12.31

#include <stdio.h>
#include <stdlib.h>
#include <sqlite3.h>


void create_table(sqlite3 * db)
{
char * errmsg = NULL;
char * sql;


sql = "create table if not exists mytable (id integer primary key,name text);";


if( SQLITE_OK != sqlite3_exec(db,sql,NULL,NULL,&errmsg))
{
printf("operate failed: %s\n",errmsg);
exit(-1);
}

}


int insert_record(sqlite3 * db)
{
char * errmsg = NULL;
char * sql;


sql = "insert into mytable (id,name) values (NULL,'chen');";


if( SQLITE_OK != sqlite3_exec(db,sql,NULL,NULL,&errmsg))
{
printf("operate failed: %s\n",errmsg);
exit(-1);
}

sql = "insert into mytable (id,name) values (NULL,'wang');";


if( SQLITE_OK != sqlite3_exec(db,sql,NULL,NULL,&errmsg))
{
printf("inesrt failed: %s\n",errmsg);
exit(-1);
}


}


int displaycb(void * para,int n_col,char ** column_value,char ** column_name)
{
int i;
printf("total column is %d\n",n_col);


for(i = 0; i < n_col; i++)
{
printf("col_name:%s -- > col_val:%s\n",column_name[i],column_value[i]);
}


printf("---------------------------\n");


return 0;
}


void inquire_usecb(sqlite3 * db)
{
char * errmsg = NULL;
char * sql;


sql = "select * from mytable;";


if( SQLITE_OK != sqlite3_exec(db,sql,displaycb,NULL,&errmsg))
{
printf("inquire failed: %s\n",errmsg);
exit(-1);
}
}


void delete_table(sqlite3 * db)
{
char * errmsg = NULL;
char * sql;


sql = "delete from mytable;";


if( SQLITE_OK != sqlite3_exec(db,sql,displaycb,NULL,&errmsg))
{
printf("delete failed: %S\n",errmsg);
exit(-1);
}
else
{
printf("delete ok!\n");
}

}


int main()
{


sqlite3 * db;

//鎵撳紑鏁版嵁搴? if( SQLITE_OK != sqlite3_open("mydatabase",&db))
{
printf("open database failed:%s \n",sqlite3_errmsg(db));
}
else
{
printf("open datebase successed!\n");
}


//鍒涘缓琛? create_table(db);

//鎻掑叆鏁版嵁
insert_record(db);

//浣跨敤鍥炴帀鍑芥暟
inquire_usecb(db); 
    
delete_table(db); 
//鍏抽棴鏁版嵁搴?
sqlite3_close(db);


return 0;
}
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
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