JVM类加载

JVM类加载与类加载器

1.JVM的生命周期

下面四种情况JVM会结束生命周期

  1. 当执行System.exit()时。
  2. 程序执行碰到异常时。
  3. 程序正常执行完时。
  4. 由于操作系统出现错误导致JVM结束。

2.类加载

在这里插入图片描述类加载主要分为这五个部分: 加载、连接、初始化、使用、卸载,其中前三项都是在程序运行中执行的。
连接又分为三个子部分:确认、准备、解析
1.加载: 将这个类的字节码文件从外存中
2.确认: 验证类的加载是否正确。
**3.解析:**将常量池中的符号引用替换为直接引用
3.准备: 为类中的静态成员申请空间,并赋予默认值
4.初始化: 这时才给类赋上真正的值

2.1类初始化的时机

以为类加载的时机并没有在JVM中准确提出,所以我们主要说明一下初始化的时机,首先类的使用方式有两种:主动使用和被动使用,只有当一个类被首次主动使用时,该类才会被初始化。主动使用有如下七种情况:

  1. 一个类被new初始化时 (使用new字节码指令)
  2. 调用这个类的静态成员或者这个静态成员赋值时(使用getstatic和putstatic字节码指令时)
  3. 调用这个类的静态方法时(使用invokestatic字节码指令时)
  4. 反射机制调用一个类时
  5. 一个类的子类初始化时,父类会先进行初始化。
  6. 被Java虚拟机标为启动类的类(有主函数的类)
  7. 使用JDK1.7的动态语言支持时,如果一个java.lang.invoke.MethodHandle实例最后的解析结果REF_getStatic, REF_putStatic、REF_invokeStatic的方法句柄,并且这个方法句柄所对应的类没有初始化,则需要先对其初始化

除了上述七点,都为类的被动使用,被动使用不会触发类的初始化

2.2关于静态常量的问题

假设一个类的静态成员加上final关键字时,需要注意一个常量池的问题,带final关键字的静态成员会在编译阶段被放入调用该静态成员的方法所属类的常量池中,所以对改静态的成员的调用就不算对这个类的主动使用了。如果是运行时常量,那就不牵扯常量池的问题,最终还是会对它进行主动调用。

2.3关于继承类的初始化问题

A类有静态成员a B类有静态成员b,A继承于B类(A是B的子类),假设两个静态成员的权限都是public

  1. 当调用A.b时,虽然用到了A类但是本质上是调用了B类的b成员所以不会对A初始化,而是对B类初始化
  2. 当调用A.a时,因为对子类进行初始化所以要先对父类B进行初始化,当B完成初始化时,A类再初始化
    3

2.4关于接口类初始化的问题

  1. 一个子类初始化时,他的父类会先初始化
  2. 但是接口不是这样的,当一个子接口初始化时,他的父接口并不会初始化,而是只有你真正的调用改接口内的静态成员时,参会对改接口进行初始化;
  3. 当一个接口的实现类初始化话时,他实现的接口并不会被初始化

2.5 关于数组的初始化问题

/*
 * 使用一个类作为一个数组的元素类型, new 一个任意大小的数组不算对于这个类的主动使用
 * 如果进行反编译的话,引用数组和原生数组初始化的助记符是不一样的
 * 原生数组 newarray字节码指令
 * 引用数组 anewarray字节码指令
 * */
public class Demo3 {
	public static void main(String[] args) {
		 MyParent3[] myParent3s = new MyParent3[4];
		 System.out.println(myParent3s.getClass());
		 System.out.println("======");
		 int[] a = new int[1];
	}
}
//当这个类被初始化时,会执行静态块里的内容
///上述主函数使用MyParent3类初始化了一个数组,并不算对该类的主动使用
class MyParent3 {
	static {
		System.out.println("我执行了");
	}
}

用于加载类的叫做类加载器,类加载器会在后续文章介绍

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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