string

一、标准库string类型

string类型支持长度可变的字符串,C++标准库将负责管理与存储字符相关的内存,以及提供各种有用的操作 ,在VC中直接F1查看

template <
   class CharType,
   class Traits=char_traits<CharType>, 
   class Allocator=allocator<CharType> 
>
class basic_string

typedef basic_string<char> string; 

typedef basic_string<wchar_t> wstring; 

要使用string类型对象,必须包含相关头文件 

#include <string>

using std::string;

string对象的定义和初始化:

string s1; //默认构造函数,s1为空串

string s2(s1); //将s2初始化为s1的一个副本

string s3(“value”);  //将s3初始化为一个字符串字面值副本

string s4(n, ‘c’); //将s4初始化为字符‘c’的n个副本

#include <string>
#include <iostream>
using namespace std;


int main(void)
{
    string s1;
    string s2("abcdefghijkl");
    cout << s2 << endl;

    basic_string<char> s3("xxx");   // 等价于string s3("xxx");
    cout << s3 << endl;

    string s4("abcdefg", 4);
    cout << s4 << endl;

    string s5(s2, 2, 3);
    cout << s5 << endl;

    string::iterator first = s2.begin() + 1;
    string::iterator last = s2.begin() + 3;

    string s6(first, last);     //[first, last)
    cout << s6 << endl;


    return 0;
}



#include <string>
#include <iostream>
using namespace std;

int main(void)
{
    string s1("abcdefdg");
    cout << s1.size() << endl;
    cout << s1.length() << endl;
    cout << s1.empty() << endl;

    cout << s1.substr(1, 2) << endl;
    cout << s1.substr(1) << endl; //等价于s1.substr(1, -1);

    string::size_type pos = s1.find('d', 1);//位置从0开始算起
    if (pos == string::npos) //npos = -1
        cout << "not found" << endl;
    else
        cout << "pos=" << pos << endl;

    pos = s1.rfind('d');
    if (pos == string::npos)
        cout << "not found" << endl;
    else
        cout << "pos=" << pos << endl;


    return 0;
}
#include <string>
#include <iostream>
using namespace std;

int main(void)
{
    string s1("abcdefghijkl");
    s1.replace(2, 2, "AAAAAA");
    cout << s1 << endl;

    s1 = "abcdefg";
    s1.replace(s1.begin() + 1, s1.begin() + 4, "AAAAAA");
    cout << s1 << endl;

    string s2 = "xyzabc";
    s2.insert(2, "MMMM"); //在位置2之前插入
    cout << s2 << endl;
    s2.append("6666");
    cout << s2 << endl;

    string s3 = "111";
    s2.swap(s3);

    cout << s2 << endl;
    cout << s3 << endl;
    return 0;
}
#include <string>
#include <iostream>
using namespace std;

void fun(char *str)
{
    cout << str << endl;
}

int main(void)
{
    string s1 = "abc";

    s1[1] = 'B';

    cout << s1 << endl;

    const string s2 = "xyz";
    //s2[1] = 'Y';      Error s2[1] 返回的是 const char&

    string s3 = "111" + s1 + "222" ;
    cout << s3 << endl;

    //s3.c_str()
    fun(const_cast<char *>(s3.c_str()));

    return 0;
}
#include <string>
#include <iostream>
using namespace std;
int main()
{
    string strinfo = " //*---Hello World!......------";
    string strset = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz";
    string::size_type first = strinfo.find_first_of(strset);
    if(first == string::npos)
        cout << "not find any characters" << endl;
    string::size_type last = strinfo.find_last_of(strset);
    if(last == string::npos)
        cout << "not find any characters" << endl;
    cout << strinfo.substr(first, last - first + 1) << endl;
    return 0;
}

可以利用find_first_of 等操作去除空格,如去除左空格可以这样:

string s = "   afas";

string drop = " \t";

s.erase(0, s.find_first_not_of(drop));

去除右空格:

string s = "  dsfs  ";

string drop = " \t";

s.erase(s.find_last_not_of(drop)+1);

 

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