6月5日笔记

1 、自定义泛型的索引器。问题一;
2 、泛型的目的也是为了代码重用  ( 算法重用 ) 
3 、泛型接口:实现接口的时候两种方式。开放类型,封闭类型。
4 、泛型方法,类本身不是泛型的,只需调用该方法的时候需要指定一下。
5 装箱( 将值类型转换成引用类型的过程 ),拆箱( 将引用类型转换成值类型的过程叫拆箱 )。 装箱的时候,使用什么类型来装箱,拆箱的时候还必须使用对应的类型来拆箱。
6 由于字符串类型和int类型在内存上根本不存在“交集”,也根本无法发生类型转换,而object与int则可以转换,因为任何类型都是继承自 object类型的。
7 装箱拆箱次数越多,会影响系统的性能。使用泛型集合省去了装箱拆箱的过程,性能大大提升。
8、foreach :要多看看老师的视频自己写写内部原理。
9 、文件操作: path 类中的方法基本都是对字符串的操作,与实际文件没有关系。
目录和文件操作的命名控件  System.IO
string ChangeExtension(string path, string extension) (*)
修改文件的后缀,“修改”支持字符串层面的,没有真的给文件改名
string s = Path.ChangeExtension(@"C:\temp\F3.png", "jpg")
string Combine(string path1, string path2)
将两个路径合成一个路径,比用 +好,可以方便解决不加斜线的问题,自动处理路径分隔符的问题
string s = Path.Combine(@"c:\temp","a.jpg")
string GetDirectoryName(string path) (*)
得到文件的路径名。  Path.GetDirectoryName(@"c:\temp\a.jpg")
string GetExtension(string path)  得到文件的扩展名
string GetFileName(string path)  得到文件路径的文件名部分
string GetFileNameWithoutExtension(string path)  得到去除扩展名的文件名
string GetFullPath(string path)  得到文件的全路径。可以根据相对路径获得绝对路径。
string GetTempFileName()   得到一个唯一的临时文件名  (*)
string GetTempPath()  得到临时文件夹的路径  (*)

Directory DirectoryInfo
void Delete(string path, bool recursive)      删除目录,  recursive 表示是否递归删除,如果  recursive false  则只能删除空目录
bool Exists(string path)       判断目录是否存在
string[] GetDirectories(string path)   得到一个目录下的子目录
string[] GetDirectories(string path, string searchPattern, SearchOption searchOption)     通配符查找目录下的子目录,可以搜索到隐藏文件。
static string[] GetFiles(string path)   得到一个目录下的文件
string[] GetFiles(string path, string searchPattern, SearchOption searchOption)    通配符查找目录下的文件
DirectoryInfo GetParent(string path)   得到目录的父目录
move()  // 移动、剪切。只能在同一个磁盘中。目录没有  Copy 方法。可以使用 Move() 方法实现重命名。
获取当前  exe 文件执行的路径:
Assembly.GetExecutingAssembly().Location;
Application.StartupPath.
不要用: Directory.GetCurrentDirectory(); 获取应用程序的当前工作目录。因为这个可能会变,通过使用 OpenFileDialog 或者手动设置 Directory.SetCurrentDirectory()
WinForm 程序时会常用到。

10 、递归:就是方法自己调用自己,如果递归的时候没有停止条件,则肯定是死递归,最后报异常,栈溢出。所以 一般递归的时候,都肯定有一个终止条件,或者说在某种条件下才会方法自己调用自己(递归)。
11 、文件的操作的类都在 System.IO.* 里面。

12 File.ReadAllLines(  path   , Encoding.Default);// 读取所有行,返回 string[] ;File.ReadAllText(   path , Encoding.Default);//  读取所有文本返回  string; File.ReadAllBytes( path  );// 读取文件,返回  byte[], 把文件作为二进制来处理。
13 File.WriteAllLines(  path   , new string[4] ,Encoding.Default);// string  数组按行写入文件。
File.WriteAllText( path  ,    string );//  将字符串全部写入文件。  File.WriteAllBytes( path  ,new byte[5]);//   byte[] 全部写入到文件 File.AppendAllText()//   string 追加到文件

14 一般情况下什么样的类可以用 foreach来遍历;实现IEnumerable接口的,只要实现该接口肯定会有 GetEnumerator()方法。任何类型,只要想使用 foreach遍历,就必须在当前类型中存在 public IEnumerator GetEnumerator()方法,一般情况下我们会通过实现 IEnumerable接口来创建该方法。这个方法的作用不是用来遍历的。而是用来获取一个对象,这个对象才是用来遍历的。

15 Directory  操作目录(文件夹),静态类。  DirectoryInfo ,文件夹的一个“类”,用来描述一个文件夹对象  ( 获取指定目录下的所有目录时返回一个  DirectoryInfo 数组 ) 
16 FileInfo  ,文件类,用来描述一个文件对象。获取指定目录下的所有文件时,返回一个  FileInfo 数组。
17 、“ \r\n  ”在 winform 中的换行!

StreamReader( StreamWriter )只对文本文件进行操作。
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