C语言分支循环语句

一.c语言的分支语句

 1.if语句

c语言中if语句为分支语句,通常和else搭配使用,也可单独使用;通常形式为

图1


  if通常后续只能关联一个语句,如果需要写多条语句则需要加一个{}把语句写在{}里。只有()里

的条件成立时才会执行后续的语句。当if和else搭配使用时先判断if的条件,如果不成立才会执行

else的后续语句。else只会的物理位置上最近的if搭配。if语句中还可以嵌套if语句,形式为

图2 

同样else中也可以嵌套if语句。if和else搭配使用时并非只有这一种形式, 

图3

还可以在else后加if如

图4 

   图4这种情况中两个if后的条件都需要进行判断条件不成立则都不执行。

2.switch语句

   switch语句的一般形式为

图5

    switch语句用于多个条件的选择,其中条件如图5中的i。传入i后和case后的条件进行对比如果条

件成立则执行后续语句,如果条件都不成立则执行default后的语句。case和default不分先后顺序

只有case后的条件都不成立才会执行default后的语句。

      值得一提的是switch语句中传入的条件还有case后的条件都得是int类型,还有如果如果case的

后续语句中没有(break;)这个语句程序会把后续除去default的其他case语句的后续语句都执行

一遍直至碰到(break;)或者switch语句结束。因为break的作用是终止语句。berak不仅可以终

止switch语句还可以终止接下来要讲的各种循环语句。

 二.c语言中的循环语句

  c语言中循环语句一般有条件表达式,循环体和更新部分组成。

1.while语句

  c 语言中while语句一般形式如图

图6

其中(i<10)为条件表达式,(printf("%d\n", i);)是循环体,(i++;)是更新部分。

  while语句运行顺序为先执行条件语句再执行循环体和更新条件,while语句中更新条件和循环体的

循环顺序没有要求,如果条件不成立则会执行下一条语句。

2.do while语句

   do while语句的一般形式为

图7 

  其中(i<10)为条件表达式,(printf("%d\n", i);)是循环体,(i++;)是更新部分。与while不同的是

do while语句运行顺序为先执行一次执行循环体和更新条件再执行条件语句如果条件成立再执行循

环体的更新条件如何进行条件判断。

 3.for语句

   for语句的形式一般为

图8

   与while和do while不同的是for语句中的更新部分和条件表达式都在()里用“;”隔开,for语句还.

有一个初始化部分(如图8中的int i=0;),这是for语句独有的。for语句执行的顺序为先执行初始

化语句再执行条件语句,条件语句满足后再执行循环体(如图8中{}里的部分)再执行更新部分

   (如图8中的i++),否则结束循环。到这里就算完成了第一次循环,值得注意的是进入第二次循

环后不需要执行初始化部分,也就是说初始化部分只在第一次循环中才会执行。第二次循环会从条

件语句开始进行,然后再执行循环体再执行更新部分。由于for语句中更新部分和循环体不在同一

部分所以减少了死循环的可能性,因此for语句再c语言的日常使用中更为频繁。

      for语句中的初始化部分,条件表达式,更新部分都可以为空,初始化为空并不会对循环造成影

响,但是值得注意的是条件表达式为空时表达的意思是条件恒成立,它和更新部分为空都可能造成

死循环。

4.循环嵌套

    无论是for语句还是while和do while语句都可以在循环体里嵌套各种循环语句如图

 图9

     当然for语句中不止可以嵌套for与其他语句都可以进行嵌套这都看自己的想法和实际的需求,循

环嵌套中嵌套语句执行一次被嵌套循环语句就要执行结束,然后嵌套语句继续执行直至循环结束,

也就是说嵌套语句执行一次被嵌套语句就要一直循环到结束。

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。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
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