初识java

一:Java体系结构:
JavaSE: 基础
JavaEE: 企业级开发
JavaME: 移动设备

二:Java干什么:
桌面应用程序(C/S 客户端/服务器 ) JavaSE
基于Internet的应用程序(B/S 浏览器/服务器 淘宝 京东 苏宁 ) JavaEE

三: 名词解释
JDK:Java开发工具包
JRE:Java运行环境,Java程序在JRE中运行
JVM:Java虚拟机 (JVM在JRE中)

四: 开发java程序就要安装JDK(在安装JDK,可以选择顺便把JRE给安装了)
1:双击jdk-8u151-windows-x64.exe
2:下一步
3:安装完毕以后,就要去配置JDK的环境变量
4 选中电脑–>右键–>属性–>高级系统设置–>高级–>环境变量
(1)在系统变量中新建
变量名中放的是
JAVA_HOME
变量值中放的是(JDK的安装路径)
C:\Program Files\Java\jdk1.8.0_151
不要忘记点击确定

(2)在环境变量中寻找Path变量,双击完以后
点击新建按钮(JDK的安装路径下的bin文件夹的路径)
C:\Program Files\Java\jdk1.8.0_151\bin
不要忘记点击确定
不要忘记点击确定
不要忘记点击确定

如果各位电脑是Windows7 Windows8系统,双击Path看到图
应该是PPT上显示的这个图,
变量名Path不要改动
在变量值的末尾追加内容
如果原来Path环境变量的值的末尾没有;那么你需要追加以下内容
;C:\Program Files\Java\jdk1.8.0_151\bin;
如果Path环境变量的值的末尾有;那么你需要追加以下内容
C:\Program Files\Java\jdk1.8.0_151\bin;

(3)重启电脑

(4)测试环境变量是否安装成功
点击windows菜单
输入cmd回车
输入以下命令
java -version

五 Java程序跨平台的原理(同一个Java程序可以在Windows Linuxs Unix操作系统上运行)
Java跨平台,跨操作系统。

在每个平台(操作系统)上,安装属于该平台的JVM,同一份Java程序首先编译成class文件,class文件
运行在不同操作系统(平台)上的JVM中。

六 使用记事本编写Java程序

public class HelloWorld{
public static void main(String[]args){
System.out.println(“你好,世界!!!”);
}
}

前提:文件的扩展名展示出来(计算机–>查看–>文件扩展名)
(1)在D盘中创建HelloWorld.java文件
注意点: 文件名叫作HelloWorld 后缀名.java

(2)用记事本打开该文件,编写程序
所有的符号都是英文的
将所有代码写完以后,要保存一下。保存的快捷方式 ctrl + s

(3)使用javac命令,将java文件编译成class文件
按winows键 输入cmd回车
切换目录,切换到D盘(代码在D盘,所以切换到D盘)
javac HelloWorld.java
上面命令如果执行成功,在D盘中会生成一个class文件

(4)使用java命令执行class文件
切换到D盘

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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