用C语言编写的表白小程序:IOU_女朋友版

版权申诉
0 下载量 119 浏览量 更新于2024-11-07 收藏 535B RAR 举报
知识点一:IOU概念解释 IOU(I Owe You)在计算机领域和编程中不是一个标准术语,但在描述中提到了“IOU”和“表白”,这可能指的是一个用于表达情感的小程序,通常在英语中用“I Owe You”来表示“我欠你一个心愿”或者“我欠你一个感谢”,在这里被用作一个表白的创意点子。在程序中可能包含了一些温馨的语言或者创意的表白方式。 知识点二:C语言编程基础 C语言是一种广泛使用的计算机编程语言,它是一种通用的、过程式的编程语言。在这个小程序中,表白的逻辑和表达很可能就是使用C语言实现的。C语言程序通常包括以下几个部分:预处理指令、函数定义、变量声明和主函数(main函数)。 知识点三:小程序开发概念 小程序通常指的是轻量级的应用程序,它们通常不需要下载安装,可以直接在各种平台(如微信小程序平台、iOS、Android等)上运行。虽然这里的“IOU”小程序是用C语言编写的,但现实中的小程序开发更多地是用JavaScript、HTML和CSS等技术。C语言通常不用于开发传统的互联网小程序。 知识点四:表白程序的实现逻辑 描述中提到的这个小程序是一个表白程序,这意味着它可能包含了一些特定的逻辑,比如在运行时显示表白的文本信息,可能还包括一些用户交互功能,允许用户输入或选择表白内容。它可能通过控制台输出或者图形界面来展现表白的内容。 知识点五:文件命名和编程实践 文件名称列表中只有一个文件“IOU.CPP”,这似乎表明该程序可能是一个C++语言编写的程序。虽然C++是C语言的一个扩展,但是它支持面向对象编程。在C++中,文件通常使用扩展名“.cpp”(代表C++源代码文件)。然而,从描述中可以推断,该程序应当是用C语言编写的,因此可能存在文件命名上的混淆。 知识点六:表白C语言程序的潜在功能 由于是表白用的程序,它可能包含了一些有趣或者浪漫的功能,比如: - 文本表白:在控制台输出一段表白的话。 - 互动功能:允许用户输入对方的名字或特殊信息。 - 动画效果:在控制台显示一些动态效果,比如爱心跳动等。 - 音乐播放:如果在支持声音输出的环境中运行,可能会播放表白的音乐。 - 图像展示:在图形界面版本中显示心形图案或者相关图片。 知识点七:C语言的学习和应用 C语言作为编程语言的基础,对于初学者来说,学习C语言有助于理解计算机的工作原理和程序设计的基本概念。通过编写表白小程序,用户可以练习基本的输入输出、变量声明、函数定义和使用等基础技能,甚至可以进一步学习结构体、指针等更高级的特性。 综合以上信息,这个“IOU”表白小程序是一个使用C语言编写的有趣项目,它可以让编程学习者在实践中巩固编程知识,并且以一种独特的方式表达爱意。尽管它不太可能是传统意义上的互联网小程序,但仍然是一个充满创意的编程实践。

torch.save(model.state_dict(), r'./saved_model/' + str(args.arch) + '_' + str(args.batch_size) + '_' + str(args.dataset) + '_' + str(args.epoch) + '.pth') # 计算GFLOPs flops = 0 for name, module in model.named_modules(): if isinstance(module, torch.nn.Conv2d): flops += module.weight.numel() * 2 * module.in_channels * module.out_channels * module.kernel_size[ 0] * module.kernel_size[1] / module.stride[0] / module.stride[1] elif isinstance(module, torch.nn.Linear): flops += module.weight.numel() * 2 * module.in_features start_event = torch.cuda.Event(enable_timing=True) end_event = torch.cuda.Event(enable_timing=True) start_event.record() with torch.no_grad(): output = UNet(args,3,1).to(device) end_event.record() torch.cuda.synchronize() elapsed_time_ms = start_event.elapsed_time(end_event) gflops = flops / (elapsed_time_ms * 10 ** 6) print("GFLOPs: {:.2f}".format(gflops)) return best_iou, aver_iou, aver_dice, aver_hd, aver_accuracy, aver_recall, aver_precision, aver_f1score, aver_memory, fps, parameters, gflops出现错误 best_iou,aver_iou,aver_dice,aver_hd, aver_accuracy, aver_recall, aver_precision, aver_f1score, aver_memory, FPS, parameters, gflops = val(model,best_iou,val_dataloader) File "D:/BaiduNetdiskDownload/0605_ghostv2unet _tunnelcrack/ghostunet++/UNET++/main.py", line 143, in val return best_iou, aver_iou, aver_dice, aver_hd, aver_accuracy, aver_recall, aver_precision, aver_f1score, aver_memory, fps, parameters, gflops UnboundLocalError: local variable 'gflops' referenced before assignment怎么修改

136 浏览量

super(Ui_MainWindow, self).__init__(parent) parser_car_det = argparse.ArgumentParser() # parser.add_argument('--weights', type=str, default='weights-s/best1.pt', help='model.pt path') parser_car_det.add_argument('--weights', type=str, default='weights-s/best1.pt', help='model.pt path') parser_car_det.add_argument('--source', type=str, default='input/3.mp4', help='source') # file/folder, 0 for webcam # parser.add_argument('--source', type=str, default='rtsp://admin:hik12345@192.168.1.64:554//Streaming/Channels/101', help='source') # file/folder, 0 for webcam parser_car_det.add_argument('--output', type=str, default='inference/output', help='output folder') # output folder parser_car_det.add_argument('--img-size', type=int, default=640, help='inference size (pixels)') parser_car_det.add_argument('--conf-thres', type=float, default=0.4, help='object confidence threshold') parser_car_det.add_argument('--iou-thres', type=float, default=0.5, help='IOU threshold for NMS') parser_car_det.add_argument('--fourcc', type=str, default='mp4v', help='output video codec (verify ffmpeg support)') parser_car_det.add_argument('--device', default='cpu', help='cuda device, i.e. 0 or 0,1,2,3 or cpu') parser_car_det.add_argument('--view-img', action='store_true', help='display results') parser_car_det.add_argument('--save-txt', action='store_true', help='save results to *.txt') parser_car_det.add_argument('--classes', nargs='+', type=int, help='filter by class') parser_car_det.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS') parser_car_det.add_argument('--augment', action='store_true', help='augmented inference') parser_car_det.add_argument('--idx', default='2', help='idx') self.opt_car_det = parser_car_det.parse_args() self.opt_car_det.img_size = check_img_size(self.opt_car_det.img_size) half = 0 source_car_det, weights_car_det, view_img_car_det, save_txt_car_det, imgsz_car_det = self.opt_car_det.source, self.opt_car_det.weights, self.opt_car_det.view_img, self.opt_car_det.save_txt, self.opt_car_det.img_size self.device_car_det = torch_utils.select_device(self.opt_car_det.device) self.half_car_det = 0 # half precision only supported on CUDA cudnn.benchmark = True

230 浏览量