15.10

VMware Workstation 15 Player 上安装 macOS Catalina 10.15.x 图文教程 之前制作了一个 macOS Mojave 10.14.6 iso 文件,有朋友问我有没有 macOS Catalina 的镜像,正好最近有点空闲,一阵鼓捣之后制作出来了 macOS Catalina 的 iso 文件(下载链接在文章末尾),但是在 VMware Workstation 15 Player 上进行安装的时候却是一直卡在苹果LOGO界面无法进行下一步。然后又是一阵鼓捣,终于找出一个可行... 阅读详情

class Fruit{}

class Apple extends Fruit{}

Fruit[] fruit=new Apple[10];

fruit[0]=new Apple();//0k

fruit[0]=new Fruit()//exception runtime


List<Fruit> flist=new ArrayList<Apple>();//不能将一个Apple的容器赋值给一个Fruit容器,编译错误 incompatible error

这可以使用通配符来解决


Holder<? extends Fruit> fruit=Apple;ok

Fruit p=fruit.get();ok

Apple d=fruit.get(); ok


fruit.set(new Apple());  //Cannot call set()? Extends Fruit 编译器并不能了解这里需要Fruit的哪个子类型,不会接受任何类型的Fruit,编译器将直接拒绝对参数列表中涉及通配符的方法调用。


15.10.2 逆变

超类型通配符,List<? super Apple> apples 可以向其中添加对象

apples.add(new Apple());ok

apples.add(new Jonathan());ok

//apples.add(new Fruit());//Error

Apple是下界,向这样的List中添加Fruit是不安全的。

15.10.3 无界通配符

无界通配符<?> “任何事物”,使用无界通配符好像等价于使用原生类型


static<T> void wildSupertype(Holder<? super T> holder,T arg){

      holder.set(arg);

//T t=holder.get();//Error

//Incompatible types:found Object


Holder将持有任何类型的的组合,而Holder<?>将持有具有某种具体类型的同构集合,因此只是想其中传递Object。


VM15安装MacOS10.15.1系统 今天无聊分享一下VM15安装MacOS10.15.1系统 以下需要的软件,自行下载: VM15: https://pan.baidu.com/s/16ALm39OnOZ585FZx3x-1Mw 提取码:l7ke MacOS10.15.1:https://pan.baidu.com/s/150pAKF8vGS-5b6y-LBwZ3g提取码:xema unlocker:https:/... 阅读详情

相关推荐

【VMware】vmware15 安装win10教程【史上最详细图文教程】

VMware15安装教程【传送门】 一:创建新的虚拟机 --》 自定义 --》 下一步 二:直接选择下一步 三:选择稍后安装操作系统 --》 下一步 四:选择Microsoft Windows(W) --》 选择版本 --》下一步 五:自定义虚拟机名称和虚拟机保存位置 --》 下一步 六:选择BIOS -- 》 下一步 七:根据宿主机的配置自定义处理器数量...

小蜜蜂博客 6万+

Java泛型的中庸之道

代码组织和复用是所有计算机编程的基本手段:编写一次,多次使用,并在一个位置保存代码。—— 《Java编程思想》 面向对象的程序设计语言都有一种共有的复用方式——依赖继承体系的多态,来实现一种纵向复用。除此以外,诸如C++和C#还拥有不依赖继承体系的泛型,来实现一种横向复用。而Java,这个在其1.5版本才加入泛型特性的语言,为了平滑兼容已有的非泛型代码,其泛型依旧充满了继承结构的味道,只能说是一个瞻

Public Static Void Main 589

HFSS15 win10_64位破解

HFSS15 win10_64位破解 找到的别人的软件,但在首次安装时失败了,并不能patched。寻找了几种方法,已成功安装。在此写下安装经验,供大家参考。 软件安装包以及破解软件: 链接:https://pan.baidu.com/s/1MMjV_31maU5QD6fmI4zfIA 提取码:yj4q 在安装之前,建议关闭杀毒软件。 Step1:进入HFSS150Win64安装包,点击au...

玉笙寒 4万+

java.lang.Class

java.lang.Class是jvm对对象的标示,说明对象是属于哪个类的,在装载类的时候自动创建此类的Class对象。 没有公共构造方法,是在加载类时由jvm通过调用defineClass方法创建。 通过对象.getClass()方法获得 forName()获得 类.class获得 1、getName() 一个Class对象描述了一个特定类的属性,Class类中最常用的方法...

henatne 215

VMware 15中安装Windows10

VMware 15中安装Windows10

weixin_63104855的博客 813

Windows下VMware Workstations Pro15.5.0安装macOS Catalina 10.15虚拟机(详细教程)

第一步:安装VMware Workstations Pro15.5.0 并且安装对应版本的Unlock,支持Catalina 10.15黑苹果系统。 请参考我的博客 Windows1903安装VMware Workstations Pro15.1.0并解锁Unlock3.0.2 里面已经更新了最新支持Catalina 10.15的Unlock文件! 第二步:制作cdr镜像(mac环境) 制作教程参...

hestyle的博客 6万+

Kotlin手记-(10)类

类 Kotlin中使⽤关键字 class 声明类 class Fruit { //定义一个水果Fruit类 } 类声明由类名、类头(指定其类型参数、主构造函数等)以及由花括号包围的类体构成。类头与类体都是可选的;如果⼀ 个类没有类体,可以省略花括号。 class Fruit 构造函数 在 Kotlin 中的⼀个类可以有1个主构造函数以及N(N>=0)个次构造函数。主构造函数是类头的⼀部分:它跟在类名后面,并可携带参数(也可没有)如下 class Fruit constructor(var

amigos_pop的专栏 290

手把手教你用ESP32驱动MAX30102心率血氧传感器(含完整代码)

本文详细介绍了如何使用ESP32微控制器驱动MAX30102心率血氧传感器,构建智能健康监测系统。内容涵盖PPG原理、硬件连接、驱动配置、信号处理算法以及Web服务器数据可视化,提供完整代码实现,帮助开发者快速上手物联网健康设备开发。

weixin_29208077的博客 587

多态

/**  * 多态:编译时的类型和运行时的类型不一致,就可能出现多态  *  Fruit f=new Apple(5);编译时引用f的类型是父类Fruit,运行时f的类型是子类Apple类型  *    *  1、f.put();首先put()方法必须是父类拥有的,当子类重写了这个方法,  *     通过f(父类Fruit)调用时该方法时调用的是子类重写了的put()方法,而不是父类的

jing_bufferfly的博客 284

开关电源PCB安规设计避坑指南:从光耦开槽到变压器挡墙,这些细节决定认证成败

本文深入解析开关电源PCB安规设计中的关键细节,包括光耦开槽、变压器挡墙工艺等12个致命要点。通过实际案例和工艺参数表,揭示如何避免认证失败,特别强调爬电距离和电气间隙的精确控制,助力工程师提升产品安全性和认证通过率。

weixin_42548893的博客 203

保姆级教程:用Seurat 5.0.1搞定单细胞测序数据从质控到细胞注释的全流程

本文提供了一份详细的Seurat 5.0.1单细胞测序数据分析教程,涵盖从数据质控到细胞注释的全流程。通过R代码示例和可视化分析,帮助用户掌握单细胞RNA测序数据处理的核心技术,包括数据标准化、降维聚类和细胞类型注释,适用于生物信息学研究和临床数据分析。

weixin_29067143的博客 197

java泛型通配符

1.边界 边界,如果使用泛型没有设置其边界的,那么其默认边界就是Object(向上转型),由于java泛型的机制,那些边界为object的方法只能调用Object的方法,如果要想泛型做更多的事,就必须设置其边界。使其转为更具体的类型,从而表现更多的行为。 1.1上界 <? extends MyClass> 表示继承自myClass这个类的类型。 ?号表示某种特定的类型通配符,这个我们后...

lucky_ly的博客 333

鼎阳示波器SCPI指令与MD5算法解锁带宽升级实战

本文详细介绍了鼎阳示波器通过SCPI指令与MD5算法实现带宽升级的实战流程。从设备连接、信息获取到Python密钥生成脚本解析,逐步指导用户完成升级操作,并涵盖常见问题排查与功能选件激活指南,帮助用户充分释放设备潜能。

www00的博客 348

VM15pro安装MacOS10.15.1系统(超详细,可用)

前段时间去开发了款app需要用到打包,Android打包就不说了那个不涉及到环境,但是ipa打包就烦了,还要在mac的环境中去打包,但是作为一个底层程序员为了一个打包去买一个mac pro就有点亏了, .........

SuperAE86的博客 5万+

吉比特-笔试

1. 题一:打雷后下雨的概率是80%,而打闪电后下雨的概率是70%,那么即打雷又打闪电后下雨的概率是多少?   答:打雷后下雨和打闪电后下雨都是独立事件,P=1-又打雷又闪电但没下雨的概率= 1 - 0.2 *0.3 = 94%        题二:打雷后下雨的概率是80%,但是没打闪电后下雨的概率是20%,那么打雷了但没打闪电后下雨的概率是多少?答:P=0.8 *0.2 / ( 0.8 *0

naturism的专栏 2496

UEFI 基础教程 (零) - 目录

UEFI 基础教程 (十八) — UEFI Build Process简单分析。UEFI 基础教程 (十五) — 获取UEFI MemoryMap。UEFI 基础教程 (六)   —  PROTOCOL 简单使用。UEFI 基础教程 (十)   —  FileIO 简单使用。UEFI 基础教程 (一)   —  搭建UEFI开发环境。UEFI 基础教程 (九)   —  EVENT 简单使用。UEFI 基础教程 (七)   —  HOB 简单使用。UEFI 基础教程 (八)   —  PCD 简单使用。..

技术联盟 1537

HFSS15 win10安装

系统: win10专业版 下载后解压安装 下载链接 链接: https://pan.baidu.com/s/1T7xI1tNTrbGuSnpoGyD_yg 提取码: jsqv 1 建立安装目录 在c盘新建文件夹C/hfss15 将HFSS+15+64bit安装教程里面的license文件拷贝到hfss15 2 安装软件 点击install software 这时会提示不支持win10安装, 问你需要继续? 必须继续 然后一路安装,遇到更改安装路径就改成上面新建的 然后继续继续继续继续一路默认即可

406156440的博客 1万+

《深入掌握MongoDB数据库》 - 专栏介绍和目录

本专栏系统讲解MongoDB从基础到高级的全栈知识,涵盖安装配置、核心操作、性能优化、安全运维等核心内容。基础部分包括CRUD操作、数据类型、查询语法等入门知识;进阶部分深入索引优化、聚合查询、事务处理等高级特性;核心原理解析存储引擎与数据格式;安全运维则聚焦访问控制、认证机制、审计日志等企业级实践。通过实战案例与最佳实践,帮助开发者全面掌握MongoDB在不同场景下的应用,适合各层次技术人员系统学习。

数据知道的博客 2996

VMware 15安装Windows10教程

VMware15安装Windows10教程详细

yummy的博客 5757

STM32F103VCT6+W5500 TCP 服务端通信

STM32F103VCT6 W5500的TCP连接通讯的程序

坚韧与专注 7819

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

MacBook Pro 安装软件navicat15 , mac10.15安装navcat15

1、对于MacOS 10.14的修复方法 先打开 系统偏好设置 -> 安全与隐私 -> 通用 选项卡,检查是否已经启用了 任何来源 选项。如果没有启用,先点击左下角的小黄锁图标解锁,然后选中任何来源。 如果没有这个选项,我们打开终端,输入以下命令 (可以通过点击屏幕右上角的搜索图标,输入终端快速运行 \ 或者command+Space): sudo spctl --master-disable 1 然后按下键盘的回车键(return),输入密码,再按回车键,完成。 输入命令回车后会看见个

qq_25584037的博客 4018

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

黑苹果折腾:从10.15.2或10.15.3升级到10.15.4

前一段时间装了一台机器,i7 3.6,32gb内存,500gb SSD和1TB机械硬盘,AMD RX570显卡,43吋 4K显示器,配了个妙控键盘,开始安装的windows10,后来由于开发IOS APP需要一台MacOS电脑,就折腾了好久,装了黑苹果MacOS 10.15.2,升级到10.15.3的时候,很顺利,clover不用升级,可以说是无痛升级。 最近要升级到10.15.4就没有那么顺利...

xzs63的IT专栏 1万+

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

Ubuntu 15.10更新源已可用,更新到Ubuntu 15.10的方法

官方公布了下一代操作系统Ubuntu 15.10开发代号为“Wily Werewolf”,中文意思是狡诈的狼人,目前Ubuntu 15.10更新源已经可以用了,当前只有华科大一家同步,阿里云、网易、ustc都还没有同步,所以建议大家使用官方源。 一,快速换ubuntu源并且更新到Ubuntu 15.10的方法:(从Ubuntu 15.04升级/更新到Ubuntu 15.10,其它版本可参

码农和金融的专栏 4187

自制苹果系统盘,在最新的VMWare15.5中安装最新的MacOS10.15.2

步骤如下: 1、安装最新的vmware15.5。 2、下载最新的unlocker,以管理员权限执行 win-install.cmd。什么拷贝到什么目录,先关服务什么的,都不用管,直接执行。要注意的是,unlocker是有版本针对性的,不同的VM版本需要不同的unlocker,一定要使用别人成功使用过的。在执行时,也有可能因网络原因无法执行完成,我在使用的时候就是这种情况,在办公室联通的网络可以顺利...

shaowl111的专栏 3193

如何将Ubuntu 15.04升级到Ubuntu 15.10

Ubuntu 15.10 Beta 的代号叫 Wily Werewolf(威利狼人),其最终版将于 10 月 20 号正式发布,距今天还不到一个月的时间了。如果你是一个勇于尝鲜的试用达人,可以参考本文将你的 Ubuntu 15.04 升级到 Ubuntu 15.10 Beta。 如果你只是想测试尝鲜 Ubuntu 15.10 beta,可以用文末的链接直接下载进行测试安装。 注意:Ubun

立身以力学为先,力学以读书为本。 —郑耕老《劝学》 510

VMware15安装MAC OS X10

VMware15虚拟机安装MAC OS X 10.14 这篇文章采用最新的VMware15虚拟机为安装环境,MAC OSX10.14的最新镜像,这可能是史上最详细的虚拟机安装苹果系统的图文教程(配合上篇若干问题解决方案),个人觉得。有点骄傲了,低调低调。直接进入正题。 1.1、安装环境: Win10 X64;VMwareWorkstationPro 15; 1.2、所需资源: VMwareWork...

L-Super的博客 6063
上一篇: 15.8.2 泛型数组
下一篇: 15.10.4 捕获异常
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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