什么结构体 struct


  简单的来说,结构体就是一个可以包含不同数据类型的一个结构,它是一种可以自己定义的数据类型,它的特点和数组主要有两点不同,首先结构体可以在一个结构中声明不同的数据类型,第二相同结构的结构体变量是可以相互赋值的,而数组是做不到的,因为数组是单一数据类型的数据集合,它本身不是数据类型(而结构体是),数组名称是常量指针,所以不可以做为左值进行运算,所以数组之间就不能通过数组名称相互复制了,即使数据类型和数组大小完全相同。

  定义结构体使用struct修饰符,例如:
struct test
{
float a;
int b;
};

上面的代码就定义了一个名为test的结构体,它的数据类型就是test,它包含两个成员a和b,成员a的数据类型为浮点型,成员b的数据类型为整型。

  由于结构体本身就是自定义的数据类型,定义结构体变量的方法和定义普通变量的方法一样。

test pn1;

  这样就定义了一test结构体数据类型的结构体变量pn1,结构体成员的访问通过点操作符进行,pn1.a=10 就对结构体变量pn1的成员a进行了赋值操作。

  注意:结构体生命的时候本身不占用任何内存空间,只有当你用你定义的结构体类型定义结构体变量的时候计算机才会分配内存。

  结构体,同样是可以定义指针的,那么结构体指针就叫做结构指针。

  结构指针通过->符号来访问成员,下面我们就以上所说的看一个完整的例子:

#include <iostream>   
#include <string>   
using namespace std;

struct test//定义一个名为test的结构体
{
    int a;//定义结构体成员a
    int b;//定义结构体成员b
};

void main()     
{
     test pn1;//定义结构体变量pn1
     test pn2;//定义结构体变量pn2

     pn2.a=10;//通过成员操作符.给结构体变量pn2中的成员a赋值
     pn2.b=3;//通过成员操作符.给结构体变量pn2中的成员b赋值

     pn1=pn2;//把pn2中所有的成员值复制给具有相同结构的结构体变量pn1
    cout<<pn1.a<<"|"<<pn1.b<<endl;
    cout<<pn2.a<<"|"<<pn2.b<<endl;

     test *point;//定义结构指针

     point=&pn2;//指针指向结构体变量pn2的内存地址
    cout<<pn2.a<<"|"<<pn2.b<<endl;
     point->a=99;//通过结构指针修改结构体变量pn2成员a的值
    cout<<pn2.a<<"|"<<pn2.b<<endl;
    cout<<point->a<<"|"<<point->b<<endl;
    cin.get();
}

  总之,结构体可以描述数组不能够清晰描述的结构,它具有数组所不具备的一些功能特性。

  下面我们来看一下,结构体变量是如何作为函数参数进行传递的。

#include <iostream>   
#include <string>   
using namespace std;

struct test
{
    char name[10];
    float socre;
};

void print_score(test pn)//以结构变量进行传递
{
    cout<<pn.name<<"|"<<pn.socre<<endl;
}

void print_score(test *pn)//一结构指针作为形参
{
    cout<<pn->name<<"|"<<pn->socre<<endl;
}

void main()     
{
     test a[2]={{"marry",88.5},{"jarck",98.5}};
    int num = sizeof(a)/sizeof(test);
    for(int i=0;i<num;i++)
     {
         print_score(a[i]);
     }
    for(int i=0;i<num;i++)
     {
         print_score(&a[i]);
     }
    cin.get();
}

  void print_score(test *pn)的效率是要高过void print_score(test pn)的,因为直接内存操作避免了栈空间开辟结构变量空间需求,节省内存。

  下面我们再说一下,传递结构引用的例子。

  利用引用传递的好处很多,它的效率和指针相差无几,但引用的操作方式和值传递几乎一样,种种优势都说明善用引用可以做到程序的易读和易操作,它的优势尤其在结构和大的时候,避免传递结构变量很大的值,节省内存,提高效率。

#include <iostream>   
#include <string>   
using namespace std;

struct test
{
    char name[10];
    float socre;
};

void print_score(test &pn)//以结构变量进行传递
{
    cout<<pn.name<<"|"<<pn.socre<<endl;
}

void main()     
{
     test a[2]={{"marry",88.5},{"jarck",98.5}};
    int num = sizeof(a)/sizeof(test);
    for(int i=0;i<num;i++)
     {
         print_score(a[i]);
     }
    cin.get();
}

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