第一章——导言(2)

一、数组

#include <stdio.h>


 int main()
{  
  int c, i, nwhite, nother;
  int ndigit[10];

  nwhite = nother = 0;
  for (i = 0; i < 10; i++)
   ndigit[i] = 0;

  while ((c = getchar())!=EOF)
  if (c >= '0' && c <= '9')
   ++ndigit[c - '0'];                                   //将输入的各个数字出现的次数存入数组中
  else if (c == ' ' || c == '\n' || c == '\t')
   ++nwhite;
  else
   ++nother;

  printf("digits = ");
  for (i = 0; i < 10; i++)
   printf("  %d", ndigit[i]);
  printf(",white space = %d,other = %d", nwhite, nother);

 
 return 0;
}

    在代码  ++ndigit[c - '0'];  中,'0'由char转化为int类型,然后令c减该数,因为‘0’,‘1’,‘2’是连续递增的值,所以这样的运算成立。


二、函数

#include <stdio.h>

int power(int m, int n);             //用于计算整数m的n次幂

int main(){
 int i;
 for (i = 0; i < 10; i++)
  printf("%3d %3d %6d\n", i, power(2, i), power(-3, i));
 return 0;
}

int power(int base, int n)
{                                         //求底数的n次幂,其中n>=0
 int i, p;
 p = 1;
 for (i = 1; i <= n; i++)
  p = p*base;
 return p;

}


三、参数——传值调用

int power(int base, int n)
{
 int p;
 for (p = 1; n > 0; --n)
  p = p*base;
 return p;
}//参数n作为临时变量随for循环递减,避免了额外引入变量


四、字符数组

#include <stdio.h>

#define MAXLINE 1000     //允许的输入行的最大长度

int getline(char line[], int maxline);
void copy(char to[], char from[]);

int main(){            //打印最长的输入行
 int len;                //当前行长度
 int max;                //目前为止发现的最长行长度
 char line[MAXLINE];     //当前的输入行
 char longest[MAXLINE];  //用于保存最长的行

 max = 0;
 while ((len = getline(line,MAXLINE))>0)
 if (len > max){
  max = len;
  copy(longest, line);
 }
 if (max > 0)               //存在这样的行
  printf("%s", longest);
 return 0;
}

int getline(char s[], int lim)    
{//将一行读入到s,并返回长度
 int c, i;
 
 for (i = 0; i < lim - 1 && (c = getchar()) != EOF&&c != '\n'; i++)
  s[i] = c;
 if (c == '\n')
  s[i++] = c; //注意这里的自增
 s[i] = '\0';
 
 return i;
}

void copy(char to[], char from[])
{//将from复制到to,这里假定to足够大
 int i = 0;
 while ((to[i] = from[i]) != '\0')
  ++i;
}

     getline()把字符‘0’(即空字符,值为0)插入到它创建的数组末尾。


五、外部变量与作用域

     1、在对外部变量赋值的函数返回后,这些变量仍将保持原来的值不变

     2、在每个需要访问外部变量的函数中,必须声明相应的外部变量,此时说明其类型。声明时可以用extern语句显式声明,也可以通过上下文隐式声明。

     3、外部变量的定义出现在使用它的函数前,就没必要使用extern声明。

     4、通常将变量和函数的extern声明放在一个单独的文件中(习惯上称之为头文件)












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