this 和 static 关键字

1.this关键字

1.1 this 调用本类属性

观察下列代码:

class Person {
    private String name;
    private Integer age;

    public Person(String name, int age){
        name = name;
        age = age;
    }
    public String getPersonInfo(){
        return "姓名:" + name + "年龄:" + age;
    }
}
public class Test{
    public static void main(String[] args) {
        Person per = new Person("张三",20);
        System.out.println(per.getPersonInfo());
    }
}

运行结果如下:

在这里插入图片描述

我们可以发现:当参数与类属性同名时,类中属性无法被正确赋值。此时就需要加上this关键字来正确的给对象属性赋值。

this.name = name;
this.age = age;

只要在类中方法访问类中属性,一定要加上this关键字。

1.2 this调用本类方法

this调用本类方法有一下俩种情况:

  1. 调用普通方法:this.方法名称(参数)
  2. 调用构造方法:this(参数)

eg:
this调用普通方法:

class Person {
    private String name;
    private Integer age;

    public Person(String name, int age){
        this.name = name;
        this.age = age;
        this.print();
    }
    public String getPersonInfo(){
        return "姓名:" + name + "年龄:" + age;
    }
    public  void print(){
        System.out.println("***************");
    }
}
public class Test{
    public static void main(String[] args) {
        Person per = new Person("张三",20);
        System.out.println(per.getPersonInfo());
    }
}

在Java中支持构造方法的相互调用(this)

class Person {
    private String name;
    private Integer age;

    public Person(){
        System.out.println("*********产生一个新的Person对象*********");
    }
    public Person(String name){
        this();
    }
    public Person(String name, int age){
        this(name);
    }
    public String getPersonInfo(){
        return "姓名:" + name + "年龄:" + age;
    }
    
}
public class Test{
    public static void main(String[] args) {
        Person per1 = new Person();
        Person per2 = new Person("张三");
        Person per3 = new Person("李四",20);
        System.out.println(per1.getPersonInfo());
        System.out.println(per2.getPersonInfo());
        System.out.println(per3.getPersonInfo());
    }
}

使用this调用构造方法时还要注意:

  1. this调用构造方法 的语句必须在构造方法的首行。
  2. 使用this调用构造方法时,一定要留有出口(不能成环)。

1.3 this 表示当前对象

eg:

在这里插入图片描述

通过观察这段代码,我们可以发现this 与代码中的p1指向同一块地址。

结论:只要对象调用了本类中的方法,这个this就表示当前执行的对象。

2. static 关键字

2.1 static 类属性(只需在属性前添加static关键字)

static描述的属性称为共享属性,也称为类属性,保存在全局数据区的内存之中,所有对象都可以进行该数据区得访问。

重点:

  • 访问static属性(类属性)应使用类名称.属性名
    eg:Person.country = "中国";
  • 所有的非static属性(实例变量)必须在对象实例化后使用,而static属性不受对象实例化的控制。

定义类时,如何选择实例变量和类属性呢?

  • 在定义类时,99%的情况都不会考虑static属性,以非static属性为主。
  • 如果需要描述共享属性的概念,或者不受对象实例化控制时使用static。

2.2 static类方法

class Person {
    private static String country;
    private String name;
    private Integer age;

    public Person(String name, int age) {
        this.name = name;
        this.age = age;

    }
    
    public static void setCountry(String c) {
        country = c;
    }
    
    public void getPersonInfo() {
        System.out.println("姓名:" + this.name + "年龄:" + this.age + "国家:" + this.country);
    }

}
public class Test{
    public static void main(String[] args) {
        Person.setCountry("中国");
        Person person = new Person("李四",20);
        person.getPersonInfo();
    }
}

关于static方法的俩点说明:

  • 所有的static方法不允许调用非static 定义的属性或方法。
  • 所有的非static 方法允许访问static方法或属性。

使用static 定义方法只有一个目的:某些代码不希望受到对象的控制,即可以在没有实例化对象的时候执行。(广泛存在于工具类中)

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