2011成都网赛 / 1006 - Rolling Hongshu

本文记录了一次HDOJ竞赛中因使用long long类型及%lld读取数据导致的问题。作者分享了如何调试并解决由不正确的数据类型引发的程序错误,最终采用double类型来避免乘法溢出。

题目

比赛的时候,队友很蛋疼地把终点直接当成 (0,0),导致wa啊wa啊wa啊~~~

刚才我写了下,开始竟然也一直wa~~~= =、

由于开始的时候以为会乘法溢出什么的用了long long..

然后又沙比般地用了%lld读数据....(靠,一开始就都用double多好...)

我竟然沙比般地忘记了蛋疼的hdoj不支持%lld..........

然后沙比般的debug了n久......

还好比赛的时候我告诉队友的是%I64,不然要是wa在这里会更蛋疼吧..............总之蛋疼..


代码:

#include<cstdio>
#include<cstring>
#include<iostream>
#include<algorithm>
#include<cmath>
using namespace std;

#define int64 long long
#define MAXN 1010
#define MAXM 1010
#define INF 1<<30
#define g 20
int64 n, m, w;		//n 个山	
struct high
{
	int64 x, y;
}mn[MAXN];
struct potato
{
	int64 x, v, m;
}po[MAXM];

double getY(int k)	//第k个球
{
	double y;
	for(int i=0; i<n-1; i++) if(mn[i].x<=po[k].x && mn[i+1].x>=po[k].x)
	{
		return (double)(po[k].x-mn[i].x)*(mn[i+1].y-mn[i].y)/(mn[i+1].x-mn[i].x)+mn[i].y;
	}
}

double solve()
{
	double maxv2=0;		//速度最小0
	for(int i=0; i<m; i++)
	{
		double y = getY(i);
		double v = po[i].v;
		double tv2 = v*v-2*g*(mn[0].y-y);
		maxv2 = max(maxv2, tv2);
	}
	return maxv2;
}

int main()
{
	int t;	scanf("%d", &t);
	for(int T=0; T<t; T++)
	{
		printf("Case %d: ", T+1);

		scanf("%I64d%I64d%I64d", &n, &m, &w);

		int64 maxx=-INF;
		for(int i=0; i<n; i++)
		{
			scanf("%I64d%I64d", &mn[i].x, &mn[i].y);
			maxx = max(mn[i].y, maxx);
		}
		double minv2 = maxx<=mn[0].y? 0: 2*g*(maxx-mn[0].y);		//最小v2
		for(int i=0; i<m; i++)
		{
			scanf("%I64d%I64d%I64d", &po[i].x, &po[i].v, &po[i].m);
		}

		minv2 = max(solve(), minv2);
		printf("%.2lf\n", sqrt((double)minv2));
	}
}


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