Java泛型及其使用

转自(http://www.cxybl.com/html/bcyy/java/201111037710.html)

1.为什么要用泛型

   JDK 1.5之前,对象保存到集合中就会失去其特性,取出时要手动进行人工强制类型转化,集合元素中的数据类型可以不统一, 例:List集合
   list=new ArrayList();
   list.add("aa");
   list.add(1);
   list.add(12.5);
   加入泛型之后,list集合只能放同一类型的数据 ,就避免了list元素类型不统一的现象出现。

2.关于泛型应注意:
使用泛型时,泛型类型必须为引用数据类型,不能为基本数据类型, java中的普通方法,构造方法,静态方法中都可以使用泛型 ,方法使用泛型之前必须先对泛型进行声明,可以使任意字母,一般都要大写

3.怎么样取泛型集合中的数据:
使用Iterator迭代器迭代,使用普通for循环,使用for循环的新特性

4.自定义泛型:
   4-1.泛型定义在方法上:放之前定义
     public <T> void test1(T t){}
     public static <T> void test2(T t){}
     public <T> int test3(T t){ return 0; }
     public <T> List<T> test4(){ return null;  }
     public static <EE> void test5(EE e){}
  4-2.泛型定义在类上:如果一个同时用到同一个泛型那么可以把泛型定义到类上 ,可以声明一个或多个
     public class StudentDao<T,E>{
     public void test(T t){}
     public List<T> test2(){ return null; }    
注意:静态方法不能使用类定义的泛型,而应单独定义泛型
public static<E> void test3(E e){}
 
5.关于泛型应用的小案例用的是junit单元测试,项目右键->properties->java build path->libraries->Add Library->选上JUnit确定添加):
@Test
public void testList(){
    List<String> list=new ArrayList<String>(); //List集合的测试
    list.add("aaa");
    list.add("bbb");
    list.add("ccc");
    for(int i=0;i<list.size();i++){  //普通for循环
        System.out.println(list.get(i));
    }
    for(String str:list){  //for循环的新特性
        System.out.println(str);
    }
    Iterator<String> it=list.iterator();
    while(it.hasNext()){  //while循环
        System.out.println(it.next());
    }
}
@Test
public void testMap(){
    Map map=new HashMap(); //Map集合的测试
    map.put(1, "a");
    map.put(2, "a");
    map.put(3, "a");
    map.put(4, 1111);
    Set keys=map.keySet();
    Iterator it=keys.iterator();
    while(it.hasNext()){  // 根据key取值
        Integer key=(Integer) it.next();
        System.out.println("key:"+key+"   value:"+map.get(key));
    }
    Map<Integer,String> map1=new HashMap<Integer, String>();
    map1.put(1, "aaa");
    map1.put(2, "bbb");
    map1.put(3, "ccc");
    //map1.put(4, 1111);
    Set<Entry<Integer,String>> entries=map1.entrySet();  //根据map对象取值
    for(Entry<Integer,String> entry : entries){
        System.out.println("key:"+entry.getKey()+"  value:"+entry.getValue()+",");
    }	
}


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