Javascrip中的this---这有点不一样

在Javascript中,this是当前函数的执行上下文,因为语言有4个函数调用类型:

函数调用: alert(‘Hello World!’)
方法调用: console.log(‘Hello World!’)
构造器调用: new RegExp(’\d’)
间接调用: alert.call(undefined, ‘Hello World!’)
每个定义了自己的上下文,因此不同的上下文this意思有点不一样。

函数调用

函数调用有两种:

function hello(name) {

}

var message = (function(name) {

}

在这种情况下,this代表全局对象。所谓全局由程序执行的环境决定,如果是在浏览器中是window对象,如果是在Node.js中是process对象。

strict模型是在 ECMAScript 5.1导入,那么在这种模型下,this是未定义的underfined。

为了激活strict模型,需要在函数体顶部使用 ‘use strict’,这样整个函数内容都会使得this变成undefined.

方法调用

一个方法是一个对象中作为属性的函数:

var myObject = {
// helloFunction is a method
helloFunction: function() {
  return ‘Hello World!’;
}
};
var message = myObject.helloFunction();

this在方法调用中是指拥有这个方法的对象。

var calc = {
  num: 0,
  increment: function() {
    console.log(this === calc); // => true
    this.num += 1;
    return this.num;
  }
};
// method invocation. this is calc
calc.increment(); // => 1
calc.increment(); // => 2

在 javascript 6中的class语法,方法调用的上下文还是实例自己:

class Planet {
  constructor(name) {
    this.name = name;
  }
  getName() {
    console.log(this === earth); // => true
    return this.name;
  }
}
var earth = new Planet(‘Earth’);
// method invocation. the context is earth
earth.getName(); // => ‘Earth’

构造器调用

构造器调用是通过new创建的,在这种情况下this是最新创建的那个对象。

function Foo () {
  console.log(this instanceof Foo); // => true
  this.property = ‘Default Value’;
}
// Constructor invocation
var fooInstance = new Foo();
fooInstance.property; // => ‘Default Value’

同样,Javascript 6中:

class Bar {
  constructor() {
    console.log(this instanceof Bar); // => true
    this.property = ‘Default Value’;
  }
}
// Constructor invocation
var barInstance = new Bar();
barInstance.property; // => 'Def

间接调用

间接调用是指使用.call()或apply()方法调用,在这种情况下this是.call()或apply()的第一个参数。

.call(thisArg[, arg1[, arg2[, …]]])的第一个参数thisArg是作为调用的上下文,后面带着真正参数arg1 arg2…,而在.apply(thisArg, [args])中,接受thisArg作为第一个参数作为调用上下文,后面是类似数组对象。这两个函数都是为了在Javascript中使用函数式编程方法。

var rabbit = { name: ‘White Rabbit’ };
function concatName(string) {
  console.log(this === rabbit); // => true
  return string + this.name;
}
// Indirect invocations
concatName.call(rabbit, 'Hello '); // => ‘Hello White Rabbit’
concatName.apply(rabbit, ['Bye ']); // => ‘Bye White Rabbit’

bound函数

bound函数是一个使用对象绑定的函数,通常是使用.bind()方法创建,原始函数和bound函数共享同样的代码和作用域,但是执行的上下文不同。

.bind(thisArg[, arg1[, arg2[, …]]])也是执行第一个参数thisArg作为bound函数的上下文。在这种情况下,this是bind()函数的第一个参数。

var numbers = {
  array: [3, 5, 10],
  getNumbers: function() {
    return this.array;
  }
};
// Create a bound function
var boundGetNumbers = numbers.getNumbers.bind(numbers);
boundGetNumbers(); // => [3, 5, 10]
// Extract method from object
var simpleGetNumbers = numbers.getNumbers;
simpleGetNumbers(); // => undefined or throws an error in strict mode

箭头函数

箭头函数是定义一个更短形式和词汇上lexically 绑定上下文。

var hello = (name) => {
  return 'Hello ’ + name;
};
hello(‘World’); // => ‘Hello World’
// Keep only even numbers
[1, 2, 5, 6].filter(item => item % 2 === 0); // => [2, 6]

在这种情况下,this是指封闭类enclosing上下文。

箭头函数不会创建自己的执行上下文,但是会用this从外部函数拿过来使用。

class Point {
  constructor(x, y) {
    this.x = x;
    this.y = y;
}
log() {
console.log(this === myPoint); // => true
setTimeout(()=> {
  console.log(this === myPoint); // => true
  console.log(this.x + ‘:’ + this.y); // => ‘95:165’
  }, 1000);
}
}
var myPoint = new Point(95, 165);
myPoint.log();

如果箭头函数在大多数作用域顶部也就是任何函数外部定义,那么上下文就是全局对象,浏览器是window,而NodeJS是process:

var getContext = () => {
  console.log(this === window); // => true
  return this;
};
console.log(getContext() === window); // => true

箭头函数一旦和词汇上下文绑定一次就是永远了,this就不能修改,即使使用上下文修改方法:

var numbers = [1, 2];
  (function() {
    var get = () => {
    console.log(this === numbers); // => true
    return this;
  };
  console.log(this === numbers); // => true
  get(); // => [1, 2]
  // Use arrow function with .apply() and .call()
  get.call([0]); // => [1, 2]
  get.apply([0]); // => [1, 2]
  // Bind
  get.bind([0])(); // => [1, 2]
}).call(numbers)

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。
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 6
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