第16课 - 类的真正形态

本文介绍C++中类的定义方式,包括关键字class与struct的区别,通过具体实例讲解如何开发一个支持四则运算的类,并探讨类声明与实现分离的概念。

第16课 - 类的真正形态

1. 类的关键字

  (1)struct 在C 语言中已经有了自己的含义,必须继续兼容

  (2)在C++ 中提供了新的关键字 class 用于类定义

  (3)class 和struct 的用法完全相同。但C++ 中用struct 定义的类中所有成员默认访问级别为public,而class 定义的类成员的默认访问级别为private

2. 小实例:开发一个用于四则运算的类

  (1)提供setOperator函数设置运算类型

  (2)提供setParameter函数设置运算参数

  (3)提供result函数进行运算:参数为引用类型用于得到计算结果。返回值表示运算的合法性。

3. 类声明和实现的分离

  (1).h头文件只用类的声明:成员变量和成员函数

  (2).cpp源文件中完成类的其它实现(如成员函数的实现)

4. 小结

  (1)C++引进了新的关键字class用于定义类

  (2)struct和class的区别在于默认的访问级别不同(前者public,后者private)

  (3)C++中的类支持声明和实现的分离(在头文件中声明类,在源文件中实现类)

 

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或分图生成标签数据,适用于多/高光谱影像的单一别特征提取。; 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