c++实现输出0-2018的包含8的数
时间: 2023-02-17 07:05:32 浏览: 112
以下是一种在C语言中输出0-2018中包含8的数的方法:
```
#include <stdio.h>
int main()
{
int i;
for (i = 0; i <= 2018; i++)
{
if (i % 10 == 8 || i / 10 == 8)
{
printf("%d\n", i);
}
}
return 0;
}
```
上述代码使用了一个for循环从0到2018遍历所有数字,并使用if语句判断当前数字的个位或十位是否为8,如果是,则使用printf函数输出这个数字。
相关问题
c++实现 aes-128-ecb 加密
AES-128-ECB是一种对称加密算法,其中AES代表高级加密标准,128表示密钥长度为128位,ECB表示电子密码本模式。
实现AES-128-ECB加密的关键步骤如下:
1. 密钥扩展:首先,将输入的128位密钥扩展为多个轮密钥,用于加密轮数之间的轮函数操作。
2. 轮加密:将明文分组按照固定大小(128位)进行分组。然后,对每个分组进行一系列轮函数的迭代操作,包括字节替换、行移位、列混淆和轮密钥加等。
3. 最后一轮:最后一个分组进行特殊处理,不进行列混淆操作。
4. 输出密文:经过所有轮加密后,将所有分组的结果连在一起,形成最终的密文。
例如,假设明文是"Hello World!",使用128位密钥进行加密。
首先,对密钥进行扩展,得到轮密钥。
然后,将明文按照128位进行分组,进行轮加密操作。
最后一个分组特殊处理,不进行列混淆操作。
最后,将所有分组的结果连在一起,得到最终的密文。
这样就完成了AES-128-ECB加密的过程。
需要注意的是,ECB模式存在一些安全性问题,因为相同的明文块将会生成相同的密文块,可能导致某些攻击方式的成功。因此,在实际应用中,建议使用其他加密模式,如CBC或CTR模式,来增加安全性。
c++实现lenet-5
LeNet-5是一个经典的卷积神经网络模型,由Yann LeCun等人提出。主要用于手写数字识别。
LeNet-5的架构包含了七个层:输入层,卷积层C1,池化层S2,卷积层C3,池化层S4,全连接层F5和输出层。
首先,我们需要将输入图像进行预处理,对其进行归一化处理,使像素值在0到1之间。然后将归一化后的图像作为输入层。
接下来是卷积层C1,该层使用了6个5×5大小的卷积核,每个卷积核都使用Sigmoid激活函数。C1层的输出为6个28×28的特征图。
然后是池化层S2,该层采用2×2大小的池化窗口,选取最大值作为池化结果。S2层的输出为6个14×14的特征图。
接下来是卷积层C3,该层使用16个5×5大小的卷积核,每个卷积核都使用Sigmoid激活函数。C3层的输出为16个10×10的特征图。
然后是池化层S4,该层采用2×2大小的池化窗口,选取最大值作为池化结果。S4层的输出为16个5×5的特征图。
下一步是全连接层F5,该层有120个神经元,每个神经元都与S4层的所有特征图相连。F5层采用Sigmoid激活函数。
最后是输出层,输出层有10个神经元,表示0到9的十个数字,根据输出层神经元的值进行分类。
LeNet-5的训练过程包括前向传播和反向传播。通过计算损失函数来评估模型的性能,然后使用反向传播算法更新模型的权重和偏置。
为了实现LeNet-5模型,我们需要使用深度学习框架,如TensorFlow或PyTorch,来定义和训练网络模型。通过将输入数据和标签输入到模型中,并使用优化算法进行训练,最终得到训练好的模型。
LeNet-5的设计和实现为后续的卷积神经网络模型提供了基础和指导,是深度学习领域的重要里程碑。
相关推荐
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![gz](https://img-home.csdnimg.cn/images/20210720083447.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)