python 类 对象 方法 应用_python_类_方法_对象_实际应用

转自博客:https://www.cnblogs.com/wupeiqi/p/4493506.html

练习二:游戏人生程序

1、创建三个游戏人物,分别是:

苍井井,女,18,初始战斗力1000

东尼木木,男,20,初始战斗力1800

波多多,女,19,初始战斗力2500

2、游戏场景,分别:

草丛战斗,消耗200战斗力

自我修炼,增长100战斗力

多人游戏,消耗500战斗力

# -*- coding:utf-8 -*-

# ##################### 定义实现功能的类 #####################

class Person:               #定义类Person

def __init__(self, na, gen, age, fig):   #定义方法

self.name = na

self.gender = gen

self.age = age

self.fight =fig

def grassland(self):             #定义方法

"""注释:草丛战斗,消耗200战斗力"""

self.fight = self.fight - 200

def practice(self):               #定义方法

"""注释:自我修炼 ,增长100战斗力"""

self.fight = self.fight + 200

def incest(self):               #定义方法

"""注释:多人游戏,消耗500战斗力"""

self.fight = self.fight - 500

def detail(self):             #定义方法

"""注释:当前对象的详细情况"""

temp = "姓名:%s ; 性别:%s ; 年龄:%s ; 战斗力:%s" % (self.name, self.gender, self.age, self.fight)

print(temp)

# ##################### 开始游戏 #####################

cang = Person('苍井井', '女', 18, 1000) # 创建苍井井角色        #创建对象,分别传入各自的参数

#以前好像是用的这种方法:cang=Person()   cang.__init__('苍井井',''女,18,1000),不过上边更简单一些

dong = Person('东尼木木', '男', 20, 1800) # 创建东尼木木角色

bo = Person('波多多', '女', 19, 2500) # 创建波多多角色

cang.incest() #苍井空参加一次多人游戏

dong.practice()#东尼木木自我修炼了一次

bo.grassland() #波多多参加一次草丛战斗

#输出当前所有人的详细情况

cang.detail()  #此时detail(中的self就是cang)

dong.detail()  #此时detail(中的self就是dong)

bo.detail()      #此时detail(中的self就是bo)

cang.incest() #苍井空又参加一次多人游戏

dong.incest() #东尼木木也参加了一个多人游戏

bo.practice() #波多多自我修炼了一次

#输出当前所有人的详细情况

cang.detail()

dong.detail()

bo.detail()

游戏人生  感觉还是这样比较清晰一些,一行就一句

  • 0
    点赞
  • 2
    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别。由于各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: 分问题:判断图像中的目标属于哪个别。 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 基于深度学习的目标检测算法主要分为两大: 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。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