leetcode 7 Reverse Integer

 

7Reverse Integer    24.40%反转数字,注意首位为0
32bit:数字大小小于2^31
string反转方法:[::-1]

 

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Sun Dec 24 20:13:51 2017

@author: vicky
"""

#102ms
#import numpy as np;
import math

#self 代表类的实例,self 在定义类的方法时是必须有的,虽然在调用时不必传入相应的参数。
#没有class类,只有def函数时,不用self
class Solution:
    def reverse(self, x): 
        """
        :type x: int
        :rtype: int
        """
        s2=0
        if x==0:
            s2=0
        else:
            k=int(math.log10(abs(x)))
            s=abs(x)
            x2={} #提取各位数字
            for i in range(k+1):
                x2[i]=int(s/(10**(k-i)))
                s=s-x2[i]*(10**(k-i))
            for i in range(0,k+1):
                s2=s2+x2[k-i]*(10**(k-i))
            if x<0:
                s2=-1*s2
        return s2 if abs(s2)<2**31 else 0 #32-bit意思是小于数字大小小于2^32
        
x=-15342360
t=Solution()
t.reverse(x)
print(t.reverse(x))

#import operator
#def reverse( x):
#    s = operator.lt(x, 0)
#    r = int('s*x'[::-1])
#    return s*r * (r < 2**31)
#        
#reverse(1534236469)

#98ms
class Solution(object):
    def reverse(self, x):
        """
        :type x: int
        :rtype: int
        """
        #先把转换为str型,再转换为int型,不用考虑首位为0因为int
        x = int(str(x)[::-1]) if x >= 0 else -int(str(-x)[::-1])
        return x if x < 2147483648 and x >= -2147483648 else 0
    
#99ms
class Solution:
    def reverse(self, x): 
        """
        :type x: int
        :rtype: int
        """
        s3=abs(x)
        sign_x=1 if x>0 else -1
        new_x=0
        while s3>0:
           new_x=10*new_x+s3%10 
           s3=int(s3/10)
        return sign_x*new_x if new_x<2**31 else 0 
           

 

一、基础信息 数据集名称:Bottle Fin实例分割数据集 图片数量: 训练集:4418张图片 验证集:1104张图片 总计:5522张图片 分类类别: - 类别0: 数字0 - 类别1: 数字1 - 类别2: 数字2 - 类别3: 数字3 - 类别4: 数字4 - 类别5: 数字5 - 类别6: Bottle Fin 标注格式:YOLO格式,包含多边形坐标,适用于实例分割任务。 数据格式:图片格式常见如JPEG或PNG,具体未指定。 二、适用场景 实例分割AI模型开发:数据集支持实例分割任务,帮助构建能够精确识别和分割图像中多个对象的AI模型,适用于对象检测和分割应用。 工业自动化与质量控制:可能应用于制造、物流或零售领域,用于自动化检测和分类物体,提升生产效率。 计算机视觉研究:支持实例分割算法的学术研究,促进目标检测和分割技术的创新。 教育与实践培训:可用于高校或培训机构的计算机视觉课程,作为实例分割任务的实践资源,帮助学生理解多类别分割。 三、数据集优势 多类别设计:包含7个不同类别,涵盖数字和Bottle Fin对象,增强模型对多样对象的识别和分割能力。 高质量标注:标注采用YOLO格式的多边形坐标,确保分割边界的精确性,提升模型训练效果。 数据规模适中:拥有超过5500张图片,提供充足的样本用于模型训练和验证,支持稳健的AI开发。 即插即用兼容性:标注格式直接兼容主流深度学习框架(如YOLO),便于快速集成到各种实例分割项目中。
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