1.實際開發過程中多用模型
2.字典容易出錯---設定和取出陣列一般使用「字元型別的key」，key出錯時，編譯器不會有提示
3.資料模型---專門用來存放資料的物件，用它來表示資料會更加專業 ，模型設定資料和取出資料都是通過它的屬性，屬性名如果寫過了，編譯器馬上報錯，從而保證了資料的正確性（一系列的提示，點語法）
4.先載入plist檔案 再將字典轉化為模型
5.模型規範（加號方法）
在這裡討論一下id 和 instancetype的差別
推薦使用instancetype---
onnx模型轉tensorflow模型
onnx是開源神經網路交換平台，有了它基本上不用糾結用什麼深度學習框架的問題了。我現在記錄一下怎麼將onnx模型轉換成tensorflow模型。1 安裝tensorflow和onnx 我是通過anaconda安裝的。詳情 這個部落格記載了安裝anaconda和onnx的詳情，安裝好anaconda後...
字典轉模型
使用字典的壞處 一般情況下，設定資料和取出資料都使用 字串型別的key 編寫這些key時，編譯器不會有任何友善提示，需要手敲 dict name jack nsstring name dict name 手敲字串key,key容寫易錯，key如果寫錯了，編譯器不會有任何警告和報錯，容易造成設錯資料或...
字典轉模型
1.下面這樣的陣列,怎麼轉成模型 2.分析 3.新增模型 城市分組,城市,區,每個模型都有name,抽乙個父類 4.每個模型分別具備的屬性 basemodel nsobject 屬性 nsstring name citysection basemodel 屬性 nsarray cities city...