双重for循环(嵌套for循环)

article/2025/9/24 4:24:13

什么是双重循环?

双重循环:我们从字面上理解它,就是有两个循环套在一起

详细解释

双重for循环就是在一个for循环嵌套另一个for循环,即两个循环嵌套,还有多重循环嵌套的情况,但用的比较少,一般常用的是两个循环嵌套,很少使用多重循环,因为for循环多了会导致代码执行的效率低,而且容易死机,多循环中的总循环次数是相乘的,嵌套几次后几何级数增长,因此通常情况下在循环多次嵌套时,我们是不推荐使用的。

说的再简单点就是,for循环的嵌套,跟我们之前的if嵌套一样

 for(循环变量;循环条件;循环操作){for(循环变量;循环条件;循环操作){//代码块}
}

这就是双重for循环的框架

运行路径

外层循环一次内层全部循环一次(外层循环一次,内层for循环全部执行完成再进行外层的一次循环)

难点

二重循环的难点是内层循环的循环条件,如何控制内层循环的次数
记住外层循环一次,内层循环全部的原则
举个例子,我外层循环定义循环3次内层循环定义循环2次,每次输出一个“星号”,那么,将会输出几个“星号”呢?
答案是6次(2×3)
分析:

  • 外层循环第一次,里面循环完,也就是2次
  • 外层循环第二次,里面又重新循环,循环完,还是2次
  • 外层循环第三次,里面再次重新循环,又是2次

我们多说无益,来个实际操作

示例


打印以下图形,我们可以用上面提到的公式验证一下

图形

*
* *
* * *
* * * *
* * * * * 

这个题目的代码,我先给出,然后分析

代码

public class Star{public static void main(String[] args){for(int i=1;i<=5;i++){for(int j=1;j<=i;j++){System.out.print("*");}System.out.println();}}
}

我们看看这个图像有多少行? 总共有5行,也就是说我们需要循环5次打印才可以

外部循环

for(int i=1;i<=5;i++){//循环块2
}

这个循环控制输出的行数,我们这里是5行“星号”,所以这个循环控制成5次

我们开始写里面的循环

内部循环


里面定义一个循环,变量为 j

 for(int j=1;j<=i;j++){System.out.print("*");}

的初始值定义为1,并且j<=i (i也是累加,到5停止),它的循环次数也是循环5次,因为我们这个图像的最后一个输出是5颗“星号”,这里是循环输出了5颗“星号”,所以,j超出5必须停止循环

总体运行过程

到这,许多人会感到有点迷茫,不过没有关系,这是正常,我们好好看看它如何运行:

首先注意看变量:i=1、j=1、i<=5、j

循环运行变化

外层第一次循环: i为1时,开始第一次循环,开始运行里面的第 i(1)次循环,这时,里面的循环,j为1时j<=i 此时i为1),所以会输出1颗“星号”

拆解代码:第一次外层循环
内层

for(int j=1;j<=1;j++){System.out.print("*");
}
System.out.println();

外层第三次、第四次、第五次与第二次一样i不断累加,依次输出3颗“星号”、4颗“星号”、5颗“星号”

就不多演示了,还不懂的话,就看看拆解代码的内层循环的循环条件的变化

注意:System.out.print("*"):没有ln的,所以不会换行,于是内层循环的“星号”是横排叠加的

示例二

打印九九乘法表
因为这个题目,和上面的代码以及原理一样,只是改变了一些内容,所以我就直接放代码了

代码

public class Jjcfb {public static void main(String[] args) {for(int i=1;i<=9;i++){for(int j=1;j<=i;j++){System.out.print(j+"*"+i+"="+i*j+" ");}System.out.println();}}
}

 九九乘法表一共有九行,所以外层限制行数为9,于是i=1;i<=9
内层还是j=1;j<=i
如果还不懂,可以用IDEA调试慢慢摸索,这样记忆力更加深刻

 扩展

给大家放一个问题:这样用“*”输出一个菱形

点击链接查看答案:双重for循环(嵌套for循环) - 小简博客 (janyork.com)https://blog.janyork.com/index.php/archives/429/


http://chatgpt.dhexx.cn/article/IiWXYuOx.shtml

相关文章

DRN ---Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution

Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution 这篇博客主要介绍一下DRN&#xff0c;这是2020年最新出来超分辨重建文章。相信大家都阅读过很多超分辨率的文章&#xff0c;都知道超分辨率是一病态的问题。因为在现实生活中一张低分辨率图…

深度学习——Dual Regression Networks for Single Image Super-Resolution(DRN)

CVPR2020原论文&#xff1a;Closed-loop Matters: Dual Regression Networks forSingle Image Super-Resolution 开源代码&#xff08;pytorch框架&#xff09;&#xff1a;https://github.com/guoyongcs/DRN 1.问题 1&#xff09;低分辨率图像&#xff08;Low Resulotion&…

DRN(CVPR2020)Dual Regression Networks

DRN: [ Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution ]DRN文论链接 SISR两个潜在的局限 学习LR到HR的隐射是一个病态问题&#xff0c;因为从HR下采样到LR&#xff0c;可以有无限个HR与LR对应。所以解空间太大&#xff0c;很难找到很好的…

DRN:Dilated Residual Networks(论文解读十四)

Title&#xff1a;Dilated Residual Networks From&#xff1a;CVPR2017 Note data&#xff1a;2019/06/12 Abstract&#xff1a;提出一种有利于分类任务的扩张残差网络DRN。 Code &#xff1a;pytorch 目录 DRN论文解读 1 Abstra 2 Introduction 3 Method Degridding …

浅谈深度神经网络 — ResNet(DRN)

Deep Residual Learning for Image Recognition 1. 思想 作者根据输入将层表示为学习残差函数。实验表明&#xff0c;残差网络更容易优化&#xff0c;并且能够通过增加相当的深度来提高准确率。 核心是解决了增加深度带来的副作用&#xff08;退化问题&#xff09;&#xff0…

深度学习——BRNN和DRNN

双向循环神经网络&#xff08;Bidirectional RNN&#xff09; 双向 RNN 模型可以让你在序列的某点处不仅可以获取之前的信息&#xff0c;还可以获取未来的信息 why we need BRNN&#xff1f; 这个网络有一个问题&#xff0c;在判断第三个词 Teddy&#xff08;上图编号 1 所示&a…

DPRNN的学习

可以以非常简单的方式组织任意类型的RNN层&#xff08;不重要&#xff0c;因为我这里会换成transformer&#xff09;。 优点&#xff1a; 1.模型更小 2.性能更好&#xff08;SI-SNR&#xff09; 模型组成&#xff1a; 首先肯定是encoder和decoder了&#xff0c;一个声音的…

drndrn_seg代码

问题&#xff1a; drn文件 import pdb #pdb是 ThePythonDebugger 的缩写&#xff0c;为Python标准库的一个模块。pdb模块规定了一个Python程序交互式源代码调试器&#xff0c;支持在设置断点&#xff08;包括条件断点&#xff09;&#xff0c;也支持源码级单步调试&#xff…

深度学习——DRD-Net

CVPR2020原论文&#xff1a;Detail-recovery Image Deraining via Context Aggregation Networks 开源代码&#xff08; tensorflow框架&#xff09;&#xff1a;https://github.com/Dengsgithub/DRD-Net 1.主要工作&#xff1a;提出了双分支去雨网络。一个分支为基于压缩激励…

论文阅读:DRN: A Deep Reinforcement Learning Framework for News Recommendation

文章目录 摘要一、Introduction1、引入原因2、结构框架 二、相关工作1、新闻推荐算法2、推荐中的强化学习3、问题定义 三、实现原理1、模型框架2、特征构造3、深度强化推荐Deep Reinforcement Recommendation4、用户活跃度5、探索 四、实验结果1、数据集2、评价指标3、实验设置…

使用飞桨PaddlePaddle复现用于图像光源处理的深度重照明网络(DRN)

使用飞桨PaddlePaddle复现用于图像光源处理的深度重照明网络&#xff08;DRN&#xff09; 一、效果展示二、实现思路冠军模型&#xff1a;Wavelet Decomposed RelightNet (WDRN)经典模型&#xff1a;Norm-Relighting-U-Net (NRUNet)本次项目&#xff1a;Deep Relighting Networ…

弱监督学习框架 Detectron2/DRN-WSOD-pytorch 在服务器/windows上配置安装及使用

最近做弱监督学习研究&#xff0c;进行相关分析。发现Detectron2是一个不错的框架&#xff0c;其中也有model zoo相当多种类的预训练模型可以拿来直接用。但是安装配置使用中碰到了许多坑。跟各位小伙伴们分享。 推荐使用Linux Ubuntu16.04以上版本安装&#xff0c;虚拟机不太…

大话深度残差网络(DRN)ResNet网络原理

—— 原文发布于本人的微信公众号“大数据与人工智能Lab”&#xff08;BigdataAILab&#xff09;&#xff0c;欢迎关注。 一说起“深度学习”&#xff0c;自然就联想到它非常显著的特点“深、深、深”&#xff08;重要的事说三遍&#xff09;&#xff0c;通过很深层次的网络实现…

DRN: A Deep Reinforcement Learning Framework for News Recommendation学习

欢迎转载&#xff0c;请注明出处https://blog.csdn.net/ZJKL_Silence/article/details/85798935。 本文提出了&#xff08;基于深度Q-learning 的推荐框架&#xff09;基于强化学习的推荐系统框架来解决三个问题&#xff1a; 1&#xff09;首先&#xff0c;使用DQN网络来有效建…

【超分辨率】(DRN)Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution

论文名称&#xff1a;Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution 论文下载地址&#xff1a;https://arxiv.org/pdf/2003.07018.pdf 论文代码地址&#xff1a;https://github.com/guoyongcs/DRN 但是代码有问题 论文标题&#xff1a; 1…

CNN经典模型:深度残差网络(DRN)ResNet

一说起“深度学习”&#xff0c;自然就联想到它非常显著的特点“深、深、深”&#xff08;重要的事说三遍&#xff09;&#xff0c;通过很深层次的网络实现准确率非常高的图像识别、语音识别等能力。因此&#xff0c;我们自然很容易就想到&#xff1a;深的网络一般会比浅的网络…

2021-11-11SR-DRN

闭环问题&#xff1a;单张图像超分辨的对偶回归网络&#xff08;DRN) SR主要是要学习LR和HR之间的某种映射来重建相应的HR图像。 一、SISR存在的两个潜在的问题&#xff1a; 1.学习从LR到HR的映射是一个病态的逆问题。一张LR图像可以对应多张HR图像&#xff0c;也就是说存在…

DNN

文章目录 前向传播从感知机到神经网络DNN的基本结构DNN前向传播算法数学原理 DNN前向传播算法反向传播算法(BP)DNN反向传播算法要解决的问题 DNN反向传播算法的基本思路DNN反向传播算法过程损失函数和激活函数的选择均方差损失函数Sigmoid激活函数的问题使用交叉熵损失函数Sigm…

DRCN神经网络

1 DRCN DRCN&#xff08;Deeply-Recurisive Convolutional Network)&#xff0c;一种利用深度递归卷积网络。DRCN与之前的VDSR都是来自首尔国立大学计算机视觉实验室的工作。该网络将插值后的图像作为输入&#xff0c;并像SRCNN中一样预测目标图像。 该网络分为三个部分&…

DRM(一):什么是DRM

之前说了要一起学习一下与安全紧密相关的业务事项&#xff0c;于是这就开始了。 今天就来看看与版权保护相关的技术&#xff1a;DRM 内容基本上来自&#xff1a;【DRM架构介绍】 还是我推荐的那个号–》内核工匠&#xff0c;确实内容不错&#xff0c;学到很多。 1、DRM是什…