8.25日 作业有感

在算术转换练习中 

我学到了  sizeof操作符的返回类型为size_t,为无符号整型类型 ,当表达式中有有符号整型类型时

会发生算术转换,有符号整形类型会变成无符号整型类型

另外测试出scanf函数和printf函数的返回类型为 int   

scanf 返回值为获得了几个元素

printf返回值为字符个数

n=n&(n-1)

这个式子的效果就是可以将n的二进制位的最右边的1变为0;比如1010 变为1000

1100变为1000    ;

这个式子也可以用来判断一个数是不是2的n次方,如果是的话,那他的二进制补码序列只有一个1

也就是  if(n&(n-1)==0)

这就说明  它就是一个2的n次方

在统计 二进制中1的个数中 ,我学到了  n&1 就可以用来判断最低位是1还是0

按位与&  两个都为1为1

按位或|两个都为0为0

按位异或^  相同为0,不同为1

想打印某个图案,可以去寻找里面潜在的规律,然后想办法利用自己所学的知识,循环也好,判断也好,去慢慢实现  这是打印图形问题的通用解法
 

逻辑操作符  &&  ||  !   如果是真就是1 如果是假则为0,这是语法规定的固定数值

全局变量和静态变量都是放在内存中的静态区,当全局变量静态变量不初始化时,默认初始化为0
局部变量不初始化默认为随机值

见得多,练的多才能很牛逼 ,写代码不是一蹴而就的,而是在不断练习不断练习,不断总结的 ,需要有见识,需要有视野
 

  • 3
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: YOLOv8是一个基于YOLOv5的目标检测模型,modules.py是其中的一个模块文件,主要包含了YOLOv8的网络结构中使用的各种模块。 该文件中包含了许多不同的模块,如: - Conv:卷积层,用于提取图像特征 - BottleneckCSP:CSP Bottleneck模块,用于提高模型的性能和准确性 - SPP:空间金字塔池化模块,用于处理不同大小的物体 - PANet:金字塔注意力模块,用于融合不同层次的特征信息 - YOLOLayer:YOLO检测层,用于输出检测结果 这些模块都是YOLOv8网络结构中的重要组成部分,共同构建了一个高效、准确的目标检测模型。 ### 回答2: yolov8 modules.py是YOLOv8模型的一个模块文件。YOLOv8是一种目标检测算法,用于检测图像或视频中的目标物体。 在yolov8 modules.py中,包含了YOLOv8模型的各种模块,如卷积、正则化、池化等。这些模块被用来构建YOLOv8的网络结构。 该文件中的模块主要体现了YOLOv8模型的特点和创新之处。比如,引入了跳跃连接,可以使高级特征和低级特征进行融合,提高了目标检测的准确率和定位能力。 此外,yolov8 modules.py还定义了一些辅助函数和操作,如计算损失、进行预测等。这些函数和操作是YOLOv8算法中必不可少的组成部分,通过它们可以对模型进行训练和测试。 总结来说,yolov8 modules.py是YOLOv8模型的一个重要模块文件,包含了构建模型网络结构所需的模块和辅助函数。通过该文件中定义的模块和函数,可以实现目标检测算法的训练和测试,提高目标检测的准确率和性能。 ### 回答3: yolov8中的modules.py是一个模块文件,负责定义了许多与YOLOv8模型相关的结构和函数。它包含了许多用于实现卷积、注意力机制、上采样、下采样等操作的类和函数。 首先,modules.py中定义了C3模块(class C3)。C3模块是YOLOv8中的一种卷积模块,它由三个连续的卷积层组成,其中包含一个1x1的卷积层,一个3x3的卷积层和一个残差连接。C3模块通过增加卷积层的数量来提取更多的特征信息,从而提高检测的准确性。 另外,modules.py中还定义了PANet模块(class PANet)。PANet模块是一个进行多尺度特征融合的模块,用于提高检测网络在不同尺度目标上的性能。PANet模块包含了多个上采样和下采样操作,通过将不同层次的特征图进行融合,提取不同尺度的信息,从而提高网络的检测能力。 除此之外,modules.py中还定义了一些其他的函数和类,例如SAM模块(用于实现自适应感受野操作)、Focus模块(用于减少计算量)等。这些函数和类的定义和实现,为YOLOv8模型提供了基础的网络结构和功能支持。 综上所述,modules.py文件是YOLOv8模型的一个模块文件,主要负责定义了一些卷积和特征融合操作的类和函数,为YOLOv8模型的构建和训练提供了基本的功能和支持。
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