Ruby元编程 打破private protected限制

本文介绍了一种通过元编程技术实现对私有方法的安全调用方案。通过动态创建子类并委托调用父类的私有或受保护方法,避免了直接暴露这些方法的风险。此外,还提供了一个具体的示例类`A`,展示了如何使用此类方法安全地调用私有方法。
需求源于分离职责, 对一些涉及多个model的业务,专门分出一个service层来负责,一个service的方法就是装配不同model提供的方法,这些model的方法应该只能被service调用,而不能被controller调用,那就将这些方法设置为private或者protected(绝对限制是做不到的,起码跟普通方法有所区别,不能直接调用),外部只能用send来调用,但如果调用多的话,一是难看且麻烦,二是影响性能,那就meta programming一下吧

思路是动态产生调用者类的子类,然后委托该子类调用父类的private或protected方法,如果调用者是单件类(metaclass)的话那就到此结束了,但如果是实例,调用private方法还是不行,那就是保存实例到子类对象中,同时打开实例类,生成private方法的一个代理,然后子类调用保存的实例调用代理方法,代码与例子如下


=begin
Example:

class A
class << self
private
def t1
"t1"
end
end

def initialize(a = nil)
@a = a
end
private
def t1
@a
end
end


A.extend(BreakProtect) #or class A; include BreakProtect; end
p A.break_protect.t1
p A.new("leon").break_protect.t1 # or for reuse, a = A.new("leon").break_protect; a.t1
=end

module BreakProtect
def self.extended(obj)
set_sub(obj)
end
def self.included(obj)
set_sub(obj)
end
def self.set_sub(obj)
obj.class_eval %{
class #{obj.to_s}_Sub < #{obj.to_s}
def initialize(parent)
@parent = parent
end
def self.method_missing(method_id, *args)
class_eval %\{
def self.#\{method_id\}(*args)
@parent.nil? ? super : @parent.#\{method_id\}
end
\}
send(method_id, *args)
end
def method_missing(method_id, *args)
if private_methods.include?(method_id.to_s)
instance_eval %\{
class ::#{obj.to_s}
def #\{method_id\}_to_protect(*args)
#\{method_id\}
end
protected :#\{method_id\}
end
def #\{method_id\}(*args)
if @parent.nil?
super
else
@parent.#\{method_id\}_to_protect
end
end
\}
else
instance_eval %\{
def #\{method_id\}(*args)
@parent.nil? ? super : @parent.#\{method_id\}
end
\}
end
send(method_id, *args)
end
end
def break_protect
#{obj.to_s}_Sub.new(self)
end
def self.break_protect
#{obj.to_s}_Sub
end
}
end
end
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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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