【React的特性&事件&表单的使用&函数组件】

本文详细介绍了React的核心特性,包括ref、key、children和dangerouslySetInnerHTML的使用。接着讲解了React事件处理机制,强调了合成事件、事件处理函数的this绑定以及阻止默认事件的方法。在表单部分,阐述了受控组件和非受控组件的概念,以及如何在React中管理和同步表单状态。最后,提到了函数组件在React16.7之前的限制,并引入了React Hooks,特别是useState Hook在状态管理中的应用。

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

一、React的特性

1、ref:使用createRef创建ref,把该ref和节点进行绑定

2、key:列表在输出元素时,每个列表项需要有key属性。主要作用在构建虚拟的DOM时,进行新旧的区分

3、children:用于传递组件内部要渲染的内容。通过props.children接收父组件传过来的要渲染的内容

4、dangerouslySetInnerHTML:在React元素中直接添加InnerHTML

二、React的事件

1、react使用的是合成事件而非原生的DOM事件。在react中给元素添加事件类似于行间事件

(1)行间事件:事件名称纯小写,事件接收的是字符串

<button οnclick=“事件处理函数名”>提交</button>

(2)React类似于行间事件:事件名称采用驼峰命名法,可以通过JSX插值表达式放入函数

<button onClick={ this.clickHandler }>点击</button>

2、在React中添加事件时要注意的问题

(1)事件处理函数是没有绑定this:即在事件处理函数中this为undefined

(2)若在事件处理函数中要使用this,可以将该事件处理函数变成箭头函数,或者通过bind函数绑定this

(3)获取事件源:

clickHandler=(e)=>{
console.log(e.target) //输出事件源
}

(4)在React中阻止默认事件不能使用return false,必须使用event.preventDefault()

e.preventDefault()

三、表单的使用

1、将组件的状态(state)与表单的状态进行绑定:当组件的state发生改变时修改表单的状态,或者表单的状态被改变时通过setState修改组件的状态,这样就形成了组件对表单控件的控制—受控组件

(1)输入类型的表单控件,控制的是value属性

(2)单选框和复选框控制的是checked属性

2、受控组件:实现组件的状态和表单控件状态的同步(间接实现了双向绑定)

3、非受控组件:组件的状态和表单控件状态不同步(只是表单控件的初值和组件的state一致)。无需添加onChange事件,对于输入型表单控件使用defaultValue,对于复选框和单选框使用defaultChecked.

四、函数组件

函数组件 :一个函数就是一个组件(简易组件)。函数的第一个参数是父级组件传过来的props,返回值是该组件 要输出的视图。

1、在react16.7之前函数组件中不能定义state,也没有生命周期。一般作为纯展示组件使用。又称为无状态组件

2、类组件的缺点:

(1)关于this的绑定问题

(2)很多业务逻辑写在生命周期函数componentDidMount,这样是组件变得复杂并难以维护

3、React Hooks:React16.8开始使用。本质是一个特殊的函数,提供很多个内置的Hook,来帮助开发者实现很多只能在类组件中使用的功能。

(1)useState:通过该Hook,开发者可以在函数组件中使用state.

语法:const [state,setState] = useState(initialState)

该方法的第一个参数’initialState’:是state的初始值,该方法返回的是一个数组
该数组的第一个元素(索引为0的元素)是state的具体值,该数组的第二个元素(索引为0的元素)是一个方法,用来更新state值,然后引起视图的更新

注意的问题:

a、useState的返回setState方法是同类组件的setState,是一个异步方法,需要组件更新后state的值才能变成新值

b、useState返回的setState方法不能像类组件中的setState方法来更改多个属性的值

c、在函数组件中可以使用useState创建多个state

### RT-DETRv3 网络结构分析 RT-DETRv3 是一种基于 Transformer 的实时端到端目标检测算法,其核心在于通过引入分层密集正监督方法以及一系列创新性的训练策略,解决了传统 DETR 模型收敛慢和解码器训练不足的问题。以下是 RT-DETRv3 的主要网络结构特点: #### 1. **基于 CNN 的辅助分支** 为了增强编码器的特征表示能力,RT-DETRv3 引入了一个基于卷积神经网络 (CNN) 的辅助分支[^3]。这一分支提供了密集的监督信号,能够与原始解码器协同工作,从而提升整体性能。 ```python class AuxiliaryBranch(nn.Module): def __init__(self, in_channels, out_channels): super(AuxiliaryBranch, self).__init__() self.conv = nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=1) self.bn = nn.BatchNorm2d(out_channels) def forward(self, x): return F.relu(self.bn(self.conv(x))) ``` 此部分的设计灵感来源于传统的 CNN 架构,例如 YOLO 系列中的 CSPNet 和 PAN 结构[^2],这些技术被用来优化特征提取效率并减少计算开销。 --- #### 2. **自注意力扰动学习策略** 为解决解码器训练不足的问题,RT-DETRv3 提出了一种名为 *self-att 扰动* 的新学习策略。这种策略通过对多个查询组中阳性样本的标签分配进行多样化处理,有效增加了阳例的数量,进而提高了模型的学习能力和泛化性能。 具体实现方式是在训练过程中动态调整注意力权重分布,确保更多的高质量查询可以与真实标注 (Ground Truth) 进行匹配。 --- #### 3. **共享权重解编码器分支** 除了上述改进外,RT-DETRv3 还引入了一个共享权重的解编码器分支,专门用于提供密集的正向监督信号。这一设计不仅简化了模型架构,还显著降低了参数量和推理时间,使其更适合实时应用需求。 ```python class SharedDecoderEncoder(nn.Module): def __init__(self, d_model, nhead, num_layers): super(SharedDecoderEncoder, self).__init__() decoder_layer = nn.TransformerDecoderLayer(d_model=d_model, nhead=nhead) self.decoder = nn.TransformerDecoder(decoder_layer, num_layers=num_layers) def forward(self, tgt, memory): return self.decoder(tgt=tgt, memory=memory) ``` 通过这种方式,RT-DETRv3 实现了高效的目标检测流程,在保持高精度的同时大幅缩短了推理延迟。 --- #### 4. **与其他模型的关系** 值得一提的是,RT-DETRv3 并未完全抛弃经典的 CNN 技术,而是将其与 Transformer 结合起来形成混合架构[^4]。例如,它采用了 YOLO 系列中的 RepNCSP 模块替代冗余的多尺度自注意力层,从而减少了不必要的计算负担。 此外,RT-DETRv3 还借鉴了 DETR 的一对一匹配策略,并在此基础上进行了优化,进一步提升了小目标检测的能力。 --- ### 总结 综上所述,RT-DETRv3 的网络结构主要包括以下几个关键组件:基于 CNN 的辅助分支、自注意力扰动学习策略、共享权重解编码器分支以及混合编码器设计。这些技术创新共同推动了实时目标检测领域的发展,使其在复杂场景下的表现更加出色。 ---
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