输入输出框架(未完待续)

输入一些整数,求出它们的最小值、最大值和平均值(保留3位小数)。 输入保证这些数都是不超过1000的整数。

样例输入:

2 8 3 5 1 7 3 6

样例输出:

1 8 4.375

#include <stdio.h>

int main()
{
    int n=0, x, min, max, s=0;
    while (scanf("%d", &x)==1)
    {
                s += x;
        if (x > max) max = x;
        if (x < min) min = x;
        ++n;
    }
    printf("%d %d %.3f\n", min, max, double(s) / n);
    return 0;
}
    • scanf函数有返回值?

      对,它返回的是成功输入的变量个
      数,当输入结束时,scanf函数无法再次读取x,将返回0。

    • 输入结束

      Windows下,Ctrl+D键,再按Enter键,即可结束输入。

 

变量在未赋值之前的值是不确定的,它不一定等于0.

解决的方法就是在使用之前对max和min赋值。先读取第一个数x,然后令max=min=x。

 

上面程序并不是很方便:每次测试需要手动输入许多数。一个好的方法是用文件,把输入数据保存在文件中,输出数据也保存在文件中,这样,只要事先把输入数据保存在文件中,就不必每次重新输入了;数据输出在文件中也避免“输出太多”。运行结束后慢慢浏览输出文件即可。如果有标准答案还可以与输出文件比较。无需检查输出是否正确。

转载于:https://www.cnblogs.com/2228212230qq/p/7787604.html

  • 0
    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