C++基础知识

类的定义

类是面向对象程序设计语言中的一个概念,是对某个对象的定义。它包含有关对象动作方式的信息,包括它的名称、方法、属性。
类成员有3种不同的访问权限
1)公有( public )成员:类外访问该成员。   
2)私有( private )成员:只能被该类的成员函数访问。   
3)保护( protected )成员:只能被该类的成员函数或派生类的成员函数访问。

利用关键字class来定义一个类:
在类中,默认成员属性为private,该权限作用为防止修改程序的人添加不符合常理的数据。

class person{
	private:		
	    	char *name;
	    	int age;
	    	char *work;
	
	public:
	    	void setName(char *name){
	    		this->name = name;//this.name指的是类中的成员,name指的是函数参数
		}

	int setAge(int age){
		if(age<0 ||age>150){
			this->age = 0;
			return -1;
		}
		this->age = age;
		return 1;
	}
	
	void printfInfo(){
		printf("name = %s,age = %d,work = %s\n",name,age,work);
	}
}

可以在类中声明函数,而对函数内容的填写可以提取出来,其方法为:函数类型 类的名称 :: 函数名()
demo

class person{
private:
	char* name;
	int age;
	char* work;

public:
	void printfInfo();
	int setName(char *name);
	int setAge(int age);
};

void  person::printfInfo()//表明函数printfInfo()依赖与person类
{
	printf("work = %s,age = %d,name = %s\n",work,age,name);
}

int person::setName(char *name)
{
	this->name = name;
}

int person::setAge(int age)
{
	if(age<0 || age>150){
		this->age = 0;
		return -1;
	}
	this->age = age;
	return 0;
}

命名空间

当涉及大工程是,需要好几个程序员合作编写程序,为了避免函数名出现冲突,故可以在命名空间中实现各自需要实现的功能。

命名空间的定义:namespace 命名空间的名字

namespace C{
    //在括号内编写你所需的代码
    //可以有类、函数
}

demo

dog.h
namespace A{
	class Dog{
	private:
		char* name;
		int age;
		char* work;

	public:
		void printfInfo();
		int setName(char *name);
		int setAge(int age);
	};

	void printfVersion();
}

dog.cpp
namespace A{ //定义一个命名空间A

	void Dog::printfInfo()
	{
		std::cout<<" work = "<<work<<" age = "<<age<<" name = "<<name<<std::endl;
		//std是标准命名空间,cout是打印,endl是回车
	}

	int Dog::setName(char *name)
	{
		this->name = name;
	}

	int Dog::setAge(int age)
	{
		if(age<0 || age>20){
			this->age = 0;
			return -1;
		}
		this->age = age;
		return 0;
	}

	void printfVersion()
	{
		std::cout<<"dog vi,haipingzhao"<<std::endl;
	}
}

main.cpp
using A::Dog;	//将A::Dog放入global namespace,以后就可以用Dog表示A::Dog

int main()
{
	/*local namespace*/
	Dog dog;
	
	dog.setName("wangcai");
	dog.setAge(1);
	dog.printfInfo();

	A::printfVersion();//printfVersion属于命名空间A  这样能够避免函数名冲突
	return 0;
}

C++的打印

1.和C语言一样,可以使用printf进行打印你想打印的内容

#include <stdio.h>
printf("hello C++");

2.可以使用#include库里的cout<<…<<endl,进行打印,而cout代表打印,endl表示回车,但是使用cout,endl需要调用std标准输出命名空间。有两种方法:
方法1:

std::cout<<" work = "<<work<<" age = "<<age<<" name = "<<name<<std::endl;
//std是标准命名空间,cout是打印,endl是回车
//双引号里的内容为字符串,没有双引号的是变量

方法2:在定义前先全局声明该命名空间,全局声明命名空间的关键字为:using,声明完之后,当你有使用到cout,endl会自动调用

using namespace std;

cout<<" work = "<<work<<" age = "<<age<<" name = "<<name<<endl;

demo

#include<iostream>
using namespace std;

int main(int argc, char** argv)
{
    int a = 10;
    cout<<"a = "<<a<<endl;
    return 0;
}

指针和引用

指针和引用的区别:引用必须初始化,引用不能指向常量。引用和指向的变量公用一个内存,相当于那个变量的别名。
demo

#include <iostream>

using namespace std;

int add_one(int a){
    	a = a+1;
    	return a;
}

int add_one(int *a){//指针,会改变a的值
	*a = *a+1;
	return *a;
}

int add_one_fer(int &b)//引用
{
	b = b +1;
	return b;
}

int main(int argc,char** argv)
{
	int a = 99;
	int &b =a  //b就是a的引用,b就是a的别名

	cout<<add_one(a)<<endl;
	cout<<"a = "<<a<<endl;

	cout<<add_one(&a)<<endl;
	cout<<"a = "<<a<<endl;

	cout<<add_one_fer(a)<<endl;
	cout<<"a = "<<a<<endl;
     
     c++;
	cout<<"a = "<<a<<endl;	//a和c的内容一致。因为它们共用一个内存
	cout<<"c = "<<a<<endl;

	return 0;
}

程序结果:

100
a = 99
100
a = 100
101
a = 101
a = 102
c = 102
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 2
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