7-29 三个数由小到大输出

输入三个整数x,y,z,请把这三个数由小到大输出。

输入格式:

在一行中直接输入3个整数,之间各用一个空格间隔。

输出格式:

在一行中按照“x=最小值,y=次小值, z=最大值”的顺序输出结果,最大值、次大值和最小值均原样输出,没有宽度控制。

输入样例:

2 1 3

输出样例:

x=1,y=2,z=3

#include <stdio.h>
int main()
{
    int a, b, c;
    scanf ("%d %d %d",&a,&b,&c);
   if(a>b){
       if(b>c){
           printf ("x=%d,y=%d,z=%d",c,b,a);
       }
       else{
           printf ("x=%d,y=%d,z=%d",b,a,c);
       }
   }
    else {
        if(a>c){
            printf("x=%d,y=%d,z=%d",c,a,b);
        }
        else{
            printf("x=%d,y=%d,z=%d",a,c,b);
        }
    }
    
    return 0;

这种表述个人感觉比较容易理解,但是看起来很麻烦。熟悉之后可以用 else if来写,整个书写就会看起来好很多。 

这里提供一个简单的神经网络模型实例,实现输入三个预测输出三个的功能。 ``` python import numpy as np from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense # 创建训练数据集 X_train = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15]]) y_train = np.array([[4, 5, 6], [7, 8, 9], [10, 11, 12], [13, 14, 15], [16, 17, 18]]) # 创建神经网络模型 model = Sequential([ Dense(64, activation='relu', input_shape=(3,)), Dense(64, activation='relu'), Dense(3, activation='linear') ]) # 编译模型 model.compile(optimizer='adam', loss='mse', metrics=['mae']) # 训练模型 model.fit(X_train, y_train, epochs=500, verbose=0) # 测试模型 X_test = np.array([[16, 17, 18], [19, 20, 21], [22, 23, 24]]) y_test = np.array([[19, 20, 21], [22, 23, 24], [25, 26, 27]]) test_loss, test_mae = model.evaluate(X_test, y_test, verbose=0) print("Test MAE: {:.3f}".format(test_mae)) # 结果预测 X_new = np.array([[25, 26, 27], [28, 29, 30], [31, 32, 33]]) y_pred = model.predict(X_new) print("Predicted result: \n", y_pred) ``` 在这个模型实例中,我们创建了一个包含三个 Dense 层的神经网络,输入包含三个神经元,输出层也包含三个神经元。为了训练模型,我们使用了输入输出的训练数据集,并使用了 Adam 优化器和均方误差(MSE)损失函来编译模型。然后,我们使用测试数据集评估了模型的性能,并使用预先提供的三个输入来进行预测输出
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