php学习基础篇之数据类型转换、运算符、if 、switch 流程控制

PHP基础教程(52)PHP流程控制语句之条件控制语句:从“if-else 选择困难症”到“switch 匹配大师”:PHP条件控制语句的生存指南 PHP程序开发几乎每天都要在各种条件判断中打转,从简单的用户登录验证到复杂的多层业务逻辑,条件控制语句就是编程世界里的“交通警察”,指挥着数据流向正确的代码路段。但要是用不好,你的代码就会变成连自己都看不懂的“迷宫”。 阅读详情
知识点:
一:数据类型 转换
二  运算符
三 if 、switch 流程控制

一:数据类型转换
php 数据类型 8  字符串 整型 浮点型 布尔型  数组 对象 资源 null
php 弱变量类型:
、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、
header("content-type:text/html;charset=utf-8");
$a = "123";
$b = 10;
$c = $a+$b; // "123"==> 123    + 10;
echo $c;
、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、
1》隐式转换
1 转换成boolean
true ===>1
false: 以下内容 在运算的时候将变成false
0/0.0  --> false
空字符串  或 “0”---》 false
空数组/null   ---》false 
、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、
echo "<br />-----------------------<br />";
$aa = true;
$bb = 1;
echo $aa+$bb;
echo "<br />-----------------------<br />";
$cc = false;
$dd = 1;
echo $cc+$dd;
echo "<br />-----------------------<br />";
$bl = "";
$num= 1;
echo $bl+$num;
、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、
2 转换成数值型:
true===>1   false===>0
字符串带有e  E 将转换成 float
字符串 数字字符串   将转换成 整数  或 float
、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、
echo "<br />------------转换成数值型-----------<br />";
$num1 = 3;
$str = "3e+2"; //字符串
//echo $num1+$str;
$sum1 = $num1+$str;
var_dump($sum1);  //浮点型


echo "<br />------------转换成数值型2-----------<br />";
$str2 = "20.5";
$num2 = 5;
$sum2=$str2+$num2;
var_dump($sum2);
、、、、、、、、、、、、、、、、、、、、、、、、、、、、、
3 转换成字符串型
boolean   true===>“1” false 转换字符串"0"
int    123===>"123";
float  3.14===>"3.14";

null===> "";
数组 ==>  ”Array“
对象==》“object”
资源==》“resource #序号”
2》显示转换 了解 人为控制
int  float  bool string array object
$str = "aaa123";
(类型名称)$str;
(float)$str;
 
二  运算符
1. 字符串运算符  拼接符号   .
、、、、、、、、、、、、、、、、、、、、、、、、、
echo "<br />--------.----------------<br />";
$str = "abcdefg";
$str1 = "hijklmn";
$str2 = $str . $str1;
echo $str2;
、、、、、、、、、、、、、、、、、、、、、、、、、、
2 .算数运算符:
+  -  *  /   %(取余)
、、、、、、、、、、、、、、、、、、、、、、、、、
echo "<br />--------%----------------<br />";
$num1 = 10;
$num2 = 4;
$num3 = $num1 % $num2;
echo $num3;
、、、、、、、、、、、、、、、、、、、、、、、、、


3 赋值:
=   += -= *=  /= %= .=    $n1 = $n1 符号  $n2
、、、、、、、、、、、、、、、、、、、、、、、、、、、、
echo "<br />--------+=----------------<br />";
$n1 = 10;
$n2 = 5;
$n1 += $n2;   // $n1 = $n1+$n2;
echo $n2;
、、、、、、、、、、、、、、、、、、、、、、、、、、
4 自增 自减运算符
$i++ $i--   先参加运算 在自身 加/减 1
、、、、、、、、、、、、、、、、、、、、、、、、、
echo "<br />--------$i++----------------<br />";
$n3 = 5;
$n4 = $n3++; //   $n4 = $n3   $n3++===>$n3 = $n3+1;
echo $n4."-->".$n3;
、、、、、、、、、、、、、、、、、、、、、、、、
++$i --$i  先自身 加/减 1  在参加运算
、、、、、、、、、、、、、、、、、、、、、、、、、
echo "<br />--------++$i----------------<br />";
$n5 = 10;
$n6 = ++$n5;  // ++$n5===> $n5 = $n5+1     $n6 = $n5
echo $n6."--->".$n5;
、、、、、、、、、、、、、、、、、、、、、、、、、、、
5 比较运算符:
>  <  >=  <=  ==  != ===(全等)  !==(不等)
表达式1  符号  表达式2   true false
3 >2   true
3<2   false
、、、、、、、、、、、、、、、、、、、、、、、、、、、
echo "<br />--------==----------------<br />";
$n7 = 8;
//$n8 = 10;
$n8 = 8;
echo $n7==$n8;


echo "<br />--------===----------------<br />";


$str3 = "10";   // 类型  值  注意:== 只比较的值 不比类型
$n9 = 10; //类型 值   比较值  也比较类型。   !== 值 和 类型 一个不相等  不等。
echo $str3===$n9;
、、、、、、、、、、、、、、、、、、、、、、、、、、、、
6 逻辑运算:
&&  表达式1 && 表达式2   ==》 表达式1  表达式2  都是true    与式 结果 true
|| 表达式1 || 表达式2 ==》 表达式1  表达式2  都是false   或式 结果 false
! !表达式 ==》 取反

3 ==>!3;   !正整数  !负整数 ===》false;
!0      ===》 true;
! 非空字符串   ==》 false  
! "0"  ==> true
!"0.0" ===>false;
、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、
echo "<br />--------&& || !----------------<br />";
$a1 = 3;
$a2 = 4;
$a3 = 5;
//$a4 = $a1>$a2 || $a2<$a3;
$a4 =   $m=3  && $a2<$a3;
echo  $a4;


echo "<br />-------- !----------------<br />";
//$m = 0;
$m = "0";
echo !$m;   //false
、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、
7 三目运算符:
表达式?真执行:假执行
、、、、、、、、、、、、、、、、、、、、、、




echo "<br />-------- ?:----------------<br />";
$d = 5;
$e = 3;
$f = $d>$e?"ok":"no";  // 
echo $f;
、、、、、、、、、、、、、、、、、、、、、、、、、、、、、

8 位运算符:  了解
&  |  <<  >>

关于逻辑运算符短路的问题:
&&  表达式1  &&  表达式2   当两边全部都是true  结果 为true 
如果表达式1 false  后边的表达式2  不论对错 结果 false
||          表达式1  ||  表达式2    如果表达式1 true  后边表达式2 不论对错 ,结果 true

三 流程控制
一般情况下,程序是顺序执行,在某种情况下 ,需要改变顺序,流程控制。
1  if
格式: 
if(条件1){
条件1为真执行
}else if(条件2){
条件2为真执行
}else if(条件3){
条件3为真执行
}......
else{
以上条件都不成立 ,执行
}
有且只有一种可能存在。
、、、、、、、、、、、、、、、、、、、、、、、、、、、、、
header("content-type:text/html;charset=utf-8");
echo "<br />------------if--------------------<br />";
$wea = "雨天";
if($wea=="晴天"){
echo "睡觉";
}else if($wea=="雨天"){
echo "逛街";
}else if($wea=="雪天"){
echo "兜风";
}else{
echo "打球";
}
、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、


2 switch
switch(表达式 ){
case val:执行代码;break;
case val:执行代码;break;
case val:执行代码;break;
.......
default: 以上条件都不成立执行;break;
}

if switch区别:
if 语句 嵌套  
if(){
if(){

}
}
switch() 不嵌套


要用print_r($_FILES["uImg"]);
、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、
echo "<br />------------switch--------------------<br />";
$wea1 = "雪天";
switch($wea1){
case "晴天":echo "睡觉";break;
case "雨天":echo "逛街";break;
case "雪天":echo "兜风";break;
default:echo "打球";break;
}
、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、、






8、PHP基础构建与流程控制函数详解 本博客详细介绍了PHP中的基础构建和流程控制函数,包括逻辑运算符的优先级、常量的定义与使用、常见的问题解答以及流程控制函数(如if语句、switch语句和三元运算符)的应用场景与注意事项。通过示例代码和详细解析,帮助开发者更好地理解和应用PHP编程中的核心概念,从而编写灵活且强大的脚本。 阅读详情

相关推荐

手把手教你使用YOLOv11模型,训练自己数据集,百分百成功(无废话)

YOLOV11百分百成功训练自己的数据集并进行图像、视频流脚本预测

chenhenGzzz的博客 1952

使用多态的方式替换if/switch

使用多态的方式替换if/else的方式 先假定一个场景,菜市场有卖水果的,有西瓜,苹果,香蕉等等其他很多类型的水果。客户的要求是随便取一个类型的水果,判断是否需要用到水果刀切开。如果拿到的水果是需要刀的,客户就去买水果刀。(假设这里只取三种水果进行处理)都是伪代码,只是为了说一个结论。 先上第一版代码面向过程的方式,创建三个类,Apple , Banana,Watermelon.(因为这三个类没有什么字段或者方法我就先省略了) public boolean isNeedKnife(Object para

weixin_43697115的博客 972

【阿里云大模型高级工程师ACP习题集】2.3 优化提示词改善答疑机器人回答质量

【摘要】这是我精心整理出对应的习题集,里面足足有 30 道题目,从基础概念到深度拓展,全方位覆盖章节重点、难点。不管你是想检验自己的学习成果,还是想针对薄弱环节进行强化训练,它都能完美适配!

davidkorhenn的博客 1629

PHP教学

【PHP中的变量类型】 ①PHP支持8种数据类型: 4种标量类型:布尔型Boolean 整形integer 浮点型float/double 字符串string 2种复合类型:数组Array 对象Object 2种特殊类型:资源Resource 空null。 ②整形的范围从-2^32~-2^32-1,超出这个范围,自动转为浮点型。 【PHP中算false的情况!!!】 1、Boolean false 2、整形 0 3、浮点型0.0 4、字符串"" "0"("0.0" "0000"都算对) 5、空数组 6、空

qq_52954900的博客 301

OpenCV 开闭运算

开运算和闭运算是将腐蚀和膨胀按照一定的次序进行处理。 但这两者并不是可逆的,即先开后闭并不能得到原来的图像。 开运算 开运算是先腐蚀后膨胀,其作用是:分离物体,消除小区域。特点:消除噪点,去除小的干扰块,而不影响原来的图像。 闭运算 闭运算与开运算相反,是先膨胀后腐蚀,作用是消除/“闭合”物体里面的孔洞,特点:可以填充闭合区域。 cv.morphologyEx(img, op, kernel) img: 要处理的图像 op: 处理方式:若进行开运算,则设为cv.MORPH_OPEN,若进行闭

꧁༺ʚvv༒catɞ༻꧂的博客 949

STM32+ESP8266接入OneNet的MQTT嵌入式实现

MQTT是一种轻量级发布/订阅模式的消息传输协议,广泛应用于资源受限的物联网终端设备通信。其基于TCP/IP栈构建,具备低带宽占用、小代码体积和高可靠性等技术优势,特别适合STM32等MCU与Wi-Fi模组协同工作的边缘节点场景。在实际工程中,需结合AT指令集控制ESP8266完成Wi-Fi连接、TCP建链及MQTT会话管理,并通过环形缓冲区、空闲中断检测等机制保障UART异步通信稳定性。本文围绕STM32F103与ESP8266硬件协同、OneNet平台对接、JSON消息解析与OLED状态反馈等关键环节,

yhn456789的博客 1036

php变量控制结构与函数,LAMP兄弟连原创视频教程(PHP笔记一--变量,流程控制结构,函数)...

近来本人学习PHP,首先感谢LAMP兄弟连提供的PHP视频教程,以下是我学习所做的笔记,希望对想学PHP的初学者有用!(如果有错误,请大家指出!)1.PHP简介与环境的安装(请大家观看LAMP兄弟连的视频)2.1 PHP变量四种标量类型:整型(int,integer),浮点型(float,double,real),字符串(string),布尔型(bool,boolean)两种复合型:数组(arra...

weixin_30125497的博客 179

AFC自动售检票系统与人工智能AI结合的关键应用方案

针对售检票、大客流管理、设备运维及服务优化提供了可落地的技术支持和实现细节,可作为地铁智慧交通项目的实践参考

leijinquan01的博客 1513

【php】-- php快速入门(标记、常量、变量、运算符、流程控制语句)

php快速入门:语法风格、注释、常量、变量、运算符、流程控制语句if、for

个人博客 2442

AUTOSAR进阶图解==>AUTOSAR_SWS_ADCDriver

本文深入解析了AUTOSAR ADC Driver的架构设计和技术实现。主要内容包括:1)ADC Driver在AUTOSAR分层架构中的定位及核心功能;2)详细的模块架构设计,涵盖初始化管理、组转换管理、优先级处理等核心子组件;3)全面的配置模型说明,包括主配置类、通用配置、通道配置等关键数据结构;4)状态机机制和操作序列分析。通过分层设计和标准化接口,ADC Driver实现了硬件抽象和软件解耦,提供了良好的可移植性和可维护性。

一名留德华的,康德的信徒的,专注于汽车电子领域的博客 786

从养殖场到科技前沿:YOLOv11+OpenCV精准计数鸡蛋与鸡

YOLOv11结合OpenCV技术,精准识别和计数鸡蛋与鸡,广泛应用于养殖场、市场监控和自动化包装。通过深度学习与计算机视觉,提升农业生产效率,让智能化管理更简单高效。

专注于深入研究多种编程语言,以实战为导向,逐步拓展开发技能,提升工程化编码和思维能力,展现无敌技术实力。 1205

PHP_数据类型、运算符、流程控制

php数据类型(弱语言,对变量没有类型,类型是针对于数据来说的) 基本数据类型 ----整形:十进制、二进制(0b前缀)、八进制(0前缀)、十六进制(0x前缀) ----浮点型 ----布尔型:True、False ----字符串型:单引号和双引号都可以。单引号只能解析少量转义字符,而多引号识别较多; 双引号能够解析嵌套在字符串中的php变量。 下标和python一样:从左到右为0开始,从右到左为...

H4ppyD0g的博客 280

TripoSR: Fast 3D Object Reconstruction from a Single Image 论文阅读

模型的主要参数,如变换器的层数、三平面的维度、NeRF模型的具体细节和主要训练配置,在表1中详细说明。TripoSR的算法流程结合了先进的数据处理、模型设计和训练技术,使其能够在不到0.5秒的时间内从单张图像中快速生成详细的3D网格。总体而言,TripoSR是一个强大的3D重建工具,它在速度和质量上都表现出色,但也需要考虑到其对计算资源的需求和在处理极端复杂场景时可能遇到的挑战。:通过精心策划的训练数据集和多样化的数据渲染技术,TripoSR提高了模型的泛化能力和对真实世界图像的适应性。

Christo的博客 1946

php字符串如何转换成if条件语句_运算符及控制语句

1.字符串连接符 “+”运算符两侧的操作数中只要有一个是字符串(String)类型,系统会自动将另一个操作数转换为字符串然后再进行连接。2. 条件运算符语法格式:x?y:z三目条件运算符此外:三目运算也可以if...else..代替。3.运算符优先级的问题注意:逻辑与、逻辑或、逻辑非的优先级一定要熟悉!(逻辑非>逻辑与>逻辑或)。如:a||b&&c的运算结果是:a...

weixin_39927288的博客 801

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

PHP基础(基本语法、字符串、运算符、流程控制语句)

string (字符串)Integer (整形)Float (浮点型)Boolean (布尔型)Array (数组)Object (对象)NULL (空值)const(常量)数组改键名 $arr = ['tom'=>18,'jack'=>20,'aily'=>22] echo $arr['tom']if (条件) {...} elseif(条件){,,,} else{...}多维数组 $ary = [$arr,$arr1,$arr2]

qq_64159369的博客 805

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")

php结束if语句_《简明 PHP 教程》06 流程控制

截止到目前,在我们所看过的程序中,都是从上向下排列,然后由 PHP 执行。如果你想改变这个工作流程,应该怎么做?你需要程序作出一些判断,并依据不同的情况去完成不同的事情,例如依据每天时间的不同打印出 '早上好' 'Good Morning' 或 '晚上好' 'Good Evening'?正如你可能已经猜到的那样,这是通过流程控制来实现的。在 PHP 中有多种流程控制语句。if 语句if 语句用于判...

weixin_29162439的博客 269

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

PHP核心基础(第一部分)

(第一章)PHP标记 要点:1.如果是纯PHP代码 最好是删除结尾的空格,这样就可以避免意外输入空格、换行等。 2.凡是在php分隔符号内都可以被PHP解析器解析,这就意味着可以在html模板内混合php代码 <?php #混合PHP代码 <?php if (5>1):?> '正确'; <?php else: ?> '错误'; <?php endif; ...

qq_42978878的博客 219

2025 PHP7/8 实战入门:15 天精通现代 Web 开发——第 3 课:运算符与流程控制

本课程系统讲解了PHP运算符与流程控制的核心知识点。主要内容包括:1. 运算符详解(算术、比较、逻辑等),重点介绍PHP7/8新增的太空船运算符、nullsafe运算符等;2. 流程控制语句(if、switch、循环等)及其在PHP7/8中的优化写法;3. 高级技巧如循环控制、条件渲染简化等;4. 注意事项和版本兼容性问题;5. 实战练习要求完成成绩排名和用户菜单功能,综合运用所学知识。课程强调现代PHP语法(如match表达式)的使用,帮助开发者编写更简洁高效的代码。

742

PHP基础入门:语法、字符串、运算符与流程控制实战指南

在Web开发领域,PHP凭借简单易学与高效灵活的特性,长期占据服务端编程语言的重要位置。对于初学者而言,掌握一门语言的核心语法是构建坚实技术能力的第一步。PHP的基本语法结构包括变量、常量、数据类型及作用域规则,构成了程序运行的基础框架。字符串处理是日常开发中最高频的操作之一,单双引号的区别、常用字符串函数以及类型转换中的隐蔽陷阱,都直接影响代码的稳定性。运算符体系则决定了数据比较与逻辑判断的准确性,严格比较与宽松比较的差异、短路求值特性以及优先级问题,常常成为Bug的高发区。流程控制语句如条件分支与循环结

weixin_31742871的博客 299

php if多条件_《简明 PHP 教程》06 流程控制

截止到目前,在我们所看过的程序中,都是从上向下排列,然后由 PHP 执行。如果你想改变这个工作流程,应该怎么做?你需要程序作出一些判断,并依据不同的情况去完成不同的事情,例如依据每天时间的不同打印出 '早上好' 'Good Morning' 或 '晚上好' 'Good Evening'?正如你可能已经猜到的那样,这是通过流程控制来实现的。在 PHP 中有多种流程控制语句。if 语句if 语句用于判...

weixin_39782355的博客 229

PHP基础DAY2

php里常见的数据类型 - 字符串 - 单引号 - 不能解析变量 - 双引号 - 可以解析变量 {$变量名} - 定界符 - 数字 - int - float - 布尔类型 - true - false - 数组 - 索引数组 - 关联数组 - 对象类型 ```js class Person{ constructor(){ $name = "张三"; } } $zhangnsan = new Person(); ```

lxz1151184225的博客 258

PHP基础---计算机码、流程控制(分支结构、循环结构)

复杂if结构:在判断条件之后,通常就有两种结果,满足或者不满足,在不满足之后还可以再次判断,采用elseif,可以多次采用(如果条件特别多才会采用复合if结构,这里就不详细讲了,学过c语言的应该都会)(如果判断条件不一致,建议使用嵌套语法)因为循环经常性会碰到嵌套(循环中间包含循环),如果在循环内部有些条件下,明确可以知道当前循环(或者说外部循环)不需要继续执行了,那么就可以使用循环控制来实现,其中内部循环也可以控制到外部,就是通过使用层级参数。<<:按位左移,整个位(32位),向左移动一位,右边补0。

2401_87876265的博客 2088

PHP基础语法

1.PHP支持的数据类型 PHP支持的三种数据类型:标量类型、复合类型、特殊类型 标量类型: boolean(布尔类型) Integer(整型) float(浮点型) String(字符串类型) 复合类型: array(数组) object(对象) 特殊类型: resource(资源) NULL(空值) 伪类型(其他类型) mixed(混合类型) number(数字类型) callback(回调类型) (1)布尔型 PHP中常用的类型 通常用于逻辑判断 只有true 和 false两个值

qq_43677817的博客 742

PHP移动互联网开发笔记(3)——运算符与流程控制

一、PHP的运算符PHP中有丰富的运算符集,它们中大部分直接来自于C语言。按照不同功能区分,运算符可以分为:算术运算符、字符串运算符、赋值运算符、位运算符、条件运算符,以及逻辑运算符等。当各种运算符在同一个表达式中时,它们的运算是有一定的优先级的。(1)算术运算 +   -  *   / % ++ --(2)字符串运算符字符串运算符只有一个.(点)就是英文的句号。它可以将字符串连接起来,组

水寒 2932

PHP学习之二:运算符与流程控制

1 运算符 关于运算符的结合优先级不在这里说明,一般用括号来解决这个问题。 1.1 算术运算符 比较常见,如+ - * / % -等,需要注意的是%运算与分子的符号保持一致。 1.2 赋值运算符 如= += -= 1.3 位运算符 如& | ^ ~ > 1.4 比较运算符 $a ==  $b    二者在类型转换后,值相等 $a === $b  二者类型相同

zzulp的专栏 776
上一篇: php学习基础篇之文档的语法结构、注释、变量、数据类型
下一篇: 手机号码中间四位星号表示实例代码
若空先生
博客等级 码龄11年 6粉丝 34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