教 学 纲 要
- 用 面 向 对 象 的 方 法 进 行 例 外 处 理
- 运 行 时 例 外 和 非 运 行 时 例 外
- 简 单 的 例 外 处 理
面 向 对 象 的 例 外 处 理
什 么 是 例 外 、 例 外 处 理
例 外 就 是 在 正 常 情 况 以 外 的 事 件 。 Java 之 中 的 例 外 是 指 程 序 运 行 中 发 生 的 异 常 事 件 , 这 些 异 常事 件 将 阻 止 程 序 的 正 常 运 行 。 比 如 出 现 了 数 组 越 界 、 用户 输 入 错 误 等 等 。 而 顾 名 思 义 , 例 外 处 理 就 是 对 这 些 例外 进 行 处 理 。
所 有 的 高 级 计 算 机 编 程 语 言 里 都 有 判断 是 否 出 现 了 例 外 的 语 句 , 每 个 好 的 计 算 机 程 序 都 会 有对 例 外 进 行 处 理 的 程 序 段 。 只 不 过 在 不 同 的 计 算 机 编 程语 言 里 面 , 对 例 外 的 称 呼 不 同 , 例 如 有 的 语 言 里 所 讲 的错 误 处 理 , 其 实 就 等 同 于 Java 里 面 的 例 外 处 理 。 这 就 像诸 葛 亮 先 生 有 两 个 名 字 , 孔 明 是 他 诸 葛 亮 也 是 他 , 还 有人 称 呼 他 为 诸 葛 先 生 … … , 只 是 称 呼 不 同 罢 了 , 意 义 是一 样 的 。
抛 弃 之
在 许 多 高 级 语 言 中 都 是 通 过 使 用 if 语句 来 判 断 是 否 出 现 了 例 外 , 并 进 行 处 理 的 。 Java 作 为 一个 完 全 基 于 面 向 对 象 的 语 言 , 例 外 处 理 也 是 采 用 面 向 对象 的 方 法 。 在 一 个 方 法 的 运 行 过 程 中 如 果 发 生 了 例 外 ,则 这 个 方 法 将 生 成 一 个 代 表 该 例 外 的 对 象 , 并 把 它 提 交给 正 在 运 行 这 个 方 法 的 系 统 。 我 们 把 这 个 过 程 称 为 抛 弃一 个 例 外 。
就 像 抛 弃 这 个 球 一 样 , 把 它 给 抛 掉 了。 抛 弃 一 个 例 外 的 过 程 就 和 我 们 平 时 工 作 中 碰 到 了 特 殊情 况 无 法 解 决 , 需 要 写 一 份 报 告 交 把 这 个 棘 手 的 问 题 上报 上 级 主 管 部 门 一 样 。
捕 获 之
系 统 在 运 行 的 时 候 查 找 处 理 提 交 给 它的 例 外 的 方 法 , 这 个 过 程 称 为 捕 获 一 个 例 外 。 这 就 和 法官 判 案 时 查 找 相 应 的 法 律 条 文 的 过 程 是 一 样 的 。
优 越 性
1. 利 用 以 上 这 些 方 法 处 理 例 外 , 使 得例 外 处 理 的 程 序 代 码 与 普 通 的 程 序 代 码 不 再 混 为 一 体 ,减 少 了 编 程 序 的 工 作 量 , 同 时 也 增 加 了 程 序 可 读 性 。
2. 利 用 面 向 对 象 的 方 法 来 处 理 例 外 ,可 以 对 各 种 不 同 的 例 外 事 件 进 行 分 类 , 然 后 再 处 理 之 ,从 而 具 有 了 良 好 的 接 口 和 层 次 性 。
3. 利 用 类 的 层 次 性 既 可 以 区 分 不 同 的例 外 分 别 处 理 , 也 可 以 把 具 有 相 同 父 类 的 多 个 例 外 统 一处 理 , 具 有 相 当 的 灵 活 性 。
由 以 上 几 点 可 知 , Java 的 这 种 面 向 对 象的 例 外 处 理 机 制 为 那 些 具 有 动 态 运 行 特 性 的 复 杂 程 序 提供 了 强 有 力 的 控 制 方 式 。
以 上 这 些 优 越 性 背 下 来 就 可 以 了 , 到时 候 可 以 用 来 在 孩 儿 们 面 前 炫 耀 一 下 自 己 的 知 识 渊 博 。
与 例 外 处 理 相 关 的 类
用 面 向 对 象 的 方 法 来 进 行 例 外 处 理 首先 必 须 建 立 类 的 层 次 。 如 图 20.1 所 示 , 类 Throwable 是 最 顶层 的 , 只 有 它 的 子 类 才 可 以 作 为 一 个 例 外 被 抛 弃 。
运 行 时 与 非 运 行 时 例 外
Java 有 运 行 时 例 外 和 非 运 行 时 例 外 之 分。
所 谓 运 行 时 例 外 就 是 由 系 统 在 Java 程 序运 行 的 过 程 中 检 测 到 的 例 外 , 例 如 除 零 溢 出 ( 除 数 为 零导 致 的 错 误 ) 、 数 组 越 界 等 。 由 于 它 们 可 能 在 程 序 的 任何 位 置 发 生 , 而 且 谁 也 无 法 在 程 序 运 行 以 前 计 算 出 它 们会 发 生 多 少 次 , 所 以 Java 语 言 编 译 器 允 许 Java 程 序 不 对 它进 行 处 理 。
除 此 之 外 的 其 他 例 外 则 被 称 为 非 运 行时 例 外 。

图 20.1 例 外 处 理 — — 类 的 层 次用 户 自 己 定 义 的 例 外 都 是 非 运 行 时 例外 。 然 而 并 非 所 有 非 运 行 时 例 外 都 是 用 户 自 己 定 义 的 例外 。
所 谓 用 户 自 己 定 义 的 例 外 , 就 是 你 在编 写 程 序 的 时 候 在 你 的 程 序 里 面 定 义 的 那 些 例 外 , 以 便使 得 你 的 程 序 具 有 更 高 的 可 靠 性 , 不 会 轻 易 地 出 差 错 。
Java 编 译 器 要 求 必 须 捕 获 或 声 明 所 有 的非 运 行 时 例 外 。 对 于 用 户 自 定 义 例 外 , 这 是 十 分 显 然 的; 否 则 , 系 统 就 不 知 道 这 些 用 户 自 定 义 的 例 外 的 特 性 。知 己 知 彼 才 能 百 战 百 胜 。
简 单 的 例 外 处 理运 行 时 例 外 的 处 理
先 看 看 下 面 这 两 个 例 子 。
程 序 20.1
public class REP{
public static void main(String args[ ]) {
int AE = 1/0; // AE 等 于 1 除 以 0 , 将 导 致除 0 溢 出 例 外
}
}程 序 20.2
public class REP{
public static void main(String args[ ]) {
int i = 0;
int AE = 1/i; // AE 等 于 1 除 以 i , 而 i 等于 0 , 也 将 导 致 除 0 溢 出
}
}在 程 序 20.1 和 程 序 20.2 中 都 出 现 了 除 数为 0 导 致 的 “ 除 0 溢 出 ” 例 外 , 这 属 于 运 行 时 例 外 。 此 时, 运 行 程 序 的 系 统 会 自 动 把 生 成 的 例 外 对 象 交 给 缺 省 的( 也 就 是 默 认 的 ) 例 外 处 理 程 序 , 在 计 算 机 屏 幕 上 显 示出 这 个 例 外 的 内 容 及 发 生 此 例 外 的 位 置 。 在 JDK 环 境 下 运行 这 两 个 例 子 程 序 。 ( 有 关 JDK 开 发 环 境 的 介 绍 请 参 见 《开 发 环 境 》 一 章 )
程 序 20.1 的 运 行 结 果 为 :
c:/java/exam >javac REP.java
REP.java:3: Arithmetic exception.
int AE = 1/0;
^
1 error可 见 , 程 序 在 编 译 的 时 候 编 译 器 就 指出 了 错 误 。 此 程 序 不 能 通 过 编 译 。 无 法 生 成 可 以 运 行 的文 件 。
程 序 20.2 的 运 行 结 果 是 :
c:/java/exam>javac REP.java
c:/java/exam>java REP
java.lang.ArithmeticException: / by zero
at REP.main(REP.java:4)程 序 20.2 虽 然 通 过 了 编 译 , 编 译 器 没 有指 出 有 错 误 , 从 而 生 成 了 可 以 运 行 的 程 序 文 件 , 但 是 该程 序 在 运 行 时 系 统 指 出 出 现 了 例 外 。
非 运 行 时 例 外
我 们 也 是 先 看 一 个 例 子 :
程 序 20.3
class MyE extends Exception{ // 定 义 一 个 例 外 类 MyE
private int detailA,detailB;
MyE(int a,int b){
detailA = a;
detailB = b;
}
public String toString(){
return "MyException : " detailA "<" detailB;
}
}public class ED{ // 定 义 一 个 类 ED
static void compare(int a,int b) throws MyE {
System.out.println("***************************");
System.out.println("call compare(" a "," b ")");
if (a
throw new MyE(a,b);
System.out.println("normal exit : " a "> = " b);
}static void callcompare(int a,int b){
try{
compare(a,b);
} catch(MyE e){
System.out.println("Catch " e);
}
finally{
System.out.println("return from callcompare()");
}
}public static void main (String args[ ]){
callcompare(10,5);
callcompare(5,5);
callcompare(5,10);
}
}程 序 20.3 抛 弃 了 自 己 的 例 外 。 上 例 对 两个 整 数 a 和 b 进 行 了 比 较 ( compare ) , 当 a ( = b 时 程 序 正常 运 行 , 当 a((b 时 程 序 抛 弃 例 外 MyException 。
在 JDK 里 例 20.3 的 运 行 结 果 如 下 :
c:/java/exam>java ED***************************
call compare(10,5)
normal exit : 10> = 5
return from callcompare()
***************************
call compare(5,5)
normal exit : 5> = 5
return from callcompare()
***************************
call compare(5,10)
Catch MyException : 5<10
return from callcompare()例 外 的 抛 弃 、 捕 获 和 声 明
除 对 运 行 时 例 外 可 以 不 做 处 理 外 , 例外 处 理 还 有 以 下 几 种 方 法 :
- 使 用 throws 子 句 生 命 例 外 ;
- 定 义 自 己 的 例 外 类 , 并 用 throw 语 句 来 抛 弃 它;
- 使 用 try-catch-finally 语 句 捕 获 例 外 。
在 Java 语 言 中 捕 获 一 个 例 外 之 前 , 必 须有 一 段 Java 代 码 生 成 一 个 例 外 对 象 并 把 它 抛 弃 。 抛 弃 例外 的 代 码 可 以 是 你 自 己 Java 的 程 序 , JDK 中 的 某 个 类 , 或者 是 Java 运 行 时 系 统 。 这 就 像 在 蓝 球 场 上 打 球 一 样 , 你 若想 接 到 一 个 球 , 就 必 须 有 人 先 抛 出 这 个 球 , 不 管 这 人 是中 锋 , 还 是 后 卫 , 亦 或 是 对 方 球 员 。 同 理 , 如 同 所 有 人抛 球 都 必 须 用 手 一 样 , 无 论 是 你 自 己 的 程 序 还 是 运 行 时系 统 , 都 必 须 使 用 throw 语 句 来 抛 弃 例 外 。
例 如 , 在 例 20.3 的 compare 方 法 中 就 使 用了 throw 语 句 来 抛 弃 一 个 例 外 :
throw new MyE(a,b);
其 中 MyE 是 Exception 的 一 个 子 类 。
class MyE extends Exception{ // class MyException }
由 throw 抛 弃 的 例 外 必 须 是 Throwable 类 或 其 子类 的 对 象 。声 明 例 外
在 很 多 情 况 下 , 生 成 例 外 的 方 法 并 不需 要 处 理 它 , 而 是 用 throws 子 句 来 声 明 它 , 以 向 上 传 递 。如 例 20.3 中
static void compare(int a,int b) throws MyE {
这 样 就 在 compare 方 法 中 声 明 了 例 外 MyE 。一 个 方 法 中 也 可 以 同 时 声 明 多 个 例 外, 只 需 throws 在 后 列 出 所 有 要 声 明 的 例 外 即 可 。 例 如
static void Proc ( ) throws MyE , ArithmeticException{
… …
}捕 获 例 外
捕 获 例 外 需 使 用 try-catch-finally 语 句 。
在 例 20.3 的 callcompare 方 法 中 , try 语 句 在 {} 中 指 定 了 一 段 代 码 , 该 代 码 可 能 会 抛 弃 几 个 例 外 ; 其后 的 catch 用 于 处 理 这 些 例 外 ; finally 则 提 供 了 统 一 的 出口 。
static void callcompare(int a,int b){
try{
compare(a,b);
}
catch(MyE e){
System.out.println("Catch " e);
}
finally{
System.out.println("return from callcompare()");
}
}
程 序 20.4 import java.awt.*;
import java.applet.*;class MyE extends Exception{ // class MyException
private int detailA,detailB;
MyE(int a,int b){
detailA = a;
detailB = b;
}
public String toString(){
return "MyException : " detailA "<" detailB;
}
}
class Cons{ // 设 置 一 个 常 数 , 让 它 代 表 两 条线 之 间 的 距 离
final int jmp = 13;
}public class ED extends Applet{ // class Exception Demo
static void compare(int a,int b,Graphics g,int Ln,int col) throws MyE {
Cons jump = new Cons();
g.drawString("***************************",col,Ln);
g.drawString("call compare(" a "," b ")",col,Ln jump.jmp);
if (a
throw new MyE(a,b);
g.drawString("normal exit :" a "> = " b,col,Ln 2*jump.jmp);
}static void callcompare(int a,int b,Graphics g,int Ln,int col){
Cons jump = new Cons();
try{
compare(a,b,g,Ln,col);
}
catch(MyE e){
g.drawString("Catch " e,col,Ln 2*jump.jmp);
}
finally{
g.drawString("return from callcompare()",col,Ln 3*jump.jmp);
}
}public void paint (Graphics g){
Cons jump = new Cons();
int Ln;
int col;
Ln = 10; col = 20;
callcompare(10,5,g,Ln,col);
Ln = Ln 5*jump.jmp;
callcompare(5,5,g,Ln,col);
Ln = Ln 5*jump.jmp;
callcompare(5,10,g,Ln,col);
}
}程 序 20.4 是 程 序 20.3 的 Applet 形 式 , 它 的运 行 结 果 如 图 20.2 所 示 。

图 20.2 程 序 20.4 的 执 行 结 果几 件 值 得 注 意 的 事 情
- 自 定 义 的 例 外 类 的 类 名 通 常 可 以 以 Exception 结尾
。 例 如 :
MyException , MyArithmeticException 等 。 - 对 于 运 行 时 例 外 可 以 不 捕 获 、 声 明 , 而 提 交运 行 时 系 统 处 理 。
- 在 捕 获 或 声 明 例 外 时 , 要 选 取 合 适 类 型 与 层次 的 例 外 。
- 处 理 例 外 既 可 以 在 方 法 内 捕 获 并 处 理 , 也 可以 提 交 上 层 方 法 处 理 。
- 使 用 finally 语 句 可 为 例 外 处 理 提 供 统 一 的 出 口, 通 常 可 在 finally 语 句 中 进 行 资 源 清 除 工 作 , 如 关 闭 已打 开 的 文 件 等 。
- Java 采 用 面 向 对 象 的 例 外 处 理 机 制 减 小 了 编 程量 , 增 加 了 灵 活 性 , 增 强 了 程 序 的 可 读 性 和 可 靠 性 , 有利 于 编 写 具 有 动 态 运 行 特 性 的 复 杂 程 序 。
- 对 非 运 行 时 例 外 必 须 捕 获 或 声 明 。
对 于 自 定 义 的 例 外 类 , 通 常 作 为 类 Exception 的 子 类 , 而 不 作 为 类 Error 的 子 类 。 因 为 类 Error 通 常 用 于系 统 内 严 重 的 硬 件 错 误 。 - 抛 弃 的 例 外 必 须 是 Throwable 类 或 其 子 类 的 对 象。
- 注 意 区 分 throw 和 throws 的 用 法 :
throw 用 于 抛 弃 例 外 ;
throws 用 于 声 明 例 外 。
相关推荐
利用Python脚本生成IDA Pro许可证文件idapro.hexlic的完整指南
本文提供了一份详细的Python脚本指南,用于自动化生成IDA Pro的许可证文件idapro.hexlic。文章深入解析了脚本原理,包括构建许可证JSON、RSA密钥修补与签名生成机制,并附有完整的操作流程与常见问题排查,帮助逆向工程人员快速完成本地化许可部署。
Java异常处理机制
Java异常处理机制 Java已经提供了异常处理机制,发生异常后,会给出异常类型、异常提示信息、异常的位置等。但这样有一个缺点,就是出现异常后,后续代码不执行了;提示信息太专业,可读性差。所以我们使用两种解决办法来处理异常:try-catch捕获异常和throws抛出异常,让方法的调用者处理。 异常分类 异常处理 try-catch 情况1:try块中代码没有出现异常 不执
Sentinel--哨兵系列数据下载地址及流程更新【202310】
哨兵系列数据下载地址及流程更新。哨兵系列卫星作为哥白尼计划的一部分,主要目标便是对地球的观测任务。哥白尼计划由三部分组成:空间部分(哨兵系列太空任务与其他太空机构任务)、测量部分(提供海洋、大陆表面和大气信息的陆基和机载数据收集网络)、数据管理与全球共享。
oracle三种例外,【ORACLE】pl/sql编程例外处理(Exception) 李四
例外分为三种:1.预定义例外 2.非预定义例外 2.自定义例外以下主要举例说明预定义例外处理1.预定义例外 no_data_found.declarev_ename emp ename%typebeginselect ename into v_ename from emp whereempno=&gno;dbms_output.put_line('名字:'||v_ename);except...
别再只用GPS了!用Android手机传感器实现室内步行轨迹记录(避坑指南)
本文详细介绍了如何利用Android手机传感器(如加速度计、陀螺仪和磁力计)实现室内步行轨迹记录,克服GPS在室内的局限性。通过传感器数据采集、步态检测、航向估计和轨迹绘制等步骤,结合避坑指南和优化技巧,帮助开发者高效构建室内定位应用。
腾讯游戏安全组件运行异常的全面解决方案
在使用腾讯游戏时,玩家可能会遭遇游戏安全组件运行异常的问题,这不仅影响游戏的正常启动,还可能在游戏过程中引发一系列问题。本文将详细介绍解决腾讯游戏安全组件运行异常的几种方法,帮助玩家重拾游戏乐趣。腾讯游戏安全组件运行异常是一个复杂的问题,可能涉及服务设置、游戏更新、系统环境优化以及硬件与驱动检查等多个方面。最后,希望本文能帮助玩家顺利解决腾讯游戏安全组件运行异常的问题,让玩家能够无忧无虑地享受游戏带来的乐趣。首先,我们需要从系统的服务管理入手,检查与游戏安全组件相关的服务是否正常运行。
JavaScript 异常(例外)处理
阅读目录 1. 错误VS异常 2. 术语:JS抛出错误 3. JS异常类型 3.1 代码错误 3.2 运行错误 4. JS异常的载体 4.1 Error对象 4.2 Error的子类(6) 5. JS异常捕获(监控)方法 5.1 window.onerror 5.2 try…catch…finally中的catch 5.3 二者区别 6. JS异常处理方法 6.1 定义 6.2 ...
新手入门:从零开始学习PCB飞针测试全流程(附常见问题解答)
本文详细介绍了PCB飞针测试的全流程,从核心原理、设备解析到实操步骤和常见问题解答,帮助新手快速掌握这一电子制造领域的关键质检技术。内容涵盖测试资料准备、参数设置、设备操作技巧以及故障排查方法,特别适合小批量PCB生产的质量检测需求。
初识Java例外处理
程序在运行时不可避免要产生一些例外,例如内存不够,文件找不到,除数为零等情况。 这里的例外,与程序出现的普通的逻辑错误、编译错误是不同的。例外是不可以预料的,而错误是必然的。例外处理机制会当程序产生例外时对例外进行处理,然后再返回产生例外的语句继续执行。一些语句执行时可能产生例外,必须进行例外处理,否则编译不能够通过。 与C++不同的是,Java会告诉我们出错的类型,出错信息和出错的...
Linux双网卡设置IP属于同一网段的ping方法以及现象记录分析
文章目录前言ping以及MAC地址总结 前言 写在前面:经常遇到客户将板卡上的两个网络设备的IP地址设置为同一网段的情况,比如eth0:192.168.0.232,eth1:192.168.0.30. 我的解释是,不能设置为同一网段,或者使用其中一个时候下线另外一个网卡。但是我不知道这个说法到底是根据什么,查了很多资料也没找到明确的说法,但是下面这个实验能够说明一些现象的原因。 ping以及MAC地址 首先查看网卡的信息 ifconfig 因为两个网卡都在同一个网段,所以如果这个时候直接和我们的主机(I
PCIE协议版--M.2接口规范V1.0中文版1——物理规格篇
5.1.3.双模块键模块:同时支持Socket1-DP、Socket1-SD。2.4.7.3.3.双面模块(使用H2.8、H3.2、H4.2连接器)6.5.8.2.5.热设计功率响应-带有风扇类别的薄平台笔记本电脑。2.3.7.1. Socket1&2射频连接器PIN-OUT。5.2.2.Socket2 PIN-OUT(机械KEY B)3.2.10.1.3.极薄的笔记本电脑的电源开关顺序的例子。5.1.1.Socket1-DP(机械KEY A)5.1.2.Socket1-SD(机械KEY E)
EOS安全漏洞再发,BCH将如何兼顾智能合约效率与安全?
SDK是Software Development Kit的缩写,中文意思就是“软件开发工具包”。在智能合约开发中,SDK 为不同平台的交易提供了统一的支付接口,开发者在Dapp页面中可以通过浏览器插件钱包、手机app钱包等实现交易支付和合约调用。可以说,SDK是基于区块链应用开发的工具。 近日,区块链生态安全团队慢雾科技发布,EOS非官方开源SDK的小数点精度处理不恰当,会出现转账金...
华为OD机试真题 新系统 2026-04-22 Python&JS 实现【小学生班长选举增强版】
9 月份开学第一天,小学某班级进行班长选举活动,班级共有 N 个学生,每个学生最多可投 3 票(对同一个人只能投一票),也可以弃权不投票,大家投票时写上对应学生的名字。 假设学生不存在重名。考虑到部分少数民族名字带分隔,且整体较长,同学在投票时为了方便,允许同学写全称,也可以只写其中的部分连续段。 例如班级里只有 2 个少数民族名称带点的同学:
关于例外的处理
关于rails中例外的捕获与处理,如果product.save!这种写法的例外应该怎么处理,如何捕获
霍尼韦尔SoftMaster使用说明
霍尼韦尔SoftMaster使用说明
ssm框架搭建
这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载
InnoDB 内存结构总览:Change Buffer、AHI 与 Log Buffer
本文系统梳理InnoDB内存结构中的ChangeBuffer、Adaptive Hash Index(AHI)与LogBuffer。ChangeBuffer缓存二级索引页不在内存时的变更,减少随机IO,仅在页加载时合并;聚簇索引修改立即执行,因数据本身不可延后。AHI基于高频等值查询自动构建哈希索引,加速定位,仅支持等值操作。LogBuffer为redo log内存缓冲,配合磁盘日志实现崩溃恢复。三者均服务于性能优化,其中ChangeBuffer与AHI共享BufferPool空间,而LogBuffer独立
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');```[](https://bitdeli.com/free "Bitdeli Badge")
信创环境下PageOffice文档控件适配与实践
信创适配做到文档控件这一层,拼的已经不是"有没有国产版本",而是同一个功能在两类终端上是否真的等价。等价的标准很具体:同一次点击能得到同样的结果,同一份公文能得到同样的版式,同一个项目不需要维护两套代码。这背后是三件并不轻松的工作:服务端用一套接口同时支撑两类终端,客户端把两种系统与四种芯片的安装包分发清楚,文档内核层由产品侧跟着 WPS 的版本走。浏览器这一层的压力,则被收进了产品自己的窗口里——升级节奏由产品掌握,不再交给运气。
IDEA的使用指南
IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.
第三篇 第 6 课
前置:第三篇第 1 课(stdx 引入),第二篇第 1 课(std.regex)。环境:仓颉 SDK 1.2.0。本文所有代码与输出均逐行实测。
【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端
上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。
pcl2启动器下载(Minecraft PCL2 启动器 最新版 安装与使用说明)
摘要:PCL2(Plain Craft Launcher 2)是一款面向 Minecraft 的第三方启动器,支持正式版与快照版本管理、模组与整合包安装、Java 运行时自动匹配,绿色免安装、双击即可运行。适合在 Windows 上玩单机整合包、需要多版本共存或离线启动的用户使用
spring boot 4集成SQLLite,及其SQLLite的建库
spring boot 4集成SQLLite,及其SQLLite的建库
Java 集合容器高频面试题全解:HashMap 树化阈值、1.7 死循环与 ConcurrentHashMap 演进(2026 招聘 JD 真题复盘)
HashMap 树化阈值 8 的泊松分布依据、退化阈值 6 的防抖设计、JDK 1.7 头插成环死循环的排查与修复、1.8 尾插后为何仍线程不安全、ConcurrentHashMap 放弃分段锁的原因与 ForwardingNode 协作扩容、computeIfAbsent 死锁陷阱、大集合找重复的场景题选型,附三层追问链自测。题目来源为 38 期公开招聘 JD 样本与字节、拼多多、建行、美团、快手公开面经。
spdlog 同步日志库使用详解
spdlog是一个轻量级 C++ 日志库,支持同步日志、异步日志、多线程日志、日志文件轮转和自定义日志格式。对于嵌入式 Linux 应用开发,我建议先使用。它可以帮我们完成:日志级别过滤。时间戳和线程 ID 输出。日志格式化。终端和文件输出。多线程安全写入。日志文件按大小或时间轮转。我们不需要自己实现互斥锁、文件写入、日志格式化和轮转等底层功能。
JavaSE通关手册:数据类型与变量
代码无需额外处理,编译时编译器自动完成转换。
IDEA 简介:从零认识 IntelliJ IDEA
IDEA 全称,是由 JetBrains 公司开发的一款主流 Java 集成开发环境(IDE)。它集代码编辑、编译、调试、测试、版本控制、构建管理等功能于一体,被大量 Java 开发者视为日常开发的首选工具。所谓 IDE(Integrated Development Environment,集成开发环境),就是把写代码所需的各类工具整合到同一个界面中。相比只用文本编辑器加命令行编译,IDE 能显著减少重复操作,让开发者把精力集中在业务逻辑上。
617



被折叠的 条评论
为什么被折叠?



