软件工程⑬

说说你了解过。使用过什么编程语言?比较小他们的优势。

说说你了解过,使用过什么编程工具?

1.C语言

C语言是一门系统编程语言,它是面向过程的,和操作系统息息相关。

优势:跨平台性好。语言简洁紧凑、灵活方便、运行效率高。很老但很可靠。应用方面比如有git,nginx等。

2.C++

C++是一种面向对象的编程语言,具有高效、灵活等优点。

优势:支持面向对象编程、支持泛型编程、支持多重继承等。C++在游戏开发、操作系统开发等领域应用广泛。

3.JAVA语言

java是一种面向对象的通用编程语言,可以在任何平台上创建程序和应用。能够直接反映现实生活中的对象,例如车、动物等,因此通过它编写程序更容易。

优势: 在众多编程语言中,java长期占据TIOBE编程语言排名的前面位置。是最强、最有效的编程语言之一,且在众多领域广泛应用。稳定性高。简单安全、维护成本低。是高级语言、可读性高。且内存可自动回收

4.Python

Python是代表简单主义思想的编程语言,最大的优势是伪代码的本质,开发时以解决问题为主,而不是理解语言本身。

优势:简单易学,能够把用其他语言制作的各种模块很轻松地联结在一起;

5.SQL语言:

在使用SQL查询时,用户可以快速有效地从数据库中检索大量记录,而且它不需要大量的代码来管理数据库系统。SQL可用于笔记本电脑,PC,服务器甚至某些手机。

优势:开发速度快,安全性好;

使用过的编程工具:

Microsoft Visual C++

Microsoft Visual Studio

Eclipse

Dev-C++

Microsoft SQL Server

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
11. 相比 LeNet,AlexNet 使用了以下新的组件: - 更深的网络结构:AlexNet 比 LeNet 更深,包含 8 层神经网络,其中有 5 层卷积层和 3 层全连接层。 - 非线性激活函数 ReLU:在 AlexNet 中,使用 ReLU 作为激活函数,取代了 LeNet 中使用的 sigmoid 函数。 - Dropout:AlexNet 在全连接层之间加入了 Dropout 层,以减少模型过拟合的风险。 - 数据增强:在训练过程中,AlexNet 随机对输入图像进行裁剪、水平翻转等操作,以增强数据集的多样性。 12. 以下是 AlexNet 的网络结构定义: ```python import torch.nn as nn class AlexNet(nn.Module): def __init__(self): super(AlexNet, self).__init__() self.conv1 = nn.Conv2d(3, 96, 11, stride=4, padding=2) self.pool1 = nn.MaxPool2d(3, stride=2) self.conv2 = nn.Conv2d(96, 256, 5, stride=1, padding=2) self.pool2 = nn.MaxPool2d(3, stride=2) self.conv3 = nn.Conv2d(256, 384, 3, stride=1, padding=1) self.conv4 = nn.Conv2d(384, 384, 3, stride=1, padding=1) self.conv5 = nn.Conv2d(384, 256, 3, stride=1, padding=1) self.pool3 = nn.MaxPool2d(3, stride=2) self.fc1 = nn.Linear(6*6*256, 4096) self.fc2 = nn.Linear(4096, 4096) self.fc3 = nn.Linear(4096, 10) self.dropout = nn.Dropout(p=0.5) self.relu = nn.ReLU() def forward(self, x): x = self.pool1(self.relu(self.conv1(x))) x = self.pool2(self.relu(self.conv2(x))) x = self.relu(self.conv3(x)) x = self.relu(self.conv4(x)) x = self.pool3(self.relu(self.conv5(x))) x = x.view(-1, 6*6*256) x = self.dropout(self.relu(self.fc1(x))) x = self.dropout(self.relu(self.fc2(x))) x = self.fc3(x) return x ``` 13. 在同样的数据集、batch size 和 learning rate 等超参数设置下,AlexNet 的训练效果要比 LeNet 更好。这是因为 AlexNet 拥有更深的网络结构、更多的参数和更强的非线性表达能力,能够更好地捕获数据中的特征和模式。同时,AlexNet 在训练过程中使用了数据增强和 Dropout 等技术,能够有效地减少模型的过拟合风险。因此,在训练相同次数的情况下,AlexNet 的训练误差更低,测试精度更高。
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