java基础笔记day3#方法#方法的重载#数组定义和访问#

水仙花数;

public static void main(String[] args) { 
//多行注释ctrl+shift+/ //ctrl+/ /*
1、打印出所有的"水仙花数"
所谓"水仙花数"是指一个三位数, 其各位数字立方和等于该数本身。
例如:153是一个"水仙花数", 因为153=1的三次方+5的三次方+3的三次方。*/ 
for (int i = 100; i <1000 ; i++) {
 int a=i/100;//第一位 
 int b=i/10%10;//第二位 
 int c=i%10;//第三位 
 int sum=a*a*a+b*b*b+c*c*c; 
 if(sum==i){ 
 System.out.println("该数是一个水仙花数:"+i);
  }
   }
    }

完数;

public static void main(String[] args) {
 /* 2、一个数如果恰好等于它的因子之和,这个数就称为"完数"。 例如6=1+2+3.编程找出1000以内的所有完数*/ 
 for (int i = 2; i <=1000 ; i++) { 
 //存放我们该数的因子之和 
 int sum=0; 
 for (int j = 1; j <i ; j++) { 
 if(i%j==0){ //因子之和累加
  sum+=j; 
  } 
  }
  if(sum==i){
   System.out.println("该数是一个完数:"+i);
    }
     } 
     }

方法的定义:
修饰符返回值类型方法名(参数列表,参数列表)
代码
return结果;
}
修饰符,目前固定写成我们public static
返回值类型:表示方法运行的结果,方法执行后将结果返回给调用者。
参数列表;方法运行过程中的未知数,调用者调用方法是传递
return;表示将执行结果返回给我们的调用者,也表示我们方法的结束。
定义方法有两个明确:
需求:
定义一个方法实现两个整数的和:
明确返回类型:方法计算整数和,结果必然是整数,返回类型确定是int类型;
明确参数:计算那两个参数,并不知道,但是可以确定两个参数是int类型:
在这里插入图片描述
定义两个参数是否相同:
返回值类型:比较两个整数,结果要么不相同要么相同,可以定义为布尔类型。
参数列表:比较两个参数是否相同,传递的一定是int。
在这里插入图片描述
练习:

/*练习一个计算1+2+‐‐‐‐+n的和(n为int就够)*/
 public static int add(int n){ 
 //存放我们和的变量 
 int sum=0;
  for (int i = 1; i <=n ; i++) { 
  sum+=i; 
  }
  return sum; 
  }

定义的方法的注意事项:
定义位置;类中方法的外边
返回值的类型:必须要和return语句返回类型相同,否者编译出错。
调用方法的三种形式:
第一种:直接调用方法名

public class Demo4 {
 public static void main(String[] args) { 
 add(); 
 }
 public static void add(){ 
 } 
 }

第二种;赋值调用,调用方法,在方法前定义变量,接受方法的返回值

public class Demo4 {
 public static void main(String[] args) { 
 int add = add(1, 5);
  }
  public static int add(int a,int b){
   return 0; 
   } 
   }

第三种;输出语句中调用;

public class Demo4 {
 public static void main(String[] args) {
  System.out.println(add(1,3)); 
  }
  public static int add(int a,int b){ 
  return 0;
   } 
   }

输出语句的返回值必须要有返回值。
方法的重载;
就是在一个类中,方法的名字一样,但是他们的参数列表不一样就可以。(与返回值和修饰符没关系)
参数列表:各参数,数据类型也不一样
重载的方法底层;jvm通过方法法人参数列表,去调用不同的方法
在这里插入图片描述
练习1:
public static void open(){}
public static void open(int a){} 是
static void open(int a,int b){} 是
public static void open(double a,int b){}是
public static void open(int a,double b){} 是
public void open(int i,double d){} 不是
练习2;
模拟输出语句中的print方法效果,传递什么类型的数据就输出什么类型的数据,只允许定义一个方法名print。

 public static void println(int a){ 
 System.out.println(a); 
 }
 public static void println(byte a){ 
 System.out.println(a); 
 }
 public static void println(short a){
  System.out.println(a); 
  }
  public static void println(long a){ 
  System.out.println(a); 
  }
  public static void println(float a){
   System.out.println(a); 
   }
   public static void println(double a){ 
   System.out.println(a); 
   }
   public static void println(boolean a){
    System.out.println(a); 
    }
    public static void println(char a){
     System.out.println(a); 
     }

数组定义和访问
概念;数组就是存储数据长度固定的容器,保正多个数据类型一致。
定义数组
格式
数组存储的数据类型[]和数组的名字=new 数组存储数据的类型[数组的长度]
[]:表示我们存储的数据
数组名字;为定义的数组起个变量名,慢标识符规则即可。
new关键字,创建数据类型的关键字
[数组长度]能够在容器存放的数据的大小
数组的定义
第一种方式:
int [] arr=new int[数组长度];
第二种方式;
int [] arr= new {1,2,3};
第三种;
int [] arr{1,2,3,};
数组的访问;
索引;每一个存储数组元素,都会自动拥有一个编号,从0开始,这个自动改编号成为该数组的下标(索引),可已通过数组的索引去访问我们数组的元素。
格式[索引值]
数组的长度的特性;,每一个数组都具有长度,而且是固定,java中赋予了一个属性,可以获取我们的数组长度,语法;数组名.length,属性length的执行结果是数组的长度,由此可以推断,我们数组的最大索引值就是我们的数组名.length-1。

public static void main(String[] args) { 
//创建一个数组,存储我们的int类型,有5个int类型的数据 
//数组有特定长度,长度一旦指定,不能更改 
//第二种方式创建: 
int[] arr1=new int[]{1,2,3,4,5,6}; 
//获取数组下标为0处所对应的值:
 int arr=arr1[0];
  System.out.println(arr);
   //打印一下数组的长度 System.out.println(arr1.length);
    }

数组越界异常
在这里插入图片描述
内存概念:
内存是计算机中重要的原件,临时存储区域,我们编写的程序存放在硬盘中程序是不能运行,必须放进我们的内存才能进行,运行完毕后会清楚内存。
java虚拟机中的内存划分:
jvm内存划分:
寄存器:给CPU使用,和开发没关系。
本地方法栈:jvm在使用操作系统功能的时候使用,与开发也没关系。
方法区:存储运行的class文件
堆内存;存储对象或者数组,new出来的都放在堆内存里面
方法栈:方法运行时使用的内存,比如main运行时,进入我们的方法栈。
数据结构:
栈:先进后出。
队列:先进先出。
一个数组的内存图:
在这里插入图片描述
1、main方法进入我们的方法栈,
2、创建数组,jvm在我们的堆内存中开辟空间
3、数组在我们堆内存当中会有一个地址。
4、数组中有3个元素,默认值是0
5、jvm将数组的内存地址赋值给变量arr
6、变量arr保存的是数组内存中的地址,而不是一个具体的数值,因此称为引用数据类型。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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。
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