跳到主要內容

Organizing Dependencies with Modules

  • 工廠模式(Factory)
  • 你可以使用工廠模式建立服務,並傳回資料給模組。
    1.  factory(name,Function())
    2.  factory(name,[], Function() )

    <body  ng-app="myShoppingList">
             <div>
                <table ng-controller="itemsController">
                    <tr ng-repeat="item in items" >
                        <td>{{item.title}}</td>
                        <td>{{item.description}}</td>
                        <td>{{item.price | currency}}</td>
                    </tr>
                </table>
             </div>
        </body>
        <script>
            var myApp = angular.module('myShoppingList',[]);
             myApp.factory('Items', function(){
                 var items = {};
                 items.query = function(){
                    return [
                        {title:"apple", descript:"5 start", price:500},
                        {title:"apple", descript:"3 star",  price:200},
                        {title:"apple", descript:"2 star",  price:100}
                    ];
                 };
                 return items ;
                
             });
             myApp.controller("itemsController", function($scope, Items){
                 $scope.items = Items.query() ;
             })
            
           
        </script>

    apple $500.00
    apple $200.00
    apple $100.00

 

  • Service
    service 常被用來組織或是封裝成一個服務,它有幾個特點:
    (1) 服務寫成的物件只會一個實例

    例子: 我們寫一個baseService當為基本利率換算來轉換水果的價格需要乘上10倍

<body  ng-app="myapp">
         <div>
            <table ng-controller="rateController">
                <tr ng-repeat="item in items" >
                    <td>{{item.name}}</td>
                    <td>{{item.price | currency}}</td>
                </tr>
            </table>
         </div>
    </body>
    <script>

        //基本利率換算
       var m = angular.module("baseService",[]) ;
        m.service("serviceSample",function(){
            this.rate= function(price){
                return  price* 10;   
            }
        });
       
        //轉換水果的價格
        var myapp = angular.module("myapp",["baseService"]);
         myapp.controller('rateController',function($scope, serviceSample){
           
            items = [
                     {name:"apple" , price:serviceSample.rate(20) },
                     {name:"banana", price:serviceSample.rate(30) }
                    ]
           
                return  $scope.items = items    ;
           
            }) ;        
       
    </script>

apple $200.00
banana $300.00

  • provide

留言

這個網誌中的熱門文章

JavaBean 和POJO

前言 今天介紹JavaBean和POJO的不同,這兩個名詞在JAVA文章常常被拿來使用以及討論。在JDK1.1時候釋出才有的一個標準架構,很多時候常常被搞混,所以我們特別開闢一章來加以討論。POJO規範在企業級應用已經廣大的被使用的規範。 解釋 POJO : 全名為Plain-old-Java-object,只需要繼承Object就可以,沒有特定規定,只要建立的類別有setter/getter方法都可以稱為POJO JavaBean: JavaBean通常用來封裝多個物件成為單獨物件使用,規範比較嚴格,規則如下 規則 說明 1 需要實作序列(Serializable/Externalizable) 2 不能有參數的建構子( no-arg constructor) 3 需要有公用setter/getter 4 屬性必須要私人(private) 5 屬於特定POJO規則 比較 所有的JavaBean都為POJO,但是所有的POJO不一定為JavaBean 都可以當作重複元件 都必須序列化 特性都為可用性、易用性和持久化使用 - 應用 由圖我們可以知道POJO在應用程式中,主要用來存取資料庫資料達到持久化的目的,並提供給商業邏輯流程處理使用。這種POJO的架構提供程式人員開發時的可以很有規則將資料封裝並加以使用。 範例1. JavaBean(以員工為實例) JavaBean建立員工物件,可以發現Employee物件建構子沒有任何參數,屬性為私有化並setter/getter的命名方式。 //實作序列化 public class Employee implements java.io.Serializable{ private int id; private String name; //無參數建構子 public Employee(){} //以下實作setter/getter public void setId(int id){this.id=id;} public int getId(){return id;} public void setName(String ...

Python AI-手寫辨識

Python AI-手寫辨識 類神經網路-手寫辨識 手寫辨識 (1) 問題定義 將輸入手寫數字圖片,經由類神經網路訓練後,可以辨識手寫圖片得到一個正確的答案,例如讓電腦辨識上面圖片手寫數字0-9,都可以認得.在了解問題後,需要先知道輸入的資料格式,例如圖片為NxN的矩陣向量. 輸入:輸入的資料格式有很多種,例如數字圖片為矩陣向量 模型:NN 輸出:輸出的方式,神經網路輸出不一定跟輸入同值,手寫數字輸入為1,輸出有可能是1.1或是1.5等等,所以輸出必須經過轉換成真實世界的數字. (2)定義函式 輸出會有兩個問題: A.輸出利用one-hot encoding來表示,就是N個狀態會對應N的結果,例如:輸出結果為1,表示[0,1,0,0,0,0,0,0,0,0] B.輸出結果不能超過1,我們通常會利用 Softmax函数 來進行輸出的處理. (3) 準備訓練/測試資料 在這邊需要從輸入去定義那些要當作訓練與測試資料,我們手寫資料使用MNIST 資料庫來訓練使用,MNIST共有70,000筆手寫資料,60,000筆為訓練資料,10,000為測試資料. (4)建構類神經網路模型 開始建構我們的神經網路模型,首先決定好28x28的像素(這邊不用擔心如何將圖片轉成矩陣),模型使用SGD的方式進行學習,輸出是一個10為的陣列來表示. 輸入:手寫數字圖片(28x28=784) 模型:SGD 輸出:數字(one hard encoding) (5)學習 首先介紹SGD(Stochastic Gradient Descent) 的學習方式,因為蕾神經網路需要訓練很多次才會提高準確度,SGD最大的好處就是當每次重新學習的會將訓練資料打散,來防止機器學習將答案死背下來. (6)實作開發 下面程式碼有完整的說明,這邊就不多說明了,當開始執行程式時就會進行資料訓練. 由訓練結果最後acc=0.9447,表示準確率可以到達94%,我們再由實際測試可以看出該圖為7的圖示,由神經網路判斷為7,跟我們人類判斷相同,我們可以知道由訓練的結果可看得到不錯的準確度. 執行神經網路遇到不少問題,請參考下面連結,是筆者所整理的問題集,請多多指教 https://programdoubledragon.bl...

Python AI-問題集

Python AI-問題集 問題集 Jupyter Notebook執行ipywidgets會出現kernel死掉的錯誤發生(The kernel appears to have died) 解決方法 (1) 根據log檔來判斷問題: 例如:log訊息出現OMP: Error #15: Initializing libiomp5.dylib, but found libiomp5.dylib already initialized. (2) 根據問題關鍵字找出問題所在: 利用google查詢所遭遇到的問題,例如我把上面的問題上google查詢可以找到這篇的解法 https://blog.csdn.net/bingjianIT/article/details/86182096 (3)實作解法: 我實作下面解法後,就可以順利執行手寫辨識的程式. //在Python宣告時加入 import os os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE" 參考 https://blog.csdn.net/bingjianIT/article/details/86182096