26、面向对象的内置函数、类方法和静态方法

一、面向对象中的内置函数

1、property:内置函数,将类中的方法伪装成属性,注意:只在面向对象中使用

# 内置装饰器函数 只在面向对象中使用
from math import pi
class Circle:
    def __init__(self,r):
        self.r = r
    @property                         #语法糖,直接使用就行
    def perimeter(self):
        return 2*pi*self.r
    @property                          #在使用它的地方使用
    def area(self):
        return self.r**2*pi
c1 = Circle(5)
print(c1.area)     # 圆的面积
print(c1.perimeter) # 圆的周长

2、name.setter:将被property装饰成的属性进行重命名

class Person:
    def __init__(self,name):
        self.__name = name
    @property
    def name(self):
        return self.__name + 'sb'
    @name.setter
    def name(self,new_name):
        self.__name = new_name

tiger = Person('泰哥')
print(tiger.name)
tiger.name = '全班'
print(tiger.name)

注意事项:@name.setter 中的name和上面返回作用的函数name还有下面修改的name的名字必须一致!

3、name.deleter  用于对伪装成对象属性的属性进行删除 

class Person:
    def __init__(self,name):
        self.__name = name
        self.price = 20
    @property                        #将方法伪装成属性
    def name(self):
        return self.__name
    @name.deleter                 #将伪装的属性删除
    def name(self):
        del self.__name
    @name.setter                    #重新对属性赋值
    def name(self,new_name):
        self.__name = new_name
brother2 = Person('二哥')
del Person.price
brother2.name = 'newName'
del brother2.name
print(brother2.name)

4、类方法:classmethod 把一个方法变成一个类中的方法,这个方法就直接可以被类调用,不需要依托任何对象。只有这个方法的操作只涉及静态属性的时候,就应该使用classmethod来装饰这个方法。

  

class Goods:
    __discount = 0.8
    def __init__(self,name,price):
        self.name = name
        self.__price = price
    @property
    def price(self):
        return self.__price * Goods.__discount
    @classmethod   # 把一个方法变成一个类中的方法,这个方法就直接可以被类调用,不需要依托任何对象
    def change_discount(cls,new_discount):  # 修改折扣
        cls.__discount = new_discount
apple = Goods('苹果',5)
print(apple.price)
Goods.change_discount(0.5)   # Goods.change_discount(Goods)
print(apple.price)          
当这个方法的操作只涉及静态属性的时候 就应该使用classmethod来装饰这个方法
 
 

二、面向对象中的类方法

  • 类方法和静态方法,都是类调用的。
  • 对象也可以调用类方法和静态方法,但是,一般推荐使用类名调用
  • 类方法中有一个默认cls ,代表这个类
  • 静态方法,没有默认的参数,就像函数一样

1、staticmethod类静态方法:在完全面向对象的程序中,如果一个函数,既和对象没有关系,也和类没有关系,那么就用staticclass将这个函数变成一个静态函数

class Login:
    def __init__(self,name,password):
        self.name = name
        self.pwd = password
    def login(self):pass

    @staticmethod
    def get_usr_pwd():   # 静态方法
        usr = input('用户名 :')
        pwd = input('密码 :')
        Login(usr,pwd)

Login.get_usr_pwd()

 

转载于:https://www.cnblogs.com/wangyuxing/p/8318701.html

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