第一次编程作业

  1 #include <iostream>
  2 #include <stdlib.h>
  3 #include <string.h> 
  4 #include <Eigen/Dense>
  5 #include <math.h>
  6 using namespace std;
  7 using namespace Eigen;
  8 using Eigen::MatrixXd;
  9 RowVector2f coordinate(char str[])
 10 {
 11     RowVector2f v;
 12     v(0)=0;
 13     v(1)=0;
 14     char a[50],b[50];
 15     int i,j,k;
 16     j=0,k=0;
 17     for(i=1;str[i]!=',';i++)
 18     {
 19         v(0)=10*v(0)+str[i]-'0';
 20         j++;
 21     }
 22     i++;
 23     for(i;str[i]!=')';i++)
 24     {
 25         v(1)=10*v(1)+str[i]-'0';
 26         k++;
 27     }
 28     return v;
 29 }
 30 int main()
 31 {
 32     char name[50];
 33     int n;
 34     double ang,deg;
 35     char s1[50];
 36     char s2[50];
 37     char s3[50];
 38     char s4[50];
 39     char s5[50];
 40     char s6[50];
 41     RowVector2f v1;
 42     RowVector2f v2;
 43     RowVector2f v3;
 44     RowVector2f v4;
 45     Matrix2f rot;
 46     float pi=3.14159265;
 47     cout<<"请输入图形名称";
 48     cin>>name;
 49     cout<<"请输入图形端点数";
 50     cin>>n;
 51     cout<<"请输入图形端点坐标";
 52     if(n==1)
 53     {
 54         cin>>s1;
 55         v1=coordinate(s1);
 56     }
 57     else if(n==2)
 58     {
 59         cin>>s1;
 60         cin>>s2;
 61         v1=coordinate(s1);
 62         v2=coordinate(s2);
 63     }
 64     else if(n==3)
 65     {
 66         cin>>s1;
 67         cin>>s2;
 68         cin>>s3;
 69         v1=coordinate(s1);
 70         v2=coordinate(s2);
 71         v3=coordinate(s3);
 72     }
 73     else 
 74     {
 75         cout<<"输入有误";
 76     }
 77     cout<<"请输入一个计算指令";
 78     cin>>s4;
 79     if( strcmp(s4,"move")==0)
 80     {
 81         cout<<"请输入需变化图形名称";
 82         cin>>s5;
 83         cout<<"请输入变换坐标";
 84         cin>>s6;
 85         v4=coordinate(s6);
 86         if(n==1)
 87         {
 88             v1=v1+v4;
 89             cout<<"变换后的坐标为("<<v1<<"";
 90         }
 91         if(n==2)
 92         {
 93             v1=v1+v4;
 94             v2=v2+v4;
 95             cout<<"变换后的坐标为("<<v1<<")("<<v2<<"";
 96         }
 97         if(n==3)
 98         {
 99             v1=v1+v4;
100             v2=v2+v4;
101             v3=v3+v4;
102             cout<<"变换后的坐标为("<<v1<<")("<<v2<<")("<<v3<<"";
103         }
104     }
105     if( strcmp(s4,"rotate")==0)
106     {
107         cout<<"请输入需变化图形名称";
108         cin>>s5;
109         cout<<"请输入变换角度";
110         cin>>ang;
111         deg=ang/180*pi;
112         rot(0,0)=cos(deg);
113         rot(0,1)=sin(deg);
114         rot(1,0)=-sin(deg);
115         rot(1,1)=cos(deg);
116         if(n==1)
117         {
118             v1=v1*rot;
119             cout<<"变换后的坐标为("<<v1<<"";
120         }
121         if(n==2)
122         {
123             v1=v1*rot;
124             v2=v2*rot;
125             cout<<"变换后的坐标为("<<v1<<")("<<v2<<"";
126         }
127         if(n==3)
128         {
129             v1=v1*rot;
130             v2=v2*rot;
131             v3=v3*rot;
132             cout<<"变换后的坐标为("<<v1<<")("<<v2<<")("<<v3<<"";
133         }    
134     } 
135     return 0;
136 }

posted on 2015-11-30 21:44  Jayvee 阅读( ...) 评论( ...) 编辑 收藏

转载于:https://www.cnblogs.com/jayvee/p/5008516.html

【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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