一.重新回炉Spring Framework: 理解Spring IoC

本文作者分享了自己重新学习SpringFramework的过程,重点关注了IoC理论、控制反转以及DI依赖注入,阐述了Spring作为IOC容器在对象管理和依赖关系中的角色,以及如何通过配置文件和注解进行Bean的创建和初始化。
摘要由CSDN通过智能技术生成

1. 写在前面的话

说实话,从事java开发工作时间也不短了,对于Spring Framework,也是天天用,这期间也碰到了很多问题,也解决了很多问题。可是,总感觉对Spring Framework还是一知半解,不能有个更加全面的理解。既然这样,我就想,那就单独抽出一段时间,来重新回炉一下Spring Framework,这样也能在以后的学习拓宽一下解决问题的思路。
那怎么回炉了,我打算以Spring Framework的源码为依据,从面到点的,慢慢扣一下它的细节,这就不得不涉及spring框架的源码阅读环境的搭建,这并不是一个特别简单的过程。为此,我在春节前根据自己的搭建过程,专门写了一篇spring框的源码搭建过程,供大家审阅。源码地址如下:
https://blog.csdn.net/lvxinchun/article/details/135972648

2. IoC理论

2.1 IoC的概念

IoC,英文全程为Inversion of Control,中文一般翻译为 “控制反转”,就是由 Spring IoC 容器来负责对象的生命周期和对象之间的关系。它并不是特指某个技术,而是一种设计思想。

2.2 诠释IoC的概念

IoC,被称为控制反转,好,这里就从“控制反转”这四个字的字面意思来扣一下它更深的含义,来加深对IoC的理解。
首先我们说“控制”,这是一个动词,那它就要有主语和宾语,那主语就是谁控制,宾语就是控制了什么,所以我们首先要理解的就是谁来控制,控制了什么?
然后我们再说“反转”,“反转”这个词,本身就是有一种打破常规的意思,也就是不再墨守常规,而是反过来。那我们就要研究下怎么反转的,反转了什么东西?
所以,诠释IoC的概念,就变成了我们要探寻的下面两个问题:

  1. 谁来控制,控制了什么?
  2. 怎么反转的,反转了什么东西?
2.2.1 谁来控制,控制了什么?

在这里插入图片描述
通过图1我们看到,在传统方式下,是由客户端类或者启动类主动创建对象,即当前对象或者类来控制依赖对象(创建、销毁等);而在IoC方式下,是由IoC容器来主动创建对象,即IoC容器来控制依赖对象(创建、销毁等)。

2.2.2 怎么反转的,反转了什么东西?

在这里插入图片描述
通过图3和图4,结合图1和图2我们看到,相比于传统方式,反转主要体现在两个方面:
第一,反转了对象的创建方式(由客户端类编程了IoC容器);
第二,反转了对象的组装(其实是对象之前的关系维护)方式(由客户端类组装改为了IoC容器的自动注入);
但不论是对象的创建还是组装,都是一种对象的控制权,所以,反转的其实就是对象的控制权(生命周期的管理)。

2.2.3 小结

所以,IoC对编程带来的最大改变是从思想上,发生了“主从换位”的变化。应用程序需要任何对象(资源),都要主动的去创建对象,事无巨细的亲力亲为(对象的组装),而现在只需要从IoC容器中拿所需要的对象就可以了,拿到的对象也不需要亲自组装了(IoC已经把依赖的对象注入进去了)。

3. DI依赖注入

3.1 依赖注入的概念

DI,英文全程Dependency Injection,中文翻译为依赖注入,很多人说依赖注入就是控制反转,是IoC的另外一种理解,我觉得这么说是有些牵强的,至少是不全面的。在传统方式下,如果我们创建的对象还需要其他外部资源(对象、常量数据等等),那么我们不仅仅要创建当前对象,还要创建当前对象所依赖的对象,创建完成所依赖的对象,还要在将所依赖的对象设置到当前对象中,如下面代码:

User user = new User();
UserDateail detail= new UserDetail();
user.setUserDetail(detail);

而使用IoC容器,我们只需要在xml中定义好对象的关系,由IoC来自动创建好各个对象,并且会自动将当前对象所依赖的对象注入进来。User对象需要UserDetail对象,我们就只需要告诉IoC容器(XML的配置),User对象中需要一个UserDetail对象,至于这个UserDetail对象怎么创建,什么时候创建,User对象不需要知道。只要在在系统运行时,IoC会在适当的时候制造一个UserDetail对象,然后像打针一样,注射到User对象当中,这样就完成了对各个对象之间关系的控制。User对象需要依赖UserDetail对象才能正常运行,而这个UserDetail对象是由IoC注入到User对象中的,依赖注入的名字就这么来的。

3.2 小结

我认为,所谓依赖注入,就是由IOC容器在运行期间,动态地将某种依赖关系注入到对象之中。所以依赖注入主要体现的是各个对象之间的关系的自动维护和管理,而没有更好的体现对象创建权的转变。

4. 对Spring Framework的整体理解

Spring Framework是一个框架,在我们使用Spring整个开源体系开发流程中,所有的框架几乎都依赖于Spring Framework。Spring Framework帮我们起到了一个IOC容器的作用,用来承载我们整体的bean对象,它帮我们进行了整个对象从创建到销毁的整个生命周期的管理。在我们使用Spring Framework的时候,可以使用配置文件,也可以使用注解的方式进行相关实现,当我们程序启动开始的时候,我们把配置文件或者注解定义好的那些bean对象转换成一个beanDefition,然后完成整个beanDefition的解析和加载过程。当我们获取到这些完整的beanDefition对象之后,对整个beanDefintion进行实例化操作,在进行实例化的时候,最简单的一种方式是通过反射的方式来创建对象bean(只是在堆里开辟了一个内存),但这没有完成后续一系列初始化操作,还会在后面实现awre接口的操作、包括实现一些初始化操作,包括我要实现AOP的操作的话,可能要执行一些beanPostProcessor操作。当然,在beanDefition的环节,也会执行一系列beanfactoryPostProcessor的操作来实现相关的扩展操作。当我们整体对象都创建完成之后,对象就可以直接调用了。
在这里插入图片描述

  • 22
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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