java学习——各种数据类型总结

《Java从入门到精通》“数据类型“学习心得5 变量就是申请内存来存储值。也就是说,当创建变量的时候,需要在内存中申请空间。内存管理系统根据变量的类型为变量分配存储空间,分配的空间只能用来储存该类型数据。因此,通过定义不同类型的变量,可以在内存中储存整数、小数或者字符。Java 的两大数据类型:内置数据类型引用数据类型。 阅读详情
      本节让我们来进行java数据类型的总结。首先java数据类型分为两大类:基本数据类型与引用类型。具体如下图:


一、基本数据类型

       基本数据类型,或者叫做内置类型,是JAVA中不同于类的特殊类型,它们是我们编程中使用最频繁的类型。java中的基本数据类型分别是:boolean,byte,char,short,int,long,float,double,具体如下:

  1. boolean(布尔类型):数据值只有true或false两种结果,适用于逻辑运算,不能进行数据类型的转换。
  2. byte型(字节型):数据在内存中占用1个字节,表示的存储数据范围为:-128~127。
  3. char型(字符型):数据在内存中占用2个字节。char型数据用来表示通常意义上的字符,用单引号赋值。
  4. short型(短整型):数据在内存中占用2个字节,数据范围是-32768~32767之间。
  5. int型(整型):数据在内存中占用4个字节,数据范围是负的2的31次方到正的2的31次方减1
  6. long型(长整型):数据在内存中占用8个字节,数据范围为负的2的63次方到正的2的63次方减1。
  7. float型(单精度浮点型):数据在内存中占用4个字节。数据范围在3.4e-45到1.4e38,直接赋值时必须在数字后加上f或F。
  8. double型(双精度浮点型):数据在内存中占用8个字节,数据范围在4.9e-324到1.8e308,赋值时可以加d或D也可以不加。

      另外这8种基本类型也对应了8种封装类型,它们分别是:Boolea,Byte,Character,Short,Integer ,Long ,Float,Double 。JAVA中还存在另外一种基本类型void,它也有对应的包装类 java.lang.Void,不过我们无法直接对它们进行操作。对于数值类型的基本类型的取值范围,我们无需强制去记忆,因为它们的值都已经以常量的形式定义在对应的包装类中了。如:基本类型byte 二进制位数:Byte.SIZE,最小值:Byte.MIN_VALUE,最大值:Byte.MAX_VALUE。


二、引用数据类型

      在java里面第二大数据类型是引用数据类型,引用数据类型可以分为:类、接口类型、数组类型、枚举类型、注解类型;基本数据类型只占用一块内存,但是引用数据类型占用2块内存,分别是栈内存和堆内存:

1、基本数据类型在被创建时,在栈上给其划分一块内存,将数值直接存储在栈上;

2、引用数据类型在被创架时,首先要在栈上给其引用(句柄)分配一块内存,而对象的具体信息都存储在堆内存上,然后由栈上面的引用指向堆中对象的地址。

例如:我有一个类MyDate,其中有属性day,mouth,year等,有构造方法(带参数);

现在为其创建一个对象MyDate d1 = new MyDate(8,8,2008);在内存中的具体创建过程是:


1)首先在栈内存中位其d1分配一块空间;

2)然后在堆内存中为MyDate对象分配一块空间,并为其三个属性设初值0,0,0;

3)根据类MyDate中对属性的定义,为该对象的三个属性进行赋值操作;

4)调用构造方法,为三个属性赋值为8,8,2008;(注意这个时候d1与MyDate对象之间还没有建立联系)

5)将MyDate对象在堆内存中的地址,赋值给栈中的d1;通过句柄d1可以找到堆中对象的具体信息。



三、数据类型的转换

在java中数据类型的转换分为以下几种情况: 
  • 低级到高级的自动类型转换;
  • 高级到低级的强制类型转换(会导致溢出或丢失精度);
  • 基本类型向类类型转换; 
  • 基本类型向字符串的转换; 
  • 类类型向字符串转换

1、基本数据类型之间的转换规则
      在一个双操作数以及位运算等算术运算式中,会根据操作数的类型将低级的数据类型自动转换为高级的数据类型。主要分为以下几种情况:
(1)、只要两个操作数中有一个是double类型的,另一个会被转换成double类型,并且结果也是double类型; 
          只要两个操作数中有一个是float类型的,另一个将会被转换成float类型,并且结果也是float类型; 
          只要两个操作数中有一个是long类型的,另一个将会被转换成long类型,并且结果也是long类型; 
          两个操作数(包括byte、short、int、char)都将会被转换成int类型,并且结果也是int类型。   
(2)、如果低级类型为char型,向高级类型(整型)转换时,会转换为对应ASCII码值,再做自动转换。 
(3)、对于byte,short,char三种类型而言,他们是平级的,因此不能相互自动转换,可以使用下述的强制类型转换。
          如: short i=99  
                 char c=(char)i; 
                 System.out.println("output:"+c);  
(4)、不能在布尔值和任何数字类型间强制类型转换; 
(5)、不同级别数据类型间的强制转换,可能会导致溢出或精度的下降。  
(6)、当字节类型变量参与运算,java作自动数据运算类型的提升,将其转换为int类型。
例如:
             byte b;
             b=3; 
             b=(byte)(b*3);//必须声明byte。

2、包装数据类型与基本数据类型之间的转换

      简单类型的变量转换为相应的包装类,可以利用包装类的构造函数。即:Boolean(boolean value)、Character(char value)、Integer(int value)、Long(long value)、Float(float value)、Double(double value) 
而在各个包装类中,总有形为××Value()的方法,来得到其对应的简单类型数据,利用这种方法,也可以实现不同数值型变量间的转换。例如,对于一个双精度实型类,intValue()可以得到其对应的整型变量,而doubleValue()可以得到其对应的双精度实型变量。

3、字符串与其它类型间的转换

(1)、其它类型向字符串的转换 
  • 调用类的串转换方法:X.toString();
  • 自动转换:X+“”; 
  • 使用String的方法:String.volueOf(X);

(2)、字符串作为值,向其它类型的转换 
  • 先转换成相应的封装器实例,再调用对应的方法转换成其它类型。例如:字符中“32.1”转换double型的值的格式为:new Float(“32.1”).doubleValue(),也可以用:Double.valueOf(“32.1”).doubleValue()。
  • 静态parseXXX方法,例如:
          String s = "1"; 
          byte b = Byte.parseByte( s );
          short t = Short.parseShort( s );
          int i = Integer.parseInt( s ); 
          long l = Long.parseLong( s ); 
          Float f = Float.parseFloat( s );
          Double d = Double.parseDouble( s );
  • Character的getNumericValue(char ch)方法具体可查阅api。

4、转换实例

(1)、基本类型向类类型转换 
          正向转换:通过类包装器来new出一个新的类类型的变量 Integer a= new Integer(2);
          反向转换:通过类包装器来转换 int b=a.intValue();

通过类包装器——>基本数据类型
eg1:int i=Integer.parseInt(“123”) 
说明:此方法只能适用于字符串转化成整型变量。
eg2: float f=Float.valueOf(“123”).floatValue() 
说明:上例是将一个字符串转化成一个Float对象,然后再调用这个对象的floatValue()方法返回其对应的float数值。 
eg3: boolean b=Boolean.valueOf(“123”).booleanValue() 
说明:上例是将一个字符串转化成一个Boolean对象,然后再调用这个对象的booleanValue()方法返回其对应的boolean数值。
eg4:double d=Double.valueOf(“123”).doubleValue() 
说明:上例是将一个字符串转化成一个Double对象,然后再调用这个对象的doubleValue()方法返回其对应的double数值。 
eg5: long l=Long.valueOf(“123”).longValue() 
说明:上例是将一个字符串转化成一个Long对象,然后再调用这个对象的longValue()方法返回其对应的long数值。 
eg6: char=Character.valueOf(“123”).charValue() 
说明:上例是将一个字符串转化成一个Character对象,然后再调用这个对象的charValue()方法返回其对应的char数值。

(2)、基本类型向字符串的转换 正向转换: 如下: 
System.out.println(""+2+3);// “""”把2转成字符串操作;
System.out.println(2+3);   // 不存在转换。 
System.out.println(2+3+"");// 前两个数值相加后,被“""”转成字符串。
System.out.println(2+""+3);// 同第一个。 输出显示为:23,5,5,23 3)类类型向字符串转换 

正向转换:因为每个类都是object类的子类,而所有的object类都有一个toString()函数,所以通过toString()函数来转换即可 
反向转换:通过类包装器new出一个新的类类型的变量
eg1: int i=Integer.valueOf(“123”).intValue() 
说明:上例是将一个字符串转化成一个Integer对象,然后再调用这个对象的intValue()方法返回其对应的int数值。 
eg2: float f=Float.valueOf(“123”).floatValue() 
说明:上例是将一个字符串转化成一个Float对象,然后再调用这个对象的floatValue()方法返回其对应的float数值。 
eg3: boolean b=Boolean.valueOf(“123”).booleanValue() 
说明:上例是将一个字符串转化成一个Boolean对象,然后再调用这个对象的booleanValue()方法返回其对应的boolean数值。
eg4:double d=Double.valueOf(“123”).doubleValue() 
说明:上例是将一个字符串转化成一个Double对象,然后再调用这个对象的doubleValue()方法返回其对应的double数值。 
eg5: long l=Long.valueOf(“123”).longValue() 
说明:上例是将一个字符串转化成一个Long对象,然后再调用这个对象的longValue()方法返回其对应的long数值。 
eg6: char=Character.valueOf(“123”).charValue() 
说明:上例是将一个字符串转化成一个Character对象,然后再调用这个对象的charValue()方法返回其对应的char数值
大二上学期学习记录——java实验——数据类型分析 Java语言是强类型的编程语言,在编程中出现数据类型不符的时候,系统无法编译程序。Java语言分成基础数据类型与引用数据类型,本实验的重点是分析基础类型中出现的情况与处理方式。byte表示范围为-128~127,一般的数学计算都会超过它,所以byte在变量的情况下会自动提升到int,而int不会自动提升。在java中默认的浮点型为double类型,在使用过程中float*一个浮点型就会导致类型的转换。数据类型的错误多出现在类型的转化中,在转化中多出现范围不一致导致的数据丢失。2022年9月18日。 阅读详情

相关推荐

0基础Java学习过程记录——数据类型与相关转换

本文介绍了Java数据类型及其转换。Java数据类型分为基本类型(数值型、字符型、布尔型)和引用类型(类、接口、数组),详细说明了各类型的存储空间和取值范围。重点讲解了数据类型的自动转换规则和强制类型转换注意事项,包括精度损失和数据溢出问题。同时介绍了ASCII、Unicode和UTF-8编码标准,并通过示例代码演示了String与基本类型之间的相互转换方法,强调转换时需确保数据有效性以避免异常。文章为Java数据类型及转换提供了全面而实用的指南。

2301_79577376的博客 1099

布尔类型和空类型

python布尔类型和空类型

橙子味冰可乐的博客 628

python blp模型 估计_随机系数Logit模型及Stata实现

欢迎投稿(荐稿)计量经济圈,计量相关都行邮箱:econometrics666@sina.cn作者:北京交通大学经济管理学院博士生,王琦珀。欢迎你加入计量经济圈社群,一起探讨前沿计量理论和实证方法。一、随机系数Logit模型1.背景实证产业组织(Empirical Industrial Organization,EIO)是目前产业组织理论的前沿,其中又以Ariel Pakes为带头人,其近期工作论文...

weixin_42298927的博客 2641

Java之数据类型学习总结

    作为一个Java初学者,用博客记录下自己的学习历程和感悟。在此处,Java就是小王子的玫瑰花。    学习java首先进行环境的搭建,关于环境搭建不再赘述,而在写一个简单的(不是简单的输出程序)程序之前必须了解的就是数据类型。有时候错误定义数据类型就是对于数据类型的内存存储的不了解,所以这篇博客就记录一下数据类型方面的基础知识。数据类型知识概述:   数据类型分为基本数据类型和引用数据类型...

little_prince23的博客 428

Win11安装Office2021

windows11安装office2021。

1万+

嵌入式系统中的轻量级压缩实践——miniLZO在STM32上的性能优化

本文深入探讨了miniLZO轻量级压缩算法在STM32嵌入式系统中的性能优化实践。通过对比无损压缩算法的性能特点,详细解析了miniLZO在内存占用、压缩速度方面的优势,并提供了STM32移植、参数调优及创新应用案例,帮助开发者在资源受限环境中实现高效数据压缩。

weixin_30776273的博客 84

Java数据类型总结

        Java是一种强类型语言,所以Java中的每一个变量都要求声明一种类型,今天我们只介绍Java中的基本数据类型。        一共有8中数据类型,其中4种整型,2种浮点型,1中表示 Unicode编码的char类型,还有一种表示真值的boolean类型。Java整型类型存储需求取值范围int4字节-2147483648 ~ 2147483647short2字节-32768 ~ 3...

IBLiplus的博客 299

Wordpress实战之第二章安装wordpress 软件需要的软件

使用下载并安装phpstudy面版工具 wget -O install.sh?https://notdocker.xp.cn/install.sh?&& sudo bash install.sh 2.安装成功如下 ==============运行状态========================= webpanel stop phpstudy running =================...

安全参透之旅 612

Java中的数据类型总结

Java中的数据类型总结对于java的数据类型,整理了这篇文档,细节真的很重要。(编辑来源:https://blog.youkuaiyun.com/qfikh/article/details/52832087)一、分析基本数据类型的特点,最大值和最小值。1、基本类型:int基本类型:int     二进制位数:32位包装类:java.lang.Integer最小值:Integer.MIN_VALUE= -21...

风暴计划 554

Ubuntu24.04下Librenms的完整安装与配置指南

本文提供了在Ubuntu 24.04 LTS系统上完整安装与配置LibreNMS网络监控系统的详细指南。内容涵盖系统环境准备、依赖安装、源码获取、PHP/数据库/Nginx配置、Composer安装、网页向导设置以及设备添加与日常使用,帮助用户快速部署一套功能强大的开源网络监控解决方案。

tgb3456789的博客 1139

threekingdoms.txt中文三国演义下载及实现人物出场统计

threekingdoms.txt全文下载:https://python123.io/resources/pye/threekingdoms.txt CalThreeKingdomsV1.py: #CalThreeKingdomsV1.py import jieba txt = open("threekingdoms.txt", "r", encoding = "utf-8").read() words = jieba.lcut(txt) counts = {} for word in words:

ZYYRWish_97的博客 1万+

【刷题学习Java】Java基本数据类型的易错点

Java程序中变量声明为int型,除非不足以表示大数,才使用long型。 bit:计算机中的最小存储单位。 byte:计算机中的基本存储单元。 1 byte = 8 bit 浮点型使用细节 Java的浮点型常量默认为double。 浮点数在机器中的存放形式:浮点数+符号位 + 指数位 + 尾数位【尾数部分可能丢失,造成精度损失(小数都是近似值)】 与整数类型相似,Java浮点类型也有固定的范围和字段长度,不受具体操作系统的影响。 浮点型常量有两种表示形式 十进制数形式:...

m0_61684063的博客 1856

【温室气体】GOSAT 数据产品

【温室气体】GOSAT 数据产品

WW、forever的博客 238

Java学习-数据类型转换

/* 强制类型转换 1. 特点:代码需要进行特殊的格式处理,不能自动完成。 2. 格式:范围小的类型 范围小的变量名 = (范围小的类型) 原本范围大的数据; 注意事项: 1. 强制类型转换一般不推荐使用,因为有可能发生精度损失、数据溢出。 2. byte/short/char这三种类型都可以发生数学运算,例如加法“+”. 3. byte/short/char这三种类型在运算的时候,都...

大大唐 197

以宠辱之戒写 SAP Fiori Elements,把标准能力当成身体,把扩展冲动当成大患

SAP Fiori Elements开发中常面临业务方追求"独特页面"的压力,但过度自定义会破坏框架价值。老子"宠辱若惊"的智慧提醒开发者:不应因用户称赞或批评而动摇架构原则。标准模板的价值在于确保业务语义、交互规范和后端服务的一致性。扩展应遵循官方API,将业务逻辑放在ABAP/CDS层而非前端控制器。成熟项目会平衡标准与定制,使用annotation表达UI行为,仅在必要时通过受支持的extension points进行增强,保持系统的长期可维护性。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 999

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Java学习总结之常量和数据类型

学习总结 1、注释、标识符、关键字 2、常量 3、变量 4、数据类型 5、运算符 6、键盘输入功能 具体: 1、注释、标识符、关键字 注释:就是对代码进行解释说明。 用法:单行注释:(// 内容)和多行注释:(/* 内容 */两种); 标识符:对类,变量,方法,接口和枚举等所起的名字; 用法:可以使用26个英文字母区分大小写、0-9数字、_和$符号。 注意:数字和符号不可以在第一位。 ​ 类...

weixin_43690859的博客 213

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

java学习笔记4-数据类型

风轻云淡 勇往直前 603

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

JAVA学习笔记 - JAVA基本数据类型

JAVA学习笔记 - JAVA基本数据类型JAVA基本数据类型基本数据类型分类关于无符号型自动类型转换强制类型转换 JAVA基本数据类型 基本数据类型分类 JAVA基本数据类型可分为如下几种 实数:double, float  整数:byte, short, int, long  字符:char  布尔值:boolean 数据类型 大小(位) 范围 默认值 byte(字节) 8 -...

大白的博客 927

java学习-数据类型

jiayouxu的博客 196

【Java学习笔记】数据类型和变量

【Java学习笔记】数据类型和变量

在csdn分享更多技术知识,相互交流 634

Java基础学习 Day3 (数据类型转换问题)

文章目录前言一、数据类型转换问题 前言 Java基础学习、笔记仅供参考 一、数据类型转换问题 public class Day4 { public static void main(String[] args) { // 不同类型的数据需转化为相同数据类型才能进行运算 // 由低到高:byte, short, char, int, long, float, double(小数的优先级大于整数) int i = 128; byte b

小松的博客 176

Java学习笔记01 -- 数据类型

字符型的本质: 字符型存储到计算机中需要将字符对应的码值找出来。将容量大的转换为容量小的,但可能造成精度降低或者溢出,要注意。自动提升原则:表达式结果的类型自动提升为操作数中最大的类型。如果条件表达式为false(假),运算后的结果是表达式2;如果条件表达式为true(真),运算后的结果是表达式1;% (取模,取余) 的使用:得出的结果是那个数的余数。a ==> 码值97 ==> 二进制 ==> 存储。二进制 ==> 97 ==> a ==> 显示。在%的本质 =>公式:a%b=a-a/b*b。

xiexing_zxy的博客 881

30天学习Java第二天——数据类型

当一个整数型字面量没有超过byte或short的取值范围时,也可以直接赋值给byte和short类型变量,不会报错(char也支持)byte与short在进行运算时(不管是混合还是自己与自己运算),各自先转换为int再运算。Java中允许将一个整数赋值给char类型变量,这个整数会被当作ASCII码值处理。局部变量需要先赋值在使用,而成员变量没有赋值的话,系统会为其赋默认值。大容量转换为小容量,不能自动类型转换,需要强制转换,但是可能会损失精度。Java中任何一个整数型字面量会被当做int类型处理。

m0_55329111的博客 1190

java学习-数据类型和运算符

虽然我个人也经常自嘲,十年之后要去成为外卖专员,但实际上依靠自身的努力,是能够减少三十五岁之后的焦虑的,毕竟好的架构师并不多。架构师,是我们大部分技术人的职业目标,一名好的架构师来源于机遇(公司)、个人努力(吃得苦、肯钻研)、天分(真的热爱)的三者协作的结果,实践+机遇+努力才能助你成为优秀的架构师。如果你也想成为一名好的架构师,那或许这份Java成长笔记你需要阅读阅读,希望能够对你的职业发展有所帮助。《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!

2401_84049061的博客 779

结合Java学习C#(其一):打印,输入,数据类型

对于有Java基础的学习者,通过对比Java与C#的语法差异可以快速掌握C#的核心特性。本文将从控制台打印,输入和数据类型两个基础展开,结合Java语法进行横向对比。

m0_73049239的博客 485

Java学习之基本数据类型转换

钢笔布莱恩特的博客 195
下一篇: android WIFI开发
Nicky_LJ
博客等级 码龄12年 0粉丝 1原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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