2015.8.5 第十堂 内存管理(上)

一、什么是内存管理

1.一句话说清内存管理 如图1.管理内存分配不用了就释放掉 2.内存消耗越少越好 3.管理内存就是管理资源的拥有权


2.两种内存管理方法:

         manul retain-release(MRR) 手动释放 自主管理对象的拥有和释放
         Automatic Reference Counting(ARC)自动引用计数 (系统鼓励) 不需要自己管理内存,由系统管理 建议使用

 此处练习1.ARC 

修改设置:project -> build Settings ->Apple LLVM 5.0 - Language - Objective C ->Objective-C Automatic Reference Counting->改为NO 取消开启ARC


3.图解内存管理 

如图1: 引用计数 reference-counting


   引用计数:init初始化后,系统会自动为这个对象添加一个属性变量retaincountretaincount来记录当前这个对象被哪些人来拥有(有多少人在拥有它)


如图2:图解内存管理


     

         classA alloc创建这个对象,需要自己释放内存。创建完毕后,一个对象有“retaincount”的变量,当前这个对象引用计数为1

         classA把对象传给classBretain声明对某一个对象的拥有权(引用计数+1),B声明了拥有权,当前这个对象引用计数变为2

         B在用A不能释放内存,只能释放拥有权。

         B也用完了之后,调用release释放对对象的拥有权,引用计数变为0。系统立刻自动将这个对象销毁。

         

         ClassC copy重新分配内存空间拷贝一份过来,C单独拥有这个对象,引用计数为1C用完后调用release,引用计数变0后销毁。

4.内存管理容易出现的错误 1.用的时候释放掉了或者重写导致应用程序崩溃 2.没有释放不再使用数据导致内存的泄露(对安卓越用越卡,重启又好点了的解释)

5.对象拥有权:obeject ownership

  何时拥有对象何时没有拥有对象几点须知:

 (1).谁创建的对象谁拥有  标志:alloc new(先分配内存空间再初始化) copy(先分配再拷贝) mutableCopy

 (2).可以使用retainstrong获取一个对象 的拥有权 标志:retain strong

 (3).当你不再需要某个对象,必须释放对这个对象的拥有权 标志: release autorelease

 (4).不能释放一个自己没有拥有权的对象 标志:工厂方法


对上述第二点补充 配图 :"可以使用retainstrong获取一个对象 的拥有权"

 

 A通过alloc initC有一个拥有权。B通过propertynonatomicstrongC想拥有C。如果写property nonatomicC的话就没有拥有权,当A释放后就销毁了,当B再访问这个对象时就会报错了。所以传递时,当外部传递个对象,一般都要声明对这个对象声明拥有权,如retain/strong


对第三点的补充:"3).当你不再需要某个对象,必须释放对这个对象的拥有权 标志: release autorelease"

在这里我们只是释放了对这个对象的拥有权,而不是删除这个对象,如果这个对象的引用计数等于0,那么系统会自动去删除这个对象


6.黄金法则: 要匹配,出现以下关键词要有对应一个realease 如:alloc retain strong copy new mutablecopy

7.@class Dog;//前向声明一个类:引入头文件。 效率高(声明这个类但不导入,用的时候再倒入。)




二、内存管理中容易出错的地方

三、内存管理的一些机制

四、实战演练

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类型,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,能够捕捉数据中的时间依赖性。 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,它们在神经网络中用于添加非线性,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 1
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