2024-03-10 作业

本文介绍了如何在C语言中实现链表的加载和保存功能,使用无名管道进行数据通信,并演示了如何通过有名管道实现实时聊天,同时展示了如何处理用户中断(Ctrl+C)以保存链表。还涉及正方形和三角形面积计算的示例程序。
摘要由CSDN通过智能技术生成

作业:

1:找出来我们之前写的链表的加载和保存的代码,实现,当按 ctrl + c的时候,保存链表 2:编写2个.c文件,生成2个可执行文件

      1.c 输入正方形的长和宽 或者 三角形的三边长

      2.c 输出长方形或者三角形的面积

      要求数据通信使用无名管道实现

3:使用有名管道,实现2个终端之间的互相聊天功能 要求:能够做舔狗(能够并发)

作业1:

运行代码:
#include <stdio.h>
#include <string.h>
#include <unistd.h>
#include <stdlib.h>
#include <signal.h>
typedef struct Link{
	int data;
	struct Link* next;
	struct Link* prev;
}link_t;

link_t* create_node(){
	link_t* head = malloc(sizeof(link_t));
	head->next = head;
	head->prev = head;
	return head;
}

link_t* head;
void insert_node(link_t* head,int data){
	link_t* newnode = create_node();
	newnode->data = data;

	link_t* tail = head->prev;
	tail->next = newnode;
	newnode->next = head;
	head->prev = newnode;
	newnode->prev = tail;
}

link_t* find_node(link_t* head,int data){
	link_t* p = head->next;
	while(p != head){
		if(p->data == data){
			return p;
		}
		p = p->next;
	}
	return head;
}

void save_link(link_t* head,const char* filename){
	FILE* fp = fopen(filename,"w");
	if(fp==NULL){return;}

	link_t* p = head->next;
	while(p != head){
		fprintf(fp,"%d\n",p->data);
		p = p->next;
	}

	fclose(fp);
}
void handler(int signo){
	if(signo == SIGINT){
		save_link(head,"./hw.txt");
		printf("保存成功\n");
	}
}
void load_link(link_t* head,const char* filename){
	FILE* fp = fopen(filename,"r");
	if(fp==NULL){return;}
	while(1){
		int data = 0;
		int res = fscanf(fp,"%d\n",&data);
		if(res!=1){break;}
		//link_t* newnode = create_node();// 通过if判断表示读取到了数据,读取到数据之后才去创建节点
		insert_node(head,data);
	}

	fclose(fp);
}

void remove_node(link_t* head,int data){
	link_t* tar = find_node(head,data);
	if(tar==head){return;}

	tar->prev->next = tar->next;
	tar->next->prev = tar->prev;
	free(tar);
}

void show_link(link_t* head){
	link_t* p = head->next;
	while(p != head){
		printf("%d\n",p->data);
		p = p->next;
	}
}

int main(int argc, const char *argv[])
{
	int ch = 0;
	head = create_node();
	load_link(head,"./hw.txt");
	while(1){
		printf("1:添加数据\n");
		printf("2:查看数据\n");
		printf("3:退出程序\n");
		scanf("%d",&ch);
		getchar();
		switch(ch){
			case 1:{
				int data = 0;
				printf("请输入数据:");
				scanf("%d",&data);
				getchar();
				insert_node(head,data);
				break;
			}
			case 2:
				show_link(head);
				break;
			case 3:
//				save_link(head,"./hw.txt");
//				break;
				exit(0);
			default:
				break;
		}
		signal(SIGINT,handler);
	}
	return 0;
}
运行截图:

 作业2:

运行代码:
输入:
#include<stdio.h>
#include<string.h>
#include<stdlib.h>
#include<unistd.h>
#include<sys/types.h>
#include<sys/stat.h>
#include<fcntl.h>
#include<pthread.h>
#include<semaphore.h>
int main(int argc, const char *argv[])
{
	//创建管道->while->fork()->父进程:写->子进程算,进程替换
	int pipefd[2]={0};
	if(pipe(pipefd)==-1){
		perror("pipe");
		return -1;
	}
	while(1){
		int ret = fork();
		if(ret>0){
			double buf[3]={0};//放长、宽、高。
			printf("请输入>>>");
			scanf("%lf %lf %lf",buf,buf+1,buf+2);
			while(getchar()!='\n');
			write(pipefd[1],buf,sizeof(buf));
			sleep(1);
		}else if(ret == 0){
			char str_fd[16]="";
			sprintf(str_fd,"%d",pipefd[0]);
			execl("./hw2",str_fd,NULL);
			printf("进程替换失败\n");

		}
	}

	return 0;
}
运算:
#include<stdio.h>
#include<string.h>
#include<stdlib.h>
#include<unistd.h>
#include<sys/types.h>
#include<sys/stat.h>
#include<fcntl.h>
#include<pthread.h>
#include<semaphore.h>
#include<math.h>
int main(int argc, const char *argv[])
{
	int fd = atoi(argv[0]);

	double arr[3]={0};
	read(fd,arr,sizeof(arr));
	if(0==arr[2]){
		double s=arr[0] * arr[1];
		printf("正方形s==%g\n",s);
	}else{
		double a=arr[0];
		double b=arr[1];
		double c=arr[2];
		double p = (a+b+c)/2;
		double s= sqrt(p*(p-a)*(p-b)*(p-c));
		printf("三角形面积为:%g\n",s);
	
	}
	return 0;
}
运行截图:

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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