蓝桥杯 7-1用宏求球的体积 C++算法提高 HERODING的蓝桥杯之路

资源限制
时间限制:1.0s 内存限制:256.0MB
问题描述
  使用宏实现计算球体体积的功能。用户输入半径,系统输出体积。不能使用函数,pi=3.1415926,结果精确到小数点后五位。
样例输入
一个满足题目要求的输入范例。
例:
1.0
样例输出
与上面的样例输入对应的输出。
例:
1.0
4.18879

数据规模和约定
  输入数据中每一个数的范围。
  数据表示采用double类型。

解题思路:
使用一个宏定义定义PI,再对小数点位数进行限定,用公式直接输出结果,代码如下:

#include<bits/stdc++.h>
#define PI 3.1415926

using namespace std;

int main(){
	double r;
	cin >> r;
	cout << setiosflags(ios::fixed) << setprecision(5);
	cout << (4.0 / 3) * PI * r * r * r;
	return 0;
} 
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
GPT在NER(命名实体识别)任务上的表现相对较低。GPT是一个文本生成模型,而NER是一个序列标记任务,这两者的任务性质不同。为了弥补这种差距,研究人员提出了GPT-NER模型,将序列标记任务转换为GPT的生成任务。GPT-NER通过将需要提取的实体标记添加到生成的文本中来完成NER任务。此外,为了解决GPT-NER模型中的幻觉问题,研究人员还提出了自我验证策略,即提示GPT-NER询问自己提取的实体是否属于标记的实体标签。在多个广泛使用的数据集上,GPT-NER实现了与完全监督基线相当的性能,并且在小样本场景下表现优于监督模型。\[2\]\[3\] #### 引用[.reference_title] - *1* [GPT 应该存在吗?](https://blog.csdn.net/csdnnews/article/details/130939444)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [【论文精读】GPT-NER: Named Entity Recognition via Large Language Models](https://blog.csdn.net/HERODING23/article/details/130476395)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

HERODING77

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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