类的延伸学习(重载、构造器、关键字、访问权限修饰符,位置参数包裹等)


基本语法2讲解了java中类的基本用法。本文继续深入介绍java的类

3.1 方法的重载

java中是允许两个方法同名的,但两个方法的参数类型或者参数个数必须不同。如

public int add(int a, int b){
	return a + b;
}
public double add(int a, double b){
	return a + b;
}

以下练习:
在这里插入图片描述

3.2 位置参数包裹

该名称是类比python取的,位置参数包裹即不确定有几个参数,确定参数即方法传入的参数个数是确定的,比如确定是public int func(int age){}。int age 确定有这个参数。其具体的使用如下代码(共有两种方法):

public class Prac{
	// 使用数组的方式构建参数包裹String[] args即初始化数组的表达式
	public void printInfo(String[] args){
		for (int i=0; i < args.length; i++){  // 遍历各个参数
			System.out.println(args[i]);
		}
	}
	
	// 使用...方式构建参数包裹,将[]换成了...
	public void printInfo2(String... args){
		for(int i=0; i < args.length; i++){
			System.out.println(args[i]);
		}
	}
	
	// 确定参数和参数包裹同时使用,参数包裹要放到最后
	public void printInfo2(int score, String... args){
		for(int i=0; i < args.length; i++){
			System.out.println(args[i]);
		}
	}	
	
	// 主程序入口
	public static void main(String[] args){
		// 实例化
		mytest ex = new mytest();
		
		// 使用数组形式,需要先构造一个数组,然后传入方法中
		String[] parameters = new String[]{"Lucy", "18", "female"};
		ex.printInfo(parameters);
		
		// 使用...方式既可以直接将参数传入方法中,也可以先构造一个数组,然后传入方法中
		ex.printInfo2("Tom", "20", "male");
		ex.printInfo2(parameters);
		
		ex.printInfo2(98, "jim", "25", "male");
	}
}	

3.3 package与import

package相当于python中的模块,import与python用法相同。假如test是一个package,下面有test1、test2、test3三个java文件。

package test
test1 ex = new test.test1()
import test.test1
test1 ex = new test.test1()
import test.*
test1 ex = new test.test1()

如果新建一个test4,需要导入test1,可以只写package test,不用写import test.test1。实例化依旧是test4 ex = new test4()

  • 注意:
    • import语句出现在package语句之后、类定义之前
    • 一个源文件中可包含多个import语句、
    • 可以使用import lee.*语句,表明导入lee包下的所有类,而lee包下sub子包内的类则不会被导入。
    • JDK1.5加入import static语句
    • 若引入的包为java.lang,则编译器默认可获取此包下的类,不需要再显示声明。

在这里插入图片描述

3.4 隐藏和封装

在这里插入图片描述
隐藏就好比python类中为防止用户更改属性,在属性名前边加上__。java中的隐藏用的是private修饰符
在这里插入图片描述

在这里插入图片描述

3.5 四种访问权限修饰符

  • private
  • 缺省
  • public
  • protected
    在这里插入图片描述
    一个文件下可以有多个类,但是只能有一个public的类,这个public的类就是文件名
  • 类内部:顾名思义,比如一个文件下有test1和test2两个类,且在test1下定义private int i,那么i只能在test1这个类下使用,不能在test2下使用
  • 同一个包:比如test目录下,有test1和test两个java文件,那么test1和test2都在同一个包下(test包下)
  • 子类:类似于python中的继承(父类和子类),java的继承使用extends,具体如下
    在这里插入图片描述
  • 说明:如果子类和父类在同一个包下,并且修饰符为缺省,那么此时子类也可以调用缺省的方法

3.6 构造器(构造方法)

构造器类似于python中的def __init__()
在java中如何实现def__init__()的功能呢?如下图:
在这里插入图片描述
此时我们初始化一个实例对象就可用Person4 ex = new Person4()
构造器也可以不写,类似于python省略了def __init__(),此时不影响实例化
##############################################################
在python中有时def__init__()代码下有一些提前定义好的成员属性,比如self.age=20。即对象初始化后就自带一些指定的属性(age为20)。此时构造器写法如下:
在这里插入图片描述
实例化对象时,仍使用Person5 ex = new Person5(),此时ex.showInfo()就会显示20和zhangsan
###############################################################
python中使用def__init__(),还有一个功能,即传参def__init__(age, name):给不同的实例初始化不同的age和name。java中实现如下:
在这里插入图片描述
此时实例化对象代码为Person5 ex = new Person5(2, "李四")
java与python的不同在于,java可以有多个构造器,实例化可以选择用哪个构造器。python也可以写多个构造器,但是下面的构造器会覆盖上面的构造器,因此,本质上只能有一个构造器

3.7 构造器的重载

构造器重载就是可以写好几个类似python的def __init__(),如下代码
在这里插入图片描述
在使用时,可根据情况,可以写成Person6 ex = new Person6()或者Person6 ex = new Person6("张三")或者Person6 ex = new Person6(20,"张三")

另一种情况如下例:
在这里插入图片描述
首先本案例编译就会报错:
在这里插入图片描述
因为本例新构造了一个构造器,且还有参数a,此时就不会有默认的那个无参构造器,故实例化时,不能调用无参的构造器,只能调用有参数a的构造器。如果以上代码想运行通,需要在上面显性地写出一个无参的构造器,如下所示:
在这里插入图片描述
此时编译运行都不会报错了。
故当类不写构造器时,会有一个默认的无参构造器;当类写了构造器时,就不再有默认的无参构造器了,此时想用无参构造器,必须显性地写出无参构造器。

3.8 this关键字

this关键字有点类似python中的self
在这里插入图片描述
上图中age = age; name=name,如果这样写,代码就分不清哪个age是对象的属性,哪个是形参了。因此可改用以下形式this age = age,如下图所示。但是java与python的不同在于,如果传入的形参为int a, String b,下面代码可以直接写成age = a; name = b;(在整个代码中,如果形参不会和属性名混淆,可不加this,加上this可以增加代码的可读性)
在这里插入图片描述
################################################################
此外,也可以使用this调用成员方法:
在这里插入图片描述
###############################################################
构造器重载情况下,也可以在某一个构造器a中调用另一个构造器b(但是不能调用构造器本身,包括一些变形调用本身,具体如下图),此外this()要放在构造器首行
在这里插入图片描述

  • 总结:
    在这里插入图片描述
    在这里插入图片描述

3.9 javabean

上文中我们讲过封装和隐藏,如下图。将name,sex,age属性私有化,其他人实例化后就不能随心所欲地更改类的属性了。但考虑到有时的确需要更改属性,因此为私有化属性同时配备了set和get方法(如name属性的setName,getName)
在这里插入图片描述
上图中3个属性,以及各对应两个方法(截图不完整,未截上setAge和getAge)就构成了一个javabean
在这里插入图片描述
假如我们有100个私有属性,每个属性写两个方法,就太累了。一般软件都有响应的便捷操作。如eplise中,定义好私有属性后,将光标移动到下一行代码,右键,具体如图:
在这里插入图片描述
在这里插入图片描述
点击ok后就会自动生成set和get属性的方法。

3.10 小结

在这里插入图片描述
在这里插入图片描述

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。
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 6
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

打赏作者

爱编程的喵喵

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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