2.C语言基础

本文详细介绍了数据类型的整数部分,包括四种进制形式(十进制、二进制、八进制、十六进制)及其转换方法。对于整数,转换主要通过除法取余;对于小数,采用乘法取整的方式。此外,还讲解了常量的分类和变量的定义,包括标识符和关键字的使用规范。
摘要由CSDN通过智能技术生成

1.数据类型

2.整型     有4种进制形式:

十进制: 都是以0-9这九个数字组成,不能以0开头。

二进制: 由0和1两个数字组成。

八进制: 由0-7数字组成,为了区分与其他进制的数字区别,开头都是以0开始。

十六进制:由0-9和A-F组成。为了区分于其他数字的区别,开头都是以0x开始。

3.进制转换:

整数进制转换图:

 小数部分转换表:

(1)十进制转二进制的转换原理 整数部分转换:除以2,反向取余数,直到商为0终止;(将某个十进制数除2得到的整数部分保留,作为第二次除2时的被除数,得到的余数依次记下,重复上述步骤,直到整数部分为0就结束,将所有得到的余数最终逆序输出,则为该十进制对应的二进制数)。小数部分转换:十进制小数转换成二进制小数采用 “乘2取整,顺序输出” 法。

(2)十进制转换八进制原理 整数部分转换:除以8,反向取余数,直到商为0终止。例如:十进制数796转换成八进制数:将796除8取得第一个余数为4,将除8得到的整数部分99作为第二次的被除数,重复上述步骤,直至最终整数部分为0就结束。将取得的所有余数逆序输出,则为:796–>1434。小数部分转换:十进制小数转换成八进制小数采用 “乘8取整,顺序输出” 法。

(3)十进制转换十六进制原理整数部分转换:除以16,反向取余数,直到商为0终止。小数部分转换:十进制小数转换成十六进制小数采用 “乘16取整,顺序输出” 法。

总结:整数部分转换原理都是除进制数取余数,倒序输出;小数部分转换原理都是乘进制数取整数部分,再将整数部分顺序输出!

3.常量和变量:

常量:指程序在运行时其值不能改变的量,常量不占内存,在程序运行时它作为操作对象直接出现在运算器的各种寄存器中。  

常量的类型:(1)整型常量,如10、20、-10、-650等;

                      (2)实数或浮点常量,如10.2、50.8、-450.8等;

                      (3)八进制常量,如021、033、-059等;

                      (4)十六进制常量,如0xxa、0x87、-0xb2等;

                      (5)字符常量,如“a”、“w”、“p”等;

                      (6)字符串常量,如“good”、“C”、“C++”等;

常见的转义字符的定义:

变量:

1.标识符:C语言规定,标识符只能由字母、数字、下划线组成,且第一字符必须为字母或下划线。

2.关键字:auto   break  case char  const  continue  default  do  double  else  enum  exern 

float   for goto  if int  long  register  return  short  signed  sizeof  static  struct  switch  typedef

union  wnsigned  void  volatile  while 

除了关键字以外,尽量不要使用main、printf等库函数的名字作为用户的标识符。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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