java - java : + versus += 精度损失-6ren

java - java : + versus += 精度损失

转载作者：行者123 更新时间：2023-11-29 06:37:05

25

4

<分区>

这段 Java 代码

public class test{
   public static void main(String[] args){
      byte[] a = new byte[1];
      a[0] = 1;
      byte x = 1;
      x = x + a[0];
      System.out.println(x);
  }
}

抛出以下编译错误:

test.java:10: possible loss of precision
found   : int
required: byte
    byte y = x + a[0];
               ^
1 error

嗯？这里发生了什么？所有变量都声明为字节。明确地将 1 转换为字节没有任何区别。但是，更改为

public class test{
   public static void main(String[] args){
      byte[] a = new byte[1];
      a[0] = 1;
      byte x = 1;
      x += a[0];
      System.out.println(x);
  }
}

一切都编译得很好。我正在使用 Java 版本 1.6.0_16，build-b01 进行编译。我的问题是:这是错误还是功能？为什么 += 的表现与 + 不同？

25

4

0

文章推荐： java - Swing + Servlets 可以被认为是 Web 应用程序吗？

文章推荐： mysql - 根据一根金条的定价获取一个人的支出总和

文章推荐： mysql - 返回 count() 天与 mysql 匹配

使用小批量时累积的 pytorch 损失
我是pytorch的新手。请问添加'loss.item()'有什么区别？以下2部分代码: for epoch in range(epochs): trainingloss =0 for
MySQL 查询返回日期列表的总利润/损失
我有一个包含 4 列的 MySQL 表，如下所示。 TransactionID | Item | Amount | Date ------------------------------------
iphone - 有多个函数调用而不是一个大的函数调用有任何性能增益/损失？
我目前正在使用 cocos2d、Box2D 和 Objective-C 为 iPad 和 iPhone 制作游戏。每次更新都会发生很多事情，很多事情必须解决。我最近将我的很多代码重构为几个小方法，
tensorflow - 混合精度训练导致 NaN 损失
我一直在关注 Mixed Precision Guide .因此，我正在设置: keras.mixed_precision.set_global_policy(mixed_precision) 像这样
Java 大 double 损失
double lnumber = Math.pow(2, 1000); 打印 1.0715086071862673E301 我尝试过的事情我尝试使用 BigDecimal 类来扩展这个数字: St
python - 使用神经网络进行函数逼近 - 损失 0
我正在尝试创建一个神经网络来近似函数(正弦、余弦、自定义...)，但我在格式上遇到困难，我不想使用输入标签，而是使用输入输出。我该如何更改它？我正在关注this tutorial import te
python - 训练回归网络时的 NaN 损失
我有一个具有 260,000 行和 35 列的“单热编码”(全一和零)数据矩阵。我正在使用 Keras 训练一个简单的神经网络来预测一个连续变量。制作网络的代码如下: model = Sequenti
image-processing - 什么是像素级 softmax 损失？
什么是像素级 softmax 损失？在我的理解中，这只是一个交叉熵损失，但我没有找到公式。有人能帮我吗？最好有pytorch代码。最佳答案您可以阅读 here所有相关内容(那里还有一个指向源代码的
python - PyTorch 中多输出回归问题的 RMSE 损失
我正在训练一个 CNN 架构来使用 PyTorch 解决回归问题，其中我的输出是一个 20 个值的张量。我计划使用 RMSE 作为模型的损失函数，并尝试使用 PyTorch 的 nn.MSELoss(
tensorflow - 损失、准确性、验证损失、验证准确性之间有什么区别？
在每个时代结束时，我得到例如以下输出: Epoch 1/25 2018-08-06 14:54:12.555511: 2/2 [==============================] - 86
deep-learning - 计算网络两个输出之间的 cosine_proximity 损失
我正在使用 Keras 2.0.2 功能 API (Tensorflow 1.0.1) 来实现一个网络，该网络接受多个输入并产生两个输出 a 和 b。我需要使用 cosine_proximity 损失
python - 第一个纪元后的神经网络生成 NaN 值作为输出、损失
我正在尝试设置很少层的神经网络，这将解决简单的回归问题，这应该是f(x) = 0,1x 或 f(x) = 10x 所有代码如下所示(数据生成和神经网络) 4 个带有 ReLu 的全连接层损失函数 R
python - 越来越大的正 WGAN-GP 损失
我正在研究在 PyTorch 中使用带有梯度惩罚的 Wasserstein GAN，但始终得到大的、正的生成器损失，并且随着时间的推移而增加。我从 Caogang's implementation
python - TensorFlow 中的最大 margin 损失
我正在尝试在 TensorFlow 中实现最大利润损失。这个想法是我有一些积极的例子，我对一些消极的例子进行了采样，并想计算类似的东西其中 B 是我的批处理大小，N 是我要使用的负样本数。我是 t
python - 损失 : NaN in Keras while performing regression
我正在尝试预测一个连续值(第一次使用神经网络)。我已经标准化了输入数据。我不明白为什么我会收到 loss: nan从第一个纪元开始的输出。我阅读并尝试了以前对同一问题的回答中的许多建议，但没有一个对
python - 多层感知器异或，绘制误差(损失)图，收敛太快？
我目前正在学习神经网络，并尝试训练 MLP 以使用 Python 中的反向传播来学习 XOR。该网络有两个隐藏层(使用 Sigmoid 激活)和一个输出层(也是 Sigmoid)。网络(大约 20,
deep-learning - keras:平滑 L1 损失
尝试在 keras 中自定义损失函数(平滑 L1 损失)，如下所示 ValueError: Shape must be rank 0 but is rank 5 for 'cond/Switch' (
tensorflow - 使用卷积网络运行时，tensorflow 会产生 nan 损失
我试图在 tensorflow 中为门牌号图像创建一个卷积神经网络 http://ufldl.stanford.edu/housenumbers/ 当我运行我的代码时，我在第一步中得到了 nan 的成
neural-network - Keras - 变分自编码器 NaN 损失
我正在尝试使用我在 Keras 示例( https://github.com/keras-team/keras/blob/master/examples/variational_autoencoder
python - 了解 Keras 中语音识别的 CTC 损失
我试图了解 CTC 损失如何用于语音识别以及如何在 Keras 中实现它。我认为我理解的内容(如果我错了，请纠正我!)总体而言，CTC 损失被添加到经典网络之上，以便逐个元素(对于文本或语音而言逐个

首页

博学

6Ren·AI

商城

java - java : + versus += 精度损失