IntelliJ Idea 常用快捷键列表

自建博客地址:https://bytelife.net,欢迎访问! 本文为博客自动同步文章,为了更好的阅读体验,建议您移步至我的博客👇

本文作者: Jeffrey
本文链接: https://bytelife.net/articles/33262.html
版权声明: 本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!


Ctrl+Shift + Enter,语句完成 “!”,否定完成,输入表达式时按 “!”键 
Ctrl+E,最近的文件 
Ctrl+Shift+E,最近更改的文件 Shift+Click,可以关闭文件 
Ctrl+[ OR ],可以跑到大括号的开头与结尾 
Ctrl+F12,可以显示当前文件的结构 
Ctrl+F7,可以查询当前元素在当前文件中的引用,然后按 F3 可以选择 
Ctrl+N,可以快速打开类 

Ctrl+Shift+N,可以快速打开文件 Alt+Q,可以看到当前方法的声明 
Ctrl+P,可以显示参数信息 
Ctrl+Shift+Insert,可以选择剪贴板内容并插入 Alt+Insert,可以生成构造器/Getter/Setter等 
Ctrl+Alt+V,可以引入变量。例如:new String(); 自动导入变量定义 
Ctrl+Alt+T,可以把代码包在一个块内,例如:try/catch 
Ctrl+Enter,导入包,自动修正 
Ctrl+Alt+L,格式化代码 
Ctrl+Alt+I,将选中的代码进行自动缩进编排,这个功能在编辑 JSP 文件时也可以工作 
Ctrl+Alt+O,优化导入的类和包 
Ctrl+R,替换文本 
Ctrl+F,查找文本 
Ctrl+Shift+Space,自动补全代码 
Ctrl+空格,代码提示(与系统输入法快捷键冲突) 
Ctrl+Shift+Alt+N,查找类中的方法或变量 Alt+Shift+C,最近的更改 Alt+Shift+Up/Down,上/下移一行 Shift+F6,重构 – 重命名 
Ctrl+X,删除行 
Ctrl+D,复制行 
Ctrl+/或
Ctrl+Shift+/,注释(//或者/**/) 
Ctrl+J,自动代码(例如:serr) 
Ctrl+Alt+J,用动态模板环绕 
Ctrl+H,显示类结构图(类的继承层次) 
Ctrl+Q,显示注释文档 Alt+F1,查找代码所在位置 Alt+1,快速打开或隐藏工程面板 
Ctrl+Alt+left/right,返回至上次浏览的位置 Alt+left/right,切换代码视图 Alt+Up/Down,在方法间快速移动定位 
Ctrl+Shift+Up/Down,向上/下移动语句 F2 或 Shift+F2,高亮错误或警告快速定位 Tab,代码标签输入完成后,按 Tab,生成代码 
Ctrl+Shift+F7,高亮显示所有该文本,按 Esc 高亮消失 Alt+F3,逐个往下查找相同文本,并高亮显示 
Ctrl+Up/Down,光标中转到第一行或最后一行下 
Ctrl+B/
Ctrl+Click,快速打开光标处的类或方法(跳转到定义处) 
Ctrl+Alt+B,跳转到方法实现处 
Ctrl+Shift+Backspace,跳转到上次编辑的地方 
Ctrl+O,重写方法 
Ctrl+Alt+Space,类名自动完成 
Ctrl+Alt+Up/Down,快速跳转搜索结果 
Ctrl+Shift+J,整合两行 Alt+F8,计算变量值 
Ctrl+Shift+V,可以将最近使用的剪贴板内容选择插入到文本 
Ctrl+Alt+Shift+V,简单粘贴 Shift+Esc,不仅可以把焦点移到编辑器上,而且还可以隐藏当前(或最后活动的)工具窗口 F12,把焦点从编辑器移到最近使用的工具窗口 Shift+F1,要打开编辑器光标字符处使用的类或者方法 Java 文档的浏览器 
Ctrl+W,可以选择单词继而语句继而行继而函数 
Ctrl+Shift+W,取消选择光标所在词 Alt+F7,查找整个工程中使用地某一个类、方法或者变量的位置 
Ctrl+I,实现方法 
Ctrl+Shift+U,大小写转化 
Ctrl+Y,删除当前行 Shift+Enter,向下插入新行 psvm/sout,main/System.out.println(); 
Ctrl+J,查看更多 
Ctrl+Shift+F,全局查找 
Ctrl+F,查找/Shift+F3,向上查找/F3,向下查找 
Ctrl+Shift+S,高级搜索 
Ctrl+U,转到父类 
Ctrl+Alt+S,打开设置对话框 Alt+Shift+Inert,开启/关闭列选择模式 
Ctrl+Alt+Shift+S,打开当前项目/模块属性 
Ctrl+G,定位行 Alt+Home,跳转到导航栏 
Ctrl+Enter,上插一行 
Ctrl+Backspace,按单词删除 
Ctrl+”+/-”,当前方法展开、折叠 
Ctrl+Shift+”+/-”,全部展开、折叠 【调试部分、编译】 
Ctrl+F2,停止 Alt+Shift+F9,选择 Debug Alt+Shift+F10,选择 Run 
Ctrl+Shift+F9,编译 
Ctrl+Shift+F10,运行 
Ctrl+Shift+F8,查看断点 F8,步过 F7,步入 Shift+F7,智能步入 Shift+F8,步出 Alt+Shift+F8,强制步过 Alt+Shift+F7,强制步入 Alt+F9,运行至光标处 
Ctrl+Alt+F9,强制运行至光标处 F9,恢复程序 Alt+F10,定位到断点 
Ctrl+F8,切换行断点 
Ctrl+F9,生成项目 Alt+1,项目 Alt+2,收藏 Alt+6,TODO Alt+7,结构 
Ctrl+Shift+C,复制路径 
Ctrl+Alt+Shift+C,复制引用,必须选择类名 
Ctrl+Alt+Y,同步 
Ctrl+~,快速切换方案(界面外观、代码风格、快捷键映射等菜单) Shift+F12,还原默认布局 
Ctrl+Shift+F12,隐藏/恢复所有窗口 
Ctrl+F4,关闭 
Ctrl+Shift+F4,关闭活动选项卡 
Ctrl+Tab,转到下一个拆分器 
Ctrl+Shift+Tab,转到上一个拆分器 【重构】 
Ctrl+Alt+Shift+T,弹出重构菜单 Shift+F6,重命名 F6,移动 F5,复制 Alt+Delete,安全删除 
Ctrl+Alt+N,内联 【查找】 
Ctrl+F,查找 
Ctrl+R,替换 F3,查找下一个 Shift+F3,查找上一个 
Ctrl+Shift+F,在路径中查找 
Ctrl+Shift+R,在路径中替换 
Ctrl+Shift+S,搜索结构 
Ctrl+Shift+M,替换结构 Alt+F7,查找用法 
Ctrl+Alt+F7,显示用法 
Ctrl+F7,在文件中查找用法 
Ctrl+Shift+F7,在文件中高亮显示用法

 

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