单链表操作

#include <iostream>
using namespace std;

struct ListNode{
	int m_iValue;
	ListNode* m_pNext;
};

//添加节点
void AddToTail(ListNode** pHead,int val)
{
	ListNode* pNewNode=new ListNode;
	pNewNode->m_iValue=val;
	pNewNode->m_pNext=NULL;

	if (*pHead==NULL)
	{
		*pHead=pNewNode;
	}
	else
	{
		ListNode* pNode=*pHead;
		while(pNode->m_pNext!=NULL)
			pNode=pNode->m_pNext;

		pNode->m_pNext=pNewNode;
	}
}

//删除节点
void RemoveNode(ListNode** pHead, int val)
{
	if (pHead==NULL || *pHead==NULL)
		return;

	ListNode* pToBeDeleted=NULL;
	if ((*pHead)->m_iValue==val)
	{
		pToBeDeleted=*pHead;
		*pHead=(*pHead)->m_pNext;
	}
	else
	{
		ListNode* pNode=*pHead;
		while(pNode->m_pNext!=NULL  && pNode->m_pNext->m_iValue!=val)
			pNode=pNode->m_pNext;

		if (pNode->m_pNext!=NULL)
		{
			pToBeDeleted=pNode->m_pNext;
			pNode->m_pNext=pToBeDeleted->m_pNext;
		}
	}

	if (pToBeDeleted!=NULL)
	{
		delete pToBeDeleted;
		pToBeDeleted=NULL;
	}
}


//后序打印
void PrintReverse(const ListNode* pNode)
{
	if (pNode->m_pNext!=NULL)
	{
		PrintReverse(pNode->m_pNext);
	}
	cout<<pNode->m_iValue<<endl;
}

int main()
{
	ListNode* pList=NULL;
	ListNode** pHead=&pList;
	for (int i=0;i<10;++i)
	{
		AddToTail(pHead,i);
	}
	RemoveNode(pHead,7);
	PrintReverse(*pHead);
}


后序链表学习继续补充。

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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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