C#初级学习-数组

  • 命名空间:System
  • 数组声明:<数据类型>[] <数组名>=new <数据类型>[维数]
string[] students = new string[6] { "张三", "李四", "王五", "赵六", "孙七", "周八" };
  • 多维数组与交错数组

      1.多维数组在声明时必须指定数组的长度,其格式为:type[length,length,length.....],或直接在声明时赋值,由系统自动判断其长度。

 int [,] a=new int [3,3];
 int [,] b={
            {1,2,3},{4,5,6},{7,8,9},
           }

       交错数组在声明时,至少要指定第一维数组的长度,格式为:type[][][][][].....,同样也可以直接在声明时赋值,有系统判断其长度。
 

int [][] c=new int[5][];       
int [][] d={                        
            new int [] {1,2,3,4,5},                         
            new int [] {1,2,3},                        
            new int [] {1,2,3,4,5,6},                       
            }

2.在为多维数组赋值时,其长度必须前后保持一致,且赋值长度必须与所声明的长度保持一致(与C语言不同,必须全赋值,而在C语言中,系统会自动为没有赋值的位置赋0)

 int [,]=new int[2,3]{
                     {1},//错误
                     {2,2,2},
                     }

 

  • 数组、ArrayList、List、Dictionary

数组   命名空间:System

          在初始化时必须指定其大小和类型,在内存中是连续存储,通过其数值类型与索引值很容易可以找到数组值。

          缺点:在声明时必须指定数组长度,若数组长度过长,会造成内存浪费,若过短,容易造成溢出,且插入不便。          

ArrayList    命名空间:System.Collections

        ArrayList对象的大小是按照其中存储的数据来动态扩充和收缩的,因此在初始化的时候不需要指定其大小和类型,其默认初始容量为0,可以存储不同的数据类型,但是在存取过程中会引起装箱和拆箱,容易引起类型不匹配的错误,因此ArrayList是不安全的。

        ArrayList继承了IList接口,提供数据存储与检索。

using System;
using System.Collections;
public class SamplesArrayList  {

   public static void Main()  {

      ArrayList myAL = new ArrayList();
      myAL.Add("Hello");
      myAL.Add("World");
      myAL.Add("!");

      Console.WriteLine( "myAL" );
      Console.WriteLine( "    Count:    {0}", myAL.Count );
      Console.WriteLine( "    Capacity: {0}", myAL.Capacity );
      Console.Write( "    Values:" );
      PrintValues( myAL );
   }

   public static void PrintValues( IEnumerable myList )  {
      foreach ( Object obj in myList )Console.Write( "   {0}", obj );
      Console.WriteLine();
      Console.ReadKey();
   }

}

List:ArrayList的泛型等效类,其大部分操作与ArrayList等效,但较ArrayList安全。

       在初始化的时候必须指定其类型,但是不需要指定大小,所以在存取过程中不会引起装箱和拆箱操作,在类型相同的情况下,List和数组的性能相当。

Dictionary:在初始化的时候也必须指定其类型,而且他还需要指定一个Key,并且这个Key是唯一的。正因为这样,Dictionary的索引速度非常快,通过Key来查找元素的,元素的顺序是不定的。

总结:

1.数组的容量固定,而ArrayList或List<T>的容量可根据需要自动扩充。
2.数组可有多个维度,而 ArrayList或 List< T> 始终只有一个维度。(可以创建数组列表或列表的列表)
3.特定类型的数组性能优于 ArrayList的性能(不包括Object,因为 ArrayList的元素是 Object ,在存储或检索值类型时通常发生装箱和取消装箱操作)。
4.ArrayList 和 List<T>基本等效,如果List< T> 类的类型T是引用类型,则两个类的行为是完全相同的。如果T是值类型,需要考虑装箱和拆箱造成的性能损耗。List<T> 是类型安全。

  • 数组的高级使用

参考网页:https://docs.microsoft.com/zh-cn/dotnet/api/system.array?view=netframework-4.7.2

                  https://www.jb51.net/Special/265.html

 

 

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