char

利用反射机制遍历String的字段和方法、构造器

点点圈 提交于 2020-02-15 06:31:34
利用反射机制遍历String的字段和方法、构造器 更多干货见博主个人网站:https://blog.zhenglin.work 利用java反射机制能获取某个类或某个对象的所属类、拥有的方法、成员变量等信息。很多java反编译工具就是利用这个机制。 类名的获取 java所有的类,都属于Class 类型,这个Class和class是不一样的,class属于java关键字、Class是类名,如同String一样,且Class是个泛型类。 获取具体的某个类的Class常见的有三种方式: 在实例方法中 直接getClass,就能获取实例对象的Class类型 知道类名可以通过以下两种方式获取Class Class.forName(“具体类名,包含包名如:java.lang.Object”) 直接用.class文件名称,如 Class cls = String.class 方法的获取 通过Class类型对象.getMethods获取所有公开方法、getDeclaredMethods获取所有方法 (不管是private还是public修饰的方法) getMethod(String name, Class<?>… parameterTypes) 获取指定名称方法(必须是public类型方法)、parameterTypes表示该方法有哪些参数,parameterTypes长度可变,如果为空

机房测试9.15

ぐ巨炮叔叔 提交于 2020-02-15 06:03:47
题解之前 愉悦的 要火 十人ACM大赛即将开始! 飞扬的小鸟 以为是NOIP2014 发现实则不然 容易发现,从(0,0) 走到(x,y) 的点击次数是(x+y)/2,要点击次数最少,则到达终点时y 最小,所以只需维护小鸟能到达哪些点。 可以发现,如果能到达(x0,y1) 和(x0,y2)(不妨设y1 < y2),那么一定能到达(x0,y1),(x0,y1+2)......(x0,y2-2),(x0,y2),因为每多点一次y 就增大2,那么对于每个x,小鸟能到达的位置都是一个区间内y 的奇偶性相同的所有位置,所以可以递推维护在每个障碍处y 的取值范围[li,ri],如果发现某时y 没有合法取值则输出无解。但需特判当q-p = 2 时(此时p = 􀀀1,q = 1)一定无解,其余情况可以不用考虑边界。时间复杂度O(n) #define FN "bird" #include <cstdio> #include <cctype> typedef bool bnt; typedef void vnt; struct buf { operator int() { register int c = getchar(), x = 0; register bnt s = false; for (;!isdigit(c); c = getchar()) s |= c == '-'; for (;

DataWhale组队打卡学习营task02-3

北城余情 提交于 2020-02-15 05:22:47
循环神经网络 从零开始实现循环神经网络 我们先尝试从零开始实现一个基于字符级循环神经网络的语言模型,这里我们使用周杰伦的歌词作为语料,首先我们读入数据: import torch import torch . nn as nn import time import math import sys sys . path . append ( "/home/kesci/input" ) import d2l_jay9460 as d2l ( corpus_indices , char_to_idx , idx_to_char , vocab_size ) = d2l . load_data_jay_lyrics ( ) device = torch . device ( 'cuda' if torch . cuda . is_available ( ) else 'cpu' ) one-hot向量 我们需要将字符表示成向量,这里采用one-hot向量。假设词典大小是N,每次字符对应一个从0到N-1的唯一的索引,则该字符的向量是一个长度为N的向量,若字符的索引是i,则该向量的第i个位置为1,其他位置为0。下面分别展示了索引为0和2的one-hot向量,向量长度等于词典大小。 def one_hot ( x , n_class , dtype = torch . float32 ) :

高校学生学籍系统C++&mysql

半世苍凉 提交于 2020-02-15 01:01:48
/* C++程序设计实践教学环节任务书 一、题目:高校学籍管理系统 二、目的与要求 1. 目的: 1.掌握C++语言基本知识及其编程方法 2.掌握类和对象的基本概念与用法 3.掌握面向对象中的继承与多态等面象对象特性 4.掌握文件流的基本操作 2. 要求 基本要求: (1)要求利用面向对象的方法以及C++的编程思想来完毕系统的设计; (2)要求在设计的过程中,建立清晰的类层次。 (3)在系统中至少要定义8个类,每一个类中要有各自的属性和方法。 (4)在系统的设计中,要求使用面向对象的继承与多态 */ #include <iostream> #include <stdlib.h> #include <string> #include <winsock2.h> #include <mysql.h> #pragma comment(lib,"ws2_32") #pragma comment(lib,"libmysql") using namespace std; class Student { int id; char name[200]; char sex[100]; char min_zu[220]; char ji_guan[330]; char sheng_fen_zheng_hao[20]; char QQ[20]; char phone[20]; int score;

C@指针&数组

拟墨画扇 提交于 2020-02-15 00:54:03
一、指针数组和数组指针 1、字面意思理解指针数组和数组指针 指针数组的实质就是一个数组,这个数组中存储的内容全部是指针变量 数组指针的实质是一个指针,这个指针指向的是一个数组。 2、分析指针数组和数组指针的表达式 (1)int*p[5]; int(*p)[5]; int *(p[5]); (2)一般规律 :int *p;(p是一个指针) int p[5] ;(p是一个数组) 总结:我们定义一个符号时,关键在于首先找到定义的符号是谁(第一步找核心) 其次再来看谁跟核心最近,谁跟核心结合(第二部:找结合) 以后继续向外扩展(第三步:继续向外结合直到符号完) (3)核心结合 - 如何核心和 “ * ”结合,表示核心是指针, - 如果核心和“[ ]”结合表示核心是数组, - 如果核心和小括号“()”结合,表示核心是函数 (4)一般规律来分析3个符号 例子1: int *p[5]; (“[ ]”的优先级比“ * ”优先级高) p是一个数组,数组有5个元素,数组中的元素都是指针,指针指向的元素类型是int类型,整个符号是一个指针数组。 例子2: int (*p)[5]; 核心是p,p是一个指针,因为p被用括号和星好强制结合起来了。指针指向一个数组,数组有5个元素,数组中存在的元素是int类型; 例子3: int *(p[5]); 这里 加小括号没有意义,没起到左右,没有小括号,也是p与[

第七周作业

有些话、适合烂在心里 提交于 2020-02-14 23:11:23
第七周作业 这个作业属于哪个课程 C语言程序设计II 这个作业要求在哪里 2019年春季学期第七周作业 我在这个课程的目标是 我希望能够通过学习C语言的知识,编写程序 这个作业在哪个具体方面帮助我实现目标 掌握数组名作为函数参数的用法 参考文献 字母大小转换, https://www.csdn.net/, 本周作业题目 题目1. 6-2 每个单词的最后一个字母改成大写 函数fun的功能是:将p所指字符串中每个单词的最后一个字母改成大写。(这里的“单词”是指由空格隔开的字符串)。 函数接口定义: void fun( char *p ); 其中 p 是用户传入的参数。函数将 p所指字符串中每个单词的最后一个字母改成大写。 裁判测试程序样例: #include <stdio.h> void fun( char *p ); int main() { char chrstr[64]; int d ; gets(chrstr); d=strlen(chrstr) ; chrstr[d] = ' ' ; chrstr[d+1] = 0 ; fun(chrstr); printf("\nAfter changing: %s\n", chrstr); return 0; } /* 请在这里填写答案 */ 输入样例: my friend is happy 输出样例: After changing:

动手学深度学习之循环神经网络基础

时光毁灭记忆、已成空白 提交于 2020-02-14 22:52:38
循环神经网络 本节介绍循环神经网络,下图展示了如何基于循环神经网络实现语言模型。其目的是基于当前的输入与过去的输入序列,预测序列的下一个字符。循环神经网络引入一个隐藏变量 H H H ,用 H t H_t H t ​ 表示 H H H 在时间步 t t t 的值。 H t H_t H t ​ 的计算基于 X t X_t X t ​ 和 H t − 1 H_{t-1} H t − 1 ​ ,可以认为 H t H_t H t ​ 记录了到当前字符为止的序列信息,利用 H t H_t H t ​ 对序列的下一个字符进行预测。 #### 循环神经网络的构造 假设 X t ∈ R n × d X_t\in R^{n\times d} X t ​ ∈ R n × d 是时间步 t t t 的小批量输入, H t ∈ R n × h H_t\in R^{n\times h} H t ​ ∈ R n × h 是该时间步的隐藏变量,则: H t = ϕ ( X t W x h + H t − 1 W h h + b h ) H_t=\phi(X_tW_{xh}+H_{t-1}W_{hh}+b_h) H t ​ = ϕ ( X t ​ W x h ​ + H t − 1 ​ W h h ​ + b h ​ ) 其中, W x h ∈ R d × h W_{xh}\in R^{d\times h} W

乒乓球队比赛,甲队有abc三人,乙队有xyz三人。 抽签得出比赛名单:a不和x比,c不和x,z比, 利用集合求出比赛名单

元气小坏坏 提交于 2020-02-14 21:56:35
import java.util.HashMap; import java.util.Map; /** * 乒乓球队比赛,甲队有abc三人,乙队有xyz三人。 * 抽签得出比赛名单:a不和x比,c不和x,z比, * 利用集合求出比赛名单 * @author 努力coding * @version * @data 2020年2月 */ public class FindTeam { public static void main(String[] args) { Map<Character,Character> stu = new HashMap<Character,Character>(); /**假设a对x,b对y,c对z*/ char a = 'x'; char b = 'y'; char c = 'z'; char temp;//临时变量 //c不和x,z比 for(temp = 'x'; temp <= 'z'; temp++) { if(temp != 'x' && temp != 'z') { c = temp; stu.put('c', c);//存入Map中 } } //a不和x比 for(temp = 'x'; temp <= 'z'; temp++) { if(temp != 'x' && temp != c) { a = temp; stu.put('a',

nozomi和字符串

萝らか妹 提交于 2020-02-14 21:38:20
原题地址: https://ac.nowcoder.com/acm/contest/3002/H 解题思路 比较两种情况(从1变成0,从0变成1)的最大长度,运用双指针(尺取法) AC代码 # include <iostream> # include <algorithm> using namespace std ; const int maxn = 200000 + 10 ; int n , k ; char str [ maxn ] ; char temp [ ] = "10" ; int solve ( char a , char a1 ) { //从a变成a1 int res = 0 ; int l = 0 , r = 0 , change = 0 ; for ( int i = 0 ; i < n ; i ++ ) { if ( str [ i ] == a ) { if ( change < k ) { change ++ ; r ++ ; } else { while ( l <= r && str [ l ] != a ) l ++ ; l ++ ; r ++ ; } } else r ++ ; res = max ( res , r - l ) ; //r的起始值为1,故不用r-l+1. } return res ; } int main ( ) { scanf

《动手学深度学习》系列笔记 —— 语言模型(n元语法、随机采样、连续采样)

南楼画角 提交于 2020-02-14 21:31:12
目录 1. 语言模型 2. n元语法 3. 语言模型数据集 4. 时序数据的采样 4.1 随机采样 4.2 相邻采样 一段自然语言文本可以看作是一个离散时间序列,给定一个长度为 \(T\) 的词的序列 \(w_1, w_2, \ldots, w_T\) ,语言模型的目标就是评估该序列是否合理,即计算该序列的概率: \[ P(w_1, w_2, \ldots, w_T). \] 1. 语言模型 假设序列 \(w_1, w_2, \ldots, w_T\) 中的每个词是依次生成的,我们有 例如,一段含有4个词的文本序列的概率 \[ P(w_1, w_2, w_3, w_4) = P(w_1) P(w_2 \mid w_1) P(w_3 \mid w_1, w_2) P(w_4 \mid w_1, w_2, w_3). \] 语言模型的参数就是词的概率以及给定前几个词情况下的条件概率。设训练数据集为一个大型文本语料库,如维基百科的所有条目,词的概率可以通过该词在训练数据集中的相对词频来计算,例如, \(w_1\) 的概率可以计算为: 其中 \(n(w_1)\) 为语料库中以 \(w_1\) 作为第一个词的文本的数量, \(n\) 为语料库中文本的总数量。 类似的,给定 \(w_1\) 情况下, \(w_2\) 的条件概率可以计算为: 其中 \(n(w_1, w_2)\) 为语料库中以 \