Java——初识

发展史

创始人:詹姆斯.高斯林(James Gosling)
Java Development Kit
1.0.2
1.1.1->1.1.6-1.1.7->1.1.8
1.2.1
Java 2 SDK
1.2.2
1.3.0->1.3.1
1.4.0->1.4.1->1.4.2->1.5.0->1.6.0->1.7.0->jdk8(版本向下兼容)

语言平台版本
J2SE标准版:为开发普通桌面和商务应用程序提供的解决方案;
J2ME小型版:为开发电子消费产品和嵌入式设备提供的解决方案;
J2EE企业版:为开发企业环境下的应用程序提供的一套解决方案;
语言特点
简单性,解释性,面向对象,高性能,分布式处理,多线程,健壮性,多态,结构中立,安全性,开源,跨平台。

语言基础

  • 跨平台:通过Java语言编写的应用程序在不同的系统平台上都可以运行。只要在需要运行java应用程序的操作系统上,先安装一个Java虚拟机即可。由JVM来负责Java程序在系统中的运行。以为有了JVM,所以同一个java程序在三个不同的操作系统中都可以执行。而JVM不是跨平台的。JVM应为针对不同的操作系统,JAVA提供了不同的JVM,而各个操作系统的可执行文件是不同的。
  • JRE和JDK:JRE是Java的运行环境,包括Java虚拟机和Java程序所需的核心类库等;而JDK是提供给Java开发人员使用的,其中包含了java的开发工具,也包括了JRE。
  • JDK安装路径下的目录解释:
    • bin目录:用于存放一些可执行的程序;
    • db目录:是一个小型的数据库;
    • jre目录:是Java运行时环境的根目录;
    • include:由于JDK是通过C和C++实现的,因此在启动时需要引入一些C语言的头文件,该目录就是用于存放这些头文件的。
    • lib目录:Java类库或库文件,是开发工具使用的归档包;
    • src.zip文件:src.zip为src文件夹的压缩文件,src中放置的是JDK核心类的源代码。

Hello World案例的编写和运行
创建名为Hello.java文件。
在文件中:

class  Hello  //类名,与文件名相同
{
	//main方法
	public static void main(String[] args) 
	{
		//输出语句
		System.out.println("Hello World!");
	}
}

在文件所在目录:编译javac Hello.java会生成编译后的字节码文件Hello.class,然后使用命令java Hello对class字节码文件进行解释运行,就会看到输出结果。
注意问题:

  1. 不能忽略字母大小写;
  2. 注意符号的中英文区分;
  3. 单词拼写问题;

代码中的注释
单行注释 ://注释的文字;
多行块注释:/* 注释的文字*/
文档注释:/**注释的文字*/
java中的关键字
什么是关键字?
就是被java语言赋予特殊含义的单词;
关键字的特点:
组成关键字的字母都是小写;
如class,public,static等
标识符
什么是标识符?
就是给类,接口,方法,等起名字是使用的字符序列。
组成规则:
- 英文的大小写字母;
- 数字字符;
- $和_;
注意事项:
- 不能以数字开头;
- 不能使java中的关键字;
- 区分大小写;

标识符的命名规则

  • 包:字母都是小写;
  • 类或者接口
    •   一个单词:首字母大写,其余字母小写;
      
    •   多个单词:每个单词的首字母都是大写,其余字母小写;
      
  • 方法或变量
    •   一个单词:字母全是小写;
      
    •   多个单词:从第二个单词开始,首字母大写,其余字母小写。
      
  • 常量
    •   一个单词:字母全是大写;
      
    •   多个单词:字母全是大写,没一个单词之间使用_隔开
      
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