注解

注解

它不是注释 注释是程序员写的,给程序员的

注解给程序看,用于描述程序如何运行及在什么阶段来运行。

注解现在在实际开发中,最大的功能是用于替换配置文件。

注解是jdk1.5的新特性

可以通过反射来让注解具有功能。

注解 @xxxx

2.1、自定义注解

1JDK中的三个基本的注解:

a@Override:检查子类确实是覆盖了父类的方法。

b@Deprecated:说明已经过时了。

c@SuppressWarnings({ "unused", "deprecation" }):抑制程序中的警告。unused警告的类型。{}数组。all抑制所有警告。

2.2、自定义注解的语法:(肉体)

研究一下注解的本质

声明一个注解   @interface  注解名{}

 

public @interface MyAnnotation{}

注解它的本质就是一个接口,这个接口需要继承 Annotation接口。

但我们自定义注解的时候不能直接这么写,下面这种形式是通过反编译注解类的class文件得到的。

 

public interface MyAnnotation extends java.lang.annotation.Annotation {

}

分析注解中的成员

注解本质上就是接口,接口中可以有属性方法

属性 : 例:int age();

关于注解的属性类型可以有哪些?

1.基本类型

2.String

3.枚举类型

4.注解类型

5.Class类型

6.以上类型的一维数组类型

 

角色1:注解的定义者

 

 

角色2:注解的使用者

 

package com.itcst.stuedy.demo1;

 

public class Test {

 

/**

 * package com.itcst.stuedy.demo1;

 *

 * public @interface MyAnnon { int num(); String name(); Class<?> c();

 * String[]ss(); } MyAnnon定义方式

 */

@MyAnnon(name = "tom", num = 10, c = Person.class, ss = { "aa", "bb" })

public void testq() {

 

}

 

/**

 * MyAnnon1定义方式 package com.itcst.stuedy.demo1;

 *

 * public @interface MyAnnon1 {

 *

 * String [] value();

 *

 * }

 *

 */

 

// @MyAnnon1(value = {"a","b","c"}) //value 第一种方式

// @MyAnnon1({"a","b","c"})//第二种方式

@MyAnnon1("a") // 数组只有一个值时可以这么些

public void test1() {

 

}

//@MyAnnon2

@MyAnnon2(name="bood")//如果名称为value 的话,可以直接写成@MyAnnon2("bood")

public void test2(){

}

}

 

注解:就是在你的程序代码中的某个位置加了一个标记而已。

2.3、注解的反射:(灵魂)

模拟Junit@Test

 

a反射注解类

java.lang.reflect.AnnotatedElement:

l <T extends Annotation> T getAnnotation(Class<T> annotationType):得到指定类型的注解引用。没有返回null

l Annotation[] getAnnotations():得到所有的注解,包含从父类继承下来的。

l Annotation[] getDeclaredAnnotations():得到自己身上的注解。

l boolean isAnnotationPresent(Class<? extends Annotation> annotationType):判断指定的注解有没有。

 

ClassMethodFieldConstructor等实现了AnnotatedElement接口.

如果:Class.isAnnotationPresent(MyTest.class):判断类上面有没有@MyTest注解;

Method.isAnnotationPresent(MyTest.class):判断方法上面有没有@MyTest注解。

 

b、反射注解中的属性

 

 

 

2.4、元注解

a、自定义的注解的存活范围(生命周期):默认是CLASS

 

什么是元注解:

只能用在注解上的注解叫做元注解。(即:用于修饰注解的注解)

@Retention:作用。改变自定义的注解的存活范围。

RetentionPolicy:

SOURCE

CLASS

RUNTIME

@Target:作用,指定该注解能用在什么地方。

ElementType

TYPE

METHOD

FIELD

ANNOTATION_TYPE

 

@Documented:作用,使用了@MyTest的注解的类,如果@MyTest注解上面有@Documented注解,那么使用了@MyTest的注解的类的API文档中会出现@MyTest的身影。

@Inherited:作用,说明该注解可以被继承下去。

 

二、慕课网截图

  


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