面向对象与面向过程的区别?

本文通过生动的比喻探讨了面向对象编程与面向过程编程的区别。从初始设计到后期维护,详细分析了两种编程范式的优劣,并讨论了它们适用的不同场景。

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

面向对象与面向过程的区别

看代码时,想到个比喻,在这里记一下,
假如 面向过程 与面向对象 是2个陌生人,
面向过程一开始让人看起来平易近人, 好相处, 但相处久了,就会发现他各种与你合不来的地方, 各种缺点, 想绝交吧,这么多年的朋友, 太可惜。
– 代码量少,就几个方法,调用一下,简单直观, 符合一般思维逻辑。
– 随着时间推移,不断有新需求加进来, 代码增多,逻辑分叉增多,代码 越来越难以理解,因为很多东西混在一起, 甚至互相影响, 改起来费事, 改一个地方,影响很多地方,很多地方都需要重新测试,意味着改动成本越来越大。 有时只是进行一个小改动,你得把整个代码都读懂搞明白, 把各个逻辑都搞清楚,才能改, 不然谁知道会影响到谁。 想推到重来, 成本太大。

面向对象一开始让人看起来比较难相处,难理解, 但如果深入了解后,你会慢慢发现以前没发现的优点, 使你更想与这个朋友相处。
– 一开始设计,也费事,考虑封装哪些变化,考虑抽象那些实体,那些行为。 这个接口,那个类的,代码分散在各个类里,看起来费劲,难以理解, 不符合一般逻辑思维,类/接口多,代码也多
– 但随着时间推移, 新需求,新改动加进来后, 各管各的, 互不影响, 甚至加了新逻辑,老的逻辑都不用测,因为没有影响, 改起来也很容易, 不用担心影响其它地方。
代码后期维护理解也容易得多, 因为各个逻辑分支,没有影响,就没有与老的逻辑的叠加。 另外面向对象让你的设计更加优雅 也算是个好处吧。

面向对象编程适合大型长期性的业务型设计开发。
面向过程适合小型,快速的计算型任务开发。
项目如果需要好的维护性,面向对象是更好的选择。

但现在好像开始流行函数式编程,函数式编程 是支持闭包,还是不变性, 代码简洁,这对 快速开发或分布式环境 有吸引力, 所以java 8 加入了stream , function 等工具包, 可以说是对面向对象的一种能力扩展吧。

函数式(流式)编程与面向对象编程并不冲突,除了函数式编程要求里面的值有不变性这个限制, 2者可以互相补充, 可以完美结合。

现实是,现在大型长期应用开发需求已经满足的差不多了, 分布式开发,快速开发需求在增长。 所以函数式编程开始流行了。
对于分布式大型应用开发, 我看需要面向对象+函数式编程挺适合, :)

### 部署 Stable Diffusion 的准备工作 为了成功部署 Stable Diffusion,在本地环境中需完成几个关键准备事项。确保安装了 Python 和 Git 工具,因为这些对于获取源码和管理依赖项至关重要。 #### 安装必要的软件包和支持库 建议创建一个新的虚拟环境来隔离项目的依赖关系。这可以通过 Anaconda 或者 venv 实现: ```bash conda create -n sd python=3.9 conda activate sd ``` 或者使用 `venv`: ```bash python -m venv sd-env source sd-env/bin/activate # Unix or macOS sd-env\Scripts\activate # Windows ``` ### 下载预训练模型 Stable Diffusion 要求有预先训练好的模型权重文件以便能够正常工作。可以从官方资源或者其他可信赖的地方获得这些权重文件[^2]。 ### 获取并配置项目代码 接着要做的就是把最新的 Stable Diffusion WebUI 版本拉取下来。在命令行工具里执行如下指令可以实现这一点;这里假设目标路径为桌面下的特定位置[^3]: ```bash git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git ~/Desktop/stable-diffusion-webui cd ~/Desktop/stable-diffusion-webui ``` ### 设置 GPU 支持 (如果适用) 当打算利用 NVIDIA 显卡加速推理速度时,则需要确认 PyTorch 及 CUDA 是否已经正确设置好。下面这段简单的测试脚本可以帮助验证这一情况[^4]: ```python import torch print(f"Torch version: {torch.__version__}") if torch.cuda.is_available(): print("CUDA is available!") else: print("No CUDA detected.") ``` 一旦上述步骤都顺利完成之后,就可以按照具体文档中的指导进一步操作,比如调整参数、启动服务端口等等。整个过程中遇到任何疑问都可以查阅相关资料或社区支持寻求帮助。
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