濤哥java

A. java的集合類問題

dcinfo設置成局部變數
while (rs.next()) {
Dcinfo dcinfo = new Dcinfo();
dcinfo.setDc_name(rs.getString("dc_name"));
dcinfo.setDd_dl(rs.getString("dd_dl"));
dcinfo.setArea(rs.getString("area"));
list.add(dcinfo); }

B. 2019年十大最佳深度學習框架

作者 | Python語音識別

來源 | 濤哥聊Python

雖然我們大多數人都驚嘆為什麼DL這么好？在使用大量數據進行訓練時，它在准確性方面非常出色。近幾年隨著深度學習演算法的發展，出現了很多深度學習的框架，這些框架各有所長，各具特色。下面將為大家介紹2019年最受歡迎的十大深度學習框架。

TensorFlow

谷歌的Tensorflow可以說是當今最受歡迎的深度學習框架。Gmail，Uber，Airbnb，Nvidia以及其他許多知名品牌都在使用。TF是目前深度學習的主流框架，Tensorflow主要特性：

TensorFlow支持python、JavaScript、C ++、Java和Go，C＃和Julia等多種編程語言。 TF不僅擁有強大的計算集群，還可以在iOS和Android等移動平台上運行模型。 TF編程入門難度較大。初學者需要仔細考慮神經網路的架構，正確評估輸入和輸出數據的維度和數量。 TF使用靜態計算圖進行操作 。也就是說我們需要先定義圖形，然後運行計算，如果我們需要對架構進行更改，我們會重新訓練模型。選擇這樣的方法是為了提高效率，但是許多現代神經網路工具能夠在學習過程中考慮改進而不會顯著降低學習速度。在這方面，TensorFlow的主要競爭對手是PyTorch 。

TensorFlow優點：

它非常適合創建和試驗深度學習架構，便於數據集成，如輸入圖形，SQL表和圖像。 它得到谷歌的支持，這就說明該模型短期內不會被拋棄，因此值得投入時間來學習它。 PyTorch

Tensorflow之後用於深度學習的主要框架是PyTorch。PyTorch框架是Facebook開發的，已被Twitter和Salesforce等公司使用。

PyTorch基本特性：

與TensorFlow不同，PyTorch庫使用動態更新的圖形進行操作 。這意味著它可以在流程中更改體系結構。 在PyTorch中，您可以使用標准調試器 ，例如pdb或PyCharm。

PyTorch優點：

訓練神經網路的過程簡單明了。同時，PyTorch支持數據並行和分布式學習模型，並且還包含許多預先訓練的模型。 PyTorch更適合小型項目和原型設計。 Sonnet

Sonnet深度學習框架是建立在TensorFlow的基礎之上。它是DeepMind用於創建具有復雜架構的神經網路。

Sonnet基本特性：

面向對象的庫，在開發神經網路（NN）或其他機器學習（ML）演算法時更加抽象。 Sonnet的想法是構造對應於神經網路的特定部分的主要Python對象。此外，這些對象獨立地連接到計算TensorFlow圖。分離創建對象並將其與圖形相關聯的過程簡化了高級體系結構的設計。

Sonnet優點：

Sonnet的主要優點是可以使用它來重現DeepMind論文中展示的研究，比Keras更容易，因為DeepMind論文模型就是使用Sonnet搭建的。 Keras

Keras是一個機器學習框架，如果您擁有大量數據和/或你想快速入門深度學習，那麼Keras將非常適合學習。Keras是TensorFlow高級集成APi，可以非常方便的和TensorFlow進行融合。這是我強烈推薦學習的一個庫。

Keras基本特性：

除了Tensorflow之外，Keras還是其他流行的庫（如Theano和CNTK）的高級API。 在Keras中更容易創建大規模的深度學習模型，但Keras框架環境配置比其他底層框架要復雜一些。

Keras優點：

對於剛剛入門的人來說，Keras是最好的深度學習框架。它是學習和原型化簡單概念的理想選擇，可以理解各種模型和學習過程的本質。 Keras是一個簡潔的API。 可以快速幫助您創建應用程序。 Keras中代碼更加可讀和簡潔。 Keras模型序列化/反序列化API，回調和使用Python生成器的數據流非常成熟。

順便說一下TensorFlow和Keras的對比：

PS：Tensorflow處於底層框架：這和MXNet，Theano和PyTorch等框架一樣。包括實現諸如廣義矩陣 - 矩陣乘法和諸如卷積運算的神經網路原語之類的數學運算。

Keras處於高度集成框架。雖然更容易創建模型，但是面對復雜的網路結構時可能不如TensorFlow。

MXNet

MXNet是一種高度可擴展的深度學習工具，可用於各種設備。雖然與TensorFlow相比，它似乎沒有被廣泛使用，但MXNet的增長可能會因為成為一個Apache項目而得到提升。

MXNet基本特性：

該框架支持多種語言，如C ++，Python，R，Julia，JavaScript，Scala，Go，甚至Perl。 可以在多個GPU和許多機器上非常有效地並行計算。

MXNet優點：

支持多個GPU（具有優化的計算和快速上下文切換） 清晰且易於維護的代碼（Python，R，Scala和其他API） 快速解決問題的能力（對於像我這樣的深度學習新手至關重要）

雖然它不像TF那麼受歡迎，但MXNet具有詳細的文檔並且易於使用，能夠在命令式和符號式編程風格之間進行選擇，使其成為初學者和經驗豐富的工程師的理想選擇。

GLUON

Gluon是一個更好的深度學習框架，可以用來創建復雜的模型。GLUON基本特性：

Gluon的特殊性是具有一個靈活的界面，簡化了原型設計，構建和培訓深度學習模型，而不會犧牲學習速度。 Gluon基於MXNet，提供簡單的API，簡化深度學習模型的創建。 與PyTorch類似，Gluon框架支持使用動態圖表 ，將其與高性能MXNet相結合。從這個角度來看，Gluon看起來像是分布式計算的Keras非常有趣的替代品。

GLUON優點：

在Gluon中，您可以使用簡單，清晰和簡潔的代碼定義神經網路。 它將訓練演算法和神經網路模型結合在一起，從而在不犧牲性能的情況下提供開發過程的靈活性。 Gluon可以定義動態的神經網路模型，這意味著它們可以動態構建，使用任何結構，並使用Python的任何本機控制流。 SWIFT

當你聽到Swift時，您可能會考慮iOS或MacOS的應用程序開發。但是如果你正在學習深度學習，那麼你一定聽說過Swens for Tensorflow。通過直接與通用編程語言集成，Swift for TensorFlow可以以前所未有的方式表達更強大的演算法。SWIFT基本特性：

可以輕松獲得可微分的自定義數據結構。 下一代API 。通過實踐和研究獲得的新API更易於使用且更強大。 在TensorFlow的基礎上 ，Swift API為您提供對所有底層TensorFlow運算符的直接調用。 基於Jupyter、LLDB或者Swift in Colab的編程工具提高了您的工作效率。

SWIFT優點：

如果動態語言不適合您的任務，那麼這將是一個很好的選擇。當你訓練運行了幾個小時，然後你的程序遇到類型錯誤，那麼使用Swift，一種靜態類型語言。您將看到代碼錯誤的地方。 Chainer

直到CMU的DyNet和Facebook的PyTorch出現之前，Chainer是動態計算圖或網路的領先神經網路框架，它允許輸入數據長度不一致。chainer基本特性：

Chainer代碼是在Numpy和CuPy庫的基礎之上用純Python編寫的， Chainer是第一個使用動態架構模型的框架。

Chainer優點：

通過自己的基準測試，Chainer明顯比其他面向Python的框架更快，TensorFlow是包含MxNet和CNTK的測試組中最慢的。 比TensorFlow更好的GPU和GPU數據中心性能。最近Chainer成為GPU數據中心性能的全球冠軍。 DL4J

那些使用Java或Scala的人應該注意DL4J（Deep Learning for Java的簡稱）。DL4J的基本特性：

DL4J中的神經網路訓練通過簇的迭代並行計算。 該過程由Hadoop和Spark架構支持。 使用Java允許您在Android設備的程序開發周期中使用。

DL4J優點：

如果您正在尋找一個良好的Java深度學習框架，這會是一個非常好的平台。 ONNX

ONNX項目誕生於微軟和Facebook，旨在尋找深度學習模型呈現的開放格式。ONNX簡化了在人工智慧的不同工作方式之間傳遞模型的過程。因此ONNX具有各種深度學習框架的優點。

ONNX基本特性：

ONNX使模型能夠在一個框架中進行訓練並轉移到另一個框架中進行推理。ONNX模型目前在Caffe2，Microsoft Cognitive Toolkit，MXNet和PyTorch中得到支持，並且還有許多其他常見框架和庫的連接器。

ONNX優點：

對於PyTorch開發人員來說，ONNX是一個好的選擇。但是對於那些喜歡TensorFlow的人來說，Keras等可能好一點。 總結

那麼您應該使用哪種深度學習框架？下面是幾點建議：

如果你剛剛開始學習，那麼最好的選擇是Keras 。 出於研究目的，請選擇PyTorch 。 對於生產，您需要關注環境。因此對於Google Cloud，最好的選擇是TensorFlow ，適用於AWS - MXNet和Gluon 。 Android開發人員應該關注D4LJ ，對於iOS來說， Core ML會破壞類似的任務范圍。 最後， ONNX將幫助解決不同框架之間的交互問題。

C. 5門前途美好的編程語言

作者 | Nick Kolakowski

來源 | 濤哥聊Python

前不久， Dice Insights（提供求職消息的技術職業消息服務的網站）研究了 TIOBE 和 RedMonk 的編程語言排名，以及自己網站的招聘信息資料庫，得出了5門可能衰落的編程語言。

接著，Dice Insights再次公布了在未來幾年使用量飆升的5門編程語言。這些結論是依靠強大的數據推斷出來的，得出來的結果，有些是在意料之中，有些可能會讓你大跌眼鏡，我們一起來看看：

1、Swift

蘋果想要把Objective-C淘汰，算起來，Objective-C已經有35年的歷史了，一直被用於構建蘋果生態系統的應用程序，而今蘋果想用Swift替代Objective-C，Swift是蘋果五年前發布的語言，根據分析公司RedMonk的長期語言排名，自創建以來，Swift的使用率迅速飆升，能夠得到這樣的反饋，蘋果公司自然很滿意。

話雖如此，想要真正淘汰Objective-C也不是那麼簡單的，這主要是因為在過去的35年裡產生的大量遺留代碼，但隨著蘋果打壓力度不斷加大，Objective-C遲早有一天還是會被淘汰，而Swift會真正成為為蘋果應用程序提供動力的中堅力量，此外，蘋果跨平台應用支持的計劃會加速Swift的發展。

2、Kotlin

Kotlin正在崛起，十年前，Kotlin只是俄羅斯的一個島嶼，而今，它還是一門編程語言，Kotlin之所以能一躍成名，都要歸功於谷歌將其定義為Android 的「一級」開發語言。

可以說，通過選擇Kotlin，谷歌減少了對Java的依賴，而且Java是谷歌和Oracle法律糾紛的原因所在，無論谷歌的律師們是否推動了公司對Kotlin的支持，我們都能看出，許多開發者都很喜歡這門編程語言，因為其靈活的特性。

早在2018年，Pusher就發起了一項開發者調查，數據顯示，歸功於Android，Kotlin的使用率正在爆發式增長，大部分開發者在他們的工作中或副業的項目中使用Kotlin編程，Pusher還補充道：說到Kotlin最受青睞的特性，大多數開發者表示Kotlin是安全的，80%的開發者喜歡null安全，其次是擴展函數，Java的簡化互操作性和數據類。

但是換句話說，Kotlin似乎也沒有別的發展空間了，因為這種編程語言很難擴展到Android生態系統之外，拓展到其他領域。

3、Python

Python是門龐大的編程語言，被世界各地的開發人員廣泛使用，根據TIOBE指數顯示，Python的受歡迎程度不斷在攀升，甚至對其他編程語言已經產生威脅，而且實際上，人們正不斷發現Python的新用途

考慮到Python已經擁有強大的用戶基礎，而且它被廣泛應用於大量的業務當中，因此，Python在短期內消亡的可能性微乎其微，唯一令人疑惑的是，這種編程語言能發展到何種程度，以及下一步它將佔領哪些行業。

4、Groovy

Groovy在TIOBE排名上的上升得益於廣泛的IDE支持、與Java的相似性以及與流行的開源自動化伺服器Jenkins的集成。它已經成為許多系統中的「編程語言粘合劑」，所以說，它的未來似乎很光明。

5、TypeScript

在這里，我們將Typescript也稱之為編程語言，它是JavaScript的一個超集，一些開發人員認為它並不是一門「完整」的編程語言，因為它可以被轉換成JavaScript 。

無論你如何定義它，在RedMonk和GitHub的月度報告上，對Typescript的評級都是快速增長，TIOBE也曾暗示TypeScript甚至開始蠶食JavaScript的市場份額。

不管你是否認為TypeScript是一個「全新改進的」JavaScript，都無法否認很多技術專家認為TypeScript在未來幾年還有發展的空間。

以上就是Dice為大家總結出的5門未來前途大好的編程語言，你贊同么？

D. 今年畢業了，計算機的，聽說培訓後工資會高，這是真的嗎

大體上差不多吧，你要想你在學校學的是什麼？更多的是基礎理論，學扎實了也能進企業，但是企業知道你什麼水平，會有一個培養的過程。而培訓機構培訓，是有針對性的，就是實際應用，比如說中公優就業會有大量的真實項目來操作快速積累經驗。倒了就業期，企業知道你的水品，是能夠上手有一定產出的，工資肯定是不一樣的。

E. 選擇大數據培訓去哪家好

相信在IT領域發展的同學對大數據很熟悉。大數據編程語言排行中一直處於領先地位，這可以直接體現大數據的重要。因此很多同學准備參加大數據培訓機構系統學習。那麼，大數據培訓機構哪家比較好？下面我們介紹一下。

隨著大數據的普及，越來越多的人了解大數據，企業也會對求職者提出更高的要求，他們想招聘一些能馬上開始工作的人，所以往往會招聘一些有項目開發經驗的人。這就是為什麼那麼多計算機專業的大學生找不到工作，所以越來越多的大學生會選擇在畢業前後參加一些專業的大數據培訓課程，以增加他們的實踐經驗。只有增強自己的力量，才能立於不敗之地。

大數據培訓機構哪家比較好？判斷大數據培訓機構好與壞主要看以下幾個方面

1.看教學課程內容

學習大數據技術，最主要是與時俱進，掌握的技術點能夠滿足時下企業的用人需求。而想要了解一家培訓機構所提供的課程是否新穎，也可以去機構的官網上看看，了解自己想學習的學科的課程大綱。看看學習路線圖是如何安排的，有沒有從零到一的系統搭建，是不是有強化實訓、實操的比重，有盡量多的項目實戰。因為企業對大數據從業者的技術能力和動手實戰能力要求較高。

2.看師資力量

因為大數據開發技術知識的專業性很強，如果盲目去學很容易走進誤區。相反，有講師帶領，站在巨人的肩膀上，往往事半功倍。畢竟現在這個時代只要多跟別人交流才能獲得更多更有價值的信息，初學者千萬不能閉門造車。

3.看口碑

行業內口碑比較好，學生對培訓機構比較認可，這種機構把精力放在了學生身上的機構，才是做教育的應有態度。

4.看就業情況

以學生就業為目標的培訓機構現在才是最主要的。要知道就業也是教學成果的體現，沒有好的教學保證是做不到好的就業的。

5.上門免費試聽

試聽是為了更好的去感受培訓機構的課程內容、講課風格、班級氛圍等，同時也能通過和班上在讀同學進行交流，更進一步去了解這家培訓機構各個方面是否符合自己的需要

F. java中的返回值問題。

在book類中的p_speed方法你加一行 speed = a; 代碼就可以了.不然你的輸出全是------汽車沒有超速 還有就是把ai.p_speed(70); 改成ai.p_speed(81);

G. 大數據培訓機構哪家好點哪個好

想要了解一個培訓機構怎麼樣最好還是自己去實地看看，並且建議你多去幾家看看相互之回間有答個對比，最好能夠試學幾天，但是你最好問問是不是免費一毛錢都不出的那種試學，要不然就不要考慮了，當初選培訓班就被坑過，說多了都是淚，唉！

H. 求adobe premiere pro cs6簡體中文完整版的下載地址和破解補丁，謝謝！