杂记1(指各种知识)

简介: 杂记1(指各种知识)

一、

总结:类成员变量的声明值,当成员变量没有被赋值时(编译器默认生成的构造函数),会成为缺省值

二、

以上是建立在 的情况下的,也就是说该情况下swap可以直接使用(编译器优化了 实际上面还有一个#include<utility>)

1.自己写的swap和库里的冲突了

2.参数类型相同,调用库里的swap,类型不同则用下图函数

类型相同

类型不同

三、

sting是一个类,下面说的是string内的构造函数

default constructor 空构造

1.不传参,创建空字符

2.为string对象分配了40个字节的空间

copy constructor 拷贝构造

substring constructor 子字符拷贝 从指定位置拷贝字符n个字符

npos是什么?npos是-1当len的长度过长或过短,取len=-1,即从指定位置拷贝到字符的最后。因为len是size_t 即unsigned int,-1的二进制序列是11111111111111111111111111111111,转换成无符号数就是一个很大的正整数。

c-string 拷贝c语言字符

1.""自带一个\0

2.为什么不输出hello烫烫烫烫,因为未初始化的部分会自动初始化为0

四、

动态内存分配和静态内存分配

静态内存分配:由编译器进行分配空间和释放空间,存储在栈上

动态内存分配:由程序员进行分配空间和释放空间,存储在堆上

注意:栈可以通过函数_alloca进行动态分配,不过注意,所分配空间不能通过free或delete进行释放

ClassA *pclassa=new ClassA[5];

delete pclassa;//运行时错误 指向的是自定义类型 自定义类型的空间释放要调用析构函数,这里只调用了一次析构函数

delete [] pclassa √

char* p = new char[100]

delete p//不会报错,但不建议这样用,指向的是内置类型

五、

情景:分别用于string类的拷贝和vector<string>的拷贝

情景一:用于string类

代码:

    string& operator=(string& s)
  {
  if (_capacity < s._capacity)
    {
      delete[] _str;//对于自定义类型,先调析构函数,再释放整块空间
      _str = new char[s._capacity];
       _size = s._size;
      _capacity = s._capacity;
    }
      memcpy(_str, s._str, s._size);
    return *this;
  }

首先需要知道的是,memcpy是将原指针所指向的内容复制一份到目标指针的空间。

上述代码是将一个string类的内容拷贝到另外一个string内中,string的成员变量中,_str是指向存储空间的,且string内存放的是char类型的内容。虽然这是浅拷贝,但即使是s._str所指向的空间被销毁了,也不会对_str指向内容造成影响。因为_str从s._str处拷贝的是内置类型

情景二:用于vector<string>代码:

    void reserve(size_t n)
    {
      if (capacity() < n)
      {
        size_t sz = size();
        T* tmp = new T[n];
        memcpy(tmp, _start, size()*sizeof(T));
        delete[] _start;
        _start = tmp;
        _finish = _start + sz;
        _endofstorage = _start + n;
      }
    }

T是string,这里是两个vector<string>类型的对象进行值拷贝,给tmp开辟了n个string类的空间,虽然string被复制过来了,但string上还有个_str,是指针,但也只是浅拷贝,因此一方只要释放空间,另一方也会跟着丢失数据。

相关文章
|
11天前
|
数据采集 人工智能 安全
|
6天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
326 164
|
5天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
328 155
|
6天前
|
编解码 人工智能 自然语言处理
⚽阿里云百炼通义万相 2.6 视频生成玩法手册
通义万相Wan 2.6是全球首个支持角色扮演的AI视频生成模型,可基于参考视频形象与音色生成多角色合拍、多镜头叙事的15秒长视频,实现声画同步、智能分镜,适用于影视创作、营销展示等场景。
391 4
|
14天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
925 7