JAVA小白的入门笔记——File(文件)类

1.文件类:

文件夹:用来组织和管理磁盘文件的一种数据结构。

文件:以实现某种功能或某个软件部分功能为目的定义的一个单位。

功能:获得文件或文件夹得属性信息

          创建,删除,重命名文件

构造File对象的前提是:路径一定是完整且正确的

2.常用方法及解释:

常用方法及解释
方法名解释方法名解释
mkdir()创建此抽象路径名指定的目录exists()测试此抽象路径名表示的文件或目录是否存在
mkdirs()

创建此抽象路径名指定的目录,包括所有必需但不存在的父目录

isDirectory()测试此抽象路径名表示的文件是否是一个目录
createNewFile()当且仅当不存在具有此抽象路径名指定名称的文件时,不可分地创建一个新的空文件isFile()测试此抽象路径名表示的文件是否是一个标准文件
delete()删除此抽象路径名标识的文件或目录isHidden()测试此抽象路径名表示的文件是否是一个隐藏文件
canRead()测试应用程序是否可以读取此抽象路径名表示的文件getName()返回此抽象路径名表示的文件或目录的名称
getAbsolutePath()返回此抽象路径名的绝对路径名字符串getParent()返回此抽象路径名父目录的路径名字符串;如果此路径没有指定父类,则返回null
length()返回由此抽象路径名表示的文件的长度list()返回一个字符串数组,这些字符串指定此抽象路径名表示的目录中的文件和目录
renameTo(File dest)重新命名此抽象路径名表示的文件listFiles()返回一个抽象路径名数组,这些路径名表示此抽象路径名表示的目录中的文件
canWrite()测试应用程序是否可以修改此抽象路径名表示的文件getPath()将此抽象路径名转换为一个路径名字符串

 
  
  

一段文件管理系统的代码

import java.io.File;    
import java.util.Scanner;    
    
    
public class Demo1 {    
        
    public static void main(String[] args) {    
        Scanner sc = new Scanner(System.in);    
        String input = sc.nextLine();    
        do {    
            File file = new File(input+":\\");    
            String[] files = file.list();    
            for (String s : files) {    
                File f = new File(input+":\\"+s);  <span style="background-color:rgb(255,255,255);font-family:SimHei;">构造File对象的前提是:路径一定是完整且正确的</span><span style="background-color:rgb(255,255,255);">。</span>  
                    
                if(f.isDirectory()&&!f.isHidden()) {    
                    System.out.println("<DIR>\t"+f.getName()+"\t"+f.length()/1024+"KB");    
                }    
            }    
            for (String s : files) {    
                File f = new File(input+":\\"+s);  <span style="background-color:rgb(255,255,255);font-family:SimHei;">构造File对象的前提是:路径一定是完整且正确的</span><span style="background-color:rgb(255,255,255);">。</span>  
                
                if(f.isFile()&&!f.isHidden()) {    
                    System.out.println("<FILE>\t"+f.getName()+"\t"+f.length()/1024+"KB");    
                }    
            }    
            input = sc.nextLine();    
        }while(!input.equals("x"));    
}    
}    
[java] view plain copy
import java.io.File;    
import java.util.Scanner;    
    
public class Demo2 {    
    private static String input;    
    private static String parent;    
        
        
    
    public static void main(String[] args) {    
        System.out.println("请输入目录(如果是盘符,后面需加上' :')");    
        Scanner scanner = new Scanner(System.in);    
        input = scanner.nextLine();    
        do {    
            File cFile = new File(input + "/");    
            String[] files = cFile.list();    
            for (String s : files) {    
                File f = new File(input + "/" + s);    
                if(f.isDirectory()&&!f.isHidden()) {    
                    System.out.println("<DIR>\t"+f.getName());    
                }    
            }    
            for (String s : files) {    
                File f = new File(input+":\\"+s);    
                if(f.isFile()&&!f.isHidden()) {    
                    System.out.println("<FILE>\t"+f.getName());    
                }    
        }    
            input = scanner.nextLine();    
        }while(!input.equals("Q"));    
}    
}           

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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。
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