IO流中字节流的使用

1. IO流的分类:

流向:输入、输出流

数据类型:字节流、字符流

2. 字节流:FileInputStream、FileOutputStream、BufferedInputStream、BufferedOutputStream(后两个为高效字节流,自带缓冲区)

3. 为什么字节高效缓冲流的构造方法的参数是一个抽象类而不是具体的文件或者文件路径?

     因为字符缓冲区流仅仅提供缓冲区,为高效而设计,但是真正的读写操作还是靠基本的流对象来实现

4. 字节流复制文件的四种方式

第一种方法:一次读取一个字节,并写入

		//封装数据源
		FileInputStream fis = new FileInputStream("D:\\KuGou\\高进、小沈阳 - 我的好兄弟 - 原版伴奏.mp3");
		//封装目的地
		FileOutputStream fos = new FileOutputStream("h.mp3");
		int by = 0;
		//一次读取一个字节,如果读到文件末尾,则返回-1;
		while ((by = fis.read()) != -1) {
			fos.write( by);
			//一次写入一个字节
		}
		//释放资源
		fis.close();
		fos.close();
第二种方法:一次读取一个字节数组

		//封装数据源
		FileInputStream fis = new FileInputStream("D:\\KuGou\\高进、小沈阳 - 我的好兄弟 - 原版伴奏.mp3");
		//封装目的地
		FileOutputStream fos = new FileOutputStream("i.mp3");
		//定义一个字节数组,数组大小一般为1024或者1024的整数倍,即以k为单位
		byte[] by = new byte[1024];
		int length = 0;
		while ((length = fis.read(by)) != -1) {
			//写入实际读到的数组长度
			fos.write(by, 0, length);
		}
		fis.close();
		fos.close();
第三种方法:高效字节流:一次读取一个字节

	BufferedInputStream bis = new BufferedInputStream(new FileInputStream("D:\\KuGou\\高进、小沈阳 - 我的好兄弟 - 原版伴奏.mp3"));
		BufferedOutputStream bos = new BufferedOutputStream(new FileOutputStream("j.mp3"));
		int by = 0;
		while ((by = bis.read()) != -1) {
			bos.write(by);
		}
		bis.close();
		bos.close();

第四种方法:高效字节流,一次读取一个字节数组

	BufferedInputStream bis = new BufferedInputStream(new FileInputStream("D:\\KuGou\\高进、小沈阳 - 我的好兄弟 - 原版伴奏.mp3"));
		BufferedOutputStream bos = new BufferedOutputStream(new FileOutputStream("k.mp3"));
		byte[] by = new byte[1024];
		int length = 0;
		while ((length = bis.read(by)) != -1) {
			bos.write(by, 0, length);
		}
		bis.close();
		bos.close();


内容概要:本文档详细介绍了基于MATLAB实现的多头长短期记忆网络(MH-LSTM)结合Transformer编码器进行多变量时间序列预测的项目实例。项目旨在通过融合MH-LSTM对时序动态的细致学习和Transformer对全局依赖的捕捉,显著提升多变量时间序列预测的精度和稳定性。文档涵盖了从项目背景、目标意义、挑战与解决方案、模型架构及代码示例,到具体的应用领域、部署与应用、未来改进方向等方面的全面内容。项目不仅展示了技术实现细节,还提供了从数据预处理、模型构建与训练到性能评估的全程指导。 适合人群:具备一定编程基础,特别是熟悉MATLAB和深度学习基础知识的研发人员、数据科学家以及从事时间序列预测研究的专业人士。 使用场景及目标:①深入理解MH-LSTM与Transformer结合的多变量时间序列预测模型原理;②掌握MATLAB环境下复杂神经网络的搭建、训练及优化技巧;③应用于金融风险管理、智能电网负荷预测、气象预报、交通量预测、工业设备健康监测、医疗数据分析、供应链需求预测等多个实际场景,以提高预测精度和决策质量。 阅读建议:此资源不仅适用于希望深入了解多变量时间序列预测技术的读者,也适合希望通过MATLAB实现复杂深度学习模型的开发者。建议读者在学习过程中结合提供的代码示例进行实践操作,并关注模型训练中的关键步骤和超参数调优策略,以便更好地应用于实际项目中。
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