11月05 星期六

数据类型

每种数据类型所占的字节数
int 4     float 4  double 8 short 2  long 4
1个字节占8bit 半字占2个字节 字占4个字节

计算机存储数据是使用它的补码  
正数的补码使其本身,负数的补码是自身反码加1,

有符号与无符号比较时  把有符号数隐式转换为无符号

变量

变量的三大特点 
1.变量的数据类型
2.变量作用域
3.变量的存储类型

当程序调用时  运行即为进程
此时操作系统会给进程分配空间  称之为虚拟进程空间  4个g 然后将其映射到物理内存中
这个虚拟进程空间
分成5个部分
第一部分 1个g分配给内核;剩下三个g分给用户
第二部分称之为栈空间  主要存储的是局部变量 函数形参  自动变量  这些变量会在函数运行完之后释放  释放速的快慢由系统管理  这个空间定义的局部变量如在一开始定义没有赋值那系统会给他一个随机的值(特点是先进后出  系统管理)
第三部分  称之为堆空间  里面包含着malloc  calloc  ralloc
第四部分 称之为全局数据区   此部分存储未初始化的全局变量  会将其赋值为0   ordata常量  以及静态数据区:初始化的全局变量   static修饰的变量  特点是(先进先出  用户管理)
第五部分 代码区

int  num=5;

首先这是一个整型变量  他被赋值为5 如果他是一个局部变量存储在栈空间  那么他会在函数程序运行完之后被释放  如果他是一个全局变量 存储在全局数据区 那他会在程序运行完之后释放

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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