题目描述

人脸识别作为一项研究生的研究方向——计算机视觉的一个领域，已经从实验室走到我们生活中，我们已经深受人脸识别为我们带来的便利性。

比如：学校、小区甚至智能门锁。

让我们一起来简化一下人脸识别的原理：

1. 录入人脸数据，系统获取到你的人脸图片信息后计算特征值矩阵，并保存到数据库中；
2. 当检测到人脸时，与数据库中的数据计算"距离"，当距离＜某一个设定的阈值时，则判断当前是这个人。当与系统中所有人脸数据计算后，都没有＜某一个设定的阈值时，认为当前检测的人脸属于陌生人。

让我们一起来模拟一下这个过程。

比如： 特征值矩阵1:

[[1, 2, 3],
 [4, 5, 6],
 [7, 8, 9]]

特征值矩阵2:

[[9, 8, 7],
 [6, 5, 4],
 [3, 2, 1]]

计算距离的公式： 让我们采用一种最为简单的计算方式

$$dis=\sum^n_{i=1}|y_i-y_j|$$

以上述数据为例，计算过程是:

$$dis=|1-9|+|2-8|+|3-7|+...+|8-2|+|9-1|$$

我们的目标就是先计算出这个dis。

输入要求

输入6行3列。

前三行三列是第一个特征矩阵；后三行三列是第二个特征矩阵。

每一行输入数据之间有空格。

输出要求

输出dis的值。（输入只有整数）

---

样例

1 1 1
1 0 1
1 1 1
1 1 1
1 1 1
1 1 1

1

解释

第一个特征值矩阵为:

1 1 1
1 0 1
1 1 1

第二个特征值矩阵为:

1 1 1
1 1 1
1 1 1

对每一个对应位置的值做差求绝对值并求和结果为1。

接收输入的代码

for i in range(6):
    l = [int(x) for x in input().split()]
    lst.append(l)
lst_1 = lst[0:3]
lst_2 = lst[3:]

# lst_1和lst_2是两个特征矩阵