javascript原型链剖析

本文详细剖析了JavaScript中实例对象p的age属性值为何获取到的是undefined,通过追踪原型链的过程,解释了属性查找机制,并揭示了Object.prototype.__proto__为null的原因。

剖析p.age属性值的获取过程,为何最终得到undefined?

class Person {
	constructor() {
		this.name = 'zhangshan';
	}

	say(str) {
		console.log(str);
	}
}

let p = new Person();

console.log(p.age); //undefined
第一步:在p对象自身找,但是没有找到age属性
// p对象
{
	name: 'zhangshan'
	__proto__: Person.prototype
}
第二步:顺着原型链在p.__proto__(也就是Person.prototype)上找,还是没有找到age属性
// p.__proto__ === Person.prototype  //true
{
	constructor: class Person
	say: ƒ say(str)
	__proto__: Object
}
第三步:顺着原型链在p.__proto__.__proto__(也就是Object.prototype)上找,还是没有找到age属性
// p.__proto__.__proto__ === Object.prototype  //true
{
	constructor: ƒ Object()
	hasOwnProperty: ƒ hasOwnProperty()
	isPrototypeOf: ƒ isPrototypeOf()
	propertyIsEnumerable: ƒ propertyIsEnumerable()
	toLocaleString: ƒ toLocaleString()
	toString: ƒ toString()
	valueOf: ƒ valueOf()
	__defineGetter__: ƒ __defineGetter__()
	__defineSetter__: ƒ __defineSetter__()
	__lookupGetter__: ƒ __lookupGetter__()
	__lookupSetter__: ƒ __lookupSetter__()
	get __proto__: ƒ __proto__()
	set __proto__: ƒ __proto__()
}
第四步:顺着原型链在p.__proto__.__proto__.__proto__(也就是Object.prototype.__proto__)上找,发现Object.prototype.__proto__为null,于是宣布寻找失败,返回undefined
// p.__proto__.__proto__.__proto__ === Object.prototype.__proto__  //true
null

如何证明实例对象p与 Object.prototype的原型继承关系?

在Object.prototype对象上新增一个属性,在实例化对象上能成功访问到该属性,便能证明继承关系

Object.prototype.age = 10;
console.log(p.age); // 10

原型链取值图在这里插入图片描述

Object.prototype.__proto__为什么会是null?

可以看到下面这些构造函数的原型对象都是由Object构造函数实例化出来的
理论上来讲Object.prototype.__proto__也应该是一个对象,也应该是由Object实例化出来的,但是这样会导致原型链变成一个死循环,出于这个考虑Object.prototype.__proto__被定义为null

Function.__proto__ === String.__proto__  // true
String.__proto__ === Number.__proto__  // true
Number.__proto__ === Object.__proto__ // true
Object.__proto__ === Function.__proto__  // true

Function.prototype.__proto__ === String.prototype.__proto__  // true
String.prototype.__proto__ === Number.prototype.__proto__  // true
Number.prototype.__proto__ === Object.prototype.__proto__ // false
Object.__proto__ === Function.prototype.__proto__   // false
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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