练习1(打印星星,查找字符位置与次数,冒泡排序,驼峰转换)

<template>
  <div>
    <div v-for="(item, index) in list" :key="index">{{ item }}</div>
    <button @click="abc">anniu</button>
  </div>
</template>

<script>
export default {
  data() {
    return {
      list: [0]
    }
  },
  created() {
    // this.fun()
    // this.fun1()
    // this.fun2()
    // this.fun3()
    // this.fun4()
    // this.fun5()
    // this.fun6()
    // this.fun7()
    this.fun8()
  },
  methods: {
    abc() {
      this.$set(this.list, 1, '123')
      // this.list[1] = '123'  // 按钮点击之后数据并不会显示在页面上
    },
    fun() {
      // 五排星星
      var str = ''
      for (var i = 0; i < 5; i++) {
        for (let j = 0; j < 5; j++) {
          str += ' ⭐'
        }
        str += '\n'
      }
      console.log(str)
    },
    fun1() {
      // 正三角星星
      var str = ''
      for (let i = 0; i < 5; i++) {
        for (let j = 0; j <= i; j++) {
          str += ' ⭐'
        }
        str += '\n'
      }
      console.log(str)
    },
    fun2() {
      // 倒三角
      var str = ''
      for (let i = 0; i < 5; i++) {
        for (let j = i; j < 5; j++) {
          str += ' ⭐'
        }
        str += '\n'
      }
      console.log(str)
    },
    fun3() {
      // 查找字符串中某个数的位置以及出现了几次
      const str = 'abocjocdfogogeopp'
      var i = str.indexOf('o')
      var num = 0
      for (let index = 0; index < str.length; index++) {
        if (i !== -1) {
          i = str.indexOf('o', i + 1) // 让查到后的索引+1,要不然会陷入死循环
          num++
          console.log('o所在索引的位置' + i, '出现的次数' + num)
        }
      }
    },
    fun4() {
      // 利用for of 获取每一个元素
      const str = 'abocjocdfogogeopp'
      const obj = {}
      for (const i of str) {
        // 与chatAt相同都可以直接获取单独的字符串
        if (obj[i]) {
          obj[i] += 1
        } else {
          obj[i] = 1 // 刚开始每一个都为1
        }
      }
      console.log(obj)
      var max = 0
      for (const key in obj) {
        if (obj[key] > max) {
          max = obj[key]
          var a = key
        }
      }
      console.log(max, a)
    },
    fun5() { // 获取某个元素出现最多次数
      // 利用charAt进行获取每一个元素 根据索引进行获取到每一个元素
      const str = 'abocjocdfogogeopp'
      const obj = {}
      for (let index = 0; index < str.length; index++) {
        var cha = str.charAt(index)
        if (obj[cha]) {
          obj[cha]++
        } else {
          obj[cha] = 1
        }
      }
      console.log(obj)
      var max = 0
      for (const key of obj) {
        if (obj[key] > max) {
          max = obj[key]
          var a = key
        }
      }
      console.log(max, a)
    },
    fun6() {
      // 排序
      var abc = [5, 3, 1, 6]
      var a = [5, 13, 1, 6]
      var b = abc.sort() // 直接引用只适用于0-9
      var c = a.sort(function (q, w) {
        // 适用于大于9的数值进行排序
        return w - q // 从大到小排序 q-w 从到大排序
      })
      console.log(b)
      console.log(c)
    },
    fun7() {
      // 冒泡排序 (从大到小,从小到大改变大小符号就好) sort方法
      var arr = [1, 12, 5, 6, 2, 7]
      console.log(arr.length)
      // for (let i = 0; i < arr.length - 1; i++) { // 外面这层for循环只起到要遍历几次的作用
      //   for (let j = 0; j < arr.length - i - 1; j++) { // 处理真正的逻辑
      //     if (arr[j] < arr[j + 1]) {
      //       var b = arr[j]
      //       arr[j] = arr[j + 1]
      //       arr[j + 1] = b
      //     }
      //   }
      // }
      for (let i = 0; i < arr.length - 1; i++) {
        // 外层只起到循环几次的作用
        for (let j = 0; j < arr.length - i - 1; j++) {
          if (arr[j] < arr[j + 1]) {
            var b = arr[j]
            arr[j] = arr[j + 1]
            arr[j + 1] = b
          }
        }
      }
      console.log(arr)
    },
    fun8() {
      // 字符串驼峰命名转换
      var foo = 'get-element-by-id'
      var a = foo.split('-')
      console.log(a)
      var b = a.map((i) => {
        return i.charAt(0).toUpperCase() + i.substr(1)
      })
      console.log(b.join('-'))
    }
  }
}
</script>

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。
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