在一次计算机视觉的研究项目中，研究员需要判断一张大图中是否存在另一张模板图案。
大图和模板图案都是由二维像素矩阵表示的。每个图像中的像素点可以是白色或黑色。大图 A 是一个 N \times N 的二值矩阵，模版图 B 是一个 M \times M 的二值矩阵。二值矩阵中，白色像素用字符 . 表示，黑色像素用字符 # 表示。
判断大图 A 中是否存在模版图案 B 的方法是：在大图中，如果能取出 M \times M 的子矩阵，且该子矩阵与模版 B 完全相同，则视为大图中存在模版图案 B。
输入包含两部分，第一部分是大图的大小和内容，第二部分是模板图案的大小和内容：
第一行：两个整数 N 和 M，表示大图 A 和模板 B 的大小。
接下来的 N 行：表示大图 A 的每一行，其中每一行是由字符 # 和 . 组成的字符串。
接下来的 M 行：表示模板 B 的每一行，其中每一行是由字符 # 和 . 组成的字符串。
如果大图 A 中存在模版图案 B，则输出 Yes，否则输出 No。
3 2 #.# .#. #.# #. .#
Yes
4 1 .... .... .... .... #
No
在大图 A 中，从 1,1 点开始取大小为 2 \times 2 的子图，和模版 B 相同，输出 Yes。
对于 100\% 的数据，满足： 1 \leq M \leq N \leq 50，且所有字符都是 # 或 .。