C++ 基础复习

声明: 本篇博客的学习途径主要为以下网站和课堂讲解,发博客目的仅为学习使用
http://c.biancheng.net/cplus/

结构体和类的区别

struct 只能包含变量,变量在struct内部
class 包含变量+函数,变量和函数声明在class内,定义在class外
C++相比于C语言,多了一层类封装
面向对象虽然代码执行效率上没有优势,但是对于组织和管理代码十分重要
在这里插入图片描述
在这里插入图片描述

生成可执行文件的过程

在这里插入图片描述

命名空间(namespace)

引入命名空间,主要是为了解决合作开发时候的命名冲突问题
指定使用A命名空间的a变量时候,使用域解析操作符::格式如下

A::a;

当使用using声明后,如果没有指定域,默认使用using声明的域

using B::b // 当出现b变量时候,默认是B空间的变量b

带.h的头文件,不需要声明命名空间
不带.h的头文件,变量都在std空间中,需要声明std空间;

using namespace std;

在实际开发中,需要把std声明在函数内部,尽量不要全局申请,避免冲突。

输入与输出

cout 和cin都是内置对象,cout和cin是ostream和istream类的对象,不是关键字
内置对象:在标准库中提前设计类结构 后 提前创建好的对象
cin cout主要用到了C++中的运算符重载,得以实现该功能

赋值过程

int n = m;

C语言赋值过程:到m的空间取出一份数据,再将这份数据赋给n空间
#define : 预处理阶段 值替换
C++赋值过程: 编译阶段 值替换

潜在风险: C++对于const的处理少了读取内存的过程,如果const的修饰的变量被修改(通过指针),那么C++就不能获得最新的值
注意: 虽然C++赋值过程是值替换,但是const变量也是有空间的,占用内存。

带参数的define与内联函数

#define可以带参数,字符替换,不会进行值替换
内联函数:值替换
经典错误:

#define SQ(y) y*y
int main()
{
	sq=SQ(n+1);  
	//结果 :sq=y*y 
	//		 y=n+1
	//所以 :sq=n+1*n+1
	//		 n=9∴sq=19		
}
#define SQ(y) (y)*(y)
int main()
{
	sq=SQ(n+1);  
	//结果 :sq=SQ(y)*SQ(y) 
	//		 y=n+1
	//所以 :sq=(n+1)*(n+1) 
	//		 n=9∴sq=100		
		
}

结论:少用宏定义 ,推荐用内联函数代替带参数的宏
和宏一样,内联函数可以定义在头文件中(不用加 static 关键字),并且头文件被多次#include后也不会引发重复定义错误

  • 内敛函数的两个作用:
    一是消除函数调用时的开销
    二是取代带参数的宏。放入头文件中,取代带参数的宏更能凸显内联函数存在的意义。

变量的作用域和可见性

C语言中 :
普通全局变量 作用域 是 当前文件夹,但是在其他文件中可见。
所以使用extern声明后,可以使用其他文件中的变量。
const修饰的变量同理。
C++中:
C++修改了const变量的可见性,作用域是当前文件夹,但是在其他文件中不可见(所以定义在头文件中,多次引入不同文件也不会出错)
GCC可以通过extren关键字 来增加C++全局const变量的可见范围。

new和delete

new - delete:动态分配内存和释放内存

inline内联函数

函数调用是有时间和空间开销的,调用函数需要压栈,代码执行结束后需要出栈。
引入内联函数,是为了减少时空开销,而采用的代码替换,适合短小的代码。
注意:需要在定义函数的地方前添加inline关键字,声明的地方不算错,但是无效。严格说,内联函数不应该有声明

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的别。由于各物体具有不同的外观、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挑战的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分问题:判断图像中的目标属于哪个别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分 基于深度学习的目标检测算法主要分为两大: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次划分为多个区域,直接在输出层预测边界框和别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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