8月24日培训日记

1.大数组导致虚拟机OutOfMemmoryError。
2.什么是递归调用,举例,递归调用导致堆栈耗尽。递归一要调用到一定深度后停止下来,
3.用递归方法实现十进制数到二进制数的转换。先通过如何求出一个十进制中的每位数字来说明.递归适合于解决需要反复循环的业务流程,每循环一次,任务就减少一个回合。
4.当前正在运行的函数只管解决一个回合的问题,其他的调用再由这个函数解决,只是传递的参数是下一个回合所要的参数,当前含数的一个重要任务就是找出下一次调用的参数。
5.求最大公约数的例子
6.汉诺塔举例
7.要通过执行ant的命令行窗口给build.xml文件中的java任务执行的类传递参数,怎么做?

9.tree命令程序的编写.tree结果的特点:如果列表中一个目录或文件有弟弟,那么它前面加“├─”,否则,它前面加“└─”,如果是根元素,那么前面什么也不加。如果它的父级没有弟弟,则在父级上补“ ”,否则,在父级上补“│ ”。如果父级没有父级,即父级为整个元素的根,则什么也不补,且结束结束递归调用。下面的代码用到了装饰器模式和访问者模式,请解释清楚这两种模式。
程序清单:MyTree.java

import java.io.File;
class MainClass
{
public static void main(String [] args)
{
String strFile = ".";
if(args.length != 0)
{
strFile = args[0];
}

File fFile = new File(strFile);
/*display(fFile);*/
new FileWrapper(fFile,false,null).display();

}

/*public static void display(File f)
{
System.out.println(f.getName());
if(f.isDirectory())
{
File [] subFiles = f.listFiles();
for(int i=0;i<subFiles.length;i++)
{
display(subFiles[i]);
}
}
}*/
}

class FileWrapper extends File
{
boolean bLast = false;
FileWrapper parent = null;
public boolean isLast()
{
return bLast;
}

public FileWrapper getParentWrapper()
{
return parent;
}

public FileWrapper(File f,boolean bLast,FileWrapper parent)
{
super(f.getPath());
this.bLast = bLast;
this.parent = parent;
}

private String makePrefix()
{
StringBuffer sbf = new StringBuffer();
if(parent == null)
{
return "";
}

if(bLast)
{
sbf.append("─└");
}
else
{
sbf.append("─├");
}

makeParentPrefix(parent,sbf);
sbf.reverse();
return sbf.toString();
}

private void makeParentPrefix(FileWrapper parent,StringBuffer sbf)
{
if(parent.getParentWrapper() != null)
{
if(parent.isLast())
{
sbf.append(" ");
}
else
{
sbf.append(" │");
}
makeParentPrefix(parent.getParentWrapper(),sbf);
}
}

public void display()
{
System.out.println(makePrefix() + /*this.*/getName());
if(this.isDirectory())
{
File [] subFiles = this.listFiles();
for(int i=0;i<subFiles.length;i++)
{
if(i < subFiles.length-1)
{
new FileWrapper(subFiles[i],false,this).display();
}
else
{
new FileWrapper(subFiles[i],true,this).display();
}
}
}
}
}

运行结果如图所示:

作业:列出一个目录及其子目录下的所有txt文件。

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