java基础知识归纳

1.保留2位小数:

  1. DecimalFormat df=new DecimalFormat("0.00");  
  2. Double x = 83.3333333333;  
  3. x=Double.parseDouble(df.format(x));   

2.日期(获取当前时间):   

  1. 1.  
  2. SimpleDateFormat dateFormat = new SimpleDateFormat("yyyy-MM-dd" + " " + "hh:mm:ss");  
  3. String datetime = dateFormat.format(java.util.Calendar.getInstance().getTime()); //推荐使用这种方法获取当前时间,不推荐使用new Date()  );  
  4.   
  5. 2.  
  6. Calendar now=Calendar.getInstance();  
  7. String time=now.get(Calendar.YEAR)+"-"+(now.get(Calendar.MONTH)+1)+"-"+now.get(Calendar.DAY_OF_MONTH)+" "+now.get(Calendar.HOUR_OF_DAY)+":"+now.get(Calendar.MINUTE)+":"+now.get(Calendar.SECOND);  
  8.    
  9.   
  10. 3.Date curDate= new Date(System.currentTimeMillis());  

  1. SimpleDateFormat format = new  SimpleDateFormat( "yyyy-MM-dd HH:mm:ss" ); //24小时制   
  2. SimpleDateFormat format = new SimpleDateFormat("yyyy-MM-dd hh:mm:ss");//12小时制   

c.计算一年中的第几星期 

(1)计算某一天是一年中的第几星期

Java代码   收藏代码
  1. Calendar cal=Calendar.getInstance();  
  2. cal.set(Calendar.YEAR, 2006);  
  3. cal.set(Calendar.MONTH,1);  
  4. cal.set(Calendar.DAY_OF_MONTH, 3);  
  5. int weekno=cal.get(Calendar.WEEK_OF_YEAR);  

 

(2)计算一年中的第几星期是几号

Java代码   收藏代码
  1. SimpleDateFormat df=new SimpleDateFormat("yyyy-MM-dd");  
  2. Calendar cal=Calendar.getInstance();  
  3. cal.set(Calendar.YEAR, 2006);  
  4. cal.set(Calendar.WEEK_OF_YEAR, 1);  
  5. cal.set(Calendar.DAY_OF_WEEK, Calendar.MONDAY);  
  6. System.out.println(df.format(cal.getTime()));  
  7. 输出:  
  8. 2006-01-02   

 1天内(注意为add ):

Java代码   收藏代码
  1. Calendar c=Calendar.getInstance();            
  2. c.add(Calendar.DAY_OF_MONTH, -1);  //得到前一天的时间  
  3. startDateStr=sf.format(c.getTime());  
  4.   
  5. endDateStr=sf.format(java.util.Calendar.getInstance().getTime()); 推荐使用这种方法获取当前时间,不推荐使用new Date()  

  3天内:

Java代码   收藏代码
  1. Calendar c=Calendar.getInstance();            
  2. c.add(Calendar.DAY_OF_MONTH, -3);  //得到前3天的时间  
  3. startDateStr=sf.format(c.getTime());  

  近1月:

Java代码   收藏代码
  1. Calendar c=Calendar.getInstance();  
  2. c.add(Calendar.MONTH, -1);  
  3. startDateStr=sf.format(c.getTime());          


  1.  /**是否闰年   
  2.   */    
  3. public boolean isLeapYear(int year) {  
  4.     return (year % 4 == 0 && year % 100 != 0) || (year % 400 == 0);     } 

3.数组转为list

Java代码   收藏代码
  1. List stooges = Arrays.asList("Larry""Moe""Curly");    

  此时stooges中有有三个元素。注意:此时的list不能进行add操作,否则会报 “java.lang.UnsupportedOperationException”,Arrays.asList()返回的是List,而且是一个定长的List,所以不能转换为ArrayList,只能转换为AbstractList
 原因在于asList()方法返回的是某个数组的列表形式,返回的列表只是数组的另一个视图,而数组本身并没有消失,对列表的任何操作最终都反映在数组上. 所以不支持remove,add方法的



4、 Java 内存模型

2.1 Java 内存模型的基本原理

Java 内存模型,由于 Java 被设计为跨平台的语言,在内存管理上,显然也要有一个统一的 模型。系统存在一个主内存 (Main Memory) , Java 中所有变量都储存在主存中,对于所有线程都是共享的每条线程都有自己的工作内存 (Working Memory) ,工作内存中保存的是主存中某些变量的拷贝,线程对所有变量的操作都是在工作内存中进行,线程之间无法相互直接访问,变量传递均需要通过主存完成。

因为当线程处于不同的cpu中时,它各自的变量保存在各自cpu的寄存器或者高速缓存中,这样回事的变量对于其它线程暂时不可见。

 

2.2 Volatile 的内存工作原理

Volatile 是保证多个线程之间变量可见性的,也就是说一个线程对变量进行了写操作,另外一个线程能够获取它最新的值。

它的工作原理是,它对写和读都是直接操作工作主存的。(这个可以通过操作字节码看到)

 

2.3 Synchronized 的内存操作模型 :

Synchronized, 有两层语义,一个是互斥,一个是可见性。在可见性上面,它的工作原理有点不同:当线程进入同步块时,会从主存里面获取最新值,然后当线程离开同步块时,再把变量的值更新到主存。




5.删除一个文件夹内的所有文件和文件夹

 

Java代码   收藏代码
  1. File file = new File(imgPath);  
  2. if (!file.exists()) return;  
  3. deleteDirectory(file);  
  4.   
  5.   
  6. public void deleteDirectory(File path) {  
  7.             if( path.exists() ) {  
  8.                   File[] files = path.listFiles();  
  9.                   for(int i=0; i<files.length; i++) {  
  10.                          if(files[i].isDirectory()) {  
  11.                            deleteDirectory(files[i]);  
  12.                          }  
  13.                          else {  
  14.                            files[i].delete();  
  15.                          }  
  16.                   }  
  17.             }  
  18.       }  

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