关于INotifyPpropertyChanged接口的疑问

煜宸0088 2014-08-14 09:56:31
C#高级编程第8版当中,WCF的章节的一段示例代码

其中的一个数据绑定类实现了INotifyPpropertyChanged接口,其中PropertyChanged的实现有两个方法

  protected virtual void OnNotifyPropertyChanged(string propertyName) 
{
if (PropertyChanged != null)
{
PropertyChanged(this,new PropertyChangedEventArgs(propertyName));
}
}

protected virtual void SetProperty<T>(ref T item, T value, [CallerMemberName] string propertyName = null)
{
if (!EqualityComparer<T>.Default.Equals(item, value))
{
item = value;
OnNotifyPropertyChanged(propertyName);
}
}


第二个为什么先比较item = value是否相等有什么必要呢?另外[CallerMemberName]这个特性有什么用?
...全文
211 6 打赏 收藏 转发到动态 举报
写回复
用AI写文章
6 条回复
切换为时间正序
请发表友善的回复…
发表回复
  • 打赏
  • 举报
回复
引用 2 楼 u014247189 的回复:
[quote=引用 1 楼 sp1234 的回复:] 因为人家不想在“根本不需要赋值的时候”去赋值呗。 正常人的思维你都觉得是多余的,可见上学多了也会把人脑子烧坏一些。
那直接跟第一个方法不就行了么? private DateTime startTime; [DataMember] public DateTime StartTime { get { return startTime; } set { SetProperty(ref startTime, value); } } set块里边直接用OnNotifyPropertyChanged(StartTime);和上边也没啥区别啊[/quote] 明明你讨论的是 SetProperty<T>,怎么又跳到这里来了呢? 不要把不想关的东西总是没事就拿来比较,不要揪住一点就说别的都是多余的。人家写 SetProperty<T> 方法的代码时其业务逻辑就是不需要重复多余赋值并且多余触发事件,人家就那样写了。 你说“我想另外再写一个 set 块”这跟你的问题比有什么意义啊?
threenewbee 2014-08-15
  • 打赏
  • 举报
回复
CallerMemberName是.net 4.5新增的,可以获得调用方法的成员名称
於黾 2014-08-15
  • 打赏
  • 举报
回复
OnNotifyPropertyChanged是事件 可以在事件里调用set方法,没有在set里调事件的 事件就是事件,你应该定义好之后等着系统来调用,而不是你自己没事调用
煜宸0088 2014-08-14
  • 打赏
  • 举报
回复
得加上this.startTime=value;
煜宸0088 2014-08-14
  • 打赏
  • 举报
回复
引用 1 楼 sp1234 的回复:
因为人家不想在“根本不需要赋值的时候”去赋值呗。 正常人的思维你都觉得是多余的,可见上学多了也会把人脑子烧坏一些。
那直接跟第一个方法不就行了么? private DateTime startTime; [DataMember] public DateTime StartTime { get { return startTime; } set { SetProperty(ref startTime, value); } } set块里边直接用OnNotifyPropertyChanged(StartTime);和上边也没啥区别啊
  • 打赏
  • 举报
回复
因为人家不想在“根本不需要赋值的时候”去赋值呗。 正常人的思维你都觉得是多余的,可见上学多了也会把人脑子烧坏一些。
# 融合自注意力机制与ResNet34的CT骨折智能诊断系统 ## 基于Self-Attention增强残差网络及余弦退火优化的高精度骨折分类完整解决方案 本系统针对CT影像骨折二分类任务(骨折/正常),在ResNet34骨干网络中创新性地嵌入自注意力模块,构建了一套从数据预处理、模型训练到推理部署的完整工业化流程。核心创新在于将自注意力机制串联集成至ResNet34的四个残差层输出端,通过查询-键-值三元组捕获全局特征依赖关系,并引入可学习缩放参数保留原始特征,使网络能够同时聚焦骨折区域的细微纹理与远距离空间位置关联,显著提升隐匿性骨折的检出灵敏度。 **技术架构与工程实现**。系统采用模块化设计,`utils.py`定义了核心自注意力层:查询和键通过1x1卷积降维至原通道数的八分之一以降低计算量,值保持原始通道维度,通过softmax归一化注意力权重后与值加权聚合,最后经由残差连接与可学习参数γ融合输出。`create_model`函数自动替换全连接层并注入四个自注意力模块。数据增强采用随机旋转90度与中心裁剪策略,有效缓解医疗影像的小样本过拟合问题。训练流程支持冻结骨干网络仅微调分类头,大幅降低显存占用至4GB以内,同时提供SGD/Adam双优化器选择和余弦退火学习率衰减策略。 **诊断性能与可视化体系**。系统实现了完备的评估指标矩阵,包括每类精确率、召回率、特异性和F1分数,以及宏平均指标。训练过程中自动生成训练集/验证集混淆矩阵热力图、损失-准确率曲线、学习率衰减曲线以及四项指标的收敛曲线。最终保留最佳权重和最后周期权重,并通过JSON日志完整记录每个epoch的详细性能数据,训练结束后自动输出最佳周期及其对应的完整性能报告。 **推理部署与结果输出**。`predict.py`支持批量处理`inference/infer_img`目录下的CT图像,自

111,126

社区成员

发帖
与我相关
我的任务
社区描述
.NET技术 C#
社区管理员
  • C#
  • Creator Browser
  • by_封爱
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

让您成为最强悍的C#开发者

试试用AI创作助手写篇文章吧