第一次发,可能不太好,别喷我

输入

 

输入数据会有多组数据。每组数据占一行。

 

每行有两个数字a和b,表示需要构造出阻值为a/b欧姆的电阻。

 

这里a,b有

 

1<=a,b<=1018

 

当a,b都等于0,输入结束,并且这组数据不需要处理。

 

 

 

输出

 

对于每一组数据,输出只占一行。

 

每行输出一个数字min,表示最少需要多少个1Ω的电阻可以组合出阻值为a/b欧姆电阻。

 

样例输入

 

1 2

 

2 1

 

0 0

 

样例输出

 

2

2

#include<stdio.h>
 void Swap1(int *p,int *n);

int main()
 {
   int a,b,tmp=0;
   int x;

    scanf("%d%d",&a,&b);
   if(a<b)
    Swap1(&a,&b);

   while (b!=0)
   {    

     tmp+=a/b;

     x=a%b;
      a=b; 
      b=x;

      }   
    printf("%d",tmp);

    return 0;

}
 void Swap1(int *p,int *n)
{
    int z;
    z=*p;
    *p=*n;
    *n=z;
    
}

  • 2
    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,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