打印x(蓝桥杯真题)

全网最细致题解,哪怕是个规律题,也要讲出自己是如何发现规律的,不然读者很难理解,我翻看了当前的所有c++题解,没有解释的,所以在想明白以后,发了此题解 请在此处填写你的解题思路

#include<iostream>
using namespace std;
int main()
{
   int m,n;
   cin>>m>>n;
   int r=n+m-1;//不难发现每行一共有r个字符,同时作为右边界
   //如何发现的这个规律呢,可以看出,无论笔画宽度是几,第一行的第一组*的最后一个恰好在最后一行走到了最右下角,经过了n次变换,然后这个*前还有m-1个*,所以总共一行有n+m-1个字符
   int l=1;//左边界
   for(int i=1;i<=n;i++)//一共有n行,循环n遍
   {
       for(int j=1;j<=n+m-1;j++)//一共有n+m-1列,循环这么多遍
       {
          //判断是否在应该输出*的区间
          if((j>=l&&j<=l+m-1)|| (j>=r-m+1&&j<=r)) printf("*");//每一行两组*,第一组,第一个位置在l,第一组的最后一个在l+m-1
          //同理,第二组的第一个*在r-m+1,最后一个*在r
          else                                    printf(".");
       }
       cout<<endl;
       l++,r--;//每行第一组的第一个*在随着行数向下,而向右移动
       //同理每行第二组*的最后一个在随着行向下,向左移,所以l++,r--
   }
  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 1
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