§
    l¬¸j¿-  ã                   ó”  — d dl Z d dlmZ d dlmZ d dlZd dlZd dlmZm	Z	m
Z
mZ d dlmZ d dlmZmZmZ d dlmZmZmZ d dlmZ d d	lmZmZ d d
lmZmZ g Ze	rderd gZn^ e¦   «         Ze                      ¦   «           e!d¦  «        j"         #                    dd¦  «        Z$e %                    de$e$¬¦  «        xZ&re&Zd„ Z'ej(         )                    e d¬¦  «        d„ ¦   «         Z*ej(        j+        ej(         )                    e d¬¦  «        ej(         ,                    dd„  e e-e¦  «        ddgddgddgg d¢¦  «        D ¦   «         ¦  «        d„ ¦   «         ¦   «         ¦   «         Z.ej(        j+        ej(         )                    e d¬¦  «        ej(         ,                    dd„  eerdgn
 e-e¦  «        dgddgdg¦  «        D ¦   «         d gz   ¦  «        d!„ ¦   «         ¦   «         ¦   «         Z/ej(         )                    e d¬¦  «        ej(         ,                    d"dd#g¦  «        d$„ ¦   «         ¦   «         Z0ej(         )                    e d¬¦  «        ej(         )                    ed%¬¦  «        d&„ ¦   «         ¦   «         Z1ej(         )                    e p e2e¦  «        d k    d'¬¦  «        ej(         )                    ed%¬¦  «        d(„ ¦   «         ¦   «         Z3ej(        j+        ej(         )                    e d¬¦  «        d)„ ¦   «         ¦   «         Z4ej(         )                    e d¬¦  «        d*„ ¦   «         Z5ej(         )                    e d¬¦  «        d+„ ¦   «         Z6ej(        j+        ej(         )                    e d¬¦  «        d,„ ¦   «         ¦   «         Z7ej(        j+        ej(         )                    e d¬¦  «        d-„ ¦   «         ¦   «         Z8dS ).é    N)Úproduct)ÚPath)ÚCUDA_DEVICE_COUNTÚCUDA_IS_AVAILABLEÚMODELÚSOURCE)ÚYOLO)Ú	TASK2DATAÚ
TASK2MODELÚTASKS)ÚASSETSÚ	IS_JETSONÚWEIGHTS_DIR)ÚGPUInfo)Ú	check_ampÚcheck_tensorrt)Ú
TORCH_1_13Úparse_deviceÚosÚYOLO_AUTODEVICE_FRACTION_FREEg333333Ó?é   )ÚcountÚmin_memory_fractionÚmin_util_fractionc                  óª   — t           j                             ¦   «         t          k    sJ ‚t           j                             ¦   «         t
          k    sJ ‚dS )z4Validate CUDA settings against torch CUDA functions.N)ÚtorchÚcudaÚis_availabler   Údevice_countr   © ó    ú_/root/private/project/pallet_detection_v2/.venv/lib/python3.11/site-packages/tests/test_cuda.pyÚtest_checksr#   #   sH   € åŒ:×"Ò"Ñ$Ô$Õ(9Ò9Ð9Ð9Ð9ÝŒ:×"Ò"Ñ$Ô$Õ(9Ò9Ð9Ð9Ð9Ð9Ð9r!   zNo CUDA devices available)Úreasonc                  ó’   — t          d¦  «        j                             dt          d         › �¦  «        } t	          | ¦  «        sJ ‚dS )zTest AMP training checks.ú
yolo26n.ptúcuda:r   N)r	   ÚmodelÚtoÚDEVICESr   )r(   s    r"   Útest_ampr+   )   sI   € õ �ÑÔÔ$×'Ò'Ð(<µ¸´
Ð(<Ð(<Ñ=Ô=€EÝ�UÑÔÐÐÐÐÐr!   z#task, dynamic, batch, simplify, nmsc                 ól   — g | ]1\  }}}}}|d k    r|du °|dk    r|du rt           ¯#t          °*|||||f‘Œ2S )ÚclassifyTÚobb)r   r   )Ú.0ÚtaskÚdynamicÚbatchÚsimplifyÚnmss         r"   ú
<listcomp>r5   4   sh   € ð ð ð á/ˆD�'˜5 (¨Cð �ZÒÐ C¨4 K K°T¸U²]°]ÀsÈdÀ{À{Õ\fÀ{ÕjsÀ{ð 
ˆw˜˜x¨Ð-ð
 HSÀ{À{r!   TFé   )NTFc           
      óˆ  — t          t          |          ¦  «                             dd||||t          d         ¬¦  «        }t          |¦  «        } |t          g|z  |rdndt          d         ¬¦  «         d|j        j        j        j         	                    ¦   «         v sJ ‚t          |¦  «                             ¦   «          dS )	zLTest YOLO exports to ONNX format with various configurations and parameters.Úonnxé    r   )ÚformatÚimgszr1   r2   r3   r4   Údeviceé@   ©r;   r<   ÚCUDAExecutionProviderN)r	   r   Úexportr*   r   Ú	predictorr(   ÚbackendÚsessionÚget_providersr   Úunlink)r0   r1   r2   r3   r4   Úfiler(   s          r"   Útest_export_onnx_matrixrG   0   sÂ   € õ  •
˜4Ô Ñ!Ô!×(Ò(ØØØØØØÝ�qŒzð )ñ ô €Dõ �‰JŒJ€EØ	€E�6ˆ(�UÑ
¨Ð"7 " "°RÅÈÄ
ÐKÑKÔKÐKØ" e¤oÔ&;Ô&CÔ&K×&YÒ&YÑ&[Ô&[Ð[Ð[Ð[Ð[Ýˆ�J„J×ÒÑÔÐÐÐr!   ztask, dynamic, quantize, batchc                 ó$   — g | ]\  }}}}||||f‘ŒS r    r    )r/   r0   r1   Úquantizer2   s        r"   r5   r5   S   s;   € ð ð ð ñ +ˆD�'˜8 Uð 
ˆw˜ %Ð(ðð ð r!   Údetecté   é   )rJ   FrK   r   c                 óÌ  — t          ¦   «          ddl}t          |j                             dd¦  «        d         ¦  «        dk    }|s|dk    r|rt          j        d¦  «         t          t          |          ¦  «         	                    dd	|||t          |          dd
t          d         ¬¦	  «	        }t          |¦  «        } |t          g|z  |rdnd	t          d         ¬¦  «         |                     t          |          d	t          d         |¬¦  «         t          |¦  «                             ¦   «          |dk    rlt          |¦  «                             d¦  «                             d
¬¦  «         t          |¦  «                             d¦  «                             d
¬¦  «         |dk    r8t          |¦  «                             d¦  «                             d
¬¦  «         dS dS )zWTest YOLO model export to TensorRT format for various configurations and run inference.r   Nú.r6   é   rK   zOINT8 + dynamic export requires explicit quantization, available on TensorRT 11+Úenginer9   T)	r:   r;   r1   rI   r2   ÚdataÚ	workspacer3   r<   r=   r>   )rQ   r;   r<   r2   z.cache)Ú
missing_okz
.int8.onnxrL   z
.fp16.onnx)r   ÚtensorrtÚintÚ__version__ÚsplitÚpytestÚskipr	   r   r@   r
   r*   r   Úvalr   rE   Úwith_suffix)r0   r1   rI   r2   ÚtrtÚis_trt11rF   r(   s           r"   Útest_export_engine_matrixr^   O   sÇ  € õ ÑÔÐØÐÐÐå�3”?×(Ò(¨¨aÑ0Ô0°Ô3Ñ4Ô4¸Ò:€HØð g˜ Aš˜¨'˜åŒÐeÑfÔfÐfå•
˜4Ô Ñ!Ô!×(Ò(ØØØØØÝ�tŒ_ØØÝ�qŒzð )ñ 
ô 
€Dõ �‰JŒJ€EØ	€E�6ˆ(�UÑ
¨Ð"7 " "°RÅÈÄ
ÐKÑKÔKÐKØ	‡I‚I•9˜T”?¨"µW¸Q´ZÀu€IÑMÔMÐMÝˆ�J„J×ÒÑÔÐØ�1‚}€}ÝˆT‰
Œ
×Ò˜xÑ(Ô(×/Ò/¸4Ð/Ñ@Ô@Ð@ÝˆT‰
Œ
×Ò˜|Ñ,Ô,×3Ò3¸tÐ3ÑDÔDÐDØ�2‚~€~ÝˆT‰
Œ
×Ò˜|Ñ,Ô,×3Ò3¸tÐ3ÑDÔDÐDÐDÐDð €~r!   Úncé   c           	      óV  — ddl m} ddlm} ddlm}  |d| d¬¦  «        } |¦   «         |_         ||¦  «        }t          j        d| d	d	d
t          d         › �¬¦  «        dz    
                    ¦   «                              ¦   «         } ||dt          j        ddt          j        ¬¦  «        i¦  «        \  }}t          j        |¦  «                             ¦   «         r+t          d„ |                     ¦   «         D ¦   «         ¦  «        sJ ‚|                     ¦   «          |j        €J ‚dS )zkAll-ignore guard must stay finite with large fp16 logits, where sum() overflows to inf (AMP is a GPU path).r   )Úget_cfg)ÚSemanticSegmentationModel)ÚSemanticSegmentationLosszyolo26-sem.yamlF)Úcfgr_   Úverboser6   r=   r'   ©r<   é2   Úsemantic_mask)r6   r=   r=   éÿ   )Údtypec              3   ób   K  — | ]*}t          j        |¦  «                             ¦   «         V — Œ+d S )N)r   ÚisfiniteÚall)r/   Úxs     r"   ú	<genexpr>z4test_semantic_loss_all_ignore_amp.<locals>.<genexpr>ˆ   s8   è è € Ð-^Ð-^È!­e¬n¸QÑ.?Ô.?×.CÒ.CÑ.EÔ.EÐ-^Ð-^Ð-^Ð-^Ð-^Ð-^r!   N)Úultralytics.cfgrb   Úultralytics.nn.tasksrc   Úultralytics.utils.lossrd   Úargsr   Úrandnr*   ÚhalfÚrequires_grad_ÚfullÚlongrm   rn   ÚvaluesÚbackwardÚgrad)	r_   rb   rc   rd   r(   Úloss_fnÚpredsÚlossÚitemss	            r"   Ú!test_semantic_loss_all_ignore_ampr�   {   sI  € ð (Ð'Ð'Ð'Ð'Ð'Ø>Ð>Ð>Ð>Ð>Ð>Ø?Ð?Ð?Ð?Ð?Ð?à%Ð%Ð*;ÀÈEÐRÑRÔR€EØ�‘”€E„JØ&Ð& uÑ-Ô-€GÝŒ[˜˜B  BÐ/Cµw¸q´zÐ/CÐ/CÐDÑDÔDÀrÑI×OÒOÑQÔQ×`Ò`ÑbÔb€EØ�'˜% /µ5´:¸kÈ3ÕV[ÔV`Ð3aÑ3aÔ3aÐ!bÑcÔc�K€Dˆ%ÝŒ>˜$ÑÔ×#Ò#Ñ%Ô%Ð^­#Ð-^Ð-^ÈuÏ|Ê|É~Ì~Ð-^Ñ-^Ô-^Ñ*^Ô*^Ð^Ð^Ð^Ø‡M‚M�O„O€OØŒ:Ð!Ð!Ð!Ð!Ð!r!   z&Edge devices not intended for trainingc                  ó$  — t          t          ¦  «        dk    rt          t          ¦  «        nt          d         } t          | ¦  «        }t          j                             d¦  «        }t          t          ¦  «         	                    dddt          d         d¬¦  «        }t          t          ¦  «        }| 	                    ddd| d	d
¬¦  «        }|j
        j        j        |k    s
J d¦   «         ‚|j
        j        j        t          |                     d¦  «        d         ¦  «        k    s
J d¦   «         ‚t          j                             d¦  «        |k    s
J d¦   «         ‚t          t          ¦  «         	                    ddd| d	d¬¦  «        }|€J ‚dS )zFTest model training on a minimal dataset using available CUDA devices.r6   r   ÚCUDA_VISIBLE_DEVICESzcoco8-grayscale.yamlr=   éÿÿÿÿ)rQ   r;   Úepochsr<   r2   z
coco8.yamlé   T)rQ   r;   r…   r<   r2   Úcompileztrained on wrong GPUsú,ztrained on wrong GPUz*CUDA_VISIBLE_DEVICES must never be mutatedzcoco128.yamlF)rQ   r;   r…   r<   r2   rZ   N)Úlenr*   Útupler   r   ÚenvironÚgetr	   r   ÚtrainÚtrainerrt   r<   ÚindexrU   rW   )r<   ÚexpectedÚvisibleÚresultsr(   s        r"   Ú
test_trainr“   �   s`  € õ  #¥7™|œ|¨aÒ/Ð/�U•7‰^Œ^ˆ^µW¸Q´Z€FÝ˜FÑ#Ô#€HÝŒj�nŠnÐ3Ñ4Ô4€GÝ•5‰kŒk×ÒÐ%;À2ÈaÕX_Ð`aÔXbÐjlÐÑmÔm€GÝ•‰KŒK€EØ�kŠk˜|°2¸aÈÐVXÐbfˆkÑgÔg€GØŒ=ÔÔ$¨Ò0Ð0Ð0Ð2IÑ0Ô0Ð0ØŒ=ÔÔ%­¨X¯^ª^¸CÑ-@Ô-@ÀÔ-CÑ)DÔ)DÒDÐDÐDÐF\ÑDÔDÐDÝŒ:�>Š>Ð0Ñ1Ô1°WÒ<Ð<Ð<Ð>jÑ<Ô<Ð<Ý•5‰kŒk×Ò ^¸2ÀaÐPVÐ^`ÐfkÐÑlÔl€GàÐÐÐÐÐr!   z/requires an idle CUDA device with nonzero indexc            
      óÚ   — ddl } d„ t          j                             ¦   «         D ¦   «         }dddt          › �ddd	d
t          t          ¦  «        › �g}|                      |d|¬¦  «         dS )a4  Train on a nonzero GPU index in a fresh process with cold CUDA state, reproducing real CLI usage.

    A warm pytest process has CUDA initialized, so a subprocess without CUDA_VISIBLE_DEVICES is the only way to
    reproduce cold-start device selection as on production pods (e.g. Ultralytics Platform).
    r   Nc                 ó&   — i | ]\  }}|d k    ¯||“ŒS )rƒ   r    )r/   ÚkÚvs      r"   ú
<dictcomp>z:test_train_cold_process_nonzero_device.<locals>.<dictcomp>©   s)   € Ð
NÐ
NÐ
N‘D�A�q°!Ð7MÒ2MÐ2Mˆ1ˆaÐ2MÐ2MÐ2Mr!   Úyolor�   zmodel=zdata=coco8.yamlzimgsz=32zepochs=1zdevice=T)ÚcheckÚenv)Ú
subprocessr   r‹   r€   r   Úmaxr*   Úrun)rœ   r›   Úcmds      r"   Ú&test_train_cold_process_nonzero_devicer    Ÿ   s€   € ð ÐÐÐà
NÐ
N�BœJ×,Ò,Ñ.Ô.Ð
NÑ
NÔ
N€CØ�7Ð,¥UÐ,Ð,Ð.?ÀÈZÐYqÕcfÕgnÑcoÔcoÐYqÐYqÐ
r€CØ‡N‚N�3˜d¨€NÑ,Ô,Ð,Ð,Ð,r!   c                  ó  — t          d¦  «        } |                      ¦   «         } t          | j        ¦  «        dk    sJ ‚ | t          ¦  «        }t          | j        ¦  «        dk    sJ ‚dt
          d         › �}|                      |¦  «        } t          | j        ¦  «        |k    sJ ‚ | t          ¦  «        }t          | j        ¦  «        |k    sJ ‚|                      ¦   «         } t          | j        ¦  «        dk    sJ ‚ | t          ¦  «        }t          | j        ¦  «        dk    sJ ‚|                      |¦  «        } t          | j        ¦  «        |k    sJ ‚ | t          ¦  «        }t          | j        ¦  «        |k    sJ ‚dS )zBValidate model prediction consistency across CPU and CUDA devices.r&   Úcpur'   r   N)r	   r¢   Ústrr<   r   r*   r)   )r(   Ú_Úcuda_devices      r"   Útest_predict_multiple_devicesr¦   ®   sx  € õ �ÑÔ€Eð �IŠI‰KŒK€EÝˆuŒ|ÑÔ Ò%Ð%Ð%Ð%Øˆ�f‰Œ€AÝˆuŒ|ÑÔ Ò%Ð%Ð%Ð%ð '�' !œ*Ð&Ð&€KØ�HŠH�[Ñ!Ô!€EÝˆuŒ|ÑÔ Ò+Ð+Ð+Ð+Øˆ�f‰Œ€AÝˆuŒ|ÑÔ Ò+Ð+Ð+Ð+ð �IŠI‰KŒK€EÝˆuŒ|ÑÔ Ò%Ð%Ð%Ð%Øˆ�f‰Œ€AÝˆuŒ|ÑÔ Ò%Ð%Ð%Ð%ð �HŠH�[Ñ!Ô!€EÝˆuŒ|ÑÔ Ò+Ð+Ð+Ð+Øˆ�f‰Œ€AÝˆuŒ|ÑÔ Ò+Ð+Ð+Ð+Ð+Ð+r!   c                  óT  — t          t          ¦  «                             ddt          d         ¬¦  «        } t          | ¦  «                             t
          dt          d         ¬¦  «        }t          |d         j        ¦  «        sJ ‚t          | ¦  «         	                    ¦   «          dS )z[Track with an exported model on GPU; exported backends return raw preds as a single Tensor.Útorchscripté    r   )r:   r;   r<   r>   N)
r	   r   r@   r*   Útrackr   r‰   Úboxesr   rE   )rF   r’   s     r"   Útest_track_exported_modelr¬   Î   s…   € õ •‰;Œ;×Ò ]¸#ÅgÈaÄjÐÑQÔQ€DÝ�4‰jŒj×Ò�v¨S½À¼ÐÑDÔD€GÝˆw�qŒzÔÑ Ô Ð Ð Ð Ýˆ�J„J×ÒÑÔÐÐÐr!   c                  óª   — ddl m}   | t          t          ¦  «        j                             dt          d         › �¦  «        dd¬¦  «        dk    sJ ‚dS )	zICheck optimal batch size for YOLO model training using autobatch utility.r   ©Úcheck_train_batch_sizer'   r9   T)r;   Úampr6   N)Úultralytics.utils.autobatchr¯   r	   r   r(   r)   r*   r®   s    r"   Útest_autobatchr²   ×   si   € ð CÐBÐBÐBÐBÐBð "Ð!¥$¥u¡+¤+Ô"3×"6Ò"6Ð7K½wÀq¼zÐ7KÐ7KÑ"LÔ"LÐTVÐ\`ÐaÑaÔaÐdeÒeÐeÐeÐeÐeÐer!   c           
      óÖ   — ddl m} t          | ¦  «                             ddddt          d         ¬¦  «          || gdddddt          d         ¬	¦  «                             ¦   «          d
S )z/Profile YOLO models for performance benchmarks.r   )ÚProfileModelsrP   r9   Tr6   )r:   r;   r1   r2   r<   r`   )r;   rI   Úmin_timeÚnum_timed_runsÚnum_warmup_runsr<   N)Úultralytics.utils.benchmarksr´   r	   r@   r*   rž   )Úisolated_modelr´   s     r"   Útest_utils_benchmarksrº   à   s‡   € ð ;Ð:Ð:Ð:Ð:Ð:õ 	ˆÑÔ×Ò x°rÀ4ÈqÕY`ÐabÔYcÐÑdÔdÐdØ€MØ	ÐØØØØØÝ�qŒzðñ ô ÷ 
‚c�e„e€e€e€er!   c            
      ó  — ddl m}  ddlm}  | t          dz  ¦  «        }|                     ¦   «           |t          t          d         ¬¦  «          |t          g d¢t          d         ¬¦  «          |t          dz  d	d
gt          d         ¬¦  «          |t          dz  d	d
gdgt          d         ¬¦  «          |t          dz  d	d
ggdgt          d         ¬¦  «          |t          dz  dd
gd	d
ggddgt          d         ¬¦  «          |t          dz  d	d
gddgggddggt          d         ¬¦  «          |ddddt          dz  t          d         ddœ¬¦  «        }| 	                    t          dz  ¦  «         | 
                    ¦   «          dS )z3Test SAM model predictions using different prompts.r   )ÚSAM)Ú	Predictorzsam2.1_b.ptrg   )i·  iµ  i  iÅ  )Úbboxesr<   z
zidane.jpgi„  ir  )Úpointsr<   r6   )r¿   Úlabelsr<   i�  iè  éd   g      Ð?ÚsegmentÚpredicti   zmobile_sam.ptrL   )Úconfr0   Úmoder;   r(   r<   rI   )Ú	overridesN)Úultralyticsr¼   Úultralytics.models.samr½   r   Úinfor   r*   r   Ú	set_imageÚreset_image)r¼   ÚSAMPredictorr(   rA   s       r"   Útest_predict_samrÍ   ó   sä  € ð  ÐÐÐÐÐØ@Ð@Ð@Ð@Ð@Ð@àˆC•˜mÑ+Ñ,Ô,€EØ	‡J‚J�L„L€Lð 
€E�&� œÐ$Ñ$Ô$Ð$Ø	€E�&Ð-Ð-Ð-µg¸a´jÐAÑAÔAÐAØ	€E�&�<Ñ
¨¨c¨
½7À1¼:ÐFÑFÔFÐFØ	€E�&�<Ñ
¨¨c¨
¸A¸3ÅwÈqÄzÐRÑRÔRÐRØ	€E�&�<Ñ
¨#¨s¨¨¸a¸SÍÐQRÌÐTÑTÔTÐTØ	€E�&�<Ñ
¨#¨s¨°c¸3°ZÐ(@È!ÈQÈÕX_Ð`aÔXbÐcÑcÔcÐcØ	€E�&�<Ñ
¨3°¨*°t¸S°kÐ)BÐ(CÈaÐQRÈVÈHÕ]dÐefÔ]gÐhÑhÔhÐhð �àØØØÝ  ?Ñ2Ý˜a”jØð
ð 
ð
ñ 
ô 
€Ið ×Ò� Ñ-Ñ.Ô.Ð.ð ×ÒÑÔÐÐÐr!   )9r   Ú	itertoolsr   Úpathlibr   rX   r   Útestsr   r   r   r   rÇ   r	   rq   r
   r   r   Úultralytics.utilsr   r   r   Úultralytics.utils.autodevicer   Úultralytics.utils.checksr   r   Úultralytics.utils.torch_utilsr   r   r*   Úgpu_infoÚprint_statusÚ
__import__r‹   rŒ   Úautodevice_fractionÚselect_idle_gpuÚ	idle_gpusr#   ÚmarkÚskipifr+   ÚslowÚparametrizeÚsortedrG   r^   r�   r“   r�   r    r¦   r¬   r²   rº   rÍ   r    r!   r"   ú<module>rà      s²  ðð 
€	€	€	Ø Ð Ð Ð Ð Ð Ø Ð Ð Ð Ð Ð à €€€Ø €€€à EÐ EÐ EÐ EÐ EÐ EÐ EÐ EÐ EÐ EÐ EÐ EØ Ð Ð Ð Ð Ð Ø 8Ð 8Ð 8Ð 8Ð 8Ð 8Ð 8Ð 8Ð 8Ð 8Ø <Ð <Ð <Ð <Ð <Ð <Ð <Ð <Ð <Ð <Ø 0Ð 0Ð 0Ð 0Ð 0Ð 0Ø >Ð >Ð >Ð >Ð >Ð >Ð >Ð >Ø BÐ BÐ BÐ BÐ BÐ BÐ BÐ Bð €Øð  Øð  Ø�#ˆˆà�7‘9”9ˆØ×ÒÑÔÐØ(˜j¨Ñ.Ô.Ô6×:Ò:Ð;ZÐ\_Ñ`Ô`ÐØ ×0Ò0ØØ 3Ø1ð 1ñ 
ô 
ð 
ˆ9ð 	 ð
  ˆGð:ð :ð :ð „×Ò˜�KÐ(CÐÑDÔDðð ñ EÔDðð „ÔØ„×Ò˜�KÐ(CÐÑDÔDØ„×ÒØ)ðð à3:°7ØˆF�5‰MŒM˜D %˜=¨1¨a¨&°4¸°-ÐATÐATÐATñ4
ô 4
ðñ ô ñô ðð ñô ñ EÔDñ Ôðð" „ÔØ„×Ò˜�KÐ(CÐÑDÔDØ„×ÒØ$ðð ð /6¨gÀIÐ6`°x°j°jÐSYÐSYÐZ_ÑS`ÔS`ÐcgÐbhÐklÐnpÐjqÐtuÐsvÑ.wÔ.wð	ñ ô ð Ðñ ñ	ô 	ðEð Eñ	ô 	ñ EÔDñ ÔðEð@ „×Ò˜�KÐ(CÐÑDÔDØ„×Ò˜  1˜vÑ&Ô&ð"ð "ñ 'Ô&ñ EÔDð"ð  „×Ò˜�KÐ(CÐÑDÔDØ„×Ò�IÐ&NÐÑOÔOðð ñ PÔOñ EÔDðð  „×Ò˜�KÐ4 3 3 w¡<¤<°1Ò#4Ð=nÐÑoÔoØ„×Ò�IÐ&NÐÑOÔOð
-ð 
-ñ PÔOñ pÔoð
-ð „ÔØ„×Ò˜�KÐ(CÐÑDÔDð,ð ,ñ EÔDñ Ôð,ð< „×Ò˜�KÐ(CÐÑDÔDðð ñ EÔDðð „×Ò˜�KÐ(CÐÑDÔDðfð fñ EÔDðfð „ÔØ„×Ò˜�KÐ(CÐÑDÔDðð ñ EÔDñ Ôðð" „ÔØ„×Ò˜�KÐ(CÐÑDÔDð ð  ñ EÔDñ Ôð ð  ð  r!   