注解和反射

注解 Annotation

作用:
1.对程序作出解释
2.可以被其他程序(比如编译器)读取 通过反射读取

//什么是注解
public class demo01 extends Object{
    @Override   //重写的注解
    public String toString() {
        return super.toString();
    }
}

Annotation的格式:
以“@注释名”早代码中存在,还可以添加一些参数值

内置注解
在这里插入图片描述

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

//什么是注解
public class demo01 extends Object{
    @Override   //重写的注解
    public String toString() {
        return super.toString();
    }

    @Deprecated  //不推荐,但是可以使用,存在更好的方式
    public static void test(){
        System.out.println("Deprecated");
    }

    @SuppressWarnings("all")  //加注解后标黄去掉,抑制警告
    public void test02(){
        List list = new ArrayList();
    }

    public static void main(String[] args) {
        test();

    }
}

元注解
在这里插入图片描述

import java.lang.annotation.*;

@MyAnnotation
public class demo02 {
//@MyAnnotation  如果只定义了@Target(value = ElementType.METHOD),只在此处有效
    public void test(){
    }
}

//定义一个注解
//Target表示我们的注解可以用在哪些地方
@Target(value = {ElementType.METHOD,ElementType.TYPE})

//Retention 表示我们的注解在什么地方有效
//runtime>class>source
@Retention(value = RetentionPolicy.RUNTIME )

@Documented  //表示是否讲我们的注解生成在JAVAdoc中

@Inherited //表示子类可以继承父类的注解
@interface MyAnnotation{}

自定义注解 使用**@interface** ,自动继承了java.lang.annotation.Annotation接口
在这里插入图片描述

java.lang.annotation.*;

public class demo02 {
@MyAnnotation(name ="cici",schools = {"XiDian"})
//如果定义的时候写了默认值default ""这里就可以不写,但是如果没有定义默认值,这里就必须写,比如,schools没有给他默认值,这里不写就会报错
    public void test(){
}
@MyAnnotation.NewAnnotation("new") //value可以不写,只有value
    public void test2(){

}
}


//自定义注解

   //@Target(ElementType.TYPE)  //表示它可以在类上定义
    @Target({ElementType.TYPE,ElementType.METHOD})  //表示它既可以在类上定义,又可以在方法上定义
    @Retention(RetentionPolicy.RUNTIME) //表示他在运行时有效
@interface MyAnnotation{
       //这是注解的参数 参数类型+参数名()  格式,这里不是方法
    String name() default "";
       int age() default  0;
       int id() default -1; //-1表示不存在
       String[] schools();
       String[] company() default("my company");

       @Target({ElementType.TYPE,ElementType.METHOD})
       @Retention(RetentionPolicy.RUNTIME)
       @interface  NewAnnotation{
           String value();
           //如果注解只有一个值,可以用value来命名,在表示时,value可以省略不写,只有value可以省略
       }

反射

反射可以实现动态创建对象和编译,具有很大的灵活性,但是对性能有影响,相当于一种解释操作,
告诉JVM我们希望做什么并且他满足我们的要求,慢于直接执行相同的操作
静态语言VS动态语言
在这里插入图片描述在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
只要元素类型与维度一样,就是同一个Class

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

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