函数模板、类模板初识

函数模板:类模板 和 函数模板

函数模板
template<typename T1,typename T2,...,typename Tn>  
返回值类型  函数名(参数列表) { }
template<class T1,class T2,...,class Tn>
返回值类型  函数名(参数列表) { }

1、使用函数重载索然可以实现同名函数不同的参数,但是还是有不好的地方:
重载的函数仅仅只是类型不同,代码的复用概率比较低。只要有新的类型出现时,就需要增加对应的函数代码的可维护性比较低,一个出错可能所有的重载出错
2、泛型编程:编写与类型无关的通用代码,是代码复用的一种手段。模板是泛型编程的基础。
3、模板:函数模板 和 类模板
4、函数模板:函数模板代表一个函数家族,该函数模板与类型无关,在使用时被参数化,根据参数类型生产特定函数类型版本
注意: typenames是用来定义模版参数关键字,也可以使用class(class 比较常用)

函数模板匹配原则:
  • 一个非模板函数可以和一个同名的函数模板同时存在,而且该函数模板还可以被实例化为这个非模板函数
//专门处理int的加法非模板函数
int  add(int a,int b)
{
	return  a+b;
} 

//通用加法函数函数模板
template<class T>
T add(T a,T b)
{
	return left+right;
} 
int main()
{
	add(1,2);//与非函数模板匹配,编译器不需要特化 
	add<int>(1,2);//调用编译器特化add版本 
}
  • 对于非模板函数和同名函数模板,如果其他条件都相同,在调用时会有先调用非模板函数而不会从该模板产生出一个实例。如果函数模板可以产生一个更好的匹配函数,那么将选择模板
// 专门处理int的加法函数
int Add(int left, int right)
{
    return left + right;
}
// 通用加法函数
template<class T1, class T2>
T1 Add(T1 left, T2 right)
{
    return left + right;
}
void Test()
{
    Add(1, 2); // 与非函数模板类型完全匹配,不需要函数模板实例化 
    Add(1, 2.0); // 模板函数可以生成更加匹配的版本,编译器根据实参生成更加匹配的Add函数
}

注意: 模板函数不允许出现自动类型转换,但普通函数可以进行自动类型转换
函数模板实例化视图: ↓↓↓↓↓↓
在这里插入图片描述

类模板
template<class T1,class T2,.......,class Tn>
class   模板类名
{
   //类内成员定义
}

写一个动态顺序表的类模板:

template<class T>
class vevtor
{
	public:
		vector<size_t capacity = 10>//构造函数 
		:_pdate(new T[capacity])
		,_size(0)
		,_capacity(capacity)
		{ }
		//使用析构函数演示:在类内面声明,在类外定义
		~vector();
		
		void pushback(const T& date)//尾插 
		{
			_pdate[_size++] = date;
		} 
		
		void popback()//尾删 
		{
			--_size;
		}
		
		size_t size()//求顺序表中元素个数 
		{
			return _size;
		}
		
		T& operator[](size_t pos)//重载[] 
		{
			assert(pos<_size);
			return _pdate[pos];
		}
		
	private:
		T* _pdate;
		size_t _size;
		size_t _capacity;	
}; 

注意: 类模板中函数放在类外进行定义时,需要加模版参数列表

template<class T>
vector<T> :: ~vector()
{
	if(_pdate)
	{
		delete[] _pdatee;
	}
}

注意: vector不是具体的类,是编译器根据实例化的类型生成具体的模具

类模板的实例化

类模板实例化与函数模板实例化不同,类模板实例化需要在类模板名字后跟<>,然后将实例化的类型放在<>中即可,类模板名字不是正在的类,而实例化的结果才是真正的类。

vector<int> s1;
vector<double> s2;
  • 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