java基础day20

Day20
一、内存流(ByteArrayOutputStream父类是OutputStream、ByteArrayInputStream父类是InputStream)
  • 常规方法:toByteArray();toString(),close()流关闭无效,因为无法关闭内存(了解即可)
二、打印流(字节打印PrintStream、字符打印PrintWriter)(了解即可)
三、随机流(RandomAccessFile)
  • 构造方法: public RandomAccessFile(String name,String mode)第一个参数传递的是路径,第二个参数传递的是模式(“r”,“rw”,“rws”,“rwd”)
  • 常规的方法:seek(long pos)设置指针的偏移量;getFilePointer()获取指针的偏移量;read()读write(int b)写
四、Properties(父类是Hashtable,表示一个持久的属性集,可以当Map使用)《重点》

1、构造方法:public Properties()
2、常规方法:

  • public void load(InputStream inStream):加载流的资源的方法;
  • public String getProperty(String key):获取值的方法;
  • public Object setProperty(String key,String value):设置值;
  • public void store(OutputStream out,String comments):把修改的数据结合流对象放入到文件里;
  • public Set stringPropertyNames():获取到所有的键的方法;

3、遍历的两种方式:

  • 获取到所有的键stringPropertyNames()然后返回的是一个set集合,使用set集合遍历;
  • 使用entrySet()然后返回的是一个Map.Entry;
开发中使用最多的是读取配置文件  

4、步骤:实例化对象Properties–>使用方法加载入流load(InputStream)–>使用键值对获取数据getProperty(String key)

package com.yxlim.day20;

import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import java.util.Properties;
/**
 * 输入流和输出流只能对应流操作完间隔出现
 */
public class Test2 {
    public static void main(String[] args) throws IOException {
        FileInputStream fis = new FileInputStream("1.properties");
        Properties p = new Properties();
        p.load(fis);
        System.out.println(p.getProperty("plan2"));
   /*     FileOutputStream fos = new FileOutputStream("1.properties");
        p.setProperty("plan1", "C");
        p.store(fos, "");
        fos.close();*/
        fis.close();
    }
}

五、标准的输入输出(in–>InputStream、out–>PrintSream)
六、IO流异常的处理
  • 一定要进行捕获,不要抛给jvm,但可以抛给方法
  • 在finally关闭资源一定要进行非null验证
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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