Java最新DL4J实战之五：矩阵操作基本功(1)，java笔试面试BAT

最新推荐文章于 2024-08-15 10:10:35 发布
最新推荐文章于 2024-08-15 10:10:35 发布
阅读量680 收藏 17
点赞数 13
分类专栏： 程序员 文章标签： java 面试 学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2401_84584522/article/details/138691037
版权

最近我根据上述的技术体系图搜集了几十套腾讯、头条、阿里、美团等公司21年的面试题，把技术点整理成了视频（实际上比预期多花了不少精力），包含知识脉络 + 诸多细节，由于篇幅有限，这里以图片的形式给大家展示一部分

本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录

需要这份系统化的资料的朋友，可以点击这里获取

  • 执行结果

3*3矩阵，且对角线都是1.0

维度 : 2

形状 : [3, 3]

完整矩阵 :

[[ 1.0000, 0, 0],

[ 0, 1.0000, 0],

[ 0, 0, 1.0000]]

读操作

  • 接下来试试读取相关的操作，回顾前面用数组创建的2行3列的矩阵，内容如下：

[[ 1.0000, 2.0000, 3.0000],

[ 4.0000, 5.0000, 6.0000]]

  1. 读取指定位置：

System.out.println("读取第一行第一列位置的值 : " + indArray6.getDouble(1,1));

  • 执行结果

读取第一行第一列位置的值 : 5.0

  1. 指定行：

System.out.println("读取第一行 : " + indArray6.getRow(1));

  • 执行结果

读取第一行 : [ 4.0000, 5.0000, 6.0000]

  1. 指定列：

System.out.println("读取第二列 : " + indArray6.getColumn(2));

  • 执行结果

读取第二列 : [ 3.0000, 6.0000]

  1. 指定多列：

System.out.println("读取第二、三列 : " + indArray6.getColumns(1,2));

  • 执行结果

读取第二、三列 : [[ 2.0000, 3.0000],

[ 5.0000, 6.0000]]

写操作

  • 接下来试试读取相关的操作，回顾前面用数组创建的2行3列的矩阵，内容如下：

[[ 1.0000, 2.0000, 3.0000],

[ 4.0000, 5.0000, 6.0000]]

  1. 修改指定位置，查看了源码后发现，put方法内容实际上是在调用putScalar方法：

indArray6.put(1,1, 123);

indArray6.putScalar(0,0, 456);

disp(“a. 修改后”, indArray6);

  • 执行结果

a. 修改后

维度 : 2

形状 : [2, 3]

完整矩阵 :

[[ 456.0000, 2.0000, 3.0000],

[ 4.0000, 123.0000, 6.0000]]

  1. 修改整行：

// 准备一维数组

INDArray row1 = Nd4j.create(new float[] {9,8,7});

// 用一维数组替换矩阵的整行

indArray6.putRow(1, row1);

disp(“b. 修改后”, indArray6);

  • 执行结果

b. 修改后

维度 : 2

形状 : [2, 3]

完整矩阵 :

[[ 456.0000, 2.0000, 3.0000],

[ 9.0000, 8.0000, 7.0000]]

矩阵计算

  • 矩阵计算，咱们从最基本的四则运算开始
  1. 加减乘除，入参是一个标量，会与矩阵中的所有元素做计算

// 准备好原始数据，2行3列矩阵

indArray6 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});

// 加法

disp(“加法”, indArray6.add(1));

// 减法

disp(“减法”, indArray6.sub(1));

// 乘法

disp(“乘法”, indArray6.mul(2));

// 除法

disp(“除法”, indArray6.div(2));

  • 执行结果

加法

维度 : 2

形状 : [2, 3]

完整矩阵 :

[[ 2.0000, 3.0000, 4.0000],

[ 5.0000, 6.0000, 7.0000]]

减法

维度 : 2

形状 : [2, 3]

完整矩阵 :

[[ 0, 1.0000, 2.0000],

[ 3.0000, 4.0000, 5.0000]]

乘法

维度 : 2

形状 : [2, 3]

完整矩阵 :

[[ 2.0000, 4.0000, 6.0000],

[ 8.0000, 10.0000, 12.0000]]

除法

维度 : 2

形状 : [2, 3]

完整矩阵 :

[[ 0.5000, 1.0000, 1.5000],

[ 2.0000, 2.5000, 3.0000]]

  1. 前面的add方法，执行完毕后会生成一个新的NDArray实例，不影响原对象，但如果调用的是addi，就会修改原对象的内容：

INDArray indArray8 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});

disp(“替换前”, indArray8);

indArray8.addi(1);

disp(“替换后”, indArray8);

  • 执行结果

替换前

维度 : 2

形状 : [2, 3]

完整矩阵 :

[[ 1.0000, 2.0000, 3.0000],

[ 4.0000, 5.0000, 6.0000]]

替换后

维度 : 2

形状 : [2, 3]

完整矩阵 :

[[ 2.0000, 3.0000, 4.0000],

[ 5.0000, 6.0000, 7.0000]]

  1. 展开：Nd4j.toFlattened，2行3列的二维矩阵展开后成了一维的

disp(“展开”, Nd4j.toFlattened(indArray6));

  • 执行结果

展开

维度 : 1

形状 : [6]

完整矩阵 :

[ 1.0000, 2.0000, 3.0000, 4.0000, 5.0000, 6.0000]

  1. 转换：reshape，相当于使用原有数据，但是换一个shape入参

disp(“转换”, indArray6.reshape(3,2));

  • 执行结果

转换

维度 : 2

形状 : [3, 2]

完整矩阵 :

[[ 1.0000, 2.0000],

[ 3.0000, 4.0000],

[ 5.0000, 6.0000]]

  1. 提取正方形矩阵的对角线：diag，得到的结果是一维的

// 创建一个人3行3列的正方形矩阵

INDArray indArray9 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6, 7, 8, 9}, new int[] {3,3});

disp(“3*3矩阵”, indArray9);

// 提取正方形矩阵的对角线

disp(“3*3矩阵的对角线”, Nd4j.diag(indArray9));

  • 执行结果如下图，diag方法得到了源对象的对角线

在这里插入图片描述

  1. 基于源矩阵形状创建新矩阵，且值都相通（入参值），然后用此新矩阵减去源矩阵：rsub

// 初始化一个2行3列的矩阵

INDArray indArray11 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});

// 参考indArray12的结构创建一个2行3列的矩阵，该矩阵的所有元素的值都等于10(入参)，

// 然后，用该矩阵减去indArray11，结果作为rsub方法的返回值返回

INDArray indArray12 = indArray11.rsub(10);

disp(“rsub方法”, indArray12);

  • 执行结果如下，可见所有值都是10减去源矩阵对应位置的值：

rsub方法

维度 : 2

形状 : [2, 3]

完整矩阵 :

[[ 9.0000, 8.0000, 7.0000],

[ 6.0000, 5.0000, 4.0000]]

  1. 两个矩阵相加：add，两个形状相通的矩阵，同样位置的值相加：

INDArray indArray13 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});

INDArray indArray14 = Nd4j.create(new float[] {1, 1, 1, 1, 1, 1}, new int[] {2,3});

disp(“矩阵相加”, indArray13.add(indArray14));

  • 执行结果

矩阵相加

维度 : 2

形状 : [2, 3]

完整矩阵 :

[[ 2.0000, 3.0000, 4.0000],

[ 5.0000, 6.0000, 7.0000]]

  1. 叉乘：mmul，2行3列乘以3行2列，

INDArray indArray13 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});

INDArray indArray15 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {3,2});

disp(“2行3列”, indArray13);

disp(“3行2列”, indArray15);

disp(“2行3列矩阵与3行2列矩阵的叉乘”, indArray13.mmul(indArray15));

  • 执行结果，可见，2行3列矩阵的每一行的元素，都和3行2列矩阵每一列的元素做两两相乘再相加，一共四个值，所以结果就是2行2列的矩阵：

在这里插入图片描述

  1. 矩阵所有元素值累加：sum

INDArray indArray16 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});

// 总和

double sum = indArray16.sum().getDouble();

System.out.println("矩阵元素累加和 : " + sum);

  • 执行结果

矩阵元素累加和 : 21.0

  1. 转置操作（不改变源对象）：transpose

INDArray indArray16 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});

disp(“转置前”, indArray16);

disp(“转置操作”, indArray16.transpose());

disp(“transpose操作后的原值(不变)”, indArray16);

  • 执行结果，可见2行3列转置后变成了3行2列，但是生成了新对象，而源对象未改变

转置前

维度 : 2

形状 : [2, 3]

完整矩阵 :

[[ 1.0000, 2.0000, 3.0000],

[ 4.0000, 5.0000, 6.0000]]

转置操作

维度 : 2

形状 : [3, 2]

完整矩阵 :

[[ 1.0000, 4.0000],

[ 2.0000, 5.0000],

[ 3.0000, 6.0000]]

transpose操作后的原值(不变)

维度 : 2

形状 : [2, 3]

完整矩阵 :

[[ 1.0000, 2.0000, 3.0000],

[ 4.0000, 5.0000, 6.0000]]

  1. 转置操作（源对象被改变）：transposei

INDArray indArray16 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});

disp(“转置前”, indArray16);

disp(“转置操作”, indArray16.transposei());

disp(“transposei操作后的原值(已变)”, indArray16);

  • 执行结果

转置前

维度 : 2

形状 : [2, 3]

完整矩阵 :

[[ 1.0000, 2.0000, 3.0000],

[ 4.0000, 5.0000, 6.0000]]

转置操作

维度 : 2

形状 : [3, 2]

完整矩阵 :

[[ 1.0000, 4.0000],

[ 2.0000, 5.0000],

[ 3.0000, 6.0000]]

transposei操作后的原值(已变)

维度 : 2

形状 : [3, 2]

完整矩阵 :

[[ 1.0000, 4.0000],

[ 2.0000, 5.0000],

[ 3.0000, 6.0000]]

  1. 横向拼接：hstack，要求两个矩阵行数相等

// 2行3列

INDArray indArray17 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});

// 2行1列

INDArray indArray18 = Nd4j.create(new float[] {1, 2}, new int[] {2,1});

disp(“源矩阵”, indArray17);

disp(“拼接上的矩阵”, indArray18);

// 2行3列的矩阵，横向拼接一列后，变成了2行4列

disp(“横向拼接(每一行都增加一列)”, Nd4j.hstack(indArray17, indArray18));

  • 执行结果如下图，可见是把indArray18 横着拼到indArray17 的右侧

在这里插入图片描述

  1. 纵向拼接：vstack，要求两个矩阵列数相等

// 2行3列

INDArray indArray19 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});

// 1行3列

总目录展示

该笔记共八个节点（由浅入深），分为三大模块。

高性能。 秒杀涉及大量的并发读和并发写，因此支持高并发访问这点非常关键。该笔记将从设计数据的动静分离方案、热点的发现与隔离、请求的削峰与分层过滤、服务端的极致优化这4个方面重点介绍。

一致性。 秒杀中商品减库存的实现方式同样关键。可想而知，有限数量的商品在同一时刻被很多倍的请求同时来减库存，减库存又分为“拍下减库存”“付款减库存”以及预扣等几种，在大并发更新的过程中都要保证数据的准确性，其难度可想而知。因此，将用一个节点来专门讲解如何设计秒杀减库存方案。

高可用。 虽然介绍了很多极致的优化思路，但现实中总难免出现一些我们考虑不到的情况，所以要保证系统的高可用和正确性，还要设计一个PlanB来兜底，以便在最坏情况发生时仍然能够从容应对。笔记的最后，将带你思考可以从哪些环节来设计兜底方案。

篇幅有限，无法一个模块一个模块详细的展示（这些要点都收集在了这份《高并发秒杀顶级教程》里），麻烦各位转发一下（可以帮助更多的人看到哟！）

由于内容太多，这里只截取部分的内容。

本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录

需要这份系统化的资料的朋友，可以点击这里获取

// 2行3列

INDArray indArray19 = Nd4j.create(new float[] {1, 2, 3, 4, 5, 6}, new int[] {2,3});

// 1行3列

总目录展示

该笔记共八个节点（由浅入深），分为三大模块。

高性能。 秒杀涉及大量的并发读和并发写，因此支持高并发访问这点非常关键。该笔记将从设计数据的动静分离方案、热点的发现与隔离、请求的削峰与分层过滤、服务端的极致优化这4个方面重点介绍。

一致性。 秒杀中商品减库存的实现方式同样关键。可想而知，有限数量的商品在同一时刻被很多倍的请求同时来减库存，减库存又分为“拍下减库存”“付款减库存”以及预扣等几种，在大并发更新的过程中都要保证数据的准确性，其难度可想而知。因此，将用一个节点来专门讲解如何设计秒杀减库存方案。

高可用。 虽然介绍了很多极致的优化思路，但现实中总难免出现一些我们考虑不到的情况，所以要保证系统的高可用和正确性，还要设计一个PlanB来兜底，以便在最坏情况发生时仍然能够从容应对。笔记的最后，将带你思考可以从哪些环节来设计兜底方案。

篇幅有限，无法一个模块一个模块详细的展示（这些要点都收集在了这份《高并发秒杀顶级教程》里），麻烦各位转发一下（可以帮助更多的人看到哟！）

[外链图片转存中…(img-qEVhdX4Q-1715367547374)]

[外链图片转存中…(img-LXjXcRuG-1715367547374)]

由于内容太多，这里只截取部分的内容。

本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录

需要这份系统化的资料的朋友，可以点击这里获取

2401_84584522
关注
专栏目录
Java并发编程面试题——线程安全（原子性、可见性、有序性）
二蛋的博客
02-16 4634
一、原子性高频问题 1.1 Java中如何实现线程安全? 1.2 CAS底层实现 1.3 CAS的常见问题 1.4 四种引用类型 + ThreadLocal的问题？ 二、可见性高频问题 2.1 Java的内存模型 2.2 保证可见性的方式 2.3 volatile修饰引用数据类型 2.4 有了MESI协议，为啥还有volatile？ 2.5 volatile的可见性底层实现 三、有序性高频问题 3.1 什么是有序性问题 3.2 volatile的有序性底层实现 四、synchronized高频问题 4.1
机器学习笔记 - Java学习框架Deeplearning4j初体验
学以致用 知行合一
03-30 5626
Deeplearning4j 是一套用于在JVM上运行深度学习的工具。它是唯一一个允许您从 java 训练模型，同时通过我们的 cpython 绑定、模型导入支持以及其他运行时（如 tensorflow-java 和 onnxruntime）的互操作的混合执行与 python 生态系统互操作的框架。 用例包括导入和重新训练模型（Pytorch、Tensorflow、Keras）模型以及在 JVM 微服务环境、移动设备、物联网和 Apache Spark 中部署。
ORA-12514 TNS 监听程序当前无法识别连接描述符中请求服务 的解决方法
weixin_34378922的博客
06-18 7557
51CTO在线视频课程，欢迎大家访问试听《测试系列课程之缺陷管理概述》http://edu.51cto.com/course/course_id-447.html《软件测试基础》http://edu.51cto.com/course/course_id-30.html早上同事用PL/SQL连接虚拟机中的Oracle数据库，发现又报了“ORA-12514 TNS 监听程序当前无法识别连接描述符中请求...
ORA-12514：TNS：监听程序当前无法识别连接描述符中请求的服务
2302_77302329的博客
05-28 5140
ORA-12514：TNS：监听程序当前无法识别连接描述符中请求的服务问题描述：解决方案：1、检查oracle的监听服务是否运行正常1)点击键盘的win+r，输入services.msc，点击确认/回车键；2）查看oracle监听服务的状态是否是正在运行，如果没有启动，鼠标右键启动即可；2、找到并修改listener.ora文件。
DL4J 基础教程
最新发布
gitblog_00180的博客
08-15 248
DL4J 基础教程 dl4j-tutorialsdl4j 基础教程 配套视频：https://space.bilibili.com/327018681/#/项目地址:https://gitcode.com/gh_mirrors/dl/dl4j-tutorials 项目介绍 DL4J（Deep Learning for Java）是一个基于Java的深度学习库，旨在为Java和JVM环境提供高...
IntelliJ Spring Configuration Check
天天的专栏
11-17 9万+
用IntelliJ 导入现有工程时，如果原来的工程中有spring，每次打开工程就会提示：Spring Configuration Check 开始不知道怎么回事，但工程不影响。 首先到工程设置界面 工程设置（Project Structure）点击Facets 选项，可以设置各种框架。 Facets中则可以设置当前项目所用的框架，如Hibernate和Spring，如果是We...
java入门视频教程，2024年互联网大厂Java笔经
m0_60607371的博客
03-02 855
可想而知，有限数量的商品在同一时刻被很多倍的请求同时来减库存，减库存又分为“拍下减库存”“付款减库存”以及预扣等几种，在大并发更新的过程中都要保证数据的准确性，其难度可想而知。虽然介绍了很多极致的优化思路，但现实中总难免出现一些我们考虑不到的情况，所以要保证系统的高可用和正确性，还要设计一个PlanB来兜底，以便在最坏情况发生时仍然能够从容应对。篇幅有限，无法一个模块一个模块详细的展示（这些要点都收集在了这份《高并发秒杀顶级教程》里），麻烦各位转发一下（可以帮助更多的人看到哟！
【oracle】【解决方案】ORA-12514:TNS: 监听程序当前无法识别连接描述符中请求的服务
qq_44068967的博客
11-10 2万+
Oracle11g，报错代码为：ORA-12514:监听程序当前无法识别连接描述符中请求的服务。第一种是在你安装完之后未配置监听（在此我暂时忘记安装完之后有没有配置监听）；第二种是之前配置了监听但是系统未写入到listener.ora文件中()，所以只需要在该文件中写入配置参数就可以了。
Java深度学习框架DL4J：开源生态与实战应用
2. **ND4j (N-Dimensional Arrays for Java)**: 这是一个高性能的多维度数组库，专为深度学习优化，可以无缝地处理高维数据和张量运算，是DL4J背后的矩阵计算引擎。 3. **DataVec**: 作为数据预处理和特征工程工具...
Deeplearning4j 快速入门
GitChat
07-02 6388
课程亮点 机器学习经典案例基于 DL4J 的实现 Spark 分布式场景下的模型训练及调优 多 GPU 环境下的并行建模 迁移和强化学习的模型训练 搭建在线服务环境实战演练 本课程是关于 Eclipse Deeplearning4j 的基础课程。Deeplearning4j 是基于 Java/JVM 的深度学习开源库，课程内容涵盖了 Deeplearning4j 生态圈中核心框架的使用（如 N...
MiniGPT-4本地部署的实战方案
herosunly的博客
06-28 7万+
本文主要介绍了MiniGPT-4本地部署的实战方案，希望对学习大语言模型的同学们有所帮助。 文章目录 1. 介绍 2. 配置环境 2.1 安装虚拟环境 2.2 安装依赖库 3. 下载权重文件 3.1 下载Vicuna权重文件 3.2 下载MiniGPT-4权重文件 3.3 下载其他文件并修改源码 4. 运行MiniGPT-4
ora-12514:TNS:监听程序当前无法识别连接描述符中请求的服务
03-29
ora-12514:TNS:监听程序当前无法识别连接描述符中请求的服务bug,解决文档.
ora-12514TNS 监听程序当前无法识别连接描述符中请求服务
01-07
相信各位都遇到过这样一个问题吗，数据库安装好一后过不了几天，就会出现连接不上本地数据库的的事情，而且还会出现报错代码，在这个时候你可能就不知所措了，而对于新手来说就更成问题了，而且无从下手，而解决这个问题对于初次接触数据库的新手来说那是相当的恼人，这又应该怎么办呢，你可能会用好几个月的时间来到处查资料来解决这个问题，而且可能一无所获，而当你看到我方所上传的这个文件可能会眼前一亮，但你可能又会想，能行吗，当然可行，本人亲测成功，当你下载这文件打开后加载到你要用到的文件里，然后再进行测试，你那恼人的问题就不会再出现了，而且绝对可靠。
Oracle ORA12514 监听程序当前无法识别连接描述符中请求的服务
09-03
Oracle ORA12514 监听程序当前无法识别连接描述符中请求的服务
ORA-12514:TNS:监听程序当前无法识别连接描述符中请求的服务
ANHUIXUE的专栏
09-20 3215
1． 首先查看tnsnames.ora，路径如下： oracle安装目录\product\10.2.0\db_1\NETWORK\ADMIN\。看其中是否包含了你的连接描述符中的服务，也就是你请求的服务。如果没有，则可以手动添加，比如： service_ex =  (DESCRIPTION =     (ADDRESS_LIST =       (ADDRESS = (PROTOCOL
ORA-12514 TNS监听程序当前无法识别连接描述符中请求的服务
m0_59487971的博客
10-06 4042
ORA-12514 TNS监听程序当前无法识别连接描述符中请求的服务
IntelliJ IDEA 2017 提示“Unmapped Spring configuration files found.Please configure Spring facet.”解决办法
热门推荐
flyingnet的博客
09-17 22万+
最近在学习使用IDEA工具，觉得与Eclipse相比，还是有很多的方便之处。 但是，当把自己的一个项目导入IDEA之后，Event Log提示“Unmapped Spring configuration files found.Please configure Spring facet.”  这个提示不影响工程正常运行，但是，作为一个强迫症~~每天看到这个提示内心是躁动和不安的
DL4J实战：用Java训练YOLO模型进行红细胞检测
"这篇文章主要介绍了如何使用DeepLearning4j（DL4J）框架结合Java来训练YOLO（You Only Look Once）模型，特别是在YOLOv3版本发布后，DL4J更新到1.0.0-alpha版本，加入了对TinyYolo模型的支持。作者通过一个实例，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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