关于Java的包装类

包装类的自动装箱,自动拆箱

所谓装箱,就是把基本类型用它们相对应的引用类型包起来,使它们可以具有对象的特质,如我们可以把int型包装成Integer类的对象,或者把double包装成Double,等等。 
所谓拆箱,就是跟装箱的方向相反,将
IntegerDouble这样的引用类型的对象重新简化为值类型的数据 

javaSE5.0后提供了自动装箱与拆箱的功能,此功能事实上是编译器来帮您的忙,编译器在编译时期依您所编写的方法,决定是否进行装箱或拆箱动作。 
自动装箱的过程:每当需要一种类型的对象时,这种基本类型就自动地封装到与它相同类型的包装中。 

自动拆箱的过程:每当需要一个值时,被装箱对象中的值就被自动地提取出来,没必要再去调用
intValue()doubleValue()方法。 
自动装箱,只需将该值赋给一个类型包装器引用,
java会自动创建一个对象。例如:Integer i=100;//没有通过使用new来显示建立,java自动完成。 

自动拆箱,只需将该对象值赋给一个基本类型即可,例如

· int 11;  

· Integer i; //自动装箱  

· int //自动拆箱 

然而在Integer的自动装拆箱会有些细节值得注意:

public static void main(String[] args)  

    Integer a=100;  

    Integer b=100;   

    Integer c=200;  

    Integer d=200;   

   System.out.println(a==b);   //1  

   System.out.println(a==100); //2     

  System.out.println(c==d);   //3  

  System.out.println(c==200); //4  

    
java种,"=="是比较objectreference而不是value,自动装箱后,abcd都是Integer这个Oject,因此“==”比较的是其引用。按照常规思维,13都应该输出false。但结果是: 
true 
true 
false 
true
结果
24,是因为ac进行了自动拆箱,因此其比较是基本数据类型的比较,就跟int比较时一样的,“==”在这里比较的是它们的值,而不是引用。 
对于结果
1,虽然比较的时候,还是比较对象的reference,但是自动装箱时,java在编译的时候 Integer 100; 被翻译成-> Integer Integer.valueOf(100); 
关键就在于这个
valueOf()的方法。 

public static Integer valueOf(int i)     

final int offset 128;     

if (i >= -128 && <= 127) // must cache     

return IntegerCache.cache[i offset];     

    

return new Integer(i);     

    

private static class IntegerCache     

private IntegerCache(){}     

static final Integer cache[] new Integer[-(-128) 127 1];     

static     

for(int 0; cache.length; i++)     

cache new Integer(i 128);     

    

  
根据上面的
jdk源码,java为了提高效率,IntegerCache类中有一个数组缓存 了值从-128127Integer对象。当我们调用Integer.valueOfint i)的时候,如果i的值是>=-128<=127时,会直接从这个缓存中返回一个对象,否则就new一个Integer对象。 
具体如下: 

static final Integer cache[] new Integer[-(-128) 127 1]; //cache[]变成静态  

static  

        for(int 0; cache.length; i++)  

        cache[i] new Integer(i 128); //初始化cache[i]  

 
这是用一个
for循环对数组cache赋值,cache[255] new Integer(255-128),也就是newl一个Integer(127) ,并把引用赋值给cache[255],好了,然后是Integer b= 127,流程基本一样,最后又到了cache[255] new Integer(255-128),这一句,那我们迷糊了,这不是又new了一个对象127吗,然后把引用赋值给cache[255],我们比较这两个引 用(前面声明a的时候也有一个),由于是不同的地址,所以肯定不会相等,应该返回false啊!呵呵,这么想你就错了,请注意看for语句给 cache[i]初始化的时候外面还一个{}呢,{}前面一个大大的static关键字,是静态的,那么我们就可以回想下static有什么特性了,只能 初始化一次,在对象间共享,也就是不同的对象共享同一个static数据

。那么当我们 Integer 127 的时候,并没有 new 出一个新对象来,而是共享了 a 这个对象的引用,记住,他们共享了同一个引用!!!,那么我们进行比较 a==b 时,由于是同一个对象的引用(她们在堆中的地址相同),那当然返回 true 了!!!
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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?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