反转

整数反转

昨天先看了回文串的那道题,真是看不懂,不知道动态规划是怎么用程序实现的,想要单独拿出来一天去学习,最近在上课没有很长的时间去做这个的学习,准备在这周六没课,就把这道题弄会写出来。

接下来,把昨天后来当做补救做的一道简单级别的题目进行总结:
整数反转,首先整数有负整数、和非负整数之分,对于非负整数我们只需要不断地取余加上原来结果乘10,不断循环就可以得到相应的答案。

int yu = x % 10;
res = res * 10 + yu;
x /= 10;

那负数的话最简单的就先判断给定数的符号,用一个标志符号sign来表示数字的正负,再对原来的x取绝对值,然后在最后乘上符号就行

//判断符号
int sign = x > 0 ? 1 : -1;
//取绝对值
x = abs(x);
//结果乘上符号位
res = res * sign;

判断结束之后我们可以看到题目中给的条件,他说假设我们环境只能存储得下32位的有符号整数,那么数字的最小值为(-2)^31,他的最大值就是2的31次方-1;32位的话应该是int类型的数字,所以有

int min = 0x80000000;
int max = 0x7fffffff;

如果溢出,那么出来的数就应该为0,加一个简单的判断即可
整体程序如下:

int min = 0x80000000;        
int max = 0x7fffffff;        
int sign = x > 0 ? 1 : -1;        
long res = 0;          
x = abs(x);           
while(x > 0){            
	int yu = x % 10;            
	res = res *10 + yu;            
	x /= 10;        
}        
res = res * sign;         
if(res < min || res > max){             
	res = 0;         
}        
return res;
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
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