黑马程序员_Java集合概述

一.集合概念
          1.什么是集合
                   集合的出现就是为了持有对象. 集合中可以存储任意类型的对象, 而且长度可变.
                   在程序中有可能无法预先知道需要多少个对象, 那么用数组来装对象的话, 长度不好定义, 而集合解决了这样的问题.
          2.集合和数组的区别
                  集合和数组都是用来存储数据的容器.
                  但集合长度可变.
         3.集合的分类
                  Collection: 单列集合
                  List: 有存储顺序, 可重复
                  ArrayList: 数组实现, 查找快, 增删慢
                  由于是数组实现, 在增和删的时候会牵扯到数组增容, 以及拷贝元素. 所以慢
                 数组是可以直接按索引查找, 所以查找时较快
                 LinkedList: 链表实现, 增删快, 查找慢
               由于链表实现, 增加时只要让前一个元素记住自己就可以, 删除时让前一个元素记住后一个元素, 后一个元素记住前一个元素. 这样的增删效率较高


       但查询时需要一个一个的遍历, 所以效率较低
               Vector: 和ArrayList原理相同, 但线程安全, 效率略低
                和ArrayList实现方式相同, 但考虑了线程安全问题, 所以效率略低
   Set: 无存储顺序, 不可重复
                HashSet
                TreeSet
                LinkedHashSet
  Map: 键值对
                HashMap
                TreeMap
                HashTable

               LinkedHashMap


 4.Iterable
              1.5之后添加的新接口, Collection的父接口. 实现了Iterable的类就是可迭代的. 为了支持增强for循环.


 5.什么时候该使用什么样的集合
               (a).我们需要保存若干个对象的时候使用集合.
               (b).如果我们需要保留存储顺序, 并且保留重复元素, 使用List.
                        如果查询较多, 那么使用ArrayList
                       如果存取较多, 那么使用LinkedList
                       如果需要线程安全, 那么使用Vector
               (c).如果我们不需要保留存储顺序, 并且需要去掉重复元素, 使用Set.
                     如果我们需要将元素排序, 那么使用TreeSet
                     如果我们不需要排序, 使用HashSet, HashSet比TreeSet效率高.
               (d).如果我们需要保留存储顺序, 又要过滤重复元素, 那么使用LinkedHashSet
   
  
二.List
 * 1.List的遍历方式
                  (a).由于List集合有序, 所以可以使用size()方法获取长度, 之后通过for循环调用get()方法来遍历
                  (b).我们可以使用iterator()获得一个迭代器Iterator, 调用其hasNext()和next()方法进行遍历
                  (c).Vector集合除了以上两种方法, 还可以使用elements()方法获取Enumeration, 调用其hasMoreElements()和nextElement()方法进行遍历
                  (d).ForEach循环
 2.在循环中删除元素
                  注意在删除元素时, 删除掉的元素后面的所有元素会向前移动一位
                  如果是用for循环来删除, 那么循环变量需要-1
                   如果是用Iteraotr删除, 那么需要使用Iterator的remove()方法
  

 

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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,能够捕捉数据中的时间依赖性。 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,它们在神经网络中用于添加非线性,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