黑马程序员07--Object-C--05--id、构造方法、类的深入研究、description、SEL

------Java培训、Android培训、iOS培训、.Net培训、期待与您交流! -------

一、id

万能指针,能指向/操作任何OC对象,id本身包含*,使用时切记不要多余加上*。

二、构造方法

对初始化有特殊要求的需要重写init构造方法,对初始化进行编辑。一定要调用父类(super)的init方法,对父类的其他成员变量、属性进行初始化(如isa指针)。
- (id)init
	{	// 对父类进行初始化
		self = [super init]; // 返回当前对象赋值给self
		
		if (self != nil)	//对象初始化成功,再初始化
		{	// 初始化成功
			_age = 10;
		}
		return self;
	}
简化写法为
    - (id)init
	{	
		if (self  = [super init])	
		{	
			_age = 10;
		}
		return self;
	}

自定义构造方法,一定是对象方法,返回值一般为id类型,方法名一般以initWith开头,后面加上形参。

自己做自己的事情,父类的方法交给父类的方法来处理,子类的方法处理子类自己独有的属性

    - (id)initWithAge:(int)age
	{	
		if (self  = [super init])	
		{	
			_age = age;
		}
		return self;
	}
三、类的深入研究
每个类都是一个Class类型的类对象,Class类自带*号。 得到类对象:Class c = [类名 class]。
先加载父类,再加载子类。先加载原类,再加载分类。
加载所有类,加载时会调用+load类方法且只调用一次,即使不使用也会加载所有类。
第一次使用类时会调用一次当前类的+initialize类方法,且只调用一次,监听类的初始化。
四、description
决定对象的输出结果,输出对象时会调用description方法,有类方法、对象方法两个。
-description决定了实例对象的输出结果
默认情况下利用NSLog和%@输出对象时,结果是:<类名:内存地址>;输出字符串时例外直接打印字符串。
使用NSLog函数输出“%@”时会调用对象的-description方法,返回值为(NSString *)。
+description决定了类对象的输出结果,返回值为(NSString *),默认是类名。
拼接字符串  [NSString stringWithFormat:@""]
五、SEL
每个类的方法列表都存储在类对象中,每个方法都有一个与之对应的SEL类型的对象,根据SEL对象就可以找到方法的地址,进而调用方法。
1.把方法包装成SEL类型数据;
2.根据SEL数据找到对应的方法地址;
3.根据方法地址调用对应的方法。
类型定义为: typedef struct objc selector *SEL  (注意带有*号)。

创建方法:

    SEL s = @selector(test);
	SEL s2 = NSSelectorFromString(@"test");

间接调用方法:

    [p performSelector:@selector(test)]
	[p performSelector:@selector(test:) withObject:@"123"]. // 注意冒号也是方法名的一部分

_cmd是SEL类型数据,代表当前方法,查看方法:

NSString *str = NSStringFromSelector(_cmd); 
NSLog(@"当前方法是@%", str);    // 再打印str

SEL是对方法的一种包装,将方法包装成SEL类型的数据,去找对应的方法地址,找到方法地址就可以调用方法。

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