JS——坑3(对象,this)

本文探讨了JavaScript中面向对象编程的基本概念,并通过实例演示了如何定义对象、使用对象属性及方法,特别是对作用域链的理解,展示了如何访问不同作用域内的变量。
<!DOCTYPE html>
<html lang="en">
<head>
	<meta charset="UTF-8">
	<title>Document</title>
</head>
<body>
	<script>
		//面向对象 OOP
		//{} == {} false 两个对象 两个地址 地址比较
		//坑:对象中直接把属性当变量用
		var sage = 14;
		var stu1 = {
			sname:"XXX",
			sage:11,
			//sage1:sage+1, 这样也不行
			//sage1:this.sage+1, 这样也不对 不纠结了,估计开发中不会这么用
			intro(){
				console.log("I am " + sage);  //14
				console.log("I am " + this.sage); //单用age不行!!!坑,大坑!!!原因在存储上,intro存储在外部!在作用域链上,intro与window形成作用域链!!!这里用stu1也可,但这样不好,不利于维护,开发中不会这样用!最简单的记法:不加this,去window作用域中找;加this,去对象中找
			}
		};

		console.dir(stu1);  //输出结构  浏览器做了排序,内存中是没有这个顺序的 本质:关联数组简写方式
		console.log(stu1.sname);
		stu1.sage += 1;
		console.log(stu1.sage);
		console.log(stu1.intro());
	</script>
</body>
</html>

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