OC中的深复制与浅复制

深浅拷贝的不同


浅拷贝是对对象发出一个retain操作,将指针赋值给新的集合对象,如图1

浅拷贝

NSArray *shallowCopyArray = [someArray copyWithZone:nil];
 
NSDictionary *shallowCopyDict = [[NSDictionary alloc] initWithDictionary:someDictionary copyItems:NO];

其中这些方法不局限于数组,也适用于array对象, 其中copy默认调用的是copyWithZone,返回的是不可变的对象,mutalbeCopy默认调用mutalbeCopyWithZone,返回可变对象

深拷贝:

集合方法:initWithDicotonary copyItems:YES是进行深拷贝,它使每个集合内的元素接受copyWithZone消息,其中copyWithZone是浅拷贝,他只进行一层深拷贝

NSArray *deepCopyArray=[[NSArray alloc] initWithArray:someArray copyItems:YES];

如果需要进行 纯深拷贝(多层次深拷贝),应该用如下方法,需要遵循NSCoding协议:

NSArray* trueDeepCopyArray = [NSKeyedUnarchiver unarchiveObjectWithData:
          [NSKeyedArchiver archivedDataWithRootObject:oldArray]];

拷贝和可变性:

拷贝一个集合会对内部元素的可变性有影响,每个方法的影响都稍微不同,具体如下:

  • copyWithZone,返回不可变的首层对象(数组的话默认由消息的发送者进行retainCount+1新的array和旧的array,是首地址的拷贝),所有更深层次的可变性保持不变
  • initWithDictionary: copyItems:NO 返回可变的首层对象,所有更深层次的可变性保持不变
  • initWithDictionary: copyItems:YES返回可变的首层对象,下一层不可变(因为对每个内部对象发送了一次copyWithZone方法,如果为实现此方法将会报runtimeError),所有更深层次的可变性保持不变
  • 纯深拷贝所有可变性在任意层上保持不变
本文内容是对Apple官方文档CopyingCollection的翻译,括号内容是个人理解,如有不准确的地方请留言指出,谢谢
代码实验:
//copy 默认调用copyWithZone返回的是不可变的对象,mutableCopy 默认调用mutableCopyWithZone返回可变对象;二者都会对地址进行改变,查看NSObject API有解析
    NSMutableString* im=[[NSMutableString alloc]initWithString:@"Inner_MM"];
    NSString* isx=@"Inner_YYY";
    //测试基本数据类型的copy 里面默认调用copyWithZone,产生新的副本
    NSString* test=[im copy];
    NSLog(@"im %ld",[im retainCount]);NSLog(@"test %ld",[test retainCount]);
    NSLog(@"im %p",im);NSLog(@"test %p",test);
    [im appendString:@"TEST"];//元数据改变新数据不变
    NSLog(@"im %@",im);NSLog(@"test %@",test);
    NSArray* a=[NSArray arrayWithObjects:im,isx, nil];//集合对象
    //arr1的内容是 a(数组--里面有可变字符串im和不可变字符串isx) m(可变字符串) s(不可变字符串)
    NSMutableString* m=[[NSMutableString alloc]initWithString:@"MM"];//retainCount1
    NSString* s=@"YYY";
    NSArray* arr1=[NSArray arrayWithObjects:a,m,s, nil];//m retainCount2加入数组加1;s(不可变字符串比较特殊)是不可变的永远都是-1
    //retainCount是针对内存地址空间的计数器(arr1和arr2地址相同),与具体类别无关--个人理解
    NSLog(@"arr1 %ld",[arr1 retainCount]);
    NSLog(@"arr1 %p",arr1);
    NSArray* arr2=[arr1 copyWithZone:nil];//copyWithZone返回的是消息的接受者
    NSLog(@"copyWithZone a %ld",[a retainCount]);//2未改变
    //arr1 和 arr2的retainCount均为2,所以是对arr的指针进行了retain(Copy的副本是隐士的被发送方retain--官方文档解释:NSCopying里面),他的释放应由发送方来进行释放
    NSLog(@"copyWithZone arr1 %ld",[arr1 retainCount]);
    NSLog(@"copyWithZone arr2 %ld",[arr2 retainCount]);
    NSLog(@"copyWithZone arr2 %p",arr2);
    //m的引用计数器和地址均相同,因此他们是同一个,所以此处是浅拷贝,但是m的retainCount是2
    NSLog(@"copyWithZone arr1 m %ld",[[arr1 objectAtIndex:1]retainCount]);
    NSLog(@"copyWithZone arr2 m %ld",[[arr2 objectAtIndex:1]retainCount]);
    NSLog(@"copyWithZone arr1 m %p",[arr1 objectAtIndex:1]);
    NSLog(@"copyWithZone arr2 m %p",[arr2 objectAtIndex:1]);
    //initWithItem copyItems:NO 因为自己alloc地址肯定不一样,内容一样,因为进行了一次浅拷贝,内部数据进行retain+1
    NSArray* arr3=[[NSArray alloc]initWithArray:arr1 copyItems:NO];
    NSLog(@"initWithArray copyItems:NO a %ld",[a retainCount]);//3发送改变
    NSLog(@"initWithArray copyItems:NO arr1 %ld",[arr1 retainCount]);
    NSLog(@"initWithArray copyItems:NO arr3 %ld",[arr3 retainCount]);
    NSLog(@"initWithArray copyItems:NO arr3 %p",arr3);
    [im appendString:@"WW"];
    [m appendString:@"3"];
    NSLog(@"initWithArray copyItems:NO a %@",[arr1 objectAtIndex:0]);
    NSLog(@"initWithArray copyItems:NO a %@",[arr3 objectAtIndex:0]);
    NSLog(@"initWithArray copyItems:NO m %@",[arr1 objectAtIndex:1]);
    NSLog(@"initWithArray copyItems:NO m %@",[arr3 objectAtIndex:1]);
    NSLog(@"initWithArray copyItems:NO m %ld",[[arr1 objectAtIndex:1]retainCount]);//2+1=3
    NSLog(@"initWithArray copyItems:NO m %ld",[[arr3 objectAtIndex:1]retainCount]);
    //initWithItem copyItems:YES 因为自己alloc地址肯定不一样,如果是集合对象或自定义对象内容一样,普通对象不一样
    NSArray* arr4=[[NSArray alloc]initWithArray:arr1 copyItems:YES];
    NSLog(@"initWithArray copyItems:YES a %ld",[a retainCount]);//4
    NSLog(@"initWithArray copyItems:YES arr1 %ld",[arr1 retainCount]);
    NSLog(@"initWithArray copyItems:YES arr4 %ld",[arr4 retainCount]);
    NSLog(@"initWithArray copyItems:YES arr4 %p",arr4);
    [im appendString:@"FF"];
    [m appendString:@"4"];
    NSLog(@"initWithArray copyItems:YES a %@",[arr1 objectAtIndex:0]);
    NSLog(@"initWithArray copyItems:YES a %@",[arr4 objectAtIndex:0]);
    NSLog(@"initWithArray copyItems:YES m %@",[arr1 objectAtIndex:1]);
    NSLog(@"initWithArray copyItems:YES m %@",[arr4 objectAtIndex:1]);
    NSLog(@"initWithArray copyItems:YES m %ld",[[arr1 objectAtIndex:1]retainCount]);
    NSLog(@"initWithArray copyItems:YES m %ld",[[arr4 objectAtIndex:1]retainCount]);//-1
    NSLog(@"initWithArray copyItems:YES im %ld",[im retainCount]);//此时为2原因在于加入a的时候+1,此后一直没变,init不会对数组内数组元素发消息
    //总结:1,copy里面默认调用copyWithZone,二者可以认为基本相同,如果自定义子类继承父类后有额外的变量,需要重写此方法,并且首先调用父类方法();2,copyWithZone是对数组指针进行retainCount+1;initWithArray copyItems:NO对数组内部数据进行+1(要区分是对数组+1还是里面的内容+1);3,initWithArray copyItems:YES,对数组内的每个元素接收一次copyWithZone方法(可查看 NSArray),因此,如果内部元素是数组类型还是浅复制即retainCount+1,而基本类型则是重新Copy一个新副本
    //注:copy产生的是不可变的,所以arr4里面的index1输出的retainCount是-1;数组的操作和其他集合类似
    



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。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。以下是度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**: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. **度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署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。 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