Day17 常用API

基于FPGA的示波器设计 ADC 、DAC、FPGA、LCD液晶、示波器 阅读详情

1.谁的方法(哪个类)

2.什么方法(静态还是成员)

3.功能是什么(能做什么)

4.需要传入什么参数

5.返回什么数据

6.方法名

1. String

1.1 概述

Java.lang.String 是字符串类

他的底层就是一个字符数组,所以他的很多特性就是数组的特性

1 字符串一旦创建,这个字符串对象不能更改

2 字符串需要使用""双引号表示

3. 为了提高字符串访问效率,提出了一个缓存机制,字符串常量池

1.2 基本使用 

1.3 不要频繁拼接 

因为String一旦创建,字符串对象不可更改

所以尽量不要使用String 进行大量的字符串拼接操作

1.4 构造方法 

 

1.5 常用方法

int length():返回字符串的长度: return value.length

char charAt(int index): 返回某索引处的字符return value[index]

boolean isEmpty():判断是否是空字符串:return value.length == 0

String toLowerCase():使用默认语言环境,将 String 中的所有字符转换为小写

String toUpperCase():使用默认语言环境,将 String 中的所有字符转换为大写

String trim():返回字符串的副本,忽略前导空白和尾部空白

boolean equals(Object obj):比较字符串的内容是否相同

boolean equalsIgnoreCase(String anotherString):与equals方法类似,忽略大

小写

String concat(String str):将指定字符串连接到此字符串的结尾。 等价于用“+”

int compareTo(String anotherString):比较两个字符串的大小

String     substring(int    beginIndex): 返回一个新的字符串, 它是此字符串的从

beginIndex开始截取到最后的一个子字符串。

String substring(int beginIndex, int endIndex) :返回一个新字符串,它是此字 符串从beginIndex开始截取到endIndex(不包含)的一个子字符串。

boolean endsWith(String suffix):测试此字符串是否以指定的后缀结束

boolean startsWith(String prefix):测试此字符串是否以指定的前缀开始

boolean startsWith(String prefix, int toffset):测试此字符串从指定索引开始的

子字符串是否以指定前缀开始

boolean contains(CharSequence s):当且仅当此字符串包含指定的 char 值序列 时,返回 true

int indexOf(String str):返回指定子字符串在此字符串中第一次出现处的索引

int indexOf(String str, int fromIndex):返回指定子字符串在此字符串中第一次出 现处的索引,从指定的索引开始

int lastIndexOf(String str):返回指定子字符串在此字符串中最右边出现处的索引

int lastIndexOf(String str, int fromIndex):返回指定子字符串在此字符串中最后 一次出现处的索引,从指定的索引开始反向搜索

注:indexOf和lastIndexOf方法如果未找到都是返回-1

String replace(char oldChar, char newChar):返回一个新的字符串,它是

通过用 newChar 替换此字符串中出现的所有 oldChar 得到的。

String replace(CharSequence target, CharSequence replacement): 使 用指定的字面值替换序列替换此字符串所有匹配字面值目标序列的子字符串。

String     replaceAll(String      regex,       String       replacement) : 使 用 给 定 的

replacement 替换此字符串所有匹配给定的正则表达式的子字符串。

String     replaceFirst(String  regex,       String       replacement) : 使用给定的

replacement 替换此字符串匹配给定的正则表达式的第一个子字符串。

boolean matches(String regex):告知此字符串是否匹配给定的正则表达式。

String[] split(String regex):根据给定正则表达式的匹配拆分此字符串。

String[] split(String regex, int limit):根据匹配给定的正则表达式来拆分此 字符串,最多不超过

limit个,如果超过了,剩下的全部都放到最后一个元素中

//1 char charAt(int index):获取字符串中某个位置上的字符
        System.out.println(s1.charAt(2));
        
        //2 boolean startsWith(String prefix):是否以指定字符串开始
        System.out.println(s1.startsWith("q"));
        // 是否已指定字符串结尾
        System.out.println(s1.endsWith("!"));
        //注意空格
        System.out.println(s1.endsWith("! "));
        
        //3 boolean equals(Object obj): 比较两个字符串是否相等
        System.out.println("abc".equals("Abc"));
        //true 不区分大小写比较
        System.out.println("abc".equalsIgnoreCase("ABC"));
        System.out.println("-----------");
        
        //4 byte[] getBytes(): 把字符串转换为字节数组
        byte[] bytes = "abc".getBytes();
        for (byte b : bytes) {
            System.out.println(b);
        }
        //5 char[] toCharArray():把字符串转换为字符数组
        char[] chars = "abc".toCharArray();
        for (char c : chars) {
            System.out.println(c);
        }
        //字节数组转换字符串: new String(bytes,起始值,个数);
        //字符串转字节数组:getBytes();
        //字符数组转字符串: new String(chars  ,起始值,格式,个数);
       //字符串转字符数组:toCharArray();
        
        //6 int indexOf(String str): 获取字符串中,指定字符串的起始索引,找不到就返回-1
        System.out.println("abcdebcfg".indexOf("bc"));
        
        //7 int lastInderOf(String str): 获取字符串中,指定字符串最后一次出现的索引,找不到返回-1
        System.out.println("abcdebcfg".lastIndexOf("bc"));
        
        //8 int length(): 返回字符串的长度
        System.out.println("abc".length());
        
        //9 String replaceAll(String regex, String replacement):把指定字符串,用某个字符串替换
        //replace: 这个方法 和 replaceAll 几乎一样  , 只是 replacAll 支持正则表达式,而replace不支持
       //111111111   因为。 在正则表达式中,可以匹配任意字符,所以把所有字符都  替换为1
        System.out.println("abc.dae".replaceAll(".", "1"));
        //abc1dae, 就是 不识别正则表达式
        System.out.println("abc.dae".replace(".", "1"));
        
        System.out.println("======");
        // 10 String[] split (String regex): 分割字符串,需要指定分隔符,返回字符串数组,支持正则表达式
        String myTime = "2021,07,13";
        //以逗号分割,返回字符串数组
        String[] time = myTime.split(",");
        for (String string : time) {
            System.out.println(string);
        }
        
        //11 String substring(int beginIndex): 获取该字符串中,以某个下标为起始的子字符串(包含)
        //efg
        System.out.println("abcdefg".substring(4));
        //12 String substring(int beginIndex, int endIndex): 获取该字符串中,以某个下标为起始(包含),到指定位置结束(不包含)
        //注意 其实包含,结束不包含
        //de
        System.out.println("abcdefg".substring(3,5));
        //13 String trim(): 去除字符串两边的空格
        //a      b
        System.out.println("      a     b        ".trim());
        
        //14 转大写转小写
        //ASDADNCA
        System.out.println("asdADnca".toUpperCase());
        //asdadnca
        System.out.println("asdADnca".toLowerCase());
        
        //输出一个引用类型的时候,会自动调用该对象的to String 方法
        Object object = null;
        //当obj为null时,的确不会出现空指针异常
        System.out.println(object);
        //15 static String valueOf(Object obj): 调用指定对象的to String方法,并且使用了三目运算符屏蔽了空指针异常
        System.out.println(String.valueOf(object));

//创建字符串缓冲区对象
        StringBuilder sb = new StringBuilder();
        //尾部添加数据
        sb.append("a");
        sb.append("b");
        // return this 所以可以链式调用
        sb.append("c").append("d");
        System.out.println(sb);
        
        //1 反转
        //dcba
        System.out.println(sb.reverse());
        
        //指定位置添加数据
        sb.insert(1, "2");
        //d2cba
        System.out.println(sb);
        //已有元素个数
        System.out.println(sb.length());
        //16 当前数组的容量,value.length
        System.out.println(sb.capacity());
        
        //把sb转换为String类型
        String s = sb.toString();

2. StringBuffer和StringBuilder

2.1 概述

1 StringBubber和StringBuilder是什么?

        是一个可变的字符串缓冲区,适合做拼接操作

         底层也是char数组,只不过默认长度是16,而字符串内容多少长度就是多少

2 原理

         先定义好长度,以容纳更多字符

         如果预留的空间长度不够,会进行自动扩容

         默认长度为16,扩大容量为(当前容量+1)*2, 16-> 34 -> 70

3 StringBuffer和StringBuilder 区别

          StringBuilder:非线程安全,在多线程环境下使用,可能会出现问题,所以常用于方法中

           StringBuffer:线程安全,在多线程环境下使用,不会出现问题,所以常用于类中

2.2 使用

3 包装类

 包装类:封装了基本数据类型的一些操作,更加方便使用
  java中有8种基本数据类型
       byte          java.lang.Byte
          short          java.lang.Short
          int             java.lang.Integer
          long         java.lang.Long
          float          java.lang.Float
          double         java.lang.Double
          boolean      java.lang.Boolean
          char             java.lang.Character

3.2 使用

3.3 Integer

3.3.1 基本使用 

3.3.2 常用方法 

 

3.3.3 类型转换 

3.3.4 装箱和拆箱 

      java1.5开始, 引入了自动装箱和自动拆箱
  
  自动装箱: 把 基本类型 自动转换为对应的封装类类型  就是自动装箱
  
  自动拆箱: 把 包装类类型 自动转换为对应的基本类型 就是自动拆箱
  
  装箱和拆箱是在编译阶段完成的

 

3.3.5 整型常量池 

 

4. System 

 

System类提供的public static long currentTimeMillis()用来返回当前时 间与1970年1月1日0时0分0秒之间以毫秒为单位的时间差。

此方法适于计算时间差。

System类代表系统,系统级的很多属性和控制方法都放置在该类的内部。 该类位于java.lang包。

由于该类的构造器是private的,所以无法创建该类的对象,也就是无法实 例化该类。其内部的成员变量和成员方法都是static的,所以也可以很方便 的进行调用。

成员变量

System类内部包含in、out和err三个成员变量,分别代表标准输入流

(键盘输入),标准输出流(显示器)和标准错误输出流(显示器)。

成员方法

native long currentTimeMillis():

该方法的作用是返回当前的计算机时间,时间的表达格式为当前计算机时

间和GMT时间(格林威治时间)1970年1月1号0时0分0秒所差的毫秒数。

void exit(int status):

该方法的作用是退出程序。其中status的值为0代表正常退出,非零代表

异常退出。使用该方法可以在图形界面编程中实现程序的退出功能等

5. Date

时间类, 1970.1.1 8:00:00

5.1 构造方法

 

5.2 时间格式化 

5.3 日历

 

 

 

 

excel 如何自动调整行间距 vba EXCEL是一个非常使用的软件,虽然我们平时仅使用他做一些报表,仅此而已;我在工作中,由于很懒,不愿意做考试重复的工作,就想着使用vba的宏来完成重复的工作,这样就能省出一部分的时间来了。本人不喜欢在博客里面写以下教程类的东西,我的理念是将工作中的痛点的解决办法分享出来,以解决问题为主。 阅读详情

相关推荐

从大疆智图到Cesium:3D Tiles模型加载与Web三维场景构建实战

本文详细介绍了如何利用大疆智图生成3D Tiles数据,并通过Cesium在Web端实现高效加载与三维场景构建。从大疆智图参数设置到Cesium环境配置,再到3D Tiles性能调优与高级功能实现,提供了一套完整的实战指南,帮助开发者快速掌握3D Tiles模型加载与Web三维场景构建技术。

weixin_30520015的博客 1285

Day17 常用Api

哪个方法,什么方法,功能,入参,出参,方法名 1.String java.long.String是字符串类,底层就是一个字符串组,继承数组的特性 1.创建后不能更改 2.字符串需要双引号" "表示 3.为提高访问效率,提出了一个缓存机制,字符串常量池 基本使用 不要频繁拼接:字符串String一旦创建,字符串对象不可更改,尽量不要使用String进行大量的字符串拼接操作 构造方法 常用方法 String s1 = "qwert!"; 1.char charAt(...

fighting_cui的博客 119

logisim实验——通过2个半加器实现1-bit全加器,通过4个一位全加器构成4-bit加法器(详解)

一、由异或门和与门所构成的半加器: 二、由两个半加器构成的1-bit全加器: ..

zep 1万+

day 17 常用API

1.谁的方法?(哪个类) 2.什么方法?(静态还是成员) 3.功能是什么?(能做什么?) 4.需要传入什么参数? 5.返回什么类型? 6.方法名 1.String 1.1 概述 位于java.lang.String;是字符串类 不需要导包。 它的底层是一个字符数组,所以它的很多特性就是数组的特性。 ...

wzhty125的博客 85

基于YOLOv8/YOLOv7/YOLOv6/YOLOv5的危险物品检测系统(深度学习模型+PySide6界面+训练数据集+Python代码)

随着公共安全需求的日益增长,危险物品检测技术在社会安防、交通安检等领域发挥着重要作用。本文介绍了一个基于YOLO系列深度学习框架的危险物品检测系统,集成了YOLOv8、YOLOv7、YOLOv6和YOLOv5四种先进的物体检测算法。系统采用PySide6开发了用户友好的图形界面,提供了完整的训练代码、预训练模型和数据集构建方案。实验结果表明,该系统在危险物品检测任务上实现了高精度和高实时性,为实际应用提供了可靠的技术支持。

YOLO 156

【即插即用模块】Mamba篇 | CVPR 2025 | MaIR:新型Mamba扫描方式+通道混洗注意力,全任务涨点!

MaIR是一种新型图像恢复模型,通过嵌套S形扫描策略(NSS)和序列混洗注意力(SSA)改进传统Mamba方法。NSS采用条纹区域划分和S形扫描路径,既保留图像局部性又维持空间连续性;SSA通过通道洗牌和门控机制增强特征聚合。该模块创新性地融合多路径选择性扫描、深度卷积和注意力机制,在保持O(N)计算复杂度的同时,显著提升超分辨率和去噪等任务的性能表现(PSNR提升0.2-0.5dB)。代码实现包含特征洗牌、组卷积等关键操作,适用于高分辨率视觉任务,可作为即插即用组件替代传统自注意力模块。

主要更新底层视觉(去噪、超分等)相关的科研内容,形式为【论文精读】+【论文复现】 1166

Day17-常用API

API就是Java帮我们写好的各种功能的Java类,只需要记住类名和类的作用就行,然后查阅API帮助文档。

aiains的博客 428

Trae IDE项目开发全流程深度技巧与最佳实践

2026年AI开发新范式:Trae AI IDE深度解析 摘要 2026年,AI已成为软件开发的核心驱动力。字节跳动推出的AI原生IDE——Trae,从根本上重塑了开发体验,将AI作为第一公民而非附加功能。Trae通过深度集成大型语言模型和创新交互模式,解决了现代开发中的重复劳动、信息过载等核心痛点。 报告全面剖析了Trae的核心功能: 智能代码生成:支持上下文感知续写、自然语言驱动生成和多模态输入转换 对话式AI助手:提供侧边栏和行内对话模式,支持代码解释、Bug修复、重构建议等 Builder/SOLO

公众号:AI前沿侦探 160

2022/06/17 day02:常用API

* Calendar类 * System类 * StringBuilder类 * 包装类

w2079930908的博客 318

通用具身智能仿真平台桃源2.0,三行代码定义任务,数采效率最高提升20倍

木木-具身Xbot具身知识库2025年03月13日 17:40浙江在首个“城市级”大规模仿真平台GRUtopia1.0的基础上,升级后的GRUtopia2.0凭借通用模块化框架、场景资产自动化生成、高效数据采集系统三大革新,进一步向通用化、多样化、易用化迈进。仅通过单一平台、简单代码输入,即可实现仿真环境中机器人灵活训练,提升数据采集效率,为研究者提供了“一站式”具身智能开发解决方案。

具身机器人和通用AI 817

2025年软件测试职业院校技能大赛—ERP管理平台-基础信息管理商品管理测试用例

竞赛对接软件测试相关标准,以“ERP管理平台” 为被测系统,围绕软件测试领域的主流技术及工具,考查选手面 对实际问题的综合分析能力,对测试文档、测试用例的设计能力, 对单元测试、自动化测试、性能测试、接口测试等测试工具及方 法的掌握程度,检验选手团队协作能力、组织规划能力、方法运用能力等。

我是网络安全兼技能大赛工程师,专注网络安全技术学习与技能大赛实战!持续分享最新的技术文章,帮你少走弯路,一起在技术赛道上进步~ 323

day17 反射常用API测试

一、先创建需要测试的Studnet类 package cn.tedu.reflection; /**本类用于测试反射,先准备物料类*/ public class Student { //1.定义成员变量 public String name; public int age; //2.生成构造方法 //右键空白处->Gennerate->Constryctor->Select None--无参构造/全选属性可以生成全参构造 /**默认存在

apple_54863632的博客 217

基于LSTM GRU RNN的交通流量预测-完整数据代码

基于LSTM GRU RNN的交通流量预测-完整数据代码

922

day_17 内部类,常用API类

内部类 在类的内部,创建一个类,这个类就是内部类,包含内部类的类称为外部类 内部类分类成员内部类和局部内部类 成员内部类 public class OuterClass { private int num =10; private int num1 = 20; //成员内部类 public class InnerClass{ private double a = 100.1; public void print(){

十点半的博客 136

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

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_Day17(内部类、常用API、包装类)

Java_Day17(内部类、常用API、包装类) 内部类 在类的内部创建一个类,这个类就称为内部类 内部类分为成员内部类和局部内部类 成员内部类 包含内部类的类称为外部类 public class OuterClass { private int num =10; private int num1 = 20; //成员内部类 public class InnerClass{ private double a = 100.1; public

weixin_47469183的博客 161

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

day17_java_常用API03

接下来,我们学习一个新增的日期格式化类,叫DateTimeFormater。除以了上新增的类,JDK8还补充了两个类,一个叫Period类、一个叫Duration类;这两个类可以用来对计算两个时间点的时间间隔。先来演示Period类的用法,它的方法如下图所示。可以用来计算两个日期之间相隔的年、相隔的月、相隔的日。该类提供的方法如下图所示,可以用来获取当前时间,也可以对时间进行加、减、获取等操作。其中Period用来计算日期间隔(年、月、日),Duration用来计算时间间隔(时、分、秒、纳秒)

yczzzqwe123的博客 192

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

[Day17]常用API(System、Math、Arrays、BigInteger、BigDecimal)

1.基本类型包装类   1.1 8种基本类型对应的包装类 字节型 byte Byte 短整型 short Short 整型 int Integer 长整型 long Long 字符型 char Character 布尔型 boolean Boolean 浮点型 float Float ...

weixin_30437481的博客 104

JavaSE基础知识——Day17 常用API:基本类型包装类、System、Math 、Arrays、BigInteger、BigDecimal

第17天常用API 今日内容介绍 基本类型包装类 System Math Arrays BigInteger BigDecimal 基本类型包装类 大家回想下,在第二天我们学习Java中的基本数据类型时,说Java中有8种基本的数据类型,可是这些数据是基本数据,想对其进行复杂操作,变的很难。怎么办呢? 基本类型包装类概述 在实际程序使用中,程序界面上用户输入的数据都是以字符串类型进行存储的。而...

csdn15150525313的博客 240

从0开始学java-day17:常用API:System,Math,Arrays,包装类,超大数据的运算

今日内容介绍1、基本类型包装类2、System类3、Math类4、Arrays类5、大数据运算 =======================第一节课开始============================================= 01基本数据类型对象包装类概述 *A:基本数据类型对象包装类概述 *a.基本类型包装类的产生 在实际程序使用中,程序界面上用户输入的数据都是以字符串类型进行存储的。而程序开发中,我们需要把字符串数据,根据需求转换...

weixin_48583602的博客 227

菜鸟之路Day06一一Java常用API

学习内容来自,黑马程序员BV17F411T7Ao今天是菜鸟之路的第六天,经过昨天的学习效率的下降,今天,我在看视频时,遇到练习,先自己做一遍。不再去管其有用或是没用,毕竟疑行无名,疑事无功。毕竟有算法的基础,这些练习还是相对来说比较简单的。加油吧,今天先下班。

blue的博客 837

Day17 String API

1. 判断一个字符串是否是回文串 例如"abc"不是对称字符串,“aba”、“abba”、“aaa”、"mnanm"是对称字符串 import java.util.Scanner; public class day1701 { public static void main(String[] args) { //键盘录入字符串 Scanner sc = new Scanner(System.in); System.out.println("请输入字符

m0_48277818的博客 136

Day17 JavaDoc

(可以添加编码设置减少文档乱码,例javadoc encoding -UTF8 charset -UTF8 文件名.java)命令行实参:-encoding UTF-8 -charset UTF-8。工具–生成javadoc–选择需要生成的java文件/项目。javadoc命令作用:用来生成自己的API文档。执行指令:javadoc 文件名.java。在java文件目录下运行cmd。区域设置:zh_CN。

qq1846311374的博客 203

Day20 API

使用INT指令调用函数的时候,会被视作中断来处理,因此在被调用的函数内部,无法使用RET进行返回,需要替换为IRETD指令。另外,当INT调用的时候,CPU会自动执行CLI指令来禁止中断请求,为了防止这种情况,在应用函数_asm_cons_putchar的开头首先执行STI用来取消禁止中断。在C语言中,goto语句和函数调用的处理方式完全不同,但是在汇编语言中CALL指令和JMP指令本质上差不多,只是在执行CALL时,会自动将函数执行结束后的返回地址PUSH到栈中。如果找到文件则返回1,未找到则返回0。

liuxiangshuai1的博客 807

Java基础语法Day_07(1-3 常用API第一部分)

常用API第一部分 第1节 Scanner类 day07_01_API概述和使用步骤(使用最基本的三个步骤 搜索 构造方法 方法)   day07_02_Scanner概述及其API文档的使用   day07_03_Scanner的使用步骤   day07_04_Scanner练习一_键盘输入两个数字求和  day07_05_Scanner练习二_键盘输入三个数字求最...

weixin_30399871的博客 205

java常用应用程序编程接口(API)——String概述及使用案例

java常用应用程序编程接口(API)——String概述及使用案例

快乐学习,daydayup! 3008

时间和日期的JS库Day.js入门教程

dayjs是一个轻量的处理时间和日期的 JavaScript 库,这里是dayjs的github网址https://github.com/iamkun/dayjs。 dayjs好处 ???? 和Moment.js有着相同的API和模式 ???? 不可变、持久性 ???? 提供链式调用 ???? 国际化标准 ???? 超小的压缩体积,仅仅有2kb左右 ???? 极大多数的浏览器兼容 dayjs安装 NPM: npm install dayjs --save var dayjs = req

liinux-Talk is cheap,show me the code. 1683
上一篇: Day14 Object、 类关系
下一篇: Day18 常用API、异常机制
java_yangXL
博客等级 码龄5年 1粉丝 40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