List 元素有序 //.add增 List<Integer> intlist = new ArrayList<>(); intlist.add(12); intlist.add(99); intlist.add(88); intlist.add(77); intlist.add(55); //.remove 删 intlist.remove(1);//删除对应索引的值 如果List中是整形,在remove特定整形时用.remove(Integer.valueOf(20)); //.set 改 intlist.set(3,999);//将下标3改成999 Collections.sort(cardList)//排序 Collections.shuffle(cardList);//乱序 //.get .contains 查 System.out.println(intlist.get(0));//获取到下标0的值 Collections.sort(intlist); System.out.println(intlist); System.out.println(intlist.contains(55));//判断55是否存在返回值为boolean //增强for循环 for(int n : intlist){ System.out.print(n+" "); } Set 重点是元素不重复,顺序可以使用LinkedHashSet .size//获取到set集合的大小 // 常用Set实现类 Set<String> hashSet = new HashSet<>(); // 无序 Set<String> linkedHashSet = new LinkedHashSet<>(); // 保持插入顺序 Set<String> treeSet = new TreeSet<>(); // 自然排序 // 其他常用方法 Set<String> set = new HashSet<>(); set.add("A"); set.add("B"); set.clear(); // 清空 // 判断集合是否为空,返回值为boolean set.isEmpty(); set.remove("A"); // 删除 UUID UUID uuid = UUID.randomUUID(); uuid.toString()//取随机序列数 Map //.put() 增 Map<String,String> dic = new HashMap<String,String>(); dic.put("pig","猪"); dic.put("egg","鸡蛋"); dic.put("apple","苹果"); dic.put("orange","橘子"); //.remove() 注意remove中的参数为Key dic.remove("pig"); //.get() 注意get中的参数为Key dic.get("apple"); //.containsKey() .containsValue 判断Key或value是否存在,返回值为boolean dic.containsKey("egg") //.keySet() 将key转化成Set dic.keySet(); //.values 获取values值 Collection<Integer> values = map.values(); //增强for循环,利用entry for(Map.Entry<String,String> entry : dic.entrySet()){ System.out.println(entry.getKey()); System.out.println(entry.getValue()); } 例题:一个单词组成的字符串str,判断每个单词出现的个数 思路:1.先把str用“ ”分隔,每一个单词作为一个Key,出现次数为value 2.用判断,出现过的Key,value++,没出现过赋值1Java集合操作(List、Set、Map)
张小明
前端开发工程师
【LLM基础教程】统计语言模型N-gram
在深度学习语言模型(LSTM、Transformer)出现之前,统计语言模型(Statistical Language Model, SLM)长期占据 NLP 主流地位。它们通过对大量语料进行统计,来估计词序列的概率,是最早被广泛应用于机器翻译、语音识别等系统的语言模型形式。 其中最经典、最重要的统计…
高效TTS解决方案:GPT-SoVITS开源语音合成系统应用案例
高效TTS解决方案:GPT-SoVITS开源语音合成系统应用案例 在内容创作日益个性化的今天,越来越多的播客作者、有声书制作者甚至教育工作者开始思考一个问题:能否让AI用“我自己的声音”来朗读我写的内容?过去,这需要录制数…
PaddlePaddle语音识别套件实践:集成github镜像提升模块加载效率
PaddlePaddle语音识别套件实践:集成GitHub镜像提升模块加载效率 在中文语音识别项目的开发过程中,你是否曾因一个模型下载卡住整个流程?凌晨两点,CI/CD流水线又一次因为 github.com 连接超时而中断——这种场景对国内开发者来说并…
Qwen3-32B大模型调用与鉴权指南
Qwen3-32B大模型调用与鉴权指南 在构建现代AI应用的过程中,如何高效、安全地接入高性能大模型已成为开发者面临的核心挑战之一。随着企业对推理准确性、响应实时性和系统可控性的要求不断提升,选择一个兼具强大能力与灵活接口的模型变得尤为关键。Qwen3-…
LobeChat能否实现AI生成周报?职场人士减负必备
LobeChat能否实现AI生成周报?职场人士减负必备 在每周五下午的工位上,你是否也经历过这样的场景:一边翻着零散的会议记录、邮件往来和任务看板,一边绞尽脑汁拼凑一份“看起来像样”的周报?明明做了不少事,写…
LobeChat前端性能优化技巧:加载速度提升60%以上
LobeChat前端性能优化实践:如何实现加载速度提升60%以上 在AI聊天应用日益普及的今天,用户早已不再满足于“能用”,而是追求“好用”——尤其是打开即响应的流畅体验。尽管大语言模型的能力突飞猛进,但一个卡顿、闪屏、等待超过三…