Java综合基础

  基础知识部分

1.1 Java基本数据类型

Byte:1字节,8位,取值范围:-128到127

Short:2字节,16位,取值范围:-32768到32767

Int:4字节,32位,取值范围:-2^31到2^31-1

Long:8字节,64位,取值范围:-2^63到2^63

Float:单精度,32位

Double:双精度,64位

Char:16位Unicode字符,取值范围:0到65535

Boolean:只有两个取值:true,false

 

(实际上还存在一种基本类型void,不过我们无法对它进行操作)

Java两大数据类型:内置数据类型,【四型(整数型,浮点型,字符型,布尔型)八种】,引用数据类型【对象,数组】

1.2重载(Overload)和重写(Override)的区别:

方法的重载和重写都是实现多态的方式,区别在于

1.重载实现的是编译时的多态性,重写实现的是运行时的多态性;

2.重载发生在同一个类中,同名的方法具有不同的参数列表即为重载,对返回类型没有特殊要求。重写发生在子类和父类之间,子类重写的方法要与父类方法有相同的返回类型,子类重写的方法不能比父类方法声明更多的异常。

2.集合

1. HashMap和HashTable的区别

HashMap线程不安全的,没有同步的话,不可以多线程共享,单线程环境下性能较高,迭代器是fail_fast的,可有null值

HashTable线程安全的,可以多线程共享,迭代器不是fail_fast的,会抛出异常,过时产品,ConcurrentHashMap作为替代品,不可有null值

3.JVM

JVM=类加载器+执行引擎+运行时数据区域

4.内存

堆:存放通过new关键字和构造器创建的对象

栈:存放基本数据类型变量,对象的引用,函数的调用现场

静态区:存放常量

String str = new String("hello");

上面的语句中变量str放在栈上,用new创建出来的字符串对象放在堆上,而”hello”这个字面量放在静态区




 

  框架部分

RESTful风格

RepresentationalState Transfer,一种软件设计风格,一组架构约束条件和原则

特点:核心是资源,一个URI代表一个资源,客户端通过Post(create),delete(delete),put(update),get(read)四个HTTP动作对资源进行操作

优点:使软件更简洁,更有层次,更易于实现缓存机制。

SpringMVC

Spring

核心:IOC、AOP

IOC:inversion of control,反转控制,由spring控制对象的生命周期和对象间的关系

应用到的设计模式:工厂模式

 

AOP:


MyBatis

核心配置文件:

作用:配置数据库地址,用户名,密码等相关信息

加载映射文件mapper

 

运行步骤

1.      通过mybatis_config.xml文件中配置的信息,创建SqlSessionFactoryBuilder

2.      通过SqlSessionFactoryBuilder获取SqlSessionFactory

3.      sqlSessionFactory.openSession();获取sqlsession

4.      sqlSession执行映射文件中配置好的sql语句

 

 

SSM整合

1.      spring_mvc配置文件

2.      web.xml配置文件

3.      spring_mybatis.xml,整合spring和mybatis的配置文件

4.      jdbc.properties和log4j.properties文件

 

 

  SQL部分

  版本控制工具部分

GIT

1.git fetch 和git pull 的区别:git fetch只会将本地库关联的远程库的commitid更新到最新,git pull会将本地库更新到远程库的最新状态

从结果上看,git pull = git fetch +merge

SVN

 

  IDE工具部分


1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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