js作用域、作用域链和它的一些优化

JS 深度解析作用域、作用域链与闭包 当查找一个变量时,JavaScript会按照一定的顺序遍历一系列相关的作用域,这个查找顺序就是作用域链。作用域链保证了内部作用域可以访问外部作用域的变量,而外部作用域不能直接访问内部作用域的变量。闭包是指有权访问另一个函数作用域中变量的函数,创建闭包的常见方式是在一个函数内部创建另一个函数。即使创建闭包的外部函数已经执行完毕(其作用域已结束),闭包仍能保持对外部函数作用域变量的访问。 阅读详情

前言

作用域和作用域链是所有JavaScript开发人员每天都要接触和应用的内容。不管是面试中的作用域链的面试考察,还是日常代码研发中变量与作用域链的构建,它的身影几乎无处不在。它就像一顶优秀厨师的厨师帽,只要我们走进厨房,我们就要将它整理好,套在头上。没有它整洁干净的戴在头上,你就不是一名好的JavaScript工程师。

其实,作为一名前端工程师,我也曾经疑惑过:基本上所有的计算机语言都具有作用域的概念,但是为何JavaScript开发人员总是对作用域这个概念执着不已?直到,我多次在编写代码过程中遇到涉及到作用域的问题后,我才渐渐了解这个问题并去仔细研究。

而这篇文章,就是想要和大家聊聊有关JavaScript作用域以及作用域链的那些事情,以及针对它们的一些我们在代码中优化小技巧。

内容

对于几乎所有的编程语言来说,最基本的功能之一,就是储存变量当中的值并且能在之后对这个值进行访问和修改。这种能力的引入,是程序的状态存在的基础。但是,能力的引入需要我们解决几个问题,例如:变量存储在哪里?以何种形式存储?需要读取和修改变量的时候,以什么方式获取到这个变量?

很明显,为了解决这些问题,我们需要一套设计良好的规则来存储变量,并且之后可以方便的找到这些变量。与此同时,整套完整规则的设计就会衍生出额外规则概念。而作用域,就是这套规则下衍生出来的概念。

作用域

我们可以把作用域理解为上面讲到的这套规则下的限定范围。作用域的职责是,在这段限定范围中根据这套设计好的规则存储所声明的变量,并且提供修改该变量的支持。在变量的访问权限安全上,作用域还承担着保护当前作用域内的变量不被外部作用域访问的权限保护作用。

通过类比,我们可以把作用域想象成一个气泡。在这个气泡里所声明的变量成员被包含在其中。每个气泡都配备有一位有原则的管家,将所有的成员管理起来,并针对他们声明的位置和要求对它们提供保护。当气泡中代码语句想要访问和修改变量成员时,管家会结合变量成员的要求关联对应访问和修改操作。

随着ECMAScript标准的不断发展和完善,JavaScript目前存在着四种作用域类型:

  • 全局作用域(Global Scope): JavaScript语言环境的最顶级作用域,在语言环境初始化时创建。
  • 模块作用域(Module Scope): 由ECMAScript模块标准(ES Module)引入,在解析ECMAScript模块时创建。
  • 函数作用域(Function Scope): 在函数声明function() {}或者() => {}时创建。
  • 块级作用域(Block Scope): 由ECMAScript2015的变量声明标识符let和const引入,在使用这两者进行变量声明时,根据最近的一对花括号{}创建。
/* 全局作用域 start,JavaScript语言环境初始化时就被创建 */
/* 模块作用域 start,作为ES Module解析和执行时被创建 */
let name = 'Wu';

{
  /* 块级作用域 start,const进行变量声明在最近的花括号{}内创建 */
  const prefix = Hardy;
  name = prefix + name;
  /* 块级作用域 end */
}

export function sayMyName(myName) {
  /* 函数作用域 start,函数声明时自动创建,初始化默认包含函数的形参变量 */
  if (!myName) {
    /* 块级作用域 start */
    const noNameAnswer = 'Sorry!';
    console.log(noNameAnswer);
    return;
    /* 块级作用域 end */
  }
  const wordPrifix = 'Hi! My Name is ';
  const answer = wordPrifix + myName + '.';
  console.log(answer);
  /* 函数作用域 end */
}
/* 模块作用域 end */
/* 全局作用域 end */

作用域的嵌套

作用域在使用上具有嵌套特征。一个作用域能够在自身内部创建一个新作用域从而形成内部和外部作用域的嵌套关系。

全局作用域作为JavaScript的初始作用域,是所有其他作用域最外层的作用域。另外,每一个ES Module都具有模块自己的顶级作用域(top-level scope),模块中的顶级作用域变量和函数都包含在这个模块顶级作用域中,而模块作用域的外部作用域是全局作用域。而函数作用域和块级作用域则相对比较灵活,可以相互嵌套。

作用域的一些实现细节

在JavaScript中,每一个函数、代码块{...}以及script脚本被运行前,都会有一个相对应的称为词法环境(Lexical Environment) 的内部关联对象被创建。

词法环境由两部分组成:

  • 环境记录(Environment Record):一个存储所有局部变量作为其属性(包括一些执行上下文信息,例如this的值)的对象。
  • 外部词法环境引用(Outer):对外部词法环境的引用,以此关联外部词法环境。

代码执行的过程中,每一个局部变量和局部函数的声明,都会作为一个属性字段被添加到环境记录中,后续对变量和函数的读取则通过对应标识符在环境记录中进行查找。

根据上面的概念,我们可以通过下面的对象结构理解词法环境:

  lexicalEnvironment = {
    environmentRecord: {
      <identifier>: <value>,
      <identifier>: <value>,
    },
    outer: <Reference to the parent lexical environment>,
  }

再来通过下面的代码例子来理解词法环境:

/*  当前模块运行时,模块的词法环境被创建,  moduleLexicalEnvironment = {    environmentRecord: {      name: <uninitialized>,      sayName: <reference to function object>,    },    outer: <globalLexicalEnvironment>,  }*/

let name = 'Hardy';
/*  变量声明和赋值,修改环境记录的字段属性值,  moduleLexicalEnvironment = {    environmentRecord: {      name: 'Hardy',      sayName: <reference to function object>,    },    outer: <globalLexicalEnvironment>,  }*/

function sayName(myName) {
  /*    执行函数时,函数的词法环境被创建,    functionLexicalEnvironment = {      environmentRecord = {        myName: 'Hardy',      },      outer: <moduleLexicalEnvironment>,    }  */
  /* 通过读取环境记录的对应标识符字段属性值获取myName的变量值 */
  console.log(myName);
}

sayName(); // Hardy

我们来分析下上面的代码例子。参考视频讲解:进入学习

根据声明提前的特性,变量name和函数sayName都会在模块的词法环境创建时被添加在环境记录中。但是,由于let的暂时性死区特性,变量name在自身声明和初始化赋值之前处于不可引用和未初始化状态。函数的声明则不同,除了声明提前外还会初始化函数的引用。这就是我们可以在函数执行声明语句前调用函数的原因。另外,函数的词法环境在被创建时,对应函数的参数会被初始化在环境记录中,并且会被赋值上调用函数时的所传值或者函数参数的默认值。

在outer引用方面,模块词法环境moduleLexicalEnvironment的outer引用指向JavaScript最外部的全局词法环境globalLexicalEnvironment,而函数词法环境functionLexicalEnvironment的outer引用指向外部的模块词法环境moduleLexicalEnvironment。

我们可以看出,词法环境是JavaScript对作用域概念的内部技术实现。它是JavaScript引擎创建一个执行上下文时,创建用来存储变量和函数声明的环境。代码执行过程中,通过它访问到存储在其内部的变量和函数。在代码执行完毕后,执行上下文会从堆栈中被销毁回收,而词法环境也会根据情况的被销毁(如果词法环境被其他外部的词法环境所引用,则不会被销毁回收,例如闭包)。

作用域链

作用域可以嵌套,嵌套在内部的作用域可以访问外部的作用域所声明的变量和函数。通过上面词法环境的介绍,我们大概清楚,作用域的这种嵌套关系是通过词法环境的外部词法环境引用outer来关联实现的。这种词法环境的外部引用的关联关系,构建了一条单向的词法环境的链条。这就是我们常说的作用域链。

本质上,作用域链是JavaScript引擎给所执行代码维护的一条词法环境链条。代码执行中对外部作用域的变量的引用,通过这一条链条进行变量的查找、读取、修改。

代码执行中对某个变量的访问大致如下:

  • 当代码要访问一个变量时,首先会搜索当前内部词法环境。如果搜索成功,就返回对一个变量值或变量引用,结束搜索。如果搜索不到,则通过outer引用继续搜索外部词法环境,以此类推,直到全局词法环境。
  • 如果在任何地方都找不到这个变量,那么在严格模式下就会报错。

根据上面的概念,我们来看看下面的例子:

let phrase = 'Hello';

function sayHello(name) {
  /*    函数的作用域链,    functionLexicalEnvironment{ name: 'Hardy' } ==outer==>    moduleLexicalEnvironment{ phrase: 'Hello' } ==outer==>    globalLexicalEnvironment        变量name从当前functionLexicalEnvironment中查找到并获取,    变量phrase沿作用域链查找,从moduleLexicalEnvironment中查找到并获取  */
  console.log(`${phrase}, ${name}!`);
}

sayHello('Hardy'); // Hello, Hardy!

上面例子中,函数sayHello在内部引用了name和phrase两个变量,函数被调用的执行时会创建functionLexicalEnvironment > moduleLexicalEnvironment > globalLexicalEnvironment的作用域链。

其中,变量name作为函数参数属于当前函数作用域的局部变量,变量可以直接从当前函数的词法环境functionLexicalEnvironment中查找到并返回相关信息。而变量phrase属于外部作用域中声明的变量,存储在外部的模块词法环境moduleLexicalEnvironment中。函数sayHello引用变量phrase,会首先从在自身函数词法环境functionLexicalEnvironment中进行查找,查找不到后,会沿外部词法环境引用outer找到模块词法环境moduleLexicalEnvironment,并从中继续进行变量的查找,查找到了并返回变量的相关信息。

值得注意的是console.log()是全局内置对象console上的方法,对该方法的调用需要引用console。这个变量的引用会沿作用域链一直查找到全局词法环境globalLexicalEnvironment中,从中查找到并返回相关变量信息。

变量标识符解析和引用的过程就是沿作用域链迭代查找变量是否在作用域链节点中并返回变量相关信息的过程。

相关优化

综合上面的标识符的解析过程和作用域以及作用域链的关系,我们可以了解到,变量标识符解析的性能是和变量标识符所处在作用域链中的位置是息息相关的。变量标识符所出的作用域节点越靠近整个作用域链的前端,则需要沿作用域链迭代查找的次数就越少,变量标识符解析的速度就会越快,性能就越好。

这种标识符解析性能的规律,让我们可以得出以下使用变量的优化点:

  • 对于频繁引用的外部作用域的变量,可以根据情况在当前作用域内声明赋值为局部变量后使用。
  • 减少作用域增强with语句的使用。

外部作用域变量标识符的多次引用,会造成执行过程中的标识符解析沿作用域链查找的频繁执行,这种查找在第一次解析引用时是必须的,但是后续解析引用却是重复的。将外部作用域变量通过在当前作用域内声明赋值为局部变量,可以优化后续查找的需要经过的作用域链节点个数,得到一定的性能提升。

with语句可以在当前作用域链前端临时添加一个词法环境,从而在位置构建和使用新的作用域链。但是这方式问题也很显而易见:作用域链被加长了,除了被添加到前端的词法环境中的存储的变量外,其他变量的标识符解析性能都会变差。因此,我们应该减少with语句的使用。

总结

随着JavaScript语言的发展,语言中的作用域的种类也变得丰富起来,不再局限于函数作用域作为最小变量声明范围来使用,而是可以基于更小范围的跨级作用域来管理我们的变量引用范围。变量的管理变得更加的灵活、安全。

作用域链是作用域链嵌套的结构产物,所有变量标识符的解析和引用会沿着作用域链进行查找。而词法环境,是JavaScript对于作用域的内部技术实现。深入了解词法环境后,也让我们更清楚代码在解析变量标识符时的内部执行过程。也根据这个过程,我们大概总结出了两点关于作用域和变量使用的性能优化点。

作用域的使用作为每一位JavaScript开发人员的必修课,了解得深入才能在使用它的时候不再迷茫。它就像空气,存在于JavaScript的许多地方,值得我们去好好了解。

VScode中配置 C/C++ 环境,超级详细,问题分析全面,绝对好用 VScode中配置 C/C++ 环境,超级详细,问题分析全面,绝对好用 VScode中配置 C/C++ 环境 你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。 1. 下载编辑器VScode 1.官网:https://code.visualstudio.com/ 2. 安装VScode(建议附加任务全部勾选; 2. 下载编译器MinGW并解压 官网页面:https://www.mi 阅读详情

相关推荐

UE4项目迁移指南:如何无缝导入外部.uasset文件并保持材质关联

本文详细解析了将外部.uasset文件无缝导入UE4项目的专业方法。针对手动复制文件时常见的材质关联丢失问题,提供了使用引用查看器进行诊断和修复的实用技巧,并推荐使用引擎内置的“迁移”功能确保资源依赖关系的完整性,帮助开发者高效整合项目资源。

t8u9v0的博客 1047

如何理解js中的作用域与作用域链

大家好,我是IT修真院武汉分院第10期学员余佳贝,一枚正直善良的web程序员。 今天给大家分享一下,修真院官网js任务4,深度思考中的知识点——如何理解js中的作用域与作用域链 一.背景介绍 什么是作用域呢,简单的说,作用域就是变量与函数的可访问范围,即作用域控制着变量与函数的可见性和生命周期。在JavaScript中,变量的作用域有全局作用域和局部作用域两种。 二.知识剖析 1.全局作用域(Gl...

learning_web的博客 364

删除结点

对给定的单链表 L ,设计一个算法,删除 L 中值为 x 的结点的直接前驱结点。 1 由键盘输入值,换行表示输入结束,根据输入建立单链表。 2 输入链表中的一个元素值,从链表中删除这个元素的前驱结点。 3 对删除元素后的链表元素在屏幕上显示。 测试用例1 11 22 33 44 55 66 77↵ 44↵ 期待输出1 11 22 44 55 66 77↵ #include <iostre...

SChenlyx 1619

JS变量与作用域-2

1.作用域 变量起作用的区域或范围:变量的生命周期和能访问到变量的区域 全局作用域:函数体外部,函数内也可以访问,当所有的程序执行完毕才释放(全局变量会污染,尽量少写) 局部作用域:函数作用域,只能在函数体内部访问,函数执行完毕就释放 JS中没有块级作用域{…} function fn(){ var x = y = 1; } fn(); console.log(y); console.log(x); 结果为1 报错,在函数内部不用var声明的是全局变量,y可以输出 var name = 'xm'; fu

weixin_46143669的博客 153

自制《大侠狂想曲》修改器:内存修改、加速与一键安装全攻略

游戏修改器是玩家优化游戏体验的常用工具,其核心原理是通过内存修改技术,在游戏进程运行时动态改写数值。常见实现路径是借助Cheat Engine扫描并追踪数据地址,再通过编程语言调用系统API完成读写。这种技术能有效解决重复刷资源带来的枯燥感,特别适用于单机RPG中想快速体验多剧情线却不想重刷资源的情形。本文以《大侠狂想曲》为例,完整拆解了从CE定位金钱与好感度内存地址,到编写C#脚本实现游戏加速、一键增加铜钱与NPC好感度,再到用Inno Setup打包生成一键安装器的全过程,并总结了数值弹回、剧情不触发、

weixin_30368981的博客 1490

【StarRocks】-- DATETIME 与 TIMESTAMP 区别详解

本文详细解析了StarRocks中DATETIME/DATETIMEV2与TIMESTAMP的区别及使用场景。DATETIME系列存储人类可读时间,不携带时区;TIMESTAMP实际指Unix时间戳,建议用BIGINT存储。关键差异包括:精度选择(DATETIMEV2支持微秒级)、时区处理(仅函数计算时影响)、存储方式等。针对不同场景提供选型建议:单时区展示用DATETIMEV2,跨时区计算用BIGINT存储Epoch。特别强调与MySQL迁移时的注意事项,并给出常见问题解决方案和最佳实践清单,包括统一入口

欢迎来到我的博客,一起探索代码里的世界! 502

JS篇五:作用域/垃圾回收机制

简述:作用域如果理解的话其实非常简单,所以该篇幅对于小白或者基础偏弱的朋友有点用,具有编程基础的朋友可以直接跳过。介绍:‌范例‌: 三、局部作用域 ‌声明方式‌:在函数内部使用/在代码块(如语句、循环等)内部声明。 ‌特点‌:局部变量在函数或代码块被调用时创建,在函数或代码块执行完成后被销毁。 ‌访问‌:局部变量只能在它们被声明的函数或代码块内部访问。 ‌范例‌: 四、作用域链 ‌概念‌:作用域链是JavaScript中用于解析变量的机制。它决定了变量和函数的可见性和生命周期。 ‌工作原理

weixin_63022858的博客 1287

刚体转动欧拉方程:从理论到卫星姿态控制的实践

刚体转动欧拉方程是描述刚体旋转运动的基本动力学方程,在卫星姿态控制、机器人学、航空航天等领域有着广泛应用。本文将详细讲解欧拉方程的物理概念、数学推导、数值计算方法,并重点分析其在卫星姿态控制系统中的具体应用。

ScilogyHunter的博客 644

JS的变量和作用域

JS数据的存放  基本数据类型存在栈中,存放的数据都是长度固定的,空间较小,存放变量和引用。  引用数据类型存在对中,存储着对象。 栈内存 优点: 1,存取速度比堆快,仅次于CPU的寄存器。 缺点: 1,栈中数据大小固定。 2,生存期是确定的。 堆内存 优点: 1,可以动态的分配内存大小。 2,生存期不必事先告诉编译器,垃圾收集器会自动地收走不再用的数据。 缺点: 1,...

weixin_46278125的博客 198

数据分享】中国12.5m数字高程模型(DEM)数据(分省)

数据名称:ALOS 12.5m DEM 数据。数据名称:ALOS 12.5m DEM 数据。数据大小:61.5GB。空间分辨率:12.5m。数据大小:61.5GB。空间分辨率:12.5m。

JData_Engineer的博客 5393

第十五章数据管理成熟度评估【6’】(DAMA-CDGA 2022年以后历年模拟题真题汇总,基本包含所有考点。)

第十五章数据管理成熟度评估【6’】(DAMA-CDGA 2022年以后历年模拟题真题汇总,基本包含所有考点。)

JasonH2021的博客 406

JavaScript闭包深入理解函数作用域与内存管理

闭包是JavaScript中函数和声明该函数的词法环境的组合。当函数可以记住并访问所在的词法作用域时,就产生了闭包,即使函数是在当前词法作用域之外执行。inner函数保持对outer函数作用域的引用,形成闭包。outer函数执行结束后,其作用域仍被inner函数引用,不会被垃圾回收。理解闭包的作用域机制和内存管理特性,有助于编写更高效、可维护的JavaScript代码,同时避免常见的内存泄漏问题。### JavaScript闭包:深入理解函数作用域与内存管理。#### 现代JavaScript中的闭包。

cOtwBzry的博客 318

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

JS进阶(三) 闭包,作用域链,垃圾回收,内存泄露

1.闭包作用域 函数创建 创建函数 1、开辟一个堆内存(16进制的内存地址) 2、声明当前函数的作用域(再哪个上下文创建的,它的作用域就是谁) 3、把函数体内的代码当作字符串存储在堆内存当中(所以不执行没有意义) 4、把函数的堆内存地址类似对象一样放到栈中供对象调用 执行函数 1、会形成一个全新的私有上下文(目的是供函数中的代码执行),然后进栈执行 2、在私有上下文中有一个存放私有变量的变量对象 AO(xx) 3、在代码执行之前要做的事情 - 初始化它的作用域链<自己的上下文,函数的作用域> -

weixin_44160385的博客 907

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

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")

Web前端性能优化——编写高效的JavaScript

转载自:https://www.cnblogs.com/MarcoHan/p/5315361.html 前言 随着计算机的发展,Web 富应用时代的到来,Web 2.0 早已不再是用 div+css 高质量还原设计的时代。自 Gmail 网页版邮件服务的问世开始,Web 前端开发也开启了新的纪元。用户需求不断提高,各种新的技术层出不穷,前端工程师的地位也越来越重要。然而任何事物都是有两面性的,...

FKNIGHT 的博客 579

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

深度长文--从编译原理角度深度 JavaScript 的作用域

做前端开发快八年了。说实话,有很长一段时间,我觉得自己什么都会一点——React 能写,Vue 能写,Node 也能写。但真要让我说清楚"闭包到底是什么"或者"Event Loop 完整执行顺序",话到嘴边又觉得讲不透。我相信很多人跟我有同样的感觉:瓶颈期。什么都能干,但深入一步就有点虚。这个系列就是我对这些年积累的系统复盘。从 JavaScript 最底层的概念出发——作用域、原型、类型、异步——把那些"似懂非懂"的东西彻底掰开讲清楚。

专注前端领域,深耕 Vue/React、工程化与性能优化。博客记录技术探索、源码解读与实战方案,分享靠谱的前端干货。 275

JavaScript闭包深入剖析:性能剖析与优化技巧

在 JavaScript 中,闭包是指函数和其周围状态(词法环境)的引用捆绑在一起形成的组合。简单来说,当一个函数内部定义了另一个函数,并且内部函数访问了外部函数作用域中的变量时,就形成了闭包。闭包使得内部函数可以在外部函数执行完毕后,仍然访问和操作外部函数作用域中的变量。let outerVariable = '我是外部变量';// 输出: 我是外部变量在这个例子中,是的内部函数,它访问了外部函数的变量。当执行完毕并返回后,仍然可以访问,这就是闭包的体现。

李游的博客 1301

作用域、作用域链

作用域: 简单来说,在一定的空间里可以对数据进行读写操作,这个空间就是数据的作用域。 JS中最常见的就是变量的作用域。 变量的作用域分为两种:全局变量和局部变量。 全局作用域: 最外层函数定义的变量拥有全局作用域,即对任何内部函数来说,都是可以访问的; 局部作用域: 局部作用域一般只在固定的代码片段内可访问到,而对于函数外部是无法访问的,最常见的例如函数内部。 块级作用域:ES6新增 作用域链: 当代码在一个环境中执行时,会创建变量对象的一个作用域链。 由子级作用域返回父级作用域中寻找变量,就叫做作用域链

m0_48982503的博客 225

JavaScript 闭包原理和实践深度解析

摘要:本文深入解析JavaScript闭包的原理和实践,从词法作用域、作用域链和GC机制出发,揭示闭包本质是函数能访问其词法作用域外的变量。通过计数器、模块模式、循环陷阱等典型场景展示闭包应用,分析内存泄漏和性能优化策略。文章指出闭包是现代JS框架的基石,建议优先使用let/const,在React等框架中合理运用闭包特性,同时注意避免滥用导致的内存问题。最后提供调试工具使用建议和学习资源指引。

likuolei的博客 368

Javascript之预解析

js引擎运行js分为两步:预解析、代码执行。(面试考点) 预解析:js引擎会把js里面所有的 var 还有 function 提升到当前作用域的最前面; 代码执行:按照代码书写的顺序从上往下执行。 预解析分为变量预解析(变量提升)和函数预解析(函数提升)。 变量提升:就是把所有的变量声明提升到当前的作用域最前面,不提升赋值操作。 函数提升:就是把所有的函数声明提升到当前作用域最前面,不调用函数。 之后再用作用域链的方式查找函数,(作用域链:就是内部函数访问外部函数的变量,采用的是链式..

weixin_48879289的博客 284

理解 JavaScript 作用域和作用域链

作用域是JavaScript最重要的概念之一,想要学好JavaScript就需要理解JavaScript作用域和作用域链的工作原理。今天这篇文章对JavaScript作用域和作用域链作简单的介绍,希望能帮助大家更好的学习JavaScript。 JavaScript作用域 任何程序设计语言都有作用域的概念,简单的说,作用域就是变量与函数的可访问范围,即作用域控制着变量与函数的可见性和生...

diaotang0080的博客 99

3js掌握核心-深度剖析js底层原理面试题

BAT笔试题中关于堆栈内存和闭包作用域的题 第一题 function Foo() { getName = function() { console.log(1); } return this } Foo.getName = function() { console.log(2); } Foo.prototype.getName = function() { console.log(3); } var getName = function() {

weixin_42945998的博客 2194

JS 之 引擎运行原理

今天跟大家分享下JS 之 引擎运行原理的知识。 1 一些名词 JS引擎 — 一个读取代码并运行的引擎,没有单一的“JS引擎”;,每个浏览器都有自己的引擎,如谷歌有V。 作用域 — 可以从中访问变量的“区域”。 词法作用域— 在词法阶段的作用域,换句话说,词法作用域是由你在写代码时将变量和块作用域写在哪里来决定的,因此当词法分析器处理代码时会保持作用域不变。 块作用域 — 由花括号{}创建的范围 作...

Happy Simon 667
上一篇: js函数式编程讲解
下一篇: js进阶手写常见函数
hellocoder2029
博客等级 码龄4年 15粉丝 80原创
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