php 类->数组,PHP数组类函数

最近在阅读, 已经读到数组处理的章节了, 其中一些比较实用的实例手动实现了一下, 算是做个联系和笔记吧.

/**

* @author jixiaolong

*

*

*/

class OAArray {

function __construct() {

}

/**

*

*/

function __destruct() {

}

/**

* @author jixiaolong 2013-12-13下午05:42:02

* @todo 支持先对元素预处理的数组排序函数, 效率高于usort

* @param array $array

* @param callback $map_func 数组预处理函数

* @param callback $cmp_function 用户预定义比较函数

* @return array 排序后的数组

*/

public static function sort($array, $map_func, $cmp_function = '') {

//预处理数组(保留原有键值)

$preDealedArray = array_map ( $map_func, $array );

//排序(保留原有键值)

if ('' == $cmp_function) {

$sortRes = asort ( $preDealedArray );

} else {

$sortRes = uasort ( $preDealedArray, $cmp_function );

}

if (! $sortRes) {

$message = "排序出错";

throw new Exception ( $message, 0, null );

}

//返回排序结果

$sortedArray = array ();

while ( list ( $key ) = each ( $preDealedArray ) ) {

//预处理后value已经发生变化,所以采用原数组的value返回

$sortedArray [] = $array [$key];

}

return $sortedArray;

}

/**

* @author jixiaolong 2013-12-18下午05:45:03

* @todo 求2个数组的并集

* @param array $arr1 数组1

* @param array $arr2 数组2

* @return array

*/

public static function union(&$arr1, &$arr2) {

return array_unique ( array_merge ( $arr1, $arr2 ) );

}

/**

* @author jixiaolong 2013-12-18下午05:55:25

* @todo 判断两个数组是否相等 (不考虑key)

* @return boolean

*/

public static function equal(&$arr1 , &$arr2){

$map1 = array();

//创建arr1的关系数组

foreach ($arr1 as $val1){

$map1[$val1]++;

}

//创建arr2的关系数组

$map2 = array();

foreach ($arr2 as $val2){

$map2[$val2]++;

}

//检测差异元素的数目是否相等

$len1 = count($map1);

$len2 = count($map2);

if ($len1 != $len2){

return false;

}

foreach ($map1 as $val1=>$times1){

//检测有无该元素

if (!array_key_exists($val1, $map2)){

return false;

}

//检测元素出现次数是否相等

if ($times1 != $map2[$val1]){

return false;

}

}

return true;

}

}

一并附上simple test的测试用例

require_once '../../../fmis_test.inc.php';

require_once(SIMPLE_TEST_PATH.'autorun.php');

require_once(SIMPLE_TEST_PATH.'unit_tester.php');

require_once WEB_PATH.'include/util/OAArray.cls.php';

/**

* @author jixiaolong

*

*

*/

class TestOAArray extends UnitTestCase {

/**

*

* @param string $label Name of test case. Will use

the class name if none specified.

* @access public

*/

public function __construct($label = false) {

parent::__construct ( $label = false );

}

/**

*

*/

function __destruct() {

}

public function testUnion(){

$arr1 = array('11','ss','cc');

$arr2 = array('s','cc','1','s');

$arr3 = array('11','ss','cc','s','1');

$res = OAArray::union($arr1, $arr2);

$res = OAArray::equal($res, $arr3);

$this->assertTrue($res);

}

public function testEqual(){

$arr1 = array('11','ss','cc');

$arr2 = array('s','cc','1','s');

$arr3 = array('11','ss','cc','s','1');

$arr4 = array('ss','cc','11');

$arr5 = array('s',1,'cc','s');

$arr6 = array('s','cc','1');

$arr7 = array('s','cc',1);

$res1 = OAArray::equal($arr1, $arr2);

$res2 = OAArray::equal($arr1, $arr4);

$res3 = OAArray::equal($arr2, $arr5);

$res4 = OAArray::equal($arr2, $arr6);

$res5 = OAArray::equal($arr6, $arr7);

$this->assertFalse($res1);

$this->assertTrue($res2);

$this->assertTrue($res3);

$this->assertFalse($res4);

$this->assertTrue($res5);

}

}

?>

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