jdk15源码阅读笔记

一.jdk版本:

openjdk-jdk15u

二.下载代码,并引入为idea项目

1.进入页面地址:https://github.com/openjdk/jdk

2.到idea下,通过git 下载项目 https://github.com/openjdk/jdk.git

3idea引入项目后,为了关联关系,将src目录标记为resource

src目录上右击-->Mark Directory as -->

日常用的基础类:

\src\java.base\share\classes\java\lang\String.java

 

三.阅读内容记录

1.src/java.base/linux/classes/sun/nio/fs/LinuxFileStore.java

/*
 *。。。。。。。。。。。。。。。。。。。。。
 */

package sun.nio.fs;

import java.io.IOException;
import java.nio.file.attribute.DosFileAttributeView;
import java.nio.file.attribute.FileAttributeView;
import java.nio.file.attribute.PosixFileAttributeView;
import java.nio.file.attribute.UserDefinedFileAttributeView;
import java.util.Arrays;
import java.util.List;
import java.util.regex.Pattern;

/**
 * Linux implementation of FileStore
 */

class LinuxFileStore
    extends UnixFileStore
{
    // used when checking if extended attributes are enabled or not
    private volatile boolean xattrChecked;
    private volatile boolean xattrEnabled;

    LinuxFileStore(UnixPath file) throws IOException {
        super(file);
    }

    LinuxFileStore(UnixFileSystem fs, UnixMountEntry entry) throws IOException {
        super(fs, entry);
    }

   。。。。。。。。。。。。。。。
}

特殊之处:该.java 文件里没有public修饰的类。只有class修饰。

验证:编写一个类

package top.fairy.global.globalfairytoppi4j.utils;

/**
 * @author jiao_zg22
 * @version 1.0
 * @description 接口
 * @date 2021/4/19 9:12
 */
class NoPublicClass {
    public static void main(String[] args) {
        System.out.println("NoPublicClass");
    }
}

经运行,可以打印出结果 NoPublicClass

查看class文件,文件名称和正常的public修饰的一样。反编译后,仍然没有public 修饰。

考虑 类属性和类方法的权限:当属性和方法默认不加访问权限修饰符即default访问权限的时候,该类的属性可以被继承的子类访问。本包的子类,非子类都可以访问,非本包的子类,非子类都不能访问。

这个默认的类是否也遵循该权限呢?

经验证,在本包的类里面,可以直接引入并使用。

但是非本包下,无法引入。无论是继承,还是直接创建引用都报错。

所以class的public权限和默认权限实际上和方法和属性的权限可以认为是一致的。

 

2.关于精灵引用  PhantomReference,子类PhantomCleanable

我们知道引用分为4种:强引用,软引用,弱引用,精灵引用(虚引用)。

虚引用(精灵引用)在哪些地方被使用呢?

在查看源码时,有一个类:java.io.FileCleanable。继承结构如下:

java.io.FileCleanable -->  PhantomCleanable<FileDescriptor>

PhantomCleanable<FileDescriptor>  -->  PhantomReference<T>,

PhantomReference<T>  -->  Reference<T>。

类图关系如下:

精灵引用的cleanable类,继承了精灵引用,但实现了Cleanable接口。

在文件清理的时候,为什么用到精灵引用呢?

 

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

打赏作者

水上冰石

希望能帮助到你

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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