黑马程序员 -- OC语言 基本语法 类 对象

Spring Boot整合Apache Hop 2.3.0实战:从零搭建数据管道(附完整代码) 本文详细介绍了如何在Spring Boot项目中整合Apache Hop 2.3.0,从零开始构建可嵌入的数据管道。内容涵盖环境初始化、依赖配置、管道设计,并通过完整代码示例演示了如何通过REST API触发执行,实现数据同步与ETL流程的自动化管理,为微服务架构提供灵活的数据集成方案。 阅读详情

第一讲 基本语法 类 对象

A.语法概述

1.Object-C在C语言的基础上延伸而来的,面向对象语言。完全兼容C语言。

2.基本上所有关键字是以@开头。

3.OC中字符串以@开头,例如@”jack”;OC文件的文件类型是.m

4.语言的注释和C语言的注释相同。

5.OC语言的开发过程是:


6.兼容C语言可以这样写:

//这样写在编译环境中可以完全通过。

#include <stdio.h>

Int main()

{

Printf(“nishiwo”);

Return 0;

}

//OC语言的写法。

#import <Foundation/NSObjCRuntime.h>

Int main()

{

//NSLog输出内容会自动换行

NSLog(@”第二个OC程序!!”);

Return 0;

}


//主函数若想调用其他文件下的函数,在主函数或者要要使用的文件下,必须包含函数的声明,函数的声明一般建立在函数同名的.h文件中。这样在主函数和需要调用的函数中,#import该文件(.h)就可。

//OC语言和C语言在同一个环境中可以混合使用。

#import<Foundation/NSObjCRuntime.h>

#import<stdio.h>

Int main()

{

NSLog(@”OC可以混合写”);

Printf(“C中写”);

}


7.BOOL类型

//OC语言中的布尔类型是YES NO

Int main()

{

BOOL b = YES;

BOOL b1 = NO;

BOOL b2 = 1;

BOOL b3 = 0;

NSLog(@”%i”, b);//b的输出为1

}

//也可以用作函数的返回类型,BOOL的本质是char类型。Typrdefsigned char BOOL

BOOL age();

B.OC设计思想

1.OC是面向对象的,C是面向过程的。面向对象和面向过程只是解决问题的两种不同选择。

面向过程思考的是每个实现的步骤。面向对象思考的是解决问题需要哪些对象。

2.OC中创建对象,必须了解什么是类。类中包含对象的属性和行为。


//类是对相同属性的共同描述和概括,抽象出来的。也就是说要想创建对象,必须先有类。

OC利用类来创建对象,对象是类的具体存在。因此,面向对象解决问题应该是先考虑需要设计哪些类,再利用类来创建多少个对象。

3.如何设计类

a.类的设计,只关心3样东西

//事物名称(类名):人(Person)

//属性:身高(height)、年龄(age)

//行为:跑(run)、打架(fight)

b.一般名词都是类。

c.拥有相同(或者类试)属性和行为的对象都可以抽象出来一个类。

4.类的设计

a.类的设计包含:类名、属性、行为。

//类名:

类名的第一个字母必须大写、不能有下划线、多个英文单词用驼峰标示。

b.类的建立包含声明和实现

//类的声明

@interface 类名 :继承其他类(类名)

{

//声明中描述两个属性

}

//在这里放置方法的声明

@end

//因为使用了NSObject这个类,需要包含此类声明的.h文件。#import<Foundation/Foundation .h>

//:NSObject目的是:让Car这个类具备创建对象的能力。

@interface Car :NSObject

{

//声明中描述两个属性

Int wheels;

Int speed;

}

//在这里放置方法的声明

@end

//类的实现

@Implementation 类名

@end

//主函数中

Int main()

{

//在OC中,向执行一些行为,就写上一个中括号[](行为执行者行为名称);

//利用类来创建对象

//执行了Car这个类的new行为来创建新对象

//对象创建出来以后,就拥有了自己的两个成员变量(wheels、speed),并且会初始化为0。

[Car new];

Return 0;

}

//执行完创建对象后,在内存中的分配情况


5.成员变量的直接赋值

//[Car new];创建的对象,返回的是一个指针(对象本身),并且是Car类型的指针,所以类型也是Car类型。

Car *p = [Car new];

//对象创建完以后,在内存中的存储细节是:

//OC对象本身的本质就是结构体


//访问类中的变量,对成员变量(实例变量)赋值。

//默认创建下,成员变量时受保护的。要想访问成员变量,必须加上@public,让成员变量成为公有的。

//声明中描述两个属性

{

@public

Int wheels;

Int speed;

}

p->wheels = 4;

p->speed = 250;

//再次创建第二个对象时,在内存中会有第二个分配的内存块。

Car *p 2= [Car new];

P2->wheels = 4;

P2->speed = 250;


6.对象的行为

a.写行为(方法)的时候,在声明中必须写在大括号的外面,并且在@interface 和@end的里面。

//方法的声明

@interface Car :NSObject

{

//声明中描述两个属性

Int wheels;

Int speed;

}

//在这里放置方法的声明

//方法(行为):方法名、参数、返回值(声明、实现)

//函数声明用 void run();而OC对象的方法是 – (void)run;

//OC中的小括号,必须括住数据类型。

-(void)run;

@end

//方法的实现

@Implementation  Car

-(void)run

{

NSLog(@”车子再跑”);

}

@end

//在主函数OC中,向执行一些行为,就写上一个中括号[](行为执行者行为名称);

方法的调用可以这样写:

[p run]; //调用这个函数后,程序会到类的实现中去找这个方法,找到后运行方法。

//类方法的声明、方法的实现


7.成员变量的使用

a.定义一个新的对象,并且存储原来对象的地址,在运用成员变量的时候,将会改变原来成员变量的值


//第二种使用区别,OC里面的对象内存,不可能自动回收的。


//在每个创建的类对象中,分配的内存中都有一个ISA指针,这个指针指向的是类的内存块中的地址,所以创建的类的对象,都是原类的副本,执行的程序都是要运行原类的方法。


8.OC对象和函数的注意点

//对象

a.对象方法都是以-(减号)号开头

b.对象方法的声明必须写在@interface和@end之间

c.对象方法的实现必须写在@implemention和@end之间

d.对象方法只能由对象进行调用

e.对象归类、对象所有

//函数

a.函数能写在文件中的任意位置,函数归文件所有

b.函数调用不依赖于对象

c.函数内部不能直接通过成员变量名访问某个对象的成员变量


//C对象的指针,没有发生改变。所以输出的值还是4和250


9.类的合理设计

a.设计一个学生类

//成员变量:性别、生日、体重、颜色、狗

//方法(行为):吃、跑、遛狗、喂狗

#import<Foundation/Foundation.h>

Typedef enum  {

SexMan,

SexWoman

}Sex;

Typedef enum {

ColorBlack,

ColorRed,

ColorGreen

}Color;

Typedef struct {

 

Int year;

Int month;

Int day

}Date;

@interface       Student:NSObject

{

Sex sex;

Date birthday;

Double weight;

Color favColor;

}

-(void)eat;

-(void)run;

@end

 

@implemention Student

-(void)eat

{

 

}

-(void)run

{

 

}

@end

Int main()

{

}


10.类套类的实现(这是真正的面向对象)

//紧接着9中的类设计,加入Dog的类

@interface Dog :NSObject

{

Double weight;

Color curColor;

}

-(void)run;

-(void)eat;

@end

@implemention Dog

-(void)run;

-(void)eat;

@end

//在学生类中加入Dog这个对象。

@interface       Student:NSObject

{

Sex sex;

Date birthday;

Double weight;

Color favColor;

//重点学习部分

Dog *dog;

}

Int main()

{

Student *stu =[Student new];            

//学生体重

Stu->weight = 50;

//学生性别

Stu->sex = SexMan;

//学生生日

Date d = {2015,02,23};

Stu->birthday = d;

//学生姓名

Stu->name = “jack”;

//dog类的访问

Stu->dog = [Dog new];

[stu liuGou];

Return 0;

}

11.类的声明和实现,带有参数


//类的声明

@interface jishuqi :NSObject

{

}

-(double)pi;

//带有参数的方法,OC方法中,一个参数对应一个冒号

-(int)pingFang:(int)num;

-(int)sumAdd:(int)num1 andNum:(int)num2;

@end

//类的实现

@implementtion jishuqi

-(double)pi;

{

Return 3.14;

}

-(int)pingFang:(int)num

{

Return num * num;

}

-(int)sumAdd:(int)num1 andNum:(int)num2

{

Return  num1 + num2;

}

@end

//在主函数中

{

Jishuqi *jsq = [jishuqi new];

Int a = [jsq sumAdd:10 andNum:5];

NSLog(@”%d”, a)

Return 0;

}


12.类的设计练习

//设计一个方法,用来和其他车比较车速,返回车速的差值

@interface Car:NSObject

{

@public

Int speed;

}

-(int)compareSpeedWithOther:(Car *)other;

@end

@implemention Car

-(int)compareSpeedWithOther:(Car *)other

{

//speed这个访问的是当前类中的速度。Other->speed访问的是传递过来的速度

Return speed – other->speed;

}

@end

Int main()

{

Car *c1 = [Car new];

C1->speed = 300;

Car *c2 = [Car new];

C2->speed = 200;

 

Int a = [c1 compareSpeedWithother:c2];//c1= 300,c2 = 200;

NSLog(@”%d”, a);

Return 0;

}



使用VNA(Vector Network Analyzer)对S参数进行去嵌(二) 无论是使用 EM 仿真工具创建的简化模型(如一段理想传输线)还是复杂模型用于测试夹具,现在都需要使用该 S 参数模型执行去嵌入过程。 阅读详情

相关推荐

踩坑ubuntu24.04 编译vtk9.3.1的安卓版本

NDK官方明确废弃了旧版 armeabi ABI,强制使用armeabi-v7a或arm64-v8a。错误信息显示你的构建系统仍在使用超级构建(superbuild)模式,并且内部引用了已不再支持的。生成的合并库: $(pwd)/libvtk_combined.a"超级构建过程可能内部未充分考虑现代NDK变化导致内部配置ARM老ABI,重复失败。echo "正在提取所有.o文件..."echo "合并前所有库的总大小:"# 提取所有.a文件中的.o文件。echo "创建合并库..."

zhangyihu321的专栏 1898

OC语言的面向对象—类和对象、方法

1、面向对象和面向过程思想 OC是面向对象的,C是面向过程的。面向对象和面向过程只是解决问题的两种不同思想 1.面向对象和面向过程的区别 1)以用电脑听歌为例子 a)面向过程 ➢打开电脑 ➢播放电脑中的歌曲 ➢关闭电脑 b)面向对象(不是相亲的“对象”) ➢电脑 ◇开机 ◇播放歌曲 ◇关机 2)区别分析 ➢面向过...

weixin_30642305的博客 184

RS485/CAN总线防护电路设计:TVS选型与ESD防护实战解析

本文深入解析了RS485与CAN总线防护电路设计中的TVS选型与ESD防护实战技巧。针对工业现场常见的静电放电、浪涌等干扰,文章详细阐述了TVS管关键参数的选择、多级防护体系的构建,并特别强调了在隔离电路设计中地回路处理的重要性,帮助工程师设计出更可靠的通信接口。

metaverse5vr的博客 394

OC语言--OC语言基础、类

一、OC语言基础 1&gt;OC文件的扩展名为.m、.c; 2&gt;OC语言完全兼容C语言,即OC语言中可以写C语言; 3&gt;OC语言也可以写C++语言,但是如果要写C++语言,则OC文件扩展名为.mm; 4&gt;OC语言是在C语言的基础上增加了最小层的面向对象语言; 二、OC语言与C语言 三、 &lt;#import Foundation/Foundation.h&gt; ...

vivo_x9的博客 9207

Altium Designer学习---如何进行SI仿真

Altium designer 如何进行SI仿真。         1、仿真电路中需要至少一块集成电路;             2、器件的IBIS模型;              3、在规则中必须设定电源网络和地网络;              4、建立SI规则约束;              5、层堆栈必须设置正确,电源平面必须连续;     建立的文件必须是一个工程,并把相应的文件放在工程目...

weixin_34050519的博客 4905

OpenClaw史上最全最简单一键部署教程(建议收藏!)

《OpenClaw多平台一键部署指南》对比了6个主流平台的部署方案,重点推荐飞书妙搭的免费方案(每日100万Tokens额度)。教程详细展示了飞书妙搭1分钟快速部署流程,包括创建机器人、飞书集成、快捷指令使用等核心功能,并通过实战案例演示了自动创建多维表格、视频转文章等场景。同时介绍了扣子(99元/月起)、Kimi(200元/月)等付费方案的特色功能与部署要点。所有方案均强调小白友好性,无需复杂配置即可完成部署,满足不同用户的AI助手需求。

Maynor的博客 1780

黑马程序员——OC的初步认识,类和对象

—-Java培训、Android培训、iOS培训、.Net培训期待与您交流—- 一、oc简介 oc是在c语言的基础上,增加了面向对象的语法,开发的一种语法。 oc可以完全兼容c语言,可以在oc中混入c语言代码和一部分的c++代码 oc用途:用于Mac os x平台和ios平台的应用程序开发 文件后缀名c->.c oc->.m c++->.m 二、语法 1.关键字都是以

pangetzp_41904129的专栏 693

H2db console 未授权访问RCE 漏洞复现+利用(CVE-2022-23221)

H2 数据库控制台中的另一个未经身份验证的 RCE 漏洞,在 v2.1.210+ 中修复。2.1.210 之前的 H2 控制台允许远程攻击者通过包含 IGNORE_UNKNOWN_SETTINGS=TRUE;INIT=RUNSCRIPT 子字符串的 jdbc:h2:mem JDBC URL 执行任意代码。

0xSec 4561

黑马程序员-OC语言核心语法(1)

1. 点语法:对象调用方法       上述完整方法为- (void)setAge:(int)age;   1> 如何判断set和get方法:         如果赋值,则是set方法。                  eg:stu.age = 10;         否则是get方法。                   eg :  int age =

wlwl363的专栏 430

基于STM32L4XX、HAL库的E180-ZG120B ZigBee模块驱动程序设计

/ 频率: 470MHz, SF7, BW125kHz, CR4/5, 功率14dBm。// 检查是否收到完整响应(根据实际情况调整)// 每5秒发送一次。PB0 <---> AUX (可选,用于状态检测)// 实际发送命令可能需要根据模块AT指令集调整。PC13 <---> RESET (可选)// 处理接收到的数据。// 缓冲区满,从头开始。// 其他必要的HAL库初始化代码...// 初始化E180模块。// 启动UART接收。// 如果需要等待响应。// 配置LoRa参数。

zhusl6688的博客 384

【Unity实战篇 】| Unity实现 文本框可以自适应大小,到达最大宽度之后再缩小字体

Unity实现 Text文本框可以自适应大小,到达最大宽度之后再缩小字体 需求:在文本框可以自适应大小拉伸的前提下,增加一个最大限制宽度,使其到达最大宽度后 再启用 Best Fit 实现自适应改变文字大小以适应文本框的大小。 在Unity中经常会用到文本组件的自适应大小功能,一般使用HorizontalLayoutGroup和ContentSizeFitter组件配合即可实现文本自适应的效果。

努力前行,总会成为自己心中的那道光 3万+

黑马程序员——6、OC语言(基本语法)

yi

tan_qi的专栏 718

GEE土地分类:土地分类精度评定和分类后影像进行(Kmeans,Gmeans,SNIC (Simple Non-Iterative Clustering)聚类分析和滤波(focal_mode)分析

使用聚类分析和滤波分析来进一步处理土地分类后的影像数据。聚类分析可以帮助您识别影像中的相似区域。您可以使用聚类算法,如K均值聚类或层次聚类,将像素分组到具有相似像素值的群集中。这可以帮助您更好地理解图像中的空间模式和结构,并可能揭示有用的信息。滤波分析可以帮助您平滑图像并去除噪声。常见的滤波器包括中值滤波器和高斯滤波器。这些滤波器可以帮助您消除图像中的随机变化,并使其更易于解释和分析。

此星光明博客 2518

黑马程序员——零基础学习iOS开发——10 Object-C 面向对象思想、OC语法简介、对象、类、

Object-C 简介、面向对象思想、OC语法简介、类和对象的创建

demon_csd的专栏 1459

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

黑马程序员——OC语言基础篇---基本语法、类

oc的基本语法以及类的基本知识

liufeng124的专栏 841

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

黑马程序员学习笔记——OC之基本简介

简介: OC全称为Objective-C,是面向对象C的意思。是在C语言的基础上增加了一层面向对象的语法,而C语言是面向过程的。 其特点为: 1、 C语言的基础上增加了一层最小的面向对象的语法。C++的面向对象语法比JAVA多,JAVA的面向对象语法比OC多,OC只保留了面向对象语法的精华。 2、 完全兼容C语言。C、OC能混用。.c能编写C代码,.m能编写C、OC代码,.m能同时编写这三

yangying514的专栏 1206

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

黑马程序员———OC第一天(类和对象)

一、OC简介 1.OC是在C语言的基础上,增加了一层最小的面向对象语法 2.完全兼容C语言 3.可以再OC代码中混入C语言代码,甚至是C++代码 对于2,3 两点如何理解呢? 新建一个.m的文件(注:OC文件的后缀为.m)在这个.m中你可以用你再学习C语言中学过的语法和知识,编译、链接、运行完全没有问题。 // 完全没有问题 #include int main() { p

sun8_gao的专栏 558

黑马程序员-IOS-OC基础-OC简介及基本语法

-------------------------------------- android培训、java培训、ios培训期待与您交流! ---------------------------------  OC简介:OC是Objective-C的简称,OC是在C语言的基础上,增加了一层最小的面向对象语法;完全兼容C语言;可以在OC代码中混入C语言代码,甚至C++代码;可以使用OC开

qq_25027273的专栏 468

黑马程序员——OC语言基础篇---核心语法

------Java培训、Android培训、iOS培训、.Net培训 期待与您交流! ------- 本篇主要通过一些小案例来讲述OC的一些核心语法,包括点语法、property、构造方法和分类等,本章内容的开发工具是Xcode,不再使用前面的终端来编译和运行程序了。 点语法 在学习其他语言的时候,经常可以见到 xxx.xxx,OC中也有类似的使用方法,被称作点语法,但其本质上却和其他语

liufeng124的专栏 970

——黑马程序员——OC中的基本概念

-----------android培训、java培训、java学习型技术博客、期待与您交流!-----------

yhp1095785221的博客 889

黑马程序员_iOS开发之OC基本语法

一、OC简介

LyWsLxYBoY的专栏 977

黑马程序员——0C语言——基础语法

———Java培训、Android培训、iOS培训、.Net培训、期待与您交流! ——— 一、OC基础语法 1、关键字 OC的关键字基本上都是以@开头的:@interface、@implementation、@end@public、@protected、@private、@selector@try、@catch、@throw、@finally@protocol、@option

qq_24074659的专栏 611

黑马程序员————OC基础学习重要小知识点总结

------Java培训、Android培训、iOS培训、.Net培训、期待与您交流! ------- 1、首先,什么是Objective-C?     Objective-C是一门基于C语言的面向对象语言,C语言的基础上,增加了一层最小的面向对象语法,完全兼容c语言,它在现代计算机的主要作用于Mac OS X作为桌面语言以及作用于iPhone OS(亦称:iOS)。它原是Ne

whymerain的专栏 873

黑马程序员_OC核心语法之分类

一、分类(category)

如果你错过了一天,那么你就真的错过了一天! 7031

黑马程序员-[OC语言] 第一篇:类、对象的基本概述

OC基础--第一天课程总结: 1. 引入头文件的的方式: #include    ,include 他是使用预处理器防止重复包含;如果没有写预处理指令,则无法防止重复包含; #import; 使用import 可以防止重复包含; 2.  NSlog 和printf函数的区别:     1)NSlog   会自动换行   而printf不会自动换行。     2) NSlog   会自

csdn_llj的博客 524

黑马程序员_OC初见识和语法基础

点击打开链接 点击打开链接 Java培训、Android培训、iOS培训、.Net培训、期待与您交流!">点击打开链接 点击打开链接 黑马程序员_OC初见识和语法基础 (一)OC概述 OC全称Objective-C,是一种面向对象的高级语言(而C语言是面向过程的,OC在C的基础上增加了一层面向对象的思想)。OC是苹果

黑马程序员_梁萧 980
上一篇: 黑马程序员 -- C语言 结构体 预编译
下一篇: 黑马程序员 -- OC语言 封装 继承 多态
碧空海66
博客等级 码龄14年 0粉丝 13原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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