java鬼混笔记:压缩文件生成zip

个人学习笔记

package com.yin.test;

import java.io.BufferedInputStream;
import java.io.BufferedOutputStream;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;
import java.util.zip.ZipEntry;
import java.util.zip.ZipOutputStream;

public class Test {

	public static void main(String[] args) throws Exception {
		
		//zipSingle();
		zipAll();
		
	}
	// 压缩单个文件
	public static void zipSingle() throws Exception{
		
		// 目标压缩D:盘下test.docx
		
		// 要生成的zip文件 我这命名为:testDocx.zip 在D:盘下
		File zipFile = new File("D:"+File.separator+ "testDocx.zip");
		// zip输出流
		ZipOutputStream zos = new ZipOutputStream(new BufferedOutputStream(new FileOutputStream(zipFile)));
		// buffer缓存
		byte[] bufs = new byte[1024];
		// 一个压缩文件实体 装的是D:盘下的test.docx
		ZipEntry zipEntry = new ZipEntry("test.docx");// 这时testDocx.zip包下面有个test.docx的意思
		zos.putNextEntry(zipEntry);// 加入输出流
		
		BufferedInputStream bis = new BufferedInputStream(new FileInputStream(new File("D:"+File.separator+"test.docx")),1024 * 10);
		int read = 0;
		while ((read = bis.read(bufs)) != -1) {
			zos.write(bufs, 0, read);
		}
		bis.close();
		zos.close();
		//new File("D:"+File.separator+"test.docx").delete();// 删除原文件
	}
	
	// 压缩多个文件
	public static void zipAll(){
		// 假设D:盘下有  ywj文件夹, ywj文件下有N个docx文件 , 一次性打包这些文件 代码和单个一样,只是多了个循环
		String path = "D:"+File.separator+"ywj";
		File sourceFile = new File(path);
		if (sourceFile.exists() == false) {
		} else {
			try {
				File zipFile = new File("D:"+File.separator+"ywj"+File.separator+ "/ywj.zip");
				File[] sourceFiles = sourceFile.listFiles();
				if (null == sourceFiles || sourceFiles.length < 1) {
				} else {
					ZipOutputStream zos = new ZipOutputStream(new BufferedOutputStream(new FileOutputStream(zipFile)));
					byte[] bufs = new byte[1024 * 10];
					for (int i = 0; i < sourceFiles.length; i++) {

						ZipEntry zipEntry = new ZipEntry(sourceFiles[i].getName());
						zos.putNextEntry(zipEntry);
						BufferedInputStream bis = new BufferedInputStream(new FileInputStream(sourceFiles[i]),1024);
						int read = 0;
						while ((read = bis.read(bufs)) != -1) {
							zos.write(bufs, 0, read);
						}
						if (null != bis){
							bis.close();
							// 删除原文件
							//sourceFiles[i].delete();
						}
					}
					if (null != zos){
						zos.close();
					}
				}

			} catch (FileNotFoundException e) {
				e.printStackTrace();
				throw new RuntimeException(e);
			} catch (IOException e) {
				e.printStackTrace();
				throw new RuntimeException(e);
			}
		}
	}

}


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