![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
工具库
文章平均质量分 72
夜雨清狂
活到老学到老
展开
-
【原创】性能炸裂c++20协程+iocp/epoll,C++20无栈协程超轻量高性能异步库开发实战
主要讲述c++20协程库开发的实战过程和思路方法,比较干货,后面有源码。刚学也有很多不足,希望大佬指正。原创 2022-07-29 16:28:27 · 8234 阅读 · 2 评论 -
【原创】C++ bit比特位数据编辑类模版CLBitT
C++数据bit比特位编辑类CLBit目前数据的最小编辑单位大多为Byte(比特),而缺少对bit(比特位)的编辑方式。因此CLBit类就是为了编辑数据比特位构造的包装类。通过比特位级别的数据编辑(增删改查等)功能,可更有效的使用内存空间资源。#ifndef __CL_BITBASE_H__#define __CL_BITBASE_H__#include "../_cl_common/CLCommon.h"#include <vector>#include <iostream原创 2021-07-31 22:12:01 · 890 阅读 · 0 评论 -
[原创]STL容器map和unordered_map性能,创建,插入,随机访问速度对比!
测试map和unordered_map,采用1亿次随机访问,分别在数据量10~1000万不同情况测试,生成时间和随机访问时间;平台:win10,vs2019,c++14,编译,启动优化结论:1、unordered_map在任何情况下都要比map的随机访问速度更快,5倍以上;2、unordered_map在100万数据量以下要比map的随机插入速度快,如果单个保存的数据结构较大,这一速度会进一步降低;3、unordered_map会比map占用更多的内存;元素个数 | 访问次数 | map原创 2020-09-06 16:42:03 · 1550 阅读 · 0 评论 -
源码分享,采用线程池,实现高性能跨平台C++多线程并行库,附测试!
由于实用需要,实现一个跨平台的多线程并行库,摆脱windows的ppl,并且兼顾效率和跨平台性,特点如下:采用C++11跨平台,调度性能和windows ppl库相近;使用了其他大神的 线程池代码,实现线程高效复用;支持STL容器、C数组、指针多种方式传递容器目标对象做并行;代码可自行完善功能;先看测试结果:测试所用的执行函数体执行时间极端{ i += 1;},目的是,测试比较...原创 2020-02-24 01:22:00 · 1410 阅读 · 2 评论 -
源码分享:C++高性能的内存池实现。内存预分配,非复制构造,全局内存池。
为了实现面向对象编程,对于的复杂型结构快速构造与释放,写了个内存池管理模板。他特点是允许用户放弃内存池生成对象使用权,而不是执行析构。实现对象的复用。实现同类型对象内存池的全局华管理。内存块的大小可调。内存池状态可输出显示。内存预分配。对象构造采用原始构造,非动态申请和复制构造,提高速度。加锁,实现多线程支持。通过giveUpOne方法放弃对象使用权,不需要释放对象,实现高度对象复用。...原创 2020-02-10 21:07:21 · 1164 阅读 · 2 评论 -
源码分享:C++矩阵类CLMatrixT,功能强大使用简单,支持内存池、宽指令、并行化加速!持续更新...
C++矩阵类模板CLMatrixT:C++矩阵类模板CLMatrixT介绍:特点先演示使用方法:再看运行测试结果:最后分享源代码:C++矩阵类模板CLMatrixT介绍:最近在研究AI和深度学习,矩阵计算代码基本全是python的,C++基本没有成熟的库。而矩阵计算中,许多python的矩阵计算例子用法都很简单,感觉C++也应该有属于自己的矩阵处理类,即可享受C++的速度又可享受面向对象编程方...原创 2020-01-28 17:12:28 · 1970 阅读 · 0 评论 -
轻量级C++神经网络应用库CreativeLus:4、CNN卷积神经网络。案例:(MNIST)手写数字识别。
github资源地址:[Release-x86/x64]上一篇:轻量级C++神经网络应用库CreativeLus:3、复杂函数逼近。案例:多输入混合逼近。下一篇:轻量级C++神经网络应用库CreativeLus:5、ResNet残差网咯。案例:(cifar-100)图片分类。案例4:CNN网络,实现(MNIST)手写数字识别本案例的任务经过前面几章的介绍,对CL基本功能应有所了解。C...原创 2020-02-01 04:34:37 · 1243 阅读 · 6 评论 -
轻量级C++神经网络应用库CreativeLus:1、库介绍。案例:简单sin函数逼近。
CreativeLus库,又名“创造性逻辑元”,简称CL,是基于反馈式神经网络(BP网络)模型理论基础开发的C++神经网络库。希望在尽可能的丰富功能前提下,让使用者付出极低的代价。尤其是学生、研究人员或小型应用,在机器学习,深度学习,神经网络应用等领域能有一种快速的应用可选方案。作为超轻量级应用库,它区别于TensorFlow、PyTorch等强大而复杂的系统工具或库,但它同样简单易用,而且有效。能处理常规逼近,分类问题,还能构建自定义的各类网络模型,包括:复杂节点网络,卷积网络(cnn),残差网络原创 2020-01-30 04:30:17 · 2421 阅读 · 6 评论 -
轻量级C++神经网络应用库CreativeLus:3、复杂函数逼近。案例:多输入混合逼近。
github资源地址:[Release-x86/x64]上一篇:轻量级C++神经网络应用库CreativeLus:2、分类问题。案例:空间点在平面上2分类。下一篇:轻量级C++神经网络应用库CreativeLus:4、CNN卷积神经网络。案例:(MNIST)手写数字识别。案例3:复杂函数逼近本章介绍以下几个主要内容,本章内容非常重要:1、创建自定义结构的神经网络;2、模型自调整介...原创 2020-01-31 19:06:42 · 864 阅读 · 0 评论 -
轻量级C++神经网络应用库CreativeLus:2、分类问题。案例:空间点在平面上2分类。
案例2:平面点2分类问题本章将介绍以下几个新的使用方法:1、对样本数据的保存及读取,对训练好的模型的保存及读取;2、启动多线程支持,加速你的训练模型;3、动态的实时输出训练时的图形结果;(按每一训练周期做一次输出更新的方式)4、将图形和曲线结果保存到外部Bitmap图形文件中;5、将模型的计算内核和训练扩展脱开,释放训练扩展占用的内存,仅保留预测部分。问题介绍:我们在三位空间中...原创 2020-01-31 02:58:03 · 665 阅读 · 0 评论