第三章--循环问题
24.
for (byte b = Byte.MIN_VALUE; b < Byte.MAX_VALUE; b++) {
if (b == 0x90)
System.out.print("Joy!");
}
结果是什么也没打,不要被迷惑,十六进制的90虽然是8位,产生了byte本身也是8位能装下不溢出的错觉,但是byte作为有符号整数表示范围是-128~127,负数最高位是1
总结:本身没有什么特别的,但本条内容再现了bloch大师最具特色的头脑风暴
25.
int j=0;
for(int i=0;i<100;i++)
j = j++;
System.out.println(j);
结果是0而不是100,这个猛一看还是挺糊弄人的,其实本质把j++当作一个表达式看就明白了,它永远会返回未自增前的0值,这样重复了100次,把j++改成++j肯定可以解决,但是IDE会嘲笑你在做一个很二的操作
总结:再基础的东西都会使人犯错,不要小看这些基本元素
26.
int count = 0;
for(int i=Integer.MAX_VALUE-100; i<=Integer.MAX_VALUE; i++)
count++;
System.out.println(count);
结果是100?还是101?结果是死循环,原因很简单,当i被加成Integer.MAX_VALUE时,再加一次就溢出了,直接变成了Integer.MIN_VALUE,如此往复
总结:不要打这些边界值的想法
27.
int i = 0;
while (-1 << i != 0)
i++;
System.out.println(i);
结果是32?结果还是死循环,int的-1二进制表示是32个1,当i==32时-1<<32的结果是-1而不是0,原因就一句,任何类型不可能移走和原类型本身一样的位数(如int型不能移动32位,最多31位,long不能移动64位,最多63位)
总结:bit位移什么的,最讨厌了
28.
while(i==i+1){}
i为何值,死循环成立?答案有很多,之一是无穷大的浮点数如Double.POSITIVE_INFINITY,按照数学的说法无穷大+1还是无穷大,按照大师的说法则是当一个浮点数足够大,在其上加减值是可能不会影响返回值的,这想想是可以理解的,不能把思考整数的习惯思维用在浮点数上
总结:二进制浮点数只是返回近似值
29.
while(i != i){}
i为何值,死循环成立?答案是Double.NaN,一句话它不等于任何值,包括它自己
总结:在含0乘除计算中,尤其是除数或者被除数有0,或0.0时,根据int和double等参与类型,会相应返回Double.POSITIVE_INFINITY,Double.NaN等值,放在实际业务方法里带来的bug足以让你喝一壶(这个曾经可是有着深刻的体会)
30.
while (i != i + 0) {}
i为何值,死循环成立?附加条件是i不能是float或double,答案是任何字符串,这样+符号会被重载,数字0也会被当作字符串从而和i拼接到一起
总结:大师也懂得轻松一刻
31.
while (i != 0) {
i >>>= 1;
}
i为何值,死循环成立?答案是任何short,byte的负数,如short i = -1,二进制为16个1,重点在于short,byte,char进入循环会有一个神奇的int转换,i会被当作32个1来操作,经过无符号右移最高位变成了0,然后赋值回i(别忘了i是short类型),所以还会有一次窄化赋值,只保留了后16位,等于还是16个1,被右移的高16位被无情的扔掉了
总结:不要在short,byte,char上执行这样的复合赋值,小心自动窄化
32.
while (i <= j && j <= i && i != j) {}
i为何值,死循环成立?答案是任何基本包装类型,如Integer i = new Integer(0);Integer j = new Integer(0);不过当然只限于5.0版本以后,这里auto-boxing在起作用,当遇到<=这样的比较符号时,会自动将对象解包成基本类型,
这样前两个表达式为true,但是当遇到==或!=时便不会解包,比较将是内存位置,毕竟Integer是new出来的,这样i!=j会返回true
总结:如果改成Integer i = 0;Integer j = 0;i!=j还成立吗?大师对于new是否存在,使用值相等或引用相等的规律并没有作头脑风暴,自行参考auto-boxing内部原理吧
33.
while (i != 0 && i == -i) {}
i为何值,死循环成立?答案是Integer.MIN_VALUE或Long.MIN_VALUE,为什么没有byte和short?关键还是自动转型,本条在大师的叙述中还有很多值得学习思考的地方
总结:一元减号操作符用在一个非数值型上是非法的,没有任何浮点数等于其符号位反转之后的值,牢记有符号整数采用的是补码计算法,以及各个整数表示范围中,负数比正数要多一个,因为0被排除了,这样多出来的那个负数便有了其特殊性
34.
int START = 2000000000;
int count = 0;
for (float f = START; f < START + 50; f++)
count++;
完毕后count会是什么呢?这一看就是有问题的,谁也不会使用float作为循环索引,根据原来的经验,浮点数足够大,加1并不会使它改变,所以答案是死循环吗?答案是0,循环没有执行,因为f < START + 50不成立,很简单,f并不是2000000050
总结:可以顺便复习一下for的执行顺序,float和short这样的东西,除非特殊环境下(嵌入式?),否则不应该出现在的任何应用里了
35.
int minutes = 0;
for (int ms = 0; ms < 60*60*1000; ms++){
if (ms % 60*1000 == 0)
minutes++;
}
完毕后minutes会是什么呢?答案是60000,大师不教你也能看出来了,取余(%)的优先级和乘法(*)优先级是一样的,顺序会从左到右计算
总结:不要吝啬用括号,最后一条让你从无数个死循环中轻松一下,总体本章还是比较有意思的
分享到:
相关推荐
"Comsol完美吸收器:可见光薄膜与金环宽带吸收器的二维斜入射研究",Comsol完美吸收器。 包含可见光薄膜完美吸收器,涉及二维斜入射。 包含金环宽带完美吸收器。 ,Comsol完美吸收器; 可见光薄膜完美吸收器; 二维斜入射; 金环宽带完美吸收器,"Comsol二维斜入射完美吸收器:可见光薄膜与金环宽带吸收技术"
免费JAVA毕业设计 2024成品源码+论文+数据库+启动教程 启动教程:https://www.bilibili.com/video/BV1SzbFe7EGZ 项目讲解视频:https://www.bilibili.com/video/BV1Tb421n72S 二次开发教程:https://www.bilibili.com/video/BV18i421i7Dx
,西门子S7-200smart型PLC使用profinet通讯控制G120变频器程序, 可以实现速度设定与读取,启停和故障复位等功能。
免费JAVA毕业设计 2024成品源码+论文+数据库+启动教程 启动教程:https://www.bilibili.com/video/BV1SzbFe7EGZ 项目讲解视频:https://www.bilibili.com/video/BV1Tb421n72S 二次开发教程:https://www.bilibili.com/video/BV18i421i7Dx
,大众斯柯达 免玻璃车道保持新方案
基于PFC5.0的岩石循环加卸载试验的3D实现技术,PFC5.0 3D实现岩石的循环加卸载试验, ,PFC5.0; 3D岩石; 循环加卸载试验; 岩石循环; 岩石加卸载模拟,"PFC5.0三维岩石循环加卸载试验研究"
nodejs010-nodejs-boom-0.4.2-2.el6.centos.alt.noarch.rpm
小学元旦晚会PPT 模版
STEP7-MicroWIN-SMART-V3.0测试版(2025.02最新)安装包-链接地址
内容概要:卷积神经网络(CNN)是一种特殊的神经网络模型,尤其适用于处理图像类的任务,如检测任务、分类与检索、超分辨率重构、医学任务、无人驾驶、人脸识别等。与传统神经网络输入一组向量值不同,CNN能够接受更为复杂的三维输入(深度、高度、宽度),从而有效地降低输入参数量并提高图像处理效率。文中介绍了卷积操作的基本原理及其在图像中的运用,例如通过设置合适的卷积核大小、步幅和零填充等手段,控制特征图的数量和尺度,进而达到优化网络性能的目的。此外还提及了卷积参数共享的概念以及池化层的作用。经典案例包括了AlexNet、VGG网路和残差网络的设计思想和结构特性,尤其是残差网络解决了非常深网络难以训练的问题,并提升了模型的表现力。感受野的介绍则强调了深层网络中的局部感知的重要性。 适合人群:从事计算机视觉领域的研究人员和技术人员,特别是关注图像识别和高级图像处理的研究人员或开发者。 使用场景及目标:①理解并掌握CNN的基本组成单元,如卷积层、池化层的工作机制;②深入探讨经典CNN架构背后的思路及其应用场景,帮助读者提升模型构建能力,以便更好地应用于实际项目中。
nodejs010-1.2-29.el6.centos.alt.x86_64.rpm
COMSOL注浆技术:浆液扩散模型及其应用研究,comsol注浆,浆液扩散模型 ,comsol注浆; 浆液扩散模型,"Comsol注浆技术下的浆液扩散模型研究"
"Modbus全功能调试工具:RTU、ASCII支持,主站调试必备,界面简洁易操作,数据记录与转换,串口助手功能齐备,自动应答及批量连续发送功能强大,学习测试必备利器",MobbusRTU ModbusASCII Modbus调试工具Modbus主站调试工具ModbusMaster支持所有Modbus设备调试; 功能强大,是学习测试的必备工具; 1.界面简洁 2.数据记录功能 3.串口助手功能 4.数据转功能 5.自动应答功能 5.批量发送功能 6.连续发送功能 ,ModbusRTU; ModbusASCII; 调试工具; 主站调试工具; ModbusMaster; 全部设备调试; 功能强大; 界面简洁; 数据记录; 串口助手; 数据转换; 自动应答; 批量发送; 连续发送。,"多功能Modbus调试工具:支持RTU/ASCII,主站必备,功能全面,操作简洁"
一个使用 C++ 结合 DeepSeek 模型进行文本相似度计算的源码。该实例会接收两段文本,借助 DeepSeek 模型提取文本特征,然后通过余弦相似度来衡量两段文本的相似程度。
内容概要:本文详细介绍了传统RNN网络存在的问题及其局限性,进而引出了Transformer模型的核心优势及其结构原理。传统RNN由于串行计算和无法有效处理长距离依赖等问题限制了其应用效果,尤其在自然语言处理领域表现不佳。相比之下,Transformer通过引入自注意力机制(self-attention mechanism)和平行化的架构解决了这些问题。自注意力机制允许模型在同一时间处理完整的输入序列,在计算每个位置的表征时不仅考虑到该位置的元素也综合了其他所有位置的相关度。此外,文章还具体讲解了多头注意力机制(multi-head attention),以及为何引入多头能够捕获更为丰富的语义特征;位置编码(positional encoding)的作用是为了赋予模型区分相同字符在不同顺序组合的意义能力;并在末尾提到了BERT这一基于Transformer的预训练模型及其两种主要训练方式——掩码语言模型(masked language model)和下一个句子预测(next sentence prediction)。总体而言,本文揭示了Transformers架构相对于以往序列建模方法的优势所在。 适合人群:对深度学习尤其是自然语言处理技术有一定基础的理解的研究人员和技术爱好者。 使用场景及目标:帮助读者深入理解为何传统递归神经网络受限于自身的设计无法很好地应对复杂的NLP任务,如翻译或文本摘要,并展示了Transformer是如何克服这些问题的;同时也旨在让有兴趣探索最先进预训练模型如BERT背后逻辑的人群受益。 阅读建议:鉴于本文涉及到大量数学概念与公式推导,请确保自己拥有坚实的机器学习基础知识并且愿意投入足够的时间消化吸收这些新信息。建议配合代码实现一起学习,在实践中加深对各个组件作用的认知。
混合励磁爪极电机在Maxwell中的仿真分析与优化研究,爪极电机 (混合励磁爪极电机) maxwell ,核心关键词:爪极电机; 混合励磁; 爪极电机Maxwell;,混合励磁爪极电机在Maxwell中的仿真研究
内容概要:本文介绍了DeepSeek模型在不同平台上部署的方法。首先阐述了基于Ollama的本地部署,包括Ollama的安装、模型拉取以及交互模式的使用。接着讲解了DeepSeek在移动设备(iOS和Android)上的部署细节:iPhone需要通过Safari安装快捷指令,配置API Key并通过快捷指令测试运行;Android则借助Termux安装必要组件,并手动搭建Ollama环境以加载和测试模型。最后详细叙述了基于Open WebUI部署的方式,涉及Ollama、Docker Desktop及Open WebUI的安装流程及其之间的配合使用来最终达成模型的成功部署。 适用人群:面向有兴趣了解或者实际操作DeepSeek模型跨平台部署的技术开发者、研究人员以及AI爱好者。 使用场景及目标:适用于希望利用DeepSeek模型快速构建本地化应用程序、开展实验研究的用户;具体目标为掌握DeepSeek模型在桌面系统(如Linux、macOS、Windows)、iOS和Android智能手机以及云端WebUI界面上的不同部署手段和技术。 其他说明:对于每种类型的部署都提供了详细的步骤指导,旨在帮助使用者顺利完成所需工具和环境的安装,并确保模型能够正常工作。文中给出的具体链接和命令行脚本,有助于降低初次接触者的上手难度,提升部署效率和成功率。此外,还强调了一些重要的配置注意事项,例如正确输入API key以及对Ollama的初始化检查等。
交变磁场感应材料对沥青路面温度影响的研究,交变磁场下含感应材料沥青路面温度 ,交变磁场; 感应材料; 沥青路面; 温度; 变化; 加热效率,交变磁场对含感应材料沥青路面温度的影响研究
"深度探讨:利用主从博弈理论,结合双层模型与遗传算法及yalmip+cplex求解器实现代码复现的电热综合能源系统动态定价与能量管理",代码复现 《基于主从博弈的电热综合能源系统动态定价与能量管理》 采用双层模型求解 上层为主问题使用遗传算法 下层为子问题调用yalmip+cplex求解器求解 有需要的联系留邮箱 ,代码复现; 动态定价; 能量管理; 主从博弈; 双层模型; 遗传算法; cplex求解器; 联系邮箱,代码复现:双层模型求解电热综合能源系统动态定价与能量管理策略
免费JAVA毕业设计 2024成品源码+论文+数据库+启动教程 启动教程:https://www.bilibili.com/video/BV1SzbFe7EGZ 项目讲解视频:https://www.bilibili.com/video/BV1Tb421n72S 二次开发教程:https://www.bilibili.com/video/BV18i421i7Dx