underscorejs-reduce学习

2.3 reduce

2.3.1 语法:

_.reduce(list, iteratee, [memo], [context])

2.3.2 说明:

reduce方法把list中元素归结为一个单独的数值。

  • list可以为数组,对象,字符串和arguments
  • iteratee 会传第四个参数(memo, element, index, list)或(memo, value, key, list)
  • iteratee 需要有返回值
  • memo是函数的初始值
  • context可以改变iteratee内部的this

2.3.3 代码示例:

示例一:reduce可以操作数组和对象等集合
var sum1 = _.reduce(['1', '2', '3'], function (memo, element) {
    return memo + element;
});
var sum2 = _.reduce({
    a: 1,
    b: 2,
    c: 3
}, function (memo, element) {
    return memo + element;
});
console.log(sum1); //=> String 123
console.log(sum2); //=> Number 6
示例二:iteratee的参数

iteratee里的参数比_.each和_.map多了一个memo。
如果外面没传memo,那么list的第一个值传为memo,并会少循环一次。

_.reduce([1, 2, 3], function (memo, element, index, list) {
    //只有两次
    console.log(memo, element, index, list);
    //=> 1 2 1 [1, 2, 3]
    //=> 3 3 2 [1, 2, 3]
    return memo + element;
});

_.reduce([1, 2, 3], function (memo, element, index, list) {
    //三次
    console.log(memo, element, index, list);
    //=> 0 1 0 [1, 2, 3]
    //=> 1 2 1 [1, 2, 3]
    //=> 3 3 2 [1, 2, 3]
    return memo + element;
}, 0);
示例三:iteratee 需要有返回值
var result = _.reduce([1, 2, 3], function (memo, element, index, list) {
    /*return*/ memo + element; //不要忘记return
}, 0);
console.log(result);
示例四:设置初始值
var result = _.reduce([1, 2, 3], function (memo, element) {
    return memo + element;
}, 10);
console.log(result); //=> Number 16
示例五:context可以改变iteratee内部的this
var res = _.reduce([1, 2], function (memo, element) {
    console.log(this);
    //=> Object {no: 10}
    //=> Object {no: 10}
    return memo + element + this.no;
}, 0, {no : 10});
console.log(res); //=> Number 23

2.3.4 _.inject和_.foldl是_.reduce的别名。

inject:注入。
fold:折叠,foldl即fold left

var arr1 = _.inject([1, 2, 3], function (memo, element) {
    return memo + element;
});
console.log(arr1); //=> Number 6

var arr2 = _.foldl([1, 2, 3], function (memo, element) {
    return memo + element;
});
console.log(arr2); //=> Number 6

2.3.5 拼接字符串

reduce方法很使在拼接字符串的时候使用。

var data = [{name: 'iori'}, {name: 'kyo'}];
var html = _.reduce(data, function(memo, element){
    return memo + '<p>' + element.name + '</p>';
}, ''); //这个空字符串一定要传
console.log(html); //=> <p>iori</p><p>kyo</p>

gitbook地址:https://www.gitbook.com/book/niec-fe/underscorejs/details

转载于:https://www.cnblogs.com/kyo4311/p/5156671.html

  • 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