JAVA设计模式学习笔记(1)-单例模式 饿汉单例模式+懒汉单例模式


单例模式如图:

use
Client
Singleton

角色介绍:
1.Client—高层客户端
2.Singleton----单例类
实现单例模式主要有如下几个关键点:

  1. 构造函数不对外开放,一般为private
  2. 通过一个静态方法或枚举返回单例类对象
  3. 确保单例类的对象有且只有一个,尤其是在多线程的环境下
  4. 确保单例类对象在反序列化时不会重新构建对象

饿汉单例模式

举个简单的例子:
一个奶茶店只有一个店长,一个应用只有一个application对象。
一个奶茶店可以有无数个副店长,无数个员工但店长只有一个。

package testmodel;

import java.util.ArrayList;
import java.util.List;

public class output {

	public static void main(String[] args) {
		Mteashop mt = new Mteashop();
		//manager只能通过getMg函数获取
		Staff manager1 = Manager.getMg();
		Staff manager2 = Manager.getMg();
		Staff manager3 = Manager.getMg();
		//通过new创建VM对象
		Staff vm1 = new VM();
		Staff vm2 = new VM();
		Staff vm3 = new VM();
		//通过new创建Staff对象
		Staff staff1 = new Staff();
		Staff staff2 = new Staff();
		Staff staff3 = new Staff();
		mt.addStaff(manager1);
		mt.addStaff(manager2);
		mt.addStaff(manager3);
		mt.addStaff(vm1);
		mt.addStaff(vm2);
		mt.addStaff(vm3);
		mt.addStaff(staff1);
		mt.addStaff(staff2);
		mt.addStaff(staff3);
		mt.showAllStaffs();
		
	}

}
//员工
class Staff{
	public void work()
	{
		//做事情
	}
}
//副店长
class VM extends Staff {

	@Override
	public void work() {
		//管理下面的员工
		super.work();
	}
}
//店长,饿汉单例模式
class Manager extends Staff{
	private static final Manager mg = new Manager();
	//构造函数私有
	private Manager(){
		
	}
	//公有静态函数,对外暴露获取单例对象的接口
	public static Manager getMg()
	{
		return mg;
		
	}
	@Override
	public void work() {
		super.work();
		//管理副店长
	}
	
}
//奶茶店类
class Mteashop {
	 List<Staff> allStaffs = new ArrayList<Staff>();
	public void addStaff(Staff per)
	{
		allStaffs.add(per);
		
	}
	public void showAllStaffs()
	{
		for(Staff per:allStaffs)
		{
			System.out.println("Obj:"+per.toString());
		}
	}
}

在这里插入图片描述
从上面代码看,Manager类不能通过new的形式构建对象了,只能通过Manager.getmg()函数获取这个Manager对象是静态对象这就保证Manager对象的唯一性。三次输出Manager对象都是一样。其他的类型对象则不同。饿汉单例模式核心在于方法私有化,使得外部程序不能通过构造函数来创建Manager对象,而Manager类通过静态方法返回一个静态对象。

懒汉单例模式

懒汉模式是声明一个静态对象并且用户第一次调用getInstance时进行初始化,而上述的饿汉模式Manager类是在声明静态对象时已经进行初始化,懒汉单例模式实现如下

public class Singleton{
private static Singleto instance;
private Singleton(){}
public static sychronized Singleton getInstance()
{
if(instace == null)
{
instance = new Singleton();
}
return instance;
}
}

参考:Android源码设计模式解析与实战
https://github.com/simple-android-framework/android_design_patterns_analysis

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

轻烟飘荡

我想吃甜筒

¥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