for循环及其变体

for(表达式1;表达式2;表达式3)

{

       表达式4

}

一执行顺序:

第一次:表达式1,表达式2,表达式4,表达式3

以后为:表达式2,表达式4,表达式3

二变体(注意自己写代码时要按正规方式写,这里变体只是了解:)

1.根据执行顺序可以变为

for(表达式1;表达式2;)

     表达式4

     表达式3

}

2.根据执行顺序可以变为

for(表达式1;;)

{

   if(表达式2){

   表达式4

   表达式3

}

else 

   break;

}

3可以放在一行

for(表达式1;表达式2;表达式3,表达式4);//即:如果表达式4逻辑比较少时可以放在表达式3中,和其一起运算,注意是用逗号隔开的。

4.for(int i=1,j=1,w=2;i<10;i++,j++,w++)  //表达式一可以是多个相同类型的变量,表达式2只能是一个判断语句,表达式3可以是个表达式

{

}

public class A {

	public static void main(String[] args) {
		for(int i=1;i<=10;i++,System.out.println(i));
	}
}

输出:

2
3
4
5
6
7
8
9
10
11

 

package day3_1;

//打印0-9之间所有奇数
public class A {

	public static void main(String[] args) {
		for(int i=1;i<=10;i++)
		{
			System.out.print(i+" ");
		}
		System.out.println("");
		
		
		for(int j=1;j<=10;)
		{
			System.out.print(j+" ");
			j++;
		}
		System.out.println("");
		
		
		for(int k=1;;)
		{
			if(k<=10) {
			System.out.print(k+" ");
			k++;
			}
			else
				break;
		}
		System.out.println("");
		
		for(int w=1;w<=10;w++,System.out.print(w+" "));
		System.out.println("");
		
		for(int r=1;r<=10;System.out.print(r+" "),r++);
		System.out.println("");
	}

}

输出:
1 2 3 4 5 6 7 8 9 10 
1 2 3 4 5 6 7 8 9 10 
1 2 3 4 5 6 7 8 9 10 
2 3 4 5 6 7 8 9 10 11 
1 2 3 4 5 6 7 8 9 10 
 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
LSTM是一种循环神经网络(RNN)的变体,广泛应用于序列数据处理任务中。根据引用中提供的信息,以下是几种常见的LSTM及其变体的性能对比: 1. BasicLSTMCell:这是最基本的LSTM单元,由标准的LSTM结构组成。它具有较低的计算复杂度和内存消耗,适用于大多数任务。 2. static_rnn:这是一个静态循环网络,它使用BasicLSTMCell构建。静态循环网络适用于序列长度固定的情况,但对于变长序列需要进行填充处理。 3. dynamic_rnn:这是一个动态循环网络,也使用BasicLSTMCell构建。相比静态循环网络,动态循环网络能够处理变长序列,不需要进行填充处理。 4. LSTMBlockCell和LSTMBlockFusedCell:这两个变体是为了提高性能而设计的。LSTMBlockCell使用基于计算图的操作,而LSTMBlockFusedCell使用基于计算图的操作和GPU加速。它们在计算速度和内存效率方面相对较高,适用于大规模数据集和复杂任务。 5. contrib.cudnn_rnn:这是TensorFlow的一个贡献库,提供了与NVIDIA的cuDNN库集成的高性能LSTM实现。该实现能够利用GPU进行加速,适用于需要大规模并行计算的任务。 根据引用中提供的信息,理解LSTM的基本结构对于理解其变体的结构是非常重要的。一旦掌握了基本结构,理解和应用不同的变体就会相对容易。 另外,引用提到了双向LSTM,它由一个正向的LSTM和一个逆序的LSTM组成。双向LSTM能够同时利用过去时刻和未来时刻的信息,因此在预测任务上通常比单向LSTM更准确。 综上所述,现有的LSTM及其变体在性能方面有所区别。选择适合特定任务和数据集的LSTM变体需要考虑计算资源、数据特征和性能要求等因素。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [TensorFlow 学习笔记 - 几种 LSTM 对比](https://blog.csdn.net/myonelotus/article/details/80199373)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [长短期记忆网络(Long Short-Term Memory,LSTM)及其变体双向LSTM和GRU](https://blog.csdn.net/weixin_42111770/article/details/80900575)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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