黑马程序员—C语言—指针


*** 新的知识 ***
从这篇日志开始,便是传说中的指针了,据说很难,气势上藐视它,态度上重视它。认真总结,不放过任何一个知识点。

一、 指针的重要性
指针是C语言中非常重要的数据类型,如果你说C语言中除了指针,其他你都学的很好,那你干脆说没学过C语言。

二、 指针的定义与赋值
1、 先定义后赋值:
int a = 10;
int *p;
p = &a;
2、 定义的同时赋值:
int a = 10;
int *p = &a;
注意:int *p;   p = 1000;  //p指向的地址是1000
int *p;   *p = 100;  //p指向的地址里面的数据是100
int *p;   *p = &a;  //p指向的地址里面的数据是a的地址
%p输出指针里面存储的地址值。
不能乱用,比如:int a = 10;    float *p = &a;
指针只能存储地址。

三、 指针变量所占用的存储空间
不管指针指向什么类型的数据,它存储的都是内存地址。所以所有的指针变量所占的空间都是一样的,与指针变量的类型无关,只跟编译器有关。在Xcode中,指针变量占8个字节(因为内存地址都是很大的数字)。

四、 为何指针变量要分类型
指针可以用于指向任何类型的变量(数组、结构体、其他指针等),这就需要定义不同类型的指针。如果指针没有指向相应类型的变量,那么运算结果就很有可能是错的。
在数组中经常会使用*(p+i)这种形式,指针可以和数字相加,指针的类型决定了当指针+1时跳过多少个字节。当为int类型时,就会跳过四个字节;当为char类型时,就会跳过一个字节。

五、 为什么要使用指针
1、 在函数调用时使用指针,可以让形参复制实参的地址,从而在函数内部修改外部变量的值。
2、 指针可以让函数返回多个值。

六、 指针与函数
1、 数组元素的访问方式
1> ages[i]  //数组名[下标]
2> p[i]   //指针变量名[下标]
3> *(p + i)  //指针加上一个数值
2、 数组指针和函数参数
用函数操作一个数组,可以使用数组作为函数参数,也可以使用数组指针作为函数参数。调用时,实参都是数组名,因为数组名就是数组首元素的地址。
注意:两种方式中函数参数的本质都是一个指针, 所以如果在函数内部使用 sizeof(数组名),获得的总是8个字节(即指针的大小),而不是整个数组所占的字节数。

七、 指针与字符串
1、 字符串的定义
1> 利用数组   char name[] = "itcast";
特点:这样定义的字符串其实是一个变量字符串,里面的字符是可以修改的。
2> 利用指针   char *name = "itcast";
特点:这样定义的字符串其实是一个常量字符串,里面的字符是不能修改的。
2、 字符指针数组
定义一个字符指针数组:
char *name[2] = {"jack","rose"};
其实用字符串数组也可实现上面的存储:
char name[2][10] = {"jack","rose"};

八、 返回指针的函数
指针也是 C 语言中的一种数据类型,因此一个函数的返回值肯定可以是指针类型的。
返回指针的函数的一般形式为:类型名  *  函数名 ( 参数列表 )。

九、 指向函数的指针
1、  为什么指针可以指向一个函数
函数作为一段程序 在内存中也要占据部分存储空间 它也有一个起始地址 即函数的入口地址 函数有自己的地址 那就好办了 我们的指针变量就是用来存储地址的 因此 可以利用一个指针指向一个函数 其中 函数名就代表着函数的地址
2、  指向函数的指针的定义
定义的一般形式 函数的返回值类型  (* 指针变量名 )( 形参 1,  形参 2, ...);
3、 使用注意:
1> 由于这类指针变量存储的是一个函数的入口地址 所以对它们作加减运算 ( 比如 p++) 是无意义的
2> 指向函数的指针变量主要有两个用途 调用函数, 将函数作为参数在函数间传递。

详细请查看: www.itheima.com

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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