重要且强大的指针初识—1

目录

1、指针和指针变量

2、指针变量的定义和使用

3、核心观点

4、指针的分类

5、空指针和野指针

6、指针的大小


1、指针和指针变量

指针和指针变量是两个重要的概念,但它们有时会被混淆。

指针

“指针”是一个广义的概念,它表示一个值,该值存储了另一个变量在内存中的地址。简单来说,指针就是一个地址的引用。在内存中,每个变量都有一个唯一的地址,这个地址可以被一个指针所持有。

指针就是地址,地址就是指针。

地址就是内存单元的编号。

指针变量

“指针变量”是一个特殊的变量,它存储了一个指针(即一个地址)。因此,指针变量本身也是一个变量,但它存储的不是一般的数据值,而是另一个变量的内存地址。

指针变量就是用来存储内存地址的变量。

在计算机中,内存被划分为许多小的内存单元,每个内存单元大小是1个字节,每个内存单元都有一个唯一的编号,这个编号就是该内存单元的地址。地址是计算机用来识别和操作内存单元的重要依据。

当我们定义一个变量时,操作系统会为这个变量分配一个内存地址,并将这个地址与变量名关联起来。这样,我们就可以通过变量名来访问和操作该变量在内存中的值。而实际上,当我们使用变量名时,编译器会将其转换为对应的内存地址,然后通过这个地址来访问和操作内存中的数据。

通过指针变量,我们可以直接访问和操作内存中的数据,实现一些高级的功能,如动态内存分配、链表、树等数据结构的操作等。但是,使用指针时也需要特别小心,因为错误的指针操作可能会导致程序崩溃或数据损坏。

2、指针变量的定义和使用

1.指针也是一种数据类型,指针变量也是一种变量

2.指针变量指向谁,就是把谁的地址赋值给指针变量

3.* 符号与指针相关时,确实有两种主要的含义:

  1. 声明时的类型说明符
    在声明指针变量时,* 用作类型说明符的一部分,表示该变量是一个指针,指向某种类型的数据。例如,在 int *p; 中,*p 并不是一个整体,* 是与 int 一起构成一个类型说明符 int*,表示 p 是一个指向整型的指针。

  2. 解引用或间接访问运算符
    当 * 用在指针变量前面时,它作为一个解引用或间接访问运算符,用于获取指针所指向的数据的值。例如,在 *p = 99; 中,*p 表示指针 p 所指向的内存位置的值,这里我们将该值设置为99。

  • 在声明时,* 紧接在类型之后,并与类型一起构成一个完整的类型说明符。
  • 在解引用时,* 单独出现在指针变量前面,用于获取指针所指向的值。

3、核心观点

指针和指针变量

  • 指针:是一个抽象的概念,它表示内存中的一个地址。这个地址指向一个特定的内存位置,该位置可以存储某种类型的数据。
  • 指针变量:是一个特殊的变量,它的值是一个地址(即指针)。通过指针变量,我们可以间接地访问和操作它所指向的内存位置中的数据。

重要提示:指针变量和它所指向的内存位置是两个不同的概念。指针变量存储的是地址,而该地址处的内存则存储着实际的数据。

变量的值

  • 普通变量的值:对于非指针类型的变量(如整型、浮点型、字符型等),它们存储的是实际的数据值。
  • 指针变量的值:指针变量存储的是一个地址,这个地址指向了另一个内存位置,该位置存储着实际的数据。

指针的定义

  • 地址:在计算机中,内存被组织成一系列连续的存储单元,每个存储单元都有一个唯一的编号,这个编号就是该存储单元的地址。
  • 地址范围:在32位系统中,地址空间通常是4GB(从0到2^32-1),但实际的可用内存可能会少于这个数值。在64位系统中,地址空间更大。

4、指针的分类

指针可以根据它们所指向的数据类型进行分类。例如:

  • 整型指针:指向整型数据的指针。
  • 浮点型指针:指向浮点型数据的指针。
  • 字符型指针:指向字符型数据的指针,常用于字符串操作。
  • 结构体指针:指向结构体数据的指针。
  • 函数指针:指向函数的指针,可以用于函数调用和回调等。
  • 数组指针:指向数组首元素的指针,通过它可以访问数组中的元素。
  • 空指针:不指向任何有效内存地址的指针,通常被初始化为NULL。
  • 野指针:指向无效内存地址的指针,使用野指针可能导致程序崩溃或数据损坏。为了避免野指针,应该在使用指针前确保它已经被正确地初始化或赋值。

5、空指针和野指针

空指针和野指针是C语言编程中两个重要的概念,它们都与指针的状态和行为有关。

空指针是一个特殊的指针值,它不指向任何有效的内存地址。在C语言中,空指针通常被设置为NULL。

野指针是指已经被释放(如通过free函数)或者从未被正确初始化,但仍然被引用的指针。野指针指向的内存区域可能已经不属于该程序,或者已经被分配给其他变量,因此使用野指针可能会导致程序崩溃、数据损坏或安全漏洞。

简单认识malloc函数

malloc是一个库函数,用于在堆(heap)上动态地分配内存。这个函数是stdlib.h头文件的一部分。malloc接受一个参数,即要分配的字节数,并返回一个指向所分配内存的指针。如果内存分配失败,malloc将返回NULL

以下是一个使用malloc分配内存的简单示例:

在这个示例中,我们首先使用malloc函数分配了一个足够存储int类型数据的内存块,并将返回的指针存储在ptr中。然后,我们检查ptr是否为NULL,以确保内存分配成功。如果成功,我们设置ptr指向的内存中的值为42,并打印这个值。最后,我们使用free函数释放了分配的内存,并将ptr设置为NULL,以避免成为野指针。

注意,在调用free之后,指针本身的值(即内存地址)并没有改变,但指针所指向的内存区域已经被标记为可用,可以被操作系统重新分配给其他部分的程序。因此,在释放内存后,应该立即将指针设置为NULL,以防止在后续代码中误用该指针。

6、指针的大小

  • 32位系统:在32位系统上,一个指针的大小通常是32位(4字节)。这意味着指针可以存储一个32位的内存地址。
  • 64位系统:在64位系统上,一个指针的大小通常是64位(8字节)。这意味着指针可以存储一个64位的内存地址。

然而,这并不意味着在64位系统上所有的指针都是64位的。在某些情况下,例如当使用特定的编译器选项或特定的内存模型时,指针的大小可能会有所不同。此外,某些特殊类型的指针(如函数指针或指向特定类型对象的指针)的大小也可能与常规指针不同。

这段代码将打印出在你的系统上int*类型指针的大小(以字节为单位)。

  • 25
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论 2
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