黑马程序员--指针

------- android培训java培训、期待与您交流! ----------

c语言之所以强大,以及其自由性,很大部分体现在其灵活的指针运用上。因此,说指针是c语言的灵魂,一点都不为过。

我觉得,指针学容易,但是会灵活用,并不容易。作为一个老菜鸟,我还是只会些基本的,听了老师的视频,感觉又学到了好多。

1,指针定义及赋值
int a = 5;
int *p ;
p = &a;

或者 
int a = 5;
int *p = &a;

指针赋值只能赋予地址值,

int *p;

*p = 5;

一开始我并不觉得这样写是错的,对于这样产生的bug很不理解,回头将视频仔细看了一番,老师说,指针变量是存放地址的变量,而且只能存放地址,然后我才发现,我并没有给指针赋地址值,反而给p所占用的不知名的地址所指向的空间强行赋了值。
简单说
p=&a;是为p赋值,赋地址值
*p=5;是为p指向的内存单元赋值,赋予非地址值。


如果指针没有赋值,则为野指针,野指针会引发系统崩溃。


2,指针所占用空间
在同一系统中,指针所占空间一样,如在32位系统,char 指针和 int 指针都占4字节(4*8=32) 64位系统占8字节(8*8=64) 我是这样理解记忆的。
虽然指针占空间相同,却需要区分类型,这是因为需要根据指针所指类型相应的读取位数。
如 int num = 266,即在32位计算机保存为 00000000 00000000 00000001 00001010 
int * p = #
char *p2 = #
此时,打印 *p*p2,可得 *p = 266, 而*p2 = 10char占一字节,所以char指针只能读取从低位起的第一个字节00001010

如果想查看指针p地址,可如下方式

printf(“p 地址 = %p”,p); //p为指针

int a[5] = {1,2,3,4,5};
打印a的各个地址,则

for(int i = 0;i<5;i++){

printf(“%p”,a+i);

}

3 指针的作用

1,指针可以在被调函数中修改主调函数的变量

2,可以让函数有多个返回值

这俩点是黑马老师总结的,我觉得这俩点,其实就是一点,即主函数里的变量,可以通过指针,在其他调用的函数修改。

在没学指针前,很多时候是通过全局变量实现变量跨函数将值修改保存等。但是全局变量多的话占空间不说,还很眼花缭乱,而局部变量,通过指针,达到一定范围内全局的效果。


4二级指针

二级指针,就是一个指针所指的存储单元里依然保存的是地址,这个地址所指向的存储单位不为地址,此时的指针就是二级指针。如:

 int a = 5;

int p1 = &a;

int p2 = &p1;

则p2为二级指针,保存的是p1的地址,级 p2 == &p1, *p2 == *(&p1)==p1,*p1 == a ,及 **p2 == a。结论:对n级指针取n次(*)后,值为其最初指向的值。


5 char类型指针数组

如下:

char *name[]={

"Monday","Tuesday","Wednesday","thursday","Friday","Saturday","Sunday"

}

name即为一个char类型指针数组,其存放着星期一到星期天的字符串的地址,字符串的长度以读到‘\0’为止。

打印:

for(int i = 0;i<5,i++)

 {

printf("%s\n",*(name[i]));

}


------- android培训java培训、期待与您交流! ----------

详情请查看:http://edu.csdn.net/heima


  • 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),并确定它们的类别和位置。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类别。由于各类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性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 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、算法分类 基于深度学习的目标检测算法主要分为两大类: 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类。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类和位置。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,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。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