10.2-全栈Java笔记:最全面的IO技术(二)

本文深入讲解Java中的IO流概念,包括输入输出流的分类、节点流与处理流的区别,以及常用的IO流类如FileInputStream、FileOutputStream等的功能与使用场景。

上节我们聊到「IO技术概念及入门」这节我们继续聊一下IO技术的分类。

Java中流的概念细分

按流的方向分类:

输入流:数据流向是数据源到程序(InputStreamReader结尾的流)

输出流:数据流向是程序到目的地(OutPutStreamWriter结尾的流)

按处理的数据单元:

字节流:按照字节读取数据(InputStreamOutputStream)命名上以stream结尾的流一般是字节流。

字符流:按照字符读取数据(ReaderWriter)。命名上以Reader/Writer结尾的流一般是字符流。

 

按处理对象不同分类:

节点流:可以直接从数据源或目的地读写数据。

处理流:不直接连接到数据源或目的地,是处理流的流。通过对其他流的处理提高程序的性能。

节点流处于IO操作的第一线,所有操作必须通过他们进行;处理流可以对节点流进行包装,提高性能或提高程序的灵活性。


JavaIO流类的体系


      1 IO流体系

从上图发现,很多流都是成对出现,比如:FileInputStream/FileOutputStream,显然是对文件做输入和输出操作。我们下面简单做个总结:

1.InputStream/OutputStream

字节流的抽象类。

2.Reader/writer

字符流的抽象类。

3. FileInputStream/FileOutputStream

节点流;以字节为单位直接操作“文件”

4. ByteArrayInputStream/ByteArrayOutputStream

节点流:以字节为单位直接操作“字节数组对象”

5.  ObjectInputStream/ObjectOutputStream

节点流:以字节为单位直接操作“对象”

6.  DataInputStream/DataOutputStream

节点流:以字节为单位直接操作“基本数据类型变量”

7.  FileReader/FileWriter

节点流:以字符为单位直接操作“文本文件”(注意:只能读写文本文件)

8.  BufferedReader/BufferedWriter

处理流:将普通的Reader/Writer对象进行包装,增加缓存提高效率

9.  BufferedInputStream/BufferedOutputStream

处理流:将普通的inputStream/outputStream对象进行包装,增加缓存提高效率

10.  InputStreamReader/OutputStreamWriter

处理流:将字节流对象转化成字符流对象

11.  PrintStream

打印流 

老鸟建议:

上面的解释,一句话就点中了流的核心作用。大家后面学习的时候,用心体会。

四大IO抽象类

InputStream/OutputStreamReader/writer类是所有IO流类的父类,我们有必要简单了解一下这个四个抽象类的作用。然后,通过它们具体的子类熟悉相关的用法。

1) InputStream

此抽象类是表示字节输入流的所有类的超类。InputSteam是一个抽象类,它不可以实例化。 数据的读取需要由它的子类来实现。根据节点的不同,它派生了不同的节点流子类 

继承自InputSteam的流都是用于向程序中输入数据,且数据的单位为字节(8 bit)。

常用方法:

int read(): 读取一个字节的数据,并将字节的值作为int类型返回(0-255之间的一个值)。如果未读出字节则返回-1 

void  close()  关闭输入流对象,释放相关系统资源 

2) OutputStream

此抽象类是表示字节输出流的所有类的超类。 输出流接受输出字节并将这些字节发送到某个接收器。

常用方法:

void  write(int n) 向输入流中写入一个字节

void  close()  关闭输出流对象,释放相关系统资源

3) Reader

Reader用于读取字符流的抽象类,数据单位为字符。

int read(): 读取一个字符的数据,并将字符的值作为int类型返回(0-65535之间的一个值,Unicode)。如果未读出字符则返回-1

void  close()  关闭流对象,释放相关系统资源

4) Writer

Writer写入字符流的抽象类,数据单位为字符。

void  write(int n) 向输入流中写入一个字符

void  close()  关闭输出流对象,释放相关系统资源





「全栈Java笔记」是一部能帮大家从零到一成长为全栈Java工程师系列笔记。笔者江湖人称 Mr. G,10年Java研发经验,曾在神州数码、航天院某所研发中心从事软件设计及研发工作,从小白逐渐做到工程师、高级工程师、架构师。精通Java平台软件开发,精通JAVAEE,熟悉各种流行开发框架。


  笔记包含从浅入深的六大部分:

  A-Java入门阶段

  B-数据库从入门到精通

  C-手刃移动前端和Web前端

  D-J2EE从了解到实战

  E-Java高级框架精解

  F-Linux和Hadoop 



 原文,获取详情大纲

<think>好的,用户遇到了安装PyTorch时出现的“Could not open requirements file”错误,需要解决。首先,我得分析错误原因。这个错误通常是因为在pip install命令中使用了错误的语法,特别是当用户试图直接指定多个包时,比如“pip install pytorch 1.5.0 torchvision 0.6.0 cudatoolkit 10.2”,这样会被pip误解为要从一个名为“pytorch”的本地文件安装,而这个文件不存在,所以报错。 接下来,正确的安装方式应该是使用PyTorch官网推荐的命令,通过指定正确的版本和CUDA版本,使用正确的包名。例如,PyTorch的包名其实是“torch”而不是“pytorch”,所以用户可能在这里打错了。此外,版本号需要正确对应,并且可能需要从指定的URL下载,比如使用-f参数指向PyTorch的官方仓库。 另外,用户提到的CUDA版本兼容性问题也很重要。比如,用户之前引用的参考内容提到3090显卡需要CUDA 11.1及以上,而PyTorch 1.8需要cu111,所以如果用户用的是旧版本PyTorch和CUDA,可能会有不兼容的情况。但用户现在的问题是关于安装1.5.0版本,这时候需要确认CUDA版本是否匹配,比如PyTorch 1.5.0对应CUDA 10.2,可能没问题,但用户的环境是否有CUDA 10.2呢? 然后,用户可能需要更新pip和setuptools,因为旧版本有时会导致安装问题。还有,使用虚拟环境可以避免包冲突,建议用户创建并激活一个干净的虚拟环境再尝试安装。 后,如果用户的环境确实需要特定版本的CUDA,比如3090显卡需要CUDA 11.1以上,那么PyTorch 1.5.0可能不支持,这时候可能需要升级PyTorch版本,比如按照参考中的建议安装1.8.0+cu111。但用户的问题是关于1.5.0的安装错误,可能需要先解决语法问题,再处理兼容性问题。 总结步骤:纠正安装命令语法错误,检查CUDA兼容性,建议使用正确命令,创建虚拟环境,升级pip,后考虑版本升级。同时,相关问题可以引导用户了解更多安装细节和兼容性问题。</think>### 解决“Could not open requirements file”错误的方法 安装PyTorch时出现`Could not open requirements file`错误,通常是由于**命令格式错误**或**包名称/版本不兼容**导致。以下是逐步解决方案: --- #### **1. 检查命令格式(关键错误原因)** 错误命令示例: ```bash pip install pytorch 1.5.0 torchvision 0.6.0 cudatoolkit 10.2 ``` - **问题**:直接使用空格分隔包名和版本号会导致pip误认为`pytorch`是一个本地文件路径(如`requirements.txt`),而非PyTorch的包名称。 - **正确命令**:使用`==`指定版本,且PyTorch的包名称为`torch`(非`pytorch`): ```bash pip install torch==1.5.0 torchvision==0.6.0 cudatoolkit==10.2 ``` --- #### **2. 使用PyTorch官方推荐的安装命令** 根据[PyTorch官方安装指南](https://pytorch.org/get-started/previous-versions/),1.5.0版本的完整命令为: ```bash pip install torch==1.5.0 torchvision==0.6.0 -f https://download.pytorch.org/whl/torch_stable.html ``` - **说明**:添加`-f`参数指定PyTorch的官方包仓库,避免从本地查找文件。 --- #### **3. 验证CUDA版本兼容性** - **CUDA 10.2**是PyTorch 1.5.0的默认支持版本。如果使用NVIDIA 30系显卡(如3090),需注意其**低要求CUDA 11.1**,而PyTorch 1.5.0仅支持到CUDA 10.2[^1]。此时需升级PyTorch版本: ```bash pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 -f https://download.pytorch.org/whl/torch_stable.html ``` --- #### **4. 其他常见解决方法** - **升级pip和setuptools**: ```bash pip install --upgrade pip setuptools ``` - **使用虚拟环境**(避免依赖冲突): ```bash python -m venv pytorch_env source pytorch_env/bin/activate # Linux/macOS pytorch_env\Scripts\activate # Windows ``` --- ###
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