java基础复习--1

一、基础常识:

        软件开发
       人机交互方式
       常见dos命令行:
           dir:列出当前目录下的文件及文件夹
           md:创建目录
           rd:删除目录
           cd:进入指定目录
           cd..:退回到上一级目录
           dc/:退回到根目录
           del:删除文件
           exit:退出dos命令

            删除文件夹(文件夹中有文件)    delete 文件名

二、java正题

       1.1 计算机语言
       1.2 java语言概述
               1.2.1java 语言的三种技术架构:J2EE,J2SE,J2ME
               1.2.2java 语言的特点:跨平台性
                        java虚拟机(JVM Java Virtual Machine)
       1.3 Java语言的环境搭建
               1.3.1什么是JRE,JDK
                       JRE(Java Runtime Enviroment Java运行环境)
                       JDK(Java Development Kit Java开发工具包)其中包含了jre
               1.3.2下载JDK
                       www.oracle.com
                       java.sun.com
               1.3.4环境变量配置
                       在环境变量path的最前面添加javac.exe所在目录的路径;
                       注意:配置完成后需要重新打开dos才会有效果
                       环境变量配置技巧
                               JAVA_HOME=路径中可能变化的部分
                               path=%JAVA_HOME%\bin
                       环境变量临时配置方式:set path=路径(只在当前窗口有效)
                               在原有基础上加新值:set path path=新配置径;%path%
                       start命令
      1.4 Hello World
              class Demo
             {
                  public static void main(String[] args)
                      {
                          System.out.println("Hello World");
                      }
             }
      1.5classpath配置
              set classpath=D:java\day01;
            虚拟机启动时先找classpath,再找当前目录(在加 ; 号的情况下),不加 “;” 号好
            “ .” 代表当前目录
      1.6注释

 

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