16周任务1(2)

  1. /*  
  2. * 程序的版权和版本声明部分  
  3. * Copyright (c)2012, 烟台大学计算机学院学生  
  4. * All rightsreserved.  
  5. * 文件名称: fun.cpp  
  6. * 作 者:王俊 
  7. * 完成日期:2012 年12 月 13日  
  8. * 版本号: v1.0  
  9. * 对任务及求解方法的描述部分:玩转字符串2  
  10. * 输入描述:略  
  11. * 问题描述:略  
  12. * 程序输出:如下  
  13. */    
  14. 程序代码:
  15.  *复制字符串str1,保存到str2中;
    #include<iostream>   
    using namespace std;  
    int main()  
    {  
      char str1[50]="I am a happy gail.",str2[50];  
      int i=0,j=0;  
      for(i=0;str1[i]!='\0';i++)  
      {    
       str2[j]=str1[i];  
          j++;   
      }  
      str2[j]='\0';
      cout<<"str1的字符串:"<<" "<<str1<<endl;   
      cout<<"str2的字符串:"<<" "<<str2<<endl;  
      return 0;  
    }  
    
    
    
  16. *将str1中的空格去除,仍保存在str1中;
    #include<iostream>   
    using namespace std;  
    int main()  
    {  
      char str1[50]="I am a happy gail.";  
      int i=0,j=0;  
      for(i=0;str1[i]!='\0';i++)  
      {    
        if(str1[i]!=' ')  
        {  
          str1[j]=str1[i];  
          j++;  
        }  
      }  
      str1[j]='\0';
      cout<<"整理后的字符串"<<str1<<endl;  
      return 0;  
    }  
    

    运行结果:
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