洛谷P1001 A+B Problem

文章讨论了在洛谷编程竞赛中,使用cin、scanf和printf进行输入输出时的速度差异,发现cin.tie(0)可以提高代码执行速度。

 最慢的代码(洛谷30ms)

#include<iostream>
using namespace std;
int main(){
    int a,b;
    cin>>a>>b;
    cout<<(a+b);
return 0;
}

不知道为什么scanf和printf比这还慢(洛谷31ms)

#include<iostream>
using namespace std;
int main(){
    int a,b;
    scanf("%d%d",&a,&b);
    printf("%d",a+b);
return 0;
}

加cin.tie(0)或cin.tie(NULL)和第一个一样快(洛谷30ms)

#include<iostream>
using namespace std;
int main(){
    cin.tie(0);
    int a,b;
    cin>>a>>b;
    cout<<(a+b);
return 0;
}

有谁知道为什么吗 

 

数据集介绍:火灾和烟雾目标检测数据集一、基础信息• 数据集名称: 火灾和烟雾目标检测数据集• 图片数量:训练集:7844张图片验证集:510张图片测试集:382张图片总计:8736张图片• 训练集:7844张图片• 验证集:510张图片• 测试集:382张图片• 总计:8736张图片• 分类类别:Fire(火灾):表示火焰或火灾区域,适用于火灾检测任务。Smoke(烟雾):表示烟雾区域,适用于烟雾识别任务。• Fire(火灾):表示火焰或火灾区域,适用于火灾检测任务。• Smoke(烟雾):表示烟雾区域,适用于烟雾识别任务。• 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。• 数据格式: JPEG图片,来源于真实场景(如监控、航拍等),覆盖多样环境。二、适用场景• 火灾和烟雾检测系统开发: 用于构建AI模型,自动识别火焰和烟雾区域,适用于森林防火、城市安防监控等场景。• 安全监控与预警应用: 集成到CCTV或无人机系统中,实时检测火灾风险,提升应急响应效率。• 环境风险评估与管理: 支持火灾和烟雾的早期预警,用于环境监测、灾害预防等领域。• 计算机视觉研究: 促进目标检测算法在火灾安全领域的创新与应用。三、数据集优势• 精准标注: 数据集基于YOLO格式标注,边界框定位准确,确保模型训练可靠性。• 场景多样性: 数据来源于航拍、监控等多种真实场景,覆盖不同光照和环境条件,增强模型泛化能力。• 任务适配性强: 标注兼容主流深度学习框架(如YOLO),可直接用于目标检测模型开发。• 实用价值突出: 专注于火灾和烟雾检测,为公共安全、环境保护提供高质量数据支持。
评论 1
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