论述含参数的宏与函数的优缺点

论述含参数的宏与函数的优缺点
1.函数调用时,先求出实参表达式的值,然后带入形参。而使用带参的宏只是进行简单的字符替换。
2.函数调用是在程序运行时处理的,分配临时的内存单元;而宏展开则是在编译时进行的,在展开时并不分配内存单元,不进行值的传递处理,也没有“返回值”的概念。
3.对函数中的实参和形参都要定义类型,二者的类型要求一致,如不一致,应进行类型转换;而宏不存在类型问题,宏名无类型,它的参数也无类型,只是一个符号代表,展开时带入指定的字符即可。宏定义时,字符串可以是任何类型的数据。
4.调用函数只可得到一个返回值,而用宏可以设法得到几个结果。
5.使用宏次数多时,宏展开后源程序长,因为每展开一次都使程序增长,而函数调用不使源程序变长。
6.宏替换不占运行时间。而函数调用则占运行时间(分配单元、保留现场、值传递、返回)。
一般来说,用宏来代表简短的表达式比较合适。

  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1. Sigmoid函数(也称为logistic函数)的优缺点: 优点: - Sigmoid函数能够将输入值压缩到0和1之间,这使得它非常适合用于二元分类问题; - 它是可微分的,这使得它易于使用梯度下降算法进行优化。 缺点: - Sigmoid函数在输入值非常大或非常小的时候,梯度会变得非常小。这种现象称为梯度消失,它会导致神经网络训练过程变得非常缓慢; - Sigmoid函数的输出不是以0为中心的,这可能会导致神经网络在训练过程中出现偏移的问题。 2. Tanh函数优缺点: 优点: - Tanh函数可以将输入值压缩到-1和1之间,这使得它非常适合用于回归问题; - 与Sigmoid函数不同,Tanh函数的输出是以0为中心的,这可以帮助解决神经网络中的偏移问题。 缺点: - 与Sigmoid函数一样,Tanh函数也容易出现梯度消失的问题; - Tanh函数的计算代价比Sigmoid函数高,因为它需要进行指数运算。 3. ReLU函数(也称为整流线性单元)的优缺点: 优点: - ReLU函数计算简单,只需要取输入值和0的最大值即可; - ReLU函数在输入值大于0的时候梯度为常数,这避免了梯度消失的问题; - ReLU函数的收敛速度比Sigmoid和Tanh函数快。 缺点: - 当输入值小于0的时候,ReLU函数的输出为0,这称为死亡ReLU问题。这会导致一些神经元在训练过程中永远不会被激活,从而影响整个网络的性能; - ReLU函数不是可微分的,这使得它不能直接使用梯度下降算法进行优化。但是,可以使用近似的梯度来解决这个问题。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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