第九周 项目2:分数的累加

问题及代码:

/*
 *copyright (c) 2014,烟台大学计算机学院
 *all rights reserved.
 *文件名:test.cpp
 *作者:陈文青
 *完成日期:2014年10月22号
 *版本号:v1.0
 *
 *问题描述:1/3-3/5+5/7-7/9...-19/21=
 *输入描述:利用单重循环
 *程序输出:一个小数  1/3-3/5+5/7-7/9...-19/21的值
 、
 */
#include <iostream>
using namespace std;
int main()
{
    int s=1;                   //添加一个变量s,以此改变分数的符号
    double i,sum=0;            //变量sum和i,定义为浮点型,不然运行结果为0
    for(i=1; i<=19; i=i+2)     //for语句中,注意三个语句的运行顺序
    {
        sum=s*i/(i+2)+sum;     //执行语句
        s=-s;                  //符号的交换
    }
    cout<<"1/3-3/5+5/7-7/9...-19/21="<<sum<<endl;
    return 0;
}

运行结果:



知识点总结:

利用循环语句解决分数的累加。

学习心得:

在C++课堂上的时候,非常搞不懂for语句,尤其是三个语句的运行方式,但是后来我通过自己画流程图,了解各语句的运行顺序,发现for语句比while语句,do-while好用,尤其是更显得高大上。

在编程的时候,先作出流程图,也可以先用伪代码写一下,然后在编程序的时候很快就可以编出来了。

总之,实践是了解编程语言的最好方法。




内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值