Python中类的方法属性与方法属性的动态绑定

最近在 学习python ,纯粹是自己的兴趣爱好,然而并没有系统地看python 编程书籍,觉得上面描述过于繁琐,在网站找了一些学习的网站,发现廖雪峰老师的网站上面的学习资源很不错,而且言简意赅,提取了一些 python 中的重要的语法和案例。重要的是可以在线测试 python 的运行代码,缺点就是没有系统的看 python 的书籍,不能及时的将知识的碎片化联系在一起,这也是看书与不看书的区别。尤其是在 python 类与实例的方法的调用中觉得云里雾里,思考之后将自己的想法记录下,一来加深自己理解,巩固自己记忆,而来帮助一些想要学习 python 的朋友理解这门抽象的语言,理解不当之处,希望大家给予指正,谢谢。
  1 python 中的类与实例
  先定义一个类
   class  Student(object):
  初始化,将一些必要属性绑定到Student 类中
   def  __init__(self, name, score):
  self.name = name
  self.score = score
  在内部定义一个函数,实现对传入实例的属性操作,将数据进行封装在内部,这些封装的数据本身适合类进行关联的,称之为类的方法。
   def  print_score(self):
  print('%s: %s' % (self.name, self.score))
  2 、对实例拥有的属性与方法的调用
  传入一个实例
  bart = Student('Bart Simpson', 59)
  对属性的调用
  >>> bart.name'Bart Simpson'
  对方法的调用
  >>> bart.print_score()
  Bart Simpson: 59
  都没有问题,以下来理解python 中实例中属性与方法的绑定
  3 python 中实例属性与方法绑定
  先定义一个类
   class  Student(object):
   pass
  传入一个实例
  s = Student()
  动态给实例绑定一个属性
  s. name = 'Michael'
  接下来给实例绑定方法
  先定义一个函数
   def  set_age(self, age): #  定义一个函数作为实例方法
  self.age = age
  对实例的方法绑定
   from types  import MethodType
  s.set_age = MethodType(set_age, s) #  给实例绑定一个方法
  s.set_age(25) #  调用实例方法 >>> s.age #  测试结果 25
  对类的方法绑定
   def  set_score(self, score):# 定义一个函数作为类的方法
  self.score = score
  Student.set_score = set_score# 绑定方法
  廖老师在后面补充了一句:  set_score  方法可以直接定义在class 中,但动态绑定允许我们在程序运行的过程中动态给 class 加上功能,这在静态语言中很难实现。
  我理解的意思是,一般的对于定义一个类,会在类进行初始化的时候进行属性的绑定,传入实例的时候直接传入带参数的实例,通过内部定义的一些方法,就直接可以对实例的属性和实例继承于类的方法进行数据操作,引用,例如xxx.name   xxx.print_name 的形式。但是如果定义的类没有初始化,基于 python 语言良好的动态绑定的属性,我们可以对传入的实例进行实例和方法的绑定,对属性的绑定比较简单,对方法的绑定需要通过 from types import MethodType  的形式,(其他的形式暂时还不知道),告诉解释器 s.set_age 的方法操作是将 set_age 函数绑定 即  s.set_age = MethodType(set_age, s)    ,这样 python 就知道怎样执行 s set_age 方法。但是这样绑定方法只能对类中的绑定的方法实例起效,要想对类中所有实例生效需要动态的对类进行方法的绑定。就像我们上面看到的一样。绑定之后,接下来就直接可以类似于 xxx.name   xxx.print_name  的形式进行调用了。
  对于方法是否能够直接调用,在于定义的函数是否在  类中  的定义还是基于  函数的定义  ,对于不在类中定义的函数,实现对实例的方法操作就需要进行动态的绑定,或者对实例所属的类进行方法绑定;而在类中定义的函数即方法,在实例中可以直接进行调用。
来源: 博客园
  • 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别。由于各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: 分问题:判断图像中的目标属于哪个别。 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。 三、算法分 基于深度学习的目标检测算法主要分为两大: Two-stage算法: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。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 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
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