[NWPU2018]一套水题 2018.8.11测试

https://vjudge.net/contest/245776#overview

 

 

A - 这是一套简单题

输出n甁药水一次k种时最坏情况下最少死去的兔子数量。分别考虑n=1, k=1, n==k, n%k==0或1,其他情况,输出分别为0, n-1, -1, n/k, n/k+1.注意每种药水都可以重复使用。

 

B - 有多简单呢?

计算26个字母分别出现的次数,然后根据出现的次数分别计算它们的期望n*n/len,最后相加。

 

E - 不管你信不信

三次bfs。Constantine, Mike,组合后的图分别bfs,求出最短路径需要的步数,再进行比较。如果相等就输出YES。

 

F - 反正我信了

这个注意可以往回走也可以往前走就行了。按人的顺序遍历,仓库从小到大,如果在人能达到的范围内就让人进去,如果这个仓库满了就进入下一个仓库。

 

H - 显然我不能告诉你

判断三角形是否相似,直接计算三边长,然后排序,再按顺序依次作除法,如果比例相同就说明他们相似,输出YES。

 

L - 我感觉应该有人可以ak的

注意题目说了输出任何一种情况都可以,所以我直接输入字符串之后先按顺序输出前半部分,再倒序输出前半部分。

刚开始我是先输入,然后头和尾从第一位和最后一位开始比较,如果不相等就把尾用头替换掉,然后发现超时了= =。

此压缩包包含了本毕业设计项目的完整内容,具体包括源代码、毕业论文以及演示PPT模板。 开发语言:Java 框架:SSM(Spring、Spring MVC、MyBatis) JDK版本:JDK 1.8 以上 开发工具:Eclipse IntelliJ IDEA Maven版本:Maven 3.3 以上 数据库:MySQL 5.7 以上 项目配置完成后即可运行,若需添加额外功能,可根据需求自行扩展。 运行条件 确保已安装 JDK 1.8 更高版本,并正确配置 Java 环境变量。 使用 Eclipse IntelliJ IDEA 打开项目,导入 Maven 依赖,确保依赖包下载完成。 配置数据库环境,确保 MySQL 服务正常运行,并导入项目中提供的数据库脚本。 在 IDE 中启动项目,确认所有服务正常运行。 主要功能简述: 请假审批流程:系统支持请假申请的逐级审批,包括班主任审批和院系领导审批(针对超过三天的请假)。学生可以随时查看请假申请的审批进展情况。 请假记录管理:系统记录学生的所有请假记录,包括请假时间、原因、审批状态及审批意见等,供学生和审批人员查询。 学生在线请假:学生可以通过系统在线填写请假申请,包括请假的起止日期和请假原因,并提交给班主任审批。超过三天的请假需经班主任审批后,再由院系领导审批。 出勤信息记录:任课老师可以在线记录学生的上课出勤情况,包括迟到、早退、旷课和请假等状态。 出勤信息查询:学生、任课老师、班主任、院系领导和学校领导均可根据权限查看不同范围的学生上课出勤信息。学生可以查看自己所有学年的出勤信息,任课老师可以查看所教班级的出勤信息,班主任和院系领导可以查看本班本院系的出勤信息,学校领导可以查看全校的出勤信息。 出勤统计与分析:系统提供出勤统计功能,可以按班级、学期等条件统计学生的出勤情况,帮助管理人员了解学生的出勤状况。 用户管理:系统管理员负责管理所有用户信息,包括学生、任课老师、班主任、院系领导和学校领导的账号创建、权限分配等。 数据维护:管理员可以动态更新和维护系统所需的数据,如学生信息、课程安排、学年安排等,确保系统的正常运行。 系统配置:管理员可以对系统进行配置,如设置数据库连接参数、调整系统参数等,以满足不同的使用需求。 身份验证:系统采用用户名和密码进行身份验证,确保只有授权用户才能访问系统。不同用户类型(学生、任课老师、班主任、院系领导、学校领导、系统管理员)具有不同的操作权限。 权限控制:系统根据用户类型分配不同的操作权限,确保用户只能访问和操作其权限范围内的功能和数据。 数据安全:系统采取多种措施保障数据安全,如数据库加密、访问控制等,防止数据泄露和非法访问。
### 使用 YOLOv8 训练 NWPU 数据集 为了使用 YOLOv8NWPU VHR-10 数据集进行训练,需要遵循一系列特定步骤来准备环境和数据。以下是详细的说明: #### 安装依赖库 建议先安装 `ultralytics` 这个官方支持的 Python 库[^1]。尽管有观点认为对于改进版本可能带来挑战,但对于标准流程而言这是必要的。 ```bash pip install ultralytics ``` #### 准备数据集 由于原始 NWPU VHR-10 数据集并非直接适用于 YOLO 模型,所以必须将其转换成适合的形式。具体来说,应该把 VOC COCO 格式的标注文件转化为 YOLO 所需的文字标签格式,并确保图像路径正确无误[^2]。 #### 创建配置文件 创建一个新的 YAML 文件用于描述数据集结构 (`mydata.yaml`),该文件应包含类别名称列表以及训练/验证图片目录的位置信息。此部分与之前版本如 YOLOv5 的做法相似[^3]。 ```yaml train: ./datasets/NWPU_VHR-10/images/train/ val: ./datasets/NWPU_VHR-10/images/valid/ nc: 10 # 类别数量 names: ['airplane', 'ship', ... ] # 各类别的名字 ``` #### 设置超参数并启动训练过程 编辑命令行指令以指定使用的预训练权重、批次大小和其他重要选项。下面是一个例子,其中 `-imgsz` 参数指定了输入图片尺寸;而 `--epochs`, `--batch-size` 则分别控制迭代轮数及每批处理多少张图象。 ```python from ultralytics import YOLO model = YOLO('yolov8n.pt') # 加载模型 results = model.train( data='path/to/mydata.yaml', epochs=100, batch_size=16, imgsz=640, # 图片尺寸 device='cuda' # GPU加速 ) ``` 通过上述方法即可完成基于 YOLOv8 架构针对 NWPU VHR-10 数据集的目标检测任务。
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