IOStream

本文介绍了一个名为boolCTextFormat::ToFloat的方法,该方法从指定路径的文件中读取数据,并使用流和字符串流将每行数据中的浮点数提取到二维数组中。同时展示了如何通过两次遍历文件来分别处理两组数据。
bool CTextFormat::ToFloat(const char* fpath, char delim)
{
	fstream file(fpath, ios::in);

	stringstream sBuf;
	string str;
	float f1[20][3] = {0};
	float f2[20][3] = {0};
	int count = 0;

	if( !file )
	{
		// TODO:
		return false;
	}
	
	while( getline(file, str) )
	{
		if( *(str.c_str()) == NULL ) break;
		sBuf.str(str);
		for(int i=0; i<3; )
		{
			if( sBuf >> f1[count][i] )
				i++;
			else
				return false;
		}
		count++;
		str.clear();
		sBuf.clear();
	}
	for( int i=0; i<20; i++) 
		cout << f1[i][0] << f1[i][1] << f1[i][2] << endl;

	count = 0;
	while( getline(file, str) )
	{
		if( *(str.c_str()) == NULL ) break;
		sBuf.str(str);
		for(int i=0; i<3; )
		{
			if( sBuf >> f2[count][i] )
				i++;
			else
				return false;
		}
		count++;
		str.clear();
		sBuf.clear();
	}
	for( int i=0; i<20; i++)
		cout << f2[i][0] << f2[i][1] << f2[i][2] << endl;


	file.close();
}

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