Java基础教程——反射机制

Java反射机制

  • Java反射机制是Java语言的一个重要特性,使得Java语言具备“动态性”:
  • 在运行时获取任意一个对象所属的类的相关信息;
  • 在运行时构造任意一个类的对象;
  • 在运行时获取任意一个类所具有的成员变量和方法;
  • 在运行时调用任意一个对象的方法。

JAVA反射机制是构建框架技术的基础。

例如后续学习的Spring框架等,都使用到反射技术;

  • Java的反射机制依靠反射API实现,反射API主要包括以下几个类,后续学习:
  • java.lang.Class类:代表一个类;
  • java.lang.reflect.Field 类:类的成员变量(成员变量也称为类的属性);
  • java.lang.reflect.Method类:类的方法;
  • java.lang.reflect.Constructor 类:类的构造方法;
  • java.lang.reflect.Array类:动态创建数组,以及访问数组的元素的静态方法。

通过Class实例化对象

_class.newInstance()
import java.lang.reflect.Constructor;
import java.lang.reflect.InvocationTargetException;
public class T31反射创建对象 {
    public static void main(String[] args) throws ClassNotFoundException, InstantiationException,
            IllegalAccessException, NoSuchMethodException, SecurityException,
            IllegalArgumentException, InvocationTargetException {
        Class<?> _class = Class.forName("java.lang.String");
        // 1.直接创建对象
        Object newInstance = _class.newInstance();
        // 说明创建了一个空字符串:""
        System.out.println(newInstance.equals(""));
        // 2.通过获取构造方法,构造对象
        Constructor<?> _constr = _class.getConstructor(_class);
        Object _obj = _constr.newInstance("实例化对象");
        System.out.println(_obj);
    }
}
true
实例化对象

私有成员也能获取

包括:构造,变量,方法
getDeclaredXXX可以获取私有成员

package ahjava.p07reflect;
import java.lang.reflect.Constructor;
import java.lang.reflect.Field;
import java.lang.reflect.Method;
public class T32获取私有成员一览 {
    public static void main(String[] args) throws Exception {
        // get构造方法();
        // getMethod();
        getField();
    }
    static void get构造方法() {
        Class<Dog> _class = Dog.class;
        Constructor[] _ctors = null;
        System.out.println("---↓↓↓getConstructors()获取public构造方法");
        _ctors = _class.getConstructors();
        for (Constructor c : _ctors) {
            System.out.println(c);
        }
        System.out.println("---↓↓↓getDeclaredConstructors()获取全部构造方法");
        _ctors = _class.getDeclaredConstructors();
        for (Constructor c : _ctors) {
            System.out.println(c);
        }
    }
    static void getMethod() throws NoSuchMethodException, SecurityException {
        Class<Dog> _class = Dog.class;
        Method[] mtds;
        System.out.println("===↓↓↓.getMethods()所有public方法,包括继承来的方法=====");
        mtds = _class.getMethods();
        for (Method md : mtds) {
            System.out.println(md);
        }
        System.out.println("===↓↓↓.getDeclaredMethods()所有自己声明的方法=====");
        mtds = _class.getDeclaredMethods();
        for (Method md : mtds) {
            System.out.println(md);
        }
        System.out.println("=====获取指定方法=====");
        System.out.println("-----.getMethod()只能获取public方法");
        System.out.println("-----.getDeclaredMethod()可获取private方法");
        // (方法名,参数类型...)
        Method m = _class.getDeclaredMethod("_someMethod", String.class);
        System.out.println(m);
    }
    static void getField()
            throws NoSuchFieldException, SecurityException, IllegalArgumentException, IllegalAccessException {
        Class<Dog> _class = Dog.class;
        Field[] fields;
        System.out.println("=====.getFields()=====");
        fields = _class.getFields();
        for (Field fd : fields) {
            System.out.println(fd);
        }
        System.out.println("=====.getDeclaredFields()=====");
        fields = _class.getDeclaredFields();
        for (Field fd : fields) {
            System.out.println(fd);
        }
        System.out.println("=====获取指定变量=====");
        System.out.println("-----.getDeclaredField(...)");
        Field f = _class.getDeclaredField("fPrivate");
        System.out.println(f);
    }
}
class Dog {
    private Dog() {
        System.out.println("private构造方法");
    }
    public Dog(String name) {
        System.out.println("public构造方法");
    }
    public Dog(String name, int n) {
        System.out.println("public构造方法");
    }
    // -----变量-----
    private String fPrivate = "private变量";
    protected String fProtected = "protected变量";
    public String fPublic = "public变量";
    String fDefault = "未修饰变量";
    // -----方法-----
    private void _mPrivate() {
    }
    protected void _mProtected() {
    }
    public void _mPublic() {
    }
    void _mDefault() {
    }
    // ---
    private void _someMethod(String s) {
    }
}
=====.getFields()=====
public java.lang.String ahjava.p07reflect.Dog.fPublic
=====.getDeclaredFields()=====
private java.lang.String ahjava.p07reflect.Dog.fPrivate
protected java.lang.String ahjava.p07reflect.Dog.fProtected
public java.lang.String ahjava.p07reflect.Dog.fPublic
java.lang.String ahjava.p07reflect.Dog.fDefault
=====获取指定变量=====
-----.getDeclaredField(...)
private java.lang.String ahjava.p07reflect.Dog.fPrivate

获取私有成员应用:

import java.lang.reflect.Constructor;
import java.lang.reflect.Field;
import java.lang.reflect.Method;
public class T33获取私有成员应用 {
    public static void main(String[] args) throws Exception {
        Class<Dog2> _class = Dog2.class;
        // 获取(私有)构造方法
        Constructor<Dog2> _constr = _class.getDeclaredConstructor();
        _constr.setAccessible(true);
        Object _obj = _constr.newInstance();
        // 获取(私有)成员变量
        Field _field = _class.getDeclaredField("name");
        _field.setAccessible(true);
        System.out.println("原内容:" + _field.get(_obj));
        _field.set(_obj, "二狗");
        // 获取(私有)方法(方法名,参数类型列表)
        Method m = _class.getDeclaredMethod("show", String.class, int.class);
        m.setAccessible(true);
        // __invoke:调用对象obj的当前方法,args为方法参数;
        m.invoke(_obj, "狗", 2);
    }
}
class Dog2 {
    private Dog2() {
        System.out.println("私有构造方法");
    }
    private String name = "SS";
    private void show(String str1, int n2) {
        System.out.println(name + ":'汪汪'" + str1 + n2);
    }
}
私有构造方法
原内容:SS
二狗:'汪汪'狗2

转载于:https://www.cnblogs.com/tigerlion/p/11182844.html

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