精确包含头文件

原文http://yunli.blog.51cto.com/831344/275313

将原文精简了一下:

一:只包含必需的头文件。当foo.c文件在被编译时,第一步要做的是预处理,预处理的最终结果可以看作是将stdio.h和time.h中的内容全部放到foo.c文件中,当然,如果stdio.h和time.h中又包含其它的头文件的话,它们也都全部会被放入到最终的foo.c文件中,图2示例了采用GCC的-E选项所获得的最终预处理完的文件final.c,从图中可以看出,本来是7行的文件变成了1419行,这意味着什么?意味着如果多包含头文件则编译所花费的时间将更长。

foo.c
#include <stdio.h>
#include <time.h>

void foo ()
{
    printf ("Just for an example!\n");
}
图1
yunli.blog.51cto.com ~
$ gcc -E foo.c >final.c

yunli.blog.51cto.com ~
$ vi final.c
   1414 # 3 "foo.c" 2
   1415
   1416 void foo ()
   1417 {
   1418     printf ("Just for a test!\n");
   1419 }
:set nu
图2
    二:尽可能不要在头文件中包含其它的头文件,取而代之的是尽量在.c源文件中包含它们。对于图3和图4两种实现方式,光从foo()函数的角度来说是一模一样的,只是对于stdio.h头文件的包含一个是放在foo.h中的,而另一个则是放在foo.c中的。大部分情形下设计一个模块的目的是需要供其它的模块使用,而其它的模块在需要使用foo()函数时通常需要包含foo.h头文件。采用图3的实现方式将造成包含foo.h头文件则会导致间接地包含stdio.h,进而出现前面所讲的编译速度下降这一问题。
foo.h
#include <stdio.h>

void foo ();
foo.c
#include “foo.h”

void foo ()
{
    printf ("Just for an example!\n");
}

图3
foo.h
void foo ();
foo.c
#include <stdio.h>
#include “foo.h”

void foo ()
{
    printf ("Just for an example!\n");
}
图3

  • 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