Foundation框架-03 NSDictionary

Foundation框架-03 NSDictionary


1.NSDictionary基本概念

  • NSDictionary翻译为字典
  • NSDictionary的作用:通过一个一个key就能找到对应的value值
  • NSDictionary是不可变的,一旦初始化完毕,里面的内容就无法修改和删除

2.字典的创建

  • 单个元素的字典创建
    • NSDictionary *dict = [NSDictionary dictionaryWithObject:@”value” forKey:@”key”];
  • 注意:key和value是一一对应的
  • 多个元素的字典创建
    • NSDictionary *dict = [NSDictionary dictionaryWithObjects:@[@”value1”,@”value2”,@”value3”] forKeys:@[@”key1”,@”key2”,@”key3”]];
  • 快速创建字典
    • NSDictionary *dict = @{@”key1”:”value1”,@”key2”:”value2”,@”key3”:”value3”};

3.字典的遍历

  • forin
for(NSSting *key in dict){
   NSString *value = dict[key]; 
}    
[dict enumerateKeysAndObjectsUsingBlock:^(id key,id obj,BOOL *stop){
}];

4.字典的读写

  • 字典写入文件
    • [dict writeToFile:@”/Users/xxx/Desktop/abc.plist” atomically:YES];
  • 字典的读取
    • [NSDictionary dictionaryWithContentOfFile:@”/Users/xxx/Desktop/abc.plist”];
    • 注意:字典保存的数据是无序的

5.NSMutableDictionary可变字典

  • 创建空字典:
    • NSMutableDictionary *dictM = [NSMutableDictionary dictionary];
    • 增:
      • [dictM setObject:@”value” forKey:@”key”];//单个元素的添加
      • [dictM setValuesForKeysWithDictionary:@{@”key1”:@”value1”}];//多个元素的添加
    • 删:
      • [dictM removeObjectForKey:@”key”];
      • [dictM removeObjectsForKeys:@[@”key1”,@”key2”]];
    • 改:[dictM setObject:@”test” forKey:@”key”];//新值覆盖旧值
    • 查:
      • dictM[@”key”];//获取字典的value值
      • dictM[@”value”];//获取字典的key值
  • 注意:
    • 不能使用@{}创建一个可变字典
    • 如果是不可变数组,那么key不能相同
    • 如果在不可变字典中出现了同名的key,那么后面的key对应的值不会被保存
    • 如果是在可变字典中,后面的会覆盖前面的

6.NSDictionary和NSArray对比

  • NSArray是有序的,NSDictionary是无序的
  • NSArray是通过下标访问元素的,NSDictionary是通过key访问元素的
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。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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
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