JAVASE基础_02.基础语法--标识符、Java常量、Java变量、基本数据类型

本文深入讲解Java的基础语法,涵盖标识符的命名规则,常量与变量的概念及使用,以及基本数据类型的详细分类。了解如何正确声明和使用变量,掌握整数、浮点数、字符和布尔类型的特性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 

一、标识符

需要自己起名字的地方 就是标识符

标识符规则:

1.标识符由字母、数字、下划线、$ 四类构成

2.不能用数字开头

3.大小写敏感、长度不限制

4.不能和关键字(Java中特定的名字,Java所有关键字都是小写英文)重名

二、Java常量

1.字面值,用一串字符表示出来

2.不可变的变量,关键字final

三、Java变量

Java变量是程序中最基本的存储单元,内存的一小块区域,要素包括变量名、变量类型和作用域。使用变量名来访问这块区域,每一个变量必须先申请(声明),然后必须进行赋值(填充内容),才能够使用。

1、Java变量的分类

(1)按声明的位置区分:

局部变量:方法或语句块内定义的变量;方法的参数是局部变量

成员变量:方法外部、类的内部定义的变量

类的外部不能有变量的声明(纯面向对象)

(2)按照所属的数据类型划分

基本数据类型变量(4类8种)

引用数据类型变量(类、接口、数组)

2、变量的作用域

变量出了自己所在的大括号,就不是它的作用域了,对自己所在大括号以外不可见

四、基本数据类型

  1. 逻辑型——boolean
  2. 文本型——char 
  3. 整数型——byte,short,int,long   
  4. 浮点数型——float、double

基本数据类型靠内存中所占的大小和每单位内部排列的方式区分不同的数据类型。

1.boolean

只能用true和false区分,不能用0和非0

2.char

java采用Unicode进行编码(Unicode是把世界上各个国家的编码统一起来,中国编码是GBK),\u 用来表示其后是Unicodei编码,每个字符占两个字节,因此可以用十六进制表示;Java中允许使用转义字符 ‘\' 来将其后的字符转换成别的意思

3.整数类型(Java中所有数字都是带符号的)

  • byte -- 1字节(-128-127)    short - -2字节    int -- 4字节    long -- 8字节
  • Java中各整数类型有固定的表示范围和字段长度,他不受具体操作系统的影响,以保证Java的可移植性
  • 整数三种表示形式:十进制、十六进制(0X开头、0x开头)、八进制(0开头)
  • Java默认整型常量是int类型,声明long型常量在后加 l 或 L 

4.浮点类型(Java中所有数字都是带符号的)

  • float -- 4字节    double -- 8字节
  • Java中各浮点类型有固定的表示范围和字段长度,他不受具体操作系统的影响,以保证Java的可移植性
  • 浮点类型有两种表现形式:十进制数形式、科学记数法形式
  • Java浮点类型默认为double,要声明一个float,在数字末尾添加 f 或 F

 

 

 

 

 

资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用时需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中,类目和样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线时提前配置好每个类目的概念及对应样本;在线时先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICL时accuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理时添加“家居”类别,影响不大;不使用ICL时accuracy为0.88,错误58项,可能与未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰时效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有时比语意更重要。 参考资料包括
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