分组单实例测试

1.情景

用一个服务承载给下位机下发数据的任务,有几个设备,IP不同。可以采用切换ip的设计。但是频繁的切换容易出错。于是采用以ip为ky创建不同的单件服务的方法。就产生了这个实验。

2.代码

using System;
using System.Collections.Generic;

namespace 分组单实例测试
{
    class Program
    {
        Dictionary<string, A> keyValuePairs = new Dictionary<string, A>();
        static void Main(string[] args)
        {
            Console.WriteLine("分组单实例测试");

            Program p = new Program();
            p.Main();

            Console.ReadKey();
        }
        void Main() {
            keyValuePairs.Add("a", new As("a"));
            keyValuePairs.Add("b", new As("b"));

            A b = getA("b");
            Console.WriteLine(b.ip);

            A c = getA("c");
            Console.WriteLine(c.ip);
        }
        A getA(string ip) {
            //A a = keyValuePairs[ip];
            A a;
            bool ret = keyValuePairs.TryGetValue(ip,out a);
            if (!ret) {
                a = new As(ip);
                keyValuePairs.Add(ip, a);
            }
            return a;
        }
    }
    public class A {
        public string ip;    
    }
    public class As : A {
        public As(string ip2) {
            ip = ip2;
        }
    }
}

3.运行结果

 

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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