黑马程序员——OC基础---类方法的总结

------- <a href="http://www.itheima.com" target="blank">android培训</a>、<a href="http://www.itheima.com" target="blank">java培训</a>、期待与您交流! ----------



1>>方法定义

+ (void) abc:(int) a andOther:(float)b;

其中‘+’为方法类型,不可省,表示这是一个类方法,区别于‘-’表示对象方法。

(void)为方法返回类型,不可省。

abc:     andOther:为方法名,注意方法名包括冒号(冒号不可省),其中‘andOther’为对后一个参数的简要说明,可省(为了提高程序可读性,原则上不省略),‘andOther’与前一个参数之间必须有空格

(int)a 和 (float)b为方法的参数,如果方法不需要参数,则可省。

注意,1)每个冒号对应一个参数,如果没有参数,就不需要冒号,有一个参数,就需要一个冒号。

            2)类方法名可以和对象方法名完全重名,通过‘+’‘-’来区别到底是类方法还是对象方法

-(void) abc:(int) a andOther:(float)b;

2>>方法的调用

类方法能并且只能被类调用     [类名 类方法名];

给对象发送类方法消息不会被执行,但是对象方法可以调用类方法(不限于本类,也可以是其他类的类方法),格式仍然是在对象方法中用类名调用类方法  [类名 类方法名];

类方法也同样可以调用对象方法(不限于本类,也可以是其他类),此时需要传入一个对象参数,然后用对象参数调用对象方法   [对象 对象方法名];

注意:在类方法中用self调用对象方法是错误的 [self 对象方法];

    在对方法中用self调用类方法也是错误的 [self 类方法];

    类方法不可以调用自身,会造成死循环。

Solider.h

#import <Foundation/Foundation.h>
@class Gun;
@class Bullet;
@interface Solider : NSObject
@property(nonatomic,copy)NSString *name;
@property(nonatomic,strong)Gun *gun;
-(void)run;
+(void)dun:(Solider*)solider;
-(void)tiao;
-(void)fff:(int )a :(float)b :(char)c;//对象方法可以与下面的类方法同名,唯独用‘+’‘-’来标记不同
+(void)fff:(int )a :(float)b :(char)c;
-(void)fire:(Solider *)soldier andGun:(Gun*) gun andBullet:(Bullet* )bullet;
@end
注意:-(void)fff:(int )a :(float)b :(char)c;与+(void)fff:(int )a :(float)b :(char)c;仅为验证可以同名定义,并未在Solider.m中实现
Solider.m

#import "Solider.h"
#import "Gun.h"
@implementation Solider
-(void)run{

    NSLog(@"士兵在跑");
}
+(void)dun:(Solider*)solider{

    [Gun shooot];
    [solider tiao];//类方法中通过传入的对象名调用对象方法
//    [self run];//在类方法中用  self调用对象方法会报错
}
-(void)tiao{

    NSLog(@"士兵跳了起来");
}
-(void)fire:(Solider *)soldier andGun:(Gun*) gun andBullet:(Bullet* )bullet{

    [soldier run];
    [Solider dun:soldier];//对象方法中用类名调用了类方法
//    [self dun];//对象方法中用  self调用类方法会报错
    [gun shoot:bullet andSoldier:self];
}
@end

Gun.h

#import <Foundation/Foundation.h>
@class Bullet;
@class Solider;
@interface Gun : NSObject
@property(nonatomic,copy)NSString *size;
-(void)shoot:(Bullet *)bullet andSoldier:(Solider *) solider;
+(void)shooot;
@end

Gum.m

#import "Gun.h"
#import "Bullet.h"
#import "Solider.h"
@implementation Gun
-(void)shoot:(Bullet *)bullet andSoldier:(Solider *) solider{

    if ([bullet bulletCount]>0) {
        [bullet setBulletCount:[bullet bulletCount]-1];
        NSLog(@"啪啪啪。。。%@用%@在射击。。。当前子弹剩余%d", [solider name],[self size],[bullet bulletCount]);
    }else
    {
        NSLog(@"没有子弹了,赶紧内裤挂枪投降吧!");
    }
}

+(void)shooot{

    NSLog(@"shooot");
}
@end

Bullet.h

#import <Foundation/Foundation.h>

@interface Bullet : NSObject
@property(nonatomic,assign)int bulletCount;
@end

Bullet.m

#import "Bullet.h"

@implementation Bullet

@end



【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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