刘汝佳第一章课后习题代码

在这里插入图片描述
平均数:

#include<stdio.h>
int main()
{
	int a,b,c;
	scanf("%d %d %d",&a,&b,&c);
	printf("%.3f",float((a+b+c))/3.0);
	return 0;
}

温度:

#include<stdio.h>

int main()
{
	float f;
	scanf("%f",&f);
	printf("%.3f",(f-32.0)*5.0/9.0);
	return 0;
	
}

连续和:

#include<stdio.h>
int sum(int n)
{
	if(n==1) return 1;
	return n+sum(n-1); 
}
int main()
{
	int n;
	scanf("%d",&n);
	printf("%d",sum(n));
	return 0;
} 

正弦余弦

#include<stdio.h>
#include<math.h>//要用到的sin和cos在这个头文件里
 
int main()
{
    int n;
    double pi=acos(-1.0);//这里面是是一个小数点,不是逗号,cos180=-1;所以arccos-1=pi;
    scanf("%d",&n);
    printf("%f %f\n",sin(n/180.0*pi),cos(n/180.0*pi)); //这里面的180.0是有小数点的,不是180哦,
//sin和cos里面貌似必须要用弧度制
    return 0;
}

距离:

#include<stdio.h>
#include<math.h>

int main()
{
	float a,b,c,d;
	scanf("%f %f %f %f",&a,&b,&c,&d);
	printf("%.3f",sqrt(fabs(a-c)*fabs(a-c)+fabs(b-d)*fabs(b-d)));
	return 0;
} 

偶数:

#include<stdio.h>

int main()
{
	int n;
	scanf("%d",&n);
	if(n%2==0) printf("yes");
	else printf("no");
	return 0;
}

打折:

#include<stdio.h>

int main()
{
	int n;
	scanf("%d",&n);
	if(n<=3) printf("%d",n*95);
	else printf("%.2f",(n*95)*0.85);
	return 0;
} 

绝对值:

#include <stdio.h>
#include<math.h>
int main()
{
    float n;
    scanf("%f",&n);
    printf("%.2f",fabs(n));
    return 0;
}

三角形


#include<stdio.h>
#include<math.h>
int main()
{
	float a,b,c;
	scanf("%f %f %f",&a,&b,&c);
	if(a+b>c&&a+c>b&&b+c>a&&fabs(a-b)<c&&fabs(a-c)<b&&fabs(b-c)<a) printf("yes");
	else printf("no");
	return 0;
}

年份:

//闰年: 能被400整除 或者 能被4整除但不能被100整除

#include<stdio.h>

int main()
{
	int year;
	scanf("%d",&year);
	if(year%400==0||(year%4==0&&year%100!=0)) printf("yes");
	else printf("no");
	return 0;
}
  • 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