c语言的字符串

1、 字符串

 
1. 什么是字符串
● 简单的字符串itcast
● 一个i是一个字符
● 很多个字符组合在一起就是字符串了
2. 字符串的初始化
● char a[] = 123;   char a [] = {1,2,3};的区别,可以比较大小
● 123其实是由123\0组成
● 123存储分布
● 字符串的输出%s\0是不会输出的
3. \0的作用
● 输出char a[] = {o,k};
● char a[]前面搞个mj
● 输出mj
● 再输出a
● char a[] = {i,t,\0,c};
4. 常用字符串处理函数
● strlen(注意中文)
2. 习题

编写一个函数char_contains(char str[],char c),如果字符串str中包含字符c则返回数值1,否则返回数值0

 

 1 #include <string.h>
 2 #include <stdio.h>
 3 
 4 // 可读性 -> 性能 -> 精简(重构)
 5 
 6 int char_contains(char str[], char c);
 7 
 8 int main()
 9 {
10     char name[] = "itcast";
11     
12     int result = char_contains(name, 'c');
13     
14     printf("%d\n", result);
15     return 0;
16 }
17 
18 // "itc"  '7'
19 int char_contains(char str[], char c)
20 {
21     int i = -1;
22 
23     // 1.遍历整个字符串
24     while ( str[++i] != c && str[i] != '\0' ) ;
25     
26     //return str[i] == '\0' ? 0 : 1;
27     return str[i] != '\0';
28 }

 

 字符串数组

1.使用场合

一维字符数组中存放一个字符串,比如一个名字char name[20] = "mj"

如果要存储多个字符串,比如一个班所有学生的名字,则需要二维字符数组,char names[15][20]可以存放15个学生的姓名(假设姓名不超过20字符)

如果要存储两个班的学生姓名,那么可以用三维字符数组char names[2][15][20]

2.初始化

char names[2][10] = { {'J','a','y','\0'}, {'J','i','m','\0'} };  

char names2[2][10] = { {"Jay"}, {"Jim"} };  

char names3[2][10] = { "Jay""Jim" };

 

 1 #include <stdio.h>
 2 int main()
 3 {
 4     char name[] = "jack";
 5     
 6     char name1[] = "rose";
 7     
 8     char name2[] = "jim";
 9     
10     char name3[] = "jake";
11     
12     char names[2][10]= {"jack", "rose"};
13     
14     printf("%s\n", names[0]);
15     
16     printf("%c\n", names[0][3]);
17     
18     char names2[2][10] =
19     {
20         {'j', 'a', 'c', 'k', '\0'},
21         {'r', 'o', 's', 't', '\0'}
22     };
23     
24     
25     return 0;
26 }

 

 

 

 

转载于:https://www.cnblogs.com/zhangxiaomeng1991/p/4153016.html

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