Java的一些类的使用经验(转CSDN)


1.对字符串的末尾的进行限定的方法(例:让末尾不含,—,,)
while(strTrue.endsWith("+")||strTrue.endsWith("-")||strTrue.endsWith(","))//过滤掉末尾的++号
          strTrue=strTrue.substring(0,strTrue.length()-1);

2.一定要记住:对于数字要用==来比较,对于字符串则要用.equals(String)来比较,否则对于==的比较始终为否!

3.String 类型安标准来说没有长度限制,但是一般jdk中String的最大长度是4G

5.对于在java类中,在静态法方法中,不能使用类的属性变量!

6.对于Iterator 接口
  Collection 接口的iterator()方法返回一个 Iterator。Iterator接口方法能以迭代方式逐个访问集合中各个元素,并安全的从Collection 中除去适当的元素。
  (1) boolean hasNext(): 判断是否存在另一个可访问的元素
      Object next(): 返回要访问的下一个元素。如果到达集合结尾,则抛出NoSuchElementException异常。
  (2) void remove(): 删除上次访问返回的对象。本方法必须紧跟在一个元素的访问后执行。如果上次访问后集合已被修改,方法将抛出IllegalStateException。Iterator中删除操作对底层Collection也有影响。
即在一个hasNext()下,不要多次的调用.next()方法,否则会出现:NoSuchElementException异常。

7.对于把字符串转成Integer类型时,对于一般的不要用Integer.getInteger("23"),它可能转成一个null,因此是先把它转成用Integer.ParseInt转成int,然后强制类型转换:new Integer(23)即!     

8.显示一个yyyy-mm-dd hh:mm的时间
import java.util.*;
public class test{
  public static void main(String srt[])
  {
  Date d=new Date();
  GregorianCalendar  z=new GregorianCalendar();
  z.setTime(d);
  String dateTime=z.get(Calendar.YEAR)+"-"+z.get(Calendar.MONTH)+"-"+z.get(Calendar.DAY_OF_MONTH)+" "+z.get(Calendar.HOUR)+":"+z.get(Calendar.MINUTE);
   System.out.println(dateTime);
  System.out.println(d.toString());
  }
  }   
                                                                                                                                                                                          9.对于double和float型的书取得正负好的办法:
math.sinnum(..);

下面有来自类库的信息
Class Math
java.lang.Object
  java.lang.Math
其中有有关正负号方法如下可以解决你的问题
static double signum(double d)
          Returns the signum function of the argument; zero if the argument is zero, 1.0 if the argument is greater than zero, -1.0 if the argument is less than zero.
static float signum(float f)
          Returns the signum function of the argument; zero if the argument is zero, 1.0f if the argument is greater than zero, -1.0f if the argument is less than zero



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