墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
1.2k累计阅读
1.2k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
今天在看《软件设计精要与模式（第2版）》这本书，书中对面向对象有一个非常形象的比喻，摘录下来，和所有人
分享：
面向对象思想就像是法理的精神，设计原则则相当于基本宪法，而设计模式就好比是各式各样的成文法了。
《软件设计精要与模式（第2版）》确实是一部难得的佳作。上周在图书馆借书的时候，我第一眼就在新书架上发现
了这本书，翻开第1页还没有看完，我就知道这是部绝对值得一读的好书，立马借出来，极力推荐大家去读一读。
附两个网址：
作者张逸先生的博客：
http://www.cnblogs.com/wayfarer/
免费升级哨兵2号分辨率！用SRCNN深度学习模型实现10米→2.5米超分重建
本文详细介绍了如何利用SRCNN深度学习模型，将哨兵2号遥感影像的分辨率从10米免费提升至2.5米。文章提供了从数据准备、模型训练到部署应用的全流程实战指南，旨在通过AI应用技术，为农业监测、城市规划等领域提供更高精度的影像数据支持。
关于面向对象中接口和抽象类的一个比喻
1.飞机会飞，鸟会飞，他们都继承了同一个接口“飞”；但是F22属于飞机抽象类，鸽子属于鸟抽象类。 2. 就像铁门木门都是门（抽象类），你想要个门我给不了（不能实例化），但我可以给你个具体的铁门或木门（多态）； 而且只能是门，你不能说它是窗（单继承）；一个门可以有锁（接口）也可以有门铃（多实现）。 门（抽象类）定义了你是什么，接口（锁）规定了你能做什么（一个接口最好只能做一件事，你不能要求锁也能发出声音吧（接口污染））。
简单易懂的AXI_Lite 总线详解
简单易懂的AXI_Lite 总线详解 1、前言 AXI_LITE协议主要应用于Xilinx的ZYNQ芯片构架下的ARM和FPGA之间的数据读写，更偏向于单个寄存器的读写。 2、AXI总线与ZYNQ的关系 AXI（Advanced eXtensible Interface）本是由ARM公司提出的一种总线协议，Xilinx从6系列的FPGA开始对AXI总线提供支持，此时AXI已经发展到了AXI4这个版本，所以当你用到Xilinx的软件的时候看到的都是“AIX4”的IP，如Vivado打包一个AXI IP的时候，
面向对象编程（OOP）理解
面向对象与叫化鸡比喻 面向对象的比喻实在太多了。不知哪个比喻更能让你明白呢？ 理解面向对象编程 (Object Oriented Programming 简称OOP) 所谓"面向对象编程",其实指的是一种编程思想模式。与之对应的是"面向过程编程"。 两者有什么区别？ 我们先展开一下想象,话说你想请洪七公吃叫化鸡。 按照现代的做法，是将一只鸡杀死拔毛之后清洗干净鸡腔内脏，并在里面填充
别再只会插拔了！深入Linux内核，手把手调试USB热插拔中断（以高通平台为例）
本文深入探讨了Linux内核中USB热插拔中断的调试方法，特别针对高通平台提供了详细的实战指南。从硬件基础到内核机制，再到中断调试工具和常见问题排查，帮助开发者系统性地解决USB设备识别问题。通过监控中断状态、分析处理流程和高级调试技巧，提升USB热插拔的稳定性和性能。
从零到一：ASTER L2数据获取的实战避坑指南
本文提供了一份详细的ASTER L2数据获取实战指南，涵盖账号注册、环境配置、数据检索、下载故障排除及后处理等关键步骤。特别针对NASA EarthData平台的隐形门槛和常见陷阱，给出了实用解决方案，帮助科研新手高效获取地表温度数据，适用于环境监测和城市热岛效应分析等领域。
面向对象三大特点的理解---比喻的很形象
封装: 首先,属性可用来描述同一类事物的特征,行为可描述一类事物可做的操作, 封装就是要把属于同一类事物的共性(包括属性与行为)归到一个类中,以方便使用. 比如人这个东东,可用下面的方式封装: 人{ 年龄(属性一) 身高(属性二) 性别(属性三) 做事(行为之一) 走路(行为之二) 说话(行为之三) } 继承: 由于封装,使得有共同特征的一类事物的所有描述
【学习系列】SAP RAP 2：创建第一个RAP应用
本文介绍了从零开始创建基于SAP RAP（ABAP RESTful Application Programming Model）的Fiori应用的完整流程。首先说明了学习RAP需要结合官方文档和教程，并提供了相关资源链接。文章详细讲解了开发环境的准备要求，包括系统版本、开发工具和基本知识。重点演示了如何通过8个步骤创建支持CRUD操作和草稿功能的RAP应用：1)创建数据库表；2)定义CDS视图实体；3)创建投影视图；4)定义行为；5)创建行为投影；6)定义服务；7)绑定服务；8)添加UI注解。
面向过程和面向对象的区别--【形象比喻说明】
面向过程和面向对象的形象比喻！！（看完必懂） 面向过程和面向对象的区别 初学编程语言，我们知道：C语言是面向过程的，C++是一半面向过程，一半面向对象，java是面向对象的，那么”面向对象“和”面向过程“这两个概念的根本区别是啥呢？ ...
02 HCM CPI SF集成-组织集成（一）
将员工主数据和组织数据从SAP Successfactors Employee CentraI复制到SAPERP或SAP S/4HANA,SAP SF CPI HCM集成
华为OD机试双机位C卷:打印机队列 (C++/Py/C/Java/Js/Go)
华为OD机试双机位C卷 打印机队列，提供C语言、Java、C++、Python、Go、JavaScript源码实现，并提供完整思路讲解。华为OD机试 - 打印机队列。
面向对象的理解
一. 面向过程和面向对象的区别 面向过程 面向对象 面向对象的特点：继承、多态、封装 面向过程和面向对象的对比 优点 缺点 应用 面向对象 易维护、易复用、易扩展，由于面向对象有封装、继承、多态性的特性,可以设计出低耦合的系统，使系统更加灵活、更加易于维护 性能比面向过程低 适合程序复杂、多人合作 面向过程（按步骤） 性能比面向对象高,适合跟硬件联系很紧密的...
YOLOv8实战教程：从模型训练到改进的全流程指南
回顾这段YOLOv8的实战历程，从最初的模型训练到后来的各种改进尝试，我深刻体会到目标检测技术的魅力与挑战。YOLOv8作为一款优秀的框架，不仅易用性强，而且具备很强的可扩展性，让我能在其基础上不断创新。未来，我计划在以下几个方向继续探索：一是将YOLOv8与多模态技术结合，尝试实现图像与文本的联合目标检测；二是深入研究自监督学习在YOLOv8中的应用，减少对标注数据的依赖；三是探索YOLOv8在更广泛场景的部署，如机器人、自动驾驶等。
JS中面向对象和面向过程的区别
前言 要搞懂面向对象和面向过程的区别，我们首先要了解什么是面向对象。什么是面向过程。 面向对象 面向对象的方法主要是把事物给对象化，包括其属性和行为。面向对象编程更贴近实际生活的思想。总体来说面向对象的底层还是面向过程，面向过程抽象成类，然后封装，方便使用就是面向对象（万物皆对象）。 面向过程 面向过程是一种以过程为中心的编程思想。这些都是以什么正在发生为主要目标进行编程，不同于面向对象的是谁在受影响。与面向对象明显的不同就是封装、继承、类。简写为POP 之前在那篇博客上看到这个比喻，觉得特别恰当，挺容
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');```[](https://bitdeli.com/free "Bitdeli Badge")
RU DOS版、EFI版32bit/64bit BIOS常用工具
DOS版、EFI版的RU工具，可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。
面向对象程序设计
1. 面向对象是相对于面向过程的，比如你要充话费，你会想，可以下个支付宝，然后绑定银行卡，然后在淘宝上买卡，自己冲，这种种过程。但是对于你女朋友就不一样了，她是面向“对象”的，她会想，谁会充话费呢？当然是你了，她就给你电话，然后你把之前的做了一遍，然后她收到到帐的短信，说了句，亲爱的。这就是面向对象！女的思维大部分是面向“对象”的！她不关心处理的细节，只关心谁可以，和结果！ 2. ...
锂电池充电器电路设计 里面有电路
锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。
面向对象与面向过程的理解
一、面向对象的特点 什么是对象，简单来说对象就是现实世界存在的任何事务都可以称之为对象，有着自己独特的个性。 用思维导图来简洁表示一下就是这样： 面向对象就是构成问题事务分解成各个对象，建立对象的目的不是为了完成一个步骤，而是为了描叙某个事物在整个解决问题的步骤中的行为。 二、面向过程的特点 什么是过程，我认为过程就是步骤，是解决问题的按部就班。 面向过程用图片表示： 面向过程不同于面向对象，面向过程分析出解决问题所需要的步骤，然后用函数把这些步骤一步一步实现，使用的时候一个一个依次调用就
关于面向对象和面向过程本质的区别（个人感悟）
前言： 接触面向对象的概念也差不多两年了，对于面向对象也有着自己的一些感悟，期间也看到过面向过程的一些文章，但总是对于两种思想没有明确的区别概念，刚好今天在某篇博客上看到对于两者的区别。所以便写下这篇博客来记录下感悟。 一、面向对象的特点 什么是对象，简单来说对象就是现实世界存在的任何事务都可以称之为对象，有着自己独特的个性。 用思维导图来简洁表示一下...
关于面向对象和面向过程的本质区别（转载）
前言： 接触面向对象的概念也差不多两年了，对于面向对象也有着自己的一些感悟，期间也看到过面向过程的一些文章，但总是对于两种思想没有明确的区别概念，刚好今天在某篇博客上看到对于两者的区别。所以便写下这篇博客来记录下感悟。 一、面向对象的特点 什么是对象，简单来说对象就是现实世界存在的任何事务都可以称之为对象，有着自己独特的个性。 用思维导图来简洁表示一下就是这样： ...
面向对象和面向过程的区别
前言： 接触面向对象的概念也差不多两年了，对于面向对象也有着自己的一些感悟，期间也看到过面向过程的一些文章，但总是对于两种思想没有明确的区别概念，刚好今天在某篇博客上看到对于两者的区别。所以便写下这篇博客来记录下感悟。 一、面向对象的特点 什么是对象，简单来说对象就是现实世界存在的任何事务都可以称之为对象，有着自己独特的个性。 用思维导图来简洁表示一下就是这样： 面向对象就是构成问题事务分解成各个对象，建立对象的目的不是为了完成一个步骤，而是为了描...
你真的知道面向过程和面向对象的区别吗？
在面试时经常会被问到面向过程和面向对象有什么区别，虽然都是编程的一种思想，但是他们的侧重点不同，我们从以下几个方面进行简单总结。 1. 面向过程 面向过程是一种以事件为中心的编程思想，编程的时候把解决问题的步骤分析出来，然后用函数把这些步骤实现，在一步一步的具体步骤中再按顺序调用函数。 举个例子，下五子棋，面向过程的设计思路是首先分析解决这个问题的步骤： （1）开始游戏（2）黑子先走（3）绘制画面（4）判断输赢（5）轮到白子（6）绘制画面（7）判断输赢（8）返回步骤 （9）输出最后结果。 用函数实现上面一
面向过程与面向对象的区别及优势和弊端
版权声明：本文为优快云博主「宋宋丶」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.youkuaiyun.com/MillionSong/article/details/104595623 面向过程与面向对象的区别 面向过程：(Procedure-Oriented Programming（面向过程程序设计），简记为POP)，一种以过程为中心的编程思想。 面向对象：（Object Oriented Programming（面向对象程序设计），简记
关于面向对象和面向过程的认识
一、面向对象的特点 什么是对象，简单来说对象就是现实世界存在的任何事务都可以称之为对象，有着自己独特的个性。 用思维导图来简洁表示一下就是这样： 面向对象就是构成问题事务分解成各个对象，建立对象的目的不是为了完成一个步骤，而是为了描叙某个事物在整个解决问题的步骤中的行为。 二、面向过程的特点 什么是过程，我认为过程就是步骤，是解决问题的按部就班。 面向过程用图片表示： 面向过程不同于面向对象，面向过程分析出解决问题所需要的步骤，然后用函数把这些步骤一步一步实现，使用的时候一个一个依次调用
面向对象＜一＞思想篇
目录面向对象编程<一>：大象入冰箱一、前言二、面向过程与面向对象2.1、面向过程（POP）2.2、面向对象（OOP）2.3、面向过程VS面向对象？2.4、把大象装进冰箱需要几步？ 面向对象编程<一>：大象入冰箱 一、前言 这两天系统学完了Java面向对象编程的知识内容，觉得有必要记录一下，不只是为了分享更是为了自己巩固，废话不多说，面向对象内容将分为4个环节来写： 一、面向对象的思想（也就是本文）； 二、类及对象； 三、Java面向对象的三大特征：封装性，继承性与多态性； 四、Jav
架构师之路(1)---面向过程和面向对象
1、引言 机算机科学是一门应用科学，它的知识体系是典型的倒三角结构，所用的基础知识并不多，只是随着应用领域和方向的不同，产生了很多的分支，所以说编程并不是一件很困难的事情，一个高中生经过特定的训练就可以做得到。但是，会编程和编好程绝对是两码事，同样的程序员，有的人几年之后成为了架构师，有的人却还在不停地coding，只不过ctrl-c、ctrl-v用得更加纯熟了。在中国，编程人员最
面向过程和面向对象
1、引言 机算机科学是一门应用科学，它的知识体系是典型的倒三角结构，所用的基础知识并不多，只是随着应用领域和方向的不同，产生了很多的分支，所以说编程并不是一件很困难的事情，一个高中生经过特定的训练就可以做得到。但是，会编程和编好程绝对是两码事，同样的程序员，有的人几年之后成为了架构师，有的人却还在不停地coding，只不过ctrl-c、ctrl-v用得更加纯熟了。在中国，编程人员最终的归途
心得 : 面向对象和面向过程的区别【分享】
面向对象：用线性的思维。与面向过程相辅相成。在软件开发过程中，宏观上，用面向对象来把握事物间复杂的关系，分析系统。微观上，仍然使用面向过程。 “面向过程”是一种是事件为中心的编程思想。就是分析出解决问题所需的步骤，然后用函数把这写步骤实现，并按顺序调用。 ”面向对象“是以“对象”为中心的编程思想。 简单的举个例子：汽车发动、汽车到站。汽车启动是一个事件，汽车...
Java入门姿势【面向对象：1】啥事面向对象、类和对象如何理解
面向对象是编程开发的一种编程范式。 这次我们来详细了解一下Java面向对象，面向对象的思想已经涉及到软件开发的各个方面，如：面向对象的分析，面向对象的设计、以及我们经常说的面向对象的编程实现 其余的一些更加详细的解释在这里我就不在描述了，在百度上已经非常详细啦。 面向对象是一种开发范式，既然是开发范式那就不得不说一下面向过程，通过两者的比对你将会更加了解这种开发范式。 学习教程推荐： 1.北京高淇Java300集（Java强烈推荐）Java300集零基础适合初学者视频教程_Java300集
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
523
扫一扫
