面向对象以及类与继承

一、面向对象编程

1、面向过程vs面向对象

问题:如果把大象装进冰箱,需要几步?

面向过程:(1)打开冰箱门; (2)把大象装进去(3)关上冰箱门

面向对象就是分析出解决问题所需要的步骤,然后用函数把这些步骤———实现,使用的时候依次调用就可以了。所以面向过程其实描述的是一个个“动作”

面向对象:(1)大象(2)冰箱

面向对象跟面向过程不同,面向对象则是把构成问题的事务按照一定规划分为多个独立对象,然后通过调用对象的方法来解决这个问题。所以,面向对象其实描述的是一个个“物体”

2、什么是面向对象编程

面向对象是一种符合人类思维习惯的编程思想。比如中国的四大发明之一的活字印刷术。(印刷术可以看成是面向过程;活字印刷术可以比做是面向对象。)面向对象的思想是一种通用的思想,并非只有编程中能用,任何事情都可以用这种思想远远超出了编程的范畴。

二、类与对象

面向对象的编程思想,能够让程序中的事物的描述与该事物在现实中的形态保持一致。为了做到这一点,面向对象的思想提出两个概念:类与对象。

  1. 什么是类

    类(class)是对象的模板,定义了同一组对象共有的(特征)属性和(行为)方法。

  2. 什么是对象

    对象(object)是根据类这个模板创建出来的。

  3. 类与对象的关系

    类是对象的抽象,而对象是类的具体实例。

    **思考:是先有类,还是先有对象?**毫无疑问,肯定是先有类,再有对象。

  4. 面向对象的三大基本特征

    1. 封装
    2. 继承:继承主要描述的是类与类之间的关系,通过继承,可以在无需重新编写原有类(父类)的情况下,对原有类的功能进行扩展。继承不仅增强了代码的复用性、提高开发效率,还可以增强扩展性。继承可以让子类具有父类的属性和方法或重新定义、追加属性和方法等。
    3. 多态
  5. 初学者如何学习面向对象?

    推荐采用分两步走策略:

    • 首先,掌握面向对象基本语法,平时有意识的抛开计算机思维,使用生活中的思维进行编程;
    • 最后,初学者只有通过大量的练习和思考,才能够慢慢去领悟面向对象的这种思想。

三、ES5 中的类与继承

流行的面向对象编写方式:构造函数 + 原型的混合方式来模拟一个类。

  1. 构造函数

构造函数本质上就一个函数,通过构造函数负责添加属性。

  1. 原型

原型 prototype,通过原型负责添加方法。

四、ES6 中的类与继承

ES6 中的 class 其实本质上是在构造函数和原型的混合方式的基础上做的进一步封装。

  1. class:定义类
  2. constructor:构造方法,用来初始化的,也是唯一的。
  3. class 子类 extends 父类 {……}
  4. 使用super时需要注意的地方:
    1. 子类必须在 constructor 方法中调用super方法;
    2. 必须先调用super方法,才可以使用 this,否则报错!
### LlamaIndex 多模态 RAG 实现 LlamaIndex 支持多种数据类型的接入与处理,这使得它成为构建多模态检索增强生成(RAG)系统的理想选择[^1]。为了实现这一目标,LlamaIndex 结合了不同种类的数据连接器、索引机制以及强大的查询引擎。 #### 数据连接器支持多样化输入源 对于多模态数据的支持始于数据收集阶段。LlamaIndex 的数据连接器可以从多个异构资源中提取信息,包括但不限于APIs、PDF文档、SQL数据库等。这意味着无论是文本还是多媒体文件中的内容都可以被纳入到后续的分析流程之中。 #### 统一化的中间表示形式 一旦获取到了原始资料之后,下一步就是创建统一而高效的内部表达方式——即所谓的“中间表示”。这种转换不仅简化了下游任务的操作难度,同时也提高了整个系统的性能表现。尤其当面对复杂场景下的混合型数据集时,良好的设计尤为关键。 #### 查询引擎助力跨媒体理解能力 借助于内置的强大搜索引擎组件,用户可以通过自然语言提问的形式轻松获得所需答案;而对于更复杂的交互需求,则提供了专门定制版聊天机器人服务作为补充选项之一。更重要的是,在这里实现了真正的语义级关联匹配逻辑,从而让计算机具备了一定程度上的‘认知’功能去理解和回应人类意图背后所蕴含的意义所在。 #### 应用实例展示 考虑到实际应用场景的需求多样性,下面给出一段Python代码示例来说明如何利用LlamaIndex搭建一个多模态RAG系统: ```python from llama_index import GPTSimpleVectorIndex, SimpleDirectoryReader, LLMPredictor, PromptHelper, ServiceContext from langchain.llms.base import BaseLLM import os def create_multi_modal_rag_system(): documents = SimpleDirectoryReader(input_dir='./data').load_data() llm_predictor = LLMPredictor(llm=BaseLLM()) # 假设已经定义好了具体的大型预训练模型 service_context = ServiceContext.from_defaults( chunk_size_limit=None, prompt_helper=PromptHelper(max_input_size=-1), llm_predictor=llm_predictor ) index = GPTSimpleVectorIndex(documents, service_context=service_context) query_engine = index.as_query_engine(similarity_top_k=2) response = query_engine.query("请描述一下图片里的人物表情特征") print(response) ``` 此段脚本展示了从加载本地目录下各类格式文件开始直到最终完成一次基于相似度排序后的top-k条目返回全过程。值得注意的是,“query”方法接收字符串参数代表使用者想要询问的内容,而在后台则会自动调用相应的解析模块并结合先前准备好的知识库来进行推理计算得出结论。
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