Hdu 1009 Budget

本文探讨了处理大量小数运算时遇到的浮点数精度问题,通过三种不同的编程方法实现了对数值的准确计算,并详细解释了每种方法的工作原理及优缺点。

Problem Description:
题意:
给一个1e18范围的小数,这个数,精确到了后三位小数,只有最后一位模拟四舍五入,给一个n,输入n个这样的数,求更新后(亏损或得到)的和是多少
Input:
1
1.001
1
0.999
2
1.001 0.999
Sample out:
-0.001
0.001
0.000
WA代码:

#include<bits/stdc++.h>
using namespace std;
double a[1005];
int main()
{
    int n;
   while(~scanf("%d",&n))
    {
        double sum=0,x;
    for(int i=0;i<n;i++)
    {
        scanf("%lf",&a[i]);
    }
    for(int i=0;i<n;i++)
    {
        sum+=int(a[i]*100+0.5)-a[i]*100;
    }
    printf("%.3lf\n",sum/100);
    }
}

这样的确可以算出最终的亏损或收益,但是double的数据范围不足1e18
因为这道题和数的大小并没有直接关系,只是和最后一位的大小有关,所以用了一个巧妙的输出解决了该问题:%lld.%lf这样输入即可,但是又出现了精度问题,因为double是一个容易在精度方面出问题的类型
AC代码:

#include<bits/stdc++.h>
using namespace std;
double a[1005];
int main()
{
    int n;

    long long k;
   while(~scanf("%d",&n))
    {
        double sum=0,x;
    for(int i=0;i<n;i++)
    {
        double u;
        scanf("%lld.%lf",&k,&u);
        a[i]=u/1000.0;
    }
    for(int i=0;i<n;i++)
    {
        sum+=int(a[i]*100+0.55)-a[i]*100;
    }
    printf("%.3lf\n",sum/100);

    }
}

无奈本人真的很不喜欢模拟,分类讨论,确实不喜欢,而且总觉得麻烦但是还是写一下代码吧,多方法解决问题,也是一种学习
模拟AC代码:

 #include<bits/stdc++.h>
using namespace std;
int s[1005];
int main()
{
    int n;
    while(scanf("%d",&n)!=EOF)
    {
        long long int x;
        for(int a=1;a<=n;a++)
        {
            scanf("%lld.%d",&x,&s[a]);
        }
        for(int a=1;a<=n;a++)
        {
            s[a]=s[a]%10;
        }
        int k=0;
        for(int a=1;a<=n;a++)
        {
          if(s[a]>=5)
            k+=(10-s[a]);
          else if(s[a]==0)
            k+=0;
          else
            k-=s[a];
        }
        if(k>0)
        {
            if(k>=1000)
            {
                printf("%d.%d\n",k/1000,k%1000);
            }
            else if(k>=100)
            {
                printf("0.%d\n",k);
            }
            else if(k>=10)
            {
                printf("0.0%d\n",k);
            }
            else
            {
                printf("0.00%d\n",k);
            }
        }
        else if(k==0)
        {
            printf("0.000\n");
        }
        else
        {
            k=-k;
            printf("-");
            if(k>=1000)
            {
                printf("%d.%d\n",k/1000,k%1000);
            }
            else if(k>=100)
            {
                printf("0.%d\n",k);
            }
            else if(k>=10)
            {
                printf("0.0%d\n",k);
            }
            else
            {
                printf("0.00%d\n",k);
            }
        }
    }
    return 0;
}
植物实例分割数据集 一、基础信息 数据集名称:植物实例分割数据集 图片数量: - 训练集:9,600张图片 - 验证集:913张图片 - 测试集:455张图片 总计:10,968张图片 分类类别:59个类别,对应数字标签0至58,涵盖多种植物状态或特征。 标注格式:YOLO格式,适用于实例分割任务,包含多边形标注点。 数据格式:图像文件,来源于植物图像数据库,适用于计算机视觉任务。 二、适用场景 • 农业植物监测AI系统开发:数据集支持实例分割任务,帮助构建能够自动识别植物特定区域并分类的AI模型,辅助农业专家进行精准监测和分析。 • 智能农业应用研发:集成至农业管理平台,提供实时植物状态识别功能,为作物健康管理和优化种植提供数据支持。 • 学术研究与农业创新:支持植物科学与人工智能交叉领域的研究,助力发表高水平农业AI论文。 • 农业教育与培训:数据集可用于农业院校或培训机构,作为学生学习植物图像分析和实例分割技术的重要资源。 三、数据集优势 • 精准标注与多样性:标注采用YOLO格式,确保分割区域定位精确;包含59个类别,覆盖多种植物状态,具有高度多样性。 • 数据量丰富:拥有超过10,000张图像,大规模数据支持模型充分学习和泛化。 • 任务适配性强:标注兼容主流深度学习框架(如YOLO、Mask R-CNN等),可直接用于实例分割任务,并可能扩展到目标检测或分类等任务。
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