java 点允许没有反应 程序有main_Java学习——2、基本程序结构

c61faf9d3c69538fd007f57a3eefc091.png

自从1996年Java第一次被发布就引起了人们极大的关注。

它具有令人赏心悦目的语法,易于理解的语义,高质量的执行环境,功能庞大的库……

今天,我以一个最简单的欢迎程序来简单解释Java的基本的程序设计结构。

1.一个简单的Java应用程序

publicclass welcome {

publicstaticvoid main(String args[]){

System.out.println("hello java!");

}

}

本程序作为Java入门的第一个程序虽然简单,但几乎所有的Java应用程序都具有这种结构。

2、Java严格区分大小写。

Java对大小写是非常敏感的,也就是说,在以上代码中,如果你将class不小心写成了Class,或者cLass,那都是会出错的。

3、publicclass welcome {}

此行代码表示定义了 一个类welcome

public关键字是访问修饰符,用地控制程序的其他部分对这段代码的访问级别。public即公共,也即允许访问的意思。

class关键字表明声明了一个类。Java里所有的变量、方法等都是在类里面的。

注意在Java中关键字是不允许修改的。

welcome为类名,此名由用户自定义,你可以任意将其修改为你想修改的合法的标识符。

注:关键字、标识符中间均有空格。

{}大括号中即为类的具体定义。Java中任何方法的代码都用“{”开始,“}”结束。

4、publicstaticvoid main(String args[]){ }

此行代码为定义一个方法,并且为main方法。Java应用程序的入口。每个Java程序都要有一个main方法。

public同上,只是此为控制对本方法的访问级别。

static 为静态方法。

Void表示方法没有返回值。

Main表示主函数。

()中的参数不可省。

5、System.out.println("hello java!")

此行代码为方法体,表示输出一串字符串。

6、执行结果

编译后执行结果如下:

e86a5d89e92ac081069614663dc8b78f.png

7、可修改代码使程序输出任何想输出的字符串

只需要修改代码System.out.println("hellojava!")双引号之间的字符串即可。

例:我将之修改为:System.out.println("Today isSaturday!"),其运行结果如下图。

a2a28824d2dee4287d3782639abd3b59.png

本图用集成化开发环境MyEclipse实现。

也可输出多行字符串。

97f84e3f15a3e12fc698085dd73cf0d8.png

8、集成化开发环境

如C语言可用VC++6.0来编译运行,Java也有其自身集成化开发环境。如eclipse等,均可在其官网直接下载,免费安装。Eclipse很多都不用安装,直接解压缩即可使用。

我用的是Myeclipse8。

集成化开发环境好处很多,例如:不用再去cd路径,不用再javac编译,不用再java运行。

对我而言,最大的好处是不用去找我的java文件存在哪里了。

只需新建工程时设置好路径,所有的源文件,它都会自动放在名为src的文件夹中。

本文转载至微信公众号——Java学习,从零开始,如有侵权请联系立删!
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