二分法

刚开始以为是2^7<154<2^8 所以 <=8的就都对。

后面自己画图试了试,以为最大次数是7(没考虑到不存在的情况),特此写代码求证。下面附上代码:

private static int half(int[] arr, int num) {
      int min = 0;
      int max = arr.length-1;
      int times = 0;

      while(min <= max) {
          int medim = (min+max) /2;
          System.out.println(min +" " + medim+ " "+ max);
          if(arr[medim] == num) {
              ++times;
              System.out.println(times);
              return medim;
          }
          if(arr[medim] < num) {
              ++times;
              min = medim+1;
          } else if(arr[medim] > num) {
              ++times;
              max = medim-1;
          }
      }
        System.out.println(times);
      return -1;
    }

    public static void main(String[] args) {
        int[] arr = new int[154];
        for(int i=0; i<arr.length;i++) {
            arr[i] = i+1;
        }
        int index = half(arr, 342);
        System.out.println(index);

    }

下面是执行结果:每一条表示比较的数组的最小值、中间值、最大值。最后是比较次数和索引位置。 

0 76 153
77 115 153
116 134 153
135 144 153
145 149 153
150 151 153
152 152 153
153 153 153
8
-1

 

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