10 2018 档案
摘要：Java的枚举、注解与方法... 第30条 用枚举代替int常量 第31条 用实例域代替序数 可以考虑定义一个final int 代替枚举中的 ordinal() 方法。 第32条 用EnumSet代替位域（bit field） 如果底层的枚举类型不超过64个，则整个 EnumSet 就是用单个 l
阅读全文
摘要：本章主要讨论局部变量、控制结构、类库、反射、本地方法的用法及代码优化和命名惯例。 第45条 将局部变量的作用域最小化 * 在第一次使用的它的地方声明局部变量（就近原则）。 * 几乎每个局部变量的声明都应该包含一个初始化表达式。如果还没有足够的信息进行初始化，就延迟这个声明（例外：try-catch语
阅读全文
摘要：充分发挥异常的优点，可以提高程序的可读性、可靠性和可维护性。 第57条 只针对异常的情况才使用异常 第58条 对可恢复的情况使用受检异常，对编程错误使用运行时异常 * 如果期望调用者能够适当的恢复，使用受检异常。 * 大多数的运行时异常都表示前提违例（precondition violation），
阅读全文
摘要：Java的序列化API提供了一个框架，用来将对象编码成一个字节流（序列化，serializing），并从字节流中重新创建对象（反序列化， deserializing）。 第74条 谨慎地实现Serializable接口 * 实现Serializable接口最大的代价是，一旦一个类被发布，就大大降低了
阅读全文
摘要：《Effective Java》第二版学习笔记之并发编程。 第66条 同步访问共享的可变数据 * 关键字synchronized可以保证在同一时刻只有一个线程可以执行某个方法或代码块。 * Java语音规范保证对一个变量的读操作或者写操作是原子性（atomic，注意 i++是非原子性的，64位的lo
阅读全文
摘要：前面两篇随笔实现的单层神经网络 和多层神经网络， 在MNIST测试集上的正确率分别约为90%和96%。在换用多层神经网络后，正确率已有很大的提升。这次将采用卷积神经网络继续进行测试。 1、模型基本结构 如下图所示，本次采用的模型共有8层（包含dropout层）。其中卷积层和池化层各有两层。 在整个模
阅读全文
摘要：在我的上一篇随笔中，采用了单层神经网络来对MNIST进行训练，在测试集中只有约90%的正确率。这次换一种神经网络（多层神经网络）来进行训练和测试。 1、获取MNIST数据 MNIST数据集只要一行代码就可以获取的到，非常方便。关于MNIST的基本信息可以参考我的上一篇随笔。 2、模型基本结构 本次采
阅读全文
摘要：1、MNIST数据集简介 首先通过下面两行代码获取到TensorFlow内置的MNIST数据集： MNIST数据集共有55000（mnist.train.num_examples）张用于训练的数据，对应的有55000个标签；共有10000（mnist.test.num_examples）张用于测试的
阅读全文
