虚函数 & 多态

 

  • 虚函数在类的成员函数前加virtual关键,这时成员函数就是虚函数。这里需要注意的是必须是类的成员函数。

  • 虚函数表通过一块连续的内存来存储虚函数地址。在对象的模型里存着。如下所示:

 

class Base
{
public:
	
	virtual void Fun1()
	{
		cout << "Base::Fun1()" << endl;
	}

	virtual void Fun2()
	{
		cout << "Base::Fun2()" << endl;
	}

public:
	int _Base;
};

class Derive:public Base
{
public:
	virtual void Fun1()
	{
		cout << "Derive::Fun()" << endl;
	}

	virtual void Fun3()
	{
		cout << "Derive::Fun3()" << endl;
	}

	virtual void Fun4()
	{
		cout << "Derive::Fun4()" << endl;
	}
public:
	int _Derive;

};

上述的图示(单继承):

 

 

菱形虚拟继承:(多继承)

下面通过一段简单的菱形继承的代码来分析:

//菱形虚拟继承博客演示

class A
{
public:
	virtual void f1()
	{
		cout << "A::f1()" << endl;
	}

	virtual void f2()
	{
		cout << "A::f2()" << endl;
	}

	int _a;
};

class B :virtual public A
{
public:
	virtual void f1()
	{
		cout << "B::f1()" << endl;
	}
	
	virtual void f3()
	{
		cout << "B::f3()" << endl;
	}

	int _b;
};

class C :virtual public A
{
public:
	virtual void f1()
	{
		cout << "C::f1()" << endl;
	}

	virtual void f4()
	{
		cout << "C::f4()" << endl;
	}

	int _c;
};

class D :public B, public C
{
public:

	virtual void f1()
	{
		cout << "D::f1()" << endl;
	}

	virtual void f5()
	{
		cout << "D::f5()" << endl;
	}

	int _d;
};

typedef void(*VfTables)() ;               //函数指针
void printVfptr(int **VfTable)
{
	printf("虚表的地址:%p \n",VfTable);
	for (size_t i = 0; VfTable[i] != 0; ++i)
	{
		printf("VfTable[%d] :%p -> ",i,VfTable[i]);
		VfTables func = (VfTables)VfTable[i];
		func();
	}
}

int main()
{

	D d;
	d._a = 1;
	d._b = 2;
	d._c = 3;
	d._d = 4;

	cout << "====================================" << endl;
	printVfptr(((int**)(*(int**)&d)));
	cout << "====================================" << endl;
	printVfptr((int**)(*((int**)((char*)&d + sizeof(B)-sizeof(A)))));
	cout << "====================================" << endl;
	printVfptr((int**)(*(int**)((char*)&d + sizeof(D)-sizeof(A))));
	cout << "====================================" << endl;

	return 0;
}

图示分析:

 

  • 多态即多种形态

 

触发多态的条件:1.父类的指针或引用调用虚函数

                              2.虚函数的重写(覆盖)

 

  • 为什么多态非要是对象的指针或者引用呢?
  • 否则就是值拷贝,不拷贝虚表

下面代码实现多态

class A
{
public:
	virtual void Fun1()
	{
		cout << "A::Fun1" << endl;
	}

	void GetFun()
	{
		Fun1();
	}
};

class B :public A
{
public:
	virtual void Fun1()
	{
		cout << "B::Fun1" << endl;
	}
};

int main()
{
	A a;
	B b;
	A* pa = &a;
	pa->GetFun();

	pa = &b;
	pa->GetFun();
}

这里就可以看出来的,pa是一个A*的类型,但是通过同一类型的指针,调了两个不同的函数,一个是父类的Fun1,一个是子类的Fun1。

 

重写,重载,隐藏的区别:

 

 

 

 

 

 

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,能够捕捉数据中的时间依赖性。 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,它们在神经网络中用于添加非线性,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