Think in java读书笔记

深入探讨Java中对象的创建、内存分配及其在堆和栈中的存储方式,阐述Java如何通过垃圾回收机制自动管理不再使用的引用,同时解释primitive类型变量的特殊存储位置及初始化规则。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

第二章:万物皆对象


1、在Java中,我们直接操控的不是类本身,而是类的一个实例,或者说是Reference。Java没有地址传递之说。
   (chap2,P2)


2、Java把对象,也就是类存放在“堆”里,而把其他数据和对象的reference存放在“栈”里,对操作来收,栈比堆要快。
   (chap2,P3)


3、因为栈比堆要快,所以作为特例,Java的primitive类型的变量也存放在栈里,这样可以提高效率,另外一方面来说,primitive类型的数据不是类,所以,它们也没有reference。
   (chap2,P4)


4、Java不允许在同一个方法中定义同样名称的变量,如:
   {
 int x = 12;
 {
  int x = 16;
 }
   }
   这在C++中是允许的,在Java中却会出现编译错误。
   (chap2,P7)


5、无需关心清理不再被使用的reference,Java的Gabage Collector会帮你做这一切的。
   (chap2,P8)


6、对于primitive类型的变量,如果这个变量是类的成员,则类会对其进行初始化,如果不是类的成员,则不会对其初始化,它可能是一个任意的值。
   (chap2,P9)


7、javadoc非常强大,但要求我们写程序的时候要有丰富的注释和良好的习惯。
资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用时需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中,类目和样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线时提前配置好每个类目的概念及对应样本;在线时先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICL时accuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理时添加“家居”类别,影响不大;不使用ICL时accuracy为0.88,错误58项,可能与未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰时效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有时比语意更重要。 参考资料包括
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