c语言学习之语句篇

c语言中的语句和我们平时说的语句类似,都是由一个个变量,常量,关键字,保留字等等组成的,可以被机器识别的一串代码,在c语言中的语句有这几类

空语句:单独一个分号就是一个空语句,通常在某个位置需要一段语句,但是有不用这段语句发挥其作用时会用到空语句

表达式语句:在表达式后面加上一个分号.就表示表达式语句,表达式语句是我们应用最多,也是c程序中最普遍的语句类型

变量定义和说明语句:<变量类型><变量名>;

块(复合语句):由一对花括号{}括起来的语句称为块或复合语句

控制语句:控制程序流程的语句称为控制语句,一共分为三种类型,分别是顺序型,条件执行(选择),循环,顺序执行较为简单,主要说条件执行和循环

条件执行:

1,简单if

其语法较为简单,结构为if(表达式)语句  /*注意表达式一定要加上(),否则会报错*/

例:if(3==m)printf("%d"m)就是一个简单的条件执行的例子

条件满足时,执行的语句只能有一条,如果想要执行多条语句,必须加上块{},

例:if(a>b){

a=b,b=c,c=a;}

if(a>b)

a=b,b=c,c=a;

当条件满足时,结果一样,但是如果条件不满足,第二种情况还会执行b=c和c=a两个语句.

注意,条件执行语句中表达式一定要用==表示相等,如果用=则表示赋值语句,无法起到判断的作用

2,块if:

语法结构如下:

if(表达式)

      语句1

else

      语句2

块if对于满足条件的执行语句和简单if一样,都可以通过加块的方式来增加执行语句的数量

3,if-else-if

其语法如下

if(表达式1)

    语句1

else if(表达式2)

    语句2

else if(表达式3)

    语句3

.................表示意义为,先判断是否满足表达式1,执行语句1,为真执行语句1.不为真则继续向下一步步判断,注意,else在没有显示说明的情况下会与最近的if结合,所以为了避免这种情况发生,需要加上块{}来分割开

条件运算符?

语法结构:(表达式1)?(表达式2):(表达式3),实际上就是if-then-else的简化写法,表示先判断表达式1是否正确,正确则执行表达式2.否则执行3

循环

1,while循环

while循环的语法:while<表达式>语句

当满足表达式式,执行语句,当我们想在执行某种情况的时候跳出执行过程,可以使用break语句来强行跳出循环,如果我们只是想在执行跳过执行某种情况时,可以使用continue语句,这两个语句都要和if语句放在一起使用

2,do-while循环

do-while循环语法:

do

     语句

   while(表达式);

do-while循环至少执行一次语句,满足表达式则继续执行,不满足就跳出循环

3,for循环

for循环的基本形式:for(表达式1;表达式2;表达式3)语句

   for循环是c语言中使用最多的循环结构,不但可以当特定长度的循环结构使用,还可以当不说明长度的循环使用,表达式123分别对应着循环控制中三个基本部分:1,循环控制变量的初始化2,循环条件测试3,循环控制变量的增量操作,首先系统先进行表达式1,也就是变量的初始化,然后判断表达式2是否为真,若为真,执行语句并再次计算表达式3,之后再次判断表达式2,等价于

表达式1;

while(表达式2){

语句

表达式3;}

若表达式2为空,则系统判断恒为真,会一直执行下去,也可以在for循环中使用break和continue

goto语句及其符号

goto语句为无条件转向语句,goto yuju;前面定义一个语句标号,也就是

loop:

........

goto loop;

表示在运行loop之后转向回loop,尽量避免使用goto语句

switch语句及多路分支

switch语句语法如下:

switch(整型表达式e)

{

  case 整型常量表达式E1:

       语句组1

  case整型常量表达式E2:

       语句组2

  case整型常量表达式E3:

      语句组3

  case整型常量表达式E3:

     语句组4.......

   [default:

      语句组...]

}

整型表达式,就是能够得出整形结果的表达式,只要返回值是一个整型数据,这里放一个字符型常量也没问题,因为系统会自动类型转换,系统把表达式返回值与case前面的常量做对比,不一样就跳过,如果相同则从此句开始执行语句组中的语句,知道最后,若返回值与case前面的常量没有相同的,则执行default后面的语句然后结束,注意case前面的整型常量不能有一样的,注意逻辑表达式返回值同样是整形数据,只不过只有0或1罢了,而且case后面的整型常量表达式同样可以加一个字符型数据,系统在判断时自动转换为ascii吗然后再判断

至此,c语言关于语句和控制结构的学习正式告一段落,接下来是关于函数的学习

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
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