黑马程序员_基础加强(1) JDK1.5新特性

本文深入探讨了Java编程中的静态导入、for循环增强、装箱与拆箱、可变参数等高级特性,提供了实战代码示例及注意事项,帮助开发者更高效地使用Java语言。
-------  android培训java培训、期待与您交流! ----------

一.静态导入
import static 语句 导入一个类中的某个静态方法或所有静态方法
eg:
import static  java.lang.Math.*;
public class StaticImport {
	public static void main(String [] args){
		
		int x = 12 ;
		try {
			x++;
		} finally {
			System.out.println(x++);
		}
		System.out.println(x);
		System.out.println(max(4, 5));
 		System.out.println(abs(5-16));
	}
}

注意:

当类重名时,需要指定具体的包名;当方法重名时,需要指定该方法所属的对象或类。

若设置的编译器版本低,但代码中用到了新版本的特性,MyEclipse会提示错误,此时只需修改为新版本的编译器即可


二.for增加

语法:for(VariableModifiers type 变量名:集合变量名){……}

注意事项:type前可加修饰符,如加final,以方便内部类访问等;迭代变量必须在()中定义;集合变量名可以是数组或事项了Iterable接口的集合类

举例:见可变参数中的代码



三.装箱与拆箱

基本数据类型:byte    short     int           long   char               float    double     boolean

对应的包装类:Byte    Short    Integer   Long   Character      Float   Double    Boolean

装箱:把基本数据类型转换成对应的包装类。

拆箱:把包装类转成对应的基本数据类型


eg:
public class AutoBox {
	public static void main(String[] args) {		
		Integer iobj = 13;//基本数据类型的装箱
		System.out.println(iobj+12);//基本数据类型的拆箱		
		//基本数据类型装箱拆箱的一个特性------(享元模式)
		//当Integer封装的数据在一个字节之间(-128~127),则只建立一个对象,成为享元
		Integer i1= 127;
		Integer i2 =127;
		System.out.println(i1 == i2);//ture
		
		//当Integer封装的数据超出一个字节,则每个都新建一个对象。	
		Integer i3 = 128;
		Integer i4 = 128;
		System.out.println(i3 == i4);//false
		
		Integer i5 =Integer.valueOf(3);  
		Integer i6 =Integer.valueOf(3);
		System.out.println(i5 == i6);//true		
	}
}

这里用到的享元设计模式

四.可变参数
 1. 只能出现在参数列表的最后一位;
  2. ...位于变量类型和变量之间,前后有无空格均可。
  3. 调用参数方法时,编译器为该可变参数隐含创建一个数组(其实,可变参数就是一种数组的简写形式),在方法体中以数组形式访问可变参数。

eg:
public class variableParm {
	
	public static void main(String[] args) {
		System.out.println(getSum(23, 454, 45));
		System.out.println(getSum(234, 546, 78, 454));
	}
	public static int getSum(int x,int ...args)
	{
		int sum = x;
		for(int arg:args)
		{
			sum += arg;
		}
		return sum;
	}

}




-------  android培训java培训、期待与您交流! ----------


内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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