Kotlin笔记二,Kotlin基本类型

在 Kotlin 中,所有东西都是对象,在这个意义上讲我们可以在任何变量上调用成员函数与属性。
Kotlin 中使用的基本类型:数字、字符、布尔值、数组与字符串。

数字

整数
	类型 	大小(比特数)	 	
	Byte 	8 					
	Short 	16 					
	Int 	32 					
	Long 	64 					

所有以未超出 Int 最大值的整型值初始化的变量都会推断为 Int 类型。
如果初始值超过了其最大值,那么推断为 Long 类型。

浮点数
	Kotlin 提供了 Float 与 Double 类型
	类型 	大小(比特数)	 					
	Float 	32 	
	Double 	64

对于以小数初始化的变量,编译器会推断为 Double 类型。
如需将一个值显式指定为 Float 类型,添加 f 或 F 后缀

数值常量字面值有以下几种:
	十进制: 123
	十六进制: 0x0F
	二进制: 0b00001011
	Long 类型用大写 L 标记: 123L
	不支持八进制写法

在Java平台数字是物理存储为 JVM 的原生类型,除非我们需要一个可空的引用(如 Int?)或泛型。 后者情况下会把数字装箱。

== 和 === 区别

==比较数值 ===比较地址值

		val a : Int = 9999
        val b : Int? = a
        val c : Int? = a
        println(b == c)//true
        println(b === c)//false
		a是数值, b、c是对象

		val a : Int = 9999
        val b : Int = a
        val c : Int = a
        println(b == c)//true
        println(b === c)//true
		a, b, c都是数值
		
		val a : Int? = 9999
        val b : Int? = a
        val c : Int? = a
        println(b == c)//true
        println(b === c)//true
		a, b, c都是同一个对象
		
		val a : Int = 9999  这样的定义代表a是一个数值,不是对象。
		val a : Int? = 9999 这样的定义代表a是一个对象,对数字进行了装箱。
显示转换

每个数字类型支持如下的转换:

	toByte(): Byte
	toShort(): Short
	toInt(): Int
	toLong(): Long
	toFloat(): Float
	toDouble(): Double
	toChar(): Char
运算

完整的位运算列表(只用于 Int 与 Long):

shl(bits) – 有符号左移
shr(bits) – 有符号右移
ushr(bits) – 无符号右移
and(bits) – 位与
or(bits) – 位或
xor(bits) – 位异或
inv() – 位非

字符

字符用 Char 类型表示。它们不能直接当作数字

		 var char  = 'a'

布尔值

	布尔用 Boolean 类型表示,它有两个值:true 与 false。
	若需要可空引用布尔会被装箱。
	 var flag :Boolean? = false 
	内置的布尔运算有:
		|| – 短路逻辑或
		&& – 短路逻辑与
		!  - 逻辑非

数组

数组在 Kotlin 中使用 Array 类来表示,它定义了get与set函数(按照运算符重载约定这会转变为[])以及 size 属性。
可以使用库函数 arrayOf() 来创建一个数组并传递元素值给它,这样 arrayOf(1, 2, 3) 创建了 array [1, 2, 3]。
或者,库函数 arrayOfNulls() 可以用于创建一个指定大小的、所有元素都为空的数组。

	val names = arrayOfNulls<String>(5)
    names.set(0,"杨过")
    names.set(1,"小龙女")
    names.set(2,"郭靖")
    names.set(3,"郭芙")
    names.set(4,"黄蓉")
	
	names[1] = "天外飞仙"
    names.forEach {
        println(it)
    }

字符串

字符串用 String 类型表示。字符串是不可变的。字符串的元素——字符可以使用索引运算符访问: s[i]。
可以用 for 循环迭代字符串:

    var str = "baotazhenheyao"
    for (a in str){
        println(a)
    }

字符串字面值可以包含模板表达式 ,即一些小段代码,会求值并把结果合并到字符串中。
模板表达式以美元符($)开头,由一个简单的名字构成:

	val age = 100
    println("age = $age") // 输出“age = 100”
	
	var name = "欧阳锋"
    println("$name.length 为 ${name.length}") //输出 欧阳锋.length 为 3

字面上可以写明具体的类型。这个不是必须写明的。
我们可以让编译器自己去推断出具体的类型。

val a = 100 //  Int
val b = 0x0f // 一个十六进制的Int类型
val c = 31L // Long
val d = 3.5 //  Double
val f = 3.8F // Float
val g = false //Boolean
【6层】一字型框架办公楼(含建筑结构图、计算书) 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。
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。
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。
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