.NET学习日记【1】

 不得不说,之前一年学习的内容基本上在第一章中都有所涉及,而且还讲了很多不知道知识。看完第一张对多态和继承都多了一些体会。在1.4前面的都有很认证的看过,也在vs上面验证了一下。然后也明白了.NET到底是什么,..NET就是微软的一个梦想,一个统领各种语言和平台的梦想,与其说是梦想,不如说是野心。

  废话不多说,开始总结此次的收获。

  在最最基础的变量的定义和输出中,感觉是重新认识了var这个定义的意义,之前也看到过,但是不知道是这么的全。

  var age=30;

  Type ageType=age.GetType();

  console.writeLine(ageType);

 输出界面就不截图了,反正你比之前的方便很多

之后就是变量的作用域,很基础的问题。

然而 就在前不久 我还搞错了一次 ,尴尬。这次在上面刚好看到我犯得的那个错误。算是又一次的巩固了这个知识了。

clsaa Example

{

    void math()

{

   int n=2;

}

void math1()

{

   for(n=1;);//作用域错误。显示n未定义 局部变量和全局变量的区别

}

}

 在下面的 switch和for do 。。while语句 还比较好。都比较简单。没什么问题。

  goto语句 不是第一次见到  但是还是第一次看到讲解,不是很难 一个跳跃的语句。

   break语句 经常使用 现在也比较熟悉,所以没问题。

在后面就是字符串的常规操作,前面的都见过也用过,但是后面的那个

Console.WriteLine((int)'国');

还是第一次见到

第一次尝试的还是错了 就因为在中间多打了一个括号 ,但是在书上 貌似就是有一个空格的,可能是用的编码器不同造成的误差吧

在后面的很多语句中我都有认真在编码器上调试

截图为证,哈哈。

1.C#中的继承规则
继承是可传递的。如果C 从B 中派生,B 又从A 中派生,那么C 不仅继承了B 中
声明的成员,同样也继承了A 中的成员。0bject 类是所有类的基类。
派生类是对基类的扩展。派生类可以添加新的成员,但不能移除已经继承的成员的
定义。
构造函数和析构函数不能被继承。除此以外的其他成员都能被继承。基类中成员的
访问方式只能决定派生类能否访问它们。
派生类如果定义了与继承而来的成员同名的新成员,那么就可以覆盖已继承的成
员。但这并不是删除了这些成员,只是不能再访问这些成员。
类可以定义虚方法、虚属性及虚索引指示器,它的派生类能够重载这些成员,从而
使类可以展示出多态性。

之前在听继承的时候是听懂了的,但是一个暑假会来再看继承又有点懵逼了,只能勉强的知道该怎么写才是继承,但是为什么这么写感觉不好。。。

然后是 委托,嗯 果然如李老师所说 懂了的觉得很简单 

看了半天总算是看懂了一些,但是没有去调试 ,有空闲一定要去调试看看 ,体会一下其中的乐趣。

后面的内容因为之前完全没有涉及,所以只是看了一遍,懂了大概的意思而已。不管怎么说,还是要反映在代码上看起来才真实。

 

转载于:https://www.cnblogs.com/shichina/p/7506732.html

【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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