有趣的程序-2011年09月15日(原创+转载)

本文详细阐述了一个出圈问题的Java解决方案,包括初始化数组、循环遍历和判断出圈逻辑,通过实例代码展示了如何在Java中实现这一逻辑。

 
出圈问题:出圈,n个围成一圈,数到第m个人出圈,再从m个人的下一个人数,依次循环。并打印出出圈的人。

public class Ysf{

  public static void main(String[] args){

 int n=10,m=2;

 int outNum=0;

 int tmp=m;

 int index=0;

 boolean countOne=false;

 int a[]=new int[n];

 for(int i=0;i<a.length;i++)

  {a[i]=i+1;}

 

 while(outNum<n){//出圈的人数小于总人数

  tmp=m;

  while(tmp>0){//还没数到m

   countOne=false;

   while(!countOne){//数一个有效的人

    if(a[index]!=-1){//如果这个人没有出圈,则这个计数有效,否则跳过这个人,直到数到下一个有效的人。

     countOne=true;

    }

    index+=1;

     if(index>n-1)

      index=index-n;

   }

   tmp--;

  }

  index-=1;//因为数到有效的人后,index仍然自增了,所以要-1,确定出圈的人。

  if(index<0)

   index=n-1;

  System.out.println(""+a[index]);

  outNum++;

  a[index]=-1;//表示这个人已经出圈了

 

 }

  }

}

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
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