Java 迷途 Day04

方法:

1、 方法的概念:(函数/过程)

封装了一段特定的业务逻辑功能。

尽可能的独立,一个方法只干一件事

方法可以被反复的重复调用;

减少代码的重复。有利于代码的维护,减少团队开发的成本。

*提高开发的效率。

2、方法的语法规范

修饰词,返回值类型 方法名(参数类型 参数名1,参数类型 参数名2,……){

方法体;(业务逻辑功能的具体实现)

*return返回值;

}
如果无返回值类型,就没有return返回值;
3、解释:
修饰词:public static
返回值类型:用于限定返回值的数据类型
方法名:方便调用方法的名字
参数类型: 限定调用方法时候,传入数据的类型
参数名:接收调用方法的时候,传入数据的变量
方法体:业务逻辑功能的具体实现
return:结束方法,把返回值传给调用者;
4、方法的调用:
1、单独的调用,没有意义
2、输出调用,有意义,不够好,
3、赋值调用,推荐方式

5、方法的分类:

1、有参数有返回值类型

       无返回值 类型

2、无参数无返回值 类型

       有返回值 类型

6、实现的代码:

package cn.tedu.day04;

public class MethodDemo {  
public static void main(String[] args) {
	int x = 5;
	int y = 8;
	
	double z= 4844.56;
	double l= 23.65235414;
	
	sum(x,y);
	//System.out.println(sum);
	
	double dsum = dsum(z,l);
	System.out.println(dsum);

        printName("name");
	
	System.out.println(getNumber());
	
	a();
	int[]arr={1,4,5,6,3,2};
	printName1(arr);
	for (int i = 0; i < arr.length; i++) {
		System.out.println(arr[i]);
		
	}

}

//求和方法提取出来
/**
 * 有参数有返回值
 * 注意:
 * 1、返回值的类型  int
 * 2、参数列表:int x,int y;
 */
//public static int sum(int x,int y){
	//return x+y;
	
//}

public static void sum(int x,int y){
	System.out.println(x+y);
	
}


/**
*
* double类型的求和
* 返回值类型;double
* 参数列表:double x,double y
*/
public static double dsum(double x,double y){
return x+y;
}

/**
 * 有参数无返回值类型
 * 返回值类型:void
 * 参数列表:有参数
 */
public static void printName(String name){
	System.out.println("大家好,我叫啊哈哈"+name);
}

/**
 * 无参数有返回值类型
 * 	返回值类型:double
 * 	参数列表:无参数
 */
public static double getNumber(){
	
	return 3.14;
	//return语句后不可写任何语句
	//return;   编译错误,必须要返回一个值
	//return "123.45";  编译错误,返回值类型必须一致;
}

/**
 * 无参数无返回值类型
 * 返回值类型:void
 * 参数列表:无参数
 * 
 */
public static void a(){
	System.out.println("我们我们我们我们我们我们我们");
}

/**
 * 数组作为参数,打印出数组的每一个元素
 * 有参数有返回值的
 * 有参数无返回值的
 * 
 */
//public static int 

public static int[] printName1(int []arr){
	int[] arr1=arr;
		
	for (int i = 0; i < arr1.length; i++) {
		arr[i]+=3;
		
	}
	
	return arr1;
	
}

如果参数的类型是引用数据类型,形式参数的改变会影响实际参数的改变

引用数据类型传参

int[]arr={1,4,5,6,3,2};
printName1(arr);
for (int i = 0; i < arr.length; i++) {
System.out.println(arr[i]);

}
public static int[] printName1(int []arr){
	int[] arr1=arr;
		
	for (int i = 0; i < arr1.length; i++) {
		arr[i]+=3;
		
	}
	
	return arr1;
	
}
基本数据类型的传参代码

package cn.tedu.day04;
/*方法:

  • 如果方法的参数是基本数据类型
  • 形式参数的改变不会影响实际参数的改变
  • */

public class MethodDemo02 {

public static void main(String[] args) {


int x=5;
int y =6;
System.out.println(x+","+y);
add(x,y);
System.out.println(x+","+y);

}

public static void add(int x,int y){
System.out.println(x+","+y);
x=y;
y=x+y;
System.out.println(x+","+y);
}

}

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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