实验六

part2

#include <iostream>
#include <fstream>
#include <string>
using namespace std;

int main(){
    string a;
    ofstream file("3.txt",ios_base::app);
    file<<"merge successfully."<<endl;
    file.close();
    return 0;
}
part2

 

part3.1

//这个头文件里包含了可用工具函数的声明

#include <string>
using std::string;

// 函数声明
// 返回当前系统时间,格式诸如20190611
string getCurrentDate();
utils.h
#include "utils.h"
#include <ctime>
using std::string;

const int SIZE = 20;

// 函数功能描述:返回当前系统日期
// 参数描述:无参数
// 返回值描述:以string类型返回系统当前日期,格式诸如20190611
string getCurrentDate() {
    
    time_t now = time(0); // 获取当前系统日历时间
    
    struct tm *local_time = localtime(&now); // 把系统日历时间转换为当地时间
    
    char date[SIZE];
    
    strftime(date, SIZE, "%Y%m%d", local_time);
    
    return (string(date));
}
utils.cpp
#include <iostream>
#include <fstream>
#include <string>
#include <cstdlib>
#include <ctime>
#include <sstream>
#include "utils.h"
using namespace std;

void sj(int x,int n,int c[]){
    int a=n,b;
    srand(int(time(NULL)));
    for(n;n>0;n--){
        c[n-1]=rand()%x;
        for(b=a;b>n;b--){
            if(c[b-1]==c[n-1]){
                n++;
                break;
            }
        }
    }
}

int main(){
    ifstream fin;
    ofstream fout;
    string filename0,line0;
    int c[1000];
    string a[1000];
    int num,n,max=0,b=0;
    cout << "输入名单列表文件名:";
    cin >> filename0;
    ifstream file;
    file.open(filename0);
    while(getline(file,a[b++])){
        max++;
    }
    cout << "输入随机抽点人数:";
    cin >> num;
    cout<<"随机抽点中..."<<endl;
    
    string filename;
    filename=getCurrentDate();
    ofstream file0;
    file0.open(filename);
    sj(max,n,c);
    for(n;n>0;n--){
        cout<<a[c[n-1]]<<endl;
        file0<<a[c[n-1]]<<endl;
    }
    system("pause");
    return 0;
}
main.cpp

 

part3.2

#include <iostream>
#include <fstream>
#include <cstring>
#include <cstdlib>
using namespace std;

int main(){
    string txtname,line0;
    char a[1000];
    cout<<"输入要统计的英文文本文件名:";
    cin>>txtname;
    ifstream fin;
    int n=0,x=1,y=1;
    char c;
    fin.open(txtname);
    if(!fin.is_open()){
        cerr<<"fail to open file "<<txtname<<endl;
        exit(0);
    }
    while(fin.get(c)){
        if(c!='\n'){
            n++;
            if(c==' ')
            y++;
        }
        else
        {y++;
         x++;
        }
    }
    cout<<"字符数:"<<n<<endl;
    cout<<"单词数:"<<y<<endl;
    cout<<"行数:"<<x<<endl;
    return 0;
} 
View Code

 

实验总结:

随机抽取的实验看了同学的代码才能写完,对于文件的输入输出流还是没有完全理解,做起来比较困难。

转载于:https://www.cnblogs.com/mzy-1229/p/11031672.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