一个16位的数以4位为一组分割,然后将各部分相加获取最终结果。

简介: 一个16位的数以4位为一组分割,然后将各部分相加获取最终结果。

一个16位的数以4位为一组分割,然后将各部分相加获取最终结果。例如10进制的数据48633的16进制为BDF9,具体表现形式为1011 1101 1111 1001,运算结果为1011 + 1101 + 1111 + 1001.

#include <iostream>
unsigned int convert10to16(unsigned int data)
{
    int qian = data / 8;
    int bai = (data % 8 ) / 4;
    int shi = (data % 8 ) % 4 / 2;
    int ge = data %2;
    return qian * 1000 + bai * 100 + shi * 10 + ge;
}
int main()
{
    unsigned int tmp = 48633;
    unsigned int data1 = tmp & 0xf;
    unsigned int data2 = (tmp & 0xf0) >> 4;
    unsigned int data3 = (tmp & 0xf00) >> 8;
    unsigned int data4 = (tmp & 0xf000) >> 12;
    std::cout << "data1:" << data1 << " data2:" << data2 << " data3:" << data3 << " data4:" << data4 << std::endl;
    unsigned int binaryData1 = convert10to16(data1);
    unsigned int binaryData2 = convert10to16(data2);
    unsigned int binaryData3 = convert10to16(data3);
    unsigned int binaryData4 = convert10to16(data4);
    std::cout << "binaryData1:" << binaryData1 << " binaryData2:"<< binaryData2  << " binaryData3:" << binaryData3 << " binaryData4:" << binaryData4 << std::endl;
    while(1);
    return 0;
}
// 1011 1101 1111 1001
相关文章
|
1月前
|
编解码 算法 数据可视化
lintsampler:高效从任意概率分布生成随机样本的新方法
在实际应用中,从复杂概率密度函数(PDF)中抽取随机样本的需求非常普遍,涉及统计估计、蒙特卡洛模拟和物理仿真等领域。`lintsampler` 是一个纯 Python 库,旨在高效地从任意概率分布中生成随机样本。它通过线性插值采样算法,简化了复杂分布的采样过程,提供了比传统方法如 MCMC 和拒绝采样更简便和高效的解决方案。`lintsampler` 的设计目标是让用户能够轻松生成高质量的样本,而无需复杂的参数调整。
23 1
lintsampler:高效从任意概率分布生成随机样本的新方法
|
2月前
|
算法 开发工具 git
使用 fuzzywuzzy 模块计算两个字符串之间的相似度
使用 fuzzywuzzy 模块计算两个字符串之间的相似度
51 1
|
6月前
|
算法 测试技术 C#
【多数组合 数学 字符串】2514. 统计同位异构字符串数目
【多数组合 数学 字符串】2514. 统计同位异构字符串数目
|
5月前
|
安全 C语言 C++
数与字符串相互转化
数与字符串相互转化
28 1
|
6月前
对任意给定的两个正整数,100<n<m<1000,计算这两个数之间所有素数和,包含m,n自身
对任意给定的两个正整数,100<n<m<1000,计算这两个数之间所有素数和,包含m,n自身
50 0
对任意给定的两个正整数,100<n<m<1000,计算这两个数之间所有素数和,包含m,n自身
|
6月前
|
存储
2215.找出两数组的不同
2215.找出两数组的不同
44 0
算法训练Day27|39. 组合总和● 40.组合总和II● 131.分割回文串
算法训练Day27|39. 组合总和● 40.组合总和II● 131.分割回文串
|
存储 Python
Python实现划分数组为连续数字的集合
Python实现划分数组为连续数字的集合
104 0
|
存储 算法 前端开发
前端算法-除自身外数组的乘积
前端算法-除自身外数组的乘积
torch中对一个行向量使用sigmoid函数转换成概率,如果这个行向量包含的元素有几千上万个,这可能会导致转换成的概率再抽样效果不好,应该怎么解决这个问题
可以尝试使用softmax函数进行转换,它可以处理具有多个值的行向量,并将其转换为概率分布。另外,可以考虑使用截断技术(如Top-K),减少概率中过小的部分,以提高采样效果。
140 0