Scala基本语法初探

Scala基本语法初探

       学习Spark不得不学习Scala这门神奇的语言,这次就匆匆忙忙做下总结吧。

Scala是一种基于JVM的语言,是函数是编程和面向对象编程的结合,是一个静态语言,纯静态语言。因为会生成和java相同的class字节码所以它与Java之间可以互相调用。
Scala有一个解释器。
1.定义常量的方法,在这里常量的方法是不能够改变的
val gender="male"
2.定义变量的方法
var lession="chinaHadoop"
3.定义函数的方法,函数的最后一个值被默认为返回值
  main函数要定义在object里面
  def hello(name:String="Spark"):String={
  "Hello :"+name;
  }

 

 我们可以这样调用
  println(hello("one"))  打印:Hello :one
  我们也可以使用它的默认参数,也就是我们在不传参的情况下这里会默认给你分配一个参数、
  println(hello())  打印:Hello :Spark

  我们可以定义这样定义一个函数:
  val add=(x:Int,y:Int)=>x+y
  它是匿名函数,因为函数在Scala里面是一等公民,那么一个函数赋值给一个常量add也是见怪不怪的事情
  那么他可以这样调用
  add(1,2)
  那么我们也可以这样来定义一个函数
  def add2(x:Int)(y:Int)=x+y
  它是函数的克里化,克里化在以后再说那么我们可以这样调用它
  val value = add2(3)(4)
  哈,好神奇的语言

  4.有没有尝试过在函数的()里面条用过函数???
    哈Scala让我见识到了
def printEveryChar(c:String*)={
  c.foreach(x=>println(x))
}
其中参数(c:String*)是表示可以传入一系列的String类型的参数
那么我们可以这样调用
 printEveryChar("one","two","three","four")
 打印结果
 one
 two
 three
 four


if条件判断
val x=1
val a=if(x>0)1 else 0
那么a的值就是1,可见判断语句变得非常简洁

循环
1.while循环

var (n,r)=(10,0)
while(n>0){
    r=r+n
    n=n-1
    println(r)
}
println(r)

 
    for循环

for(i<- 1 to 10){
    println(i)
}

for(i<- 1.to(10)){
    println(i)
}
/以上打印1到10,一下打印1到9
for(j<- 1 until 10 ){
    println(j)
}


另外
for(i<- e1){
 for(j<- e2){
   ifB{
   E(i,j)
   }
 }
}

可以简化为
for(i<- e1;j<- e2;if B) E(i,j)

 

 

Scala之match

 

匹配match表达式
a match{
    case e1=>E1
    case e2=>E2
    ...
}

例如:

 val tmp = 4 match {
      case 1 => "one"
      case 2 => "two"
      case 3 => "three"
      case 4 => "four"
    }
 println(tmp)

 
 
 则输出为four

 

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