spring-02-对象创建三法

对象创建三法

1、构造器创建
appContext.getBean(Class/“id”);
Spring默认调用类的“无参构造方法”来创建对象。

2、静态工厂创建&普通工厂
静态工厂,里面写一个静态方法返回一个类的实例,普通工厂就把静态关键字去掉

public class 静态工厂 {
	public 静态工厂(){
		System.out.println("====="+getClass());
	}
	static Cat createObj(){
		return  new Cat();
	}
	
}
------------------------------------------------------------
public class 普通工厂 {
	public 普通工厂(){
		System.out.println("==="+getClass());
	}
	Cat createObj(){
		return  new Cat();
	}
	

}

3、配置xml

<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
	xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
	xsi:schemaLocation="http://www.springframework.org/schema/beans
	http://www.springframework.org/schema/beans/spring-beans.xsd">
	//静态工厂方法
	<bean id = "factory_static" class="spring02.静态工厂"  factory-method="createObj" />
	
	//普通工厂方法
	<bean id = "factory_common" class="spring02.普通工厂"/>
	<bean id="prodect1" factory-bean="factory_common" factory-method="createObj"></bean>

</beans>

4、测试
——静态工厂使用的工厂的的id获取对象,而普通工厂使用的工厂下面的方法的id获取对象 ;

public class Test02 {
	public static void main(String[] args) {
		ApplicationContext ac = new ClassPathXmlApplicationContext("spring02/applicationContext.xml");
		System.out.println("----------------");
		System.out.println(ac);
		//静态工厂,使用工厂的id获取对象(工厂不会实例化)
		Cat cat =(Cat)ac.getBean("factory_static");
		System.out.println(cat);
		cat.speak();
		
		//普通工厂,使用产品的ID获取对象(工厂不会实例化)
		Cat cat2 = (Cat)ac.getBean("prodect1");
		System.out.println(cat2);
		cat2.speak();
		
	}

}

运行结果:从结果上看静态工厂没有实例化
在这里插入图片描述

练习

富士康代工生产小米和苹果,乐视生产汽车

public class MI {
	public void slogan(){
		System.out.println("为发烧而生!");
	}

}
--------------------------------------------------------
public class Iphone {
	public void slogan(){
		System.out.println("唯一的不同就是处处不同!");
	}
}
--------------------------------------------------------
public class Car {
	public void go(){
		System.out.println("跑起来!");
	}

}

创建工厂

public class Foxconn {
	public Iphone productionIphone(){
		return new Iphone();
	}
	public MI productionMi(){
		return new MI();
	}
}
--------------------------------------------------------
public class LeEco {
	public static Car productionCar(){
		return new Car();
	}

}

配置 xml

<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
	xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
	xsi:schemaLocation="http://www.springframework.org/schema/beans
	http://www.springframework.org/schema/beans/spring-beans.xsd">
	<!-- 普通工厂 -->
	<bean id="foxconn" class="spring02Test.Foxconn" />
	<!-- 普通工厂:产品 -->
	<bean id="iphone" factory-bean="foxconn" factory-method="productionIphone" />
	<bean id="mi" factory-bean="foxconn" factory-method="productionMi" />
	
	<!-- 静态工厂 -->
	<bean id="leeco" class="spring02Test.LeEco" factory-method="productionCar" />

</beans>

测试

import org.junit.Test;
import org.springframework.context.ApplicationContext;
import org.springframework.context.support.ClassPathXmlApplicationContext;

public class Test01 {
	
	@Test
	public void test(){
		ApplicationContext ac = new ClassPathXmlApplicationContext("spring02Test/applicationContext.xml");
		 Iphone iphone = (Iphone) ac.getBean("iphone");
		 iphone.slogan();
		 MI mi = (MI) ac.getBean("mi");
		 mi.slogan();
		 
		Car car = (Car) ac.getBean("leeco");
		car.go();
		 
		
	}

}

运行结果
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 、算分类 基于深度学习的目标检测算主要分为两大类: Two-stage算:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 、算分类 基于深度学习的目标检测算主要分为两大类: Two-stage算:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
健身国际俱乐部系统是一种专为健身俱乐部设计的管理软件,它通过集成多种功能来提高俱乐部的运营效率和服务质量。这类系统通常包含以下几个核心模块: 1. **会员管理**:系统能够记录会员的基本信息、会籍状态、健身历史和偏好,以及会员卡的使用情况。通过会员管理,俱乐部可以更好地了解会员需求,提供个性化服务,并提高会员满意度和忠诚度。 2. **课程预约**:会员可以通过系统预约健身课程,系统会提供课程时间、教练、地点等详细信息,并允许会员根据个人时间表进行预约。这有助于俱乐部合理安排课程,避免资源浪费。 3. **教练管理**:系统可以管理教练的个人信息、课程安排、会员反馈等,帮助俱乐部评估教练表现,优化教练团队。 4. **财务管理**:包括会员卡销售、课程费用、私教费用等财务活动的记录和管理,确保俱乐部的财务透明度和准确性。 5. **库存管理**:对于俱乐部内的商品销售,如健身装备、营养补充品等,系统能够进行库存管理,包括进货、销售、库存盘点等。 6. **数据分析**:系统能够收集和分析会员活动数据,为俱乐部提供业务洞察,帮助俱乐部制定更有效的营销策略和业务决策。 7. **在线互动**:一些系统还提供在线平台,让会员可以查看课程、预约私教、参与社区讨论等,增强会员之间的互动和俱乐部的社区感。 8. **移动应用**:随着移动设备的普及,一些健身俱乐部系统还提供移动应用,方便会员随时随地管理自己的健身计划。 9. **安全性**:系统会确保所有会员信息的安全,采取适当的数据加密和安全措施,保护会员隐私。 10. **可扩展性**:随着俱乐部业务的扩展,系统应该能够轻松添加新的功能和服务,以适应不断变化的市场需求。 健身国际俱乐部系统的选择和实施,需要考虑俱乐部的具体需求、预算和技术能力,以确保系统能够有效地支持俱乐部的运营和发展。通过这些系统的实施,健身俱乐部能够提供更加专业和高效的服务,吸引和保留更多的会员,从而在竞争激烈的
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