php序列化 克隆,php面向对象Clone与序列化

对象的复制时有三种方案:

1,直接复制 $a = $b

这种是浅拷贝,当改变$a的时候$b也会改变,因为他们指向的是同一块堆区

2,clone复制 $a = clone $b

这种拷贝貌似是深拷贝,当$a发生变化的时候$b不会跟着变化,同时PHP提供了魔术方法__Clone()可以自定义Clone复制,哪些属性不想被复制,复制过程中需要哪些改变,都可以在__clone()方法中自定义。

但是这种复制的方法有个缺陷,需要注意,如果类中的某个属性的类型是另外一个类,那么在Clone的时候这个属性会不会被深拷贝,是不是很尴尬,当然这点缺陷是可以通过魔术方法__clone来进行弥补的,在__clone()方法中为这个属性new一个新的类就是了。

class test{

private $name;

private $sex;

private $demo;

public function __construct($name,$sex,$demo){

$this->name = $name;

$this->sex = $sex;

$this->demo = $demo;

}

public function __set($key,$value){

$this->{$key} = $value;

}

public function __get($key){

return $this->{$key};

}

public function __clone(){

$this->name='null'; //这里可以自定义clone

}

}class demo{

private $name;

public function __construct($name='demo01'){

$this->name = $name;

}

public function __set($key,$value){

$this->{$key} = $value;

}

public function __get($key){

return $this->{$key};

}

}$t = new test('aa', 'bb',new demo('d01'));

$d = clone $t;

//$d->name='nihao';

$d->demo->name = 'd02';

var_dump($t); //结果 $t->demo->name d02使用clone弥补

public function __clone(){

$this->name='null';

$this->demo = new demo('init');

}

3,序列化复制

$b = unserialize(serialize($t));这样不需要使用clone魔术方法既可以实现属性中引用类型的深拷贝了。

以上就介绍了php面向对象Clone与序列化,包括了方面的内容,希望对PHP教程有兴趣的朋友有所帮助。

本文原创发布php中文网,转载请注明出处,感谢您的尊重!

  • 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