T7 图书和音像租赁 (10分)

6-3 图书和音像租赁 (10分)

图书和音像店提供出租服务,包括图书和DVD的出租。图书包括书名(String,一个词表示)和价格(double),DVD包括片名(String,一个词表示)。它们都是按天出租,但租金计算方式却不同,图书的日租金为图书价格的1%,DVD的日租金为固定的1元。构造图书和DVD类的继承体系,它们均继承自Media类,且提供方法getDailyRent()返回日租金,构造音像店类MediaShop,提供静态函数double calculateRent(Media[] medias, int days)。 在main函数中构造了Media数组,包含图书和DVD的对象,调用calculateRent方法得到并输出租金,保留小数点两位

输入描述:
待租图书和DVD的数量

图书和DVD的详细信息

租借天数

输出描述:
总的租金

裁判测试程序样例:

import java.util.Scanner;

public class Main {
		public static void main(String[] args) {
		Scanner sc = new Scanner(System.in);
		int n = sc.nextInt();
		Media[] ms  = new Media[n];
		for (int i=0; i<n; i++) {
			String type = sc.next();
			if (type.equals("book")) {
				ms[i] = new Book(sc.next(), sc.nextDouble());
			}else {
				ms[i] = new DVD(sc.next());
			}
		}
		double rent = MediaShop.calculateRent(ms, sc.nextInt());
		System.out.printf("%.2f", rent);
	}
}

/* 请在这里填写答案 */

输入样例:

5
book Earth 25.3
book Insights 34
dvd AI
dvd Transformer
book Sun 45.6
20

输出样例:
60.98

class Media {
	String name;
	double dailyRent;
	void getDailyRent() {
	}
}

class Book extends Media {
	double price;
	Book(String name,double price){
		this.name=name;
		this.price=price;
        getDailyRent();
	}
	void getDailyRent() {
		this.dailyRent=price*0.01;
	}

}

class DVD extends Media {

	DVD(String name){
		this.name=name;
        getDailyRent();
	}
	void getDailyRent() {
		dailyRent=1;
	}
}

class MediaShop {
	static double calculateRent(Media[] medias, int days) {
		int i;
		double rent=0;
		for(i=0;i<medias.length;i++)
		{
			rent=rent+medias[i].dailyRent;
		}
		return rent*days;
	}
}

### 回答1: ckpt.t7和yolov5.pt 都是深度学习模型的文件,但有一些区别。 首先,它们的文件格式不同。ckpt.t7文件是一种以torch.nn.Module的形式保存的模型文件,是PyTorch框架中常用的保存模型的文件格式。而yolov5.pt文件则是一种特定于Yolov5模型的保存文件格式,该模型基于PyTorch实现。 其次,它们保存的模型不同。ckpt.t7文件是一种通用的模型保存文件,可以保存任何基于torch.nn.Module的模型,如ResNet、GoogLeNet等。而yolov5.pt文件是特定于Yolov5模型的保存文件,它保存的是Yolov5模型的权重参数。 另外,它们的使用方式也有所不同。ckpt.t7文件保存的模型需要先加载到一个模型对象中,然后才能对其进行推理或训练等操作。而yolov5.pt文件一般直接加载到Yolov5模型中,并可用于物体检测任务。 此外,由于差异的存在,如果想在不同的深度学习框架中使用这两个文件,可能需要进行一些转换或调整。 总结来说,ckpt.t7和yolov5.pt是不同的模型文件格式,保存的模型类型也有差异。它们的使用方式和应用场景也略有不同。 ### 回答2: ckpt.t7和yolov5.pt是不同深度学习模型文件的扩展名。它们分别对应不同的深度学习框架和网络结构。 ckpt.t7是PyTorch深度学习框架中保存模型权重的默认格式。.t7文件将模型的权重以二进制格式存储,包括模型参数、优化器状态等信息。这种格式适用于将模型保存并在PyTorch中加载和恢复。 而yolov5.pt是YOLOv5目标检测模型的保存格式。YOLOv5是一种基于PyTorch实现的目标检测算法,.pt文件保存了YOLOv5模型的权重和结构信息。使用.yolov5.pt可以直接加载YOLOv5模型并进行目标检测任务。 总结来说,ckpt.t7是PyTorch框架中通用的模型权重保存格式,可以用于不同的深度学习模型。而yolov5.pt是特定于YOLOv5模型的保存格式,用于保存YOLOv5目标检测模型的权重和结构信息。 ### 回答3: ckpt.t7和yolov5.pt是两种不同的模型文件格式。 ckpt.t7是Torch框架中保存模型的默认文件格式。它是基于Lua编程语言的Torch模型的保存文件,包含了模型架构以及训练参数和权重等信息。通常,ckpt.t7文件只能在Torch框架中加载和使用。 而yolov5.pt是一种特定于YoloV5模型的模型文件格式。YoloV5是一种流行的目标检测算法,用于实时目标检测任务。yolov5.pt文件是使用PyTorch框架训练的YoloV5模型的保存文件。与ckpt.t7类似,yolov5.pt文件包含了模型架构和训练参数,但是它使用PyTorch框架的数据结构和保存方法。因此,yolov5.pt文件只能在PyTorch框架中加载和使用。 综上所述,ckpt.t7和yolov5.pt是不同的模型文件格式,分别适用于Torch和PyTorch框架。用户需要根据自己的框架选择相应的模型文件加载方式。
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