编程模式-函数式编程

本文深入探讨函数式编程的核心概念,包括纯函数的特性,如无副作用、幂等性及偏应用函数。介绍了高阶函数在React中的应用,特别是在创建高阶组件时的角色,用于分离业务和视图层。此外,还阐述了范畴论中的函子概念,将其视为数据的映射关系和容器,以理解函数如何在不同范畴间转换。
摘要由CSDN通过智能技术生成

一、概念

用代码表达数学函数的概念。

只用表达式,不用语句。不存在 if else 这样的分支代码概念,用三元表达式代替。

区别于方法,方法是操作对象的function。函数式编程没有绑定this。

一切函数式编程的理论都以纯函数为基础,所以:

  1. 没有副作用
  2. 不修改状态,因为不污染函数外的数据
  3. 相同的输入返回相同的输出
  4. 具有幂等性:对于一个传入一个数 返回一个数的纯函数,包裹执行多次,结果均形同,例如Math.abs(Math.abs(-1))
  5. 偏应用函数:参数为一个函数和这个函数的参数,以创建一个新函数,可以等到该执行的时候再执行,例如 柯里化。 
  6. 函数组合

。。。

二、拓展

高阶函数:将函数作为参数返回一个新函数。

react里函数组件构成的高阶组件,类似于普通函数构成的高阶函数。

高阶组件:

  • 比我为一个组件本身获取不到某个数据,我有一个公共的组件,专门用于获取这个数据。
  • 当我把我的组件传入高阶组件后,高阶组件会将数据包裹给我的组件,然后返回一个新的组件。
  • 它的好处是分离业务和视图层。

反柯里化 

应用场景是,一次性把所有参数传入,执行最终结果。

三、范畴、容器

函数,在这里的概念就是对数据的映射关系,即数学上的f(x),这就是范畴。

范畴论就是使用这些映射函数表达数据之间的对应关系。

一个范畴与另一个范畴的对应转换,涉及到了函子。  函子本身就是一个容器。

函子:一般的数据对象,可以认为是一个容器。为这些容器设计特定的操作方法,就变成了函子。

在redux中,创建一个 store,就是创建了一个函子。

  • 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。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: 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类。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类和位置。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
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