16周任务1(1)

本文介绍了两个简单的C++程序,分别用于统计字符串中特定字符(如字母A)的出现次数,以及统计字符串中所有大写字母的数量。通过示例代码展示了如何使用循环和条件判断来实现这些功能。
  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: x.cpp 
  6. * 作者:王俊
  7. * 完成日期: 2012年 12 月 13 日 
  8. * 版本号: v1.0 
  9. * 输入描述: 
  10.  
  11.   * 问题描述:  
  12.   .统计字母'A'和 字母出现的次数; 
  13.       * 程序输出: 

*统计字母出现的次数

#include<iostream>   
using namespace std;  
int main()  
{  
  char str[50];  
  int i=0,n=0;  
  cout<<"输入字符串:";  
  gets(str);  
  while(str[i]!='\0')  
  {    
    if(str[i]== 'A') n++;  
    i++;  
  }  
  cout<<"其中的字母A个数是: "<<n<<endl;  
  return 0;  
}  


*统计字符串中(大/小写)字母个数

#include<iostream>   
using namespace std;  
int main()  
{  
  char str[50];  
  int i=0,n=0;  
  cout<<"输入字符串:";  
  gets(str);  
  while(str[i]!='\0')  
  {    
    if(str[i]>='A'&&str[i]<='Z') n++;  
    i++;  
  }  
  cout<<"其中的数字个数是: "<<n<<endl;  
  return 0;  
}  

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