Python学习笔记

C++笔记

一:循环语句

1、if语句

 

  1. while循环

 

  1. do while 语句

%:取余数;/:取商

 

  1. for语句

  1. 嵌套循环

 

 

二、函数

1、函数定义:将一个模块的算法用C++描述出来。

  函数的参数:计算所需条件

函数返回值:需要返回的计算结果

2、函数调用

 调用之前要先声明

 

 

 

Static_cast: 一般用来将枚举类型转换成整型,或者整型转换成浮点型。也可以用来将指向父类的指针转换成指向子类的指针。做这些转换前,你必须确定要转换的数据确实是目标类型的数据,因为static_cast不做运行时的类型检查以保证转换的安全性

   用法:static_cast < type-id > ( expression )

 

函数调用例题1

 

例题2

注:int 分为无符号 unsigned 和有符号 signed 两种类型,默认为signed。二者的区别就是无符号类型能保存2倍于有符号类型的数据。

Bool:布尔类型

 

3、函数嵌套调用

例题1:

  1. 函数的递归调用
  2. 函数参数调用

  1. 引用类型

 

  1. 含有可变参数的函数

  1. 内联(inline)函数

  1. constexpr函数语法规定

  1. 函数重载

定义:C++允许功能相近的函数在相同的作用域内以相同函数名声明,从而形成重载,方便使用,便于记忆。

11.C++系统函数

 

三:类和对象

  1. 定义:类是同一类对象的抽象,对象是类的实例

设计类

  1. 类的语法形式

类成员的访问控制形式:

  公有类型、私有类型、保护类型

  1. 对象的语法形式

类中成员直接使用成员名互相访问

从类外访问成员使用“对象名.成员名”的方式访问public成员。

  1. 类的成员函数

例题

注:1、写类时后面应该标;上述截图中没有

2、当在类外对类的成员函数进行函数功能补充时要用类名加上::(作用域限定符号)

 

  1. 构造函数:构造函数在对象创建时被自动调用。

例如:Clock myClock(0,0,0)

 

   

 

构造函数的例题

 

  1. 委托构造函数

 

  1. 复制构造函数(拷贝构造函数)

注:const 限定的作用:常引用,意思是只能读数据,不能修改。

 

  1. 类组合的构造函数设计

 

例题1:

#include<iostream>

#include<cstring>

using namespace std;

class Product

{

private

    const char *name;

    int price;

    int quantity;

public://这里面需要有一些函数

    Product(const char *n, int p, int q);

    ~Product();

    void buy(int money);

    void get()const;

};

Product::Product(const char *n, int p, int q)

{

    name = n;

    price = p;

    quantity = q;

}

Product::~Product()

{

}

void Product::buy(int money)

{

    int r, n;

    n = money / price;

    r = money % price;

    if (n > quantity)

    {

         cout << "数量不够" << endl;

    }

    else

    {

         quantity -= n;

         cout << "名称:" << name << ",单价:" << price << "元" << endl;

         cout << "顾客使用" << money << "元,购买" << n << "台,剩余" << r << "元" << endl;

    }

}

void Product::get()const

{

    cout << "产品:" << name << ",单价:" << price << ",剩余:" << quantity << "台" << endl;

}

int main()

{

    Product p("Iphone6", 100, 20);

    p.buy(10);

    p.get();

    cout << "\n==========================\n" << endl;

    p.buy(1000);

    p.get();

    return 0;

}

 

例题2、【明天加上报错信息】

#include<iostream>

using namespace std;

class CData

{

    public:

         CData(int y,int m,int d);

         void setdate(int y, int m, int d);

         void display();

         void add();

    private:

         int day;

         int month;

         int year;

};

CData::CData(int y,int m,int d)

{

    day = d;

    month = m;

    year = y;

}

void CData::setdate(int y,int m,int d)

{

    day = d;

    month = m;

    year = y;

}

void CData::display()

{

    cout<<day<<"/"<<month<<"/"<<year<<endl;

}

void CData::add()

{

    int a[2][12]={

    {31,28,31,30,31,30,31,31,30,31,30,31},

    {31,29,31,30,31,30,31,31,30,31,30,31}

    };

    if((year%400 == 0)||(year%100 !=0 && year%4 ==0))//闰年的情况

    {

         if(a[1][month-1]>day)day++;

         else

         {

             month++;

             if(month>12)

             {

                  year++;

                  month = 1;

             }

             day = 1;    

         }

    }

    else                           //平年的情况

    {

         if(a[0][month-1]>day)day++;

         else

         {

             month++;

             if(month>12)

             {

                  year++;

                  month = 1;

             }

             day = 1;    

         }  

    }

}

int main()

{

    CData date(2013,12,31);

    date.display();

    date.add();

    date.display();

    date.setdate(2014,11,11);

    date.display();

    date.add();

    date.display();

    return 0;

}

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