如何实现sqrt()

jdk中实现sqrt()是native方法,没法看到具体的实现细节,所以自己整理下,以便后续查阅。

1、暴力法,从0开始每次增加1e-6,直到非常接近

2、牛顿法,求n的平方根

while(abs(x-x_pre)>1e-6){
    x_pre = x;
    x = (x+n/x)/2;
}
return x;

3、二分法

4、快速平方根倒数,https://en.wikipedia.org/wiki/Fast_inverse_square_root

float Q_rsqrt( float number )
{
    long i;
    float x2, y;
    const float threehalfs = 1.5F;

    x2 = number * 0.5F;
    y  = number;
    i  = * ( long * ) &y;                       // evil floating point bit level hacking
    i  = 0x5f3759df - ( i >> 1 );               // what the fuck? 
    y  = * ( float * ) &i;
    y  = y * ( threehalfs - ( x2 * y * y ) );   // 1st iteration
//    y  = y * ( threehalfs - ( x2 * y * y ) );   // 2nd iteration, this can be removed

    return y;
}

java版本

public static float invSqrt(float x) {
    float xhalf = 0.5f*x;
    int i = Float.floatToIntBits(x);
    i = 0x5f3759df - (i>>1);
    x = Float.intBitsToFloat(i);
    x = x*(1.5f - xhalf*x*x);
    return x;
}

5、快速计算(int)(sqrt(x)),利用空间换时间

 1 public class APIsqrt2 {
 2     final static int[] table = { 0, 16, 22, 27, 32, 35, 39, 42, 45, 48, 50, 53,
 3             55, 57, 59, 61, 64, 65, 67, 69, 71, 73, 75, 76, 78, 80, 81, 83, 84,
 4             86, 87, 89, 90, 91, 93, 94, 96, 97, 98, 99, 101, 102, 103, 104,
 5             106, 107, 108, 109, 110, 112, 113, 114, 115, 116, 117, 118, 119,
 6             120, 121, 122, 123, 124, 125, 126, 128, 128, 129, 130, 131, 132,
 7             133, 134, 135, 136, 137, 138, 139, 140, 141, 142, 143, 144, 144,
 8             145, 146, 147, 148, 149, 150, 150, 151, 152, 153, 154, 155, 155,
 9             156, 157, 158, 159, 160, 160, 161, 162, 163, 163, 164, 165, 166,
10             167, 167, 168, 169, 170, 170, 171, 172, 173, 173, 174, 175, 176,
11             176, 177, 178, 178, 179, 180, 181, 181, 182, 183, 183, 184, 185,
12             185, 186, 187, 187, 188, 189, 189, 190, 191, 192, 192, 193, 193,
13             194, 195, 195, 196, 197, 197, 198, 199, 199, 200, 201, 201, 202,
14             203, 203, 204, 204, 205, 206, 206, 207, 208, 208, 209, 209, 210,
15             211, 211, 212, 212, 213, 214, 214, 215, 215, 216, 217, 217, 218,
16             218, 219, 219, 220, 221, 221, 222, 222, 223, 224, 224, 225, 225,
17             226, 226, 227, 227, 228, 229, 229, 230, 230, 231, 231, 232, 232,
18             233, 234, 234, 235, 235, 236, 236, 237, 237, 238, 238, 239, 240,
19             240, 241, 241, 242, 242, 243, 243, 244, 244, 245, 245, 246, 246,
20             247, 247, 248, 248, 249, 249, 250, 250, 251, 251, 252, 252, 253,
21             253, 254, 254, 255 };
22 
23     /**
24      * A faster replacement for (int)(java.lang.Math.sqrt(x)). Completely
25      * accurate for x < 2147483648 (i.e. 2^31)...
26      */
27     static int sqrt(int x) {
28         int xn;
29 
30         if (x >= 0x10000) {
31             if (x >= 0x1000000) {
32                 if (x >= 0x10000000) {
33                     if (x >= 0x40000000) {
34                         xn = table[x >> 24] << 8;
35                     } else {
36                         xn = table[x >> 22] << 7;
37                     }
38                 } else {
39                     if (x >= 0x4000000) {
40                         xn = table[x >> 20] << 6;
41                     } else {
42                         xn = table[x >> 18] << 5;
43                     }
44                 }
45 
46                 xn = (xn + 1 + (x / xn)) >> 1;
47                 xn = (xn + 1 + (x / xn)) >> 1;
48                 return ((xn * xn) > x) ? --xn : xn;
49             } else {
50                 if (x >= 0x100000) {
51                     if (x >= 0x400000) {
52                         xn = table[x >> 16] << 4;
53                     } else {
54                         xn = table[x >> 14] << 3;
55                     }
56                 } else {
57                     if (x >= 0x40000) {
58                         xn = table[x >> 12] << 2;
59                     } else {
60                         xn = table[x >> 10] << 1;
61                     }
62                 }
63 
64                 xn = (xn + 1 + (x / xn)) >> 1;
65 
66                 return ((xn * xn) > x) ? --xn : xn;
67             }
68         } else {
69             if (x >= 0x100) {
70                 if (x >= 0x1000) {
71                     if (x >= 0x4000) {
72                         xn = (table[x >> 8]) + 1;
73                     } else {
74                         xn = (table[x >> 6] >> 1) + 1;
75                     }
76                 } else {
77                     if (x >= 0x400) {
78                         xn = (table[x >> 4] >> 2) + 1;
79                     } else {
80                         xn = (table[x >> 2] >> 3) + 1;
81                     }
82                 }
83 
84                 return ((xn * xn) > x) ? --xn : xn;
85             } else {
86                 if (x >= 0) {
87                     return table[x] >> 4;
88                 }
89             }
90         }
91 
92         return -1;
93     }
94     public static void main(String[] args){
95         System.out.println(sqrt(65));
96         
97     }
98 }

 

转载于:https://www.cnblogs.com/shizhh/p/5775578.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