2016-11-27 20:51:55 xh_xinhua 阅读数 415
  • TensorFlow Lite移动端开发

    深度学习模型对于算力要求较高,为了能在算力羸弱的移动端进行部署,必须对原模型进行量化压缩,从而提升模型的计算性能,而TensorFlow Lite是一种用于设备端推断的开源深度学习框架,其能将TensorFlow模型转换为压缩的 FlatBuffer 文件,并通过将 32 位浮点数转换为更高效的 8 位整数进行量化,以到达模型快速运算的效果 . 伴随着深度学习技术的广泛使用,越来越多的深度学习模型被部署到移动端或IoT设备上运行,对于从事人工智能研发的相关人员,掌握对应的移动端开发技术是十分必要的,也将对自己的职业生涯产生极大的促进作用! 本课程将从TensorFlow Lite的基本组件及特性讲起,并结合丰富的技术实战案例,让您深入了解并掌握TensorFlow Lite的使用方法!

    182 人正在学习 去看看 袁明奇
#include <stdio.h>
#include <stdlib.h>
#define N 3
int main(void)
{
    int number[N] = {0};
    int i;
    //unsigned int seed;
    //scanf("%d",&seed);
    //srand(seed);
    srand(time(0));
    for(i = 0; i < N; i++)
    {
        number[i] = rand() % 10;
        if(number[0] >= 3)//当第一个数大于3时,赋值为 0
        {
            number[0] = 0;
        }
        printf("number[%d] = %d\n",i, number[i]);
    }
    printf("\n");
    return 0;
}
2017-04-15 10:30:18 lijingyu1997 阅读数 1103
  • TensorFlow Lite移动端开发

    深度学习模型对于算力要求较高,为了能在算力羸弱的移动端进行部署,必须对原模型进行量化压缩,从而提升模型的计算性能,而TensorFlow Lite是一种用于设备端推断的开源深度学习框架,其能将TensorFlow模型转换为压缩的 FlatBuffer 文件,并通过将 32 位浮点数转换为更高效的 8 位整数进行量化,以到达模型快速运算的效果 . 伴随着深度学习技术的广泛使用,越来越多的深度学习模型被部署到移动端或IoT设备上运行,对于从事人工智能研发的相关人员,掌握对应的移动端开发技术是十分必要的,也将对自己的职业生涯产生极大的促进作用! 本课程将从TensorFlow Lite的基本组件及特性讲起,并结合丰富的技术实战案例,让您深入了解并掌握TensorFlow Lite的使用方法!

    182 人正在学习 去看看 袁明奇

产生长度为10以内随机整数的随机字符串(java)
这个题目有两个难点,第一就是怎样产生随机字符串,第二是怎么让随机字符串的长度为10以内随机整数。

解决第一个问题,产生随机字符串

public String getRandomString(int length){
        //定义组成随机字符串的所有字符
        String str="abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789";
        Random random=new Random();
        StringBuffer sb=new StringBuffer();
        for(int i=0;i<length;i++){
            //产生62以内的随机数,因为组成随机字符串的字符有62个
            int number=random.nextInt(62);
            //将str的第number个字符加到sb的末尾
            sb.append(str.charAt(number));
        }
        return sb.toString();

    }

解决第二个问题,让随机字符串的长度为10以内随机整数

public void getRandomLengthString(){
//用一个String泛型的List来存放10个长度为10以内的随机整数的随机字符串
List<String> stringList=new ArrayList<String>();
        Random random=new Random();
        int k;
        for(int i=0;i<10;i++){
            //产生10以内的随机整数
            k=random.nextInt(10);
            //当stringList中没有该随机产生的字符串时把字符串加入到stringList中,避免stringList中有重复的随机字符串。
        do{
          str=getRandomString(k);
        }while(stringList.contains(str));
         stringList.add(str);
        }
}

2019-08-06 19:13:24 Hollo_Java 阅读数 637
  • TensorFlow Lite移动端开发

    深度学习模型对于算力要求较高,为了能在算力羸弱的移动端进行部署,必须对原模型进行量化压缩,从而提升模型的计算性能,而TensorFlow Lite是一种用于设备端推断的开源深度学习框架,其能将TensorFlow模型转换为压缩的 FlatBuffer 文件,并通过将 32 位浮点数转换为更高效的 8 位整数进行量化,以到达模型快速运算的效果 . 伴随着深度学习技术的广泛使用,越来越多的深度学习模型被部署到移动端或IoT设备上运行,对于从事人工智能研发的相关人员,掌握对应的移动端开发技术是十分必要的,也将对自己的职业生涯产生极大的促进作用! 本课程将从TensorFlow Lite的基本组件及特性讲起,并结合丰富的技术实战案例,让您深入了解并掌握TensorFlow Lite的使用方法!

    182 人正在学习 去看看 袁明奇

 题目:产生1到10之间的随机整数,把这些随机整数装入一个10个长度的数据。要求,数组中数据不能重复

 第一种方法:

public class Csdn{
	public static void main(String[] args) {
	    int[] nums = new int[10];
	    int num;
	    for(int i = 0;i < nums.length;i++){
	        do{
		    num = (int) (Math.random()*10+1);
		}while(judge(nums,num));    //返回boolean值
		nums[i] = num;
		System.out.println(nums[i]);
	    }
	}
	
	public static boolean judge(int[] arr,int key){    //去重
		for(int j = 0;j < arr.length;j++){
		    if(arr[j] == key){
			    return true;
		    }
		}
	    return false;
	}
}

 第二种方法:

import java.util.ArrayList;
import java.util.HashSet;
import java.util.List;
import java.util.Set;

public class Csdn{  //使用Set集合与List集合来解决问题
	public static void main(String[] args) {
	    List<Integer> list = new ArrayList<Integer>();
	    Set<Integer> set = new HashSet<>(); //HashSet方法 数据不重复 所以重复数据不会被写入
	    int[] nums = new int[10];
	    for(int i = 0;i < 10;i++){
		int num = (int) (Math.random()*10+1);
		if(set.size() <= i){
		    set.add(num);
		    i--;
		}
	    }
	    for(Integer s:set){   //数据存入ArrayList集合
		list.add(s);
	    }
	    for(int j = 0;j < nums.length;j++){    //数据存入nums数组
		nums[j] = list.get(j);
		System.out.println(nums[j]);
	    }
     }
}

 愿前程似锦

 

 

2017-12-05 13:56:34 adorable_syaoma 阅读数 190
  • TensorFlow Lite移动端开发

    深度学习模型对于算力要求较高,为了能在算力羸弱的移动端进行部署,必须对原模型进行量化压缩,从而提升模型的计算性能,而TensorFlow Lite是一种用于设备端推断的开源深度学习框架,其能将TensorFlow模型转换为压缩的 FlatBuffer 文件,并通过将 32 位浮点数转换为更高效的 8 位整数进行量化,以到达模型快速运算的效果 . 伴随着深度学习技术的广泛使用,越来越多的深度学习模型被部署到移动端或IoT设备上运行,对于从事人工智能研发的相关人员,掌握对应的移动端开发技术是十分必要的,也将对自己的职业生涯产生极大的促进作用! 本课程将从TensorFlow Lite的基本组件及特性讲起,并结合丰富的技术实战案例,让您深入了解并掌握TensorFlow Lite的使用方法!

    182 人正在学习 去看看 袁明奇

随机10个1000以内随机整数

package hong;

public class Shuji {

public static void main(String[] args) {
// TODO 自动生成的方法存根
    int k,m,temp,count=10;
    int intk[]=new int[count+1];
      System.out.println("第一次产生的int型随机数如下:");

            //下面的循环跳过第0个元素,从数组的第1个元素开始
    for(k=1;k<=count;k++){
            intk[k]=(int)(Math.random()*1000);    //实现产生1000以内的随机数
            System.out.print(intk[k]+"\t");
            }
            System.out.println();

            //使用冒泡法对整型数据进行排序
    for(k=1;k<=(count-1);k++)
      for(m=1;m<=(count-k);m++)
       if(intk[m]>intk[m+1])
       {
        temp=intk[m];
        intk[m]=intk[m+1];
        intk[m]=temp;
            }
       System.out.println("产生的随机数排序之后如下:");
   for(k=1;k<=count;k++)
            System.out.print(intk[k]+"\t");
            System.out.println();
            System.out.print("第一次产生的double型随机数:");
    double[]dNum=new double[count];
    double tempD=0.0;
    for(k=0;k<dNum.length;k++)
    {
       if(k%4==0){
        System.out.println();
            }
           dNum[k]=Math.random()*100;
        System.out.print(dNum[k]+"\t");
            }
        System.out.println();

            //使用冒泡法对double型数据进行排序
    for(k=1;k<=(dNum.length-1);k++)
        for(m=1;m<=(dNum.length-(k+1));m++)
          if(dNum[m]>dNum[m+1])
          {
            tempD=dNum[m];
            dNum[m]=dNum[m+1];
            dNum[m+1]=tempD;
            }
       System.out.print("产生的double型随机数如下:");
            for(k=0;k<dNum.length;k++){
            if(k%4==0){
      System.out.println();             //每输出4个就换行
            }
      System.out.print(dNum[k]+"\t");
        }
      System.out.println();
    }
}

运行结果:
这里写图片描述

知识点:
1)一维数组。
2)Math.random()方法生成随机非double型数。

2019-10-15 19:21:00 qq_42391904 阅读数 279
  • TensorFlow Lite移动端开发

    深度学习模型对于算力要求较高,为了能在算力羸弱的移动端进行部署,必须对原模型进行量化压缩,从而提升模型的计算性能,而TensorFlow Lite是一种用于设备端推断的开源深度学习框架,其能将TensorFlow模型转换为压缩的 FlatBuffer 文件,并通过将 32 位浮点数转换为更高效的 8 位整数进行量化,以到达模型快速运算的效果 . 伴随着深度学习技术的广泛使用,越来越多的深度学习模型被部署到移动端或IoT设备上运行,对于从事人工智能研发的相关人员,掌握对应的移动端开发技术是十分必要的,也将对自己的职业生涯产生极大的促进作用! 本课程将从TensorFlow Lite的基本组件及特性讲起,并结合丰富的技术实战案例,让您深入了解并掌握TensorFlow Lite的使用方法!

    182 人正在学习 去看看 袁明奇

随机数生成:

Math.random()

Math.random()会生成一个0到1的随机数 返回值[0,1) 即大于等于0.0 小于1.0
例如:0.5105802498623931
利用此特性推出以下特定范围的随机数:

1.生成从0到n的随机整数 即返回值[0,n]

int num=(int)(Math.random()*n+1);

2.生成从a到b的随机整数 即返回值[a,b]

int num=a+(int)(Math.random()*(b-a+1)); 

案例代码:

package Demo;

public class Test {
    public static void main(String[] args) {
        System.out.println((Math.random()));// 返回值[0,1)
        int n = 10;
        System.out.println((int) (Math.random() * n+1)); //返回值[0,n]
        int a = 10, b = 20;
        System.out.println(a + (int) (Math.random() * (b - a + 1)));//返回值[a,b]
    }
}

随机值案例 返回值如下:

0.2237291483982864
4
15
没有更多推荐了,返回首页