拷贝/复制构造函数

拷贝构造函数将会被调用。
1).一个对象以值传递的方式传入函数体
2).一个对象以值传递的方式从函数返回
3).一个对象需要通过另外一个对象进行初始化

例子如下
Point:: Point (const Point &);

默认的拷贝构造函数一般可以解决很多情况,但是如果要拷贝的对象里面有指针,

指向一块内存,拷贝的对象的指针也指向这个地方,然后拷贝的对象析构的时候,

会释放这块内存。

因此如果用户自定义对象里面有指针,需要自定义拷贝构造函数,

就能覆盖掉默认的拷贝构造函数,默认的拷贝构造是用位拷贝的方式实现的。


比如如下代码: #include

  using namespace std;

  class CTest

  {

  public:

  int i;

  CTest(){cout << "construct" << endl;}

  ~CTest(){cout << "discontruct" << endl;}

  };

  void test(CTest obj)

  {

  }

  int main()

  {

  CTest testObj;

  test(testObj);

  return 0;

  }

  这个程序运行的结果为:

  construct

  discontruct

  discontruct


修改后的代码为: #include

  using namespace std;

  class CTest

  {

  public:

  int i;

  CTest(){cout << "construct" << endl;}

  CTest(CTest& obj){cout << "call copy construct" << endl;} //拷贝构造函数

  ~CTest(){cout << "discontruct" << endl;}

  };

  void test(CTest obj)

  {

  }

  int main()

  {

  CTest testObj;

  test(testObj);

  return 0;

  }

  此时程序的输出为:

  construct

  call copy construct

  discontruct

  discontruct



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。
在C++中,复制构造函数拷贝构造函数是指同一个概念,用于创建一个对象的副本。它们被定义为类的特殊成员函数,用于将一个对象的值复制到另一个对象中。 复制构造函数/拷贝构造函数的语法如下: ```cpp ClassName(const ClassName& obj) { // 复制obj的成员变量到新对象中 } ``` 其中,`ClassName`是类的名称,`obj`是同类对象的引用,用于初始化新创建的对象。 在使用复制构造函数时,编译器会自动调用它来创建一个对象的副本。例如: ```cpp ClassName obj1; // 创建一个对象obj1 ClassName obj2(obj1); // 使用obj1调用复制构造函数创建obj2,obj2是obj1的副本 ``` 需要注意的是,如果没有显式定义复制构造函数/拷贝构造函数,编译器会为类提供一个默认的复制构造函数,该构造函数会逐个复制类的成员变量。但是如果类中有指针成员变量或资源管理等特殊情况,则需要自定义复制构造函数来确保正确地复制对象。 同时,复制构造函数/拷贝构造函数也可以通过赋值运算符重载来实现对象的复制。例如: ```cpp ClassName obj1; // 创建一个对象obj1 ClassName obj2 = obj1; // 使用赋值运算符重载实现对象的复制 ``` 这里的赋值运算符重载函数会被编译器解析为复制构造函数/拷贝构造函数的调用。 总结:复制构造函数/拷贝构造函数是用于创建对象的副本的特殊构造函数,它们采用同类对象的引用作为参数,并使用该对象的值来初始化新创建的对象。如果未显式定义复制构造函数/拷贝构造函数,编译器会提供一个默认的复制构造函数/拷贝构造函数
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