[nil release]能够执行,但是没有效果

1.内存泄露

一般我们常说的内存泄漏是指堆内存的泄漏。堆内存是指程序从堆中分配的,大小任意的(内存块的大小可以在程序运行期决定),使用完后必须显式释放的内存。应用程序一般使用malloc,calloc,realloc等函数(C++中使用new操作符)从堆中分配到一块内存,使用完后,程序必须负责相应的调用free或delete释放该内存块,否则,这块内存就不能被再次使用,我们就说这块内存泄漏了。

2. 内存管理

堆中的内存都是手动开辟和手动释放的。因此我们要时刻统计堆的指针有哪些是指向同一个的。再释放时,确认所有指向这个堆的指针,都已经用完了,不再使用。但这个存在先天的不足,毕竟程序员在统计指针是否用完时,受到多方面的影响而不能正确统计,程序在联合开发的时候,指向同一个的堆的指针就很难统计,因此必须有一个合理的方法来管理内存。

3. 理解内存管理到底干了什么?

OC中的内存管理实际上就是一种PV操作,就是对计数器的加减操作。基类NSObject存在一个计数器retainCount,并会被子类所继承。alloc创建对象时,计数器+1,retain纯粹的计数器+1,release将计数器减1,不是真的free掉一个对象,release时本着个人顾个人的原则。

4. release原则(黄金法则)

当我们用alloc,retain,new,copy,mutablecopy这些函数创建地址付给指针时,需要用release或者autorelease释放。释放的时候,每个指针谁创建的谁释放,不能去释放别人创建的指针。

5. 成员变量为对象的set函数

一个类的成员变量为另一个类的对象时,为了考虑内存管理,set函数的一般写法,以Car类拥有Engine对象作为成员变量为例:

-(void)setEngine:(Engine *)newengine

{

if(engine!=newengine){ //判断是否自我赋值

[engine release]; //若为对象赋新值,先release旧的

engine=[newEngine retain]; //赋新值且retain一下计数器+1

}

return;

}

 

这个set函数充分的考虑到了,自我赋值和对象取新值的情况,engine为空时,[engine release]执行一次,但不会产生效果,所以不会出现错误。因为OC在创建对象时,成员变量默认为nil,[nil release]能够执行,但是没有效果,即不会对计数器产生影响。但是存在一个问题,就是赋新值后retain后,使用完成后会发现无法对其release,因为car类对象一直使用着这个值,car对象销毁,才执行retain一次,减少engine计数器一次。因此必须重写Car类的dealloc函数,在car对象释放时,release一下engine,以对应set函数中的retain,满足黄金法则。

重写的dealloc函数为:

-(void)dealloc //car的对象释放时,自动调用,类似析构函数

{

[engine release]; //self.engine=nil;作用相同(调用set函数)

[surper dealloc]; //模拟C++析构时,调用父类的析构函数

return;

}

6. 特殊成员变量的点语法

不同于普通变量,set和get函数封装应为:

@property (retain) Engine * engine;

@synthesize engine;

这样就不用麻烦的自己书写set函数了。一个类的成员是另一个类时,此时 的set函数会与以前的普通成员边量set函数大有不同,set函数书写为内存 管路版本使用时,一定要重写dealloc函数,处理成员对象的最后一次release。

7. atuorelease和atuoreleasepool

新版的自动释放池写法为;

@autoreleasepool

{

}

释放池作为一个关键字存在,老版本的释放池的书写更易于理解,写法如下:

NSAutorelease *pool = [[NSAutoreleasePool alloc]init];

…………

[pool release];

可以将pool看为一个数组,将relase的对象装在这个数组中,等到释放池 释放的时候,才把池中的对象全部执行一次release。

8. 以对象dog为例,使用自动释放池release:

[dog autorelease]; //自动释放 延迟释放

这里是将dog地址添加到pool中,pool执行release时,才把池中的对象全 部执行一次release。在这之前,计数器并没有真正的减一,pool释放的时 候dog的计数器才会真正的减一。

9. 不到万不得已的时候,千万不要用autoreleasepool。

IOS中每一个触发周期,系统都会自动创建一个自动释放池,在周期结束时, 就会释放这个pool。autorelease自动匹配最近的一个pool,我们并不能控 制其在我们想要释放的时候才释放。

+函数创建一个对象时,并不能确定何时释放对象,因此我们在pool释放时, 再释放这个对象,避免错误。

本文出自 “CoderToDeveloper” 博客,请务必保留此出处http://rongchengfei.blog.51cto.com/6269699/1082149

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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