Java第一课时

文章目录
前言
一、十进制转二进制练习
二、二进制转十进制的练习
三、在自己的电脑安装JDK;配置相应的环境
四、编写helloworld程序
1.HelloWord的代码
2.运行结果
总结
前言
学习java的第一天

一、十进制转二进制练习
根据十进制转换二进制的思想:把这个数除以2若为单数则为1,为偶数则为0,直到最后一个数为1为止。所以我们要做的就是用你给定的这个数除以2,如果结果为奇数则r=1,否则r=0;如此循环下去,直到这个数〉=1。
15=1111
10=1010

二、二进制转十进制的练习
11011=27
11111=31
————————————————
习题演练
三、在自己的电脑安装JDK;配置相应的环境
若学习JAVA,必须安装JDK(java development kit java开发工具包),并进行环境变量的配置后方可进行java的学习。经过几次配置环境变量失败后,我最终成功。
环境变量配置
右键“我的电脑”—>“属性”---->“高级系统设置”----->“环境变量”
点击“系统变量”创建按钮,新建系统变量,变量值:更改为自己安装jdk的路径
变量名:JAVA_HOME
变量值:自己安装jdk的路径
在这里插入图片描述
找到Path环境变量名,打开,进行编辑

%JAVA_HOME%\bin

测试是否安装成功,ctrl+R,输入cmd打开命令行解释器应用程序,输入java,出现以下版本信息,表示安装配置成功。(如下图)
在这里插入图片描述
四、编写helloworld程序
1.HelloWord的代码
代码如下(示例):

public class HelloWord {
public static void main(String[] arg)

{
System.out.println(“Hello World2020080605014”)

}

}

2.运行结果
在这里插入图片描述

总结
通过了第一天的学习,我对java有了初步的了解。

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