IO流

1,这些io流类在api里的继承图

FileReader

java.lang.Object

  java.io.Reader

      java.io.InputStreamReader

          java.io.FileReader

FileWriter

java.lang.Object

  java.io.Writer

      java.io.OutputStreamWriter

          java.io.FileWriter

java.io 
BufferedWriter

java.lang.Object

  java.io.Writer

      java.io.BufferedWriter

 

java.io 
OutputStreamWriter

java.lang.Object

  java.io.Writer

      java.io.OutputStreamWriter

 

FileOutputStream

java.lang.Object

  java.io.OutputStream

      java.io.FileOutputStream

 

 

2,用缓冲流包装那些低级流

 

//  如果需要包装的是字符流就能一步搞定   ,BufferedReader(Reader in) 

BufferedReader br = new BufferedReader(new FileReader(file));

BufferedWriter bw = new BufferedWriter(new FileWriter(file));

 

//如果包装的是字节流,需要用到InputStreamReader这个类,因为它是字节流通往字符流的桥梁InputStreamReader(InputStream in) 

reader = new BufferedReader(new InputStreamReader(conn.getInputStream()));

writer = new BufferedWriter(new OutputStreamWriter(conn.getOutputStream()));

 

//缓冲字符流和缓冲字节流最重要的区别是,缓冲字符流有一个读一行和写一个空格符的方法,缓冲字节流没有

 

3,读写的格式

第一种:读字节数组

byte[] b = new byte[8192];

int len = 0;

//看用了多久

long before = System.currentTimeMillis();

while((len=fis.read(b))!=-1){

fos.write(b, 0, len);

}

 

第二种:一行行读

//如果读到null就不读了

String line = null;

while((line=br.readLine())!=null) {

System.out.println(line);

}

基于Swin Transformer与ASPP模块的图像分类系统设计与实现 本文介绍了一种结合Swin Transformer与空洞空间金字塔池化(ASPP)模块的高效图像分类系统。该系统通过融合Transformer的全局建模能力和ASPP的多尺度特征提取优势,显著提升了模型在复杂场景下的分类性能。 模型架构创新 系统核心采用Swin Transformer作为骨干网络,其层次化窗口注意力机制能高效捕获长距离依赖关系。在特征提取阶段,创新性地引入ASPP模块,通过并行空洞卷积(膨胀率6/12/18)和全局平均池化分支,实现多尺度上下文信息融合。ASPP输出经1x1卷积降维后与原始特征拼接,有效增强了模型对物体尺寸变化的鲁棒性。 训练优化策略 训练程采用Adam优化器(学习率0.0001)和交叉熵损失函数,支持多GPU并行训练。系统实现了完整的评估指标体系,包括准确率、精确率、召回率、特异度和F1分数等6项指标,并通过动态曲线可视化模块实时监控训练过程。采用早停机制保存最佳模型,验证集准确率提升可达3.2%。 工程实现亮点 1. 模块化设计:分离数据加载、模型构建和训练程,支持快速迭代 2. 自动化评估:每轮训练自动生成指标报告和可视化曲线 3. 设备自适应:智能检测CUDA可用性,无缝切换训练设备 4. 中文支持:优化可视化界面的中文显示与负号渲染 实验表明,该系统在224×224分辨率图像分类任务中,仅需2个epoch即可达到92%以上的验证准确率。ASPP模块的引入使小目标识别准确率提升15%,特别适用于医疗影像等需要细粒度分类的场景。未来可通过轻量化改造进一步优化推理速度。
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