Overwrite

package demo20201001;
/*父子类继承,创建子类对象,访问成员方法的规则
创建的对象是谁,就优先用谁,如果没有就向上找。

注意事项:无论是成员变量,如果没有都是向上找父类,绝对不会向下找子类的。

重写(Override)
概念:在继承关系中,方法名称一样,参数列表也一样

重写(Override):方法的名称一样,参数列表【也一样】。<—覆盖、覆写—>
重载(Overload):方法名称一样,参数列表【不一样】。

方法覆盖重写特点:创建的是子类对象,则优先使用子类方法。
* */
public class Extends {
    public static void main(String[] args) {
        Zi zi = new Zi();//创建子类对象
        zi.methodZi();
        System.out.println("============");
        zi.methodFu();
        System.out.println("======+=====");
        //创建的是new子类对象,所以优先使用子类方法
        zi.method();
    }
}
package demo20201001;

public class Fu {

    public void methodFu (){
        System.out.println("父类方法执行");
    }
    public void method(){
        System.out.println("父类重名方法执行");
    }
}

package demo20201001;

public class Zi extends Fu {

    public void methodZi(){
        System.out.println("子类方法执行");
    }
    public void method(){
        System.out.println("子类重名方法的执行");
    }
}

例子
在这里插入图片描述

package demoOverride;
//老款
public class Phone {

    public void call(){
        System.out.println("打电话");
    }
    public void send(){
        System.out.println("发短信");
    }
    public void show(){
        System.out.println("显示号码");
    }
}

package demoOverride;

public class newPhone extends Phone {

    @Override
    public void show() {
        //System.out.println("显示号码");
        super.show();//把父类方法拿来重复利用
        //子类自己再添加更多内容
        System.out.println("显示姓名");
        System.out.println("显示头像");
    }
}

package demoOverride;

public class usePhone {
    public static void main(String[] args) {
        Phone phone = new Phone();
        phone.call();
        phone.send();
        phone.show();
        System.out.println("=========");

        newPhone newphone = new newPhone();
        newphone.call();
        newphone.send();
        newphone.show();
    }
}
非常抱歉,我之前提供的代码存在错误。在 PyTorch 中,并没有直接提供离散余弦变换(DCT)的函数。对于 DCT 的实现,你可以使用 `torch.rfft` 函数结合 DCT 系数矩阵来进行计算。 下面是一个修正后的示例代码: ```python import torch import torch.nn as nn import torch.optim as optim # 定义离散余弦变换(DCT)系数矩阵 dct_matrix = torch.zeros(256, 256) for i in range(256): for j in range(256): dct_matrix[i, j] = torch.cos((2 * i + 1) * j * 3.14159 / (2 * 256)) # 定义 OMP 算法 def omp(A, y, k): m, n = A.shape x = torch.zeros(n, 1) residual = y.clone() support = [] for _ in range(k): projections = torch.abs(A.t().matmul(residual)) index = torch.argmax(projections) support.append(index) AtA_inv = torch.linalg.inv(A[:, support].t().matmul(A[:, support])) x_new = AtA_inv.matmul(A[:, support].t()).matmul(y) residual = y - A[:, support].matmul(x_new) x[support] = x_new return x # 加载原始图像 image = torch.randn(256, 256) # 压缩感知成像 measurement_matrix = torch.fft.fft(torch.eye(256), dim=0).real compressed = measurement_matrix.matmul(image.flatten().unsqueeze(1)) # 使用 OMP 进行重构 reconstructed = omp(dct_matrix, compressed, k=100) # 计算重构误差 mse = nn.MSELoss() reconstruction_error = mse(image, reconstructed.reshape(image.shape)) print("重构误差:", reconstruction_error.item()) ``` 在这个示例中,我们手动定义了 DCT 系数矩阵 `dct_matrix`,然后使用 `torch.fft.fft` 函数计算测量矩阵,并进行实部提取。接下来的步骤与之前的示例相同。 请注意,这只是一个示例,用于演示如何使用自定义的 DCT 系数矩阵进行压缩感知成像。在实际应用中,你可能需要根据具体的需求进行调整和优化。
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