C语言编程笔记-03

本文通过三个实例讲解了C语言程序的编译与链接过程。解释了为什么编译阶段不检查main函数的存在,而链接阶段会检查;并演示了一个包含main函数的有效程序示例。
知识总结、学习方法和建议 
例1:
建立一个test.txt文件,进行编辑和编译,发现通过cc -c test.txt命令报错,所以编译只能编译.c文件。
图片


例2:
编辑一个C程序,如下
#include <stdio.h>
int test ()
{
    printf(“12345\n”);
    return 0;
}
请问这个程序能否运行,答案是否定的,因为没有定义main函数,运行cc -c test.c可以生成test.o文件,但运行cc test.o 文件报错,如下图
图片
 
编译:只会检测语法是否正确,并不会检测有没有main函数。
链接:会检测有没有main函数。


例3:
一个c语言程序不能定义多个main函数,当有多个函数存在时应该保证main函数放在最后,如下程序:
 
#include <stdio.h>
int test ()
{
    printf(“44444\n”);
    return 0;
}

int main()
{
   printf("33333\n");
   test();
   return 0;


执行结果是
33333
44444
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