvecInit, resultsMutex); + else + pnpTask(pointsMask, objectPoints, imagePoints, params, inliers, rvec, tvec, rvecInit, tvecInit, resultsMutex); + } + else + { + if(imageDoublePrecision) + pnpTask(pointsMask, objectPoints, imagePoints, params, inliers, rvec, tvec, rvecInit, tvecInit, resultsMutex); + else + pnpTask(pointsMask, objectPoints, imagePoints, params, inliers, rvec, tvec, rvecInit, tvecInit, resultsMutex); + } + } + class PnPSolver { public: @@ -283,10 +311,10 @@ void cv::solvePnPRansac(InputArray _opoints, InputArray _ipoints, Mat cameraMatrix = _cameraMatrix.getMat(), distCoeffs = _distCoeffs.getMat(); CV_Assert(opoints.isContinuous()); - CV_Assert(opoints.depth() == CV_32F); + CV_Assert(opoints.depth() == CV_32F || opoints.depth() == CV_64F); CV_Assert((opoints.rows == 1 && opoints.channels() == 3) || opoints.cols*opoints.channels() == 3); CV_Assert(ipoints.isContinuous()); - CV_Assert(ipoints.depth() == CV_32F); + CV_Assert(ipoints.depth() == CV_32F || ipoints.depth() == CV_64F); CV_Assert((ipoints.rows == 1 && ipoints.channels() == 2) || ipoints.cols*ipoints.channels() == 2); _rvec.create(3, 1, CV_64FC1); @@ -322,7 +350,7 @@ void cv::solvePnPRansac(InputArray _opoints, InputArray _ipoints, if (flags != P3P) { int i, pointsCount = (int)localInliers.size(); - Mat inlierObjectPoints(1, pointsCount, CV_32FC3), inlierImagePoints(1, pointsCount, CV_32FC2); + Mat inlierObjectPoints(1, pointsCount, CV_MAKE_TYPE(opoints.depth(), 3)), inlierImagePoints(1, pointsCount, CV_MAKE_TYPE(ipoints.depth(), 2)); for (i = 0; i < pointsCount; i++) { int index = localInliers[i]; diff --git a/modules/calib3d/src/stereobm.cpp b/modules/calib3d/src/stereobm.cpp index 7c06debcb3..676202d129 100644 --- a/modules/calib3d/src/stereobm.cpp +++ b/modules/calib3d/src/stereobm.cpp @@ -48,7 +48,7 @@ #include "precomp.hpp" #include #include -#include "opencl_kernels.hpp" +#include "opencl_kernels_calib3d.hpp" namespace cv { diff --git a/modules/calib3d/test/opencl/test_stereobm.cpp b/modules/calib3d/test/opencl/test_stereobm.cpp index 636d76cb27..e64fe415e7 100644 --- a/modules/calib3d/test/opencl/test_stereobm.cpp +++ b/modules/calib3d/test/opencl/test_stereobm.cpp @@ -40,7 +40,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "cvconfig.h" #include "opencv2/ts/ocl_test.hpp" diff --git a/modules/calib3d/test/test_homography_decomp.cpp b/modules/calib3d/test/test_homography_decomp.cpp new file mode 100644 index 0000000000..7e1c8ea503 --- /dev/null +++ b/modules/calib3d/test/test_homography_decomp.cpp @@ -0,0 +1,138 @@ +/*M/////////////////////////////////////////////////////////////////////////////////////// + // + // This is a test file for the function decomposeHomography contributed to OpenCV + // by Samson Yilma. + // + // IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. + // + // By downloading, copying, installing or using the software you agree to this license. + // If you do not agree to this license, do not download, install, + // copy or use the software. + // + // + // License Agreement + // For Open Source Computer Vision Library + // + // Copyright (C) 2014, Samson Yilma¸ (samson_yilma@yahoo.com), all rights reserved. + // + // Third party copyrights are property of their respective owners. + // + // Redistribution and use in source and binary forms, with or without modification, + // are permitted provided that the following conditions are met: + // + // * Redistribution's of source code must retain the above copyright notice, + // this list of conditions and the following disclaimer. + // + // * Redistribution's in binary form must reproduce the above copyright notice, + // this list of conditions and the following disclaimer in the documentation + // and/or other materials provided with the distribution. + // + // * The name of the copyright holders may not be used to endorse or promote products + // derived from this software without specific prior written permission. + // + // This software is provided by the copyright holders and contributors "as is" and + // any express or implied warranties, including, but not limited to, the implied + // warranties of merchantability and fitness for a particular purpose are disclaimed. + // In no event shall the Intel Corporation or contributors be liable for any direct, + // indirect, incidental, special, exemplary, or consequential damages + // (including, but not limited to, procurement of substitute goods or services; + // loss of use, data, or profits; or business interruption) however caused + // and on any theory of liability, whether in contract, strict liability, + // or tort (including negligence or otherwise) arising in any way out of + // the use of this software, even if advised of the possibility of such damage. + // + //M*/ + +#include "test_precomp.hpp" +#include "opencv2/calib3d.hpp" +#include + +using namespace cv; +using namespace std; + +class CV_HomographyDecompTest: public cvtest::BaseTest { + +public: + CV_HomographyDecompTest() + { + buildTestDataSet(); + } + +protected: + void run(int) + { + vector rotations; + vector translations; + vector normals; + + decomposeHomographyMat(_H, _K, rotations, translations, normals); + + //there should be at least 1 solution + ASSERT_GT(static_cast(rotations.size()), 0); + ASSERT_GT(static_cast(translations.size()), 0); + ASSERT_GT(static_cast(normals.size()), 0); + + ASSERT_EQ(rotations.size(), normals.size()); + ASSERT_EQ(translations.size(), normals.size()); + + ASSERT_TRUE(containsValidMotion(rotations, translations, normals)); + + decomposeHomographyMat(_H, _K, rotations, noArray(), noArray()); + ASSERT_GT(static_cast(rotations.size()), 0); + } + +private: + + void buildTestDataSet() + { + _K = Matx33d(640, 0.0, 320, + 0, 640, 240, + 0, 0, 1); + + _H = Matx33d(2.649157564634028, 4.583875997496426, 70.694447785121326, + -1.072756858861583, 3.533262150437228, 1513.656999614321649, + 0.001303887589576, 0.003042206876298, 1.000000000000000 + ); + + //expected solution for the given homography and intrinsic matrices + _R = Matx33d(0.43307983549125, 0.545749113549648, -0.717356090899523, + -0.85630229674426, 0.497582023798831, -0.138414255706431, + 0.281404038139784, 0.67421809131173, 0.682818960388909); + + _t = Vec3d(1.826751712278038, 1.264718492450820, 0.195080809998819); + _n = Vec3d(0.244875830334816, 0.480857890778889, 0.841909446789566); + } + + bool containsValidMotion(std::vector& rotations, + std::vector& translations, + std::vector& normals + ) + { + double max_error = 1.0e-3; + + vector::iterator riter = rotations.begin(); + vector::iterator titer = translations.begin(); + vector::iterator niter = normals.begin(); + + for (; + riter != rotations.end() && titer != translations.end() && niter != normals.end(); + ++riter, ++titer, ++niter) { + + double rdist = norm(*riter, _R, NORM_INF); + double tdist = norm(*titer, _t, NORM_INF); + double ndist = norm(*niter, _n, NORM_INF); + + if ( rdist < max_error + && tdist < max_error + && ndist < max_error ) + return true; + } + + return false; + } + + Matx33d _R, _K, _H; + Vec3d _t, _n; +}; + +TEST(Calib3d_DecomposeHomography, regression) { CV_HomographyDecompTest test; test.safe_run(); } diff --git a/modules/core/CMakeLists.txt b/modules/core/CMakeLists.txt index e5898023f2..5158dec5f4 100644 --- a/modules/core/CMakeLists.txt +++ b/modules/core/CMakeLists.txt @@ -1,6 +1,5 @@ set(the_description "The Core Functionality") ocv_add_module(core PRIVATE_REQUIRED ${ZLIB_LIBRARIES} "${OPENCL_LIBRARIES}" OPTIONAL opencv_cudev) -ocv_module_include_directories(${ZLIB_INCLUDE_DIRS}) if(HAVE_WINRT_CX) set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} /ZW") @@ -19,11 +18,11 @@ file(GLOB lib_cuda_hdrs_detail "include/opencv2/${name}/cuda/detail/*.hpp" "incl source_group("Cuda Headers" FILES ${lib_cuda_hdrs}) source_group("Cuda Headers\\Detail" FILES ${lib_cuda_hdrs_detail}) -ocv_glob_module_sources(SOURCES "${opencv_core_BINARY_DIR}/version_string.inc" +ocv_glob_module_sources(SOURCES "${OPENCV_MODULE_opencv_core_BINARY_DIR}/version_string.inc" HEADERS ${lib_cuda_hdrs} ${lib_cuda_hdrs_detail}) +ocv_module_include_directories(${the_module} ${ZLIB_INCLUDE_DIRS}) ocv_create_module() -ocv_add_precompiled_headers(${the_module}) ocv_add_accuracy_tests() ocv_add_perf_tests() diff --git a/modules/core/doc/basic_structures.rst b/modules/core/doc/basic_structures.rst index a94fa1731e..d08b2d6a6c 100644 --- a/modules/core/doc/basic_structures.rst +++ b/modules/core/doc/basic_structures.rst @@ -845,7 +845,6 @@ For convenience, the following types from the OpenCV C API already have such a s that calls the appropriate release function: * ``CvCapture`` -* :ocv:struct:`CvDTreeSplit` * :ocv:struct:`CvFileStorage` * ``CvHaarClassifierCascade`` * :ocv:struct:`CvMat` @@ -2326,6 +2325,69 @@ Returns the matrix iterator and sets it to the after-last matrix element. The methods return the matrix read-only or read-write iterators, set to the point following the last matrix element. + +Mat::forEach +------------ +Invoke with arguments functor, and runs the functor over all matrix element. + +.. ocv:function:: template void Mat::forEach(Functor operation) + +.. ocv:function:: template void Mat::forEach(Functor operation) const + +The methos runs operation in parallel. Operation is passed by arguments. Operation have to be a function pointer, a function object or a lambda(C++11). + +All of below operation is equal. Put 0xFF to first channel of all matrix elements. :: + + Mat image(1920, 1080, CV_8UC3); + typedef cv::Point3_ Pixel; + + // first. raw pointer access. + for (int r = 0; r < image.rows; ++r) { + Pixel* ptr = image.ptr(0, r); + const Pixel* ptr_end = ptr + image.cols; + for (; ptr != ptr_end; ++ptr) { + ptr->x = 255; + } + } + + + // Using MatIterator. (Simple but there are a Iterator's overhead) + for (Pixel &p : cv::Mat_(image)) { + p.x = 255; + } + + + // Parallel execution with function object. + struct Operator { + void operator ()(Pixel &pixel, const int * position) { + pixel.x = 255; + } + }; + image.forEach(Operator()); + + + // Parallel execution using C++11 lambda. + image.forEach([](Pixel &p, const int * position) -> void { + p.x = 255; + }); + +position parameter is index of current pixel. :: + + // Creating 3D matrix (255 x 255 x 255) typed uint8_t, + // and initialize all elements by the value which equals elements position. + // i.e. pixels (x,y,z) = (1,2,3) is (b,g,r) = (1,2,3). + + int sizes[] = { 255, 255, 255 }; + typedef cv::Point3_ Pixel; + + Mat_ image = Mat::zeros(3, sizes, CV_8UC3); + + image.forEachWithPosition([&](Pixel& pixel, const int position[]) -> void{ + pixel.x = position[0]; + pixel.y = position[1]; + pixel.z = position[2]; + }); + Mat\_ ----- .. ocv:class:: Mat_ diff --git a/modules/core/include/opencv2/core.hpp b/modules/core/include/opencv2/core.hpp index b5249c9f50..773ee82d64 100644 --- a/modules/core/include/opencv2/core.hpp +++ b/modules/core/include/opencv2/core.hpp @@ -690,7 +690,61 @@ public: Mat mean; //!< mean value subtracted before the projection and added after the back projection }; +// Linear Discriminant Analysis +class CV_EXPORTS LDA +{ +public: + // Initializes a LDA with num_components (default 0) and specifies how + // samples are aligned (default dataAsRow=true). + explicit LDA(int num_components = 0); + // Initializes and performs a Discriminant Analysis with Fisher's + // Optimization Criterion on given data in src and corresponding labels + // in labels. If 0 (or less) number of components are given, they are + // automatically determined for given data in computation. + LDA(InputArrayOfArrays src, InputArray labels, int num_components = 0); + + // Serializes this object to a given filename. + void save(const String& filename) const; + + // Deserializes this object from a given filename. + void load(const String& filename); + + // Serializes this object to a given cv::FileStorage. + void save(FileStorage& fs) const; + + // Deserializes this object from a given cv::FileStorage. + void load(const FileStorage& node); + + // Destructor. + ~LDA(); + + //! Compute the discriminants for data in src and labels. + void compute(InputArrayOfArrays src, InputArray labels); + + // Projects samples into the LDA subspace. + Mat project(InputArray src); + + // Reconstructs projections from the LDA subspace. + Mat reconstruct(InputArray src); + + // Returns the eigenvectors of this LDA. + Mat eigenvectors() const { return _eigenvectors; } + + // Returns the eigenvalues of this LDA. + Mat eigenvalues() const { return _eigenvalues; } + + static Mat subspaceProject(InputArray W, InputArray mean, InputArray src); + static Mat subspaceReconstruct(InputArray W, InputArray mean, InputArray src); + +protected: + bool _dataAsRow; + int _num_components; + Mat _eigenvectors; + Mat _eigenvalues; + + void lda(InputArrayOfArrays src, InputArray labels); +}; /*! Singular Value Decomposition class diff --git a/modules/core/include/opencv2/core/cuda.hpp b/modules/core/include/opencv2/core/cuda.hpp index bc6dd31438..fe7c0a8c48 100644 --- a/modules/core/include/opencv2/core/cuda.hpp +++ b/modules/core/include/opencv2/core/cuda.hpp @@ -261,8 +261,8 @@ public: int* refcount; //! helper fields used in locateROI and adjustROI - uchar* datastart; - uchar* dataend; + const uchar* datastart; + const uchar* dataend; //! allocator Allocator* allocator; @@ -349,8 +349,8 @@ public: uchar* data; int* refcount; - uchar* datastart; - uchar* dataend; + const uchar* datastart; + const uchar* dataend; AllocType alloc_type; }; diff --git a/modules/core/include/opencv2/core/mat.hpp b/modules/core/include/opencv2/core/mat.hpp index 945b450303..6e9863a5d2 100644 --- a/modules/core/include/opencv2/core/mat.hpp +++ b/modules/core/include/opencv2/core/mat.hpp @@ -395,7 +395,7 @@ struct CV_EXPORTS UMatData struct CV_EXPORTS UMatDataAutoLock { - UMatDataAutoLock(UMatData* u); + explicit UMatDataAutoLock(UMatData* u); ~UMatDataAutoLock(); UMatData* u; }; @@ -403,7 +403,7 @@ struct CV_EXPORTS UMatDataAutoLock struct CV_EXPORTS MatSize { - MatSize(int* _p); + explicit MatSize(int* _p); Size operator()() const; const int& operator[](int i) const; int& operator[](int i); @@ -417,7 +417,7 @@ struct CV_EXPORTS MatSize struct CV_EXPORTS MatStep { MatStep(); - MatStep(size_t s); + explicit MatStep(size_t s); const size_t& operator[](int i) const; size_t& operator[](int i); operator size_t() const; @@ -900,6 +900,11 @@ public: template MatConstIterator_<_Tp> begin() const; template MatConstIterator_<_Tp> end() const; + //! template methods for for operation over all matrix elements. + // the operations take care of skipping gaps in the end of rows (if any) + template void forEach(const Functor& operation); + template void forEach(const Functor& operation) const; + enum { MAGIC_VAL = 0x42FF0000, AUTO_STEP = 0, CONTINUOUS_FLAG = CV_MAT_CONT_FLAG, SUBMATRIX_FLAG = CV_SUBMAT_FLAG }; enum { MAGIC_MASK = 0xFFFF0000, TYPE_MASK = 0x00000FFF, DEPTH_MASK = 7 }; @@ -918,9 +923,9 @@ public: uchar* data; //! helper fields used in locateROI and adjustROI - uchar* datastart; - uchar* dataend; - uchar* datalimit; + const uchar* datastart; + const uchar* dataend; + const uchar* datalimit; //! custom allocator MatAllocator* allocator; @@ -934,6 +939,7 @@ public: MatStep step; protected: + template void forEach_impl(const Functor& operation); }; @@ -1043,6 +1049,11 @@ public: const_iterator begin() const; const_iterator end() const; + //! template methods for for operation over all matrix elements. + // the operations take care of skipping gaps in the end of rows (if any) + template void forEach(const Functor& operation); + template void forEach(const Functor& operation) const; + //! equivalent to Mat::create(_rows, _cols, DataType<_Tp>::type) void create(int _rows, int _cols); //! equivalent to Mat::create(_size, DataType<_Tp>::type) @@ -1804,9 +1815,9 @@ public: //! copy operator MatConstIterator& operator = (const MatConstIterator& it); //! returns the current matrix element - uchar* operator *() const; + const uchar* operator *() const; //! returns the i-th matrix element, relative to the current - uchar* operator [](ptrdiff_t i) const; + const uchar* operator [](ptrdiff_t i) const; //! shifts the iterator forward by the specified number of elements MatConstIterator& operator += (ptrdiff_t ofs); @@ -1831,9 +1842,9 @@ public: const Mat* m; size_t elemSize; - uchar* ptr; - uchar* sliceStart; - uchar* sliceEnd; + const uchar* ptr; + const uchar* sliceStart; + const uchar* sliceEnd; }; @@ -1917,9 +1928,9 @@ public: //! constructor that sets the iterator to the specified element of the matrix MatIterator_(Mat_<_Tp>* _m, int _row, int _col=0); //! constructor that sets the iterator to the specified element of the matrix - MatIterator_(const Mat_<_Tp>* _m, Point _pt); + MatIterator_(Mat_<_Tp>* _m, Point _pt); //! constructor that sets the iterator to the specified element of the matrix - MatIterator_(const Mat_<_Tp>* _m, const int* _idx); + MatIterator_(Mat_<_Tp>* _m, const int* _idx); //! copy constructor MatIterator_(const MatIterator_& it); //! copy operator diff --git a/modules/core/include/opencv2/core/mat.inl.hpp b/modules/core/include/opencv2/core/mat.inl.hpp index b22c0413c6..5bc67edaa2 100644 --- a/modules/core/include/opencv2/core/mat.inl.hpp +++ b/modules/core/include/opencv2/core/mat.inl.hpp @@ -438,7 +438,7 @@ Mat::Mat(const std::vector<_Tp>& vec, bool copyData) if( !copyData ) { step[0] = step[1] = sizeof(_Tp); - data = datastart = (uchar*)&vec[0]; + datastart = data = (uchar*)&vec[0]; datalimit = dataend = datastart + rows * step[0]; } else @@ -453,7 +453,7 @@ Mat::Mat(const Vec<_Tp, n>& vec, bool copyData) if( !copyData ) { step[0] = step[1] = sizeof(_Tp); - data = datastart = (uchar*)vec.val; + datastart = data = (uchar*)vec.val; datalimit = dataend = datastart + rows * step[0]; } else @@ -470,7 +470,7 @@ Mat::Mat(const Matx<_Tp,m,n>& M, bool copyData) { step[0] = cols * sizeof(_Tp); step[1] = sizeof(_Tp); - data = datastart = (uchar*)M.val; + datastart = data = (uchar*)M.val; datalimit = dataend = datastart + rows * step[0]; } else @@ -485,7 +485,7 @@ Mat::Mat(const Point_<_Tp>& pt, bool copyData) if( !copyData ) { step[0] = step[1] = sizeof(_Tp); - data = datastart = (uchar*)&pt.x; + datastart = data = (uchar*)&pt.x; datalimit = dataend = datastart + rows * step[0]; } else @@ -504,7 +504,7 @@ Mat::Mat(const Point3_<_Tp>& pt, bool copyData) if( !copyData ) { step[0] = step[1] = sizeof(_Tp); - data = datastart = (uchar*)&pt.x; + datastart = data = (uchar*)&pt.x; datalimit = dataend = datastart + rows * step[0]; } else @@ -642,7 +642,7 @@ inline void Mat::release() if( u && CV_XADD(&u->refcount, -1) == 1 ) deallocate(); u = NULL; - data = datastart = dataend = datalimit = 0; + datastart = dataend = datalimit = data = 0; for(int i = 0; i < dims; i++) size.p[i] = 0; } @@ -1000,6 +1000,17 @@ MatIterator_<_Tp> Mat::end() return it; } +template inline +void Mat::forEach(const Functor& operation) { + this->forEach_impl<_Tp>(operation); +}; + +template inline +void Mat::forEach(const Functor& operation) const { + // call as not const + (const_cast(this))->forEach(operation); +}; + template inline Mat::operator std::vector<_Tp>() const { @@ -1045,7 +1056,7 @@ void Mat::push_back(const _Tp& elem) } CV_Assert(DataType<_Tp>::type == type() && cols == 1 /* && dims == 2 (cols == 1 implies dims == 2) */); - uchar* tmp = dataend + step[0]; + const uchar* tmp = dataend + step[0]; if( !isSubmatrix() && isContinuous() && tmp <= datalimit ) { *(_Tp*)(data + (size.p[0]++) * step.p[0]) = elem; @@ -1585,6 +1596,15 @@ MatIterator_<_Tp> Mat_<_Tp>::end() return Mat::end<_Tp>(); } +template template inline +void Mat_<_Tp>::forEach(const Functor& operation) { + Mat::forEach<_Tp, Functor>(operation); +} + +template template inline +void Mat_<_Tp>::forEach(const Functor& operation) const { + Mat::forEach<_Tp, Functor>(operation); +} ///////////////////////////// SparseMat ///////////////////////////// @@ -2149,7 +2169,7 @@ MatConstIterator& MatConstIterator::operator = (const MatConstIterator& it ) } inline -uchar* MatConstIterator::operator *() const +const uchar* MatConstIterator::operator *() const { return ptr; } @@ -2282,7 +2302,7 @@ MatConstIterator operator - (const MatConstIterator& a, ptrdiff_t ofs) inline -uchar* MatConstIterator::operator [](ptrdiff_t i) const +const uchar* MatConstIterator::operator [](ptrdiff_t i) const { return *(*this + i); } @@ -2454,12 +2474,12 @@ MatIterator_<_Tp>::MatIterator_(Mat_<_Tp>* _m, int _row, int _col) {} template inline -MatIterator_<_Tp>::MatIterator_(const Mat_<_Tp>* _m, Point _pt) +MatIterator_<_Tp>::MatIterator_(Mat_<_Tp>* _m, Point _pt) : MatConstIterator_<_Tp>(_m, _pt) {} template inline -MatIterator_<_Tp>::MatIterator_(const Mat_<_Tp>* _m, const int* _idx) +MatIterator_<_Tp>::MatIterator_(Mat_<_Tp>* _m, const int* _idx) : MatConstIterator_<_Tp>(_m, _idx) {} @@ -2593,7 +2613,7 @@ inline SparseMatConstIterator& SparseMatConstIterator::operator = (const SparseM template inline const _Tp& SparseMatConstIterator::value() const { - return *(_Tp*)ptr; + return *(const _Tp*)ptr; } inline diff --git a/modules/core/include/opencv2/core/ocl.hpp b/modules/core/include/opencv2/core/ocl.hpp index 99fa83a98d..5ab0d49b92 100644 --- a/modules/core/include/opencv2/core/ocl.hpp +++ b/modules/core/include/opencv2/core/ocl.hpp @@ -636,6 +636,9 @@ protected: CV_EXPORTS MatAllocator* getOpenCLAllocator(); +CV_EXPORTS_W bool isPerformanceCheckBypassed(); +#define OCL_PERFORMANCE_CHECK(condition) (cv::ocl::isPerformanceCheckBypassed() || (condition)) + }} #endif diff --git a/modules/core/include/opencv2/core/utility.hpp b/modules/core/include/opencv2/core/utility.hpp index 3e844ccf4f..b0552c6474 100644 --- a/modules/core/include/opencv2/core/utility.hpp +++ b/modules/core/include/opencv2/core/utility.hpp @@ -274,6 +274,102 @@ public: CV_EXPORTS void parallel_for_(const Range& range, const ParallelLoopBody& body, double nstripes=-1.); +/////////////////////////////// forEach method of cv::Mat //////////////////////////// +template inline +void Mat::forEach_impl(const Functor& operation) { + if (false) { + operation(*reinterpret_cast<_Tp*>(0), reinterpret_cast(NULL)); + // If your compiler fail in this line. + // Please check that your functor signature is + // (_Tp&, const int*) <- multidimential + // or (_Tp&, void*) <- in case of you don't need current idx. + } + + CV_Assert(this->total() / this->size[this->dims - 1] <= INT_MAX); + const int LINES = static_cast(this->total() / this->size[this->dims - 1]); + + class PixelOperationWrapper :public ParallelLoopBody + { + public: + PixelOperationWrapper(Mat_<_Tp>* const frame, const Functor& _operation) + : mat(frame), op(_operation) {}; + virtual ~PixelOperationWrapper(){}; + // ! Overloaded virtual operator + // convert range call to row call. + virtual void operator()(const Range &range) const { + const int DIMS = mat->dims; + const int COLS = mat->size[DIMS - 1]; + if (DIMS <= 2) { + for (int row = range.start; row < range.end; ++row) { + this->rowCall2(row, COLS); + } + } else { + std::vector idx(COLS); /// idx is modified in this->rowCall + idx[DIMS - 2] = range.start - 1; + + for (int line_num = range.start; line_num < range.end; ++line_num) { + idx[DIMS - 2]++; + for (int i = DIMS - 2; i >= 0; --i) { + if (idx[i] >= mat->size[i]) { + idx[i - 1] += idx[i] / mat->size[i]; + idx[i] %= mat->size[i]; + continue; // carry-over; + } + else { + break; + } + } + this->rowCall(&idx[0], COLS, DIMS); + } + } + }; + private: + Mat_<_Tp>* const mat; + const Functor op; + // ! Call operator for each elements in this row. + inline void rowCall(int* const idx, const int COLS, const int DIMS) const { + int &col = idx[DIMS - 1]; + col = 0; + _Tp* pixel = &(mat->template at<_Tp>(idx)); + + while (col < COLS) { + op(*pixel, const_cast(idx)); + pixel++; col++; + } + col = 0; + } + // ! Call operator for each elements in this row. 2d mat special version. + inline void rowCall2(const int row, const int COLS) const { + union Index{ + int body[2]; + operator const int*() const { + return reinterpret_cast(this); + } + int& operator[](const int i) { + return body[i]; + } + } idx = {{row, 0}}; + // Special union is needed to avoid + // "error: array subscript is above array bounds [-Werror=array-bounds]" + // when call the functor `op` such that access idx[3]. + + _Tp* pixel = &(mat->template at<_Tp>(idx)); + const _Tp* const pixel_end = pixel + COLS; + while(pixel < pixel_end) { + op(*pixel++, static_cast(idx)); + idx[1]++; + } + }; + PixelOperationWrapper& operator=(const PixelOperationWrapper &) { + CV_Assert(false); + // We can not remove this implementation because Visual Studio warning C4822. + return *this; + }; + }; + + parallel_for_(cv::Range(0, LINES), PixelOperationWrapper(reinterpret_cast*>(this), operation)); +}; + /////////////////////////// Synchronization Primitives /////////////////////////////// class CV_EXPORTS Mutex diff --git a/modules/core/perf/opencl/perf_arithm.cpp b/modules/core/perf/opencl/perf_arithm.cpp index 17badca765..9cb5ac9821 100644 --- a/modules/core/perf/opencl/perf_arithm.cpp +++ b/modules/core/perf/opencl/perf_arithm.cpp @@ -39,7 +39,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/core/perf/opencl/perf_bufferpool.cpp b/modules/core/perf/opencl/perf_bufferpool.cpp index 2e01db4045..3d241a6a56 100644 --- a/modules/core/perf/opencl/perf_bufferpool.cpp +++ b/modules/core/perf/opencl/perf_bufferpool.cpp @@ -4,7 +4,7 @@ // // Copyright (C) 2014, Advanced Micro Devices, Inc., all rights reserved. -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/core/perf/opencl/perf_channels.cpp b/modules/core/perf/opencl/perf_channels.cpp index 1dbad51a06..62d6b822b7 100644 --- a/modules/core/perf/opencl/perf_channels.cpp +++ b/modules/core/perf/opencl/perf_channels.cpp @@ -44,7 +44,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/core/perf/opencl/perf_dxt.cpp b/modules/core/perf/opencl/perf_dxt.cpp index c0e41485e4..8a45a8c1ab 100644 --- a/modules/core/perf/opencl/perf_dxt.cpp +++ b/modules/core/perf/opencl/perf_dxt.cpp @@ -44,7 +44,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/core/perf/opencl/perf_gemm.cpp b/modules/core/perf/opencl/perf_gemm.cpp index 700f380492..205062dacb 100644 --- a/modules/core/perf/opencl/perf_gemm.cpp +++ b/modules/core/perf/opencl/perf_gemm.cpp @@ -44,7 +44,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/core/perf/opencl/perf_matop.cpp b/modules/core/perf/opencl/perf_matop.cpp index 67d382239c..0fd5d437c4 100644 --- a/modules/core/perf/opencl/perf_matop.cpp +++ b/modules/core/perf/opencl/perf_matop.cpp @@ -5,7 +5,7 @@ // Copyright (C) 2014, Advanced Micro Devices, Inc., all rights reserved. // Third party copyrights are property of their respective owners. -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/core/perf/opencl/perf_usage_flags.cpp b/modules/core/perf/opencl/perf_usage_flags.cpp index 3f59fec8be..b140e3a046 100644 --- a/modules/core/perf/opencl/perf_usage_flags.cpp +++ b/modules/core/perf/opencl/perf_usage_flags.cpp @@ -4,7 +4,7 @@ // // Copyright (C) 2014, Advanced Micro Devices, Inc., all rights reserved. -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/core/src/arithm.cpp b/modules/core/src/arithm.cpp index 7ac3672cf7..2a177cbd8f 100644 --- a/modules/core/src/arithm.cpp +++ b/modules/core/src/arithm.cpp @@ -47,7 +47,7 @@ // */ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_core.hpp" namespace cv { @@ -1607,7 +1607,7 @@ static void arithm_op(InputArray _src1, InputArray _src2, OutputArray _dst, Size sz1 = dims1 <= 2 ? psrc1->size() : Size(); Size sz2 = dims2 <= 2 ? psrc2->size() : Size(); #ifdef HAVE_OPENCL - bool use_opencl = _dst.isUMat() && dims1 <= 2 && dims2 <= 2; + bool use_opencl = OCL_PERFORMANCE_CHECK(_dst.isUMat()) && dims1 <= 2 && dims2 <= 2; #endif bool src1Scalar = checkScalar(*psrc1, type2, kind1, kind2); bool src2Scalar = checkScalar(*psrc2, type1, kind2, kind1); @@ -2440,6 +2440,34 @@ addWeighted8u( const uchar* src1, size_t step1, _mm_storel_epi64((__m128i*)(dst + x), u); } } +#elif CV_NEON + float32x4_t g = vdupq_n_f32 (gamma); + + for( ; x <= size.width - 8; x += 8 ) + { + uint8x8_t in1 = vld1_u8(src1+x); + uint16x8_t in1_16 = vmovl_u8(in1); + float32x4_t in1_f_l = vcvtq_f32_u32(vmovl_u16(vget_low_u16(in1_16))); + float32x4_t in1_f_h = vcvtq_f32_u32(vmovl_u16(vget_high_u16(in1_16))); + + uint8x8_t in2 = vld1_u8(src2+x); + uint16x8_t in2_16 = vmovl_u8(in2); + float32x4_t in2_f_l = vcvtq_f32_u32(vmovl_u16(vget_low_u16(in2_16))); + float32x4_t in2_f_h = vcvtq_f32_u32(vmovl_u16(vget_high_u16(in2_16))); + + float32x4_t out_f_l = vaddq_f32(vmulq_n_f32(in1_f_l, alpha), vmulq_n_f32(in2_f_l, beta)); + float32x4_t out_f_h = vaddq_f32(vmulq_n_f32(in1_f_h, alpha), vmulq_n_f32(in2_f_h, beta)); + out_f_l = vaddq_f32(out_f_l, g); + out_f_h = vaddq_f32(out_f_h, g); + + uint16x4_t out_16_l = vqmovun_s32(vcvtq_s32_f32(out_f_l)); + uint16x4_t out_16_h = vqmovun_s32(vcvtq_s32_f32(out_f_h)); + + uint16x8_t out_16 = vcombine_u16(out_16_l, out_16_h); + uint8x8_t out = vqmovn_u16(out_16); + + vst1_u8(dst+x, out); + } #endif #if CV_ENABLE_UNROLLED for( ; x <= size.width - 4; x += 4 ) @@ -2650,6 +2678,14 @@ static void cmp8u(const uchar* src1, size_t step1, const uchar* src2, size_t ste } } + #elif CV_NEON + uint8x16_t mask = code == CMP_GT ? vdupq_n_u8(0) : vdupq_n_u8(255); + + for( ; x <= size.width - 16; x += 16 ) + { + vst1q_u8(dst+x, veorq_u8(vcgtq_u8(vld1q_u8(src1+x), vld1q_u8(src2+x)), mask)); + } + #endif for( ; x < size.width; x++ ){ @@ -2674,6 +2710,13 @@ static void cmp8u(const uchar* src1, size_t step1, const uchar* src2, size_t ste _mm_storeu_si128((__m128i*)(dst + x), r00); } } + #elif CV_NEON + uint8x16_t mask = code == CMP_EQ ? vdupq_n_u8(0) : vdupq_n_u8(255); + + for( ; x <= size.width - 16; x += 16 ) + { + vst1q_u8(dst+x, veorq_u8(vceqq_u8(vld1q_u8(src1+x), vld1q_u8(src2+x)), mask)); + } #endif for( ; x < size.width; x++ ) dst[x] = (uchar)(-(src1[x] == src2[x]) ^ m); @@ -2759,6 +2802,22 @@ static void cmp16s(const short* src1, size_t step1, const short* src2, size_t st x += 8; } } + #elif CV_NEON + uint8x16_t mask = code == CMP_GT ? vdupq_n_u8(0) : vdupq_n_u8(255); + + for( ; x <= size.width - 16; x += 16 ) + { + int16x8_t in1 = vld1q_s16(src1 + x); + int16x8_t in2 = vld1q_s16(src2 + x); + uint8x8_t t1 = vmovn_u16(vcgtq_s16(in1, in2)); + + in1 = vld1q_s16(src1 + x + 8); + in2 = vld1q_s16(src2 + x + 8); + uint8x8_t t2 = vmovn_u16(vcgtq_s16(in1, in2)); + + vst1q_u8(dst+x, veorq_u8(vcombine_u8(t1, t2), mask)); + } + #endif for( ; x < size.width; x++ ){ @@ -2797,6 +2856,21 @@ static void cmp16s(const short* src1, size_t step1, const short* src2, size_t st x += 8; } } + #elif CV_NEON + uint8x16_t mask = code == CMP_EQ ? vdupq_n_u8(0) : vdupq_n_u8(255); + + for( ; x <= size.width - 16; x += 16 ) + { + int16x8_t in1 = vld1q_s16(src1 + x); + int16x8_t in2 = vld1q_s16(src2 + x); + uint8x8_t t1 = vmovn_u16(vceqq_s16(in1, in2)); + + in1 = vld1q_s16(src1 + x + 8); + in2 = vld1q_s16(src2 + x + 8); + uint8x8_t t2 = vmovn_u16(vceqq_s16(in1, in2)); + + vst1q_u8(dst+x, veorq_u8(vcombine_u8(t1, t2), mask)); + } #endif for( ; x < size.width; x++ ) dst[x] = (uchar)(-(src1[x] == src2[x]) ^ m); @@ -2982,7 +3056,7 @@ void cv::compare(InputArray _src1, InputArray _src2, OutputArray _dst, int op) haveScalar = true; } - CV_OCL_RUN(_src1.dims() <= 2 && _src2.dims() <= 2 && _dst.isUMat(), + CV_OCL_RUN(_src1.dims() <= 2 && _src2.dims() <= 2 && OCL_PERFORMANCE_CHECK(_dst.isUMat()), ocl_compare(_src1, _src2, _dst, op, haveScalar)) int kind1 = _src1.kind(), kind2 = _src2.kind(); @@ -3085,7 +3159,7 @@ namespace cv { template -struct InRange_SSE +struct InRange_SIMD { int operator () (const T *, const T *, const T *, uchar *, int) const { @@ -3096,7 +3170,7 @@ struct InRange_SSE #if CV_SSE2 template <> -struct InRange_SSE +struct InRange_SIMD { int operator () (const uchar * src1, const uchar * src2, const uchar * src3, uchar * dst, int len) const @@ -3121,7 +3195,7 @@ struct InRange_SSE }; template <> -struct InRange_SSE +struct InRange_SIMD { int operator () (const schar * src1, const schar * src2, const schar * src3, uchar * dst, int len) const @@ -3146,7 +3220,7 @@ struct InRange_SSE }; template <> -struct InRange_SSE +struct InRange_SIMD { int operator () (const ushort * src1, const ushort * src2, const ushort * src3, uchar * dst, int len) const @@ -3172,7 +3246,7 @@ struct InRange_SSE }; template <> -struct InRange_SSE +struct InRange_SIMD { int operator () (const short * src1, const short * src2, const short * src3, uchar * dst, int len) const @@ -3198,7 +3272,7 @@ struct InRange_SSE }; template <> -struct InRange_SSE +struct InRange_SIMD { int operator () (const int * src1, const int * src2, const int * src3, uchar * dst, int len) const @@ -3230,7 +3304,7 @@ struct InRange_SSE }; template <> -struct InRange_SSE +struct InRange_SIMD { int operator () (const float * src1, const float * src2, const float * src3, uchar * dst, int len) const @@ -3261,6 +3335,160 @@ struct InRange_SSE } }; +#elif CV_NEON + +template <> +struct InRange_SIMD +{ + int operator () (const uchar * src1, const uchar * src2, const uchar * src3, + uchar * dst, int len) const + { + int x = 0; + + for ( ; x <= len - 16; x += 16 ) + { + uint8x16_t values = vld1q_u8(src1 + x); + uint8x16_t low = vld1q_u8(src2 + x); + uint8x16_t high = vld1q_u8(src3 + x); + + vst1q_u8(dst + x, vandq_u8(vcgeq_u8(values, low), vcgeq_u8(high, values))); + } + return x; + } +}; + +template <> +struct InRange_SIMD +{ + int operator () (const schar * src1, const schar * src2, const schar * src3, + uchar * dst, int len) const + { + int x = 0; + + for ( ; x <= len - 16; x += 16 ) + { + int8x16_t values = vld1q_s8(src1 + x); + int8x16_t low = vld1q_s8(src2 + x); + int8x16_t high = vld1q_s8(src3 + x); + + vst1q_u8(dst + x, vandq_u8(vcgeq_s8(values, low), vcgeq_s8(high, values))); + } + return x; + } +}; + +template <> +struct InRange_SIMD +{ + int operator () (const ushort * src1, const ushort * src2, const ushort * src3, + uchar * dst, int len) const + { + int x = 0; + + for ( ; x <= len - 16; x += 16 ) + { + uint16x8_t values = vld1q_u16((const uint16_t*)(src1 + x)); + uint16x8_t low = vld1q_u16((const uint16_t*)(src2 + x)); + uint16x8_t high = vld1q_u16((const uint16_t*)(src3 + x)); + uint8x8_t r1 = vmovn_u16(vandq_u16(vcgeq_u16(values, low), vcgeq_u16(high, values))); + + values = vld1q_u16((const uint16_t*)(src1 + x + 8)); + low = vld1q_u16((const uint16_t*)(src2 + x + 8)); + high = vld1q_u16((const uint16_t*)(src3 + x + 8)); + uint8x8_t r2 = vmovn_u16(vandq_u16(vcgeq_u16(values, low), vcgeq_u16(high, values))); + + vst1q_u8(dst + x, vcombine_u8(r1, r2)); + } + return x; + } +}; + +template <> +struct InRange_SIMD +{ + int operator () (const short * src1, const short * src2, const short * src3, + uchar * dst, int len) const + { + int x = 0; + + for ( ; x <= len - 16; x += 16 ) + { + int16x8_t values = vld1q_s16((const int16_t*)(src1 + x)); + int16x8_t low = vld1q_s16((const int16_t*)(src2 + x)); + int16x8_t high = vld1q_s16((const int16_t*)(src3 + x)); + uint8x8_t r1 = vmovn_u16(vandq_u16(vcgeq_s16(values, low), vcgeq_s16(high, values))); + + values = vld1q_s16((const int16_t*)(src1 + x + 8)); + low = vld1q_s16((const int16_t*)(src2 + x + 8)); + high = vld1q_s16((const int16_t*)(src3 + x + 8)); + uint8x8_t r2 = vmovn_u16(vandq_u16(vcgeq_s16(values, low), vcgeq_s16(high, values))); + + vst1q_u8(dst + x, vcombine_u8(r1, r2)); + } + return x; + } +}; + +template <> +struct InRange_SIMD +{ + int operator () (const int * src1, const int * src2, const int * src3, + uchar * dst, int len) const + { + int x = 0; + + for ( ; x <= len - 8; x += 8 ) + { + int32x4_t values = vld1q_s32((const int32_t*)(src1 + x)); + int32x4_t low = vld1q_s32((const int32_t*)(src2 + x)); + int32x4_t high = vld1q_s32((const int32_t*)(src3 + x)); + + uint16x4_t r1 = vmovn_u32(vandq_u32(vcgeq_s32(values, low), vcgeq_s32(high, values))); + + values = vld1q_s32((const int32_t*)(src1 + x + 4)); + low = vld1q_s32((const int32_t*)(src2 + x + 4)); + high = vld1q_s32((const int32_t*)(src3 + x + 4)); + + uint16x4_t r2 = vmovn_u32(vandq_u32(vcgeq_s32(values, low), vcgeq_s32(high, values))); + + uint16x8_t res_16 = vcombine_u16(r1, r2); + + vst1_u8(dst + x, vmovn_u16(res_16)); + } + return x; + } +}; + +template <> +struct InRange_SIMD +{ + int operator () (const float * src1, const float * src2, const float * src3, + uchar * dst, int len) const + { + int x = 0; + + for ( ; x <= len - 8; x += 8 ) + { + float32x4_t values = vld1q_f32((const float32_t*)(src1 + x)); + float32x4_t low = vld1q_f32((const float32_t*)(src2 + x)); + float32x4_t high = vld1q_f32((const float32_t*)(src3 + x)); + + uint16x4_t r1 = vmovn_u32(vandq_u32(vcgeq_f32(values, low), vcgeq_f32(high, values))); + + values = vld1q_f32((const float32_t*)(src1 + x + 4)); + low = vld1q_f32((const float32_t*)(src2 + x + 4)); + high = vld1q_f32((const float32_t*)(src3 + x + 4)); + + uint16x4_t r2 = vmovn_u32(vandq_u32(vcgeq_f32(values, low), vcgeq_f32(high, values))); + + uint16x8_t res_16 = vcombine_u16(r1, r2); + + vst1_u8(dst + x, vmovn_u16(res_16)); + } + return x; + } +}; + #endif template @@ -3272,7 +3500,7 @@ static void inRange_(const T* src1, size_t step1, const T* src2, size_t step2, step2 /= sizeof(src2[0]); step3 /= sizeof(src3[0]); - InRange_SSE vop; + InRange_SIMD vop; for( ; size.height--; src1 += step1, src2 += step2, src3 += step3, dst += step ) { @@ -3500,7 +3728,7 @@ void cv::inRange(InputArray _src, InputArray _lowerb, InputArray _upperb, OutputArray _dst) { CV_OCL_RUN(_src.dims() <= 2 && _lowerb.dims() <= 2 && - _upperb.dims() <= 2 && _dst.isUMat(), + _upperb.dims() <= 2 && OCL_PERFORMANCE_CHECK(_dst.isUMat()), ocl_inRange(_src, _lowerb, _upperb, _dst)) int skind = _src.kind(), lkind = _lowerb.kind(), ukind = _upperb.kind(); diff --git a/modules/core/src/convert.cpp b/modules/core/src/convert.cpp index d6abaa4adb..fc29b2e1f9 100644 --- a/modules/core/src/convert.cpp +++ b/modules/core/src/convert.cpp @@ -41,7 +41,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_core.hpp" namespace cv { @@ -50,6 +50,71 @@ namespace cv * split & merge * \****************************************************************************************/ +#if CV_NEON +template struct VSplit2; +template struct VSplit3; +template struct VSplit4; + +#define SPLIT2_KERNEL_TEMPLATE(name, data_type, reg_type, load_func, store_func) \ + template<> \ + struct name{ \ + void operator()(const data_type* src, data_type* dst0, data_type* dst1){ \ + reg_type r = load_func(src); \ + store_func(dst0, r.val[0]); \ + store_func(dst1, r.val[1]); \ + } \ + } + +#define SPLIT3_KERNEL_TEMPLATE(name, data_type, reg_type, load_func, store_func) \ + template<> \ + struct name{ \ + void operator()(const data_type* src, data_type* dst0, data_type* dst1, \ + data_type* dst2){ \ + reg_type r = load_func(src); \ + store_func(dst0, r.val[0]); \ + store_func(dst1, r.val[1]); \ + store_func(dst2, r.val[2]); \ + } \ + } + +#define SPLIT4_KERNEL_TEMPLATE(name, data_type, reg_type, load_func, store_func) \ + template<> \ + struct name{ \ + void operator()(const data_type* src, data_type* dst0, data_type* dst1, \ + data_type* dst2, data_type* dst3){ \ + reg_type r = load_func(src); \ + store_func(dst0, r.val[0]); \ + store_func(dst1, r.val[1]); \ + store_func(dst2, r.val[2]); \ + store_func(dst3, r.val[3]); \ + } \ + } + +SPLIT2_KERNEL_TEMPLATE(VSplit2, uchar , uint8x16x2_t, vld2q_u8 , vst1q_u8 ); +SPLIT2_KERNEL_TEMPLATE(VSplit2, schar , int8x16x2_t, vld2q_s8 , vst1q_s8 ); +SPLIT2_KERNEL_TEMPLATE(VSplit2, ushort, uint16x8x2_t, vld2q_u16, vst1q_u16); +SPLIT2_KERNEL_TEMPLATE(VSplit2, short , int16x8x2_t, vld2q_s16, vst1q_s16); +SPLIT2_KERNEL_TEMPLATE(VSplit2, int , int32x4x2_t, vld2q_s32, vst1q_s32); +SPLIT2_KERNEL_TEMPLATE(VSplit2, float , float32x4x2_t, vld2q_f32, vst1q_f32); +SPLIT2_KERNEL_TEMPLATE(VSplit2, int64 , int64x1x2_t, vld2_s64 , vst1_s64 ); + +SPLIT3_KERNEL_TEMPLATE(VSplit3, uchar , uint8x16x3_t, vld3q_u8 , vst1q_u8 ); +SPLIT3_KERNEL_TEMPLATE(VSplit3, schar , int8x16x3_t, vld3q_s8 , vst1q_s8 ); +SPLIT3_KERNEL_TEMPLATE(VSplit3, ushort, uint16x8x3_t, vld3q_u16, vst1q_u16); +SPLIT3_KERNEL_TEMPLATE(VSplit3, short , int16x8x3_t, vld3q_s16, vst1q_s16); +SPLIT3_KERNEL_TEMPLATE(VSplit3, int , int32x4x3_t, vld3q_s32, vst1q_s32); +SPLIT3_KERNEL_TEMPLATE(VSplit3, float , float32x4x3_t, vld3q_f32, vst1q_f32); +SPLIT3_KERNEL_TEMPLATE(VSplit3, int64 , int64x1x3_t, vld3_s64 , vst1_s64 ); + +SPLIT4_KERNEL_TEMPLATE(VSplit4, uchar , uint8x16x4_t, vld4q_u8 , vst1q_u8 ); +SPLIT4_KERNEL_TEMPLATE(VSplit4, schar , int8x16x4_t, vld4q_s8 , vst1q_s8 ); +SPLIT4_KERNEL_TEMPLATE(VSplit4, ushort, uint16x8x4_t, vld4q_u16, vst1q_u16); +SPLIT4_KERNEL_TEMPLATE(VSplit4, short , int16x8x4_t, vld4q_s16, vst1q_s16); +SPLIT4_KERNEL_TEMPLATE(VSplit4, int , int32x4x4_t, vld4q_s32, vst1q_s32); +SPLIT4_KERNEL_TEMPLATE(VSplit4, float , float32x4x4_t, vld4q_f32, vst1q_f32); +SPLIT4_KERNEL_TEMPLATE(VSplit4, int64 , int64x1x4_t, vld4_s64 , vst1_s64 ); +#endif + template static void split_( const T* src, T** dst, int len, int cn ) { @@ -58,13 +123,34 @@ split_( const T* src, T** dst, int len, int cn ) if( k == 1 ) { T* dst0 = dst[0]; - for( i = j = 0; i < len; i++, j += cn ) - dst0[i] = src[j]; + + if(cn == 1) + { + memcpy(dst0, src, len * sizeof(T)); + } + else + { + for( i = 0, j = 0 ; i < len; i++, j += cn ) + dst0[i] = src[j]; + } } else if( k == 2 ) { T *dst0 = dst[0], *dst1 = dst[1]; - for( i = j = 0; i < len; i++, j += cn ) + i = j = 0; + +#if CV_NEON + if(cn == 2) + { + int inc_i = (sizeof(T) == 8)? 1: 16/sizeof(T); + int inc_j = 2 * inc_i; + + VSplit2 vsplit; + for( ; i < len - inc_i; i += inc_i, j += inc_j) + vsplit(src + j, dst0 + i, dst1 + i); + } +#endif + for( ; i < len; i++, j += cn ) { dst0[i] = src[j]; dst1[i] = src[j+1]; @@ -73,7 +159,20 @@ split_( const T* src, T** dst, int len, int cn ) else if( k == 3 ) { T *dst0 = dst[0], *dst1 = dst[1], *dst2 = dst[2]; - for( i = j = 0; i < len; i++, j += cn ) + i = j = 0; + +#if CV_NEON + if(cn == 3) + { + int inc_i = (sizeof(T) == 8)? 1: 16/sizeof(T); + int inc_j = 3 * inc_i; + + VSplit3 vsplit; + for( ; i < len - inc_i; i += inc_i, j += inc_j) + vsplit(src + j, dst0 + i, dst1 + i, dst2 + i); + } +#endif + for( ; i < len; i++, j += cn ) { dst0[i] = src[j]; dst1[i] = src[j+1]; @@ -83,7 +182,20 @@ split_( const T* src, T** dst, int len, int cn ) else { T *dst0 = dst[0], *dst1 = dst[1], *dst2 = dst[2], *dst3 = dst[3]; - for( i = j = 0; i < len; i++, j += cn ) + i = j = 0; + +#if CV_NEON + if(cn == 4) + { + int inc_i = (sizeof(T) == 8)? 1: 16/sizeof(T); + int inc_j = 4 * inc_i; + + VSplit4 vsplit; + for( ; i < len - inc_i; i += inc_i, j += inc_j) + vsplit(src + j, dst0 + i, dst1 + i, dst2 + i, dst3 + i); + } +#endif + for( ; i < len; i++, j += cn ) { dst0[i] = src[j]; dst1[i] = src[j+1]; dst2[i] = src[j+2]; dst3[i] = src[j+3]; @@ -101,6 +213,77 @@ split_( const T* src, T** dst, int len, int cn ) } } + +#if CV_NEON +template struct VMerge2; +template struct VMerge3; +template struct VMerge4; + +#define MERGE2_KERNEL_TEMPLATE(name, data_type, reg_type, load_func, store_func) \ + template<> \ + struct name{ \ + void operator()(const data_type* src0, const data_type* src1, \ + data_type* dst){ \ + reg_type r; \ + r.val[0] = load_func(src0); \ + r.val[1] = load_func(src1); \ + store_func(dst, r); \ + } \ + } + +#define MERGE3_KERNEL_TEMPLATE(name, data_type, reg_type, load_func, store_func) \ + template<> \ + struct name{ \ + void operator()(const data_type* src0, const data_type* src1, \ + const data_type* src2, data_type* dst){ \ + reg_type r; \ + r.val[0] = load_func(src0); \ + r.val[1] = load_func(src1); \ + r.val[2] = load_func(src2); \ + store_func(dst, r); \ + } \ + } + +#define MERGE4_KERNEL_TEMPLATE(name, data_type, reg_type, load_func, store_func) \ + template<> \ + struct name{ \ + void operator()(const data_type* src0, const data_type* src1, \ + const data_type* src2, const data_type* src3, \ + data_type* dst){ \ + reg_type r; \ + r.val[0] = load_func(src0); \ + r.val[1] = load_func(src1); \ + r.val[2] = load_func(src2); \ + r.val[3] = load_func(src3); \ + store_func(dst, r); \ + } \ + } + +MERGE2_KERNEL_TEMPLATE(VMerge2, uchar , uint8x16x2_t, vld1q_u8 , vst2q_u8 ); +MERGE2_KERNEL_TEMPLATE(VMerge2, schar , int8x16x2_t, vld1q_s8 , vst2q_s8 ); +MERGE2_KERNEL_TEMPLATE(VMerge2, ushort, uint16x8x2_t, vld1q_u16, vst2q_u16); +MERGE2_KERNEL_TEMPLATE(VMerge2, short , int16x8x2_t, vld1q_s16, vst2q_s16); +MERGE2_KERNEL_TEMPLATE(VMerge2, int , int32x4x2_t, vld1q_s32, vst2q_s32); +MERGE2_KERNEL_TEMPLATE(VMerge2, float , float32x4x2_t, vld1q_f32, vst2q_f32); +MERGE2_KERNEL_TEMPLATE(VMerge2, int64 , int64x1x2_t, vld1_s64 , vst2_s64 ); + +MERGE3_KERNEL_TEMPLATE(VMerge3, uchar , uint8x16x3_t, vld1q_u8 , vst3q_u8 ); +MERGE3_KERNEL_TEMPLATE(VMerge3, schar , int8x16x3_t, vld1q_s8 , vst3q_s8 ); +MERGE3_KERNEL_TEMPLATE(VMerge3, ushort, uint16x8x3_t, vld1q_u16, vst3q_u16); +MERGE3_KERNEL_TEMPLATE(VMerge3, short , int16x8x3_t, vld1q_s16, vst3q_s16); +MERGE3_KERNEL_TEMPLATE(VMerge3, int , int32x4x3_t, vld1q_s32, vst3q_s32); +MERGE3_KERNEL_TEMPLATE(VMerge3, float , float32x4x3_t, vld1q_f32, vst3q_f32); +MERGE3_KERNEL_TEMPLATE(VMerge3, int64 , int64x1x3_t, vld1_s64 , vst3_s64 ); + +MERGE4_KERNEL_TEMPLATE(VMerge4, uchar , uint8x16x4_t, vld1q_u8 , vst4q_u8 ); +MERGE4_KERNEL_TEMPLATE(VMerge4, schar , int8x16x4_t, vld1q_s8 , vst4q_s8 ); +MERGE4_KERNEL_TEMPLATE(VMerge4, ushort, uint16x8x4_t, vld1q_u16, vst4q_u16); +MERGE4_KERNEL_TEMPLATE(VMerge4, short , int16x8x4_t, vld1q_s16, vst4q_s16); +MERGE4_KERNEL_TEMPLATE(VMerge4, int , int32x4x4_t, vld1q_s32, vst4q_s32); +MERGE4_KERNEL_TEMPLATE(VMerge4, float , float32x4x4_t, vld1q_f32, vst4q_f32); +MERGE4_KERNEL_TEMPLATE(VMerge4, int64 , int64x1x4_t, vld1_s64 , vst4_s64 ); +#endif + template static void merge_( const T** src, T* dst, int len, int cn ) { @@ -115,7 +298,19 @@ merge_( const T** src, T* dst, int len, int cn ) else if( k == 2 ) { const T *src0 = src[0], *src1 = src[1]; - for( i = j = 0; i < len; i++, j += cn ) + i = j = 0; +#if CV_NEON + if(cn == 2) + { + int inc_i = (sizeof(T) == 8)? 1: 16/sizeof(T); + int inc_j = 2 * inc_i; + + VMerge2 vmerge; + for( ; i < len - inc_i; i += inc_i, j += inc_j) + vmerge(src0 + i, src1 + i, dst + j); + } +#endif + for( ; i < len; i++, j += cn ) { dst[j] = src0[i]; dst[j+1] = src1[i]; @@ -124,7 +319,19 @@ merge_( const T** src, T* dst, int len, int cn ) else if( k == 3 ) { const T *src0 = src[0], *src1 = src[1], *src2 = src[2]; - for( i = j = 0; i < len; i++, j += cn ) + i = j = 0; +#if CV_NEON + if(cn == 3) + { + int inc_i = (sizeof(T) == 8)? 1: 16/sizeof(T); + int inc_j = 3 * inc_i; + + VMerge3 vmerge; + for( ; i < len - inc_i; i += inc_i, j += inc_j) + vmerge(src0 + i, src1 + i, src2 + i, dst + j); + } +#endif + for( ; i < len; i++, j += cn ) { dst[j] = src0[i]; dst[j+1] = src1[i]; @@ -134,7 +341,19 @@ merge_( const T** src, T* dst, int len, int cn ) else { const T *src0 = src[0], *src1 = src[1], *src2 = src[2], *src3 = src[3]; - for( i = j = 0; i < len; i++, j += cn ) + i = j = 0; +#if CV_NEON + if(cn == 4) + { + int inc_i = (sizeof(T) == 8)? 1: 16/sizeof(T); + int inc_j = 4 * inc_i; + + VMerge4 vmerge; + for( ; i < len - inc_i; i += inc_i, j += inc_j) + vmerge(src0 + i, src1 + i, src2 + i, src3 + i, dst + j); + } +#endif + for( ; i < len; i++, j += cn ) { dst[j] = src0[i]; dst[j+1] = src1[i]; dst[j+2] = src2[i]; dst[j+3] = src3[i]; diff --git a/modules/core/src/copy.cpp b/modules/core/src/copy.cpp index 8bd2f457d9..2bd6ebb9d2 100644 --- a/modules/core/src/copy.cpp +++ b/modules/core/src/copy.cpp @@ -46,7 +46,7 @@ // */ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_core.hpp" namespace cv { diff --git a/modules/core/src/dxt.cpp b/modules/core/src/dxt.cpp index bbe0f74001..ed96a0b80c 100644 --- a/modules/core/src/dxt.cpp +++ b/modules/core/src/dxt.cpp @@ -42,7 +42,7 @@ #include "precomp.hpp" #include "opencv2/core/opencl/runtime/opencl_clamdfft.hpp" #include "opencv2/core/opencl/runtime/opencl_core.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_core.hpp" #include namespace cv @@ -1801,11 +1801,11 @@ private: UMat twiddles; String buildOptions; int thread_count; - bool status; int dft_size; + bool status; public: - OCL_FftPlan(int _size): dft_size(_size), status(true) + OCL_FftPlan(int _size) : dft_size(_size), status(true) { int min_radix; std::vector radixes, blocks; @@ -2635,8 +2635,8 @@ void cv::dft( InputArray _src0, OutputArray _dst, int flags, int nonzero_rows ) for( i = 0; i < nonzero_rows; i++ ) { - uchar* sptr = src.data + i*src.step; - uchar* dptr0 = dst.data + i*dst.step; + const uchar* sptr = src.ptr(i); + uchar* dptr0 = dst.ptr(i); uchar* dptr = dptr0; if( tmp_buf ) @@ -2649,7 +2649,7 @@ void cv::dft( InputArray _src0, OutputArray _dst, int flags, int nonzero_rows ) for( ; i < count; i++ ) { - uchar* dptr0 = dst.data + i*dst.step; + uchar* dptr0 = dst.ptr(i); memset( dptr0, 0, dst_full_len ); } @@ -2661,7 +2661,7 @@ void cv::dft( InputArray _src0, OutputArray _dst, int flags, int nonzero_rows ) { int a = 0, b = count; uchar *buf0, *buf1, *dbuf0, *dbuf1; - uchar* sptr0 = src.data; + const uchar* sptr0 = src.data; uchar* dptr0 = dst.data; buf0 = ptr; ptr += len*complex_elem_size; @@ -2800,7 +2800,7 @@ void cv::dft( InputArray _src0, OutputArray _dst, int flags, int nonzero_rows ) int n = dst.cols; if( elem_size == (int)sizeof(float) ) { - float* p0 = (float*)dst.data; + float* p0 = dst.ptr(); size_t dstep = dst.step/sizeof(p0[0]); for( i = 0; i < len; i++ ) { @@ -2816,7 +2816,7 @@ void cv::dft( InputArray _src0, OutputArray _dst, int flags, int nonzero_rows ) } else { - double* p0 = (double*)dst.data; + double* p0 = dst.ptr(); size_t dstep = dst.step/sizeof(p0[0]); for( i = 0; i < len; i++ ) { diff --git a/modules/core/src/lapack.cpp b/modules/core/src/lapack.cpp index f6bc7c88c9..45881c3d55 100644 --- a/modules/core/src/lapack.cpp +++ b/modules/core/src/lapack.cpp @@ -955,10 +955,10 @@ double cv::invert( InputArray _src, OutputArray _dst, int method ) SVD::compute(src, w, u, vt); SVD::backSubst(w, u, vt, Mat(), _dst); return type == CV_32F ? - (((float*)w.data)[0] >= FLT_EPSILON ? - ((float*)w.data)[n-1]/((float*)w.data)[0] : 0) : - (((double*)w.data)[0] >= DBL_EPSILON ? - ((double*)w.data)[n-1]/((double*)w.data)[0] : 0); + (w.ptr()[0] >= FLT_EPSILON ? + w.ptr()[n-1]/w.ptr()[0] : 0) : + (w.ptr()[0] >= DBL_EPSILON ? + w.ptr()[n-1]/w.ptr()[0] : 0); } CV_Assert( m == n ); @@ -975,10 +975,10 @@ double cv::invert( InputArray _src, OutputArray _dst, int method ) transpose(vt, u); SVD::backSubst(w, u, vt, Mat(), _dst); return type == CV_32F ? - (((float*)w.data)[0] >= FLT_EPSILON ? - ((float*)w.data)[n-1]/((float*)w.data)[0] : 0) : - (((double*)w.data)[0] >= DBL_EPSILON ? - ((double*)w.data)[n-1]/((double*)w.data)[0] : 0); + (w.ptr()[0] >= FLT_EPSILON ? + w.ptr()[n-1]/w.ptr()[0] : 0) : + (w.ptr()[0] >= DBL_EPSILON ? + w.ptr()[n-1]/w.ptr()[0] : 0); } CV_Assert( method == DECOMP_LU || method == DECOMP_CHOLESKY ); @@ -988,7 +988,7 @@ double cv::invert( InputArray _src, OutputArray _dst, int method ) if( n <= 3 ) { - uchar* srcdata = src.data; + const uchar* srcdata = src.data; uchar* dstdata = dst.data; size_t srcstep = src.step; size_t dststep = dst.step; @@ -1212,8 +1212,8 @@ bool cv::solve( InputArray _src, InputArray _src2arg, OutputArray _dst, int meth #define bf(y) ((float*)(bdata + y*src2step))[0] #define bd(y) ((double*)(bdata + y*src2step))[0] - uchar* srcdata = src.data; - uchar* bdata = _src2.data; + const uchar* srcdata = src.data; + const uchar* bdata = _src2.data; uchar* dstdata = dst.data; size_t srcstep = src.step; size_t src2step = _src2.step; @@ -1557,13 +1557,17 @@ static void _SVDcompute( InputArray _aarr, OutputArray _w, { if( !at ) { - transpose(temp_u, _u); - temp_v.copyTo(_vt); + if( _u.needed() ) + transpose(temp_u, _u); + if( _vt.needed() ) + temp_v.copyTo(_vt); } else { - transpose(temp_v, _u); - temp_u.copyTo(_vt); + if( _u.needed() ) + transpose(temp_v, _u); + if( _vt.needed() ) + temp_u.copyTo(_vt); } } } @@ -1705,7 +1709,7 @@ cvEigenVV( CvArr* srcarr, CvArr* evectsarr, CvArr* evalsarr, double, eigen(src, evals, evects); if( evects0.data != evects.data ) { - uchar* p = evects0.data; + const uchar* p = evects0.data; evects.convertTo(evects0, evects0.type()); CV_Assert( p == evects0.data ); } @@ -1714,7 +1718,7 @@ cvEigenVV( CvArr* srcarr, CvArr* evectsarr, CvArr* evalsarr, double, eigen(src, evals); if( evals0.data != evals.data ) { - uchar* p = evals0.data; + const uchar* p = evals0.data; if( evals0.size() == evals.size() ) evals.convertTo(evals0, evals0.type()); else if( evals0.type() == evals.type() ) diff --git a/modules/core/src/lda.cpp b/modules/core/src/lda.cpp new file mode 100644 index 0000000000..5e20b5e6a1 --- /dev/null +++ b/modules/core/src/lda.cpp @@ -0,0 +1,1119 @@ +/* + * Copyright (c) 2011. Philipp Wagner . + * Released to public domain under terms of the BSD Simplified license. + * + * Redistribution and use in source and binary forms, with or without + * modification, are permitted provided that the following conditions are met: + * * Redistributions of source code must retain the above copyright + * notice, this list of conditions and the following disclaimer. + * * Redistributions in binary form must reproduce the above copyright + * notice, this list of conditions and the following disclaimer in the + * documentation and/or other materials provided with the distribution. + * * Neither the name of the organization nor the names of its contributors + * may be used to endorse or promote products derived from this software + * without specific prior written permission. + * + * See + */ + +#include "precomp.hpp" +#include +#include +#include + +namespace cv +{ + +// Removes duplicate elements in a given vector. +template +inline std::vector<_Tp> remove_dups(const std::vector<_Tp>& src) { + typedef typename std::set<_Tp>::const_iterator constSetIterator; + typedef typename std::vector<_Tp>::const_iterator constVecIterator; + std::set<_Tp> set_elems; + for (constVecIterator it = src.begin(); it != src.end(); ++it) + set_elems.insert(*it); + std::vector<_Tp> elems; + for (constSetIterator it = set_elems.begin(); it != set_elems.end(); ++it) + elems.push_back(*it); + return elems; +} + +static Mat argsort(InputArray _src, bool ascending=true) +{ + Mat src = _src.getMat(); + if (src.rows != 1 && src.cols != 1) { + String error_message = "Wrong shape of input matrix! Expected a matrix with one row or column."; + CV_Error(Error::StsBadArg, error_message); + } + int flags = SORT_EVERY_ROW | (ascending ? SORT_ASCENDING : SORT_DESCENDING); + Mat sorted_indices; + sortIdx(src.reshape(1,1),sorted_indices,flags); + return sorted_indices; +} + +static Mat asRowMatrix(InputArrayOfArrays src, int rtype, double alpha=1, double beta=0) { + // make sure the input data is a vector of matrices or vector of vector + if(src.kind() != _InputArray::STD_VECTOR_MAT && src.kind() != _InputArray::STD_VECTOR_VECTOR) { + String error_message = "The data is expected as InputArray::STD_VECTOR_MAT (a std::vector) or _InputArray::STD_VECTOR_VECTOR (a std::vector< std::vector<...> >)."; + CV_Error(Error::StsBadArg, error_message); + } + // number of samples + size_t n = src.total(); + // return empty matrix if no matrices given + if(n == 0) + return Mat(); + // dimensionality of (reshaped) samples + size_t d = src.getMat(0).total(); + // create data matrix + Mat data((int)n, (int)d, rtype); + // now copy data + for(int i = 0; i < (int)n; i++) { + // make sure data can be reshaped, throw exception if not! + if(src.getMat(i).total() != d) { + String error_message = format("Wrong number of elements in matrix #%d! Expected %d was %d.", i, (int)d, (int)src.getMat(i).total()); + CV_Error(Error::StsBadArg, error_message); + } + // get a hold of the current row + Mat xi = data.row(i); + // make reshape happy by cloning for non-continuous matrices + if(src.getMat(i).isContinuous()) { + src.getMat(i).reshape(1, 1).convertTo(xi, rtype, alpha, beta); + } else { + src.getMat(i).clone().reshape(1, 1).convertTo(xi, rtype, alpha, beta); + } + } + return data; +} + +static void sortMatrixColumnsByIndices(InputArray _src, InputArray _indices, OutputArray _dst) { + if(_indices.getMat().type() != CV_32SC1) { + CV_Error(Error::StsUnsupportedFormat, "cv::sortColumnsByIndices only works on integer indices!"); + } + Mat src = _src.getMat(); + std::vector indices = _indices.getMat(); + _dst.create(src.rows, src.cols, src.type()); + Mat dst = _dst.getMat(); + for(size_t idx = 0; idx < indices.size(); idx++) { + Mat originalCol = src.col(indices[idx]); + Mat sortedCol = dst.col((int)idx); + originalCol.copyTo(sortedCol); + } +} + +static Mat sortMatrixColumnsByIndices(InputArray src, InputArray indices) { + Mat dst; + sortMatrixColumnsByIndices(src, indices, dst); + return dst; +} + + +template static bool +isSymmetric_(InputArray src) { + Mat _src = src.getMat(); + if(_src.cols != _src.rows) + return false; + for (int i = 0; i < _src.rows; i++) { + for (int j = 0; j < _src.cols; j++) { + _Tp a = _src.at<_Tp> (i, j); + _Tp b = _src.at<_Tp> (j, i); + if (a != b) { + return false; + } + } + } + return true; +} + +template static bool +isSymmetric_(InputArray src, double eps) { + Mat _src = src.getMat(); + if(_src.cols != _src.rows) + return false; + for (int i = 0; i < _src.rows; i++) { + for (int j = 0; j < _src.cols; j++) { + _Tp a = _src.at<_Tp> (i, j); + _Tp b = _src.at<_Tp> (j, i); + if (std::abs(a - b) > eps) { + return false; + } + } + } + return true; +} + +static bool isSymmetric(InputArray src, double eps=1e-16) +{ + Mat m = src.getMat(); + switch (m.type()) { + case CV_8SC1: return isSymmetric_(m); break; + case CV_8UC1: + return isSymmetric_(m); break; + case CV_16SC1: + return isSymmetric_(m); break; + case CV_16UC1: + return isSymmetric_(m); break; + case CV_32SC1: + return isSymmetric_(m); break; + case CV_32FC1: + return isSymmetric_(m, eps); break; + case CV_64FC1: + return isSymmetric_(m, eps); break; + default: + break; + } + return false; +} + + +//------------------------------------------------------------------------------ +// cv::subspaceProject +//------------------------------------------------------------------------------ +Mat LDA::subspaceProject(InputArray _W, InputArray _mean, InputArray _src) { + // get data matrices + Mat W = _W.getMat(); + Mat mean = _mean.getMat(); + Mat src = _src.getMat(); + // get number of samples and dimension + int n = src.rows; + int d = src.cols; + // make sure the data has the correct shape + if(W.rows != d) { + String error_message = format("Wrong shapes for given matrices. Was size(src) = (%d,%d), size(W) = (%d,%d).", src.rows, src.cols, W.rows, W.cols); + CV_Error(Error::StsBadArg, error_message); + } + // make sure mean is correct if not empty + if(!mean.empty() && (mean.total() != (size_t) d)) { + String error_message = format("Wrong mean shape for the given data matrix. Expected %d, but was %d.", d, mean.total()); + CV_Error(Error::StsBadArg, error_message); + } + // create temporary matrices + Mat X, Y; + // make sure you operate on correct type + src.convertTo(X, W.type()); + // safe to do, because of above assertion + if(!mean.empty()) { + for(int i=0; i + _Tp *alloc_1d(int m) { + return new _Tp[m]; + } + + // Allocates memory. + template + _Tp *alloc_1d(int m, _Tp val) { + _Tp *arr = alloc_1d<_Tp> (m); + for (int i = 0; i < m; i++) + arr[i] = val; + return arr; + } + + // Allocates memory. + template + _Tp **alloc_2d(int m, int _n) { + _Tp **arr = new _Tp*[m]; + for (int i = 0; i < m; i++) + arr[i] = new _Tp[_n]; + return arr; + } + + // Allocates memory. + template + _Tp **alloc_2d(int m, int _n, _Tp val) { + _Tp **arr = alloc_2d<_Tp> (m, _n); + for (int i = 0; i < m; i++) { + for (int j = 0; j < _n; j++) { + arr[i][j] = val; + } + } + return arr; + } + + void cdiv(double xr, double xi, double yr, double yi) { + double r, dv; + if (std::abs(yr) > std::abs(yi)) { + r = yi / yr; + dv = yr + r * yi; + cdivr = (xr + r * xi) / dv; + cdivi = (xi - r * xr) / dv; + } else { + r = yr / yi; + dv = yi + r * yr; + cdivr = (r * xr + xi) / dv; + cdivi = (r * xi - xr) / dv; + } + } + + // Nonsymmetric reduction from Hessenberg to real Schur form. + + void hqr2() { + + // This is derived from the Algol procedure hqr2, + // by Martin and Wilkinson, Handbook for Auto. Comp., + // Vol.ii-Linear Algebra, and the corresponding + // Fortran subroutine in EISPACK. + + // Initialize + int nn = this->n; + int n1 = nn - 1; + int low = 0; + int high = nn - 1; + double eps = std::pow(2.0, -52.0); + double exshift = 0.0; + double p = 0, q = 0, r = 0, s = 0, z = 0, t, w, x, y; + + // Store roots isolated by balanc and compute matrix norm + + double norm = 0.0; + for (int i = 0; i < nn; i++) { + if (i < low || i > high) { + d[i] = H[i][i]; + e[i] = 0.0; + } + for (int j = std::max(i - 1, 0); j < nn; j++) { + norm = norm + std::abs(H[i][j]); + } + } + + // Outer loop over eigenvalue index + int iter = 0; + while (n1 >= low) { + + // Look for single small sub-diagonal element + int l = n1; + while (l > low) { + s = std::abs(H[l - 1][l - 1]) + std::abs(H[l][l]); + if (s == 0.0) { + s = norm; + } + if (std::abs(H[l][l - 1]) < eps * s) { + break; + } + l--; + } + + // Check for convergence + // One root found + + if (l == n1) { + H[n1][n1] = H[n1][n1] + exshift; + d[n1] = H[n1][n1]; + e[n1] = 0.0; + n1--; + iter = 0; + + // Two roots found + + } else if (l == n1 - 1) { + w = H[n1][n1 - 1] * H[n1 - 1][n1]; + p = (H[n1 - 1][n1 - 1] - H[n1][n1]) / 2.0; + q = p * p + w; + z = std::sqrt(std::abs(q)); + H[n1][n1] = H[n1][n1] + exshift; + H[n1 - 1][n1 - 1] = H[n1 - 1][n1 - 1] + exshift; + x = H[n1][n1]; + + // Real pair + + if (q >= 0) { + if (p >= 0) { + z = p + z; + } else { + z = p - z; + } + d[n1 - 1] = x + z; + d[n1] = d[n1 - 1]; + if (z != 0.0) { + d[n1] = x - w / z; + } + e[n1 - 1] = 0.0; + e[n1] = 0.0; + x = H[n1][n1 - 1]; + s = std::abs(x) + std::abs(z); + p = x / s; + q = z / s; + r = std::sqrt(p * p + q * q); + p = p / r; + q = q / r; + + // Row modification + + for (int j = n1 - 1; j < nn; j++) { + z = H[n1 - 1][j]; + H[n1 - 1][j] = q * z + p * H[n1][j]; + H[n1][j] = q * H[n1][j] - p * z; + } + + // Column modification + + for (int i = 0; i <= n1; i++) { + z = H[i][n1 - 1]; + H[i][n1 - 1] = q * z + p * H[i][n1]; + H[i][n1] = q * H[i][n1] - p * z; + } + + // Accumulate transformations + + for (int i = low; i <= high; i++) { + z = V[i][n1 - 1]; + V[i][n1 - 1] = q * z + p * V[i][n1]; + V[i][n1] = q * V[i][n1] - p * z; + } + + // Complex pair + + } else { + d[n1 - 1] = x + p; + d[n1] = x + p; + e[n1 - 1] = z; + e[n1] = -z; + } + n1 = n1 - 2; + iter = 0; + + // No convergence yet + + } else { + + // Form shift + + x = H[n1][n1]; + y = 0.0; + w = 0.0; + if (l < n1) { + y = H[n1 - 1][n1 - 1]; + w = H[n1][n1 - 1] * H[n1 - 1][n1]; + } + + // Wilkinson's original ad hoc shift + + if (iter == 10) { + exshift += x; + for (int i = low; i <= n1; i++) { + H[i][i] -= x; + } + s = std::abs(H[n1][n1 - 1]) + std::abs(H[n1 - 1][n1 - 2]); + x = y = 0.75 * s; + w = -0.4375 * s * s; + } + + // MATLAB's new ad hoc shift + + if (iter == 30) { + s = (y - x) / 2.0; + s = s * s + w; + if (s > 0) { + s = std::sqrt(s); + if (y < x) { + s = -s; + } + s = x - w / ((y - x) / 2.0 + s); + for (int i = low; i <= n1; i++) { + H[i][i] -= s; + } + exshift += s; + x = y = w = 0.964; + } + } + + iter = iter + 1; // (Could check iteration count here.) + + // Look for two consecutive small sub-diagonal elements + int m = n1 - 2; + while (m >= l) { + z = H[m][m]; + r = x - z; + s = y - z; + p = (r * s - w) / H[m + 1][m] + H[m][m + 1]; + q = H[m + 1][m + 1] - z - r - s; + r = H[m + 2][m + 1]; + s = std::abs(p) + std::abs(q) + std::abs(r); + p = p / s; + q = q / s; + r = r / s; + if (m == l) { + break; + } + if (std::abs(H[m][m - 1]) * (std::abs(q) + std::abs(r)) < eps * (std::abs(p) + * (std::abs(H[m - 1][m - 1]) + std::abs(z) + std::abs( + H[m + 1][m + 1])))) { + break; + } + m--; + } + + for (int i = m + 2; i <= n1; i++) { + H[i][i - 2] = 0.0; + if (i > m + 2) { + H[i][i - 3] = 0.0; + } + } + + // Double QR step involving rows l:n and columns m:n + + for (int k = m; k <= n1 - 1; k++) { + bool notlast = (k != n1 - 1); + if (k != m) { + p = H[k][k - 1]; + q = H[k + 1][k - 1]; + r = (notlast ? H[k + 2][k - 1] : 0.0); + x = std::abs(p) + std::abs(q) + std::abs(r); + if (x != 0.0) { + p = p / x; + q = q / x; + r = r / x; + } + } + if (x == 0.0) { + break; + } + s = std::sqrt(p * p + q * q + r * r); + if (p < 0) { + s = -s; + } + if (s != 0) { + if (k != m) { + H[k][k - 1] = -s * x; + } else if (l != m) { + H[k][k - 1] = -H[k][k - 1]; + } + p = p + s; + x = p / s; + y = q / s; + z = r / s; + q = q / p; + r = r / p; + + // Row modification + + for (int j = k; j < nn; j++) { + p = H[k][j] + q * H[k + 1][j]; + if (notlast) { + p = p + r * H[k + 2][j]; + H[k + 2][j] = H[k + 2][j] - p * z; + } + H[k][j] = H[k][j] - p * x; + H[k + 1][j] = H[k + 1][j] - p * y; + } + + // Column modification + + for (int i = 0; i <= std::min(n1, k + 3); i++) { + p = x * H[i][k] + y * H[i][k + 1]; + if (notlast) { + p = p + z * H[i][k + 2]; + H[i][k + 2] = H[i][k + 2] - p * r; + } + H[i][k] = H[i][k] - p; + H[i][k + 1] = H[i][k + 1] - p * q; + } + + // Accumulate transformations + + for (int i = low; i <= high; i++) { + p = x * V[i][k] + y * V[i][k + 1]; + if (notlast) { + p = p + z * V[i][k + 2]; + V[i][k + 2] = V[i][k + 2] - p * r; + } + V[i][k] = V[i][k] - p; + V[i][k + 1] = V[i][k + 1] - p * q; + } + } // (s != 0) + } // k loop + } // check convergence + } // while (n1 >= low) + + // Backsubstitute to find vectors of upper triangular form + + if (norm == 0.0) { + return; + } + + for (n1 = nn - 1; n1 >= 0; n1--) { + p = d[n1]; + q = e[n1]; + + // Real vector + + if (q == 0) { + int l = n1; + H[n1][n1] = 1.0; + for (int i = n1 - 1; i >= 0; i--) { + w = H[i][i] - p; + r = 0.0; + for (int j = l; j <= n1; j++) { + r = r + H[i][j] * H[j][n1]; + } + if (e[i] < 0.0) { + z = w; + s = r; + } else { + l = i; + if (e[i] == 0.0) { + if (w != 0.0) { + H[i][n1] = -r / w; + } else { + H[i][n1] = -r / (eps * norm); + } + + // Solve real equations + + } else { + x = H[i][i + 1]; + y = H[i + 1][i]; + q = (d[i] - p) * (d[i] - p) + e[i] * e[i]; + t = (x * s - z * r) / q; + H[i][n1] = t; + if (std::abs(x) > std::abs(z)) { + H[i + 1][n1] = (-r - w * t) / x; + } else { + H[i + 1][n1] = (-s - y * t) / z; + } + } + + // Overflow control + + t = std::abs(H[i][n1]); + if ((eps * t) * t > 1) { + for (int j = i; j <= n1; j++) { + H[j][n1] = H[j][n1] / t; + } + } + } + } + // Complex vector + } else if (q < 0) { + int l = n1 - 1; + + // Last vector component imaginary so matrix is triangular + + if (std::abs(H[n1][n1 - 1]) > std::abs(H[n1 - 1][n1])) { + H[n1 - 1][n1 - 1] = q / H[n1][n1 - 1]; + H[n1 - 1][n1] = -(H[n1][n1] - p) / H[n1][n1 - 1]; + } else { + cdiv(0.0, -H[n1 - 1][n1], H[n1 - 1][n1 - 1] - p, q); + H[n1 - 1][n1 - 1] = cdivr; + H[n1 - 1][n1] = cdivi; + } + H[n1][n1 - 1] = 0.0; + H[n1][n1] = 1.0; + for (int i = n1 - 2; i >= 0; i--) { + double ra, sa, vr, vi; + ra = 0.0; + sa = 0.0; + for (int j = l; j <= n1; j++) { + ra = ra + H[i][j] * H[j][n1 - 1]; + sa = sa + H[i][j] * H[j][n1]; + } + w = H[i][i] - p; + + if (e[i] < 0.0) { + z = w; + r = ra; + s = sa; + } else { + l = i; + if (e[i] == 0) { + cdiv(-ra, -sa, w, q); + H[i][n1 - 1] = cdivr; + H[i][n1] = cdivi; + } else { + + // Solve complex equations + + x = H[i][i + 1]; + y = H[i + 1][i]; + vr = (d[i] - p) * (d[i] - p) + e[i] * e[i] - q * q; + vi = (d[i] - p) * 2.0 * q; + if (vr == 0.0 && vi == 0.0) { + vr = eps * norm * (std::abs(w) + std::abs(q) + std::abs(x) + + std::abs(y) + std::abs(z)); + } + cdiv(x * r - z * ra + q * sa, + x * s - z * sa - q * ra, vr, vi); + H[i][n1 - 1] = cdivr; + H[i][n1] = cdivi; + if (std::abs(x) > (std::abs(z) + std::abs(q))) { + H[i + 1][n1 - 1] = (-ra - w * H[i][n1 - 1] + q + * H[i][n1]) / x; + H[i + 1][n1] = (-sa - w * H[i][n1] - q * H[i][n1 + - 1]) / x; + } else { + cdiv(-r - y * H[i][n1 - 1], -s - y * H[i][n1], z, + q); + H[i + 1][n1 - 1] = cdivr; + H[i + 1][n1] = cdivi; + } + } + + // Overflow control + + t = std::max(std::abs(H[i][n1 - 1]), std::abs(H[i][n1])); + if ((eps * t) * t > 1) { + for (int j = i; j <= n1; j++) { + H[j][n1 - 1] = H[j][n1 - 1] / t; + H[j][n1] = H[j][n1] / t; + } + } + } + } + } + } + + // Vectors of isolated roots + + for (int i = 0; i < nn; i++) { + if (i < low || i > high) { + for (int j = i; j < nn; j++) { + V[i][j] = H[i][j]; + } + } + } + + // Back transformation to get eigenvectors of original matrix + + for (int j = nn - 1; j >= low; j--) { + for (int i = low; i <= high; i++) { + z = 0.0; + for (int k = low; k <= std::min(j, high); k++) { + z = z + V[i][k] * H[k][j]; + } + V[i][j] = z; + } + } + } + + // Nonsymmetric reduction to Hessenberg form. + void orthes() { + // This is derived from the Algol procedures orthes and ortran, + // by Martin and Wilkinson, Handbook for Auto. Comp., + // Vol.ii-Linear Algebra, and the corresponding + // Fortran subroutines in EISPACK. + int low = 0; + int high = n - 1; + + for (int m = low + 1; m <= high - 1; m++) { + + // Scale column. + + double scale = 0.0; + for (int i = m; i <= high; i++) { + scale = scale + std::abs(H[i][m - 1]); + } + if (scale != 0.0) { + + // Compute Householder transformation. + + double h = 0.0; + for (int i = high; i >= m; i--) { + ort[i] = H[i][m - 1] / scale; + h += ort[i] * ort[i]; + } + double g = std::sqrt(h); + if (ort[m] > 0) { + g = -g; + } + h = h - ort[m] * g; + ort[m] = ort[m] - g; + + // Apply Householder similarity transformation + // H = (I-u*u'/h)*H*(I-u*u')/h) + + for (int j = m; j < n; j++) { + double f = 0.0; + for (int i = high; i >= m; i--) { + f += ort[i] * H[i][j]; + } + f = f / h; + for (int i = m; i <= high; i++) { + H[i][j] -= f * ort[i]; + } + } + + for (int i = 0; i <= high; i++) { + double f = 0.0; + for (int j = high; j >= m; j--) { + f += ort[j] * H[i][j]; + } + f = f / h; + for (int j = m; j <= high; j++) { + H[i][j] -= f * ort[j]; + } + } + ort[m] = scale * ort[m]; + H[m][m - 1] = scale * g; + } + } + + // Accumulate transformations (Algol's ortran). + + for (int i = 0; i < n; i++) { + for (int j = 0; j < n; j++) { + V[i][j] = (i == j ? 1.0 : 0.0); + } + } + + for (int m = high - 1; m >= low + 1; m--) { + if (H[m][m - 1] != 0.0) { + for (int i = m + 1; i <= high; i++) { + ort[i] = H[i][m - 1]; + } + for (int j = m; j <= high; j++) { + double g = 0.0; + for (int i = m; i <= high; i++) { + g += ort[i] * V[i][j]; + } + // Double division avoids possible underflow + g = (g / ort[m]) / H[m][m - 1]; + for (int i = m; i <= high; i++) { + V[i][j] += g * ort[i]; + } + } + } + } + } + + // Releases all internal working memory. + void release() { + // releases the working data + delete[] d; + delete[] e; + delete[] ort; + for (int i = 0; i < n; i++) { + delete[] H[i]; + delete[] V[i]; + } + delete[] H; + delete[] V; + } + + // Computes the Eigenvalue Decomposition for a matrix given in H. + void compute() { + // Allocate memory for the working data. + V = alloc_2d (n, n, 0.0); + d = alloc_1d (n); + e = alloc_1d (n); + ort = alloc_1d (n); + // Reduce to Hessenberg form. + orthes(); + // Reduce Hessenberg to real Schur form. + hqr2(); + // Copy eigenvalues to OpenCV Matrix. + _eigenvalues.create(1, n, CV_64FC1); + for (int i = 0; i < n; i++) { + _eigenvalues.at (0, i) = d[i]; + } + // Copy eigenvectors to OpenCV Matrix. + _eigenvectors.create(n, n, CV_64FC1); + for (int i = 0; i < n; i++) + for (int j = 0; j < n; j++) + _eigenvectors.at (i, j) = V[i][j]; + // Deallocate the memory by releasing all internal working data. + release(); + } + +public: + EigenvalueDecomposition() + : n(0) { } + + // Initializes & computes the Eigenvalue Decomposition for a general matrix + // given in src. This function is a port of the EigenvalueSolver in JAMA, + // which has been released to public domain by The MathWorks and the + // National Institute of Standards and Technology (NIST). + EigenvalueDecomposition(InputArray src) { + compute(src); + } + + // This function computes the Eigenvalue Decomposition for a general matrix + // given in src. This function is a port of the EigenvalueSolver in JAMA, + // which has been released to public domain by The MathWorks and the + // National Institute of Standards and Technology (NIST). + void compute(InputArray src) + { + if(isSymmetric(src)) { + // Fall back to OpenCV for a symmetric matrix! + cv::eigen(src, _eigenvalues, _eigenvectors); + } else { + Mat tmp; + // Convert the given input matrix to double. Is there any way to + // prevent allocating the temporary memory? Only used for copying + // into working memory and deallocated after. + src.getMat().convertTo(tmp, CV_64FC1); + // Get dimension of the matrix. + this->n = tmp.cols; + // Allocate the matrix data to work on. + this->H = alloc_2d (n, n); + // Now safely copy the data. + for (int i = 0; i < tmp.rows; i++) { + for (int j = 0; j < tmp.cols; j++) { + this->H[i][j] = tmp.at(i, j); + } + } + // Deallocates the temporary matrix before computing. + tmp.release(); + // Performs the eigenvalue decomposition of H. + compute(); + } + } + + ~EigenvalueDecomposition() {} + + // Returns the eigenvalues of the Eigenvalue Decomposition. + Mat eigenvalues() { return _eigenvalues; } + // Returns the eigenvectors of the Eigenvalue Decomposition. + Mat eigenvectors() { return _eigenvectors; } +}; + + +//------------------------------------------------------------------------------ +// Linear Discriminant Analysis implementation +//------------------------------------------------------------------------------ + +LDA::LDA(int num_components) : _num_components(num_components) { } + +LDA::LDA(InputArrayOfArrays src, InputArray labels, int num_components) : _num_components(num_components) +{ + this->compute(src, labels); //! compute eigenvectors and eigenvalues +} + +LDA::~LDA() {} + +void LDA::save(const String& filename) const +{ + FileStorage fs(filename, FileStorage::WRITE); + if (!fs.isOpened()) { + CV_Error(Error::StsError, "File can't be opened for writing!"); + } + this->save(fs); + fs.release(); +} + +// Deserializes this object from a given filename. +void LDA::load(const String& filename) { + FileStorage fs(filename, FileStorage::READ); + if (!fs.isOpened()) + CV_Error(Error::StsError, "File can't be opened for writing!"); + this->load(fs); + fs.release(); +} + +// Serializes this object to a given FileStorage. +void LDA::save(FileStorage& fs) const { + // write matrices + fs << "num_components" << _num_components; + fs << "eigenvalues" << _eigenvalues; + fs << "eigenvectors" << _eigenvectors; +} + +// Deserializes this object from a given FileStorage. +void LDA::load(const FileStorage& fs) { + //read matrices + fs["num_components"] >> _num_components; + fs["eigenvalues"] >> _eigenvalues; + fs["eigenvectors"] >> _eigenvectors; +} + +void LDA::lda(InputArrayOfArrays _src, InputArray _lbls) { + // get data + Mat src = _src.getMat(); + std::vector labels; + // safely copy the labels + { + Mat tmp = _lbls.getMat(); + for(unsigned int i = 0; i < tmp.total(); i++) { + labels.push_back(tmp.at(i)); + } + } + // turn into row sampled matrix + Mat data; + // ensure working matrix is double precision + src.convertTo(data, CV_64FC1); + // maps the labels, so they're ascending: [0,1,...,C] + std::vector mapped_labels(labels.size()); + std::vector num2label = remove_dups(labels); + std::map label2num; + for (int i = 0; i < (int)num2label.size(); i++) + label2num[num2label[i]] = i; + for (size_t i = 0; i < labels.size(); i++) + mapped_labels[i] = label2num[labels[i]]; + // get sample size, dimension + int N = data.rows; + int D = data.cols; + // number of unique labels + int C = (int)num2label.size(); + // we can't do a LDA on one class, what do you + // want to separate from each other then? + if(C == 1) { + String error_message = "At least two classes are needed to perform a LDA. Reason: Only one class was given!"; + CV_Error(Error::StsBadArg, error_message); + } + // throw error if less labels, than samples + if (labels.size() != static_cast(N)) { + String error_message = format("The number of samples must equal the number of labels. Given %d labels, %d samples. ", labels.size(), N); + CV_Error(Error::StsBadArg, error_message); + } + // warn if within-classes scatter matrix becomes singular + if (N < D) { + std::cout << "Warning: Less observations than feature dimension given!" + << "Computation will probably fail." + << std::endl; + } + // clip number of components to be a valid number + if ((_num_components <= 0) || (_num_components > (C - 1))) { + _num_components = (C - 1); + } + // holds the mean over all classes + Mat meanTotal = Mat::zeros(1, D, data.type()); + // holds the mean for each class + std::vector meanClass(C); + std::vector numClass(C); + // initialize + for (int i = 0; i < C; i++) { + numClass[i] = 0; + meanClass[i] = Mat::zeros(1, D, data.type()); //! Dx1 image vector + } + // calculate sums + for (int i = 0; i < N; i++) { + Mat instance = data.row(i); + int classIdx = mapped_labels[i]; + add(meanTotal, instance, meanTotal); + add(meanClass[classIdx], instance, meanClass[classIdx]); + numClass[classIdx]++; + } + // calculate total mean + meanTotal.convertTo(meanTotal, meanTotal.type(), 1.0 / static_cast (N)); + // calculate class means + for (int i = 0; i < C; i++) { + meanClass[i].convertTo(meanClass[i], meanClass[i].type(), 1.0 / static_cast (numClass[i])); + } + // subtract class means + for (int i = 0; i < N; i++) { + int classIdx = mapped_labels[i]; + Mat instance = data.row(i); + subtract(instance, meanClass[classIdx], instance); + } + // calculate within-classes scatter + Mat Sw = Mat::zeros(D, D, data.type()); + mulTransposed(data, Sw, true); + // calculate between-classes scatter + Mat Sb = Mat::zeros(D, D, data.type()); + for (int i = 0; i < C; i++) { + Mat tmp; + subtract(meanClass[i], meanTotal, tmp); + mulTransposed(tmp, tmp, true); + add(Sb, tmp, Sb); + } + // invert Sw + Mat Swi = Sw.inv(); + // M = inv(Sw)*Sb + Mat M; + gemm(Swi, Sb, 1.0, Mat(), 0.0, M); + EigenvalueDecomposition es(M); + _eigenvalues = es.eigenvalues(); + _eigenvectors = es.eigenvectors(); + // reshape eigenvalues, so they are stored by column + _eigenvalues = _eigenvalues.reshape(1, 1); + // get sorted indices descending by their eigenvalue + std::vector sorted_indices = argsort(_eigenvalues, false); + // now sort eigenvalues and eigenvectors accordingly + _eigenvalues = sortMatrixColumnsByIndices(_eigenvalues, sorted_indices); + _eigenvectors = sortMatrixColumnsByIndices(_eigenvectors, sorted_indices); + // and now take only the num_components and we're out! + _eigenvalues = Mat(_eigenvalues, Range::all(), Range(0, _num_components)); + _eigenvectors = Mat(_eigenvectors, Range::all(), Range(0, _num_components)); +} + +void LDA::compute(InputArrayOfArrays _src, InputArray _lbls) { + switch(_src.kind()) { + case _InputArray::STD_VECTOR_MAT: + lda(asRowMatrix(_src, CV_64FC1), _lbls); + break; + case _InputArray::MAT: + lda(_src.getMat(), _lbls); + break; + default: + String error_message= format("InputArray Datatype %d is not supported.", _src.kind()); + CV_Error(Error::StsBadArg, error_message); + break; + } +} + +// Projects samples into the LDA subspace. +Mat LDA::project(InputArray src) { + return subspaceProject(_eigenvectors, Mat(), _dataAsRow ? src : src.getMat().t()); +} + +// Reconstructs projections from the LDA subspace. +Mat LDA::reconstruct(InputArray src) { + return subspaceReconstruct(_eigenvectors, Mat(), _dataAsRow ? src : src.getMat().t()); +} + +} diff --git a/modules/core/src/mathfuncs.cpp b/modules/core/src/mathfuncs.cpp index f36e268d0d..6c6ed6b1c8 100644 --- a/modules/core/src/mathfuncs.cpp +++ b/modules/core/src/mathfuncs.cpp @@ -41,7 +41,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_core.hpp" namespace cv { diff --git a/modules/core/src/matmul.cpp b/modules/core/src/matmul.cpp index 2ef44179d8..99711e2587 100644 --- a/modules/core/src/matmul.cpp +++ b/modules/core/src/matmul.cpp @@ -41,7 +41,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_core.hpp" #include "opencv2/core/opencl/runtime/opencl_clamdblas.hpp" namespace cv @@ -3295,7 +3295,6 @@ void cv::PCABackProject(InputArray data, InputArray mean, pca.backProject(data, result); } - /****************************************************************************************\ * Earlier API * \****************************************************************************************/ diff --git a/modules/core/src/matrix.cpp b/modules/core/src/matrix.cpp index 398abcaaa6..af0fe2219b 100644 --- a/modules/core/src/matrix.cpp +++ b/modules/core/src/matrix.cpp @@ -41,7 +41,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_core.hpp" #include "bufferpool.impl.hpp" @@ -346,7 +346,7 @@ static void finalizeHdr(Mat& m) if( d > 2 ) m.rows = m.cols = -1; if(m.u) - m.data = m.datastart = m.u->data; + m.datastart = m.data = m.u->data; if( m.data ) { m.datalimit = m.datastart + m.size[0]*m.step[0]; @@ -510,7 +510,7 @@ Mat::Mat(int _dims, const int* _sizes, int _type, void* _data, const size_t* _st datalimit(0), allocator(0), u(0), size(&rows) { flags |= CV_MAT_TYPE(_type); - data = datastart = (uchar*)_data; + datastart = data = (uchar*)_data; setSize(*this, _dims, _sizes, _steps, true); finalizeHdr(*this); } @@ -549,7 +549,7 @@ static Mat cvMatNDToMat(const CvMatND* m, bool copyData) if( !m ) return thiz; - thiz.data = thiz.datastart = m->data.ptr; + thiz.datastart = thiz.data = m->data.ptr; thiz.flags |= CV_MAT_TYPE(m->type); int _sizes[CV_MAX_DIM]; size_t _steps[CV_MAX_DIM]; @@ -587,7 +587,7 @@ static Mat cvMatToMat(const CvMat* m, bool copyData) thiz.dims = 2; thiz.rows = m->rows; thiz.cols = m->cols; - thiz.data = thiz.datastart = m->data.ptr; + thiz.datastart = thiz.data = m->data.ptr; size_t esz = CV_ELEM_SIZE(m->type), minstep = thiz.cols*esz, _step = m->step; if( _step == 0 ) _step = minstep; @@ -597,7 +597,7 @@ static Mat cvMatToMat(const CvMat* m, bool copyData) } else { - thiz.data = thiz.datastart = thiz.dataend = 0; + thiz.datastart = thiz.dataend = thiz.data = 0; Mat(m->rows, m->cols, m->type, m->data.ptr, m->step).copyTo(thiz); } @@ -636,7 +636,7 @@ static Mat iplImageToMat(const IplImage* img, bool copyData) m.rows = img->roi->height; m.cols = img->roi->width; esz = CV_ELEM_SIZE(m.flags); - m.data = m.datastart = (uchar*)img->imageData + + m.datastart = m.data = (uchar*)img->imageData + (selectedPlane ? (img->roi->coi - 1)*m.step*img->height : 0) + img->roi->yOffset*m.step[0] + img->roi->xOffset*esz; } @@ -2758,15 +2758,18 @@ namespace cv { static bool ocl_setIdentity( InputOutputArray _m, const Scalar& s ) { - int type = _m.type(), depth = CV_MAT_DEPTH(type), cn = CV_MAT_CN(type), kercn = cn; - if (cn == 1) + int type = _m.type(), depth = CV_MAT_DEPTH(type), cn = CV_MAT_CN(type), kercn = cn, rowsPerWI = 1; + int sctype = CV_MAKE_TYPE(depth, cn == 3 ? 4 : cn); + if (ocl::Device::getDefault().isIntel()) { - kercn = std::min(ocl::predictOptimalVectorWidth(_m), 4); - if (kercn != 4) - kercn = 1; + rowsPerWI = 4; + if (cn == 1) + { + kercn = std::min(ocl::predictOptimalVectorWidth(_m), 4); + if (kercn != 4) + kercn = 1; + } } - int sctype = CV_MAKE_TYPE(depth, cn == 3 ? 4 : cn), - rowsPerWI = ocl::Device::getDefault().isIntel() ? 4 : 1; ocl::Kernel k("setIdentity", ocl::core::set_identity_oclsrc, format("-D T=%s -D T1=%s -D cn=%d -D ST=%s -D kercn=%d -D rowsPerWI=%d", @@ -5529,14 +5532,14 @@ double norm( const SparseMat& src, int normType ) { if( normType == NORM_INF ) for( i = 0; i < N; i++, ++it ) - result = std::max(result, std::abs((double)*(const float*)it.ptr)); + result = std::max(result, std::abs((double)it.value())); else if( normType == NORM_L1 ) for( i = 0; i < N; i++, ++it ) - result += std::abs(*(const float*)it.ptr); + result += std::abs(it.value()); else for( i = 0; i < N; i++, ++it ) { - double v = *(const float*)it.ptr; + double v = it.value(); result += v*v; } } @@ -5544,14 +5547,14 @@ double norm( const SparseMat& src, int normType ) { if( normType == NORM_INF ) for( i = 0; i < N; i++, ++it ) - result = std::max(result, std::abs(*(const double*)it.ptr)); + result = std::max(result, std::abs(it.value())); else if( normType == NORM_L1 ) for( i = 0; i < N; i++, ++it ) - result += std::abs(*(const double*)it.ptr); + result += std::abs(it.value()); else for( i = 0; i < N; i++, ++it ) { - double v = *(const double*)it.ptr; + double v = it.value(); result += v*v; } } @@ -5575,7 +5578,7 @@ void minMaxLoc( const SparseMat& src, double* _minval, double* _maxval, int* _mi float minval = FLT_MAX, maxval = -FLT_MAX; for( i = 0; i < N; i++, ++it ) { - float v = *(const float*)it.ptr; + float v = it.value(); if( v < minval ) { minval = v; @@ -5597,7 +5600,7 @@ void minMaxLoc( const SparseMat& src, double* _minval, double* _maxval, int* _mi double minval = DBL_MAX, maxval = -DBL_MAX; for( i = 0; i < N; i++, ++it ) { - double v = *(const double*)it.ptr; + double v = it.value(); if( v < minval ) { minval = v; diff --git a/modules/core/src/ocl.cpp b/modules/core/src/ocl.cpp index 32db8c91b4..837d16ee83 100644 --- a/modules/core/src/ocl.cpp +++ b/modules/core/src/ocl.cpp @@ -57,6 +57,28 @@ # endif #endif + +// TODO Move to some common place +static bool getBoolParameter(const char* name, bool defaultValue) +{ + const char* envValue = getenv(name); + if (envValue == NULL) + { + return defaultValue; + } + cv::String value = envValue; + if (value == "1" || value == "True" || value == "true" || value == "TRUE") + { + return true; + } + if (value == "0" || value == "False" || value == "false" || value == "FALSE") + { + return false; + } + CV_ErrorNoReturn(cv::Error::StsBadArg, cv::format("Invalid value for %s parameter: %s", name, value.c_str())); +} + + // TODO Move to some common place static size_t getConfigurationParameterForSize(const char* name, size_t defaultValue) { @@ -1305,7 +1327,18 @@ OCL_FUNC(cl_int, clReleaseEvent, (cl_event event), (event)) #ifdef _DEBUG #define CV_OclDbgAssert CV_DbgAssert #else -#define CV_OclDbgAssert(expr) (void)(expr) +static bool isRaiseError() +{ + static bool initialized = false; + static bool value = false; + if (!initialized) + { + value = getBoolParameter("OPENCV_OPENCL_RAISE_ERROR", false); + initialized = true; + } + return value; +} +#define CV_OclDbgAssert(expr) do { if (isRaiseError()) { CV_Assert(expr); } else { (void)(expr); } } while ((void)0, 0) #endif namespace cv { namespace ocl { @@ -4711,4 +4744,16 @@ void* Image2D::ptr() const return p ? p->handle : 0; } +bool isPerformanceCheckBypassed() +{ + static bool initialized = false; + static bool value = false; + if (!initialized) + { + value = getBoolParameter("OPENCV_OPENCL_PERF_CHECK_BYPASS", false); + initialized = true; + } + return value; +} + }} diff --git a/modules/core/src/opencl/fft.cl b/modules/core/src/opencl/fft.cl index 1268c4d6e4..b56f5c1dc2 100644 --- a/modules/core/src/opencl/fft.cl +++ b/modules/core/src/opencl/fft.cl @@ -424,7 +424,7 @@ void fft_radix3_B3(__local float2* smem, __global const float2* twiddles, const const int x3 = x2 + t/3; float2 a0, a1, a2, a3, a4, a5, a6, a7, a8; - if (x1 < t/2) + if (x1 < t/3) { a0 = smem[x1]; a1 = smem[x1+t]; a2 = smem[x1+2*t]; a3 = smem[x2]; a4 = smem[x2+t]; a5 = smem[x2+2*t]; @@ -433,7 +433,7 @@ void fft_radix3_B3(__local float2* smem, __global const float2* twiddles, const barrier(CLK_LOCAL_MEM_FENCE); - if (x1 < t/2) + if (x1 < t/3) { butterfly3(a0, a1, a2, smem, twiddles, x1, block_size); butterfly3(a3, a4, a5, smem, twiddles, x2, block_size); diff --git a/modules/core/src/opencl/meanstddev.cl b/modules/core/src/opencl/meanstddev.cl index 39e917e96d..ed68c64538 100644 --- a/modules/core/src/opencl/meanstddev.cl +++ b/modules/core/src/opencl/meanstddev.cl @@ -59,7 +59,7 @@ __kernel void meanStdDev(__global const uchar * srcptr, int src_step, int src_of for (int grain = groups * WGS; id < total; id += grain) { #ifdef HAVE_MASK -#ifdef HAVE_SRC_CONT +#ifdef HAVE_MASK_CONT int mask_index = id; #else int mask_index = mad24(id / cols, mask_step, id % cols); diff --git a/modules/core/src/opencl/runtime/opencl_clamdblas.cpp b/modules/core/src/opencl/runtime/opencl_clamdblas.cpp index 420fdb97d3..379929993f 100644 --- a/modules/core/src/opencl/runtime/opencl_clamdblas.cpp +++ b/modules/core/src/opencl/runtime/opencl_clamdblas.cpp @@ -39,7 +39,7 @@ // //M*/ -#include "precomp.hpp" +#include "../../precomp.hpp" #ifdef HAVE_CLAMDBLAS diff --git a/modules/core/src/opencl/runtime/opencl_clamdfft.cpp b/modules/core/src/opencl/runtime/opencl_clamdfft.cpp index 36a9ed2a71..255bcd826a 100644 --- a/modules/core/src/opencl/runtime/opencl_clamdfft.cpp +++ b/modules/core/src/opencl/runtime/opencl_clamdfft.cpp @@ -39,7 +39,7 @@ // //M*/ -#include "precomp.hpp" +#include "../../precomp.hpp" #ifdef HAVE_CLAMDFFT diff --git a/modules/core/src/opencl/runtime/opencl_core.cpp b/modules/core/src/opencl/runtime/opencl_core.cpp index 5dbc85ec10..93f6aae5de 100644 --- a/modules/core/src/opencl/runtime/opencl_core.cpp +++ b/modules/core/src/opencl/runtime/opencl_core.cpp @@ -39,7 +39,7 @@ // //M*/ -#include "precomp.hpp" +#include "../../precomp.hpp" #if defined(HAVE_OPENCL) && !defined(HAVE_OPENCL_STATIC) diff --git a/modules/core/src/stat.cpp b/modules/core/src/stat.cpp index a0fde76509..20e8aa5a79 100644 --- a/modules/core/src/stat.cpp +++ b/modules/core/src/stat.cpp @@ -44,7 +44,7 @@ #include #include -#include "opencl_kernels.hpp" +#include "opencl_kernels_core.hpp" namespace cv { @@ -568,7 +568,7 @@ cv::Scalar cv::sum( InputArray _src ) { #ifdef HAVE_OPENCL Scalar _res; - CV_OCL_RUN_(_src.isUMat() && _src.dims() <= 2, + CV_OCL_RUN_(OCL_PERFORMANCE_CHECK(_src.isUMat()) && _src.dims() <= 2, ocl_sum(_src, _res, OCL_OP_SUM), _res) #endif @@ -719,7 +719,7 @@ int cv::countNonZero( InputArray _src ) #ifdef HAVE_OPENCL int res = -1; - CV_OCL_RUN_(_src.isUMat() && _src.dims() <= 2, + CV_OCL_RUN_(OCL_PERFORMANCE_CHECK(_src.isUMat()) && _src.dims() <= 2, ocl_countNonZero(_src, res), res) #endif @@ -782,7 +782,7 @@ cv::Scalar cv::mean( InputArray _src, InputArray _mask ) int type = src.type(); if( !mask.empty() ) { - typedef IppStatus (CV_STDCALL* ippiMaskMeanFuncC1)(const void *, int, void *, int, IppiSize, Ipp64f *); + typedef IppStatus (CV_STDCALL* ippiMaskMeanFuncC1)(const void *, int, const void *, int, IppiSize, Ipp64f *); ippiMaskMeanFuncC1 ippFuncC1 = type == CV_8UC1 ? (ippiMaskMeanFuncC1)ippiMean_8u_C1MR : type == CV_16UC1 ? (ippiMaskMeanFuncC1)ippiMean_16u_C1MR : @@ -795,7 +795,7 @@ cv::Scalar cv::mean( InputArray _src, InputArray _mask ) return Scalar(res); setIppErrorStatus(); } - typedef IppStatus (CV_STDCALL* ippiMaskMeanFuncC3)(const void *, int, void *, int, IppiSize, int, Ipp64f *); + typedef IppStatus (CV_STDCALL* ippiMaskMeanFuncC3)(const void *, int, const void *, int, IppiSize, int, Ipp64f *); ippiMaskMeanFuncC3 ippFuncC3 = type == CV_8UC3 ? (ippiMaskMeanFuncC3)ippiMean_8u_C3CMR : type == CV_16UC3 ? (ippiMaskMeanFuncC3)ippiMean_16u_C3CMR : @@ -918,7 +918,8 @@ static bool ocl_meanStdDev( InputArray _src, OutputArray _mean, OutputArray _sdv { int type = _src.type(), depth = CV_MAT_DEPTH(type), cn = CV_MAT_CN(type); bool doubleSupport = ocl::Device::getDefault().doubleFPConfig() > 0, - isContinuous = _src.isContinuous(); + isContinuous = _src.isContinuous(), + isMaskContinuous = _mask.isContinuous(); const ocl::Device &defDev = ocl::Device::getDefault(); int groups = defDev.maxComputeUnits(); if (defDev.isIntel()) @@ -943,13 +944,14 @@ static bool ocl_meanStdDev( InputArray _src, OutputArray _mean, OutputArray _sdv char cvt[2][40]; String opts = format("-D srcT=%s -D srcT1=%s -D dstT=%s -D dstT1=%s -D sqddepth=%d" - " -D sqdstT=%s -D sqdstT1=%s -D convertToSDT=%s -D cn=%d%s" + " -D sqdstT=%s -D sqdstT1=%s -D convertToSDT=%s -D cn=%d%s%s" " -D convertToDT=%s -D WGS=%d -D WGS2_ALIGNED=%d%s%s", ocl::typeToStr(type), ocl::typeToStr(depth), ocl::typeToStr(dtype), ocl::typeToStr(ddepth), sqddepth, ocl::typeToStr(sqdtype), ocl::typeToStr(sqddepth), ocl::convertTypeStr(depth, sqddepth, cn, cvt[0]), cn, isContinuous ? " -D HAVE_SRC_CONT" : "", + isMaskContinuous ? " -D HAVE_MASK_CONT" : "", ocl::convertTypeStr(depth, ddepth, cn, cvt[1]), (int)wgs, wgs2_aligned, haveMask ? " -D HAVE_MASK" : "", doubleSupport ? " -D DOUBLE_SUPPORT" : ""); @@ -1025,7 +1027,7 @@ static bool ocl_meanStdDev( InputArray _src, OutputArray _mean, OutputArray _sdv void cv::meanStdDev( InputArray _src, OutputArray _mean, OutputArray _sdv, InputArray _mask ) { - CV_OCL_RUN(_src.isUMat() && _src.dims() <= 2, + CV_OCL_RUN(OCL_PERFORMANCE_CHECK(_src.isUMat()) && _src.dims() <= 2, ocl_meanStdDev(_src, _mean, _sdv, _mask)) Mat src = _src.getMat(), mask = _mask.getMat(); @@ -1069,7 +1071,7 @@ void cv::meanStdDev( InputArray _src, OutputArray _mean, OutputArray _sdv, Input int type = src.type(); if( !mask.empty() ) { - typedef IppStatus (CV_STDCALL* ippiMaskMeanStdDevFuncC1)(const void *, int, void *, int, IppiSize, Ipp64f *, Ipp64f *); + typedef IppStatus (CV_STDCALL* ippiMaskMeanStdDevFuncC1)(const void *, int, const void *, int, IppiSize, Ipp64f *, Ipp64f *); ippiMaskMeanStdDevFuncC1 ippFuncC1 = type == CV_8UC1 ? (ippiMaskMeanStdDevFuncC1)ippiMean_StdDev_8u_C1MR : type == CV_16UC1 ? (ippiMaskMeanStdDevFuncC1)ippiMean_StdDev_16u_C1MR : @@ -1081,7 +1083,7 @@ void cv::meanStdDev( InputArray _src, OutputArray _mean, OutputArray _sdv, Input return; setIppErrorStatus(); } - typedef IppStatus (CV_STDCALL* ippiMaskMeanStdDevFuncC3)(const void *, int, void *, int, IppiSize, int, Ipp64f *, Ipp64f *); + typedef IppStatus (CV_STDCALL* ippiMaskMeanStdDevFuncC3)(const void *, int, const void *, int, IppiSize, int, Ipp64f *, Ipp64f *); ippiMaskMeanStdDevFuncC3 ippFuncC3 = type == CV_8UC3 ? (ippiMaskMeanStdDevFuncC3)ippiMean_StdDev_8u_C3CMR : type == CV_16UC3 ? (ippiMaskMeanStdDevFuncC3)ippiMean_StdDev_16u_C3CMR : @@ -1571,7 +1573,7 @@ void cv::minMaxIdx(InputArray _src, double* minVal, CV_Assert( (cn == 1 && (_mask.empty() || _mask.type() == CV_8U)) || (cn > 1 && _mask.empty() && !minIdx && !maxIdx) ); - CV_OCL_RUN(_src.isUMat() && _src.dims() <= 2 && (_mask.empty() || _src.size() == _mask.size()), + CV_OCL_RUN(OCL_PERFORMANCE_CHECK(_src.isUMat()) && _src.dims() <= 2 && (_mask.empty() || _src.size() == _mask.size()), ocl_minMaxIdx(_src, minVal, maxVal, minIdx, maxIdx, _mask)) Mat src = _src.getMat(), mask = _mask.getMat(); @@ -2234,7 +2236,7 @@ double cv::norm( InputArray _src, int normType, InputArray _mask ) #ifdef HAVE_OPENCL double _result = 0; - CV_OCL_RUN_(_src.isUMat() && _src.dims() <= 2, + CV_OCL_RUN_(OCL_PERFORMANCE_CHECK(_src.isUMat()) && _src.dims() <= 2, ocl_norm(_src, normType, _mask, _result), _result) #endif @@ -2594,7 +2596,7 @@ double cv::norm( InputArray _src1, InputArray _src2, int normType, InputArray _m #ifdef HAVE_OPENCL double _result = 0; - CV_OCL_RUN_(_src1.isUMat(), + CV_OCL_RUN_(OCL_PERFORMANCE_CHECK(_src1.isUMat()), ocl_norm(_src1, _src2, normType, _mask, _result), _result) #endif diff --git a/modules/core/src/umatrix.cpp b/modules/core/src/umatrix.cpp index 60f547794c..a128bcd01d 100644 --- a/modules/core/src/umatrix.cpp +++ b/modules/core/src/umatrix.cpp @@ -41,7 +41,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_core.hpp" ///////////////////////////////// UMat implementation /////////////////////////////// @@ -582,7 +582,7 @@ Mat UMat::getMat(int accessFlags) const hdr.flags = flags; hdr.u = u; hdr.datastart = u->data; - hdr.data = hdr.datastart + offset; + hdr.data = u->data + offset; hdr.datalimit = hdr.dataend = u->data + u->size; CV_XADD(&hdr.u->refcount, 1); return hdr; @@ -593,15 +593,16 @@ void* UMat::handle(int accessFlags) const if( !u ) return 0; - if ((accessFlags & ACCESS_WRITE) != 0) - u->markHostCopyObsolete(true); - // check flags: if CPU copy is newer, copy it back to GPU. if( u->deviceCopyObsolete() ) { CV_Assert(u->refcount == 0); u->currAllocator->unmap(u); } + + if ((accessFlags & ACCESS_WRITE) != 0) + u->markHostCopyObsolete(true); + return u->handle; } diff --git a/modules/core/test/ocl/test_arithm.cpp b/modules/core/test/ocl/test_arithm.cpp index 4940d80f7c..3af01f3d50 100644 --- a/modules/core/test/ocl/test_arithm.cpp +++ b/modules/core/test/ocl/test_arithm.cpp @@ -39,7 +39,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #include @@ -157,6 +157,7 @@ PARAM_TEST_CASE(ArithmTestBase, MatDepth, Channels, bool) Border maskBorder = randomBorder(0, use_roi ? MAX_VALUE : 0); randomSubMat(mask, mask_roi, roiSize, maskBorder, CV_8UC1, 0, 2); cv::threshold(mask, mask, 0.5, 255., CV_8UC1); + *mask.ptr(0) = 255; // prevent test case with mask filled 0 only val = cv::Scalar(rng.uniform(-100.0, 100.0), rng.uniform(-100.0, 100.0), rng.uniform(-100.0, 100.0), rng.uniform(-100.0, 100.0)); @@ -1419,7 +1420,7 @@ OCL_TEST_P(UMatDot, Mat) OCL_OFF(const double cpuRes = src1_roi.dot(src2_roi)); OCL_ON(const double gpuRes = usrc1_roi.dot(usrc2_roi)); - EXPECT_PRED3(relativeError, cpuRes, gpuRes, 1e-6); + EXPECT_PRED3(relativeError, cpuRes, gpuRes, 1e-5); } } @@ -1749,7 +1750,7 @@ OCL_TEST_P(ReduceAvg, Mat) OCL_OFF(cv::reduce(src_roi, dst_roi, dim, CV_REDUCE_AVG, dtype)); OCL_ON(cv::reduce(usrc_roi, udst_roi, dim, CV_REDUCE_AVG, dtype)); - double eps = ddepth <= CV_32S ? 1 : 5e-6; + double eps = ddepth <= CV_32S ? 1 : 6e-6; OCL_EXPECT_MATS_NEAR(dst, eps); } } diff --git a/modules/core/test/ocl/test_channels.cpp b/modules/core/test/ocl/test_channels.cpp index 7565273e7a..2a07bc1085 100644 --- a/modules/core/test/ocl/test_channels.cpp +++ b/modules/core/test/ocl/test_channels.cpp @@ -44,7 +44,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL @@ -105,6 +105,7 @@ PARAM_TEST_CASE(Merge, MatDepth, int, bool) UMAT_UPLOAD_INPUT_PARAMETER(src3); UMAT_UPLOAD_INPUT_PARAMETER(src4); + src_roi.clear(); usrc_roi.clear(); // for test_loop_times > 1 src_roi.push_back(src1_roi), usrc_roi.push_back(usrc1_roi); if (nsrc >= 2) src_roi.push_back(src2_roi), usrc_roi.push_back(usrc2_roi); diff --git a/modules/core/test/ocl/test_dft.cpp b/modules/core/test/ocl/test_dft.cpp index cd0c1f07d0..afad19613f 100644 --- a/modules/core/test/ocl/test_dft.cpp +++ b/modules/core/test/ocl/test_dft.cpp @@ -43,7 +43,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL @@ -108,7 +108,7 @@ OCL_TEST_P(Dft, Mat) { generateTestData(); - int nonzero_rows = hint ? src.cols - randomInt(1, src.rows-1) : 0; + int nonzero_rows = hint ? src.rows - randomInt(1, src.rows-1) : 0; OCL_OFF(cv::dft(src, dst, dft_flags, nonzero_rows)); OCL_ON(cv::dft(usrc, udst, dft_flags, nonzero_rows)); @@ -175,7 +175,7 @@ OCL_TEST_P(MulSpectrums, Mat) OCL_INSTANTIATE_TEST_CASE_P(OCL_ImgProc, MulSpectrums, testing::Combine(Bool(), Bool())); -OCL_INSTANTIATE_TEST_CASE_P(Core, Dft, Combine(Values(cv::Size(10, 10), cv::Size(36, 36), cv::Size(512, 1), cv::Size(1280, 768)), +OCL_INSTANTIATE_TEST_CASE_P(Core, Dft, Combine(Values(cv::Size(45, 72), cv::Size(36, 36), cv::Size(512, 1), cv::Size(1280, 768)), Values((OCL_FFT_TYPE) R2C, (OCL_FFT_TYPE) C2C, (OCL_FFT_TYPE) R2R, (OCL_FFT_TYPE) C2R), Bool(), // DFT_INVERSE Bool(), // DFT_ROWS diff --git a/modules/core/test/ocl/test_gemm.cpp b/modules/core/test/ocl/test_gemm.cpp index e92fc2a1c9..e98135a3dc 100644 --- a/modules/core/test/ocl/test_gemm.cpp +++ b/modules/core/test/ocl/test_gemm.cpp @@ -42,7 +42,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL diff --git a/modules/core/test/ocl/test_matrix_expr.cpp b/modules/core/test/ocl/test_matrix_expr.cpp index 167026d8cd..b8448fb50c 100644 --- a/modules/core/test/ocl/test_matrix_expr.cpp +++ b/modules/core/test/ocl/test_matrix_expr.cpp @@ -5,7 +5,7 @@ // Copyright (C) 2014, Advanced Micro Devices, Inc., all rights reserved. // Third party copyrights are property of their respective owners. -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL diff --git a/modules/core/test/ocl/test_matrix_operation.cpp b/modules/core/test/ocl/test_matrix_operation.cpp index ee591e9bd9..b19b74f543 100644 --- a/modules/core/test/ocl/test_matrix_operation.cpp +++ b/modules/core/test/ocl/test_matrix_operation.cpp @@ -44,7 +44,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL @@ -96,7 +96,7 @@ OCL_TEST_P(ConvertTo, Accuracy) OCL_OFF(src_roi.convertTo(dst_roi, dstType, alpha, beta)); OCL_ON(usrc_roi.convertTo(udst_roi, dstType, alpha, beta)); - double eps = src_depth >= CV_32F || CV_MAT_DEPTH(dstType) >= CV_32F ? 1e-4 : 1; + double eps = CV_MAT_DEPTH(dstType) >= CV_32F ? 2e-4 : 1; OCL_EXPECT_MATS_NEAR(dst, eps); } } @@ -121,7 +121,7 @@ PARAM_TEST_CASE(CopyTo, MatDepth, Channels, bool, bool) use_mask = GET_PARAM(3); } - void generateTestData() + void generateTestData(bool one_cn_mask = false) { const int type = CV_MAKE_TYPE(depth, cn); @@ -132,9 +132,11 @@ PARAM_TEST_CASE(CopyTo, MatDepth, Channels, bool, bool) if (use_mask) { Border maskBorder = randomBorder(0, use_roi ? MAX_VALUE : 0); - int mask_cn = randomDouble(0.0, 2.0) > 1.0 ? cn : 1; + int mask_cn = 1; + if (!one_cn_mask && randomDouble(0.0, 2.0) > 1.0) + mask_cn = cn; randomSubMat(mask, mask_roi, roiSize, maskBorder, CV_8UC(mask_cn), 0, 2); - cv::threshold(mask, mask, 0.5, 255., CV_8UC1); + cv::threshold(mask, mask, 0.5, 255., THRESH_BINARY); } Border dstBorder = randomBorder(0, use_roi ? MAX_VALUE : 0); @@ -177,7 +179,7 @@ OCL_TEST_P(SetTo, Accuracy) { for (int j = 0; j < test_loop_times; j++) { - generateTestData(); + generateTestData(true); // see modules/core/src/umatrix.cpp Ln:791 => CV_Assert( mask.size() == size() && mask.type() == CV_8UC1 ); if (use_mask) { diff --git a/modules/core/test/test_mat.cpp b/modules/core/test/test_mat.cpp index ac27bd7b53..18a93cd2b1 100644 --- a/modules/core/test/test_mat.cpp +++ b/modules/core/test/test_mat.cpp @@ -649,6 +649,16 @@ static void setValue(SparseMat& M, const int* idx, double value, RNG& rng) CV_Error(CV_StsUnsupportedFormat, ""); } +template +struct InitializerFunctor{ + /// Initializer for cv::Mat::forEach test + void operator()(Pixel & pixel, const int * idx) const { + pixel.x = idx[0]; + pixel.y = idx[1]; + pixel.z = idx[2]; + } +}; + void Core_ArrayOpTest::run( int /* start_from */) { int errcount = 0; @@ -686,6 +696,45 @@ void Core_ArrayOpTest::run( int /* start_from */) errcount++; } } + // test cv::Mat::forEach + { + const int dims[3] = { 101, 107, 7 }; + typedef cv::Point3i Pixel; + + cv::Mat a = cv::Mat::zeros(3, dims, CV_32SC3); + InitializerFunctor initializer; + + a.forEach(initializer); + + uint64 total = 0; + bool error_reported = false; + for (int i0 = 0; i0 < dims[0]; ++i0) { + for (int i1 = 0; i1 < dims[1]; ++i1) { + for (int i2 = 0; i2 < dims[2]; ++i2) { + Pixel& pixel = a.at(i0, i1, i2); + if (pixel.x != i0 || pixel.y != i1 || pixel.z != i2) { + if (!error_reported) { + ts->printf(cvtest::TS::LOG, "forEach is not correct.\n" + "First error detected at (%d, %d, %d).\n", pixel.x, pixel.y, pixel.z); + error_reported = true; + } + errcount++; + } + total += pixel.x; + total += pixel.y; + total += pixel.z; + } + } + } + uint64 total2 = 0; + for (size_t i = 0; i < sizeof(dims) / sizeof(dims[0]); ++i) { + total2 += ((dims[i] - 1) * dims[i] / 2) * dims[0] * dims[1] * dims[2] / dims[i]; + } + if (total != total2) { + ts->printf(cvtest::TS::LOG, "forEach is not correct because total is invalid.\n"); + errcount++; + } + } RNG rng; const int MAX_DIM = 5, MAX_DIM_SZ = 10; diff --git a/modules/core/test/test_umat.cpp b/modules/core/test/test_umat.cpp index d7ae7a9385..8e51aadad2 100644 --- a/modules/core/test/test_umat.cpp +++ b/modules/core/test/test_umat.cpp @@ -745,6 +745,24 @@ TEST(UMat, Sync) EXPECT_EQ(0, cvtest::norm(um.getMat(ACCESS_READ), cv::Mat(um.size(), um.type(), 19), NORM_INF)); } +TEST(UMat, CopyToIfDeviceCopyIsObsolete) +{ + UMat um(7, 2, CV_8UC1); + Mat m(um.size(), um.type()); + m.setTo(Scalar::all(0)); + + { + // make obsolete device copy of UMat + Mat temp = um.getMat(ACCESS_WRITE); + temp.setTo(Scalar::all(10)); + } + + m.copyTo(um); + um.setTo(Scalar::all(17)); + + EXPECT_EQ(0, cvtest::norm(um.getMat(ACCESS_READ), Mat(um.size(), um.type(), 17), NORM_INF)); +} + TEST(UMat, setOpenCL) { // save the current state diff --git a/modules/cudaarithm/CMakeLists.txt b/modules/cudaarithm/CMakeLists.txt index c819ec928d..b4708e723a 100644 --- a/modules/cudaarithm/CMakeLists.txt +++ b/modules/cudaarithm/CMakeLists.txt @@ -23,7 +23,5 @@ endif() ocv_create_module(${extra_libs}) -ocv_add_precompiled_headers(${the_module}) - ocv_add_accuracy_tests(DEPENDS_ON opencv_imgproc) ocv_add_perf_tests(DEPENDS_ON opencv_imgproc) diff --git a/modules/cudacodec/CMakeLists.txt b/modules/cudacodec/CMakeLists.txt index 5d8f7327c0..90599766ad 100644 --- a/modules/cudacodec/CMakeLists.txt +++ b/modules/cudacodec/CMakeLists.txt @@ -23,7 +23,5 @@ endif() ocv_create_module(${extra_libs}) -ocv_add_precompiled_headers(${the_module}) - ocv_add_accuracy_tests() ocv_add_perf_tests() diff --git a/modules/cudaoptflow/CMakeLists.txt b/modules/cudaoptflow/CMakeLists.txt index b7a2109fbb..f2d3e3da0b 100644 --- a/modules/cudaoptflow/CMakeLists.txt +++ b/modules/cudaoptflow/CMakeLists.txt @@ -6,4 +6,4 @@ set(the_description "CUDA-accelerated Optical Flow") ocv_warnings_disable(CMAKE_CXX_FLAGS /wd4127 /wd4324 /wd4512 -Wundef -Wmissing-declarations) -ocv_define_module(cudaoptflow opencv_video opencv_legacy opencv_cudaarithm opencv_cudawarping opencv_cudaimgproc OPTIONAL opencv_cudalegacy) +ocv_define_module(cudaoptflow opencv_video opencv_cudaarithm opencv_cudawarping opencv_cudaimgproc OPTIONAL opencv_cudalegacy) diff --git a/modules/cudaoptflow/perf/perf_optflow.cpp b/modules/cudaoptflow/perf/perf_optflow.cpp index 6c312ad0be..71ab895082 100644 --- a/modules/cudaoptflow/perf/perf_optflow.cpp +++ b/modules/cudaoptflow/perf/perf_optflow.cpp @@ -41,7 +41,6 @@ //M*/ #include "perf_precomp.hpp" -#include "opencv2/legacy.hpp" using namespace std; using namespace testing; @@ -389,24 +388,6 @@ PERF_TEST_P(ImagePair, OpticalFlowDual_TVL1, ////////////////////////////////////////////////////// // OpticalFlowBM -void calcOpticalFlowBM(const cv::Mat& prev, const cv::Mat& curr, - cv::Size bSize, cv::Size shiftSize, cv::Size maxRange, int usePrevious, - cv::Mat& velx, cv::Mat& vely) -{ - cv::Size sz((curr.cols - bSize.width + shiftSize.width)/shiftSize.width, (curr.rows - bSize.height + shiftSize.height)/shiftSize.height); - - velx.create(sz, CV_32FC1); - vely.create(sz, CV_32FC1); - - CvMat cvprev = prev; - CvMat cvcurr = curr; - - CvMat cvvelx = velx; - CvMat cvvely = vely; - - cvCalcOpticalFlowBM(&cvprev, &cvcurr, bSize, shiftSize, maxRange, usePrevious, &cvvelx, &cvvely); -} - PERF_TEST_P(ImagePair, OpticalFlowBM, Values(make_pair("gpu/opticalflow/frame0.png", "gpu/opticalflow/frame1.png"))) { @@ -435,12 +416,7 @@ PERF_TEST_P(ImagePair, OpticalFlowBM, } else { - cv::Mat u, v; - - TEST_CYCLE() calcOpticalFlowBM(frame0, frame1, block_size, shift_size, max_range, false, u, v); - - CPU_SANITY_CHECK(u); - CPU_SANITY_CHECK(v); + FAIL_NO_CPU(); } } diff --git a/modules/cudaoptflow/test/test_optflow.cpp b/modules/cudaoptflow/test/test_optflow.cpp index 110fed0339..1de40510dd 100644 --- a/modules/cudaoptflow/test/test_optflow.cpp +++ b/modules/cudaoptflow/test/test_optflow.cpp @@ -41,7 +41,6 @@ //M*/ #include "test_precomp.hpp" -#include "opencv2/legacy.hpp" #ifdef HAVE_CUDA @@ -370,65 +369,6 @@ INSTANTIATE_TEST_CASE_P(CUDA_OptFlow, OpticalFlowDual_TVL1, testing::Combine( ALL_DEVICES, WHOLE_SUBMAT)); -////////////////////////////////////////////////////// -// OpticalFlowBM - -namespace -{ - void calcOpticalFlowBM(const cv::Mat& prev, const cv::Mat& curr, - cv::Size bSize, cv::Size shiftSize, cv::Size maxRange, int usePrevious, - cv::Mat& velx, cv::Mat& vely) - { - cv::Size sz((curr.cols - bSize.width + shiftSize.width)/shiftSize.width, (curr.rows - bSize.height + shiftSize.height)/shiftSize.height); - - velx.create(sz, CV_32FC1); - vely.create(sz, CV_32FC1); - - CvMat cvprev = prev; - CvMat cvcurr = curr; - - CvMat cvvelx = velx; - CvMat cvvely = vely; - - cvCalcOpticalFlowBM(&cvprev, &cvcurr, bSize, shiftSize, maxRange, usePrevious, &cvvelx, &cvvely); - } -} - -struct OpticalFlowBM : testing::TestWithParam -{ -}; - -CUDA_TEST_P(OpticalFlowBM, Accuracy) -{ - cv::cuda::DeviceInfo devInfo = GetParam(); - cv::cuda::setDevice(devInfo.deviceID()); - - cv::Mat frame0 = readImage("opticalflow/rubberwhale1.png", cv::IMREAD_GRAYSCALE); - ASSERT_FALSE(frame0.empty()); - cv::resize(frame0, frame0, cv::Size(), 0.5, 0.5); - - cv::Mat frame1 = readImage("opticalflow/rubberwhale2.png", cv::IMREAD_GRAYSCALE); - ASSERT_FALSE(frame1.empty()); - cv::resize(frame1, frame1, cv::Size(), 0.5, 0.5); - - cv::Size block_size(8, 8); - cv::Size shift_size(1, 1); - cv::Size max_range(8, 8); - - cv::cuda::GpuMat d_velx, d_vely, buf; - cv::cuda::calcOpticalFlowBM(loadMat(frame0), loadMat(frame1), - block_size, shift_size, max_range, false, - d_velx, d_vely, buf); - - cv::Mat velx, vely; - calcOpticalFlowBM(frame0, frame1, block_size, shift_size, max_range, false, velx, vely); - - EXPECT_MAT_NEAR(velx, d_velx, 0); - EXPECT_MAT_NEAR(vely, d_vely, 0); -} - -INSTANTIATE_TEST_CASE_P(CUDA_OptFlow, OpticalFlowBM, ALL_DEVICES); - ////////////////////////////////////////////////////// // FastOpticalFlowBM diff --git a/modules/cudev/test/CMakeLists.txt b/modules/cudev/test/CMakeLists.txt index 363970e4b7..89213e236d 100644 --- a/modules/cudev/test/CMakeLists.txt +++ b/modules/cudev/test/CMakeLists.txt @@ -29,7 +29,7 @@ if(OCV_DEPENDENCIES_FOUND) endforeach() CUDA_ADD_EXECUTABLE(${the_target} ${OPENCV_TEST_${the_module}_SOURCES}) - target_link_libraries(${the_target} ${test_deps} ${OPENCV_LINKER_LIBS} ${CUDA_LIBRARIES}) + ocv_target_link_libraries(${the_target} ${test_deps} ${OPENCV_LINKER_LIBS} ${CUDA_LIBRARIES}) add_dependencies(opencv_tests ${the_target}) # Additional target properties diff --git a/modules/features2d/perf/opencl/perf_brute_force_matcher.cpp b/modules/features2d/perf/opencl/perf_brute_force_matcher.cpp index 2e6e574160..2cb8daabfb 100644 --- a/modules/features2d/perf/opencl/perf_brute_force_matcher.cpp +++ b/modules/features2d/perf/opencl/perf_brute_force_matcher.cpp @@ -43,7 +43,7 @@ // the use of this software, even if advised of the possibility of such damage. // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/features2d/perf/opencl/perf_fast.cpp b/modules/features2d/perf/opencl/perf_fast.cpp index 7816da7b10..c4a8e078c0 100644 --- a/modules/features2d/perf/opencl/perf_fast.cpp +++ b/modules/features2d/perf/opencl/perf_fast.cpp @@ -1,4 +1,4 @@ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/features2d/perf/opencl/perf_orb.cpp b/modules/features2d/perf/opencl/perf_orb.cpp index f40b5f4b92..c551dee88a 100644 --- a/modules/features2d/perf/opencl/perf_orb.cpp +++ b/modules/features2d/perf/opencl/perf_orb.cpp @@ -1,4 +1,4 @@ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/features2d/src/brisk.cpp b/modules/features2d/src/brisk.cpp index f4690eb170..213dd60413 100644 --- a/modules/features2d/src/brisk.cpp +++ b/modules/features2d/src/brisk.cpp @@ -427,7 +427,7 @@ BRISK::smoothedIntensity(const cv::Mat& image, const cv::Mat& integral, const fl if (dx + dy > 2) { // now the calculation: - uchar* ptr = image.data + x_left + imagecols * y_top; + const uchar* ptr = image.data + x_left + imagecols * y_top; // first the corners: ret_val = A * int(*ptr); ptr += dx + 1; @@ -475,7 +475,7 @@ BRISK::smoothedIntensity(const cv::Mat& image, const cv::Mat& integral, const fl } // now the calculation: - uchar* ptr = image.data + x_left + imagecols * y_top; + const uchar* ptr = image.data + x_left + imagecols * y_top; // first row: ret_val = A * int(*ptr); ptr++; @@ -487,7 +487,7 @@ BRISK::smoothedIntensity(const cv::Mat& image, const cv::Mat& integral, const fl ret_val += B * int(*ptr); // middle ones: ptr += imagecols - dx - 1; - uchar* end_j = ptr + dy * imagecols; + const uchar* end_j = ptr + dy * imagecols; for (; ptr < end_j; ptr += imagecols - dx - 1) { ret_val += r_x_1_i * int(*ptr); @@ -607,7 +607,7 @@ BRISK::computeDescriptorsAndOrOrientation(InputArray _image, InputArray _mask, s int t2; // the feature orientation - uchar* ptr = descriptors.data; + const uchar* ptr = descriptors.data; for (size_t k = 0; k < ksize; k++) { cv::KeyPoint& kp = keypoints[k]; @@ -1070,7 +1070,7 @@ BriskScaleSpace::isMax2D(const int layer, const int x_layer, const int y_layer) { const cv::Mat& scores = pyramid_[layer].scores(); const int scorescols = scores.cols; - uchar* data = scores.data + y_layer * scorescols + x_layer; + const uchar* data = scores.data + y_layer * scorescols + x_layer; // decision tree: const uchar center = (*data); data--; @@ -2140,7 +2140,7 @@ BriskLayer::value(const cv::Mat& mat, float xf, float yf, float scale_in) const const int r_y = (int)((yf - y) * 1024); const int r_x_1 = (1024 - r_x); const int r_y_1 = (1024 - r_y); - uchar* ptr = image.data + x + y * imagecols; + const uchar* ptr = image.data + x + y * imagecols; // just interpolate: ret_val = (r_x_1 * r_y_1 * int(*ptr)); ptr++; @@ -2186,7 +2186,7 @@ BriskLayer::value(const cv::Mat& mat, float xf, float yf, float scale_in) const const int r_y1_i = (int)(r_y1 * scaling); // now the calculation: - uchar* ptr = image.data + x_left + imagecols * y_top; + const uchar* ptr = image.data + x_left + imagecols * y_top; // first row: ret_val = A * int(*ptr); ptr++; @@ -2198,7 +2198,7 @@ BriskLayer::value(const cv::Mat& mat, float xf, float yf, float scale_in) const ret_val += B * int(*ptr); // middle ones: ptr += imagecols - dx - 1; - uchar* end_j = ptr + dy * imagecols; + const uchar* end_j = ptr + dy * imagecols; for (; ptr < end_j; ptr += imagecols - dx - 1) { ret_val += r_x_1_i * int(*ptr); diff --git a/modules/features2d/src/fast.cpp b/modules/features2d/src/fast.cpp index c01cbba698..79b6d6cef3 100644 --- a/modules/features2d/src/fast.cpp +++ b/modules/features2d/src/fast.cpp @@ -43,7 +43,7 @@ The references are: #include "precomp.hpp" #include "fast_score.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_features2d.hpp" #if defined _MSC_VER # pragma warning( disable : 4127) diff --git a/modules/features2d/src/freak.cpp b/modules/features2d/src/freak.cpp index 00c0e35ae8..58c1fe11e2 100644 --- a/modules/features2d/src/freak.cpp +++ b/modules/features2d/src/freak.cpp @@ -45,7 +45,6 @@ namespace cv { static const double FREAK_SQRT2 = 1.4142135623731; -static const double FREAK_INV_SQRT2 = 1.0 / FREAK_SQRT2; static const double FREAK_LOG2 = 0.693147180559945; static const int FREAK_NB_ORIENTATION = 256; static const int FREAK_NB_POINTS = 43; diff --git a/modules/features2d/src/kaze/AKAZEConfig.h b/modules/features2d/src/kaze/AKAZEConfig.h index c7ac1cfc0b..e2ba51c531 100644 --- a/modules/features2d/src/kaze/AKAZEConfig.h +++ b/modules/features2d/src/kaze/AKAZEConfig.h @@ -10,7 +10,7 @@ /* ************************************************************************* */ // OpenCV -#include "precomp.hpp" +#include "../precomp.hpp" #include /* ************************************************************************* */ diff --git a/modules/features2d/src/kaze/AKAZEFeatures.h b/modules/features2d/src/kaze/AKAZEFeatures.h index f8ce7a4889..9119c97f2f 100644 --- a/modules/features2d/src/kaze/AKAZEFeatures.h +++ b/modules/features2d/src/kaze/AKAZEFeatures.h @@ -11,7 +11,7 @@ /* ************************************************************************* */ // Includes -#include "precomp.hpp" +#include "../precomp.hpp" #include "AKAZEConfig.h" #include "TEvolution.h" diff --git a/modules/features2d/src/kaze/KAZEConfig.h b/modules/features2d/src/kaze/KAZEConfig.h index 21489a07a4..546ee36579 100644 --- a/modules/features2d/src/kaze/KAZEConfig.h +++ b/modules/features2d/src/kaze/KAZEConfig.h @@ -9,7 +9,7 @@ #define __OPENCV_FEATURES_2D_AKAZE_CONFIG_H__ // OpenCV Includes -#include "precomp.hpp" +#include "../precomp.hpp" #include //************************************************************************************* diff --git a/modules/features2d/src/kaze/fed.cpp b/modules/features2d/src/kaze/fed.cpp index 7c2588559d..cb47628e03 100644 --- a/modules/features2d/src/kaze/fed.cpp +++ b/modules/features2d/src/kaze/fed.cpp @@ -28,7 +28,7 @@ * DAGM, 2010 * */ -#include "precomp.hpp" +#include "../precomp.hpp" #include "fed.h" using namespace std; diff --git a/modules/features2d/src/kaze/nldiffusion_functions.h b/modules/features2d/src/kaze/nldiffusion_functions.h index 5c161a6e7c..6665e54270 100644 --- a/modules/features2d/src/kaze/nldiffusion_functions.h +++ b/modules/features2d/src/kaze/nldiffusion_functions.h @@ -13,7 +13,7 @@ /* ************************************************************************* */ // Includes -#include "precomp.hpp" +#include "../precomp.hpp" /* ************************************************************************* */ // Declaration of functions diff --git a/modules/features2d/src/matchers.cpp b/modules/features2d/src/matchers.cpp index 2b5605031a..1ae1340d1d 100644 --- a/modules/features2d/src/matchers.cpp +++ b/modules/features2d/src/matchers.cpp @@ -41,7 +41,7 @@ #include "precomp.hpp" #include -#include "opencl_kernels.hpp" +#include "opencl_kernels_features2d.hpp" #if defined(HAVE_EIGEN) && EIGEN_WORLD_VERSION == 2 #include diff --git a/modules/features2d/src/orb.cpp b/modules/features2d/src/orb.cpp index 4fe9cbc237..57bce1ce4e 100644 --- a/modules/features2d/src/orb.cpp +++ b/modules/features2d/src/orb.cpp @@ -35,7 +35,7 @@ /** Authors: Ethan Rublee, Vincent Rabaud, Gary Bradski */ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_features2d.hpp" #include //////////////////////////////////////////////////////////////////////////////////////////////////////////////////////// diff --git a/modules/features2d/test/ocl/test_brute_force_matcher.cpp b/modules/features2d/test/ocl/test_brute_force_matcher.cpp index 0e1df784f2..635953307c 100644 --- a/modules/features2d/test/ocl/test_brute_force_matcher.cpp +++ b/modules/features2d/test/ocl/test_brute_force_matcher.cpp @@ -48,7 +48,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "cvconfig.h" #include "opencv2/ts/ocl_test.hpp" diff --git a/modules/highgui/CMakeLists.txt b/modules/highgui/CMakeLists.txt index 78d6bfb094..de8c27ba33 100644 --- a/modules/highgui/CMakeLists.txt +++ b/modules/highgui/CMakeLists.txt @@ -17,21 +17,27 @@ if(APPLE) endif() set(highgui_hdrs - src/precomp.hpp + ${CMAKE_CURRENT_LIST_DIR}/src/precomp.hpp ) set(highgui_srcs - src/window.cpp + ${CMAKE_CURRENT_LIST_DIR}/src/window.cpp ) -file(GLOB highgui_ext_hdrs "include/opencv2/*.hpp" "include/opencv2/${name}/*.hpp" "include/opencv2/${name}/*.h") +file(GLOB highgui_ext_hdrs + "${CMAKE_CURRENT_LIST_DIR}/include/opencv2/*.hpp" + "${CMAKE_CURRENT_LIST_DIR}/include/opencv2/${name}/*.hpp" + "${CMAKE_CURRENT_LIST_DIR}/include/opencv2/${name}/*.h") if(HAVE_QT5) set(CMAKE_AUTOMOC ON) set(CMAKE_INCLUDE_CURRENT_DIR ON) - QT5_ADD_RESOURCES(_RCC_OUTFILES src/window_QT.qrc) - list(APPEND highgui_srcs src/window_QT.cpp src/window_QT.h ${_RCC_OUTFILES}) + QT5_ADD_RESOURCES(_RCC_OUTFILES ${CMAKE_CURRENT_LIST_DIR}/src/window_QT.qrc) + list(APPEND highgui_srcs + ${CMAKE_CURRENT_LIST_DIR}/src/window_QT.cpp + ${CMAKE_CURRENT_LIST_DIR}/src/window_QT.h + ${_RCC_OUTFILES}) foreach(dt5_dep Core Gui Widgets Test Concurrent) add_definitions(${Qt5${dt5_dep}_DEFINITIONS}) @@ -51,24 +57,24 @@ elseif(HAVE_QT) endif() include(${QT_USE_FILE}) - QT4_ADD_RESOURCES(_RCC_OUTFILES src/window_QT.qrc) - QT4_WRAP_CPP(_MOC_OUTFILES src/window_QT.h) + QT4_ADD_RESOURCES(_RCC_OUTFILES ${CMAKE_CURRENT_LIST_DIR}/src/window_QT.qrc) + QT4_WRAP_CPP(_MOC_OUTFILES ${CMAKE_CURRENT_LIST_DIR}/src/window_QT.h) list(APPEND HIGHGUI_LIBRARIES ${QT_LIBRARIES}) - list(APPEND highgui_srcs src/window_QT.cpp ${_MOC_OUTFILES} ${_RCC_OUTFILES}) + list(APPEND highgui_srcs ${CMAKE_CURRENT_LIST_DIR}/src/window_QT.cpp ${_MOC_OUTFILES} ${_RCC_OUTFILES}) ocv_check_flag_support(CXX -Wno-missing-declarations _have_flag) if(${_have_flag}) set_source_files_properties(${_RCC_OUTFILES} PROPERTIES COMPILE_FLAGS -Wno-missing-declarations) endif() elseif(HAVE_WIN32UI) - list(APPEND highgui_srcs src/window_w32.cpp) + list(APPEND highgui_srcs ${CMAKE_CURRENT_LIST_DIR}/src/window_w32.cpp) elseif(HAVE_GTK OR HAVE_GTK3) - list(APPEND highgui_srcs src/window_gtk.cpp) + list(APPEND highgui_srcs ${CMAKE_CURRENT_LIST_DIR}/src/window_gtk.cpp) elseif(HAVE_CARBON) - list(APPEND highgui_srcs src/window_carbon.cpp) + list(APPEND highgui_srcs ${CMAKE_CURRENT_LIST_DIR}/src/window_carbon.cpp) list(APPEND HIGHGUI_LIBRARIES "-framework Carbon" "-framework QuickTime") elseif(HAVE_COCOA) - list(APPEND highgui_srcs src/window_cocoa.mm) + list(APPEND highgui_srcs ${CMAKE_CURRENT_LIST_DIR}/src/window_cocoa.mm) list(APPEND HIGHGUI_LIBRARIES "-framework Cocoa") endif() @@ -90,6 +96,7 @@ ocv_module_include_directories() ocv_create_module(${HIGHGUI_LIBRARIES}) +macro(ocv_highgui_configure_target) if(APPLE) ocv_check_flag_support(OBJCXX "-fobjc-exceptions" HAVE_OBJC_EXCEPTIONS) if(HAVE_OBJC_EXCEPTIONS) @@ -116,11 +123,17 @@ if(MSVC) set_target_properties(${the_module} PROPERTIES LINK_FLAGS "/NODEFAULTLIB:atlthunk.lib /NODEFAULTLIB:atlsd.lib /NODEFAULTLIB:libcmt.lib /DEBUG") endif() -#stop automatic dependencies propagation for this module -set_target_properties(${the_module} PROPERTIES LINK_INTERFACE_LIBRARIES "") +if(NOT BUILD_opencv_world) + #stop automatic dependencies propagation for this module + set_target_properties(${the_module} PROPERTIES LINK_INTERFACE_LIBRARIES "") +endif() -ocv_add_precompiled_headers(${the_module}) ocv_warnings_disable(CMAKE_CXX_FLAGS -Wno-deprecated-declarations) +endmacro() + +if(NOT BUILD_opencv_world) + ocv_highgui_configure_target() +endif() ocv_add_accuracy_tests() ocv_add_perf_tests() diff --git a/modules/highgui/src/window_QT.cpp b/modules/highgui/src/window_QT.cpp index 1433f744de..d4dfc989f5 100644 --- a/modules/highgui/src/window_QT.cpp +++ b/modules/highgui/src/window_QT.cpp @@ -401,7 +401,7 @@ static CvTrackbar* icvFindTrackBarByName(const char* name_trackbar, const char* { QString nameQt(name_trackbar); - if (!name_window && global_control_panel) //window name is null and we have a control panel + if ((!name_window || !name_window[0]) && global_control_panel) //window name is null and we have a control panel layout = global_control_panel->myLayout; if (!layout) diff --git a/modules/imgcodecs/CMakeLists.txt b/modules/imgcodecs/CMakeLists.txt index 8cf60e5469..5ef34da53e 100644 --- a/modules/imgcodecs/CMakeLists.txt +++ b/modules/imgcodecs/CMakeLists.txt @@ -50,30 +50,34 @@ if(HAVE_OPENEXR) list(APPEND GRFMT_LIBS ${OPENEXR_LIBRARIES}) endif() -file(GLOB grfmt_hdrs src/grfmt*.hpp) -file(GLOB grfmt_srcs src/grfmt*.cpp) -list(APPEND grfmt_hdrs src/bitstrm.hpp) -list(APPEND grfmt_srcs src/bitstrm.cpp) -list(APPEND grfmt_hdrs src/rgbe.hpp) -list(APPEND grfmt_srcs src/rgbe.cpp) +file(GLOB grfmt_hdrs ${CMAKE_CURRENT_LIST_DIR}/src/grfmt*.hpp) +file(GLOB grfmt_srcs ${CMAKE_CURRENT_LIST_DIR}/src/grfmt*.cpp) +list(APPEND grfmt_hdrs ${CMAKE_CURRENT_LIST_DIR}/src/bitstrm.hpp) +list(APPEND grfmt_srcs ${CMAKE_CURRENT_LIST_DIR}/src/bitstrm.cpp) +list(APPEND grfmt_hdrs ${CMAKE_CURRENT_LIST_DIR}/src/rgbe.hpp) +list(APPEND grfmt_srcs ${CMAKE_CURRENT_LIST_DIR}/src/rgbe.cpp) source_group("Src\\grfmts" FILES ${grfmt_hdrs} ${grfmt_srcs}) set(imgcodecs_hdrs - src/precomp.hpp - src/utils.hpp + ${CMAKE_CURRENT_LIST_DIR}/src/precomp.hpp + ${CMAKE_CURRENT_LIST_DIR}/src/utils.hpp ) set(imgcodecs_srcs - src/loadsave.cpp - src/utils.cpp + ${CMAKE_CURRENT_LIST_DIR}/src/loadsave.cpp + ${CMAKE_CURRENT_LIST_DIR}/src/utils.cpp ) -file(GLOB imgcodecs_ext_hdrs "include/opencv2/*.hpp" "include/opencv2/${name}/*.hpp" "include/opencv2/${name}/*.h") +file(GLOB imgcodecs_ext_hdrs + "${CMAKE_CURRENT_LIST_DIR}/include/opencv2/*.hpp" + "${CMAKE_CURRENT_LIST_DIR}/include/opencv2/${name}/*.hpp" + "${CMAKE_CURRENT_LIST_DIR}/include/opencv2/${name}/*.h" + ) if(IOS) add_definitions(-DHAVE_IOS=1) - list(APPEND imgcodecs_srcs src/ios_conversions.mm) + list(APPEND imgcodecs_srcs ${CMAKE_CURRENT_LIST_DIR}/src/ios_conversions.mm) list(APPEND IMGCODECS_LIBRARIES "-framework Accelerate" "-framework CoreGraphics" "-framework CoreImage" "-framework QuartzCore" "-framework AssetsLibrary") endif() @@ -95,6 +99,7 @@ ocv_module_include_directories() ocv_create_module(${GRFMT_LIBS} ${IMGCODECS_LIBRARIES}) +macro(ocv_imgcodecs_configure_target) if(APPLE) ocv_check_flag_support(OBJCXX "-fobjc-exceptions" HAVE_OBJC_EXCEPTIONS) if(HAVE_OBJC_EXCEPTIONS) @@ -124,8 +129,12 @@ endif() #stop automatic dependencies propagation for this module set_target_properties(${the_module} PROPERTIES LINK_INTERFACE_LIBRARIES "") -ocv_add_precompiled_headers(${the_module}) ocv_warnings_disable(CMAKE_CXX_FLAGS -Wno-deprecated-declarations) +endmacro() + +if(NOT BUILD_opencv_world) + ocv_imgcodecs_configure_target() +endif() ocv_add_accuracy_tests() ocv_add_perf_tests() diff --git a/modules/imgcodecs/src/grfmt_jpeg2000.cpp b/modules/imgcodecs/src/grfmt_jpeg2000.cpp index d711846ce8..83fd55a594 100644 --- a/modules/imgcodecs/src/grfmt_jpeg2000.cpp +++ b/modules/imgcodecs/src/grfmt_jpeg2000.cpp @@ -154,7 +154,7 @@ bool Jpeg2KDecoder::readData( Mat& img ) { bool result = false; int color = img.channels() > 1; - uchar* data = img.data; + uchar* data = img.ptr(); int step = (int)img.step; jas_stream_t* stream = (jas_stream_t*)m_stream; jas_image_t* image = (jas_image_t*)m_image; @@ -478,7 +478,7 @@ bool Jpeg2KEncoder::writeComponent8u( void *__img, const Mat& _img ) for( int y = 0; y < h; y++ ) { - uchar* data = _img.data + _img.step*y; + const uchar* data = _img.ptr(y); for( int i = 0; i < ncmpts; i++ ) { for( int x = 0; x < w; x++) @@ -502,7 +502,7 @@ bool Jpeg2KEncoder::writeComponent16u( void *__img, const Mat& _img ) for( int y = 0; y < h; y++ ) { - uchar* data = _img.data + _img.step*y; + const uchar* data = _img.ptr(y); for( int i = 0; i < ncmpts; i++ ) { for( int x = 0; x < w; x++) diff --git a/modules/imgproc/doc/colormaps.rst b/modules/imgproc/doc/colormaps.rst new file mode 100644 index 0000000000..9881d84ff2 --- /dev/null +++ b/modules/imgproc/doc/colormaps.rst @@ -0,0 +1,107 @@ +ColorMaps in OpenCV +=================== + +applyColorMap +--------------------- + +Applies a GNU Octave/MATLAB equivalent colormap on a given image. + +.. ocv:function:: void applyColorMap(InputArray src, OutputArray dst, int colormap) + + :param src: The source image, grayscale or colored does not matter. + :param dst: The result is the colormapped source image. Note: :ocv:func:`Mat::create` is called on dst. + :param colormap: The colormap to apply, see the list of available colormaps below. + +Currently the following GNU Octave/MATLAB equivalent colormaps are implemented: + +.. code-block:: cpp + + enum + { + COLORMAP_AUTUMN = 0, + COLORMAP_BONE = 1, + COLORMAP_JET = 2, + COLORMAP_WINTER = 3, + COLORMAP_RAINBOW = 4, + COLORMAP_OCEAN = 5, + COLORMAP_SUMMER = 6, + COLORMAP_SPRING = 7, + COLORMAP_COOL = 8, + COLORMAP_HSV = 9, + COLORMAP_PINK = 10, + COLORMAP_HOT = 11 + } + + +Description +----------- + +The human perception isn't built for observing fine changes in grayscale images. Human eyes are more sensitive to observing changes between colors, so you often need to recolor your grayscale images to get a clue about them. OpenCV now comes with various colormaps to enhance the visualization in your computer vision application. + +In OpenCV 2.4 you only need :ocv:func:`applyColorMap` to apply a colormap on a given image. The following sample code reads the path to an image from command line, applies a Jet colormap on it and shows the result: + +.. code-block:: cpp + + #include + #include + #include + + using namespace cv; + + int main(int argc, const char *argv[]) { + // Get the path to the image, if it was given + // if no arguments were given. + String filename; + if (argc > 1) { + filename = String(argv[1]); + } + // The following lines show how to apply a colormap on a given image + // and show it with cv::imshow example with an image. An exception is + // thrown if the path to the image is invalid. + if(!filename.empty()) { + Mat img0 = imread(filename); + // Throw an exception, if the image can't be read: + if(img0.empty()) { + CV_Error(CV_StsBadArg, "Sample image is empty. Please adjust your path, so it points to a valid input image!"); + } + // Holds the colormap version of the image: + Mat cm_img0; + // Apply the colormap: + applyColorMap(img0, cm_img0, COLORMAP_JET); + // Show the result: + imshow("cm_img0", cm_img0); + waitKey(0); + } + + return 0; + } + +And here are the color scales for each of the available colormaps: + ++-----------------------+---------------------------------------------------+ +| Class | Scale | ++=======================+===================================================+ +| COLORMAP_AUTUMN | .. image:: pics/colormaps/colorscale_autumn.jpg | ++-----------------------+---------------------------------------------------+ +| COLORMAP_BONE | .. image:: pics/colormaps/colorscale_bone.jpg | ++-----------------------+---------------------------------------------------+ +| COLORMAP_COOL | .. image:: pics/colormaps/colorscale_cool.jpg | ++-----------------------+---------------------------------------------------+ +| COLORMAP_HOT | .. image:: pics/colormaps/colorscale_hot.jpg | ++-----------------------+---------------------------------------------------+ +| COLORMAP_HSV | .. image:: pics/colormaps/colorscale_hsv.jpg | ++-----------------------+---------------------------------------------------+ +| COLORMAP_JET | .. image:: pics/colormaps/colorscale_jet.jpg | ++-----------------------+---------------------------------------------------+ +| COLORMAP_OCEAN | .. image:: pics/colormaps/colorscale_ocean.jpg | ++-----------------------+---------------------------------------------------+ +| COLORMAP_PINK | .. image:: pics/colormaps/colorscale_pink.jpg | ++-----------------------+---------------------------------------------------+ +| COLORMAP_RAINBOW | .. image:: pics/colormaps/colorscale_rainbow.jpg | ++-----------------------+---------------------------------------------------+ +| COLORMAP_SPRING | .. image:: pics/colormaps/colorscale_spring.jpg | ++-----------------------+---------------------------------------------------+ +| COLORMAP_SUMMER | .. image:: pics/colormaps/colorscale_summer.jpg | ++-----------------------+---------------------------------------------------+ +| COLORMAP_WINTER | .. image:: pics/colormaps/colorscale_winter.jpg | ++-----------------------+---------------------------------------------------+ diff --git a/modules/imgproc/doc/imgproc.rst b/modules/imgproc/doc/imgproc.rst index acaebc4753..93b1cd9f6e 100644 --- a/modules/imgproc/doc/imgproc.rst +++ b/modules/imgproc/doc/imgproc.rst @@ -10,6 +10,7 @@ imgproc. Image Processing filtering geometric_transformations miscellaneous_transformations + colormaps histograms structural_analysis_and_shape_descriptors motion_analysis_and_object_tracking diff --git a/modules/imgproc/doc/pics/colormaps/colorscale_autumn.jpg b/modules/imgproc/doc/pics/colormaps/colorscale_autumn.jpg new file mode 100644 index 0000000000..0c1c8a29b8 Binary files /dev/null and b/modules/imgproc/doc/pics/colormaps/colorscale_autumn.jpg differ diff --git a/modules/imgproc/doc/pics/colormaps/colorscale_bone.jpg b/modules/imgproc/doc/pics/colormaps/colorscale_bone.jpg new file mode 100644 index 0000000000..7dbf766359 Binary files /dev/null and b/modules/imgproc/doc/pics/colormaps/colorscale_bone.jpg differ diff --git a/modules/imgproc/doc/pics/colormaps/colorscale_cool.jpg b/modules/imgproc/doc/pics/colormaps/colorscale_cool.jpg new file mode 100644 index 0000000000..4253efb99d Binary files /dev/null and b/modules/imgproc/doc/pics/colormaps/colorscale_cool.jpg differ diff --git a/modules/imgproc/doc/pics/colormaps/colorscale_hot.jpg b/modules/imgproc/doc/pics/colormaps/colorscale_hot.jpg new file mode 100644 index 0000000000..cf7870085b Binary files /dev/null and b/modules/imgproc/doc/pics/colormaps/colorscale_hot.jpg differ diff --git a/modules/imgproc/doc/pics/colormaps/colorscale_hsv.jpg b/modules/imgproc/doc/pics/colormaps/colorscale_hsv.jpg new file mode 100644 index 0000000000..6032b87578 Binary files /dev/null and b/modules/imgproc/doc/pics/colormaps/colorscale_hsv.jpg differ diff --git a/modules/imgproc/doc/pics/colormaps/colorscale_jet.jpg b/modules/imgproc/doc/pics/colormaps/colorscale_jet.jpg new file mode 100644 index 0000000000..ea273a5705 Binary files /dev/null and b/modules/imgproc/doc/pics/colormaps/colorscale_jet.jpg differ diff --git a/modules/imgproc/doc/pics/colormaps/colorscale_mkpj1.jpg b/modules/imgproc/doc/pics/colormaps/colorscale_mkpj1.jpg new file mode 100644 index 0000000000..d7e936397f Binary files /dev/null and b/modules/imgproc/doc/pics/colormaps/colorscale_mkpj1.jpg differ diff --git a/modules/imgproc/doc/pics/colormaps/colorscale_mkpj2.jpg b/modules/imgproc/doc/pics/colormaps/colorscale_mkpj2.jpg new file mode 100644 index 0000000000..40b067afe5 Binary files /dev/null and b/modules/imgproc/doc/pics/colormaps/colorscale_mkpj2.jpg differ diff --git a/modules/imgproc/doc/pics/colormaps/colorscale_ocean.jpg b/modules/imgproc/doc/pics/colormaps/colorscale_ocean.jpg new file mode 100644 index 0000000000..11d771f71d Binary files /dev/null and b/modules/imgproc/doc/pics/colormaps/colorscale_ocean.jpg differ diff --git a/modules/imgproc/doc/pics/colormaps/colorscale_pink.jpg b/modules/imgproc/doc/pics/colormaps/colorscale_pink.jpg new file mode 100644 index 0000000000..8fad88c3f2 Binary files /dev/null and b/modules/imgproc/doc/pics/colormaps/colorscale_pink.jpg differ diff --git a/modules/imgproc/doc/pics/colormaps/colorscale_rainbow.jpg b/modules/imgproc/doc/pics/colormaps/colorscale_rainbow.jpg new file mode 100644 index 0000000000..9565527aec Binary files /dev/null and b/modules/imgproc/doc/pics/colormaps/colorscale_rainbow.jpg differ diff --git a/modules/imgproc/doc/pics/colormaps/colorscale_spring.jpg b/modules/imgproc/doc/pics/colormaps/colorscale_spring.jpg new file mode 100644 index 0000000000..ada03a160d Binary files /dev/null and b/modules/imgproc/doc/pics/colormaps/colorscale_spring.jpg differ diff --git a/modules/imgproc/doc/pics/colormaps/colorscale_summer.jpg b/modules/imgproc/doc/pics/colormaps/colorscale_summer.jpg new file mode 100644 index 0000000000..10cb35cfec Binary files /dev/null and b/modules/imgproc/doc/pics/colormaps/colorscale_summer.jpg differ diff --git a/modules/imgproc/doc/pics/colormaps/colorscale_winter.jpg b/modules/imgproc/doc/pics/colormaps/colorscale_winter.jpg new file mode 100644 index 0000000000..f7753548fc Binary files /dev/null and b/modules/imgproc/doc/pics/colormaps/colorscale_winter.jpg differ diff --git a/modules/imgproc/include/opencv2/imgproc.hpp b/modules/imgproc/include/opencv2/imgproc.hpp index 76d65c2802..286938cdd2 100644 --- a/modules/imgproc/include/opencv2/imgproc.hpp +++ b/modules/imgproc/include/opencv2/imgproc.hpp @@ -1518,6 +1518,24 @@ CV_EXPORTS Ptr createGeneralizedHoughGuil(); //! Performs linear blending of two images CV_EXPORTS void blendLinear(InputArray src1, InputArray src2, InputArray weights1, InputArray weights2, OutputArray dst); +enum +{ + COLORMAP_AUTUMN = 0, + COLORMAP_BONE = 1, + COLORMAP_JET = 2, + COLORMAP_WINTER = 3, + COLORMAP_RAINBOW = 4, + COLORMAP_OCEAN = 5, + COLORMAP_SUMMER = 6, + COLORMAP_SPRING = 7, + COLORMAP_COOL = 8, + COLORMAP_HSV = 9, + COLORMAP_PINK = 10, + COLORMAP_HOT = 11 +}; + +CV_EXPORTS_W void applyColorMap(InputArray src, OutputArray dst, int colormap); + } // cv #endif diff --git a/modules/imgproc/perf/opencl/perf_3vs4.cpp b/modules/imgproc/perf/opencl/perf_3vs4.cpp index f6601e1233..940a5ff63b 100644 --- a/modules/imgproc/perf/opencl/perf_3vs4.cpp +++ b/modules/imgproc/perf/opencl/perf_3vs4.cpp @@ -5,7 +5,7 @@ // Copyright (C) 2014, Advanced Micro Devices, Inc., all rights reserved. // Third party copyrights are property of their respective owners. -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/imgproc/perf/opencl/perf_accumulate.cpp b/modules/imgproc/perf/opencl/perf_accumulate.cpp index 5b7ac4c75d..e0ba471b9c 100644 --- a/modules/imgproc/perf/opencl/perf_accumulate.cpp +++ b/modules/imgproc/perf/opencl/perf_accumulate.cpp @@ -43,7 +43,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/imgproc/perf/opencl/perf_blend.cpp b/modules/imgproc/perf/opencl/perf_blend.cpp index f595069bde..6396fef7e2 100644 --- a/modules/imgproc/perf/opencl/perf_blend.cpp +++ b/modules/imgproc/perf/opencl/perf_blend.cpp @@ -44,7 +44,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/imgproc/perf/opencl/perf_color.cpp b/modules/imgproc/perf/opencl/perf_color.cpp index 4a30f3a1f9..14dd614904 100644 --- a/modules/imgproc/perf/opencl/perf_color.cpp +++ b/modules/imgproc/perf/opencl/perf_color.cpp @@ -44,7 +44,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/imgproc/perf/opencl/perf_filters.cpp b/modules/imgproc/perf/opencl/perf_filters.cpp index 9667b8f907..ede98c308e 100644 --- a/modules/imgproc/perf/opencl/perf_filters.cpp +++ b/modules/imgproc/perf/opencl/perf_filters.cpp @@ -44,7 +44,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/imgproc/perf/opencl/perf_gftt.cpp b/modules/imgproc/perf/opencl/perf_gftt.cpp index 29626c62e3..b6c3b2c369 100644 --- a/modules/imgproc/perf/opencl/perf_gftt.cpp +++ b/modules/imgproc/perf/opencl/perf_gftt.cpp @@ -41,7 +41,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #include diff --git a/modules/imgproc/perf/opencl/perf_imgproc.cpp b/modules/imgproc/perf/opencl/perf_imgproc.cpp index 7f0770853d..f441bd9b32 100644 --- a/modules/imgproc/perf/opencl/perf_imgproc.cpp +++ b/modules/imgproc/perf/opencl/perf_imgproc.cpp @@ -44,7 +44,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/imgproc/perf/opencl/perf_imgwarp.cpp b/modules/imgproc/perf/opencl/perf_imgwarp.cpp index b5a5138e20..d6832aec54 100644 --- a/modules/imgproc/perf/opencl/perf_imgwarp.cpp +++ b/modules/imgproc/perf/opencl/perf_imgwarp.cpp @@ -44,7 +44,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/imgproc/perf/opencl/perf_matchTemplate.cpp b/modules/imgproc/perf/opencl/perf_matchTemplate.cpp index db9199b878..d230f90465 100644 --- a/modules/imgproc/perf/opencl/perf_matchTemplate.cpp +++ b/modules/imgproc/perf/opencl/perf_matchTemplate.cpp @@ -1,4 +1,4 @@ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/imgproc/perf/opencl/perf_moments.cpp b/modules/imgproc/perf/opencl/perf_moments.cpp index e77b76850d..69a3e6835c 100644 --- a/modules/imgproc/perf/opencl/perf_moments.cpp +++ b/modules/imgproc/perf/opencl/perf_moments.cpp @@ -44,7 +44,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/imgproc/perf/opencl/perf_pyramid.cpp b/modules/imgproc/perf/opencl/perf_pyramid.cpp index 8bbc3184fc..f26fd1940e 100644 --- a/modules/imgproc/perf/opencl/perf_pyramid.cpp +++ b/modules/imgproc/perf/opencl/perf_pyramid.cpp @@ -44,7 +44,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/imgproc/src/accum.cpp b/modules/imgproc/src/accum.cpp index 04a70128bb..1a4b4080e1 100644 --- a/modules/imgproc/src/accum.cpp +++ b/modules/imgproc/src/accum.cpp @@ -41,7 +41,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_imgproc.hpp" namespace cv { diff --git a/modules/imgproc/src/blend.cpp b/modules/imgproc/src/blend.cpp index 4fbdff9c3d..7a2e57d520 100644 --- a/modules/imgproc/src/blend.cpp +++ b/modules/imgproc/src/blend.cpp @@ -44,7 +44,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_imgproc.hpp" namespace cv { diff --git a/modules/imgproc/src/canny.cpp b/modules/imgproc/src/canny.cpp index 2a87ae05b4..09898a539e 100644 --- a/modules/imgproc/src/canny.cpp +++ b/modules/imgproc/src/canny.cpp @@ -40,7 +40,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_imgproc.hpp" #if defined (HAVE_IPP) && (IPP_VERSION_MAJOR >= 7) diff --git a/modules/imgproc/src/clahe.cpp b/modules/imgproc/src/clahe.cpp index f19f192430..1a26744257 100644 --- a/modules/imgproc/src/clahe.cpp +++ b/modules/imgproc/src/clahe.cpp @@ -40,7 +40,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_imgproc.hpp" // ---------------------------------------------------------------------- // CLAHE diff --git a/modules/imgproc/src/color.cpp b/modules/imgproc/src/color.cpp index fe460ee75a..db5bcd35f2 100644 --- a/modules/imgproc/src/color.cpp +++ b/modules/imgproc/src/color.cpp @@ -90,7 +90,7 @@ \**********************************************************************************/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_imgproc.hpp" #include #define CV_DESCALE(x,n) (((x) + (1 << ((n)-1))) >> (n)) @@ -2038,6 +2038,10 @@ struct Luv2RGB_f float G = X*C3 + Y*C4 + Z*C5; float B = X*C6 + Y*C7 + Z*C8; + R = std::min(std::max(R, 0.f), 1.f); + G = std::min(std::max(G, 0.f), 1.f); + B = std::min(std::max(B, 0.f), 1.f); + if( gammaTab ) { R = splineInterpolate(R*gscale, gammaTab, GAMMA_TAB_SIZE); diff --git a/modules/imgproc/src/colormap.cpp b/modules/imgproc/src/colormap.cpp new file mode 100644 index 0000000000..08ff44a5c6 --- /dev/null +++ b/modules/imgproc/src/colormap.cpp @@ -0,0 +1,530 @@ +/* + * Copyright (c) 2011. Philipp Wagner . + * Released to public domain under terms of the BSD Simplified license. + * + * Redistribution and use in source and binary forms, with or without + * modification, are permitted provided that the following conditions are met: + * * Redistributions of source code must retain the above copyright + * notice, this list of conditions and the following disclaimer. + * * Redistributions in binary form must reproduce the above copyright + * notice, this list of conditions and the following disclaimer in the + * documentation and/or other materials provided with the distribution. + * * Neither the name of the organization nor the names of its contributors + * may be used to endorse or promote products derived from this software + * without specific prior written permission. + * + * See + */ +#include "precomp.hpp" +#include + +#ifdef _MSC_VER +#pragma warning( disable: 4305 ) +#endif + +namespace cv +{ + +static Mat linspace(float x0, float x1, int n) +{ + Mat pts(n, 1, CV_32FC1); + float step = (x1-x0)/(n-1); + for(int i = 0; i < n; i++) + pts.at(i,0) = x0+i*step; + return pts; +} + +//------------------------------------------------------------------------------ +// cv::sortMatrixRowsByIndices +//------------------------------------------------------------------------------ +static void sortMatrixRowsByIndices(InputArray _src, InputArray _indices, OutputArray _dst) +{ + if(_indices.getMat().type() != CV_32SC1) + CV_Error(Error::StsUnsupportedFormat, "cv::sortRowsByIndices only works on integer indices!"); + Mat src = _src.getMat(); + std::vector indices = _indices.getMat(); + _dst.create(src.rows, src.cols, src.type()); + Mat dst = _dst.getMat(); + for(size_t idx = 0; idx < indices.size(); idx++) { + Mat originalRow = src.row(indices[idx]); + Mat sortedRow = dst.row((int)idx); + originalRow.copyTo(sortedRow); + } +} + +static Mat sortMatrixRowsByIndices(InputArray src, InputArray indices) +{ + Mat dst; + sortMatrixRowsByIndices(src, indices, dst); + return dst; +} + + +static Mat argsort(InputArray _src, bool ascending=true) +{ + Mat src = _src.getMat(); + if (src.rows != 1 && src.cols != 1) + CV_Error(Error::StsBadArg, "cv::argsort only sorts 1D matrices."); + int flags = SORT_EVERY_ROW | (ascending ? SORT_ASCENDING : SORT_DESCENDING); + Mat sorted_indices; + sortIdx(src.reshape(1,1),sorted_indices,flags); + return sorted_indices; +} + +template static +Mat interp1_(const Mat& X_, const Mat& Y_, const Mat& XI) +{ + int n = XI.rows; + // sort input table + std::vector sort_indices = argsort(X_); + + Mat X = sortMatrixRowsByIndices(X_,sort_indices); + Mat Y = sortMatrixRowsByIndices(Y_,sort_indices); + // interpolated values + Mat yi = Mat::zeros(XI.size(), XI.type()); + for(int i = 0; i < n; i++) { + int c = 0; + int low = 0; + int high = X.rows - 1; + // set bounds + if(XI.at<_Tp>(i,0) < X.at<_Tp>(low, 0)) + high = 1; + if(XI.at<_Tp>(i,0) > X.at<_Tp>(high, 0)) + low = high - 1; + // binary search + while((high-low)>1) { + c = low + ((high - low) >> 1); + if(XI.at<_Tp>(i,0) > X.at<_Tp>(c,0)) { + low = c; + } else { + high = c; + } + } + // linear interpolation + yi.at<_Tp>(i,0) += Y.at<_Tp>(low,0) + + (XI.at<_Tp>(i,0) - X.at<_Tp>(low,0)) + * (Y.at<_Tp>(high,0) - Y.at<_Tp>(low,0)) + / (X.at<_Tp>(high,0) - X.at<_Tp>(low,0)); + } + return yi; +} + +static Mat interp1(InputArray _x, InputArray _Y, InputArray _xi) +{ + // get matrices + Mat x = _x.getMat(); + Mat Y = _Y.getMat(); + Mat xi = _xi.getMat(); + // check types & alignment + CV_Assert((x.type() == Y.type()) && (Y.type() == xi.type())); + CV_Assert((x.cols == 1) && (x.rows == Y.rows) && (x.cols == Y.cols)); + // call templated interp1 + switch(x.type()) { + case CV_8SC1: return interp1_(x,Y,xi); break; + case CV_8UC1: return interp1_(x,Y,xi); break; + case CV_16SC1: return interp1_(x,Y,xi); break; + case CV_16UC1: return interp1_(x,Y,xi); break; + case CV_32SC1: return interp1_(x,Y,xi); break; + case CV_32FC1: return interp1_(x,Y,xi); break; + case CV_64FC1: return interp1_(x,Y,xi); break; + default: CV_Error(Error::StsUnsupportedFormat, ""); break; + } + return Mat(); +} + +namespace colormap +{ + + class ColorMap { + + protected: + Mat _lut; + + public: + virtual ~ColorMap() {} + + // Applies the colormap on a given image. + // + // This function expects BGR-aligned data of type CV_8UC1 or + // CV_8UC3. If the wrong image type is given, the original image + // will be returned. + // + // Throws an error for wrong-aligned lookup table, which must be + // of size 256 in the latest OpenCV release (2.3.1). + void operator()(InputArray src, OutputArray dst) const; + + // Setup base map to interpolate from. + virtual void init(int n) = 0; + + // Interpolates from a base colormap. + static Mat linear_colormap(InputArray X, + InputArray r, InputArray g, InputArray b, + int n) { + return linear_colormap(X,r,g,b,linspace(0,1,n)); + } + + // Interpolates from a base colormap. + static Mat linear_colormap(InputArray X, + InputArray r, InputArray g, InputArray b, + float begin, float end, float n) { + return linear_colormap(X,r,g,b,linspace(begin,end, cvRound(n))); + } + + // Interpolates from a base colormap. + static Mat linear_colormap(InputArray X, + InputArray r, InputArray g, InputArray b, + InputArray xi); + }; + + // Equals the GNU Octave colormap "autumn". + class Autumn : public ColorMap { + public: + Autumn() : ColorMap() { + init(256); + } + + Autumn(int n) : ColorMap() { + init(n); + } + + void init(int n) { + float r[] = { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1}; + float g[] = { 0, 0.01587301587301587, 0.03174603174603174, 0.04761904761904762, 0.06349206349206349, 0.07936507936507936, 0.09523809523809523, 0.1111111111111111, 0.126984126984127, 0.1428571428571428, 0.1587301587301587, 0.1746031746031746, 0.1904761904761905, 0.2063492063492063, 0.2222222222222222, 0.2380952380952381, 0.253968253968254, 0.2698412698412698, 0.2857142857142857, 0.3015873015873016, 0.3174603174603174, 0.3333333333333333, 0.3492063492063492, 0.3650793650793651, 0.3809523809523809, 0.3968253968253968, 0.4126984126984127, 0.4285714285714285, 0.4444444444444444, 0.4603174603174603, 0.4761904761904762, 0.492063492063492, 0.5079365079365079, 0.5238095238095238, 0.5396825396825397, 0.5555555555555556, 0.5714285714285714, 0.5873015873015873, 0.6031746031746031, 0.6190476190476191, 0.6349206349206349, 0.6507936507936508, 0.6666666666666666, 0.6825396825396826, 0.6984126984126984, 0.7142857142857143, 0.7301587301587301, 0.746031746031746, 0.7619047619047619, 0.7777777777777778, 0.7936507936507936, 0.8095238095238095, 0.8253968253968254, 0.8412698412698413, 0.8571428571428571, 0.873015873015873, 0.8888888888888888, 0.9047619047619048, 0.9206349206349206, 0.9365079365079365, 0.9523809523809523, 0.9682539682539683, 0.9841269841269841, 1}; + float b[] = { 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0}; + Mat X = linspace(0,1,64); + this->_lut = ColorMap::linear_colormap(X, + Mat(64,1, CV_32FC1, r).clone(), // red + Mat(64,1, CV_32FC1, g).clone(), // green + Mat(64,1, CV_32FC1, b).clone(), // blue + n); // number of sample points + } + }; + + // Equals the GNU Octave colormap "bone". + class Bone : public ColorMap { + public: + Bone() : ColorMap() { + init(256); + } + + Bone(int n) : ColorMap() { + init(n); + } + + void init(int n) { + float r[] = { 0, 0.01388888888888889, 0.02777777777777778, 0.04166666666666666, 0.05555555555555555, 0.06944444444444445, 0.08333333333333333, 0.09722222222222221, 0.1111111111111111, 0.125, 0.1388888888888889, 0.1527777777777778, 0.1666666666666667, 0.1805555555555556, 0.1944444444444444, 0.2083333333333333, 0.2222222222222222, 0.2361111111111111, 0.25, 0.2638888888888889, 0.2777777777777778, 0.2916666666666666, 0.3055555555555555, 0.3194444444444444, 0.3333333333333333, 0.3472222222222222, 0.3611111111111111, 0.375, 0.3888888888888888, 0.4027777777777777, 0.4166666666666666, 0.4305555555555555, 0.4444444444444444, 0.4583333333333333, 0.4722222222222222, 0.4861111111111112, 0.5, 0.5138888888888888, 0.5277777777777778, 0.5416666666666667, 0.5555555555555556, 0.5694444444444444, 0.5833333333333333, 0.5972222222222222, 0.611111111111111, 0.6249999999999999, 0.6388888888888888, 0.6527777777777778, 0.6726190476190474, 0.6944444444444442, 0.7162698412698412, 0.7380952380952381, 0.7599206349206349, 0.7817460317460316, 0.8035714285714286, 0.8253968253968254, 0.8472222222222221, 0.8690476190476188, 0.8908730158730158, 0.9126984126984128, 0.9345238095238095, 0.9563492063492063, 0.978174603174603, 1}; + float g[] = { 0, 0.01388888888888889, 0.02777777777777778, 0.04166666666666666, 0.05555555555555555, 0.06944444444444445, 0.08333333333333333, 0.09722222222222221, 0.1111111111111111, 0.125, 0.1388888888888889, 0.1527777777777778, 0.1666666666666667, 0.1805555555555556, 0.1944444444444444, 0.2083333333333333, 0.2222222222222222, 0.2361111111111111, 0.25, 0.2638888888888889, 0.2777777777777778, 0.2916666666666666, 0.3055555555555555, 0.3194444444444444, 0.3353174603174602, 0.3544973544973544, 0.3736772486772486, 0.3928571428571428, 0.412037037037037, 0.4312169312169312, 0.4503968253968254, 0.4695767195767195, 0.4887566137566137, 0.5079365079365078, 0.5271164021164021, 0.5462962962962963, 0.5654761904761904, 0.5846560846560845, 0.6038359788359787, 0.623015873015873, 0.6421957671957671, 0.6613756613756612, 0.6805555555555555, 0.6997354497354497, 0.7189153439153438, 0.7380952380952379, 0.7572751322751322, 0.7764550264550264, 0.7916666666666666, 0.8055555555555555, 0.8194444444444444, 0.8333333333333334, 0.8472222222222222, 0.861111111111111, 0.875, 0.8888888888888888, 0.9027777777777777, 0.9166666666666665, 0.9305555555555555, 0.9444444444444444, 0.9583333333333333, 0.9722222222222221, 0.986111111111111, 1}; + float b[] = { 0, 0.01917989417989418, 0.03835978835978836, 0.05753968253968253, 0.07671957671957672, 0.09589947089947089, 0.1150793650793651, 0.1342592592592592, 0.1534391534391534, 0.1726190476190476, 0.1917989417989418, 0.210978835978836, 0.2301587301587301, 0.2493386243386243, 0.2685185185185185, 0.2876984126984127, 0.3068783068783069, 0.326058201058201, 0.3452380952380952, 0.3644179894179894, 0.3835978835978835, 0.4027777777777777, 0.4219576719576719, 0.4411375661375661, 0.4583333333333333, 0.4722222222222222, 0.4861111111111111, 0.5, 0.5138888888888888, 0.5277777777777777, 0.5416666666666666, 0.5555555555555556, 0.5694444444444444, 0.5833333333333333, 0.5972222222222222, 0.6111111111111112, 0.625, 0.6388888888888888, 0.6527777777777778, 0.6666666666666667, 0.6805555555555556, 0.6944444444444444, 0.7083333333333333, 0.7222222222222222, 0.736111111111111, 0.7499999999999999, 0.7638888888888888, 0.7777777777777778, 0.7916666666666666, 0.8055555555555555, 0.8194444444444444, 0.8333333333333334, 0.8472222222222222, 0.861111111111111, 0.875, 0.8888888888888888, 0.9027777777777777, 0.9166666666666665, 0.9305555555555555, 0.9444444444444444, 0.9583333333333333, 0.9722222222222221, 0.986111111111111, 1}; + Mat X = linspace(0,1,64); + this->_lut = ColorMap::linear_colormap(X, + Mat(64,1, CV_32FC1, r).clone(), // red + Mat(64,1, CV_32FC1, g).clone(), // green + Mat(64,1, CV_32FC1, b).clone(), // blue + n); // number of sample points + } + }; + + + + + // Equals the GNU Octave colormap "jet". + class Jet : public ColorMap { + + public: + Jet() { + init(256); + } + Jet(int n) : ColorMap() { + init(n); + } + + void init(int n) { + // breakpoints + Mat X = linspace(0,1,256); + // define the basemap + float r[] = {0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0.00588235294117645,0.02156862745098032,0.03725490196078418,0.05294117647058827,0.06862745098039214,0.084313725490196,0.1000000000000001,0.115686274509804,0.1313725490196078,0.1470588235294117,0.1627450980392156,0.1784313725490196,0.1941176470588235,0.2098039215686274,0.2254901960784315,0.2411764705882353,0.2568627450980392,0.2725490196078431,0.2882352941176469,0.303921568627451,0.3196078431372549,0.3352941176470587,0.3509803921568628,0.3666666666666667,0.3823529411764706,0.3980392156862744,0.4137254901960783,0.4294117647058824,0.4450980392156862,0.4607843137254901,0.4764705882352942,0.4921568627450981,0.5078431372549019,0.5235294117647058,0.5392156862745097,0.5549019607843135,0.5705882352941174,0.5862745098039217,0.6019607843137256,0.6176470588235294,0.6333333333333333,0.6490196078431372,0.664705882352941,0.6803921568627449,0.6960784313725492,0.7117647058823531,0.7274509803921569,0.7431372549019608,0.7588235294117647,0.7745098039215685,0.7901960784313724,0.8058823529411763,0.8215686274509801,0.8372549019607844,0.8529411764705883,0.8686274509803922,0.884313725490196,0.8999999999999999,0.9156862745098038,0.9313725490196076,0.947058823529412,0.9627450980392158,0.9784313725490197,0.9941176470588236,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,0.9862745098039216,0.9705882352941178,0.9549019607843139,0.93921568627451,0.9235294117647062,0.9078431372549018,0.892156862745098,0.8764705882352941,0.8607843137254902,0.8450980392156864,0.8294117647058825,0.8137254901960786,0.7980392156862743,0.7823529411764705,0.7666666666666666,0.7509803921568627,0.7352941176470589,0.719607843137255,0.7039215686274511,0.6882352941176473,0.6725490196078434,0.6568627450980391,0.6411764705882352,0.6254901960784314,0.6098039215686275,0.5941176470588236,0.5784313725490198,0.5627450980392159,0.5470588235294116,0.5313725490196077,0.5156862745098039,0.5}; + float g[] = {0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0.001960784313725483,0.01764705882352935,0.03333333333333333,0.0490196078431373,0.06470588235294117,0.08039215686274503,0.09607843137254901,0.111764705882353,0.1274509803921569,0.1431372549019607,0.1588235294117647,0.1745098039215687,0.1901960784313725,0.2058823529411764,0.2215686274509804,0.2372549019607844,0.2529411764705882,0.2686274509803921,0.2843137254901961,0.3,0.3156862745098039,0.3313725490196078,0.3470588235294118,0.3627450980392157,0.3784313725490196,0.3941176470588235,0.4098039215686274,0.4254901960784314,0.4411764705882353,0.4568627450980391,0.4725490196078431,0.4882352941176471,0.503921568627451,0.5196078431372548,0.5352941176470587,0.5509803921568628,0.5666666666666667,0.5823529411764705,0.5980392156862746,0.6137254901960785,0.6294117647058823,0.6450980392156862,0.6607843137254901,0.6764705882352942,0.692156862745098,0.7078431372549019,0.723529411764706,0.7392156862745098,0.7549019607843137,0.7705882352941176,0.7862745098039214,0.8019607843137255,0.8176470588235294,0.8333333333333333,0.8490196078431373,0.8647058823529412,0.8803921568627451,0.8960784313725489,0.9117647058823528,0.9274509803921569,0.9431372549019608,0.9588235294117646,0.9745098039215687,0.9901960784313726,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,0.9901960784313726,0.9745098039215687,0.9588235294117649,0.943137254901961,0.9274509803921571,0.9117647058823528,0.8960784313725489,0.8803921568627451,0.8647058823529412,0.8490196078431373,0.8333333333333335,0.8176470588235296,0.8019607843137253,0.7862745098039214,0.7705882352941176,0.7549019607843137,0.7392156862745098,0.723529411764706,0.7078431372549021,0.6921568627450982,0.6764705882352944,0.6607843137254901,0.6450980392156862,0.6294117647058823,0.6137254901960785,0.5980392156862746,0.5823529411764707,0.5666666666666669,0.5509803921568626,0.5352941176470587,0.5196078431372548,0.503921568627451,0.4882352941176471,0.4725490196078432,0.4568627450980394,0.4411764705882355,0.4254901960784316,0.4098039215686273,0.3941176470588235,0.3784313725490196,0.3627450980392157,0.3470588235294119,0.331372549019608,0.3156862745098041,0.2999999999999998,0.284313725490196,0.2686274509803921,0.2529411764705882,0.2372549019607844,0.2215686274509805,0.2058823529411766,0.1901960784313728,0.1745098039215689,0.1588235294117646,0.1431372549019607,0.1274509803921569,0.111764705882353,0.09607843137254912,0.08039215686274526,0.06470588235294139,0.04901960784313708,0.03333333333333321,0.01764705882352935,0.001960784313725483,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0}; + float b[] = {0.5,0.5156862745098039,0.5313725490196078,0.5470588235294118,0.5627450980392157,0.5784313725490196,0.5941176470588235,0.6098039215686275,0.6254901960784314,0.6411764705882352,0.6568627450980392,0.6725490196078432,0.6882352941176471,0.7039215686274509,0.7196078431372549,0.7352941176470589,0.7509803921568627,0.7666666666666666,0.7823529411764706,0.7980392156862746,0.8137254901960784,0.8294117647058823,0.8450980392156863,0.8607843137254902,0.8764705882352941,0.892156862745098,0.907843137254902,0.9235294117647059,0.9392156862745098,0.9549019607843137,0.9705882352941176,0.9862745098039216,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,0.9941176470588236,0.9784313725490197,0.9627450980392158,0.9470588235294117,0.9313725490196079,0.915686274509804,0.8999999999999999,0.884313725490196,0.8686274509803922,0.8529411764705883,0.8372549019607844,0.8215686274509804,0.8058823529411765,0.7901960784313726,0.7745098039215685,0.7588235294117647,0.7431372549019608,0.7274509803921569,0.7117647058823531,0.696078431372549,0.6803921568627451,0.6647058823529413,0.6490196078431372,0.6333333333333333,0.6176470588235294,0.6019607843137256,0.5862745098039217,0.5705882352941176,0.5549019607843138,0.5392156862745099,0.5235294117647058,0.5078431372549019,0.4921568627450981,0.4764705882352942,0.4607843137254903,0.4450980392156865,0.4294117647058826,0.4137254901960783,0.3980392156862744,0.3823529411764706,0.3666666666666667,0.3509803921568628,0.335294117647059,0.3196078431372551,0.3039215686274508,0.2882352941176469,0.2725490196078431,0.2568627450980392,0.2411764705882353,0.2254901960784315,0.2098039215686276,0.1941176470588237,0.1784313725490199,0.1627450980392156,0.1470588235294117,0.1313725490196078,0.115686274509804,0.1000000000000001,0.08431372549019622,0.06862745098039236,0.05294117647058805,0.03725490196078418,0.02156862745098032,0.00588235294117645,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0}; + // now build lookup table + this->_lut = ColorMap::linear_colormap(X, + Mat(256,1, CV_32FC1, r).clone(), // red + Mat(256,1, CV_32FC1, g).clone(), // green + Mat(256,1, CV_32FC1, b).clone(), // blue + n); + } + }; + + // Equals the GNU Octave colormap "winter". + class Winter : public ColorMap { + public: + Winter() : ColorMap() { + init(256); + } + + Winter(int n) : ColorMap() { + init(n); + } + + void init(int n) { + float r[] = {0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0}; + float g[] = {0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0}; + float b[] = {1.0, 0.95, 0.9, 0.85, 0.8, 0.75, 0.7, 0.65, 0.6, 0.55, 0.5}; + Mat X = linspace(0,1,11); + this->_lut = ColorMap::linear_colormap(X, + Mat(11,1, CV_32FC1, r).clone(), // red + Mat(11,1, CV_32FC1, g).clone(), // green + Mat(11,1, CV_32FC1, b).clone(), // blue + n); // number of sample points + } + }; + + // Equals the GNU Octave colormap "rainbow". + class Rainbow : public ColorMap { + public: + Rainbow() : ColorMap() { + init(256); + } + + Rainbow(int n) : ColorMap() { + init(n); + } + + void init(int n) { + float r[] = { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0.9365079365079367, 0.8571428571428572, 0.7777777777777777, 0.6984126984126986, 0.6190476190476191, 0.53968253968254, 0.4603174603174605, 0.3809523809523814, 0.3015873015873018, 0.2222222222222223, 0.1428571428571432, 0.06349206349206415, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.03174603174603208, 0.08465608465608465, 0.1375661375661377, 0.1904761904761907, 0.2433862433862437, 0.2962962962962963, 0.3492063492063493, 0.4021164021164023, 0.4550264550264553, 0.5079365079365079, 0.5608465608465609, 0.6137566137566139, 0.666666666666667}; + float g[] = { 0, 0.03968253968253968, 0.07936507936507936, 0.119047619047619, 0.1587301587301587, 0.1984126984126984, 0.2380952380952381, 0.2777777777777778, 0.3174603174603174, 0.3571428571428571, 0.3968253968253968, 0.4365079365079365, 0.4761904761904762, 0.5158730158730158, 0.5555555555555556, 0.5952380952380952, 0.6349206349206349, 0.6746031746031745, 0.7142857142857142, 0.753968253968254, 0.7936507936507936, 0.8333333333333333, 0.873015873015873, 0.9126984126984127, 0.9523809523809523, 0.992063492063492, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0.9841269841269842, 0.9047619047619047, 0.8253968253968256, 0.7460317460317465, 0.666666666666667, 0.587301587301587, 0.5079365079365079, 0.4285714285714288, 0.3492063492063493, 0.2698412698412698, 0.1904761904761907, 0.1111111111111116, 0.03174603174603208, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0}; + float b[] = { 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.01587301587301582, 0.09523809523809534, 0.1746031746031744, 0.2539682539682535, 0.333333333333333, 0.412698412698413, 0.4920634920634921, 0.5714285714285712, 0.6507936507936507, 0.7301587301587302, 0.8095238095238093, 0.8888888888888884, 0.9682539682539679, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1}; + Mat X = linspace(0,1,64); + this->_lut = ColorMap::linear_colormap(X, + Mat(64,1, CV_32FC1, r).clone(), // red + Mat(64,1, CV_32FC1, g).clone(), // green + Mat(64,1, CV_32FC1, b).clone(), // blue + n); // number of sample points + } + }; + + // Equals the GNU Octave colormap "ocean". + class Ocean : public ColorMap { + public: + Ocean() : ColorMap() { + init(256); + } + + Ocean(int n) : ColorMap() { + init(n); + } + + void init(int n) { + float r[] = { 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.04761904761904762, 0.09523809523809523, 0.1428571428571428, 0.1904761904761905, 0.2380952380952381, 0.2857142857142857, 0.3333333333333333, 0.3809523809523809, 0.4285714285714285, 0.4761904761904762, 0.5238095238095238, 0.5714285714285714, 0.6190476190476191, 0.6666666666666666, 0.7142857142857143, 0.7619047619047619, 0.8095238095238095, 0.8571428571428571, 0.9047619047619048, 0.9523809523809523, 1}; + float g[] = { 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.02380952380952381, 0.04761904761904762, 0.07142857142857142, 0.09523809523809523, 0.119047619047619, 0.1428571428571428, 0.1666666666666667, 0.1904761904761905, 0.2142857142857143, 0.2380952380952381, 0.2619047619047619, 0.2857142857142857, 0.3095238095238095, 0.3333333333333333, 0.3571428571428572, 0.3809523809523809, 0.4047619047619048, 0.4285714285714285, 0.4523809523809524, 0.4761904761904762, 0.5, 0.5238095238095238, 0.5476190476190477, 0.5714285714285714, 0.5952380952380952, 0.6190476190476191, 0.6428571428571429, 0.6666666666666666, 0.6904761904761905, 0.7142857142857143, 0.7380952380952381, 0.7619047619047619, 0.7857142857142857, 0.8095238095238095, 0.8333333333333334, 0.8571428571428571, 0.8809523809523809, 0.9047619047619048, 0.9285714285714286, 0.9523809523809523, 0.9761904761904762, 1}; + float b[] = { 0, 0.01587301587301587, 0.03174603174603174, 0.04761904761904762, 0.06349206349206349, 0.07936507936507936, 0.09523809523809523, 0.1111111111111111, 0.126984126984127, 0.1428571428571428, 0.1587301587301587, 0.1746031746031746, 0.1904761904761905, 0.2063492063492063, 0.2222222222222222, 0.2380952380952381, 0.253968253968254, 0.2698412698412698, 0.2857142857142857, 0.3015873015873016, 0.3174603174603174, 0.3333333333333333, 0.3492063492063492, 0.3650793650793651, 0.3809523809523809, 0.3968253968253968, 0.4126984126984127, 0.4285714285714285, 0.4444444444444444, 0.4603174603174603, 0.4761904761904762, 0.492063492063492, 0.5079365079365079, 0.5238095238095238, 0.5396825396825397, 0.5555555555555556, 0.5714285714285714, 0.5873015873015873, 0.6031746031746031, 0.6190476190476191, 0.6349206349206349, 0.6507936507936508, 0.6666666666666666, 0.6825396825396826, 0.6984126984126984, 0.7142857142857143, 0.7301587301587301, 0.746031746031746, 0.7619047619047619, 0.7777777777777778, 0.7936507936507936, 0.8095238095238095, 0.8253968253968254, 0.8412698412698413, 0.8571428571428571, 0.873015873015873, 0.8888888888888888, 0.9047619047619048, 0.9206349206349206, 0.9365079365079365, 0.9523809523809523, 0.9682539682539683, 0.9841269841269841, 1}; + Mat X = linspace(0,1,64); + this->_lut = ColorMap::linear_colormap(X, + Mat(64,1, CV_32FC1, r).clone(), // red + Mat(64,1, CV_32FC1, g).clone(), // green + Mat(64,1, CV_32FC1, b).clone(), // blue + n); // number of sample points + } + }; + + // Equals the GNU Octave colormap "summer". + class Summer : public ColorMap { + public: + Summer() : ColorMap() { + init(256); + } + + Summer(int n) : ColorMap() { + init(n); + } + + void init(int n) { + float r[] = { 0, 0.01587301587301587, 0.03174603174603174, 0.04761904761904762, 0.06349206349206349, 0.07936507936507936, 0.09523809523809523, 0.1111111111111111, 0.126984126984127, 0.1428571428571428, 0.1587301587301587, 0.1746031746031746, 0.1904761904761905, 0.2063492063492063, 0.2222222222222222, 0.2380952380952381, 0.253968253968254, 0.2698412698412698, 0.2857142857142857, 0.3015873015873016, 0.3174603174603174, 0.3333333333333333, 0.3492063492063492, 0.3650793650793651, 0.3809523809523809, 0.3968253968253968, 0.4126984126984127, 0.4285714285714285, 0.4444444444444444, 0.4603174603174603, 0.4761904761904762, 0.492063492063492, 0.5079365079365079, 0.5238095238095238, 0.5396825396825397, 0.5555555555555556, 0.5714285714285714, 0.5873015873015873, 0.6031746031746031, 0.6190476190476191, 0.6349206349206349, 0.6507936507936508, 0.6666666666666666, 0.6825396825396826, 0.6984126984126984, 0.7142857142857143, 0.7301587301587301, 0.746031746031746, 0.7619047619047619, 0.7777777777777778, 0.7936507936507936, 0.8095238095238095, 0.8253968253968254, 0.8412698412698413, 0.8571428571428571, 0.873015873015873, 0.8888888888888888, 0.9047619047619048, 0.9206349206349206, 0.9365079365079365, 0.9523809523809523, 0.9682539682539683, 0.9841269841269841, 1}; + float g[] = { 0.5, 0.5079365079365079, 0.5158730158730158, 0.5238095238095238, 0.5317460317460317, 0.5396825396825397, 0.5476190476190477, 0.5555555555555556, 0.5634920634920635, 0.5714285714285714, 0.5793650793650793, 0.5873015873015873, 0.5952380952380952, 0.6031746031746031, 0.6111111111111112, 0.6190476190476191, 0.626984126984127, 0.6349206349206349, 0.6428571428571428, 0.6507936507936508, 0.6587301587301587, 0.6666666666666666, 0.6746031746031746, 0.6825396825396826, 0.6904761904761905, 0.6984126984126984, 0.7063492063492063, 0.7142857142857143, 0.7222222222222222, 0.7301587301587301, 0.7380952380952381, 0.746031746031746, 0.753968253968254, 0.7619047619047619, 0.7698412698412698, 0.7777777777777778, 0.7857142857142857, 0.7936507936507937, 0.8015873015873016, 0.8095238095238095, 0.8174603174603174, 0.8253968253968254, 0.8333333333333333, 0.8412698412698413, 0.8492063492063492, 0.8571428571428572, 0.8650793650793651, 0.873015873015873, 0.8809523809523809, 0.8888888888888888, 0.8968253968253967, 0.9047619047619048, 0.9126984126984127, 0.9206349206349207, 0.9285714285714286, 0.9365079365079365, 0.9444444444444444, 0.9523809523809523, 0.9603174603174602, 0.9682539682539683, 0.9761904761904762, 0.9841269841269842, 0.9920634920634921, 1}; + float b[] = { 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4, 0.4}; + Mat X = linspace(0,1,64); + this->_lut = ColorMap::linear_colormap(X, + Mat(64,1, CV_32FC1, r).clone(), // red + Mat(64,1, CV_32FC1, g).clone(), // green + Mat(64,1, CV_32FC1, b).clone(), // blue + n); // number of sample points + } + }; + + // Equals the GNU Octave colormap "spring". + class Spring : public ColorMap { + public: + Spring() : ColorMap() { + init(256); + } + + Spring(int n) : ColorMap() { + init(n); + } + + void init(int n) { + float r[] = { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1}; + float g[] = { 0, 0.01587301587301587, 0.03174603174603174, 0.04761904761904762, 0.06349206349206349, 0.07936507936507936, 0.09523809523809523, 0.1111111111111111, 0.126984126984127, 0.1428571428571428, 0.1587301587301587, 0.1746031746031746, 0.1904761904761905, 0.2063492063492063, 0.2222222222222222, 0.2380952380952381, 0.253968253968254, 0.2698412698412698, 0.2857142857142857, 0.3015873015873016, 0.3174603174603174, 0.3333333333333333, 0.3492063492063492, 0.3650793650793651, 0.3809523809523809, 0.3968253968253968, 0.4126984126984127, 0.4285714285714285, 0.4444444444444444, 0.4603174603174603, 0.4761904761904762, 0.492063492063492, 0.5079365079365079, 0.5238095238095238, 0.5396825396825397, 0.5555555555555556, 0.5714285714285714, 0.5873015873015873, 0.6031746031746031, 0.6190476190476191, 0.6349206349206349, 0.6507936507936508, 0.6666666666666666, 0.6825396825396826, 0.6984126984126984, 0.7142857142857143, 0.7301587301587301, 0.746031746031746, 0.7619047619047619, 0.7777777777777778, 0.7936507936507936, 0.8095238095238095, 0.8253968253968254, 0.8412698412698413, 0.8571428571428571, 0.873015873015873, 0.8888888888888888, 0.9047619047619048, 0.9206349206349206, 0.9365079365079365, 0.9523809523809523, 0.9682539682539683, 0.9841269841269841, 1}; + float b[] = { 1, 0.9841269841269842, 0.9682539682539683, 0.9523809523809523, 0.9365079365079365, 0.9206349206349207, 0.9047619047619048, 0.8888888888888888, 0.873015873015873, 0.8571428571428572, 0.8412698412698413, 0.8253968253968254, 0.8095238095238095, 0.7936507936507937, 0.7777777777777778, 0.7619047619047619, 0.746031746031746, 0.7301587301587302, 0.7142857142857143, 0.6984126984126984, 0.6825396825396826, 0.6666666666666667, 0.6507936507936508, 0.6349206349206349, 0.6190476190476191, 0.6031746031746033, 0.5873015873015873, 0.5714285714285714, 0.5555555555555556, 0.5396825396825398, 0.5238095238095238, 0.5079365079365079, 0.4920634920634921, 0.4761904761904762, 0.4603174603174603, 0.4444444444444444, 0.4285714285714286, 0.4126984126984127, 0.3968253968253969, 0.3809523809523809, 0.3650793650793651, 0.3492063492063492, 0.3333333333333334, 0.3174603174603174, 0.3015873015873016, 0.2857142857142857, 0.2698412698412699, 0.253968253968254, 0.2380952380952381, 0.2222222222222222, 0.2063492063492064, 0.1904761904761905, 0.1746031746031746, 0.1587301587301587, 0.1428571428571429, 0.126984126984127, 0.1111111111111112, 0.09523809523809523, 0.07936507936507942, 0.06349206349206349, 0.04761904761904767, 0.03174603174603174, 0.01587301587301593, 0}; + Mat X = linspace(0,1,64); + this->_lut = ColorMap::linear_colormap(X, + Mat(64,1, CV_32FC1, r).clone(), // red + Mat(64,1, CV_32FC1, g).clone(), // green + Mat(64,1, CV_32FC1, b).clone(), // blue + n); // number of sample points + } + }; + + // Equals the GNU Octave colormap "cool". + class Cool : public ColorMap { + public: + Cool() : ColorMap() { + init(256); + } + + Cool(int n) : ColorMap() { + init(n); + } + + void init(int n) { + float r[] = { 0, 0.01587301587301587, 0.03174603174603174, 0.04761904761904762, 0.06349206349206349, 0.07936507936507936, 0.09523809523809523, 0.1111111111111111, 0.126984126984127, 0.1428571428571428, 0.1587301587301587, 0.1746031746031746, 0.1904761904761905, 0.2063492063492063, 0.2222222222222222, 0.2380952380952381, 0.253968253968254, 0.2698412698412698, 0.2857142857142857, 0.3015873015873016, 0.3174603174603174, 0.3333333333333333, 0.3492063492063492, 0.3650793650793651, 0.3809523809523809, 0.3968253968253968, 0.4126984126984127, 0.4285714285714285, 0.4444444444444444, 0.4603174603174603, 0.4761904761904762, 0.492063492063492, 0.5079365079365079, 0.5238095238095238, 0.5396825396825397, 0.5555555555555556, 0.5714285714285714, 0.5873015873015873, 0.6031746031746031, 0.6190476190476191, 0.6349206349206349, 0.6507936507936508, 0.6666666666666666, 0.6825396825396826, 0.6984126984126984, 0.7142857142857143, 0.7301587301587301, 0.746031746031746, 0.7619047619047619, 0.7777777777777778, 0.7936507936507936, 0.8095238095238095, 0.8253968253968254, 0.8412698412698413, 0.8571428571428571, 0.873015873015873, 0.8888888888888888, 0.9047619047619048, 0.9206349206349206, 0.9365079365079365, 0.9523809523809523, 0.9682539682539683, 0.9841269841269841, 1}; + float g[] = { 1, 0.9841269841269842, 0.9682539682539683, 0.9523809523809523, 0.9365079365079365, 0.9206349206349207, 0.9047619047619048, 0.8888888888888888, 0.873015873015873, 0.8571428571428572, 0.8412698412698413, 0.8253968253968254, 0.8095238095238095, 0.7936507936507937, 0.7777777777777778, 0.7619047619047619, 0.746031746031746, 0.7301587301587302, 0.7142857142857143, 0.6984126984126984, 0.6825396825396826, 0.6666666666666667, 0.6507936507936508, 0.6349206349206349, 0.6190476190476191, 0.6031746031746033, 0.5873015873015873, 0.5714285714285714, 0.5555555555555556, 0.5396825396825398, 0.5238095238095238, 0.5079365079365079, 0.4920634920634921, 0.4761904761904762, 0.4603174603174603, 0.4444444444444444, 0.4285714285714286, 0.4126984126984127, 0.3968253968253969, 0.3809523809523809, 0.3650793650793651, 0.3492063492063492, 0.3333333333333334, 0.3174603174603174, 0.3015873015873016, 0.2857142857142857, 0.2698412698412699, 0.253968253968254, 0.2380952380952381, 0.2222222222222222, 0.2063492063492064, 0.1904761904761905, 0.1746031746031746, 0.1587301587301587, 0.1428571428571429, 0.126984126984127, 0.1111111111111112, 0.09523809523809523, 0.07936507936507942, 0.06349206349206349, 0.04761904761904767, 0.03174603174603174, 0.01587301587301593, 0}; + float b[] = { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1}; + Mat X = linspace(0,1,64); + this->_lut = ColorMap::linear_colormap(X, + Mat(64,1, CV_32FC1, r).clone(), // red + Mat(64,1, CV_32FC1, g).clone(), // green + Mat(64,1, CV_32FC1, b).clone(), // blue + n); // number of sample points + } + }; + + // Equals the GNU Octave colormap "hsv". + class HSV : public ColorMap { + public: + HSV() : ColorMap() { + init(256); + } + + HSV(int n) : ColorMap() { + init(n); + } + + void init(int n) { + float r[] = { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0.9523809523809526, 0.8571428571428568, 0.7619047619047614, 0.6666666666666665, 0.5714285714285716, 0.4761904761904763, 0.3809523809523805, 0.2857142857142856, 0.1904761904761907, 0.0952380952380949, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.09523809523809557, 0.1904761904761905, 0.2857142857142854, 0.3809523809523809, 0.4761904761904765, 0.5714285714285714, 0.6666666666666663, 0.7619047619047619, 0.8571428571428574, 0.9523809523809523, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1}; + float g[] = { 0, 0.09523809523809523, 0.1904761904761905, 0.2857142857142857, 0.3809523809523809, 0.4761904761904762, 0.5714285714285714, 0.6666666666666666, 0.7619047619047619, 0.8571428571428571, 0.9523809523809523, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0.9523809523809526, 0.8571428571428577, 0.7619047619047619, 0.6666666666666665, 0.5714285714285716, 0.4761904761904767, 0.3809523809523814, 0.2857142857142856, 0.1904761904761907, 0.09523809523809579, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0}; + float b[] = { 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.09523809523809523, 0.1904761904761905, 0.2857142857142857, 0.3809523809523809, 0.4761904761904762, 0.5714285714285714, 0.6666666666666666, 0.7619047619047619, 0.8571428571428571, 0.9523809523809523, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0.9523809523809526, 0.8571428571428577, 0.7619047619047614, 0.6666666666666665, 0.5714285714285716, 0.4761904761904767, 0.3809523809523805, 0.2857142857142856, 0.1904761904761907, 0.09523809523809579, 0}; + Mat X = linspace(0,1,64); + this->_lut = ColorMap::linear_colormap(X, + Mat(64,1, CV_32FC1, r).clone(), // red + Mat(64,1, CV_32FC1, g).clone(), // green + Mat(64,1, CV_32FC1, b).clone(), // blue + n); // number of sample points + } + }; + + // Equals the GNU Octave colormap "pink". + class Pink : public ColorMap { + public: + Pink() : ColorMap() { + init(256); + } + + Pink(int n) : ColorMap() { + init(n); + } + + void init(int n) { + float r[] = { 0, 0.1571348402636772, 0.2222222222222222, 0.2721655269759087, 0.3142696805273544, 0.3513641844631533, 0.3849001794597505, 0.415739709641549, 0.4444444444444444, 0.4714045207910317, 0.4969039949999532, 0.5211573066470477, 0.5443310539518174, 0.5665577237325317, 0.5879447357921312, 0.6085806194501846, 0.6285393610547089, 0.6478835438717, 0.6666666666666666, 0.6849348892187751, 0.7027283689263065, 0.7200822998230956, 0.7370277311900888, 0.753592220347252, 0.7663560447348133, 0.7732293307186413, 0.7800420555749596, 0.7867957924694432, 0.7934920476158722, 0.8001322641986387, 0.8067178260046388, 0.8132500607904444, 0.8197302434079591, 0.8261595987094034, 0.8325393042503717, 0.8388704928078611, 0.8451542547285166, 0.8513916401208816, 0.8575836609041332, 0.8637312927246217, 0.8698354767504924, 0.8758971213537393, 0.8819171036881968, 0.8878962711712378, 0.8938354428762595, 0.8997354108424372, 0.9055969413076769, 0.9114207758701963, 0.9172076325837248, 0.9229582069908971, 0.9286731730990523, 0.9343531843023135, 0.9399988742535192, 0.9456108576893002, 0.9511897312113418, 0.9567360740266436, 0.9622504486493763, 0.9677334015667416, 0.9731854638710686, 0.9786071518602129, 0.9839989676081821, 0.9893613995077727, 0.9946949227868761, 1}; + float g[] = { 0, 0.1028688999747279, 0.1454785934906616, 0.1781741612749496, 0.2057377999494559, 0.2300218531141181, 0.2519763153394848, 0.2721655269759087, 0.2909571869813232, 0.3086066999241838, 0.3253000243161777, 0.3411775438127727, 0.3563483225498992, 0.3708990935094579, 0.3849001794597505, 0.3984095364447979, 0.4114755998989117, 0.4241393401869012, 0.4364357804719847, 0.4483951394230328, 0.4600437062282361, 0.4714045207910317, 0.4824979096371639, 0.4933419132673033, 0.5091750772173156, 0.5328701692569688, 0.5555555555555556, 0.5773502691896257, 0.5983516452371671, 0.6186404847588913, 0.6382847385042254, 0.6573421981221795, 0.6758625033664688, 0.6938886664887108, 0.7114582486036499, 0.7286042804780002, 0.7453559924999299, 0.7617394000445604, 0.7777777777777778, 0.7934920476158723, 0.8089010988089465, 0.8240220541217402, 0.8388704928078611, 0.8534606386520677, 0.8678055195451838, 0.8819171036881968, 0.8958064164776166, 0.9094836413191612, 0.9172076325837248, 0.9229582069908971, 0.9286731730990523, 0.9343531843023135, 0.9399988742535192, 0.9456108576893002, 0.9511897312113418, 0.9567360740266436, 0.9622504486493763, 0.9677334015667416, 0.9731854638710686, 0.9786071518602129, 0.9839989676081821, 0.9893613995077727, 0.9946949227868761, 1}; + float b[] = { 0, 0.1028688999747279, 0.1454785934906616, 0.1781741612749496, 0.2057377999494559, 0.2300218531141181, 0.2519763153394848, 0.2721655269759087, 0.2909571869813232, 0.3086066999241838, 0.3253000243161777, 0.3411775438127727, 0.3563483225498992, 0.3708990935094579, 0.3849001794597505, 0.3984095364447979, 0.4114755998989117, 0.4241393401869012, 0.4364357804719847, 0.4483951394230328, 0.4600437062282361, 0.4714045207910317, 0.4824979096371639, 0.4933419132673033, 0.5039526306789697, 0.5143444998736397, 0.5245305283129621, 0.5345224838248488, 0.5443310539518174, 0.5539659798925444, 0.563436169819011, 0.5727497953228163, 0.5819143739626463, 0.5909368402852788, 0.5998236072282915, 0.6085806194501846, 0.6172133998483676, 0.6257270902992705, 0.6341264874742278, 0.642416074439621, 0.6506000486323554, 0.6586823467062358, 0.6666666666666666, 0.6745564876468501, 0.6823550876255453, 0.6900655593423541, 0.6976908246297114, 0.7052336473499384, 0.7237468644557459, 0.7453559924999298, 0.7663560447348133, 0.7867957924694432, 0.8067178260046388, 0.8261595987094034, 0.8451542547285166, 0.8637312927246217, 0.8819171036881968, 0.8997354108424372, 0.9172076325837248, 0.9343531843023135, 0.9511897312113418, 0.9677334015667416, 0.9839989676081821, 1}; + Mat X = linspace(0,1,64); + this->_lut = ColorMap::linear_colormap(X, + Mat(64,1, CV_32FC1, r).clone(), // red + Mat(64,1, CV_32FC1, g).clone(), // green + Mat(64,1, CV_32FC1, b).clone(), // blue + n); // number of sample points + } + }; + + // Equals the GNU Octave colormap "hot". + class Hot : public ColorMap { + public: + Hot() : ColorMap() { + init(256); + } + + Hot(int n) : ColorMap() { + init(n); + } + + void init(int n) { + float r[] = { 0, 0.03968253968253968, 0.07936507936507936, 0.119047619047619, 0.1587301587301587, 0.1984126984126984, 0.2380952380952381, 0.2777777777777778, 0.3174603174603174, 0.3571428571428571, 0.3968253968253968, 0.4365079365079365, 0.4761904761904762, 0.5158730158730158, 0.5555555555555556, 0.5952380952380952, 0.6349206349206349, 0.6746031746031745, 0.7142857142857142, 0.753968253968254, 0.7936507936507936, 0.8333333333333333, 0.873015873015873, 0.9126984126984127, 0.9523809523809523, 0.992063492063492, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1}; + float g[] = { 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.03174603174603163, 0.0714285714285714, 0.1111111111111112, 0.1507936507936507, 0.1904761904761905, 0.23015873015873, 0.2698412698412698, 0.3095238095238093, 0.3492063492063491, 0.3888888888888888, 0.4285714285714284, 0.4682539682539679, 0.5079365079365079, 0.5476190476190477, 0.5873015873015872, 0.6269841269841268, 0.6666666666666665, 0.7063492063492065, 0.746031746031746, 0.7857142857142856, 0.8253968253968254, 0.8650793650793651, 0.9047619047619047, 0.9444444444444442, 0.984126984126984, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1}; + float b[] = { 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.04761904761904745, 0.1269841269841265, 0.2063492063492056, 0.2857142857142856, 0.3650793650793656, 0.4444444444444446, 0.5238095238095237, 0.6031746031746028, 0.6825396825396828, 0.7619047619047619, 0.8412698412698409, 0.92063492063492, 1}; + Mat X = linspace(0,1,64); + this->_lut = ColorMap::linear_colormap(X, + Mat(64,1, CV_32FC1, r).clone(), // red + Mat(64,1, CV_32FC1, g).clone(), // green + Mat(64,1, CV_32FC1, b).clone(), // blue + n); // number of sample points + } + }; + + void ColorMap::operator()(InputArray _src, OutputArray _dst) const + { + if(_lut.total() != 256) + CV_Error(Error::StsAssert, "cv::LUT only supports tables of size 256."); + Mat src = _src.getMat(); + // Return original matrix if wrong type is given (is fail loud better here?) + if(src.type() != CV_8UC1 && src.type() != CV_8UC3) + { + src.copyTo(_dst); + return; + } + // Turn into a BGR matrix into its grayscale representation. + if(src.type() == CV_8UC3) + cvtColor(src.clone(), src, COLOR_BGR2GRAY); + cvtColor(src.clone(), src, COLOR_GRAY2BGR); + // Apply the ColorMap. + LUT(src, _lut, _dst); + } + + Mat ColorMap::linear_colormap(InputArray X, + InputArray r, InputArray g, InputArray b, + InputArray xi) { + Mat lut, lut8; + Mat planes[] = { + interp1(X, b, xi), + interp1(X, g, xi), + interp1(X, r, xi)}; + merge(planes, 3, lut); + lut.convertTo(lut8, CV_8U, 255.); + return lut8; + } + + } + + void applyColorMap(InputArray src, OutputArray dst, int colormap) + { + colormap::ColorMap* cm = + colormap == COLORMAP_AUTUMN ? (colormap::ColorMap*)(new colormap::Autumn) : + colormap == COLORMAP_BONE ? (colormap::ColorMap*)(new colormap::Bone) : + colormap == COLORMAP_COOL ? (colormap::ColorMap*)(new colormap::Cool) : + colormap == COLORMAP_HOT ? (colormap::ColorMap*)(new colormap::Hot) : + colormap == COLORMAP_HSV ? (colormap::ColorMap*)(new colormap::HSV) : + colormap == COLORMAP_JET ? (colormap::ColorMap*)(new colormap::Jet) : + colormap == COLORMAP_OCEAN ? (colormap::ColorMap*)(new colormap::Ocean) : + colormap == COLORMAP_PINK ? (colormap::ColorMap*)(new colormap::Pink) : + colormap == COLORMAP_RAINBOW ? (colormap::ColorMap*)(new colormap::Rainbow) : + colormap == COLORMAP_SPRING ? (colormap::ColorMap*)(new colormap::Spring) : + colormap == COLORMAP_SUMMER ? (colormap::ColorMap*)(new colormap::Summer) : + colormap == COLORMAP_WINTER ? (colormap::ColorMap*)(new colormap::Winter) : 0; + + if( !cm ) + CV_Error( Error::StsBadArg, "Unknown colormap id; use one of COLORMAP_*"); + + (*cm)(src, dst); + + delete cm; + } +} diff --git a/modules/imgproc/src/corner.cpp b/modules/imgproc/src/corner.cpp index 923d78b30f..1fdd047cd1 100644 --- a/modules/imgproc/src/corner.cpp +++ b/modules/imgproc/src/corner.cpp @@ -41,7 +41,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_imgproc.hpp" namespace cv { diff --git a/modules/imgproc/src/deriv.cpp b/modules/imgproc/src/deriv.cpp index 1a29c38abf..80b1e9b33c 100644 --- a/modules/imgproc/src/deriv.cpp +++ b/modules/imgproc/src/deriv.cpp @@ -41,7 +41,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_imgproc.hpp" #if defined (HAVE_IPP) && (IPP_VERSION_MAJOR >= 7) static IppStatus sts = ippInit(); diff --git a/modules/imgproc/src/featureselect.cpp b/modules/imgproc/src/featureselect.cpp index 54bb65fffa..a50b704e8a 100644 --- a/modules/imgproc/src/featureselect.cpp +++ b/modules/imgproc/src/featureselect.cpp @@ -40,7 +40,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_imgproc.hpp" #include #include diff --git a/modules/imgproc/src/filter.cpp b/modules/imgproc/src/filter.cpp index 6c0da79ccf..4928a16d28 100644 --- a/modules/imgproc/src/filter.cpp +++ b/modules/imgproc/src/filter.cpp @@ -41,7 +41,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_imgproc.hpp" /****************************************************************************************\ Base Image Filter diff --git a/modules/imgproc/src/histogram.cpp b/modules/imgproc/src/histogram.cpp index b38ddcad0c..1006897e4e 100644 --- a/modules/imgproc/src/histogram.cpp +++ b/modules/imgproc/src/histogram.cpp @@ -40,7 +40,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_imgproc.hpp" namespace cv { diff --git a/modules/imgproc/src/imgwarp.cpp b/modules/imgproc/src/imgwarp.cpp index 1d16bcc3fc..b2619883e0 100644 --- a/modules/imgproc/src/imgwarp.cpp +++ b/modules/imgproc/src/imgwarp.cpp @@ -47,7 +47,7 @@ // */ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_imgproc.hpp" #if defined (HAVE_IPP) && (IPP_VERSION_MAJOR >= 7) static IppStatus sts = ippInit(); @@ -2074,7 +2074,8 @@ static bool ocl_resize( InputArray _src, OutputArray _dst, Size dsize, // datatypes because the observed error is low. bool useSampler = (interpolation == INTER_LINEAR && ocl::Device::getDefault().imageSupport() && ocl::Image2D::canCreateAlias(src) && depth <= 4 && - ocl::Image2D::isFormatSupported(depth, cn, true)); + ocl::Image2D::isFormatSupported(depth, cn, true) && + src.offset==0); if (useSampler) { int wdepth = std::max(depth, CV_32S); @@ -2380,7 +2381,7 @@ void cv::resize( InputArray _src, OutputArray _dst, Size dsize, inv_scale_y = (double)dsize.height/ssize.height; } - CV_OCL_RUN(_src.dims() <= 2 && _dst.isUMat(), + CV_OCL_RUN(_src.dims() <= 2 && _dst.isUMat() && _src.cols() > 10 && _src.rows() > 10, ocl_resize(_src, _dst, dsize, inv_scale_x, inv_scale_y, interpolation)) Mat src = _src.getMat(); diff --git a/modules/imgproc/src/moments.cpp b/modules/imgproc/src/moments.cpp index a61002a792..b114264e31 100644 --- a/modules/imgproc/src/moments.cpp +++ b/modules/imgproc/src/moments.cpp @@ -39,7 +39,7 @@ // //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_imgproc.hpp" namespace cv { diff --git a/modules/imgproc/src/morph.cpp b/modules/imgproc/src/morph.cpp index 4f696b4209..8985a7f06b 100644 --- a/modules/imgproc/src/morph.cpp +++ b/modules/imgproc/src/morph.cpp @@ -42,7 +42,7 @@ #include "precomp.hpp" #include -#include "opencl_kernels.hpp" +#include "opencl_kernels_imgproc.hpp" /****************************************************************************************\ Basic Morphological Operations: Erosion & Dilation @@ -1221,7 +1221,7 @@ static bool IPPMorphReplicate(int op, const Mat &src, Mat &dst, const Mat &kerne IPP_MORPH_CASE(CV_32FC3, 32f_C3R, 32f); IPP_MORPH_CASE(CV_32FC4, 32f_C4R, 32f); default: - return false; + ; } #undef IPP_MORPH_CASE @@ -1253,14 +1253,11 @@ static bool IPPMorphReplicate(int op, const Mat &src, Mat &dst, const Mat &kerne IPP_MORPH_CASE(CV_32FC3, 32f_C3R, 32f); IPP_MORPH_CASE(CV_32FC4, 32f_C4R, 32f); default: - return false; + ; } #undef IPP_MORPH_CASE - -#if defined(__GNUC__) && __GNUC__ == 4 && __GNUC_MINOR__ >= 8 - return false; /// It disables false positive warning in GCC 4.8 and further -#endif } + return false; } static bool IPPMorphOp(int op, InputArray _src, OutputArray _dst, @@ -1339,22 +1336,190 @@ static bool IPPMorphOp(int op, InputArray _src, OutputArray _dst, #ifdef HAVE_OPENCL +#define ROUNDUP(sz, n) ((sz) + (n) - 1 - (((sz) + (n) - 1) % (n))) + +static bool ocl_morphSmall( InputArray _src, OutputArray _dst, InputArray _kernel, Point anchor, int borderType, + int op, int actual_op = -1, InputArray _extraMat = noArray()) +{ + const ocl::Device & dev = ocl::Device::getDefault(); + int type = _src.type(), depth = CV_MAT_DEPTH(type), cn = CV_MAT_CN(type), esz = CV_ELEM_SIZE(type); + bool doubleSupport = dev.doubleFPConfig() > 0; + + if (cn > 4 || (!doubleSupport && depth == CV_64F) || + _src.offset() % esz != 0 || _src.step() % esz != 0) + return false; + + bool haveExtraMat = !_extraMat.empty(); + CV_Assert(actual_op <= 3 || haveExtraMat); + + Size ksize = _kernel.size(); + if (anchor.x < 0) + anchor.x = ksize.width / 2; + if (anchor.y < 0) + anchor.y = ksize.height / 2; + + Size size = _src.size(), wholeSize; + bool isolated = (borderType & BORDER_ISOLATED) != 0; + borderType &= ~BORDER_ISOLATED; + int wdepth = depth, wtype = type; + if (depth == CV_8U) + { + wdepth = CV_32S; + wtype = CV_MAKETYPE(wdepth, cn); + } + char cvt[2][40]; + + const char * const borderMap[] = { "BORDER_CONSTANT", "BORDER_REPLICATE", + "BORDER_REFLECT", 0, "BORDER_REFLECT_101" }; + size_t globalsize[2] = { size.width, size.height }; + + UMat src = _src.getUMat(); + if (!isolated) + { + Point ofs; + src.locateROI(wholeSize, ofs); + } + + int h = isolated ? size.height : wholeSize.height; + int w = isolated ? size.width : wholeSize.width; + if (w < ksize.width || h < ksize.height) + return false; + + // Figure out what vector size to use for loading the pixels. + int pxLoadNumPixels = cn != 1 || size.width % 4 ? 1 : 4; + int pxLoadVecSize = cn * pxLoadNumPixels; + + // Figure out how many pixels per work item to compute in X and Y + // directions. Too many and we run out of registers. + int pxPerWorkItemX = 1, pxPerWorkItemY = 1; + if (cn <= 2 && ksize.width <= 4 && ksize.height <= 4) + { + pxPerWorkItemX = size.width % 8 ? size.width % 4 ? size.width % 2 ? 1 : 2 : 4 : 8; + pxPerWorkItemY = size.height % 2 ? 1 : 2; + } + else if (cn < 4 || (ksize.width <= 4 && ksize.height <= 4)) + { + pxPerWorkItemX = size.width % 2 ? 1 : 2; + pxPerWorkItemY = size.height % 2 ? 1 : 2; + } + globalsize[0] = size.width / pxPerWorkItemX; + globalsize[1] = size.height / pxPerWorkItemY; + + // Need some padding in the private array for pixels + int privDataWidth = ROUNDUP(pxPerWorkItemX + ksize.width - 1, pxLoadNumPixels); + + // Make the global size a nice round number so the runtime can pick + // from reasonable choices for the workgroup size + const int wgRound = 256; + globalsize[0] = ROUNDUP(globalsize[0], wgRound); + + if (actual_op < 0) + actual_op = op; + + // build processing + String processing; + Mat kernel8u; + _kernel.getMat().convertTo(kernel8u, CV_8U); + for (int y = 0; y < kernel8u.rows; ++y) + for (int x = 0; x < kernel8u.cols; ++x) + if (kernel8u.at(y, x) != 0) + processing += format("PROCESS(%d,%d)", y, x); + + + static const char * const op2str[] = { "OP_ERODE", "OP_DILATE", NULL, NULL, "OP_GRADIENT", "OP_TOPHAT", "OP_BLACKHAT" }; + String opts = format("-D cn=%d " + "-D ANCHOR_X=%d -D ANCHOR_Y=%d -D KERNEL_SIZE_X=%d -D KERNEL_SIZE_Y=%d " + "-D PX_LOAD_VEC_SIZE=%d -D PX_LOAD_NUM_PX=%d -D DEPTH_%d " + "-D PX_PER_WI_X=%d -D PX_PER_WI_Y=%d -D PRIV_DATA_WIDTH=%d -D %s -D %s " + "-D PX_LOAD_X_ITERATIONS=%d -D PX_LOAD_Y_ITERATIONS=%d " + "-D srcT=%s -D srcT1=%s -D dstT=srcT -D dstT1=srcT1 -D WT=%s -D WT1=%s " + "-D convertToWT=%s -D convertToDstT=%s -D PROCESS_ELEM_=%s -D %s%s", + cn, anchor.x, anchor.y, ksize.width, ksize.height, + pxLoadVecSize, pxLoadNumPixels, depth, + pxPerWorkItemX, pxPerWorkItemY, privDataWidth, borderMap[borderType], + isolated ? "BORDER_ISOLATED" : "NO_BORDER_ISOLATED", + privDataWidth / pxLoadNumPixels, pxPerWorkItemY + ksize.height - 1, + ocl::typeToStr(type), ocl::typeToStr(depth), + haveExtraMat ? ocl::typeToStr(wtype):"srcT",//to prevent overflow - WT + haveExtraMat ? ocl::typeToStr(wdepth):"srcT1",//to prevent overflow - WT1 + haveExtraMat ? ocl::convertTypeStr(depth, wdepth, cn, cvt[0]) : "noconvert",//to prevent overflow - src to WT + haveExtraMat ? ocl::convertTypeStr(wdepth, depth, cn, cvt[1]) : "noconvert",//to prevent overflow - WT to dst + processing.c_str(), op2str[op], + actual_op == op ? "" : cv::format(" -D %s", op2str[actual_op]).c_str()); + + ocl::Kernel kernel("filterSmall", cv::ocl::imgproc::filterSmall_oclsrc, opts); + if (kernel.empty()) + return false; + + _dst.create(size, type); + UMat dst = _dst.getUMat(); + + UMat source; + if(src.u != dst.u) + source = src; + else + { + Point ofs; + int cols = src.cols, rows = src.rows; + src.locateROI(wholeSize, ofs); + src.adjustROI(ofs.y, wholeSize.height - rows - ofs.y, ofs.x, wholeSize.width - cols - ofs.x); + src.copyTo(source); + + src.adjustROI(-ofs.y, -wholeSize.height + rows + ofs.y, -ofs.x, -wholeSize.width + cols + ofs.x); + source.adjustROI(-ofs.y, -wholeSize.height + rows + ofs.y, -ofs.x, -wholeSize.width + cols + ofs.x); + source.locateROI(wholeSize, ofs); + } + + UMat extraMat = _extraMat.getUMat(); + + int idxArg = kernel.set(0, ocl::KernelArg::PtrReadOnly(source)); + idxArg = kernel.set(idxArg, (int)source.step); + int srcOffsetX = (int)((source.offset % source.step) / source.elemSize()); + int srcOffsetY = (int)(source.offset / source.step); + int srcEndX = isolated ? srcOffsetX + size.width : wholeSize.width; + int srcEndY = isolated ? srcOffsetY + size.height : wholeSize.height; + idxArg = kernel.set(idxArg, srcOffsetX); + idxArg = kernel.set(idxArg, srcOffsetY); + idxArg = kernel.set(idxArg, srcEndX); + idxArg = kernel.set(idxArg, srcEndY); + idxArg = kernel.set(idxArg, ocl::KernelArg::WriteOnly(dst)); + + if (haveExtraMat) + { + idxArg = kernel.set(idxArg, ocl::KernelArg::ReadOnlyNoSize(extraMat)); + } + + return kernel.run(2, globalsize, NULL, false); + +} + static bool ocl_morphOp(InputArray _src, OutputArray _dst, InputArray _kernel, Point anchor, int iterations, int op, int borderType, const Scalar &, int actual_op = -1, InputArray _extraMat = noArray()) { const ocl::Device & dev = ocl::Device::getDefault(); - int type = _src.type(), depth = CV_MAT_DEPTH(type), cn = CV_MAT_CN(type); - bool doubleSupport = dev.doubleFPConfig() > 0; + int type = _src.type(), depth = CV_MAT_DEPTH(type), + cn = CV_MAT_CN(type), esz = CV_ELEM_SIZE(type); + Mat kernel = _kernel.getMat(); + Size ksize = kernel.data ? kernel.size() : Size(3, 3), ssize = _src.size(); + bool doubleSupport = dev.doubleFPConfig() > 0; if ((depth == CV_64F && !doubleSupport) || borderType != BORDER_CONSTANT) return false; - Mat kernel = _kernel.getMat(); bool haveExtraMat = !_extraMat.empty(); - Size ksize = kernel.data ? kernel.size() : Size(3, 3), ssize = _src.size(); CV_Assert(actual_op <= 3 || haveExtraMat); + // try to use OpenCL kernel adopted for small morph kernel + if (dev.isIntel() && !(dev.type() & ocl::Device::TYPE_CPU) && + ((ksize.width < 5 && ksize.height < 5 && esz <= 4) || + (ksize.width == 5 && ksize.height == 5 && cn == 1)) && + (iterations == 1)) + { + if (ocl_morphSmall(_src, _dst, _kernel, anchor, borderType, op, actual_op, _extraMat)) + return true; + } + if (iterations == 0 || kernel.rows*kernel.cols == 1) { _src.copyTo(_dst); diff --git a/modules/imgproc/src/opencl/cvtcolor.cl b/modules/imgproc/src/opencl/cvtcolor.cl index da835e08f3..2846357d52 100644 --- a/modules/imgproc/src/opencl/cvtcolor.cl +++ b/modules/imgproc/src/opencl/cvtcolor.cl @@ -441,18 +441,18 @@ __kernel void YCrCb2RGB(__global const uchar* src, int src_step, int src_offset, __global DATA_TYPE * dstptr = (__global DATA_TYPE*)(dst + dst_index); DATA_TYPE_4 src_pix = vload4(0, srcptr); - DATA_TYPE y = src_pix.x, cr = src_pix.y, cb = src_pix.z; + DATA_TYPE yp = src_pix.x, cr = src_pix.y, cb = src_pix.z; #ifdef DEPTH_5 __constant float * coeff = c_YCrCb2RGBCoeffs_f; - float r = fma(coeff[0], cr - HALF_MAX, y); - float g = fma(coeff[1], cr - HALF_MAX, fma(coeff[2], cb - HALF_MAX, y)); - float b = fma(coeff[3], cb - HALF_MAX, y); + float r = fma(coeff[0], cr - HALF_MAX, yp); + float g = fma(coeff[1], cr - HALF_MAX, fma(coeff[2], cb - HALF_MAX, yp)); + float b = fma(coeff[3], cb - HALF_MAX, yp); #else __constant int * coeff = c_YCrCb2RGBCoeffs_i; - int r = y + CV_DESCALE(coeff[0] * (cr - HALF_MAX), yuv_shift); - int g = y + CV_DESCALE(mad24(coeff[1], cr - HALF_MAX, coeff[2] * (cb - HALF_MAX)), yuv_shift); - int b = y + CV_DESCALE(coeff[3] * (cb - HALF_MAX), yuv_shift); + int r = yp + CV_DESCALE(coeff[0] * (cr - HALF_MAX), yuv_shift); + int g = yp + CV_DESCALE(mad24(coeff[1], cr - HALF_MAX, coeff[2] * (cb - HALF_MAX)), yuv_shift); + int b = yp + CV_DESCALE(coeff[3] * (cb - HALF_MAX), yuv_shift); #endif dstptr[(bidx^2)] = SAT_CAST(r); @@ -1796,6 +1796,10 @@ __kernel void Luv2BGR(__global const uchar * srcptr, int src_step, int src_offse float G = fma(X, coeffs[3], fma(Y, coeffs[4], Z * coeffs[5])); float B = fma(X, coeffs[6], fma(Y, coeffs[7], Z * coeffs[8])); + R = clamp(R, 0.f, 1.f); + G = clamp(G, 0.f, 1.f); + B = clamp(B, 0.f, 1.f); + #ifdef SRGB R = splineInterpolate(R*GammaTabScale, gammaTab, GAMMA_TAB_SIZE); G = splineInterpolate(G*GammaTabScale, gammaTab, GAMMA_TAB_SIZE); @@ -1853,6 +1857,10 @@ __kernel void Luv2BGR(__global const uchar * src, int src_step, int src_offset, float G = fma(X, coeffs[3], fma(Y, coeffs[4], Z * coeffs[5])); float B = fma(X, coeffs[6], fma(Y, coeffs[7], Z * coeffs[8])); + R = clamp(R, 0.f, 1.f); + G = clamp(G, 0.f, 1.f); + B = clamp(B, 0.f, 1.f); + #ifdef SRGB R = splineInterpolate(R*GammaTabScale, gammaTab, GAMMA_TAB_SIZE); G = splineInterpolate(G*GammaTabScale, gammaTab, GAMMA_TAB_SIZE); diff --git a/modules/imgproc/src/opencl/boxFilterSmall.cl b/modules/imgproc/src/opencl/filterSmall.cl similarity index 71% rename from modules/imgproc/src/opencl/boxFilterSmall.cl rename to modules/imgproc/src/opencl/filterSmall.cl index ff47d18e4b..c996fb833e 100755 --- a/modules/imgproc/src/opencl/boxFilterSmall.cl +++ b/modules/imgproc/src/opencl/filterSmall.cl @@ -153,35 +153,10 @@ inline bool isBorder(const struct RectCoords bounds, int2 coord, int numPixels) } #endif -inline WT getBorderPixel(const struct RectCoords bounds, int2 coord, - __global const uchar * srcptr, int srcstep) -{ -#ifdef BORDER_CONSTANT - return (WT)(0); -#else - int selected_col = coord.x; - int selected_row = coord.y; - - EXTRAPOLATE(selected_col, selected_row, - bounds.x1, bounds.y1, - bounds.x2, bounds.y2); - - __global const uchar* ptr = srcptr + mad24(selected_row, srcstep, selected_col * SRCSIZE); - return convertToWT(loadpix(ptr)); -#endif -} - -inline WT readSrcPixelSingle(int2 pos, __global const uchar * srcptr, - int srcstep, const struct RectCoords srcCoords) -{ - if (!isBorder(srcCoords, pos, 1)) - { - __global const uchar * ptr = srcptr + mad24(pos.y, srcstep, pos.x * SRCSIZE); - return convertToWT(loadpix(ptr)); - } - else - return getBorderPixel(srcCoords, pos, srcptr, srcstep); -} +#define float1 float +#define uchar1 uchar +#define int1 int +#define uint1 unit #define __CAT(x, y) x##y #define CAT(x, y) __CAT(x, y) @@ -191,7 +166,7 @@ inline WT readSrcPixelSingle(int2 pos, __global const uchar * srcptr, #define PX_LOAD_FLOAT_VEC_TYPE CAT(WT1, PX_LOAD_VEC_SIZE) #define PX_LOAD_FLOAT_VEC_CONV CAT(convert_, PX_LOAD_FLOAT_VEC_TYPE) #define PX_LOAD CAT(vload, PX_LOAD_VEC_SIZE) -#define float1 float + inline PX_LOAD_FLOAT_VEC_TYPE readSrcPixelGroup(int2 pos, __global const uchar * srcptr, int srcstep, const struct RectCoords srcCoords) @@ -218,12 +193,150 @@ inline PX_LOAD_FLOAT_VEC_TYPE readSrcPixelGroup(int2 pos, __global const uchar * #define LOOP(N, VAR, STMT) CAT(LOOP, N)((VAR), (STMT)) -__kernel void boxFilterSmall(__global const uchar * srcptr, int src_step, int srcOffsetX, int srcOffsetY, int srcEndX, int srcEndY, - __global uchar * dstptr, int dst_step, int dst_offset, int rows, int cols -#ifdef NORMALIZE - , float alpha +#ifdef OP_BOX_FILTER +#define PROCESS_ELEM \ + WT total_sum = (WT)(0); \ + int sy = 0; \ + LOOP(KERNEL_SIZE_Y, sy, \ + { \ + int sx = 0; \ + LOOP(KERNEL_SIZE_X, sx, \ + { \ + total_sum += privateData[py + sy][px + sx]; \ + }); \ + }) + +#elif defined OP_FILTER2D + +#define DIG(a) a, +__constant WT1 kernelData[] = { COEFF }; + +#define PROCESS_ELEM \ + WT total_sum = 0; \ + int sy = 0; \ + int kernelIndex = 0; \ + LOOP(KERNEL_SIZE_Y, sy, \ + { \ + int sx = 0; \ + LOOP(KERNEL_SIZE_X, sx, \ + { \ + total_sum = fma(kernelData[kernelIndex++], privateData[py + sy][px + sx], total_sum); \ + }); \ + }) + +#elif defined OP_ERODE || defined OP_DILATE + +#ifdef DEPTH_0 +#define MIN_VAL 0 +#define MAX_VAL UCHAR_MAX +#elif defined DEPTH_1 +#define MIN_VAL SCHAR_MIN +#define MAX_VAL SCHAR_MAX +#elif defined DEPTH_2 +#define MIN_VAL 0 +#define MAX_VAL USHRT_MAX +#elif defined DEPTH_3 +#define MIN_VAL SHRT_MIN +#define MAX_VAL SHRT_MAX +#elif defined DEPTH_4 +#define MIN_VAL INT_MIN +#define MAX_VAL INT_MAX +#elif defined DEPTH_5 +#define MIN_VAL (-FLT_MAX) +#define MAX_VAL FLT_MAX +#elif defined DEPTH_6 +#define MIN_VAL (-DBL_MAX) +#define MAX_VAL DBL_MAX #endif - ) + +#ifdef OP_ERODE +#define VAL (WT)MAX_VAL +#elif defined OP_DILATE +#define VAL (WT)MIN_VAL +#else +#error "Unknown operation" +#endif + +#define convert_float1 convert_float +#define convert_uchar1 convert_uchar +#define convert_int1 convert_int +#define convert_uint1 convert_uint + +#ifdef OP_ERODE +#if defined INTEL_DEVICE && defined DEPTH_0 +// workaround for bug in Intel HD graphics drivers (10.18.10.3496 or older) +#define WA_CONVERT_1 CAT(convert_uint, cn) +#define WA_CONVERT_2 CAT(convert_, srcT) +#define MORPH_OP(A, B) WA_CONVERT_2(min(WA_CONVERT_1(A), WA_CONVERT_1(B))) +#else +#define MORPH_OP(A, B) min((A), (B)) +#endif +#endif +#ifdef OP_DILATE +#define MORPH_OP(A, B) max((A), (B)) +#endif + +#define PROCESS(_y, _x) \ + total_sum = convertToWT(MORPH_OP(convertToWT(total_sum), convertToWT(privateData[py + _y][px + _x]))); + +#define PROCESS_ELEM \ + WT total_sum = convertToWT(VAL); \ + PROCESS_ELEM_ + +#else +#error "No processing is specified" +#endif + +#if defined OP_GRADIENT || defined OP_TOPHAT || defined OP_BLACKHAT +#define EXTRA_PARAMS , __global const uchar * matptr, int mat_step, int mat_offset +#else +#define EXTRA_PARAMS +#endif + +inline WT getBorderPixel(const struct RectCoords bounds, int2 coord, + __global const uchar * srcptr, int srcstep) +{ +#ifdef BORDER_CONSTANT +#ifdef OP_ERODE + return (WT)(MAX_VAL); +#elif defined OP_DILATE + return (WT)(MIN_VAL); +#else + return (WT)(0); +#endif +#else + + int selected_col = coord.x; + int selected_row = coord.y; + + EXTRAPOLATE(selected_col, selected_row, + bounds.x1, bounds.y1, + bounds.x2, bounds.y2); + + __global const uchar* ptr = srcptr + mad24(selected_row, srcstep, selected_col * SRCSIZE); + return convertToWT(loadpix(ptr)); +#endif +} + +inline WT readSrcPixelSingle(int2 pos, __global const uchar * srcptr, + int srcstep, const struct RectCoords srcCoords) +{ + if (!isBorder(srcCoords, pos, 1)) + { + __global const uchar * ptr = srcptr + mad24(pos.y, srcstep, pos.x * SRCSIZE); + return convertToWT(loadpix(ptr)); + } + else + return getBorderPixel(srcCoords, pos, srcptr, srcstep); +} + + +__kernel void filterSmall(__global const uchar * srcptr, int src_step, int srcOffsetX, int srcOffsetY, int srcEndX, int srcEndY, + __global uchar * dstptr, int dst_step, int dst_offset, int rows, int cols +#ifdef NORMALIZE + , float alpha +#endif + EXTRA_PARAMS ) { // for non-isolated border: offsetX, offsetY, wholeX, wholeY const struct RectCoords srcCoords = { srcOffsetX, srcOffsetY, srcEndX, srcEndY }; @@ -282,24 +395,27 @@ __kernel void boxFilterSmall(__global const uchar * srcptr, int src_step, int sr LOOP(PX_PER_WI_X, px, { int x = startX + px; - int sy = 0; - int kernelIndex = 0; - WT total_sum = (WT)(0); - - LOOP(KERNEL_SIZE_Y, sy, - { - int sx = 0; - LOOP(KERNEL_SIZE_X, sx, - { - total_sum += privateData[py + sy][px + sx]; - }); - }); - - __global dstT * dstPtr = (__global dstT *)(dstptr + mad24(y, dst_step, mad24(x, DSTSIZE, dst_offset))); + PROCESS_ELEM; + int dst_index = mad24(y, dst_step, mad24(x, DSTSIZE, dst_offset)); + __global dstT * dstPtr = (__global dstT *)(dstptr + dst_index); #ifdef NORMALIZE total_sum *= (WT)(alpha); #endif +#if defined OP_GRADIENT || defined OP_TOPHAT || defined OP_BLACKHAT + //for this type of operations SRCSIZE == DSTSIZE + int mat_index = mad24(y, mat_step, mad24(x, SRCSIZE, mat_offset)); + WT value = convertToWT(loadpix(matptr + mat_index)); + +#ifdef OP_GRADIENT + storepix(convertToDstT(convertToWT(total_sum) - convertToWT(value)), dstPtr ); +#elif defined OP_TOPHAT + storepix(convertToDstT(convertToWT(value) - convertToWT(total_sum)), dstPtr ); +#elif defined OP_BLACKHAT + storepix(convertToDstT(convertToWT(total_sum) - convertToWT(value)), dstPtr ); +#endif +#else // erode or dilate, or open-close storepix(convertToDstT(total_sum), dstPtr); +#endif }); }); } diff --git a/modules/imgproc/src/opencl/histogram.cl b/modules/imgproc/src/opencl/histogram.cl index ff8023054f..5c99d5424d 100644 --- a/modules/imgproc/src/opencl/histogram.cl +++ b/modules/imgproc/src/opencl/histogram.cl @@ -47,7 +47,7 @@ #define noconvert -__kernel void calculate_histogram(__global const uchar * src, int src_step, int src_offset, int src_rows, int src_cols, +__kernel void calculate_histogram(__global const uchar * src_ptr, int src_step, int src_offset, int src_rows, int src_cols, __global uchar * histptr, int total) { int lid = get_local_id(0); @@ -61,6 +61,7 @@ __kernel void calculate_histogram(__global const uchar * src, int src_step, int localhist[i] = 0; barrier(CLK_LOCAL_MEM_FENCE); + __global const uchar * src = src_ptr + src_offset; int src_index; for (int grain = HISTS_COUNT * WGS * kercn; id < total; id += grain) @@ -68,7 +69,7 @@ __kernel void calculate_histogram(__global const uchar * src, int src_step, int #ifdef HAVE_SRC_CONT src_index = id; #else - src_index = mad24(id / src_cols, src_step, src_offset + id % src_cols); + src_index = mad24(id / src_cols, src_step, id % src_cols); #endif #if kercn == 1 diff --git a/modules/imgproc/src/opencl/integral_sum.cl b/modules/imgproc/src/opencl/integral_sum.cl index 49a3bde955..3c51c1a28b 100644 --- a/modules/imgproc/src/opencl/integral_sum.cl +++ b/modules/imgproc/src/opencl/integral_sum.cl @@ -132,8 +132,11 @@ kernel void integral_sum_rows(__global const uchar *buf_ptr, int buf_step, int b } dst_sq_offset += dst_sq_step; - dst_sq = (__global sumSQT *)(dst_sq_ptr + mad24(x, dst_sq_step, dst_sq_offset)); - dst_sq[0] = 0; + if (x < rows - 1) + { + dst_sq = (__global sumSQT *)(dst_sq_ptr + mad24(x, dst_sq_step, dst_sq_offset)); + dst_sq[0] = 0; + } int buf_sq_index = mad24((int)sizeof(sumSQT), x, buf_sq_offset); sumSQT accum_sq = 0; diff --git a/modules/imgproc/src/opencl/match_template.cl b/modules/imgproc/src/opencl/match_template.cl index 1919e8edd2..c6c9468e88 100644 --- a/modules/imgproc/src/opencl/match_template.cl +++ b/modules/imgproc/src/opencl/match_template.cl @@ -90,11 +90,8 @@ __kernel void calcSum(__global const uchar * srcptr, int src_step, int src_offse T src = loadpix(srcptr + src_index); tmp = convertToWT(src); -#if wdepth == 4 - accumulator = mad24(tmp, tmp, accumulator); -#else + accumulator = mad(tmp, tmp, accumulator); -#endif } if (lid < WGS2_ALIGNED) @@ -165,11 +162,9 @@ __kernel void matchTemplate_Naive_CCORR(__global const uchar * srcptr, int src_s { T temp = (T)(template[j]); T src = *(__global const T*)(srcptr + ind + j*(int)sizeof(T1)); -#if wdepth == 4 - sum = mad24(convertToWT(src), convertToWT(temp), sum); -#else - sum = mad(convertToWT(src), convertToWT(temp), sum); -#endif + + sum = mad(convertToWT(src), convertToWT(temp), sum); + } ind += src_step; template = (__global const T1 *)((__global const uchar *)template + template_step); @@ -195,12 +190,7 @@ __kernel void matchTemplate_Naive_CCORR(__global const uchar * srcptr, int src_s #pragma unroll for (int cx=0, x = x0; cx < PIX_PER_WI_X && x < dst_cols; ++cx, ++x) { - -#if wdepth == 4 - sum[cx] = mad24(convertToWT1(src[j+cx]), convertToWT1(template[j]), sum[cx]); -#else sum[cx] = mad(convertToWT1(src[j+cx]), convertToWT1(template[j]), sum[cx]); -#endif } } @@ -237,11 +227,8 @@ __kernel void matchTemplate_Naive_CCORR(__global const uchar * srcptr, int src_s { T src = loadpix(srcptr + mad24(y+i, src_step, mad24(x+j, TSIZE, src_offset))); T template = loadpix(templateptr + mad24(i, template_step, mad24(j, TSIZE, template_offset))); -#if wdepth == 4 - sum = mad24(convertToWT(src), convertToWT(template), sum); -#else + sum = mad(convertToWT(src), convertToWT(template), sum); -#endif } } @@ -296,11 +283,8 @@ __kernel void matchTemplate_Naive_SQDIFF(__global const uchar * srcptr, int src_ T template = loadpix(templateptr + mad24(i, template_step, mad24(j, TSIZE, template_offset))); value = convertToWT(src) - convertToWT(template); -#if wdepth == 4 - sum = mad24(value, value, sum); -#else + sum = mad(value, value, sum); -#endif } } diff --git a/modules/imgproc/src/opencl/pyr_down.cl b/modules/imgproc/src/opencl/pyr_down.cl index 4db1a8d811..b6927fa879 100644 --- a/modules/imgproc/src/opencl/pyr_down.cl +++ b/modules/imgproc/src/opencl/pyr_down.cl @@ -53,16 +53,16 @@ #if defined BORDER_REPLICATE // aaaaaa|abcdefgh|hhhhhhh -#define EXTRAPOLATE(x, maxV) clamp(x, 0, maxV-1) +#define EXTRAPOLATE(x, maxV) clamp((x), 0, (maxV)-1) #elif defined BORDER_WRAP // cdefgh|abcdefgh|abcdefg #define EXTRAPOLATE(x, maxV) ( (x) + (maxV) ) % (maxV) #elif defined BORDER_REFLECT // fedcba|abcdefgh|hgfedcb -#define EXTRAPOLATE(x, maxV) min(((maxV)-1)*2-(x)+1, max((x),-(x)-1) ) +#define EXTRAPOLATE(x, maxV) clamp(min(((maxV)-1)*2-(x)+1, max((x),-(x)-1) ), 0, (maxV)-1) #elif defined BORDER_REFLECT_101 || defined BORDER_REFLECT101 // gfedcb|abcdefgh|gfedcba -#define EXTRAPOLATE(x, maxV) min(((maxV)-1)*2-(x), max((x),-(x)) ) +#define EXTRAPOLATE(x, maxV) clamp(min(((maxV)-1)*2-(x), max((x),-(x)) ), 0, (maxV)-1) #else #error No extrapolation method #endif diff --git a/modules/imgproc/src/opencl/remap.cl b/modules/imgproc/src/opencl/remap.cl index 4e45b40bd3..41f5fa85d7 100644 --- a/modules/imgproc/src/opencl/remap.cl +++ b/modules/imgproc/src/opencl/remap.cl @@ -413,9 +413,9 @@ __kernel void remap_2_32FC1(__global const uchar * srcptr, int src_step, int src __global T * dst = (__global T *)(dstptr + dst_index); #if defined BORDER_CONSTANT - float xf = map1[0], yf = map2[0]; - int sx = convert_int_sat_rtn(xf), sy = convert_int_sat_rtn(yf); + int sx = convert_int_sat_rtz(mad(xf, INTER_TAB_SIZE, 0.5f)) >> INTER_BITS; + int sy = convert_int_sat_rtz(mad(yf, INTER_TAB_SIZE, 0.5f)) >> INTER_BITS; __constant float * coeffs_x = coeffs + ((convert_int_rte(xf * INTER_TAB_SIZE) & (INTER_TAB_SIZE - 1)) << 1); __constant float * coeffs_y = coeffs + ((convert_int_rte(yf * INTER_TAB_SIZE) & (INTER_TAB_SIZE - 1)) << 1); diff --git a/modules/imgproc/src/opencl/warp_affine.cl b/modules/imgproc/src/opencl/warp_affine.cl index 649f10db7a..229336ea15 100644 --- a/modules/imgproc/src/opencl/warp_affine.cl +++ b/modules/imgproc/src/opencl/warp_affine.cl @@ -98,15 +98,15 @@ __kernel void warpAffine(__global const uchar * srcptr, int src_step, int src_of { int round_delta = (AB_SCALE >> 1); - int X0 = rint(fma(M[0], dx, fma(M[1], dy0, M[2])) * AB_SCALE) + round_delta; - int Y0 = rint(fma(M[3], dx, fma(M[4], dy0, M[5])) * AB_SCALE) + round_delta; - - int XSTEP = (int)(M[1] * AB_SCALE); - int YSTEP = (int)(M[4] * AB_SCALE); + int X0_ = rint(M[0] * dx * AB_SCALE); + int Y0_ = rint(M[3] * dx * AB_SCALE); int dst_index = mad24(dy0, dst_step, mad24(dx, pixsize, dst_offset)); for (int dy = dy0, dy1 = min(dst_rows, dy0 + rowsPerWI); dy < dy1; ++dy, dst_index += dst_step) { + int X0 = X0_ + rint(fma(M[1], dy, M[2]) * AB_SCALE) + round_delta; + int Y0 = Y0_ + rint(fma(M[4], dy, M[5]) * AB_SCALE) + round_delta; + short sx = convert_short_sat(X0 >> AB_BITS); short sy = convert_short_sat(Y0 >> AB_BITS); @@ -117,9 +117,6 @@ __kernel void warpAffine(__global const uchar * srcptr, int src_step, int src_of } else storepix(scalar, dstptr + dst_index); - - X0 += XSTEP; - Y0 += YSTEP; } } } @@ -376,4 +373,4 @@ __kernel void warpAffine(__global const uchar * srcptr, int src_step, int src_of } } -#endif +#endif \ No newline at end of file diff --git a/modules/imgproc/src/pyramids.cpp b/modules/imgproc/src/pyramids.cpp index 27631e5da7..0ab8d74c3b 100644 --- a/modules/imgproc/src/pyramids.cpp +++ b/modules/imgproc/src/pyramids.cpp @@ -41,7 +41,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_imgproc.hpp" namespace cv { @@ -413,6 +413,9 @@ static bool ocl_pyrDown( InputArray _src, OutputArray _dst, const Size& _dsz, in Size ssize = _src.size(); Size dsize = _dsz.area() == 0 ? Size((ssize.width + 1) / 2, (ssize.height + 1) / 2) : _dsz; + if (dsize.height < 2 || dsize.width < 2) + return false; + CV_Assert( ssize.width > 0 && ssize.height > 0 && std::abs(dsize.width*2 - ssize.width) <= 2 && std::abs(dsize.height*2 - ssize.height) <= 2 ); diff --git a/modules/imgproc/src/smooth.cpp b/modules/imgproc/src/smooth.cpp index 66ff429cf3..499721edaa 100644 --- a/modules/imgproc/src/smooth.cpp +++ b/modules/imgproc/src/smooth.cpp @@ -41,7 +41,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_imgproc.hpp" /* * This file includes the code, contributed by Simon Perreault @@ -720,7 +720,7 @@ static bool ocl_boxFilter( InputArray _src, OutputArray _dst, int ddepth, "-D PX_PER_WI_X=%d -D PX_PER_WI_Y=%d -D PRIV_DATA_WIDTH=%d -D %s -D %s " "-D PX_LOAD_X_ITERATIONS=%d -D PX_LOAD_Y_ITERATIONS=%d " "-D srcT=%s -D srcT1=%s -D dstT=%s -D dstT1=%s -D WT=%s -D WT1=%s " - "-D convertToWT=%s -D convertToDstT=%s%s%s", + "-D convertToWT=%s -D convertToDstT=%s%s%s -D OP_BOX_FILTER", cn, anchor.x, anchor.y, ksize.width, ksize.height, pxLoadVecSize, pxLoadNumPixels, pxPerWorkItemX, pxPerWorkItemY, privDataWidth, borderMap[borderType], @@ -734,7 +734,7 @@ static bool ocl_boxFilter( InputArray _src, OutputArray _dst, int ddepth, - if (!kernel.create("boxFilterSmall", cv::ocl::imgproc::boxFilterSmall_oclsrc, build_options)) + if (!kernel.create("filterSmall", cv::ocl::imgproc::filterSmall_oclsrc, build_options)) return false; } else @@ -2172,18 +2172,21 @@ void cv::medianBlur( InputArray _src0, OutputArray _dst, int ksize ) } \ while ((void)0, 0) - Ipp32s bufSize; - IppiSize dstRoiSize = ippiSize(dst.cols, dst.rows), maskSize = ippiSize(ksize, ksize); + if( ksize <= 5 ) + { + Ipp32s bufSize; + IppiSize dstRoiSize = ippiSize(dst.cols, dst.rows), maskSize = ippiSize(ksize, ksize); - int type = src0.type(); - if (type == CV_8UC1) - IPP_FILTER_MEDIAN_BORDER(Ipp8u, ipp8u, 8u_C1R); - else if (type == CV_16UC1) - IPP_FILTER_MEDIAN_BORDER(Ipp16u, ipp16u, 16u_C1R); - else if (type == CV_16SC1) - IPP_FILTER_MEDIAN_BORDER(Ipp16s, ipp16s, 16s_C1R); - else if (type == CV_32FC1) - IPP_FILTER_MEDIAN_BORDER(Ipp32f, ipp32f, 32f_C1R); + int type = src0.type(); + if (type == CV_8UC1) + IPP_FILTER_MEDIAN_BORDER(Ipp8u, ipp8u, 8u_C1R); + else if (type == CV_16UC1) + IPP_FILTER_MEDIAN_BORDER(Ipp16u, ipp16u, 16u_C1R); + else if (type == CV_16SC1) + IPP_FILTER_MEDIAN_BORDER(Ipp16s, ipp16s, 16s_C1R); + else if (type == CV_32FC1) + IPP_FILTER_MEDIAN_BORDER(Ipp32f, ipp32f, 32f_C1R); + } #undef IPP_FILTER_MEDIAN_BORDER #endif diff --git a/modules/imgproc/src/sumpixels.cpp b/modules/imgproc/src/sumpixels.cpp index e7694b01a9..1c6f1513f1 100755 --- a/modules/imgproc/src/sumpixels.cpp +++ b/modules/imgproc/src/sumpixels.cpp @@ -41,7 +41,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_imgproc.hpp" #if defined (HAVE_IPP) && (IPP_VERSION_MAJOR >= 7) static IppStatus sts = ippInit(); diff --git a/modules/imgproc/src/templmatch.cpp b/modules/imgproc/src/templmatch.cpp index 164af425e3..6919d7a3d0 100644 --- a/modules/imgproc/src/templmatch.cpp +++ b/modules/imgproc/src/templmatch.cpp @@ -40,7 +40,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_imgproc.hpp" ////////////////////////////////////////////////// matchTemplate ////////////////////////////////////////////////////////// @@ -79,7 +79,7 @@ static bool extractFirstChannel_32F(InputArray _image, OutputArray _result, int static bool sumTemplate(InputArray _src, UMat & result) { int type = _src.type(), depth = CV_MAT_DEPTH(type), cn = CV_MAT_CN(type); - int wdepth = std::max(CV_32S, depth), wtype = CV_MAKE_TYPE(wdepth, cn); + int wdepth = CV_32F, wtype = CV_MAKE_TYPE(wdepth, cn); size_t wgs = ocl::Device::getDefault().maxWorkGroupSize(); int wgs2_aligned = 1; @@ -89,10 +89,10 @@ static bool sumTemplate(InputArray _src, UMat & result) char cvt[40]; ocl::Kernel k("calcSum", ocl::imgproc::match_template_oclsrc, - format("-D CALC_SUM -D T=%s -D T1=%s -D WT=%s -D cn=%d -D convertToWT=%s -D WGS=%d -D WGS2_ALIGNED=%d -D wdepth=%d", + format("-D CALC_SUM -D T=%s -D T1=%s -D WT=%s -D cn=%d -D convertToWT=%s -D WGS=%d -D WGS2_ALIGNED=%d", ocl::typeToStr(type), ocl::typeToStr(depth), ocl::typeToStr(wtype), cn, ocl::convertTypeStr(depth, wdepth, cn, cvt), - (int)wgs, wgs2_aligned, wdepth)); + (int)wgs, wgs2_aligned)); if (k.empty()) return false; @@ -110,12 +110,8 @@ static bool sumTemplate(InputArray _src, UMat & result) static bool useNaive(Size size) { - if (!ocl::Device::getDefault().isIntel()) - return true; - int dft_size = 18; return size.height < dft_size && size.width < dft_size; - } struct ConvolveBuf @@ -129,7 +125,6 @@ struct ConvolveBuf UMat image_block, templ_block, result_data; void create(Size image_size, Size templ_size); - static Size estimateBlockSize(Size result_size); }; void ConvolveBuf::create(Size image_size, Size templ_size) @@ -137,19 +132,26 @@ void ConvolveBuf::create(Size image_size, Size templ_size) result_size = Size(image_size.width - templ_size.width + 1, image_size.height - templ_size.height + 1); - block_size = user_block_size; - if (user_block_size.width == 0 || user_block_size.height == 0) - block_size = estimateBlockSize(result_size); + const double blockScale = 4.5; + const int minBlockSize = 256; - dft_size.width = 1 << int(ceil(std::log(block_size.width + templ_size.width - 1.) / std::log(2.))); - dft_size.height = 1 << int(ceil(std::log(block_size.height + templ_size.height - 1.) / std::log(2.))); + block_size.width = cvRound(result_size.width*blockScale); + block_size.width = std::max( block_size.width, minBlockSize - templ_size.width + 1 ); + block_size.width = std::min( block_size.width, result_size.width ); + block_size.height = cvRound(templ_size.height*blockScale); + block_size.height = std::max( block_size.height, minBlockSize - templ_size.height + 1 ); + block_size.height = std::min( block_size.height, result_size.height ); - dft_size.width = getOptimalDFTSize(block_size.width + templ_size.width - 1); + dft_size.width = std::max(getOptimalDFTSize(block_size.width + templ_size.width - 1), 2); dft_size.height = getOptimalDFTSize(block_size.height + templ_size.height - 1); + if( dft_size.width <= 0 || dft_size.height <= 0 ) + CV_Error( CV_StsOutOfRange, "the input arrays are too big" ); - // To avoid wasting time doing small DFTs - dft_size.width = std::max(dft_size.width, 512); - dft_size.height = std::max(dft_size.height, 512); + // recompute block size + block_size.width = dft_size.width - templ_size.width + 1; + block_size.width = std::min( block_size.width, result_size.width); + block_size.height = dft_size.height - templ_size.height + 1; + block_size.height = std::min( block_size.height, result_size.height ); image_block.create(dft_size, CV_32F); templ_block.create(dft_size, CV_32F); @@ -164,15 +166,6 @@ void ConvolveBuf::create(Size image_size, Size templ_size) block_size.height = std::min(dft_size.height - templ_size.height + 1, result_size.height); } -Size ConvolveBuf::estimateBlockSize(Size result_size) -{ - int width = (result_size.width + 2) / 3; - int height = (result_size.height + 2) / 3; - width = std::min(width, result_size.width); - height = std::min(height, result_size.height); - return Size(width, height); -} - static bool convolve_dft(InputArray _image, InputArray _templ, OutputArray _result) { ConvolveBuf buf; @@ -202,7 +195,7 @@ static bool convolve_dft(InputArray _image, InputArray _templ, OutputArray _resu copyMakeBorder(templ_roi, templ_block, 0, templ_block.rows - templ_roi.rows, 0, templ_block.cols - templ_roi.cols, BORDER_ISOLATED); - dft(templ_block, templ_spect, 0); + dft(templ_block, templ_spect, 0, templ.rows); // Process all blocks of the result matrix for (int y = 0; y < result.rows; y += block_size.height) @@ -281,8 +274,8 @@ static bool matchTemplateNaive_CCORR(InputArray _image, InputArray _templ, Outpu const char* convertToWT = ocl::convertTypeStr(depth, wdepth, rated_cn, cvt1); ocl::Kernel k("matchTemplate_Naive_CCORR", ocl::imgproc::match_template_oclsrc, - format("-D CCORR -D T=%s -D T1=%s -D WT=%s -D WT1=%s -D convertToWT=%s -D convertToWT1=%s -D cn=%d -D wdepth=%d -D PIX_PER_WI_X=%d", ocl::typeToStr(type), ocl::typeToStr(depth), ocl::typeToStr(wtype1), ocl::typeToStr(wtype), - convertToWT, convertToWT1, cn, wdepth, pxPerWIx)); + format("-D CCORR -D T=%s -D T1=%s -D WT=%s -D WT1=%s -D convertToWT=%s -D convertToWT1=%s -D cn=%d -D PIX_PER_WI_X=%d", ocl::typeToStr(type), ocl::typeToStr(depth), ocl::typeToStr(wtype1), ocl::typeToStr(wtype), + convertToWT, convertToWT1, cn, pxPerWIx)); if (k.empty()) return false; @@ -358,8 +351,8 @@ static bool matchTemplateNaive_SQDIFF(InputArray _image, InputArray _templ, Outp char cvt[40]; ocl::Kernel k("matchTemplate_Naive_SQDIFF", ocl::imgproc::match_template_oclsrc, - format("-D SQDIFF -D T=%s -D T1=%s -D WT=%s -D convertToWT=%s -D cn=%d -D wdepth=%d", ocl::typeToStr(type), ocl::typeToStr(depth), - ocl::typeToStr(wtype), ocl::convertTypeStr(depth, wdepth, cn, cvt), cn, wdepth)); + format("-D SQDIFF -D T=%s -D T1=%s -D WT=%s -D convertToWT=%s -D cn=%d", ocl::typeToStr(type), ocl::typeToStr(depth), + ocl::typeToStr(wtype), ocl::convertTypeStr(depth, wdepth, cn, cvt), cn)); if (k.empty()) return false; @@ -457,18 +450,18 @@ static bool matchTemplate_CCOEFF(InputArray _image, InputArray _templ, OutputArr UMat templ = _templ.getUMat(); UMat result = _result.getUMat(); - Size tsize = templ.size(); if (cn==1) { - float templ_sum = static_cast(sum(_templ)[0]) / tsize.area(); + Scalar templMean = mean(templ); + float templ_sum = (float)templMean[0]; k.args(ocl::KernelArg::ReadOnlyNoSize(image_sums), ocl::KernelArg::ReadWrite(result), templ.rows, templ.cols, templ_sum); } else { Vec4f templ_sum = Vec4f::all(0); - templ_sum = sum(templ) / tsize.area(); + templ_sum = (Vec4f)mean(templ); k.args(ocl::KernelArg::ReadOnlyNoSize(image_sums), ocl::KernelArg::ReadWrite(result), templ.rows, templ.cols, templ_sum); } diff --git a/modules/imgproc/src/thresh.cpp b/modules/imgproc/src/thresh.cpp index 988fc9e9f6..9376d62a50 100644 --- a/modules/imgproc/src/thresh.cpp +++ b/modules/imgproc/src/thresh.cpp @@ -41,7 +41,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_imgproc.hpp" namespace cv { diff --git a/modules/imgproc/test/ocl/test_accumulate.cpp b/modules/imgproc/test/ocl/test_accumulate.cpp index 50c9085cb4..cebf173d5d 100644 --- a/modules/imgproc/test/ocl/test_accumulate.cpp +++ b/modules/imgproc/test/ocl/test_accumulate.cpp @@ -43,7 +43,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "cvconfig.h" #include "opencv2/ts/ocl_test.hpp" diff --git a/modules/imgproc/test/ocl/test_blend.cpp b/modules/imgproc/test/ocl/test_blend.cpp index 7b62b97172..d64b0bae8e 100644 --- a/modules/imgproc/test/ocl/test_blend.cpp +++ b/modules/imgproc/test/ocl/test_blend.cpp @@ -43,7 +43,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "cvconfig.h" #include "opencv2/ts/ocl_test.hpp" @@ -117,7 +117,7 @@ OCL_TEST_P(BlendLinear, Accuracy) OCL_OFF(cv::blendLinear(src1_roi, src2_roi, weights1_roi, weights2_roi, dst_roi)); OCL_ON(cv::blendLinear(usrc1_roi, usrc2_roi, uweights1_roi, uweights2_roi, udst_roi)); - Near(depth <= CV_32S ? 1.0 : 0.2); + Near(depth <= CV_32S ? 1.0 : 0.5); } } diff --git a/modules/imgproc/test/ocl/test_boxfilter.cpp b/modules/imgproc/test/ocl/test_boxfilter.cpp index 63f4ebff20..19a6ace75e 100644 --- a/modules/imgproc/test/ocl/test_boxfilter.cpp +++ b/modules/imgproc/test/ocl/test_boxfilter.cpp @@ -41,7 +41,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL @@ -109,7 +109,7 @@ OCL_TEST_P(BoxFilter, Mat) OCL_OFF(cv::boxFilter(src_roi, dst_roi, -1, ksize, anchor, normalize, borderType)); OCL_ON(cv::boxFilter(usrc_roi, udst_roi, -1, ksize, anchor, normalize, borderType)); - Near(depth <= CV_32S ? 1 : 1e-3); + Near(depth <= CV_32S ? 1 : 3e-3); } } diff --git a/modules/imgproc/test/ocl/test_canny.cpp b/modules/imgproc/test/ocl/test_canny.cpp index 631fe5bd19..fadf777985 100644 --- a/modules/imgproc/test/ocl/test_canny.cpp +++ b/modules/imgproc/test/ocl/test_canny.cpp @@ -43,7 +43,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL diff --git a/modules/imgproc/test/ocl/test_color.cpp b/modules/imgproc/test/ocl/test_color.cpp index 82bf2c06f1..818d6a85ab 100644 --- a/modules/imgproc/test/ocl/test_color.cpp +++ b/modules/imgproc/test/ocl/test_color.cpp @@ -43,7 +43,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL @@ -302,14 +302,14 @@ OCL_TEST_P(CvtColor8u32f, Lab2LRGBA) { performTest(3, 4, CVTCODE(Lab2LRGB), dept // RGB -> Luv -OCL_TEST_P(CvtColor8u32f, BGR2Luv) { performTest(3, 3, CVTCODE(BGR2Luv), depth == CV_8U ? 1 : 1e-2); } -OCL_TEST_P(CvtColor8u32f, RGB2Luv) { performTest(3, 3, CVTCODE(RGB2Luv), depth == CV_8U ? 1 : 1e-2); } -OCL_TEST_P(CvtColor8u32f, LBGR2Luv) { performTest(3, 3, CVTCODE(LBGR2Luv), depth == CV_8U ? 1 : 4e-3); } -OCL_TEST_P(CvtColor8u32f, LRGB2Luv) { performTest(3, 3, CVTCODE(LRGB2Luv), depth == CV_8U ? 1 : 5e-3); } -OCL_TEST_P(CvtColor8u32f, BGRA2Luv) { performTest(4, 3, CVTCODE(BGR2Luv), depth == CV_8U ? 1 : 8e-3); } -OCL_TEST_P(CvtColor8u32f, RGBA2Luv) { performTest(4, 3, CVTCODE(RGB2Luv), depth == CV_8U ? 1 : 9e-3); } -OCL_TEST_P(CvtColor8u32f, LBGRA2Luv) { performTest(4, 3, CVTCODE(LBGR2Luv), depth == CV_8U ? 1 : 5e-3); } -OCL_TEST_P(CvtColor8u32f, LRGBA2Luv) { performTest(4, 3, CVTCODE(LRGB2Luv), depth == CV_8U ? 1 : 5e-3); } +OCL_TEST_P(CvtColor8u32f, BGR2Luv) { performTest(3, 3, CVTCODE(BGR2Luv), depth == CV_8U ? 1 : 1.5e-2); } +OCL_TEST_P(CvtColor8u32f, RGB2Luv) { performTest(3, 3, CVTCODE(RGB2Luv), depth == CV_8U ? 1 : 1.5e-2); } +OCL_TEST_P(CvtColor8u32f, LBGR2Luv) { performTest(3, 3, CVTCODE(LBGR2Luv), depth == CV_8U ? 1 : 6e-3); } +OCL_TEST_P(CvtColor8u32f, LRGB2Luv) { performTest(3, 3, CVTCODE(LRGB2Luv), depth == CV_8U ? 1 : 6e-3); } +OCL_TEST_P(CvtColor8u32f, BGRA2Luv) { performTest(4, 3, CVTCODE(BGR2Luv), depth == CV_8U ? 1 : 2e-2); } +OCL_TEST_P(CvtColor8u32f, RGBA2Luv) { performTest(4, 3, CVTCODE(RGB2Luv), depth == CV_8U ? 1 : 2e-2); } +OCL_TEST_P(CvtColor8u32f, LBGRA2Luv) { performTest(4, 3, CVTCODE(LBGR2Luv), depth == CV_8U ? 1 : 6e-3); } +OCL_TEST_P(CvtColor8u32f, LRGBA2Luv) { performTest(4, 3, CVTCODE(LRGB2Luv), depth == CV_8U ? 1 : 6e-3); } OCL_TEST_P(CvtColor8u32f, Luv2BGR) { performTest(3, 3, CVTCODE(Luv2BGR), depth == CV_8U ? 1 : 7e-5); } OCL_TEST_P(CvtColor8u32f, Luv2RGB) { performTest(3, 3, CVTCODE(Luv2RGB), depth == CV_8U ? 1 : 7e-5); } diff --git a/modules/imgproc/test/ocl/test_filter2d.cpp b/modules/imgproc/test/ocl/test_filter2d.cpp index 18ba4cc529..38a25a9d9b 100644 --- a/modules/imgproc/test/ocl/test_filter2d.cpp +++ b/modules/imgproc/test/ocl/test_filter2d.cpp @@ -41,7 +41,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL @@ -125,7 +125,7 @@ OCL_INSTANTIATE_TEST_CASE_P(ImageProc, Filter2D, Combine( Values(CV_8U, CV_16U, CV_32F), OCL_ALL_CHANNELS, - Values(3, 5, 9), // Kernel size + Values(3, 5, 7), // Kernel size Values(1, 4, 8), // Width mutiple Values((BorderType)BORDER_CONSTANT, (BorderType)BORDER_REPLICATE, diff --git a/modules/imgproc/test/ocl/test_filters.cpp b/modules/imgproc/test/ocl/test_filters.cpp index 1fe2927886..3037735e08 100644 --- a/modules/imgproc/test/ocl/test_filters.cpp +++ b/modules/imgproc/test/ocl/test_filters.cpp @@ -48,7 +48,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "cvconfig.h" #include "opencv2/ts/ocl_test.hpp" @@ -225,7 +225,7 @@ OCL_TEST_P(GaussianBlurTest, Mat) OCL_OFF(cv::GaussianBlur(src_roi, dst_roi, Size(ksize, ksize), sigma1, sigma2, borderType)); OCL_ON(cv::GaussianBlur(usrc_roi, udst_roi, Size(ksize, ksize), sigma1, sigma2, borderType)); - Near(CV_MAT_DEPTH(type) >= CV_32F ? 5e-5 : 1, false); + Near(CV_MAT_DEPTH(type) >= CV_32F ? 7e-5 : 1, false); } } @@ -275,14 +275,68 @@ OCL_TEST_P(Dilate, Mat) ///////////////////////////////////////////////////////////////////////////////////////////////// // MorphologyEx +IMPLEMENT_PARAM_CLASS(MorphOp, int) +PARAM_TEST_CASE(MorphologyEx, MatType, + int, // kernel size + MorphOp, // MORPH_OP + int, // iterations + bool) +{ + int type, ksize, op, iterations; + bool useRoi; -typedef FilterTestBase MorphologyEx; + TEST_DECLARE_INPUT_PARAMETER(src); + TEST_DECLARE_OUTPUT_PARAMETER(dst); + + virtual void SetUp() + { + type = GET_PARAM(0); + ksize = GET_PARAM(1); + op = GET_PARAM(2); + iterations = GET_PARAM(3); + useRoi = GET_PARAM(4); + } + + void random_roi(int minSize = 1) + { + if (minSize == 0) + minSize = ksize; + + Size roiSize = randomSize(minSize, MAX_VALUE); + + Border srcBorder = randomBorder(0, useRoi ? MAX_VALUE : 0); + randomSubMat(src, src_roi, roiSize, srcBorder, type, 5, 256); + + Border dstBorder = randomBorder(0, useRoi ? MAX_VALUE : 0); + randomSubMat(dst, dst_roi, roiSize, dstBorder, type, -60, 70); + + UMAT_UPLOAD_INPUT_PARAMETER(src); + UMAT_UPLOAD_OUTPUT_PARAMETER(dst); + } + + void Near() + { + int depth = CV_MAT_DEPTH(type); + bool isFP = depth >= CV_32F; + + if (isFP) + Near(1e-6, true); + else + Near(1, false); + } + + void Near(double threshold, bool relative) + { + if (relative) + OCL_EXPECT_MATS_NEAR_RELATIVE(dst, threshold); + else + OCL_EXPECT_MATS_NEAR(dst, threshold); + } +}; OCL_TEST_P(MorphologyEx, Mat) { Size kernelSize(ksize, ksize); - int iterations = (int)param; - int op = size.height; for (int j = 0; j < test_loop_times; j++) { @@ -377,12 +431,10 @@ OCL_INSTANTIATE_TEST_CASE_P(Filter, Dilate, Combine( OCL_INSTANTIATE_TEST_CASE_P(Filter, MorphologyEx, Combine( Values(CV_8UC1, CV_8UC3, CV_8UC4, CV_32FC1, CV_32FC3, CV_32FC4), - Values(3, 5, 7), - Values(Size(0, 2), Size(0, 3), Size(0, 4), Size(0, 5), Size(0, 6)), // used as generator of operations - Values((BorderType)BORDER_CONSTANT), - Values(1.0, 2.0, 3.0), - Bool(), - Values(1))); // not used + Values(3, 5, 7), // kernel size + Values((MorphOp)MORPH_OPEN, (MorphOp)MORPH_CLOSE, (MorphOp)MORPH_GRADIENT, (MorphOp)MORPH_TOPHAT, (MorphOp)MORPH_BLACKHAT), // used as generator of operations + Values(1, 2, 3), + Bool())); } } // namespace cvtest::ocl diff --git a/modules/imgproc/test/ocl/test_gftt.cpp b/modules/imgproc/test/ocl/test_gftt.cpp index 6e65f90dd0..15618cc308 100644 --- a/modules/imgproc/test/ocl/test_gftt.cpp +++ b/modules/imgproc/test/ocl/test_gftt.cpp @@ -41,7 +41,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL diff --git a/modules/imgproc/test/ocl/test_histogram.cpp b/modules/imgproc/test/ocl/test_histogram.cpp index 68a2a60fd0..6a16efa3a3 100644 --- a/modules/imgproc/test/ocl/test_histogram.cpp +++ b/modules/imgproc/test/ocl/test_histogram.cpp @@ -52,7 +52,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "cvconfig.h" #include "opencv2/ts/ocl_test.hpp" @@ -99,6 +99,10 @@ PARAM_TEST_CASE(CalcBackProject, MatDepth, int, bool) Size roiSize = randomSize(1, MAX_VALUE); int totalChannels = 0; + + ranges.clear(); + channels.clear(); + for (int i = 0; i < N; ++i) { Border srcBorder = randomBorder(0, useRoi ? MAX_VALUE : 0); @@ -202,9 +206,9 @@ OCL_TEST_P(CalcBackProject, Mat) OCL_ON(cv::calcBackProject(uimages_roi, channels, uhist_roi, udst_roi, ranges, scale)); Size dstSize = dst_roi.size(); - int nDiffs = (int)(0.03f*dstSize.height*dstSize.width); + int nDiffs = std::max((int)(0.07f*dstSize.area()), 1); - //check if the dst mats are the same except 3% difference + //check if the dst mats are the same except 7% difference EXPECT_MAT_N_DIFF(dst_roi, udst_roi, nDiffs); } } diff --git a/modules/imgproc/test/ocl/test_imgproc.cpp b/modules/imgproc/test/ocl/test_imgproc.cpp index ad8e26cbca..d89101799a 100644 --- a/modules/imgproc/test/ocl/test_imgproc.cpp +++ b/modules/imgproc/test/ocl/test_imgproc.cpp @@ -51,7 +51,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "cvconfig.h" #include "opencv2/ts/ocl_test.hpp" diff --git a/modules/imgproc/test/ocl/test_match_template.cpp b/modules/imgproc/test/ocl/test_match_template.cpp index 8c8a1238c7..6cf0fe4f30 100644 --- a/modules/imgproc/test/ocl/test_match_template.cpp +++ b/modules/imgproc/test/ocl/test_match_template.cpp @@ -41,7 +41,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #include "iostream" #include "fstream" @@ -97,9 +97,17 @@ PARAM_TEST_CASE(MatchTemplate, MatDepth, Channels, MatchTemplType, bool) UMAT_UPLOAD_OUTPUT_PARAMETER(result); } - void Near(double threshold = 0.0) + void Near() { - OCL_EXPECT_MATS_NEAR_RELATIVE(result, threshold); + bool isNormed = + method == TM_CCORR_NORMED || + method == TM_SQDIFF_NORMED || + method == TM_CCOEFF_NORMED; + + if (isNormed) + OCL_EXPECT_MATS_NEAR(result, 3e-2); + else + OCL_EXPECT_MATS_NEAR_RELATIVE_SPARSE(result, 1.5e-2); } }; @@ -112,7 +120,7 @@ OCL_TEST_P(MatchTemplate, Mat) OCL_OFF(cv::matchTemplate(image_roi, templ_roi, result_roi, method)); OCL_ON(cv::matchTemplate(uimage_roi, utempl_roi, uresult_roi, method)); - Near(1.5e-4); + Near(); } } diff --git a/modules/imgproc/test/ocl/test_medianfilter.cpp b/modules/imgproc/test/ocl/test_medianfilter.cpp index 6015ed1d77..74077f6db7 100644 --- a/modules/imgproc/test/ocl/test_medianfilter.cpp +++ b/modules/imgproc/test/ocl/test_medianfilter.cpp @@ -41,7 +41,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL diff --git a/modules/imgproc/test/ocl/test_pyramids.cpp b/modules/imgproc/test/ocl/test_pyramids.cpp index a129c7f771..5ac88411df 100644 --- a/modules/imgproc/test/ocl/test_pyramids.cpp +++ b/modules/imgproc/test/ocl/test_pyramids.cpp @@ -44,7 +44,7 @@ //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL diff --git a/modules/imgproc/test/ocl/test_sepfilter2D.cpp b/modules/imgproc/test/ocl/test_sepfilter2D.cpp index f7a18aae10..ed42e8b4a7 100644 --- a/modules/imgproc/test/ocl/test_sepfilter2D.cpp +++ b/modules/imgproc/test/ocl/test_sepfilter2D.cpp @@ -41,7 +41,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL diff --git a/modules/imgproc/test/ocl/test_warp.cpp b/modules/imgproc/test/ocl/test_warp.cpp index 53d82187f9..3067abaf66 100644 --- a/modules/imgproc/test/ocl/test_warp.cpp +++ b/modules/imgproc/test/ocl/test_warp.cpp @@ -51,7 +51,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL @@ -182,7 +182,7 @@ PARAM_TEST_CASE(Resize, MatType, double, double, Interpolation, bool, int) { CV_Assert(fx > 0 && fy > 0); - Size srcRoiSize = randomSize(1, MAX_VALUE), dstRoiSize; + Size srcRoiSize = randomSize(10, MAX_VALUE), dstRoiSize; // Make sure the width is a multiple of the requested value, and no more srcRoiSize.width += widthMultiple - 1 - (srcRoiSize.width - 1) % widthMultiple; dstRoiSize.width = cvRound(srcRoiSize.width * fx); @@ -215,7 +215,7 @@ OCL_TEST_P(Resize, Mat) for (int j = 0; j < test_loop_times; j++) { int depth = CV_MAT_DEPTH(type); - double eps = depth <= CV_32S ? 1 : 1e-2; + double eps = depth <= CV_32S ? 1 : 5e-2; random_roi(); diff --git a/modules/imgproc/test/test_filter.cpp b/modules/imgproc/test/test_filter.cpp index a0927b0f39..6b8cb8c472 100644 --- a/modules/imgproc/test/test_filter.cpp +++ b/modules/imgproc/test/test_filter.cpp @@ -228,7 +228,7 @@ int CV_MorphologyBaseTest::prepare_test_case( int test_case_idx ) if( shape == CV_SHAPE_CUSTOM ) { eldata.resize(aperture_size.width*aperture_size.height); - uchar* src = test_mat[INPUT][1].data; + const uchar* src = test_mat[INPUT][1].data; int srcstep = (int)test_mat[INPUT][1].step; int i, j, nonzero = 0; diff --git a/modules/imgproc/test/test_imgwarp.cpp b/modules/imgproc/test/test_imgwarp.cpp index b0897483a2..e08020dbed 100644 --- a/modules/imgproc/test/test_imgwarp.cpp +++ b/modules/imgproc/test/test_imgwarp.cpp @@ -344,7 +344,7 @@ static void test_remap( const Mat& src, Mat& dst, const Mat& mapx, const Mat& ma int x, y, k; int drows = dst.rows, dcols = dst.cols; int srows = src.rows, scols = src.cols; - uchar* sptr0 = src.data; + const uchar* sptr0 = src.data; int depth = src.depth(), cn = src.channels(); int elem_size = (int)src.elemSize(); int step = (int)(src.step / CV_ELEM_SIZE(depth)); diff --git a/modules/imgproc/test/test_imgwarp_strict.cpp b/modules/imgproc/test/test_imgwarp_strict.cpp index 034d89014b..02016fb3da 100644 --- a/modules/imgproc/test/test_imgwarp_strict.cpp +++ b/modules/imgproc/test/test_imgwarp_strict.cpp @@ -532,7 +532,7 @@ void CV_Resize_Test::resize_1d(const Mat& _src, Mat& _dst, int dy, const dim& _d ofs = 3, ksize = 8; Mat _extended_src_row(1, _src.cols + ksize * 2, _src.type()); - uchar* srow = _src.data + dy * _src.step; + const uchar* srow = _src.ptr(dy); memcpy(_extended_src_row.data + elemsize * ksize, srow, _src.step); for (int k = 0; k < ksize; ++k) { diff --git a/modules/java/CMakeLists.txt b/modules/java/CMakeLists.txt index 3e95b52ab4..6eba205370 100644 --- a/modules/java/CMakeLists.txt +++ b/modules/java/CMakeLists.txt @@ -1,12 +1,14 @@ # ---------------------------------------------------------------------------- # CMake file for java support # ---------------------------------------------------------------------------- -if(IOS OR NOT PYTHON_EXECUTABLE OR NOT ANT_EXECUTABLE OR NOT (JNI_FOUND OR (ANDROID AND ANDROID_NATIVE_API_LEVEL GREATER 7))) +if(IOS OR NOT PYTHON_DEFAULT_AVAILABLE OR NOT ANT_EXECUTABLE OR NOT (JNI_FOUND OR (ANDROID AND ANDROID_NATIVE_API_LEVEL GREATER 7)) + OR BUILD_opencv_world + ) ocv_module_disable(java) endif() set(the_description "The java bindings") -ocv_add_module(java BINDINGS opencv_core opencv_imgproc OPTIONAL opencv_objdetect opencv_features2d opencv_video opencv_imgcodecs opencv_videoio opencv_ml opencv_calib3d opencv_photo opencv_nonfree opencv_contrib) +ocv_add_module(java BINDINGS opencv_core opencv_imgproc OPTIONAL opencv_objdetect opencv_features2d opencv_video opencv_imgcodecs opencv_videoio opencv_calib3d opencv_photo opencv_nonfree opencv_contrib) ocv_module_include_directories("${CMAKE_CURRENT_SOURCE_DIR}/generator/src/cpp") if(NOT ANDROID) @@ -100,7 +102,7 @@ foreach(module ${OPENCV_JAVA_MODULES}) # first run of gen_java.py (to get list of generated files) file(REMOVE_RECURSE "${CMAKE_CURRENT_BINARY_DIR}/gen_java_out/") file(MAKE_DIRECTORY "${CMAKE_CURRENT_BINARY_DIR}/gen_java_out") - execute_process(COMMAND ${PYTHON_EXECUTABLE} "${scripts_gen_java}" "${scripts_hdr_parser}" ${module} ${opencv_public_headers_${module}} + execute_process(COMMAND ${PYTHON_DEFAULT_EXECUTABLE} "${scripts_gen_java}" "${scripts_hdr_parser}" ${module} ${opencv_public_headers_${module}} WORKING_DIRECTORY "${CMAKE_CURRENT_BINARY_DIR}/gen_java_out" OUTPUT_QUIET ERROR_QUIET) unset(generated_java_sources_${module}) @@ -124,7 +126,7 @@ set(step1_depends "${scripts_gen_java}" "${scripts_hdr_parser}" ${opencv_public_ foreach(module ${OPENCV_JAVA_MODULES}) # second run of gen_java.py (at build time) add_custom_command(OUTPUT ${generated_java_sources_${module}} "${CMAKE_CURRENT_BINARY_DIR}/${module}.cpp" - COMMAND ${PYTHON_EXECUTABLE} "${scripts_gen_java}" "${scripts_hdr_parser}" ${module} ${opencv_public_headers_${module}} + COMMAND ${PYTHON_DEFAULT_EXECUTABLE} "${scripts_gen_java}" "${scripts_hdr_parser}" ${module} ${opencv_public_headers_${module}} WORKING_DIRECTORY ${CMAKE_CURRENT_BINARY_DIR} DEPENDS "${scripts_gen_java}" "${scripts_hdr_parser}" ${opencv_public_headers_${module}} ) @@ -134,7 +136,7 @@ endforeach() set(step2_depends ${step1_depends} ${scripts_gen_javadoc} ${scripts_rst_parser} ${javadoc_rst_sources} ${generated_java_sources} ${handwrittren_java_sources}) string(REPLACE ";" "," OPENCV_JAVA_MODULES_STR "${OPENCV_JAVA_MODULES}") add_custom_command(OUTPUT ${documented_java_files} - COMMAND ${PYTHON_EXECUTABLE} "${scripts_gen_javadoc}" --modules ${OPENCV_JAVA_MODULES_STR} "${CMAKE_CURRENT_SOURCE_DIR}/generator/src/java" "${CMAKE_CURRENT_BINARY_DIR}" 2> "${CMAKE_CURRENT_BINARY_DIR}/get_javadoc_errors.log" + COMMAND ${PYTHON_DEFUALT_EXECUTABLE} "${scripts_gen_javadoc}" --modules ${OPENCV_JAVA_MODULES_STR} "${CMAKE_CURRENT_SOURCE_DIR}/generator/src/java" "${CMAKE_CURRENT_BINARY_DIR}" 2> "${CMAKE_CURRENT_BINARY_DIR}/get_javadoc_errors.log" WORKING_DIRECTORY ${CMAKE_CURRENT_BINARY_DIR} DEPENDS ${step2_depends} VERBATIM @@ -274,7 +276,7 @@ endif(ANDROID) # workarounding lack of `__attribute__ ((visibility("default")))` in jni_md.h/JNIEXPORT string(REPLACE "-fvisibility=hidden" "" CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS}") -add_library(${the_module} SHARED ${handwrittren_h_sources} ${handwrittren_cpp_sources} ${generated_cpp_sources} +ocv_add_library(${the_module} SHARED ${handwrittren_h_sources} ${handwrittren_cpp_sources} ${generated_cpp_sources} ${copied_files} "${JAR_FILE}" "${JAR_FILE}.dephelper") set_target_properties(${the_module} PROPERTIES COMPILE_DEFINITIONS OPENCV_NOSTL) @@ -295,18 +297,18 @@ if(BUILD_FAT_JAVA_LIB) endif() if(APPLE) foreach(_dep ${__deps}) - target_link_libraries(${the_module} -Wl,-force_load "${_dep}") + ocv_target_link_libraries(${the_module} -Wl,-force_load "${_dep}") endforeach() else() - target_link_libraries(${the_module} -Wl,-whole-archive ${__deps} -Wl,-no-whole-archive) + ocv_target_link_libraries(${the_module} -Wl,-whole-archive ${__deps} -Wl,-no-whole-archive) endif() - target_link_libraries(${the_module} ${__extradeps} ${OPENCV_LINKER_LIBS}) + ocv_target_link_libraries(${the_module} ${__extradeps} ${OPENCV_LINKER_LIBS}) else() - target_link_libraries(${the_module} ${OPENCV_MODULE_${the_module}_DEPS} ${OPENCV_LINKER_LIBS}) + ocv_target_link_libraries(${the_module} ${OPENCV_MODULE_${the_module}_DEPS} ${OPENCV_LINKER_LIBS}) endif() if(ANDROID) - target_link_libraries(${the_module} jnigraphics) # for Mat <=> Bitmap converters + ocv_target_link_libraries(${the_module} jnigraphics) # for Mat <=> Bitmap converters # force strip library after the build command # because samples and tests will make a copy of the library before install diff --git a/modules/java/android_test/CMakeLists.txt b/modules/java/android_test/CMakeLists.txt index 41f69e6ca7..a920508899 100644 --- a/modules/java/android_test/CMakeLists.txt +++ b/modules/java/android_test/CMakeLists.txt @@ -59,9 +59,9 @@ add_custom_command(TARGET ${PROJECT_NAME} POST_BUILD COMMAND ${CMAKE_COMMAND} -E add_dependencies(opencv_tests ${PROJECT_NAME}) -if(PYTHON_EXECUTABLE) +if(PYTHON_DEFAULT_AVAILABLE) set(CHECK_TEST_COVERAGE "${OPENCV_MODULE_opencv_java_LOCATION}/check-tests.py") add_custom_command(TARGET ${PROJECT_NAME} POST_BUILD - COMMAND ${PYTHON_EXECUTABLE} ${CHECK_TEST_COVERAGE} "${CMAKE_CURRENT_SOURCE_DIR}/src" "${OpenCV_BINARY_DIR}/src" > "${CMAKE_CURRENT_BINARY_DIR}/tests_coverage.log" + COMMAND ${PYTHON_DEFAULT_EXECUTABLE} ${CHECK_TEST_COVERAGE} "${CMAKE_CURRENT_SOURCE_DIR}/src" "${OpenCV_BINARY_DIR}/src" > "${CMAKE_CURRENT_BINARY_DIR}/tests_coverage.log" ) endif() diff --git a/modules/matlab/generator/templates/__init__.py b/modules/java/generator/config/ml.filelist similarity index 100% rename from modules/matlab/generator/templates/__init__.py rename to modules/java/generator/config/ml.filelist diff --git a/modules/java/generator/rst_parser.py b/modules/java/generator/rst_parser.py index 80b09ac40b..78114aedb1 100755 --- a/modules/java/generator/rst_parser.py +++ b/modules/java/generator/rst_parser.py @@ -2,7 +2,7 @@ from __future__ import print_function import os, sys, re, string, fnmatch -allmodules = ["core", "flann", "imgproc", "ml", "imgcodecs", "videoio", "highgui", "video", "features2d", "calib3d", "objdetect", "legacy", "contrib", "cuda", "androidcamera", "java", "python", "stitching", "ts", "photo", "nonfree", "videostab", "softcascade", "superres"] +allmodules = ["core", "flann", "imgproc", "imgcodecs", "videoio", "highgui", "video", "features2d", "calib3d", "objdetect", "legacy", "contrib", "cuda", "androidcamera", "java", "python", "stitching", "ts", "photo", "nonfree", "videostab", "softcascade", "superres"] verbose = False show_warnings = True show_errors = True diff --git a/modules/java/generator/src/cpp/jni_part.cpp b/modules/java/generator/src/cpp/jni_part.cpp index ccd870cdf9..a4ac0d553a 100644 --- a/modules/java/generator/src/cpp/jni_part.cpp +++ b/modules/java/generator/src/cpp/jni_part.cpp @@ -14,10 +14,6 @@ # include "opencv2/video.hpp" #endif -#ifdef HAVE_OPENCV_ML -# include "opencv2/ml.hpp" -#endif - #ifdef HAVE_OPENCV_CONTRIB # include "opencv2/contrib.hpp" #endif @@ -41,10 +37,7 @@ JNI_OnLoad(JavaVM* vm, void* ) #ifdef HAVE_OPENCV_VIDEO init &= cv::initModule_video(); #endif -#ifdef HAVE_OPENCV_ML - init &= cv::initModule_ml(); -#endif - #ifdef HAVE_OPENCV_CONTRIB +#ifdef HAVE_OPENCV_CONTRIB init &= cv::initModule_contrib(); #endif diff --git a/modules/matlab/CMakeLists.txt b/modules/matlab/CMakeLists.txt deleted file mode 100644 index 06b81696b9..0000000000 --- a/modules/matlab/CMakeLists.txt +++ /dev/null @@ -1,312 +0,0 @@ -# ---------------------------------------------------------------------------- -# CMake file for Matlab/Octave support -# -# Matlab code generation and compilation is broken down into two distinct -# stages: configure time and build time. The idea is that we want to give -# the user reasonable guarantees that once they type 'make', wrapper -# generation is unlikely to fail. Therefore we run a series of tests at -# configure time to check the working status of the core components. -# -# Configure Time -# During configure time, the script attempts to ascertain whether the -# generator and mex compiler are working for a given architecture. -# Currently this involves: -# 1) Generating a simple CV_EXPORTS_W symbol and checking whether a file -# of the symbol name is generated -# 2) Compiling a simple mex gateway to check that Bridge.hpp and mex.h -# can be found, and that a file with the mexext is produced -# -# Build Time -# If the configure time tests pass, then we assume Matlab wrapper generation -# will not fail during build time. We simply glob all of the symbols in -# the OpenCV module headers, generate intermediate .cpp files, then compile -# them with mex. -# ---------------------------------------------------------------------------- - -# PREPEND -# Given a list of strings IN and a TOKEN, prepend the token to each string -# and append to OUT. This is used for passing command line "-I", "-L" and "-l" -# arguments to mex. e.g. -# prepend("-I" OUT /path/to/include/dir) --> -I/path/to/include/dir -macro(PREPEND TOKEN OUT IN) - foreach(VAR ${IN} ${ARGN}) - list(APPEND ${OUT} "${TOKEN}${VAR}") - endforeach() -endmacro() - - -# WARN_MIXED_PRECISION -# Formats a warning message if the compiler and Matlab bitness is different -macro(WARN_MIXED_PRECISION COMPILER_BITNESS MATLAB_BITNESS) - set(MSG "Your compiler is ${COMPILER_BITNESS}-bit") - set(MSG "${MSG} but your version of Matlab is ${MATLAB_BITNESS}-bit.") - set(MSG "${MSG} To build Matlab bindings, please switch to a ${MATLAB_BITNESS}-bit compiler.") - message(WARNING ${MSG}) -endmacro() - -# ---------------------------------------------------------------------------- -# Architecture checks -# ---------------------------------------------------------------------------- -# make sure we're on a supported architecture with Matlab and python installed -if (IOS OR ANDROID OR NOT MATLAB_FOUND) - ocv_module_disable(matlab) - return() -elseif (NOT PYTHONLIBS_FOUND) - message(WARNING "A required dependency of the matlab module (PythonLibs) was not found. Disabling Matlab bindings...") - ocv_module_disable(matlab) - return() -endif() - - -# If the user built OpenCV as X-bit, but they have a Y-bit version of Matlab, -# attempting to link to OpenCV during binding generation will fail, since -# mixed precision pointers are not allowed. Disable the bindings. -math(EXPR ARCH "${CMAKE_SIZEOF_VOID_P} * 8") -if (${ARCH} EQUAL 32 AND ${MATLAB_ARCH} MATCHES "64") - warn_mixed_precision("32" "64") - ocv_module_disable(matlab) - return() -elseif (${ARCH} EQUAL 64 AND NOT ${MATLAB_ARCH} MATCHES "64") - warn_mixed_precision("64" "32") - ocv_module_disable(matlab) - return() -endif() - -# If it's MSVC, warn the user that bindings will only be built in Release mode. -# Debug mode seems to cause issues... -if (MSVC) - message(STATUS "Warning: Matlab bindings will only be built in Release configurations") -endif() - - -# ---------------------------------------------------------------------------- -# Configure time components -# ---------------------------------------------------------------------------- -set(the_description "The Matlab/Octave bindings") -ocv_add_module(matlab BINDINGS - OPTIONAL opencv_core - opencv_imgproc opencv_ml - opencv_imgcodecs opencv_videoio opencv_highgui - opencv_objdetect opencv_flann opencv_features2d - opencv_photo opencv_video opencv_videostab - opencv_calib opencv_calib3d - opencv_stitching opencv_superres - opencv_nonfree -) - -# get the commit information -execute_process(COMMAND git log -1 --pretty=%H OUTPUT_VARIABLE GIT_COMMIT ERROR_QUIET) -string(REGEX REPLACE "(\r?\n)+$" "" GIT_COMMIT "${GIT_COMMIT}") - -# set the path to the C++ header and doc parser, and template engine -set(JINJA2_PATH ${CMAKE_SOURCE_DIR}/3rdparty) -set(HDR_PARSER_PATH ${CMAKE_SOURCE_DIR}/modules/python/src2) -set(RST_PARSER_PATH ${CMAKE_SOURCE_DIR}/modules/java/generator) - -# set mex compiler options -prepend("-I" MEX_INCLUDE_DIRS ${CMAKE_CURRENT_SOURCE_DIR}/include) -if (MSVC) - prepend("-L" MEX_LIB_DIR ${LIBRARY_OUTPUT_PATH}/${CMAKE_CFG_INTDIR}) -else() - prepend("-L" MEX_LIB_DIR ${LIBRARY_OUTPUT_PATH}) -endif() -set(MEX_OPTS "-largeArrayDims") - -if (BUILD_TESTS) - add_subdirectory(test) -endif() -include_directories(${CMAKE_CURRENT_SOURCE_DIR}/include) - - -# intersection of available modules and optional dependencies -# 1. populate the command-line include directories (-I/path/to/module/header, ...) -# 2. populate the command-line link libraries (-lopencv_core, ...) for Debug and Release -set(MATLAB_DEPS ${OPENCV_MODULE_${the_module}_REQ_DEPS} ${OPENCV_MODULE_${the_module}_OPT_DEPS}) -foreach(opencv_module ${MATLAB_DEPS}) - if (HAVE_${opencv_module}) - string(REPLACE "opencv_" "" module ${opencv_module}) - list(APPEND opencv_modules ${module}) - list(APPEND ${the_module}_ACTUAL_DEPS ${opencv_module}) - prepend("-I" MEX_INCLUDE_DIRS "${OPENCV_MODULE_${opencv_module}_LOCATION}/include") - prepend("-l" MEX_LIBS ${opencv_module}${OPENCV_DLLVERSION}) - prepend("-l" MEX_DEBUG_LIBS ${opencv_module}${OPENCV_DLLVERSION}${OPENCV_DEBUG_POSTFIX}) - endif() -endforeach() - -# add extra headers by hand -list(APPEND opencv_extra_hdrs "core=${OPENCV_MODULE_opencv_core_LOCATION}/include/opencv2/core/base.hpp") -list(APPEND opencv_extra_hdrs "video=${OPENCV_MODULE_opencv_video_LOCATION}/include/opencv2/video/tracking.hpp") - -# pass the OPENCV_CXX_EXTRA_FLAGS through to the mex compiler -# remove the visibility modifiers, so the mex gateway is visible -# TODO: get mex working without warnings -string(REGEX REPLACE "[^\ ]*visibility[^\ ]*" "" MEX_CXXFLAGS "${OPENCV_EXTRA_FLAGS} ${OPENCV_EXTRA_CXX_FLAGS}") - -# Configure checks -# Check to see whether the generator and the mex compiler are working. -# The checks currently test: -# - whether the python generator can be found -# - whether the python generator correctly outputs a file for a definition -# - whether the mex compiler can find the required headers -# - whether the mex compiler can compile a trivial definition -if (NOT MEX_WORKS) - # attempt to generate a gateway for a function - message(STATUS "Trying to generate Matlab code") - execute_process( - COMMAND ${PYTHON_EXECUTABLE} - ${CMAKE_CURRENT_SOURCE_DIR}/generator/gen_matlab.py - --jinja2 ${JINJA2_PATH} - --hdrparser ${HDR_PARSER_PATH} - --rstparser ${RST_PARSER_PATH} - --extra "test=${CMAKE_CURRENT_SOURCE_DIR}/test/test_generator.hpp" - --outdir ${CMAKE_BINARY_DIR}/junk - ERROR_VARIABLE GEN_ERROR - OUTPUT_QUIET - ) - - if (GEN_ERROR) - message(${GEN_ERROR}) - message(STATUS "Error generating Matlab code. Disabling Matlab bindings...") - ocv_module_disable(matlab) - return() - else() - message(STATUS "Trying to generate Matlab code - OK") - endif() - - # attempt to compile a gateway using mex - message(STATUS "Trying to compile mex file") - execute_process( - COMMAND ${MATLAB_MEX_SCRIPT} ${MEX_OPTS} "CXXFLAGS=\$CXXFLAGS ${MEX_CXX_FLAGS}" - ${MEX_INCLUDE_DIRS} ${CMAKE_CURRENT_SOURCE_DIR}/test/test_compiler.cpp - WORKING_DIRECTORY ${CMAKE_BINARY_DIR}/junk - ERROR_VARIABLE MEX_ERROR - OUTPUT_QUIET - ) - - if (MEX_ERROR) - message(${MEX_ERROR}) - message(STATUS "Error compiling mex file. Disabling Matlab bindings...") - ocv_module_disable(matlab) - return() - else() - message(STATUS "Trying to compile mex file - OK") - endif() -endif() - -# if we make it here, mex works! -set(MEX_WORKS True CACHE BOOL ADVANCED) - - -# ---------------------------------------------------------------------------- -# Build time components -# ---------------------------------------------------------------------------- - -# proxies -# these proxies are used to trigger the add_custom_commands -# (which do the real work) only when they're outdated -set(GENERATE_PROXY ${CMAKE_CURRENT_BINARY_DIR}/generate.proxy) -set(COMPILE_PROXY ${CMAKE_CURRENT_BINARY_DIR}/compile.proxy) -# TODO: Remove following line before merging with master -file(REMOVE ${GENERATE_PROXY} ${COMPILE_PROXY}) - -# generate -# call the python executable to generate the Matlab gateways -add_custom_command( - OUTPUT ${GENERATE_PROXY} - COMMAND ${PYTHON_EXECUTABLE} - ${CMAKE_CURRENT_SOURCE_DIR}/generator/gen_matlab.py - --jinja2 ${JINJA2_PATH} - --hdrparser ${HDR_PARSER_PATH} - --rstparser ${RST_PARSER_PATH} - --moduleroot ${CMAKE_SOURCE_DIR}/modules - --modules ${opencv_modules} - --extra ${opencv_extra_hdrs} - --outdir ${CMAKE_CURRENT_BINARY_DIR} - COMMAND ${PYTHON_EXECUTABLE} - ${CMAKE_CURRENT_SOURCE_DIR}/generator/build_info.py - --jinja2 ${JINJA2_PATH} - --os ${CMAKE_SYSTEM} - --arch ${ARCH} ${CMAKE_SYSTEM_PROCESSOR} - --compiler ${CMAKE_CXX_COMPILER_ID} ${CMAKE_CXX_COMPILER_VERSION} - --mex_arch ${MATLAB_ARCH} - --mex_script ${MATLAB_MEX_SCRIPT} - --cxx_flags ${MEX_CXXFLAGS} - --opencv_version ${OPENCV_VERSION} - --commit ${GIT_COMMIT} - --modules ${opencv_modules} - --configuration $ - --outdir ${CMAKE_CURRENT_BINARY_DIR} - COMMAND ${PYTHON_EXECUTABLE} - ${CMAKE_CURRENT_SOURCE_DIR}/generator/cvmex.py - --jinja2 ${JINJA2_PATH} - --opts="${MEX_OPTS}" - --include_dirs="${MEX_INCLUDE_DIRS}" - --lib_dir="${MEX_LIB_DIR}" - --libs="${MEX_LIBS}" - --flags ${MEX_CXXFLAGS} - --outdir ${CMAKE_CURRENT_BINARY_DIR} - COMMAND ${CMAKE_COMMAND} -E copy ${CMAKE_CURRENT_SOURCE_DIR}/test/help.m ${CMAKE_CURRENT_BINARY_DIR}/+cv - COMMAND ${CMAKE_COMMAND} -E touch ${GENERATE_PROXY} - COMMENT "Generating Matlab source files" -) - -# compile -# call the mex compiler to compile the gateways -# because we don't know the source files at configure-time, this -# has to be executed in a separate script in cmake's script processing mode -add_custom_command( - OUTPUT ${COMPILE_PROXY} - COMMAND ${CMAKE_COMMAND} -DMATLAB_MEX_SCRIPT=${MATLAB_MEX_SCRIPT} - -DMATLAB_MEXEXT=${MATLAB_MEXEXT} - -DMEX_OPTS=${MEX_OPTS} - -DMEX_CXXFLAGS=${MEX_CXX_FLAGS} - -DMEX_INCLUDE_DIRS="${MEX_INCLUDE_DIRS}" - -DMEX_LIB_DIR="${MEX_LIB_DIR}" - -DCONFIGURATION="$" - -DMEX_LIBS="${MEX_LIBS}" - -DMEX_DEBUG_LIBS="${MEX_DEBUG_LIBS}" - -P ${CMAKE_CURRENT_SOURCE_DIR}/compile.cmake - COMMAND ${CMAKE_COMMAND} -E touch ${COMPILE_PROXY} - COMMENT "Compiling Matlab source files. This could take a while..." -) - -# targets -# opencv_matlab_sources --> opencv_matlab -add_custom_target(${the_module}_sources ALL DEPENDS ${GENERATE_PROXY}) -add_custom_target(${the_module} ALL DEPENDS ${COMPILE_PROXY}) -add_dependencies(${the_module} ${the_module}_sources ${${the_module}_ACTUAL_DEPS}) - -if (ENABLE_SOLUTION_FOLDERS) - set_target_properties(${the_module} PROPERTIES FOLDER "modules") -endif() - - -# ---------------------------------------------------------------------------- -# Install time components -# ---------------------------------------------------------------------------- -# NOTE: Trailing slashes on the DIRECTORY paths are important! -# TODO: What needs to be done with rpath???? - -# install the +cv directory verbatim -install(DIRECTORY ${CMAKE_CURRENT_SOURCE_DIR}/include/ DESTINATION ${OPENCV_INCLUDE_INSTALL_PATH}) -install(DIRECTORY ${CMAKE_CURRENT_BINARY_DIR}/+cv/ DESTINATION matlab/+cv) -install(FILES ${CMAKE_CURRENT_BINARY_DIR}/cv.m DESTINATION matlab) - -# update the custom mex compiler to point to the install locations -string(REPLACE ";" "\\ " MEX_OPTS "${MEX_OPTS}") -string(REPLACE ";" "\\ " MEX_LIBS "${MEX_LIBS}") -string(REPLACE " " "\\ " MEX_CXXFLAGS ${MEX_CXXFLAGS}) -string(REPLACE ";" "\\ " MEX_INCLUDE_DIRS "${MEX_INCLUDE_DIRS}") -install(CODE - "execute_process( - COMMAND ${PYTHON_EXECUTABLE} - ${CMAKE_CURRENT_SOURCE_DIR}/generator/cvmex.py - --jinja2 ${JINJA2_PATH} - --opts=${MEX_OPTS} - --include_dirs=-I${CMAKE_INSTALL_PREFIX}/${OPENCV_INCLUDE_INSTALL_PATH} - --lib_dir=-L${CMAKE_INSTALL_PREFIX}/${OPENCV_LIB_INSTALL_PATH} - --libs=${MEX_LIBS} - --flags=${MEX_CXXFLAGS} - --outdir ${CMAKE_INSTALL_PREFIX}/matlab - )" -) diff --git a/modules/matlab/LICENSE b/modules/matlab/LICENSE deleted file mode 100644 index 391cbd37cb..0000000000 --- a/modules/matlab/LICENSE +++ /dev/null @@ -1,42 +0,0 @@ -//////////////////////////////////////////////////////////////////////////////// -// -// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. -// -// By downloading, copying, installing or using the software you agree to this -// license. If you do not agree to this license, do not download, install, -// copy or use the software. -// -// -// License Agreement -// For Open Source Computer Vision Library -// -// Copyright (C) 2013, OpenCV Foundation, all rights reserved. -// Third party copyrights are property of their respective owners. -// -// Redistribution and use in source and binary forms, with or without -// modification, are permitted provided that the following conditions are met: -// -// * Redistribution's of source code must retain the above copyright notice, -// this list of conditions and the following disclaimer. -// -// * Redistribution's in binary form must reproduce the above copyright notice, -// this list of conditions and the following disclaimer in the documentation -// and/or other materials provided with the distribution. -// -// * The name of the copyright holders may not be used to endorse or promote -// products derived from this software without specific prior written -// permission. -// -// This software is provided by the copyright holders and contributors "as is" -// and any express or implied warranties, including, but not limited to, the -// implied warranties of merchantability and fitness for a particular purpose -// are disclaimed. In no event shall the Intel Corporation or contributors be -// liable for any direct, indirect, incidental, special, exemplary, or -// consequential damages (including, but not limited to, procurement of -// substitute goods or services; loss of use, data, or profits; or business -// interruption) however caused and on any theory of liability, whether in -// contract, strict liability, or tort (including negligence or otherwise) -// arising in any way out of the use of this software, even if advised of the -// possibility of such damage. -// -//////////////////////////////////////////////////////////////////////////////// diff --git a/modules/matlab/README.md b/modules/matlab/README.md deleted file mode 100644 index 42237eccf8..0000000000 --- a/modules/matlab/README.md +++ /dev/null @@ -1,394 +0,0 @@ -OpenCV Matlab Code Generator -============================ -This module contains a code generator to automatically produce Matlab mex wrappers for other modules within the OpenCV library. Once compiled and added to the Matlab path, this gives users the ability to call OpenCV methods natively from within Matlab. - - -Build ------ -The Matlab code generator is fully integrated into the OpenCV build system. If cmake finds a Matlab installation available on the host system while configuring OpenCV, it will attempt to generate Matlab wrappers for all OpenCV modules. If cmake is having trouble finding your Matlab installation, you can explicitly point it to the root by defining the `MATLAB_ROOT_DIR` variable. For example, on a Mac you could type: - - cmake -DMATLAB_ROOT_DIR=/Applications/MATLAB_R2013a.app .. - - -Install -------- -In order to use the bindings, you will need to add them to the Matlab path. The path to add is: - -1. `${CMAKE_BUILD_DIR}/modules/matlab` if you are working from the build tree, or -2. `${CMAKE_INSTALL_PREFIX}/matlab` if you have installed OpenCV - -In Matlab, simply run: - - addpath('/path/to/opencv/matlab/'); - - -Run ---- -Once you've added the bindings directory to the Matlab path, you can start using them straight away! OpenCV calls need to be prefixed with a 'cv' qualifier, to disambiguate them from Matlab methods of the same name. For example, to compute the dft of a matrix, you might do the following: - -```matlab -% load an image (Matlab) -I = imread('cameraman.tif'); - -% compute the DFT (OpenCV) -If = cv.dft(I, cv.DFT_COMPLEX_OUTPUT); -``` - -As you can see, both OpenCV methods and constants can be used with 'cv' qualification. You can also call: - - help cv.dft - -to get help on the purpose and call signature of a particular method, or - - help cv - -to get general help regarding the OpenCV bindings. If you ever run into issues with the bindings - - cv.buildInformation(); - -will produce a printout of diagnostic information pertaining to your particular build of OS, OpenCV and Matlab. It is useful to submit this information alongside a bug report to the OpenCV team. - -Writing your own mex files --------------------------- -The Matlab bindings come with a set of utilities to help you quickly write your own mex files using OpenCV definitions. By doing so, you have all the speed and freedom of C++, with the power of OpenCV's math expressions and optimizations. - -The first thing you need to learn how to do is write a mex-file with Matlab constructs. Following is a brief example: - -```cpp -// include useful constructs -// this automatically includes opencv core.hpp and mex.h) -#include -using namespace cv; -using namespace matlab; -using namespace bridge; - -// define the mex gateway -void mexFunction(int nlhs, mxArray* plhs[], - int nrhs, const mxArray* prhs[]) { - - // claim the inputs into scoped management - MxArrayVector raw(prhs, prhs+nrhs); - - // add an argument parser to automatically handle basic options - ArgumentParser parser("my function"); - parser.addVariant(1, 1, "opt"); - MxArrayVector reordered = parser.parse(raw); - - // if we get here, we know the inputs are valid and reordered. Unpack... - BridgeVector inputs(reordered.begin(), reordered.end()); - Mat required = inputs[0].toMat(); - string optional = inputs[1].empty() ? "Default string" : inputs[1].toString(); - - try { - // Do stuff... - } catch(Exception& e) { - error(e.what()); - } catch(...) { - error("Uncaught exception occurred"); - } - - // allocate an output - Bridge out = required; - plhs[0] = out.toMxArray().releaseOwnership(); -} -``` - -There are a couple of important things going on in this example. Firstly, you need to include `` to enable the bridging capabilities. Once you've done this, you get some nice utilities for free. `MxArray` is a class that wraps Matlab's `mxArray*` class in an OOP-style interface. `ArgumentParser` is a class that handles default, optional and named arguments for you, along with multiple possible calling syntaxes. Finally, `Bridge` is a class that allows bidirectional conversions between OpenCV/std and Matlab types. - -Once you have written your file, it can be compiled with the provided mex utility: - - cv.mex('my_function.cpp'); - -This utility automatically links in all of the necessary OpenCV libraries to make your function work. - -NOTE: OpenCV uses exceptions throughout the codebase. It is a **very** good idea to wrap your code in exception handlers to avoid crashing Matlab in the event of an exception being thrown. - ------------------------------------------------------------------- - - -Developer -========= -The following sections contain information for developers seeking to use, understand or extend the Matlab bindings. The bindings are generated in python using a powerful templating engine called Jinja2. Because Matlab mex gateways have a common structure, they are well suited to templatization. There are separate templates for formatting C++ classes, Matlab classes, C++ functions, constants (enums) and documentation. - -The task of the generator is two-fold: - -1. To parse the OpenCV headers and build a semantic tree that can be fed to the template engine -2. To define type conversions between C++/OpenCV and Matlab types - -Once a source file has been generated for each OpenCV definition, and type conversions have been established, the mex compiler is invoked to produce the mex gateway (shared object) and link in the OpenCV libraries. - - -File layout ------------ -opencv/modules/matlab (this module) - -* `CMakeLists.txt` (main cmake configuration file) -* `README.md` (this file) -* `compile.cmake` (the cmake script for compiling generated source code) -* `generator` (the folder containing generator code) - * `filters.py` (template filters) - * `gen_matlab.py` (the binding generator control script) - * `parse_tree.py` (python class to refactor the hdr_parser.py output) - * `templates` (the raw templates for populating classes, constants, functions and docs) -* `include` (C++ headers for the bindings) - * `mxarray.hpp` (C++ OOP-style interface for Matlab mxArray* class) - * `bridge.hpp` (type conversions) - * `map.hpp` (hash map interface for instance storage and method lookup) -* `test` (generator, compiler and binding test scripts) - - -Call Tree ---------- -The cmake call tree can be broken into 3 main components: - -1. configure time -2. build time -3. install time - -**Find Matlab (configure)** -The first thing to do is discover a Matlab installation on the host system. This is handled by the `OpenCVFindMatlab.cmake` in `opencv/cmake`. On Windows machines it searches the registry and path, while on *NIX machines it searches a set of canonical install paths. Once Matlab has been found, a number of variables are defined, such as the path to the mex compiler, the mex libraries, the mex include paths, the architectural extension, etc. - -**Test the generator (configure)** -Attempt to produce a source file for a simple definition. This tests whether python and pythonlibs are correctly invoked on the host. - -**Test the mex compiler (configure)** -Attempt to compile a simple definition using the mex compiler. A mex file is actually just a shared object with a special exported symbol `_mexFunction` which serves as the entry-point to the function. As such, the mex compiler is just a set of scripts configuring the system compiler. In most cases this is the same as the OpenCV compiler, but *could* be different. The test checks whether the mex and generator includes can be found, the system libraries can be linked and the passed compiler flags are compatible. - -If any of the configure time tests fail, the bindings will be disabled, but the main OpenCV configure will continue without error. The configuration summary will contain the block: - - Matlab - mex: /Applications/MATLAB_R2013a.app/bin/mex - compiler/generator: Not working (bindings will not be generated) - -**Generate the sources (build)** -Given a set of modules (the intersection of the OpenCV modules being built and the matlab module optional dependencies), the `CppHeaderParser()` from `opencv/modules/python/src2/hdr_parser.py` will parse the module headers and produce a set of definitions. - -The `ParseTree()` from `opencv/modules/matlab/generator/parse_tree.py` takes this set of definitions and refactors them into a semantic tree better suited to templatization. For example, a trivial definition from the header parser may look something like: - -```python -[fill, void, ['/S'], [cv::Mat&, mat, '', ['/I', '/O']]] -``` - -The equivalent refactored output will look like: - -```python - Function - name = 'fill' - rtype = 'void' - static = True - req = - Argument - name = 'mat' - type = 'cv::Mat' - ref = '&' - I = True - O = True - default = '' -``` - -The added semantics (Namespace, Class, Function, Argument, name, etc) make it easier for the templating engine to parse, slice and populate definitions. - -Once the definitions have been parsed, `gen_matlab.py` passes each definition to the template engine with the appropriate template (class, function, enum, doc) and the filled template gets written to the `${CMAKE_CURRENT_BUILD_DIR}/src` directory. - -The generator relies upon a proxy object called `generate.proxy` to determine when the sources are out of date and need to be re-generated. - -**Compile the sources (build)** -Once the sources have been generated, they are compiled by the mex compiler. The `compile.cmake` script in `opencv/modules/matlab/` takes responsibility for iterating over each source file in `${CMAKE_CURRENT_BUILD_DIR}/src` and compiling it with the passed includes and OpenCV libraries. - -The flags used to compile the main OpenCV libraries are also forwarded to the mex compiler. So if, for example, you compiled OpenCV with SSE support, the mex bindings will also use SSE. Likewise, if you compile OpenCV in debug mode, the bindings will link to the debug version of the libraries. - -Importantly, the mex compiler includes the `mxarray.hpp`, `bridge.hpp` and `map.hpp` files from the `opencv/modules/matlab/include` directory. `mxarray.hpp` defines a `MxArray` class which wraps Matlab's `mxArray*` type in a more friendly OOP-syle interface. `bridge.hpp` defines a `Bridge` class which is able to perform type conversions between Matlab types and std/OpenCV types. It can be extended with new definitions using the plugin interface described in that file. - -The compiler relies upon a proxy object called `compile.proxy` to determine when the generated sources are out of date and need to be re-compiled. - -**Install the files (install)** -At install time, the mex files are put into place at `${CMAKE_INSTALL_PREFIX}/matlab` and their linkages updated. - - -Jinja2 ------- -Jinja2 is a powerful templating engine, similar to python's builtin `string.Template` class but implementing the model-view-controller paradigm. For example, a trivial view could be populated as follows: - -**view.py** - -```html+django -{{ title }} - -``` - -**model.py** - -```python -class User(object): - __init__(self): - self.username = '' - self.url = '' - -def sanitize(text): - """Filter for escaping html tags to prevent code injection""" -``` - -**controller.py** - -```python -def populate(users): -# initialize jinja -jtemplate = jinja2.Environment(loader=FileSystemLoader()) - -# add the filters to the engine -jtemplate['sanitize'] = sanitize - -# get the view -template = jtemplate.get_template('view') - -# populate the template with a list of User objects -populated = template.render(title='all users', users=users) - -# write to file -with open('users.html', 'wb') as f: - f.write(populated) -``` - -Thus the style and layout of the view is kept separate from the content (model). This modularity improves readability and maintainability of both the view and content and (for my own sanity) has helped significantly in debugging errors. - -File Reference --------------- -**gen_matlab.py** -gen_matlab has the following call signature: - - gen_matlab.py --jinja2 path/to/jinja2/engine - --hdrparser path/to/hdr_parser/dir - --rstparser path/to/rst_parser/dir - --moduleroot path/to/opencv/modules - --modules [core imgproc highgui ...] - --extra namespace=/additional/header/to/parse - --outdir /path/to/place/generated/src - -**build_info.py** -build_info has the following call signature: - - build_info.py --jinja2 path/to/jinja2/engine - --os operating_system_string - --arch [bitness processor] - --compiler [id version] - --mex_arch arch_string - --mex_script /path/to/mex/script - --cxx_flags [-list -of -flags -to -passthrough] - --opencv_version version_string - --commit commit_hash_if_using_git - --modules core imgproc highgui etc - --configuration Debug/Release - --outdir path/to/place/build/info - -**cvmex.py** -cvmex.py, the custom compiler generator, has the following call signature: - - cvmex.py --jinja2 path/to/jinja2/engine - --opts [-list -of -opts] - --include_dirs [-list -of -opencv_include_directories] - --lib_dir opencv_lib_directory - --libs [-lopencv_core -lopencv_imgproc ...] - --flags [-Wall -opencv_build_flags ...] - --outdir /path/to/generated/output - -**parse_tree.py** -To build a parse tree, first parse a set of headers, then invoke the parse tree to refactor the output: - -```python -# parse a set of definitions into a dictionary of namespaces -parser = CppHeaderParser() -ns['core'] = parser.parse('path/to/opencv/core.hpp') - -# refactor into a semantic tree -parse_tree = ParseTree() -parse_tree.build(ns) - -# iterate over the tree -for namespace in parse_tree.namespaces: - for clss in namespace.classes: - # do stuff - for method in namespace.methods: - # do stuff -``` - -**mxarray.hpp** -mxarray.hpp defines a class called `MxArray` which provides an OOP-style interface for Matlab's homogeneous `mxArray*` type. To create an `MxArray`, you can either inherit an existing array - -```cpp -MxArray mat(prhs[0]); -``` - -or create a new array - -```cpp -MxArray mat(5, 5, Matlab::Traits::ScalarType); -MxArray mat = MxArray::Matrix(5, 5); -``` - -The default constructor allocates a `0 x 0` array. Once you have encapculated an `mxArray*` you can access its properties through member functions: - -```cpp -mat.rows(); -mat.cols(); -mat.size(); -mat.channels(); -mat.isComplex(); -mat.isNumeric(); -mat.isLogical(); -mat.isClass(); -mat.className(); -mat.real(); -mat.imag(); -``` - -The MxArray object uses scoped memory management. If you wish to pass an MxArray back to Matlab (as a lhs pointer), you need to explicitly release ownership of the array so that it is not destroyed when it leaves scope: - -```cpp -plhs[0] = mat.releaseOwnership(); -``` - -mxarray.hpp also includes a number of helper utilities that make working in mex-world a little easier. One such utility is the `ArgumentParser`. `ArgumentParser` automatically handles required and optional arguments to a method, and even enables named arguments as used in many core Matlab functions. For example, if you had a function with the following signature: - -```cpp -void f(Mat first, Mat second, Mat mask=Mat(), int dtype=-1); -``` - -then you can create an `ArgumentParser` as follows: - -```cpp -ArgumentParser parser("f"); -parser.addVariant(2, 2, "mask", "dtype"); -MxArrayVector inputs = parser.parse(prhs, prhs+nrhs); -``` - -and that will make available the following calling syntaxes: - -```matlab -f(first, second); -f(first, second, mask); -f(first, second, mask, dtype); -f(first, second, 'dtype', dtype, 'mask', mask); % optional ordering does not matter -f(first, second, 'dtype', dtype); % only second optional argument provided -f(first, second, mask, 'dtype', dtype); % mixture of ordered and named -``` - -Further, the output of the `parser.parse()` method will always contain the total number of required and optional arguments that the method can take, with unspecified arguments given by empty matrices. Thus, to check if an optional argument has been given, you can do: - -```cpp -int dtype = inputs[3].empty() ? -1 : inputs[3].scalar(); -``` - -**bridge.hpp** -The bridge interface defines a `Bridge` class which provides type conversion between std/OpenCV and Matlab types. A type conversion must provide the following: - -```cpp -Bridge& operator=(const MyObject&); -MyObject toMyObject(); -operator MyObject(); -``` - -The binding generator will then automatically call the conversion operators (either explicitly or implicitly) if your `MyObject` class is encountered as an input or return from a parsed definition. diff --git a/modules/matlab/compile.cmake b/modules/matlab/compile.cmake deleted file mode 100644 index 2fb087f874..0000000000 --- a/modules/matlab/compile.cmake +++ /dev/null @@ -1,49 +0,0 @@ -# LISTIFY -# Given a string of space-delimited tokens, reparse as a string of -# semi-colon delimited tokens, which in CMake land is exactly equivalent -# to a list -macro(listify OUT_LIST IN_STRING) - string(REPLACE " " ";" ${OUT_LIST} ${IN_STRING}) -endmacro() - -# listify multiple-argument inputs -listify(MEX_INCLUDE_DIRS_LIST ${MEX_INCLUDE_DIRS}) -if (${CONFIGURATION} MATCHES "Debug") - listify(MEX_LIBS_LIST ${MEX_DEBUG_LIBS}) -else() - listify(MEX_LIBS_LIST ${MEX_LIBS}) -endif() - -# if it's MSVC building a Debug configuration, don't build bindings -if ("${CONFIGURATION}" MATCHES "Debug") - message(STATUS "Matlab bindings are only available in Release configurations. Skipping...") - return() -endif() - -# ----------------------------------------------------------------------------- -# Compile -# ----------------------------------------------------------------------------- -# for each generated source file: -# 1. check if the file has already been compiled -# 2. attempt compile if required -# 3. if the compile fails, throw an error and cancel compilation -file(GLOB SOURCE_FILES "${CMAKE_CURRENT_BINARY_DIR}/src/*.cpp") -foreach(SOURCE_FILE ${SOURCE_FILES}) - # strip out the filename - get_filename_component(FILENAME ${SOURCE_FILE} NAME_WE) - # compile the source file using mex - if (NOT EXISTS ${CMAKE_CURRENT_BINARY_DIR}/+cv/${FILENAME}.${MATLAB_MEXEXT}) - execute_process( - COMMAND ${MATLAB_MEX_SCRIPT} ${MEX_OPTS} "CXXFLAGS=\$CXXFLAGS ${MEX_CXXFLAGS}" ${MEX_INCLUDE_DIRS_LIST} - ${MEX_LIB_DIR} ${MEX_LIBS_LIST} ${SOURCE_FILE} - WORKING_DIRECTORY ${CMAKE_CURRENT_BINARY_DIR}/+cv - OUTPUT_QUIET - ERROR_VARIABLE FAILED - ) - endif() - # TODO: If a mex file fails to compile, should we error out? - # TODO: Warnings are currently treated as errors... - if (FAILED) - message(FATAL_ERROR "Failed to compile ${FILENAME}: ${FAILED}") - endif() -endforeach() diff --git a/modules/matlab/generator/build_info.py b/modules/matlab/generator/build_info.py deleted file mode 100644 index 1340d9f926..0000000000 --- a/modules/matlab/generator/build_info.py +++ /dev/null @@ -1,75 +0,0 @@ -#!/usr/bin/env python - -def substitute(build, output_dir): - - # setup the template engine - template_dir = os.path.join(os.path.dirname(__file__), 'templates') - jtemplate = Environment(loader=FileSystemLoader(template_dir), trim_blocks=True, lstrip_blocks=True) - - # add the filters - jtemplate.filters['csv'] = csv - jtemplate.filters['stripExtraSpaces'] = stripExtraSpaces - - # load the template - template = jtemplate.get_template('template_build_info.m') - - # create the build directory - output_dir = output_dir+'/+cv' - if not os.path.isdir(output_dir): - os.mkdir(output_dir) - - # populate template - populated = template.render(build=build, time=time) - with open(os.path.join(output_dir, 'buildInformation.m'), 'wb') as f: - f.write(populated.encode('utf-8')) - -if __name__ == "__main__": - """ - Usage: python build_info.py --jinja2 /path/to/jinja2/engine - --os os_version_string - --arch [bitness processor] - --compiler [id version] - --mex_arch arch_string - --mex_script /path/to/mex/script - --cxx_flags [-list -of -flags -to -passthrough] - --opencv_version version_string - --commit commit_hash_if_using_git - --modules [core imgproc highgui etc] - --configuration Debug/Release - --outdir /path/to/write/build/info - - build_info.py generates a Matlab function that can be invoked with a call to - >> cv.buildInformation(); - - This function prints a summary of the user's OS, OpenCV and Matlab build - given the information passed to this module. build_info.py invokes Jinja2 - on the template_build_info.m template. - """ - - # parse the input options - import sys, re, os, time - from argparse import ArgumentParser - parser = ArgumentParser() - parser.add_argument('--jinja2') - parser.add_argument('--os') - parser.add_argument('--arch', nargs=2) - parser.add_argument('--compiler', nargs='+') - parser.add_argument('--mex_arch') - parser.add_argument('--mex_script') - parser.add_argument('--mex_opts', default=['-largeArrayDims'], nargs='*') - parser.add_argument('--cxx_flags', default=[], nargs='*') - parser.add_argument('--opencv_version', default='', nargs='?') - parser.add_argument('--commit', default='Not in working git tree', nargs='?') - parser.add_argument('--modules', nargs='+') - parser.add_argument('--configuration') - parser.add_argument('--outdir') - build = parser.parse_args() - - # add jinja to the path - sys.path.append(build.jinja2) - - from filters import * - from jinja2 import Environment, FileSystemLoader - - # populate the build info template - substitute(build, build.outdir) diff --git a/modules/matlab/generator/cvmex.py b/modules/matlab/generator/cvmex.py deleted file mode 100644 index 731d30a0e7..0000000000 --- a/modules/matlab/generator/cvmex.py +++ /dev/null @@ -1,63 +0,0 @@ -#!/usr/bin/env python - -def substitute(cv, output_dir): - - # setup the template engine - template_dir = os.path.join(os.path.dirname(__file__), 'templates') - jtemplate = Environment(loader=FileSystemLoader(template_dir), trim_blocks=True, lstrip_blocks=True) - - # add the filters - jtemplate.filters['cellarray'] = cellarray - jtemplate.filters['split'] = split - jtemplate.filters['csv'] = csv - - # load the template - template = jtemplate.get_template('template_cvmex_base.m') - - # create the build directory - output_dir = output_dir+'/+cv' - if not os.path.isdir(output_dir): - os.mkdir(output_dir) - - # populate template - populated = template.render(cv=cv, time=time) - with open(os.path.join(output_dir, 'mex.m'), 'wb') as f: - f.write(populated.encode('utf-8')) - -if __name__ == "__main__": - """ - Usage: python cvmex.py --jinja2 /path/to/jinja2/engine - --opts [-list -of -opts] - --include_dirs [-list -of -opencv_include_directories] - --lib_dir opencv_lib_directory - --libs [-lopencv_core -lopencv_imgproc ...] - --flags [-Wall -opencv_build_flags ...] - --outdir /path/to/generated/output - - cvmex.py generates a custom mex compiler that automatically links OpenCV - libraries to built sources where appropriate. The calling syntax is the - same as the builtin mex compiler, with added cv qualification: - >> cv.mex(..., ...); - """ - - # parse the input options - import sys, re, os, time - from argparse import ArgumentParser - parser = ArgumentParser() - parser.add_argument('--jinja2') - parser.add_argument('--opts') - parser.add_argument('--include_dirs') - parser.add_argument('--lib_dir') - parser.add_argument('--libs') - parser.add_argument('--flags') - parser.add_argument('--outdir') - cv = parser.parse_args() - - # add jinja to the path - sys.path.append(cv.jinja2) - - from filters import * - from jinja2 import Environment, FileSystemLoader - - # populate the mex base template - substitute(cv, cv.outdir) diff --git a/modules/matlab/generator/filters.py b/modules/matlab/generator/filters.py deleted file mode 100644 index de69ff7e41..0000000000 --- a/modules/matlab/generator/filters.py +++ /dev/null @@ -1,179 +0,0 @@ -from textwrap import TextWrapper -import re, os -# precompile a URL matching regular expression -urlexpr = re.compile(r"((https?):((//)|(\\\\))+[\w\d:#@%/;$()~_?\+-=\\\.&]*)", re.MULTILINE|re.UNICODE) - -def inputs(args): - '''Keeps only the input arguments in a list of elements. - In OpenCV input arguments are all arguments with names - not beginning with 'dst' - ''' - try: - return [arg for arg in args['only'] if arg.I and not arg.O] - except: - return [arg for arg in args if arg.I] - -def ninputs(fun): - '''Counts the number of input arguments in the input list''' - return len(inputs(fun.req)) + len(inputs(fun.opt)) - -def outputs(args): - '''Determines whether any of the given arguments is an output - reference, and returns a list of only those elements. - In OpenCV, output references are preceeded by 'dst' - ''' - try: - return [arg for arg in args['only'] if arg.O and not arg.I] - except: - return [arg for arg in args if arg.O] - -def only(args): - '''Returns exclusively the arguments which are only inputs - or only outputs''' - d = {}; - d['only'] = args - return d - -def void(arg): - '''Is the input 'void' ''' - return arg == 'void' - -def flip(arg): - '''flip the sign of the input''' - return not arg - -def noutputs(fun): - '''Counts the number of output arguments in the input list''' - return int(not void(fun.rtp)) + len(outputs(fun.req)) + len(outputs(fun.opt)) - -def convertibleToInt(string): - '''Can the input string be evaluated to an integer?''' - salt = '1+' - try: - exec(salt+string) - return True - except: - return False - -def binaryToDecimal(string): - '''Attempt to convert the input string to floating point representation''' - try: - return str(eval(string)) - except: - return string - -def formatMatlabConstant(string, table): - ''' - Given a string representing a Constant, and a table of all Constants, - attempt to resolve the Constant into a valid Matlab expression - For example, the input - DEPENDENT_VALUE = 1 << FIXED_VALUE - needs to be converted to - DEPENDENT_VALUE = bitshift(1, cv.FIXED_VALUE); - ''' - # split the string into expressions - words = re.split('(\W+)', string) - # add a 'cv' prefix if an expression is also a key in the lookup table - words = ''.join([('cv.'+word if word in table else word) for word in words]) - # attempt to convert arithmetic expressions and binary/hex to decimal - words = binaryToDecimal(words) - # convert any remaining bitshifts to Matlab 'bitshift' methods - shift = re.sub('[\(\) ]', '', words).split('<<') - words = 'bitshift('+shift[0]+', '+shift[1]+')' if len(shift) == 2 else words - return words - -def matlabURL(string): - """This filter is used to construct a Matlab specific URL that calls the - system browser instead of the (insanely bad) builtin Matlab browser""" - return re.sub(urlexpr, '\\1', string) - -def capitalizeFirst(text): - '''Capitalize only the first character of the text string''' - return text[0].upper() + text[1:] - -def toUpperCamelCase(text): - '''variable_name --> VariableName''' - return ''.join([capitalizeFirst(word) for word in text.split('_')]) - -def toLowerCamelCase(text): - '''variable_name --> variableName''' - upper_camel = toUpperCamelCase(test) - return upper_camel[0].lower() + upper_camel[1:] - -def toUnderCase(text): - '''VariableName --> variable_name''' - s1 = re.sub('(.)([A-Z][a-z]+)', r'\1_\2', text) - return re.sub('([a-z0-9])([A-Z])', r'\1_\2', s1).lower() - -def stripTags(text): - ''' - strip or convert html tags from a text string - content --> content - --> '' - < --> < - > --> > - &le --> <= - &ge --> >= - ''' - upper = lambda pattern: pattern.group(1).upper() - text = re.sub('(.*?)', upper, text) - text = re.sub('<([^=\s].*?)>', '', text) - text = re.sub('<', '<', text) - text = re.sub('>', '>', text) - text = re.sub('&le', '<=', text) - text = re.sub('&ge', '>=', text) - return text - -def qualify(text, name): - '''Adds uppercase 'CV.' qualification to any occurrences of name in text''' - return re.sub(name.upper(), 'CV.'+name.upper(), text) - -def slugify(text): - '''A_Function_name --> a-function-name''' - return text.lower().replace('_', '-') - -def filename(fullpath): - '''Returns only the filename without an extension from a file path - eg. /path/to/file.txt --> file - ''' - return os.path.splitext(os.path.basename(fullpath))[0] - -def split(text, delimiter=' '): - '''Split a text string into a list using the specified delimiter''' - return text.split(delimiter) - -def csv(items, sep=', '): - '''format a list with a separator (comma if not specified)''' - return sep.join(item for item in items) - -def cellarray(items, escape='\''): - '''format a list of items as a matlab cell array''' - return '{' + ', '.join(escape+item+escape for item in items) + '}' - -def stripExtraSpaces(text): - '''Removes superfluous whitespace from a string, including the removal - of all leading and trailing whitespace''' - return ' '.join(text.split()) - -def comment(text, wrap=80, escape='% ', escape_first='', escape_last=''): - '''comment filter - Takes a string in text, and wraps it to wrap characters in length with - preceding comment escape sequence on each line. escape_first and - escape_last can be used for languages which define block comments. - Examples: - C++ inline comment comment(80, '// ') - C block comment: comment(80, ' * ', '/*', ' */') - Matlab comment: comment(80, '% ') - Matlab block comment: comment(80, '', '%{', '%}') - Python docstrings: comment(80, '', '\'\'\'', '\'\'\'') - ''' - - tw = TextWrapper(width=wrap-len(escape)) - if escape_first: - escape_first = escape_first+'\n' - if escape_last: - escape_last = '\n'+escape_last - escapn = '\n'+escape - lines = text.split('\n') - wlines = (tw.wrap(line) for line in lines) - return escape_first+escape+escapn.join(escapn.join(line) for line in wlines)+escape_last diff --git a/modules/matlab/generator/gen_matlab.py b/modules/matlab/generator/gen_matlab.py deleted file mode 100644 index 36d588c92a..0000000000 --- a/modules/matlab/generator/gen_matlab.py +++ /dev/null @@ -1,198 +0,0 @@ -#!/usr/bin/env python -import sys, re, os, time -from string import Template -from parse_tree import ParseTree, todict, constants -from filters import * - -class MatlabWrapperGenerator(object): - """ - MatlabWrapperGenerator is a class for generating Matlab mex sources from - a set of C++ headers. MatlabWrapperGenerator objects can be default - constructed. Given an instance, the gen() method performs the translation. - """ - - def gen(self, module_root, modules, extras, output_dir): - """ - Generate a set of Matlab mex source files by parsing exported symbols - in a set of C++ headers. The headers can be input in one (or both) of - two methods: - 1. specify module_root and modules - Given a path to the OpenCV module root and a list of module names, - the headers to parse are implicitly constructed. - 2. specifiy header locations explicitly in extras - Each element in the list of extras must be of the form: - 'namespace=/full/path/to/extra/header.hpp' where 'namespace' is - the namespace in which the definitions should be added. - The output_dir specifies the directory to write the generated sources - to. - """ - # dynamically import the parsers - from jinja2 import Environment, FileSystemLoader - import hdr_parser - import rst_parser - - # parse each of the files and store in a dictionary - # as a separate "namespace" - parser = hdr_parser.CppHeaderParser() - rst = rst_parser.RstParser(parser) - rst_parser.verbose = False - rst_parser.show_warnings = False - rst_parser.show_errors = False - rst_parser.show_critical_errors = False - - ns = dict((key, []) for key in modules) - doc = dict((key, []) for key in modules) - path_template = Template('${module}/include/opencv2/${module}.hpp') - - for module in modules: - # construct a header path from the module root and a path template - header = os.path.join(module_root, path_template.substitute(module=module)) - # parse the definitions - ns[module] = parser.parse(header) - # parse the documentation - rst.parse(module, os.path.join(module_root, module)) - doc[module] = rst.definitions - rst.definitions = {} - - for extra in extras: - module = extra.split("=")[0] - header = extra.split("=")[1] - ns[module] = ns[module] + parser.parse(header) if module in ns else parser.parse(header) - - # cleanify the parser output - parse_tree = ParseTree() - parse_tree.build(ns) - - # setup the template engine - template_dir = os.path.join(os.path.dirname(__file__), 'templates') - jtemplate = Environment(loader=FileSystemLoader(template_dir), trim_blocks=True, lstrip_blocks=True) - - # add the custom filters - jtemplate.filters['formatMatlabConstant'] = formatMatlabConstant - jtemplate.filters['convertibleToInt'] = convertibleToInt - jtemplate.filters['toUpperCamelCase'] = toUpperCamelCase - jtemplate.filters['toLowerCamelCase'] = toLowerCamelCase - jtemplate.filters['toUnderCase'] = toUnderCase - jtemplate.filters['matlabURL'] = matlabURL - jtemplate.filters['stripTags'] = stripTags - jtemplate.filters['filename'] = filename - jtemplate.filters['comment'] = comment - jtemplate.filters['inputs'] = inputs - jtemplate.filters['ninputs'] = ninputs - jtemplate.filters['outputs'] = outputs - jtemplate.filters['noutputs'] = noutputs - jtemplate.filters['qualify'] = qualify - jtemplate.filters['slugify'] = slugify - jtemplate.filters['only'] = only - jtemplate.filters['void'] = void - jtemplate.filters['not'] = flip - - # load the templates - tfunction = jtemplate.get_template('template_function_base.cpp') - tclassm = jtemplate.get_template('template_class_base.m') - tclassc = jtemplate.get_template('template_class_base.cpp') - tdoc = jtemplate.get_template('template_doc_base.m') - tconst = jtemplate.get_template('template_map_base.m') - - # create the build directory - output_source_dir = output_dir+'/src' - output_private_dir = output_source_dir+'/private' - output_class_dir = output_dir+'/+cv' - output_map_dir = output_dir+'/map' - if not os.path.isdir(output_source_dir): - os.makedirs(output_source_dir) - if not os.path.isdir(output_private_dir): - os.makedirs(output_private_dir) - if not os.path.isdir(output_class_dir): - os.makedirs(output_class_dir) - if not os.path.isdir(output_map_dir): - os.makedirs(output_map_dir) - - # populate templates - for namespace in parse_tree.namespaces: - # functions - for method in namespace.methods: - populated = tfunction.render(fun=method, time=time, includes=namespace.name) - with open(output_source_dir+'/'+method.name+'.cpp', 'wb') as f: - f.write(populated.encode('utf-8')) - if namespace.name in doc and method.name in doc[namespace.name]: - populated = tdoc.render(fun=method, doc=doc[namespace.name][method.name], time=time) - with open(output_class_dir+'/'+method.name+'.m', 'wb') as f: - f.write(populated.encode('utf-8')) - # classes - for clss in namespace.classes: - # cpp converter - populated = tclassc.render(clss=clss, time=time) - with open(output_private_dir+'/'+clss.name+'Bridge.cpp', 'wb') as f: - f.write(populated.encode('utf-8')) - # matlab classdef - populated = tclassm.render(clss=clss, time=time) - with open(output_class_dir+'/'+clss.name+'.m', 'wb') as f: - f.write(populated.encode('utf-8')) - - # create a global constants lookup table - const = dict(constants(todict(parse_tree.namespaces))) - populated = tconst.render(constants=const, time=time) - with open(output_dir+'/cv.m', 'wb') as f: - f.write(populated.encode('utf-8')) - - -if __name__ == "__main__": - """ - Usage: python gen_matlab.py --jinja2 /path/to/jinja2/engine - --hdrparser /path/to/hdr_parser/dir - --rstparser /path/to/rst_parser/dir - --moduleroot /path/to/opencv/modules - --modules [core imgproc objdetect etc] - --extra namespace=/path/to/extra/header.hpp - --outdir /path/to/output/generated/srcs - - gen_matlab.py is the main control script for generating matlab source - files from given set of headers. Internally, gen_matlab: - 1. constructs the headers to parse from the module root and list of modules - 2. parses the headers using CppHeaderParser - 3. refactors the definitions using ParseTree - 4. parses .rst docs using RstParser - 5. populates the templates for classes, function, enums and docs from the - definitions - - gen_matlab.py requires the following inputs: - --jinja2 the path to the Jinja2 templating engine - e.g. ${CMAKE_SOURCE_DIR}/3rdparty - --hdrparser the path to the header parser directory - (opencv/modules/python/src2) - --rstparser the path to the rst parser directory - (opencv/modules/java/generator) - --moduleroot (optional) path to the opencv directory containing the modules - --modules (optional - required if --moduleroot specified) the modules - to produce bindings for. The path to the include directories - as well as the namespaces are constructed from the modules - and the moduleroot - --extra extra headers explicitly defined to parse. This must be in - the format "namepsace=/path/to/extra/header.hpp". For example, - the core module requires the extra header: - "core=/opencv/modules/core/include/opencv2/core/core/base.hpp" - --outdir the output directory to put the generated matlab sources. In - the OpenCV build this is "${CMAKE_CURRENT_BUILD_DIR}/src" - """ - - # parse the input options - from argparse import ArgumentParser - parser = ArgumentParser() - parser.add_argument('--jinja2') - parser.add_argument('--hdrparser') - parser.add_argument('--rstparser') - parser.add_argument('--moduleroot', default='', required=False) - parser.add_argument('--modules', nargs='*', default=[], required=False) - parser.add_argument('--extra', nargs='*', default=[], required=False) - parser.add_argument('--outdir') - args = parser.parse_args() - - # add the hdr_parser and rst_parser modules to the path - sys.path.append(args.jinja2) - sys.path.append(args.hdrparser) - sys.path.append(args.rstparser) - - # create the generator - mwg = MatlabWrapperGenerator() - mwg.gen(args.moduleroot, args.modules, args.extra, args.outdir) diff --git a/modules/matlab/generator/parse_tree.py b/modules/matlab/generator/parse_tree.py deleted file mode 100644 index a6a146a55f..0000000000 --- a/modules/matlab/generator/parse_tree.py +++ /dev/null @@ -1,359 +0,0 @@ -import collections -from textwrap import fill -from filters import * -try: - # Python 2.7+ - basestring -except NameError: - # Python 3.3+ - basestring = str - -class ParseTree(object): - """ - The ParseTree class produces a semantic tree of C++ definitions given - the output of the CppHeaderParser (from opencv/modules/python/src2/hdr_parser.py) - - The full hierarchy is as follows: - - Namespaces - | - |- name - |- Classes - | - |- name - |- Methods - |- Constants - |- Methods - | - |- name - |- static (T/F) - |- return type - |- required Arguments - | - |- name - |- const (T/F) - |- reference ('&'/'*') - |- type - |- input - |- output (pass return by reference) - |- default value - |- optional Arguments - |- Constants - | - |- name - |- const (T/F) - |- reference ('&'/'*') - |- type - |- value - - The semantic tree contains substantial information for easily introspecting - information about objects. How many methods does the 'core' namespace have? - Does the 'randn' method have any return by reference (output) arguments? - How many required and optional arguments does the 'add' method have? Is the - variable passed by reference or raw pointer? - - Individual definitions from the parse tree (Classes, Functions, Constants) - are passed to the Jinja2 template engine where they are manipulated to - produce Matlab mex sources. - - A common call tree for constructing and using a ParseTree object is: - - # parse a set of definitions into a dictionary of namespaces - parser = CppHeaderParser() - ns['core'] = parser.parse('path/to/opencv/core.hpp') - - # refactor into a semantic tree - parse_tree = ParseTree() - parse_tree.build(ns) - - # iterate over the tree - for namespace in parse_tree.namespaces: - for clss in namespace.classes: - # do stuff - for method in namespace.methods: - # do stuff - - Calling 'print' on a ParseTree object will reconstruct the definitions - to produce an output resembling the original C++ code. - """ - def __init__(self, namespaces=None): - self.namespaces = namespaces if namespaces else [] - - def __str__(self): - return '\n\n\n'.join(ns.__str__() for ns in self.namespaces) - - def build(self, namespaces): - babel = Translator() - for name, definitions in namespaces.items(): - class_tree = {} - methods = [] - constants = [] - for defn in definitions: - obj = babel.translate(defn) - if obj is None: - continue - if type(obj) is Class or obj.clss: - self.insertIntoClassTree(obj, class_tree) - elif type(obj) is Method: - methods.append(obj) - elif type(obj) is Constant: - constants.append(obj) - else: - raise TypeError('Unexpected object type: '+str(type(obj))) - self.namespaces.append(Namespace(name, constants, list(class_tree.values()), methods)) - - def insertIntoClassTree(self, obj, class_tree): - cname = obj.name if type(obj) is Class else obj.clss - if not cname: - return - if not cname in class_tree: - # add a new class to the tree - class_tree[cname] = Class(cname) - # insert the definition into the class - val = class_tree[cname] - if type(obj) is Method: - val.methods.append(obj) - elif type(obj) is Constant: - val.constants.append(obj) - else: - raise TypeError('Unexpected object type: '+str(type(obj))) - - - -class Translator(object): - """ - The Translator class does the heavy lifting of translating the nested - list representation of the hdr_parser into individual definitions that - are inserted into the ParseTree. - Translator consists of a top-level method: translate() - along with a number of helper methods: translateClass(), translateMethod(), - translateArgument(), translateConstant(), translateName(), and - translateClassName() - """ - def translate(self, defn): - # --- class --- - # classes have 'class' prefixed on their name - if 'class' in defn[0].split(' ') or 'struct' in defn[0].split(' '): - return self.translateClass(defn) - # --- operators! --- - #TODO: implement operators: http://www.mathworks.com.au/help/matlab/matlab_oop/implementing-operators-for-your-class.html - if 'operator' in defn[0]: - return - # --- constant --- - elif convertibleToInt(defn[1]): - return self.translateConstant(defn) - # --- function --- - # functions either need to have input arguments, or not uppercase names - elif defn[3] or not self.translateName(defn[0]).split('_')[0].isupper(): - return self.translateMethod(defn) - # --- constant --- - else: - return self.translateConstant(defn) - - def translateClass(self, defn): - return Class() - - def translateMethod(self, defn, class_tree=None): - name = self.translateName(defn[0]) - clss = self.translateClassName(defn[0]) - rtp = defn[1] - static = True if 'S' in ''.join(defn[2]) else False - args = defn[3] - req = [] - opt = [] - for arg in args: - if arg: - a = self.translateArgument(arg) - opt.append(a) if a.default else req.append(a) - return Method(name, clss, static, '', rtp, False, req, opt) - - def translateConstant(self, defn): - const = True if 'const' in defn[0] else False - name = self.translateName(defn[0]) - clss = self.translateClassName(defn[0]) - tp = 'int' - val = defn[1] - return Constant(name, clss, tp, const, '', val) - - def translateArgument(self, defn): - ref = '*' if '*' in defn[0] else '' - ref = '&' if '&' in defn[0] else ref - const = ' const ' in ' '+defn[0]+' ' - tp = " ".join([word for word in defn[0].replace(ref, '').split() if not ' const ' in ' '+word+' ']) - name = defn[1] - default = defn[2] if defn[2] else '' - modifiers = ''.join(defn[3]) - I = True if not modifiers or 'I' in modifiers else False - O = True if 'O' in modifiers else False - return Argument(name, tp, const, I, O, ref, default) - - def translateName(self, name): - return name.split(' ')[-1].split('.')[-1] - - def translateClassName(self, name): - name = name.split(' ')[-1] - parts = name.split('.') - return parts[-2] if len(parts) > 1 and not parts[-2] == 'cv' else '' - - - -class Namespace(object): - """ - Namespace - | - |- name - |- Constants - |- Methods - |- Constants - """ - def __init__(self, name='', constants=None, classes=None, methods=None): - self.name = name - self.constants = constants if constants else [] - self.classes = classes if classes else [] - self.methods = methods if methods else [] - - def __str__(self): - return 'namespace '+self.name+' {\n\n'+\ - ('\n'.join(c.__str__() for c in self.constants)+'\n\n' if self.constants else '')+\ - ('\n'.join(f.__str__() for f in self.methods)+'\n\n' if self.methods else '')+\ - ('\n\n'.join(o.__str__() for o in self.classes) if self.classes else '')+'\n};' - -class Class(object): - """ - Class - | - |- name - |- Methods - |- Constants - """ - def __init__(self, name='', namespace='', constants=None, methods=None): - self.name = name - self.namespace = namespace - self.constants = constants if constants else [] - self.methods = methods if methods else [] - - def __str__(self): - return 'class '+self.name+' {\n\t'+\ - ('\n\t'.join(c.__str__() for c in self.constants)+'\n\n\t' if self.constants else '')+\ - ('\n\t'.join(f.__str__() for f in self.methods) if self.methods else '')+'\n};' - -class Method(object): - """ - Method - int VideoWriter::read( cv::Mat& frame, const cv::Mat& mask=cv::Mat() ); - --- ----- ---- -------- ---------------- - rtp class name required optional - - name the method name - clss the class the method belongs to ('' if free) - static static? - namespace the namespace the method belongs to ('' if free) - rtp the return type - const const? - req list of required arguments - opt list of optional arguments - """ - def __init__(self, name='', clss='', static=False, namespace='', rtp='', const=False, req=None, opt=None): - self.name = name - self.clss = clss - self.constructor = True if name == clss else False - self.static = static - self.const = const - self.namespace = namespace - self.rtp = rtp - self.req = req if req else [] - self.opt = opt if opt else [] - - def __str__(self): - return (self.rtp+' ' if self.rtp else '')+self.name+'('+\ - ', '.join(arg.__str__() for arg in self.req+self.opt)+\ - ')'+(' const' if self.const else '')+';' - -class Argument(object): - """ - Argument - const cv::Mat& mask=cv::Mat() - ----- ---- --- ---- ------- - const tp ref name default - - name the argument name - tp the argument type - const const? - I is the argument treated as an input? - O is the argument treated as an output (return by reference) - ref is the argument passed by reference? ('*'/'&') - default the default value of the argument ('' if required) - """ - def __init__(self, name='', tp='', const=False, I=True, O=False, ref='', default=''): - self.name = name - self.tp = tp - self.ref = ref - self.I = I - self.O = O - self.const = const - self.default = default - - def __str__(self): - return ('const ' if self.const else '')+self.tp+self.ref+\ - ' '+self.name+('='+self.default if self.default else '') - -class Constant(object): - """ - Constant - DFT_COMPLEX_OUTPUT = 12; - ---- ------- - name default - - name the name of the constant - clss the class that the constant belongs to ('' if free) - tp the type of the constant ('' if int) - const const? - ref is the constant a reference? ('*'/'&') - default default value, required for constants - """ - def __init__(self, name='', clss='', tp='', const=False, ref='', default=''): - self.name = name - self.clss = clss - self.tp = tp - self.ref = ref - self.const = const - self.default = default - - def __str__(self): - return ('const ' if self.const else '')+self.tp+self.ref+\ - ' '+self.name+('='+self.default if self.default else '')+';' - -def constants(tree): - """ - recursive generator to strip all Constant objects from the ParseTree - and place them into a flat dictionary of { name, value (default) } - """ - if isinstance(tree, dict) and 'constants' in tree and isinstance(tree['constants'], list): - for node in tree['constants']: - yield (node['name'], node['default']) - if isinstance(tree, dict): - for key, val in tree.items(): - for gen in constants(val): - yield gen - if isinstance(tree, list): - for val in tree: - for gen in constants(val): - yield gen - - -def todict(obj): - """ - Recursively convert a Python object graph to sequences (lists) - and mappings (dicts) of primitives (bool, int, float, string, ...) - """ - if isinstance(obj, basestring): - return obj - elif isinstance(obj, dict): - return dict((key, todict(val)) for key, val in obj.items()) - elif isinstance(obj, collections.Iterable): - return [todict(val) for val in obj] - elif hasattr(obj, '__dict__'): - return todict(vars(obj)) - elif hasattr(obj, '__slots__'): - return todict(dict((name, getattr(obj, name)) for name in getattr(obj, '__slots__'))) - return obj diff --git a/modules/matlab/generator/templates/functional.cpp b/modules/matlab/generator/templates/functional.cpp deleted file mode 100644 index b019a13003..0000000000 --- a/modules/matlab/generator/templates/functional.cpp +++ /dev/null @@ -1,149 +0,0 @@ -/* - * compose - * compose a function call - * This macro takes as input a Method object and composes - * a function call by inspecting the types and argument names - */ -{% macro compose(fun) %} - {# ----------- Return type ------------- #} - {%- if not fun.rtp|void and not fun.constructor -%} retval = {% endif -%} - {%- if fun.constructor -%}{{fun.clss}} obj = {% endif -%} - {%- if fun.clss and not fun.constructor -%}inst.{%- else -%} cv:: {%- endif -%} - {{fun.name}}( - {#- ----------- Required ------------- -#} - {%- for arg in fun.req -%} - {%- if arg.ref == '*' -%}&{%- endif -%} - {{arg.name}} - {%- if not loop.last %}, {% endif %} - {% endfor %} - {#- ----------- Optional ------------- -#} - {% if fun.req and fun.opt %}, {% endif %} - {%- for opt in fun.opt -%} - {%- if opt.ref == '*' -%}&{%- endif -%} - {{opt.name}} - {%- if not loop.last -%}, {% endif %} - {%- endfor -%} - ); -{%- endmacro %} - - -/* - * composeMatlab - * compose a Matlab function call - * This macro takes as input a Method object and composes - * a Matlab function call by inspecting the types and argument names - */ -{% macro composeMatlab(fun) %} - {# ----------- Return type ------------- #} - {%- if fun|noutputs > 1 -%}[{% endif -%} - {%- if not fun.rtp|void -%}LVALUE{% endif -%} - {%- if not fun.rtp|void and fun|noutputs > 1 -%},{% endif -%} - {# ------------- Outputs ------------- -#} - {%- for arg in fun.req|outputs + fun.opt|outputs -%} - {{arg.name}} - {%- if arg.I -%}_out{%- endif -%} - {%- if not loop.last %}, {% endif %} - {% endfor %} - {%- if fun|noutputs > 1 -%}]{% endif -%} - {%- if fun|noutputs %} = {% endif -%} - cv.{{fun.name}}( - {#- ------------ Inputs -------------- -#} - {%- for arg in fun.req|inputs + fun.opt|inputs -%} - {{arg.name}} - {%- if arg.O -%}_in{%- endif -%} - {%- if not loop.last %}, {% endif -%} - {% endfor -%} - ); -{%- endmacro %} - - -/* - * composeVariant - * compose a variant call for the ArgumentParser - */ -{% macro composeVariant(fun) %} -addVariant("{{ fun.name }}", {{ fun.req|inputs|length }}, {{ fun.opt|inputs|length }} -{%- if fun.opt|inputs|length %}, {% endif -%} -{%- for arg in fun.opt|inputs -%} - "{{arg.name}}" - {%- if not loop.last %}, {% endif -%} -{% endfor -%} -) -{%- endmacro %} - - -/* - * composeWithExceptionHandler - * compose a function call wrapped in exception traps - * This macro takes an input a Method object and composes a function - * call through the compose() macro, then wraps the return in traps - * for cv::Exceptions, std::exceptions, and all generic exceptions - * and returns a useful error message to the Matlab interpreter - */ -{%- macro composeWithExceptionHandler(fun) -%} - // call the opencv function - // [out =] namespace.fun(src1, ..., srcn, dst1, ..., dstn, opt1, ..., optn); - try { - {{ compose(fun) }} - } catch(cv::Exception& e) { - error(std::string("cv::exception caught: ").append(e.what()).c_str()); - } catch(std::exception& e) { - error(std::string("std::exception caught: ").append(e.what()).c_str()); - } catch(...) { - error("Uncaught exception occurred in {{fun.name}}"); - } -{%- endmacro %} - - -/* - * handleInputs - * unpack input arguments from the Bridge - * Given an input Bridge object, this unpacks the object from the Bridge and - * casts them into the correct type - */ -{%- macro handleInputs(fun) %} - - {% if fun|ninputs or (fun|noutputs and not fun.constructor) %} - // unpack the arguments - {# ----------- Inputs ------------- #} - {% for arg in fun.req|inputs %} - {{arg.tp}} {{arg.name}} = inputs[{{ loop.index0 }}].to{{arg.tp|toUpperCamelCase}}(); - {% endfor %} - {% for opt in fun.opt|inputs %} - {{opt.tp}} {{opt.name}} = inputs[{{loop.index0 + fun.req|inputs|length}}].empty() ? ({{opt.tp}}) {% if opt.ref == '*' -%} {{opt.tp}}() {%- else -%} {{opt.default}} {%- endif %} : inputs[{{loop.index0 + fun.req|inputs|length}}].to{{opt.tp|toUpperCamelCase}}(); - {% endfor %} - {# ----------- Outputs ------------ #} - {% for arg in fun.req|only|outputs %} - {{arg.tp}} {{arg.name}}; - {% endfor %} - {% for opt in fun.opt|only|outputs %} - {{opt.tp}} {{opt.name}}; - {% endfor %} - {% if not fun.rtp|void and not fun.constructor %} - {{fun.rtp}} retval; - {% endif %} - {% endif %} - -{%- endmacro %} - -/* - * handleOutputs - * pack outputs into the bridge - * Given a set of outputs, this methods assigns them into the bridge for - * return to the calling method - */ -{%- macro handleOutputs(fun) %} - - {% if fun|noutputs %} - // assign the outputs into the bridge - {% if not fun.rtp|void and not fun.constructor %} - outputs[0] = retval; - {% endif %} - {% for arg in fun.req|outputs %} - outputs[{{loop.index0 + fun.rtp|void|not}}] = {{arg.name}}; - {% endfor %} - {% for opt in fun.opt|outputs %} - outputs[{{loop.index0 + fun.rtp|void|not + fun.req|outputs|length}}] = {{opt.name}}; - {% endfor %} - {% endif %} -{%- endmacro %} diff --git a/modules/matlab/generator/templates/template_build_info.m b/modules/matlab/generator/templates/template_build_info.m deleted file mode 100644 index 8af0a34208..0000000000 --- a/modules/matlab/generator/templates/template_build_info.m +++ /dev/null @@ -1,41 +0,0 @@ -function buildInformation() -%CV.BUILDINFORMATION display OpenCV Toolbox build information -% -% Call CV.BUILDINFORMATION() to get a printout of diagonstic information -% pertaining to your particular build of the OpenCV Toolbox. If you ever -% run into issues with the Toolbox, it is useful to submit this -% information alongside a bug report to the OpenCV team. -% -% Copyright {{ time.strftime("%Y", time.localtime()) }} The OpenCV Foundation -% -info = { -' ------------------------------------------------------------------------' -' OpenCV Toolbox' -' Build and diagnostic information' -' ------------------------------------------------------------------------' -'' -' Platform' -' OS: {{ build.os }}' -' Architecture: {{ build.arch[0] }}-bit {{ build.arch[1] }}' -' Compiler: {{ build.compiler | csv(' ') }}' -'' -' Matlab' -[' Version: ' version()] -[' Mex extension: ' mexext()] -' Architecture: {{ build.mex_arch }}' -' Mex path: {{ build.mex_script }}' -' Mex flags: {{ build.mex_opts | csv(' ') }}' -' CXX flags: {{ build.cxx_flags | csv(' ') | stripExtraSpaces | wordwrap(60, True, '\'\n\' ') }}' -'' -' OpenCV' -' Version: {{ build.opencv_version }}' -' Commit: {{ build.commit }}' -' Configuration: {{ build.configuration }}' -' Modules: {{ build.modules | csv | wordwrap(60, True, '\'\n\' ') }}' -'' -}; - -info = cellfun(@(x) [x '\n'], info, 'UniformOutput', false); -info = horzcat(info{:}); -fprintf(info); -end diff --git a/modules/matlab/generator/templates/template_class_base.cpp b/modules/matlab/generator/templates/template_class_base.cpp deleted file mode 100644 index 09e0a08702..0000000000 --- a/modules/matlab/generator/templates/template_class_base.cpp +++ /dev/null @@ -1,98 +0,0 @@ -{% import 'functional.cpp' as functional %} -/* - * file: {{clss.name}}Bridge.cpp - * author: A trusty code generator - * date: {{time.strftime("%a, %d %b %Y %H:%M:%S", time.localtime())}} - * - * This file was autogenerated, do not modify. - * See LICENSE for full modification and redistribution details. - * Copyright {{time.strftime("%Y", time.localtime())}} The OpenCV Foundation - */ -#include -#include -#include -#include -#include -#include -using namespace cv; -using namespace matlab; -using namespace bridge; - -namespace { - -typedef std::vector (*)({{clss.name}}&, const std::vector&) MethodSignature; - -{% for function in clss.methods %} - -{% if function.constructor %} -// wrapper for {{function.name}}() constructor -{{ function.clss }} {{function.name}}(const std::vector& inputs) { - {{ functional.handleInputs(function) }} - {{ functional.compose(function) }} - return obj; -} -{% else %} -// wrapper for {{function.name}}() method -std::vector {{function.name}}({{clss.name}}& inst, const std::vector& inputs) { - std::vector outputs{% if function|noutputs %}({{function|noutputs}}){% endif %}; - {{ functional.handleInputs(function) }} - {{ functional.composeWithExceptionHandler(function) }} - {{ functional.handleOutputs(function) }} - return outputs; -} -{% endif %} -{% endfor %} - -Map createMethodMap() { - Map m; - {% for function in clss.methods %} - m["{{function.name}}"] = &{{function.name}}; - {% endfor %} - - return m; -} -static const Map methods = createMethodMap(); - -// map of created {{clss.name}} instances. Don't trust the user to keep them safe... -static Map instances; - -/* - * {{ clss.name }} - * Gateway routine - * nlhs - number of return arguments - * plhs - pointers to return arguments - * nrhs - number of input arguments - * prhs - pointers to input arguments - */ -void mexFunction(int nlhs, mxArray* plhs[], - int nrhs, const mxArray* prhs[]) { - - // parse the inputs - Bridge method_name(prhs[0]); - - Bridge handle(prhs[1]); - std::vector brhs(prhs+2, prhs+nrhs); - - // retrieve the instance of interest - try { - {{clss.name}}& inst = instances.at(handle.address()); - } catch (const std::out_of_range& e) { - mexErrMsgTxt("Invalid object instance provided"); - } - - // invoke the correct method on the data - try { - std::vector blhs = (*methods.at(method_name))(inst, brhs); - } catch (const std::out_of_range& e) { - mexErrMsgTxt("Unknown method specified"); - } - - {% block postfun %} - {% endblock %} - - {% block cleanup %} - {% endblock %} - -} - -} // end namespace diff --git a/modules/matlab/generator/templates/template_class_base.m b/modules/matlab/generator/templates/template_class_base.m deleted file mode 100644 index a199b292a4..0000000000 --- a/modules/matlab/generator/templates/template_class_base.m +++ /dev/null @@ -1,31 +0,0 @@ -% {{clss.name | upper}} -% Matlab handle class for OpenCV object classes -% -% This file was autogenerated, do not modify. -% See LICENSE for full modification and redistribution details. -% Copyright {{time.strftime("%Y", time.localtime())}} The OpenCV Foundation -classdef {{clss.name}} < handle - properties (SetAccess = private, Hidden = true) - ptr_ = 0; % handle to the underlying c++ clss instance - end - - methods - % constructor - function this = {{clss.name}}(varargin) - this.ptr_ = {{clss.name}}Bridge('new', varargin{:}); - end - - % destructor - function delete(this) - {{clss.name}}Bridge(this.ptr_, 'delete'); - end - - {% for function in clss.functions %} - % {{function.__str__()}} - function varargout = {{function.name}}(this, varargin) - [varargout{1:nargout}] = {{clss.name}}Bridge('{{function.name}}', this.ptr_, varargin{:}); - end - - {% endfor %} - end -end diff --git a/modules/matlab/generator/templates/template_cvmex_base.m b/modules/matlab/generator/templates/template_cvmex_base.m deleted file mode 100644 index 7afaa2b997..0000000000 --- a/modules/matlab/generator/templates/template_cvmex_base.m +++ /dev/null @@ -1,46 +0,0 @@ -function mex(varargin) -%CV.MEX compile MEX-function with OpenCV linkages -% -% Usage: -% CV.MEX [options ...] file [file file ...] -% -% Description: -% CV.MEX compiles one or more C/C++ source files into a shared-library -% called a mex-file. This function is equivalent to the builtin MEX -% routine, with the notable exception that it automatically resolves -% OpenCV includes, and links in the OpenCV libraries where appropriate. -% It also forwards the flags used to build OpenCV, so architecture- -% specific optimizations can be used. -% -% CV.MEX is designed to be used in situations where the source(s) you -% are compiling contain OpenCV definitions. In such cases, it streamlines -% the finding and including of appropriate OpenCV libraries. -% -% See also: mex -% -% Copyright {{ time.strftime("%Y", time.localtime()) }} The OpenCV Foundation -% - - % forward the OpenCV build flags (C++ only) - EXTRA_FLAGS = ['"CXXFLAGS="\$CXXFLAGS '... - '{{ cv.flags | trim | wordwrap(60, false, '\'...\n \'') }}""']; - - % add the OpenCV include dirs - INCLUDE_DIRS = {{ cv.include_dirs | split | cellarray | wordwrap(60, false, '...\n ') }}; - - % add the lib dir (singular in both build tree and install tree) - LIB_DIR = '{{ cv.lib_dir }}'; - - % add the OpenCV libs. Only the used libs will actually be linked - LIBS = {{ cv.libs | split | cellarray | wordwrap(60, false, '...\n ') }}; - - % add the mex opts (usually at least -largeArrayDims) - OPTS = {{ cv.opts | split | cellarray | wordwrap(60, false, '...\n ') }}; - - % merge all of the default options (EXTRA_FLAGS, LIBS, etc) and the options - % and files passed by the user (varargin) into a single cell array - merged = [ {EXTRA_FLAGS}, INCLUDE_DIRS, {LIB_DIR}, LIBS, OPTS, varargin ]; - - % expand the merged argument list into the builtin mex utility - mex(merged{:}); -end diff --git a/modules/matlab/generator/templates/template_doc_base.m b/modules/matlab/generator/templates/template_doc_base.m deleted file mode 100644 index 3b1f641bfb..0000000000 --- a/modules/matlab/generator/templates/template_doc_base.m +++ /dev/null @@ -1,62 +0,0 @@ -{% import 'functional.cpp' as functional %} -{{ ('CV.' + fun.name | upper + ' ' + doc.brief | stripTags) | comment(75, '%') | matlabURL }} -% -% {{ functional.composeMatlab(fun) | upper }} -{% if doc.long %} -{{ doc.long | stripTags | qualify(fun.name) | comment(75, '% ') | matlabURL }} -{% endif %} -% -{# ----------------------- Returns --------------------- #} -{% if fun.rtp|void|not or fun.req|outputs|length or fun.opt|outputs|length %} -% Returns: -{% if fun.rtp|void|not %} -% LVALUE -{% endif %} -{% for arg in fun.req|outputs + fun.opt|outputs %} -{% set uname = arg.name | upper + ('_OUT' if arg.I else '') %} -{% if arg.name in doc.params %} -{{ (uname + ' ' + doc.params[arg.name]) | stripTags | comment(75, '% ') }} -{% else %} -{{ uname }} -{% endif %} -{% endfor %} -% -{% endif %} -{# ----------------- Required Inputs ------------------- #} -{% if fun.req|inputs|length %} -% Required Inputs: -{% for arg in fun.req|inputs %} -{% set uname = arg.name | upper + ('_IN' if arg.O else '') %} -{% if arg.name in doc.params %} -{{ (uname + ' ' + doc.params[arg.name]) | stripTags | comment(75, '% ') }} -{% else %} -{% endif %} -{% endfor %} -% -{% endif %} -{# ------------------ Optional Inputs ------------------- #} -{% if fun.opt|inputs|length %} -% Optional Inputs: -{% for arg in fun.opt|inputs %} -{% set uname = arg.name | upper + ('_IN' if arg.O else '') + ' (default: ' + arg.default + ')' %} -{% if arg.name in doc.params %} -{{ (uname + ' ' + doc.params[arg.name]) | stripTags | comment(75, '% ') }} -{% else %} -{{ uname }} -{% endif %} -{% endfor %} -% -{% endif %} -{# ---------------------- See also --------------------- #} -{% if 'seealso' in doc %} -% See also: {% for item in doc['seealso'] %} -cv.{{ item }}{% if not loop.last %}, {% endif %} -{% endfor %} - -% -{% endif %} -{# ----------------------- Online ---------------------- #} -{% set url = 'http://docs.opencv.org/modules/' + doc.module + '/doc/' + (doc.file|filename) + '.html#' + (fun.name|slugify) %} -% Online docs: {{ url | matlabURL }} -% Copyright {{ time.strftime("%Y", time.localtime()) }} The OpenCV Foundation -% diff --git a/modules/matlab/generator/templates/template_function_base.cpp b/modules/matlab/generator/templates/template_function_base.cpp deleted file mode 100644 index 9d12ac2d7e..0000000000 --- a/modules/matlab/generator/templates/template_function_base.cpp +++ /dev/null @@ -1,60 +0,0 @@ -{% import 'functional.cpp' as functional %} -/* - * file: {{fun.name}}.cpp - * author: A trusty code generator - * date: {{time.strftime("%a, %d %b %Y %H:%M:%S", time.localtime())}} - * - * This file was autogenerated, do not modify. - * See LICENSE for full modification and redistribution details. - * Copyright {{time.strftime("%Y", time.localtime())}} The OpenCV Foundation - */ -#include -#include -#include -#include -#include -#include -using namespace cv; -using namespace matlab; -using namespace bridge; - -/* - * {{ fun.name }} - * {{ fun }} - * Gateway routine - * nlhs - number of return arguments - * plhs - pointers to return arguments - * nrhs - number of input arguments - * prhs - pointers to input arguments - */ -void mexFunction(int nlhs, mxArray*{% if fun|noutputs %} plhs[]{% else %}*{% endif %}, - int nrhs, const mxArray*{% if fun|ninputs %} prhs[]{% else %}*{% endif %}) { - - {% if fun|ninputs %} - // parse the inputs - ArgumentParser parser("{{fun.name}}"); - parser.{{ functional.composeVariant(fun) }}; - MxArrayVector sorted = parser.parse(MxArrayVector(prhs, prhs+nrhs)); - {% endif %} - - {% if fun|ninputs or fun|noutputs %} - // setup - {% if fun|ninputs %} - BridgeVector inputs(sorted.begin(), sorted.end()); - {% endif -%} - {%- if fun|noutputs %} - BridgeVector outputs({{fun|noutputs}}); - {% endif %} - {% endif %} - - {{ functional.handleInputs(fun) }} - {{ functional.composeWithExceptionHandler(fun) }} - {{ functional.handleOutputs(fun) }} - - {% if fun|noutputs %} - // push the outputs back to matlab - for (size_t n = 0; n < static_cast(std::max(nlhs,1)); ++n) { - plhs[n] = outputs[n].toMxArray().releaseOwnership(); - } - {% endif %} -} diff --git a/modules/matlab/generator/templates/template_map_base.m b/modules/matlab/generator/templates/template_map_base.m deleted file mode 100644 index 8c653a4854..0000000000 --- a/modules/matlab/generator/templates/template_map_base.m +++ /dev/null @@ -1,71 +0,0 @@ -% ------------------------------------------------------------------------ -% OpenCV Toolbox -% Matlab bindings for the OpenCV library -% ------------------------------------------------------------------------ -% -% The OpenCV Toolbox allows you to make calls to native OpenCV methods -% and classes directly from within Matlab. -% -% PATHS -% To call OpenCV methods from anywhere in your workspace, add the -% directory containing this file to the path: -% -% addpath(fileparts(which('cv'))); -% -% The OpenCV Toolbox contains two important locations: -% cv.m - This file, containing OpenCV enums -% +cv/ - The directory containing the OpenCV methods and classes -% -% CALLING SYNTAX -% To call an OpenCV method, class or enum, it must be prefixed with the -% 'cv' qualifier. For example: -% -% % perform a Fourier transform -% Xf = cv.dft(X, cv.DFT_COMPLEX_OUTPUT); -% -% % create a VideoCapture object, and open a file -% camera = cv.VideoCapture(); -% camera.open('/path/to/file'); -% -% You can specify optional arguments by name, similar to how python -% and many builtin Matlab functions work. For example, the cv.dft -% method used above has an optional 'nonzeroRows' argument. If -% you want to specify that, but keep the default 'flags' behaviour, -% simply call the method as: -% -% Xf = cv.dft(X, 'nonzeroRows', 7); -% -% HELP -% Each method has its own help file containing information about the -% arguments, return values, and what operation the method performs. -% You can access this help information by typing: -% -% help cv.methodName -% -% The full list of methods can be found by inspecting the +cv/ -% directory. Note that the methods available to you will depend -% on which modules you configured OpenCV to build. -% -% DIAGNOSTICS -% If you are having problems with the OpenCV Toolbox and need to send a -% bug report to the OpenCV team, you can get a printout of diagnostic -% information to submit along with your report by typing: -% -% cv.buildInformation(); -% -% OTHER RESOURCES -% OpenCV documentation online: http://docs.opencv.org -% OpenCV issue tracker: http://code.opencv.org -% OpenCV Q&A: http://answers.opencv.org -% -% See also: cv.help, cv.buildInformation -% -% Copyright {{ time.strftime("%Y", time.localtime()) }} The OpenCV Foundation -% -classdef cv - properties (Constant = true) - {% for key, val in constants.items() %} - {{key}} = {{val|formatMatlabConstant(constants)}}; - {% endfor %} - end -end diff --git a/modules/matlab/include/opencv2/matlab/bridge.hpp b/modules/matlab/include/opencv2/matlab/bridge.hpp deleted file mode 100644 index a98c06a824..0000000000 --- a/modules/matlab/include/opencv2/matlab/bridge.hpp +++ /dev/null @@ -1,616 +0,0 @@ -//////////////////////////////////////////////////////////////////////////////// -// -// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. -// -// By downloading, copying, installing or using the software you agree to this -// license. If you do not agree to this license, do not download, install, -// copy or use the software. -// -// -// License Agreement -// For Open Source Computer Vision Library -// -// Copyright (C) 2013, OpenCV Foundation, all rights reserved. -// Third party copyrights are property of their respective owners. -// -// Redistribution and use in source and binary forms, with or without -// modification, are permitted provided that the following conditions are met: -// -// * Redistribution's of source code must retain the above copyright notice, -// this list of conditions and the following disclaimer. -// -// * Redistribution's in binary form must reproduce the above copyright notice, -// this list of conditions and the following disclaimer in the documentation -// and/or other materials provided with the distribution. -// -// * The name of the copyright holders may not be used to endorse or promote -// products derived from this software without specific prior written -// permission. -// -// This software is provided by the copyright holders and contributors "as is" -// and any express or implied warranties, including, but not limited to, the -// implied warranties of merchantability and fitness for a particular purpose -// are disclaimed. In no event shall the Intel Corporation or contributors be -// liable for any direct, indirect, incidental, special, exemplary, or -// consequential damages (including, but not limited to, procurement of -// substitute goods or services; loss of use, data, or profits; or business -// interruption) however caused and on any theory of liability, whether in -// contract, strict liability, or tort (including negligence or otherwise) -// arising in any way out of the use of this software, even if advised of the -// possibility of such damage. -// -//////////////////////////////////////////////////////////////////////////////// -#ifndef OPENCV_BRIDGE_HPP_ -#define OPENCV_BRIDGE_HPP_ - -#include "mxarray.hpp" -#include -#include -#include -#include -#include -#include -#include - -namespace cv { -namespace bridge { - -/* - * Custom typedefs - * Parsed names from the hdr_parser - */ -typedef std::vector vector_Mat; -typedef std::vector vector_Point; -typedef std::vector vector_int; -typedef std::vector vector_float; -typedef std::vector vector_String; -typedef std::vector vector_uchar; -typedef std::vector > vector_vector_char; -typedef std::vector > vector_vector_DMatch; -typedef std::vector vector_Rect; -typedef std::vector vector_KeyPoint; -typedef cv::Ptr Ptr_StereoBM; -typedef cv::Ptr Ptr_StereoSGBM; -typedef cv::Ptr Ptr_FeatureDetector; -typedef cv::Ptr Ptr_CLAHE; -typedef cv::Ptr Ptr_LineSegmentDetector; -typedef cv::Ptr Ptr_AlignMTB; -typedef cv::Ptr Ptr_CalibrateDebevec; -typedef cv::Ptr Ptr_CalibrateRobertson; -typedef cv::Ptr Ptr_DenseOpticalFlow; -typedef cv::Ptr Ptr_MergeDebevec; -typedef cv::Ptr Ptr_MergeMertens; -typedef cv::Ptr Ptr_MergeRobertson; -typedef cv::Ptr Ptr_Tonemap; -typedef cv::Ptr Ptr_TonemapDrago; -typedef cv::Ptr Ptr_TonemapDurand; -typedef cv::Ptr Ptr_TonemapMantiuk; -typedef cv::Ptr Ptr_TonemapReinhard; - - -// ---------------------------------------------------------------------------- -// PREDECLARATIONS -// ---------------------------------------------------------------------------- -class Bridge; -typedef std::vector BridgeVector; - -template -void deepCopyAndTranspose(const cv::Mat& src, matlab::MxArray& dst); - -template -void deepCopyAndTranspose(const matlab::MxArray& src, cv::Mat& dst); - - - - -// ---------------------------------------------------------------------------- -// BRIDGE -// ---------------------------------------------------------------------------- - -/*! - * @class Bridge - * @brief Type conversion class for converting OpenCV and native C++ types - * - * Bridge provides an interface for converting between OpenCV/C++ types - * to Matlab's mxArray format. - * - * Each type conversion requires three operators: - * // conversion from ObjectType --> Bridge - * Bridge& operator=(const ObjectType&); - * // implicit conversion from Bridge --> ObjectType - * operator ObjectType(); - * // explicit conversion from Bridge --> ObjectType - * ObjectType toObjectType(); - * - * The bridging class provides common conversions between OpenCV types, - * std and stl types to Matlab's mxArray format. By inheriting Bridge, - * you can add your own custom type conversions. - * - * Because Matlab uses a homogeneous storage type, all operations are provided - * relative to Matlab's type. That is, Bridge always stores an matlab::MxArray object - * and converts to and from other object types on demand. - * - * NOTE: for the explicit conversion function, the object name must be - * in UpperCamelCase, for example: - * int --> toInt - * my_object --> MyObject - * my_Object --> MyObject - * myObject --> MyObject - * this is because the binding generator standardises the calling syntax. - * - * Bridge attempts to make as few assumptions as possible, however in - * some cases where 1-to-1 mappings don't exist, some assumptions are necessary. - * In particular: - * - conversion from of a 2-channel Mat to an mxArray will result in a complex - * output - * - conversion from multi-channel interleaved Mats will result in - * multichannel planar mxArrays - * - */ -class Bridge { -private: - matlab::MxArray ptr_; -public: - // bridges are default constructible - Bridge() {} - virtual ~Bridge() {} - - // -------------------------------------------------------------------------- - // Bridge Properties - // -------------------------------------------------------------------------- - bool empty() const { return ptr_.empty(); } - - /*! @brief unpack an object from Matlab into C++ - * - * this function checks whether the given bridge is derived from an - * object in Matlab. If so, it converts it to a (platform dependent) - * pointer to the underlying C++ object. - * - * NOTE! This function assumes that the C++ pointer is stored in inst_ - */ - template - Object* getObjectByName(const std::string& name) { - // check that the object is actually of correct type before unpacking - // TODO: Traverse class hierarchy? - if (!ptr_.isClass(name)) { - matlab::error(std::string("Expected class ").append(std::string(name)) - .append(" but was given ").append(ptr_.className())); - } - // get the instance field - matlab::MxArray inst = ptr_.field("inst_"); - Object* obj = NULL; - // make sure the pointer is the correct size for the system - if (sizeof(void *) == 8 && inst.ID() == mxUINT64_CLASS) { - // 64-bit pointers - // TODO: Do we REALLY REALLY need to reinterpret_cast? - obj = reinterpret_cast(inst.scalar()); - } else if (sizeof(void *) == 4 && inst.ID() == mxUINT32_CLASS) { - // 32-bit pointers - obj = reinterpret_cast(inst.scalar()); - } else { - matlab::error("Incorrect pointer type stored for architecture"); - } - - // finally check if the object is NULL - matlab::conditionalError(obj, std::string("Object ").append(std::string(name)).append(std::string(" is NULL"))); - return obj; - } - - - // -------------------------------------------------------------------------- - // MATLAB TYPES - // -------------------------------------------------------------------------- - Bridge& operator=(const mxArray* obj) { ptr_ = obj; return *this; } - Bridge& operator=(const matlab::MxArray& obj) { ptr_ = obj; return *this; } - Bridge(const matlab::MxArray& obj) : ptr_(obj) {} - Bridge(const mxArray* obj) : ptr_(obj) {} - matlab::MxArray toMxArray() { return ptr_; } - - - // -------------------------------------------------------------------------- - // MATRIX CONVERSIONS - // -------------------------------------------------------------------------- - Bridge& operator=(const cv::Mat& mat); - cv::Mat toMat() const; - operator cv::Mat() const { return toMat(); } - - template - static matlab::MxArray FromMat(const cv::Mat& mat) { - matlab::MxArray arr(mat.rows, mat.cols, mat.channels(), matlab::Traits::ScalarType); - switch (mat.depth()) { - case CV_8U: deepCopyAndTranspose(mat, arr); break; - case CV_8S: deepCopyAndTranspose(mat, arr); break; - case CV_16U: deepCopyAndTranspose(mat, arr); break; - case CV_16S: deepCopyAndTranspose(mat, arr); break; - case CV_32S: deepCopyAndTranspose(mat, arr); break; - case CV_32F: deepCopyAndTranspose(mat, arr); break; - case CV_64F: deepCopyAndTranspose(mat, arr); break; - default: matlab::error("Attempted to convert from unknown class"); - } - return arr; - } - - template - cv::Mat toMat() const { - cv::Mat mat(ptr_.rows(), ptr_.cols(), CV_MAKETYPE(cv::DataType::type, ptr_.channels())); - switch (ptr_.ID()) { - case mxINT8_CLASS: deepCopyAndTranspose(ptr_, mat); break; - case mxUINT8_CLASS: deepCopyAndTranspose(ptr_, mat); break; - case mxINT16_CLASS: deepCopyAndTranspose(ptr_, mat); break; - case mxUINT16_CLASS: deepCopyAndTranspose(ptr_, mat); break; - case mxINT32_CLASS: deepCopyAndTranspose(ptr_, mat); break; - case mxUINT32_CLASS: deepCopyAndTranspose(ptr_, mat); break; - case mxINT64_CLASS: deepCopyAndTranspose(ptr_, mat); break; - case mxUINT64_CLASS: deepCopyAndTranspose(ptr_, mat); break; - case mxSINGLE_CLASS: deepCopyAndTranspose(ptr_, mat); break; - case mxDOUBLE_CLASS: deepCopyAndTranspose(ptr_, mat); break; - case mxCHAR_CLASS: deepCopyAndTranspose(ptr_, mat); break; - case mxLOGICAL_CLASS: deepCopyAndTranspose(ptr_, mat); break; - default: matlab::error("Attempted to convert from unknown class"); - } - return mat; - } - - - - // -------------------------------------------------------------------------- - // INTEGRAL TYPES - // -------------------------------------------------------------------------- - - // --------------------------- string -------------------------------------- - Bridge& operator=(const std::string& ) { return *this; } - std::string toString() { - return ptr_.toString(); - } - operator std::string() { return toString(); } - - // --------------------------- bool -------------------------------------- - Bridge& operator=(const bool& ) { return *this; } - bool toBool() { return 0; } - operator bool() { return toBool(); } - - // --------------------------- double -------------------------------------- - Bridge& operator=(const double& ) { return *this; } - double toDouble() { return ptr_.scalar(); } - operator double() { return toDouble(); } - - // --------------------------- float --------------------------------------- - Bridge& operator=(const float& ) { return *this; } - float toFloat() { return ptr_.scalar(); } - operator float() { return toFloat(); } - - // --------------------------- int -------------------------------------- - Bridge& operator=(const int& ) { return *this; } - int toInt() { return ptr_.scalar(); } - operator int() { return toInt(); } - - - - - - // -------------------------------------------------------------------------- - // CORE OPENCV TYPES - // -------------------------------------------------------------------------- - - // -------------------------- Point -------------------------------------- - Bridge& operator=(const cv::Point& ) { return *this; } - cv::Point toPoint() const { return cv::Point(); } - operator cv::Point() const { return toPoint(); } - - // -------------------------- Point2f ------------------------------------ - Bridge& operator=(const cv::Point2f& ) { return *this; } - cv::Point2f toPoint2f() const { return cv::Point2f(); } - operator cv::Point2f() const { return toPoint2f(); } - - // -------------------------- Point2d ------------------------------------ - Bridge& operator=(const cv::Point2d& ) { return *this; } - cv::Point2d toPoint2d() const { return cv::Point2d(); } - operator cv::Point2d() const { return toPoint2d(); } - - // -------------------------- Size --------------------------------------- - Bridge& operator=(const cv::Size& ) { return *this; } - cv::Size toSize() const { return cv::Size(); } - operator cv::Size() const { return toSize(); } - - // -------------------------- Moments -------------------------------------- - Bridge& operator=(const cv::Moments& ) { return *this; } - cv::Moments toMoments() const { return cv::Moments(); } - operator cv::Moments() const { return toMoments(); } - - // -------------------------- Scalar -------------------------------------- - Bridge& operator=(const cv::Scalar& ) { return *this; } - cv::Scalar toScalar() { return cv::Scalar(); } - operator cv::Scalar() { return toScalar(); } - - // -------------------------- Rect ----------------------------------------- - Bridge& operator=(const cv::Rect& ) { return *this; } - cv::Rect toRect() { return cv::Rect(); } - operator cv::Rect() { return toRect(); } - - // ---------------------- RotatedRect --------------------------------------- - Bridge& operator=(const cv::RotatedRect& ) { return *this; } - cv::RotatedRect toRotatedRect() { return cv::RotatedRect(); } - operator cv::RotatedRect() { return toRotatedRect(); } - - // ---------------------- TermCriteria -------------------------------------- - Bridge& operator=(const cv::TermCriteria& ) { return *this; } - cv::TermCriteria toTermCriteria() { return cv::TermCriteria(); } - operator cv::TermCriteria() { return toTermCriteria(); } - - // ---------------------- RNG -------------------------------------- - Bridge& operator=(const cv::RNG& ) { return *this; } - /*! @brief explicit conversion to cv::RNG() - * - * Converts a bridge object to a cv::RNG(). We explicitly assert that - * the object is an RNG in matlab space before attempting to deference - * its pointer - */ - cv::RNG toRNG() { - return (*getObjectByName("RNG")); - } - operator cv::RNG() { return toRNG(); } - - - - - - // -------------------------------------------------------------------------- - // OPENCV VECTOR TYPES - // -------------------------------------------------------------------------- - - // -------------------- vector_Mat ------------------------------------------ - Bridge& operator=(const vector_Mat& ) { return *this; } - vector_Mat toVectorMat() { return vector_Mat(); } - operator vector_Mat() { return toVectorMat(); } - - // --------------------------- vector_int ---------------------------------- - Bridge& operator=(const vector_int& ) { return *this; } - vector_int toVectorInt() { return vector_int(); } - operator vector_int() { return toVectorInt(); } - - // --------------------------- vector_float -------------------------------- - Bridge& operator=(const vector_float& ) { return *this; } - vector_float toVectorFloat() { return vector_float(); } - operator vector_float() { return toVectorFloat(); } - - // --------------------------- vector_Rect --------------------------------- - Bridge& operator=(const vector_Rect& ) { return *this; } - vector_Rect toVectorRect() { return vector_Rect(); } - operator vector_Rect() { return toVectorRect(); } - - // --------------------------- vector_KeyPoint ----------------------------- - Bridge& operator=(const vector_KeyPoint& ) { return *this; } - vector_KeyPoint toVectorKeyPoint() { return vector_KeyPoint(); } - operator vector_KeyPoint() { return toVectorKeyPoint(); } - - // --------------------------- vector_String ------------------------------- - Bridge& operator=(const vector_String& ) { return *this; } - vector_String toVectorString() { return vector_String(); } - operator vector_String() { return toVectorString(); } - - // ------------------------ vector_Point ------------------------------------ - Bridge& operator=(const vector_Point& ) { return *this; } - vector_Point toVectorPoint() { return vector_Point(); } - operator vector_Point() { return toVectorPoint(); } - - // ------------------------ vector_uchar ------------------------------------ - Bridge& operator=(const vector_uchar& ) { return *this; } - vector_uchar toVectorUchar() { return vector_uchar(); } - operator vector_uchar() { return toVectorUchar(); } - - // ------------------------ vector_vector_char ------------------------------ - Bridge& operator=(const vector_vector_char& ) { return *this; } - vector_vector_char toVectorVectorChar() { return vector_vector_char(); } - operator vector_vector_char() { return toVectorVectorChar(); } - - // ------------------------ vector_vector_DMatch --------------------------- - Bridge& operator=(const vector_vector_DMatch& ) { return *this; } - vector_vector_DMatch toVectorVectorDMatch() { return vector_vector_DMatch(); } - operator vector_vector_DMatch() { return toVectorVectorDMatch(); } - - - - - // -------------------------------------------------------------------------- - // OPENCV COMPOUND TYPES - // -------------------------------------------------------------------------- - - // --------------------------- Ptr_StereoBM ----------------------------- - Bridge& operator=(const Ptr_StereoBM& ) { return *this; } - Ptr_StereoBM toPtrStereoBM() { return Ptr_StereoBM(); } - operator Ptr_StereoBM() { return toPtrStereoBM(); } - - // --------------------------- Ptr_StereoSGBM --------------------------- - Bridge& operator=(const Ptr_StereoSGBM& ) { return *this; } - Ptr_StereoSGBM toPtrStereoSGBM() { return Ptr_StereoSGBM(); } - operator Ptr_StereoSGBM() { return toPtrStereoSGBM(); } - - // --------------------------- Ptr_FeatureDetector ---------------------- - Bridge& operator=(const Ptr_FeatureDetector& ) { return *this; } - Ptr_FeatureDetector toPtrFeatureDetector() { return Ptr_FeatureDetector(); } - operator Ptr_FeatureDetector() { return toPtrFeatureDetector(); } - - // --------------------------- Ptr_CLAHE -------------------------------- - Bridge& operator=(const Ptr_CLAHE& ) { return *this; } - Ptr_CLAHE toPtrCLAHE() { return Ptr_CLAHE(); } - operator Ptr_CLAHE() { return toPtrCLAHE(); } - - // --------------------------- Ptr_LineSegmentDetector ------------------ - Bridge& operator=(const Ptr_LineSegmentDetector& ) { return *this; } - Ptr_LineSegmentDetector toPtrLineSegmentDetector() { return Ptr_LineSegmentDetector(); } - operator Ptr_LineSegmentDetector() { return toPtrLineSegmentDetector(); } - - // --------------------------- Ptr_AlignMTB ----------------------------- - Bridge& operator=(const Ptr_AlignMTB& ) { return *this; } - Ptr_AlignMTB toPtrAlignMTB() { return Ptr_AlignMTB(); } - operator Ptr_AlignMTB() { return toPtrAlignMTB(); } - - // --------------------------- Ptr_CalibrateDebevec ------------------- - Bridge& operator=(const Ptr_CalibrateDebevec& ) { return *this; } - Ptr_CalibrateDebevec toPtrCalibrateDebevec() { return Ptr_CalibrateDebevec(); } - operator Ptr_CalibrateDebevec() { return toPtrCalibrateDebevec(); } - - // --------------------------- Ptr_CalibrateRobertson ------------------- - Bridge& operator=(const Ptr_CalibrateRobertson& ) { return *this; } - Ptr_CalibrateRobertson toPtrCalibrateRobertson() { return Ptr_CalibrateRobertson(); } - operator Ptr_CalibrateRobertson() { return toPtrCalibrateRobertson(); } - - // --------------------------- Ptr_DenseOpticalFlow ------------------- - Bridge& operator=(const Ptr_DenseOpticalFlow& ) { return *this; } - Ptr_DenseOpticalFlow toPtrDenseOpticalFlow() { return Ptr_DenseOpticalFlow(); } - operator Ptr_DenseOpticalFlow() { return toPtrDenseOpticalFlow(); } - - // --------------------------- Ptr_MergeDebevec ----------------------- - Bridge& operator=(const Ptr_MergeDebevec& ) { return *this; } - Ptr_MergeDebevec toPtrMergeDebevec() { return Ptr_MergeDebevec(); } - operator Ptr_MergeDebevec() { return toPtrMergeDebevec(); } - - // --------------------------- Ptr_MergeMertens ----------------------- - Bridge& operator=(const Ptr_MergeMertens& ) { return *this; } - Ptr_MergeMertens toPtrMergeMertens() { return Ptr_MergeMertens(); } - operator Ptr_MergeMertens() { return toPtrMergeMertens(); } - - // --------------------------- Ptr_MergeRobertson ----------------------- - Bridge& operator=(const Ptr_MergeRobertson& ) { return *this; } - Ptr_MergeRobertson toPtrMergeRobertson() { return Ptr_MergeRobertson(); } - operator Ptr_MergeRobertson() { return toPtrMergeRobertson(); } - - // --------------------------- Ptr_Tonemap ------------------------------ - Bridge& operator=(const Ptr_Tonemap& ) { return *this; } - Ptr_Tonemap toPtrTonemap() { return Ptr_Tonemap(); } - operator Ptr_Tonemap() { return toPtrTonemap(); } - - // --------------------------- Ptr_TonemapDrago ------------------------- - Bridge& operator=(const Ptr_TonemapDrago& ) { return *this; } - Ptr_TonemapDrago toPtrTonemapDrago() { return Ptr_TonemapDrago(); } - operator Ptr_TonemapDrago() { return toPtrTonemapDrago(); } - - // --------------------------- Ptr_TonemapDurand ------------------------ - Bridge& operator=(const Ptr_TonemapDurand& ) { return *this; } - Ptr_TonemapDurand toPtrTonemapDurand() { return Ptr_TonemapDurand(); } - operator Ptr_TonemapDurand() { return toPtrTonemapDurand(); } - - // --------------------------- Ptr_TonemapMantiuk ----------------------- - Bridge& operator=(const Ptr_TonemapMantiuk& ) { return *this; } - Ptr_TonemapMantiuk toPtrTonemapMantiuk() { return Ptr_TonemapMantiuk(); } - operator Ptr_TonemapMantiuk() { return toPtrTonemapMantiuk(); } - - // --------------------------- Ptr_TonemapReinhard ---------------------- - Bridge& operator=(const Ptr_TonemapReinhard& ) { return *this; } - Ptr_TonemapReinhard toPtrTonemapReinhard() { return Ptr_TonemapReinhard(); } - operator Ptr_TonemapReinhard() { return toPtrTonemapReinhard(); } -}; // class Bridge - - - -// -------------------------------------------------------------------------- -// SPECIALIZATIONS -// -------------------------------------------------------------------------- - -/*! - * @brief template specialization for inheriting types - * - * This template specialization attempts to preserve the best mapping - * between OpenCV and Matlab types. Matlab uses double types almost universally, so - * all floating float types are converted to doubles. - * Unfortunately OpenCV does not have a native logical type, so - * that gets mapped to an unsigned 8-bit value - */ -template <> -matlab::MxArray Bridge::FromMat(const cv::Mat& mat) { - switch (mat.depth()) { - case CV_8U: return FromMat(mat); - case CV_8S: return FromMat(mat); - case CV_16U: return FromMat(mat); - case CV_16S: return FromMat(mat); - case CV_32S: return FromMat(mat); - case CV_32F: return FromMat(mat); //NOTE: Matlab uses double as native type! - case CV_64F: return FromMat(mat); - default: matlab::error("Attempted to convert from unknown class"); - } - return matlab::MxArray(); -} - -/*! - * @brief template specialization for inheriting types - * - * This template specialization attempts to preserve the best mapping - * between Matlab and OpenCV types. OpenCV has poor support for double precision - * types, so all floating point types are cast to float. Logicals get cast - * to unsignd 8-bit value. - */ -template <> -cv::Mat Bridge::toMat() const { - switch (ptr_.ID()) { - case mxINT8_CLASS: return toMat(); - case mxUINT8_CLASS: return toMat(); - case mxINT16_CLASS: return toMat(); - case mxUINT16_CLASS: return toMat(); - case mxINT32_CLASS: return toMat(); - case mxUINT32_CLASS: return toMat(); - case mxINT64_CLASS: return toMat(); - case mxUINT64_CLASS: return toMat(); - case mxSINGLE_CLASS: return toMat(); - case mxDOUBLE_CLASS: return toMat(); //NOTE: OpenCV uses float as native type! - case mxCHAR_CLASS: return toMat(); - case mxLOGICAL_CLASS: return toMat(); - default: matlab::error("Attempted to convert from unknown class"); - } - return cv::Mat(); -} - -Bridge& Bridge::operator=(const cv::Mat& mat) { ptr_ = FromMat(mat); return *this; } -cv::Mat Bridge::toMat() const { return toMat(); } - - -// ---------------------------------------------------------------------------- -// MATRIX TRANSPOSE -// ---------------------------------------------------------------------------- - - -template -void deepCopyAndTranspose(const cv::Mat& in, matlab::MxArray& out) { - matlab::conditionalError(static_cast(in.rows) == out.rows(), "Matrices must have the same number of rows"); - matlab::conditionalError(static_cast(in.cols) == out.cols(), "Matrices must have the same number of cols"); - matlab::conditionalError(static_cast(in.channels()) == out.channels(), "Matrices must have the same number of channels"); - std::vector channels; - cv::split(in, channels); - for (size_t c = 0; c < out.channels(); ++c) { - cv::transpose(channels[c], channels[c]); - cv::Mat outmat(out.cols(), out.rows(), cv::DataType::type, - static_cast(out.real() + out.cols()*out.rows()*c)); - channels[c].convertTo(outmat, cv::DataType::type); - } - - //const InputScalar* inp = in.ptr(0); - //OutputScalar* outp = out.real(); - //gemt('R', out.rows(), out.cols(), inp, in.step1(), outp, out.rows()); -} - -template -void deepCopyAndTranspose(const matlab::MxArray& in, cv::Mat& out) { - matlab::conditionalError(in.rows() == static_cast(out.rows), "Matrices must have the same number of rows"); - matlab::conditionalError(in.cols() == static_cast(out.cols), "Matrices must have the same number of cols"); - matlab::conditionalError(in.channels() == static_cast(out.channels()), "Matrices must have the same number of channels"); - std::vector channels; - for (size_t c = 0; c < in.channels(); ++c) { - cv::Mat outmat; - cv::Mat inmat(in.cols(), in.rows(), cv::DataType::type, - static_cast(const_cast(in.real() + in.cols()*in.rows()*c))); - inmat.convertTo(outmat, cv::DataType::type); - cv::transpose(outmat, outmat); - channels.push_back(outmat); - } - cv::merge(channels, out); - - //const InputScalar* inp = in.real(); - //OutputScalar* outp = out.ptr(0); - //gemt('C', in.rows(), in.cols(), inp, in.rows(), outp, out.step1()); -} - - - -} // namespace bridge -} // namespace cv - -#endif diff --git a/modules/matlab/include/opencv2/matlab/map.hpp b/modules/matlab/include/opencv2/matlab/map.hpp deleted file mode 100644 index 4d4fc649cb..0000000000 --- a/modules/matlab/include/opencv2/matlab/map.hpp +++ /dev/null @@ -1,91 +0,0 @@ -//////////////////////////////////////////////////////////////////////////////// -// -// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. -// -// By downloading, copying, installing or using the software you agree to this -// license. If you do not agree to this license, do not download, install, -// copy or use the software. -// -// -// License Agreement -// For Open Source Computer Vision Library -// -// Copyright (C) 2013, OpenCV Foundation, all rights reserved. -// Third party copyrights are property of their respective owners. -// -// Redistribution and use in source and binary forms, with or without -// modification, are permitted provided that the following conditions are met: -// -// * Redistribution's of source code must retain the above copyright notice, -// this list of conditions and the following disclaimer. -// -// * Redistribution's in binary form must reproduce the above copyright notice, -// this list of conditions and the following disclaimer in the documentation -// and/or other materials provided with the distribution. -// -// * The name of the copyright holders may not be used to endorse or promote -// products derived from this software without specific prior written -// permission. -// -// This software is provided by the copyright holders and contributors "as is" -// and any express or implied warranties, including, but not limited to, the -// implied warranties of merchantability and fitness for a particular purpose -// are disclaimed. In no event shall the Intel Corporation or contributors be -// liable for any direct, indirect, incidental, special, exemplary, or -// consequential damages (including, but not limited to, procurement of -// substitute goods or services; loss of use, data, or profits; or business -// interruption) however caused and on any theory of liability, whether in -// contract, strict liability, or tort (including negligence or otherwise) -// arising in any way out of the use of this software, even if advised of the -// possibility of such damage. -// -//////////////////////////////////////////////////////////////////////////////// -#ifndef OPENCV_MAP_HPP_ -#define OPENCV_MAP_HPP_ - -namespace matlab { -#if __cplusplus >= 201103L - - // If we have C++11 support, we just want to use unordered_map -#include -template -using Map = std::unordered_map; - -#else - -// If we don't have C++11 support, we wrap another map implementation -// in the same public API as unordered_map -#include -#include - -template -class Map { -private: - std::map map_; -public: - // map[key] = val; - ValueType& operator[] (const KeyType& k) { - return map_[k]; - } - - // map.at(key) = val (throws) - ValueType& at(const KeyType& k) { - typename std::map::iterator it; - it = map_.find(k); - if (it == map_.end()) throw std::out_of_range("Key not found"); - return *it; - } - - // val = map.at(key) (throws, const) - const ValueType& at(const KeyType& k) const { - typename std::map::const_iterator it; - it = map_.find(k); - if (it == map_.end()) throw std::out_of_range("Key not found"); - return *it; - } -}; - -} // namespace matlab - -#endif -#endif diff --git a/modules/matlab/include/opencv2/matlab/mxarray.hpp b/modules/matlab/include/opencv2/matlab/mxarray.hpp deleted file mode 100644 index ba8c64c496..0000000000 --- a/modules/matlab/include/opencv2/matlab/mxarray.hpp +++ /dev/null @@ -1,684 +0,0 @@ -//////////////////////////////////////////////////////////////////////////////// -// -// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. -// -// By downloading, copying, installing or using the software you agree to this -// license. If you do not agree to this license, do not download, install, -// copy or use the software. -// -// -// License Agreement -// For Open Source Computer Vision Library -// -// Copyright (C) 2013, OpenCV Foundation, all rights reserved. -// Third party copyrights are property of their respective owners. -// -// Redistribution and use in source and binary forms, with or without -// modification, are permitted provided that the following conditions are met: -// -// * Redistribution's of source code must retain the above copyright notice, -// this list of conditions and the following disclaimer. -// -// * Redistribution's in binary form must reproduce the above copyright notice, -// this list of conditions and the following disclaimer in the documentation -// and/or other materials provided with the distribution. -// -// * The name of the copyright holders may not be used to endorse or promote -// products derived from this software without specific prior written -// permission. -// -// This software is provided by the copyright holders and contributors "as is" -// and any express or implied warranties, including, but not limited to, the -// implied warranties of merchantability and fitness for a particular purpose -// are disclaimed. In no event shall the Intel Corporation or contributors be -// liable for any direct, indirect, incidental, special, exemplary, or -// consequential damages (including, but not limited to, procurement of -// substitute goods or services; loss of use, data, or profits; or business -// interruption) however caused and on any theory of liability, whether in -// contract, strict liability, or tort (including negligence or otherwise) -// arising in any way out of the use of this software, even if advised of the -// possibility of such damage. -// -//////////////////////////////////////////////////////////////////////////////// -#ifndef OPENCV_MXARRAY_HPP_ -#define OPENCV_MXARRAY_HPP_ - -#include -#include -#include -#include -#include -#include -#include -#if __cplusplus > 201103 -#include -typedef std::unordered_set StringSet; -#else -#include -typedef std::set StringSet; -#endif - -/* - * All recent versions of Matlab ship with the MKL library which contains - * a blas extension called mkl_?omatcopy(). This defines an out-of-place - * copy and transpose operation. - * - * The mkl library is in ${MATLAB_ROOT}/bin/${MATLAB_MEXEXT}/libmkl... - * Matlab does not ship headers for the mkl functions, so we define them - * here. - * - */ -#ifdef __cplusplus -extern "C" { -#endif -#ifdef __cplusplus -} -#endif - -namespace matlab { -// ---------------------------------------------------------------------------- -// PREDECLARATIONS -// ---------------------------------------------------------------------------- -class MxArray; -typedef std::vector MxArrayVector; - -/*! - * @brief raise error if condition fails - * - * This is a conditional wrapper for mexErrMsgTxt. If the conditional - * expression fails, an error is raised and the mex function returns - * to Matlab, otherwise this function does nothing - */ -static void conditionalError(bool expr, const std::string& str) { - if (!expr) mexErrMsgTxt(std::string("condition failed: ").append(str).c_str()); -} - -/*! - * @brief raise an error - * - * This function is a wrapper around mexErrMsgTxt - */ -static void error(const std::string& str) { - mexErrMsgTxt(str.c_str()); -} - - -// ---------------------------------------------------------------------------- -// MATLAB TRAITS -// ---------------------------------------------------------------------------- -class DefaultTraits {}; -class InheritType {}; - -template class Traits { -public: - static const mxClassID ScalarType = mxUNKNOWN_CLASS; - static const mxComplexity Complex = mxCOMPLEX; - static const mxComplexity Real = mxREAL; - static std::string ToString() { return "Unknown/Unsupported"; } -}; -// bool -template<> class Traits { -public: - static const mxClassID ScalarType = mxLOGICAL_CLASS; - static std::string ToString() { return "boolean"; } -}; -// uint8_t -template<> class Traits { -public: - static const mxClassID ScalarType = mxUINT8_CLASS; - static std::string ToString() { return "uint8_t"; } -}; -// int8_t -template<> class Traits { -public: - static const mxClassID ScalarType = mxINT8_CLASS; - static std::string ToString() { return "int8_t"; } -}; -// uint16_t -template<> class Traits { -public: - static const mxClassID ScalarType = mxUINT16_CLASS; - static std::string ToString() { return "uint16_t"; } -}; -// int16_t -template<> class Traits { -public: - static const mxClassID ScalarType = mxINT16_CLASS; - static std::string ToString() { return "int16_t"; } -}; -// uint32_t -template<> class Traits { -public: - static const mxClassID ScalarType = mxUINT32_CLASS; - static std::string ToString() { return "uint32_t"; } -}; -// int32_t -template<> class Traits { -public: - static const mxClassID ScalarType = mxINT32_CLASS; - static std::string ToString() { return "int32_t"; } -}; -// uint64_t -template<> class Traits { -public: - static const mxClassID ScalarType = mxUINT64_CLASS; - static std::string ToString() { return "uint64_t"; } -}; -// int64_t -template<> class Traits { -public: - static const mxClassID ScalarType = mxINT64_CLASS; - static std::string ToString() { return "int64_t"; } -}; -// float -template<> class Traits { -public: - static const mxClassID ScalarType = mxSINGLE_CLASS; - static std::string ToString() { return "float"; } -}; -// double -template<> class Traits { -public: - static const mxClassID ScalarType = mxDOUBLE_CLASS; - static std::string ToString() { return "double"; } -}; -// char -template<> class Traits { -public: - static const mxClassID ScalarType = mxCHAR_CLASS; - static std::string ToString() { return "char"; } -}; -// inherited type -template<> class Traits { -public: - static std::string ToString() { return "Inherited type"; } -}; - - - -// ---------------------------------------------------------------------------- -// MXARRAY -// ---------------------------------------------------------------------------- - - -/*! - * @class MxArray - * @brief A thin wrapper around Matlab's mxArray types - * - * MxArray provides a thin object oriented wrapper around Matlab's - * native mxArray type which exposes most of the functionality of the - * Matlab interface, but in a more C++ manner. MxArray objects are scoped, - * so you can freely create and destroy them without worrying about memory - * management. If you wish to pass the underlying mxArray* representation - * back to Matlab as an lvalue, see the releaseOwnership() method - * - * MxArrays can be directly converted into OpenCV mat objects and std::string - * objects, since there is a natural mapping between these types. More - * complex types are mapped through the Bridge which does custom conversions - * such as MxArray --> cv::Keypoints, etc - */ -class MxArray { -private: - mxArray* ptr_; - bool owns_; - - /*! - * @brief swap all members of this and other - * - * the swap method is used by the assignment and move constructors - * to swap the members of two MxArrays, leaving both in destructible states - */ - friend void swap(MxArray& first, MxArray& second) { - using std::swap; - swap(first.ptr_, second.ptr_); - swap(first.owns_, second.owns_); - } - - void dealloc() { - if (owns_ && ptr_) { mxDestroyArray(ptr_); ptr_ = NULL; owns_ = false; } - } -public: - // -------------------------------------------------------------------------- - // CONSTRUCTORS - // -------------------------------------------------------------------------- - /*! - * @brief default constructor - * - * Construct a valid 0x0 matrix (so all other methods do not need validity checks) - */ - MxArray() : ptr_(mxCreateDoubleMatrix(0, 0, matlab::Traits<>::Real)), owns_(true) {} - - /*! - * @brief destructor - * - * The destructor deallocates any data allocated by mxCreate* methods only - * if the object is owned - */ - virtual ~MxArray() { - dealloc(); - } - - /*! - * @brief inheriting constructor - * - * Inherit an mxArray from Matlab. Don't claim ownership of the array, - * just encapsulate it - */ - MxArray(const mxArray* ptr) : ptr_(const_cast(ptr)), owns_(false) {} - MxArray& operator=(const mxArray* ptr) { - dealloc(); - ptr_ = const_cast(ptr); - owns_ = false; - return *this; - } - - /*! - * @brief explicit typed constructor - * - * This constructor explicitly creates an MxArray of the given size and type. - */ - MxArray(size_t m, size_t n, size_t k, mxClassID id, mxComplexity com = matlab::Traits<>::Real) - : ptr_(NULL), owns_(true) { - mwSize dims[] = { static_cast(m), static_cast(n), static_cast(k) }; - ptr_ = mxCreateNumericArray(3, dims, id, com); - } - - /*! - * @brief explicit tensor constructor - * - * Explicitly construct a tensor of given size and type. Since constructors cannot - * be explicitly templated, this is a static factory method - */ - template - static MxArray Tensor(size_t m, size_t n, size_t k=1) { - return MxArray(m, n, k, matlab::Traits::ScalarType); - } - - /*! - * @brief explicit matrix constructor - * - * Explicitly construct a matrix of given size and type. Since constructors cannot - * be explicitly templated, this is a static factory method - */ - template - static MxArray Matrix(size_t m, size_t n) { - return MxArray(m, n, 1, matlab::Traits::ScalarType); - } - - /*! - * @brief explicit vector constructor - * - * Explicitly construct a vector of given size and type. Since constructors cannot - * be explicitly templated, this is a static factory method - */ - template - static MxArray Vector(size_t m) { - return MxArray(m, 1, 1, matlab::Traits::ScalarType); - } - - /*! - * @brief explicit scalar constructor - * - * Explicitly construct a scalar of given type. Since constructors cannot - * be explicitly templated, this is a static factory method - */ - template - static MxArray Scalar(ScalarType value = 0) { - MxArray s(1, 1, 1, matlab::Traits::ScalarType); - s.real()[0] = value; - return s; - } - - /*! - * @brief copy constructor - * - * All copies are deep copies. If you have a C++11 compatible compiler, prefer - * move construction to copy construction - */ - MxArray(const MxArray& other) : ptr_(mxDuplicateArray(other.ptr_)), owns_(true) {} - - /*! - * @brief copy-and-swap assignment - * - * This assignment operator uses the copy and swap idiom to provide a strong - * exception guarantee when swapping two objects. - * - * Note in particular that the other MxArray is passed by value, thus invoking - * the copy constructor which performs a deep copy of the input. The members of - * this and other are then swapped - */ - MxArray& operator=(MxArray other) { - swap(*this, other); - return *this; - } -#if __cplusplus >= 201103L - /* - * @brief C++11 move constructor - * - * When C++11 support is available, move construction is used to move returns - * out of functions, etc. This is much fast than copy construction, since the - * move constructed object replaced itself with a default constructed MxArray, - * which is of size 0 x 0. - */ - MxArray(MxArray&& other) : MxArray() { - swap(*this, other); - } -#endif - - /* - * @brief release ownership to allow return into Matlab workspace - * - * MxArray is not directly convertible back to mxArray types through assignment - * because the MxArray may have been allocated on the free store, making it impossible - * to know whether the returned pointer will be released by someone else or not. - * - * Since Matlab requires mxArrays be passed back into the workspace, the only way - * to achieve that is through this function, which explicitly releases ownership - * of the object, assuming the Matlab interpreter receving the object will delete - * it at a later time - * - * e.g. - * { - * MxArray A = MxArray::Matrix(5, 5); // allocates memory - * MxArray B = MxArray::Matrix(5, 5); // ditto - * plhs[0] = A; // not allowed!! - * plhs[0] = A.releaseOwnership(); // makes explicit that ownership is being released - * } // end of scope. B is released, A isn't - * - */ - mxArray* releaseOwnership() { - owns_ = false; - return ptr_; - } - - MxArray field(const std::string& name) { return MxArray(mxGetField(ptr_, 0, name.c_str())); } - - template - Scalar* real() { return static_cast(mxGetData(ptr_)); } - - template - Scalar* imag() { return static_cast(mxGetImagData(ptr_)); } - - template - const Scalar* real() const { return static_cast(mxGetData(ptr_)); } - - template - const Scalar* imag() const { return static_cast(mxGetData(ptr_)); } - - template - Scalar scalar() const { return static_cast(mxGetData(ptr_))[0]; } - - std::string toString() const { - conditionalError(isString(), "Attempted to convert non-string type to string"); - std::string str(size(), '\0'); - mxGetString(ptr_, const_cast(str.data()), str.size()+1); - return str; - } - - size_t size() const { return mxGetNumberOfElements(ptr_); } - bool empty() const { return size() == 0; } - size_t rows() const { return mxGetDimensions(ptr_)[0]; } - size_t cols() const { return mxGetDimensions(ptr_)[1]; } - size_t channels() const { return (mxGetNumberOfDimensions(ptr_) > 2) ? mxGetDimensions(ptr_)[2] : 1; } - bool isComplex() const { return mxIsComplex(ptr_); } - bool isNumeric() const { return mxIsNumeric(ptr_); } - bool isLogical() const { return mxIsLogical(ptr_); } - bool isString() const { return mxIsChar(ptr_); } - bool isCell() const { return mxIsCell(ptr_); } - bool isStructure() const { return mxIsStruct(ptr_); } - bool isClass(const std::string& name) const { return mxIsClass(ptr_, name.c_str()); } - std::string className() const { return std::string(mxGetClassName(ptr_)); } - mxClassID ID() const { return mxGetClassID(ptr_); } - -}; - - -// ---------------------------------------------------------------------------- -// ARGUMENT PARSER -// ---------------------------------------------------------------------------- - -/*! @class ArgumentParser - * @brief parses inputs to a method and resolves the argument names. - * - * The ArgumentParser resolves the inputs to a method. It checks that all - * required arguments are specified and also allows named optional arguments. - * For example, the C++ function: - * void randn(Mat& mat, Mat& mean=Mat(), Mat& std=Mat()); - * could be called in Matlab using any of the following signatures: - * \code - * out = randn(in); - * out = randn(in, 0, 1); - * out = randn(in, 'mean', 0, 'std', 1); - * \endcode - * - * ArgumentParser also enables function overloading by allowing users - * to add variants to a method. For example, there may be two C++ sum() methods: - * \code - * double sum(Mat& mat); % sum elements of a matrix - * Mat sum(Mat& A, Mat& B); % add two matrices - * \endcode - * - * by adding two variants to ArgumentParser, the correct underlying sum - * method can be called. If the function call is ambiguous, the - * ArgumentParser will fail with an error message. - * - * The previous example could be parsed as: - * \code - * // set up the Argument parser - * ArgumentParser arguments; - * arguments.addVariant("elementwise", 1); - * arguments.addVariant("matrix", 2); - * - * // parse the arguments - * std::vector inputs; - * inputs = arguments.parse(std::vector(prhs, prhs+nrhs)); - * - * // if we get here, one unique variant is valid - * if (arguments.variantIs("elementwise")) { - * // call elementwise sum() - * } - * \endcode - */ -class ArgumentParser { -private: - struct Variant; - typedef std::string String; - typedef std::vector StringVector; - typedef std::vector IndexVector; - typedef std::vector VariantVector; - - /* @class Variant - * @brief Describes a variant of arguments to a method - * - * When addVariant() is called on an instance to ArgumentParser, this class - * holds the the information that decribes that variant. The parse() method - * of ArgumentParser then attempts to match a Variant, given a set of - * inputs for a method invocation. - */ - class Variant { - private: - String name_; - size_t Nreq_; - size_t Nopt_; - StringVector keys_; - IndexVector order_; - bool valid_; - size_t nparsed_; - size_t nkeys_; - size_t working_opt_; - bool expecting_val_; - bool using_named_; - size_t find(const String& key) const { - return std::find(keys_.begin(), keys_.end(), key) - keys_.begin(); - } - public: - /*! @brief default constructor */ - Variant() : Nreq_(0), Nopt_(0), valid_(false) {} - /*! @brief construct a new variant spec */ - Variant(const String& name, size_t Nreq, size_t Nopt, const StringVector& keys) - : name_(name), Nreq_(Nreq), Nopt_(Nopt), keys_(keys), - order_(Nreq+Nopt, Nreq+2*Nopt), valid_(true), nparsed_(0), nkeys_(0), - working_opt_(0), expecting_val_(false), using_named_(false) {} - /*! @brief the name of the variant */ - String name() const { return name_; } - /*! @brief return the total number of arguments the variant can take */ - size_t size() const { return Nreq_ + Nopt_; } - /*! @brief has the variant been fulfilled? */ - bool fulfilled() const { return (valid_ && nparsed_ >= Nreq_ && !expecting_val_); } - /*! @brief is the variant in a valid state (though not necessarily fulfilled) */ - bool valid() const { return valid_; } - /*! @brief check if the named argument exists in the variant */ - bool exist(const String& key) const { return find(key) != keys_.size(); } - /*! @brief retrieve the order mapping raw inputs to their position in the variant */ - const IndexVector& order() const { return order_; } - size_t order(size_t n) const { return order_[n]; } - /*! @brief attempt to parse the next argument as a value */ - bool parseNextAsValue() { - if (!valid_) {} - else if ((using_named_ && !expecting_val_) || (nparsed_-nkeys_ == Nreq_+Nopt_)) { valid_ = false; } - else if (nparsed_ < Nreq_) { order_[nparsed_] = nparsed_; } - else if (!using_named_) { order_[nparsed_] = nparsed_; } - else if (using_named_ && expecting_val_) { order_[Nreq_ + working_opt_] = nparsed_; } - nparsed_++; - expecting_val_ = false; - return valid_; - } - /*! @biref attempt to parse the next argument as a name (key) */ - bool parseNextAsKey(const String& key) { - if (!valid_) {} - else if ((nparsed_ < Nreq_) || (nparsed_-nkeys_ == Nreq_+Nopt_)) { valid_ = false; } - else if (using_named_ && expecting_val_) { valid_ = false; } - else if ((working_opt_ = find(key)) == keys_.size()) { valid_ = false; } - else { using_named_ = true; expecting_val_ = true; nkeys_++; nparsed_++; } - return valid_; - } - String toString(const String& method_name="f") const { - int req_begin = 0, req_end = 0, opt_begin = 0, opt_end = 0; - std::ostringstream s; - // f(...) - s << method_name << "("; - // required arguments - req_begin = s.str().size(); - for (size_t n = 0; n < Nreq_; ++n) { s << "src" << n+1 << (n != Nreq_-1 ? ", " : ""); } - req_end = s.str().size(); - if (Nreq_ && Nopt_) s << ", "; - // optional arguments - opt_begin = s.str().size(); - for (size_t n = 0; n < keys_.size(); ++n) { s << "'" << keys_[n] << "', " << keys_[n] << (n != Nopt_-1 ? ", " : ""); } - opt_end = s.str().size(); - s << ");"; - if (Nreq_ + Nopt_ == 0) return s.str(); - // underscores - String under = String(req_begin, ' ') + String(req_end-req_begin, '-') - + String(std::max(opt_begin-req_end,0), ' ') + String(opt_end-opt_begin, '-'); - s << "\n" << under; - // required and optional sets - String req_set(req_end-req_begin, ' '); - String opt_set(opt_end-opt_begin, ' '); - if (!req_set.empty() && req_set.size() < 8) req_set.replace((req_set.size()-3)/2, 3, "req"); - if (req_set.size() > 7) req_set.replace((req_set.size()-8)/2, 8, "required"); - if (!opt_set.empty() && opt_set.size() < 8) opt_set.replace((opt_set.size()-3)/2, 3, "opt"); - if (opt_set.size() > 7) opt_set.replace((opt_set.size()-8)/2, 8, "optional"); - String set = String(req_begin, ' ') + req_set + String(std::max(opt_begin-req_end,0), ' ') + opt_set; - s << "\n" << set; - return s.str(); - } - }; - /*! @brief given an input and output vector of arguments, and a variant spec, sort */ - void sortArguments(Variant& v, MxArrayVector& in, MxArrayVector& out) { - // allocate the output array with ALL arguments - out.resize(v.size()); - // reorder the inputs based on the variant ordering - for (size_t n = 0; n < v.size(); ++n) { - if (v.order(n) >= in.size()) continue; - swap(in[v.order(n)], out[n]); - } - } - VariantVector variants_; - String valid_; - String method_name_; -public: - ArgumentParser(const String& method_name) : method_name_(method_name) {} - - /*! @brief add a function call variant to the parser - * - * Adds a function-call signature to the parser. The function call *must* be - * unique either in its number of arguments, or in the named-syntax. - * Currently this function does not check whether that invariant stands true. - * - * This function is variadic. If should be called as follows: - * addVariant(2, 2, 'opt_1_name', 'opt_2_name'); - */ - void addVariant(const String& name, size_t nreq, size_t nopt = 0, ...) { - StringVector keys; - va_list opt; - va_start(opt, nopt); - for (size_t n = 0; n < nopt; ++n) keys.push_back(va_arg(opt, const char*)); - addVariant(name, nreq, nopt, keys); - } - void addVariant(const String& name, size_t nreq, size_t nopt, StringVector keys) { - variants_.push_back(Variant(name, nreq, nopt, keys)); - } - - /*! @brief check if the valid variant is the key name */ - bool variantIs(const String& name) { - return name.compare(valid_) == 0; - } - - /*! @brief parse a vector of input arguments - * - * This method parses a vector of input arguments, attempting to match them - * to a Variant spec. For each input, the method attempts to cull any - * Variants which don't match the given inputs so far. - * - * Once all inputs have been parsed, if there is one unique spec remaining, - * the output MxArray vector gets populated with the arguments, with named - * arguments removed. Any optional arguments that have not been encountered - * are set to an empty array. - * - * If multiple variants or no variants match the given call, an error - * message is emitted - */ - MxArrayVector parse(const MxArrayVector& inputs) { - // allocate the outputs - String variant_string; - MxArrayVector outputs; - VariantVector candidates = variants_; - - // iterate over the inputs, attempting to match a variant - for (MxArrayVector::const_iterator input = inputs.begin(); input != inputs.end(); ++input) { - String name = input->isString() ? input->toString() : String(); - for (VariantVector::iterator candidate = candidates.begin(); candidate < candidates.end(); ++candidate) { - candidate->exist(name) ? candidate->parseNextAsKey(name) : candidate->parseNextAsValue(); - } - } - - // make sure the candidates have been fulfilled - for (VariantVector::iterator candidate = candidates.begin(); candidate < candidates.end(); ++candidate) { - if (!candidate->fulfilled()) candidate = candidates.erase(candidate)--; - } - - // if there is not a unique candidate, throw an error - for (VariantVector::iterator variant = variants_.begin(); variant != variants_.end(); ++variant) { - variant_string += "\n" + variant->toString(method_name_); - } - - // if there is not a unique candidate, throw an error - if (candidates.size() > 1) { - error(String("Call to method is ambiguous. Valid variants are:") - .append(variant_string).append("\nUse named arguments to disambiguate call")); - } - if (candidates.size() == 0) { - error(String("No matching method signatures for given arguments. Valid variants are:").append(variant_string)); - } - - // Unique candidate! - valid_ = candidates[0].name(); - sortArguments(candidates[0], const_cast(inputs), outputs); - return outputs; - } -}; - -} // namespace matlab - -#endif diff --git a/modules/matlab/include/opencv2/matlab/transpose.hpp b/modules/matlab/include/opencv2/matlab/transpose.hpp deleted file mode 100644 index 7331cd0ec8..0000000000 --- a/modules/matlab/include/opencv2/matlab/transpose.hpp +++ /dev/null @@ -1,141 +0,0 @@ -//////////////////////////////////////////////////////////////////////////////// -// -// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. -// -// By downloading, copying, installing or using the software you agree to this -// license. If you do not agree to this license, do not download, install, -// copy or use the software. -// -// -// License Agreement -// For Open Source Computer Vision Library -// -// Copyright (C) 2013, OpenCV Foundation, all rights reserved. -// Third party copyrights are property of their respective owners. -// -// Redistribution and use in source and binary forms, with or without -// modification, are permitted provided that the following conditions are met: -// -// * Redistribution's of source code must retain the above copyright notice, -// this list of conditions and the following disclaimer. -// -// * Redistribution's in binary form must reproduce the above copyright notice, -// this list of conditions and the following disclaimer in the documentation -// and/or other materials provided with the distribution. -// -// * The name of the copyright holders may not be used to endorse or promote -// products derived from this software without specific prior written -// permission. -// -// This software is provided by the copyright holders and contributors "as is" -// and any express or implied warranties, including, but not limited to, the -// implied warranties of merchantability and fitness for a particular purpose -// are disclaimed. In no event shall the Intel Corporation or contributors be -// liable for any direct, indirect, incidental, special, exemplary, or -// consequential damages (including, but not limited to, procurement of -// substitute goods or services; loss of use, data, or profits; or business -// interruption) however caused and on any theory of liability, whether in -// contract, strict liability, or tort (including negligence or otherwise) -// arising in any way out of the use of this software, even if advised of the -// possibility of such damage. -// -//////////////////////////////////////////////////////////////////////////////// -#ifndef OPENCV_TRANSPOSE_HPP_ -#define OPENCV_TRANSPOSE_HPP_ - -template -void transposeBlock(const size_t M, const size_t N, const InputScalar* src, size_t lda, OutputScalar* dst, size_t ldb) { - InputScalar cache[16]; - // copy the source into the cache contiguously - for (size_t n = 0; n < N; ++n) - for (size_t m = 0; m < M; ++m) - cache[m+n*4] = src[m+n*lda]; - // copy the destination out of the cache contiguously - for (size_t m = 0; m < M; ++m) - for (size_t n = 0; n < N; ++n) - dst[n+m*ldb] = cache[m+n*4]; -} - -template -void transpose4x4(const InputScalar* src, size_t lda, OutputScalar* dst, size_t ldb) { - InputScalar cache[16]; - // copy the source into the cache contiguously - cache[0] = src[0]; cache[1] = src[1]; cache[2] = src[2]; cache[3] = src[3]; src+=lda; - cache[4] = src[0]; cache[5] = src[1]; cache[6] = src[2]; cache[7] = src[3]; src+=lda; - cache[8] = src[0]; cache[9] = src[1]; cache[10] = src[2]; cache[11] = src[3]; src+=lda; - cache[12] = src[0]; cache[13] = src[1]; cache[14] = src[2]; cache[15] = src[3]; src+=lda; - // copy the destination out of the contiguously - dst[0] = cache[0]; dst[1] = cache[4]; dst[2] = cache[8]; dst[3] = cache[12]; dst+=ldb; - dst[0] = cache[1]; dst[1] = cache[5]; dst[2] = cache[9]; dst[3] = cache[13]; dst+=ldb; - dst[0] = cache[2]; dst[1] = cache[6]; dst[2] = cache[10]; dst[3] = cache[14]; dst+=ldb; - dst[0] = cache[3]; dst[1] = cache[7]; dst[2] = cache[11]; dst[3] = cache[15]; dst+=ldb; -} - - -/* - * Vanilla copy, transpose and cast - */ -template -void gemt(const char major, const size_t M, const size_t N, const InputScalar* a, size_t lda, OutputScalar* b, size_t ldb) { - - // 1x1 transpose is just copy - if (M == 1 && N == 1) { *b = *a; return; } - - // get the interior 4x4 blocks, and the extra skirting - const size_t Fblock = (major == 'R') ? N/4 : M/4; - const size_t Frem = (major == 'R') ? N%4 : M%4; - const size_t Sblock = (major == 'R') ? M/4 : N/4; - const size_t Srem = (major == 'R') ? M%4 : N%4; - - // if less than 4x4, invoke the block transpose immediately - if (M < 4 && N < 4) { transposeBlock(Frem, Srem, a, lda, b, ldb); return; } - - // transpose 4x4 blocks - const InputScalar* aptr = a; - OutputScalar* bptr = b; - for (size_t second = 0; second < Sblock; ++second) { - aptr = a + second*lda; - bptr = b + second; - for (size_t first = 0; first < Fblock; ++first) { - transposeBlock(4, 4, aptr, lda, bptr, ldb); - //transpose4x4(aptr, lda, bptr, ldb); - aptr+=4; - bptr+=4*ldb; - } - // transpose trailing blocks on primary dimension - transposeBlock(Frem, 4, aptr, lda, bptr, ldb); - } - // transpose trailing blocks on secondary dimension - aptr = a + 4*Sblock*lda; - bptr = b + 4*Sblock; - for (size_t first = 0; first < Fblock; ++first) { - transposeBlock(4, Srem, aptr, lda, bptr, ldb); - aptr+=4; - bptr+=4*ldb; - } - // transpose bottom right-hand corner - transposeBlock(Frem, Srem, aptr, lda, bptr, ldb); -} - -#ifdef __SSE2__ -/* - * SSE2 supported fast copy, transpose and cast - */ -#include - -template <> -void transpose4x4(const float* src, size_t lda, float* dst, size_t ldb) { - __m128 row0, row1, row2, row3; - row0 = _mm_loadu_ps(src); - row1 = _mm_loadu_ps(src+lda); - row2 = _mm_loadu_ps(src+2*lda); - row3 = _mm_loadu_ps(src+3*lda); - _MM_TRANSPOSE4_PS(row0, row1, row2, row3); - _mm_storeu_ps(dst, row0); - _mm_storeu_ps(dst+ldb, row1); - _mm_storeu_ps(dst+2*ldb, row2); - _mm_storeu_ps(dst+3*ldb, row3); -} - -#endif -#endif diff --git a/modules/matlab/test/CMakeLists.txt b/modules/matlab/test/CMakeLists.txt deleted file mode 100644 index c8c5177faa..0000000000 --- a/modules/matlab/test/CMakeLists.txt +++ /dev/null @@ -1,23 +0,0 @@ -set(TEST_PROXY ${CMAKE_CURRENT_BINARY_DIR}/test.proxy) -file(REMOVE ${TEST_PROXY}) - -# generate -# call the python executable to generate the Matlab gateways -add_custom_command( - OUTPUT ${TEST_PROXY} - COMMAND ${CMAKE_COMMAND} -E copy ${CMAKE_CURRENT_SOURCE_DIR}/OpenCVTest.m ${CMAKE_CURRENT_BINARY_DIR} - COMMAND ${CMAKE_COMMAND} -E copy ${CMAKE_CURRENT_SOURCE_DIR}/testsuite.m ${CMAKE_CURRENT_BINARY_DIR} - COMMAND ${CMAKE_COMMAND} -E touch ${TEST_PROXY} - COMMENT "Building Matlab tests" -) - -# targets -# opencv_matlab_sources --> opencv_matlab -add_custom_target(opencv_test_matlab ALL DEPENDS ${TEST_PROXY}) -add_dependencies(opencv_test_matlab ${the_module}) - -# run the matlab test suite -add_test(opencv_test_matlab - COMMAND ${MATLAB_BIN} "-nodisplay" "-r" "testsuite.m" - WORKING_DIRECTORY ${CMAKE_CURRENT_BINARY_DIR} -) diff --git a/modules/matlab/test/OpenCVTest.m b/modules/matlab/test/OpenCVTest.m deleted file mode 100644 index 67feedd93d..0000000000 --- a/modules/matlab/test/OpenCVTest.m +++ /dev/null @@ -1,166 +0,0 @@ -% Matlab binding test cases -% Uses Matlab's builtin testing framework -classdef OpenCVTest < matlab.unittest.TestCase - - methods(Test) - - % ------------------------------------------------------------------------- - % EXCEPTIONS - % Check that errors and exceptions are thrown correctly - % ------------------------------------------------------------------------- - - % check that std exception is thrown - function stdException(testcase) - try - std_exception(); - testcase.verifyFail(); - catch - % TODO: Catch more specific exception - testcase.verifyTrue(true); - end - end - - % check that OpenCV exceptions are correctly caught - function cvException(testcase) - try - cv_exception(); - testcase.verifyFail(); - catch - % TODO: Catch more specific exception - testcase.verifyTrue(true); - end - end - - % check that all exceptions are caught - function allException(testcase) - try - exception(); - testcase.verifyFail(); - catch - % TODO: Catch more specific exception - testcase.verifyTrue(true); - end - end - - % ------------------------------------------------------------------------- - % SIZES AND FILLS - % Check that matrices are correctly filled and resized - % ------------------------------------------------------------------------- - - % check that a matrix is correctly filled with random numbers - function randomFill(testcase) - sz = [7 11]; - mat = zeros(sz); - mat = cv.randn(mat, 0, 1); - testcase.verifyEqual(size(mat), sz, 'Matrix should not change size'); - testcase.verifyNotEqual(mat, zeros(sz), 'Matrix should be nonzero'); - end - - function transpose(testcase) - m = randn(19, 81); - mt1 = transpose(m); - mt2 = cv.transpose(m); - testcase.verifyEqual(size(mt1), size(mt2), 'Matrix transposed to incorrect dimensionality'); - testcase.verifyLessThan(norm(mt1 - mt2), 1e-8, 'Too much precision lost in tranposition'); - end - - % multiple return - function multipleReturn(testcase) - A = randn(10); - A = A'*A; - [V1, D1] = eig(A); D1 = diag(D1); - [~, D2, V2] = cv.eigen(A); - testcase.verifyLessThan(norm(V1 - V2), 1e-6, 'Too much precision lost in eigenvectors'); - testcase.verifyLessThan(norm(D1 - D2), 1e-6, 'Too much precision lost in eigenvalues'); - end - - % complex output from SVD - function complexOutputSVD(testcase) - A = randn(10); - [V1, D1] = eig(A); - [~, D2, V2] = cv.eigen(A); - testcase.verifyTrue(~isreal(V2) && size(V2,3) == 1, 'Output should be complex'); - testcase.verifyLessThan(norm(V1 - V2), 1e-6, 'Too much precision lost in eigenvectors'); - end - - % complex output from Fourier Transform - function complexOutputFFT(testcase) - A = randn(10); - F1 = fft2(A); - F2 = cv.dft(A, cv.DFT_COMPLEX_OUTPUT); - testcase.verifyTrue(~isreal(F2) && size(F2,3) == 1, 'Output should be complex'); - testcase.verifyLessThan(norm(F1 - F2), 1e-6, 'Too much precision lost in eigenvectors'); - end - - % ------------------------------------------------------------------------- - % TYPE CASTS - % Check that types are correctly cast - % ------------------------------------------------------------------------- - - % ------------------------------------------------------------------------- - % PRECISION - % Check that basic operations are performed with sufficient precision - % ------------------------------------------------------------------------- - - % check that summing elements is within reasonable precision - function sumElements(testcase) - a = randn(5000); - b = sum(a(:)); - c = cv.sum(a); - testcase.verifyLessThan(norm(b - c), 1e-8, 'Matrix reduction with insufficient precision'); - end - - - % check that adding two matrices is within reasonable precision - function addPrecision(testcase) - a = randn(50); - b = randn(50); - c = a+b; - d = cv.add(a, b); - testcase.verifyLessThan(norm(c - d), 1e-8, 'Matrices are added with insufficient precision'); - end - - % check that performing gemm is within reasonable precision - function gemmPrecision(testcase) - a = randn(10, 50); - b = randn(50, 10); - c = randn(10, 10); - alpha = 2.71828; - gamma = 1.61803; - d = alpha*a*b + gamma*c; - e = cv.gemm(a, b, alpha, c, gamma); - testcase.verifyLessThan(norm(d - e), 1e-8, 'Matrices are multiplied with insufficient precision'); - end - - - % ------------------------------------------------------------------------- - % MISCELLANEOUS - % Miscellaneous tests - % ------------------------------------------------------------------------- - - % check that cv::waitKey waits for at least specified time - function waitKey(testcase) - tic(); - cv.waitKey(500); - elapsed = toc(); - testcase.verifyGreaterThan(elapsed, 0.5, 'Elapsed time should be at least 0.5 seconds'); - end - - % check that highgui window can be created and destroyed - function createAndDestroyWindow(testcase) - try - cv.namedWindow('test window'); - catch - testcase.verifyFail('could not create window'); - end - - try - cv.destroyWindow('test window'); - catch - testcase.verifyFail('could not destroy window'); - end - testcase.verifyTrue(true); - end - - end -end diff --git a/modules/matlab/test/cv_exception.cpp b/modules/matlab/test/cv_exception.cpp deleted file mode 100644 index 100d294b85..0000000000 --- a/modules/matlab/test/cv_exception.cpp +++ /dev/null @@ -1,33 +0,0 @@ -/* - * file: exception.cpp - * author: Hilton Bristow - * date: Wed, 19 Jun 2013 11:15:15 - * - * See LICENCE for full modification and redistribution details. - * Copyright 2013 The OpenCV Foundation - */ -#include -#include -#include "mex.h" - -/* - * exception - * Gateway routine - * nlhs - number of return arguments - * plhs - pointers to return arguments - * nrhs - number of input arguments - * prhs - pointers to input arguments - */ -void mexFunction(int nlhs, mxArray* plhs[], - int nrhs, const mxArray* prhs[]) { - - // call the opencv function - // [out =] namespace.fun(src1, ..., srcn, dst1, ..., dstn, opt1, ..., optn); - try { - throw cv::Exception(-1, "OpenCV exception thrown", __func__, __FILE__, __LINE__); - } catch(cv::Exception& e) { - mexErrMsgTxt(e.what()); - } catch(...) { - mexErrMsgTxt("Incorrect exception caught!"); - } -} diff --git a/modules/matlab/test/exception.cpp b/modules/matlab/test/exception.cpp deleted file mode 100644 index ac6788ac85..0000000000 --- a/modules/matlab/test/exception.cpp +++ /dev/null @@ -1,29 +0,0 @@ -/* - * file: exception.cpp - * author: Hilton Bristow - * date: Wed, 19 Jun 2013 11:15:15 - * - * See LICENCE for full modification and redistribution details. - * Copyright 2013 The OpenCV Foundation - */ -#include "mex.h" - -/* - * exception - * Gateway routine - * nlhs - number of return arguments - * plhs - pointers to return arguments - * nrhs - number of input arguments - * prhs - pointers to input arguments - */ -void mexFunction(int nlhs, mxArray* plhs[], - int nrhs, const mxArray* prhs[]) { - - // call the opencv function - // [out =] namespace.fun(src1, ..., srcn, dst1, ..., dstn, opt1, ..., optn); - try { - throw 1; - } catch(...) { - mexErrMsgTxt("Uncaught exception occurred!"); - } -} diff --git a/modules/matlab/test/help.m b/modules/matlab/test/help.m deleted file mode 100644 index cfe86767d6..0000000000 --- a/modules/matlab/test/help.m +++ /dev/null @@ -1,15 +0,0 @@ -function help() -%CV.HELP display help information for the OpenCV Toolbox -% -% Calling: -% >> cv.help(); -% -% is equivalent to calling: -% >> help cv; -% -% It displays high-level usage information about the OpenCV toolbox -% along with resources to find out more information. -% -% See also: cv.buildInformation - help('cv'); -end diff --git a/modules/matlab/test/std_exception.cpp b/modules/matlab/test/std_exception.cpp deleted file mode 100644 index d30b82429d..0000000000 --- a/modules/matlab/test/std_exception.cpp +++ /dev/null @@ -1,32 +0,0 @@ -/* - * file: exception.cpp - * author: Hilton Bristow - * date: Wed, 19 Jun 2013 11:15:15 - * - * See LICENCE for full modification and redistribution details. - * Copyright 2013 The OpenCV Foundation - */ -#include -#include "mex.h" - -/* - * exception - * Gateway routine - * nlhs - number of return arguments - * plhs - pointers to return arguments - * nrhs - number of input arguments - * prhs - pointers to input arguments - */ -void mexFunction(int nlhs, mxArray* plhs[], - int nrhs, const mxArray* prhs[]) { - - // call the opencv function - // [out =] namespace.fun(src1, ..., srcn, dst1, ..., dstn, opt1, ..., optn); - try { - throw std::exception(); - } catch(std::exception& e) { - mexErrMsgTxt(e.what()); - } catch(...) { - mexErrMsgTxt("Incorrect exception caught!"); - } -} diff --git a/modules/matlab/test/test_compiler.cpp b/modules/matlab/test/test_compiler.cpp deleted file mode 100644 index 07559ad502..0000000000 --- a/modules/matlab/test/test_compiler.cpp +++ /dev/null @@ -1,31 +0,0 @@ -/* - * file: rand.cpp - * author: A trusty code generator - * date: Wed, 19 Jun 2013 11:15:15 - * - * This file was autogenerated, do not modify. - * See LICENCE for full modification and redistribution details. - * Copyright 2013 The OpenCV Foundation - */ -#include "mex.h" -#include - -/* - * rand - * Gateway routine - * nlhs - number of return arguments - * plhs - pointers to return arguments - * nrhs - number of input arguments - * prhs - pointers to input arguments - */ -void mexFunction(int nlhs, mxArray* plhs[], - int nrhs, const mxArray* prhs[]) { - - // call the opencv function - // [out =] namespace.fun(src1, ..., srcn, dst1, ..., dstn, opt1, ..., optn); - try { - rand(); - } catch(...) { - mexErrMsgTxt("Uncaught exception occurred in rand"); - } -} diff --git a/modules/matlab/test/test_generator.hpp b/modules/matlab/test/test_generator.hpp deleted file mode 100644 index a03c390a65..0000000000 --- a/modules/matlab/test/test_generator.hpp +++ /dev/null @@ -1,15 +0,0 @@ -/* - * a rather innocuous-looking function which is actually - * part of , so we can be reasonably sure its - * definition will be found - */ -#ifndef __OPENCV_MATLAB_TEST_GENERATOR_HPP_ -#define __OPENCV_MATLAB_TEST_GENERATOR_HPP_ - -namespace cv { - -CV_EXPORTS_W int rand( ); - -}; - -#endif diff --git a/modules/matlab/test/testsuite.m b/modules/matlab/test/testsuite.m deleted file mode 100644 index 9e7d44aab6..0000000000 --- a/modules/matlab/test/testsuite.m +++ /dev/null @@ -1,11 +0,0 @@ -% add the opencv bindings folder -addpath .. - -%setup the tests -opencv_tests = OpenCVTest(); - -%run the tests -result = run(opencv_tests); - -% shutdown -exit(); diff --git a/modules/ml/doc/boosting.rst b/modules/ml/doc/boosting.rst index 7c5bc83fce..2ba4a031f4 100644 --- a/modules/ml/doc/boosting.rst +++ b/modules/ml/doc/boosting.rst @@ -63,41 +63,30 @@ training examples are recomputed at each training iteration. Examples deleted at .. [FHT98] Friedman, J. H., Hastie, T. and Tibshirani, R. Additive Logistic Regression: a Statistical View of Boosting. Technical Report, Dept. of Statistics*, Stanford University, 1998. -CvBoostParams +Boost::Params ------------- -.. ocv:struct:: CvBoostParams : public CvDTreeParams +.. ocv:struct:: Boost::Params : public DTree::Params Boosting training parameters. - There is one structure member that you can set directly: - - .. ocv:member:: int split_criteria - - Splitting criteria used to choose optimal splits during a weak tree construction. Possible values are: - - * **CvBoost::DEFAULT** Use the default for the particular boosting method, see below. - * **CvBoost::GINI** Use Gini index. This is default option for Real AdaBoost; may be also used for Discrete AdaBoost. - * **CvBoost::MISCLASS** Use misclassification rate. This is default option for Discrete AdaBoost; may be also used for Real AdaBoost. - * **CvBoost::SQERR** Use least squares criteria. This is default and the only option for LogitBoost and Gentle AdaBoost. - -The structure is derived from :ocv:class:`CvDTreeParams` but not all of the decision tree parameters are supported. In particular, cross-validation is not supported. +The structure is derived from ``DTrees::Params`` but not all of the decision tree parameters are supported. In particular, cross-validation is not supported. All parameters are public. You can initialize them by a constructor and then override some of them directly if you want. -CvBoostParams::CvBoostParams +Boost::Params::Params ---------------------------- The constructors. -.. ocv:function:: CvBoostParams::CvBoostParams() +.. ocv:function:: Boost::Params::Params() -.. ocv:function:: CvBoostParams::CvBoostParams( int boost_type, int weak_count, double weight_trim_rate, int max_depth, bool use_surrogates, const float* priors ) +.. ocv:function:: Boost::Params::Params( int boostType, int weakCount, double weightTrimRate, int maxDepth, bool useSurrogates, const Mat& priors ) :param boost_type: Type of the boosting algorithm. Possible values are: - * **CvBoost::DISCRETE** Discrete AdaBoost. - * **CvBoost::REAL** Real AdaBoost. It is a technique that utilizes confidence-rated predictions and works well with categorical data. - * **CvBoost::LOGIT** LogitBoost. It can produce good regression fits. - * **CvBoost::GENTLE** Gentle AdaBoost. It puts less weight on outlier data points and for that reason is often good with regression data. + * **Boost::DISCRETE** Discrete AdaBoost. + * **Boost::REAL** Real AdaBoost. It is a technique that utilizes confidence-rated predictions and works well with categorical data. + * **Boost::LOGIT** LogitBoost. It can produce good regression fits. + * **Boost::GENTLE** Gentle AdaBoost. It puts less weight on outlier data points and for that reason is often good with regression data. Gentle AdaBoost and Real AdaBoost are often the preferable choices. @@ -105,131 +94,54 @@ The constructors. :param weight_trim_rate: A threshold between 0 and 1 used to save computational time. Samples with summary weight :math:`\leq 1 - weight\_trim\_rate` do not participate in the *next* iteration of training. Set this parameter to 0 to turn off this functionality. -See :ocv:func:`CvDTreeParams::CvDTreeParams` for description of other parameters. +See ``DTrees::Params`` for description of other parameters. Default parameters are: :: - CvBoostParams::CvBoostParams() + Boost::Params::Params() { - boost_type = CvBoost::REAL; - weak_count = 100; - weight_trim_rate = 0.95; - cv_folds = 0; - max_depth = 1; + boostType = Boost::REAL; + weakCount = 100; + weightTrimRate = 0.95; + CVFolds = 0; + maxDepth = 1; } -CvBoostTree ------------ -.. ocv:class:: CvBoostTree : public CvDTree - -The weak tree classifier, a component of the boosted tree classifier :ocv:class:`CvBoost`, is a derivative of :ocv:class:`CvDTree`. Normally, there is no need to use the weak classifiers directly. However, they can be accessed as elements of the sequence ``CvBoost::weak``, retrieved by :ocv:func:`CvBoost::get_weak_predictors`. - -.. note:: In case of LogitBoost and Gentle AdaBoost, each weak predictor is a regression tree, rather than a classification tree. Even in case of Discrete AdaBoost and Real AdaBoost, the ``CvBoostTree::predict`` return value (:ocv:member:`CvDTreeNode::value`) is not an output class label. A negative value "votes" for class #0, a positive value - for class #1. The votes are weighted. The weight of each individual tree may be increased or decreased using the method ``CvBoostTree::scale``. - -CvBoost +Boost ------- -.. ocv:class:: CvBoost : public CvStatModel +.. ocv:class:: Boost : public DTrees -Boosted tree classifier derived from :ocv:class:`CvStatModel`. +Boosted tree classifier derived from ``DTrees`` -CvBoost::CvBoost +Boost::create ---------------- -Default and training constructors. +Creates the empty model -.. ocv:function:: CvBoost::CvBoost() +.. ocv:function:: Ptr Boost::create(const Params& params=Params()) -.. ocv:function:: CvBoost::CvBoost( const Mat& trainData, int tflag, const Mat& responses, const Mat& varIdx=Mat(), const Mat& sampleIdx=Mat(), const Mat& varType=Mat(), const Mat& missingDataMask=Mat(), CvBoostParams params=CvBoostParams() ) +Use ``StatModel::train`` to train the model, ``StatModel::train(traindata, params)`` to create and train the model, ``StatModel::load(filename)`` to load the pre-trained model. -.. ocv:function:: CvBoost::CvBoost( const CvMat* trainData, int tflag, const CvMat* responses, const CvMat* varIdx=0, const CvMat* sampleIdx=0, const CvMat* varType=0, const CvMat* missingDataMask=0, CvBoostParams params=CvBoostParams() ) - -.. ocv:pyfunction:: cv2.Boost([trainData, tflag, responses[, varIdx[, sampleIdx[, varType[, missingDataMask[, params]]]]]]) -> - - -The constructors follow conventions of :ocv:func:`CvStatModel::CvStatModel`. See :ocv:func:`CvStatModel::train` for parameters descriptions. - -CvBoost::train --------------- -Trains a boosted tree classifier. - -.. ocv:function:: bool CvBoost::train( const Mat& trainData, int tflag, const Mat& responses, const Mat& varIdx=Mat(), const Mat& sampleIdx=Mat(), const Mat& varType=Mat(), const Mat& missingDataMask=Mat(), CvBoostParams params=CvBoostParams(), bool update=false ) - -.. ocv:function:: bool CvBoost::train( const CvMat* trainData, int tflag, const CvMat* responses, const CvMat* varIdx=0, const CvMat* sampleIdx=0, const CvMat* varType=0, const CvMat* missingDataMask=0, CvBoostParams params=CvBoostParams(), bool update=false ) - -.. ocv:function:: bool CvBoost::train( CvMLData* data, CvBoostParams params=CvBoostParams(), bool update=false ) - -.. ocv:pyfunction:: cv2.Boost.train(trainData, tflag, responses[, varIdx[, sampleIdx[, varType[, missingDataMask[, params[, update]]]]]]) -> retval - - :param update: Specifies whether the classifier needs to be updated (``true``, the new weak tree classifiers added to the existing ensemble) or the classifier needs to be rebuilt from scratch (``false``). - -The train method follows the common template of :ocv:func:`CvStatModel::train`. The responses must be categorical, which means that boosted trees cannot be built for regression, and there should be two classes. - -CvBoost::predict ----------------- -Predicts a response for an input sample. - -.. ocv:function:: float CvBoost::predict( const cv::Mat& sample, const cv::Mat& missing=Mat(), const cv::Range& slice=Range::all(), bool rawMode=false, bool returnSum=false ) const - -.. ocv:function:: float CvBoost::predict( const CvMat* sample, const CvMat* missing=0, CvMat* weak_responses=0, CvSlice slice=CV_WHOLE_SEQ, bool raw_mode=false, bool return_sum=false ) const - -.. ocv:pyfunction:: cv2.Boost.predict(sample[, missing[, slice[, rawMode[, returnSum]]]]) -> retval - - :param sample: Input sample. - - :param missing: Optional mask of missing measurements. To handle missing measurements, the weak classifiers must include surrogate splits (see ``CvDTreeParams::use_surrogates``). - - :param weak_responses: Optional output parameter, a floating-point vector with responses of each individual weak classifier. The number of elements in the vector must be equal to the slice length. - - :param slice: Continuous subset of the sequence of weak classifiers to be used for prediction. By default, all the weak classifiers are used. - - :param rawMode: Normally, it should be set to ``false``. - - :param returnSum: If ``true`` then return sum of votes instead of the class label. - -The method runs the sample through the trees in the ensemble and returns the output class label based on the weighted voting. - -CvBoost::prune --------------- -Removes the specified weak classifiers. - -.. ocv:function:: void CvBoost::prune( CvSlice slice ) - -.. ocv:pyfunction:: cv2.Boost.prune(slice) -> None - - :param slice: Continuous subset of the sequence of weak classifiers to be removed. - -The method removes the specified weak classifiers from the sequence. - -.. note:: Do not confuse this method with the pruning of individual decision trees, which is currently not supported. - - -CvBoost::calc_error -------------------- -Returns error of the boosted tree classifier. - -.. ocv:function:: float CvBoost::calc_error( CvMLData* _data, int type , std::vector *resp = 0 ) - -The method is identical to :ocv:func:`CvDTree::calc_error` but uses the boosted tree classifier as predictor. - - -CvBoost::get_weak_predictors ----------------------------- -Returns the sequence of weak tree classifiers. - -.. ocv:function:: CvSeq* CvBoost::get_weak_predictors() - -The method returns the sequence of weak classifiers. Each element of the sequence is a pointer to the :ocv:class:`CvBoostTree` class or to some of its derivatives. - -CvBoost::get_params -------------------- -Returns current parameters of the boosted tree classifier. - -.. ocv:function:: const CvBoostParams& CvBoost::get_params() const - - -CvBoost::get_data +Boost::getBParams ----------------- -Returns used train data of the boosted tree classifier. +Returns the boosting parameters -.. ocv:function:: const CvDTreeTrainData* CvBoost::get_data() const +.. ocv:function:: Params Boost::getBParams() const + +The method returns the training parameters. + +Boost::setBParams +----------------- +Sets the boosting parameters + +.. ocv:function:: void Boost::setBParams( const Params& p ) + + :param p: Training parameters of type Boost::Params. + +The method sets the training parameters. + +Prediction with Boost +--------------------- + +StatModel::predict(samples, results, flags) should be used. Pass ``flags=StatModel::RAW_OUTPUT`` to get the raw sum from Boost classifier. diff --git a/modules/ml/doc/decision_trees.rst b/modules/ml/doc/decision_trees.rst index de6fc99d63..474cca2e32 100644 --- a/modules/ml/doc/decision_trees.rst +++ b/modules/ml/doc/decision_trees.rst @@ -3,10 +3,7 @@ Decision Trees The ML classes discussed in this section implement Classification and Regression Tree algorithms described in [Breiman84]_. -The class -:ocv:class:`CvDTree` represents a single decision tree that may be used alone or as a base class in tree ensembles (see -:ref:`Boosting` and -:ref:`Random Trees` ). +The class ``cv::ml::DTrees`` represents a single decision tree or a collection of decision trees. It's also a base class for ``RTrees`` and ``Boost``. A decision tree is a binary tree (tree where each non-leaf node has two child nodes). It can be used either for classification or for regression. For classification, each tree leaf is marked with a class label; multiple leaves may have the same label. For regression, a constant is also assigned to each tree leaf, so the approximation function is piecewise constant. @@ -55,123 +52,107 @@ Besides the prediction that is an obvious use of decision trees, the tree can be Importance of each variable is computed over all the splits on this variable in the tree, primary and surrogate ones. Thus, to compute variable importance correctly, the surrogate splits must be enabled in the training parameters, even if there is no missing data. -CvDTreeSplit ------------- -.. ocv:struct:: CvDTreeSplit +DTrees::Split +------------- +.. ocv:class:: DTrees::Split + The class represents split in a decision tree. It has public members: - The structure represents a possible decision tree node split. It has public members: - - .. ocv:member:: int var_idx + .. ocv:member:: int varIdx Index of variable on which the split is created. - .. ocv:member:: int inversed + .. ocv:member:: bool inversed - If it is not null then inverse split rule is used that is left and right branches are exchanged in the rule expressions below. + If true, then the inverse split rule is used (i.e. left and right branches are exchanged in the rule expressions below). .. ocv:member:: float quality - The split quality, a positive number. It is used to choose the best primary split, then to choose and sort the surrogate splits. After the tree is constructed, it is also used to compute variable importance. + The split quality, a positive number. It is used to choose the best split. - .. ocv:member:: CvDTreeSplit* next + .. ocv:member:: int next - Pointer to the next split in the node list of splits. + Index of the next split in the list of splits for the node - .. ocv:member:: int[] subset - - Bit array indicating the value subset in case of split on a categorical variable. The rule is: :: - - if var_value in subset - then next_node <- left - else next_node <- right - - .. ocv:member:: float ord::c + .. ocv:member:: float c The threshold value in case of split on an ordered variable. The rule is: :: - if var_value < ord.c - then next_node<-left - else next_node<-right + if var_value < c + then next_node<-left + else next_node<-right - .. ocv:member:: int ord::split_point + .. ocv:member:: int subsetOfs - Used internally by the training algorithm. + Offset of the bitset used by the split on a categorical variable. The rule is: :: -CvDTreeNode ------------ -.. ocv:struct:: CvDTreeNode + if bitset[var_value] == 1 + then next_node <- left + else next_node <- right +DTrees::Node +------------ +.. ocv:class:: DTrees::Node - The structure represents a node in a decision tree. It has public members: - - .. ocv:member:: int class_idx - - Class index normalized to 0..class_count-1 range and assigned to the node. It is used internally in classification trees and tree ensembles. - - .. ocv:member:: int Tn - - Tree index in a ordered sequence of pruned trees. The indices are used during and after the pruning procedure. The root node has the maximum value ``Tn`` of the whole tree, child nodes have ``Tn`` less than or equal to the parent's ``Tn``, and nodes with :math:`Tn \leq CvDTree::pruned\_tree\_idx` are not used at prediction stage (the corresponding branches are considered as cut-off), even if they have not been physically deleted from the tree at the pruning stage. + The class represents a decision tree node. It has public members: .. ocv:member:: double value Value at the node: a class label in case of classification or estimated function value in case of regression. - .. ocv:member:: CvDTreeNode* parent + .. ocv:member:: int classIdx - Pointer to the parent node. + Class index normalized to 0..class_count-1 range and assigned to the node. It is used internally in classification trees and tree ensembles. - .. ocv:member:: CvDTreeNode* left + .. ocv:member:: int parent - Pointer to the left child node. + Index of the parent node - .. ocv:member:: CvDTreeNode* right + .. ocv:member:: int left - Pointer to the right child node. + Index of the left child node - .. ocv:member:: CvDTreeSplit* split + .. ocv:member:: int right - Pointer to the first (primary) split in the node list of splits. + Index of right child node. - .. ocv:member:: int sample_count + .. ocv:member:: int defaultDir - The number of samples that fall into the node at the training stage. It is used to resolve the difficult cases - when the variable for the primary split is missing and all the variables for other surrogate splits are missing too. In this case the sample is directed to the left if ``left->sample_count > right->sample_count`` and to the right otherwise. + Default direction where to go (-1: left or +1: right). It helps in the case of missing values. - .. ocv:member:: int depth + .. ocv:member:: int split - Depth of the node. The root node depth is 0, the child nodes depth is the parent's depth + 1. + Index of the first split -Other numerous fields of ``CvDTreeNode`` are used internally at the training stage. - -CvDTreeParams -------------- -.. ocv:struct:: CvDTreeParams +DTrees::Params +--------------- +.. ocv:class:: DTrees::Params The structure contains all the decision tree training parameters. You can initialize it by default constructor and then override any parameters directly before training, or the structure may be fully initialized using the advanced variant of the constructor. -CvDTreeParams::CvDTreeParams +DTrees::Params::Params ---------------------------- -The constructors. +The constructors -.. ocv:function:: CvDTreeParams::CvDTreeParams() +.. ocv:function:: DTrees::Params::Params() -.. ocv:function:: CvDTreeParams::CvDTreeParams( int max_depth, int min_sample_count, float regression_accuracy, bool use_surrogates, int max_categories, int cv_folds, bool use_1se_rule, bool truncate_pruned_tree, const float* priors ) +.. ocv:function:: DTrees::Params::Params( int maxDepth, int minSampleCount, double regressionAccuracy, bool useSurrogates, int maxCategories, int CVFolds, bool use1SERule, bool truncatePrunedTree, const Mat& priors ) - :param max_depth: The maximum possible depth of the tree. That is the training algorithms attempts to split a node while its depth is less than ``max_depth``. The actual depth may be smaller if the other termination criteria are met (see the outline of the training procedure in the beginning of the section), and/or if the tree is pruned. + :param maxDepth: The maximum possible depth of the tree. That is the training algorithms attempts to split a node while its depth is less than ``maxDepth``. The root node has zero depth. The actual depth may be smaller if the other termination criteria are met (see the outline of the training procedure in the beginning of the section), and/or if the tree is pruned. - :param min_sample_count: If the number of samples in a node is less than this parameter then the node will not be split. + :param minSampleCount: If the number of samples in a node is less than this parameter then the node will not be split. - :param regression_accuracy: Termination criteria for regression trees. If all absolute differences between an estimated value in a node and values of train samples in this node are less than this parameter then the node will not be split. + :param regressionAccuracy: Termination criteria for regression trees. If all absolute differences between an estimated value in a node and values of train samples in this node are less than this parameter then the node will not be split further. - :param use_surrogates: If true then surrogate splits will be built. These splits allow to work with missing data and compute variable importance correctly. + :param useSurrogates: If true then surrogate splits will be built. These splits allow to work with missing data and compute variable importance correctly. .. note:: currently it's not implemented. - :param max_categories: Cluster possible values of a categorical variable into ``K`` :math:`\leq` ``max_categories`` clusters to find a suboptimal split. If a discrete variable, on which the training procedure tries to make a split, takes more than ``max_categories`` values, the precise best subset estimation may take a very long time because the algorithm is exponential. Instead, many decision trees engines (including ML) try to find sub-optimal split in this case by clustering all the samples into ``max_categories`` clusters that is some categories are merged together. The clustering is applied only in ``n``>2-class classification problems for categorical variables with ``N > max_categories`` possible values. In case of regression and 2-class classification the optimal split can be found efficiently without employing clustering, thus the parameter is not used in these cases. + :param maxCategories: Cluster possible values of a categorical variable into ``K<=maxCategories`` clusters to find a suboptimal split. If a discrete variable, on which the training procedure tries to make a split, takes more than ``maxCategories`` values, the precise best subset estimation may take a very long time because the algorithm is exponential. Instead, many decision trees engines (including our implementation) try to find sub-optimal split in this case by clustering all the samples into ``maxCategories`` clusters that is some categories are merged together. The clustering is applied only in ``n > 2``-class classification problems for categorical variables with ``N > max_categories`` possible values. In case of regression and 2-class classification the optimal split can be found efficiently without employing clustering, thus the parameter is not used in these cases. - :param cv_folds: If ``cv_folds > 1`` then prune a tree with ``K``-fold cross-validation where ``K`` is equal to ``cv_folds``. + :param CVFolds: If ``CVFolds > 1`` then algorithms prunes the built decision tree using ``K``-fold cross-validation procedure where ``K`` is equal to ``CVFolds``. - :param use_1se_rule: If true then a pruning will be harsher. This will make a tree more compact and more resistant to the training data noise but a bit less accurate. + :param use1SERule: If true then a pruning will be harsher. This will make a tree more compact and more resistant to the training data noise but a bit less accurate. - :param truncate_pruned_tree: If true then pruned branches are physically removed from the tree. Otherwise they are retained and it is possible to get results from the original unpruned (or pruned less aggressively) tree by decreasing ``CvDTree::pruned_tree_idx`` parameter. + :param truncatePrunedTree: If true then pruned branches are physically removed from the tree. Otherwise they are retained and it is possible to get results from the original unpruned (or pruned less aggressively) tree. :param priors: The array of a priori class probabilities, sorted by the class label value. The parameter can be used to tune the decision tree preferences toward a certain class. For example, if you want to detect some rare anomaly occurrence, the training base will likely contain much more normal cases than anomalies, so a very good classification performance will be achieved just by considering every case as normal. To avoid this, the priors can be specified, where the anomaly probability is artificially increased (up to 0.5 or even greater), so the weight of the misclassified anomalies becomes much bigger, and the tree is adjusted properly. You can also think about this parameter as weights of prediction categories which determine relative weights that you give to misclassification. That is, if the weight of the first category is 1 and the weight of the second category is 10, then each mistake in predicting the second category is equivalent to making 10 mistakes in predicting the first category. @@ -179,142 +160,82 @@ The default constructor initializes all the parameters with the default values t :: - CvDTreeParams() : max_categories(10), max_depth(INT_MAX), min_sample_count(10), - cv_folds(10), use_surrogates(true), use_1se_rule(true), - truncate_pruned_tree(true), regression_accuracy(0.01f), priors(0) - {} + DTrees::Params::Params() + { + maxDepth = INT_MAX; + minSampleCount = 10; + regressionAccuracy = 0.01f; + useSurrogates = false; + maxCategories = 10; + CVFolds = 10; + use1SERule = true; + truncatePrunedTree = true; + priors = Mat(); + } -CvDTreeTrainData +DTrees +------ + +.. ocv:class:: DTrees : public StatModel + +The class represents a single decision tree or a collection of decision trees. The current public interface of the class allows user to train only a single decision tree, however the class is capable of storing multiple decision trees and using them for prediction (by summing responses or using a voting schemes), and the derived from DTrees classes (such as ``RTrees`` and ``Boost``) use this capability to implement decision tree ensembles. + +DTrees::create ---------------- -.. ocv:struct:: CvDTreeTrainData +Creates the empty model -Decision tree training data and shared data for tree ensembles. The structure is mostly used internally for storing both standalone trees and tree ensembles efficiently. Basically, it contains the following types of information: +.. ocv:function:: Ptr DTrees::create(const Params& params=Params()) -#. Training parameters, an instance of :ocv:class:`CvDTreeParams`. +The static method creates empty decision tree with the specified parameters. It should be then trained using ``train`` method (see ``StatModel::train``). Alternatively, you can load the model from file using ``StatModel::load(filename)``. -#. Training data preprocessed to find the best splits more efficiently. For tree ensembles, this preprocessed data is reused by all trees. Additionally, the training data characteristics shared by all trees in the ensemble are stored here: variable types, the number of classes, a class label compression map, and so on. +DTrees::getDParams +------------------ +Returns the training parameters -#. Buffers, memory storages for tree nodes, splits, and other elements of the constructed trees. +.. ocv:function:: Params DTrees::getDParams() const -There are two ways of using this structure. In simple cases (for example, a standalone tree or the ready-to-use "black box" tree ensemble from machine learning, like -:ref:`Random Trees` or -:ref:`Boosting` ), there is no need to care or even to know about the structure. You just construct the needed statistical model, train it, and use it. The ``CvDTreeTrainData`` structure is constructed and used internally. However, for custom tree algorithms or another sophisticated cases, the structure may be constructed and used explicitly. The scheme is the following: +The method returns the training parameters. -#. - The structure is initialized using the default constructor, followed by ``set_data``, or it is built using the full form of constructor. The parameter ``_shared`` must be set to ``true``. - -#. - One or more trees are trained using this data (see the special form of the method :ocv:func:`CvDTree::train`). - -#. - The structure is released as soon as all the trees using it are released. - -CvDTree -------- -.. ocv:class:: CvDTree : public CvStatModel - -The class implements a decision tree as described in the beginning of this section. - - -CvDTree::train --------------- -Trains a decision tree. - -.. ocv:function:: bool CvDTree::train( const Mat& trainData, int tflag, const Mat& responses, const Mat& varIdx=Mat(), const Mat& sampleIdx=Mat(), const Mat& varType=Mat(), const Mat& missingDataMask=Mat(), CvDTreeParams params=CvDTreeParams() ) - -.. ocv:function:: bool CvDTree::train( const CvMat* trainData, int tflag, const CvMat* responses, const CvMat* varIdx=0, const CvMat* sampleIdx=0, const CvMat* varType=0, const CvMat* missingDataMask=0, CvDTreeParams params=CvDTreeParams() ) - -.. ocv:function:: bool CvDTree::train( CvMLData* trainData, CvDTreeParams params=CvDTreeParams() ) - -.. ocv:function:: bool CvDTree::train( CvDTreeTrainData* trainData, const CvMat* subsampleIdx ) - -.. ocv:pyfunction:: cv2.DTree.train(trainData, tflag, responses[, varIdx[, sampleIdx[, varType[, missingDataMask[, params]]]]]) -> retval - -There are four ``train`` methods in :ocv:class:`CvDTree`: - -* The **first two** methods follow the generic :ocv:func:`CvStatModel::train` conventions. It is the most complete form. Both data layouts (``tflag=CV_ROW_SAMPLE`` and ``tflag=CV_COL_SAMPLE``) are supported, as well as sample and variable subsets, missing measurements, arbitrary combinations of input and output variable types, and so on. The last parameter contains all of the necessary training parameters (see the :ocv:class:`CvDTreeParams` description). - -* The **third** method uses :ocv:class:`CvMLData` to pass training data to a decision tree. - -* The **last** method ``train`` is mostly used for building tree ensembles. It takes the pre-constructed :ocv:class:`CvDTreeTrainData` instance and an optional subset of the training set. The indices in ``subsampleIdx`` are counted relatively to the ``_sample_idx`` , passed to the ``CvDTreeTrainData`` constructor. For example, if ``_sample_idx=[1, 5, 7, 100]`` , then ``subsampleIdx=[0,3]`` means that the samples ``[1, 100]`` of the original training set are used. - -The function is parallelized with the TBB library. - - - -CvDTree::predict ----------------- -Returns the leaf node of a decision tree corresponding to the input vector. - -.. ocv:function:: CvDTreeNode* CvDTree::predict( const Mat& sample, const Mat& missingDataMask=Mat(), bool preprocessedInput=false ) const - -.. ocv:function:: CvDTreeNode* CvDTree::predict( const CvMat* sample, const CvMat* missingDataMask=0, bool preprocessedInput=false ) const - -.. ocv:pyfunction:: cv2.DTree.predict(sample[, missingDataMask[, preprocessedInput]]) -> retval - - :param sample: Sample for prediction. - - :param missingDataMask: Optional input missing measurement mask. - - :param preprocessedInput: This parameter is normally set to ``false``, implying a regular input. If it is ``true``, the method assumes that all the values of the discrete input variables have been already normalized to :math:`0` to :math:`num\_of\_categories_i-1` ranges since the decision tree uses such normalized representation internally. It is useful for faster prediction with tree ensembles. For ordered input variables, the flag is not used. - -The method traverses the decision tree and returns the reached leaf node as output. The prediction result, either the class label or the estimated function value, may be retrieved as the ``value`` field of the :ocv:class:`CvDTreeNode` structure, for example: ``dtree->predict(sample,mask)->value``. - - - -CvDTree::calc_error +DTrees::setDParams ------------------- -Returns error of the decision tree. +Sets the training parameters -.. ocv:function:: float CvDTree::calc_error( CvMLData* trainData, int type, std::vector *resp = 0 ) +.. ocv:function:: void DTrees::setDParams( const Params& p ) - :param trainData: Data for the decision tree. + :param p: Training parameters of type DTrees::Params. - :param type: Type of error. Possible values are: - - * **CV_TRAIN_ERROR** Error on train samples. - - * **CV_TEST_ERROR** Error on test samples. - - :param resp: If it is not null then size of this vector will be set to the number of samples and each element will be set to result of prediction on the corresponding sample. - -The method calculates error of the decision tree. In case of classification it is the percentage of incorrectly classified samples and in case of regression it is the mean of squared errors on samples. +The method sets the training parameters. -CvDTree::getVarImportance -------------------------- -Returns the variable importance array. +DTrees::getRoots +------------------- +Returns indices of root nodes -.. ocv:function:: Mat CvDTree::getVarImportance() +.. ocv:function:: std::vector& DTrees::getRoots() const -.. ocv:function:: const CvMat* CvDTree::get_var_importance() +DTrees::getNodes +------------------- +Returns all the nodes -.. ocv:pyfunction:: cv2.DTree.getVarImportance() -> retval +.. ocv:function:: std::vector& DTrees::getNodes() const -CvDTree::get_root ------------------ -Returns the root of the decision tree. +all the node indices, mentioned above (left, right, parent, root indices) are indices in the returned vector -.. ocv:function:: const CvDTreeNode* CvDTree::get_root() const +DTrees::getSplits +------------------- +Returns all the splits +.. ocv:function:: std::vector& DTrees::getSplits() const -CvDTree::get_pruned_tree_idx ----------------------------- -Returns the ``CvDTree::pruned_tree_idx`` parameter. +all the split indices, mentioned above (split, next etc.) are indices in the returned vector -.. ocv:function:: int CvDTree::get_pruned_tree_idx() const +DTrees::getSubsets +------------------- +Returns all the bitsets for categorical splits -The parameter ``DTree::pruned_tree_idx`` is used to prune a decision tree. See the ``CvDTreeNode::Tn`` parameter. - -CvDTree::get_data ------------------ -Returns used train data of the decision tree. - -.. ocv:function:: CvDTreeTrainData* CvDTree::get_data() const - -Example: building a tree for classifying mushrooms. See the ``mushroom.cpp`` sample that demonstrates how to build and use the -decision tree. +.. ocv:function:: std::vector& DTrees::getSubsets() const +``Split::subsetOfs`` is an offset in the returned vector .. [Breiman84] Breiman, L., Friedman, J. Olshen, R. and Stone, C. (1984), *Classification and Regression Trees*, Wadsworth. diff --git a/modules/ml/doc/ertrees.rst b/modules/ml/doc/ertrees.rst deleted file mode 100644 index 7e6d03e7fc..0000000000 --- a/modules/ml/doc/ertrees.rst +++ /dev/null @@ -1,15 +0,0 @@ -Extremely randomized trees -========================== - -Extremely randomized trees have been introduced by Pierre Geurts, Damien Ernst and Louis Wehenkel in the article "Extremely randomized trees", 2006 [http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.65.7485&rep=rep1&type=pdf]. The algorithm of growing Extremely randomized trees is similar to :ref:`Random Trees` (Random Forest), but there are two differences: - -#. Extremely randomized trees don't apply the bagging procedure to construct a set of the training samples for each tree. The same input training set is used to train all trees. - -#. Extremely randomized trees pick a node split very extremely (both a variable index and variable splitting value are chosen randomly), whereas Random Forest finds the best split (optimal one by variable index and variable splitting value) among random subset of variables. - - -CvERTrees ----------- -.. ocv:class:: CvERTrees : public CvRTrees - - The class implements the Extremely randomized trees algorithm. ``CvERTrees`` is inherited from :ocv:class:`CvRTrees` and has the same interface, so see description of :ocv:class:`CvRTrees` class to get details. To set the training parameters of Extremely randomized trees the same class :ocv:struct:`CvRTParams` is used. diff --git a/modules/ml/doc/expectation_maximization.rst b/modules/ml/doc/expectation_maximization.rst index b79dea820b..4b54007bb9 100644 --- a/modules/ml/doc/expectation_maximization.rst +++ b/modules/ml/doc/expectation_maximization.rst @@ -66,7 +66,7 @@ Alternatively, the algorithm may start with the M-step when the initial values f :math:`p_{i,k}` can be provided. Another alternative when :math:`p_{i,k}` are unknown is to use a simpler clustering algorithm to pre-cluster the input samples and thus obtain initial :math:`p_{i,k}` . Often (including machine learning) the -:ocv:func:`kmeans` algorithm is used for that purpose. +``k-means`` algorithm is used for that purpose. One of the main problems of the EM algorithm is a large number of parameters to estimate. The majority of the parameters reside in @@ -91,18 +91,21 @@ already a good enough approximation). EM -- -.. ocv:class:: EM : public Algorithm +.. ocv:class:: EM : public StatModel -The class implements the EM algorithm as described in the beginning of this section. It is inherited from :ocv:class:`Algorithm`. +The class implements the EM algorithm as described in the beginning of this section. +EM::Params +---------- +.. ocv:class:: EM::Params -EM::EM ------- -The constructor of the class +The class describes EM training parameters. -.. ocv:function:: EM::EM(int nclusters=EM::DEFAULT_NCLUSTERS, int covMatType=EM::COV_MAT_DIAGONAL, const TermCriteria& termCrit=TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, EM::DEFAULT_MAX_ITERS, FLT_EPSILON) ) +EM::Params::Params +------------------ +The constructor -.. ocv:pyfunction:: cv2.EM([nclusters[, covMatType[, termCrit]]]) -> +.. ocv:function:: EM::Params::Params( int nclusters=DEFAULT_NCLUSTERS, int covMatType=EM::COV_MAT_DIAGONAL,const TermCriteria& termCrit=TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, EM::DEFAULT_MAX_ITERS, 1e-6)) :param nclusters: The number of mixture components in the Gaussian mixture model. Default value of the parameter is ``EM::DEFAULT_NCLUSTERS=5``. Some of EM implementation could determine the optimal number of mixtures within a specified value range, but that is not the case in ML yet. @@ -116,21 +119,26 @@ The constructor of the class :param termCrit: The termination criteria of the EM algorithm. The EM algorithm can be terminated by the number of iterations ``termCrit.maxCount`` (number of M-steps) or when relative change of likelihood logarithm is less than ``termCrit.epsilon``. Default maximum number of iterations is ``EM::DEFAULT_MAX_ITERS=100``. + +EM::create +---------- +Creates empty EM model + +.. ocv:function:: Ptr EM::create(const Params& params=Params()) + + :param params: EM parameters + +The model should be trained then using ``StatModel::train(traindata, flags)`` method. Alternatively, you can use one of the ``EM::train*`` methods or load it from file using ``StatModel::load(filename)``. + EM::train --------- -Estimates the Gaussian mixture parameters from a samples set. +Static methods that estimate the Gaussian mixture parameters from a samples set -.. ocv:function:: bool EM::train(InputArray samples, OutputArray logLikelihoods=noArray(), OutputArray labels=noArray(), OutputArray probs=noArray()) +.. ocv:function:: Ptr EM::train(InputArray samples, OutputArray logLikelihoods=noArray(), OutputArray labels=noArray(), OutputArray probs=noArray(), const Params& params=Params()) -.. ocv:function:: bool EM::trainE(InputArray samples, InputArray means0, InputArray covs0=noArray(), InputArray weights0=noArray(), OutputArray logLikelihoods=noArray(), OutputArray labels=noArray(), OutputArray probs=noArray()) +.. ocv:function:: bool EM::train_startWithE(InputArray samples, InputArray means0, InputArray covs0=noArray(), InputArray weights0=noArray(), OutputArray logLikelihoods=noArray(), OutputArray labels=noArray(), OutputArray probs=noArray(), const Params& params=Params()) -.. ocv:function:: bool EM::trainM(InputArray samples, InputArray probs0, OutputArray logLikelihoods=noArray(), OutputArray labels=noArray(), OutputArray probs=noArray()) - -.. ocv:pyfunction:: cv2.EM.train(samples[, logLikelihoods[, labels[, probs]]]) -> retval, logLikelihoods, labels, probs - -.. ocv:pyfunction:: cv2.EM.trainE(samples, means0[, covs0[, weights0[, logLikelihoods[, labels[, probs]]]]]) -> retval, logLikelihoods, labels, probs - -.. ocv:pyfunction:: cv2.EM.trainM(samples, probs0[, logLikelihoods[, labels[, probs]]]) -> retval, logLikelihoods, labels, probs +.. ocv:function:: bool EM::train_startWithM(InputArray samples, InputArray probs0, OutputArray logLikelihoods=noArray(), OutputArray labels=noArray(), OutputArray probs=noArray(), const Params& params=Params()) :param samples: Samples from which the Gaussian mixture model will be estimated. It should be a one-channel matrix, each row of which is a sample. If the matrix does not have ``CV_64F`` type it will be converted to the inner matrix of such type for the further computing. @@ -148,6 +156,8 @@ Estimates the Gaussian mixture parameters from a samples set. :param probs: The optional output matrix that contains posterior probabilities of each Gaussian mixture component given the each sample. It has :math:`nsamples \times nclusters` size and ``CV_64FC1`` type. + :param params: The Gaussian mixture params, see ``EM::Params`` description above. + Three versions of training method differ in the initialization of Gaussian mixture model parameters and start step: * **train** - Starts with Expectation step. Initial values of the model parameters will be estimated by the k-means algorithm. @@ -167,15 +177,13 @@ Unlike many of the ML models, EM is an unsupervised learning algorithm and it do :math:`\texttt{labels}_i=\texttt{arg max}_k(p_{i,k}), i=1..N` (indices of the most probable mixture component for each sample). The trained model can be used further for prediction, just like any other classifier. The trained model is similar to the -:ocv:class:`CvNormalBayesClassifier`. +``NormalBayesClassifier``. -EM::predict ------------ +EM::predict2 +------------ Returns a likelihood logarithm value and an index of the most probable mixture component for the given sample. -.. ocv:function:: Vec2d EM::predict(InputArray sample, OutputArray probs=noArray()) const - -.. ocv:pyfunction:: cv2.EM.predict(sample[, probs]) -> retval, probs +.. ocv:function:: Vec2d EM::predict2(InputArray sample, OutputArray probs=noArray()) const :param sample: A sample for classification. It should be a one-channel matrix of :math:`1 \times dims` or :math:`dims \times 1` size. @@ -183,28 +191,29 @@ Returns a likelihood logarithm value and an index of the most probable mixture c The method returns a two-element ``double`` vector. Zero element is a likelihood logarithm value for the sample. First element is an index of the most probable mixture component for the given sample. -CvEM::isTrained ---------------- -Returns ``true`` if the Gaussian mixture model was trained. -.. ocv:function:: bool EM::isTrained() const +EM::getMeans +------------ +Returns the cluster centers (means of the Gaussian mixture) -.. ocv:pyfunction:: cv2.EM.isTrained() -> retval +.. ocv:function:: Mat EM::getMeans() const -EM::read, EM::write -------------------- -See :ocv:func:`Algorithm::read` and :ocv:func:`Algorithm::write`. +Returns matrix with the number of rows equal to the number of mixtures and number of columns equal to the space dimensionality. -EM::get, EM::set ----------------- -See :ocv:func:`Algorithm::get` and :ocv:func:`Algorithm::set`. The following parameters are available: -* ``"nclusters"`` -* ``"covMatType"`` -* ``"maxIters"`` -* ``"epsilon"`` -* ``"weights"`` *(read-only)* -* ``"means"`` *(read-only)* -* ``"covs"`` *(read-only)* +EM::getWeights +-------------- +Returns weights of the mixtures -.. +.. ocv:function:: Mat EM::getWeights() const + +Returns vector with the number of elements equal to the number of mixtures. + + +EM::getCovs +-------------- +Returns covariation matrices + +.. ocv:function:: void EM::getCovs(std::vector& covs) const + +Returns vector of covariation matrices. Number of matrices is the number of gaussian mixtures, each matrix is a square floating-point matrix NxN, where N is the space dimensionality. diff --git a/modules/ml/doc/gradient_boosted_trees.rst b/modules/ml/doc/gradient_boosted_trees.rst deleted file mode 100644 index b83c47e4e1..0000000000 --- a/modules/ml/doc/gradient_boosted_trees.rst +++ /dev/null @@ -1,272 +0,0 @@ -.. _Gradient Boosted Trees: - -Gradient Boosted Trees -====================== - -.. highlight:: cpp - -Gradient Boosted Trees (GBT) is a generalized boosting algorithm introduced by -Jerome Friedman: http://www.salfordsystems.com/doc/GreedyFuncApproxSS.pdf . -In contrast to the AdaBoost.M1 algorithm, GBT can deal with both multiclass -classification and regression problems. Moreover, it can use any -differential loss function, some popular ones are implemented. -Decision trees (:ocv:class:`CvDTree`) usage as base learners allows to process ordered -and categorical variables. - -.. _Training GBT: - -Training the GBT model ----------------------- - -Gradient Boosted Trees model represents an ensemble of single regression trees -built in a greedy fashion. Training procedure is an iterative process -similar to the numerical optimization via the gradient descent method. Summary loss -on the training set depends only on the current model predictions for the -training samples, in other words -:math:`\sum^N_{i=1}L(y_i, F(x_i)) \equiv \mathcal{L}(F(x_1), F(x_2), ... , F(x_N)) -\equiv \mathcal{L}(F)`. And the :math:`\mathcal{L}(F)` -gradient can be computed as follows: - -.. math:: - grad(\mathcal{L}(F)) = \left( \dfrac{\partial{L(y_1, F(x_1))}}{\partial{F(x_1)}}, - \dfrac{\partial{L(y_2, F(x_2))}}{\partial{F(x_2)}}, ... , - \dfrac{\partial{L(y_N, F(x_N))}}{\partial{F(x_N)}} \right) . - -At every training step, a single regression tree is built to predict an -antigradient vector components. Step length is computed corresponding to the -loss function and separately for every region determined by the tree leaf. It -can be eliminated by changing values of the leaves directly. - -See below the main scheme of the training process: - -#. - Find the best constant model. -#. - For :math:`i` in :math:`[1,M]`: - - #. - Compute the antigradient. - #. - Grow a regression tree to predict antigradient components. - #. - Change values in the tree leaves. - #. - Add the tree to the model. - - -The following loss functions are implemented for regression problems: - -* - Squared loss (``CvGBTrees::SQUARED_LOSS``): - :math:`L(y,f(x))=\dfrac{1}{2}(y-f(x))^2` -* - Absolute loss (``CvGBTrees::ABSOLUTE_LOSS``): - :math:`L(y,f(x))=|y-f(x)|` -* - Huber loss (``CvGBTrees::HUBER_LOSS``): - :math:`L(y,f(x)) = \left\{ \begin{array}{lr} - \delta\cdot\left(|y-f(x)|-\dfrac{\delta}{2}\right) & : |y-f(x)|>\delta\\ - \dfrac{1}{2}\cdot(y-f(x))^2 & : |y-f(x)|\leq\delta \end{array} \right.`, - - where :math:`\delta` is the :math:`\alpha`-quantile estimation of the - :math:`|y-f(x)|`. In the current implementation :math:`\alpha=0.2`. - - -The following loss functions are implemented for classification problems: - -* - Deviance or cross-entropy loss (``CvGBTrees::DEVIANCE_LOSS``): - :math:`K` functions are built, one function for each output class, and - :math:`L(y,f_1(x),...,f_K(x)) = -\sum^K_{k=0}1(y=k)\ln{p_k(x)}`, - where :math:`p_k(x)=\dfrac{\exp{f_k(x)}}{\sum^K_{i=1}\exp{f_i(x)}}` - is the estimation of the probability of :math:`y=k`. - -As a result, you get the following model: - -.. math:: f(x) = f_0 + \nu\cdot\sum^M_{i=1}T_i(x) , - -where :math:`f_0` is the initial guess (the best constant model) and :math:`\nu` -is a regularization parameter from the interval :math:`(0,1]`, further called -*shrinkage*. - -.. _Predicting with GBT: - -Predicting with the GBT Model ------------------------------ - -To get the GBT model prediction, you need to compute the sum of responses of -all the trees in the ensemble. For regression problems, it is the answer. -For classification problems, the result is :math:`\arg\max_{i=1..K}(f_i(x))`. - - -.. highlight:: cpp - - -CvGBTreesParams ---------------- -.. ocv:struct:: CvGBTreesParams : public CvDTreeParams - -GBT training parameters. - -The structure contains parameters for each single decision tree in the ensemble, -as well as the whole model characteristics. The structure is derived from -:ocv:class:`CvDTreeParams` but not all of the decision tree parameters are supported: -cross-validation, pruning, and class priorities are not used. - -CvGBTreesParams::CvGBTreesParams --------------------------------- -.. ocv:function:: CvGBTreesParams::CvGBTreesParams() - -.. ocv:function:: CvGBTreesParams::CvGBTreesParams( int loss_function_type, int weak_count, float shrinkage, float subsample_portion, int max_depth, bool use_surrogates ) - - :param loss_function_type: Type of the loss function used for training - (see :ref:`Training GBT`). It must be one of the - following types: ``CvGBTrees::SQUARED_LOSS``, ``CvGBTrees::ABSOLUTE_LOSS``, - ``CvGBTrees::HUBER_LOSS``, ``CvGBTrees::DEVIANCE_LOSS``. The first three - types are used for regression problems, and the last one for - classification. - - :param weak_count: Count of boosting algorithm iterations. ``weak_count*K`` is the total - count of trees in the GBT model, where ``K`` is the output classes count - (equal to one in case of a regression). - - :param shrinkage: Regularization parameter (see :ref:`Training GBT`). - - :param subsample_portion: Portion of the whole training set used for each algorithm iteration. - Subset is generated randomly. For more information see - http://www.salfordsystems.com/doc/StochasticBoostingSS.pdf. - - :param max_depth: Maximal depth of each decision tree in the ensemble (see :ocv:class:`CvDTree`). - - :param use_surrogates: If ``true``, surrogate splits are built (see :ocv:class:`CvDTree`). - -By default the following constructor is used: - -.. code-block:: cpp - - CvGBTreesParams(CvGBTrees::SQUARED_LOSS, 200, 0.01f, 0.8f, 3, false) - : CvDTreeParams( 3, 10, 0, false, 10, 0, false, false, 0 ) - -CvGBTrees ---------- -.. ocv:class:: CvGBTrees : public CvStatModel - -The class implements the Gradient boosted tree model as described in the beginning of this section. - -CvGBTrees::CvGBTrees --------------------- -Default and training constructors. - -.. ocv:function:: CvGBTrees::CvGBTrees() - -.. ocv:function:: CvGBTrees::CvGBTrees( const Mat& trainData, int tflag, const Mat& responses, const Mat& varIdx=Mat(), const Mat& sampleIdx=Mat(), const Mat& varType=Mat(), const Mat& missingDataMask=Mat(), CvGBTreesParams params=CvGBTreesParams() ) - -.. ocv:function:: CvGBTrees::CvGBTrees( const CvMat* trainData, int tflag, const CvMat* responses, const CvMat* varIdx=0, const CvMat* sampleIdx=0, const CvMat* varType=0, const CvMat* missingDataMask=0, CvGBTreesParams params=CvGBTreesParams() ) - -.. ocv:pyfunction:: cv2.GBTrees([trainData, tflag, responses[, varIdx[, sampleIdx[, varType[, missingDataMask[, params]]]]]]) -> - -The constructors follow conventions of :ocv:func:`CvStatModel::CvStatModel`. See :ocv:func:`CvStatModel::train` for parameters descriptions. - -CvGBTrees::train ----------------- -Trains a Gradient boosted tree model. - -.. ocv:function:: bool CvGBTrees::train(const Mat& trainData, int tflag, const Mat& responses, const Mat& varIdx=Mat(), const Mat& sampleIdx=Mat(), const Mat& varType=Mat(), const Mat& missingDataMask=Mat(), CvGBTreesParams params=CvGBTreesParams(), bool update=false) - -.. ocv:function:: bool CvGBTrees::train( const CvMat* trainData, int tflag, const CvMat* responses, const CvMat* varIdx=0, const CvMat* sampleIdx=0, const CvMat* varType=0, const CvMat* missingDataMask=0, CvGBTreesParams params=CvGBTreesParams(), bool update=false ) - -.. ocv:function:: bool CvGBTrees::train(CvMLData* data, CvGBTreesParams params=CvGBTreesParams(), bool update=false) - -.. ocv:pyfunction:: cv2.GBTrees.train(trainData, tflag, responses[, varIdx[, sampleIdx[, varType[, missingDataMask[, params[, update]]]]]]) -> retval - -The first train method follows the common template (see :ocv:func:`CvStatModel::train`). -Both ``tflag`` values (``CV_ROW_SAMPLE``, ``CV_COL_SAMPLE``) are supported. -``trainData`` must be of the ``CV_32F`` type. ``responses`` must be a matrix of type -``CV_32S`` or ``CV_32F``. In both cases it is converted into the ``CV_32F`` -matrix inside the training procedure. ``varIdx`` and ``sampleIdx`` must be a -list of indices (``CV_32S``) or a mask (``CV_8U`` or ``CV_8S``). ``update`` is -a dummy parameter. - -The second form of :ocv:func:`CvGBTrees::train` function uses :ocv:class:`CvMLData` as a -data set container. ``update`` is still a dummy parameter. - -All parameters specific to the GBT model are passed into the training function -as a :ocv:class:`CvGBTreesParams` structure. - - -CvGBTrees::predict ------------------- -Predicts a response for an input sample. - -.. ocv:function:: float CvGBTrees::predict(const Mat& sample, const Mat& missing=Mat(), const Range& slice = Range::all(), int k=-1) const - -.. ocv:function:: float CvGBTrees::predict( const CvMat* sample, const CvMat* missing=0, CvMat* weakResponses=0, CvSlice slice = CV_WHOLE_SEQ, int k=-1 ) const - -.. ocv:pyfunction:: cv2.GBTrees.predict(sample[, missing[, slice[, k]]]) -> retval - - :param sample: Input feature vector that has the same format as every training set - element. If not all the variables were actually used during training, - ``sample`` contains forged values at the appropriate places. - - :param missing: Missing values mask, which is a dimensional matrix of the same size as - ``sample`` having the ``CV_8U`` type. ``1`` corresponds to the missing value - in the same position in the ``sample`` vector. If there are no missing values - in the feature vector, an empty matrix can be passed instead of the missing mask. - - :param weakResponses: Matrix used to obtain predictions of all the trees. - The matrix has :math:`K` rows, - where :math:`K` is the count of output classes (1 for the regression case). - The matrix has as many columns as the ``slice`` length. - - :param slice: Parameter defining the part of the ensemble used for prediction. - If ``slice = Range::all()``, all trees are used. Use this parameter to - get predictions of the GBT models with different ensemble sizes learning - only one model. - - :param k: Number of tree ensembles built in case of the classification problem - (see :ref:`Training GBT`). Use this - parameter to change the output to sum of the trees' predictions in the - ``k``-th ensemble only. To get the total GBT model prediction, ``k`` value - must be -1. For regression problems, ``k`` is also equal to -1. - -The method predicts the response corresponding to the given sample -(see :ref:`Predicting with GBT`). -The result is either the class label or the estimated function value. The -:ocv:func:`CvGBTrees::predict` method enables using the parallel version of the GBT model -prediction if the OpenCV is built with the TBB library. In this case, predictions -of single trees are computed in a parallel fashion. - - -CvGBTrees::clear ----------------- -Clears the model. - -.. ocv:function:: void CvGBTrees::clear() - -.. ocv:pyfunction:: cv2.GBTrees.clear() -> None - -The function deletes the data set information and all the weak models and sets all internal -variables to the initial state. The function is called in :ocv:func:`CvGBTrees::train` and in the -destructor. - - -CvGBTrees::calc_error ---------------------- -Calculates a training or testing error. - -.. ocv:function:: float CvGBTrees::calc_error( CvMLData* _data, int type, std::vector *resp = 0 ) - - :param _data: Data set. - - :param type: Parameter defining the error that should be computed: train (``CV_TRAIN_ERROR``) or test - (``CV_TEST_ERROR``). - - :param resp: If non-zero, a vector of predictions on the corresponding data set is - returned. - -If the :ocv:class:`CvMLData` data is used to store the data set, :ocv:func:`CvGBTrees::calc_error` can be -used to get a training/testing error easily and (optionally) all predictions -on the training/testing set. If the Intel* TBB* library is used, the error is computed in a -parallel way, namely, predictions for different samples are computed at the same time. -In case of a regression problem, a mean squared error is returned. For -classifications, the result is a misclassification error in percent. diff --git a/modules/ml/doc/k_nearest_neighbors.rst b/modules/ml/doc/k_nearest_neighbors.rst index 05413c7785..6e16641450 100644 --- a/modules/ml/doc/k_nearest_neighbors.rst +++ b/modules/ml/doc/k_nearest_neighbors.rst @@ -5,9 +5,9 @@ K-Nearest Neighbors The algorithm caches all training samples and predicts the response for a new sample by analyzing a certain number (**K**) of the nearest neighbors of the sample using voting, calculating weighted sum, and so on. The method is sometimes referred to as "learning by example" because for prediction it looks for the feature vector with a known response that is closest to the given vector. -CvKNearest +KNearest ---------- -.. ocv:class:: CvKNearest : public CvStatModel +.. ocv:class:: KNearest : public StatModel The class implements K-Nearest Neighbors model as described in the beginning of this section. @@ -17,65 +17,32 @@ The class implements K-Nearest Neighbors model as described in the beginning of * (Python) An example of grid search digit recognition using KNearest can be found at opencv_source/samples/python2/digits_adjust.py * (Python) An example of video digit recognition using KNearest can be found at opencv_source/samples/python2/digits_video.py -CvKNearest::CvKNearest +KNearest::create ---------------------- -Default and training constructors. +Creates the empty model -.. ocv:function:: CvKNearest::CvKNearest() +.. ocv:function:: Ptr KNearest::create(const Params& params=Params()) -.. ocv:function:: CvKNearest::CvKNearest( const Mat& trainData, const Mat& responses, const Mat& sampleIdx=Mat(), bool isRegression=false, int max_k=32 ) + :param params: The model parameters: default number of neighbors to use in predict method (in ``KNearest::findNearest`` this number must be passed explicitly) and the flag on whether classification or regression model should be trained. -.. ocv:function:: CvKNearest::CvKNearest( const CvMat* trainData, const CvMat* responses, const CvMat* sampleIdx=0, bool isRegression=false, int max_k=32 ) +The static method creates empty KNearest classifier. It should be then trained using ``train`` method (see ``StatModel::train``). Alternatively, you can load boost model from file using ``StatModel::load(filename)``. -See :ocv:func:`CvKNearest::train` for additional parameters descriptions. -CvKNearest::train ------------------ -Trains the model. - -.. ocv:function:: bool CvKNearest::train( const Mat& trainData, const Mat& responses, const Mat& sampleIdx=Mat(), bool isRegression=false, int maxK=32, bool updateBase=false ) - -.. ocv:function:: bool CvKNearest::train( const CvMat* trainData, const CvMat* responses, const CvMat* sampleIdx=0, bool is_regression=false, int maxK=32, bool updateBase=false ) - -.. ocv:pyfunction:: cv2.KNearest.train(trainData, responses[, sampleIdx[, isRegression[, maxK[, updateBase]]]]) -> retval - - :param isRegression: Type of the problem: ``true`` for regression and ``false`` for classification. - - :param maxK: Number of maximum neighbors that may be passed to the method :ocv:func:`CvKNearest::find_nearest`. - - :param updateBase: Specifies whether the model is trained from scratch (``update_base=false``), or it is updated using the new training data (``update_base=true``). In the latter case, the parameter ``maxK`` must not be larger than the original value. - -The method trains the K-Nearest model. It follows the conventions of the generic :ocv:func:`CvStatModel::train` approach with the following limitations: - -* Only ``CV_ROW_SAMPLE`` data layout is supported. -* Input variables are all ordered. -* Output variables can be either categorical ( ``is_regression=false`` ) or ordered ( ``is_regression=true`` ). -* Variable subsets (``var_idx``) and missing measurements are not supported. - -CvKNearest::find_nearest +KNearest::findNearest ------------------------ Finds the neighbors and predicts responses for input vectors. -.. ocv:function:: float CvKNearest::find_nearest( const Mat& samples, int k, Mat* results=0, const float** neighbors=0, Mat* neighborResponses=0, Mat* dist=0 ) const +.. ocv:function:: float KNearest::findNearest( InputArray samples, int k, OutputArray results, OutputArray neighborResponses=noArray(), OutputArray dist=noArray() ) const -.. ocv:function:: float CvKNearest::find_nearest( const Mat& samples, int k, Mat& results, Mat& neighborResponses, Mat& dists) const + :param samples: Input samples stored by rows. It is a single-precision floating-point matrix of `` * k`` size. -.. ocv:function:: float CvKNearest::find_nearest( const CvMat* samples, int k, CvMat* results=0, const float** neighbors=0, CvMat* neighborResponses=0, CvMat* dist=0 ) const + :param k: Number of used nearest neighbors. Should be greater than 1. -.. ocv:pyfunction:: cv2.KNearest.find_nearest(samples, k[, results[, neighborResponses[, dists]]]) -> retval, results, neighborResponses, dists + :param results: Vector with results of prediction (regression or classification) for each input sample. It is a single-precision floating-point vector with ```` elements. + :param neighborResponses: Optional output values for corresponding neighbors. It is a single-precision floating-point matrix of `` * k`` size. - :param samples: Input samples stored by rows. It is a single-precision floating-point matrix of :math:`number\_of\_samples \times number\_of\_features` size. - - :param k: Number of used nearest neighbors. It must satisfy constraint: :math:`k \le` :ocv:func:`CvKNearest::get_max_k`. - - :param results: Vector with results of prediction (regression or classification) for each input sample. It is a single-precision floating-point vector with ``number_of_samples`` elements. - - :param neighbors: Optional output pointers to the neighbor vectors themselves. It is an array of ``k*samples->rows`` pointers. - - :param neighborResponses: Optional output values for corresponding ``neighbors``. It is a single-precision floating-point matrix of :math:`number\_of\_samples \times k` size. - - :param dist: Optional output distances from the input vectors to the corresponding ``neighbors``. It is a single-precision floating-point matrix of :math:`number\_of\_samples \times k` size. + :param dist: Optional output distances from the input vectors to the corresponding neighbors. It is a single-precision floating-point matrix of `` * k`` size. For each input vector (a row of the matrix ``samples``), the method finds the ``k`` nearest neighbors. In case of regression, the predicted result is a mean value of the particular vector's neighbor responses. In case of classification, the class is determined by voting. @@ -87,110 +54,18 @@ If only a single input vector is passed, all output matrices are optional and th The function is parallelized with the TBB library. -CvKNearest::get_max_k +KNearest::getDefaultK --------------------- -Returns the number of maximum neighbors that may be passed to the method :ocv:func:`CvKNearest::find_nearest`. +Returns the default number of neighbors -.. ocv:function:: int CvKNearest::get_max_k() const +.. ocv:function:: int KNearest::getDefaultK() const -CvKNearest::get_var_count -------------------------- -Returns the number of used features (variables count). +The function returns the default number of neighbors that is used in a simpler ``predict`` method, not ``findNearest``. -.. ocv:function:: int CvKNearest::get_var_count() const +KNearest::setDefaultK +--------------------- +Returns the default number of neighbors -CvKNearest::get_sample_count ----------------------------- -Returns the total number of train samples. +.. ocv:function:: void KNearest::setDefaultK(int k) -.. ocv:function:: int CvKNearest::get_sample_count() const - -CvKNearest::is_regression -------------------------- -Returns type of the problem: ``true`` for regression and ``false`` for classification. - -.. ocv:function:: bool CvKNearest::is_regression() const - - - -The sample below (currently using the obsolete ``CvMat`` structures) demonstrates the use of the k-nearest classifier for 2D point classification: :: - - #include "ml.h" - #include "highgui.h" - - int main( int argc, char** argv ) - { - const int K = 10; - int i, j, k, accuracy; - float response; - int train_sample_count = 100; - CvRNG rng_state = cvRNG(-1); - CvMat* trainData = cvCreateMat( train_sample_count, 2, CV_32FC1 ); - CvMat* trainClasses = cvCreateMat( train_sample_count, 1, CV_32FC1 ); - IplImage* img = cvCreateImage( cvSize( 500, 500 ), 8, 3 ); - float _sample[2]; - CvMat sample = cvMat( 1, 2, CV_32FC1, _sample ); - cvZero( img ); - - CvMat trainData1, trainData2, trainClasses1, trainClasses2; - - // form the training samples - cvGetRows( trainData, &trainData1, 0, train_sample_count/2 ); - cvRandArr( &rng_state, &trainData1, CV_RAND_NORMAL, cvScalar(200,200), cvScalar(50,50) ); - - cvGetRows( trainData, &trainData2, train_sample_count/2, train_sample_count ); - cvRandArr( &rng_state, &trainData2, CV_RAND_NORMAL, cvScalar(300,300), cvScalar(50,50) ); - - cvGetRows( trainClasses, &trainClasses1, 0, train_sample_count/2 ); - cvSet( &trainClasses1, cvScalar(1) ); - - cvGetRows( trainClasses, &trainClasses2, train_sample_count/2, train_sample_count ); - cvSet( &trainClasses2, cvScalar(2) ); - - // learn classifier - CvKNearest knn( trainData, trainClasses, 0, false, K ); - CvMat* nearests = cvCreateMat( 1, K, CV_32FC1); - - for( i = 0; i < img->height; i++ ) - { - for( j = 0; j < img->width; j++ ) - { - sample.data.fl[0] = (float)j; - sample.data.fl[1] = (float)i; - - // estimate the response and get the neighbors' labels - response = knn.find_nearest(&sample,K,0,0,nearests,0); - - // compute the number of neighbors representing the majority - for( k = 0, accuracy = 0; k < K; k++ ) - { - if( nearests->data.fl[k] == response) - accuracy++; - } - // highlight the pixel depending on the accuracy (or confidence) - cvSet2D( img, i, j, response == 1 ? - (accuracy > 5 ? CV_RGB(180,0,0) : CV_RGB(180,120,0)) : - (accuracy > 5 ? CV_RGB(0,180,0) : CV_RGB(120,120,0)) ); - } - } - - // display the original training samples - for( i = 0; i < train_sample_count/2; i++ ) - { - CvPoint pt; - pt.x = cvRound(trainData1.data.fl[i*2]); - pt.y = cvRound(trainData1.data.fl[i*2+1]); - cvCircle( img, pt, 2, CV_RGB(255,0,0), CV_FILLED ); - pt.x = cvRound(trainData2.data.fl[i*2]); - pt.y = cvRound(trainData2.data.fl[i*2+1]); - cvCircle( img, pt, 2, CV_RGB(0,255,0), CV_FILLED ); - } - - cvNamedWindow( "classifier result", 1 ); - cvShowImage( "classifier result", img ); - cvWaitKey(0); - - cvReleaseMat( &trainClasses ); - cvReleaseMat( &trainData ); - return 0; - } +The function sets the default number of neighbors that is used in a simpler ``predict`` method, not ``findNearest``. diff --git a/modules/ml/doc/ml.rst b/modules/ml/doc/ml.rst index b83e7dedc3..86da3ac4ff 100644 --- a/modules/ml/doc/ml.rst +++ b/modules/ml/doc/ml.rst @@ -15,9 +15,7 @@ Most of the classification and regression algorithms are implemented as C++ clas support_vector_machines decision_trees boosting - gradient_boosted_trees random_trees - ertrees expectation_maximization neural_networks mldata diff --git a/modules/ml/doc/mldata.rst b/modules/ml/doc/mldata.rst index c3092d1490..b710f29a8b 100644 --- a/modules/ml/doc/mldata.rst +++ b/modules/ml/doc/mldata.rst @@ -1,279 +1,126 @@ -MLData +Training Data =================== .. highlight:: cpp -For the machine learning algorithms, the data set is often stored in a file of the ``.csv``-like format. The file contains a table of predictor and response values where each row of the table corresponds to a sample. Missing values are supported. The UC Irvine Machine Learning Repository (http://archive.ics.uci.edu/ml/) provides many data sets stored in such a format to the machine learning community. The class ``MLData`` is implemented to easily load the data for training one of the OpenCV machine learning algorithms. For float values, only the ``'.'`` separator is supported. The table can have a header and in such case the user have to set the number of the header lines to skip them duaring the file reading. +In machine learning algorithms there is notion of training data. Training data includes several components: -CvMLData --------- -.. ocv:class:: CvMLData +* A set of training samples. Each training sample is a vector of values (in Computer Vision it's sometimes referred to as feature vector). Usually all the vectors have the same number of components (features); OpenCV ml module assumes that. Each feature can be ordered (i.e. its values are floating-point numbers that can be compared with each other and strictly ordered, i.e. sorted) or categorical (i.e. its value belongs to a fixed set of values that can be integers, strings etc.). -Class for loading the data from a ``.csv`` file. -:: +* Optional set of responses corresponding to the samples. Training data with no responses is used in unsupervised learning algorithms that learn structure of the supplied data based on distances between different samples. Training data with responses is used in supervised learning algorithms, which learn the function mapping samples to responses. Usually the responses are scalar values, ordered (when we deal with regression problem) or categorical (when we deal with classification problem; in this case the responses are often called "labels"). Some algorithms, most noticeably Neural networks, can handle not only scalar, but also multi-dimensional or vector responses. - class CV_EXPORTS CvMLData - { - public: - CvMLData(); - virtual ~CvMLData(); +* Another optional component is the mask of missing measurements. Most algorithms require all the components in all the training samples be valid, but some other algorithms, such as decision tress, can handle the cases of missing measurements. - int read_csv(const char* filename); +* In the case of classification problem user may want to give different weights to different classes. This is useful, for example, when + * user wants to shift prediction accuracy towards lower false-alarm rate or higher hit-rate. + * user wants to compensate for significantly different amounts of training samples from different classes. - const CvMat* get_values() const; - const CvMat* get_responses(); - const CvMat* get_missing() const; +* In addition to that, each training sample may be given a weight, if user wants the algorithm to pay special attention to certain training samples and adjust the training model accordingly. - void set_response_idx( int idx ); - int get_response_idx() const; +* Also, user may wish not to use the whole training data at once, but rather use parts of it, e.g. to do parameter optimization via cross-validation procedure. +As you can see, training data can have rather complex structure; besides, it may be very big and/or not entirely available, so there is need to make abstraction for this concept. In OpenCV ml there is ``cv::ml::TrainData`` class for that. - void set_train_test_split( const CvTrainTestSplit * spl); - const CvMat* get_train_sample_idx() const; - const CvMat* get_test_sample_idx() const; - void mix_train_and_test_idx(); +TrainData +--------- +.. ocv:class:: TrainData - const CvMat* get_var_idx(); - void change_var_idx( int vi, bool state ); +Class encapsulating training data. Please note that the class only specifies the interface of training data, but not implementation. All the statistical model classes in ml take Ptr. In other words, you can create your own class derived from ``TrainData`` and supply smart pointer to the instance of this class into ``StatModel::train``. - const CvMat* get_var_types(); - void set_var_types( const char* str ); +TrainData::loadFromCSV +---------------------- +Reads the dataset from a .csv file and returns the ready-to-use training data. - int get_var_type( int var_idx ) const; - void change_var_type( int var_idx, int type); - - void set_delimiter( char ch ); - char get_delimiter() const; - - void set_miss_ch( char ch ); - char get_miss_ch() const; - - const std::map& get_class_labels_map() const; - - protected: - ... - }; - -CvMLData::read_csv ------------------- -Reads the data set from a ``.csv``-like ``filename`` file and stores all read values in a matrix. - -.. ocv:function:: int CvMLData::read_csv(const char* filename) +.. ocv:function:: Ptr loadFromCSV(const String& filename, int headerLineCount, int responseStartIdx=-1, int responseEndIdx=-1, const String& varTypeSpec=String(), char delimiter=',', char missch='?') :param filename: The input file name -While reading the data, the method tries to define the type of variables (predictors and responses): ordered or categorical. If a value of the variable is not numerical (except for the label for a missing value), the type of the variable is set to ``CV_VAR_CATEGORICAL``. If all existing values of the variable are numerical, the type of the variable is set to ``CV_VAR_ORDERED``. So, the default definition of variables types works correctly for all cases except the case of a categorical variable with numerical class labels. In this case, the type ``CV_VAR_ORDERED`` is set. You should change the type to ``CV_VAR_CATEGORICAL`` using the method :ocv:func:`CvMLData::change_var_type`. For categorical variables, a common map is built to convert a string class label to the numerical class label. Use :ocv:func:`CvMLData::get_class_labels_map` to obtain this map. + :param headerLineCount: The number of lines in the beginning to skip; besides the header, the function also skips empty lines and lines staring with '#' -Also, when reading the data, the method constructs the mask of missing values. For example, values are equal to `'?'`. + :param responseStartIdx: Index of the first output variable. If -1, the function considers the last variable as the response -CvMLData::get_values --------------------- -Returns a pointer to the matrix of predictors and response values + :param responseEndIdx: Index of the last output variable + 1. If -1, then there is single response variable at ``responseStartIdx``. -.. ocv:function:: const CvMat* CvMLData::get_values() const + :param varTypeSpec: The optional text string that specifies the variables' types. It has the format ``ord[n1-n2,n3,n4-n5,...]cat[n6,n7-n8,...]``. That is, variables from n1 to n2 (inclusive range), n3, n4 to n5 ... are considered ordered and n6, n7 to n8 ... are considered as categorical. The range [n1..n2] + [n3] + [n4..n5] + ... + [n6] + [n7..n8] should cover all the variables. If varTypeSpec is not specified, then algorithm uses the following rules: + 1. all input variables are considered ordered by default. If some column contains has non-numerical values, e.g. 'apple', 'pear', 'apple', 'apple', 'mango', the corresponding variable is considered categorical. + 2. if there are several output variables, they are all considered as ordered. Error is reported when non-numerical values are used. + 3. if there is a single output variable, then if its values are non-numerical or are all integers, then it's considered categorical. Otherwise, it's considered ordered. -The method returns a pointer to the matrix of predictor and response ``values`` or ``0`` if the data has not been loaded from the file yet. + :param delimiter: The character used to separate values in each line. -The row count of this matrix equals the sample count. The column count equals predictors ``+ 1`` for the response (if exists) count. This means that each row of the matrix contains values of one sample predictor and response. The matrix type is ``CV_32FC1``. + :param missch: The character used to specify missing measurements. It should not be a digit. Although it's a non-numerical value, it surely does not affect the decision of whether the variable ordered or categorical. -CvMLData::get_responses ------------------------ -Returns a pointer to the matrix of response values +TrainData::create +----------------- +Creates training data from in-memory arrays. -.. ocv:function:: const CvMat* CvMLData::get_responses() +.. ocv:function:: Ptr create(InputArray samples, int layout, InputArray responses, InputArray varIdx=noArray(), InputArray sampleIdx=noArray(), InputArray sampleWeights=noArray(), InputArray varType=noArray()) -The method returns a pointer to the matrix of response values or throws an exception if the data has not been loaded from the file yet. + :param samples: matrix of samples. It should have ``CV_32F`` type. -This is a single-column matrix of the type ``CV_32FC1``. Its row count is equal to the sample count, one column and . + :param layout: it's either ``ROW_SAMPLE``, which means that each training sample is a row of ``samples``, or ``COL_SAMPLE``, which means that each training sample occupies a column of ``samples``. -CvMLData::get_missing ---------------------- -Returns a pointer to the mask matrix of missing values + :param responses: matrix of responses. If the responses are scalar, they should be stored as a single row or as a single column. The matrix should have type ``CV_32F`` or ``CV_32S`` (in the former case the responses are considered as ordered by default; in the latter case - as categorical) -.. ocv:function:: const CvMat* CvMLData::get_missing() const + :param varIdx: vector specifying which variables to use for training. It can be an integer vector (``CV_32S``) containing 0-based variable indices or byte vector (``CV_8U``) containing a mask of active variables. -The method returns a pointer to the mask matrix of missing values or throws an exception if the data has not been loaded from the file yet. + :param sampleIdx: vector specifying which samples to use for training. It can be an integer vector (``CV_32S``) containing 0-based sample indices or byte vector (``CV_8U``) containing a mask of training samples. -This matrix has the same size as the ``values`` matrix (see :ocv:func:`CvMLData::get_values`) and the type ``CV_8UC1``. + :param sampleWeights: optional vector with weights for each sample. It should have ``CV_32F`` type. -CvMLData::set_response_idx + :param varType: optional vector of type ``CV_8U`` and size + , containing types of each input and output variable. The ordered variables are denoted by value ``VAR_ORDERED``, and categorical - by ``VAR_CATEGORICAL``. + + +TrainData::getTrainSamples -------------------------- -Specifies index of response column in the data matrix +Returns matrix of train samples -.. ocv:function:: void CvMLData::set_response_idx( int idx ) +.. ocv:function:: Mat TrainData::getTrainSamples(int layout=ROW_SAMPLE, bool compressSamples=true, bool compressVars=true) const -The method sets the index of a response column in the ``values`` matrix (see :ocv:func:`CvMLData::get_values`) or throws an exception if the data has not been loaded from the file yet. + :param layout: The requested layout. If it's different from the initial one, the matrix is transposed. -The old response columns become predictors. If ``idx < 0``, there is no response. + :param compressSamples: if true, the function returns only the training samples (specified by sampleIdx) -CvMLData::get_response_idx --------------------------- -Returns index of the response column in the loaded data matrix + :param compressVars: if true, the function returns the shorter training samples, containing only the active variables. -.. ocv:function:: int CvMLData::get_response_idx() const +In current implementation the function tries to avoid physical data copying and returns the matrix stored inside TrainData (unless the transposition or compression is needed). -The method returns the index of a response column in the ``values`` matrix (see :ocv:func:`CvMLData::get_values`) or throws an exception if the data has not been loaded from the file yet. -If ``idx < 0``, there is no response. +TrainData::getTrainResponses +---------------------------- +Returns the vector of responses +.. ocv:function:: Mat TrainData::getTrainResponses() const -CvMLData::set_train_test_split ------------------------------- -Divides the read data set into two disjoint training and test subsets. +The function returns ordered or the original categorical responses. Usually it's used in regression algorithms. -.. ocv:function:: void CvMLData::set_train_test_split( const CvTrainTestSplit * spl ) -This method sets parameters for such a split using ``spl`` (see :ocv:class:`CvTrainTestSplit`) or throws an exception if the data has not been loaded from the file yet. +TrainData::getClassLabels +---------------------------- +Returns the vector of class labels -CvMLData::get_train_sample_idx ------------------------------- -Returns the matrix of sample indices for a training subset +.. ocv:function:: Mat TrainData::getClassLabels() const -.. ocv:function:: const CvMat* CvMLData::get_train_sample_idx() const +The function returns vector of unique labels occurred in the responses. -The method returns the matrix of sample indices for a training subset. This is a single-row matrix of the type ``CV_32SC1``. If data split is not set, the method returns ``0``. If the data has not been loaded from the file yet, an exception is thrown. -CvMLData::get_test_sample_idx ------------------------------ -Returns the matrix of sample indices for a testing subset +TrainData::getTrainNormCatResponses +----------------------------------- +Returns the vector of normalized categorical responses -.. ocv:function:: const CvMat* CvMLData::get_test_sample_idx() const +.. ocv:function:: Mat TrainData::getTrainNormCatResponses() const +The function returns vector of responses. Each response is integer from 0 to -1. The actual label value can be retrieved then from the class label vector, see ``TrainData::getClassLabels``. -CvMLData::mix_train_and_test_idx --------------------------------- -Mixes the indices of training and test samples +TrainData::setTrainTestSplitRatio +----------------------------------- +Splits the training data into the training and test parts -.. ocv:function:: void CvMLData::mix_train_and_test_idx() +.. ocv:function:: void TrainData::setTrainTestSplitRatio(double ratio, bool shuffle=true) -The method shuffles the indices of training and test samples preserving sizes of training and test subsets if the data split is set by :ocv:func:`CvMLData::get_values`. If the data has not been loaded from the file yet, an exception is thrown. +The function selects a subset of specified relative size and then returns it as the training set. If the function is not called, all the data is used for training. Please, note that for each of ``TrainData::getTrain*`` there is corresponding ``TrainData::getTest*``, so that the test subset can be retrieved and processed as well. -CvMLData::get_var_idx ---------------------- -Returns the indices of the active variables in the data matrix -.. ocv:function:: const CvMat* CvMLData::get_var_idx() - -The method returns the indices of variables (columns) used in the ``values`` matrix (see :ocv:func:`CvMLData::get_values`). - -It returns ``0`` if the used subset is not set. It throws an exception if the data has not been loaded from the file yet. Returned matrix is a single-row matrix of the type ``CV_32SC1``. Its column count is equal to the size of the used variable subset. - -CvMLData::change_var_idx ------------------------- -Enables or disables particular variable in the loaded data - -.. ocv:function:: void CvMLData::change_var_idx( int vi, bool state ) - -By default, after reading the data set all variables in the ``values`` matrix (see :ocv:func:`CvMLData::get_values`) are used. But you may want to use only a subset of variables and include/exclude (depending on ``state`` value) a variable with the ``vi`` index from the used subset. If the data has not been loaded from the file yet, an exception is thrown. - -CvMLData::get_var_types ------------------------ -Returns a matrix of the variable types. - -.. ocv:function:: const CvMat* CvMLData::get_var_types() - -The function returns a single-row matrix of the type ``CV_8UC1``, where each element is set to either ``CV_VAR_ORDERED`` or ``CV_VAR_CATEGORICAL``. The number of columns is equal to the number of variables. If data has not been loaded from file yet an exception is thrown. - -CvMLData::set_var_types ------------------------ -Sets the variables types in the loaded data. - -.. ocv:function:: void CvMLData::set_var_types( const char* str ) - -In the string, a variable type is followed by a list of variables indices. For example: ``"ord[0-17],cat[18]"``, ``"ord[0,2,4,10-12], cat[1,3,5-9,13,14]"``, ``"cat"`` (all variables are categorical), ``"ord"`` (all variables are ordered). - -CvMLData::get_header_lines_number ---------------------------------- -Returns a number of the table header lines. - -.. ocv:function:: int CvMLData::get_header_lines_number() const - -CvMLData::set_header_lines_number ---------------------------------- -Sets a number of the table header lines. - -.. ocv:function:: void CvMLData::set_header_lines_number( int n ) - -By default it is supposed that the table does not have a header, i.e. it contains only the data. - -CvMLData::get_var_type ----------------------- -Returns type of the specified variable - -.. ocv:function:: int CvMLData::get_var_type( int var_idx ) const - -The method returns the type of a variable by the index ``var_idx`` ( ``CV_VAR_ORDERED`` or ``CV_VAR_CATEGORICAL``). - -CvMLData::change_var_type -------------------------- -Changes type of the specified variable - -.. ocv:function:: void CvMLData::change_var_type( int var_idx, int type) - -The method changes type of variable with index ``var_idx`` from existing type to ``type`` ( ``CV_VAR_ORDERED`` or ``CV_VAR_CATEGORICAL``). - -CvMLData::set_delimiter ------------------------ -Sets the delimiter in the file used to separate input numbers - -.. ocv:function:: void CvMLData::set_delimiter( char ch ) - -The method sets the delimiter for variables in a file. For example: ``','`` (default), ``';'``, ``' '`` (space), or other characters. The floating-point separator ``'.'`` is not allowed. - -CvMLData::get_delimiter ------------------------ -Returns the currently used delimiter character. - -.. ocv:function:: char CvMLData::get_delimiter() const - - -CvMLData::set_miss_ch ---------------------- -Sets the character used to specify missing values - -.. ocv:function:: void CvMLData::set_miss_ch( char ch ) - -The method sets the character used to specify missing values. For example: ``'?'`` (default), ``'-'``. The floating-point separator ``'.'`` is not allowed. - -CvMLData::get_miss_ch ---------------------- -Returns the currently used missing value character. - -.. ocv:function:: char CvMLData::get_miss_ch() const - -CvMLData::get_class_labels_map -------------------------------- -Returns a map that converts strings to labels. - -.. ocv:function:: const std::map& CvMLData::get_class_labels_map() const - -The method returns a map that converts string class labels to the numerical class labels. It can be used to get an original class label as in a file. - -CvTrainTestSplit ----------------- -.. ocv:struct:: CvTrainTestSplit - -Structure setting the split of a data set read by :ocv:class:`CvMLData`. -:: - - struct CvTrainTestSplit - { - CvTrainTestSplit(); - CvTrainTestSplit( int train_sample_count, bool mix = true); - CvTrainTestSplit( float train_sample_portion, bool mix = true); - - union - { - int count; - float portion; - } train_sample_part; - int train_sample_part_mode; - - bool mix; - }; - -There are two ways to construct a split: - -* Set the training sample count (subset size) ``train_sample_count``. Other existing samples are located in a test subset. - -* Set a training sample portion in ``[0,..1]``. The flag ``mix`` is used to mix training and test samples indices when the split is set. Otherwise, the data set is split in the storing order: the first part of samples of a given size is a training subset, the second part is a test subset. +Other methods +------------- +The class includes many other methods that can be used to access normalized categorical input variables, access training data by parts, so that does not have to fit into the memory etc. diff --git a/modules/ml/doc/neural_networks.rst b/modules/ml/doc/neural_networks.rst index 776bf243bd..557ef82c35 100644 --- a/modules/ml/doc/neural_networks.rst +++ b/modules/ml/doc/neural_networks.rst @@ -29,17 +29,17 @@ In other words, given the outputs Different activation functions may be used. ML implements three standard functions: * - Identity function ( ``CvANN_MLP::IDENTITY`` ): + Identity function ( ``ANN_MLP::IDENTITY`` ): :math:`f(x)=x` * - Symmetrical sigmoid ( ``CvANN_MLP::SIGMOID_SYM`` ): + Symmetrical sigmoid ( ``ANN_MLP::SIGMOID_SYM`` ): :math:`f(x)=\beta*(1-e^{-\alpha x})/(1+e^{-\alpha x}` ), which is the default choice for MLP. The standard sigmoid with :math:`\beta =1, \alpha =1` is shown below: .. image:: pics/sigmoid_bipolar.png * - Gaussian function ( ``CvANN_MLP::GAUSSIAN`` ): + Gaussian function ( ``ANN_MLP::GAUSSIAN`` ): :math:`f(x)=\beta e^{-\alpha x*x}` , which is not completely supported at the moment. In ML, all the neurons have the same activation functions, with the same free parameters ( @@ -95,60 +95,90 @@ The second (default) one is a batch RPROP algorithm. .. [RPROP93] M. Riedmiller and H. Braun, *A Direct Adaptive Method for Faster Backpropagation Learning: The RPROP Algorithm*, Proc. ICNN, San Francisco (1993). -CvANN_MLP_TrainParams +ANN_MLP::Params --------------------- -.. ocv:struct:: CvANN_MLP_TrainParams +.. ocv:class:: ANN_MLP::Params - Parameters of the MLP training algorithm. You can initialize the structure by a constructor or the individual parameters can be adjusted after the structure is created. + Parameters of the MLP and of the training algorithm. You can initialize the structure by a constructor or the individual parameters can be adjusted after the structure is created. + + The network structure: + + .. ocv:member:: Mat layerSizes + + The number of elements in each layer of network. The very first element specifies the number of elements in the input layer. The last element - number of elements in the output layer. + + .. ocv:member:: int activateFunc + + The activation function. Currently the only fully supported activation function is ``ANN_MLP::SIGMOID_SYM``. + + .. ocv:member:: double fparam1 + + The first parameter of activation function, 0 by default. + + .. ocv:member:: double fparam2 + + The second parameter of the activation function, 0 by default. + + .. note:: + + If you are using the default ``ANN_MLP::SIGMOID_SYM`` activation function with the default parameter values fparam1=0 and fparam2=0 then the function used is y = 1.7159*tanh(2/3 * x), so the output will range from [-1.7159, 1.7159], instead of [0,1]. The back-propagation algorithm parameters: - .. ocv:member:: double bp_dw_scale + .. ocv:member:: double bpDWScale Strength of the weight gradient term. The recommended value is about 0.1. - .. ocv:member:: double bp_moment_scale + .. ocv:member:: double bpMomentScale Strength of the momentum term (the difference between weights on the 2 previous iterations). This parameter provides some inertia to smooth the random fluctuations of the weights. It can vary from 0 (the feature is disabled) to 1 and beyond. The value 0.1 or so is good enough The RPROP algorithm parameters (see [RPROP93]_ for details): - .. ocv:member:: double rp_dw0 + .. ocv:member:: double prDW0 Initial value :math:`\Delta_0` of update-values :math:`\Delta_{ij}`. - .. ocv:member:: double rp_dw_plus + .. ocv:member:: double rpDWPlus Increase factor :math:`\eta^+`. It must be >1. - .. ocv:member:: double rp_dw_minus + .. ocv:member:: double rpDWMinus Decrease factor :math:`\eta^-`. It must be <1. - .. ocv:member:: double rp_dw_min + .. ocv:member:: double rpDWMin Update-values lower limit :math:`\Delta_{min}`. It must be positive. - .. ocv:member:: double rp_dw_max + .. ocv:member:: double rpDWMax Update-values upper limit :math:`\Delta_{max}`. It must be >1. -CvANN_MLP_TrainParams::CvANN_MLP_TrainParams +ANN_MLP::Params::Params -------------------------------------------- -The constructors. +Construct the parameter structure -.. ocv:function:: CvANN_MLP_TrainParams::CvANN_MLP_TrainParams() +.. ocv:function:: ANN_MLP::Params() -.. ocv:function:: CvANN_MLP_TrainParams::CvANN_MLP_TrainParams( CvTermCriteria term_crit, int train_method, double param1, double param2=0 ) +.. ocv:function:: ANN_MLP::Params::Params( const Mat& layerSizes, int activateFunc, double fparam1, double fparam2, TermCriteria termCrit, int trainMethod, double param1, double param2=0 ) - :param term_crit: Termination criteria of the training algorithm. You can specify the maximum number of iterations (``max_iter``) and/or how much the error could change between the iterations to make the algorithm continue (``epsilon``). + :param layerSizes: Integer vector specifying the number of neurons in each layer including the input and output layers. + + :param activateFunc: Parameter specifying the activation function for each neuron: one of ``ANN_MLP::IDENTITY``, ``ANN_MLP::SIGMOID_SYM``, and ``ANN_MLP::GAUSSIAN``. + + :param fparam1: The first parameter of the activation function, :math:`\alpha`. See the formulas in the introduction section. + + :param fparam2: The second parameter of the activation function, :math:`\beta`. See the formulas in the introduction section. + + :param termCrit: Termination criteria of the training algorithm. You can specify the maximum number of iterations (``maxCount``) and/or how much the error could change between the iterations to make the algorithm continue (``epsilon``). :param train_method: Training method of the MLP. Possible values are: - * **CvANN_MLP_TrainParams::BACKPROP** The back-propagation algorithm. + * **ANN_MLP_TrainParams::BACKPROP** The back-propagation algorithm. - * **CvANN_MLP_TrainParams::RPROP** The RPROP algorithm. + * **ANN_MLP_TrainParams::RPROP** The RPROP algorithm. :param param1: Parameter of the training method. It is ``rp_dw0`` for ``RPROP`` and ``bp_dw_scale`` for ``BACKPROP``. @@ -158,126 +188,54 @@ By default the RPROP algorithm is used: :: - CvANN_MLP_TrainParams::CvANN_MLP_TrainParams() + ANN_MLP_TrainParams::ANN_MLP_TrainParams() { - term_crit = cvTermCriteria( CV_TERMCRIT_ITER + CV_TERMCRIT_EPS, 1000, 0.01 ); + layerSizes = Mat(); + activateFun = SIGMOID_SYM; + fparam1 = fparam2 = 0; + term_crit = TermCriteria( TermCriteria::MAX_ITER + TermCriteria::EPS, 1000, 0.01 ); train_method = RPROP; - bp_dw_scale = bp_moment_scale = 0.1; - rp_dw0 = 0.1; rp_dw_plus = 1.2; rp_dw_minus = 0.5; - rp_dw_min = FLT_EPSILON; rp_dw_max = 50.; + bpDWScale = bpMomentScale = 0.1; + rpDW0 = 0.1; rpDWPlus = 1.2; rpDWMinus = 0.5; + rpDWMin = FLT_EPSILON; rpDWMax = 50.; } -CvANN_MLP +ANN_MLP --------- -.. ocv:class:: CvANN_MLP : public CvStatModel +.. ocv:class:: ANN_MLP : public StatModel MLP model. -Unlike many other models in ML that are constructed and trained at once, in the MLP model these steps are separated. First, a network with the specified topology is created using the non-default constructor or the method :ocv:func:`CvANN_MLP::create`. All the weights are set to zeros. Then, the network is trained using a set of input and output vectors. The training procedure can be repeated more than once, that is, the weights can be adjusted based on the new training data. +Unlike many other models in ML that are constructed and trained at once, in the MLP model these steps are separated. First, a network with the specified topology is created using the non-default constructor or the method :ocv:func:`ANN_MLP::create`. All the weights are set to zeros. Then, the network is trained using a set of input and output vectors. The training procedure can be repeated more than once, that is, the weights can be adjusted based on the new training data. -CvANN_MLP::CvANN_MLP +ANN_MLP::create -------------------- -The constructors. +Creates empty model -.. ocv:function:: CvANN_MLP::CvANN_MLP() +.. ocv:function:: Ptr ANN_MLP::create(const Params& params=Params()) -.. ocv:function:: CvANN_MLP::CvANN_MLP( const CvMat* layerSizes, int activateFunc=CvANN_MLP::SIGMOID_SYM, double fparam1=0, double fparam2=0 ) +Use ``StatModel::train`` to train the model, ``StatModel::train(traindata, params)`` to create and train the model, ``StatModel::load(filename)`` to load the pre-trained model. Note that the train method has optional flags, and the following flags are handled by ``ANN_MLP``: -.. ocv:pyfunction:: cv2.ANN_MLP([layerSizes[, activateFunc[, fparam1[, fparam2]]]]) -> + * **UPDATE_WEIGHTS** Algorithm updates the network weights, rather than computes them from scratch. In the latter case the weights are initialized using the Nguyen-Widrow algorithm. -The advanced constructor allows to create MLP with the specified topology. See :ocv:func:`CvANN_MLP::create` for details. + * **NO_INPUT_SCALE** Algorithm does not normalize the input vectors. If this flag is not set, the training algorithm normalizes each input feature independently, shifting its mean value to 0 and making the standard deviation equal to 1. If the network is assumed to be updated frequently, the new training data could be much different from original one. In this case, you should take care of proper normalization. -CvANN_MLP::create ------------------ -Constructs MLP with the specified topology. + * **NO_OUTPUT_SCALE** Algorithm does not normalize the output vectors. If the flag is not set, the training algorithm normalizes each output feature independently, by transforming it to the certain range depending on the used activation function. -.. ocv:function:: void CvANN_MLP::create( const Mat& layerSizes, int activateFunc=CvANN_MLP::SIGMOID_SYM, double fparam1=0, double fparam2=0 ) -.. ocv:function:: void CvANN_MLP::create( const CvMat* layerSizes, int activateFunc=CvANN_MLP::SIGMOID_SYM, double fparam1=0, double fparam2=0 ) +ANN_MLP::setParams +------------------- +Sets the new network parameters -.. ocv:pyfunction:: cv2.ANN_MLP.create(layerSizes[, activateFunc[, fparam1[, fparam2]]]) -> None +.. ocv:function:: void ANN_MLP::setParams(const Params& params) - :param layerSizes: Integer vector specifying the number of neurons in each layer including the input and output layers. + :param params: The new parameters - :param activateFunc: Parameter specifying the activation function for each neuron: one of ``CvANN_MLP::IDENTITY``, ``CvANN_MLP::SIGMOID_SYM``, and ``CvANN_MLP::GAUSSIAN``. +The existing network, if any, will be destroyed and new empty one will be created. It should be re-trained after that. - :param fparam1: Free parameter of the activation function, :math:`\alpha`. See the formulas in the introduction section. +ANN_MLP::getParams +------------------- +Retrieves the current network parameters - :param fparam2: Free parameter of the activation function, :math:`\beta`. See the formulas in the introduction section. - -The method creates an MLP network with the specified topology and assigns the same activation function to all the neurons. - -CvANN_MLP::train ----------------- -Trains/updates MLP. - -.. ocv:function:: int CvANN_MLP::train( const Mat& inputs, const Mat& outputs, const Mat& sampleWeights, const Mat& sampleIdx=Mat(), CvANN_MLP_TrainParams params = CvANN_MLP_TrainParams(), int flags=0 ) - -.. ocv:function:: int CvANN_MLP::train( const CvMat* inputs, const CvMat* outputs, const CvMat* sampleWeights, const CvMat* sampleIdx=0, CvANN_MLP_TrainParams params = CvANN_MLP_TrainParams(), int flags=0 ) - -.. ocv:pyfunction:: cv2.ANN_MLP.train(inputs, outputs, sampleWeights[, sampleIdx[, params[, flags]]]) -> retval - - :param inputs: Floating-point matrix of input vectors, one vector per row. - - :param outputs: Floating-point matrix of the corresponding output vectors, one vector per row. - - :param sampleWeights: (RPROP only) Optional floating-point vector of weights for each sample. Some samples may be more important than others for training. You may want to raise the weight of certain classes to find the right balance between hit-rate and false-alarm rate, and so on. - - :param sampleIdx: Optional integer vector indicating the samples (rows of ``inputs`` and ``outputs``) that are taken into account. - - :param params: Training parameters. See the :ocv:class:`CvANN_MLP_TrainParams` description. - - :param flags: Various parameters to control the training algorithm. A combination of the following parameters is possible: - - * **UPDATE_WEIGHTS** Algorithm updates the network weights, rather than computes them from scratch. In the latter case the weights are initialized using the Nguyen-Widrow algorithm. - - * **NO_INPUT_SCALE** Algorithm does not normalize the input vectors. If this flag is not set, the training algorithm normalizes each input feature independently, shifting its mean value to 0 and making the standard deviation equal to 1. If the network is assumed to be updated frequently, the new training data could be much different from original one. In this case, you should take care of proper normalization. - - * **NO_OUTPUT_SCALE** Algorithm does not normalize the output vectors. If the flag is not set, the training algorithm normalizes each output feature independently, by transforming it to the certain range depending on the used activation function. - -This method applies the specified training algorithm to computing/adjusting the network weights. It returns the number of done iterations. - -The RPROP training algorithm is parallelized with the TBB library. - -If you are using the default ``cvANN_MLP::SIGMOID_SYM`` activation function then the output should be in the range [-1,1], instead of [0,1], for optimal results. - -CvANN_MLP::predict ------------------- -Predicts responses for input samples. - -.. ocv:function:: float CvANN_MLP::predict( const Mat& inputs, Mat& outputs ) const - -.. ocv:function:: float CvANN_MLP::predict( const CvMat* inputs, CvMat* outputs ) const - -.. ocv:pyfunction:: cv2.ANN_MLP.predict(inputs[, outputs]) -> retval, outputs - - :param inputs: Input samples. - - :param outputs: Predicted responses for corresponding samples. - -The method returns a dummy value which should be ignored. - -If you are using the default ``cvANN_MLP::SIGMOID_SYM`` activation function with the default parameter values fparam1=0 and fparam2=0 then the function used is y = 1.7159*tanh(2/3 * x), so the output will range from [-1.7159, 1.7159], instead of [0,1]. - -CvANN_MLP::get_layer_count --------------------------- -Returns the number of layers in the MLP. - -.. ocv:function:: int CvANN_MLP::get_layer_count() - -CvANN_MLP::get_layer_sizes --------------------------- -Returns numbers of neurons in each layer of the MLP. - -.. ocv:function:: const CvMat* CvANN_MLP::get_layer_sizes() - -The method returns the integer vector specifying the number of neurons in each layer including the input and output layers of the MLP. - -CvANN_MLP::get_weights ----------------------- -Returns neurons weights of the particular layer. - -.. ocv:function:: double* CvANN_MLP::get_weights(int layer) - - :param layer: Index of the particular layer. +.. ocv:function:: Params ANN_MLP::getParams() const diff --git a/modules/ml/doc/normal_bayes_classifier.rst b/modules/ml/doc/normal_bayes_classifier.rst index dbd6ae229c..e3aba21c32 100644 --- a/modules/ml/doc/normal_bayes_classifier.rst +++ b/modules/ml/doc/normal_bayes_classifier.rst @@ -9,55 +9,26 @@ This simple classification model assumes that feature vectors from each class ar .. [Fukunaga90] K. Fukunaga. *Introduction to Statistical Pattern Recognition*. second ed., New York: Academic Press, 1990. -CvNormalBayesClassifier +NormalBayesClassifier ----------------------- -.. ocv:class:: CvNormalBayesClassifier : public CvStatModel +.. ocv:class:: NormalBayesClassifier : public StatModel Bayes classifier for normally distributed data. -CvNormalBayesClassifier::CvNormalBayesClassifier ------------------------------------------------- -Default and training constructors. +NormalBayesClassifier::create +----------------------------- +Creates empty model -.. ocv:function:: CvNormalBayesClassifier::CvNormalBayesClassifier() +.. ocv:function:: Ptr NormalBayesClassifier::create(const NormalBayesClassifier::Params& params=Params()) -.. ocv:function:: CvNormalBayesClassifier::CvNormalBayesClassifier( const Mat& trainData, const Mat& responses, const Mat& varIdx=Mat(), const Mat& sampleIdx=Mat() ) + :param params: The model parameters. There is none so far, the structure is used as a placeholder for possible extensions. -.. ocv:function:: CvNormalBayesClassifier::CvNormalBayesClassifier( const CvMat* trainData, const CvMat* responses, const CvMat* varIdx=0, const CvMat* sampleIdx=0 ) +Use ``StatModel::train`` to train the model, ``StatModel::train(traindata, params)`` to create and train the model, ``StatModel::load(filename)`` to load the pre-trained model. -.. ocv:pyfunction:: cv2.NormalBayesClassifier([trainData, responses[, varIdx[, sampleIdx]]]) -> - -The constructors follow conventions of :ocv:func:`CvStatModel::CvStatModel`. See :ocv:func:`CvStatModel::train` for parameters descriptions. - -CvNormalBayesClassifier::train ------------------------------- -Trains the model. - -.. ocv:function:: bool CvNormalBayesClassifier::train( const Mat& trainData, const Mat& responses, const Mat& varIdx = Mat(), const Mat& sampleIdx=Mat(), bool update=false ) - -.. ocv:function:: bool CvNormalBayesClassifier::train( const CvMat* trainData, const CvMat* responses, const CvMat* varIdx = 0, const CvMat* sampleIdx=0, bool update=false ) - -.. ocv:pyfunction:: cv2.NormalBayesClassifier.train(trainData, responses[, varIdx[, sampleIdx[, update]]]) -> retval - - :param update: Identifies whether the model should be trained from scratch (``update=false``) or should be updated using the new training data (``update=true``). - -The method trains the Normal Bayes classifier. It follows the conventions of the generic :ocv:func:`CvStatModel::train` approach with the following limitations: - -* Only ``CV_ROW_SAMPLE`` data layout is supported. -* Input variables are all ordered. -* Output variable is categorical , which means that elements of ``responses`` must be integer numbers, though the vector may have the ``CV_32FC1`` type. -* Missing measurements are not supported. - -CvNormalBayesClassifier::predict --------------------------------- +NormalBayesClassifier::predictProb +---------------------------------- Predicts the response for sample(s). -.. ocv:function:: float CvNormalBayesClassifier::predict( const Mat& samples, Mat* results=0, Mat* results_prob=0 ) const +.. ocv:function:: float NormalBayesClassifier::predictProb( InputArray inputs, OutputArray outputs, OutputArray outputProbs, int flags=0 ) const -.. ocv:function:: float CvNormalBayesClassifier::predict( const CvMat* samples, CvMat* results=0, CvMat* results_prob=0 ) const - -.. ocv:pyfunction:: cv2.NormalBayesClassifier.predict(samples) -> retval, results - -The method estimates the most probable classes for input vectors. Input vectors (one or more) are stored as rows of the matrix ``samples``. In case of multiple input vectors, there should be one output vector ``results``. The predicted class for a single input vector is returned by the method. The vector ``results_prob`` contains the output probabilities coresponding to each element of ``result``. - -The function is parallelized with the TBB library. +The method estimates the most probable classes for input vectors. Input vectors (one or more) are stored as rows of the matrix ``inputs``. In case of multiple input vectors, there should be one output vector ``outputs``. The predicted class for a single input vector is returned by the method. The vector ``outputProbs`` contains the output probabilities corresponding to each element of ``result``. diff --git a/modules/ml/doc/random_trees.rst b/modules/ml/doc/random_trees.rst index 8d7911d368..602786d57e 100644 --- a/modules/ml/doc/random_trees.rst +++ b/modules/ml/doc/random_trees.rst @@ -40,179 +40,64 @@ For the random trees usage example, please, see letter_recog.cpp sample in OpenC * And other articles from the web site http://www.stat.berkeley.edu/users/breiman/RandomForests/cc_home.htm -CvRTParams ----------- -.. ocv:struct:: CvRTParams : public CvDTreeParams +RTrees::Params +-------------- +.. ocv:struct:: RTrees::Params : public DTrees::Params Training parameters of random trees. The set of training parameters for the forest is a superset of the training parameters for a single tree. However, random trees do not need all the functionality/features of decision trees. Most noticeably, the trees are not pruned, so the cross-validation parameters are not used. -CvRTParams::CvRTParams: +RTrees::Params::Params ----------------------- -The constructors. +The constructors -.. ocv:function:: CvRTParams::CvRTParams() +.. ocv:function:: RTrees::Params::Params() -.. ocv:function:: CvRTParams::CvRTParams( int max_depth, int min_sample_count, float regression_accuracy, bool use_surrogates, int max_categories, const float* priors, bool calc_var_importance, int nactive_vars, int max_num_of_trees_in_the_forest, float forest_accuracy, int termcrit_type ) +.. ocv:function:: RTrees::Params::Params( int maxDepth, int minSampleCount, double regressionAccuracy, bool useSurrogates, int maxCategories, const Mat& priors, bool calcVarImportance, int nactiveVars, TermCriteria termCrit ) - :param max_depth: the depth of the tree. A low value will likely underfit and conversely a high value will likely overfit. The optimal value can be obtained using cross validation or other suitable methods. + :param maxDepth: the depth of the tree. A low value will likely underfit and conversely a high value will likely overfit. The optimal value can be obtained using cross validation or other suitable methods. - :param min_sample_count: minimum samples required at a leaf node for it to be split. A reasonable value is a small percentage of the total data e.g. 1%. + :param minSampleCount: minimum samples required at a leaf node for it to be split. A reasonable value is a small percentage of the total data e.g. 1%. - :param max_categories: Cluster possible values of a categorical variable into ``K`` :math:`\leq` ``max_categories`` clusters to find a suboptimal split. If a discrete variable, on which the training procedure tries to make a split, takes more than ``max_categories`` values, the precise best subset estimation may take a very long time because the algorithm is exponential. Instead, many decision trees engines (including ML) try to find sub-optimal split in this case by clustering all the samples into ``max_categories`` clusters that is some categories are merged together. The clustering is applied only in ``n``>2-class classification problems for categorical variables with ``N > max_categories`` possible values. In case of regression and 2-class classification the optimal split can be found efficiently without employing clustering, thus the parameter is not used in these cases. + :param maxCategories: Cluster possible values of a categorical variable into ``K <= maxCategories`` clusters to find a suboptimal split. If a discrete variable, on which the training procedure tries to make a split, takes more than ``max_categories`` values, the precise best subset estimation may take a very long time because the algorithm is exponential. Instead, many decision trees engines (including ML) try to find sub-optimal split in this case by clustering all the samples into ``maxCategories`` clusters that is some categories are merged together. The clustering is applied only in ``n``>2-class classification problems for categorical variables with ``N > max_categories`` possible values. In case of regression and 2-class classification the optimal split can be found efficiently without employing clustering, thus the parameter is not used in these cases. - :param calc_var_importance: If true then variable importance will be calculated and then it can be retrieved by :ocv:func:`CvRTrees::get_var_importance`. + :param calcVarImportance: If true then variable importance will be calculated and then it can be retrieved by ``RTrees::getVarImportance``. - :param nactive_vars: The size of the randomly selected subset of features at each tree node and that are used to find the best split(s). If you set it to 0 then the size will be set to the square root of the total number of features. + :param nactiveVars: The size of the randomly selected subset of features at each tree node and that are used to find the best split(s). If you set it to 0 then the size will be set to the square root of the total number of features. - :param max_num_of_trees_in_the_forest: The maximum number of trees in the forest (surprise, surprise). Typically the more trees you have the better the accuracy. However, the improvement in accuracy generally diminishes and asymptotes pass a certain number of trees. Also to keep in mind, the number of tree increases the prediction time linearly. + :param termCrit: The termination criteria that specifies when the training algorithm stops - either when the specified number of trees is trained and added to the ensemble or when sufficient accuracy (measured as OOB error) is achieved. Typically the more trees you have the better the accuracy. However, the improvement in accuracy generally diminishes and asymptotes pass a certain number of trees. Also to keep in mind, the number of tree increases the prediction time linearly. - :param forest_accuracy: Sufficient accuracy (OOB error). - - :param termcrit_type: The type of the termination criteria: - - * **CV_TERMCRIT_ITER** Terminate learning by the ``max_num_of_trees_in_the_forest``; - - * **CV_TERMCRIT_EPS** Terminate learning by the ``forest_accuracy``; - - * **CV_TERMCRIT_ITER | CV_TERMCRIT_EPS** Use both termination criteria. - -For meaning of other parameters see :ocv:func:`CvDTreeParams::CvDTreeParams`. - -The default constructor sets all parameters to default values which are different from default values of :ocv:class:`CvDTreeParams`: +The default constructor sets all parameters to default values which are different from default values of ``DTrees::Params``: :: - CvRTParams::CvRTParams() : CvDTreeParams( 5, 10, 0, false, 10, 0, false, false, 0 ), - calc_var_importance(false), nactive_vars(0) + RTrees::Params::Params() : DTrees::Params( 5, 10, 0, false, 10, 0, false, false, Mat() ), + calcVarImportance(false), nactiveVars(0) { - term_crit = cvTermCriteria( CV_TERMCRIT_ITER+CV_TERMCRIT_EPS, 50, 0.1 ); + termCrit = cvTermCriteria( TermCriteria::MAX_ITERS + TermCriteria::EPS, 50, 0.1 ); } -CvRTrees +RTrees -------- -.. ocv:class:: CvRTrees : public CvStatModel +.. ocv:class:: RTrees : public DTrees The class implements the random forest predictor as described in the beginning of this section. -CvRTrees::train +RTrees::create --------------- -Trains the Random Trees model. +Creates the empty model -.. ocv:function:: bool CvRTrees::train( const Mat& trainData, int tflag, const Mat& responses, const Mat& varIdx=Mat(), const Mat& sampleIdx=Mat(), const Mat& varType=Mat(), const Mat& missingDataMask=Mat(), CvRTParams params=CvRTParams() ) +.. ocv:function:: bool RTrees::create(const RTrees::Params& params=Params()) -.. ocv:function:: bool CvRTrees::train( const CvMat* trainData, int tflag, const CvMat* responses, const CvMat* varIdx=0, const CvMat* sampleIdx=0, const CvMat* varType=0, const CvMat* missingDataMask=0, CvRTParams params=CvRTParams() ) +Use ``StatModel::train`` to train the model, ``StatModel::train(traindata, params)`` to create and train the model, ``StatModel::load(filename)`` to load the pre-trained model. -.. ocv:function:: bool CvRTrees::train( CvMLData* data, CvRTParams params=CvRTParams() ) - -.. ocv:pyfunction:: cv2.RTrees.train(trainData, tflag, responses[, varIdx[, sampleIdx[, varType[, missingDataMask[, params]]]]]) -> retval - -The method :ocv:func:`CvRTrees::train` is very similar to the method :ocv:func:`CvDTree::train` and follows the generic method :ocv:func:`CvStatModel::train` conventions. All the parameters specific to the algorithm training are passed as a :ocv:class:`CvRTParams` instance. The estimate of the training error (``oob-error``) is stored in the protected class member ``oob_error``. - -The function is parallelized with the TBB library. - -CvRTrees::predict ------------------ -Predicts the output for an input sample. - -.. ocv:function:: float CvRTrees::predict( const Mat& sample, const Mat& missing=Mat() ) const - -.. ocv:function:: float CvRTrees::predict( const CvMat* sample, const CvMat* missing = 0 ) const - -.. ocv:pyfunction:: cv2.RTrees.predict(sample[, missing]) -> retval - - :param sample: Sample for classification. - - :param missing: Optional missing measurement mask of the sample. - -The input parameters of the prediction method are the same as in :ocv:func:`CvDTree::predict` but the return value type is different. This method returns the cumulative result from all the trees in the forest (the class that receives the majority of voices, or the mean of the regression function estimates). - - -CvRTrees::predict_prob ----------------------- -Returns a fuzzy-predicted class label. - -.. ocv:function:: float CvRTrees::predict_prob( const cv::Mat& sample, const cv::Mat& missing = cv::Mat() ) const - -.. ocv:function:: float CvRTrees::predict_prob( const CvMat* sample, const CvMat* missing = 0 ) const - -.. ocv:pyfunction:: cv2.RTrees.predict_prob(sample[, missing]) -> retval - - :param sample: Sample for classification. - - :param missing: Optional missing measurement mask of the sample. - -The function works for binary classification problems only. It returns the number between 0 and 1. This number represents probability or confidence of the sample belonging to the second class. It is calculated as the proportion of decision trees that classified the sample to the second class. - - -CvRTrees::getVarImportance +RTrees::getVarImportance ---------------------------- Returns the variable importance array. -.. ocv:function:: Mat CvRTrees::getVarImportance() +.. ocv:function:: Mat RTrees::getVarImportance() const -.. ocv:function:: const CvMat* CvRTrees::get_var_importance() - -.. ocv:pyfunction:: cv2.RTrees.getVarImportance() -> retval - -The method returns the variable importance vector, computed at the training stage when ``CvRTParams::calc_var_importance`` is set to true. If this flag was set to false, the ``NULL`` pointer is returned. This differs from the decision trees where variable importance can be computed anytime after the training. - - -CvRTrees::get_proximity ------------------------ -Retrieves the proximity measure between two training samples. - -.. ocv:function:: float CvRTrees::get_proximity( const CvMat* sample1, const CvMat* sample2, const CvMat* missing1 = 0, const CvMat* missing2 = 0 ) const - - :param sample1: The first sample. - - :param sample2: The second sample. - - :param missing1: Optional missing measurement mask of the first sample. - - :param missing2: Optional missing measurement mask of the second sample. - -The method returns proximity measure between any two samples. This is a ratio of those trees in the ensemble, in which the samples fall into the same leaf node, to the total number of the trees. - -CvRTrees::calc_error --------------------- -Returns error of the random forest. - -.. ocv:function:: float CvRTrees::calc_error( CvMLData* data, int type, std::vector* resp=0 ) - -The method is identical to :ocv:func:`CvDTree::calc_error` but uses the random forest as predictor. - - -CvRTrees::get_train_error -------------------------- -Returns the train error. - -.. ocv:function:: float CvRTrees::get_train_error() - -The method works for classification problems only. It returns the proportion of incorrectly classified train samples. - - -CvRTrees::get_rng ------------------ -Returns the state of the used random number generator. - -.. ocv:function:: CvRNG* CvRTrees::get_rng() - - -CvRTrees::get_tree_count ------------------------- -Returns the number of trees in the constructed random forest. - -.. ocv:function:: int CvRTrees::get_tree_count() const - - -CvRTrees::get_tree ------------------- -Returns the specific decision tree in the constructed random forest. - -.. ocv:function:: CvForestTree* CvRTrees::get_tree(int i) const - - :param i: Index of the decision tree. +The method returns the variable importance vector, computed at the training stage when ``RTParams::calcVarImportance`` is set to true. If this flag was set to false, the empty matrix is returned. diff --git a/modules/ml/doc/statistical_models.rst b/modules/ml/doc/statistical_models.rst index af250b7864..82cffbbfe3 100644 --- a/modules/ml/doc/statistical_models.rst +++ b/modules/ml/doc/statistical_models.rst @@ -3,161 +3,110 @@ Statistical Models .. highlight:: cpp -.. index:: CvStatModel +.. index:: StatModel -CvStatModel +StatModel ----------- -.. ocv:class:: CvStatModel +.. ocv:class:: StatModel -Base class for statistical models in ML. :: - - class CvStatModel - { - public: - /* CvStatModel(); */ - /* CvStatModel( const Mat& train_data ... ); */ - - virtual ~CvStatModel(); - - virtual void clear()=0; - - /* virtual bool train( const Mat& train_data, [int tflag,] ..., const - Mat& responses, ..., - [const Mat& var_idx,] ..., [const Mat& sample_idx,] ... - [const Mat& var_type,] ..., [const Mat& missing_mask,] - ... )=0; - */ - - /* virtual float predict( const Mat& sample ... ) const=0; */ - - virtual void save( const char* filename, const char* name=0 )=0; - virtual void load( const char* filename, const char* name=0 )=0; - - virtual void write( CvFileStorage* storage, const char* name )=0; - virtual void read( CvFileStorage* storage, CvFileNode* node )=0; - }; +Base class for statistical models in OpenCV ML. -In this declaration, some methods are commented off. These are methods for which there is no unified API (with the exception of the default constructor). However, there are many similarities in the syntax and semantics that are briefly described below in this section, as if they are part of the base class. - -CvStatModel::CvStatModel +StatModel::train ------------------------ -The default constructor. +Trains the statistical model -.. ocv:function:: CvStatModel::CvStatModel() +.. ocv:function:: bool StatModel::train( const Ptr& trainData, int flags=0 ) -Each statistical model class in ML has a default constructor without parameters. This constructor is useful for a two-stage model construction, when the default constructor is followed by :ocv:func:`CvStatModel::train` or :ocv:func:`CvStatModel::load`. +.. ocv:function:: bool StatModel::train( InputArray samples, int layout, InputArray responses ) -CvStatModel::CvStatModel(...) +.. ocv:function:: Ptr<_Tp> StatModel::train(const Ptr& data, const _Tp::Params& p, int flags=0 ) + +.. ocv:function:: Ptr<_Tp> StatModel::train(InputArray samples, int layout, InputArray responses, const _Tp::Params& p, int flags=0 ) + + :param trainData: training data that can be loaded from file using ``TrainData::loadFromCSV`` or created with ``TrainData::create``. + + :param samples: training samples + + :param layout: ``ROW_SAMPLE`` (training samples are the matrix rows) or ``COL_SAMPLE`` (training samples are the matrix columns) + + :param responses: vector of responses associated with the training samples. + + :param p: the stat model parameters. + + :param flags: optional flags, depending on the model. Some of the models can be updated with the new training samples, not completely overwritten (such as ``NormalBayesClassifier`` or ``ANN_MLP``). + +There are 2 instance methods and 2 static (class) template methods. The first two train the already created model (the very first method must be overwritten in the derived classes). And the latter two variants are convenience methods that construct empty model and then call its train method. + + +StatModel::isTrained ----------------------------- -The training constructor. +Returns true if the model is trained -.. ocv:function:: CvStatModel::CvStatModel() +.. ocv:function:: bool StatModel::isTrained() -Most ML classes provide a single-step constructor and train constructors. This constructor is equivalent to the default constructor, followed by the :ocv:func:`CvStatModel::train` method with the parameters that are passed to the constructor. +The method must be overwritten in the derived classes. -CvStatModel::~CvStatModel -------------------------- -The virtual destructor. +StatModel::isClassifier +----------------------------- +Returns true if the model is classifier -.. ocv:function:: CvStatModel::~CvStatModel() +.. ocv:function:: bool StatModel::isClassifier() -The destructor of the base class is declared as virtual. So, it is safe to write the following code: :: +The method must be overwritten in the derived classes. - CvStatModel* model; - if( use_svm ) - model = new CvSVM(... /* SVM params */); - else - model = new CvDTree(... /* Decision tree params */); - ... - delete model; +StatModel::getVarCount +----------------------------- +Returns the number of variables in training samples +.. ocv:function:: int StatModel::getVarCount() -Normally, the destructor of each derived class does nothing. But in this instance, it calls the overridden method :ocv:func:`CvStatModel::clear` that deallocates all the memory. +The method must be overwritten in the derived classes. -CvStatModel::clear +StatModel::predict ------------------ -Deallocates memory and resets the model state. +Predicts response(s) for the provided sample(s) -.. ocv:function:: void CvStatModel::clear() +.. ocv:function:: float StatModel::predict( InputArray samples, OutputArray results=noArray(), int flags=0 ) const -The method ``clear`` does the same job as the destructor: it deallocates all the memory occupied by the class members. But the object itself is not destructed and can be reused further. This method is called from the destructor, from the :ocv:func:`CvStatModel::train` methods of the derived classes, from the methods :ocv:func:`CvStatModel::load`, :ocv:func:`CvStatModel::read()`, or even explicitly by the user. + :param samples: The input samples, floating-point matrix -CvStatModel::save + :param results: The optional output matrix of results. + + :param flags: The optional flags, model-dependent. Some models, such as ``Boost``, ``SVM`` recognize ``StatModel::RAW_OUTPUT`` flag, which makes the method return the raw results (the sum), not the class label. + + +StatModel::calcError +------------------------- +Computes error on the training or test dataset + +.. ocv:function:: float StatModel::calcError( const Ptr& data, bool test, OutputArray resp ) const + + :param data: the training data + + :param test: if true, the error is computed over the test subset of the data, otherwise it's computed over the training subset of the data. Please note that if you loaded a completely different dataset to evaluate already trained classifier, you will probably want not to set the test subset at all with ``TrainData::setTrainTestSplitRatio`` and specify ``test=false``, so that the error is computed for the whole new set. Yes, this sounds a bit confusing. + + :param resp: the optional output responses. + +The method uses ``StatModel::predict`` to compute the error. For regression models the error is computed as RMS, for classifiers - as a percent of missclassified samples (0%-100%). + + +StatModel::save ----------------- Saves the model to a file. -.. ocv:function:: void CvStatModel::save( const char* filename, const char* name=0 ) +.. ocv:function:: void StatModel::save( const String& filename ) -.. ocv:pyfunction:: cv2.StatModel.save(filename[, name]) -> None +In order to make this method work, the derived class must overwrite ``Algorithm::write(FileStorage& fs)``. -The method ``save`` saves the complete model state to the specified XML or YAML file with the specified name or default name (which depends on a particular class). *Data persistence* functionality from ``CxCore`` is used. - -CvStatModel::load +StatModel::load ----------------- -Loads the model from a file. +Loads model from the file -.. ocv:function:: void CvStatModel::load( const char* filename, const char* name=0 ) +.. ocv:function:: Ptr<_Tp> StatModel::load( const String& filename ) -.. ocv:pyfunction:: cv2.StatModel.load(filename[, name]) -> None +This is static template method of StatModel. It's usage is following (in the case of SVM): :: -The method ``load`` loads the complete model state with the specified name (or default model-dependent name) from the specified XML or YAML file. The previous model state is cleared by :ocv:func:`CvStatModel::clear`. + Ptr svm = StatModel::load("my_svm_model.xml"); - -CvStatModel::write ------------------- -Writes the model to the file storage. - -.. ocv:function:: void CvStatModel::write( CvFileStorage* storage, const char* name ) - -The method ``write`` stores the complete model state in the file storage with the specified name or default name (which depends on the particular class). The method is called by :ocv:func:`CvStatModel::save`. - - -CvStatModel::read ------------------ -Reads the model from the file storage. - -.. ocv:function:: void CvStatModel::read( CvFileStorage* storage, CvFileNode* node ) - -The method ``read`` restores the complete model state from the specified node of the file storage. Use the function -:ocv:cfunc:`GetFileNodeByName` to locate the node. - -The previous model state is cleared by :ocv:func:`CvStatModel::clear`. - -CvStatModel::train ------------------- -Trains the model. - -.. ocv:function:: bool CvStatModel::train( const Mat& train_data, [int tflag,] ..., const Mat& responses, ..., [const Mat& var_idx,] ..., [const Mat& sample_idx,] ... [const Mat& var_type,] ..., [const Mat& missing_mask,] ... ) - -The method trains the statistical model using a set of input feature vectors and the corresponding output values (responses). Both input and output vectors/values are passed as matrices. By default, the input feature vectors are stored as ``train_data`` rows, that is, all the components (features) of a training vector are stored continuously. However, some algorithms can handle the transposed representation when all values of each particular feature (component/input variable) over the whole input set are stored continuously. If both layouts are supported, the method includes the ``tflag`` parameter that specifies the orientation as follows: - -* ``tflag=CV_ROW_SAMPLE`` The feature vectors are stored as rows. - -* ``tflag=CV_COL_SAMPLE`` The feature vectors are stored as columns. - -The ``train_data`` must have the ``CV_32FC1`` (32-bit floating-point, single-channel) format. Responses are usually stored in a 1D vector (a row or a column) of ``CV_32SC1`` (only in the classification problem) or ``CV_32FC1`` format, one value per input vector. Although, some algorithms, like various flavors of neural nets, take vector responses. - -For classification problems, the responses are discrete class labels. For regression problems, the responses are values of the function to be approximated. Some algorithms can deal only with classification problems, some - only with regression problems, and some can deal with both problems. In the latter case, the type of output variable is either passed as a separate parameter or as the last element of the ``var_type`` vector: - -* ``CV_VAR_CATEGORICAL`` The output values are discrete class labels. - -* ``CV_VAR_ORDERED(=CV_VAR_NUMERICAL)`` The output values are ordered. This means that two different values can be compared as numbers, and this is a regression problem. - -Types of input variables can be also specified using ``var_type``. Most algorithms can handle only ordered input variables. - -Many ML models may be trained on a selected feature subset, and/or on a selected sample subset of the training set. To make it easier for you, the method ``train`` usually includes the ``var_idx`` and ``sample_idx`` parameters. The former parameter identifies variables (features) of interest, and the latter one identifies samples of interest. Both vectors are either integer (``CV_32SC1``) vectors (lists of 0-based indices) or 8-bit (``CV_8UC1``) masks of active variables/samples. You may pass ``NULL`` pointers instead of either of the arguments, meaning that all of the variables/samples are used for training. - -Additionally, some algorithms can handle missing measurements, that is, when certain features of certain training samples have unknown values (for example, they forgot to measure a temperature of patient A on Monday). The parameter ``missing_mask``, an 8-bit matrix of the same size as ``train_data``, is used to mark the missed values (non-zero elements of the mask). - -Usually, the previous model state is cleared by :ocv:func:`CvStatModel::clear` before running the training procedure. However, some algorithms may optionally update the model state with the new training data, instead of resetting it. - -CvStatModel::predict --------------------- -Predicts the response for a sample. - -.. ocv:function:: float CvStatModel::predict( const Mat& sample, ... ) const - -The method is used to predict the response for a new sample. In case of a classification, the method returns the class label. In case of a regression, the method returns the output function value. The input sample must have as many components as the ``train_data`` passed to ``train`` contains. If the ``var_idx`` parameter is passed to ``train``, it is remembered and then is used to extract only the necessary components from the input sample in the method ``predict``. - -The suffix ``const`` means that prediction does not affect the internal model state, so the method can be safely called from within different threads. +In order to make this method work, the derived class must overwrite ``Algorithm::read(const FileNode& fn)``. diff --git a/modules/ml/doc/support_vector_machines.rst b/modules/ml/doc/support_vector_machines.rst index 9793bd6e3f..d514db28af 100644 --- a/modules/ml/doc/support_vector_machines.rst +++ b/modules/ml/doc/support_vector_machines.rst @@ -14,21 +14,21 @@ SVM implementation in OpenCV is based on [LibSVM]_. .. [LibSVM] C.-C. Chang and C.-J. Lin. *LIBSVM: a library for support vector machines*, ACM Transactions on Intelligent Systems and Technology, 2:27:1--27:27, 2011. (http://www.csie.ntu.edu.tw/~cjlin/papers/libsvm.pdf) -CvParamGrid +ParamGrid ----------- -.. ocv:struct:: CvParamGrid +.. ocv:class:: ParamGrid The structure represents the logarithmic grid range of statmodel parameters. It is used for optimizing statmodel accuracy by varying model parameters, the accuracy estimate being computed by cross-validation. - .. ocv:member:: double CvParamGrid::min_val + .. ocv:member:: double ParamGrid::minVal Minimum value of the statmodel parameter. - .. ocv:member:: double CvParamGrid::max_val + .. ocv:member:: double ParamGrid::maxVal Maximum value of the statmodel parameter. - .. ocv:member:: double CvParamGrid::step + .. ocv:member:: double ParamGrid::logStep Logarithmic step for iterating the statmodel parameter. @@ -36,88 +36,78 @@ The grid determines the following iteration sequence of the statmodel parameter .. math:: - (min\_val, min\_val*step, min\_val*{step}^2, \dots, min\_val*{step}^n), + (minVal, minVal*step, minVal*{step}^2, \dots, minVal*{logStep}^n), where :math:`n` is the maximal index satisfying .. math:: - \texttt{min\_val} * \texttt{step} ^n < \texttt{max\_val} + \texttt{minVal} * \texttt{logStep} ^n < \texttt{maxVal} -The grid is logarithmic, so ``step`` must always be greater then 1. +The grid is logarithmic, so ``logStep`` must always be greater then 1. -CvParamGrid::CvParamGrid +ParamGrid::ParamGrid ------------------------ The constructors. -.. ocv:function:: CvParamGrid::CvParamGrid() +.. ocv:function:: ParamGrid::ParamGrid() -.. ocv:function:: CvParamGrid::CvParamGrid( double min_val, double max_val, double log_step ) +.. ocv:function:: ParamGrid::ParamGrid( double minVal, double maxVal, double logStep ) The full constructor initializes corresponding members. The default constructor creates a dummy grid: :: - CvParamGrid::CvParamGrid() + ParamGrid::ParamGrid() { - min_val = max_val = step = 0; + minVal = maxVal = 0; + logStep = 1; } -CvParamGrid::check ------------------- -Checks validness of the grid. -.. ocv:function:: bool CvParamGrid::check() - -Returns ``true`` if the grid is valid and ``false`` otherwise. The grid is valid if and only if: - -* Lower bound of the grid is less then the upper one. -* Lower bound of the grid is positive. -* Grid step is greater then 1. - -CvSVMParams +SVM::Params ----------- -.. ocv:struct:: CvSVMParams +.. ocv:class:: SVM::Params SVM training parameters. -The structure must be initialized and passed to the training method of :ocv:class:`CvSVM`. +The structure must be initialized and passed to the training method of :ocv:class:`SVM`. -CvSVMParams::CvSVMParams +SVM::Params::Params ------------------------ -The constructors. +The constructors -.. ocv:function:: CvSVMParams::CvSVMParams() +.. ocv:function:: SVM::Params::Params() -.. ocv:function:: CvSVMParams::CvSVMParams( int svm_type, int kernel_type, double degree, double gamma, double coef0, double Cvalue, double nu, double p, CvMat* class_weights, CvTermCriteria term_crit ) +.. ocv:function:: SVM::Params::Params( int svmType, int kernelType, double degree, double gamma, double coef0, double Cvalue, double nu, double p, const Mat& classWeights, TermCriteria termCrit ) - :param svm_type: Type of a SVM formulation. Possible values are: + :param svmType: Type of a SVM formulation. Possible values are: - * **CvSVM::C_SVC** C-Support Vector Classification. ``n``-class classification (``n`` :math:`\geq` 2), allows imperfect separation of classes with penalty multiplier ``C`` for outliers. + * **SVM::C_SVC** C-Support Vector Classification. ``n``-class classification (``n`` :math:`\geq` 2), allows imperfect separation of classes with penalty multiplier ``C`` for outliers. - * **CvSVM::NU_SVC** :math:`\nu`-Support Vector Classification. ``n``-class classification with possible imperfect separation. Parameter :math:`\nu` (in the range 0..1, the larger the value, the smoother the decision boundary) is used instead of ``C``. + * **SVM::NU_SVC** :math:`\nu`-Support Vector Classification. ``n``-class classification with possible imperfect separation. Parameter :math:`\nu` (in the range 0..1, the larger the value, the smoother the decision boundary) is used instead of ``C``. - * **CvSVM::ONE_CLASS** Distribution Estimation (One-class SVM). All the training data are from the same class, SVM builds a boundary that separates the class from the rest of the feature space. + * **SVM::ONE_CLASS** Distribution Estimation (One-class SVM). All the training data are from the same class, SVM builds a boundary that separates the class from the rest of the feature space. - * **CvSVM::EPS_SVR** :math:`\epsilon`-Support Vector Regression. The distance between feature vectors from the training set and the fitting hyper-plane must be less than ``p``. For outliers the penalty multiplier ``C`` is used. + * **SVM::EPS_SVR** :math:`\epsilon`-Support Vector Regression. The distance between feature vectors from the training set and the fitting hyper-plane must be less than ``p``. For outliers the penalty multiplier ``C`` is used. - * **CvSVM::NU_SVR** :math:`\nu`-Support Vector Regression. :math:`\nu` is used instead of ``p``. + * **SVM::NU_SVR** :math:`\nu`-Support Vector Regression. :math:`\nu` is used instead of ``p``. See [LibSVM]_ for details. - :param kernel_type: Type of a SVM kernel. Possible values are: + :param kernelType: Type of a SVM kernel. Possible values are: - * **CvSVM::LINEAR** Linear kernel. No mapping is done, linear discrimination (or regression) is done in the original feature space. It is the fastest option. :math:`K(x_i, x_j) = x_i^T x_j`. + * **SVM::LINEAR** Linear kernel. No mapping is done, linear discrimination (or regression) is done in the original feature space. It is the fastest option. :math:`K(x_i, x_j) = x_i^T x_j`. - * **CvSVM::POLY** Polynomial kernel: :math:`K(x_i, x_j) = (\gamma x_i^T x_j + coef0)^{degree}, \gamma > 0`. + * **SVM::POLY** Polynomial kernel: :math:`K(x_i, x_j) = (\gamma x_i^T x_j + coef0)^{degree}, \gamma > 0`. - * **CvSVM::RBF** Radial basis function (RBF), a good choice in most cases. :math:`K(x_i, x_j) = e^{-\gamma ||x_i - x_j||^2}, \gamma > 0`. + * **SVM::RBF** Radial basis function (RBF), a good choice in most cases. :math:`K(x_i, x_j) = e^{-\gamma ||x_i - x_j||^2}, \gamma > 0`. - * **CvSVM::SIGMOID** Sigmoid kernel: :math:`K(x_i, x_j) = \tanh(\gamma x_i^T x_j + coef0)`. + * **SVM::SIGMOID** Sigmoid kernel: :math:`K(x_i, x_j) = \tanh(\gamma x_i^T x_j + coef0)`. - * **CvSVM::CHI2** Exponential Chi2 kernel, similar to the RBF kernel: :math:`K(x_i, x_j) = e^{-\gamma \chi^2(x_i,x_j)}, \chi^2(x_i,x_j) = (x_i-x_j)^2/(x_i+x_j), \gamma > 0`. + * **SVM::CHI2** Exponential Chi2 kernel, similar to the RBF kernel: :math:`K(x_i, x_j) = e^{-\gamma \chi^2(x_i,x_j)}, \chi^2(x_i,x_j) = (x_i-x_j)^2/(x_i+x_j), \gamma > 0`. - * **CvSVM::INTER** Histogram intersection kernel. A fast kernel. :math:`K(x_i, x_j) = min(x_i,x_j)`. + * **SVM::INTER** Histogram intersection kernel. A fast kernel. :math:`K(x_i, x_j) = min(x_i,x_j)`. :param degree: Parameter ``degree`` of a kernel function (POLY). @@ -131,19 +121,19 @@ The constructors. :param p: Parameter :math:`\epsilon` of a SVM optimization problem (EPS_SVR). - :param class_weights: Optional weights in the C_SVC problem , assigned to particular classes. They are multiplied by ``C`` so the parameter ``C`` of class ``#i`` becomes :math:`class\_weights_i * C`. Thus these weights affect the misclassification penalty for different classes. The larger weight, the larger penalty on misclassification of data from the corresponding class. + :param classWeights: Optional weights in the C_SVC problem , assigned to particular classes. They are multiplied by ``C`` so the parameter ``C`` of class ``#i`` becomes ``classWeights(i) * C``. Thus these weights affect the misclassification penalty for different classes. The larger weight, the larger penalty on misclassification of data from the corresponding class. - :param term_crit: Termination criteria of the iterative SVM training procedure which solves a partial case of constrained quadratic optimization problem. You can specify tolerance and/or the maximum number of iterations. + :param termCrit: Termination criteria of the iterative SVM training procedure which solves a partial case of constrained quadratic optimization problem. You can specify tolerance and/or the maximum number of iterations. The default constructor initialize the structure with following values: :: - CvSVMParams::CvSVMParams() : - svm_type(CvSVM::C_SVC), kernel_type(CvSVM::RBF), degree(0), - gamma(1), coef0(0), C(1), nu(0), p(0), class_weights(0) + SVMParams::SVMParams() : + svmType(SVM::C_SVC), kernelType(SVM::RBF), degree(0), + gamma(1), coef0(0), C(1), nu(0), p(0), classWeights(0) { - term_crit = cvTermCriteria( CV_TERMCRIT_ITER+CV_TERMCRIT_EPS, 1000, FLT_EPSILON ); + termCrit = TermCriteria( TermCriteria::MAX_ITER+TermCriteria::EPS, 1000, FLT_EPSILON ); } A comparison of different kernels on the following 2D test case with four classes. Four C_SVC SVMs have been trained (one against rest) with auto_train. Evaluation on three different kernels (CHI2, INTER, RBF). The color depicts the class with max score. Bright means max-score > 0, dark means max-score < 0. @@ -151,10 +141,9 @@ A comparison of different kernels on the following 2D test case with four classe .. image:: pics/SVM_Comparison.png - -CvSVM +SVM ----- -.. ocv:class:: CvSVM : public CvStatModel +.. ocv:class:: SVM : public StatModel Support Vector Machines. @@ -164,55 +153,27 @@ Support Vector Machines. * (Python) An example of grid search digit recognition using SVM can be found at opencv_source/samples/python2/digits_adjust.py * (Python) An example of video digit recognition using SVM can be found at opencv_source/samples/python2/digits_video.py -CvSVM::CvSVM +SVM::create ------------ -Default and training constructors. +Creates empty model -.. ocv:function:: CvSVM::CvSVM() +.. ocv:function:: Ptr SVM::create(const Params& p=Params(), const Ptr& customKernel=Ptr()) -.. ocv:function:: CvSVM::CvSVM( const Mat& trainData, const Mat& responses, const Mat& varIdx=Mat(), const Mat& sampleIdx=Mat(), CvSVMParams params=CvSVMParams() ) + :param p: SVM parameters + :param customKernel: the optional custom kernel to use. It must implement ``SVM::Kernel`` interface. -.. ocv:function:: CvSVM::CvSVM( const CvMat* trainData, const CvMat* responses, const CvMat* varIdx=0, const CvMat* sampleIdx=0, CvSVMParams params=CvSVMParams() ) - -.. ocv:pyfunction:: cv2.SVM([trainData, responses[, varIdx[, sampleIdx[, params]]]]) -> - -The constructors follow conventions of :ocv:func:`CvStatModel::CvStatModel`. See :ocv:func:`CvStatModel::train` for parameters descriptions. - -CvSVM::train ------------- -Trains an SVM. - -.. ocv:function:: bool CvSVM::train( const Mat& trainData, const Mat& responses, const Mat& varIdx=Mat(), const Mat& sampleIdx=Mat(), CvSVMParams params=CvSVMParams() ) - -.. ocv:function:: bool CvSVM::train( const CvMat* trainData, const CvMat* responses, const CvMat* varIdx=0, const CvMat* sampleIdx=0, CvSVMParams params=CvSVMParams() ) - -.. ocv:pyfunction:: cv2.SVM.train(trainData, responses[, varIdx[, sampleIdx[, params]]]) -> retval - -The method trains the SVM model. It follows the conventions of the generic :ocv:func:`CvStatModel::train` approach with the following limitations: - -* Only the ``CV_ROW_SAMPLE`` data layout is supported. - -* Input variables are all ordered. - -* Output variables can be either categorical (``params.svm_type=CvSVM::C_SVC`` or ``params.svm_type=CvSVM::NU_SVC``), or ordered (``params.svm_type=CvSVM::EPS_SVR`` or ``params.svm_type=CvSVM::NU_SVR``), or not required at all (``params.svm_type=CvSVM::ONE_CLASS``). - -* Missing measurements are not supported. - -All the other parameters are gathered in the -:ocv:class:`CvSVMParams` structure. +Use ``StatModel::train`` to train the model, ``StatModel::train(traindata, params)`` to create and train the model, ``StatModel::load(filename)`` to load the pre-trained model. Since SVM has several parameters, you may want to find the best parameters for your problem. It can be done with ``SVM::trainAuto``. -CvSVM::train_auto +SVM::trainAuto ----------------- Trains an SVM with optimal parameters. -.. ocv:function:: bool CvSVM::train_auto( const Mat& trainData, const Mat& responses, const Mat& varIdx, const Mat& sampleIdx, CvSVMParams params, int k_fold = 10, CvParamGrid Cgrid = CvSVM::get_default_grid(CvSVM::C), CvParamGrid gammaGrid = CvSVM::get_default_grid(CvSVM::GAMMA), CvParamGrid pGrid = CvSVM::get_default_grid(CvSVM::P), CvParamGrid nuGrid = CvSVM::get_default_grid(CvSVM::NU), CvParamGrid coeffGrid = CvSVM::get_default_grid(CvSVM::COEF), CvParamGrid degreeGrid = CvSVM::get_default_grid(CvSVM::DEGREE), bool balanced=false) +.. ocv:function:: bool SVM::trainAuto( const Ptr& data, int kFold = 10, ParamGrid Cgrid = SVM::getDefaultGrid(SVM::C), ParamGrid gammaGrid = SVM::getDefaultGrid(SVM::GAMMA), ParamGrid pGrid = SVM::getDefaultGrid(SVM::P), ParamGrid nuGrid = SVM::getDefaultGrid(SVM::NU), ParamGrid coeffGrid = SVM::getDefaultGrid(SVM::COEF), ParamGrid degreeGrid = SVM::getDefaultGrid(SVM::DEGREE), bool balanced=false) -.. ocv:function:: bool CvSVM::train_auto( const CvMat* trainData, const CvMat* responses, const CvMat* varIdx, const CvMat* sampleIdx, CvSVMParams params, int kfold = 10, CvParamGrid Cgrid = get_default_grid(CvSVM::C), CvParamGrid gammaGrid = get_default_grid(CvSVM::GAMMA), CvParamGrid pGrid = get_default_grid(CvSVM::P), CvParamGrid nuGrid = get_default_grid(CvSVM::NU), CvParamGrid coeffGrid = get_default_grid(CvSVM::COEF), CvParamGrid degreeGrid = get_default_grid(CvSVM::DEGREE), bool balanced=false ) + :param data: the training data that can be constructed using ``TrainData::create`` or ``TrainData::loadFromCSV``. -.. ocv:pyfunction:: cv2.SVM.train_auto(trainData, responses, varIdx, sampleIdx, params[, k_fold[, Cgrid[, gammaGrid[, pGrid[, nuGrid[, coeffGrid[, degreeGrid[, balanced]]]]]]]]) -> retval - - :param k_fold: Cross-validation parameter. The training set is divided into ``k_fold`` subsets. One subset is used to test the model, the others form the train set. So, the SVM algorithm is executed ``k_fold`` times. + :param kFold: Cross-validation parameter. The training set is divided into ``kFold`` subsets. One subset is used to test the model, the others form the train set. So, the SVM algorithm is executed ``kFold`` times. :param \*Grid: Iteration grid for the corresponding SVM parameter. @@ -220,97 +181,76 @@ Trains an SVM with optimal parameters. The method trains the SVM model automatically by choosing the optimal parameters ``C``, ``gamma``, ``p``, ``nu``, ``coef0``, ``degree`` from -:ocv:class:`CvSVMParams`. Parameters are considered optimal +``SVM::Params``. Parameters are considered optimal when the cross-validation estimate of the test set error is minimal. -If there is no need to optimize a parameter, the corresponding grid step should be set to any value less than or equal to 1. For example, to avoid optimization in ``gamma``, set ``gamma_grid.step = 0``, ``gamma_grid.min_val``, ``gamma_grid.max_val`` as arbitrary numbers. In this case, the value ``params.gamma`` is taken for ``gamma``. +If there is no need to optimize a parameter, the corresponding grid step should be set to any value less than or equal to 1. For example, to avoid optimization in ``gamma``, set ``gammaGrid.step = 0``, ``gammaGrid.minVal``, ``gamma_grid.maxVal`` as arbitrary numbers. In this case, the value ``params.gamma`` is taken for ``gamma``. And, finally, if the optimization in a parameter is required but -the corresponding grid is unknown, you may call the function :ocv:func:`CvSVM::get_default_grid`. To generate a grid, for example, for ``gamma``, call ``CvSVM::get_default_grid(CvSVM::GAMMA)``. +the corresponding grid is unknown, you may call the function :ocv:func:`SVM::getDefaulltGrid`. To generate a grid, for example, for ``gamma``, call ``SVM::getDefaulltGrid(SVM::GAMMA)``. This function works for the classification -(``params.svm_type=CvSVM::C_SVC`` or ``params.svm_type=CvSVM::NU_SVC``) +(``params.svmType=SVM::C_SVC`` or ``params.svmType=SVM::NU_SVC``) as well as for the regression -(``params.svm_type=CvSVM::EPS_SVR`` or ``params.svm_type=CvSVM::NU_SVR``). If ``params.svm_type=CvSVM::ONE_CLASS``, no optimization is made and the usual SVM with parameters specified in ``params`` is executed. - -CvSVM::predict --------------- -Predicts the response for input sample(s). - -.. ocv:function:: float CvSVM::predict( const Mat& sample, bool returnDFVal=false ) const - -.. ocv:function:: float CvSVM::predict( const CvMat* sample, bool returnDFVal=false ) const - -.. ocv:function:: float CvSVM::predict( const CvMat* samples, CvMat* results, bool returnDFVal=false ) const - -.. ocv:pyfunction:: cv2.SVM.predict(sample[, returnDFVal]) -> retval - -.. ocv:pyfunction:: cv2.SVM.predict_all(samples[, results]) -> results - - :param sample: Input sample for prediction. - - :param samples: Input samples for prediction. - - :param returnDFVal: Specifies a type of the return value. If ``true`` and the problem is 2-class classification then the method returns the decision function value that is signed distance to the margin, else the function returns a class label (classification) or estimated function value (regression). - - :param results: Output prediction responses for corresponding samples. - -If you pass one sample then prediction result is returned. If you want to get responses for several samples then you should pass the ``results`` matrix where prediction results will be stored. - -The function is parallelized with the TBB library. +(``params.svmType=SVM::EPS_SVR`` or ``params.svmType=SVM::NU_SVR``). If ``params.svmType=SVM::ONE_CLASS``, no optimization is made and the usual SVM with parameters specified in ``params`` is executed. -CvSVM::get_default_grid +SVM::getDefaulltGrid ----------------------- Generates a grid for SVM parameters. -.. ocv:function:: CvParamGrid CvSVM::get_default_grid( int param_id ) +.. ocv:function:: ParamGrid SVM::getDefaulltGrid( int param_id ) :param param_id: SVM parameters IDs that must be one of the following: - * **CvSVM::C** + * **SVM::C** - * **CvSVM::GAMMA** + * **SVM::GAMMA** - * **CvSVM::P** + * **SVM::P** - * **CvSVM::NU** + * **SVM::NU** - * **CvSVM::COEF** + * **SVM::COEF** - * **CvSVM::DEGREE** + * **SVM::DEGREE** The grid is generated for the parameter with this ID. -The function generates a grid for the specified parameter of the SVM algorithm. The grid may be passed to the function :ocv:func:`CvSVM::train_auto`. +The function generates a grid for the specified parameter of the SVM algorithm. The grid may be passed to the function :ocv:func:`SVM::trainAuto`. -CvSVM::get_params +SVM::getParams ----------------- Returns the current SVM parameters. -.. ocv:function:: CvSVMParams CvSVM::get_params() const +.. ocv:function:: SVM::Params SVM::getParams() const -This function may be used to get the optimal parameters obtained while automatically training :ocv:func:`CvSVM::train_auto`. +This function may be used to get the optimal parameters obtained while automatically training ``SVM::trainAuto``. -CvSVM::get_support_vector +SVM::getSupportVectors -------------------------- -Retrieves a number of support vectors and the particular vector. +Retrieves all the support vectors -.. ocv:function:: int CvSVM::get_support_vector_count() const +.. ocv:function:: Mat SVM::getSupportVectors() const -.. ocv:function:: const float* CvSVM::get_support_vector(int i) const +The method returns all the support vector as floating-point matrix, where support vectors are stored as matrix rows. -.. ocv:pyfunction:: cv2.SVM.get_support_vector_count() -> retval +SVM::getDecisionFunction +-------------------------- +Retrieves the decision function - :param i: Index of the particular support vector. +.. ocv:function:: double SVM::getDecisionFunction(int i, OutputArray alpha, OutputArray svidx) const -The methods can be used to retrieve a set of support vectors. + :param i: the index of the decision function. If the problem solved is regression, 1-class or 2-class classification, then there will be just one decision function and the index should always be 0. Otherwise, in the case of N-class classification, there will be N*(N-1)/2 decision functions. -CvSVM::get_var_count + :param alpha: the optional output vector for weights, corresponding to different support vectors. In the case of linear SVM all the alpha's will be 1's. + + :param svidx: the optional output vector of indices of support vectors within the matrix of support vectors (which can be retrieved by ``SVM::getSupportVectors``). In the case of linear SVM each decision function consists of a single "compressed" support vector. + +The method returns ``rho`` parameter of the decision function, a scalar subtracted from the weighted sum of kernel responses. + +Prediction with SVM -------------------- -Returns the number of used features (variables count). -.. ocv:function:: int CvSVM::get_var_count() const - -.. ocv:pyfunction:: cv2.SVM.get_var_count() -> retval +StatModel::predict(samples, results, flags) should be used. Pass ``flags=StatModel::RAW_OUTPUT`` to get the raw response from SVM (in the case of regression, 1-class or 2-class classification problem). diff --git a/modules/ml/include/opencv2/ml.hpp b/modules/ml/include/opencv2/ml.hpp index f13e192be8..a5ce3010bf 100644 --- a/modules/ml/include/opencv2/ml.hpp +++ b/modules/ml/include/opencv2/ml.hpp @@ -7,9 +7,11 @@ // copy or use the software. // // -// Intel License Agreement +// License Agreement +// For Open Source Computer Vision Library // // Copyright (C) 2000, Intel Corporation, all rights reserved. +// Copyright (C) 2013, OpenCV Foundation, all rights reserved. // Third party copyrights are property of their respective owners. // // Redistribution and use in source and binary forms, with or without modification, @@ -22,7 +24,7 @@ // this list of conditions and the following disclaimer in the documentation // and/or other materials provided with the distribution. // -// * The name of Intel Corporation may not be used to endorse or promote products +// * The name of the copyright holders may not be used to endorse or promote products // derived from this software without specific prior written permission. // // This software is provided by the copyright holders and contributors "as is" and @@ -45,111 +47,150 @@ # include "opencv2/core.hpp" #endif -#include "opencv2/core/core_c.h" -#include - #ifdef __cplusplus +#include #include #include -// Apple defines a check() macro somewhere in the debug headers -// that interferes with a method definiton in this header -#undef check - -/****************************************************************************************\ -* Main struct definitions * -\****************************************************************************************/ - -/* log(2*PI) */ -#define CV_LOG2PI (1.8378770664093454835606594728112) - -/* columns of matrix are training samples */ -#define CV_COL_SAMPLE 0 - -/* rows of matrix are training samples */ -#define CV_ROW_SAMPLE 1 - -#define CV_IS_ROW_SAMPLE(flags) ((flags) & CV_ROW_SAMPLE) - -struct CvVectors +namespace cv { - int type; - int dims, count; - CvVectors* next; - union - { - uchar** ptr; - float** fl; - double** db; - } data; -}; -#if 0 -/* A structure, representing the lattice range of statmodel parameters. - It is used for optimizing statmodel parameters by cross-validation method. - The lattice is logarithmic, so must be greater then 1. */ -typedef struct CvParamLattice +namespace ml { - double min_val; - double max_val; - double step; -} -CvParamLattice; - -CV_INLINE CvParamLattice cvParamLattice( double min_val, double max_val, - double log_step ) -{ - CvParamLattice pl; - pl.min_val = MIN( min_val, max_val ); - pl.max_val = MAX( min_val, max_val ); - pl.step = MAX( log_step, 1. ); - return pl; -} - -CV_INLINE CvParamLattice cvDefaultParamLattice( void ) -{ - CvParamLattice pl = {0,0,0}; - return pl; -} -#endif /* Variable type */ -#define CV_VAR_NUMERICAL 0 -#define CV_VAR_ORDERED 0 -#define CV_VAR_CATEGORICAL 1 +enum +{ + VAR_NUMERICAL =0, + VAR_ORDERED =0, + VAR_CATEGORICAL =1 +}; -#define CV_TYPE_NAME_ML_SVM "opencv-ml-svm" -#define CV_TYPE_NAME_ML_KNN "opencv-ml-knn" -#define CV_TYPE_NAME_ML_NBAYES "opencv-ml-bayesian" -#define CV_TYPE_NAME_ML_EM "opencv-ml-em" -#define CV_TYPE_NAME_ML_BOOSTING "opencv-ml-boost-tree" -#define CV_TYPE_NAME_ML_TREE "opencv-ml-tree" -#define CV_TYPE_NAME_ML_ANN_MLP "opencv-ml-ann-mlp" -#define CV_TYPE_NAME_ML_CNN "opencv-ml-cnn" -#define CV_TYPE_NAME_ML_RTREES "opencv-ml-random-trees" -#define CV_TYPE_NAME_ML_ERTREES "opencv-ml-extremely-randomized-trees" -#define CV_TYPE_NAME_ML_GBT "opencv-ml-gradient-boosting-trees" +enum +{ + TEST_ERROR = 0, + TRAIN_ERROR = 1 +}; -#define CV_TRAIN_ERROR 0 -#define CV_TEST_ERROR 1 +enum +{ + ROW_SAMPLE = 0, + COL_SAMPLE = 1 +}; -class CV_EXPORTS_W CvStatModel +class CV_EXPORTS_W_MAP ParamGrid { public: - CvStatModel(); - virtual ~CvStatModel(); + ParamGrid(); + ParamGrid(double _minVal, double _maxVal, double _logStep); + CV_PROP_RW double minVal; + CV_PROP_RW double maxVal; + CV_PROP_RW double logStep; +}; + + +class CV_EXPORTS TrainData +{ +public: + static inline float missingValue() { return FLT_MAX; } + virtual ~TrainData(); + + virtual int getLayout() const = 0; + virtual int getNTrainSamples() const = 0; + virtual int getNTestSamples() const = 0; + virtual int getNSamples() const = 0; + virtual int getNVars() const = 0; + virtual int getNAllVars() const = 0; + + virtual void getSample(InputArray varIdx, int sidx, float* buf) const = 0; + virtual Mat getSamples() const = 0; + virtual Mat getMissing() const = 0; + virtual Mat getTrainSamples(int layout=ROW_SAMPLE, + bool compressSamples=true, + bool compressVars=true) const = 0; + virtual Mat getTrainResponses() const = 0; + virtual Mat getTrainNormCatResponses() const = 0; + virtual Mat getTestResponses() const = 0; + virtual Mat getTestNormCatResponses() const = 0; + virtual Mat getResponses() const = 0; + virtual Mat getNormCatResponses() const = 0; + virtual Mat getSampleWeights() const = 0; + virtual Mat getTrainSampleWeights() const = 0; + virtual Mat getTestSampleWeights() const = 0; + virtual Mat getVarIdx() const = 0; + virtual Mat getVarType() const = 0; + virtual int getResponseType() const = 0; + virtual Mat getTrainSampleIdx() const = 0; + virtual Mat getTestSampleIdx() const = 0; + virtual void getValues(int vi, InputArray sidx, float* values) const = 0; + virtual void getNormCatValues(int vi, InputArray sidx, int* values) const = 0; + virtual Mat getDefaultSubstValues() const = 0; + + virtual int getCatCount(int vi) const = 0; + virtual Mat getClassLabels() const = 0; + + virtual Mat getCatOfs() const = 0; + virtual Mat getCatMap() const = 0; + + virtual void setTrainTestSplit(int count, bool shuffle=true) = 0; + virtual void setTrainTestSplitRatio(double ratio, bool shuffle=true) = 0; + virtual void shuffleTrainTest() = 0; + + static Mat getSubVector(const Mat& vec, const Mat& idx); + static Ptr loadFromCSV(const String& filename, + int headerLineCount, + int responseStartIdx=-1, + int responseEndIdx=-1, + const String& varTypeSpec=String(), + char delimiter=',', + char missch='?'); + static Ptr create(InputArray samples, int layout, InputArray responses, + InputArray varIdx=noArray(), InputArray sampleIdx=noArray(), + InputArray sampleWeights=noArray(), InputArray varType=noArray()); +}; + + +class CV_EXPORTS_W StatModel : public Algorithm +{ +public: + enum { UPDATE_MODEL = 1, RAW_OUTPUT=1, COMPRESSED_INPUT=2, PREPROCESSED_INPUT=4 }; virtual void clear(); - CV_WRAP virtual void save( const char* filename, const char* name=0 ) const; - CV_WRAP virtual void load( const char* filename, const char* name=0 ); + virtual int getVarCount() const = 0; - virtual void write( CvFileStorage* storage, const char* name ) const; - virtual void read( CvFileStorage* storage, CvFileNode* node ); + virtual bool isTrained() const = 0; + virtual bool isClassifier() const = 0; -protected: - const char* default_model_name; + virtual bool train( const Ptr& trainData, int flags=0 ); + virtual bool train( InputArray samples, int layout, InputArray responses ); + virtual float calcError( const Ptr& data, bool test, OutputArray resp ) const; + virtual float predict( InputArray samples, OutputArray results=noArray(), int flags=0 ) const = 0; + + template static Ptr<_Tp> load(const String& filename) + { + FileStorage fs(filename, FileStorage::READ); + Ptr<_Tp> model = _Tp::create(); + model->read(fs.getFirstTopLevelNode()); + return model->isTrained() ? model : Ptr<_Tp>(); + } + + template static Ptr<_Tp> train(const Ptr& data, const typename _Tp::Params& p, int flags=0) + { + Ptr<_Tp> model = _Tp::create(p); + return !model.empty() && model->train(data, flags) ? model : Ptr<_Tp>(); + } + + template static Ptr<_Tp> train(InputArray samples, int layout, InputArray responses, + const typename _Tp::Params& p, int flags=0) + { + Ptr<_Tp> model = _Tp::create(p); + return !model.empty() && model->train(TrainData::create(samples, layout, responses), flags) ? model : Ptr<_Tp>(); + } + + virtual void save(const String& filename) const; + virtual String getDefaultModelName() const = 0; }; /****************************************************************************************\ @@ -161,413 +202,115 @@ protected: the accuracy estimate being computed by cross-validation. The grid is logarithmic, so must be greater then 1. */ -class CvMLData; - -struct CV_EXPORTS_W_MAP CvParamGrid -{ - // SVM params type - enum { SVM_C=0, SVM_GAMMA=1, SVM_P=2, SVM_NU=3, SVM_COEF=4, SVM_DEGREE=5 }; - - CvParamGrid() - { - min_val = max_val = step = 0; - } - - CvParamGrid( double min_val, double max_val, double log_step ); - //CvParamGrid( int param_id ); - bool check() const; - - CV_PROP_RW double min_val; - CV_PROP_RW double max_val; - CV_PROP_RW double step; -}; - -inline CvParamGrid::CvParamGrid( double _min_val, double _max_val, double _log_step ) -{ - min_val = _min_val; - max_val = _max_val; - step = _log_step; -} - -class CV_EXPORTS_W CvNormalBayesClassifier : public CvStatModel +class CV_EXPORTS_W NormalBayesClassifier : public StatModel { public: - CV_WRAP CvNormalBayesClassifier(); - virtual ~CvNormalBayesClassifier(); + class CV_EXPORTS_W Params + { + public: + Params(); + }; + virtual float predictProb( InputArray inputs, OutputArray outputs, + OutputArray outputProbs, int flags=0 ) const = 0; + virtual void setParams(const Params& params) = 0; + virtual Params getParams() const = 0; - CvNormalBayesClassifier( const CvMat* trainData, const CvMat* responses, - const CvMat* varIdx=0, const CvMat* sampleIdx=0 ); - - virtual bool train( const CvMat* trainData, const CvMat* responses, - const CvMat* varIdx = 0, const CvMat* sampleIdx=0, bool update=false ); - - virtual float predict( const CvMat* samples, CV_OUT CvMat* results=0, CV_OUT CvMat* results_prob=0 ) const; - CV_WRAP virtual void clear(); - - CV_WRAP CvNormalBayesClassifier( const cv::Mat& trainData, const cv::Mat& responses, - const cv::Mat& varIdx=cv::Mat(), const cv::Mat& sampleIdx=cv::Mat() ); - CV_WRAP virtual bool train( const cv::Mat& trainData, const cv::Mat& responses, - const cv::Mat& varIdx = cv::Mat(), const cv::Mat& sampleIdx=cv::Mat(), - bool update=false ); - CV_WRAP virtual float predict( const cv::Mat& samples, CV_OUT cv::Mat* results=0, CV_OUT cv::Mat* results_prob=0 ) const; - - virtual void write( CvFileStorage* storage, const char* name ) const; - virtual void read( CvFileStorage* storage, CvFileNode* node ); - -protected: - int var_count, var_all; - CvMat* var_idx; - CvMat* cls_labels; - CvMat** count; - CvMat** sum; - CvMat** productsum; - CvMat** avg; - CvMat** inv_eigen_values; - CvMat** cov_rotate_mats; - CvMat* c; + static Ptr create(const Params& params=Params()); }; - /****************************************************************************************\ * K-Nearest Neighbour Classifier * \****************************************************************************************/ // k Nearest Neighbors -class CV_EXPORTS_W CvKNearest : public CvStatModel +class CV_EXPORTS_W KNearest : public StatModel { public: + class CV_EXPORTS_W_MAP Params + { + public: + Params(int defaultK=10, bool isclassifier=true); - CV_WRAP CvKNearest(); - virtual ~CvKNearest(); - - CvKNearest( const CvMat* trainData, const CvMat* responses, - const CvMat* sampleIdx=0, bool isRegression=false, int max_k=32 ); - - virtual bool train( const CvMat* trainData, const CvMat* responses, - const CvMat* sampleIdx=0, bool is_regression=false, - int maxK=32, bool updateBase=false ); - - virtual float find_nearest( const CvMat* samples, int k, CV_OUT CvMat* results=0, - const float** neighbors=0, CV_OUT CvMat* neighborResponses=0, CV_OUT CvMat* dist=0 ) const; - - CV_WRAP CvKNearest( const cv::Mat& trainData, const cv::Mat& responses, - const cv::Mat& sampleIdx=cv::Mat(), bool isRegression=false, int max_k=32 ); - - CV_WRAP virtual bool train( const cv::Mat& trainData, const cv::Mat& responses, - const cv::Mat& sampleIdx=cv::Mat(), bool isRegression=false, - int maxK=32, bool updateBase=false ); - - virtual float find_nearest( const cv::Mat& samples, int k, cv::Mat* results=0, - const float** neighbors=0, cv::Mat* neighborResponses=0, - cv::Mat* dist=0 ) const; - CV_WRAP virtual float find_nearest( const cv::Mat& samples, int k, CV_OUT cv::Mat& results, - CV_OUT cv::Mat& neighborResponses, CV_OUT cv::Mat& dists) const; - - virtual void clear(); - int get_max_k() const; - int get_var_count() const; - int get_sample_count() const; - bool is_regression() const; - - virtual float write_results( int k, int k1, int start, int end, - const float* neighbor_responses, const float* dist, CvMat* _results, - CvMat* _neighbor_responses, CvMat* _dist, Cv32suf* sort_buf ) const; - - virtual void find_neighbors_direct( const CvMat* _samples, int k, int start, int end, - float* neighbor_responses, const float** neighbors, float* dist ) const; - -protected: - - int max_k, var_count; - int total; - bool regression; - CvVectors* samples; + CV_PROP_RW int defaultK; + CV_PROP_RW bool isclassifier; + }; + virtual void setParams(const Params& p) = 0; + virtual Params getParams() const = 0; + virtual float findNearest( InputArray samples, int k, + OutputArray results, + OutputArray neighborResponses=noArray(), + OutputArray dist=noArray() ) const = 0; + static Ptr create(const Params& params=Params()); }; /****************************************************************************************\ * Support Vector Machines * \****************************************************************************************/ -// SVM training parameters -struct CV_EXPORTS_W_MAP CvSVMParams -{ - CvSVMParams(); - CvSVMParams( int svm_type, int kernel_type, - double degree, double gamma, double coef0, - double Cvalue, double nu, double p, - CvMat* class_weights, CvTermCriteria term_crit ); - - CV_PROP_RW int svm_type; - CV_PROP_RW int kernel_type; - CV_PROP_RW double degree; // for poly - CV_PROP_RW double gamma; // for poly/rbf/sigmoid/chi2 - CV_PROP_RW double coef0; // for poly/sigmoid - - CV_PROP_RW double C; // for CV_SVM_C_SVC, CV_SVM_EPS_SVR and CV_SVM_NU_SVR - CV_PROP_RW double nu; // for CV_SVM_NU_SVC, CV_SVM_ONE_CLASS, and CV_SVM_NU_SVR - CV_PROP_RW double p; // for CV_SVM_EPS_SVR - CvMat* class_weights; // for CV_SVM_C_SVC - CV_PROP_RW CvTermCriteria term_crit; // termination criteria -}; - - -struct CV_EXPORTS CvSVMKernel -{ - typedef void (CvSVMKernel::*Calc)( int vec_count, int vec_size, const float** vecs, - const float* another, float* results ); - CvSVMKernel(); - CvSVMKernel( const CvSVMParams* params, Calc _calc_func ); - virtual bool create( const CvSVMParams* params, Calc _calc_func ); - virtual ~CvSVMKernel(); - - virtual void clear(); - virtual void calc( int vcount, int n, const float** vecs, const float* another, float* results ); - - const CvSVMParams* params; - Calc calc_func; - - virtual void calc_non_rbf_base( int vec_count, int vec_size, const float** vecs, - const float* another, float* results, - double alpha, double beta ); - virtual void calc_intersec( int vcount, int var_count, const float** vecs, - const float* another, float* results ); - virtual void calc_chi2( int vec_count, int vec_size, const float** vecs, - const float* another, float* results ); - virtual void calc_linear( int vec_count, int vec_size, const float** vecs, - const float* another, float* results ); - virtual void calc_rbf( int vec_count, int vec_size, const float** vecs, - const float* another, float* results ); - virtual void calc_poly( int vec_count, int vec_size, const float** vecs, - const float* another, float* results ); - virtual void calc_sigmoid( int vec_count, int vec_size, const float** vecs, - const float* another, float* results ); -}; - - -struct CvSVMKernelRow -{ - CvSVMKernelRow* prev; - CvSVMKernelRow* next; - float* data; -}; - - -struct CvSVMSolutionInfo -{ - double obj; - double rho; - double upper_bound_p; - double upper_bound_n; - double r; // for Solver_NU -}; - -class CV_EXPORTS CvSVMSolver -{ -public: - typedef bool (CvSVMSolver::*SelectWorkingSet)( int& i, int& j ); - typedef float* (CvSVMSolver::*GetRow)( int i, float* row, float* dst, bool existed ); - typedef void (CvSVMSolver::*CalcRho)( double& rho, double& r ); - - CvSVMSolver(); - - CvSVMSolver( int count, int var_count, const float** samples, schar* y, - int alpha_count, double* alpha, double Cp, double Cn, - CvMemStorage* storage, CvSVMKernel* kernel, GetRow get_row, - SelectWorkingSet select_working_set, CalcRho calc_rho ); - virtual bool create( int count, int var_count, const float** samples, schar* y, - int alpha_count, double* alpha, double Cp, double Cn, - CvMemStorage* storage, CvSVMKernel* kernel, GetRow get_row, - SelectWorkingSet select_working_set, CalcRho calc_rho ); - virtual ~CvSVMSolver(); - - virtual void clear(); - virtual bool solve_generic( CvSVMSolutionInfo& si ); - - virtual bool solve_c_svc( int count, int var_count, const float** samples, schar* y, - double Cp, double Cn, CvMemStorage* storage, - CvSVMKernel* kernel, double* alpha, CvSVMSolutionInfo& si ); - virtual bool solve_nu_svc( int count, int var_count, const float** samples, schar* y, - CvMemStorage* storage, CvSVMKernel* kernel, - double* alpha, CvSVMSolutionInfo& si ); - virtual bool solve_one_class( int count, int var_count, const float** samples, - CvMemStorage* storage, CvSVMKernel* kernel, - double* alpha, CvSVMSolutionInfo& si ); - - virtual bool solve_eps_svr( int count, int var_count, const float** samples, const float* y, - CvMemStorage* storage, CvSVMKernel* kernel, - double* alpha, CvSVMSolutionInfo& si ); - - virtual bool solve_nu_svr( int count, int var_count, const float** samples, const float* y, - CvMemStorage* storage, CvSVMKernel* kernel, - double* alpha, CvSVMSolutionInfo& si ); - - virtual float* get_row_base( int i, bool* _existed ); - virtual float* get_row( int i, float* dst ); - - int sample_count; - int var_count; - int cache_size; - int cache_line_size; - const float** samples; - const CvSVMParams* params; - CvMemStorage* storage; - CvSVMKernelRow lru_list; - CvSVMKernelRow* rows; - - int alpha_count; - - double* G; - double* alpha; - - // -1 - lower bound, 0 - free, 1 - upper bound - schar* alpha_status; - - schar* y; - double* b; - float* buf[2]; - double eps; - int max_iter; - double C[2]; // C[0] == Cn, C[1] == Cp - CvSVMKernel* kernel; - - SelectWorkingSet select_working_set_func; - CalcRho calc_rho_func; - GetRow get_row_func; - - virtual bool select_working_set( int& i, int& j ); - virtual bool select_working_set_nu_svm( int& i, int& j ); - virtual void calc_rho( double& rho, double& r ); - virtual void calc_rho_nu_svm( double& rho, double& r ); - - virtual float* get_row_svc( int i, float* row, float* dst, bool existed ); - virtual float* get_row_one_class( int i, float* row, float* dst, bool existed ); - virtual float* get_row_svr( int i, float* row, float* dst, bool existed ); -}; - - -struct CvSVMDecisionFunc -{ - double rho; - int sv_count; - double* alpha; - int* sv_index; -}; - - // SVM model -class CV_EXPORTS_W CvSVM : public CvStatModel +class CV_EXPORTS_W SVM : public StatModel { public: + class CV_EXPORTS_W_MAP Params + { + public: + Params(); + Params( int svm_type, int kernel_type, + double degree, double gamma, double coef0, + double Cvalue, double nu, double p, + const Mat& classWeights, TermCriteria termCrit ); + + CV_PROP_RW int svmType; + CV_PROP_RW int kernelType; + CV_PROP_RW double gamma, coef0, degree; + + CV_PROP_RW double C; // for CV_SVM_C_SVC, CV_SVM_EPS_SVR and CV_SVM_NU_SVR + CV_PROP_RW double nu; // for CV_SVM_NU_SVC, CV_SVM_ONE_CLASS, and CV_SVM_NU_SVR + CV_PROP_RW double p; // for CV_SVM_EPS_SVR + CV_PROP_RW Mat classWeights; // for CV_SVM_C_SVC + CV_PROP_RW TermCriteria termCrit; // termination criteria + }; + + class CV_EXPORTS Kernel : public Algorithm + { + public: + virtual int getType() const = 0; + virtual void calc( int vcount, int n, const float* vecs, const float* another, float* results ) = 0; + }; + // SVM type enum { C_SVC=100, NU_SVC=101, ONE_CLASS=102, EPS_SVR=103, NU_SVR=104 }; // SVM kernel type - enum { LINEAR=0, POLY=1, RBF=2, SIGMOID=3, CHI2=4, INTER=5 }; + enum { CUSTOM=-1, LINEAR=0, POLY=1, RBF=2, SIGMOID=3, CHI2=4, INTER=5 }; // SVM params type enum { C=0, GAMMA=1, P=2, NU=3, COEF=4, DEGREE=5 }; - CV_WRAP CvSVM(); - virtual ~CvSVM(); + virtual bool trainAuto( const Ptr& data, int kFold = 10, + ParamGrid Cgrid = SVM::getDefaultGrid(SVM::C), + ParamGrid gammaGrid = SVM::getDefaultGrid(SVM::GAMMA), + ParamGrid pGrid = SVM::getDefaultGrid(SVM::P), + ParamGrid nuGrid = SVM::getDefaultGrid(SVM::NU), + ParamGrid coeffGrid = SVM::getDefaultGrid(SVM::COEF), + ParamGrid degreeGrid = SVM::getDefaultGrid(SVM::DEGREE), + bool balanced=false) = 0; - CvSVM( const CvMat* trainData, const CvMat* responses, - const CvMat* varIdx=0, const CvMat* sampleIdx=0, - CvSVMParams params=CvSVMParams() ); + CV_WRAP virtual Mat getSupportVectors() const = 0; - virtual bool train( const CvMat* trainData, const CvMat* responses, - const CvMat* varIdx=0, const CvMat* sampleIdx=0, - CvSVMParams params=CvSVMParams() ); + virtual void setParams(const Params& p, const Ptr& customKernel=Ptr()) = 0; + virtual Params getParams() const = 0; + virtual Ptr getKernel() const = 0; + virtual double getDecisionFunction(int i, OutputArray alpha, OutputArray svidx) const = 0; - virtual bool train_auto( const CvMat* trainData, const CvMat* responses, - const CvMat* varIdx, const CvMat* sampleIdx, CvSVMParams params, - int kfold = 10, - CvParamGrid Cgrid = get_default_grid(CvSVM::C), - CvParamGrid gammaGrid = get_default_grid(CvSVM::GAMMA), - CvParamGrid pGrid = get_default_grid(CvSVM::P), - CvParamGrid nuGrid = get_default_grid(CvSVM::NU), - CvParamGrid coeffGrid = get_default_grid(CvSVM::COEF), - CvParamGrid degreeGrid = get_default_grid(CvSVM::DEGREE), - bool balanced=false ); - - virtual float predict( const CvMat* sample, bool returnDFVal=false ) const; - virtual float predict( const CvMat* samples, CV_OUT CvMat* results, bool returnDFVal=false ) const; - - CV_WRAP CvSVM( const cv::Mat& trainData, const cv::Mat& responses, - const cv::Mat& varIdx=cv::Mat(), const cv::Mat& sampleIdx=cv::Mat(), - CvSVMParams params=CvSVMParams() ); - - CV_WRAP virtual bool train( const cv::Mat& trainData, const cv::Mat& responses, - const cv::Mat& varIdx=cv::Mat(), const cv::Mat& sampleIdx=cv::Mat(), - CvSVMParams params=CvSVMParams() ); - - CV_WRAP virtual bool train_auto( const cv::Mat& trainData, const cv::Mat& responses, - const cv::Mat& varIdx, const cv::Mat& sampleIdx, CvSVMParams params, - int k_fold = 10, - CvParamGrid Cgrid = CvSVM::get_default_grid(CvSVM::C), - CvParamGrid gammaGrid = CvSVM::get_default_grid(CvSVM::GAMMA), - CvParamGrid pGrid = CvSVM::get_default_grid(CvSVM::P), - CvParamGrid nuGrid = CvSVM::get_default_grid(CvSVM::NU), - CvParamGrid coeffGrid = CvSVM::get_default_grid(CvSVM::COEF), - CvParamGrid degreeGrid = CvSVM::get_default_grid(CvSVM::DEGREE), - bool balanced=false); - CV_WRAP virtual float predict( const cv::Mat& sample, bool returnDFVal=false ) const; - CV_WRAP_AS(predict_all) virtual void predict( cv::InputArray samples, cv::OutputArray results ) const; - - CV_WRAP virtual int get_support_vector_count() const; - virtual const float* get_support_vector(int i) const; - virtual CvSVMParams get_params() const { return params; } - CV_WRAP virtual void clear(); - - virtual const CvSVMDecisionFunc* get_decision_function() const { return decision_func; } - - static CvParamGrid get_default_grid( int param_id ); - - virtual void write( CvFileStorage* storage, const char* name ) const; - virtual void read( CvFileStorage* storage, CvFileNode* node ); - CV_WRAP int get_var_count() const { return var_idx ? var_idx->cols : var_all; } - -protected: - - virtual bool set_params( const CvSVMParams& params ); - virtual bool train1( int sample_count, int var_count, const float** samples, - const void* responses, double Cp, double Cn, - CvMemStorage* _storage, double* alpha, double& rho ); - virtual bool do_train( int svm_type, int sample_count, int var_count, const float** samples, - const CvMat* responses, CvMemStorage* _storage, double* alpha ); - virtual void create_kernel(); - virtual void create_solver(); - - virtual float predict( const float* row_sample, int row_len, bool returnDFVal=false ) const; - - virtual void write_params( CvFileStorage* fs ) const; - virtual void read_params( CvFileStorage* fs, CvFileNode* node ); - - void optimize_linear_svm(); - - CvSVMParams params; - CvMat* class_labels; - int var_all; - float** sv; - int sv_total; - CvMat* var_idx; - CvMat* class_weights; - CvSVMDecisionFunc* decision_func; - CvMemStorage* storage; - - CvSVMSolver* solver; - CvSVMKernel* kernel; - -private: - CvSVM(const CvSVM&); - CvSVM& operator = (const CvSVM&); + static ParamGrid getDefaultGrid( int param_id ); + static Ptr create(const Params& p=Params(), const Ptr& customKernel=Ptr()); }; /****************************************************************************************\ * Expectation - Maximization * \****************************************************************************************/ -namespace cv -{ -class CV_EXPORTS_W EM : public Algorithm +class CV_EXPORTS_W EM : public StatModel { public: // Type of covariation matrices @@ -579,1298 +322,204 @@ public: // The initial step enum {START_E_STEP=1, START_M_STEP=2, START_AUTO_STEP=0}; - CV_WRAP EM(int nclusters=EM::DEFAULT_NCLUSTERS, int covMatType=EM::COV_MAT_DIAGONAL, - const TermCriteria& termCrit=TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, - EM::DEFAULT_MAX_ITERS, FLT_EPSILON)); + class CV_EXPORTS_W_MAP Params + { + public: + explicit Params(int nclusters=DEFAULT_NCLUSTERS, int covMatType=EM::COV_MAT_DIAGONAL, + const TermCriteria& termCrit=TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, + EM::DEFAULT_MAX_ITERS, 1e-6)); + CV_PROP_RW int nclusters; + CV_PROP_RW int covMatType; + CV_PROP_RW TermCriteria termCrit; + }; - virtual ~EM(); - CV_WRAP virtual void clear(); + virtual void setParams(const Params& p) = 0; + virtual Params getParams() const = 0; + virtual Mat getWeights() const = 0; + virtual Mat getMeans() const = 0; + virtual void getCovs(std::vector& covs) const = 0; - CV_WRAP virtual bool train(InputArray samples, - OutputArray logLikelihoods=noArray(), - OutputArray labels=noArray(), - OutputArray probs=noArray()); + CV_WRAP virtual Vec2d predict2(InputArray sample, OutputArray probs) const = 0; - CV_WRAP virtual bool trainE(InputArray samples, - InputArray means0, - InputArray covs0=noArray(), - InputArray weights0=noArray(), - OutputArray logLikelihoods=noArray(), - OutputArray labels=noArray(), - OutputArray probs=noArray()); + virtual bool train( const Ptr& trainData, int flags=0 ) = 0; - CV_WRAP virtual bool trainM(InputArray samples, - InputArray probs0, - OutputArray logLikelihoods=noArray(), - OutputArray labels=noArray(), - OutputArray probs=noArray()); + static Ptr train(InputArray samples, + OutputArray logLikelihoods=noArray(), + OutputArray labels=noArray(), + OutputArray probs=noArray(), + const Params& params=Params()); - CV_WRAP Vec2d predict(InputArray sample, - OutputArray probs=noArray()) const; + static Ptr train_startWithE(InputArray samples, InputArray means0, + InputArray covs0=noArray(), + InputArray weights0=noArray(), + OutputArray logLikelihoods=noArray(), + OutputArray labels=noArray(), + OutputArray probs=noArray(), + const Params& params=Params()); - CV_WRAP bool isTrained() const; - - AlgorithmInfo* info() const; - virtual void read(const FileNode& fn); - -protected: - - virtual void setTrainData(int startStep, const Mat& samples, - const Mat* probs0, - const Mat* means0, - const std::vector* covs0, - const Mat* weights0); - - bool doTrain(int startStep, - OutputArray logLikelihoods, - OutputArray labels, - OutputArray probs); - virtual void eStep(); - virtual void mStep(); - - void clusterTrainSamples(); - void decomposeCovs(); - void computeLogWeightDivDet(); - - Vec2d computeProbabilities(const Mat& sample, Mat* probs) const; - - // all inner matrices have type CV_64FC1 - CV_PROP_RW int nclusters; - CV_PROP_RW int covMatType; - CV_PROP_RW int maxIters; - CV_PROP_RW double epsilon; - - Mat trainSamples; - Mat trainProbs; - Mat trainLogLikelihoods; - Mat trainLabels; - - CV_PROP Mat weights; - CV_PROP Mat means; - CV_PROP std::vector covs; - - std::vector covsEigenValues; - std::vector covsRotateMats; - std::vector invCovsEigenValues; - Mat logWeightDivDet; + static Ptr train_startWithM(InputArray samples, InputArray probs0, + OutputArray logLikelihoods=noArray(), + OutputArray labels=noArray(), + OutputArray probs=noArray(), + const Params& params=Params()); + static Ptr create(const Params& params=Params()); }; -} // namespace cv + /****************************************************************************************\ * Decision Tree * -\****************************************************************************************/\ -struct CvPair16u32s +\****************************************************************************************/ + +class CV_EXPORTS_W DTrees : public StatModel { - unsigned short* u; - int* i; -}; +public: + enum { PREDICT_AUTO=0, PREDICT_SUM=(1<<8), PREDICT_MAX_VOTE=(2<<8), PREDICT_MASK=(3<<8) }; - -#define CV_DTREE_CAT_DIR(idx,subset) \ - (2*((subset[(idx)>>5]&(1 << ((idx) & 31)))==0)-1) - -struct CvDTreeSplit -{ - int var_idx; - int condensed_idx; - int inversed; - float quality; - CvDTreeSplit* next; - union + class CV_EXPORTS_W_MAP Params { - int subset[2]; - struct - { - float c; - int split_point; - } - ord; + public: + Params(); + Params( int maxDepth, int minSampleCount, + double regressionAccuracy, bool useSurrogates, + int maxCategories, int CVFolds, + bool use1SERule, bool truncatePrunedTree, + const Mat& priors ); + + CV_PROP_RW int maxCategories; + CV_PROP_RW int maxDepth; + CV_PROP_RW int minSampleCount; + CV_PROP_RW int CVFolds; + CV_PROP_RW bool useSurrogates; + CV_PROP_RW bool use1SERule; + CV_PROP_RW bool truncatePrunedTree; + CV_PROP_RW float regressionAccuracy; + CV_PROP_RW Mat priors; }; -}; -struct CvDTreeNode -{ - int class_idx; - int Tn; - double value; - - CvDTreeNode* parent; - CvDTreeNode* left; - CvDTreeNode* right; - - CvDTreeSplit* split; - - int sample_count; - int depth; - int* num_valid; - int offset; - int buf_idx; - double maxlr; - - // global pruning data - int complexity; - double alpha; - double node_risk, tree_risk, tree_error; - - // cross-validation pruning data - int* cv_Tn; - double* cv_node_risk; - double* cv_node_error; - - int get_num_valid(int vi) { return num_valid ? num_valid[vi] : sample_count; } - void set_num_valid(int vi, int n) { if( num_valid ) num_valid[vi] = n; } -}; - - -struct CV_EXPORTS_W_MAP CvDTreeParams -{ - CV_PROP_RW int max_categories; - CV_PROP_RW int max_depth; - CV_PROP_RW int min_sample_count; - CV_PROP_RW int cv_folds; - CV_PROP_RW bool use_surrogates; - CV_PROP_RW bool use_1se_rule; - CV_PROP_RW bool truncate_pruned_tree; - CV_PROP_RW float regression_accuracy; - const float* priors; - - CvDTreeParams(); - CvDTreeParams( int max_depth, int min_sample_count, - float regression_accuracy, bool use_surrogates, - int max_categories, int cv_folds, - bool use_1se_rule, bool truncate_pruned_tree, - const float* priors ); -}; - - -struct CV_EXPORTS CvDTreeTrainData -{ - CvDTreeTrainData(); - CvDTreeTrainData( const CvMat* trainData, int tflag, - const CvMat* responses, const CvMat* varIdx=0, - const CvMat* sampleIdx=0, const CvMat* varType=0, - const CvMat* missingDataMask=0, - const CvDTreeParams& params=CvDTreeParams(), - bool _shared=false, bool _add_labels=false ); - virtual ~CvDTreeTrainData(); - - virtual void set_data( const CvMat* trainData, int tflag, - const CvMat* responses, const CvMat* varIdx=0, - const CvMat* sampleIdx=0, const CvMat* varType=0, - const CvMat* missingDataMask=0, - const CvDTreeParams& params=CvDTreeParams(), - bool _shared=false, bool _add_labels=false, - bool _update_data=false ); - virtual void do_responses_copy(); - - virtual void get_vectors( const CvMat* _subsample_idx, - float* values, uchar* missing, float* responses, bool get_class_idx=false ); - - virtual CvDTreeNode* subsample_data( const CvMat* _subsample_idx ); - - virtual void write_params( CvFileStorage* fs ) const; - virtual void read_params( CvFileStorage* fs, CvFileNode* node ); - - // release all the data - virtual void clear(); - - int get_num_classes() const; - int get_var_type(int vi) const; - int get_work_var_count() const {return work_var_count;} - - virtual const float* get_ord_responses( CvDTreeNode* n, float* values_buf, int* sample_indices_buf ); - virtual const int* get_class_labels( CvDTreeNode* n, int* labels_buf ); - virtual const int* get_cv_labels( CvDTreeNode* n, int* labels_buf ); - virtual const int* get_sample_indices( CvDTreeNode* n, int* indices_buf ); - virtual const int* get_cat_var_data( CvDTreeNode* n, int vi, int* cat_values_buf ); - virtual void get_ord_var_data( CvDTreeNode* n, int vi, float* ord_values_buf, int* sorted_indices_buf, - const float** ord_values, const int** sorted_indices, int* sample_indices_buf ); - virtual int get_child_buf_idx( CvDTreeNode* n ); - - //////////////////////////////////// - - virtual bool set_params( const CvDTreeParams& params ); - virtual CvDTreeNode* new_node( CvDTreeNode* parent, int count, - int storage_idx, int offset ); - - virtual CvDTreeSplit* new_split_ord( int vi, float cmp_val, - int split_point, int inversed, float quality ); - virtual CvDTreeSplit* new_split_cat( int vi, float quality ); - virtual void free_node_data( CvDTreeNode* node ); - virtual void free_train_data(); - virtual void free_node( CvDTreeNode* node ); - - int sample_count, var_all, var_count, max_c_count; - int ord_var_count, cat_var_count, work_var_count; - bool have_labels, have_priors; - bool is_classifier; - int tflag; - - const CvMat* train_data; - const CvMat* responses; - CvMat* responses_copy; // used in Boosting - - int buf_count, buf_size; // buf_size is obsolete, please do not use it, use expression ((int64)buf->rows * (int64)buf->cols / buf_count) instead - bool shared; - int is_buf_16u; - - CvMat* cat_count; - CvMat* cat_ofs; - CvMat* cat_map; - - CvMat* counts; - CvMat* buf; - inline size_t get_length_subbuf() const + class CV_EXPORTS Node { - size_t res = (size_t)(work_var_count + 1) * (size_t)sample_count; - return res; - } + public: + Node(); + double value; + int classIdx; - CvMat* direction; - CvMat* split_buf; + int parent; + int left; + int right; + int defaultDir; - CvMat* var_idx; - CvMat* var_type; // i-th element = - // k<0 - ordered - // k>=0 - categorical, see k-th element of cat_* arrays - CvMat* priors; - CvMat* priors_mult; + int split; + }; - CvDTreeParams params; + class CV_EXPORTS Split + { + public: + Split(); + int varIdx; + bool inversed; + float quality; + int next; + float c; + int subsetOfs; + }; - CvMemStorage* tree_storage; - CvMemStorage* temp_storage; + virtual void setDParams(const Params& p); + virtual Params getDParams() const; - CvDTreeNode* data_root; + virtual const std::vector& getRoots() const = 0; + virtual const std::vector& getNodes() const = 0; + virtual const std::vector& getSplits() const = 0; + virtual const std::vector& getSubsets() const = 0; - CvSet* node_heap; - CvSet* split_heap; - CvSet* cv_heap; - CvSet* nv_heap; - - cv::RNG* rng; + static Ptr create(const Params& params=Params()); }; -class CvDTree; -class CvForestTree; - -namespace cv -{ - struct DTreeBestSplitFinder; - struct ForestTreeBestSplitFinder; -} - -class CV_EXPORTS_W CvDTree : public CvStatModel -{ -public: - CV_WRAP CvDTree(); - virtual ~CvDTree(); - - virtual bool train( const CvMat* trainData, int tflag, - const CvMat* responses, const CvMat* varIdx=0, - const CvMat* sampleIdx=0, const CvMat* varType=0, - const CvMat* missingDataMask=0, - CvDTreeParams params=CvDTreeParams() ); - - virtual bool train( CvMLData* trainData, CvDTreeParams params=CvDTreeParams() ); - - // type in {CV_TRAIN_ERROR, CV_TEST_ERROR} - virtual float calc_error( CvMLData* trainData, int type, std::vector *resp = 0 ); - - virtual bool train( CvDTreeTrainData* trainData, const CvMat* subsampleIdx ); - - virtual CvDTreeNode* predict( const CvMat* sample, const CvMat* missingDataMask=0, - bool preprocessedInput=false ) const; - - CV_WRAP virtual bool train( const cv::Mat& trainData, int tflag, - const cv::Mat& responses, const cv::Mat& varIdx=cv::Mat(), - const cv::Mat& sampleIdx=cv::Mat(), const cv::Mat& varType=cv::Mat(), - const cv::Mat& missingDataMask=cv::Mat(), - CvDTreeParams params=CvDTreeParams() ); - - CV_WRAP virtual CvDTreeNode* predict( const cv::Mat& sample, const cv::Mat& missingDataMask=cv::Mat(), - bool preprocessedInput=false ) const; - CV_WRAP virtual cv::Mat getVarImportance(); - - virtual const CvMat* get_var_importance(); - CV_WRAP virtual void clear(); - - virtual void read( CvFileStorage* fs, CvFileNode* node ); - virtual void write( CvFileStorage* fs, const char* name ) const; - - // special read & write methods for trees in the tree ensembles - virtual void read( CvFileStorage* fs, CvFileNode* node, - CvDTreeTrainData* data ); - virtual void write( CvFileStorage* fs ) const; - - const CvDTreeNode* get_root() const; - int get_pruned_tree_idx() const; - CvDTreeTrainData* get_data(); - -protected: - friend struct cv::DTreeBestSplitFinder; - - virtual bool do_train( const CvMat* _subsample_idx ); - - virtual void try_split_node( CvDTreeNode* n ); - virtual void split_node_data( CvDTreeNode* n ); - virtual CvDTreeSplit* find_best_split( CvDTreeNode* n ); - virtual CvDTreeSplit* find_split_ord_class( CvDTreeNode* n, int vi, - float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); - virtual CvDTreeSplit* find_split_cat_class( CvDTreeNode* n, int vi, - float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); - virtual CvDTreeSplit* find_split_ord_reg( CvDTreeNode* n, int vi, - float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); - virtual CvDTreeSplit* find_split_cat_reg( CvDTreeNode* n, int vi, - float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); - virtual CvDTreeSplit* find_surrogate_split_ord( CvDTreeNode* n, int vi, uchar* ext_buf = 0 ); - virtual CvDTreeSplit* find_surrogate_split_cat( CvDTreeNode* n, int vi, uchar* ext_buf = 0 ); - virtual double calc_node_dir( CvDTreeNode* node ); - virtual void complete_node_dir( CvDTreeNode* node ); - virtual void cluster_categories( const int* vectors, int vector_count, - int var_count, int* sums, int k, int* cluster_labels ); - - virtual void calc_node_value( CvDTreeNode* node ); - - virtual void prune_cv(); - virtual double update_tree_rnc( int T, int fold ); - virtual int cut_tree( int T, int fold, double min_alpha ); - virtual void free_prune_data(bool cut_tree); - virtual void free_tree(); - - virtual void write_node( CvFileStorage* fs, CvDTreeNode* node ) const; - virtual void write_split( CvFileStorage* fs, CvDTreeSplit* split ) const; - virtual CvDTreeNode* read_node( CvFileStorage* fs, CvFileNode* node, CvDTreeNode* parent ); - virtual CvDTreeSplit* read_split( CvFileStorage* fs, CvFileNode* node ); - virtual void write_tree_nodes( CvFileStorage* fs ) const; - virtual void read_tree_nodes( CvFileStorage* fs, CvFileNode* node ); - - CvDTreeNode* root; - CvMat* var_importance; - CvDTreeTrainData* data; - CvMat train_data_hdr, responses_hdr; - cv::Mat train_data_mat, responses_mat; - -public: - int pruned_tree_idx; -}; - - /****************************************************************************************\ * Random Trees Classifier * \****************************************************************************************/ -class CvRTrees; - -class CV_EXPORTS CvForestTree: public CvDTree +class CV_EXPORTS_W RTrees : public DTrees { public: - CvForestTree(); - virtual ~CvForestTree(); + class CV_EXPORTS_W_MAP Params : public DTrees::Params + { + public: + Params(); + Params( int maxDepth, int minSampleCount, + double regressionAccuracy, bool useSurrogates, + int maxCategories, const Mat& priors, + bool calcVarImportance, int nactiveVars, + TermCriteria termCrit ); - virtual bool train( CvDTreeTrainData* trainData, const CvMat* _subsample_idx, CvRTrees* forest ); + CV_PROP_RW bool calcVarImportance; // true <=> RF processes variable importance + CV_PROP_RW int nactiveVars; + CV_PROP_RW TermCriteria termCrit; + }; - virtual int get_var_count() const {return data ? data->var_count : 0;} - virtual void read( CvFileStorage* fs, CvFileNode* node, CvRTrees* forest, CvDTreeTrainData* _data ); + virtual void setRParams(const Params& p) = 0; + virtual Params getRParams() const = 0; - /* dummy methods to avoid warnings: BEGIN */ - virtual bool train( const CvMat* trainData, int tflag, - const CvMat* responses, const CvMat* varIdx=0, - const CvMat* sampleIdx=0, const CvMat* varType=0, - const CvMat* missingDataMask=0, - CvDTreeParams params=CvDTreeParams() ); + virtual Mat getVarImportance() const = 0; - virtual bool train( CvDTreeTrainData* trainData, const CvMat* _subsample_idx ); - virtual void read( CvFileStorage* fs, CvFileNode* node ); - virtual void read( CvFileStorage* fs, CvFileNode* node, - CvDTreeTrainData* data ); - /* dummy methods to avoid warnings: END */ - -protected: - friend struct cv::ForestTreeBestSplitFinder; - - virtual CvDTreeSplit* find_best_split( CvDTreeNode* n ); - CvRTrees* forest; + static Ptr create(const Params& params=Params()); }; - -struct CV_EXPORTS_W_MAP CvRTParams : public CvDTreeParams -{ - //Parameters for the forest - CV_PROP_RW bool calc_var_importance; // true <=> RF processes variable importance - CV_PROP_RW int nactive_vars; - CV_PROP_RW CvTermCriteria term_crit; - - CvRTParams(); - CvRTParams( int max_depth, int min_sample_count, - float regression_accuracy, bool use_surrogates, - int max_categories, const float* priors, bool calc_var_importance, - int nactive_vars, int max_num_of_trees_in_the_forest, - float forest_accuracy, int termcrit_type ); -}; - - -class CV_EXPORTS_W CvRTrees : public CvStatModel -{ -public: - CV_WRAP CvRTrees(); - virtual ~CvRTrees(); - virtual bool train( const CvMat* trainData, int tflag, - const CvMat* responses, const CvMat* varIdx=0, - const CvMat* sampleIdx=0, const CvMat* varType=0, - const CvMat* missingDataMask=0, - CvRTParams params=CvRTParams() ); - - virtual bool train( CvMLData* data, CvRTParams params=CvRTParams() ); - virtual float predict( const CvMat* sample, const CvMat* missing = 0 ) const; - virtual float predict_prob( const CvMat* sample, const CvMat* missing = 0 ) const; - - CV_WRAP virtual bool train( const cv::Mat& trainData, int tflag, - const cv::Mat& responses, const cv::Mat& varIdx=cv::Mat(), - const cv::Mat& sampleIdx=cv::Mat(), const cv::Mat& varType=cv::Mat(), - const cv::Mat& missingDataMask=cv::Mat(), - CvRTParams params=CvRTParams() ); - CV_WRAP virtual float predict( const cv::Mat& sample, const cv::Mat& missing = cv::Mat() ) const; - CV_WRAP virtual float predict_prob( const cv::Mat& sample, const cv::Mat& missing = cv::Mat() ) const; - CV_WRAP virtual cv::Mat getVarImportance(); - - CV_WRAP virtual void clear(); - - virtual const CvMat* get_var_importance(); - virtual float get_proximity( const CvMat* sample1, const CvMat* sample2, - const CvMat* missing1 = 0, const CvMat* missing2 = 0 ) const; - - virtual float calc_error( CvMLData* data, int type , std::vector* resp = 0 ); // type in {CV_TRAIN_ERROR, CV_TEST_ERROR} - - virtual float get_train_error(); - - virtual void read( CvFileStorage* fs, CvFileNode* node ); - virtual void write( CvFileStorage* fs, const char* name ) const; - - CvMat* get_active_var_mask(); - CvRNG* get_rng(); - - int get_tree_count() const; - CvForestTree* get_tree(int i) const; - -protected: - virtual cv::String getName() const; - - virtual bool grow_forest( const CvTermCriteria term_crit ); - - // array of the trees of the forest - CvForestTree** trees; - CvDTreeTrainData* data; - CvMat train_data_hdr, responses_hdr; - cv::Mat train_data_mat, responses_mat; - int ntrees; - int nclasses; - double oob_error; - CvMat* var_importance; - int nsamples; - - cv::RNG* rng; - CvMat* active_var_mask; -}; - -/****************************************************************************************\ -* Extremely randomized trees Classifier * -\****************************************************************************************/ -struct CV_EXPORTS CvERTreeTrainData : public CvDTreeTrainData -{ - virtual void set_data( const CvMat* trainData, int tflag, - const CvMat* responses, const CvMat* varIdx=0, - const CvMat* sampleIdx=0, const CvMat* varType=0, - const CvMat* missingDataMask=0, - const CvDTreeParams& params=CvDTreeParams(), - bool _shared=false, bool _add_labels=false, - bool _update_data=false ); - virtual void get_ord_var_data( CvDTreeNode* n, int vi, float* ord_values_buf, int* missing_buf, - const float** ord_values, const int** missing, int* sample_buf = 0 ); - virtual const int* get_sample_indices( CvDTreeNode* n, int* indices_buf ); - virtual const int* get_cv_labels( CvDTreeNode* n, int* labels_buf ); - virtual const int* get_cat_var_data( CvDTreeNode* n, int vi, int* cat_values_buf ); - virtual void get_vectors( const CvMat* _subsample_idx, float* values, uchar* missing, - float* responses, bool get_class_idx=false ); - virtual CvDTreeNode* subsample_data( const CvMat* _subsample_idx ); - const CvMat* missing_mask; -}; - -class CV_EXPORTS CvForestERTree : public CvForestTree -{ -protected: - virtual double calc_node_dir( CvDTreeNode* node ); - virtual CvDTreeSplit* find_split_ord_class( CvDTreeNode* n, int vi, - float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); - virtual CvDTreeSplit* find_split_cat_class( CvDTreeNode* n, int vi, - float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); - virtual CvDTreeSplit* find_split_ord_reg( CvDTreeNode* n, int vi, - float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); - virtual CvDTreeSplit* find_split_cat_reg( CvDTreeNode* n, int vi, - float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); - virtual void split_node_data( CvDTreeNode* n ); -}; - -class CV_EXPORTS_W CvERTrees : public CvRTrees -{ -public: - CV_WRAP CvERTrees(); - virtual ~CvERTrees(); - virtual bool train( const CvMat* trainData, int tflag, - const CvMat* responses, const CvMat* varIdx=0, - const CvMat* sampleIdx=0, const CvMat* varType=0, - const CvMat* missingDataMask=0, - CvRTParams params=CvRTParams()); - CV_WRAP virtual bool train( const cv::Mat& trainData, int tflag, - const cv::Mat& responses, const cv::Mat& varIdx=cv::Mat(), - const cv::Mat& sampleIdx=cv::Mat(), const cv::Mat& varType=cv::Mat(), - const cv::Mat& missingDataMask=cv::Mat(), - CvRTParams params=CvRTParams()); - virtual bool train( CvMLData* data, CvRTParams params=CvRTParams() ); -protected: - virtual cv::String getName() const; - virtual bool grow_forest( const CvTermCriteria term_crit ); -}; - - /****************************************************************************************\ * Boosted tree classifier * \****************************************************************************************/ -struct CV_EXPORTS_W_MAP CvBoostParams : public CvDTreeParams -{ - CV_PROP_RW int boost_type; - CV_PROP_RW int weak_count; - CV_PROP_RW int split_criteria; - CV_PROP_RW double weight_trim_rate; - - CvBoostParams(); - CvBoostParams( int boost_type, int weak_count, double weight_trim_rate, - int max_depth, bool use_surrogates, const float* priors ); -}; - - -class CvBoost; - -class CV_EXPORTS CvBoostTree: public CvDTree +class CV_EXPORTS_W Boost : public DTrees { public: - CvBoostTree(); - virtual ~CvBoostTree(); + class CV_EXPORTS_W_MAP Params : public DTrees::Params + { + public: + CV_PROP_RW int boostType; + CV_PROP_RW int weakCount; + CV_PROP_RW double weightTrimRate; - virtual bool train( CvDTreeTrainData* trainData, - const CvMat* subsample_idx, CvBoost* ensemble ); + Params(); + Params( int boostType, int weakCount, double weightTrimRate, + int maxDepth, bool useSurrogates, const Mat& priors ); + }; - virtual void scale( double s ); - virtual void read( CvFileStorage* fs, CvFileNode* node, - CvBoost* ensemble, CvDTreeTrainData* _data ); - virtual void clear(); - - /* dummy methods to avoid warnings: BEGIN */ - virtual bool train( const CvMat* trainData, int tflag, - const CvMat* responses, const CvMat* varIdx=0, - const CvMat* sampleIdx=0, const CvMat* varType=0, - const CvMat* missingDataMask=0, - CvDTreeParams params=CvDTreeParams() ); - virtual bool train( CvDTreeTrainData* trainData, const CvMat* _subsample_idx ); - - virtual void read( CvFileStorage* fs, CvFileNode* node ); - virtual void read( CvFileStorage* fs, CvFileNode* node, - CvDTreeTrainData* data ); - /* dummy methods to avoid warnings: END */ - -protected: - - virtual void try_split_node( CvDTreeNode* n ); - virtual CvDTreeSplit* find_surrogate_split_ord( CvDTreeNode* n, int vi, uchar* ext_buf = 0 ); - virtual CvDTreeSplit* find_surrogate_split_cat( CvDTreeNode* n, int vi, uchar* ext_buf = 0 ); - virtual CvDTreeSplit* find_split_ord_class( CvDTreeNode* n, int vi, - float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); - virtual CvDTreeSplit* find_split_cat_class( CvDTreeNode* n, int vi, - float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); - virtual CvDTreeSplit* find_split_ord_reg( CvDTreeNode* n, int vi, - float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); - virtual CvDTreeSplit* find_split_cat_reg( CvDTreeNode* n, int vi, - float init_quality = 0, CvDTreeSplit* _split = 0, uchar* ext_buf = 0 ); - virtual void calc_node_value( CvDTreeNode* n ); - virtual double calc_node_dir( CvDTreeNode* n ); - - CvBoost* ensemble; -}; - - -class CV_EXPORTS_W CvBoost : public CvStatModel -{ -public: // Boosting type enum { DISCRETE=0, REAL=1, LOGIT=2, GENTLE=3 }; - // Splitting criteria - enum { DEFAULT=0, GINI=1, MISCLASS=3, SQERR=4 }; + virtual Params getBParams() const = 0; + virtual void setBParams(const Params& p) = 0; - CV_WRAP CvBoost(); - virtual ~CvBoost(); - - CvBoost( const CvMat* trainData, int tflag, - const CvMat* responses, const CvMat* varIdx=0, - const CvMat* sampleIdx=0, const CvMat* varType=0, - const CvMat* missingDataMask=0, - CvBoostParams params=CvBoostParams() ); - - virtual bool train( const CvMat* trainData, int tflag, - const CvMat* responses, const CvMat* varIdx=0, - const CvMat* sampleIdx=0, const CvMat* varType=0, - const CvMat* missingDataMask=0, - CvBoostParams params=CvBoostParams(), - bool update=false ); - - virtual bool train( CvMLData* data, - CvBoostParams params=CvBoostParams(), - bool update=false ); - - virtual float predict( const CvMat* sample, const CvMat* missing=0, - CvMat* weak_responses=0, CvSlice slice=CV_WHOLE_SEQ, - bool raw_mode=false, bool return_sum=false ) const; - - CV_WRAP CvBoost( const cv::Mat& trainData, int tflag, - const cv::Mat& responses, const cv::Mat& varIdx=cv::Mat(), - const cv::Mat& sampleIdx=cv::Mat(), const cv::Mat& varType=cv::Mat(), - const cv::Mat& missingDataMask=cv::Mat(), - CvBoostParams params=CvBoostParams() ); - - CV_WRAP virtual bool train( const cv::Mat& trainData, int tflag, - const cv::Mat& responses, const cv::Mat& varIdx=cv::Mat(), - const cv::Mat& sampleIdx=cv::Mat(), const cv::Mat& varType=cv::Mat(), - const cv::Mat& missingDataMask=cv::Mat(), - CvBoostParams params=CvBoostParams(), - bool update=false ); - - CV_WRAP virtual float predict( const cv::Mat& sample, const cv::Mat& missing=cv::Mat(), - const cv::Range& slice=cv::Range::all(), bool rawMode=false, - bool returnSum=false ) const; - - virtual float calc_error( CvMLData* _data, int type , std::vector *resp = 0 ); // type in {CV_TRAIN_ERROR, CV_TEST_ERROR} - - CV_WRAP virtual void prune( CvSlice slice ); - - CV_WRAP virtual void clear(); - - virtual void write( CvFileStorage* storage, const char* name ) const; - virtual void read( CvFileStorage* storage, CvFileNode* node ); - virtual const CvMat* get_active_vars(bool absolute_idx=true); - - CvSeq* get_weak_predictors(); - - CvMat* get_weights(); - CvMat* get_subtree_weights(); - CvMat* get_weak_response(); - const CvBoostParams& get_params() const; - const CvDTreeTrainData* get_data() const; - -protected: - - virtual bool set_params( const CvBoostParams& params ); - virtual void update_weights( CvBoostTree* tree ); - virtual void trim_weights(); - virtual void write_params( CvFileStorage* fs ) const; - virtual void read_params( CvFileStorage* fs, CvFileNode* node ); - - virtual void initialize_weights(double (&p)[2]); - - CvDTreeTrainData* data; - CvMat train_data_hdr, responses_hdr; - cv::Mat train_data_mat, responses_mat; - CvBoostParams params; - CvSeq* weak; - - CvMat* active_vars; - CvMat* active_vars_abs; - bool have_active_cat_vars; - - CvMat* orig_response; - CvMat* sum_response; - CvMat* weak_eval; - CvMat* subsample_mask; - CvMat* weights; - CvMat* subtree_weights; - bool have_subsample; + static Ptr create(const Params& params=Params()); }; - /****************************************************************************************\ * Gradient Boosted Trees * \****************************************************************************************/ -// DataType: STRUCT CvGBTreesParams -// Parameters of GBT (Gradient Boosted trees model), including single -// tree settings and ensemble parameters. -// -// weak_count - count of trees in the ensemble -// loss_function_type - loss function used for ensemble training -// subsample_portion - portion of whole training set used for -// every single tree training. -// subsample_portion value is in (0.0, 1.0]. -// subsample_portion == 1.0 when whole dataset is -// used on each step. Count of sample used on each -// step is computed as -// int(total_samples_count * subsample_portion). -// shrinkage - regularization parameter. -// Each tree prediction is multiplied on shrinkage value. - - -struct CV_EXPORTS_W_MAP CvGBTreesParams : public CvDTreeParams -{ - CV_PROP_RW int weak_count; - CV_PROP_RW int loss_function_type; - CV_PROP_RW float subsample_portion; - CV_PROP_RW float shrinkage; - - CvGBTreesParams(); - CvGBTreesParams( int loss_function_type, int weak_count, float shrinkage, - float subsample_portion, int max_depth, bool use_surrogates ); -}; - -// DataType: CLASS CvGBTrees -// Gradient Boosting Trees (GBT) algorithm implementation. -// -// data - training dataset -// params - parameters of the CvGBTrees -// weak - array[0..(class_count-1)] of CvSeq -// for storing tree ensembles -// orig_response - original responses of the training set samples -// sum_response - predicitons of the current model on the training dataset. -// this matrix is updated on every iteration. -// sum_response_tmp - predicitons of the model on the training set on the next -// step. On every iteration values of sum_responses_tmp are -// computed via sum_responses values. When the current -// step is complete sum_response values become equal to -// sum_responses_tmp. -// sampleIdx - indices of samples used for training the ensemble. -// CvGBTrees training procedure takes a set of samples -// (train_data) and a set of responses (responses). -// Only pairs (train_data[i], responses[i]), where i is -// in sample_idx are used for training the ensemble. -// subsample_train - indices of samples used for training a single decision -// tree on the current step. This indices are countered -// relatively to the sample_idx, so that pairs -// (train_data[sample_idx[i]], responses[sample_idx[i]]) -// are used for training a decision tree. -// Training set is randomly splited -// in two parts (subsample_train and subsample_test) -// on every iteration accordingly to the portion parameter. -// subsample_test - relative indices of samples from the training set, -// which are not used for training a tree on the current -// step. -// missing - mask of the missing values in the training set. This -// matrix has the same size as train_data. 1 - missing -// value, 0 - not a missing value. -// class_labels - output class labels map. -// rng - random number generator. Used for spliting the -// training set. -// class_count - count of output classes. -// class_count == 1 in the case of regression, -// and > 1 in the case of classification. -// delta - Huber loss function parameter. -// base_value - start point of the gradient descent procedure. -// model prediction is -// f(x) = f_0 + sum_{i=1..weak_count-1}(f_i(x)), where -// f_0 is the base value. - - - -class CV_EXPORTS_W CvGBTrees : public CvStatModel +/*class CV_EXPORTS_W GBTrees : public DTrees { public: + struct CV_EXPORTS_W_MAP Params : public DTrees::Params + { + CV_PROP_RW int weakCount; + CV_PROP_RW int lossFunctionType; + CV_PROP_RW float subsamplePortion; + CV_PROP_RW float shrinkage; + + Params(); + Params( int lossFunctionType, int weakCount, float shrinkage, + float subsamplePortion, int maxDepth, bool useSurrogates ); + }; - /* - // DataType: ENUM - // Loss functions implemented in CvGBTrees. - // - // SQUARED_LOSS - // problem: regression - // loss = (x - x')^2 - // - // ABSOLUTE_LOSS - // problem: regression - // loss = abs(x - x') - // - // HUBER_LOSS - // problem: regression - // loss = delta*( abs(x - x') - delta/2), if abs(x - x') > delta - // 1/2*(x - x')^2, if abs(x - x') <= delta, - // where delta is the alpha-quantile of pseudo responses from - // the training set. - // - // DEVIANCE_LOSS - // problem: classification - // - */ enum {SQUARED_LOSS=0, ABSOLUTE_LOSS, HUBER_LOSS=3, DEVIANCE_LOSS}; + virtual void setK(int k) = 0; - /* - // Default constructor. Creates a model only (without training). - // Should be followed by one form of the train(...) function. - // - // API - // CvGBTrees(); - - // INPUT - // OUTPUT - // RESULT - */ - CV_WRAP CvGBTrees(); - - - /* - // Full form constructor. Creates a gradient boosting model and does the - // train. - // - // API - // CvGBTrees( const CvMat* trainData, int tflag, - const CvMat* responses, const CvMat* varIdx=0, - const CvMat* sampleIdx=0, const CvMat* varType=0, - const CvMat* missingDataMask=0, - CvGBTreesParams params=CvGBTreesParams() ); - - // INPUT - // trainData - a set of input feature vectors. - // size of matrix is - // x - // or x - // depending on the tflag parameter. - // matrix values are float. - // tflag - a flag showing how do samples stored in the - // trainData matrix row by row (tflag=CV_ROW_SAMPLE) - // or column by column (tflag=CV_COL_SAMPLE). - // responses - a vector of responses corresponding to the samples - // in trainData. - // varIdx - indices of used variables. zero value means that all - // variables are active. - // sampleIdx - indices of used samples. zero value means that all - // samples from trainData are in the training set. - // varType - vector of length. gives every - // variable type CV_VAR_CATEGORICAL or CV_VAR_ORDERED. - // varType = 0 means all variables are numerical. - // missingDataMask - a mask of misiing values in trainData. - // missingDataMask = 0 means that there are no missing - // values. - // params - parameters of GTB algorithm. - // OUTPUT - // RESULT - */ - CvGBTrees( const CvMat* trainData, int tflag, - const CvMat* responses, const CvMat* varIdx=0, - const CvMat* sampleIdx=0, const CvMat* varType=0, - const CvMat* missingDataMask=0, - CvGBTreesParams params=CvGBTreesParams() ); - - - /* - // Destructor. - */ - virtual ~CvGBTrees(); - - - /* - // Gradient tree boosting model training - // - // API - // virtual bool train( const CvMat* trainData, int tflag, - const CvMat* responses, const CvMat* varIdx=0, - const CvMat* sampleIdx=0, const CvMat* varType=0, - const CvMat* missingDataMask=0, - CvGBTreesParams params=CvGBTreesParams(), - bool update=false ); - - // INPUT - // trainData - a set of input feature vectors. - // size of matrix is - // x - // or x - // depending on the tflag parameter. - // matrix values are float. - // tflag - a flag showing how do samples stored in the - // trainData matrix row by row (tflag=CV_ROW_SAMPLE) - // or column by column (tflag=CV_COL_SAMPLE). - // responses - a vector of responses corresponding to the samples - // in trainData. - // varIdx - indices of used variables. zero value means that all - // variables are active. - // sampleIdx - indices of used samples. zero value means that all - // samples from trainData are in the training set. - // varType - vector of length. gives every - // variable type CV_VAR_CATEGORICAL or CV_VAR_ORDERED. - // varType = 0 means all variables are numerical. - // missingDataMask - a mask of misiing values in trainData. - // missingDataMask = 0 means that there are no missing - // values. - // params - parameters of GTB algorithm. - // update - is not supported now. (!) - // OUTPUT - // RESULT - // Error state. - */ - virtual bool train( const CvMat* trainData, int tflag, - const CvMat* responses, const CvMat* varIdx=0, - const CvMat* sampleIdx=0, const CvMat* varType=0, - const CvMat* missingDataMask=0, - CvGBTreesParams params=CvGBTreesParams(), - bool update=false ); - - - /* - // Gradient tree boosting model training - // - // API - // virtual bool train( CvMLData* data, - CvGBTreesParams params=CvGBTreesParams(), - bool update=false ) {return false;} - - // INPUT - // data - training set. - // params - parameters of GTB algorithm. - // update - is not supported now. (!) - // OUTPUT - // RESULT - // Error state. - */ - virtual bool train( CvMLData* data, - CvGBTreesParams params=CvGBTreesParams(), - bool update=false ); - - - /* - // Response value prediction - // - // API - // virtual float predict_serial( const CvMat* sample, const CvMat* missing=0, - CvMat* weak_responses=0, CvSlice slice = CV_WHOLE_SEQ, - int k=-1 ) const; - - // INPUT - // sample - input sample of the same type as in the training set. - // missing - missing values mask. missing=0 if there are no - // missing values in sample vector. - // weak_responses - predictions of all of the trees. - // not implemented (!) - // slice - part of the ensemble used for prediction. - // slice = CV_WHOLE_SEQ when all trees are used. - // k - number of ensemble used. - // k is in {-1,0,1,..,}. - // in the case of classification problem - // ensembles are built. - // If k = -1 ordinary prediction is the result, - // otherwise function gives the prediction of the - // k-th ensemble only. - // OUTPUT - // RESULT - // Predicted value. - */ - virtual float predict_serial( const CvMat* sample, const CvMat* missing=0, - CvMat* weakResponses=0, CvSlice slice = CV_WHOLE_SEQ, - int k=-1 ) const; - - /* - // Response value prediction. - // Parallel version (in the case of TBB existence) - // - // API - // virtual float predict( const CvMat* sample, const CvMat* missing=0, - CvMat* weak_responses=0, CvSlice slice = CV_WHOLE_SEQ, - int k=-1 ) const; - - // INPUT - // sample - input sample of the same type as in the training set. - // missing - missing values mask. missing=0 if there are no - // missing values in sample vector. - // weak_responses - predictions of all of the trees. - // not implemented (!) - // slice - part of the ensemble used for prediction. - // slice = CV_WHOLE_SEQ when all trees are used. - // k - number of ensemble used. - // k is in {-1,0,1,..,}. - // in the case of classification problem - // ensembles are built. - // If k = -1 ordinary prediction is the result, - // otherwise function gives the prediction of the - // k-th ensemble only. - // OUTPUT - // RESULT - // Predicted value. - */ - virtual float predict( const CvMat* sample, const CvMat* missing=0, - CvMat* weakResponses=0, CvSlice slice = CV_WHOLE_SEQ, - int k=-1 ) const; - - /* - // Deletes all the data. - // - // API - // virtual void clear(); - - // INPUT - // OUTPUT - // delete data, weak, orig_response, sum_response, - // weak_eval, subsample_train, subsample_test, - // sample_idx, missing, lass_labels - // delta = 0.0 - // RESULT - */ - CV_WRAP virtual void clear(); - - /* - // Compute error on the train/test set. - // - // API - // virtual float calc_error( CvMLData* _data, int type, - // std::vector *resp = 0 ); - // - // INPUT - // data - dataset - // type - defines which error is to compute: train (CV_TRAIN_ERROR) or - // test (CV_TEST_ERROR). - // OUTPUT - // resp - vector of predicitons - // RESULT - // Error value. - */ - virtual float calc_error( CvMLData* _data, int type, - std::vector *resp = 0 ); - - /* - // - // Write parameters of the gtb model and data. Write learned model. - // - // API - // virtual void write( CvFileStorage* fs, const char* name ) const; - // - // INPUT - // fs - file storage to read parameters from. - // name - model name. - // OUTPUT - // RESULT - */ - virtual void write( CvFileStorage* fs, const char* name ) const; - - - /* - // - // Read parameters of the gtb model and data. Read learned model. - // - // API - // virtual void read( CvFileStorage* fs, CvFileNode* node ); - // - // INPUT - // fs - file storage to read parameters from. - // node - file node. - // OUTPUT - // RESULT - */ - virtual void read( CvFileStorage* fs, CvFileNode* node ); - - - // new-style C++ interface - CV_WRAP CvGBTrees( const cv::Mat& trainData, int tflag, - const cv::Mat& responses, const cv::Mat& varIdx=cv::Mat(), - const cv::Mat& sampleIdx=cv::Mat(), const cv::Mat& varType=cv::Mat(), - const cv::Mat& missingDataMask=cv::Mat(), - CvGBTreesParams params=CvGBTreesParams() ); - - CV_WRAP virtual bool train( const cv::Mat& trainData, int tflag, - const cv::Mat& responses, const cv::Mat& varIdx=cv::Mat(), - const cv::Mat& sampleIdx=cv::Mat(), const cv::Mat& varType=cv::Mat(), - const cv::Mat& missingDataMask=cv::Mat(), - CvGBTreesParams params=CvGBTreesParams(), - bool update=false ); - - CV_WRAP virtual float predict( const cv::Mat& sample, const cv::Mat& missing=cv::Mat(), - const cv::Range& slice = cv::Range::all(), - int k=-1 ) const; - -protected: - - /* - // Compute the gradient vector components. - // - // API - // virtual void find_gradient( const int k = 0); - - // INPUT - // k - used for classification problem, determining current - // tree ensemble. - // OUTPUT - // changes components of data->responses - // which correspond to samples used for training - // on the current step. - // RESULT - */ - virtual void find_gradient( const int k = 0); - - - /* - // - // Change values in tree leaves according to the used loss function. - // - // API - // virtual void change_values(CvDTree* tree, const int k = 0); - // - // INPUT - // tree - decision tree to change. - // k - used for classification problem, determining current - // tree ensemble. - // OUTPUT - // changes 'value' fields of the trees' leaves. - // changes sum_response_tmp. - // RESULT - */ - virtual void change_values(CvDTree* tree, const int k = 0); - - - /* - // - // Find optimal constant prediction value according to the used loss - // function. - // The goal is to find a constant which gives the minimal summary loss - // on the _Idx samples. - // - // API - // virtual float find_optimal_value( const CvMat* _Idx ); - // - // INPUT - // _Idx - indices of the samples from the training set. - // OUTPUT - // RESULT - // optimal constant value. - */ - virtual float find_optimal_value( const CvMat* _Idx ); - - - /* - // - // Randomly split the whole training set in two parts according - // to params.portion. - // - // API - // virtual void do_subsample(); - // - // INPUT - // OUTPUT - // subsample_train - indices of samples used for training - // subsample_test - indices of samples used for test - // RESULT - */ - virtual void do_subsample(); - - - /* - // - // Internal recursive function giving an array of subtree tree leaves. - // - // API - // void leaves_get( CvDTreeNode** leaves, int& count, CvDTreeNode* node ); - // - // INPUT - // node - current leaf. - // OUTPUT - // count - count of leaves in the subtree. - // leaves - array of pointers to leaves. - // RESULT - */ - void leaves_get( CvDTreeNode** leaves, int& count, CvDTreeNode* node ); - - - /* - // - // Get leaves of the tree. - // - // API - // CvDTreeNode** GetLeaves( const CvDTree* dtree, int& len ); - // - // INPUT - // dtree - decision tree. - // OUTPUT - // len - count of the leaves. - // RESULT - // CvDTreeNode** - array of pointers to leaves. - */ - CvDTreeNode** GetLeaves( const CvDTree* dtree, int& len ); - - - /* - // - // Is it a regression or a classification. - // - // API - // bool problem_type(); - // - // INPUT - // OUTPUT - // RESULT - // false if it is a classification problem, - // true - if regression. - */ - virtual bool problem_type() const; - - - /* - // - // Write parameters of the gtb model. - // - // API - // virtual void write_params( CvFileStorage* fs ) const; - // - // INPUT - // fs - file storage to write parameters to. - // OUTPUT - // RESULT - */ - virtual void write_params( CvFileStorage* fs ) const; - - - /* - // - // Read parameters of the gtb model and data. - // - // API - // virtual void read_params( CvFileStorage* fs ); - // - // INPUT - // fs - file storage to read parameters from. - // OUTPUT - // params - parameters of the gtb model. - // data - contains information about the structure - // of the data set (count of variables, - // their types, etc.). - // class_labels - output class labels map. - // RESULT - */ - virtual void read_params( CvFileStorage* fs, CvFileNode* fnode ); - int get_len(const CvMat* mat) const; - - - CvDTreeTrainData* data; - CvGBTreesParams params; - - CvSeq** weak; - CvMat* orig_response; - CvMat* sum_response; - CvMat* sum_response_tmp; - CvMat* sample_idx; - CvMat* subsample_train; - CvMat* subsample_test; - CvMat* missing; - CvMat* class_labels; - - cv::RNG* rng; - - int class_count; - float delta; - float base_value; - -}; - + virtual float predictSerial( InputArray samples, + OutputArray weakResponses, int flags) const = 0; + static Ptr create(const Params& p); +};*/ /****************************************************************************************\ * Artificial Neural Networks (ANN) * @@ -1878,62 +527,31 @@ protected: /////////////////////////////////// Multi-Layer Perceptrons ////////////////////////////// -struct CV_EXPORTS_W_MAP CvANN_MLP_TrainParams -{ - CvANN_MLP_TrainParams(); - CvANN_MLP_TrainParams( CvTermCriteria term_crit, int train_method, - double param1, double param2=0 ); - ~CvANN_MLP_TrainParams(); - - enum { BACKPROP=0, RPROP=1 }; - - CV_PROP_RW CvTermCriteria term_crit; - CV_PROP_RW int train_method; - - // backpropagation parameters - CV_PROP_RW double bp_dw_scale, bp_moment_scale; - - // rprop parameters - CV_PROP_RW double rp_dw0, rp_dw_plus, rp_dw_minus, rp_dw_min, rp_dw_max; -}; - - -class CV_EXPORTS_W CvANN_MLP : public CvStatModel +class CV_EXPORTS_W ANN_MLP : public StatModel { public: - CV_WRAP CvANN_MLP(); - CvANN_MLP( const CvMat* layerSizes, - int activateFunc=CvANN_MLP::SIGMOID_SYM, - double fparam1=0, double fparam2=0 ); + struct CV_EXPORTS_W_MAP Params + { + Params(); + Params( const Mat& layerSizes, int activateFunc, double fparam1, double fparam2, + TermCriteria termCrit, int trainMethod, double param1, double param2=0 ); - virtual ~CvANN_MLP(); + enum { BACKPROP=0, RPROP=1 }; - virtual void create( const CvMat* layerSizes, - int activateFunc=CvANN_MLP::SIGMOID_SYM, - double fparam1=0, double fparam2=0 ); + CV_PROP_RW Mat layerSizes; + CV_PROP_RW int activateFunc; + CV_PROP_RW double fparam1; + CV_PROP_RW double fparam2; - virtual int train( const CvMat* inputs, const CvMat* outputs, - const CvMat* sampleWeights, const CvMat* sampleIdx=0, - CvANN_MLP_TrainParams params = CvANN_MLP_TrainParams(), - int flags=0 ); - virtual float predict( const CvMat* inputs, CV_OUT CvMat* outputs ) const; + CV_PROP_RW TermCriteria termCrit; + CV_PROP_RW int trainMethod; - CV_WRAP CvANN_MLP( const cv::Mat& layerSizes, - int activateFunc=CvANN_MLP::SIGMOID_SYM, - double fparam1=0, double fparam2=0 ); + // backpropagation parameters + CV_PROP_RW double bpDWScale, bpMomentScale; - CV_WRAP virtual void create( const cv::Mat& layerSizes, - int activateFunc=CvANN_MLP::SIGMOID_SYM, - double fparam1=0, double fparam2=0 ); - - CV_WRAP virtual int train( const cv::Mat& inputs, const cv::Mat& outputs, - const cv::Mat& sampleWeights, const cv::Mat& sampleIdx=cv::Mat(), - CvANN_MLP_TrainParams params = CvANN_MLP_TrainParams(), - int flags=0 ); - - CV_WRAP virtual float predict( const cv::Mat& inputs, CV_OUT cv::Mat& outputs ) const; - - CV_WRAP virtual void clear(); + // rprop parameters + CV_PROP_RW double rpDW0, rpDWPlus, rpDWMinus, rpDWMin, rpDWMax; + }; // possible activation functions enum { IDENTITY = 0, SIGMOID_SYM = 1, GAUSSIAN = 2 }; @@ -1941,53 +559,11 @@ public: // available training flags enum { UPDATE_WEIGHTS = 1, NO_INPUT_SCALE = 2, NO_OUTPUT_SCALE = 4 }; - virtual void read( CvFileStorage* fs, CvFileNode* node ); - virtual void write( CvFileStorage* storage, const char* name ) const; + virtual Mat getWeights(int layerIdx) const = 0; + virtual void setParams(const Params& p) = 0; + virtual Params getParams() const = 0; - int get_layer_count() { return layer_sizes ? layer_sizes->cols : 0; } - const CvMat* get_layer_sizes() { return layer_sizes; } - double* get_weights(int layer) - { - return layer_sizes && weights && - (unsigned)layer <= (unsigned)layer_sizes->cols ? weights[layer] : 0; - } - - virtual void calc_activ_func_deriv( CvMat* xf, CvMat* deriv, const double* bias ) const; - -protected: - - virtual bool prepare_to_train( const CvMat* _inputs, const CvMat* _outputs, - const CvMat* _sample_weights, const CvMat* sampleIdx, - CvVectors* _ivecs, CvVectors* _ovecs, double** _sw, int _flags ); - - // sequential random backpropagation - virtual int train_backprop( CvVectors _ivecs, CvVectors _ovecs, const double* _sw ); - - // RPROP algorithm - virtual int train_rprop( CvVectors _ivecs, CvVectors _ovecs, const double* _sw ); - - virtual void calc_activ_func( CvMat* xf, const double* bias ) const; - virtual void set_activ_func( int _activ_func=SIGMOID_SYM, - double _f_param1=0, double _f_param2=0 ); - virtual void init_weights(); - virtual void scale_input( const CvMat* _src, CvMat* _dst ) const; - virtual void scale_output( const CvMat* _src, CvMat* _dst ) const; - virtual void calc_input_scale( const CvVectors* vecs, int flags ); - virtual void calc_output_scale( const CvVectors* vecs, int flags ); - - virtual void write_params( CvFileStorage* fs ) const; - virtual void read_params( CvFileStorage* fs, CvFileNode* node ); - - CvMat* layer_sizes; - CvMat* wbuf; - CvMat* sample_weights; - double** weights; - double f_param1, f_param2; - double min_val, max_val, min_val1, max_val1; - int activ_func; - int max_count, max_buf_sz; - CvANN_MLP_TrainParams params; - cv::RNG* rng; + static Ptr create(const Params& params=Params()); }; /****************************************************************************************\ @@ -1996,167 +572,17 @@ protected: /* Generates from multivariate normal distribution, where - is an average row vector, - symmetric covariation matrix */ -CVAPI(void) cvRandMVNormal( CvMat* mean, CvMat* cov, CvMat* sample, - CvRNG* rng CV_DEFAULT(0) ); +CV_EXPORTS void randMVNormal( InputArray mean, InputArray cov, int nsamples, OutputArray samples); /* Generates sample from gaussian mixture distribution */ -CVAPI(void) cvRandGaussMixture( CvMat* means[], - CvMat* covs[], - float weights[], - int clsnum, - CvMat* sample, - CvMat* sampClasses CV_DEFAULT(0) ); - -#define CV_TS_CONCENTRIC_SPHERES 0 +CV_EXPORTS void randGaussMixture( InputArray means, InputArray covs, InputArray weights, + int nsamples, OutputArray samples, OutputArray sampClasses ); /* creates test set */ -CVAPI(void) cvCreateTestSet( int type, CvMat** samples, - int num_samples, - int num_features, - CvMat** responses, - int num_classes, ... ); +CV_EXPORTS void createConcentricSpheresTestSet( int nsamples, int nfeatures, int nclasses, + OutputArray samples, OutputArray responses); -/****************************************************************************************\ -* Data * -\****************************************************************************************/ - -#define CV_COUNT 0 -#define CV_PORTION 1 - -struct CV_EXPORTS CvTrainTestSplit -{ - CvTrainTestSplit(); - CvTrainTestSplit( int train_sample_count, bool mix = true); - CvTrainTestSplit( float train_sample_portion, bool mix = true); - - union - { - int count; - float portion; - } train_sample_part; - int train_sample_part_mode; - - bool mix; -}; - -class CV_EXPORTS CvMLData -{ -public: - CvMLData(); - virtual ~CvMLData(); - - // returns: - // 0 - OK - // -1 - file can not be opened or is not correct - int read_csv( const char* filename ); - - const CvMat* get_values() const; - const CvMat* get_responses(); - const CvMat* get_missing() const; - - void set_header_lines_number( int n ); - int get_header_lines_number() const; - - void set_response_idx( int idx ); // old response become predictors, new response_idx = idx - // if idx < 0 there will be no response - int get_response_idx() const; - - void set_train_test_split( const CvTrainTestSplit * spl ); - const CvMat* get_train_sample_idx() const; - const CvMat* get_test_sample_idx() const; - void mix_train_and_test_idx(); - - const CvMat* get_var_idx(); - void chahge_var_idx( int vi, bool state ); // misspelled (saved for back compitability), - // use change_var_idx - void change_var_idx( int vi, bool state ); // state == true to set vi-variable as predictor - - const CvMat* get_var_types(); - int get_var_type( int var_idx ) const; - // following 2 methods enable to change vars type - // use these methods to assign CV_VAR_CATEGORICAL type for categorical variable - // with numerical labels; in the other cases var types are correctly determined automatically - void set_var_types( const char* str ); // str examples: - // "ord[0-17],cat[18]", "ord[0,2,4,10-12], cat[1,3,5-9,13,14]", - // "cat", "ord" (all vars are categorical/ordered) - void change_var_type( int var_idx, int type); // type in { CV_VAR_ORDERED, CV_VAR_CATEGORICAL } - - void set_delimiter( char ch ); - char get_delimiter() const; - - void set_miss_ch( char ch ); - char get_miss_ch() const; - - const std::map& get_class_labels_map() const; - -protected: - virtual void clear(); - - void str_to_flt_elem( const char* token, float& flt_elem, int& type); - void free_train_test_idx(); - - char delimiter; - char miss_ch; - //char flt_separator; - - CvMat* values; - CvMat* missing; - CvMat* var_types; - CvMat* var_idx_mask; - - CvMat* response_out; // header - CvMat* var_idx_out; // mat - CvMat* var_types_out; // mat - - int header_lines_number; - - int response_idx; - - int train_sample_count; - bool mix; - - int total_class_count; - std::map class_map; - - CvMat* train_sample_idx; - CvMat* test_sample_idx; - int* sample_idx; // data of train_sample_idx and test_sample_idx - - cv::RNG* rng; -}; - - -namespace cv -{ - -typedef CvStatModel StatModel; -typedef CvParamGrid ParamGrid; -typedef CvNormalBayesClassifier NormalBayesClassifier; -typedef CvKNearest KNearest; -typedef CvSVMParams SVMParams; -typedef CvSVMKernel SVMKernel; -typedef CvSVMSolver SVMSolver; -typedef CvSVM SVM; -typedef CvDTreeParams DTreeParams; -typedef CvMLData TrainData; -typedef CvDTree DecisionTree; -typedef CvForestTree ForestTree; -typedef CvRTParams RandomTreeParams; -typedef CvRTrees RandomTrees; -typedef CvERTreeTrainData ERTreeTRainData; -typedef CvForestERTree ERTree; -typedef CvERTrees ERTrees; -typedef CvBoostParams BoostParams; -typedef CvBoostTree BoostTree; -typedef CvBoost Boost; -typedef CvANN_MLP_TrainParams ANN_MLP_TrainParams; -typedef CvANN_MLP NeuralNet_MLP; -typedef CvGBTreesParams GradientBoostingTreeParams; -typedef CvGBTrees GradientBoostingTrees; - -template<> CV_EXPORTS void DefaultDeleter::operator ()(CvDTreeSplit* obj) const; - -CV_EXPORTS bool initModule_ml(void); +} } #endif // __cplusplus diff --git a/modules/ml/src/ann_mlp.cpp b/modules/ml/src/ann_mlp.cpp index 7323ab57a7..b0e1447dcc 100644 --- a/modules/ml/src/ann_mlp.cpp +++ b/modules/ml/src/ann_mlp.cpp @@ -40,1579 +40,1281 @@ #include "precomp.hpp" -CvANN_MLP_TrainParams::CvANN_MLP_TrainParams() +namespace cv { namespace ml { + +ANN_MLP::Params::Params() { - term_crit = cvTermCriteria( CV_TERMCRIT_ITER + CV_TERMCRIT_EPS, 1000, 0.01 ); - train_method = RPROP; - bp_dw_scale = bp_moment_scale = 0.1; - rp_dw0 = 0.1; rp_dw_plus = 1.2; rp_dw_minus = 0.5; - rp_dw_min = FLT_EPSILON; rp_dw_max = 50.; + layerSizes = Mat(); + activateFunc = SIGMOID_SYM; + fparam1 = fparam2 = 0; + termCrit = TermCriteria( TermCriteria::COUNT + TermCriteria::EPS, 1000, 0.01 ); + trainMethod = RPROP; + bpDWScale = bpMomentScale = 0.1; + rpDW0 = 0.1; rpDWPlus = 1.2; rpDWMinus = 0.5; + rpDWMin = FLT_EPSILON; rpDWMax = 50.; } -CvANN_MLP_TrainParams::CvANN_MLP_TrainParams( CvTermCriteria _term_crit, - int _train_method, - double _param1, double _param2 ) +ANN_MLP::Params::Params( const Mat& _layerSizes, int _activateFunc, double _fparam1, double _fparam2, + TermCriteria _termCrit, int _trainMethod, double _param1, double _param2 ) { - term_crit = _term_crit; - train_method = _train_method; - bp_dw_scale = bp_moment_scale = 0.1; - rp_dw0 = 1.; rp_dw_plus = 1.2; rp_dw_minus = 0.5; - rp_dw_min = FLT_EPSILON; rp_dw_max = 50.; + layerSizes = _layerSizes; + activateFunc = _activateFunc; + fparam1 = _fparam1; + fparam2 = _fparam2; + termCrit = _termCrit; + trainMethod = _trainMethod; + bpDWScale = bpMomentScale = 0.1; + rpDW0 = 1.; rpDWPlus = 1.2; rpDWMinus = 0.5; + rpDWMin = FLT_EPSILON; rpDWMax = 50.; - if( train_method == RPROP ) + if( trainMethod == RPROP ) { - rp_dw0 = _param1; - if( rp_dw0 < FLT_EPSILON ) - rp_dw0 = 1.; - rp_dw_min = _param2; - rp_dw_min = MAX( rp_dw_min, 0 ); + rpDW0 = _param1; + if( rpDW0 < FLT_EPSILON ) + rpDW0 = 1.; + rpDWMin = _param2; + rpDWMin = std::max( rpDWMin, 0. ); } - else if( train_method == BACKPROP ) + else if( trainMethod == BACKPROP ) { - bp_dw_scale = _param1; - if( bp_dw_scale <= 0 ) - bp_dw_scale = 0.1; - bp_dw_scale = MAX( bp_dw_scale, 1e-3 ); - bp_dw_scale = MIN( bp_dw_scale, 1 ); - bp_moment_scale = _param2; - if( bp_moment_scale < 0 ) - bp_moment_scale = 0.1; - bp_moment_scale = MIN( bp_moment_scale, 1 ); + bpDWScale = _param1; + if( bpDWScale <= 0 ) + bpDWScale = 0.1; + bpDWScale = std::max( bpDWScale, 1e-3 ); + bpDWScale = std::min( bpDWScale, 1. ); + bpMomentScale = _param2; + if( bpMomentScale < 0 ) + bpMomentScale = 0.1; + bpMomentScale = std::min( bpMomentScale, 1. ); } else - train_method = RPROP; + trainMethod = RPROP; } -CvANN_MLP_TrainParams::~CvANN_MLP_TrainParams() +class ANN_MLPImpl : public ANN_MLP { -} - - -CvANN_MLP::CvANN_MLP() -{ - layer_sizes = wbuf = 0; - min_val = max_val = min_val1 = max_val1 = 0.; - weights = 0; - rng = &cv::theRNG(); - default_model_name = "my_nn"; - clear(); -} - - -CvANN_MLP::CvANN_MLP( const CvMat* _layer_sizes, - int _activ_func, - double _f_param1, double _f_param2 ) -{ - layer_sizes = wbuf = 0; - min_val = max_val = min_val1 = max_val1 = 0.; - weights = 0; - rng = &cv::theRNG(); - default_model_name = "my_nn"; - create( _layer_sizes, _activ_func, _f_param1, _f_param2 ); -} - - -CvANN_MLP::~CvANN_MLP() -{ - clear(); -} - - -void CvANN_MLP::clear() -{ - cvReleaseMat( &layer_sizes ); - cvReleaseMat( &wbuf ); - cvFree( &weights ); - activ_func = SIGMOID_SYM; - f_param1 = f_param2 = 1; - max_buf_sz = 1 << 12; -} - - -void CvANN_MLP::set_activ_func( int _activ_func, double _f_param1, double _f_param2 ) -{ - CV_FUNCNAME( "CvANN_MLP::set_activ_func" ); - - __BEGIN__; - - if( _activ_func < 0 || _activ_func > GAUSSIAN ) - CV_ERROR( CV_StsOutOfRange, "Unknown activation function" ); - - activ_func = _activ_func; - - switch( activ_func ) +public: + ANN_MLPImpl() + { + clear(); + } + + ANN_MLPImpl( const Params& p ) + { + setParams(p); + } + + virtual ~ANN_MLPImpl() {} + + void setParams(const Params& p) + { + params = p; + create( params.layerSizes ); + set_activ_func( params.activateFunc, params.fparam1, params.fparam2 ); + } + + Params getParams() const + { + return params; + } + + void clear() { - case SIGMOID_SYM: - max_val = 0.95; min_val = -max_val; - max_val1 = 0.98; min_val1 = -max_val1; - if( fabs(_f_param1) < FLT_EPSILON ) - _f_param1 = 2./3; - if( fabs(_f_param2) < FLT_EPSILON ) - _f_param2 = 1.7159; - break; - case GAUSSIAN: - max_val = 1.; min_val = 0.05; - max_val1 = 1.; min_val1 = 0.02; - if( fabs(_f_param1) < FLT_EPSILON ) - _f_param1 = 1.; - if( fabs(_f_param2) < FLT_EPSILON ) - _f_param2 = 1.; - break; - default: min_val = max_val = min_val1 = max_val1 = 0.; - _f_param1 = 1.; - _f_param2 = 0.; + rng = RNG((uint64)-1); + weights.clear(); + trained = false; } - f_param1 = _f_param1; - f_param2 = _f_param2; + int layer_count() const { return (int)layer_sizes.size(); } - __END__; -} - - -void CvANN_MLP::init_weights() -{ - int i, j, k; - - for( i = 1; i < layer_sizes->cols; i++ ) + void set_activ_func( int _activ_func, double _f_param1, double _f_param2 ) { - int n1 = layer_sizes->data.i[i-1]; - int n2 = layer_sizes->data.i[i]; - double val = 0, G = n2 > 2 ? 0.7*pow((double)n1,1./(n2-1)) : 1.; - double* w = weights[i]; + if( _activ_func < 0 || _activ_func > GAUSSIAN ) + CV_Error( CV_StsOutOfRange, "Unknown activation function" ); - // initialize weights using Nguyen-Widrow algorithm - for( j = 0; j < n2; j++ ) + activ_func = _activ_func; + + switch( activ_func ) { - double s = 0; - for( k = 0; k <= n1; k++ ) - { - val = rng->uniform(0., 1.)*2-1.; - w[k*n2 + j] = val; - s += fabs(val); - } + case SIGMOID_SYM: + max_val = 0.95; min_val = -max_val; + max_val1 = 0.98; min_val1 = -max_val1; + if( fabs(_f_param1) < FLT_EPSILON ) + _f_param1 = 2./3; + if( fabs(_f_param2) < FLT_EPSILON ) + _f_param2 = 1.7159; + break; + case GAUSSIAN: + max_val = 1.; min_val = 0.05; + max_val1 = 1.; min_val1 = 0.02; + if( fabs(_f_param1) < FLT_EPSILON ) + _f_param1 = 1.; + if( fabs(_f_param2) < FLT_EPSILON ) + _f_param2 = 1.; + break; + default: + min_val = max_val = min_val1 = max_val1 = 0.; + _f_param1 = 1.; + _f_param2 = 0.; + } - if( i < layer_sizes->cols - 1 ) + f_param1 = _f_param1; + f_param2 = _f_param2; + } + + + void init_weights() + { + int i, j, k, l_count = layer_count(); + + for( i = 1; i < l_count; i++ ) + { + int n1 = layer_sizes[i-1]; + int n2 = layer_sizes[i]; + double val = 0, G = n2 > 2 ? 0.7*pow((double)n1,1./(n2-1)) : 1.; + double* w = weights[i].ptr(); + + // initialize weights using Nguyen-Widrow algorithm + for( j = 0; j < n2; j++ ) { - s = 1./(s - fabs(val)); + double s = 0; for( k = 0; k <= n1; k++ ) - w[k*n2 + j] *= s; - w[n1*n2 + j] *= G*(-1+j*2./n2); + { + val = rng.uniform(0., 1.)*2-1.; + w[k*n2 + j] = val; + s += fabs(val); + } + + if( i < l_count - 1 ) + { + s = 1./(s - fabs(val)); + for( k = 0; k <= n1; k++ ) + w[k*n2 + j] *= s; + w[n1*n2 + j] *= G*(-1+j*2./n2); + } } } } -} - -void CvANN_MLP::create( const CvMat* _layer_sizes, int _activ_func, - double _f_param1, double _f_param2 ) -{ - CV_FUNCNAME( "CvANN_MLP::create" ); - - __BEGIN__; - - int i, l_step, l_count, buf_sz = 0; - int *l_src, *l_dst; - - clear(); - - if( !CV_IS_MAT(_layer_sizes) || - (_layer_sizes->cols != 1 && _layer_sizes->rows != 1) || - CV_MAT_TYPE(_layer_sizes->type) != CV_32SC1 ) - CV_ERROR( CV_StsBadArg, - "The array of layer neuron counters must be an integer vector" ); - - CV_CALL( set_activ_func( _activ_func, _f_param1, _f_param2 )); - - l_count = _layer_sizes->rows + _layer_sizes->cols - 1; - l_src = _layer_sizes->data.i; - l_step = CV_IS_MAT_CONT(_layer_sizes->type) ? 1 : - _layer_sizes->step / sizeof(l_src[0]); - CV_CALL( layer_sizes = cvCreateMat( 1, l_count, CV_32SC1 )); - l_dst = layer_sizes->data.i; - - max_count = 0; - for( i = 0; i < l_count; i++ ) + void create( InputArray _layer_sizes ) { - int n = l_src[i*l_step]; - if( n < 1 + (0 < i && i < l_count-1)) - CV_ERROR( CV_StsOutOfRange, - "there should be at least one input and one output " - "and every hidden layer must have more than 1 neuron" ); - l_dst[i] = n; - max_count = MAX( max_count, n ); - if( i > 0 ) - buf_sz += (l_dst[i-1]+1)*n; - } + clear(); - buf_sz += (l_dst[0] + l_dst[l_count-1]*2)*2; + _layer_sizes.copyTo(layer_sizes); + int l_count = layer_count(); - CV_CALL( wbuf = cvCreateMat( 1, buf_sz, CV_64F )); - CV_CALL( weights = (double**)cvAlloc( (l_count+2)*sizeof(weights[0]) )); + weights.resize(l_count + 2); + max_lsize = 0; - weights[0] = wbuf->data.db; - weights[1] = weights[0] + l_dst[0]*2; - for( i = 1; i < l_count; i++ ) - weights[i+1] = weights[i] + (l_dst[i-1] + 1)*l_dst[i]; - weights[l_count+1] = weights[l_count] + l_dst[l_count-1]*2; - - __END__; -} - - -float CvANN_MLP::predict( const CvMat* _inputs, CvMat* _outputs ) const -{ - int i, j, n, dn = 0, l_count, dn0, buf_sz, min_buf_sz; - - if( !layer_sizes ) - CV_Error( CV_StsError, "The network has not been initialized" ); - - if( !CV_IS_MAT(_inputs) || !CV_IS_MAT(_outputs) || - !CV_ARE_TYPES_EQ(_inputs,_outputs) || - (CV_MAT_TYPE(_inputs->type) != CV_32FC1 && - CV_MAT_TYPE(_inputs->type) != CV_64FC1) || - _inputs->rows != _outputs->rows ) - CV_Error( CV_StsBadArg, "Both input and output must be floating-point matrices " - "of the same type and have the same number of rows" ); - - if( _inputs->cols != layer_sizes->data.i[0] ) - CV_Error( CV_StsBadSize, "input matrix must have the same number of columns as " - "the number of neurons in the input layer" ); - - if( _outputs->cols != layer_sizes->data.i[layer_sizes->cols - 1] ) - CV_Error( CV_StsBadSize, "output matrix must have the same number of columns as " - "the number of neurons in the output layer" ); - n = dn0 = _inputs->rows; - min_buf_sz = 2*max_count; - buf_sz = n*min_buf_sz; - - if( buf_sz > max_buf_sz ) - { - dn0 = max_buf_sz/min_buf_sz; - dn0 = MAX( dn0, 1 ); - buf_sz = dn0*min_buf_sz; - } - - cv::AutoBuffer buf(buf_sz); - l_count = layer_sizes->cols; - - for( i = 0; i < n; i += dn ) - { - CvMat hdr[2], _w, *layer_in = &hdr[0], *layer_out = &hdr[1], *temp; - dn = MIN( dn0, n - i ); - - cvGetRows( _inputs, layer_in, i, i + dn ); - cvInitMatHeader( layer_out, dn, layer_in->cols, CV_64F, &buf[0] ); - - scale_input( layer_in, layer_out ); - CV_SWAP( layer_in, layer_out, temp ); - - for( j = 1; j < l_count; j++ ) + if( l_count > 0 ) { - double* data = buf + (j&1 ? max_count*dn0 : 0); - int cols = layer_sizes->data.i[j]; + for( int i = 0; i < l_count; i++ ) + { + int n = layer_sizes[i]; + if( n < 1 + (0 < i && i < l_count-1)) + CV_Error( CV_StsOutOfRange, + "there should be at least one input and one output " + "and every hidden layer must have more than 1 neuron" ); + max_lsize = std::max( max_lsize, n ); + if( i > 0 ) + weights[i].create(layer_sizes[i-1]+1, n, CV_64F); + } - cvInitMatHeader( layer_out, dn, cols, CV_64F, data ); - cvInitMatHeader( &_w, layer_in->cols, layer_out->cols, CV_64F, weights[j] ); - cvGEMM( layer_in, &_w, 1, 0, 0, layer_out ); - calc_activ_func( layer_out, _w.data.db + _w.rows*_w.cols ); + int ninputs = layer_sizes.front(); + int noutputs = layer_sizes.back(); + weights[0].create(1, ninputs*2, CV_64F); + weights[l_count].create(1, noutputs*2, CV_64F); + weights[l_count+1].create(1, noutputs*2, CV_64F); + } + } - CV_SWAP( layer_in, layer_out, temp ); + float predict( InputArray _inputs, OutputArray _outputs, int ) const + { + if( !trained ) + CV_Error( CV_StsError, "The network has not been trained or loaded" ); + + Mat inputs = _inputs.getMat(); + int type = inputs.type(), l_count = layer_count(); + int n = inputs.rows, dn0 = n; + + CV_Assert( (type == CV_32F || type == CV_64F) && inputs.cols == layer_sizes[0] ); + int noutputs = layer_sizes[l_count-1]; + Mat outputs; + + int min_buf_sz = 2*max_lsize; + int buf_sz = n*min_buf_sz; + + if( buf_sz > max_buf_sz ) + { + dn0 = max_buf_sz/min_buf_sz; + dn0 = std::max( dn0, 1 ); + buf_sz = dn0*min_buf_sz; } - cvGetRows( _outputs, layer_out, i, i + dn ); - scale_output( layer_in, layer_out ); + cv::AutoBuffer _buf(buf_sz+noutputs); + double* buf = _buf; + + if( !_outputs.needed() ) + { + CV_Assert( n == 1 ); + outputs = Mat(n, noutputs, type, buf + buf_sz); + } + else + { + _outputs.create(n, noutputs, type); + outputs = _outputs.getMat(); + } + + int dn = 0; + for( int i = 0; i < n; i += dn ) + { + dn = std::min( dn0, n - i ); + + Mat layer_in = inputs.rowRange(i, i + dn); + Mat layer_out( dn, layer_in.cols, CV_64F, buf); + + scale_input( layer_in, layer_out ); + layer_in = layer_out; + + for( int j = 1; j < l_count; j++ ) + { + double* data = buf + ((j&1) ? max_lsize*dn0 : 0); + int cols = layer_sizes[j]; + + layer_out = Mat(dn, cols, CV_64F, data); + Mat w = weights[j].rowRange(0, layer_in.cols); + gemm(layer_in, w, 1, noArray(), 0, layer_out); + calc_activ_func( layer_out, weights[j] ); + + layer_in = layer_out; + } + + layer_out = outputs.rowRange(i, i + dn); + scale_output( layer_in, layer_out ); + } + + if( n == 1 ) + { + int maxIdx[] = {0, 0}; + minMaxIdx(outputs, 0, 0, 0, maxIdx); + return (float)(maxIdx[0] + maxIdx[1]); + } + + return 0.f; } - return 0.f; -} - - -void CvANN_MLP::scale_input( const CvMat* _src, CvMat* _dst ) const -{ - int i, j, cols = _src->cols; - double* dst = _dst->data.db; - const double* w = weights[0]; - int step = _src->step; - - if( CV_MAT_TYPE( _src->type ) == CV_32F ) + void scale_input( const Mat& _src, Mat& _dst ) const { - const float* src = _src->data.fl; - step /= sizeof(src[0]); + int cols = _src.cols; + const double* w = weights[0].ptr(); - for( i = 0; i < _src->rows; i++, src += step, dst += cols ) - for( j = 0; j < cols; j++ ) - dst[j] = src[j]*w[j*2] + w[j*2+1]; - } - else - { - const double* src = _src->data.db; - step /= sizeof(src[0]); - - for( i = 0; i < _src->rows; i++, src += step, dst += cols ) - for( j = 0; j < cols; j++ ) - dst[j] = src[j]*w[j*2] + w[j*2+1]; - } -} - - -void CvANN_MLP::scale_output( const CvMat* _src, CvMat* _dst ) const -{ - int i, j, cols = _src->cols; - const double* src = _src->data.db; - const double* w = weights[layer_sizes->cols]; - int step = _dst->step; - - if( CV_MAT_TYPE( _dst->type ) == CV_32F ) - { - float* dst = _dst->data.fl; - step /= sizeof(dst[0]); - - for( i = 0; i < _src->rows; i++, src += cols, dst += step ) - for( j = 0; j < cols; j++ ) - dst[j] = (float)(src[j]*w[j*2] + w[j*2+1]); - } - else - { - double* dst = _dst->data.db; - step /= sizeof(dst[0]); - - for( i = 0; i < _src->rows; i++, src += cols, dst += step ) - for( j = 0; j < cols; j++ ) - dst[j] = src[j]*w[j*2] + w[j*2+1]; - } -} - - -void CvANN_MLP::calc_activ_func( CvMat* sums, const double* bias ) const -{ - int i, j, n = sums->rows, cols = sums->cols; - double* data = sums->data.db; - double scale = 0, scale2 = f_param2; - - switch( activ_func ) - { - case IDENTITY: - scale = 1.; - break; - case SIGMOID_SYM: - scale = -f_param1; - break; - case GAUSSIAN: - scale = -f_param1*f_param1; - break; - default: - ; + if( _src.type() == CV_32F ) + { + for( int i = 0; i < _src.rows; i++ ) + { + const float* src = _src.ptr(i); + double* dst = _dst.ptr(i); + for( int j = 0; j < cols; j++ ) + dst[j] = src[j]*w[j*2] + w[j*2+1]; + } + } + else + { + for( int i = 0; i < _src.rows; i++ ) + { + const float* src = _src.ptr(i); + double* dst = _dst.ptr(i); + for( int j = 0; j < cols; j++ ) + dst[j] = src[j]*w[j*2] + w[j*2+1]; + } + } } - assert( CV_IS_MAT_CONT(sums->type) ); - - if( activ_func != GAUSSIAN ) + void scale_output( const Mat& _src, Mat& _dst ) const { - for( i = 0; i < n; i++, data += cols ) - for( j = 0; j < cols; j++ ) - data[j] = (data[j] + bias[j])*scale; + int cols = _src.cols; + const double* w = weights[layer_count()].ptr(); + + if( _dst.type() == CV_32F ) + { + for( int i = 0; i < _src.rows; i++ ) + { + const double* src = _src.ptr(i); + float* dst = _dst.ptr(i); + for( int j = 0; j < cols; j++ ) + dst[j] = (float)(src[j]*w[j*2] + w[j*2+1]); + } + } + else + { + for( int i = 0; i < _src.rows; i++ ) + { + const double* src = _src.ptr(i); + double* dst = _dst.ptr(i); + for( int j = 0; j < cols; j++ ) + dst[j] = src[j]*w[j*2] + w[j*2+1]; + } + } + } + + void calc_activ_func( Mat& sums, const Mat& w ) const + { + const double* bias = w.ptr(w.rows-1); + int i, j, n = sums.rows, cols = sums.cols; + double scale = 0, scale2 = f_param2; + + switch( activ_func ) + { + case IDENTITY: + scale = 1.; + break; + case SIGMOID_SYM: + scale = -f_param1; + break; + case GAUSSIAN: + scale = -f_param1*f_param1; + break; + default: + ; + } + + CV_Assert( sums.isContinuous() ); + + if( activ_func != GAUSSIAN ) + { + for( i = 0; i < n; i++ ) + { + double* data = sums.ptr(i); + for( j = 0; j < cols; j++ ) + data[j] = (data[j] + bias[j])*scale; + } + + if( activ_func == IDENTITY ) + return; + } + else + { + for( i = 0; i < n; i++ ) + { + double* data = sums.ptr(i); + for( j = 0; j < cols; j++ ) + { + double t = data[j] + bias[j]; + data[j] = t*t*scale; + } + } + } + + exp( sums, sums ); + + if( sums.isContinuous() ) + { + cols *= n; + n = 1; + } + + switch( activ_func ) + { + case SIGMOID_SYM: + for( i = 0; i < n; i++ ) + { + double* data = sums.ptr(i); + for( j = 0; j < cols; j++ ) + { + double t = scale2*(1. - data[j])/(1. + data[j]); + data[j] = t; + } + } + break; + + case GAUSSIAN: + for( i = 0; i < n; i++ ) + { + double* data = sums.ptr(i); + for( j = 0; j < cols; j++ ) + data[j] = scale2*data[j]; + } + break; + + default: + ; + } + } + + void calc_activ_func_deriv( Mat& _xf, Mat& _df, const Mat& w ) const + { + const double* bias = w.ptr(w.rows-1); + int i, j, n = _xf.rows, cols = _xf.cols; if( activ_func == IDENTITY ) - return; - } - else - { - for( i = 0; i < n; i++, data += cols ) - for( j = 0; j < cols; j++ ) - { - double t = data[j] + bias[j]; - data[j] = t*t*scale; - } - } - - cvExp( sums, sums ); - - n *= cols; - data -= n; - - switch( activ_func ) - { - case SIGMOID_SYM: - for( i = 0; i <= n - 4; i += 4 ) { - double x0 = 1.+data[i], x1 = 1.+data[i+1], x2 = 1.+data[i+2], x3 = 1.+data[i+3]; - double a = x0*x1, b = x2*x3, d = scale2/(a*b), t0, t1; - a *= d; b *= d; - t0 = (2 - x0)*b*x1; t1 = (2 - x1)*b*x0; - data[i] = t0; data[i+1] = t1; - t0 = (2 - x2)*a*x3; t1 = (2 - x3)*a*x2; - data[i+2] = t0; data[i+3] = t1; + for( i = 0; i < n; i++ ) + { + double* xf = _xf.ptr(i); + double* df = _df.ptr(i); + + for( j = 0; j < cols; j++ ) + { + xf[j] += bias[j]; + df[j] = 1; + } + } } - - for( ; i < n; i++ ) + else if( activ_func == GAUSSIAN ) { - double t = scale2*(1. - data[i])/(1. + data[i]); - data[i] = t; + double scale = -f_param1*f_param1; + double scale2 = scale*f_param2; + for( i = 0; i < n; i++ ) + { + double* xf = _xf.ptr(i); + double* df = _df.ptr(i); + + for( j = 0; j < cols; j++ ) + { + double t = xf[j] + bias[j]; + df[j] = t*2*scale2; + xf[j] = t*t*scale; + } + } + exp( _xf, _xf ); + + for( i = 0; i < n; i++ ) + { + double* xf = _xf.ptr(i); + double* df = _df.ptr(i); + + for( j = 0; j < cols; j++ ) + df[j] *= xf[j]; + } } - break; - - case GAUSSIAN: - for( i = 0; i < n; i++ ) - data[i] = scale2*data[i]; - break; - - default: - ; - } -} - - -void CvANN_MLP::calc_activ_func_deriv( CvMat* _xf, CvMat* _df, - const double* bias ) const -{ - int i, j, n = _xf->rows, cols = _xf->cols; - double* xf = _xf->data.db; - double* df = _df->data.db; - double scale, scale2 = f_param2; - assert( CV_IS_MAT_CONT( _xf->type & _df->type ) ); - - if( activ_func == IDENTITY ) - { - for( i = 0; i < n; i++, xf += cols, df += cols ) - for( j = 0; j < cols; j++ ) - { - xf[j] += bias[j]; - df[j] = 1; - } - return; - } - else if( activ_func == GAUSSIAN ) - { - scale = -f_param1*f_param1; - scale2 *= scale; - for( i = 0; i < n; i++, xf += cols, df += cols ) - for( j = 0; j < cols; j++ ) - { - double t = xf[j] + bias[j]; - df[j] = t*2*scale2; - xf[j] = t*t*scale; - } - cvExp( _xf, _xf ); - - n *= cols; - xf -= n; df -= n; - - for( i = 0; i < n; i++ ) - df[i] *= xf[i]; - } - else - { - scale = f_param1; - for( i = 0; i < n; i++, xf += cols, df += cols ) - for( j = 0; j < cols; j++ ) - { - xf[j] = (xf[j] + bias[j])*scale; - df[j] = -fabs(xf[j]); - } - - cvExp( _df, _df ); - - n *= cols; - xf -= n; df -= n; - - // ((1+exp(-ax))^-1)'=a*((1+exp(-ax))^-2)*exp(-ax); - // ((1-exp(-ax))/(1+exp(-ax)))'=(a*exp(-ax)*(1+exp(-ax)) + a*exp(-ax)*(1-exp(-ax)))/(1+exp(-ax))^2= - // 2*a*exp(-ax)/(1+exp(-ax))^2 - scale *= 2*f_param2; - for( i = 0; i < n; i++ ) + else { - int s0 = xf[i] > 0 ? 1 : -1; - double t0 = 1./(1. + df[i]); - double t1 = scale*df[i]*t0*t0; - t0 *= scale2*(1. - df[i])*s0; - df[i] = t1; - xf[i] = t0; + double scale = f_param1; + double scale2 = f_param2; + + for( i = 0; i < n; i++ ) + { + double* xf = _xf.ptr(i); + double* df = _df.ptr(i); + + for( j = 0; j < cols; j++ ) + { + xf[j] = (xf[j] + bias[j])*scale; + df[j] = -fabs(xf[j]); + } + } + + exp( _df, _df ); + + // ((1+exp(-ax))^-1)'=a*((1+exp(-ax))^-2)*exp(-ax); + // ((1-exp(-ax))/(1+exp(-ax)))'=(a*exp(-ax)*(1+exp(-ax)) + a*exp(-ax)*(1-exp(-ax)))/(1+exp(-ax))^2= + // 2*a*exp(-ax)/(1+exp(-ax))^2 + scale *= 2*f_param2; + for( i = 0; i < n; i++ ) + { + double* xf = _xf.ptr(i); + double* df = _df.ptr(i); + + for( j = 0; j < cols; j++ ) + { + int s0 = xf[j] > 0 ? 1 : -1; + double t0 = 1./(1. + df[j]); + double t1 = scale*df[j]*t0*t0; + t0 *= scale2*(1. - df[j])*s0; + df[j] = t1; + xf[j] = t0; + } + } } } -} - -void CvANN_MLP::calc_input_scale( const CvVectors* vecs, int flags ) -{ - bool reset_weights = (flags & UPDATE_WEIGHTS) == 0; - bool no_scale = (flags & NO_INPUT_SCALE) != 0; - double* scale = weights[0]; - int count = vecs->count; - - if( reset_weights ) + void calc_input_scale( const Mat& inputs, int flags ) { - int i, j, vcount = layer_sizes->data.i[0]; - int type = vecs->type; - double a = no_scale ? 1. : 0.; + bool reset_weights = (flags & UPDATE_WEIGHTS) == 0; + bool no_scale = (flags & NO_INPUT_SCALE) != 0; + double* scale = weights[0].ptr(); + int count = inputs.rows; - for( j = 0; j < vcount; j++ ) - scale[2*j] = a, scale[j*2+1] = 0.; + if( reset_weights ) + { + int i, j, vcount = layer_sizes[0]; + int type = inputs.type(); + double a = no_scale ? 1. : 0.; - if( no_scale ) - return; + for( j = 0; j < vcount; j++ ) + scale[2*j] = a, scale[j*2+1] = 0.; + + if( no_scale ) + return; + + for( i = 0; i < count; i++ ) + { + const uchar* p = inputs.ptr(i); + const float* f = (const float*)p; + const double* d = (const double*)p; + for( j = 0; j < vcount; j++ ) + { + double t = type == CV_32F ? (double)f[j] : d[j]; + scale[j*2] += t; + scale[j*2+1] += t*t; + } + } + + for( j = 0; j < vcount; j++ ) + { + double s = scale[j*2], s2 = scale[j*2+1]; + double m = s/count, sigma2 = s2/count - m*m; + scale[j*2] = sigma2 < DBL_EPSILON ? 1 : 1./sqrt(sigma2); + scale[j*2+1] = -m*scale[j*2]; + } + } + } + + void calc_output_scale( const Mat& outputs, int flags ) + { + int i, j, vcount = layer_sizes.back(); + int type = outputs.type(); + double m = min_val, M = max_val, m1 = min_val1, M1 = max_val1; + bool reset_weights = (flags & UPDATE_WEIGHTS) == 0; + bool no_scale = (flags & NO_OUTPUT_SCALE) != 0; + int l_count = layer_count(); + double* scale = weights[l_count].ptr(); + double* inv_scale = weights[l_count+1].ptr(); + int count = outputs.rows; + + if( reset_weights ) + { + double a0 = no_scale ? 1 : DBL_MAX, b0 = no_scale ? 0 : -DBL_MAX; + + for( j = 0; j < vcount; j++ ) + { + scale[2*j] = inv_scale[2*j] = a0; + scale[j*2+1] = inv_scale[2*j+1] = b0; + } + + if( no_scale ) + return; + } for( i = 0; i < count; i++ ) { - const float* f = vecs->data.fl[i]; - const double* d = vecs->data.db[i]; + const uchar* p = outputs.ptr(i); + const float* f = (const float*)p; + const double* d = (const double*)p; + for( j = 0; j < vcount; j++ ) { double t = type == CV_32F ? (double)f[j] : d[j]; - scale[j*2] += t; - scale[j*2+1] += t*t; + + if( reset_weights ) + { + double mj = scale[j*2], Mj = scale[j*2+1]; + if( mj > t ) mj = t; + if( Mj < t ) Mj = t; + + scale[j*2] = mj; + scale[j*2+1] = Mj; + } + else + { + t = t*inv_scale[j*2] + inv_scale[2*j+1]; + if( t < m1 || t > M1 ) + CV_Error( CV_StsOutOfRange, + "Some of new output training vector components run exceed the original range too much" ); + } } } - for( j = 0; j < vcount; j++ ) - { - double s = scale[j*2], s2 = scale[j*2+1]; - double m = s/count, sigma2 = s2/count - m*m; - scale[j*2] = sigma2 < DBL_EPSILON ? 1 : 1./sqrt(sigma2); - scale[j*2+1] = -m*scale[j*2]; - } - } -} - - -void CvANN_MLP::calc_output_scale( const CvVectors* vecs, int flags ) -{ - int i, j, vcount = layer_sizes->data.i[layer_sizes->cols-1]; - int type = vecs->type; - double m = min_val, M = max_val, m1 = min_val1, M1 = max_val1; - bool reset_weights = (flags & UPDATE_WEIGHTS) == 0; - bool no_scale = (flags & NO_OUTPUT_SCALE) != 0; - int l_count = layer_sizes->cols; - double* scale = weights[l_count]; - double* inv_scale = weights[l_count+1]; - int count = vecs->count; - - CV_FUNCNAME( "CvANN_MLP::calc_output_scale" ); - - __BEGIN__; - - if( reset_weights ) - { - double a0 = no_scale ? 1 : DBL_MAX, b0 = no_scale ? 0 : -DBL_MAX; - - for( j = 0; j < vcount; j++ ) - { - scale[2*j] = inv_scale[2*j] = a0; - scale[j*2+1] = inv_scale[2*j+1] = b0; - } - - if( no_scale ) - EXIT; - } - - for( i = 0; i < count; i++ ) - { - const float* f = vecs->data.fl[i]; - const double* d = vecs->data.db[i]; - - for( j = 0; j < vcount; j++ ) - { - double t = type == CV_32F ? (double)f[j] : d[j]; - - if( reset_weights ) + if( reset_weights ) + for( j = 0; j < vcount; j++ ) { + // map mj..Mj to m..M double mj = scale[j*2], Mj = scale[j*2+1]; - if( mj > t ) mj = t; - if( Mj < t ) Mj = t; - - scale[j*2] = mj; - scale[j*2+1] = Mj; + double a, b; + double delta = Mj - mj; + if( delta < DBL_EPSILON ) + a = 1, b = (M + m - Mj - mj)*0.5; + else + a = (M - m)/delta, b = m - mj*a; + inv_scale[j*2] = a; inv_scale[j*2+1] = b; + a = 1./a; b = -b*a; + scale[j*2] = a; scale[j*2+1] = b; } - else - { - t = t*inv_scale[j*2] + inv_scale[2*j+1]; - if( t < m1 || t > M1 ) - CV_ERROR( CV_StsOutOfRange, - "Some of new output training vector components run exceed the original range too much" ); - } - } } - if( reset_weights ) - for( j = 0; j < vcount; j++ ) + void prepare_to_train( const Mat& inputs, const Mat& outputs, + Mat& sample_weights, int flags ) + { + if( layer_sizes.empty() ) + CV_Error( CV_StsError, + "The network has not been created. Use method create or the appropriate constructor" ); + + if( (inputs.type() != CV_32F && inputs.type() != CV_64F) || + inputs.cols != layer_sizes[0] ) + CV_Error( CV_StsBadArg, + "input training data should be a floating-point matrix with " + "the number of rows equal to the number of training samples and " + "the number of columns equal to the size of 0-th (input) layer" ); + + if( (outputs.type() != CV_32F && outputs.type() != CV_64F) || + outputs.cols != layer_sizes.back() ) + CV_Error( CV_StsBadArg, + "output training data should be a floating-point matrix with " + "the number of rows equal to the number of training samples and " + "the number of columns equal to the size of last (output) layer" ); + + if( inputs.rows != outputs.rows ) + CV_Error( CV_StsUnmatchedSizes, "The numbers of input and output samples do not match" ); + + Mat temp; + double s = sum(sample_weights)[0]; + sample_weights.convertTo(temp, CV_64F, 1./s); + sample_weights = temp; + + calc_input_scale( inputs, flags ); + calc_output_scale( outputs, flags ); + } + + bool train( const Ptr& trainData, int flags ) + { + const int MAX_ITER = 1000; + const double DEFAULT_EPSILON = FLT_EPSILON; + + // initialize training data + Mat inputs = trainData->getTrainSamples(); + Mat outputs = trainData->getTrainResponses(); + Mat sw = trainData->getTrainSampleWeights(); + prepare_to_train( inputs, outputs, sw, flags ); + + // ... and link weights + if( !(flags & UPDATE_WEIGHTS) ) + init_weights(); + + TermCriteria termcrit; + termcrit.type = TermCriteria::COUNT + TermCriteria::EPS; + termcrit.maxCount = std::max((params.termCrit.type & CV_TERMCRIT_ITER ? params.termCrit.maxCount : MAX_ITER), 1); + termcrit.epsilon = std::max((params.termCrit.type & CV_TERMCRIT_EPS ? params.termCrit.epsilon : DEFAULT_EPSILON), DBL_EPSILON); + + int iter = params.trainMethod == Params::BACKPROP ? + train_backprop( inputs, outputs, sw, termcrit ) : + train_rprop( inputs, outputs, sw, termcrit ); + + trained = iter > 0; + return trained; + } + + int train_backprop( const Mat& inputs, const Mat& outputs, const Mat& _sw, TermCriteria termCrit ) + { + int i, j, k; + double prev_E = DBL_MAX*0.5, E = 0; + int itype = inputs.type(), otype = outputs.type(); + + int count = inputs.rows; + + int iter = -1, max_iter = termCrit.maxCount*count; + double epsilon = termCrit.epsilon*count; + + int l_count = layer_count(); + int ivcount = layer_sizes[0]; + int ovcount = layer_sizes.back(); + + // allocate buffers + vector > x(l_count); + vector > df(l_count); + vector dw(l_count); + + for( i = 0; i < l_count; i++ ) { - // map mj..Mj to m..M - double mj = scale[j*2], Mj = scale[j*2+1]; - double a, b; - double delta = Mj - mj; - if( delta < DBL_EPSILON ) - a = 1, b = (M + m - Mj - mj)*0.5; - else - a = (M - m)/delta, b = m - mj*a; - inv_scale[j*2] = a; inv_scale[j*2+1] = b; - a = 1./a; b = -b*a; - scale[j*2] = a; scale[j*2+1] = b; + int n = layer_sizes[i]; + x[i].resize(n); + df[i].resize(n); + dw[i].create(weights[i].size(), CV_64F); } - __END__; -} - - -bool CvANN_MLP::prepare_to_train( const CvMat* _inputs, const CvMat* _outputs, - const CvMat* _sample_weights, const CvMat* _sample_idx, - CvVectors* _ivecs, CvVectors* _ovecs, double** _sw, int _flags ) -{ - bool ok = false; - CvMat* sample_idx = 0; - CvVectors ivecs, ovecs; - double* sw = 0; - int count = 0; - - CV_FUNCNAME( "CvANN_MLP::prepare_to_train" ); - - ivecs.data.ptr = ovecs.data.ptr = 0; - assert( _ivecs && _ovecs ); - - __BEGIN__; - - const int* sidx = 0; - int i, sw_type = 0, sw_count = 0; - int sw_step = 0; - double sw_sum = 0; - - if( !layer_sizes ) - CV_ERROR( CV_StsError, - "The network has not been created. Use method create or the appropriate constructor" ); - - if( !CV_IS_MAT(_inputs) || (CV_MAT_TYPE(_inputs->type) != CV_32FC1 && - CV_MAT_TYPE(_inputs->type) != CV_64FC1) || _inputs->cols != layer_sizes->data.i[0] ) - CV_ERROR( CV_StsBadArg, - "input training data should be a floating-point matrix with" - "the number of rows equal to the number of training samples and " - "the number of columns equal to the size of 0-th (input) layer" ); - - if( !CV_IS_MAT(_outputs) || (CV_MAT_TYPE(_outputs->type) != CV_32FC1 && - CV_MAT_TYPE(_outputs->type) != CV_64FC1) || - _outputs->cols != layer_sizes->data.i[layer_sizes->cols - 1] ) - CV_ERROR( CV_StsBadArg, - "output training data should be a floating-point matrix with" - "the number of rows equal to the number of training samples and " - "the number of columns equal to the size of last (output) layer" ); - - if( _inputs->rows != _outputs->rows ) - CV_ERROR( CV_StsUnmatchedSizes, "The numbers of input and output samples do not match" ); - - if( _sample_idx ) - { - CV_CALL( sample_idx = cvPreprocessIndexArray( _sample_idx, _inputs->rows )); - sidx = sample_idx->data.i; - count = sample_idx->cols + sample_idx->rows - 1; - } - else - count = _inputs->rows; - - if( _sample_weights ) - { - if( !CV_IS_MAT(_sample_weights) ) - CV_ERROR( CV_StsBadArg, "sample_weights (if passed) must be a valid matrix" ); - - sw_type = CV_MAT_TYPE(_sample_weights->type); - sw_count = _sample_weights->cols + _sample_weights->rows - 1; - - if( (sw_type != CV_32FC1 && sw_type != CV_64FC1) || - (_sample_weights->cols != 1 && _sample_weights->rows != 1) || - (sw_count != count && sw_count != _inputs->rows) ) - CV_ERROR( CV_StsBadArg, - "sample_weights must be 1d floating-point vector containing weights " - "of all or selected training samples" ); - - sw_step = CV_IS_MAT_CONT(_sample_weights->type) ? 1 : - _sample_weights->step/CV_ELEM_SIZE(sw_type); - - CV_CALL( sw = (double*)cvAlloc( count*sizeof(sw[0]) )); - } - - CV_CALL( ivecs.data.ptr = (uchar**)cvAlloc( count*sizeof(ivecs.data.ptr[0]) )); - CV_CALL( ovecs.data.ptr = (uchar**)cvAlloc( count*sizeof(ovecs.data.ptr[0]) )); - - ivecs.type = CV_MAT_TYPE(_inputs->type); - ovecs.type = CV_MAT_TYPE(_outputs->type); - ivecs.count = ovecs.count = count; - - for( i = 0; i < count; i++ ) - { - int idx = sidx ? sidx[i] : i; - ivecs.data.ptr[i] = _inputs->data.ptr + idx*_inputs->step; - ovecs.data.ptr[i] = _outputs->data.ptr + idx*_outputs->step; - if( sw ) - { - int si = sw_count == count ? i : idx; - double w = sw_type == CV_32FC1 ? - (double)_sample_weights->data.fl[si*sw_step] : - _sample_weights->data.db[si*sw_step]; - sw[i] = w; - if( w < 0 ) - CV_ERROR( CV_StsOutOfRange, "some of sample weights are negative" ); - sw_sum += w; - } - } - - // normalize weights - if( sw ) - { - sw_sum = sw_sum > DBL_EPSILON ? 1./sw_sum : 0; + Mat _idx_m(1, count, CV_32S); + int* _idx = _idx_m.ptr(); for( i = 0; i < count; i++ ) - sw[i] *= sw_sum; - } + _idx[i] = i; - calc_input_scale( &ivecs, _flags ); - CV_CALL( calc_output_scale( &ovecs, _flags )); + AutoBuffer _buf(max_lsize*2); + double* buf[] = { _buf, (double*)_buf + max_lsize }; - ok = true; + const double* sw = _sw.empty() ? 0 : _sw.ptr(); - __END__; - - if( !ok ) - { - cvFree( &ivecs.data.ptr ); - cvFree( &ovecs.data.ptr ); - cvFree( &sw ); - } - - cvReleaseMat( &sample_idx ); - *_ivecs = ivecs; - *_ovecs = ovecs; - *_sw = sw; - - return ok; -} - - -int CvANN_MLP::train( const CvMat* _inputs, const CvMat* _outputs, - const CvMat* _sample_weights, const CvMat* _sample_idx, - CvANN_MLP_TrainParams _params, int flags ) -{ - const int MAX_ITER = 1000; - const double DEFAULT_EPSILON = FLT_EPSILON; - - double* sw = 0; - CvVectors x0, u; - int iter = -1; - - x0.data.ptr = u.data.ptr = 0; - - CV_FUNCNAME( "CvANN_MLP::train" ); - - __BEGIN__; - - int max_iter; - double epsilon; - - params = _params; - - // initialize training data - CV_CALL( prepare_to_train( _inputs, _outputs, _sample_weights, - _sample_idx, &x0, &u, &sw, flags )); - - // ... and link weights - if( !(flags & UPDATE_WEIGHTS) ) - init_weights(); - - max_iter = params.term_crit.type & CV_TERMCRIT_ITER ? params.term_crit.max_iter : MAX_ITER; - max_iter = MAX( max_iter, 1 ); - - epsilon = params.term_crit.type & CV_TERMCRIT_EPS ? params.term_crit.epsilon : DEFAULT_EPSILON; - epsilon = MAX(epsilon, DBL_EPSILON); - - params.term_crit.type = CV_TERMCRIT_ITER + CV_TERMCRIT_EPS; - params.term_crit.max_iter = max_iter; - params.term_crit.epsilon = epsilon; - - if( params.train_method == CvANN_MLP_TrainParams::BACKPROP ) - { - CV_CALL( iter = train_backprop( x0, u, sw )); - } - else - { - CV_CALL( iter = train_rprop( x0, u, sw )); - } - - __END__; - - cvFree( &x0.data.ptr ); - cvFree( &u.data.ptr ); - cvFree( &sw ); - - return iter; -} - - -int CvANN_MLP::train_backprop( CvVectors x0, CvVectors u, const double* sw ) -{ - CvMat* dw = 0; - CvMat* buf = 0; - double **x = 0, **df = 0; - CvMat* _idx = 0; - int iter = -1, count = x0.count; - - CV_FUNCNAME( "CvANN_MLP::train_backprop" ); - - __BEGIN__; - - int i, j, k, ivcount, ovcount, l_count, total = 0, max_iter; - double *buf_ptr; - double prev_E = DBL_MAX*0.5, E = 0, epsilon; - - max_iter = params.term_crit.max_iter*count; - epsilon = params.term_crit.epsilon*count; - - l_count = layer_sizes->cols; - ivcount = layer_sizes->data.i[0]; - ovcount = layer_sizes->data.i[l_count-1]; - - // allocate buffers - for( i = 0; i < l_count; i++ ) - total += layer_sizes->data.i[i] + 1; - - CV_CALL( dw = cvCreateMat( wbuf->rows, wbuf->cols, wbuf->type )); - cvZero( dw ); - CV_CALL( buf = cvCreateMat( 1, (total + max_count)*2, CV_64F )); - CV_CALL( _idx = cvCreateMat( 1, count, CV_32SC1 )); - for( i = 0; i < count; i++ ) - _idx->data.i[i] = i; - - CV_CALL( x = (double**)cvAlloc( total*2*sizeof(x[0]) )); - df = x + total; - buf_ptr = buf->data.db; - - for( j = 0; j < l_count; j++ ) - { - x[j] = buf_ptr; - df[j] = x[j] + layer_sizes->data.i[j]; - buf_ptr += (df[j] - x[j])*2; - } - - // run back-propagation loop - /* - y_i = w_i*x_{i-1} - x_i = f(y_i) - E = 1/2*||u - x_N||^2 - grad_N = (x_N - u)*f'(y_i) - dw_i(t) = momentum*dw_i(t-1) + dw_scale*x_{i-1}*grad_i - w_i(t+1) = w_i(t) + dw_i(t) - grad_{i-1} = w_i^t*grad_i - */ - for( iter = 0; iter < max_iter; iter++ ) - { - int idx = iter % count; - double* w = weights[0]; - double sweight = sw ? count*sw[idx] : 1.; - CvMat _w, _dw, hdr1, hdr2, ghdr1, ghdr2, _df; - CvMat *x1 = &hdr1, *x2 = &hdr2, *grad1 = &ghdr1, *grad2 = &ghdr2, *temp; - - if( idx == 0 ) + // run back-propagation loop + /* + y_i = w_i*x_{i-1} + x_i = f(y_i) + E = 1/2*||u - x_N||^2 + grad_N = (x_N - u)*f'(y_i) + dw_i(t) = momentum*dw_i(t-1) + dw_scale*x_{i-1}*grad_i + w_i(t+1) = w_i(t) + dw_i(t) + grad_{i-1} = w_i^t*grad_i + */ + for( iter = 0; iter < max_iter; iter++ ) { - //printf("%d. E = %g\n", iter/count, E); + int idx = iter % count; + double sweight = sw ? count*sw[idx] : 1.; + + if( idx == 0 ) + { + //printf("%d. E = %g\n", iter/count, E); + if( fabs(prev_E - E) < epsilon ) + break; + prev_E = E; + E = 0; + + // shuffle indices + for( i = 0; i < count; i++ ) + { + j = rng.uniform(0, count); + k = rng.uniform(0, count); + std::swap(_idx[j], _idx[k]); + } + } + + idx = _idx[idx]; + + const uchar* x0data_p = inputs.ptr(idx); + const float* x0data_f = (const float*)x0data_p; + const double* x0data_d = (const double*)x0data_p; + + double* w = weights[0].ptr(); + for( j = 0; j < ivcount; j++ ) + x[0][j] = (itype == CV_32F ? (double)x0data_f[j] : x0data_d[j])*w[j*2] + w[j*2 + 1]; + + Mat x1( 1, ivcount, CV_64F, &x[0][0] ); + + // forward pass, compute y[i]=w*x[i-1], x[i]=f(y[i]), df[i]=f'(y[i]) + for( i = 1; i < l_count; i++ ) + { + int n = layer_sizes[i]; + Mat x2(1, n, CV_64F, &x[i][0] ); + Mat _w = weights[i].rowRange(0, x1.cols); + gemm(x1, _w, 1, noArray(), 0, x2); + Mat _df(1, n, CV_64F, &df[i][0] ); + calc_activ_func_deriv( x2, _df, weights[i] ); + x1 = x2; + } + + Mat grad1( 1, ovcount, CV_64F, buf[l_count&1] ); + w = weights[l_count+1].ptr(); + + // calculate error + const uchar* udata_p = outputs.ptr(idx); + const float* udata_f = (const float*)udata_p; + const double* udata_d = (const double*)udata_p; + + double* gdata = grad1.ptr(); + for( k = 0; k < ovcount; k++ ) + { + double t = (otype == CV_32F ? (double)udata_f[k] : udata_d[k])*w[k*2] + w[k*2+1] - x[l_count-1][k]; + gdata[k] = t*sweight; + E += t*t; + } + E *= sweight; + + // backward pass, update weights + for( i = l_count-1; i > 0; i-- ) + { + int n1 = layer_sizes[i-1], n2 = layer_sizes[i]; + Mat _df(1, n2, CV_64F, &df[i][0]); + multiply( grad1, _df, grad1 ); + Mat _x(n1+1, 1, CV_64F, &x[i-1][0]); + x[i-1][n1] = 1.; + gemm( _x, grad1, params.bpDWScale, dw[i], params.bpMomentScale, dw[i] ); + add( weights[i], dw[i], weights[i] ); + if( i > 1 ) + { + Mat grad2(1, n1, CV_64F, buf[i&1]); + Mat _w = weights[i].rowRange(0, n1); + gemm( grad1, _w, 1, noArray(), 0, grad2, GEMM_2_T ); + grad1 = grad2; + } + } + } + + iter /= count; + return iter; + } + + struct RPropLoop : public ParallelLoopBody + { + RPropLoop(ANN_MLPImpl* _ann, + const Mat& _inputs, const Mat& _outputs, const Mat& _sw, + int _dcount0, vector& _dEdw, double* _E) + { + ann = _ann; + inputs = _inputs; + outputs = _outputs; + sw = _sw.ptr(); + dcount0 = _dcount0; + dEdw = &_dEdw; + pE = _E; + } + + ANN_MLPImpl* ann; + vector* dEdw; + Mat inputs, outputs; + const double* sw; + int dcount0; + double* pE; + + void operator()( const Range& range ) const + { + double inv_count = 1./inputs.rows; + int ivcount = ann->layer_sizes.front(); + int ovcount = ann->layer_sizes.back(); + int itype = inputs.type(), otype = outputs.type(); + int count = inputs.rows; + int i, j, k, l_count = ann->layer_count(); + vector > x(l_count); + vector > df(l_count); + vector _buf(ann->max_lsize*dcount0*2); + double* buf[] = { &_buf[0], &_buf[ann->max_lsize*dcount0] }; + double E = 0; + + for( i = 0; i < l_count; i++ ) + { + x[i].resize(ann->layer_sizes[i]*dcount0); + df[i].resize(ann->layer_sizes[i]*dcount0); + } + + for( int si = range.start; si < range.end; si++ ) + { + int i0 = si*dcount0, i1 = std::min((si + 1)*dcount0, count); + int dcount = i1 - i0; + const double* w = ann->weights[0].ptr(); + + // grab and preprocess input data + for( i = 0; i < dcount; i++ ) + { + const uchar* x0data_p = inputs.ptr(i0 + i); + const float* x0data_f = (const float*)x0data_p; + const double* x0data_d = (const double*)x0data_p; + + double* xdata = &x[0][i*ivcount]; + for( j = 0; j < ivcount; j++ ) + xdata[j] = (itype == CV_32F ? (double)x0data_f[j] : x0data_d[j])*w[j*2] + w[j*2+1]; + } + Mat x1(dcount, ivcount, CV_64F, &x[0][0]); + + // forward pass, compute y[i]=w*x[i-1], x[i]=f(y[i]), df[i]=f'(y[i]) + for( i = 1; i < l_count; i++ ) + { + Mat x2( dcount, ann->layer_sizes[i], CV_64F, &x[i][0] ); + Mat _w = ann->weights[i].rowRange(0, x1.cols); + gemm( x1, _w, 1, noArray(), 0, x2 ); + Mat _df( x2.size(), CV_64F, &df[i][0] ); + ann->calc_activ_func_deriv( x2, _df, ann->weights[i] ); + x1 = x2; + } + + Mat grad1(dcount, ovcount, CV_64F, buf[l_count & 1]); + + w = ann->weights[l_count+1].ptr(); + + // calculate error + for( i = 0; i < dcount; i++ ) + { + const uchar* udata_p = outputs.ptr(i0+i); + const float* udata_f = (const float*)udata_p; + const double* udata_d = (const double*)udata_p; + + const double* xdata = &x[l_count-1][i*ovcount]; + double* gdata = grad1.ptr(i); + double sweight = sw ? sw[si+i] : inv_count, E1 = 0; + + for( j = 0; j < ovcount; j++ ) + { + double t = (otype == CV_32F ? (double)udata_f[j] : udata_d[j])*w[j*2] + w[j*2+1] - xdata[j]; + gdata[j] = t*sweight; + E1 += t*t; + } + E += sweight*E1; + } + + for( i = l_count-1; i > 0; i-- ) + { + int n1 = ann->layer_sizes[i-1], n2 = ann->layer_sizes[i]; + Mat _df(dcount, n2, CV_64F, &df[i][0]); + multiply(grad1, _df, grad1); + + { + AutoLock lock(ann->mtx); + Mat _dEdw = dEdw->at(i).rowRange(0, n1); + x1 = Mat(dcount, n1, CV_64F, &x[i-1][0]); + gemm(x1, grad1, 1, _dEdw, 1, _dEdw, GEMM_1_T); + + // update bias part of dEdw + double* dst = dEdw->at(i).ptr(n1); + for( k = 0; k < dcount; k++ ) + { + const double* src = grad1.ptr(k); + for( j = 0; j < n2; j++ ) + dst[j] += src[j]; + } + } + + Mat grad2( dcount, n1, CV_64F, buf[i&1] ); + if( i > 1 ) + { + Mat _w = ann->weights[i].rowRange(0, n1); + gemm(grad1, _w, 1, noArray(), 0, grad2, GEMM_2_T); + } + grad1 = grad2; + } + } + { + AutoLock lock(ann->mtx); + *pE += E; + } + } + }; + + int train_rprop( const Mat& inputs, const Mat& outputs, const Mat& _sw, TermCriteria termCrit ) + { + const int max_buf_size = 1 << 16; + int i, iter = -1, count = inputs.rows; + + double prev_E = DBL_MAX*0.5; + + int max_iter = termCrit.maxCount; + double epsilon = termCrit.epsilon; + double dw_plus = params.rpDWPlus; + double dw_minus = params.rpDWMinus; + double dw_min = params.rpDWMin; + double dw_max = params.rpDWMax; + + int l_count = layer_count(); + + // allocate buffers + vector dw(l_count), dEdw(l_count), prev_dEdw_sign(l_count); + + int total = 0; + for( i = 0; i < l_count; i++ ) + { + total += layer_sizes[i]; + dw[i].create(weights[i].size(), CV_64F); + dw[i].setTo(Scalar::all(params.rpDW0)); + prev_dEdw_sign[i] = Mat::zeros(weights[i].size(), CV_8S); + dEdw[i] = Mat::zeros(weights[i].size(), CV_64F); + } + + int dcount0 = max_buf_size/(2*total); + dcount0 = std::max( dcount0, 1 ); + dcount0 = std::min( dcount0, count ); + int chunk_count = (count + dcount0 - 1)/dcount0; + + // run rprop loop + /* + y_i(t) = w_i(t)*x_{i-1}(t) + x_i(t) = f(y_i(t)) + E = sum_over_all_samples(1/2*||u - x_N||^2) + grad_N = (x_N - u)*f'(y_i) + + std::min(dw_i{jk}(t)*dw_plus, dw_max), if dE/dw_i{jk}(t)*dE/dw_i{jk}(t-1) > 0 + dw_i{jk}(t) = std::max(dw_i{jk}(t)*dw_minus, dw_min), if dE/dw_i{jk}(t)*dE/dw_i{jk}(t-1) < 0 + dw_i{jk}(t-1) else + + if (dE/dw_i{jk}(t)*dE/dw_i{jk}(t-1) < 0) + dE/dw_i{jk}(t)<-0 + else + w_i{jk}(t+1) = w_i{jk}(t) + dw_i{jk}(t) + grad_{i-1}(t) = w_i^t(t)*grad_i(t) + */ + for( iter = 0; iter < max_iter; iter++ ) + { + double E = 0; + + for( i = 0; i < l_count; i++ ) + dEdw[i].setTo(Scalar::all(0)); + + // first, iterate through all the samples and compute dEdw + RPropLoop invoker(this, inputs, outputs, _sw, dcount0, dEdw, &E); + parallel_for_(Range(0, chunk_count), invoker); + //invoker(Range(0, chunk_count)); + + // now update weights + for( i = 1; i < l_count; i++ ) + { + int n1 = layer_sizes[i-1], n2 = layer_sizes[i]; + for( int k = 0; k <= n1; k++ ) + { + CV_Assert(weights[i].size() == Size(n2, n1+1)); + double* wk = weights[i].ptr(k); + double* dwk = dw[i].ptr(k); + double* dEdwk = dEdw[i].ptr(k); + schar* prevEk = prev_dEdw_sign[i].ptr(k); + + for( int j = 0; j < n2; j++ ) + { + double Eval = dEdwk[j]; + double dval = dwk[j]; + double wval = wk[j]; + int s = CV_SIGN(Eval); + int ss = prevEk[j]*s; + if( ss > 0 ) + { + dval *= dw_plus; + dval = std::min( dval, dw_max ); + dwk[j] = dval; + wk[j] = wval + dval*s; + } + else if( ss < 0 ) + { + dval *= dw_minus; + dval = std::max( dval, dw_min ); + prevEk[j] = 0; + dwk[j] = dval; + wk[j] = wval + dval*s; + } + else + { + prevEk[j] = (schar)s; + wk[j] = wval + dval*s; + } + dEdwk[j] = 0.; + } + } + } + + //printf("%d. E = %g\n", iter, E); if( fabs(prev_E - E) < epsilon ) break; prev_E = E; - E = 0; - - // shuffle indices - for( i = 0; i < count; i++ ) - { - int tt; - j = (*rng)(count); - k = (*rng)(count); - CV_SWAP( _idx->data.i[j], _idx->data.i[k], tt ); - } } - idx = _idx->data.i[idx]; + return iter; + } - if( x0.type == CV_32F ) + void write_params( FileStorage& fs ) const + { + const char* activ_func_name = activ_func == IDENTITY ? "IDENTITY" : + activ_func == SIGMOID_SYM ? "SIGMOID_SYM" : + activ_func == GAUSSIAN ? "GAUSSIAN" : 0; + + if( activ_func_name ) + fs << "activation_function" << activ_func_name; + else + fs << "activation_function_id" << activ_func; + + if( activ_func != IDENTITY ) { - const float* x0data = x0.data.fl[idx]; - for( j = 0; j < ivcount; j++ ) - x[0][j] = x0data[j]*w[j*2] + w[j*2 + 1]; + fs << "f_param1" << f_param1; + fs << "f_param2" << f_param2; + } + + fs << "min_val" << min_val << "max_val" << max_val << "min_val1" << min_val1 << "max_val1" << max_val1; + + fs << "training_params" << "{"; + if( params.trainMethod == Params::BACKPROP ) + { + fs << "train_method" << "BACKPROP"; + fs << "dw_scale" << params.bpDWScale; + fs << "moment_scale" << params.bpMomentScale; + } + else if( params.trainMethod == Params::RPROP ) + { + fs << "train_method" << "RPROP"; + fs << "dw0" << params.rpDW0; + fs << "dw_plus" << params.rpDWPlus; + fs << "dw_minus" << params.rpDWMinus; + fs << "dw_min" << params.rpDWMin; + fs << "dw_max" << params.rpDWMax; } else - { - const double* x0data = x0.data.db[idx]; - for( j = 0; j < ivcount; j++ ) - x[0][j] = x0data[j]*w[j*2] + w[j*2 + 1]; - } + CV_Error(CV_StsError, "Unknown training method"); - cvInitMatHeader( x1, 1, ivcount, CV_64F, x[0] ); + fs << "term_criteria" << "{"; + if( params.termCrit.type & TermCriteria::EPS ) + fs << "epsilon" << params.termCrit.epsilon; + if( params.termCrit.type & TermCriteria::COUNT ) + fs << "iterations" << params.termCrit.maxCount; + fs << "}" << "}"; + } - // forward pass, compute y[i]=w*x[i-1], x[i]=f(y[i]), df[i]=f'(y[i]) + void write( FileStorage& fs ) const + { + if( layer_sizes.empty() ) + return; + int i, l_count = layer_count(); + + fs << "layer_sizes" << layer_sizes; + + write_params( fs ); + + size_t esz = weights[0].elemSize(); + + fs << "input_scale" << "["; + fs.writeRaw("d", weights[0].data, weights[0].total()*esz); + + fs << "]" << "output_scale" << "["; + fs.writeRaw("d", weights[l_count].data, weights[l_count].total()*esz); + + fs << "]" << "inv_output_scale" << "["; + fs.writeRaw("d", weights[l_count+1].data, weights[l_count+1].total()*esz); + + fs << "]" << "weights" << "["; for( i = 1; i < l_count; i++ ) { - cvInitMatHeader( x2, 1, layer_sizes->data.i[i], CV_64F, x[i] ); - cvInitMatHeader( &_w, x1->cols, x2->cols, CV_64F, weights[i] ); - cvGEMM( x1, &_w, 1, 0, 0, x2 ); - _df = *x2; - _df.data.db = df[i]; - calc_activ_func_deriv( x2, &_df, _w.data.db + _w.rows*_w.cols ); - CV_SWAP( x1, x2, temp ); + fs << "["; + fs.writeRaw("d", weights[i].data, weights[i].total()*esz); + fs << "]"; } + fs << "]"; + } - cvInitMatHeader( grad1, 1, ovcount, CV_64F, buf_ptr ); - *grad2 = *grad1; - grad2->data.db = buf_ptr + max_count; - - w = weights[l_count+1]; - - // calculate error - if( u.type == CV_32F ) + void read_params( const FileNode& fn ) + { + String activ_func_name = (String)fn["activation_function"]; + if( !activ_func_name.empty() ) { - const float* udata = u.data.fl[idx]; - for( k = 0; k < ovcount; k++ ) - { - double t = udata[k]*w[k*2] + w[k*2+1] - x[l_count-1][k]; - grad1->data.db[k] = t*sweight; - E += t*t; - } + activ_func = activ_func_name == "SIGMOID_SYM" ? SIGMOID_SYM : + activ_func_name == "IDENTITY" ? IDENTITY : + activ_func_name == "GAUSSIAN" ? GAUSSIAN : -1; + CV_Assert( activ_func >= 0 ); } else + activ_func = (int)fn["activation_function_id"]; + + f_param1 = (double)fn["f_param1"]; + f_param2 = (double)fn["f_param2"]; + + set_activ_func( activ_func, f_param1, f_param2 ); + + min_val = (double)fn["min_val"]; + max_val = (double)fn["max_val"]; + min_val1 = (double)fn["min_val1"]; + max_val1 = (double)fn["max_val1"]; + + FileNode tpn = fn["training_params"]; + params = Params(); + + if( !tpn.empty() ) { - const double* udata = u.data.db[idx]; - for( k = 0; k < ovcount; k++ ) + String tmethod_name = (String)tpn["train_method"]; + + if( tmethod_name == "BACKPROP" ) { - double t = udata[k]*w[k*2] + w[k*2+1] - x[l_count-1][k]; - grad1->data.db[k] = t*sweight; - E += t*t; + params.trainMethod = Params::BACKPROP; + params.bpDWScale = (double)tpn["dw_scale"]; + params.bpMomentScale = (double)tpn["moment_scale"]; } - } - E *= sweight; - - // backward pass, update weights - for( i = l_count-1; i > 0; i-- ) - { - int n1 = layer_sizes->data.i[i-1], n2 = layer_sizes->data.i[i]; - cvInitMatHeader( &_df, 1, n2, CV_64F, df[i] ); - cvMul( grad1, &_df, grad1 ); - cvInitMatHeader( &_w, n1+1, n2, CV_64F, weights[i] ); - cvInitMatHeader( &_dw, n1+1, n2, CV_64F, dw->data.db + (weights[i] - weights[0]) ); - cvInitMatHeader( x1, n1+1, 1, CV_64F, x[i-1] ); - x[i-1][n1] = 1.; - cvGEMM( x1, grad1, params.bp_dw_scale, &_dw, params.bp_moment_scale, &_dw ); - cvAdd( &_w, &_dw, &_w ); - if( i > 1 ) + else if( tmethod_name == "RPROP" ) { - grad2->cols = n1; - _w.rows = n1; - cvGEMM( grad1, &_w, 1, 0, 0, grad2, CV_GEMM_B_T ); + params.trainMethod = Params::RPROP; + params.rpDW0 = (double)tpn["dw0"]; + params.rpDWPlus = (double)tpn["dw_plus"]; + params.rpDWMinus = (double)tpn["dw_minus"]; + params.rpDWMin = (double)tpn["dw_min"]; + params.rpDWMax = (double)tpn["dw_max"]; } - CV_SWAP( grad1, grad2, temp ); - } - } + else + CV_Error(CV_StsParseError, "Unknown training method (should be BACKPROP or RPROP)"); - iter /= count; - - __END__; - - cvReleaseMat( &dw ); - cvReleaseMat( &buf ); - cvReleaseMat( &_idx ); - cvFree( &x ); - - return iter; -} - -struct rprop_loop : cv::ParallelLoopBody { - rprop_loop(const CvANN_MLP* _point, double**& _weights, int& _count, int& _ivcount, CvVectors* _x0, - int& _l_count, CvMat*& _layer_sizes, int& _ovcount, int& _max_count, - CvVectors* _u, const double*& _sw, double& _inv_count, CvMat*& _dEdw, int& _dcount0, double* _E, int _buf_sz) - { - point = _point; - weights = _weights; - count = _count; - ivcount = _ivcount; - x0 = _x0; - l_count = _l_count; - layer_sizes = _layer_sizes; - ovcount = _ovcount; - max_count = _max_count; - u = _u; - sw = _sw; - inv_count = _inv_count; - dEdw = _dEdw; - dcount0 = _dcount0; - E = _E; - buf_sz = _buf_sz; - } - - const CvANN_MLP* point; - double** weights; - int count; - int ivcount; - CvVectors* x0; - int l_count; - CvMat* layer_sizes; - int ovcount; - int max_count; - CvVectors* u; - const double* sw; - double inv_count; - CvMat* dEdw; - int dcount0; - double* E; - int buf_sz; - - - void operator()( const cv::Range& range ) const - { - double* buf_ptr; - double** x = 0; - double **df = 0; - int total = 0; - - for(int i = 0; i < l_count; i++ ) - total += layer_sizes->data.i[i]; - CvMat* buf; - buf = cvCreateMat( 1, buf_sz, CV_64F ); - x = (double**)cvAlloc( total*2*sizeof(x[0]) ); - df = x + total; - buf_ptr = buf->data.db; - for(int i = 0; i < l_count; i++ ) - { - x[i] = buf_ptr; - df[i] = x[i] + layer_sizes->data.i[i]*dcount0; - buf_ptr += (df[i] - x[i])*2; - } - - for(int si = range.start; si < range.end; si++ ) - { - if (si % dcount0 != 0) continue; - int n1, n2, k; - double* w; - CvMat _w, _dEdw, hdr1, hdr2, ghdr1, ghdr2, _df; - CvMat *x1, *x2, *grad1, *grad2, *temp; - int dcount = 0; - - dcount = MIN(count - si , dcount0 ); - w = weights[0]; - grad1 = &ghdr1; grad2 = &ghdr2; - x1 = &hdr1; x2 = &hdr2; - - // grab and preprocess input data - if( x0->type == CV_32F ) - { - for(int i = 0; i < dcount; i++ ) + FileNode tcn = tpn["term_criteria"]; + if( !tcn.empty() ) { - const float* x0data = x0->data.fl[si+i]; - double* xdata = x[0]+i*ivcount; - for(int j = 0; j < ivcount; j++ ) - xdata[j] = x0data[j]*w[j*2] + w[j*2+1]; - } - } - else - for(int i = 0; i < dcount; i++ ) - { - const double* x0data = x0->data.db[si+i]; - double* xdata = x[0]+i*ivcount; - for(int j = 0; j < ivcount; j++ ) - xdata[j] = x0data[j]*w[j*2] + w[j*2+1]; - } - cvInitMatHeader( x1, dcount, ivcount, CV_64F, x[0] ); - - // forward pass, compute y[i]=w*x[i-1], x[i]=f(y[i]), df[i]=f'(y[i]) - for(int i = 1; i < l_count; i++ ) - { - cvInitMatHeader( x2, dcount, layer_sizes->data.i[i], CV_64F, x[i] ); - cvInitMatHeader( &_w, x1->cols, x2->cols, CV_64F, weights[i] ); - cvGEMM( x1, &_w, 1, 0, 0, x2 ); - _df = *x2; - _df.data.db = df[i]; - point->calc_activ_func_deriv( x2, &_df, _w.data.db + _w.rows*_w.cols ); - CV_SWAP( x1, x2, temp ); - } - cvInitMatHeader( grad1, dcount, ovcount, CV_64F, buf_ptr ); - - w = weights[l_count+1]; - grad2->data.db = buf_ptr + max_count*dcount; - - // calculate error - if( u->type == CV_32F ) - for(int i = 0; i < dcount; i++ ) - { - const float* udata = u->data.fl[si+i]; - const double* xdata = x[l_count-1] + i*ovcount; - double* gdata = grad1->data.db + i*ovcount; - double sweight = sw ? sw[si+i] : inv_count, E1 = 0; - - for(int j = 0; j < ovcount; j++ ) + FileNode tcn_e = tcn["epsilon"]; + FileNode tcn_i = tcn["iterations"]; + params.termCrit.type = 0; + if( !tcn_e.empty() ) { - double t = udata[j]*w[j*2] + w[j*2+1] - xdata[j]; - gdata[j] = t*sweight; - E1 += t*t; + params.termCrit.type |= TermCriteria::EPS; + params.termCrit.epsilon = (double)tcn_e; } - *E += sweight*E1; - } - else - for(int i = 0; i < dcount; i++ ) - { - const double* udata = u->data.db[si+i]; - const double* xdata = x[l_count-1] + i*ovcount; - double* gdata = grad1->data.db + i*ovcount; - double sweight = sw ? sw[si+i] : inv_count, E1 = 0; - - for(int j = 0; j < ovcount; j++ ) + if( !tcn_i.empty() ) { - double t = udata[j]*w[j*2] + w[j*2+1] - xdata[j]; - gdata[j] = t*sweight; - E1 += t*t; + params.termCrit.type |= TermCriteria::COUNT; + params.termCrit.maxCount = (int)tcn_i; } - *E += sweight*E1; } - - // backward pass, update dEdw - static cv::Mutex mutex; - - for(int i = l_count-1; i > 0; i-- ) - { - n1 = layer_sizes->data.i[i-1]; n2 = layer_sizes->data.i[i]; - cvInitMatHeader( &_df, dcount, n2, CV_64F, df[i] ); - cvMul( grad1, &_df, grad1 ); - - { - cv::AutoLock lock(mutex); - cvInitMatHeader( &_dEdw, n1, n2, CV_64F, dEdw->data.db+(weights[i]-weights[0]) ); - cvInitMatHeader( x1, dcount, n1, CV_64F, x[i-1] ); - cvGEMM( x1, grad1, 1, &_dEdw, 1, &_dEdw, CV_GEMM_A_T ); - - // update bias part of dEdw - for( k = 0; k < dcount; k++ ) - { - double* dst = _dEdw.data.db + n1*n2; - const double* src = grad1->data.db + k*n2; - for(int j = 0; j < n2; j++ ) - dst[j] += src[j]; - } - - if (i > 1) - cvInitMatHeader( &_w, n1, n2, CV_64F, weights[i] ); - } - - cvInitMatHeader( grad2, dcount, n1, CV_64F, grad2->data.db ); - if( i > 1 ) - cvGEMM( grad1, &_w, 1, 0, 0, grad2, CV_GEMM_B_T ); - CV_SWAP( grad1, grad2, temp ); } } - cvFree(&x); - cvReleaseMat( &buf ); -} + void read( const FileNode& fn ) + { + clear(); + + vector _layer_sizes; + fn["layer_sizes"] >> _layer_sizes; + create( _layer_sizes ); + + int i, l_count = layer_count(); + read_params(fn); + + size_t esz = weights[0].elemSize(); + + FileNode w = fn["input_scale"]; + w.readRaw("d", weights[0].data, weights[0].total()*esz); + + w = fn["output_scale"]; + w.readRaw("d", weights[l_count].data, weights[l_count].total()*esz); + + w = fn["inv_output_scale"]; + w.readRaw("d", weights[l_count+1].data, weights[l_count+1].total()*esz); + + FileNodeIterator w_it = fn["weights"].begin(); + + for( i = 1; i < l_count; i++, ++w_it ) + (*w_it).readRaw("d", weights[i].data, weights[i].total()*esz); + trained = true; + } + + Mat getLayerSizes() const + { + return Mat_(layer_sizes, true); + } + + Mat getWeights(int layerIdx) const + { + CV_Assert( 0 <= layerIdx && layerIdx < (int)weights.size() ); + return weights[layerIdx]; + } + + bool isTrained() const + { + return trained; + } + + bool isClassifier() const + { + return false; + } + + int getVarCount() const + { + return layer_sizes.empty() ? 0 : layer_sizes[0]; + } + + String getDefaultModelName() const + { + return "opencv_ml_ann_mlp"; + } + + vector layer_sizes; + vector weights; + double f_param1, f_param2; + double min_val, max_val, min_val1, max_val1; + int activ_func; + int max_lsize, max_buf_sz; + Params params; + RNG rng; + Mutex mtx; + bool trained; }; -int CvANN_MLP::train_rprop( CvVectors x0, CvVectors u, const double* sw ) +Ptr ANN_MLP::create(const ANN_MLP::Params& params) { - const int max_buf_size = 1 << 16; - CvMat* dw = 0; - CvMat* dEdw = 0; - CvMat* prev_dEdw_sign = 0; - CvMat* buf = 0; - double **x = 0, **df = 0; - int iter = -1, count = x0.count; - - CV_FUNCNAME( "CvANN_MLP::train" ); - - __BEGIN__; - - int i, ivcount, ovcount, l_count, total = 0, max_iter, buf_sz, dcount0; - double *buf_ptr; - double prev_E = DBL_MAX*0.5, epsilon; - double dw_plus, dw_minus, dw_min, dw_max; - double inv_count; - - max_iter = params.term_crit.max_iter; - epsilon = params.term_crit.epsilon; - dw_plus = params.rp_dw_plus; - dw_minus = params.rp_dw_minus; - dw_min = params.rp_dw_min; - dw_max = params.rp_dw_max; - - l_count = layer_sizes->cols; - ivcount = layer_sizes->data.i[0]; - ovcount = layer_sizes->data.i[l_count-1]; - - // allocate buffers - for( i = 0; i < l_count; i++ ) - total += layer_sizes->data.i[i]; - - CV_CALL( dw = cvCreateMat( wbuf->rows, wbuf->cols, wbuf->type )); - cvSet( dw, cvScalarAll(params.rp_dw0) ); - CV_CALL( dEdw = cvCreateMat( wbuf->rows, wbuf->cols, wbuf->type )); - cvZero( dEdw ); - CV_CALL( prev_dEdw_sign = cvCreateMat( wbuf->rows, wbuf->cols, CV_8SC1 )); - cvZero( prev_dEdw_sign ); - - inv_count = 1./count; - dcount0 = max_buf_size/(2*total); - dcount0 = MAX( dcount0, 1 ); - dcount0 = MIN( dcount0, count ); - buf_sz = dcount0*(total + max_count)*2; - - CV_CALL( buf = cvCreateMat( 1, buf_sz, CV_64F )); - - CV_CALL( x = (double**)cvAlloc( total*2*sizeof(x[0]) )); - df = x + total; - buf_ptr = buf->data.db; - - for( i = 0; i < l_count; i++ ) - { - x[i] = buf_ptr; - df[i] = x[i] + layer_sizes->data.i[i]*dcount0; - buf_ptr += (df[i] - x[i])*2; - } - - // run rprop loop - /* - y_i(t) = w_i(t)*x_{i-1}(t) - x_i(t) = f(y_i(t)) - E = sum_over_all_samples(1/2*||u - x_N||^2) - grad_N = (x_N - u)*f'(y_i) - - MIN(dw_i{jk}(t)*dw_plus, dw_max), if dE/dw_i{jk}(t)*dE/dw_i{jk}(t-1) > 0 - dw_i{jk}(t) = MAX(dw_i{jk}(t)*dw_minus, dw_min), if dE/dw_i{jk}(t)*dE/dw_i{jk}(t-1) < 0 - dw_i{jk}(t-1) else - - if (dE/dw_i{jk}(t)*dE/dw_i{jk}(t-1) < 0) - dE/dw_i{jk}(t)<-0 - else - w_i{jk}(t+1) = w_i{jk}(t) + dw_i{jk}(t) - grad_{i-1}(t) = w_i^t(t)*grad_i(t) - */ - for( iter = 0; iter < max_iter; iter++ ) - { - int n1, n2, j, k; - double E = 0; - - // first, iterate through all the samples and compute dEdw - cv::parallel_for_(cv::Range(0, count), - rprop_loop(this, weights, count, ivcount, &x0, l_count, layer_sizes, - ovcount, max_count, &u, sw, inv_count, dEdw, dcount0, &E, buf_sz) - ); - - // now update weights - for( i = 1; i < l_count; i++ ) - { - n1 = layer_sizes->data.i[i-1]; n2 = layer_sizes->data.i[i]; - for( k = 0; k <= n1; k++ ) - { - double* wk = weights[i]+k*n2; - size_t delta = wk - weights[0]; - double* dwk = dw->data.db + delta; - double* dEdwk = dEdw->data.db + delta; - char* prevEk = (char*)(prev_dEdw_sign->data.ptr + delta); - - for( j = 0; j < n2; j++ ) - { - double Eval = dEdwk[j]; - double dval = dwk[j]; - double wval = wk[j]; - int s = CV_SIGN(Eval); - int ss = prevEk[j]*s; - if( ss > 0 ) - { - dval *= dw_plus; - dval = MIN( dval, dw_max ); - dwk[j] = dval; - wk[j] = wval + dval*s; - } - else if( ss < 0 ) - { - dval *= dw_minus; - dval = MAX( dval, dw_min ); - prevEk[j] = 0; - dwk[j] = dval; - wk[j] = wval + dval*s; - } - else - { - prevEk[j] = (char)s; - wk[j] = wval + dval*s; - } - dEdwk[j] = 0.; - } - } - } - - //printf("%d. E = %g\n", iter, E); - if( fabs(prev_E - E) < epsilon ) - break; - prev_E = E; - E = 0; - } - - __END__; - - cvReleaseMat( &dw ); - cvReleaseMat( &dEdw ); - cvReleaseMat( &prev_dEdw_sign ); - cvReleaseMat( &buf ); - cvFree( &x ); - - return iter; + Ptr ann = makePtr(params); + return ann; } - -void CvANN_MLP::write_params( CvFileStorage* fs ) const -{ - //CV_FUNCNAME( "CvANN_MLP::write_params" ); - - __BEGIN__; - - const char* activ_func_name = activ_func == IDENTITY ? "IDENTITY" : - activ_func == SIGMOID_SYM ? "SIGMOID_SYM" : - activ_func == GAUSSIAN ? "GAUSSIAN" : 0; - - if( activ_func_name ) - cvWriteString( fs, "activation_function", activ_func_name ); - else - cvWriteInt( fs, "activation_function", activ_func ); - - if( activ_func != IDENTITY ) - { - cvWriteReal( fs, "f_param1", f_param1 ); - cvWriteReal( fs, "f_param2", f_param2 ); - } - - cvWriteReal( fs, "min_val", min_val ); - cvWriteReal( fs, "max_val", max_val ); - cvWriteReal( fs, "min_val1", min_val1 ); - cvWriteReal( fs, "max_val1", max_val1 ); - - cvStartWriteStruct( fs, "training_params", CV_NODE_MAP ); - if( params.train_method == CvANN_MLP_TrainParams::BACKPROP ) - { - cvWriteString( fs, "train_method", "BACKPROP" ); - cvWriteReal( fs, "dw_scale", params.bp_dw_scale ); - cvWriteReal( fs, "moment_scale", params.bp_moment_scale ); - } - else if( params.train_method == CvANN_MLP_TrainParams::RPROP ) - { - cvWriteString( fs, "train_method", "RPROP" ); - cvWriteReal( fs, "dw0", params.rp_dw0 ); - cvWriteReal( fs, "dw_plus", params.rp_dw_plus ); - cvWriteReal( fs, "dw_minus", params.rp_dw_minus ); - cvWriteReal( fs, "dw_min", params.rp_dw_min ); - cvWriteReal( fs, "dw_max", params.rp_dw_max ); - } - - cvStartWriteStruct( fs, "term_criteria", CV_NODE_MAP + CV_NODE_FLOW ); - if( params.term_crit.type & CV_TERMCRIT_EPS ) - cvWriteReal( fs, "epsilon", params.term_crit.epsilon ); - if( params.term_crit.type & CV_TERMCRIT_ITER ) - cvWriteInt( fs, "iterations", params.term_crit.max_iter ); - cvEndWriteStruct( fs ); - - cvEndWriteStruct( fs ); - - __END__; -} - - -void CvANN_MLP::write( CvFileStorage* fs, const char* name ) const -{ - CV_FUNCNAME( "CvANN_MLP::write" ); - - __BEGIN__; - - int i, l_count = layer_sizes->cols; - - if( !layer_sizes ) - CV_ERROR( CV_StsError, "The network has not been initialized" ); - - cvStartWriteStruct( fs, name, CV_NODE_MAP, CV_TYPE_NAME_ML_ANN_MLP ); - - cvWrite( fs, "layer_sizes", layer_sizes ); - - write_params( fs ); - - cvStartWriteStruct( fs, "input_scale", CV_NODE_SEQ + CV_NODE_FLOW ); - cvWriteRawData( fs, weights[0], layer_sizes->data.i[0]*2, "d" ); - cvEndWriteStruct( fs ); - - cvStartWriteStruct( fs, "output_scale", CV_NODE_SEQ + CV_NODE_FLOW ); - cvWriteRawData( fs, weights[l_count], layer_sizes->data.i[l_count-1]*2, "d" ); - cvEndWriteStruct( fs ); - - cvStartWriteStruct( fs, "inv_output_scale", CV_NODE_SEQ + CV_NODE_FLOW ); - cvWriteRawData( fs, weights[l_count+1], layer_sizes->data.i[l_count-1]*2, "d" ); - cvEndWriteStruct( fs ); - - cvStartWriteStruct( fs, "weights", CV_NODE_SEQ ); - for( i = 1; i < l_count; i++ ) - { - cvStartWriteStruct( fs, 0, CV_NODE_SEQ + CV_NODE_FLOW ); - cvWriteRawData( fs, weights[i], (layer_sizes->data.i[i-1]+1)*layer_sizes->data.i[i], "d" ); - cvEndWriteStruct( fs ); - } - - cvEndWriteStruct( fs ); - - __END__; -} - - -void CvANN_MLP::read_params( CvFileStorage* fs, CvFileNode* node ) -{ - //CV_FUNCNAME( "CvANN_MLP::read_params" ); - - __BEGIN__; - - const char* activ_func_name = cvReadStringByName( fs, node, "activation_function", 0 ); - CvFileNode* tparams_node; - - if( activ_func_name ) - activ_func = strcmp( activ_func_name, "SIGMOID_SYM" ) == 0 ? SIGMOID_SYM : - strcmp( activ_func_name, "IDENTITY" ) == 0 ? IDENTITY : - strcmp( activ_func_name, "GAUSSIAN" ) == 0 ? GAUSSIAN : 0; - else - activ_func = cvReadIntByName( fs, node, "activation_function" ); - - f_param1 = cvReadRealByName( fs, node, "f_param1", 0 ); - f_param2 = cvReadRealByName( fs, node, "f_param2", 0 ); - - set_activ_func( activ_func, f_param1, f_param2 ); - - min_val = cvReadRealByName( fs, node, "min_val", 0. ); - max_val = cvReadRealByName( fs, node, "max_val", 1. ); - min_val1 = cvReadRealByName( fs, node, "min_val1", 0. ); - max_val1 = cvReadRealByName( fs, node, "max_val1", 1. ); - - tparams_node = cvGetFileNodeByName( fs, node, "training_params" ); - params = CvANN_MLP_TrainParams(); - - if( tparams_node ) - { - const char* tmethod_name = cvReadStringByName( fs, tparams_node, "train_method", "" ); - CvFileNode* tcrit_node; - - if( strcmp( tmethod_name, "BACKPROP" ) == 0 ) - { - params.train_method = CvANN_MLP_TrainParams::BACKPROP; - params.bp_dw_scale = cvReadRealByName( fs, tparams_node, "dw_scale", 0 ); - params.bp_moment_scale = cvReadRealByName( fs, tparams_node, "moment_scale", 0 ); - } - else if( strcmp( tmethod_name, "RPROP" ) == 0 ) - { - params.train_method = CvANN_MLP_TrainParams::RPROP; - params.rp_dw0 = cvReadRealByName( fs, tparams_node, "dw0", 0 ); - params.rp_dw_plus = cvReadRealByName( fs, tparams_node, "dw_plus", 0 ); - params.rp_dw_minus = cvReadRealByName( fs, tparams_node, "dw_minus", 0 ); - params.rp_dw_min = cvReadRealByName( fs, tparams_node, "dw_min", 0 ); - params.rp_dw_max = cvReadRealByName( fs, tparams_node, "dw_max", 0 ); - } - - tcrit_node = cvGetFileNodeByName( fs, tparams_node, "term_criteria" ); - if( tcrit_node ) - { - params.term_crit.epsilon = cvReadRealByName( fs, tcrit_node, "epsilon", -1 ); - params.term_crit.max_iter = cvReadIntByName( fs, tcrit_node, "iterations", -1 ); - params.term_crit.type = (params.term_crit.epsilon >= 0 ? CV_TERMCRIT_EPS : 0) + - (params.term_crit.max_iter >= 0 ? CV_TERMCRIT_ITER : 0); - } - } - - __END__; -} - - -void CvANN_MLP::read( CvFileStorage* fs, CvFileNode* node ) -{ - CvMat* _layer_sizes = 0; - - CV_FUNCNAME( "CvANN_MLP::read" ); - - __BEGIN__; - - CvFileNode* w; - CvSeqReader reader; - int i, l_count; - - _layer_sizes = (CvMat*)cvReadByName( fs, node, "layer_sizes" ); - CV_CALL( create( _layer_sizes, SIGMOID_SYM, 0, 0 )); - l_count = layer_sizes->cols; - - CV_CALL( read_params( fs, node )); - - w = cvGetFileNodeByName( fs, node, "input_scale" ); - if( !w || CV_NODE_TYPE(w->tag) != CV_NODE_SEQ || - w->data.seq->total != layer_sizes->data.i[0]*2 ) - CV_ERROR( CV_StsParseError, "input_scale tag is not found or is invalid" ); - - CV_CALL( cvReadRawData( fs, w, weights[0], "d" )); - - w = cvGetFileNodeByName( fs, node, "output_scale" ); - if( !w || CV_NODE_TYPE(w->tag) != CV_NODE_SEQ || - w->data.seq->total != layer_sizes->data.i[l_count-1]*2 ) - CV_ERROR( CV_StsParseError, "output_scale tag is not found or is invalid" ); - - CV_CALL( cvReadRawData( fs, w, weights[l_count], "d" )); - - w = cvGetFileNodeByName( fs, node, "inv_output_scale" ); - if( !w || CV_NODE_TYPE(w->tag) != CV_NODE_SEQ || - w->data.seq->total != layer_sizes->data.i[l_count-1]*2 ) - CV_ERROR( CV_StsParseError, "inv_output_scale tag is not found or is invalid" ); - - CV_CALL( cvReadRawData( fs, w, weights[l_count+1], "d" )); - - w = cvGetFileNodeByName( fs, node, "weights" ); - if( !w || CV_NODE_TYPE(w->tag) != CV_NODE_SEQ || - w->data.seq->total != l_count - 1 ) - CV_ERROR( CV_StsParseError, "weights tag is not found or is invalid" ); - - cvStartReadSeq( w->data.seq, &reader ); - - for( i = 1; i < l_count; i++ ) - { - w = (CvFileNode*)reader.ptr; - CV_CALL( cvReadRawData( fs, w, weights[i], "d" )); - CV_NEXT_SEQ_ELEM( reader.seq->elem_size, reader ); - } - - __END__; -} - -using namespace cv; - -CvANN_MLP::CvANN_MLP( const Mat& _layer_sizes, int _activ_func, - double _f_param1, double _f_param2 ) -{ - layer_sizes = wbuf = 0; - min_val = max_val = min_val1 = max_val1 = 0.; - weights = 0; - rng = &cv::theRNG(); - default_model_name = "my_nn"; - create( _layer_sizes, _activ_func, _f_param1, _f_param2 ); -} - -void CvANN_MLP::create( const Mat& _layer_sizes, int _activ_func, - double _f_param1, double _f_param2 ) -{ - CvMat cvlayer_sizes = _layer_sizes; - create( &cvlayer_sizes, _activ_func, _f_param1, _f_param2 ); -} - -int CvANN_MLP::train( const Mat& _inputs, const Mat& _outputs, - const Mat& _sample_weights, const Mat& _sample_idx, - CvANN_MLP_TrainParams _params, int flags ) -{ - CvMat inputs = _inputs, outputs = _outputs, sweights = _sample_weights, sidx = _sample_idx; - return train(&inputs, &outputs, sweights.data.ptr ? &sweights : 0, - sidx.data.ptr ? &sidx : 0, _params, flags); -} - -float CvANN_MLP::predict( const Mat& _inputs, Mat& _outputs ) const -{ - CV_Assert(layer_sizes != 0); - _outputs.create(_inputs.rows, layer_sizes->data.i[layer_sizes->cols-1], _inputs.type()); - CvMat inputs = _inputs, outputs = _outputs; - - return predict(&inputs, &outputs); -} +}} /* End of file. */ diff --git a/modules/ml/src/boost.cpp b/modules/ml/src/boost.cpp index a22e13a532..5e0b307338 100644 --- a/modules/ml/src/boost.cpp +++ b/modules/ml/src/boost.cpp @@ -7,9 +7,11 @@ // copy or use the software. // // -// Intel License Agreement +// License Agreement +// For Open Source Computer Vision Library // // Copyright (C) 2000, Intel Corporation, all rights reserved. +// Copyright (C) 2014, Itseez Inc, all rights reserved. // Third party copyrights are property of their respective owners. // // Redistribution and use in source and binary forms, with or without modification, @@ -22,7 +24,7 @@ // this list of conditions and the following disclaimer in the documentation // and/or other materials provided with the distribution. // -// * The name of Intel Corporation may not be used to endorse or promote products +// * The name of the copyright holders may not be used to endorse or promote products // derived from this software without specific prior written permission. // // This software is provided by the copyright holders and contributors "as is" and @@ -40,1309 +42,255 @@ #include "precomp.hpp" +namespace cv { namespace ml { + static inline double log_ratio( double val ) { const double eps = 1e-5; - - val = MAX( val, eps ); - val = MIN( val, 1. - eps ); + val = std::max( val, eps ); + val = std::min( val, 1. - eps ); return log( val/(1. - val) ); } -CvBoostParams::CvBoostParams() +Boost::Params::Params() { - boost_type = CvBoost::REAL; - weak_count = 100; - weight_trim_rate = 0.95; - cv_folds = 0; - max_depth = 1; + boostType = Boost::REAL; + weakCount = 100; + weightTrimRate = 0.95; + CVFolds = 0; + maxDepth = 1; } -CvBoostParams::CvBoostParams( int _boost_type, int _weak_count, - double _weight_trim_rate, int _max_depth, - bool _use_surrogates, const float* _priors ) +Boost::Params::Params( int _boostType, int _weak_count, + double _weightTrimRate, int _maxDepth, + bool _use_surrogates, const Mat& _priors ) { - boost_type = _boost_type; - weak_count = _weak_count; - weight_trim_rate = _weight_trim_rate; - split_criteria = CvBoost::DEFAULT; - cv_folds = 0; - max_depth = _max_depth; - use_surrogates = _use_surrogates; + boostType = _boostType; + weakCount = _weak_count; + weightTrimRate = _weightTrimRate; + CVFolds = 0; + maxDepth = _maxDepth; + useSurrogates = _use_surrogates; priors = _priors; } - -///////////////////////////////// CvBoostTree /////////////////////////////////// - -CvBoostTree::CvBoostTree() -{ - ensemble = 0; -} - - -CvBoostTree::~CvBoostTree() -{ - clear(); -} - - -void -CvBoostTree::clear() -{ - CvDTree::clear(); - ensemble = 0; -} - - -bool -CvBoostTree::train( CvDTreeTrainData* _train_data, - const CvMat* _subsample_idx, CvBoost* _ensemble ) -{ - clear(); - ensemble = _ensemble; - data = _train_data; - data->shared = true; - return do_train( _subsample_idx ); -} - - -bool -CvBoostTree::train( const CvMat*, int, const CvMat*, const CvMat*, - const CvMat*, const CvMat*, const CvMat*, CvDTreeParams ) -{ - assert(0); - return false; -} - - -bool -CvBoostTree::train( CvDTreeTrainData*, const CvMat* ) -{ - assert(0); - return false; -} - - -void -CvBoostTree::scale( double _scale ) -{ - CvDTreeNode* node = root; - - // traverse the tree and scale all the node values - for(;;) - { - CvDTreeNode* parent; - for(;;) - { - node->value *= _scale; - if( !node->left ) - break; - node = node->left; - } - - for( parent = node->parent; parent && parent->right == node; - node = parent, parent = parent->parent ) - ; - - if( !parent ) - break; - - node = parent->right; - } -} - - -void -CvBoostTree::try_split_node( CvDTreeNode* node ) -{ - CvDTree::try_split_node( node ); - - if( !node->left ) - { - // if the node has not been split, - // store the responses for the corresponding training samples - double* weak_eval = ensemble->get_weak_response()->data.db; - cv::AutoBuffer inn_buf(node->sample_count); - const int* labels = data->get_cv_labels( node, (int*)inn_buf ); - int i, count = node->sample_count; - double value = node->value; - - for( i = 0; i < count; i++ ) - weak_eval[labels[i]] = value; - } -} - - -double -CvBoostTree::calc_node_dir( CvDTreeNode* node ) -{ - char* dir = (char*)data->direction->data.ptr; - const double* weights = ensemble->get_subtree_weights()->data.db; - int i, n = node->sample_count, vi = node->split->var_idx; - double L, R; - - assert( !node->split->inversed ); - - if( data->get_var_type(vi) >= 0 ) // split on categorical var - { - cv::AutoBuffer inn_buf(n); - const int* cat_labels = data->get_cat_var_data( node, vi, (int*)inn_buf ); - const int* subset = node->split->subset; - double sum = 0, sum_abs = 0; - - for( i = 0; i < n; i++ ) - { - int idx = ((cat_labels[i] == 65535) && data->is_buf_16u) ? -1 : cat_labels[i]; - double w = weights[i]; - int d = idx >= 0 ? CV_DTREE_CAT_DIR(idx,subset) : 0; - sum += d*w; sum_abs += (d & 1)*w; - dir[i] = (char)d; - } - - R = (sum_abs + sum) * 0.5; - L = (sum_abs - sum) * 0.5; - } - else // split on ordered var - { - cv::AutoBuffer inn_buf(2*n*sizeof(int)+n*sizeof(float)); - float* values_buf = (float*)(uchar*)inn_buf; - int* sorted_indices_buf = (int*)(values_buf + n); - int* sample_indices_buf = sorted_indices_buf + n; - const float* values = 0; - const int* sorted_indices = 0; - data->get_ord_var_data( node, vi, values_buf, sorted_indices_buf, &values, &sorted_indices, sample_indices_buf ); - int split_point = node->split->ord.split_point; - int n1 = node->get_num_valid(vi); - - assert( 0 <= split_point && split_point < n1-1 ); - L = R = 0; - - for( i = 0; i <= split_point; i++ ) - { - int idx = sorted_indices[i]; - double w = weights[idx]; - dir[idx] = (char)-1; - L += w; - } - - for( ; i < n1; i++ ) - { - int idx = sorted_indices[i]; - double w = weights[idx]; - dir[idx] = (char)1; - R += w; - } - - for( ; i < n; i++ ) - dir[sorted_indices[i]] = (char)0; - } - - node->maxlr = MAX( L, R ); - return node->split->quality/(L + R); -} - - -CvDTreeSplit* -CvBoostTree::find_split_ord_class( CvDTreeNode* node, int vi, float init_quality, - CvDTreeSplit* _split, uchar* _ext_buf ) -{ - const float epsilon = FLT_EPSILON*2; - - const double* weights = ensemble->get_subtree_weights()->data.db; - int n = node->sample_count; - int n1 = node->get_num_valid(vi); - - cv::AutoBuffer inn_buf; - if( !_ext_buf ) - inn_buf.allocate(n*(3*sizeof(int)+sizeof(float))); - uchar* ext_buf = _ext_buf ? _ext_buf : (uchar*)inn_buf; - float* values_buf = (float*)ext_buf; - int* sorted_indices_buf = (int*)(values_buf + n); - int* sample_indices_buf = sorted_indices_buf + n; - const float* values = 0; - const int* sorted_indices = 0; - data->get_ord_var_data( node, vi, values_buf, sorted_indices_buf, &values, &sorted_indices, sample_indices_buf ); - int* responses_buf = sorted_indices_buf + n; - const int* responses = data->get_class_labels( node, responses_buf ); - const double* rcw0 = weights + n; - double lcw[2] = {0,0}, rcw[2]; - int i, best_i = -1; - double best_val = init_quality; - int boost_type = ensemble->get_params().boost_type; - int split_criteria = ensemble->get_params().split_criteria; - - rcw[0] = rcw0[0]; rcw[1] = rcw0[1]; - for( i = n1; i < n; i++ ) - { - int idx = sorted_indices[i]; - double w = weights[idx]; - rcw[responses[idx]] -= w; - } - - if( split_criteria != CvBoost::GINI && split_criteria != CvBoost::MISCLASS ) - split_criteria = boost_type == CvBoost::DISCRETE ? CvBoost::MISCLASS : CvBoost::GINI; - - if( split_criteria == CvBoost::GINI ) - { - double L = 0, R = rcw[0] + rcw[1]; - double lsum2 = 0, rsum2 = rcw[0]*rcw[0] + rcw[1]*rcw[1]; - - for( i = 0; i < n1 - 1; i++ ) - { - int idx = sorted_indices[i]; - double w = weights[idx], w2 = w*w; - double lv, rv; - idx = responses[idx]; - L += w; R -= w; - lv = lcw[idx]; rv = rcw[idx]; - lsum2 += 2*lv*w + w2; - rsum2 -= 2*rv*w - w2; - lcw[idx] = lv + w; rcw[idx] = rv - w; - - if( values[i] + epsilon < values[i+1] ) - { - double val = (lsum2*R + rsum2*L)/(L*R); - if( best_val < val ) - { - best_val = val; - best_i = i; - } - } - } - } - else - { - for( i = 0; i < n1 - 1; i++ ) - { - int idx = sorted_indices[i]; - double w = weights[idx]; - idx = responses[idx]; - lcw[idx] += w; - rcw[idx] -= w; - - if( values[i] + epsilon < values[i+1] ) - { - double val = lcw[0] + rcw[1], val2 = lcw[1] + rcw[0]; - val = MAX(val, val2); - if( best_val < val ) - { - best_val = val; - best_i = i; - } - } - } - } - - CvDTreeSplit* split = 0; - if( best_i >= 0 ) - { - split = _split ? _split : data->new_split_ord( 0, 0.0f, 0, 0, 0.0f ); - split->var_idx = vi; - split->ord.c = (values[best_i] + values[best_i+1])*0.5f; - split->ord.split_point = best_i; - split->inversed = 0; - split->quality = (float)best_val; - } - return split; -} - -template -class LessThanPtr +class DTreesImplForBoost : public DTreesImpl { public: - bool operator()(T* a, T* b) const { return *a < *b; } -}; + DTreesImplForBoost() {} + virtual ~DTreesImplForBoost() {} -CvDTreeSplit* -CvBoostTree::find_split_cat_class( CvDTreeNode* node, int vi, float init_quality, CvDTreeSplit* _split, uchar* _ext_buf ) -{ - int ci = data->get_var_type(vi); - int n = node->sample_count; - int mi = data->cat_count->data.i[ci]; + bool isClassifier() const { return true; } - int base_size = (2*mi+3)*sizeof(double) + mi*sizeof(double*); - cv::AutoBuffer inn_buf((2*mi+3)*sizeof(double) + mi*sizeof(double*)); - if( !_ext_buf) - inn_buf.allocate( base_size + 2*n*sizeof(int) ); - uchar* base_buf = (uchar*)inn_buf; - uchar* ext_buf = _ext_buf ? _ext_buf : base_buf + base_size; - - int* cat_labels_buf = (int*)ext_buf; - const int* cat_labels = data->get_cat_var_data(node, vi, cat_labels_buf); - int* responses_buf = cat_labels_buf + n; - const int* responses = data->get_class_labels(node, responses_buf); - double lcw[2]={0,0}, rcw[2]={0,0}; - - double* cjk = (double*)cv::alignPtr(base_buf,sizeof(double))+2; - const double* weights = ensemble->get_subtree_weights()->data.db; - double** dbl_ptr = (double**)(cjk + 2*mi); - int i, j, k, idx; - double L = 0, R; - double best_val = init_quality; - int best_subset = -1, subset_i; - int boost_type = ensemble->get_params().boost_type; - int split_criteria = ensemble->get_params().split_criteria; - - // init array of counters: - // c_{jk} - number of samples that have vi-th input variable = j and response = k. - for( j = -1; j < mi; j++ ) - cjk[j*2] = cjk[j*2+1] = 0; - - for( i = 0; i < n; i++ ) + void setBParams(const Boost::Params& p) { - double w = weights[i]; - j = ((cat_labels[i] == 65535) && data->is_buf_16u) ? -1 : cat_labels[i]; - k = responses[i]; - cjk[j*2 + k] += w; + bparams = p; } - for( j = 0; j < mi; j++ ) + Boost::Params getBParams() const { - rcw[0] += cjk[j*2]; - rcw[1] += cjk[j*2+1]; - dbl_ptr[j] = cjk + j*2 + 1; + return bparams; } - R = rcw[0] + rcw[1]; - - if( split_criteria != CvBoost::GINI && split_criteria != CvBoost::MISCLASS ) - split_criteria = boost_type == CvBoost::DISCRETE ? CvBoost::MISCLASS : CvBoost::GINI; - - // sort rows of c_jk by increasing c_j,1 - // (i.e. by the weight of samples in j-th category that belong to class 1) - std::sort(dbl_ptr, dbl_ptr + mi, LessThanPtr()); - - for( subset_i = 0; subset_i < mi-1; subset_i++ ) + void clear() { - idx = (int)(dbl_ptr[subset_i] - cjk)/2; - const double* crow = cjk + idx*2; - double w0 = crow[0], w1 = crow[1]; - double weight = w0 + w1; + DTreesImpl::clear(); + } - if( weight < FLT_EPSILON ) - continue; + void startTraining( const Ptr& trainData, int flags ) + { + DTreesImpl::startTraining(trainData, flags); + sumResult.assign(w->sidx.size(), 0.); - lcw[0] += w0; rcw[0] -= w0; - lcw[1] += w1; rcw[1] -= w1; - - if( split_criteria == CvBoost::GINI ) + if( bparams.boostType != Boost::DISCRETE ) { - double lsum2 = lcw[0]*lcw[0] + lcw[1]*lcw[1]; - double rsum2 = rcw[0]*rcw[0] + rcw[1]*rcw[1]; + _isClassifier = false; + int i, n = (int)w->cat_responses.size(); + w->ord_responses.resize(n); - L += weight; - R -= weight; - - if( L > FLT_EPSILON && R > FLT_EPSILON ) + double a = -1, b = 1; + if( bparams.boostType == Boost::LOGIT ) { - double val = (lsum2*R + rsum2*L)/(L*R); - if( best_val < val ) - { - best_val = val; - best_subset = subset_i; - } + a = -2, b = 2; } + for( i = 0; i < n; i++ ) + w->ord_responses[i] = w->cat_responses[i] > 0 ? b : a; + } + + normalizeWeights(); + } + + void normalizeWeights() + { + int i, n = (int)w->sidx.size(); + double sumw = 0, a, b; + for( i = 0; i < n; i++ ) + sumw += w->sample_weights[w->sidx[i]]; + if( sumw > DBL_EPSILON ) + { + a = 1./sumw; + b = 0; } else { - double val = lcw[0] + rcw[1]; - double val2 = lcw[1] + rcw[0]; - - val = MAX(val, val2); - if( best_val < val ) - { - best_val = val; - best_subset = subset_i; - } + a = 0; + b = 1; } - } - - CvDTreeSplit* split = 0; - if( best_subset >= 0 ) - { - split = _split ? _split : data->new_split_cat( 0, -1.0f); - split->var_idx = vi; - split->quality = (float)best_val; - memset( split->subset, 0, (data->max_c_count + 31)/32 * sizeof(int)); - for( i = 0; i <= best_subset; i++ ) - { - idx = (int)(dbl_ptr[i] - cjk) >> 1; - split->subset[idx >> 5] |= 1 << (idx & 31); - } - } - return split; -} - - -CvDTreeSplit* -CvBoostTree::find_split_ord_reg( CvDTreeNode* node, int vi, float init_quality, CvDTreeSplit* _split, uchar* _ext_buf ) -{ - const float epsilon = FLT_EPSILON*2; - const double* weights = ensemble->get_subtree_weights()->data.db; - int n = node->sample_count; - int n1 = node->get_num_valid(vi); - - cv::AutoBuffer inn_buf; - if( !_ext_buf ) - inn_buf.allocate(2*n*(sizeof(int)+sizeof(float))); - uchar* ext_buf = _ext_buf ? _ext_buf : (uchar*)inn_buf; - - float* values_buf = (float*)ext_buf; - int* indices_buf = (int*)(values_buf + n); - int* sample_indices_buf = indices_buf + n; - const float* values = 0; - const int* indices = 0; - data->get_ord_var_data( node, vi, values_buf, indices_buf, &values, &indices, sample_indices_buf ); - float* responses_buf = (float*)(indices_buf + n); - const float* responses = data->get_ord_responses( node, responses_buf, sample_indices_buf ); - - int i, best_i = -1; - double L = 0, R = weights[n]; - double best_val = init_quality, lsum = 0, rsum = node->value*R; - - // compensate for missing values - for( i = n1; i < n; i++ ) - { - int idx = indices[i]; - double w = weights[idx]; - rsum -= responses[idx]*w; - R -= w; - } - - // find the optimal split - for( i = 0; i < n1 - 1; i++ ) - { - int idx = indices[i]; - double w = weights[idx]; - double t = responses[idx]*w; - L += w; R -= w; - lsum += t; rsum -= t; - - if( values[i] + epsilon < values[i+1] ) - { - double val = (lsum*lsum*R + rsum*rsum*L)/(L*R); - if( best_val < val ) - { - best_val = val; - best_i = i; - } - } - } - - CvDTreeSplit* split = 0; - if( best_i >= 0 ) - { - split = _split ? _split : data->new_split_ord( 0, 0.0f, 0, 0, 0.0f ); - split->var_idx = vi; - split->ord.c = (values[best_i] + values[best_i+1])*0.5f; - split->ord.split_point = best_i; - split->inversed = 0; - split->quality = (float)best_val; - } - return split; -} - - -CvDTreeSplit* -CvBoostTree::find_split_cat_reg( CvDTreeNode* node, int vi, float init_quality, CvDTreeSplit* _split, uchar* _ext_buf ) -{ - const double* weights = ensemble->get_subtree_weights()->data.db; - int ci = data->get_var_type(vi); - int n = node->sample_count; - int mi = data->cat_count->data.i[ci]; - int base_size = (2*mi+3)*sizeof(double) + mi*sizeof(double*); - cv::AutoBuffer inn_buf(base_size); - if( !_ext_buf ) - inn_buf.allocate(base_size + n*(2*sizeof(int) + sizeof(float))); - uchar* base_buf = (uchar*)inn_buf; - uchar* ext_buf = _ext_buf ? _ext_buf : base_buf + base_size; - - int* cat_labels_buf = (int*)ext_buf; - const int* cat_labels = data->get_cat_var_data(node, vi, cat_labels_buf); - float* responses_buf = (float*)(cat_labels_buf + n); - int* sample_indices_buf = (int*)(responses_buf + n); - const float* responses = data->get_ord_responses(node, responses_buf, sample_indices_buf); - - double* sum = (double*)cv::alignPtr(base_buf,sizeof(double)) + 1; - double* counts = sum + mi + 1; - double** sum_ptr = (double**)(counts + mi); - double L = 0, R = 0, best_val = init_quality, lsum = 0, rsum = 0; - int i, best_subset = -1, subset_i; - - for( i = -1; i < mi; i++ ) - sum[i] = counts[i] = 0; - - // calculate sum response and weight of each category of the input var - for( i = 0; i < n; i++ ) - { - int idx = ((cat_labels[i] == 65535) && data->is_buf_16u) ? -1 : cat_labels[i]; - double w = weights[i]; - double s = sum[idx] + responses[i]*w; - double nc = counts[idx] + w; - sum[idx] = s; - counts[idx] = nc; - } - - // calculate average response in each category - for( i = 0; i < mi; i++ ) - { - R += counts[i]; - rsum += sum[i]; - sum[i] = fabs(counts[i]) > DBL_EPSILON ? sum[i]/counts[i] : 0; - sum_ptr[i] = sum + i; - } - - std::sort(sum_ptr, sum_ptr + mi, LessThanPtr()); - - // revert back to unnormalized sums - // (there should be a very little loss in accuracy) - for( i = 0; i < mi; i++ ) - sum[i] *= counts[i]; - - for( subset_i = 0; subset_i < mi-1; subset_i++ ) - { - int idx = (int)(sum_ptr[subset_i] - sum); - double ni = counts[idx]; - - if( ni > FLT_EPSILON ) - { - double s = sum[idx]; - lsum += s; L += ni; - rsum -= s; R -= ni; - - if( L > FLT_EPSILON && R > FLT_EPSILON ) - { - double val = (lsum*lsum*R + rsum*rsum*L)/(L*R); - if( best_val < val ) - { - best_val = val; - best_subset = subset_i; - } - } - } - } - - CvDTreeSplit* split = 0; - if( best_subset >= 0 ) - { - split = _split ? _split : data->new_split_cat( 0, -1.0f); - split->var_idx = vi; - split->quality = (float)best_val; - memset( split->subset, 0, (data->max_c_count + 31)/32 * sizeof(int)); - for( i = 0; i <= best_subset; i++ ) - { - int idx = (int)(sum_ptr[i] - sum); - split->subset[idx >> 5] |= 1 << (idx & 31); - } - } - return split; -} - - -CvDTreeSplit* -CvBoostTree::find_surrogate_split_ord( CvDTreeNode* node, int vi, uchar* _ext_buf ) -{ - const float epsilon = FLT_EPSILON*2; - int n = node->sample_count; - cv::AutoBuffer inn_buf; - if( !_ext_buf ) - inn_buf.allocate(n*(2*sizeof(int)+sizeof(float))); - uchar* ext_buf = _ext_buf ? _ext_buf : (uchar*)inn_buf; - float* values_buf = (float*)ext_buf; - int* indices_buf = (int*)(values_buf + n); - int* sample_indices_buf = indices_buf + n; - const float* values = 0; - const int* indices = 0; - data->get_ord_var_data( node, vi, values_buf, indices_buf, &values, &indices, sample_indices_buf ); - - const double* weights = ensemble->get_subtree_weights()->data.db; - const char* dir = (char*)data->direction->data.ptr; - int n1 = node->get_num_valid(vi); - // LL - number of samples that both the primary and the surrogate splits send to the left - // LR - ... primary split sends to the left and the surrogate split sends to the right - // RL - ... primary split sends to the right and the surrogate split sends to the left - // RR - ... both send to the right - int i, best_i = -1, best_inversed = 0; - double best_val; - double LL = 0, RL = 0, LR, RR; - double worst_val = node->maxlr; - double sum = 0, sum_abs = 0; - best_val = worst_val; - - for( i = 0; i < n1; i++ ) - { - int idx = indices[i]; - double w = weights[idx]; - int d = dir[idx]; - sum += d*w; sum_abs += (d & 1)*w; - } - - // sum_abs = R + L; sum = R - L - RR = (sum_abs + sum)*0.5; - LR = (sum_abs - sum)*0.5; - - // initially all the samples are sent to the right by the surrogate split, - // LR of them are sent to the left by primary split, and RR - to the right. - // now iteratively compute LL, LR, RL and RR for every possible surrogate split value. - for( i = 0; i < n1 - 1; i++ ) - { - int idx = indices[i]; - double w = weights[idx]; - int d = dir[idx]; - - if( d < 0 ) - { - LL += w; LR -= w; - if( LL + RR > best_val && values[i] + epsilon < values[i+1] ) - { - best_val = LL + RR; - best_i = i; best_inversed = 0; - } - } - else if( d > 0 ) - { - RL += w; RR -= w; - if( RL + LR > best_val && values[i] + epsilon < values[i+1] ) - { - best_val = RL + LR; - best_i = i; best_inversed = 1; - } - } - } - - return best_i >= 0 && best_val > node->maxlr ? data->new_split_ord( vi, - (values[best_i] + values[best_i+1])*0.5f, best_i, - best_inversed, (float)best_val ) : 0; -} - - -CvDTreeSplit* -CvBoostTree::find_surrogate_split_cat( CvDTreeNode* node, int vi, uchar* _ext_buf ) -{ - const char* dir = (char*)data->direction->data.ptr; - const double* weights = ensemble->get_subtree_weights()->data.db; - int n = node->sample_count; - int i, mi = data->cat_count->data.i[data->get_var_type(vi)]; - - int base_size = (2*mi+3)*sizeof(double); - cv::AutoBuffer inn_buf(base_size); - if( !_ext_buf ) - inn_buf.allocate(base_size + n*sizeof(int)); - uchar* ext_buf = _ext_buf ? _ext_buf : (uchar*)inn_buf; - int* cat_labels_buf = (int*)ext_buf; - const int* cat_labels = data->get_cat_var_data(node, vi, cat_labels_buf); - - // LL - number of samples that both the primary and the surrogate splits send to the left - // LR - ... primary split sends to the left and the surrogate split sends to the right - // RL - ... primary split sends to the right and the surrogate split sends to the left - // RR - ... both send to the right - CvDTreeSplit* split = data->new_split_cat( vi, 0 ); - double best_val = 0; - double* lc = (double*)cv::alignPtr(cat_labels_buf + n, sizeof(double)) + 1; - double* rc = lc + mi + 1; - - for( i = -1; i < mi; i++ ) - lc[i] = rc[i] = 0; - - // 1. for each category calculate the weight of samples - // sent to the left (lc) and to the right (rc) by the primary split - for( i = 0; i < n; i++ ) - { - int idx = ((cat_labels[i] == 65535) && data->is_buf_16u) ? -1 : cat_labels[i]; - double w = weights[i]; - int d = dir[i]; - double sum = lc[idx] + d*w; - double sum_abs = rc[idx] + (d & 1)*w; - lc[idx] = sum; rc[idx] = sum_abs; - } - - for( i = 0; i < mi; i++ ) - { - double sum = lc[i]; - double sum_abs = rc[i]; - lc[i] = (sum_abs - sum) * 0.5; - rc[i] = (sum_abs + sum) * 0.5; - } - - // 2. now form the split. - // in each category send all the samples to the same direction as majority - for( i = 0; i < mi; i++ ) - { - double lval = lc[i], rval = rc[i]; - if( lval > rval ) - { - split->subset[i >> 5] |= 1 << (i & 31); - best_val += lval; - } - else - best_val += rval; - } - - split->quality = (float)best_val; - if( split->quality <= node->maxlr ) - cvSetRemoveByPtr( data->split_heap, split ), split = 0; - - return split; -} - - -void -CvBoostTree::calc_node_value( CvDTreeNode* node ) -{ - int i, n = node->sample_count; - const double* weights = ensemble->get_weights()->data.db; - cv::AutoBuffer inn_buf(n*(sizeof(int) + ( data->is_classifier ? sizeof(int) : sizeof(int) + sizeof(float)))); - int* labels_buf = (int*)(uchar*)inn_buf; - const int* labels = data->get_cv_labels(node, labels_buf); - double* subtree_weights = ensemble->get_subtree_weights()->data.db; - double rcw[2] = {0,0}; - int boost_type = ensemble->get_params().boost_type; - - if( data->is_classifier ) - { - int* _responses_buf = labels_buf + n; - const int* _responses = data->get_class_labels(node, _responses_buf); - int m = data->get_num_classes(); - int* cls_count = data->counts->data.i; - for( int k = 0; k < m; k++ ) - cls_count[k] = 0; - for( i = 0; i < n; i++ ) { - int idx = labels[i]; - double w = weights[idx]; - int r = _responses[i]; - rcw[r] += w; - cls_count[r]++; - subtree_weights[i] = w; + double& wval = w->sample_weights[w->sidx[i]]; + wval = wval*a + b; } + } - node->class_idx = rcw[1] > rcw[0]; + void endTraining() + { + DTreesImpl::endTraining(); + vector e; + std::swap(sumResult, e); + } - if( boost_type == CvBoost::DISCRETE ) + void scaleTree( int root, double scale ) + { + int nidx = root, pidx = 0; + Node *node = 0; + + // traverse the tree and save all the nodes in depth-first order + for(;;) { - // ignore cat_map for responses, and use {-1,1}, - // as the whole ensemble response is computes as sign(sum_i(weak_response_i) - node->value = node->class_idx*2 - 1; + for(;;) + { + node = &nodes[nidx]; + node->value *= scale; + if( node->left < 0 ) + break; + nidx = node->left; + } + + for( pidx = node->parent; pidx >= 0 && nodes[pidx].right == nidx; + nidx = pidx, pidx = nodes[pidx].parent ) + ; + + if( pidx < 0 ) + break; + + nidx = nodes[pidx].right; } - else - { - double p = rcw[1]/(rcw[0] + rcw[1]); - assert( boost_type == CvBoost::REAL ); + } - // store log-ratio of the probability + void calcValue( int nidx, const vector& _sidx ) + { + DTreesImpl::calcValue(nidx, _sidx); + WNode* node = &w->wnodes[nidx]; + if( bparams.boostType == Boost::DISCRETE ) + { + node->value = node->class_idx == 0 ? -1 : 1; + } + else if( bparams.boostType == Boost::REAL ) + { + double p = (node->value+1)*0.5; node->value = 0.5*log_ratio(p); } } - else + + bool train( const Ptr& trainData, int flags ) { - // in case of regression tree: - // * node value is 1/n*sum_i(Y_i), where Y_i is i-th response, - // n is the number of samples in the node. - // * node risk is the sum of squared errors: sum_i((Y_i - )^2) - double sum = 0, sum2 = 0, iw; - float* values_buf = (float*)(labels_buf + n); - int* sample_indices_buf = (int*)(values_buf + n); - const float* values = data->get_ord_responses(node, values_buf, sample_indices_buf); + Params dp(bparams.maxDepth, bparams.minSampleCount, bparams.regressionAccuracy, + bparams.useSurrogates, bparams.maxCategories, 0, + false, false, bparams.priors); + setDParams(dp); + startTraining(trainData, flags); + int treeidx, ntrees = bparams.weakCount >= 0 ? bparams.weakCount : 10000; + vector sidx = w->sidx; + + for( treeidx = 0; treeidx < ntrees; treeidx++ ) + { + int root = addTree( sidx ); + if( root < 0 ) + return false; + updateWeightsAndTrim( treeidx, sidx ); + } + endTraining(); + return true; + } + + void updateWeightsAndTrim( int treeidx, vector& sidx ) + { + int i, n = (int)w->sidx.size(); + int nvars = (int)varIdx.size(); + double sumw = 0., C = 1.; + cv::AutoBuffer buf(n + nvars); + double* result = buf; + float* sbuf = (float*)(result + n); + Mat sample(1, nvars, CV_32F, sbuf); + int predictFlags = bparams.boostType == Boost::DISCRETE ? (PREDICT_MAX_VOTE | RAW_OUTPUT) : PREDICT_SUM; + predictFlags |= COMPRESSED_INPUT; for( i = 0; i < n; i++ ) { - int idx = labels[i]; - double w = weights[idx]/*priors[values[i] > 0]*/; - double t = values[i]; - rcw[0] += w; - subtree_weights[i] = w; - sum += t*w; - sum2 += t*t*w; - } - - iw = 1./rcw[0]; - node->value = sum*iw; - node->node_risk = sum2 - (sum*iw)*sum; - - // renormalize the risk, as in try_split_node the unweighted formula - // sqrt(risk)/n is used, rather than sqrt(risk)/sum(weights_i) - node->node_risk *= n*iw*n*iw; - } - - // store summary weights - subtree_weights[n] = rcw[0]; - subtree_weights[n+1] = rcw[1]; -} - - -void CvBoostTree::read( CvFileStorage* fs, CvFileNode* fnode, CvBoost* _ensemble, CvDTreeTrainData* _data ) -{ - CvDTree::read( fs, fnode, _data ); - ensemble = _ensemble; -} - -void CvBoostTree::read( CvFileStorage*, CvFileNode* ) -{ - assert(0); -} - -void CvBoostTree::read( CvFileStorage* _fs, CvFileNode* _node, - CvDTreeTrainData* _data ) -{ - CvDTree::read( _fs, _node, _data ); -} - - -/////////////////////////////////// CvBoost ///////////////////////////////////// - -CvBoost::CvBoost() -{ - data = 0; - weak = 0; - default_model_name = "my_boost_tree"; - - active_vars = active_vars_abs = orig_response = sum_response = weak_eval = - subsample_mask = weights = subtree_weights = 0; - have_active_cat_vars = have_subsample = false; - - clear(); -} - - -void CvBoost::prune( CvSlice slice ) -{ - if( weak && weak->total > 0 ) - { - CvSeqReader reader; - int i, count = cvSliceLength( slice, weak ); - - cvStartReadSeq( weak, &reader ); - cvSetSeqReaderPos( &reader, slice.start_index ); - - for( i = 0; i < count; i++ ) - { - CvBoostTree* w; - CV_READ_SEQ_ELEM( w, reader ); - delete w; - } - - cvSeqRemoveSlice( weak, slice ); - } -} - - -void CvBoost::clear() -{ - if( weak ) - { - prune( CV_WHOLE_SEQ ); - cvReleaseMemStorage( &weak->storage ); - } - if( data ) - delete data; - weak = 0; - data = 0; - cvReleaseMat( &active_vars ); - cvReleaseMat( &active_vars_abs ); - cvReleaseMat( &orig_response ); - cvReleaseMat( &sum_response ); - cvReleaseMat( &weak_eval ); - cvReleaseMat( &subsample_mask ); - cvReleaseMat( &weights ); - cvReleaseMat( &subtree_weights ); - - have_subsample = false; -} - - -CvBoost::~CvBoost() -{ - clear(); -} - - -CvBoost::CvBoost( const CvMat* _train_data, int _tflag, - const CvMat* _responses, const CvMat* _var_idx, - const CvMat* _sample_idx, const CvMat* _var_type, - const CvMat* _missing_mask, CvBoostParams _params ) -{ - weak = 0; - data = 0; - default_model_name = "my_boost_tree"; - - active_vars = active_vars_abs = orig_response = sum_response = weak_eval = - subsample_mask = weights = subtree_weights = 0; - - train( _train_data, _tflag, _responses, _var_idx, _sample_idx, - _var_type, _missing_mask, _params ); -} - - -bool -CvBoost::set_params( const CvBoostParams& _params ) -{ - bool ok = false; - - CV_FUNCNAME( "CvBoost::set_params" ); - - __BEGIN__; - - params = _params; - if( params.boost_type != DISCRETE && params.boost_type != REAL && - params.boost_type != LOGIT && params.boost_type != GENTLE ) - CV_ERROR( CV_StsBadArg, "Unknown/unsupported boosting type" ); - - params.weak_count = MAX( params.weak_count, 1 ); - params.weight_trim_rate = MAX( params.weight_trim_rate, 0. ); - params.weight_trim_rate = MIN( params.weight_trim_rate, 1. ); - if( params.weight_trim_rate < FLT_EPSILON ) - params.weight_trim_rate = 1.f; - - if( params.boost_type == DISCRETE && - params.split_criteria != GINI && params.split_criteria != MISCLASS ) - params.split_criteria = MISCLASS; - if( params.boost_type == REAL && - params.split_criteria != GINI && params.split_criteria != MISCLASS ) - params.split_criteria = GINI; - if( (params.boost_type == LOGIT || params.boost_type == GENTLE) && - params.split_criteria != SQERR ) - params.split_criteria = SQERR; - - ok = true; - - __END__; - - return ok; -} - - -bool -CvBoost::train( const CvMat* _train_data, int _tflag, - const CvMat* _responses, const CvMat* _var_idx, - const CvMat* _sample_idx, const CvMat* _var_type, - const CvMat* _missing_mask, - CvBoostParams _params, bool _update ) -{ - bool ok = false; - CvMemStorage* storage = 0; - - CV_FUNCNAME( "CvBoost::train" ); - - __BEGIN__; - - int i; - - set_params( _params ); - - cvReleaseMat( &active_vars ); - cvReleaseMat( &active_vars_abs ); - - if( !_update || !data ) - { - clear(); - data = new CvDTreeTrainData( _train_data, _tflag, _responses, _var_idx, - _sample_idx, _var_type, _missing_mask, _params, true, true ); - - if( data->get_num_classes() != 2 ) - CV_ERROR( CV_StsNotImplemented, - "Boosted trees can only be used for 2-class classification." ); - CV_CALL( storage = cvCreateMemStorage() ); - weak = cvCreateSeq( 0, sizeof(CvSeq), sizeof(CvBoostTree*), storage ); - storage = 0; - } - else - { - data->set_data( _train_data, _tflag, _responses, _var_idx, - _sample_idx, _var_type, _missing_mask, _params, true, true, true ); - } - - if ( (_params.boost_type == LOGIT) || (_params.boost_type == GENTLE) ) - data->do_responses_copy(); - - update_weights( 0 ); - - for( i = 0; i < params.weak_count; i++ ) - { - CvBoostTree* tree = new CvBoostTree; - if( !tree->train( data, subsample_mask, this ) ) - { - delete tree; - break; - } - //cvCheckArr( get_weak_response()); - cvSeqPush( weak, &tree ); - update_weights( tree ); - trim_weights(); - if( cvCountNonZero(subsample_mask) == 0 ) - break; - } - - if(weak->total > 0) - { - get_active_vars(); // recompute active_vars* maps and condensed_idx's in the splits. - data->is_classifier = true; - data->free_train_data(); - ok = true; - } - else - clear(); - - __END__; - - return ok; -} - -bool CvBoost::train( CvMLData* _data, - CvBoostParams _params, - bool update ) -{ - bool result = false; - - CV_FUNCNAME( "CvBoost::train" ); - - __BEGIN__; - - const CvMat* values = _data->get_values(); - const CvMat* response = _data->get_responses(); - const CvMat* missing = _data->get_missing(); - const CvMat* var_types = _data->get_var_types(); - const CvMat* train_sidx = _data->get_train_sample_idx(); - const CvMat* var_idx = _data->get_var_idx(); - - CV_CALL( result = train( values, CV_ROW_SAMPLE, response, var_idx, - train_sidx, var_types, missing, _params, update ) ); - - __END__; - - return result; -} - -void CvBoost::initialize_weights(double (&p)[2]) -{ - p[0] = 1.; - p[1] = 1.; -} - -void -CvBoost::update_weights( CvBoostTree* tree ) -{ - CV_FUNCNAME( "CvBoost::update_weights" ); - - __BEGIN__; - - int i, n = data->sample_count; - double sumw = 0.; - int step = 0; - float* fdata = 0; - int *sample_idx_buf; - const int* sample_idx = 0; - cv::AutoBuffer inn_buf; - size_t _buf_size = (params.boost_type == LOGIT) || (params.boost_type == GENTLE) ? (size_t)(data->sample_count)*sizeof(int) : 0; - if( !tree ) - _buf_size += n*sizeof(int); - else - { - if( have_subsample ) - _buf_size += data->get_length_subbuf()*(sizeof(float)+sizeof(uchar)); - } - inn_buf.allocate(_buf_size); - uchar* cur_buf_pos = (uchar*)inn_buf; - - if ( (params.boost_type == LOGIT) || (params.boost_type == GENTLE) ) - { - step = CV_IS_MAT_CONT(data->responses_copy->type) ? - 1 : data->responses_copy->step / CV_ELEM_SIZE(data->responses_copy->type); - fdata = data->responses_copy->data.fl; - sample_idx_buf = (int*)cur_buf_pos; - cur_buf_pos = (uchar*)(sample_idx_buf + data->sample_count); - sample_idx = data->get_sample_indices( data->data_root, sample_idx_buf ); - } - CvMat* dtree_data_buf = data->buf; - size_t length_buf_row = data->get_length_subbuf(); - if( !tree ) // before training the first tree, initialize weights and other parameters - { - int* class_labels_buf = (int*)cur_buf_pos; - cur_buf_pos = (uchar*)(class_labels_buf + n); - const int* class_labels = data->get_class_labels(data->data_root, class_labels_buf); - // in case of logitboost and gentle adaboost each weak tree is a regression tree, - // so we need to convert class labels to floating-point values - - double w0 = 1./ n; - double p[2] = { 1., 1. }; - initialize_weights(p); - - cvReleaseMat( &orig_response ); - cvReleaseMat( &sum_response ); - cvReleaseMat( &weak_eval ); - cvReleaseMat( &subsample_mask ); - cvReleaseMat( &weights ); - cvReleaseMat( &subtree_weights ); - - CV_CALL( orig_response = cvCreateMat( 1, n, CV_32S )); - CV_CALL( weak_eval = cvCreateMat( 1, n, CV_64F )); - CV_CALL( subsample_mask = cvCreateMat( 1, n, CV_8U )); - CV_CALL( weights = cvCreateMat( 1, n, CV_64F )); - CV_CALL( subtree_weights = cvCreateMat( 1, n + 2, CV_64F )); - - if( data->have_priors ) - { - // compute weight scale for each class from their prior probabilities - int c1 = 0; - for( i = 0; i < n; i++ ) - c1 += class_labels[i]; - p[0] = data->priors->data.db[0]*(c1 < n ? 1./(n - c1) : 0.); - p[1] = data->priors->data.db[1]*(c1 > 0 ? 1./c1 : 0.); - p[0] /= p[0] + p[1]; - p[1] = 1. - p[0]; - } - - if (data->is_buf_16u) - { - unsigned short* labels = (unsigned short*)(dtree_data_buf->data.s + data->data_root->buf_idx*length_buf_row + - data->data_root->offset + (data->work_var_count-1)*data->sample_count); - for( i = 0; i < n; i++ ) - { - // save original categorical responses {0,1}, convert them to {-1,1} - orig_response->data.i[i] = class_labels[i]*2 - 1; - // make all the samples active at start. - // later, in trim_weights() deactivate/reactive again some, if need - subsample_mask->data.ptr[i] = (uchar)1; - // make all the initial weights the same. - weights->data.db[i] = w0*p[class_labels[i]]; - // set the labels to find (from within weak tree learning proc) - // the particular sample weight, and where to store the response. - labels[i] = (unsigned short)i; - } - } - else - { - int* labels = dtree_data_buf->data.i + data->data_root->buf_idx*length_buf_row + - data->data_root->offset + (data->work_var_count-1)*data->sample_count; - - for( i = 0; i < n; i++ ) - { - // save original categorical responses {0,1}, convert them to {-1,1} - orig_response->data.i[i] = class_labels[i]*2 - 1; - // make all the samples active at start. - // later, in trim_weights() deactivate/reactive again some, if need - subsample_mask->data.ptr[i] = (uchar)1; - // make all the initial weights the same. - weights->data.db[i] = w0*p[class_labels[i]]; - // set the labels to find (from within weak tree learning proc) - // the particular sample weight, and where to store the response. - labels[i] = i; - } - } - - if( params.boost_type == LOGIT ) - { - CV_CALL( sum_response = cvCreateMat( 1, n, CV_64F )); - - for( i = 0; i < n; i++ ) - { - sum_response->data.db[i] = 0; - fdata[sample_idx[i]*step] = orig_response->data.i[i] > 0 ? 2.f : -2.f; - } - - // in case of logitboost each weak tree is a regression tree. - // the target function values are recalculated for each of the trees - data->is_classifier = false; - } - else if( params.boost_type == GENTLE ) - { - for( i = 0; i < n; i++ ) - fdata[sample_idx[i]*step] = (float)orig_response->data.i[i]; - - data->is_classifier = false; - } - } - else - { - // at this moment, for all the samples that participated in the training of the most - // recent weak classifier we know the responses. For other samples we need to compute them - if( have_subsample ) - { - float* values = (float*)cur_buf_pos; - cur_buf_pos = (uchar*)(values + data->get_length_subbuf()); - uchar* missing = cur_buf_pos; - cur_buf_pos = missing + data->get_length_subbuf() * (size_t)CV_ELEM_SIZE(data->buf->type); - - CvMat _sample, _mask; - - // invert the subsample mask - cvXorS( subsample_mask, cvScalar(1.), subsample_mask ); - data->get_vectors( subsample_mask, values, missing, 0 ); - - _sample = cvMat( 1, data->var_count, CV_32F ); - _mask = cvMat( 1, data->var_count, CV_8U ); - - // run tree through all the non-processed samples - for( i = 0; i < n; i++ ) - if( subsample_mask->data.ptr[i] ) - { - _sample.data.fl = values; - _mask.data.ptr = missing; - values += _sample.cols; - missing += _mask.cols; - weak_eval->data.db[i] = tree->predict( &_sample, &_mask, true )->value; - } + w->data->getSample(varIdx, w->sidx[i], sbuf ); + result[i] = predictTrees(Range(treeidx, treeidx+1), sample, predictFlags); } // now update weights and other parameters for each type of boosting - if( params.boost_type == DISCRETE ) + if( bparams.boostType == Boost::DISCRETE ) { // Discrete AdaBoost: // weak_eval[i] (=f(x_i)) is in {-1,1} // err = sum(w_i*(f(x_i) != y_i))/sum(w_i) // C = log((1-err)/err) // w_i *= exp(C*(f(x_i) != y_i)) - - double C, err = 0.; - double scale[] = { 1., 0. }; + double err = 0.; for( i = 0; i < n; i++ ) { - double w = weights->data.db[i]; - sumw += w; - err += w*(weak_eval->data.db[i] != orig_response->data.i[i]); + int si = w->sidx[i]; + double wval = w->sample_weights[si]; + sumw += wval; + err += wval*(result[i] != w->cat_responses[si]); } if( sumw != 0 ) err /= sumw; - C = err = -log_ratio( err ); - scale[1] = exp(err); + C = -log_ratio( err ); + double scale = std::exp(C); sumw = 0; for( i = 0; i < n; i++ ) { - double w = weights->data.db[i]* - scale[weak_eval->data.db[i] != orig_response->data.i[i]]; - sumw += w; - weights->data.db[i] = w; + int si = w->sidx[i]; + double wval = w->sample_weights[si]; + if( result[i] != w->cat_responses[si] ) + wval *= scale; + sumw += wval; + w->sample_weights[si] = wval; } - tree->scale( C ); + scaleTree(roots[treeidx], C); } - else if( params.boost_type == REAL ) + else if( bparams.boostType == Boost::REAL || bparams.boostType == Boost::GENTLE ) { // Real AdaBoost: // weak_eval[i] = f(x_i) = 0.5*log(p(x_i)/(1-p(x_i))), p(x_i)=P(y=1|x_i) // w_i *= exp(-y_i*f(x_i)) - for( i = 0; i < n; i++ ) - weak_eval->data.db[i] *= -orig_response->data.i[i]; - - cvExp( weak_eval, weak_eval ); - + // Gentle AdaBoost: + // weak_eval[i] = f(x_i) in [-1,1] + // w_i *= exp(-y_i*f(x_i)) for( i = 0; i < n; i++ ) { - double w = weights->data.db[i]*weak_eval->data.db[i]; - sumw += w; - weights->data.db[i] = w; + int si = w->sidx[i]; + CV_Assert( std::abs(w->ord_responses[si]) == 1 ); + double wval = w->sample_weights[si]*std::exp(-result[i]*w->ord_responses[si]); + sumw += wval; + w->sample_weights[si] = wval; } } - else if( params.boost_type == LOGIT ) + else if( bparams.boostType == Boost::LOGIT ) { // LogitBoost: // weak_eval[i] = f(x_i) in [-z_max,z_max] @@ -1353,810 +301,223 @@ CvBoost::update_weights( CvBoostTree* tree ) // w_i = p(x_i)*1(1 - p(x_i)) // z_i = ((y_i+1)/2 - p(x_i))/(p(x_i)*(1 - p(x_i))) // store z_i to the data->data_root as the new target responses - const double lb_weight_thresh = FLT_EPSILON; const double lb_z_max = 10.; - /*float* responses_buf = data->get_resp_float_buf(); - const float* responses = 0; - data->get_ord_responses(data->data_root, responses_buf, &responses);*/ - - /*if( weak->total == 7 ) - putchar('*');*/ for( i = 0; i < n; i++ ) { - double s = sum_response->data.db[i] + 0.5*weak_eval->data.db[i]; - sum_response->data.db[i] = s; - weak_eval->data.db[i] = -2*s; - } - - cvExp( weak_eval, weak_eval ); - - for( i = 0; i < n; i++ ) - { - double p = 1./(1. + weak_eval->data.db[i]); - double w = p*(1 - p), z; - w = MAX( w, lb_weight_thresh ); - weights->data.db[i] = w; - sumw += w; - if( orig_response->data.i[i] > 0 ) + int si = w->sidx[i]; + sumResult[i] += 0.5*result[i]; + double p = 1./(1 + std::exp(-2*sumResult[i])); + double wval = std::max( p*(1 - p), lb_weight_thresh ), z; + w->sample_weights[si] = wval; + sumw += wval; + if( w->ord_responses[si] > 0 ) { z = 1./p; - fdata[sample_idx[i]*step] = (float)MIN(z, lb_z_max); + w->ord_responses[si] = std::min(z, lb_z_max); } else { z = 1./(1-p); - fdata[sample_idx[i]*step] = (float)-MIN(z, lb_z_max); + w->ord_responses[si] = -std::min(z, lb_z_max); } } } else + CV_Error(CV_StsNotImplemented, "Unknown boosting type"); + + /*if( bparams.boostType != Boost::LOGIT ) { - // Gentle AdaBoost: - // weak_eval[i] = f(x_i) in [-1,1] - // w_i *= exp(-y_i*f(x_i)) - assert( params.boost_type == GENTLE ); - - for( i = 0; i < n; i++ ) - weak_eval->data.db[i] *= -orig_response->data.i[i]; - - cvExp( weak_eval, weak_eval ); - + double err = 0; for( i = 0; i < n; i++ ) { - double w = weights->data.db[i] * weak_eval->data.db[i]; - weights->data.db[i] = w; - sumw += w; - } - } - } - - // renormalize weights - if( sumw > FLT_EPSILON ) - { - sumw = 1./sumw; - for( i = 0; i < n; ++i ) - weights->data.db[i] *= sumw; - } - - __END__; -} - - -void -CvBoost::trim_weights() -{ - //CV_FUNCNAME( "CvBoost::trim_weights" ); - - __BEGIN__; - - int i, count = data->sample_count, nz_count = 0; - double sum, threshold; - - if( params.weight_trim_rate <= 0. || params.weight_trim_rate >= 1. ) - EXIT; - - // use weak_eval as temporary buffer for sorted weights - cvCopy( weights, weak_eval ); - - std::sort(weak_eval->data.db, weak_eval->data.db + count); - - // as weight trimming occurs immediately after updating the weights, - // where they are renormalized, we assume that the weight sum = 1. - sum = 1. - params.weight_trim_rate; - - for( i = 0; i < count; i++ ) - { - double w = weak_eval->data.db[i]; - if( sum <= 0 ) - break; - sum -= w; - } - - threshold = i < count ? weak_eval->data.db[i] : DBL_MAX; - - for( i = 0; i < count; i++ ) - { - double w = weights->data.db[i]; - int f = w >= threshold; - subsample_mask->data.ptr[i] = (uchar)f; - nz_count += f; - } - - have_subsample = nz_count < count; - - __END__; -} - - -const CvMat* -CvBoost::get_active_vars( bool absolute_idx ) -{ - CvMat* mask = 0; - CvMat* inv_map = 0; - CvMat* result = 0; - - CV_FUNCNAME( "CvBoost::get_active_vars" ); - - __BEGIN__; - - if( !weak ) - CV_ERROR( CV_StsError, "The boosted tree ensemble has not been trained yet" ); - - if( !active_vars || !active_vars_abs ) - { - CvSeqReader reader; - int i, j, nactive_vars; - CvBoostTree* wtree; - const CvDTreeNode* node; - - assert(!active_vars && !active_vars_abs); - mask = cvCreateMat( 1, data->var_count, CV_8U ); - inv_map = cvCreateMat( 1, data->var_count, CV_32S ); - cvZero( mask ); - cvSet( inv_map, cvScalar(-1) ); - - // first pass: compute the mask of used variables - cvStartReadSeq( weak, &reader ); - for( i = 0; i < weak->total; i++ ) - { - CV_READ_SEQ_ELEM(wtree, reader); - - node = wtree->get_root(); - assert( node != 0 ); - for(;;) - { - const CvDTreeNode* parent; - for(;;) - { - CvDTreeSplit* split = node->split; - for( ; split != 0; split = split->next ) - mask->data.ptr[split->var_idx] = 1; - if( !node->left ) - break; - node = node->left; - } - - for( parent = node->parent; parent && parent->right == node; - node = parent, parent = parent->parent ) - ; - - if( !parent ) - break; - - node = parent->right; - } - } - - nactive_vars = cvCountNonZero(mask); - - //if ( nactive_vars > 0 ) - { - active_vars = cvCreateMat( 1, nactive_vars, CV_32S ); - active_vars_abs = cvCreateMat( 1, nactive_vars, CV_32S ); - - have_active_cat_vars = false; - - for( i = j = 0; i < data->var_count; i++ ) - { - if( mask->data.ptr[i] ) - { - active_vars->data.i[j] = i; - active_vars_abs->data.i[j] = data->var_idx ? data->var_idx->data.i[i] : i; - inv_map->data.i[i] = j; - if( data->var_type->data.i[i] >= 0 ) - have_active_cat_vars = true; - j++; - } - } - - - // second pass: now compute the condensed indices - cvStartReadSeq( weak, &reader ); - for( i = 0; i < weak->total; i++ ) - { - CV_READ_SEQ_ELEM(wtree, reader); - node = wtree->get_root(); - for(;;) - { - const CvDTreeNode* parent; - for(;;) - { - CvDTreeSplit* split = node->split; - for( ; split != 0; split = split->next ) - { - split->condensed_idx = inv_map->data.i[split->var_idx]; - assert( split->condensed_idx >= 0 ); - } - - if( !node->left ) - break; - node = node->left; - } - - for( parent = node->parent; parent && parent->right == node; - node = parent, parent = parent->parent ) - ; - - if( !parent ) - break; - - node = parent->right; - } - } - } - } - - result = absolute_idx ? active_vars_abs : active_vars; - - __END__; - - cvReleaseMat( &mask ); - cvReleaseMat( &inv_map ); - - return result; -} - - -float -CvBoost::predict( const CvMat* _sample, const CvMat* _missing, - CvMat* weak_responses, CvSlice slice, - bool raw_mode, bool return_sum ) const -{ - float value = -FLT_MAX; - - CvSeqReader reader; - double sum = 0; - int wstep = 0; - const float* sample_data; - - if( !weak ) - CV_Error( CV_StsError, "The boosted tree ensemble has not been trained yet" ); - - if( !CV_IS_MAT(_sample) || CV_MAT_TYPE(_sample->type) != CV_32FC1 || - (_sample->cols != 1 && _sample->rows != 1) || - (_sample->cols + _sample->rows - 1 != data->var_all && !raw_mode) || - (active_vars && _sample->cols + _sample->rows - 1 != active_vars->cols && raw_mode) ) - CV_Error( CV_StsBadArg, - "the input sample must be 1d floating-point vector with the same " - "number of elements as the total number of variables or " - "as the number of variables used for training" ); - - if( _missing ) - { - if( !CV_IS_MAT(_missing) || !CV_IS_MASK_ARR(_missing) || - !CV_ARE_SIZES_EQ(_missing, _sample) ) - CV_Error( CV_StsBadArg, - "the missing data mask must be 8-bit vector of the same size as input sample" ); - } - - int i, weak_count = cvSliceLength( slice, weak ); - if( weak_count >= weak->total ) - { - weak_count = weak->total; - slice.start_index = 0; - } - - if( weak_responses ) - { - if( !CV_IS_MAT(weak_responses) || - CV_MAT_TYPE(weak_responses->type) != CV_32FC1 || - (weak_responses->cols != 1 && weak_responses->rows != 1) || - weak_responses->cols + weak_responses->rows - 1 != weak_count ) - CV_Error( CV_StsBadArg, - "The output matrix of weak classifier responses must be valid " - "floating-point vector of the same number of components as the length of input slice" ); - wstep = CV_IS_MAT_CONT(weak_responses->type) ? 1 : weak_responses->step/sizeof(float); - } - - int var_count = active_vars->cols; - const int* vtype = data->var_type->data.i; - const int* cmap = data->cat_map->data.i; - const int* cofs = data->cat_ofs->data.i; - - cv::Mat sample = cv::cvarrToMat(_sample); - cv::Mat missing; - if(!_missing) - missing = cv::cvarrToMat(_missing); - - // if need, preprocess the input vector - if( !raw_mode ) - { - int sstep, mstep = 0; - const float* src_sample; - const uchar* src_mask = 0; - float* dst_sample; - uchar* dst_mask; - const int* vidx = active_vars->data.i; - const int* vidx_abs = active_vars_abs->data.i; - bool have_mask = _missing != 0; - - sample = cv::Mat(1, var_count, CV_32FC1); - missing = cv::Mat(1, var_count, CV_8UC1); - - dst_sample = sample.ptr(); - dst_mask = missing.ptr(); - - src_sample = _sample->data.fl; - sstep = CV_IS_MAT_CONT(_sample->type) ? 1 : _sample->step/sizeof(src_sample[0]); - - if( _missing ) - { - src_mask = _missing->data.ptr; - mstep = CV_IS_MAT_CONT(_missing->type) ? 1 : _missing->step; - } - - for( i = 0; i < var_count; i++ ) - { - int idx = vidx[i], idx_abs = vidx_abs[i]; - float val = src_sample[idx_abs*sstep]; - int ci = vtype[idx]; - uchar m = src_mask ? src_mask[idx_abs*mstep] : (uchar)0; - - if( ci >= 0 ) - { - int a = cofs[ci], b = (ci+1 >= data->cat_ofs->cols) ? data->cat_map->cols : cofs[ci+1], - c = a; - int ival = cvRound(val); - if ( (ival != val) && (!m) ) - CV_Error( CV_StsBadArg, - "one of input categorical variable is not an integer" ); - - while( a < b ) - { - c = (a + b) >> 1; - if( ival < cmap[c] ) - b = c; - else if( ival > cmap[c] ) - a = c+1; - else - break; - } - - if( c < 0 || ival != cmap[c] ) - { - m = 1; - have_mask = true; - } + sumResult[i] += result[i]*C; + if( bparams.boostType != Boost::DISCRETE ) + err += sumResult[i]*w->ord_responses[w->sidx[i]] < 0; else - { - val = (float)(c - cofs[ci]); - } + err += sumResult[i]*w->cat_responses[w->sidx[i]] < 0; } + printf("%d trees. C=%.2f, training error=%.1f%%, working set size=%d (out of %d)\n", (int)roots.size(), C, err*100./n, (int)sidx.size(), n); + }*/ - dst_sample[i] = val; - dst_mask[i] = m; - } + // renormalize weights + if( sumw > FLT_EPSILON ) + normalizeWeights(); - if( !have_mask ) - missing.release(); - } - else - { - if( !CV_IS_MAT_CONT(_sample->type & (_missing ? _missing->type : -1)) ) - CV_Error( CV_StsBadArg, "In raw mode the input vectors must be continuous" ); - } + if( bparams.weightTrimRate <= 0. || bparams.weightTrimRate >= 1. ) + return; - cvStartReadSeq( weak, &reader ); - cvSetSeqReaderPos( &reader, slice.start_index ); + for( i = 0; i < n; i++ ) + result[i] = w->sample_weights[w->sidx[i]]; + std::sort(result, result + n); - sample_data = sample.ptr(); + // as weight trimming occurs immediately after updating the weights, + // where they are renormalized, we assume that the weight sum = 1. + sumw = 1. - bparams.weightTrimRate; - if( !have_active_cat_vars && missing.empty() && !weak_responses ) - { - for( i = 0; i < weak_count; i++ ) + for( i = 0; i < n; i++ ) { - CvBoostTree* wtree; - const CvDTreeNode* node; - CV_READ_SEQ_ELEM( wtree, reader ); - - node = wtree->get_root(); - while( node->left ) - { - CvDTreeSplit* split = node->split; - int vi = split->condensed_idx; - float val = sample_data[vi]; - int dir = val <= split->ord.c ? -1 : 1; - if( split->inversed ) - dir = -dir; - node = dir < 0 ? node->left : node->right; - } - sum += node->value; + double wval = result[i]; + if( sumw <= 0 ) + break; + sumw -= wval; } - } - else - { - const int* avars = active_vars->data.i; - const uchar* m = !missing.empty() ? missing.ptr() : 0; - // full-featured version - for( i = 0; i < weak_count; i++ ) + double threshold = i < n ? result[i] : DBL_MAX; + sidx.clear(); + + for( i = 0; i < n; i++ ) { - CvBoostTree* wtree; - const CvDTreeNode* node; - CV_READ_SEQ_ELEM( wtree, reader ); - - node = wtree->get_root(); - while( node->left ) - { - const CvDTreeSplit* split = node->split; - int dir = 0; - for( ; !dir && split != 0; split = split->next ) - { - int vi = split->condensed_idx; - int ci = vtype[avars[vi]]; - float val = sample_data[vi]; - if( m && m[vi] ) - continue; - if( ci < 0 ) // ordered - dir = val <= split->ord.c ? -1 : 1; - else // categorical - { - int c = cvRound(val); - dir = CV_DTREE_CAT_DIR(c, split->subset); - } - if( split->inversed ) - dir = -dir; - } - - if( !dir ) - { - int diff = node->right->sample_count - node->left->sample_count; - dir = diff < 0 ? -1 : 1; - } - node = dir < 0 ? node->left : node->right; - } - if( weak_responses ) - weak_responses->data.fl[i*wstep] = (float)node->value; - sum += node->value; + int si = w->sidx[i]; + if( w->sample_weights[si] >= threshold ) + sidx.push_back(si); } } - if( return_sum ) - value = (float)sum; - else + float predictTrees( const Range& range, const Mat& sample, int flags0 ) const { - int cls_idx = sum >= 0; - if( raw_mode ) - value = (float)cls_idx; - else - value = (float)cmap[cofs[vtype[data->var_count]] + cls_idx]; - } - - return value; -} - -float CvBoost::calc_error( CvMLData* _data, int type, std::vector *resp ) -{ - float err = 0; - const CvMat* values = _data->get_values(); - const CvMat* response = _data->get_responses(); - const CvMat* missing = _data->get_missing(); - const CvMat* sample_idx = (type == CV_TEST_ERROR) ? _data->get_test_sample_idx() : _data->get_train_sample_idx(); - const CvMat* var_types = _data->get_var_types(); - int* sidx = sample_idx ? sample_idx->data.i : 0; - int r_step = CV_IS_MAT_CONT(response->type) ? - 1 : response->step / CV_ELEM_SIZE(response->type); - bool is_classifier = var_types->data.ptr[var_types->cols-1] == CV_VAR_CATEGORICAL; - int sample_count = sample_idx ? sample_idx->cols : 0; - sample_count = (type == CV_TRAIN_ERROR && sample_count == 0) ? values->rows : sample_count; - float* pred_resp = 0; - if( resp && (sample_count > 0) ) - { - resp->resize( sample_count ); - pred_resp = &((*resp)[0]); - } - if ( is_classifier ) - { - for( int i = 0; i < sample_count; i++ ) + int flags = (flags0 & ~PREDICT_MASK) | PREDICT_SUM; + float val = DTreesImpl::predictTrees(range, sample, flags); + if( flags != flags0 ) { - CvMat sample, miss; - int si = sidx ? sidx[i] : i; - cvGetRow( values, &sample, si ); - if( missing ) - cvGetRow( missing, &miss, si ); - float r = (float)predict( &sample, missing ? &miss : 0 ); - if( pred_resp ) - pred_resp[i] = r; - int d = fabs((double)r - response->data.fl[si*r_step]) <= FLT_EPSILON ? 0 : 1; - err += d; + int ival = (int)(val > 0); + if( !(flags0 & RAW_OUTPUT) ) + ival = classLabels[ival]; + val = (float)ival; } - err = sample_count ? err / (float)sample_count * 100 : -FLT_MAX; + return val; } - else + + void writeTrainingParams( FileStorage& fs ) const { - for( int i = 0; i < sample_count; i++ ) + fs << "boosting_type" << + (bparams.boostType == Boost::DISCRETE ? "DiscreteAdaboost" : + bparams.boostType == Boost::REAL ? "RealAdaboost" : + bparams.boostType == Boost::LOGIT ? "LogitBoost" : + bparams.boostType == Boost::GENTLE ? "GentleAdaboost" : "Unknown"); + + DTreesImpl::writeTrainingParams(fs); + fs << "weight_trimming_rate" << bparams.weightTrimRate; + } + + void write( FileStorage& fs ) const + { + if( roots.empty() ) + CV_Error( CV_StsBadArg, "RTrees have not been trained" ); + + writeParams(fs); + + int k, ntrees = (int)roots.size(); + + fs << "ntrees" << ntrees + << "trees" << "["; + + for( k = 0; k < ntrees; k++ ) { - CvMat sample, miss; - int si = sidx ? sidx[i] : i; - cvGetRow( values, &sample, si ); - if( missing ) - cvGetRow( missing, &miss, si ); - float r = (float)predict( &sample, missing ? &miss : 0 ); - if( pred_resp ) - pred_resp[i] = r; - float d = r - response->data.fl[si*r_step]; - err += d*d; + fs << "{"; + writeTree(fs, roots[k]); + fs << "}"; } - err = sample_count ? err / (float)sample_count : -FLT_MAX; - } - return err; -} -void CvBoost::write_params( CvFileStorage* fs ) const -{ - const char* boost_type_str = - params.boost_type == DISCRETE ? "DiscreteAdaboost" : - params.boost_type == REAL ? "RealAdaboost" : - params.boost_type == LOGIT ? "LogitBoost" : - params.boost_type == GENTLE ? "GentleAdaboost" : 0; - - const char* split_crit_str = - params.split_criteria == DEFAULT ? "Default" : - params.split_criteria == GINI ? "Gini" : - params.boost_type == MISCLASS ? "Misclassification" : - params.boost_type == SQERR ? "SquaredErr" : 0; - - if( boost_type_str ) - cvWriteString( fs, "boosting_type", boost_type_str ); - else - cvWriteInt( fs, "boosting_type", params.boost_type ); - - if( split_crit_str ) - cvWriteString( fs, "splitting_criteria", split_crit_str ); - else - cvWriteInt( fs, "splitting_criteria", params.split_criteria ); - - cvWriteInt( fs, "ntrees", weak->total ); - cvWriteReal( fs, "weight_trimming_rate", params.weight_trim_rate ); - - data->write_params( fs ); -} - - -void CvBoost::read_params( CvFileStorage* fs, CvFileNode* fnode ) -{ - CV_FUNCNAME( "CvBoost::read_params" ); - - __BEGIN__; - - CvFileNode* temp; - - if( !fnode || !CV_NODE_IS_MAP(fnode->tag) ) - return; - - data = new CvDTreeTrainData(); - CV_CALL( data->read_params(fs, fnode)); - data->shared = true; - - params.max_depth = data->params.max_depth; - params.min_sample_count = data->params.min_sample_count; - params.max_categories = data->params.max_categories; - params.priors = data->params.priors; - params.regression_accuracy = data->params.regression_accuracy; - params.use_surrogates = data->params.use_surrogates; - - temp = cvGetFileNodeByName( fs, fnode, "boosting_type" ); - if( !temp ) - return; - - if( temp && CV_NODE_IS_STRING(temp->tag) ) - { - const char* boost_type_str = cvReadString( temp, "" ); - params.boost_type = strcmp( boost_type_str, "DiscreteAdaboost" ) == 0 ? DISCRETE : - strcmp( boost_type_str, "RealAdaboost" ) == 0 ? REAL : - strcmp( boost_type_str, "LogitBoost" ) == 0 ? LOGIT : - strcmp( boost_type_str, "GentleAdaboost" ) == 0 ? GENTLE : -1; - } - else - params.boost_type = cvReadInt( temp, -1 ); - - if( params.boost_type < DISCRETE || params.boost_type > GENTLE ) - CV_ERROR( CV_StsBadArg, "Unknown boosting type" ); - - temp = cvGetFileNodeByName( fs, fnode, "splitting_criteria" ); - if( temp && CV_NODE_IS_STRING(temp->tag) ) - { - const char* split_crit_str = cvReadString( temp, "" ); - params.split_criteria = strcmp( split_crit_str, "Default" ) == 0 ? DEFAULT : - strcmp( split_crit_str, "Gini" ) == 0 ? GINI : - strcmp( split_crit_str, "Misclassification" ) == 0 ? MISCLASS : - strcmp( split_crit_str, "SquaredErr" ) == 0 ? SQERR : -1; - } - else - params.split_criteria = cvReadInt( temp, -1 ); - - if( params.split_criteria < DEFAULT || params.boost_type > SQERR ) - CV_ERROR( CV_StsBadArg, "Unknown boosting type" ); - - params.weak_count = cvReadIntByName( fs, fnode, "ntrees" ); - params.weight_trim_rate = cvReadRealByName( fs, fnode, "weight_trimming_rate", 0. ); - - __END__; -} - - - -void -CvBoost::read( CvFileStorage* fs, CvFileNode* node ) -{ - CV_FUNCNAME( "CvBoost::read" ); - - __BEGIN__; - - CvSeqReader reader; - CvFileNode* trees_fnode; - CvMemStorage* storage; - int i, ntrees; - - clear(); - read_params( fs, node ); - - if( !data ) - EXIT; - - trees_fnode = cvGetFileNodeByName( fs, node, "trees" ); - if( !trees_fnode || !CV_NODE_IS_SEQ(trees_fnode->tag) ) - CV_ERROR( CV_StsParseError, " tag is missing" ); - - cvStartReadSeq( trees_fnode->data.seq, &reader ); - ntrees = trees_fnode->data.seq->total; - - if( ntrees != params.weak_count ) - CV_ERROR( CV_StsUnmatchedSizes, - "The number of trees stored does not match tag value" ); - - CV_CALL( storage = cvCreateMemStorage() ); - weak = cvCreateSeq( 0, sizeof(CvSeq), sizeof(CvBoostTree*), storage ); - - for( i = 0; i < ntrees; i++ ) - { - CvBoostTree* tree = new CvBoostTree(); - CV_CALL(tree->read( fs, (CvFileNode*)reader.ptr, this, data )); - CV_NEXT_SEQ_ELEM( reader.seq->elem_size, reader ); - cvSeqPush( weak, &tree ); - } - get_active_vars(); - - __END__; -} - - -void -CvBoost::write( CvFileStorage* fs, const char* name ) const -{ - CV_FUNCNAME( "CvBoost::write" ); - - __BEGIN__; - - CvSeqReader reader; - int i; - - cvStartWriteStruct( fs, name, CV_NODE_MAP, CV_TYPE_NAME_ML_BOOSTING ); - - if( !weak ) - CV_ERROR( CV_StsBadArg, "The classifier has not been trained yet" ); - - write_params( fs ); - cvStartWriteStruct( fs, "trees", CV_NODE_SEQ ); - - cvStartReadSeq( weak, &reader ); - - for( i = 0; i < weak->total; i++ ) - { - CvBoostTree* tree; - CV_READ_SEQ_ELEM( tree, reader ); - cvStartWriteStruct( fs, 0, CV_NODE_MAP ); - tree->write( fs ); - cvEndWriteStruct( fs ); + fs << "]"; } - cvEndWriteStruct( fs ); - cvEndWriteStruct( fs ); - - __END__; -} - - -CvMat* -CvBoost::get_weights() -{ - return weights; -} - - -CvMat* -CvBoost::get_subtree_weights() -{ - return subtree_weights; -} - - -CvMat* -CvBoost::get_weak_response() -{ - return weak_eval; -} - - -const CvBoostParams& -CvBoost::get_params() const -{ - return params; -} - -CvSeq* CvBoost::get_weak_predictors() -{ - return weak; -} - -const CvDTreeTrainData* CvBoost::get_data() const -{ - return data; -} - -using namespace cv; - -CvBoost::CvBoost( const Mat& _train_data, int _tflag, - const Mat& _responses, const Mat& _var_idx, - const Mat& _sample_idx, const Mat& _var_type, - const Mat& _missing_mask, - CvBoostParams _params ) -{ - weak = 0; - data = 0; - default_model_name = "my_boost_tree"; - active_vars = active_vars_abs = orig_response = sum_response = weak_eval = - subsample_mask = weights = subtree_weights = 0; - - train( _train_data, _tflag, _responses, _var_idx, _sample_idx, - _var_type, _missing_mask, _params ); -} - - -bool -CvBoost::train( const Mat& _train_data, int _tflag, - const Mat& _responses, const Mat& _var_idx, - const Mat& _sample_idx, const Mat& _var_type, - const Mat& _missing_mask, - CvBoostParams _params, bool _update ) -{ - train_data_hdr = _train_data; - train_data_mat = _train_data; - responses_hdr = _responses; - responses_mat = _responses; - - CvMat vidx = _var_idx, sidx = _sample_idx, vtype = _var_type, mmask = _missing_mask; - - return train(&train_data_hdr, _tflag, &responses_hdr, vidx.data.ptr ? &vidx : 0, - sidx.data.ptr ? &sidx : 0, vtype.data.ptr ? &vtype : 0, - mmask.data.ptr ? &mmask : 0, _params, _update); -} - -float -CvBoost::predict( const Mat& _sample, const Mat& _missing, - const Range& slice, bool raw_mode, bool return_sum ) const -{ - CvMat sample = _sample, mmask = _missing; - /*if( weak_responses ) + void readParams( const FileNode& fn ) { - int weak_count = cvSliceLength( slice, weak ); - if( weak_count >= weak->total ) + DTreesImpl::readParams(fn); + bparams.maxDepth = params0.maxDepth; + bparams.minSampleCount = params0.minSampleCount; + bparams.regressionAccuracy = params0.regressionAccuracy; + bparams.useSurrogates = params0.useSurrogates; + bparams.maxCategories = params0.maxCategories; + bparams.priors = params0.priors; + + FileNode tparams_node = fn["training_params"]; + String bts = (String)tparams_node["boosting_type"]; + bparams.boostType = (bts == "DiscreteAdaboost" ? Boost::DISCRETE : + bts == "RealAdaboost" ? Boost::REAL : + bts == "LogitBoost" ? Boost::LOGIT : + bts == "GentleAdaboost" ? Boost::GENTLE : -1); + _isClassifier = bparams.boostType == Boost::DISCRETE; + bparams.weightTrimRate = (double)tparams_node["weight_trimming_rate"]; + } + + void read( const FileNode& fn ) + { + clear(); + + int ntrees = (int)fn["ntrees"]; + readParams(fn); + + FileNode trees_node = fn["trees"]; + FileNodeIterator it = trees_node.begin(); + CV_Assert( ntrees == (int)trees_node.size() ); + + for( int treeidx = 0; treeidx < ntrees; treeidx++, ++it ) { - weak_count = weak->total; - slice.start_index = 0; + FileNode nfn = (*it)["nodes"]; + readTree(nfn); } + } - if( !(weak_responses->data && weak_responses->type() == CV_32FC1 && - (weak_responses->cols == 1 || weak_responses->rows == 1) && - weak_responses->cols + weak_responses->rows - 1 == weak_count) ) - weak_responses->create(weak_count, 1, CV_32FC1); - pwr = &(wr = *weak_responses); - }*/ - return predict(&sample, _missing.empty() ? 0 : &mmask, 0, - slice == Range::all() ? CV_WHOLE_SEQ : cvSlice(slice.start, slice.end), - raw_mode, return_sum); + Boost::Params bparams; + vector sumResult; +}; + + +class BoostImpl : public Boost +{ +public: + BoostImpl() {} + virtual ~BoostImpl() {} + + String getDefaultModelName() const { return "opencv_ml_boost"; } + + bool train( const Ptr& trainData, int flags ) + { + return impl.train(trainData, flags); + } + + float predict( InputArray samples, OutputArray results, int flags ) const + { + return impl.predict(samples, results, flags); + } + + void write( FileStorage& fs ) const + { + impl.write(fs); + } + + void read( const FileNode& fn ) + { + impl.read(fn); + } + + void setBParams(const Params& p) { impl.setBParams(p); } + Params getBParams() const { return impl.getBParams(); } + + int getVarCount() const { return impl.getVarCount(); } + + bool isTrained() const { return impl.isTrained(); } + bool isClassifier() const { return impl.isClassifier(); } + + const vector& getRoots() const { return impl.getRoots(); } + const vector& getNodes() const { return impl.getNodes(); } + const vector& getSplits() const { return impl.getSplits(); } + const vector& getSubsets() const { return impl.getSubsets(); } + + DTreesImplForBoost impl; +}; + + +Ptr Boost::create(const Params& params) +{ + Ptr p = makePtr(); + p->setBParams(params); + return p; } +}} + /* End of file. */ diff --git a/modules/ml/src/cnn.cpp b/modules/ml/src/cnn.cpp deleted file mode 100644 index 0e0b1d08b7..0000000000 --- a/modules/ml/src/cnn.cpp +++ /dev/null @@ -1,1675 +0,0 @@ -/*M/////////////////////////////////////////////////////////////////////////////////////// -// -// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. -// -// By downloading, copying, installing or using the software you agree to this license. -// If you do not agree to this license, do not download, install, -// copy or use the software. -// -// -// Intel License Agreement -// -// Copyright (C) 2000, Intel Corporation, all rights reserved. -// Third party copyrights are property of their respective owners. -// -// Redistribution and use in source and binary forms, with or without modification, -// are permitted provided that the following conditions are met: -// -// * Redistribution's of source code must retain the above copyright notice, -// this list of conditions and the following disclaimer. -// -// * Redistribution's in binary form must reproduce the above copyright notice, -// this list of conditions and the following disclaimer in the documentation -// and/or other materials provided with the distribution. -// -// * The name of Intel Corporation may not be used to endorse or promote products -// derived from this software without specific prior written permission. -// -// This software is provided by the copyright holders and contributors "as is" and -// any express or implied warranties, including, but not limited to, the implied -// warranties of merchantability and fitness for a particular purpose are disclaimed. -// In no event shall the Intel Corporation or contributors be liable for any direct, -// indirect, incidental, special, exemplary, or consequential damages -// (including, but not limited to, procurement of substitute goods or services; -// loss of use, data, or profits; or business interruption) however caused -// and on any theory of liability, whether in contract, strict liability, -// or tort (including negligence or otherwise) arising in any way out of -// the use of this software, even if advised of the possibility of such damage. -// -//M*/ - -#include "precomp.hpp" - -#if 0 -/****************************************************************************************\ -* Auxilary functions declarations * -\****************************************************************************************/ -/*---------------------- functions for the CNN classifier ------------------------------*/ -static float icvCNNModelPredict( - const CvStatModel* cnn_model, - const CvMat* image, - CvMat* probs CV_DEFAULT(0) ); - -static void icvCNNModelUpdate( - CvStatModel* cnn_model, const CvMat* images, int tflag, - const CvMat* responses, const CvStatModelParams* params, - const CvMat* CV_DEFAULT(0), const CvMat* sample_idx CV_DEFAULT(0), - const CvMat* CV_DEFAULT(0), const CvMat* CV_DEFAULT(0)); - -static void icvCNNModelRelease( CvStatModel** cnn_model ); - -static void icvTrainCNNetwork( CvCNNetwork* network, - const float** images, - const CvMat* responses, - const CvMat* etalons, - int grad_estim_type, - int max_iter, - int start_iter ); - -/*------------------------- functions for the CNN network ------------------------------*/ -static void icvCNNetworkAddLayer( CvCNNetwork* network, CvCNNLayer* layer ); -static void icvCNNetworkRelease( CvCNNetwork** network ); - -/* In all layer functions we denote input by X and output by Y, where - X and Y are column-vectors, so that - length(X)==**, - length(Y)==**. -*/ -/*------------------------ functions for convolutional layer ---------------------------*/ -static void icvCNNConvolutionRelease( CvCNNLayer** p_layer ); - -static void icvCNNConvolutionForward( CvCNNLayer* layer, const CvMat* X, CvMat* Y ); - -static void icvCNNConvolutionBackward( CvCNNLayer* layer, int t, - const CvMat* X, const CvMat* dE_dY, CvMat* dE_dX ); - -/*------------------------ functions for sub-sampling layer ----------------------------*/ -static void icvCNNSubSamplingRelease( CvCNNLayer** p_layer ); - -static void icvCNNSubSamplingForward( CvCNNLayer* layer, const CvMat* X, CvMat* Y ); - -static void icvCNNSubSamplingBackward( CvCNNLayer* layer, int t, - const CvMat* X, const CvMat* dE_dY, CvMat* dE_dX ); - -/*------------------------ functions for full connected layer --------------------------*/ -static void icvCNNFullConnectRelease( CvCNNLayer** p_layer ); - -static void icvCNNFullConnectForward( CvCNNLayer* layer, const CvMat* X, CvMat* Y ); - -static void icvCNNFullConnectBackward( CvCNNLayer* layer, int, - const CvMat*, const CvMat* dE_dY, CvMat* dE_dX ); - -/****************************************************************************************\ -* Functions implementations * -\****************************************************************************************/ - -#define ICV_CHECK_CNN_NETWORK(network) \ -{ \ - CvCNNLayer* first_layer, *layer, *last_layer; \ - int n_layers, i; \ - if( !network ) \ - CV_ERROR( CV_StsNullPtr, \ - "Null pointer. Network must be created by user." ); \ - n_layers = network->n_layers; \ - first_layer = last_layer = network->layers; \ - for( i = 0, layer = first_layer; i < n_layers && layer; i++ ) \ - { \ - if( !ICV_IS_CNN_LAYER(layer) ) \ - CV_ERROR( CV_StsNullPtr, "Invalid network" ); \ - last_layer = layer; \ - layer = layer->next_layer; \ - } \ - \ - if( i == 0 || i != n_layers || first_layer->prev_layer || layer ) \ - CV_ERROR( CV_StsNullPtr, "Invalid network" ); \ - \ - if( first_layer->n_input_planes != 1 ) \ - CV_ERROR( CV_StsBadArg, "First layer must contain only one input plane" ); \ - \ - if( img_size != first_layer->input_height*first_layer->input_width ) \ - CV_ERROR( CV_StsBadArg, "Invalid input sizes of the first layer" ); \ - \ - if( params->etalons->cols != last_layer->n_output_planes* \ - last_layer->output_height*last_layer->output_width ) \ - CV_ERROR( CV_StsBadArg, "Invalid output sizes of the last layer" ); \ -} - -#define ICV_CHECK_CNN_MODEL_PARAMS(params) \ -{ \ - if( !params ) \ - CV_ERROR( CV_StsNullPtr, "Null pointer" ); \ - \ - if( !ICV_IS_MAT_OF_TYPE(params->etalons, CV_32FC1) ) \ - CV_ERROR( CV_StsBadArg, " must be CV_32FC1 type" ); \ - if( params->etalons->rows != cnn_model->cls_labels->cols ) \ - CV_ERROR( CV_StsBadArg, "Invalid size" ); \ - \ - if( params->grad_estim_type != CV_CNN_GRAD_ESTIM_RANDOM && \ - params->grad_estim_type != CV_CNN_GRAD_ESTIM_BY_WORST_IMG ) \ - CV_ERROR( CV_StsBadArg, "Invalid " ); \ - \ - if( params->start_iter < 0 ) \ - CV_ERROR( CV_StsBadArg, "Parameter must be positive or zero" ); \ - \ - if( params->max_iter < 1 ) \ - params->max_iter = 1; \ -} - -/****************************************************************************************\ -* Classifier functions * -\****************************************************************************************/ -ML_IMPL CvStatModel* -cvTrainCNNClassifier( const CvMat* _train_data, int tflag, - const CvMat* _responses, - const CvStatModelParams* _params, - const CvMat*, const CvMat* _sample_idx, const CvMat*, const CvMat* ) -{ - CvCNNStatModel* cnn_model = 0; - const float** out_train_data = 0; - CvMat* responses = 0; - - CV_FUNCNAME("cvTrainCNNClassifier"); - __BEGIN__; - - int n_images; - int img_size; - CvCNNStatModelParams* params = (CvCNNStatModelParams*)_params; - - CV_CALL(cnn_model = (CvCNNStatModel*)cvCreateStatModel( - CV_STAT_MODEL_MAGIC_VAL|CV_CNN_MAGIC_VAL, sizeof(CvCNNStatModel), - icvCNNModelRelease, icvCNNModelPredict, icvCNNModelUpdate )); - - CV_CALL(cvPrepareTrainData( "cvTrainCNNClassifier", - _train_data, tflag, _responses, CV_VAR_CATEGORICAL, - 0, _sample_idx, false, &out_train_data, - &n_images, &img_size, &img_size, &responses, - &cnn_model->cls_labels, 0 )); - - ICV_CHECK_CNN_MODEL_PARAMS(params); - ICV_CHECK_CNN_NETWORK(params->network); - - cnn_model->network = params->network; - CV_CALL(cnn_model->etalons = (CvMat*)cvClone( params->etalons )); - - CV_CALL( icvTrainCNNetwork( cnn_model->network, out_train_data, responses, - cnn_model->etalons, params->grad_estim_type, params->max_iter, - params->start_iter )); - - __END__; - - if( cvGetErrStatus() < 0 && cnn_model ) - { - cnn_model->release( (CvStatModel**)&cnn_model ); - } - cvFree( &out_train_data ); - cvReleaseMat( &responses ); - - return (CvStatModel*)cnn_model; -} - -/****************************************************************************************/ -static void icvTrainCNNetwork( CvCNNetwork* network, - const float** images, - const CvMat* responses, - const CvMat* etalons, - int grad_estim_type, - int max_iter, - int start_iter ) -{ - CvMat** X = 0; - CvMat** dE_dX = 0; - const int n_layers = network->n_layers; - int k; - - CV_FUNCNAME("icvTrainCNNetwork"); - __BEGIN__; - - CvCNNLayer* first_layer = network->layers; - const int img_height = first_layer->input_height; - const int img_width = first_layer->input_width; - const int img_size = img_width*img_height; - const int n_images = responses->cols; - CvMat image = cvMat( 1, img_size, CV_32FC1 ); - CvCNNLayer* layer; - int n; - CvRNG rng = cvRNG(-1); - - CV_CALL(X = (CvMat**)cvAlloc( (n_layers+1)*sizeof(CvMat*) )); - CV_CALL(dE_dX = (CvMat**)cvAlloc( (n_layers+1)*sizeof(CvMat*) )); - memset( X, 0, (n_layers+1)*sizeof(CvMat*) ); - memset( dE_dX, 0, (n_layers+1)*sizeof(CvMat*) ); - - CV_CALL(X[0] = cvCreateMat( img_height*img_width,1,CV_32FC1 )); - CV_CALL(dE_dX[0] = cvCreateMat( 1, X[0]->rows, CV_32FC1 )); - for( k = 0, layer = first_layer; k < n_layers; k++, layer = layer->next_layer ) - { - CV_CALL(X[k+1] = cvCreateMat( layer->n_output_planes*layer->output_height* - layer->output_width, 1, CV_32FC1 )); - CV_CALL(dE_dX[k+1] = cvCreateMat( 1, X[k+1]->rows, CV_32FC1 )); - } - - for( n = 1; n <= max_iter; n++ ) - { - float loss, max_loss = 0; - int i; - int worst_img_idx = -1; - int* right_etal_idx = responses->data.i; - CvMat etalon; - - // Find the worst image (which produces the greatest loss) or use the random image - if( grad_estim_type == CV_CNN_GRAD_ESTIM_BY_WORST_IMG ) - { - for( i = 0; i < n_images; i++, right_etal_idx++ ) - { - image.data.fl = (float*)images[i]; - cvTranspose( &image, X[0] ); - - for( k = 0, layer = first_layer; k < n_layers; k++, layer = layer->next_layer ) - CV_CALL(layer->forward( layer, X[k], X[k+1] )); - - cvTranspose( X[n_layers], dE_dX[n_layers] ); - cvGetRow( etalons, &etalon, *right_etal_idx ); - loss = (float)cvNorm( dE_dX[n_layers], &etalon ); - if( loss > max_loss ) - { - max_loss = loss; - worst_img_idx = i; - } - } - } - else - worst_img_idx = cvRandInt(&rng) % n_images; - - // Train network on the worst image - // 1) Compute the network output on the - image.data.fl = (float*)images[worst_img_idx]; - CV_CALL(cvTranspose( &image, X[0] )); - - for( k = 0, layer = first_layer; k < n_layers - 1; k++, layer = layer->next_layer ) - CV_CALL(layer->forward( layer, X[k], X[k+1] )); - CV_CALL(layer->forward( layer, X[k], X[k+1] )); - - // 2) Compute the gradient - cvTranspose( X[n_layers], dE_dX[n_layers] ); - cvGetRow( etalons, &etalon, responses->data.i[worst_img_idx] ); - cvSub( dE_dX[n_layers], &etalon, dE_dX[n_layers] ); - - // 3) Update weights by the gradient descent - for( k = n_layers; k > 0; k--, layer = layer->prev_layer ) - CV_CALL(layer->backward( layer, n + start_iter, X[k-1], dE_dX[k], dE_dX[k-1] )); - } - - __END__; - - for( k = 0; k <= n_layers; k++ ) - { - cvReleaseMat( &X[k] ); - cvReleaseMat( &dE_dX[k] ); - } - cvFree( &X ); - cvFree( &dE_dX ); -} - -/****************************************************************************************/ -static float icvCNNModelPredict( const CvStatModel* model, - const CvMat* _image, - CvMat* probs ) -{ - CvMat** X = 0; - float* img_data = 0; - int n_layers = 0; - int best_etal_idx = -1; - int k; - - CV_FUNCNAME("icvCNNModelPredict"); - __BEGIN__; - - CvCNNStatModel* cnn_model = (CvCNNStatModel*)model; - CvCNNLayer* first_layer, *layer = 0; - int img_height, img_width, img_size; - int nclasses, i; - float loss, min_loss = FLT_MAX; - float* probs_data; - CvMat etalon, image; - - if( !CV_IS_CNN(model) ) - CV_ERROR( CV_StsBadArg, "Invalid model" ); - - nclasses = cnn_model->cls_labels->cols; - n_layers = cnn_model->network->n_layers; - first_layer = cnn_model->network->layers; - img_height = first_layer->input_height; - img_width = first_layer->input_width; - img_size = img_height*img_width; - - cvPreparePredictData( _image, img_size, 0, nclasses, probs, &img_data ); - - CV_CALL(X = (CvMat**)cvAlloc( (n_layers+1)*sizeof(CvMat*) )); - memset( X, 0, (n_layers+1)*sizeof(CvMat*) ); - - CV_CALL(X[0] = cvCreateMat( img_size,1,CV_32FC1 )); - for( k = 0, layer = first_layer; k < n_layers; k++, layer = layer->next_layer ) - { - CV_CALL(X[k+1] = cvCreateMat( layer->n_output_planes*layer->output_height* - layer->output_width, 1, CV_32FC1 )); - } - - image = cvMat( 1, img_size, CV_32FC1, img_data ); - cvTranspose( &image, X[0] ); - for( k = 0, layer = first_layer; k < n_layers; k++, layer = layer->next_layer ) - CV_CALL(layer->forward( layer, X[k], X[k+1] )); - - probs_data = probs ? probs->data.fl : 0; - etalon = cvMat( cnn_model->etalons->cols, 1, CV_32FC1, cnn_model->etalons->data.fl ); - for( i = 0; i < nclasses; i++, etalon.data.fl += cnn_model->etalons->cols ) - { - loss = (float)cvNorm( X[n_layers], &etalon ); - if( loss < min_loss ) - { - min_loss = loss; - best_etal_idx = i; - } - if( probs ) - *probs_data++ = -loss; - } - - if( probs ) - { - cvExp( probs, probs ); - CvScalar sum = cvSum( probs ); - cvConvertScale( probs, probs, 1./sum.val[0] ); - } - - __END__; - - for( k = 0; k <= n_layers; k++ ) - cvReleaseMat( &X[k] ); - cvFree( &X ); - if( img_data != _image->data.fl ) - cvFree( &img_data ); - - return ((float) ((CvCNNStatModel*)model)->cls_labels->data.i[best_etal_idx]); -} - -/****************************************************************************************/ -static void icvCNNModelUpdate( - CvStatModel* _cnn_model, const CvMat* _train_data, int tflag, - const CvMat* _responses, const CvStatModelParams* _params, - const CvMat*, const CvMat* _sample_idx, - const CvMat*, const CvMat* ) -{ - const float** out_train_data = 0; - CvMat* responses = 0; - CvMat* cls_labels = 0; - - CV_FUNCNAME("icvCNNModelUpdate"); - __BEGIN__; - - int n_images, img_size, i; - CvCNNStatModelParams* params = (CvCNNStatModelParams*)_params; - CvCNNStatModel* cnn_model = (CvCNNStatModel*)_cnn_model; - - if( !CV_IS_CNN(cnn_model) ) - CV_ERROR( CV_StsBadArg, "Invalid model" ); - - CV_CALL(cvPrepareTrainData( "cvTrainCNNClassifier", - _train_data, tflag, _responses, CV_VAR_CATEGORICAL, - 0, _sample_idx, false, &out_train_data, - &n_images, &img_size, &img_size, &responses, - &cls_labels, 0, 0 )); - - ICV_CHECK_CNN_MODEL_PARAMS(params); - - // Number of classes must be the same as when classifiers was created - if( !CV_ARE_SIZES_EQ(cls_labels, cnn_model->cls_labels) ) - CV_ERROR( CV_StsBadArg, "Number of classes must be left unchanged" ); - for( i = 0; i < cls_labels->cols; i++ ) - { - if( cls_labels->data.i[i] != cnn_model->cls_labels->data.i[i] ) - CV_ERROR( CV_StsBadArg, "Number of classes must be left unchanged" ); - } - - CV_CALL( icvTrainCNNetwork( cnn_model->network, out_train_data, responses, - cnn_model->etalons, params->grad_estim_type, params->max_iter, - params->start_iter )); - - __END__; - - cvFree( &out_train_data ); - cvReleaseMat( &responses ); -} - -/****************************************************************************************/ -static void icvCNNModelRelease( CvStatModel** cnn_model ) -{ - CV_FUNCNAME("icvCNNModelRelease"); - __BEGIN__; - - CvCNNStatModel* cnn; - if( !cnn_model ) - CV_ERROR( CV_StsNullPtr, "Null double pointer" ); - - cnn = *(CvCNNStatModel**)cnn_model; - - cvReleaseMat( &cnn->cls_labels ); - cvReleaseMat( &cnn->etalons ); - cnn->network->release( &cnn->network ); - - cvFree( &cnn ); - - __END__; - -} - -/****************************************************************************************\ -* Network functions * -\****************************************************************************************/ -ML_IMPL CvCNNetwork* cvCreateCNNetwork( CvCNNLayer* first_layer ) -{ - CvCNNetwork* network = 0; - - CV_FUNCNAME( "cvCreateCNNetwork" ); - __BEGIN__; - - if( !ICV_IS_CNN_LAYER(first_layer) ) - CV_ERROR( CV_StsBadArg, "Invalid layer" ); - - CV_CALL(network = (CvCNNetwork*)cvAlloc( sizeof(CvCNNetwork) )); - memset( network, 0, sizeof(CvCNNetwork) ); - - network->layers = first_layer; - network->n_layers = 1; - network->release = icvCNNetworkRelease; - network->add_layer = icvCNNetworkAddLayer; - - __END__; - - if( cvGetErrStatus() < 0 && network ) - cvFree( &network ); - - return network; - -} - -/****************************************************************************************/ -static void icvCNNetworkAddLayer( CvCNNetwork* network, CvCNNLayer* layer ) -{ - CV_FUNCNAME( "icvCNNetworkAddLayer" ); - __BEGIN__; - - CvCNNLayer* prev_layer; - - if( network == NULL ) - CV_ERROR( CV_StsNullPtr, "Null pointer" ); - - prev_layer = network->layers; - while( prev_layer->next_layer ) - prev_layer = prev_layer->next_layer; - - if( ICV_IS_CNN_FULLCONNECT_LAYER(layer) ) - { - if( layer->n_input_planes != prev_layer->output_width*prev_layer->output_height* - prev_layer->n_output_planes ) - CV_ERROR( CV_StsBadArg, "Unmatched size of the new layer" ); - if( layer->input_height != 1 || layer->output_height != 1 || - layer->input_width != 1 || layer->output_width != 1 ) - CV_ERROR( CV_StsBadArg, "Invalid size of the new layer" ); - } - else if( ICV_IS_CNN_CONVOLUTION_LAYER(layer) || ICV_IS_CNN_SUBSAMPLING_LAYER(layer) ) - { - if( prev_layer->n_output_planes != layer->n_input_planes || - prev_layer->output_height != layer->input_height || - prev_layer->output_width != layer->input_width ) - CV_ERROR( CV_StsBadArg, "Unmatched size of the new layer" ); - } - else - CV_ERROR( CV_StsBadArg, "Invalid layer" ); - - layer->prev_layer = prev_layer; - prev_layer->next_layer = layer; - network->n_layers++; - - __END__; -} - -/****************************************************************************************/ -static void icvCNNetworkRelease( CvCNNetwork** network_pptr ) -{ - CV_FUNCNAME( "icvReleaseCNNetwork" ); - __BEGIN__; - - CvCNNetwork* network = 0; - CvCNNLayer* layer = 0, *next_layer = 0; - int k; - - if( network_pptr == NULL ) - CV_ERROR( CV_StsBadArg, "Null double pointer" ); - if( *network_pptr == NULL ) - return; - - network = *network_pptr; - layer = network->layers; - if( layer == NULL ) - CV_ERROR( CV_StsBadArg, "CNN is empty (does not contain any layer)" ); - - // k is the number of the layer to be deleted - for( k = 0; k < network->n_layers && layer; k++ ) - { - next_layer = layer->next_layer; - layer->release( &layer ); - layer = next_layer; - } - - if( k != network->n_layers || layer) - CV_ERROR( CV_StsBadArg, "Invalid network" ); - - cvFree( &network ); - - __END__; -} - -/****************************************************************************************\ -* Layer functions * -\****************************************************************************************/ -static CvCNNLayer* icvCreateCNNLayer( int layer_type, int header_size, - int n_input_planes, int input_height, int input_width, - int n_output_planes, int output_height, int output_width, - float init_learn_rate, int learn_rate_decrease_type, - CvCNNLayerRelease release, CvCNNLayerForward forward, CvCNNLayerBackward backward ) -{ - CvCNNLayer* layer = 0; - - CV_FUNCNAME("icvCreateCNNLayer"); - __BEGIN__; - - CV_ASSERT( release && forward && backward ) - CV_ASSERT( header_size >= sizeof(CvCNNLayer) ) - - if( n_input_planes < 1 || n_output_planes < 1 || - input_height < 1 || input_width < 1 || - output_height < 1 || output_width < 1 || - input_height < output_height || - input_width < output_width ) - CV_ERROR( CV_StsBadArg, "Incorrect input or output parameters" ); - if( init_learn_rate < FLT_EPSILON ) - CV_ERROR( CV_StsBadArg, "Initial learning rate must be positive" ); - if( learn_rate_decrease_type != CV_CNN_LEARN_RATE_DECREASE_HYPERBOLICALLY && - learn_rate_decrease_type != CV_CNN_LEARN_RATE_DECREASE_SQRT_INV && - learn_rate_decrease_type != CV_CNN_LEARN_RATE_DECREASE_LOG_INV ) - CV_ERROR( CV_StsBadArg, "Invalid type of learning rate dynamics" ); - - CV_CALL(layer = (CvCNNLayer*)cvAlloc( header_size )); - memset( layer, 0, header_size ); - - layer->flags = ICV_CNN_LAYER|layer_type; - CV_ASSERT( ICV_IS_CNN_LAYER(layer) ) - - layer->n_input_planes = n_input_planes; - layer->input_height = input_height; - layer->input_width = input_width; - - layer->n_output_planes = n_output_planes; - layer->output_height = output_height; - layer->output_width = output_width; - - layer->init_learn_rate = init_learn_rate; - layer->learn_rate_decrease_type = learn_rate_decrease_type; - - layer->release = release; - layer->forward = forward; - layer->backward = backward; - - __END__; - - if( cvGetErrStatus() < 0 && layer) - cvFree( &layer ); - - return layer; -} - -/****************************************************************************************/ -ML_IMPL CvCNNLayer* cvCreateCNNConvolutionLayer( - int n_input_planes, int input_height, int input_width, - int n_output_planes, int K, - float init_learn_rate, int learn_rate_decrease_type, - CvMat* connect_mask, CvMat* weights ) - -{ - CvCNNConvolutionLayer* layer = 0; - - CV_FUNCNAME("cvCreateCNNConvolutionLayer"); - __BEGIN__; - - const int output_height = input_height - K + 1; - const int output_width = input_width - K + 1; - - if( K < 1 || init_learn_rate <= 0 ) - CV_ERROR( CV_StsBadArg, "Incorrect parameters" ); - - CV_CALL(layer = (CvCNNConvolutionLayer*)icvCreateCNNLayer( ICV_CNN_CONVOLUTION_LAYER, - sizeof(CvCNNConvolutionLayer), n_input_planes, input_height, input_width, - n_output_planes, output_height, output_width, - init_learn_rate, learn_rate_decrease_type, - icvCNNConvolutionRelease, icvCNNConvolutionForward, icvCNNConvolutionBackward )); - - layer->K = K; - CV_CALL(layer->weights = cvCreateMat( n_output_planes, K*K+1, CV_32FC1 )); - CV_CALL(layer->connect_mask = cvCreateMat( n_output_planes, n_input_planes, CV_8UC1)); - - if( weights ) - { - if( !ICV_IS_MAT_OF_TYPE( weights, CV_32FC1 ) ) - CV_ERROR( CV_StsBadSize, "Type of initial weights matrix must be CV_32FC1" ); - if( !CV_ARE_SIZES_EQ( weights, layer->weights ) ) - CV_ERROR( CV_StsBadSize, "Invalid size of initial weights matrix" ); - CV_CALL(cvCopy( weights, layer->weights )); - } - else - { - CvRNG rng = cvRNG( 0xFFFFFFFF ); - cvRandArr( &rng, layer->weights, CV_RAND_UNI, cvRealScalar(-1), cvRealScalar(1) ); - } - - if( connect_mask ) - { - if( !ICV_IS_MAT_OF_TYPE( connect_mask, CV_8UC1 ) ) - CV_ERROR( CV_StsBadSize, "Type of connection matrix must be CV_32FC1" ); - if( !CV_ARE_SIZES_EQ( connect_mask, layer->connect_mask ) ) - CV_ERROR( CV_StsBadSize, "Invalid size of connection matrix" ); - CV_CALL(cvCopy( connect_mask, layer->connect_mask )); - } - else - CV_CALL(cvSet( layer->connect_mask, cvRealScalar(1) )); - - __END__; - - if( cvGetErrStatus() < 0 && layer ) - { - cvReleaseMat( &layer->weights ); - cvReleaseMat( &layer->connect_mask ); - cvFree( &layer ); - } - - return (CvCNNLayer*)layer; -} - -/****************************************************************************************/ -ML_IMPL CvCNNLayer* cvCreateCNNSubSamplingLayer( - int n_input_planes, int input_height, int input_width, - int sub_samp_scale, float a, float s, - float init_learn_rate, int learn_rate_decrease_type, CvMat* weights ) - -{ - CvCNNSubSamplingLayer* layer = 0; - - CV_FUNCNAME("cvCreateCNNSubSamplingLayer"); - __BEGIN__; - - const int output_height = input_height/sub_samp_scale; - const int output_width = input_width/sub_samp_scale; - const int n_output_planes = n_input_planes; - - if( sub_samp_scale < 1 || a <= 0 || s <= 0) - CV_ERROR( CV_StsBadArg, "Incorrect parameters" ); - - CV_CALL(layer = (CvCNNSubSamplingLayer*)icvCreateCNNLayer( ICV_CNN_SUBSAMPLING_LAYER, - sizeof(CvCNNSubSamplingLayer), n_input_planes, input_height, input_width, - n_output_planes, output_height, output_width, - init_learn_rate, learn_rate_decrease_type, - icvCNNSubSamplingRelease, icvCNNSubSamplingForward, icvCNNSubSamplingBackward )); - - layer->sub_samp_scale = sub_samp_scale; - layer->a = a; - layer->s = s; - - CV_CALL(layer->sumX = - cvCreateMat( n_output_planes*output_width*output_height, 1, CV_32FC1 )); - CV_CALL(layer->exp2ssumWX = - cvCreateMat( n_output_planes*output_width*output_height, 1, CV_32FC1 )); - - cvZero( layer->sumX ); - cvZero( layer->exp2ssumWX ); - - CV_CALL(layer->weights = cvCreateMat( n_output_planes, 2, CV_32FC1 )); - if( weights ) - { - if( !ICV_IS_MAT_OF_TYPE( weights, CV_32FC1 ) ) - CV_ERROR( CV_StsBadSize, "Type of initial weights matrix must be CV_32FC1" ); - if( !CV_ARE_SIZES_EQ( weights, layer->weights ) ) - CV_ERROR( CV_StsBadSize, "Invalid size of initial weights matrix" ); - CV_CALL(cvCopy( weights, layer->weights )); - } - else - { - CvRNG rng = cvRNG( 0xFFFFFFFF ); - cvRandArr( &rng, layer->weights, CV_RAND_UNI, cvRealScalar(-1), cvRealScalar(1) ); - } - - __END__; - - if( cvGetErrStatus() < 0 && layer ) - { - cvReleaseMat( &layer->exp2ssumWX ); - cvFree( &layer ); - } - - return (CvCNNLayer*)layer; -} - -/****************************************************************************************/ -ML_IMPL CvCNNLayer* cvCreateCNNFullConnectLayer( - int n_inputs, int n_outputs, float a, float s, - float init_learn_rate, int learn_rate_decrease_type, CvMat* weights ) -{ - CvCNNFullConnectLayer* layer = 0; - - CV_FUNCNAME("cvCreateCNNFullConnectLayer"); - __BEGIN__; - - if( a <= 0 || s <= 0 || init_learn_rate <= 0) - CV_ERROR( CV_StsBadArg, "Incorrect parameters" ); - - CV_CALL(layer = (CvCNNFullConnectLayer*)icvCreateCNNLayer( ICV_CNN_FULLCONNECT_LAYER, - sizeof(CvCNNFullConnectLayer), n_inputs, 1, 1, n_outputs, 1, 1, - init_learn_rate, learn_rate_decrease_type, - icvCNNFullConnectRelease, icvCNNFullConnectForward, icvCNNFullConnectBackward )); - - layer->a = a; - layer->s = s; - - CV_CALL(layer->exp2ssumWX = cvCreateMat( n_outputs, 1, CV_32FC1 )); - cvZero( layer->exp2ssumWX ); - - CV_CALL(layer->weights = cvCreateMat( n_outputs, n_inputs+1, CV_32FC1 )); - if( weights ) - { - if( !ICV_IS_MAT_OF_TYPE( weights, CV_32FC1 ) ) - CV_ERROR( CV_StsBadSize, "Type of initial weights matrix must be CV_32FC1" ); - if( !CV_ARE_SIZES_EQ( weights, layer->weights ) ) - CV_ERROR( CV_StsBadSize, "Invalid size of initial weights matrix" ); - CV_CALL(cvCopy( weights, layer->weights )); - } - else - { - CvRNG rng = cvRNG( 0xFFFFFFFF ); - cvRandArr( &rng, layer->weights, CV_RAND_UNI, cvRealScalar(-1), cvRealScalar(1) ); - } - - __END__; - - if( cvGetErrStatus() < 0 && layer ) - { - cvReleaseMat( &layer->exp2ssumWX ); - cvReleaseMat( &layer->weights ); - cvFree( &layer ); - } - - return (CvCNNLayer*)layer; -} - - -/****************************************************************************************\ -* Layer FORWARD functions * -\****************************************************************************************/ -static void icvCNNConvolutionForward( CvCNNLayer* _layer, - const CvMat* X, - CvMat* Y ) -{ - CV_FUNCNAME("icvCNNConvolutionForward"); - - if( !ICV_IS_CNN_CONVOLUTION_LAYER(_layer) ) - CV_ERROR( CV_StsBadArg, "Invalid layer" ); - - {__BEGIN__; - - const CvCNNConvolutionLayer* layer = (CvCNNConvolutionLayer*) _layer; - - const int K = layer->K; - const int n_weights_for_Yplane = K*K + 1; - - const int nXplanes = layer->n_input_planes; - const int Xheight = layer->input_height; - const int Xwidth = layer->input_width ; - const int Xsize = Xwidth*Xheight; - - const int nYplanes = layer->n_output_planes; - const int Yheight = layer->output_height; - const int Ywidth = layer->output_width; - const int Ysize = Ywidth*Yheight; - - int xx, yy, ni, no, kx, ky; - float *Yplane = 0, *Xplane = 0, *w = 0; - uchar* connect_mask_data = 0; - - CV_ASSERT( X->rows == nXplanes*Xsize && X->cols == 1 ); - CV_ASSERT( Y->rows == nYplanes*Ysize && Y->cols == 1 ); - - cvSetZero( Y ); - - Yplane = Y->data.fl; - connect_mask_data = layer->connect_mask->data.ptr; - w = layer->weights->data.fl; - for( no = 0; no < nYplanes; no++, Yplane += Ysize, w += n_weights_for_Yplane ) - { - Xplane = X->data.fl; - for( ni = 0; ni < nXplanes; ni++, Xplane += Xsize, connect_mask_data++ ) - { - if( *connect_mask_data ) - { - float* Yelem = Yplane; - - // Xheight-K+1 == Yheight && Xwidth-K+1 == Ywidth - for( yy = 0; yy < Xheight-K+1; yy++ ) - { - for( xx = 0; xx < Xwidth-K+1; xx++, Yelem++ ) - { - float* templ = Xplane+yy*Xwidth+xx; - float WX = 0; - for( ky = 0; ky < K; ky++, templ += Xwidth-K ) - { - for( kx = 0; kx < K; kx++, templ++ ) - { - WX += *templ*w[ky*K+kx]; - } - } - *Yelem += WX + w[K*K]; - } - } - } - } - } - }__END__; -} - -/****************************************************************************************/ -static void icvCNNSubSamplingForward( CvCNNLayer* _layer, - const CvMat* X, - CvMat* Y ) -{ - CV_FUNCNAME("icvCNNSubSamplingForward"); - - if( !ICV_IS_CNN_SUBSAMPLING_LAYER(_layer) ) - CV_ERROR( CV_StsBadArg, "Invalid layer" ); - - {__BEGIN__; - - const CvCNNSubSamplingLayer* layer = (CvCNNSubSamplingLayer*) _layer; - - const int sub_sampl_scale = layer->sub_samp_scale; - const int nplanes = layer->n_input_planes; - - const int Xheight = layer->input_height; - const int Xwidth = layer->input_width ; - const int Xsize = Xwidth*Xheight; - - const int Yheight = layer->output_height; - const int Ywidth = layer->output_width; - const int Ysize = Ywidth*Yheight; - - int xx, yy, ni, kx, ky; - float* sumX_data = 0, *w = 0; - CvMat sumX_sub_col, exp2ssumWX_sub_col; - - CV_ASSERT(X->rows == nplanes*Xsize && X->cols == 1); - CV_ASSERT(layer->exp2ssumWX->cols == 1 && layer->exp2ssumWX->rows == nplanes*Ysize); - - // update inner variable layer->exp2ssumWX, which will be used in back-progation - cvZero( layer->sumX ); - cvZero( layer->exp2ssumWX ); - - for( ky = 0; ky < sub_sampl_scale; ky++ ) - for( kx = 0; kx < sub_sampl_scale; kx++ ) - { - float* Xplane = X->data.fl; - sumX_data = layer->sumX->data.fl; - for( ni = 0; ni < nplanes; ni++, Xplane += Xsize ) - { - for( yy = 0; yy < Yheight; yy++ ) - for( xx = 0; xx < Ywidth; xx++, sumX_data++ ) - *sumX_data += Xplane[((yy+ky)*Xwidth+(xx+kx))]; - } - } - - w = layer->weights->data.fl; - cvGetRows( layer->sumX, &sumX_sub_col, 0, Ysize ); - cvGetRows( layer->exp2ssumWX, &exp2ssumWX_sub_col, 0, Ysize ); - for( ni = 0; ni < nplanes; ni++, w += 2 ) - { - CV_CALL(cvConvertScale( &sumX_sub_col, &exp2ssumWX_sub_col, w[0], w[1] )); - sumX_sub_col.data.fl += Ysize; - exp2ssumWX_sub_col.data.fl += Ysize; - } - - CV_CALL(cvScale( layer->exp2ssumWX, layer->exp2ssumWX, 2.0*layer->s )); - CV_CALL(cvExp( layer->exp2ssumWX, layer->exp2ssumWX )); - CV_CALL(cvMinS( layer->exp2ssumWX, FLT_MAX, layer->exp2ssumWX )); -//#ifdef _DEBUG - { - float* exp2ssumWX_data = layer->exp2ssumWX->data.fl; - for( ni = 0; ni < layer->exp2ssumWX->rows; ni++, exp2ssumWX_data++ ) - { - if( *exp2ssumWX_data == FLT_MAX ) - cvSetErrStatus( 1 ); - } - } -//#endif - // compute the output variable Y == ( a - 2a/(layer->exp2ssumWX + 1)) - CV_CALL(cvAddS( layer->exp2ssumWX, cvRealScalar(1), Y )); - CV_CALL(cvDiv( 0, Y, Y, -2.0*layer->a )); - CV_CALL(cvAddS( Y, cvRealScalar(layer->a), Y )); - - }__END__; -} - -/****************************************************************************************/ -static void icvCNNFullConnectForward( CvCNNLayer* _layer, const CvMat* X, CvMat* Y ) -{ - CV_FUNCNAME("icvCNNFullConnectForward"); - - if( !ICV_IS_CNN_FULLCONNECT_LAYER(_layer) ) - CV_ERROR( CV_StsBadArg, "Invalid layer" ); - - {__BEGIN__; - - const CvCNNFullConnectLayer* layer = (CvCNNFullConnectLayer*)_layer; - CvMat* weights = layer->weights; - CvMat sub_weights, bias; - - CV_ASSERT(X->cols == 1 && X->rows == layer->n_input_planes); - CV_ASSERT(Y->cols == 1 && Y->rows == layer->n_output_planes); - - CV_CALL(cvGetSubRect( weights, &sub_weights, - cvRect(0, 0, weights->cols-1, weights->rows ))); - CV_CALL(cvGetCol( weights, &bias, weights->cols-1)); - - // update inner variable layer->exp2ssumWX, which will be used in Back-Propagation - CV_CALL(cvGEMM( &sub_weights, X, 2*layer->s, &bias, 2*layer->s, layer->exp2ssumWX )); - CV_CALL(cvExp( layer->exp2ssumWX, layer->exp2ssumWX )); - CV_CALL(cvMinS( layer->exp2ssumWX, FLT_MAX, layer->exp2ssumWX )); -//#ifdef _DEBUG - { - float* exp2ssumWX_data = layer->exp2ssumWX->data.fl; - int i; - for( i = 0; i < layer->exp2ssumWX->rows; i++, exp2ssumWX_data++ ) - { - if( *exp2ssumWX_data == FLT_MAX ) - cvSetErrStatus( 1 ); - } - } -//#endif - // compute the output variable Y == ( a - 2a/(layer->exp2ssumWX + 1)) - CV_CALL(cvAddS( layer->exp2ssumWX, cvRealScalar(1), Y )); - CV_CALL(cvDiv( 0, Y, Y, -2.0*layer->a )); - CV_CALL(cvAddS( Y, cvRealScalar(layer->a), Y )); - - }__END__; -} - -/****************************************************************************************\ -* Layer BACKWARD functions * -\****************************************************************************************/ - -/* , should be row-vectors. - Function computes partial derivatives - of the loss function with respect to the planes components - of the previous layer (X). - It is a basic function for back propagation method. - Input parameter is the partial derivative of the - loss function with respect to the planes components - of the current layer. */ -static void icvCNNConvolutionBackward( - CvCNNLayer* _layer, int t, const CvMat* X, const CvMat* dE_dY, CvMat* dE_dX ) -{ - CvMat* dY_dX = 0; - CvMat* dY_dW = 0; - CvMat* dE_dW = 0; - - CV_FUNCNAME("icvCNNConvolutionBackward"); - - if( !ICV_IS_CNN_CONVOLUTION_LAYER(_layer) ) - CV_ERROR( CV_StsBadArg, "Invalid layer" ); - - {__BEGIN__; - - const CvCNNConvolutionLayer* layer = (CvCNNConvolutionLayer*) _layer; - - const int K = layer->K; - - const int n_X_planes = layer->n_input_planes; - const int X_plane_height = layer->input_height; - const int X_plane_width = layer->input_width; - const int X_plane_size = X_plane_height*X_plane_width; - - const int n_Y_planes = layer->n_output_planes; - const int Y_plane_height = layer->output_height; - const int Y_plane_width = layer->output_width; - const int Y_plane_size = Y_plane_height*Y_plane_width; - - int no, ni, yy, xx, ky, kx; - int X_idx = 0, Y_idx = 0; - - float *X_plane = 0, *w = 0; - - CvMat* weights = layer->weights; - - CV_ASSERT( t >= 1 ); - CV_ASSERT( n_Y_planes == weights->rows ); - - dY_dX = cvCreateMat( n_Y_planes*Y_plane_size, X->rows, CV_32FC1 ); - dY_dW = cvCreateMat( dY_dX->rows, weights->cols*weights->rows, CV_32FC1 ); - dE_dW = cvCreateMat( 1, dY_dW->cols, CV_32FC1 ); - - cvZero( dY_dX ); - cvZero( dY_dW ); - - // compute gradient of the loss function with respect to X and W - for( no = 0; no < n_Y_planes; no++, Y_idx += Y_plane_size ) - { - w = weights->data.fl + no*(K*K+1); - X_idx = 0; - X_plane = X->data.fl; - for( ni = 0; ni < n_X_planes; ni++, X_plane += X_plane_size ) - { - if( layer->connect_mask->data.ptr[ni*n_Y_planes+no] ) - { - for( yy = 0; yy < X_plane_height - K + 1; yy++ ) - { - for( xx = 0; xx < X_plane_width - K + 1; xx++ ) - { - for( ky = 0; ky < K; ky++ ) - { - for( kx = 0; kx < K; kx++ ) - { - CV_MAT_ELEM(*dY_dX, float, Y_idx+yy*Y_plane_width+xx, - X_idx+(yy+ky)*X_plane_width+(xx+kx)) = w[ky*K+kx]; - - // dY_dWi, i=1,...,K*K - CV_MAT_ELEM(*dY_dW, float, Y_idx+yy*Y_plane_width+xx, - no*(K*K+1)+ky*K+kx) += - X_plane[(yy+ky)*X_plane_width+(xx+kx)]; - } - } - // dY_dW(K*K+1)==1 because W(K*K+1) is bias - CV_MAT_ELEM(*dY_dW, float, Y_idx+yy*Y_plane_width+xx, - no*(K*K+1)+K*K) += 1; - } - } - } - X_idx += X_plane_size; - } - } - - CV_CALL(cvMatMul( dE_dY, dY_dW, dE_dW )); - CV_CALL(cvMatMul( dE_dY, dY_dX, dE_dX )); - - // update weights - { - CvMat dE_dW_mat; - float eta; - if( layer->learn_rate_decrease_type == CV_CNN_LEARN_RATE_DECREASE_LOG_INV ) - eta = -layer->init_learn_rate/logf(1+(float)t); - else if( layer->learn_rate_decrease_type == CV_CNN_LEARN_RATE_DECREASE_SQRT_INV ) - eta = -layer->init_learn_rate/sqrtf((float)t); - else - eta = -layer->init_learn_rate/(float)t; - cvReshape( dE_dW, &dE_dW_mat, 0, weights->rows ); - cvScaleAdd( &dE_dW_mat, cvRealScalar(eta), weights, weights ); - } - - }__END__; - - cvReleaseMat( &dY_dX ); - cvReleaseMat( &dY_dW ); - cvReleaseMat( &dE_dW ); -} - -/****************************************************************************************/ -static void icvCNNSubSamplingBackward( - CvCNNLayer* _layer, int t, const CvMat*, const CvMat* dE_dY, CvMat* dE_dX ) -{ - // derivative of activation function - CvMat* dY_dX_elems = 0; // elements of matrix dY_dX - CvMat* dY_dW_elems = 0; // elements of matrix dY_dW - CvMat* dE_dW = 0; - - CV_FUNCNAME("icvCNNSubSamplingBackward"); - - if( !ICV_IS_CNN_SUBSAMPLING_LAYER(_layer) ) - CV_ERROR( CV_StsBadArg, "Invalid layer" ); - - {__BEGIN__; - - const CvCNNSubSamplingLayer* layer = (CvCNNSubSamplingLayer*) _layer; - - const int Xwidth = layer->input_width; - const int Ywidth = layer->output_width; - const int Yheight = layer->output_height; - const int Ysize = Ywidth * Yheight; - const int scale = layer->sub_samp_scale; - const int k_max = layer->n_output_planes * Yheight; - - int k, i, j, m; - float* dY_dX_current_elem = 0, *dE_dX_start = 0, *dE_dW_data = 0, *w = 0; - CvMat dy_dw0, dy_dw1; - CvMat activ_func_der, sumX_row; - CvMat dE_dY_sub_row, dY_dX_sub_col, dy_dw0_sub_row, dy_dw1_sub_row; - - CV_CALL(dY_dX_elems = cvCreateMat( layer->sumX->rows, 1, CV_32FC1 )); - CV_CALL(dY_dW_elems = cvCreateMat( 2, layer->sumX->rows, CV_32FC1 )); - CV_CALL(dE_dW = cvCreateMat( 1, 2*layer->n_output_planes, CV_32FC1 )); - - // compute derivative of activ.func. - // == = 4as*(layer->exp2ssumWX)/(layer->exp2ssumWX + 1)^2 - CV_CALL(cvAddS( layer->exp2ssumWX, cvRealScalar(1), dY_dX_elems )); - CV_CALL(cvPow( dY_dX_elems, dY_dX_elems, -2.0 )); - CV_CALL(cvMul( dY_dX_elems, layer->exp2ssumWX, dY_dX_elems, 4.0*layer->a*layer->s )); - - // compute - // a) compute - cvReshape( dY_dX_elems, &activ_func_der, 0, 1 ); - cvGetRow( dY_dW_elems, &dy_dw0, 0 ); - cvGetRow( dY_dW_elems, &dy_dw1, 1 ); - CV_CALL(cvCopy( &activ_func_der, &dy_dw0 )); - CV_CALL(cvCopy( &activ_func_der, &dy_dw1 )); - - cvReshape( layer->sumX, &sumX_row, 0, 1 ); - cvMul( &dy_dw0, &sumX_row, &dy_dw0 ); - - // b) compute = * - cvGetCols( dE_dY, &dE_dY_sub_row, 0, Ysize ); - cvGetCols( &dy_dw0, &dy_dw0_sub_row, 0, Ysize ); - cvGetCols( &dy_dw1, &dy_dw1_sub_row, 0, Ysize ); - dE_dW_data = dE_dW->data.fl; - for( i = 0; i < layer->n_output_planes; i++ ) - { - *dE_dW_data++ = (float)cvDotProduct( &dE_dY_sub_row, &dy_dw0_sub_row ); - *dE_dW_data++ = (float)cvDotProduct( &dE_dY_sub_row, &dy_dw1_sub_row ); - - dE_dY_sub_row.data.fl += Ysize; - dy_dw0_sub_row.data.fl += Ysize; - dy_dw1_sub_row.data.fl += Ysize; - } - - // compute = layer->weights* - w = layer->weights->data.fl; - cvGetRows( dY_dX_elems, &dY_dX_sub_col, 0, Ysize ); - for( i = 0; i < layer->n_input_planes; i++, w++, dY_dX_sub_col.data.fl += Ysize ) - CV_CALL(cvConvertScale( &dY_dX_sub_col, &dY_dX_sub_col, (float)*w )); - - // compute - CV_CALL(cvReshape( dY_dX_elems, dY_dX_elems, 0, 1 )); - CV_CALL(cvMul( dY_dX_elems, dE_dY, dY_dX_elems )); - - dY_dX_current_elem = dY_dX_elems->data.fl; - dE_dX_start = dE_dX->data.fl; - for( k = 0; k < k_max; k++ ) - { - for( i = 0; i < Ywidth; i++, dY_dX_current_elem++ ) - { - float* dE_dX_current_elem = dE_dX_start; - for( j = 0; j < scale; j++, dE_dX_current_elem += Xwidth - scale ) - { - for( m = 0; m < scale; m++, dE_dX_current_elem++ ) - *dE_dX_current_elem = *dY_dX_current_elem; - } - dE_dX_start += scale; - } - dE_dX_start += Xwidth * (scale - 1); - } - - // update weights - { - CvMat dE_dW_mat, *weights = layer->weights; - float eta; - if( layer->learn_rate_decrease_type == CV_CNN_LEARN_RATE_DECREASE_LOG_INV ) - eta = -layer->init_learn_rate/logf(1+(float)t); - else if( layer->learn_rate_decrease_type == CV_CNN_LEARN_RATE_DECREASE_SQRT_INV ) - eta = -layer->init_learn_rate/sqrtf((float)t); - else - eta = -layer->init_learn_rate/(float)t; - cvReshape( dE_dW, &dE_dW_mat, 0, weights->rows ); - cvScaleAdd( &dE_dW_mat, cvRealScalar(eta), weights, weights ); - } - - }__END__; - - cvReleaseMat( &dY_dX_elems ); - cvReleaseMat( &dY_dW_elems ); - cvReleaseMat( &dE_dW ); -} - -/****************************************************************************************/ -/* , should be row-vectors. - Function computes partial derivatives , - of the loss function with respect to the planes components - of the previous layer (X) and the weights of the current layer (W) - and updates weights od the current layer by using . - It is a basic function for back propagation method. - Input parameter is the partial derivative of the - loss function with respect to the planes components - of the current layer. */ -static void icvCNNFullConnectBackward( CvCNNLayer* _layer, - int t, - const CvMat* X, - const CvMat* dE_dY, - CvMat* dE_dX ) -{ - CvMat* dE_dY_activ_func_der = 0; - CvMat* dE_dW = 0; - - CV_FUNCNAME( "icvCNNFullConnectBackward" ); - - if( !ICV_IS_CNN_FULLCONNECT_LAYER(_layer) ) - CV_ERROR( CV_StsBadArg, "Invalid layer" ); - - {__BEGIN__; - - const CvCNNFullConnectLayer* layer = (CvCNNFullConnectLayer*)_layer; - const int n_outputs = layer->n_output_planes; - const int n_inputs = layer->n_input_planes; - - int i; - float* dE_dY_activ_func_der_data; - CvMat* weights = layer->weights; - CvMat sub_weights, Xtemplate, Xrow, exp2ssumWXrow; - - CV_ASSERT(X->cols == 1 && X->rows == n_inputs); - CV_ASSERT(dE_dY->rows == 1 && dE_dY->cols == n_outputs ); - CV_ASSERT(dE_dX->rows == 1 && dE_dX->cols == n_inputs ); - - // we violate the convetion about vector's orientation because - // here is more convenient to make this parameter a row-vector - CV_CALL(dE_dY_activ_func_der = cvCreateMat( 1, n_outputs, CV_32FC1 )); - CV_CALL(dE_dW = cvCreateMat( 1, weights->rows*weights->cols, CV_32FC1 )); - - // 1) compute gradients dE_dX and dE_dW - // activ_func_der == 4as*(layer->exp2ssumWX)/(layer->exp2ssumWX + 1)^2 - CV_CALL(cvReshape( layer->exp2ssumWX, &exp2ssumWXrow, 0, layer->exp2ssumWX->cols )); - CV_CALL(cvAddS( &exp2ssumWXrow, cvRealScalar(1), dE_dY_activ_func_der )); - CV_CALL(cvPow( dE_dY_activ_func_der, dE_dY_activ_func_der, -2.0 )); - CV_CALL(cvMul( dE_dY_activ_func_der, &exp2ssumWXrow, dE_dY_activ_func_der, - 4.0*layer->a*layer->s )); - CV_CALL(cvMul( dE_dY, dE_dY_activ_func_der, dE_dY_activ_func_der )); - - // sub_weights = d(W*(X|1))/dX - CV_CALL(cvGetSubRect( weights, &sub_weights, - cvRect(0, 0, weights->cols-1, weights->rows) )); - CV_CALL(cvMatMul( dE_dY_activ_func_der, &sub_weights, dE_dX )); - - cvReshape( X, &Xrow, 0, 1 ); - dE_dY_activ_func_der_data = dE_dY_activ_func_der->data.fl; - Xtemplate = cvMat( 1, n_inputs, CV_32FC1, dE_dW->data.fl ); - for( i = 0; i < n_outputs; i++, Xtemplate.data.fl += n_inputs + 1 ) - { - CV_CALL(cvConvertScale( &Xrow, &Xtemplate, *dE_dY_activ_func_der_data )); - Xtemplate.data.fl[n_inputs] = *dE_dY_activ_func_der_data++; - } - - // 2) update weights - { - CvMat dE_dW_mat; - float eta; - if( layer->learn_rate_decrease_type == CV_CNN_LEARN_RATE_DECREASE_LOG_INV ) - eta = -layer->init_learn_rate/logf(1+(float)t); - else if( layer->learn_rate_decrease_type == CV_CNN_LEARN_RATE_DECREASE_SQRT_INV ) - eta = -layer->init_learn_rate/sqrtf((float)t); - else - eta = -layer->init_learn_rate/(float)t; - cvReshape( dE_dW, &dE_dW_mat, 0, n_outputs ); - cvScaleAdd( &dE_dW_mat, cvRealScalar(eta), weights, weights ); - } - - }__END__; - - cvReleaseMat( &dE_dY_activ_func_der ); - cvReleaseMat( &dE_dW ); -} - -/****************************************************************************************\ -* Layer RELEASE functions * -\****************************************************************************************/ -static void icvCNNConvolutionRelease( CvCNNLayer** p_layer ) -{ - CV_FUNCNAME("icvCNNConvolutionRelease"); - __BEGIN__; - - CvCNNConvolutionLayer* layer = 0; - - if( !p_layer ) - CV_ERROR( CV_StsNullPtr, "Null double pointer" ); - - layer = *(CvCNNConvolutionLayer**)p_layer; - - if( !layer ) - return; - if( !ICV_IS_CNN_CONVOLUTION_LAYER(layer) ) - CV_ERROR( CV_StsBadArg, "Invalid layer" ); - - cvReleaseMat( &layer->weights ); - cvReleaseMat( &layer->connect_mask ); - cvFree( p_layer ); - - __END__; -} - -/****************************************************************************************/ -static void icvCNNSubSamplingRelease( CvCNNLayer** p_layer ) -{ - CV_FUNCNAME("icvCNNSubSamplingRelease"); - __BEGIN__; - - CvCNNSubSamplingLayer* layer = 0; - - if( !p_layer ) - CV_ERROR( CV_StsNullPtr, "Null double pointer" ); - - layer = *(CvCNNSubSamplingLayer**)p_layer; - - if( !layer ) - return; - if( !ICV_IS_CNN_SUBSAMPLING_LAYER(layer) ) - CV_ERROR( CV_StsBadArg, "Invalid layer" ); - - cvReleaseMat( &layer->exp2ssumWX ); - cvReleaseMat( &layer->weights ); - cvFree( p_layer ); - - __END__; -} - -/****************************************************************************************/ -static void icvCNNFullConnectRelease( CvCNNLayer** p_layer ) -{ - CV_FUNCNAME("icvCNNFullConnectRelease"); - __BEGIN__; - - CvCNNFullConnectLayer* layer = 0; - - if( !p_layer ) - CV_ERROR( CV_StsNullPtr, "Null double pointer" ); - - layer = *(CvCNNFullConnectLayer**)p_layer; - - if( !layer ) - return; - if( !ICV_IS_CNN_FULLCONNECT_LAYER(layer) ) - CV_ERROR( CV_StsBadArg, "Invalid layer" ); - - cvReleaseMat( &layer->exp2ssumWX ); - cvReleaseMat( &layer->weights ); - cvFree( p_layer ); - - __END__; -} - -/****************************************************************************************\ -* Read/Write CNN classifier * -\****************************************************************************************/ -static int icvIsCNNModel( const void* ptr ) -{ - return CV_IS_CNN(ptr); -} - -/****************************************************************************************/ -static void icvReleaseCNNModel( void** ptr ) -{ - CV_FUNCNAME("icvReleaseCNNModel"); - __BEGIN__; - - if( !ptr ) - CV_ERROR( CV_StsNullPtr, "NULL double pointer" ); - CV_ASSERT(CV_IS_CNN(*ptr)); - - icvCNNModelRelease( (CvStatModel**)ptr ); - - __END__; -} - -/****************************************************************************************/ -static CvCNNLayer* icvReadCNNLayer( CvFileStorage* fs, CvFileNode* node ) -{ - CvCNNLayer* layer = 0; - CvMat* weights = 0; - CvMat* connect_mask = 0; - - CV_FUNCNAME("icvReadCNNLayer"); - __BEGIN__; - - int n_input_planes, input_height, input_width; - int n_output_planes, output_height, output_width; - int learn_type, layer_type; - float init_learn_rate; - - CV_CALL(n_input_planes = cvReadIntByName( fs, node, "n_input_planes", -1 )); - CV_CALL(input_height = cvReadIntByName( fs, node, "input_height", -1 )); - CV_CALL(input_width = cvReadIntByName( fs, node, "input_width", -1 )); - CV_CALL(n_output_planes = cvReadIntByName( fs, node, "n_output_planes", -1 )); - CV_CALL(output_height = cvReadIntByName( fs, node, "output_height", -1 )); - CV_CALL(output_width = cvReadIntByName( fs, node, "output_width", -1 )); - CV_CALL(layer_type = cvReadIntByName( fs, node, "layer_type", -1 )); - - CV_CALL(init_learn_rate = (float)cvReadRealByName( fs, node, "init_learn_rate", -1 )); - CV_CALL(learn_type = cvReadIntByName( fs, node, "learn_rate_decrease_type", -1 )); - CV_CALL(weights = (CvMat*)cvReadByName( fs, node, "weights" )); - - if( n_input_planes < 0 || input_height < 0 || input_width < 0 || - n_output_planes < 0 || output_height < 0 || output_width < 0 || - init_learn_rate < 0 || learn_type < 0 || layer_type < 0 || !weights ) - CV_ERROR( CV_StsParseError, "" ); - - if( layer_type == ICV_CNN_CONVOLUTION_LAYER ) - { - const int K = input_height - output_height + 1; - if( K <= 0 || K != input_width - output_width + 1 ) - CV_ERROR( CV_StsBadArg, "Invalid " ); - - CV_CALL(connect_mask = (CvMat*)cvReadByName( fs, node, "connect_mask" )); - if( !connect_mask ) - CV_ERROR( CV_StsParseError, "Missing " ); - - CV_CALL(layer = cvCreateCNNConvolutionLayer( - n_input_planes, input_height, input_width, n_output_planes, K, - init_learn_rate, learn_type, connect_mask, weights )); - } - else if( layer_type == ICV_CNN_SUBSAMPLING_LAYER ) - { - float a, s; - const int sub_samp_scale = input_height/output_height; - - if( sub_samp_scale <= 0 || sub_samp_scale != input_width/output_width ) - CV_ERROR( CV_StsBadArg, "Invalid " ); - - CV_CALL(a = (float)cvReadRealByName( fs, node, "a", -1 )); - CV_CALL(s = (float)cvReadRealByName( fs, node, "s", -1 )); - if( a < 0 || s < 0 ) - CV_ERROR( CV_StsParseError, "Missing or " ); - - CV_CALL(layer = cvCreateCNNSubSamplingLayer( - n_input_planes, input_height, input_width, sub_samp_scale, - a, s, init_learn_rate, learn_type, weights )); - } - else if( layer_type == ICV_CNN_FULLCONNECT_LAYER ) - { - float a, s; - CV_CALL(a = (float)cvReadRealByName( fs, node, "a", -1 )); - CV_CALL(s = (float)cvReadRealByName( fs, node, "s", -1 )); - if( a < 0 || s < 0 ) - CV_ERROR( CV_StsParseError, "" ); - if( input_height != 1 || input_width != 1 || - output_height != 1 || output_width != 1 ) - CV_ERROR( CV_StsBadArg, "" ); - - CV_CALL(layer = cvCreateCNNFullConnectLayer( n_input_planes, n_output_planes, - a, s, init_learn_rate, learn_type, weights )); - } - else - CV_ERROR( CV_StsBadArg, "Invalid " ); - - __END__; - - if( cvGetErrStatus() < 0 && layer ) - layer->release( &layer ); - - cvReleaseMat( &weights ); - cvReleaseMat( &connect_mask ); - - return layer; -} - -/****************************************************************************************/ -static void icvWriteCNNLayer( CvFileStorage* fs, CvCNNLayer* layer ) -{ - CV_FUNCNAME ("icvWriteCNNLayer"); - __BEGIN__; - - if( !ICV_IS_CNN_LAYER(layer) ) - CV_ERROR( CV_StsBadArg, "Invalid layer" ); - - CV_CALL( cvStartWriteStruct( fs, NULL, CV_NODE_MAP, "opencv-ml-cnn-layer" )); - - CV_CALL(cvWriteInt( fs, "n_input_planes", layer->n_input_planes )); - CV_CALL(cvWriteInt( fs, "input_height", layer->input_height )); - CV_CALL(cvWriteInt( fs, "input_width", layer->input_width )); - CV_CALL(cvWriteInt( fs, "n_output_planes", layer->n_output_planes )); - CV_CALL(cvWriteInt( fs, "output_height", layer->output_height )); - CV_CALL(cvWriteInt( fs, "output_width", layer->output_width )); - CV_CALL(cvWriteInt( fs, "learn_rate_decrease_type", layer->learn_rate_decrease_type)); - CV_CALL(cvWriteReal( fs, "init_learn_rate", layer->init_learn_rate )); - CV_CALL(cvWrite( fs, "weights", layer->weights )); - - if( ICV_IS_CNN_CONVOLUTION_LAYER( layer )) - { - CvCNNConvolutionLayer* l = (CvCNNConvolutionLayer*)layer; - CV_CALL(cvWriteInt( fs, "layer_type", ICV_CNN_CONVOLUTION_LAYER )); - CV_CALL(cvWrite( fs, "connect_mask", l->connect_mask )); - } - else if( ICV_IS_CNN_SUBSAMPLING_LAYER( layer ) ) - { - CvCNNSubSamplingLayer* l = (CvCNNSubSamplingLayer*)layer; - CV_CALL(cvWriteInt( fs, "layer_type", ICV_CNN_SUBSAMPLING_LAYER )); - CV_CALL(cvWriteReal( fs, "a", l->a )); - CV_CALL(cvWriteReal( fs, "s", l->s )); - } - else if( ICV_IS_CNN_FULLCONNECT_LAYER( layer ) ) - { - CvCNNFullConnectLayer* l = (CvCNNFullConnectLayer*)layer; - CV_CALL(cvWriteInt( fs, "layer_type", ICV_CNN_FULLCONNECT_LAYER )); - CV_CALL(cvWriteReal( fs, "a", l->a )); - CV_CALL(cvWriteReal( fs, "s", l->s )); - } - else - CV_ERROR( CV_StsBadArg, "Invalid layer" ); - - CV_CALL( cvEndWriteStruct( fs )); //"opencv-ml-cnn-layer" - - __END__; -} - -/****************************************************************************************/ -static void* icvReadCNNModel( CvFileStorage* fs, CvFileNode* root_node ) -{ - CvCNNStatModel* cnn = 0; - CvCNNLayer* layer = 0; - - CV_FUNCNAME("icvReadCNNModel"); - __BEGIN__; - - CvFileNode* node; - CvSeq* seq; - CvSeqReader reader; - int i; - - CV_CALL(cnn = (CvCNNStatModel*)cvCreateStatModel( - CV_STAT_MODEL_MAGIC_VAL|CV_CNN_MAGIC_VAL, sizeof(CvCNNStatModel), - icvCNNModelRelease, icvCNNModelPredict, icvCNNModelUpdate )); - - CV_CALL(cnn->etalons = (CvMat*)cvReadByName( fs, root_node, "etalons" )); - CV_CALL(cnn->cls_labels = (CvMat*)cvReadByName( fs, root_node, "cls_labels" )); - - if( !cnn->etalons || !cnn->cls_labels ) - CV_ERROR( CV_StsParseError, "No or in CNN model" ); - - CV_CALL( node = cvGetFileNodeByName( fs, root_node, "network" )); - seq = node->data.seq; - if( !CV_NODE_IS_SEQ(node->tag) ) - CV_ERROR( CV_StsBadArg, "" ); - - CV_CALL( cvStartReadSeq( seq, &reader, 0 )); - CV_CALL(layer = icvReadCNNLayer( fs, (CvFileNode*)reader.ptr )); - CV_CALL(cnn->network = cvCreateCNNetwork( layer )); - - for( i = 1; i < seq->total; i++ ) - { - CV_NEXT_SEQ_ELEM( seq->elem_size, reader ); - CV_CALL(layer = icvReadCNNLayer( fs, (CvFileNode*)reader.ptr )); - CV_CALL(cnn->network->add_layer( cnn->network, layer )); - } - - __END__; - - if( cvGetErrStatus() < 0 ) - { - if( cnn ) cnn->release( (CvStatModel**)&cnn ); - if( layer ) layer->release( &layer ); - } - return (void*)cnn; -} - -/****************************************************************************************/ -static void -icvWriteCNNModel( CvFileStorage* fs, const char* name, - const void* struct_ptr, CvAttrList ) - -{ - CV_FUNCNAME ("icvWriteCNNModel"); - __BEGIN__; - - CvCNNStatModel* cnn = (CvCNNStatModel*)struct_ptr; - int n_layers, i; - CvCNNLayer* layer; - - if( !CV_IS_CNN(cnn) ) - CV_ERROR( CV_StsBadArg, "Invalid pointer" ); - - n_layers = cnn->network->n_layers; - - CV_CALL( cvStartWriteStruct( fs, name, CV_NODE_MAP, CV_TYPE_NAME_ML_CNN )); - - CV_CALL(cvWrite( fs, "etalons", cnn->etalons )); - CV_CALL(cvWrite( fs, "cls_labels", cnn->cls_labels )); - - CV_CALL( cvStartWriteStruct( fs, "network", CV_NODE_SEQ )); - - layer = cnn->network->layers; - for( i = 0; i < n_layers && layer; i++, layer = layer->next_layer ) - CV_CALL(icvWriteCNNLayer( fs, layer )); - if( i < n_layers || layer ) - CV_ERROR( CV_StsBadArg, "Invalid network" ); - - CV_CALL( cvEndWriteStruct( fs )); //"network" - CV_CALL( cvEndWriteStruct( fs )); //"opencv-ml-cnn" - - __END__; -} - -static int icvRegisterCNNStatModelType() -{ - CvTypeInfo info; - - info.header_size = sizeof( info ); - info.is_instance = icvIsCNNModel; - info.release = icvReleaseCNNModel; - info.read = icvReadCNNModel; - info.write = icvWriteCNNModel; - info.clone = NULL; - info.type_name = CV_TYPE_NAME_ML_CNN; - cvRegisterType( &info ); - - return 1; -} // End of icvRegisterCNNStatModelType - -static int cnn = icvRegisterCNNStatModelType(); - -#endif - -// End of file diff --git a/modules/ml/src/data.cpp b/modules/ml/src/data.cpp index 3af1e3bd02..c9a323a43a 100644 --- a/modules/ml/src/data.cpp +++ b/modules/ml/src/data.cpp @@ -40,753 +40,958 @@ #include "precomp.hpp" #include +#include +#include -#define MISS_VAL FLT_MAX -#define CV_VAR_MISS 0 +namespace cv { namespace ml { -CvTrainTestSplit::CvTrainTestSplit() +static const float MISSED_VAL = TrainData::missingValue(); +static const int VAR_MISSED = VAR_ORDERED; + +TrainData::~TrainData() {} + +Mat TrainData::getSubVector(const Mat& vec, const Mat& idx) { - train_sample_part_mode = CV_COUNT; - train_sample_part.count = -1; - mix = false; -} + if( idx.empty() ) + return vec; + int i, j, n = idx.checkVector(1, CV_32S); + int type = vec.type(); + CV_Assert( type == CV_32S || type == CV_32F || type == CV_64F ); + int dims = 1, m; -CvTrainTestSplit::CvTrainTestSplit( int _train_sample_count, bool _mix ) -{ - train_sample_part_mode = CV_COUNT; - train_sample_part.count = _train_sample_count; - mix = _mix; -} - -CvTrainTestSplit::CvTrainTestSplit( float _train_sample_portion, bool _mix ) -{ - train_sample_part_mode = CV_PORTION; - train_sample_part.portion = _train_sample_portion; - mix = _mix; -} - -//////////////// - -CvMLData::CvMLData() -{ - values = missing = var_types = var_idx_mask = response_out = var_idx_out = var_types_out = 0; - train_sample_idx = test_sample_idx = 0; - header_lines_number = 0; - sample_idx = 0; - response_idx = -1; - - train_sample_count = -1; - - delimiter = ','; - miss_ch = '?'; - //flt_separator = '.'; - - rng = &cv::theRNG(); -} - -CvMLData::~CvMLData() -{ - clear(); -} - -void CvMLData::free_train_test_idx() -{ - cvReleaseMat( &train_sample_idx ); - cvReleaseMat( &test_sample_idx ); - sample_idx = 0; -} - -void CvMLData::clear() -{ - class_map.clear(); - - cvReleaseMat( &values ); - cvReleaseMat( &missing ); - cvReleaseMat( &var_types ); - cvReleaseMat( &var_idx_mask ); - - cvReleaseMat( &response_out ); - cvReleaseMat( &var_idx_out ); - cvReleaseMat( &var_types_out ); - - free_train_test_idx(); - - total_class_count = 0; - - response_idx = -1; - - train_sample_count = -1; -} - - -void CvMLData::set_header_lines_number( int idx ) -{ - header_lines_number = std::max(0, idx); -} - -int CvMLData::get_header_lines_number() const -{ - return header_lines_number; -} - -static char *fgets_chomp(char *str, int n, FILE *stream) -{ - char *head = fgets(str, n, stream); - if( head ) + if( vec.cols == 1 || vec.rows == 1 ) { - for(char *tail = head + strlen(head) - 1; tail >= head; --tail) + dims = 1; + m = vec.cols + vec.rows - 1; + } + else + { + dims = vec.cols; + m = vec.rows; + } + + Mat subvec; + + if( vec.cols == m ) + subvec.create(dims, n, type); + else + subvec.create(n, dims, type); + if( type == CV_32S ) + for( i = 0; i < n; i++ ) { - if( *tail != '\r' && *tail != '\n' ) - break; - *tail = '\0'; + int k = idx.at(i); + CV_Assert( 0 <= k && k < m ); + if( dims == 1 ) + subvec.at(i) = vec.at(k); + else + for( j = 0; j < dims; j++ ) + subvec.at(i, j) = vec.at(k, j); } - } - return head; + else if( type == CV_32F ) + for( i = 0; i < n; i++ ) + { + int k = idx.at(i); + CV_Assert( 0 <= k && k < m ); + if( dims == 1 ) + subvec.at(i) = vec.at(k); + else + for( j = 0; j < dims; j++ ) + subvec.at(i, j) = vec.at(k, j); + } + else + for( i = 0; i < n; i++ ) + { + int k = idx.at(i); + CV_Assert( 0 <= k && k < m ); + if( dims == 1 ) + subvec.at(i) = vec.at(k); + else + for( j = 0; j < dims; j++ ) + subvec.at(i, j) = vec.at(k, j); + } + return subvec; } - -int CvMLData::read_csv(const char* filename) +class TrainDataImpl : public TrainData { - const int M = 1000000; - const char str_delimiter[3] = { ' ', delimiter, '\0' }; - FILE* file = 0; - CvMemStorage* storage; - CvSeq* seq; - char *ptr; - float* el_ptr; - CvSeqReader reader; - int cols_count = 0; - uchar *var_types_ptr = 0; +public: + typedef std::map MapType; - clear(); - - file = fopen( filename, "rt" ); - - if( !file ) - return -1; - - std::vector _buf(M); - char* buf = &_buf[0]; - - // skip header lines - for( int i = 0; i < header_lines_number; i++ ) + TrainDataImpl() { - if( fgets( buf, M, file ) == 0 ) + file = 0; + clear(); + } + + virtual ~TrainDataImpl() { closeFile(); } + + int getLayout() const { return layout; } + int getNSamples() const + { + return !sampleIdx.empty() ? (int)sampleIdx.total() : + layout == ROW_SAMPLE ? samples.rows : samples.cols; + } + int getNTrainSamples() const + { + return !trainSampleIdx.empty() ? (int)trainSampleIdx.total() : getNSamples(); + } + int getNTestSamples() const + { + return !testSampleIdx.empty() ? (int)testSampleIdx.total() : 0; + } + int getNVars() const + { + return !varIdx.empty() ? (int)varIdx.total() : getNAllVars(); + } + int getNAllVars() const + { + return layout == ROW_SAMPLE ? samples.cols : samples.rows; + } + + Mat getSamples() const { return samples; } + Mat getResponses() const { return responses; } + Mat getMissing() const { return missing; } + Mat getVarIdx() const { return varIdx; } + Mat getVarType() const { return varType; } + int getResponseType() const + { + return classLabels.empty() ? VAR_ORDERED : VAR_CATEGORICAL; + } + Mat getTrainSampleIdx() const { return !trainSampleIdx.empty() ? trainSampleIdx : sampleIdx; } + Mat getTestSampleIdx() const { return testSampleIdx; } + Mat getSampleWeights() const + { + return sampleWeights; + } + Mat getTrainSampleWeights() const + { + return getSubVector(sampleWeights, getTrainSampleIdx()); + } + Mat getTestSampleWeights() const + { + Mat idx = getTestSampleIdx(); + return idx.empty() ? Mat() : getSubVector(sampleWeights, idx); + } + Mat getTrainResponses() const + { + return getSubVector(responses, getTrainSampleIdx()); + } + Mat getTrainNormCatResponses() const + { + return getSubVector(normCatResponses, getTrainSampleIdx()); + } + Mat getTestResponses() const + { + Mat idx = getTestSampleIdx(); + return idx.empty() ? Mat() : getSubVector(responses, idx); + } + Mat getTestNormCatResponses() const + { + Mat idx = getTestSampleIdx(); + return idx.empty() ? Mat() : getSubVector(normCatResponses, idx); + } + Mat getNormCatResponses() const { return normCatResponses; } + Mat getClassLabels() const { return classLabels; } + Mat getClassCounters() const { return classCounters; } + int getCatCount(int vi) const + { + int n = (int)catOfs.total(); + CV_Assert( 0 <= vi && vi < n ); + Vec2i ofs = catOfs.at(vi); + return ofs[1] - ofs[0]; + } + + Mat getCatOfs() const { return catOfs; } + Mat getCatMap() const { return catMap; } + + Mat getDefaultSubstValues() const { return missingSubst; } + + void closeFile() { if(file) fclose(file); file=0; } + void clear() + { + closeFile(); + samples.release(); + missing.release(); + varType.release(); + responses.release(); + sampleIdx.release(); + trainSampleIdx.release(); + testSampleIdx.release(); + normCatResponses.release(); + classLabels.release(); + classCounters.release(); + catMap.release(); + catOfs.release(); + nameMap = MapType(); + layout = ROW_SAMPLE; + } + + typedef std::map CatMapHash; + + void setData(InputArray _samples, int _layout, InputArray _responses, + InputArray _varIdx, InputArray _sampleIdx, InputArray _sampleWeights, + InputArray _varType, InputArray _missing) + { + clear(); + + CV_Assert(_layout == ROW_SAMPLE || _layout == COL_SAMPLE ); + samples = _samples.getMat(); + layout = _layout; + responses = _responses.getMat(); + varIdx = _varIdx.getMat(); + sampleIdx = _sampleIdx.getMat(); + sampleWeights = _sampleWeights.getMat(); + varType = _varType.getMat(); + missing = _missing.getMat(); + + int nsamples = layout == ROW_SAMPLE ? samples.rows : samples.cols; + int ninputvars = layout == ROW_SAMPLE ? samples.cols : samples.rows; + int i, noutputvars = 0; + + CV_Assert( samples.type() == CV_32F || samples.type() == CV_32S ); + + if( !sampleIdx.empty() ) { - fclose(file); - return -1; + CV_Assert( (sampleIdx.checkVector(1, CV_32S, true) > 0 && + checkRange(sampleIdx, true, 0, 0, nsamples-1)) || + sampleIdx.checkVector(1, CV_8U, true) == nsamples ); + if( sampleIdx.type() == CV_8U ) + sampleIdx = convertMaskToIdx(sampleIdx); } - } - // read the first data line and determine the number of variables - if( !fgets_chomp( buf, M, file )) - { - fclose(file); - return -1; - } - - ptr = buf; - while( *ptr == ' ' ) - ptr++; - for( ; *ptr != '\0'; ) - { - if(*ptr == delimiter || *ptr == ' ') + if( !sampleWeights.empty() ) { - cols_count++; - ptr++; - while( *ptr == ' ' ) ptr++; + CV_Assert( sampleWeights.checkVector(1, CV_32F, true) == nsamples ); } else - ptr++; - } - - cols_count++; - - if ( cols_count == 0) - { - fclose(file); - return -1; - } - - // create temporary memory storage to store the whole database - el_ptr = new float[cols_count]; - storage = cvCreateMemStorage(); - seq = cvCreateSeq( 0, sizeof(*seq), cols_count*sizeof(float), storage ); - - var_types = cvCreateMat( 1, cols_count, CV_8U ); - cvZero( var_types ); - var_types_ptr = var_types->data.ptr; - - for(;;) - { - char *token = NULL; - int type; - token = strtok(buf, str_delimiter); - if (!token) - break; - for (int i = 0; i < cols_count-1; i++) { - str_to_flt_elem( token, el_ptr[i], type); - var_types_ptr[i] |= type; - token = strtok(NULL, str_delimiter); - if (!token) - { - fclose(file); - delete [] el_ptr; - return -1; - } + sampleWeights = Mat::ones(nsamples, 1, CV_32F); } - str_to_flt_elem( token, el_ptr[cols_count-1], type); - var_types_ptr[cols_count-1] |= type; - cvSeqPush( seq, el_ptr ); - if( !fgets_chomp( buf, M, file ) ) - break; - } - fclose(file); - values = cvCreateMat( seq->total, cols_count, CV_32FC1 ); - missing = cvCreateMat( seq->total, cols_count, CV_8U ); - var_idx_mask = cvCreateMat( 1, values->cols, CV_8UC1 ); - cvSet( var_idx_mask, cvRealScalar(1) ); - train_sample_count = seq->total; - - cvStartReadSeq( seq, &reader ); - for(int i = 0; i < seq->total; i++ ) - { - const float* sdata = (float*)reader.ptr; - float* ddata = values->data.fl + cols_count*i; - uchar* dm = missing->data.ptr + cols_count*i; - - for( int j = 0; j < cols_count; j++ ) + if( !varIdx.empty() ) { - ddata[j] = sdata[j]; - dm[j] = ( fabs( MISS_VAL - sdata[j] ) <= FLT_EPSILON ); + CV_Assert( (varIdx.checkVector(1, CV_32S, true) > 0 && + checkRange(varIdx, true, 0, 0, ninputvars)) || + varIdx.checkVector(1, CV_8U, true) == ninputvars ); + if( varIdx.type() == CV_8U ) + varIdx = convertMaskToIdx(varIdx); + varIdx = varIdx.clone(); + std::sort(varIdx.ptr(), varIdx.ptr() + varIdx.total()); } - CV_NEXT_SEQ_ELEM( seq->elem_size, reader ); - } - if ( cvNorm( missing, 0, CV_L1 ) <= FLT_EPSILON ) - cvReleaseMat( &missing ); - - cvReleaseMemStorage( &storage ); - delete []el_ptr; - return 0; -} - -const CvMat* CvMLData::get_values() const -{ - return values; -} - -const CvMat* CvMLData::get_missing() const -{ - CV_FUNCNAME( "CvMLData::get_missing" ); - __BEGIN__; - - if ( !values ) - CV_ERROR( CV_StsInternal, "data is empty" ); - - __END__; - - return missing; -} - -const std::map& CvMLData::get_class_labels_map() const -{ - return class_map; -} - -void CvMLData::str_to_flt_elem( const char* token, float& flt_elem, int& type) -{ - - char* stopstring = NULL; - flt_elem = (float)strtod( token, &stopstring ); - assert( stopstring ); - type = CV_VAR_ORDERED; - if ( *stopstring == miss_ch && strlen(stopstring) == 1 ) // missed value - { - flt_elem = MISS_VAL; - type = CV_VAR_MISS; - } - else - { - if ( (*stopstring != 0) && (*stopstring != '\n') && (strcmp(stopstring, "\r\n") != 0) ) // class label + if( !responses.empty() ) { - int idx = class_map[token]; - if ( idx == 0) - { - total_class_count++; - idx = total_class_count; - class_map[token] = idx; - } - flt_elem = (float)idx; - type = CV_VAR_CATEGORICAL; - } - } -} - -void CvMLData::set_delimiter(char ch) -{ - CV_FUNCNAME( "CvMLData::set_delimited" ); - __BEGIN__; - - if (ch == miss_ch /*|| ch == flt_separator*/) - CV_ERROR(CV_StsBadArg, "delimited, miss_character and flt_separator must be different"); - - delimiter = ch; - - __END__; -} - -char CvMLData::get_delimiter() const -{ - return delimiter; -} - -void CvMLData::set_miss_ch(char ch) -{ - CV_FUNCNAME( "CvMLData::set_miss_ch" ); - __BEGIN__; - - if (ch == delimiter/* || ch == flt_separator*/) - CV_ERROR(CV_StsBadArg, "delimited, miss_character and flt_separator must be different"); - - miss_ch = ch; - - __END__; -} - -char CvMLData::get_miss_ch() const -{ - return miss_ch; -} - -void CvMLData::set_response_idx( int idx ) -{ - CV_FUNCNAME( "CvMLData::set_response_idx" ); - __BEGIN__; - - if ( !values ) - CV_ERROR( CV_StsInternal, "data is empty" ); - - if ( idx >= values->cols) - CV_ERROR( CV_StsBadArg, "idx value is not correct" ); - - if ( response_idx >= 0 ) - chahge_var_idx( response_idx, true ); - if ( idx >= 0 ) - chahge_var_idx( idx, false ); - response_idx = idx; - - __END__; -} - -int CvMLData::get_response_idx() const -{ - CV_FUNCNAME( "CvMLData::get_response_idx" ); - __BEGIN__; - - if ( !values ) - CV_ERROR( CV_StsInternal, "data is empty" ); - __END__; - return response_idx; -} - -void CvMLData::change_var_type( int var_idx, int type ) -{ - CV_FUNCNAME( "CvMLData::change_var_type" ); - __BEGIN__; - - int var_count = 0; - - if ( !values ) - CV_ERROR( CV_StsInternal, "data is empty" ); - - var_count = values->cols; - - if ( var_idx < 0 || var_idx >= var_count) - CV_ERROR( CV_StsBadArg, "var_idx is not correct" ); - - if ( type != CV_VAR_ORDERED && type != CV_VAR_CATEGORICAL) - CV_ERROR( CV_StsBadArg, "type is not correct" ); - - assert( var_types ); - if ( var_types->data.ptr[var_idx] == CV_VAR_CATEGORICAL && type == CV_VAR_ORDERED) - CV_ERROR( CV_StsBadArg, "it`s impossible to assign CV_VAR_ORDERED type to categorical variable" ); - var_types->data.ptr[var_idx] = (uchar)type; - - __END__; - - return; -} - -void CvMLData::set_var_types( const char* str ) -{ - CV_FUNCNAME( "CvMLData::set_var_types" ); - __BEGIN__; - - const char* ord = 0, *cat = 0; - int var_count = 0, set_var_type_count = 0; - if ( !values ) - CV_ERROR( CV_StsInternal, "data is empty" ); - - var_count = values->cols; - - assert( var_types ); - - ord = strstr( str, "ord" ); - cat = strstr( str, "cat" ); - if ( !ord && !cat ) - CV_ERROR( CV_StsBadArg, "types string is not correct" ); - - if ( !ord && strlen(cat) == 3 ) // str == "cat" - { - cvSet( var_types, cvScalarAll(CV_VAR_CATEGORICAL) ); - return; - } - - if ( !cat && strlen(ord) == 3 ) // str == "ord" - { - cvSet( var_types, cvScalarAll(CV_VAR_ORDERED) ); - return; - } - - if ( ord ) // parse ord str - { - char* stopstring = NULL; - if ( ord[3] != '[') - CV_ERROR( CV_StsBadArg, "types string is not correct" ); - - ord += 4; // pass "ord[" - do - { - int b1 = (int)strtod( ord, &stopstring ); - if ( *stopstring == 0 || (*stopstring != ',' && *stopstring != ']' && *stopstring != '-') ) - CV_ERROR( CV_StsBadArg, "types string is not correct" ); - ord = stopstring + 1; - if ( (stopstring[0] == ',') || (stopstring[0] == ']')) - { - if ( var_types->data.ptr[b1] == CV_VAR_CATEGORICAL) - CV_ERROR( CV_StsBadArg, "it`s impossible to assign CV_VAR_ORDERED type to categorical variable" ); - var_types->data.ptr[b1] = CV_VAR_ORDERED; - set_var_type_count++; - } + CV_Assert( responses.type() == CV_32F || responses.type() == CV_32S ); + if( (responses.cols == 1 || responses.rows == 1) && (int)responses.total() == nsamples ) + noutputvars = 1; else { - if ( stopstring[0] == '-') + CV_Assert( (layout == ROW_SAMPLE && responses.rows == nsamples) || + (layout == COL_SAMPLE && responses.cols == nsamples) ); + noutputvars = layout == ROW_SAMPLE ? responses.cols : responses.rows; + } + if( !responses.isContinuous() || (layout == COL_SAMPLE && noutputvars > 1) ) + { + Mat temp; + transpose(responses, temp); + responses = temp; + } + } + + int nvars = ninputvars + noutputvars; + + if( !varType.empty() ) + { + CV_Assert( varType.checkVector(1, CV_8U, true) == nvars && + checkRange(varType, true, 0, VAR_ORDERED, VAR_CATEGORICAL+1) ); + } + else + { + varType.create(1, nvars, CV_8U); + varType = Scalar::all(VAR_ORDERED); + if( noutputvars == 1 ) + varType.at(ninputvars) = (uchar)(responses.type() < CV_32F ? VAR_CATEGORICAL : VAR_ORDERED); + } + + if( noutputvars > 1 ) + { + for( i = 0; i < noutputvars; i++ ) + CV_Assert( varType.at(ninputvars + i) == VAR_ORDERED ); + } + + catOfs = Mat::zeros(1, nvars, CV_32SC2); + missingSubst = Mat::zeros(1, nvars, CV_32F); + + vector labels, counters, sortbuf, tempCatMap; + vector tempCatOfs; + CatMapHash ofshash; + + AutoBuffer buf(nsamples); + Mat non_missing(layout == ROW_SAMPLE ? Size(1, nsamples) : Size(nsamples, 1), CV_8U, (uchar*)buf); + bool haveMissing = !missing.empty(); + if( haveMissing ) + { + CV_Assert( missing.size() == samples.size() && missing.type() == CV_8U ); + } + + // we iterate through all the variables. For each categorical variable we build a map + // in order to convert input values of the variable into normalized values (0..catcount_vi-1) + // often many categorical variables are similar, so we compress the map - try to re-use + // maps for different variables if they are identical + for( i = 0; i < ninputvars; i++ ) + { + Mat values_i = layout == ROW_SAMPLE ? samples.col(i) : samples.row(i); + + if( varType.at(i) == VAR_CATEGORICAL ) + { + preprocessCategorical(values_i, 0, labels, 0, sortbuf); + missingSubst.at(i) = -1.f; + int j, m = (int)labels.size(); + CV_Assert( m > 0 ); + int a = labels.front(), b = labels.back(); + const int* currmap = &labels[0]; + int hashval = ((unsigned)a*127 + (unsigned)b)*127 + m; + CatMapHash::iterator it = ofshash.find(hashval); + if( it != ofshash.end() ) { - int b2 = (int)strtod( ord, &stopstring); - if ( (*stopstring == 0) || (*stopstring != ',' && *stopstring != ']') ) - CV_ERROR( CV_StsBadArg, "types string is not correct" ); - ord = stopstring + 1; - for (int i = b1; i <= b2; i++) + int vi = it->second; + Vec2i ofs0 = tempCatOfs[vi]; + int m0 = ofs0[1] - ofs0[0]; + const int* map0 = &tempCatMap[ofs0[0]]; + if( m0 == m && map0[0] == a && map0[m0-1] == b ) { - if ( var_types->data.ptr[i] == CV_VAR_CATEGORICAL) - CV_ERROR( CV_StsBadArg, "it`s impossible to assign CV_VAR_ORDERED type to categorical variable" ); - var_types->data.ptr[i] = CV_VAR_ORDERED; + for( j = 0; j < m; j++ ) + if( map0[j] != currmap[j] ) + break; + if( j == m ) + { + // re-use the map + tempCatOfs.push_back(ofs0); + continue; + } } - set_var_type_count += b2 - b1 + 1; } else - CV_ERROR( CV_StsBadArg, "types string is not correct" ); - - } - } - while (*stopstring != ']'); - - if ( stopstring[1] != '\0' && stopstring[1] != ',') - CV_ERROR( CV_StsBadArg, "types string is not correct" ); - } - - if ( cat ) // parse cat str - { - char* stopstring = NULL; - if ( cat[3] != '[') - CV_ERROR( CV_StsBadArg, "types string is not correct" ); - - cat += 4; // pass "cat[" - do - { - int b1 = (int)strtod( cat, &stopstring ); - if ( *stopstring == 0 || (*stopstring != ',' && *stopstring != ']' && *stopstring != '-') ) - CV_ERROR( CV_StsBadArg, "types string is not correct" ); - cat = stopstring + 1; - if ( (stopstring[0] == ',') || (stopstring[0] == ']')) - { - var_types->data.ptr[b1] = CV_VAR_CATEGORICAL; - set_var_type_count++; + ofshash[hashval] = i; + Vec2i ofs; + ofs[0] = (int)tempCatMap.size(); + ofs[1] = ofs[0] + m; + tempCatOfs.push_back(ofs); + std::copy(labels.begin(), labels.end(), std::back_inserter(tempCatMap)); } else { - if ( stopstring[0] == '-') - { - int b2 = (int)strtod( cat, &stopstring); - if ( (*stopstring == 0) || (*stopstring != ',' && *stopstring != ']') ) - CV_ERROR( CV_StsBadArg, "types string is not correct" ); - cat = stopstring + 1; - for (int i = b1; i <= b2; i++) - var_types->data.ptr[i] = CV_VAR_CATEGORICAL; - set_var_type_count += b2 - b1 + 1; - } - else - CV_ERROR( CV_StsBadArg, "types string is not correct" ); - + tempCatOfs.push_back(Vec2i(0, 0)); + /*Mat missing_i = layout == ROW_SAMPLE ? missing.col(i) : missing.row(i); + compare(missing_i, Scalar::all(0), non_missing, CMP_EQ); + missingSubst.at(i) = (float)(mean(values_i, non_missing)[0]);*/ + missingSubst.at(i) = 0.f; } } - while (*stopstring != ']'); - if ( stopstring[1] != '\0' && stopstring[1] != ',') - CV_ERROR( CV_StsBadArg, "types string is not correct" ); - } - - if (set_var_type_count != var_count) - CV_ERROR( CV_StsBadArg, "types string is not correct" ); - - __END__; -} - -const CvMat* CvMLData::get_var_types() -{ - CV_FUNCNAME( "CvMLData::get_var_types" ); - __BEGIN__; - - uchar *var_types_out_ptr = 0; - int avcount, vt_size; - if ( !values ) - CV_ERROR( CV_StsInternal, "data is empty" ); - - assert( var_idx_mask ); - - avcount = cvFloor( cvNorm( var_idx_mask, 0, CV_L1 ) ); - vt_size = avcount + (response_idx >= 0); - - if ( avcount == values->cols || (avcount == values->cols-1 && response_idx == values->cols-1) ) - return var_types; - - if ( !var_types_out || ( var_types_out && var_types_out->cols != vt_size ) ) - { - cvReleaseMat( &var_types_out ); - var_types_out = cvCreateMat( 1, vt_size, CV_8UC1 ); - } - - var_types_out_ptr = var_types_out->data.ptr; - for( int i = 0; i < var_types->cols; i++) - { - if (i == response_idx || !var_idx_mask->data.ptr[i]) continue; - *var_types_out_ptr = var_types->data.ptr[i]; - var_types_out_ptr++; - } - if ( response_idx >= 0 ) - *var_types_out_ptr = var_types->data.ptr[response_idx]; - - __END__; - - return var_types_out; -} - -int CvMLData::get_var_type( int var_idx ) const -{ - return var_types->data.ptr[var_idx]; -} - -const CvMat* CvMLData::get_responses() -{ - CV_FUNCNAME( "CvMLData::get_responses_ptr" ); - __BEGIN__; - - int var_count = 0; - - if ( !values ) - CV_ERROR( CV_StsInternal, "data is empty" ); - var_count = values->cols; - - if ( response_idx < 0 || response_idx >= var_count ) - return 0; - if ( !response_out ) - response_out = cvCreateMatHeader( values->rows, 1, CV_32FC1 ); - else - cvInitMatHeader( response_out, values->rows, 1, CV_32FC1); - cvGetCol( values, response_out, response_idx ); - - __END__; - - return response_out; -} - -void CvMLData::set_train_test_split( const CvTrainTestSplit * spl) -{ - CV_FUNCNAME( "CvMLData::set_division" ); - __BEGIN__; - - int sample_count = 0; - - if ( !values ) - CV_ERROR( CV_StsInternal, "data is empty" ); - - sample_count = values->rows; - - float train_sample_portion; - - if (spl->train_sample_part_mode == CV_COUNT) - { - train_sample_count = spl->train_sample_part.count; - if (train_sample_count > sample_count) - CV_ERROR( CV_StsBadArg, "train samples count is not correct" ); - train_sample_count = train_sample_count<=0 ? sample_count : train_sample_count; - } - else // dtype.train_sample_part_mode == CV_PORTION - { - train_sample_portion = spl->train_sample_part.portion; - if ( train_sample_portion > 1) - CV_ERROR( CV_StsBadArg, "train samples count is not correct" ); - train_sample_portion = train_sample_portion <= FLT_EPSILON || - 1 - train_sample_portion <= FLT_EPSILON ? 1 : train_sample_portion; - train_sample_count = std::max(1, cvFloor( train_sample_portion * sample_count )); - } - - if ( train_sample_count == sample_count ) - { - free_train_test_idx(); - return; - } - - if ( train_sample_idx && train_sample_idx->cols != train_sample_count ) - free_train_test_idx(); - - if ( !sample_idx) - { - int test_sample_count = sample_count- train_sample_count; - sample_idx = (int*)cvAlloc( sample_count * sizeof(sample_idx[0]) ); - for (int i = 0; i < sample_count; i++ ) - sample_idx[i] = i; - train_sample_idx = cvCreateMatHeader( 1, train_sample_count, CV_32SC1 ); - *train_sample_idx = cvMat( 1, train_sample_count, CV_32SC1, &sample_idx[0] ); - - CV_Assert(test_sample_count > 0); - test_sample_idx = cvCreateMatHeader( 1, test_sample_count, CV_32SC1 ); - *test_sample_idx = cvMat( 1, test_sample_count, CV_32SC1, &sample_idx[train_sample_count] ); - } - - mix = spl->mix; - if ( mix ) - mix_train_and_test_idx(); - - __END__; -} - -const CvMat* CvMLData::get_train_sample_idx() const -{ - CV_FUNCNAME( "CvMLData::get_train_sample_idx" ); - __BEGIN__; - - if ( !values ) - CV_ERROR( CV_StsInternal, "data is empty" ); - __END__; - - return train_sample_idx; -} - -const CvMat* CvMLData::get_test_sample_idx() const -{ - CV_FUNCNAME( "CvMLData::get_test_sample_idx" ); - __BEGIN__; - - if ( !values ) - CV_ERROR( CV_StsInternal, "data is empty" ); - __END__; - - return test_sample_idx; -} - -void CvMLData::mix_train_and_test_idx() -{ - CV_FUNCNAME( "CvMLData::mix_train_and_test_idx" ); - __BEGIN__; - - if ( !values ) - CV_ERROR( CV_StsInternal, "data is empty" ); - __END__; - - if ( !sample_idx) - return; - - if ( train_sample_count > 0 && train_sample_count < values->rows ) - { - int n = values->rows; - for (int i = 0; i < n; i++) + if( !tempCatOfs.empty() ) { - int a = (*rng)(n); - int b = (*rng)(n); - int t; - CV_SWAP( sample_idx[a], sample_idx[b], t ); - } - } -} - -const CvMat* CvMLData::get_var_idx() -{ - CV_FUNCNAME( "CvMLData::get_var_idx" ); - __BEGIN__; - - int avcount = 0; - - if ( !values ) - CV_ERROR( CV_StsInternal, "data is empty" ); - - assert( var_idx_mask ); - - avcount = cvFloor( cvNorm( var_idx_mask, 0, CV_L1 ) ); - int* vidx; - - if ( avcount == values->cols ) - return 0; - - if ( !var_idx_out || ( var_idx_out && var_idx_out->cols != avcount ) ) - { - cvReleaseMat( &var_idx_out ); - var_idx_out = cvCreateMat( 1, avcount, CV_32SC1); - if ( response_idx >=0 ) - var_idx_mask->data.ptr[response_idx] = 0; - } - - vidx = var_idx_out->data.i; - - for(int i = 0; i < var_idx_mask->cols; i++) - if ( var_idx_mask->data.ptr[i] ) - { - *vidx = i; - vidx++; + Mat(tempCatOfs).copyTo(catOfs); + Mat(tempCatMap).copyTo(catMap); } - __END__; + if( varType.at(ninputvars) == VAR_CATEGORICAL ) + { + preprocessCategorical(responses, &normCatResponses, labels, &counters, sortbuf); + Mat(labels).copyTo(classLabels); + Mat(counters).copyTo(classCounters); + } + } - return var_idx_out; -} + Mat convertMaskToIdx(const Mat& mask) + { + int i, j, nz = countNonZero(mask), n = mask.cols + mask.rows - 1; + Mat idx(1, nz, CV_32S); + for( i = j = 0; i < n; i++ ) + if( mask.at(i) ) + idx.at(j++) = i; + return idx; + } -void CvMLData::chahge_var_idx( int vi, bool state ) + struct CmpByIdx + { + CmpByIdx(const int* _data, int _step) : data(_data), step(_step) {} + bool operator ()(int i, int j) const { return data[i*step] < data[j*step]; } + const int* data; + int step; + }; + + void preprocessCategorical(const Mat& data, Mat* normdata, vector& labels, + vector* counters, vector& sortbuf) + { + CV_Assert((data.cols == 1 || data.rows == 1) && (data.type() == CV_32S || data.type() == CV_32F)); + int* odata = 0; + int ostep = 0; + + if(normdata) + { + normdata->create(data.size(), CV_32S); + odata = normdata->ptr(); + ostep = normdata->isContinuous() ? 1 : (int)normdata->step1(); + } + + int i, n = data.cols + data.rows - 1; + sortbuf.resize(n*2); + int* idx = &sortbuf[0]; + int* idata = (int*)data.ptr(); + int istep = data.isContinuous() ? 1 : (int)data.step1(); + + if( data.type() == CV_32F ) + { + idata = idx + n; + const float* fdata = data.ptr(); + for( i = 0; i < n; i++ ) + { + if( fdata[i*istep] == MISSED_VAL ) + idata[i] = -1; + else + { + idata[i] = cvRound(fdata[i*istep]); + CV_Assert( (float)idata[i] == fdata[i*istep] ); + } + } + istep = 1; + } + + for( i = 0; i < n; i++ ) + idx[i] = i; + + std::sort(idx, idx + n, CmpByIdx(idata, istep)); + + int clscount = 1; + for( i = 1; i < n; i++ ) + clscount += idata[idx[i]*istep] != idata[idx[i-1]*istep]; + + int clslabel = -1; + int prev = ~idata[idx[0]*istep]; + int previdx = 0; + + labels.resize(clscount); + if(counters) + counters->resize(clscount); + + for( i = 0; i < n; i++ ) + { + int l = idata[idx[i]*istep]; + if( l != prev ) + { + clslabel++; + labels[clslabel] = l; + int k = i - previdx; + if( clslabel > 0 && counters ) + counters->at(clslabel-1) = k; + prev = l; + previdx = i; + } + if(odata) + odata[idx[i]*ostep] = clslabel; + } + if(counters) + counters->at(clslabel) = i - previdx; + } + + bool loadCSV(const String& filename, int headerLines, + int responseStartIdx, int responseEndIdx, + const String& varTypeSpec, char delimiter, char missch) + { + const int M = 1000000; + const char delimiters[3] = { ' ', delimiter, '\0' }; + int nvars = 0; + bool varTypesSet = false; + + clear(); + + file = fopen( filename.c_str(), "rt" ); + + if( !file ) + return false; + + std::vector _buf(M); + std::vector allresponses; + std::vector rowvals; + std::vector vtypes, rowtypes; + bool haveMissed = false; + char* buf = &_buf[0]; + + int i, ridx0 = responseStartIdx, ridx1 = responseEndIdx; + int ninputvars = 0, noutputvars = 0; + + Mat tempSamples, tempMissing, tempResponses; + MapType tempNameMap; + int catCounter = 1; + + // skip header lines + int lineno = 0; + for(;;lineno++) + { + if( !fgets(buf, M, file) ) + break; + if(lineno < headerLines ) + continue; + // trim trailing spaces + int idx = (int)strlen(buf)-1; + while( idx >= 0 && isspace(buf[idx]) ) + buf[idx--] = '\0'; + // skip spaces in the beginning + char* ptr = buf; + while( *ptr != '\0' && isspace(*ptr) ) + ptr++; + // skip commented off lines + if(*ptr == '#') + continue; + rowvals.clear(); + rowtypes.clear(); + + char* token = strtok(buf, delimiters); + if (!token) + break; + + for(;;) + { + float val=0.f; int tp = 0; + decodeElem( token, val, tp, missch, tempNameMap, catCounter ); + if( tp == VAR_MISSED ) + haveMissed = true; + rowvals.push_back(val); + rowtypes.push_back((uchar)tp); + token = strtok(NULL, delimiters); + if (!token) + break; + } + + if( nvars == 0 ) + { + if( rowvals.empty() ) + CV_Error(CV_StsBadArg, "invalid CSV format; no data found"); + nvars = (int)rowvals.size(); + if( !varTypeSpec.empty() && varTypeSpec.size() > 0 ) + { + setVarTypes(varTypeSpec, nvars, vtypes); + varTypesSet = true; + } + else + vtypes = rowtypes; + + ridx0 = ridx0 >= 0 ? ridx0 : ridx0 == -1 ? nvars - 1 : -1; + ridx1 = ridx1 >= 0 ? ridx1 : ridx0 >= 0 ? ridx0+1 : -1; + CV_Assert(ridx1 > ridx0); + noutputvars = ridx0 >= 0 ? ridx1 - ridx0 : 0; + ninputvars = nvars - noutputvars; + } + else + CV_Assert( nvars == (int)rowvals.size() ); + + // check var types + for( i = 0; i < nvars; i++ ) + { + CV_Assert( (!varTypesSet && vtypes[i] == rowtypes[i]) || + (varTypesSet && (vtypes[i] == rowtypes[i] || rowtypes[i] == VAR_ORDERED)) ); + } + + if( ridx0 >= 0 ) + { + for( i = ridx1; i < nvars; i++ ) + std::swap(rowvals[i], rowvals[i-noutputvars]); + for( i = ninputvars; i < nvars; i++ ) + allresponses.push_back(rowvals[i]); + rowvals.pop_back(); + } + Mat rmat(1, ninputvars, CV_32F, &rowvals[0]); + tempSamples.push_back(rmat); + } + + closeFile(); + + int nsamples = tempSamples.rows; + if( nsamples == 0 ) + return false; + + if( haveMissed ) + compare(tempSamples, MISSED_VAL, tempMissing, CMP_EQ); + + if( ridx0 >= 0 ) + { + for( i = ridx1; i < nvars; i++ ) + std::swap(vtypes[i], vtypes[i-noutputvars]); + if( noutputvars > 1 ) + { + for( i = ninputvars; i < nvars; i++ ) + if( vtypes[i] == VAR_CATEGORICAL ) + CV_Error(CV_StsBadArg, + "If responses are vector values, not scalars, they must be marked as ordered responses"); + } + } + + if( !varTypesSet && noutputvars == 1 && vtypes[ninputvars] == VAR_ORDERED ) + { + for( i = 0; i < nsamples; i++ ) + if( allresponses[i] != cvRound(allresponses[i]) ) + break; + if( i == nsamples ) + vtypes[ninputvars] = VAR_CATEGORICAL; + } + + Mat(nsamples, noutputvars, CV_32F, &allresponses[0]).copyTo(tempResponses); + setData(tempSamples, ROW_SAMPLE, tempResponses, noArray(), noArray(), + noArray(), Mat(vtypes).clone(), tempMissing); + bool ok = !samples.empty(); + if(ok) + std::swap(tempNameMap, nameMap); + return ok; + } + + void decodeElem( const char* token, float& elem, int& type, + char missch, MapType& namemap, int& counter ) const + { + char* stopstring = NULL; + elem = (float)strtod( token, &stopstring ); + if( *stopstring == missch && strlen(stopstring) == 1 ) // missed value + { + elem = MISSED_VAL; + type = VAR_MISSED; + } + else if( *stopstring != '\0' ) + { + MapType::iterator it = namemap.find(token); + if( it == namemap.end() ) + { + elem = (float)counter; + namemap[token] = counter++; + } + else + elem = (float)it->second; + type = VAR_CATEGORICAL; + } + else + type = VAR_ORDERED; + } + + void setVarTypes( const String& s, int nvars, std::vector& vtypes ) const + { + const char* errmsg = "type spec is not correct; it should have format \"cat\", \"ord\" or " + "\"ord[n1,n2-n3,n4-n5,...]cat[m1-m2,m3,m4-m5,...]\", where n's and m's are 0-based variable indices"; + const char* str = s.c_str(); + int specCounter = 0; + + vtypes.resize(nvars); + + for( int k = 0; k < 2; k++ ) + { + const char* ptr = strstr(str, k == 0 ? "ord" : "cat"); + int tp = k == 0 ? VAR_ORDERED : VAR_CATEGORICAL; + if( ptr ) // parse ord/cat str + { + char* stopstring = NULL; + + if( ptr[3] == '\0' ) + { + for( int i = 0; i < nvars; i++ ) + vtypes[i] = (uchar)tp; + specCounter = nvars; + break; + } + + if ( ptr[3] != '[') + CV_Error( CV_StsBadArg, errmsg ); + + ptr += 4; // pass "ord[" + do + { + int b1 = (int)strtod( ptr, &stopstring ); + if( *stopstring == 0 || (*stopstring != ',' && *stopstring != ']' && *stopstring != '-') ) + CV_Error( CV_StsBadArg, errmsg ); + ptr = stopstring + 1; + if( (stopstring[0] == ',') || (stopstring[0] == ']')) + { + CV_Assert( 0 <= b1 && b1 < nvars ); + vtypes[b1] = (uchar)tp; + specCounter++; + } + else + { + if( stopstring[0] == '-') + { + int b2 = (int)strtod( ptr, &stopstring); + if ( (*stopstring == 0) || (*stopstring != ',' && *stopstring != ']') ) + CV_Error( CV_StsBadArg, errmsg ); + ptr = stopstring + 1; + CV_Assert( 0 <= b1 && b1 <= b2 && b2 < nvars ); + for (int i = b1; i <= b2; i++) + vtypes[i] = (uchar)tp; + specCounter += b2 - b1 + 1; + } + else + CV_Error( CV_StsBadArg, errmsg ); + + } + } + while(*stopstring != ']'); + + if( stopstring[1] != '\0' && stopstring[1] != ',') + CV_Error( CV_StsBadArg, errmsg ); + } + } + + if( specCounter != nvars ) + CV_Error( CV_StsBadArg, "type of some variables is not specified" ); + } + + void setTrainTestSplitRatio(double ratio, bool shuffle) + { + CV_Assert( 0. <= ratio && ratio <= 1. ); + setTrainTestSplit(cvRound(getNSamples()*ratio), shuffle); + } + + void setTrainTestSplit(int count, bool shuffle) + { + int i, nsamples = getNSamples(); + CV_Assert( 0 <= count && count < nsamples ); + + trainSampleIdx.release(); + testSampleIdx.release(); + + if( count == 0 ) + trainSampleIdx = sampleIdx; + else if( count == nsamples ) + testSampleIdx = sampleIdx; + else + { + Mat mask(1, nsamples, CV_8U); + uchar* mptr = mask.data; + for( i = 0; i < nsamples; i++ ) + mptr[i] = (uchar)(i < count); + trainSampleIdx.create(1, count, CV_32S); + testSampleIdx.create(1, nsamples - count, CV_32S); + int j0 = 0, j1 = 0; + const int* sptr = !sampleIdx.empty() ? sampleIdx.ptr() : 0; + int* trainptr = trainSampleIdx.ptr(); + int* testptr = testSampleIdx.ptr(); + for( i = 0; i < nsamples; i++ ) + { + int idx = sptr ? sptr[i] : i; + if( mptr[i] ) + trainptr[j0++] = idx; + else + testptr[j1++] = idx; + } + if( shuffle ) + shuffleTrainTest(); + } + } + + void shuffleTrainTest() + { + if( !trainSampleIdx.empty() && !testSampleIdx.empty() ) + { + int i, nsamples = getNSamples(), ntrain = getNTrainSamples(), ntest = getNTestSamples(); + int* trainIdx = trainSampleIdx.ptr(); + int* testIdx = testSampleIdx.ptr(); + RNG& rng = theRNG(); + + for( i = 0; i < nsamples; i++) + { + int a = rng.uniform(0, nsamples); + int b = rng.uniform(0, nsamples); + int* ptra = trainIdx; + int* ptrb = trainIdx; + if( a >= ntrain ) + { + ptra = testIdx; + a -= ntrain; + CV_Assert( a < ntest ); + } + if( b >= ntrain ) + { + ptrb = testIdx; + b -= ntrain; + CV_Assert( b < ntest ); + } + std::swap(ptra[a], ptrb[b]); + } + } + } + + Mat getTrainSamples(int _layout, + bool compressSamples, + bool compressVars) const + { + if( samples.empty() ) + return samples; + + if( (!compressSamples || (trainSampleIdx.empty() && sampleIdx.empty())) && + (!compressVars || varIdx.empty()) && + layout == _layout ) + return samples; + + int drows = getNTrainSamples(), dcols = getNVars(); + Mat sidx = getTrainSampleIdx(), vidx = getVarIdx(); + const float* src0 = samples.ptr(); + const int* sptr = !sidx.empty() ? sidx.ptr() : 0; + const int* vptr = !vidx.empty() ? vidx.ptr() : 0; + size_t sstep0 = samples.step/samples.elemSize(); + size_t sstep = layout == ROW_SAMPLE ? sstep0 : 1; + size_t vstep = layout == ROW_SAMPLE ? 1 : sstep0; + + if( _layout == COL_SAMPLE ) + { + std::swap(drows, dcols); + std::swap(sptr, vptr); + std::swap(sstep, vstep); + } + + Mat dsamples(drows, dcols, CV_32F); + + for( int i = 0; i < drows; i++ ) + { + const float* src = src0 + (sptr ? sptr[i] : i)*sstep; + float* dst = dsamples.ptr(i); + + for( int j = 0; j < dcols; j++ ) + dst[j] = src[(vptr ? vptr[j] : j)*vstep]; + } + + return dsamples; + } + + void getValues( int vi, InputArray _sidx, float* values ) const + { + Mat sidx = _sidx.getMat(); + int i, n = sidx.checkVector(1, CV_32S), nsamples = getNSamples(); + CV_Assert( 0 <= vi && vi < getNAllVars() ); + CV_Assert( n >= 0 ); + const int* s = n > 0 ? sidx.ptr() : 0; + if( n == 0 ) + n = nsamples; + + size_t step = samples.step/samples.elemSize(); + size_t sstep = layout == ROW_SAMPLE ? step : 1; + size_t vstep = layout == ROW_SAMPLE ? 1 : step; + + const float* src = samples.ptr() + vi*vstep; + float subst = missingSubst.at(vi); + for( i = 0; i < n; i++ ) + { + int j = i; + if( s ) + { + j = s[i]; + CV_Assert( 0 <= j && j < nsamples ); + } + values[i] = src[j*sstep]; + if( values[i] == MISSED_VAL ) + values[i] = subst; + } + } + + void getNormCatValues( int vi, InputArray _sidx, int* values ) const + { + float* fvalues = (float*)values; + getValues(vi, _sidx, fvalues); + int i, n = (int)_sidx.total(); + Vec2i ofs = catOfs.at(vi); + int m = ofs[1] - ofs[0]; + + CV_Assert( m > 0 ); // if m==0, vi is an ordered variable + const int* cmap = &catMap.at(ofs[0]); + bool fastMap = (m == cmap[m] - cmap[0]); + + if( fastMap ) + { + for( i = 0; i < n; i++ ) + { + int val = cvRound(fvalues[i]); + int idx = val - cmap[0]; + CV_Assert(cmap[idx] == val); + values[i] = idx; + } + } + else + { + for( i = 0; i < n; i++ ) + { + int val = cvRound(fvalues[i]); + int a = 0, b = m, c = -1; + + while( a < b ) + { + c = (a + b) >> 1; + if( val < cmap[c] ) + b = c; + else if( val > cmap[c] ) + a = c+1; + else + break; + } + + CV_DbgAssert( c >= 0 && val == cmap[c] ); + values[i] = c; + } + } + } + + void getSample(InputArray _vidx, int sidx, float* buf) const + { + CV_Assert(buf != 0 && 0 <= sidx && sidx < getNSamples()); + Mat vidx = _vidx.getMat(); + int i, n = vidx.checkVector(1, CV_32S), nvars = getNAllVars(); + CV_Assert( n >= 0 ); + const int* vptr = n > 0 ? vidx.ptr() : 0; + if( n == 0 ) + n = nvars; + + size_t step = samples.step/samples.elemSize(); + size_t sstep = layout == ROW_SAMPLE ? step : 1; + size_t vstep = layout == ROW_SAMPLE ? 1 : step; + + const float* src = samples.ptr() + sidx*sstep; + for( i = 0; i < n; i++ ) + { + int j = i; + if( vptr ) + { + j = vptr[i]; + CV_Assert( 0 <= j && j < nvars ); + } + buf[i] = src[j*vstep]; + } + } + + FILE* file; + int layout; + Mat samples, missing, varType, varIdx, responses, missingSubst; + Mat sampleIdx, trainSampleIdx, testSampleIdx; + Mat sampleWeights, catMap, catOfs; + Mat normCatResponses, classLabels, classCounters; + MapType nameMap; +}; + +Ptr TrainData::loadFromCSV(const String& filename, + int headerLines, + int responseStartIdx, + int responseEndIdx, + const String& varTypeSpec, + char delimiter, char missch) { - change_var_idx( vi, state ); + Ptr td = makePtr(); + if(!td->loadCSV(filename, headerLines, responseStartIdx, responseEndIdx, varTypeSpec, delimiter, missch)) + td.release(); + return td; } -void CvMLData::change_var_idx( int vi, bool state ) +Ptr TrainData::create(InputArray samples, int layout, InputArray responses, + InputArray varIdx, InputArray sampleIdx, InputArray sampleWeights, + InputArray varType) { - CV_FUNCNAME( "CvMLData::change_var_idx" ); - __BEGIN__; - - int var_count = 0; - - if ( !values ) - CV_ERROR( CV_StsInternal, "data is empty" ); - - var_count = values->cols; - - if ( vi < 0 || vi >= var_count) - CV_ERROR( CV_StsBadArg, "variable index is not correct" ); - - assert( var_idx_mask ); - var_idx_mask->data.ptr[vi] = state; - - __END__; + Ptr td = makePtr(); + td->setData(samples, layout, responses, varIdx, sampleIdx, sampleWeights, varType, noArray()); + return td; } +}} + /* End of file. */ diff --git a/modules/ml/src/em.cpp b/modules/ml/src/em.cpp index 0bd44f2720..351ca39fc7 100644 --- a/modules/ml/src/em.cpp +++ b/modules/ml/src/em.cpp @@ -43,635 +43,839 @@ namespace cv { +namespace ml +{ const double minEigenValue = DBL_EPSILON; -/////////////////////////////////////////////////////////////////////////////////////////////////////// - -EM::EM(int _nclusters, int _covMatType, const TermCriteria& _termCrit) +EM::Params::Params(int _nclusters, int _covMatType, const TermCriteria& _termCrit) { nclusters = _nclusters; covMatType = _covMatType; - maxIters = (_termCrit.type & TermCriteria::MAX_ITER) ? _termCrit.maxCount : DEFAULT_MAX_ITERS; - epsilon = (_termCrit.type & TermCriteria::EPS) ? _termCrit.epsilon : 0; + termCrit = _termCrit; } -EM::~EM() +class CV_EXPORTS EMImpl : public EM { - //clear(); -} +public: + EMImpl(const Params& _params) + { + setParams(_params); + } -void EM::clear() -{ - trainSamples.release(); - trainProbs.release(); - trainLogLikelihoods.release(); - trainLabels.release(); + virtual ~EMImpl() {} - weights.release(); - means.release(); - covs.clear(); + void setParams(const Params& _params) + { + params = _params; + CV_Assert(params.nclusters > 1); + CV_Assert(params.covMatType == COV_MAT_SPHERICAL || + params.covMatType == COV_MAT_DIAGONAL || + params.covMatType == COV_MAT_GENERIC); + } - covsEigenValues.clear(); - invCovsEigenValues.clear(); - covsRotateMats.clear(); + Params getParams() const + { + return params; + } - logWeightDivDet.release(); -} + void clear() + { + trainSamples.release(); + trainProbs.release(); + trainLogLikelihoods.release(); + trainLabels.release(); + weights.release(); + means.release(); + covs.clear(); -bool EM::train(InputArray samples, + covsEigenValues.clear(); + invCovsEigenValues.clear(); + covsRotateMats.clear(); + + logWeightDivDet.release(); + } + + bool train(const Ptr& data, int) + { + Mat samples = data->getTrainSamples(), labels; + return train_(samples, labels, noArray(), noArray()); + } + + bool train_(InputArray samples, OutputArray logLikelihoods, OutputArray labels, OutputArray probs) -{ - Mat samplesMat = samples.getMat(); - setTrainData(START_AUTO_STEP, samplesMat, 0, 0, 0, 0); - return doTrain(START_AUTO_STEP, logLikelihoods, labels, probs); -} + { + Mat samplesMat = samples.getMat(); + setTrainData(START_AUTO_STEP, samplesMat, 0, 0, 0, 0); + return doTrain(START_AUTO_STEP, logLikelihoods, labels, probs); + } -bool EM::trainE(InputArray samples, + bool trainE(InputArray samples, InputArray _means0, InputArray _covs0, InputArray _weights0, OutputArray logLikelihoods, OutputArray labels, OutputArray probs) -{ - Mat samplesMat = samples.getMat(); - std::vector covs0; - _covs0.getMatVector(covs0); + { + Mat samplesMat = samples.getMat(); + std::vector covs0; + _covs0.getMatVector(covs0); - Mat means0 = _means0.getMat(), weights0 = _weights0.getMat(); + Mat means0 = _means0.getMat(), weights0 = _weights0.getMat(); - setTrainData(START_E_STEP, samplesMat, 0, !_means0.empty() ? &means0 : 0, - !_covs0.empty() ? &covs0 : 0, !_weights0.empty() ? &weights0 : 0); - return doTrain(START_E_STEP, logLikelihoods, labels, probs); -} + setTrainData(START_E_STEP, samplesMat, 0, !_means0.empty() ? &means0 : 0, + !_covs0.empty() ? &covs0 : 0, !_weights0.empty() ? &weights0 : 0); + return doTrain(START_E_STEP, logLikelihoods, labels, probs); + } -bool EM::trainM(InputArray samples, + bool trainM(InputArray samples, InputArray _probs0, OutputArray logLikelihoods, OutputArray labels, OutputArray probs) -{ - Mat samplesMat = samples.getMat(); - Mat probs0 = _probs0.getMat(); - - setTrainData(START_M_STEP, samplesMat, !_probs0.empty() ? &probs0 : 0, 0, 0, 0); - return doTrain(START_M_STEP, logLikelihoods, labels, probs); -} - - -Vec2d EM::predict(InputArray _sample, OutputArray _probs) const -{ - Mat sample = _sample.getMat(); - CV_Assert(isTrained()); - - CV_Assert(!sample.empty()); - if(sample.type() != CV_64FC1) { - Mat tmp; - sample.convertTo(tmp, CV_64FC1); - sample = tmp; - } - sample = sample.reshape(1, 1); + Mat samplesMat = samples.getMat(); + Mat probs0 = _probs0.getMat(); - Mat probs; - if( _probs.needed() ) - { - _probs.create(1, nclusters, CV_64FC1); - probs = _probs.getMat(); + setTrainData(START_M_STEP, samplesMat, !_probs0.empty() ? &probs0 : 0, 0, 0, 0); + return doTrain(START_M_STEP, logLikelihoods, labels, probs); } - return computeProbabilities(sample, !probs.empty() ? &probs : 0); -} - -bool EM::isTrained() const -{ - return !means.empty(); -} - - -static -void checkTrainData(int startStep, const Mat& samples, - int nclusters, int covMatType, const Mat* probs, const Mat* means, - const std::vector* covs, const Mat* weights) -{ - // Check samples. - CV_Assert(!samples.empty()); - CV_Assert(samples.channels() == 1); - - int nsamples = samples.rows; - int dim = samples.cols; - - // Check training params. - CV_Assert(nclusters > 0); - CV_Assert(nclusters <= nsamples); - CV_Assert(startStep == EM::START_AUTO_STEP || - startStep == EM::START_E_STEP || - startStep == EM::START_M_STEP); - CV_Assert(covMatType == EM::COV_MAT_GENERIC || - covMatType == EM::COV_MAT_DIAGONAL || - covMatType == EM::COV_MAT_SPHERICAL); - - CV_Assert(!probs || - (!probs->empty() && - probs->rows == nsamples && probs->cols == nclusters && - (probs->type() == CV_32FC1 || probs->type() == CV_64FC1))); - - CV_Assert(!weights || - (!weights->empty() && - (weights->cols == 1 || weights->rows == 1) && static_cast(weights->total()) == nclusters && - (weights->type() == CV_32FC1 || weights->type() == CV_64FC1))); - - CV_Assert(!means || - (!means->empty() && - means->rows == nclusters && means->cols == dim && - means->channels() == 1)); - - CV_Assert(!covs || - (!covs->empty() && - static_cast(covs->size()) == nclusters)); - if(covs) + float predict(InputArray _inputs, OutputArray _outputs, int) const { - const Size covSize(dim, dim); - for(size_t i = 0; i < covs->size(); i++) + bool needprobs = _outputs.needed(); + Mat samples = _inputs.getMat(), probs, probsrow; + int ptype = CV_32F; + float firstres = 0.f; + int i, nsamples = samples.rows; + + if( needprobs ) { - const Mat& m = (*covs)[i]; - CV_Assert(!m.empty() && m.size() == covSize && (m.channels() == 1)); + if( _outputs.fixedType() ) + ptype = _outputs.type(); + _outputs.create(samples.rows, params.nclusters, ptype); + } + else + nsamples = std::min(nsamples, 1); + + for( i = 0; i < nsamples; i++ ) + { + if( needprobs ) + probsrow = probs.row(i); + Vec2d res = computeProbabilities(samples.row(i), needprobs ? &probsrow : 0, ptype); + if( i == 0 ) + firstres = (float)res[1]; + } + return firstres; + } + + Vec2d predict2(InputArray _sample, OutputArray _probs) const + { + int ptype = CV_32F; + Mat sample = _sample.getMat(); + CV_Assert(isTrained()); + + CV_Assert(!sample.empty()); + if(sample.type() != CV_64FC1) + { + Mat tmp; + sample.convertTo(tmp, CV_64FC1); + sample = tmp; + } + sample.reshape(1, 1); + + Mat probs; + if( _probs.needed() ) + { + if( _probs.fixedType() ) + ptype = _probs.type(); + _probs.create(1, params.nclusters, ptype); + probs = _probs.getMat(); + } + + return computeProbabilities(sample, !probs.empty() ? &probs : 0, ptype); + } + + bool isTrained() const + { + return !means.empty(); + } + + bool isClassifier() const + { + return true; + } + + int getVarCount() const + { + return means.cols; + } + + String getDefaultModelName() const + { + return "opencv_ml_em"; + } + + static void checkTrainData(int startStep, const Mat& samples, + int nclusters, int covMatType, const Mat* probs, const Mat* means, + const std::vector* covs, const Mat* weights) + { + // Check samples. + CV_Assert(!samples.empty()); + CV_Assert(samples.channels() == 1); + + int nsamples = samples.rows; + int dim = samples.cols; + + // Check training params. + CV_Assert(nclusters > 0); + CV_Assert(nclusters <= nsamples); + CV_Assert(startStep == START_AUTO_STEP || + startStep == START_E_STEP || + startStep == START_M_STEP); + CV_Assert(covMatType == COV_MAT_GENERIC || + covMatType == COV_MAT_DIAGONAL || + covMatType == COV_MAT_SPHERICAL); + + CV_Assert(!probs || + (!probs->empty() && + probs->rows == nsamples && probs->cols == nclusters && + (probs->type() == CV_32FC1 || probs->type() == CV_64FC1))); + + CV_Assert(!weights || + (!weights->empty() && + (weights->cols == 1 || weights->rows == 1) && static_cast(weights->total()) == nclusters && + (weights->type() == CV_32FC1 || weights->type() == CV_64FC1))); + + CV_Assert(!means || + (!means->empty() && + means->rows == nclusters && means->cols == dim && + means->channels() == 1)); + + CV_Assert(!covs || + (!covs->empty() && + static_cast(covs->size()) == nclusters)); + if(covs) + { + const Size covSize(dim, dim); + for(size_t i = 0; i < covs->size(); i++) + { + const Mat& m = (*covs)[i]; + CV_Assert(!m.empty() && m.size() == covSize && (m.channels() == 1)); + } + } + + if(startStep == START_E_STEP) + { + CV_Assert(means); + } + else if(startStep == START_M_STEP) + { + CV_Assert(probs); } } - if(startStep == EM::START_E_STEP) + static void preprocessSampleData(const Mat& src, Mat& dst, int dstType, bool isAlwaysClone) { - CV_Assert(means); - } - else if(startStep == EM::START_M_STEP) - { - CV_Assert(probs); - } -} - -static -void preprocessSampleData(const Mat& src, Mat& dst, int dstType, bool isAlwaysClone) -{ - if(src.type() == dstType && !isAlwaysClone) - dst = src; - else - src.convertTo(dst, dstType); -} - -static -void preprocessProbability(Mat& probs) -{ - max(probs, 0., probs); - - const double uniformProbability = (double)(1./probs.cols); - for(int y = 0; y < probs.rows; y++) - { - Mat sampleProbs = probs.row(y); - - double maxVal = 0; - minMaxLoc(sampleProbs, 0, &maxVal); - if(maxVal < FLT_EPSILON) - sampleProbs.setTo(uniformProbability); + if(src.type() == dstType && !isAlwaysClone) + dst = src; else - normalize(sampleProbs, sampleProbs, 1, 0, NORM_L1); + src.convertTo(dst, dstType); } -} -void EM::setTrainData(int startStep, const Mat& samples, + static void preprocessProbability(Mat& probs) + { + max(probs, 0., probs); + + const double uniformProbability = (double)(1./probs.cols); + for(int y = 0; y < probs.rows; y++) + { + Mat sampleProbs = probs.row(y); + + double maxVal = 0; + minMaxLoc(sampleProbs, 0, &maxVal); + if(maxVal < FLT_EPSILON) + sampleProbs.setTo(uniformProbability); + else + normalize(sampleProbs, sampleProbs, 1, 0, NORM_L1); + } + } + + void setTrainData(int startStep, const Mat& samples, const Mat* probs0, const Mat* means0, const std::vector* covs0, const Mat* weights0) -{ - clear(); - - checkTrainData(startStep, samples, nclusters, covMatType, probs0, means0, covs0, weights0); - - bool isKMeansInit = (startStep == EM::START_AUTO_STEP) || (startStep == EM::START_E_STEP && (covs0 == 0 || weights0 == 0)); - // Set checked data - preprocessSampleData(samples, trainSamples, isKMeansInit ? CV_32FC1 : CV_64FC1, false); - - // set probs - if(probs0 && startStep == EM::START_M_STEP) { - preprocessSampleData(*probs0, trainProbs, CV_64FC1, true); - preprocessProbability(trainProbs); - } + int nclusters = params.nclusters, covMatType = params.covMatType; + clear(); - // set weights - if(weights0 && (startStep == EM::START_E_STEP && covs0)) - { - weights0->convertTo(weights, CV_64FC1); - weights = weights.reshape(1,1); - preprocessProbability(weights); - } + checkTrainData(startStep, samples, nclusters, covMatType, probs0, means0, covs0, weights0); - // set means - if(means0 && (startStep == EM::START_E_STEP/* || startStep == EM::START_AUTO_STEP*/)) - means0->convertTo(means, isKMeansInit ? CV_32FC1 : CV_64FC1); + bool isKMeansInit = (startStep == START_AUTO_STEP) || (startStep == START_E_STEP && (covs0 == 0 || weights0 == 0)); + // Set checked data + preprocessSampleData(samples, trainSamples, isKMeansInit ? CV_32FC1 : CV_64FC1, false); - // set covs - if(covs0 && (startStep == EM::START_E_STEP && weights0)) - { - covs.resize(nclusters); - for(size_t i = 0; i < covs0->size(); i++) - (*covs0)[i].convertTo(covs[i], CV_64FC1); - } -} - -void EM::decomposeCovs() -{ - CV_Assert(!covs.empty()); - covsEigenValues.resize(nclusters); - if(covMatType == EM::COV_MAT_GENERIC) - covsRotateMats.resize(nclusters); - invCovsEigenValues.resize(nclusters); - for(int clusterIndex = 0; clusterIndex < nclusters; clusterIndex++) - { - CV_Assert(!covs[clusterIndex].empty()); - - SVD svd(covs[clusterIndex], SVD::MODIFY_A + SVD::FULL_UV); - - if(covMatType == EM::COV_MAT_SPHERICAL) + // set probs + if(probs0 && startStep == START_M_STEP) { - double maxSingularVal = svd.w.at(0); - covsEigenValues[clusterIndex] = Mat(1, 1, CV_64FC1, Scalar(maxSingularVal)); + preprocessSampleData(*probs0, trainProbs, CV_64FC1, true); + preprocessProbability(trainProbs); } - else if(covMatType == EM::COV_MAT_DIAGONAL) + + // set weights + if(weights0 && (startStep == START_E_STEP && covs0)) { - covsEigenValues[clusterIndex] = svd.w; + weights0->convertTo(weights, CV_64FC1); + weights.reshape(1,1); + preprocessProbability(weights); } - else //EM::COV_MAT_GENERIC + + // set means + if(means0 && (startStep == START_E_STEP/* || startStep == START_AUTO_STEP*/)) + means0->convertTo(means, isKMeansInit ? CV_32FC1 : CV_64FC1); + + // set covs + if(covs0 && (startStep == START_E_STEP && weights0)) { - covsEigenValues[clusterIndex] = svd.w; - covsRotateMats[clusterIndex] = svd.u; + covs.resize(nclusters); + for(size_t i = 0; i < covs0->size(); i++) + (*covs0)[i].convertTo(covs[i], CV_64FC1); } - max(covsEigenValues[clusterIndex], minEigenValue, covsEigenValues[clusterIndex]); - invCovsEigenValues[clusterIndex] = 1./covsEigenValues[clusterIndex]; - } -} - -void EM::clusterTrainSamples() -{ - int nsamples = trainSamples.rows; - - // Cluster samples, compute/update means - - // Convert samples and means to 32F, because kmeans requires this type. - Mat trainSamplesFlt, meansFlt; - if(trainSamples.type() != CV_32FC1) - trainSamples.convertTo(trainSamplesFlt, CV_32FC1); - else - trainSamplesFlt = trainSamples; - if(!means.empty()) - { - if(means.type() != CV_32FC1) - means.convertTo(meansFlt, CV_32FC1); - else - meansFlt = means; } - Mat labels; - kmeans(trainSamplesFlt, nclusters, labels, TermCriteria(TermCriteria::COUNT, means.empty() ? 10 : 1, 0.5), 10, KMEANS_PP_CENTERS, meansFlt); - - // Convert samples and means back to 64F. - CV_Assert(meansFlt.type() == CV_32FC1); - if(trainSamples.type() != CV_64FC1) + void decomposeCovs() { - Mat trainSamplesBuffer; - trainSamplesFlt.convertTo(trainSamplesBuffer, CV_64FC1); - trainSamples = trainSamplesBuffer; - } - meansFlt.convertTo(means, CV_64FC1); - - // Compute weights and covs - weights = Mat(1, nclusters, CV_64FC1, Scalar(0)); - covs.resize(nclusters); - for(int clusterIndex = 0; clusterIndex < nclusters; clusterIndex++) - { - Mat clusterSamples; - for(int sampleIndex = 0; sampleIndex < nsamples; sampleIndex++) + int nclusters = params.nclusters, covMatType = params.covMatType; + CV_Assert(!covs.empty()); + covsEigenValues.resize(nclusters); + if(covMatType == COV_MAT_GENERIC) + covsRotateMats.resize(nclusters); + invCovsEigenValues.resize(nclusters); + for(int clusterIndex = 0; clusterIndex < nclusters; clusterIndex++) { - if(labels.at(sampleIndex) == clusterIndex) + CV_Assert(!covs[clusterIndex].empty()); + + SVD svd(covs[clusterIndex], SVD::MODIFY_A + SVD::FULL_UV); + + if(covMatType == COV_MAT_SPHERICAL) { - const Mat sample = trainSamples.row(sampleIndex); - clusterSamples.push_back(sample); + double maxSingularVal = svd.w.at(0); + covsEigenValues[clusterIndex] = Mat(1, 1, CV_64FC1, Scalar(maxSingularVal)); } + else if(covMatType == COV_MAT_DIAGONAL) + { + covsEigenValues[clusterIndex] = svd.w; + } + else //COV_MAT_GENERIC + { + covsEigenValues[clusterIndex] = svd.w; + covsRotateMats[clusterIndex] = svd.u; + } + max(covsEigenValues[clusterIndex], minEigenValue, covsEigenValues[clusterIndex]); + invCovsEigenValues[clusterIndex] = 1./covsEigenValues[clusterIndex]; } - CV_Assert(!clusterSamples.empty()); - - calcCovarMatrix(clusterSamples, covs[clusterIndex], means.row(clusterIndex), - CV_COVAR_NORMAL + CV_COVAR_ROWS + CV_COVAR_USE_AVG + CV_COVAR_SCALE, CV_64FC1); - weights.at(clusterIndex) = static_cast(clusterSamples.rows)/static_cast(nsamples); } - decomposeCovs(); -} - -void EM::computeLogWeightDivDet() -{ - CV_Assert(!covsEigenValues.empty()); - - Mat logWeights; - cv::max(weights, DBL_MIN, weights); - log(weights, logWeights); - - logWeightDivDet.create(1, nclusters, CV_64FC1); - // note: logWeightDivDet = log(weight_k) - 0.5 * log(|det(cov_k)|) - - for(int clusterIndex = 0; clusterIndex < nclusters; clusterIndex++) + void clusterTrainSamples() { - double logDetCov = 0.; - const int evalCount = static_cast(covsEigenValues[clusterIndex].total()); - for(int di = 0; di < evalCount; di++) - logDetCov += std::log(covsEigenValues[clusterIndex].at(covMatType != EM::COV_MAT_SPHERICAL ? di : 0)); + int nclusters = params.nclusters; + int nsamples = trainSamples.rows; - logWeightDivDet.at(clusterIndex) = logWeights.at(clusterIndex) - 0.5 * logDetCov; - } -} + // Cluster samples, compute/update means -bool EM::doTrain(int startStep, OutputArray logLikelihoods, OutputArray labels, OutputArray probs) -{ - int dim = trainSamples.cols; - // Precompute the empty initial train data in the cases of EM::START_E_STEP and START_AUTO_STEP - if(startStep != EM::START_M_STEP) - { - if(covs.empty()) + // Convert samples and means to 32F, because kmeans requires this type. + Mat trainSamplesFlt, meansFlt; + if(trainSamples.type() != CV_32FC1) + trainSamples.convertTo(trainSamplesFlt, CV_32FC1); + else + trainSamplesFlt = trainSamples; + if(!means.empty()) { - CV_Assert(weights.empty()); - clusterTrainSamples(); + if(means.type() != CV_32FC1) + means.convertTo(meansFlt, CV_32FC1); + else + meansFlt = means; + } + + Mat labels; + kmeans(trainSamplesFlt, nclusters, labels, + TermCriteria(TermCriteria::COUNT, means.empty() ? 10 : 1, 0.5), + 10, KMEANS_PP_CENTERS, meansFlt); + + // Convert samples and means back to 64F. + CV_Assert(meansFlt.type() == CV_32FC1); + if(trainSamples.type() != CV_64FC1) + { + Mat trainSamplesBuffer; + trainSamplesFlt.convertTo(trainSamplesBuffer, CV_64FC1); + trainSamples = trainSamplesBuffer; + } + meansFlt.convertTo(means, CV_64FC1); + + // Compute weights and covs + weights = Mat(1, nclusters, CV_64FC1, Scalar(0)); + covs.resize(nclusters); + for(int clusterIndex = 0; clusterIndex < nclusters; clusterIndex++) + { + Mat clusterSamples; + for(int sampleIndex = 0; sampleIndex < nsamples; sampleIndex++) + { + if(labels.at(sampleIndex) == clusterIndex) + { + const Mat sample = trainSamples.row(sampleIndex); + clusterSamples.push_back(sample); + } + } + CV_Assert(!clusterSamples.empty()); + + calcCovarMatrix(clusterSamples, covs[clusterIndex], means.row(clusterIndex), + CV_COVAR_NORMAL + CV_COVAR_ROWS + CV_COVAR_USE_AVG + CV_COVAR_SCALE, CV_64FC1); + weights.at(clusterIndex) = static_cast(clusterSamples.rows)/static_cast(nsamples); } - } - if(!covs.empty() && covsEigenValues.empty() ) - { - CV_Assert(invCovsEigenValues.empty()); decomposeCovs(); } - if(startStep == EM::START_M_STEP) - mStep(); - - double trainLogLikelihood, prevTrainLogLikelihood = 0.; - for(int iter = 0; ; iter++) + void computeLogWeightDivDet() { - eStep(); - trainLogLikelihood = sum(trainLogLikelihoods)[0]; + int nclusters = params.nclusters; + CV_Assert(!covsEigenValues.empty()); - if(iter >= maxIters - 1) - break; + Mat logWeights; + cv::max(weights, DBL_MIN, weights); + log(weights, logWeights); - double trainLogLikelihoodDelta = trainLogLikelihood - prevTrainLogLikelihood; - if( iter != 0 && - (trainLogLikelihoodDelta < -DBL_EPSILON || - trainLogLikelihoodDelta < epsilon * std::fabs(trainLogLikelihood))) - break; + logWeightDivDet.create(1, nclusters, CV_64FC1); + // note: logWeightDivDet = log(weight_k) - 0.5 * log(|det(cov_k)|) - mStep(); - - prevTrainLogLikelihood = trainLogLikelihood; - } - - if( trainLogLikelihood <= -DBL_MAX/10000. ) - { - clear(); - return false; - } - - // postprocess covs - covs.resize(nclusters); - for(int clusterIndex = 0; clusterIndex < nclusters; clusterIndex++) - { - if(covMatType == EM::COV_MAT_SPHERICAL) + for(int clusterIndex = 0; clusterIndex < nclusters; clusterIndex++) { - covs[clusterIndex].create(dim, dim, CV_64FC1); - setIdentity(covs[clusterIndex], Scalar(covsEigenValues[clusterIndex].at(0))); - } - else if(covMatType == EM::COV_MAT_DIAGONAL) - { - covs[clusterIndex] = Mat::diag(covsEigenValues[clusterIndex]); + double logDetCov = 0.; + const int evalCount = static_cast(covsEigenValues[clusterIndex].total()); + for(int di = 0; di < evalCount; di++) + logDetCov += std::log(covsEigenValues[clusterIndex].at(params.covMatType != COV_MAT_SPHERICAL ? di : 0)); + + logWeightDivDet.at(clusterIndex) = logWeights.at(clusterIndex) - 0.5 * logDetCov; } } - if(labels.needed()) - trainLabels.copyTo(labels); - if(probs.needed()) - trainProbs.copyTo(probs); - if(logLikelihoods.needed()) - trainLogLikelihoods.copyTo(logLikelihoods); - - trainSamples.release(); - trainProbs.release(); - trainLabels.release(); - trainLogLikelihoods.release(); - - return true; -} - -Vec2d EM::computeProbabilities(const Mat& sample, Mat* probs) const -{ - // L_ik = log(weight_k) - 0.5 * log(|det(cov_k)|) - 0.5 *(x_i - mean_k)' cov_k^(-1) (x_i - mean_k)] - // q = arg(max_k(L_ik)) - // probs_ik = exp(L_ik - L_iq) / (1 + sum_j!=q (exp(L_ij - L_iq)) - // see Alex Smola's blog http://blog.smola.org/page/2 for - // details on the log-sum-exp trick - - CV_Assert(!means.empty()); - CV_Assert(sample.type() == CV_64FC1); - CV_Assert(sample.rows == 1); - CV_Assert(sample.cols == means.cols); - - int dim = sample.cols; - - Mat L(1, nclusters, CV_64FC1); - int label = 0; - for(int clusterIndex = 0; clusterIndex < nclusters; clusterIndex++) + bool doTrain(int startStep, OutputArray logLikelihoods, OutputArray labels, OutputArray probs) { - const Mat centeredSample = sample - means.row(clusterIndex); - - Mat rotatedCenteredSample = covMatType != EM::COV_MAT_GENERIC ? - centeredSample : centeredSample * covsRotateMats[clusterIndex]; - - double Lval = 0; - for(int di = 0; di < dim; di++) + int nclusters = params.nclusters; + int dim = trainSamples.cols; + // Precompute the empty initial train data in the cases of START_E_STEP and START_AUTO_STEP + if(startStep != START_M_STEP) { - double w = invCovsEigenValues[clusterIndex].at(covMatType != EM::COV_MAT_SPHERICAL ? di : 0); - double val = rotatedCenteredSample.at(di); - Lval += w * val * val; - } - CV_DbgAssert(!logWeightDivDet.empty()); - L.at(clusterIndex) = logWeightDivDet.at(clusterIndex) - 0.5 * Lval; - - if(L.at(clusterIndex) > L.at(label)) - label = clusterIndex; - } - - double maxLVal = L.at(label); - Mat expL_Lmax = L; // exp(L_ij - L_iq) - for(int i = 0; i < L.cols; i++) - expL_Lmax.at(i) = std::exp(L.at(i) - maxLVal); - double expDiffSum = sum(expL_Lmax)[0]; // sum_j(exp(L_ij - L_iq)) - - if(probs) - { - probs->create(1, nclusters, CV_64FC1); - double factor = 1./expDiffSum; - expL_Lmax *= factor; - expL_Lmax.copyTo(*probs); - } - - Vec2d res; - res[0] = std::log(expDiffSum) + maxLVal - 0.5 * dim * CV_LOG2PI; - res[1] = label; - - return res; -} - -void EM::eStep() -{ - // Compute probs_ik from means_k, covs_k and weights_k. - trainProbs.create(trainSamples.rows, nclusters, CV_64FC1); - trainLabels.create(trainSamples.rows, 1, CV_32SC1); - trainLogLikelihoods.create(trainSamples.rows, 1, CV_64FC1); - - computeLogWeightDivDet(); - - CV_DbgAssert(trainSamples.type() == CV_64FC1); - CV_DbgAssert(means.type() == CV_64FC1); - - for(int sampleIndex = 0; sampleIndex < trainSamples.rows; sampleIndex++) - { - Mat sampleProbs = trainProbs.row(sampleIndex); - Vec2d res = computeProbabilities(trainSamples.row(sampleIndex), &sampleProbs); - trainLogLikelihoods.at(sampleIndex) = res[0]; - trainLabels.at(sampleIndex) = static_cast(res[1]); - } -} - -void EM::mStep() -{ - // Update means_k, covs_k and weights_k from probs_ik - int dim = trainSamples.cols; - - // Update weights - // not normalized first - reduce(trainProbs, weights, 0, CV_REDUCE_SUM); - - // Update means - means.create(nclusters, dim, CV_64FC1); - means = Scalar(0); - - const double minPosWeight = trainSamples.rows * DBL_EPSILON; - double minWeight = DBL_MAX; - int minWeightClusterIndex = -1; - for(int clusterIndex = 0; clusterIndex < nclusters; clusterIndex++) - { - if(weights.at(clusterIndex) <= minPosWeight) - continue; - - if(weights.at(clusterIndex) < minWeight) - { - minWeight = weights.at(clusterIndex); - minWeightClusterIndex = clusterIndex; - } - - Mat clusterMean = means.row(clusterIndex); - for(int sampleIndex = 0; sampleIndex < trainSamples.rows; sampleIndex++) - clusterMean += trainProbs.at(sampleIndex, clusterIndex) * trainSamples.row(sampleIndex); - clusterMean /= weights.at(clusterIndex); - } - - // Update covsEigenValues and invCovsEigenValues - covs.resize(nclusters); - covsEigenValues.resize(nclusters); - if(covMatType == EM::COV_MAT_GENERIC) - covsRotateMats.resize(nclusters); - invCovsEigenValues.resize(nclusters); - for(int clusterIndex = 0; clusterIndex < nclusters; clusterIndex++) - { - if(weights.at(clusterIndex) <= minPosWeight) - continue; - - if(covMatType != EM::COV_MAT_SPHERICAL) - covsEigenValues[clusterIndex].create(1, dim, CV_64FC1); - else - covsEigenValues[clusterIndex].create(1, 1, CV_64FC1); - - if(covMatType == EM::COV_MAT_GENERIC) - covs[clusterIndex].create(dim, dim, CV_64FC1); - - Mat clusterCov = covMatType != EM::COV_MAT_GENERIC ? - covsEigenValues[clusterIndex] : covs[clusterIndex]; - - clusterCov = Scalar(0); - - Mat centeredSample; - for(int sampleIndex = 0; sampleIndex < trainSamples.rows; sampleIndex++) - { - centeredSample = trainSamples.row(sampleIndex) - means.row(clusterIndex); - - if(covMatType == EM::COV_MAT_GENERIC) - clusterCov += trainProbs.at(sampleIndex, clusterIndex) * centeredSample.t() * centeredSample; - else + if(covs.empty()) { - double p = trainProbs.at(sampleIndex, clusterIndex); - for(int di = 0; di < dim; di++ ) - { - double val = centeredSample.at(di); - clusterCov.at(covMatType != EM::COV_MAT_SPHERICAL ? di : 0) += p*val*val; - } + CV_Assert(weights.empty()); + clusterTrainSamples(); } } - if(covMatType == EM::COV_MAT_SPHERICAL) - clusterCov /= dim; - - clusterCov /= weights.at(clusterIndex); - - // Update covsRotateMats for EM::COV_MAT_GENERIC only - if(covMatType == EM::COV_MAT_GENERIC) + if(!covs.empty() && covsEigenValues.empty() ) { - SVD svd(covs[clusterIndex], SVD::MODIFY_A + SVD::FULL_UV); - covsEigenValues[clusterIndex] = svd.w; - covsRotateMats[clusterIndex] = svd.u; + CV_Assert(invCovsEigenValues.empty()); + decomposeCovs(); } - max(covsEigenValues[clusterIndex], minEigenValue, covsEigenValues[clusterIndex]); + if(startStep == START_M_STEP) + mStep(); - // update invCovsEigenValues - invCovsEigenValues[clusterIndex] = 1./covsEigenValues[clusterIndex]; + double trainLogLikelihood, prevTrainLogLikelihood = 0.; + int maxIters = (params.termCrit.type & TermCriteria::MAX_ITER) ? + params.termCrit.maxCount : DEFAULT_MAX_ITERS; + double epsilon = (params.termCrit.type & TermCriteria::EPS) ? params.termCrit.epsilon : 0.; + + for(int iter = 0; ; iter++) + { + eStep(); + trainLogLikelihood = sum(trainLogLikelihoods)[0]; + + if(iter >= maxIters - 1) + break; + + double trainLogLikelihoodDelta = trainLogLikelihood - prevTrainLogLikelihood; + if( iter != 0 && + (trainLogLikelihoodDelta < -DBL_EPSILON || + trainLogLikelihoodDelta < epsilon * std::fabs(trainLogLikelihood))) + break; + + mStep(); + + prevTrainLogLikelihood = trainLogLikelihood; + } + + if( trainLogLikelihood <= -DBL_MAX/10000. ) + { + clear(); + return false; + } + + // postprocess covs + covs.resize(nclusters); + for(int clusterIndex = 0; clusterIndex < nclusters; clusterIndex++) + { + if(params.covMatType == COV_MAT_SPHERICAL) + { + covs[clusterIndex].create(dim, dim, CV_64FC1); + setIdentity(covs[clusterIndex], Scalar(covsEigenValues[clusterIndex].at(0))); + } + else if(params.covMatType == COV_MAT_DIAGONAL) + { + covs[clusterIndex] = Mat::diag(covsEigenValues[clusterIndex]); + } + } + + if(labels.needed()) + trainLabels.copyTo(labels); + if(probs.needed()) + trainProbs.copyTo(probs); + if(logLikelihoods.needed()) + trainLogLikelihoods.copyTo(logLikelihoods); + + trainSamples.release(); + trainProbs.release(); + trainLabels.release(); + trainLogLikelihoods.release(); + + return true; } - for(int clusterIndex = 0; clusterIndex < nclusters; clusterIndex++) + Vec2d computeProbabilities(const Mat& sample, Mat* probs, int ptype) const { - if(weights.at(clusterIndex) <= minPosWeight) + // L_ik = log(weight_k) - 0.5 * log(|det(cov_k)|) - 0.5 *(x_i - mean_k)' cov_k^(-1) (x_i - mean_k)] + // q = arg(max_k(L_ik)) + // probs_ik = exp(L_ik - L_iq) / (1 + sum_j!=q (exp(L_ij - L_iq)) + // see Alex Smola's blog http://blog.smola.org/page/2 for + // details on the log-sum-exp trick + + int nclusters = params.nclusters, covMatType = params.covMatType; + int stype = sample.type(); + CV_Assert(!means.empty()); + CV_Assert((stype == CV_32F || stype == CV_64F) && (ptype == CV_32F || ptype == CV_64F)); + CV_Assert(sample.size() == Size(means.cols, 1)); + + int dim = sample.cols; + + Mat L(1, nclusters, CV_64FC1), centeredSample(1, dim, CV_64F); + int i, label = 0; + for(int clusterIndex = 0; clusterIndex < nclusters; clusterIndex++) { - Mat clusterMean = means.row(clusterIndex); - means.row(minWeightClusterIndex).copyTo(clusterMean); - covs[minWeightClusterIndex].copyTo(covs[clusterIndex]); - covsEigenValues[minWeightClusterIndex].copyTo(covsEigenValues[clusterIndex]); - if(covMatType == EM::COV_MAT_GENERIC) - covsRotateMats[minWeightClusterIndex].copyTo(covsRotateMats[clusterIndex]); - invCovsEigenValues[minWeightClusterIndex].copyTo(invCovsEigenValues[clusterIndex]); + const double* mptr = means.ptr(clusterIndex); + double* dptr = centeredSample.ptr(); + if( stype == CV_32F ) + { + const float* sptr = sample.ptr(); + for( i = 0; i < dim; i++ ) + dptr[i] = sptr[i] - mptr[i]; + } + else + { + const double* sptr = sample.ptr(); + for( i = 0; i < dim; i++ ) + dptr[i] = sptr[i] - mptr[i]; + } + + Mat rotatedCenteredSample = covMatType != COV_MAT_GENERIC ? + centeredSample : centeredSample * covsRotateMats[clusterIndex]; + + double Lval = 0; + for(int di = 0; di < dim; di++) + { + double w = invCovsEigenValues[clusterIndex].at(covMatType != COV_MAT_SPHERICAL ? di : 0); + double val = rotatedCenteredSample.at(di); + Lval += w * val * val; + } + CV_DbgAssert(!logWeightDivDet.empty()); + L.at(clusterIndex) = logWeightDivDet.at(clusterIndex) - 0.5 * Lval; + + if(L.at(clusterIndex) > L.at(label)) + label = clusterIndex; + } + + double maxLVal = L.at(label); + double expDiffSum = 0; + for( i = 0; i < L.cols; i++ ) + { + double v = std::exp(L.at(i) - maxLVal); + L.at(i) = v; + expDiffSum += v; // sum_j(exp(L_ij - L_iq)) + } + + if(probs) + L.convertTo(*probs, ptype, 1./expDiffSum); + + Vec2d res; + res[0] = std::log(expDiffSum) + maxLVal - 0.5 * dim * CV_LOG2PI; + res[1] = label; + + return res; + } + + void eStep() + { + // Compute probs_ik from means_k, covs_k and weights_k. + trainProbs.create(trainSamples.rows, params.nclusters, CV_64FC1); + trainLabels.create(trainSamples.rows, 1, CV_32SC1); + trainLogLikelihoods.create(trainSamples.rows, 1, CV_64FC1); + + computeLogWeightDivDet(); + + CV_DbgAssert(trainSamples.type() == CV_64FC1); + CV_DbgAssert(means.type() == CV_64FC1); + + for(int sampleIndex = 0; sampleIndex < trainSamples.rows; sampleIndex++) + { + Mat sampleProbs = trainProbs.row(sampleIndex); + Vec2d res = computeProbabilities(trainSamples.row(sampleIndex), &sampleProbs, CV_64F); + trainLogLikelihoods.at(sampleIndex) = res[0]; + trainLabels.at(sampleIndex) = static_cast(res[1]); } } - // Normalize weights - weights /= trainSamples.rows; -} + void mStep() + { + // Update means_k, covs_k and weights_k from probs_ik + int nclusters = params.nclusters; + int covMatType = params.covMatType; + int dim = trainSamples.cols; -void EM::read(const FileNode& fn) + // Update weights + // not normalized first + reduce(trainProbs, weights, 0, CV_REDUCE_SUM); + + // Update means + means.create(nclusters, dim, CV_64FC1); + means = Scalar(0); + + const double minPosWeight = trainSamples.rows * DBL_EPSILON; + double minWeight = DBL_MAX; + int minWeightClusterIndex = -1; + for(int clusterIndex = 0; clusterIndex < nclusters; clusterIndex++) + { + if(weights.at(clusterIndex) <= minPosWeight) + continue; + + if(weights.at(clusterIndex) < minWeight) + { + minWeight = weights.at(clusterIndex); + minWeightClusterIndex = clusterIndex; + } + + Mat clusterMean = means.row(clusterIndex); + for(int sampleIndex = 0; sampleIndex < trainSamples.rows; sampleIndex++) + clusterMean += trainProbs.at(sampleIndex, clusterIndex) * trainSamples.row(sampleIndex); + clusterMean /= weights.at(clusterIndex); + } + + // Update covsEigenValues and invCovsEigenValues + covs.resize(nclusters); + covsEigenValues.resize(nclusters); + if(covMatType == COV_MAT_GENERIC) + covsRotateMats.resize(nclusters); + invCovsEigenValues.resize(nclusters); + for(int clusterIndex = 0; clusterIndex < nclusters; clusterIndex++) + { + if(weights.at(clusterIndex) <= minPosWeight) + continue; + + if(covMatType != COV_MAT_SPHERICAL) + covsEigenValues[clusterIndex].create(1, dim, CV_64FC1); + else + covsEigenValues[clusterIndex].create(1, 1, CV_64FC1); + + if(covMatType == COV_MAT_GENERIC) + covs[clusterIndex].create(dim, dim, CV_64FC1); + + Mat clusterCov = covMatType != COV_MAT_GENERIC ? + covsEigenValues[clusterIndex] : covs[clusterIndex]; + + clusterCov = Scalar(0); + + Mat centeredSample; + for(int sampleIndex = 0; sampleIndex < trainSamples.rows; sampleIndex++) + { + centeredSample = trainSamples.row(sampleIndex) - means.row(clusterIndex); + + if(covMatType == COV_MAT_GENERIC) + clusterCov += trainProbs.at(sampleIndex, clusterIndex) * centeredSample.t() * centeredSample; + else + { + double p = trainProbs.at(sampleIndex, clusterIndex); + for(int di = 0; di < dim; di++ ) + { + double val = centeredSample.at(di); + clusterCov.at(covMatType != COV_MAT_SPHERICAL ? di : 0) += p*val*val; + } + } + } + + if(covMatType == COV_MAT_SPHERICAL) + clusterCov /= dim; + + clusterCov /= weights.at(clusterIndex); + + // Update covsRotateMats for COV_MAT_GENERIC only + if(covMatType == COV_MAT_GENERIC) + { + SVD svd(covs[clusterIndex], SVD::MODIFY_A + SVD::FULL_UV); + covsEigenValues[clusterIndex] = svd.w; + covsRotateMats[clusterIndex] = svd.u; + } + + max(covsEigenValues[clusterIndex], minEigenValue, covsEigenValues[clusterIndex]); + + // update invCovsEigenValues + invCovsEigenValues[clusterIndex] = 1./covsEigenValues[clusterIndex]; + } + + for(int clusterIndex = 0; clusterIndex < nclusters; clusterIndex++) + { + if(weights.at(clusterIndex) <= minPosWeight) + { + Mat clusterMean = means.row(clusterIndex); + means.row(minWeightClusterIndex).copyTo(clusterMean); + covs[minWeightClusterIndex].copyTo(covs[clusterIndex]); + covsEigenValues[minWeightClusterIndex].copyTo(covsEigenValues[clusterIndex]); + if(covMatType == COV_MAT_GENERIC) + covsRotateMats[minWeightClusterIndex].copyTo(covsRotateMats[clusterIndex]); + invCovsEigenValues[minWeightClusterIndex].copyTo(invCovsEigenValues[clusterIndex]); + } + } + + // Normalize weights + weights /= trainSamples.rows; + } + + void write_params(FileStorage& fs) const + { + fs << "nclusters" << params.nclusters; + fs << "cov_mat_type" << (params.covMatType == COV_MAT_SPHERICAL ? String("spherical") : + params.covMatType == COV_MAT_DIAGONAL ? String("diagonal") : + params.covMatType == COV_MAT_GENERIC ? String("generic") : + format("unknown_%d", params.covMatType)); + writeTermCrit(fs, params.termCrit); + } + + void write(FileStorage& fs) const + { + fs << "training_params" << "{"; + write_params(fs); + fs << "}"; + fs << "weights" << weights; + fs << "means" << means; + + size_t i, n = covs.size(); + + fs << "covs" << "["; + for( i = 0; i < n; i++ ) + fs << covs[i]; + fs << "]"; + } + + void read_params(const FileNode& fn) + { + Params _params; + _params.nclusters = (int)fn["nclusters"]; + String s = (String)fn["cov_mat_type"]; + _params.covMatType = s == "spherical" ? COV_MAT_SPHERICAL : + s == "diagonal" ? COV_MAT_DIAGONAL : + s == "generic" ? COV_MAT_GENERIC : -1; + CV_Assert(_params.covMatType >= 0); + _params.termCrit = readTermCrit(fn); + setParams(_params); + } + + void read(const FileNode& fn) + { + clear(); + read_params(fn["training_params"]); + + fn["weights"] >> weights; + fn["means"] >> means; + + FileNode cfn = fn["covs"]; + FileNodeIterator cfn_it = cfn.begin(); + int i, n = (int)cfn.size(); + covs.resize(n); + + for( i = 0; i < n; i++, ++cfn_it ) + (*cfn_it) >> covs[i]; + + decomposeCovs(); + computeLogWeightDivDet(); + } + + Mat getWeights() const { return weights; } + Mat getMeans() const { return means; } + void getCovs(std::vector& _covs) const + { + _covs.resize(covs.size()); + std::copy(covs.begin(), covs.end(), _covs.begin()); + } + + Params params; + + // all inner matrices have type CV_64FC1 + Mat trainSamples; + Mat trainProbs; + Mat trainLogLikelihoods; + Mat trainLabels; + + Mat weights; + Mat means; + std::vector covs; + + std::vector covsEigenValues; + std::vector covsRotateMats; + std::vector invCovsEigenValues; + Mat logWeightDivDet; +}; + + +Ptr EM::train(InputArray samples, OutputArray logLikelihoods, + OutputArray labels, OutputArray probs, + const EM::Params& params) { - Algorithm::read(fn); - - decomposeCovs(); - computeLogWeightDivDet(); + Ptr em = makePtr(params); + if(!em->train_(samples, logLikelihoods, labels, probs)) + em.release(); + return em; } +Ptr EM::train_startWithE(InputArray samples, InputArray means0, + InputArray covs0, InputArray weights0, + OutputArray logLikelihoods, OutputArray labels, + OutputArray probs, const EM::Params& params) +{ + Ptr em = makePtr(params); + if(!em->trainE(samples, means0, covs0, weights0, logLikelihoods, labels, probs)) + em.release(); + return em; +} + +Ptr EM::train_startWithM(InputArray samples, InputArray probs0, + OutputArray logLikelihoods, OutputArray labels, + OutputArray probs, const EM::Params& params) +{ + Ptr em = makePtr(params); + if(!em->trainM(samples, probs0, logLikelihoods, labels, probs)) + em.release(); + return em; +} + +Ptr EM::create(const Params& params) +{ + return makePtr(params); +} + +} } // namespace cv /* End of file. */ diff --git a/modules/ml/src/ertrees.cpp b/modules/ml/src/ertrees.cpp deleted file mode 100644 index 0201deb0c6..0000000000 --- a/modules/ml/src/ertrees.cpp +++ /dev/null @@ -1,1859 +0,0 @@ -/*M/////////////////////////////////////////////////////////////////////////////////////// - - IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. - - By downloading, copying, installing or using the software you agree to this license. - If you do not agree to this license, do not download, install, - copy or use the software. - - - Intel License Agreement - - Copyright (C) 2000, Intel Corporation, all rights reserved. - Third party copyrights are property of their respective owners. - - Redistribution and use in source and binary forms, with or without modification, - are permitted provided that the following conditions are met: - - * Redistribution's of source code must retain the above copyright notice, - this list of conditions and the following disclaimer. - - * Redistribution's in binary form must reproduce the above copyright notice, - this list of conditions and the following disclaimer in the documentation - and/or other materials provided with the distribution. - - * The name of Intel Corporation may not be used to endorse or promote products - derived from this software without specific prior written permission. - - This software is provided by the copyright holders and contributors "as is" and - any express or implied warranties, including, but not limited to, the implied - warranties of merchantability and fitness for a particular purpose are disclaimed. - In no event shall the Intel Corporation or contributors be liable for any direct, - indirect, incidental, special, exemplary, or consequential damages - (including, but not limited to, procurement of substitute goods or services; - loss of use, data, or profits; or business interruption) however caused - and on any theory of liability, whether in contract, strict liability, - or tort (including negligence or otherwise) arising in any way out of - the use of this software, even if advised of the possibility of such damage. - -M*/ - -#include "precomp.hpp" - -static const float ord_nan = FLT_MAX*0.5f; -static const int min_block_size = 1 << 16; -static const int block_size_delta = 1 << 10; - -template -class LessThanPtr -{ -public: - bool operator()(T* a, T* b) const { return *a < *b; } -}; - -class LessThanPairs -{ -public: - bool operator()(const CvPair16u32s& a, const CvPair16u32s& b) const { return *a.i < *b.i; } -}; - -void CvERTreeTrainData::set_data( const CvMat* _train_data, int _tflag, - const CvMat* _responses, const CvMat* _var_idx, const CvMat* _sample_idx, - const CvMat* _var_type, const CvMat* _missing_mask, const CvDTreeParams& _params, - bool _shared, bool _add_labels, bool _update_data ) -{ - CvMat* sample_indices = 0; - CvMat* var_type0 = 0; - CvMat* tmp_map = 0; - int** int_ptr = 0; - CvPair16u32s* pair16u32s_ptr = 0; - CvDTreeTrainData* data = 0; - float *_fdst = 0; - int *_idst = 0; - unsigned short* udst = 0; - int* idst = 0; - - CV_FUNCNAME( "CvERTreeTrainData::set_data" ); - - __BEGIN__; - - int sample_all = 0, r_type, cv_n; - int total_c_count = 0; - int tree_block_size, temp_block_size, max_split_size, nv_size, cv_size = 0; - int ds_step, dv_step, ms_step = 0, mv_step = 0; // {data|mask}{sample|var}_step - int vi, i, size; - char err[100]; - const int *sidx = 0, *vidx = 0; - - uint64 effective_buf_size = 0; - int effective_buf_height = 0, effective_buf_width = 0; - - if ( _params.use_surrogates ) - CV_ERROR(CV_StsBadArg, "CvERTrees do not support surrogate splits"); - - if( _update_data && data_root ) - { - CV_ERROR(CV_StsBadArg, "CvERTrees do not support data update"); - } - - clear(); - - var_all = 0; - rng = &cv::theRNG(); - - CV_CALL( set_params( _params )); - - // check parameter types and sizes - CV_CALL( cvCheckTrainData( _train_data, _tflag, _missing_mask, &var_all, &sample_all )); - - train_data = _train_data; - responses = _responses; - missing_mask = _missing_mask; - - if( _tflag == CV_ROW_SAMPLE ) - { - ds_step = _train_data->step/CV_ELEM_SIZE(_train_data->type); - dv_step = 1; - if( _missing_mask ) - ms_step = _missing_mask->step, mv_step = 1; - } - else - { - dv_step = _train_data->step/CV_ELEM_SIZE(_train_data->type); - ds_step = 1; - if( _missing_mask ) - mv_step = _missing_mask->step, ms_step = 1; - } - tflag = _tflag; - - sample_count = sample_all; - var_count = var_all; - - if( _sample_idx ) - { - CV_CALL( sample_indices = cvPreprocessIndexArray( _sample_idx, sample_all )); - sidx = sample_indices->data.i; - sample_count = sample_indices->rows + sample_indices->cols - 1; - } - - if( _var_idx ) - { - CV_CALL( var_idx = cvPreprocessIndexArray( _var_idx, var_all )); - vidx = var_idx->data.i; - var_count = var_idx->rows + var_idx->cols - 1; - } - - if( !CV_IS_MAT(_responses) || - (CV_MAT_TYPE(_responses->type) != CV_32SC1 && - CV_MAT_TYPE(_responses->type) != CV_32FC1) || - (_responses->rows != 1 && _responses->cols != 1) || - _responses->rows + _responses->cols - 1 != sample_all ) - CV_ERROR( CV_StsBadArg, "The array of _responses must be an integer or " - "floating-point vector containing as many elements as " - "the total number of samples in the training data matrix" ); - - is_buf_16u = false; - if ( sample_count < 65536 ) - is_buf_16u = true; - - r_type = CV_VAR_CATEGORICAL; - if( _var_type ) - CV_CALL( var_type0 = cvPreprocessVarType( _var_type, var_idx, var_count, &r_type )); - - CV_CALL( var_type = cvCreateMat( 1, var_count+2, CV_32SC1 )); - - cat_var_count = 0; - ord_var_count = -1; - - is_classifier = r_type == CV_VAR_CATEGORICAL; - - // step 0. calc the number of categorical vars - for( vi = 0; vi < var_count; vi++ ) - { - char vt = var_type0 ? var_type0->data.ptr[vi] : CV_VAR_ORDERED; - var_type->data.i[vi] = vt == CV_VAR_CATEGORICAL ? cat_var_count++ : ord_var_count--; - } - - ord_var_count = ~ord_var_count; - cv_n = params.cv_folds; - // set the two last elements of var_type array to be able - // to locate responses and cross-validation labels using - // the corresponding get_* functions. - var_type->data.i[var_count] = cat_var_count; - var_type->data.i[var_count+1] = cat_var_count+1; - - // in case of single ordered predictor we need dummy cv_labels - // for safe split_node_data() operation - have_labels = cv_n > 0 || (ord_var_count == 1 && cat_var_count == 0) || _add_labels; - - work_var_count = cat_var_count + (is_classifier ? 1 : 0) + (have_labels ? 1 : 0); - - shared = _shared; - buf_count = shared ? 2 : 1; - - buf_size = -1; // the member buf_size is obsolete - - effective_buf_size = (uint64)(work_var_count + 1)*(uint64)sample_count * buf_count; // this is the total size of "CvMat buf" to be allocated - effective_buf_width = sample_count; - effective_buf_height = work_var_count+1; - - if (effective_buf_width >= effective_buf_height) - effective_buf_height *= buf_count; - else - effective_buf_width *= buf_count; - - if ((uint64)effective_buf_width * (uint64)effective_buf_height != effective_buf_size) - { - CV_Error(CV_StsBadArg, "The memory buffer cannot be allocated since its size exceeds integer fields limit"); - } - - if ( is_buf_16u ) - { - CV_CALL( buf = cvCreateMat( effective_buf_height, effective_buf_width, CV_16UC1 )); - CV_CALL( pair16u32s_ptr = (CvPair16u32s*)cvAlloc( sample_count*sizeof(pair16u32s_ptr[0]) )); - } - else - { - CV_CALL( buf = cvCreateMat( effective_buf_height, effective_buf_width, CV_32SC1 )); - CV_CALL( int_ptr = (int**)cvAlloc( sample_count*sizeof(int_ptr[0]) )); - } - - size = is_classifier ? cat_var_count+1 : cat_var_count; - size = !size ? 1 : size; - CV_CALL( cat_count = cvCreateMat( 1, size, CV_32SC1 )); - CV_CALL( cat_ofs = cvCreateMat( 1, size, CV_32SC1 )); - - size = is_classifier ? (cat_var_count + 1)*params.max_categories : cat_var_count*params.max_categories; - size = !size ? 1 : size; - CV_CALL( cat_map = cvCreateMat( 1, size, CV_32SC1 )); - - // now calculate the maximum size of split, - // create memory storage that will keep nodes and splits of the decision tree - // allocate root node and the buffer for the whole training data - max_split_size = cvAlign(sizeof(CvDTreeSplit) + - (MAX(0,sample_count - 33)/32)*sizeof(int),sizeof(void*)); - tree_block_size = MAX((int)sizeof(CvDTreeNode)*8, max_split_size); - tree_block_size = MAX(tree_block_size + block_size_delta, min_block_size); - CV_CALL( tree_storage = cvCreateMemStorage( tree_block_size )); - CV_CALL( node_heap = cvCreateSet( 0, sizeof(*node_heap), sizeof(CvDTreeNode), tree_storage )); - - nv_size = var_count*sizeof(int); - nv_size = cvAlign(MAX( nv_size, (int)sizeof(CvSetElem) ), sizeof(void*)); - - temp_block_size = nv_size; - - if( cv_n ) - { - if( sample_count < cv_n*MAX(params.min_sample_count,10) ) - CV_ERROR( CV_StsOutOfRange, - "The many folds in cross-validation for such a small dataset" ); - - cv_size = cvAlign( cv_n*(sizeof(int) + sizeof(double)*2), sizeof(double) ); - temp_block_size = MAX(temp_block_size, cv_size); - } - - temp_block_size = MAX( temp_block_size + block_size_delta, min_block_size ); - CV_CALL( temp_storage = cvCreateMemStorage( temp_block_size )); - CV_CALL( nv_heap = cvCreateSet( 0, sizeof(*nv_heap), nv_size, temp_storage )); - if( cv_size ) - CV_CALL( cv_heap = cvCreateSet( 0, sizeof(*cv_heap), cv_size, temp_storage )); - - CV_CALL( data_root = new_node( 0, sample_count, 0, 0 )); - - max_c_count = 1; - - _fdst = 0; - _idst = 0; - if (ord_var_count) - _fdst = (float*)cvAlloc(sample_count*sizeof(_fdst[0])); - if (is_buf_16u && (cat_var_count || is_classifier)) - _idst = (int*)cvAlloc(sample_count*sizeof(_idst[0])); - - // transform the training data to convenient representation - for( vi = 0; vi <= var_count; vi++ ) - { - int ci; - const uchar* mask = 0; - int m_step = 0, step; - const int* idata = 0; - const float* fdata = 0; - int num_valid = 0; - - if( vi < var_count ) // analyze i-th input variable - { - int vi0 = vidx ? vidx[vi] : vi; - ci = get_var_type(vi); - step = ds_step; m_step = ms_step; - if( CV_MAT_TYPE(_train_data->type) == CV_32SC1 ) - idata = _train_data->data.i + vi0*dv_step; - else - fdata = _train_data->data.fl + vi0*dv_step; - if( _missing_mask ) - mask = _missing_mask->data.ptr + vi0*mv_step; - } - else // analyze _responses - { - ci = cat_var_count; - step = CV_IS_MAT_CONT(_responses->type) ? - 1 : _responses->step / CV_ELEM_SIZE(_responses->type); - if( CV_MAT_TYPE(_responses->type) == CV_32SC1 ) - idata = _responses->data.i; - else - fdata = _responses->data.fl; - } - - if( (vi < var_count && ci>=0) || - (vi == var_count && is_classifier) ) // process categorical variable or response - { - int c_count, prev_label; - int* c_map; - - if (is_buf_16u) - udst = (unsigned short*)(buf->data.s + ci*sample_count); - else - idst = buf->data.i + ci*sample_count; - - // copy data - for( i = 0; i < sample_count; i++ ) - { - int val = INT_MAX, si = sidx ? sidx[i] : i; - if( !mask || !mask[(size_t)si*m_step] ) - { - if( idata ) - val = idata[(size_t)si*step]; - else - { - float t = fdata[(size_t)si*step]; - val = cvRound(t); - if( val != t ) - { - sprintf( err, "%d-th value of %d-th (categorical) " - "variable is not an integer", i, vi ); - CV_ERROR( CV_StsBadArg, err ); - } - } - - if( val == INT_MAX ) - { - sprintf( err, "%d-th value of %d-th (categorical) " - "variable is too large", i, vi ); - CV_ERROR( CV_StsBadArg, err ); - } - num_valid++; - } - if (is_buf_16u) - { - _idst[i] = val; - pair16u32s_ptr[i].u = udst + i; - pair16u32s_ptr[i].i = _idst + i; - } - else - { - idst[i] = val; - int_ptr[i] = idst + i; - } - } - - c_count = num_valid > 0; - - if (is_buf_16u) - { - std::sort(pair16u32s_ptr, pair16u32s_ptr + sample_count, LessThanPairs()); - // count the categories - for( i = 1; i < num_valid; i++ ) - if (*pair16u32s_ptr[i].i != *pair16u32s_ptr[i-1].i) - c_count ++ ; - } - else - { - std::sort(int_ptr, int_ptr + sample_count, LessThanPtr()); - // count the categories - for( i = 1; i < num_valid; i++ ) - c_count += *int_ptr[i] != *int_ptr[i-1]; - } - - if( vi > 0 ) - max_c_count = MAX( max_c_count, c_count ); - cat_count->data.i[ci] = c_count; - cat_ofs->data.i[ci] = total_c_count; - - // resize cat_map, if need - if( cat_map->cols < total_c_count + c_count ) - { - tmp_map = cat_map; - CV_CALL( cat_map = cvCreateMat( 1, - MAX(cat_map->cols*3/2,total_c_count+c_count), CV_32SC1 )); - for( i = 0; i < total_c_count; i++ ) - cat_map->data.i[i] = tmp_map->data.i[i]; - cvReleaseMat( &tmp_map ); - } - - c_map = cat_map->data.i + total_c_count; - total_c_count += c_count; - - c_count = -1; - if (is_buf_16u) - { - // compact the class indices and build the map - prev_label = ~*pair16u32s_ptr[0].i; - for( i = 0; i < num_valid; i++ ) - { - int cur_label = *pair16u32s_ptr[i].i; - if( cur_label != prev_label ) - c_map[++c_count] = prev_label = cur_label; - *pair16u32s_ptr[i].u = (unsigned short)c_count; - } - // replace labels for missing values with 65535 - for( ; i < sample_count; i++ ) - *pair16u32s_ptr[i].u = 65535; - } - else - { - // compact the class indices and build the map - prev_label = ~*int_ptr[0]; - for( i = 0; i < num_valid; i++ ) - { - int cur_label = *int_ptr[i]; - if( cur_label != prev_label ) - c_map[++c_count] = prev_label = cur_label; - *int_ptr[i] = c_count; - } - // replace labels for missing values with -1 - for( ; i < sample_count; i++ ) - *int_ptr[i] = -1; - } - } - else if( ci < 0 ) // process ordered variable - { - for( i = 0; i < sample_count; i++ ) - { - float val = ord_nan; - int si = sidx ? sidx[i] : i; - if( !mask || !mask[(size_t)si*m_step] ) - { - if( idata ) - val = (float)idata[(size_t)si*step]; - else - val = fdata[(size_t)si*step]; - - if( fabs(val) >= ord_nan ) - { - sprintf( err, "%d-th value of %d-th (ordered) " - "variable (=%g) is too large", i, vi, val ); - CV_ERROR( CV_StsBadArg, err ); - } - num_valid++; - } - } - } - if( vi < var_count ) - data_root->set_num_valid(vi, num_valid); - } - - // set sample labels - if (is_buf_16u) - udst = (unsigned short*)(buf->data.s + get_work_var_count()*sample_count); - else - idst = buf->data.i + get_work_var_count()*sample_count; - - for (i = 0; i < sample_count; i++) - { - if (udst) - udst[i] = sidx ? (unsigned short)sidx[i] : (unsigned short)i; - else - idst[i] = sidx ? sidx[i] : i; - } - - if( cv_n ) - { - unsigned short* usdst = 0; - int* idst2 = 0; - - if (is_buf_16u) - { - usdst = (unsigned short*)(buf->data.s + (get_work_var_count()-1)*sample_count); - for( i = vi = 0; i < sample_count; i++ ) - { - usdst[i] = (unsigned short)vi++; - vi &= vi < cv_n ? -1 : 0; - } - - for( i = 0; i < sample_count; i++ ) - { - int a = (*rng)(sample_count); - int b = (*rng)(sample_count); - unsigned short unsh = (unsigned short)vi; - CV_SWAP( usdst[a], usdst[b], unsh ); - } - } - else - { - idst2 = buf->data.i + (get_work_var_count()-1)*sample_count; - for( i = vi = 0; i < sample_count; i++ ) - { - idst2[i] = vi++; - vi &= vi < cv_n ? -1 : 0; - } - - for( i = 0; i < sample_count; i++ ) - { - int a = (*rng)(sample_count); - int b = (*rng)(sample_count); - CV_SWAP( idst2[a], idst2[b], vi ); - } - } - } - - if ( cat_map ) - cat_map->cols = MAX( total_c_count, 1 ); - - max_split_size = cvAlign(sizeof(CvDTreeSplit) + - (MAX(0,max_c_count - 33)/32)*sizeof(int),sizeof(void*)); - CV_CALL( split_heap = cvCreateSet( 0, sizeof(*split_heap), max_split_size, tree_storage )); - - have_priors = is_classifier && params.priors; - if( is_classifier ) - { - int m = get_num_classes(); - double sum = 0; - CV_CALL( priors = cvCreateMat( 1, m, CV_64F )); - for( i = 0; i < m; i++ ) - { - double val = have_priors ? params.priors[i] : 1.; - if( val <= 0 ) - CV_ERROR( CV_StsOutOfRange, "Every class weight should be positive" ); - priors->data.db[i] = val; - sum += val; - } - - // normalize weights - if( have_priors ) - cvScale( priors, priors, 1./sum ); - - CV_CALL( priors_mult = cvCloneMat( priors )); - CV_CALL( counts = cvCreateMat( 1, m, CV_32SC1 )); - } - - CV_CALL( direction = cvCreateMat( 1, sample_count, CV_8UC1 )); - CV_CALL( split_buf = cvCreateMat( 1, sample_count, CV_32SC1 )); - - __END__; - - if( data ) - delete data; - - if (_fdst) - cvFree( &_fdst ); - if (_idst) - cvFree( &_idst ); - cvFree( &int_ptr ); - cvReleaseMat( &var_type0 ); - cvReleaseMat( &sample_indices ); - cvReleaseMat( &tmp_map ); -} - -void CvERTreeTrainData::get_ord_var_data( CvDTreeNode* n, int vi, float* ord_values_buf, int* missing_buf, - const float** ord_values, const int** missing, int* sample_indices_buf ) -{ - int vidx = var_idx ? var_idx->data.i[vi] : vi; - int node_sample_count = n->sample_count; - // may use missing_buf as buffer for sample indices! - const int* sample_indices = get_sample_indices(n, sample_indices_buf ? sample_indices_buf : missing_buf); - - int td_step = train_data->step/CV_ELEM_SIZE(train_data->type); - int m_step = missing_mask ? missing_mask->step/CV_ELEM_SIZE(missing_mask->type) : 1; - if( tflag == CV_ROW_SAMPLE ) - { - for( int i = 0; i < node_sample_count; i++ ) - { - int idx = sample_indices[i]; - missing_buf[i] = missing_mask ? *(missing_mask->data.ptr + idx * m_step + vi) : 0; - ord_values_buf[i] = *(train_data->data.fl + idx * td_step + vidx); - } - } - else - for( int i = 0; i < node_sample_count; i++ ) - { - int idx = sample_indices[i]; - missing_buf[i] = missing_mask ? *(missing_mask->data.ptr + vi* m_step + idx) : 0; - ord_values_buf[i] = *(train_data->data.fl + vidx* td_step + idx); - } - *ord_values = ord_values_buf; - *missing = missing_buf; -} - - -const int* CvERTreeTrainData::get_sample_indices( CvDTreeNode* n, int* indices_buf ) -{ - return get_cat_var_data( n, var_count + (is_classifier ? 1 : 0) + (have_labels ? 1 : 0), indices_buf ); -} - - -const int* CvERTreeTrainData::get_cv_labels( CvDTreeNode* n, int* labels_buf ) -{ - if (have_labels) - return get_cat_var_data( n, var_count + (is_classifier ? 1 : 0), labels_buf ); - return 0; -} - - -const int* CvERTreeTrainData::get_cat_var_data( CvDTreeNode* n, int vi, int* cat_values_buf ) -{ - int ci = get_var_type( vi); - const int* cat_values = 0; - if( !is_buf_16u ) - cat_values = buf->data.i + n->buf_idx*get_length_subbuf() + ci*sample_count + n->offset; - else { - const unsigned short* short_values = (const unsigned short*)(buf->data.s + n->buf_idx*get_length_subbuf() + - ci*sample_count + n->offset); - for( int i = 0; i < n->sample_count; i++ ) - cat_values_buf[i] = short_values[i]; - cat_values = cat_values_buf; - } - return cat_values; -} - -void CvERTreeTrainData::get_vectors( const CvMat* _subsample_idx, - float* values, uchar* missing, - float* _responses, bool get_class_idx ) -{ - CvMat* subsample_idx = 0; - CvMat* subsample_co = 0; - - cv::AutoBuffer inn_buf(sample_count*(sizeof(float) + sizeof(int))); - - CV_FUNCNAME( "CvERTreeTrainData::get_vectors" ); - - __BEGIN__; - - int i, vi, total = sample_count, count = total, cur_ofs = 0; - int* sidx = 0; - int* co = 0; - - if( _subsample_idx ) - { - CV_CALL( subsample_idx = cvPreprocessIndexArray( _subsample_idx, sample_count )); - sidx = subsample_idx->data.i; - CV_CALL( subsample_co = cvCreateMat( 1, sample_count*2, CV_32SC1 )); - co = subsample_co->data.i; - cvZero( subsample_co ); - count = subsample_idx->cols + subsample_idx->rows - 1; - for( i = 0; i < count; i++ ) - co[sidx[i]*2]++; - for( i = 0; i < total; i++ ) - { - int count_i = co[i*2]; - if( count_i ) - { - co[i*2+1] = cur_ofs*var_count; - cur_ofs += count_i; - } - } - } - - if( missing ) - memset( missing, 1, count*var_count ); - - for( vi = 0; vi < var_count; vi++ ) - { - int ci = get_var_type(vi); - if( ci >= 0 ) // categorical - { - float* dst = values + vi; - uchar* m = missing ? missing + vi : 0; - int* lbls_buf = (int*)(uchar*)inn_buf; - const int* src = get_cat_var_data(data_root, vi, lbls_buf); - - for( i = 0; i < count; i++, dst += var_count ) - { - int idx = sidx ? sidx[i] : i; - int val = src[idx]; - *dst = (float)val; - if( m ) - { - *m = (!is_buf_16u && val < 0) || (is_buf_16u && (val == 65535)); - m += var_count; - } - } - } - else // ordered - { - int* mis_buf = (int*)(uchar*)inn_buf; - const float *dst = 0; - const int* mis = 0; - get_ord_var_data(data_root, vi, values + vi, mis_buf, &dst, &mis, 0); - for (int si = 0; si < total; si++) - *(missing + vi + si) = mis[si] == 0 ? 0 : 1; - } - } - - // copy responses - if( _responses ) - { - if( is_classifier ) - { - int* lbls_buf = (int*)(uchar*)inn_buf; - const int* src = get_class_labels(data_root, lbls_buf); - for( i = 0; i < count; i++ ) - { - int idx = sidx ? sidx[i] : i; - int val = get_class_idx ? src[idx] : - cat_map->data.i[cat_ofs->data.i[cat_var_count]+src[idx]]; - _responses[i] = (float)val; - } - } - else - { - float* _values_buf = (float*)(uchar*)inn_buf; - int* sample_idx_buf = (int*)(_values_buf + sample_count); - const float* _values = get_ord_responses(data_root, _values_buf, sample_idx_buf); - for( i = 0; i < count; i++ ) - { - int idx = sidx ? sidx[i] : i; - _responses[i] = _values[idx]; - } - } - } - - __END__; - - cvReleaseMat( &subsample_idx ); - cvReleaseMat( &subsample_co ); -} - -CvDTreeNode* CvERTreeTrainData::subsample_data( const CvMat* _subsample_idx ) -{ - CvDTreeNode* root = 0; - - CV_FUNCNAME( "CvERTreeTrainData::subsample_data" ); - - __BEGIN__; - - if( !data_root ) - CV_ERROR( CV_StsError, "No training data has been set" ); - - if( !_subsample_idx ) - { - // make a copy of the root node - CvDTreeNode temp; - int i; - root = new_node( 0, 1, 0, 0 ); - temp = *root; - *root = *data_root; - root->num_valid = temp.num_valid; - if( root->num_valid ) - { - for( i = 0; i < var_count; i++ ) - root->num_valid[i] = data_root->num_valid[i]; - } - root->cv_Tn = temp.cv_Tn; - root->cv_node_risk = temp.cv_node_risk; - root->cv_node_error = temp.cv_node_error; - } - else - CV_ERROR( CV_StsError, "_subsample_idx must be null for extra-trees" ); - __END__; - - return root; -} - -double CvForestERTree::calc_node_dir( CvDTreeNode* node ) -{ - char* dir = (char*)data->direction->data.ptr; - int i, n = node->sample_count, vi = node->split->var_idx; - double L, R; - - assert( !node->split->inversed ); - - if( data->get_var_type(vi) >= 0 ) // split on categorical var - { - cv::AutoBuffer inn_buf(n*sizeof(int)*(!data->have_priors ? 1 : 2)); - int* labels_buf = (int*)(uchar*)inn_buf; - const int* labels = data->get_cat_var_data( node, vi, labels_buf ); - const int* subset = node->split->subset; - if( !data->have_priors ) - { - int sum = 0, sum_abs = 0; - - for( i = 0; i < n; i++ ) - { - int idx = labels[i]; - int d = ( ((idx >= 0)&&(!data->is_buf_16u)) || ((idx != 65535)&&(data->is_buf_16u)) ) ? - CV_DTREE_CAT_DIR(idx,subset) : 0; - sum += d; sum_abs += d & 1; - dir[i] = (char)d; - } - - R = (sum_abs + sum) >> 1; - L = (sum_abs - sum) >> 1; - } - else - { - const double* priors = data->priors_mult->data.db; - double sum = 0, sum_abs = 0; - int *responses_buf = labels_buf + n; - const int* responses = data->get_class_labels(node, responses_buf); - - for( i = 0; i < n; i++ ) - { - int idx = labels[i]; - double w = priors[responses[i]]; - int d = idx >= 0 ? CV_DTREE_CAT_DIR(idx,subset) : 0; - sum += d*w; sum_abs += (d & 1)*w; - dir[i] = (char)d; - } - - R = (sum_abs + sum) * 0.5; - L = (sum_abs - sum) * 0.5; - } - } - else // split on ordered var - { - float split_val = node->split->ord.c; - cv::AutoBuffer inn_buf(n*(sizeof(int)*(!data->have_priors ? 1 : 2) + sizeof(float))); - float* val_buf = (float*)(uchar*)inn_buf; - int* missing_buf = (int*)(val_buf + n); - const float* val = 0; - const int* missing = 0; - data->get_ord_var_data( node, vi, val_buf, missing_buf, &val, &missing, 0 ); - - if( !data->have_priors ) - { - L = R = 0; - for( i = 0; i < n; i++ ) - { - if ( missing[i] ) - dir[i] = (char)0; - else - { - if ( val[i] < split_val) - { - dir[i] = (char)-1; - L++; - } - else - { - dir[i] = (char)1; - R++; - } - } - } - } - else - { - const double* priors = data->priors_mult->data.db; - int* responses_buf = missing_buf + n; - const int* responses = data->get_class_labels(node, responses_buf); - L = R = 0; - for( i = 0; i < n; i++ ) - { - if ( missing[i] ) - dir[i] = (char)0; - else - { - double w = priors[responses[i]]; - if ( val[i] < split_val) - { - dir[i] = (char)-1; - L += w; - } - else - { - dir[i] = (char)1; - R += w; - } - } - } - } - } - - node->maxlr = MAX( L, R ); - return node->split->quality/(L + R); -} - -CvDTreeSplit* CvForestERTree::find_split_ord_class( CvDTreeNode* node, int vi, float init_quality, CvDTreeSplit* _split, - uchar* _ext_buf ) -{ - const float epsilon = FLT_EPSILON*2; - const float split_delta = (1 + FLT_EPSILON) * FLT_EPSILON; - - int n = node->sample_count; - int m = data->get_num_classes(); - - cv::AutoBuffer inn_buf; - if( !_ext_buf ) - inn_buf.allocate(n*(2*sizeof(int) + sizeof(float))); - uchar* ext_buf = _ext_buf ? _ext_buf : (uchar*)inn_buf; - float* values_buf = (float*)ext_buf; - int* missing_buf = (int*)(values_buf + n); - const float* values = 0; - const int* missing = 0; - data->get_ord_var_data( node, vi, values_buf, missing_buf, &values, &missing, 0 ); - int* responses_buf = missing_buf + n; - const int* responses = data->get_class_labels( node, responses_buf ); - - double lbest_val = 0, rbest_val = 0, best_val = init_quality, split_val = 0; - const double* priors = data->have_priors ? data->priors_mult->data.db : 0; - bool is_find_split = false; - float pmin, pmax; - int smpi = 0; - while ( missing[smpi] && (smpi < n) ) - smpi++; - assert(smpi < n); - - pmin = values[smpi]; - pmax = pmin; - for (; smpi < n; smpi++) - { - float ptemp = values[smpi]; - int ms = missing[smpi]; - if (ms) continue; - if ( ptemp < pmin) - pmin = ptemp; - if ( ptemp > pmax) - pmax = ptemp; - } - float fdiff = pmax-pmin; - if (fdiff > epsilon) - { - is_find_split = true; - cv::RNG* rng = data->rng; - split_val = pmin + rng->uniform(0.f, 1.f) * fdiff ; - if (split_val - pmin <= FLT_EPSILON) - split_val = pmin + split_delta; - if (pmax - split_val <= FLT_EPSILON) - split_val = pmax - split_delta; - - // calculate Gini index - if ( !priors ) - { - cv::AutoBuffer lrc(m*2); - int *lc = lrc, *rc = lc + m; - int L = 0, R = 0; - - // init arrays of class instance counters on both sides of the split - for(int i = 0; i < m; i++ ) - { - lc[i] = 0; - rc[i] = 0; - } - for( int si = 0; si < n; si++ ) - { - int r = responses[si]; - float val = values[si]; - int ms = missing[si]; - if (ms) continue; - if ( val < split_val ) - { - lc[r]++; - L++; - } - else - { - rc[r]++; - R++; - } - } - for (int i = 0; i < m; i++) - { - lbest_val += lc[i]*lc[i]; - rbest_val += rc[i]*rc[i]; - } - best_val = (lbest_val*R + rbest_val*L) / ((double)(L*R)); - } - else - { - cv::AutoBuffer lrc(m*2); - double *lc = lrc, *rc = lc + m; - double L = 0, R = 0; - - // init arrays of class instance counters on both sides of the split - for(int i = 0; i < m; i++ ) - { - lc[i] = 0; - rc[i] = 0; - } - for( int si = 0; si < n; si++ ) - { - int r = responses[si]; - float val = values[si]; - int ms = missing[si]; - double p = priors[r]; - if (ms) continue; - if ( val < split_val ) - { - lc[r] += p; - L += p; - } - else - { - rc[r] += p; - R += p; - } - } - for (int i = 0; i < m; i++) - { - lbest_val += lc[i]*lc[i]; - rbest_val += rc[i]*rc[i]; - } - best_val = (lbest_val*R + rbest_val*L) / (L*R); - } - - } - - CvDTreeSplit* split = 0; - if( is_find_split ) - { - split = _split ? _split : data->new_split_ord( 0, 0.0f, 0, 0, 0.0f ); - split->var_idx = vi; - split->ord.c = (float)split_val; - split->ord.split_point = -1; - split->inversed = 0; - split->quality = (float)best_val; - } - return split; -} - -CvDTreeSplit* CvForestERTree::find_split_cat_class( CvDTreeNode* node, int vi, float init_quality, CvDTreeSplit* _split, - uchar* _ext_buf ) -{ - int ci = data->get_var_type(vi); - int n = node->sample_count; - int cm = data->get_num_classes(); - int vm = data->cat_count->data.i[ci]; - double best_val = init_quality; - CvDTreeSplit *split = 0; - - if ( vm > 1 ) - { - cv::AutoBuffer inn_buf; - if( !_ext_buf ) - inn_buf.allocate(2*n); - int* ext_buf = _ext_buf ? (int*)_ext_buf : (int*)inn_buf; - - const int* labels = data->get_cat_var_data( node, vi, ext_buf ); - const int* responses = data->get_class_labels( node, ext_buf + n ); - - const double* priors = data->have_priors ? data->priors_mult->data.db : 0; - - // create random class mask - cv::AutoBuffer valid_cidx(vm); - for (int i = 0; i < vm; i++) - { - valid_cidx[i] = -1; - } - for (int si = 0; si < n; si++) - { - int c = labels[si]; - if ( ((c == 65535) && data->is_buf_16u) || ((c<0) && (!data->is_buf_16u)) ) - continue; - valid_cidx[c]++; - } - - int valid_ccount = 0; - for (int i = 0; i < vm; i++) - if (valid_cidx[i] >= 0) - { - valid_cidx[i] = valid_ccount; - valid_ccount++; - } - if (valid_ccount > 1) - { - CvRNG* rng = forest->get_rng(); - int l_cval_count = 1 + cvRandInt(rng) % (valid_ccount-1); - - CvMat* var_class_mask = cvCreateMat( 1, valid_ccount, CV_8UC1 ); - CvMat submask; - memset(var_class_mask->data.ptr, 0, valid_ccount*CV_ELEM_SIZE(var_class_mask->type)); - cvGetCols( var_class_mask, &submask, 0, l_cval_count ); - cvSet( &submask, cvScalar(1) ); - for (int i = 0; i < valid_ccount; i++) - { - uchar temp; - int i1 = cvRandInt( rng ) % valid_ccount; - int i2 = cvRandInt( rng ) % valid_ccount; - CV_SWAP( var_class_mask->data.ptr[i1], var_class_mask->data.ptr[i2], temp ); - } - - split = _split ? _split : data->new_split_cat( 0, -1.0f ); - split->var_idx = vi; - memset( split->subset, 0, (data->max_c_count + 31)/32 * sizeof(int)); - - // calculate Gini index - double lbest_val = 0, rbest_val = 0; - if( !priors ) - { - cv::AutoBuffer lrc(cm*2); - int *lc = lrc, *rc = lc + cm; - int L = 0, R = 0; - // init arrays of class instance counters on both sides of the split - for(int i = 0; i < cm; i++ ) - { - lc[i] = 0; - rc[i] = 0; - } - for( int si = 0; si < n; si++ ) - { - int r = responses[si]; - int var_class_idx = labels[si]; - if ( ((var_class_idx == 65535) && data->is_buf_16u) || ((var_class_idx<0) && (!data->is_buf_16u)) ) - continue; - int mask_class_idx = valid_cidx[var_class_idx]; - if (var_class_mask->data.ptr[mask_class_idx]) - { - lc[r]++; - L++; - split->subset[var_class_idx >> 5] |= 1 << (var_class_idx & 31); - } - else - { - rc[r]++; - R++; - } - } - for (int i = 0; i < cm; i++) - { - lbest_val += lc[i]*lc[i]; - rbest_val += rc[i]*rc[i]; - } - best_val = (lbest_val*R + rbest_val*L) / ((double)(L*R)); - } - else - { - cv::AutoBuffer lrc(cm*2); - int *lc = lrc, *rc = lc + cm; - double L = 0, R = 0; - // init arrays of class instance counters on both sides of the split - for(int i = 0; i < cm; i++ ) - { - lc[i] = 0; - rc[i] = 0; - } - for( int si = 0; si < n; si++ ) - { - int r = responses[si]; - int var_class_idx = labels[si]; - if ( ((var_class_idx == 65535) && data->is_buf_16u) || ((var_class_idx<0) && (!data->is_buf_16u)) ) - continue; - double p = priors[si]; - int mask_class_idx = valid_cidx[var_class_idx]; - - if (var_class_mask->data.ptr[mask_class_idx]) - { - lc[r]+=(int)p; - L+=p; - split->subset[var_class_idx >> 5] |= 1 << (var_class_idx & 31); - } - else - { - rc[r]+=(int)p; - R+=p; - } - } - for (int i = 0; i < cm; i++) - { - lbest_val += lc[i]*lc[i]; - rbest_val += rc[i]*rc[i]; - } - best_val = (lbest_val*R + rbest_val*L) / (L*R); - } - split->quality = (float)best_val; - - cvReleaseMat(&var_class_mask); - } - } - - return split; -} - -CvDTreeSplit* CvForestERTree::find_split_ord_reg( CvDTreeNode* node, int vi, float init_quality, CvDTreeSplit* _split, - uchar* _ext_buf ) -{ - const float epsilon = FLT_EPSILON*2; - const float split_delta = (1 + FLT_EPSILON) * FLT_EPSILON; - int n = node->sample_count; - cv::AutoBuffer inn_buf; - if( !_ext_buf ) - inn_buf.allocate(n*(2*sizeof(int) + 2*sizeof(float))); - uchar* ext_buf = _ext_buf ? _ext_buf : (uchar*)inn_buf; - float* values_buf = (float*)ext_buf; - int* missing_buf = (int*)(values_buf + n); - const float* values = 0; - const int* missing = 0; - data->get_ord_var_data( node, vi, values_buf, missing_buf, &values, &missing, 0 ); - float* responses_buf = (float*)(missing_buf + n); - int* sample_indices_buf = (int*)(responses_buf + n); - const float* responses = data->get_ord_responses( node, responses_buf, sample_indices_buf ); - - double best_val = init_quality, split_val = 0, lsum = 0, rsum = 0; - int L = 0, R = 0; - - bool is_find_split = false; - float pmin, pmax; - int smpi = 0; - while ( missing[smpi] && (smpi < n) ) - smpi++; - - assert(smpi < n); - - pmin = values[smpi]; - pmax = pmin; - for (; smpi < n; smpi++) - { - float ptemp = values[smpi]; - int m = missing[smpi]; - if (m) continue; - if ( ptemp < pmin) - pmin = ptemp; - if ( ptemp > pmax) - pmax = ptemp; - } - float fdiff = pmax-pmin; - if (fdiff > epsilon) - { - is_find_split = true; - cv::RNG* rng = data->rng; - split_val = pmin + rng->uniform(0.f, 1.f) * fdiff ; - if (split_val - pmin <= FLT_EPSILON) - split_val = pmin + split_delta; - if (pmax - split_val <= FLT_EPSILON) - split_val = pmax - split_delta; - - for (int si = 0; si < n; si++) - { - float r = responses[si]; - float val = values[si]; - int m = missing[si]; - if (m) continue; - if (val < split_val) - { - lsum += r; - L++; - } - else - { - rsum += r; - R++; - } - } - best_val = (lsum*lsum*R + rsum*rsum*L)/((double)L*R); - } - - CvDTreeSplit* split = 0; - if( is_find_split ) - { - split = _split ? _split : data->new_split_ord( 0, 0.0f, 0, 0, 0.0f ); - split->var_idx = vi; - split->ord.c = (float)split_val; - split->ord.split_point = -1; - split->inversed = 0; - split->quality = (float)best_val; - } - return split; -} - -CvDTreeSplit* CvForestERTree::find_split_cat_reg( CvDTreeNode* node, int vi, float init_quality, CvDTreeSplit* _split, - uchar* _ext_buf ) -{ - int ci = data->get_var_type(vi); - int n = node->sample_count; - int vm = data->cat_count->data.i[ci]; - double best_val = init_quality; - CvDTreeSplit *split = 0; - float lsum = 0, rsum = 0; - - if ( vm > 1 ) - { - int base_size = vm*sizeof(int); - cv::AutoBuffer inn_buf(base_size); - if( !_ext_buf ) - inn_buf.allocate(base_size + n*(2*sizeof(int) + sizeof(float))); - uchar* base_buf = (uchar*)inn_buf; - uchar* ext_buf = _ext_buf ? _ext_buf : base_buf + base_size; - int* labels_buf = (int*)ext_buf; - const int* labels = data->get_cat_var_data( node, vi, labels_buf ); - float* responses_buf = (float*)(labels_buf + n); - int* sample_indices_buf = (int*)(responses_buf + n); - const float* responses = data->get_ord_responses( node, responses_buf, sample_indices_buf ); - - // create random class mask - int *valid_cidx = (int*)base_buf; - for (int i = 0; i < vm; i++) - { - valid_cidx[i] = -1; - } - for (int si = 0; si < n; si++) - { - int c = labels[si]; - if ( ((c == 65535) && data->is_buf_16u) || ((c<0) && (!data->is_buf_16u)) ) - continue; - valid_cidx[c]++; - } - - int valid_ccount = 0; - for (int i = 0; i < vm; i++) - if (valid_cidx[i] >= 0) - { - valid_cidx[i] = valid_ccount; - valid_ccount++; - } - if (valid_ccount > 1) - { - CvRNG* rng = forest->get_rng(); - int l_cval_count = 1 + cvRandInt(rng) % (valid_ccount-1); - - CvMat* var_class_mask = cvCreateMat( 1, valid_ccount, CV_8UC1 ); - CvMat submask; - memset(var_class_mask->data.ptr, 0, valid_ccount*CV_ELEM_SIZE(var_class_mask->type)); - cvGetCols( var_class_mask, &submask, 0, l_cval_count ); - cvSet( &submask, cvScalar(1) ); - for (int i = 0; i < valid_ccount; i++) - { - uchar temp; - int i1 = cvRandInt( rng ) % valid_ccount; - int i2 = cvRandInt( rng ) % valid_ccount; - CV_SWAP( var_class_mask->data.ptr[i1], var_class_mask->data.ptr[i2], temp ); - } - - split = _split ? _split : data->new_split_cat( 0, -1.0f); - split->var_idx = vi; - memset( split->subset, 0, (data->max_c_count + 31)/32 * sizeof(int)); - - int L = 0, R = 0; - for( int si = 0; si < n; si++ ) - { - float r = responses[si]; - int var_class_idx = labels[si]; - if ( ((var_class_idx == 65535) && data->is_buf_16u) || ((var_class_idx<0) && (!data->is_buf_16u)) ) - continue; - int mask_class_idx = valid_cidx[var_class_idx]; - if (var_class_mask->data.ptr[mask_class_idx]) - { - lsum += r; - L++; - split->subset[var_class_idx >> 5] |= 1 << (var_class_idx & 31); - } - else - { - rsum += r; - R++; - } - } - best_val = (lsum*lsum*R + rsum*rsum*L)/((double)L*R); - - split->quality = (float)best_val; - - cvReleaseMat(&var_class_mask); - } - } - - return split; -} - -void CvForestERTree::split_node_data( CvDTreeNode* node ) -{ - int vi, i, n = node->sample_count, nl, nr, scount = data->sample_count; - char* dir = (char*)data->direction->data.ptr; - CvDTreeNode *left = 0, *right = 0; - int new_buf_idx = data->get_child_buf_idx( node ); - CvMat* buf = data->buf; - size_t length_buf_row = data->get_length_subbuf(); - cv::AutoBuffer temp_buf(n); - - complete_node_dir(node); - - for( i = nl = nr = 0; i < n; i++ ) - { - int d = dir[i]; - nr += d; - nl += d^1; - } - - bool split_input_data; - node->left = left = data->new_node( node, nl, new_buf_idx, node->offset ); - node->right = right = data->new_node( node, nr, new_buf_idx, node->offset + nl ); - - split_input_data = node->depth + 1 < data->params.max_depth && - (node->left->sample_count > data->params.min_sample_count || - node->right->sample_count > data->params.min_sample_count); - - cv::AutoBuffer inn_buf(n*(sizeof(int)+sizeof(float))); - // split ordered vars - for( vi = 0; vi < data->var_count; vi++ ) - { - int ci = data->get_var_type(vi); - if (ci >= 0) continue; - - int n1 = node->get_num_valid(vi), nr1 = 0; - float* values_buf = (float*)(uchar*)inn_buf; - int* missing_buf = (int*)(values_buf + n); - const float* values = 0; - const int* missing = 0; - data->get_ord_var_data( node, vi, values_buf, missing_buf, &values, &missing, 0 ); - - for( i = 0; i < n; i++ ) - nr1 += ((!missing[i]) & dir[i]); - left->set_num_valid(vi, n1 - nr1); - right->set_num_valid(vi, nr1); - } - // split categorical vars, responses and cv_labels using new_idx relocation table - for( vi = 0; vi < data->get_work_var_count() + data->ord_var_count; vi++ ) - { - int ci = data->get_var_type(vi); - if (ci < 0) continue; - - int n1 = node->get_num_valid(vi), nr1 = 0; - const int* src_lbls = data->get_cat_var_data(node, vi, (int*)(uchar*)inn_buf); - - for(i = 0; i < n; i++) - temp_buf[i] = src_lbls[i]; - - if (data->is_buf_16u) - { - unsigned short *ldst = (unsigned short *)(buf->data.s + left->buf_idx*length_buf_row + - ci*scount + left->offset); - unsigned short *rdst = (unsigned short *)(buf->data.s + right->buf_idx*length_buf_row + - ci*scount + right->offset); - - for( i = 0; i < n; i++ ) - { - int d = dir[i]; - int idx = temp_buf[i]; - if (d) - { - *rdst = (unsigned short)idx; - rdst++; - nr1 += (idx != 65535); - } - else - { - *ldst = (unsigned short)idx; - ldst++; - } - } - - if( vi < data->var_count ) - { - left->set_num_valid(vi, n1 - nr1); - right->set_num_valid(vi, nr1); - } - } - else - { - int *ldst = buf->data.i + left->buf_idx*length_buf_row + - ci*scount + left->offset; - int *rdst = buf->data.i + right->buf_idx*length_buf_row + - ci*scount + right->offset; - - for( i = 0; i < n; i++ ) - { - int d = dir[i]; - int idx = temp_buf[i]; - if (d) - { - *rdst = idx; - rdst++; - nr1 += (idx >= 0); - } - else - { - *ldst = idx; - ldst++; - } - - } - - if( vi < data->var_count ) - { - left->set_num_valid(vi, n1 - nr1); - right->set_num_valid(vi, nr1); - } - } - } - - // split sample indices - int *sample_idx_src_buf = (int*)(uchar*)inn_buf; - const int* sample_idx_src = 0; - if (split_input_data) - { - sample_idx_src = data->get_sample_indices(node, sample_idx_src_buf); - - for(i = 0; i < n; i++) - temp_buf[i] = sample_idx_src[i]; - - int pos = data->get_work_var_count(); - - if (data->is_buf_16u) - { - unsigned short* ldst = (unsigned short*)(buf->data.s + left->buf_idx*length_buf_row + - pos*scount + left->offset); - unsigned short* rdst = (unsigned short*)(buf->data.s + right->buf_idx*length_buf_row + - pos*scount + right->offset); - - for (i = 0; i < n; i++) - { - int d = dir[i]; - unsigned short idx = (unsigned short)temp_buf[i]; - if (d) - { - *rdst = idx; - rdst++; - } - else - { - *ldst = idx; - ldst++; - } - } - } - else - { - int* ldst = buf->data.i + left->buf_idx*length_buf_row + - pos*scount + left->offset; - int* rdst = buf->data.i + right->buf_idx*length_buf_row + - pos*scount + right->offset; - for (i = 0; i < n; i++) - { - int d = dir[i]; - int idx = temp_buf[i]; - if (d) - { - *rdst = idx; - rdst++; - } - else - { - *ldst = idx; - ldst++; - } - } - } - } - - // deallocate the parent node data that is not needed anymore - data->free_node_data(node); -} - -CvERTrees::CvERTrees() -{ -} - -CvERTrees::~CvERTrees() -{ -} - -cv::String CvERTrees::getName() const -{ - return CV_TYPE_NAME_ML_ERTREES; -} - -bool CvERTrees::train( const CvMat* _train_data, int _tflag, - const CvMat* _responses, const CvMat* _var_idx, - const CvMat* _sample_idx, const CvMat* _var_type, - const CvMat* _missing_mask, CvRTParams params ) -{ - bool result = false; - - CV_FUNCNAME("CvERTrees::train"); - __BEGIN__ - int var_count = 0; - - clear(); - - CvDTreeParams tree_params( params.max_depth, params.min_sample_count, - params.regression_accuracy, params.use_surrogates, params.max_categories, - params.cv_folds, params.use_1se_rule, false, params.priors ); - - data = new CvERTreeTrainData(); - CV_CALL(data->set_data( _train_data, _tflag, _responses, _var_idx, - _sample_idx, _var_type, _missing_mask, tree_params, true)); - - var_count = data->var_count; - if( params.nactive_vars > var_count ) - params.nactive_vars = var_count; - else if( params.nactive_vars == 0 ) - params.nactive_vars = (int)sqrt((double)var_count); - else if( params.nactive_vars < 0 ) - CV_ERROR( CV_StsBadArg, " must be non-negative" ); - - // Create mask of active variables at the tree nodes - CV_CALL(active_var_mask = cvCreateMat( 1, var_count, CV_8UC1 )); - if( params.calc_var_importance ) - { - CV_CALL(var_importance = cvCreateMat( 1, var_count, CV_32FC1 )); - cvZero(var_importance); - } - { // initialize active variables mask - CvMat submask1, submask2; - CV_Assert( (active_var_mask->cols >= 1) && (params.nactive_vars > 0) && (params.nactive_vars <= active_var_mask->cols) ); - cvGetCols( active_var_mask, &submask1, 0, params.nactive_vars ); - cvSet( &submask1, cvScalar(1) ); - if( params.nactive_vars < active_var_mask->cols ) - { - cvGetCols( active_var_mask, &submask2, params.nactive_vars, var_count ); - cvZero( &submask2 ); - } - } - - CV_CALL(result = grow_forest( params.term_crit )); - - result = true; - - __END__ - return result; - -} - -bool CvERTrees::train( CvMLData* _data, CvRTParams params) -{ - bool result = false; - - CV_FUNCNAME( "CvERTrees::train" ); - - __BEGIN__; - - CV_CALL( result = CvRTrees::train( _data, params) ); - - __END__; - - return result; -} - -bool CvERTrees::grow_forest( const CvTermCriteria term_crit ) -{ - bool result = false; - - CvMat* sample_idx_for_tree = 0; - - CV_FUNCNAME("CvERTrees::grow_forest"); - __BEGIN__; - - const int max_ntrees = term_crit.max_iter; - const double max_oob_err = term_crit.epsilon; - - const int dims = data->var_count; - float maximal_response = 0; - - CvMat* oob_sample_votes = 0; - CvMat* oob_responses = 0; - - float* oob_samples_perm_ptr= 0; - - float* samples_ptr = 0; - uchar* missing_ptr = 0; - float* true_resp_ptr = 0; - bool is_oob_or_vimportance = ((max_oob_err > 0) && (term_crit.type != CV_TERMCRIT_ITER)) || var_importance; - - // oob_predictions_sum[i] = sum of predicted values for the i-th sample - // oob_num_of_predictions[i] = number of summands - // (number of predictions for the i-th sample) - // initialize these variable to avoid warning C4701 - CvMat oob_predictions_sum = cvMat( 1, 1, CV_32FC1 ); - CvMat oob_num_of_predictions = cvMat( 1, 1, CV_32FC1 ); - - nsamples = data->sample_count; - nclasses = data->get_num_classes(); - - if ( is_oob_or_vimportance ) - { - if( data->is_classifier ) - { - CV_CALL(oob_sample_votes = cvCreateMat( nsamples, nclasses, CV_32SC1 )); - cvZero(oob_sample_votes); - } - else - { - // oob_responses[0,i] = oob_predictions_sum[i] - // = sum of predicted values for the i-th sample - // oob_responses[1,i] = oob_num_of_predictions[i] - // = number of summands (number of predictions for the i-th sample) - CV_CALL(oob_responses = cvCreateMat( 2, nsamples, CV_32FC1 )); - cvZero(oob_responses); - cvGetRow( oob_responses, &oob_predictions_sum, 0 ); - cvGetRow( oob_responses, &oob_num_of_predictions, 1 ); - } - - CV_CALL(oob_samples_perm_ptr = (float*)cvAlloc( sizeof(float)*nsamples*dims )); - CV_CALL(samples_ptr = (float*)cvAlloc( sizeof(float)*nsamples*dims )); - CV_CALL(missing_ptr = (uchar*)cvAlloc( sizeof(uchar)*nsamples*dims )); - CV_CALL(true_resp_ptr = (float*)cvAlloc( sizeof(float)*nsamples )); - - CV_CALL(data->get_vectors( 0, samples_ptr, missing_ptr, true_resp_ptr )); - { - double minval, maxval; - CvMat responses = cvMat(1, nsamples, CV_32FC1, true_resp_ptr); - cvMinMaxLoc( &responses, &minval, &maxval ); - maximal_response = (float)MAX( MAX( fabs(minval), fabs(maxval) ), 0 ); - } - } - - trees = (CvForestTree**)cvAlloc( sizeof(trees[0])*max_ntrees ); - memset( trees, 0, sizeof(trees[0])*max_ntrees ); - - CV_CALL(sample_idx_for_tree = cvCreateMat( 1, nsamples, CV_32SC1 )); - - for (int i = 0; i < nsamples; i++) - sample_idx_for_tree->data.i[i] = i; - ntrees = 0; - while( ntrees < max_ntrees ) - { - int i, oob_samples_count = 0; - double ncorrect_responses = 0; // used for estimation of variable importance - CvForestTree* tree = 0; - - trees[ntrees] = new CvForestERTree(); - tree = (CvForestERTree*)trees[ntrees]; - CV_CALL(tree->train( data, 0, this )); - - if ( is_oob_or_vimportance ) - { - CvMat sample, missing; - // form array of OOB samples indices and get these samples - sample = cvMat( 1, dims, CV_32FC1, samples_ptr ); - missing = cvMat( 1, dims, CV_8UC1, missing_ptr ); - - oob_error = 0; - for( i = 0; i < nsamples; i++, - sample.data.fl += dims, missing.data.ptr += dims ) - { - CvDTreeNode* predicted_node = 0; - - // predict oob samples - if( !predicted_node ) - CV_CALL(predicted_node = tree->predict(&sample, &missing, true)); - - if( !data->is_classifier ) //regression - { - double avg_resp, resp = predicted_node->value; - oob_predictions_sum.data.fl[i] += (float)resp; - oob_num_of_predictions.data.fl[i] += 1; - - // compute oob error - avg_resp = oob_predictions_sum.data.fl[i]/oob_num_of_predictions.data.fl[i]; - avg_resp -= true_resp_ptr[i]; - oob_error += avg_resp*avg_resp; - resp = (resp - true_resp_ptr[i])/maximal_response; - ncorrect_responses += exp( -resp*resp ); - } - else //classification - { - double prdct_resp; - CvPoint max_loc; - CvMat votes; - - cvGetRow(oob_sample_votes, &votes, i); - votes.data.i[predicted_node->class_idx]++; - - // compute oob error - cvMinMaxLoc( &votes, 0, 0, 0, &max_loc ); - - prdct_resp = data->cat_map->data.i[max_loc.x]; - oob_error += (fabs(prdct_resp - true_resp_ptr[i]) < FLT_EPSILON) ? 0 : 1; - - ncorrect_responses += cvRound(predicted_node->value - true_resp_ptr[i]) == 0; - } - oob_samples_count++; - } - if( oob_samples_count > 0 ) - oob_error /= (double)oob_samples_count; - - // estimate variable importance - if( var_importance && oob_samples_count > 0 ) - { - int m; - - memcpy( oob_samples_perm_ptr, samples_ptr, dims*nsamples*sizeof(float)); - for( m = 0; m < dims; m++ ) - { - double ncorrect_responses_permuted = 0; - // randomly permute values of the m-th variable in the oob samples - float* mth_var_ptr = oob_samples_perm_ptr + m; - - for( i = 0; i < nsamples; i++ ) - { - int i1, i2; - float temp; - - i1 = (*rng)(nsamples); - i2 = (*rng)(nsamples); - CV_SWAP( mth_var_ptr[i1*dims], mth_var_ptr[i2*dims], temp ); - - // turn values of (m-1)-th variable, that were permuted - // at the previous iteration, untouched - if( m > 1 ) - oob_samples_perm_ptr[i*dims+m-1] = samples_ptr[i*dims+m-1]; - } - - // predict "permuted" cases and calculate the number of votes for the - // correct class in the variable-m-permuted oob data - sample = cvMat( 1, dims, CV_32FC1, oob_samples_perm_ptr ); - missing = cvMat( 1, dims, CV_8UC1, missing_ptr ); - for( i = 0; i < nsamples; i++, - sample.data.fl += dims, missing.data.ptr += dims ) - { - double predct_resp, true_resp; - - predct_resp = tree->predict(&sample, &missing, true)->value; - true_resp = true_resp_ptr[i]; - if( data->is_classifier ) - ncorrect_responses_permuted += cvRound(true_resp - predct_resp) == 0; - else - { - true_resp = (true_resp - predct_resp)/maximal_response; - ncorrect_responses_permuted += exp( -true_resp*true_resp ); - } - } - var_importance->data.fl[m] += (float)(ncorrect_responses - - ncorrect_responses_permuted); - } - } - } - ntrees++; - if( term_crit.type != CV_TERMCRIT_ITER && oob_error < max_oob_err ) - break; - } - if( var_importance ) - { - for ( int vi = 0; vi < var_importance->cols; vi++ ) - var_importance->data.fl[vi] = ( var_importance->data.fl[vi] > 0 ) ? - var_importance->data.fl[vi] : 0; - cvNormalize( var_importance, var_importance, 1., 0, CV_L1 ); - } - - result = true; - - cvFree( &oob_samples_perm_ptr ); - cvFree( &samples_ptr ); - cvFree( &missing_ptr ); - cvFree( &true_resp_ptr ); - - cvReleaseMat( &sample_idx_for_tree ); - - cvReleaseMat( &oob_sample_votes ); - cvReleaseMat( &oob_responses ); - - __END__; - - return result; -} - -using namespace cv; - -bool CvERTrees::train( const Mat& _train_data, int _tflag, - const Mat& _responses, const Mat& _var_idx, - const Mat& _sample_idx, const Mat& _var_type, - const Mat& _missing_mask, CvRTParams params ) -{ - train_data_hdr = _train_data; - train_data_mat = _train_data; - responses_hdr = _responses; - responses_mat = _responses; - - CvMat vidx = _var_idx, sidx = _sample_idx, vtype = _var_type, mmask = _missing_mask; - - return train(&train_data_hdr, _tflag, &responses_hdr, vidx.data.ptr ? &vidx : 0, - sidx.data.ptr ? &sidx : 0, vtype.data.ptr ? &vtype : 0, - mmask.data.ptr ? &mmask : 0, params); -} - -// End of file. diff --git a/modules/ml/src/estimate.cpp b/modules/ml/src/estimate.cpp deleted file mode 100644 index e9cab881e9..0000000000 --- a/modules/ml/src/estimate.cpp +++ /dev/null @@ -1,728 +0,0 @@ -/*M/////////////////////////////////////////////////////////////////////////////////////// -// -// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. -// -// By downloading, copying, installing or using the software you agree to this license. -// If you do not agree to this license, do not download, install, -// copy or use the software. -// -// -// Intel License Agreement -// -// Copyright (C) 2000, Intel Corporation, all rights reserved. -// Third party copyrights are property of their respective owners. -// -// Redistribution and use in source and binary forms, with or without modification, -// are permitted provided that the following conditions are met: -// -// * Redistribution's of source code must retain the above copyright notice, -// this list of conditions and the following disclaimer. -// -// * Redistribution's in binary form must reproduce the above copyright notice, -// this list of conditions and the following disclaimer in the documentation -// and/or other materials provided with the distribution. -// -// * The name of Intel Corporation may not be used to endorse or promote products -// derived from this software without specific prior written permission. -// -// This software is provided by the copyright holders and contributors "as is" and -// any express or implied warranties, including, but not limited to, the implied -// warranties of merchantability and fitness for a particular purpose are disclaimed. -// In no event shall the Intel Corporation or contributors be liable for any direct, -// indirect, incidental, special, exemplary, or consequential damages -// (including, but not limited to, procurement of substitute goods or services; -// loss of use, data, or profits; or business interruption) however caused -// and on any theory of liability, whether in contract, strict liability, -// or tort (including negligence or otherwise) arising in any way out of -// the use of this software, even if advised of the possibility of such damage. -// -//M*/ - -#include "precomp.hpp" - -#if 0 - -ML_IMPL int -icvCmpIntegers (const void* a, const void* b) {return *(const int*)a - *(const int*)b;} - -/****************************************************************************************\ -* Cross-validation algorithms realizations * -\****************************************************************************************/ - -// Return pointer to trainIdx. Function DOES NOT FILL this matrix! -ML_IMPL -const CvMat* cvCrossValGetTrainIdxMatrix (const CvStatModel* estimateModel) -{ - CvMat* result = NULL; - - CV_FUNCNAME ("cvCrossValGetTrainIdxMatrix"); - __BEGIN__ - - if (!CV_IS_CROSSVAL(estimateModel)) - { - CV_ERROR (CV_StsBadArg, "Pointer point to not CvCrossValidationModel"); - } - - result = ((CvCrossValidationModel*)estimateModel)->sampleIdxTrain; - - __END__ - - return result; -} // End of cvCrossValGetTrainIdxMatrix - -/****************************************************************************************/ -// Return pointer to checkIdx. Function DOES NOT FILL this matrix! -ML_IMPL -const CvMat* cvCrossValGetCheckIdxMatrix (const CvStatModel* estimateModel) -{ - CvMat* result = NULL; - - CV_FUNCNAME ("cvCrossValGetCheckIdxMatrix"); - __BEGIN__ - - if (!CV_IS_CROSSVAL (estimateModel)) - { - CV_ERROR (CV_StsBadArg, "Pointer point to not CvCrossValidationModel"); - } - - result = ((CvCrossValidationModel*)estimateModel)->sampleIdxEval; - - __END__ - - return result; -} // End of cvCrossValGetCheckIdxMatrix - -/****************************************************************************************/ -// Create new Idx-matrix for next classifiers training and return code of result. -// Result is 0 if function can't make next step (error input or folds are finished), -// it is 1 if all was correct, and it is 2 if current fold wasn't' checked. -ML_IMPL -int cvCrossValNextStep (CvStatModel* estimateModel) -{ - int result = 0; - - CV_FUNCNAME ("cvCrossValGetNextTrainIdx"); - __BEGIN__ - - CvCrossValidationModel* crVal = (CvCrossValidationModel*) estimateModel; - int k, fold; - - if (!CV_IS_CROSSVAL (estimateModel)) - { - CV_ERROR (CV_StsBadArg, "Pointer point to not CvCrossValidationModel"); - } - - fold = ++crVal->current_fold; - - if (fold >= crVal->folds_all) - { - if (fold == crVal->folds_all) - EXIT; - else - { - CV_ERROR (CV_StsInternal, "All iterations has end long ago"); - } - } - - k = crVal->folds[fold + 1] - crVal->folds[fold]; - crVal->sampleIdxTrain->data.i = crVal->sampleIdxAll + crVal->folds[fold + 1]; - crVal->sampleIdxTrain->cols = crVal->samples_all - k; - crVal->sampleIdxEval->data.i = crVal->sampleIdxAll + crVal->folds[fold]; - crVal->sampleIdxEval->cols = k; - - if (crVal->is_checked) - { - crVal->is_checked = 0; - result = 1; - } - else - { - result = 2; - } - - __END__ - - return result; -} - -/****************************************************************************************/ -// Do checking part of loop of cross-validations metod. -ML_IMPL -void cvCrossValCheckClassifier (CvStatModel* estimateModel, - const CvStatModel* model, - const CvMat* trainData, - int sample_t_flag, - const CvMat* trainClasses) -{ - CV_FUNCNAME ("cvCrossValCheckClassifier "); - __BEGIN__ - - CvCrossValidationModel* crVal = (CvCrossValidationModel*) estimateModel; - int i, j, k; - int* data; - float* responses_fl; - int step; - float* responses_result; - int* responses_i; - double te, te1; - double sum_c, sum_p, sum_pp, sum_cp, sum_cc, sq_err; - -// Check input data to correct values. - if (!CV_IS_CROSSVAL (estimateModel)) - { - CV_ERROR (CV_StsBadArg,"First parameter point to not CvCrossValidationModel"); - } - if (!CV_IS_STAT_MODEL (model)) - { - CV_ERROR (CV_StsBadArg, "Second parameter point to not CvStatModel"); - } - if (!CV_IS_MAT (trainData)) - { - CV_ERROR (CV_StsBadArg, "Third parameter point to not CvMat"); - } - if (!CV_IS_MAT (trainClasses)) - { - CV_ERROR (CV_StsBadArg, "Fifth parameter point to not CvMat"); - } - if (crVal->is_checked) - { - CV_ERROR (CV_StsInternal, "This iterations already was checked"); - } - -// Initialize. - k = crVal->sampleIdxEval->cols; - data = crVal->sampleIdxEval->data.i; - -// Eval tested feature vectors. - CV_CALL (cvStatModelMultiPredict (model, trainData, sample_t_flag, - crVal->predict_results, NULL, crVal->sampleIdxEval)); -// Count number if correct results. - responses_result = crVal->predict_results->data.fl; - if (crVal->is_regression) - { - sum_c = sum_p = sum_pp = sum_cp = sum_cc = sq_err = 0; - if (CV_MAT_TYPE (trainClasses->type) == CV_32FC1) - { - responses_fl = trainClasses->data.fl; - step = trainClasses->rows == 1 ? 1 : trainClasses->step / sizeof(float); - for (i = 0; i < k; i++) - { - te = responses_result[*data]; - te1 = responses_fl[*data * step]; - sum_c += te1; - sum_p += te; - sum_cc += te1 * te1; - sum_pp += te * te; - sum_cp += te1 * te; - te -= te1; - sq_err += te * te; - - data++; - } - } - else - { - responses_i = trainClasses->data.i; - step = trainClasses->rows == 1 ? 1 : trainClasses->step / sizeof(int); - for (i = 0; i < k; i++) - { - te = responses_result[*data]; - te1 = responses_i[*data * step]; - sum_c += te1; - sum_p += te; - sum_cc += te1 * te1; - sum_pp += te * te; - sum_cp += te1 * te; - te -= te1; - sq_err += te * te; - - data++; - } - } - // Fixing new internal values of accuracy. - crVal->sum_correct += sum_c; - crVal->sum_predict += sum_p; - crVal->sum_cc += sum_cc; - crVal->sum_pp += sum_pp; - crVal->sum_cp += sum_cp; - crVal->sq_error += sq_err; - } - else - { - if (CV_MAT_TYPE (trainClasses->type) == CV_32FC1) - { - responses_fl = trainClasses->data.fl; - step = trainClasses->rows == 1 ? 1 : trainClasses->step / sizeof(float); - for (i = 0, j = 0; i < k; i++) - { - if (cvRound (responses_result[*data]) == cvRound (responses_fl[*data * step])) - j++; - data++; - } - } - else - { - responses_i = trainClasses->data.i; - step = trainClasses->rows == 1 ? 1 : trainClasses->step / sizeof(int); - for (i = 0, j = 0; i < k; i++) - { - if (cvRound (responses_result[*data]) == responses_i[*data * step]) - j++; - data++; - } - } - // Fixing new internal values of accuracy. - crVal->correct_results += j; - } -// Fixing that this fold already checked. - crVal->all_results += k; - crVal->is_checked = 1; - - __END__ -} // End of cvCrossValCheckClassifier - -/****************************************************************************************/ -// Return current accuracy. -ML_IMPL -float cvCrossValGetResult (const CvStatModel* estimateModel, - float* correlation) -{ - float result = 0; - - CV_FUNCNAME ("cvCrossValGetResult"); - __BEGIN__ - - double te, te1; - CvCrossValidationModel* crVal = (CvCrossValidationModel*)estimateModel; - - if (!CV_IS_CROSSVAL (estimateModel)) - { - CV_ERROR (CV_StsBadArg, "Pointer point to not CvCrossValidationModel"); - } - - if (crVal->all_results) - { - if (crVal->is_regression) - { - result = ((float)crVal->sq_error) / crVal->all_results; - if (correlation) - { - te = crVal->all_results * crVal->sum_cp - - crVal->sum_correct * crVal->sum_predict; - te *= te; - te1 = (crVal->all_results * crVal->sum_cc - - crVal->sum_correct * crVal->sum_correct) * - (crVal->all_results * crVal->sum_pp - - crVal->sum_predict * crVal->sum_predict); - *correlation = (float)(te / te1); - - } - } - else - { - result = ((float)crVal->correct_results) / crVal->all_results; - } - } - - __END__ - - return result; -} - -/****************************************************************************************/ -// Reset cross-validation EstimateModel to state the same as it was immidiatly after -// its creating. -ML_IMPL -void cvCrossValReset (CvStatModel* estimateModel) -{ - CV_FUNCNAME ("cvCrossValReset"); - __BEGIN__ - - CvCrossValidationModel* crVal = (CvCrossValidationModel*)estimateModel; - - if (!CV_IS_CROSSVAL (estimateModel)) - { - CV_ERROR (CV_StsBadArg, "Pointer point to not CvCrossValidationModel"); - } - - crVal->current_fold = -1; - crVal->is_checked = 1; - crVal->all_results = 0; - crVal->correct_results = 0; - crVal->sq_error = 0; - crVal->sum_correct = 0; - crVal->sum_predict = 0; - crVal->sum_cc = 0; - crVal->sum_pp = 0; - crVal->sum_cp = 0; - - __END__ -} - -/****************************************************************************************/ -// This function is standart CvStatModel field to release cross-validation EstimateModel. -ML_IMPL -void cvReleaseCrossValidationModel (CvStatModel** model) -{ - CvCrossValidationModel* pModel; - - CV_FUNCNAME ("cvReleaseCrossValidationModel"); - __BEGIN__ - - if (!model) - { - CV_ERROR (CV_StsNullPtr, ""); - } - - pModel = (CvCrossValidationModel*)*model; - if (!pModel) - { - return; - } - if (!CV_IS_CROSSVAL (pModel)) - { - CV_ERROR (CV_StsBadArg, ""); - } - - cvFree (&pModel->sampleIdxAll); - cvFree (&pModel->folds); - cvReleaseMat (&pModel->sampleIdxEval); - cvReleaseMat (&pModel->sampleIdxTrain); - cvReleaseMat (&pModel->predict_results); - - cvFree (model); - - __END__ -} // End of cvReleaseCrossValidationModel. - -/****************************************************************************************/ -// This function create cross-validation EstimateModel. -ML_IMPL CvStatModel* -cvCreateCrossValidationEstimateModel( - int samples_all, - const CvStatModelParams* estimateParams, - const CvMat* sampleIdx) -{ - CvStatModel* model = NULL; - CvCrossValidationModel* crVal = NULL; - - CV_FUNCNAME ("cvCreateCrossValidationEstimateModel"); - __BEGIN__ - - int k_fold = 10; - - int i, j, k, s_len; - int samples_selected; - CvRNG rng; - CvRNG* prng; - int* res_s_data; - int* te_s_data; - int* folds; - - rng = cvRNG(cvGetTickCount()); - cvRandInt (&rng); cvRandInt (&rng); cvRandInt (&rng); cvRandInt (&rng); -// Check input parameters. - if (estimateParams) - k_fold = ((CvCrossValidationParams*)estimateParams)->k_fold; - if (!k_fold) - { - CV_ERROR (CV_StsBadArg, "Error in parameters of cross-validation (k_fold == 0)!"); - } - if (samples_all <= 0) - { - CV_ERROR (CV_StsBadArg, " should be positive!"); - } - -// Alloc memory and fill standart StatModel's fields. - CV_CALL (crVal = (CvCrossValidationModel*)cvCreateStatModel ( - CV_STAT_MODEL_MAGIC_VAL | CV_CROSSVAL_MAGIC_VAL, - sizeof(CvCrossValidationModel), - cvReleaseCrossValidationModel, - NULL, NULL)); - crVal->current_fold = -1; - crVal->folds_all = k_fold; - if (estimateParams && ((CvCrossValidationParams*)estimateParams)->is_regression) - crVal->is_regression = 1; - else - crVal->is_regression = 0; - if (estimateParams && ((CvCrossValidationParams*)estimateParams)->rng) - prng = ((CvCrossValidationParams*)estimateParams)->rng; - else - prng = &rng; - - // Check and preprocess sample indices. - if (sampleIdx) - { - int s_step; - int s_type = 0; - - if (!CV_IS_MAT (sampleIdx)) - CV_ERROR (CV_StsBadArg, "Invalid sampleIdx array"); - - if (sampleIdx->rows != 1 && sampleIdx->cols != 1) - CV_ERROR (CV_StsBadSize, "sampleIdx array must be 1-dimensional"); - - s_len = sampleIdx->rows + sampleIdx->cols - 1; - s_step = sampleIdx->rows == 1 ? - 1 : sampleIdx->step / CV_ELEM_SIZE(sampleIdx->type); - - s_type = CV_MAT_TYPE (sampleIdx->type); - - switch (s_type) - { - case CV_8UC1: - case CV_8SC1: - { - uchar* s_data = sampleIdx->data.ptr; - - // sampleIdx is array of 1's and 0's - - // i.e. it is a mask of the selected samples - if( s_len != samples_all ) - CV_ERROR (CV_StsUnmatchedSizes, - "Sample mask should contain as many elements as the total number of samples"); - - samples_selected = 0; - for (i = 0; i < s_len; i++) - samples_selected += s_data[i * s_step] != 0; - - if (samples_selected == 0) - CV_ERROR (CV_StsOutOfRange, "No samples is selected!"); - } - s_len = samples_selected; - break; - case CV_32SC1: - if (s_len > samples_all) - CV_ERROR (CV_StsOutOfRange, - "sampleIdx array may not contain more elements than the total number of samples"); - samples_selected = s_len; - break; - default: - CV_ERROR (CV_StsUnsupportedFormat, "Unsupported sampleIdx array data type " - "(it should be 8uC1, 8sC1 or 32sC1)"); - } - - // Alloc additional memory for internal Idx and fill it. -/*!!*/ CV_CALL (res_s_data = crVal->sampleIdxAll = - (int*)cvAlloc (2 * s_len * sizeof(int))); - - if (s_type < CV_32SC1) - { - uchar* s_data = sampleIdx->data.ptr; - for (i = 0; i < s_len; i++) - if (s_data[i * s_step]) - { - *res_s_data++ = i; - } - res_s_data = crVal->sampleIdxAll; - } - else - { - int* s_data = sampleIdx->data.i; - int out_of_order = 0; - - for (i = 0; i < s_len; i++) - { - res_s_data[i] = s_data[i * s_step]; - if (i > 0 && res_s_data[i] < res_s_data[i - 1]) - out_of_order = 1; - } - - if (out_of_order) - qsort (res_s_data, s_len, sizeof(res_s_data[0]), icvCmpIntegers); - - if (res_s_data[0] < 0 || - res_s_data[s_len - 1] >= samples_all) - CV_ERROR (CV_StsBadArg, "There are out-of-range sample indices"); - for (i = 1; i < s_len; i++) - if (res_s_data[i] <= res_s_data[i - 1]) - CV_ERROR (CV_StsBadArg, "There are duplicated"); - } - } - else // if (sampleIdx) - { - // Alloc additional memory for internal Idx and fill it. - s_len = samples_all; - CV_CALL (res_s_data = crVal->sampleIdxAll = (int*)cvAlloc (2 * s_len * sizeof(int))); - for (i = 0; i < s_len; i++) - { - *res_s_data++ = i; - } - res_s_data = crVal->sampleIdxAll; - } // if (sampleIdx) ... else - -// Resort internal Idx. - te_s_data = res_s_data + s_len; - for (i = s_len; i > 1; i--) - { - j = cvRandInt (prng) % i; - k = *(--te_s_data); - *te_s_data = res_s_data[j]; - res_s_data[j] = k; - } - -// Duplicate resorted internal Idx. -// It will be used to simplify operation of getting trainIdx. - te_s_data = res_s_data + s_len; - for (i = 0; i < s_len; i++) - { - *te_s_data++ = *res_s_data++; - } - -// Cut sampleIdxAll to parts. - if (k_fold > 0) - { - if (k_fold > s_len) - { - CV_ERROR (CV_StsBadArg, - "Error in parameters of cross-validation ('k_fold' > #samples)!"); - } - folds = crVal->folds = (int*) cvAlloc ((k_fold + 1) * sizeof (int)); - *folds++ = 0; - for (i = 1; i < k_fold; i++) - { - *folds++ = cvRound (i * s_len * 1. / k_fold); - } - *folds = s_len; - folds = crVal->folds; - - crVal->max_fold_size = (s_len - 1) / k_fold + 1; - } - else - { - k = -k_fold; - crVal->max_fold_size = k; - if (k >= s_len) - { - CV_ERROR (CV_StsBadArg, - "Error in parameters of cross-validation (-'k_fold' > #samples)!"); - } - crVal->folds_all = k = (s_len - 1) / k + 1; - - folds = crVal->folds = (int*) cvAlloc ((k + 1) * sizeof (int)); - for (i = 0; i < k; i++) - { - *folds++ = -i * k_fold; - } - *folds = s_len; - folds = crVal->folds; - } - -// Prepare other internal fields to working. - CV_CALL (crVal->predict_results = cvCreateMat (1, samples_all, CV_32FC1)); - CV_CALL (crVal->sampleIdxEval = cvCreateMatHeader (1, 1, CV_32SC1)); - CV_CALL (crVal->sampleIdxTrain = cvCreateMatHeader (1, 1, CV_32SC1)); - crVal->sampleIdxEval->cols = 0; - crVal->sampleIdxTrain->cols = 0; - crVal->samples_all = s_len; - crVal->is_checked = 1; - - crVal->getTrainIdxMat = cvCrossValGetTrainIdxMatrix; - crVal->getCheckIdxMat = cvCrossValGetCheckIdxMatrix; - crVal->nextStep = cvCrossValNextStep; - crVal->check = cvCrossValCheckClassifier; - crVal->getResult = cvCrossValGetResult; - crVal->reset = cvCrossValReset; - - model = (CvStatModel*)crVal; - - __END__ - - if (!model) - { - cvReleaseCrossValidationModel ((CvStatModel**)&crVal); - } - - return model; -} // End of cvCreateCrossValidationEstimateModel - - -/****************************************************************************************\ -* Extended interface with backcalls for models * -\****************************************************************************************/ -ML_IMPL float -cvCrossValidation (const CvMat* trueData, - int tflag, - const CvMat* trueClasses, - CvStatModel* (*createClassifier) (const CvMat*, - int, - const CvMat*, - const CvClassifierTrainParams*, - const CvMat*, - const CvMat*, - const CvMat*, - const CvMat*), - const CvClassifierTrainParams* estimateParams, - const CvClassifierTrainParams* trainParams, - const CvMat* compIdx, - const CvMat* sampleIdx, - CvStatModel** pCrValModel, - const CvMat* typeMask, - const CvMat* missedMeasurementMask) -{ - CvCrossValidationModel* crVal = NULL; - float result = 0; - CvStatModel* pClassifier = NULL; - - CV_FUNCNAME ("cvCrossValidation"); - __BEGIN__ - - const CvMat* trainDataIdx; - int samples_all; - -// checking input data - if ((createClassifier) == NULL) - { - CV_ERROR (CV_StsNullPtr, "Null pointer to functiion which create classifier"); - } - if (pCrValModel && *pCrValModel && !CV_IS_CROSSVAL(*pCrValModel)) - { - CV_ERROR (CV_StsBadArg, - " point to not cross-validation model"); - } - -// initialization - if (pCrValModel && *pCrValModel) - { - crVal = (CvCrossValidationModel*)*pCrValModel; - crVal->reset ((CvStatModel*)crVal); - } - else - { - samples_all = ((tflag) ? trueData->rows : trueData->cols); - CV_CALL (crVal = (CvCrossValidationModel*) - cvCreateCrossValidationEstimateModel (samples_all, estimateParams, sampleIdx)); - } - - CV_CALL (trainDataIdx = crVal->getTrainIdxMat ((CvStatModel*)crVal)); - -// operation loop - for (; crVal->nextStep((CvStatModel*)crVal) != 0; ) - { - CV_CALL (pClassifier = createClassifier (trueData, tflag, trueClasses, - trainParams, compIdx, trainDataIdx, typeMask, missedMeasurementMask)); - CV_CALL (crVal->check ((CvStatModel*)crVal, pClassifier, - trueData, tflag, trueClasses)); - - pClassifier->release (&pClassifier); - } - -// Get result and fill output field. - CV_CALL (result = crVal->getResult ((CvStatModel*)crVal, 0)); - - if (pCrValModel && !*pCrValModel) - *pCrValModel = (CvStatModel*)crVal; - - __END__ - -// Free all memory that should be freed. - if (pClassifier) - pClassifier->release (&pClassifier); - if (crVal && (!pCrValModel || !*pCrValModel)) - crVal->release ((CvStatModel**)&crVal); - - return result; -} // End of cvCrossValidation - -#endif - -/* End of file */ diff --git a/modules/ml/src/gbt.cpp b/modules/ml/src/gbt.cpp index 42d0d4f3af..b186abf672 100644 --- a/modules/ml/src/gbt.cpp +++ b/modules/ml/src/gbt.cpp @@ -2,6 +2,8 @@ #include "precomp.hpp" #include +#if 0 + #define pCvSeq CvSeq* #define pCvDTreeNode CvDTreeNode* @@ -1359,3 +1361,5 @@ float CvGBTrees::predict( const cv::Mat& sample, const cv::Mat& _missing, return predict(&_sample, _missing.empty() ? 0 : &miss, 0, slice==cv::Range::all() ? CV_WHOLE_SEQ : cvSlice(slice.start, slice.end), k); } + +#endif diff --git a/modules/ml/src/inner_functions.cpp b/modules/ml/src/inner_functions.cpp index f0e085da6c..3d5f335201 100644 --- a/modules/ml/src/inner_functions.cpp +++ b/modules/ml/src/inner_functions.cpp @@ -40,1840 +40,143 @@ #include "precomp.hpp" +namespace cv { namespace ml { -CvStatModel::CvStatModel() +ParamGrid::ParamGrid() { minVal = maxVal = 0.; logStep = 1; } +ParamGrid::ParamGrid(double _minVal, double _maxVal, double _logStep) { - default_model_name = "my_stat_model"; + minVal = std::min(_minVal, _maxVal); + maxVal = std::max(_minVal, _maxVal); + logStep = std::max(_logStep, 1.); } +void StatModel::clear() {} -CvStatModel::~CvStatModel() +int StatModel::getVarCount() const { return 0; } + +bool StatModel::train( const Ptr&, int ) { - clear(); + CV_Error(CV_StsNotImplemented, ""); + return false; } - -void CvStatModel::clear() +bool StatModel::train( InputArray samples, int layout, InputArray responses ) { + return train(TrainData::create(samples, layout, responses)); } - -void CvStatModel::save( const char* filename, const char* name ) const +float StatModel::calcError( const Ptr& data, bool testerr, OutputArray _resp ) const { - CvFileStorage* fs = 0; + Mat samples = data->getSamples(); + int layout = data->getLayout(); + Mat sidx = testerr ? data->getTestSampleIdx() : data->getTrainSampleIdx(); + const int* sidx_ptr = sidx.ptr(); + int i, n = (int)sidx.total(); + bool isclassifier = isClassifier(); + Mat responses = data->getResponses(); - CV_FUNCNAME( "CvStatModel::save" ); + if( n == 0 ) + n = data->getNSamples(); - __BEGIN__; + if( n == 0 ) + return -FLT_MAX; - CV_CALL( fs = cvOpenFileStorage( filename, 0, CV_STORAGE_WRITE )); - if( !fs ) - CV_ERROR( CV_StsError, "Could not open the file storage. Check the path and permissions" ); + Mat resp; + if( _resp.needed() ) + resp.create(n, 1, CV_32F); - write( fs, name ? name : default_model_name ); - - __END__; - - cvReleaseFileStorage( &fs ); -} - - -void CvStatModel::load( const char* filename, const char* name ) -{ - CvFileStorage* fs = 0; - - CV_FUNCNAME( "CvStatModel::load" ); - - __BEGIN__; - - CvFileNode* model_node = 0; - - CV_CALL( fs = cvOpenFileStorage( filename, 0, CV_STORAGE_READ )); - if( !fs ) - EXIT; - - if( name ) - model_node = cvGetFileNodeByName( fs, 0, name ); - else + double err = 0; + for( i = 0; i < n; i++ ) { - CvFileNode* root = cvGetRootFileNode( fs ); - if( root->data.seq->total > 0 ) - model_node = (CvFileNode*)cvGetSeqElem( root->data.seq, 0 ); + int si = sidx_ptr ? sidx_ptr[i] : i; + Mat sample = layout == ROW_SAMPLE ? samples.row(si) : samples.col(si); + float val = predict(sample); + float val0 = responses.at(si); + + if( isclassifier ) + err += fabs(val - val0) > FLT_EPSILON; + else + err += (val - val0)*(val - val0); + if( resp.data ) + resp.at(i) = val; + /*if( i < 100 ) + { + printf("%d. ref %.1f vs pred %.1f\n", i, val0, val); + }*/ } - read( fs, model_node ); + if( _resp.needed() ) + resp.copyTo(_resp); - __END__; - - cvReleaseFileStorage( &fs ); + return (float)(err / n * (isclassifier ? 100 : 1)); } - -void CvStatModel::write( CvFileStorage*, const char* ) const +void StatModel::save(const String& filename) const { - OPENCV_ERROR( CV_StsNotImplemented, "CvStatModel::write", "" ); + FileStorage fs(filename, FileStorage::WRITE); + fs << getDefaultModelName() << "{"; + write(fs); + fs << "}"; } - -void CvStatModel::read( CvFileStorage*, CvFileNode* ) -{ - OPENCV_ERROR( CV_StsNotImplemented, "CvStatModel::read", "" ); -} - - /* Calculates upper triangular matrix S, where A is a symmetrical matrix A=S'*S */ -static void cvChol( CvMat* A, CvMat* S ) +static void Cholesky( const Mat& A, Mat& S ) { - int dim = A->rows; + CV_Assert(A.type() == CV_32F); + + int dim = A.rows; + S.create(dim, dim, CV_32F); int i, j, k; - float sum; for( i = 0; i < dim; i++ ) { for( j = 0; j < i; j++ ) - CV_MAT_ELEM(*S, float, i, j) = 0; + S.at(i,j) = 0.f; - sum = 0; + float sum = 0.f; for( k = 0; k < i; k++ ) - sum += CV_MAT_ELEM(*S, float, k, i) * CV_MAT_ELEM(*S, float, k, i); + { + float val = S.at(k,i); + sum += val*val; + } - CV_MAT_ELEM(*S, float, i, i) = (float)sqrt(CV_MAT_ELEM(*A, float, i, i) - sum); + S.at(i,i) = std::sqrt(std::max(A.at(i,i) - sum, 0.f)); + float ival = 1.f/S.at(i, i); for( j = i + 1; j < dim; j++ ) { sum = 0; for( k = 0; k < i; k++ ) - sum += CV_MAT_ELEM(*S, float, k, i) * CV_MAT_ELEM(*S, float, k, j); - - CV_MAT_ELEM(*S, float, i, j) = - (CV_MAT_ELEM(*A, float, i, j) - sum) / CV_MAT_ELEM(*S, float, i, i); + sum += S.at(k, i) * S.at(k, j); + S.at(i, j) = (A.at(i, j) - sum)*ival; } } } /* Generates from multivariate normal distribution, where - is an average row vector, - symmetric covariation matrix */ -CV_IMPL void cvRandMVNormal( CvMat* mean, CvMat* cov, CvMat* sample, CvRNG* rng ) +void randMVNormal( InputArray _mean, InputArray _cov, int nsamples, OutputArray _samples ) { - int dim = sample->cols; - int amount = sample->rows; + Mat mean = _mean.getMat(), cov = _cov.getMat(); + int dim = (int)mean.total(); - CvRNG state = rng ? *rng : cvRNG( cvGetTickCount() ); - cvRandArr(&state, sample, CV_RAND_NORMAL, cvScalarAll(0), cvScalarAll(1) ); + _samples.create(nsamples, dim, CV_32F); + Mat samples = _samples.getMat(); + randu(samples, 0., 1.); - CvMat* utmat = cvCreateMat(dim, dim, sample->type); - CvMat* vect = cvCreateMatHeader(1, dim, sample->type); + Mat utmat; + Cholesky(cov, utmat); + int flags = mean.cols == 1 ? 0 : GEMM_3_T; - cvChol(cov, utmat); - - int i; - for( i = 0; i < amount; i++ ) + for( int i = 0; i < nsamples; i++ ) { - cvGetRow(sample, vect, i); - cvMatMulAdd(vect, utmat, mean, vect); - } - - cvReleaseMat(&vect); - cvReleaseMat(&utmat); -} - - -/* Generates of points from a discrete variate xi, - where Pr{xi = k} == probs[k], 0 < k < len - 1. */ -static void cvRandSeries( float probs[], int len, int sample[], int amount ) -{ - CvMat* univals = cvCreateMat(1, amount, CV_32FC1); - float* knots = (float*)cvAlloc( len * sizeof(float) ); - - int i, j; - - CvRNG state = cvRNG(-1); - cvRandArr(&state, univals, CV_RAND_UNI, cvScalarAll(0), cvScalarAll(1) ); - - knots[0] = probs[0]; - for( i = 1; i < len; i++ ) - knots[i] = knots[i - 1] + probs[i]; - - for( i = 0; i < amount; i++ ) - for( j = 0; j < len; j++ ) - { - if ( CV_MAT_ELEM(*univals, float, 0, i) <= knots[j] ) - { - sample[i] = j; - break; - } - } - - cvFree(&knots); -} - -/* Generates from gaussian mixture distribution */ -CV_IMPL void cvRandGaussMixture( CvMat* means[], - CvMat* covs[], - float weights[], - int clsnum, - CvMat* sample, - CvMat* sampClasses ) -{ - int dim = sample->cols; - int amount = sample->rows; - - int i, clss; - - int* sample_clsnum = (int*)cvAlloc( amount * sizeof(int) ); - CvMat** utmats = (CvMat**)cvAlloc( clsnum * sizeof(CvMat*) ); - CvMat* vect = cvCreateMatHeader(1, dim, CV_32FC1); - - CvMat* classes; - if( sampClasses ) - classes = sampClasses; - else - classes = cvCreateMat(1, amount, CV_32FC1); - - CvRNG state = cvRNG(-1); - cvRandArr(&state, sample, CV_RAND_NORMAL, cvScalarAll(0), cvScalarAll(1)); - - cvRandSeries(weights, clsnum, sample_clsnum, amount); - - for( i = 0; i < clsnum; i++ ) - { - utmats[i] = cvCreateMat(dim, dim, CV_32FC1); - cvChol(covs[i], utmats[i]); - } - - for( i = 0; i < amount; i++ ) - { - CV_MAT_ELEM(*classes, float, 0, i) = (float)sample_clsnum[i]; - cvGetRow(sample, vect, i); - clss = sample_clsnum[i]; - cvMatMulAdd(vect, utmats[clss], means[clss], vect); - } - - if( !sampClasses ) - cvReleaseMat(&classes); - for( i = 0; i < clsnum; i++ ) - cvReleaseMat(&utmats[i]); - cvFree(&utmats); - cvFree(&sample_clsnum); - cvReleaseMat(&vect); -} - - -CvMat* icvGenerateRandomClusterCenters ( int seed, const CvMat* data, - int num_of_clusters, CvMat* _centers ) -{ - CvMat* centers = _centers; - - CV_FUNCNAME("icvGenerateRandomClusterCenters"); - __BEGIN__; - - CvRNG rng; - CvMat data_comp, centers_comp; - CvPoint minLoc, maxLoc; // Not used, just for function "cvMinMaxLoc" - double minVal, maxVal; - int i; - int dim = data ? data->cols : 0; - - if( ICV_IS_MAT_OF_TYPE(data, CV_32FC1) ) - { - if( _centers && !ICV_IS_MAT_OF_TYPE (_centers, CV_32FC1) ) - { - CV_ERROR(CV_StsBadArg,""); - } - else if( !_centers ) - CV_CALL(centers = cvCreateMat (num_of_clusters, dim, CV_32FC1)); - } - else if( ICV_IS_MAT_OF_TYPE(data, CV_64FC1) ) - { - if( _centers && !ICV_IS_MAT_OF_TYPE (_centers, CV_64FC1) ) - { - CV_ERROR(CV_StsBadArg,""); - } - else if( !_centers ) - CV_CALL(centers = cvCreateMat (num_of_clusters, dim, CV_64FC1)); - } - else - CV_ERROR (CV_StsBadArg,""); - - if( num_of_clusters < 1 ) - CV_ERROR (CV_StsBadArg,""); - - rng = cvRNG(seed); - for (i = 0; i < dim; i++) - { - CV_CALL(cvGetCol (data, &data_comp, i)); - CV_CALL(cvMinMaxLoc (&data_comp, &minVal, &maxVal, &minLoc, &maxLoc)); - CV_CALL(cvGetCol (centers, ¢ers_comp, i)); - CV_CALL(cvRandArr (&rng, ¢ers_comp, CV_RAND_UNI, cvScalarAll(minVal), cvScalarAll(maxVal))); - } - - __END__; - - if( (cvGetErrStatus () < 0) || (centers != _centers) ) - cvReleaseMat (¢ers); - - return _centers ? _centers : centers; -} // end of icvGenerateRandomClusterCenters - -// By S. Dilman - begin - - -#define ICV_RAND_MAX 4294967296 // == 2^32 - -// static void cvRandRoundUni (CvMat* center, -// float radius_small, -// float radius_large, -// CvMat* desired_matrix, -// CvRNG* rng_state_ptr) -// { -// float rad, norm, coefficient; -// int dim, size, i, j; -// CvMat *cov, sample; -// CvRNG rng_local; - -// CV_FUNCNAME("cvRandRoundUni"); -// __BEGIN__ - -// rng_local = *rng_state_ptr; - -// CV_ASSERT ((radius_small >= 0) && -// (radius_large > 0) && -// (radius_small <= radius_large)); -// CV_ASSERT (center && desired_matrix && rng_state_ptr); -// CV_ASSERT (center->rows == 1); -// CV_ASSERT (center->cols == desired_matrix->cols); - -// dim = desired_matrix->cols; -// size = desired_matrix->rows; -// cov = cvCreateMat (dim, dim, CV_32FC1); -// cvSetIdentity (cov); -// cvRandMVNormal (center, cov, desired_matrix, &rng_local); - -// for (i = 0; i < size; i++) -// { -// rad = (float)(cvRandReal(&rng_local)*(radius_large - radius_small) + radius_small); -// cvGetRow (desired_matrix, &sample, i); -// norm = (float) cvNorm (&sample, 0, CV_L2); -// coefficient = rad / norm; -// for (j = 0; j < dim; j++) -// CV_MAT_ELEM (sample, float, 0, j) *= coefficient; -// } - -// __END__ - -// } - -// By S. Dilman - end - - -static int CV_CDECL -icvCmpIntegers( const void* a, const void* b ) -{ - return *(const int*)a - *(const int*)b; -} - - -static int CV_CDECL -icvCmpIntegersPtr( const void* _a, const void* _b ) -{ - int a = **(const int**)_a; - int b = **(const int**)_b; - return (a < b ? -1 : 0)|(a > b); -} - - -static int icvCmpSparseVecElems( const void* a, const void* b ) -{ - return ((CvSparseVecElem32f*)a)->idx - ((CvSparseVecElem32f*)b)->idx; -} - - -CvMat* -cvPreprocessIndexArray( const CvMat* idx_arr, int data_arr_size, bool check_for_duplicates ) -{ - CvMat* idx = 0; - - CV_FUNCNAME( "cvPreprocessIndexArray" ); - - __BEGIN__; - - int i, idx_total, idx_selected = 0, step, type, prev = INT_MIN, is_sorted = 1; - uchar* srcb = 0; - int* srci = 0; - int* dsti; - - if( !CV_IS_MAT(idx_arr) ) - CV_ERROR( CV_StsBadArg, "Invalid index array" ); - - if( idx_arr->rows != 1 && idx_arr->cols != 1 ) - CV_ERROR( CV_StsBadSize, "the index array must be 1-dimensional" ); - - idx_total = idx_arr->rows + idx_arr->cols - 1; - srcb = idx_arr->data.ptr; - srci = idx_arr->data.i; - - type = CV_MAT_TYPE(idx_arr->type); - step = CV_IS_MAT_CONT(idx_arr->type) ? 1 : idx_arr->step/CV_ELEM_SIZE(type); - - switch( type ) - { - case CV_8UC1: - case CV_8SC1: - // idx_arr is array of 1's and 0's - - // i.e. it is a mask of the selected components - if( idx_total != data_arr_size ) - CV_ERROR( CV_StsUnmatchedSizes, - "Component mask should contain as many elements as the total number of input variables" ); - - for( i = 0; i < idx_total; i++ ) - idx_selected += srcb[i*step] != 0; - - if( idx_selected == 0 ) - CV_ERROR( CV_StsOutOfRange, "No components/input_variables is selected!" ); - - break; - case CV_32SC1: - // idx_arr is array of integer indices of selected components - if( idx_total > data_arr_size ) - CV_ERROR( CV_StsOutOfRange, - "index array may not contain more elements than the total number of input variables" ); - idx_selected = idx_total; - // check if sorted already - for( i = 0; i < idx_total; i++ ) - { - int val = srci[i*step]; - if( val >= prev ) - { - is_sorted = 0; - break; - } - prev = val; - } - break; - default: - CV_ERROR( CV_StsUnsupportedFormat, "Unsupported index array data type " - "(it should be 8uC1, 8sC1 or 32sC1)" ); - } - - CV_CALL( idx = cvCreateMat( 1, idx_selected, CV_32SC1 )); - dsti = idx->data.i; - - if( type < CV_32SC1 ) - { - for( i = 0; i < idx_total; i++ ) - if( srcb[i*step] ) - *dsti++ = i; - } - else - { - for( i = 0; i < idx_total; i++ ) - dsti[i] = srci[i*step]; - - if( !is_sorted ) - qsort( dsti, idx_total, sizeof(dsti[0]), icvCmpIntegers ); - - if( dsti[0] < 0 || dsti[idx_total-1] >= data_arr_size ) - CV_ERROR( CV_StsOutOfRange, "the index array elements are out of range" ); - - if( check_for_duplicates ) - { - for( i = 1; i < idx_total; i++ ) - if( dsti[i] <= dsti[i-1] ) - CV_ERROR( CV_StsBadArg, "There are duplicated index array elements" ); - } - } - - __END__; - - if( cvGetErrStatus() < 0 ) - cvReleaseMat( &idx ); - - return idx; -} - - -CvMat* -cvPreprocessVarType( const CvMat* var_type, const CvMat* var_idx, - int var_count, int* response_type ) -{ - CvMat* out_var_type = 0; - CV_FUNCNAME( "cvPreprocessVarType" ); - - if( response_type ) - *response_type = -1; - - __BEGIN__; - - int i, tm_size, tm_step; - //int* map = 0; - const uchar* src; - uchar* dst; - - if( !CV_IS_MAT(var_type) ) - CV_ERROR( var_type ? CV_StsBadArg : CV_StsNullPtr, "Invalid or absent var_type array" ); - - if( var_type->rows != 1 && var_type->cols != 1 ) - CV_ERROR( CV_StsBadSize, "var_type array must be 1-dimensional" ); - - if( !CV_IS_MASK_ARR(var_type)) - CV_ERROR( CV_StsUnsupportedFormat, "type mask must be 8uC1 or 8sC1 array" ); - - tm_size = var_type->rows + var_type->cols - 1; - tm_step = var_type->rows == 1 ? 1 : var_type->step/CV_ELEM_SIZE(var_type->type); - - if( /*tm_size != var_count &&*/ tm_size != var_count + 1 ) - CV_ERROR( CV_StsBadArg, - "type mask must be of + 1 size" ); - - if( response_type && tm_size > var_count ) - *response_type = var_type->data.ptr[var_count*tm_step] != 0; - - if( var_idx ) - { - if( !CV_IS_MAT(var_idx) || CV_MAT_TYPE(var_idx->type) != CV_32SC1 || - (var_idx->rows != 1 && var_idx->cols != 1) || !CV_IS_MAT_CONT(var_idx->type) ) - CV_ERROR( CV_StsBadArg, "var index array should be continuous 1-dimensional integer vector" ); - if( var_idx->rows + var_idx->cols - 1 > var_count ) - CV_ERROR( CV_StsBadSize, "var index array is too large" ); - //map = var_idx->data.i; - var_count = var_idx->rows + var_idx->cols - 1; - } - - CV_CALL( out_var_type = cvCreateMat( 1, var_count, CV_8UC1 )); - src = var_type->data.ptr; - dst = out_var_type->data.ptr; - - for( i = 0; i < var_count; i++ ) - { - //int idx = map ? map[i] : i; - assert( (unsigned)/*idx*/i < (unsigned)tm_size ); - dst[i] = (uchar)(src[/*idx*/i*tm_step] != 0); - } - - __END__; - - return out_var_type; -} - - -CvMat* -cvPreprocessOrderedResponses( const CvMat* responses, const CvMat* sample_idx, int sample_all ) -{ - CvMat* out_responses = 0; - - CV_FUNCNAME( "cvPreprocessOrderedResponses" ); - - __BEGIN__; - - int i, r_type, r_step; - const int* map = 0; - float* dst; - int sample_count = sample_all; - - if( !CV_IS_MAT(responses) ) - CV_ERROR( CV_StsBadArg, "Invalid response array" ); - - if( responses->rows != 1 && responses->cols != 1 ) - CV_ERROR( CV_StsBadSize, "Response array must be 1-dimensional" ); - - if( responses->rows + responses->cols - 1 != sample_count ) - CV_ERROR( CV_StsUnmatchedSizes, - "Response array must contain as many elements as the total number of samples" ); - - r_type = CV_MAT_TYPE(responses->type); - if( r_type != CV_32FC1 && r_type != CV_32SC1 ) - CV_ERROR( CV_StsUnsupportedFormat, "Unsupported response type" ); - - r_step = responses->step ? responses->step / CV_ELEM_SIZE(responses->type) : 1; - - if( r_type == CV_32FC1 && CV_IS_MAT_CONT(responses->type) && !sample_idx ) - { - out_responses = cvCloneMat( responses ); - EXIT; - } - - if( sample_idx ) - { - if( !CV_IS_MAT(sample_idx) || CV_MAT_TYPE(sample_idx->type) != CV_32SC1 || - (sample_idx->rows != 1 && sample_idx->cols != 1) || !CV_IS_MAT_CONT(sample_idx->type) ) - CV_ERROR( CV_StsBadArg, "sample index array should be continuous 1-dimensional integer vector" ); - if( sample_idx->rows + sample_idx->cols - 1 > sample_count ) - CV_ERROR( CV_StsBadSize, "sample index array is too large" ); - map = sample_idx->data.i; - sample_count = sample_idx->rows + sample_idx->cols - 1; - } - - CV_CALL( out_responses = cvCreateMat( 1, sample_count, CV_32FC1 )); - - dst = out_responses->data.fl; - if( r_type == CV_32FC1 ) - { - const float* src = responses->data.fl; - for( i = 0; i < sample_count; i++ ) - { - int idx = map ? map[i] : i; - assert( (unsigned)idx < (unsigned)sample_all ); - dst[i] = src[idx*r_step]; - } - } - else - { - const int* src = responses->data.i; - for( i = 0; i < sample_count; i++ ) - { - int idx = map ? map[i] : i; - assert( (unsigned)idx < (unsigned)sample_all ); - dst[i] = (float)src[idx*r_step]; - } - } - - __END__; - - return out_responses; -} - -CvMat* -cvPreprocessCategoricalResponses( const CvMat* responses, - const CvMat* sample_idx, int sample_all, - CvMat** out_response_map, CvMat** class_counts ) -{ - CvMat* out_responses = 0; - int** response_ptr = 0; - - CV_FUNCNAME( "cvPreprocessCategoricalResponses" ); - - if( out_response_map ) - *out_response_map = 0; - - if( class_counts ) - *class_counts = 0; - - __BEGIN__; - - int i, r_type, r_step; - int cls_count = 1, prev_cls, prev_i; - const int* map = 0; - const int* srci; - const float* srcfl; - int* dst; - int* cls_map; - int* cls_counts = 0; - int sample_count = sample_all; - - if( !CV_IS_MAT(responses) ) - CV_ERROR( CV_StsBadArg, "Invalid response array" ); - - if( responses->rows != 1 && responses->cols != 1 ) - CV_ERROR( CV_StsBadSize, "Response array must be 1-dimensional" ); - - if( responses->rows + responses->cols - 1 != sample_count ) - CV_ERROR( CV_StsUnmatchedSizes, - "Response array must contain as many elements as the total number of samples" ); - - r_type = CV_MAT_TYPE(responses->type); - if( r_type != CV_32FC1 && r_type != CV_32SC1 ) - CV_ERROR( CV_StsUnsupportedFormat, "Unsupported response type" ); - - r_step = responses->rows == 1 ? 1 : responses->step / CV_ELEM_SIZE(responses->type); - - if( sample_idx ) - { - if( !CV_IS_MAT(sample_idx) || CV_MAT_TYPE(sample_idx->type) != CV_32SC1 || - (sample_idx->rows != 1 && sample_idx->cols != 1) || !CV_IS_MAT_CONT(sample_idx->type) ) - CV_ERROR( CV_StsBadArg, "sample index array should be continuous 1-dimensional integer vector" ); - if( sample_idx->rows + sample_idx->cols - 1 > sample_count ) - CV_ERROR( CV_StsBadSize, "sample index array is too large" ); - map = sample_idx->data.i; - sample_count = sample_idx->rows + sample_idx->cols - 1; - } - - CV_CALL( out_responses = cvCreateMat( 1, sample_count, CV_32SC1 )); - - if( !out_response_map ) - CV_ERROR( CV_StsNullPtr, "out_response_map pointer is NULL" ); - - CV_CALL( response_ptr = (int**)cvAlloc( sample_count*sizeof(response_ptr[0]))); - - srci = responses->data.i; - srcfl = responses->data.fl; - dst = out_responses->data.i; - - for( i = 0; i < sample_count; i++ ) - { - int idx = map ? map[i] : i; - assert( (unsigned)idx < (unsigned)sample_all ); - if( r_type == CV_32SC1 ) - dst[i] = srci[idx*r_step]; - else - { - float rf = srcfl[idx*r_step]; - int ri = cvRound(rf); - if( ri != rf ) - { - char buf[100]; - sprintf( buf, "response #%d is not integral", idx ); - CV_ERROR( CV_StsBadArg, buf ); - } - dst[i] = ri; - } - response_ptr[i] = dst + i; - } - - qsort( response_ptr, sample_count, sizeof(int*), icvCmpIntegersPtr ); - - // count the classes - for( i = 1; i < sample_count; i++ ) - cls_count += *response_ptr[i] != *response_ptr[i-1]; - - if( cls_count < 2 ) - CV_ERROR( CV_StsBadArg, "There is only a single class" ); - - CV_CALL( *out_response_map = cvCreateMat( 1, cls_count, CV_32SC1 )); - - if( class_counts ) - { - CV_CALL( *class_counts = cvCreateMat( 1, cls_count, CV_32SC1 )); - cls_counts = (*class_counts)->data.i; - } - - // compact the class indices and build the map - prev_cls = ~*response_ptr[0]; - cls_count = -1; - cls_map = (*out_response_map)->data.i; - - for( i = 0, prev_i = -1; i < sample_count; i++ ) - { - int cur_cls = *response_ptr[i]; - if( cur_cls != prev_cls ) - { - if( cls_counts && cls_count >= 0 ) - cls_counts[cls_count] = i - prev_i; - cls_map[++cls_count] = prev_cls = cur_cls; - prev_i = i; - } - *response_ptr[i] = cls_count; - } - - if( cls_counts ) - cls_counts[cls_count] = i - prev_i; - - __END__; - - cvFree( &response_ptr ); - - return out_responses; -} - - -const float** -cvGetTrainSamples( const CvMat* train_data, int tflag, - const CvMat* var_idx, const CvMat* sample_idx, - int* _var_count, int* _sample_count, - bool always_copy_data ) -{ - float** samples = 0; - - CV_FUNCNAME( "cvGetTrainSamples" ); - - __BEGIN__; - - int i, j, var_count, sample_count, s_step, v_step; - bool copy_data; - const float* data; - const int *s_idx, *v_idx; - - if( !CV_IS_MAT(train_data) ) - CV_ERROR( CV_StsBadArg, "Invalid or NULL training data matrix" ); - - var_count = var_idx ? var_idx->cols + var_idx->rows - 1 : - tflag == CV_ROW_SAMPLE ? train_data->cols : train_data->rows; - sample_count = sample_idx ? sample_idx->cols + sample_idx->rows - 1 : - tflag == CV_ROW_SAMPLE ? train_data->rows : train_data->cols; - - if( _var_count ) - *_var_count = var_count; - - if( _sample_count ) - *_sample_count = sample_count; - - copy_data = tflag != CV_ROW_SAMPLE || var_idx || always_copy_data; - - CV_CALL( samples = (float**)cvAlloc(sample_count*sizeof(samples[0]) + - (copy_data ? 1 : 0)*var_count*sample_count*sizeof(samples[0][0])) ); - data = train_data->data.fl; - s_step = train_data->step / sizeof(samples[0][0]); - v_step = 1; - s_idx = sample_idx ? sample_idx->data.i : 0; - v_idx = var_idx ? var_idx->data.i : 0; - - if( !copy_data ) - { - for( i = 0; i < sample_count; i++ ) - samples[i] = (float*)(data + (s_idx ? s_idx[i] : i)*s_step); - } - else - { - samples[0] = (float*)(samples + sample_count); - if( tflag != CV_ROW_SAMPLE ) - CV_SWAP( s_step, v_step, i ); - - for( i = 0; i < sample_count; i++ ) - { - float* dst = samples[i] = samples[0] + i*var_count; - const float* src = data + (s_idx ? s_idx[i] : i)*s_step; - - if( !v_idx ) - for( j = 0; j < var_count; j++ ) - dst[j] = src[j*v_step]; - else - for( j = 0; j < var_count; j++ ) - dst[j] = src[v_idx[j]*v_step]; - } - } - - __END__; - - return (const float**)samples; -} - - -void -cvCheckTrainData( const CvMat* train_data, int tflag, - const CvMat* missing_mask, - int* var_all, int* sample_all ) -{ - CV_FUNCNAME( "cvCheckTrainData" ); - - if( var_all ) - *var_all = 0; - - if( sample_all ) - *sample_all = 0; - - __BEGIN__; - - // check parameter types and sizes - if( !CV_IS_MAT(train_data) || CV_MAT_TYPE(train_data->type) != CV_32FC1 ) - CV_ERROR( CV_StsBadArg, "train data must be floating-point matrix" ); - - if( missing_mask ) - { - if( !CV_IS_MAT(missing_mask) || !CV_IS_MASK_ARR(missing_mask) || - !CV_ARE_SIZES_EQ(train_data, missing_mask) ) - CV_ERROR( CV_StsBadArg, - "missing value mask must be 8-bit matrix of the same size as training data" ); - } - - if( tflag != CV_ROW_SAMPLE && tflag != CV_COL_SAMPLE ) - CV_ERROR( CV_StsBadArg, - "Unknown training data layout (must be CV_ROW_SAMPLE or CV_COL_SAMPLE)" ); - - if( var_all ) - *var_all = tflag == CV_ROW_SAMPLE ? train_data->cols : train_data->rows; - - if( sample_all ) - *sample_all = tflag == CV_ROW_SAMPLE ? train_data->rows : train_data->cols; - - __END__; -} - - -int -cvPrepareTrainData( const char* /*funcname*/, - const CvMat* train_data, int tflag, - const CvMat* responses, int response_type, - const CvMat* var_idx, - const CvMat* sample_idx, - bool always_copy_data, - const float*** out_train_samples, - int* _sample_count, - int* _var_count, - int* _var_all, - CvMat** out_responses, - CvMat** out_response_map, - CvMat** out_var_idx, - CvMat** out_sample_idx ) -{ - int ok = 0; - CvMat* _var_idx = 0; - CvMat* _sample_idx = 0; - CvMat* _responses = 0; - int sample_all = 0, sample_count = 0, var_all = 0, var_count = 0; - - CV_FUNCNAME( "cvPrepareTrainData" ); - - // step 0. clear all the output pointers to ensure we do not try - // to call free() with uninitialized pointers - if( out_responses ) - *out_responses = 0; - - if( out_response_map ) - *out_response_map = 0; - - if( out_var_idx ) - *out_var_idx = 0; - - if( out_sample_idx ) - *out_sample_idx = 0; - - if( out_train_samples ) - *out_train_samples = 0; - - if( _sample_count ) - *_sample_count = 0; - - if( _var_count ) - *_var_count = 0; - - if( _var_all ) - *_var_all = 0; - - __BEGIN__; - - if( !out_train_samples ) - CV_ERROR( CV_StsBadArg, "output pointer to train samples is NULL" ); - - CV_CALL( cvCheckTrainData( train_data, tflag, 0, &var_all, &sample_all )); - - if( sample_idx ) - CV_CALL( _sample_idx = cvPreprocessIndexArray( sample_idx, sample_all )); - if( var_idx ) - CV_CALL( _var_idx = cvPreprocessIndexArray( var_idx, var_all )); - - if( responses ) - { - if( !out_responses ) - CV_ERROR( CV_StsNullPtr, "output response pointer is NULL" ); - - if( response_type == CV_VAR_NUMERICAL ) - { - CV_CALL( _responses = cvPreprocessOrderedResponses( responses, - _sample_idx, sample_all )); - } - else - { - CV_CALL( _responses = cvPreprocessCategoricalResponses( responses, - _sample_idx, sample_all, out_response_map, 0 )); - } - } - - CV_CALL( *out_train_samples = - cvGetTrainSamples( train_data, tflag, _var_idx, _sample_idx, - &var_count, &sample_count, always_copy_data )); - - ok = 1; - - __END__; - - if( ok ) - { - if( out_responses ) - *out_responses = _responses, _responses = 0; - - if( out_var_idx ) - *out_var_idx = _var_idx, _var_idx = 0; - - if( out_sample_idx ) - *out_sample_idx = _sample_idx, _sample_idx = 0; - - if( _sample_count ) - *_sample_count = sample_count; - - if( _var_count ) - *_var_count = var_count; - - if( _var_all ) - *_var_all = var_all; - } - else - { - if( out_response_map ) - cvReleaseMat( out_response_map ); - cvFree( out_train_samples ); - } - - if( _responses != responses ) - cvReleaseMat( &_responses ); - cvReleaseMat( &_var_idx ); - cvReleaseMat( &_sample_idx ); - - return ok; -} - - -typedef struct CvSampleResponsePair -{ - const float* sample; - const uchar* mask; - int response; - int index; -} -CvSampleResponsePair; - - -static int -CV_CDECL icvCmpSampleResponsePairs( const void* a, const void* b ) -{ - int ra = ((const CvSampleResponsePair*)a)->response; - int rb = ((const CvSampleResponsePair*)b)->response; - int ia = ((const CvSampleResponsePair*)a)->index; - int ib = ((const CvSampleResponsePair*)b)->index; - - return ra < rb ? -1 : ra > rb ? 1 : ia - ib; - //return (ra > rb ? -1 : 0)|(ra < rb); -} - - -void -cvSortSamplesByClasses( const float** samples, const CvMat* classes, - int* class_ranges, const uchar** mask ) -{ - CvSampleResponsePair* pairs = 0; - CV_FUNCNAME( "cvSortSamplesByClasses" ); - - __BEGIN__; - - int i, k = 0, sample_count; - - if( !samples || !classes || !class_ranges ) - CV_ERROR( CV_StsNullPtr, "INTERNAL ERROR: some of the args are NULL pointers" ); - - if( classes->rows != 1 || CV_MAT_TYPE(classes->type) != CV_32SC1 ) - CV_ERROR( CV_StsBadArg, "classes array must be a single row of integers" ); - - sample_count = classes->cols; - CV_CALL( pairs = (CvSampleResponsePair*)cvAlloc( (sample_count+1)*sizeof(pairs[0]))); - - for( i = 0; i < sample_count; i++ ) - { - pairs[i].sample = samples[i]; - pairs[i].mask = (mask) ? (mask[i]) : 0; - pairs[i].response = classes->data.i[i]; - pairs[i].index = i; - assert( classes->data.i[i] >= 0 ); - } - - qsort( pairs, sample_count, sizeof(pairs[0]), icvCmpSampleResponsePairs ); - pairs[sample_count].response = -1; - class_ranges[0] = 0; - - for( i = 0; i < sample_count; i++ ) - { - samples[i] = pairs[i].sample; - if (mask) - mask[i] = pairs[i].mask; - classes->data.i[i] = pairs[i].response; - - if( pairs[i].response != pairs[i+1].response ) - class_ranges[++k] = i+1; - } - - __END__; - - cvFree( &pairs ); -} - - -void -cvPreparePredictData( const CvArr* _sample, int dims_all, - const CvMat* comp_idx, int class_count, - const CvMat* prob, float** _row_sample, - int as_sparse ) -{ - float* row_sample = 0; - int* inverse_comp_idx = 0; - - CV_FUNCNAME( "cvPreparePredictData" ); - - __BEGIN__; - - const CvMat* sample = (const CvMat*)_sample; - float* sample_data; - int sample_step; - int is_sparse = CV_IS_SPARSE_MAT(sample); - int d, sizes[CV_MAX_DIM]; - int i, dims_selected; - int vec_size; - - if( !is_sparse && !CV_IS_MAT(sample) ) - CV_ERROR( !sample ? CV_StsNullPtr : CV_StsBadArg, "The sample is not a valid vector" ); - - if( cvGetElemType( sample ) != CV_32FC1 ) - CV_ERROR( CV_StsUnsupportedFormat, "Input sample must have 32fC1 type" ); - - CV_CALL( d = cvGetDims( sample, sizes )); - - if( !((is_sparse && d == 1) || (!is_sparse && d == 2 && (sample->rows == 1 || sample->cols == 1))) ) - CV_ERROR( CV_StsBadSize, "Input sample must be 1-dimensional vector" ); - - if( d == 1 ) - sizes[1] = 1; - - if( sizes[0] + sizes[1] - 1 != dims_all ) - CV_ERROR( CV_StsUnmatchedSizes, - "The sample size is different from what has been used for training" ); - - if( !_row_sample ) - CV_ERROR( CV_StsNullPtr, "INTERNAL ERROR: The row_sample pointer is NULL" ); - - if( comp_idx && (!CV_IS_MAT(comp_idx) || comp_idx->rows != 1 || - CV_MAT_TYPE(comp_idx->type) != CV_32SC1) ) - CV_ERROR( CV_StsBadArg, "INTERNAL ERROR: invalid comp_idx" ); - - dims_selected = comp_idx ? comp_idx->cols : dims_all; - - if( prob ) - { - if( !CV_IS_MAT(prob) ) - CV_ERROR( CV_StsBadArg, "The output matrix of probabilities is invalid" ); - - if( (prob->rows != 1 && prob->cols != 1) || - (CV_MAT_TYPE(prob->type) != CV_32FC1 && - CV_MAT_TYPE(prob->type) != CV_64FC1) ) - CV_ERROR( CV_StsBadSize, - "The matrix of probabilities must be 1-dimensional vector of 32fC1 type" ); - - if( prob->rows + prob->cols - 1 != class_count ) - CV_ERROR( CV_StsUnmatchedSizes, - "The vector of probabilities must contain as many elements as " - "the number of classes in the training set" ); - } - - vec_size = !as_sparse ? dims_selected*sizeof(row_sample[0]) : - (dims_selected + 1)*sizeof(CvSparseVecElem32f); - - if( CV_IS_MAT(sample) ) - { - sample_data = sample->data.fl; - sample_step = CV_IS_MAT_CONT(sample->type) ? 1 : sample->step/sizeof(row_sample[0]); - - if( !comp_idx && CV_IS_MAT_CONT(sample->type) && !as_sparse ) - *_row_sample = sample_data; - else - { - CV_CALL( row_sample = (float*)cvAlloc( vec_size )); - - if( !comp_idx ) - for( i = 0; i < dims_selected; i++ ) - row_sample[i] = sample_data[sample_step*i]; - else - { - int* comp = comp_idx->data.i; - for( i = 0; i < dims_selected; i++ ) - row_sample[i] = sample_data[sample_step*comp[i]]; - } - - *_row_sample = row_sample; - } - - if( as_sparse ) - { - const float* src = (const float*)row_sample; - CvSparseVecElem32f* dst = (CvSparseVecElem32f*)row_sample; - - dst[dims_selected].idx = -1; - for( i = dims_selected - 1; i >= 0; i-- ) - { - dst[i].idx = i; - dst[i].val = src[i]; - } - } - } - else - { - CvSparseNode* node; - CvSparseMatIterator mat_iterator; - const CvSparseMat* sparse = (const CvSparseMat*)sample; - assert( is_sparse ); - - node = cvInitSparseMatIterator( sparse, &mat_iterator ); - CV_CALL( row_sample = (float*)cvAlloc( vec_size )); - - if( comp_idx ) - { - CV_CALL( inverse_comp_idx = (int*)cvAlloc( dims_all*sizeof(int) )); - memset( inverse_comp_idx, -1, dims_all*sizeof(int) ); - for( i = 0; i < dims_selected; i++ ) - inverse_comp_idx[comp_idx->data.i[i]] = i; - } - - if( !as_sparse ) - { - memset( row_sample, 0, vec_size ); - - for( ; node != 0; node = cvGetNextSparseNode(&mat_iterator) ) - { - int idx = *CV_NODE_IDX( sparse, node ); - if( inverse_comp_idx ) - { - idx = inverse_comp_idx[idx]; - if( idx < 0 ) - continue; - } - row_sample[idx] = *(float*)CV_NODE_VAL( sparse, node ); - } - } - else - { - CvSparseVecElem32f* ptr = (CvSparseVecElem32f*)row_sample; - - for( ; node != 0; node = cvGetNextSparseNode(&mat_iterator) ) - { - int idx = *CV_NODE_IDX( sparse, node ); - if( inverse_comp_idx ) - { - idx = inverse_comp_idx[idx]; - if( idx < 0 ) - continue; - } - ptr->idx = idx; - ptr->val = *(float*)CV_NODE_VAL( sparse, node ); - ptr++; - } - - qsort( row_sample, ptr - (CvSparseVecElem32f*)row_sample, - sizeof(ptr[0]), icvCmpSparseVecElems ); - ptr->idx = -1; - } - - *_row_sample = row_sample; - } - - __END__; - - if( inverse_comp_idx ) - cvFree( &inverse_comp_idx ); - - if( cvGetErrStatus() < 0 && _row_sample ) - { - cvFree( &row_sample ); - *_row_sample = 0; + Mat sample = samples.row(i); + gemm(sample, utmat, 1, mean, 1, sample, flags); } } - -static void -icvConvertDataToSparse( const uchar* src, int src_step, int src_type, - uchar* dst, int dst_step, int dst_type, - CvSize size, int* idx ) -{ - CV_FUNCNAME( "icvConvertDataToSparse" ); - - __BEGIN__; - - int i, j; - src_type = CV_MAT_TYPE(src_type); - dst_type = CV_MAT_TYPE(dst_type); - - if( CV_MAT_CN(src_type) != 1 || CV_MAT_CN(dst_type) != 1 ) - CV_ERROR( CV_StsUnsupportedFormat, "The function supports only single-channel arrays" ); - - if( src_step == 0 ) - src_step = CV_ELEM_SIZE(src_type); - - if( dst_step == 0 ) - dst_step = CV_ELEM_SIZE(dst_type); - - // if there is no "idx" and if both arrays are continuous, - // do the whole processing (copying or conversion) in a single loop - if( !idx && CV_ELEM_SIZE(src_type)*size.width == src_step && - CV_ELEM_SIZE(dst_type)*size.width == dst_step ) - { - size.width *= size.height; - size.height = 1; - } - - if( src_type == dst_type ) - { - int full_width = CV_ELEM_SIZE(dst_type)*size.width; - - if( full_width == sizeof(int) ) // another common case: copy int's or float's - for( i = 0; i < size.height; i++, src += src_step ) - *(int*)(dst + dst_step*(idx ? idx[i] : i)) = *(int*)src; - else - for( i = 0; i < size.height; i++, src += src_step ) - memcpy( dst + dst_step*(idx ? idx[i] : i), src, full_width ); - } - else if( src_type == CV_32SC1 && (dst_type == CV_32FC1 || dst_type == CV_64FC1) ) - for( i = 0; i < size.height; i++, src += src_step ) - { - uchar* _dst = dst + dst_step*(idx ? idx[i] : i); - if( dst_type == CV_32FC1 ) - for( j = 0; j < size.width; j++ ) - ((float*)_dst)[j] = (float)((int*)src)[j]; - else - for( j = 0; j < size.width; j++ ) - ((double*)_dst)[j] = ((int*)src)[j]; - } - else if( (src_type == CV_32FC1 || src_type == CV_64FC1) && dst_type == CV_32SC1 ) - for( i = 0; i < size.height; i++, src += src_step ) - { - uchar* _dst = dst + dst_step*(idx ? idx[i] : i); - if( src_type == CV_32FC1 ) - for( j = 0; j < size.width; j++ ) - ((int*)_dst)[j] = cvRound(((float*)src)[j]); - else - for( j = 0; j < size.width; j++ ) - ((int*)_dst)[j] = cvRound(((double*)src)[j]); - } - else if( (src_type == CV_32FC1 && dst_type == CV_64FC1) || - (src_type == CV_64FC1 && dst_type == CV_32FC1) ) - for( i = 0; i < size.height; i++, src += src_step ) - { - uchar* _dst = dst + dst_step*(idx ? idx[i] : i); - if( src_type == CV_32FC1 ) - for( j = 0; j < size.width; j++ ) - ((double*)_dst)[j] = ((float*)src)[j]; - else - for( j = 0; j < size.width; j++ ) - ((float*)_dst)[j] = (float)((double*)src)[j]; - } - else - CV_ERROR( CV_StsUnsupportedFormat, "Unsupported combination of input and output vectors" ); - - __END__; -} - - -void -cvWritebackLabels( const CvMat* labels, CvMat* dst_labels, - const CvMat* centers, CvMat* dst_centers, - const CvMat* probs, CvMat* dst_probs, - const CvMat* sample_idx, int samples_all, - const CvMat* comp_idx, int dims_all ) -{ - CV_FUNCNAME( "cvWritebackLabels" ); - - __BEGIN__; - - int samples_selected = samples_all, dims_selected = dims_all; - - if( dst_labels && !CV_IS_MAT(dst_labels) ) - CV_ERROR( CV_StsBadArg, "Array of output labels is not a valid matrix" ); - - if( dst_centers ) - if( !ICV_IS_MAT_OF_TYPE(dst_centers, CV_32FC1) && - !ICV_IS_MAT_OF_TYPE(dst_centers, CV_64FC1) ) - CV_ERROR( CV_StsBadArg, "Array of cluster centers is not a valid matrix" ); - - if( dst_probs && !CV_IS_MAT(dst_probs) ) - CV_ERROR( CV_StsBadArg, "Probability matrix is not valid" ); - - if( sample_idx ) - { - CV_ASSERT( sample_idx->rows == 1 && CV_MAT_TYPE(sample_idx->type) == CV_32SC1 ); - samples_selected = sample_idx->cols; - } - - if( comp_idx ) - { - CV_ASSERT( comp_idx->rows == 1 && CV_MAT_TYPE(comp_idx->type) == CV_32SC1 ); - dims_selected = comp_idx->cols; - } - - if( dst_labels && (!labels || labels->data.ptr != dst_labels->data.ptr) ) - { - if( !labels ) - CV_ERROR( CV_StsNullPtr, "NULL labels" ); - - CV_ASSERT( labels->rows == 1 ); - - if( dst_labels->rows != 1 && dst_labels->cols != 1 ) - CV_ERROR( CV_StsBadSize, "Array of output labels should be 1d vector" ); - - if( dst_labels->rows + dst_labels->cols - 1 != samples_all ) - CV_ERROR( CV_StsUnmatchedSizes, - "Size of vector of output labels is not equal to the total number of input samples" ); - - CV_ASSERT( labels->cols == samples_selected ); - - CV_CALL( icvConvertDataToSparse( labels->data.ptr, labels->step, labels->type, - dst_labels->data.ptr, dst_labels->step, dst_labels->type, - cvSize( 1, samples_selected ), sample_idx ? sample_idx->data.i : 0 )); - } - - if( dst_centers && (!centers || centers->data.ptr != dst_centers->data.ptr) ) - { - int i; - - if( !centers ) - CV_ERROR( CV_StsNullPtr, "NULL centers" ); - - if( centers->rows != dst_centers->rows ) - CV_ERROR( CV_StsUnmatchedSizes, "Invalid number of rows in matrix of output centers" ); - - if( dst_centers->cols != dims_all ) - CV_ERROR( CV_StsUnmatchedSizes, - "Number of columns in matrix of output centers is " - "not equal to the total number of components in the input samples" ); - - CV_ASSERT( centers->cols == dims_selected ); - - for( i = 0; i < centers->rows; i++ ) - CV_CALL( icvConvertDataToSparse( centers->data.ptr + i*centers->step, 0, centers->type, - dst_centers->data.ptr + i*dst_centers->step, 0, dst_centers->type, - cvSize( 1, dims_selected ), comp_idx ? comp_idx->data.i : 0 )); - } - - if( dst_probs && (!probs || probs->data.ptr != dst_probs->data.ptr) ) - { - if( !probs ) - CV_ERROR( CV_StsNullPtr, "NULL probs" ); - - if( probs->cols != dst_probs->cols ) - CV_ERROR( CV_StsUnmatchedSizes, "Invalid number of columns in output probability matrix" ); - - if( dst_probs->rows != samples_all ) - CV_ERROR( CV_StsUnmatchedSizes, - "Number of rows in output probability matrix is " - "not equal to the total number of input samples" ); - - CV_ASSERT( probs->rows == samples_selected ); - - CV_CALL( icvConvertDataToSparse( probs->data.ptr, probs->step, probs->type, - dst_probs->data.ptr, dst_probs->step, dst_probs->type, - cvSize( probs->cols, samples_selected ), - sample_idx ? sample_idx->data.i : 0 )); - } - - __END__; -} - -#if 0 -CV_IMPL void -cvStatModelMultiPredict( const CvStatModel* stat_model, - const CvArr* predict_input, - int flags, CvMat* predict_output, - CvMat* probs, const CvMat* sample_idx ) -{ - CvMemStorage* storage = 0; - CvMat* sample_idx_buffer = 0; - CvSparseMat** sparse_rows = 0; - int samples_selected = 0; - - CV_FUNCNAME( "cvStatModelMultiPredict" ); - - __BEGIN__; - - int i; - int predict_output_step = 1, sample_idx_step = 1; - int type; - int d, sizes[CV_MAX_DIM]; - int tflag = flags == CV_COL_SAMPLE; - int samples_all, dims_all; - int is_sparse = CV_IS_SPARSE_MAT(predict_input); - CvMat predict_input_part; - CvArr* sample = &predict_input_part; - CvMat probs_part; - CvMat* probs1 = probs ? &probs_part : 0; - - if( !CV_IS_STAT_MODEL(stat_model) ) - CV_ERROR( !stat_model ? CV_StsNullPtr : CV_StsBadArg, "Invalid statistical model" ); - - if( !stat_model->predict ) - CV_ERROR( CV_StsNotImplemented, "There is no \"predict\" method" ); - - if( !predict_input || !predict_output ) - CV_ERROR( CV_StsNullPtr, "NULL input or output matrices" ); - - if( !is_sparse && !CV_IS_MAT(predict_input) ) - CV_ERROR( CV_StsBadArg, "predict_input should be a matrix or a sparse matrix" ); - - if( !CV_IS_MAT(predict_output) ) - CV_ERROR( CV_StsBadArg, "predict_output should be a matrix" ); - - type = cvGetElemType( predict_input ); - if( type != CV_32FC1 || - (CV_MAT_TYPE(predict_output->type) != CV_32FC1 && - CV_MAT_TYPE(predict_output->type) != CV_32SC1 )) - CV_ERROR( CV_StsUnsupportedFormat, "The input or output matrix has unsupported format" ); - - CV_CALL( d = cvGetDims( predict_input, sizes )); - if( d > 2 ) - CV_ERROR( CV_StsBadSize, "The input matrix should be 1- or 2-dimensional" ); - - if( !tflag ) - { - samples_all = samples_selected = sizes[0]; - dims_all = sizes[1]; - } - else - { - samples_all = samples_selected = sizes[1]; - dims_all = sizes[0]; - } - - if( sample_idx ) - { - if( !CV_IS_MAT(sample_idx) ) - CV_ERROR( CV_StsBadArg, "Invalid sample_idx matrix" ); - - if( sample_idx->cols != 1 && sample_idx->rows != 1 ) - CV_ERROR( CV_StsBadSize, "sample_idx must be 1-dimensional matrix" ); - - samples_selected = sample_idx->rows + sample_idx->cols - 1; - - if( CV_MAT_TYPE(sample_idx->type) == CV_32SC1 ) - { - if( samples_selected > samples_all ) - CV_ERROR( CV_StsBadSize, "sample_idx is too large vector" ); - } - else if( samples_selected != samples_all ) - CV_ERROR( CV_StsUnmatchedSizes, "sample_idx has incorrect size" ); - - sample_idx_step = sample_idx->step ? - sample_idx->step / CV_ELEM_SIZE(sample_idx->type) : 1; - } - - if( predict_output->rows != 1 && predict_output->cols != 1 ) - CV_ERROR( CV_StsBadSize, "predict_output should be a 1-dimensional matrix" ); - - if( predict_output->rows + predict_output->cols - 1 != samples_all ) - CV_ERROR( CV_StsUnmatchedSizes, "predict_output and predict_input have uncoordinated sizes" ); - - predict_output_step = predict_output->step ? - predict_output->step / CV_ELEM_SIZE(predict_output->type) : 1; - - if( probs ) - { - if( !CV_IS_MAT(probs) ) - CV_ERROR( CV_StsBadArg, "Invalid matrix of probabilities" ); - - if( probs->rows != samples_all ) - CV_ERROR( CV_StsUnmatchedSizes, - "matrix of probabilities must have as many rows as the total number of samples" ); - - if( CV_MAT_TYPE(probs->type) != CV_32FC1 ) - CV_ERROR( CV_StsUnsupportedFormat, "matrix of probabilities must have 32fC1 type" ); - } - - if( is_sparse ) - { - CvSparseNode* node; - CvSparseMatIterator mat_iterator; - CvSparseMat* sparse = (CvSparseMat*)predict_input; - - if( sample_idx && CV_MAT_TYPE(sample_idx->type) == CV_32SC1 ) - { - CV_CALL( sample_idx_buffer = cvCreateMat( 1, samples_all, CV_8UC1 )); - cvZero( sample_idx_buffer ); - for( i = 0; i < samples_selected; i++ ) - sample_idx_buffer->data.ptr[sample_idx->data.i[i*sample_idx_step]] = 1; - samples_selected = samples_all; - sample_idx = sample_idx_buffer; - sample_idx_step = 1; - } - - CV_CALL( sparse_rows = (CvSparseMat**)cvAlloc( samples_selected*sizeof(sparse_rows[0]))); - for( i = 0; i < samples_selected; i++ ) - { - if( sample_idx && sample_idx->data.ptr[i*sample_idx_step] == 0 ) - continue; - CV_CALL( sparse_rows[i] = cvCreateSparseMat( 1, &dims_all, type )); - if( !storage ) - storage = sparse_rows[i]->heap->storage; - else - { - // hack: to decrease memory footprint, make all the sparse matrices - // reside in the same storage - int elem_size = sparse_rows[i]->heap->elem_size; - cvReleaseMemStorage( &sparse_rows[i]->heap->storage ); - sparse_rows[i]->heap = cvCreateSet( 0, sizeof(CvSet), elem_size, storage ); - } - } - - // put each row (or column) of predict_input into separate sparse matrix. - node = cvInitSparseMatIterator( sparse, &mat_iterator ); - for( ; node != 0; node = cvGetNextSparseNode( &mat_iterator )) - { - int* idx = CV_NODE_IDX( sparse, node ); - int idx0 = idx[tflag ^ 1]; - int idx1 = idx[tflag]; - - if( sample_idx && sample_idx->data.ptr[idx0*sample_idx_step] == 0 ) - continue; - - assert( sparse_rows[idx0] != 0 ); - *(float*)cvPtrND( sparse, &idx1, 0, 1, 0 ) = *(float*)CV_NODE_VAL( sparse, node ); - } - } - - for( i = 0; i < samples_selected; i++ ) - { - int idx = i; - float response; - - if( sample_idx ) - { - if( CV_MAT_TYPE(sample_idx->type) == CV_32SC1 ) - { - idx = sample_idx->data.i[i*sample_idx_step]; - if( (unsigned)idx >= (unsigned)samples_all ) - CV_ERROR( CV_StsOutOfRange, "Some of sample_idx elements are out of range" ); - } - else if( CV_MAT_TYPE(sample_idx->type) == CV_8UC1 && - sample_idx->data.ptr[i*sample_idx_step] == 0 ) - continue; - } - - if( !is_sparse ) - { - if( !tflag ) - cvGetRow( predict_input, &predict_input_part, idx ); - else - { - cvGetCol( predict_input, &predict_input_part, idx ); - } - } - else - sample = sparse_rows[idx]; - - if( probs ) - cvGetRow( probs, probs1, idx ); - - CV_CALL( response = stat_model->predict( stat_model, (CvMat*)sample, probs1 )); - - if( CV_MAT_TYPE(predict_output->type) == CV_32FC1 ) - predict_output->data.fl[idx*predict_output_step] = response; - else - { - CV_ASSERT( cvRound(response) == response ); - predict_output->data.i[idx*predict_output_step] = cvRound(response); - } - } - - __END__; - - if( sparse_rows ) - { - int i; - for( i = 0; i < samples_selected; i++ ) - if( sparse_rows[i] ) - { - sparse_rows[i]->heap->storage = 0; - cvReleaseSparseMat( &sparse_rows[i] ); - } - cvFree( &sparse_rows ); - } - - cvReleaseMat( &sample_idx_buffer ); - cvReleaseMemStorage( &storage ); -} -#endif - -// By P. Yarykin - begin - - -void cvCombineResponseMaps (CvMat* _responses, - const CvMat* old_response_map, - CvMat* new_response_map, - CvMat** out_response_map) -{ - int** old_data = NULL; - int** new_data = NULL; - - CV_FUNCNAME ("cvCombineResponseMaps"); - __BEGIN__ - - int i,j; - int old_n, new_n, out_n; - int samples, free_response; - int* first; - int* responses; - int* out_data; - - if( out_response_map ) - *out_response_map = 0; - -// Check input data. - if ((!ICV_IS_MAT_OF_TYPE (_responses, CV_32SC1)) || - (!ICV_IS_MAT_OF_TYPE (old_response_map, CV_32SC1)) || - (!ICV_IS_MAT_OF_TYPE (new_response_map, CV_32SC1))) - { - CV_ERROR (CV_StsBadArg, "Some of input arguments is not the CvMat") - } - -// Prepare sorted responses. - first = new_response_map->data.i; - new_n = new_response_map->cols; - CV_CALL (new_data = (int**)cvAlloc (new_n * sizeof (new_data[0]))); - for (i = 0; i < new_n; i++) - new_data[i] = first + i; - qsort (new_data, new_n, sizeof(int*), icvCmpIntegersPtr); - - first = old_response_map->data.i; - old_n = old_response_map->cols; - CV_CALL (old_data = (int**)cvAlloc (old_n * sizeof (old_data[0]))); - for (i = 0; i < old_n; i++) - old_data[i] = first + i; - qsort (old_data, old_n, sizeof(int*), icvCmpIntegersPtr); - -// Count the number of different responses. - for (i = 0, j = 0, out_n = 0; i < old_n && j < new_n; out_n++) - { - if (*old_data[i] == *new_data[j]) - { - i++; - j++; - } - else if (*old_data[i] < *new_data[j]) - i++; - else - j++; - } - out_n += old_n - i + new_n - j; - -// Create and fill the result response maps. - CV_CALL (*out_response_map = cvCreateMat (1, out_n, CV_32SC1)); - out_data = (*out_response_map)->data.i; - memcpy (out_data, first, old_n * sizeof (int)); - - free_response = old_n; - for (i = 0, j = 0; i < old_n && j < new_n; ) - { - if (*old_data[i] == *new_data[j]) - { - *new_data[j] = (int)(old_data[i] - first); - i++; - j++; - } - else if (*old_data[i] < *new_data[j]) - i++; - else - { - out_data[free_response] = *new_data[j]; - *new_data[j] = free_response++; - j++; - } - } - for (; j < new_n; j++) - { - out_data[free_response] = *new_data[j]; - *new_data[j] = free_response++; - } - CV_ASSERT (free_response == out_n); - -// Change according to out response map. - samples = _responses->cols + _responses->rows - 1; - responses = _responses->data.i; - first = new_response_map->data.i; - for (i = 0; i < samples; i++) - { - responses[i] = first[responses[i]]; - } - - __END__ - - cvFree(&old_data); - cvFree(&new_data); - -} - - -static int icvGetNumberOfCluster( double* prob_vector, int num_of_clusters, float r, - float outlier_thresh, int normalize_probs ) -{ - int max_prob_loc = 0; - - CV_FUNCNAME("icvGetNumberOfCluster"); - __BEGIN__; - - double prob, maxprob, sum; - int i; - - CV_ASSERT(prob_vector); - CV_ASSERT(num_of_clusters >= 0); - - maxprob = prob_vector[0]; - max_prob_loc = 0; - sum = maxprob; - for( i = 1; i < num_of_clusters; i++ ) - { - prob = prob_vector[i]; - sum += prob; - if( prob > maxprob ) - { - max_prob_loc = i; - maxprob = prob; - } - } - if( normalize_probs && fabs(sum - 1.) > FLT_EPSILON ) - { - for( i = 0; i < num_of_clusters; i++ ) - prob_vector[i] /= sum; - } - if( fabs(r - 1.) > FLT_EPSILON && fabs(sum - 1.) < outlier_thresh ) - max_prob_loc = -1; - - __END__; - - return max_prob_loc; - -} // End of icvGetNumberOfCluster - - -void icvFindClusterLabels( const CvMat* probs, float outlier_thresh, float r, - const CvMat* labels ) -{ - CvMat* counts = 0; - - CV_FUNCNAME("icvFindClusterLabels"); - __BEGIN__; - - int nclusters, nsamples; - int i, j; - double* probs_data; - - CV_ASSERT( ICV_IS_MAT_OF_TYPE(probs, CV_64FC1) ); - CV_ASSERT( ICV_IS_MAT_OF_TYPE(labels, CV_32SC1) ); - - nclusters = probs->cols; - nsamples = probs->rows; - CV_ASSERT( nsamples == labels->cols ); - - CV_CALL( counts = cvCreateMat( 1, nclusters + 1, CV_32SC1 ) ); - CV_CALL( cvSetZero( counts )); - for( i = 0; i < nsamples; i++ ) - { - labels->data.i[i] = icvGetNumberOfCluster( probs->data.db + i*probs->cols, - nclusters, r, outlier_thresh, 1 ); - counts->data.i[labels->data.i[i] + 1]++; - } - CV_ASSERT((int)cvSum(counts).val[0] == nsamples); - // Filling empty clusters with the vector, that has the maximal probability - for( j = 0; j < nclusters; j++ ) // outliers are ignored - { - int maxprob_loc = -1; - double maxprob = 0; - - if( counts->data.i[j+1] ) // j-th class is not empty - continue; - // look for the presentative, which is not lonely in it's cluster - // and that has a maximal probability among all these vectors - probs_data = probs->data.db; - for( i = 0; i < nsamples; i++, probs_data++ ) - { - int label = labels->data.i[i]; - double prob; - if( counts->data.i[label+1] == 0 || - (counts->data.i[label+1] <= 1 && label != -1) ) - continue; - prob = *probs_data; - if( prob >= maxprob ) - { - maxprob = prob; - maxprob_loc = i; - } - } - // maxprob_loc == 0 <=> number of vectors less then number of clusters - CV_ASSERT( maxprob_loc >= 0 ); - counts->data.i[labels->data.i[maxprob_loc] + 1]--; - labels->data.i[maxprob_loc] = j; - counts->data.i[j + 1]++; - } - - __END__; - - cvReleaseMat( &counts ); -} // End of icvFindClusterLabels +}} /* End of file */ diff --git a/modules/ml/src/knearest.cpp b/modules/ml/src/knearest.cpp index a05a30da86..3ead3228f5 100644 --- a/modules/ml/src/knearest.cpp +++ b/modules/ml/src/knearest.cpp @@ -7,9 +7,11 @@ // copy or use the software. // // -// Intel License Agreement +// License Agreement +// For Open Source Computer Vision Library // // Copyright (C) 2000, Intel Corporation, all rights reserved. +// Copyright (C) 2014, Itseez Inc, all rights reserved. // Third party copyrights are property of their respective owners. // // Redistribution and use in source and binary forms, with or without modification, @@ -22,7 +24,7 @@ // this list of conditions and the following disclaimer in the documentation // and/or other materials provided with the distribution. // -// * The name of Intel Corporation may not be used to endorse or promote products +// * The name of the copyright holders may not be used to endorse or promote products // derived from this software without specific prior written permission. // // This software is provided by the copyright holders and contributors "as is" and @@ -41,442 +43,321 @@ #include "precomp.hpp" /****************************************************************************************\ -* K-Nearest Neighbors Classifier * +* K-Nearest Neighbors Classifier * \****************************************************************************************/ -// k Nearest Neighbors -CvKNearest::CvKNearest() +namespace cv { +namespace ml { + +KNearest::Params::Params(int k, bool isclassifier_) { - samples = 0; - clear(); + defaultK = k; + isclassifier = isclassifier_; } -CvKNearest::~CvKNearest() +class KNearestImpl : public KNearest { - clear(); -} - - -CvKNearest::CvKNearest( const CvMat* _train_data, const CvMat* _responses, - const CvMat* _sample_idx, bool _is_regression, int _max_k ) -{ - samples = 0; - train( _train_data, _responses, _sample_idx, _is_regression, _max_k, false ); -} - - -void CvKNearest::clear() -{ - while( samples ) +public: + KNearestImpl(const Params& p) { - CvVectors* next_samples = samples->next; - cvFree( &samples->data.fl ); - cvFree( &samples ); - samples = next_samples; - } - var_count = 0; - total = 0; - max_k = 0; -} - - -int CvKNearest::get_max_k() const { return max_k; } - -int CvKNearest::get_var_count() const { return var_count; } - -bool CvKNearest::is_regression() const { return regression; } - -int CvKNearest::get_sample_count() const { return total; } - -bool CvKNearest::train( const CvMat* _train_data, const CvMat* _responses, - const CvMat* _sample_idx, bool _is_regression, - int _max_k, bool _update_base ) -{ - bool ok = false; - CvMat* responses = 0; - - CV_FUNCNAME( "CvKNearest::train" ); - - __BEGIN__; - - CvVectors* _samples = 0; - float** _data = 0; - int _count = 0, _dims = 0, _dims_all = 0, _rsize = 0; - - if( !_update_base ) - clear(); - - // Prepare training data and related parameters. - // Treat categorical responses as ordered - to prevent class label compression and - // to enable entering new classes in the updates - CV_CALL( cvPrepareTrainData( "CvKNearest::train", _train_data, CV_ROW_SAMPLE, - _responses, CV_VAR_ORDERED, 0, _sample_idx, true, (const float***)&_data, - &_count, &_dims, &_dims_all, &responses, 0, 0 )); - - if( !responses ) - CV_ERROR( CV_StsNoMem, "Could not allocate memory for responses" ); - - if( _update_base && _dims != var_count ) - CV_ERROR( CV_StsBadArg, "The newly added data have different dimensionality" ); - - if( !_update_base ) - { - if( _max_k < 1 ) - CV_ERROR( CV_StsOutOfRange, "max_k must be a positive number" ); - - regression = _is_regression; - var_count = _dims; - max_k = _max_k; + params = p; } - _rsize = _count*sizeof(float); - CV_CALL( _samples = (CvVectors*)cvAlloc( sizeof(*_samples) + _rsize )); - _samples->next = samples; - _samples->type = CV_32F; - _samples->data.fl = _data; - _samples->count = _count; - total += _count; + virtual ~KNearestImpl() {} - samples = _samples; - memcpy( _samples + 1, responses->data.fl, _rsize ); + Params getParams() const { return params; } + void setParams(const Params& p) { params = p; } - ok = true; + bool isClassifier() const { return params.isclassifier; } + bool isTrained() const { return !samples.empty(); } - __END__; + String getDefaultModelName() const { return "opencv_ml_knn"; } - if( responses && responses->data.ptr != _responses->data.ptr ) - cvReleaseMat(&responses); - - return ok; -} - - - -void CvKNearest::find_neighbors_direct( const CvMat* _samples, int k, int start, int end, - float* neighbor_responses, const float** neighbors, float* dist ) const -{ - int i, j, count = end - start, k1 = 0, k2 = 0, d = var_count; - CvVectors* s = samples; - - for( ; s != 0; s = s->next ) + void clear() { - int n = s->count; - for( j = 0; j < n; j++ ) + samples.release(); + responses.release(); + } + + int getVarCount() const { return samples.cols; } + + bool train( const Ptr& data, int flags ) + { + Mat new_samples = data->getTrainSamples(ROW_SAMPLE); + Mat new_responses; + data->getTrainResponses().convertTo(new_responses, CV_32F); + bool update = (flags & UPDATE_MODEL) != 0 && !samples.empty(); + + CV_Assert( new_samples.type() == CV_32F ); + + if( !update ) { - for( i = 0; i < count; i++ ) + clear(); + } + else + { + CV_Assert( new_samples.cols == samples.cols && + new_responses.cols == responses.cols ); + } + + samples.push_back(new_samples); + responses.push_back(new_responses); + + return true; + } + + void findNearestCore( const Mat& _samples, int k0, const Range& range, + Mat* results, Mat* neighbor_responses, + Mat* dists, float* presult ) const + { + int testidx, baseidx, i, j, d = samples.cols, nsamples = samples.rows; + int testcount = range.end - range.start; + int k = std::min(k0, nsamples); + + AutoBuffer buf(testcount*k*2); + float* dbuf = buf; + float* rbuf = dbuf + testcount*k; + + const float* rptr = responses.ptr(); + + for( testidx = 0; testidx < testcount; testidx++ ) + { + for( i = 0; i < k; i++ ) { - double sum = 0; + dbuf[testidx*k + i] = FLT_MAX; + rbuf[testidx*k + i] = 0.f; + } + } + + for( baseidx = 0; baseidx < nsamples; baseidx++ ) + { + for( testidx = 0; testidx < testcount; testidx++ ) + { + const float* v = samples.ptr(baseidx); + const float* u = _samples.ptr(testidx + range.start); + + float s = 0; + for( i = 0; i <= d - 4; i += 4 ) + { + float t0 = u[i] - v[i], t1 = u[i+1] - v[i+1]; + float t2 = u[i+2] - v[i+2], t3 = u[i+3] - v[i+3]; + s += t0*t0 + t1*t1 + t2*t2 + t3*t3; + } + + for( ; i < d; i++ ) + { + float t0 = u[i] - v[i]; + s += t0*t0; + } + Cv32suf si; - const float* v = s->data.fl[j]; - const float* u = (float*)(_samples->data.ptr + _samples->step*(start + i)); - Cv32suf* dd = (Cv32suf*)(dist + i*k); - float* nr; - const float** nn; - int t, ii, ii1; + si.f = (float)s; + Cv32suf* dd = (Cv32suf*)(&dbuf[testidx*k]); + float* nr = &rbuf[testidx*k]; - for( t = 0; t <= d - 4; t += 4 ) - { - double t0 = u[t] - v[t], t1 = u[t+1] - v[t+1]; - double t2 = u[t+2] - v[t+2], t3 = u[t+3] - v[t+3]; - sum += t0*t0 + t1*t1 + t2*t2 + t3*t3; - } - - for( ; t < d; t++ ) - { - double t0 = u[t] - v[t]; - sum += t0*t0; - } - - si.f = (float)sum; - for( ii = k1-1; ii >= 0; ii-- ) - if( si.i > dd[ii].i ) + for( i = k; i > 0; i-- ) + if( si.i >= dd[i-1].i ) break; - if( ii >= k-1 ) + if( i >= k ) continue; - nr = neighbor_responses + i*k; - nn = neighbors ? neighbors + (start + i)*k : 0; - for( ii1 = k2 - 1; ii1 > ii; ii1-- ) + for( j = k-2; j >= i; j-- ) { - dd[ii1+1].i = dd[ii1].i; - nr[ii1+1] = nr[ii1]; - if( nn ) nn[ii1+1] = nn[ii1]; + dd[j+1].i = dd[j].i; + nr[j+1] = nr[j]; } - dd[ii+1].i = si.i; - nr[ii+1] = ((float*)(s + 1))[j]; - if( nn ) - nn[ii+1] = v; + dd[i].i = si.i; + nr[i] = rptr[baseidx]; } - k1 = MIN( k1+1, k ); - k2 = MIN( k1, k-1 ); } - } -} + float result = 0.f; + float inv_scale = 1.f/k; -float CvKNearest::write_results( int k, int k1, int start, int end, - const float* neighbor_responses, const float* dist, - CvMat* _results, CvMat* _neighbor_responses, - CvMat* _dist, Cv32suf* sort_buf ) const -{ - float result = 0.f; - int i, j, j1, count = end - start; - double inv_scale = 1./k1; - int rstep = _results && !CV_IS_MAT_CONT(_results->type) ? _results->step/sizeof(result) : 1; - - for( i = 0; i < count; i++ ) - { - const Cv32suf* nr = (const Cv32suf*)(neighbor_responses + i*k); - float* dst; - float r; - if( _results || start+i == 0 ) + for( testidx = 0; testidx < testcount; testidx++ ) { - if( regression ) + if( neighbor_responses ) { - double s = 0; - for( j = 0; j < k1; j++ ) - s += nr[j].f; - r = (float)(s*inv_scale); + float* nr = neighbor_responses->ptr(testidx + range.start); + for( j = 0; j < k; j++ ) + nr[j] = rbuf[testidx*k + j]; + for( ; j < k0; j++ ) + nr[j] = 0.f; } - else + + if( dists ) { - int prev_start = 0, best_count = 0, cur_count; - Cv32suf best_val; + float* dptr = dists->ptr(testidx + range.start); + for( j = 0; j < k; j++ ) + dptr[j] = dbuf[testidx*k + j]; + for( ; j < k0; j++ ) + dptr[j] = 0.f; + } - for( j = 0; j < k1; j++ ) - sort_buf[j].i = nr[j].i; - - for( j = k1-1; j > 0; j-- ) + if( results || testidx+range.start == 0 ) + { + if( !params.isclassifier || k == 1 ) { - bool swap_fl = false; - for( j1 = 0; j1 < j; j1++ ) - if( sort_buf[j1].i > sort_buf[j1+1].i ) - { - int t; - CV_SWAP( sort_buf[j1].i, sort_buf[j1+1].i, t ); - swap_fl = true; - } - if( !swap_fl ) - break; + float s = 0.f; + for( j = 0; j < k; j++ ) + s += rbuf[testidx*k + j]; + result = (float)(s*inv_scale); } - - best_val.i = 0; - for( j = 1; j <= k1; j++ ) - if( j == k1 || sort_buf[j].i != sort_buf[j-1].i ) + else + { + float* rp = rbuf + testidx*k; + for( j = k-1; j > 0; j-- ) { - cur_count = j - prev_start; - if( best_count < cur_count ) + bool swap_fl = false; + for( i = 0; i < j; i++ ) { - best_count = cur_count; - best_val.i = sort_buf[j-1].i; + if( rp[i] > rp[i+1] ) + { + std::swap(rp[i], rp[i+1]); + swap_fl = true; + } } - prev_start = j; + if( !swap_fl ) + break; } - r = best_val.f; + + result = rp[0]; + int prev_start = 0; + int best_count = 0; + for( j = 1; j <= k; j++ ) + { + if( j == k || rp[j] != rp[j-1] ) + { + int count = j - prev_start; + if( best_count < count ) + { + best_count = count; + result = rp[j-1]; + } + prev_start = j; + } + } + } + if( results ) + results->at(testidx + range.start) = result; + if( presult && testidx+range.start == 0 ) + *presult = result; } - - if( start+i == 0 ) - result = r; - - if( _results ) - _results->data.fl[(start + i)*rstep] = r; - } - - if( _neighbor_responses ) - { - dst = (float*)(_neighbor_responses->data.ptr + - (start + i)*_neighbor_responses->step); - for( j = 0; j < k1; j++ ) - dst[j] = nr[j].f; - for( ; j < k; j++ ) - dst[j] = 0.f; - } - - if( _dist ) - { - dst = (float*)(_dist->data.ptr + (start + i)*_dist->step); - for( j = 0; j < k1; j++ ) - dst[j] = dist[j + i*k]; - for( ; j < k; j++ ) - dst[j] = 0.f; } } - return result; -} - -struct P1 : cv::ParallelLoopBody { - P1(const CvKNearest* _pointer, int _buf_sz, int _k, const CvMat* __samples, const float** __neighbors, - int _k1, CvMat* __results, CvMat* __neighbor_responses, CvMat* __dist, float* _result) - { - pointer = _pointer; - k = _k; - _samples = __samples; - _neighbors = __neighbors; - k1 = _k1; - _results = __results; - _neighbor_responses = __neighbor_responses; - _dist = __dist; - result = _result; - buf_sz = _buf_sz; - } - - const CvKNearest* pointer; - int k; - const CvMat* _samples; - const float** _neighbors; - int k1; - CvMat* _results; - CvMat* _neighbor_responses; - CvMat* _dist; - float* result; - int buf_sz; - - void operator()( const cv::Range& range ) const - { - cv::AutoBuffer buf(buf_sz); - for(int i = range.start; i < range.end; i += 1 ) + struct findKNearestInvoker : public ParallelLoopBody { - float* neighbor_responses = &buf[0]; - float* dist = neighbor_responses + 1*k; - Cv32suf* sort_buf = (Cv32suf*)(dist + 1*k); + findKNearestInvoker(const KNearestImpl* _p, int _k, const Mat& __samples, + Mat* __results, Mat* __neighbor_responses, Mat* __dists, float* _presult) + { + p = _p; + k = _k; + _samples = &__samples; + _results = __results; + _neighbor_responses = __neighbor_responses; + _dists = __dists; + presult = _presult; + } - pointer->find_neighbors_direct( _samples, k, i, i + 1, - neighbor_responses, _neighbors, dist ); + void operator()( const Range& range ) const + { + int delta = std::min(range.end - range.start, 256); + for( int start = range.start; start < range.end; start += delta ) + { + p->findNearestCore( *_samples, k, Range(start, std::min(start + delta, range.end)), + _results, _neighbor_responses, _dists, presult ); + } + } - float r = pointer->write_results( k, k1, i, i + 1, neighbor_responses, dist, - _results, _neighbor_responses, _dist, sort_buf ); + const KNearestImpl* p; + int k; + const Mat* _samples; + Mat* _results; + Mat* _neighbor_responses; + Mat* _dists; + float* presult; + }; - if( i == 0 ) - *result = r; + float findNearest( InputArray _samples, int k, + OutputArray _results, + OutputArray _neighborResponses, + OutputArray _dists ) const + { + float result = 0.f; + CV_Assert( 0 < k ); + + Mat test_samples = _samples.getMat(); + CV_Assert( test_samples.type() == CV_32F && test_samples.cols == samples.cols ); + int testcount = test_samples.rows; + + if( testcount == 0 ) + { + _results.release(); + _neighborResponses.release(); + _dists.release(); + return 0.f; + } + + Mat res, nr, d, *pres = 0, *pnr = 0, *pd = 0; + if( _results.needed() ) + { + _results.create(testcount, 1, CV_32F); + pres = &(res = _results.getMat()); + } + if( _neighborResponses.needed() ) + { + _neighborResponses.create(testcount, k, CV_32F); + pnr = &(nr = _neighborResponses.getMat()); + } + if( _dists.needed() ) + { + _dists.create(testcount, k, CV_32F); + pd = &(d = _dists.getMat()); + } + + findKNearestInvoker invoker(this, k, test_samples, pres, pnr, pd, &result); + parallel_for_(Range(0, testcount), invoker); + //invoker(Range(0, testcount)); + return result; } - } + float predict(InputArray inputs, OutputArray outputs, int) const + { + return findNearest( inputs, params.defaultK, outputs, noArray(), noArray() ); + } + + void write( FileStorage& fs ) const + { + fs << "is_classifier" << (int)params.isclassifier; + fs << "default_k" << params.defaultK; + + fs << "samples" << samples; + fs << "responses" << responses; + } + + void read( const FileNode& fn ) + { + clear(); + params.isclassifier = (int)fn["is_classifier"] != 0; + params.defaultK = (int)fn["default_k"]; + + fn["samples"] >> samples; + fn["responses"] >> responses; + } + + Mat samples; + Mat responses; + Params params; }; -float CvKNearest::find_nearest( const CvMat* _samples, int k, CvMat* _results, - const float** _neighbors, CvMat* _neighbor_responses, CvMat* _dist ) const +Ptr KNearest::create(const Params& p) { - float result = 0.f; - const int max_blk_count = 128, max_buf_sz = 1 << 12; - - if( !samples ) - CV_Error( CV_StsError, "The search tree must be constructed first using train method" ); - - if( !CV_IS_MAT(_samples) || - CV_MAT_TYPE(_samples->type) != CV_32FC1 || - _samples->cols != var_count ) - CV_Error( CV_StsBadArg, "Input samples must be floating-point matrix (x)" ); - - if( _results && (!CV_IS_MAT(_results) || - (_results->cols != 1 && _results->rows != 1) || - _results->cols + _results->rows - 1 != _samples->rows) ) - CV_Error( CV_StsBadArg, - "The results must be 1d vector containing as much elements as the number of samples" ); - - if( _results && CV_MAT_TYPE(_results->type) != CV_32FC1 && - (CV_MAT_TYPE(_results->type) != CV_32SC1 || regression)) - CV_Error( CV_StsUnsupportedFormat, - "The results must be floating-point or integer (in case of classification) vector" ); - - if( k < 1 || k > max_k ) - CV_Error( CV_StsOutOfRange, "k must be within 1..max_k range" ); - - if( _neighbor_responses ) - { - if( !CV_IS_MAT(_neighbor_responses) || CV_MAT_TYPE(_neighbor_responses->type) != CV_32FC1 || - _neighbor_responses->rows != _samples->rows || _neighbor_responses->cols != k ) - CV_Error( CV_StsBadArg, - "The neighbor responses (if present) must be floating-point matrix of x size" ); - } - - if( _dist ) - { - if( !CV_IS_MAT(_dist) || CV_MAT_TYPE(_dist->type) != CV_32FC1 || - _dist->rows != _samples->rows || _dist->cols != k ) - CV_Error( CV_StsBadArg, - "The distances from the neighbors (if present) must be floating-point matrix of x size" ); - } - - int count = _samples->rows; - int count_scale = k*2; - int blk_count0 = MIN( count, max_blk_count ); - int buf_sz = MIN( blk_count0 * count_scale, max_buf_sz ); - blk_count0 = MAX( buf_sz/count_scale, 1 ); - blk_count0 += blk_count0 % 2; - blk_count0 = MIN( blk_count0, count ); - buf_sz = blk_count0 * count_scale + k; - int k1 = get_sample_count(); - k1 = MIN( k1, k ); - - cv::parallel_for_(cv::Range(0, count), P1(this, buf_sz, k, _samples, _neighbors, k1, - _results, _neighbor_responses, _dist, &result) - ); - - return result; + return makePtr(p); } - -using namespace cv; - -CvKNearest::CvKNearest( const Mat& _train_data, const Mat& _responses, - const Mat& _sample_idx, bool _is_regression, int _max_k ) -{ - samples = 0; - train(_train_data, _responses, _sample_idx, _is_regression, _max_k, false ); } - -bool CvKNearest::train( const Mat& _train_data, const Mat& _responses, - const Mat& _sample_idx, bool _is_regression, - int _max_k, bool _update_base ) -{ - CvMat tdata = _train_data, responses = _responses, sidx = _sample_idx; - - return train(&tdata, &responses, sidx.data.ptr ? &sidx : 0, _is_regression, _max_k, _update_base ); -} - - -float CvKNearest::find_nearest( const Mat& _samples, int k, Mat* _results, - const float** _neighbors, Mat* _neighbor_responses, - Mat* _dist ) const -{ - CvMat s = _samples, results, *presults = 0, nresponses, *pnresponses = 0, dist, *pdist = 0; - - if( _results ) - { - if(!(_results->data && (_results->type() == CV_32F || - (_results->type() == CV_32S && regression)) && - (_results->cols == 1 || _results->rows == 1) && - _results->cols + _results->rows - 1 == _samples.rows) ) - _results->create(_samples.rows, 1, CV_32F); - presults = &(results = *_results); - } - - if( _neighbor_responses ) - { - if(!(_neighbor_responses->data && _neighbor_responses->type() == CV_32F && - _neighbor_responses->cols == k && _neighbor_responses->rows == _samples.rows) ) - _neighbor_responses->create(_samples.rows, k, CV_32F); - pnresponses = &(nresponses = *_neighbor_responses); - } - - if( _dist ) - { - if(!(_dist->data && _dist->type() == CV_32F && - _dist->cols == k && _dist->rows == _samples.rows) ) - _dist->create(_samples.rows, k, CV_32F); - pdist = &(dist = *_dist); - } - - return find_nearest(&s, k, presults, _neighbors, pnresponses, pdist ); -} - - -float CvKNearest::find_nearest( const cv::Mat& _samples, int k, CV_OUT cv::Mat& results, - CV_OUT cv::Mat& neighborResponses, CV_OUT cv::Mat& dists) const -{ - return find_nearest(_samples, k, &results, 0, &neighborResponses, &dists); } /* End of file */ diff --git a/modules/ml/src/ml_init.cpp b/modules/ml/src/ml_init.cpp deleted file mode 100644 index fcf9e1c892..0000000000 --- a/modules/ml/src/ml_init.cpp +++ /dev/null @@ -1,63 +0,0 @@ -/*M/////////////////////////////////////////////////////////////////////////////////////// -// -// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. -// -// By downloading, copying, installing or using the software you agree to this license. -// If you do not agree to this license, do not download, install, -// copy or use the software. -// -// -// License Agreement -// For Open Source Computer Vision Library -// -// Copyright (C) 2000-2008, Intel Corporation, all rights reserved. -// Copyright (C) 2009, Willow Garage Inc., all rights reserved. -// Third party copyrights are property of their respective owners. -// -// Redistribution and use in source and binary forms, with or without modification, -// are permitted provided that the following conditions are met: -// -// * Redistribution's of source code must retain the above copyright notice, -// this list of conditions and the following disclaimer. -// -// * Redistribution's in binary form must reproduce the above copyright notice, -// this list of conditions and the following disclaimer in the documentation -// and/or other materials provided with the distribution. -// -// * The name of the copyright holders may not be used to endorse or promote products -// derived from this software without specific prior written permission. -// -// This software is provided by the copyright holders and contributors "as is" and -// any express or implied warranties, including, but not limited to, the implied -// warranties of merchantability and fitness for a particular purpose are disclaimed. -// In no event shall the Intel Corporation or contributors be liable for any direct, -// indirect, incidental, special, exemplary, or consequential damages -// (including, but not limited to, procurement of substitute goods or services; -// loss of use, data, or profits; or business interruption) however caused -// and on any theory of liability, whether in contract, strict liability, -// or tort (including negligence or otherwise) arising in any way out of -// the use of this software, even if advised of the possibility of such damage. -// -//M*/ - -#include "precomp.hpp" - -namespace cv -{ - -CV_INIT_ALGORITHM(EM, "StatModel.EM", - obj.info()->addParam(obj, "nclusters", obj.nclusters); - obj.info()->addParam(obj, "covMatType", obj.covMatType); - obj.info()->addParam(obj, "maxIters", obj.maxIters); - obj.info()->addParam(obj, "epsilon", obj.epsilon); - obj.info()->addParam(obj, "weights", obj.weights, true); - obj.info()->addParam(obj, "means", obj.means, true); - obj.info()->addParam(obj, "covs", obj.covs, true)) - -bool initModule_ml(void) -{ - Ptr em = createEM_ptr_hidden(); - return em->info() != 0; -} - -} diff --git a/modules/ml/src/nbayes.cpp b/modules/ml/src/nbayes.cpp index 938f3fbd8d..2dbbcdf690 100644 --- a/modules/ml/src/nbayes.cpp +++ b/modules/ml/src/nbayes.cpp @@ -40,622 +40,428 @@ #include "precomp.hpp" -CvNormalBayesClassifier::CvNormalBayesClassifier() -{ - var_count = var_all = 0; - var_idx = 0; - cls_labels = 0; - count = 0; - sum = 0; - productsum = 0; - avg = 0; - inv_eigen_values = 0; - cov_rotate_mats = 0; - c = 0; - default_model_name = "my_nb"; -} +namespace cv { +namespace ml { +NormalBayesClassifier::Params::Params() {} -void CvNormalBayesClassifier::clear() +class NormalBayesClassifierImpl : public NormalBayesClassifier { - if( cls_labels ) +public: + NormalBayesClassifierImpl() { - for( int cls = 0; cls < cls_labels->cols; cls++ ) - { - cvReleaseMat( &count[cls] ); - cvReleaseMat( &sum[cls] ); - cvReleaseMat( &productsum[cls] ); - cvReleaseMat( &avg[cls] ); - cvReleaseMat( &inv_eigen_values[cls] ); - cvReleaseMat( &cov_rotate_mats[cls] ); - } + nallvars = 0; } - cvReleaseMat( &cls_labels ); - cvReleaseMat( &var_idx ); - cvReleaseMat( &c ); - cvFree( &count ); -} + void setParams(const Params&) {} + Params getParams() const { return Params(); } - -CvNormalBayesClassifier::~CvNormalBayesClassifier() -{ - clear(); -} - - -CvNormalBayesClassifier::CvNormalBayesClassifier( - const CvMat* _train_data, const CvMat* _responses, - const CvMat* _var_idx, const CvMat* _sample_idx ) -{ - var_count = var_all = 0; - var_idx = 0; - cls_labels = 0; - count = 0; - sum = 0; - productsum = 0; - avg = 0; - inv_eigen_values = 0; - cov_rotate_mats = 0; - c = 0; - default_model_name = "my_nb"; - - train( _train_data, _responses, _var_idx, _sample_idx ); -} - - -bool CvNormalBayesClassifier::train( const CvMat* _train_data, const CvMat* _responses, - const CvMat* _var_idx, const CvMat* _sample_idx, bool update ) -{ - const float min_variation = FLT_EPSILON; - bool result = false; - CvMat* responses = 0; - const float** train_data = 0; - CvMat* __cls_labels = 0; - CvMat* __var_idx = 0; - CvMat* cov = 0; - - CV_FUNCNAME( "CvNormalBayesClassifier::train" ); - - __BEGIN__; - - int cls, nsamples = 0, _var_count = 0, _var_all = 0, nclasses = 0; - int s, c1, c2; - const int* responses_data; - - CV_CALL( cvPrepareTrainData( 0, - _train_data, CV_ROW_SAMPLE, _responses, CV_VAR_CATEGORICAL, - _var_idx, _sample_idx, false, &train_data, - &nsamples, &_var_count, &_var_all, &responses, - &__cls_labels, &__var_idx )); - - if( !update ) + bool train( const Ptr& trainData, int flags ) { - const size_t mat_size = sizeof(CvMat*); - size_t data_size; + const float min_variation = FLT_EPSILON; + Mat responses = trainData->getNormCatResponses(); + Mat __cls_labels = trainData->getClassLabels(); + Mat __var_idx = trainData->getVarIdx(); + Mat samples = trainData->getTrainSamples(); + int nclasses = (int)__cls_labels.total(); - clear(); + int nvars = trainData->getNVars(); + int s, c1, c2, cls; - var_idx = __var_idx; - cls_labels = __cls_labels; - __var_idx = __cls_labels = 0; - var_count = _var_count; - var_all = _var_all; + int __nallvars = trainData->getNAllVars(); + bool update = (flags & UPDATE_MODEL) != 0; - nclasses = cls_labels->cols; - data_size = nclasses*6*mat_size; + if( !update ) + { + nallvars = __nallvars; + count.resize(nclasses); + sum.resize(nclasses); + productsum.resize(nclasses); + avg.resize(nclasses); + inv_eigen_values.resize(nclasses); + cov_rotate_mats.resize(nclasses); - CV_CALL( count = (CvMat**)cvAlloc( data_size )); - memset( count, 0, data_size ); + for( cls = 0; cls < nclasses; cls++ ) + { + count[cls] = Mat::zeros( 1, nvars, CV_32SC1 ); + sum[cls] = Mat::zeros( 1, nvars, CV_64FC1 ); + productsum[cls] = Mat::zeros( nvars, nvars, CV_64FC1 ); + avg[cls] = Mat::zeros( 1, nvars, CV_64FC1 ); + inv_eigen_values[cls] = Mat::zeros( 1, nvars, CV_64FC1 ); + cov_rotate_mats[cls] = Mat::zeros( nvars, nvars, CV_64FC1 ); + } - sum = count + nclasses; - productsum = sum + nclasses; - avg = productsum + nclasses; - inv_eigen_values= avg + nclasses; - cov_rotate_mats = inv_eigen_values + nclasses; + var_idx = __var_idx; + cls_labels = __cls_labels; - CV_CALL( c = cvCreateMat( 1, nclasses, CV_64FC1 )); + c.create(1, nclasses, CV_64FC1); + } + else + { + // check that the new training data has the same dimensionality etc. + if( nallvars != __nallvars || + var_idx.size() != __var_idx.size() || + norm(var_idx, __var_idx, NORM_INF) != 0 || + cls_labels.size() != __cls_labels.size() || + norm(cls_labels, __cls_labels, NORM_INF) != 0 ) + CV_Error( CV_StsBadArg, + "The new training data is inconsistent with the original training data; varIdx and the class labels should be the same" ); + } + Mat cov( nvars, nvars, CV_64FC1 ); + int nsamples = samples.rows; + + // process train data (count, sum , productsum) + for( s = 0; s < nsamples; s++ ) + { + cls = responses.at(s); + int* count_data = count[cls].ptr(); + double* sum_data = sum[cls].ptr(); + double* prod_data = productsum[cls].ptr(); + const float* train_vec = samples.ptr(s); + + for( c1 = 0; c1 < nvars; c1++, prod_data += nvars ) + { + double val1 = train_vec[c1]; + sum_data[c1] += val1; + count_data[c1]++; + for( c2 = c1; c2 < nvars; c2++ ) + prod_data[c2] += train_vec[c2]*val1; + } + } + + Mat vt; + + // calculate avg, covariance matrix, c for( cls = 0; cls < nclasses; cls++ ) { - CV_CALL(count[cls] = cvCreateMat( 1, var_count, CV_32SC1 )); - CV_CALL(sum[cls] = cvCreateMat( 1, var_count, CV_64FC1 )); - CV_CALL(productsum[cls] = cvCreateMat( var_count, var_count, CV_64FC1 )); - CV_CALL(avg[cls] = cvCreateMat( 1, var_count, CV_64FC1 )); - CV_CALL(inv_eigen_values[cls] = cvCreateMat( 1, var_count, CV_64FC1 )); - CV_CALL(cov_rotate_mats[cls] = cvCreateMat( var_count, var_count, CV_64FC1 )); - CV_CALL(cvZero( count[cls] )); - CV_CALL(cvZero( sum[cls] )); - CV_CALL(cvZero( productsum[cls] )); - CV_CALL(cvZero( avg[cls] )); - CV_CALL(cvZero( inv_eigen_values[cls] )); - CV_CALL(cvZero( cov_rotate_mats[cls] )); - } - } - else - { - // check that the new training data has the same dimensionality etc. - if( _var_count != var_count || _var_all != var_all || !((!_var_idx && !var_idx) || - (_var_idx && var_idx && cvNorm(_var_idx,var_idx,CV_C) < DBL_EPSILON)) ) - CV_ERROR( CV_StsBadArg, - "The new training data is inconsistent with the original training data" ); + double det = 1; + int i, j; + Mat& w = inv_eigen_values[cls]; + int* count_data = count[cls].ptr(); + double* avg_data = avg[cls].ptr(); + double* sum1 = sum[cls].ptr(); - if( cls_labels->cols != __cls_labels->cols || - cvNorm(cls_labels, __cls_labels, CV_C) > DBL_EPSILON ) - CV_ERROR( CV_StsNotImplemented, - "In the current implementation the new training data must have absolutely " - "the same set of class labels as used in the original training data" ); + completeSymm(productsum[cls], 0); - nclasses = cls_labels->cols; - } - - responses_data = responses->data.i; - CV_CALL( cov = cvCreateMat( _var_count, _var_count, CV_64FC1 )); - - /* process train data (count, sum , productsum) */ - for( s = 0; s < nsamples; s++ ) - { - cls = responses_data[s]; - int* count_data = count[cls]->data.i; - double* sum_data = sum[cls]->data.db; - double* prod_data = productsum[cls]->data.db; - const float* train_vec = train_data[s]; - - for( c1 = 0; c1 < _var_count; c1++, prod_data += _var_count ) - { - double val1 = train_vec[c1]; - sum_data[c1] += val1; - count_data[c1]++; - for( c2 = c1; c2 < _var_count; c2++ ) - prod_data[c2] += train_vec[c2]*val1; - } - } - cvReleaseMat( &responses ); - responses = 0; - - /* calculate avg, covariance matrix, c */ - for( cls = 0; cls < nclasses; cls++ ) - { - double det = 1; - int i, j; - CvMat* w = inv_eigen_values[cls]; - int* count_data = count[cls]->data.i; - double* avg_data = avg[cls]->data.db; - double* sum1 = sum[cls]->data.db; - - cvCompleteSymm( productsum[cls], 0 ); - - for( j = 0; j < _var_count; j++ ) - { - int n = count_data[j]; - avg_data[j] = n ? sum1[j] / n : 0.; - } - - count_data = count[cls]->data.i; - avg_data = avg[cls]->data.db; - sum1 = sum[cls]->data.db; - - for( i = 0; i < _var_count; i++ ) - { - double* avg2_data = avg[cls]->data.db; - double* sum2 = sum[cls]->data.db; - double* prod_data = productsum[cls]->data.db + i*_var_count; - double* cov_data = cov->data.db + i*_var_count; - double s1val = sum1[i]; - double avg1 = avg_data[i]; - int _count = count_data[i]; - - for( j = 0; j <= i; j++ ) + for( j = 0; j < nvars; j++ ) { - double avg2 = avg2_data[j]; - double cov_val = prod_data[j] - avg1 * sum2[j] - avg2 * s1val + avg1 * avg2 * _count; - cov_val = (_count > 1) ? cov_val / (_count - 1) : cov_val; - cov_data[j] = cov_val; + int n = count_data[j]; + avg_data[j] = n ? sum1[j] / n : 0.; + } + + count_data = count[cls].ptr(); + avg_data = avg[cls].ptr(); + sum1 = sum[cls].ptr(); + + for( i = 0; i < nvars; i++ ) + { + double* avg2_data = avg[cls].ptr(); + double* sum2 = sum[cls].ptr(); + double* prod_data = productsum[cls].ptr(i); + double* cov_data = cov.ptr(i); + double s1val = sum1[i]; + double avg1 = avg_data[i]; + int _count = count_data[i]; + + for( j = 0; j <= i; j++ ) + { + double avg2 = avg2_data[j]; + double cov_val = prod_data[j] - avg1 * sum2[j] - avg2 * s1val + avg1 * avg2 * _count; + cov_val = (_count > 1) ? cov_val / (_count - 1) : cov_val; + cov_data[j] = cov_val; + } + } + + completeSymm( cov, 1 ); + + SVD::compute(cov, w, cov_rotate_mats[cls], noArray()); + transpose(cov_rotate_mats[cls], cov_rotate_mats[cls]); + cv::max(w, min_variation, w); + for( j = 0; j < nvars; j++ ) + det *= w.at(j); + + divide(1., w, w); + c.at(cls) = det > 0 ? log(det) : -700; + } + + return true; + } + + class NBPredictBody : public ParallelLoopBody + { + public: + NBPredictBody( const Mat& _c, const vector& _cov_rotate_mats, + const vector& _inv_eigen_values, + const vector& _avg, + const Mat& _samples, const Mat& _vidx, const Mat& _cls_labels, + Mat& _results, Mat& _results_prob, bool _rawOutput ) + { + c = &_c; + cov_rotate_mats = &_cov_rotate_mats; + inv_eigen_values = &_inv_eigen_values; + avg = &_avg; + samples = &_samples; + vidx = &_vidx; + cls_labels = &_cls_labels; + results = &_results; + results_prob = _results_prob.data ? &_results_prob : 0; + rawOutput = _rawOutput; + } + + const Mat* c; + const vector* cov_rotate_mats; + const vector* inv_eigen_values; + const vector* avg; + const Mat* samples; + const Mat* vidx; + const Mat* cls_labels; + + Mat* results_prob; + Mat* results; + float* value; + bool rawOutput; + + void operator()( const Range& range ) const + { + int cls = -1; + int rtype = 0, rptype = 0; + size_t rstep = 0, rpstep = 0; + int nclasses = (int)cls_labels->total(); + int nvars = avg->at(0).cols; + double probability = 0; + const int* vptr = vidx && !vidx->empty() ? vidx->ptr() : 0; + + if (results) + { + rtype = results->type(); + rstep = results->isContinuous() ? 1 : results->step/results->elemSize(); + } + if (results_prob) + { + rptype = results_prob->type(); + rpstep = results_prob->isContinuous() ? 1 : results_prob->step/results_prob->elemSize(); + } + // allocate memory and initializing headers for calculating + cv::AutoBuffer _buffer(nvars*2); + double* _diffin = _buffer; + double* _diffout = _buffer + nvars; + Mat diffin( 1, nvars, CV_64FC1, _diffin ); + Mat diffout( 1, nvars, CV_64FC1, _diffout ); + + for(int k = range.start; k < range.end; k++ ) + { + double opt = FLT_MAX; + + for(int i = 0; i < nclasses; i++ ) + { + double cur = c->at(i); + const Mat& u = cov_rotate_mats->at(i); + const Mat& w = inv_eigen_values->at(i); + + const double* avg_data = avg->at(i).ptr(); + const float* x = samples->ptr(k); + + // cov = u w u' --> cov^(-1) = u w^(-1) u' + for(int j = 0; j < nvars; j++ ) + _diffin[j] = avg_data[j] - x[vptr ? vptr[j] : j]; + + gemm( diffin, u, 1, noArray(), 0, diffout, GEMM_2_T ); + for(int j = 0; j < nvars; j++ ) + { + double d = _diffout[j]; + cur += d*d*w.ptr()[j]; + } + + if( cur < opt ) + { + cls = i; + opt = cur; + } + probability = exp( -0.5 * cur ); + + if( results_prob ) + { + if ( rptype == CV_32FC1 ) + results_prob->ptr()[k*rpstep + i] = (float)probability; + else + results_prob->ptr()[k*rpstep + i] = probability; + } + } + + int ival = rawOutput ? cls : cls_labels->at(cls); + if( results ) + { + if( rtype == CV_32SC1 ) + results->ptr()[k*rstep] = ival; + else + results->ptr()[k*rstep] = (float)ival; + } } } + }; - CV_CALL( cvCompleteSymm( cov, 1 )); - CV_CALL( cvSVD( cov, w, cov_rotate_mats[cls], 0, CV_SVD_U_T )); - CV_CALL( cvMaxS( w, min_variation, w )); - for( j = 0; j < _var_count; j++ ) - det *= w->data.db[j]; - - CV_CALL( cvDiv( NULL, w, w )); - c->data.db[cls] = det > 0 ? log(det) : -700; + float predict( InputArray _samples, OutputArray _results, int flags ) const + { + return predictProb(_samples, _results, noArray(), flags); } - result = true; + float predictProb( InputArray _samples, OutputArray _results, OutputArray _resultsProb, int flags ) const + { + int value=0; + Mat samples = _samples.getMat(), results, resultsProb; + int nsamples = samples.rows, nclasses = (int)cls_labels.total(); + bool rawOutput = (flags & RAW_OUTPUT) != 0; - __END__; + if( samples.type() != CV_32F || samples.cols != nallvars ) + CV_Error( CV_StsBadArg, + "The input samples must be 32f matrix with the number of columns = nallvars" ); - if( !result || cvGetErrStatus() < 0 ) + if( samples.rows > 1 && _results.needed() ) + CV_Error( CV_StsNullPtr, + "When the number of input samples is >1, the output vector of results must be passed" ); + + if( _results.needed() ) + { + _results.create(nsamples, 1, CV_32S); + results = _results.getMat(); + } + else + results = Mat(1, 1, CV_32S, &value); + + if( _resultsProb.needed() ) + { + _resultsProb.create(nsamples, nclasses, CV_32F); + resultsProb = _resultsProb.getMat(); + } + + cv::parallel_for_(cv::Range(0, nsamples), + NBPredictBody(c, cov_rotate_mats, inv_eigen_values, avg, samples, + var_idx, cls_labels, results, resultsProb, rawOutput)); + + return (float)value; + } + + void write( FileStorage& fs ) const + { + int nclasses = (int)cls_labels.total(), i; + + fs << "var_count" << (var_idx.empty() ? nallvars : (int)var_idx.total()); + fs << "var_all" << nallvars; + + if( !var_idx.empty() ) + fs << "var_idx" << var_idx; + fs << "cls_labels" << cls_labels; + + fs << "count" << "["; + for( i = 0; i < nclasses; i++ ) + fs << count[i]; + + fs << "]" << "sum" << "["; + for( i = 0; i < nclasses; i++ ) + fs << sum[i]; + + fs << "]" << "productsum" << "["; + for( i = 0; i < nclasses; i++ ) + fs << productsum[i]; + + fs << "]" << "avg" << "["; + for( i = 0; i < nclasses; i++ ) + fs << avg[i]; + + fs << "]" << "inv_eigen_values" << "["; + for( i = 0; i < nclasses; i++ ) + fs << inv_eigen_values[i]; + + fs << "]" << "cov_rotate_mats" << "["; + for( i = 0; i < nclasses; i++ ) + fs << cov_rotate_mats[i]; + + fs << "]"; + + fs << "c" << c; + } + + void read( const FileNode& fn ) + { clear(); - cvReleaseMat( &cov ); - cvReleaseMat( &__cls_labels ); - cvReleaseMat( &__var_idx ); - cvFree( &train_data ); + fn["var_all"] >> nallvars; - return result; -} + if( nallvars <= 0 ) + CV_Error( CV_StsParseError, + "The field \"var_count\" of NBayes classifier is missing or non-positive" ); -struct predict_body : cv::ParallelLoopBody { - predict_body(CvMat* _c, CvMat** _cov_rotate_mats, CvMat** _inv_eigen_values, CvMat** _avg, - const CvMat* _samples, const int* _vidx, CvMat* _cls_labels, - CvMat* _results, float* _value, int _var_count1, CvMat* _results_prob - ) - { - c = _c; - cov_rotate_mats = _cov_rotate_mats; - inv_eigen_values = _inv_eigen_values; - avg = _avg; - samples = _samples; - vidx = _vidx; - cls_labels = _cls_labels; - results = _results; - value = _value; - var_count1 = _var_count1; - results_prob = _results_prob; - } + fn["var_idx"] >> var_idx; + fn["cls_labels"] >> cls_labels; - CvMat* c; - CvMat** cov_rotate_mats; - CvMat** inv_eigen_values; - CvMat** avg; - const CvMat* samples; - const int* vidx; - CvMat* cls_labels; + int nclasses = (int)cls_labels.total(), i; - CvMat* results_prob; - CvMat* results; - float* value; - int var_count1; + if( cls_labels.empty() || nclasses < 1 ) + CV_Error( CV_StsParseError, "No or invalid \"cls_labels\" in NBayes classifier" ); - void operator()( const cv::Range& range ) const - { + FileNodeIterator + count_it = fn["count"].begin(), + sum_it = fn["sum"].begin(), + productsum_it = fn["productsum"].begin(), + avg_it = fn["avg"].begin(), + inv_eigen_values_it = fn["inv_eigen_values"].begin(), + cov_rotate_mats_it = fn["cov_rotate_mats"].begin(); - int cls = -1; - int rtype = 0, rstep = 0, rptype = 0, rpstep = 0; - int nclasses = cls_labels->cols; - int _var_count = avg[0]->cols; - double probability = 0; + count.resize(nclasses); + sum.resize(nclasses); + productsum.resize(nclasses); + avg.resize(nclasses); + inv_eigen_values.resize(nclasses); + cov_rotate_mats.resize(nclasses); - if (results) - { - rtype = CV_MAT_TYPE(results->type); - rstep = CV_IS_MAT_CONT(results->type) ? 1 : results->step/CV_ELEM_SIZE(rtype); - } - if (results_prob) - { - rptype = CV_MAT_TYPE(results_prob->type); - rpstep = CV_IS_MAT_CONT(results_prob->type) ? 1 : results_prob->step/CV_ELEM_SIZE(rptype); - } - // allocate memory and initializing headers for calculating - cv::AutoBuffer buffer(nclasses + var_count1); - CvMat diff = cvMat( 1, var_count1, CV_64FC1, &buffer[0] ); - - for(int k = range.start; k < range.end; k += 1 ) - { - int ival; - double opt = FLT_MAX; - - for(int i = 0; i < nclasses; i++ ) + for( i = 0; i < nclasses; i++, ++count_it, ++sum_it, ++productsum_it, ++avg_it, + ++inv_eigen_values_it, ++cov_rotate_mats_it ) { - double cur = c->data.db[i]; - CvMat* u = cov_rotate_mats[i]; - CvMat* w = inv_eigen_values[i]; - - const double* avg_data = avg[i]->data.db; - const float* x = (const float*)(samples->data.ptr + samples->step*k); - - // cov = u w u' --> cov^(-1) = u w^(-1) u' - for(int j = 0; j < _var_count; j++ ) - diff.data.db[j] = avg_data[j] - x[vidx ? vidx[j] : j]; - - cvGEMM( &diff, u, 1, 0, 0, &diff, CV_GEMM_B_T ); - for(int j = 0; j < _var_count; j++ ) - { - double d = diff.data.db[j]; - cur += d*d*w->data.db[j]; - } - - if( cur < opt ) - { - cls = i; - opt = cur; - } - /* probability = exp( -0.5 * cur ) */ - probability = exp( -0.5 * cur ); + *count_it >> count[i]; + *sum_it >> sum[i]; + *productsum_it >> productsum[i]; + *avg_it >> avg[i]; + *inv_eigen_values_it >> inv_eigen_values[i]; + *cov_rotate_mats_it >> cov_rotate_mats[i]; } - ival = cls_labels->data.i[cls]; - if( results ) - { - if( rtype == CV_32SC1 ) - results->data.i[k*rstep] = ival; - else - results->data.fl[k*rstep] = (float)ival; - } - if ( results_prob ) - { - if ( rptype == CV_32FC1 ) - results_prob->data.fl[k*rpstep] = (float)probability; - else - results_prob->data.db[k*rpstep] = probability; - } - if( k == 0 ) - *value = (float)ival; + fn["c"] >> c; } - } + + void clear() + { + count.clear(); + sum.clear(); + productsum.clear(); + avg.clear(); + inv_eigen_values.clear(); + cov_rotate_mats.clear(); + + var_idx.release(); + cls_labels.release(); + c.release(); + nallvars = 0; + } + + bool isTrained() const { return !avg.empty(); } + bool isClassifier() const { return true; } + int getVarCount() const { return nallvars; } + String getDefaultModelName() const { return "opencv_ml_nbayes"; } + + int nallvars; + Mat var_idx, cls_labels, c; + vector count, sum, productsum, avg, inv_eigen_values, cov_rotate_mats; }; -float CvNormalBayesClassifier::predict( const CvMat* samples, CvMat* results, CvMat* results_prob ) const +Ptr NormalBayesClassifier::create(const Params&) { - float value = 0; - - if( !CV_IS_MAT(samples) || CV_MAT_TYPE(samples->type) != CV_32FC1 || samples->cols != var_all ) - CV_Error( CV_StsBadArg, - "The input samples must be 32f matrix with the number of columns = var_all" ); - - if( samples->rows > 1 && !results ) - CV_Error( CV_StsNullPtr, - "When the number of input samples is >1, the output vector of results must be passed" ); - - if( results ) - { - if( !CV_IS_MAT(results) || (CV_MAT_TYPE(results->type) != CV_32FC1 && - CV_MAT_TYPE(results->type) != CV_32SC1) || - (results->cols != 1 && results->rows != 1) || - results->cols + results->rows - 1 != samples->rows ) - CV_Error( CV_StsBadArg, "The output array must be integer or floating-point vector " - "with the number of elements = number of rows in the input matrix" ); - } - - if( results_prob ) - { - if( !CV_IS_MAT(results_prob) || (CV_MAT_TYPE(results_prob->type) != CV_32FC1 && - CV_MAT_TYPE(results_prob->type) != CV_64FC1) || - (results_prob->cols != 1 && results_prob->rows != 1) || - results_prob->cols + results_prob->rows - 1 != samples->rows ) - CV_Error( CV_StsBadArg, "The output array must be double or float vector " - "with the number of elements = number of rows in the input matrix" ); - } - - const int* vidx = var_idx ? var_idx->data.i : 0; - - cv::parallel_for_(cv::Range(0, samples->rows), - predict_body(c, cov_rotate_mats, inv_eigen_values, avg, samples, - vidx, cls_labels, results, &value, var_count, results_prob)); - - return value; + Ptr p = makePtr(); + return p; } - -void CvNormalBayesClassifier::write( CvFileStorage* fs, const char* name ) const -{ - CV_FUNCNAME( "CvNormalBayesClassifier::write" ); - - __BEGIN__; - - int nclasses, i; - - nclasses = cls_labels->cols; - - cvStartWriteStruct( fs, name, CV_NODE_MAP, CV_TYPE_NAME_ML_NBAYES ); - - CV_CALL( cvWriteInt( fs, "var_count", var_count )); - CV_CALL( cvWriteInt( fs, "var_all", var_all )); - - if( var_idx ) - CV_CALL( cvWrite( fs, "var_idx", var_idx )); - CV_CALL( cvWrite( fs, "cls_labels", cls_labels )); - - CV_CALL( cvStartWriteStruct( fs, "count", CV_NODE_SEQ )); - for( i = 0; i < nclasses; i++ ) - CV_CALL( cvWrite( fs, NULL, count[i] )); - CV_CALL( cvEndWriteStruct( fs )); - - CV_CALL( cvStartWriteStruct( fs, "sum", CV_NODE_SEQ )); - for( i = 0; i < nclasses; i++ ) - CV_CALL( cvWrite( fs, NULL, sum[i] )); - CV_CALL( cvEndWriteStruct( fs )); - - CV_CALL( cvStartWriteStruct( fs, "productsum", CV_NODE_SEQ )); - for( i = 0; i < nclasses; i++ ) - CV_CALL( cvWrite( fs, NULL, productsum[i] )); - CV_CALL( cvEndWriteStruct( fs )); - - CV_CALL( cvStartWriteStruct( fs, "avg", CV_NODE_SEQ )); - for( i = 0; i < nclasses; i++ ) - CV_CALL( cvWrite( fs, NULL, avg[i] )); - CV_CALL( cvEndWriteStruct( fs )); - - CV_CALL( cvStartWriteStruct( fs, "inv_eigen_values", CV_NODE_SEQ )); - for( i = 0; i < nclasses; i++ ) - CV_CALL( cvWrite( fs, NULL, inv_eigen_values[i] )); - CV_CALL( cvEndWriteStruct( fs )); - - CV_CALL( cvStartWriteStruct( fs, "cov_rotate_mats", CV_NODE_SEQ )); - for( i = 0; i < nclasses; i++ ) - CV_CALL( cvWrite( fs, NULL, cov_rotate_mats[i] )); - CV_CALL( cvEndWriteStruct( fs )); - - CV_CALL( cvWrite( fs, "c", c )); - - cvEndWriteStruct( fs ); - - __END__; } - - -void CvNormalBayesClassifier::read( CvFileStorage* fs, CvFileNode* root_node ) -{ - bool ok = false; - CV_FUNCNAME( "CvNormalBayesClassifier::read" ); - - __BEGIN__; - - int nclasses, i; - size_t data_size; - CvFileNode* node; - CvSeq* seq; - CvSeqReader reader; - - clear(); - - CV_CALL( var_count = cvReadIntByName( fs, root_node, "var_count", -1 )); - CV_CALL( var_all = cvReadIntByName( fs, root_node, "var_all", -1 )); - CV_CALL( var_idx = (CvMat*)cvReadByName( fs, root_node, "var_idx" )); - CV_CALL( cls_labels = (CvMat*)cvReadByName( fs, root_node, "cls_labels" )); - if( !cls_labels ) - CV_ERROR( CV_StsParseError, "No \"cls_labels\" in NBayes classifier" ); - if( cls_labels->cols < 1 ) - CV_ERROR( CV_StsBadArg, "Number of classes is less 1" ); - if( var_count <= 0 ) - CV_ERROR( CV_StsParseError, - "The field \"var_count\" of NBayes classifier is missing" ); - nclasses = cls_labels->cols; - - data_size = nclasses*6*sizeof(CvMat*); - CV_CALL( count = (CvMat**)cvAlloc( data_size )); - memset( count, 0, data_size ); - - sum = count + nclasses; - productsum = sum + nclasses; - avg = productsum + nclasses; - inv_eigen_values = avg + nclasses; - cov_rotate_mats = inv_eigen_values + nclasses; - - CV_CALL( node = cvGetFileNodeByName( fs, root_node, "count" )); - seq = node->data.seq; - if( !CV_NODE_IS_SEQ(node->tag) || seq->total != nclasses) - CV_ERROR( CV_StsBadArg, "" ); - CV_CALL( cvStartReadSeq( seq, &reader, 0 )); - for( i = 0; i < nclasses; i++ ) - { - CV_CALL( count[i] = (CvMat*)cvRead( fs, (CvFileNode*)reader.ptr )); - CV_NEXT_SEQ_ELEM( seq->elem_size, reader ); - } - - CV_CALL( node = cvGetFileNodeByName( fs, root_node, "sum" )); - seq = node->data.seq; - if( !CV_NODE_IS_SEQ(node->tag) || seq->total != nclasses) - CV_ERROR( CV_StsBadArg, "" ); - CV_CALL( cvStartReadSeq( seq, &reader, 0 )); - for( i = 0; i < nclasses; i++ ) - { - CV_CALL( sum[i] = (CvMat*)cvRead( fs, (CvFileNode*)reader.ptr )); - CV_NEXT_SEQ_ELEM( seq->elem_size, reader ); - } - - CV_CALL( node = cvGetFileNodeByName( fs, root_node, "productsum" )); - seq = node->data.seq; - if( !CV_NODE_IS_SEQ(node->tag) || seq->total != nclasses) - CV_ERROR( CV_StsBadArg, "" ); - CV_CALL( cvStartReadSeq( seq, &reader, 0 )); - for( i = 0; i < nclasses; i++ ) - { - CV_CALL( productsum[i] = (CvMat*)cvRead( fs, (CvFileNode*)reader.ptr )); - CV_NEXT_SEQ_ELEM( seq->elem_size, reader ); - } - - CV_CALL( node = cvGetFileNodeByName( fs, root_node, "avg" )); - seq = node->data.seq; - if( !CV_NODE_IS_SEQ(node->tag) || seq->total != nclasses) - CV_ERROR( CV_StsBadArg, "" ); - CV_CALL( cvStartReadSeq( seq, &reader, 0 )); - for( i = 0; i < nclasses; i++ ) - { - CV_CALL( avg[i] = (CvMat*)cvRead( fs, (CvFileNode*)reader.ptr )); - CV_NEXT_SEQ_ELEM( seq->elem_size, reader ); - } - - CV_CALL( node = cvGetFileNodeByName( fs, root_node, "inv_eigen_values" )); - seq = node->data.seq; - if( !CV_NODE_IS_SEQ(node->tag) || seq->total != nclasses) - CV_ERROR( CV_StsBadArg, "" ); - CV_CALL( cvStartReadSeq( seq, &reader, 0 )); - for( i = 0; i < nclasses; i++ ) - { - CV_CALL( inv_eigen_values[i] = (CvMat*)cvRead( fs, (CvFileNode*)reader.ptr )); - CV_NEXT_SEQ_ELEM( seq->elem_size, reader ); - } - - CV_CALL( node = cvGetFileNodeByName( fs, root_node, "cov_rotate_mats" )); - seq = node->data.seq; - if( !CV_NODE_IS_SEQ(node->tag) || seq->total != nclasses) - CV_ERROR( CV_StsBadArg, "" ); - CV_CALL( cvStartReadSeq( seq, &reader, 0 )); - for( i = 0; i < nclasses; i++ ) - { - CV_CALL( cov_rotate_mats[i] = (CvMat*)cvRead( fs, (CvFileNode*)reader.ptr )); - CV_NEXT_SEQ_ELEM( seq->elem_size, reader ); - } - - CV_CALL( c = (CvMat*)cvReadByName( fs, root_node, "c" )); - - ok = true; - - __END__; - - if( !ok ) - clear(); -} - -using namespace cv; - -CvNormalBayesClassifier::CvNormalBayesClassifier( const Mat& _train_data, const Mat& _responses, - const Mat& _var_idx, const Mat& _sample_idx ) -{ - var_count = var_all = 0; - var_idx = 0; - cls_labels = 0; - count = 0; - sum = 0; - productsum = 0; - avg = 0; - inv_eigen_values = 0; - cov_rotate_mats = 0; - c = 0; - default_model_name = "my_nb"; - - CvMat tdata = _train_data, responses = _responses, vidx = _var_idx, sidx = _sample_idx; - train(&tdata, &responses, vidx.data.ptr ? &vidx : 0, - sidx.data.ptr ? &sidx : 0); -} - -bool CvNormalBayesClassifier::train( const Mat& _train_data, const Mat& _responses, - const Mat& _var_idx, const Mat& _sample_idx, bool update ) -{ - CvMat tdata = _train_data, responses = _responses, vidx = _var_idx, sidx = _sample_idx; - return train(&tdata, &responses, vidx.data.ptr ? &vidx : 0, - sidx.data.ptr ? &sidx : 0, update); -} - -float CvNormalBayesClassifier::predict( const Mat& _samples, Mat* _results, Mat* _results_prob ) const -{ - CvMat samples = _samples, results, *presults = 0, results_prob, *presults_prob = 0; - - if( _results ) - { - if( !(_results->data && _results->type() == CV_32F && - (_results->cols == 1 || _results->rows == 1) && - _results->cols + _results->rows - 1 == _samples.rows) ) - _results->create(_samples.rows, 1, CV_32F); - presults = &(results = *_results); - } - - if( _results_prob ) - { - if( !(_results_prob->data && _results_prob->type() == CV_64F && - (_results_prob->cols == 1 || _results_prob->rows == 1) && - _results_prob->cols + _results_prob->rows - 1 == _samples.rows) ) - _results_prob->create(_samples.rows, 1, CV_64F); - presults_prob = &(results_prob = *_results_prob); - } - - return predict(&samples, presults, presults_prob); } /* End of file. */ diff --git a/modules/ml/src/precomp.hpp b/modules/ml/src/precomp.hpp index 551ff81791..d308ae98ec 100644 --- a/modules/ml/src/precomp.hpp +++ b/modules/ml/src/precomp.hpp @@ -38,8 +38,8 @@ // //M*/ -#ifndef __OPENCV_PRECOMP_H__ -#define __OPENCV_PRECOMP_H__ +#ifndef __OPENCV_ML_PRECOMP_HPP__ +#define __OPENCV_ML_PRECOMP_HPP__ #include "opencv2/core.hpp" #include "opencv2/ml.hpp" @@ -56,321 +56,218 @@ #include #include #include - -#define ML_IMPL CV_IMPL -#define __BEGIN__ __CV_BEGIN__ -#define __END__ __CV_END__ -#define EXIT __CV_EXIT__ - -#define CV_MAT_ELEM_FLAG( mat, type, comp, vect, tflag ) \ - (( tflag == CV_ROW_SAMPLE ) \ - ? (CV_MAT_ELEM( mat, type, comp, vect )) \ - : (CV_MAT_ELEM( mat, type, vect, comp ))) - -/* Convert matrix to vector */ -#define ICV_MAT2VEC( mat, vdata, vstep, num ) \ - if( MIN( (mat).rows, (mat).cols ) != 1 ) \ - CV_ERROR( CV_StsBadArg, "" ); \ - (vdata) = ((mat).data.ptr); \ - if( (mat).rows == 1 ) \ - { \ - (vstep) = CV_ELEM_SIZE( (mat).type ); \ - (num) = (mat).cols; \ - } \ - else \ - { \ - (vstep) = (mat).step; \ - (num) = (mat).rows; \ - } - -/* get raw data */ -#define ICV_RAWDATA( mat, flags, rdata, sstep, cstep, m, n ) \ - (rdata) = (mat).data.ptr; \ - if( CV_IS_ROW_SAMPLE( flags ) ) \ - { \ - (sstep) = (mat).step; \ - (cstep) = CV_ELEM_SIZE( (mat).type ); \ - (m) = (mat).rows; \ - (n) = (mat).cols; \ - } \ - else \ - { \ - (cstep) = (mat).step; \ - (sstep) = CV_ELEM_SIZE( (mat).type ); \ - (n) = (mat).rows; \ - (m) = (mat).cols; \ - } - -#define ICV_IS_MAT_OF_TYPE( mat, mat_type) \ - (CV_IS_MAT( mat ) && CV_MAT_TYPE( mat->type ) == (mat_type) && \ - (mat)->cols > 0 && (mat)->rows > 0) - -/* - uchar* data; int sstep, cstep; - trainData->data - uchar* classes; int clstep; int ncl;- trainClasses - uchar* tmask; int tmstep; int ntm; - typeMask - uchar* missed;int msstep, mcstep; -missedMeasurements... - int mm, mn; == m,n == size,dim - uchar* sidx;int sistep; - sampleIdx - uchar* cidx;int cistep; - compIdx - int k, l; == n,m == dim,size (length of cidx, sidx) - int m, n; == size,dim -*/ -#define ICV_DECLARE_TRAIN_ARGS() \ - uchar* data; \ - int sstep, cstep; \ - uchar* classes; \ - int clstep; \ - int ncl; \ - uchar* tmask; \ - int tmstep; \ - int ntm; \ - uchar* missed; \ - int msstep, mcstep; \ - int mm, mn; \ - uchar* sidx; \ - int sistep; \ - uchar* cidx; \ - int cistep; \ - int k, l; \ - int m, n; \ - \ - data = classes = tmask = missed = sidx = cidx = NULL; \ - sstep = cstep = clstep = ncl = tmstep = ntm = msstep = mcstep = mm = mn = 0; \ - sistep = cistep = k = l = m = n = 0; - -#define ICV_TRAIN_DATA_REQUIRED( param, flags ) \ - if( !ICV_IS_MAT_OF_TYPE( (param), CV_32FC1 ) ) \ - { \ - CV_ERROR( CV_StsBadArg, "Invalid " #param " parameter" ); \ - } \ - else \ - { \ - ICV_RAWDATA( *(param), (flags), data, sstep, cstep, m, n ); \ - k = n; \ - l = m; \ - } - -#define ICV_TRAIN_CLASSES_REQUIRED( param ) \ - if( !ICV_IS_MAT_OF_TYPE( (param), CV_32FC1 ) ) \ - { \ - CV_ERROR( CV_StsBadArg, "Invalid " #param " parameter" ); \ - } \ - else \ - { \ - ICV_MAT2VEC( *(param), classes, clstep, ncl ); \ - if( m != ncl ) \ - { \ - CV_ERROR( CV_StsBadArg, "Unmatched sizes" ); \ - } \ - } - -#define ICV_ARG_NULL( param ) \ - if( (param) != NULL ) \ - { \ - CV_ERROR( CV_StsBadArg, #param " parameter must be NULL" ); \ - } - -#define ICV_MISSED_MEASUREMENTS_OPTIONAL( param, flags ) \ - if( param ) \ - { \ - if( !ICV_IS_MAT_OF_TYPE( param, CV_8UC1 ) ) \ - { \ - CV_ERROR( CV_StsBadArg, "Invalid " #param " parameter" ); \ - } \ - else \ - { \ - ICV_RAWDATA( *(param), (flags), missed, msstep, mcstep, mm, mn ); \ - if( mm != m || mn != n ) \ - { \ - CV_ERROR( CV_StsBadArg, "Unmatched sizes" ); \ - } \ - } \ - } - -#define ICV_COMP_IDX_OPTIONAL( param ) \ - if( param ) \ - { \ - if( !ICV_IS_MAT_OF_TYPE( param, CV_32SC1 ) ) \ - { \ - CV_ERROR( CV_StsBadArg, "Invalid " #param " parameter" ); \ - } \ - else \ - { \ - ICV_MAT2VEC( *(param), cidx, cistep, k ); \ - if( k > n ) \ - CV_ERROR( CV_StsBadArg, "Invalid " #param " parameter" ); \ - } \ - } - -#define ICV_SAMPLE_IDX_OPTIONAL( param ) \ - if( param ) \ - { \ - if( !ICV_IS_MAT_OF_TYPE( param, CV_32SC1 ) ) \ - { \ - CV_ERROR( CV_StsBadArg, "Invalid " #param " parameter" ); \ - } \ - else \ - { \ - ICV_MAT2VEC( *sampleIdx, sidx, sistep, l ); \ - if( l > m ) \ - CV_ERROR( CV_StsBadArg, "Invalid " #param " parameter" ); \ - } \ - } - -/****************************************************************************************/ -#define ICV_CONVERT_FLOAT_ARRAY_TO_MATRICE( array, matrice ) \ -{ \ - CvMat a, b; \ - int dims = (matrice)->cols; \ - int nsamples = (matrice)->rows; \ - int type = CV_MAT_TYPE((matrice)->type); \ - int i, offset = dims; \ - \ - CV_ASSERT( type == CV_32FC1 || type == CV_64FC1 ); \ - offset *= ((type == CV_32FC1) ? sizeof(float) : sizeof(double));\ - \ - b = cvMat( 1, dims, CV_32FC1 ); \ - cvGetRow( matrice, &a, 0 ); \ - for( i = 0; i < nsamples; i++, a.data.ptr += offset ) \ - { \ - b.data.fl = (float*)array[i]; \ - CV_CALL( cvConvert( &b, &a ) ); \ - } \ -} +#include /****************************************************************************************\ -* Auxiliary functions declarations * -\****************************************************************************************/ + * Main struct definitions * + \****************************************************************************************/ -/* Generates a set of classes centers in quantity that are generated as - uniform random vectors in parallelepiped, where is concentrated. Vectors in - should have horizontal orientation. If != NULL, the function doesn't - allocate any memory and stores generated centers in , returns . - If == NULL, the function allocates memory and creates the matrice. Centers - are supposed to be oriented horizontally. */ -CvMat* icvGenerateRandomClusterCenters( int seed, - const CvMat* data, - int num_of_clusters, - CvMat* centers CV_DEFAULT(0)); - -/* Fills the using by choosing the maximal probability. Outliers are - fixed by and have cluster label (-1). Function also controls that there - weren't "empty" clusters by filling empty clusters with the maximal probability vector. - If probs_sums != NULL, filles it with the sums of probabilities for each sample (it is - useful for normalizing probabilities' matrice of FCM) */ -void icvFindClusterLabels( const CvMat* probs, float outlier_thresh, float r, - const CvMat* labels ); - -typedef struct CvSparseVecElem32f -{ - int idx; - float val; -} -CvSparseVecElem32f; - -/* Prepare training data and related parameters */ -#define CV_TRAIN_STATMODEL_DEFRAGMENT_TRAIN_DATA 1 -#define CV_TRAIN_STATMODEL_SAMPLES_AS_ROWS 2 -#define CV_TRAIN_STATMODEL_SAMPLES_AS_COLUMNS 4 -#define CV_TRAIN_STATMODEL_CATEGORICAL_RESPONSE 8 -#define CV_TRAIN_STATMODEL_ORDERED_RESPONSE 16 -#define CV_TRAIN_STATMODEL_RESPONSES_ON_OUTPUT 32 -#define CV_TRAIN_STATMODEL_ALWAYS_COPY_TRAIN_DATA 64 -#define CV_TRAIN_STATMODEL_SPARSE_AS_SPARSE 128 - -int -cvPrepareTrainData( const char* /*funcname*/, - const CvMat* train_data, int tflag, - const CvMat* responses, int response_type, - const CvMat* var_idx, - const CvMat* sample_idx, - bool always_copy_data, - const float*** out_train_samples, - int* _sample_count, - int* _var_count, - int* _var_all, - CvMat** out_responses, - CvMat** out_response_map, - CvMat** out_var_idx, - CvMat** out_sample_idx=0 ); - -void -cvSortSamplesByClasses( const float** samples, const CvMat* classes, - int* class_ranges, const uchar** mask CV_DEFAULT(0) ); - -void -cvCombineResponseMaps (CvMat* _responses, - const CvMat* old_response_map, - CvMat* new_response_map, - CvMat** out_response_map); - -void -cvPreparePredictData( const CvArr* sample, int dims_all, const CvMat* comp_idx, - int class_count, const CvMat* prob, float** row_sample, - int as_sparse CV_DEFAULT(0) ); - -/* copies clustering [or batch "predict"] results - (labels and/or centers and/or probs) back to the output arrays */ -void -cvWritebackLabels( const CvMat* labels, CvMat* dst_labels, - const CvMat* centers, CvMat* dst_centers, - const CvMat* probs, CvMat* dst_probs, - const CvMat* sample_idx, int samples_all, - const CvMat* comp_idx, int dims_all ); -#define cvWritebackResponses cvWritebackLabels - -#define XML_FIELD_NAME "_name" -CvFileNode* icvFileNodeGetChild(CvFileNode* father, const char* name); -CvFileNode* icvFileNodeGetChildArrayElem(CvFileNode* father, const char* name,int index); -CvFileNode* icvFileNodeGetNext(CvFileNode* n, const char* name); - - -void cvCheckTrainData( const CvMat* train_data, int tflag, - const CvMat* missing_mask, - int* var_all, int* sample_all ); - -CvMat* cvPreprocessIndexArray( const CvMat* idx_arr, int data_arr_size, bool check_for_duplicates=false ); - -CvMat* cvPreprocessVarType( const CvMat* type_mask, const CvMat* var_idx, - int var_all, int* response_type ); - -CvMat* cvPreprocessOrderedResponses( const CvMat* responses, - const CvMat* sample_idx, int sample_all ); - -CvMat* cvPreprocessCategoricalResponses( const CvMat* responses, - const CvMat* sample_idx, int sample_all, - CvMat** out_response_map, CvMat** class_counts=0 ); - -const float** cvGetTrainSamples( const CvMat* train_data, int tflag, - const CvMat* var_idx, const CvMat* sample_idx, - int* _var_count, int* _sample_count, - bool always_copy_data=false ); +/* log(2*PI) */ +#define CV_LOG2PI (1.8378770664093454835606594728112) namespace cv { - struct DTreeBestSplitFinder +namespace ml +{ + using std::vector; + + #define CV_DTREE_CAT_DIR(idx,subset) \ + (2*((subset[(idx)>>5]&(1 << ((idx) & 31)))==0)-1) + + template struct cmp_lt_idx { - DTreeBestSplitFinder(){ splitSize = 0, tree = 0; node = 0; } - DTreeBestSplitFinder( CvDTree* _tree, CvDTreeNode* _node); - DTreeBestSplitFinder( const DTreeBestSplitFinder& finder, Split ); - virtual ~DTreeBestSplitFinder() {} - virtual void operator()(const BlockedRange& range); - void join( DTreeBestSplitFinder& rhs ); - Ptr bestSplit; - Ptr split; - int splitSize; - CvDTree* tree; - CvDTreeNode* node; + cmp_lt_idx(const _Tp* _arr) : arr(_arr) {} + bool operator ()(int a, int b) const { return arr[a] < arr[b]; } + const _Tp* arr; }; - struct ForestTreeBestSplitFinder : DTreeBestSplitFinder + template struct cmp_lt_ptr { - ForestTreeBestSplitFinder() : DTreeBestSplitFinder() {} - ForestTreeBestSplitFinder( CvForestTree* _tree, CvDTreeNode* _node ); - ForestTreeBestSplitFinder( const ForestTreeBestSplitFinder& finder, Split ); - virtual void operator()(const BlockedRange& range); + cmp_lt_ptr() {} + bool operator ()(const _Tp* a, const _Tp* b) const { return *a < *b; } }; -} -#endif /* __ML_H__ */ + static inline void setRangeVector(std::vector& vec, int n) + { + vec.resize(n); + for( int i = 0; i < n; i++ ) + vec[i] = i; + } + + static inline void writeTermCrit(FileStorage& fs, const TermCriteria& termCrit) + { + if( (termCrit.type & TermCriteria::EPS) != 0 ) + fs << "epsilon" << termCrit.epsilon; + if( (termCrit.type & TermCriteria::COUNT) != 0 ) + fs << "iterations" << termCrit.maxCount; + } + + static inline TermCriteria readTermCrit(const FileNode& fn) + { + TermCriteria termCrit; + double epsilon = (double)fn["epsilon"]; + if( epsilon > 0 ) + { + termCrit.type |= TermCriteria::EPS; + termCrit.epsilon = epsilon; + } + int iters = (int)fn["iterations"]; + if( iters > 0 ) + { + termCrit.type |= TermCriteria::COUNT; + termCrit.maxCount = iters; + } + return termCrit; + } + + class DTreesImpl : public DTrees + { + public: + struct WNode + { + WNode() + { + class_idx = sample_count = depth = complexity = 0; + parent = left = right = split = defaultDir = -1; + Tn = INT_MAX; + value = maxlr = alpha = node_risk = tree_risk = tree_error = 0.; + } + + int class_idx; + double Tn; + double value; + + int parent; + int left; + int right; + int defaultDir; + + int split; + + int sample_count; + int depth; + double maxlr; + + // global pruning data + int complexity; + double alpha; + double node_risk, tree_risk, tree_error; + }; + + struct WSplit + { + WSplit() + { + varIdx = next = 0; + inversed = false; + quality = c = 0.f; + subsetOfs = -1; + } + + int varIdx; + bool inversed; + float quality; + int next; + float c; + int subsetOfs; + }; + + struct WorkData + { + WorkData(const Ptr& _data); + + Ptr data; + vector wnodes; + vector wsplits; + vector wsubsets; + vector cv_Tn; + vector cv_node_risk; + vector cv_node_error; + vector cv_labels; + vector sample_weights; + vector cat_responses; + vector ord_responses; + vector sidx; + int maxSubsetSize; + }; + + DTreesImpl(); + virtual ~DTreesImpl(); + virtual void clear(); + + String getDefaultModelName() const { return "opencv_ml_dtree"; } + bool isTrained() const { return !roots.empty(); } + bool isClassifier() const { return _isClassifier; } + int getVarCount() const { return varType.empty() ? 0 : (int)(varType.size() - 1); } + int getCatCount(int vi) const { return catOfs[vi][1] - catOfs[vi][0]; } + int getSubsetSize(int vi) const { return (getCatCount(vi) + 31)/32; } + + virtual void setDParams(const Params& _params); + virtual Params getDParams() const; + virtual void startTraining( const Ptr& trainData, int flags ); + virtual void endTraining(); + virtual void initCompVarIdx(); + virtual bool train( const Ptr& trainData, int flags ); + + virtual int addTree( const vector& sidx ); + virtual int addNodeAndTrySplit( int parent, const vector& sidx ); + virtual const vector& getActiveVars(); + virtual int findBestSplit( const vector& _sidx ); + virtual void calcValue( int nidx, const vector& _sidx ); + + virtual WSplit findSplitOrdClass( int vi, const vector& _sidx, double initQuality ); + + // simple k-means, slightly modified to take into account the "weight" (L1-norm) of each vector. + virtual void clusterCategories( const double* vectors, int n, int m, double* csums, int k, int* labels ); + virtual WSplit findSplitCatClass( int vi, const vector& _sidx, double initQuality, int* subset ); + + virtual WSplit findSplitOrdReg( int vi, const vector& _sidx, double initQuality ); + virtual WSplit findSplitCatReg( int vi, const vector& _sidx, double initQuality, int* subset ); + + virtual int calcDir( int splitidx, const vector& _sidx, vector& _sleft, vector& _sright ); + virtual int pruneCV( int root ); + + virtual double updateTreeRNC( int root, double T, int fold ); + virtual bool cutTree( int root, double T, int fold, double min_alpha ); + virtual float predictTrees( const Range& range, const Mat& sample, int flags ) const; + virtual float predict( InputArray inputs, OutputArray outputs, int flags ) const; + + virtual void writeTrainingParams( FileStorage& fs ) const; + virtual void writeParams( FileStorage& fs ) const; + virtual void writeSplit( FileStorage& fs, int splitidx ) const; + virtual void writeNode( FileStorage& fs, int nidx, int depth ) const; + virtual void writeTree( FileStorage& fs, int root ) const; + virtual void write( FileStorage& fs ) const; + + virtual void readParams( const FileNode& fn ); + virtual int readSplit( const FileNode& fn ); + virtual int readNode( const FileNode& fn ); + virtual int readTree( const FileNode& fn ); + virtual void read( const FileNode& fn ); + + virtual const std::vector& getRoots() const { return roots; } + virtual const std::vector& getNodes() const { return nodes; } + virtual const std::vector& getSplits() const { return splits; } + virtual const std::vector& getSubsets() const { return subsets; } + + Params params0, params; + + vector varIdx; + vector compVarIdx; + vector varType; + vector catOfs; + vector catMap; + vector roots; + vector nodes; + vector splits; + vector subsets; + vector classLabels; + vector missingSubst; + bool _isClassifier; + + Ptr w; + }; + +}} + +#endif /* __OPENCV_ML_PRECOMP_HPP__ */ diff --git a/modules/ml/src/rtrees.cpp b/modules/ml/src/rtrees.cpp index c41b842142..7c9cbaf268 100644 --- a/modules/ml/src/rtrees.cpp +++ b/modules/ml/src/rtrees.cpp @@ -7,9 +7,11 @@ // copy or use the software. // // -// Intel License Agreement +// License Agreement +// For Open Source Computer Vision Library // // Copyright (C) 2000, Intel Corporation, all rights reserved. +// Copyright (C) 2014, Itseez Inc, all rights reserved. // Third party copyrights are property of their respective owners. // // Redistribution and use in source and binary forms, with or without modification, @@ -22,7 +24,7 @@ // this list of conditions and the following disclaimer in the documentation // and/or other materials provided with the distribution. // -// * The name of Intel Corporation may not be used to endorse or promote products +// * The name of the copyright holders may not be used to endorse or promote products // derived from this software without specific prior written permission. // // This software is provided by the copyright holders and contributors "as is" and @@ -40,833 +42,386 @@ #include "precomp.hpp" -CvForestTree::CvForestTree() -{ - forest = NULL; -} - - -CvForestTree::~CvForestTree() -{ - clear(); -} - - -bool CvForestTree::train( CvDTreeTrainData* _data, - const CvMat* _subsample_idx, - CvRTrees* _forest ) -{ - clear(); - forest = _forest; - - data = _data; - data->shared = true; - return do_train(_subsample_idx); -} - - -bool -CvForestTree::train( const CvMat*, int, const CvMat*, const CvMat*, - const CvMat*, const CvMat*, const CvMat*, CvDTreeParams ) -{ - assert(0); - return false; -} - - -bool -CvForestTree::train( CvDTreeTrainData*, const CvMat* ) -{ - assert(0); - return false; -} - - - -namespace cv -{ - -ForestTreeBestSplitFinder::ForestTreeBestSplitFinder( CvForestTree* _tree, CvDTreeNode* _node ) : - DTreeBestSplitFinder(_tree, _node) {} - -ForestTreeBestSplitFinder::ForestTreeBestSplitFinder( const ForestTreeBestSplitFinder& finder, Split spl ) : - DTreeBestSplitFinder( finder, spl ) {} - -void ForestTreeBestSplitFinder::operator()(const BlockedRange& range) -{ - int vi, vi1 = range.begin(), vi2 = range.end(); - int n = node->sample_count; - CvDTreeTrainData* data = tree->get_data(); - AutoBuffer inn_buf(2*n*(sizeof(int) + sizeof(float))); - - CvForestTree* ftree = (CvForestTree*)tree; - const CvMat* active_var_mask = ftree->forest->get_active_var_mask(); - - for( vi = vi1; vi < vi2; vi++ ) - { - CvDTreeSplit *res; - int ci = data->var_type->data.i[vi]; - if( node->num_valid[vi] <= 1 - || (active_var_mask && !active_var_mask->data.ptr[vi]) ) - continue; - - if( data->is_classifier ) - { - if( ci >= 0 ) - res = ftree->find_split_cat_class( node, vi, bestSplit->quality, split, (uchar*)inn_buf ); - else - res = ftree->find_split_ord_class( node, vi, bestSplit->quality, split, (uchar*)inn_buf ); - } - else - { - if( ci >= 0 ) - res = ftree->find_split_cat_reg( node, vi, bestSplit->quality, split, (uchar*)inn_buf ); - else - res = ftree->find_split_ord_reg( node, vi, bestSplit->quality, split, (uchar*)inn_buf ); - } - - if( res && bestSplit->quality < split->quality ) - memcpy( bestSplit.get(), split.get(), splitSize ); - } -} -} - -CvDTreeSplit* CvForestTree::find_best_split( CvDTreeNode* node ) -{ - CvMat* active_var_mask = 0; - if( forest ) - { - int var_count; - CvRNG* rng = forest->get_rng(); - - active_var_mask = forest->get_active_var_mask(); - var_count = active_var_mask->cols; - - CV_Assert( var_count == data->var_count ); - - for( int vi = 0; vi < var_count; vi++ ) - { - uchar temp; - int i1 = cvRandInt(rng) % var_count; - int i2 = cvRandInt(rng) % var_count; - CV_SWAP( active_var_mask->data.ptr[i1], - active_var_mask->data.ptr[i2], temp ); - } - } - - cv::ForestTreeBestSplitFinder finder( this, node ); - - cv::parallel_reduce(cv::BlockedRange(0, data->var_count), finder); - - CvDTreeSplit *bestSplit = 0; - if( finder.bestSplit->quality > 0 ) - { - bestSplit = data->new_split_cat( 0, -1.0f ); - memcpy( bestSplit, finder.bestSplit, finder.splitSize ); - } - - return bestSplit; -} - -void CvForestTree::read( CvFileStorage* fs, CvFileNode* fnode, CvRTrees* _forest, CvDTreeTrainData* _data ) -{ - CvDTree::read( fs, fnode, _data ); - forest = _forest; -} - - -void CvForestTree::read( CvFileStorage*, CvFileNode* ) -{ - assert(0); -} - -void CvForestTree::read( CvFileStorage* _fs, CvFileNode* _node, - CvDTreeTrainData* _data ) -{ - CvDTree::read( _fs, _node, _data ); -} - +namespace cv { +namespace ml { ////////////////////////////////////////////////////////////////////////////////////////// // Random trees // ////////////////////////////////////////////////////////////////////////////////////////// -CvRTParams::CvRTParams() : CvDTreeParams( 5, 10, 0, false, 10, 0, false, false, 0 ), - calc_var_importance(false), nactive_vars(0) +RTrees::Params::Params() + : DTrees::Params(5, 10, 0.f, false, 10, 0, false, false, Mat()) { - term_crit = cvTermCriteria( CV_TERMCRIT_ITER+CV_TERMCRIT_EPS, 50, 0.1 ); + calcVarImportance = false; + nactiveVars = 0; + termCrit = TermCriteria(TermCriteria::EPS + TermCriteria::COUNT, 50, 0.1); } -CvRTParams::CvRTParams( int _max_depth, int _min_sample_count, - float _regression_accuracy, bool _use_surrogates, - int _max_categories, const float* _priors, bool _calc_var_importance, - int _nactive_vars, int max_num_of_trees_in_the_forest, - float forest_accuracy, int termcrit_type ) : - CvDTreeParams( _max_depth, _min_sample_count, _regression_accuracy, - _use_surrogates, _max_categories, 0, - false, false, _priors ), - calc_var_importance(_calc_var_importance), - nactive_vars(_nactive_vars) +RTrees::Params::Params( int _maxDepth, int _minSampleCount, + double _regressionAccuracy, bool _useSurrogates, + int _maxCategories, const Mat& _priors, + bool _calcVarImportance, int _nactiveVars, + TermCriteria _termCrit ) + : DTrees::Params(_maxDepth, _minSampleCount, _regressionAccuracy, _useSurrogates, + _maxCategories, 0, false, false, _priors) { - term_crit = cvTermCriteria(termcrit_type, - max_num_of_trees_in_the_forest, forest_accuracy); -} - -CvRTrees::CvRTrees() -{ - nclasses = 0; - oob_error = 0; - ntrees = 0; - trees = NULL; - data = NULL; - active_var_mask = NULL; - var_importance = NULL; - rng = &cv::theRNG(); - default_model_name = "my_random_trees"; + calcVarImportance = _calcVarImportance; + nactiveVars = _nactiveVars; + termCrit = _termCrit; } -void CvRTrees::clear() +class DTreesImplForRTrees : public DTreesImpl { - int k; - for( k = 0; k < ntrees; k++ ) - delete trees[k]; - cvFree( &trees ); +public: + DTreesImplForRTrees() {} + virtual ~DTreesImplForRTrees() {} - delete data; - data = 0; - - cvReleaseMat( &active_var_mask ); - cvReleaseMat( &var_importance ); - ntrees = 0; -} - - -CvRTrees::~CvRTrees() -{ - clear(); -} - -cv::String CvRTrees::getName() const -{ - return CV_TYPE_NAME_ML_RTREES; -} - -CvMat* CvRTrees::get_active_var_mask() -{ - return active_var_mask; -} - - -CvRNG* CvRTrees::get_rng() -{ - return &rng->state; -} - -bool CvRTrees::train( const CvMat* _train_data, int _tflag, - const CvMat* _responses, const CvMat* _var_idx, - const CvMat* _sample_idx, const CvMat* _var_type, - const CvMat* _missing_mask, CvRTParams params ) -{ - clear(); - - CvDTreeParams tree_params( params.max_depth, params.min_sample_count, - params.regression_accuracy, params.use_surrogates, params.max_categories, - params.cv_folds, params.use_1se_rule, false, params.priors ); - - data = new CvDTreeTrainData(); - data->set_data( _train_data, _tflag, _responses, _var_idx, - _sample_idx, _var_type, _missing_mask, tree_params, true); - - int var_count = data->var_count; - if( params.nactive_vars > var_count ) - params.nactive_vars = var_count; - else if( params.nactive_vars == 0 ) - params.nactive_vars = (int)sqrt((double)var_count); - else if( params.nactive_vars < 0 ) - CV_Error( CV_StsBadArg, " must be non-negative" ); - - // Create mask of active variables at the tree nodes - active_var_mask = cvCreateMat( 1, var_count, CV_8UC1 ); - if( params.calc_var_importance ) + void setRParams(const RTrees::Params& p) { - var_importance = cvCreateMat( 1, var_count, CV_32FC1 ); - cvZero(var_importance); - } - { // initialize active variables mask - CvMat submask1, submask2; - CV_Assert( (active_var_mask->cols >= 1) && (params.nactive_vars > 0) && (params.nactive_vars <= active_var_mask->cols) ); - cvGetCols( active_var_mask, &submask1, 0, params.nactive_vars ); - cvSet( &submask1, cvScalar(1) ); - if( params.nactive_vars < active_var_mask->cols ) - { - cvGetCols( active_var_mask, &submask2, params.nactive_vars, var_count ); - cvZero( &submask2 ); - } + rparams = p; } - return grow_forest( params.term_crit ); -} - -bool CvRTrees::train( CvMLData* _data, CvRTParams params ) -{ - const CvMat* values = _data->get_values(); - const CvMat* response = _data->get_responses(); - const CvMat* missing = _data->get_missing(); - const CvMat* var_types = _data->get_var_types(); - const CvMat* train_sidx = _data->get_train_sample_idx(); - const CvMat* var_idx = _data->get_var_idx(); - - return train( values, CV_ROW_SAMPLE, response, var_idx, - train_sidx, var_types, missing, params ); -} - -bool CvRTrees::grow_forest( const CvTermCriteria term_crit ) -{ - CvMat* sample_idx_mask_for_tree = 0; - CvMat* sample_idx_for_tree = 0; - - const int max_ntrees = term_crit.max_iter; - const double max_oob_err = term_crit.epsilon; - - const int dims = data->var_count; - float maximal_response = 0; - - CvMat* oob_sample_votes = 0; - CvMat* oob_responses = 0; - - float* oob_samples_perm_ptr= 0; - - float* samples_ptr = 0; - uchar* missing_ptr = 0; - float* true_resp_ptr = 0; - bool is_oob_or_vimportance = (max_oob_err > 0 && term_crit.type != CV_TERMCRIT_ITER) || var_importance; - - // oob_predictions_sum[i] = sum of predicted values for the i-th sample - // oob_num_of_predictions[i] = number of summands - // (number of predictions for the i-th sample) - // initialize these variable to avoid warning C4701 - CvMat oob_predictions_sum = cvMat( 1, 1, CV_32FC1 ); - CvMat oob_num_of_predictions = cvMat( 1, 1, CV_32FC1 ); - - nsamples = data->sample_count; - nclasses = data->get_num_classes(); - - if ( is_oob_or_vimportance ) + RTrees::Params getRParams() const { - if( data->is_classifier ) - { - oob_sample_votes = cvCreateMat( nsamples, nclasses, CV_32SC1 ); - cvZero(oob_sample_votes); - } - else - { - // oob_responses[0,i] = oob_predictions_sum[i] - // = sum of predicted values for the i-th sample - // oob_responses[1,i] = oob_num_of_predictions[i] - // = number of summands (number of predictions for the i-th sample) - oob_responses = cvCreateMat( 2, nsamples, CV_32FC1 ); - cvZero(oob_responses); - cvGetRow( oob_responses, &oob_predictions_sum, 0 ); - cvGetRow( oob_responses, &oob_num_of_predictions, 1 ); - } - - oob_samples_perm_ptr = (float*)cvAlloc( sizeof(float)*nsamples*dims ); - samples_ptr = (float*)cvAlloc( sizeof(float)*nsamples*dims ); - missing_ptr = (uchar*)cvAlloc( sizeof(uchar)*nsamples*dims ); - true_resp_ptr = (float*)cvAlloc( sizeof(float)*nsamples ); - - data->get_vectors( 0, samples_ptr, missing_ptr, true_resp_ptr ); - - double minval, maxval; - CvMat responses = cvMat(1, nsamples, CV_32FC1, true_resp_ptr); - cvMinMaxLoc( &responses, &minval, &maxval ); - maximal_response = (float)MAX( MAX( fabs(minval), fabs(maxval) ), 0 ); + return rparams; } - trees = (CvForestTree**)cvAlloc( sizeof(trees[0])*max_ntrees ); - memset( trees, 0, sizeof(trees[0])*max_ntrees ); - - sample_idx_mask_for_tree = cvCreateMat( 1, nsamples, CV_8UC1 ); - sample_idx_for_tree = cvCreateMat( 1, nsamples, CV_32SC1 ); - - ntrees = 0; - while( ntrees < max_ntrees ) + void clear() { - int i, oob_samples_count = 0; - double ncorrect_responses = 0; // used for estimation of variable importance - CvForestTree* tree = 0; + DTreesImpl::clear(); + oobError = 0.; + rng = RNG((uint64)-1); + } - cvZero( sample_idx_mask_for_tree ); - for(i = 0; i < nsamples; i++ ) //form sample for creation one tree + const vector& getActiveVars() + { + int i, nvars = (int)allVars.size(), m = (int)activeVars.size(); + for( i = 0; i < nvars; i++ ) { - int idx = (*rng)(nsamples); - sample_idx_for_tree->data.i[i] = idx; - sample_idx_mask_for_tree->data.ptr[idx] = 0xFF; + int i1 = rng.uniform(0, nvars); + int i2 = rng.uniform(0, nvars); + std::swap(allVars[i1], allVars[i2]); } + for( i = 0; i < m; i++ ) + activeVars[i] = allVars[i]; + return activeVars; + } - trees[ntrees] = new CvForestTree(); - tree = trees[ntrees]; - tree->train( data, sample_idx_for_tree, this ); + void startTraining( const Ptr& trainData, int flags ) + { + DTreesImpl::startTraining(trainData, flags); + int nvars = w->data->getNVars(); + int i, m = rparams.nactiveVars > 0 ? rparams.nactiveVars : cvRound(std::sqrt((double)nvars)); + m = std::min(std::max(m, 1), nvars); + allVars.resize(nvars); + activeVars.resize(m); + for( i = 0; i < nvars; i++ ) + allVars[i] = varIdx[i]; + } - if ( is_oob_or_vimportance ) + void endTraining() + { + DTreesImpl::endTraining(); + vector a, b; + std::swap(allVars, a); + std::swap(activeVars, b); + } + + bool train( const Ptr& trainData, int flags ) + { + Params dp(rparams.maxDepth, rparams.minSampleCount, rparams.regressionAccuracy, + rparams.useSurrogates, rparams.maxCategories, rparams.CVFolds, + rparams.use1SERule, rparams.truncatePrunedTree, rparams.priors); + setDParams(dp); + startTraining(trainData, flags); + int treeidx, ntrees = (rparams.termCrit.type & TermCriteria::COUNT) != 0 ? + rparams.termCrit.maxCount : 10000; + int i, j, k, vi, vi_, n = (int)w->sidx.size(); + int nclasses = (int)classLabels.size(); + double eps = (rparams.termCrit.type & TermCriteria::EPS) != 0 && + rparams.termCrit.epsilon > 0 ? rparams.termCrit.epsilon : 0.; + vector sidx(n); + vector oobmask(n); + vector oobidx; + vector oobperm; + vector oobres(n, 0.); + vector oobcount(n, 0); + vector oobvotes(n*nclasses, 0); + int nvars = w->data->getNVars(); + int nallvars = w->data->getNAllVars(); + const int* vidx = !varIdx.empty() ? &varIdx[0] : 0; + vector samplebuf(nallvars); + Mat samples = w->data->getSamples(); + float* psamples = samples.ptr(); + size_t sstep0 = samples.step1(), sstep1 = 1; + Mat sample0, sample(nallvars, 1, CV_32F, &samplebuf[0]); + int predictFlags = _isClassifier ? (PREDICT_MAX_VOTE + RAW_OUTPUT) : PREDICT_SUM; + + bool calcOOBError = eps > 0 || rparams.calcVarImportance; + double max_response = 0.; + + if( w->data->getLayout() == COL_SAMPLE ) + std::swap(sstep0, sstep1); + + if( !_isClassifier ) { - CvMat sample, missing; - // form array of OOB samples indices and get these samples - sample = cvMat( 1, dims, CV_32FC1, samples_ptr ); - missing = cvMat( 1, dims, CV_8UC1, missing_ptr ); - - oob_error = 0; - for( i = 0; i < nsamples; i++, - sample.data.fl += dims, missing.data.ptr += dims ) + for( i = 0; i < n; i++ ) { - CvDTreeNode* predicted_node = 0; - // check if the sample is OOB - if( sample_idx_mask_for_tree->data.ptr[i] ) + double val = std::abs(w->ord_responses[w->sidx[i]]); + max_response = std::max(max_response, val); + } + } + + if( rparams.calcVarImportance ) + varImportance.resize(nallvars, 0.f); + + for( treeidx = 0; treeidx < ntrees; treeidx++ ) + { + for( i = 0; i < n; i++ ) + oobmask[i] = (uchar)1; + + for( i = 0; i < n; i++ ) + { + j = rng.uniform(0, n); + sidx[i] = w->sidx[j]; + oobmask[j] = (uchar)0; + } + int root = addTree( sidx ); + if( root < 0 ) + return false; + + if( calcOOBError ) + { + oobidx.clear(); + for( i = 0; i < n; i++ ) + { + if( !oobmask[i] ) + oobidx.push_back(i); + } + int n_oob = (int)oobidx.size(); + // if there is no out-of-bag samples, we can not compute OOB error + // nor update the variable importance vector; so we proceed to the next tree + if( n_oob == 0 ) continue; + double ncorrect_responses = 0.; - // predict oob samples - if( !predicted_node ) - predicted_node = tree->predict(&sample, &missing, true); - - if( !data->is_classifier ) //regression + oobError = 0.; + for( i = 0; i < n_oob; i++ ) { - double avg_resp, resp = predicted_node->value; - oob_predictions_sum.data.fl[i] += (float)resp; - oob_num_of_predictions.data.fl[i] += 1; + j = oobidx[i]; + sample = Mat( nallvars, 1, CV_32F, psamples + sstep0*w->sidx[j], sstep1*sizeof(psamples[0]) ); - // compute oob error - avg_resp = oob_predictions_sum.data.fl[i]/oob_num_of_predictions.data.fl[i]; - avg_resp -= true_resp_ptr[i]; - oob_error += avg_resp*avg_resp; - resp = (resp - true_resp_ptr[i])/maximal_response; - ncorrect_responses += exp( -resp*resp ); - } - else //classification - { - double prdct_resp; - CvPoint max_loc; - CvMat votes; - - cvGetRow(oob_sample_votes, &votes, i); - votes.data.i[predicted_node->class_idx]++; - - // compute oob error - cvMinMaxLoc( &votes, 0, 0, 0, &max_loc ); - - prdct_resp = data->cat_map->data.i[max_loc.x]; - oob_error += (fabs(prdct_resp - true_resp_ptr[i]) < FLT_EPSILON) ? 0 : 1; - - ncorrect_responses += cvRound(predicted_node->value - true_resp_ptr[i]) == 0; - } - oob_samples_count++; - } - if( oob_samples_count > 0 ) - oob_error /= (double)oob_samples_count; - - // estimate variable importance - if( var_importance && oob_samples_count > 0 ) - { - int m; - - memcpy( oob_samples_perm_ptr, samples_ptr, dims*nsamples*sizeof(float)); - for( m = 0; m < dims; m++ ) - { - double ncorrect_responses_permuted = 0; - // randomly permute values of the m-th variable in the oob samples - float* mth_var_ptr = oob_samples_perm_ptr + m; - - for( i = 0; i < nsamples; i++ ) + double val = predictTrees(Range(treeidx, treeidx+1), sample, predictFlags); + if( !_isClassifier ) { - int i1, i2; - float temp; - - if( sample_idx_mask_for_tree->data.ptr[i] ) //the sample is not OOB - continue; - i1 = (*rng)(nsamples); - i2 = (*rng)(nsamples); - CV_SWAP( mth_var_ptr[i1*dims], mth_var_ptr[i2*dims], temp ); - - // turn values of (m-1)-th variable, that were permuted - // at the previous iteration, untouched - if( m > 1 ) - oob_samples_perm_ptr[i*dims+m-1] = samples_ptr[i*dims+m-1]; + oobres[j] += val; + oobcount[j]++; + double true_val = w->ord_responses[w->sidx[j]]; + double a = oobres[j]/oobcount[j] - true_val; + oobError += a*a; + val = (val - true_val)/max_response; + ncorrect_responses += std::exp( -val*val ); } - - // predict "permuted" cases and calculate the number of votes for the - // correct class in the variable-m-permuted oob data - sample = cvMat( 1, dims, CV_32FC1, oob_samples_perm_ptr ); - missing = cvMat( 1, dims, CV_8UC1, missing_ptr ); - for( i = 0; i < nsamples; i++, - sample.data.fl += dims, missing.data.ptr += dims ) + else { - double predct_resp, true_resp; + int ival = cvRound(val); + int* votes = &oobvotes[j*nclasses]; + votes[ival]++; + int best_class = 0; + for( k = 1; k < nclasses; k++ ) + if( votes[best_class] < votes[k] ) + best_class = k; + int diff = best_class != w->cat_responses[w->sidx[j]]; + oobError += diff; + ncorrect_responses += diff == 0; + } + } - if( sample_idx_mask_for_tree->data.ptr[i] ) //the sample is not OOB - continue; + oobError /= n_oob; + if( rparams.calcVarImportance && n_oob > 1 ) + { + oobperm.resize(n_oob); + for( i = 0; i < n_oob; i++ ) + oobperm[i] = oobidx[i]; - predct_resp = tree->predict(&sample, &missing, true)->value; - true_resp = true_resp_ptr[i]; - if( data->is_classifier ) - ncorrect_responses_permuted += cvRound(true_resp - predct_resp) == 0; - else + for( vi_ = 0; vi_ < nvars; vi_++ ) + { + vi = vidx ? vidx[vi_] : vi_; + double ncorrect_responses_permuted = 0; + for( i = 0; i < n_oob; i++ ) { - true_resp = (true_resp - predct_resp)/maximal_response; - ncorrect_responses_permuted += exp( -true_resp*true_resp ); + int i1 = rng.uniform(0, n_oob); + int i2 = rng.uniform(0, n_oob); + std::swap(i1, i2); } + + for( i = 0; i < n_oob; i++ ) + { + j = oobidx[i]; + int vj = oobperm[i]; + sample0 = Mat( nallvars, 1, CV_32F, psamples + sstep0*w->sidx[j], sstep1*sizeof(psamples[0]) ); + for( k = 0; k < nallvars; k++ ) + sample.at(k) = sample0.at(k); + sample.at(vi) = psamples[sstep0*w->sidx[vj] + sstep1*vi]; + + double val = predictTrees(Range(treeidx, treeidx+1), sample, predictFlags); + if( !_isClassifier ) + { + val = (val - w->ord_responses[w->sidx[j]])/max_response; + ncorrect_responses_permuted += exp( -val*val ); + } + else + ncorrect_responses_permuted += cvRound(val) == w->cat_responses[w->sidx[j]]; + } + varImportance[vi] += (float)(ncorrect_responses - ncorrect_responses_permuted); } - var_importance->data.fl[m] += (float)(ncorrect_responses - - ncorrect_responses_permuted); } } + if( calcOOBError && oobError < eps ) + break; } - ntrees++; - if( term_crit.type != CV_TERMCRIT_ITER && oob_error < max_oob_err ) - break; - } - if( var_importance ) - { - for ( int vi = 0; vi < var_importance->cols; vi++ ) - var_importance->data.fl[vi] = ( var_importance->data.fl[vi] > 0 ) ? - var_importance->data.fl[vi] : 0; - cvNormalize( var_importance, var_importance, 1., 0, CV_L1 ); - } - - cvFree( &oob_samples_perm_ptr ); - cvFree( &samples_ptr ); - cvFree( &missing_ptr ); - cvFree( &true_resp_ptr ); - - cvReleaseMat( &sample_idx_mask_for_tree ); - cvReleaseMat( &sample_idx_for_tree ); - - cvReleaseMat( &oob_sample_votes ); - cvReleaseMat( &oob_responses ); - - return true; -} - - -const CvMat* CvRTrees::get_var_importance() -{ - return var_importance; -} - - -float CvRTrees::get_proximity( const CvMat* sample1, const CvMat* sample2, - const CvMat* missing1, const CvMat* missing2 ) const -{ - float result = 0; - - for( int i = 0; i < ntrees; i++ ) - result += trees[i]->predict( sample1, missing1 ) == - trees[i]->predict( sample2, missing2 ) ? 1 : 0; - result = result/(float)ntrees; - - return result; -} - -float CvRTrees::calc_error( CvMLData* _data, int type , std::vector *resp ) -{ - float err = 0; - const CvMat* values = _data->get_values(); - const CvMat* response = _data->get_responses(); - const CvMat* missing = _data->get_missing(); - const CvMat* sample_idx = (type == CV_TEST_ERROR) ? _data->get_test_sample_idx() : _data->get_train_sample_idx(); - const CvMat* var_types = _data->get_var_types(); - int* sidx = sample_idx ? sample_idx->data.i : 0; - int r_step = CV_IS_MAT_CONT(response->type) ? - 1 : response->step / CV_ELEM_SIZE(response->type); - bool is_classifier = var_types->data.ptr[var_types->cols-1] == CV_VAR_CATEGORICAL; - int sample_count = sample_idx ? sample_idx->cols : 0; - sample_count = (type == CV_TRAIN_ERROR && sample_count == 0) ? values->rows : sample_count; - float* pred_resp = 0; - if( resp && (sample_count > 0) ) - { - resp->resize( sample_count ); - pred_resp = &((*resp)[0]); - } - if ( is_classifier ) - { - for( int i = 0; i < sample_count; i++ ) + if( rparams.calcVarImportance ) { - CvMat sample, miss; - int si = sidx ? sidx[i] : i; - cvGetRow( values, &sample, si ); - if( missing ) - cvGetRow( missing, &miss, si ); - float r = (float)predict( &sample, missing ? &miss : 0 ); - if( pred_resp ) - pred_resp[i] = r; - int d = fabs((double)r - response->data.fl[si*r_step]) <= FLT_EPSILON ? 0 : 1; - err += d; + for( vi_ = 0; vi_ < nallvars; vi_++ ) + varImportance[vi_] = std::max(varImportance[vi_], 0.f); + normalize(varImportance, varImportance, 1., 0, NORM_L1); } - err = sample_count ? err / (float)sample_count * 100 : -FLT_MAX; + endTraining(); + return true; } - else + + void writeTrainingParams( FileStorage& fs ) const { - for( int i = 0; i < sample_count; i++ ) - { - CvMat sample, miss; - int si = sidx ? sidx[i] : i; - cvGetRow( values, &sample, si ); - if( missing ) - cvGetRow( missing, &miss, si ); - float r = (float)predict( &sample, missing ? &miss : 0 ); - if( pred_resp ) - pred_resp[i] = r; - float d = r - response->data.fl[si*r_step]; - err += d*d; - } - err = sample_count ? err / (float)sample_count : -FLT_MAX; + DTreesImpl::writeTrainingParams(fs); + fs << "nactive_vars" << rparams.nactiveVars; } - return err; -} -float CvRTrees::get_train_error() -{ - float err = -1; - - int sample_count = data->sample_count; - int var_count = data->var_count; - - float *values_ptr = (float*)cvAlloc( sizeof(float)*sample_count*var_count ); - uchar *missing_ptr = (uchar*)cvAlloc( sizeof(uchar)*sample_count*var_count ); - float *responses_ptr = (float*)cvAlloc( sizeof(float)*sample_count ); - - data->get_vectors( 0, values_ptr, missing_ptr, responses_ptr); - - if (data->is_classifier) + void write( FileStorage& fs ) const { - int err_count = 0; - float *vp = values_ptr; - uchar *mp = missing_ptr; - for (int si = 0; si < sample_count; si++, vp += var_count, mp += var_count) - { - CvMat sample = cvMat( 1, var_count, CV_32FC1, vp ); - CvMat missing = cvMat( 1, var_count, CV_8UC1, mp ); - float r = predict( &sample, &missing ); - if (fabs(r - responses_ptr[si]) >= FLT_EPSILON) - err_count++; - } - err = (float)err_count / (float)sample_count; - } - else - CV_Error( CV_StsBadArg, "This method is not supported for regression problems" ); + if( roots.empty() ) + CV_Error( CV_StsBadArg, "RTrees have not been trained" ); - cvFree( &values_ptr ); - cvFree( &missing_ptr ); - cvFree( &responses_ptr ); + writeParams(fs); - return err; -} + fs << "oob_error" << oobError; + if( !varImportance.empty() ) + fs << "var_importance" << varImportance; + int k, ntrees = (int)roots.size(); -float CvRTrees::predict( const CvMat* sample, const CvMat* missing ) const -{ - double result = -1; - int k; + fs << "ntrees" << ntrees + << "trees" << "["; - if( nclasses > 0 ) //classification - { - int max_nvotes = 0; - cv::AutoBuffer _votes(nclasses); - int* votes = _votes; - memset( votes, 0, sizeof(*votes)*nclasses ); for( k = 0; k < ntrees; k++ ) { - CvDTreeNode* predicted_node = trees[k]->predict( sample, missing ); - int nvotes; - int class_idx = predicted_node->class_idx; - CV_Assert( 0 <= class_idx && class_idx < nclasses ); - - nvotes = ++votes[class_idx]; - if( nvotes > max_nvotes ) - { - max_nvotes = nvotes; - result = predicted_node->value; - } + fs << "{"; + writeTree(fs, roots[k]); + fs << "}"; } - } - else // regression - { - result = 0; - for( k = 0; k < ntrees; k++ ) - result += trees[k]->predict( sample, missing )->value; - result /= (double)ntrees; + + fs << "]"; } - return (float)result; -} - -float CvRTrees::predict_prob( const CvMat* sample, const CvMat* missing) const -{ - if( nclasses == 2 ) //classification + void readParams( const FileNode& fn ) { - cv::AutoBuffer _votes(nclasses); - int* votes = _votes; - memset( votes, 0, sizeof(*votes)*nclasses ); - for( int k = 0; k < ntrees; k++ ) + DTreesImpl::readParams(fn); + rparams.maxDepth = params0.maxDepth; + rparams.minSampleCount = params0.minSampleCount; + rparams.regressionAccuracy = params0.regressionAccuracy; + rparams.useSurrogates = params0.useSurrogates; + rparams.maxCategories = params0.maxCategories; + rparams.priors = params0.priors; + + FileNode tparams_node = fn["training_params"]; + rparams.nactiveVars = (int)tparams_node["nactive_vars"]; + } + + void read( const FileNode& fn ) + { + clear(); + + //int nclasses = (int)fn["nclasses"]; + //int nsamples = (int)fn["nsamples"]; + oobError = (double)fn["oob_error"]; + int ntrees = (int)fn["ntrees"]; + + fn["var_importance"] >> varImportance; + + readParams(fn); + + FileNode trees_node = fn["trees"]; + FileNodeIterator it = trees_node.begin(); + CV_Assert( ntrees == (int)trees_node.size() ); + + for( int treeidx = 0; treeidx < ntrees; treeidx++, ++it ) { - CvDTreeNode* predicted_node = trees[k]->predict( sample, missing ); - int class_idx = predicted_node->class_idx; - CV_Assert( 0 <= class_idx && class_idx < nclasses ); - - ++votes[class_idx]; - } - - return float(votes[1])/ntrees; - } - else // regression - CV_Error(CV_StsBadArg, "This function works for binary classification problems only..."); - - return -1; -} - -void CvRTrees::write( CvFileStorage* fs, const char* name ) const -{ - int k; - - if( ntrees < 1 || !trees || nsamples < 1 ) - CV_Error( CV_StsBadArg, "Invalid CvRTrees object" ); - - cv::String modelNodeName = this->getName(); - cvStartWriteStruct( fs, name, CV_NODE_MAP, modelNodeName.c_str() ); - - cvWriteInt( fs, "nclasses", nclasses ); - cvWriteInt( fs, "nsamples", nsamples ); - cvWriteInt( fs, "nactive_vars", (int)cvSum(active_var_mask).val[0] ); - cvWriteReal( fs, "oob_error", oob_error ); - - if( var_importance ) - cvWrite( fs, "var_importance", var_importance ); - - cvWriteInt( fs, "ntrees", ntrees ); - - data->write_params( fs ); - - cvStartWriteStruct( fs, "trees", CV_NODE_SEQ ); - - for( k = 0; k < ntrees; k++ ) - { - cvStartWriteStruct( fs, 0, CV_NODE_MAP ); - trees[k]->write( fs ); - cvEndWriteStruct( fs ); - } - - cvEndWriteStruct( fs ); //trees - cvEndWriteStruct( fs ); //CV_TYPE_NAME_ML_RTREES -} - - -void CvRTrees::read( CvFileStorage* fs, CvFileNode* fnode ) -{ - int nactive_vars, var_count, k; - CvSeqReader reader; - CvFileNode* trees_fnode = 0; - - clear(); - - nclasses = cvReadIntByName( fs, fnode, "nclasses", -1 ); - nsamples = cvReadIntByName( fs, fnode, "nsamples" ); - nactive_vars = cvReadIntByName( fs, fnode, "nactive_vars", -1 ); - oob_error = cvReadRealByName(fs, fnode, "oob_error", -1 ); - ntrees = cvReadIntByName( fs, fnode, "ntrees", -1 ); - - var_importance = (CvMat*)cvReadByName( fs, fnode, "var_importance" ); - - if( nclasses < 0 || nsamples <= 0 || nactive_vars < 0 || oob_error < 0 || ntrees <= 0) - CV_Error( CV_StsParseError, "Some , , , " - ", , of tags are missing" ); - - rng = &cv::theRNG(); - - trees = (CvForestTree**)cvAlloc( sizeof(trees[0])*ntrees ); - memset( trees, 0, sizeof(trees[0])*ntrees ); - - data = new CvDTreeTrainData(); - data->read_params( fs, fnode ); - data->shared = true; - - trees_fnode = cvGetFileNodeByName( fs, fnode, "trees" ); - if( !trees_fnode || !CV_NODE_IS_SEQ(trees_fnode->tag) ) - CV_Error( CV_StsParseError, " tag is missing" ); - - cvStartReadSeq( trees_fnode->data.seq, &reader ); - if( reader.seq->total != ntrees ) - CV_Error( CV_StsParseError, - " is not equal to the number of trees saved in file" ); - - for( k = 0; k < ntrees; k++ ) - { - trees[k] = new CvForestTree(); - trees[k]->read( fs, (CvFileNode*)reader.ptr, this, data ); - CV_NEXT_SEQ_ELEM( reader.seq->elem_size, reader ); - } - - var_count = data->var_count; - active_var_mask = cvCreateMat( 1, var_count, CV_8UC1 ); - { - // initialize active variables mask - CvMat submask1; - cvGetCols( active_var_mask, &submask1, 0, nactive_vars ); - cvSet( &submask1, cvScalar(1) ); - - if( nactive_vars < var_count ) - { - CvMat submask2; - cvGetCols( active_var_mask, &submask2, nactive_vars, var_count ); - cvZero( &submask2 ); + FileNode nfn = (*it)["nodes"]; + readTree(nfn); } } -} + + RTrees::Params rparams; + double oobError; + vector varImportance; + vector allVars, activeVars; + RNG rng; +}; -int CvRTrees::get_tree_count() const +class RTreesImpl : public RTrees { - return ntrees; -} +public: + RTreesImpl() {} + virtual ~RTreesImpl() {} -CvForestTree* CvRTrees::get_tree(int i) const + String getDefaultModelName() const { return "opencv_ml_rtrees"; } + + bool train( const Ptr& trainData, int flags ) + { + return impl.train(trainData, flags); + } + + float predict( InputArray samples, OutputArray results, int flags ) const + { + return impl.predict(samples, results, flags); + } + + void write( FileStorage& fs ) const + { + impl.write(fs); + } + + void read( const FileNode& fn ) + { + impl.read(fn); + } + + void setRParams(const Params& p) { impl.setRParams(p); } + Params getRParams() const { return impl.getRParams(); } + + Mat getVarImportance() const { return Mat_(impl.varImportance, true); } + int getVarCount() const { return impl.getVarCount(); } + + bool isTrained() const { return impl.isTrained(); } + bool isClassifier() const { return impl.isClassifier(); } + + const vector& getRoots() const { return impl.getRoots(); } + const vector& getNodes() const { return impl.getNodes(); } + const vector& getSplits() const { return impl.getSplits(); } + const vector& getSubsets() const { return impl.getSubsets(); } + + DTreesImplForRTrees impl; +}; + + +Ptr RTrees::create(const Params& params) { - return (unsigned)i < (unsigned)ntrees ? trees[i] : 0; + Ptr p = makePtr(); + p->setRParams(params); + return p; } -using namespace cv; - -bool CvRTrees::train( const Mat& _train_data, int _tflag, - const Mat& _responses, const Mat& _var_idx, - const Mat& _sample_idx, const Mat& _var_type, - const Mat& _missing_mask, CvRTParams _params ) -{ - train_data_hdr = _train_data; - train_data_mat = _train_data; - responses_hdr = _responses; - responses_mat = _responses; - - CvMat vidx = _var_idx, sidx = _sample_idx, vtype = _var_type, mmask = _missing_mask; - - return train(&train_data_hdr, _tflag, &responses_hdr, vidx.data.ptr ? &vidx : 0, - sidx.data.ptr ? &sidx : 0, vtype.data.ptr ? &vtype : 0, - mmask.data.ptr ? &mmask : 0, _params); -} - - -float CvRTrees::predict( const Mat& _sample, const Mat& _missing ) const -{ - CvMat sample = _sample, mmask = _missing; - return predict(&sample, mmask.data.ptr ? &mmask : 0); -} - -float CvRTrees::predict_prob( const Mat& _sample, const Mat& _missing) const -{ - CvMat sample = _sample, mmask = _missing; - return predict_prob(&sample, mmask.data.ptr ? &mmask : 0); -} - -Mat CvRTrees::getVarImportance() -{ - return cvarrToMat(get_var_importance()); -} +}} // End of file. diff --git a/modules/ml/src/svm.cpp b/modules/ml/src/svm.cpp index 341a817c94..49e5c0200a 100644 --- a/modules/ml/src/svm.cpp +++ b/modules/ml/src/svm.cpp @@ -7,9 +7,11 @@ // copy or use the software. // // -// Intel License Agreement +// License Agreement +// For Open Source Computer Vision Library // // Copyright (C) 2000, Intel Corporation, all rights reserved. +// Copyright (C) 2014, Itseez Inc, all rights reserved. // Third party copyrights are property of their respective owners. // // Redistribution and use in source and binary forms, with or without modification, @@ -22,7 +24,7 @@ // this list of conditions and the following disclaimer in the documentation // and/or other materials provided with the distribution. // -// * The name of Intel Corporation may not be used to endorse or promote products +// * The name of the copyright holders may not be used to endorse or promote products // derived from this software without specific prior written permission. // // This software is provided by the copyright holders and contributors "as is" and @@ -40,6 +42,9 @@ #include "precomp.hpp" +#include +#include + /****************************************************************************************\ COPYRIGHT NOTICE ---------------- @@ -81,2929 +86,2091 @@ SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF SUCH DAMAGE. \****************************************************************************************/ -using namespace cv; +namespace cv { namespace ml { -#define CV_SVM_MIN_CACHE_SIZE (40 << 20) /* 40Mb */ - -#include -#include - -#if 1 typedef float Qfloat; -#define QFLOAT_TYPE CV_32F -#else -typedef double Qfloat; -#define QFLOAT_TYPE CV_64F -#endif +const int QFLOAT_TYPE = DataDepth::value; // Param Grid -bool CvParamGrid::check() const +static void checkParamGrid(const ParamGrid& pg) { - bool ok = false; - - CV_FUNCNAME( "CvParamGrid::check" ); - __BEGIN__; - - if( min_val > max_val ) - CV_ERROR( CV_StsBadArg, "Lower bound of the grid must be less then the upper one" ); - if( min_val < DBL_EPSILON ) - CV_ERROR( CV_StsBadArg, "Lower bound of the grid must be positive" ); - if( step < 1. + FLT_EPSILON ) - CV_ERROR( CV_StsBadArg, "Grid step must greater then 1" ); - - ok = true; - - __END__; - - return ok; -} - -CvParamGrid CvSVM::get_default_grid( int param_id ) -{ - CvParamGrid grid; - if( param_id == CvSVM::C ) - { - grid.min_val = 0.1; - grid.max_val = 500; - grid.step = 5; // total iterations = 5 - } - else if( param_id == CvSVM::GAMMA ) - { - grid.min_val = 1e-5; - grid.max_val = 0.6; - grid.step = 15; // total iterations = 4 - } - else if( param_id == CvSVM::P ) - { - grid.min_val = 0.01; - grid.max_val = 100; - grid.step = 7; // total iterations = 4 - } - else if( param_id == CvSVM::NU ) - { - grid.min_val = 0.01; - grid.max_val = 0.2; - grid.step = 3; // total iterations = 3 - } - else if( param_id == CvSVM::COEF ) - { - grid.min_val = 0.1; - grid.max_val = 300; - grid.step = 14; // total iterations = 3 - } - else if( param_id == CvSVM::DEGREE ) - { - grid.min_val = 0.01; - grid.max_val = 4; - grid.step = 7; // total iterations = 3 - } - else - cvError( CV_StsBadArg, "CvSVM::get_default_grid", "Invalid type of parameter " - "(use one of CvSVM::C, CvSVM::GAMMA et al.)", __FILE__, __LINE__ ); - return grid; + if( pg.minVal > pg.maxVal ) + CV_Error( CV_StsBadArg, "Lower bound of the grid must be less then the upper one" ); + if( pg.minVal < DBL_EPSILON ) + CV_Error( CV_StsBadArg, "Lower bound of the grid must be positive" ); + if( pg.logStep < 1. + FLT_EPSILON ) + CV_Error( CV_StsBadArg, "Grid step must greater then 1" ); } // SVM training parameters -CvSVMParams::CvSVMParams() : - svm_type(CvSVM::C_SVC), kernel_type(CvSVM::RBF), degree(0), - gamma(1), coef0(0), C(1), nu(0), p(0), class_weights(0) +SVM::Params::Params() { - term_crit = cvTermCriteria( CV_TERMCRIT_ITER+CV_TERMCRIT_EPS, 1000, FLT_EPSILON ); + svmType = SVM::C_SVC; + kernelType = SVM::RBF; + degree = 0; + gamma = 1; + coef0 = 0; + C = 1; + nu = 0; + p = 0; + termCrit = TermCriteria( CV_TERMCRIT_ITER+CV_TERMCRIT_EPS, 1000, FLT_EPSILON ); } -CvSVMParams::CvSVMParams( int _svm_type, int _kernel_type, - double _degree, double _gamma, double _coef0, - double _Con, double _nu, double _p, - CvMat* _class_weights, CvTermCriteria _term_crit ) : - svm_type(_svm_type), kernel_type(_kernel_type), - degree(_degree), gamma(_gamma), coef0(_coef0), - C(_Con), nu(_nu), p(_p), class_weights(_class_weights), term_crit(_term_crit) +SVM::Params::Params( int _svmType, int _kernelType, + double _degree, double _gamma, double _coef0, + double _Con, double _nu, double _p, + const Mat& _classWeights, TermCriteria _termCrit ) { + svmType = _svmType; + kernelType = _kernelType; + degree = _degree; + gamma = _gamma; + coef0 = _coef0; + C = _Con; + nu = _nu; + p = _p; + classWeights = _classWeights; + termCrit = _termCrit; } - /////////////////////////////////////// SVM kernel /////////////////////////////////////// - -CvSVMKernel::CvSVMKernel() +class SVMKernelImpl : public SVM::Kernel { - clear(); -} - - -void CvSVMKernel::clear() -{ - params = 0; - calc_func = 0; -} - - -CvSVMKernel::~CvSVMKernel() -{ -} - - -CvSVMKernel::CvSVMKernel( const CvSVMParams* _params, Calc _calc_func ) -{ - clear(); - create( _params, _calc_func ); -} - - -bool CvSVMKernel::create( const CvSVMParams* _params, Calc _calc_func ) -{ - clear(); - params = _params; - calc_func = _calc_func; - - if( !calc_func ) - calc_func = params->kernel_type == CvSVM::RBF ? &CvSVMKernel::calc_rbf : - params->kernel_type == CvSVM::POLY ? &CvSVMKernel::calc_poly : - params->kernel_type == CvSVM::SIGMOID ? &CvSVMKernel::calc_sigmoid : - params->kernel_type == CvSVM::CHI2 ? &CvSVMKernel::calc_chi2 : - params->kernel_type == CvSVM::INTER ? &CvSVMKernel::calc_intersec : - &CvSVMKernel::calc_linear; - - return true; -} - - -void CvSVMKernel::calc_non_rbf_base( int vcount, int var_count, const float** vecs, - const float* another, Qfloat* results, - double alpha, double beta ) -{ - int j, k; - for( j = 0; j < vcount; j++ ) +public: + SVMKernelImpl() { - const float* sample = vecs[j]; - double s = 0; - for( k = 0; k <= var_count - 4; k += 4 ) - s += sample[k]*another[k] + sample[k+1]*another[k+1] + - sample[k+2]*another[k+2] + sample[k+3]*another[k+3]; - for( ; k < var_count; k++ ) - s += sample[k]*another[k]; - results[j] = (Qfloat)(s*alpha + beta); } -} - -void CvSVMKernel::calc_linear( int vcount, int var_count, const float** vecs, - const float* another, Qfloat* results ) -{ - calc_non_rbf_base( vcount, var_count, vecs, another, results, 1, 0 ); -} - - -void CvSVMKernel::calc_poly( int vcount, int var_count, const float** vecs, - const float* another, Qfloat* results ) -{ - CvMat R = cvMat( 1, vcount, QFLOAT_TYPE, results ); - calc_non_rbf_base( vcount, var_count, vecs, another, results, params->gamma, params->coef0 ); - if( vcount > 0 ) - cvPow( &R, &R, params->degree ); -} - - -void CvSVMKernel::calc_sigmoid( int vcount, int var_count, const float** vecs, - const float* another, Qfloat* results ) -{ - int j; - calc_non_rbf_base( vcount, var_count, vecs, another, results, - -2*params->gamma, -2*params->coef0 ); - // TODO: speedup this - for( j = 0; j < vcount; j++ ) + SVMKernelImpl( const SVM::Params& _params ) { - Qfloat t = results[j]; - double e = exp(-fabs(t)); - if( t > 0 ) - results[j] = (Qfloat)((1. - e)/(1. + e)); - else - results[j] = (Qfloat)((e - 1.)/(e + 1.)); + params = _params; } -} - -void CvSVMKernel::calc_rbf( int vcount, int var_count, const float** vecs, - const float* another, Qfloat* results ) -{ - CvMat R = cvMat( 1, vcount, QFLOAT_TYPE, results ); - double gamma = -params->gamma; - int j, k; - - for( j = 0; j < vcount; j++ ) + virtual ~SVMKernelImpl() { - const float* sample = vecs[j]; - double s = 0; + } - for( k = 0; k <= var_count - 4; k += 4 ) + int getType() const + { + return params.kernelType; + } + + void calc_non_rbf_base( int vcount, int var_count, const float* vecs, + const float* another, Qfloat* results, + double alpha, double beta ) + { + int j, k; + for( j = 0; j < vcount; j++ ) { - double t0 = sample[k] - another[k]; - double t1 = sample[k+1] - another[k+1]; - - s += t0*t0 + t1*t1; - - t0 = sample[k+2] - another[k+2]; - t1 = sample[k+3] - another[k+3]; - - s += t0*t0 + t1*t1; - } - - for( ; k < var_count; k++ ) - { - double t0 = sample[k] - another[k]; - s += t0*t0; - } - results[j] = (Qfloat)(s*gamma); - } - - if( vcount > 0 ) - cvExp( &R, &R ); -} - -/// Histogram intersection kernel -void CvSVMKernel::calc_intersec( int vcount, int var_count, const float** vecs, - const float* another, Qfloat* results ) -{ - int j, k; - for( j = 0; j < vcount; j++ ) - { - const float* sample = vecs[j]; - double s = 0; - for( k = 0; k <= var_count - 4; k += 4 ) - s += std::min(sample[k],another[k]) + std::min(sample[k+1],another[k+1]) + - std::min(sample[k+2],another[k+2]) + std::min(sample[k+3],another[k+3]); - for( ; k < var_count; k++ ) - s += std::min(sample[k],another[k]); - results[j] = (Qfloat)(s); - } -} - -/// Exponential chi2 kernel -void CvSVMKernel::calc_chi2( int vcount, int var_count, const float** vecs, - const float* another, Qfloat* results ) -{ - CvMat R = cvMat( 1, vcount, QFLOAT_TYPE, results ); - double gamma = -params->gamma; - int j, k; - for( j = 0; j < vcount; j++ ) - { - const float* sample = vecs[j]; - double chi2 = 0; - for(k = 0 ; k < var_count; k++ ) - { - double d = sample[k]-another[k]; - double devisor = sample[k]+another[k]; - /// if devisor == 0, the Chi2 distance would be zero, but calculation would rise an error because of deviding by zero - if (devisor != 0) - { - chi2 += d*d/devisor; + const float* sample = &vecs[j*var_count]; + double s = 0; + for( k = 0; k <= var_count - 4; k += 4 ) + s += sample[k]*another[k] + sample[k+1]*another[k+1] + + sample[k+2]*another[k+2] + sample[k+3]*another[k+3]; + for( ; k < var_count; k++ ) + s += sample[k]*another[k]; + results[j] = (Qfloat)(s*alpha + beta); } } - results[j] = (Qfloat) (gamma*chi2); + + void calc_linear( int vcount, int var_count, const float* vecs, + const float* another, Qfloat* results ) + { + calc_non_rbf_base( vcount, var_count, vecs, another, results, 1, 0 ); + } + + void calc_poly( int vcount, int var_count, const float* vecs, + const float* another, Qfloat* results ) + { + Mat R( 1, vcount, QFLOAT_TYPE, results ); + calc_non_rbf_base( vcount, var_count, vecs, another, results, params.gamma, params.coef0 ); + if( vcount > 0 ) + pow( R, params.degree, R ); + } + + void calc_sigmoid( int vcount, int var_count, const float* vecs, + const float* another, Qfloat* results ) + { + int j; + calc_non_rbf_base( vcount, var_count, vecs, another, results, + -2*params.gamma, -2*params.coef0 ); + // TODO: speedup this + for( j = 0; j < vcount; j++ ) + { + Qfloat t = results[j]; + Qfloat e = std::exp(-std::abs(t)); + if( t > 0 ) + results[j] = (Qfloat)((1. - e)/(1. + e)); + else + results[j] = (Qfloat)((e - 1.)/(e + 1.)); + } } - if( vcount > 0 ) - cvExp( &R, &R ); -} + void calc_rbf( int vcount, int var_count, const float* vecs, + const float* another, Qfloat* results ) + { + double gamma = -params.gamma; + int j, k; -void CvSVMKernel::calc( int vcount, int var_count, const float** vecs, + for( j = 0; j < vcount; j++ ) + { + const float* sample = &vecs[j*var_count]; + double s = 0; + + for( k = 0; k <= var_count - 4; k += 4 ) + { + double t0 = sample[k] - another[k]; + double t1 = sample[k+1] - another[k+1]; + + s += t0*t0 + t1*t1; + + t0 = sample[k+2] - another[k+2]; + t1 = sample[k+3] - another[k+3]; + + s += t0*t0 + t1*t1; + } + + for( ; k < var_count; k++ ) + { + double t0 = sample[k] - another[k]; + s += t0*t0; + } + results[j] = (Qfloat)(s*gamma); + } + + if( vcount > 0 ) + { + Mat R( 1, vcount, QFLOAT_TYPE, results ); + exp( R, R ); + } + } + + /// Histogram intersection kernel + void calc_intersec( int vcount, int var_count, const float* vecs, const float* another, Qfloat* results ) -{ - const Qfloat max_val = (Qfloat)(FLT_MAX*1e-3); - int j; - (this->*calc_func)( vcount, var_count, vecs, another, results ); - for( j = 0; j < vcount; j++ ) { - if( results[j] > max_val ) - results[j] = max_val; - } -} - - -// Generalized SMO+SVMlight algorithm -// Solves: -// -// min [0.5(\alpha^T Q \alpha) + b^T \alpha] -// -// y^T \alpha = \delta -// y_i = +1 or -1 -// 0 <= alpha_i <= Cp for y_i = 1 -// 0 <= alpha_i <= Cn for y_i = -1 -// -// Given: -// -// Q, b, y, Cp, Cn, and an initial feasible point \alpha -// l is the size of vectors and matrices -// eps is the stopping criterion -// -// solution will be put in \alpha, objective value will be put in obj -// - -void CvSVMSolver::clear() -{ - G = 0; - alpha = 0; - y = 0; - b = 0; - buf[0] = buf[1] = 0; - cvReleaseMemStorage( &storage ); - kernel = 0; - select_working_set_func = 0; - calc_rho_func = 0; - - rows = 0; - samples = 0; - get_row_func = 0; -} - - -CvSVMSolver::CvSVMSolver() -{ - storage = 0; - clear(); -} - - -CvSVMSolver::~CvSVMSolver() -{ - clear(); -} - - -CvSVMSolver::CvSVMSolver( int _sample_count, int _var_count, const float** _samples, schar* _y, - int _alpha_count, double* _alpha, double _Cp, double _Cn, - CvMemStorage* _storage, CvSVMKernel* _kernel, GetRow _get_row, - SelectWorkingSet _select_working_set, CalcRho _calc_rho ) -{ - storage = 0; - create( _sample_count, _var_count, _samples, _y, _alpha_count, _alpha, _Cp, _Cn, - _storage, _kernel, _get_row, _select_working_set, _calc_rho ); -} - - -bool CvSVMSolver::create( int _sample_count, int _var_count, const float** _samples, schar* _y, - int _alpha_count, double* _alpha, double _Cp, double _Cn, - CvMemStorage* _storage, CvSVMKernel* _kernel, GetRow _get_row, - SelectWorkingSet _select_working_set, CalcRho _calc_rho ) -{ - bool ok = false; - int i, svm_type; - - CV_FUNCNAME( "CvSVMSolver::create" ); - - __BEGIN__; - - int rows_hdr_size; - - clear(); - - sample_count = _sample_count; - var_count = _var_count; - samples = _samples; - y = _y; - alpha_count = _alpha_count; - alpha = _alpha; - kernel = _kernel; - - C[0] = _Cn; - C[1] = _Cp; - eps = kernel->params->term_crit.epsilon; - max_iter = kernel->params->term_crit.max_iter; - storage = cvCreateChildMemStorage( _storage ); - - b = (double*)cvMemStorageAlloc( storage, alpha_count*sizeof(b[0])); - alpha_status = (schar*)cvMemStorageAlloc( storage, alpha_count*sizeof(alpha_status[0])); - G = (double*)cvMemStorageAlloc( storage, alpha_count*sizeof(G[0])); - for( i = 0; i < 2; i++ ) - buf[i] = (Qfloat*)cvMemStorageAlloc( storage, sample_count*2*sizeof(buf[i][0]) ); - svm_type = kernel->params->svm_type; - - select_working_set_func = _select_working_set; - if( !select_working_set_func ) - select_working_set_func = svm_type == CvSVM::NU_SVC || svm_type == CvSVM::NU_SVR ? - &CvSVMSolver::select_working_set_nu_svm : &CvSVMSolver::select_working_set; - - calc_rho_func = _calc_rho; - if( !calc_rho_func ) - calc_rho_func = svm_type == CvSVM::NU_SVC || svm_type == CvSVM::NU_SVR ? - &CvSVMSolver::calc_rho_nu_svm : &CvSVMSolver::calc_rho; - - get_row_func = _get_row; - if( !get_row_func ) - get_row_func = params->svm_type == CvSVM::EPS_SVR || - params->svm_type == CvSVM::NU_SVR ? &CvSVMSolver::get_row_svr : - params->svm_type == CvSVM::C_SVC || - params->svm_type == CvSVM::NU_SVC ? &CvSVMSolver::get_row_svc : - &CvSVMSolver::get_row_one_class; - - cache_line_size = sample_count*sizeof(Qfloat); - // cache size = max(num_of_samples^2*sizeof(Qfloat)*0.25, 64Kb) - // (assuming that for large training sets ~25% of Q matrix is used) - cache_size = MAX( cache_line_size*sample_count/4, CV_SVM_MIN_CACHE_SIZE ); - - // the size of Q matrix row headers - rows_hdr_size = sample_count*sizeof(rows[0]); - if( rows_hdr_size > storage->block_size ) - CV_ERROR( CV_StsOutOfRange, "Too small storage block size" ); - - lru_list.prev = lru_list.next = &lru_list; - rows = (CvSVMKernelRow*)cvMemStorageAlloc( storage, rows_hdr_size ); - memset( rows, 0, rows_hdr_size ); - - ok = true; - - __END__; - - return ok; -} - - -float* CvSVMSolver::get_row_base( int i, bool* _existed ) -{ - int i1 = i < sample_count ? i : i - sample_count; - CvSVMKernelRow* row = rows + i1; - bool existed = row->data != 0; - Qfloat* data; - - if( existed || cache_size <= 0 ) - { - CvSVMKernelRow* del_row = existed ? row : lru_list.prev; - data = del_row->data; - assert( data != 0 ); - - // delete row from the LRU list - del_row->data = 0; - del_row->prev->next = del_row->next; - del_row->next->prev = del_row->prev; - } - else - { - data = (Qfloat*)cvMemStorageAlloc( storage, cache_line_size ); - cache_size -= cache_line_size; - } - - // insert row into the LRU list - row->data = data; - row->prev = &lru_list; - row->next = lru_list.next; - row->prev->next = row->next->prev = row; - - if( !existed ) - { - kernel->calc( sample_count, var_count, samples, samples[i1], row->data ); - } - - if( _existed ) - *_existed = existed; - - return row->data; -} - - -float* CvSVMSolver::get_row_svc( int i, float* row, float*, bool existed ) -{ - if( !existed ) - { - const schar* _y = y; - int j, len = sample_count; - assert( _y && i < sample_count ); - - if( _y[i] > 0 ) + int j, k; + for( j = 0; j < vcount; j++ ) { - for( j = 0; j < len; j++ ) - row[j] = _y[j]*row[j]; - } - else - { - for( j = 0; j < len; j++ ) - row[j] = -_y[j]*row[j]; - } - } - return row; -} - - -float* CvSVMSolver::get_row_one_class( int, float* row, float*, bool ) -{ - return row; -} - - -float* CvSVMSolver::get_row_svr( int i, float* row, float* dst, bool ) -{ - int j, len = sample_count; - Qfloat* dst_pos = dst; - Qfloat* dst_neg = dst + len; - if( i >= len ) - { - Qfloat* temp; - CV_SWAP( dst_pos, dst_neg, temp ); - } - - for( j = 0; j < len; j++ ) - { - Qfloat t = row[j]; - dst_pos[j] = t; - dst_neg[j] = -t; - } - return dst; -} - - - -float* CvSVMSolver::get_row( int i, float* dst ) -{ - bool existed = false; - float* row = get_row_base( i, &existed ); - return (this->*get_row_func)( i, row, dst, existed ); -} - - -#undef is_upper_bound -#define is_upper_bound(i) (alpha_status[i] > 0) - -#undef is_lower_bound -#define is_lower_bound(i) (alpha_status[i] < 0) - -#undef is_free -#define is_free(i) (alpha_status[i] == 0) - -#undef get_C -#define get_C(i) (C[y[i]>0]) - -#undef update_alpha_status -#define update_alpha_status(i) \ - alpha_status[i] = (schar)(alpha[i] >= get_C(i) ? 1 : alpha[i] <= 0 ? -1 : 0) - -#undef reconstruct_gradient -#define reconstruct_gradient() /* empty for now */ - - -bool CvSVMSolver::solve_generic( CvSVMSolutionInfo& si ) -{ - int iter = 0; - int i, j, k; - - // 1. initialize gradient and alpha status - for( i = 0; i < alpha_count; i++ ) - { - update_alpha_status(i); - G[i] = b[i]; - if( fabs(G[i]) > 1e200 ) - return false; - } - - for( i = 0; i < alpha_count; i++ ) - { - if( !is_lower_bound(i) ) - { - const Qfloat *Q_i = get_row( i, buf[0] ); - double alpha_i = alpha[i]; - - for( j = 0; j < alpha_count; j++ ) - G[j] += alpha_i*Q_i[j]; + const float* sample = &vecs[j*var_count]; + double s = 0; + for( k = 0; k <= var_count - 4; k += 4 ) + s += std::min(sample[k],another[k]) + std::min(sample[k+1],another[k+1]) + + std::min(sample[k+2],another[k+2]) + std::min(sample[k+3],another[k+3]); + for( ; k < var_count; k++ ) + s += std::min(sample[k],another[k]); + results[j] = (Qfloat)(s); } } - // 2. optimization loop - for(;;) + /// Exponential chi2 kernel + void calc_chi2( int vcount, int var_count, const float* vecs, + const float* another, Qfloat* results ) { - const Qfloat *Q_i, *Q_j; - double C_i, C_j; - double old_alpha_i, old_alpha_j, alpha_i, alpha_j; - double delta_alpha_i, delta_alpha_j; - -#ifdef _DEBUG - for( i = 0; i < alpha_count; i++ ) + Mat R( 1, vcount, QFLOAT_TYPE, results ); + double gamma = -params.gamma; + int j, k; + for( j = 0; j < vcount; j++ ) { - if( fabs(G[i]) > 1e+300 ) - return false; - - if( fabs(alpha[i]) > 1e16 ) - return false; + const float* sample = &vecs[j*var_count]; + double chi2 = 0; + for(k = 0 ; k < var_count; k++ ) + { + double d = sample[k]-another[k]; + double devisor = sample[k]+another[k]; + /// if devisor == 0, the Chi2 distance would be zero, + // but calculation would rise an error because of deviding by zero + if (devisor != 0) + { + chi2 += d*d/devisor; + } + } + results[j] = (Qfloat) (gamma*chi2); } -#endif + if( vcount > 0 ) + exp( R, R ); + } - if( (this->*select_working_set_func)( i, j ) != 0 || iter++ >= max_iter ) + void calc( int vcount, int var_count, const float* vecs, + const float* another, Qfloat* results ) + { + switch( params.kernelType ) + { + case SVM::LINEAR: + calc_linear(vcount, var_count, vecs, another, results); break; - - Q_i = get_row( i, buf[0] ); - Q_j = get_row( j, buf[1] ); - - C_i = get_C(i); - C_j = get_C(j); - - alpha_i = old_alpha_i = alpha[i]; - alpha_j = old_alpha_j = alpha[j]; - - if( y[i] != y[j] ) - { - double denom = Q_i[i]+Q_j[j]+2*Q_i[j]; - double delta = (-G[i]-G[j])/MAX(fabs(denom),FLT_EPSILON); - double diff = alpha_i - alpha_j; - alpha_i += delta; - alpha_j += delta; - - if( diff > 0 && alpha_j < 0 ) - { - alpha_j = 0; - alpha_i = diff; - } - else if( diff <= 0 && alpha_i < 0 ) - { - alpha_i = 0; - alpha_j = -diff; - } - - if( diff > C_i - C_j && alpha_i > C_i ) - { - alpha_i = C_i; - alpha_j = C_i - diff; - } - else if( diff <= C_i - C_j && alpha_j > C_j ) - { - alpha_j = C_j; - alpha_i = C_j + diff; - } - } - else - { - double denom = Q_i[i]+Q_j[j]-2*Q_i[j]; - double delta = (G[i]-G[j])/MAX(fabs(denom),FLT_EPSILON); - double sum = alpha_i + alpha_j; - alpha_i -= delta; - alpha_j += delta; - - if( sum > C_i && alpha_i > C_i ) - { - alpha_i = C_i; - alpha_j = sum - C_i; - } - else if( sum <= C_i && alpha_j < 0) - { - alpha_j = 0; - alpha_i = sum; - } - - if( sum > C_j && alpha_j > C_j ) - { - alpha_j = C_j; - alpha_i = sum - C_j; - } - else if( sum <= C_j && alpha_i < 0 ) - { - alpha_i = 0; - alpha_j = sum; - } - } - - // update alpha - alpha[i] = alpha_i; - alpha[j] = alpha_j; - update_alpha_status(i); - update_alpha_status(j); - - // update G - delta_alpha_i = alpha_i - old_alpha_i; - delta_alpha_j = alpha_j - old_alpha_j; - - for( k = 0; k < alpha_count; k++ ) - G[k] += Q_i[k]*delta_alpha_i + Q_j[k]*delta_alpha_j; - } - - // calculate rho - (this->*calc_rho_func)( si.rho, si.r ); - - // calculate objective value - for( i = 0, si.obj = 0; i < alpha_count; i++ ) - si.obj += alpha[i] * (G[i] + b[i]); - - si.obj *= 0.5; - - si.upper_bound_p = C[1]; - si.upper_bound_n = C[0]; - - return true; -} - - -// return 1 if already optimal, return 0 otherwise -bool -CvSVMSolver::select_working_set( int& out_i, int& out_j ) -{ - // return i,j which maximize -grad(f)^T d , under constraint - // if alpha_i == C, d != +1 - // if alpha_i == 0, d != -1 - double Gmax1 = -DBL_MAX; // max { -grad(f)_i * d | y_i*d = +1 } - int Gmax1_idx = -1; - - double Gmax2 = -DBL_MAX; // max { -grad(f)_i * d | y_i*d = -1 } - int Gmax2_idx = -1; - - int i; - - for( i = 0; i < alpha_count; i++ ) - { - double t; - - if( y[i] > 0 ) // y = +1 - { - if( !is_upper_bound(i) && (t = -G[i]) > Gmax1 ) // d = +1 - { - Gmax1 = t; - Gmax1_idx = i; - } - if( !is_lower_bound(i) && (t = G[i]) > Gmax2 ) // d = -1 - { - Gmax2 = t; - Gmax2_idx = i; - } - } - else // y = -1 - { - if( !is_upper_bound(i) && (t = -G[i]) > Gmax2 ) // d = +1 - { - Gmax2 = t; - Gmax2_idx = i; - } - if( !is_lower_bound(i) && (t = G[i]) > Gmax1 ) // d = -1 - { - Gmax1 = t; - Gmax1_idx = i; - } - } - } - - out_i = Gmax1_idx; - out_j = Gmax2_idx; - - return Gmax1 + Gmax2 < eps; -} - - -void -CvSVMSolver::calc_rho( double& rho, double& r ) -{ - int i, nr_free = 0; - double ub = DBL_MAX, lb = -DBL_MAX, sum_free = 0; - - for( i = 0; i < alpha_count; i++ ) - { - double yG = y[i]*G[i]; - - if( is_lower_bound(i) ) - { - if( y[i] > 0 ) - ub = MIN(ub,yG); - else - lb = MAX(lb,yG); - } - else if( is_upper_bound(i) ) - { - if( y[i] < 0) - ub = MIN(ub,yG); - else - lb = MAX(lb,yG); - } - else - { - ++nr_free; - sum_free += yG; - } - } - - rho = nr_free > 0 ? sum_free/nr_free : (ub + lb)*0.5; - r = 0; -} - - -bool -CvSVMSolver::select_working_set_nu_svm( int& out_i, int& out_j ) -{ - // return i,j which maximize -grad(f)^T d , under constraint - // if alpha_i == C, d != +1 - // if alpha_i == 0, d != -1 - double Gmax1 = -DBL_MAX; // max { -grad(f)_i * d | y_i = +1, d = +1 } - int Gmax1_idx = -1; - - double Gmax2 = -DBL_MAX; // max { -grad(f)_i * d | y_i = +1, d = -1 } - int Gmax2_idx = -1; - - double Gmax3 = -DBL_MAX; // max { -grad(f)_i * d | y_i = -1, d = +1 } - int Gmax3_idx = -1; - - double Gmax4 = -DBL_MAX; // max { -grad(f)_i * d | y_i = -1, d = -1 } - int Gmax4_idx = -1; - - int i; - - for( i = 0; i < alpha_count; i++ ) - { - double t; - - if( y[i] > 0 ) // y == +1 - { - if( !is_upper_bound(i) && (t = -G[i]) > Gmax1 ) // d = +1 - { - Gmax1 = t; - Gmax1_idx = i; - } - if( !is_lower_bound(i) && (t = G[i]) > Gmax2 ) // d = -1 - { - Gmax2 = t; - Gmax2_idx = i; - } - } - else // y == -1 - { - if( !is_upper_bound(i) && (t = -G[i]) > Gmax3 ) // d = +1 - { - Gmax3 = t; - Gmax3_idx = i; - } - if( !is_lower_bound(i) && (t = G[i]) > Gmax4 ) // d = -1 - { - Gmax4 = t; - Gmax4_idx = i; - } - } - } - - if( MAX(Gmax1 + Gmax2, Gmax3 + Gmax4) < eps ) - return 1; - - if( Gmax1 + Gmax2 > Gmax3 + Gmax4 ) - { - out_i = Gmax1_idx; - out_j = Gmax2_idx; - } - else - { - out_i = Gmax3_idx; - out_j = Gmax4_idx; - } - return 0; -} - - -void -CvSVMSolver::calc_rho_nu_svm( double& rho, double& r ) -{ - int nr_free1 = 0, nr_free2 = 0; - double ub1 = DBL_MAX, ub2 = DBL_MAX; - double lb1 = -DBL_MAX, lb2 = -DBL_MAX; - double sum_free1 = 0, sum_free2 = 0; - double r1, r2; - - int i; - - for( i = 0; i < alpha_count; i++ ) - { - double G_i = G[i]; - if( y[i] > 0 ) - { - if( is_lower_bound(i) ) - ub1 = MIN( ub1, G_i ); - else if( is_upper_bound(i) ) - lb1 = MAX( lb1, G_i ); - else - { - ++nr_free1; - sum_free1 += G_i; - } - } - else - { - if( is_lower_bound(i) ) - ub2 = MIN( ub2, G_i ); - else if( is_upper_bound(i) ) - lb2 = MAX( lb2, G_i ); - else - { - ++nr_free2; - sum_free2 += G_i; - } - } - } - - r1 = nr_free1 > 0 ? sum_free1/nr_free1 : (ub1 + lb1)*0.5; - r2 = nr_free2 > 0 ? sum_free2/nr_free2 : (ub2 + lb2)*0.5; - - rho = (r1 - r2)*0.5; - r = (r1 + r2)*0.5; -} - - -/* -///////////////////////// construct and solve various formulations /////////////////////// -*/ - -bool CvSVMSolver::solve_c_svc( int _sample_count, int _var_count, const float** _samples, schar* _y, - double _Cp, double _Cn, CvMemStorage* _storage, - CvSVMKernel* _kernel, double* _alpha, CvSVMSolutionInfo& _si ) -{ - int i; - - if( !create( _sample_count, _var_count, _samples, _y, _sample_count, - _alpha, _Cp, _Cn, _storage, _kernel, &CvSVMSolver::get_row_svc, - &CvSVMSolver::select_working_set, &CvSVMSolver::calc_rho )) - return false; - - for( i = 0; i < sample_count; i++ ) - { - alpha[i] = 0; - b[i] = -1; - } - - if( !solve_generic( _si )) - return false; - - for( i = 0; i < sample_count; i++ ) - alpha[i] *= y[i]; - - return true; -} - - -bool CvSVMSolver::solve_nu_svc( int _sample_count, int _var_count, const float** _samples, schar* _y, - CvMemStorage* _storage, CvSVMKernel* _kernel, - double* _alpha, CvSVMSolutionInfo& _si ) -{ - int i; - double sum_pos, sum_neg, inv_r; - - if( !create( _sample_count, _var_count, _samples, _y, _sample_count, - _alpha, 1., 1., _storage, _kernel, &CvSVMSolver::get_row_svc, - &CvSVMSolver::select_working_set_nu_svm, &CvSVMSolver::calc_rho_nu_svm )) - return false; - - sum_pos = kernel->params->nu * sample_count * 0.5; - sum_neg = kernel->params->nu * sample_count * 0.5; - - for( i = 0; i < sample_count; i++ ) - { - if( y[i] > 0 ) - { - alpha[i] = MIN(1.0, sum_pos); - sum_pos -= alpha[i]; - } - else - { - alpha[i] = MIN(1.0, sum_neg); - sum_neg -= alpha[i]; - } - b[i] = 0; - } - - if( !solve_generic( _si )) - return false; - - inv_r = 1./_si.r; - - for( i = 0; i < sample_count; i++ ) - alpha[i] *= y[i]*inv_r; - - _si.rho *= inv_r; - _si.obj *= (inv_r*inv_r); - _si.upper_bound_p = inv_r; - _si.upper_bound_n = inv_r; - - return true; -} - - -bool CvSVMSolver::solve_one_class( int _sample_count, int _var_count, const float** _samples, - CvMemStorage* _storage, CvSVMKernel* _kernel, - double* _alpha, CvSVMSolutionInfo& _si ) -{ - int i, n; - double nu = _kernel->params->nu; - - if( !create( _sample_count, _var_count, _samples, 0, _sample_count, - _alpha, 1., 1., _storage, _kernel, &CvSVMSolver::get_row_one_class, - &CvSVMSolver::select_working_set, &CvSVMSolver::calc_rho )) - return false; - - y = (schar*)cvMemStorageAlloc( storage, sample_count*sizeof(y[0]) ); - n = cvRound( nu*sample_count ); - - for( i = 0; i < sample_count; i++ ) - { - y[i] = 1; - b[i] = 0; - alpha[i] = i < n ? 1 : 0; - } - - if( n < sample_count ) - alpha[n] = nu * sample_count - n; - else - alpha[n-1] = nu * sample_count - (n-1); - - return solve_generic(_si); -} - - -bool CvSVMSolver::solve_eps_svr( int _sample_count, int _var_count, const float** _samples, - const float* _y, CvMemStorage* _storage, - CvSVMKernel* _kernel, double* _alpha, CvSVMSolutionInfo& _si ) -{ - int i; - double p = _kernel->params->p, kernel_param_c = _kernel->params->C; - - if( !create( _sample_count, _var_count, _samples, 0, - _sample_count*2, 0, kernel_param_c, kernel_param_c, _storage, _kernel, &CvSVMSolver::get_row_svr, - &CvSVMSolver::select_working_set, &CvSVMSolver::calc_rho )) - return false; - - y = (schar*)cvMemStorageAlloc( storage, sample_count*2*sizeof(y[0]) ); - alpha = (double*)cvMemStorageAlloc( storage, alpha_count*sizeof(alpha[0]) ); - - for( i = 0; i < sample_count; i++ ) - { - alpha[i] = 0; - b[i] = p - _y[i]; - y[i] = 1; - - alpha[i+sample_count] = 0; - b[i+sample_count] = p + _y[i]; - y[i+sample_count] = -1; - } - - if( !solve_generic( _si )) - return false; - - for( i = 0; i < sample_count; i++ ) - _alpha[i] = alpha[i] - alpha[i+sample_count]; - - return true; -} - - -bool CvSVMSolver::solve_nu_svr( int _sample_count, int _var_count, const float** _samples, - const float* _y, CvMemStorage* _storage, - CvSVMKernel* _kernel, double* _alpha, CvSVMSolutionInfo& _si ) -{ - int i; - double kernel_param_c = _kernel->params->C, sum; - - if( !create( _sample_count, _var_count, _samples, 0, - _sample_count*2, 0, 1., 1., _storage, _kernel, &CvSVMSolver::get_row_svr, - &CvSVMSolver::select_working_set_nu_svm, &CvSVMSolver::calc_rho_nu_svm )) - return false; - - y = (schar*)cvMemStorageAlloc( storage, sample_count*2*sizeof(y[0]) ); - alpha = (double*)cvMemStorageAlloc( storage, alpha_count*sizeof(alpha[0]) ); - sum = kernel_param_c * _kernel->params->nu * sample_count * 0.5; - - for( i = 0; i < sample_count; i++ ) - { - alpha[i] = alpha[i + sample_count] = MIN(sum, kernel_param_c); - sum -= alpha[i]; - - b[i] = -_y[i]; - y[i] = 1; - - b[i + sample_count] = _y[i]; - y[i + sample_count] = -1; - } - - if( !solve_generic( _si )) - return false; - - for( i = 0; i < sample_count; i++ ) - _alpha[i] = alpha[i] - alpha[i+sample_count]; - - return true; -} - - -////////////////////////////////////////////////////////////////////////////////////////// - -CvSVM::CvSVM() -{ - decision_func = 0; - class_labels = 0; - class_weights = 0; - storage = 0; - var_idx = 0; - kernel = 0; - solver = 0; - default_model_name = "my_svm"; - - clear(); -} - - -CvSVM::~CvSVM() -{ - clear(); -} - - -void CvSVM::clear() -{ - cvFree( &decision_func ); - cvReleaseMat( &class_labels ); - cvReleaseMat( &class_weights ); - cvReleaseMemStorage( &storage ); - cvReleaseMat( &var_idx ); - delete kernel; - delete solver; - kernel = 0; - solver = 0; - var_all = 0; - sv = 0; - sv_total = 0; -} - - -CvSVM::CvSVM( const CvMat* _train_data, const CvMat* _responses, - const CvMat* _var_idx, const CvMat* _sample_idx, CvSVMParams _params ) -{ - decision_func = 0; - class_labels = 0; - class_weights = 0; - storage = 0; - var_idx = 0; - kernel = 0; - solver = 0; - default_model_name = "my_svm"; - - train( _train_data, _responses, _var_idx, _sample_idx, _params ); -} - - -int CvSVM::get_support_vector_count() const -{ - return sv_total; -} - - -const float* CvSVM::get_support_vector(int i) const -{ - return sv && (unsigned)i < (unsigned)sv_total ? sv[i] : 0; -} - -bool CvSVM::set_params( const CvSVMParams& _params ) -{ - bool ok = false; - - CV_FUNCNAME( "CvSVM::set_params" ); - - __BEGIN__; - - int kernel_type, svm_type; - - params = _params; - - kernel_type = params.kernel_type; - svm_type = params.svm_type; - - if( kernel_type != LINEAR && kernel_type != POLY && - kernel_type != SIGMOID && kernel_type != RBF && - kernel_type != INTER && kernel_type != CHI2) - CV_ERROR( CV_StsBadArg, "Unknown/unsupported kernel type" ); - - if( kernel_type == LINEAR ) - params.gamma = 1; - else if( params.gamma <= 0 ) - CV_ERROR( CV_StsOutOfRange, "gamma parameter of the kernel must be positive" ); - - if( kernel_type != SIGMOID && kernel_type != POLY ) - params.coef0 = 0; - else if( params.coef0 < 0 ) - CV_ERROR( CV_StsOutOfRange, "The kernel parameter must be positive or zero" ); - - if( kernel_type != POLY ) - params.degree = 0; - else if( params.degree <= 0 ) - CV_ERROR( CV_StsOutOfRange, "The kernel parameter must be positive" ); - - if( svm_type != C_SVC && svm_type != NU_SVC && - svm_type != ONE_CLASS && svm_type != EPS_SVR && - svm_type != NU_SVR ) - CV_ERROR( CV_StsBadArg, "Unknown/unsupported SVM type" ); - - if( svm_type == ONE_CLASS || svm_type == NU_SVC ) - params.C = 0; - else if( params.C <= 0 ) - CV_ERROR( CV_StsOutOfRange, "The parameter C must be positive" ); - - if( svm_type == C_SVC || svm_type == EPS_SVR ) - params.nu = 0; - else if( params.nu <= 0 || params.nu >= 1 ) - CV_ERROR( CV_StsOutOfRange, "The parameter nu must be between 0 and 1" ); - - if( svm_type != EPS_SVR ) - params.p = 0; - else if( params.p <= 0 ) - CV_ERROR( CV_StsOutOfRange, "The parameter p must be positive" ); - - if( svm_type != C_SVC ) - params.class_weights = 0; - - params.term_crit = cvCheckTermCriteria( params.term_crit, DBL_EPSILON, INT_MAX ); - params.term_crit.epsilon = MAX( params.term_crit.epsilon, DBL_EPSILON ); - ok = true; - - __END__; - - return ok; -} - - - -void CvSVM::create_kernel() -{ - kernel = new CvSVMKernel(¶ms,0); -} - - -void CvSVM::create_solver( ) -{ - solver = new CvSVMSolver; -} - - -// switching function -bool CvSVM::train1( int sample_count, int var_count, const float** samples, - const void* _responses, double Cp, double Cn, - CvMemStorage* _storage, double* alpha, double& rho ) -{ - bool ok = false; - - //CV_FUNCNAME( "CvSVM::train1" ); - - __BEGIN__; - - CvSVMSolutionInfo si; - int svm_type = params.svm_type; - - si.rho = 0; - - ok = svm_type == C_SVC ? solver->solve_c_svc( sample_count, var_count, samples, (schar*)_responses, - Cp, Cn, _storage, kernel, alpha, si ) : - svm_type == NU_SVC ? solver->solve_nu_svc( sample_count, var_count, samples, (schar*)_responses, - _storage, kernel, alpha, si ) : - svm_type == ONE_CLASS ? solver->solve_one_class( sample_count, var_count, samples, - _storage, kernel, alpha, si ) : - svm_type == EPS_SVR ? solver->solve_eps_svr( sample_count, var_count, samples, (float*)_responses, - _storage, kernel, alpha, si ) : - svm_type == NU_SVR ? solver->solve_nu_svr( sample_count, var_count, samples, (float*)_responses, - _storage, kernel, alpha, si ) : false; - - rho = si.rho; - - __END__; - - return ok; -} - - -bool CvSVM::do_train( int svm_type, int sample_count, int var_count, const float** samples, - const CvMat* responses, CvMemStorage* temp_storage, double* alpha ) -{ - bool ok = false; - - CV_FUNCNAME( "CvSVM::do_train" ); - - __BEGIN__; - - CvSVMDecisionFunc* df = 0; - const int sample_size = var_count*sizeof(samples[0][0]); - int i, j, k; - - cvClearMemStorage( storage ); - - if( svm_type == ONE_CLASS || svm_type == EPS_SVR || svm_type == NU_SVR ) - { - int sv_count = 0; - - CV_CALL( decision_func = df = - (CvSVMDecisionFunc*)cvAlloc( sizeof(df[0]) )); - - df->rho = 0; - if( !train1( sample_count, var_count, samples, svm_type == ONE_CLASS ? 0 : - responses->data.i, 0, 0, temp_storage, alpha, df->rho )) - EXIT; - - for( i = 0; i < sample_count; i++ ) - sv_count += fabs(alpha[i]) > 0; - - CV_Assert(sv_count != 0); - - sv_total = df->sv_count = sv_count; - CV_CALL( df->alpha = (double*)cvMemStorageAlloc( storage, sv_count*sizeof(df->alpha[0])) ); - CV_CALL( sv = (float**)cvMemStorageAlloc( storage, sv_count*sizeof(sv[0]))); - - for( i = k = 0; i < sample_count; i++ ) - { - if( fabs(alpha[i]) > 0 ) - { - CV_CALL( sv[k] = (float*)cvMemStorageAlloc( storage, sample_size )); - memcpy( sv[k], samples[i], sample_size ); - df->alpha[k++] = alpha[i]; - } - } - } - else - { - int class_count = class_labels->cols; - int* sv_tab = 0; - const float** temp_samples = 0; - int* class_ranges = 0; - schar* temp_y = 0; - assert( svm_type == CvSVM::C_SVC || svm_type == CvSVM::NU_SVC ); - - if( svm_type == CvSVM::C_SVC && params.class_weights ) - { - const CvMat* cw = params.class_weights; - - if( !CV_IS_MAT(cw) || (cw->cols != 1 && cw->rows != 1) || - cw->rows + cw->cols - 1 != class_count || - (CV_MAT_TYPE(cw->type) != CV_32FC1 && CV_MAT_TYPE(cw->type) != CV_64FC1) ) - CV_ERROR( CV_StsBadArg, "params.class_weights must be 1d floating-point vector " - "containing as many elements as the number of classes" ); - - CV_CALL( class_weights = cvCreateMat( cw->rows, cw->cols, CV_64F )); - CV_CALL( cvConvert( cw, class_weights )); - CV_CALL( cvScale( class_weights, class_weights, params.C )); - } - - CV_CALL( decision_func = df = (CvSVMDecisionFunc*)cvAlloc( - (class_count*(class_count-1)/2)*sizeof(df[0]))); - - CV_CALL( sv_tab = (int*)cvMemStorageAlloc( temp_storage, sample_count*sizeof(sv_tab[0]) )); - memset( sv_tab, 0, sample_count*sizeof(sv_tab[0]) ); - CV_CALL( class_ranges = (int*)cvMemStorageAlloc( temp_storage, - (class_count + 1)*sizeof(class_ranges[0]))); - CV_CALL( temp_samples = (const float**)cvMemStorageAlloc( temp_storage, - sample_count*sizeof(temp_samples[0]))); - CV_CALL( temp_y = (schar*)cvMemStorageAlloc( temp_storage, sample_count)); - - class_ranges[class_count] = 0; - cvSortSamplesByClasses( samples, responses, class_ranges, 0 ); - //check that while cross-validation there were the samples from all the classes - if( class_ranges[class_count] <= 0 ) - CV_ERROR( CV_StsBadArg, "While cross-validation one or more of the classes have " - "been fell out of the sample. Try to enlarge " ); - - if( svm_type == NU_SVC ) - { - // check if nu is feasible - for(i = 0; i < class_count; i++ ) - { - int ci = class_ranges[i+1] - class_ranges[i]; - for( j = i+1; j< class_count; j++ ) - { - int cj = class_ranges[j+1] - class_ranges[j]; - if( params.nu*(ci + cj)*0.5 > MIN( ci, cj ) ) - { - // !!!TODO!!! add some diagnostic - EXIT; // exit immediately; will release the model and return NULL pointer - } - } - } - } - - // train n*(n-1)/2 classifiers - for( i = 0; i < class_count; i++ ) - { - for( j = i+1; j < class_count; j++, df++ ) - { - int si = class_ranges[i], ci = class_ranges[i+1] - si; - int sj = class_ranges[j], cj = class_ranges[j+1] - sj; - double Cp = params.C, Cn = Cp; - int k1 = 0, sv_count = 0; - - for( k = 0; k < ci; k++ ) - { - temp_samples[k] = samples[si + k]; - temp_y[k] = 1; - } - - for( k = 0; k < cj; k++ ) - { - temp_samples[ci + k] = samples[sj + k]; - temp_y[ci + k] = -1; - } - - if( class_weights ) - { - Cp = class_weights->data.db[i]; - Cn = class_weights->data.db[j]; - } - - if( !train1( ci + cj, var_count, temp_samples, temp_y, - Cp, Cn, temp_storage, alpha, df->rho )) - EXIT; - - for( k = 0; k < ci + cj; k++ ) - sv_count += fabs(alpha[k]) > 0; - - df->sv_count = sv_count; - - CV_CALL( df->alpha = (double*)cvMemStorageAlloc( temp_storage, - sv_count*sizeof(df->alpha[0]))); - CV_CALL( df->sv_index = (int*)cvMemStorageAlloc( temp_storage, - sv_count*sizeof(df->sv_index[0]))); - - for( k = 0; k < ci; k++ ) - { - if( fabs(alpha[k]) > 0 ) - { - sv_tab[si + k] = 1; - df->sv_index[k1] = si + k; - df->alpha[k1++] = alpha[k]; - } - } - - for( k = 0; k < cj; k++ ) - { - if( fabs(alpha[ci + k]) > 0 ) - { - sv_tab[sj + k] = 1; - df->sv_index[k1] = sj + k; - df->alpha[k1++] = alpha[ci + k]; - } - } - } - } - - // allocate support vectors and initialize sv_tab - for( i = 0, k = 0; i < sample_count; i++ ) - { - if( sv_tab[i] ) - sv_tab[i] = ++k; - } - - sv_total = k; - CV_CALL( sv = (float**)cvMemStorageAlloc( storage, sv_total*sizeof(sv[0]))); - - for( i = 0, k = 0; i < sample_count; i++ ) - { - if( sv_tab[i] ) - { - CV_CALL( sv[k] = (float*)cvMemStorageAlloc( storage, sample_size )); - memcpy( sv[k], samples[i], sample_size ); - k++; - } - } - - df = (CvSVMDecisionFunc*)decision_func; - - // set sv pointers - for( i = 0; i < class_count; i++ ) - { - for( j = i+1; j < class_count; j++, df++ ) - { - for( k = 0; k < df->sv_count; k++ ) - { - df->sv_index[k] = sv_tab[df->sv_index[k]]-1; - assert( (unsigned)df->sv_index[k] < (unsigned)sv_total ); - } - } - } - } - - optimize_linear_svm(); - ok = true; - - __END__; - - return ok; -} - - -void CvSVM::optimize_linear_svm() -{ - // we optimize only linear SVM: compress all the support vectors into one. - if( params.kernel_type != LINEAR ) - return; - - int class_count = class_labels ? class_labels->cols : - params.svm_type == CvSVM::ONE_CLASS ? 1 : 0; - - int i, df_count = class_count > 1 ? class_count*(class_count-1)/2 : 1; - CvSVMDecisionFunc* df = decision_func; - - for( i = 0; i < df_count; i++ ) - { - int sv_count = df[i].sv_count; - if( sv_count != 1 ) + case SVM::RBF: + calc_rbf(vcount, var_count, vecs, another, results); break; - } - - // if every decision functions uses a single support vector; - // it's already compressed. skip it then. - if( i == df_count ) - return; - - int var_count = get_var_count(); - cv::AutoBuffer vbuf(var_count); - double* v = vbuf; - float** new_sv = (float**)cvMemStorageAlloc(storage, df_count*sizeof(new_sv[0])); - - for( i = 0; i < df_count; i++ ) - { - new_sv[i] = (float*)cvMemStorageAlloc(storage, var_count*sizeof(new_sv[i][0])); - float* dst = new_sv[i]; - memset(v, 0, var_count*sizeof(v[0])); - int j, k, sv_count = df[i].sv_count; - for( j = 0; j < sv_count; j++ ) - { - const float* src = class_count > 1 && df[i].sv_index ? sv[df[i].sv_index[j]] : sv[j]; - double a = df[i].alpha[j]; - for( k = 0; k < var_count; k++ ) - v[k] += src[k]*a; + case SVM::POLY: + calc_poly(vcount, var_count, vecs, another, results); + break; + case SVM::SIGMOID: + calc_sigmoid(vcount, var_count, vecs, another, results); + break; + case SVM::CHI2: + calc_chi2(vcount, var_count, vecs, another, results); + break; + case SVM::INTER: + calc_intersec(vcount, var_count, vecs, another, results); + break; + default: + CV_Error(CV_StsBadArg, "Unknown kernel type"); + } + const Qfloat max_val = (Qfloat)(FLT_MAX*1e-3); + for( int j = 0; j < vcount; j++ ) + { + if( results[j] > max_val ) + results[j] = max_val; } - for( k = 0; k < var_count; k++ ) - dst[k] = (float)v[k]; - df[i].sv_count = 1; - df[i].alpha[0] = 1.; - if( class_count > 1 && df[i].sv_index ) - df[i].sv_index[0] = i; } - sv = new_sv; - sv_total = df_count; -} - - -bool CvSVM::train( const CvMat* _train_data, const CvMat* _responses, - const CvMat* _var_idx, const CvMat* _sample_idx, CvSVMParams _params ) -{ - bool ok = false; - CvMat* responses = 0; - CvMemStorage* temp_storage = 0; - const float** samples = 0; - - CV_FUNCNAME( "CvSVM::train" ); - - __BEGIN__; - - int svm_type, sample_count, var_count, sample_size; - int block_size = 1 << 16; - double* alpha; - - clear(); - CV_CALL( set_params( _params )); - - svm_type = _params.svm_type; - - /* Prepare training data and related parameters */ - CV_CALL( cvPrepareTrainData( "CvSVM::train", _train_data, CV_ROW_SAMPLE, - svm_type != CvSVM::ONE_CLASS ? _responses : 0, - svm_type == CvSVM::C_SVC || - svm_type == CvSVM::NU_SVC ? CV_VAR_CATEGORICAL : - CV_VAR_ORDERED, _var_idx, _sample_idx, - false, &samples, &sample_count, &var_count, &var_all, - &responses, &class_labels, &var_idx )); - - - sample_size = var_count*sizeof(samples[0][0]); - - // make the storage block size large enough to fit all - // the temporary vectors and output support vectors. - block_size = MAX( block_size, sample_count*(int)sizeof(CvSVMKernelRow)); - block_size = MAX( block_size, sample_count*2*(int)sizeof(double) + 1024 ); - block_size = MAX( block_size, sample_size*2 + 1024 ); - - CV_CALL( storage = cvCreateMemStorage(block_size + sizeof(CvMemBlock) + sizeof(CvSeqBlock))); - CV_CALL( temp_storage = cvCreateChildMemStorage(storage)); - CV_CALL( alpha = (double*)cvMemStorageAlloc(temp_storage, sample_count*sizeof(double))); - - create_kernel(); - create_solver(); - - if( !do_train( svm_type, sample_count, var_count, samples, responses, temp_storage, alpha )) - EXIT; - - ok = true; // model has been trained succesfully - - __END__; - - delete solver; - solver = 0; - cvReleaseMemStorage( &temp_storage ); - cvReleaseMat( &responses ); - cvFree( &samples ); - - if( cvGetErrStatus() < 0 || !ok ) - clear(); - - return ok; -} - -struct indexedratio -{ - double val; - int ind; - int count_smallest, count_biggest; - void eval() { val = (double) count_smallest/(count_smallest+count_biggest); } + SVM::Params params; }; -static int CV_CDECL -icvCmpIndexedratio( const void* a, const void* b ) + + +///////////////////////////////////////////////////////////////////////// + +static void sortSamplesByClasses( const Mat& _samples, const Mat& _responses, + vector& sidx_all, vector& class_ranges ) { - return ((const indexedratio*)a)->val < ((const indexedratio*)b)->val ? -1 - : ((const indexedratio*)a)->val > ((const indexedratio*)b)->val ? 1 - : 0; + int i, nsamples = _samples.rows; + CV_Assert( _responses.isContinuous() && _responses.checkVector(1, CV_32S) == nsamples ); + + setRangeVector(sidx_all, nsamples); + + const int* rptr = _responses.ptr(); + std::sort(sidx_all.begin(), sidx_all.end(), cmp_lt_idx(rptr)); + class_ranges.clear(); + class_ranges.push_back(0); + + for( i = 0; i < nsamples; i++ ) + { + if( i == nsamples-1 || rptr[sidx_all[i]] != rptr[sidx_all[i+1]] ) + class_ranges.push_back(i+1); + } } -bool CvSVM::train_auto( const CvMat* _train_data, const CvMat* _responses, - const CvMat* _var_idx, const CvMat* _sample_idx, CvSVMParams _params, int k_fold, - CvParamGrid C_grid, CvParamGrid gamma_grid, CvParamGrid p_grid, - CvParamGrid nu_grid, CvParamGrid coef_grid, CvParamGrid degree_grid, - bool balanced) +//////////////////////// SVM implementation ////////////////////////////// + +ParamGrid SVM::getDefaultGrid( int param_id ) { - bool ok = false; - CvMat* responses = 0; - CvMat* responses_local = 0; - CvMemStorage* temp_storage = 0; - const float** samples = 0; - const float** samples_local = 0; - - CV_FUNCNAME( "CvSVM::train_auto" ); - __BEGIN__; - - int svm_type, sample_count, var_count, sample_size; - int block_size = 1 << 16; - double* alpha; - RNG* rng = &theRNG(); - - // all steps are logarithmic and must be > 1 - double degree_step = 10, g_step = 10, coef_step = 10, C_step = 10, nu_step = 10, p_step = 10; - double gamma = 0, curr_c = 0, degree = 0, coef = 0, p = 0, nu = 0; - double best_degree = 0, best_gamma = 0, best_coef = 0, best_C = 0, best_nu = 0, best_p = 0; - float min_error = FLT_MAX, error; - - if( _params.svm_type == CvSVM::ONE_CLASS ) + ParamGrid grid; + if( param_id == SVM::C ) { - if(!train( _train_data, _responses, _var_idx, _sample_idx, _params )) - EXIT; + grid.minVal = 0.1; + grid.maxVal = 500; + grid.logStep = 5; // total iterations = 5 + } + else if( param_id == SVM::GAMMA ) + { + grid.minVal = 1e-5; + grid.maxVal = 0.6; + grid.logStep = 15; // total iterations = 4 + } + else if( param_id == SVM::P ) + { + grid.minVal = 0.01; + grid.maxVal = 100; + grid.logStep = 7; // total iterations = 4 + } + else if( param_id == SVM::NU ) + { + grid.minVal = 0.01; + grid.maxVal = 0.2; + grid.logStep = 3; // total iterations = 3 + } + else if( param_id == SVM::COEF ) + { + grid.minVal = 0.1; + grid.maxVal = 300; + grid.logStep = 14; // total iterations = 3 + } + else if( param_id == SVM::DEGREE ) + { + grid.minVal = 0.01; + grid.maxVal = 4; + grid.logStep = 7; // total iterations = 3 + } + else + cvError( CV_StsBadArg, "SVM::getDefaultGrid", "Invalid type of parameter " + "(use one of SVM::C, SVM::GAMMA et al.)", __FILE__, __LINE__ ); + return grid; +} + + +class SVMImpl : public SVM +{ +public: + struct DecisionFunc + { + DecisionFunc(double _rho, int _ofs) : rho(_rho), ofs(_ofs) {} + DecisionFunc() : rho(0.), ofs(0) {} + double rho; + int ofs; + }; + + // Generalized SMO+SVMlight algorithm + // Solves: + // + // min [0.5(\alpha^T Q \alpha) + b^T \alpha] + // + // y^T \alpha = \delta + // y_i = +1 or -1 + // 0 <= alpha_i <= Cp for y_i = 1 + // 0 <= alpha_i <= Cn for y_i = -1 + // + // Given: + // + // Q, b, y, Cp, Cn, and an initial feasible point \alpha + // l is the size of vectors and matrices + // eps is the stopping criterion + // + // solution will be put in \alpha, objective value will be put in obj + // + class Solver + { + public: + enum { MIN_CACHE_SIZE = (40 << 20) /* 40Mb */, MAX_CACHE_SIZE = (500 << 20) /* 500Mb */ }; + + typedef bool (Solver::*SelectWorkingSet)( int& i, int& j ); + typedef Qfloat* (Solver::*GetRow)( int i, Qfloat* row, Qfloat* dst, bool existed ); + typedef void (Solver::*CalcRho)( double& rho, double& r ); + + struct KernelRow + { + KernelRow() { idx = -1; prev = next = 0; } + KernelRow(int _idx, int _prev, int _next) : idx(_idx), prev(_prev), next(_next) {} + int idx; + int prev; + int next; + }; + + struct SolutionInfo + { + SolutionInfo() { obj = rho = upper_bound_p = upper_bound_n = r = 0; } + double obj; + double rho; + double upper_bound_p; + double upper_bound_n; + double r; // for Solver_NU + }; + + void clear() + { + alpha_vec = 0; + select_working_set_func = 0; + calc_rho_func = 0; + get_row_func = 0; + lru_cache.clear(); + } + + Solver( const Mat& _samples, const vector& _y, + vector& _alpha, const vector& _b, + double _Cp, double _Cn, + const Ptr& _kernel, GetRow _get_row, + SelectWorkingSet _select_working_set, CalcRho _calc_rho, + TermCriteria _termCrit ) + { + clear(); + + samples = _samples; + sample_count = samples.rows; + var_count = samples.cols; + + y_vec = _y; + alpha_vec = &_alpha; + alpha_count = (int)alpha_vec->size(); + b_vec = _b; + kernel = _kernel; + + C[0] = _Cn; + C[1] = _Cp; + eps = _termCrit.epsilon; + max_iter = _termCrit.maxCount; + + G_vec.resize(alpha_count); + alpha_status_vec.resize(alpha_count); + buf[0].resize(sample_count*2); + buf[1].resize(sample_count*2); + + select_working_set_func = _select_working_set; + CV_Assert(select_working_set_func != 0); + + calc_rho_func = _calc_rho; + CV_Assert(calc_rho_func != 0); + + get_row_func = _get_row; + CV_Assert(get_row_func != 0); + + // assume that for large training sets ~25% of Q matrix is used + int64 csize = (int64)sample_count*sample_count/4; + csize = std::max(csize, (int64)(MIN_CACHE_SIZE/sizeof(Qfloat)) ); + csize = std::min(csize, (int64)(MAX_CACHE_SIZE/sizeof(Qfloat)) ); + max_cache_size = (int)((csize + sample_count-1)/sample_count); + max_cache_size = std::min(std::max(max_cache_size, 1), sample_count); + cache_size = 0; + + lru_cache.clear(); + lru_cache.resize(sample_count+1, KernelRow(-1, 0, 0)); + lru_first = lru_last = 0; + lru_cache_data.create(max_cache_size, sample_count, QFLOAT_TYPE); + } + + Qfloat* get_row_base( int i, bool* _existed ) + { + int i1 = i < sample_count ? i : i - sample_count; + KernelRow& kr = lru_cache[i1+1]; + if( _existed ) + *_existed = kr.idx >= 0; + if( kr.idx < 0 ) + { + if( cache_size < max_cache_size ) + { + kr.idx = cache_size; + cache_size++; + } + else + { + KernelRow& last = lru_cache[lru_last]; + kr.idx = last.idx; + last.idx = -1; + lru_cache[last.prev].next = 0; + lru_last = last.prev; + } + kernel->calc( sample_count, var_count, samples.ptr(), + samples.ptr(i1), lru_cache_data.ptr(kr.idx) ); + } + else + { + if( kr.next ) + lru_cache[kr.next].prev = kr.prev; + else + lru_last = kr.prev; + if( kr.prev ) + lru_cache[kr.prev].next = kr.next; + else + lru_first = kr.next; + } + kr.next = lru_first; + kr.prev = 0; + lru_first = i1+1; + + return lru_cache_data.ptr(kr.idx); + } + + Qfloat* get_row_svc( int i, Qfloat* row, Qfloat*, bool existed ) + { + if( !existed ) + { + const schar* _y = &y_vec[0]; + int j, len = sample_count; + + if( _y[i] > 0 ) + { + for( j = 0; j < len; j++ ) + row[j] = _y[j]*row[j]; + } + else + { + for( j = 0; j < len; j++ ) + row[j] = -_y[j]*row[j]; + } + } + return row; + } + + Qfloat* get_row_one_class( int, Qfloat* row, Qfloat*, bool ) + { + return row; + } + + Qfloat* get_row_svr( int i, Qfloat* row, Qfloat* dst, bool ) + { + int j, len = sample_count; + Qfloat* dst_pos = dst; + Qfloat* dst_neg = dst + len; + if( i >= len ) + std::swap(dst_pos, dst_neg); + + for( j = 0; j < len; j++ ) + { + Qfloat t = row[j]; + dst_pos[j] = t; + dst_neg[j] = -t; + } + return dst; + } + + Qfloat* get_row( int i, float* dst ) + { + bool existed = false; + float* row = get_row_base( i, &existed ); + return (this->*get_row_func)( i, row, dst, existed ); + } + + #undef is_upper_bound + #define is_upper_bound(i) (alpha_status[i] > 0) + + #undef is_lower_bound + #define is_lower_bound(i) (alpha_status[i] < 0) + + #undef is_free + #define is_free(i) (alpha_status[i] == 0) + + #undef get_C + #define get_C(i) (C[y[i]>0]) + + #undef update_alpha_status + #define update_alpha_status(i) \ + alpha_status[i] = (schar)(alpha[i] >= get_C(i) ? 1 : alpha[i] <= 0 ? -1 : 0) + + #undef reconstruct_gradient + #define reconstruct_gradient() /* empty for now */ + + bool solve_generic( SolutionInfo& si ) + { + const schar* y = &y_vec[0]; + double* alpha = &alpha_vec->at(0); + schar* alpha_status = &alpha_status_vec[0]; + double* G = &G_vec[0]; + double* b = &b_vec[0]; + + int iter = 0; + int i, j, k; + + // 1. initialize gradient and alpha status + for( i = 0; i < alpha_count; i++ ) + { + update_alpha_status(i); + G[i] = b[i]; + if( fabs(G[i]) > 1e200 ) + return false; + } + + for( i = 0; i < alpha_count; i++ ) + { + if( !is_lower_bound(i) ) + { + const Qfloat *Q_i = get_row( i, &buf[0][0] ); + double alpha_i = alpha[i]; + + for( j = 0; j < alpha_count; j++ ) + G[j] += alpha_i*Q_i[j]; + } + } + + // 2. optimization loop + for(;;) + { + const Qfloat *Q_i, *Q_j; + double C_i, C_j; + double old_alpha_i, old_alpha_j, alpha_i, alpha_j; + double delta_alpha_i, delta_alpha_j; + + #ifdef _DEBUG + for( i = 0; i < alpha_count; i++ ) + { + if( fabs(G[i]) > 1e+300 ) + return false; + + if( fabs(alpha[i]) > 1e16 ) + return false; + } + #endif + + if( (this->*select_working_set_func)( i, j ) != 0 || iter++ >= max_iter ) + break; + + Q_i = get_row( i, &buf[0][0] ); + Q_j = get_row( j, &buf[1][0] ); + + C_i = get_C(i); + C_j = get_C(j); + + alpha_i = old_alpha_i = alpha[i]; + alpha_j = old_alpha_j = alpha[j]; + + if( y[i] != y[j] ) + { + double denom = Q_i[i]+Q_j[j]+2*Q_i[j]; + double delta = (-G[i]-G[j])/MAX(fabs(denom),FLT_EPSILON); + double diff = alpha_i - alpha_j; + alpha_i += delta; + alpha_j += delta; + + if( diff > 0 && alpha_j < 0 ) + { + alpha_j = 0; + alpha_i = diff; + } + else if( diff <= 0 && alpha_i < 0 ) + { + alpha_i = 0; + alpha_j = -diff; + } + + if( diff > C_i - C_j && alpha_i > C_i ) + { + alpha_i = C_i; + alpha_j = C_i - diff; + } + else if( diff <= C_i - C_j && alpha_j > C_j ) + { + alpha_j = C_j; + alpha_i = C_j + diff; + } + } + else + { + double denom = Q_i[i]+Q_j[j]-2*Q_i[j]; + double delta = (G[i]-G[j])/MAX(fabs(denom),FLT_EPSILON); + double sum = alpha_i + alpha_j; + alpha_i -= delta; + alpha_j += delta; + + if( sum > C_i && alpha_i > C_i ) + { + alpha_i = C_i; + alpha_j = sum - C_i; + } + else if( sum <= C_i && alpha_j < 0) + { + alpha_j = 0; + alpha_i = sum; + } + + if( sum > C_j && alpha_j > C_j ) + { + alpha_j = C_j; + alpha_i = sum - C_j; + } + else if( sum <= C_j && alpha_i < 0 ) + { + alpha_i = 0; + alpha_j = sum; + } + } + + // update alpha + alpha[i] = alpha_i; + alpha[j] = alpha_j; + update_alpha_status(i); + update_alpha_status(j); + + // update G + delta_alpha_i = alpha_i - old_alpha_i; + delta_alpha_j = alpha_j - old_alpha_j; + + for( k = 0; k < alpha_count; k++ ) + G[k] += Q_i[k]*delta_alpha_i + Q_j[k]*delta_alpha_j; + } + + // calculate rho + (this->*calc_rho_func)( si.rho, si.r ); + + // calculate objective value + for( i = 0, si.obj = 0; i < alpha_count; i++ ) + si.obj += alpha[i] * (G[i] + b[i]); + + si.obj *= 0.5; + + si.upper_bound_p = C[1]; + si.upper_bound_n = C[0]; + + return true; + } + + // return 1 if already optimal, return 0 otherwise + bool select_working_set( int& out_i, int& out_j ) + { + // return i,j which maximize -grad(f)^T d , under constraint + // if alpha_i == C, d != +1 + // if alpha_i == 0, d != -1 + double Gmax1 = -DBL_MAX; // max { -grad(f)_i * d | y_i*d = +1 } + int Gmax1_idx = -1; + + double Gmax2 = -DBL_MAX; // max { -grad(f)_i * d | y_i*d = -1 } + int Gmax2_idx = -1; + + const schar* y = &y_vec[0]; + const schar* alpha_status = &alpha_status_vec[0]; + const double* G = &G_vec[0]; + + for( int i = 0; i < alpha_count; i++ ) + { + double t; + + if( y[i] > 0 ) // y = +1 + { + if( !is_upper_bound(i) && (t = -G[i]) > Gmax1 ) // d = +1 + { + Gmax1 = t; + Gmax1_idx = i; + } + if( !is_lower_bound(i) && (t = G[i]) > Gmax2 ) // d = -1 + { + Gmax2 = t; + Gmax2_idx = i; + } + } + else // y = -1 + { + if( !is_upper_bound(i) && (t = -G[i]) > Gmax2 ) // d = +1 + { + Gmax2 = t; + Gmax2_idx = i; + } + if( !is_lower_bound(i) && (t = G[i]) > Gmax1 ) // d = -1 + { + Gmax1 = t; + Gmax1_idx = i; + } + } + } + + out_i = Gmax1_idx; + out_j = Gmax2_idx; + + return Gmax1 + Gmax2 < eps; + } + + void calc_rho( double& rho, double& r ) + { + int nr_free = 0; + double ub = DBL_MAX, lb = -DBL_MAX, sum_free = 0; + const schar* y = &y_vec[0]; + const schar* alpha_status = &alpha_status_vec[0]; + const double* G = &G_vec[0]; + + for( int i = 0; i < alpha_count; i++ ) + { + double yG = y[i]*G[i]; + + if( is_lower_bound(i) ) + { + if( y[i] > 0 ) + ub = MIN(ub,yG); + else + lb = MAX(lb,yG); + } + else if( is_upper_bound(i) ) + { + if( y[i] < 0) + ub = MIN(ub,yG); + else + lb = MAX(lb,yG); + } + else + { + ++nr_free; + sum_free += yG; + } + } + + rho = nr_free > 0 ? sum_free/nr_free : (ub + lb)*0.5; + r = 0; + } + + bool select_working_set_nu_svm( int& out_i, int& out_j ) + { + // return i,j which maximize -grad(f)^T d , under constraint + // if alpha_i == C, d != +1 + // if alpha_i == 0, d != -1 + double Gmax1 = -DBL_MAX; // max { -grad(f)_i * d | y_i = +1, d = +1 } + int Gmax1_idx = -1; + + double Gmax2 = -DBL_MAX; // max { -grad(f)_i * d | y_i = +1, d = -1 } + int Gmax2_idx = -1; + + double Gmax3 = -DBL_MAX; // max { -grad(f)_i * d | y_i = -1, d = +1 } + int Gmax3_idx = -1; + + double Gmax4 = -DBL_MAX; // max { -grad(f)_i * d | y_i = -1, d = -1 } + int Gmax4_idx = -1; + + const schar* y = &y_vec[0]; + const schar* alpha_status = &alpha_status_vec[0]; + const double* G = &G_vec[0]; + + for( int i = 0; i < alpha_count; i++ ) + { + double t; + + if( y[i] > 0 ) // y == +1 + { + if( !is_upper_bound(i) && (t = -G[i]) > Gmax1 ) // d = +1 + { + Gmax1 = t; + Gmax1_idx = i; + } + if( !is_lower_bound(i) && (t = G[i]) > Gmax2 ) // d = -1 + { + Gmax2 = t; + Gmax2_idx = i; + } + } + else // y == -1 + { + if( !is_upper_bound(i) && (t = -G[i]) > Gmax3 ) // d = +1 + { + Gmax3 = t; + Gmax3_idx = i; + } + if( !is_lower_bound(i) && (t = G[i]) > Gmax4 ) // d = -1 + { + Gmax4 = t; + Gmax4_idx = i; + } + } + } + + if( MAX(Gmax1 + Gmax2, Gmax3 + Gmax4) < eps ) + return 1; + + if( Gmax1 + Gmax2 > Gmax3 + Gmax4 ) + { + out_i = Gmax1_idx; + out_j = Gmax2_idx; + } + else + { + out_i = Gmax3_idx; + out_j = Gmax4_idx; + } + return 0; + } + + void calc_rho_nu_svm( double& rho, double& r ) + { + int nr_free1 = 0, nr_free2 = 0; + double ub1 = DBL_MAX, ub2 = DBL_MAX; + double lb1 = -DBL_MAX, lb2 = -DBL_MAX; + double sum_free1 = 0, sum_free2 = 0; + + const schar* y = &y_vec[0]; + const schar* alpha_status = &alpha_status_vec[0]; + const double* G = &G_vec[0]; + + for( int i = 0; i < alpha_count; i++ ) + { + double G_i = G[i]; + if( y[i] > 0 ) + { + if( is_lower_bound(i) ) + ub1 = MIN( ub1, G_i ); + else if( is_upper_bound(i) ) + lb1 = MAX( lb1, G_i ); + else + { + ++nr_free1; + sum_free1 += G_i; + } + } + else + { + if( is_lower_bound(i) ) + ub2 = MIN( ub2, G_i ); + else if( is_upper_bound(i) ) + lb2 = MAX( lb2, G_i ); + else + { + ++nr_free2; + sum_free2 += G_i; + } + } + } + + double r1 = nr_free1 > 0 ? sum_free1/nr_free1 : (ub1 + lb1)*0.5; + double r2 = nr_free2 > 0 ? sum_free2/nr_free2 : (ub2 + lb2)*0.5; + + rho = (r1 - r2)*0.5; + r = (r1 + r2)*0.5; + } + + /* + ///////////////////////// construct and solve various formulations /////////////////////// + */ + static bool solve_c_svc( const Mat& _samples, const vector& _y, + double _Cp, double _Cn, const Ptr& _kernel, + vector& _alpha, SolutionInfo& _si, TermCriteria termCrit ) + { + int sample_count = _samples.rows; + + _alpha.assign(sample_count, 0.); + vector _b(sample_count, -1.); + + Solver solver( _samples, _y, _alpha, _b, _Cp, _Cn, _kernel, + &Solver::get_row_svc, + &Solver::select_working_set, + &Solver::calc_rho, + termCrit ); + + if( !solver.solve_generic( _si )) + return false; + + for( int i = 0; i < sample_count; i++ ) + _alpha[i] *= _y[i]; + + return true; + } + + + static bool solve_nu_svc( const Mat& _samples, const vector& _y, + double nu, const Ptr& _kernel, + vector& _alpha, SolutionInfo& _si, + TermCriteria termCrit ) + { + int sample_count = _samples.rows; + + _alpha.resize(sample_count); + vector _b(sample_count, 0.); + + double sum_pos = nu * sample_count * 0.5; + double sum_neg = nu * sample_count * 0.5; + + for( int i = 0; i < sample_count; i++ ) + { + double a; + if( _y[i] > 0 ) + { + a = std::min(1.0, sum_pos); + sum_pos -= a; + } + else + { + a = std::min(1.0, sum_neg); + sum_neg -= a; + } + _alpha[i] = a; + } + + Solver solver( _samples, _y, _alpha, _b, 1., 1., _kernel, + &Solver::get_row_svc, + &Solver::select_working_set_nu_svm, + &Solver::calc_rho_nu_svm, + termCrit ); + + if( !solver.solve_generic( _si )) + return false; + + double inv_r = 1./_si.r; + + for( int i = 0; i < sample_count; i++ ) + _alpha[i] *= _y[i]*inv_r; + + _si.rho *= inv_r; + _si.obj *= (inv_r*inv_r); + _si.upper_bound_p = inv_r; + _si.upper_bound_n = inv_r; + + return true; + } + + static bool solve_one_class( const Mat& _samples, double nu, + const Ptr& _kernel, + vector& _alpha, SolutionInfo& _si, + TermCriteria termCrit ) + { + int sample_count = _samples.rows; + vector _y(sample_count, 1); + vector _b(sample_count, 0.); + + int i, n = cvRound( nu*sample_count ); + + _alpha.resize(sample_count); + for( i = 0; i < sample_count; i++ ) + _alpha[i] = i < n ? 1 : 0; + + if( n < sample_count ) + _alpha[n] = nu * sample_count - n; + else + _alpha[n-1] = nu * sample_count - (n-1); + + Solver solver( _samples, _y, _alpha, _b, 1., 1., _kernel, + &Solver::get_row_one_class, + &Solver::select_working_set, + &Solver::calc_rho, + termCrit ); + + return solver.solve_generic(_si); + } + + static bool solve_eps_svr( const Mat& _samples, const vector& _yf, + double p, double C, const Ptr& _kernel, + vector& _alpha, SolutionInfo& _si, + TermCriteria termCrit ) + { + int sample_count = _samples.rows; + int alpha_count = sample_count*2; + + CV_Assert( (int)_yf.size() == sample_count ); + + _alpha.assign(alpha_count, 0.); + vector _y(alpha_count); + vector _b(alpha_count); + + for( int i = 0; i < sample_count; i++ ) + { + _b[i] = p - _yf[i]; + _y[i] = 1; + + _b[i+sample_count] = p + _yf[i]; + _y[i+sample_count] = -1; + } + + Solver solver( _samples, _y, _alpha, _b, C, C, _kernel, + &Solver::get_row_svr, + &Solver::select_working_set, + &Solver::calc_rho, + termCrit ); + + if( !solver.solve_generic( _si )) + return false; + + for( int i = 0; i < sample_count; i++ ) + _alpha[i] -= _alpha[i+sample_count]; + + return true; + } + + + static bool solve_nu_svr( const Mat& _samples, const vector& _yf, + double nu, double C, const Ptr& _kernel, + vector& _alpha, SolutionInfo& _si, + TermCriteria termCrit ) + { + int sample_count = _samples.rows; + int alpha_count = sample_count*2; + double sum = C * nu * sample_count * 0.5; + + CV_Assert( (int)_yf.size() == sample_count ); + + _alpha.resize(alpha_count); + vector _y(alpha_count); + vector _b(alpha_count); + + for( int i = 0; i < sample_count; i++ ) + { + _alpha[i] = _alpha[i + sample_count] = std::min(sum, C); + sum -= _alpha[i]; + + _b[i] = -_yf[i]; + _y[i] = 1; + + _b[i + sample_count] = _yf[i]; + _y[i + sample_count] = -1; + } + + Solver solver( _samples, _y, _alpha, _b, 1., 1., _kernel, + &Solver::get_row_svr, + &Solver::select_working_set_nu_svm, + &Solver::calc_rho_nu_svm, + termCrit ); + + if( !solver.solve_generic( _si )) + return false; + + for( int i = 0; i < sample_count; i++ ) + _alpha[i] -= _alpha[i+sample_count]; + + return true; + } + + int sample_count; + int var_count; + int cache_size; + int max_cache_size; + Mat samples; + SVM::Params params; + vector lru_cache; + int lru_first; + int lru_last; + Mat lru_cache_data; + + int alpha_count; + + vector G_vec; + vector* alpha_vec; + vector y_vec; + // -1 - lower bound, 0 - free, 1 - upper bound + vector alpha_status_vec; + vector b_vec; + + vector buf[2]; + double eps; + int max_iter; + double C[2]; // C[0] == Cn, C[1] == Cp + Ptr kernel; + + SelectWorkingSet select_working_set_func; + CalcRho calc_rho_func; + GetRow get_row_func; + }; + + ////////////////////////////////////////////////////////////////////////////////////////// + SVMImpl() + { + clear(); + } + + ~SVMImpl() + { + clear(); + } + + void clear() + { + decision_func.clear(); + df_alpha.clear(); + df_index.clear(); + sv.release(); + } + + Mat getSupportVectors() const + { + return sv; + } + + void setParams( const Params& _params, const Ptr& _kernel ) + { + params = _params; + + int kernelType = params.kernelType; + int svmType = params.svmType; + + if( kernelType != LINEAR && kernelType != POLY && + kernelType != SIGMOID && kernelType != RBF && + kernelType != INTER && kernelType != CHI2) + CV_Error( CV_StsBadArg, "Unknown/unsupported kernel type" ); + + if( kernelType == LINEAR ) + params.gamma = 1; + else if( params.gamma <= 0 ) + CV_Error( CV_StsOutOfRange, "gamma parameter of the kernel must be positive" ); + + if( kernelType != SIGMOID && kernelType != POLY ) + params.coef0 = 0; + else if( params.coef0 < 0 ) + CV_Error( CV_StsOutOfRange, "The kernel parameter must be positive or zero" ); + + if( kernelType != POLY ) + params.degree = 0; + else if( params.degree <= 0 ) + CV_Error( CV_StsOutOfRange, "The kernel parameter must be positive" ); + + if( svmType != C_SVC && svmType != NU_SVC && + svmType != ONE_CLASS && svmType != EPS_SVR && + svmType != NU_SVR ) + CV_Error( CV_StsBadArg, "Unknown/unsupported SVM type" ); + + if( svmType == ONE_CLASS || svmType == NU_SVC ) + params.C = 0; + else if( params.C <= 0 ) + CV_Error( CV_StsOutOfRange, "The parameter C must be positive" ); + + if( svmType == C_SVC || svmType == EPS_SVR ) + params.nu = 0; + else if( params.nu <= 0 || params.nu >= 1 ) + CV_Error( CV_StsOutOfRange, "The parameter nu must be between 0 and 1" ); + + if( svmType != EPS_SVR ) + params.p = 0; + else if( params.p <= 0 ) + CV_Error( CV_StsOutOfRange, "The parameter p must be positive" ); + + if( svmType != C_SVC ) + params.classWeights.release(); + + termCrit = params.termCrit; + if( !(termCrit.type & TermCriteria::EPS) ) + termCrit.epsilon = DBL_EPSILON; + termCrit.epsilon = std::max(termCrit.epsilon, DBL_EPSILON); + if( !(termCrit.type & TermCriteria::COUNT) ) + termCrit.maxCount = INT_MAX; + termCrit.maxCount = std::max(termCrit.maxCount, 1); + + if( _kernel ) + kernel = _kernel; + else + kernel = makePtr(params); + } + + Params getParams() const + { + return params; + } + + Ptr getKernel() const + { + return kernel; + } + + int getSVCount(int i) const + { + return (i < (int)(decision_func.size()-1) ? decision_func[i+1].ofs : + (int)df_index.size()) - decision_func[i].ofs; + } + + bool do_train( const Mat& _samples, const Mat& _responses ) + { + int svmType = params.svmType; + int i, j, k, sample_count = _samples.rows; + vector _alpha; + Solver::SolutionInfo sinfo; + + CV_Assert( _samples.type() == CV_32F ); + var_count = _samples.cols; + + if( svmType == ONE_CLASS || svmType == EPS_SVR || svmType == NU_SVR ) + { + int sv_count = 0; + decision_func.clear(); + + vector _yf; + if( !_responses.empty() ) + _responses.convertTo(_yf, CV_32F); + + bool ok = + svmType == ONE_CLASS ? Solver::solve_one_class( _samples, params.nu, kernel, _alpha, sinfo, termCrit ) : + svmType == EPS_SVR ? Solver::solve_eps_svr( _samples, _yf, params.p, params.C, kernel, _alpha, sinfo, termCrit ) : + svmType == NU_SVR ? Solver::solve_nu_svr( _samples, _yf, params.nu, params.C, kernel, _alpha, sinfo, termCrit ) : false; + + if( !ok ) + return false; + + for( i = 0; i < sample_count; i++ ) + sv_count += fabs(_alpha[i]) > 0; + + CV_Assert(sv_count != 0); + + sv.create(sv_count, _samples.cols, CV_32F); + df_alpha.resize(sv_count); + df_index.resize(sv_count); + + for( i = k = 0; i < sample_count; i++ ) + { + if( std::abs(_alpha[i]) > 0 ) + { + _samples.row(i).copyTo(sv.row(k)); + df_alpha[k] = _alpha[i]; + df_index[k] = k; + k++; + } + } + + decision_func.push_back(DecisionFunc(sinfo.rho, 0)); + } + else + { + int class_count = (int)class_labels.total(); + vector svidx, sidx, sidx_all, sv_tab(sample_count, 0); + Mat temp_samples, class_weights; + vector class_ranges; + vector temp_y; + double nu = params.nu; + CV_Assert( svmType == C_SVC || svmType == NU_SVC ); + + if( svmType == C_SVC && !params.classWeights.empty() ) + { + const Mat cw = params.classWeights; + + if( (cw.cols != 1 && cw.rows != 1) || + (int)cw.total() != class_count || + (cw.type() != CV_32F && cw.type() != CV_64F) ) + CV_Error( CV_StsBadArg, "params.class_weights must be 1d floating-point vector " + "containing as many elements as the number of classes" ); + + cw.convertTo(class_weights, CV_64F, params.C); + //normalize(cw, class_weights, params.C, 0, NORM_L1, CV_64F); + } + + decision_func.clear(); + df_alpha.clear(); + df_index.clear(); + + sortSamplesByClasses( _samples, _responses, sidx_all, class_ranges ); + + //check that while cross-validation there were the samples from all the classes + if( class_ranges[class_count] <= 0 ) + CV_Error( CV_StsBadArg, "While cross-validation one or more of the classes have " + "been fell out of the sample. Try to enlarge " ); + + if( svmType == NU_SVC ) + { + // check if nu is feasible + for( i = 0; i < class_count; i++ ) + { + int ci = class_ranges[i+1] - class_ranges[i]; + for( j = i+1; j< class_count; j++ ) + { + int cj = class_ranges[j+1] - class_ranges[j]; + if( nu*(ci + cj)*0.5 > std::min( ci, cj ) ) + // TODO: add some diagnostic + return false; + } + } + } + + size_t samplesize = _samples.cols*_samples.elemSize(); + + // train n*(n-1)/2 classifiers + for( i = 0; i < class_count; i++ ) + { + for( j = i+1; j < class_count; j++ ) + { + int si = class_ranges[i], ci = class_ranges[i+1] - si; + int sj = class_ranges[j], cj = class_ranges[j+1] - sj; + double Cp = params.C, Cn = Cp; + + temp_samples.create(ci + cj, _samples.cols, _samples.type()); + sidx.resize(ci + cj); + temp_y.resize(ci + cj); + + // form input for the binary classification problem + for( k = 0; k < ci+cj; k++ ) + { + int idx = k < ci ? si+k : sj+k-ci; + memcpy(temp_samples.ptr(k), _samples.ptr(sidx_all[idx]), samplesize); + sidx[k] = sidx_all[idx]; + temp_y[k] = k < ci ? 1 : -1; + } + + if( !class_weights.empty() ) + { + Cp = class_weights.at(i); + Cn = class_weights.at(j); + } + + DecisionFunc df; + bool ok = params.svmType == C_SVC ? + Solver::solve_c_svc( temp_samples, temp_y, Cp, Cn, + kernel, _alpha, sinfo, termCrit ) : + params.svmType == NU_SVC ? + Solver::solve_nu_svc( temp_samples, temp_y, params.nu, + kernel, _alpha, sinfo, termCrit ) : + false; + if( !ok ) + return false; + df.rho = sinfo.rho; + df.ofs = (int)df_index.size(); + decision_func.push_back(df); + + for( k = 0; k < ci + cj; k++ ) + { + if( std::abs(_alpha[k]) > 0 ) + { + int idx = k < ci ? si+k : sj+k-ci; + sv_tab[sidx_all[idx]] = 1; + df_index.push_back(sidx_all[idx]); + df_alpha.push_back(_alpha[k]); + } + } + } + } + + // allocate support vectors and initialize sv_tab + for( i = 0, k = 0; i < sample_count; i++ ) + { + if( sv_tab[i] ) + sv_tab[i] = ++k; + } + + int sv_total = k; + sv.create(sv_total, _samples.cols, _samples.type()); + + for( i = 0; i < sample_count; i++ ) + { + if( !sv_tab[i] ) + continue; + memcpy(sv.ptr(sv_tab[i]-1), _samples.ptr(i), samplesize); + } + + // set sv pointers + int n = (int)df_index.size(); + for( i = 0; i < n; i++ ) + { + CV_Assert( sv_tab[df_index[i]] > 0 ); + df_index[i] = sv_tab[df_index[i]] - 1; + } + } + + optimize_linear_svm(); return true; } - clear(); - - if( k_fold < 2 ) - CV_ERROR( CV_StsBadArg, "Parameter must be > 1" ); - - CV_CALL(set_params( _params )); - svm_type = _params.svm_type; - - // All the parameters except, possibly, are positive. - // is nonnegative - if( C_grid.step <= 1 ) + void optimize_linear_svm() { - C_grid.min_val = C_grid.max_val = params.C; - C_grid.step = 10; - } - else - CV_CALL(C_grid.check()); + // we optimize only linear SVM: compress all the support vectors into one. + if( params.kernelType != LINEAR ) + return; - if( gamma_grid.step <= 1 ) - { - gamma_grid.min_val = gamma_grid.max_val = params.gamma; - gamma_grid.step = 10; - } - else - CV_CALL(gamma_grid.check()); + int i, df_count = (int)decision_func.size(); - if( p_grid.step <= 1 ) - { - p_grid.min_val = p_grid.max_val = params.p; - p_grid.step = 10; - } - else - CV_CALL(p_grid.check()); - - if( nu_grid.step <= 1 ) - { - nu_grid.min_val = nu_grid.max_val = params.nu; - nu_grid.step = 10; - } - else - CV_CALL(nu_grid.check()); - - if( coef_grid.step <= 1 ) - { - coef_grid.min_val = coef_grid.max_val = params.coef0; - coef_grid.step = 10; - } - else - CV_CALL(coef_grid.check()); - - if( degree_grid.step <= 1 ) - { - degree_grid.min_val = degree_grid.max_val = params.degree; - degree_grid.step = 10; - } - else - CV_CALL(degree_grid.check()); - - // these parameters are not used: - if( params.kernel_type != CvSVM::POLY ) - degree_grid.min_val = degree_grid.max_val = params.degree; - if( params.kernel_type == CvSVM::LINEAR ) - gamma_grid.min_val = gamma_grid.max_val = params.gamma; - if( params.kernel_type != CvSVM::POLY && params.kernel_type != CvSVM::SIGMOID ) - coef_grid.min_val = coef_grid.max_val = params.coef0; - if( svm_type == CvSVM::NU_SVC || svm_type == CvSVM::ONE_CLASS ) - C_grid.min_val = C_grid.max_val = params.C; - if( svm_type == CvSVM::C_SVC || svm_type == CvSVM::EPS_SVR ) - nu_grid.min_val = nu_grid.max_val = params.nu; - if( svm_type != CvSVM::EPS_SVR ) - p_grid.min_val = p_grid.max_val = params.p; - - CV_ASSERT( g_step > 1 && degree_step > 1 && coef_step > 1); - CV_ASSERT( p_step > 1 && C_step > 1 && nu_step > 1 ); - - /* Prepare training data and related parameters */ - CV_CALL(cvPrepareTrainData( "CvSVM::train_auto", _train_data, CV_ROW_SAMPLE, - svm_type != CvSVM::ONE_CLASS ? _responses : 0, - svm_type == CvSVM::C_SVC || - svm_type == CvSVM::NU_SVC ? CV_VAR_CATEGORICAL : - CV_VAR_ORDERED, _var_idx, _sample_idx, - false, &samples, &sample_count, &var_count, &var_all, - &responses, &class_labels, &var_idx )); - - sample_size = var_count*sizeof(samples[0][0]); - - // make the storage block size large enough to fit all - // the temporary vectors and output support vectors. - block_size = MAX( block_size, sample_count*(int)sizeof(CvSVMKernelRow)); - block_size = MAX( block_size, sample_count*2*(int)sizeof(double) + 1024 ); - block_size = MAX( block_size, sample_size*2 + 1024 ); - - CV_CALL( storage = cvCreateMemStorage(block_size + sizeof(CvMemBlock) + sizeof(CvSeqBlock))); - CV_CALL(temp_storage = cvCreateChildMemStorage(storage)); - CV_CALL(alpha = (double*)cvMemStorageAlloc(temp_storage, sample_count*sizeof(double))); - - create_kernel(); - create_solver(); - - { - const int testset_size = sample_count/k_fold; - const int trainset_size = sample_count - testset_size; - const int last_testset_size = sample_count - testset_size*(k_fold-1); - const int last_trainset_size = sample_count - last_testset_size; - const bool is_regression = (svm_type == EPS_SVR) || (svm_type == NU_SVR); - - size_t resp_elem_size = CV_ELEM_SIZE(responses->type); - size_t size = 2*last_trainset_size*sizeof(samples[0]); - - samples_local = (const float**) cvAlloc( size ); - memset( samples_local, 0, size ); - - responses_local = cvCreateMat( 1, trainset_size, CV_MAT_TYPE(responses->type) ); - cvZero( responses_local ); - - // randomly permute samples and responses - for(int i = 0; i < sample_count; i++ ) - { - int i1 = (*rng)(sample_count); - int i2 = (*rng)(sample_count); - const float* temp; - float t; - int y; - - CV_SWAP( samples[i1], samples[i2], temp ); - if( is_regression ) - CV_SWAP( responses->data.fl[i1], responses->data.fl[i2], t ); - else - CV_SWAP( responses->data.i[i1], responses->data.i[i2], y ); - } - - if (!is_regression && class_labels->cols==2 && balanced) - { - // count class samples - int num_0=0,num_1=0; - for (int i=0; idata.i[i]==class_labels->data.i[0]) - ++num_0; - else - ++num_1; + if( getSVCount(i) != 1 ) + break; } - int label_smallest_class; - int label_biggest_class; - if (num_0 < num_1) + // if every decision functions uses a single support vector; + // it's already compressed. skip it then. + if( i == df_count ) + return; + + AutoBuffer vbuf(var_count); + double* v = vbuf; + Mat new_sv(df_count, var_count, CV_32F); + + vector new_df; + + for( i = 0; i < df_count; i++ ) { - label_biggest_class = class_labels->data.i[1]; - label_smallest_class = class_labels->data.i[0]; - } - else - { - label_biggest_class = class_labels->data.i[0]; - label_smallest_class = class_labels->data.i[1]; - int y; - CV_SWAP(num_0,num_1,y); - } - const double class_ratio = (double) num_0/sample_count; - // calculate class ratio of each fold - indexedratio *ratios=0; - ratios = (indexedratio*) cvAlloc(k_fold*sizeof(*ratios)); - for (int k=0, i_begin=0; k(i); + memset(v, 0, var_count*sizeof(v[0])); + int j, k, sv_count = getSVCount(i); + const DecisionFunc& df = decision_func[i]; + const int* sv_index = &df_index[df.ofs]; + const double* sv_alpha = &df_alpha[df.ofs]; + for( j = 0; j < sv_count; j++ ) { - if (responses->data.i[i]==label_smallest_class) - ++count0; - else - ++count1; + const float* src = sv.ptr(sv_index[j]); + double a = sv_alpha[j]; + for( k = 0; k < var_count; k++ ) + v[k] += src[k]*a; } - ratios[k].ind = k; - ratios[k].count_smallest = count0; - ratios[k].count_biggest = count1; - ratios[k].eval(); + for( k = 0; k < var_count; k++ ) + dst[k] = (float)v[k]; + new_df.push_back(DecisionFunc(df.rho, i)); } - // initial distance - qsort(ratios, k_fold, sizeof(ratios[0]), icvCmpIndexedratio); - double old_dist = 0.0; - for (int k=0; k 0.0) - { - if (ratios[0].count_biggest==0 || ratios[k_fold-1].count_smallest==0) - break; // we are not able to swap samples anymore - // what if we swap the samples, calculate the new distance - ratios[0].count_smallest++; - ratios[0].count_biggest--; - ratios[0].eval(); - ratios[k_fold-1].count_smallest--; - ratios[k_fold-1].count_biggest++; - ratios[k_fold-1].eval(); - qsort(ratios, k_fold, sizeof(ratios[0]), icvCmpIndexedratio); - new_dist = 0.0; - for (int k=0; kdata.i[i1]==label_biggest_class) - break; - } - // index of the smallest_class sample from the maximum ratio fold - int i2 = ratios[k_fold-1].ind * testset_size; - for ( ; i2data.i[i2]==label_smallest_class) - break; - } - // swap - const float* temp; - int y; - CV_SWAP( samples[i1], samples[i2], temp ); - CV_SWAP( responses->data.i[i1], responses->data.i[i2], y ); - old_dist = new_dist; - } - else - break; // does not improve, so break the loop - } - cvFree(&ratios); + + setRangeVector(df_index, df_count); + df_alpha.assign(df_count, 1.); + std::swap(sv, new_sv); + std::swap(decision_func, new_df); } - int* cls_lbls = class_labels ? class_labels->data.i : 0; - curr_c = C_grid.min_val; - do + bool train( const Ptr& data, int ) { - params.C = curr_c; - gamma = gamma_grid.min_val; - do - { - params.gamma = gamma; - p = p_grid.min_val; - do - { - params.p = p; - nu = nu_grid.min_val; - do - { - params.nu = nu; - coef = coef_grid.min_val; - do - { - params.coef0 = coef; - degree = degree_grid.min_val; - do - { - params.degree = degree; - - float** test_samples_ptr = (float**)samples; - uchar* true_resp = responses->data.ptr; - int test_size = testset_size; - int train_size = trainset_size; - - error = 0; - for(int k = 0; k < k_fold; k++ ) - { - memcpy( samples_local, samples, sizeof(samples[0])*test_size*k ); - memcpy( samples_local + test_size*k, test_samples_ptr + test_size, - sizeof(samples[0])*(sample_count - testset_size*(k+1)) ); - - memcpy( responses_local->data.ptr, responses->data.ptr, resp_elem_size*test_size*k ); - memcpy( responses_local->data.ptr + resp_elem_size*test_size*k, - true_resp + resp_elem_size*test_size, - resp_elem_size*(sample_count - testset_size*(k+1)) ); - - if( k == k_fold - 1 ) - { - test_size = last_testset_size; - train_size = last_trainset_size; - responses_local->cols = last_trainset_size; - } - - // Train SVM on samples - if( !do_train( svm_type, train_size, var_count, - (const float**)samples_local, responses_local, temp_storage, alpha ) ) - EXIT; - - // Compute test set error on samples - for(int i = 0; i < test_size; i++, true_resp += resp_elem_size, test_samples_ptr++ ) - { - float resp = predict( *test_samples_ptr, var_count ); - error += is_regression ? powf( resp - *(float*)true_resp, 2 ) - : ((int)resp != cls_lbls[*(int*)true_resp]); - } - } - if( min_error > error ) - { - min_error = error; - best_degree = degree; - best_gamma = gamma; - best_coef = coef; - best_C = curr_c; - best_nu = nu; - best_p = p; - } - degree *= degree_grid.step; - } - while( degree < degree_grid.max_val ); - coef *= coef_grid.step; - } - while( coef < coef_grid.max_val ); - nu *= nu_grid.step; - } - while( nu < nu_grid.max_val ); - p *= p_grid.step; - } - while( p < p_grid.max_val ); - gamma *= gamma_grid.step; - } - while( gamma < gamma_grid.max_val ); - curr_c *= C_grid.step; - } - while( curr_c < C_grid.max_val ); - } - - min_error /= (float) sample_count; - - params.C = best_C; - params.nu = best_nu; - params.p = best_p; - params.gamma = best_gamma; - params.degree = best_degree; - params.coef0 = best_coef; - - CV_CALL(ok = do_train( svm_type, sample_count, var_count, samples, responses, temp_storage, alpha )); - - __END__; - - delete solver; - solver = 0; - cvReleaseMemStorage( &temp_storage ); - cvReleaseMat( &responses ); - cvReleaseMat( &responses_local ); - cvFree( &samples ); - cvFree( &samples_local ); - - if( cvGetErrStatus() < 0 || !ok ) clear(); - return ok; -} + int svmType = params.svmType; + Mat samples = data->getTrainSamples(); + Mat responses; -float CvSVM::predict( const float* row_sample, int row_len, bool returnDFVal ) const -{ - assert( kernel ); - assert( row_sample ); + if( svmType == C_SVC || svmType == NU_SVC ) + { + responses = data->getTrainNormCatResponses(); + if( responses.empty() ) + CV_Error(CV_StsBadArg, "in the case of classification problem the responses must be categorical; " + "either specify varType when creating TrainData, or pass integer responses"); + class_labels = data->getClassLabels(); + } + else + responses = data->getTrainResponses(); - int var_count = get_var_count(); - assert( row_len == var_count ); - (void)row_len; + if( !do_train( samples, responses )) + { + clear(); + return false; + } - int class_count = class_labels ? class_labels->cols : - params.svm_type == ONE_CLASS ? 1 : 0; - - float result = 0; - cv::AutoBuffer _buffer(sv_total + (class_count+1)*2); - float* buffer = _buffer; - - if( params.svm_type == EPS_SVR || - params.svm_type == NU_SVR || - params.svm_type == ONE_CLASS ) - { - CvSVMDecisionFunc* df = (CvSVMDecisionFunc*)decision_func; - int i, sv_count = df->sv_count; - double sum = -df->rho; - - kernel->calc( sv_count, var_count, (const float**)sv, row_sample, buffer ); - for( i = 0; i < sv_count; i++ ) - sum += buffer[i]*df->alpha[i]; - - result = params.svm_type == ONE_CLASS ? (float)(sum > 0) : (float)sum; + return true; } - else if( params.svm_type == C_SVC || - params.svm_type == NU_SVC ) + + bool trainAuto( const Ptr& data, int k_fold, + ParamGrid C_grid, ParamGrid gamma_grid, ParamGrid p_grid, + ParamGrid nu_grid, ParamGrid coef_grid, ParamGrid degree_grid, + bool balanced ) { - CvSVMDecisionFunc* df = (CvSVMDecisionFunc*)decision_func; - int* vote = (int*)(buffer + sv_total); + int svmType = params.svmType; + RNG rng((uint64)-1); + + if( svmType == ONE_CLASS ) + // current implementation of "auto" svm does not support the 1-class case. + return train( data, 0 ); + + clear(); + + CV_Assert( k_fold >= 2 ); + + // All the parameters except, possibly, are positive. + // is nonnegative + #define CHECK_GRID(grid, param) \ + if( grid.logStep <= 1 ) \ + { \ + grid.minVal = grid.maxVal = params.param; \ + grid.logStep = 10; \ + } \ + else \ + checkParamGrid(grid) + + CHECK_GRID(C_grid, C); + CHECK_GRID(gamma_grid, gamma); + CHECK_GRID(p_grid, p); + CHECK_GRID(nu_grid, nu); + CHECK_GRID(coef_grid, coef0); + CHECK_GRID(degree_grid, degree); + + // these parameters are not used: + if( params.kernelType != POLY ) + degree_grid.minVal = degree_grid.maxVal = params.degree; + if( params.kernelType == LINEAR ) + gamma_grid.minVal = gamma_grid.maxVal = params.gamma; + if( params.kernelType != POLY && params.kernelType != SIGMOID ) + coef_grid.minVal = coef_grid.maxVal = params.coef0; + if( svmType == NU_SVC || svmType == ONE_CLASS ) + C_grid.minVal = C_grid.maxVal = params.C; + if( svmType == C_SVC || svmType == EPS_SVR ) + nu_grid.minVal = nu_grid.maxVal = params.nu; + if( svmType != EPS_SVR ) + p_grid.minVal = p_grid.maxVal = params.p; + + Mat samples = data->getTrainSamples(); + Mat responses; + bool is_classification = false; + Mat class_labels0 = class_labels; + int class_count = (int)class_labels.total(); + + if( svmType == C_SVC || svmType == NU_SVC ) + { + responses = data->getTrainNormCatResponses(); + class_labels = data->getClassLabels(); + is_classification = true; + + vector temp_class_labels; + setRangeVector(temp_class_labels, class_count); + + // temporarily replace class labels with 0, 1, ..., NCLASSES-1 + Mat(temp_class_labels).copyTo(class_labels); + } + else + responses = data->getTrainResponses(); + + CV_Assert(samples.type() == CV_32F); + + int sample_count = samples.rows; + var_count = samples.cols; + size_t sample_size = var_count*samples.elemSize(); + + vector sidx; + setRangeVector(sidx, sample_count); + int i, j, k; - memset( vote, 0, class_count*sizeof(vote[0])); - kernel->calc( sv_total, var_count, (const float**)sv, row_sample, buffer ); - double sum = 0.; - - for( i = 0; i < class_count; i++ ) + // randomly permute training samples + for( i = 0; i < sample_count; i++ ) { - for( j = i+1; j < class_count; j++, df++ ) - { - sum = -df->rho; - int sv_count = df->sv_count; - for( k = 0; k < sv_count; k++ ) - sum += df->alpha[k]*buffer[df->sv_index[k]]; + int i1 = rng.uniform(0, sample_count); + int i2 = rng.uniform(0, sample_count); + std::swap(sidx[i1], sidx[i2]); + } - vote[sum > 0 ? i : j]++; + if( is_classification && class_count == 2 && balanced ) + { + // reshuffle the training set in such a way that + // instances of each class are divided more or less evenly + // between the k_fold parts. + vector sidx0, sidx1; + + for( i = 0; i < sample_count; i++ ) + { + if( responses.at(sidx[i]) == 0 ) + sidx0.push_back(sidx[i]); + else + sidx1.push_back(sidx[i]); + } + + int n0 = (int)sidx0.size(), n1 = (int)sidx1.size(); + int a0 = 0, a1 = 0; + sidx.clear(); + for( k = 0; k < k_fold; k++ ) + { + int b0 = ((k+1)*n0 + k_fold/2)/k_fold, b1 = ((k+1)*n1 + k_fold/2)/k_fold; + int a = (int)sidx.size(), b = a + (b0 - a0) + (b1 - a1); + for( i = a0; i < b0; i++ ) + sidx.push_back(sidx0[i]); + for( i = a1; i < b1; i++ ) + sidx.push_back(sidx1[i]); + for( i = 0; i < (b - a); i++ ) + { + int i1 = rng.uniform(a, b); + int i2 = rng.uniform(a, b); + std::swap(sidx[i1], sidx[i2]); + } + a0 = b0; a1 = b1; } } - for( i = 1, k = 0; i < class_count; i++ ) + int test_sample_count = (sample_count + k_fold/2)/k_fold; + int train_sample_count = sample_count - test_sample_count; + + Params best_params = params; + double min_error = FLT_MAX; + + int rtype = responses.type(); + + Mat temp_train_samples(train_sample_count, var_count, CV_32F); + Mat temp_test_samples(test_sample_count, var_count, CV_32F); + Mat temp_train_responses(train_sample_count, 1, rtype); + Mat temp_test_responses; + + #define FOR_IN_GRID(var, grid) \ + for( params.var = grid.minVal; params.var == grid.minVal || params.var < grid.maxVal; params.var *= grid.logStep ) + + FOR_IN_GRID(C, C_grid) + FOR_IN_GRID(gamma, gamma_grid) + FOR_IN_GRID(p, p_grid) + FOR_IN_GRID(nu, nu_grid) + FOR_IN_GRID(coef0, coef_grid) + FOR_IN_GRID(degree, degree_grid) { - if( vote[i] > vote[k] ) - k = i; + double error = 0; + for( k = 0; k < k_fold; k++ ) + { + int start = (k*sample_count + k_fold/2)/k_fold; + for( i = 0; i < train_sample_count; i++ ) + { + j = sidx[(i+start)%sample_count]; + memcpy(temp_train_samples.ptr(i), samples.ptr(j), sample_size); + if( is_classification ) + temp_train_responses.at(i) = responses.at(j); + else if( !responses.empty() ) + temp_train_responses.at(i) = responses.at(j); + } + + // Train SVM on samples + if( !do_train( temp_train_samples, temp_train_responses )) + continue; + + for( i = 0; i < test_sample_count; i++ ) + { + j = sidx[(i+start+train_sample_count) % sample_count]; + memcpy(temp_train_samples.ptr(i), samples.ptr(j), sample_size); + } + + predict(temp_test_samples, temp_test_responses, 0); + for( i = 0; i < test_sample_count; i++ ) + { + float val = temp_test_responses.at(i); + j = sidx[(i+start+train_sample_count) % sample_count]; + if( is_classification ) + error += (float)(val != responses.at(j)); + else + { + val -= responses.at(j); + error += val*val; + } + } + } + if( min_error > error ) + { + min_error = error; + best_params = params; + } } - result = returnDFVal && class_count == 2 ? (float)sum : (float)(class_labels->data.i[k]); - } - else - CV_Error( CV_StsBadArg, "INTERNAL ERROR: Unknown SVM type, " - "the SVM structure is probably corrupted" ); - return result; -} - -float CvSVM::predict( const CvMat* sample, bool returnDFVal ) const -{ - float result = 0; - float* row_sample = 0; - - CV_FUNCNAME( "CvSVM::predict" ); - - __BEGIN__; - - int class_count; - - if( !kernel ) - CV_ERROR( CV_StsBadArg, "The SVM should be trained first" ); - - class_count = class_labels ? class_labels->cols : - params.svm_type == ONE_CLASS ? 1 : 0; - - CV_CALL( cvPreparePredictData( sample, var_all, var_idx, - class_count, 0, &row_sample )); - result = predict( row_sample, get_var_count(), returnDFVal ); - - __END__; - - if( sample && (!CV_IS_MAT(sample) || sample->data.fl != row_sample) ) - cvFree( &row_sample ); - - return result; -} - -struct predict_body_svm : ParallelLoopBody { - predict_body_svm(const CvSVM* _pointer, float* _result, const CvMat* _samples, CvMat* _results, bool _returnDFVal) - { - pointer = _pointer; - result = _result; - samples = _samples; - results = _results; - returnDFVal = _returnDFVal; + params = best_params; + class_labels = class_labels0; + return do_train( samples, responses ); } - const CvSVM* pointer; - float* result; - const CvMat* samples; - CvMat* results; - bool returnDFVal; - - void operator()( const cv::Range& range ) const + struct PredictBody : ParallelLoopBody { - for(int i = range.start; i < range.end; i++ ) + PredictBody( const SVMImpl* _svm, const Mat& _samples, Mat& _results, bool _returnDFVal ) { - CvMat sample; - cvGetRow( samples, &sample, i ); - int r = (int)pointer->predict(&sample, returnDFVal); - if (results) - results->data.fl[i] = (float)r; - if (i == 0) - *result = (float)r; + svm = _svm; + results = &_results; + samples = &_samples; + returnDFVal = _returnDFVal; + } + + void operator()( const Range& range ) const + { + int svmType = svm->params.svmType; + int sv_total = svm->sv.rows; + int class_count = !svm->class_labels.empty() ? (int)svm->class_labels.total() : svmType == ONE_CLASS ? 1 : 0; + + AutoBuffer _buffer(sv_total + (class_count+1)*2); + float* buffer = _buffer; + + int i, j, dfi, k, si; + + if( svmType == EPS_SVR || svmType == NU_SVR || svmType == ONE_CLASS ) + { + for( si = range.start; si < range.end; si++ ) + { + const float* row_sample = samples->ptr(si); + svm->kernel->calc( sv_total, svm->var_count, svm->sv.ptr(), row_sample, buffer ); + + const SVMImpl::DecisionFunc* df = &svm->decision_func[0]; + double sum = -df->rho; + for( i = 0; i < sv_total; i++ ) + sum += buffer[i]*svm->df_alpha[i]; + float result = svm->params.svmType == ONE_CLASS && !returnDFVal ? (float)(sum > 0) : (float)sum; + results->at(si) = result; + } + } + else if( svmType == C_SVC || svmType == NU_SVC ) + { + int* vote = (int*)(buffer + sv_total); + + for( si = range.start; si < range.end; si++ ) + { + svm->kernel->calc( sv_total, svm->var_count, svm->sv.ptr(), + samples->ptr(si), buffer ); + double sum = 0.; + + memset( vote, 0, class_count*sizeof(vote[0])); + + for( i = dfi = 0; i < class_count; i++ ) + { + for( j = i+1; j < class_count; j++, dfi++ ) + { + const DecisionFunc& df = svm->decision_func[dfi]; + sum = -df.rho; + int sv_count = svm->getSVCount(dfi); + const double* alpha = &svm->df_alpha[df.ofs]; + const int* sv_index = &svm->df_index[df.ofs]; + for( k = 0; k < sv_count; k++ ) + sum += alpha[k]*buffer[sv_index[k]]; + + vote[sum > 0 ? i : j]++; + } + } + + for( i = 1, k = 0; i < class_count; i++ ) + { + if( vote[i] > vote[k] ) + k = i; + } + float result = returnDFVal && class_count == 2 ? + (float)sum : (float)(svm->class_labels.at(k)); + results->at(si) = result; + } + } + else + CV_Error( CV_StsBadArg, "INTERNAL ERROR: Unknown SVM type, " + "the SVM structure is probably corrupted" ); + } + + const SVMImpl* svm; + const Mat* samples; + Mat* results; + bool returnDFVal; + }; + + float predict( InputArray _samples, OutputArray _results, int flags ) const + { + float result = 0; + Mat samples = _samples.getMat(), results; + int nsamples = samples.rows; + bool returnDFVal = (flags & RAW_OUTPUT) != 0; + + CV_Assert( samples.cols == var_count && samples.type() == CV_32F ); + + if( _results.needed() ) + { + _results.create( nsamples, 1, samples.type() ); + results = _results.getMat(); + } + else + { + CV_Assert( nsamples == 1 ); + results = Mat(1, 1, CV_32F, &result); + } + + PredictBody invoker(this, samples, results, returnDFVal); + if( nsamples < 10 ) + invoker(Range(0, nsamples)); + else + parallel_for_(Range(0, nsamples), invoker); + return result; } + + double getDecisionFunction(int i, OutputArray _alpha, OutputArray _svidx ) const + { + CV_Assert( 0 <= i && i < (int)decision_func.size()); + const DecisionFunc& df = decision_func[i]; + int count = getSVCount(i); + Mat(1, count, CV_64F, (double*)&df_alpha[df.ofs]).copyTo(_alpha); + Mat(1, count, CV_32S, (int*)&df_index[df.ofs]).copyTo(_svidx); + return df.rho; } + + void write_params( FileStorage& fs ) const + { + int svmType = params.svmType; + int kernelType = params.kernelType; + + String svm_type_str = + svmType == C_SVC ? "C_SVC" : + svmType == NU_SVC ? "NU_SVC" : + svmType == ONE_CLASS ? "ONE_CLASS" : + svmType == EPS_SVR ? "EPS_SVR" : + svmType == NU_SVR ? "NU_SVR" : format("Uknown_%d", svmType); + String kernel_type_str = + kernelType == LINEAR ? "LINEAR" : + kernelType == POLY ? "POLY" : + kernelType == RBF ? "RBF" : + kernelType == SIGMOID ? "SIGMOID" : format("Unknown_%d", kernelType); + + fs << "svmType" << svm_type_str; + + // save kernel + fs << "kernel" << "{" << "type" << kernel_type_str; + + if( kernelType == POLY ) + fs << "degree" << params.degree; + + if( kernelType != LINEAR ) + fs << "gamma" << params.gamma; + + if( kernelType == POLY || kernelType == SIGMOID ) + fs << "coef0" << params.coef0; + + fs << "}"; + + if( svmType == C_SVC || svmType == EPS_SVR || svmType == NU_SVR ) + fs << "C" << params.C; + + if( svmType == NU_SVC || svmType == ONE_CLASS || svmType == NU_SVR ) + fs << "nu" << params.nu; + + if( svmType == EPS_SVR ) + fs << "p" << params.p; + + fs << "term_criteria" << "{:"; + if( params.termCrit.type & TermCriteria::EPS ) + fs << "epsilon" << params.termCrit.epsilon; + if( params.termCrit.type & TermCriteria::COUNT ) + fs << "iterations" << params.termCrit.maxCount; + fs << "}"; + } + + bool isTrained() const + { + return !sv.empty(); + } + + bool isClassifier() const + { + return params.svmType == C_SVC || params.svmType == NU_SVC || params.svmType == ONE_CLASS; + } + + int getVarCount() const + { + return var_count; + } + + String getDefaultModelName() const + { + return "opencv_ml_svm"; + } + + void write( FileStorage& fs ) const + { + int class_count = !class_labels.empty() ? (int)class_labels.total() : + params.svmType == ONE_CLASS ? 1 : 0; + if( !isTrained() ) + CV_Error( CV_StsParseError, "SVM model data is invalid, check sv_count, var_* and class_count tags" ); + + write_params( fs ); + + fs << "var_count" << var_count; + + if( class_count > 0 ) + { + fs << "class_count" << class_count; + + if( !class_labels.empty() ) + fs << "class_labels" << class_labels; + + if( !params.classWeights.empty() ) + fs << "class_weights" << params.classWeights; + } + + // write the joint collection of support vectors + int i, sv_total = sv.rows; + fs << "sv_total" << sv_total; + fs << "support_vectors" << "["; + for( i = 0; i < sv_total; i++ ) + { + fs << "[:"; + fs.writeRaw("f", sv.ptr(i), sv.cols*sv.elemSize()); + fs << "]"; + } + fs << "]"; + + // write decision functions + int df_count = (int)decision_func.size(); + + fs << "decision_functions" << "["; + for( i = 0; i < df_count; i++ ) + { + const DecisionFunc& df = decision_func[i]; + int sv_count = getSVCount(i); + fs << "{" << "sv_count" << sv_count + << "rho" << df.rho + << "alpha" << "[:"; + fs.writeRaw("d", (const uchar*)&df_alpha[df.ofs], sv_count*sizeof(df_alpha[0])); + fs << "]"; + if( class_count > 2 ) + { + fs << "index" << "[:"; + fs.writeRaw("i", (const uchar*)&df_index[df.ofs], sv_count*sizeof(df_index[0])); + fs << "]"; + } + else + CV_Assert( sv_count == sv_total ); + fs << "}"; + } + fs << "]"; + } + + void read_params( const FileNode& fn ) + { + Params _params; + + String svm_type_str = (String)fn["svmType"]; + int svmType = + svm_type_str == "C_SVC" ? C_SVC : + svm_type_str == "NU_SVC" ? NU_SVC : + svm_type_str == "ONE_CLASS" ? ONE_CLASS : + svm_type_str == "EPS_SVR" ? EPS_SVR : + svm_type_str == "NU_SVR" ? NU_SVR : -1; + + if( svmType < 0 ) + CV_Error( CV_StsParseError, "Missing of invalid SVM type" ); + + FileNode kernel_node = fn["kernel"]; + if( kernel_node.empty() ) + CV_Error( CV_StsParseError, "SVM kernel tag is not found" ); + + String kernel_type_str = (String)kernel_node["type"]; + int kernelType = + kernel_type_str == "LINEAR" ? LINEAR : + kernel_type_str == "POLY" ? POLY : + kernel_type_str == "RBF" ? RBF : + kernel_type_str == "SIGMOID" ? SIGMOID : -1; + + if( kernelType < 0 ) + CV_Error( CV_StsParseError, "Missing of invalid SVM kernel type" ); + + _params.svmType = svmType; + _params.kernelType = kernelType; + _params.degree = (double)kernel_node["degree"]; + _params.gamma = (double)kernel_node["gamma"]; + _params.coef0 = (double)kernel_node["coef0"]; + + _params.C = (double)fn["C"]; + _params.nu = (double)fn["nu"]; + _params.p = (double)fn["p"]; + _params.classWeights = Mat(); + + FileNode tcnode = fn["term_criteria"]; + if( !tcnode.empty() ) + { + _params.termCrit.epsilon = (double)tcnode["epsilon"]; + _params.termCrit.maxCount = (int)tcnode["iterations"]; + _params.termCrit.type = (_params.termCrit.epsilon > 0 ? TermCriteria::EPS : 0) + + (_params.termCrit.maxCount > 0 ? TermCriteria::COUNT : 0); + } + else + _params.termCrit = TermCriteria( TermCriteria::EPS + TermCriteria::COUNT, 1000, FLT_EPSILON ); + + setParams( _params, Ptr() ); + } + + void read( const FileNode& fn ) + { + clear(); + + // read SVM parameters + read_params( fn ); + + // and top-level data + int i, sv_total = (int)fn["sv_total"]; + var_count = (int)fn["var_count"]; + int class_count = (int)fn["class_count"]; + + if( sv_total <= 0 || var_count <= 0 ) + CV_Error( CV_StsParseError, "SVM model data is invalid, check sv_count, var_* and class_count tags" ); + + FileNode m = fn["class_labels"]; + if( !m.empty() ) + m >> class_labels; + m = fn["class_weights"]; + if( !m.empty() ) + m >> params.classWeights; + + if( class_count > 1 && (class_labels.empty() || (int)class_labels.total() != class_count)) + CV_Error( CV_StsParseError, "Array of class labels is missing or invalid" ); + + // read support vectors + FileNode sv_node = fn["support_vectors"]; + + CV_Assert((int)sv_node.size() == sv_total); + sv.create(sv_total, var_count, CV_32F); + + FileNodeIterator sv_it = sv_node.begin(); + for( i = 0; i < sv_total; i++, ++sv_it ) + { + (*sv_it).readRaw("f", sv.ptr(i), var_count*sv.elemSize()); + } + + // read decision functions + int df_count = class_count > 1 ? class_count*(class_count-1)/2 : 1; + FileNode df_node = fn["decision_functions"]; + + CV_Assert((int)df_node.size() == df_count); + + FileNodeIterator df_it = df_node.begin(); + for( i = 0; i < df_count; i++, ++df_it ) + { + FileNode dfi = *df_it; + DecisionFunc df; + int sv_count = (int)dfi["sv_count"]; + int ofs = (int)df_index.size(); + df.rho = (double)dfi["rho"]; + df.ofs = ofs; + df_index.resize(ofs + sv_count); + df_alpha.resize(ofs + sv_count); + dfi["alpha"].readRaw("d", (uchar*)&df_alpha[ofs], sv_count*sizeof(df_alpha[0])); + if( class_count > 2 ) + dfi["index"].readRaw("i", (uchar*)&df_index[ofs], sv_count*sizeof(df_index[0])); + decision_func.push_back(df); + } + if( class_count <= 2 ) + setRangeVector(df_index, sv_total); + if( (int)fn["optimize_linear"] != 0 ) + optimize_linear_svm(); + } + + Params params; + TermCriteria termCrit; + Mat class_labels; + int var_count; + Mat sv; + vector decision_func; + vector df_alpha; + vector df_index; + + Ptr kernel; }; -float CvSVM::predict(const CvMat* samples, CV_OUT CvMat* results, bool returnDFVal) const + +Ptr SVM::create(const Params& params, const Ptr& kernel) { - float result = 0; - cv::parallel_for_(cv::Range(0, samples->rows), - predict_body_svm(this, &result, samples, results, returnDFVal) - ); - return result; + Ptr p = makePtr(); + p->setParams(params, kernel); + return p; } -void CvSVM::predict( cv::InputArray _samples, cv::OutputArray _results ) const -{ - _results.create(_samples.size().height, 1, CV_32F); - CvMat samples = _samples.getMat(), results = _results.getMat(); - predict(&samples, &results); } - -CvSVM::CvSVM( const Mat& _train_data, const Mat& _responses, - const Mat& _var_idx, const Mat& _sample_idx, CvSVMParams _params ) -{ - decision_func = 0; - class_labels = 0; - class_weights = 0; - storage = 0; - var_idx = 0; - kernel = 0; - solver = 0; - default_model_name = "my_svm"; - - train( _train_data, _responses, _var_idx, _sample_idx, _params ); } -bool CvSVM::train( const Mat& _train_data, const Mat& _responses, - const Mat& _var_idx, const Mat& _sample_idx, CvSVMParams _params ) -{ - CvMat tdata = _train_data, responses = _responses, vidx = _var_idx, sidx = _sample_idx; - return train(&tdata, &responses, vidx.data.ptr ? &vidx : 0, sidx.data.ptr ? &sidx : 0, _params); -} - - -bool CvSVM::train_auto( const Mat& _train_data, const Mat& _responses, - const Mat& _var_idx, const Mat& _sample_idx, CvSVMParams _params, int k_fold, - CvParamGrid C_grid, CvParamGrid gamma_grid, CvParamGrid p_grid, - CvParamGrid nu_grid, CvParamGrid coef_grid, CvParamGrid degree_grid, bool balanced ) -{ - CvMat tdata = _train_data, responses = _responses, vidx = _var_idx, sidx = _sample_idx; - return train_auto(&tdata, &responses, vidx.data.ptr ? &vidx : 0, - sidx.data.ptr ? &sidx : 0, _params, k_fold, C_grid, gamma_grid, p_grid, - nu_grid, coef_grid, degree_grid, balanced); -} - -float CvSVM::predict( const Mat& _sample, bool returnDFVal ) const -{ - CvMat sample = _sample; - return predict(&sample, returnDFVal); -} - - -void CvSVM::write_params( CvFileStorage* fs ) const -{ - //CV_FUNCNAME( "CvSVM::write_params" ); - - __BEGIN__; - - int svm_type = params.svm_type; - int kernel_type = params.kernel_type; - - const char* svm_type_str = - svm_type == CvSVM::C_SVC ? "C_SVC" : - svm_type == CvSVM::NU_SVC ? "NU_SVC" : - svm_type == CvSVM::ONE_CLASS ? "ONE_CLASS" : - svm_type == CvSVM::EPS_SVR ? "EPS_SVR" : - svm_type == CvSVM::NU_SVR ? "NU_SVR" : 0; - const char* kernel_type_str = - kernel_type == CvSVM::LINEAR ? "LINEAR" : - kernel_type == CvSVM::POLY ? "POLY" : - kernel_type == CvSVM::RBF ? "RBF" : - kernel_type == CvSVM::SIGMOID ? "SIGMOID" : 0; - - if( svm_type_str ) - cvWriteString( fs, "svm_type", svm_type_str ); - else - cvWriteInt( fs, "svm_type", svm_type ); - - // save kernel - cvStartWriteStruct( fs, "kernel", CV_NODE_MAP + CV_NODE_FLOW ); - - if( kernel_type_str ) - cvWriteString( fs, "type", kernel_type_str ); - else - cvWriteInt( fs, "type", kernel_type ); - - if( kernel_type == CvSVM::POLY || !kernel_type_str ) - cvWriteReal( fs, "degree", params.degree ); - - if( kernel_type != CvSVM::LINEAR || !kernel_type_str ) - cvWriteReal( fs, "gamma", params.gamma ); - - if( kernel_type == CvSVM::POLY || kernel_type == CvSVM::SIGMOID || !kernel_type_str ) - cvWriteReal( fs, "coef0", params.coef0 ); - - cvEndWriteStruct(fs); - - if( svm_type == CvSVM::C_SVC || svm_type == CvSVM::EPS_SVR || - svm_type == CvSVM::NU_SVR || !svm_type_str ) - cvWriteReal( fs, "C", params.C ); - - if( svm_type == CvSVM::NU_SVC || svm_type == CvSVM::ONE_CLASS || - svm_type == CvSVM::NU_SVR || !svm_type_str ) - cvWriteReal( fs, "nu", params.nu ); - - if( svm_type == CvSVM::EPS_SVR || !svm_type_str ) - cvWriteReal( fs, "p", params.p ); - - cvStartWriteStruct( fs, "term_criteria", CV_NODE_MAP + CV_NODE_FLOW ); - if( params.term_crit.type & CV_TERMCRIT_EPS ) - cvWriteReal( fs, "epsilon", params.term_crit.epsilon ); - if( params.term_crit.type & CV_TERMCRIT_ITER ) - cvWriteInt( fs, "iterations", params.term_crit.max_iter ); - cvEndWriteStruct( fs ); - - __END__; -} - - -static bool isSvmModelApplicable(int sv_total, int var_all, int var_count, int class_count) -{ - return (sv_total > 0 && var_count > 0 && var_count <= var_all && class_count >= 0); -} - - -void CvSVM::write( CvFileStorage* fs, const char* name ) const -{ - CV_FUNCNAME( "CvSVM::write" ); - - __BEGIN__; - - int i, var_count = get_var_count(), df_count; - int class_count = class_labels ? class_labels->cols : - params.svm_type == CvSVM::ONE_CLASS ? 1 : 0; - const CvSVMDecisionFunc* df = decision_func; - if( !isSvmModelApplicable(sv_total, var_all, var_count, class_count) ) - CV_ERROR( CV_StsParseError, "SVM model data is invalid, check sv_count, var_* and class_count tags" ); - - cvStartWriteStruct( fs, name, CV_NODE_MAP, CV_TYPE_NAME_ML_SVM ); - - write_params( fs ); - - cvWriteInt( fs, "var_all", var_all ); - cvWriteInt( fs, "var_count", var_count ); - - if( class_count ) - { - cvWriteInt( fs, "class_count", class_count ); - - if( class_labels ) - cvWrite( fs, "class_labels", class_labels ); - - if( class_weights ) - cvWrite( fs, "class_weights", class_weights ); - } - - if( var_idx ) - cvWrite( fs, "var_idx", var_idx ); - - // write the joint collection of support vectors - cvWriteInt( fs, "sv_total", sv_total ); - cvStartWriteStruct( fs, "support_vectors", CV_NODE_SEQ ); - for( i = 0; i < sv_total; i++ ) - { - cvStartWriteStruct( fs, 0, CV_NODE_SEQ + CV_NODE_FLOW ); - cvWriteRawData( fs, sv[i], var_count, "f" ); - cvEndWriteStruct( fs ); - } - - cvEndWriteStruct( fs ); - - // write decision functions - df_count = class_count > 1 ? class_count*(class_count-1)/2 : 1; - df = decision_func; - - cvStartWriteStruct( fs, "decision_functions", CV_NODE_SEQ ); - for( i = 0; i < df_count; i++ ) - { - int sv_count = df[i].sv_count; - cvStartWriteStruct( fs, 0, CV_NODE_MAP ); - cvWriteInt( fs, "sv_count", sv_count ); - cvWriteReal( fs, "rho", df[i].rho ); - cvStartWriteStruct( fs, "alpha", CV_NODE_SEQ+CV_NODE_FLOW ); - cvWriteRawData( fs, df[i].alpha, df[i].sv_count, "d" ); - cvEndWriteStruct( fs ); - if( class_count > 1 ) - { - cvStartWriteStruct( fs, "index", CV_NODE_SEQ+CV_NODE_FLOW ); - cvWriteRawData( fs, df[i].sv_index, df[i].sv_count, "i" ); - cvEndWriteStruct( fs ); - } - else - CV_ASSERT( sv_count == sv_total ); - cvEndWriteStruct( fs ); - } - cvEndWriteStruct( fs ); - cvEndWriteStruct( fs ); - - __END__; -} - - -void CvSVM::read_params( CvFileStorage* fs, CvFileNode* svm_node ) -{ - CV_FUNCNAME( "CvSVM::read_params" ); - - __BEGIN__; - - int svm_type, kernel_type; - CvSVMParams _params; - - CvFileNode* tmp_node = cvGetFileNodeByName( fs, svm_node, "svm_type" ); - CvFileNode* kernel_node; - if( !tmp_node ) - CV_ERROR( CV_StsBadArg, "svm_type tag is not found" ); - - if( CV_NODE_TYPE(tmp_node->tag) == CV_NODE_INT ) - svm_type = cvReadInt( tmp_node, -1 ); - else - { - const char* svm_type_str = cvReadString( tmp_node, "" ); - svm_type = - strcmp( svm_type_str, "C_SVC" ) == 0 ? CvSVM::C_SVC : - strcmp( svm_type_str, "NU_SVC" ) == 0 ? CvSVM::NU_SVC : - strcmp( svm_type_str, "ONE_CLASS" ) == 0 ? CvSVM::ONE_CLASS : - strcmp( svm_type_str, "EPS_SVR" ) == 0 ? CvSVM::EPS_SVR : - strcmp( svm_type_str, "NU_SVR" ) == 0 ? CvSVM::NU_SVR : -1; - - if( svm_type < 0 ) - CV_ERROR( CV_StsParseError, "Missing of invalid SVM type" ); - } - - kernel_node = cvGetFileNodeByName( fs, svm_node, "kernel" ); - if( !kernel_node ) - CV_ERROR( CV_StsParseError, "SVM kernel tag is not found" ); - - tmp_node = cvGetFileNodeByName( fs, kernel_node, "type" ); - if( !tmp_node ) - CV_ERROR( CV_StsParseError, "SVM kernel type tag is not found" ); - - if( CV_NODE_TYPE(tmp_node->tag) == CV_NODE_INT ) - kernel_type = cvReadInt( tmp_node, -1 ); - else - { - const char* kernel_type_str = cvReadString( tmp_node, "" ); - kernel_type = - strcmp( kernel_type_str, "LINEAR" ) == 0 ? CvSVM::LINEAR : - strcmp( kernel_type_str, "POLY" ) == 0 ? CvSVM::POLY : - strcmp( kernel_type_str, "RBF" ) == 0 ? CvSVM::RBF : - strcmp( kernel_type_str, "SIGMOID" ) == 0 ? CvSVM::SIGMOID : -1; - - if( kernel_type < 0 ) - CV_ERROR( CV_StsParseError, "Missing of invalid SVM kernel type" ); - } - - _params.svm_type = svm_type; - _params.kernel_type = kernel_type; - _params.degree = cvReadRealByName( fs, kernel_node, "degree", 0 ); - _params.gamma = cvReadRealByName( fs, kernel_node, "gamma", 0 ); - _params.coef0 = cvReadRealByName( fs, kernel_node, "coef0", 0 ); - - _params.C = cvReadRealByName( fs, svm_node, "C", 0 ); - _params.nu = cvReadRealByName( fs, svm_node, "nu", 0 ); - _params.p = cvReadRealByName( fs, svm_node, "p", 0 ); - _params.class_weights = 0; - - tmp_node = cvGetFileNodeByName( fs, svm_node, "term_criteria" ); - if( tmp_node ) - { - _params.term_crit.epsilon = cvReadRealByName( fs, tmp_node, "epsilon", -1. ); - _params.term_crit.max_iter = cvReadIntByName( fs, tmp_node, "iterations", -1 ); - _params.term_crit.type = (_params.term_crit.epsilon >= 0 ? CV_TERMCRIT_EPS : 0) + - (_params.term_crit.max_iter >= 0 ? CV_TERMCRIT_ITER : 0); - } - else - _params.term_crit = cvTermCriteria( CV_TERMCRIT_EPS + CV_TERMCRIT_ITER, 1000, FLT_EPSILON ); - - set_params( _params ); - - __END__; -} - -void CvSVM::read( CvFileStorage* fs, CvFileNode* svm_node ) -{ - const double not_found_dbl = DBL_MAX; - - CV_FUNCNAME( "CvSVM::read" ); - - __BEGIN__; - - int i, var_count, df_count, class_count; - int block_size = 1 << 16, sv_size; - CvFileNode *sv_node, *df_node; - CvSVMDecisionFunc* df; - CvSeqReader reader; - - if( !svm_node ) - CV_ERROR( CV_StsParseError, "The requested element is not found" ); - - clear(); - - // read SVM parameters - read_params( fs, svm_node ); - - // and top-level data - sv_total = cvReadIntByName( fs, svm_node, "sv_total", -1 ); - var_all = cvReadIntByName( fs, svm_node, "var_all", -1 ); - var_count = cvReadIntByName( fs, svm_node, "var_count", var_all ); - class_count = cvReadIntByName( fs, svm_node, "class_count", 0 ); - - if( !isSvmModelApplicable(sv_total, var_all, var_count, class_count) ) - CV_ERROR( CV_StsParseError, "SVM model data is invalid, check sv_count, var_* and class_count tags" ); - - CV_CALL( class_labels = (CvMat*)cvReadByName( fs, svm_node, "class_labels" )); - CV_CALL( class_weights = (CvMat*)cvReadByName( fs, svm_node, "class_weights" )); - CV_CALL( var_idx = (CvMat*)cvReadByName( fs, svm_node, "var_idx" )); - - if( class_count > 1 && (!class_labels || - !CV_IS_MAT(class_labels) || class_labels->cols != class_count)) - CV_ERROR( CV_StsParseError, "Array of class labels is missing or invalid" ); - - if( var_count < var_all && (!var_idx || !CV_IS_MAT(var_idx) || var_idx->cols != var_count) ) - CV_ERROR( CV_StsParseError, "var_idx array is missing or invalid" ); - - // read support vectors - sv_node = cvGetFileNodeByName( fs, svm_node, "support_vectors" ); - if( !sv_node || !CV_NODE_IS_SEQ(sv_node->tag)) - CV_ERROR( CV_StsParseError, "Missing or invalid sequence of support vectors" ); - - block_size = MAX( block_size, sv_total*(int)sizeof(CvSVMKernelRow)); - block_size = MAX( block_size, sv_total*2*(int)sizeof(double)); - block_size = MAX( block_size, var_all*(int)sizeof(double)); - - CV_CALL( storage = cvCreateMemStorage(block_size + sizeof(CvMemBlock) + sizeof(CvSeqBlock))); - CV_CALL( sv = (float**)cvMemStorageAlloc( storage, - sv_total*sizeof(sv[0]) )); - - CV_CALL( cvStartReadSeq( sv_node->data.seq, &reader, 0 )); - sv_size = var_count*sizeof(sv[0][0]); - - for( i = 0; i < sv_total; i++ ) - { - CvFileNode* sv_elem = (CvFileNode*)reader.ptr; - CV_ASSERT( var_count == 1 || (CV_NODE_IS_SEQ(sv_elem->tag) && - sv_elem->data.seq->total == var_count) ); - - CV_CALL( sv[i] = (float*)cvMemStorageAlloc( storage, sv_size )); - CV_CALL( cvReadRawData( fs, sv_elem, sv[i], "f" )); - CV_NEXT_SEQ_ELEM( sv_node->data.seq->elem_size, reader ); - } - - // read decision functions - df_count = class_count > 1 ? class_count*(class_count-1)/2 : 1; - df_node = cvGetFileNodeByName( fs, svm_node, "decision_functions" ); - if( !df_node || !CV_NODE_IS_SEQ(df_node->tag) || - df_node->data.seq->total != df_count ) - CV_ERROR( CV_StsParseError, "decision_functions is missing or is not a collection " - "or has a wrong number of elements" ); - - CV_CALL( df = decision_func = (CvSVMDecisionFunc*)cvAlloc( df_count*sizeof(df[0]) )); - cvStartReadSeq( df_node->data.seq, &reader, 0 ); - - for( i = 0; i < df_count; i++ ) - { - CvFileNode* df_elem = (CvFileNode*)reader.ptr; - CvFileNode* alpha_node = cvGetFileNodeByName( fs, df_elem, "alpha" ); - - int sv_count = cvReadIntByName( fs, df_elem, "sv_count", -1 ); - if( sv_count <= 0 ) - CV_ERROR( CV_StsParseError, "sv_count is missing or non-positive" ); - df[i].sv_count = sv_count; - - df[i].rho = cvReadRealByName( fs, df_elem, "rho", not_found_dbl ); - if( fabs(df[i].rho - not_found_dbl) < DBL_EPSILON ) - CV_ERROR( CV_StsParseError, "rho is missing" ); - - if( !alpha_node ) - CV_ERROR( CV_StsParseError, "alpha is missing in the decision function" ); - - CV_CALL( df[i].alpha = (double*)cvMemStorageAlloc( storage, - sv_count*sizeof(df[i].alpha[0]))); - CV_ASSERT( sv_count == 1 || (CV_NODE_IS_SEQ(alpha_node->tag) && - alpha_node->data.seq->total == sv_count) ); - CV_CALL( cvReadRawData( fs, alpha_node, df[i].alpha, "d" )); - - if( class_count > 1 ) - { - CvFileNode* index_node = cvGetFileNodeByName( fs, df_elem, "index" ); - if( !index_node ) - CV_ERROR( CV_StsParseError, "index is missing in the decision function" ); - CV_CALL( df[i].sv_index = (int*)cvMemStorageAlloc( storage, - sv_count*sizeof(df[i].sv_index[0]))); - CV_ASSERT( sv_count == 1 || (CV_NODE_IS_SEQ(index_node->tag) && - index_node->data.seq->total == sv_count) ); - CV_CALL( cvReadRawData( fs, index_node, df[i].sv_index, "i" )); - } - else - df[i].sv_index = 0; - - CV_NEXT_SEQ_ELEM( df_node->data.seq->elem_size, reader ); - } - - if( cvReadIntByName(fs, svm_node, "optimize_linear", 1) != 0 ) - optimize_linear_svm(); - create_kernel(); - - __END__; -} - -#if 0 - -static void* -icvCloneSVM( const void* _src ) -{ - CvSVMModel* dst = 0; - - CV_FUNCNAME( "icvCloneSVM" ); - - __BEGIN__; - - const CvSVMModel* src = (const CvSVMModel*)_src; - int var_count, class_count; - int i, sv_total, df_count; - int sv_size; - - if( !CV_IS_SVM(src) ) - CV_ERROR( !src ? CV_StsNullPtr : CV_StsBadArg, "Input pointer is NULL or invalid" ); - - // 0. create initial CvSVMModel structure - CV_CALL( dst = icvCreateSVM() ); - dst->params = src->params; - dst->params.weight_labels = 0; - dst->params.weights = 0; - - dst->var_all = src->var_all; - if( src->class_labels ) - dst->class_labels = cvCloneMat( src->class_labels ); - if( src->class_weights ) - dst->class_weights = cvCloneMat( src->class_weights ); - if( src->comp_idx ) - dst->comp_idx = cvCloneMat( src->comp_idx ); - - var_count = src->comp_idx ? src->comp_idx->cols : src->var_all; - class_count = src->class_labels ? src->class_labels->cols : - src->params.svm_type == CvSVM::ONE_CLASS ? 1 : 0; - sv_total = dst->sv_total = src->sv_total; - CV_CALL( dst->storage = cvCreateMemStorage( src->storage->block_size )); - CV_CALL( dst->sv = (float**)cvMemStorageAlloc( dst->storage, - sv_total*sizeof(dst->sv[0]) )); - - sv_size = var_count*sizeof(dst->sv[0][0]); - - for( i = 0; i < sv_total; i++ ) - { - CV_CALL( dst->sv[i] = (float*)cvMemStorageAlloc( dst->storage, sv_size )); - memcpy( dst->sv[i], src->sv[i], sv_size ); - } - - df_count = class_count > 1 ? class_count*(class_count-1)/2 : 1; - - CV_CALL( dst->decision_func = cvAlloc( df_count*sizeof(CvSVMDecisionFunc) )); - - for( i = 0; i < df_count; i++ ) - { - const CvSVMDecisionFunc *sdf = - (const CvSVMDecisionFunc*)src->decision_func+i; - CvSVMDecisionFunc *ddf = - (CvSVMDecisionFunc*)dst->decision_func+i; - int sv_count = sdf->sv_count; - ddf->sv_count = sv_count; - ddf->rho = sdf->rho; - CV_CALL( ddf->alpha = (double*)cvMemStorageAlloc( dst->storage, - sv_count*sizeof(ddf->alpha[0]))); - memcpy( ddf->alpha, sdf->alpha, sv_count*sizeof(ddf->alpha[0])); - - if( class_count > 1 ) - { - CV_CALL( ddf->sv_index = (int*)cvMemStorageAlloc( dst->storage, - sv_count*sizeof(ddf->sv_index[0]))); - memcpy( ddf->sv_index, sdf->sv_index, sv_count*sizeof(ddf->sv_index[0])); - } - else - ddf->sv_index = 0; - } - - __END__; - - if( cvGetErrStatus() < 0 && dst ) - icvReleaseSVM( &dst ); - - return dst; -} - -static int icvRegisterSVMType() -{ - CvTypeInfo info; - memset( &info, 0, sizeof(info) ); - - info.flags = 0; - info.header_size = sizeof( info ); - info.is_instance = icvIsSVM; - info.release = (CvReleaseFunc)icvReleaseSVM; - info.read = icvReadSVM; - info.write = icvWriteSVM; - info.clone = icvCloneSVM; - info.type_name = CV_TYPE_NAME_ML_SVM; - cvRegisterType( &info ); - - return 1; -} - - -static int svm = icvRegisterSVMType(); - -/* The function trains SVM model with optimal parameters, obtained by using cross-validation. -The parameters to be estimated should be indicated by setting theirs values to FLT_MAX. -The optimal parameters are saved in */ -CV_IMPL CvStatModel* -cvTrainSVM_CrossValidation( const CvMat* train_data, int tflag, - const CvMat* responses, - CvStatModelParams* model_params, - const CvStatModelParams* cross_valid_params, - const CvMat* comp_idx, - const CvMat* sample_idx, - const CvParamGrid* degree_grid, - const CvParamGrid* gamma_grid, - const CvParamGrid* coef_grid, - const CvParamGrid* C_grid, - const CvParamGrid* nu_grid, - const CvParamGrid* p_grid ) -{ - CvStatModel* svm = 0; - - CV_FUNCNAME("cvTainSVMCrossValidation"); - __BEGIN__; - - double degree_step = 7, - g_step = 15, - coef_step = 14, - C_step = 20, - nu_step = 5, - p_step = 7; // all steps must be > 1 - double degree_begin = 0.01, degree_end = 2; - double g_begin = 1e-5, g_end = 0.5; - double coef_begin = 0.1, coef_end = 300; - double C_begin = 0.1, C_end = 6000; - double nu_begin = 0.01, nu_end = 0.4; - double p_begin = 0.01, p_end = 100; - - double rate = 0, gamma = 0, C = 0, degree = 0, coef = 0, p = 0, nu = 0; - - double best_rate = 0; - double best_degree = degree_begin; - double best_gamma = g_begin; - double best_coef = coef_begin; - double best_C = C_begin; - double best_nu = nu_begin; - double best_p = p_begin; - - CvSVMModelParams svm_params, *psvm_params; - CvCrossValidationParams* cv_params = (CvCrossValidationParams*)cross_valid_params; - int svm_type, kernel; - int is_regression; - - if( !model_params ) - CV_ERROR( CV_StsBadArg, "" ); - if( !cv_params ) - CV_ERROR( CV_StsBadArg, "" ); - - svm_params = *(CvSVMModelParams*)model_params; - psvm_params = (CvSVMModelParams*)model_params; - svm_type = svm_params.svm_type; - kernel = svm_params.kernel_type; - - svm_params.degree = svm_params.degree > 0 ? svm_params.degree : 1; - svm_params.gamma = svm_params.gamma > 0 ? svm_params.gamma : 1; - svm_params.coef0 = svm_params.coef0 > 0 ? svm_params.coef0 : 1e-6; - svm_params.C = svm_params.C > 0 ? svm_params.C : 1; - svm_params.nu = svm_params.nu > 0 ? svm_params.nu : 1; - svm_params.p = svm_params.p > 0 ? svm_params.p : 1; - - if( degree_grid ) - { - if( !(degree_grid->max_val == 0 && degree_grid->min_val == 0 && - degree_grid->step == 0) ) - { - if( degree_grid->min_val > degree_grid->max_val ) - CV_ERROR( CV_StsBadArg, - "low bound of grid should be less then the upper one"); - if( degree_grid->step <= 1 ) - CV_ERROR( CV_StsBadArg, "grid step should be greater 1" ); - degree_begin = degree_grid->min_val; - degree_end = degree_grid->max_val; - degree_step = degree_grid->step; - } - } - else - degree_begin = degree_end = svm_params.degree; - - if( gamma_grid ) - { - if( !(gamma_grid->max_val == 0 && gamma_grid->min_val == 0 && - gamma_grid->step == 0) ) - { - if( gamma_grid->min_val > gamma_grid->max_val ) - CV_ERROR( CV_StsBadArg, - "low bound of grid should be less then the upper one"); - if( gamma_grid->step <= 1 ) - CV_ERROR( CV_StsBadArg, "grid step should be greater 1" ); - g_begin = gamma_grid->min_val; - g_end = gamma_grid->max_val; - g_step = gamma_grid->step; - } - } - else - g_begin = g_end = svm_params.gamma; - - if( coef_grid ) - { - if( !(coef_grid->max_val == 0 && coef_grid->min_val == 0 && - coef_grid->step == 0) ) - { - if( coef_grid->min_val > coef_grid->max_val ) - CV_ERROR( CV_StsBadArg, - "low bound of grid should be less then the upper one"); - if( coef_grid->step <= 1 ) - CV_ERROR( CV_StsBadArg, "grid step should be greater 1" ); - coef_begin = coef_grid->min_val; - coef_end = coef_grid->max_val; - coef_step = coef_grid->step; - } - } - else - coef_begin = coef_end = svm_params.coef0; - - if( C_grid ) - { - if( !(C_grid->max_val == 0 && C_grid->min_val == 0 && C_grid->step == 0)) - { - if( C_grid->min_val > C_grid->max_val ) - CV_ERROR( CV_StsBadArg, - "low bound of grid should be less then the upper one"); - if( C_grid->step <= 1 ) - CV_ERROR( CV_StsBadArg, "grid step should be greater 1" ); - C_begin = C_grid->min_val; - C_end = C_grid->max_val; - C_step = C_grid->step; - } - } - else - C_begin = C_end = svm_params.C; - - if( nu_grid ) - { - if(!(nu_grid->max_val == 0 && nu_grid->min_val == 0 && nu_grid->step==0)) - { - if( nu_grid->min_val > nu_grid->max_val ) - CV_ERROR( CV_StsBadArg, - "low bound of grid should be less then the upper one"); - if( nu_grid->step <= 1 ) - CV_ERROR( CV_StsBadArg, "grid step should be greater 1" ); - nu_begin = nu_grid->min_val; - nu_end = nu_grid->max_val; - nu_step = nu_grid->step; - } - } - else - nu_begin = nu_end = svm_params.nu; - - if( p_grid ) - { - if( !(p_grid->max_val == 0 && p_grid->min_val == 0 && p_grid->step == 0)) - { - if( p_grid->min_val > p_grid->max_val ) - CV_ERROR( CV_StsBadArg, - "low bound of grid should be less then the upper one"); - if( p_grid->step <= 1 ) - CV_ERROR( CV_StsBadArg, "grid step should be greater 1" ); - p_begin = p_grid->min_val; - p_end = p_grid->max_val; - p_step = p_grid->step; - } - } - else - p_begin = p_end = svm_params.p; - - // these parameters are not used: - if( kernel != CvSVM::POLY ) - degree_begin = degree_end = svm_params.degree; - - if( kernel == CvSVM::LINEAR ) - g_begin = g_end = svm_params.gamma; - - if( kernel != CvSVM::POLY && kernel != CvSVM::SIGMOID ) - coef_begin = coef_end = svm_params.coef0; - - if( svm_type == CvSVM::NU_SVC || svm_type == CvSVM::ONE_CLASS ) - C_begin = C_end = svm_params.C; - - if( svm_type == CvSVM::C_SVC || svm_type == CvSVM::EPS_SVR ) - nu_begin = nu_end = svm_params.nu; - - if( svm_type != CvSVM::EPS_SVR ) - p_begin = p_end = svm_params.p; - - is_regression = cv_params->is_regression; - best_rate = is_regression ? FLT_MAX : 0; - - assert( g_step > 1 && degree_step > 1 && coef_step > 1); - assert( p_step > 1 && C_step > 1 && nu_step > 1 ); - - for( degree = degree_begin; degree <= degree_end; degree *= degree_step ) - { - svm_params.degree = degree; - //printf("degree = %.3f\n", degree ); - for( gamma= g_begin; gamma <= g_end; gamma *= g_step ) - { - svm_params.gamma = gamma; - //printf(" gamma = %.3f\n", gamma ); - for( coef = coef_begin; coef <= coef_end; coef *= coef_step ) - { - svm_params.coef0 = coef; - //printf(" coef = %.3f\n", coef ); - for( C = C_begin; C <= C_end; C *= C_step ) - { - svm_params.C = C; - //printf(" C = %.3f\n", C ); - for( nu = nu_begin; nu <= nu_end; nu *= nu_step ) - { - svm_params.nu = nu; - //printf(" nu = %.3f\n", nu ); - for( p = p_begin; p <= p_end; p *= p_step ) - { - int well; - svm_params.p = p; - //printf(" p = %.3f\n", p ); - - CV_CALL(rate = cvCrossValidation( train_data, tflag, responses, &cvTrainSVM, - cross_valid_params, (CvStatModelParams*)&svm_params, comp_idx, sample_idx )); - - well = rate > best_rate && !is_regression || rate < best_rate && is_regression; - if( well || (rate == best_rate && C < best_C) ) - { - best_rate = rate; - best_degree = degree; - best_gamma = gamma; - best_coef = coef; - best_C = C; - best_nu = nu; - best_p = p; - } - //printf(" rate = %.2f\n", rate ); - } - } - } - } - } - } - //printf("The best:\nrate = %.2f%% degree = %f gamma = %f coef = %f c = %f nu = %f p = %f\n", - // best_rate, best_degree, best_gamma, best_coef, best_C, best_nu, best_p ); - - psvm_params->C = best_C; - psvm_params->nu = best_nu; - psvm_params->p = best_p; - psvm_params->gamma = best_gamma; - psvm_params->degree = best_degree; - psvm_params->coef0 = best_coef; - - CV_CALL(svm = cvTrainSVM( train_data, tflag, responses, model_params, comp_idx, sample_idx )); - - __END__; - - return svm; -} - -#endif - /* End of file. */ diff --git a/modules/ml/src/testset.cpp b/modules/ml/src/testset.cpp index 5edb3b45df..8b8bba5456 100644 --- a/modules/ml/src/testset.cpp +++ b/modules/ml/src/testset.cpp @@ -40,131 +40,74 @@ #include "precomp.hpp" -typedef struct CvDI +namespace cv { namespace ml { + +struct PairDI { double d; int i; -} CvDI; +}; -static int CV_CDECL -icvCmpDI( const void* a, const void* b, void* ) +struct CmpPairDI { - const CvDI* e1 = (const CvDI*) a; - const CvDI* e2 = (const CvDI*) b; + bool operator ()(const PairDI& e1, const PairDI& e2) const + { + return (e1.d < e2.d) || (e1.d == e2.d && e1.i < e2.i); + } +}; - return (e1->d < e2->d) ? -1 : (e1->d > e2->d); -} - -CV_IMPL void -cvCreateTestSet( int type, CvMat** samples, - int num_samples, - int num_features, - CvMat** responses, - int num_classes, ... ) +void createConcentricSpheresTestSet( int num_samples, int num_features, int num_classes, + OutputArray _samples, OutputArray _responses) { - CvMat* mean = NULL; - CvMat* cov = NULL; - CvMemStorage* storage = NULL; - - CV_FUNCNAME( "cvCreateTestSet" ); - - __BEGIN__; - - if( samples ) - *samples = NULL; - if( responses ) - *responses = NULL; - - if( type != CV_TS_CONCENTRIC_SPHERES ) - CV_ERROR( CV_StsBadArg, "Invalid type parameter" ); - - if( !samples ) - CV_ERROR( CV_StsNullPtr, "samples parameter must be not NULL" ); - - if( !responses ) - CV_ERROR( CV_StsNullPtr, "responses parameter must be not NULL" ); - if( num_samples < 1 ) - CV_ERROR( CV_StsBadArg, "num_samples parameter must be positive" ); + CV_Error( CV_StsBadArg, "num_samples parameter must be positive" ); if( num_features < 1 ) - CV_ERROR( CV_StsBadArg, "num_features parameter must be positive" ); + CV_Error( CV_StsBadArg, "num_features parameter must be positive" ); if( num_classes < 1 ) - CV_ERROR( CV_StsBadArg, "num_classes parameter must be positive" ); + CV_Error( CV_StsBadArg, "num_classes parameter must be positive" ); - if( type == CV_TS_CONCENTRIC_SPHERES ) + int i, cur_class; + + _samples.create( num_samples, num_features, CV_32F ); + _responses.create( 1, num_samples, CV_32S ); + + Mat responses = _responses.getMat(); + + Mat mean = Mat::zeros(1, num_features, CV_32F); + Mat cov = Mat::eye(num_features, num_features, CV_32F); + + // fill the feature values matrix with random numbers drawn from standard normal distribution + randMVNormal( mean, cov, num_samples, _samples ); + Mat samples = _samples.getMat(); + + // calculate distances from the origin to the samples and put them + // into the sequence along with indices + std::vector dis(samples.rows); + + for( i = 0; i < samples.rows; i++ ) { - CvSeqWriter writer; - CvSeqReader reader; - CvMat sample; - CvDI elem; - CvSeq* seq = NULL; - int i, cur_class; - - CV_CALL( *samples = cvCreateMat( num_samples, num_features, CV_32FC1 ) ); - CV_CALL( *responses = cvCreateMat( 1, num_samples, CV_32SC1 ) ); - CV_CALL( mean = cvCreateMat( 1, num_features, CV_32FC1 ) ); - CV_CALL( cvSetZero( mean ) ); - CV_CALL( cov = cvCreateMat( num_features, num_features, CV_32FC1 ) ); - CV_CALL( cvSetIdentity( cov ) ); - - /* fill the feature values matrix with random numbers drawn from standard - normal distribution */ - CV_CALL( cvRandMVNormal( mean, cov, *samples ) ); - - /* calculate distances from the origin to the samples and put them - into the sequence along with indices */ - CV_CALL( storage = cvCreateMemStorage() ); - CV_CALL( cvStartWriteSeq( 0, sizeof( CvSeq ), sizeof( CvDI ), storage, &writer )); - for( i = 0; i < (*samples)->rows; ++i ) - { - CV_CALL( cvGetRow( *samples, &sample, i )); - elem.i = i; - CV_CALL( elem.d = cvNorm( &sample, NULL, CV_L2 )); - CV_WRITE_SEQ_ELEM( elem, writer ); - } - CV_CALL( seq = cvEndWriteSeq( &writer ) ); - - /* sort the sequence in a distance ascending order */ - CV_CALL( cvSeqSort( seq, icvCmpDI, NULL ) ); - - /* assign class labels */ - num_classes = MIN( num_samples, num_classes ); - CV_CALL( cvStartReadSeq( seq, &reader ) ); - CV_READ_SEQ_ELEM( elem, reader ); - for( i = 0, cur_class = 0; i < num_samples; ++cur_class ) - { - int last_idx; - double max_dst; - - last_idx = num_samples * (cur_class + 1) / num_classes - 1; - CV_CALL( max_dst = (*((CvDI*) cvGetSeqElem( seq, last_idx ))).d ); - max_dst = MAX( max_dst, elem.d ); - - for( ; elem.d <= max_dst && i < num_samples; ++i ) - { - CV_MAT_ELEM( **responses, int, 0, elem.i ) = cur_class; - if( i < num_samples - 1 ) - { - CV_READ_SEQ_ELEM( elem, reader ); - } - } - } + PairDI& elem = dis[i]; + elem.i = i; + elem.d = norm(samples.row(i), NORM_L2); } - __END__; + std::sort(dis.begin(), dis.end(), CmpPairDI()); - if( cvGetErrStatus() < 0 ) + // assign class labels + num_classes = std::min( num_samples, num_classes ); + for( i = 0, cur_class = 0; i < num_samples; ++cur_class ) { - if( samples ) - cvReleaseMat( samples ); - if( responses ) - cvReleaseMat( responses ); + int last_idx = num_samples * (cur_class + 1) / num_classes - 1; + double max_dst = dis[last_idx].d; + max_dst = std::max( max_dst, dis[i].d ); + + for( ; i < num_samples && dis[i].d <= max_dst; ++i ) + responses.at(i) = cur_class; } - cvReleaseMat( &mean ); - cvReleaseMat( &cov ); - cvReleaseMemStorage( &storage ); } +}} + /* End of file. */ diff --git a/modules/ml/src/tree.cpp b/modules/ml/src/tree.cpp index 41d2553a43..416abd9364 100644 --- a/modules/ml/src/tree.cpp +++ b/modules/ml/src/tree.cpp @@ -7,9 +7,11 @@ // copy or use the software. // // -// Intel License Agreement +// License Agreement +// For Open Source Computer Vision Library // // Copyright (C) 2000, Intel Corporation, all rights reserved. +// Copyright (C) 2014, Itseez Inc, all rights reserved. // Third party copyrights are property of their respective owners. // // Redistribution and use in source and binary forms, with or without modification, @@ -22,7 +24,7 @@ // this list of conditions and the following disclaimer in the documentation // and/or other materials provided with the distribution. // -// * The name of Intel Corporation may not be used to endorse or promote products +// * The name of the copyright holders may not be used to endorse or promote products // derived from this software without specific prior written permission. // // This software is provided by the copyright holders and contributors "as is" and @@ -41,2071 +43,718 @@ #include "precomp.hpp" #include -using namespace cv; +namespace cv { +namespace ml { -static const float ord_nan = FLT_MAX*0.5f; -static const int min_block_size = 1 << 16; -static const int block_size_delta = 1 << 10; +using std::vector; -CvDTreeTrainData::CvDTreeTrainData() +void DTrees::setDParams(const DTrees::Params&) { - var_idx = var_type = cat_count = cat_ofs = cat_map = - priors = priors_mult = counts = direction = split_buf = responses_copy = 0; - buf = 0; - tree_storage = temp_storage = 0; + CV_Error(CV_StsNotImplemented, ""); +} - clear(); +DTrees::Params DTrees::getDParams() const +{ + CV_Error(CV_StsNotImplemented, ""); + return DTrees::Params(); +} + +DTrees::Params::Params() +{ + maxDepth = INT_MAX; + minSampleCount = 10; + regressionAccuracy = 0.01f; + useSurrogates = false; + maxCategories = 10; + CVFolds = 10; + use1SERule = true; + truncatePrunedTree = true; + priors = Mat(); +} + +DTrees::Params::Params( int _maxDepth, int _minSampleCount, + double _regressionAccuracy, bool _useSurrogates, + int _maxCategories, int _CVFolds, + bool _use1SERule, bool _truncatePrunedTree, + const Mat& _priors ) +{ + maxDepth = _maxDepth; + minSampleCount = _minSampleCount; + regressionAccuracy = (float)_regressionAccuracy; + useSurrogates = _useSurrogates; + maxCategories = _maxCategories; + CVFolds = _CVFolds; + use1SERule = _use1SERule; + truncatePrunedTree = _truncatePrunedTree; + priors = _priors; +} + +DTrees::Node::Node() +{ + classIdx = 0; + value = 0; + parent = left = right = split = defaultDir = -1; +} + +DTrees::Split::Split() +{ + varIdx = 0; + inversed = false; + quality = 0.f; + next = -1; + c = 0.f; + subsetOfs = 0; } -CvDTreeTrainData::CvDTreeTrainData( const CvMat* _train_data, int _tflag, - const CvMat* _responses, const CvMat* _var_idx, - const CvMat* _sample_idx, const CvMat* _var_type, - const CvMat* _missing_mask, const CvDTreeParams& _params, - bool _shared, bool _add_labels ) +DTreesImpl::WorkData::WorkData(const Ptr& _data) { - var_idx = var_type = cat_count = cat_ofs = cat_map = - priors = priors_mult = counts = direction = split_buf = responses_copy = 0; - buf = 0; + data = _data; + vector subsampleIdx; + Mat sidx0 = _data->getTrainSampleIdx(); + if( !sidx0.empty() ) + { + sidx0.copyTo(sidx); + std::sort(sidx.begin(), sidx.end()); + } + else + { + int n = _data->getNSamples(); + setRangeVector(sidx, n); + } - tree_storage = temp_storage = 0; - - set_data( _train_data, _tflag, _responses, _var_idx, _sample_idx, - _var_type, _missing_mask, _params, _shared, _add_labels ); + maxSubsetSize = 0; } +DTreesImpl::DTreesImpl() {} +DTreesImpl::~DTreesImpl() {} +void DTreesImpl::clear() +{ + varIdx.clear(); + compVarIdx.clear(); + varType.clear(); + catOfs.clear(); + catMap.clear(); + roots.clear(); + nodes.clear(); + splits.clear(); + subsets.clear(); + classLabels.clear(); -CvDTreeTrainData::~CvDTreeTrainData() + w.release(); + _isClassifier = false; +} + +void DTreesImpl::startTraining( const Ptr& data, int ) { clear(); + w = makePtr(data); + + Mat vtype = data->getVarType(); + vtype.copyTo(varType); + + data->getCatOfs().copyTo(catOfs); + data->getCatMap().copyTo(catMap); + data->getDefaultSubstValues().copyTo(missingSubst); + + int nallvars = data->getNAllVars(); + + Mat vidx0 = data->getVarIdx(); + if( !vidx0.empty() ) + vidx0.copyTo(varIdx); + else + setRangeVector(varIdx, nallvars); + + initCompVarIdx(); + + w->maxSubsetSize = 0; + + int i, nvars = (int)varIdx.size(); + for( i = 0; i < nvars; i++ ) + w->maxSubsetSize = std::max(w->maxSubsetSize, getCatCount(varIdx[i])); + + w->maxSubsetSize = std::max((w->maxSubsetSize + 31)/32, 1); + + data->getSampleWeights().copyTo(w->sample_weights); + + _isClassifier = data->getResponseType() == VAR_CATEGORICAL; + + if( _isClassifier ) + { + data->getNormCatResponses().copyTo(w->cat_responses); + data->getClassLabels().copyTo(classLabels); + int nclasses = (int)classLabels.size(); + + Mat class_weights = params.priors; + if( !class_weights.empty() ) + { + if( class_weights.type() != CV_64F || !class_weights.isContinuous() ) + { + Mat temp; + class_weights.convertTo(temp, CV_64F); + class_weights = temp; + } + CV_Assert( class_weights.checkVector(1, CV_64F) == nclasses ); + + int nsamples = (int)w->cat_responses.size(); + const double* cw = class_weights.ptr(); + CV_Assert( (int)w->sample_weights.size() == nsamples ); + + for( i = 0; i < nsamples; i++ ) + { + int ci = w->cat_responses[i]; + CV_Assert( 0 <= ci && ci < nclasses ); + w->sample_weights[i] *= cw[ci]; + } + } + } + else + data->getResponses().copyTo(w->ord_responses); } -bool CvDTreeTrainData::set_params( const CvDTreeParams& _params ) +void DTreesImpl::initCompVarIdx() { - bool ok = false; + int nallvars = (int)varType.size(); + compVarIdx.assign(nallvars, -1); + int i, nvars = (int)varIdx.size(), prevIdx = -1; + for( i = 0; i < nvars; i++ ) + { + int vi = varIdx[i]; + CV_Assert( 0 <= vi && vi < nallvars && vi > prevIdx ); + prevIdx = vi; + compVarIdx[vi] = i; + } +} - CV_FUNCNAME( "CvDTreeTrainData::set_params" ); - - __BEGIN__; - - // set parameters - params = _params; - - if( params.max_categories < 2 ) - CV_ERROR( CV_StsOutOfRange, "params.max_categories should be >= 2" ); - params.max_categories = MIN( params.max_categories, 15 ); - - if( params.max_depth < 0 ) - CV_ERROR( CV_StsOutOfRange, "params.max_depth should be >= 0" ); - params.max_depth = MIN( params.max_depth, 25 ); - - params.min_sample_count = MAX(params.min_sample_count,1); - - if( params.cv_folds < 0 ) - CV_ERROR( CV_StsOutOfRange, - "params.cv_folds should be =0 (the tree is not pruned) " - "or n>0 (tree is pruned using n-fold cross-validation)" ); - - if( params.cv_folds == 1 ) - params.cv_folds = 0; - - if( params.regression_accuracy < 0 ) - CV_ERROR( CV_StsOutOfRange, "params.regression_accuracy should be >= 0" ); - - ok = true; - - __END__; +void DTreesImpl::endTraining() +{ + w.release(); +} +bool DTreesImpl::train( const Ptr& trainData, int flags ) +{ + startTraining(trainData, flags); + bool ok = addTree( w->sidx ) >= 0; + w.release(); + endTraining(); return ok; } -template -class LessThanPtr +const vector& DTreesImpl::getActiveVars() { -public: - bool operator()(T* a, T* b) const { return *a < *b; } -}; - -template -class LessThanIdx -{ -public: - LessThanIdx( const T* _arr ) : arr(_arr) {} - bool operator()(Idx a, Idx b) const { return arr[a] < arr[b]; } - const T* arr; -}; - -class LessThanPairs -{ -public: - bool operator()(const CvPair16u32s& a, const CvPair16u32s& b) const { return *a.i < *b.i; } -}; - -void CvDTreeTrainData::set_data( const CvMat* _train_data, int _tflag, - const CvMat* _responses, const CvMat* _var_idx, const CvMat* _sample_idx, - const CvMat* _var_type, const CvMat* _missing_mask, const CvDTreeParams& _params, - bool _shared, bool _add_labels, bool _update_data ) -{ - CvMat* sample_indices = 0; - CvMat* var_type0 = 0; - CvMat* tmp_map = 0; - int** int_ptr = 0; - CvPair16u32s* pair16u32s_ptr = 0; - CvDTreeTrainData* data = 0; - float *_fdst = 0; - int *_idst = 0; - unsigned short* udst = 0; - int* idst = 0; - - CV_FUNCNAME( "CvDTreeTrainData::set_data" ); - - __BEGIN__; - - int sample_all = 0, r_type, cv_n; - int total_c_count = 0; - int tree_block_size, temp_block_size, max_split_size, nv_size, cv_size = 0; - int ds_step, dv_step, ms_step = 0, mv_step = 0; // {data|mask}{sample|var}_step - int vi, i, size; - char err[100]; - const int *sidx = 0, *vidx = 0; - - uint64 effective_buf_size = 0; - int effective_buf_height = 0, effective_buf_width = 0; - - if( _update_data && data_root ) - { - data = new CvDTreeTrainData( _train_data, _tflag, _responses, _var_idx, - _sample_idx, _var_type, _missing_mask, _params, _shared, _add_labels ); - - // compare new and old train data - if( !(data->var_count == var_count && - cvNorm( data->var_type, var_type, CV_C ) < FLT_EPSILON && - cvNorm( data->cat_count, cat_count, CV_C ) < FLT_EPSILON && - cvNorm( data->cat_map, cat_map, CV_C ) < FLT_EPSILON) ) - CV_ERROR( CV_StsBadArg, - "The new training data must have the same types and the input and output variables " - "and the same categories for categorical variables" ); - - cvReleaseMat( &priors ); - cvReleaseMat( &priors_mult ); - cvReleaseMat( &buf ); - cvReleaseMat( &direction ); - cvReleaseMat( &split_buf ); - cvReleaseMemStorage( &temp_storage ); - - priors = data->priors; data->priors = 0; - priors_mult = data->priors_mult; data->priors_mult = 0; - buf = data->buf; data->buf = 0; - buf_count = data->buf_count; buf_size = data->buf_size; - sample_count = data->sample_count; - - direction = data->direction; data->direction = 0; - split_buf = data->split_buf; data->split_buf = 0; - temp_storage = data->temp_storage; data->temp_storage = 0; - nv_heap = data->nv_heap; cv_heap = data->cv_heap; - - data_root = new_node( 0, sample_count, 0, 0 ); - EXIT; - } - - clear(); - - var_all = 0; - rng = &cv::theRNG(); - - CV_CALL( set_params( _params )); - - // check parameter types and sizes - CV_CALL( cvCheckTrainData( _train_data, _tflag, _missing_mask, &var_all, &sample_all )); - - train_data = _train_data; - responses = _responses; - - if( _tflag == CV_ROW_SAMPLE ) - { - ds_step = _train_data->step/CV_ELEM_SIZE(_train_data->type); - dv_step = 1; - if( _missing_mask ) - ms_step = _missing_mask->step, mv_step = 1; - } - else - { - dv_step = _train_data->step/CV_ELEM_SIZE(_train_data->type); - ds_step = 1; - if( _missing_mask ) - mv_step = _missing_mask->step, ms_step = 1; - } - tflag = _tflag; - - sample_count = sample_all; - var_count = var_all; - - if( _sample_idx ) - { - CV_CALL( sample_indices = cvPreprocessIndexArray( _sample_idx, sample_all )); - sidx = sample_indices->data.i; - sample_count = sample_indices->rows + sample_indices->cols - 1; - } - - if( _var_idx ) - { - CV_CALL( var_idx = cvPreprocessIndexArray( _var_idx, var_all )); - vidx = var_idx->data.i; - var_count = var_idx->rows + var_idx->cols - 1; - } - - is_buf_16u = false; - if ( sample_count < 65536 ) - is_buf_16u = true; - - if( !CV_IS_MAT(_responses) || - (CV_MAT_TYPE(_responses->type) != CV_32SC1 && - CV_MAT_TYPE(_responses->type) != CV_32FC1) || - (_responses->rows != 1 && _responses->cols != 1) || - _responses->rows + _responses->cols - 1 != sample_all ) - CV_ERROR( CV_StsBadArg, "The array of _responses must be an integer or " - "floating-point vector containing as many elements as " - "the total number of samples in the training data matrix" ); - - r_type = CV_VAR_CATEGORICAL; - if( _var_type ) - CV_CALL( var_type0 = cvPreprocessVarType( _var_type, var_idx, var_count, &r_type )); - - CV_CALL( var_type = cvCreateMat( 1, var_count+2, CV_32SC1 )); - - cat_var_count = 0; - ord_var_count = -1; - - is_classifier = r_type == CV_VAR_CATEGORICAL; - - // step 0. calc the number of categorical vars - for( vi = 0; vi < var_count; vi++ ) - { - char vt = var_type0 ? var_type0->data.ptr[vi] : CV_VAR_ORDERED; - var_type->data.i[vi] = vt == CV_VAR_CATEGORICAL ? cat_var_count++ : ord_var_count--; - } - - ord_var_count = ~ord_var_count; - cv_n = params.cv_folds; - // set the two last elements of var_type array to be able - // to locate responses and cross-validation labels using - // the corresponding get_* functions. - var_type->data.i[var_count] = cat_var_count; - var_type->data.i[var_count+1] = cat_var_count+1; - - // in case of single ordered predictor we need dummy cv_labels - // for safe split_node_data() operation - have_labels = cv_n > 0 || (ord_var_count == 1 && cat_var_count == 0) || _add_labels; - - work_var_count = var_count + (is_classifier ? 1 : 0) // for responses class_labels - + (have_labels ? 1 : 0); // for cv_labels - - shared = _shared; - buf_count = shared ? 2 : 1; - - buf_size = -1; // the member buf_size is obsolete - - effective_buf_size = (uint64)(work_var_count + 1)*(uint64)sample_count * buf_count; // this is the total size of "CvMat buf" to be allocated - effective_buf_width = sample_count; - effective_buf_height = work_var_count+1; - - if (effective_buf_width >= effective_buf_height) - effective_buf_height *= buf_count; - else - effective_buf_width *= buf_count; - - if ((uint64)effective_buf_width * (uint64)effective_buf_height != effective_buf_size) - { - CV_Error(CV_StsBadArg, "The memory buffer cannot be allocated since its size exceeds integer fields limit"); - } - - - - if ( is_buf_16u ) - { - CV_CALL( buf = cvCreateMat( effective_buf_height, effective_buf_width, CV_16UC1 )); - CV_CALL( pair16u32s_ptr = (CvPair16u32s*)cvAlloc( sample_count*sizeof(pair16u32s_ptr[0]) )); - } - else - { - CV_CALL( buf = cvCreateMat( effective_buf_height, effective_buf_width, CV_32SC1 )); - CV_CALL( int_ptr = (int**)cvAlloc( sample_count*sizeof(int_ptr[0]) )); - } - - size = is_classifier ? (cat_var_count+1) : cat_var_count; - size = !size ? 1 : size; - CV_CALL( cat_count = cvCreateMat( 1, size, CV_32SC1 )); - CV_CALL( cat_ofs = cvCreateMat( 1, size, CV_32SC1 )); - - size = is_classifier ? (cat_var_count + 1)*params.max_categories : cat_var_count*params.max_categories; - size = !size ? 1 : size; - CV_CALL( cat_map = cvCreateMat( 1, size, CV_32SC1 )); - - // now calculate the maximum size of split, - // create memory storage that will keep nodes and splits of the decision tree - // allocate root node and the buffer for the whole training data - max_split_size = cvAlign(sizeof(CvDTreeSplit) + - (MAX(0,sample_count - 33)/32)*sizeof(int),sizeof(void*)); - tree_block_size = MAX((int)sizeof(CvDTreeNode)*8, max_split_size); - tree_block_size = MAX(tree_block_size + block_size_delta, min_block_size); - CV_CALL( tree_storage = cvCreateMemStorage( tree_block_size )); - CV_CALL( node_heap = cvCreateSet( 0, sizeof(*node_heap), sizeof(CvDTreeNode), tree_storage )); - - nv_size = var_count*sizeof(int); - nv_size = cvAlign(MAX( nv_size, (int)sizeof(CvSetElem) ), sizeof(void*)); - - temp_block_size = nv_size; - - if( cv_n ) - { - if( sample_count < cv_n*MAX(params.min_sample_count,10) ) - CV_ERROR( CV_StsOutOfRange, - "The many folds in cross-validation for such a small dataset" ); - - cv_size = cvAlign( cv_n*(sizeof(int) + sizeof(double)*2), sizeof(double) ); - temp_block_size = MAX(temp_block_size, cv_size); - } - - temp_block_size = MAX( temp_block_size + block_size_delta, min_block_size ); - CV_CALL( temp_storage = cvCreateMemStorage( temp_block_size )); - CV_CALL( nv_heap = cvCreateSet( 0, sizeof(*nv_heap), nv_size, temp_storage )); - if( cv_size ) - CV_CALL( cv_heap = cvCreateSet( 0, sizeof(*cv_heap), cv_size, temp_storage )); - - CV_CALL( data_root = new_node( 0, sample_count, 0, 0 )); - - max_c_count = 1; - - _fdst = 0; - _idst = 0; - if (ord_var_count) - _fdst = (float*)cvAlloc(sample_count*sizeof(_fdst[0])); - if (is_buf_16u && (cat_var_count || is_classifier)) - _idst = (int*)cvAlloc(sample_count*sizeof(_idst[0])); - - // transform the training data to convenient representation - for( vi = 0; vi <= var_count; vi++ ) - { - int ci; - const uchar* mask = 0; - int64 m_step = 0, step; - const int* idata = 0; - const float* fdata = 0; - int num_valid = 0; - - if( vi < var_count ) // analyze i-th input variable - { - int vi0 = vidx ? vidx[vi] : vi; - ci = get_var_type(vi); - step = ds_step; m_step = ms_step; - if( CV_MAT_TYPE(_train_data->type) == CV_32SC1 ) - idata = _train_data->data.i + vi0*dv_step; - else - fdata = _train_data->data.fl + vi0*dv_step; - if( _missing_mask ) - mask = _missing_mask->data.ptr + vi0*mv_step; - } - else // analyze _responses - { - ci = cat_var_count; - step = CV_IS_MAT_CONT(_responses->type) ? - 1 : _responses->step / CV_ELEM_SIZE(_responses->type); - if( CV_MAT_TYPE(_responses->type) == CV_32SC1 ) - idata = _responses->data.i; - else - fdata = _responses->data.fl; - } - - if( (vi < var_count && ci>=0) || - (vi == var_count && is_classifier) ) // process categorical variable or response - { - int c_count, prev_label; - int* c_map; - - if (is_buf_16u) - udst = (unsigned short*)(buf->data.s + vi*sample_count); - else - idst = buf->data.i + vi*sample_count; - - // copy data - for( i = 0; i < sample_count; i++ ) - { - int val = INT_MAX, si = sidx ? sidx[i] : i; - if( !mask || !mask[(size_t)si*m_step] ) - { - if( idata ) - val = idata[(size_t)si*step]; - else - { - float t = fdata[(size_t)si*step]; - val = cvRound(t); - if( fabs(t - val) > FLT_EPSILON ) - { - sprintf( err, "%d-th value of %d-th (categorical) " - "variable is not an integer", i, vi ); - CV_ERROR( CV_StsBadArg, err ); - } - } - - if( val == INT_MAX ) - { - sprintf( err, "%d-th value of %d-th (categorical) " - "variable is too large", i, vi ); - CV_ERROR( CV_StsBadArg, err ); - } - num_valid++; - } - if (is_buf_16u) - { - _idst[i] = val; - pair16u32s_ptr[i].u = udst + i; - pair16u32s_ptr[i].i = _idst + i; - } - else - { - idst[i] = val; - int_ptr[i] = idst + i; - } - } - - c_count = num_valid > 0; - if (is_buf_16u) - { - std::sort(pair16u32s_ptr, pair16u32s_ptr + sample_count, LessThanPairs()); - // count the categories - for( i = 1; i < num_valid; i++ ) - if (*pair16u32s_ptr[i].i != *pair16u32s_ptr[i-1].i) - c_count ++ ; - } - else - { - std::sort(int_ptr, int_ptr + sample_count, LessThanPtr()); - // count the categories - for( i = 1; i < num_valid; i++ ) - c_count += *int_ptr[i] != *int_ptr[i-1]; - } - - if( vi > 0 ) - max_c_count = MAX( max_c_count, c_count ); - cat_count->data.i[ci] = c_count; - cat_ofs->data.i[ci] = total_c_count; - - // resize cat_map, if need - if( cat_map->cols < total_c_count + c_count ) - { - tmp_map = cat_map; - CV_CALL( cat_map = cvCreateMat( 1, - MAX(cat_map->cols*3/2,total_c_count+c_count), CV_32SC1 )); - for( i = 0; i < total_c_count; i++ ) - cat_map->data.i[i] = tmp_map->data.i[i]; - cvReleaseMat( &tmp_map ); - } - - c_map = cat_map->data.i + total_c_count; - total_c_count += c_count; - - c_count = -1; - if (is_buf_16u) - { - // compact the class indices and build the map - prev_label = ~*pair16u32s_ptr[0].i; - for( i = 0; i < num_valid; i++ ) - { - int cur_label = *pair16u32s_ptr[i].i; - if( cur_label != prev_label ) - c_map[++c_count] = prev_label = cur_label; - *pair16u32s_ptr[i].u = (unsigned short)c_count; - } - // replace labels for missing values with -1 - for( ; i < sample_count; i++ ) - *pair16u32s_ptr[i].u = 65535; - } - else - { - // compact the class indices and build the map - prev_label = ~*int_ptr[0]; - for( i = 0; i < num_valid; i++ ) - { - int cur_label = *int_ptr[i]; - if( cur_label != prev_label ) - c_map[++c_count] = prev_label = cur_label; - *int_ptr[i] = c_count; - } - // replace labels for missing values with -1 - for( ; i < sample_count; i++ ) - *int_ptr[i] = -1; - } - } - else if( ci < 0 ) // process ordered variable - { - if (is_buf_16u) - udst = (unsigned short*)(buf->data.s + vi*sample_count); - else - idst = buf->data.i + vi*sample_count; - - for( i = 0; i < sample_count; i++ ) - { - float val = ord_nan; - int si = sidx ? sidx[i] : i; - if( !mask || !mask[(size_t)si*m_step] ) - { - if( idata ) - val = (float)idata[(size_t)si*step]; - else - val = fdata[(size_t)si*step]; - - if( fabs(val) >= ord_nan ) - { - sprintf( err, "%d-th value of %d-th (ordered) " - "variable (=%g) is too large", i, vi, val ); - CV_ERROR( CV_StsBadArg, err ); - } - num_valid++; - } - - if (is_buf_16u) - udst[i] = (unsigned short)i; // TODO: memory corruption may be here - else - idst[i] = i; - _fdst[i] = val; - - } - if (is_buf_16u) - std::sort(udst, udst + sample_count, LessThanIdx(_fdst)); - else - std::sort(idst, idst + sample_count, LessThanIdx(_fdst)); - } - - if( vi < var_count ) - data_root->set_num_valid(vi, num_valid); - } - - // set sample labels - if (is_buf_16u) - udst = (unsigned short*)(buf->data.s + work_var_count*sample_count); - else - idst = buf->data.i + work_var_count*sample_count; - - for (i = 0; i < sample_count; i++) - { - if (udst) - udst[i] = sidx ? (unsigned short)sidx[i] : (unsigned short)i; - else - idst[i] = sidx ? sidx[i] : i; - } - - if( cv_n ) - { - unsigned short* usdst = 0; - int* idst2 = 0; - - if (is_buf_16u) - { - usdst = (unsigned short*)(buf->data.s + (get_work_var_count()-1)*sample_count); - for( i = vi = 0; i < sample_count; i++ ) - { - usdst[i] = (unsigned short)vi++; - vi &= vi < cv_n ? -1 : 0; - } - - for( i = 0; i < sample_count; i++ ) - { - int a = (*rng)(sample_count); - int b = (*rng)(sample_count); - unsigned short unsh = (unsigned short)vi; - CV_SWAP( usdst[a], usdst[b], unsh ); - } - } - else - { - idst2 = buf->data.i + (get_work_var_count()-1)*sample_count; - for( i = vi = 0; i < sample_count; i++ ) - { - idst2[i] = vi++; - vi &= vi < cv_n ? -1 : 0; - } - - for( i = 0; i < sample_count; i++ ) - { - int a = (*rng)(sample_count); - int b = (*rng)(sample_count); - CV_SWAP( idst2[a], idst2[b], vi ); - } - } - } - - if ( cat_map ) - cat_map->cols = MAX( total_c_count, 1 ); - - max_split_size = cvAlign(sizeof(CvDTreeSplit) + - (MAX(0,max_c_count - 33)/32)*sizeof(int),sizeof(void*)); - CV_CALL( split_heap = cvCreateSet( 0, sizeof(*split_heap), max_split_size, tree_storage )); - - have_priors = is_classifier && params.priors; - if( is_classifier ) - { - int m = get_num_classes(); - double sum = 0; - CV_CALL( priors = cvCreateMat( 1, m, CV_64F )); - for( i = 0; i < m; i++ ) - { - double val = have_priors ? params.priors[i] : 1.; - if( val <= 0 ) - CV_ERROR( CV_StsOutOfRange, "Every class weight should be positive" ); - priors->data.db[i] = val; - sum += val; - } - - // normalize weights - if( have_priors ) - cvScale( priors, priors, 1./sum ); - - CV_CALL( priors_mult = cvCloneMat( priors )); - CV_CALL( counts = cvCreateMat( 1, m, CV_32SC1 )); - } - - - CV_CALL( direction = cvCreateMat( 1, sample_count, CV_8UC1 )); - CV_CALL( split_buf = cvCreateMat( 1, sample_count, CV_32SC1 )); - - __END__; - - if( data ) - delete data; - - if (_fdst) - cvFree( &_fdst ); - if (_idst) - cvFree( &_idst ); - cvFree( &int_ptr ); - cvFree( &pair16u32s_ptr); - cvReleaseMat( &var_type0 ); - cvReleaseMat( &sample_indices ); - cvReleaseMat( &tmp_map ); + return varIdx; } -void CvDTreeTrainData::do_responses_copy() +int DTreesImpl::addTree(const vector& sidx ) { - responses_copy = cvCreateMat( responses->rows, responses->cols, responses->type ); - cvCopy( responses, responses_copy); - responses = responses_copy; -} + size_t n = (params.maxDepth > 0 ? (1 << params.maxDepth) : 1024) + w->wnodes.size(); -CvDTreeNode* CvDTreeTrainData::subsample_data( const CvMat* _subsample_idx ) -{ - CvDTreeNode* root = 0; - CvMat* isubsample_idx = 0; - CvMat* subsample_co = 0; + w->wnodes.reserve(n); + w->wsplits.reserve(n); + w->wsubsets.reserve(n*w->maxSubsetSize); + w->wnodes.clear(); + w->wsplits.clear(); + w->wsubsets.clear(); - bool isMakeRootCopy = true; + int cv_n = params.CVFolds; - CV_FUNCNAME( "CvDTreeTrainData::subsample_data" ); - - __BEGIN__; - - if( !data_root ) - CV_ERROR( CV_StsError, "No training data has been set" ); - - if( _subsample_idx ) + if( cv_n > 0 ) { - CV_CALL( isubsample_idx = cvPreprocessIndexArray( _subsample_idx, sample_count )); - - if( isubsample_idx->cols + isubsample_idx->rows - 1 == sample_count ) - { - const int* sidx = isubsample_idx->data.i; - for( int i = 0; i < sample_count; i++ ) - { - if( sidx[i] != i ) - { - isMakeRootCopy = false; - break; - } - } - } - else - isMakeRootCopy = false; + w->cv_Tn.resize(n*cv_n); + w->cv_node_error.resize(n*cv_n); + w->cv_node_risk.resize(n*cv_n); } - if( isMakeRootCopy ) - { - // make a copy of the root node - CvDTreeNode temp; - int i; - root = new_node( 0, 1, 0, 0 ); - temp = *root; - *root = *data_root; - root->num_valid = temp.num_valid; - if( root->num_valid ) - { - for( i = 0; i < var_count; i++ ) - root->num_valid[i] = data_root->num_valid[i]; - } - root->cv_Tn = temp.cv_Tn; - root->cv_node_risk = temp.cv_node_risk; - root->cv_node_error = temp.cv_node_error; - } - else - { - int* sidx = isubsample_idx->data.i; - // co - array of count/offset pairs (to handle duplicated values in _subsample_idx) - int* co, cur_ofs = 0; - int vi, i; - int workVarCount = get_work_var_count(); - int count = isubsample_idx->rows + isubsample_idx->cols - 1; + // build the tree recursively + int w_root = addNodeAndTrySplit(-1, sidx); + int maxdepth = INT_MAX;//pruneCV(root); - root = new_node( 0, count, 1, 0 ); + int w_nidx = w_root, pidx = -1, depth = 0; + int root = (int)nodes.size(); - CV_CALL( subsample_co = cvCreateMat( 1, sample_count*2, CV_32SC1 )); - cvZero( subsample_co ); - co = subsample_co->data.i; - for( i = 0; i < count; i++ ) - co[sidx[i]*2]++; - for( i = 0; i < sample_count; i++ ) + for(;;) + { + const WNode& wnode = w->wnodes[w_nidx]; + Node node; + node.parent = pidx; + node.classIdx = wnode.class_idx; + node.value = wnode.value; + node.defaultDir = wnode.defaultDir; + + int wsplit_idx = wnode.split; + if( wsplit_idx >= 0 ) { - if( co[i*2] ) + const WSplit& wsplit = w->wsplits[wsplit_idx]; + Split split; + split.c = wsplit.c; + split.quality = wsplit.quality; + split.inversed = wsplit.inversed; + split.varIdx = wsplit.varIdx; + split.subsetOfs = -1; + if( wsplit.subsetOfs >= 0 ) { - co[i*2+1] = cur_ofs; - cur_ofs += co[i*2]; + int ssize = getSubsetSize(split.varIdx); + split.subsetOfs = (int)subsets.size(); + subsets.resize(split.subsetOfs + ssize); + memcpy(&subsets[split.subsetOfs], &w->wsubsets[wsplit.subsetOfs], ssize*sizeof(int)); } - else - co[i*2+1] = -1; + node.split = (int)splits.size(); + splits.push_back(split); } - - cv::AutoBuffer inn_buf(sample_count*(2*sizeof(int) + sizeof(float))); - for( vi = 0; vi < workVarCount; vi++ ) + int nidx = (int)nodes.size(); + nodes.push_back(node); + if( pidx >= 0 ) { - int ci = get_var_type(vi); - - if( ci >= 0 || vi >= var_count ) + int w_pidx = w->wnodes[w_nidx].parent; + if( w->wnodes[w_pidx].left == w_nidx ) { - int num_valid = 0; - const int* src = CvDTreeTrainData::get_cat_var_data( data_root, vi, (int*)(uchar*)inn_buf ); - - if (is_buf_16u) - { - unsigned short* udst = (unsigned short*)(buf->data.s + root->buf_idx*get_length_subbuf() + - vi*sample_count + root->offset); - for( i = 0; i < count; i++ ) - { - int val = src[sidx[i]]; - udst[i] = (unsigned short)val; - num_valid += val >= 0; - } - } - else - { - int* idst = buf->data.i + root->buf_idx*get_length_subbuf() + - vi*sample_count + root->offset; - for( i = 0; i < count; i++ ) - { - int val = src[sidx[i]]; - idst[i] = val; - num_valid += val >= 0; - } - } - - if( vi < var_count ) - root->set_num_valid(vi, num_valid); + nodes[pidx].left = nidx; } else { - int *src_idx_buf = (int*)(uchar*)inn_buf; - float *src_val_buf = (float*)(src_idx_buf + sample_count); - int* sample_indices_buf = (int*)(src_val_buf + sample_count); - const int* src_idx = 0; - const float* src_val = 0; - get_ord_var_data( data_root, vi, src_val_buf, src_idx_buf, &src_val, &src_idx, sample_indices_buf ); - int j = 0, idx, count_i; - int num_valid = data_root->get_num_valid(vi); - - if (is_buf_16u) - { - unsigned short* udst_idx = (unsigned short*)(buf->data.s + root->buf_idx*get_length_subbuf() + - vi*sample_count + data_root->offset); - for( i = 0; i < num_valid; i++ ) - { - idx = src_idx[i]; - count_i = co[idx*2]; - if( count_i ) - for( cur_ofs = co[idx*2+1]; count_i > 0; count_i--, j++, cur_ofs++ ) - udst_idx[j] = (unsigned short)cur_ofs; - } - - root->set_num_valid(vi, j); - - for( ; i < sample_count; i++ ) - { - idx = src_idx[i]; - count_i = co[idx*2]; - if( count_i ) - for( cur_ofs = co[idx*2+1]; count_i > 0; count_i--, j++, cur_ofs++ ) - udst_idx[j] = (unsigned short)cur_ofs; - } - } - else - { - int* idst_idx = buf->data.i + root->buf_idx*get_length_subbuf() + - vi*sample_count + root->offset; - for( i = 0; i < num_valid; i++ ) - { - idx = src_idx[i]; - count_i = co[idx*2]; - if( count_i ) - for( cur_ofs = co[idx*2+1]; count_i > 0; count_i--, j++, cur_ofs++ ) - idst_idx[j] = cur_ofs; - } - - root->set_num_valid(vi, j); - - for( ; i < sample_count; i++ ) - { - idx = src_idx[i]; - count_i = co[idx*2]; - if( count_i ) - for( cur_ofs = co[idx*2+1]; count_i > 0; count_i--, j++, cur_ofs++ ) - idst_idx[j] = cur_ofs; - } - } + CV_Assert(w->wnodes[w_pidx].right == w_nidx); + nodes[pidx].right = nidx; } } - // sample indices subsampling - const int* sample_idx_src = get_sample_indices(data_root, (int*)(uchar*)inn_buf); - if (is_buf_16u) + + if( wnode.left >= 0 && depth+1 < maxdepth ) { - unsigned short* sample_idx_dst = (unsigned short*)(buf->data.s + root->buf_idx*get_length_subbuf() + - workVarCount*sample_count + root->offset); - for (i = 0; i < count; i++) - sample_idx_dst[i] = (unsigned short)sample_idx_src[sidx[i]]; + w_nidx = wnode.left; + pidx = nidx; + depth++; } else { - int* sample_idx_dst = buf->data.i + root->buf_idx*get_length_subbuf() + - workVarCount*sample_count + root->offset; - for (i = 0; i < count; i++) - sample_idx_dst[i] = sample_idx_src[sidx[i]]; + int w_pidx = wnode.parent; + while( w_pidx >= 0 && w->wnodes[w_pidx].right == w_nidx ) + { + w_nidx = w_pidx; + w_pidx = w->wnodes[w_pidx].parent; + nidx = pidx; + pidx = nodes[pidx].parent; + depth--; + } + + if( w_pidx < 0 ) + break; + + w_nidx = w->wnodes[w_pidx].right; + CV_Assert( w_nidx >= 0 ); } } - - __END__; - - cvReleaseMat( &isubsample_idx ); - cvReleaseMat( &subsample_co ); - + roots.push_back(root); return root; } - -void CvDTreeTrainData::get_vectors( const CvMat* _subsample_idx, - float* values, uchar* missing, - float* _responses, bool get_class_idx ) +DTrees::Params DTreesImpl::getDParams() const { - CvMat* subsample_idx = 0; - CvMat* subsample_co = 0; + return params0; +} - CV_FUNCNAME( "CvDTreeTrainData::get_vectors" ); +void DTreesImpl::setDParams(const Params& _params) +{ + params0 = params = _params; + if( params.maxCategories < 2 ) + CV_Error( CV_StsOutOfRange, "params.max_categories should be >= 2" ); + params.maxCategories = std::min( params.maxCategories, 15 ); - __BEGIN__; + if( params.maxDepth < 0 ) + CV_Error( CV_StsOutOfRange, "params.max_depth should be >= 0" ); + params.maxDepth = std::min( params.maxDepth, 25 ); - int i, vi, total = sample_count, count = total, cur_ofs = 0; - int* sidx = 0; - int* co = 0; + params.minSampleCount = std::max(params.minSampleCount, 1); - cv::AutoBuffer inn_buf(sample_count*(2*sizeof(int) + sizeof(float))); - if( _subsample_idx ) + if( params.CVFolds < 0 ) + CV_Error( CV_StsOutOfRange, + "params.CVFolds should be =0 (the tree is not pruned) " + "or n>0 (tree is pruned using n-fold cross-validation)" ); + + if( params.CVFolds == 1 ) + params.CVFolds = 0; + + if( params.regressionAccuracy < 0 ) + CV_Error( CV_StsOutOfRange, "params.regression_accuracy should be >= 0" ); +} + +int DTreesImpl::addNodeAndTrySplit( int parent, const vector& sidx ) +{ + w->wnodes.push_back(WNode()); + int nidx = (int)(w->wnodes.size() - 1); + WNode& node = w->wnodes.back(); + + node.parent = parent; + node.depth = parent >= 0 ? w->wnodes[parent].depth + 1 : 0; + int nfolds = params.CVFolds; + + if( nfolds > 0 ) { - CV_CALL( subsample_idx = cvPreprocessIndexArray( _subsample_idx, sample_count )); - sidx = subsample_idx->data.i; - CV_CALL( subsample_co = cvCreateMat( 1, sample_count*2, CV_32SC1 )); - co = subsample_co->data.i; - cvZero( subsample_co ); - count = subsample_idx->cols + subsample_idx->rows - 1; - for( i = 0; i < count; i++ ) - co[sidx[i]*2]++; - for( i = 0; i < total; i++ ) - { - int count_i = co[i*2]; - if( count_i ) - { - co[i*2+1] = cur_ofs*var_count; - cur_ofs += count_i; - } - } + w->cv_Tn.resize((nidx+1)*nfolds); + w->cv_node_error.resize((nidx+1)*nfolds); + w->cv_node_risk.resize((nidx+1)*nfolds); } - if( missing ) - memset( missing, 1, count*var_count ); - - for( vi = 0; vi < var_count; vi++ ) - { - int ci = get_var_type(vi); - if( ci >= 0 ) // categorical - { - float* dst = values + vi; - uchar* m = missing ? missing + vi : 0; - const int* src = get_cat_var_data(data_root, vi, (int*)(uchar*)inn_buf); - - for( i = 0; i < count; i++, dst += var_count ) - { - int idx = sidx ? sidx[i] : i; - int val = src[idx]; - *dst = (float)val; - if( m ) - { - *m = (!is_buf_16u && val < 0) || (is_buf_16u && (val == 65535)); - m += var_count; - } - } - } - else // ordered - { - float* dst = values + vi; - uchar* m = missing ? missing + vi : 0; - int count1 = data_root->get_num_valid(vi); - float *src_val_buf = (float*)(uchar*)inn_buf; - int* src_idx_buf = (int*)(src_val_buf + sample_count); - int* sample_indices_buf = src_idx_buf + sample_count; - const float *src_val = 0; - const int* src_idx = 0; - get_ord_var_data(data_root, vi, src_val_buf, src_idx_buf, &src_val, &src_idx, sample_indices_buf); - - for( i = 0; i < count1; i++ ) - { - int idx = src_idx[i]; - int count_i = 1; - if( co ) - { - count_i = co[idx*2]; - cur_ofs = co[idx*2+1]; - } - else - cur_ofs = idx*var_count; - if( count_i ) - { - float val = src_val[i]; - for( ; count_i > 0; count_i--, cur_ofs += var_count ) - { - dst[cur_ofs] = val; - if( m ) - m[cur_ofs] = 0; - } - } - } - } - } - - // copy responses - if( _responses ) - { - if( is_classifier ) - { - const int* src = get_class_labels(data_root, (int*)(uchar*)inn_buf); - for( i = 0; i < count; i++ ) - { - int idx = sidx ? sidx[i] : i; - int val = get_class_idx ? src[idx] : - cat_map->data.i[cat_ofs->data.i[cat_var_count]+src[idx]]; - _responses[i] = (float)val; - } - } - else - { - float* val_buf = (float*)(uchar*)inn_buf; - int* sample_idx_buf = (int*)(val_buf + sample_count); - const float* _values = get_ord_responses(data_root, val_buf, sample_idx_buf); - for( i = 0; i < count; i++ ) - { - int idx = sidx ? sidx[i] : i; - _responses[i] = _values[idx]; - } - } - } - - __END__; - - cvReleaseMat( &subsample_idx ); - cvReleaseMat( &subsample_co ); -} - - -CvDTreeNode* CvDTreeTrainData::new_node( CvDTreeNode* parent, int count, - int storage_idx, int offset ) -{ - CvDTreeNode* node = (CvDTreeNode*)cvSetNew( node_heap ); - - node->sample_count = count; - node->depth = parent ? parent->depth + 1 : 0; - node->parent = parent; - node->left = node->right = 0; - node->split = 0; - node->value = 0; - node->class_idx = 0; - node->maxlr = 0.; - - node->buf_idx = storage_idx; - node->offset = offset; - if( nv_heap ) - node->num_valid = (int*)cvSetNew( nv_heap ); - else - node->num_valid = 0; - node->alpha = node->node_risk = node->tree_risk = node->tree_error = 0.; - node->complexity = 0; - - if( params.cv_folds > 0 && cv_heap ) - { - int cv_n = params.cv_folds; - node->Tn = INT_MAX; - node->cv_Tn = (int*)cvSetNew( cv_heap ); - node->cv_node_risk = (double*)cvAlignPtr(node->cv_Tn + cv_n, sizeof(double)); - node->cv_node_error = node->cv_node_risk + cv_n; - } - else - { - node->Tn = 0; - node->cv_Tn = 0; - node->cv_node_risk = 0; - node->cv_node_error = 0; - } - - return node; -} - - -CvDTreeSplit* CvDTreeTrainData::new_split_ord( int vi, float cmp_val, - int split_point, int inversed, float quality ) -{ - CvDTreeSplit* split = (CvDTreeSplit*)cvSetNew( split_heap ); - split->var_idx = vi; - split->condensed_idx = INT_MIN; - split->ord.c = cmp_val; - split->ord.split_point = split_point; - split->inversed = inversed; - split->quality = quality; - split->next = 0; - - return split; -} - - -CvDTreeSplit* CvDTreeTrainData::new_split_cat( int vi, float quality ) -{ - CvDTreeSplit* split = (CvDTreeSplit*)cvSetNew( split_heap ); - int i, n = (max_c_count + 31)/32; - - split->var_idx = vi; - split->condensed_idx = INT_MIN; - split->inversed = 0; - split->quality = quality; - for( i = 0; i < n; i++ ) - split->subset[i] = 0; - split->next = 0; - - return split; -} - - -void CvDTreeTrainData::free_node( CvDTreeNode* node ) -{ - CvDTreeSplit* split = node->split; - free_node_data( node ); - while( split ) - { - CvDTreeSplit* next = split->next; - cvSetRemoveByPtr( split_heap, split ); - split = next; - } - node->split = 0; - cvSetRemoveByPtr( node_heap, node ); -} - - -void CvDTreeTrainData::free_node_data( CvDTreeNode* node ) -{ - if( node->num_valid ) - { - cvSetRemoveByPtr( nv_heap, node->num_valid ); - node->num_valid = 0; - } - // do not free cv_* fields, as all the cross-validation related data is released at once. -} - - -void CvDTreeTrainData::free_train_data() -{ - cvReleaseMat( &counts ); - cvReleaseMat( &buf ); - cvReleaseMat( &direction ); - cvReleaseMat( &split_buf ); - cvReleaseMemStorage( &temp_storage ); - cvReleaseMat( &responses_copy ); - cv_heap = nv_heap = 0; -} - - -void CvDTreeTrainData::clear() -{ - free_train_data(); - - cvReleaseMemStorage( &tree_storage ); - - cvReleaseMat( &var_idx ); - cvReleaseMat( &var_type ); - cvReleaseMat( &cat_count ); - cvReleaseMat( &cat_ofs ); - cvReleaseMat( &cat_map ); - cvReleaseMat( &priors ); - cvReleaseMat( &priors_mult ); - - node_heap = split_heap = 0; - - sample_count = var_all = var_count = max_c_count = ord_var_count = cat_var_count = 0; - have_labels = have_priors = is_classifier = false; - - buf_count = buf_size = 0; - shared = false; - - data_root = 0; - - rng = &cv::theRNG(); -} - - -int CvDTreeTrainData::get_num_classes() const -{ - return is_classifier ? cat_count->data.i[cat_var_count] : 0; -} - - -int CvDTreeTrainData::get_var_type(int vi) const -{ - return var_type->data.i[vi]; -} - -void CvDTreeTrainData::get_ord_var_data( CvDTreeNode* n, int vi, float* ord_values_buf, int* sorted_indices_buf, - const float** ord_values, const int** sorted_indices, int* sample_indices_buf ) -{ - int vidx = var_idx ? var_idx->data.i[vi] : vi; - int node_sample_count = n->sample_count; - int td_step = train_data->step/CV_ELEM_SIZE(train_data->type); - - const int* sample_indices = get_sample_indices(n, sample_indices_buf); - - if( !is_buf_16u ) - *sorted_indices = buf->data.i + n->buf_idx*get_length_subbuf() + - vi*sample_count + n->offset; - else { - const unsigned short* short_indices = (const unsigned short*)(buf->data.s + n->buf_idx*get_length_subbuf() + - vi*sample_count + n->offset ); - for( int i = 0; i < node_sample_count; i++ ) - sorted_indices_buf[i] = short_indices[i]; - *sorted_indices = sorted_indices_buf; - } - - if( tflag == CV_ROW_SAMPLE ) - { - for( int i = 0; i < node_sample_count && - ((((*sorted_indices)[i] >= 0) && !is_buf_16u) || (((*sorted_indices)[i] != 65535) && is_buf_16u)); i++ ) - { - int idx = (*sorted_indices)[i]; - idx = sample_indices[idx]; - ord_values_buf[i] = *(train_data->data.fl + idx * td_step + vidx); - } - } - else - for( int i = 0; i < node_sample_count && - ((((*sorted_indices)[i] >= 0) && !is_buf_16u) || (((*sorted_indices)[i] != 65535) && is_buf_16u)); i++ ) - { - int idx = (*sorted_indices)[i]; - idx = sample_indices[idx]; - ord_values_buf[i] = *(train_data->data.fl + vidx* td_step + idx); - } - - *ord_values = ord_values_buf; -} - - -const int* CvDTreeTrainData::get_class_labels( CvDTreeNode* n, int* labels_buf ) -{ - if (is_classifier) - return get_cat_var_data( n, var_count, labels_buf); - return 0; -} - -const int* CvDTreeTrainData::get_sample_indices( CvDTreeNode* n, int* indices_buf ) -{ - return get_cat_var_data( n, get_work_var_count(), indices_buf ); -} - -const float* CvDTreeTrainData::get_ord_responses( CvDTreeNode* n, float* values_buf, int*sample_indices_buf ) -{ - int _sample_count = n->sample_count; - int r_step = CV_IS_MAT_CONT(responses->type) ? 1 : responses->step/CV_ELEM_SIZE(responses->type); - const int* indices = get_sample_indices(n, sample_indices_buf); - - for( int i = 0; i < _sample_count && - (((indices[i] >= 0) && !is_buf_16u) || ((indices[i] != 65535) && is_buf_16u)); i++ ) - { - int idx = indices[i]; - values_buf[i] = *(responses->data.fl + idx * r_step); - } - - return values_buf; -} - - -const int* CvDTreeTrainData::get_cv_labels( CvDTreeNode* n, int* labels_buf ) -{ - if (have_labels) - return get_cat_var_data( n, get_work_var_count()- 1, labels_buf); - return 0; -} - - -const int* CvDTreeTrainData::get_cat_var_data( CvDTreeNode* n, int vi, int* cat_values_buf) -{ - const int* cat_values = 0; - if( !is_buf_16u ) - cat_values = buf->data.i + n->buf_idx*get_length_subbuf() + - vi*sample_count + n->offset; - else { - const unsigned short* short_values = (const unsigned short*)(buf->data.s + n->buf_idx*get_length_subbuf() + - vi*sample_count + n->offset); - for( int i = 0; i < n->sample_count; i++ ) - cat_values_buf[i] = short_values[i]; - cat_values = cat_values_buf; - } - return cat_values; -} - - -int CvDTreeTrainData::get_child_buf_idx( CvDTreeNode* n ) -{ - int idx = n->buf_idx + 1; - if( idx >= buf_count ) - idx = shared ? 1 : 0; - return idx; -} - - -void CvDTreeTrainData::write_params( CvFileStorage* fs ) const -{ - CV_FUNCNAME( "CvDTreeTrainData::write_params" ); - - __BEGIN__; - - int vi, vcount = var_count; - - cvWriteInt( fs, "is_classifier", is_classifier ? 1 : 0 ); - cvWriteInt( fs, "var_all", var_all ); - cvWriteInt( fs, "var_count", var_count ); - cvWriteInt( fs, "ord_var_count", ord_var_count ); - cvWriteInt( fs, "cat_var_count", cat_var_count ); - - cvStartWriteStruct( fs, "training_params", CV_NODE_MAP ); - cvWriteInt( fs, "use_surrogates", params.use_surrogates ? 1 : 0 ); - - if( is_classifier ) - { - cvWriteInt( fs, "max_categories", params.max_categories ); - } - else - { - cvWriteReal( fs, "regression_accuracy", params.regression_accuracy ); - } - - cvWriteInt( fs, "max_depth", params.max_depth ); - cvWriteInt( fs, "min_sample_count", params.min_sample_count ); - cvWriteInt( fs, "cross_validation_folds", params.cv_folds ); - - if( params.cv_folds > 1 ) - { - cvWriteInt( fs, "use_1se_rule", params.use_1se_rule ? 1 : 0 ); - cvWriteInt( fs, "truncate_pruned_tree", params.truncate_pruned_tree ? 1 : 0 ); - } - - if( priors ) - cvWrite( fs, "priors", priors ); - - cvEndWriteStruct( fs ); - - if( var_idx ) - cvWrite( fs, "var_idx", var_idx ); - - cvStartWriteStruct( fs, "var_type", CV_NODE_SEQ+CV_NODE_FLOW ); - - for( vi = 0; vi < vcount; vi++ ) - cvWriteInt( fs, 0, var_type->data.i[vi] >= 0 ); - - cvEndWriteStruct( fs ); - - if( cat_count && (cat_var_count > 0 || is_classifier) ) - { - CV_ASSERT( cat_count != 0 ); - cvWrite( fs, "cat_count", cat_count ); - cvWrite( fs, "cat_map", cat_map ); - } - - __END__; -} - - -void CvDTreeTrainData::read_params( CvFileStorage* fs, CvFileNode* node ) -{ - CV_FUNCNAME( "CvDTreeTrainData::read_params" ); - - __BEGIN__; - - CvFileNode *tparams_node, *vartype_node; - CvSeqReader reader; - int vi, max_split_size, tree_block_size; - - is_classifier = (cvReadIntByName( fs, node, "is_classifier" ) != 0); - var_all = cvReadIntByName( fs, node, "var_all" ); - var_count = cvReadIntByName( fs, node, "var_count", var_all ); - cat_var_count = cvReadIntByName( fs, node, "cat_var_count" ); - ord_var_count = cvReadIntByName( fs, node, "ord_var_count" ); - - tparams_node = cvGetFileNodeByName( fs, node, "training_params" ); - - if( tparams_node ) // training parameters are not necessary - { - params.use_surrogates = cvReadIntByName( fs, tparams_node, "use_surrogates", 1 ) != 0; - - if( is_classifier ) - { - params.max_categories = cvReadIntByName( fs, tparams_node, "max_categories" ); - } - else - { - params.regression_accuracy = - (float)cvReadRealByName( fs, tparams_node, "regression_accuracy" ); - } - - params.max_depth = cvReadIntByName( fs, tparams_node, "max_depth" ); - params.min_sample_count = cvReadIntByName( fs, tparams_node, "min_sample_count" ); - params.cv_folds = cvReadIntByName( fs, tparams_node, "cross_validation_folds" ); - - if( params.cv_folds > 1 ) - { - params.use_1se_rule = cvReadIntByName( fs, tparams_node, "use_1se_rule" ) != 0; - params.truncate_pruned_tree = - cvReadIntByName( fs, tparams_node, "truncate_pruned_tree" ) != 0; - } - - priors = (CvMat*)cvReadByName( fs, tparams_node, "priors" ); - if( priors ) - { - if( !CV_IS_MAT(priors) ) - CV_ERROR( CV_StsParseError, "priors must stored as a matrix" ); - priors_mult = cvCloneMat( priors ); - } - } - - CV_CALL( var_idx = (CvMat*)cvReadByName( fs, node, "var_idx" )); - if( var_idx ) - { - if( !CV_IS_MAT(var_idx) || - (var_idx->cols != 1 && var_idx->rows != 1) || - var_idx->cols + var_idx->rows - 1 != var_count || - CV_MAT_TYPE(var_idx->type) != CV_32SC1 ) - CV_ERROR( CV_StsParseError, - "var_idx (if exist) must be valid 1d integer vector containing elements" ); - - for( vi = 0; vi < var_count; vi++ ) - if( (unsigned)var_idx->data.i[vi] >= (unsigned)var_all ) - CV_ERROR( CV_StsOutOfRange, "some of var_idx elements are out of range" ); - } - - ////// read var type - CV_CALL( var_type = cvCreateMat( 1, var_count + 2, CV_32SC1 )); - - cat_var_count = 0; - ord_var_count = -1; - vartype_node = cvGetFileNodeByName( fs, node, "var_type" ); - - if( vartype_node && CV_NODE_TYPE(vartype_node->tag) == CV_NODE_INT && var_count == 1 ) - var_type->data.i[0] = vartype_node->data.i ? cat_var_count++ : ord_var_count--; - else - { - if( !vartype_node || CV_NODE_TYPE(vartype_node->tag) != CV_NODE_SEQ || - vartype_node->data.seq->total != var_count ) - CV_ERROR( CV_StsParseError, "var_type must exist and be a sequence of 0's and 1's" ); - - cvStartReadSeq( vartype_node->data.seq, &reader ); - - for( vi = 0; vi < var_count; vi++ ) - { - CvFileNode* n = (CvFileNode*)reader.ptr; - if( CV_NODE_TYPE(n->tag) != CV_NODE_INT || (n->data.i & ~1) ) - CV_ERROR( CV_StsParseError, "var_type must exist and be a sequence of 0's and 1's" ); - var_type->data.i[vi] = n->data.i ? cat_var_count++ : ord_var_count--; - CV_NEXT_SEQ_ELEM( reader.seq->elem_size, reader ); - } - } - var_type->data.i[var_count] = cat_var_count; - - ord_var_count = ~ord_var_count; - ////// - - if( cat_var_count > 0 || is_classifier ) - { - int ccount, total_c_count = 0; - CV_CALL( cat_count = (CvMat*)cvReadByName( fs, node, "cat_count" )); - CV_CALL( cat_map = (CvMat*)cvReadByName( fs, node, "cat_map" )); - - if( !CV_IS_MAT(cat_count) || !CV_IS_MAT(cat_map) || - (cat_count->cols != 1 && cat_count->rows != 1) || - CV_MAT_TYPE(cat_count->type) != CV_32SC1 || - cat_count->cols + cat_count->rows - 1 != cat_var_count + is_classifier || - (cat_map->cols != 1 && cat_map->rows != 1) || - CV_MAT_TYPE(cat_map->type) != CV_32SC1 ) - CV_ERROR( CV_StsParseError, - "Both cat_count and cat_map must exist and be valid 1d integer vectors of an appropriate size" ); - - ccount = cat_var_count + is_classifier; - - CV_CALL( cat_ofs = cvCreateMat( 1, ccount + 1, CV_32SC1 )); - cat_ofs->data.i[0] = 0; - max_c_count = 1; - - for( vi = 0; vi < ccount; vi++ ) - { - int val = cat_count->data.i[vi]; - if( val <= 0 ) - CV_ERROR( CV_StsOutOfRange, "some of cat_count elements are out of range" ); - max_c_count = MAX( max_c_count, val ); - cat_ofs->data.i[vi+1] = total_c_count += val; - } - - if( cat_map->cols + cat_map->rows - 1 != total_c_count ) - CV_ERROR( CV_StsBadSize, - "cat_map vector length is not equal to the total number of categories in all categorical vars" ); - } - - max_split_size = cvAlign(sizeof(CvDTreeSplit) + - (MAX(0,max_c_count - 33)/32)*sizeof(int),sizeof(void*)); - - tree_block_size = MAX((int)sizeof(CvDTreeNode)*8, max_split_size); - tree_block_size = MAX(tree_block_size + block_size_delta, min_block_size); - CV_CALL( tree_storage = cvCreateMemStorage( tree_block_size )); - CV_CALL( node_heap = cvCreateSet( 0, sizeof(node_heap[0]), - sizeof(CvDTreeNode), tree_storage )); - CV_CALL( split_heap = cvCreateSet( 0, sizeof(split_heap[0]), - max_split_size, tree_storage )); - - __END__; -} - -/////////////////////// Decision Tree ///////////////////////// -CvDTreeParams::CvDTreeParams() : max_categories(10), max_depth(INT_MAX), min_sample_count(10), - cv_folds(10), use_surrogates(true), use_1se_rule(true), - truncate_pruned_tree(true), regression_accuracy(0.01f), priors(0) -{} - -CvDTreeParams::CvDTreeParams( int _max_depth, int _min_sample_count, - float _regression_accuracy, bool _use_surrogates, - int _max_categories, int _cv_folds, - bool _use_1se_rule, bool _truncate_pruned_tree, - const float* _priors ) : - max_categories(_max_categories), max_depth(_max_depth), - min_sample_count(_min_sample_count), cv_folds (_cv_folds), - use_surrogates(_use_surrogates), use_1se_rule(_use_1se_rule), - truncate_pruned_tree(_truncate_pruned_tree), - regression_accuracy(_regression_accuracy), - priors(_priors) -{} - -CvDTree::CvDTree() -{ - data = 0; - var_importance = 0; - default_model_name = "my_tree"; - - clear(); -} - - -void CvDTree::clear() -{ - cvReleaseMat( &var_importance ); - if( data ) - { - if( !data->shared ) - delete data; - else - free_tree(); - data = 0; - } - root = 0; - pruned_tree_idx = -1; -} - - -CvDTree::~CvDTree() -{ - clear(); -} - - -const CvDTreeNode* CvDTree::get_root() const -{ - return root; -} - - -int CvDTree::get_pruned_tree_idx() const -{ - return pruned_tree_idx; -} - - -CvDTreeTrainData* CvDTree::get_data() -{ - return data; -} - - -bool CvDTree::train( const CvMat* _train_data, int _tflag, - const CvMat* _responses, const CvMat* _var_idx, - const CvMat* _sample_idx, const CvMat* _var_type, - const CvMat* _missing_mask, CvDTreeParams _params ) -{ - bool result = false; - - CV_FUNCNAME( "CvDTree::train" ); - - __BEGIN__; - - clear(); - data = new CvDTreeTrainData( _train_data, _tflag, _responses, - _var_idx, _sample_idx, _var_type, - _missing_mask, _params, false ); - CV_CALL( result = do_train(0) ); - - __END__; - - return result; -} - -bool CvDTree::train( const Mat& _train_data, int _tflag, - const Mat& _responses, const Mat& _var_idx, - const Mat& _sample_idx, const Mat& _var_type, - const Mat& _missing_mask, CvDTreeParams _params ) -{ - train_data_hdr = _train_data; - train_data_mat = _train_data; - responses_hdr = _responses; - responses_mat = _responses; - - CvMat vidx=_var_idx, sidx=_sample_idx, vtype=_var_type, mmask=_missing_mask; - - return train(&train_data_hdr, _tflag, &responses_hdr, vidx.data.ptr ? &vidx : 0, sidx.data.ptr ? &sidx : 0, - vtype.data.ptr ? &vtype : 0, mmask.data.ptr ? &mmask : 0, _params); -} - - -bool CvDTree::train( CvMLData* _data, CvDTreeParams _params ) -{ - bool result = false; - - CV_FUNCNAME( "CvDTree::train" ); - - __BEGIN__; - - const CvMat* values = _data->get_values(); - const CvMat* response = _data->get_responses(); - const CvMat* missing = _data->get_missing(); - const CvMat* var_types = _data->get_var_types(); - const CvMat* train_sidx = _data->get_train_sample_idx(); - const CvMat* var_idx = _data->get_var_idx(); - - CV_CALL( result = train( values, CV_ROW_SAMPLE, response, var_idx, - train_sidx, var_types, missing, _params ) ); - - __END__; - - return result; -} - -bool CvDTree::train( CvDTreeTrainData* _data, const CvMat* _subsample_idx ) -{ - bool result = false; - - CV_FUNCNAME( "CvDTree::train" ); - - __BEGIN__; - - clear(); - data = _data; - data->shared = true; - CV_CALL( result = do_train(_subsample_idx)); - - __END__; - - return result; -} - - -bool CvDTree::do_train( const CvMat* _subsample_idx ) -{ - bool result = false; - - CV_FUNCNAME( "CvDTree::do_train" ); - - __BEGIN__; - - root = data->subsample_data( _subsample_idx ); - - CV_CALL( try_split_node(root)); - - if( root->split ) - { - CV_Assert( root->left ); - CV_Assert( root->right ); - - if( data->params.cv_folds > 0 ) - CV_CALL( prune_cv() ); - - if( !data->shared ) - data->free_train_data(); - - result = true; - } - - __END__; - - return result; -} - - -void CvDTree::try_split_node( CvDTreeNode* node ) -{ - CvDTreeSplit* best_split = 0; - int i, n = node->sample_count, vi; + int i, n = node.sample_count = (int)sidx.size(); bool can_split = true; - double quality_scale; + vector sleft, sright; - calc_node_value( node ); + calcValue( nidx, sidx ); - if( node->sample_count <= data->params.min_sample_count || - node->depth >= data->params.max_depth ) + if( n <= params.minSampleCount || node.depth >= params.maxDepth ) can_split = false; - - if( can_split && data->is_classifier ) + else if( _isClassifier ) { - // check if we have a "pure" node, - // we assume that cls_count is filled by calc_node_value() - int* cls_count = data->counts->data.i; - int nz = 0, m = data->get_num_classes(); - for( i = 0; i < m; i++ ) - nz += cls_count[i] != 0; - if( nz == 1 ) // there is only one class + const int* responses = &w->cat_responses[0]; + const int* s = &sidx[0]; + int first = responses[s[0]]; + for( i = 1; i < n; i++ ) + if( responses[s[i]] != first ) + break; + if( i == n ) can_split = false; } - else if( can_split ) + else { - if( sqrt(node->node_risk)/n < data->params.regression_accuracy ) + if( sqrt(node.node_risk) < params.regressionAccuracy ) can_split = false; } if( can_split ) + node.split = findBestSplit( sidx ); + + //printf("depth=%d, nidx=%d, parent=%d, n=%d, %s, value=%.1f, risk=%.1f\n", node.depth, nidx, node.parent, n, (node.split < 0 ? "leaf" : varType[w->wsplits[node.split].varIdx] == VAR_CATEGORICAL ? "cat" : "ord"), node.value, node.node_risk); + + if( node.split >= 0 ) { - best_split = find_best_split(node); - // TODO: check the split quality ... - node->split = best_split; - } - if( !can_split || !best_split ) - { - data->free_node_data(node); - return; + node.defaultDir = calcDir( node.split, sidx, sleft, sright ); + if( params.useSurrogates ) + CV_Error( CV_StsNotImplemented, "surrogate splits are not implemented yet"); + + int left = addNodeAndTrySplit( nidx, sleft ); + int right = addNodeAndTrySplit( nidx, sright ); + w->wnodes[nidx].left = left; + w->wnodes[nidx].right = right; + CV_Assert( w->wnodes[nidx].left > 0 && w->wnodes[nidx].right > 0 ); } - quality_scale = calc_node_dir( node ); - if( data->params.use_surrogates ) - { - // find all the surrogate splits - // and sort them by their similarity to the primary one - for( vi = 0; vi < data->var_count; vi++ ) - { - CvDTreeSplit* split; - int ci = data->get_var_type(vi); - - if( vi == best_split->var_idx ) - continue; - - if( ci >= 0 ) - split = find_surrogate_split_cat( node, vi ); - else - split = find_surrogate_split_ord( node, vi ); - - if( split ) - { - // insert the split - CvDTreeSplit* prev_split = node->split; - split->quality = (float)(split->quality*quality_scale); - - while( prev_split->next && - prev_split->next->quality > split->quality ) - prev_split = prev_split->next; - split->next = prev_split->next; - prev_split->next = split; - } - } - } - split_node_data( node ); - try_split_node( node->left ); - try_split_node( node->right ); + return nidx; } - -// calculate direction (left(-1),right(1),missing(0)) -// for each sample using the best split -// the function returns scale coefficients for surrogate split quality factors. -// the scale is applied to normalize surrogate split quality relatively to the -// best (primary) split quality. That is, if a surrogate split is absolutely -// identical to the primary split, its quality will be set to the maximum value = -// quality of the primary split; otherwise, it will be lower. -// besides, the function compute node->maxlr, -// minimum possible quality (w/o considering the above mentioned scale) -// for a surrogate split. Surrogate splits with quality less than node->maxlr -// are not discarded. -double CvDTree::calc_node_dir( CvDTreeNode* node ) +int DTreesImpl::findBestSplit( const vector& _sidx ) { - char* dir = (char*)data->direction->data.ptr; - int i, n = node->sample_count, vi = node->split->var_idx; - double L, R; + const vector& activeVars = getActiveVars(); + int splitidx = -1; + int vi_, nv = (int)activeVars.size(); + AutoBuffer buf(w->maxSubsetSize*2); + int *subset = buf, *best_subset = subset + w->maxSubsetSize; + WSplit split, best_split; + best_split.quality = 0.; - assert( !node->split->inversed ); - - if( data->get_var_type(vi) >= 0 ) // split on categorical var + for( vi_ = 0; vi_ < nv; vi_++ ) { - cv::AutoBuffer inn_buf(n*(!data->have_priors ? 1 : 2)); - int* labels_buf = (int*)inn_buf; - const int* labels = data->get_cat_var_data( node, vi, labels_buf ); - const int* subset = node->split->subset; - if( !data->have_priors ) + int vi = activeVars[vi_]; + if( varType[vi] == VAR_CATEGORICAL ) { - int sum = 0, sum_abs = 0; + if( _isClassifier ) + split = findSplitCatClass(vi, _sidx, 0, subset); + else + split = findSplitCatReg(vi, _sidx, 0, subset); + } + else + { + if( _isClassifier ) + split = findSplitOrdClass(vi, _sidx, 0); + else + split = findSplitOrdReg(vi, _sidx, 0); + } + if( split.quality > best_split.quality ) + { + best_split = split; + std::swap(subset, best_subset); + } + } + + if( best_split.quality > 0 ) + { + int best_vi = best_split.varIdx; + CV_Assert( compVarIdx[best_split.varIdx] >= 0 && best_vi >= 0 ); + int i, prevsz = (int)w->wsubsets.size(), ssize = getSubsetSize(best_vi); + w->wsubsets.resize(prevsz + ssize); + for( i = 0; i < ssize; i++ ) + w->wsubsets[prevsz + i] = best_subset[i]; + best_split.subsetOfs = prevsz; + w->wsplits.push_back(best_split); + splitidx = (int)(w->wsplits.size()-1); + } + + return splitidx; +} + +void DTreesImpl::calcValue( int nidx, const vector& _sidx ) +{ + WNode* node = &w->wnodes[nidx]; + int i, j, k, n = (int)_sidx.size(), cv_n = params.CVFolds; + int m = (int)classLabels.size(); + + cv::AutoBuffer buf(std::max(m, 3)*(cv_n+1)); + + if( cv_n > 0 ) + { + size_t sz = w->cv_Tn.size(); + w->cv_Tn.resize(sz + cv_n); + w->cv_node_risk.resize(sz + cv_n); + w->cv_node_error.resize(sz + cv_n); + } + + if( _isClassifier ) + { + // in case of classification tree: + // * node value is the label of the class that has the largest weight in the node. + // * node risk is the weighted number of misclassified samples, + // * j-th cross-validation fold value and risk are calculated as above, + // but using the samples with cv_labels(*)!=j. + // * j-th cross-validation fold error is calculated as the weighted number of + // misclassified samples with cv_labels(*)==j. + + // compute the number of instances of each class + double* cls_count = buf; + double* cv_cls_count = cls_count + m; + + double max_val = -1, total_weight = 0; + int max_k = -1; + + for( k = 0; k < m; k++ ) + cls_count[k] = 0; + + if( cv_n == 0 ) + { + for( i = 0; i < n; i++ ) + { + int si = _sidx[i]; + cls_count[w->cat_responses[si]] += w->sample_weights[si]; + } + } + else + { + for( j = 0; j < cv_n; j++ ) + for( k = 0; k < m; k++ ) + cv_cls_count[j*m + k] = 0; for( i = 0; i < n; i++ ) { - int idx = labels[i]; - int d = ( ((idx >= 0)&&(!data->is_buf_16u)) || ((idx != 65535)&&(data->is_buf_16u)) ) ? - CV_DTREE_CAT_DIR(idx,subset) : 0; - sum += d; sum_abs += d & 1; - dir[i] = (char)d; + int si = _sidx[i]; + j = w->cv_labels[si]; k = w->cat_responses[si]; + cv_cls_count[j*m + k] += w->sample_weights[si]; } - R = (sum_abs + sum) >> 1; - L = (sum_abs - sum) >> 1; + for( j = 0; j < cv_n; j++ ) + for( k = 0; k < m; k++ ) + cls_count[k] += cv_cls_count[j*m + k]; } - else - { - const double* priors = data->priors_mult->data.db; - double sum = 0, sum_abs = 0; - int* responses_buf = labels_buf + n; - const int* responses = data->get_class_labels(node, responses_buf); - for( i = 0; i < n; i++ ) + for( k = 0; k < m; k++ ) + { + double val = cls_count[k]; + total_weight += val; + if( max_val < val ) { - int idx = labels[i]; - double w = priors[responses[i]]; - int d = idx >= 0 ? CV_DTREE_CAT_DIR(idx,subset) : 0; - sum += d*w; sum_abs += (d & 1)*w; - dir[i] = (char)d; + max_val = val; + max_k = k; } - - R = (sum_abs + sum) * 0.5; - L = (sum_abs - sum) * 0.5; } - } - else // split on ordered var - { - int split_point = node->split->ord.split_point; - int n1 = node->get_num_valid(vi); - cv::AutoBuffer inn_buf(n*(sizeof(int)*(data->have_priors ? 3 : 2) + sizeof(float))); - float* val_buf = (float*)(uchar*)inn_buf; - int* sorted_buf = (int*)(val_buf + n); - int* sample_idx_buf = sorted_buf + n; - const float* val = 0; - const int* sorted = 0; - data->get_ord_var_data( node, vi, val_buf, sorted_buf, &val, &sorted, sample_idx_buf); - assert( 0 <= split_point && split_point < n1-1 ); + node->class_idx = max_k; + node->value = classLabels[max_k]; + node->node_risk = total_weight - max_val; - if( !data->have_priors ) + for( j = 0; j < cv_n; j++ ) { - for( i = 0; i <= split_point; i++ ) - dir[sorted[i]] = (char)-1; - for( ; i < n1; i++ ) - dir[sorted[i]] = (char)1; - for( ; i < n; i++ ) - dir[sorted[i]] = (char)0; + double sum_k = 0, sum = 0, max_val_k = 0; + max_val = -1; max_k = -1; - L = split_point-1; - R = n1 - split_point + 1; - } - else - { - const double* priors = data->priors_mult->data.db; - int* responses_buf = sample_idx_buf + n; - const int* responses = data->get_class_labels(node, responses_buf); - L = R = 0; - - for( i = 0; i <= split_point; i++ ) + for( k = 0; k < m; k++ ) { - int idx = sorted[i]; - double w = priors[responses[idx]]; - dir[idx] = (char)-1; - L += w; - } - - for( ; i < n1; i++ ) - { - int idx = sorted[i]; - double w = priors[responses[idx]]; - dir[idx] = (char)1; - R += w; - } - - for( ; i < n; i++ ) - dir[sorted[i]] = (char)0; - } - } - node->maxlr = MAX( L, R ); - return node->split->quality/(L + R); -} - - -namespace cv -{ - -template<> CV_EXPORTS void DefaultDeleter::operator ()(CvDTreeSplit* obj) const -{ - fastFree(obj); -} - -DTreeBestSplitFinder::DTreeBestSplitFinder( CvDTree* _tree, CvDTreeNode* _node) -{ - tree = _tree; - node = _node; - splitSize = tree->get_data()->split_heap->elem_size; - - bestSplit.reset((CvDTreeSplit*)fastMalloc(splitSize)); - memset(bestSplit.get(), 0, splitSize); - bestSplit->quality = -1; - bestSplit->condensed_idx = INT_MIN; - split.reset((CvDTreeSplit*)fastMalloc(splitSize)); - memset(split.get(), 0, splitSize); - //haveSplit = false; -} - -DTreeBestSplitFinder::DTreeBestSplitFinder( const DTreeBestSplitFinder& finder, Split ) -{ - tree = finder.tree; - node = finder.node; - splitSize = tree->get_data()->split_heap->elem_size; - - bestSplit.reset((CvDTreeSplit*)fastMalloc(splitSize)); - memcpy(bestSplit.get(), finder.bestSplit.get(), splitSize); - split.reset((CvDTreeSplit*)fastMalloc(splitSize)); - memset(split.get(), 0, splitSize); -} - -void DTreeBestSplitFinder::operator()(const BlockedRange& range) -{ - int vi, vi1 = range.begin(), vi2 = range.end(); - int n = node->sample_count; - CvDTreeTrainData* data = tree->get_data(); - AutoBuffer inn_buf(2*n*(sizeof(int) + sizeof(float))); - - for( vi = vi1; vi < vi2; vi++ ) - { - CvDTreeSplit *res; - int ci = data->get_var_type(vi); - if( node->get_num_valid(vi) <= 1 ) - continue; - - if( data->is_classifier ) - { - if( ci >= 0 ) - res = tree->find_split_cat_class( node, vi, bestSplit->quality, split, (uchar*)inn_buf ); - else - res = tree->find_split_ord_class( node, vi, bestSplit->quality, split, (uchar*)inn_buf ); - } - else - { - if( ci >= 0 ) - res = tree->find_split_cat_reg( node, vi, bestSplit->quality, split, (uchar*)inn_buf ); - else - res = tree->find_split_ord_reg( node, vi, bestSplit->quality, split, (uchar*)inn_buf ); - } - - if( res && bestSplit->quality < split->quality ) - memcpy( bestSplit.get(), split.get(), splitSize ); - } -} - -void DTreeBestSplitFinder::join( DTreeBestSplitFinder& rhs ) -{ - if( bestSplit->quality < rhs.bestSplit->quality ) - memcpy( bestSplit.get(), rhs.bestSplit.get(), splitSize ); -} -} - - -CvDTreeSplit* CvDTree::find_best_split( CvDTreeNode* node ) -{ - DTreeBestSplitFinder finder( this, node ); - - cv::parallel_reduce(cv::BlockedRange(0, data->var_count), finder); - - CvDTreeSplit *bestSplit = 0; - if( finder.bestSplit->quality > 0 ) - { - bestSplit = data->new_split_cat( 0, -1.0f ); - memcpy( bestSplit, finder.bestSplit, finder.splitSize ); - } - - return bestSplit; -} - -CvDTreeSplit* CvDTree::find_split_ord_class( CvDTreeNode* node, int vi, - float init_quality, CvDTreeSplit* _split, uchar* _ext_buf ) -{ - const float epsilon = FLT_EPSILON*2; - int n = node->sample_count; - int n1 = node->get_num_valid(vi); - int m = data->get_num_classes(); - - int base_size = 2*m*sizeof(int); - cv::AutoBuffer inn_buf(base_size); - if( !_ext_buf ) - inn_buf.allocate(base_size + n*(3*sizeof(int)+sizeof(float))); - uchar* base_buf = (uchar*)inn_buf; - uchar* ext_buf = _ext_buf ? _ext_buf : base_buf + base_size; - float* values_buf = (float*)ext_buf; - int* sorted_indices_buf = (int*)(values_buf + n); - int* sample_indices_buf = sorted_indices_buf + n; - const float* values = 0; - const int* sorted_indices = 0; - data->get_ord_var_data( node, vi, values_buf, sorted_indices_buf, &values, - &sorted_indices, sample_indices_buf ); - int* responses_buf = sample_indices_buf + n; - const int* responses = data->get_class_labels( node, responses_buf ); - - const int* rc0 = data->counts->data.i; - int* lc = (int*)base_buf; - int* rc = lc + m; - int i, best_i = -1; - double lsum2 = 0, rsum2 = 0, best_val = init_quality; - const double* priors = data->have_priors ? data->priors_mult->data.db : 0; - - // init arrays of class instance counters on both sides of the split - for( i = 0; i < m; i++ ) - { - lc[i] = 0; - rc[i] = rc0[i]; - } - - // compensate for missing values - for( i = n1; i < n; i++ ) - { - rc[responses[sorted_indices[i]]]--; - } - - if( !priors ) - { - int L = 0, R = n1; - - for( i = 0; i < m; i++ ) - rsum2 += (double)rc[i]*rc[i]; - - for( i = 0; i < n1 - 1; i++ ) - { - int idx = responses[sorted_indices[i]]; - int lv, rv; - L++; R--; - lv = lc[idx]; rv = rc[idx]; - lsum2 += lv*2 + 1; - rsum2 -= rv*2 - 1; - lc[idx] = lv + 1; rc[idx] = rv - 1; - - if( values[i] + epsilon < values[i+1] ) - { - double val = (lsum2*R + rsum2*L)/((double)L*R); - if( best_val < val ) + double val_k = cv_cls_count[j*m + k]; + double val = cls_count[k] - val_k; + sum_k += val_k; + sum += val; + if( max_val < val ) { - best_val = val; - best_i = i; + max_val = val; + max_val_k = val_k; + max_k = k; } } + + w->cv_Tn[nidx*cv_n + j] = INT_MAX; + w->cv_node_risk[nidx*cv_n + j] = sum - max_val; + w->cv_node_error[nidx*cv_n + j] = sum_k - max_val_k; } } else { - double L = 0, R = 0; - for( i = 0; i < m; i++ ) + // in case of regression tree: + // * node value is 1/n*sum_i(Y_i), where Y_i is i-th response, + // n is the number of samples in the node. + // * node risk is the sum of squared errors: sum_i((Y_i - )^2) + // * j-th cross-validation fold value and risk are calculated as above, + // but using the samples with cv_labels(*)!=j. + // * j-th cross-validation fold error is calculated + // using samples with cv_labels(*)==j as the test subset: + // error_j = sum_(i,cv_labels(i)==j)((Y_i - )^2), + // where node_value_j is the node value calculated + // as described in the previous bullet, and summation is done + // over the samples with cv_labels(*)==j. + double sum = 0, sum2 = 0, sumw = 0; + + if( cv_n == 0 ) { - double wv = rc[i]*priors[i]; - R += wv; - rsum2 += wv*wv; + for( i = 0; i < n; i++ ) + { + int si = _sidx[i]; + double wval = w->sample_weights[si]; + double t = w->ord_responses[si]; + sum += t*wval; + sum2 += t*t*wval; + sumw += wval; + } + } + else + { + double *cv_sum = buf, *cv_sum2 = cv_sum + cv_n; + double* cv_count = (double*)(cv_sum2 + cv_n); + + for( j = 0; j < cv_n; j++ ) + { + cv_sum[j] = cv_sum2[j] = 0.; + cv_count[j] = 0; + } + + for( i = 0; i < n; i++ ) + { + int si = _sidx[i]; + j = w->cv_labels[si]; + double wval = w->sample_weights[si]; + double t = w->ord_responses[si]; + cv_sum[j] += t*wval; + cv_sum2[j] += t*t*wval; + cv_count[j] += wval; + } + + for( j = 0; j < cv_n; j++ ) + { + sum += cv_sum[j]; + sum2 += cv_sum2[j]; + sumw += cv_count[j]; + } + + for( j = 0; j < cv_n; j++ ) + { + double s = sum - cv_sum[j], si = sum - s; + double s2 = sum2 - cv_sum2[j], s2i = sum2 - s2; + double c = cv_count[j], ci = sumw - c; + double r = si/std::max(ci, DBL_EPSILON); + w->cv_node_risk[nidx*cv_n + j] = s2i - r*r*ci; + w->cv_node_error[nidx*cv_n + j] = s2 - 2*r*s + c*r*r; + w->cv_Tn[nidx*cv_n + j] = INT_MAX; + } } - for( i = 0; i < n1 - 1; i++ ) - { - int idx = responses[sorted_indices[i]]; - int lv, rv; - double p = priors[idx], p2 = p*p; - L += p; R -= p; - lv = lc[idx]; rv = rc[idx]; - lsum2 += p2*(lv*2 + 1); - rsum2 -= p2*(rv*2 - 1); - lc[idx] = lv + 1; rc[idx] = rv - 1; + node->node_risk = sum2 - (sum/sumw)*sum; + node->value = sum/sumw; + } +} - if( values[i] + epsilon < values[i+1] ) +DTreesImpl::WSplit DTreesImpl::findSplitOrdClass( int vi, const vector& _sidx, double initQuality ) +{ + const double epsilon = FLT_EPSILON*2; + int n = (int)_sidx.size(); + int m = (int)classLabels.size(); + + cv::AutoBuffer buf(n*(sizeof(float) + sizeof(int)) + m*2*sizeof(double)); + const int* sidx = &_sidx[0]; + const int* responses = &w->cat_responses[0]; + const double* weights = &w->sample_weights[0]; + double* lcw = (double*)(uchar*)buf; + double* rcw = lcw + m; + float* values = (float*)(rcw + m); + int* sorted_idx = (int*)(values + n); + int i, best_i = -1; + double best_val = initQuality; + + for( i = 0; i < m; i++ ) + lcw[i] = rcw[i] = 0.; + + w->data->getValues( vi, _sidx, values ); + + for( i = 0; i < n; i++ ) + { + sorted_idx[i] = i; + int si = sidx[i]; + rcw[responses[si]] += weights[si]; + } + + std::sort(sorted_idx, sorted_idx + n, cmp_lt_idx(values)); + + double L = 0, R = 0, lsum2 = 0, rsum2 = 0; + for( i = 0; i < m; i++ ) + { + double wval = rcw[i]; + R += wval; + rsum2 += wval*wval; + } + + for( i = 0; i < n - 1; i++ ) + { + int curr = sorted_idx[i]; + int next = sorted_idx[i+1]; + int si = sidx[curr]; + double wval = weights[si], w2 = wval*wval; + L += wval; R -= wval; + int idx = responses[si]; + double lv = lcw[idx], rv = rcw[idx]; + lsum2 += 2*lv*wval + w2; + rsum2 -= 2*rv*wval - w2; + lcw[idx] = lv + wval; rcw[idx] = rv - wval; + + if( values[curr] + epsilon < values[next] ) + { + double val = (lsum2*R + rsum2*L)/(L*R); + if( best_val < val ) { - double val = (lsum2*R + rsum2*L)/((double)L*R); - if( best_val < val ) - { - best_val = val; - best_i = i; - } + best_val = val; + best_i = i; } } } - CvDTreeSplit* split = 0; + WSplit split; if( best_i >= 0 ) { - split = _split ? _split : data->new_split_ord( 0, 0.0f, 0, 0, 0.0f ); - split->var_idx = vi; - split->ord.c = (values[best_i] + values[best_i+1])*0.5f; - split->ord.split_point = best_i; - split->inversed = 0; - split->quality = (float)best_val; + split.varIdx = vi; + split.c = (values[sorted_idx[best_i]] + values[sorted_idx[best_i+1]])*0.5f; + split.inversed = false; + split.quality = (float)best_val; } return split; } - -void CvDTree::cluster_categories( const int* vectors, int n, int m, - int* csums, int k, int* labels ) +// simple k-means, slightly modified to take into account the "weight" (L1-norm) of each vector. +void DTreesImpl::clusterCategories( const double* vectors, int n, int m, double* csums, int k, int* labels ) { - // TODO: consider adding priors (class weights) and sample weights to the clustering algorithm int iters = 0, max_iters = 100; int i, j, idx; cv::AutoBuffer buf(n + k); double *v_weights = buf, *c_weights = buf + n; bool modified = true; - RNG* r = data->rng; + RNG r((uint64)-1); // assign labels randomly for( i = 0; i < n; i++ ) { - int sum = 0; - const int* v = vectors + i*m; - labels[i] = i < k ? i : r->uniform(0, k); + double sum = 0; + const double* v = vectors + i*m; + labels[i] = i < k ? i : r.uniform(0, k); // compute weight of each vector for( j = 0; j < m; j++ ) @@ -2115,9 +764,9 @@ void CvDTree::cluster_categories( const int* vectors, int n, int m, for( i = 0; i < n; i++ ) { - int i1 = (*r)(n); - int i2 = (*r)(n); - CV_SWAP( labels[i1], labels[i2], j ); + int i1 = r.uniform(0, n); + int i2 = r.uniform(0, n); + std::swap( labels[i1], labels[i2] ); } for( iters = 0; iters <= max_iters; iters++ ) @@ -2131,8 +780,8 @@ void CvDTree::cluster_categories( const int* vectors, int n, int m, for( i = 0; i < n; i++ ) { - const int* v = vectors + i*m; - int* s = csums + labels[i]*m; + const double* v = vectors + i*m; + double* s = csums + labels[i]*m; for( j = 0; j < m; j++ ) s[j] += v[j]; } @@ -2146,8 +795,8 @@ void CvDTree::cluster_categories( const int* vectors, int n, int m, // calculate weight of each cluster for( i = 0; i < k; i++ ) { - const int* s = csums + i*m; - int sum = 0; + const double* s = csums + i*m; + double sum = 0; for( j = 0; j < m; j++ ) sum += s[j]; c_weights[i] = sum ? 1./sum : 0; @@ -2156,14 +805,14 @@ void CvDTree::cluster_categories( const int* vectors, int n, int m, // now for each vector determine the closest cluster for( i = 0; i < n; i++ ) { - const int* v = vectors + i*m; + const double* v = vectors + i*m; double alpha = v_weights[i]; double min_dist2 = DBL_MAX; int min_idx = -1; for( idx = 0; idx < k; idx++ ) { - const int* s = csums + idx*m; + const double* s = csums + idx*m; double dist2 = 0., beta = c_weights[idx]; for( j = 0; j < m; j++ ) { @@ -2184,43 +833,36 @@ void CvDTree::cluster_categories( const int* vectors, int n, int m, } } - -CvDTreeSplit* CvDTree::find_split_cat_class( CvDTreeNode* node, int vi, float init_quality, - CvDTreeSplit* _split, uchar* _ext_buf ) +DTreesImpl::WSplit DTreesImpl::findSplitCatClass( int vi, const vector& _sidx, + double initQuality, int* subset ) { - int ci = data->get_var_type(vi); - int n = node->sample_count; - int m = data->get_num_classes(); - int _mi = data->cat_count->data.i[ci], mi = _mi; + int _mi = getCatCount(vi), mi = _mi; + int n = (int)_sidx.size(); + int m = (int)classLabels.size(); - int base_size = m*(3 + mi)*sizeof(int) + (mi+1)*sizeof(double); - if( m > 2 && mi > data->params.max_categories ) - base_size += (m*std::min(data->params.max_categories, n) + mi)*sizeof(int); + int base_size = m*(3 + mi) + mi + 1; + if( m > 2 && mi > params.maxCategories ) + base_size += m*std::min(params.maxCategories, n) + mi; else - base_size += mi*sizeof(int*); - cv::AutoBuffer inn_buf(base_size); - if( !_ext_buf ) - inn_buf.allocate(base_size + 2*n*sizeof(int)); - uchar* base_buf = (uchar*)inn_buf; - uchar* ext_buf = _ext_buf ? _ext_buf : base_buf + base_size; + base_size += mi; + AutoBuffer buf(base_size + n); - int* lc = (int*)base_buf; - int* rc = lc + m; - int* _cjk = rc + m*2, *cjk = _cjk; - double* c_weights = (double*)alignPtr(cjk + m*mi, sizeof(double)); + double* lc = (double*)buf; + double* rc = lc + m; + double* _cjk = rc + m*2, *cjk = _cjk; + double* c_weights = cjk + m*mi; - int* labels_buf = (int*)ext_buf; - const int* labels = data->get_cat_var_data(node, vi, labels_buf); - int* responses_buf = labels_buf + n; - const int* responses = data->get_class_labels(node, responses_buf); + int* labels = (int*)(buf + base_size); + w->data->getNormCatValues(vi, _sidx, labels); + const int* responses = &w->cat_responses[0]; + const double* weights = &w->sample_weights[0]; int* cluster_labels = 0; - int** int_ptr = 0; - int i, j, k, idx; + double** dbl_ptr = 0; + int i, j, k, si, idx; double L = 0, R = 0; - double best_val = init_quality; + double best_val = initQuality; int prevcode = 0, best_subset = -1, subset_i, subset_n, subtract = 0; - const double* priors = data->priors_mult->data.db; // init array of counters: // c_{jk} - number of samples that have vi-th input variable = j and response = k. @@ -2230,19 +872,20 @@ CvDTreeSplit* CvDTree::find_split_cat_class( CvDTreeNode* node, int vi, float in for( i = 0; i < n; i++ ) { - j = ( labels[i] == 65535 && data->is_buf_16u) ? -1 : labels[i]; - k = responses[i]; - cjk[j*m + k]++; + si = _sidx[i]; + j = labels[i]; + k = responses[si]; + cjk[j*m + k] += weights[si]; } if( m > 2 ) { - if( mi > data->params.max_categories ) + if( mi > params.maxCategories ) { - mi = MIN(data->params.max_categories, n); - cjk = (int*)(c_weights + _mi); - cluster_labels = cjk + m*mi; - cluster_categories( _cjk, _mi, m, cjk, mi, cluster_labels ); + mi = std::min(params.maxCategories, n); + cjk = c_weights + _mi; + cluster_labels = (int*)(cjk + m*mi); + clusterCategories( _cjk, _mi, m, cjk, mi, cluster_labels ); } subset_i = 1; subset_n = 1 << mi; @@ -2250,19 +893,20 @@ CvDTreeSplit* CvDTree::find_split_cat_class( CvDTreeNode* node, int vi, float in else { assert( m == 2 ); - int_ptr = (int**)(c_weights + _mi); + dbl_ptr = (double**)(c_weights + _mi); for( j = 0; j < mi; j++ ) - int_ptr[j] = cjk + j*2 + 1; - std::sort(int_ptr, int_ptr + mi, LessThanPtr()); + dbl_ptr[j] = cjk + j*2 + 1; + std::sort(dbl_ptr, dbl_ptr + mi, cmp_lt_ptr()); subset_i = 0; subset_n = mi; } for( k = 0; k < m; k++ ) { - int sum = 0; + double sum = 0; for( j = 0; j < mi; j++ ) sum += cjk[j*m + k]; + CV_Assert(sum > 0); rc[k] = sum; lc[k] = 0; } @@ -2271,19 +915,17 @@ CvDTreeSplit* CvDTree::find_split_cat_class( CvDTreeNode* node, int vi, float in { double sum = 0; for( k = 0; k < m; k++ ) - sum += cjk[j*m + k]*priors[k]; + sum += cjk[j*m + k]; c_weights[j] = sum; R += c_weights[j]; } for( ; subset_i < subset_n; subset_i++ ) { - double weight; - int* crow; double lsum2 = 0, rsum2 = 0; if( m == 2 ) - idx = (int)(int_ptr[subset_i] - cjk)/2; + idx = (int)(dbl_ptr[subset_i] - cjk)/2; else { int graycode = (subset_i>>1)^subset_i; @@ -2298,8 +940,8 @@ CvDTreeSplit* CvDTree::find_split_cat_class( CvDTreeNode* node, int vi, float in prevcode = graycode; } - crow = cjk + idx*m; - weight = c_weights[idx]; + double* crow = cjk + idx*m; + double weight = c_weights[idx]; if( weight < FLT_EPSILON ) continue; @@ -2307,12 +949,11 @@ CvDTreeSplit* CvDTree::find_split_cat_class( CvDTreeNode* node, int vi, float in { for( k = 0; k < m; k++ ) { - int t = crow[k]; - int lval = lc[k] + t; - int rval = rc[k] - t; - double p = priors[k], p2 = p*p; - lsum2 += p2*lval*lval; - rsum2 += p2*rval*rval; + double t = crow[k]; + double lval = lc[k] + t; + double rval = rc[k] - t; + lsum2 += lval*lval; + rsum2 += rval*rval; lc[k] = lval; rc[k] = rval; } L += weight; @@ -2322,12 +963,11 @@ CvDTreeSplit* CvDTree::find_split_cat_class( CvDTreeNode* node, int vi, float in { for( k = 0; k < m; k++ ) { - int t = crow[k]; - int lval = lc[k] - t; - int rval = rc[k] + t; - double p = priors[k], p2 = p*p; - lsum2 += p2*lval*lval; - rsum2 += p2*rval*rval; + double t = crow[k]; + double lval = lc[k] - t; + double rval = rc[k] + t; + lsum2 += lval*lval; + rsum2 += rval*rval; lc[k] = lval; rc[k] = rval; } L -= weight; @@ -2336,7 +976,7 @@ CvDTreeSplit* CvDTree::find_split_cat_class( CvDTreeNode* node, int vi, float in if( L > FLT_EPSILON && R > FLT_EPSILON ) { - double val = (lsum2*R + rsum2*L)/((double)L*R); + double val = (lsum2*R + rsum2*L)/(L*R); if( best_val < val ) { best_val = val; @@ -2345,19 +985,18 @@ CvDTreeSplit* CvDTree::find_split_cat_class( CvDTreeNode* node, int vi, float in } } - CvDTreeSplit* split = 0; + WSplit split; if( best_subset >= 0 ) { - split = _split ? _split : data->new_split_cat( 0, -1.0f ); - split->var_idx = vi; - split->quality = (float)best_val; - memset( split->subset, 0, (data->max_c_count + 31)/32 * sizeof(int)); + split.varIdx = vi; + split.quality = (float)best_val; + memset( subset, 0, getSubsetSize(vi) * sizeof(int) ); if( m == 2 ) { for( i = 0; i <= best_subset; i++ ) { - idx = (int)(int_ptr[i] - cjk) >> 1; - split->subset[idx >> 5] |= 1 << (idx & 31); + idx = (int)(dbl_ptr[i] - cjk) >> 1; + subset[idx >> 5] |= 1 << (idx & 31); } } else @@ -2366,52 +1005,54 @@ CvDTreeSplit* CvDTree::find_split_cat_class( CvDTreeNode* node, int vi, float in { idx = cluster_labels ? cluster_labels[i] : i; if( best_subset & (1 << idx) ) - split->subset[i >> 5] |= 1 << (i & 31); + subset[i >> 5] |= 1 << (i & 31); } } } return split; } - -CvDTreeSplit* CvDTree::find_split_ord_reg( CvDTreeNode* node, int vi, float init_quality, CvDTreeSplit* _split, uchar* _ext_buf ) +DTreesImpl::WSplit DTreesImpl::findSplitOrdReg( int vi, const vector& _sidx, double initQuality ) { const float epsilon = FLT_EPSILON*2; - int n = node->sample_count; - int n1 = node->get_num_valid(vi); + const double* weights = &w->sample_weights[0]; + int n = (int)_sidx.size(); - cv::AutoBuffer inn_buf; - if( !_ext_buf ) - inn_buf.allocate(2*n*(sizeof(int) + sizeof(float))); - uchar* ext_buf = _ext_buf ? _ext_buf : (uchar*)inn_buf; - float* values_buf = (float*)ext_buf; - int* sorted_indices_buf = (int*)(values_buf + n); - int* sample_indices_buf = sorted_indices_buf + n; - const float* values = 0; - const int* sorted_indices = 0; - data->get_ord_var_data( node, vi, values_buf, sorted_indices_buf, &values, &sorted_indices, sample_indices_buf ); - float* responses_buf = (float*)(sample_indices_buf + n); - const float* responses = data->get_ord_responses( node, responses_buf, sample_indices_buf ); + AutoBuffer buf(n*(sizeof(int) + sizeof(float))); - int i, best_i = -1; - double best_val = init_quality, lsum = 0, rsum = node->value*n; - int L = 0, R = n1; + float* values = (float*)(uchar*)buf; + int* sorted_idx = (int*)(values + n); + w->data->getValues(vi, _sidx, values); + const double* responses = &w->ord_responses[0]; - // compensate for missing values - for( i = n1; i < n; i++ ) - rsum -= responses[sorted_indices[i]]; + int i, si, best_i = -1; + double L = 0, R = 0; + double best_val = initQuality, lsum = 0, rsum = 0; + + for( i = 0; i < n; i++ ) + { + sorted_idx[i] = i; + si = _sidx[i]; + R += weights[si]; + rsum += weights[si]*responses[si]; + } + + std::sort(sorted_idx, sorted_idx + n, cmp_lt_idx(values)); // find the optimal split - for( i = 0; i < n1 - 1; i++ ) + for( i = 0; i < n - 1; i++ ) { - float t = responses[sorted_indices[i]]; - L++; R--; - lsum += t; - rsum -= t; + int curr = sorted_idx[i]; + int next = sorted_idx[i+1]; + si = _sidx[curr]; + double wval = weights[si]; + double t = responses[si]*wval; + L += wval; R -= wval; + lsum += t; rsum -= t; - if( values[i] + epsilon < values[i+1] ) + if( values[curr] + epsilon < values[next] ) { - double val = (lsum*lsum*R + rsum*rsum*L)/((double)L*R); + double val = (lsum*lsum*R + rsum*rsum*L)/(L*R); if( best_val < val ) { best_val = val; @@ -2420,43 +1061,35 @@ CvDTreeSplit* CvDTree::find_split_ord_reg( CvDTreeNode* node, int vi, float init } } - CvDTreeSplit* split = 0; + WSplit split; if( best_i >= 0 ) { - split = _split ? _split : data->new_split_ord( 0, 0.0f, 0, 0, 0.0f ); - split->var_idx = vi; - split->ord.c = (values[best_i] + values[best_i+1])*0.5f; - split->ord.split_point = best_i; - split->inversed = 0; - split->quality = (float)best_val; + split.varIdx = vi; + split.c = (values[sorted_idx[best_i]] + values[sorted_idx[best_i+1]])*0.5f; + split.inversed = false; + split.quality = (float)best_val; } return split; } -CvDTreeSplit* CvDTree::find_split_cat_reg( CvDTreeNode* node, int vi, float init_quality, CvDTreeSplit* _split, uchar* _ext_buf ) +DTreesImpl::WSplit DTreesImpl::findSplitCatReg( int vi, const vector& _sidx, + double initQuality, int* subset ) { - int ci = data->get_var_type(vi); - int n = node->sample_count; - int mi = data->cat_count->data.i[ci]; + const double* weights = &w->sample_weights[0]; + const double* responses = &w->ord_responses[0]; + int n = (int)_sidx.size(); + int mi = getCatCount(vi); - int base_size = (mi+2)*sizeof(double) + (mi+1)*(sizeof(int) + sizeof(double*)); - cv::AutoBuffer inn_buf(base_size); - if( !_ext_buf ) - inn_buf.allocate(base_size + n*(2*sizeof(int) + sizeof(float))); - uchar* base_buf = (uchar*)inn_buf; - uchar* ext_buf = _ext_buf ? _ext_buf : base_buf + base_size; - int* labels_buf = (int*)ext_buf; - const int* labels = data->get_cat_var_data(node, vi, labels_buf); - float* responses_buf = (float*)(labels_buf + n); - int* sample_indices_buf = (int*)(responses_buf + n); - const float* responses = data->get_ord_responses(node, responses_buf, sample_indices_buf); - - double* sum = (double*)cv::alignPtr(base_buf,sizeof(double)) + 1; - int* counts = (int*)(sum + mi) + 1; + AutoBuffer buf(3*mi + 3 + n); + double* sum = (double*)buf + 1; + double* counts = sum + mi + 1; double** sum_ptr = (double**)(counts + mi); - int i, L = 0, R = 0; - double best_val = init_quality, lsum = 0, rsum = 0; - int best_subset = -1, subset_i; + int* cat_labels = (int*)(sum_ptr + mi); + + w->data->getNormCatValues(vi, _sidx, cat_labels); + + double L = 0, R = 0, best_val = initQuality, lsum = 0, rsum = 0; + int i, si, best_subset = -1, subset_i; for( i = -1; i < mi; i++ ) sum[i] = counts[i] = 0; @@ -2464,11 +1097,11 @@ CvDTreeSplit* CvDTree::find_split_cat_reg( CvDTreeNode* node, int vi, float init // calculate sum response and weight of each category of the input var for( i = 0; i < n; i++ ) { - int idx = ( (labels[i] == 65535) && data->is_buf_16u ) ? -1 : labels[i]; - double s = sum[idx] + responses[i]; - int nc = counts[idx] + 1; - sum[idx] = s; - counts[idx] = nc; + int idx = cat_labels[i]; + si = _sidx[i]; + double wval = weights[si]; + sum[idx] += responses[si]*wval; + counts[idx] += wval; } // calculate average response in each category @@ -2476,31 +1109,31 @@ CvDTreeSplit* CvDTree::find_split_cat_reg( CvDTreeNode* node, int vi, float init { R += counts[i]; rsum += sum[i]; - sum[i] /= MAX(counts[i],1); + sum[i] = fabs(counts[i]) > DBL_EPSILON ? sum[i]/counts[i] : 0; sum_ptr[i] = sum + i; } - std::sort(sum_ptr, sum_ptr + mi, LessThanPtr()); + std::sort(sum_ptr, sum_ptr + mi, cmp_lt_ptr()); // revert back to unnormalized sums - // (there should be a very little loss of accuracy) + // (there should be a very little loss in accuracy) for( i = 0; i < mi; i++ ) sum[i] *= counts[i]; for( subset_i = 0; subset_i < mi-1; subset_i++ ) { int idx = (int)(sum_ptr[subset_i] - sum); - int ni = counts[idx]; + double ni = counts[idx]; - if( ni ) + if( ni > FLT_EPSILON ) { double s = sum[idx]; lsum += s; L += ni; rsum -= s; R -= ni; - if( L && R ) + if( L > FLT_EPSILON && R > FLT_EPSILON ) { - double val = (lsum*lsum*R + rsum*rsum*L)/((double)L*R); + double val = (lsum*lsum*R + rsum*rsum*L)/(L*R); if( best_val < val ) { best_val = val; @@ -2510,936 +1143,131 @@ CvDTreeSplit* CvDTree::find_split_cat_reg( CvDTreeNode* node, int vi, float init } } - CvDTreeSplit* split = 0; + WSplit split; if( best_subset >= 0 ) { - split = _split ? _split : data->new_split_cat( 0, -1.0f); - split->var_idx = vi; - split->quality = (float)best_val; - memset( split->subset, 0, (data->max_c_count + 31)/32 * sizeof(int)); + split.varIdx = vi; + split.quality = (float)best_val; + memset( subset, 0, getSubsetSize(vi) * sizeof(int)); for( i = 0; i <= best_subset; i++ ) { int idx = (int)(sum_ptr[i] - sum); - split->subset[idx >> 5] |= 1 << (idx & 31); + subset[idx >> 5] |= 1 << (idx & 31); } } return split; } -CvDTreeSplit* CvDTree::find_surrogate_split_ord( CvDTreeNode* node, int vi, uchar* _ext_buf ) +int DTreesImpl::calcDir( int splitidx, const vector& _sidx, + vector& _sleft, vector& _sright ) { - const float epsilon = FLT_EPSILON*2; - const char* dir = (char*)data->direction->data.ptr; - int n = node->sample_count, n1 = node->get_num_valid(vi); - cv::AutoBuffer inn_buf; - if( !_ext_buf ) - inn_buf.allocate( n*(sizeof(int)*(data->have_priors ? 3 : 2) + sizeof(float)) ); - uchar* ext_buf = _ext_buf ? _ext_buf : (uchar*)inn_buf; - float* values_buf = (float*)ext_buf; - int* sorted_indices_buf = (int*)(values_buf + n); - int* sample_indices_buf = sorted_indices_buf + n; - const float* values = 0; - const int* sorted_indices = 0; - data->get_ord_var_data( node, vi, values_buf, sorted_indices_buf, &values, &sorted_indices, sample_indices_buf ); - // LL - number of samples that both the primary and the surrogate splits send to the left - // LR - ... primary split sends to the left and the surrogate split sends to the right - // RL - ... primary split sends to the right and the surrogate split sends to the left - // RR - ... both send to the right - int i, best_i = -1, best_inversed = 0; - double best_val; + WSplit split = w->wsplits[splitidx]; + int i, si, n = (int)_sidx.size(), vi = split.varIdx; + _sleft.reserve(n); + _sright.reserve(n); + _sleft.clear(); + _sright.clear(); - if( !data->have_priors ) + AutoBuffer buf(n); + int mi = getCatCount(vi); + double wleft = 0, wright = 0; + const double* weights = &w->sample_weights[0]; + + if( mi <= 0 ) // split on an ordered variable { - int LL = 0, RL = 0, LR, RR; - int worst_val = cvFloor(node->maxlr), _best_val = worst_val; - int sum = 0, sum_abs = 0; - - for( i = 0; i < n1; i++ ) - { - int d = dir[sorted_indices[i]]; - sum += d; sum_abs += d & 1; - } - - // sum_abs = R + L; sum = R - L - RR = (sum_abs + sum) >> 1; - LR = (sum_abs - sum) >> 1; - - // initially all the samples are sent to the right by the surrogate split, - // LR of them are sent to the left by primary split, and RR - to the right. - // now iteratively compute LL, LR, RL and RR for every possible surrogate split value. - for( i = 0; i < n1 - 1; i++ ) - { - int d = dir[sorted_indices[i]]; - - if( d < 0 ) - { - LL++; LR--; - if( LL + RR > _best_val && values[i] + epsilon < values[i+1] ) - { - best_val = LL + RR; - best_i = i; best_inversed = 0; - } - } - else if( d > 0 ) - { - RL++; RR--; - if( RL + LR > _best_val && values[i] + epsilon < values[i+1] ) - { - best_val = RL + LR; - best_i = i; best_inversed = 1; - } - } - } - best_val = _best_val; - } - else - { - double LL = 0, RL = 0, LR, RR; - double worst_val = node->maxlr; - double sum = 0, sum_abs = 0; - const double* priors = data->priors_mult->data.db; - int* responses_buf = sample_indices_buf + n; - const int* responses = data->get_class_labels(node, responses_buf); - best_val = worst_val; - - for( i = 0; i < n1; i++ ) - { - int idx = sorted_indices[i]; - double w = priors[responses[idx]]; - int d = dir[idx]; - sum += d*w; sum_abs += (d & 1)*w; - } - - // sum_abs = R + L; sum = R - L - RR = (sum_abs + sum)*0.5; - LR = (sum_abs - sum)*0.5; - - // initially all the samples are sent to the right by the surrogate split, - // LR of them are sent to the left by primary split, and RR - to the right. - // now iteratively compute LL, LR, RL and RR for every possible surrogate split value. - for( i = 0; i < n1 - 1; i++ ) - { - int idx = sorted_indices[i]; - double w = priors[responses[idx]]; - int d = dir[idx]; - - if( d < 0 ) - { - LL += w; LR -= w; - if( LL + RR > best_val && values[i] + epsilon < values[i+1] ) - { - best_val = LL + RR; - best_i = i; best_inversed = 0; - } - } - else if( d > 0 ) - { - RL += w; RR -= w; - if( RL + LR > best_val && values[i] + epsilon < values[i+1] ) - { - best_val = RL + LR; - best_i = i; best_inversed = 1; - } - } - } - } - return best_i >= 0 && best_val > node->maxlr ? data->new_split_ord( vi, - (values[best_i] + values[best_i+1])*0.5f, best_i, best_inversed, (float)best_val ) : 0; -} - - -CvDTreeSplit* CvDTree::find_surrogate_split_cat( CvDTreeNode* node, int vi, uchar* _ext_buf ) -{ - const char* dir = (char*)data->direction->data.ptr; - int n = node->sample_count; - int i, mi = data->cat_count->data.i[data->get_var_type(vi)], l_win = 0; - - int base_size = (2*(mi+1)+1)*sizeof(double) + (!data->have_priors ? 2*(mi+1)*sizeof(int) : 0); - cv::AutoBuffer inn_buf(base_size); - if( !_ext_buf ) - inn_buf.allocate(base_size + n*(sizeof(int) + (data->have_priors ? sizeof(int) : 0))); - uchar* base_buf = (uchar*)inn_buf; - uchar* ext_buf = _ext_buf ? _ext_buf : base_buf + base_size; - - int* labels_buf = (int*)ext_buf; - const int* labels = data->get_cat_var_data(node, vi, labels_buf); - // LL - number of samples that both the primary and the surrogate splits send to the left - // LR - ... primary split sends to the left and the surrogate split sends to the right - // RL - ... primary split sends to the right and the surrogate split sends to the left - // RR - ... both send to the right - CvDTreeSplit* split = data->new_split_cat( vi, 0 ); - double best_val = 0; - double* lc = (double*)cv::alignPtr(base_buf,sizeof(double)) + 1; - double* rc = lc + mi + 1; - - for( i = -1; i < mi; i++ ) - lc[i] = rc[i] = 0; - - // for each category calculate the weight of samples - // sent to the left (lc) and to the right (rc) by the primary split - if( !data->have_priors ) - { - int* _lc = (int*)rc + 1; - int* _rc = _lc + mi + 1; - - for( i = -1; i < mi; i++ ) - _lc[i] = _rc[i] = 0; + float c = split.c; + float* values = buf; + w->data->getValues(vi, _sidx, values); for( i = 0; i < n; i++ ) { - int idx = ( (labels[i] == 65535) && (data->is_buf_16u) ) ? -1 : labels[i]; - int d = dir[i]; - int sum = _lc[idx] + d; - int sum_abs = _rc[idx] + (d & 1); - _lc[idx] = sum; _rc[idx] = sum_abs; - } - - for( i = 0; i < mi; i++ ) - { - int sum = _lc[i]; - int sum_abs = _rc[i]; - lc[i] = (sum_abs - sum) >> 1; - rc[i] = (sum_abs + sum) >> 1; + si = _sidx[i]; + if( values[i] <= c ) + { + _sleft.push_back(si); + wleft += weights[si]; + } + else + { + _sright.push_back(si); + wright += weights[si]; + } } } else { - const double* priors = data->priors_mult->data.db; - int* responses_buf = labels_buf + n; - const int* responses = data->get_class_labels(node, responses_buf); + const int* subset = &w->wsubsets[split.subsetOfs]; + int* cat_labels = (int*)(float*)buf; + w->data->getNormCatValues(vi, _sidx, cat_labels); for( i = 0; i < n; i++ ) { - int idx = ( (labels[i] == 65535) && (data->is_buf_16u) ) ? -1 : labels[i]; - double w = priors[responses[i]]; - int d = dir[i]; - double sum = lc[idx] + d*w; - double sum_abs = rc[idx] + (d & 1)*w; - lc[idx] = sum; rc[idx] = sum_abs; - } - - for( i = 0; i < mi; i++ ) - { - double sum = lc[i]; - double sum_abs = rc[i]; - lc[i] = (sum_abs - sum) * 0.5; - rc[i] = (sum_abs + sum) * 0.5; - } - } - - // 2. now form the split. - // in each category send all the samples to the same direction as majority - for( i = 0; i < mi; i++ ) - { - double lval = lc[i], rval = rc[i]; - if( lval > rval ) - { - split->subset[i >> 5] |= 1 << (i & 31); - best_val += lval; - l_win++; - } - else - best_val += rval; - } - - split->quality = (float)best_val; - if( split->quality <= node->maxlr || l_win == 0 || l_win == mi ) - cvSetRemoveByPtr( data->split_heap, split ), split = 0; - - return split; -} - - -void CvDTree::calc_node_value( CvDTreeNode* node ) -{ - int i, j, k, n = node->sample_count, cv_n = data->params.cv_folds; - int m = data->get_num_classes(); - - int base_size = data->is_classifier ? m*cv_n*sizeof(int) : 2*cv_n*sizeof(double)+cv_n*sizeof(int); - int ext_size = n*(sizeof(int) + (data->is_classifier ? sizeof(int) : sizeof(int)+sizeof(float))); - cv::AutoBuffer inn_buf(base_size + ext_size); - uchar* base_buf = (uchar*)inn_buf; - uchar* ext_buf = base_buf + base_size; - - int* cv_labels_buf = (int*)ext_buf; - const int* cv_labels = data->get_cv_labels(node, cv_labels_buf); - - if( data->is_classifier ) - { - // in case of classification tree: - // * node value is the label of the class that has the largest weight in the node. - // * node risk is the weighted number of misclassified samples, - // * j-th cross-validation fold value and risk are calculated as above, - // but using the samples with cv_labels(*)!=j. - // * j-th cross-validation fold error is calculated as the weighted number of - // misclassified samples with cv_labels(*)==j. - - // compute the number of instances of each class - int* cls_count = data->counts->data.i; - int* responses_buf = cv_labels_buf + n; - const int* responses = data->get_class_labels(node, responses_buf); - int* cv_cls_count = (int*)base_buf; - double max_val = -1, total_weight = 0; - int max_k = -1; - double* priors = data->priors_mult->data.db; - - for( k = 0; k < m; k++ ) - cls_count[k] = 0; - - if( cv_n == 0 ) - { - for( i = 0; i < n; i++ ) - cls_count[responses[i]]++; - } - else - { - for( j = 0; j < cv_n; j++ ) - for( k = 0; k < m; k++ ) - cv_cls_count[j*m + k] = 0; - - for( i = 0; i < n; i++ ) + si = _sidx[i]; + unsigned u = cat_labels[i]; + if( CV_DTREE_CAT_DIR(u, subset) < 0 ) { - j = cv_labels[i]; k = responses[i]; - cv_cls_count[j*m + k]++; - } - - for( j = 0; j < cv_n; j++ ) - for( k = 0; k < m; k++ ) - cls_count[k] += cv_cls_count[j*m + k]; - } - - if( data->have_priors && node->parent == 0 ) - { - // compute priors_mult from priors, take the sample ratio into account. - double sum = 0; - for( k = 0; k < m; k++ ) - { - int n_k = cls_count[k]; - priors[k] = data->priors->data.db[k]*(n_k ? 1./n_k : 0.); - sum += priors[k]; - } - sum = 1./sum; - for( k = 0; k < m; k++ ) - priors[k] *= sum; - } - - for( k = 0; k < m; k++ ) - { - double val = cls_count[k]*priors[k]; - total_weight += val; - if( max_val < val ) - { - max_val = val; - max_k = k; - } - } - - node->class_idx = max_k; - node->value = data->cat_map->data.i[ - data->cat_ofs->data.i[data->cat_var_count] + max_k]; - node->node_risk = total_weight - max_val; - - for( j = 0; j < cv_n; j++ ) - { - double sum_k = 0, sum = 0, max_val_k = 0; - max_val = -1; max_k = -1; - - for( k = 0; k < m; k++ ) - { - double w = priors[k]; - double val_k = cv_cls_count[j*m + k]*w; - double val = cls_count[k]*w - val_k; - sum_k += val_k; - sum += val; - if( max_val < val ) - { - max_val = val; - max_val_k = val_k; - max_k = k; - } - } - - node->cv_Tn[j] = INT_MAX; - node->cv_node_risk[j] = sum - max_val; - node->cv_node_error[j] = sum_k - max_val_k; - } - } - else - { - // in case of regression tree: - // * node value is 1/n*sum_i(Y_i), where Y_i is i-th response, - // n is the number of samples in the node. - // * node risk is the sum of squared errors: sum_i((Y_i - )^2) - // * j-th cross-validation fold value and risk are calculated as above, - // but using the samples with cv_labels(*)!=j. - // * j-th cross-validation fold error is calculated - // using samples with cv_labels(*)==j as the test subset: - // error_j = sum_(i,cv_labels(i)==j)((Y_i - )^2), - // where node_value_j is the node value calculated - // as described in the previous bullet, and summation is done - // over the samples with cv_labels(*)==j. - - double sum = 0, sum2 = 0; - float* values_buf = (float*)(cv_labels_buf + n); - int* sample_indices_buf = (int*)(values_buf + n); - const float* values = data->get_ord_responses(node, values_buf, sample_indices_buf); - double *cv_sum = 0, *cv_sum2 = 0; - int* cv_count = 0; - - if( cv_n == 0 ) - { - for( i = 0; i < n; i++ ) - { - double t = values[i]; - sum += t; - sum2 += t*t; - } - } - else - { - cv_sum = (double*)base_buf; - cv_sum2 = cv_sum + cv_n; - cv_count = (int*)(cv_sum2 + cv_n); - - for( j = 0; j < cv_n; j++ ) - { - cv_sum[j] = cv_sum2[j] = 0.; - cv_count[j] = 0; - } - - for( i = 0; i < n; i++ ) - { - j = cv_labels[i]; - double t = values[i]; - double s = cv_sum[j] + t; - double s2 = cv_sum2[j] + t*t; - int nc = cv_count[j] + 1; - cv_sum[j] = s; - cv_sum2[j] = s2; - cv_count[j] = nc; - } - - for( j = 0; j < cv_n; j++ ) - { - sum += cv_sum[j]; - sum2 += cv_sum2[j]; - } - } - - node->node_risk = sum2 - (sum/n)*sum; - node->value = sum/n; - - for( j = 0; j < cv_n; j++ ) - { - double s = cv_sum[j], si = sum - s; - double s2 = cv_sum2[j], s2i = sum2 - s2; - int c = cv_count[j], ci = n - c; - double r = si/MAX(ci,1); - node->cv_node_risk[j] = s2i - r*r*ci; - node->cv_node_error[j] = s2 - 2*r*s + c*r*r; - node->cv_Tn[j] = INT_MAX; - } - } -} - - -void CvDTree::complete_node_dir( CvDTreeNode* node ) -{ - int vi, i, n = node->sample_count, nl, nr, d0 = 0, d1 = -1; - int nz = n - node->get_num_valid(node->split->var_idx); - char* dir = (char*)data->direction->data.ptr; - - // try to complete direction using surrogate splits - if( nz && data->params.use_surrogates ) - { - cv::AutoBuffer inn_buf(n*(2*sizeof(int)+sizeof(float))); - CvDTreeSplit* split = node->split->next; - for( ; split != 0 && nz; split = split->next ) - { - int inversed_mask = split->inversed ? -1 : 0; - vi = split->var_idx; - - if( data->get_var_type(vi) >= 0 ) // split on categorical var - { - int* labels_buf = (int*)(uchar*)inn_buf; - const int* labels = data->get_cat_var_data(node, vi, labels_buf); - const int* subset = split->subset; - - for( i = 0; i < n; i++ ) - { - int idx = labels[i]; - if( !dir[i] && ( ((idx >= 0)&&(!data->is_buf_16u)) || ((idx != 65535)&&(data->is_buf_16u)) )) - - { - int d = CV_DTREE_CAT_DIR(idx,subset); - dir[i] = (char)((d ^ inversed_mask) - inversed_mask); - if( --nz ) - break; - } - } - } - else // split on ordered var - { - float* values_buf = (float*)(uchar*)inn_buf; - int* sorted_indices_buf = (int*)(values_buf + n); - int* sample_indices_buf = sorted_indices_buf + n; - const float* values = 0; - const int* sorted_indices = 0; - data->get_ord_var_data( node, vi, values_buf, sorted_indices_buf, &values, &sorted_indices, sample_indices_buf ); - int split_point = split->ord.split_point; - int n1 = node->get_num_valid(vi); - - assert( 0 <= split_point && split_point < n-1 ); - - for( i = 0; i < n1; i++ ) - { - int idx = sorted_indices[i]; - if( !dir[idx] ) - { - int d = i <= split_point ? -1 : 1; - dir[idx] = (char)((d ^ inversed_mask) - inversed_mask); - if( --nz ) - break; - } - } - } - } - } - - // find the default direction for the rest - if( nz ) - { - for( i = nr = 0; i < n; i++ ) - nr += dir[i] > 0; - nl = n - nr - nz; - d0 = nl > nr ? -1 : nr > nl; - } - - // make sure that every sample is directed either to the left or to the right - for( i = 0; i < n; i++ ) - { - int d = dir[i]; - if( !d ) - { - d = d0; - if( !d ) - d = d1, d1 = -d1; - } - d = d > 0; - dir[i] = (char)d; // remap (-1,1) to (0,1) - } -} - - -void CvDTree::split_node_data( CvDTreeNode* node ) -{ - int vi, i, n = node->sample_count, nl, nr, scount = data->sample_count; - char* dir = (char*)data->direction->data.ptr; - CvDTreeNode *left = 0, *right = 0; - int* new_idx = data->split_buf->data.i; - int new_buf_idx = data->get_child_buf_idx( node ); - int work_var_count = data->get_work_var_count(); - CvMat* buf = data->buf; - size_t length_buf_row = data->get_length_subbuf(); - cv::AutoBuffer inn_buf(n*(3*sizeof(int) + sizeof(float))); - int* temp_buf = (int*)(uchar*)inn_buf; - - complete_node_dir(node); - - for( i = nl = nr = 0; i < n; i++ ) - { - int d = dir[i]; - // initialize new indices for splitting ordered variables - new_idx[i] = (nl & (d-1)) | (nr & -d); // d ? ri : li - nr += d; - nl += d^1; - } - - bool split_input_data; - node->left = left = data->new_node( node, nl, new_buf_idx, node->offset ); - node->right = right = data->new_node( node, nr, new_buf_idx, node->offset + nl ); - - split_input_data = node->depth + 1 < data->params.max_depth && - (node->left->sample_count > data->params.min_sample_count || - node->right->sample_count > data->params.min_sample_count); - - // split ordered variables, keep both halves sorted. - for( vi = 0; vi < data->var_count; vi++ ) - { - int ci = data->get_var_type(vi); - - if( ci >= 0 || !split_input_data ) - continue; - - int n1 = node->get_num_valid(vi); - float* src_val_buf = (float*)(uchar*)(temp_buf + n); - int* src_sorted_idx_buf = (int*)(src_val_buf + n); - int* src_sample_idx_buf = src_sorted_idx_buf + n; - const float* src_val = 0; - const int* src_sorted_idx = 0; - data->get_ord_var_data(node, vi, src_val_buf, src_sorted_idx_buf, &src_val, &src_sorted_idx, src_sample_idx_buf); - - for(i = 0; i < n; i++) - temp_buf[i] = src_sorted_idx[i]; - - if (data->is_buf_16u) - { - unsigned short *ldst, *rdst, *ldst0, *rdst0; - //unsigned short tl, tr; - ldst0 = ldst = (unsigned short*)(buf->data.s + left->buf_idx*length_buf_row + - vi*scount + left->offset); - rdst0 = rdst = (unsigned short*)(ldst + nl); - - // split sorted - for( i = 0; i < n1; i++ ) - { - int idx = temp_buf[i]; - int d = dir[idx]; - idx = new_idx[idx]; - if (d) - { - *rdst = (unsigned short)idx; - rdst++; - } - else - { - *ldst = (unsigned short)idx; - ldst++; - } - } - - left->set_num_valid(vi, (int)(ldst - ldst0)); - right->set_num_valid(vi, (int)(rdst - rdst0)); - - // split missing - for( ; i < n; i++ ) - { - int idx = temp_buf[i]; - int d = dir[idx]; - idx = new_idx[idx]; - if (d) - { - *rdst = (unsigned short)idx; - rdst++; - } - else - { - *ldst = (unsigned short)idx; - ldst++; - } - } - } - else - { - int *ldst0, *ldst, *rdst0, *rdst; - ldst0 = ldst = buf->data.i + left->buf_idx*length_buf_row + - vi*scount + left->offset; - rdst0 = rdst = buf->data.i + right->buf_idx*length_buf_row + - vi*scount + right->offset; - - // split sorted - for( i = 0; i < n1; i++ ) - { - int idx = temp_buf[i]; - int d = dir[idx]; - idx = new_idx[idx]; - if (d) - { - *rdst = idx; - rdst++; - } - else - { - *ldst = idx; - ldst++; - } - } - - left->set_num_valid(vi, (int)(ldst - ldst0)); - right->set_num_valid(vi, (int)(rdst - rdst0)); - - // split missing - for( ; i < n; i++ ) - { - int idx = temp_buf[i]; - int d = dir[idx]; - idx = new_idx[idx]; - if (d) - { - *rdst = idx; - rdst++; - } - else - { - *ldst = idx; - ldst++; - } - } - } - } - - // split categorical vars, responses and cv_labels using new_idx relocation table - for( vi = 0; vi < work_var_count; vi++ ) - { - int ci = data->get_var_type(vi); - int n1 = node->get_num_valid(vi), nr1 = 0; - - if( ci < 0 || (vi < data->var_count && !split_input_data) ) - continue; - - int *src_lbls_buf = temp_buf + n; - const int* src_lbls = data->get_cat_var_data(node, vi, src_lbls_buf); - - for(i = 0; i < n; i++) - temp_buf[i] = src_lbls[i]; - - if (data->is_buf_16u) - { - unsigned short *ldst = (unsigned short *)(buf->data.s + left->buf_idx*length_buf_row + - vi*scount + left->offset); - unsigned short *rdst = (unsigned short *)(buf->data.s + right->buf_idx*length_buf_row + - vi*scount + right->offset); - - for( i = 0; i < n; i++ ) - { - int d = dir[i]; - int idx = temp_buf[i]; - if (d) - { - *rdst = (unsigned short)idx; - rdst++; - nr1 += (idx != 65535 )&d; - } - else - { - *ldst = (unsigned short)idx; - ldst++; - } - } - - if( vi < data->var_count ) - { - left->set_num_valid(vi, n1 - nr1); - right->set_num_valid(vi, nr1); - } - } - else - { - int *ldst = buf->data.i + left->buf_idx*length_buf_row + - vi*scount + left->offset; - int *rdst = buf->data.i + right->buf_idx*length_buf_row + - vi*scount + right->offset; - - for( i = 0; i < n; i++ ) - { - int d = dir[i]; - int idx = temp_buf[i]; - if (d) - { - *rdst = idx; - rdst++; - nr1 += (idx >= 0)&d; - } - else - { - *ldst = idx; - ldst++; - } - - } - - if( vi < data->var_count ) - { - left->set_num_valid(vi, n1 - nr1); - right->set_num_valid(vi, nr1); - } - } - } - - - // split sample indices - int *sample_idx_src_buf = temp_buf + n; - const int* sample_idx_src = data->get_sample_indices(node, sample_idx_src_buf); - - for(i = 0; i < n; i++) - temp_buf[i] = sample_idx_src[i]; - - int pos = data->get_work_var_count(); - if (data->is_buf_16u) - { - unsigned short* ldst = (unsigned short*)(buf->data.s + left->buf_idx*length_buf_row + - pos*scount + left->offset); - unsigned short* rdst = (unsigned short*)(buf->data.s + right->buf_idx*length_buf_row + - pos*scount + right->offset); - for (i = 0; i < n; i++) - { - int d = dir[i]; - unsigned short idx = (unsigned short)temp_buf[i]; - if (d) - { - *rdst = idx; - rdst++; + _sleft.push_back(si); + wleft += weights[si]; } else { - *ldst = idx; - ldst++; + _sright.push_back(si); + wright += weights[si]; } } } - else - { - int* ldst = buf->data.i + left->buf_idx*length_buf_row + - pos*scount + left->offset; - int* rdst = buf->data.i + right->buf_idx*length_buf_row + - pos*scount + right->offset; - for (i = 0; i < n; i++) - { - int d = dir[i]; - int idx = temp_buf[i]; - if (d) - { - *rdst = idx; - rdst++; - } - else - { - *ldst = idx; - ldst++; - } - } - } - - // deallocate the parent node data that is not needed anymore - data->free_node_data(node); + CV_Assert( (int)_sleft.size() < n && (int)_sright.size() < n ); + return wleft > wright ? -1 : 1; } -float CvDTree::calc_error( CvMLData* _data, int type, std::vector *resp ) +int DTreesImpl::pruneCV( int root ) { - float err = 0; - const CvMat* values = _data->get_values(); - const CvMat* response = _data->get_responses(); - const CvMat* missing = _data->get_missing(); - const CvMat* sample_idx = (type == CV_TEST_ERROR) ? _data->get_test_sample_idx() : _data->get_train_sample_idx(); - const CvMat* var_types = _data->get_var_types(); - int* sidx = sample_idx ? sample_idx->data.i : 0; - int r_step = CV_IS_MAT_CONT(response->type) ? - 1 : response->step / CV_ELEM_SIZE(response->type); - bool is_classifier = var_types->data.ptr[var_types->cols-1] == CV_VAR_CATEGORICAL; - int sample_count = sample_idx ? sample_idx->cols : 0; - sample_count = (type == CV_TRAIN_ERROR && sample_count == 0) ? values->rows : sample_count; - float* pred_resp = 0; - if( resp && (sample_count > 0) ) - { - resp->resize( sample_count ); - pred_resp = &((*resp)[0]); - } - - if ( is_classifier ) - { - for( int i = 0; i < sample_count; i++ ) - { - CvMat sample, miss; - int si = sidx ? sidx[i] : i; - cvGetRow( values, &sample, si ); - if( missing ) - cvGetRow( missing, &miss, si ); - float r = (float)predict( &sample, missing ? &miss : 0 )->value; - if( pred_resp ) - pred_resp[i] = r; - int d = fabs((double)r - response->data.fl[(size_t)si*r_step]) <= FLT_EPSILON ? 0 : 1; - err += d; - } - err = sample_count ? err / (float)sample_count * 100 : -FLT_MAX; - } - else - { - for( int i = 0; i < sample_count; i++ ) - { - CvMat sample, miss; - int si = sidx ? sidx[i] : i; - cvGetRow( values, &sample, si ); - if( missing ) - cvGetRow( missing, &miss, si ); - float r = (float)predict( &sample, missing ? &miss : 0 )->value; - if( pred_resp ) - pred_resp[i] = r; - float d = r - response->data.fl[(size_t)si*r_step]; - err += d*d; - } - err = sample_count ? err / (float)sample_count : -FLT_MAX; - } - return err; -} - -void CvDTree::prune_cv() -{ - CvMat* ab = 0; - CvMat* temp = 0; - CvMat* err_jk = 0; + vector ab; // 1. build tree sequence for each cv fold, calculate error_{Tj,beta_k}. // 2. choose the best tree index (if need, apply 1SE rule). // 3. store the best index and cut the branches. - CV_FUNCNAME( "CvDTree::prune_cv" ); - - __BEGIN__; - - int ti, j, tree_count = 0, cv_n = data->params.cv_folds, n = root->sample_count; + int ti, tree_count = 0, j, cv_n = params.CVFolds, n = w->wnodes[root].sample_count; // currently, 1SE for regression is not implemented - bool use_1se = data->params.use_1se_rule != 0 && data->is_classifier; - double* err; + bool use_1se = params.use1SERule != 0 && _isClassifier; double min_err = 0, min_err_se = 0; int min_idx = -1; - CV_CALL( ab = cvCreateMat( 1, 256, CV_64F )); - // build the main tree sequence, calculate alpha's for(;;tree_count++) { - double min_alpha = update_tree_rnc(tree_count, -1); - if( cut_tree(tree_count, -1, min_alpha) ) + double min_alpha = updateTreeRNC(root, tree_count, -1); + if( cutTree(root, tree_count, -1, min_alpha) ) break; - if( ab->cols <= tree_count ) - { - CV_CALL( temp = cvCreateMat( 1, ab->cols*3/2, CV_64F )); - for( ti = 0; ti < ab->cols; ti++ ) - temp->data.db[ti] = ab->data.db[ti]; - cvReleaseMat( &ab ); - ab = temp; - temp = 0; - } - - ab->data.db[tree_count] = min_alpha; + ab.push_back(min_alpha); } - ab->data.db[0] = 0.; - if( tree_count > 0 ) { - for( ti = 1; ti < tree_count-1; ti++ ) - ab->data.db[ti] = sqrt(ab->data.db[ti]*ab->data.db[ti+1]); - ab->data.db[tree_count-1] = DBL_MAX*0.5; + ab[0] = 0.; - CV_CALL( err_jk = cvCreateMat( cv_n, tree_count, CV_64F )); - err = err_jk->data.db; + for( ti = 1; ti < tree_count-1; ti++ ) + ab[ti] = std::sqrt(ab[ti]*ab[ti+1]); + ab[tree_count-1] = DBL_MAX*0.5; + + Mat err_jk(cv_n, tree_count, CV_64F); for( j = 0; j < cv_n; j++ ) { int tj = 0, tk = 0; - for( ; tk < tree_count; tj++ ) + for( ; tj < tree_count; tj++ ) { - double min_alpha = update_tree_rnc(tj, j); - if( cut_tree(tj, j, min_alpha) ) + double min_alpha = updateTreeRNC(root, tj, j); + if( cutTree(root, tj, j, min_alpha) ) min_alpha = DBL_MAX; for( ; tk < tree_count; tk++ ) { - if( ab->data.db[tk] > min_alpha ) + if( ab[tk] > min_alpha ) break; - err[j*tree_count + tk] = root->tree_error; + err_jk.at(j, tk) = w->wnodes[root].tree_error; } } } @@ -3448,7 +1276,7 @@ void CvDTree::prune_cv() { double sum_err = 0; for( j = 0; j < cv_n; j++ ) - sum_err += err[j*tree_count + ti]; + sum_err += err_jk.at(j, ti); if( ti == 0 || sum_err < min_err ) { min_err = sum_err; @@ -3461,242 +1289,190 @@ void CvDTree::prune_cv() } } - pruned_tree_idx = min_idx; - free_prune_data(data->params.truncate_pruned_tree != 0); - - __END__; - - cvReleaseMat( &err_jk ); - cvReleaseMat( &ab ); - cvReleaseMat( &temp ); + return min_idx; } - -double CvDTree::update_tree_rnc( int T, int fold ) +double DTreesImpl::updateTreeRNC( int root, double T, int fold ) { - CvDTreeNode* node = root; + int nidx = root, pidx = -1, cv_n = params.CVFolds; double min_alpha = DBL_MAX; for(;;) { - CvDTreeNode* parent; + WNode *node = 0, *parent = 0; + for(;;) { - int t = fold >= 0 ? node->cv_Tn[fold] : node->Tn; - if( t <= T || !node->left ) + node = &w->wnodes[nidx]; + double t = fold >= 0 ? w->cv_Tn[nidx*cv_n + fold] : node->Tn; + if( t <= T || node->left < 0 ) { node->complexity = 1; node->tree_risk = node->node_risk; node->tree_error = 0.; if( fold >= 0 ) { - node->tree_risk = node->cv_node_risk[fold]; - node->tree_error = node->cv_node_error[fold]; + node->tree_risk = w->cv_node_risk[nidx*cv_n + fold]; + node->tree_error = w->cv_node_error[nidx*cv_n + fold]; } break; } - node = node->left; + nidx = node->left; } - for( parent = node->parent; parent && parent->right == node; - node = parent, parent = parent->parent ) + for( pidx = node->parent; pidx >= 0 && w->wnodes[pidx].right == nidx; + nidx = pidx, pidx = w->wnodes[pidx].parent ) { + node = &w->wnodes[nidx]; + parent = &w->wnodes[pidx]; parent->complexity += node->complexity; parent->tree_risk += node->tree_risk; parent->tree_error += node->tree_error; - parent->alpha = ((fold >= 0 ? parent->cv_node_risk[fold] : parent->node_risk) - - parent->tree_risk)/(parent->complexity - 1); - min_alpha = MIN( min_alpha, parent->alpha ); + parent->alpha = ((fold >= 0 ? w->cv_node_risk[pidx*cv_n + fold] : parent->node_risk) + - parent->tree_risk)/(parent->complexity - 1); + min_alpha = std::min( min_alpha, parent->alpha ); } - if( !parent ) + if( pidx < 0 ) break; + node = &w->wnodes[nidx]; + parent = &w->wnodes[pidx]; parent->complexity = node->complexity; parent->tree_risk = node->tree_risk; parent->tree_error = node->tree_error; - node = parent->right; + nidx = parent->right; } return min_alpha; } - -int CvDTree::cut_tree( int T, int fold, double min_alpha ) +bool DTreesImpl::cutTree( int root, double T, int fold, double min_alpha ) { - CvDTreeNode* node = root; - if( !node->left ) - return 1; + int cv_n = params.CVFolds, nidx = root, pidx = -1; + WNode* node = &w->wnodes[root]; + if( node->left < 0 ) + return true; for(;;) { - CvDTreeNode* parent; for(;;) { - int t = fold >= 0 ? node->cv_Tn[fold] : node->Tn; - if( t <= T || !node->left ) + node = &w->wnodes[nidx]; + double t = fold >= 0 ? w->cv_Tn[nidx*cv_n + fold] : node->Tn; + if( t <= T || node->left < 0 ) break; if( node->alpha <= min_alpha + FLT_EPSILON ) { if( fold >= 0 ) - node->cv_Tn[fold] = T; + w->cv_Tn[nidx*cv_n + fold] = T; else node->Tn = T; - if( node == root ) - return 1; + if( nidx == root ) + return true; break; } - node = node->left; + nidx = node->left; } - for( parent = node->parent; parent && parent->right == node; - node = parent, parent = parent->parent ) + for( pidx = node->parent; pidx >= 0 && w->wnodes[pidx].right == nidx; + nidx = pidx, pidx = w->wnodes[pidx].parent ) ; - if( !parent ) + if( pidx < 0 ) break; - node = parent->right; + nidx = w->wnodes[pidx].right; } - return 0; + return false; } - -void CvDTree::free_prune_data(bool _cut_tree) +float DTreesImpl::predictTrees( const Range& range, const Mat& sample, int flags ) const { - CvDTreeNode* node = root; + CV_Assert( sample.type() == CV_32F ); - for(;;) + int predictType = flags & PREDICT_MASK; + int nvars = (int)varIdx.size(); + if( nvars == 0 ) + nvars = (int)varType.size(); + int i, ncats = (int)catOfs.size(), nclasses = (int)classLabels.size(); + int catbufsize = ncats > 0 ? nvars : 0; + AutoBuffer buf(nclasses + catbufsize + 1); + int* votes = buf; + int* catbuf = votes + nclasses; + const int* cvidx = (flags & (COMPRESSED_INPUT|PREPROCESSED_INPUT)) == 0 && !varIdx.empty() ? &compVarIdx[0] : 0; + const uchar* vtype = &varType[0]; + const Vec2i* cofs = !catOfs.empty() ? &catOfs[0] : 0; + const int* cmap = !catMap.empty() ? &catMap[0] : 0; + const float* psample = sample.ptr(); + const float* missingSubstPtr = !missingSubst.empty() ? &missingSubst[0] : 0; + size_t sstep = sample.isContinuous() ? 1 : sample.step/sizeof(float); + double sum = 0.; + int lastClassIdx = -1; + const float MISSED_VAL = TrainData::missingValue(); + + for( i = 0; i < catbufsize; i++ ) + catbuf[i] = -1; + + if( predictType == PREDICT_AUTO ) { - CvDTreeNode* parent; + predictType = !_isClassifier || (classLabels.size() == 2 && (flags & RAW_OUTPUT) != 0) ? + PREDICT_SUM : PREDICT_MAX_VOTE; + } + + if( predictType == PREDICT_MAX_VOTE ) + { + for( i = 0; i < nclasses; i++ ) + votes[i] = 0; + } + + for( int ridx = range.start; ridx < range.end; ridx++ ) + { + int nidx = roots[ridx], prev = nidx, c = 0; + for(;;) { - // do not call cvSetRemoveByPtr( cv_heap, node->cv_Tn ) - // as we will clear the whole cross-validation heap at the end - node->cv_Tn = 0; - node->cv_node_error = node->cv_node_risk = 0; - if( !node->left ) + prev = nidx; + const Node& node = nodes[nidx]; + if( node.split < 0 ) break; - node = node->left; - } - - for( parent = node->parent; parent && parent->right == node; - node = parent, parent = parent->parent ) - { - if( _cut_tree && parent->Tn <= pruned_tree_idx ) + const Split& split = splits[node.split]; + int vi = split.varIdx; + int ci = cvidx ? cvidx[vi] : vi; + float val = psample[ci*sstep]; + if( val == MISSED_VAL ) { - data->free_node( parent->left ); - data->free_node( parent->right ); - parent->left = parent->right = 0; + if( !missingSubstPtr ) + { + nidx = node.defaultDir < 0 ? node.left : node.right; + continue; + } + val = missingSubstPtr[vi]; } - } - if( !parent ) - break; - - node = parent->right; - } - - if( data->cv_heap ) - cvClearSet( data->cv_heap ); -} - - -void CvDTree::free_tree() -{ - if( root && data && data->shared ) - { - pruned_tree_idx = INT_MIN; - free_prune_data(true); - data->free_node(root); - root = 0; - } -} - -CvDTreeNode* CvDTree::predict( const CvMat* _sample, - const CvMat* _missing, bool preprocessed_input ) const -{ - cv::AutoBuffer catbuf; - - int i, mstep = 0; - const uchar* m = 0; - CvDTreeNode* node = root; - - if( !node ) - CV_Error( CV_StsError, "The tree has not been trained yet" ); - - if( !CV_IS_MAT(_sample) || CV_MAT_TYPE(_sample->type) != CV_32FC1 || - (_sample->cols != 1 && _sample->rows != 1) || - (_sample->cols + _sample->rows - 1 != data->var_all && !preprocessed_input) || - (_sample->cols + _sample->rows - 1 != data->var_count && preprocessed_input) ) - CV_Error( CV_StsBadArg, - "the input sample must be 1d floating-point vector with the same " - "number of elements as the total number of variables used for training" ); - - const float* sample = _sample->data.fl; - int step = CV_IS_MAT_CONT(_sample->type) ? 1 : _sample->step/sizeof(sample[0]); - - if( data->cat_count && !preprocessed_input ) // cache for categorical variables - { - int n = data->cat_count->cols; - catbuf.allocate(n); - for( i = 0; i < n; i++ ) - catbuf[i] = -1; - } - - if( _missing ) - { - if( !CV_IS_MAT(_missing) || !CV_IS_MASK_ARR(_missing) || - !CV_ARE_SIZES_EQ(_missing, _sample) ) - CV_Error( CV_StsBadArg, - "the missing data mask must be 8-bit vector of the same size as input sample" ); - m = _missing->data.ptr; - mstep = CV_IS_MAT_CONT(_missing->type) ? 1 : _missing->step/sizeof(m[0]); - } - - const int* vtype = data->var_type->data.i; - const int* vidx = data->var_idx && !preprocessed_input ? data->var_idx->data.i : 0; - const int* cmap = data->cat_map ? data->cat_map->data.i : 0; - const int* cofs = data->cat_ofs ? data->cat_ofs->data.i : 0; - - while( node->Tn > pruned_tree_idx && node->left ) - { - CvDTreeSplit* split = node->split; - int dir = 0; - for( ; !dir && split != 0; split = split->next ) - { - int vi = split->var_idx; - int ci = vtype[vi]; - i = vidx ? vidx[vi] : vi; - float val = sample[(size_t)i*step]; - if( m && m[(size_t)i*mstep] ) - continue; - if( ci < 0 ) // ordered - dir = val <= split->ord.c ? -1 : 1; - else // categorical + if( vtype[vi] == VAR_ORDERED ) + nidx = val <= split.c ? node.left : node.right; + else { - int c; - if( preprocessed_input ) + if( flags & PREPROCESSED_INPUT ) c = cvRound(val); else { c = catbuf[ci]; if( c < 0 ) { - int a = c = cofs[ci]; - int b = (ci+1 >= data->cat_ofs->cols) ? data->cat_map->cols : cofs[ci+1]; + int a = c = cofs[vi][0]; + int b = cofs[vi][1]; int ival = cvRound(val); if( ival != val ) CV_Error( CV_StsBadArg, - "one of input categorical variable is not an integer" ); + "one of input categorical variable is not an integer" ); - int sh = 0; while( a < b ) { - sh++; c = (a + b) >> 1; if( ival < cmap[c] ) b = c; @@ -3706,446 +1482,423 @@ CvDTreeNode* CvDTree::predict( const CvMat* _sample, break; } - if( c < 0 || ival != cmap[c] ) - continue; + CV_Assert( c >= 0 && ival == cmap[c] ); - catbuf[ci] = c -= cofs[ci]; + c -= cofs[vi][0]; + catbuf[ci] = c; } + const int* subset = &subsets[split.subsetOfs]; + unsigned u = c; + nidx = CV_DTREE_CAT_DIR(u, subset) < 0 ? node.left : node.right; } - c = ( (c == 65535) && data->is_buf_16u ) ? -1 : c; - dir = CV_DTREE_CAT_DIR(c, split->subset); } - - if( split->inversed ) - dir = -dir; } - if( !dir ) + if( predictType == PREDICT_SUM ) + sum += nodes[prev].value; + else { - double diff = node->right->sample_count - node->left->sample_count; - dir = diff < 0 ? -1 : 1; + lastClassIdx = nodes[prev].classIdx; + votes[lastClassIdx]++; } - node = dir < 0 ? node->left : node->right; } - return node; -} - - -CvDTreeNode* CvDTree::predict( const Mat& _sample, const Mat& _missing, bool preprocessed_input ) const -{ - CvMat sample = _sample, mmask = _missing; - return predict(&sample, mmask.data.ptr ? &mmask : 0, preprocessed_input); -} - - -const CvMat* CvDTree::get_var_importance() -{ - if( !var_importance ) + if( predictType == PREDICT_MAX_VOTE ) { - CvDTreeNode* node = root; - double* importance; - if( !node ) - return 0; - var_importance = cvCreateMat( 1, data->var_count, CV_64F ); - cvZero( var_importance ); - importance = var_importance->data.db; - - for(;;) + int best_idx = lastClassIdx; + if( range.end - range.start > 1 ) { - CvDTreeNode* parent; - for( ;; node = node->left ) - { - CvDTreeSplit* split = node->split; - - if( !node->left || node->Tn <= pruned_tree_idx ) - break; - - for( ; split != 0; split = split->next ) - importance[split->var_idx] += split->quality; - } - - for( parent = node->parent; parent && parent->right == node; - node = parent, parent = parent->parent ) - ; - - if( !parent ) - break; - - node = parent->right; + best_idx = 0; + for( i = 1; i < nclasses; i++ ) + if( votes[best_idx] < votes[i] ) + best_idx = i; } - - cvNormalize( var_importance, var_importance, 1., 0, CV_L1 ); + sum = (flags & RAW_OUTPUT) ? (float)best_idx : classLabels[best_idx]; } - return var_importance; + return (float)sum; } -void CvDTree::write_split( CvFileStorage* fs, CvDTreeSplit* split ) const +float DTreesImpl::predict( InputArray _samples, OutputArray _results, int flags ) const { - int ci; + CV_Assert( !roots.empty() ); + Mat samples = _samples.getMat(), results; + int i, nsamples = samples.rows; + int rtype = CV_32F; + bool needresults = _results.needed(); + float retval = 0.f; + bool iscls = isClassifier(); + float scale = !iscls ? 1.f/(int)roots.size() : 1.f; - cvStartWriteStruct( fs, 0, CV_NODE_MAP + CV_NODE_FLOW ); - cvWriteInt( fs, "var", split->var_idx ); - cvWriteReal( fs, "quality", split->quality ); + if( iscls && (flags & PREDICT_MASK) == PREDICT_MAX_VOTE ) + rtype = CV_32S; - ci = data->get_var_type(split->var_idx); - if( ci >= 0 ) // split on a categorical var + if( needresults ) { - int i, n = data->cat_count->data.i[ci], to_right = 0, default_dir; + _results.create(nsamples, 1, rtype); + results = _results.getMat(); + } + else + nsamples = std::min(nsamples, 1); + + for( i = 0; i < nsamples; i++ ) + { + float val = predictTrees( Range(0, (int)roots.size()), samples.row(i), flags )*scale; + if( needresults ) + { + if( rtype == CV_32F ) + results.at(i) = val; + else + results.at(i) = cvRound(val); + } + if( i == 0 ) + retval = val; + } + return retval; +} + +void DTreesImpl::writeTrainingParams(FileStorage& fs) const +{ + fs << "use_surrogates" << (params0.useSurrogates ? 1 : 0); + fs << "max_categories" << params0.maxCategories; + fs << "regression_accuracy" << params0.regressionAccuracy; + + fs << "max_depth" << params0.maxDepth; + fs << "min_sample_count" << params0.minSampleCount; + fs << "cross_validation_folds" << params0.CVFolds; + + if( params0.CVFolds > 1 ) + fs << "use_1se_rule" << (params0.use1SERule ? 1 : 0); + + if( !params0.priors.empty() ) + fs << "priors" << params0.priors; +} + +void DTreesImpl::writeParams(FileStorage& fs) const +{ + fs << "is_classifier" << isClassifier(); + fs << "var_all" << (int)varType.size(); + fs << "var_count" << getVarCount(); + + int ord_var_count = 0, cat_var_count = 0; + int i, n = (int)varType.size(); + for( i = 0; i < n; i++ ) + if( varType[i] == VAR_ORDERED ) + ord_var_count++; + else + cat_var_count++; + fs << "ord_var_count" << ord_var_count; + fs << "cat_var_count" << cat_var_count; + + fs << "training_params" << "{"; + writeTrainingParams(fs); + + fs << "}"; + + if( !varIdx.empty() ) + fs << "var_idx" << varIdx; + + fs << "var_type" << varType; + + if( !catOfs.empty() ) + fs << "cat_ofs" << catOfs; + if( !catMap.empty() ) + fs << "cat_map" << catMap; + if( !classLabels.empty() ) + fs << "class_labels" << classLabels; + if( !missingSubst.empty() ) + fs << "missing_subst" << missingSubst; +} + +void DTreesImpl::writeSplit( FileStorage& fs, int splitidx ) const +{ + const Split& split = splits[splitidx]; + + fs << "{:"; + + int vi = split.varIdx; + fs << "var" << vi; + fs << "quality" << split.quality; + + if( varType[vi] == VAR_CATEGORICAL ) // split on a categorical var + { + int i, n = getCatCount(vi), to_right = 0; + const int* subset = &subsets[split.subsetOfs]; for( i = 0; i < n; i++ ) - to_right += CV_DTREE_CAT_DIR(i,split->subset) > 0; + to_right += CV_DTREE_CAT_DIR(i, subset) > 0; // ad-hoc rule when to use inverse categorical split notation // to achieve more compact and clear representation - default_dir = to_right <= 1 || to_right <= MIN(3, n/2) || to_right <= n/3 ? -1 : 1; + int default_dir = to_right <= 1 || to_right <= std::min(3, n/2) || to_right <= n/3 ? -1 : 1; - cvStartWriteStruct( fs, default_dir*(split->inversed ? -1 : 1) > 0 ? - "in" : "not_in", CV_NODE_SEQ+CV_NODE_FLOW ); + fs << (default_dir*(split.inversed ? -1 : 1) > 0 ? "in" : "not_in") << "[:"; for( i = 0; i < n; i++ ) { - int dir = CV_DTREE_CAT_DIR(i,split->subset); + int dir = CV_DTREE_CAT_DIR(i, subset); if( dir*default_dir < 0 ) - cvWriteInt( fs, 0, i ); + fs << i; } - cvEndWriteStruct( fs ); + + fs << "]"; } else - cvWriteReal( fs, !split->inversed ? "le" : "gt", split->ord.c ); + fs << (!split.inversed ? "le" : "gt") << split.c; - cvEndWriteStruct( fs ); + fs << "}"; } - -void CvDTree::write_node( CvFileStorage* fs, CvDTreeNode* node ) const +void DTreesImpl::writeNode( FileStorage& fs, int nidx, int depth ) const { - CvDTreeSplit* split; + const Node& node = nodes[nidx]; + fs << "{"; + fs << "depth" << depth; + fs << "value" << node.value; - cvStartWriteStruct( fs, 0, CV_NODE_MAP ); + if( _isClassifier ) + fs << "norm_class_idx" << node.classIdx; - cvWriteInt( fs, "depth", node->depth ); - cvWriteInt( fs, "sample_count", node->sample_count ); - cvWriteReal( fs, "value", node->value ); - - if( data->is_classifier ) - cvWriteInt( fs, "norm_class_idx", node->class_idx ); - - cvWriteInt( fs, "Tn", node->Tn ); - cvWriteInt( fs, "complexity", node->complexity ); - cvWriteReal( fs, "alpha", node->alpha ); - cvWriteReal( fs, "node_risk", node->node_risk ); - cvWriteReal( fs, "tree_risk", node->tree_risk ); - cvWriteReal( fs, "tree_error", node->tree_error ); - - if( node->left ) + if( node.split >= 0 ) { - cvStartWriteStruct( fs, "splits", CV_NODE_SEQ ); + fs << "splits" << "["; - for( split = node->split; split != 0; split = split->next ) - write_split( fs, split ); + for( int splitidx = node.split; splitidx >= 0; splitidx = splits[splitidx].next ) + writeSplit( fs, splitidx ); - cvEndWriteStruct( fs ); + fs << "]"; } - cvEndWriteStruct( fs ); + fs << "}"; } - -void CvDTree::write_tree_nodes( CvFileStorage* fs ) const +void DTreesImpl::writeTree( FileStorage& fs, int root ) const { - //CV_FUNCNAME( "CvDTree::write_tree_nodes" ); + fs << "nodes" << "["; - __BEGIN__; - - CvDTreeNode* node = root; + int nidx = root, pidx = 0, depth = 0; + const Node *node = 0; // traverse the tree and save all the nodes in depth-first order for(;;) { - CvDTreeNode* parent; for(;;) { - write_node( fs, node ); - if( !node->left ) + writeNode( fs, nidx, depth ); + node = &nodes[nidx]; + if( node->left < 0 ) break; - node = node->left; + nidx = node->left; + depth++; } - for( parent = node->parent; parent && parent->right == node; - node = parent, parent = parent->parent ) - ; + for( pidx = node->parent; pidx >= 0 && nodes[pidx].right == nidx; + nidx = pidx, pidx = nodes[pidx].parent ) + depth--; - if( !parent ) + if( pidx < 0 ) break; - node = parent->right; + nidx = nodes[pidx].right; } - __END__; + fs << "]"; } - -void CvDTree::write( CvFileStorage* fs, const char* name ) const +void DTreesImpl::write( FileStorage& fs ) const { - //CV_FUNCNAME( "CvDTree::write" ); - - __BEGIN__; - - cvStartWriteStruct( fs, name, CV_NODE_MAP, CV_TYPE_NAME_ML_TREE ); - - //get_var_importance(); - data->write_params( fs ); - //if( var_importance ) - //cvWrite( fs, "var_importance", var_importance ); - write( fs ); - - cvEndWriteStruct( fs ); - - __END__; + writeParams(fs); + writeTree(fs, roots[0]); } - -void CvDTree::write( CvFileStorage* fs ) const +void DTreesImpl::readParams( const FileNode& fn ) { - //CV_FUNCNAME( "CvDTree::write" ); + _isClassifier = (int)fn["is_classifier"] != 0; + /*int var_all = (int)fn["var_all"]; + int var_count = (int)fn["var_count"]; + int cat_var_count = (int)fn["cat_var_count"]; + int ord_var_count = (int)fn["ord_var_count"];*/ - __BEGIN__; + FileNode tparams_node = fn["training_params"]; - cvWriteInt( fs, "best_tree_idx", pruned_tree_idx ); + params0 = Params(); - cvStartWriteStruct( fs, "nodes", CV_NODE_SEQ ); - write_tree_nodes( fs ); - cvEndWriteStruct( fs ); - - __END__; -} - - -CvDTreeSplit* CvDTree::read_split( CvFileStorage* fs, CvFileNode* fnode ) -{ - CvDTreeSplit* split = 0; - - CV_FUNCNAME( "CvDTree::read_split" ); - - __BEGIN__; - - int vi, ci; - - if( !fnode || CV_NODE_TYPE(fnode->tag) != CV_NODE_MAP ) - CV_ERROR( CV_StsParseError, "some of the splits are not stored properly" ); - - vi = cvReadIntByName( fs, fnode, "var", -1 ); - if( (unsigned)vi >= (unsigned)data->var_count ) - CV_ERROR( CV_StsOutOfRange, "Split variable index is out of range" ); - - ci = data->get_var_type(vi); - if( ci >= 0 ) // split on categorical var + if( !tparams_node.empty() ) // training parameters are not necessary { - int i, n = data->cat_count->data.i[ci], inversed = 0, val; - CvSeqReader reader; - CvFileNode* inseq; - split = data->new_split_cat( vi, 0 ); - inseq = cvGetFileNodeByName( fs, fnode, "in" ); - if( !inseq ) + params0.useSurrogates = (int)tparams_node["use_surrogates"] != 0; + params0.maxCategories = (int)tparams_node["max_categories"]; + params0.regressionAccuracy = (float)tparams_node["regression_accuracy"]; + + params0.maxDepth = (int)tparams_node["max_depth"]; + params0.minSampleCount = (int)tparams_node["min_sample_count"]; + params0.CVFolds = (int)tparams_node["cross_validation_folds"]; + + if( params0.CVFolds > 1 ) { - inseq = cvGetFileNodeByName( fs, fnode, "not_in" ); - inversed = 1; + params.use1SERule = (int)tparams_node["use_1se_rule"] != 0; } - if( !inseq || - (CV_NODE_TYPE(inseq->tag) != CV_NODE_SEQ && CV_NODE_TYPE(inseq->tag) != CV_NODE_INT)) - CV_ERROR( CV_StsParseError, - "Either 'in' or 'not_in' tags should be inside a categorical split data" ); - if( CV_NODE_TYPE(inseq->tag) == CV_NODE_INT ) + tparams_node["priors"] >> params0.priors; + } + + fn["var_idx"] >> varIdx; + fn["var_type"] >> varType; + + fn["cat_ofs"] >> catOfs; + fn["cat_map"] >> catMap; + fn["missing_subst"] >> missingSubst; + fn["class_labels"] >> classLabels; + + initCompVarIdx(); + setDParams(params0); +} + +int DTreesImpl::readSplit( const FileNode& fn ) +{ + Split split; + + int vi = (int)fn["var"]; + CV_Assert( 0 <= vi && vi <= (int)varType.size() ); + split.varIdx = vi; + + if( varType[vi] == VAR_CATEGORICAL ) // split on categorical var + { + int i, val, ssize = getSubsetSize(vi); + split.subsetOfs = (int)subsets.size(); + for( i = 0; i < ssize; i++ ) + subsets.push_back(0); + int* subset = &subsets[split.subsetOfs]; + FileNode fns = fn["in"]; + if( fns.empty() ) { - val = inseq->data.i; - if( (unsigned)val >= (unsigned)n ) - CV_ERROR( CV_StsOutOfRange, "some of in/not_in elements are out of range" ); + fns = fn["not_in"]; + split.inversed = true; + } - split->subset[val >> 5] |= 1 << (val & 31); + if( fns.isInt() ) + { + val = (int)fns; + subset[val >> 5] |= 1 << (val & 31); } else { - cvStartReadSeq( inseq->data.seq, &reader ); - - for( i = 0; i < reader.seq->total; i++ ) + FileNodeIterator it = fns.begin(); + int n = (int)fns.size(); + for( i = 0; i < n; i++, ++it ) { - CvFileNode* inode = (CvFileNode*)reader.ptr; - val = inode->data.i; - if( CV_NODE_TYPE(inode->tag) != CV_NODE_INT || (unsigned)val >= (unsigned)n ) - CV_ERROR( CV_StsOutOfRange, "some of in/not_in elements are out of range" ); - - split->subset[val >> 5] |= 1 << (val & 31); - CV_NEXT_SEQ_ELEM( reader.seq->elem_size, reader ); + val = (int)*it; + subset[val >> 5] |= 1 << (val & 31); } } // for categorical splits we do not use inversed splits, // instead we inverse the variable set in the split - if( inversed ) - for( i = 0; i < (n + 31) >> 5; i++ ) - split->subset[i] ^= -1; + if( split.inversed ) + { + for( i = 0; i < ssize; i++ ) + subset[i] ^= -1; + split.inversed = false; + } } else { - CvFileNode* cmp_node; - split = data->new_split_ord( vi, 0, 0, 0, 0 ); - - cmp_node = cvGetFileNodeByName( fs, fnode, "le" ); - if( !cmp_node ) + FileNode cmpNode = fn["le"]; + if( cmpNode.empty() ) { - cmp_node = cvGetFileNodeByName( fs, fnode, "gt" ); - split->inversed = 1; + cmpNode = fn["gt"]; + split.inversed = true; } - - split->ord.c = (float)cvReadReal( cmp_node ); + split.c = (float)cmpNode; } - split->quality = (float)cvReadRealByName( fs, fnode, "quality" ); + split.quality = (float)fn["quality"]; + splits.push_back(split); - __END__; - - return split; + return (int)(splits.size() - 1); } - -CvDTreeNode* CvDTree::read_node( CvFileStorage* fs, CvFileNode* fnode, CvDTreeNode* parent ) +int DTreesImpl::readNode( const FileNode& fn ) { - CvDTreeNode* node = 0; + Node node; + node.value = (double)fn["value"]; - CV_FUNCNAME( "CvDTree::read_node" ); + if( _isClassifier ) + node.classIdx = (int)fn["norm_class_idx"]; - __BEGIN__; - - CvFileNode* splits; - int i, depth; - - if( !fnode || CV_NODE_TYPE(fnode->tag) != CV_NODE_MAP ) - CV_ERROR( CV_StsParseError, "some of the tree elements are not stored properly" ); - - CV_CALL( node = data->new_node( parent, 0, 0, 0 )); - depth = cvReadIntByName( fs, fnode, "depth", -1 ); - if( depth != node->depth ) - CV_ERROR( CV_StsParseError, "incorrect node depth" ); - - node->sample_count = cvReadIntByName( fs, fnode, "sample_count" ); - node->value = cvReadRealByName( fs, fnode, "value" ); - if( data->is_classifier ) - node->class_idx = cvReadIntByName( fs, fnode, "norm_class_idx" ); - - node->Tn = cvReadIntByName( fs, fnode, "Tn" ); - node->complexity = cvReadIntByName( fs, fnode, "complexity" ); - node->alpha = cvReadRealByName( fs, fnode, "alpha" ); - node->node_risk = cvReadRealByName( fs, fnode, "node_risk" ); - node->tree_risk = cvReadRealByName( fs, fnode, "tree_risk" ); - node->tree_error = cvReadRealByName( fs, fnode, "tree_error" ); - - splits = cvGetFileNodeByName( fs, fnode, "splits" ); - if( splits ) + FileNode sfn = fn["splits"]; + if( !sfn.empty() ) { - CvSeqReader reader; - CvDTreeSplit* last_split = 0; + int i, n = (int)sfn.size(), prevsplit = -1; + FileNodeIterator it = sfn.begin(); - if( CV_NODE_TYPE(splits->tag) != CV_NODE_SEQ ) - CV_ERROR( CV_StsParseError, "splits tag must stored as a sequence" ); - - cvStartReadSeq( splits->data.seq, &reader ); - for( i = 0; i < reader.seq->total; i++ ) + for( i = 0; i < n; i++, ++it ) { - CvDTreeSplit* split; - CV_CALL( split = read_split( fs, (CvFileNode*)reader.ptr )); - if( !last_split ) - node->split = last_split = split; + int splitidx = readSplit(*it); + if( splitidx < 0 ) + break; + if( prevsplit < 0 ) + node.split = splitidx; else - last_split = last_split->next = split; - - CV_NEXT_SEQ_ELEM( reader.seq->elem_size, reader ); + splits[prevsplit].next = splitidx; + prevsplit = splitidx; } } - - __END__; - - return node; + nodes.push_back(node); + return (int)(nodes.size() - 1); } - -void CvDTree::read_tree_nodes( CvFileStorage* fs, CvFileNode* fnode ) +int DTreesImpl::readTree( const FileNode& fn ) { - CV_FUNCNAME( "CvDTree::read_tree_nodes" ); + int i, n = (int)fn.size(), root = -1, pidx = -1; + FileNodeIterator it = fn.begin(); - __BEGIN__; - - CvSeqReader reader; - CvDTreeNode _root; - CvDTreeNode* parent = &_root; - int i; - parent->left = parent->right = parent->parent = 0; - - cvStartReadSeq( fnode->data.seq, &reader ); - - for( i = 0; i < reader.seq->total; i++ ) + for( i = 0; i < n; i++, ++it ) { - CvDTreeNode* node; - - CV_CALL( node = read_node( fs, (CvFileNode*)reader.ptr, parent != &_root ? parent : 0 )); - if( !parent->left ) - parent->left = node; - else - parent->right = node; - if( node->split ) - parent = node; + int nidx = readNode(*it); + if( nidx < 0 ) + break; + Node& node = nodes[nidx]; + node.parent = pidx; + if( pidx < 0 ) + root = nidx; else { - while( parent && parent->right ) - parent = parent->parent; + Node& parent = nodes[pidx]; + if( parent.left < 0 ) + parent.left = nidx; + else + parent.right = nidx; + } + if( node.split >= 0 ) + pidx = nidx; + else + { + while( pidx >= 0 && nodes[pidx].right >= 0 ) + pidx = nodes[pidx].parent; } - - CV_NEXT_SEQ_ELEM( reader.seq->elem_size, reader ); } - - root = _root.left; - - __END__; + roots.push_back(root); + return root; } - -void CvDTree::read( CvFileStorage* fs, CvFileNode* fnode ) +void DTreesImpl::read( const FileNode& fn ) { - CvDTreeTrainData* _data = new CvDTreeTrainData(); - _data->read_params( fs, fnode ); - - read( fs, fnode, _data ); - get_var_importance(); -} - - -// a special entry point for reading weak decision trees from the tree ensembles -void CvDTree::read( CvFileStorage* fs, CvFileNode* node, CvDTreeTrainData* _data ) -{ - CV_FUNCNAME( "CvDTree::read" ); - - __BEGIN__; - - CvFileNode* tree_nodes; - clear(); - data = _data; + readParams(fn); - tree_nodes = cvGetFileNodeByName( fs, node, "nodes" ); - if( !tree_nodes || CV_NODE_TYPE(tree_nodes->tag) != CV_NODE_SEQ ) - CV_ERROR( CV_StsParseError, "nodes tag is missing" ); - - pruned_tree_idx = cvReadIntByName( fs, node, "best_tree_idx", -1 ); - read_tree_nodes( fs, tree_nodes ); - - __END__; + FileNode fnodes = fn["nodes"]; + CV_Assert( !fnodes.empty() ); + readTree(fnodes); } -Mat CvDTree::getVarImportance() +Ptr DTrees::create(const DTrees::Params& params) { - return cvarrToMat(get_var_importance()); + Ptr p = makePtr(); + p->setDParams(params); + return p; +} + +} } /* End of file. */ diff --git a/modules/ml/test/test_emknearestkmeans.cpp b/modules/ml/test/test_emknearestkmeans.cpp index a14b636061..98b88c7011 100644 --- a/modules/ml/test/test_emknearestkmeans.cpp +++ b/modules/ml/test/test_emknearestkmeans.cpp @@ -43,6 +43,9 @@ using namespace std; using namespace cv; +using cv::ml::TrainData; +using cv::ml::EM; +using cv::ml::KNearest; static void defaultDistribs( Mat& means, vector& covs, int type=CV_32FC1 ) @@ -309,9 +312,9 @@ void CV_KNearestTest::run( int /*start_from*/ ) generateData( testData, testLabels, sizes, means, covs, CV_32FC1, CV_32FC1 ); int code = cvtest::TS::OK; - KNearest knearest; - knearest.train( trainData, trainLabels ); - knearest.find_nearest( testData, 4, &bestLabels ); + Ptr knearest = KNearest::create(true); + knearest->train(trainData, cv::ml::ROW_SAMPLE, trainLabels); + knearest->findNearest( testData, 4, bestLabels); float err; if( !calcErr( bestLabels, testLabels, sizes, err, true ) ) { @@ -373,13 +376,16 @@ int CV_EMTest::runCase( int caseIndex, const EM_Params& params, cv::Mat labels; float err; - cv::EM em(params.nclusters, params.covMatType, params.termCrit); + Ptr em; + EM::Params emp(params.nclusters, params.covMatType, params.termCrit); if( params.startStep == EM::START_AUTO_STEP ) - em.train( trainData, noArray(), labels ); + em = EM::train( trainData, noArray(), labels, noArray(), emp ); else if( params.startStep == EM::START_E_STEP ) - em.trainE( trainData, *params.means, *params.covs, *params.weights, noArray(), labels ); + em = EM::train_startWithE( trainData, *params.means, *params.covs, + *params.weights, noArray(), labels, noArray(), emp ); else if( params.startStep == EM::START_M_STEP ) - em.trainM( trainData, *params.probs, noArray(), labels ); + em = EM::train_startWithM( trainData, *params.probs, + noArray(), labels, noArray(), emp ); // check train error if( !calcErr( labels, trainLabels, sizes, err , false, false ) ) @@ -399,7 +405,7 @@ int CV_EMTest::runCase( int caseIndex, const EM_Params& params, { Mat sample = testData.row(i); Mat probs; - labels.at(i) = static_cast(em.predict( sample, probs )[1]); + labels.at(i) = static_cast(em->predict2( sample, probs )[1]); } if( !calcErr( labels, testLabels, sizes, err, false, false ) ) { @@ -446,56 +452,56 @@ void CV_EMTest::run( int /*start_from*/ ) int code = cvtest::TS::OK; int caseIndex = 0; { - params.startStep = cv::EM::START_AUTO_STEP; - params.covMatType = cv::EM::COV_MAT_GENERIC; + params.startStep = EM::START_AUTO_STEP; + params.covMatType = EM::COV_MAT_GENERIC; int currCode = runCase(caseIndex++, params, trainData, trainLabels, testData, testLabels, sizes); code = currCode == cvtest::TS::OK ? code : currCode; } { - params.startStep = cv::EM::START_AUTO_STEP; - params.covMatType = cv::EM::COV_MAT_DIAGONAL; + params.startStep = EM::START_AUTO_STEP; + params.covMatType = EM::COV_MAT_DIAGONAL; int currCode = runCase(caseIndex++, params, trainData, trainLabels, testData, testLabels, sizes); code = currCode == cvtest::TS::OK ? code : currCode; } { - params.startStep = cv::EM::START_AUTO_STEP; - params.covMatType = cv::EM::COV_MAT_SPHERICAL; + params.startStep = EM::START_AUTO_STEP; + params.covMatType = EM::COV_MAT_SPHERICAL; int currCode = runCase(caseIndex++, params, trainData, trainLabels, testData, testLabels, sizes); code = currCode == cvtest::TS::OK ? code : currCode; } { - params.startStep = cv::EM::START_M_STEP; - params.covMatType = cv::EM::COV_MAT_GENERIC; + params.startStep = EM::START_M_STEP; + params.covMatType = EM::COV_MAT_GENERIC; int currCode = runCase(caseIndex++, params, trainData, trainLabels, testData, testLabels, sizes); code = currCode == cvtest::TS::OK ? code : currCode; } { - params.startStep = cv::EM::START_M_STEP; - params.covMatType = cv::EM::COV_MAT_DIAGONAL; + params.startStep = EM::START_M_STEP; + params.covMatType = EM::COV_MAT_DIAGONAL; int currCode = runCase(caseIndex++, params, trainData, trainLabels, testData, testLabels, sizes); code = currCode == cvtest::TS::OK ? code : currCode; } { - params.startStep = cv::EM::START_M_STEP; - params.covMatType = cv::EM::COV_MAT_SPHERICAL; + params.startStep = EM::START_M_STEP; + params.covMatType = EM::COV_MAT_SPHERICAL; int currCode = runCase(caseIndex++, params, trainData, trainLabels, testData, testLabels, sizes); code = currCode == cvtest::TS::OK ? code : currCode; } { - params.startStep = cv::EM::START_E_STEP; - params.covMatType = cv::EM::COV_MAT_GENERIC; + params.startStep = EM::START_E_STEP; + params.covMatType = EM::COV_MAT_GENERIC; int currCode = runCase(caseIndex++, params, trainData, trainLabels, testData, testLabels, sizes); code = currCode == cvtest::TS::OK ? code : currCode; } { - params.startStep = cv::EM::START_E_STEP; - params.covMatType = cv::EM::COV_MAT_DIAGONAL; + params.startStep = EM::START_E_STEP; + params.covMatType = EM::COV_MAT_DIAGONAL; int currCode = runCase(caseIndex++, params, trainData, trainLabels, testData, testLabels, sizes); code = currCode == cvtest::TS::OK ? code : currCode; } { - params.startStep = cv::EM::START_E_STEP; - params.covMatType = cv::EM::COV_MAT_SPHERICAL; + params.startStep = EM::START_E_STEP; + params.covMatType = EM::COV_MAT_SPHERICAL; int currCode = runCase(caseIndex++, params, trainData, trainLabels, testData, testLabels, sizes); code = currCode == cvtest::TS::OK ? code : currCode; } @@ -511,7 +517,6 @@ protected: { int code = cvtest::TS::OK; const int nclusters = 2; - cv::EM em(nclusters); Mat samples = Mat(3,1,CV_64FC1); samples.at(0,0) = 1; @@ -520,11 +525,11 @@ protected: Mat labels; - em.train(samples, labels); + Ptr em = EM::train(samples, noArray(), labels, noArray(), EM::Params(nclusters)); Mat firstResult(samples.rows, 1, CV_32SC1); for( int i = 0; i < samples.rows; i++) - firstResult.at(i) = static_cast(em.predict(samples.row(i))[1]); + firstResult.at(i) = static_cast(em->predict2(samples.row(i), noArray())[1]); // Write out string filename = cv::tempfile(".xml"); @@ -533,7 +538,7 @@ protected: try { fs << "em" << "{"; - em.write(fs); + em->write(fs); fs << "}"; } catch(...) @@ -543,29 +548,24 @@ protected: } } - em.clear(); + em.release(); // Read in + try { - FileStorage fs = FileStorage(filename, FileStorage::READ); - CV_Assert(fs.isOpened()); - FileNode fn = fs["em"]; - try - { - em.read(fn); - } - catch(...) - { - ts->printf( cvtest::TS::LOG, "Crash in read method.\n" ); - ts->set_failed_test_info( cvtest::TS::FAIL_EXCEPTION ); - } + em = StatModel::load(filename); + } + catch(...) + { + ts->printf( cvtest::TS::LOG, "Crash in read method.\n" ); + ts->set_failed_test_info( cvtest::TS::FAIL_EXCEPTION ); } remove( filename.c_str() ); int errCaseCount = 0; for( int i = 0; i < samples.rows; i++) - errCaseCount = std::abs(em.predict(samples.row(i))[1] - firstResult.at(i)) < FLT_EPSILON ? 0 : 1; + errCaseCount = std::abs(em->predict2(samples.row(i), noArray())[1] - firstResult.at(i)) < FLT_EPSILON ? 0 : 1; if( errCaseCount > 0 ) { @@ -588,21 +588,18 @@ protected: // 1. estimates distributions of "spam" / "not spam" // 2. predict classID using Bayes classifier for estimated distributions. - CvMLData data; string dataFilename = string(ts->get_data_path()) + "spambase.data"; + Ptr data = TrainData::loadFromCSV(dataFilename, 0); - if(data.read_csv(dataFilename.c_str()) != 0) + if( data.empty() ) { ts->printf(cvtest::TS::LOG, "File with spambase dataset cann't be read.\n"); ts->set_failed_test_info(cvtest::TS::FAIL_INVALID_TEST_DATA); } - Mat values = cv::cvarrToMat(data.get_values()); - CV_Assert(values.cols == 58); - int responseIndex = 57; - - Mat samples = values.colRange(0, responseIndex); - Mat responses = values.col(responseIndex); + Mat samples = data->getSamples(); + CV_Assert(samples.cols == 57); + Mat responses = data->getResponses(); vector trainSamplesMask(samples.rows, 0); int trainSamplesCount = (int)(0.5f * samples.rows); @@ -616,7 +613,6 @@ protected: std::swap(trainSamplesMask[i1], trainSamplesMask[i2]); } - EM model0(3), model1(3); Mat samples0, samples1; for(int i = 0; i < samples.rows; i++) { @@ -630,8 +626,8 @@ protected: samples1.push_back(sample); } } - model0.train(samples0); - model1.train(samples1); + Ptr model0 = EM::train(samples0, noArray(), noArray(), noArray(), EM::Params(3)); + Ptr model1 = EM::train(samples1, noArray(), noArray(), noArray(), EM::Params(3)); Mat trainConfusionMat(2, 2, CV_32SC1, Scalar(0)), testConfusionMat(2, 2, CV_32SC1, Scalar(0)); @@ -639,8 +635,8 @@ protected: for(int i = 0; i < samples.rows; i++) { Mat sample = samples.row(i); - double sampleLogLikelihoods0 = model0.predict(sample)[0]; - double sampleLogLikelihoods1 = model1.predict(sample)[0]; + double sampleLogLikelihoods0 = model0->predict2(sample, noArray())[0]; + double sampleLogLikelihoods1 = model1->predict2(sample, noArray())[0]; int classID = sampleLogLikelihoods0 >= lambda * sampleLogLikelihoods1 ? 0 : 1; diff --git a/modules/ml/test/test_gbttest.cpp b/modules/ml/test/test_gbttest.cpp index 1e6d0fb20e..df19489f60 100644 --- a/modules/ml/test/test_gbttest.cpp +++ b/modules/ml/test/test_gbttest.cpp @@ -1,6 +1,8 @@ #include "test_precomp.hpp" +#if 0 + #include #include #include @@ -284,3 +286,5 @@ void CV_GBTreesTest::run(int) ///////////////////////////////////////////////////////////////////////////// TEST(ML_GBTrees, regression) { CV_GBTreesTest test; test.safe_run(); } + +#endif diff --git a/modules/ml/test/test_mltests.cpp b/modules/ml/test/test_mltests.cpp index e04ca98fe2..2ffa531ece 100644 --- a/modules/ml/test/test_mltests.cpp +++ b/modules/ml/test/test_mltests.cpp @@ -65,7 +65,7 @@ int CV_AMLTest::run_test_case( int testCaseIdx ) for (int k = 0; k < icount; k++) { #endif - data.mix_train_and_test_idx(); + data->shuffleTrainTest(); code = train( testCaseIdx ); #ifdef GET_STAT float case_result = get_error(); @@ -101,9 +101,10 @@ int CV_AMLTest::validate_test_results( int testCaseIdx ) { resultNode["mean"] >> mean; resultNode["sigma"] >> sigma; - float curErr = get_error( testCaseIdx, CV_TEST_ERROR ); + model->save(format("/Users/vp/tmp/dtree/testcase_%02d.cur.yml", testCaseIdx)); + float curErr = get_test_error( testCaseIdx ); const int coeff = 4; - ts->printf( cvtest::TS::LOG, "Test case = %d; test error = %f; mean error = %f (diff=%f), %d*sigma = %f", + ts->printf( cvtest::TS::LOG, "Test case = %d; test error = %f; mean error = %f (diff=%f), %d*sigma = %f\n", testCaseIdx, curErr, mean, abs( curErr - mean), coeff, coeff*sigma ); if ( abs( curErr - mean) > coeff*sigma ) { @@ -125,6 +126,6 @@ int CV_AMLTest::validate_test_results( int testCaseIdx ) TEST(ML_DTree, regression) { CV_AMLTest test( CV_DTREE ); test.safe_run(); } TEST(ML_Boost, regression) { CV_AMLTest test( CV_BOOST ); test.safe_run(); } TEST(ML_RTrees, regression) { CV_AMLTest test( CV_RTREES ); test.safe_run(); } -TEST(ML_ERTrees, regression) { CV_AMLTest test( CV_ERTREES ); test.safe_run(); } +TEST(DISABLED_ML_ERTrees, regression) { CV_AMLTest test( CV_ERTREES ); test.safe_run(); } /* End of file. */ diff --git a/modules/ml/test/test_mltests2.cpp b/modules/ml/test/test_mltests2.cpp index 560c449321..b7c5f46c6e 100644 --- a/modules/ml/test/test_mltests2.cpp +++ b/modules/ml/test/test_mltests2.cpp @@ -44,257 +44,49 @@ using namespace cv; using namespace std; -// auxiliary functions -// 1. nbayes -void nbayes_check_data( CvMLData* _data ) -{ - if( _data->get_missing() ) - CV_Error( CV_StsBadArg, "missing values are not supported" ); - const CvMat* var_types = _data->get_var_types(); - bool is_classifier = var_types->data.ptr[var_types->cols-1] == CV_VAR_CATEGORICAL; - - Mat _var_types = cvarrToMat(var_types); - if( ( fabs( cvtest::norm( _var_types, Mat::zeros(_var_types.dims, _var_types.size, _var_types.type()), CV_L1 ) - - (var_types->rows + var_types->cols - 2)*CV_VAR_ORDERED - CV_VAR_CATEGORICAL ) > FLT_EPSILON ) || - !is_classifier ) - CV_Error( CV_StsBadArg, "incorrect types of predictors or responses" ); -} -bool nbayes_train( CvNormalBayesClassifier* nbayes, CvMLData* _data ) -{ - nbayes_check_data( _data ); - const CvMat* values = _data->get_values(); - const CvMat* responses = _data->get_responses(); - const CvMat* train_sidx = _data->get_train_sample_idx(); - const CvMat* var_idx = _data->get_var_idx(); - return nbayes->train( values, responses, var_idx, train_sidx ); -} -float nbayes_calc_error( CvNormalBayesClassifier* nbayes, CvMLData* _data, int type, vector *resp ) -{ - float err = 0; - nbayes_check_data( _data ); - const CvMat* values = _data->get_values(); - const CvMat* response = _data->get_responses(); - const CvMat* sample_idx = (type == CV_TEST_ERROR) ? _data->get_test_sample_idx() : _data->get_train_sample_idx(); - int* sidx = sample_idx ? sample_idx->data.i : 0; - int r_step = CV_IS_MAT_CONT(response->type) ? - 1 : response->step / CV_ELEM_SIZE(response->type); - int sample_count = sample_idx ? sample_idx->cols : 0; - sample_count = (type == CV_TRAIN_ERROR && sample_count == 0) ? values->rows : sample_count; - float* pred_resp = 0; - if( resp && (sample_count > 0) ) - { - resp->resize( sample_count ); - pred_resp = &((*resp)[0]); - } - - for( int i = 0; i < sample_count; i++ ) - { - CvMat sample; - int si = sidx ? sidx[i] : i; - cvGetRow( values, &sample, si ); - float r = (float)nbayes->predict( &sample, 0 ); - if( pred_resp ) - pred_resp[i] = r; - int d = fabs((double)r - response->data.fl[si*r_step]) <= FLT_EPSILON ? 0 : 1; - err += d; - } - err = sample_count ? err / (float)sample_count * 100 : -FLT_MAX; - return err; -} - -// 2. knearest -void knearest_check_data_and_get_predictors( CvMLData* _data, CvMat* _predictors ) -{ - const CvMat* values = _data->get_values(); - const CvMat* var_idx = _data->get_var_idx(); - if( var_idx->cols + var_idx->rows != values->cols ) - CV_Error( CV_StsBadArg, "var_idx is not supported" ); - if( _data->get_missing() ) - CV_Error( CV_StsBadArg, "missing values are not supported" ); - int resp_idx = _data->get_response_idx(); - if( resp_idx == 0) - cvGetCols( values, _predictors, 1, values->cols ); - else if( resp_idx == values->cols - 1 ) - cvGetCols( values, _predictors, 0, values->cols - 1 ); - else - CV_Error( CV_StsBadArg, "responses must be in the first or last column; other cases are not supported" ); -} -bool knearest_train( CvKNearest* knearest, CvMLData* _data ) -{ - const CvMat* responses = _data->get_responses(); - const CvMat* train_sidx = _data->get_train_sample_idx(); - bool is_regression = _data->get_var_type( _data->get_response_idx() ) == CV_VAR_ORDERED; - CvMat predictors; - knearest_check_data_and_get_predictors( _data, &predictors ); - return knearest->train( &predictors, responses, train_sidx, is_regression ); -} -float knearest_calc_error( CvKNearest* knearest, CvMLData* _data, int k, int type, vector *resp ) -{ - float err = 0; - const CvMat* response = _data->get_responses(); - const CvMat* sample_idx = (type == CV_TEST_ERROR) ? _data->get_test_sample_idx() : _data->get_train_sample_idx(); - int* sidx = sample_idx ? sample_idx->data.i : 0; - int r_step = CV_IS_MAT_CONT(response->type) ? - 1 : response->step / CV_ELEM_SIZE(response->type); - bool is_regression = _data->get_var_type( _data->get_response_idx() ) == CV_VAR_ORDERED; - CvMat predictors; - knearest_check_data_and_get_predictors( _data, &predictors ); - int sample_count = sample_idx ? sample_idx->cols : 0; - sample_count = (type == CV_TRAIN_ERROR && sample_count == 0) ? predictors.rows : sample_count; - float* pred_resp = 0; - if( resp && (sample_count > 0) ) - { - resp->resize( sample_count ); - pred_resp = &((*resp)[0]); - } - if ( !is_regression ) - { - for( int i = 0; i < sample_count; i++ ) - { - CvMat sample; - int si = sidx ? sidx[i] : i; - cvGetRow( &predictors, &sample, si ); - float r = knearest->find_nearest( &sample, k ); - if( pred_resp ) - pred_resp[i] = r; - int d = fabs((double)r - response->data.fl[si*r_step]) <= FLT_EPSILON ? 0 : 1; - err += d; - } - err = sample_count ? err / (float)sample_count * 100 : -FLT_MAX; - } - else - { - for( int i = 0; i < sample_count; i++ ) - { - CvMat sample; - int si = sidx ? sidx[i] : i; - cvGetRow( &predictors, &sample, si ); - float r = knearest->find_nearest( &sample, k ); - if( pred_resp ) - pred_resp[i] = r; - float d = r - response->data.fl[si*r_step]; - err += d*d; - } - err = sample_count ? err / (float)sample_count : -FLT_MAX; - } - return err; -} - -// 3. svm int str_to_svm_type(String& str) { if( !str.compare("C_SVC") ) - return CvSVM::C_SVC; + return SVM::C_SVC; if( !str.compare("NU_SVC") ) - return CvSVM::NU_SVC; + return SVM::NU_SVC; if( !str.compare("ONE_CLASS") ) - return CvSVM::ONE_CLASS; + return SVM::ONE_CLASS; if( !str.compare("EPS_SVR") ) - return CvSVM::EPS_SVR; + return SVM::EPS_SVR; if( !str.compare("NU_SVR") ) - return CvSVM::NU_SVR; + return SVM::NU_SVR; CV_Error( CV_StsBadArg, "incorrect svm type string" ); return -1; } int str_to_svm_kernel_type( String& str ) { if( !str.compare("LINEAR") ) - return CvSVM::LINEAR; + return SVM::LINEAR; if( !str.compare("POLY") ) - return CvSVM::POLY; + return SVM::POLY; if( !str.compare("RBF") ) - return CvSVM::RBF; + return SVM::RBF; if( !str.compare("SIGMOID") ) - return CvSVM::SIGMOID; + return SVM::SIGMOID; CV_Error( CV_StsBadArg, "incorrect svm type string" ); return -1; } -void svm_check_data( CvMLData* _data ) + +Ptr svm_train_auto( Ptr _data, SVM::Params _params, + int k_fold, ParamGrid C_grid, ParamGrid gamma_grid, + ParamGrid p_grid, ParamGrid nu_grid, ParamGrid coef_grid, + ParamGrid degree_grid ) { - if( _data->get_missing() ) - CV_Error( CV_StsBadArg, "missing values are not supported" ); - const CvMat* var_types = _data->get_var_types(); - for( int i = 0; i < var_types->cols-1; i++ ) - if (var_types->data.ptr[i] == CV_VAR_CATEGORICAL) - { - char msg[50]; - sprintf( msg, "incorrect type of %d-predictor", i ); - CV_Error( CV_StsBadArg, msg ); - } -} -bool svm_train( CvSVM* svm, CvMLData* _data, CvSVMParams _params ) -{ - svm_check_data(_data); - const CvMat* _train_data = _data->get_values(); - const CvMat* _responses = _data->get_responses(); - const CvMat* _var_idx = _data->get_var_idx(); - const CvMat* _sample_idx = _data->get_train_sample_idx(); - return svm->train( _train_data, _responses, _var_idx, _sample_idx, _params ); -} -bool svm_train_auto( CvSVM* svm, CvMLData* _data, CvSVMParams _params, - int k_fold, CvParamGrid C_grid, CvParamGrid gamma_grid, - CvParamGrid p_grid, CvParamGrid nu_grid, CvParamGrid coef_grid, - CvParamGrid degree_grid ) -{ - svm_check_data(_data); - const CvMat* _train_data = _data->get_values(); - const CvMat* _responses = _data->get_responses(); - const CvMat* _var_idx = _data->get_var_idx(); - const CvMat* _sample_idx = _data->get_train_sample_idx(); - return svm->train_auto( _train_data, _responses, _var_idx, - _sample_idx, _params, k_fold, C_grid, gamma_grid, p_grid, nu_grid, coef_grid, degree_grid ); -} -float svm_calc_error( CvSVM* svm, CvMLData* _data, int type, vector *resp ) -{ - svm_check_data(_data); - float err = 0; - const CvMat* values = _data->get_values(); - const CvMat* response = _data->get_responses(); - const CvMat* sample_idx = (type == CV_TEST_ERROR) ? _data->get_test_sample_idx() : _data->get_train_sample_idx(); - const CvMat* var_types = _data->get_var_types(); - int* sidx = sample_idx ? sample_idx->data.i : 0; - int r_step = CV_IS_MAT_CONT(response->type) ? - 1 : response->step / CV_ELEM_SIZE(response->type); - bool is_classifier = var_types->data.ptr[var_types->cols-1] == CV_VAR_CATEGORICAL; - int sample_count = sample_idx ? sample_idx->cols : 0; - sample_count = (type == CV_TRAIN_ERROR && sample_count == 0) ? values->rows : sample_count; - float* pred_resp = 0; - if( resp && (sample_count > 0) ) - { - resp->resize( sample_count ); - pred_resp = &((*resp)[0]); - } - if ( is_classifier ) - { - for( int i = 0; i < sample_count; i++ ) - { - CvMat sample; - int si = sidx ? sidx[i] : i; - cvGetRow( values, &sample, si ); - float r = svm->predict( &sample ); - if( pred_resp ) - pred_resp[i] = r; - int d = fabs((double)r - response->data.fl[si*r_step]) <= FLT_EPSILON ? 0 : 1; - err += d; - } - err = sample_count ? err / (float)sample_count * 100 : -FLT_MAX; - } - else - { - for( int i = 0; i < sample_count; i++ ) - { - CvMat sample; - int si = sidx ? sidx[i] : i; - cvGetRow( values, &sample, si ); - float r = svm->predict( &sample ); - if( pred_resp ) - pred_resp[i] = r; - float d = r - response->data.fl[si*r_step]; - err += d*d; - } - err = sample_count ? err / (float)sample_count : -FLT_MAX; - } - return err; + Mat _train_data = _data->getSamples(); + Mat _responses = _data->getResponses(); + Mat _var_idx = _data->getVarIdx(); + Mat _sample_idx = _data->getTrainSampleIdx(); + + Ptr svm = SVM::create(_params); + if( svm->trainAuto( _data, k_fold, C_grid, gamma_grid, p_grid, nu_grid, coef_grid, degree_grid ) ) + return svm; + return Ptr(); } // 4. em @@ -302,79 +94,66 @@ float svm_calc_error( CvSVM* svm, CvMLData* _data, int type, vector *resp int str_to_ann_train_method( String& str ) { if( !str.compare("BACKPROP") ) - return CvANN_MLP_TrainParams::BACKPROP; + return ANN_MLP::Params::BACKPROP; if( !str.compare("RPROP") ) - return CvANN_MLP_TrainParams::RPROP; + return ANN_MLP::Params::RPROP; CV_Error( CV_StsBadArg, "incorrect ann train method string" ); return -1; } -void ann_check_data_and_get_predictors( CvMLData* _data, CvMat* _inputs ) + +void ann_check_data( Ptr _data ) { - const CvMat* values = _data->get_values(); - const CvMat* var_idx = _data->get_var_idx(); - if( var_idx->cols + var_idx->rows != values->cols ) + Mat values = _data->getSamples(); + Mat var_idx = _data->getVarIdx(); + int nvars = (int)var_idx.total(); + if( nvars != 0 && nvars != values.cols ) CV_Error( CV_StsBadArg, "var_idx is not supported" ); - if( _data->get_missing() ) + if( !_data->getMissing().empty() ) CV_Error( CV_StsBadArg, "missing values are not supported" ); - int resp_idx = _data->get_response_idx(); - if( resp_idx == 0) - cvGetCols( values, _inputs, 1, values->cols ); - else if( resp_idx == values->cols - 1 ) - cvGetCols( values, _inputs, 0, values->cols - 1 ); - else - CV_Error( CV_StsBadArg, "outputs must be in the first or last column; other cases are not supported" ); } -void ann_get_new_responses( CvMLData* _data, Mat& new_responses, map& cls_map ) + +// unroll the categorical responses to binary vectors +Mat ann_get_new_responses( Ptr _data, map& cls_map ) { - const CvMat* train_sidx = _data->get_train_sample_idx(); - int* train_sidx_ptr = train_sidx->data.i; - const CvMat* responses = _data->get_responses(); - float* responses_ptr = responses->data.fl; - int r_step = CV_IS_MAT_CONT(responses->type) ? - 1 : responses->step / CV_ELEM_SIZE(responses->type); + Mat train_sidx = _data->getTrainSampleIdx(); + int* train_sidx_ptr = train_sidx.ptr(); + Mat responses = _data->getResponses(); int cls_count = 0; // construct cls_map cls_map.clear(); - for( int si = 0; si < train_sidx->cols; si++ ) + int nresponses = (int)responses.total(); + int si, n = !train_sidx.empty() ? (int)train_sidx.total() : nresponses; + + for( si = 0; si < n; si++ ) { - int sidx = train_sidx_ptr[si]; - int r = cvRound(responses_ptr[sidx*r_step]); - CV_DbgAssert( fabs(responses_ptr[sidx*r_step]-r) < FLT_EPSILON ); - int cls_map_size = (int)cls_map.size(); - cls_map[r]; - if ( (int)cls_map.size() > cls_map_size ) + int sidx = train_sidx_ptr ? train_sidx_ptr[si] : si; + int r = cvRound(responses.at(sidx)); + CV_DbgAssert( fabs(responses.at(sidx) - r) < FLT_EPSILON ); + map::iterator it = cls_map.find(r); + if( it == cls_map.end() ) cls_map[r] = cls_count++; } - new_responses.create( responses->rows, cls_count, CV_32F ); - new_responses.setTo( 0 ); - for( int si = 0; si < train_sidx->cols; si++ ) + Mat new_responses = Mat::zeros( nresponses, cls_count, CV_32F ); + for( si = 0; si < n; si++ ) { - int sidx = train_sidx_ptr[si]; - int r = cvRound(responses_ptr[sidx*r_step]); + int sidx = train_sidx_ptr ? train_sidx_ptr[si] : si; + int r = cvRound(responses.at(sidx)); int cidx = cls_map[r]; - new_responses.ptr(sidx)[cidx] = 1; + new_responses.at(sidx, cidx) = 1.f; } + return new_responses; } -int ann_train( CvANN_MLP* ann, CvMLData* _data, Mat& new_responses, CvANN_MLP_TrainParams _params, int flags = 0 ) -{ - const CvMat* train_sidx = _data->get_train_sample_idx(); - CvMat predictors; - ann_check_data_and_get_predictors( _data, &predictors ); - CvMat _new_responses = CvMat( new_responses ); - return ann->train( &predictors, &_new_responses, 0, train_sidx, _params, flags ); -} -float ann_calc_error( CvANN_MLP* ann, CvMLData* _data, map& cls_map, int type , vector *resp_labels ) + +float ann_calc_error( Ptr ann, Ptr _data, map& cls_map, int type, vector *resp_labels ) { float err = 0; - const CvMat* responses = _data->get_responses(); - const CvMat* sample_idx = (type == CV_TEST_ERROR) ? _data->get_test_sample_idx() : _data->get_train_sample_idx(); - int* sidx = sample_idx ? sample_idx->data.i : 0; - int r_step = CV_IS_MAT_CONT(responses->type) ? - 1 : responses->step / CV_ELEM_SIZE(responses->type); - CvMat predictors; - ann_check_data_and_get_predictors( _data, &predictors ); - int sample_count = sample_idx ? sample_idx->cols : 0; - sample_count = (type == CV_TRAIN_ERROR && sample_count == 0) ? predictors.rows : sample_count; + Mat samples = _data->getSamples(); + Mat responses = _data->getResponses(); + Mat sample_idx = (type == CV_TEST_ERROR) ? _data->getTestSampleIdx() : _data->getTrainSampleIdx(); + int* sidx = !sample_idx.empty() ? sample_idx.ptr() : 0; + ann_check_data( _data ); + int sample_count = (int)sample_idx.total(); + sample_count = (type == CV_TRAIN_ERROR && sample_count == 0) ? samples.rows : sample_count; float* pred_resp = 0; vector innresp; if( sample_count > 0 ) @@ -392,17 +171,16 @@ float ann_calc_error( CvANN_MLP* ann, CvMLData* _data, map& cls_map, i } int cls_count = (int)cls_map.size(); Mat output( 1, cls_count, CV_32FC1 ); - CvMat _output = CvMat(output); + for( int i = 0; i < sample_count; i++ ) { - CvMat sample; int si = sidx ? sidx[i] : i; - cvGetRow( &predictors, &sample, si ); - ann->predict( &sample, &_output ); - CvPoint best_cls; - cvMinMaxLoc( &_output, 0, 0, 0, &best_cls, 0 ); - int r = cvRound(responses->data.fl[si*r_step]); - CV_DbgAssert( fabs(responses->data.fl[si*r_step]-r) < FLT_EPSILON ); + Mat sample = samples.row(si); + ann->predict( sample, output ); + Point best_cls; + minMaxLoc(output, 0, 0, 0, &best_cls, 0); + int r = cvRound(responses.at(si)); + CV_DbgAssert( fabs(responses.at(si) - r) < FLT_EPSILON ); r = cls_map[r]; int d = best_cls.x == r ? 0 : 1; err += d; @@ -417,13 +195,13 @@ float ann_calc_error( CvANN_MLP* ann, CvMLData* _data, map& cls_map, i int str_to_boost_type( String& str ) { if ( !str.compare("DISCRETE") ) - return CvBoost::DISCRETE; + return Boost::DISCRETE; if ( !str.compare("REAL") ) - return CvBoost::REAL; + return Boost::REAL; if ( !str.compare("LOGIT") ) - return CvBoost::LOGIT; + return Boost::LOGIT; if ( !str.compare("GENTLE") ) - return CvBoost::GENTLE; + return Boost::GENTLE; CV_Error( CV_StsBadArg, "incorrect boost type string" ); return -1; } @@ -446,76 +224,37 @@ CV_MLBaseTest::CV_MLBaseTest(const char* _modelName) RNG& rng = theRNG(); initSeed = rng.state; - rng.state = seeds[rng(seedCount)]; modelName = _modelName; - nbayes = 0; - knearest = 0; - svm = 0; - ann = 0; - dtree = 0; - boost = 0; - rtrees = 0; - ertrees = 0; - if( !modelName.compare(CV_NBAYES) ) - nbayes = new CvNormalBayesClassifier; - else if( !modelName.compare(CV_KNEAREST) ) - knearest = new CvKNearest; - else if( !modelName.compare(CV_SVM) ) - svm = new CvSVM; - else if( !modelName.compare(CV_ANN) ) - ann = new CvANN_MLP; - else if( !modelName.compare(CV_DTREE) ) - dtree = new CvDTree; - else if( !modelName.compare(CV_BOOST) ) - boost = new CvBoost; - else if( !modelName.compare(CV_RTREES) ) - rtrees = new CvRTrees; - else if( !modelName.compare(CV_ERTREES) ) - ertrees = new CvERTrees; } CV_MLBaseTest::~CV_MLBaseTest() { if( validationFS.isOpened() ) validationFS.release(); - if( nbayes ) - delete nbayes; - if( knearest ) - delete knearest; - if( svm ) - delete svm; - if( ann ) - delete ann; - if( dtree ) - delete dtree; - if( boost ) - delete boost; - if( rtrees ) - delete rtrees; - if( ertrees ) - delete ertrees; theRNG().state = initSeed; } -int CV_MLBaseTest::read_params( CvFileStorage* _fs ) +int CV_MLBaseTest::read_params( CvFileStorage* __fs ) { - if( !_fs ) + FileStorage _fs(__fs, false); + if( !_fs.isOpened() ) test_case_count = -1; else { - CvFileNode* fn = cvGetRootFileNode( _fs, 0 ); - fn = (CvFileNode*)cvGetSeqElem( fn->data.seq, 0 ); - fn = cvGetFileNodeByName( _fs, fn, "run_params" ); - CvSeq* dataSetNamesSeq = cvGetFileNodeByName( _fs, fn, modelName.c_str() )->data.seq; - test_case_count = dataSetNamesSeq ? dataSetNamesSeq->total : -1; + FileNode fn = _fs.getFirstTopLevelNode()["run_params"][modelName]; + test_case_count = (int)fn.size(); + if( test_case_count <= 0 ) + test_case_count = -1; if( test_case_count > 0 ) { dataSetNames.resize( test_case_count ); - vector::iterator it = dataSetNames.begin(); - for( int i = 0; i < test_case_count; i++, it++ ) - *it = ((CvFileNode*)cvGetSeqElem( dataSetNamesSeq, i ))->data.str.ptr; + FileNodeIterator it = fn.begin(); + for( int i = 0; i < test_case_count; i++, ++it ) + { + dataSetNames[i] = (string)*it; + } } } return cvtest::TS::OK;; @@ -547,8 +286,6 @@ void CV_MLBaseTest::run( int ) int CV_MLBaseTest::prepare_test_case( int test_case_idx ) { - int trainSampleCount, respIdx; - String varTypes; clear(); string dataPath = ts->get_data_path(); @@ -560,30 +297,27 @@ int CV_MLBaseTest::prepare_test_case( int test_case_idx ) string dataName = dataSetNames[test_case_idx], filename = dataPath + dataName + ".data"; - if ( data.read_csv( filename.c_str() ) != 0) - { - char msg[100]; - sprintf( msg, "file %s can not be read", filename.c_str() ); - ts->printf( cvtest::TS::LOG, msg ); - return cvtest::TS::FAIL_INVALID_TEST_DATA; - } FileNode dataParamsNode = validationFS.getFirstTopLevelNode()["validation"][modelName][dataName]["data_params"]; CV_DbgAssert( !dataParamsNode.empty() ); CV_DbgAssert( !dataParamsNode["LS"].empty() ); - dataParamsNode["LS"] >> trainSampleCount; - CvTrainTestSplit spl( trainSampleCount ); - data.set_train_test_split( &spl ); + int trainSampleCount = (int)dataParamsNode["LS"]; CV_DbgAssert( !dataParamsNode["resp_idx"].empty() ); - dataParamsNode["resp_idx"] >> respIdx; - data.set_response_idx( respIdx ); + int respIdx = (int)dataParamsNode["resp_idx"]; CV_DbgAssert( !dataParamsNode["types"].empty() ); - dataParamsNode["types"] >> varTypes; - data.set_var_types( varTypes.c_str() ); + String varTypes = (String)dataParamsNode["types"]; + data = TrainData::loadFromCSV(filename, 0, respIdx, respIdx+1, varTypes); + if( data.empty() ) + { + ts->printf( cvtest::TS::LOG, "file %s can not be read\n", filename.c_str() ); + return cvtest::TS::FAIL_INVALID_TEST_DATA; + } + + data->setTrainTestSplit(trainSampleCount); return cvtest::TS::OK; } @@ -598,114 +332,98 @@ int CV_MLBaseTest::train( int testCaseIdx ) FileNode modelParamsNode = validationFS.getFirstTopLevelNode()["validation"][modelName][dataSetNames[testCaseIdx]]["model_params"]; - if( !modelName.compare(CV_NBAYES) ) - is_trained = nbayes_train( nbayes, &data ); - else if( !modelName.compare(CV_KNEAREST) ) + if( modelName == CV_NBAYES ) + model = NormalBayesClassifier::create(); + else if( modelName == CV_KNEAREST ) { - assert( 0 ); - //is_trained = knearest->train( &data ); + model = KNearest::create(); } - else if( !modelName.compare(CV_SVM) ) + else if( modelName == CV_SVM ) { String svm_type_str, kernel_type_str; modelParamsNode["svm_type"] >> svm_type_str; modelParamsNode["kernel_type"] >> kernel_type_str; - CvSVMParams params; - params.svm_type = str_to_svm_type( svm_type_str ); - params.kernel_type = str_to_svm_kernel_type( kernel_type_str ); + SVM::Params params; + params.svmType = str_to_svm_type( svm_type_str ); + params.kernelType = str_to_svm_kernel_type( kernel_type_str ); modelParamsNode["degree"] >> params.degree; modelParamsNode["gamma"] >> params.gamma; modelParamsNode["coef0"] >> params.coef0; modelParamsNode["C"] >> params.C; modelParamsNode["nu"] >> params.nu; modelParamsNode["p"] >> params.p; - is_trained = svm_train( svm, &data, params ); + model = SVM::create(params); } - else if( !modelName.compare(CV_EM) ) + else if( modelName == CV_EM ) { assert( 0 ); } - else if( !modelName.compare(CV_ANN) ) + else if( modelName == CV_ANN ) { String train_method_str; double param1, param2; modelParamsNode["train_method"] >> train_method_str; modelParamsNode["param1"] >> param1; modelParamsNode["param2"] >> param2; - Mat new_responses; - ann_get_new_responses( &data, new_responses, cls_map ); - int layer_sz[] = { data.get_values()->cols - 1, 100, 100, (int)cls_map.size() }; - CvMat layer_sizes = - cvMat( 1, (int)(sizeof(layer_sz)/sizeof(layer_sz[0])), CV_32S, layer_sz ); - ann->create( &layer_sizes ); - is_trained = ann_train( ann, &data, new_responses, CvANN_MLP_TrainParams(cvTermCriteria(CV_TERMCRIT_ITER,300,0.01), - str_to_ann_train_method(train_method_str), param1, param2) ) >= 0; + Mat new_responses = ann_get_new_responses( data, cls_map ); + // binarize the responses + data = TrainData::create(data->getSamples(), data->getLayout(), new_responses, + data->getVarIdx(), data->getTrainSampleIdx()); + int layer_sz[] = { data->getNAllVars(), 100, 100, (int)cls_map.size() }; + Mat layer_sizes( 1, (int)(sizeof(layer_sz)/sizeof(layer_sz[0])), CV_32S, layer_sz ); + model = ANN_MLP::create(ANN_MLP::Params(layer_sizes, ANN_MLP::SIGMOID_SYM, 0, 0, + TermCriteria(TermCriteria::COUNT,300,0.01), + str_to_ann_train_method(train_method_str), param1, param2)); } - else if( !modelName.compare(CV_DTREE) ) + else if( modelName == CV_DTREE ) { int MAX_DEPTH, MIN_SAMPLE_COUNT, MAX_CATEGORIES, CV_FOLDS; float REG_ACCURACY = 0; - bool USE_SURROGATE, IS_PRUNED; + bool USE_SURROGATE = false, IS_PRUNED; modelParamsNode["max_depth"] >> MAX_DEPTH; modelParamsNode["min_sample_count"] >> MIN_SAMPLE_COUNT; - modelParamsNode["use_surrogate"] >> USE_SURROGATE; + //modelParamsNode["use_surrogate"] >> USE_SURROGATE; modelParamsNode["max_categories"] >> MAX_CATEGORIES; modelParamsNode["cv_folds"] >> CV_FOLDS; modelParamsNode["is_pruned"] >> IS_PRUNED; - is_trained = dtree->train( &data, - CvDTreeParams(MAX_DEPTH, MIN_SAMPLE_COUNT, REG_ACCURACY, USE_SURROGATE, - MAX_CATEGORIES, CV_FOLDS, false, IS_PRUNED, 0 )) != 0; + model = DTrees::create(DTrees::Params(MAX_DEPTH, MIN_SAMPLE_COUNT, REG_ACCURACY, USE_SURROGATE, + MAX_CATEGORIES, CV_FOLDS, false, IS_PRUNED, Mat() )); } - else if( !modelName.compare(CV_BOOST) ) + else if( modelName == CV_BOOST ) { int BOOST_TYPE, WEAK_COUNT, MAX_DEPTH; float WEIGHT_TRIM_RATE; - bool USE_SURROGATE; + bool USE_SURROGATE = false; String typeStr; modelParamsNode["type"] >> typeStr; BOOST_TYPE = str_to_boost_type( typeStr ); modelParamsNode["weak_count"] >> WEAK_COUNT; modelParamsNode["weight_trim_rate"] >> WEIGHT_TRIM_RATE; modelParamsNode["max_depth"] >> MAX_DEPTH; - modelParamsNode["use_surrogate"] >> USE_SURROGATE; - is_trained = boost->train( &data, - CvBoostParams(BOOST_TYPE, WEAK_COUNT, WEIGHT_TRIM_RATE, MAX_DEPTH, USE_SURROGATE, 0) ) != 0; + //modelParamsNode["use_surrogate"] >> USE_SURROGATE; + model = Boost::create( Boost::Params(BOOST_TYPE, WEAK_COUNT, WEIGHT_TRIM_RATE, MAX_DEPTH, USE_SURROGATE, Mat()) ); } - else if( !modelName.compare(CV_RTREES) ) + else if( modelName == CV_RTREES ) { int MAX_DEPTH, MIN_SAMPLE_COUNT, MAX_CATEGORIES, CV_FOLDS, NACTIVE_VARS, MAX_TREES_NUM; float REG_ACCURACY = 0, OOB_EPS = 0.0; - bool USE_SURROGATE, IS_PRUNED; + bool USE_SURROGATE = false, IS_PRUNED; modelParamsNode["max_depth"] >> MAX_DEPTH; modelParamsNode["min_sample_count"] >> MIN_SAMPLE_COUNT; - modelParamsNode["use_surrogate"] >> USE_SURROGATE; + //modelParamsNode["use_surrogate"] >> USE_SURROGATE; modelParamsNode["max_categories"] >> MAX_CATEGORIES; modelParamsNode["cv_folds"] >> CV_FOLDS; modelParamsNode["is_pruned"] >> IS_PRUNED; modelParamsNode["nactive_vars"] >> NACTIVE_VARS; modelParamsNode["max_trees_num"] >> MAX_TREES_NUM; - is_trained = rtrees->train( &data, CvRTParams( MAX_DEPTH, MIN_SAMPLE_COUNT, REG_ACCURACY, - USE_SURROGATE, MAX_CATEGORIES, 0, true, // (calc_var_importance == true) <=> RF processes variable importance - NACTIVE_VARS, MAX_TREES_NUM, OOB_EPS, CV_TERMCRIT_ITER)) != 0; - } - else if( !modelName.compare(CV_ERTREES) ) - { - int MAX_DEPTH, MIN_SAMPLE_COUNT, MAX_CATEGORIES, CV_FOLDS, NACTIVE_VARS, MAX_TREES_NUM; - float REG_ACCURACY = 0, OOB_EPS = 0.0; - bool USE_SURROGATE, IS_PRUNED; - modelParamsNode["max_depth"] >> MAX_DEPTH; - modelParamsNode["min_sample_count"] >> MIN_SAMPLE_COUNT; - modelParamsNode["use_surrogate"] >> USE_SURROGATE; - modelParamsNode["max_categories"] >> MAX_CATEGORIES; - modelParamsNode["cv_folds"] >> CV_FOLDS; - modelParamsNode["is_pruned"] >> IS_PRUNED; - modelParamsNode["nactive_vars"] >> NACTIVE_VARS; - modelParamsNode["max_trees_num"] >> MAX_TREES_NUM; - is_trained = ertrees->train( &data, CvRTParams( MAX_DEPTH, MIN_SAMPLE_COUNT, REG_ACCURACY, - USE_SURROGATE, MAX_CATEGORIES, 0, false, // (calc_var_importance == true) <=> RF processes variable importance - NACTIVE_VARS, MAX_TREES_NUM, OOB_EPS, CV_TERMCRIT_ITER)) != 0; + model = RTrees::create(RTrees::Params( MAX_DEPTH, MIN_SAMPLE_COUNT, REG_ACCURACY, + USE_SURROGATE, MAX_CATEGORIES, Mat(), true, // (calc_var_importance == true) <=> RF processes variable importance + NACTIVE_VARS, TermCriteria(TermCriteria::COUNT, MAX_TREES_NUM, OOB_EPS))); } + if( !model.empty() ) + is_trained = model->train(data, 0); + if( !is_trained ) { ts->printf( cvtest::TS::LOG, "in test case %d model training was failed", testCaseIdx ); @@ -714,78 +432,46 @@ int CV_MLBaseTest::train( int testCaseIdx ) return cvtest::TS::OK; } -float CV_MLBaseTest::get_error( int /*testCaseIdx*/, int type, vector *resp ) +float CV_MLBaseTest::get_test_error( int /*testCaseIdx*/, vector *resp ) { + int type = CV_TEST_ERROR; float err = 0; - if( !modelName.compare(CV_NBAYES) ) - err = nbayes_calc_error( nbayes, &data, type, resp ); - else if( !modelName.compare(CV_KNEAREST) ) - { + Mat _resp; + if( modelName == CV_EM ) assert( 0 ); - /*testCaseIdx = 0; - int k = 2; - validationFS.getFirstTopLevelNode()["validation"][modelName][dataSetNames[testCaseIdx]]["model_params"]["k"] >> k; - err = knearest->calc_error( &data, k, type, resp );*/ - } - else if( !modelName.compare(CV_SVM) ) - err = svm_calc_error( svm, &data, type, resp ); - else if( !modelName.compare(CV_EM) ) - assert( 0 ); - else if( !modelName.compare(CV_ANN) ) - err = ann_calc_error( ann, &data, cls_map, type, resp ); - else if( !modelName.compare(CV_DTREE) ) - err = dtree->calc_error( &data, type, resp ); - else if( !modelName.compare(CV_BOOST) ) - err = boost->calc_error( &data, type, resp ); - else if( !modelName.compare(CV_RTREES) ) - err = rtrees->calc_error( &data, type, resp ); - else if( !modelName.compare(CV_ERTREES) ) - err = ertrees->calc_error( &data, type, resp ); + else if( modelName == CV_ANN ) + err = ann_calc_error( model, data, cls_map, type, resp ); + else if( modelName == CV_DTREE || modelName == CV_BOOST || modelName == CV_RTREES || + modelName == CV_SVM || modelName == CV_NBAYES || modelName == CV_KNEAREST ) + err = model->calcError( data, true, _resp ); + if( !_resp.empty() && resp ) + _resp.convertTo(*resp, CV_32F); return err; } void CV_MLBaseTest::save( const char* filename ) { - if( !modelName.compare(CV_NBAYES) ) - nbayes->save( filename ); - else if( !modelName.compare(CV_KNEAREST) ) - knearest->save( filename ); - else if( !modelName.compare(CV_SVM) ) - svm->save( filename ); - else if( !modelName.compare(CV_ANN) ) - ann->save( filename ); - else if( !modelName.compare(CV_DTREE) ) - dtree->save( filename ); - else if( !modelName.compare(CV_BOOST) ) - boost->save( filename ); - else if( !modelName.compare(CV_RTREES) ) - rtrees->save( filename ); - else if( !modelName.compare(CV_ERTREES) ) - ertrees->save( filename ); + model->save( filename ); } void CV_MLBaseTest::load( const char* filename ) { - if( !modelName.compare(CV_NBAYES) ) - nbayes->load( filename ); - else if( !modelName.compare(CV_KNEAREST) ) - knearest->load( filename ); - else if( !modelName.compare(CV_SVM) ) - { - delete svm; - svm = new CvSVM; - svm->load( filename ); - } - else if( !modelName.compare(CV_ANN) ) - ann->load( filename ); - else if( !modelName.compare(CV_DTREE) ) - dtree->load( filename ); - else if( !modelName.compare(CV_BOOST) ) - boost->load( filename ); - else if( !modelName.compare(CV_RTREES) ) - rtrees->load( filename ); - else if( !modelName.compare(CV_ERTREES) ) - ertrees->load( filename ); + if( modelName == CV_NBAYES ) + model = StatModel::load( filename ); + else if( modelName == CV_KNEAREST ) + model = StatModel::load( filename ); + else if( modelName == CV_SVM ) + model = StatModel::load( filename ); + else if( modelName == CV_ANN ) + model = StatModel::load( filename ); + else if( modelName == CV_DTREE ) + model = StatModel::load( filename ); + else if( modelName == CV_BOOST ) + model = StatModel::load( filename ); + else if( modelName == CV_RTREES ) + model = StatModel::load( filename ); + else + CV_Error( CV_StsNotImplemented, "invalid stat model name"); } /* End of file. */ diff --git a/modules/ml/test/test_precomp.hpp b/modules/ml/test/test_precomp.hpp index e68e5513ba..329b9bd6c0 100644 --- a/modules/ml/test/test_precomp.hpp +++ b/modules/ml/test/test_precomp.hpp @@ -25,6 +25,20 @@ #define CV_RTREES "rtrees" #define CV_ERTREES "ertrees" +enum { CV_TRAIN_ERROR=0, CV_TEST_ERROR=1 }; + +using cv::Ptr; +using cv::ml::StatModel; +using cv::ml::TrainData; +using cv::ml::NormalBayesClassifier; +using cv::ml::SVM; +using cv::ml::KNearest; +using cv::ml::ParamGrid; +using cv::ml::ANN_MLP; +using cv::ml::DTrees; +using cv::ml::Boost; +using cv::ml::RTrees; + class CV_MLBaseTest : public cvtest::BaseTest { public: @@ -39,24 +53,16 @@ protected: virtual int validate_test_results( int testCaseIdx ) = 0; int train( int testCaseIdx ); - float get_error( int testCaseIdx, int type, std::vector *resp = 0 ); + float get_test_error( int testCaseIdx, std::vector *resp = 0 ); void save( const char* filename ); void load( const char* filename ); - CvMLData data; + Ptr data; std::string modelName, validationFN; std::vector dataSetNames; cv::FileStorage validationFS; - // MLL models - CvNormalBayesClassifier* nbayes; - CvKNearest* knearest; - CvSVM* svm; - CvANN_MLP* ann; - CvDTree* dtree; - CvBoost* boost; - CvRTrees* rtrees; - CvERTrees* ertrees; + Ptr model; std::map cls_map; @@ -67,6 +73,7 @@ class CV_AMLTest : public CV_MLBaseTest { public: CV_AMLTest( const char* _modelName ); + virtual ~CV_AMLTest() {} protected: virtual int run_test_case( int testCaseIdx ); virtual int validate_test_results( int testCaseIdx ); @@ -76,6 +83,7 @@ class CV_SLMLTest : public CV_MLBaseTest { public: CV_SLMLTest( const char* _modelName ); + virtual ~CV_SLMLTest() {} protected: virtual int run_test_case( int testCaseIdx ); virtual int validate_test_results( int testCaseIdx ); diff --git a/modules/ml/test/test_save_load.cpp b/modules/ml/test/test_save_load.cpp index 8b58ce534a..bef2fd0e1c 100644 --- a/modules/ml/test/test_save_load.cpp +++ b/modules/ml/test/test_save_load.cpp @@ -59,20 +59,20 @@ int CV_SLMLTest::run_test_case( int testCaseIdx ) if( code == cvtest::TS::OK ) { - data.mix_train_and_test_idx(); - code = train( testCaseIdx ); - if( code == cvtest::TS::OK ) - { - get_error( testCaseIdx, CV_TEST_ERROR, &test_resps1 ); - fname1 = tempfile(".yml.gz"); - save( fname1.c_str() ); - load( fname1.c_str() ); - get_error( testCaseIdx, CV_TEST_ERROR, &test_resps2 ); - fname2 = tempfile(".yml.gz"); - save( fname2.c_str() ); - } - else - ts->printf( cvtest::TS::LOG, "model can not be trained" ); + data->setTrainTestSplit(data->getNTrainSamples(), true); + code = train( testCaseIdx ); + if( code == cvtest::TS::OK ) + { + get_test_error( testCaseIdx, &test_resps1 ); + fname1 = tempfile(".yml.gz"); + save( fname1.c_str() ); + load( fname1.c_str() ); + get_test_error( testCaseIdx, &test_resps2 ); + fname2 = tempfile(".yml.gz"); + save( fname2.c_str() ); + } + else + ts->printf( cvtest::TS::LOG, "model can not be trained" ); } return code; } @@ -130,15 +130,19 @@ int CV_SLMLTest::validate_test_results( int testCaseIdx ) remove( fname2.c_str() ); } - // 2. compare responses - CV_Assert( test_resps1.size() == test_resps2.size() ); - vector::const_iterator it1 = test_resps1.begin(), it2 = test_resps2.begin(); - for( ; it1 != test_resps1.end(); ++it1, ++it2 ) + if( code >= 0 ) { - if( fabs(*it1 - *it2) > FLT_EPSILON ) + // 2. compare responses + CV_Assert( test_resps1.size() == test_resps2.size() ); + vector::const_iterator it1 = test_resps1.begin(), it2 = test_resps2.begin(); + for( ; it1 != test_resps1.end(); ++it1, ++it2 ) { - ts->printf( cvtest::TS::LOG, "in test case %d responses predicted before saving and after loading is different", testCaseIdx ); - code = cvtest::TS::FAIL_INVALID_OUTPUT; + if( fabs(*it1 - *it2) > FLT_EPSILON ) + { + ts->printf( cvtest::TS::LOG, "in test case %d responses predicted before saving and after loading is different", testCaseIdx ); + code = cvtest::TS::FAIL_INVALID_OUTPUT; + break; + } } } return code; @@ -152,40 +156,41 @@ TEST(ML_ANN, save_load) { CV_SLMLTest test( CV_ANN ); test.safe_run(); } TEST(ML_DTree, save_load) { CV_SLMLTest test( CV_DTREE ); test.safe_run(); } TEST(ML_Boost, save_load) { CV_SLMLTest test( CV_BOOST ); test.safe_run(); } TEST(ML_RTrees, save_load) { CV_SLMLTest test( CV_RTREES ); test.safe_run(); } -TEST(ML_ERTrees, save_load) { CV_SLMLTest test( CV_ERTREES ); test.safe_run(); } +TEST(DISABLED_ML_ERTrees, save_load) { CV_SLMLTest test( CV_ERTREES ); test.safe_run(); } -TEST(ML_SVM, throw_exception_when_save_untrained_model) +/*TEST(ML_SVM, throw_exception_when_save_untrained_model) { - SVM svm; + Ptr svm; string filename = tempfile("svm.xml"); ASSERT_THROW(svm.save(filename.c_str()), Exception); remove(filename.c_str()); -} +}*/ TEST(DISABLED_ML_SVM, linear_save_load) { - CvSVM svm1, svm2, svm3; - svm1.load("SVM45_X_38-1.xml"); - svm2.load("SVM45_X_38-2.xml"); + Ptr svm1, svm2, svm3; + + svm1 = StatModel::load("SVM45_X_38-1.xml"); + svm2 = StatModel::load("SVM45_X_38-2.xml"); string tname = tempfile("a.xml"); - svm2.save(tname.c_str()); - svm3.load(tname.c_str()); + svm2->save(tname); + svm3 = StatModel::load(tname); - ASSERT_EQ(svm1.get_var_count(), svm2.get_var_count()); - ASSERT_EQ(svm1.get_var_count(), svm3.get_var_count()); + ASSERT_EQ(svm1->getVarCount(), svm2->getVarCount()); + ASSERT_EQ(svm1->getVarCount(), svm3->getVarCount()); - int m = 10000, n = svm1.get_var_count(); + int m = 10000, n = svm1->getVarCount(); Mat samples(m, n, CV_32F), r1, r2, r3; randu(samples, 0., 1.); - svm1.predict(samples, r1); - svm2.predict(samples, r2); - svm3.predict(samples, r3); + svm1->predict(samples, r1); + svm2->predict(samples, r2); + svm3->predict(samples, r3); double eps = 1e-4; - EXPECT_LE(cvtest::norm(r1, r2, NORM_INF), eps); - EXPECT_LE(cvtest::norm(r1, r3, NORM_INF), eps); + EXPECT_LE(norm(r1, r2, NORM_INF), eps); + EXPECT_LE(norm(r1, r3, NORM_INF), eps); remove(tname.c_str()); } diff --git a/modules/nonfree/src/surf.ocl.cpp b/modules/nonfree/src/surf.ocl.cpp index eaf50fbc74..f46fc500f2 100644 --- a/modules/nonfree/src/surf.ocl.cpp +++ b/modules/nonfree/src/surf.ocl.cpp @@ -47,7 +47,7 @@ #include #include -#include "opencl_kernels.hpp" +#include "opencl_kernels_nonfree.hpp" namespace cv { diff --git a/modules/objdetect/perf/opencl/perf_cascades.cpp b/modules/objdetect/perf/opencl/perf_cascades.cpp index dd61cdb668..7cd1112a5d 100644 --- a/modules/objdetect/perf/opencl/perf_cascades.cpp +++ b/modules/objdetect/perf/opencl/perf_cascades.cpp @@ -1,4 +1,4 @@ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include #include "opencv2/ts/ocl_perf.hpp" diff --git a/modules/objdetect/perf/opencl/perf_hogdetect.cpp b/modules/objdetect/perf/opencl/perf_hogdetect.cpp index 36ab857c8b..7c107a962d 100644 --- a/modules/objdetect/perf/opencl/perf_hogdetect.cpp +++ b/modules/objdetect/perf/opencl/perf_hogdetect.cpp @@ -44,7 +44,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/objdetect/src/cascadedetect.cpp b/modules/objdetect/src/cascadedetect.cpp index 2d5c0795dc..70311d91fe 100644 --- a/modules/objdetect/src/cascadedetect.cpp +++ b/modules/objdetect/src/cascadedetect.cpp @@ -44,7 +44,7 @@ #include "cascadedetect.hpp" #include "opencv2/objdetect/objdetect_c.h" -#include "opencl_kernels.hpp" +#include "opencl_kernels_objdetect.hpp" namespace cv { diff --git a/modules/objdetect/src/hog.cpp b/modules/objdetect/src/hog.cpp index a84c00d051..7230954dc6 100644 --- a/modules/objdetect/src/hog.cpp +++ b/modules/objdetect/src/hog.cpp @@ -42,7 +42,7 @@ #include "precomp.hpp" #include "opencv2/core/core_c.h" -#include "opencl_kernels.hpp" +#include "opencl_kernels_objdetect.hpp" #include #include diff --git a/modules/objdetect/test/opencl/test_hogdetector.cpp b/modules/objdetect/test/opencl/test_hogdetector.cpp index b3ef6b48fb..eb666cb1c8 100644 --- a/modules/objdetect/test/opencl/test_hogdetector.cpp +++ b/modules/objdetect/test/opencl/test_hogdetector.cpp @@ -50,7 +50,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL diff --git a/modules/photo/perf/opencl/perf_denoising.cpp b/modules/photo/perf/opencl/perf_denoising.cpp index a2ee9178a1..14ffa3a15a 100644 --- a/modules/photo/perf/opencl/perf_denoising.cpp +++ b/modules/photo/perf/opencl/perf_denoising.cpp @@ -5,7 +5,7 @@ // Copyright (C) 2014, Advanced Micro Devices, Inc., all rights reserved. // Third party copyrights are property of their respective owners. -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/photo/src/fast_nlmeans_denoising_opencl.hpp b/modules/photo/src/fast_nlmeans_denoising_opencl.hpp index 2ec9b94878..ae173905d8 100644 --- a/modules/photo/src/fast_nlmeans_denoising_opencl.hpp +++ b/modules/photo/src/fast_nlmeans_denoising_opencl.hpp @@ -5,11 +5,11 @@ // Copyright (C) 2014, Advanced Micro Devices, Inc., all rights reserved. // Third party copyrights are property of their respective owners. +#include "precomp.hpp" #ifndef __OPENCV_FAST_NLMEANS_DENOISING_OPENCL_HPP__ #define __OPENCV_FAST_NLMEANS_DENOISING_OPENCL_HPP__ -#include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_photo.hpp" #ifdef HAVE_OPENCL diff --git a/modules/photo/test/ocl/test_denoising.cpp b/modules/photo/test/ocl/test_denoising.cpp index b533399ccd..cb2d74f850 100644 --- a/modules/photo/test/ocl/test_denoising.cpp +++ b/modules/photo/test/ocl/test_denoising.cpp @@ -5,7 +5,7 @@ // Copyright (C) 2014, Advanced Micro Devices, Inc., all rights reserved. // Third party copyrights are property of their respective owners. -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL diff --git a/modules/python/CMakeLists.txt b/modules/python/CMakeLists.txt index 66ac1addd6..5339efecf0 100644 --- a/modules/python/CMakeLists.txt +++ b/modules/python/CMakeLists.txt @@ -2,141 +2,17 @@ # CMake file for python support # ---------------------------------------------------------------------------- -if(WIN32 AND CMAKE_BUILD_TYPE STREQUAL "Debug") - ocv_module_disable(python) -endif() - -if(ANDROID OR IOS OR NOT PYTHONLIBS_FOUND OR NOT PYTHON_NUMPY_INCLUDE_DIRS) - ocv_module_disable(python) -endif() - -set(the_description "The python bindings") - -set(candidate_deps "") -foreach(mp ${OPENCV_MODULES_PATH} ${OPENCV_EXTRA_MODULES_PATH}) - file(GLOB names "${mp}/*") - foreach(m IN LISTS names) - if(IS_DIRECTORY ${m}) - get_filename_component(m ${m} NAME) - list(APPEND candidate_deps "opencv_${m}") - endif() - endforeach(m) -endforeach(mp) - -# module blacklist -ocv_list_filterout(candidate_deps "^opencv_cud(a|ev)") -ocv_list_filterout(candidate_deps "^opencv_adas$") -ocv_list_filterout(candidate_deps "^opencv_tracking$") - - -ocv_add_module(python BINDINGS OPTIONAL ${candidate_deps}) - -ocv_module_include_directories( - "${PYTHON_INCLUDE_PATH}" - ${PYTHON_NUMPY_INCLUDE_DIRS} - "${CMAKE_CURRENT_SOURCE_DIR}/src2" +if((WIN32 AND CMAKE_BUILD_TYPE STREQUAL "Debug") + OR BUILD_opencv_world ) - - -set(opencv_hdrs "") -foreach(m IN LISTS OPENCV_MODULE_opencv_python_DEPS) - list(APPEND opencv_hdrs ${OPENCV_MODULE_${m}_HEADERS}) -endforeach(m) - -# header blacklist -ocv_list_filterout(opencv_hdrs ".h$") -ocv_list_filterout(opencv_hdrs "opencv2/core/cuda") -ocv_list_filterout(opencv_hdrs "opencv2/objdetect/detection_based_tracker.hpp") -ocv_list_filterout(opencv_hdrs "opencv2/optim.hpp") - -set(cv2_generated_hdrs - "${CMAKE_CURRENT_BINARY_DIR}/pyopencv_generated_include.h" - "${CMAKE_CURRENT_BINARY_DIR}/pyopencv_generated_funcs.h" - "${CMAKE_CURRENT_BINARY_DIR}/pyopencv_generated_func_tab.h" - "${CMAKE_CURRENT_BINARY_DIR}/pyopencv_generated_types.h" - "${CMAKE_CURRENT_BINARY_DIR}/pyopencv_generated_type_reg.h" - "${CMAKE_CURRENT_BINARY_DIR}/pyopencv_generated_const_reg.h") - -file(WRITE "${CMAKE_CURRENT_BINARY_DIR}/headers.txt" "${opencv_hdrs}") -add_custom_command( - OUTPUT ${cv2_generated_hdrs} - COMMAND ${PYTHON_EXECUTABLE} "${CMAKE_CURRENT_SOURCE_DIR}/src2/gen2.py" ${CMAKE_CURRENT_BINARY_DIR} "${CMAKE_CURRENT_BINARY_DIR}/headers.txt" - DEPENDS ${CMAKE_CURRENT_SOURCE_DIR}/src2/gen2.py - DEPENDS ${CMAKE_CURRENT_SOURCE_DIR}/src2/hdr_parser.py - DEPENDS ${CMAKE_CURRENT_BINARY_DIR}/headers.txt - DEPENDS ${opencv_hdrs}) - -add_library(${the_module} SHARED src2/cv2.cpp ${cv2_generated_hdrs}) -set_target_properties(${the_module} PROPERTIES COMPILE_DEFINITIONS OPENCV_NOSTL) - -if(PYTHON_DEBUG_LIBRARIES AND NOT PYTHON_LIBRARIES MATCHES "optimized.*debug") - target_link_libraries(${the_module} debug ${PYTHON_DEBUG_LIBRARIES} optimized ${PYTHON_LIBRARIES}) -else() - target_link_libraries(${the_module} ${PYTHON_LIBRARIES}) -endif() -target_link_libraries(${the_module} ${OPENCV_MODULE_${the_module}_DEPS}) - -execute_process(COMMAND ${PYTHON_EXECUTABLE} -c "import distutils.sysconfig; print(distutils.sysconfig.get_config_var('SO'))" - RESULT_VARIABLE PYTHON_CVPY_PROCESS - OUTPUT_VARIABLE CVPY_SUFFIX - OUTPUT_STRIP_TRAILING_WHITESPACE) - -set_target_properties(${the_module} PROPERTIES - PREFIX "" - OUTPUT_NAME cv2 - SUFFIX ${CVPY_SUFFIX}) - -if(ENABLE_SOLUTION_FOLDERS) - set_target_properties(${the_module} PROPERTIES FOLDER "bindings") + ocv_module_disable(python2) + ocv_module_disable(python3) endif() -if(MSVC) - add_definitions(-DCVAPI_EXPORTS) +if(ANDROID OR IOS) + ocv_module_disable(python2) + ocv_module_disable(python3) endif() -if(CMAKE_COMPILER_IS_GNUCXX AND NOT ENABLE_NOISY_WARNINGS) - set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -Wno-unused-function") -endif() - -if(MSVC AND NOT ENABLE_NOISY_WARNINGS) - set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} /wd4100") #unreferenced formal parameter - set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} /wd4127") #conditional expression is constant - set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} /wd4505") #unreferenced local function has been removed - string(REPLACE "/W4" "/W3" CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS}") -endif() - -if(MSVC AND NOT BUILD_SHARED_LIBS) - set_target_properties(${the_module} PROPERTIES LINK_FLAGS "/NODEFAULTLIB:atlthunk.lib /NODEFAULTLIB:atlsd.lib /DEBUG") -endif() - -if(MSVC AND NOT PYTHON_DEBUG_LIBRARIES) - set(PYTHON_INSTALL_CONFIGURATIONS CONFIGURATIONS Release) -else() - set(PYTHON_INSTALL_CONFIGURATIONS "") -endif() - -if(WIN32) - set(PYTHON_INSTALL_ARCHIVE "") -else() - set(PYTHON_INSTALL_ARCHIVE ARCHIVE DESTINATION ${PYTHON_PACKAGES_PATH} COMPONENT python) -endif() - -if(NOT INSTALL_CREATE_DISTRIB) - install(TARGETS ${the_module} - ${PYTHON_INSTALL_CONFIGURATIONS} - RUNTIME DESTINATION ${PYTHON_PACKAGES_PATH} COMPONENT python - LIBRARY DESTINATION ${PYTHON_PACKAGES_PATH} COMPONENT python - ${PYTHON_INSTALL_ARCHIVE} - ) -else() - if(DEFINED PYTHON_VERSION_MAJOR) - set(__ver "${PYTHON_VERSION_MAJOR}.${PYTHON_VERSION_MINOR}") - else() - set(__ver "unknown") - endif() - install(TARGETS ${the_module} - CONFIGURATIONS Release - RUNTIME DESTINATION python/${__ver}/${OpenCV_ARCH} COMPONENT python - LIBRARY DESTINATION python/${__ver}/${OpenCV_ARCH} COMPONENT python - ) -endif() +add_subdirectory(python2) +add_subdirectory(python3) diff --git a/modules/python/common.cmake b/modules/python/common.cmake new file mode 100644 index 0000000000..b7512981dc --- /dev/null +++ b/modules/python/common.cmake @@ -0,0 +1,141 @@ +# This file is included from a subdirectory +set(PYTHON_SOURCE_DIR "${CMAKE_CURRENT_SOURCE_DIR}/../") + +set(candidate_deps "") +foreach(mp ${OPENCV_MODULES_PATH} ${OPENCV_EXTRA_MODULES_PATH}) + file(GLOB names "${mp}/*") + foreach(m IN LISTS names) + if(IS_DIRECTORY ${m}) + get_filename_component(m ${m} NAME) + list(APPEND candidate_deps "opencv_${m}") + endif() + endforeach(m) +endforeach(mp) + +# module blacklist +ocv_list_filterout(candidate_deps "^opencv_cud(a|ev)") +ocv_list_filterout(candidate_deps "^opencv_adas$") +ocv_list_filterout(candidate_deps "^opencv_face$") +ocv_list_filterout(candidate_deps "^opencv_matlab$") +ocv_list_filterout(candidate_deps "^opencv_tracking$") +ocv_list_filterout(candidate_deps "^opencv_optflow$") +ocv_list_filterout(candidate_deps "^opencv_bgsegm$") + +ocv_add_module(${MODULE_NAME} BINDINGS OPTIONAL ${candidate_deps}) + +ocv_module_include_directories( + "${PYTHON_INCLUDE_PATH}" + ${PYTHON_NUMPY_INCLUDE_DIRS} + "${PYTHON_SOURCE_DIR}/src2" + ) + +set(opencv_hdrs "") +foreach(m IN LISTS OPENCV_MODULE_opencv_${MODULE_NAME}_DEPS) + list(APPEND opencv_hdrs ${OPENCV_MODULE_${m}_HEADERS}) +endforeach(m) + +# header blacklist +ocv_list_filterout(opencv_hdrs ".h$") +ocv_list_filterout(opencv_hdrs "cuda") +ocv_list_filterout(opencv_hdrs "cudev") +ocv_list_filterout(opencv_hdrs "opencv2/objdetect/detection_based_tracker.hpp") +ocv_list_filterout(opencv_hdrs "opencv2/optim.hpp") + +set(cv2_generated_hdrs + "${CMAKE_CURRENT_BINARY_DIR}/pyopencv_generated_include.h" + "${CMAKE_CURRENT_BINARY_DIR}/pyopencv_generated_funcs.h" + "${CMAKE_CURRENT_BINARY_DIR}/pyopencv_generated_func_tab.h" + "${CMAKE_CURRENT_BINARY_DIR}/pyopencv_generated_types.h" + "${CMAKE_CURRENT_BINARY_DIR}/pyopencv_generated_type_reg.h" + "${CMAKE_CURRENT_BINARY_DIR}/pyopencv_generated_const_reg.h") + +file(WRITE "${CMAKE_CURRENT_BINARY_DIR}/headers.txt" "${opencv_hdrs}") +add_custom_command( + OUTPUT ${cv2_generated_hdrs} + COMMAND ${PYTHON_EXECUTABLE} "${PYTHON_SOURCE_DIR}/src2/gen2.py" ${CMAKE_CURRENT_BINARY_DIR} "${CMAKE_CURRENT_BINARY_DIR}/headers.txt" + DEPENDS ${PYTHON_SOURCE_DIR}/src2/gen2.py + DEPENDS ${PYTHON_SOURCE_DIR}/src2/hdr_parser.py + DEPENDS ${CMAKE_CURRENT_BINARY_DIR}/headers.txt + DEPENDS ${opencv_hdrs}) + +ocv_add_library(${the_module} SHARED ${PYTHON_SOURCE_DIR}/src2/cv2.cpp ${cv2_generated_hdrs}) +set_target_properties(${the_module} PROPERTIES COMPILE_DEFINITIONS OPENCV_NOSTL) + +if(PYTHON_DEBUG_LIBRARIES AND NOT PYTHON_LIBRARIES MATCHES "optimized.*debug") + ocv_target_link_libraries(${the_module} debug ${PYTHON_DEBUG_LIBRARIES} optimized ${PYTHON_LIBRARIES}) +else() + ocv_target_link_libraries(${the_module} ${PYTHON_LIBRARIES}) +endif() +ocv_target_link_libraries(${the_module} ${OPENCV_MODULE_${the_module}_DEPS}) + +execute_process(COMMAND ${PYTHON_EXECUTABLE} -c "import distutils.sysconfig; print(distutils.sysconfig.get_config_var('SO'))" + RESULT_VARIABLE PYTHON_CVPY_PROCESS + OUTPUT_VARIABLE CVPY_SUFFIX + OUTPUT_STRIP_TRAILING_WHITESPACE) + +set_target_properties(${the_module} PROPERTIES + LIBRARY_OUTPUT_DIRECTORY "${LIBRARY_OUTPUT_PATH}/${MODULE_INSTALL_SUBDIR}" + PREFIX "" + OUTPUT_NAME cv2 + SUFFIX ${CVPY_SUFFIX}) + +if(ENABLE_SOLUTION_FOLDERS) + set_target_properties(${the_module} PROPERTIES FOLDER "bindings") +endif() + +if(MSVC) + add_definitions(-DCVAPI_EXPORTS) +endif() + +if(CMAKE_COMPILER_IS_GNUCXX AND NOT ENABLE_NOISY_WARNINGS) + set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} -Wno-unused-function") +endif() + +if(MSVC AND NOT ENABLE_NOISY_WARNINGS) + set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} /wd4100") #unreferenced formal parameter + set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} /wd4127") #conditional expression is constant + set(CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS} /wd4505") #unreferenced local function has been removed + string(REPLACE "/W4" "/W3" CMAKE_CXX_FLAGS "${CMAKE_CXX_FLAGS}") +endif() + +if(MSVC AND NOT BUILD_SHARED_LIBS) + set_target_properties(${the_module} PROPERTIES LINK_FLAGS "/NODEFAULTLIB:atlthunk.lib /NODEFAULTLIB:atlsd.lib /DEBUG") +endif() + +if(MSVC AND NOT PYTHON_DEBUG_LIBRARIES) + set(PYTHON_INSTALL_CONFIGURATIONS CONFIGURATIONS Release) +else() + set(PYTHON_INSTALL_CONFIGURATIONS "") +endif() + +if(WIN32) + set(PYTHON_INSTALL_ARCHIVE "") +else() + set(PYTHON_INSTALL_ARCHIVE ARCHIVE DESTINATION ${PYTHON_PACKAGES_PATH} COMPONENT python) +endif() + +if(NOT INSTALL_CREATE_DISTRIB) + install(TARGETS ${the_module} + ${PYTHON_INSTALL_CONFIGURATIONS} + RUNTIME DESTINATION ${PYTHON_PACKAGES_PATH} COMPONENT python + LIBRARY DESTINATION ${PYTHON_PACKAGES_PATH} COMPONENT python + ${PYTHON_INSTALL_ARCHIVE} + ) +else() + if(DEFINED PYTHON_VERSION_MAJOR) + set(__ver "${PYTHON_VERSION_MAJOR}.${PYTHON_VERSION_MINOR}") + else() + set(__ver "unknown") + endif() + install(TARGETS ${the_module} + CONFIGURATIONS Release + RUNTIME DESTINATION python/${__ver}/${OpenCV_ARCH} COMPONENT python + LIBRARY DESTINATION python/${__ver}/${OpenCV_ARCH} COMPONENT python + ) +endif() + +unset(PYTHON_SRC_DIR) +unset(PYTHON_CVPY_PROCESS) +unset(CVPY_SUFFIX) +unset(PYTHON_INSTALL_CONFIGURATIONS) +unset(PYTHON_INSTALL_ARCHIVE) diff --git a/modules/python/python2/CMakeLists.txt b/modules/python/python2/CMakeLists.txt new file mode 100644 index 0000000000..158763ec50 --- /dev/null +++ b/modules/python/python2/CMakeLists.txt @@ -0,0 +1,30 @@ +if(NOT PYTHON2LIBS_FOUND OR NOT PYTHON2_NUMPY_INCLUDE_DIRS) + ocv_module_disable(python2) +endif() + +set(the_description "The python2 bindings") +set(MODULE_NAME python2) +# Buildbot requires Python 2 to be in root lib dir +set(MODULE_INSTALL_SUBDIR "") + +set(PYTHON_INCLUDE_PATH ${PYTHON2_INCLUDE_PATH}) +set(PYTHON_NUMPY_INCLUDE_DIRS ${PYTHON2_NUMPY_INCLUDE_DIRS}) +set(PYTHON_EXECUTABLE ${PYTHON2_EXECUTABLE}) +set(PYTHON_DEBUG_LIBRARIES ${PYTHON2_DEBUG_LIBRARIES}) +set(PYTHON_LIBRARIES ${PYTHON2_LIBRARIES}) +set(PYTHON_PACKAGES_PATH ${PYTHON2_PACKAGES_PATH}) +set(PYTHON_VERSION_MAJOR ${PYTHON2_VERSION_MAJOR}) +set(PYTHON_VERSION_MINOR ${PYTHON2_VERSION_MINOR}) + +include(../common.cmake) + +unset(MODULE_NAME) +unset(MODULE_INSTALL_SUBDIR) +unset(PYTHON_INCLUDE_PATH) +unset(PYTHON_NUMPY_INCLUDE_DIRS) +unset(PYTHON_EXECUTABLE) +unset(PYTHON_DEBUG_LIBRARIES) +unset(PYTHON_LIBRARIES) +unset(PYTHON_PACKAGES_PATH) +unset(PYTHON_VERSION_MAJOR) +unset(PYTHON_VERSION_MINOR) diff --git a/modules/python/python3/CMakeLists.txt b/modules/python/python3/CMakeLists.txt new file mode 100644 index 0000000000..4b6fe4f141 --- /dev/null +++ b/modules/python/python3/CMakeLists.txt @@ -0,0 +1,29 @@ +if(NOT PYTHON3LIBS_FOUND OR NOT PYTHON3_NUMPY_INCLUDE_DIRS) + ocv_module_disable(python3) +endif() + +set(the_description "The python3 bindings") +set(MODULE_NAME python3) +set(MODULE_INSTALL_SUBDIR python3) + +set(PYTHON_INCLUDE_PATH ${PYTHON3_INCLUDE_PATH}) +set(PYTHON_NUMPY_INCLUDE_DIRS ${PYTHON3_NUMPY_INCLUDE_DIRS}) +set(PYTHON_EXECUTABLE ${PYTHON3_EXECUTABLE}) +set(PYTHON_DEBUG_LIBRARIES ${PYTHON3_DEBUG_LIBRARIES}) +set(PYTHON_LIBRARIES ${PYTHON3_LIBRARIES}) +set(PYTHON_PACKAGES_PATH ${PYTHON3_PACKAGES_PATH}) +set(PYTHON_VERSION_MAJOR ${PYTHON3_VERSION_MAJOR}) +set(PYTHON_VERSION_MINOR ${PYTHON3_VERSION_MINOR}) + +include(../common.cmake) + +unset(MODULE_NAME) +unset(MODULE_INSTALL_SUBDIR) +unset(PYTHON_INCLUDE_PATH) +unset(PYTHON_NUMPY_INCLUDE_DIRS) +unset(PYTHON_EXECUTABLE) +unset(PYTHON_DEBUG_LIBRARIES) +unset(PYTHON_LIBRARIES) +unset(PYTHON_PACKAGES_PATH) +unset(PYTHON_VERSION_MAJOR) +unset(PYTHON_VERSION_MINOR) diff --git a/modules/python/src2/cv2.cpp b/modules/python/src2/cv2.cpp index 622d24e64b..0bd914a248 100644 --- a/modules/python/src2/cv2.cpp +++ b/modules/python/src2/cv2.cpp @@ -10,6 +10,7 @@ #include #include "pyopencv_generated_include.h" +#include "opencv2/core/types_c.h" #include "opencv2/opencv_modules.hpp" @@ -375,6 +376,12 @@ static bool pyopencv_to(PyObject* o, Mat& m, const ArgInfo info) return true; } +template<> +bool pyopencv_to(PyObject* o, Mat& m, const char* name) +{ + return pyopencv_to(o, m, ArgInfo(name, 0)); +} + template<> PyObject* pyopencv_from(const Mat& m) { @@ -1089,14 +1096,6 @@ bool pyopencv_to(PyObject* obj, CvSlice& r, const char* name) return PyArg_ParseTuple(obj, "ii", &r.start_index, &r.end_index) > 0; } -template<> -PyObject* pyopencv_from(CvDTreeNode* const & node) -{ - double value = node->value; - int ivalue = cvRound(value); - return value == ivalue ? PyInt_FromLong(ivalue) : PyFloat_FromDouble(value); -} - //////////////////////////////////////////////////////////////////////////////////////////////////// static void OnMouse(int event, int x, int y, int flags, void* param) diff --git a/modules/python/src2/gen2.py b/modules/python/src2/gen2.py index 684b80f4e8..3dc2329c5a 100755 --- a/modules/python/src2/gen2.py +++ b/modules/python/src2/gen2.py @@ -267,7 +267,7 @@ class ClassInfo(object): #return sys.exit(-1) if self.bases and self.bases[0].startswith("cv::"): self.bases[0] = self.bases[0][4:] - if self.bases and self.bases[0] == "Algorithm": + if self.bases and self.bases[0] == "cv::Algorithm": self.isalgorithm = True for m in decl[2]: if m.startswith("="): @@ -286,7 +286,7 @@ class ClassInfo(object): code = "static bool pyopencv_to(PyObject* src, %s& dst, const char* name)\n{\n PyObject* tmp;\n bool ok;\n" % (self.cname) code += "".join([gen_template_set_prop_from_map.substitute(propname=p.name,proptype=p.tp) for p in self.props]) if self.bases: - code += "\n return pyopencv_to(src, (%s&)dst, name);\n}\n" % all_classes[self.bases[0]].cname + code += "\n return pyopencv_to(src, (%s&)dst, name);\n}\n" % all_classes[self.bases[0].replace("::", "_")].cname else: code += "\n return true;\n}\n" return code @@ -761,7 +761,7 @@ class PythonWrapperGenerator(object): sys.exit(-1) self.classes[classinfo.name] = classinfo if classinfo.bases and not classinfo.isalgorithm: - classinfo.isalgorithm = self.classes[classinfo.bases[0]].isalgorithm + classinfo.isalgorithm = self.classes[classinfo.bases[0].replace("::", "_")].isalgorithm def add_const(self, name, decl): constinfo = ConstInfo(name, decl[1]) diff --git a/modules/python/src2/hdr_parser.py b/modules/python/src2/hdr_parser.py index eb9100928f..de33aeb911 100755 --- a/modules/python/src2/hdr_parser.py +++ b/modules/python/src2/hdr_parser.py @@ -582,6 +582,7 @@ class CppHeaderParser(object): return name if name.startswith("cv."): return name + qualified_name = (("." in name) or ("::" in name)) n = "" for b in self.block_stack: block_type, block_name = b[self.BLOCK_TYPE], b[self.BLOCK_NAME] @@ -590,9 +591,12 @@ class CppHeaderParser(object): if block_type not in ["struct", "class", "namespace"]: print("Error at %d: there are non-valid entries in the current block stack " % (self.lineno, self.block_stack)) sys.exit(-1) - if block_name: + if block_name and (block_type == "namespace" or not qualified_name): n += block_name + "." - return n + name.replace("::", ".") + n += name.replace("::", ".") + if n.endswith(".Algorithm"): + n = "cv.Algorithm" + return n def parse_stmt(self, stmt, end_token): """ @@ -643,7 +647,7 @@ class CppHeaderParser(object): classname = classname[1:] decl = [stmt_type + " " + self.get_dotted_name(classname), "", modlist, []] if bases: - decl[1] = ": " + ", ".join([b if "::" in b else self.get_dotted_name(b).replace(".","::") for b in bases]) + decl[1] = ": " + ", ".join([self.get_dotted_name(b).replace(".","::") for b in bases]) return stmt_type, classname, True, decl if stmt.startswith("class") or stmt.startswith("struct"): @@ -658,7 +662,7 @@ class CppHeaderParser(object): if ("CV_EXPORTS_W" in stmt) or ("CV_EXPORTS_AS" in stmt) or (not self.wrap_mode):# and ("CV_EXPORTS" in stmt)): decl = [stmt_type + " " + self.get_dotted_name(classname), "", modlist, []] if bases: - decl[1] = ": " + ", ".join([b if "::" in b else self.get_dotted_name(b).replace(".","::") for b in bases]) + decl[1] = ": " + ", ".join([self.get_dotted_name(b).replace(".","::") for b in bases]) return stmt_type, classname, True, decl if stmt.startswith("enum"): diff --git a/modules/python/test/test.py b/modules/python/test/test.py index 2da740de9b..76f64fc52e 100644 --- a/modules/python/test/test.py +++ b/modules/python/test/test.py @@ -1,12 +1,12 @@ #!/usr/bin/env python +from __future__ import print_function import unittest import random import time import math import sys import array -import urllib import tarfile import hashlib import os @@ -16,11 +16,17 @@ import functools import numpy as np import cv2 +# Python 3 moved urlopen to urllib.requests +try: + from urllib.request import urlopen +except ImportError: + from urllib import urlopen + class NewOpenCVTests(unittest.TestCase): def get_sample(self, filename, iscolor = cv2.IMREAD_COLOR): if not filename in self.image_cache: - filedata = urllib.urlopen("https://raw.github.com/Itseez/opencv/master/" + filename).read() + filedata = urlopen("https://raw.github.com/Itseez/opencv/master/" + filename).read() self.image_cache[filename] = cv2.imdecode(np.fromstring(filedata, dtype=np.uint8), iscolor) return self.image_cache[filename] @@ -51,7 +57,7 @@ class Hackathon244Tests(NewOpenCVTests): def test_int_array(self): a = np.array([-1, 2, -3, 4, -5]) absa0 = np.abs(a) - self.assert_(cv2.norm(a, cv2.NORM_L1) == 15) + self.assertTrue(cv2.norm(a, cv2.NORM_L1) == 15) absa1 = cv2.absdiff(a, 0) self.assertEqual(cv2.norm(absa1, absa0, cv2.NORM_INF), 0) @@ -90,13 +96,13 @@ class Hackathon244Tests(NewOpenCVTests): img = cv2.medianBlur(img, 3) imgc = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR) keypoints = fd.detect(img) - self.assert_(600 <= len(keypoints) <= 700) + self.assertTrue(600 <= len(keypoints) <= 700) for kpt in keypoints: self.assertNotEqual(kpt.response, 0) def check_close_angles(self, a, b, angle_delta): - self.assert_(abs(a - b) <= angle_delta or - abs(360 - abs(a - b)) <= angle_delta) + self.assertTrue(abs(a - b) <= angle_delta or + abs(360 - abs(a - b)) <= angle_delta) def check_close_pairs(self, a, b, delta): self.assertLessEqual(abs(a[0] - b[0]), delta) @@ -127,6 +133,6 @@ class Hackathon244Tests(NewOpenCVTests): self.assertLessEqual(abs(mr - mr0), 5) if __name__ == '__main__': - print "Testing OpenCV", cv2.__version__ + print("Testing OpenCV", cv2.__version__) random.seed(0) unittest.main() diff --git a/modules/shape/test/test_emdl1.cpp b/modules/shape/test/test_emdl1.cpp index fc677fc5b0..e52351bcf6 100644 --- a/modules/shape/test/test_emdl1.cpp +++ b/modules/shape/test/test_emdl1.cpp @@ -50,8 +50,6 @@ const float minRad=0.2f; const float maxRad=2; const int NSN=5;//10;//20; //number of shapes per class const int NP=100; //number of points sympliying the contour -const float outlierWeight=0.1f; -const int numOutliers=20; const float CURRENT_MAX_ACCUR=95; //98% and 99% reached in several tests, 95 is fixed as minimum boundary class CV_ShapeEMDTest : public cvtest::BaseTest diff --git a/modules/shape/test/test_shape.cpp b/modules/shape/test/test_shape.cpp index 737e0473ae..04e89fe6b9 100644 --- a/modules/shape/test/test_shape.cpp +++ b/modules/shape/test/test_shape.cpp @@ -50,8 +50,6 @@ const float minRad=0.2f; const float maxRad=2; const int NSN=5;//10;//20; //number of shapes per class const int NP=120; //number of points sympliying the contour -const float outlierWeight=0.1f; -const int numOutliers=20; const float CURRENT_MAX_ACCUR=95; //99% and 100% reached in several tests, 95 is fixed as minimum boundary class CV_ShapeTest : public cvtest::BaseTest diff --git a/modules/stitching/perf/opencl/perf_stitch.cpp b/modules/stitching/perf/opencl/perf_stitch.cpp index 3434726996..ce7c3a9f11 100644 --- a/modules/stitching/perf/opencl/perf_stitch.cpp +++ b/modules/stitching/perf/opencl/perf_stitch.cpp @@ -4,7 +4,7 @@ // // Copyright (C) 2014, Itseez, Inc, all rights reserved. -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" using namespace cv; diff --git a/modules/stitching/perf/opencl/perf_warpers.cpp b/modules/stitching/perf/opencl/perf_warpers.cpp index 6a8be4ebe8..57ca9a602d 100644 --- a/modules/stitching/perf/opencl/perf_warpers.cpp +++ b/modules/stitching/perf/opencl/perf_warpers.cpp @@ -39,7 +39,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/stitching/warpers.hpp" #include "opencv2/ts/ocl_perf.hpp" diff --git a/modules/stitching/src/blenders.cpp b/modules/stitching/src/blenders.cpp index 03aad752fe..2fb04d29e9 100644 --- a/modules/stitching/src/blenders.cpp +++ b/modules/stitching/src/blenders.cpp @@ -41,7 +41,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_stitching.hpp" namespace cv { namespace detail { diff --git a/modules/stitching/src/timelapsers.cpp b/modules/stitching/src/timelapsers.cpp index d78ad86a57..bc1d62e1a8 100644 --- a/modules/stitching/src/timelapsers.cpp +++ b/modules/stitching/src/timelapsers.cpp @@ -41,7 +41,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_stitching.hpp" namespace cv { namespace detail { diff --git a/modules/stitching/src/warpers.cpp b/modules/stitching/src/warpers.cpp index 8b2c77e759..c01b7d0d3b 100644 --- a/modules/stitching/src/warpers.cpp +++ b/modules/stitching/src/warpers.cpp @@ -41,7 +41,7 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_stitching.hpp" namespace cv { namespace detail { diff --git a/modules/stitching/test/ocl/test_warpers.cpp b/modules/stitching/test/ocl/test_warpers.cpp index 43f0e9741d..4a95fff00f 100644 --- a/modules/stitching/test/ocl/test_warpers.cpp +++ b/modules/stitching/test/ocl/test_warpers.cpp @@ -39,7 +39,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #include "opencv2/stitching/warpers.hpp" diff --git a/modules/superres/src/btv_l1.cpp b/modules/superres/src/btv_l1.cpp index d54b4b398a..3b3513e8de 100644 --- a/modules/superres/src/btv_l1.cpp +++ b/modules/superres/src/btv_l1.cpp @@ -44,7 +44,7 @@ // Dennis Mitzel, Thomas Pock, Thomas Schoenemann, Daniel Cremers. Video Super Resolution using Duality Based TV-L1 Optical Flow. #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_superres.hpp" using namespace cv; using namespace cv::superres; diff --git a/modules/superres/src/optical_flow.cpp b/modules/superres/src/optical_flow.cpp index 2f77cd7868..7227b080fc 100644 --- a/modules/superres/src/optical_flow.cpp +++ b/modules/superres/src/optical_flow.cpp @@ -229,6 +229,7 @@ Ptr cv::superres::createOptFlow_Farneback() /////////////////////////////////////////////////////////////////// // Simple +/* namespace { class Simple : public CpuOpticalFlow @@ -311,7 +312,7 @@ namespace Ptr cv::superres::createOptFlow_Simple() { return makePtr(); -} +}*/ /////////////////////////////////////////////////////////////////// // DualTVL1 diff --git a/modules/superres/test/test_precomp.hpp b/modules/superres/test/test_precomp.hpp index 553481818c..9e89b428e6 100644 --- a/modules/superres/test/test_precomp.hpp +++ b/modules/superres/test/test_precomp.hpp @@ -57,6 +57,6 @@ #include "opencv2/imgproc.hpp" #include "opencv2/superres.hpp" #include "cvconfig.h" -#include "input_array_utility.hpp" +#include "../src/input_array_utility.hpp" #endif diff --git a/modules/ts/CMakeLists.txt b/modules/ts/CMakeLists.txt index c923a29d8f..9727c9a8c5 100644 --- a/modules/ts/CMakeLists.txt +++ b/modules/ts/CMakeLists.txt @@ -14,5 +14,3 @@ ocv_add_module(ts opencv_core opencv_imgproc opencv_imgcodecs opencv_videoio ope ocv_glob_module_sources() ocv_module_include_directories() ocv_create_module() - -ocv_add_precompiled_headers(${the_module}) diff --git a/modules/ts/include/opencv2/ts/ocl_test.hpp b/modules/ts/include/opencv2/ts/ocl_test.hpp index 3703b7b9f7..559f4aa32b 100644 --- a/modules/ts/include/opencv2/ts/ocl_test.hpp +++ b/modules/ts/include/opencv2/ts/ocl_test.hpp @@ -159,6 +159,25 @@ do \ << "Size: " << name ## _roi.size() << std::endl; \ } while ((void)0, 0) +//for sparse matrix +#define OCL_EXPECT_MATS_NEAR_RELATIVE_SPARSE(name, eps) \ +do \ +{ \ + ASSERT_EQ(name ## _roi.type(), u ## name ## _roi.type()); \ + ASSERT_EQ(name ## _roi.size(), u ## name ## _roi.size()); \ + EXPECT_LE(TestUtils::checkNormRelativeSparse(name ## _roi, u ## name ## _roi), eps) \ + << "Size: " << name ## _roi.size() << std::endl; \ + Point _offset; \ + Size _wholeSize; \ + name ## _roi.locateROI(_wholeSize, _offset); \ + Mat _mask(name.size(), CV_8UC1, Scalar::all(255)); \ + _mask(Rect(_offset, name ## _roi.size())).setTo(Scalar::all(0)); \ + ASSERT_EQ(name.type(), u ## name.type()); \ + ASSERT_EQ(name.size(), u ## name.size()); \ + EXPECT_LE(TestUtils::checkNormRelativeSparse(name, u ## name, _mask), eps) \ + << "Size: " << name ## _roi.size() << std::endl; \ +} while ((void)0, 0) + #define EXPECT_MAT_SIMILAR(mat1, mat2, eps) \ do \ { \ @@ -274,6 +293,16 @@ struct CV_EXPORTS TestUtils std::max((double)std::numeric_limits::epsilon(), (double)std::max(cvtest::norm(m1.getMat(), cv::NORM_INF), cvtest::norm(m2.getMat(), cv::NORM_INF))); } + + static inline double checkNormRelativeSparse(InputArray m1, InputArray m2, InputArray mask = noArray()) + { + double norm_inf = cvtest::norm(m1.getMat(), m2.getMat(), cv::NORM_INF, mask); + double norm_rel = norm_inf / + std::max((double)std::numeric_limits::epsilon(), + (double)std::max(cvtest::norm(m1.getMat(), cv::NORM_INF), cvtest::norm(m2.getMat(), cv::NORM_INF))); + return std::min(norm_inf, norm_rel); + } + }; #define TEST_DECLARE_INPUT_PARAMETER(name) Mat name, name ## _roi; UMat u ## name, u ## name ## _roi diff --git a/modules/video/doc/motion_analysis_and_object_tracking.rst b/modules/video/doc/motion_analysis_and_object_tracking.rst index 7d5d1d5be0..e1d95094ce 100644 --- a/modules/video/doc/motion_analysis_and_object_tracking.rst +++ b/modules/video/doc/motion_analysis_and_object_tracking.rst @@ -214,135 +214,6 @@ Unlike :ocv:func:`findHomography` and :ocv:func:`estimateRigidTransform`, the fu :ocv:func:`findHomography` -updateMotionHistory ------------------------ -Updates the motion history image by a moving silhouette. - -.. ocv:function:: void updateMotionHistory( InputArray silhouette, InputOutputArray mhi, double timestamp, double duration ) - -.. ocv:pyfunction:: cv2.updateMotionHistory(silhouette, mhi, timestamp, duration) -> mhi - -.. ocv:cfunction:: void cvUpdateMotionHistory( const CvArr* silhouette, CvArr* mhi, double timestamp, double duration ) - - :param silhouette: Silhouette mask that has non-zero pixels where the motion occurs. - - :param mhi: Motion history image that is updated by the function (single-channel, 32-bit floating-point). - - :param timestamp: Current time in milliseconds or other units. - - :param duration: Maximal duration of the motion track in the same units as ``timestamp`` . - -The function updates the motion history image as follows: - -.. math:: - - \texttt{mhi} (x,y)= \forkthree{\texttt{timestamp}}{if $\texttt{silhouette}(x,y) \ne 0$}{0}{if $\texttt{silhouette}(x,y) = 0$ and $\texttt{mhi} < (\texttt{timestamp} - \texttt{duration})$}{\texttt{mhi}(x,y)}{otherwise} - -That is, MHI pixels where the motion occurs are set to the current ``timestamp`` , while the pixels where the motion happened last time a long time ago are cleared. - -The function, together with -:ocv:func:`calcMotionGradient` and -:ocv:func:`calcGlobalOrientation` , implements a motion templates technique described in -[Davis97]_ and [Bradski00]_. -See also the OpenCV sample ``motempl.c`` that demonstrates the use of all the motion template functions. - - -calcMotionGradient ----------------------- -Calculates a gradient orientation of a motion history image. - -.. ocv:function:: void calcMotionGradient( InputArray mhi, OutputArray mask, OutputArray orientation, double delta1, double delta2, int apertureSize=3 ) - -.. ocv:pyfunction:: cv2.calcMotionGradient(mhi, delta1, delta2[, mask[, orientation[, apertureSize]]]) -> mask, orientation - -.. ocv:cfunction:: void cvCalcMotionGradient( const CvArr* mhi, CvArr* mask, CvArr* orientation, double delta1, double delta2, int aperture_size=3 ) - - :param mhi: Motion history single-channel floating-point image. - - :param mask: Output mask image that has the type ``CV_8UC1`` and the same size as ``mhi`` . Its non-zero elements mark pixels where the motion gradient data is correct. - - :param orientation: Output motion gradient orientation image that has the same type and the same size as ``mhi`` . Each pixel of the image is a motion orientation, from 0 to 360 degrees. - - :param delta1: Minimal (or maximal) allowed difference between ``mhi`` values within a pixel neighborhood. - - :param delta2: Maximal (or minimal) allowed difference between ``mhi`` values within a pixel neighborhood. That is, the function finds the minimum ( :math:`m(x,y)` ) and maximum ( :math:`M(x,y)` ) ``mhi`` values over :math:`3 \times 3` neighborhood of each pixel and marks the motion orientation at :math:`(x, y)` as valid only if - - .. math:: - - \min ( \texttt{delta1} , \texttt{delta2} ) \le M(x,y)-m(x,y) \le \max ( \texttt{delta1} , \texttt{delta2} ). - - :param apertureSize: Aperture size of the :ocv:func:`Sobel` operator. - -The function calculates a gradient orientation at each pixel -:math:`(x, y)` as: - -.. math:: - - \texttt{orientation} (x,y)= \arctan{\frac{d\texttt{mhi}/dy}{d\texttt{mhi}/dx}} - -In fact, -:ocv:func:`fastAtan2` and -:ocv:func:`phase` are used so that the computed angle is measured in degrees and covers the full range 0..360. Also, the ``mask`` is filled to indicate pixels where the computed angle is valid. - -.. note:: - - * (Python) An example on how to perform a motion template technique can be found at opencv_source_code/samples/python2/motempl.py - -calcGlobalOrientation -------------------------- -Calculates a global motion orientation in a selected region. - -.. ocv:function:: double calcGlobalOrientation( InputArray orientation, InputArray mask, InputArray mhi, double timestamp, double duration ) - -.. ocv:pyfunction:: cv2.calcGlobalOrientation(orientation, mask, mhi, timestamp, duration) -> retval - -.. ocv:cfunction:: double cvCalcGlobalOrientation( const CvArr* orientation, const CvArr* mask, const CvArr* mhi, double timestamp, double duration ) - - :param orientation: Motion gradient orientation image calculated by the function :ocv:func:`calcMotionGradient` . - - :param mask: Mask image. It may be a conjunction of a valid gradient mask, also calculated by :ocv:func:`calcMotionGradient` , and the mask of a region whose direction needs to be calculated. - - :param mhi: Motion history image calculated by :ocv:func:`updateMotionHistory` . - - :param timestamp: Timestamp passed to :ocv:func:`updateMotionHistory` . - - :param duration: Maximum duration of a motion track in milliseconds, passed to :ocv:func:`updateMotionHistory` . - -The function calculates an average -motion direction in the selected region and returns the angle between -0 degrees and 360 degrees. The average direction is computed from -the weighted orientation histogram, where a recent motion has a larger -weight and the motion occurred in the past has a smaller weight, as recorded in ``mhi`` . - - - - -segmentMotion -------------- -Splits a motion history image into a few parts corresponding to separate independent motions (for example, left hand, right hand). - -.. ocv:function:: void segmentMotion(InputArray mhi, OutputArray segmask, vector& boundingRects, double timestamp, double segThresh) - -.. ocv:pyfunction:: cv2.segmentMotion(mhi, timestamp, segThresh[, segmask]) -> segmask, boundingRects - -.. ocv:cfunction:: CvSeq* cvSegmentMotion( const CvArr* mhi, CvArr* seg_mask, CvMemStorage* storage, double timestamp, double seg_thresh ) - - :param mhi: Motion history image. - - :param segmask: Image where the found mask should be stored, single-channel, 32-bit floating-point. - - :param boundingRects: Vector containing ROIs of motion connected components. - - :param timestamp: Current time in milliseconds or other units. - - :param segThresh: Segmentation threshold that is recommended to be equal to the interval between motion history "steps" or greater. - - -The function finds all of the motion segments and marks them in ``segmask`` with individual values (1,2,...). It also computes a vector with ROIs of motion connected components. After that the motion direction for every component can be calculated with :ocv:func:`calcGlobalOrientation` using the extracted mask of the particular component. - - - - CamShift -------- Finds an object center, size, and orientation. @@ -994,52 +865,6 @@ Sets the prior probability that each individual pixel is a background pixel. .. ocv:function:: void BackgroundSubtractorGMG::setBackgroundPrior(double bgprior) -calcOpticalFlowSF ------------------ -Calculate an optical flow using "SimpleFlow" algorithm. - -.. ocv:function:: void calcOpticalFlowSF( InputArray from, InputArray to, OutputArray flow, int layers, int averaging_block_size, int max_flow ) - -.. ocv:function:: calcOpticalFlowSF( InputArray from, InputArray to, OutputArray flow, int layers, int averaging_block_size, int max_flow, double sigma_dist, double sigma_color, int postprocess_window, double sigma_dist_fix, double sigma_color_fix, double occ_thr, int upscale_averaging_radius, double upscale_sigma_dist, double upscale_sigma_color, double speed_up_thr ) - - :param prev: First 8-bit 3-channel image. - - :param next: Second 8-bit 3-channel image of the same size as ``prev`` - - :param flow: computed flow image that has the same size as ``prev`` and type ``CV_32FC2`` - - :param layers: Number of layers - - :param averaging_block_size: Size of block through which we sum up when calculate cost function for pixel - - :param max_flow: maximal flow that we search at each level - - :param sigma_dist: vector smooth spatial sigma parameter - - :param sigma_color: vector smooth color sigma parameter - - :param postprocess_window: window size for postprocess cross bilateral filter - - :param sigma_dist_fix: spatial sigma for postprocess cross bilateralf filter - - :param sigma_color_fix: color sigma for postprocess cross bilateral filter - - :param occ_thr: threshold for detecting occlusions - - :param upscale_averaging_radius: window size for bilateral upscale operation - - :param upscale_sigma_dist: spatial sigma for bilateral upscale operation - - :param upscale_sigma_color: color sigma for bilateral upscale operation - - :param speed_up_thr: threshold to detect point with irregular flow - where flow should be recalculated after upscale - -See [Tao2012]_. And site of project - http://graphics.berkeley.edu/papers/Tao-SAN-2012-05/. - -.. note:: - - * An example using the simpleFlow algorithm can be found at opencv_source_code/samples/cpp/simpleflow_demo.cpp - createOptFlow_DualTVL1 ---------------------- "Dual TV L1" Optical Flow Algorithm. @@ -1080,8 +905,6 @@ createOptFlow_DualTVL1 Stopping criterion iterations number used in the numerical scheme. - - DenseOpticalFlow::calc -------------------------- Calculates an optical flow. @@ -1108,10 +931,6 @@ Releases all inner buffers. .. [Bradski98] Bradski, G.R. "Computer Vision Face Tracking for Use in a Perceptual User Interface", Intel, 1998 -.. [Bradski00] Davis, J.W. and Bradski, G.R. "Motion Segmentation and Pose Recognition with Motion History Gradients", WACV00, 2000 - -.. [Davis97] Davis, J.W. and Bobick, A.F. "The Representation and Recognition of Action Using Temporal Templates", CVPR97, 1997 - .. [EP08] Evangelidis, G.D. and Psarakis E.Z. "Parametric Image Alignment using Enhanced Correlation Coefficient Maximization", IEEE Transactions on PAMI, vol. 32, no. 10, 2008 .. [Farneback2003] Gunnar Farneback, Two-frame motion estimation based on polynomial expansion, Lecture Notes in Computer Science, 2003, (2749), , 363-370. @@ -1126,8 +945,6 @@ Releases all inner buffers. .. [Welch95] Greg Welch and Gary Bishop "An Introduction to the Kalman Filter", 1995 -.. [Tao2012] Michael Tao, Jiamin Bai, Pushmeet Kohli and Sylvain Paris. SimpleFlow: A Non-iterative, Sublinear Optical Flow Algorithm. Computer Graphics Forum (Eurographics 2012) - .. [Zach2007] C. Zach, T. Pock and H. Bischof. "A Duality Based Approach for Realtime TV-L1 Optical Flow", In Proceedings of Pattern Recognition (DAGM), Heidelberg, Germany, pp. 214-223, 2007 .. [Zivkovic2004] Z. Zivkovic. "Improved adaptive Gausian mixture model for background subtraction", International Conference Pattern Recognition, UK, August, 2004, http://www.zoranz.net/Publications/zivkovic2004ICPR.pdf. The code is very fast and performs also shadow detection. Number of Gausssian components is adapted per pixel. diff --git a/modules/video/include/opencv2/video/background_segm.hpp b/modules/video/include/opencv2/video/background_segm.hpp index 73988c8062..789f9db96d 100644 --- a/modules/video/include/opencv2/video/background_segm.hpp +++ b/modules/video/include/opencv2/video/background_segm.hpp @@ -66,39 +66,6 @@ public: }; - -/*! - Gaussian Mixture-based Backbround/Foreground Segmentation Algorithm - - The class implements the following algorithm: - "An improved adaptive background mixture model for real-time tracking with shadow detection" - P. KadewTraKuPong and R. Bowden, - Proc. 2nd European Workshp on Advanced Video-Based Surveillance Systems, 2001." - http://personal.ee.surrey.ac.uk/Personal/R.Bowden/publications/avbs01/avbs01.pdf - -*/ -class CV_EXPORTS_W BackgroundSubtractorMOG : public BackgroundSubtractor -{ -public: - CV_WRAP virtual int getHistory() const = 0; - CV_WRAP virtual void setHistory(int nframes) = 0; - - CV_WRAP virtual int getNMixtures() const = 0; - CV_WRAP virtual void setNMixtures(int nmix) = 0; - - CV_WRAP virtual double getBackgroundRatio() const = 0; - CV_WRAP virtual void setBackgroundRatio(double backgroundRatio) = 0; - - CV_WRAP virtual double getNoiseSigma() const = 0; - CV_WRAP virtual void setNoiseSigma(double noiseSigma) = 0; -}; - -CV_EXPORTS_W Ptr - createBackgroundSubtractorMOG(int history=200, int nmixtures=5, - double backgroundRatio=0.7, double noiseSigma=0); - - - /*! The class implements the following algorithm: "Improved adaptive Gausian mixture model for background subtraction" @@ -189,51 +156,6 @@ CV_EXPORTS_W Ptr createBackgroundSubtractorKNN(int history=500, double dist2Threshold=400.0, bool detectShadows=true); -/** - * Background Subtractor module. Takes a series of images and returns a sequence of mask (8UC1) - * images of the same size, where 255 indicates Foreground and 0 represents Background. - * This class implements an algorithm described in "Visual Tracking of Human Visitors under - * Variable-Lighting Conditions for a Responsive Audio Art Installation," A. Godbehere, - * A. Matsukawa, K. Goldberg, American Control Conference, Montreal, June 2012. - */ -class CV_EXPORTS_W BackgroundSubtractorGMG : public BackgroundSubtractor -{ -public: - CV_WRAP virtual int getMaxFeatures() const = 0; - CV_WRAP virtual void setMaxFeatures(int maxFeatures) = 0; - - CV_WRAP virtual double getDefaultLearningRate() const = 0; - CV_WRAP virtual void setDefaultLearningRate(double lr) = 0; - - CV_WRAP virtual int getNumFrames() const = 0; - CV_WRAP virtual void setNumFrames(int nframes) = 0; - - CV_WRAP virtual int getQuantizationLevels() const = 0; - CV_WRAP virtual void setQuantizationLevels(int nlevels) = 0; - - CV_WRAP virtual double getBackgroundPrior() const = 0; - CV_WRAP virtual void setBackgroundPrior(double bgprior) = 0; - - CV_WRAP virtual int getSmoothingRadius() const = 0; - CV_WRAP virtual void setSmoothingRadius(int radius) = 0; - - CV_WRAP virtual double getDecisionThreshold() const = 0; - CV_WRAP virtual void setDecisionThreshold(double thresh) = 0; - - CV_WRAP virtual bool getUpdateBackgroundModel() const = 0; - CV_WRAP virtual void setUpdateBackgroundModel(bool update) = 0; - - CV_WRAP virtual double getMinVal() const = 0; - CV_WRAP virtual void setMinVal(double val) = 0; - - CV_WRAP virtual double getMaxVal() const = 0; - CV_WRAP virtual void setMaxVal(double val) = 0; -}; - - -CV_EXPORTS_W Ptr createBackgroundSubtractorGMG(int initializationFrames=120, - double decisionThreshold=0.8); - } // cv #endif diff --git a/modules/video/include/opencv2/video/tracking.hpp b/modules/video/include/opencv2/video/tracking.hpp index 1cc27fb3ef..18a3088aef 100644 --- a/modules/video/include/opencv2/video/tracking.hpp +++ b/modules/video/include/opencv2/video/tracking.hpp @@ -55,28 +55,6 @@ enum { OPTFLOW_USE_INITIAL_FLOW = 4, OPTFLOW_FARNEBACK_GAUSSIAN = 256 }; -enum { MOTION_TRANSLATION = 0, - MOTION_EUCLIDEAN = 1, - MOTION_AFFINE = 2, - MOTION_HOMOGRAPHY = 3 - }; - -//! updates motion history image using the current silhouette -CV_EXPORTS_W void updateMotionHistory( InputArray silhouette, InputOutputArray mhi, - double timestamp, double duration ); - -//! computes the motion gradient orientation image from the motion history image -CV_EXPORTS_W void calcMotionGradient( InputArray mhi, OutputArray mask, OutputArray orientation, - double delta1, double delta2, int apertureSize = 3 ); - -//! computes the global orientation of the selected motion history image part -CV_EXPORTS_W double calcGlobalOrientation( InputArray orientation, InputArray mask, InputArray mhi, - double timestamp, double duration ); - -CV_EXPORTS_W void segmentMotion( InputArray mhi, OutputArray segmask, - CV_OUT std::vector& boundingRects, - double timestamp, double segThresh ); - //! updates the object tracking window using CAMSHIFT algorithm CV_EXPORTS_W RotatedRect CamShift( InputArray probImage, CV_IN_OUT Rect& window, TermCriteria criteria ); @@ -109,6 +87,15 @@ CV_EXPORTS_W void calcOpticalFlowFarneback( InputArray prev, InputArray next, In // that maps one 2D point set to another or one image to another. CV_EXPORTS_W Mat estimateRigidTransform( InputArray src, InputArray dst, bool fullAffine ); + +enum +{ + MOTION_TRANSLATION = 0, + MOTION_EUCLIDEAN = 1, + MOTION_AFFINE = 2, + MOTION_HOMOGRAPHY = 3 +}; + //! estimates the best-fit Translation, Euclidean, Affine or Perspective Transformation // with respect to Enhanced Correlation Coefficient criterion that maps one image to // another (area-based alignment) @@ -120,20 +107,6 @@ CV_EXPORTS_W double findTransformECC( InputArray templateImage, InputArray input InputOutputArray warpMatrix, int motionType = MOTION_AFFINE, TermCriteria criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 50, 0.001)); - -//! computes dense optical flow using Simple Flow algorithm -CV_EXPORTS_W void calcOpticalFlowSF( InputArray from, InputArray to, OutputArray flow, - int layers, int averaging_block_size, int max_flow); - -CV_EXPORTS_W void calcOpticalFlowSF( InputArray from, InputArray to, OutputArray flow, int layers, - int averaging_block_size, int max_flow, - double sigma_dist, double sigma_color, int postprocess_window, - double sigma_dist_fix, double sigma_color_fix, double occ_thr, - int upscale_averaging_radius, double upscale_sigma_dist, - double upscale_sigma_color, double speed_up_thr ); - - - /*! Kalman filter. diff --git a/modules/video/perf/opencl/perf_bgfg_mog2.cpp b/modules/video/perf/opencl/perf_bgfg_mog2.cpp index 50814bf817..12223d6631 100644 --- a/modules/video/perf/opencl/perf_bgfg_mog2.cpp +++ b/modules/video/perf/opencl/perf_bgfg_mog2.cpp @@ -1,4 +1,4 @@ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" #ifdef HAVE_OPENCL diff --git a/modules/video/perf/opencl/perf_motempl.cpp b/modules/video/perf/opencl/perf_motempl.cpp index 7956857216..638548395b 100644 --- a/modules/video/perf/opencl/perf_motempl.cpp +++ b/modules/video/perf/opencl/perf_motempl.cpp @@ -5,10 +5,10 @@ // Copyright (C) 2014, Advanced Micro Devices, Inc., all rights reserved. // Third party copyrights are property of their respective owners. -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" -#ifdef HAVE_OPENCL +#if 0 //def HAVE_OPENCL namespace cvtest { namespace ocl { diff --git a/modules/video/perf/opencl/perf_optflow_dualTVL1.cpp b/modules/video/perf/opencl/perf_optflow_dualTVL1.cpp index 72b1b0cbb2..90e656d81e 100644 --- a/modules/video/perf/opencl/perf_optflow_dualTVL1.cpp +++ b/modules/video/perf/opencl/perf_optflow_dualTVL1.cpp @@ -44,7 +44,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" using std::tr1::make_tuple; diff --git a/modules/video/perf/opencl/perf_optflow_farneback.cpp b/modules/video/perf/opencl/perf_optflow_farneback.cpp index a17ed4dd9d..03eac1a07e 100644 --- a/modules/video/perf/opencl/perf_optflow_farneback.cpp +++ b/modules/video/perf/opencl/perf_optflow_farneback.cpp @@ -44,7 +44,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" using std::tr1::make_tuple; diff --git a/modules/video/perf/opencl/perf_optflow_pyrlk.cpp b/modules/video/perf/opencl/perf_optflow_pyrlk.cpp index 1d7e643d52..6041a4b51f 100644 --- a/modules/video/perf/opencl/perf_optflow_pyrlk.cpp +++ b/modules/video/perf/opencl/perf_optflow_pyrlk.cpp @@ -44,7 +44,7 @@ // //M*/ -#include "perf_precomp.hpp" +#include "../perf_precomp.hpp" #include "opencv2/ts/ocl_perf.hpp" using std::tr1::make_tuple; diff --git a/modules/video/src/affineflow.cpp b/modules/video/src/affineflow.cpp deleted file mode 100644 index bad9da8af7..0000000000 --- a/modules/video/src/affineflow.cpp +++ /dev/null @@ -1,850 +0,0 @@ -/*M/////////////////////////////////////////////////////////////////////////////////////// -// -// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. -// -// By downloading, copying, installing or using the software you agree to this license. -// If you do not agree to this license, do not download, install, -// copy or use the software. -// -// -// License Agreement -// For Open Source Computer Vision Library -// -// Copyright (C) 2000, Intel Corporation, all rights reserved. -// Copyright (C) 2013, OpenCV Foundation, all rights reserved. -// Third party copyrights are property of their respective owners. -// -// Redistribution and use in source and binary forms, with or without modification, -// are permitted provided that the following conditions are met: -// -// * Redistribution's of source code must retain the above copyright notice, -// this list of conditions and the following disclaimer. -// -// * Redistribution's in binary form must reproduce the above copyright notice, -// this list of conditions and the following disclaimer in the documentation -// and/or other materials provided with the distribution. -// -// * The name of the copyright holders may not be used to endorse or promote products -// derived from this software without specific prior written permission. -// -// This software is provided by the copyright holders and contributors "as is" and -// any express or implied warranties, including, but not limited to, the implied -// warranties of merchantability and fitness for a particular purpose are disclaimed. -// In no event shall the Intel Corporation or contributors be liable for any direct, -// indirect, incidental, special, exemplary, or consequential damages -// (including, but not limited to, procurement of substitute goods or services; -// loss of use, data, or profits; or business interruption) however caused -// and on any theory of liability, whether in contract, strict liability, -// or tort (including negligence or otherwise) arising in any way out of -// the use of this software, even if advised of the possibility of such damage. -// -//M*/ - -#include "precomp.hpp" -#include "opencv2/imgproc/imgproc_c.h" -#include "opencv2/video/tracking_c.h" - -// to be moved to legacy - -static int icvMinimalPyramidSize( CvSize imgSize ) -{ - return cvAlign(imgSize.width,8) * imgSize.height / 3; -} - - -static void -icvInitPyramidalAlgorithm( const CvMat* imgA, const CvMat* imgB, - CvMat* pyrA, CvMat* pyrB, - int level, CvTermCriteria * criteria, - int max_iters, int flags, - uchar *** imgI, uchar *** imgJ, - int **step, CvSize** size, - double **scale, cv::AutoBuffer* buffer ) -{ - const int ALIGN = 8; - int pyrBytes, bufferBytes = 0, elem_size; - int level1 = level + 1; - - int i; - CvSize imgSize, levelSize; - - *imgI = *imgJ = 0; - *step = 0; - *scale = 0; - *size = 0; - - /* check input arguments */ - if( ((flags & CV_LKFLOW_PYR_A_READY) != 0 && !pyrA) || - ((flags & CV_LKFLOW_PYR_B_READY) != 0 && !pyrB) ) - CV_Error( CV_StsNullPtr, "Some of the precomputed pyramids are missing" ); - - if( level < 0 ) - CV_Error( CV_StsOutOfRange, "The number of pyramid levels is negative" ); - - switch( criteria->type ) - { - case CV_TERMCRIT_ITER: - criteria->epsilon = 0.f; - break; - case CV_TERMCRIT_EPS: - criteria->max_iter = max_iters; - break; - case CV_TERMCRIT_ITER | CV_TERMCRIT_EPS: - break; - default: - assert( 0 ); - CV_Error( CV_StsBadArg, "Invalid termination criteria" ); - } - - /* compare squared values */ - criteria->epsilon *= criteria->epsilon; - - /* set pointers and step for every level */ - pyrBytes = 0; - - imgSize = cvGetSize(imgA); - elem_size = CV_ELEM_SIZE(imgA->type); - levelSize = imgSize; - - for( i = 1; i < level1; i++ ) - { - levelSize.width = (levelSize.width + 1) >> 1; - levelSize.height = (levelSize.height + 1) >> 1; - - int tstep = cvAlign(levelSize.width,ALIGN) * elem_size; - pyrBytes += tstep * levelSize.height; - } - - assert( pyrBytes <= imgSize.width * imgSize.height * elem_size * 4 / 3 ); - - /* buffer_size = + */ - bufferBytes = (int)((level1 >= 0) * ((pyrA->data.ptr == 0) + - (pyrB->data.ptr == 0)) * pyrBytes + - (sizeof(imgI[0][0]) * 2 + sizeof(step[0][0]) + - sizeof(size[0][0]) + sizeof(scale[0][0])) * level1); - - buffer->allocate( bufferBytes ); - - *imgI = (uchar **) (uchar*)(*buffer); - *imgJ = *imgI + level1; - *step = (int *) (*imgJ + level1); - *scale = (double *) (*step + level1); - *size = (CvSize *)(*scale + level1); - - imgI[0][0] = imgA->data.ptr; - imgJ[0][0] = imgB->data.ptr; - step[0][0] = imgA->step; - scale[0][0] = 1; - size[0][0] = imgSize; - - if( level > 0 ) - { - uchar *bufPtr = (uchar *) (*size + level1); - uchar *ptrA = pyrA->data.ptr; - uchar *ptrB = pyrB->data.ptr; - - if( !ptrA ) - { - ptrA = bufPtr; - bufPtr += pyrBytes; - } - - if( !ptrB ) - ptrB = bufPtr; - - levelSize = imgSize; - - /* build pyramids for both frames */ - for( i = 1; i <= level; i++ ) - { - int levelBytes; - CvMat prev_level, next_level; - - levelSize.width = (levelSize.width + 1) >> 1; - levelSize.height = (levelSize.height + 1) >> 1; - - size[0][i] = levelSize; - step[0][i] = cvAlign( levelSize.width, ALIGN ) * elem_size; - scale[0][i] = scale[0][i - 1] * 0.5; - - levelBytes = step[0][i] * levelSize.height; - imgI[0][i] = (uchar *) ptrA; - ptrA += levelBytes; - - if( !(flags & CV_LKFLOW_PYR_A_READY) ) - { - prev_level = cvMat( size[0][i-1].height, size[0][i-1].width, CV_8UC1 ); - next_level = cvMat( size[0][i].height, size[0][i].width, CV_8UC1 ); - cvSetData( &prev_level, imgI[0][i-1], step[0][i-1] ); - cvSetData( &next_level, imgI[0][i], step[0][i] ); - cvPyrDown( &prev_level, &next_level ); - } - - imgJ[0][i] = (uchar *) ptrB; - ptrB += levelBytes; - - if( !(flags & CV_LKFLOW_PYR_B_READY) ) - { - prev_level = cvMat( size[0][i-1].height, size[0][i-1].width, CV_8UC1 ); - next_level = cvMat( size[0][i].height, size[0][i].width, CV_8UC1 ); - cvSetData( &prev_level, imgJ[0][i-1], step[0][i-1] ); - cvSetData( &next_level, imgJ[0][i], step[0][i] ); - cvPyrDown( &prev_level, &next_level ); - } - } - } -} - - -/* compute dI/dx and dI/dy */ -static void -icvCalcIxIy_32f( const float* src, int src_step, float* dstX, float* dstY, int dst_step, - CvSize src_size, const float* smooth_k, float* buffer0 ) -{ - int src_width = src_size.width, dst_width = src_size.width-2; - int x, height = src_size.height - 2; - float* buffer1 = buffer0 + src_width; - - src_step /= sizeof(src[0]); - dst_step /= sizeof(dstX[0]); - - for( ; height--; src += src_step, dstX += dst_step, dstY += dst_step ) - { - const float* src2 = src + src_step; - const float* src3 = src + src_step*2; - - for( x = 0; x < src_width; x++ ) - { - float t0 = (src3[x] + src[x])*smooth_k[0] + src2[x]*smooth_k[1]; - float t1 = src3[x] - src[x]; - buffer0[x] = t0; buffer1[x] = t1; - } - - for( x = 0; x < dst_width; x++ ) - { - float t0 = buffer0[x+2] - buffer0[x]; - float t1 = (buffer1[x] + buffer1[x+2])*smooth_k[0] + buffer1[x+1]*smooth_k[1]; - dstX[x] = t0; dstY[x] = t1; - } - } -} - - -#undef CV_8TO32F -#define CV_8TO32F(a) (a) - -static const void* -icvAdjustRect( const void* srcptr, int src_step, int pix_size, - CvSize src_size, CvSize win_size, - CvPoint ip, CvRect* pRect ) -{ - CvRect rect; - const char* src = (const char*)srcptr; - - if( ip.x >= 0 ) - { - src += ip.x*pix_size; - rect.x = 0; - } - else - { - rect.x = -ip.x; - if( rect.x > win_size.width ) - rect.x = win_size.width; - } - - if( ip.x + win_size.width < src_size.width ) - rect.width = win_size.width; - else - { - rect.width = src_size.width - ip.x - 1; - if( rect.width < 0 ) - { - src += rect.width*pix_size; - rect.width = 0; - } - assert( rect.width <= win_size.width ); - } - - if( ip.y >= 0 ) - { - src += ip.y * src_step; - rect.y = 0; - } - else - rect.y = -ip.y; - - if( ip.y + win_size.height < src_size.height ) - rect.height = win_size.height; - else - { - rect.height = src_size.height - ip.y - 1; - if( rect.height < 0 ) - { - src += rect.height*src_step; - rect.height = 0; - } - } - - *pRect = rect; - return src - rect.x*pix_size; -} - - -static CvStatus CV_STDCALL icvGetRectSubPix_8u32f_C1R -( const uchar* src, int src_step, CvSize src_size, - float* dst, int dst_step, CvSize win_size, CvPoint2D32f center ) -{ - CvPoint ip; - float a12, a22, b1, b2; - float a, b; - double s = 0; - int i, j; - - center.x -= (win_size.width-1)*0.5f; - center.y -= (win_size.height-1)*0.5f; - - ip.x = cvFloor( center.x ); - ip.y = cvFloor( center.y ); - - if( win_size.width <= 0 || win_size.height <= 0 ) - return CV_BADRANGE_ERR; - - a = center.x - ip.x; - b = center.y - ip.y; - a = MAX(a,0.0001f); - a12 = a*(1.f-b); - a22 = a*b; - b1 = 1.f - b; - b2 = b; - s = (1. - a)/a; - - src_step /= sizeof(src[0]); - dst_step /= sizeof(dst[0]); - - if( 0 <= ip.x && ip.x + win_size.width < src_size.width && - 0 <= ip.y && ip.y + win_size.height < src_size.height ) - { - // extracted rectangle is totally inside the image - src += ip.y * src_step + ip.x; - -#if 0 - if( icvCopySubpix_8u32f_C1R_p && - icvCopySubpix_8u32f_C1R_p( src, src_step, dst, - dst_step*sizeof(dst[0]), win_size, a, b ) >= 0 ) - return CV_OK; -#endif - - for( ; win_size.height--; src += src_step, dst += dst_step ) - { - float prev = (1 - a)*(b1*CV_8TO32F(src[0]) + b2*CV_8TO32F(src[src_step])); - for( j = 0; j < win_size.width; j++ ) - { - float t = a12*CV_8TO32F(src[j+1]) + a22*CV_8TO32F(src[j+1+src_step]); - dst[j] = prev + t; - prev = (float)(t*s); - } - } - } - else - { - CvRect r; - - src = (const uchar*)icvAdjustRect( src, src_step*sizeof(*src), - sizeof(*src), src_size, win_size,ip, &r); - - for( i = 0; i < win_size.height; i++, dst += dst_step ) - { - const uchar *src2 = src + src_step; - - if( i < r.y || i >= r.height ) - src2 -= src_step; - - for( j = 0; j < r.x; j++ ) - { - float s0 = CV_8TO32F(src[r.x])*b1 + - CV_8TO32F(src2[r.x])*b2; - - dst[j] = (float)(s0); - } - - if( j < r.width ) - { - float prev = (1 - a)*(b1*CV_8TO32F(src[j]) + b2*CV_8TO32F(src2[j])); - - for( ; j < r.width; j++ ) - { - float t = a12*CV_8TO32F(src[j+1]) + a22*CV_8TO32F(src2[j+1]); - dst[j] = prev + t; - prev = (float)(t*s); - } - } - - for( ; j < win_size.width; j++ ) - { - float s0 = CV_8TO32F(src[r.width])*b1 + - CV_8TO32F(src2[r.width])*b2; - - dst[j] = (float)(s0); - } - - if( i < r.height ) - src = src2; - } - } - - return CV_OK; -} - - -#define ICV_32F8U(x) ((uchar)cvRound(x)) - -#define ICV_DEF_GET_QUADRANGLE_SUB_PIX_FUNC( flavor, srctype, dsttype, worktype, cast_macro, cvt ) \ -static CvStatus CV_STDCALL icvGetQuadrangleSubPix_##flavor##_C1R \ - ( const srctype * src, int src_step, CvSize src_size, \ - dsttype *dst, int dst_step, CvSize win_size, const float *matrix ) \ -{ \ - int x, y; \ - double dx = (win_size.width - 1)*0.5; \ - double dy = (win_size.height - 1)*0.5; \ - double A11 = matrix[0], A12 = matrix[1], A13 = matrix[2]-A11*dx-A12*dy; \ - double A21 = matrix[3], A22 = matrix[4], A23 = matrix[5]-A21*dx-A22*dy; \ - \ - src_step /= sizeof(srctype); \ - dst_step /= sizeof(dsttype); \ - \ - for( y = 0; y < win_size.height; y++, dst += dst_step ) \ - { \ - double xs = A12*y + A13; \ - double ys = A22*y + A23; \ - double xe = A11*(win_size.width-1) + A12*y + A13; \ - double ye = A21*(win_size.width-1) + A22*y + A23; \ - \ - if( (unsigned)(cvFloor(xs)-1) < (unsigned)(src_size.width - 3) && \ - (unsigned)(cvFloor(ys)-1) < (unsigned)(src_size.height - 3) && \ - (unsigned)(cvFloor(xe)-1) < (unsigned)(src_size.width - 3) && \ - (unsigned)(cvFloor(ye)-1) < (unsigned)(src_size.height - 3)) \ - { \ - for( x = 0; x < win_size.width; x++ ) \ - { \ - int ixs = cvFloor( xs ); \ - int iys = cvFloor( ys ); \ - const srctype *ptr = src + src_step*iys + ixs; \ - double a = xs - ixs, b = ys - iys, a1 = 1.f - a; \ - worktype p0 = cvt(ptr[0])*a1 + cvt(ptr[1])*a; \ - worktype p1 = cvt(ptr[src_step])*a1 + cvt(ptr[src_step+1])*a; \ - xs += A11; \ - ys += A21; \ - \ - dst[x] = cast_macro(p0 + b * (p1 - p0)); \ - } \ - } \ - else \ - { \ - for( x = 0; x < win_size.width; x++ ) \ - { \ - int ixs = cvFloor( xs ), iys = cvFloor( ys ); \ - double a = xs - ixs, b = ys - iys, a1 = 1.f - a; \ - const srctype *ptr0, *ptr1; \ - worktype p0, p1; \ - xs += A11; ys += A21; \ - \ - if( (unsigned)iys < (unsigned)(src_size.height-1) ) \ - ptr0 = src + src_step*iys, ptr1 = ptr0 + src_step; \ - else \ - ptr0 = ptr1 = src + (iys < 0 ? 0 : src_size.height-1)*src_step; \ - \ - if( (unsigned)ixs < (unsigned)(src_size.width-1) ) \ - { \ - p0 = cvt(ptr0[ixs])*a1 + cvt(ptr0[ixs+1])*a; \ - p1 = cvt(ptr1[ixs])*a1 + cvt(ptr1[ixs+1])*a; \ - } \ - else \ - { \ - ixs = ixs < 0 ? 0 : src_size.width - 1; \ - p0 = cvt(ptr0[ixs]); p1 = cvt(ptr1[ixs]); \ - } \ - dst[x] = cast_macro(p0 + b * (p1 - p0)); \ - } \ - } \ - } \ - \ - return CV_OK; \ -} - -ICV_DEF_GET_QUADRANGLE_SUB_PIX_FUNC( 8u32f, uchar, float, double, cv::saturate_cast, CV_8TO32F ) - -/* Affine tracking algorithm */ - -CV_IMPL void -cvCalcAffineFlowPyrLK( const void* arrA, const void* arrB, - void* pyrarrA, void* pyrarrB, - const CvPoint2D32f * featuresA, - CvPoint2D32f * featuresB, - float *matrices, int count, - CvSize winSize, int level, - char *status, float *error, - CvTermCriteria criteria, int flags ) -{ - const int MAX_ITERS = 100; - - cv::AutoBuffer _status; - cv::AutoBuffer buffer; - cv::AutoBuffer pyr_buffer; - - CvMat stubA, *imgA = (CvMat*)arrA; - CvMat stubB, *imgB = (CvMat*)arrB; - CvMat pstubA, *pyrA = (CvMat*)pyrarrA; - CvMat pstubB, *pyrB = (CvMat*)pyrarrB; - - static const float smoothKernel[] = { 0.09375, 0.3125, 0.09375 }; /* 3/32, 10/32, 3/32 */ - - int bufferBytes = 0; - - uchar **imgI = 0; - uchar **imgJ = 0; - int *step = 0; - double *scale = 0; - CvSize* size = 0; - - float *patchI; - float *patchJ; - float *Ix; - float *Iy; - - int i, j, k, l; - - CvSize patchSize = cvSize( winSize.width * 2 + 1, winSize.height * 2 + 1 ); - int patchLen = patchSize.width * patchSize.height; - int patchStep = patchSize.width * sizeof( patchI[0] ); - - CvSize srcPatchSize = cvSize( patchSize.width + 2, patchSize.height + 2 ); - int srcPatchLen = srcPatchSize.width * srcPatchSize.height; - int srcPatchStep = srcPatchSize.width * sizeof( patchI[0] ); - CvSize imgSize; - float eps = (float)MIN(winSize.width, winSize.height); - - imgA = cvGetMat( imgA, &stubA ); - imgB = cvGetMat( imgB, &stubB ); - - if( CV_MAT_TYPE( imgA->type ) != CV_8UC1 ) - CV_Error( CV_StsUnsupportedFormat, "" ); - - if( !CV_ARE_TYPES_EQ( imgA, imgB )) - CV_Error( CV_StsUnmatchedFormats, "" ); - - if( !CV_ARE_SIZES_EQ( imgA, imgB )) - CV_Error( CV_StsUnmatchedSizes, "" ); - - if( imgA->step != imgB->step ) - CV_Error( CV_StsUnmatchedSizes, "imgA and imgB must have equal steps" ); - - if( !matrices ) - CV_Error( CV_StsNullPtr, "" ); - - imgSize = cv::Size(imgA->cols, imgA->rows); - - if( pyrA ) - { - pyrA = cvGetMat( pyrA, &pstubA ); - - if( pyrA->step*pyrA->height < icvMinimalPyramidSize( imgSize ) ) - CV_Error( CV_StsBadArg, "pyramid A has insufficient size" ); - } - else - { - pyrA = &pstubA; - pyrA->data.ptr = 0; - } - - if( pyrB ) - { - pyrB = cvGetMat( pyrB, &pstubB ); - - if( pyrB->step*pyrB->height < icvMinimalPyramidSize( imgSize ) ) - CV_Error( CV_StsBadArg, "pyramid B has insufficient size" ); - } - else - { - pyrB = &pstubB; - pyrB->data.ptr = 0; - } - - if( count == 0 ) - return; - - /* check input arguments */ - if( !featuresA || !featuresB || !matrices ) - CV_Error( CV_StsNullPtr, "" ); - - if( winSize.width <= 1 || winSize.height <= 1 ) - CV_Error( CV_StsOutOfRange, "the search window is too small" ); - - if( count < 0 ) - CV_Error( CV_StsOutOfRange, "" ); - - icvInitPyramidalAlgorithm( imgA, imgB, - pyrA, pyrB, level, &criteria, MAX_ITERS, flags, - &imgI, &imgJ, &step, &size, &scale, &pyr_buffer ); - - /* buffer_size = + */ - bufferBytes = (srcPatchLen + patchLen*3)*sizeof(patchI[0]) + (36*2 + 6)*sizeof(double); - - buffer.allocate(bufferBytes); - - if( !status ) - { - _status.allocate(count); - status = _status; - } - - patchI = (float *)(uchar*)buffer; - patchJ = patchI + srcPatchLen; - Ix = patchJ + patchLen; - Iy = Ix + patchLen; - - if( status ) - memset( status, 1, count ); - - if( !(flags & CV_LKFLOW_INITIAL_GUESSES) ) - { - memcpy( featuresB, featuresA, count * sizeof( featuresA[0] )); - for( i = 0; i < count * 4; i += 4 ) - { - matrices[i] = matrices[i + 3] = 1.f; - matrices[i + 1] = matrices[i + 2] = 0.f; - } - } - - for( i = 0; i < count; i++ ) - { - featuresB[i].x = (float)(featuresB[i].x * scale[level] * 0.5); - featuresB[i].y = (float)(featuresB[i].y * scale[level] * 0.5); - } - - /* do processing from top pyramid level (smallest image) - to the bottom (original image) */ - for( l = level; l >= 0; l-- ) - { - CvSize levelSize = size[l]; - int levelStep = step[l]; - - /* find flow for each given point at the particular level */ - for( i = 0; i < count; i++ ) - { - CvPoint2D32f u; - float Av[6]; - double G[36]; - double meanI = 0, meanJ = 0; - int x, y; - int pt_status = status[i]; - CvMat mat; - - if( !pt_status ) - continue; - - Av[0] = matrices[i*4]; - Av[1] = matrices[i*4+1]; - Av[3] = matrices[i*4+2]; - Av[4] = matrices[i*4+3]; - - Av[2] = featuresB[i].x += featuresB[i].x; - Av[5] = featuresB[i].y += featuresB[i].y; - - u.x = (float) (featuresA[i].x * scale[l]); - u.y = (float) (featuresA[i].y * scale[l]); - - if( u.x < -eps || u.x >= levelSize.width+eps || - u.y < -eps || u.y >= levelSize.height+eps || - icvGetRectSubPix_8u32f_C1R( imgI[l], levelStep, - levelSize, patchI, srcPatchStep, srcPatchSize, u ) < 0 ) - { - /* point is outside the image. take the next */ - if( l == 0 ) - status[i] = 0; - continue; - } - - icvCalcIxIy_32f( patchI, srcPatchStep, Ix, Iy, - (srcPatchSize.width-2)*sizeof(patchI[0]), srcPatchSize, - smoothKernel, patchJ ); - - /* repack patchI (remove borders) */ - for( k = 0; k < patchSize.height; k++ ) - memcpy( patchI + k * patchSize.width, - patchI + (k + 1) * srcPatchSize.width + 1, patchStep ); - - memset( G, 0, sizeof( G )); - - /* calculate G matrix */ - for( y = -winSize.height, k = 0; y <= winSize.height; y++ ) - { - for( x = -winSize.width; x <= winSize.width; x++, k++ ) - { - double ixix = ((double) Ix[k]) * Ix[k]; - double ixiy = ((double) Ix[k]) * Iy[k]; - double iyiy = ((double) Iy[k]) * Iy[k]; - - double xx, xy, yy; - - G[0] += ixix; - G[1] += ixiy; - G[2] += x * ixix; - G[3] += y * ixix; - G[4] += x * ixiy; - G[5] += y * ixiy; - - // G[6] == G[1] - G[7] += iyiy; - // G[8] == G[4] - // G[9] == G[5] - G[10] += x * iyiy; - G[11] += y * iyiy; - - xx = x * x; - xy = x * y; - yy = y * y; - - // G[12] == G[2] - // G[13] == G[8] == G[4] - G[14] += xx * ixix; - G[15] += xy * ixix; - G[16] += xx * ixiy; - G[17] += xy * ixiy; - - // G[18] == G[3] - // G[19] == G[9] - // G[20] == G[15] - G[21] += yy * ixix; - // G[22] == G[17] - G[23] += yy * ixiy; - - // G[24] == G[4] - // G[25] == G[10] - // G[26] == G[16] - // G[27] == G[22] - G[28] += xx * iyiy; - G[29] += xy * iyiy; - - // G[30] == G[5] - // G[31] == G[11] - // G[32] == G[17] - // G[33] == G[23] - // G[34] == G[29] - G[35] += yy * iyiy; - - meanI += patchI[k]; - } - } - - meanI /= patchSize.width*patchSize.height; - - G[8] = G[4]; - G[9] = G[5]; - G[22] = G[17]; - - // fill part of G below its diagonal - for( y = 1; y < 6; y++ ) - for( x = 0; x < y; x++ ) - G[y * 6 + x] = G[x * 6 + y]; - - cvInitMatHeader( &mat, 6, 6, CV_64FC1, G ); - - if( cvInvert( &mat, &mat, CV_SVD ) < 1e-4 ) - { - /* bad matrix. take the next point */ - if( l == 0 ) - status[i] = 0; - continue; - } - - for( j = 0; j < criteria.max_iter; j++ ) - { - double b[6] = {0,0,0,0,0,0}, eta[6]; - double t0, t1, s = 0; - - if( Av[2] < -eps || Av[2] >= levelSize.width+eps || - Av[5] < -eps || Av[5] >= levelSize.height+eps || - icvGetQuadrangleSubPix_8u32f_C1R( imgJ[l], levelStep, - levelSize, patchJ, patchStep, patchSize, Av ) < 0 ) - { - pt_status = 0; - break; - } - - for( y = -winSize.height, k = 0, meanJ = 0; y <= winSize.height; y++ ) - for( x = -winSize.width; x <= winSize.width; x++, k++ ) - meanJ += patchJ[k]; - - meanJ = meanJ / (patchSize.width * patchSize.height) - meanI; - - for( y = -winSize.height, k = 0; y <= winSize.height; y++ ) - { - for( x = -winSize.width; x <= winSize.width; x++, k++ ) - { - double t = patchI[k] - patchJ[k] + meanJ; - double ixt = Ix[k] * t; - double iyt = Iy[k] * t; - - s += t; - - b[0] += ixt; - b[1] += iyt; - b[2] += x * ixt; - b[3] += y * ixt; - b[4] += x * iyt; - b[5] += y * iyt; - } - } - - for( k = 0; k < 6; k++ ) - eta[k] = G[k*6]*b[0] + G[k*6+1]*b[1] + G[k*6+2]*b[2] + - G[k*6+3]*b[3] + G[k*6+4]*b[4] + G[k*6+5]*b[5]; - - Av[2] = (float)(Av[2] + Av[0] * eta[0] + Av[1] * eta[1]); - Av[5] = (float)(Av[5] + Av[3] * eta[0] + Av[4] * eta[1]); - - t0 = Av[0] * (1 + eta[2]) + Av[1] * eta[4]; - t1 = Av[0] * eta[3] + Av[1] * (1 + eta[5]); - Av[0] = (float)t0; - Av[1] = (float)t1; - - t0 = Av[3] * (1 + eta[2]) + Av[4] * eta[4]; - t1 = Av[3] * eta[3] + Av[4] * (1 + eta[5]); - Av[3] = (float)t0; - Av[4] = (float)t1; - - if( eta[0] * eta[0] + eta[1] * eta[1] < criteria.epsilon ) - break; - } - - if( pt_status != 0 || l == 0 ) - { - status[i] = (char)pt_status; - featuresB[i].x = Av[2]; - featuresB[i].y = Av[5]; - - matrices[i*4] = Av[0]; - matrices[i*4+1] = Av[1]; - matrices[i*4+2] = Av[3]; - matrices[i*4+3] = Av[4]; - } - - if( pt_status && l == 0 && error ) - { - /* calc error */ - double err = 0; - - for( y = 0, k = 0; y < patchSize.height; y++ ) - { - for( x = 0; x < patchSize.width; x++, k++ ) - { - double t = patchI[k] - patchJ[k] + meanJ; - err += t * t; - } - } - error[i] = (float)std::sqrt(err); - } - } - } -} diff --git a/modules/video/src/bgfg_gaussmix.cpp b/modules/video/src/bgfg_gaussmix.cpp deleted file mode 100644 index b5ad039e27..0000000000 --- a/modules/video/src/bgfg_gaussmix.cpp +++ /dev/null @@ -1,472 +0,0 @@ -/*M/////////////////////////////////////////////////////////////////////////////////////// -// -// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. -// -// By downloading, copying, installing or using the software you agree to this license. -// If you do not agree to this license, do not download, install, -// copy or use the software. -// -// -// License Agreement -// For Open Source Computer Vision Library -// -// Copyright (C) 2000, Intel Corporation, all rights reserved. -// Copyright (C) 2013, OpenCV Foundation, all rights reserved. -// Third party copyrights are property of their respective owners. -// -// Redistribution and use in source and binary forms, with or without modification, -// are permitted provided that the following conditions are met: -// -// * Redistribution's of source code must retain the above copyright notice, -// this list of conditions and the following disclaimer. -// -// * Redistribution's in binary form must reproduce the above copyright notice, -// this list of conditions and the following disclaimer in the documentation -// and/or other materials provided with the distribution. -// -// * The name of the copyright holders may not be used to endorse or promote products -// derived from this software without specific prior written permission. -// -// This software is provided by the copyright holders and contributors "as is" and -// any express or implied warranties, including, but not limited to, the implied -// warranties of merchantability and fitness for a particular purpose are disclaimed. -// In no event shall the Intel Corporation or contributors be liable for any direct, -// indirect, incidental, special, exemplary, or consequential damages -// (including, but not limited to, procurement of substitute goods or services; -// loss of use, data, or profits; or business interruption) however caused -// and on any theory of liability, whether in contract, strict liability, -// or tort (including negligence or otherwise) arising in any way out of -// the use of this software, even if advised of the possibility of such damage. -// -//M*/ - -#include "precomp.hpp" -#include - -// to make sure we can use these short names -#undef K -#undef L -#undef T - -// This is based on the "An Improved Adaptive Background Mixture Model for -// Real-time Tracking with Shadow Detection" by P. KaewTraKulPong and R. Bowden -// http://personal.ee.surrey.ac.uk/Personal/R.Bowden/publications/avbs01/avbs01.pdf -// -// The windowing method is used, but not the shadow detection. I make some of my -// own modifications which make more sense. There are some errors in some of their -// equations. -// - -namespace cv -{ - -static const int defaultNMixtures = 5; -static const int defaultHistory = 200; -static const double defaultBackgroundRatio = 0.7; -static const double defaultVarThreshold = 2.5*2.5; -static const double defaultNoiseSigma = 30*0.5; -static const double defaultInitialWeight = 0.05; - -class BackgroundSubtractorMOGImpl : public BackgroundSubtractorMOG -{ -public: - //! the default constructor - BackgroundSubtractorMOGImpl() - { - frameSize = Size(0,0); - frameType = 0; - - nframes = 0; - nmixtures = defaultNMixtures; - history = defaultHistory; - varThreshold = defaultVarThreshold; - backgroundRatio = defaultBackgroundRatio; - noiseSigma = defaultNoiseSigma; - name_ = "BackgroundSubtractor.MOG"; - } - // the full constructor that takes the length of the history, - // the number of gaussian mixtures, the background ratio parameter and the noise strength - BackgroundSubtractorMOGImpl(int _history, int _nmixtures, double _backgroundRatio, double _noiseSigma=0) - { - frameSize = Size(0,0); - frameType = 0; - - nframes = 0; - nmixtures = std::min(_nmixtures > 0 ? _nmixtures : defaultNMixtures, 8); - history = _history > 0 ? _history : defaultHistory; - varThreshold = defaultVarThreshold; - backgroundRatio = std::min(_backgroundRatio > 0 ? _backgroundRatio : 0.95, 1.); - noiseSigma = _noiseSigma <= 0 ? defaultNoiseSigma : _noiseSigma; - } - - //! the update operator - virtual void apply(InputArray image, OutputArray fgmask, double learningRate=0); - - //! re-initiaization method - virtual void initialize(Size _frameSize, int _frameType) - { - frameSize = _frameSize; - frameType = _frameType; - nframes = 0; - - int nchannels = CV_MAT_CN(frameType); - CV_Assert( CV_MAT_DEPTH(frameType) == CV_8U ); - - // for each gaussian mixture of each pixel bg model we store ... - // the mixture sort key (w/sum_of_variances), the mixture weight (w), - // the mean (nchannels values) and - // the diagonal covariance matrix (another nchannels values) - bgmodel.create( 1, frameSize.height*frameSize.width*nmixtures*(2 + 2*nchannels), CV_32F ); - bgmodel = Scalar::all(0); - } - - virtual AlgorithmInfo* info() const { return 0; } - - virtual void getBackgroundImage(OutputArray) const - { - CV_Error( Error::StsNotImplemented, "" ); - } - - virtual int getHistory() const { return history; } - virtual void setHistory(int _nframes) { history = _nframes; } - - virtual int getNMixtures() const { return nmixtures; } - virtual void setNMixtures(int nmix) { nmixtures = nmix; } - - virtual double getBackgroundRatio() const { return backgroundRatio; } - virtual void setBackgroundRatio(double _backgroundRatio) { backgroundRatio = _backgroundRatio; } - - virtual double getNoiseSigma() const { return noiseSigma; } - virtual void setNoiseSigma(double _noiseSigma) { noiseSigma = _noiseSigma; } - - virtual void write(FileStorage& fs) const - { - fs << "name" << name_ - << "history" << history - << "nmixtures" << nmixtures - << "backgroundRatio" << backgroundRatio - << "noiseSigma" << noiseSigma; - } - - virtual void read(const FileNode& fn) - { - CV_Assert( (String)fn["name"] == name_ ); - history = (int)fn["history"]; - nmixtures = (int)fn["nmixtures"]; - backgroundRatio = (double)fn["backgroundRatio"]; - noiseSigma = (double)fn["noiseSigma"]; - } - -protected: - Size frameSize; - int frameType; - Mat bgmodel; - int nframes; - int history; - int nmixtures; - double varThreshold; - double backgroundRatio; - double noiseSigma; - String name_; -}; - - -template struct MixData -{ - float sortKey; - float weight; - VT mean; - VT var; -}; - - -static void process8uC1( const Mat& image, Mat& fgmask, double learningRate, - Mat& bgmodel, int nmixtures, double backgroundRatio, - double varThreshold, double noiseSigma ) -{ - int x, y, k, k1, rows = image.rows, cols = image.cols; - float alpha = (float)learningRate, T = (float)backgroundRatio, vT = (float)varThreshold; - int K = nmixtures; - MixData* mptr = (MixData*)bgmodel.data; - - const float w0 = (float)defaultInitialWeight; - const float sk0 = (float)(w0/(defaultNoiseSigma*2)); - const float var0 = (float)(defaultNoiseSigma*defaultNoiseSigma*4); - const float minVar = (float)(noiseSigma*noiseSigma); - - for( y = 0; y < rows; y++ ) - { - const uchar* src = image.ptr(y); - uchar* dst = fgmask.ptr(y); - - if( alpha > 0 ) - { - for( x = 0; x < cols; x++, mptr += K ) - { - float wsum = 0; - float pix = src[x]; - int kHit = -1, kForeground = -1; - - for( k = 0; k < K; k++ ) - { - float w = mptr[k].weight; - wsum += w; - if( w < FLT_EPSILON ) - break; - float mu = mptr[k].mean; - float var = mptr[k].var; - float diff = pix - mu; - float d2 = diff*diff; - if( d2 < vT*var ) - { - wsum -= w; - float dw = alpha*(1.f - w); - mptr[k].weight = w + dw; - mptr[k].mean = mu + alpha*diff; - var = std::max(var + alpha*(d2 - var), minVar); - mptr[k].var = var; - mptr[k].sortKey = w/std::sqrt(var); - - for( k1 = k-1; k1 >= 0; k1-- ) - { - if( mptr[k1].sortKey >= mptr[k1+1].sortKey ) - break; - std::swap( mptr[k1], mptr[k1+1] ); - } - - kHit = k1+1; - break; - } - } - - if( kHit < 0 ) // no appropriate gaussian mixture found at all, remove the weakest mixture and create a new one - { - kHit = k = std::min(k, K-1); - wsum += w0 - mptr[k].weight; - mptr[k].weight = w0; - mptr[k].mean = pix; - mptr[k].var = var0; - mptr[k].sortKey = sk0; - } - else - for( ; k < K; k++ ) - wsum += mptr[k].weight; - - float wscale = 1.f/wsum; - wsum = 0; - for( k = 0; k < K; k++ ) - { - wsum += mptr[k].weight *= wscale; - mptr[k].sortKey *= wscale; - if( wsum > T && kForeground < 0 ) - kForeground = k+1; - } - - dst[x] = (uchar)(-(kHit >= kForeground)); - } - } - else - { - for( x = 0; x < cols; x++, mptr += K ) - { - float pix = src[x]; - int kHit = -1, kForeground = -1; - - for( k = 0; k < K; k++ ) - { - if( mptr[k].weight < FLT_EPSILON ) - break; - float mu = mptr[k].mean; - float var = mptr[k].var; - float diff = pix - mu; - float d2 = diff*diff; - if( d2 < vT*var ) - { - kHit = k; - break; - } - } - - if( kHit >= 0 ) - { - float wsum = 0; - for( k = 0; k < K; k++ ) - { - wsum += mptr[k].weight; - if( wsum > T ) - { - kForeground = k+1; - break; - } - } - } - - dst[x] = (uchar)(kHit < 0 || kHit >= kForeground ? 255 : 0); - } - } - } -} - - -static void process8uC3( const Mat& image, Mat& fgmask, double learningRate, - Mat& bgmodel, int nmixtures, double backgroundRatio, - double varThreshold, double noiseSigma ) -{ - int x, y, k, k1, rows = image.rows, cols = image.cols; - float alpha = (float)learningRate, T = (float)backgroundRatio, vT = (float)varThreshold; - int K = nmixtures; - - const float w0 = (float)defaultInitialWeight; - const float sk0 = (float)(w0/(defaultNoiseSigma*2*std::sqrt(3.))); - const float var0 = (float)(defaultNoiseSigma*defaultNoiseSigma*4); - const float minVar = (float)(noiseSigma*noiseSigma); - MixData* mptr = (MixData*)bgmodel.data; - - for( y = 0; y < rows; y++ ) - { - const uchar* src = image.ptr(y); - uchar* dst = fgmask.ptr(y); - - if( alpha > 0 ) - { - for( x = 0; x < cols; x++, mptr += K ) - { - float wsum = 0; - Vec3f pix(src[x*3], src[x*3+1], src[x*3+2]); - int kHit = -1, kForeground = -1; - - for( k = 0; k < K; k++ ) - { - float w = mptr[k].weight; - wsum += w; - if( w < FLT_EPSILON ) - break; - Vec3f mu = mptr[k].mean; - Vec3f var = mptr[k].var; - Vec3f diff = pix - mu; - float d2 = diff.dot(diff); - if( d2 < vT*(var[0] + var[1] + var[2]) ) - { - wsum -= w; - float dw = alpha*(1.f - w); - mptr[k].weight = w + dw; - mptr[k].mean = mu + alpha*diff; - var = Vec3f(std::max(var[0] + alpha*(diff[0]*diff[0] - var[0]), minVar), - std::max(var[1] + alpha*(diff[1]*diff[1] - var[1]), minVar), - std::max(var[2] + alpha*(diff[2]*diff[2] - var[2]), minVar)); - mptr[k].var = var; - mptr[k].sortKey = w/std::sqrt(var[0] + var[1] + var[2]); - - for( k1 = k-1; k1 >= 0; k1-- ) - { - if( mptr[k1].sortKey >= mptr[k1+1].sortKey ) - break; - std::swap( mptr[k1], mptr[k1+1] ); - } - - kHit = k1+1; - break; - } - } - - if( kHit < 0 ) // no appropriate gaussian mixture found at all, remove the weakest mixture and create a new one - { - kHit = k = std::min(k, K-1); - wsum += w0 - mptr[k].weight; - mptr[k].weight = w0; - mptr[k].mean = pix; - mptr[k].var = Vec3f(var0, var0, var0); - mptr[k].sortKey = sk0; - } - else - for( ; k < K; k++ ) - wsum += mptr[k].weight; - - float wscale = 1.f/wsum; - wsum = 0; - for( k = 0; k < K; k++ ) - { - wsum += mptr[k].weight *= wscale; - mptr[k].sortKey *= wscale; - if( wsum > T && kForeground < 0 ) - kForeground = k+1; - } - - dst[x] = (uchar)(-(kHit >= kForeground)); - } - } - else - { - for( x = 0; x < cols; x++, mptr += K ) - { - Vec3f pix(src[x*3], src[x*3+1], src[x*3+2]); - int kHit = -1, kForeground = -1; - - for( k = 0; k < K; k++ ) - { - if( mptr[k].weight < FLT_EPSILON ) - break; - Vec3f mu = mptr[k].mean; - Vec3f var = mptr[k].var; - Vec3f diff = pix - mu; - float d2 = diff.dot(diff); - if( d2 < vT*(var[0] + var[1] + var[2]) ) - { - kHit = k; - break; - } - } - - if( kHit >= 0 ) - { - float wsum = 0; - for( k = 0; k < K; k++ ) - { - wsum += mptr[k].weight; - if( wsum > T ) - { - kForeground = k+1; - break; - } - } - } - - dst[x] = (uchar)(kHit < 0 || kHit >= kForeground ? 255 : 0); - } - } - } -} - -void BackgroundSubtractorMOGImpl::apply(InputArray _image, OutputArray _fgmask, double learningRate) -{ - Mat image = _image.getMat(); - bool needToInitialize = nframes == 0 || learningRate >= 1 || image.size() != frameSize || image.type() != frameType; - - if( needToInitialize ) - initialize(image.size(), image.type()); - - CV_Assert( image.depth() == CV_8U ); - _fgmask.create( image.size(), CV_8U ); - Mat fgmask = _fgmask.getMat(); - - ++nframes; - learningRate = learningRate >= 0 && nframes > 1 ? learningRate : 1./std::min( nframes, history ); - CV_Assert(learningRate >= 0); - - if( image.type() == CV_8UC1 ) - process8uC1( image, fgmask, learningRate, bgmodel, nmixtures, backgroundRatio, varThreshold, noiseSigma ); - else if( image.type() == CV_8UC3 ) - process8uC3( image, fgmask, learningRate, bgmodel, nmixtures, backgroundRatio, varThreshold, noiseSigma ); - else - CV_Error( Error::StsUnsupportedFormat, "Only 1- and 3-channel 8-bit images are supported in BackgroundSubtractorMOG" ); -} - -Ptr createBackgroundSubtractorMOG(int history, int nmixtures, - double backgroundRatio, double noiseSigma) -{ - return makePtr(history, nmixtures, backgroundRatio, noiseSigma); -} - -} - -/* End of file. */ diff --git a/modules/video/src/bgfg_gaussmix2.cpp b/modules/video/src/bgfg_gaussmix2.cpp index a5c48cb1f3..08c3d12d6e 100644 --- a/modules/video/src/bgfg_gaussmix2.cpp +++ b/modules/video/src/bgfg_gaussmix2.cpp @@ -83,7 +83,7 @@ ///////////*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_video.hpp" namespace cv { diff --git a/modules/video/src/bgfg_gmg.cpp b/modules/video/src/bgfg_gmg.cpp deleted file mode 100644 index f5b7881a0a..0000000000 --- a/modules/video/src/bgfg_gmg.cpp +++ /dev/null @@ -1,522 +0,0 @@ -/*M/////////////////////////////////////////////////////////////////////////////////////// -// -// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. -// -// By downloading, copying, installing or using the software you agree to this license. -// If you do not agree to this license, do not download, install, -// copy or use the software. -// -// -// License Agreement -// For Open Source Computer Vision Library -// -// Copyright (C) 2000, Intel Corporation, all rights reserved. -// Copyright (C) 2013, OpenCV Foundation, all rights reserved. -// Third party copyrights are property of their respective owners. -// -// Redistribution and use in source and binary forms, with or without modification, -// are permitted provided that the following conditions are met: -// -// * Redistribution's of source code must retain the above copyright notice, -// this list of conditions and the following disclaimer. -// -// * Redistribution's in binary form must reproduce the above copyright notice, -// this list of conditions and the following disclaimer in the documentation -// and/or other materials provided with the distribution. -// -// * The name of the copyright holders may not be used to endorse or promote products -// derived from this software without specific prior written permission. -// -// This software is provided by the copyright holders and contributors "as is" and -// any express or implied warranties, including, but not limited to, the implied -// warranties of merchantability and fitness for a particular purpose are disclaimed. -// In no event shall the Intel Corporation or contributors be liable for any direct, -// indirect, incidental, special, exemplary, or consequential damages -// (including, but not limited to, procurement of substitute goods or services; -// loss of use, data, or profits; or business interruption) however caused -// and on any theory of liability, whether in contract, strict liability, -// or tort (including negligence or otherwise) arising in any way out of -// the use of this software, even if advised of the possibility of such damage. -// -//M*/ - -/* - * This class implements an algorithm described in "Visual Tracking of Human Visitors under - * Variable-Lighting Conditions for a Responsive Audio Art Installation," A. Godbehere, - * A. Matsukawa, K. Goldberg, American Control Conference, Montreal, June 2012. - * - * Prepared and integrated by Andrew B. Godbehere. - */ - -#include "precomp.hpp" -#include - -namespace cv -{ - -class BackgroundSubtractorGMGImpl : public BackgroundSubtractorGMG -{ -public: - BackgroundSubtractorGMGImpl() - { - /* - * Default Parameter Values. Override with algorithm "set" method. - */ - maxFeatures = 64; - learningRate = 0.025; - numInitializationFrames = 120; - quantizationLevels = 16; - backgroundPrior = 0.8; - decisionThreshold = 0.8; - smoothingRadius = 7; - updateBackgroundModel = true; - minVal_ = maxVal_ = 0; - name_ = "BackgroundSubtractor.GMG"; - } - - ~BackgroundSubtractorGMGImpl() - { - } - - virtual AlgorithmInfo* info() const { return 0; } - - /** - * Validate parameters and set up data structures for appropriate image size. - * Must call before running on data. - * @param frameSize input frame size - * @param min minimum value taken on by pixels in image sequence. Usually 0 - * @param max maximum value taken on by pixels in image sequence. e.g. 1.0 or 255 - */ - void initialize(Size frameSize, double minVal, double maxVal); - - /** - * Performs single-frame background subtraction and builds up a statistical background image - * model. - * @param image Input image - * @param fgmask Output mask image representing foreground and background pixels - */ - virtual void apply(InputArray image, OutputArray fgmask, double learningRate=-1.0); - - /** - * Releases all inner buffers. - */ - void release(); - - virtual int getMaxFeatures() const { return maxFeatures; } - virtual void setMaxFeatures(int _maxFeatures) { maxFeatures = _maxFeatures; } - - virtual double getDefaultLearningRate() const { return learningRate; } - virtual void setDefaultLearningRate(double lr) { learningRate = lr; } - - virtual int getNumFrames() const { return numInitializationFrames; } - virtual void setNumFrames(int nframes) { numInitializationFrames = nframes; } - - virtual int getQuantizationLevels() const { return quantizationLevels; } - virtual void setQuantizationLevels(int nlevels) { quantizationLevels = nlevels; } - - virtual double getBackgroundPrior() const { return backgroundPrior; } - virtual void setBackgroundPrior(double bgprior) { backgroundPrior = bgprior; } - - virtual int getSmoothingRadius() const { return smoothingRadius; } - virtual void setSmoothingRadius(int radius) { smoothingRadius = radius; } - - virtual double getDecisionThreshold() const { return decisionThreshold; } - virtual void setDecisionThreshold(double thresh) { decisionThreshold = thresh; } - - virtual bool getUpdateBackgroundModel() const { return updateBackgroundModel; } - virtual void setUpdateBackgroundModel(bool update) { updateBackgroundModel = update; } - - virtual double getMinVal() const { return minVal_; } - virtual void setMinVal(double val) { minVal_ = val; } - - virtual double getMaxVal() const { return maxVal_; } - virtual void setMaxVal(double val) { maxVal_ = val; } - - virtual void getBackgroundImage(OutputArray) const - { - CV_Error( Error::StsNotImplemented, "" ); - } - - virtual void write(FileStorage& fs) const - { - fs << "name" << name_ - << "maxFeatures" << maxFeatures - << "defaultLearningRate" << learningRate - << "numFrames" << numInitializationFrames - << "quantizationLevels" << quantizationLevels - << "backgroundPrior" << backgroundPrior - << "decisionThreshold" << decisionThreshold - << "smoothingRadius" << smoothingRadius - << "updateBackgroundModel" << (int)updateBackgroundModel; - // we do not save minVal_ & maxVal_, since they depend on the image type. - } - - virtual void read(const FileNode& fn) - { - CV_Assert( (String)fn["name"] == name_ ); - maxFeatures = (int)fn["maxFeatures"]; - learningRate = (double)fn["defaultLearningRate"]; - numInitializationFrames = (int)fn["numFrames"]; - quantizationLevels = (int)fn["quantizationLevels"]; - backgroundPrior = (double)fn["backgroundPrior"]; - smoothingRadius = (int)fn["smoothingRadius"]; - decisionThreshold = (double)fn["decisionThreshold"]; - updateBackgroundModel = (int)fn["updateBackgroundModel"] != 0; - minVal_ = maxVal_ = 0; - frameSize_ = Size(); - } - - //! Total number of distinct colors to maintain in histogram. - int maxFeatures; - //! Set between 0.0 and 1.0, determines how quickly features are "forgotten" from histograms. - double learningRate; - //! Number of frames of video to use to initialize histograms. - int numInitializationFrames; - //! Number of discrete levels in each channel to be used in histograms. - int quantizationLevels; - //! Prior probability that any given pixel is a background pixel. A sensitivity parameter. - double backgroundPrior; - //! Value above which pixel is determined to be FG. - double decisionThreshold; - //! Smoothing radius, in pixels, for cleaning up FG image. - int smoothingRadius; - //! Perform background model update - bool updateBackgroundModel; - -private: - double maxVal_; - double minVal_; - - Size frameSize_; - int frameNum_; - - String name_; - - Mat_ nfeatures_; - Mat_ colors_; - Mat_ weights_; - - Mat buf_; -}; - - -void BackgroundSubtractorGMGImpl::initialize(Size frameSize, double minVal, double maxVal) -{ - CV_Assert(minVal < maxVal); - CV_Assert(maxFeatures > 0); - CV_Assert(learningRate >= 0.0 && learningRate <= 1.0); - CV_Assert(numInitializationFrames >= 1); - CV_Assert(quantizationLevels >= 1 && quantizationLevels <= 255); - CV_Assert(backgroundPrior >= 0.0 && backgroundPrior <= 1.0); - - minVal_ = minVal; - maxVal_ = maxVal; - - frameSize_ = frameSize; - frameNum_ = 0; - - nfeatures_.create(frameSize_); - colors_.create(frameSize_.area(), maxFeatures); - weights_.create(frameSize_.area(), maxFeatures); - - nfeatures_.setTo(Scalar::all(0)); -} - -namespace -{ - float findFeature(unsigned int color, const unsigned int* colors, const float* weights, int nfeatures) - { - for (int i = 0; i < nfeatures; ++i) - { - if (color == colors[i]) - return weights[i]; - } - - // not in histogram, so return 0. - return 0.0f; - } - - void normalizeHistogram(float* weights, int nfeatures) - { - float total = 0.0f; - for (int i = 0; i < nfeatures; ++i) - total += weights[i]; - - if (total != 0.0f) - { - for (int i = 0; i < nfeatures; ++i) - weights[i] /= total; - } - } - - bool insertFeature(unsigned int color, float weight, unsigned int* colors, float* weights, int& nfeatures, int maxFeatures) - { - int idx = -1; - for (int i = 0; i < nfeatures; ++i) - { - if (color == colors[i]) - { - // feature in histogram - weight += weights[i]; - idx = i; - break; - } - } - - if (idx >= 0) - { - // move feature to beginning of list - - ::memmove(colors + 1, colors, idx * sizeof(unsigned int)); - ::memmove(weights + 1, weights, idx * sizeof(float)); - - colors[0] = color; - weights[0] = weight; - } - else if (nfeatures == maxFeatures) - { - // discard oldest feature - - ::memmove(colors + 1, colors, (nfeatures - 1) * sizeof(unsigned int)); - ::memmove(weights + 1, weights, (nfeatures - 1) * sizeof(float)); - - colors[0] = color; - weights[0] = weight; - } - else - { - colors[nfeatures] = color; - weights[nfeatures] = weight; - - ++nfeatures; - - return true; - } - - return false; - } -} - -namespace -{ - template struct Quantization - { - static unsigned int apply(const void* src_, int x, int cn, double minVal, double maxVal, int quantizationLevels) - { - const T* src = static_cast(src_); - src += x * cn; - - unsigned int res = 0; - for (int i = 0, shift = 0; i < cn; ++i, ++src, shift += 8) - res |= static_cast((*src - minVal) * quantizationLevels / (maxVal - minVal)) << shift; - - return res; - } - }; - - class GMG_LoopBody : public ParallelLoopBody - { - public: - GMG_LoopBody(const Mat& frame, const Mat& fgmask, const Mat_& nfeatures, const Mat_& colors, const Mat_& weights, - int maxFeatures, double learningRate, int numInitializationFrames, int quantizationLevels, double backgroundPrior, double decisionThreshold, - double maxVal, double minVal, int frameNum, bool updateBackgroundModel) : - frame_(frame), fgmask_(fgmask), nfeatures_(nfeatures), colors_(colors), weights_(weights), - maxFeatures_(maxFeatures), learningRate_(learningRate), numInitializationFrames_(numInitializationFrames), quantizationLevels_(quantizationLevels), - backgroundPrior_(backgroundPrior), decisionThreshold_(decisionThreshold), updateBackgroundModel_(updateBackgroundModel), - maxVal_(maxVal), minVal_(minVal), frameNum_(frameNum) - { - } - - void operator() (const Range& range) const; - - private: - Mat frame_; - - mutable Mat_ fgmask_; - - mutable Mat_ nfeatures_; - mutable Mat_ colors_; - mutable Mat_ weights_; - - int maxFeatures_; - double learningRate_; - int numInitializationFrames_; - int quantizationLevels_; - double backgroundPrior_; - double decisionThreshold_; - bool updateBackgroundModel_; - - double maxVal_; - double minVal_; - int frameNum_; - }; - - void GMG_LoopBody::operator() (const Range& range) const - { - typedef unsigned int (*func_t)(const void* src_, int x, int cn, double minVal, double maxVal, int quantizationLevels); - static const func_t funcs[] = - { - Quantization::apply, - Quantization::apply, - Quantization::apply, - Quantization::apply, - Quantization::apply, - Quantization::apply, - Quantization::apply - }; - - const func_t func = funcs[frame_.depth()]; - CV_Assert(func != 0); - - const int cn = frame_.channels(); - - for (int y = range.start, featureIdx = y * frame_.cols; y < range.end; ++y) - { - const uchar* frame_row = frame_.ptr(y); - int* nfeatures_row = nfeatures_[y]; - uchar* fgmask_row = fgmask_[y]; - - for (int x = 0; x < frame_.cols; ++x, ++featureIdx) - { - int nfeatures = nfeatures_row[x]; - unsigned int* colors = colors_[featureIdx]; - float* weights = weights_[featureIdx]; - - unsigned int newFeatureColor = func(frame_row, x, cn, minVal_, maxVal_, quantizationLevels_); - - bool isForeground = false; - - if (frameNum_ >= numInitializationFrames_) - { - // typical operation - - const double weight = findFeature(newFeatureColor, colors, weights, nfeatures); - - // see Godbehere, Matsukawa, Goldberg (2012) for reasoning behind this implementation of Bayes rule - const double posterior = (weight * backgroundPrior_) / (weight * backgroundPrior_ + (1.0 - weight) * (1.0 - backgroundPrior_)); - - isForeground = ((1.0 - posterior) > decisionThreshold_); - - // update histogram. - - if (updateBackgroundModel_) - { - for (int i = 0; i < nfeatures; ++i) - weights[i] *= (float)(1.0f - learningRate_); - - bool inserted = insertFeature(newFeatureColor, (float)learningRate_, colors, weights, nfeatures, maxFeatures_); - - if (inserted) - { - normalizeHistogram(weights, nfeatures); - nfeatures_row[x] = nfeatures; - } - } - } - else if (updateBackgroundModel_) - { - // training-mode update - - insertFeature(newFeatureColor, 1.0f, colors, weights, nfeatures, maxFeatures_); - - if (frameNum_ == numInitializationFrames_ - 1) - normalizeHistogram(weights, nfeatures); - } - - fgmask_row[x] = (uchar)(-(schar)isForeground); - } - } - } -} - -void BackgroundSubtractorGMGImpl::apply(InputArray _frame, OutputArray _fgmask, double newLearningRate) -{ - Mat frame = _frame.getMat(); - - CV_Assert(frame.depth() == CV_8U || frame.depth() == CV_16U || frame.depth() == CV_32F); - CV_Assert(frame.channels() == 1 || frame.channels() == 3 || frame.channels() == 4); - - if (newLearningRate != -1.0) - { - CV_Assert(newLearningRate >= 0.0 && newLearningRate <= 1.0); - learningRate = newLearningRate; - } - - if (frame.size() != frameSize_) - { - double minval = minVal_; - double maxval = maxVal_; - if( minVal_ == 0 && maxVal_ == 0 ) - { - minval = 0; - maxval = frame.depth() == CV_8U ? 255.0 : frame.depth() == CV_16U ? std::numeric_limits::max() : 1.0; - } - initialize(frame.size(), minval, maxval); - } - - _fgmask.create(frameSize_, CV_8UC1); - Mat fgmask = _fgmask.getMat(); - - GMG_LoopBody body(frame, fgmask, nfeatures_, colors_, weights_, - maxFeatures, learningRate, numInitializationFrames, quantizationLevels, backgroundPrior, decisionThreshold, - maxVal_, minVal_, frameNum_, updateBackgroundModel); - parallel_for_(Range(0, frame.rows), body, frame.total()/(double)(1<<16)); - - if (smoothingRadius > 0) - { - medianBlur(fgmask, buf_, smoothingRadius); - swap(fgmask, buf_); - } - - // keep track of how many frames we have processed - ++frameNum_; -} - -void BackgroundSubtractorGMGImpl::release() -{ - frameSize_ = Size(); - - nfeatures_.release(); - colors_.release(); - weights_.release(); - buf_.release(); -} - - -Ptr createBackgroundSubtractorGMG(int initializationFrames, double decisionThreshold) -{ - Ptr bgfg = makePtr(); - bgfg->setNumFrames(initializationFrames); - bgfg->setDecisionThreshold(decisionThreshold); - - return bgfg; -} - -/* - /////////////////////////////////////////////////////////////////////////////////////////////////////////// - - CV_INIT_ALGORITHM(BackgroundSubtractorGMG, "BackgroundSubtractor.GMG", - obj.info()->addParam(obj, "maxFeatures", obj.maxFeatures,false,0,0, - "Maximum number of features to store in histogram. Harsh enforcement of sparsity constraint."); - obj.info()->addParam(obj, "learningRate", obj.learningRate,false,0,0, - "Adaptation rate of histogram. Close to 1, slow adaptation. Close to 0, fast adaptation, features forgotten quickly."); - obj.info()->addParam(obj, "initializationFrames", obj.numInitializationFrames,false,0,0, - "Number of frames to use to initialize histograms of pixels."); - obj.info()->addParam(obj, "quantizationLevels", obj.quantizationLevels,false,0,0, - "Number of discrete colors to be used in histograms. Up-front quantization."); - obj.info()->addParam(obj, "backgroundPrior", obj.backgroundPrior,false,0,0, - "Prior probability that each individual pixel is a background pixel."); - obj.info()->addParam(obj, "smoothingRadius", obj.smoothingRadius,false,0,0, - "Radius of smoothing kernel to filter noise from FG mask image."); - obj.info()->addParam(obj, "decisionThreshold", obj.decisionThreshold,false,0,0, - "Threshold for FG decision rule. Pixel is FG if posterior probability exceeds threshold."); - obj.info()->addParam(obj, "updateBackgroundModel", obj.updateBackgroundModel,false,0,0, - "Perform background model update."); - obj.info()->addParam(obj, "minVal", obj.minVal_,false,0,0, - "Minimum of the value range (mostly for regression testing)"); - obj.info()->addParam(obj, "maxVal", obj.maxVal_,false,0,0, - "Maximum of the value range (mostly for regression testing)"); - ); -*/ - -} diff --git a/modules/video/src/compat_video.cpp b/modules/video/src/compat_video.cpp index 1773d52955..34006b9548 100644 --- a/modules/video/src/compat_video.cpp +++ b/modules/video/src/compat_video.cpp @@ -87,76 +87,6 @@ cvCamShift( const void* imgProb, CvRect windowIn, return rr.size.width*rr.size.height > 0.f ? 1 : -1; } - -///////////////////////// Motion Templates //////////////////////////// - -CV_IMPL void -cvUpdateMotionHistory( const void* silhouette, void* mhimg, - double timestamp, double mhi_duration ) -{ - cv::Mat silh = cv::cvarrToMat(silhouette), mhi = cv::cvarrToMat(mhimg); - cv::updateMotionHistory(silh, mhi, timestamp, mhi_duration); -} - - -CV_IMPL void -cvCalcMotionGradient( const CvArr* mhimg, CvArr* maskimg, - CvArr* orientation, - double delta1, double delta2, - int aperture_size ) -{ - cv::Mat mhi = cv::cvarrToMat(mhimg); - const cv::Mat mask = cv::cvarrToMat(maskimg), orient = cv::cvarrToMat(orientation); - cv::calcMotionGradient(mhi, mask, orient, delta1, delta2, aperture_size); -} - - -CV_IMPL double -cvCalcGlobalOrientation( const void* orientation, const void* maskimg, const void* mhimg, - double curr_mhi_timestamp, double mhi_duration ) -{ - cv::Mat mhi = cv::cvarrToMat(mhimg); - cv::Mat mask = cv::cvarrToMat(maskimg), orient = cv::cvarrToMat(orientation); - return cv::calcGlobalOrientation(orient, mask, mhi, curr_mhi_timestamp, mhi_duration); -} - - -CV_IMPL CvSeq* -cvSegmentMotion( const CvArr* mhimg, CvArr* segmaskimg, CvMemStorage* storage, - double timestamp, double segThresh ) -{ - cv::Mat mhi = cv::cvarrToMat(mhimg); - const cv::Mat segmask = cv::cvarrToMat(segmaskimg); - std::vector brs; - cv::segmentMotion(mhi, segmask, brs, timestamp, segThresh); - CvSeq* seq = cvCreateSeq(0, sizeof(CvSeq), sizeof(CvConnectedComp), storage); - - CvConnectedComp comp; - memset(&comp, 0, sizeof(comp)); - for( size_t i = 0; i < brs.size(); i++ ) - { - cv::Rect roi = brs[i]; - float compLabel = (float)(i+1); - int x, y, area = 0; - - cv::Mat part = segmask(roi); - for( y = 0; y < roi.height; y++ ) - { - const float* partptr = part.ptr(y); - for( x = 0; x < roi.width; x++ ) - area += partptr[x] == compLabel; - } - - comp.value = cv::Scalar(compLabel); - comp.rect = roi; - comp.area = area; - cvSeqPush(seq, &comp); - } - - return seq; -} - - ///////////////////////////////// Kalman /////////////////////////////// CV_IMPL CvKalman* diff --git a/modules/video/src/ecc.cpp b/modules/video/src/ecc.cpp index f56e1f24b5..8c5fbee790 100644 --- a/modules/video/src/ecc.cpp +++ b/modules/video/src/ecc.cpp @@ -297,7 +297,12 @@ static void update_warping_matrix_ECC (Mat& map_matrix, const Mat& update, const mapPtr[5] += updatePtr[7]; } if (motionType == MOTION_EUCLIDEAN) { - double new_theta = acos(mapPtr[0]) + updatePtr[0]; + double new_theta = updatePtr[0]; + if (mapPtr[3]>0) + new_theta += acos(mapPtr[0]); + + if (mapPtr[3]<0) + new_theta -= acos(mapPtr[0]); mapPtr[2] += updatePtr[1]; mapPtr[5] += updatePtr[2]; diff --git a/modules/video/src/lkpyramid.cpp b/modules/video/src/lkpyramid.cpp index 3e939391c2..60e990f42d 100644 --- a/modules/video/src/lkpyramid.cpp +++ b/modules/video/src/lkpyramid.cpp @@ -43,7 +43,7 @@ #include #include #include "lkpyramid.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_video.hpp" #define CV_DESCALE(x,n) (((x) + (1 << ((n)-1))) >> (n)) diff --git a/modules/video/src/motempl.cpp b/modules/video/src/motempl.cpp deleted file mode 100644 index bb48206ecf..0000000000 --- a/modules/video/src/motempl.cpp +++ /dev/null @@ -1,416 +0,0 @@ -/*M/////////////////////////////////////////////////////////////////////////////////////// -// -// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. -// -// By downloading, copying, installing or using the software you agree to this license. -// If you do not agree to this license, do not download, install, -// copy or use the software. -// -// -// Intel License Agreement -// For Open Source Computer Vision Library -// -// Copyright (C) 2000, Intel Corporation, all rights reserved. -// Third party copyrights are property of their respective owners. -// -// Redistribution and use in source and binary forms, with or without modification, -// are permitted provided that the following conditions are met: -// -// * Redistribution's of source code must retain the above copyright notice, -// this list of conditions and the following disclaimer. -// -// * Redistribution's in binary form must reproduce the above copyright notice, -// this list of conditions and the following disclaimer in the documentation -// and/or other materials provided with the distribution. -// -// * The name of Intel Corporation may not be used to endorse or promote products -// derived from this software without specific prior written permission. -// -// This software is provided by the copyright holders and contributors "as is" and -// any express or implied warranties, including, but not limited to, the implied -// warranties of merchantability and fitness for a particular purpose are disclaimed. -// In no event shall the Intel Corporation or contributors be liable for any direct, -// indirect, incidental, special, exemplary, or consequential damages -// (including, but not limited to, procurement of substitute goods or services; -// loss of use, data, or profits; or business interruption) however caused -// and on any theory of liability, whether in contract, strict liability, -// or tort (including negligence or otherwise) arising in any way out of -// the use of this software, even if advised of the possibility of such damage. -// -//M*/ - -#include "precomp.hpp" -#include "opencl_kernels.hpp" - -#ifdef HAVE_OPENCL - -namespace cv { - -static bool ocl_updateMotionHistory( InputArray _silhouette, InputOutputArray _mhi, - float timestamp, float delbound ) -{ - ocl::Kernel k("updateMotionHistory", ocl::video::updatemotionhistory_oclsrc); - if (k.empty()) - return false; - - UMat silh = _silhouette.getUMat(), mhi = _mhi.getUMat(); - - k.args(ocl::KernelArg::ReadOnlyNoSize(silh), ocl::KernelArg::ReadWrite(mhi), - timestamp, delbound); - - size_t globalsize[2] = { silh.cols, silh.rows }; - return k.run(2, globalsize, NULL, false); -} - -} - -#endif - -void cv::updateMotionHistory( InputArray _silhouette, InputOutputArray _mhi, - double timestamp, double duration ) -{ - CV_Assert( _silhouette.type() == CV_8UC1 && _mhi.type() == CV_32FC1 ); - CV_Assert( _silhouette.sameSize(_mhi) ); - - float ts = (float)timestamp; - float delbound = (float)(timestamp - duration); - - CV_OCL_RUN(_mhi.isUMat() && _mhi.dims() <= 2, - ocl_updateMotionHistory(_silhouette, _mhi, ts, delbound)) - - Mat silh = _silhouette.getMat(), mhi = _mhi.getMat(); - Size size = silh.size(); -#if defined(HAVE_IPP) - int silhstep = (int)silh.step, mhistep = (int)mhi.step; -#endif - - if( silh.isContinuous() && mhi.isContinuous() ) - { - size.width *= size.height; - size.height = 1; -#if defined(HAVE_IPP) - silhstep = (int)silh.total(); - mhistep = (int)mhi.total() * sizeof(Ipp32f); -#endif - } - -#if defined(HAVE_IPP) - IppStatus status = ippiUpdateMotionHistory_8u32f_C1IR((const Ipp8u *)silh.data, silhstep, (Ipp32f *)mhi.data, mhistep, - ippiSize(size.width, size.height), (Ipp32f)timestamp, (Ipp32f)duration); - if (status >= 0) - return; -#endif - -#if CV_SSE2 - volatile bool useSIMD = cv::checkHardwareSupport(CV_CPU_SSE2); -#endif - - for(int y = 0; y < size.height; y++ ) - { - const uchar* silhData = silh.ptr(y); - float* mhiData = mhi.ptr(y); - int x = 0; - -#if CV_SSE2 - if( useSIMD ) - { - __m128 ts4 = _mm_set1_ps(ts), db4 = _mm_set1_ps(delbound); - for( ; x <= size.width - 8; x += 8 ) - { - __m128i z = _mm_setzero_si128(); - __m128i s = _mm_unpacklo_epi8(_mm_loadl_epi64((const __m128i*)(silhData + x)), z); - __m128 s0 = _mm_cvtepi32_ps(_mm_unpacklo_epi16(s, z)), s1 = _mm_cvtepi32_ps(_mm_unpackhi_epi16(s, z)); - __m128 v0 = _mm_loadu_ps(mhiData + x), v1 = _mm_loadu_ps(mhiData + x + 4); - __m128 fz = _mm_setzero_ps(); - - v0 = _mm_and_ps(v0, _mm_cmpge_ps(v0, db4)); - v1 = _mm_and_ps(v1, _mm_cmpge_ps(v1, db4)); - - __m128 m0 = _mm_and_ps(_mm_xor_ps(v0, ts4), _mm_cmpneq_ps(s0, fz)); - __m128 m1 = _mm_and_ps(_mm_xor_ps(v1, ts4), _mm_cmpneq_ps(s1, fz)); - - v0 = _mm_xor_ps(v0, m0); - v1 = _mm_xor_ps(v1, m1); - - _mm_storeu_ps(mhiData + x, v0); - _mm_storeu_ps(mhiData + x + 4, v1); - } - } -#endif - - for( ; x < size.width; x++ ) - { - float val = mhiData[x]; - val = silhData[x] ? ts : val < delbound ? 0 : val; - mhiData[x] = val; - } - } -} - - -void cv::calcMotionGradient( InputArray _mhi, OutputArray _mask, - OutputArray _orientation, - double delta1, double delta2, - int aperture_size ) -{ - static int runcase = 0; runcase++; - - Mat mhi = _mhi.getMat(); - Size size = mhi.size(); - - _mask.create(size, CV_8U); - _orientation.create(size, CV_32F); - - Mat mask = _mask.getMat(); - Mat orient = _orientation.getMat(); - - if( aperture_size < 3 || aperture_size > 7 || (aperture_size & 1) == 0 ) - CV_Error( Error::StsOutOfRange, "aperture_size must be 3, 5 or 7" ); - - if( delta1 <= 0 || delta2 <= 0 ) - CV_Error( Error::StsOutOfRange, "both delta's must be positive" ); - - if( mhi.type() != CV_32FC1 ) - CV_Error( Error::StsUnsupportedFormat, - "MHI must be single-channel floating-point images" ); - - if( orient.data == mhi.data ) - { - _orientation.release(); - _orientation.create(size, CV_32F); - orient = _orientation.getMat(); - } - - if( delta1 > delta2 ) - std::swap(delta1, delta2); - - float gradient_epsilon = 1e-4f * aperture_size * aperture_size; - float min_delta = (float)delta1; - float max_delta = (float)delta2; - - Mat dX_min, dY_max; - - // calc Dx and Dy - Sobel( mhi, dX_min, CV_32F, 1, 0, aperture_size, 1, 0, BORDER_REPLICATE ); - Sobel( mhi, dY_max, CV_32F, 0, 1, aperture_size, 1, 0, BORDER_REPLICATE ); - - int x, y; - - if( mhi.isContinuous() && orient.isContinuous() && mask.isContinuous() ) - { - size.width *= size.height; - size.height = 1; - } - - // calc gradient - for( y = 0; y < size.height; y++ ) - { - const float* dX_min_row = dX_min.ptr(y); - const float* dY_max_row = dY_max.ptr(y); - float* orient_row = orient.ptr(y); - uchar* mask_row = mask.ptr(y); - - fastAtan2(dY_max_row, dX_min_row, orient_row, size.width, true); - - // make orientation zero where the gradient is very small - for( x = 0; x < size.width; x++ ) - { - float dY = dY_max_row[x]; - float dX = dX_min_row[x]; - - if( std::abs(dX) < gradient_epsilon && std::abs(dY) < gradient_epsilon ) - { - mask_row[x] = (uchar)0; - orient_row[x] = 0.f; - } - else - mask_row[x] = (uchar)1; - } - } - - erode( mhi, dX_min, noArray(), Point(-1,-1), (aperture_size-1)/2, BORDER_REPLICATE ); - dilate( mhi, dY_max, noArray(), Point(-1,-1), (aperture_size-1)/2, BORDER_REPLICATE ); - - // mask off pixels which have little motion difference in their neighborhood - for( y = 0; y < size.height; y++ ) - { - const float* dX_min_row = dX_min.ptr(y); - const float* dY_max_row = dY_max.ptr(y); - float* orient_row = orient.ptr(y); - uchar* mask_row = mask.ptr(y); - - for( x = 0; x < size.width; x++ ) - { - float d0 = dY_max_row[x] - dX_min_row[x]; - - if( mask_row[x] == 0 || d0 < min_delta || max_delta < d0 ) - { - mask_row[x] = (uchar)0; - orient_row[x] = 0.f; - } - } - } -} - -double cv::calcGlobalOrientation( InputArray _orientation, InputArray _mask, - InputArray _mhi, double /*timestamp*/, - double duration ) -{ - Mat orient = _orientation.getMat(), mask = _mask.getMat(), mhi = _mhi.getMat(); - Size size = mhi.size(); - - CV_Assert( mask.type() == CV_8U && orient.type() == CV_32F && mhi.type() == CV_32F ); - CV_Assert( mask.size() == size && orient.size() == size ); - CV_Assert( duration > 0 ); - - int histSize = 12; - float _ranges[] = { 0.f, 360.f }; - const float* ranges = _ranges; - Mat hist; - - calcHist(&orient, 1, 0, mask, hist, 1, &histSize, &ranges); - - // find the maximum index (the dominant orientation) - Point baseOrientPt; - minMaxLoc(hist, 0, 0, 0, &baseOrientPt); - float fbaseOrient = (baseOrientPt.x + baseOrientPt.y)*360.f/histSize; - - // override timestamp with the maximum value in MHI - double timestamp = 0; - minMaxLoc( mhi, 0, ×tamp, 0, 0, mask ); - - // find the shift relative to the dominant orientation as weighted sum of relative angles - float a = (float)(254. / 255. / duration); - float b = (float)(1. - timestamp * a); - float delbound = (float)(timestamp - duration); - - if( mhi.isContinuous() && mask.isContinuous() && orient.isContinuous() ) - { - size.width *= size.height; - size.height = 1; - } - - /* - a = 254/(255*dt) - b = 1 - t*a = 1 - 254*t/(255*dur) = - (255*dt - 254*t)/(255*dt) = - (dt - (t - dt)*254)/(255*dt); - -------------------------------------------------------- - ax + b = 254*x/(255*dt) + (dt - (t - dt)*254)/(255*dt) = - (254*x + dt - (t - dt)*254)/(255*dt) = - ((x - (t - dt))*254 + dt)/(255*dt) = - (((x - (t - dt))/dt)*254 + 1)/255 = (((x - low_time)/dt)*254 + 1)/255 - */ - float shiftOrient = 0, shiftWeight = 0; - for( int y = 0; y < size.height; y++ ) - { - const float* mhiptr = mhi.ptr(y); - const float* oriptr = orient.ptr(y); - const uchar* maskptr = mask.ptr(y); - - for( int x = 0; x < size.width; x++ ) - { - if( maskptr[x] != 0 && mhiptr[x] > delbound ) - { - /* - orient in 0..360, base_orient in 0..360 - -> (rel_angle = orient - base_orient) in -360..360. - rel_angle is translated to -180..180 - */ - float weight = mhiptr[x] * a + b; - float relAngle = oriptr[x] - fbaseOrient; - - relAngle += (relAngle < -180 ? 360 : 0); - relAngle += (relAngle > 180 ? -360 : 0); - - if( fabs(relAngle) < 45 ) - { - shiftOrient += weight * relAngle; - shiftWeight += weight; - } - } - } - } - - // add the dominant orientation and the relative shift - if( shiftWeight == 0 ) - shiftWeight = 0.01f; - - fbaseOrient += shiftOrient / shiftWeight; - fbaseOrient -= (fbaseOrient < 360 ? 0 : 360); - fbaseOrient += (fbaseOrient >= 0 ? 0 : 360); - - return fbaseOrient; -} - - -void cv::segmentMotion(InputArray _mhi, OutputArray _segmask, - std::vector& boundingRects, - double timestamp, double segThresh) -{ - Mat mhi = _mhi.getMat(); - - _segmask.create(mhi.size(), CV_32F); - Mat segmask = _segmask.getMat(); - segmask = Scalar::all(0); - - CV_Assert( mhi.type() == CV_32F ); - CV_Assert( segThresh >= 0 ); - - Mat mask = Mat::zeros( mhi.rows + 2, mhi.cols + 2, CV_8UC1 ); - - int x, y; - - // protect zero mhi pixels from floodfill. - for( y = 0; y < mhi.rows; y++ ) - { - const float* mhiptr = mhi.ptr(y); - uchar* maskptr = mask.ptr(y+1) + 1; - - for( x = 0; x < mhi.cols; x++ ) - { - if( mhiptr[x] == 0 ) - maskptr[x] = 1; - } - } - - float ts = (float)timestamp; - float comp_idx = 1.f; - - for( y = 0; y < mhi.rows; y++ ) - { - float* mhiptr = mhi.ptr(y); - uchar* maskptr = mask.ptr(y+1) + 1; - - for( x = 0; x < mhi.cols; x++ ) - { - if( mhiptr[x] == ts && maskptr[x] == 0 ) - { - Rect cc; - floodFill( mhi, mask, Point(x,y), Scalar::all(0), - &cc, Scalar::all(segThresh), Scalar::all(segThresh), - FLOODFILL_MASK_ONLY + 2*256 + 4 ); - - for( int y1 = 0; y1 < cc.height; y1++ ) - { - float* segmaskptr = segmask.ptr(cc.y + y1) + cc.x; - uchar* maskptr1 = mask.ptr(cc.y + y1 + 1) + cc.x + 1; - - for( int x1 = 0; x1 < cc.width; x1++ ) - { - if( maskptr1[x1] > 1 ) - { - maskptr1[x1] = 1; - segmaskptr[x1] = comp_idx; - } - } - } - comp_idx += 1.f; - boundingRects.push_back(cc); - } - } - } -} - - -/* End of file. */ diff --git a/modules/video/src/opencl/updatemotionhistory.cl b/modules/video/src/opencl/updatemotionhistory.cl deleted file mode 100644 index 913e40b266..0000000000 --- a/modules/video/src/opencl/updatemotionhistory.cl +++ /dev/null @@ -1,27 +0,0 @@ -// This file is part of OpenCV project. -// It is subject to the license terms in the LICENSE file found in the top-level directory -// of this distribution and at http://opencv.org/license.html. - -// Copyright (C) 2014, Advanced Micro Devices, Inc., all rights reserved. -// Third party copyrights are property of their respective owners. - -__kernel void updateMotionHistory(__global const uchar * silh, int silh_step, int silh_offset, - __global uchar * mhiptr, int mhi_step, int mhi_offset, int mhi_rows, int mhi_cols, - float timestamp, float delbound) -{ - int x = get_global_id(0); - int y = get_global_id(1); - - if (x < mhi_cols && y < mhi_rows) - { - int silh_index = mad24(y, silh_step, silh_offset + x); - int mhi_index = mad24(y, mhi_step, mhi_offset + x * (int)sizeof(float)); - - silh += silh_index; - __global float * mhi = (__global float *)(mhiptr + mhi_index); - - float val = mhi[0]; - val = silh[0] ? timestamp : val < delbound ? 0 : val; - mhi[0] = val; - } -} diff --git a/modules/video/src/optflowgf.cpp b/modules/video/src/optflowgf.cpp index c0b1d88f12..27abf739fb 100644 --- a/modules/video/src/optflowgf.cpp +++ b/modules/video/src/optflowgf.cpp @@ -41,7 +41,11 @@ //M*/ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_video.hpp" + +#if defined __APPLE__ || defined ANDROID +#define SMALL_LOCALSIZE +#endif // // 2D dense optical flow algorithm from the following paper: @@ -836,7 +840,7 @@ private: bool gaussianBlurOcl(const UMat &src, int ksizeHalf, UMat &dst) { -#ifdef ANDROID +#ifdef SMALL_LOCALSIZE size_t localsize[2] = { 128, 1}; #else size_t localsize[2] = { 256, 1}; @@ -863,7 +867,7 @@ private: bool gaussianBlur5Ocl(const UMat &src, int ksizeHalf, UMat &dst) { int height = src.rows / 5; -#ifdef ANDROID +#ifdef SMALL_LOCALSIZE size_t localsize[2] = { 128, 1}; #else size_t localsize[2] = { 256, 1}; @@ -888,7 +892,7 @@ private: } bool polynomialExpansionOcl(const UMat &src, UMat &dst) { -#ifdef ANDROID +#ifdef SMALL_LOCALSIZE size_t localsize[2] = { 128, 1}; #else size_t localsize[2] = { 256, 1}; @@ -925,7 +929,7 @@ private: bool boxFilter5Ocl(const UMat &src, int ksizeHalf, UMat &dst) { int height = src.rows / 5; -#ifdef ANDROID +#ifdef SMALL_LOCALSIZE size_t localsize[2] = { 128, 1}; #else size_t localsize[2] = { 256, 1}; @@ -952,7 +956,7 @@ private: bool updateFlowOcl(const UMat &M, UMat &flowx, UMat &flowy) { -#ifdef ANDROID +#ifdef SMALL_LOCALSIZE size_t localsize[2] = { 32, 4}; #else size_t localsize[2] = { 32, 8}; @@ -976,7 +980,7 @@ private: } bool updateMatricesOcl(const UMat &flowx, const UMat &flowy, const UMat &R0, const UMat &R1, UMat &M) { -#ifdef ANDROID +#ifdef SMALL_LOCALSIZE size_t localsize[2] = { 32, 4}; #else size_t localsize[2] = { 32, 8}; diff --git a/modules/video/src/simpleflow.cpp b/modules/video/src/simpleflow.cpp deleted file mode 100644 index 20fc6b5431..0000000000 --- a/modules/video/src/simpleflow.cpp +++ /dev/null @@ -1,673 +0,0 @@ -/*M/////////////////////////////////////////////////////////////////////////////////////// -// -// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. -// -// By downloading, copying, installing or using the software you agree to this license. -// If you do not agree to this license, do not download, install, -// copy or use the software. -// -// -// License Agreement -// For Open Source Computer Vision Library -// -// Copyright (C) 2000-2008, Intel Corporation, all rights reserved. -// Copyright (C) 2009, Willow Garage Inc., all rights reserved. -// Third party copyrights are property of their respective owners. -// -// Redistribution and use in source and binary forms, with or without modification, -// are permitted provided that the following conditions are met: -// -// * Redistribution's of source code must retain the above copyright notice, -// this list of conditions and the following disclaimer. -// -// * Redistribution's in binary form must reproduce the above copyright notice, -// this list of conditions and the following disclaimer in the documentation -// and/or other materials provided with the distribution. -// -// * The name of the copyright holders may not be used to endorse or promote products -// derived from this software without specific prior written permission. -// -// This software is provided by the copyright holders and contributors "as is" and -// any express or implied warranties, including, but not limited to, the implied -// warranties of merchantability and fitness for a particular purpose are disclaimed. -// In no event shall the Intel Corporation or contributors be liable for any direct, -// indirect, incidental, special, exemplary, or consequential damages -// (including, but not limited to, procurement of substitute goods or services; -// loss of use, data, or profits; or business interruption) however caused -// and on any theory of liability, whether in contract, strict liability, -// or tort (including negligence or otherwise) arising in any way out of -// the use of this software, even if advised of the possibility of such damage. -// -//M*/ - -#include "precomp.hpp" - -// -// 2D dense optical flow algorithm from the following paper: -// Michael Tao, Jiamin Bai, Pushmeet Kohli, and Sylvain Paris. -// "SimpleFlow: A Non-iterative, Sublinear Optical Flow Algorithm" -// Computer Graphics Forum (Eurographics 2012) -// http://graphics.berkeley.edu/papers/Tao-SAN-2012-05/ -// - -namespace cv -{ - -static const uchar MASK_TRUE_VALUE = (uchar)255; - -inline static float dist(const Vec3b& p1, const Vec3b& p2) { - return (float)((p1[0] - p2[0]) * (p1[0] - p2[0]) + - (p1[1] - p2[1]) * (p1[1] - p2[1]) + - (p1[2] - p2[2]) * (p1[2] - p2[2])); -} - -inline static float dist(const Vec2f& p1, const Vec2f& p2) { - return (p1[0] - p2[0]) * (p1[0] - p2[0]) + - (p1[1] - p2[1]) * (p1[1] - p2[1]); -} - -template -inline static T min(T t1, T t2, T t3) { - return (t1 <= t2 && t1 <= t3) ? t1 : min(t2, t3); -} - -static void removeOcclusions(const Mat& flow, - const Mat& flow_inv, - float occ_thr, - Mat& confidence) { - const int rows = flow.rows; - const int cols = flow.cols; - if (!confidence.data) { - confidence = Mat::zeros(rows, cols, CV_32F); - } - for (int r = 0; r < rows; ++r) { - for (int c = 0; c < cols; ++c) { - if (dist(flow.at(r, c), -flow_inv.at(r, c)) > occ_thr) { - confidence.at(r, c) = 0; - } else { - confidence.at(r, c) = 1; - } - } - } -} - -static void wd(Mat& d, int top_shift, int bottom_shift, int left_shift, int right_shift, float sigma) { - for (int dr = -top_shift, r = 0; dr <= bottom_shift; ++dr, ++r) { - for (int dc = -left_shift, c = 0; dc <= right_shift; ++dc, ++c) { - d.at(r, c) = (float)-(dr*dr + dc*dc); - } - } - d *= 1.0 / (2.0 * sigma * sigma); - exp(d, d); -} - -static void wc(const Mat& image, Mat& d, int r0, int c0, - int top_shift, int bottom_shift, int left_shift, int right_shift, float sigma) { - const Vec3b centeral_point = image.at(r0, c0); - int left_border = c0-left_shift, right_border = c0+right_shift; - for (int dr = r0-top_shift, r = 0; dr <= r0+bottom_shift; ++dr, ++r) { - const Vec3b *row = image.ptr(dr); - float *d_row = d.ptr(r); - for (int dc = left_border, c = 0; dc <= right_border; ++dc, ++c) { - d_row[c] = -dist(centeral_point, row[dc]); - } - } - d *= 1.0 / (2.0 * sigma * sigma); - exp(d, d); -} - -static void crossBilateralFilter(const Mat& image, - const Mat& edge_image, - const Mat confidence, - Mat& dst, int d, - float sigma_color, float sigma_space, - bool flag=false) { - const int rows = image.rows; - const int cols = image.cols; - Mat image_extended, edge_image_extended, confidence_extended; - copyMakeBorder(image, image_extended, d, d, d, d, BORDER_DEFAULT); - copyMakeBorder(edge_image, edge_image_extended, d, d, d, d, BORDER_DEFAULT); - copyMakeBorder(confidence, confidence_extended, d, d, d, d, BORDER_CONSTANT, Scalar(0)); - Mat weights_space(2*d+1, 2*d+1, CV_32F); - wd(weights_space, d, d, d, d, sigma_space); - Mat weights(2*d+1, 2*d+1, CV_32F); - Mat weighted_sum(2*d+1, 2*d+1, CV_32F); - - std::vector image_extended_channels; - split(image_extended, image_extended_channels); - - for (int row = 0; row < rows; ++row) { - for (int col = 0; col < cols; ++col) { - wc(edge_image_extended, weights, row+d, col+d, d, d, d, d, sigma_color); - - Range window_rows(row,row+2*d+1); - Range window_cols(col,col+2*d+1); - - multiply(weights, confidence_extended(window_rows, window_cols), weights); - multiply(weights, weights_space, weights); - float weights_sum = (float)sum(weights)[0]; - - for (int ch = 0; ch < 2; ++ch) { - multiply(weights, image_extended_channels[ch](window_rows, window_cols), weighted_sum); - float total_sum = (float)sum(weighted_sum)[0]; - - dst.at(row, col)[ch] = (flag && fabs(weights_sum) < 1e-9) - ? image.at(row, col) - : total_sum / weights_sum; - } - } - } -} - -static void calcConfidence(const Mat& prev, - const Mat& next, - const Mat& flow, - Mat& confidence, - int max_flow) { - const int rows = prev.rows; - const int cols = prev.cols; - confidence = Mat::zeros(rows, cols, CV_32F); - - for (int r0 = 0; r0 < rows; ++r0) { - for (int c0 = 0; c0 < cols; ++c0) { - Vec2f flow_at_point = flow.at(r0, c0); - int u0 = cvRound(flow_at_point[0]); - if (r0 + u0 < 0) { u0 = -r0; } - if (r0 + u0 >= rows) { u0 = rows - 1 - r0; } - int v0 = cvRound(flow_at_point[1]); - if (c0 + v0 < 0) { v0 = -c0; } - if (c0 + v0 >= cols) { v0 = cols - 1 - c0; } - - const int top_row_shift = -std::min(r0 + u0, max_flow); - const int bottom_row_shift = std::min(rows - 1 - (r0 + u0), max_flow); - const int left_col_shift = -std::min(c0 + v0, max_flow); - const int right_col_shift = std::min(cols - 1 - (c0 + v0), max_flow); - - bool first_flow_iteration = true; - float sum_e = 0, min_e = 0; - - for (int u = top_row_shift; u <= bottom_row_shift; ++u) { - for (int v = left_col_shift; v <= right_col_shift; ++v) { - float e = dist(prev.at(r0, c0), next.at(r0 + u0 + u, c0 + v0 + v)); - if (first_flow_iteration) { - sum_e = e; - min_e = e; - first_flow_iteration = false; - } else { - sum_e += e; - min_e = std::min(min_e, e); - } - } - } - int windows_square = (bottom_row_shift - top_row_shift + 1) * - (right_col_shift - left_col_shift + 1); - confidence.at(r0, c0) = (windows_square == 0) ? 0 - : sum_e / windows_square - min_e; - CV_Assert(confidence.at(r0, c0) >= 0); - } - } -} - -static void calcOpticalFlowSingleScaleSF(const Mat& prev_extended, - const Mat& next_extended, - const Mat& mask, - Mat& flow, - int averaging_radius, - int max_flow, - float sigma_dist, - float sigma_color) { - const int averaging_radius_2 = averaging_radius << 1; - const int rows = prev_extended.rows - averaging_radius_2; - const int cols = prev_extended.cols - averaging_radius_2; - - Mat weight_window(averaging_radius_2 + 1, averaging_radius_2 + 1, CV_32F); - Mat space_weight_window(averaging_radius_2 + 1, averaging_radius_2 + 1, CV_32F); - - wd(space_weight_window, averaging_radius, averaging_radius, averaging_radius, averaging_radius, sigma_dist); - - for (int r0 = 0; r0 < rows; ++r0) { - for (int c0 = 0; c0 < cols; ++c0) { - if (!mask.at(r0, c0)) { - continue; - } - - // TODO: do smth with this creepy staff - Vec2f flow_at_point = flow.at(r0, c0); - int u0 = cvRound(flow_at_point[0]); - if (r0 + u0 < 0) { u0 = -r0; } - if (r0 + u0 >= rows) { u0 = rows - 1 - r0; } - int v0 = cvRound(flow_at_point[1]); - if (c0 + v0 < 0) { v0 = -c0; } - if (c0 + v0 >= cols) { v0 = cols - 1 - c0; } - - const int top_row_shift = -std::min(r0 + u0, max_flow); - const int bottom_row_shift = std::min(rows - 1 - (r0 + u0), max_flow); - const int left_col_shift = -std::min(c0 + v0, max_flow); - const int right_col_shift = std::min(cols - 1 - (c0 + v0), max_flow); - - float min_cost = FLT_MAX, best_u = (float)u0, best_v = (float)v0; - - wc(prev_extended, weight_window, r0 + averaging_radius, c0 + averaging_radius, - averaging_radius, averaging_radius, averaging_radius, averaging_radius, sigma_color); - multiply(weight_window, space_weight_window, weight_window); - - const int prev_extended_top_window_row = r0; - const int prev_extended_left_window_col = c0; - - for (int u = top_row_shift; u <= bottom_row_shift; ++u) { - const int next_extended_top_window_row = r0 + u0 + u; - for (int v = left_col_shift; v <= right_col_shift; ++v) { - const int next_extended_left_window_col = c0 + v0 + v; - - float cost = 0; - for (int r = 0; r <= averaging_radius_2; ++r) { - const Vec3b *prev_extended_window_row = prev_extended.ptr(prev_extended_top_window_row + r); - const Vec3b *next_extended_window_row = next_extended.ptr(next_extended_top_window_row + r); - const float* weight_window_row = weight_window.ptr(r); - for (int c = 0; c <= averaging_radius_2; ++c) { - cost += weight_window_row[c] * - dist(prev_extended_window_row[prev_extended_left_window_col + c], - next_extended_window_row[next_extended_left_window_col + c]); - } - } - // cost should be divided by sum(weight_window), but because - // we interested only in min(cost) and sum(weight_window) is constant - // for every point - we remove it - - if (cost < min_cost) { - min_cost = cost; - best_u = (float)(u + u0); - best_v = (float)(v + v0); - } - } - } - flow.at(r0, c0) = Vec2f(best_u, best_v); - } - } -} - -static Mat upscaleOpticalFlow(int new_rows, - int new_cols, - const Mat& image, - const Mat& confidence, - Mat& flow, - int averaging_radius, - float sigma_dist, - float sigma_color) { - crossBilateralFilter(flow, image, confidence, flow, averaging_radius, sigma_color, sigma_dist, true); - Mat new_flow; - resize(flow, new_flow, Size(new_cols, new_rows), 0, 0, INTER_NEAREST); - new_flow *= 2; - return new_flow; -} - -static Mat calcIrregularityMat(const Mat& flow, int radius) { - const int rows = flow.rows; - const int cols = flow.cols; - Mat irregularity = Mat::zeros(rows, cols, CV_32F); - for (int r = 0; r < rows; ++r) { - const int start_row = std::max(0, r - radius); - const int end_row = std::min(rows - 1, r + radius); - for (int c = 0; c < cols; ++c) { - const int start_col = std::max(0, c - radius); - const int end_col = std::min(cols - 1, c + radius); - for (int dr = start_row; dr <= end_row; ++dr) { - for (int dc = start_col; dc <= end_col; ++dc) { - const float diff = dist(flow.at(r, c), flow.at(dr, dc)); - if (diff > irregularity.at(r, c)) { - irregularity.at(r, c) = diff; - } - } - } - } - } - return irregularity; -} - -static void selectPointsToRecalcFlow(const Mat& flow, - int irregularity_metric_radius, - float speed_up_thr, - int curr_rows, - int curr_cols, - const Mat& prev_speed_up, - Mat& speed_up, - Mat& mask) { - const int prev_rows = flow.rows; - const int prev_cols = flow.cols; - - Mat is_flow_regular = calcIrregularityMat(flow, irregularity_metric_radius) - < speed_up_thr; - Mat done = Mat::zeros(prev_rows, prev_cols, CV_8U); - speed_up = Mat::zeros(curr_rows, curr_cols, CV_8U); - mask = Mat::zeros(curr_rows, curr_cols, CV_8U); - - for (int r = 0; r < is_flow_regular.rows; ++r) { - for (int c = 0; c < is_flow_regular.cols; ++c) { - if (!done.at(r, c)) { - if (is_flow_regular.at(r, c) && - 2*r + 1 < curr_rows && 2*c + 1< curr_cols) { - - bool all_flow_in_region_regular = true; - int speed_up_at_this_point = prev_speed_up.at(r, c); - int step = (1 << speed_up_at_this_point) - 1; - int prev_top = r; - int prev_bottom = std::min(r + step, prev_rows - 1); - int prev_left = c; - int prev_right = std::min(c + step, prev_cols - 1); - - for (int rr = prev_top; rr <= prev_bottom; ++rr) { - for (int cc = prev_left; cc <= prev_right; ++cc) { - done.at(rr, cc) = 1; - if (!is_flow_regular.at(rr, cc)) { - all_flow_in_region_regular = false; - } - } - } - - int curr_top = std::min(2 * r, curr_rows - 1); - int curr_bottom = std::min(2*(r + step) + 1, curr_rows - 1); - int curr_left = std::min(2 * c, curr_cols - 1); - int curr_right = std::min(2*(c + step) + 1, curr_cols - 1); - - if (all_flow_in_region_regular && - curr_top != curr_bottom && - curr_left != curr_right) { - mask.at(curr_top, curr_left) = MASK_TRUE_VALUE; - mask.at(curr_bottom, curr_left) = MASK_TRUE_VALUE; - mask.at(curr_top, curr_right) = MASK_TRUE_VALUE; - mask.at(curr_bottom, curr_right) = MASK_TRUE_VALUE; - for (int rr = curr_top; rr <= curr_bottom; ++rr) { - for (int cc = curr_left; cc <= curr_right; ++cc) { - speed_up.at(rr, cc) = (uchar)(speed_up_at_this_point + 1); - } - } - } else { - for (int rr = curr_top; rr <= curr_bottom; ++rr) { - for (int cc = curr_left; cc <= curr_right; ++cc) { - mask.at(rr, cc) = MASK_TRUE_VALUE; - } - } - } - } else { - done.at(r, c) = 1; - for (int dr = 0; dr <= 1; ++dr) { - int nr = 2*r + dr; - for (int dc = 0; dc <= 1; ++dc) { - int nc = 2*c + dc; - if (nr < curr_rows && nc < curr_cols) { - mask.at(nr, nc) = MASK_TRUE_VALUE; - } - } - } - } - } - } - } -} - -static inline float extrapolateValueInRect(int height, int width, - float v11, float v12, - float v21, float v22, - int r, int c) { - if (r == 0 && c == 0) { return v11;} - if (r == 0 && c == width) { return v12;} - if (r == height && c == 0) { return v21;} - if (r == height && c == width) { return v22;} - - CV_Assert(height > 0 && width > 0); - float qr = float(r) / height; - float pr = 1.0f - qr; - float qc = float(c) / width; - float pc = 1.0f - qc; - - return v11*pr*pc + v12*pr*qc + v21*qr*pc + v22*qc*qr; -} - -static void extrapolateFlow(Mat& flow, - const Mat& speed_up) { - const int rows = flow.rows; - const int cols = flow.cols; - Mat done = Mat::zeros(rows, cols, CV_8U); - for (int r = 0; r < rows; ++r) { - for (int c = 0; c < cols; ++c) { - if (!done.at(r, c) && speed_up.at(r, c) > 1) { - int step = (1 << speed_up.at(r, c)) - 1; - int top = r; - int bottom = std::min(r + step, rows - 1); - int left = c; - int right = std::min(c + step, cols - 1); - - int height = bottom - top; - int width = right - left; - for (int rr = top; rr <= bottom; ++rr) { - for (int cc = left; cc <= right; ++cc) { - done.at(rr, cc) = 1; - Vec2f flow_at_point; - Vec2f top_left = flow.at(top, left); - Vec2f top_right = flow.at(top, right); - Vec2f bottom_left = flow.at(bottom, left); - Vec2f bottom_right = flow.at(bottom, right); - - flow_at_point[0] = extrapolateValueInRect(height, width, - top_left[0], top_right[0], - bottom_left[0], bottom_right[0], - rr-top, cc-left); - - flow_at_point[1] = extrapolateValueInRect(height, width, - top_left[1], top_right[1], - bottom_left[1], bottom_right[1], - rr-top, cc-left); - flow.at(rr, cc) = flow_at_point; - } - } - } - } - } -} - -static void buildPyramidWithResizeMethod(const Mat& src, - std::vector& pyramid, - int layers, - int interpolation_type) { - pyramid.push_back(src); - for (int i = 1; i <= layers; ++i) { - Mat prev = pyramid[i - 1]; - if (prev.rows <= 1 || prev.cols <= 1) { - break; - } - - Mat next; - resize(prev, next, Size((prev.cols + 1) / 2, (prev.rows + 1) / 2), 0, 0, interpolation_type); - pyramid.push_back(next); - } -} - -CV_EXPORTS_W void calcOpticalFlowSF(InputArray _from, - InputArray _to, - OutputArray _resulted_flow, - int layers, - int averaging_radius, - int max_flow, - double sigma_dist, - double sigma_color, - int postprocess_window, - double sigma_dist_fix, - double sigma_color_fix, - double occ_thr, - int upscale_averaging_radius, - double upscale_sigma_dist, - double upscale_sigma_color, - double speed_up_thr) -{ - Mat from = _from.getMat(); - Mat to = _to.getMat(); - - std::vector pyr_from_images; - std::vector pyr_to_images; - - buildPyramidWithResizeMethod(from, pyr_from_images, layers - 1, INTER_CUBIC); - buildPyramidWithResizeMethod(to, pyr_to_images, layers - 1, INTER_CUBIC); - - CV_Assert((int)pyr_from_images.size() == layers && (int)pyr_to_images.size() == layers); - - Mat curr_from, curr_to, prev_from, prev_to; - Mat curr_from_extended, curr_to_extended; - - curr_from = pyr_from_images[layers - 1]; - curr_to = pyr_to_images[layers - 1]; - - copyMakeBorder(curr_from, curr_from_extended, - averaging_radius, averaging_radius, averaging_radius, averaging_radius, - BORDER_DEFAULT); - copyMakeBorder(curr_to, curr_to_extended, - averaging_radius, averaging_radius, averaging_radius, averaging_radius, - BORDER_DEFAULT); - - Mat mask = Mat::ones(curr_from.size(), CV_8U); - Mat mask_inv = Mat::ones(curr_from.size(), CV_8U); - - Mat flow = Mat::zeros(curr_from.size(), CV_32FC2); - Mat flow_inv = Mat::zeros(curr_to.size(), CV_32FC2); - - Mat confidence; - Mat confidence_inv; - - - calcOpticalFlowSingleScaleSF(curr_from_extended, - curr_to_extended, - mask, - flow, - averaging_radius, - max_flow, - (float)sigma_dist, - (float)sigma_color); - - calcOpticalFlowSingleScaleSF(curr_to_extended, - curr_from_extended, - mask_inv, - flow_inv, - averaging_radius, - max_flow, - (float)sigma_dist, - (float)sigma_color); - - removeOcclusions(flow, - flow_inv, - (float)occ_thr, - confidence); - - removeOcclusions(flow_inv, - flow, - (float)occ_thr, - confidence_inv); - - Mat speed_up = Mat::zeros(curr_from.size(), CV_8U); - Mat speed_up_inv = Mat::zeros(curr_from.size(), CV_8U); - - for (int curr_layer = layers - 2; curr_layer >= 0; --curr_layer) { - curr_from = pyr_from_images[curr_layer]; - curr_to = pyr_to_images[curr_layer]; - prev_from = pyr_from_images[curr_layer + 1]; - prev_to = pyr_to_images[curr_layer + 1]; - - copyMakeBorder(curr_from, curr_from_extended, - averaging_radius, averaging_radius, averaging_radius, averaging_radius, - BORDER_DEFAULT); - copyMakeBorder(curr_to, curr_to_extended, - averaging_radius, averaging_radius, averaging_radius, averaging_radius, - BORDER_DEFAULT); - - const int curr_rows = curr_from.rows; - const int curr_cols = curr_from.cols; - - Mat new_speed_up, new_speed_up_inv; - - selectPointsToRecalcFlow(flow, - averaging_radius, - (float)speed_up_thr, - curr_rows, - curr_cols, - speed_up, - new_speed_up, - mask); - - selectPointsToRecalcFlow(flow_inv, - averaging_radius, - (float)speed_up_thr, - curr_rows, - curr_cols, - speed_up_inv, - new_speed_up_inv, - mask_inv); - - speed_up = new_speed_up; - speed_up_inv = new_speed_up_inv; - - flow = upscaleOpticalFlow(curr_rows, - curr_cols, - prev_from, - confidence, - flow, - upscale_averaging_radius, - (float)upscale_sigma_dist, - (float)upscale_sigma_color); - - flow_inv = upscaleOpticalFlow(curr_rows, - curr_cols, - prev_to, - confidence_inv, - flow_inv, - upscale_averaging_radius, - (float)upscale_sigma_dist, - (float)upscale_sigma_color); - - calcConfidence(curr_from, curr_to, flow, confidence, max_flow); - calcOpticalFlowSingleScaleSF(curr_from_extended, - curr_to_extended, - mask, - flow, - averaging_radius, - max_flow, - (float)sigma_dist, - (float)sigma_color); - - calcConfidence(curr_to, curr_from, flow_inv, confidence_inv, max_flow); - calcOpticalFlowSingleScaleSF(curr_to_extended, - curr_from_extended, - mask_inv, - flow_inv, - averaging_radius, - max_flow, - (float)sigma_dist, - (float)sigma_color); - - extrapolateFlow(flow, speed_up); - extrapolateFlow(flow_inv, speed_up_inv); - - //TODO: should we remove occlusions for the last stage? - removeOcclusions(flow, flow_inv, (float)occ_thr, confidence); - removeOcclusions(flow_inv, flow, (float)occ_thr, confidence_inv); - } - - crossBilateralFilter(flow, curr_from, confidence, flow, - postprocess_window, (float)sigma_color_fix, (float)sigma_dist_fix); - - GaussianBlur(flow, flow, Size(3, 3), 5); - - _resulted_flow.create(flow.size(), CV_32FC2); - Mat resulted_flow = _resulted_flow.getMat(); - int from_to[] = {0,1 , 1,0}; - mixChannels(&flow, 1, &resulted_flow, 1, from_to, 2); -} - -CV_EXPORTS_W void calcOpticalFlowSF(InputArray from, - InputArray to, - OutputArray flow, - int layers, - int averaging_block_size, - int max_flow) { - calcOpticalFlowSF(from, to, flow, layers, averaging_block_size, max_flow, - 4.1, 25.5, 18, 55.0, 25.5, 0.35, 18, 55.0, 25.5, 10); -} - -} diff --git a/modules/video/src/tvl1flow.cpp b/modules/video/src/tvl1flow.cpp index 914f09c730..fec000dc4f 100644 --- a/modules/video/src/tvl1flow.cpp +++ b/modules/video/src/tvl1flow.cpp @@ -73,7 +73,7 @@ */ #include "precomp.hpp" -#include "opencl_kernels.hpp" +#include "opencl_kernels_video.hpp" #include #include diff --git a/modules/video/test/ocl/test_bgfg_mog2.cpp b/modules/video/test/ocl/test_bgfg_mog2.cpp index 0a52227ece..49539ac04d 100644 --- a/modules/video/test/ocl/test_bgfg_mog2.cpp +++ b/modules/video/test/ocl/test_bgfg_mog2.cpp @@ -1,4 +1,4 @@ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL diff --git a/modules/video/test/ocl/test_motempl.cpp b/modules/video/test/ocl/test_motempl.cpp deleted file mode 100644 index 91053d9add..0000000000 --- a/modules/video/test/ocl/test_motempl.cpp +++ /dev/null @@ -1,67 +0,0 @@ -// This file is part of OpenCV project. -// It is subject to the license terms in the LICENSE file found in the top-level directory -// of this distribution and at http://opencv.org/license.html. - -// Copyright (C) 2014, Advanced Micro Devices, Inc., all rights reserved. -// Third party copyrights are property of their respective owners. - -#include "test_precomp.hpp" -#include "opencv2/ts/ocl_test.hpp" - -#ifdef HAVE_OPENCL - -namespace cvtest { -namespace ocl { - -PARAM_TEST_CASE(UpdateMotionHistory, bool) -{ - double timestamp, duration; - bool use_roi; - - TEST_DECLARE_INPUT_PARAMETER(silhouette); - TEST_DECLARE_OUTPUT_PARAMETER(mhi); - - virtual void SetUp() - { - use_roi = GET_PARAM(0); - } - - virtual void generateTestData() - { - Size roiSize = randomSize(1, MAX_VALUE); - Border silhouetteBorder = randomBorder(0, use_roi ? MAX_VALUE : 0); - randomSubMat(silhouette, silhouette_roi, roiSize, silhouetteBorder, CV_8UC1, -11, 11); - - Border mhiBorder = randomBorder(0, use_roi ? MAX_VALUE : 0); - randomSubMat(mhi, mhi_roi, roiSize, mhiBorder, CV_32FC1, 0, 1); - - timestamp = randomDouble(0, 1); - duration = randomDouble(0, 1); - if (timestamp < duration) - std::swap(timestamp, duration); - - UMAT_UPLOAD_INPUT_PARAMETER(silhouette); - UMAT_UPLOAD_OUTPUT_PARAMETER(mhi); - } -}; - -OCL_TEST_P(UpdateMotionHistory, Mat) -{ - for (int j = 0; j < test_loop_times; j++) - { - generateTestData(); - - OCL_OFF(cv::updateMotionHistory(silhouette_roi, mhi_roi, timestamp, duration)); - OCL_ON(cv::updateMotionHistory(usilhouette_roi, umhi_roi, timestamp, duration)); - - OCL_EXPECT_MATS_NEAR(mhi, 0); - } -} - -//////////////////////////////////////// Instantiation ///////////////////////////////////////// - -OCL_INSTANTIATE_TEST_CASE_P(Video, UpdateMotionHistory, Values(false, true)); - -} } // namespace cvtest::ocl - -#endif // HAVE_OPENCL diff --git a/modules/video/test/ocl/test_optflow_farneback.cpp b/modules/video/test/ocl/test_optflow_farneback.cpp index cc40f749ba..ec718d4f67 100644 --- a/modules/video/test/ocl/test_optflow_farneback.cpp +++ b/modules/video/test/ocl/test_optflow_farneback.cpp @@ -41,7 +41,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL diff --git a/modules/video/test/ocl/test_optflow_tvl1flow.cpp b/modules/video/test/ocl/test_optflow_tvl1flow.cpp index 6e7150718b..bd32252b27 100644 --- a/modules/video/test/ocl/test_optflow_tvl1flow.cpp +++ b/modules/video/test/ocl/test_optflow_tvl1flow.cpp @@ -41,7 +41,7 @@ // //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" #ifdef HAVE_OPENCL diff --git a/modules/video/test/ocl/test_optflowpyrlk.cpp b/modules/video/test/ocl/test_optflowpyrlk.cpp index 94195eabe4..3c264a5e41 100644 --- a/modules/video/test/ocl/test_optflowpyrlk.cpp +++ b/modules/video/test/ocl/test_optflowpyrlk.cpp @@ -42,7 +42,7 @@ //M*/ -#include "test_precomp.hpp" +#include "../test_precomp.hpp" #include "opencv2/ts/ocl_test.hpp" diff --git a/modules/video/test/test_backgroundsubtractor_gbh.cpp b/modules/video/test/test_backgroundsubtractor_gbh.cpp deleted file mode 100644 index 99d53e3d32..0000000000 --- a/modules/video/test/test_backgroundsubtractor_gbh.cpp +++ /dev/null @@ -1,137 +0,0 @@ -/* - * BackgroundSubtractorGBH_test.cpp - * - * Created on: Jun 14, 2012 - * Author: andrewgodbehere - */ - -#include "test_precomp.hpp" - -using namespace cv; - -class CV_BackgroundSubtractorTest : public cvtest::BaseTest -{ -public: - CV_BackgroundSubtractorTest(); -protected: - void run(int); -}; - -CV_BackgroundSubtractorTest::CV_BackgroundSubtractorTest() -{ -} - -/** - * This test checks the following: - * (i) BackgroundSubtractorGMG can operate with matrices of various types and sizes - * (ii) Training mode returns empty fgmask - * (iii) End of training mode, and anomalous frame yields every pixel detected as FG - */ -void CV_BackgroundSubtractorTest::run(int) -{ - int code = cvtest::TS::OK; - RNG& rng = ts->get_rng(); - int type = ((unsigned int)rng)%7; //!< pick a random type, 0 - 6, defined in types_c.h - int channels = 1 + ((unsigned int)rng)%4; //!< random number of channels from 1 to 4. - int channelsAndType = CV_MAKETYPE(type,channels); - int width = 2 + ((unsigned int)rng)%98; //!< Mat will be 2 to 100 in width and height - int height = 2 + ((unsigned int)rng)%98; - - Ptr fgbg = createBackgroundSubtractorGMG(); - Mat fgmask; - - if (!fgbg) - CV_Error(Error::StsError,"Failed to create Algorithm\n"); - - /** - * Set a few parameters - */ - fgbg->setSmoothingRadius(7); - fgbg->setDecisionThreshold(0.7); - fgbg->setNumFrames(120); - - /** - * Generate bounds for the values in the matrix for each type - */ - double maxd = 0, mind = 0; - - /** - * Max value for simulated images picked randomly in upper half of type range - * Min value for simulated images picked randomly in lower half of type range - */ - if (type == CV_8U) - { - uchar half = UCHAR_MAX/2; - maxd = (unsigned char)rng.uniform(half+32, UCHAR_MAX); - mind = (unsigned char)rng.uniform(0, half-32); - } - else if (type == CV_8S) - { - maxd = (char)rng.uniform(32, CHAR_MAX); - mind = (char)rng.uniform(CHAR_MIN, -32); - } - else if (type == CV_16U) - { - ushort half = USHRT_MAX/2; - maxd = (unsigned int)rng.uniform(half+32, USHRT_MAX); - mind = (unsigned int)rng.uniform(0, half-32); - } - else if (type == CV_16S) - { - maxd = rng.uniform(32, SHRT_MAX); - mind = rng.uniform(SHRT_MIN, -32); - } - else if (type == CV_32S) - { - maxd = rng.uniform(32, INT_MAX); - mind = rng.uniform(INT_MIN, -32); - } - else if (type == CV_32F) - { - maxd = rng.uniform(32.0f, FLT_MAX); - mind = rng.uniform(-FLT_MAX, -32.0f); - } - else if (type == CV_64F) - { - maxd = rng.uniform(32.0, DBL_MAX); - mind = rng.uniform(-DBL_MAX, -32.0); - } - - fgbg->setMinVal(mind); - fgbg->setMaxVal(maxd); - - Mat simImage = Mat::zeros(height, width, channelsAndType); - int numLearningFrames = 120; - for (int i = 0; i < numLearningFrames; ++i) - { - /** - * Genrate simulated "image" for any type. Values always confined to upper half of range. - */ - rng.fill(simImage, RNG::UNIFORM, (mind + maxd)*0.5, maxd); - - /** - * Feed simulated images into background subtractor - */ - fgbg->apply(simImage,fgmask); - Mat fullbg = Mat::zeros(simImage.rows, simImage.cols, CV_8U); - - //! fgmask should be entirely background during training - code = cvtest::cmpEps2( ts, fgmask, fullbg, 0, false, "The training foreground mask" ); - if (code < 0) - ts->set_failed_test_info( code ); - } - //! generate last image, distinct from training images - rng.fill(simImage, RNG::UNIFORM, mind, maxd); - - fgbg->apply(simImage,fgmask); - //! now fgmask should be entirely foreground - Mat fullfg = 255*Mat::ones(simImage.rows, simImage.cols, CV_8U); - code = cvtest::cmpEps2( ts, fgmask, fullfg, 255, false, "The final foreground mask" ); - if (code < 0) - { - ts->set_failed_test_info( code ); - } - -} - -TEST(VIDEO_BGSUBGMG, accuracy) { CV_BackgroundSubtractorTest test; test.safe_run(); } diff --git a/modules/video/test/test_motiontemplates.cpp b/modules/video/test/test_motiontemplates.cpp deleted file mode 100644 index 7779327b10..0000000000 --- a/modules/video/test/test_motiontemplates.cpp +++ /dev/null @@ -1,500 +0,0 @@ -/*M/////////////////////////////////////////////////////////////////////////////////////// -// -// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. -// -// By downloading, copying, installing or using the software you agree to this license. -// If you do not agree to this license, do not download, install, -// copy or use the software. -// -// -// Intel License Agreement -// For Open Source Computer Vision Library -// -// Copyright (C) 2000, Intel Corporation, all rights reserved. -// Third party copyrights are property of their respective owners. -// -// Redistribution and use in source and binary forms, with or without modification, -// are permitted provided that the following conditions are met: -// -// * Redistribution's of source code must retain the above copyright notice, -// this list of conditions and the following disclaimer. -// -// * Redistribution's in binary form must reproduce the above copyright notice, -// this list of conditions and the following disclaimer in the documentation -// and/or other materials provided with the distribution. -// -// * The name of Intel Corporation may not be used to endorse or promote products -// derived from this software without specific prior written permission. -// -// This software is provided by the copyright holders and contributors "as is" and -// any express or implied warranties, including, but not limited to, the implied -// warranties of merchantability and fitness for a particular purpose are disclaimed. -// In no event shall the Intel Corporation or contributors be liable for any direct, -// indirect, incidental, special, exemplary, or consequential damages -// (including, but not limited to, procurement of substitute goods or services; -// loss of use, data, or profits; or business interruption) however caused -// and on any theory of liability, whether in contract, strict liability, -// or tort (including negligence or otherwise) arising in any way out of -// the use of this software, even if advised of the possibility of such damage. -// -//M*/ - -#include "test_precomp.hpp" - -using namespace cv; -using namespace std; - -///////////////////// base MHI class /////////////////////// -class CV_MHIBaseTest : public cvtest::ArrayTest -{ -public: - CV_MHIBaseTest(); - -protected: - void get_test_array_types_and_sizes( int test_case_idx, vector >& sizes, vector >& types ); - void get_minmax_bounds( int i, int j, int type, Scalar& low, Scalar& high ); - int prepare_test_case( int test_case_idx ); - double timestamp, duration, max_log_duration; - int mhi_i, mhi_ref_i; - double silh_ratio; -}; - - -CV_MHIBaseTest::CV_MHIBaseTest() -{ - timestamp = duration = 0; - max_log_duration = 9; - mhi_i = mhi_ref_i = -1; - - silh_ratio = 0.25; -} - - -void CV_MHIBaseTest::get_minmax_bounds( int i, int j, int type, Scalar& low, Scalar& high ) -{ - cvtest::ArrayTest::get_minmax_bounds( i, j, type, low, high ); - if( i == INPUT && CV_MAT_DEPTH(type) == CV_8U ) - { - low = Scalar::all(cvRound(-1./silh_ratio)+2.); - high = Scalar::all(2); - } - else if( i == mhi_i || i == mhi_ref_i ) - { - low = Scalar::all(-exp(max_log_duration)); - high = Scalar::all(0.); - } -} - - -void CV_MHIBaseTest::get_test_array_types_and_sizes( int test_case_idx, - vector >& sizes, vector >& types ) -{ - RNG& rng = ts->get_rng(); - cvtest::ArrayTest::get_test_array_types_and_sizes( test_case_idx, sizes, types ); - - types[INPUT][0] = CV_8UC1; - types[mhi_i][0] = types[mhi_ref_i][0] = CV_32FC1; - duration = exp(cvtest::randReal(rng)*max_log_duration); - timestamp = duration + cvtest::randReal(rng)*30.-10.; -} - - -int CV_MHIBaseTest::prepare_test_case( int test_case_idx ) -{ - int code = cvtest::ArrayTest::prepare_test_case( test_case_idx ); - if( code > 0 ) - { - Mat& mat = test_mat[mhi_i][0]; - mat += Scalar::all(duration); - cv::max(mat, 0, mat); - if( mhi_i != mhi_ref_i ) - { - Mat& mat0 = test_mat[mhi_ref_i][0]; - cvtest::copy( mat, mat0 ); - } - } - - return code; -} - - -///////////////////// update motion history //////////////////////////// - -static void test_updateMHI( const Mat& silh, Mat& mhi, double timestamp, double duration ) -{ - int i, j; - float delbound = (float)(timestamp - duration); - for( i = 0; i < mhi.rows; i++ ) - { - const uchar* silh_row = silh.ptr(i); - float* mhi_row = mhi.ptr(i); - - for( j = 0; j < mhi.cols; j++ ) - { - if( silh_row[j] ) - mhi_row[j] = (float)timestamp; - else if( mhi_row[j] < delbound ) - mhi_row[j] = 0.f; - } - } -} - - -class CV_UpdateMHITest : public CV_MHIBaseTest -{ -public: - CV_UpdateMHITest(); - -protected: - double get_success_error_level( int test_case_idx, int i, int j ); - void run_func(); - void prepare_to_validation( int ); -}; - - -CV_UpdateMHITest::CV_UpdateMHITest() -{ - test_array[INPUT].push_back(NULL); - test_array[INPUT_OUTPUT].push_back(NULL); - test_array[REF_INPUT_OUTPUT].push_back(NULL); - mhi_i = INPUT_OUTPUT; mhi_ref_i = REF_INPUT_OUTPUT; -} - - -double CV_UpdateMHITest::get_success_error_level( int /*test_case_idx*/, int /*i*/, int /*j*/ ) -{ - return 0; -} - - -void CV_UpdateMHITest::run_func() -{ - cv::updateMotionHistory( test_mat[INPUT][0], test_mat[INPUT_OUTPUT][0], timestamp, duration); -} - - -void CV_UpdateMHITest::prepare_to_validation( int /*test_case_idx*/ ) -{ - //CvMat m0 = test_mat[REF_INPUT_OUTPUT][0]; - test_updateMHI( test_mat[INPUT][0], test_mat[REF_INPUT_OUTPUT][0], timestamp, duration ); -} - - -///////////////////// calc motion gradient //////////////////////////// - -static void test_MHIGradient( const Mat& mhi, Mat& mask, Mat& orientation, - double delta1, double delta2, int aperture_size ) -{ - Point anchor( aperture_size/2, aperture_size/2 ); - double limit = 1e-4*aperture_size*aperture_size; - - Mat dx, dy, min_mhi, max_mhi; - - Mat kernel = cvtest::calcSobelKernel2D( 1, 0, aperture_size ); - cvtest::filter2D( mhi, dx, CV_32F, kernel, anchor, 0, BORDER_REPLICATE ); - kernel = cvtest::calcSobelKernel2D( 0, 1, aperture_size ); - cvtest::filter2D( mhi, dy, CV_32F, kernel, anchor, 0, BORDER_REPLICATE ); - - kernel = Mat::ones(aperture_size, aperture_size, CV_8U); - cvtest::erode(mhi, min_mhi, kernel, anchor, 0, BORDER_REPLICATE); - cvtest::dilate(mhi, max_mhi, kernel, anchor, 0, BORDER_REPLICATE); - - if( delta1 > delta2 ) - { - std::swap( delta1, delta2 ); - } - - for( int i = 0; i < mhi.rows; i++ ) - { - uchar* mask_row = mask.ptr(i); - float* orient_row = orientation.ptr(i); - const float* dx_row = dx.ptr(i); - const float* dy_row = dy.ptr(i); - const float* min_row = min_mhi.ptr(i); - const float* max_row = max_mhi.ptr(i); - - for( int j = 0; j < mhi.cols; j++ ) - { - double delta = max_row[j] - min_row[j]; - double _dx = dx_row[j], _dy = dy_row[j]; - - if( delta1 <= delta && delta <= delta2 && - (fabs(_dx) > limit || fabs(_dy) > limit) ) - { - mask_row[j] = 1; - double angle = atan2( _dy, _dx ) * (180/CV_PI); - if( angle < 0 ) - angle += 360.; - orient_row[j] = (float)angle; - } - else - { - mask_row[j] = 0; - orient_row[j] = 0.f; - } - } - } -} - - -class CV_MHIGradientTest : public CV_MHIBaseTest -{ -public: - CV_MHIGradientTest(); - -protected: - void get_test_array_types_and_sizes( int test_case_idx, vector >& sizes, vector >& types ); - double get_success_error_level( int test_case_idx, int i, int j ); - void run_func(); - void prepare_to_validation( int ); - - double delta1, delta2, delta_range_log; - int aperture_size; -}; - - -CV_MHIGradientTest::CV_MHIGradientTest() -{ - mhi_i = mhi_ref_i = INPUT; - test_array[INPUT].push_back(NULL); - test_array[OUTPUT].push_back(NULL); - test_array[OUTPUT].push_back(NULL); - test_array[REF_OUTPUT].push_back(NULL); - test_array[REF_OUTPUT].push_back(NULL); - delta1 = delta2 = 0; - aperture_size = 0; - delta_range_log = 4; -} - - -void CV_MHIGradientTest::get_test_array_types_and_sizes( int test_case_idx, vector >& sizes, vector >& types ) -{ - RNG& rng = ts->get_rng(); - CV_MHIBaseTest::get_test_array_types_and_sizes( test_case_idx, sizes, types ); - - types[OUTPUT][0] = types[REF_OUTPUT][0] = CV_8UC1; - types[OUTPUT][1] = types[REF_OUTPUT][1] = CV_32FC1; - delta1 = exp(cvtest::randReal(rng)*delta_range_log + 1.); - delta2 = exp(cvtest::randReal(rng)*delta_range_log + 1.); - aperture_size = (cvtest::randInt(rng)%3)*2+3; - //duration = exp(cvtest::randReal(rng)*max_log_duration); - //timestamp = duration + cvtest::randReal(rng)*30.-10.; -} - - -double CV_MHIGradientTest::get_success_error_level( int /*test_case_idx*/, int /*i*/, int j ) -{ - return j == 0 ? 0 : 2e-1; -} - - -void CV_MHIGradientTest::run_func() -{ - cv::calcMotionGradient(test_mat[INPUT][0], test_mat[OUTPUT][0], - test_mat[OUTPUT][1], delta1, delta2, aperture_size ); - //cvCalcMotionGradient( test_array[INPUT][0], test_array[OUTPUT][0], - // test_array[OUTPUT][1], delta1, delta2, aperture_size ); -} - - -void CV_MHIGradientTest::prepare_to_validation( int /*test_case_idx*/ ) -{ - test_MHIGradient( test_mat[INPUT][0], test_mat[REF_OUTPUT][0], - test_mat[REF_OUTPUT][1], delta1, delta2, aperture_size ); - test_mat[REF_OUTPUT][0] += Scalar::all(1); - test_mat[OUTPUT][0] += Scalar::all(1); -} - - -////////////////////// calc global orientation ///////////////////////// - -static double test_calcGlobalOrientation( const Mat& orient, const Mat& mask, - const Mat& mhi, double timestamp, double duration ) -{ - const int HIST_SIZE = 12; - int y, x; - int histogram[HIST_SIZE]; - int max_bin = 0; - - double base_orientation = 0, delta_orientation = 0, weight = 0; - double low_time, global_orientation; - - memset( histogram, 0, sizeof( histogram )); - timestamp = 0; - - for( y = 0; y < orient.rows; y++ ) - { - const float* orient_data = orient.ptr(y); - const uchar* mask_data = mask.ptr(y); - const float* mhi_data = mhi.ptr(y); - for( x = 0; x < orient.cols; x++ ) - if( mask_data[x] ) - { - int bin = cvFloor( (orient_data[x]*HIST_SIZE)/360 ); - histogram[bin < 0 ? 0 : bin >= HIST_SIZE ? HIST_SIZE-1 : bin]++; - if( mhi_data[x] > timestamp ) - timestamp = mhi_data[x]; - } - } - - low_time = timestamp - duration; - - for( x = 1; x < HIST_SIZE; x++ ) - { - if( histogram[x] > histogram[max_bin] ) - max_bin = x; - } - - base_orientation = ((double)max_bin*360)/HIST_SIZE; - - for( y = 0; y < orient.rows; y++ ) - { - const float* orient_data = orient.ptr(y); - const float* mhi_data = mhi.ptr(y); - const uchar* mask_data = mask.ptr(y); - - for( x = 0; x < orient.cols; x++ ) - { - if( mask_data[x] && mhi_data[x] > low_time ) - { - double diff = orient_data[x] - base_orientation; - double delta_weight = (((mhi_data[x] - low_time)/duration)*254 + 1)/255; - - if( diff < -180 ) diff += 360; - if( diff > 180 ) diff -= 360; - - if( delta_weight > 0 && fabs(diff) < 45 ) - { - delta_orientation += diff*delta_weight; - weight += delta_weight; - } - } - } - } - - if( weight == 0 ) - global_orientation = base_orientation; - else - { - global_orientation = base_orientation + delta_orientation/weight; - if( global_orientation < 0 ) global_orientation += 360; - if( global_orientation > 360 ) global_orientation -= 360; - } - - return global_orientation; -} - - -class CV_MHIGlobalOrientTest : public CV_MHIBaseTest -{ -public: - CV_MHIGlobalOrientTest(); - -protected: - void get_test_array_types_and_sizes( int test_case_idx, vector >& sizes, vector >& types ); - void get_minmax_bounds( int i, int j, int type, Scalar& low, Scalar& high ); - double get_success_error_level( int test_case_idx, int i, int j ); - int validate_test_results( int test_case_idx ); - void run_func(); - double angle, min_angle, max_angle; -}; - - -CV_MHIGlobalOrientTest::CV_MHIGlobalOrientTest() -{ - mhi_i = mhi_ref_i = INPUT; - test_array[INPUT].push_back(NULL); - test_array[INPUT].push_back(NULL); - test_array[INPUT].push_back(NULL); - min_angle = max_angle = 0; -} - - -void CV_MHIGlobalOrientTest::get_test_array_types_and_sizes( int test_case_idx, vector >& sizes, vector >& types ) -{ - RNG& rng = ts->get_rng(); - CV_MHIBaseTest::get_test_array_types_and_sizes( test_case_idx, sizes, types ); - Size size = sizes[INPUT][0]; - - size.width = MAX( size.width, 16 ); - size.height = MAX( size.height, 16 ); - sizes[INPUT][0] = sizes[INPUT][1] = sizes[INPUT][2] = size; - - types[INPUT][1] = CV_8UC1; // mask - types[INPUT][2] = CV_32FC1; // orientation - - min_angle = cvtest::randReal(rng)*359.9; - max_angle = cvtest::randReal(rng)*359.9; - if( min_angle >= max_angle ) - { - std::swap( min_angle, max_angle); - } - max_angle += 0.1; - duration = exp(cvtest::randReal(rng)*max_log_duration); - timestamp = duration + cvtest::randReal(rng)*30.-10.; -} - - -void CV_MHIGlobalOrientTest::get_minmax_bounds( int i, int j, int type, Scalar& low, Scalar& high ) -{ - CV_MHIBaseTest::get_minmax_bounds( i, j, type, low, high ); - if( i == INPUT && j == 2 ) - { - low = Scalar::all(min_angle); - high = Scalar::all(max_angle); - } -} - - -double CV_MHIGlobalOrientTest::get_success_error_level( int /*test_case_idx*/, int /*i*/, int /*j*/ ) -{ - return 15; -} - - -void CV_MHIGlobalOrientTest::run_func() -{ - //angle = cvCalcGlobalOrientation( test_array[INPUT][2], test_array[INPUT][1], - // test_array[INPUT][0], timestamp, duration ); - angle = cv::calcGlobalOrientation(test_mat[INPUT][2], test_mat[INPUT][1], - test_mat[INPUT][0], timestamp, duration ); -} - - -int CV_MHIGlobalOrientTest::validate_test_results( int test_case_idx ) -{ - //printf("%d. rows=%d, cols=%d, nzmask=%d\n", test_case_idx, test_mat[INPUT][1].rows, test_mat[INPUT][1].cols, - // cvCountNonZero(test_array[INPUT][1])); - - double ref_angle = test_calcGlobalOrientation( test_mat[INPUT][2], test_mat[INPUT][1], - test_mat[INPUT][0], timestamp, duration ); - double err_level = get_success_error_level( test_case_idx, 0, 0 ); - int code = cvtest::TS::OK; - int nz = countNonZero( test_mat[INPUT][1] ); - - if( nz > 32 && !(min_angle - err_level <= angle && - max_angle + err_level >= angle) && - !(min_angle - err_level <= angle+360 && - max_angle + err_level >= angle+360) ) - { - ts->printf( cvtest::TS::LOG, "The angle=%g is outside (%g,%g) range\n", - angle, min_angle - err_level, max_angle + err_level ); - code = cvtest::TS::FAIL_BAD_ACCURACY; - } - else if( fabs(angle - ref_angle) > err_level && - fabs(360 - fabs(angle - ref_angle)) > err_level ) - { - ts->printf( cvtest::TS::LOG, "The angle=%g differs too much from reference value=%g\n", - angle, ref_angle ); - code = cvtest::TS::FAIL_BAD_ACCURACY; - } - - if( code < 0 ) - ts->set_failed_test_info( code ); - return code; -} - - -TEST(Video_MHIUpdate, accuracy) { CV_UpdateMHITest test; test.safe_run(); } -TEST(Video_MHIGradient, accuracy) { CV_MHIGradientTest test; test.safe_run(); } -TEST(Video_MHIGlobalOrient, accuracy) { CV_MHIGlobalOrientTest test; test.safe_run(); } diff --git a/modules/video/test/test_simpleflow.cpp b/modules/video/test/test_simpleflow.cpp deleted file mode 100644 index 71a4468e60..0000000000 --- a/modules/video/test/test_simpleflow.cpp +++ /dev/null @@ -1,190 +0,0 @@ -/*M/////////////////////////////////////////////////////////////////////////////////////// -// -// IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING. -// -// By downloading, copying, installing or using the software you agree to this license. -// If you do not agree to this license, do not download, install, -// copy or use the software. -// -// -// Intel License Agreement -// For Open Source Computer Vision Library -// -// Copyright (C) 2000, Intel Corporation, all rights reserved. -// Third party copyrights are property of their respective owners. -// -// Redistribution and use in source and binary forms, with or without modification, -// are permitted provided that the following conditions are met: -// -// * Redistribution's of source code must retain the above copyright notice, -// this list of conditions and the following disclaimer. -// -// * Redistribution's in binary form must reproduce the above copyright notice, -// this list of conditions and the following disclaimer in the documentation -// and/or other materials provided with the distribution. -// -// * The name of Intel Corporation may not be used to endorse or promote products -// derived from this software without specific prior written permission. -// -// This software is provided by the copyright holders and contributors "as is" and -// any express or implied warranties, including, but not limited to, the implied -// warranties of merchantability and fitness for a particular purpose are disclaimed. -// In no event shall the Intel Corporation or contributors be liable for any direct, -// indirect, incidental, special, exemplary, or consequential damages -// (including, but not limited to, procurement of substitute goods or services; -// loss of use, data, or profits; or business interruption) however caused -// and on any theory of liability, whether in contract, strict liability, -// or tort (including negligence or otherwise) arising in any way out of -// the use of this software, even if advised of the possibility of such damage. -// -//M*/ - -#include "test_precomp.hpp" - -#include - -using namespace std; - -/* ///////////////////// simpleflow_test ///////////////////////// */ - -class CV_SimpleFlowTest : public cvtest::BaseTest -{ -public: - CV_SimpleFlowTest(); -protected: - void run(int); -}; - - -CV_SimpleFlowTest::CV_SimpleFlowTest() {} - -static bool readOpticalFlowFromFile(FILE* file, cv::Mat& flow) { - char header[5]; - if (fread(header, 1, 4, file) < 4 && (string)header != "PIEH") { - return false; - } - - int cols, rows; - if (fread(&cols, sizeof(int), 1, file) != 1|| - fread(&rows, sizeof(int), 1, file) != 1) { - return false; - } - - flow = cv::Mat::zeros(rows, cols, CV_32FC2); - - for (int i = 0; i < rows; ++i) { - for (int j = 0; j < cols; ++j) { - cv::Vec2f flow_at_point; - if (fread(&(flow_at_point[0]), sizeof(float), 1, file) != 1 || - fread(&(flow_at_point[1]), sizeof(float), 1, file) != 1) { - return false; - } - flow.at(i, j) = flow_at_point; - } - } - - return true; -} - -static bool isFlowCorrect(float u) { - return !cvIsNaN(u) && (fabs(u) < 1e9); -} - -static float calc_rmse(cv::Mat flow1, cv::Mat flow2) { - float sum = 0; - int counter = 0; - const int rows = flow1.rows; - const int cols = flow1.cols; - - for (int y = 0; y < rows; ++y) { - for (int x = 0; x < cols; ++x) { - cv::Vec2f flow1_at_point = flow1.at(y, x); - cv::Vec2f flow2_at_point = flow2.at(y, x); - - float u1 = flow1_at_point[0]; - float v1 = flow1_at_point[1]; - float u2 = flow2_at_point[0]; - float v2 = flow2_at_point[1]; - - if (isFlowCorrect(u1) && isFlowCorrect(u2) && isFlowCorrect(v1) && isFlowCorrect(v2)) { - sum += (u1-u2)*(u1-u2) + (v1-v2)*(v1-v2); - counter++; - } - } - } - return (float)sqrt(sum / (1e-9 + counter)); -} - -void CV_SimpleFlowTest::run(int) { - const float MAX_RMSE = 0.6f; - const string frame1_path = ts->get_data_path() + "optflow/RubberWhale1.png"; - const string frame2_path = ts->get_data_path() + "optflow/RubberWhale2.png"; - const string gt_flow_path = ts->get_data_path() + "optflow/RubberWhale.flo"; - - cv::Mat frame1 = cv::imread(frame1_path); - cv::Mat frame2 = cv::imread(frame2_path); - - if (frame1.empty()) { - ts->printf(cvtest::TS::LOG, "could not read image %s\n", frame2_path.c_str()); - ts->set_failed_test_info(cvtest::TS::FAIL_MISSING_TEST_DATA); - return; - } - - if (frame2.empty()) { - ts->printf(cvtest::TS::LOG, "could not read image %s\n", frame2_path.c_str()); - ts->set_failed_test_info(cvtest::TS::FAIL_MISSING_TEST_DATA); - return; - } - - if (frame1.rows != frame2.rows && frame1.cols != frame2.cols) { - ts->printf(cvtest::TS::LOG, "images should be of equal sizes (%s and %s)", - frame1_path.c_str(), frame2_path.c_str()); - ts->set_failed_test_info(cvtest::TS::FAIL_MISSING_TEST_DATA); - return; - } - - if (frame1.type() != 16 || frame2.type() != 16) { - ts->printf(cvtest::TS::LOG, "images should be of equal type CV_8UC3 (%s and %s)", - frame1_path.c_str(), frame2_path.c_str()); - ts->set_failed_test_info(cvtest::TS::FAIL_MISSING_TEST_DATA); - return; - } - - cv::Mat flow_gt; - - FILE* gt_flow_file = fopen(gt_flow_path.c_str(), "rb"); - if (gt_flow_file == NULL) { - ts->printf(cvtest::TS::LOG, "could not read ground-thuth flow from file %s", - gt_flow_path.c_str()); - ts->set_failed_test_info(cvtest::TS::FAIL_MISSING_TEST_DATA); - return; - } - - if (!readOpticalFlowFromFile(gt_flow_file, flow_gt)) { - ts->printf(cvtest::TS::LOG, "error while reading flow data from file %s", - gt_flow_path.c_str()); - ts->set_failed_test_info(cvtest::TS::FAIL_MISSING_TEST_DATA); - return; - } - fclose(gt_flow_file); - - cv::Mat flow; - cv::calcOpticalFlowSF(frame1, frame2, flow, 3, 2, 4); - - float rmse = calc_rmse(flow_gt, flow); - - ts->printf(cvtest::TS::LOG, "Optical flow estimation RMSE for SimpleFlow algorithm : %lf\n", - rmse); - - if (rmse > MAX_RMSE) { - ts->printf( cvtest::TS::LOG, - "Too big rmse error : %lf ( >= %lf )\n", rmse, MAX_RMSE); - ts->set_failed_test_info(cvtest::TS::FAIL_BAD_ACCURACY); - return; - } -} - - -TEST(Video_OpticalFlowSimpleFlow, accuracy) { CV_SimpleFlowTest test; test.safe_run(); } - -/* End of file. */ diff --git a/modules/video/test/test_tvl1optflow.cpp b/modules/video/test/test_tvl1optflow.cpp index 274c13e65d..4772f0fb6e 100644 --- a/modules/video/test/test_tvl1optflow.cpp +++ b/modules/video/test/test_tvl1optflow.cpp @@ -52,12 +52,13 @@ namespace { // first four bytes, should be the same in little endian const float FLO_TAG_FLOAT = 202021.25f; // check for this when READING the file - const char FLO_TAG_STRING[] = "PIEH"; // use this when WRITING the file +#ifdef DUMP // binary file format for flow data specified here: // http://vision.middlebury.edu/flow/data/ void writeOpticalFlowToFile(const Mat_& flow, const string& fileName) { + const char FLO_TAG_STRING[] = "PIEH"; // use this when WRITING the file ofstream file(fileName.c_str(), ios_base::binary); file << FLO_TAG_STRING; @@ -76,6 +77,7 @@ namespace } } } +#endif // binary file format for flow data specified here: // http://vision.middlebury.edu/flow/data/ diff --git a/modules/videoio/CMakeLists.txt b/modules/videoio/CMakeLists.txt index 96ac5045f5..94907575d3 100644 --- a/modules/videoio/CMakeLists.txt +++ b/modules/videoio/CMakeLists.txt @@ -17,80 +17,83 @@ if(APPLE) endif() set(videoio_hdrs - src/precomp.hpp - src/cap_ffmpeg_impl.hpp + ${CMAKE_CURRENT_LIST_DIR}/src/precomp.hpp + ${CMAKE_CURRENT_LIST_DIR}/src/cap_ffmpeg_impl.hpp ) set(videoio_srcs - src/cap.cpp - src/cap_images.cpp - src/cap_ffmpeg.cpp + ${CMAKE_CURRENT_LIST_DIR}/src/cap.cpp + ${CMAKE_CURRENT_LIST_DIR}/src/cap_images.cpp + ${CMAKE_CURRENT_LIST_DIR}/src/cap_ffmpeg.cpp ) -file(GLOB videoio_ext_hdrs "include/opencv2/*.hpp" "include/opencv2/${name}/*.hpp" "include/opencv2/${name}/*.h") +file(GLOB videoio_ext_hdrs + "${CMAKE_CURRENT_LIST_DIR}/include/opencv2/*.hpp" + "${CMAKE_CURRENT_LIST_DIR}/include/opencv2/${name}/*.hpp" + "${CMAKE_CURRENT_LIST_DIR}/include/opencv2/${name}/*.h") if(WIN32 AND NOT ARM) - list(APPEND videoio_srcs src/cap_cmu.cpp) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_cmu.cpp) endif() if (WIN32 AND HAVE_DSHOW) - list(APPEND videoio_srcs src/cap_dshow.cpp) - list(APPEND videoio_hdrs src/cap_dshow.hpp) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_dshow.cpp) + list(APPEND videoio_hdrs ${CMAKE_CURRENT_LIST_DIR}/src/cap_dshow.hpp) endif() if (WIN32 AND HAVE_MSMF) - list(APPEND videoio_srcs src/cap_msmf.cpp) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_msmf.cpp) endif() if (WIN32 AND HAVE_VFW) - list(APPEND videoio_srcs src/cap_vfw.cpp) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_vfw.cpp) endif() if(HAVE_XINE) - list(APPEND videoio_srcs src/cap_xine.cpp) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_xine.cpp) endif(HAVE_XINE) if(HAVE_DC1394_2) - list(APPEND videoio_srcs src/cap_dc1394_v2.cpp) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_dc1394_v2.cpp) endif(HAVE_DC1394_2) if(HAVE_DC1394) - list(APPEND videoio_srcs src/cap_dc1394.cpp) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_dc1394.cpp) endif(HAVE_DC1394) if(HAVE_GSTREAMER) - list(APPEND videoio_srcs src/cap_gstreamer.cpp) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_gstreamer.cpp) endif(HAVE_GSTREAMER) if(HAVE_UNICAP) - list(APPEND videoio_srcs src/cap_unicap.cpp) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_unicap.cpp) endif(HAVE_UNICAP) if(HAVE_LIBV4L) - list(APPEND videoio_srcs src/cap_libv4l.cpp) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_libv4l.cpp) elseif(HAVE_CAMV4L OR HAVE_CAMV4L2 OR HAVE_VIDEOIO) - list(APPEND videoio_srcs src/cap_v4l.cpp) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_v4l.cpp) endif() if(HAVE_OPENNI) - list(APPEND videoio_srcs src/cap_openni.cpp) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_openni.cpp) ocv_include_directories(${OPENNI_INCLUDE_DIR}) list(APPEND VIDEOIO_LIBRARIES ${OPENNI_LIBRARY}) endif(HAVE_OPENNI) if(HAVE_OPENNI2) - list(APPEND videoio_srcs src/cap_openni2.cpp) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_openni2.cpp) ocv_include_directories(${OPENNI2_INCLUDE_DIR}) list(APPEND VIDEOIO_LIBRARIES ${OPENNI2_LIBRARY}) endif(HAVE_OPENNI2) if(HAVE_opencv_androidcamera) - list(APPEND videoio_srcs src/cap_android.cpp) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_android.cpp) add_definitions(-DHAVE_ANDROID_NATIVE_CAMERA)#TODO: remove this line endif(HAVE_opencv_androidcamera) if(HAVE_XIMEA) - list(APPEND videoio_srcs src/cap_ximea.cpp) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_ximea.cpp) ocv_include_directories(${XIMEA_PATH}) if(XIMEA_LIBRARY_DIR) link_directories("${XIMEA_LIBRARY_DIR}") @@ -115,40 +118,43 @@ if(HAVE_PVAPI) add_definitions(-DHAVE_PVAPI) add_definitions(${PVAPI_DEFINITIONS}) ocv_include_directories(${PVAPI_INCLUDE_PATH}) - set(videoio_srcs src/cap_pvapi.cpp ${videoio_srcs}) + set(videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_pvapi.cpp ${videoio_srcs}) list(APPEND VIDEOIO_LIBRARIES ${PVAPI_LIBRARY}) endif() if(HAVE_GIGE_API) add_definitions(-DHAVE_GIGE_API) ocv_include_directories(${GIGEAPI_INCLUDE_PATH}) - set(videoio_srcs src/cap_giganetix.cpp ${videoio_srcs}) + set(videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_giganetix.cpp ${videoio_srcs}) list(APPEND VIDEOIO_LIBRARIES ${GIGEAPI_LIBRARIES}) - list(APPEND videoio_srcs src/cap_giganetix.cpp) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_giganetix.cpp) endif(HAVE_GIGE_API) if(HAVE_AVFOUNDATION) - list(APPEND videoio_srcs src/cap_avfoundation.mm) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_avfoundation.mm) list(APPEND VIDEOIO_LIBRARIES "-framework AVFoundation" "-framework QuartzCore") endif() if(HAVE_QUICKTIME) - list(APPEND videoio_srcs src/cap_qt.cpp) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_qt.cpp) list(APPEND VIDEOIO_LIBRARIES "-framework Carbon" "-framework QuickTime" "-framework CoreFoundation" "-framework QuartzCore") elseif(HAVE_QTKIT) - list(APPEND videoio_srcs src/cap_qtkit.mm) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_qtkit.mm) list(APPEND VIDEOIO_LIBRARIES "-framework QTKit" "-framework QuartzCore" "-framework AppKit") endif() if(HAVE_INTELPERC) - list(APPEND videoio_srcs src/cap_intelperc.cpp) + list(APPEND videoio_srcs ${CMAKE_CURRENT_LIST_DIR}/src/cap_intelperc.cpp) ocv_include_directories(${INTELPERC_INCLUDE_DIR}) list(APPEND VIDEOIO_LIBRARIES ${INTELPERC_LIBRARIES}) endif(HAVE_INTELPERC) if(IOS) add_definitions(-DHAVE_IOS=1) - list(APPEND videoio_srcs src/cap_ios_abstract_camera.mm src/cap_ios_photo_camera.mm src/cap_ios_video_camera.mm) + list(APPEND videoio_srcs + ${CMAKE_CURRENT_LIST_DIR}/src/cap_ios_abstract_camera.mm + ${CMAKE_CURRENT_LIST_DIR}/src/cap_ios_photo_camera.mm + ${CMAKE_CURRENT_LIST_DIR}/src/cap_ios_video_camera.mm) list(APPEND VIDEOIO_LIBRARIES "-framework Accelerate" "-framework AVFoundation" "-framework CoreGraphics" "-framework CoreImage" "-framework CoreMedia" "-framework CoreVideo" "-framework QuartzCore" "-framework AssetsLibrary") endif() @@ -176,6 +182,7 @@ ocv_module_include_directories() ocv_create_module(${VIDEOIO_LIBRARIES}) +macro(ocv_videoio_configure_target) if(APPLE) ocv_check_flag_support(OBJCXX "-fobjc-exceptions" HAVE_OBJC_EXCEPTIONS) if(HAVE_OBJC_EXCEPTIONS) @@ -203,9 +210,10 @@ if(MSVC) endif() #stop automatic dependencies propagation for this module -set_target_properties(${the_module} PROPERTIES LINK_INTERFACE_LIBRARIES "") +if(NOT BUILD_opencv_world) + set_target_properties(${the_module} PROPERTIES LINK_INTERFACE_LIBRARIES "") +endif() -ocv_add_precompiled_headers(${the_module}) ocv_warnings_disable(CMAKE_CXX_FLAGS -Wno-deprecated-declarations) if(WIN32 AND WITH_FFMPEG) @@ -235,6 +243,11 @@ if(WIN32 AND WITH_FFMPEG) install(FILES "${ffmpeg_path}" DESTINATION ${OPENCV_BIN_INSTALL_PATH} COMPONENT libs RENAME "${ffmpeg_bare_name_ver}") endif() +endmacro() + +if(NOT BUILD_opencv_world) + ocv_videoio_configure_target() +endif() ocv_add_accuracy_tests() ocv_add_perf_tests() diff --git a/modules/videoio/src/cap_qtkit.mm b/modules/videoio/src/cap_qtkit.mm index 461bc1f33c..a0b10cd090 100644 --- a/modules/videoio/src/cap_qtkit.mm +++ b/modules/videoio/src/cap_qtkit.mm @@ -199,7 +199,6 @@ public: private: IplImage* argbimage; QTMovie* mMovie; - unsigned char* imagedata; NSString* path; NSString* codec; diff --git a/modules/viz/CMakeLists.txt b/modules/viz/CMakeLists.txt index d839491c1b..7fddb53880 100644 --- a/modules/viz/CMakeLists.txt +++ b/modules/viz/CMakeLists.txt @@ -7,7 +7,7 @@ set(the_description "Viz") ocv_define_module(viz opencv_core ${VTK_LIBRARIES}) if(APPLE AND BUILD_opencv_viz) - target_link_libraries(opencv_viz "-framework Cocoa") + ocv_target_link_libraries(opencv_viz "-framework Cocoa") endif() if(TARGET opencv_test_viz) diff --git a/modules/world/CMakeLists.txt b/modules/world/CMakeLists.txt index 33a9304c87..d2f5cb1682 100644 --- a/modules/world/CMakeLists.txt +++ b/modules/world/CMakeLists.txt @@ -9,124 +9,70 @@ else() set(OPENCV_WORLD_FLAGS_PROPERTY LINK_FLAGS) endif() -ocv_add_module(world opencv_core) +if(NOT OPENCV_INITIAL_PASS) + project(opencv_world) -if(MSVC) - foreach(_var CMAKE_EXE_LINKER_FLAGS_RELEASE CMAKE_MODULE_LINKER_FLAGS_RELEASE CMAKE_SHARED_LINKER_FLAGS_RELEASE - CMAKE_EXE_LINKER_FLAGS_DEBUG CMAKE_MODULE_LINKER_FLAGS_DEBUG CMAKE_SHARED_LINKER_FLAGS_DEBUG) - string(REPLACE "/INCREMENTAL:NO" "/INCREMENTAL:YES" ${_var} "${${_var}}") - endforeach() -endif() - -ocv_glob_module_sources() -ocv_module_include_directories() -ocv_create_module(SKIP_LINK) - -#TODO: try to use try_compile to find real object file extension/location -if(CMAKE_GENERATOR MATCHES "^Visual.*$") - set(have_cfg 1) - set(objpath0 ".dir//.obj") -elseif (CMAKE_GENERATOR MATCHES Xcode) - set(have_cfg 1) - set(objpath0 "OpenCV.build/$(CONFIGURATION)$(EFFECTIVE_PLATFORM_NAME)/.build/Objects-normal/$(CURRENT_ARCH)/.o") -else() - set(have_cfg 0) - set(objpath0 "CMakeFiles/.dir/.o") - if(MINGW OR MSVC) - set(objpath0 "${objpath0}bj") - endif() -endif() - -set(objlist "") -foreach(m ${OPENCV_MODULE_${the_module}_DEPS}) - # build order dependencies - add_dependencies(${the_module} ${m}) - # link dependencies - string(REGEX REPLACE "(general|debug|optimized);opencv_[^;]*(;|$)" "" _link_deps "${${m}_LIB_DEPENDS}") - if(_link_deps) - target_link_libraries(${the_module} ${_link_deps}) - endif() - - string(REGEX REPLACE "" "${m}" objpath1 "${${m}_BINARY_DIR}/${objpath0}") - foreach(srcname ${OPENCV_MODULE_${m}_SOURCES}) - if(srcname MATCHES "\\.(cpp|mm|c|cxx|cc|o|obj)$") - if(srcname MATCHES "\\.(o|obj)$") - if(IS_ABSOLUTE "${srcname}") - set(objpath3 "${srcname}") - else() - set(objpath3 "${${m}_SOURCE_DIR}/${srcname}") - endif() - else() - if(IS_ABSOLUTE "${srcname}") - if(srcname MATCHES "/(qrc|moc)_[^/]*\\.cxx$") - # QT generated sources - file(RELATIVE_PATH srcname "${${m}_BINARY_DIR}" "${srcname}") - else() - file(RELATIVE_PATH srcname "${OPENCV_MODULE_${m}_LOCATION}" "${srcname}") - endif() - endif() - string(REPLACE ".." "__" srcname "${srcname}") - #NAME_WE intentionally not used since it interprets first period as start of extension (http://cmake.org/Bug/view.php?id=12282) - get_filename_component(srcname_we "${srcname}" NAME) - string(REGEX REPLACE "\\.[^.]+$" "" srcname_we "${srcname_we}") - string(REGEX REPLACE "${srcname_we}" objpath2 "${objpath1}") - string(REGEX REPLACE "${srcname}" objpath3 "${objpath2}") - endif() - if(CMAKE_GENERATOR MATCHES Makefiles) - file(RELATIVE_PATH objpath4 "${CMAKE_CURRENT_BINARY_DIR}" "${objpath3}") - else() - set(objpath4 ${objpath3}) - endif() - list(APPEND objlist "\"${objpath4}\"") + message(STATUS "Processing WORLD modules...") + foreach(m ${OPENCV_MODULES_BUILD}) + if(OPENCV_MODULE_${m}_IS_PART_OF_WORLD) + message(STATUS " module ${m}...") + set(CMAKE_CURRENT_SOURCE_DIR ${OPENCV_MODULE_${m}_LOCATION}) + #add_subdirectory("${OPENCV_MODULE_${m}_LOCATION}" ${CMAKE_CURRENT_BINARY_DIR}/${m}) + include("${OPENCV_MODULE_${m}_LOCATION}/CMakeLists.txt") endif() endforeach() + message(STATUS "Processing WORLD modules... DONE") + set(CMAKE_CURRENT_SOURCE_DIR OPENCV_MODULE_${opencv_world}_LOCATION) +endif() + +ocv_add_module(world opencv_core) + +set(headers_list "HEADERS") +set(sources_list "SOURCES") +set(link_deps "") +foreach(m ${OPENCV_MODULE_${the_module}_DEPS}) + set(headers_list "${headers_list};${OPENCV_MODULE_${m}_HEADERS}") + set(sources_list "${sources_list};${OPENCV_MODULE_${m}_SOURCES}") + set(link_deps "${link_deps};${OPENCV_MODULE_${m}_LINK_DEPS}") endforeach() +ocv_glob_module_sources(${headers_list} ${sources_list}) -macro(ios_include_3party_libs) - foreach(l ${ARGN}) - add_dependencies(${the_module} ${l}) - string(REGEX REPLACE "" "${l}" objpath1 "${CMAKE_BINARY_DIR}/3rdparty/${l}/${objpath0}") - file(GLOB sources ${CMAKE_SOURCE_DIR}/3rdparty/${l}/*.c) - foreach(srcname ${sources}) - if(IS_ABSOLUTE "${srcname}") - file(RELATIVE_PATH srcname "${CMAKE_SOURCE_DIR}/3rdparty/${l}" "${srcname}") - endif() +ocv_module_include_directories() - string(REPLACE ".." "__" srcname "${srcname}") - #NAME_WE intentionally not used since it interprets first period as start of extension (http://cmake.org/Bug/view.php?id=12282) - get_filename_component(srcname_we "${srcname}" NAME) - string(REGEX REPLACE "\\.[^.]+$" "" srcname_we "${srcname_we}") - string(REGEX REPLACE "${srcname_we}" objpath2 "${objpath1}") - string(REGEX REPLACE "${srcname}" objpath3 "${objpath2}") +#message(STATUS "${OPENCV_MODULE_${the_module}_HEADERS}") +#message(STATUS "${OPENCV_MODULE_${the_module}_SOURCES}") +ocv_create_module(${link_deps}) - list(APPEND objlist "\"${objpath3}\"") - endforeach() # (srcname ${sources}) - endforeach() - ocv_list_filterout(objlist jmemansi) # <<= dirty fix -endmacro() - -if( (IOS OR APPLE) AND WITH_PNG) - ios_include_3party_libs(zlib libpng) +if(BUILD_opencv_imgcodecs) + ocv_imgcodecs_configure_target() +endif() +if(BUILD_opencv_videoio) + ocv_videoio_configure_target() +endif() +if(BUILD_opencv_highgui) + ocv_highgui_configure_target() endif() -if( (IOS OR APPLE) AND WITH_JPEG) - ios_include_3party_libs(libjpeg) +if(IOS OR APPLE) + set(merge_libs "") + macro(ios_include_3party_libs) + foreach(l ${ARGN}) + add_dependencies(${the_module} ${l}) + list(APPEND merge_libs "$") + endforeach() + endmacro() + + if(WITH_PNG) + ios_include_3party_libs(zlib libpng) + endif() + + if(WITH_JPEG) + ios_include_3party_libs(libjpeg) + endif() + + add_custom_command(TARGET ${the_module} POST_BUILD + COMMAND /usr/bin/libtool -static -o ${CMAKE_CURRENT_BINARY_DIR}/${the_module}_fat.a $ ${merge_libs} + COMMAND mv ${CMAKE_CURRENT_BINARY_DIR}/${the_module}_fat.a $ + ) endif() - -string(REPLACE ";" " " objlist "${objlist}") - -if(have_cfg) - string(REGEX REPLACE "" "Debug" objlist_dbg "${objlist}") - string(REGEX REPLACE "" "Release" objlist_rls "${objlist}") - set_target_properties(${the_module} PROPERTIES - ${OPENCV_WORLD_FLAGS_PROPERTY}_DEBUG ${objlist_dbg} - ${OPENCV_WORLD_FLAGS_PROPERTY}_RELEASE ${objlist_rls}) -else() - file(WRITE "${CMAKE_CURRENT_BINARY_DIR}/world_objects.list" "${objlist}") - execute_process(COMMAND ${CMAKE_COMMAND} -E copy_if_different "${CMAKE_CURRENT_BINARY_DIR}/world_objects.list" "${CMAKE_CURRENT_BINARY_DIR}/world_objects.rsp" OUTPUT_QUIET) - set_target_properties(${the_module} PROPERTIES - ${OPENCV_WORLD_FLAGS_PROPERTY} "@${CMAKE_CURRENT_BINARY_DIR}/world_objects.rsp") -endif() - -ocv_add_precompiled_headers(${the_module}) diff --git a/modules/world/src/precomp.hpp b/modules/world/src/precomp.hpp index 1aa056848f..a46e470b43 100644 --- a/modules/world/src/precomp.hpp +++ b/modules/world/src/precomp.hpp @@ -44,6 +44,9 @@ #define __OPENCV_PRECOMP_H__ #include "opencv2/opencv_modules.hpp" + +#include "opencv2/core/ocl.hpp" + #ifdef HAVE_OPENCV_VIDEO #include "opencv2/video.hpp" #endif @@ -53,9 +56,6 @@ #ifdef HAVE_OPENCV_NONFREE #include "opencv2/nonfree.hpp" #endif -#ifdef HAVE_OPENCV_ML -#include "opencv2/ml.hpp" -#endif #include "opencv2/world.hpp" diff --git a/modules/world/src/world_init.cpp b/modules/world/src/world_init.cpp index 3fd13f392a..685e44bdf7 100644 --- a/modules/world/src/world_init.cpp +++ b/modules/world/src/world_init.cpp @@ -53,9 +53,6 @@ bool cv::initAll() #endif #ifdef HAVE_OPENCV_NONFREE && initModule_nonfree() -#endif -#ifdef HAVE_OPENCV_ML - && initModule_ml() #endif ; } diff --git a/samples/android/CMakeLists.txt b/samples/android/CMakeLists.txt index 1ca60fbb91..8cad0e9fe1 100644 --- a/samples/android/CMakeLists.txt +++ b/samples/android/CMakeLists.txt @@ -19,9 +19,9 @@ add_subdirectory(native-activity) # hello-android sample if(HAVE_opencv_highgui) - ocv_include_modules_recurse(opencv_imgcodecs opencv_videoio opencv_highgui opencv_core) add_executable(hello-android hello-android/main.cpp) - target_link_libraries(hello-android ${OPENCV_LINKER_LIBS} opencv_imgcodecs opencv_videoio opencv_highgui opencv_core) + ocv_target_include_modules_recurse(hello-android opencv_imgcodecs opencv_videoio opencv_highgui opencv_core) + ocv_target_link_libraries(hello-android ${OPENCV_LINKER_LIBS} opencv_imgcodecs opencv_videoio opencv_highgui opencv_core) set_target_properties(hello-android PROPERTIES OUTPUT_NAME hello-android RUNTIME_OUTPUT_DIRECTORY "${EXECUTABLE_OUTPUT_PATH}") add_dependencies(opencv_android_examples hello-android) endif() diff --git a/samples/cpp/CMakeLists.txt b/samples/cpp/CMakeLists.txt index f22483cf6e..26acad1452 100644 --- a/samples/cpp/CMakeLists.txt +++ b/samples/cpp/CMakeLists.txt @@ -55,14 +55,14 @@ if(BUILD_EXAMPLES AND OCV_DEPENDENCIES_FOUND) set(the_target "${sample_kind}_${name}") add_executable(${the_target} ${srcs}) - target_link_libraries(${the_target} ${OPENCV_LINKER_LIBS} ${OPENCV_CPP_SAMPLES_REQUIRED_DEPS}) + ocv_target_link_libraries(${the_target} ${OPENCV_LINKER_LIBS} ${OPENCV_CPP_SAMPLES_REQUIRED_DEPS}) if("${srcs}" MATCHES "gpu/") - target_link_libraries(${the_target} opencv_cudaarithm opencv_cudafilters) + ocv_target_link_libraries(${the_target} opencv_cudaarithm opencv_cudafilters) endif() if(HAVE_opencv_ocl) - target_link_libraries(${the_target} opencv_ocl) + ocv_target_link_libraries(${the_target} opencv_ocl) endif() set_target_properties(${the_target} PROPERTIES diff --git a/samples/cpp/agaricus-lepiota.data b/samples/cpp/agaricus-lepiota.data deleted file mode 100644 index 14fe8bbe77..0000000000 --- a/samples/cpp/agaricus-lepiota.data +++ /dev/null @@ -1,8124 +0,0 @@ -p,x,s,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,s,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,g -e,b,s,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,m -p,x,y,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,s,g,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,y,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,g -e,b,s,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,m -e,b,y,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,m -p,x,y,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,g -e,b,s,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,y,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,y,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,s,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,g -p,x,y,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,f,n,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,a,g -e,s,f,g,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,y,u -e,f,f,w,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,a,g -p,x,s,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,s,g -p,x,y,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,s,u -p,x,s,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,s,u -e,b,s,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,m -p,x,y,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,g -e,b,y,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,m -e,b,y,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,m -e,b,s,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,m -p,f,s,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,y,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,y,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,m -e,f,f,n,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,y,u -e,x,s,y,t,a,f,w,n,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,b,s,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,m -p,x,y,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,s,u -e,x,y,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,y,n,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,y,p -e,b,y,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,f,y,t,l,f,w,n,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,s,f,g,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,u -p,x,y,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,s,u -e,x,f,y,t,a,f,w,n,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,b,s,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,y,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,y,y,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,y,p -e,x,f,n,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,k,y,u -p,x,y,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,s,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,y,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,y,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,s,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,y,y,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,s,p -e,f,y,y,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,s,p -e,x,y,n,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,s,g -e,x,s,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,g -e,b,s,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,m -p,x,y,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,u -p,x,s,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,u -e,b,y,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,m -e,f,f,g,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,a,g -e,b,s,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,s,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,y,n,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,y,p -e,s,f,g,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,u -e,b,y,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,m -e,b,s,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,m -e,b,y,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,m -e,b,y,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,g -e,f,s,n,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,s,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,g -e,f,y,y,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,s,g -e,x,y,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,f,g,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,f,y,t,l,f,w,n,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,b,y,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,m -e,f,f,y,t,l,f,w,n,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,n,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,s,p -e,b,s,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,g -e,f,s,y,t,l,f,w,n,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,s,w,t,l,f,w,n,n,t,b,s,s,w,w,p,w,o,p,u,v,d -e,f,y,n,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,y,p -p,x,y,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,y,n,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,y,g -e,x,s,n,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,s,g -p,x,y,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,s,g -e,f,f,g,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,y,u -e,x,f,g,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,y,y,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,s,g -e,x,s,n,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,s,g -e,b,s,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,s,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,g -e,f,y,n,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,y,g -e,s,f,n,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,f,n,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,y,u -e,b,s,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,y,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,y,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,s,n,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,s,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,g -e,f,y,n,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,s,g -e,x,s,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,g -e,b,s,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,y,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,f,n,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,s,g -e,b,s,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,g -e,f,y,y,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,s,g -e,x,y,y,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,y,p -e,b,y,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,y,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,y,y,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,y,g -e,b,y,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,y,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,s,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,s,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,g -e,s,f,g,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,k,y,u -e,x,f,w,t,a,f,w,n,w,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,s,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,m -p,x,y,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,y,y,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,s,g -e,s,f,g,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,y,u -e,x,y,y,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,y,g -e,x,s,y,t,l,f,w,n,p,t,b,s,s,w,w,p,w,o,p,u,v,d -e,s,f,n,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,y,u -p,x,s,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,g -e,x,y,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,m -p,f,y,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,g -e,f,s,g,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,s,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,s,w,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,s,g -e,b,s,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,g -e,f,f,g,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,s,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,g -e,b,s,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,m -e,b,s,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,g -e,b,y,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,m -e,f,s,w,t,l,f,w,n,w,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,y,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,m -e,f,s,w,t,a,f,w,n,p,t,b,s,s,w,w,p,w,o,p,n,v,d -p,x,y,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,f,w,t,l,f,w,n,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,g -p,x,s,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,g -e,b,s,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,y,n,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,y,p -e,b,y,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,m -e,s,f,n,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,y,n,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,y,p -e,x,y,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,f,g,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,f,w,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,y,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,m -e,b,s,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,g -e,b,y,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,y,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,s,n,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,y,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,g -e,s,f,n,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,s,w,t,a,f,w,n,w,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,y,n,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,s,g -e,b,y,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,y,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,g -e,b,y,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,s,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,g -e,b,s,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,y,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,f,n,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,y,u -e,f,y,n,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,y,g -e,x,y,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,g -e,f,y,y,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,y,p -e,b,s,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,g -e,b,s,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,y,n,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,y,g -e,b,s,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,f,g,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,n,y,u -e,b,s,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,f,y,t,l,f,w,n,n,t,b,s,s,w,w,p,w,o,p,u,v,d -e,b,y,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,g -e,f,y,y,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,s,g -e,b,y,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,m -e,b,y,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,m -e,b,y,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,y,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,m -e,b,s,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,g -p,x,y,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,u -e,s,f,n,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,n,y,u -e,f,f,n,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,s,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,m -e,f,y,n,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,s,p -p,x,y,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,s,g -e,b,s,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,m -e,f,f,g,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,u -e,b,y,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,y,n,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,y,p -e,x,f,w,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,s,w,t,l,f,w,n,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,b,s,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,m -e,f,s,y,t,a,f,w,n,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,s,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,m -e,f,f,g,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,n,y,u -e,b,s,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,s,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,y,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,m -e,f,s,w,t,a,f,w,n,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,g -e,b,s,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,s,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,f,w,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,s,g -e,f,y,n,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,y,p -p,x,s,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,u -e,b,s,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,g -e,b,s,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,y,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,g -e,b,y,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,s,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,g -e,b,s,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,f,y,t,a,f,w,n,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,f,g,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,y,u -e,f,y,y,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,s,g -e,b,s,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,s,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,y,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,y,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,g -e,s,f,g,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,s,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,m -p,x,s,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,s,g -e,x,y,y,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,s,g -e,f,f,w,t,a,f,w,n,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,m -e,b,y,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,s,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,s,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,g -p,x,y,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,u -e,b,s,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,f,g,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,y,u -p,x,y,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,y,y,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,y,p -e,f,f,n,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,u -e,b,s,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,f,w,t,l,f,w,n,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,g -e,b,y,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,y,y,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,s,g -e,f,y,y,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,s,p -e,f,y,y,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,y,p -e,x,s,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,s,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,m -p,x,s,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,u -e,f,f,w,t,a,f,w,n,p,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,s,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,s,w,t,l,f,w,n,p,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,y,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,m -e,f,y,y,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,y,p -e,x,s,n,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,s,g -e,f,y,y,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,y,g -p,x,s,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,s,g -e,s,f,n,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,n,v,u -e,b,y,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,m -e,b,s,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,g -e,b,y,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,m -e,f,f,n,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,s,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,m -e,b,y,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,g -e,b,y,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,m -e,f,y,n,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,s,g -p,x,y,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,g -e,x,s,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,y,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,m -e,f,f,w,t,l,f,w,n,w,t,b,s,s,w,w,p,w,o,p,u,v,d -e,f,f,g,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,k,v,u -e,f,s,g,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,y,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,m -e,b,s,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,m -p,f,y,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,s,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,m -p,f,s,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,y,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,y,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,m -e,f,y,y,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,s,p -e,x,y,n,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,s,p -e,f,y,n,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,y,g -e,x,y,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,m -e,f,f,n,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,s,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,m -p,x,y,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,s,g -e,b,y,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,m -e,s,f,n,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,s,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,y,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,m -e,f,y,n,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,s,g -e,b,y,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,y,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,y,n,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,y,p -e,f,f,g,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,y,u -e,x,f,g,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,k,y,u -e,b,y,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,s,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,y,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,s,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,s,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,s,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,f,g,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,s,y,t,a,f,w,n,p,t,b,s,s,w,w,p,w,o,p,n,v,d -p,x,y,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,s,g -e,x,f,w,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,a,g -e,b,y,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,s,y,t,l,f,w,n,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,b,y,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,y,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,y,d -e,b,y,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,s,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,m -e,f,y,n,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,y,g -e,x,f,w,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,s,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,g -p,x,y,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,y,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,f,w,t,a,f,w,n,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,b,s,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,g -p,x,y,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,s,y,t,a,f,w,n,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,f,w,t,l,f,w,n,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,s,w,t,l,f,w,n,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,m -e,f,f,y,t,a,f,w,n,w,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,s,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,g -e,b,y,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,y,n,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,s,p -e,b,y,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,s,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,m -p,x,y,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,u -e,b,s,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,g -e,b,y,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,g -p,x,y,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,v,u -e,b,s,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,y,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,m -e,b,y,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,y,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,y,n,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,y,g -e,b,s,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,f,g,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,y,n,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,y,g -e,x,s,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,g -e,b,y,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,s,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,m -e,f,f,y,t,a,f,w,n,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,b,y,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,f,n,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,f,y,t,l,f,w,n,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,s,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,m -e,f,s,g,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,f,n,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,n,y,u -e,f,s,g,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,a,g -e,f,y,n,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,s,p -e,b,y,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,g -e,b,s,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,y,y,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,s,p -e,s,f,g,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,y,n,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,y,p -p,x,y,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,y,y,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,y,p -e,x,y,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,f,n,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,f,n,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,a,g -e,f,s,n,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,a,g -e,f,y,n,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,s,p -e,x,s,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,g -e,f,f,n,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,y,y,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,s,p -e,x,f,y,t,a,f,w,n,p,t,b,s,s,w,w,p,w,o,p,u,v,d -e,b,y,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,f,g,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,y,y,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,s,g -e,f,y,n,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,y,g -e,x,s,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,m -e,s,f,n,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,y,u -e,x,s,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,s,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,g -e,s,f,n,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,y,u -e,b,y,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,y,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,g -e,b,y,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,g -p,x,y,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,s,w,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,y,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,s,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,y,d -p,x,s,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,s,u -e,x,y,n,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,y,p -e,x,s,n,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,a,g -e,b,y,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,s,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,m -e,b,s,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,s,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,m -e,b,y,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,f,g,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,y,n,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,s,g -e,x,f,g,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,s,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,y,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,f,g,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,u -p,x,s,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,s,u -e,b,y,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,g -e,b,y,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,m -p,x,y,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,u -e,b,s,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,s,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,y,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,y,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,s,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,s,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,y,n,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,y,p -e,x,s,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,s,n,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,y,n,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,s,p -e,x,y,y,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,y,g -p,x,y,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,g -e,b,y,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,f,w,t,l,f,w,n,p,t,b,s,s,w,w,p,w,o,p,u,v,d -p,x,s,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,y,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,g -e,f,f,g,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,y,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,g -e,b,y,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,m -p,x,y,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,s,u -e,f,y,n,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,s,g -e,x,s,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,s,w,t,a,f,w,n,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,n,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,y,p -e,b,s,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,s,w,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,a,g -e,f,f,g,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,y,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,y,y,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,y,g -e,b,s,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,g -e,b,s,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,g -e,f,s,w,t,l,f,w,n,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,b,s,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,f,y,t,a,f,w,n,n,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,y,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,m -e,b,y,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,y,n,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,y,p -e,x,y,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,y,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,y,y,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,y,p -e,x,y,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,s,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,y,n,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,s,g -e,x,s,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,g -e,f,y,n,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,s,g -e,b,s,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,f,n,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,y,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,m -e,b,s,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,g -e,b,s,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,f,y,t,l,f,w,n,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,b,s,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,s,g,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,a,g -e,b,s,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,g -e,b,s,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,m -e,f,y,y,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,y,p -e,f,y,n,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,y,p -e,x,s,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,m -e,f,y,y,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,s,g -e,b,s,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,y,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,f,n,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,u -e,f,y,n,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,y,g -e,x,s,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,s,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,g -e,b,y,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,g -e,f,y,y,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,s,p -e,x,y,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,y,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,m -e,f,f,w,t,a,f,w,n,n,t,b,s,s,w,w,p,w,o,p,u,v,d -e,s,f,g,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,y,u -e,f,s,y,t,l,f,w,n,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,g,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,y,u -e,x,f,n,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,y,u -e,b,y,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,s,w,t,a,f,w,n,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,b,y,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,y,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,y,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,g -e,f,s,w,t,l,f,w,n,p,t,b,s,s,w,w,p,w,o,p,u,v,d -e,f,f,g,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,k,y,u -e,f,s,w,t,a,f,w,n,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,y,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,y,g -e,x,y,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,m -e,s,f,n,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,y,u -e,x,y,n,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,s,p -e,x,y,n,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,s,p -e,f,f,y,t,a,f,w,n,n,t,b,s,s,w,w,p,w,o,p,u,v,d -p,f,s,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,s,g -p,x,s,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,y,n,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,s,p -e,x,y,y,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,s,g -e,b,s,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,m -e,f,f,w,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,a,g -e,f,y,n,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,s,g -e,x,y,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,g -e,b,s,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,s,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,g -e,b,y,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,s,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,m -e,b,s,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,y,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,g -p,x,s,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,s,g,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,s,g -e,f,s,n,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,f,w,t,a,f,w,n,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,g,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,f,n,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,y,u -e,b,y,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,f,w,t,a,f,w,n,n,t,b,s,s,w,w,p,w,o,p,u,v,d -e,s,f,g,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,f,n,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,f,w,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,y,n,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,y,p -e,b,s,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,y,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,y,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,s,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,m -e,b,s,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,g -e,f,y,y,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,y,p -p,x,s,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,s,u -e,f,f,g,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,y,u -e,b,s,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,g -e,f,y,n,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,s,p -e,x,s,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,f,n,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,y,u -e,f,y,y,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,y,p -e,x,y,n,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,y,p -e,x,s,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,g -p,x,y,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,s,g -e,f,y,n,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,y,p -p,f,s,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,s,g -e,x,f,w,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,s,g -e,b,y,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,m -e,s,f,n,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,y,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,m -e,f,s,w,t,a,f,w,n,p,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,s,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,m -e,f,f,g,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,s,g -p,x,y,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,s,g -e,x,y,y,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,s,g -e,f,f,n,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,s,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,y,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,m -e,f,f,g,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,f,y,t,l,f,w,n,p,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,s,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,m -e,f,f,n,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,y,u -e,x,f,g,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,y,y,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,s,p -e,f,s,w,t,l,f,w,n,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,s,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,g -e,f,y,y,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,y,p -p,x,y,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,f,w,t,l,f,w,n,w,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,s,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,y,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,m -e,b,s,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,s,y,t,a,f,w,n,w,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,s,y,t,a,f,w,n,n,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,f,w,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,s,g -e,b,s,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,m -p,x,y,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,v,g -e,x,y,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,g -e,f,s,g,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,s,g -p,x,s,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,s,g -e,b,y,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,s,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,m -e,f,f,y,t,l,f,w,n,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,s,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,g -e,b,y,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,y,n,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,y,g -e,x,s,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,f,n,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,s,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,y,y,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,y,g -p,x,s,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,s,g -e,x,s,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,s,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,y,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,y,y,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,y,g -e,f,y,y,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,s,g -e,x,y,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,m -e,s,f,g,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,k,v,u -e,f,f,n,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,y,u -e,s,f,g,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,y,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,m -p,x,s,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,s,g,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,y,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,g -p,x,y,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,s,g -e,x,s,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,m -p,x,s,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,u -e,b,s,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,m -e,b,y,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,m -p,x,y,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,s,g -p,x,s,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,s,g,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,y,n,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,y,g -e,f,f,w,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,a,g -e,f,y,n,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,s,p -e,b,y,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,s,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,s,g,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,s,g -e,f,y,n,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,y,g -e,x,s,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,m -e,f,f,g,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,u -e,f,s,n,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,f,g,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,s,g -e,f,s,w,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,a,g -p,x,s,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,s,u -e,x,y,y,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,s,g -e,b,s,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,g -e,f,f,g,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,a,g -e,b,y,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,g -e,b,s,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,m -e,s,f,g,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,y,u -e,f,y,y,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,s,g -e,b,s,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,f,w,t,l,f,w,n,n,t,b,s,s,w,w,p,w,o,p,u,v,d -e,f,y,y,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,s,p -e,f,f,g,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,y,u -e,x,s,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,m -e,f,f,y,t,l,f,w,n,w,t,b,s,s,w,w,p,w,o,p,u,v,d -e,s,f,g,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,y,u -e,b,y,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,g -e,b,s,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,g -e,f,f,n,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,s,g -e,b,y,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,f,n,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,y,n,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,s,g -e,x,y,n,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,s,g -e,b,y,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,m -e,f,y,y,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,s,g -e,x,y,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,s,n,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,y,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,y,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,y,n,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,y,g -e,f,y,n,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,s,p -e,f,y,n,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,y,g -e,f,y,y,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,s,p -e,x,s,y,t,l,f,w,n,n,t,b,s,s,w,w,p,w,o,p,u,v,d -e,b,y,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,m -e,b,s,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,y,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,g -e,f,f,w,t,l,f,w,n,p,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,s,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,g -e,b,s,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,m -e,f,y,y,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,y,g -p,x,y,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,s,g -p,x,y,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,s,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,g -e,f,f,w,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,s,g -e,b,s,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,y,y,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,y,p -e,f,f,g,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,y,u -e,b,s,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,s,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,m -p,x,y,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,s,g -p,x,s,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,s,g -e,b,s,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,g -e,b,s,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,m -e,f,y,n,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,s,g -e,x,y,y,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,y,g -e,f,y,y,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,y,p -e,x,y,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,s,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,g -e,f,f,n,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,f,n,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,f,y,t,l,f,w,n,w,t,b,s,s,w,w,p,w,o,p,u,v,d -e,f,y,y,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,s,p -e,f,f,n,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,k,y,u -e,f,f,g,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,y,n,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,y,g -e,x,y,y,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,y,p -e,b,s,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,s,w,t,l,f,w,n,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,f,y,t,a,f,w,n,w,t,b,s,s,w,w,p,w,o,p,u,v,d -e,b,s,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,y,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,m -e,f,f,g,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,u -e,b,y,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,y,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,s,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,g -e,b,s,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,g -e,b,y,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,y,n,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,s,p -e,f,s,g,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,a,g -p,x,y,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,s,g -e,b,y,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,g -e,b,s,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,m -p,x,y,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,v,g -p,x,s,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,s,n,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,a,g -p,x,s,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,s,g -e,f,f,g,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,y,y,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,s,p -e,b,y,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,m -e,f,y,y,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,s,p -e,f,y,y,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,y,p -e,b,y,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,m -e,s,f,n,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,y,u -e,x,s,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,m -e,b,y,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,m -e,f,y,y,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,s,p -e,f,s,n,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,s,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,m -e,b,y,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,g -e,b,y,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,g -e,b,y,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,m -e,b,s,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,y,y,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,s,p -e,x,y,n,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,s,g -e,s,f,n,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,k,v,u -e,f,y,n,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,s,g -e,x,s,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,g -e,f,s,y,t,l,f,w,n,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,s,n,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,a,g -e,f,y,y,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,s,g -p,x,y,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,s,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,f,w,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,s,g -e,b,s,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,y,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,m -e,f,y,y,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,y,g -e,x,f,n,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,s,g -p,x,s,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,s,g -p,x,y,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,y,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,g -e,b,y,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,f,w,t,a,f,w,n,w,t,b,s,s,w,w,p,w,o,p,n,v,d -p,x,y,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,s,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,f,g,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,f,n,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,u -e,b,s,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,y,n,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,s,g -e,b,y,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,m -e,f,y,y,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,s,p -e,x,y,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,g -e,b,y,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,g -e,b,y,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,m -p,x,s,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,s,y,t,a,f,w,n,n,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,y,n,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,s,p -e,b,s,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,g -e,f,s,w,t,a,f,w,n,n,t,b,s,s,w,w,p,w,o,p,u,v,d -e,b,y,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,g -e,b,y,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,m -e,b,s,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,g -e,f,y,y,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,y,g -e,x,s,w,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,a,g -e,b,y,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,y,n,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,y,p -e,b,s,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,g -e,f,y,n,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,y,g -e,x,s,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,f,n,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,y,n,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,s,p -e,f,f,g,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,s,w,t,l,f,w,n,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,n,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,n,y,u -e,b,y,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,m -e,b,s,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,s,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,g -e,b,s,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,y,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,s,y,t,a,f,w,n,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,g,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,y,y,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,s,g -p,x,y,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,s,u -e,x,y,n,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,y,g -e,x,s,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,g -e,b,y,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,y,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,m -e,s,f,n,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,k,y,u -e,b,y,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,s,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,s,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,g -p,x,s,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,v,g -e,x,f,n,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,y,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,g -p,x,y,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,s,g -e,x,y,y,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,y,p -e,b,y,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,g -e,f,y,n,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,y,p -e,x,y,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,s,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,g -p,x,y,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,g -p,x,y,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,s,u -e,b,y,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,s,w,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,s,g -p,x,s,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,y,n,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,s,p -e,b,s,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,y,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,g -p,x,s,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,u -e,b,y,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,g -e,b,y,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,g -e,f,y,y,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,s,g -e,b,y,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,y,y,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,y,g -e,b,s,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,s,y,t,l,f,w,n,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,b,s,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,m -e,b,s,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,m -p,x,y,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,u -p,x,y,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,v,g -p,x,s,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,s,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,y,n,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,y,g -e,x,y,y,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,y,g -e,x,s,w,t,a,f,w,n,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,b,y,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,g -e,b,s,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,f,g,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,u -e,b,s,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,s,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,y,n,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,s,p -e,x,y,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,m -e,f,f,w,t,l,f,w,n,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,w,t,a,f,w,n,w,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,s,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,m -e,f,s,y,t,l,f,w,n,p,t,b,s,s,w,w,p,w,o,p,u,v,d -e,s,f,g,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,u -e,f,f,y,t,a,f,w,n,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,n,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,y,g -e,x,y,y,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,s,g -e,x,y,y,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,y,p -p,x,s,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,s,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,m -p,x,y,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,s,u -e,x,y,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,y,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,g -e,f,s,y,t,a,f,w,n,w,t,b,s,s,w,w,p,w,o,p,u,v,d -p,x,y,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,v,g -e,b,s,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,g -e,s,f,g,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,y,u -e,x,s,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,f,g,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,y,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,m -e,b,y,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,g -e,b,s,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,s,w,t,l,f,w,n,w,t,b,s,s,w,w,p,w,o,p,u,v,d -e,b,s,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,g -e,f,y,n,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,s,g -e,s,f,g,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,n,y,u -e,x,f,w,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,a,g -e,s,f,n,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,u -e,f,y,n,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,s,p -e,f,s,y,t,l,f,w,n,n,t,b,s,s,w,w,p,w,o,p,u,v,d -e,b,s,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,g -e,b,s,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,m -p,x,s,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,g -e,f,y,n,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,y,p -e,x,s,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,g -e,f,y,y,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,s,g -e,x,y,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,y,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,y,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,g -e,f,f,n,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,y,y,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,y,p -e,x,f,g,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,y,u -e,x,s,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,g -e,f,y,n,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,y,p -e,x,s,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,y,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,f,n,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,s,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,y,y,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,s,p -e,x,y,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,s,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,g -e,f,y,y,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,y,g -e,b,s,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,g -e,f,f,w,t,a,f,w,n,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,s,g,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,y,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,y,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,g -e,f,y,y,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,s,g -e,x,s,w,t,a,f,w,n,p,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,s,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,g -e,f,y,y,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,y,g -e,x,y,y,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,y,p -e,x,s,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,f,n,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,y,d -e,f,y,y,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,y,g -e,x,s,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,g -e,b,s,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,s,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,y,n,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,s,g -e,b,y,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,s,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,y,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,s,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,g -e,f,y,y,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,y,p -e,x,f,w,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,s,n,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,s,w,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,s,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,m -e,f,f,w,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,s,g -p,f,s,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,s,g -e,x,f,g,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,s,g -p,f,y,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,u -p,x,s,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,v,g -e,b,s,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,f,g,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,s,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,g -e,f,f,g,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,s,g,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,s,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,s,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,y,g,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,f,n,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,s,w,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,s,g -e,f,f,n,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,s,n,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,y,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,s,y,t,l,f,w,n,w,t,b,s,s,w,w,p,w,o,p,u,v,d -e,f,f,w,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,s,n,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,s,g,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,a,g -p,x,y,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,f,g,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,y,u -e,b,s,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,s,g,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,a,g -e,f,f,g,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,s,g -p,f,s,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,s,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,f,n,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,y,u -e,f,s,w,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,y,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,f,n,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,s,g -e,f,s,g,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,y,e,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,y,d -e,b,y,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,f,w,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,s,g -p,x,s,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,s,g -e,x,f,g,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,s,g -e,f,f,g,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,f,n,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,a,g -e,f,f,w,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,s,g -e,b,y,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,g -e,f,f,n,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,a,g -p,f,y,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,v,u -p,x,y,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,s,u -e,b,s,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,g -e,f,s,g,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,f,g,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,a,g -e,f,f,n,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,s,g -e,b,s,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,m -p,x,s,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,y,n,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,v,d -e,f,f,w,t,l,f,w,n,n,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,y,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,f,n,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,a,g -e,f,f,w,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,s,g,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,s,g,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,s,g -p,f,s,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,s,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,s,n,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,f,w,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,s,g -e,f,f,n,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,f,g,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,s,g -e,f,f,n,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,s,g,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,s,g -e,b,y,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,y,d -e,x,y,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,g -e,f,f,g,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,a,g -e,f,f,n,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,s,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,m -e,f,f,g,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,f,n,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,s,g -p,x,s,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,f,w,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,s,g -e,f,f,w,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,s,w,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,s,g,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,y,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,s,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,s,g,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,s,n,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,s,g -e,f,f,n,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,u -e,f,s,w,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,s,g -e,f,s,w,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,y,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,m -e,f,s,w,t,a,f,w,n,w,t,b,s,s,w,w,p,w,o,p,u,v,d -e,b,s,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,m -p,f,y,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,f,g,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,y,n,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,y,g -e,f,s,n,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,s,g -p,x,s,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,v,g -e,x,y,n,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,y,g -e,x,s,g,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,s,w,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,a,g -e,f,f,w,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,f,n,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,s,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,y,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,s,w,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,s,g -e,f,y,y,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,s,p -e,f,s,n,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,s,g -e,f,f,g,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,f,y,t,a,f,w,n,p,t,b,s,s,w,w,p,w,o,p,u,v,d -e,f,y,n,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,s,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,y,d -p,f,s,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,s,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,v,d -e,f,f,n,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,a,g -e,b,s,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,m -e,b,y,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,y,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,m -p,f,y,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,u -p,f,y,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,s,g -e,x,f,n,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,s,y,t,l,f,w,n,w,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,y,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,s,w,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,f,g,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,y,d -p,x,y,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,g -e,x,f,g,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,s,g -e,f,f,n,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,s,w,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,s,g -e,f,f,w,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,y,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,m -e,f,f,y,t,a,f,w,n,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,f,g,f,n,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,y,u -p,x,s,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,y,y,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,y,p -e,f,y,n,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,s,p -e,x,f,w,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,y,n,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,s,g,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,s,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,f,g,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,s,g -p,f,y,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,s,u -e,x,f,n,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,f,g,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,f,e,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,f,g,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,y,y,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,s,p -e,x,f,n,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,s,g -e,b,s,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,f,w,t,l,f,w,n,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,s,g,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,y,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,f,n,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,s,g -e,f,s,w,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,s,y,t,l,f,w,n,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,s,g,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,f,g,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,s,g -p,f,y,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,s,u -e,f,f,y,t,l,f,w,n,p,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,y,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,g -e,f,f,w,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,f,n,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,v,d -e,x,y,n,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,s,g -e,x,s,w,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,a,g -p,f,y,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,s,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,f,g,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,y,y,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,s,p -e,f,s,g,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,a,g -e,f,f,n,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,y,u -p,f,y,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,g -e,f,f,g,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,y,n,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,s,p -e,f,f,w,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,a,g -p,f,y,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,u -e,b,s,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,m -e,f,f,g,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,s,g -e,b,s,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,g -e,f,f,g,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,s,g -e,b,y,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,y,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,m -p,f,y,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,g -e,x,y,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,g -e,s,f,n,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,y,u -e,x,y,n,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,y,g -e,f,f,g,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,a,g -e,f,f,y,t,l,f,w,n,n,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,s,g,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,a,g -p,f,y,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,f,g,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,s,g,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,f,g,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,s,g -p,x,y,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,s,g -e,x,f,n,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,a,g -e,f,s,w,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,f,g,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,s,g -p,x,y,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,s,g -e,f,f,n,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,a,g -e,f,s,w,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,a,g -p,x,y,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,u -e,f,f,g,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,a,g -e,b,y,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,s,n,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,a,g -e,f,f,n,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,a,g -p,f,s,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,s,g -e,x,y,n,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,s,g -e,f,f,w,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,a,g -e,f,y,n,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,s,g -e,f,f,g,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,s,g -e,f,f,g,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,s,g -e,f,s,g,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,s,g -e,f,f,n,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,s,g,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,f,w,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,s,g -e,f,f,w,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,s,n,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,v,d -e,f,s,y,t,a,f,w,n,p,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,f,w,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,s,g -e,f,s,w,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,a,g -e,b,s,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,f,w,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,f,g,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,a,g -p,f,s,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,f,g,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,a,g -p,x,s,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,s,g -e,f,s,w,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,y,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,f,n,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,y,d -e,b,y,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,g -e,f,f,w,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,s,n,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,a,g -e,f,f,w,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,v,d -e,f,f,w,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,s,w,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,s,n,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,f,w,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,s,g -e,f,s,g,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,f,g,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,f,g,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,a,g -e,f,s,n,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,a,g -e,f,s,w,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,a,g -e,f,y,n,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,y,p -p,x,y,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,g -e,f,s,g,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,a,g -p,x,y,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,g -e,b,y,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,s,g,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,s,g -e,f,f,g,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,f,w,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,s,g -e,f,s,g,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,s,g -e,b,y,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,f,g,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,f,e,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,y,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,s,p -e,x,s,w,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,s,g -e,b,s,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,m -p,x,s,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,s,n,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,s,g -e,b,s,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,s,g,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,f,n,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,v,d -e,f,f,w,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,f,n,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,f,g,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,f,g,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,y,u -e,b,y,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,m -e,f,f,n,f,n,f,c,n,g,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,f,w,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,a,g -e,f,y,n,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,s,p -e,x,y,n,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,y,p -e,x,y,y,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,k,y,g -e,f,f,g,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,y,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,y,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,g -e,f,s,w,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,a,g -e,f,s,g,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,a,g -p,f,s,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,y,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,f,n,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,f,w,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,s,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,f,e,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,v,d -e,f,y,n,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,s,p -e,b,s,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,g -p,x,s,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,s,g -e,x,f,g,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,s,g -e,b,y,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,s,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,g -e,b,y,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,y,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,s,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,g -e,b,s,w,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,g -e,f,s,n,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,s,g -p,f,s,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,s,g -e,f,s,n,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,a,g -e,f,f,n,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,a,g -p,f,y,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,s,u -e,f,s,w,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,f,w,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,s,n,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,s,n,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,a,g -e,f,y,y,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,y,g -e,x,f,g,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,f,n,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,a,g -p,f,s,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,s,w,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,a,g -e,f,f,n,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,s,g -e,f,f,w,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,a,g -e,f,f,w,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,y,y,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,s,g -e,x,s,g,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,f,g,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,a,g -e,f,f,n,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,s,n,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,f,w,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,y,e,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,f,n,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,a,g -p,x,s,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,y,n,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,f,n,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,s,g -p,f,y,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,s,g -e,f,f,g,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,f,w,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,a,g -e,f,s,n,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,f,g,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,s,g,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,a,g -e,f,f,g,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,s,g,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,s,n,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,s,g -p,f,s,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,s,g,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,a,g -p,x,s,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,s,g -p,f,s,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,s,u -e,f,s,n,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,f,g,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,a,g -e,f,s,g,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,s,g,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,a,g -e,f,f,g,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,a,g -e,f,f,g,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,y,g,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,f,n,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,s,w,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,a,g -p,f,y,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,g -p,f,y,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,s,g -e,x,s,w,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,a,g -p,f,s,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,s,g -e,f,f,n,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,s,g -e,f,s,w,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,a,g -p,f,s,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,v,g -p,f,y,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,g -p,f,y,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,v,g -p,f,s,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,s,g -e,x,s,w,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,v,d -e,f,s,w,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,a,g -e,f,f,g,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,a,g -p,f,y,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,s,w,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,y,e,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,y,d -e,f,s,g,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,s,w,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,s,g -p,f,s,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,s,g -e,f,f,n,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,f,w,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,s,g -p,f,s,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,f,n,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,a,g -e,f,f,w,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,s,w,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,s,g -e,f,s,w,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,s,g -e,b,y,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,s,g,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,f,w,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,s,n,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,f,n,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,a,g -e,f,f,g,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,a,g -p,x,y,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,s,u -e,f,s,g,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,y,d -e,f,s,w,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,v,d -e,x,f,g,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,f,w,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,a,g -p,f,s,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,g -p,f,s,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,g -e,x,s,g,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,f,n,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,s,g,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,y,y,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,s,p -e,f,s,w,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,s,w,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,f,g,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,a,g -e,f,s,w,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,s,g,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,a,g -e,f,s,g,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,s,g -e,f,f,n,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,s,g -e,f,s,w,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,s,g -e,f,s,w,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,a,g -e,f,s,g,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,s,g -e,f,f,w,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,s,g -e,f,s,n,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,a,g -p,f,s,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,s,g -e,x,f,g,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,a,g -e,b,y,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,g -e,f,f,n,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,s,g -e,f,s,g,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,y,d -e,b,s,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,s,w,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,s,g -e,f,f,n,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,y,d -p,x,s,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,s,g -e,f,f,w,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,s,g -p,f,y,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,s,u -e,x,s,n,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,a,g -e,f,s,n,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,a,g -e,b,s,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,g -e,f,s,g,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,s,g,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,a,g -e,f,f,g,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,f,g,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,s,g -e,f,s,w,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,a,g -p,f,s,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,g -e,f,f,g,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,a,g -e,f,s,w,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,s,n,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,f,e,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,y,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,g -e,f,f,w,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,s,w,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,f,n,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,a,g -p,f,s,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,s,u -e,f,f,g,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,y,d -e,f,s,w,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,s,g -e,f,f,w,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,a,g -p,f,y,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,s,w,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,s,n,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,s,g -e,f,s,w,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,s,g -e,f,s,n,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,s,n,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,a,g -e,f,f,w,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,f,n,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,f,w,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,a,g -e,f,f,n,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,a,g -e,f,s,w,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,s,g -e,f,f,n,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,a,g -p,f,y,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,v,u -e,f,f,w,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,a,g -e,f,s,w,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,f,n,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,a,g -e,f,f,w,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,f,g,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,s,n,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,f,g,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,v,d -e,f,f,w,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,a,g -e,f,f,n,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,s,n,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,f,w,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,s,g -e,b,s,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,g -p,x,y,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,s,g -p,f,s,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,g -e,f,f,w,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,s,g -e,f,f,n,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,s,g -p,f,y,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,s,g -e,f,f,n,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,s,g -p,x,s,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,s,n,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,a,g -p,f,y,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,s,n,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,a,g -e,f,s,g,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,f,g,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,f,n,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,f,g,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,f,n,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,f,g,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,s,w,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,s,g -e,f,s,w,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,s,w,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,s,g -e,f,f,g,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,s,w,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,s,n,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,s,g -e,f,s,g,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,s,g -p,f,y,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,s,g -e,f,s,n,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,s,g -e,f,y,y,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,y,g -e,x,f,g,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,y,d -e,f,s,g,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,s,g,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,a,g -p,f,y,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,s,u -e,x,s,w,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,s,w,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,a,g -e,f,s,g,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,a,g -e,f,s,n,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,f,n,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,s,n,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,s,g -e,f,s,n,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,f,w,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,a,g -e,f,f,w,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,a,g -e,f,f,n,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,y,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,s,n,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,s,g,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,s,g -e,f,s,w,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,a,g -p,x,s,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,s,u -e,x,s,w,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,v,d -e,f,f,g,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,s,g,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,f,n,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,a,g -e,f,s,n,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,s,g,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,y,n,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,s,p -p,f,y,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,s,n,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,v,d -p,f,y,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,s,g -p,x,s,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,s,u -p,f,s,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,s,u -e,x,f,n,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,y,d -e,b,y,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,m -p,f,y,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,s,g -e,f,f,w,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,s,w,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,s,n,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,a,g -e,f,f,n,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,s,g -e,f,f,n,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,s,g -p,f,y,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,s,u -p,f,y,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,v,g -e,x,s,n,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,s,g -e,f,f,g,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,v,d -e,f,s,g,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,s,g -e,f,f,n,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,a,g -p,f,s,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,f,n,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,a,g -p,f,y,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,s,g,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,a,g -e,f,f,w,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,s,w,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,s,n,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,s,g -p,f,s,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,s,u -e,x,f,n,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,v,d -e,x,s,w,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,s,w,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,s,w,t,a,f,w,n,n,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,f,n,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,y,g,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,y,d -e,x,s,y,t,a,f,w,n,p,t,b,s,s,w,w,p,w,o,p,u,v,d -e,f,f,g,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,s,n,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,y,e,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,s,g,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,a,g -p,f,s,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,u -e,f,f,w,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,f,g,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,a,g -e,f,f,n,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,s,g -e,f,s,n,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,f,w,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,a,g -p,f,y,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,s,g -e,x,f,w,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,s,g -e,f,s,n,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,s,n,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,f,g,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,s,n,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,a,g -e,f,y,y,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,y,g -p,x,y,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,f,w,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,s,w,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,s,n,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,s,g -p,f,y,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,s,g -e,f,f,g,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,s,g -p,f,s,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,s,u -e,f,s,n,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,s,g,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,f,g,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,a,g -e,f,f,n,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,s,g -e,f,s,g,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,s,w,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,f,n,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,f,g,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,s,g -e,f,f,n,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,a,g -e,b,y,y,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,m -e,f,f,g,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,f,g,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,a,g -e,f,f,w,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,y,d -p,f,s,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,f,n,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,y,d -e,x,f,n,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,f,w,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,a,g -e,f,s,g,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,s,g -e,f,s,n,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,y,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,f,w,t,a,f,w,n,p,t,b,s,s,w,w,p,w,o,p,u,v,d -e,f,f,g,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,a,g -e,f,f,n,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,a,g -e,f,f,n,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,s,g -e,b,y,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,g -e,x,f,n,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,y,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,g -e,f,s,w,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,s,w,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,f,n,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,s,n,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,s,n,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,y,n,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,s,g,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,y,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,s,w,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,a,g -p,f,y,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,s,u -e,f,s,w,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,s,g -p,f,s,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,s,u -e,f,s,g,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,s,g -e,f,f,g,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,s,g -p,x,s,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,s,g -e,x,s,g,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,a,g -p,x,s,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,s,u -e,x,s,g,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,s,g -e,f,s,w,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,s,g -p,f,y,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,f,w,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,s,n,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,f,w,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,f,w,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,y,e,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,y,d -p,f,s,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,s,u -e,f,f,g,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,y,y,t,a,f,c,b,w,e,r,s,y,w,w,p,w,o,p,k,y,g -e,x,f,n,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,a,g -e,f,f,n,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,a,g -e,b,s,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,m -e,f,s,g,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,f,w,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,a,g -e,f,f,n,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,a,g -p,f,s,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,s,u -e,x,s,n,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,a,g -e,b,y,y,t,a,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,g -e,f,s,g,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,a,g -e,f,s,n,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,f,g,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,a,g -e,f,s,g,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,f,n,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,v,d -e,b,y,w,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,m -e,x,f,g,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,v,d -p,f,y,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,s,g -e,x,s,w,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,a,g -p,f,s,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,u -e,f,s,n,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,a,g -e,f,f,n,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,f,w,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,f,n,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,a,g -e,f,s,n,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,s,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,s,g -e,f,s,w,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,s,w,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,s,g -p,x,y,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,g -e,f,f,g,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,a,g -p,f,y,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,s,g -e,f,f,w,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,f,g,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,s,g -p,f,s,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,s,g,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,s,g -p,x,s,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,f,n,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,f,n,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,y,y,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,s,p -e,f,f,w,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,s,w,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,f,g,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,s,g -e,f,f,g,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,f,w,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,f,g,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,f,g,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,f,g,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,s,g,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,a,g -e,f,s,g,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,y,n,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,s,g -e,x,y,g,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,y,d -e,f,s,g,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,a,g -e,f,f,w,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,s,g -e,f,s,n,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,a,g -e,f,f,w,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,s,g -e,f,f,n,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,s,g,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,s,n,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,y,d -e,x,s,n,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,f,n,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,a,g -e,f,s,w,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,f,n,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,y,u -p,f,s,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,s,u -p,f,s,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,f,n,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,s,w,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,a,g -e,f,f,g,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,s,n,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,f,n,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,s,g,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,s,g -e,f,f,g,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,a,g -e,f,s,n,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,s,g -e,f,s,g,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,f,e,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,v,d -p,f,y,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,f,n,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,v,d -p,f,s,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,s,u -p,f,s,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,g -p,f,s,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,s,u -e,f,f,w,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,a,g -e,f,s,n,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,s,g -e,f,f,n,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,s,n,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,s,n,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,a,g -p,f,s,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,g -p,f,s,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,g -e,f,s,g,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,s,n,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,s,n,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,f,n,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,f,w,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,a,g -e,f,f,w,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,f,w,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,s,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,m -e,f,s,g,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,s,w,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,f,n,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,f,n,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,s,w,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,s,n,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,s,g,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,s,g,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,s,g -e,f,s,w,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,s,n,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,a,g -e,f,f,g,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,s,g -e,f,f,w,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,f,w,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,a,g -e,f,f,g,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,f,g,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,y,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,s,y,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,s,w,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,a,g -p,x,y,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,s,g -e,x,f,w,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,s,g -p,x,s,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,y,g,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,v,d -p,f,s,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,y,y,t,l,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,y,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,m -e,f,y,n,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,y,p -e,x,s,w,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,s,g -e,f,s,n,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,s,g,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,s,w,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,a,g -e,f,s,n,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,s,g -e,f,s,n,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,s,g,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,s,g -e,b,s,w,t,l,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,n,g -e,x,s,g,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,s,y,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,s,m -p,f,y,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,g -e,f,s,w,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,s,n,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,s,g,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,s,g -e,f,f,g,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,y,n,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,y,d -e,x,f,n,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,y,y,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,y,p -e,x,f,g,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,f,g,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,a,g -e,f,s,n,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,s,g -e,f,s,w,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,f,g,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,a,g -e,f,s,w,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,f,g,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,f,g,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,s,n,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,f,n,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,y,d -e,f,s,w,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,s,g -e,f,f,n,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,s,g -p,f,y,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,s,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,f,n,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,f,w,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,s,g -p,f,y,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,f,g,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,f,g,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,f,w,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,f,g,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,f,n,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,s,g,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,a,g -e,f,f,w,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,f,g,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,y,d -e,x,y,w,t,l,f,c,b,w,e,c,s,s,w,w,p,w,o,p,k,n,g -e,x,y,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,m -e,f,s,g,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,s,g -e,f,s,w,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,a,g -e,f,s,n,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,s,w,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,f,n,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,s,n,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,s,g -e,b,y,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,n,m -p,f,y,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,g -e,x,s,n,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,s,n,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,y,n,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,k,s,g -e,x,s,g,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,a,g -e,f,s,w,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,a,g -p,x,s,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,u -e,f,s,g,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,f,w,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,s,g -p,f,s,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,g -e,x,f,n,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,s,n,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,f,n,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,v,d -e,f,s,w,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,s,g -p,f,s,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,f,w,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,f,n,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,s,g -e,f,s,g,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,f,w,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,a,g -e,f,y,n,t,l,f,c,b,w,e,r,s,y,w,w,p,w,o,p,n,y,g -p,f,s,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,s,g -e,x,f,w,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,a,g -e,f,f,n,f,n,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,y,u -p,f,y,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,s,u -e,f,s,w,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,f,g,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,s,g -e,f,y,y,t,a,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,y,p -e,x,f,w,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,f,w,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,a,g -p,f,y,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,s,g -e,f,f,n,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,s,g -e,f,f,g,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,f,n,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,v,d -e,x,s,g,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,s,g,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,f,w,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,f,g,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,s,w,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,s,g -p,x,s,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,s,u -e,f,s,g,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,s,n,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,y,y,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,y,g -e,x,s,g,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,f,n,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,f,w,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,y,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,f,w,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,f,w,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,a,g -p,f,s,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,s,u -p,f,s,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,s,n,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,f,g,f,n,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,s,n,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,s,w,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,a,g -p,f,s,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,s,g -e,b,s,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,f,n,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,a,g -p,f,y,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,s,g,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,s,g,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,s,w,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,s,g -p,f,s,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,s,w,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,f,n,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,a,g -e,f,f,n,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,f,n,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,a,g -p,f,y,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,g -e,x,f,w,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,s,g -e,f,s,w,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,a,g -p,f,y,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,v,u -e,f,s,g,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,y,n,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,v,d -e,x,f,g,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,f,g,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,v,d -e,f,s,g,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,f,g,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,f,g,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,s,g -p,f,s,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,s,g -e,f,f,n,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,v,d -p,x,s,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,g -e,x,s,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,s,w,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,y,y,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,g -p,x,f,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,g -e,f,s,n,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,a,g -e,f,s,w,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,f,n,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,v,d -e,f,s,n,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,f,n,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,s,g -p,x,s,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,u -e,f,f,n,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,y,d -e,x,y,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,g -e,f,f,g,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,y,e,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,f,w,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,s,g,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,y,n,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,v,d -e,f,s,w,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,f,g,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,f,w,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,y,n,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,s,g,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,f,g,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,a,g -e,f,f,w,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,y,g,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,v,d -p,f,y,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,s,u -e,x,y,e,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,v,d -e,f,f,w,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,s,g -e,f,s,g,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,y,g,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,v,d -e,x,s,w,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,f,e,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,f,n,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,f,y,t,a,f,w,n,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,v,d -p,f,s,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,s,w,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,f,e,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,f,w,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,f,g,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,s,g,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,y,e,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,s,w,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,s,n,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,s,w,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,s,n,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,s,g -e,f,f,e,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,f,w,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,f,g,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,y,e,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,y,d -e,f,s,n,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,s,w,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,s,w,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,f,w,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,f,e,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,v,d -e,f,f,w,t,l,f,w,n,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,w,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,a,g -p,f,y,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,s,g -e,f,f,g,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,v,d -e,x,s,w,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,f,w,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,s,n,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,f,n,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,s,g,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,y,n,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,s,g,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,s,g -e,f,s,n,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,s,g,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,s,g -e,f,f,g,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,s,w,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,a,g -e,f,f,n,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,a,g -e,f,s,w,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,f,g,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,s,g -e,f,f,n,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,a,g -e,f,f,n,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,f,n,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,v,d -e,f,s,g,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,s,w,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,y,e,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,f,g,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,s,g -e,f,f,g,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,a,g -e,f,y,y,t,l,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,y,g -p,f,y,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,v,u -e,f,s,n,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,a,g -e,f,f,n,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,s,g -e,f,f,n,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,f,g,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,f,n,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,f,g,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,y,e,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,f,n,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,f,n,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,s,w,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,s,g -e,f,s,g,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,s,g -p,f,y,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,s,u -e,b,s,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,s,g -e,x,f,n,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,f,g,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,f,n,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,s,n,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,s,g -e,f,s,w,t,l,f,w,n,n,t,b,s,s,w,w,p,w,o,p,u,v,d -e,x,f,w,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,s,w,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,s,g,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,y,e,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,w,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,s,g -e,f,s,n,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,s,g -p,f,s,w,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,f,n,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,y,g,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,f,g,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,f,g,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,v,d -p,x,s,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,v,g -e,x,f,n,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,y,n,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,y,d -p,f,y,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,s,g -e,x,f,g,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,y,d -e,x,f,g,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,f,e,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,v,d -e,f,f,n,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,s,g -e,f,s,w,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,a,g -e,f,s,n,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,y,e,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,s,n,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,s,g -e,f,f,n,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,v,d -e,f,s,w,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,f,n,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,a,g -e,f,f,n,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,s,g -p,x,s,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,v,u -e,x,f,n,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,y,d -e,f,s,n,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,s,g -p,f,y,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,s,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,y,d -e,f,f,n,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,f,e,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,v,d -e,f,f,w,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,f,w,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,y,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,s,w,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,y,g,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,s,g,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,a,g -p,f,y,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,s,u -e,x,f,e,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,v,d -p,f,s,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,s,u -p,f,y,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,f,g,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,v,d -e,f,s,n,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,f,g,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,y,d -e,x,f,n,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,f,n,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,s,n,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,s,g -e,f,f,n,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,s,n,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,s,n,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,f,n,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,s,n,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,a,g -e,x,f,n,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,y,d -p,f,y,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,y,y,t,l,f,c,b,n,e,r,s,y,w,w,p,w,o,p,n,s,g -p,f,s,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,s,g -e,f,f,w,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,n,s,g -e,f,f,n,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,a,g -p,f,s,n,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,s,n,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,f,n,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,f,e,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,v,d -e,f,f,n,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,f,w,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,s,g -e,f,s,g,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,a,g -e,f,f,w,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,s,g -e,f,s,y,t,a,f,w,n,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,w,t,a,f,w,n,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,n,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,f,n,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,f,n,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,f,g,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,y,d -e,x,f,n,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,f,g,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,a,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,s,n,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,a,g -e,b,y,w,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,y,e,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,v,d -e,f,s,n,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,f,e,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,s,g,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,s,n,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,f,g,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,s,g,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,y,e,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,f,n,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,s,g -e,f,s,n,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,f,w,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,y,y,t,a,f,c,b,p,e,r,s,y,w,w,p,w,o,p,n,s,p -e,x,f,e,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,f,n,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,s,g -e,x,y,n,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,f,w,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,y,w,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,s,m -e,x,s,n,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,s,g -e,f,s,w,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,a,g -e,f,f,n,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,f,w,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,f,g,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,f,w,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,s,w,t,a,f,c,b,n,e,c,s,s,w,w,p,w,o,p,k,n,m -e,f,s,g,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,s,g -p,f,y,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,g -e,f,f,g,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,f,w,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,y,n,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,v,d -p,f,s,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,u -e,f,s,g,f,n,f,w,b,p,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,f,g,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,y,d -p,x,s,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,s,y,t,l,f,c,b,k,e,c,s,s,w,w,p,w,o,p,k,n,m -e,x,f,n,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,y,d -e,x,s,g,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,y,e,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,f,g,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,s,g -e,f,s,w,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,f,n,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,v,d -e,f,f,g,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,s,g -e,f,f,g,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,s,g -e,f,f,n,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,f,g,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,y,d -p,f,y,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,y,g,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,v,d -e,x,s,w,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,a,g -e,b,s,w,t,a,f,c,b,g,e,c,s,s,w,w,p,w,o,p,n,s,m -e,x,s,w,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,s,g -e,f,f,n,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,y,g,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,f,g,f,n,f,w,b,p,t,e,f,s,w,w,p,w,o,e,k,s,g -p,x,s,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,s,g -e,x,s,n,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,y,g,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,v,d -p,x,s,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,f,e,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,g -p,f,s,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,s,g -e,x,f,e,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,f,w,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,y,n,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,y,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,v,d -p,f,s,n,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,f,e,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,y,d -p,x,s,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,s,g -e,x,f,e,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,y,d -e,x,s,g,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,y,e,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,s,w,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,f,n,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,v,d -p,x,s,p,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,n,s,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,f,w,f,n,f,w,b,k,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,y,g,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,y,d -e,f,f,g,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,s,g -p,x,f,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,p -e,x,f,e,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,y,d -p,f,s,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,k,v,g -e,f,y,n,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,f,g,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,a,g -e,x,f,n,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,y,d -e,f,f,g,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,n,s,g -e,f,f,g,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,v,d -e,f,s,g,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,f,n,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,s,w,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,a,g -e,x,y,n,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,v,d -e,f,f,n,f,n,f,w,b,n,t,e,s,f,w,w,p,w,o,e,k,s,g -e,f,f,g,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,y,d -p,x,s,p,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,y,d -p,f,s,n,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,y,n,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,s,w,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,y,g,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,f,n,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,f,n,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,f,w,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,n,s,g -e,f,y,g,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,s,g,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,n,s,g -e,f,f,n,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,y,d -p,f,y,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,s,u -e,x,y,g,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,s,w,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,y,n,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,y,d -p,f,s,w,t,p,f,c,n,w,e,e,s,s,w,w,p,w,o,p,n,v,u -e,x,f,g,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,v,d -e,f,s,w,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,s,g -e,x,s,g,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,n,s,g -e,x,f,g,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,y,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,f,n,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,k,a,g -p,x,s,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,n,v,g -e,x,y,g,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,y,d -p,x,s,w,t,p,f,c,n,n,e,e,s,s,w,w,p,w,o,p,k,v,g -e,f,f,g,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,v,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,y,d -e,x,f,n,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,v,d -p,x,s,p,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,g -e,x,y,n,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,f,g,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,n,a,g -e,x,y,g,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,y,d -p,f,y,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,s,u -e,x,s,g,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,f,g,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,y,d -p,x,s,p,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,n,s,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,s,w,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,n,s,g -e,f,f,g,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,y,d -p,f,y,w,t,p,f,c,n,p,e,e,s,s,w,w,p,w,o,p,n,v,u -e,f,f,n,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,v,d -e,f,s,w,f,n,f,w,b,h,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,f,n,f,n,f,w,b,k,t,e,f,s,w,w,p,w,o,e,n,a,g -e,x,f,n,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,v,d -p,x,s,w,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,y,d -e,f,s,w,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,y,g,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,p -e,f,f,g,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,d -p,x,f,p,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,n,s,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,y,d -p,x,f,w,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,g -e,x,y,n,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,p -e,x,f,g,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,p -e,x,f,e,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,y,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,v,d -p,x,f,g,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,s,n,f,n,f,w,b,p,t,e,s,f,w,w,p,w,o,e,k,a,g -e,f,f,n,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,y,d -e,f,f,w,f,n,f,w,b,h,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,y,n,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,v,d -p,x,f,p,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,v,d -e,f,s,n,f,n,f,w,b,n,t,e,s,s,w,w,p,w,o,e,n,a,g -e,x,y,g,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,g -e,x,y,e,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,y,d -e,x,s,g,f,n,f,w,b,h,t,e,f,s,w,w,p,w,o,e,k,s,g -e,f,f,n,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,y,d -p,x,f,g,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,s,g,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,y,e,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,v,d -p,x,f,w,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,n,s,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,y,d -e,f,f,w,f,n,f,w,b,h,t,e,s,s,w,w,p,w,o,e,n,s,g -e,x,f,g,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,f,n,f,n,f,w,b,n,t,e,f,f,w,w,p,w,o,e,k,s,g -e,x,f,e,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,y,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,v,d -p,x,f,p,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,v,d -e,f,s,n,f,n,f,w,b,p,t,e,f,f,w,w,p,w,o,e,n,s,g -e,x,y,g,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,y,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,y,d -p,x,s,p,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,v,d -e,x,s,w,f,n,f,w,b,k,t,e,s,f,w,w,p,w,o,e,k,s,g -e,x,y,n,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,v,d -p,x,s,g,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,f,n,f,n,f,w,b,k,t,e,s,s,w,w,p,w,o,e,k,a,g -e,x,y,e,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,y,d -p,x,f,w,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,p -e,x,y,g,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,p -e,x,f,g,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,f,n,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,p -e,x,f,n,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,y,d -e,x,f,n,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,f,g,f,n,f,w,b,n,t,e,f,s,w,w,p,w,o,e,n,s,g -e,x,y,e,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,v,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,p -e,f,y,n,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,d -p,x,f,g,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,y,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,p -e,f,f,g,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,y,d -p,x,f,w,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,n,s,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,g -p,x,f,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,p -e,f,y,e,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,v,d -p,x,f,p,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,k,s,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,y,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,v,d -p,f,f,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,p -e,f,y,n,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,v,d -p,x,f,g,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,v,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,v,d -p,x,s,p,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,v,d -p,x,s,w,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,v,d -p,x,s,g,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,n,s,d -p,x,f,p,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,d -p,x,s,w,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,p -e,f,y,n,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,v,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,p -e,f,y,g,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,y,d -p,x,s,w,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,n,s,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,p -e,f,y,g,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,p -e,f,y,n,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,y,d -p,f,f,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,p -e,f,f,e,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,v,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,p -e,f,y,g,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,p -e,f,f,e,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,g -e,f,y,e,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,g -p,x,f,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,p -p,x,f,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,g -e,f,y,e,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,g -e,f,f,e,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,v,d -p,x,s,g,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,v,d -p,x,s,p,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,p -p,x,s,g,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,g -p,x,f,g,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,v,d -p,x,s,g,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,k,v,d -p,x,f,w,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,v,d -p,x,s,w,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,v,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,v,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,p -e,f,y,g,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,v,d -p,x,s,w,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,n,s,d -p,x,f,w,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,f,n,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,y,d -p,x,s,w,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,n,s,d -e,x,y,e,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,v,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,p -p,x,f,p,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,p -p,x,f,w,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,n,s,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,p -e,f,y,e,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,v,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,p -p,x,s,g,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,p -p,x,f,p,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,v,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,g -e,f,y,n,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,v,d -p,x,f,p,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,k,v,d -p,x,f,w,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,p -e,f,f,e,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,y,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,g -p,x,s,p,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,y,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,v,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,y,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,g -e,f,y,e,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,y,d -p,f,f,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,p -e,f,y,e,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,g -e,f,y,g,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,g -p,x,f,w,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,v,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,v,d -p,x,s,g,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,p -p,x,s,w,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,p -p,x,s,w,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,n,s,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,p -e,x,y,g,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,g -e,f,y,e,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,v,d -p,x,s,w,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,k,s,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,g -e,f,f,e,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,g -e,f,y,n,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,y,d -p,x,s,g,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,v,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,v,d -p,x,f,p,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,g -e,f,y,g,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,y,d -p,x,s,p,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,p -p,x,f,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,p -e,f,y,n,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,v,d -p,x,s,g,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,n,v,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,d -p,x,f,p,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,y,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,g -e,f,f,g,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,y,d -p,x,f,w,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,p -p,x,f,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,p -p,x,s,p,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,y,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,y,d -p,x,f,p,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,v,d -p,x,s,w,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,g -e,f,f,e,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,g -e,f,f,e,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,g -e,f,y,e,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,v,d -p,x,f,w,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,y,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,v,d -p,x,f,p,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,n,s,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,v,d -p,x,s,w,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,k,s,d -p,x,f,p,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,p -e,x,f,g,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,v,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,v,d -p,x,s,p,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,g -e,f,y,n,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,y,d -p,x,f,w,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,y,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,p -e,f,f,g,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,v,d -p,x,f,g,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,p -e,f,y,n,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,v,d -p,x,s,g,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,n,s,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,g -e,f,f,e,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,y,d -p,x,f,w,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,g -p,x,f,g,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,v,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,g -e,f,y,e,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,y,d -p,x,f,p,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,n,s,d -p,x,s,g,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,v,d -p,x,s,p,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,v,d -p,f,f,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,p -e,x,f,g,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,y,d -p,x,s,p,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,n,s,d -e,x,y,e,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,y,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,v,d -p,x,s,w,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,n,v,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,d -p,x,f,p,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,v,d -p,x,f,g,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,y,d -p,x,f,p,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,y,d -p,x,s,w,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,k,s,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,g -p,x,s,g,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,g -p,x,s,p,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,y,d -p,x,s,g,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,n,s,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,v,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,y,d -p,x,s,g,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,g -p,x,s,g,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,y,d -p,x,f,g,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,v,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,p -p,x,s,g,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,p -e,f,y,g,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,v,d -p,x,f,g,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,v,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,p -e,f,f,e,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,p -e,f,y,g,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,v,d -p,x,f,p,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,v,d -p,x,f,p,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,n,v,d -p,x,s,w,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,v,d -p,x,s,p,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,g -p,x,f,g,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,p -p,x,f,w,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,y,d -p,x,f,w,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,k,s,d -e,x,y,g,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,y,d -p,x,f,w,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,y,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,v,d -p,x,f,g,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,n,v,d -p,x,s,p,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,y,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,p -e,x,y,n,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,y,d -p,x,f,g,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,p -e,f,y,g,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,y,d -p,x,s,w,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,n,v,d -p,x,f,w,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,g -e,f,y,g,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,p -e,f,f,e,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,g -e,f,y,g,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,v,d -p,x,f,w,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,y,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,g -e,x,f,g,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,y,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,y,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,y,d -p,x,s,g,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,v,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,v,d -p,x,s,p,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,k,s,d -p,f,f,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,y,d -p,x,f,p,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,v,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,y,d -p,x,s,w,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,y,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,v,d -p,x,s,g,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,v,d -p,x,s,p,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,n,s,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,v,d -p,x,s,p,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,y,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,y,d -p,x,f,p,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,v,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,d -p,x,s,g,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,v,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,d -p,x,f,g,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,y,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,g -e,f,f,g,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,p -e,f,y,e,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,y,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,v,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,p -e,f,f,e,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,v,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,g -e,f,y,n,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,y,d -p,x,f,g,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,v,d -p,x,f,p,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,k,s,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,y,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,g -e,f,y,g,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,g -e,f,y,n,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,g -e,f,f,e,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,y,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,v,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,d -p,x,s,g,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,g -p,x,f,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,p -e,f,f,g,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,y,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,y,d -p,x,f,p,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,y,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,g -p,x,f,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,p -e,f,f,g,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,f,n,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,y,d -p,x,f,p,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,p -e,x,f,e,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,y,d -p,x,s,g,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,k,s,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,g -e,f,y,n,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,y,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,g -e,f,f,g,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,g -p,x,f,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,p -e,f,y,e,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,v,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,p -e,f,y,n,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,v,d -p,x,f,g,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,v,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,y,e,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,p -e,x,y,n,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,y,d -p,x,s,w,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,y,d -p,x,s,p,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,y,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,p -e,f,y,n,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,y,d -p,x,s,p,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,v,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,y,d -p,x,s,w,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,k,s,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,p -e,f,y,n,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,g -p,x,f,w,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,v,d -p,x,f,w,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,g -e,f,y,n,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,n,v,d -p,x,s,p,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,y,d -p,x,s,p,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,y,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,g -e,f,y,e,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,y,d -p,x,f,p,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,n,s,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,p -e,f,f,e,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,y,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,y,d -p,x,f,g,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,n,s,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,g -e,f,y,g,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,v,d -p,f,y,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,y,d -e,x,f,n,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,v,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,y,d -e,x,y,n,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,d -p,x,s,w,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,n,v,d -p,f,f,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,p -e,f,y,n,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,p,g,p,w,o,p,k,y,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,y,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,v,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,g -e,f,y,e,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,d -p,x,f,w,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,k,s,d -p,x,f,g,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,k,v,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,y,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,p -p,x,s,g,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,v,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,v,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,p -p,x,f,g,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,v,d -p,x,s,g,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,n,s,d -p,x,f,w,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,g -e,f,y,g,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,v,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,p -e,f,f,e,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,y,d -e,x,f,g,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,v,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,f,n,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,p -e,f,y,e,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,y,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,v,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,y,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,p -e,x,y,n,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,y,d -p,f,f,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,v,d -p,x,f,g,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,y,d -p,x,s,w,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,v,d -p,x,s,w,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,y,d -p,x,s,g,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,v,d -p,x,f,p,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,y,d -p,x,s,p,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,y,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,g -e,f,y,g,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,g -e,f,y,n,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,v,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,v,d -p,x,s,p,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,k,s,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,p -e,f,f,e,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,k,v,d -e,x,f,g,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,d -e,x,y,n,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,k,y,d -p,x,f,w,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,y,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,g -e,f,y,g,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,y,d -p,x,s,w,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,k,v,d -p,x,s,w,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,k,s,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,v,d -e,f,y,g,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,p -e,f,f,e,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,y,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,y,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,g -e,f,f,e,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,y,d -p,x,f,g,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,y,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,y,d -p,x,s,p,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,g -e,f,y,e,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,n,v,d -p,x,s,w,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,n,v,d -p,x,f,w,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,n,v,d -e,x,y,n,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,v,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,v,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,d -p,x,f,w,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,y,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,v,d -p,x,f,w,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,k,v,d -p,x,s,g,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,k,s,d -e,x,y,e,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,d -p,x,f,g,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,d -p,x,s,g,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,n,v,d -e,x,f,g,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,v,d -p,x,f,p,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,v,d -p,x,s,p,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,k,v,d -p,x,f,g,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,y,d -p,x,f,g,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,k,s,d -p,x,s,g,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,y,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,y,d -p,x,f,g,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,k,v,d -p,x,s,w,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,n,s,d -e,f,y,n,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,g -e,f,y,g,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,g -e,f,y,g,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,g -p,f,f,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,p -e,f,f,e,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,v,d -p,x,f,w,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,p -p,x,y,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,g -p,x,f,w,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,n,v,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,p -p,f,f,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,d -p,f,f,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,d -e,f,y,g,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,k,y,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,g -e,x,f,g,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,y,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,v,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,g -p,f,y,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,g -p,f,y,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,y,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,g -e,f,f,e,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,v,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,g -e,f,y,e,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,n,v,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,p -p,x,s,p,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,n,s,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,g -e,f,f,e,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,v,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,k,y,d -p,x,f,p,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,n,v,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,g -p,f,y,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,g -e,x,y,g,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,y,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,w,g,p,w,o,p,n,y,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,v,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,g -e,f,f,e,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,v,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,g -p,x,y,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,g -p,x,s,p,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,n,s,d -p,x,f,g,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,k,s,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,p -p,x,y,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,v,d -p,x,s,g,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,v,u -p,x,y,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,v,d -p,f,f,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,p -p,x,y,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,g -p,f,y,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,g -p,f,y,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,p -p,x,s,w,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,k,v,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,p -p,x,f,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,p -e,f,y,n,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,v,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,v,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,p -p,x,s,p,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,n,s,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,g -p,x,f,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,g -p,x,s,w,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,n,v,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,g -p,x,f,p,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,k,v,d -p,f,s,w,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,v,g -p,x,y,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,p -e,x,y,b,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -p,f,f,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,g -p,x,f,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,g -e,f,f,g,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,y,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,g -p,x,f,g,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,n,s,d -p,x,f,g,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,n,v,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,g -p,x,s,g,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,s,g -p,x,y,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,g -e,f,y,g,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,y,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,v,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,p -e,f,y,n,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,y,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,p -p,x,y,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,v,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,p -e,f,f,g,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,y,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,n,v,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,p -e,x,f,e,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,v,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,p -p,f,y,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,p -p,x,y,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,d -e,x,f,g,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,y,g,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,v,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,p -p,x,y,e,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,x,y,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,p -p,x,y,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,g -p,x,s,g,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,n,v,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,g -p,f,s,b,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,s,g -p,x,y,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,d -p,x,s,w,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,k,s,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,d -e,f,f,e,t,n,f,c,b,w,t,b,s,s,w,p,p,w,o,p,k,v,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,g -p,x,f,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,k,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,y,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,d -p,x,s,w,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,k,v,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,g,w,p,w,o,p,k,v,d -p,x,f,w,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,k,s,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,d -p,x,f,p,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,n,v,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,d -p,f,f,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,p -e,f,y,e,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,v,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,p -p,f,f,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,p -p,x,f,g,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,n,s,d -p,x,s,p,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,k,v,d -e,x,f,e,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,v,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,g -e,f,f,n,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,k,y,d -p,f,y,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,g -p,x,y,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,p -e,f,y,g,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,n,y,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,p -p,x,y,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,p -p,f,f,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,p -e,f,f,e,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,y,n,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,v,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,g -e,f,y,u,f,n,f,c,n,h,e,?,s,f,w,w,p,w,o,f,h,y,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,y,d -p,f,y,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,g -p,x,y,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,p -p,x,y,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,p -p,x,y,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,p -e,x,f,g,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,v,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,d -e,f,y,n,t,n,f,c,b,n,t,b,s,s,w,w,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,y,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,g -e,x,f,e,t,n,f,c,b,w,t,b,s,s,p,p,p,w,o,p,k,v,d -e,f,f,e,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,y,d -p,f,y,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,p -p,x,f,w,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,k,v,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,d -p,x,y,e,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,n,y,d -p,x,y,n,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -e,f,y,e,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,v,d -p,b,s,b,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,m -e,f,f,g,t,n,f,c,b,w,t,b,s,s,g,g,p,w,o,p,k,y,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,g -e,f,y,g,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,k,y,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,g -p,f,f,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,g -e,f,f,e,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,v,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,g -p,x,f,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,g -p,x,y,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,p -e,f,y,e,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,k,v,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,g -e,f,f,n,t,n,f,c,b,u,t,b,s,s,w,p,p,w,o,p,k,v,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,p -p,x,y,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,p -e,f,y,n,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,k,y,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,p -e,f,f,e,t,n,f,c,b,p,t,b,s,s,g,g,p,w,o,p,k,y,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,g -p,f,y,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,d -p,x,s,g,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,k,s,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,v,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,g -p,x,f,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,p -e,f,y,n,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,v,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,w,t,b,s,s,p,g,p,w,o,p,k,v,d -p,f,s,g,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,v,u -p,x,f,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,p -p,f,y,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,p -p,x,y,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,p -e,f,y,e,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,n,y,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,g -p,f,y,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,g -p,x,y,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,p -e,f,f,e,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,v,d -e,f,y,e,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,y,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,p -e,f,y,n,t,n,f,c,b,u,t,b,s,s,g,p,p,w,o,p,k,y,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,g -e,f,f,g,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,v,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,p -p,x,y,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,d -e,f,f,c,f,n,f,w,n,w,e,b,f,f,w,n,p,w,o,e,w,v,l -p,x,f,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,g -p,x,y,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,g -p,f,y,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,g -p,x,s,b,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,s,u -p,f,f,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,k,y,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,p -e,f,y,e,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,k,y,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,d -e,f,f,g,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,y,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,g -p,x,f,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,p -e,f,y,n,t,n,f,c,b,p,t,b,s,s,p,w,p,w,o,p,n,y,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,n,v,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,d -p,f,y,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,p -p,f,f,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,p -p,f,y,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,g -p,f,s,b,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,s,u -e,f,f,e,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,y,d -p,x,y,n,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -e,x,y,g,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,v,d -p,x,f,g,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,k,v,d -p,x,f,p,f,c,f,w,n,n,e,b,s,s,w,w,p,w,o,p,n,v,d -p,x,y,n,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,f,f,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,g -p,x,s,g,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,s,u -p,f,y,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,g -p,f,f,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,g -p,x,f,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,g -p,x,f,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,g -p,x,y,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,g -p,f,s,g,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,v,u -p,x,f,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,g -p,f,y,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,p -p,x,y,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,p -e,f,y,e,t,n,f,c,b,p,t,b,s,s,w,w,p,w,o,p,n,v,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,g -p,x,f,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,p -p,x,f,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,p -p,f,s,w,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,s,u -p,f,f,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,p -p,x,y,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,g -p,x,f,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,d -p,x,s,w,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,s,g -p,f,f,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,g -p,x,s,b,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,s,g -p,f,y,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,g -p,x,y,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,g -e,f,y,g,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,y,d -p,f,y,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,p -p,x,y,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,g -p,f,y,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,p -p,f,f,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,g -p,x,y,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,p -p,x,f,p,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,k,s,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,g -p,x,y,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,g -p,x,y,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,p -p,x,y,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,p -p,f,y,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,p -e,k,y,n,f,n,f,w,n,w,e,b,f,f,w,n,p,w,o,e,w,v,l -p,f,f,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,p -p,x,y,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,g -p,x,y,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,d -p,x,f,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,g -e,f,s,p,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -p,f,f,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,g -p,f,y,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,g -e,k,s,p,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,x,f,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,g -p,x,f,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,p -p,x,y,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,g -p,f,f,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,g -e,f,y,g,t,n,f,c,b,w,t,b,s,s,p,w,p,w,o,p,n,y,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,g -p,x,y,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,g -p,x,y,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,g -p,x,f,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,g -p,f,y,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,d -p,f,f,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,g -p,f,y,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,p -p,f,y,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,g -p,f,y,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,g -p,f,y,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,p -e,x,y,r,f,n,f,c,n,p,e,?,s,f,w,w,p,w,o,f,h,v,d -p,f,y,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,d -p,x,y,n,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,f,y,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,d -p,k,y,n,f,n,f,c,n,w,e,?,k,y,w,n,p,w,o,e,w,v,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,g -p,f,y,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,g -p,x,y,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,g -e,f,y,e,t,n,f,c,b,w,t,b,s,s,g,p,p,w,o,p,k,y,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,p -p,x,y,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,g -p,x,f,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,g -p,f,f,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,g -p,f,s,b,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,s,u -p,x,y,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,g -p,x,y,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,g -e,x,s,e,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,f,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,p -p,f,y,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,g -p,b,y,w,t,n,f,w,n,w,e,b,s,s,w,w,p,w,o,p,w,c,l -p,f,s,b,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,v,u -p,x,y,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,p -p,f,y,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,p -p,f,y,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,g -p,x,s,w,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,s,u -e,f,y,g,t,n,f,c,b,n,t,b,s,s,g,p,p,w,o,p,n,v,d -p,x,y,n,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,g -e,f,y,e,t,n,f,c,b,n,t,b,s,s,p,g,p,w,o,p,k,v,d -e,x,y,b,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,x,y,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,g -p,x,y,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,p -p,x,y,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,g -p,f,y,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,g -p,x,f,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,g -p,f,y,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,g -p,x,y,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,g -p,f,y,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,p -p,f,y,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,g -p,x,y,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,p -e,x,y,u,f,n,f,c,n,h,e,?,s,f,w,w,p,w,o,f,h,y,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,g -p,f,y,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,d -p,f,f,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,d -p,f,y,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,d -e,f,f,e,t,n,f,c,b,u,t,b,s,s,g,w,p,w,o,p,n,y,d -p,f,s,b,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,v,u -p,f,y,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,p -p,x,y,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,p -p,f,y,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,d -e,f,y,n,t,n,f,c,b,u,t,b,s,s,w,g,p,w,o,p,k,v,d -p,f,y,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,g -e,x,s,b,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,y,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,g -p,f,y,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,p -e,f,f,e,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,k,y,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,g -p,x,y,n,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,p -p,x,y,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,p -p,f,f,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,g -p,f,y,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,g -p,x,s,g,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,k,v,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,g -p,f,s,g,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,s,u -p,x,y,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,p -p,x,y,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,d -e,f,y,g,t,n,f,c,b,u,t,b,s,s,p,g,p,w,o,p,k,y,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,d -p,f,y,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,g -p,f,y,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,p -p,x,y,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,g -p,x,y,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,p -e,f,y,n,t,n,f,c,b,n,t,b,s,s,g,g,p,w,o,p,n,v,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,g -p,x,y,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,p -p,x,y,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,g -p,f,f,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,g -p,x,y,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,g -e,k,y,b,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,x,y,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,p -p,x,y,n,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,p -p,x,y,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,p -p,f,y,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,g -p,f,y,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,g -p,f,y,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,d -p,x,s,w,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,v,u -p,x,y,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,g -p,x,y,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,p -p,f,y,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,g -p,x,y,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,p -e,f,y,n,t,n,f,c,b,p,t,b,s,s,w,p,p,w,o,p,k,y,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,g -p,f,y,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,p -p,x,y,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,d -e,f,f,c,f,n,f,w,n,w,e,b,s,f,w,n,p,w,o,e,w,v,l -p,f,y,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,g -p,x,y,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,p -p,f,f,y,f,n,f,c,n,w,e,?,k,y,w,y,p,w,o,e,w,v,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,p -p,x,s,g,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,v,g -e,f,s,n,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,y,n,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,x,s,g,f,c,f,w,n,u,e,b,s,s,w,w,p,w,o,p,k,v,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,g -p,f,y,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,g -p,x,y,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,p -p,f,y,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,p -p,f,f,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,g -p,x,y,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,g -p,x,y,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,d -e,x,s,b,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -p,f,f,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,d -p,x,y,n,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,x,y,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,g -p,x,y,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,p -p,x,y,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,p -p,f,f,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,g -e,x,y,u,f,n,f,c,n,h,e,?,s,f,w,w,p,w,o,f,h,v,d -e,f,y,b,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,p -p,x,y,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,g -p,f,y,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,g -p,x,f,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,d -p,f,y,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,g -p,f,y,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,g -p,f,f,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,g -p,f,s,b,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,v,g -p,f,s,w,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,m -p,x,y,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,g,g,p,w,o,p,n,v,d -e,x,y,u,f,n,f,c,n,u,e,?,s,f,w,w,p,w,o,f,h,v,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,g -p,x,y,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,p -p,f,y,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,g -p,f,y,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,p -e,f,f,e,t,n,f,c,b,w,t,b,s,s,w,g,p,w,o,p,n,v,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,p -p,f,y,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,g -p,f,y,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,p -p,x,y,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,p -p,x,f,w,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,n,v,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,g -p,f,y,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,d -p,f,f,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,p -p,x,y,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,g -p,f,y,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,d -p,f,f,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,g -p,f,y,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,g -p,x,y,n,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -e,f,y,b,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,f,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,p -p,f,f,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,g -p,f,f,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,g -p,f,y,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,p -p,x,f,g,f,c,f,c,n,u,e,b,s,s,w,w,p,w,o,p,k,s,d -p,f,s,b,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,v,g -e,f,f,e,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,k,v,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,p -p,x,y,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,g -e,f,f,g,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,k,v,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,p -p,f,f,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,g -p,f,s,w,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,s,u -p,x,y,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,g -p,f,y,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,p -p,x,y,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,d -e,f,y,u,f,n,f,c,n,h,e,?,s,f,w,w,p,w,o,f,h,v,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,g -p,f,f,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,g -e,f,y,n,t,n,f,c,b,n,t,b,s,s,p,p,p,w,o,p,n,y,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,g -p,x,s,w,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,s,u -e,f,y,e,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -e,x,y,u,f,n,f,c,n,w,e,?,s,f,w,w,p,w,o,f,h,y,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,g -p,x,y,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,g -p,x,y,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,p -p,f,y,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,p -e,f,s,p,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,f,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,p -p,x,y,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,p -p,x,y,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,g -p,x,f,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,d -p,f,y,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,p -p,x,y,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,g -p,x,y,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,g -p,f,f,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,g -p,f,f,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,g -p,x,y,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,p -p,f,f,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,p -e,f,y,n,t,n,f,c,b,n,t,b,s,s,w,g,p,w,o,p,n,y,d -p,f,f,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,p -p,x,s,g,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,s,g -p,f,y,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,p -p,x,y,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,p -p,x,f,w,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,k,s,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,d -p,f,s,b,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,s,u -p,x,y,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,g -p,x,y,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,g -p,f,s,p,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,g -p,f,s,b,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,v,u -p,x,y,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,g -p,x,y,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,g -p,x,y,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,p -e,f,y,u,f,n,f,c,n,u,e,?,s,f,w,w,p,w,o,f,h,v,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,g -e,f,f,e,t,n,f,c,b,w,t,b,s,s,g,w,p,w,o,p,n,v,d -p,f,f,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,g -p,x,y,n,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,x,y,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,g -p,x,y,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,p -p,x,y,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,g -p,f,y,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,g -e,f,y,n,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,y,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,g -e,f,f,e,t,n,f,c,b,w,t,b,s,s,w,w,p,w,o,p,k,y,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,p -p,f,y,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,p -p,f,y,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,p -p,f,y,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,d -p,x,f,p,f,c,f,w,n,p,e,b,s,s,w,w,p,w,o,p,k,s,d -p,f,f,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,g -p,x,y,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,d -p,f,y,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,p -p,x,y,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,g -p,x,y,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,g -p,x,y,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,p -p,x,y,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,p -e,x,s,p,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -p,f,f,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,d -p,x,s,p,f,c,f,w,n,g,e,b,s,s,w,w,p,w,o,p,k,v,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,g -p,f,f,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,g -e,f,f,e,t,n,f,c,b,p,t,b,s,s,p,p,p,w,o,p,n,y,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,g -p,f,y,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,g -e,f,y,n,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,v,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,p -p,x,y,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,p -p,f,f,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,d -p,f,y,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,g -p,f,y,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,p -p,x,y,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,g -e,f,f,g,t,n,f,c,b,u,t,b,s,s,w,w,p,w,o,p,n,y,d -p,x,s,g,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,s,g -p,x,y,n,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,f,s,g,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,v,g -p,f,y,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,g -p,f,y,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,d -e,f,y,e,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,y,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,g -e,f,y,n,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,y,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,g -p,k,f,n,f,n,f,c,n,w,e,?,k,y,w,n,p,w,o,e,w,v,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,p -p,x,y,n,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,f,f,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,p -p,f,s,w,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,v,g -p,f,f,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,g -e,x,y,e,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,d -p,b,f,y,f,n,f,c,n,w,e,?,k,y,w,n,p,w,o,e,w,v,d -p,f,y,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,d -p,x,s,g,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,s,u -p,f,y,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,g -e,k,y,e,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -p,f,f,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,p -p,f,f,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,p -e,k,y,n,f,n,f,w,n,w,e,b,f,s,w,n,p,w,o,e,w,v,l -p,x,s,w,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,n,v,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,d -p,f,y,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,p -p,b,s,b,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,g -p,x,s,w,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,v,g -e,f,y,e,t,n,f,c,b,n,t,b,s,s,w,p,p,w,o,p,n,y,d -p,b,s,w,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,m -e,f,y,p,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,x,s,w,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,v,g -e,k,y,n,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,y,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,p -p,f,s,b,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,v,u -p,f,y,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,p -p,x,y,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,p -p,x,y,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,p -e,k,s,e,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -e,f,y,n,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -e,f,s,b,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -p,x,y,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,d -e,f,f,g,t,n,f,c,b,u,t,b,s,s,p,p,p,w,o,p,n,v,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,p -p,f,y,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,g -p,x,s,g,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,v,g -p,f,f,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,g -p,x,y,n,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,f,f,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,p -e,f,y,n,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -e,f,y,e,t,n,f,c,b,p,t,b,s,s,g,p,p,w,o,p,k,v,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,g -p,x,y,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,p,w,p,w,o,p,n,v,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,p -p,f,f,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,p -p,f,y,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,d -p,b,y,w,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,m -p,f,f,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,p -p,x,y,n,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,g -p,x,y,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,p -e,f,y,p,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,x,s,w,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,s,g -p,f,y,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,g -p,x,y,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,g -p,f,s,b,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,s,u -p,x,f,g,f,c,f,c,n,g,e,b,s,s,w,w,p,w,o,p,k,v,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,p -p,f,y,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,g -p,f,y,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,p -e,x,y,r,f,n,f,c,n,p,e,?,s,f,w,w,p,w,o,f,h,y,d -e,f,y,w,f,n,f,c,n,h,e,?,s,f,w,w,p,w,o,f,h,v,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,d -p,f,y,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,p -p,f,y,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,g -p,x,y,e,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,x,y,e,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,x,y,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,g -p,x,y,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,p -e,f,s,e,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,f,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,p -p,x,y,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,p -p,f,s,g,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,s,g -p,f,f,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,p -p,x,s,g,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,v,u -p,f,y,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,g -p,f,f,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,g -p,x,s,w,f,c,f,c,n,n,e,b,s,s,w,w,p,w,o,p,k,v,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,p -e,f,y,e,t,n,f,c,b,u,t,b,s,s,p,w,p,w,o,p,n,y,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,g -p,x,y,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,p -e,k,s,b,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -p,f,f,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,g -e,x,f,n,f,n,f,w,n,w,e,b,s,f,w,n,p,w,o,e,w,v,l -e,x,y,e,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,x,y,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,g -p,f,s,g,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,v,g -p,x,y,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,g -p,f,y,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,p -p,x,y,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,g -p,x,y,n,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -e,k,s,b,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -p,f,f,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,d -p,x,f,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,d -p,f,y,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,g -e,k,s,p,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,y,n,f,n,f,c,n,w,e,?,k,y,w,n,p,w,o,e,w,v,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,p -p,f,s,b,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,v,u -e,f,s,b,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,f,s,w,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,s,u -p,f,y,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,p -p,f,y,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,d -p,x,s,b,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,v,u -p,f,f,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,p -p,x,y,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,g -p,f,y,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,d -p,f,s,g,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,s,u -e,f,s,b,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -e,x,s,p,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -e,k,s,n,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -p,f,y,p,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,g -p,f,y,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,p -p,x,y,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,d -p,f,y,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,g -p,f,y,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,g -p,x,y,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,p -p,f,y,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,p -p,x,y,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,p -e,f,y,u,f,n,f,c,n,w,e,?,s,f,w,w,p,w,o,f,h,y,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,g -p,x,y,n,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,x,y,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,p -p,x,y,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,p -e,f,s,b,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -p,f,f,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,p -p,f,y,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,d -e,x,s,n,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,f,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,p -p,x,y,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,d -p,x,y,n,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,f,f,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,d -p,x,y,n,f,n,f,c,n,w,e,?,k,y,w,n,p,w,o,e,w,v,d -p,b,s,b,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,g -p,f,f,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,d -e,f,y,u,f,n,f,c,n,u,e,?,s,f,w,w,p,w,o,f,h,y,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,g -p,f,f,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,g -p,x,y,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,d -e,x,y,e,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -p,f,f,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,g -p,x,y,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,p -e,k,s,b,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,p -p,f,s,w,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,v,u -p,x,s,g,f,c,f,c,n,p,e,b,s,s,w,w,p,w,o,p,n,v,d -p,f,y,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,d -e,f,y,u,f,n,f,c,n,p,e,?,s,f,w,w,p,w,o,f,h,v,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,g -p,x,f,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,p -p,x,s,g,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,s,u -p,f,y,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,g -p,x,y,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,d -p,x,f,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,g -p,x,y,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,g -p,f,f,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,p -p,x,y,n,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,x,f,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,p -p,x,y,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,p -p,f,s,b,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,v,g -p,f,f,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,d -p,f,y,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,d -p,x,y,e,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -e,k,y,b,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -e,f,y,b,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -p,x,y,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,p -p,x,y,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,g -p,f,y,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,g -p,x,s,b,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,s,u -p,f,y,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,p -p,x,s,w,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,s,u -p,x,f,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,p -p,x,y,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,p -p,x,s,w,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,s,u -p,f,s,b,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,s,g -p,x,s,w,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,s,u -p,f,f,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,p -e,x,y,w,f,n,f,c,n,u,e,?,s,f,w,w,p,w,o,f,h,y,d -e,x,s,e,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,y,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,g -p,x,y,n,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,x,y,g,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,p -p,f,f,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,d -e,f,f,e,t,n,f,c,b,n,t,b,s,s,g,w,p,w,o,p,n,y,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,p -p,x,y,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,g -p,x,f,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,p -p,k,f,y,f,n,f,c,n,w,e,?,k,y,w,n,p,w,o,e,w,v,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,g -e,k,f,c,f,n,f,w,n,w,e,b,f,s,w,n,p,w,o,e,w,v,l -p,f,f,g,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,p -p,f,y,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,p -p,x,y,g,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,p -p,f,f,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,g -p,f,y,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,d -p,x,f,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,p -p,x,y,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,d -p,b,y,p,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,g -e,k,y,p,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,y,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,p -p,x,f,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,g -e,k,y,b,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,d -p,x,s,w,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,s,u -p,x,y,n,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,x,y,n,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,x,y,e,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,f,g,w,t,n,f,w,n,w,e,b,s,s,w,w,p,w,o,p,w,c,l -p,x,s,g,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,v,u -e,f,y,c,f,n,f,w,n,w,e,b,f,s,w,n,p,w,o,e,w,v,l -p,x,y,g,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,d -p,f,y,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,p -e,f,y,p,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -p,x,s,b,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,v,g -p,x,s,g,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,s,g -p,x,y,e,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -e,k,y,c,f,n,f,w,n,w,e,b,s,f,w,n,p,w,o,e,w,v,l -p,x,s,w,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,s,u -p,x,s,w,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,v,g -p,f,s,b,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,v,u -p,f,s,b,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,v,g -e,k,y,c,f,n,f,w,n,w,e,b,f,s,w,n,p,w,o,e,w,v,l -p,x,y,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,d -p,f,s,w,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,v,g -p,f,s,g,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,s,u -p,c,g,w,t,n,f,w,n,w,e,b,s,s,w,w,p,w,o,p,w,c,l -p,x,s,g,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,s,u -p,b,g,w,t,n,f,w,n,w,e,b,s,s,w,w,p,w,o,p,w,c,l -p,x,s,b,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,v,g -p,f,s,w,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,s,u -p,b,f,y,f,n,f,c,n,w,e,?,k,y,w,y,p,w,o,e,w,v,d -p,x,y,n,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,x,y,n,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -e,k,s,n,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -e,k,y,b,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,s,w,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,v,g -p,f,s,b,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,m -p,f,y,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,p -p,x,y,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,g -p,f,s,b,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,g -p,x,y,n,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,x,y,e,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,f,f,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,d -e,x,s,e,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -p,x,y,n,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,x,f,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,g -p,x,y,n,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -e,f,f,n,f,n,f,w,n,w,e,b,s,f,w,n,p,w,o,e,w,v,l -p,x,y,n,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -e,x,s,b,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -e,f,y,n,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,p -p,f,y,b,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,m -p,x,y,n,f,n,f,c,n,w,e,?,k,y,w,y,p,w,o,e,w,v,d -p,x,y,n,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,x,s,b,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,s,g -p,x,s,b,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,v,g -p,f,y,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,p -p,f,s,g,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,v,g -p,x,y,n,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,x,s,b,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,v,g -p,f,f,n,f,n,f,c,n,w,e,?,k,y,w,y,p,w,o,e,w,v,d -e,x,y,e,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,f,s,b,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,s,g -p,f,s,w,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,s,g -e,k,y,e,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,x,f,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,p -p,x,f,n,f,n,f,c,n,w,e,?,k,y,w,n,p,w,o,e,w,v,d -e,x,y,n,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -p,x,y,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,g -p,f,s,b,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,v,g -p,f,s,b,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,s,g -p,f,y,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,g -p,f,y,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,d -e,x,s,p,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -e,f,s,p,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,b,y,w,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,g -e,x,y,c,f,n,f,w,n,w,e,b,f,f,w,n,p,w,o,e,w,v,l -e,f,s,n,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -p,x,s,b,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,v,u -p,x,s,g,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,v,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,d -p,x,s,b,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,v,u -p,x,s,w,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,s,g -e,f,y,c,f,n,f,w,n,w,e,b,s,f,w,n,p,w,o,e,w,v,l -p,x,y,e,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,d -e,x,y,w,f,n,f,c,n,h,e,?,s,f,w,w,p,w,o,f,h,v,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,p -p,f,y,p,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,g -p,f,s,g,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,v,u -p,x,y,n,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -e,k,s,p,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -p,x,y,n,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,x,y,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,p -p,f,s,b,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,s,u -e,k,y,p,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,x,f,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,g -p,f,f,g,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,d -p,x,s,b,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,s,g -p,x,y,n,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,x,y,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,d -p,f,f,y,f,f,f,c,b,h,e,b,k,k,n,n,p,w,o,l,h,v,d -p,f,f,n,f,n,f,c,n,w,e,?,k,y,w,n,p,w,o,e,w,v,d -e,k,s,b,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,g -p,x,y,e,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,x,s,g,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,s,u -e,f,s,n,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,x,y,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,p -p,x,y,n,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,x,s,g,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,v,u -p,x,s,g,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,v,g -p,f,y,p,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,m -e,k,y,b,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -p,x,s,w,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,v,u -p,x,y,n,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -e,k,y,n,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,d -e,x,y,p,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,s,g,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,s,u -e,x,s,p,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,b,y,n,f,n,f,c,n,w,e,?,k,y,w,n,p,w,o,e,w,v,d -p,f,s,b,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,v,g -p,x,y,n,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,x,y,n,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,x,s,b,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,s,u -p,x,y,n,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -e,k,y,p,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -e,k,f,c,f,n,f,w,n,w,e,b,f,f,w,n,p,w,o,e,w,v,l -p,x,y,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,g -e,x,s,n,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -p,f,f,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,p -p,f,y,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,d -p,f,s,g,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,v,u -p,k,y,w,t,n,f,w,n,w,e,b,s,s,w,w,p,w,o,p,w,c,l -e,k,f,n,f,n,f,w,n,w,e,b,f,f,w,n,p,w,o,e,w,v,l -p,k,f,y,f,n,f,c,n,w,e,?,k,y,w,y,p,w,o,e,w,v,d -p,f,s,w,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,s,g -p,f,y,y,f,n,f,c,n,w,e,?,k,y,w,y,p,w,o,e,w,v,d -p,f,y,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,d -e,k,s,b,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,p -p,x,y,n,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,x,y,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,p -p,b,y,w,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,y,g -p,x,s,w,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,v,g -p,x,s,b,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,v,g -e,k,y,b,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,p -p,x,s,b,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,s,g -p,b,y,b,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,m -p,x,s,w,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,v,g -e,k,s,n,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,s,g,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,s,u -p,x,f,y,f,n,f,c,n,w,e,?,k,y,w,y,p,w,o,e,w,v,d -p,f,s,g,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,v,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,d -p,k,y,n,f,n,f,c,n,w,e,?,k,y,w,y,p,w,o,e,w,v,d -p,f,s,b,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,s,u -e,f,s,e,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,y,n,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,x,y,n,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,x,y,n,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,x,s,w,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,v,u -e,k,s,n,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,y,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,g -e,x,s,b,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,s,w,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,s,u -e,k,f,n,f,n,f,w,n,w,e,b,s,s,w,n,p,w,o,e,w,v,l -p,x,y,n,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,f,s,w,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,v,g -p,x,s,g,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,v,u -p,k,y,y,f,n,f,c,n,w,e,?,k,y,w,y,p,w,o,e,w,v,d -p,f,s,w,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,m -p,f,f,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,p -e,k,y,p,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -p,f,y,w,t,n,f,w,n,w,e,b,s,s,w,w,p,w,o,p,w,c,l -p,f,s,b,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,v,u -e,f,y,w,f,n,f,c,n,u,e,?,s,f,w,w,p,w,o,f,h,y,d -e,x,y,r,f,n,f,c,n,w,e,?,s,f,w,w,p,w,o,f,h,v,d -e,x,s,b,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,s,g,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,v,g -p,x,y,e,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,f,y,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,p -p,f,s,g,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,s,g -p,f,s,b,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,s,g -e,f,s,e,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -p,x,y,e,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,d -e,x,s,n,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -p,f,s,g,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,s,g -p,x,y,n,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,f,s,w,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,s,g -e,x,f,c,f,n,f,w,n,w,e,b,s,s,w,n,p,w,o,e,w,v,l -p,f,s,g,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,v,g -p,f,f,g,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,p -e,x,y,r,f,n,f,c,n,w,e,?,s,f,w,w,p,w,o,f,h,y,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,p -p,x,y,n,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,x,y,n,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -e,f,y,e,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -p,x,s,g,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,v,u -e,k,y,n,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -e,f,y,e,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,y,n,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,b,y,n,f,n,f,c,n,w,e,?,k,y,w,y,p,w,o,e,w,v,d -p,x,y,n,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -e,f,y,b,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,x,s,w,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,v,g -p,f,y,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,g -e,f,y,n,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,b,y,w,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,m -e,x,y,n,f,n,f,w,n,w,e,b,s,f,w,n,p,w,o,e,w,v,l -p,f,y,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,p -p,x,s,b,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,s,g -p,x,y,n,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,x,s,g,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,s,u -p,f,s,g,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,s,u -p,x,y,n,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -e,f,y,w,f,n,f,c,n,p,e,?,s,f,w,w,p,w,o,f,h,v,d -p,x,y,n,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,f,f,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,g -p,x,y,e,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,x,s,w,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,v,g -p,f,y,g,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,d -p,x,s,w,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,s,u -p,k,y,y,f,n,f,c,n,w,e,?,k,y,w,n,p,w,o,e,w,v,d -p,f,s,w,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,v,u -p,f,s,g,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,v,u -e,x,y,c,f,n,f,w,n,w,e,b,f,s,w,n,p,w,o,e,w,v,l -p,x,s,w,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,v,u -p,x,y,n,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,f,y,p,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,g -p,f,y,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,p -e,x,s,p,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,y,b,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,g -p,x,f,y,f,n,f,c,n,w,e,?,k,y,w,n,p,w,o,e,w,v,d -p,f,y,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,p -e,f,f,n,f,n,f,w,n,w,e,b,f,f,w,n,p,w,o,e,w,v,l -e,x,f,n,f,n,f,w,n,w,e,b,f,s,w,n,p,w,o,e,w,v,l -p,x,y,n,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,f,s,g,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,v,u -p,x,s,b,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,s,u -p,f,s,g,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,v,g -p,x,s,b,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,s,g -e,x,y,r,f,n,f,c,n,h,e,?,s,f,w,w,p,w,o,f,h,v,d -p,f,y,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,d -p,f,s,g,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,s,u -p,x,y,n,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,f,y,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,g -p,f,s,w,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,v,u -p,x,s,w,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,s,u -p,f,y,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,p -p,f,y,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,p -p,x,y,n,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,x,y,y,f,n,f,c,n,w,e,?,k,y,w,n,p,w,o,e,w,v,d -e,f,s,n,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,d -p,f,s,g,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,s,u -p,x,y,n,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,f,y,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,d -p,f,y,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,d -p,f,s,w,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,s,u -p,f,s,p,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,m -p,f,y,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,g -e,k,s,p,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -p,x,s,b,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,s,g -p,x,s,w,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,s,g -p,x,s,w,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,s,g -p,x,y,n,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,b,y,p,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,m -p,x,s,b,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,s,u -e,x,y,p,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,y,n,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,x,y,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,v,p -p,x,s,w,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,v,u -e,f,y,b,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -p,f,s,b,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,v,u -e,x,f,c,f,n,f,w,n,w,e,b,f,f,w,n,p,w,o,e,w,v,l -e,f,s,p,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -e,x,y,n,f,n,f,w,n,w,e,b,f,f,w,n,p,w,o,e,w,v,l -e,f,s,p,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,s,g,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,v,u -e,k,s,e,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -e,k,y,e,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,s,w,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,v,g -e,k,s,b,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -p,x,s,b,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,v,g -p,b,y,y,f,n,f,c,n,w,e,?,k,y,w,y,p,w,o,e,w,v,d -p,x,s,w,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,s,u -p,x,f,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,g -p,f,y,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,p -p,b,f,n,f,n,f,c,n,w,e,?,k,y,w,y,p,w,o,e,w,v,d -p,f,y,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,p -p,f,y,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,v,p -e,f,y,c,f,n,f,w,n,w,e,b,s,s,w,n,p,w,o,e,w,v,l -p,x,y,e,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,f,s,w,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,s,g -p,x,y,n,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,b,y,p,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,d -p,x,s,b,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,s,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,p -p,f,s,b,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,s,g -p,f,s,b,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,s,u -p,x,y,n,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,f,y,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,p -e,x,s,n,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,v,g -e,f,s,b,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -e,f,s,e,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -e,x,s,n,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,s,w,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,v,u -p,f,y,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,d -e,f,s,p,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -e,x,s,e,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,d -p,b,y,b,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,m -p,f,s,b,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,s,u -p,f,s,g,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,s,g -p,x,s,b,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,s,g -p,x,f,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,p -p,f,s,w,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,s,g -p,x,s,g,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,s,u -e,f,y,r,f,n,f,c,n,h,e,?,s,f,w,w,p,w,o,f,h,y,d -p,f,y,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,g -p,x,y,n,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,x,s,b,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,s,g -e,x,f,c,f,n,f,w,n,w,e,b,f,s,w,n,p,w,o,e,w,v,l -p,x,s,g,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,v,u -e,x,y,u,f,n,f,c,n,p,e,?,s,f,w,w,p,w,o,f,h,y,d -p,x,f,y,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,v,p -p,f,f,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,g -p,f,y,w,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,m -p,x,y,n,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,x,y,n,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,x,y,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,p -e,x,y,p,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,s,g,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,s,g -p,x,s,b,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,v,g -p,x,y,n,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,x,s,g,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,s,u -p,x,y,n,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,f,s,w,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,s,g -p,x,s,g,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,v,u -p,x,s,g,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,s,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,p -p,f,y,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,p -p,f,y,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,g -p,x,y,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,g -p,x,s,g,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,s,u -p,f,s,b,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,s,u -p,f,s,w,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,s,u -p,f,f,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,g -p,f,s,b,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,s,g -p,x,y,n,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,x,s,w,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,s,g -e,k,s,e,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -p,f,y,b,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,m -p,x,y,n,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -e,k,y,n,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,s,w,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,v,u -p,f,s,w,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,v,u -p,x,y,n,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,x,s,w,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,s,g -p,x,y,n,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,b,s,p,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,g -p,x,y,e,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,p -p,x,y,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,d -p,x,y,g,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,v,g -p,f,y,w,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,m -p,f,s,g,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,s,g -e,k,y,p,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,x,s,w,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,v,g -e,k,s,p,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -p,f,s,w,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,s,u -p,x,y,n,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,x,f,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,d -p,f,y,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,p -p,x,y,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,p -e,x,y,e,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,p -p,x,y,n,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,x,s,b,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,v,g -p,f,y,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,d -e,k,y,e,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -p,f,y,p,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,m -p,f,y,w,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,m -p,f,y,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,p -p,f,y,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,g -e,f,y,r,f,n,f,c,n,w,e,?,s,f,w,w,p,w,o,f,h,v,d -p,x,s,w,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,s,g -p,x,s,w,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,s,g -p,x,s,b,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,s,u -p,x,y,n,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -e,k,y,e,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -e,k,s,p,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -e,x,y,b,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -p,x,s,g,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,v,g -p,f,y,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,g -p,x,y,n,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,c,y,w,t,n,f,w,n,w,e,b,s,s,w,w,p,w,o,p,w,c,l -p,f,s,w,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,v,g -p,f,s,g,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,s,g -p,x,y,e,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,x,s,g,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,s,g -p,x,y,n,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -e,x,y,p,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -e,f,y,w,f,n,f,c,n,h,e,?,s,f,w,w,p,w,o,f,h,y,d -p,f,y,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,g -p,x,y,n,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,x,f,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,d -p,x,y,n,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,x,s,g,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,v,u -p,x,y,n,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -e,k,f,n,f,n,f,w,n,w,e,b,s,f,w,n,p,w,o,e,w,v,l -p,x,s,w,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,v,u -p,f,y,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,p -e,x,y,p,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,b,y,b,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,m -p,f,y,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,p -e,f,y,r,f,n,f,c,n,h,e,?,s,f,w,w,p,w,o,f,h,v,d -p,x,y,n,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,x,y,n,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,f,s,b,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,v,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,d -p,x,y,n,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -e,f,y,n,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,x,y,n,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -e,f,y,e,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -e,x,y,b,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -e,x,s,n,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,s,w,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,v,g -e,x,y,b,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,f,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,d -p,f,y,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,y,g -e,k,y,e,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,f,s,w,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,v,u -e,k,y,c,f,n,f,w,n,w,e,b,s,s,w,n,p,w,o,e,w,v,l -e,k,y,n,f,n,f,w,n,w,e,b,s,s,w,n,p,w,o,e,w,v,l -p,b,s,p,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,m -p,x,y,n,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,x,s,b,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,s,u -e,f,y,r,f,n,f,c,n,p,e,?,s,f,w,w,p,w,o,f,h,v,d -p,x,s,b,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,s,g -e,f,y,u,f,n,f,c,n,p,e,?,s,f,w,w,p,w,o,f,h,y,d -p,x,y,n,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,x,s,w,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,v,u -e,x,s,e,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -e,f,y,p,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,x,y,n,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,x,y,n,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,x,s,w,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,v,g -p,f,y,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,p -e,x,y,n,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -e,x,y,e,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -p,x,s,w,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,v,u -p,x,y,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,g -p,f,s,b,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,m -p,f,f,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,v,p -p,x,s,g,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,v,g -e,f,s,p,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -e,x,y,n,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,b,y,w,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,m -p,f,y,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,d -p,x,y,e,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,x,s,b,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,s,g -p,x,s,b,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,v,g -p,x,y,n,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,b,y,p,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,g -e,x,y,c,f,n,f,w,n,w,e,b,s,s,w,n,p,w,o,e,w,v,l -p,x,y,n,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,x,s,w,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,s,u -p,x,y,n,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -e,f,y,n,f,n,f,w,n,w,e,b,f,s,w,n,p,w,o,e,w,v,l -p,x,y,n,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,f,s,g,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,s,u -p,x,y,e,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -e,x,y,r,f,n,f,c,n,h,e,?,s,f,w,w,p,w,o,f,h,y,d -p,b,y,p,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,m -e,x,s,p,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -p,x,y,n,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,x,y,n,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,f,s,g,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,v,g -p,f,y,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,p -p,f,y,p,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,m -p,x,y,n,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,x,y,n,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -e,f,s,b,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -p,f,s,b,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,v,u -e,x,y,c,f,n,f,w,n,w,e,b,s,f,w,n,p,w,o,e,w,v,l -e,x,y,w,f,n,f,c,n,w,e,?,s,f,w,w,p,w,o,f,h,y,d -p,x,y,n,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -e,f,y,n,f,n,f,w,n,w,e,b,s,s,w,n,p,w,o,e,w,v,l -p,x,y,n,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,x,y,n,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -e,k,y,p,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -p,f,s,w,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,m -p,x,y,n,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,f,y,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,g -e,k,y,n,f,n,f,w,n,w,e,b,s,f,w,n,p,w,o,e,w,v,l -p,f,s,g,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,v,g -p,f,s,w,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,g -p,f,f,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,g -e,f,s,n,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -p,x,f,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,d -p,x,y,n,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,x,y,e,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,f,y,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,g -p,b,s,w,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,g -p,x,s,b,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,v,u -e,f,y,b,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -e,x,f,c,f,n,f,w,n,w,e,b,s,f,w,n,p,w,o,e,w,v,l -p,f,s,w,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,v,u -e,k,s,p,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -e,k,y,n,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -e,x,y,b,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,x,f,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,g -p,f,s,g,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,v,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,p -e,x,y,e,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,s,b,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,v,g -e,x,y,n,f,n,f,w,n,w,e,b,s,s,w,n,p,w,o,e,w,v,l -p,f,y,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,d -p,f,f,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,d -p,b,y,b,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,g -p,x,y,e,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,f,y,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,p -p,f,f,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,p -p,f,y,w,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,g -e,k,s,e,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,g,e,b,k,k,n,n,p,w,o,l,h,v,p -e,k,s,n,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,y,y,f,n,f,c,n,w,e,?,k,y,w,n,p,w,o,e,w,v,d -p,f,y,g,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,p -p,f,y,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,g -p,x,y,e,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -e,f,s,b,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,s,w,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,v,u -p,x,s,w,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,s,g -p,f,y,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,d -e,f,y,p,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,g -p,f,y,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,p -e,k,s,e,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -e,x,y,n,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,x,y,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,g -p,f,s,b,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,v,g -p,x,y,g,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,v,d -p,f,s,g,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,s,u -p,x,s,w,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,v,g -p,x,f,n,f,n,f,c,n,w,e,?,k,y,w,y,p,w,o,e,w,v,d -p,f,s,b,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,s,g -e,f,y,e,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,g -p,x,s,b,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,s,u -e,k,f,n,f,n,f,w,n,w,e,b,f,s,w,n,p,w,o,e,w,v,l -p,f,y,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,g -e,k,y,c,f,n,f,w,n,w,e,b,f,f,w,n,p,w,o,e,w,v,l -p,x,f,g,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,y,p -p,x,y,n,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -e,f,y,p,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,s,b,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,v,g -p,x,y,g,f,f,f,c,b,h,e,b,k,k,b,n,p,w,o,l,h,y,d -p,f,y,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,y,g -p,x,y,e,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -e,f,y,r,f,n,f,c,n,w,e,?,s,f,w,w,p,w,o,f,h,y,d -p,f,y,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,p -p,x,s,g,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,v,g -p,x,s,w,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,v,g -p,f,s,b,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,s,g -e,x,y,n,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,f,y,f,n,f,c,n,w,e,?,k,y,w,n,p,w,o,e,w,v,d -e,f,y,u,f,n,f,c,n,w,e,?,s,f,w,w,p,w,o,f,h,v,d -p,x,y,n,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -e,x,s,n,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,s,w,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,v,u -p,f,y,y,f,f,f,c,b,p,e,b,k,k,p,b,p,w,o,l,h,v,d -e,f,s,b,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -e,k,f,c,f,n,f,w,n,w,e,b,s,s,w,n,p,w,o,e,w,v,l -p,x,s,g,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,v,u -p,f,y,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,p -p,x,y,e,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -e,f,y,p,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -e,k,y,p,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,y,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,g -p,x,y,n,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -e,f,s,n,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,g -p,x,y,n,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -e,f,s,n,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,p,e,b,k,k,p,p,p,w,o,l,h,v,d -p,f,y,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,p -p,f,y,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,y,p -e,f,f,c,f,n,f,w,n,w,e,b,f,s,w,n,p,w,o,e,w,v,l -p,b,y,b,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,g -e,k,y,e,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -p,x,s,b,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,v,u -p,x,s,g,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,v,g -p,f,y,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,g -p,x,s,g,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,s,u -p,x,y,e,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,f,s,w,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,v,u -e,f,s,p,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,f,s,b,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,v,g -p,x,y,e,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -e,f,y,w,f,n,f,c,n,u,e,?,s,f,w,w,p,w,o,f,h,v,d -e,x,y,p,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -p,x,s,b,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,v,u -p,k,g,w,t,n,f,w,n,w,e,b,s,s,w,w,p,w,o,p,w,c,l -p,f,s,g,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,s,g -p,x,y,n,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -e,k,s,e,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,y,n,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,x,y,n,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,f,s,w,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,s,g -e,f,s,e,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,f,s,b,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,s,g -p,b,s,w,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,m -e,f,f,n,f,n,f,w,n,w,e,b,f,s,w,n,p,w,o,e,w,v,l -p,f,s,g,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,v,u -p,x,s,w,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,v,g -p,f,y,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,g -e,x,s,b,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -e,f,y,n,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -e,x,y,r,f,n,f,c,n,u,e,?,s,f,w,w,p,w,o,f,h,v,d -e,k,s,b,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,x,s,w,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,v,u -p,x,y,n,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -e,x,y,b,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,y,w,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,g -p,f,s,b,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,s,u -p,x,s,g,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,v,g -e,k,s,n,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,f,s,g,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,s,g -e,k,y,p,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,y,b,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,m -p,x,y,n,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,f,y,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,v,p -p,x,s,b,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,s,u -e,k,f,c,f,n,f,w,n,w,e,b,s,f,w,n,p,w,o,e,w,v,l -p,f,s,g,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,v,u -p,f,s,w,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,v,g -p,b,s,b,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,m -p,b,s,p,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,g -p,f,s,w,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,s,g -e,x,y,n,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -p,x,y,n,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,x,y,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,g -e,x,s,b,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,y,n,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,x,s,b,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,s,u -p,f,s,p,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,g -p,x,y,n,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,x,s,w,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,v,u -p,f,s,w,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,v,u -e,f,y,r,f,n,f,c,n,u,e,?,s,f,w,w,p,w,o,f,h,y,d -p,f,s,w,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,s,g -p,f,s,w,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,s,u -e,x,y,w,f,n,f,c,n,u,e,?,s,f,w,w,p,w,o,f,h,v,d -p,x,y,n,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -e,k,y,b,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,y,n,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,x,y,n,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,x,s,b,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,s,u -e,f,y,r,f,n,f,c,n,p,e,?,s,f,w,w,p,w,o,f,h,y,d -p,b,s,p,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,g -p,x,s,b,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,v,u -e,f,y,c,f,n,f,w,n,w,e,b,f,f,w,n,p,w,o,e,w,v,l -e,x,y,u,f,n,f,c,n,p,e,?,s,f,w,w,p,w,o,f,h,v,d -p,x,s,b,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,v,u -e,x,y,w,f,n,f,c,n,w,e,?,s,f,w,w,p,w,o,f,h,v,d -p,x,y,n,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -e,x,s,p,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -p,f,s,p,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,m -p,f,y,n,f,n,f,c,n,w,e,?,k,y,w,y,p,w,o,e,w,v,d -p,f,y,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,p -p,f,s,w,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,v,g -p,x,y,g,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,v,g -e,f,y,e,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,s,b,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,g -p,b,s,p,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,m -p,x,y,n,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,x,s,b,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,v,u -p,x,y,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,y,p -p,b,y,w,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,g -e,f,y,n,f,n,f,w,n,w,e,b,s,f,w,n,p,w,o,e,w,v,l -p,f,f,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,g -p,f,y,y,f,f,f,c,b,h,e,b,k,k,p,b,p,w,o,l,h,v,p -p,f,y,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,g -p,x,s,g,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,s,u -p,x,y,e,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,x,y,y,f,n,f,c,n,w,e,?,k,y,w,y,p,w,o,e,w,v,d -p,x,y,n,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,f,s,w,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,s,g -p,f,f,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,g -e,f,f,n,f,n,f,w,n,w,e,b,s,s,w,n,p,w,o,e,w,v,l -p,x,s,g,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,s,g -p,f,s,b,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,v,u -e,f,s,e,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,x,s,b,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,s,u -p,f,y,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,d -p,x,y,n,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,f,s,w,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,v,g -p,f,s,g,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,s,g -p,f,y,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,g -e,f,f,c,f,n,f,w,n,w,e,b,s,s,w,n,p,w,o,e,w,v,l -p,x,y,n,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -e,k,y,e,t,n,f,c,b,e,e,?,s,s,w,e,p,w,t,e,w,c,w -p,x,y,n,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,f,s,w,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,s,g -p,x,y,e,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -e,x,s,n,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,y,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,p -p,x,s,w,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,v,u -e,f,s,e,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,d -p,f,y,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,v,d -e,f,y,e,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -p,f,s,g,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,v,g -e,k,s,n,t,n,f,c,b,e,e,?,s,s,e,w,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,p,e,b,k,k,n,b,p,w,o,l,h,y,d -p,x,s,w,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,s,g -p,x,y,n,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,f,y,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,g -p,f,y,w,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,g -p,x,y,n,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -e,f,y,w,f,n,f,c,n,w,e,?,s,f,w,w,p,w,o,f,h,v,d -e,x,y,w,f,n,f,c,n,h,e,?,s,f,w,w,p,w,o,f,h,y,d -p,x,y,n,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,f,s,g,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,s,u -e,x,y,u,f,n,f,c,n,w,e,?,s,f,w,w,p,w,o,f,h,v,d -p,f,s,w,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,g -p,x,y,y,f,f,f,c,b,g,e,b,k,k,p,b,p,w,o,l,h,v,d -p,f,s,g,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,v,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,p,n,p,w,o,l,h,y,p -p,x,f,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,v,g -p,f,y,y,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,y,d -p,x,s,g,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,s,g -e,f,y,r,f,n,f,c,n,u,e,?,s,f,w,w,p,w,o,f,h,v,d -p,f,s,w,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,s,g -e,k,s,n,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,x,y,n,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,x,s,g,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,s,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,p,p,p,w,o,l,h,y,g -p,b,s,w,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,m -p,x,y,n,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,b,s,b,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,m -p,f,f,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,g -p,x,y,g,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,d -e,x,y,e,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -e,k,s,b,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,x,y,n,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -e,x,s,e,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,s,b,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,m -e,f,s,n,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,y,e,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -e,f,y,b,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,x,s,g,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,s,u -p,f,s,b,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,g -p,x,y,n,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,x,y,e,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,f,y,y,f,f,f,c,b,h,e,b,k,k,b,b,p,w,o,l,h,y,g -p,x,y,n,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,x,y,n,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,f,s,g,t,f,f,c,b,w,t,b,f,s,w,w,p,w,o,p,h,v,u -e,x,y,p,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -e,x,y,u,f,n,f,c,n,u,e,?,s,f,w,w,p,w,o,f,h,y,d -p,f,y,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,y,p -p,x,s,g,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,v,g -p,x,y,n,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,f,s,g,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,v,u -p,x,s,b,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,v,g -p,x,f,y,f,f,f,c,b,h,e,b,k,k,b,p,p,w,o,l,h,y,g -p,b,s,w,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,g -e,k,y,n,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,x,y,e,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,f,y,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,v,p -e,x,y,b,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -p,x,s,b,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,v,g -p,f,s,g,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,v,u -p,f,s,b,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,s,u -p,f,y,y,f,f,f,c,b,p,e,b,k,k,b,b,p,w,o,l,h,y,d -p,x,y,n,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,f,s,w,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,v,u -e,k,y,n,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -e,x,s,e,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -e,x,y,w,f,n,f,c,n,p,e,?,s,f,w,w,p,w,o,f,h,v,d -p,f,s,b,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,s,u -p,f,s,g,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,s,u -e,f,s,e,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,y,g -p,x,y,n,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,f,s,w,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,g -p,f,y,g,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,d -e,x,f,n,f,n,f,w,n,w,e,b,s,s,w,n,p,w,o,e,w,v,l -p,f,y,y,f,f,f,c,b,p,e,b,k,k,b,n,p,w,o,l,h,y,d -p,x,s,w,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,s,u -e,x,s,b,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -e,x,s,p,t,n,f,c,b,w,e,?,s,s,w,e,p,w,t,e,w,c,w -p,x,s,g,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,v,g -p,f,f,g,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,p -p,x,s,w,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,s,g -p,x,f,y,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,v,p -p,f,s,w,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,s,u -e,k,y,n,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -e,x,y,p,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -p,f,y,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,y,g -e,f,y,b,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -e,x,s,e,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,s,g,t,f,f,c,b,p,t,b,f,f,w,w,p,w,o,p,h,v,u -p,f,s,b,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,v,u -p,f,y,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,p -p,x,s,b,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,v,u -p,f,s,w,t,f,f,c,b,h,t,b,s,s,w,w,p,w,o,p,h,v,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,g -p,f,y,y,f,f,f,c,b,p,e,b,k,k,n,p,p,w,o,l,h,y,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,n,p,p,w,o,l,h,y,p -p,f,f,g,f,f,f,c,b,g,e,b,k,k,b,n,p,w,o,l,h,v,p -p,b,s,p,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,m -p,x,y,n,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,b,s,w,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,g -e,x,y,n,t,n,f,c,b,w,e,?,s,s,w,w,p,w,t,e,w,c,w -p,x,y,n,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,x,y,n,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,x,y,n,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,f,s,b,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,s,g -p,b,y,y,f,n,f,c,n,w,e,?,k,y,w,n,p,w,o,e,w,v,d -p,x,s,g,t,f,f,c,b,w,t,b,f,f,w,w,p,w,o,p,h,v,u -e,f,y,p,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -e,k,s,p,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -e,f,y,n,t,n,f,c,b,w,e,?,s,s,e,e,p,w,t,e,w,c,w -p,b,y,p,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,m -p,x,s,g,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,v,g -p,x,s,g,t,f,f,c,b,p,t,b,s,s,w,w,p,w,o,p,h,s,g -p,x,f,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,g -p,x,y,n,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,f,y,b,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,r,v,g -p,x,s,b,t,f,f,c,b,h,t,b,f,f,w,w,p,w,o,p,h,v,u -p,b,s,b,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,g -e,f,y,w,f,n,f,c,n,p,e,?,s,f,w,w,p,w,o,f,h,y,d -e,x,y,n,f,n,f,w,n,w,e,b,f,s,w,n,p,w,o,e,w,v,l -p,x,f,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,v,p -p,f,s,b,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,v,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,v,g -e,k,s,e,t,n,f,c,b,e,e,?,s,s,e,e,p,w,t,e,w,c,w -p,f,f,y,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,p -p,b,f,n,f,n,f,c,n,w,e,?,k,y,w,n,p,w,o,e,w,v,d -p,x,y,n,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,f,y,y,f,f,f,c,b,h,e,b,k,k,n,b,p,w,o,l,h,y,d -p,x,y,y,f,f,f,c,b,g,e,b,k,k,n,b,p,w,o,l,h,y,g -p,x,s,g,t,f,f,c,b,p,t,b,f,s,w,w,p,w,o,p,h,s,g -p,x,y,n,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -e,x,y,n,t,n,f,c,b,w,e,?,s,s,e,w,p,w,t,e,w,c,w -e,f,y,n,f,n,f,w,n,w,e,b,f,f,w,n,p,w,o,e,w,v,l -p,f,y,b,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,g -p,k,f,n,f,n,f,c,n,w,e,?,k,y,w,y,p,w,o,e,w,v,d -p,f,y,g,f,f,f,c,b,h,e,b,k,k,p,n,p,w,o,l,h,v,g -p,x,y,n,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,f,f,g,f,f,f,c,b,h,e,b,k,k,p,p,p,w,o,l,h,y,d -p,f,f,g,f,f,f,c,b,p,e,b,k,k,b,p,p,w,o,l,h,v,d -p,x,s,g,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,s,g -e,x,y,r,f,n,f,c,n,u,e,?,s,f,w,w,p,w,o,f,h,y,d -p,x,y,n,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,f,s,p,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,m -p,x,y,e,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,f,s,b,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,v,g -p,x,s,b,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,v,u -e,k,s,e,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -p,f,s,b,t,f,f,c,b,w,t,b,s,f,w,w,p,w,o,p,h,s,g -e,x,f,n,f,n,f,w,n,w,e,b,f,f,w,n,p,w,o,e,w,v,l -p,f,y,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,v,d -e,f,y,w,f,n,f,c,n,w,e,?,s,f,w,w,p,w,o,f,h,y,d -p,f,s,w,t,f,f,c,b,w,t,b,s,s,w,w,p,w,o,p,h,s,u -p,f,s,p,t,n,f,c,b,r,e,b,s,s,w,w,p,w,t,p,r,v,g -p,f,y,y,f,f,f,c,b,p,e,b,k,k,p,n,p,w,o,l,h,y,d -p,f,s,g,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,s,g -p,x,y,n,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,f,y,y,f,f,f,c,b,g,e,b,k,k,b,b,p,w,o,l,h,v,g -p,f,s,g,t,f,f,c,b,h,t,b,f,s,w,w,p,w,o,p,h,s,g -p,f,s,w,t,f,f,c,b,h,t,b,s,f,w,w,p,w,o,p,h,s,u -p,x,y,n,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,f,f,y,f,f,f,c,b,p,e,b,k,k,n,n,p,w,o,l,h,y,d -p,x,y,n,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,b,y,b,t,n,f,c,b,g,e,b,s,s,w,w,p,w,t,p,r,v,g -p,f,y,y,f,f,f,c,b,g,e,b,k,k,b,p,p,w,o,l,h,v,g -p,x,y,e,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,x,y,n,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -e,k,y,b,t,n,f,c,b,e,e,?,s,s,w,w,p,w,t,e,w,c,w -e,x,y,w,f,n,f,c,n,p,e,?,s,f,w,w,p,w,o,f,h,y,d -p,f,s,b,t,f,f,c,b,p,t,b,s,f,w,w,p,w,o,p,h,v,u -p,f,y,y,f,f,f,c,b,g,e,b,k,k,n,p,p,w,o,l,h,y,g -p,x,y,e,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,f,s,e,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,x,y,e,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,x,s,n,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,f,y,e,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,k,y,n,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,f,y,e,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,x,s,e,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,f,y,n,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,f,y,e,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,x,s,e,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,x,s,n,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,f,s,e,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,f,s,e,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,f,y,e,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,f,y,n,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,x,y,e,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,k,s,n,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,x,s,n,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,f,s,e,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,f,y,e,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,k,s,e,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,f,y,e,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,x,s,n,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,f,s,e,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,f,s,n,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,f,y,e,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,f,s,e,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,f,y,e,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,x,s,e,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,f,s,e,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,x,s,n,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,f,y,n,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,x,y,e,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,f,y,n,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,n,c,l -p,f,s,n,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -e,x,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,n,v,l -p,f,y,e,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,f,y,n,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,f,y,e,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,f,s,n,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,x,y,e,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,x,s,n,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,f,s,n,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,f,y,e,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,f,s,n,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,f,s,n,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,f,s,n,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,f,y,e,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,f,s,e,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,x,y,e,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,x,s,e,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,f,s,e,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,f,y,n,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,x,y,e,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,k,s,e,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,k,s,n,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,f,y,n,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,x,s,e,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,x,y,e,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,f,y,e,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,f,y,n,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,f,s,e,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,x,s,n,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -e,x,f,w,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,n,g -p,f,y,n,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,x,s,n,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,x,s,e,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,f,s,n,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,x,y,e,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,x,s,e,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,f,s,n,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,k,s,n,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,f,y,n,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,x,s,n,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,f,y,e,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,x,s,e,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,f,s,n,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,k,y,n,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,f,s,n,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,x,s,e,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,f,s,n,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,f,s,e,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,f,y,n,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,f,s,n,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,f,y,n,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,f,s,e,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,f,s,e,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,x,y,e,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,f,s,n,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,x,y,e,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,f,y,e,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,x,s,n,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,f,y,n,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,f,y,e,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,x,y,e,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,f,y,n,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,f,y,n,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,x,y,e,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,f,y,n,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,x,s,n,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,f,y,e,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,x,y,e,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,x,s,e,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,f,s,e,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,f,y,e,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,x,y,e,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,x,y,e,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,x,s,n,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,x,s,e,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,k,s,e,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -e,x,s,c,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,v,p -p,x,s,e,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,f,s,n,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,x,s,n,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,f,y,e,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,f,s,e,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,x,y,e,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,x,s,e,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,x,s,n,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,x,y,e,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,f,s,e,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,f,s,n,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,f,y,e,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,x,y,e,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,k,s,e,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,f,y,n,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,f,s,n,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,x,s,e,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,f,s,n,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,f,s,e,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,f,y,e,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -e,b,f,w,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,n,g -p,x,y,e,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,x,y,e,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,f,y,e,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,f,y,e,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -e,k,f,w,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,s,g -p,x,s,n,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,f,s,n,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,x,s,n,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,f,s,e,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,x,s,n,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,x,s,n,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,x,s,e,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,k,s,n,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,x,y,e,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,x,s,e,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,x,y,e,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,x,s,e,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,x,s,e,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,x,s,e,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,x,s,e,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,f,y,e,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,x,s,n,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,f,s,n,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,x,s,e,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,f,s,e,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,x,s,n,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,f,y,e,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,x,s,n,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,k,s,n,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,f,s,e,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,f,s,e,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,f,y,e,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,k,s,n,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,f,s,e,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,x,y,e,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,f,s,e,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,f,y,e,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,f,s,n,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,x,y,e,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,x,y,e,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,f,s,e,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,k,y,e,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,f,y,e,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,k,y,n,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,x,s,e,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,x,y,e,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,x,s,n,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,f,y,n,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,x,s,e,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -e,b,s,g,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,n,g -p,x,y,e,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,x,s,e,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,f,y,e,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,x,s,e,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,f,y,e,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,f,y,e,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,x,s,n,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,f,y,n,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -e,k,s,w,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,s,g -p,f,y,e,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,x,s,e,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,f,y,n,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,x,s,e,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,f,y,e,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,f,y,e,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,f,s,n,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,x,y,e,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,f,y,e,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -e,b,f,g,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,n,g -p,k,y,e,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,x,y,e,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,k,s,e,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,x,s,n,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -e,k,s,w,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,s,g -p,f,s,e,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,x,s,n,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,k,s,e,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,k,y,n,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,k,y,e,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,x,s,e,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,f,s,e,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,f,y,e,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,x,y,e,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,f,y,n,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,x,y,e,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,f,y,n,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,x,y,e,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,k,y,n,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,f,s,e,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,x,s,n,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,f,s,e,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,x,s,e,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,f,s,n,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,f,y,n,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,x,y,e,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,x,s,e,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,f,y,e,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,f,s,e,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,f,y,e,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,x,s,n,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,x,s,n,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,f,y,n,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,k,y,n,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,x,s,e,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,x,y,e,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,f,y,e,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,x,y,e,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,f,y,e,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,f,y,e,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,f,s,e,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,k,y,e,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,x,s,e,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -e,k,s,g,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,s,g -p,x,s,n,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,f,s,e,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,f,s,n,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,f,s,e,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,x,s,e,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,x,s,e,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,x,s,e,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,x,s,e,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,f,s,e,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,x,s,e,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,x,s,n,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,k,y,n,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,x,y,e,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,x,s,n,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,x,s,e,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -e,b,s,w,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,s,g -p,f,s,e,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,x,s,e,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,x,y,e,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,f,y,n,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,f,s,e,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,f,y,e,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,f,s,n,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,x,y,e,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,x,s,n,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,f,s,e,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,x,s,n,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,f,s,e,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,x,y,e,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,x,y,e,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,f,s,n,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,f,s,n,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,x,s,n,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,f,s,e,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,k,y,n,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,x,y,e,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,x,y,e,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,k,s,n,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,x,s,e,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,x,s,e,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,f,s,e,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,f,s,e,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,f,s,n,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,f,y,e,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,f,y,e,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,k,s,e,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,x,s,n,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,f,y,n,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,f,s,e,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,k,s,n,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,f,y,n,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,x,y,e,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,x,y,e,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,x,s,e,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,f,y,e,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,k,y,n,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,x,s,n,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,x,s,e,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,x,s,n,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,f,y,e,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,k,y,e,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -e,x,f,g,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,s,g -p,f,y,e,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,x,s,e,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,x,s,e,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,x,y,e,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,f,y,n,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,f,y,n,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,x,s,n,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,x,s,e,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,f,y,e,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,f,s,n,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,f,y,n,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,f,y,n,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,x,y,e,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,x,s,e,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,f,s,n,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,x,s,e,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,f,s,n,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,f,s,n,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,x,s,n,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,f,s,n,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,f,s,n,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,x,s,n,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,x,s,n,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,x,s,n,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,f,s,n,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,x,y,e,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,f,s,e,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,f,s,e,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,x,s,n,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -e,k,f,w,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,n,g -p,x,s,n,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,f,s,n,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,f,y,n,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,f,s,n,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,f,y,n,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,f,y,n,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,f,s,n,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,f,y,e,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -e,b,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,o,v,l -p,f,s,e,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,f,s,e,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,x,s,e,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,f,y,e,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,f,s,n,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,f,y,e,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,k,y,n,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,f,y,e,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,f,s,e,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,x,y,e,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,f,s,n,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,x,s,e,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,k,y,n,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,x,s,n,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,x,y,e,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,f,y,n,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,f,s,e,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,f,s,n,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -e,x,s,w,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,s,g -p,f,y,n,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,f,s,n,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,x,y,e,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,f,s,e,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,x,s,n,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,x,y,e,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -e,k,f,g,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,s,g -p,f,s,e,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,f,y,e,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -e,b,f,w,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,s,g -p,f,s,n,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,x,y,e,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,x,y,e,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,f,s,n,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,x,s,n,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,f,s,e,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,f,s,e,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,f,s,e,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,x,y,e,f,m,f,c,b,w,e,c,k,y,c,c,p,w,n,n,w,c,d -p,f,y,n,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,f,y,e,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,x,s,e,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,f,s,e,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,f,y,e,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,f,y,e,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,x,s,e,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,f,s,e,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -e,x,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,y,c,l -p,f,y,n,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,f,y,e,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,f,y,e,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,x,s,n,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,x,s,e,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,x,y,e,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,x,s,e,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,x,y,e,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,f,y,e,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -e,x,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,o,v,l -p,f,s,n,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,x,y,e,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,f,s,n,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,f,y,e,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,x,y,e,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,x,s,n,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,x,s,n,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,x,s,n,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,x,y,e,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,f,s,n,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,f,s,n,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,k,y,e,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,x,s,n,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,f,y,n,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -e,k,s,w,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,n,g -p,f,s,e,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,x,s,e,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,f,y,n,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,f,y,n,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,f,y,e,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,x,s,n,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,f,y,n,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,x,s,n,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,k,y,n,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,f,s,e,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,f,y,e,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,f,y,e,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,f,y,e,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,k,y,n,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,k,y,n,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,f,s,e,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,x,s,e,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,k,s,n,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,x,s,e,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,f,s,n,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,x,s,e,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,f,s,n,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,x,s,n,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,f,y,e,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,x,s,n,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,x,s,e,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,x,s,e,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,x,s,n,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,x,y,e,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,f,y,e,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,f,s,e,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,x,s,e,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,f,y,e,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,f,s,e,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,f,s,e,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,f,y,n,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,f,s,n,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,x,s,e,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,f,y,n,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,f,y,n,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,f,s,e,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,f,y,e,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,f,y,n,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,f,s,e,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,f,s,e,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,f,y,n,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,f,s,e,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,f,s,n,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,k,y,e,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,f,y,e,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,f,s,e,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,f,y,e,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,f,y,n,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,f,y,e,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,f,s,n,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,x,y,e,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -e,x,f,w,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,n,g -p,x,s,e,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,x,s,e,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,f,y,n,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,x,s,e,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,x,s,n,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,x,s,n,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,x,s,n,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -e,x,f,g,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,n,g -p,f,y,e,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,f,y,e,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,x,y,e,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,x,s,n,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,k,s,e,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,k,y,e,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,f,y,e,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,x,s,n,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,x,s,e,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,f,y,n,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,x,s,n,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -e,k,f,w,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,n,g -p,k,y,n,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,f,s,e,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,x,y,e,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,x,s,n,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,x,s,n,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,f,y,e,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,x,y,e,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,f,s,e,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,x,s,e,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,x,s,n,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,f,y,e,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,f,y,n,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,f,s,n,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,f,y,e,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,f,y,e,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,x,y,e,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,k,s,e,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,f,y,e,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,f,y,n,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,f,s,n,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,f,s,e,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,k,s,e,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,f,y,e,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,f,s,n,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -e,x,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,b,v,l -p,x,s,n,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,k,s,n,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,f,s,n,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,f,s,n,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,x,s,n,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,f,s,n,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,f,y,e,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,f,y,e,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,f,s,n,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,x,s,e,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,x,s,n,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,x,s,e,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,x,s,e,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,f,y,e,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,x,s,e,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,k,s,e,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,x,y,e,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,f,s,n,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,f,s,n,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,x,s,n,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,k,y,e,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,x,s,e,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,f,y,e,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,f,y,n,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,f,s,n,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,f,s,e,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,k,y,n,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,f,y,e,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,f,s,e,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,f,s,n,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,x,s,n,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,f,y,e,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,x,y,e,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,f,s,e,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,x,s,n,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,f,s,n,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,f,s,n,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,f,s,e,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -e,x,s,g,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,n,g -p,k,y,n,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,x,y,e,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,x,s,n,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,x,s,n,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,f,y,e,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,k,y,n,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,x,s,e,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,x,s,n,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,k,y,n,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,x,y,e,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,k,s,n,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,x,s,n,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,x,y,e,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,f,s,e,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,f,s,n,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,f,s,n,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,f,s,e,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,x,y,e,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,x,s,e,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,f,y,e,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,x,s,n,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,x,s,e,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,x,s,e,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,f,s,e,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,x,y,e,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,x,s,n,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,x,s,e,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,x,s,e,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,x,s,n,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,x,s,n,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,f,s,e,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,f,y,e,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,x,s,n,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,x,s,e,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,x,s,n,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,f,s,e,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,k,y,n,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,x,s,n,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,f,y,n,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,k,y,n,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,f,s,e,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,f,s,n,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,x,s,e,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,x,s,n,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,f,y,n,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,f,y,n,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,x,s,e,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,f,y,n,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,x,y,e,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,f,y,n,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,f,y,e,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,x,y,e,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,f,s,e,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,k,s,n,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,x,y,e,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,x,s,n,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,f,s,e,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,f,s,e,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -e,b,f,g,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,s,g -p,x,s,n,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,k,s,n,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -e,b,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,y,v,l -p,f,s,n,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,f,y,n,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,x,y,e,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,x,s,e,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,k,y,c,f,m,a,c,b,w,e,c,k,y,c,c,p,w,n,n,w,c,d -p,x,s,e,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,x,s,n,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,x,y,e,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,x,s,e,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,f,s,e,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,f,s,n,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,f,s,n,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,f,y,e,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,x,s,e,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,f,y,e,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,f,y,n,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,x,y,e,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,f,y,e,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,f,s,e,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,f,s,e,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,x,s,e,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,x,s,e,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,k,y,e,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,x,y,e,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,x,s,e,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,x,s,n,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,x,s,n,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,f,s,n,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,f,y,n,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,x,s,e,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,k,s,n,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,f,s,n,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,f,y,n,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,f,y,e,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,f,y,e,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,f,y,n,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,x,s,e,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,f,s,n,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,f,s,e,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,x,s,n,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,f,y,e,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,k,y,n,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,f,s,n,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,f,s,e,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,x,s,n,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,f,s,e,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,x,s,e,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,f,y,e,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,x,s,e,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,f,s,e,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,f,s,n,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,x,s,n,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,x,s,e,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,f,s,e,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,x,s,e,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,x,s,n,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,f,s,e,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,x,y,e,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,x,s,n,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,x,y,e,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,f,s,e,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,x,s,e,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,f,y,n,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,x,s,e,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,x,s,n,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,f,s,e,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,x,s,e,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,f,s,n,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,x,y,e,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,f,y,e,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,x,y,e,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,k,y,n,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,f,y,n,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,x,y,e,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,f,s,n,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,x,s,e,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,f,s,e,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -e,x,f,g,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,s,g -p,x,s,e,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,f,s,n,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,x,s,e,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,x,s,e,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,x,s,e,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,f,y,e,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -e,b,f,g,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,s,g -p,f,y,n,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,f,y,e,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,f,y,n,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,f,s,n,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,f,y,n,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,x,y,e,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,f,y,n,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,x,s,n,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,f,y,e,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -e,k,f,g,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,s,g -e,b,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,o,c,l -p,f,s,n,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,x,s,n,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,f,y,n,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,f,s,e,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,f,y,n,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,f,s,n,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,f,y,e,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,f,y,e,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,x,s,e,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -e,x,f,w,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,n,g -p,f,s,n,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,x,s,e,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,x,s,n,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,x,s,n,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,x,s,n,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,k,y,n,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,f,s,n,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,x,y,e,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,f,s,n,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,f,s,n,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,x,s,n,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,x,s,n,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,x,y,e,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,f,s,e,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,f,s,e,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,f,y,n,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,x,s,e,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,f,s,e,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,f,y,e,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,f,y,e,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,x,y,e,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,f,y,n,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,f,s,n,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,f,s,n,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,k,y,e,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,f,s,e,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,x,s,e,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,x,y,e,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,f,y,e,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,x,y,e,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,f,y,e,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,f,y,n,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,f,y,e,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,x,y,e,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,x,s,e,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,f,s,e,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,f,s,e,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,x,s,e,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,f,s,e,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,f,s,e,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,f,s,n,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,f,y,e,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,f,y,n,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,k,s,e,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,f,s,n,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,f,y,n,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,f,s,e,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,f,y,e,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,x,s,n,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,k,y,n,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,x,y,e,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,x,s,e,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -e,x,s,g,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,n,g -p,k,y,n,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,x,s,n,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,f,s,n,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,f,s,n,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,x,s,e,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,f,s,e,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,f,y,e,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,f,y,e,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,f,s,n,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,f,s,e,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,x,s,n,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,f,s,e,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,x,s,e,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,f,s,e,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,f,y,e,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,k,y,e,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,f,s,n,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,k,y,e,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,f,s,e,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,f,y,e,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,f,s,e,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,o,c,l -p,x,s,n,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,f,y,e,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,f,s,e,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,f,y,n,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,k,y,n,f,m,f,c,b,w,e,c,k,y,c,c,p,w,n,n,w,c,d -p,x,s,e,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,f,s,e,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,k,y,n,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,f,s,e,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -e,k,s,w,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,s,g -p,f,y,n,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,f,y,n,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,f,y,n,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,f,s,n,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,f,s,n,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,f,y,e,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,x,s,e,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,f,y,n,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,x,s,n,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,x,s,e,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,x,s,e,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,f,y,e,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,x,s,n,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,x,s,e,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,f,s,n,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,x,s,n,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,f,y,e,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,x,s,n,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,f,y,e,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,f,s,e,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,f,y,n,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,x,y,e,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -e,k,f,g,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,n,g -p,x,s,e,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,k,y,n,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,k,y,n,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,x,y,e,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,f,s,e,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,f,s,e,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,x,s,e,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,f,s,n,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,f,y,e,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,x,s,n,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,x,y,e,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,f,s,e,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,x,s,n,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,f,s,n,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -e,x,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,y,v,l -p,k,s,n,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,f,s,n,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,k,y,e,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -e,x,y,c,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,y,p -e,b,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,y,c,l -e,k,s,g,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,n,g -e,x,f,g,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,s,g -p,x,s,n,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,k,y,e,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -e,x,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,o,c,l -p,k,s,e,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,b,y,y,f,n,f,w,n,y,e,c,y,y,y,y,p,y,o,e,w,c,l -p,x,s,e,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -e,b,s,g,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,n,g -p,k,y,e,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,k,s,e,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,f,s,e,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,f,y,n,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,f,s,e,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -e,k,f,g,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,s,g -p,k,s,n,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,k,s,e,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,f,s,e,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -e,b,f,g,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,n,g -p,f,y,n,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,f,s,n,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -e,f,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,n,c,l -e,x,y,p,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,y,p -p,f,s,n,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,k,y,e,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -e,b,s,w,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,n,g -p,x,y,e,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,f,y,e,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,f,s,e,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,k,y,n,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -e,x,f,w,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,s,g -e,b,s,w,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,n,g -p,k,s,e,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,f,y,n,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -e,f,y,n,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,v,p -p,k,s,n,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,k,s,n,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,f,y,e,f,m,a,c,b,w,e,c,k,y,c,c,p,w,n,n,w,c,d -p,x,s,e,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,k,y,e,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,x,s,n,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,k,s,e,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,k,y,n,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,f,y,e,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -e,x,f,w,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,s,n,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,f,s,n,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,k,s,e,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,k,s,e,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,k,y,n,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -e,k,f,w,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,s,n,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,k,y,n,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,k,s,n,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,k,s,e,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,x,s,n,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,x,y,e,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,f,s,e,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,k,y,n,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -e,b,s,n,f,n,f,c,b,w,e,b,y,y,n,n,p,w,t,p,w,y,d -p,f,s,n,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,k,y,e,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -e,x,s,n,f,n,f,c,b,w,e,b,y,y,n,n,p,w,t,p,w,y,d -p,f,s,n,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,k,s,n,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,x,s,n,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -e,k,f,w,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,s,g -p,f,y,e,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,x,s,e,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,x,s,n,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,f,s,n,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,k,s,n,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,k,s,e,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,k,s,e,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,x,s,e,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -e,b,s,n,f,n,f,c,b,w,e,b,y,y,n,n,p,w,t,p,w,y,p -p,k,s,e,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,x,s,n,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,x,y,e,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,f,s,e,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,n,c,l -e,k,s,g,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,n,g -p,k,y,e,f,m,f,c,b,y,e,c,k,y,c,c,p,w,n,n,w,c,d -p,k,y,e,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,f,s,e,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -e,k,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,o,c,l -p,f,y,e,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,k,y,e,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -e,k,f,w,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,s,g -e,x,s,g,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,s,g -e,k,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,o,v,l -p,k,y,e,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,k,y,n,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,k,s,e,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -e,x,s,w,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,s,g -e,k,s,w,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,n,g -e,k,s,w,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,s,g -p,k,s,e,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,x,s,e,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -e,k,s,g,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,s,g -e,x,f,w,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,s,g -p,k,y,e,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -e,b,s,w,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,s,e,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,f,s,n,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -e,k,s,g,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,s,g -e,x,s,w,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,n,g -p,f,y,e,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,x,s,e,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -e,x,f,w,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,s,g -e,k,f,w,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,n,g -p,f,s,e,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -e,f,s,g,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,v,p -p,k,s,e,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,x,s,n,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -e,k,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,b,c,l -e,x,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,n,c,l -p,k,y,e,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,x,s,e,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,x,s,n,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,k,s,e,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,x,s,n,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -e,k,f,w,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,n,g -e,k,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,n,c,l -p,k,y,c,f,m,f,c,b,w,e,c,k,y,c,c,p,w,n,n,w,c,d -e,x,f,g,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,s,g -e,x,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,o,v,l -e,x,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,b,v,l -p,k,y,e,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -e,k,f,w,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,n,g -e,x,f,g,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,s,g -e,f,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,n,v,l -p,k,y,n,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,k,y,n,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,f,y,e,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -e,k,f,g,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,n,g -p,f,y,e,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,f,y,n,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,k,s,e,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -e,k,s,g,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,s,g -e,b,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,y,c,l -p,k,y,n,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,x,s,n,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -e,b,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,o,v,l -p,k,s,n,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,k,s,n,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,k,s,e,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,f,s,e,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,x,s,e,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,x,s,e,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,x,s,n,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,k,y,n,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -e,x,s,p,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,y,p -p,f,s,e,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,x,y,n,f,m,a,c,b,w,e,c,k,y,c,c,p,w,n,n,w,c,d -p,k,s,n,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -e,k,s,g,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,s,g -p,k,s,n,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,f,y,n,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,k,s,n,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,k,y,e,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,f,y,e,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -e,f,s,c,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,y,p -p,f,y,n,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,k,s,e,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,x,s,e,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,f,y,e,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,x,s,n,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -e,f,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,n,c,l -p,f,s,e,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,x,y,e,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,x,y,e,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,x,s,e,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,k,s,e,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,x,s,e,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -e,b,f,g,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,s,g -p,k,y,e,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,k,s,e,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -e,k,f,g,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,n,g -e,f,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,n,v,l -p,f,y,n,f,m,f,c,b,w,e,c,k,y,c,c,p,w,n,n,w,c,d -p,k,s,e,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,f,s,n,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,k,y,n,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,k,s,e,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,k,y,n,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,k,y,n,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -e,x,f,g,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,n,g -p,k,y,e,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,x,y,c,f,m,a,c,b,y,e,c,k,y,c,c,p,w,n,n,w,c,d -p,k,y,e,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,k,y,e,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -e,b,s,w,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,s,g -p,k,s,n,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,x,s,e,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,f,s,e,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,k,y,e,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,k,y,e,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -e,b,f,w,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,n,g -p,k,y,n,f,m,a,c,b,w,e,c,k,y,c,c,p,w,n,n,w,c,d -p,f,y,e,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,k,s,n,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,k,y,n,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,x,s,e,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -e,x,y,g,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,v,p -p,f,s,n,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,k,y,e,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -e,k,f,w,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,n,g -p,x,s,n,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,k,y,n,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,x,s,e,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -e,k,s,w,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,n,g -p,f,y,n,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,k,s,e,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,k,s,e,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,f,y,e,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -e,f,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,y,v,l -p,f,y,n,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,k,y,e,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,k,s,e,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,k,s,e,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,b,v,l -e,k,s,g,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,s,g -e,x,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,n,v,l -e,x,f,g,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,n,g -p,k,s,e,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,f,y,e,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,k,s,n,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,k,s,n,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -e,b,s,w,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,n,g -p,f,s,n,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -e,b,f,g,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,n,g -p,x,s,n,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,x,y,e,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,f,y,c,f,m,f,c,b,w,e,c,k,y,c,c,p,w,n,n,w,c,d -p,f,s,n,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,x,y,e,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,f,s,n,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,f,y,e,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,f,s,e,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,x,s,e,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -e,k,s,g,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,s,g -p,x,s,e,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,k,s,n,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,k,y,e,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,x,s,n,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -e,b,s,g,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,n,g -p,x,s,n,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,f,s,e,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,k,s,n,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -e,b,s,g,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,s,g -p,x,s,n,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,f,y,e,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,f,s,e,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,f,y,n,f,m,f,c,b,y,e,c,k,y,c,c,p,w,n,n,w,c,d -e,b,f,g,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,s,g -p,f,s,e,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,k,s,n,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -e,k,s,g,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,n,g -p,k,y,n,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,x,s,e,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,y,c,l -p,k,y,n,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,f,y,n,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -e,x,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,b,c,l -p,k,s,n,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,k,s,n,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,k,s,n,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,k,s,n,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -e,f,y,c,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,y,p -e,f,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,n,c,l -e,b,s,w,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,n,g -p,k,s,e,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -e,b,s,g,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,n,g -p,k,y,e,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,k,y,n,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -e,x,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,y,c,l -p,x,s,e,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,x,s,n,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,f,s,e,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,f,y,e,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,x,y,e,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,k,s,e,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -e,k,y,n,f,n,f,c,b,w,e,b,y,y,n,n,p,w,t,p,w,y,d -p,f,s,e,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,k,s,n,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,f,y,n,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,f,s,e,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -e,k,f,g,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,n,g -p,k,s,n,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -e,b,f,w,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,s,g -p,k,s,e,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -e,x,s,g,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,n,g -e,k,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,y,c,l -p,k,s,e,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,k,y,n,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -e,k,f,g,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,n,g -p,x,s,n,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,k,y,n,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -e,x,f,w,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,n,g -p,k,y,e,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,k,s,e,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,k,s,e,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,k,y,e,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,k,y,n,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -e,k,s,g,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,n,g -p,k,y,n,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,k,s,e,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -e,x,s,g,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,n,g -e,f,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,y,v,l -e,k,s,g,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,n,g -p,x,s,e,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,k,s,n,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,k,s,n,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -e,x,s,g,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,s,g -p,k,y,e,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -e,f,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,y,v,l -e,k,s,w,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,n,g -p,f,y,e,f,m,f,c,b,y,e,c,k,y,c,c,p,w,n,n,w,c,d -e,b,s,g,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,s,g -p,f,y,n,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -e,b,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,b,c,l -e,b,s,g,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,n,g -e,k,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,y,c,l -e,b,s,g,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,n,g -p,k,s,n,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,k,y,n,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -e,f,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,o,c,l -p,k,s,e,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,f,s,e,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,k,s,n,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,k,s,n,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,y,v,l -e,k,f,g,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,s,g -e,b,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,o,c,l -p,k,s,n,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,k,y,e,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,k,y,e,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,k,s,n,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -e,f,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,n,c,l -p,k,s,e,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -e,x,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,o,v,l -p,k,s,n,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -e,k,s,w,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,y,e,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,k,y,n,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -e,k,f,g,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,s,g -p,f,s,n,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -e,x,s,g,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,n,g -p,k,y,n,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,f,s,e,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -e,x,f,w,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,n,g -p,k,y,n,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,f,y,n,f,m,a,c,b,w,e,c,k,y,c,c,p,w,n,n,w,c,d -e,b,f,g,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,n,g -p,k,y,e,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,x,y,e,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,k,s,e,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -e,k,f,g,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,n,g -e,k,f,w,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,y,e,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -e,k,s,g,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,n,g -p,k,s,n,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,k,y,n,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -e,k,s,w,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,s,g -p,k,y,e,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -e,b,s,w,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,s,g -p,k,s,n,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -e,x,s,w,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,n,g -e,b,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,n,v,l -p,k,s,n,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,k,y,e,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -e,x,f,w,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,n,g -p,x,y,e,f,m,a,c,b,y,e,c,k,y,c,c,p,w,n,n,w,c,d -p,k,s,e,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,k,s,n,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -p,k,y,n,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,k,s,e,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -e,k,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,b,c,l -p,k,y,n,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -e,f,y,n,f,n,f,c,b,w,e,b,y,y,n,n,p,w,t,p,w,y,d -e,k,s,g,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,n,g -p,f,y,e,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,k,y,y,f,n,f,w,n,y,e,c,y,y,y,y,p,y,o,e,w,c,l -p,k,y,e,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,k,s,e,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,k,y,e,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,n,c,l -e,x,s,g,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,y,p -e,k,s,g,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,n,g -p,f,y,e,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,k,s,e,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,k,y,e,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -e,b,f,w,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,n,g -e,f,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,o,c,l -p,k,s,n,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,k,s,e,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -e,x,f,w,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,s,g -p,k,y,e,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -e,x,f,w,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,y,e,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,k,y,n,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -e,x,s,g,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,n,g -e,x,s,w,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,n,g -p,k,y,n,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,k,s,n,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,k,s,e,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -e,b,f,w,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,n,g -p,f,s,n,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,k,s,e,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,k,s,n,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,x,y,n,f,m,f,c,b,y,e,c,k,y,c,c,p,w,n,n,w,c,d -p,k,y,n,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -e,f,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,y,c,l -p,x,y,e,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -e,f,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,y,v,l -e,b,s,w,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,n,g -e,b,s,g,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,n,g -p,k,y,e,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,k,s,n,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,k,s,e,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,k,s,e,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -e,b,f,w,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,s,g -e,k,s,g,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,n,g -p,f,y,e,f,m,f,c,b,w,e,c,k,y,c,c,p,w,n,n,w,c,d -p,k,y,n,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,k,y,n,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,f,s,e,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,x,s,n,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,k,y,n,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,k,y,c,f,m,f,c,b,y,e,c,k,y,c,c,p,w,n,n,w,c,d -p,k,y,n,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -e,k,s,w,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,n,g -p,f,y,n,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -e,b,f,g,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,s,g -p,f,s,e,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,k,s,e,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -e,k,s,g,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,s,g -e,x,s,g,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,s,e,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -e,k,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,y,c,l -e,f,y,p,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,y,p -e,b,s,w,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,n,g -p,f,y,n,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,f,s,e,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,k,s,e,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -e,k,f,g,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,n,g -e,x,f,w,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,s,g -e,x,s,c,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,y,p -e,k,f,g,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,s,e,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,k,y,e,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,k,s,n,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,x,y,e,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -e,k,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,o,c,l -p,f,y,y,f,n,f,w,n,w,e,c,y,y,y,y,p,y,o,e,w,c,l -p,x,y,c,f,m,a,c,b,w,e,c,k,y,c,c,p,w,n,n,w,c,d -p,x,s,n,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -e,x,y,p,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,v,p -p,k,y,n,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -e,k,s,g,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,n,g -e,b,s,g,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,s,g -p,k,s,e,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -e,x,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,b,v,l -e,b,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,b,v,l -e,f,s,n,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,y,p -e,k,s,g,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,s,g -p,f,s,n,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,k,s,n,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,f,y,n,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,k,y,e,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,k,s,n,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,k,s,e,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -e,b,s,w,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,n,g -p,k,y,n,f,m,f,c,b,y,e,c,k,y,c,c,p,w,n,n,w,c,d -p,k,y,e,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -e,k,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,y,v,l -p,k,s,e,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -e,b,s,w,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,s,g -e,x,s,g,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,s,g -p,k,s,n,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,k,y,n,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,k,s,n,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,k,y,e,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,k,s,e,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,k,y,n,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -e,b,s,g,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,s,g -p,k,y,e,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -e,b,f,w,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,s,g -p,c,y,y,f,n,f,w,n,y,e,c,y,y,y,y,p,y,o,e,w,c,l -p,x,s,n,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,k,y,e,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -e,x,s,g,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,s,g -e,b,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,y,v,l -p,k,y,e,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,n,c,l -p,k,y,e,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,k,y,e,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,k,s,e,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -e,b,s,g,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,s,g -e,k,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,n,c,l -e,b,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,n,v,l -p,x,s,n,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -e,x,s,g,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,v,p -e,x,f,g,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,s,g -p,k,s,n,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -e,k,f,g,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,n,g -p,k,s,n,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,k,y,e,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,k,y,n,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -e,f,s,p,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,y,p -p,k,y,n,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,k,y,e,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -e,f,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,b,c,l -p,k,y,e,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,k,y,n,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,k,y,n,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,f,y,n,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,k,s,e,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,k,y,e,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -e,x,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,o,c,l -p,f,s,e,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -e,k,s,g,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,s,e,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,k,s,e,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -e,f,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,o,v,l -p,k,s,n,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -e,x,f,g,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,s,g -e,k,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,o,v,l -p,f,s,e,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,k,s,n,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -e,f,y,n,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,y,p -e,x,f,g,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,n,g -e,k,s,w,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,n,g -e,b,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,b,c,l -p,k,y,e,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,k,y,e,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -e,k,y,n,f,n,f,c,b,w,e,b,y,y,n,n,p,w,t,p,w,y,p -e,x,f,g,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,s,g -p,k,s,n,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,k,y,e,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,k,y,n,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,f,y,n,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -e,f,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,b,v,l -p,f,y,e,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,k,s,n,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,k,s,n,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,y,c,l -e,x,f,g,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,n,g -p,k,s,n,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,k,y,n,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -e,x,s,g,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,y,n,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,k,s,e,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,k,y,e,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,o,c,l -e,b,s,g,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,s,g -p,x,y,e,f,m,a,c,b,w,e,c,k,y,c,c,p,w,n,n,w,c,d -p,k,s,n,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,k,y,e,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,k,y,e,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,k,s,n,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,k,y,e,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,k,s,e,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,x,s,e,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,k,s,e,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,k,s,n,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -e,b,f,g,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,s,g -p,k,y,n,f,m,a,c,b,y,e,c,k,y,c,c,p,w,n,n,w,c,d -e,f,s,n,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,v,p -p,k,s,n,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,f,y,y,f,n,f,w,n,y,e,c,y,y,y,y,p,y,o,e,w,c,l -p,k,s,n,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,f,y,e,f,m,a,c,b,y,e,c,k,y,c,c,p,w,n,n,w,c,d -e,x,f,g,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,n,g -p,k,y,n,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,k,s,n,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,f,y,n,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -e,f,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,y,c,l -p,k,y,n,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,f,y,n,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,k,s,n,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,f,y,e,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,k,s,n,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,x,y,e,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,k,y,n,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -e,x,s,w,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,s,g -e,x,s,g,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,s,g -e,x,f,w,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,s,g -p,k,s,n,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,k,s,e,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,k,y,e,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,k,s,e,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,k,s,n,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,k,y,n,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,k,y,e,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,k,s,n,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,k,s,e,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -e,f,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,o,c,l -p,f,s,n,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,k,s,n,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -e,x,s,g,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,n,g -e,x,f,w,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,n,g -p,k,y,n,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -e,x,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,o,c,l -p,k,y,n,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,k,y,n,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,k,y,n,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,k,y,e,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,k,s,n,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,b,c,l -e,f,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,n,c,l -e,b,s,w,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,s,g -p,k,s,n,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -e,x,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,n,c,l -p,k,y,n,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -e,b,f,g,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,s,g -e,b,s,g,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,n,g -p,x,s,n,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -e,x,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,b,c,l -e,x,s,w,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,n,g -e,x,s,n,f,n,f,c,b,w,e,b,y,y,n,n,p,w,t,p,w,y,p -e,k,s,g,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,s,g -e,x,s,w,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,n,g -p,f,y,c,f,m,f,c,b,y,e,c,k,y,c,c,p,w,n,n,w,c,d -e,x,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,y,c,l -p,k,s,e,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,k,y,e,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -e,x,s,w,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,n,g -e,k,f,w,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,s,g -e,b,f,g,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,s,g -e,k,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,b,v,l -p,k,y,n,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,f,y,e,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,k,s,e,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -e,k,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,n,v,l -e,f,s,p,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,v,p -p,k,y,n,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -e,b,s,w,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,s,g -p,k,s,e,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -e,k,s,w,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,s,g -p,k,y,n,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,k,s,n,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -e,f,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,b,c,l -p,k,s,n,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -p,k,y,e,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -e,x,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,y,v,l -e,x,f,w,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,n,g -e,x,f,g,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,n,g -e,x,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,b,v,l -p,k,s,n,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,k,y,e,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -e,x,s,w,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,y,e,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -e,x,f,g,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,s,n,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,f,y,n,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -p,k,s,e,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -e,k,s,n,f,n,f,c,b,w,e,b,y,y,n,n,p,w,t,p,w,y,p -p,k,s,e,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,k,s,n,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -e,b,s,g,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,y,n,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,k,s,n,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -e,k,f,g,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,n,g -p,k,y,n,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,k,s,e,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,k,y,n,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,k,s,e,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -e,k,f,w,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,n,g -p,k,y,e,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,k,y,e,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -e,b,f,w,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,s,g -e,x,s,g,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,n,g -e,b,s,g,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,s,g -p,k,y,e,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,k,s,n,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,k,y,e,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -e,b,s,w,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,s,g -p,f,s,e,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,k,s,n,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -e,k,s,w,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,s,g -p,k,y,e,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,k,s,e,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,k,s,n,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -e,x,s,n,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,v,p -p,k,s,n,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,k,y,e,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,b,y,y,f,n,f,w,n,w,e,c,y,y,y,y,p,y,o,e,w,c,l -p,k,y,e,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -e,x,s,n,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,y,p -p,k,s,e,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -e,k,f,g,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,s,g -p,k,s,e,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,k,s,e,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,k,s,n,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,k,y,n,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -e,x,f,g,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,n,g -e,b,s,w,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,n,g -p,k,y,e,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -e,b,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,n,c,l -p,k,y,e,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,k,s,e,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -e,b,s,g,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,s,g -p,k,s,e,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -e,b,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,o,v,l -p,f,s,n,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,k,s,e,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,k,s,n,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,k,y,n,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -e,b,f,g,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,n,g -e,k,s,w,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,s,n,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,f,y,n,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -e,x,s,w,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,s,g -e,x,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,b,c,l -p,k,s,n,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,k,y,n,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -e,k,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,b,v,l -e,b,f,w,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,s,g -e,x,s,w,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,n,g -p,f,y,e,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,k,y,e,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,x,y,e,f,m,f,c,b,y,e,c,k,y,c,c,p,w,n,n,w,c,d -e,f,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,y,c,l -p,k,s,n,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,x,s,n,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,k,y,e,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -e,b,s,w,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,s,g -e,b,s,g,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,s,g -e,k,f,g,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,n,g -e,k,f,g,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,n,g -e,x,f,w,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,n,g -p,k,y,e,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,f,y,e,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,k,y,e,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,f,s,n,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -e,b,s,w,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,s,g -e,k,s,w,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,s,g -e,b,f,w,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,n,g -e,f,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,b,c,l -p,k,y,e,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,k,s,n,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,k,s,n,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,f,y,n,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,x,s,e,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -e,f,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,o,v,l -e,k,f,w,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,s,g -p,k,s,n,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,x,s,n,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -e,b,f,g,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,s,g -p,k,y,n,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -e,b,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,y,c,l -e,f,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,n,v,l -p,k,y,e,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,k,s,e,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,k,y,n,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -p,k,y,e,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,k,y,n,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -e,x,s,g,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,s,g -p,k,y,n,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -e,f,y,c,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,v,p -e,b,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,n,v,l -p,k,s,e,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,k,s,n,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,k,y,n,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -e,b,f,g,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,s,g -p,k,y,n,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -e,b,f,w,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,s,g -p,k,s,e,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -e,x,s,w,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,s,g -p,k,y,e,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,k,y,e,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -e,x,s,w,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,n,g -p,k,y,e,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,k,y,n,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -e,k,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,o,v,l -e,k,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,n,v,l -p,k,s,e,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,k,s,e,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -e,k,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,n,c,l -p,k,s,n,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,k,s,e,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,k,y,e,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,k,y,e,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,k,y,e,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -e,k,f,w,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,n,g -e,b,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,n,v,l -p,k,s,e,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -e,f,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,b,v,l -e,f,y,n,f,n,f,c,b,w,e,b,y,y,n,n,p,w,t,p,w,y,p -p,k,y,e,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -e,f,s,g,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,y,p -e,x,s,p,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,v,p -p,c,y,y,f,n,f,w,n,w,e,c,y,y,y,y,p,y,o,e,w,c,l -p,k,s,e,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -p,k,y,e,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,k,y,e,f,m,a,c,b,y,e,c,k,y,c,c,p,w,n,n,w,c,d -e,b,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,o,v,l -p,k,s,n,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -e,x,s,w,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,s,g -p,x,s,e,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,x,y,c,f,m,f,c,b,w,e,c,k,y,c,c,p,w,n,n,w,c,d -p,f,s,n,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -e,k,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,b,c,l -e,b,y,n,f,n,f,c,b,w,e,b,y,y,n,n,p,w,t,p,w,y,d -p,f,s,n,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,k,s,n,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -e,b,s,g,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,s,g -e,x,y,n,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,v,p -p,f,s,n,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -e,k,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,y,c,l -e,b,f,w,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,n,g -e,x,f,w,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,n,g -p,k,s,n,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,x,y,n,f,m,a,c,b,y,e,c,k,y,c,c,p,w,n,n,w,c,d -p,k,y,e,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -e,x,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,b,c,l -p,k,s,e,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,x,s,e,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,k,s,n,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,k,y,e,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,k,y,n,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -p,k,s,e,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -e,b,f,g,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,n,g -e,k,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,y,v,l -p,k,y,n,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,k,y,y,f,n,f,w,n,w,e,c,y,y,y,y,p,y,o,e,w,c,l -e,k,s,w,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,n,g -e,x,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,y,c,l -p,k,s,n,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -e,k,f,g,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,s,g -e,k,f,w,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,n,g -e,f,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,b,c,l -e,x,s,w,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,n,g -e,b,s,g,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,n,g -e,x,f,w,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,n,g -e,k,f,w,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,n,g -p,k,s,n,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,k,y,e,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -e,k,f,g,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,s,g -e,x,s,w,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,s,n,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,k,y,n,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,k,y,n,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,k,s,e,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -p,k,s,e,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,n,v,l -p,k,s,e,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -e,x,s,g,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,n,g -e,x,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,y,v,l -e,b,s,w,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,n,g -p,k,s,e,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -e,x,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,n,v,l -p,k,s,n,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,k,s,e,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,k,y,e,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -e,b,f,w,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,y,n,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,k,s,e,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -e,b,s,g,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,s,g -p,k,s,n,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,x,s,n,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,k,y,e,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -e,x,s,w,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,n,g -e,x,s,w,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,s,g -p,k,y,n,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -e,k,s,n,f,n,f,c,b,w,e,b,y,y,n,n,p,w,t,p,w,y,d -p,k,s,e,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,k,y,e,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,o,v,l -e,b,f,g,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,n,g -p,k,s,e,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,k,s,n,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -p,f,y,n,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,f,y,n,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -e,f,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,y,c,l -p,k,y,n,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -e,k,s,w,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,s,g -e,b,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,b,c,l -p,k,y,n,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -p,k,s,n,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,k,s,e,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -e,k,s,w,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,n,g -p,k,y,e,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -e,x,s,w,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,y,e,f,s,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,k,y,e,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,k,y,n,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,f,y,c,f,m,a,c,b,w,e,c,k,y,c,c,p,w,n,n,w,c,d -p,x,s,n,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -e,k,f,g,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,s,g -p,k,s,e,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,x,y,n,f,m,f,c,b,w,e,c,k,y,c,c,p,w,n,n,w,c,d -p,f,y,e,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -e,k,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,b,c,l -p,k,s,n,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -e,b,f,g,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,n,g -e,b,f,w,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,n,g -e,x,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,y,v,l -p,k,y,n,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -e,f,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,o,c,l -e,x,s,w,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,n,g -p,k,s,e,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,k,s,e,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,p -e,x,s,g,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,n,g -e,b,s,g,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,n,g -p,k,y,n,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -p,k,y,e,f,m,f,c,b,w,e,c,k,y,c,c,p,w,n,n,w,c,d -p,k,y,e,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,k,y,n,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -e,x,f,w,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,s,g -p,k,y,e,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,b,v,l -p,k,y,n,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,k,s,n,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -e,b,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,y,v,l -e,f,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,n,v,l -e,k,s,g,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,n,g -e,f,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,y,c,l -p,k,y,e,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,b,v,l -e,k,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,n,c,l -p,k,y,e,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,d -e,f,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,n,c,l -p,k,s,e,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -e,b,f,g,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,n,g -p,k,y,n,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -e,f,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,b,v,l -p,k,s,n,f,s,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,l -e,x,s,g,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,s,g -e,x,s,g,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,s,g -e,k,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,b,v,l -e,x,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,b,c,l -p,k,y,e,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -e,x,f,g,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,n,g -p,k,s,n,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,k,y,e,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,k,y,n,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -p,k,s,e,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,k,y,n,f,s,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,k,y,e,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -e,x,s,w,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,n,g -p,k,s,n,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,k,s,e,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -p,k,s,e,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -e,x,f,g,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,n,g -e,x,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,o,c,l -e,b,s,w,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,n,g -p,k,s,n,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,k,y,n,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,k,s,n,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,x,y,e,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,k,y,e,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -e,x,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,b,v,l -e,x,s,g,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,s,g -p,k,s,e,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,k,y,e,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -e,k,s,w,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,n,g -e,b,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,b,v,l -e,k,s,w,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,n,g -p,k,s,e,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,k,y,n,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,k,s,e,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -p,k,s,n,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,x,s,n,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -e,k,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,n,c,l -p,k,s,n,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,k,s,n,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -p,k,y,e,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -e,x,f,w,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,s,g -p,f,s,e,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,k,s,n,f,y,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,k,s,e,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -e,f,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,b,v,l -e,x,y,n,f,n,f,c,b,w,e,b,y,y,n,n,p,w,t,p,w,y,d -p,k,y,n,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,k,s,e,f,s,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,l -e,b,s,w,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,s,g -p,k,y,n,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -p,k,s,n,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,p -e,x,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,n,c,l -e,x,s,g,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,s,g -e,x,s,g,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,n,g -p,f,y,n,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,f,y,n,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -e,f,y,g,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,v,p -p,k,s,e,f,y,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -e,x,f,w,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,s,g -p,k,y,n,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,k,s,n,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -p,x,s,e,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -e,x,f,g,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,s,g -e,f,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,n,v,l -p,x,y,e,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -e,b,f,w,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,s,e,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -e,x,f,g,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,s,g -p,f,y,n,f,m,a,c,b,y,e,c,k,y,c,c,p,w,n,n,w,c,d -e,x,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,o,v,l -e,b,s,g,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,n,g -e,b,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,o,v,l -p,k,s,e,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -e,f,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,o,v,l -e,x,f,g,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,n,g -p,k,s,n,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -e,x,f,w,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,n,g -e,f,y,p,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,v,p -p,k,y,e,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -e,k,f,g,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,n,g -e,k,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,y,c,l -p,k,s,n,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -p,k,s,n,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -p,k,s,e,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,k,y,n,f,s,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,d -e,k,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,o,c,l -p,k,y,n,f,s,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -e,k,f,w,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,s,g -p,k,y,e,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -e,f,s,n,f,n,f,c,b,w,e,b,y,y,n,n,p,w,t,p,w,y,p -p,k,s,e,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -e,x,f,g,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,s,g -p,k,y,e,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,d -p,k,y,e,f,y,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,k,s,n,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,o,c,l -e,k,s,w,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,n,g -e,b,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,o,c,l -e,f,y,g,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,y,p -p,k,y,e,f,m,a,c,b,w,e,c,k,y,c,c,p,w,n,n,w,c,d -p,x,y,e,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,k,y,n,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -e,k,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,y,v,l -e,k,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,o,c,l -e,x,y,c,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,v,p -p,k,s,e,f,s,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -p,k,y,n,f,y,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,l -p,k,s,e,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -p,k,y,n,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,k,y,e,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -e,f,s,c,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,v,p -e,x,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,n,c,l -e,b,f,w,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,n,g -e,k,f,g,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,s,g -e,f,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,o,c,l -e,k,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,o,c,l -e,k,f,w,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,n,g -p,k,y,e,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,l -e,b,f,w,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,s,g -p,k,y,n,f,y,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,k,y,e,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,k,y,n,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -e,x,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,y,v,l -e,x,y,n,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,y,p -e,b,s,w,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,n,g -p,f,y,n,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,d -p,k,s,n,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,k,s,e,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -e,x,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,y,c,l -e,x,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,n,v,l -e,b,s,w,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,s,g -p,x,y,e,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -e,b,f,w,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,s,g -e,b,f,w,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,n,g -e,b,f,w,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,n,g -e,k,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,o,v,l -p,k,y,e,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,p -e,k,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,o,v,l -p,k,s,e,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,d -p,k,y,c,f,m,a,c,b,y,e,c,k,y,c,c,p,w,n,n,w,c,d -p,k,s,n,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -e,x,s,g,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,n,g -e,f,s,n,f,n,f,c,b,w,e,b,y,y,n,n,p,w,t,p,w,y,d -e,k,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,y,c,l -e,b,y,n,f,n,f,c,b,w,e,b,y,y,n,n,p,w,t,p,w,y,p -p,x,s,n,f,f,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,b,c,l -p,f,s,n,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -p,k,y,n,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -e,k,s,g,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,n,g -p,k,y,n,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -e,k,f,g,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,s,g -e,x,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,o,c,l -p,k,s,e,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -e,f,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,y,v,l -p,k,s,n,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,k,y,n,f,s,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -e,k,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,n,v,l -e,b,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,n,c,l -e,x,y,n,f,n,f,c,b,w,e,b,y,y,n,n,p,w,t,p,w,y,p -e,x,s,w,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,s,g -e,f,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,o,v,l -p,f,s,n,f,f,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,x,y,e,f,s,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,d -p,k,y,e,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,k,s,e,f,f,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,k,s,e,f,f,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,p -e,b,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,n,v,l -e,x,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,y,v,l -e,f,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,y,v,l -p,k,s,n,f,s,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,b,v,l -e,k,s,g,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,s,g -e,k,f,w,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,s,g -p,k,s,e,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,p -e,b,f,w,f,n,f,w,b,g,e,?,k,k,w,w,p,w,t,p,w,n,g -e,x,s,w,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,s,g -e,b,f,w,f,n,f,w,b,p,e,?,s,k,w,w,p,w,t,p,w,s,g -p,k,y,n,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,d -p,f,s,n,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -p,f,y,e,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,k,s,e,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,p -p,k,y,n,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -e,x,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,y,c,l -e,f,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,n,v,l -p,k,y,n,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,l -p,k,s,n,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -e,x,f,g,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,n,g -e,k,s,w,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,s,g -p,k,y,e,f,f,f,c,n,b,t,?,s,k,p,p,p,w,o,e,w,v,p -p,x,s,n,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,d -p,k,y,n,f,f,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,l -e,k,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,b,c,l -e,b,f,w,f,n,f,w,b,p,e,?,k,s,w,w,p,w,t,p,w,n,g -e,k,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,b,v,l -p,k,y,e,f,y,f,c,n,b,t,?,k,k,p,w,p,w,o,e,w,v,d -e,x,y,g,t,n,f,c,b,w,e,b,s,s,w,w,p,w,t,p,w,y,p -p,k,s,e,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -e,b,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,y,v,l -p,k,y,e,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,p -e,x,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,b,c,l -e,f,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,b,v,l -e,f,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,y,c,l -p,k,y,e,f,y,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -e,b,f,g,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,n,g -p,k,s,e,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,k,s,n,f,y,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -p,k,y,n,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,l -p,k,s,n,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,d -e,x,f,w,f,n,f,w,b,w,e,?,s,k,w,w,p,w,t,p,w,s,g -e,f,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,o,v,l -p,k,y,n,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -e,x,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,n,v,l -e,b,f,g,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,n,g -e,b,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,y,v,l -e,x,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,o,v,l -p,k,s,e,f,s,f,c,n,b,t,?,s,k,w,p,p,w,o,e,w,v,l -p,k,s,n,f,f,f,c,n,b,t,?,s,s,w,p,p,w,o,e,w,v,p -p,k,s,n,f,s,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,k,s,n,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,k,y,n,f,y,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -e,k,f,w,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,s,g -p,k,y,e,f,f,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,l -e,k,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,b,v,l -p,k,s,e,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -e,b,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,b,c,l -e,f,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,b,c,l -e,k,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,n,c,l -p,k,y,e,f,s,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,l -e,k,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,y,v,l -p,k,y,e,f,f,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,p -e,k,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,y,v,l -e,b,f,g,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,n,g -e,f,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,o,c,l -e,b,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,y,c,l -e,f,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,o,v,l -e,b,f,g,f,n,f,w,b,g,e,?,s,s,w,w,p,w,t,p,w,s,g -p,k,y,e,f,f,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -p,k,s,n,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,d -p,k,y,n,f,f,f,c,n,b,t,?,k,s,w,w,p,w,o,e,w,v,p -p,k,s,e,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,p -p,k,y,n,f,y,f,c,n,b,t,?,s,s,w,w,p,w,o,e,w,v,l -e,b,f,g,f,n,f,w,b,p,e,?,k,k,w,w,p,w,t,p,w,s,g -e,k,f,w,f,n,f,w,b,g,e,?,s,k,w,w,p,w,t,p,w,s,g -e,k,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,n,o,p,o,v,l -p,x,s,e,f,f,f,c,n,b,t,?,k,s,w,p,p,w,o,e,w,v,p -e,k,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,n,v,l -p,k,y,e,f,f,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -p,k,s,n,f,f,f,c,n,b,t,?,k,s,p,p,p,w,o,e,w,v,d -p,k,y,e,f,f,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,p -p,k,y,e,f,y,f,c,n,b,t,?,s,s,p,p,p,w,o,e,w,v,p -p,x,s,n,f,y,f,c,n,b,t,?,k,k,w,w,p,w,o,e,w,v,d -e,b,s,g,f,n,f,w,b,g,e,?,k,s,w,w,p,w,t,p,w,n,g -p,x,y,c,f,m,f,c,b,y,e,c,k,y,c,c,p,w,n,n,w,c,d -e,k,f,w,f,n,f,w,b,w,e,?,k,s,w,w,p,w,t,p,w,n,g -p,k,y,n,f,s,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,l -p,k,s,e,f,y,f,c,n,b,t,?,k,k,w,p,p,w,o,e,w,v,d -e,k,f,w,f,n,f,w,b,w,e,?,k,k,w,w,p,w,t,p,w,s,g -e,f,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,b,v,l -p,k,s,e,f,s,f,c,n,b,t,?,s,s,p,w,p,w,o,e,w,v,p -e,x,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,n,c,l -e,k,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,o,c,l -e,k,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,n,v,l -e,k,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,y,v,l -e,k,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,n,v,l -e,x,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,n,c,l -p,k,y,e,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,l -e,b,s,w,f,n,f,w,b,w,e,?,s,s,w,w,p,w,t,p,w,n,g -e,x,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,o,o,p,n,v,l -e,k,s,w,f,n,f,w,b,p,e,?,s,s,w,w,p,w,t,p,w,n,g -e,k,s,n,f,n,a,c,b,o,e,?,s,s,o,o,p,n,o,p,b,v,l -p,k,y,e,f,y,f,c,n,b,t,?,k,k,p,p,p,w,o,e,w,v,d -p,f,y,c,f,m,a,c,b,y,e,c,k,y,c,c,p,w,n,n,w,c,d -e,x,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,o,v,l -p,k,y,n,f,s,f,c,n,b,t,?,s,k,p,w,p,w,o,e,w,v,l -p,k,s,e,f,y,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -p,k,y,n,f,f,f,c,n,b,t,?,k,s,p,w,p,w,o,e,w,v,d -e,k,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,b,c,l -e,x,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,n,o,p,b,v,l -e,f,s,n,f,n,a,c,b,n,e,?,s,s,o,o,p,o,o,p,b,c,l -p,k,y,n,f,y,f,c,n,b,t,?,s,k,w,w,p,w,o,e,w,v,l -e,x,s,n,f,n,a,c,b,y,e,?,s,s,o,o,p,o,o,p,o,c,l diff --git a/samples/cpp/bagofwords_classification.cpp b/samples/cpp/bagofwords_classification.cpp index ef4f3c73c6..1c50a0ec88 100644 --- a/samples/cpp/bagofwords_classification.cpp +++ b/samples/cpp/bagofwords_classification.cpp @@ -23,6 +23,7 @@ #define DEBUG_DESC_PROGRESS using namespace cv; +using namespace cv::ml; using namespace std; const string paramsFile = "params.xml"; @@ -677,7 +678,7 @@ void VocData::writeClassifierResultsFile( const string& out_dir, const string& o result_file.close(); } else { string err_msg = "could not open classifier results file '" + output_file + "' for writing. Before running for the first time, a 'results' subdirectory should be created within the VOC dataset base directory. e.g. if the VOC data is stored in /VOC/VOC2010 then the path /VOC/results must be created."; - CV_Error(CV_StsError,err_msg.c_str()); + CV_Error(Error::StsError,err_msg.c_str()); } } @@ -701,9 +702,9 @@ void VocData::writeClassifierResultsFile( const string& out_dir, const string& o string VocData::getResultsFilename(const string& obj_class, const VocTask task, const ObdDatasetType dataset, const int competition, const int number) { if ((competition < 1) && (competition != -1)) - CV_Error(CV_StsBadArg,"competition argument should be a positive non-zero number or -1 to accept the default"); + CV_Error(Error::StsBadArg,"competition argument should be a positive non-zero number or -1 to accept the default"); if ((number < 1) && (number != -1)) - CV_Error(CV_StsBadArg,"number argument should be a positive non-zero number or -1 to accept the default"); + CV_Error(Error::StsBadArg,"number argument should be a positive non-zero number or -1 to accept the default"); string dset, task_type; @@ -815,7 +816,7 @@ void VocData::calcClassifierPrecRecall(const string& input_file, vector& scoregt_file.close(); } else { string err_msg = "could not open scoregt file '" + scoregt_file_str + "' for writing."; - CV_Error(CV_StsError,err_msg.c_str()); + CV_Error(Error::StsError,err_msg.c_str()); } } @@ -974,7 +975,7 @@ void VocData::calcClassifierConfMatRow(const string& obj_class, const vector& if (!gtfile.is_open()) { string err_msg = "could not open VOC ground truth textfile '" + filename + "'."; - CV_Error(CV_StsError,err_msg.c_str()); + CV_Error(Error::StsError,err_msg.c_str()); } string line; @@ -1462,7 +1463,7 @@ void VocData::readClassifierGroundTruth(const string& filename, vector& image_codes.push_back(image); object_present.push_back(obj_present == 1); } else { - if (!gtfile.eof()) CV_Error(CV_StsParseError,"error parsing VOC ground truth textfile."); + if (!gtfile.eof()) CV_Error(Error::StsParseError,"error parsing VOC ground truth textfile."); } } gtfile.close(); @@ -1488,13 +1489,13 @@ void VocData::readClassifierResultsFile(const string& input_file, vector image_codes.push_back(image); scores.push_back(score); } else { - if(!result_file.eof()) CV_Error(CV_StsParseError,"error parsing VOC classifier results file."); + if(!result_file.eof()) CV_Error(Error::StsParseError,"error parsing VOC classifier results file."); } } result_file.close(); } else { string err_msg = "could not open classifier results file '" + input_file + "' for reading."; - CV_Error(CV_StsError,err_msg.c_str()); + CV_Error(Error::StsError,err_msg.c_str()); } } @@ -1545,13 +1546,13 @@ void VocData::readDetectorResultsFile(const string& input_file, vector& bounding_boxes[image_idx].push_back(bounding_box); } } else { - if(!result_file.eof()) CV_Error(CV_StsParseError,"error parsing VOC detector results file."); + if(!result_file.eof()) CV_Error(Error::StsParseError,"error parsing VOC detector results file."); } } result_file.close(); } else { string err_msg = "could not open detector results file '" + input_file + "' for reading."; - CV_Error(CV_StsError,err_msg.c_str()); + CV_Error(Error::StsError,err_msg.c_str()); } } @@ -1595,23 +1596,23 @@ void VocData::extractVocObjects(const string filename, vector& object //object class ------------- - if (extractXMLBlock(object_contents, "name", 0, tag_contents) == -1) CV_Error(CV_StsError,"missing tag in object definition of '" + filename + "'"); + if (extractXMLBlock(object_contents, "name", 0, tag_contents) == -1) CV_Error(Error::StsError,"missing tag in object definition of '" + filename + "'"); object.object_class.swap(tag_contents); //object bounding box ------------- int xmax, xmin, ymax, ymin; - if (extractXMLBlock(object_contents, "xmax", 0, tag_contents) == -1) CV_Error(CV_StsError,"missing tag in object definition of '" + filename + "'"); + if (extractXMLBlock(object_contents, "xmax", 0, tag_contents) == -1) CV_Error(Error::StsError,"missing tag in object definition of '" + filename + "'"); xmax = stringToInteger(tag_contents); - if (extractXMLBlock(object_contents, "xmin", 0, tag_contents) == -1) CV_Error(CV_StsError,"missing tag in object definition of '" + filename + "'"); + if (extractXMLBlock(object_contents, "xmin", 0, tag_contents) == -1) CV_Error(Error::StsError,"missing tag in object definition of '" + filename + "'"); xmin = stringToInteger(tag_contents); - if (extractXMLBlock(object_contents, "ymax", 0, tag_contents) == -1) CV_Error(CV_StsError,"missing tag in object definition of '" + filename + "'"); + if (extractXMLBlock(object_contents, "ymax", 0, tag_contents) == -1) CV_Error(Error::StsError,"missing tag in object definition of '" + filename + "'"); ymax = stringToInteger(tag_contents); - if (extractXMLBlock(object_contents, "ymin", 0, tag_contents) == -1) CV_Error(CV_StsError,"missing tag in object definition of '" + filename + "'"); + if (extractXMLBlock(object_contents, "ymin", 0, tag_contents) == -1) CV_Error(Error::StsError,"missing tag in object definition of '" + filename + "'"); ymin = stringToInteger(tag_contents); object.boundingBox.x = xmin-1; //convert to 0-based indexing @@ -1714,11 +1715,11 @@ void VocData::extractDataFromResultsFilename(const string& input_file, string& c size_t fnameend = input_file_std.rfind(".txt"); if ((fnamestart == input_file_std.npos) || (fnameend == input_file_std.npos)) - CV_Error(CV_StsError,"Could not extract filename of results file."); + CV_Error(Error::StsError,"Could not extract filename of results file."); ++fnamestart; if (fnamestart >= fnameend) - CV_Error(CV_StsError,"Could not extract filename of results file."); + CV_Error(Error::StsError,"Could not extract filename of results file."); //extract dataset and class names, triggering exception if the filename format is not correct string filename = input_file_std.substr(fnamestart, fnameend-fnamestart); @@ -1729,11 +1730,11 @@ void VocData::extractDataFromResultsFilename(const string& input_file, string& c size_t classend = filename.find("_",classstart+1); if (classend == filename.npos) classend = filename.size(); if ((datasetstart == filename.npos) || (classstart == filename.npos)) - CV_Error(CV_StsError,"Error parsing results filename. Is it in standard format of 'comp_{cls/det}__.txt'?"); + CV_Error(Error::StsError,"Error parsing results filename. Is it in standard format of 'comp_{cls/det}__.txt'?"); ++datasetstart; ++classstart; if (((datasetstart-classstart) < 1) || ((classend-datasetstart) < 1)) - CV_Error(CV_StsError,"Error parsing results filename. Is it in standard format of 'comp_{cls/det}__.txt'?"); + CV_Error(Error::StsError,"Error parsing results filename. Is it in standard format of 'comp_{cls/det}__.txt'?"); dataset_name = filename.substr(datasetstart,classstart-datasetstart-1); class_name = filename.substr(classstart,classend-classstart); @@ -1781,7 +1782,7 @@ bool VocData::getClassifierGroundTruthImage(const string& obj_class, const strin return m_classifier_gt_all_present[std::distance(m_classifier_gt_all_ids.begin(),it)] != 0; } else { string err_msg = "could not find classifier ground truth for image '" + id + "' and class '" + obj_class + "'"; - CV_Error(CV_StsError,err_msg.c_str()); + CV_Error(Error::StsError,err_msg.c_str()); } return true; @@ -1814,7 +1815,7 @@ void VocData::getSortOrder(const vector& values, vector& order, b void VocData::readFileToString(const string filename, string& file_contents) { std::ifstream ifs(filename.c_str()); - if (!ifs.is_open()) CV_Error(CV_StsError,"could not open text file"); + if (!ifs.is_open()) CV_Error(Error::StsError,"could not open text file"); stringstream oss; oss << ifs.rdbuf(); @@ -1829,7 +1830,7 @@ int VocData::stringToInteger(const string input_str) stringstream ss(input_str); if ((ss >> result).fail()) { - CV_Error(CV_StsBadArg,"could not perform string to integer conversion"); + CV_Error(Error::StsBadArg,"could not perform string to integer conversion"); } return result; } @@ -1841,7 +1842,7 @@ string VocData::integerToString(const int input_int) stringstream ss; if ((ss << input_int).fail()) { - CV_Error(CV_StsBadArg,"could not perform integer to string conversion"); + CV_Error(Error::StsBadArg,"could not perform integer to string conversion"); } result = ss.str(); return result; @@ -2325,14 +2326,14 @@ static void removeBowImageDescriptorsByCount( vector& images, vector(1) = static_cast(pos_ex)/static_cast(pos_ex+neg_ex); } class_wts_cv = class_wts; - svmParams.class_weights = &class_wts_cv; + svmParams.classWeights = class_wts_cv; } } -static void setSVMTrainAutoParams( CvParamGrid& c_grid, CvParamGrid& gamma_grid, - CvParamGrid& p_grid, CvParamGrid& nu_grid, - CvParamGrid& coef_grid, CvParamGrid& degree_grid ) +static void setSVMTrainAutoParams( ParamGrid& c_grid, ParamGrid& gamma_grid, + ParamGrid& p_grid, ParamGrid& nu_grid, + ParamGrid& coef_grid, ParamGrid& degree_grid ) { - c_grid = CvSVM::get_default_grid(CvSVM::C); + c_grid = SVM::getDefaultGrid(SVM::C); - gamma_grid = CvSVM::get_default_grid(CvSVM::GAMMA); + gamma_grid = SVM::getDefaultGrid(SVM::GAMMA); - p_grid = CvSVM::get_default_grid(CvSVM::P); - p_grid.step = 0; + p_grid = SVM::getDefaultGrid(SVM::P); + p_grid.logStep = 0; - nu_grid = CvSVM::get_default_grid(CvSVM::NU); - nu_grid.step = 0; + nu_grid = SVM::getDefaultGrid(SVM::NU); + nu_grid.logStep = 0; - coef_grid = CvSVM::get_default_grid(CvSVM::COEF); - coef_grid.step = 0; + coef_grid = SVM::getDefaultGrid(SVM::COEF); + coef_grid.logStep = 0; - degree_grid = CvSVM::get_default_grid(CvSVM::DEGREE); - degree_grid.step = 0; + degree_grid = SVM::getDefaultGrid(SVM::DEGREE); + degree_grid.logStep = 0; } -static void trainSVMClassifier( CvSVM& svm, const SVMTrainParamsExt& svmParamsExt, const string& objClassName, VocData& vocData, +static Ptr trainSVMClassifier( const SVMTrainParamsExt& svmParamsExt, const string& objClassName, VocData& vocData, Ptr& bowExtractor, const Ptr& fdetector, const string& resPath ) { /* first check if a previously trained svm for the current class has been saved to file */ string svmFilename = resPath + svmsDir + "/" + objClassName + ".xml.gz"; + Ptr svm; FileStorage fs( svmFilename, FileStorage::READ); if( fs.isOpened() ) { cout << "*** LOADING SVM CLASSIFIER FOR CLASS " << objClassName << " ***" << endl; - svm.load( svmFilename.c_str() ); + svm = StatModel::load( svmFilename ); } else { @@ -2437,20 +2439,24 @@ static void trainSVMClassifier( CvSVM& svm, const SVMTrainParamsExt& svmParamsEx } cout << "TRAINING SVM FOR CLASS ..." << objClassName << "..." << endl; - CvSVMParams svmParams; - CvMat class_wts_cv; + SVM::Params svmParams; + Mat class_wts_cv; setSVMParams( svmParams, class_wts_cv, responses, svmParamsExt.balanceClasses ); - CvParamGrid c_grid, gamma_grid, p_grid, nu_grid, coef_grid, degree_grid; + svm = SVM::create(svmParams); + ParamGrid c_grid, gamma_grid, p_grid, nu_grid, coef_grid, degree_grid; setSVMTrainAutoParams( c_grid, gamma_grid, p_grid, nu_grid, coef_grid, degree_grid ); - svm.train_auto( trainData, responses, Mat(), Mat(), svmParams, 10, c_grid, gamma_grid, p_grid, nu_grid, coef_grid, degree_grid ); + + svm->trainAuto(TrainData::create(trainData, ROW_SAMPLE, responses), 10, + c_grid, gamma_grid, p_grid, nu_grid, coef_grid, degree_grid); cout << "SVM TRAINING FOR CLASS " << objClassName << " COMPLETED" << endl; - svm.save( svmFilename.c_str() ); + svm->save( svmFilename ); cout << "SAVED CLASSIFIER TO FILE" << endl; } + return svm; } -static void computeConfidences( CvSVM& svm, const string& objClassName, VocData& vocData, +static void computeConfidences( const Ptr& svm, const string& objClassName, VocData& vocData, Ptr& bowExtractor, const Ptr& fdetector, const string& resPath ) { @@ -2476,12 +2482,12 @@ static void computeConfidences( CvSVM& svm, const string& objClassName, VocData& if( imageIdx == 0 ) { // In the first iteration, determine the sign of the positive class - float classVal = confidences[imageIdx] = svm.predict( bowImageDescriptors[imageIdx], false ); - float scoreVal = confidences[imageIdx] = svm.predict( bowImageDescriptors[imageIdx], true ); + float classVal = confidences[imageIdx] = svm->predict( bowImageDescriptors[imageIdx], noArray(), 0 ); + float scoreVal = confidences[imageIdx] = svm->predict( bowImageDescriptors[imageIdx], noArray(), StatModel::RAW_OUTPUT ); signMul = (classVal < 0) == (scoreVal < 0) ? 1.f : -1.f; } // svm output of decision function - confidences[imageIdx] = signMul * svm.predict( bowImageDescriptors[imageIdx], true ); + confidences[imageIdx] = signMul * svm->predict( bowImageDescriptors[imageIdx], noArray(), StatModel::RAW_OUTPUT ); } cout << "WRITING QUERY RESULTS TO VOC RESULTS FILE FOR CLASS " << objClassName << "..." << endl; @@ -2591,9 +2597,8 @@ int main(int argc, char** argv) for( size_t classIdx = 0; classIdx < objClasses.size(); ++classIdx ) { // Train a classifier on train dataset - CvSVM svm; - trainSVMClassifier( svm, svmTrainParamsExt, objClasses[classIdx], vocData, - bowExtractor, featureDetector, resPath ); + Ptr svm = trainSVMClassifier( svmTrainParamsExt, objClasses[classIdx], vocData, + bowExtractor, featureDetector, resPath ); // Now use the classifier over all images on the test dataset and rank according to score order // also calculating precision-recall etc. diff --git a/samples/cpp/bgfg_gmg.cpp b/samples/cpp/bgfg_gmg.cpp deleted file mode 100644 index a70bec9ee0..0000000000 --- a/samples/cpp/bgfg_gmg.cpp +++ /dev/null @@ -1,81 +0,0 @@ -/* - * FGBGTest.cpp - * - * Created on: May 7, 2012 - * Author: Andrew B. Godbehere - */ - -#include "opencv2/video.hpp" -#include "opencv2/videoio.hpp" -#include "opencv2/highgui.hpp" -#include -#include - -using namespace cv; - -static void help() -{ - std::cout << - "\nA program demonstrating the use and capabilities of a particular BackgroundSubtraction\n" - "algorithm described in A. Godbehere, A. Matsukawa, K. Goldberg, \n" - "\"Visual Tracking of Human Visitors under Variable-Lighting Conditions for a Responsive\n" - "Audio Art Installation\", American Control Conference, 2012, used in an interactive\n" - "installation at the Contemporary Jewish Museum in San Francisco, CA from March 31 through\n" - "July 31, 2011.\n" - "Call:\n" - "./BackgroundSubtractorGMG_sample\n" - "Using OpenCV version " << CV_VERSION << "\n"< fgbg = createBackgroundSubtractorGMG(20, 0.7); - if (!fgbg) - { - std::cerr << "Failed to create BackgroundSubtractor.GMG Algorithm." << std::endl; - return -1; - } - - VideoCapture cap; - if (argc > 1) - cap.open(argv[1]); - else - cap.open(0); - - if (!cap.isOpened()) - { - std::cerr << "Cannot read video. Try moving video file to sample directory." << std::endl; - return -1; - } - - Mat frame, fgmask, segm; - - namedWindow("FG Segmentation", WINDOW_NORMAL); - - for (;;) - { - cap >> frame; - - if (frame.empty()) - break; - - fgbg->apply(frame, fgmask); - - frame.convertTo(segm, CV_8U, 0.5); - add(frame, Scalar(100, 100, 0), segm, fgmask); - - imshow("FG Segmentation", segm); - - int c = waitKey(30); - if (c == 'q' || c == 'Q' || (c & 255) == 27) - break; - } - - return 0; -} diff --git a/samples/cpp/bgfg_segm.cpp b/samples/cpp/bgfg_segm.cpp index 31c7da05f7..94aa4d8387 100644 --- a/samples/cpp/bgfg_segm.cpp +++ b/samples/cpp/bgfg_segm.cpp @@ -21,6 +21,8 @@ static void help() const char* keys = { "{c camera | | use camera or not}" + "{m method |mog2 | method (knn or mog2) }" + "{s smooth | | smooth the mask }" "{fn file_name|tree.avi | movie file }" }; @@ -31,7 +33,9 @@ int main(int argc, const char** argv) CommandLineParser parser(argc, argv, keys); bool useCamera = parser.has("camera"); + bool smoothMask = parser.has("smooth"); string file = parser.get("file_name"); + string method = parser.get("method"); VideoCapture cap; bool update_bg_model = true; @@ -53,24 +57,31 @@ int main(int argc, const char** argv) namedWindow("foreground image", WINDOW_NORMAL); namedWindow("mean background image", WINDOW_NORMAL); - Ptr bg_model = createBackgroundSubtractorMOG2(); + Ptr bg_model = method == "knn" ? + createBackgroundSubtractorKNN().dynamicCast() : + createBackgroundSubtractorMOG2().dynamicCast(); - Mat img, fgmask, fgimg; + Mat img0, img, fgmask, fgimg; for(;;) { - cap >> img; + cap >> img0; - if( img.empty() ) + if( img0.empty() ) break; - //cvtColor(_img, img, COLOR_BGR2GRAY); + resize(img0, img, Size(640, 640*img0.rows/img0.cols), INTER_LINEAR); if( fgimg.empty() ) fgimg.create(img.size(), img.type()); //update the model bg_model->apply(img, fgmask, update_bg_model ? -1 : 0); + if( smoothMask ) + { + GaussianBlur(fgmask, fgmask, Size(11, 11), 3.5, 3.5); + threshold(fgmask, fgmask, 10, 255, THRESH_BINARY); + } fgimg = Scalar::all(0); img.copyTo(fgimg, fgmask); diff --git a/samples/cpp/em.cpp b/samples/cpp/em.cpp index a078588c29..be792a904d 100644 --- a/samples/cpp/em.cpp +++ b/samples/cpp/em.cpp @@ -2,6 +2,7 @@ #include "opencv2/ml.hpp" using namespace cv; +using namespace cv::ml; int main( int /*argc*/, char** /*argv*/ ) { @@ -34,8 +35,9 @@ int main( int /*argc*/, char** /*argv*/ ) samples = samples.reshape(1, 0); // cluster the data - EM em_model(N, EM::COV_MAT_SPHERICAL, TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 300, 0.1)); - em_model.train( samples, noArray(), labels, noArray() ); + Ptr em_model = EM::train( samples, noArray(), labels, noArray(), + EM::Params(N, EM::COV_MAT_SPHERICAL, + TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 300, 0.1))); // classify every image pixel for( i = 0; i < img.rows; i++ ) @@ -44,7 +46,7 @@ int main( int /*argc*/, char** /*argv*/ ) { sample.at(0) = (float)j; sample.at(1) = (float)i; - int response = cvRound(em_model.predict( sample )[1]); + int response = cvRound(em_model->predict2( sample, noArray() )[1]); Scalar c = colors[response]; circle( img, Point(j, i), 1, c*0.75, FILLED ); diff --git a/samples/cpp/fback.cpp b/samples/cpp/fback.cpp index 476cfe6548..af0f2ca09b 100644 --- a/samples/cpp/fback.cpp +++ b/samples/cpp/fback.cpp @@ -37,7 +37,8 @@ int main(int, char**) if( !cap.isOpened() ) return -1; - Mat prevgray, gray, flow, cflow, frame; + Mat flow, cflow, frame; + UMat gray, prevgray, uflow; namedWindow("flow", 1); for(;;) @@ -45,10 +46,11 @@ int main(int, char**) cap >> frame; cvtColor(frame, gray, COLOR_BGR2GRAY); - if( prevgray.data ) + if( !prevgray.empty() ) { - calcOpticalFlowFarneback(prevgray, gray, flow, 0.5, 3, 15, 3, 5, 1.2, 0); + calcOpticalFlowFarneback(prevgray, gray, uflow, 0.5, 3, 15, 3, 5, 1.2, 0); cvtColor(prevgray, cflow, COLOR_GRAY2BGR); + uflow.copyTo(flow); drawOptFlowMap(flow, cflow, 16, 1.5, Scalar(0, 255, 0)); imshow("flow", cflow); } diff --git a/samples/cpp/letter_recog.cpp b/samples/cpp/letter_recog.cpp index ddbe676291..b6a35e338f 100644 --- a/samples/cpp/letter_recog.cpp +++ b/samples/cpp/letter_recog.cpp @@ -1,11 +1,13 @@ -#include "opencv2/core/core_c.h" +#include "opencv2/core/core.hpp" #include "opencv2/ml/ml.hpp" #include #include -/* +#include -*/ +using namespace std; +using namespace cv; +using namespace cv::ml; static void help() { @@ -33,142 +35,101 @@ static void help() } // This function reads data and responses from the file -static int -read_num_class_data( const char* filename, int var_count, - CvMat** data, CvMat** responses ) +static bool +read_num_class_data( const string& filename, int var_count, + Mat* _data, Mat* _responses ) { const int M = 1024; - FILE* f = fopen( filename, "rt" ); - CvMemStorage* storage; - CvSeq* seq; char buf[M+2]; - float* el_ptr; - CvSeqReader reader; - int i, j; + Mat el_ptr(1, var_count, CV_32F); + int i; + vector responses; + + _data->release(); + _responses->release(); + + FILE* f = fopen( filename.c_str(), "rt" ); if( !f ) - return 0; - - el_ptr = new float[var_count+1]; - storage = cvCreateMemStorage(); - seq = cvCreateSeq( 0, sizeof(*seq), (var_count+1)*sizeof(float), storage ); + { + cout << "Could not read the database " << filename << endl; + return false; + } for(;;) { char* ptr; if( !fgets( buf, M, f ) || !strchr( buf, ',' ) ) break; - el_ptr[0] = buf[0]; + responses.push_back((int)buf[0]); ptr = buf+2; - for( i = 1; i <= var_count; i++ ) + for( i = 0; i < var_count; i++ ) { int n = 0; - sscanf( ptr, "%f%n", el_ptr + i, &n ); + sscanf( ptr, "%f%n", &el_ptr.at(i), &n ); ptr += n + 1; } - if( i <= var_count ) + if( i < var_count ) break; - cvSeqPush( seq, el_ptr ); + _data->push_back(el_ptr); } fclose(f); + Mat(responses).copyTo(*_responses); - *data = cvCreateMat( seq->total, var_count, CV_32F ); - *responses = cvCreateMat( seq->total, 1, CV_32F ); + cout << "The database " << filename << " is loaded.\n"; - cvStartReadSeq( seq, &reader ); - - for( i = 0; i < seq->total; i++ ) - { - const float* sdata = (float*)reader.ptr + 1; - float* ddata = data[0]->data.fl + var_count*i; - float* dr = responses[0]->data.fl + i; - - for( j = 0; j < var_count; j++ ) - ddata[j] = sdata[j]; - *dr = sdata[-1]; - CV_NEXT_SEQ_ELEM( seq->elem_size, reader ); - } - - cvReleaseMemStorage( &storage ); - delete[] el_ptr; - return 1; + return true; } -static -int build_rtrees_classifier( char* data_filename, - char* filename_to_save, char* filename_to_load ) +template +static Ptr load_classifier(const string& filename_to_load) { - CvMat* data = 0; - CvMat* responses = 0; - CvMat* var_type = 0; - CvMat* sample_idx = 0; - - int ok = read_num_class_data( data_filename, 16, &data, &responses ); - int nsamples_all = 0, ntrain_samples = 0; - int i = 0; - double train_hr = 0, test_hr = 0; - CvRTrees forest; - CvMat* var_importance = 0; - - if( !ok ) - { - printf( "Could not read the database %s\n", data_filename ); - return -1; - } - - printf( "The database %s is loaded.\n", data_filename ); - nsamples_all = data->rows; - ntrain_samples = (int)(nsamples_all*0.8); - - // Create or load Random Trees classifier - if( filename_to_load ) - { - // load classifier from the specified file - forest.load( filename_to_load ); - ntrain_samples = 0; - if( forest.get_tree_count() == 0 ) - { - printf( "Could not read the classifier %s\n", filename_to_load ); - return -1; - } - printf( "The classifier %s is loaded.\n", filename_to_load ); - } + // load classifier from the specified file + Ptr model = StatModel::load( filename_to_load ); + if( model.empty() ) + cout << "Could not read the classifier " << filename_to_load << endl; else - { - // create classifier by using and - printf( "Training the classifier ...\n"); + cout << "The classifier " << filename_to_load << " is loaded.\n"; - // 1. create type mask - var_type = cvCreateMat( data->cols + 1, 1, CV_8U ); - cvSet( var_type, cvScalarAll(CV_VAR_ORDERED) ); - cvSetReal1D( var_type, data->cols, CV_VAR_CATEGORICAL ); + return model; +} - // 2. create sample_idx - sample_idx = cvCreateMat( 1, nsamples_all, CV_8UC1 ); - { - CvMat mat; - cvGetCols( sample_idx, &mat, 0, ntrain_samples ); - cvSet( &mat, cvRealScalar(1) ); +static Ptr +prepare_train_data(const Mat& data, const Mat& responses, int ntrain_samples) +{ + Mat sample_idx = Mat::zeros( 1, data.rows, CV_8U ); + Mat train_samples = sample_idx.colRange(0, ntrain_samples); + train_samples.setTo(Scalar::all(1)); - cvGetCols( sample_idx, &mat, ntrain_samples, nsamples_all ); - cvSetZero( &mat ); - } + int nvars = data.cols; + Mat var_type( nvars + 1, 1, CV_8U ); + var_type.setTo(Scalar::all(VAR_ORDERED)); + var_type.at(nvars) = VAR_CATEGORICAL; - // 3. train classifier - forest.train( data, CV_ROW_SAMPLE, responses, 0, sample_idx, var_type, 0, - CvRTParams(10,10,0,false,15,0,true,4,100,0.01f,CV_TERMCRIT_ITER)); - printf( "\n"); - } + return TrainData::create(data, ROW_SAMPLE, responses, + noArray(), sample_idx, noArray(), var_type); +} + +inline TermCriteria TC(int iters, double eps) +{ + return TermCriteria(TermCriteria::MAX_ITER + (eps > 0 ? TermCriteria::EPS : 0), iters, eps); +} + +static void test_and_save_classifier(const Ptr& model, + const Mat& data, const Mat& responses, + int ntrain_samples, int rdelta, + const string& filename_to_save) +{ + int i, nsamples_all = data.rows; + double train_hr = 0, test_hr = 0; // compute prediction error on train and test data for( i = 0; i < nsamples_all; i++ ) { - double r; - CvMat sample; - cvGetRow( data, &sample, i ); + Mat sample = data.row(i); - r = forest.predict( &sample ); - r = fabs((double)r - responses->data.fl[i]) <= FLT_EPSILON ? 1 : 0; + float r = model->predict( sample ); + r = std::abs(r + rdelta - responses.at(i)) <= FLT_EPSILON ? 1.f : 0.f; if( i < ntrain_samples ) train_hr += r; @@ -176,93 +137,98 @@ int build_rtrees_classifier( char* data_filename, test_hr += r; } - test_hr /= (double)(nsamples_all-ntrain_samples); - train_hr /= (double)ntrain_samples; + test_hr /= nsamples_all - ntrain_samples; + train_hr = ntrain_samples > 0 ? train_hr/ntrain_samples : 1.; + printf( "Recognition rate: train = %.1f%%, test = %.1f%%\n", train_hr*100., test_hr*100. ); - printf( "Number of trees: %d\n", forest.get_tree_count() ); - - // Print variable importance - var_importance = (CvMat*)forest.get_var_importance(); - if( var_importance ) + if( !filename_to_save.empty() ) { - double rt_imp_sum = cvSum( var_importance ).val[0]; - printf("var#\timportance (in %%):\n"); - for( i = 0; i < var_importance->cols; i++ ) - printf( "%-2d\t%-4.1f\n", i, - 100.f*var_importance->data.fl[i]/rt_imp_sum); + model->save( filename_to_save ); } - - //Print some proximitites - printf( "Proximities between some samples corresponding to the letter 'T':\n" ); - { - CvMat sample1, sample2; - const int pairs[][2] = {{0,103}, {0,106}, {106,103}, {-1,-1}}; - - for( i = 0; pairs[i][0] >= 0; i++ ) - { - cvGetRow( data, &sample1, pairs[i][0] ); - cvGetRow( data, &sample2, pairs[i][1] ); - printf( "proximity(%d,%d) = %.1f%%\n", pairs[i][0], pairs[i][1], - forest.get_proximity( &sample1, &sample2 )*100. ); - } - } - - // Save Random Trees classifier to file if needed - if( filename_to_save ) - forest.save( filename_to_save ); - - cvReleaseMat( &sample_idx ); - cvReleaseMat( &var_type ); - cvReleaseMat( &data ); - cvReleaseMat( &responses ); - - return 0; } -static -int build_boost_classifier( char* data_filename, - char* filename_to_save, char* filename_to_load ) +static bool +build_rtrees_classifier( const string& data_filename, + const string& filename_to_save, + const string& filename_to_load ) { - const int class_count = 26; - CvMat* data = 0; - CvMat* responses = 0; - CvMat* var_type = 0; - CvMat* temp_sample = 0; - CvMat* weak_responses = 0; - - int ok = read_num_class_data( data_filename, 16, &data, &responses ); - int nsamples_all = 0, ntrain_samples = 0; - int var_count; - int i, j, k; - double train_hr = 0, test_hr = 0; - CvBoost boost; - + Mat data; + Mat responses; + bool ok = read_num_class_data( data_filename, 16, &data, &responses ); if( !ok ) + return ok; + + Ptr model; + + int nsamples_all = data.rows; + int ntrain_samples = (int)(nsamples_all*0.8); + + // Create or load Random Trees classifier + if( !filename_to_load.empty() ) { - printf( "Could not read the database %s\n", data_filename ); - return -1; + model = load_classifier(filename_to_load); + if( model.empty() ) + return false; + ntrain_samples = 0; + } + else + { + // create classifier by using and + cout << "Training the classifier ...\n"; + Ptr tdata = prepare_train_data(data, responses, ntrain_samples); + model = StatModel::train(tdata, RTrees::Params(10,10,0,false,15,Mat(),true,4,TC(100,0.01f))); + cout << endl; } - printf( "The database %s is loaded.\n", data_filename ); - nsamples_all = data->rows; - ntrain_samples = (int)(nsamples_all*0.5); - var_count = data->cols; + test_and_save_classifier(model, data, responses, ntrain_samples, 0, filename_to_save); + cout << "Number of trees: " << model->getRoots().size() << endl; + + // Print variable importance + Mat var_importance = model->getVarImportance(); + if( !var_importance.empty() ) + { + double rt_imp_sum = sum( var_importance )[0]; + printf("var#\timportance (in %%):\n"); + int i, n = (int)var_importance.total(); + for( i = 0; i < n; i++ ) + printf( "%-2d\t%-4.1f\n", i, 100.f*var_importance.at(i)/rt_imp_sum); + } + + return true; +} + + +static bool +build_boost_classifier( const string& data_filename, + const string& filename_to_save, + const string& filename_to_load ) +{ + const int class_count = 26; + Mat data; + Mat responses; + Mat weak_responses; + + bool ok = read_num_class_data( data_filename, 16, &data, &responses ); + if( !ok ) + return ok; + + int i, j, k; + Ptr model; + + int nsamples_all = data.rows; + int ntrain_samples = (int)(nsamples_all*0.5); + int var_count = data.cols; // Create or load Boosted Tree classifier - if( filename_to_load ) + if( !filename_to_load.empty() ) { - // load classifier from the specified file - boost.load( filename_to_load ); + model = load_classifier(filename_to_load); + if( model.empty() ) + return false; ntrain_samples = 0; - if( !boost.get_weak_predictors() ) - { - printf( "Could not read the classifier %s\n", filename_to_load ); - return -1; - } - printf( "The classifier %s is loaded.\n", filename_to_load ); } else { @@ -275,135 +241,109 @@ int build_boost_classifier( char* data_filename, // // !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! - CvMat* new_data = cvCreateMat( ntrain_samples*class_count, var_count + 1, CV_32F ); - CvMat* new_responses = cvCreateMat( ntrain_samples*class_count, 1, CV_32S ); + Mat new_data( ntrain_samples*class_count, var_count + 1, CV_32F ); + Mat new_responses( ntrain_samples*class_count, 1, CV_32S ); // 1. unroll the database type mask printf( "Unrolling the database...\n"); for( i = 0; i < ntrain_samples; i++ ) { - float* data_row = (float*)(data->data.ptr + data->step*i); + const float* data_row = data.ptr(i); for( j = 0; j < class_count; j++ ) { - float* new_data_row = (float*)(new_data->data.ptr + - new_data->step*(i*class_count+j)); - for( k = 0; k < var_count; k++ ) - new_data_row[k] = data_row[k]; + float* new_data_row = (float*)new_data.ptr(i*class_count+j); + memcpy(new_data_row, data_row, var_count*sizeof(data_row[0])); new_data_row[var_count] = (float)j; - new_responses->data.i[i*class_count + j] = responses->data.fl[i] == j+'A'; + new_responses.at(i*class_count + j) = responses.at(i) == j+'A'; } } - // 2. create type mask - var_type = cvCreateMat( var_count + 2, 1, CV_8U ); - cvSet( var_type, cvScalarAll(CV_VAR_ORDERED) ); - // the last indicator variable, as well - // as the new (binary) response are categorical - cvSetReal1D( var_type, var_count, CV_VAR_CATEGORICAL ); - cvSetReal1D( var_type, var_count+1, CV_VAR_CATEGORICAL ); + Mat var_type( 1, var_count + 2, CV_8U ); + var_type.setTo(Scalar::all(VAR_ORDERED)); + var_type.at(var_count) = var_type.at(var_count+1) = VAR_CATEGORICAL; - // 3. train classifier - printf( "Training the classifier (may take a few minutes)...\n"); - boost.train( new_data, CV_ROW_SAMPLE, new_responses, 0, 0, var_type, 0, - CvBoostParams(CvBoost::REAL, 100, 0.95, 5, false, 0 )); - cvReleaseMat( &new_data ); - cvReleaseMat( &new_responses ); - printf("\n"); + Ptr tdata = TrainData::create(new_data, ROW_SAMPLE, new_responses, + noArray(), noArray(), noArray(), var_type); + vector priors(2); + priors[0] = 1; + priors[1] = 26; + + cout << "Training the classifier (may take a few minutes)...\n"; + model = StatModel::train(tdata, Boost::Params(Boost::GENTLE, 100, 0.95, 5, false, Mat(priors) )); + cout << endl; } - temp_sample = cvCreateMat( 1, var_count + 1, CV_32F ); - weak_responses = cvCreateMat( 1, boost.get_weak_predictors()->total, CV_32F ); + Mat temp_sample( 1, var_count + 1, CV_32F ); + float* tptr = temp_sample.ptr(); // compute prediction error on train and test data + double train_hr = 0, test_hr = 0; for( i = 0; i < nsamples_all; i++ ) { int best_class = 0; double max_sum = -DBL_MAX; - double r; - CvMat sample; - cvGetRow( data, &sample, i ); + const float* ptr = data.ptr(i); for( k = 0; k < var_count; k++ ) - temp_sample->data.fl[k] = sample.data.fl[k]; + tptr[k] = ptr[k]; for( j = 0; j < class_count; j++ ) { - temp_sample->data.fl[var_count] = (float)j; - boost.predict( temp_sample, 0, weak_responses ); - double sum = cvSum( weak_responses ).val[0]; - if( max_sum < sum ) + tptr[var_count] = (float)j; + float s = model->predict( temp_sample, noArray(), StatModel::RAW_OUTPUT ); + if( max_sum < s ) { - max_sum = sum; + max_sum = s; best_class = j + 'A'; } } - r = fabs(best_class - responses->data.fl[i]) < FLT_EPSILON ? 1 : 0; - + double r = std::abs(best_class - responses.at(i)) < FLT_EPSILON ? 1 : 0; if( i < ntrain_samples ) train_hr += r; else test_hr += r; } - test_hr /= (double)(nsamples_all-ntrain_samples); - train_hr /= (double)ntrain_samples; + test_hr /= nsamples_all-ntrain_samples; + train_hr = ntrain_samples > 0 ? train_hr/ntrain_samples : 1.; printf( "Recognition rate: train = %.1f%%, test = %.1f%%\n", train_hr*100., test_hr*100. ); - printf( "Number of trees: %d\n", boost.get_weak_predictors()->total ); + cout << "Number of trees: " << model->getRoots().size() << endl; // Save classifier to file if needed - if( filename_to_save ) - boost.save( filename_to_save ); + if( !filename_to_save.empty() ) + model->save( filename_to_save ); - cvReleaseMat( &temp_sample ); - cvReleaseMat( &weak_responses ); - cvReleaseMat( &var_type ); - cvReleaseMat( &data ); - cvReleaseMat( &responses ); - - return 0; + return true; } -static -int build_mlp_classifier( char* data_filename, - char* filename_to_save, char* filename_to_load ) +static bool +build_mlp_classifier( const string& data_filename, + const string& filename_to_save, + const string& filename_to_load ) { const int class_count = 26; - CvMat* data = 0; - CvMat train_data; - CvMat* responses = 0; - CvMat* mlp_response = 0; - - int ok = read_num_class_data( data_filename, 16, &data, &responses ); - int nsamples_all = 0, ntrain_samples = 0; - int i, j; - double train_hr = 0, test_hr = 0; - CvANN_MLP mlp; + Mat data; + Mat responses; + bool ok = read_num_class_data( data_filename, 16, &data, &responses ); if( !ok ) - { - printf( "Could not read the database %s\n", data_filename ); - return -1; - } + return ok; - printf( "The database %s is loaded.\n", data_filename ); - nsamples_all = data->rows; - ntrain_samples = (int)(nsamples_all*0.8); + Ptr model; + + int nsamples_all = data.rows; + int ntrain_samples = (int)(nsamples_all*0.8); // Create or load MLP classifier - if( filename_to_load ) + if( !filename_to_load.empty() ) { - // load classifier from the specified file - mlp.load( filename_to_load ); + model = load_classifier(filename_to_load); + if( model.empty() ) + return false; ntrain_samples = 0; - if( !mlp.get_layer_count() ) - { - printf( "Could not read the classifier %s\n", filename_to_load ); - return -1; - } - printf( "The classifier %s is loaded.\n", filename_to_load ); } else { @@ -417,328 +357,139 @@ int build_mlp_classifier( char* data_filename, // // !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! - CvMat* new_responses = cvCreateMat( ntrain_samples, class_count, CV_32F ); + Mat train_data = data.rowRange(0, ntrain_samples); + Mat train_responses = Mat::zeros( ntrain_samples, class_count, CV_32F ); // 1. unroll the responses - printf( "Unrolling the responses...\n"); - for( i = 0; i < ntrain_samples; i++ ) + cout << "Unrolling the responses...\n"; + for( int i = 0; i < ntrain_samples; i++ ) { - int cls_label = cvRound(responses->data.fl[i]) - 'A'; - float* bit_vec = (float*)(new_responses->data.ptr + i*new_responses->step); - for( j = 0; j < class_count; j++ ) - bit_vec[j] = 0.f; - bit_vec[cls_label] = 1.f; + int cls_label = responses.at(i) - 'A'; + train_responses.at(i, cls_label) = 1.f; } - cvGetRows( data, &train_data, 0, ntrain_samples ); // 2. train classifier - int layer_sz[] = { data->cols, 100, 100, class_count }; - CvMat layer_sizes = - cvMat( 1, (int)(sizeof(layer_sz)/sizeof(layer_sz[0])), CV_32S, layer_sz ); - mlp.create( &layer_sizes ); - printf( "Training the classifier (may take a few minutes)...\n"); + int layer_sz[] = { data.cols, 100, 100, class_count }; + int nlayers = (int)(sizeof(layer_sz)/sizeof(layer_sz[0])); + Mat layer_sizes( 1, nlayers, CV_32S, layer_sz ); #if 1 - int method = CvANN_MLP_TrainParams::BACKPROP; + int method = ANN_MLP::Params::BACKPROP; double method_param = 0.001; int max_iter = 300; #else - int method = CvANN_MLP_TrainParams::RPROP; + int method = ANN_MLP::Params::RPROP; double method_param = 0.1; int max_iter = 1000; #endif - mlp.train( &train_data, new_responses, 0, 0, - CvANN_MLP_TrainParams(cvTermCriteria(CV_TERMCRIT_ITER,max_iter,0.01), - method, method_param)); - cvReleaseMat( &new_responses ); - printf("\n"); + Ptr tdata = TrainData::create(train_data, ROW_SAMPLE, train_responses); + + cout << "Training the classifier (may take a few minutes)...\n"; + model = StatModel::train(tdata, ANN_MLP::Params(layer_sizes, ANN_MLP::SIGMOID_SYM, 0, 0, TC(max_iter,0), method, method_param)); + cout << endl; } - mlp_response = cvCreateMat( 1, class_count, CV_32F ); - - // compute prediction error on train and test data - for( i = 0; i < nsamples_all; i++ ) - { - int best_class; - CvMat sample; - cvGetRow( data, &sample, i ); - CvPoint max_loc; - mlp.predict( &sample, mlp_response ); - cvMinMaxLoc( mlp_response, 0, 0, 0, &max_loc, 0 ); - best_class = max_loc.x + 'A'; - - int r = fabs((double)best_class - responses->data.fl[i]) < FLT_EPSILON ? 1 : 0; - - if( i < ntrain_samples ) - train_hr += r; - else - test_hr += r; - } - - test_hr /= (double)(nsamples_all-ntrain_samples); - train_hr /= (double)ntrain_samples; - printf( "Recognition rate: train = %.1f%%, test = %.1f%%\n", - train_hr*100., test_hr*100. ); - - // Save classifier to file if needed - if( filename_to_save ) - mlp.save( filename_to_save ); - - cvReleaseMat( &mlp_response ); - cvReleaseMat( &data ); - cvReleaseMat( &responses ); - - return 0; + test_and_save_classifier(model, data, responses, ntrain_samples, 'A', filename_to_save); + return true; } -static -int build_knearest_classifier( char* data_filename, int K ) +static bool +build_knearest_classifier( const string& data_filename, int K ) { - const int var_count = 16; - CvMat* data = 0; - CvMat train_data; - CvMat* responses; - - int ok = read_num_class_data( data_filename, 16, &data, &responses ); - int nsamples_all = 0, ntrain_samples = 0; - //int i, j; - //double /*train_hr = 0,*/ test_hr = 0; - CvANN_MLP mlp; - + Mat data; + Mat responses; + bool ok = read_num_class_data( data_filename, 16, &data, &responses ); if( !ok ) - { - printf( "Could not read the database %s\n", data_filename ); - return -1; - } + return ok; - printf( "The database %s is loaded.\n", data_filename ); - nsamples_all = data->rows; - ntrain_samples = (int)(nsamples_all*0.8); + Ptr model; - // 1. unroll the responses - printf( "Unrolling the responses...\n"); - cvGetRows( data, &train_data, 0, ntrain_samples ); + int nsamples_all = data.rows; + int ntrain_samples = (int)(nsamples_all*0.8); - // 2. train classifier - CvMat* train_resp = cvCreateMat( ntrain_samples, 1, CV_32FC1); - for (int i = 0; i < ntrain_samples; i++) - train_resp->data.fl[i] = responses->data.fl[i]; - CvKNearest knearest(&train_data, train_resp); + // create classifier by using and + cout << "Training the classifier ...\n"; + Ptr tdata = prepare_train_data(data, responses, ntrain_samples); + model = StatModel::train(tdata, KNearest::Params(K, true)); + cout << endl; - CvMat* nearests = cvCreateMat( (nsamples_all - ntrain_samples), K, CV_32FC1); - float* _sample = new float[var_count * (nsamples_all - ntrain_samples)]; - CvMat sample = cvMat( nsamples_all - ntrain_samples, 16, CV_32FC1, _sample ); - float* true_results = new float[nsamples_all - ntrain_samples]; - for (int j = ntrain_samples; j < nsamples_all; j++) - { - float *s = data->data.fl + j * var_count; - - for (int i = 0; i < var_count; i++) - { - sample.data.fl[(j - ntrain_samples) * var_count + i] = s[i]; - } - true_results[j - ntrain_samples] = responses->data.fl[j]; - } - CvMat *result = cvCreateMat(1, nsamples_all - ntrain_samples, CV_32FC1); - knearest.find_nearest(&sample, K, result, 0, nearests, 0); - int true_resp = 0; - int accuracy = 0; - for (int i = 0; i < nsamples_all - ntrain_samples; i++) - { - if (result->data.fl[i] == true_results[i]) - true_resp++; - for(int k = 0; k < K; k++ ) - { - if( nearests->data.fl[i * K + k] == true_results[i]) - accuracy++; - } - } - - printf("true_resp = %f%%\tavg accuracy = %f%%\n", (float)true_resp / (nsamples_all - ntrain_samples) * 100, - (float)accuracy / (nsamples_all - ntrain_samples) / K * 100); - - delete[] true_results; - delete[] _sample; - cvReleaseMat( &train_resp ); - cvReleaseMat( &nearests ); - cvReleaseMat( &result ); - cvReleaseMat( &data ); - cvReleaseMat( &responses ); - - return 0; + test_and_save_classifier(model, data, responses, ntrain_samples, 0, string()); + return true; } -static -int build_nbayes_classifier( char* data_filename ) +static bool +build_nbayes_classifier( const string& data_filename ) { - const int var_count = 16; - CvMat* data = 0; - CvMat train_data; - CvMat* responses; - - int ok = read_num_class_data( data_filename, 16, &data, &responses ); - int nsamples_all = 0, ntrain_samples = 0; - //int i, j; - //double /*train_hr = 0, */test_hr = 0; - CvANN_MLP mlp; - + Mat data; + Mat responses; + bool ok = read_num_class_data( data_filename, 16, &data, &responses ); if( !ok ) - { - printf( "Could not read the database %s\n", data_filename ); - return -1; - } + return ok; - printf( "The database %s is loaded.\n", data_filename ); - nsamples_all = data->rows; - ntrain_samples = (int)(nsamples_all*0.5); + Ptr model; - // 1. unroll the responses - printf( "Unrolling the responses...\n"); - cvGetRows( data, &train_data, 0, ntrain_samples ); + int nsamples_all = data.rows; + int ntrain_samples = (int)(nsamples_all*0.8); - // 2. train classifier - CvMat* train_resp = cvCreateMat( ntrain_samples, 1, CV_32FC1); - for (int i = 0; i < ntrain_samples; i++) - train_resp->data.fl[i] = responses->data.fl[i]; - CvNormalBayesClassifier nbayes(&train_data, train_resp); + // create classifier by using and + cout << "Training the classifier ...\n"; + Ptr tdata = prepare_train_data(data, responses, ntrain_samples); + model = StatModel::train(tdata, NormalBayesClassifier::Params()); + cout << endl; - float* _sample = new float[var_count * (nsamples_all - ntrain_samples)]; - CvMat sample = cvMat( nsamples_all - ntrain_samples, 16, CV_32FC1, _sample ); - float* true_results = new float[nsamples_all - ntrain_samples]; - for (int j = ntrain_samples; j < nsamples_all; j++) - { - float *s = data->data.fl + j * var_count; - - for (int i = 0; i < var_count; i++) - { - sample.data.fl[(j - ntrain_samples) * var_count + i] = s[i]; - } - true_results[j - ntrain_samples] = responses->data.fl[j]; - } - CvMat *result = cvCreateMat(1, nsamples_all - ntrain_samples, CV_32FC1); - nbayes.predict(&sample, result); - int true_resp = 0; - //int accuracy = 0; - for (int i = 0; i < nsamples_all - ntrain_samples; i++) - { - if (result->data.fl[i] == true_results[i]) - true_resp++; - } - - printf("true_resp = %f%%\n", (float)true_resp / (nsamples_all - ntrain_samples) * 100); - - delete[] true_results; - delete[] _sample; - cvReleaseMat( &train_resp ); - cvReleaseMat( &result ); - cvReleaseMat( &data ); - cvReleaseMat( &responses ); - - return 0; + test_and_save_classifier(model, data, responses, ntrain_samples, 0, string()); + return true; } -static -int build_svm_classifier( char* data_filename, const char* filename_to_save, const char* filename_to_load ) +static bool +build_svm_classifier( const string& data_filename, + const string& filename_to_save, + const string& filename_to_load ) { - CvMat* data = 0; - CvMat* responses = 0; - CvMat* train_resp = 0; - CvMat train_data; - int nsamples_all = 0, ntrain_samples = 0; - int var_count; - CvSVM svm; - - int ok = read_num_class_data( data_filename, 16, &data, &responses ); + Mat data; + Mat responses; + bool ok = read_num_class_data( data_filename, 16, &data, &responses ); if( !ok ) - { - printf( "Could not read the database %s\n", data_filename ); - return -1; - } - ////////// SVM parameters /////////////////////////////// - CvSVMParams param; - param.kernel_type=CvSVM::LINEAR; - param.svm_type=CvSVM::C_SVC; - param.C=1; - /////////////////////////////////////////////////////////// + return ok; - printf( "The database %s is loaded.\n", data_filename ); - nsamples_all = data->rows; - ntrain_samples = (int)(nsamples_all*0.1); - var_count = data->cols; + Ptr model; + + int nsamples_all = data.rows; + int ntrain_samples = (int)(nsamples_all*0.8); // Create or load Random Trees classifier - if( filename_to_load ) + if( !filename_to_load.empty() ) { - // load classifier from the specified file - svm.load( filename_to_load ); + model = load_classifier(filename_to_load); + if( model.empty() ) + return false; ntrain_samples = 0; - if( svm.get_var_count() == 0 ) - { - printf( "Could not read the classifier %s\n", filename_to_load ); - return -1; - } - printf( "The classifier %s is loaded.\n", filename_to_load ); } else { - // train classifier - printf( "Training the classifier (may take a few minutes)...\n"); - cvGetRows( data, &train_data, 0, ntrain_samples ); - train_resp = cvCreateMat( ntrain_samples, 1, CV_32FC1); - for (int i = 0; i < ntrain_samples; i++) - train_resp->data.fl[i] = responses->data.fl[i]; - svm.train(&train_data, train_resp, 0, 0, param); + // create classifier by using and + cout << "Training the classifier ...\n"; + Ptr tdata = prepare_train_data(data, responses, ntrain_samples); + + SVM::Params params; + params.svmType = SVM::C_SVC; + params.kernelType = SVM::LINEAR; + params.C = 1; + + model = StatModel::train(tdata, params); + cout << endl; } - // classification - std::vector _sample(var_count * (nsamples_all - ntrain_samples)); - CvMat sample = cvMat( nsamples_all - ntrain_samples, 16, CV_32FC1, &_sample[0] ); - std::vector true_results(nsamples_all - ntrain_samples); - for (int j = ntrain_samples; j < nsamples_all; j++) - { - float *s = data->data.fl + j * var_count; - - for (int i = 0; i < var_count; i++) - { - sample.data.fl[(j - ntrain_samples) * var_count + i] = s[i]; - } - true_results[j - ntrain_samples] = responses->data.fl[j]; - } - CvMat *result = cvCreateMat(1, nsamples_all - ntrain_samples, CV_32FC1); - - printf("Classification (may take a few minutes)...\n"); - double t = (double)cvGetTickCount(); - svm.predict(&sample, result); - t = (double)cvGetTickCount() - t; - printf("Prediction type: %gms\n", t/(cvGetTickFrequency()*1000.)); - - int true_resp = 0; - for (int i = 0; i < nsamples_all - ntrain_samples; i++) - { - if (result->data.fl[i] == true_results[i]) - true_resp++; - } - - printf("true_resp = %f%%\n", (float)true_resp / (nsamples_all - ntrain_samples) * 100); - - if( filename_to_save ) - svm.save( filename_to_save ); - - cvReleaseMat( &train_resp ); - cvReleaseMat( &result ); - cvReleaseMat( &data ); - cvReleaseMat( &responses ); - - return 0; + test_and_save_classifier(model, data, responses, ntrain_samples, 0, filename_to_save); + return true; } int main( int argc, char *argv[] ) { - char* filename_to_save = 0; - char* filename_to_load = 0; - char default_data_filename[] = "./letter-recognition.data"; - char* data_filename = default_data_filename; + string filename_to_save = ""; + string filename_to_load = ""; + string data_filename = "./letter-recognition.data"; int method = 0; int i; @@ -767,18 +518,18 @@ int main( int argc, char *argv[] ) { method = 2; } - else if ( strcmp(argv[i], "-knearest") == 0) - { - method = 3; - } - else if ( strcmp(argv[i], "-nbayes") == 0) - { - method = 4; - } - else if ( strcmp(argv[i], "-svm") == 0) - { - method = 5; - } + else if( strcmp(argv[i], "-knearest") == 0 || strcmp(argv[i], "-knn") == 0 ) + { + method = 3; + } + else if( strcmp(argv[i], "-nbayes") == 0) + { + method = 4; + } + else if( strcmp(argv[i], "-svm") == 0) + { + method = 5; + } else break; } diff --git a/samples/cpp/motempl.cpp b/samples/cpp/motempl.cpp deleted file mode 100644 index 66449981e7..0000000000 --- a/samples/cpp/motempl.cpp +++ /dev/null @@ -1,204 +0,0 @@ -#include "opencv2/video/tracking_c.h" -#include "opencv2/imgproc/imgproc_c.h" -#include "opencv2/videoio/videoio_c.h" -#include "opencv2/highgui/highgui_c.h" -#include -#include -#include - -static void help(void) -{ - printf( - "\nThis program demonstrated the use of motion templates -- basically using the gradients\n" - "of thresholded layers of decaying frame differencing. New movements are stamped on top with floating system\n" - "time code and motions too old are thresholded away. This is the 'motion history file'. The program reads from the camera of your choice or from\n" - "a file. Gradients of motion history are used to detect direction of motoin etc\n" - "Usage :\n" - "./motempl [camera number 0-n or file name, default is camera 0]\n" - ); -} -// various tracking parameters (in seconds) -const double MHI_DURATION = 1; -const double MAX_TIME_DELTA = 0.5; -const double MIN_TIME_DELTA = 0.05; -// number of cyclic frame buffer used for motion detection -// (should, probably, depend on FPS) -const int N = 4; - -// ring image buffer -IplImage **buf = 0; -int last = 0; - -// temporary images -IplImage *mhi = 0; // MHI -IplImage *orient = 0; // orientation -IplImage *mask = 0; // valid orientation mask -IplImage *segmask = 0; // motion segmentation map -CvMemStorage* storage = 0; // temporary storage - -// parameters: -// img - input video frame -// dst - resultant motion picture -// args - optional parameters -static void update_mhi( IplImage* img, IplImage* dst, int diff_threshold ) -{ - double timestamp = (double)clock()/CLOCKS_PER_SEC; // get current time in seconds - CvSize size = cvSize(img->width,img->height); // get current frame size - int i, idx1 = last, idx2; - IplImage* silh; - CvSeq* seq; - CvRect comp_rect; - double count; - double angle; - CvPoint center; - double magnitude; - CvScalar color; - - // allocate images at the beginning or - // reallocate them if the frame size is changed - if( !mhi || mhi->width != size.width || mhi->height != size.height ) { - if( buf == 0 ) { - buf = (IplImage**)malloc(N*sizeof(buf[0])); - memset( buf, 0, N*sizeof(buf[0])); - } - - for( i = 0; i < N; i++ ) { - cvReleaseImage( &buf[i] ); - buf[i] = cvCreateImage( size, IPL_DEPTH_8U, 1 ); - cvZero( buf[i] ); - } - cvReleaseImage( &mhi ); - cvReleaseImage( &orient ); - cvReleaseImage( &segmask ); - cvReleaseImage( &mask ); - - mhi = cvCreateImage( size, IPL_DEPTH_32F, 1 ); - cvZero( mhi ); // clear MHI at the beginning - orient = cvCreateImage( size, IPL_DEPTH_32F, 1 ); - segmask = cvCreateImage( size, IPL_DEPTH_32F, 1 ); - mask = cvCreateImage( size, IPL_DEPTH_8U, 1 ); - } - - cvCvtColor( img, buf[last], CV_BGR2GRAY ); // convert frame to grayscale - - idx2 = (last + 1) % N; // index of (last - (N-1))th frame - last = idx2; - - silh = buf[idx2]; - cvAbsDiff( buf[idx1], buf[idx2], silh ); // get difference between frames - - cvThreshold( silh, silh, diff_threshold, 1, CV_THRESH_BINARY ); // and threshold it - cvUpdateMotionHistory( silh, mhi, timestamp, MHI_DURATION ); // update MHI - - // convert MHI to blue 8u image - cvCvtScale( mhi, mask, 255./MHI_DURATION, - (MHI_DURATION - timestamp)*255./MHI_DURATION ); - cvZero( dst ); - cvMerge( mask, 0, 0, 0, dst ); - - // calculate motion gradient orientation and valid orientation mask - cvCalcMotionGradient( mhi, mask, orient, MAX_TIME_DELTA, MIN_TIME_DELTA, 3 ); - - if( !storage ) - storage = cvCreateMemStorage(0); - else - cvClearMemStorage(storage); - - // segment motion: get sequence of motion components - // segmask is marked motion components map. It is not used further - seq = cvSegmentMotion( mhi, segmask, storage, timestamp, MAX_TIME_DELTA ); - - // iterate through the motion components, - // One more iteration (i == -1) corresponds to the whole image (global motion) - for( i = -1; i < seq->total; i++ ) { - - if( i < 0 ) { // case of the whole image - comp_rect = cvRect( 0, 0, size.width, size.height ); - color = CV_RGB(255,255,255); - magnitude = 100; - } - else { // i-th motion component - comp_rect = ((CvConnectedComp*)cvGetSeqElem( seq, i ))->rect; - if( comp_rect.width + comp_rect.height < 100 ) // reject very small components - continue; - color = CV_RGB(255,0,0); - magnitude = 30; - } - - // select component ROI - cvSetImageROI( silh, comp_rect ); - cvSetImageROI( mhi, comp_rect ); - cvSetImageROI( orient, comp_rect ); - cvSetImageROI( mask, comp_rect ); - - // calculate orientation - angle = cvCalcGlobalOrientation( orient, mask, mhi, timestamp, MHI_DURATION); - angle = 360.0 - angle; // adjust for images with top-left origin - - count = cvNorm( silh, 0, CV_L1, 0 ); // calculate number of points within silhouette ROI - - cvResetImageROI( mhi ); - cvResetImageROI( orient ); - cvResetImageROI( mask ); - cvResetImageROI( silh ); - - // check for the case of little motion - if( count < comp_rect.width*comp_rect.height * 0.05 ) - continue; - - // draw a clock with arrow indicating the direction - center = cvPoint( (comp_rect.x + comp_rect.width/2), - (comp_rect.y + comp_rect.height/2) ); - - cvCircle( dst, center, cvRound(magnitude*1.2), color, 3, CV_AA, 0 ); - cvLine( dst, center, cvPoint( cvRound( center.x + magnitude*cos(angle*CV_PI/180)), - cvRound( center.y - magnitude*sin(angle*CV_PI/180))), color, 3, CV_AA, 0 ); - } -} - - -int main(int argc, char** argv) -{ - IplImage* motion = 0; - CvCapture* capture = 0; - - help(); - - if( argc == 1 || (argc == 2 && strlen(argv[1]) == 1 && isdigit(argv[1][0]))) - capture = cvCaptureFromCAM( argc == 2 ? argv[1][0] - '0' : 0 ); - else if( argc == 2 ) - capture = cvCaptureFromFile( argv[1] ); - - if( capture ) - { - cvNamedWindow( "Motion", 1 ); - - for(;;) - { - IplImage* image = cvQueryFrame( capture ); - if( !image ) - break; - - if( !motion ) - { - motion = cvCreateImage( cvSize(image->width,image->height), 8, 3 ); - cvZero( motion ); - motion->origin = image->origin; - } - - update_mhi( image, motion, 30 ); - cvShowImage( "Motion", motion ); - - if( cvWaitKey(10) >= 0 ) - break; - } - cvReleaseCapture( &capture ); - cvDestroyWindow( "Motion" ); - } - - return 0; -} - -#ifdef _EiC -main(1,"motempl.c"); -#endif diff --git a/samples/cpp/mushroom.cpp b/samples/cpp/mushroom.cpp deleted file mode 100644 index 60eb9f066c..0000000000 --- a/samples/cpp/mushroom.cpp +++ /dev/null @@ -1,322 +0,0 @@ -#include "opencv2/core/core_c.h" -#include "opencv2/ml/ml.hpp" -#include - -static void help() -{ - printf("\nThis program demonstrated the use of OpenCV's decision tree function for learning and predicting data\n" - "Usage :\n" - "./mushroom \n" - "\n" - "The sample demonstrates how to build a decision tree for classifying mushrooms.\n" - "It uses the sample base agaricus-lepiota.data from UCI Repository, here is the link:\n" - "\n" - "Newman, D.J. & Hettich, S. & Blake, C.L. & Merz, C.J. (1998).\n" - "UCI Repository of machine learning databases\n" - "[http://www.ics.uci.edu/~mlearn/MLRepository.html].\n" - "Irvine, CA: University of California, Department of Information and Computer Science.\n" - "\n" - "// loads the mushroom database, which is a text file, containing\n" - "// one training sample per row, all the input variables and the output variable are categorical,\n" - "// the values are encoded by characters.\n\n"); -} - -static int mushroom_read_database( const char* filename, CvMat** data, CvMat** missing, CvMat** responses ) -{ - const int M = 1024; - FILE* f = fopen( filename, "rt" ); - CvMemStorage* storage; - CvSeq* seq; - char buf[M+2], *ptr; - float* el_ptr; - CvSeqReader reader; - int i, j, var_count = 0; - - if( !f ) - return 0; - - // read the first line and determine the number of variables - if( !fgets( buf, M, f )) - { - fclose(f); - return 0; - } - - for( ptr = buf; *ptr != '\0'; ptr++ ) - var_count += *ptr == ','; - assert( ptr - buf == (var_count+1)*2 ); - - // create temporary memory storage to store the whole database - el_ptr = new float[var_count+1]; - storage = cvCreateMemStorage(); - seq = cvCreateSeq( 0, sizeof(*seq), (var_count+1)*sizeof(float), storage ); - - for(;;) - { - for( i = 0; i <= var_count; i++ ) - { - int c = buf[i*2]; - el_ptr[i] = c == '?' ? -1.f : (float)c; - } - if( i != var_count+1 ) - break; - cvSeqPush( seq, el_ptr ); - if( !fgets( buf, M, f ) || !strchr( buf, ',' ) ) - break; - } - fclose(f); - - // allocate the output matrices and copy the base there - *data = cvCreateMat( seq->total, var_count, CV_32F ); - *missing = cvCreateMat( seq->total, var_count, CV_8U ); - *responses = cvCreateMat( seq->total, 1, CV_32F ); - - cvStartReadSeq( seq, &reader ); - - for( i = 0; i < seq->total; i++ ) - { - const float* sdata = (float*)reader.ptr + 1; - float* ddata = data[0]->data.fl + var_count*i; - float* dr = responses[0]->data.fl + i; - uchar* dm = missing[0]->data.ptr + var_count*i; - - for( j = 0; j < var_count; j++ ) - { - ddata[j] = sdata[j]; - dm[j] = sdata[j] < 0; - } - *dr = sdata[-1]; - CV_NEXT_SEQ_ELEM( seq->elem_size, reader ); - } - - cvReleaseMemStorage( &storage ); - delete [] el_ptr; - return 1; -} - - -static CvDTree* mushroom_create_dtree( const CvMat* data, const CvMat* missing, - const CvMat* responses, float p_weight ) -{ - CvDTree* dtree; - CvMat* var_type; - int i, hr1 = 0, hr2 = 0, p_total = 0; - float priors[] = { 1, p_weight }; - - var_type = cvCreateMat( data->cols + 1, 1, CV_8U ); - cvSet( var_type, cvScalarAll(CV_VAR_CATEGORICAL) ); // all the variables are categorical - - dtree = new CvDTree; - - dtree->train( data, CV_ROW_SAMPLE, responses, 0, 0, var_type, missing, - CvDTreeParams( 8, // max depth - 10, // min sample count - 0, // regression accuracy: N/A here - true, // compute surrogate split, as we have missing data - 15, // max number of categories (use sub-optimal algorithm for larger numbers) - 10, // the number of cross-validation folds - true, // use 1SE rule => smaller tree - true, // throw away the pruned tree branches - priors // the array of priors, the bigger p_weight, the more attention - // to the poisonous mushrooms - // (a mushroom will be judjed to be poisonous with bigger chance) - )); - - // compute hit-rate on the training database, demonstrates predict usage. - for( i = 0; i < data->rows; i++ ) - { - CvMat sample, mask; - cvGetRow( data, &sample, i ); - cvGetRow( missing, &mask, i ); - double r = dtree->predict( &sample, &mask )->value; - int d = fabs(r - responses->data.fl[i]) >= FLT_EPSILON; - if( d ) - { - if( r != 'p' ) - hr1++; - else - hr2++; - } - p_total += responses->data.fl[i] == 'p'; - } - - printf( "Results on the training database:\n" - "\tPoisonous mushrooms mis-predicted: %d (%g%%)\n" - "\tFalse-alarms: %d (%g%%)\n", hr1, (double)hr1*100/p_total, - hr2, (double)hr2*100/(data->rows - p_total) ); - - cvReleaseMat( &var_type ); - - return dtree; -} - - -static const char* var_desc[] = -{ - "cap shape (bell=b,conical=c,convex=x,flat=f)", - "cap surface (fibrous=f,grooves=g,scaly=y,smooth=s)", - "cap color (brown=n,buff=b,cinnamon=c,gray=g,green=r,\n\tpink=p,purple=u,red=e,white=w,yellow=y)", - "bruises? (bruises=t,no=f)", - "odor (almond=a,anise=l,creosote=c,fishy=y,foul=f,\n\tmusty=m,none=n,pungent=p,spicy=s)", - "gill attachment (attached=a,descending=d,free=f,notched=n)", - "gill spacing (close=c,crowded=w,distant=d)", - "gill size (broad=b,narrow=n)", - "gill color (black=k,brown=n,buff=b,chocolate=h,gray=g,\n\tgreen=r,orange=o,pink=p,purple=u,red=e,white=w,yellow=y)", - "stalk shape (enlarging=e,tapering=t)", - "stalk root (bulbous=b,club=c,cup=u,equal=e,rhizomorphs=z,rooted=r)", - "stalk surface above ring (ibrous=f,scaly=y,silky=k,smooth=s)", - "stalk surface below ring (ibrous=f,scaly=y,silky=k,smooth=s)", - "stalk color above ring (brown=n,buff=b,cinnamon=c,gray=g,orange=o,\n\tpink=p,red=e,white=w,yellow=y)", - "stalk color below ring (brown=n,buff=b,cinnamon=c,gray=g,orange=o,\n\tpink=p,red=e,white=w,yellow=y)", - "veil type (partial=p,universal=u)", - "veil color (brown=n,orange=o,white=w,yellow=y)", - "ring number (none=n,one=o,two=t)", - "ring type (cobwebby=c,evanescent=e,flaring=f,large=l,\n\tnone=n,pendant=p,sheathing=s,zone=z)", - "spore print color (black=k,brown=n,buff=b,chocolate=h,green=r,\n\torange=o,purple=u,white=w,yellow=y)", - "population (abundant=a,clustered=c,numerous=n,\n\tscattered=s,several=v,solitary=y)", - "habitat (grasses=g,leaves=l,meadows=m,paths=p\n\turban=u,waste=w,woods=d)", - 0 -}; - - -static void print_variable_importance( CvDTree* dtree ) -{ - const CvMat* var_importance = dtree->get_var_importance(); - int i; - char input[1000]; - - if( !var_importance ) - { - printf( "Error: Variable importance can not be retrieved\n" ); - return; - } - - printf( "Print variable importance information? (y/n) " ); - int values_read = scanf( "%1s", input ); - CV_Assert(values_read == 1); - - if( input[0] != 'y' && input[0] != 'Y' ) - return; - - for( i = 0; i < var_importance->cols*var_importance->rows; i++ ) - { - double val = var_importance->data.db[i]; - char buf[100]; - int len = (int)(strchr( var_desc[i], '(' ) - var_desc[i] - 1); - strncpy( buf, var_desc[i], len ); - buf[len] = '\0'; - printf( "%s", buf ); - printf( ": %g%%\n", val*100. ); - } -} - -static void interactive_classification( CvDTree* dtree ) -{ - char input[1000]; - const CvDTreeNode* root; - CvDTreeTrainData* data; - - if( !dtree ) - return; - - root = dtree->get_root(); - data = dtree->get_data(); - - for(;;) - { - const CvDTreeNode* node; - - printf( "Start/Proceed with interactive mushroom classification (y/n): " ); - int values_read = scanf( "%1s", input ); - CV_Assert(values_read == 1); - - if( input[0] != 'y' && input[0] != 'Y' ) - break; - printf( "Enter 1-letter answers, '?' for missing/unknown value...\n" ); - - // custom version of predict - node = root; - for(;;) - { - CvDTreeSplit* split = node->split; - int dir = 0; - - if( !node->left || node->Tn <= dtree->get_pruned_tree_idx() || !node->split ) - break; - - for( ; split != 0; ) - { - int vi = split->var_idx, j; - int count = data->cat_count->data.i[vi]; - const int* map = data->cat_map->data.i + data->cat_ofs->data.i[vi]; - - printf( "%s: ", var_desc[vi] ); - values_read = scanf( "%1s", input ); - CV_Assert(values_read == 1); - - if( input[0] == '?' ) - { - split = split->next; - continue; - } - - // convert the input character to the normalized value of the variable - for( j = 0; j < count; j++ ) - if( map[j] == input[0] ) - break; - if( j < count ) - { - dir = (split->subset[j>>5] & (1 << (j&31))) ? -1 : 1; - if( split->inversed ) - dir = -dir; - break; - } - else - printf( "Error: unrecognized value\n" ); - } - - if( !dir ) - { - printf( "Impossible to classify the sample\n"); - node = 0; - break; - } - node = dir < 0 ? node->left : node->right; - } - - if( node ) - printf( "Prediction result: the mushroom is %s\n", - node->class_idx == 0 ? "EDIBLE" : "POISONOUS" ); - printf( "\n-----------------------------\n" ); - } -} - - -int main( int argc, char** argv ) -{ - CvMat *data = 0, *missing = 0, *responses = 0; - CvDTree* dtree; - const char* base_path = argc >= 2 ? argv[1] : "agaricus-lepiota.data"; - - help(); - - if( !mushroom_read_database( base_path, &data, &missing, &responses ) ) - { - printf( "\nUnable to load the training database\n\n"); - help(); - return -1; - } - - dtree = mushroom_create_dtree( data, missing, responses, - 10 // poisonous mushrooms will have 10x higher weight in the decision tree - ); - cvReleaseMat( &data ); - cvReleaseMat( &missing ); - cvReleaseMat( &responses ); - - print_variable_importance( dtree ); - interactive_classification( dtree ); - delete dtree; - - return 0; -} diff --git a/samples/cpp/points_classifier.cpp b/samples/cpp/points_classifier.cpp index 26858da886..eedec4b6a8 100644 --- a/samples/cpp/points_classifier.cpp +++ b/samples/cpp/points_classifier.cpp @@ -12,6 +12,7 @@ using namespace std; using namespace cv; +using namespace cv::ml; const Scalar WHITE_COLOR = Scalar(255,255,255); const string winName = "points"; @@ -22,18 +23,20 @@ RNG rng; vector trainedPoints; vector trainedPointsMarkers; -vector classColors; +const int MAX_CLASSES = 2; +vector classColors(MAX_CLASSES); +int currentClass = 0; +vector classCounters(MAX_CLASSES); -#define _NBC_ 0 // normal Bayessian classifier -#define _KNN_ 0 // k nearest neighbors classifier -#define _SVM_ 0 // support vectors machine +#define _NBC_ 1 // normal Bayessian classifier +#define _KNN_ 1 // k nearest neighbors classifier +#define _SVM_ 1 // support vectors machine #define _DT_ 1 // decision tree -#define _BT_ 0 // ADA Boost +#define _BT_ 1 // ADA Boost #define _GBT_ 0 // gradient boosted trees -#define _RF_ 0 // random forest -#define _ERT_ 0 // extremely randomized trees -#define _ANN_ 0 // artificial neural networks -#define _EM_ 0 // expectation-maximization +#define _RF_ 1 // random forest +#define _ANN_ 1 // artificial neural networks +#define _EM_ 1 // expectation-maximization static void on_mouse( int event, int x, int y, int /*flags*/, void* ) { @@ -44,76 +47,43 @@ static void on_mouse( int event, int x, int y, int /*flags*/, void* ) if( event == EVENT_LBUTTONUP ) { - if( classColors.empty() ) - return; - trainedPoints.push_back( Point(x,y) ); - trainedPointsMarkers.push_back( (int)(classColors.size()-1) ); + trainedPointsMarkers.push_back( currentClass ); + classCounters[currentClass]++; updateFlag = true; } - else if( event == EVENT_RBUTTONUP ) - { -#if _BT_ - if( classColors.size() < 2 ) - { -#endif - classColors.push_back( Scalar((uchar)rng(256), (uchar)rng(256), (uchar)rng(256)) ); - updateFlag = true; -#if _BT_ - } - else - cout << "New class can not be added, because CvBoost can only be used for 2-class classification" << endl; -#endif - - } //draw if( updateFlag ) { img = Scalar::all(0); - // put the text - stringstream text; - text << "current class " << classColors.size()-1; - putText( img, text.str(), Point(10,25), FONT_HERSHEY_SIMPLEX, 0.8f, WHITE_COLOR, 2 ); - - text.str(""); - text << "total classes " << classColors.size(); - putText( img, text.str(), Point(10,50), FONT_HERSHEY_SIMPLEX, 0.8f, WHITE_COLOR, 2 ); - - text.str(""); - text << "total points " << trainedPoints.size(); - putText(img, text.str(), Point(10,75), FONT_HERSHEY_SIMPLEX, 0.8f, WHITE_COLOR, 2 ); - // draw points for( size_t i = 0; i < trainedPoints.size(); i++ ) - circle( img, trainedPoints[i], 5, classColors[trainedPointsMarkers[i]], -1 ); + { + Vec3b c = classColors[trainedPointsMarkers[i]]; + circle( img, trainedPoints[i], 5, Scalar(c), -1 ); + } imshow( winName, img ); } } -static void prepare_train_data( Mat& samples, Mat& classes ) +static Mat prepare_train_samples(const vector& pts) { - Mat( trainedPoints ).copyTo( samples ); - Mat( trainedPointsMarkers ).copyTo( classes ); - - // reshape trainData and change its type - samples = samples.reshape( 1, samples.rows ); - samples.convertTo( samples, CV_32FC1 ); + Mat samples; + Mat(pts).reshape(1, (int)pts.size()).convertTo(samples, CV_32F); + return samples; } -#if _NBC_ -static void find_decision_boundary_NBC() +static Ptr prepare_train_data() { - img.copyTo( imgDst ); - - Mat trainSamples, trainClasses; - prepare_train_data( trainSamples, trainClasses ); - - // learn classifier - CvNormalBayesClassifier normalBayesClassifier( trainSamples, trainClasses ); + Mat samples = prepare_train_samples(trainedPoints); + return TrainData::create(samples, ROW_SAMPLE, Mat(trainedPointsMarkers)); +} +static void predict_and_paint(const Ptr& model, Mat& dst) +{ Mat testSample( 1, 2, CV_32FC1 ); for( int y = 0; y < img.rows; y += testStep ) { @@ -122,378 +92,171 @@ static void find_decision_boundary_NBC() testSample.at(0) = (float)x; testSample.at(1) = (float)y; - int response = (int)normalBayesClassifier.predict( testSample ); - circle( imgDst, Point(x,y), 1, classColors[response] ); + int response = (int)model->predict( testSample ); + dst.at(y, x) = classColors[response]; } } } + +#if _NBC_ +static void find_decision_boundary_NBC() +{ + // learn classifier + Ptr normalBayesClassifier = StatModel::train(prepare_train_data(), NormalBayesClassifier::Params()); + + predict_and_paint(normalBayesClassifier, imgDst); +} #endif #if _KNN_ static void find_decision_boundary_KNN( int K ) { - img.copyTo( imgDst ); - - Mat trainSamples, trainClasses; - prepare_train_data( trainSamples, trainClasses ); - - // learn classifier -#if defined HAVE_OPENCV_OCL && _OCL_KNN_ - cv::ocl::KNearestNeighbour knnClassifier; - Mat temp, result; - knnClassifier.train(trainSamples, trainClasses, temp, false, K); - cv::ocl::oclMat testSample_ocl, reslut_ocl; -#else - CvKNearest knnClassifier( trainSamples, trainClasses, Mat(), false, K ); -#endif - - Mat testSample( 1, 2, CV_32FC1 ); - for( int y = 0; y < img.rows; y += testStep ) - { - for( int x = 0; x < img.cols; x += testStep ) - { - testSample.at(0) = (float)x; - testSample.at(1) = (float)y; -#if defined HAVE_OPENCV_OCL && _OCL_KNN_ - testSample_ocl.upload(testSample); - - knnClassifier.find_nearest(testSample_ocl, K, reslut_ocl); - - reslut_ocl.download(result); - int response = saturate_cast(result.at(0)); - circle(imgDst, Point(x, y), 1, classColors[response]); -#else - - int response = (int)knnClassifier.find_nearest( testSample, K ); - circle( imgDst, Point(x,y), 1, classColors[response] ); -#endif - } - } + Ptr knn = StatModel::train(prepare_train_data(), KNearest::Params(K, true)); + predict_and_paint(knn, imgDst); } #endif #if _SVM_ -static void find_decision_boundary_SVM( CvSVMParams params ) +static void find_decision_boundary_SVM( SVM::Params params ) { - img.copyTo( imgDst ); + Ptr svm = StatModel::train(prepare_train_data(), params); + predict_and_paint(svm, imgDst); - Mat trainSamples, trainClasses; - prepare_train_data( trainSamples, trainClasses ); - - // learn classifier -#if defined HAVE_OPENCV_OCL && _OCL_SVM_ - cv::ocl::CvSVM_OCL svmClassifier(trainSamples, trainClasses, Mat(), Mat(), params); -#else - CvSVM svmClassifier( trainSamples, trainClasses, Mat(), Mat(), params ); -#endif - - Mat testSample( 1, 2, CV_32FC1 ); - for( int y = 0; y < img.rows; y += testStep ) + Mat sv = svm->getSupportVectors(); + for( int i = 0; i < sv.rows; i++ ) { - for( int x = 0; x < img.cols; x += testStep ) - { - testSample.at(0) = (float)x; - testSample.at(1) = (float)y; - - int response = (int)svmClassifier.predict( testSample ); - circle( imgDst, Point(x,y), 2, classColors[response], 1 ); - } + const float* supportVector = sv.ptr(i); + circle( imgDst, Point(saturate_cast(supportVector[0]),saturate_cast(supportVector[1])), 5, Scalar(255,255,255), -1 ); } - - - for( int i = 0; i < svmClassifier.get_support_vector_count(); i++ ) - { - const float* supportVector = svmClassifier.get_support_vector(i); - circle( imgDst, Point(saturate_cast(supportVector[0]),saturate_cast(supportVector[1])), 5, CV_RGB(255,255,255), -1 ); - } - } #endif #if _DT_ static void find_decision_boundary_DT() { - img.copyTo( imgDst ); + DTrees::Params params; + params.maxDepth = 8; + params.minSampleCount = 2; + params.useSurrogates = false; + params.CVFolds = 0; // the number of cross-validation folds + params.use1SERule = false; + params.truncatePrunedTree = false; - Mat trainSamples, trainClasses; - prepare_train_data( trainSamples, trainClasses ); + Ptr dtree = StatModel::train(prepare_train_data(), params); - // learn classifier - CvDTree dtree; - - Mat var_types( 1, trainSamples.cols + 1, CV_8UC1, Scalar(CV_VAR_ORDERED) ); - var_types.at( trainSamples.cols ) = CV_VAR_CATEGORICAL; - - CvDTreeParams params; - params.max_depth = 8; - params.min_sample_count = 2; - params.use_surrogates = false; - params.cv_folds = 0; // the number of cross-validation folds - params.use_1se_rule = false; - params.truncate_pruned_tree = false; - - dtree.train( trainSamples, CV_ROW_SAMPLE, trainClasses, - Mat(), Mat(), var_types, Mat(), params ); - - Mat testSample(1, 2, CV_32FC1 ); - for( int y = 0; y < img.rows; y += testStep ) - { - for( int x = 0; x < img.cols; x += testStep ) - { - testSample.at(0) = (float)x; - testSample.at(1) = (float)y; - - int response = (int)dtree.predict( testSample )->value; - circle( imgDst, Point(x,y), 2, classColors[response], 1 ); - } - } + predict_and_paint(dtree, imgDst); } #endif #if _BT_ -void find_decision_boundary_BT() +static void find_decision_boundary_BT() { - img.copyTo( imgDst ); + Boost::Params params( Boost::DISCRETE, // boost_type + 100, // weak_count + 0.95, // weight_trim_rate + 2, // max_depth + false, //use_surrogates + Mat() // priors + ); - Mat trainSamples, trainClasses; - prepare_train_data( trainSamples, trainClasses ); - - // learn classifier - CvBoost boost; - - Mat var_types( 1, trainSamples.cols + 1, CV_8UC1, Scalar(CV_VAR_ORDERED) ); - var_types.at( trainSamples.cols ) = CV_VAR_CATEGORICAL; - - CvBoostParams params( CvBoost::DISCRETE, // boost_type - 100, // weak_count - 0.95, // weight_trim_rate - 2, // max_depth - false, //use_surrogates - 0 // priors - ); - - boost.train( trainSamples, CV_ROW_SAMPLE, trainClasses, Mat(), Mat(), var_types, Mat(), params ); - - Mat testSample(1, 2, CV_32FC1 ); - for( int y = 0; y < img.rows; y += testStep ) - { - for( int x = 0; x < img.cols; x += testStep ) - { - testSample.at(0) = (float)x; - testSample.at(1) = (float)y; - - int response = (int)boost.predict( testSample ); - circle( imgDst, Point(x,y), 2, classColors[response], 1 ); - } - } + Ptr boost = StatModel::train(prepare_train_data(), params); + predict_and_paint(boost, imgDst); } #endif #if _GBT_ -void find_decision_boundary_GBT() +static void find_decision_boundary_GBT() { - img.copyTo( imgDst ); + GBTrees::Params params( GBTrees::DEVIANCE_LOSS, // loss_function_type + 100, // weak_count + 0.1f, // shrinkage + 1.0f, // subsample_portion + 2, // max_depth + false // use_surrogates ) + ); - Mat trainSamples, trainClasses; - prepare_train_data( trainSamples, trainClasses ); - - // learn classifier - CvGBTrees gbtrees; - - Mat var_types( 1, trainSamples.cols + 1, CV_8UC1, Scalar(CV_VAR_ORDERED) ); - var_types.at( trainSamples.cols ) = CV_VAR_CATEGORICAL; - - CvGBTreesParams params( CvGBTrees::DEVIANCE_LOSS, // loss_function_type - 100, // weak_count - 0.1f, // shrinkage - 1.0f, // subsample_portion - 2, // max_depth - false // use_surrogates ) - ); - - gbtrees.train( trainSamples, CV_ROW_SAMPLE, trainClasses, Mat(), Mat(), var_types, Mat(), params ); - - Mat testSample(1, 2, CV_32FC1 ); - for( int y = 0; y < img.rows; y += testStep ) - { - for( int x = 0; x < img.cols; x += testStep ) - { - testSample.at(0) = (float)x; - testSample.at(1) = (float)y; - - int response = (int)gbtrees.predict( testSample ); - circle( imgDst, Point(x,y), 2, classColors[response], 1 ); - } - } + Ptr gbtrees = StatModel::train(prepare_train_data(), params); + predict_and_paint(gbtrees, imgDst); } - #endif #if _RF_ -void find_decision_boundary_RF() +static void find_decision_boundary_RF() { - img.copyTo( imgDst ); - - Mat trainSamples, trainClasses; - prepare_train_data( trainSamples, trainClasses ); - - // learn classifier - CvRTrees rtrees; - CvRTParams params( 4, // max_depth, + RTrees::Params params( 4, // max_depth, 2, // min_sample_count, 0.f, // regression_accuracy, false, // use_surrogates, 16, // max_categories, - 0, // priors, + Mat(), // priors, false, // calc_var_importance, 1, // nactive_vars, - 5, // max_num_of_trees_in_the_forest, - 0, // forest_accuracy, - CV_TERMCRIT_ITER // termcrit_type + TermCriteria(TermCriteria::MAX_ITER, 5, 0) // max_num_of_trees_in_the_forest, ); - rtrees.train( trainSamples, CV_ROW_SAMPLE, trainClasses, Mat(), Mat(), Mat(), Mat(), params ); - - Mat testSample(1, 2, CV_32FC1 ); - for( int y = 0; y < img.rows; y += testStep ) - { - for( int x = 0; x < img.cols; x += testStep ) - { - testSample.at(0) = (float)x; - testSample.at(1) = (float)y; - - int response = (int)rtrees.predict( testSample ); - circle( imgDst, Point(x,y), 2, classColors[response], 1 ); - } - } + Ptr rtrees = StatModel::train(prepare_train_data(), params); + predict_and_paint(rtrees, imgDst); } #endif -#if _ERT_ -void find_decision_boundary_ERT() -{ - img.copyTo( imgDst ); - - Mat trainSamples, trainClasses; - prepare_train_data( trainSamples, trainClasses ); - - // learn classifier - CvERTrees ertrees; - - Mat var_types( 1, trainSamples.cols + 1, CV_8UC1, Scalar(CV_VAR_ORDERED) ); - var_types.at( trainSamples.cols ) = CV_VAR_CATEGORICAL; - - CvRTParams params( 4, // max_depth, - 2, // min_sample_count, - 0.f, // regression_accuracy, - false, // use_surrogates, - 16, // max_categories, - 0, // priors, - false, // calc_var_importance, - 1, // nactive_vars, - 5, // max_num_of_trees_in_the_forest, - 0, // forest_accuracy, - CV_TERMCRIT_ITER // termcrit_type - ); - - ertrees.train( trainSamples, CV_ROW_SAMPLE, trainClasses, Mat(), Mat(), var_types, Mat(), params ); - - Mat testSample(1, 2, CV_32FC1 ); - for( int y = 0; y < img.rows; y += testStep ) - { - for( int x = 0; x < img.cols; x += testStep ) - { - testSample.at(0) = (float)x; - testSample.at(1) = (float)y; - - int response = (int)ertrees.predict( testSample ); - circle( imgDst, Point(x,y), 2, classColors[response], 1 ); - } - } -} -#endif - #if _ANN_ -void find_decision_boundary_ANN( const Mat& layer_sizes ) +static void find_decision_boundary_ANN( const Mat& layer_sizes ) { - img.copyTo( imgDst ); + ANN_MLP::Params params(layer_sizes, ANN_MLP::SIGMOID_SYM, 1, 1, TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 300, FLT_EPSILON), + ANN_MLP::Params::BACKPROP, 0.001); - Mat trainSamples, trainClasses; - prepare_train_data( trainSamples, trainClasses ); - - // prerare trainClasses - trainClasses.create( trainedPoints.size(), classColors.size(), CV_32FC1 ); - for( int i = 0; i < trainClasses.rows; i++ ) + Mat trainClasses = Mat::zeros( (int)trainedPoints.size(), (int)classColors.size(), CV_32FC1 ); + for( int i = 0; i < trainClasses.rows; i++ ) { - for( int k = 0; k < trainClasses.cols; k++ ) - { - if( k == trainedPointsMarkers[i] ) - trainClasses.at(i,k) = 1; - else - trainClasses.at(i,k) = 0; - } + trainClasses.at(i, trainedPointsMarkers[i]) = 1.f; } - Mat weights( 1, trainedPoints.size(), CV_32FC1, Scalar::all(1) ); + Mat samples = prepare_train_samples(trainedPoints); + Ptr tdata = TrainData::create(samples, ROW_SAMPLE, trainClasses); - // learn classifier - CvANN_MLP ann( layer_sizes, CvANN_MLP::SIGMOID_SYM, 1, 1 ); - ann.train( trainSamples, trainClasses, weights ); - - Mat testSample( 1, 2, CV_32FC1 ); - for( int y = 0; y < img.rows; y += testStep ) - { - for( int x = 0; x < img.cols; x += testStep ) - { - testSample.at(0) = (float)x; - testSample.at(1) = (float)y; - - Mat outputs( 1, classColors.size(), CV_32FC1, testSample.data ); - ann.predict( testSample, outputs ); - Point maxLoc; - minMaxLoc( outputs, 0, 0, 0, &maxLoc ); - circle( imgDst, Point(x,y), 2, classColors[maxLoc.x], 1 ); - } - } + Ptr ann = StatModel::train(tdata, params); + predict_and_paint(ann, imgDst); } #endif #if _EM_ -void find_decision_boundary_EM() +static void find_decision_boundary_EM() { img.copyTo( imgDst ); - Mat trainSamples, trainClasses; - prepare_train_data( trainSamples, trainClasses ); + Mat samples = prepare_train_samples(trainedPoints); - vector em_models(classColors.size()); + int i, j, nmodels = (int)classColors.size(); + vector > em_models(nmodels); + Mat modelSamples; - CV_Assert((int)trainClasses.total() == trainSamples.rows); - CV_Assert((int)trainClasses.type() == CV_32SC1); - - for(size_t modelIndex = 0; modelIndex < em_models.size(); modelIndex++) + for( i = 0; i < nmodels; i++ ) { const int componentCount = 3; - em_models[modelIndex] = EM(componentCount, cv::EM::COV_MAT_DIAGONAL); - Mat modelSamples; - for(int sampleIndex = 0; sampleIndex < trainSamples.rows; sampleIndex++) + modelSamples.release(); + for( j = 0; j < samples.rows; j++ ) { - if(trainClasses.at(sampleIndex) == (int)modelIndex) - modelSamples.push_back(trainSamples.row(sampleIndex)); + if( trainedPointsMarkers[j] == i ) + modelSamples.push_back(samples.row(j)); } // learn models - if(!modelSamples.empty()) - em_models[modelIndex].train(modelSamples); + if( !modelSamples.empty() ) + { + em_models[i] = EM::train(modelSamples, noArray(), noArray(), noArray(), + EM::Params(componentCount, EM::COV_MAT_DIAGONAL)); + } } // classify coordinate plane points using the bayes classifier, i.e. // y(x) = arg max_i=1_modelsCount likelihoods_i(x) Mat testSample(1, 2, CV_32FC1 ); + Mat logLikelihoods(1, nmodels, CV_64FC1, Scalar(-DBL_MAX)); + for( int y = 0; y < img.rows; y += testStep ) { for( int x = 0; x < img.cols; x += testStep ) @@ -501,17 +264,14 @@ void find_decision_boundary_EM() testSample.at(0) = (float)x; testSample.at(1) = (float)y; - Mat logLikelihoods(1, em_models.size(), CV_64FC1, Scalar(-DBL_MAX)); - for(size_t modelIndex = 0; modelIndex < em_models.size(); modelIndex++) + for( i = 0; i < nmodels; i++ ) { - if(em_models[modelIndex].isTrained()) - logLikelihoods.at(modelIndex) = em_models[modelIndex].predict(testSample)[0]; + if( !em_models[i].empty() ) + logLikelihoods.at(i) = em_models[i]->predict2(testSample, noArray())[0]; } Point maxLoc; minMaxLoc(logLikelihoods, 0, 0, 0, &maxLoc); - - int response = maxLoc.x; - circle( imgDst, Point(x,y), 2, classColors[response], 1 ); + imgDst.at(y, x) = classColors[maxLoc.x]; } } } @@ -520,7 +280,7 @@ void find_decision_boundary_EM() int main() { cout << "Use:" << endl - << " right mouse button - to add new class;" << endl + << " key '0' .. '1' - switch to class #n" << endl << " left mouse button - to add new point;" << endl << " key 'r' - to run the ML model;" << endl << " key 'i' - to init (clear) the data." << endl << endl; @@ -532,6 +292,9 @@ int main() imshow( "points", img ); setMouseCallback( "points", on_mouse ); + classColors[0] = Vec3b(0, 255, 0); + classColors[1] = Vec3b(0, 0, 255); + for(;;) { uchar key = (uchar)waitKey(); @@ -542,98 +305,94 @@ int main() { img = Scalar::all(0); - classColors.clear(); trainedPoints.clear(); trainedPointsMarkers.clear(); + classCounters.assign(MAX_CLASSES, 0); imshow( winName, img ); } + if( key == '0' || key == '1' ) + { + currentClass = key - '0'; + } + if( key == 'r' ) // run { + double minVal = 0; + minMaxLoc(classCounters, &minVal, 0, 0, 0); + if( minVal == 0 ) + { + printf("each class should have at least 1 point\n"); + continue; + } + img.copyTo( imgDst ); #if _NBC_ find_decision_boundary_NBC(); - namedWindow( "NormalBayesClassifier", WINDOW_AUTOSIZE ); imshow( "NormalBayesClassifier", imgDst ); #endif #if _KNN_ int K = 3; find_decision_boundary_KNN( K ); - namedWindow( "kNN", WINDOW_AUTOSIZE ); imshow( "kNN", imgDst ); K = 15; find_decision_boundary_KNN( K ); - namedWindow( "kNN2", WINDOW_AUTOSIZE ); imshow( "kNN2", imgDst ); #endif #if _SVM_ //(1)-(2)separable and not sets - CvSVMParams params; - params.svm_type = CvSVM::C_SVC; - params.kernel_type = CvSVM::POLY; //CvSVM::LINEAR; + SVM::Params params; + params.svmType = SVM::C_SVC; + params.kernelType = SVM::POLY; //CvSVM::LINEAR; params.degree = 0.5; params.gamma = 1; params.coef0 = 1; params.C = 1; params.nu = 0.5; params.p = 0; - params.term_crit = cvTermCriteria(CV_TERMCRIT_ITER, 1000, 0.01); + params.termCrit = TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 1000, 0.01); find_decision_boundary_SVM( params ); - namedWindow( "classificationSVM1", WINDOW_AUTOSIZE ); imshow( "classificationSVM1", imgDst ); params.C = 10; find_decision_boundary_SVM( params ); - namedWindow( "classificationSVM2", WINDOW_AUTOSIZE ); imshow( "classificationSVM2", imgDst ); #endif #if _DT_ find_decision_boundary_DT(); - namedWindow( "DT", WINDOW_AUTOSIZE ); imshow( "DT", imgDst ); #endif #if _BT_ find_decision_boundary_BT(); - namedWindow( "BT", WINDOW_AUTOSIZE ); imshow( "BT", imgDst); #endif #if _GBT_ find_decision_boundary_GBT(); - namedWindow( "GBT", WINDOW_AUTOSIZE ); imshow( "GBT", imgDst); #endif #if _RF_ find_decision_boundary_RF(); - namedWindow( "RF", WINDOW_AUTOSIZE ); imshow( "RF", imgDst); #endif -#if _ERT_ - find_decision_boundary_ERT(); - namedWindow( "ERT", WINDOW_AUTOSIZE ); - imshow( "ERT", imgDst); -#endif - #if _ANN_ Mat layer_sizes1( 1, 3, CV_32SC1 ); layer_sizes1.at(0) = 2; layer_sizes1.at(1) = 5; - layer_sizes1.at(2) = classColors.size(); + layer_sizes1.at(2) = (int)classColors.size(); find_decision_boundary_ANN( layer_sizes1 ); - namedWindow( "ANN", WINDOW_AUTOSIZE ); imshow( "ANN", imgDst ); #endif #if _EM_ find_decision_boundary_EM(); - namedWindow( "EM", WINDOW_AUTOSIZE ); imshow( "EM", imgDst ); #endif } diff --git a/samples/cpp/segment_objects.cpp b/samples/cpp/segment_objects.cpp index 32c1f39768..814a3d79ff 100644 --- a/samples/cpp/segment_objects.cpp +++ b/samples/cpp/segment_objects.cpp @@ -88,8 +88,8 @@ int main(int argc, char** argv) namedWindow("video", 1); namedWindow("segmented", 1); - Ptr bgsubtractor=createBackgroundSubtractorMOG(); - bgsubtractor->setNoiseSigma(10); + Ptr bgsubtractor=createBackgroundSubtractorMOG2(); + bgsubtractor->setVarThreshold(10); for(;;) { diff --git a/samples/cpp/simpleflow_demo.cpp b/samples/cpp/simpleflow_demo.cpp deleted file mode 100644 index cc84249ec6..0000000000 --- a/samples/cpp/simpleflow_demo.cpp +++ /dev/null @@ -1,221 +0,0 @@ -#include -#include "opencv2/video/tracking.hpp" -#include "opencv2/imgproc.hpp" -#include "opencv2/imgcodecs.hpp" -#include "opencv2/highgui.hpp" - -#include -#include - -using namespace cv; -using namespace std; - -#define APP_NAME "simpleflow_demo : " - -static void help() -{ - // print a welcome message, and the OpenCV version - printf("This is a demo of SimpleFlow optical flow algorithm,\n" - "Using OpenCV version %s\n\n", CV_VERSION); - - printf("Usage: simpleflow_demo frame1 frame2 output_flow" - "\nApplication will write estimated flow " - "\nbetween 'frame1' and 'frame2' in binary format" - "\ninto file 'output_flow'" - "\nThen one can use code from http://vision.middlebury.edu/flow/data/" - "\nto convert flow in binary file to image\n"); -} - -// binary file format for flow data specified here: -// http://vision.middlebury.edu/flow/data/ -static void writeOpticalFlowToFile(const Mat& flow, FILE* file) { - int cols = flow.cols; - int rows = flow.rows; - - fprintf(file, "PIEH"); - - if (fwrite(&cols, sizeof(int), 1, file) != 1 || - fwrite(&rows, sizeof(int), 1, file) != 1) { - printf(APP_NAME "writeOpticalFlowToFile : problem writing header\n"); - exit(1); - } - - for (int i= 0; i < rows; ++i) { - for (int j = 0; j < cols; ++j) { - Vec2f flow_at_point = flow.at(i, j); - - if (fwrite(&(flow_at_point[0]), sizeof(float), 1, file) != 1 || - fwrite(&(flow_at_point[1]), sizeof(float), 1, file) != 1) { - printf(APP_NAME "writeOpticalFlowToFile : problem writing data\n"); - exit(1); - } - } - } -} - -static void run(int argc, char** argv) { - if (argc < 3) { - printf(APP_NAME "Wrong number of command line arguments for mode `run`: %d (expected %d)\n", - argc, 3); - exit(1); - } - - Mat frame1 = imread(argv[0]); - Mat frame2 = imread(argv[1]); - - if (frame1.empty()) { - printf(APP_NAME "Image #1 : %s cannot be read\n", argv[0]); - exit(1); - } - - if (frame2.empty()) { - printf(APP_NAME "Image #2 : %s cannot be read\n", argv[1]); - exit(1); - } - - if (frame1.rows != frame2.rows && frame1.cols != frame2.cols) { - printf(APP_NAME "Images should be of equal sizes\n"); - exit(1); - } - - if (frame1.type() != 16 || frame2.type() != 16) { - printf(APP_NAME "Images should be of equal type CV_8UC3\n"); - exit(1); - } - - printf(APP_NAME "Read two images of size [rows = %d, cols = %d]\n", - frame1.rows, frame1.cols); - - Mat flow; - - float start = (float)getTickCount(); - calcOpticalFlowSF(frame1, frame2, - flow, - 3, 2, 4, 4.1, 25.5, 18, 55.0, 25.5, 0.35, 18, 55.0, 25.5, 10); - printf(APP_NAME "calcOpticalFlowSF : %lf sec\n", (getTickCount() - start) / getTickFrequency()); - - FILE* file = fopen(argv[2], "wb"); - if (file == NULL) { - printf(APP_NAME "Unable to open file '%s' for writing\n", argv[2]); - exit(1); - } - printf(APP_NAME "Writing to file\n"); - writeOpticalFlowToFile(flow, file); - fclose(file); -} - -static bool readOpticalFlowFromFile(FILE* file, Mat& flow) { - char header[5]; - if (fread(header, 1, 4, file) < 4 && (string)header != "PIEH") { - return false; - } - - int cols, rows; - if (fread(&cols, sizeof(int), 1, file) != 1|| - fread(&rows, sizeof(int), 1, file) != 1) { - return false; - } - - flow = Mat::zeros(rows, cols, CV_32FC2); - - for (int i = 0; i < rows; ++i) { - for (int j = 0; j < cols; ++j) { - Vec2f flow_at_point; - if (fread(&(flow_at_point[0]), sizeof(float), 1, file) != 1 || - fread(&(flow_at_point[1]), sizeof(float), 1, file) != 1) { - return false; - } - flow.at(i, j) = flow_at_point; - } - } - - return true; -} - -static bool isFlowCorrect(float u) { - return !cvIsNaN(u) && (fabs(u) < 1e9); -} - -static float calc_rmse(Mat flow1, Mat flow2) { - float sum = 0; - int counter = 0; - const int rows = flow1.rows; - const int cols = flow1.cols; - - for (int y = 0; y < rows; ++y) { - for (int x = 0; x < cols; ++x) { - Vec2f flow1_at_point = flow1.at(y, x); - Vec2f flow2_at_point = flow2.at(y, x); - - float u1 = flow1_at_point[0]; - float v1 = flow1_at_point[1]; - float u2 = flow2_at_point[0]; - float v2 = flow2_at_point[1]; - - if (isFlowCorrect(u1) && isFlowCorrect(u2) && isFlowCorrect(v1) && isFlowCorrect(v2)) { - sum += (u1-u2)*(u1-u2) + (v1-v2)*(v1-v2); - counter++; - } - } - } - return (float)sqrt(sum / (1e-9 + counter)); -} - -static void eval(int argc, char** argv) { - if (argc < 2) { - printf(APP_NAME "Wrong number of command line arguments for mode `eval` : %d (expected %d)\n", - argc, 2); - exit(1); - } - - Mat flow1, flow2; - - FILE* flow_file_1 = fopen(argv[0], "rb"); - if (flow_file_1 == NULL) { - printf(APP_NAME "Cannot open file with first flow : %s\n", argv[0]); - exit(1); - } - if (!readOpticalFlowFromFile(flow_file_1, flow1)) { - printf(APP_NAME "Cannot read flow data from file %s\n", argv[0]); - exit(1); - } - fclose(flow_file_1); - - FILE* flow_file_2 = fopen(argv[1], "rb"); - if (flow_file_2 == NULL) { - printf(APP_NAME "Cannot open file with first flow : %s\n", argv[1]); - exit(1); - } - if (!readOpticalFlowFromFile(flow_file_2, flow2)) { - printf(APP_NAME "Cannot read flow data from file %s\n", argv[1]); - exit(1); - } - fclose(flow_file_2); - - float rmse = calc_rmse(flow1, flow2); - printf("%lf\n", rmse); -} - -int main(int argc, char** argv) { - if (argc < 2) { - printf(APP_NAME "Mode is not specified\n"); - help(); - exit(1); - } - string mode = (string)argv[1]; - int new_argc = argc - 2; - char** new_argv = &argv[2]; - - if ("run" == mode) { - run(new_argc, new_argv); - } else if ("eval" == mode) { - eval(new_argc, new_argv); - } else if ("help" == mode) - help(); - else { - printf(APP_NAME "Unknown mode : %s\n", argv[1]); - help(); - } - - return 0; -} diff --git a/samples/cpp/train_HOG.cpp b/samples/cpp/train_HOG.cpp index e3ee190fc3..fbd217a968 100644 --- a/samples/cpp/train_HOG.cpp +++ b/samples/cpp/train_HOG.cpp @@ -8,9 +8,10 @@ #include using namespace cv; +using namespace cv::ml; using namespace std; -void get_svm_detector(const SVM& svm, vector< float > & hog_detector ); +void get_svm_detector(const Ptr& svm, vector< float > & hog_detector ); void convert_to_ml(const std::vector< cv::Mat > & train_samples, cv::Mat& trainData ); void load_images( const string & prefix, const string & filename, vector< Mat > & img_lst ); void sample_neg( const vector< Mat > & full_neg_lst, vector< Mat > & neg_lst, const Size & size ); @@ -20,49 +21,24 @@ void train_svm( const vector< Mat > & gradient_lst, const vector< int > & labels void draw_locations( Mat & img, const vector< Rect > & locations, const Scalar & color ); void test_it( const Size & size ); -void get_svm_detector(const SVM& svm, vector< float > & hog_detector ) +void get_svm_detector(const Ptr& svm, vector< float > & hog_detector ) { - // get the number of variables - const int var_all = svm.get_var_count(); - // get the number of support vectors - const int sv_total = svm.get_support_vector_count(); - // get the decision function - const CvSVMDecisionFunc* decision_func = svm.get_decision_function(); // get the support vectors - const float** sv = new const float*[ sv_total ]; - for( int i = 0 ; i < sv_total ; ++i ) - sv[ i ] = svm.get_support_vector(i); + Mat sv = svm->getSupportVectors(); + const int sv_total = sv.rows; + // get the decision function + Mat alpha, svidx; + double rho = svm->getDecisionFunction(0, alpha, svidx); - CV_Assert( var_all > 0 && - sv_total > 0 && - decision_func != 0 && - decision_func->alpha != 0 && - decision_func->sv_count == sv_total ); + CV_Assert( alpha.total() == 1 && svidx.total() == 1 && sv_total == 1 ); + CV_Assert( (alpha.type() == CV_64F && alpha.at(0) == 1.) || + (alpha.type() == CV_32F && alpha.at(0) == 1.f) ); + CV_Assert( sv.type() == CV_32F ); + hog_detector.clear(); - float svi = 0.f; - - hog_detector.clear(); //clear stuff in vector. - hog_detector.reserve( var_all + 1 ); //reserve place for memory efficiency. - - /** - * hog_detector^i = \sum_j support_vector_j^i * \alpha_j - * hog_detector^dim = -\rho - */ - for( int i = 0 ; i < var_all ; ++i ) - { - svi = 0.f; - for( int j = 0 ; j < sv_total ; ++j ) - { - if( decision_func->sv_index != NULL ) // sometime the sv_index isn't store on YML/XML. - svi += (float)( sv[decision_func->sv_index[j]][i] * decision_func->alpha[ j ] ); - else - svi += (float)( sv[j][i] * decision_func->alpha[ j ] ); - } - hog_detector.push_back( svi ); - } - hog_detector.push_back( (float)-decision_func->rho ); - - delete[] sv; + hog_detector.resize(sv.cols + 1); + memcpy(&hog_detector[0], sv.data, sv.cols*sizeof(hog_detector[0])); + hog_detector[sv.cols] = (float)-rho; } @@ -263,7 +239,7 @@ Mat get_hogdescriptor_visu(const Mat& color_origImg, vector& descriptorVa int mx = drawX + cellSize/2; int my = drawY + cellSize/2; - rectangle(visu, Point((int)(drawX*zoomFac), (int)(drawY*zoomFac)), Point((int)((drawX+cellSize)*zoomFac), (int)((drawY+cellSize)*zoomFac)), CV_RGB(100,100,100), 1); + rectangle(visu, Point((int)(drawX*zoomFac), (int)(drawY*zoomFac)), Point((int)((drawX+cellSize)*zoomFac), (int)((drawY+cellSize)*zoomFac)), Scalar(100,100,100), 1); // draw in each cell all 9 gradient strengths for (int bin=0; bin& descriptorVa float y2 = my + dirVecY * currentGradStrength * maxVecLen * scale; // draw gradient visualization - line(visu, Point((int)(x1*zoomFac),(int)(y1*zoomFac)), Point((int)(x2*zoomFac),(int)(y2*zoomFac)), CV_RGB(0,255,0), 1); + line(visu, Point((int)(x1*zoomFac),(int)(y1*zoomFac)), Point((int)(x2*zoomFac),(int)(y2*zoomFac)), Scalar(0,255,0), 1); } // for (all bins) @@ -337,28 +313,26 @@ void compute_hog( const vector< Mat > & img_lst, vector< Mat > & gradient_lst, c void train_svm( const vector< Mat > & gradient_lst, const vector< int > & labels ) { - SVM svm; - /* Default values to train SVM */ - SVMParams params; + SVM::Params params; params.coef0 = 0.0; params.degree = 3; - params.term_crit.epsilon = 1e-3; + params.termCrit.epsilon = 1e-3; params.gamma = 0; - params.kernel_type = SVM::LINEAR; + params.kernelType = SVM::LINEAR; params.nu = 0.5; params.p = 0.1; // for EPSILON_SVR, epsilon in loss function? params.C = 0.01; // From paper, soft classifier - params.svm_type = SVM::EPS_SVR; // C_SVC; // EPSILON_SVR; // may be also NU_SVR; // do regression task + params.svmType = SVM::EPS_SVR; // C_SVC; // EPSILON_SVR; // may be also NU_SVR; // do regression task Mat train_data; convert_to_ml( gradient_lst, train_data ); clog << "Start training..."; - svm.train( train_data, Mat( labels ), Mat(), Mat(), params ); + Ptr svm = StatModel::train(train_data, ROW_SAMPLE, Mat(labels), params); clog << "...[done]" << endl; - svm.save( "my_people_detector.yml" ); + svm->save( "my_people_detector.yml" ); } void draw_locations( Mat & img, const vector< Rect > & locations, const Scalar & color ) @@ -380,7 +354,7 @@ void test_it( const Size & size ) Scalar reference( 0, 255, 0 ); Scalar trained( 0, 0, 255 ); Mat img, draw; - SVM svm; + Ptr svm; HOGDescriptor hog; HOGDescriptor my_hog; my_hog.winSize = size; @@ -388,7 +362,7 @@ void test_it( const Size & size ) vector< Rect > locations; // Load the trained SVM. - svm.load( "my_people_detector.yml" ); + svm = StatModel::load( "my_people_detector.yml" ); // Set the trained svm to my_hog vector< float > hog_detector; get_svm_detector( svm, hog_detector ); diff --git a/samples/cpp/trained_classifierNM1.xml b/samples/cpp/trained_classifierNM1.xml deleted file mode 100644 index c395a67df7..0000000000 --- a/samples/cpp/trained_classifierNM1.xml +++ /dev/null @@ -1,4046 +0,0 @@ - - - - RealAdaboost - Gini - 100 - 1. - 1 - 5 - 4 - 4 - 0 - - 0 - 10 - 1 - 10 - 0 - - 1 - 2 -
d
- - 1. 1. - - 1 - 4 -
i
- - 1 2 3 4 - - 0 0 0 0 - - 1 - 1 -
i
- - 2 - - 1 - 2 -
i
- - 1 2 - - <_> - -1 - - <_> - 0 - 1859 - -8.7333809708193622e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 8.9537560939788818e-01 - 8.5429996252059937e-02 - <_> - 1 - 281 - 6.7336438045685210e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1578 - -1.6797288877447023e+00 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 6.8833827526759232e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>2 - 6.0157060623168945e-01 - 1.5000000000000000e+00 - <_> - 1 - 1728 - -2.3830233314576746e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 131 - 1.3270520927417431e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 1.1546319456101495e-14 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 6.0729509592056274e-01 - 1.0963299870491028e-01 - <_> - 1 - 781 - 2.8488485626451149e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1078 - -1.0290340538001230e+00 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 8.8817841970011734e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.8338499069213867e-01 - 9.5209401845932007e-01 - <_> - 1 - 1331 - -4.6437394337436783e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 528 - 4.0542316486679569e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -1.5931700403371249e-14 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.5465269088745117e-01 - 3. - <_> - 1 - 856 - 5.0630658667623052e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1003 - -2.3844591468675169e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -4.0523140398818379e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>2 - 5.5272746086120605e-01 - 5.0000000000000000e-01 - <_> - 1 - 1046 - -3.5086409511139033e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 813 - 3.2363636038761090e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 3.5527136788004883e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.4958724975585938e-01 - 1.6267855167388916e+00 - <_> - 1 - 1811 - -1.0723654593445622e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 48 - 1.6463996332936000e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -1.5543122344752215e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.5254465341567993e-01 - 7.4758999049663544e-02 - <_> - 1 - 149 - 1.0273978441887677e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1710 - -1.3682146780021626e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 1.1990408665951547e-14 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.4537707567214966e-01 - 6.6345453262329102e-01 - <_> - 1 - 455 - -1.0072489119231773e+00 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1404 - 1.1925375544044788e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -7.1054273576010523e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>2 - 5.2146106958389282e-01 - 2.5000000000000000e+00 - <_> - 1 - 1791 - -4.7305821386203636e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 68 - 1.5160735804641536e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 3.7747582837255180e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.2081108093261719e-01 - 5. - <_> - 1 - 1690 - 9.1796156088740075e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 169 - -4.9059916762377265e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -7.1054273576010523e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.2672868967056274e-01 - 1.0963299870491028e-01 - <_> - 1 - 781 - 1.0385059515501381e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1078 - -5.7169325870124055e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -1.1102230246251577e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.2609002590179443e-01 - 3. - <_> - 1 - 856 - 3.2591023278276837e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1003 - -1.6727738809775036e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 3.5527136788004883e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.1409310102462769e-01 - 7.1857005357742310e-02 - <_> - 1 - 114 - 6.4622038086485267e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1745 - -4.9566471799398701e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -7.4940054162198634e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.1351374387741089e-01 - 1.4143149554729462e-01 - <_> - 1 - 1571 - -4.6424296372866977e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 288 - 6.6639156578772774e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 2.6645352591003686e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.2261954545974731e-01 - 1.0177600383758545e-01 - <_> - 1 - 590 - 1.3091283509473614e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1269 - -3.6264100845476954e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.2181720733642578e-01 - 8.9620999991893768e-02 - <_> - 1 - 352 - -2.4183425262980360e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1507 - 1.8605210755965146e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 1.1102230246251554e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0836616754531860e-01 - 1.0963299870491028e-01 - <_> - 1 - 781 - 5.1954271677409611e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1078 - -3.3426585985028628e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 3.7747582837255180e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0880891084671021e-01 - 1.1348484754562378e+00 - <_> - 1 - 1664 - -7.4858358240636261e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 195 - 2.4031047447238377e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -1.3322676295501896e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.1081919670104980e-01 - 1.2661495208740234e+00 - <_> - 1 - 1730 - 5.6719022662652843e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 129 - -4.0229379476194682e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 5.5511151231257519e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0904816389083862e-01 - 2.3689103126525879e+00 - <_> - 1 - 1838 - -1.9140961693183144e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 21 - 1.7878855228391193e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -9.2703622556201423e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0664407014846802e-01 - 2.2119045257568359e+00 - <_> - 1 - 1836 - 1.8191803445960011e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 23 - -9.2985231739132745e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -1.1102230246251577e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0936371088027954e-01 - 1.2460045814514160e+00 - <_> - 1 - 1724 - -5.7918483977216939e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 135 - 3.3577728337370422e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 2.4424906541753385e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0752711296081543e-01 - 9.5505046844482422e-01 - <_> - 1 - 1341 - 1.1992717133073164e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 518 - -1.2680428752841727e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -4.8849813083507124e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0749230384826660e-01 - 7.8355848789215088e-01 - <_> - 1 - 764 - -2.4384603502165489e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1095 - 6.2746713049518996e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 1.9984014443252778e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0703763961791992e-01 - 6.3535496592521667e-02 - <_> - 1 - 59 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1800 - -1.4076159604991374e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 4.4512436177016777e-05 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0712978839874268e-01 - 6.4906999468803406e-02 - <_> - 1 - 61 - -2.8822016897573164e+00 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1798 - 1.4394134992880541e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 4.4408920985006242e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.1009607315063477e-01 - 6.9339498877525330e-02 - <_> - 1 - 87 - 1.6547355644710868e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1772 - -2.1726950528099288e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -1.1102230246251577e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.0710922479629517e-01 - 7. - <_> - 1 - 1823 - 1.7568593940350565e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 36 - -1.1252698341588880e+00 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -1.7763568394002536e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0767201185226440e-01 - 8.0150999128818512e-02 - <_> - 1 - 206 - 2.7041738749866351e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1653 - -5.8184179168035623e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 3.3306690738754586e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0510478019714355e-01 - 6.2720644474029541e-01 - <_> - 1 - 374 - -4.5462988716181019e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1485 - 2.3987712659202257e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -4.2188474935756130e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>2 - 5.0439256429672241e-01 - 2.5000000000000000e+00 - <_> - 1 - 1791 - -1.5635519241144060e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 68 - 6.3562787613239691e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 6.6613381477508951e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.0438237190246582e-01 - 3. - <_> - 1 - 856 - 1.3081676957882793e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1003 - -6.7484142743913345e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 1.1102230246251554e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0724387168884277e-01 - 1.1533749848604202e-01 - <_> - 1 - 921 - 4.0250806766256482e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 938 - -3.7703668263161400e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -5.8286708792821058e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0915646553039551e-01 - 1.4143149554729462e-01 - <_> - 1 - 1571 - -3.3928131204983447e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 288 - 6.0410410576585261e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 4.2188474935755767e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0659310817718506e-01 - 1.4145749807357788e-01 - <_> - 1 - 1572 - 2.0368450770510211e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 287 - -7.7093695859120004e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -1.3877787807814476e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0616967678070068e-01 - 1.6267855167388916e+00 - <_> - 1 - 1811 - -2.4173163361906828e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 48 - 5.6348494257358028e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -3.8857805861880494e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0677150487899780e-01 - 1.2661495208740234e+00 - <_> - 1 - 1730 - 4.0402378477571901e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 129 - -3.4888339817180891e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 4.4408920985006242e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0588327646255493e-01 - 1.0797724723815918e+00 - <_> - 1 - 1608 - -6.8287991647037555e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 251 - 1.7431967242459881e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 4.6629367034256354e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0476020574569702e-01 - 9.2052650451660156e-01 - <_> - 1 - 1253 - 1.0513502662517235e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 606 - -9.1138849679050823e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 1.5543122344752168e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0690639019012451e-01 - 9.0829002857208252e-01 - <_> - 1 - 1219 - -1.4636537853223561e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 640 - 9.5332675553986543e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 4.2188474935755767e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0534439086914062e-01 - 9.2052650451660156e-01 - <_> - 1 - 1253 - 1.1293790129864213e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 606 - -9.5332675553986113e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -2.1649348980190600e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0435024499893188e-01 - 9.3664005398750305e-02 - <_> - 1 - 411 - 8.4555682036086433e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1448 - -1.0351006034230040e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0704753398895264e-01 - 9.9698998034000397e-02 - <_> - 1 - 544 - -8.5042709024257673e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1315 - 1.6769533771522532e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 1.5543122344752168e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0574851036071777e-01 - 1.0386450588703156e-01 - <_> - 1 - 639 - 5.3643508899729207e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1220 - -2.1791341988666471e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0597953796386719e-01 - 1.4143149554729462e-01 - <_> - 1 - 1571 - -2.3199011211312900e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 288 - 5.7032019870719552e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 1.5543122344752168e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0620901584625244e-01 - 1.1533749848604202e-01 - <_> - 1 - 921 - 3.0260573388611104e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 938 - -4.3620446423872927e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -6.6613381477509432e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0698792934417725e-01 - 1.0789400339126587e-01 - <_> - 1 - 742 - -4.7900146843168623e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1117 - 3.0074316296999687e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -6.6613381477509432e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0459891557693481e-01 - 9.0829002857208252e-01 - <_> - 1 - 1219 - -1.1779072393798255e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 640 - 7.8608870331688729e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 1.3322676295501861e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0399231910705566e-01 - 3.3933651447296143e-01 - <_> - 1 - 59 - 1.3770357317310018e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1800 - -9.0707243801608061e-03 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -2.6090241078691246e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0383007526397705e-01 - 1.0386450588703156e-01 - <_> - 1 - 639 - 4.0916632352681503e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1220 - -1.8955755646648090e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -6.6613381477509432e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0380486249923706e-01 - 9.9698998034000397e-02 - <_> - 1 - 544 - -5.8888670701558621e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1315 - 1.3009980239826119e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 2.2204460492503083e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0560057163238525e-01 - 9.4531498849391937e-02 - <_> - 1 - 431 - 8.6647133637941770e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1428 - -1.3032934253469194e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -1.3877787807814476e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0492835044860840e-01 - 8.9620999991893768e-02 - <_> - 1 - 352 - -1.0506312397672390e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1507 - 9.4441739612300818e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -9.4368957093138405e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0368678569793701e-01 - 9.2722505331039429e-02 - <_> - 1 - 392 - 7.6022467408684444e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1467 - -9.7486085972466607e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 3.1086244689504288e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0421810150146484e-01 - 9.9444493651390076e-02 - <_> - 1 - 536 - -6.3752797298286562e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1323 - 1.3328967944519532e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 4.4408920985006242e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0323176383972168e-01 - 1.0177600383758545e-01 - <_> - 1 - 590 - 4.3831310206729070e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1269 - -1.4864401441489694e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -8.8817841970012602e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0349098443984985e-01 - 1.0789400339126587e-01 - <_> - 1 - 742 - -3.4075730824220232e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1117 - 2.0791874238488089e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -4.4408920985006281e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0392138957977295e-01 - 1.0963299870491028e-01 - <_> - 1 - 781 - 2.6986027157566792e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1078 - -2.9932407189155552e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -6.6613381477509432e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0362765789031982e-01 - 2.3689103126525879e+00 - <_> - 1 - 1838 - -9.2384036977927863e-03 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 21 - 1.0592165467278325e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -1.9984014443252857e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0543153285980225e-01 - 2.2119045257568359e+00 - <_> - 1 - 1836 - 1.5914551618823981e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 23 - -8.3405482949082688e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 3.5527136788004883e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0523018836975098e-01 - 1.6267855167388916e+00 - <_> - 1 - 1811 - -1.9824411253917307e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 48 - 5.8698394468331438e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -4.2188474935756130e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0369459390640259e-01 - 1.2661495208740234e+00 - <_> - 1 - 1730 - 2.8318382799977653e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 129 - -2.6718445379285333e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0479084253311157e-01 - 1.2460045814514160e+00 - <_> - 1 - 1724 - -3.7451522137317672e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 135 - 2.6178246916992864e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 6.6613381477509353e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0358188152313232e-01 - 1.2661495208740234e+00 - <_> - 1 - 1730 - 2.7995062956094632e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 129 - -2.6178246916992898e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>2 - 5.0313872098922729e-01 - 5.0000000000000000e-01 - <_> - 1 - 1046 - -8.7344555737785268e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 813 - 7.2176940461025546e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -1.9984014443252857e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0293076038360596e-01 - 1.2460045814514160e+00 - <_> - 1 - 1724 - -2.8268637265518849e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 135 - 2.1045949672703843e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 4.2188474935755767e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.0332474708557129e-01 - 3. - <_> - 1 - 856 - 1.2230679161917310e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1003 - -5.4692581535459049e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -1.9984014443252857e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0446850061416626e-01 - 1.1533749848604202e-01 - <_> - 1 - 921 - 2.3320665865473968e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 938 - -4.0391049572091403e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 1.5543122344752168e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0324887037277222e-01 - 8.0150999128818512e-02 - <_> - 1 - 206 - 1.6178738318585617e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1653 - -4.0534413064780048e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 1.5543122344752168e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0377529859542847e-01 - 1.4143149554729462e-01 - <_> - 1 - 1571 - -1.6597530926694307e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 288 - 4.9094014377722600e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -3.1086244689504478e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0313144922256470e-01 - 4.5337548851966858e-01 - <_> - 1 - 110 - -8.1199669103862704e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1749 - 9.3381880402274662e-03 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 3.7747582837255180e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0475740432739258e-01 - 4.5797997713088989e-01 - <_> - 1 - 113 - 6.8212891092482997e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1746 - -1.6049266927207175e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -6.6613381477509432e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0308030843734741e-01 - 6.4906999468803406e-02 - <_> - 1 - 61 - -1.8287112564925503e+00 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1798 - 6.4869817401182221e-03 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 6.6613381477509353e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0292497873306274e-01 - 1.4145749807357788e-01 - <_> - 1 - 1572 - 1.1075480383243890e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 287 - -5.8766713493584966e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -6.6613381477509432e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0272303819656372e-01 - 1.0132449865341187e-01 - <_> - 1 - 577 - -4.4462051722396978e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1282 - 1.2318755109692310e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 1.5543122344752168e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0431984663009644e-01 - 9.4531498849391937e-02 - <_> - 1 - 431 - 7.5132879390893734e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1428 - -1.1572265040778912e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -6.6613381477509432e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0449663400650024e-01 - 8.3246499300003052e-02 - <_> - 1 - 254 - -1.3886315377806810e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1605 - 6.5272198323505989e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0269138813018799e-01 - 8.0150999128818512e-02 - <_> - 1 - 206 - 1.4709439757444326e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1653 - -3.6874150180988774e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -6.6613381477509432e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>2 - 5.0234586000442505e-01 - 5.5000000000000000e+00 - <_> - 1 - 1819 - -6.0288987564491008e-03 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 40 - 1.0408276196291879e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>2 - 5.0341212749481201e-01 - 4.5000000000000000e+00 - <_> - 1 - 1810 - 1.0137680632639267e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 49 - -8.1653792840371642e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -1.2767564783189316e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0258362293243408e-01 - 9.2052650451660156e-01 - <_> - 1 - 1253 - 7.8639624293829910e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 606 - -6.5938476875607277e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 2.8865798640253987e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0378650426864624e-01 - 6.9388854503631592e-01 - <_> - 1 - 533 - -2.7381819728273915e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1326 - 2.8352394260546955e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -1.1102230246251577e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>2 - 5.0225412845611572e-01 - 2.5000000000000000e+00 - <_> - 1 - 1791 - -1.0029134530916375e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 68 - 4.8411186971158215e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -2.2204460492503178e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0205397605895996e-01 - 2.3689103126525879e+00 - <_> - 1 - 1838 - -6.5406523866491815e-03 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 21 - 7.3822507765214740e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 2.8865798640253987e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0392109155654907e-01 - 2.2119045257568359e+00 - <_> - 1 - 1836 - 1.2851614092359220e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 23 - -7.0930664915331199e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -1.7208456881689956e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0325584411621094e-01 - 1.6267855167388916e+00 - <_> - 1 - 1811 - -1.4416639629038558e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 48 - 4.8685109113945280e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 1.5543122344752168e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0334036350250244e-01 - 1.4522725343704224e+00 - <_> - 1 - 1776 - 2.1134121503482612e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 83 - -3.2737254080837347e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0246149301528931e-01 - 9.0829002857208252e-01 - <_> - 1 - 1219 - -8.5346673521825803e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 640 - 5.7886290686531831e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 4.4408920985006242e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0454872846603394e-01 - 7.8601944446563721e-01 - <_> - 1 - 774 - 1.8066758954429543e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1085 - -5.0945701357667621e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 3.1086244689504288e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0212800502777100e-01 - 1.5322914123535156e+00 - <_> - 1 - 1796 - -1.4167158667728857e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 63 - 3.0999551339753734e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -8.8817841970012602e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0266414880752563e-01 - 1.0847599804401398e-01 - <_> - 1 - 754 - 2.2656461251734570e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1105 - -2.3970407856964623e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 8.8817841970012444e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0370788574218750e-01 - 1.0789400339126587e-01 - <_> - 1 - 742 - -3.1940419009583935e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1117 - 2.3657134249111228e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0368273258209229e-01 - 1.0177600383758545e-01 - <_> - 1 - 590 - 4.4494384607886871e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1269 - -1.6718599716109608e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0391924381256104e-01 - 1.0132449865341187e-01 - <_> - 1 - 577 - -5.2562531380568607e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1282 - 1.5038797351826086e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -2.1649348980190600e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0355648994445801e-01 - 9.2722505331039429e-02 - <_> - 1 - 392 - 7.2872834808621612e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1467 - -9.8094551697467572e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 6.6613381477509353e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0229591131210327e-01 - 1.4143149554729462e-01 - <_> - 1 - 1571 - -1.1560090798064190e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 288 - 4.2036013274394679e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0365710258483887e-01 - 1.0963299870491028e-01 - <_> - 1 - 781 - 2.1235893234003624e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1078 - -3.5916730278930570e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - -2.2204460492503178e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0305408239364624e-01 - 9.1055497527122498e-02 - <_> - 1 - 376 - -7.5233897759775223e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1483 - 8.1521687774440590e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 1859 - 2.4424906541753385e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0231134891510010e-01 - 8.8118501007556915e-02 - <_> - 1 - 322 - 7.4755757692778257e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1537 - -6.2031478956482825e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - diff --git a/samples/cpp/trained_classifierNM2.xml b/samples/cpp/trained_classifierNM2.xml deleted file mode 100644 index eae66f01ab..0000000000 --- a/samples/cpp/trained_classifierNM2.xml +++ /dev/null @@ -1,4046 +0,0 @@ - - - - RealAdaboost - Gini - 100 - 1. - 1 - 8 - 7 - 7 - 0 - - 0 - 10 - 1 - 10 - 0 - - 1 - 2 -
d
- - 1. 1. - - 1 - 7 -
i
- - 1 2 3 4 5 6 7 - - 0 0 0 0 0 0 0 - - 1 - 1 -
i
- - 2 - - 1 - 2 -
i
- - 1 2 - - <_> - -1 - - <_> - 0 - 3215 - -2.0078929470944956e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>6 - 8.7790262699127197e-01 - 8.5000000000000000e+00 - <_> - 1 - 2105 - -1.1353035616351272e+00 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1110 - 2.0526971992043412e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.0428103653102464e-14 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>6 - 6.9283843040466309e-01 - 4.5000000000000000e+00 - <_> - 1 - 1558 - -1.1814132639953403e+00 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1657 - 5.0475867936025332e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -2.2259971643734884e-14 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>4 - 7.1280795335769653e-01 - 1.2044999748468399e-03 - <_> - 1 - 1475 - -7.9375129344950335e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1740 - 7.6558743305188104e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.4424906541753385e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 5.9598809480667114e-01 - 1.6245440244674683e+00 - <_> - 1 - 1385 - -5.4645841888834568e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1830 - 4.0662339031566280e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 6.2172489379008380e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>2 - 5.5169683694839478e-01 - 1.5000000000000000e+00 - <_> - 1 - 2960 - -1.2615933276314473e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 255 - 1.1688135468772842e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -8.4376949871512607e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.4812711477279663e-01 - 5. - <_> - 1 - 2891 - 1.3088588195700304e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 324 - -9.4959634248367153e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.8865798640253987e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.9334284067153931e-01 - 9.2769998311996460e-01 - <_> - 1 - 1964 - -4.5236837327316332e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1251 - 4.7279968034956410e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -1.3322676295501896e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 5.6080043315887451e-01 - 2.2512035369873047e+00 - <_> - 1 - 2464 - -2.1052010276554461e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 751 - 6.7174941695746326e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -7.3274719625260868e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.3896796703338623e-01 - 1.6267855167388916e+00 - <_> - 1 - 3041 - -8.1739798958620380e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 174 - 1.8924547997011532e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 3.3306690738754586e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>6 - 5.3723198175430298e-01 - 2.5000000000000000e+00 - <_> - 1 - 851 - -9.3661052654285037e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2364 - 1.0184709367515142e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 1.2656542480726624e-14 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.4598015546798706e-01 - 3. - <_> - 1 - 1494 - 3.5820791601148183e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1721 - -2.7428866405164359e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -1.3322676295501896e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>4 - 5.5166077613830566e-01 - 2.9999999242136255e-05 - <_> - 1 - 1467 - -3.3467424181887540e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1748 - 3.3182965736372233e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 1.3322676295501861e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>6 - 5.4394942522048950e-01 - 6.5000000000000000e+00 - <_> - 1 - 1817 - -2.9822080188111177e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1398 - 3.1329368107827943e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.6645352591003686e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.3358083963394165e-01 - 1.3833449780941010e-01 - <_> - 1 - 2635 - 8.0265603900023089e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 580 - -1.2162305066944930e+00 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -6.4392935428259497e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>4 - 5.3098827600479126e-01 - 1.2702149152755737e-01 - <_> - 1 - 2676 - 1.3513810711631610e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 539 - -4.9909506904561546e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 3.7747582837255180e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>6 - 5.3376436233520508e-01 - 9.5000000000000000e+00 - <_> - 1 - 2193 - 1.3117433044170448e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1022 - -5.7326180584233111e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 1.7763568394002473e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>2 - 5.2698892354965210e-01 - 2.5000000000000000e+00 - <_> - 1 - 3127 - -5.4553392906591960e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 88 - 2.6688100460888684e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -3.0531133177191900e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>6 - 5.2742463350296021e-01 - 1.2500000000000000e+01 - <_> - 1 - 2620 - -5.4904310687255702e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 595 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 1.7368061883308035e-04 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 5.2537131309509277e-01 - 3.7997097969055176e+00 - <_> - 1 - 3184 - -5.4291952000757461e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 31 - 1.6789882514261603e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 1.9984014443252778e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.3548330068588257e-01 - 6.6345453262329102e-01 - <_> - 1 - 777 - -9.1576813577644156e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2438 - 9.8351123166090529e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -6.6613381477509432e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.2158576250076294e-01 - 5. - <_> - 1 - 2891 - 8.1007865418959935e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 324 - -5.9585687406274601e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -6.6613381477509432e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.2358013391494751e-01 - 1.0659420490264893e+00 - <_> - 1 - 2457 - -1.3607641362335321e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 758 - 3.6397269406151606e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 3.7747582837255180e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 5.2605414390563965e-01 - 1.3934500217437744e+00 - <_> - 1 - 909 - -4.4217410871376006e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2306 - 1.2609161734369648e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 1.5543122344752168e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>4 - 5.2353090047836304e-01 - 1.2044999748468399e-03 - <_> - 1 - 1475 - -2.0545012432588597e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1740 - 2.3659867388791755e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -1.8318679906315118e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.2399057149887085e-01 - 4.7306199073791504e+00 - <_> - 1 - 3204 - -4.8506775757358948e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 11 - 2.6435685747751951e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503083e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>6 - 5.2452313899993896e-01 - 6.5000000000000000e+00 - <_> - 1 - 1817 - -2.0830922304142732e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1398 - 2.4354914812770342e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 3.7747582837255180e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.1760864257812500e-01 - 7.4752002954483032e-02 - <_> - 1 - 270 - 7.4056582493755241e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2945 - -5.6004456612259952e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 1.5543122344752168e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.1595693826675415e-01 - 5. - <_> - 1 - 2891 - 6.8929447086892887e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 324 - -5.0204800200277599e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -8.8262730457700718e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>4 - 5.1432991027832031e-01 - 2.5954151153564453e-01 - <_> - 1 - 2981 - 3.1556263241584975e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 234 - -1.5189501708336401e+00 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>2 - 5.1588785648345947e-01 - 1.5000000000000000e+00 - <_> - 1 - 2960 - -6.0429432019906144e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 255 - 5.8525011139658878e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.4424906541753385e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 5.2001929283142090e-01 - 1.3934500217437744e+00 - <_> - 1 - 909 - -4.6709016373000739e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2306 - 9.2123924914545782e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.6645352591003686e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>4 - 5.1656109094619751e-01 - 1.2044999748468399e-03 - <_> - 1 - 1475 - -1.6749125053548522e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1740 - 2.0231653132989663e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -3.7747582837255464e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.1900207996368408e-01 - 3. - <_> - 1 - 1494 - 2.5948749710951657e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1721 - -1.5086548637238759e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -1.3322676295501896e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.1032912731170654e-01 - 1.1417410373687744e+00 - <_> - 1 - 2628 - -6.3461321700044010e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 587 - 3.3830370061028520e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 1.1102230246251554e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 5.1085340976715088e-01 - 1.3021064996719360e+00 - <_> - 1 - 734 - -3.7065768373801600e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2481 - 6.1297280870936215e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 4.4408920985006242e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>2 - 5.1171976327896118e-01 - 1.5000000000000000e+00 - <_> - 1 - 2960 - -5.1679907432686661e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 255 - 4.8967202182224279e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -3.3306690738754807e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>4 - 5.1276576519012451e-01 - 1.4958450198173523e-01 - <_> - 1 - 2755 - 7.7575074151822049e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 460 - -3.4258234102830631e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>4 - 5.0944852828979492e-01 - 2.5842750072479248e-01 - <_> - 1 - 2980 - -2.8188779664253410e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 235 - 8.1175021374635614e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -5.2735593669695212e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 5.1038962602615356e-01 - 1.4510664939880371e+00 - <_> - 1 - 1007 - -3.3150262977164136e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2208 - 6.5052948330937457e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 1.3322676295501861e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>4 - 5.1113504171371460e-01 - 2.4550000671297312e-04 - <_> - 1 - 1471 - -1.2860595713867043e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1744 - 1.7591144586528801e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -8.8817841970012602e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>4 - 5.1135826110839844e-01 - 1.9797500967979431e-01 - <_> - 1 - 2857 - 4.5695890739118755e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 358 - -5.4593965595422900e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.8865798640253987e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 5.0861865282058716e-01 - 4.4535398483276367e+00 - <_> - 1 - 3204 - -1.7238960071156845e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 11 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 5.4514379135116734e-05 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 5.1613724231719971e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 5.4514379101591658e-05 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -4.2188474935756130e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 5.8550304174423218e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - -4.2188474935756130e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.1834394931793213e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2149631977081299e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2519973516464233e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.3510566949844360e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.3096535205841064e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.0966378450393677e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.3168644905090332e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.3053596019744873e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.1062115430831909e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2805336713790894e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.3325423002243042e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.0798364877700806e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2765526771545410e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.3239699602127075e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.0819625854492188e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2792611122131348e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.3205927610397339e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.0529828071594238e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2831163406372070e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.3197416067123413e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.0644149780273438e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2831127643585205e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2990629673004150e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.1229735612869263e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2957435846328735e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2827998399734497e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.1507642269134521e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 4.4408920985006242e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.3906562328338623e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 4.4408920985006242e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -4.4408920985006281e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2384939193725586e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - -4.4408920985006281e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.3710451126098633e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.3055968284606934e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2932032346725464e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2085735797882080e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2932032346725464e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2085735797882080e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2932032346725464e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2085735797882080e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2932032346725464e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2085735797882080e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2932032346725464e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2085735797882080e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2932032346725464e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2085735797882080e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2932032346725464e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2085735797882080e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2932032346725464e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2085735797882080e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2932032346725464e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2085735797882080e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2932032346725464e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2085735797882080e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2932032346725464e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2085735797882080e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2932032346725464e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2085735797882080e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 3215 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 6.2932032346725464e-01 - 1.3783290863037109e+01 - <_> - 1 - 3214 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - diff --git a/samples/cpp/trained_classifier_erGrouping.xml b/samples/cpp/trained_classifier_erGrouping.xml deleted file mode 100644 index 2c20941984..0000000000 --- a/samples/cpp/trained_classifier_erGrouping.xml +++ /dev/null @@ -1,20046 +0,0 @@ - - - - RealAdaboost - Gini - 500 - 1. - 1 - 14 - 13 - 13 - 0 - - 0 - 10 - 1 - 10 - 0 - - 1 - 2 -
d
- - 1. 1. - - 1 - 13 -
i
- - 1 2 3 4 5 6 7 8 9 10 11 12 13 - - 0 0 0 0 0 0 0 0 0 0 0 0 0 - - 1 - 1 -
i
- - 2 - - 1 - 2 -
i
- - 1 2 - - <_> - -1 - - <_> - 0 - 4743 - 4.9283312788368594e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 7.8683781623840332e-01 - 6.9047653675079346e-01 - <_> - 1 - 2922 - 1.6857763325385804e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1821 - -3.1962829546244120e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 2.2204460492502639e-14 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 6.7457795143127441e-01 - 1.6023799896240234e+01 - <_> - 1 - 2515 - 1.3206782471212661e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2228 - -4.2691437618953676e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 4.4408920985004293e-14 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>8 - 5.7657080888748169e-01 - 1.6375650465488434e-01 - <_> - 1 - 1474 - 1.0082101731479634e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 3269 - -2.0291975151863534e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.2735593669695212e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.7874917984008789e-01 - 3.5000000000000000e+00 - <_> - 1 - 1572 - 6.6258072337754870e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 3171 - -2.7849567684989057e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -2.8033131371785988e-14 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>4 - 5.7350283861160278e-01 - 2.0137399435043335e-01 - <_> - 1 - 2403 - -2.6904319035307267e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2340 - 6.3213741437159332e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 1.5987211554601999e-14 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 5.3986549377441406e-01 - 1.8935400247573853e-01 - <_> - 1 - 3239 - -2.1807445008848766e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1504 - 3.9003601258549259e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -1.6209256159527547e-14 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>7 - 5.4257267713546753e-01 - 1.9909399747848511e+00 - <_> - 1 - 3510 - -1.4642486399320545e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1233 - 6.7101157562183900e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 1.2434497875801599e-14 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.2853012084960938e-01 - 9.9499998092651367e+00 - <_> - 1 - 1885 - 2.2777850958001311e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2858 - -5.8338305506186260e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 3.7747582837255180e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 5.3673779964447021e-01 - 9.7619050741195679e-01 - <_> - 1 - 3151 - -3.5930648005686938e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1592 - 2.1654027823349378e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -2.7200464103316410e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>7 - 5.3578829765319824e-01 - 9.2159950733184814e-01 - <_> - 1 - 1218 - 6.4123671413103334e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 3525 - -1.2719991722274782e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -1.1601830607333020e-14 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>8 - 5.1844090223312378e-01 - 1.1316300183534622e-01 - <_> - 1 - 523 - 1.1096767031411257e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 4220 - -4.5908136732827669e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 1.1102230246251554e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 5.1862132549285889e-01 - 1.1357150226831436e-01 - <_> - 1 - 1797 - -2.6090015710605080e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2946 - 1.4702132673542537e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 1.5543122344752168e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>6 - 5.1400643587112427e-01 - 2.9116147756576538e-01 - <_> - 1 - 3975 - -8.8992417491750783e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 768 - 3.2676272240123133e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -2.1649348980190600e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.1310420036315918e-01 - 1.6420200347900391e+01 - <_> - 1 - 2556 - -3.7663847348796514e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2187 - 7.2973860683903505e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.7176485768195885e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.1715815067291260e-01 - 4.1513149261474609e+01 - <_> - 1 - 4201 - 1.0650192844355898e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 542 - -3.3547294967904301e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 2.8865798640253987e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>10 - 5.1442718505859375e-01 - 3.3584448695182800e-01 - <_> - 1 - 3773 - -5.3875269838492043e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 970 - 5.9866021590419249e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>11 - 5.2047514915466309e-01 - 7.2563352584838867e+00 - <_> - 1 - 2907 - 1.9519205768354500e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1836 - -2.1573812016026100e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0942456722259521e-01 - 7.5000000000000000e+00 - <_> - 1 - 3372 - 8.7119641811032406e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1371 - -2.2040766706823176e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -1.7763568394002536e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>11 - 5.0977617502212524e-01 - 2.2220800399780273e+01 - <_> - 1 - 4448 - -3.3399807812663676e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 295 - 6.7097467134531630e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -2.4424906541753503e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>11 - 5.0756561756134033e-01 - 1.6015799045562744e+00 - <_> - 1 - 887 - 4.6319919460984282e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 3856 - -3.4984615268834660e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 2.4424906541753385e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>12 - 5.0974738597869873e-01 - 3.3431649208068848e+00 - <_> - 1 - 1502 - -3.1609833725570069e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 3241 - 6.3800083493002244e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -1.8318679906315118e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0696289539337158e-01 - 1.8561398983001709e-01 - <_> - 1 - 3255 - -8.2400708302973011e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1488 - 1.7103105096148030e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 4.4408920985006242e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>2 - 5.0570565462112427e-01 - 6.0240797698497772e-02 - <_> - 1 - 267 - -3.9841144233646475e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 4476 - 3.0150891834205489e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>4 - 5.0760245323181152e-01 - 1.1740300059318542e-01 - <_> - 1 - 1277 - 1.3462101791484546e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 3466 - -1.1412058806711589e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 1.7763568394002473e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>10 - 5.0815576314926147e-01 - 1.9874200224876404e-01 - <_> - 1 - 2673 - -7.2884347987806367e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2070 - 2.2806968894448212e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -4.9960036108132074e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>8 - 5.0588154792785645e-01 - 7.1773901581764221e-02 - <_> - 1 - 244 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 4499 - -1.1763652665445799e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 3.7199596169089356e-05 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>7 - 5.0559371709823608e-01 - 1.3080499172210693e+00 - <_> - 1 - 2610 - -8.5164847124080928e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2133 - 1.3242723306938603e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -4.9960036108132074e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 5.0688451528549194e-01 - 2.4852949380874634e-01 - <_> - 1 - 1450 - 4.0668167968213126e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 3293 - -3.5718409743961593e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 1.3322676295501861e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>11 - 5.0737321376800537e-01 - 1.1785449981689453e+01 - <_> - 1 - 3672 - 7.2598161777983533e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1071 - -2.0636167187902807e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>8 - 5.0646328926086426e-01 - 2.2429150342941284e-01 - <_> - 1 - 3128 - 1.3477041265837905e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1615 - -9.6796664734187812e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 1.1102230246251554e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>8 - 5.0777083635330200e-01 - 1.6607899963855743e-01 - <_> - 1 - 1528 - -3.2886395737427671e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 3215 - 4.8989548978453992e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 6.6613381477509353e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.0604039430618286e-01 - 9.8333351135253906e+01 - <_> - 1 - 4695 - -2.4308937783907102e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 48 - 5.4540492970830234e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 4.4408920985006242e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>1 - 5.0586992502212524e-01 - 1.6361099243164062e+01 - <_> - 1 - 4696 - 1.4943835842937642e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 47 - -1.0599905445675459e+00 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -1.7763568394002536e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>6 - 5.0557285547256470e-01 - 7.3313897848129272e-01 - <_> - 1 - 4703 - -1.1469727167492691e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 40 - 2.1235867315894508e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 0. - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.0533461570739746e-01 - 5.4708351135253906e+01 - <_> - 1 - 4473 - 3.6836595227669341e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 270 - -2.9831157365178368e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 2.6645352591003686e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>8 - 5.0580126047134399e-01 - 1.2382800132036209e-01 - <_> - 1 - 640 - 5.9834734339166507e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 4103 - -2.1654984803013626e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -2.6645352591003828e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 5.0429016351699829e-01 - 4.5694351196289062e-01 - <_> - 1 - 4600 - -1.5430618202863466e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 143 - 6.2717046492171924e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 4.4408920985006242e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 5.0425076484680176e-01 - 4.3997800350189209e-01 - <_> - 1 - 4580 - 1.9510845723203964e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 163 - -4.6702205902201765e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 4.4408920985006242e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>10 - 5.0413805246353149e-01 - 8.3523400127887726e-02 - <_> - 1 - 797 - -1.6144155238545738e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 3946 - 5.1754594157342182e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -2.1649348980190600e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>6 - 5.0415825843811035e-01 - 4.0623052045702934e-03 - <_> - 1 - 2135 - 2.0856384841406828e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2608 - -4.0473660274366073e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -2.2204460492503136e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>5 - 5.0849056243896484e-01 - 7.4166649580001831e-01 - <_> - 1 - 2941 - -2.0653680349449580e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1802 - 8.3578014587627689e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -3.8857805861880494e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>4 - 5.0404089689254761e-01 - 5.8662700653076172e-01 - <_> - 1 - 4609 - -8.9593500573811428e-03 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 134 - 1.4832704778307670e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>4 - 5.0676226615905762e-01 - 5.8546447753906250e-01 - <_> - 1 - 4608 - 1.6995436338582786e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 135 - -1.0871895961535247e+00 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>4 - 5.0577533245086670e-01 - 2.7839550375938416e-01 - <_> - 1 - 3212 - -4.8487688681994802e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1531 - 2.4308299449728027e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -1.7208456881689956e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>6 - 5.0401997566223145e-01 - 4.0623052045702934e-03 - <_> - 1 - 2135 - 2.1566600675967990e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2608 - -3.7873936270897468e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 2.8865798640253987e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>6 - 5.0536459684371948e-01 - 7.5883805751800537e-02 - <_> - 1 - 2691 - -1.4112986946799597e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2052 - 7.6677932119837408e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -1.3322676295501896e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0511509180068970e-01 - 4.5000000000000000e+00 - <_> - 1 - 2292 - 1.0882591107882306e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2451 - -9.4657726405678030e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -3.8857805861880494e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.0377565622329712e-01 - 9.0912704467773438e+00 - <_> - 1 - 1767 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2976 - -7.5514316138306052e-03 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 2.3879499609967105e-05 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.0355505943298340e-01 - 1.6336849212646484e+01 - <_> - 1 - 2550 - -2.0670790935386987e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2193 - 3.4919206265122779e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -6.6613381477509442e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>3 - 5.0379395484924316e-01 - 1.4472200393676758e+01 - <_> - 1 - 2333 - 3.0039120989420354e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 2410 - -2.6021086936442995e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 1.1102230246251554e-15 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>10 - 5.0338852405548096e-01 - 5.7804203033447266e-01 - <_> - 1 - 4457 - -6.7771837574461162e-03 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 286 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 2.1431148710016298e-05 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>2 - 5.0325667858123779e-01 - 1.7895050346851349e-01 - <_> - 1 - 1565 - 1.1778538599189300e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 3178 - -5.5600340097294032e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -9.4368957093138405e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>7 - 5.0369518995285034e-01 - 1.0299949645996094e+00 - <_> - 1 - 1643 - 1.3367635721082954e-01 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 3100 - -5.5671793933628928e-02 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -8.3266726846886810e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>7 - 5.0341546535491943e-01 - 5.9431500434875488e+00 - <_> - 1 - 4548 - -6.8310078799520627e-03 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 195 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 2.1601352997458628e-05 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>0 - 5.0342482328414917e-01 - 3.5000000000000000e+00 - <_> - 1 - 1572 - -1.3410183780875257e-01 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 3171 - 5.1442257630002285e-02 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -6.6613381477509442e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>2 - 5.0330686569213867e-01 - 7.3027700185775757e-01 - <_> - 1 - 4698 - -6.6138286994767139e-03 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 45 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 2.0914582372540535e-05 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 6.6739338636398315e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - 2.0914582365435406e-05 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 4.4408920985006242e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>2 - 5.0336450338363647e-01 - 7.2723901271820068e-01 - <_> - 1 - 4697 - 6.7710148391918927e-03 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 46 - -2.8881401865717855e+00 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -8.8817841970012602e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 1.0860064029693604e+00 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -1.1102230246251577e-15 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -3.8857805861880494e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 6.2635791301727295e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -3.8857805861880494e-16 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 7.4932706356048584e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - 2.2204460492503126e-16 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - 5.7564577324623896e+00 - 1 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - -1 - - <_> - 0 - 4743 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - - <_>9 - 8.0227351188659668e-01 - 1.1104044914245605e+00 - <_> - 1 - 4742 - -5.5511151231257827e-17 - 0 - 0 - 0 - 0. - 0. - 0. - 0. - <_> - 1 - 1 - .Nan - 0 - 0 - 0 - 0. - 0. - 0. - 0. - diff --git a/samples/cpp/tree_engine.cpp b/samples/cpp/tree_engine.cpp index 2c3046fd73..6defc31c50 100644 --- a/samples/cpp/tree_engine.cpp +++ b/samples/cpp/tree_engine.cpp @@ -1,63 +1,35 @@ #include "opencv2/ml/ml.hpp" -#include "opencv2/core/core_c.h" +#include "opencv2/core/core.hpp" #include "opencv2/core/utility.hpp" #include +#include #include +using namespace cv; +using namespace cv::ml; + static void help() { printf( - "\nThis sample demonstrates how to use different decision trees and forests including boosting and random trees:\n" - "CvDTree dtree;\n" - "CvBoost boost;\n" - "CvRTrees rtrees;\n" - "CvERTrees ertrees;\n" - "CvGBTrees gbtrees;\n" - "Call:\n\t./tree_engine [-r ] [-c] \n" + "\nThis sample demonstrates how to use different decision trees and forests including boosting and random trees.\n" + "Usage:\n\t./tree_engine [-r ] [-ts type_spec] \n" "where -r specified the 0-based index of the response (0 by default)\n" - "-c specifies that the response is categorical (it's ordered by default) and\n" + "-ts specifies the var type spec in the form ord[n1,n2-n3,n4-n5,...]cat[m1-m2,m3,m4-m5,...]\n" " is the name of training data file in comma-separated value format\n\n"); } - -static int count_classes(CvMLData& data) +static void train_and_print_errs(Ptr model, const Ptr& data) { - cv::Mat r = cv::cvarrToMat(data.get_responses()); - std::map rmap; - int i, n = (int)r.total(); - for( i = 0; i < n; i++ ) + bool ok = model->train(data); + if( !ok ) { - float val = r.at(i); - int ival = cvRound(val); - if( ival != val ) - return -1; - rmap[ival] = 1; + printf("Training failed\n"); } - return (int)rmap.size(); -} - -static void print_result(float train_err, float test_err, const CvMat* _var_imp) -{ - printf( "train error %f\n", train_err ); - printf( "test error %f\n\n", test_err ); - - if (_var_imp) + else { - cv::Mat var_imp = cv::cvarrToMat(_var_imp), sorted_idx; - cv::sortIdx(var_imp, sorted_idx, CV_SORT_EVERY_ROW + CV_SORT_DESCENDING); - - printf( "variable importance:\n" ); - int i, n = (int)var_imp.total(); - int type = var_imp.type(); - CV_Assert(type == CV_32F || type == CV_64F); - - for( i = 0; i < n; i++) - { - int k = sorted_idx.at(i); - printf( "%d\t%f\n", k, type == CV_32F ? var_imp.at(k) : var_imp.at(k)); - } + printf( "train error: %f\n", model->calcError(data, false, noArray()) ); + printf( "test error: %f\n\n", model->calcError(data, true, noArray()) ); } - printf("\n"); } int main(int argc, char** argv) @@ -69,14 +41,14 @@ int main(int argc, char** argv) } const char* filename = 0; int response_idx = 0; - bool categorical_response = false; + std::string typespec; for(int i = 1; i < argc; i++) { if(strcmp(argv[i], "-r") == 0) sscanf(argv[++i], "%d", &response_idx); - else if(strcmp(argv[i], "-c") == 0) - categorical_response = true; + else if(strcmp(argv[i], "-ts") == 0) + typespec = argv[++i]; else if(argv[i][0] != '-' ) filename = argv[i]; else @@ -88,52 +60,32 @@ int main(int argc, char** argv) } printf("\nReading in %s...\n\n",filename); - CvDTree dtree; - CvBoost boost; - CvRTrees rtrees; - CvERTrees ertrees; - CvGBTrees gbtrees; + const double train_test_split_ratio = 0.5; - CvMLData data; + Ptr data = TrainData::loadFromCSV(filename, 0, response_idx, response_idx+1, typespec); - - CvTrainTestSplit spl( 0.5f ); - - if ( data.read_csv( filename ) == 0) + if( data.empty() ) { - data.set_response_idx( response_idx ); - if(categorical_response) - data.change_var_type( response_idx, CV_VAR_CATEGORICAL ); - data.set_train_test_split( &spl ); - - printf("======DTREE=====\n"); - dtree.train( &data, CvDTreeParams( 10, 2, 0, false, 16, 0, false, false, 0 )); - print_result( dtree.calc_error( &data, CV_TRAIN_ERROR), dtree.calc_error( &data, CV_TEST_ERROR ), dtree.get_var_importance() ); - - if( categorical_response && count_classes(data) == 2 ) - { - printf("======BOOST=====\n"); - boost.train( &data, CvBoostParams(CvBoost::DISCRETE, 100, 0.95, 2, false, 0)); - print_result( boost.calc_error( &data, CV_TRAIN_ERROR ), boost.calc_error( &data, CV_TEST_ERROR ), 0 ); //doesn't compute importance - } - - printf("======RTREES=====\n"); - rtrees.train( &data, CvRTParams( 10, 2, 0, false, 16, 0, true, 0, 100, 0, CV_TERMCRIT_ITER )); - print_result( rtrees.calc_error( &data, CV_TRAIN_ERROR), rtrees.calc_error( &data, CV_TEST_ERROR ), rtrees.get_var_importance() ); - - printf("======ERTREES=====\n"); - ertrees.train( &data, CvRTParams( 18, 2, 0, false, 16, 0, true, 0, 100, 0, CV_TERMCRIT_ITER )); - print_result( ertrees.calc_error( &data, CV_TRAIN_ERROR), ertrees.calc_error( &data, CV_TEST_ERROR ), ertrees.get_var_importance() ); - - printf("======GBTREES=====\n"); - if (categorical_response) - gbtrees.train( &data, CvGBTreesParams(CvGBTrees::DEVIANCE_LOSS, 100, 0.1f, 0.8f, 5, false)); - else - gbtrees.train( &data, CvGBTreesParams(CvGBTrees::SQUARED_LOSS, 100, 0.1f, 0.8f, 5, false)); - print_result( gbtrees.calc_error( &data, CV_TRAIN_ERROR), gbtrees.calc_error( &data, CV_TEST_ERROR ), 0 ); //doesn't compute importance + printf("ERROR: File %s can not be read\n", filename); + return 0; } - else - printf("File can not be read"); + + data->setTrainTestSplitRatio(train_test_split_ratio); + + printf("======DTREE=====\n"); + Ptr dtree = DTrees::create(DTrees::Params( 10, 2, 0, false, 16, 0, false, false, Mat() )); + train_and_print_errs(dtree, data); + + if( (int)data->getClassLabels().total() <= 2 ) // regression or 2-class classification problem + { + printf("======BOOST=====\n"); + Ptr boost = Boost::create(Boost::Params(Boost::GENTLE, 100, 0.95, 2, false, Mat())); + train_and_print_errs(boost, data); + } + + printf("======RTREES=====\n"); + Ptr rtrees = RTrees::create(RTrees::Params(10, 2, 0, false, 16, Mat(), false, 0, TermCriteria(TermCriteria::MAX_ITER, 100, 0))); + train_and_print_errs(rtrees, data); return 0; } diff --git a/samples/cpp/tutorial_code/ml/introduction_to_svm/introduction_to_svm.cpp b/samples/cpp/tutorial_code/ml/introduction_to_svm/introduction_to_svm.cpp index 2b4a97d54d..f261418043 100644 --- a/samples/cpp/tutorial_code/ml/introduction_to_svm/introduction_to_svm.cpp +++ b/samples/cpp/tutorial_code/ml/introduction_to_svm/introduction_to_svm.cpp @@ -4,29 +4,29 @@ #include using namespace cv; +using namespace cv::ml; -int main() +int main(int, char**) { // Data for visual representation int width = 512, height = 512; Mat image = Mat::zeros(height, width, CV_8UC3); // Set up training data - float labels[4] = {1.0, -1.0, -1.0, -1.0}; - Mat labelsMat(4, 1, CV_32FC1, labels); + int labels[4] = {1, -1, -1, -1}; + Mat labelsMat(4, 1, CV_32SC1, labels); float trainingData[4][2] = { {501, 10}, {255, 10}, {501, 255}, {10, 501} }; Mat trainingDataMat(4, 2, CV_32FC1, trainingData); // Set up SVM's parameters - CvSVMParams params; - params.svm_type = CvSVM::C_SVC; - params.kernel_type = CvSVM::LINEAR; - params.term_crit = cvTermCriteria(CV_TERMCRIT_ITER, 100, 1e-6); + SVM::Params params; + params.svmType = SVM::C_SVC; + params.kernelType = SVM::LINEAR; + params.termCrit = TermCriteria(TermCriteria::MAX_ITER, 100, 1e-6); // Train the SVM - CvSVM SVM; - SVM.train(trainingDataMat, labelsMat, Mat(), Mat(), params); + Ptr svm = StatModel::train(trainingDataMat, ROW_SAMPLE, labelsMat, params); Vec3b green(0,255,0), blue (255,0,0); // Show the decision regions given by the SVM @@ -34,30 +34,30 @@ int main() for (int j = 0; j < image.cols; ++j) { Mat sampleMat = (Mat_(1,2) << j,i); - float response = SVM.predict(sampleMat); + float response = svm->predict(sampleMat); if (response == 1) image.at(i,j) = green; else if (response == -1) - image.at(i,j) = blue; + image.at(i,j) = blue; } // Show the training data int thickness = -1; int lineType = 8; - circle( image, Point(501, 10), 5, Scalar( 0, 0, 0), thickness, lineType); - circle( image, Point(255, 10), 5, Scalar(255, 255, 255), thickness, lineType); - circle( image, Point(501, 255), 5, Scalar(255, 255, 255), thickness, lineType); - circle( image, Point( 10, 501), 5, Scalar(255, 255, 255), thickness, lineType); + circle( image, Point(501, 10), 5, Scalar( 0, 0, 0), thickness, lineType ); + circle( image, Point(255, 10), 5, Scalar(255, 255, 255), thickness, lineType ); + circle( image, Point(501, 255), 5, Scalar(255, 255, 255), thickness, lineType ); + circle( image, Point( 10, 501), 5, Scalar(255, 255, 255), thickness, lineType ); // Show support vectors thickness = 2; lineType = 8; - int c = SVM.get_support_vector_count(); + Mat sv = svm->getSupportVectors(); - for (int i = 0; i < c; ++i) + for (int i = 0; i < sv.rows; ++i) { - const float* v = SVM.get_support_vector(i); + const float* v = sv.ptr(i); circle( image, Point( (int) v[0], (int) v[1]), 6, Scalar(128, 128, 128), thickness, lineType); } diff --git a/samples/cpp/tutorial_code/ml/non_linear_svms/non_linear_svms.cpp b/samples/cpp/tutorial_code/ml/non_linear_svms/non_linear_svms.cpp index bfab746cdf..3e7cdb3a4e 100644 --- a/samples/cpp/tutorial_code/ml/non_linear_svms/non_linear_svms.cpp +++ b/samples/cpp/tutorial_code/ml/non_linear_svms/non_linear_svms.cpp @@ -8,6 +8,7 @@ #define FRAC_LINEAR_SEP 0.9f // Fraction of samples which compose the linear separable part using namespace cv; +using namespace cv::ml; using namespace std; static void help() @@ -30,7 +31,7 @@ int main() //--------------------- 1. Set up training data randomly --------------------------------------- Mat trainData(2*NTRAINING_SAMPLES, 2, CV_32FC1); - Mat labels (2*NTRAINING_SAMPLES, 1, CV_32FC1); + Mat labels (2*NTRAINING_SAMPLES, 1, CV_32SC1); RNG rng(100); // Random value generation class @@ -71,16 +72,15 @@ int main() labels.rowRange(NTRAINING_SAMPLES, 2*NTRAINING_SAMPLES).setTo(2); // Class 2 //------------------------ 2. Set up the support vector machines parameters -------------------- - CvSVMParams params; - params.svm_type = SVM::C_SVC; + SVM::Params params; + params.svmType = SVM::C_SVC; params.C = 0.1; - params.kernel_type = SVM::LINEAR; - params.term_crit = TermCriteria(CV_TERMCRIT_ITER, (int)1e7, 1e-6); + params.kernelType = SVM::LINEAR; + params.termCrit = TermCriteria(TermCriteria::MAX_ITER, (int)1e7, 1e-6); //------------------------ 3. Train the svm ---------------------------------------------------- cout << "Starting training process" << endl; - CvSVM svm; - svm.train(trainData, labels, Mat(), Mat(), params); + Ptr svm = StatModel::train(trainData, ROW_SAMPLE, labels, params); cout << "Finished training process" << endl; //------------------------ 4. Show the decision regions ---------------------------------------- @@ -89,7 +89,7 @@ int main() for (int j = 0; j < I.cols; ++j) { Mat sampleMat = (Mat_(1,2) << i, j); - float response = svm.predict(sampleMat); + float response = svm->predict(sampleMat); if (response == 1) I.at(j, i) = green; else if (response == 2) I.at(j, i) = blue; @@ -117,11 +117,11 @@ int main() //------------------------- 6. Show support vectors -------------------------------------------- thick = 2; lineType = 8; - int x = svm.get_support_vector_count(); + Mat sv = svm->getSupportVectors(); - for (int i = 0; i < x; ++i) + for (int i = 0; i < sv.rows; ++i) { - const float* v = svm.get_support_vector(i); + const float* v = sv.ptr(i); circle( I, Point( (int) v[0], (int) v[1]), 6, Scalar(128, 128, 128), thick, lineType); } diff --git a/samples/cpp/tutorial_code/video/bg_sub.cpp b/samples/cpp/tutorial_code/video/bg_sub.cpp index ace8220587..1337029720 100644 --- a/samples/cpp/tutorial_code/video/bg_sub.cpp +++ b/samples/cpp/tutorial_code/video/bg_sub.cpp @@ -20,9 +20,7 @@ using namespace std; // Global variables Mat frame; //current frame -Mat fgMaskMOG; //fg mask generated by MOG method Mat fgMaskMOG2; //fg mask fg mask generated by MOG2 method -Ptr pMOG; //MOG Background subtractor Ptr pMOG2; //MOG2 Background subtractor int keyboard; //input from keyboard @@ -63,11 +61,9 @@ int main(int argc, char* argv[]) //create GUI windows namedWindow("Frame"); - namedWindow("FG Mask MOG"); namedWindow("FG Mask MOG 2"); //create Background Subtractor objects - pMOG = createBackgroundSubtractorMOG(); //MOG approach pMOG2 = createBackgroundSubtractorMOG2(); //MOG2 approach if(strcmp(argv[1], "-vid") == 0) { @@ -109,7 +105,6 @@ void processVideo(char* videoFilename) { exit(EXIT_FAILURE); } //update the background model - pMOG->apply(frame, fgMaskMOG); pMOG2->apply(frame, fgMaskMOG2); //get the frame number and write it on the current frame stringstream ss; @@ -121,7 +116,6 @@ void processVideo(char* videoFilename) { FONT_HERSHEY_SIMPLEX, 0.5 , cv::Scalar(0,0,0)); //show the current frame and the fg masks imshow("Frame", frame); - imshow("FG Mask MOG", fgMaskMOG); imshow("FG Mask MOG 2", fgMaskMOG2); //get the input from the keyboard keyboard = waitKey( 30 ); @@ -146,7 +140,6 @@ void processImages(char* fistFrameFilename) { //read input data. ESC or 'q' for quitting while( (char)keyboard != 'q' && (char)keyboard != 27 ){ //update the background model - pMOG->apply(frame, fgMaskMOG); pMOG2->apply(frame, fgMaskMOG2); //get the frame number and write it on the current frame size_t index = fn.find_last_of("/"); @@ -166,7 +159,6 @@ void processImages(char* fistFrameFilename) { FONT_HERSHEY_SIMPLEX, 0.5 , cv::Scalar(0,0,0)); //show the current frame and the fg masks imshow("Frame", frame); - imshow("FG Mask MOG", fgMaskMOG); imshow("FG Mask MOG 2", fgMaskMOG2); //get the input from the keyboard keyboard = waitKey( 30 ); diff --git a/samples/directx/CMakeLists.txt b/samples/directx/CMakeLists.txt index 1083894100..15a6575374 100644 --- a/samples/directx/CMakeLists.txt +++ b/samples/directx/CMakeLists.txt @@ -17,7 +17,7 @@ if(BUILD_EXAMPLES AND OCV_DEPENDENCIES_FOUND) set(the_target "example_${project}_${name}") add_executable(${the_target} ${srcs}) - target_link_libraries(${the_target} ${OPENCV_LINKER_LIBS} ${OPENCV_DIRECTX_SAMPLES_REQUIRED_DEPS}) + ocv_target_link_libraries(${the_target} ${OPENCV_LINKER_LIBS} ${OPENCV_DIRECTX_SAMPLES_REQUIRED_DEPS}) set_target_properties(${the_target} PROPERTIES OUTPUT_NAME "${project}-example-${name}" diff --git a/samples/gpu/CMakeLists.txt b/samples/gpu/CMakeLists.txt index 849e3109df..01bd694bb8 100644 --- a/samples/gpu/CMakeLists.txt +++ b/samples/gpu/CMakeLists.txt @@ -47,21 +47,21 @@ if(BUILD_EXAMPLES AND OCV_DEPENDENCIES_FOUND) set(the_target "example_${project}_${name}") add_executable(${the_target} ${srcs}) - target_link_libraries(${the_target} ${OPENCV_LINKER_LIBS} ${OPENCV_CUDA_SAMPLES_REQUIRED_DEPS}) + ocv_target_link_libraries(${the_target} ${OPENCV_LINKER_LIBS} ${OPENCV_CUDA_SAMPLES_REQUIRED_DEPS}) if(HAVE_CUDA AND NOT ANDROID) - target_link_libraries(${the_target} ${CUDA_CUDA_LIBRARY}) + ocv_target_link_libraries(${the_target} ${CUDA_CUDA_LIBRARY}) endif() if(HAVE_opencv_nonfree) - target_link_libraries(${the_target} opencv_nonfree) + ocv_target_link_libraries(${the_target} opencv_nonfree) endif() if(HAVE_opencv_cudacodec) - target_link_libraries(${the_target} opencv_cudacodec) + ocv_target_link_libraries(${the_target} opencv_cudacodec) endif() if(HAVE_opencv_ocl) - target_link_libraries(${the_target} opencv_ocl) + ocv_target_link_libraries(${the_target} opencv_ocl) endif() set_target_properties(${the_target} PROPERTIES diff --git a/samples/gpu/performance/CMakeLists.txt b/samples/gpu/performance/CMakeLists.txt index 9289180afc..07125c2eb2 100644 --- a/samples/gpu/performance/CMakeLists.txt +++ b/samples/gpu/performance/CMakeLists.txt @@ -8,10 +8,10 @@ if(HAVE_opencv_nonfree) endif() add_executable(${the_target} ${sources} ${headers}) -target_link_libraries(${the_target} ${OPENCV_LINKER_LIBS} ${OPENCV_CUDA_SAMPLES_REQUIRED_DEPS}) +ocv_target_link_libraries(${the_target} ${OPENCV_LINKER_LIBS} ${OPENCV_CUDA_SAMPLES_REQUIRED_DEPS}) if(HAVE_opencv_nonfree) - target_link_libraries(${the_target} opencv_nonfree) + ocv_target_link_libraries(${the_target} opencv_nonfree) endif() set_target_properties(${the_target} PROPERTIES diff --git a/samples/python2/motempl.py b/samples/python2/motempl.py deleted file mode 100755 index ce9b666ed5..0000000000 --- a/samples/python2/motempl.py +++ /dev/null @@ -1,85 +0,0 @@ -#!/usr/bin/env python - -import numpy as np -import cv2 -import video -from common import nothing, clock, draw_str - -MHI_DURATION = 0.5 -DEFAULT_THRESHOLD = 32 -MAX_TIME_DELTA = 0.25 -MIN_TIME_DELTA = 0.05 - -def draw_motion_comp(vis, (x, y, w, h), angle, color): - cv2.rectangle(vis, (x, y), (x+w, y+h), (0, 255, 0)) - r = min(w/2, h/2) - cx, cy = x+w/2, y+h/2 - angle = angle*np.pi/180 - cv2.circle(vis, (cx, cy), r, color, 3) - cv2.line(vis, (cx, cy), (int(cx+np.cos(angle)*r), int(cy+np.sin(angle)*r)), color, 3) - -if __name__ == '__main__': - import sys - try: - video_src = sys.argv[1] - except: - video_src = 0 - - cv2.namedWindow('motempl') - visuals = ['input', 'frame_diff', 'motion_hist', 'grad_orient'] - cv2.createTrackbar('visual', 'motempl', 2, len(visuals)-1, nothing) - cv2.createTrackbar('threshold', 'motempl', DEFAULT_THRESHOLD, 255, nothing) - - cam = video.create_capture(video_src, fallback='synth:class=chess:bg=../cpp/lena.jpg:noise=0.01') - ret, frame = cam.read() - h, w = frame.shape[:2] - prev_frame = frame.copy() - motion_history = np.zeros((h, w), np.float32) - hsv = np.zeros((h, w, 3), np.uint8) - hsv[:,:,1] = 255 - while True: - ret, frame = cam.read() - frame_diff = cv2.absdiff(frame, prev_frame) - gray_diff = cv2.cvtColor(frame_diff, cv2.COLOR_BGR2GRAY) - thrs = cv2.getTrackbarPos('threshold', 'motempl') - ret, motion_mask = cv2.threshold(gray_diff, thrs, 1, cv2.THRESH_BINARY) - timestamp = clock() - cv2.updateMotionHistory(motion_mask, motion_history, timestamp, MHI_DURATION) - mg_mask, mg_orient = cv2.calcMotionGradient( motion_history, MAX_TIME_DELTA, MIN_TIME_DELTA, apertureSize=5 ) - seg_mask, seg_bounds = cv2.segmentMotion(motion_history, timestamp, MAX_TIME_DELTA) - - visual_name = visuals[cv2.getTrackbarPos('visual', 'motempl')] - if visual_name == 'input': - vis = frame.copy() - elif visual_name == 'frame_diff': - vis = frame_diff.copy() - elif visual_name == 'motion_hist': - vis = np.uint8(np.clip((motion_history-(timestamp-MHI_DURATION)) / MHI_DURATION, 0, 1)*255) - vis = cv2.cvtColor(vis, cv2.COLOR_GRAY2BGR) - elif visual_name == 'grad_orient': - hsv[:,:,0] = mg_orient/2 - hsv[:,:,2] = mg_mask*255 - vis = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR) - - for i, rect in enumerate([(0, 0, w, h)] + list(seg_bounds)): - x, y, rw, rh = rect - area = rw*rh - if area < 64**2: - continue - silh_roi = motion_mask [y:y+rh,x:x+rw] - orient_roi = mg_orient [y:y+rh,x:x+rw] - mask_roi = mg_mask [y:y+rh,x:x+rw] - mhi_roi = motion_history[y:y+rh,x:x+rw] - if cv2.norm(silh_roi, cv2.NORM_L1) < area*0.05: - continue - angle = cv2.calcGlobalOrientation(orient_roi, mask_roi, mhi_roi, timestamp, MHI_DURATION) - color = ((255, 0, 0), (0, 0, 255))[i == 0] - draw_motion_comp(vis, rect, angle, color) - - draw_str(vis, (20, 20), visual_name) - cv2.imshow('motempl', vis) - - prev_frame = frame.copy() - if 0xFF & cv2.waitKey(5) == 27: - break - cv2.destroyAllWindows() diff --git a/samples/tapi/CMakeLists.txt b/samples/tapi/CMakeLists.txt index cf88f3a98f..83fd7260ac 100644 --- a/samples/tapi/CMakeLists.txt +++ b/samples/tapi/CMakeLists.txt @@ -17,7 +17,7 @@ if(BUILD_EXAMPLES AND OCV_DEPENDENCIES_FOUND) set(the_target "example_${project}_${name}") add_executable(${the_target} ${srcs}) - target_link_libraries(${the_target} ${OPENCV_LINKER_LIBS} ${OPENCV_TAPI_SAMPLES_REQUIRED_DEPS}) + ocv_target_link_libraries(${the_target} ${OPENCV_LINKER_LIBS} ${OPENCV_TAPI_SAMPLES_REQUIRED_DEPS}) set_target_properties(${the_target} PROPERTIES OUTPUT_NAME "${project}-example-${name}" diff --git a/samples/tapi/bgfg_segm.cpp b/samples/tapi/bgfg_segm.cpp index b9facd6324..17a511cddc 100644 --- a/samples/tapi/bgfg_segm.cpp +++ b/samples/tapi/bgfg_segm.cpp @@ -11,15 +11,15 @@ using namespace std; using namespace cv; -#define M_MOG 1 #define M_MOG2 2 +#define M_KNN 3 int main(int argc, const char** argv) { CommandLineParser cmd(argc, argv, "{ c camera | false | use camera }" "{ f file | 768x576.avi | input video file }" - "{ t type | mog | method's type (mog, mog2) }" + "{ t type | mog2 | method's type (knn, mog2) }" "{ h help | false | print help message }" "{ m cpu_mode | false | press 'm' to switch OpenCL<->CPU}"); @@ -41,7 +41,7 @@ int main(int argc, const char** argv) return EXIT_FAILURE; } - int m = method == "mog" ? M_MOG : M_MOG2; + int m = method == "mog2" ? M_MOG2 : M_KNN; VideoCapture cap; if (useCamera) @@ -59,13 +59,13 @@ int main(int argc, const char** argv) cap >> frame; fgimg.create(frame.size(), frame.type()); - Ptr mog = createBackgroundSubtractorMOG(); + Ptr knn = createBackgroundSubtractorKNN(); Ptr mog2 = createBackgroundSubtractorMOG2(); switch (m) { - case M_MOG: - mog->apply(frame, fgmask, 0.01f); + case M_KNN: + knn->apply(frame, fgmask); break; case M_MOG2: @@ -86,8 +86,8 @@ int main(int argc, const char** argv) //update the model switch (m) { - case M_MOG: - mog->apply(frame, fgmask, 0.01f); + case M_KNN: + knn->apply(frame, fgmask); break; case M_MOG2: