首页
学习
活动
专区
圈层
工具
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

我有一个大小为n*10的2d网格(行由用户输入定义)。如何将多个字符串存储在2d向量中的同一位置?

在二维网格中存储多个字符串,可以通过创建一个二维向量(vector<vector<string>>),其中每个元素可以是一个字符串向量(vector<string>)。这样,你可以在同一个网格位置存储多个字符串。

以下是一个简单的示例代码,展示了如何实现这一功能:

代码语言:txt
复制
#include <iostream>
#include <vector>
#include <string>

int main() {
    int n;
    std::cout << "请输入行数: ";
    std::cin >> n;

    // 创建一个二维向量,每个元素是一个字符串向量
    std::vector<std::vector<std::vector<std::string>>> grid(n, std::vector<std::vector<std::string>>(10));

    // 假设我们要在第 i 行 j 列存储字符串
    int i = 2; // 示例行
    int j = 3; // 示例列
    std::vector<std::string> strings = {"字符串1", "字符串2", "字符串3"};

    // 将字符串存储在指定位置
    grid[i][j] = strings;

    // 打印二维网格
    for (int row = 0; row < n; ++row) {
        for (int col = 0; col < 10; ++col) {
            if (!grid[row][col].empty()) {
                std::cout << "行 " << row << ", 列 " << col << ": ";
                for (const auto& str : grid[row][col]) {
                    std::cout << str << " ";
                }
                std::cout << std::endl;
            }
        }
    }

    return 0;
}

解释

  1. 二维向量创建
  2. 二维向量创建
  3. 这里创建了一个三维向量 grid,其中第一维表示行,第二维表示列,第三维表示存储在该位置的字符串向量。
  4. 存储字符串
  5. 存储字符串
  6. 将字符串向量 strings 存储在指定的行 i 和列 j 位置。
  7. 打印二维网格
  8. 打印二维网格
  9. 遍历二维网格并打印出每个位置存储的字符串。

应用场景

这种数据结构适用于需要在一个网格位置存储多个值的场景,例如:

  • 游戏地图:每个格子可以包含多个属性(如地形、怪物、物品等)。
  • 文本编辑器:每个单元格可以包含多个字符或样式信息。
  • 数据存储:需要在一个位置存储多个相关数据的场景。

参考链接

通过这种方式,你可以灵活地在二维网格中存储和管理多个字符串。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

使用自组织映射神经网络(SOM)进行客户细分

SOM SOM可视化由多个“节点”组成。每个节点向量具有: 在SOM网格上的位置 与输入空间维度相同的权重向量。...输入空间中的每个样本都“映射”或“链接”到网格上的节点。一个节点可以代表多个输入样本。 SOM的关键特征是原始输入数据的拓扑特征保留在图上。...这意味着将相似的输入样本(其中相似性是根据输入变量(年龄,性别,身高,体重)定义的)一起放置在SOM网格上。例如,所有高度大约为1.6m的55岁女性将被映射到网格同一区域中的节点。...# 在R中创建自组织映射 # 创建训练数据集(行是样本,列是变量 # 在这里,我选择“数据”中可用的变量子集 data_train <- data\[, c(3,4,5,8)\] #将带有训练数据的数据框更改为矩阵...通过可视化整个地图上的权重向量,我们可以看到样本和变量分布中的模型。权重向量的默认可视化是一个“扇形图”,其中为每个节点显示了权重向量中每个变量的大小的各个扇形表示。

1.2K30

一份完全解读:是什么使神经网络变成图神经网络?

因此,我们的图G应该有N=784个节点,而对于位置较近的像素,边会有一个较大的值(下图中较厚的边),对于较远的像素,则相应的有较小的值(较薄的边)。...在每个位置,计算网格上值之间的点积(表示为X)和滤波器的值W:X₁W₁+X₂W₂+…+X₉W₉,并将结果存储在输出图像中。在我们的可视化过程中,改变节点在滑动过程中的颜色,以匹配网格中节点的颜色。...这种模型称为多项式(或多类,因为我们有10类数字)Logistic回归。 现在,如何将我们的神经网络转换成图神经网络?正如你已经知道的,GNN背后的核心思想是聚合“邻值”。...这是因为我们观察到,在自然图像中的邻近像素通常对应于同一个或多个经常交互的对象(我们前面提到的局部性原则),因此连接这些像素很有意义。...其中一个解决方案是简单地使用前面创建的邻接矩阵A,方法如下: 图16. 图神经层具有邻接矩阵A,输入或输出特征X,可学习权值W。 我们只需要确保A中的第一行对应于X的第一行中节点的特征。

1.5K50
  • 单图像三维重建、2D到3D风格迁移和3D DeepDream

    渲染的近似梯度 1.渲染通道及其派生:一个3D网格由一组顶点和面组成,每个顶点No是一个三维向量,表示这个顶点在3D物体空间中的坐标,每个面F是由三个顶点所围成的三角形。...在这个项目中,每个面都有自己的大小为St×St×St的纹理图像。使用质心坐标系确定纹理空间中对应于三角形{V1,V2,V3}上位置P的坐标。...具体地说,使用一个有642个顶点的各向同性球体,并使用局部偏置向量Bi和全局偏置向量C将每个顶点Vi变成Vi+Bi+C的形式。 分别定义轮廓损失Lsl和平滑度损失Lsm如下所示: ?...第一列:输入图像;第二至第四列:网格重建;第五至第七列:体素重建。 ? 通过体素IoU测量重建精度,越高越好。可以看到基于网格的方法在13个类别中有10个类别的性能优于基于体素的方法。 ?...网格在风格转换和DeepDream中的初始状态 ? 2D到3D风格迁移。风格图片有汤姆森5号(黄色日落)、巴别塔、尖叫和毕加索肖像 ?

    1.8K31

    单阶段6D对象姿势估计

    相反,给定n个簇,每个簇包含m个2D点{uik},1≤i≤n,1≤k≤m,本文定义了一个集合函数F:X→RnD将对应关系{uik}1≤k≤m映射到 nD维向量 ?...本文的体系结构同时为一组预定义的3D关键点输出分割蒙版和潜在的2D位置。更具体地说,对于具有S个对象类和大小为h×w×3的输入图像I的数据集,它输出大小为H×W×C的3D张量。...尺寸H和W与输入分辨率成正比,C =(S + 1)+ 2 * n,其中(S + 1)个通道用于分割,其中一个用于背景类,一个用于2D位置(或 对应于n个3D点pi的2D方向向量)。...最后,本文的训练数据由具有多个实例的20K合成图像和每个对象只有一个实例的10K渲染图像组成,总共(20 + 10×8)K图像。 对于YCB视频,本文遵循类似的步骤。...本文使用提供的3D网格模型并根据数据集的姿态统计信息为21个对象中的每一个渲染10K图像。

    75820

    三维点云拼接的方法_图像拼接算法研究

    ∥h∥=1A=⎣⎡​0p1T−p2y​∗p1T​00p2x​∗p1T​000​−p1T00​p2y​∗p1T−p2x​∗p1T0​⎦⎤​ A 中任取两行代入一个关键点坐标,得到两个方程,N个关键点,得到的...A为2N*9 取A 的svd分解中最小特征值对应的 v 向量,即 将9*9的V矩阵的最后一列作为 h向量 H = reshape(h,3,3)' ,matlab 中将h向量 按列重新排列成矩阵...使用全局单应矩阵 映射源图像 在空画布warped_img1 (ch, cw )中 根据偏移量off 确定 左图img1 的映射位置 调用imagewarping.cpp,将matlab 中的变量传入c...写成矩阵形式:h∗​=argminh​ ∥W∗​Ah∥2,这是一个WSVD问题,其解为W∗​A对应的最小特征值的右奇异特征向量!...,double(off),X(1,:),Y(:,1)' 其中,Hmdlt 矩阵的每一行是网格顶点的局部单应矩阵 按列排列后的结果 在空画布warped_img1 (ch, cw )中 根据偏移量off

    1.2K20

    使用自组织映射神经网络(SOM)进行客户细分|附代码数据

    通常,SOM的可视化是六边形节点的彩色2D图。 SOM SOM可视化由多个“节点”组成。每个节点向量具有: 在SOM网格上的位置 与输入空间维度相同的权重向量。...输入空间中的每个样本都“映射”或“链接”到网格上的节点。一个节点可以代表多个输入样本。 SOM的关键特征是原始输入数据的拓扑特征保留在图上。...这意味着将相似的输入样本(其中相似性是根据输入变量(年龄,性别,身高,体重)定义的)一起放置在SOM网格上。例如,所有高度大约为1.6m的55岁女性将被映射到网格同一区域中的节点。...# 在R中创建自组织映射 # 创建训练数据集(行是样本,列是变量 # 在这里,我选择“数据”中可用的变量子集 data_train <- data[, c(3,4,5,8)] #将带有训练数据的数据框更改为矩阵...通过可视化整个地图上的权重向量,我们可以看到样本和变量分布中的模型。权重向量的默认可视化是一个“扇形图”,其中为每个节点显示了权重向量中每个变量的大小的各个扇形表示。

    1.2K30

    MongoDB系列6:MongoDB索引的介绍

    2.4.6 全文索引的限制 ·一个集合最多支持一个全文索引; ·在一个包含$text的查询表达式中不能用hint()提示; ·排序操作不能从全文索引中获得排序顺序; 2.4.7 存储需求和性能成本 ·全文索引可以是大的...2.5 地理空间索引 随着移动设备的应用的爆发式增长,有一种查询变得越来越流行:找到离当前位置最近的N个场所。MongoDB为坐标平面查询提供了专门的索引,称作地理空间索引。...bound> , max : , bits : } 2) 2d索引的位置范围: 默认情况下,2d索引假定经度和纬度,边界为-180到180,如果文档中的坐标数据在范围之外...3) 定义2d索引的位置精度: 默认情况下,传统坐标对上的2d索引使用26位精度,大致相当于2英尺或60厘米的精确度,默认范围-180到180。精度是衡量大小用来存储位置数据的Geohash值位。...·如果位置数据是GeoJSON格式数据对象,应使用2dsphere索引,而不是2d索引。 ·同样,能在分片的集合中使用片键做2d索引,但是可以在一个分片集合中,使用非片键列创建2d索引。

    3K101

    干货 | 平面图像的感知已经基本解决了,那三维数据的呢?

    Stereo(双目视觉)将两个或多个相机布置在彼此之间相对固定的位置上,并使用这种设置来捕捉一个场景的不同图像、匹配对应的像素,并计算每个像素的位置在图像之间如何不同,从而计算出这个像素在 3D 空间中的位置...虽然论文作者合理地假设传感器保持直立,从而让体素网格的 z 轴与重力方向对齐,但是对于 z 轴的旋转来说,即使体素网格中的几何与学习卷积核的相互作用非常不同,这种的假设——来自后方的目标依旧是同一个目标...然而,如作者所指出的,点云只是 3D 空间里由 XYZ 坐标表示的一组点。更具体来说,假设给定点云中的 N 点,因为喂给网络的点的排序对底层几何没有影响,网络需要学习对输入数据的 N!...为了确保跨输入排序的不变性,点云分割背后的关键性经验是,使用一个为输入的任意排序产生一致输出的简单的对称函数(此类函数中的典型算法包括加法和乘法)。...这个函数 f 可以近似为另一个对称函数 g。在等式中,h 是一个多层感知器(MLP),它用来将个别输入点(以及它们的 xyz 坐标、颜色、表面法线等相应特征)标记到更高维度的隐空间。

    84451

    ECCV | Pixel2Mesh:单目彩色相机重建三维模型

    我们知道3D mesh是由顶点v,边e,面 face来描述三维对象的,这正好对应于与图卷积神经网络M = (V, E, F)一一对应:V (N个顶点),E (E条边),F(N个顶点的特征向量)。...f(p,l), f(p,l+1)分别表示顶点p在卷积操作前后的特征向量; N(p)指顶点p的邻居节点; W1,W2表示待学习的参数; 整个公式就是表达了图卷积神经网络的节点是根据其自身的特征和邻居节点的特征来进行更新的...我们也连接三个顶点,如果它们被添加到同一个三角形(虚线)图 4a。 ? 2.loss损失 本文定义了四种损失来约束输出形状的性质和变形过程,以获得满意的结果。...在第一个变形块中,由于该变形块的输入为处处光滑的椭球体,故其表现为表面光滑项;从第二个块开始,它可以防止3D网格模型变形太多,因此只向网格模型添加细粒度的细节。...为了计算这种损失,我们首先为每个顶点p定义一个拉普拉斯坐标: ? 拉普拉斯正则化定义为: δ‘p和δp一个顶点在一个变形块之前之后的拉普拉斯坐标。

    2.1K10

    R语言使用自组织映射神经网络(SOM)进行客户细分

    SOM SOM可视化由多个“节点”组成。每个节点向量具有: 在SOM网格上的位置 与输入空间维度相同的权重向量。...输入空间中的每个样本都“映射”或“链接”到网格上的节点。一个节点可以代表多个输入样本。 SOM的关键特征是原始输入数据的拓扑特征保留在图上。...这意味着将相似的输入样本(其中相似性是根据输入变量(年龄,性别,身高,体重)定义的)一起放置在SOM网格上。例如,所有高度大约为1.6m的55岁女性将被映射到网格同一区域中的节点。...# 在R中创建自组织映射 # 创建训练数据集(行是样本,列是变量 # 在这里,我选择“数据”中可用的变量子集 data_train <- data[, c(3,4,5,8)] #...通过可视化整个地图上的权重向量,我们可以看到样本和变量分布中的模型。权重向量的默认可视化是一个“扇形图”,其中为每个节点显示了权重向量中每个变量的大小的各个扇形表示。

    2.1K00

    NumPy 1.26 中文官方指南(三)

    在 NumPy 中的数组赋值通常存储为 n 维数组,只需要最小类型来存储对象,除非你指定维数和类型。NumPy 执行元素按元素的操作,所以用*来乘以 2D 数组不是矩阵乘法 - 这是元素按元素的乘法。...一些关键区别 在 MATLAB 中,即使是标量的基本类型也是多维数组。MATLAB 中的数组赋值存储为双精度浮点数的 2D 数组,除非你指定维数和类型。...1xn 或 nx1)或长度为 n 的 1D NumPy 数组 a 中的最后一个元素 a(2,5) a[1, 4] 访问 2D 数组 a 中第二行第五列的元素 a(2,:) a[1] or a[1, :]...在网格上计算函数的最佳方法 repmat(a, m, n) np.tile(a, (m, n)) 创建大小为 m × n 的 a 的副本 [a b] np.concatenate((a,b),1) or...基本迭代 在除了一个轴之外的所有轴上进行迭代 在多个数组上进行迭代 在多个数组上进行广播 用户定义数据类型 添加新数据类型 注册强制类型转换函数 注册强制类型转换规则

    42710

    HybridPose:混合表示下的6D对象姿势估计

    相反,给定n个簇,每个簇包含m个2D点{uik},1≤i≤n,1≤k≤m,本文定义了一个集合函数F:X→RnD将对应关系{uik}1≤k≤m映射到 nD维向量 ?...本文的体系结构同时为一组预定义的3D关键点输出分割蒙版和潜在的2D位置。更具体地说,对于具有S个对象类和大小为h×w×3的输入图像I的数据集,它输出大小为H×W×C的3D张量。...尺寸H和W与输入分辨率成正比,C =(S + 1)+ 2 * n,其中(S + 1)个通道用于分割,其中一个用于背景类,一个用于2D位置(或 对应于n个3D点pi的2D方向向量)。...最后,本文的训练数据由具有多个实例的20K合成图像和每个对象只有一个实例的10K渲染图像组成,总共(20 + 10×8)K图像。 对于YCB视频,本文遵循类似的步骤。...本文使用提供的3D网格模型并根据数据集的姿态统计信息为21个对象中的每一个渲染10K图像。

    51610

    智驾车技术栈 | 综述:自动驾驶中基于深度学习的LiDAR点云综述研究

    在同一组N个点内,网络应该提供N!个排列来保持一致性。此外,点集的方向是缺失,这对目标模式识别提出了很大的挑战。...在原始的无序的输入的点云中,这些点最初使用欧几里德距离度量被划分为重叠的局部区域。这些分区被定义为这个度量空间中的邻域球,并用质心位置和尺度标记。...Klokov等人利用沿坐标轴的最大点坐标范围,递归地将一定大小的点云N=2D分割成自上而下的子集,构建一个kd-tree。该kd-tree以一个固定的深度结束。...它们是由特征值(例如:η0,η1和η2(η0>η1>η2))或特征向量(例如: , , 和 )组成,这些特征值和特征向量由分解在搜索区域中定义的协方差矩阵所得。...局部曲率:局部曲率定义为单位切向量改变方向的速率。表面曲率变化可以由特征分解得到的特征值来估计:曲率=η0/(η0+η1+η2)。

    1.3K10

    深度学习3D合成

    深度图像 点云是分布在 3D 空间中的 3D 点的集合。这些 3D 点中的每一个都有一个确定的位置,由一个确定的(x,y,z)坐标和其他属性(如 RGB 颜色值)表示。...每个体素的相对位置共同定义了立体数据的独特结构。体素可以看作是一个具有固定大小的量化点云。然而,对于 3D 建模来说,体素表示太过稀疏,并且在细节和计算资源之间需要进行权衡,这使得合成更加不可行。...这个图在表示中每个位置还附带了 3D 坐标的语义特征。简单地说,UV 图是一个 3D 数据的 2D 表示,记录了 UV 空间中所有点的 3D 坐标。...在合成网格数据方面,一些最好的架构设计方法包括基于图的卷积神经网络。在本节中,我们将以 Wang 等人提出的方法为例。[3] (Pixel2Mesh)。 ?...而对于像目标类这样的输入格式,在每个网络块中的自注意层之后,一个预先学习的类嵌入被投射到一个向量,这个向量被添加到中间 transformer 预测表示中。

    1.3K21

    基于图像的三维物体重建:在深度学习时代的最新技术和趋势综述之训练

    1.2利用时空相关性 在许多情况下,同一对象的多个空间分布图像在一段较长的时间内被获取。基于单个图像的重建技术可以通过独立处理各个帧来重建三维形状,然后使用配准技术合并重建。...网络可以在每次新视图可用时执行增量优化。 它由两部分组成:一个标准卷积编码器解码器和一组放置在卷积解码器开始处的3D卷积长短期存储器(3D-LSTM)。...EMD被定义为一个集合中的一个点和另一个集合中的一个点之间的距离之和在所有可能的对应排列上的最小值。更准确地说,给定Sgt和Srec两组点,EMD定义为: ?...在运行时,通过从N(0,I)中采样不同的随机向量r,可以从给定的输入生成各种似乎合理的重建。 2.1.2二维监督训练 即使是在小规模的训练中,获取用于监督的三维真实数据也是一个昂贵而繁琐的过程。...然而,为了在没有梯度近似的情况下实现端到端的训练,投影算子应该是可微的。Gadelha[4]引入了一个可微投影算子P,定义为 ? 其中V是3D体素网格,这个运算符汇总沿每条视线的体素占用值。

    1.2K30

    APAP论文阅读笔记

    在2D图像处理[14]中的扭曲点的背景下,每个x∗的MLS估计是一个由矩阵F∗∈R2×3定义的仿射变换 包括非平稳权重{wi∗}Ni=1会产生柔性翘曲,但此类翘曲最终只可能是仿射的;参见图1(...在[14]之后,我们将源图像I划分为C1×C2单元的网格。对于每个单元,中心坐标选择为x∗, 同一单元内的所有像素都使用相同的H扭曲∗. 因此,我们将WSVD的实例数减少到C1×C2。...总的来说,这比从头开始计算要便宜,而W∗大小为n×m的A,即使我们只计算正确的奇异向量,也需要O(4nm2 8m3)[5]。注意,在(9)中,(n=2N)?(m=9)。...网格大小c1和c2均取自[50 100]范围;在每个图像对上,CPW网格中也使用相同的网格分辨率。...版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。

    1.3K40

    EmguCV 常用函数功能说明「建议收藏」

    如果某些值超出范围,则第一个异常值的位置存储在pos中,然后函数返回false(当quiet = true时)或引发异常。 圆,绘制一个简单或圆形的圆圈,给定的中心和半径。...GetOptimalDFTSize,返回大于等于size0的最小数N,使得可以快速计算大小为N的向量的DFT。...Imdecode(IInputArray,ImreadModes,Mat),解码存储在缓冲区中的图像。 Imencode,编码图像并将结果存储为字节向量.....Kmeans,实现k-means算法,找到cluster_count集群的中心,并对集群周围的输入样本进行分组。在输出标签(i)中包含存储在第i行样本矩阵中的样本的聚簇索引。...在将图像传递给函数之前,用户必须大致概述图像标记中所需的区域,其中正(> 0)索引,即每个区域被表示为具有像素值1,2,3等的一个或多个连接分量。这些分量将是未来图像区域的“种子”。

    3.6K20

    CGAL功能大纲

    提供了丰富的接口来研究这些数据结构、它们的不同元素及其连接性。提供了仿射(刚性)转换和点位置查询操作。提供了一个自定义的文件格式,用于存储和读取文件中的Nef多面体。...该包还提供了一个2D网格生成器,用于细化三角形和约束边,直到满足用户定义的三角形大小和形状标准。生成的网格可以使用Lloyd算法进行优化,该算法也在这个包中提供。...该网格划分算法是基于Delaunay精细化算法,对生成的网格提供了一定的保证:用户可以控制网格元素的大小和形状,以及曲面逼近的精度。输入表面的拓扑结构和组件数量没有限制。...点云3D Point Set 该组件为用户提供了灵活的三维点集数据结构。用户可以定义任何需要的附加属性,如法向量、颜色或标签。CGAL算法可以很容易地应用于这种数据结构。...提供了一个灵活的API,用户可以对任何类型的数据进行分类,计算输入数据集上自己的本地特性,并定义自己的标签。

    1.4K10

    基于深度学习的视觉三维重建研究总结

    深度图 深度图其每个像素值代表的是物体到相机xy平面的距离,单位为 mm。 ? 体素 体素是三维空间中的一个有大小的点,一个小方块,相当于是三维空间种的像素。 ?...点云是一种简单,统一的结构,更容易学习,点云可以在几何变换和变形时更容易操作,因为连接性不需要更新。该网络可以由输入图像确定的视角推断的3D物体中实际包含点的位置。 ?...搬土距离 对于解决2D图片重构后可能的形状有很多种这个问题,作者构造了一个 Min-of-N loss (MoN) 损失函数。 ? ?...根据获取的RoIAlign,在每个投影的顶点位置上计算一个双线性插值图像特征来作为对应顶点的图像特征。 2、图卷积:图卷积用于沿着网格边缘传播顶点信息,公式定义如下: ?...其中N(i)表示顶点i的邻点集合,使用多个图卷积层在局部网格区域上聚合信息。 3、顶点精化:使用2中更新后的顶点特征使用下面公式来更新顶点位置: ? 只更改顶点位置,不更改三角形平面。

    4.1K41

    30分钟了解所有引擎组件,132个Unity 游戏引擎组件速通!【收藏 == 学会】

    然后将捕获的图像存储为具有反射材料的物体可以使用的立方体地图。在给定的场景中可以使用多个反射探头,并且可以将对象设置为使用最近探头产生的立方体图。其结果是,物体上的反射可以令人信服地根据其环境变化。...在游戏中,如果多个2D精灵处于同一位置或者有交叉的部分,它们的渲染顺序会发生冲突,导致某些2D精灵被遮挡或者错位。为了解决这个问题,可以使用Sorting Group组件来控制2D精灵的渲染顺序。...与其他交互控件一样,输入字段本身不是可见的 UI 元素,必须与一个或多个可视 UI 元素组合才能显示。 用于在UI界面中显示可编辑的文本框。...它可以用于让用户在UI界面中输入文本信息,例如用户名、密码、搜索关键字等。 在Unity中,UI界面是一个非常重要的元素,用于展示游戏的各种信息。...它可以用于捕捉用户的输入、点击、拖拽等事件,并将其发送给合适的游戏对象进行处理。 在Unity中,用户交互事件是一个非常重要的元素。为了处理用户交互事件,需要使用Event System组件。

    3K35
    领券