2020-04-10

在maven多模块聚合项目编译报错找不到或不存在实体类时,找了很多资料和问老师。最后知道了怎么解决。是因为没有在引入这个实体类的子工程的pom中添加如下红框中的代码。最后添加就成功解决了在这里插入图片描述

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。
好的,以下是构造程序的代码: ```python class AccountBook: def __init__(self): self.records = [] self.income = 0 self.expense = 0 self.balance = 0 def add_record(self, category, detail, amount, date): record = [len(self.records)+1, category, detail, amount, date] self.records.append(record) if category == '收入': self.income += amount else: self.expense += amount self.balance = self.income - self.expense def print_records(self): for record in self.records: print(record) print('总收入:', self.income) print('总支出:', self.expense) print('结余:', self.balance) book = AccountBook() book.add_record('收入', '生活费', 3000, '2020-04-01') book.add_record('支出', '午餐', 12.5, '2020-04-30') book.add_record('支出', '买书', 25, '2020-04-30') book.add_record('支出', '晚餐', 16, '2020-04-30') book.add_record('收入', '生活费', 3500, '2020-05-01') book.add_record('支出', '峨嵋山旅游', 500, '2020-05-01') book.print_records() ``` 运行程序后,输出结果如下: ``` [1, '收入', '生活费', 3000, '2020-04-01'] [2, '支出', '午餐', 12.5, '2020-04-30'] [3, '支出', '买书', 25, '2020-04-30'] [4, '支出', '晚餐', 16, '2020-04-30'] [5, '收入', '生活费', 3500, '2020-05-01'] [6, '支出', '峨嵋山旅游', 500, '2020-05-01'] 总收入: 6500 总支出: 553.5 结余: 5946.5 ``` 上述程序中,我们定义了一个 `AccountBook` 类,其中包含了一个 `records` 属性,用于存储记帐记录;以及 `income`、`expense` 和 `balance` 属性,分别用于记录总收入、总支出和结余。 在 `AccountBook` 类中,我们还定义了一个 `add_record` 方法,用于添加新的记帐记录。这个方法接受四个参数:`category`(类别)、`detail`(明细)、`amount`(金额)和 `date`(日期)。在添加新的记帐记录时,我们先将其存储到 `records` 属性中,然后根据类别更新总收入和总支出,最后计算结余。 最后,我们还定义了一个 `print_records` 方法,用于将所有的记帐记录打印出来,并输出总收入、总支出和结余。 在程序的最后,我们创建一个 `AccountBook` 对象,并添加了一些测试数据。最后调用 `print_records` 方法,将所有的记帐记录打印出来,并输出总收入、总支出和结余。
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