3.28学习整理

最新推荐文章于 2025-04-29 17:57:56 发布

XBWL_

最新推荐文章于 2025-04-29 17:57:56 发布

阅读量280

点赞数 4

文章标签：学习

本文链接：https://blog.csdn.net/XBWL_/article/details/137151607

版权

本文介绍了C语言中main函数的多种形式，包括返回值和参数处理，以及基本的打印格式、转义字符和编程概念如std输入输出及ASCII字符。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、main 函数的多种写法：

1.int main （常见

2.void main（不return0 较古老的写法

3.int main （void）（表示main无参数

二、打印格式

%d 整数；%c字符；%f小数（默认后6位数（lf也是）;'%s字符串（可以没有）；'括字符；“”括字符串；

三、一些转义字符

\n 换行

\r 回车(同一行开头

\t 移到下一水平 4/8倍数（用于对齐 \v 垂直

\0 空无内容 ASCII🐎为0

\xdd dd表示2个十六进制数

\ddd ddd表示1到3个八进制数

\b 退不删后有内容则顶替

\a 警告

四、散记

1.std表示standard i表示inptu o表示output

2.关键字：int if return等32个

3.一些常见的ASCII🐎：A~Z：65~90；a~z:97~122；0~9:48~57;\n:1;?:63(0~31不可打印，其余可以）

4.字符串末尾隐藏一个\0（一个字符），为字符串结束的标志，字符串可以存于字符数组中

5.strlen返回值是size-t类型，应用%zd

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

XBWL_

关注关注

4
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【机器学习基础】贝叶斯线性模型

天堂的鸽子

10-07

2089

本系列为《模式识别与机器学习》的读书笔记。一，贝叶斯线性回归 1，参数分布关于线性拟合的贝叶斯⽅法的讨论，⾸先引⼊模型参数 w\boldsymbol{w}w 的先验概率分布。现在这个阶段，把噪声精度参数 β\betaβ 当做已知常数。⾸先，由公式(3.8)定义的似然函数 p(t∣w)p(t|\boldsymbol{w})p(t∣w) 是 w\boldsymbol{w}w 的⼆次函数的指数...

CMake学习笔记

Woodenhorse_fish的博客

08-05

259

后来发现这个方法不是很简洁，不符合整理项目的初衷，这个做法只适用于主项目中运行的程序需要子项目中的头文件的时候。主项目只是起到了一个整理子项目的作用，这个做法更类似于Maven中的做法，让我感觉更加的合理。一、之前用的添加子项目的方法是不太对的。二、更加简洁合理的做法应该是。

参与评论您还未登录，请先登录后发表或查看评论

C语言学习记录

zhima_cpp的博客

03-29

140

希望通过C语言的学习，可以建立起编程思维，遇到问题能解决问题的能力，也可以自己编写一些程序或者阅读并修改开源代码，实现符合自己需求的功能。为了学习C语言，我会每周花费大约10小时的时间，观看网课并敲一遍代码，同时配合做编程练习题。我是一名大三的学生，想要系统性的重新学习C语言，并记录整理自己的笔记。#include <stdio.h>//std-标准，io-输入输出。int main()//int表示返回一个整形类型的值。//打印一个整形的数。\ ' 打印单引号。

一周学习总结3.28

03-28

680

今天下午是练习赛，明天正式比赛。应该没时间再做题了，先总结一下吧。这周做的题还是蛮多的。5天11题。主要还是DP。还做了一题DFS和一题哈夫曼树。DFS是深度优先搜索。如其名，该算法是尽可能“深”地搜索一个图。（算导22.3）哈夫曼树是一种贪心的算法，可以使带权值和最小。（算导16.3）呃，不知道怎么说，感觉似懂非懂。还是思考的不够，练习的也不够。现在最缺的就是时间了……

吴恩达机器学习笔记整理（Week1-Week5）

Paul_Huang的专栏

05-02

1161

吴恩达机器学习笔记整理1. Week11.1 什么是机器学习(What is Machine Learning)1.2机器学习算法分类1.2.1 监督学习1.2.2 无监督学习1.3 单变量线性回归(Linear Regression with One Variable)1. 3.1 问题解决模型1.3.2. 代价函数(Cost Function)1.4 梯度下降(Gradient Descent...

【学习整理】Debian12 系统安装

Huajipu的博客

11-29

5540

若你想要适配exsi服务器，可选择exsi7.0等进行适配。

HTML CSS学习第三周

pe11223的博客

11-04

251

HTML CSS学习

3.28黄金还会涨吗？黄金周评最新资讯黄金平台咨询独家策略

lxhq281的博客

03-28

237

黄金价格数据分析：　　　　周五（3.26）现货黄金价格在上日录得的一周低位1721.98美元/盎司上方附近企稳，但周线料时隔两周后重新收阴，美国经济数据良好且疫苗接种加速，金价受到美元上涨的压力。美债收益率上涨，也削弱了黄金的避险能力。美联储官员几乎保证今年通胀会上升，而通胀胀上升的前景抬高市场借贷成本，增加持有非孳息资产黄金的机会成本。北京时间15:59，现货黄金上浮0.04%至1727.56美元/盎司；美元指数下跌0.15%至92.745。但本周至今，现货黄金下跌近1%；美元指数大涨逾0.9%，创去

#3.28#每日问题解决

qq_45735807的博客

03-29

104

声明：整理的知识点旨在解决我编程学习中的问题，所获答案来源于百度和其他博主。问题： 1.什么是C++中的二义性 2.引用可以是void类型吗？ Q1 什么是C++中的二义性见 C++ 二义性是什么？怎么解决？和 C++ 二义性问题引用可以是void类型吗？（1）void类型没有分配内存，而引用必须是另一个固定内存变量的别名，所以不能指向void。（2）引用只是一个别名，是已有变量...

小数加减法整理和复习PPT学习教案.pptx

10-07

此外，比较和找出特定数值也是小数加减法的应用，比如7.56比9少1.44，1.58比3.28少1.7，2.35比2.8少0.45，比8多3.04的数是11.04。最后，对于3.54要成为一个整数，至少需要加上0.46。而5在个位上比百分位大4.999...

Excel专题强化训练公开课-3.28.docx

12-17

【Excel专题强化训练公开课】 Excel是一款强大的电子表格处理...通过本课程的学习，你将掌握Excel的基础操作和高级功能，提升数据处理效率，更好地应对日常工作中的各种挑战。不断实践和探索，你将成为Excel的专家。

人教四年级数学下册整理和复习PPT课件.pptx

10-11

这篇PPT课件是针对四年级数学下册的整理和复习，主要涵盖了小数的相关知识点。小数在数学中是一个非常基础且重要的概念，尤其对于小学四年级的学生来说，理解和掌握小数的意义、读写法、性质以及大小比较至关重要。 ...

人教四年级数学下册整理和复习PPT教案.pptx

10-02

【知识点详解】 ...通过以上知识点的学习，学生可以掌握小数的基本概念和操作方法，这对于日常生活中的计算和问题解决至关重要。这些内容适用于四年级的学生进行复习和巩固，帮助他们更好地理解和运用小数。

10.学习笔记-MyBatisPlus(P105-P110)

zsysingapore的博客

04-29

210

比如有两张数据表，一张是员工表，一张是员工业绩表，通过员工的id关联，如果该员工离职，首先员工表的数据要被删除，对应的员工业绩表则成了垃圾数据，也要删除。通过Mp的api删除，是看不到被删除的数据，如果此时还想看到全数据（包括deleted=0以及deleted=1，就去Dao层写SQL语句。如果函数不支持Mp，恢复到最早的Mybatis，在数据接口层Dao中，继续用@select，下面添加sql语句。场景：八个人去抢最后的一个商品，会出现-1，-2，-3…抽象类不能直接用，我们使用的是抽象类的实现类。

线性代数与数据学习

2201_75801514的博客

04-28

227

Updates ongoing.

Vue2+Vue3学习笔记

最新发布

tiantiantbtb的博客

04-29

581

v2v3https://v3.cn.vuejs.org/ 会重定向到Vue.js - 渐进式 JavaScript 框架 | Vue.jsVue.js - 渐进式的 JavaScript 框架从v2过渡到v3在F盘创建v2+v3学习笔记并用VSCODE打开。

学习基本咖啡知识

2301_80629787的博客

04-29

316

在拉花杯里倒入冰牛奶 --> 打开蒸汽，清洁蒸汽棒 -->把蒸汽头插入液面下1cm，打开蒸汽(使液面朝一个方向转动 -->当奶泡充足，埋深蒸汽管 --> 当牛奶温度升至60-70℃时，即用手感觉是烫手，但是能忍受两三秒的时间此时关闭蒸汽，停止加热 -->将蒸汽管擦干净，放出蒸汽，用力晃动牛奶并轻震。固液萃取，也称为浸取，即用溶剂分离固体混合物中的成分，用水浸泡咖啡心提取咖啡中的各种滋味物质，属于固—液萃取，通过与水的接触，过滤得到有特殊滋味的水的过程。：咖啡通过贸易路线传入欧洲。

基于PyTorch的图像识别主要依赖于深度学习模型（尤其是卷积神经网络，CNN）对图像特征进行自动学习和分类

开发小能手-roy的博客

04-26

338

基于PyTorch的图像识别主要依赖于深度学习模型（尤其是卷积神经网络，CNN）对图像特征进行自动学习和分类。以下是其核心原理与技术实现的分步解析：

游戏引擎学习第239天:通过 OpenGL 渲染游戏

虾球

04-22

1392

OpenGL 渲染逻辑成功嵌入平台层；已可运行测试，无重大崩溃；基础渲染结构已具备；已知限制：纹理尚未处理。下一步是继续观察输出验证绘制是否生效，然后逐步补上纹理相关支持，让图像完整显示。整个 OpenGL 接入工作已经完成了关键节点，逐步迈入功能扩展阶段。屏幕上确实只能看到一些基本的纯色图形由于当前还未集成纹理处理功能，因此大多数画面内容（如贴图、字体、图标等）都无法正确渲染。只要不是纯色矩形或简单形状，现阶段都不会显示。说明系统确实进入了 OpenGL 渲染路径。

深度学习装机

03-18

<think>好的，用户想了解如何配置适合深度学习的电脑硬件和环境搭建，特别是GPU推荐。首先，我需要整理用户提供的三个引用内容，看看有没有可以直接利用的信息。引用1提到了PyTorch的环境配置，包括CPU和GPU版本，还推荐了B站的教程视频。引用2详细说明了如何检查CUDA与显卡的匹配，通过NVIDIA控制面板查看CUDA型号。引用3则是在Ubuntu下配置深度学习环境，提到了更换国内源和系统升级。接下来，用户的问题主要集中在硬件配置和环境搭建。我需要分步骤来回答：硬件配置、软件环境、GPU选择与驱动安装、框架安装、验证配置，最后生成相关问题。硬件配置方面，用户可能需要知道CPU、内存、存储、电源和主板的选择。GPU是关键，所以需要重点推荐，比如NVIDIA的RTX 3090、4080等，显存至少8GB，推荐12GB以上。还要提到CUDA核心数量对计算速度的影响。软件环境部分，操作系统推荐Ubuntu，但Windows也可以。然后要强调CUDA和cuDNN的安装，引用2中提到如何查看CUDA型号，需要确保显卡驱动支持的CUDA版本与框架要求的匹配。安装CUDA和cuDNN的步骤可能需要详细说明，但用户提供的引用中没有详细步骤，可能需要结合一般知识。框架安装如PyTorch，引用1推荐了教程视频，应该提到使用conda或pip安装，并注意CUDA版本。验证安装部分，需要示例代码检查GPU是否可用，可能引用用户提到的PyTorch代码示例。环境配置注意事项，引用3提到更换国内源加速下载，系统升级，以及虚拟环境的使用。这些都需要包含在回答中。最后，生成相关问题需要考虑用户可能的后续需求，比如不同框架的环境差异、云服务选择、硬件不足的替代方案、多GPU配置、环境冲突解决等。需要确保所有数学表达式用$...$格式，独立公式用$$...$$，但这次回答可能数学公式较少，主要关注代码和配置步骤。检查LaTeX语法是否正确，用中文回答，结构清晰，分点说明，并自然添加引用标识。</think>### 深度学习电脑硬件配置与环境搭建指南 #### 一、硬件配置核心要求 1. **GPU推荐** - **型号选择**：优先选择NVIDIA显卡（因CUDA生态支持完善），如$RTX 3090$、$RTX 4080$或$A100$（专业级）。显存建议至少$8\text{GB}$，复杂模型推荐$12\text{GB}$以上[^1]。 - **算力匹配**：通过`NVIDIA控制面板`查看显卡支持的CUDA版本（如$11.8$），需与深度学习框架要求的CUDA版本一致[^2]。 - **CUDA核心数**：直接影响并行计算速度，例如$RTX 3090$含$10496$个CUDA核心。 2. **其他硬件** - **CPU**：至少$8$核处理器（如Intel i7或AMD Ryzen 7），避免成为数据预处理瓶颈。 - **内存**：$32\text{GB}$起步，大型数据集需$64\text{GB}$。 - **存储**：$1\text{TB}$ NVMe SSD加速数据读写，机械硬盘用于冷数据备份。 - **电源与散热**：GPU功耗较高（如$RTX 4090$需$450\text{W}$），建议$850\text{W}$金牌电源。 #### 二、软件环境搭建步骤 1. **操作系统** - 推荐Ubuntu $20.04/22.04$（对GPU支持更友好）[^3]，Windows可通过WSL2兼容。 2. **驱动与CUDA安装** ```bash # Ubuntu示例：安装NVIDIA驱动与CUDA sudo apt install nvidia-driver-535 sudo apt install cuda-11-8 ``` 安装后通过`nvidia-smi`验证驱动状态。 3. **cuDNN与框架集成** - 从NVIDIA官网下载匹配CUDA版本的cuDNN库，解压后复制到CUDA目录： ```bash sudo cp cudnn-linux-x86_64-8.9.3.28_cuda11-archive/include/* /usr/local/cuda-11.8/include/ sudo cp cudnn-linux-x86_64-8.9.3.28_cuda11-archive/lib/* /usr/local/cuda-11.8/lib64/ ``` 4. **深度学习框架安装** PyTorch环境配置示例（使用conda）： ```bash conda create -n pytorch_env python=3.9 conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia ``` 通过代码验证GPU是否可用： ```python import torch print(torch.cuda.is_available()) # 输出应为True ``` #### 三、环境配置注意事项 1. **国内镜像加速**：更换`pip`/`conda`源（如阿里云、清华源）提升依赖下载速度。 2. **系统级隔离**：使用Docker或虚拟环境（如`conda`）避免依赖冲突。 3. **监控工具**：安装`nvtop`或`gpustat`实时监控GPU利用率。