实验4

import java.util.*;
public class Student {
public static String name;
public static int score;
public Student(String n, int s)
{
this.name = n;
this.score = s;
}
public static void main(String[] args)
{

    List<Student> a = new ArrayList<Student>();
    Scanner sc = new Scanner(System.in);
    String s;
    int num;
    s = sc.next();
    num = sc.nextInt();
    a.add(new Student(s, num));
    String p = sc.next();
    while(p == "Y")
    {
        s = sc.next();
        num = sc.nextInt();
        a.add(new Student(s, num));
        p = sc.next();
    }
    for(int i = 0; i < a.size(); i++)
    {
        for(int j = i+1; j < a.size(); j++)
        {
            if(a.get(i).score < a.get(j).score)
            {
                s = a.get(j).name;
                num = a.get(j).score;
                a.get(j).score = a.get(i).score;
                a.get(j).name = a.get(i).name;
                a.get(i).score = num;
                a.get(i).name = s;
            }
        }
    }
    for(int i = 0; i < a.size(); i++)
        System.out.println(a.get(i).name + " " + a.get(i).score);
}

}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
BJTU深度学习实验4是指北京交通大学开设的一门深度学习实验课程中的第四个实验内容。 在这个实验中,学生将学习和应用深度学习算法,探索不同网络结构和优化方法对模型性能的影响。 首先,学生将使用Python编程语言和深度学习库(如TensorFlow或PyTorch)来构建卷积神经网络(CNN)模型。通过调整网络层数、卷积核大小、池化层配置等参数,学生可以探索不同网络结构对于图像分类等任务的影响。 其次,学生还将尝试不同的优化方法来提高模型的性能。常见的优化方法包括梯度下降、随机梯度下降、Adam等。通过使用不同的优化方法,学生可以比较它们在模型训练过程中的表现,选择最佳的优化方法。 在实验过程中,学生将使用已经标注好的数据集进行训练和测试。他们需要了解数据集的特点,以及数据预处理的方法,如图像尺寸调整、数据增强等。这些步骤对于模型的性能和泛化能力至关重要。 最后,学生需要进行实验结果的分析和总结。他们将评估不同网络结构和优化方法的性能,比较它们的准确率、损失值等指标。通过对实验结果的分析,他们可以得出结论,为后续实验和研究提供指导。 总之,BJTU深度学习实验4是一门帮助学生熟悉深度学习算法,并进行实践和探索的课程实验。通过这个实验,学生可以了解到深度学习模型的构建和优化方法,以及数据处理和实验结果分析的重要性。这对于他们深入学习和应用深度学习有着重要的意义。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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