python-反射

#-*- coding=utf-8 -*-

class Person(object):
    def __init__(self, name):
        self.name = name

    def eat(self, food):
        print("%s want to eat %s"%(self.name, food))

if __name__ == '__main__':
    p = Person("Tom")
    choice = input(":>>").strip()
    print(choice)

    #解决问题:通过字符串映射或修改程序运行时的状态、属性、方法, 外部输入的为字符串,而对象不是字典,无法像调用对象那样进行调用
    # 初步方法
    # 使用if 匹配字符串为函数名则 使用对象obj来进行调用对应的方法, 该方法不建议使用 方法多的情况下 代码重复性太高
    if choice == "eat":
        p.eat("rice")

    #使用反射
    #1、根据字符串进行hasattr(obj, name_Str)是否存在对应字符串的方法,存在则返回True 不存在则返回False
    #2、使用getattr(obj, name_str) 获取其对应方法的地址, 使用func临时变量接收,fun(argments)进行调用
    if hasattr(p, choice):
        func = getattr(p, choice)
        func("rice")

    #3.1、若想添加类中没有的方法,则可以使用setattr(x,y,v)来设置v这个已经定义好的函数为类的成员方法,x.y(x)进行调用,y是字符串(被对象调用的函数名,也是匹配字符串)
    def bulk(self, who):
        print("%s is want yelling....%s"%(self.name, who))
    pass
    print(setattr(p, choice, bulk))
    #1、使用指定字符串进行调用
    p.talk(p, "lucy")
    #2、任意字符串进行调用
    talk = getattr(p,choice)
    talk(p, "lucy")
    #Tom is want yelling....
    #3、删除
    delattr(p, choice)
    #p.talk(p, "lucy")   #AttributeError: 'Person' object has no attribute 'talk'
    #3.2、若想动态的添加类中没有的类的实例属性。可以使用setattr(x,y,v)来设置x是实例对象,y是字符串,需要添加类的实例属性,v是y属性值
    #      使用getattr(obj, choice_str) 来获取设置实例属性值
    setattr(p, choice, 23)
    print(getattr(p, choice))

    #4、删除属性 delattr(x, y) x为实例,y要删除的属性/方法,再次获取之后 AttributeError: 'Person' object has no attribute 'age'
    delattr(p, choice)
    #print(getattr(p, choice))

#结果
# :>>"eat"
# eat
# Tom want to eat rice
# Tom want to eat rice

植物实例分割数据集 一、基础信息 数据集名称:植物实例分割数据集 图片数量: - 训练集:9,600张图片 - 验证集:913张图片 - 测试集:455张图片 总计:10,968张图片 分类类别:59个类别,对应数字标签0至58,涵盖多种植物状态或特征。 标注格式:YOLO格式,适用于实例分割任务,包含多边形标注点。 数据格式:图像文件,来源于植物图像数据库,适用于计算机视觉任务。 二、适用场景 • 农业植物监测AI系统开发:数据集支持实例分割任务,帮助构建能够自动识别植物特定区域并分类的AI模型,辅助农业专家进行精准监测和分析。 • 智能农业应用研发:集成至农业管理平台,提供实时植物状态识别功能,为作物健康管理和优化种植提供数据支持。 • 学术研究与农业创新:支持植物科学与人工智能交叉领域的研究,助力发表高水平农业AI论文。 • 农业教育与培训:数据集可用于农业院校或培训机构,作为学生学习植物图像分析和实例分割技术的重要资源。 三、数据集优势 • 精准标注与多样性:标注采用YOLO格式,确保分割区域定位精确;包含59个类别,覆盖多种植物状态,具有高度多样性。 • 数据量丰富:拥有超过10,000张图像,大规模数据支持模型充分学习和泛化。 • 任务适配性强:标注兼容主流深度学习框架(如YOLO、Mask R-CNN等),可直接用于实例分割任务,并可能扩展到目标检测或分类等任务。
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