ES6对象的拓展

ES6的简易写法:对比ES5的写法更加的简洁明了

    let name = '小明' , age = 15;
    let es5 = {
        name : name,
        age : age,
    }
-------------------------------------- let es6
= { name, age }
两个的结果都是:{name: "小明", age: 15}
    let es5_method = {
        hello : function(){
            console.log('hello')
        }
    }
    let es6_method = {
        hello(){
            console.log('hello')
        }
    }

ES6对象新增的方法:

    //Object.is()方法作用类似于 ===
    console.log(Object.is('你好','你好'),'你好'==='你好') // true  true
    console.log(Object.is([1,2,3],[1,2,3]),[1,2,3]===[1,2,3])// false false
    let a = { name1 : '小明'},b = { name2 : '小强'},c = { name2 : '小刚'};
    //Object.assign()方法将参数第一个对象作为母板其余参数合并到第一个参数中 若键名重复则以最后一个值替换前面的值
    console.log(Object.assign(a,b,c)) // {name1: "小明", name2: "小刚"}
    let test = {
        name : '小强',
        age : 25,
        hobby : '打篮球'
    }
    for(let [key,value] of Object.entries(test)){
        console.log([key,value])
        //(2) ["name", "小强"]   (2) ["age", 25]    (2) ["hobby", "打篮球"]
    }

解构赋值:

const obj = {
    first : '第一个',
    second : '第二个'
}
const {first,second} = obj;
//结果: first => '第一个' second => '第二个'
const player = {
        nickname: '感情的戏∫我没演技∆',
        master: '东海龙王',
        skill: [{
            skillName: '龙吟',
            mp: '100',
            time: 6000
        },{
            skillName: '龙卷雨击',
            mp: '400',
            time: 3000
        },{
            skillName: '龙腾',
            mp: '900',
            time: 60000
        }]
    };
    //获取player的属性值
    const { nickname } = player;
    const { master } = player;
    //skill1 => skill中的第一项josn 以此类推
    //const {skill : [skill1,skill2,skill3]} = player;

    // skillName 表示第二项的 skillName
    //因为重名了 所以第三项 skillName 用 sklName 替代
    // const { skill: [ skill1, { skillName },{ skillName: sklName } ] } = player;

扩展运算符:

const obj = {
    first : "第一项",
    second : "第二项",
    third : "第三项",
};
//将除 third 项的其他所有项组合成对象的形式赋值给other
const {third,...other} = obj;
const obj1 = {
    one : 1,
    two : 2
};
//将obj1合并到obj2中
const obj2 = {
    three : 3,
    four : 4,
    ...obj1
};

 默认值:

let girlfriend = {
    name: '小红',
    age: undefined,
};
//当属性值为undefined或者为定义属性时可以直接给属性赋值

let { name, age = 24, hobby = ['学习'] } = girlfriend;

获取多个函数返回值:

function p(){
        return [
            {
                name : "小明",
                age : 15
            },
            {
                name : "小红",
                age : 20
            }
        ]
    }
    const [{name : name1},{name : name2}] = p()
    //结果: name1 => 小明 name2=> 小红

转载于:https://www.cnblogs.com/rickyctbur/p/11553169.html

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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