课后作业

 //  Copyright  (c)  2014软件技术2班
 //  All rights  reserved.
 //  作        者: B33
 //  完成日期:2014年10月27日
 //  版  本  号:v1.0
 //  
 //  问题描述:创建一个程序来把摄氏温度值转换为华氏温度值。该程序提示用户输入摄氏温度值,然后显示出转换后的华氏温度值
 //  输入描述:a,b,c的值
 //  输出描述:方程的解x1,x2
 // 

 using  System:    //引用Syetem命名

{
    class Program
    {
        static void Main(string[] args)
        {
            double x1 = 0;//解1
double x2 = 0;//解2


Console.WriteLine("求 ax^2+bx+c=0 的解");
Console.Write("请输入a的值:");
double a = Convert.ToInt32(Console.ReadLine());
Console.Write("请输入b的值:");
double b = Convert.ToInt32(Console.ReadLine());
Console.Write("请输入c的值:");
double c = Convert.ToInt32(Console.ReadLine());


double dt = b * b - 4 * a * c; //Δ的值


if (dt < 0)
{
    Console.WriteLine("此方程无实数解.");
}
else if (dt == 0)
{
    x1 = -b / 2 * a;
    Console.WriteLine("方程的解为:x1=x2= " + x1.ToString("F"));  //保留小数点后两位
}
else
{
    x1 = (-b + Math.Sqrt(dt)) / 2 * a;
    x2 = (-b - Math.Sqrt(dt)) / 2 * a;
    Console.WriteLine("方程的解为:x1= " + x1.ToString("F") + ", x2= " + x2.ToString("F"));
}


Console.ReadKey();

总结:让我学到了很多东西

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