2.变量的作用域和生命周期

本文探讨了变量初始化的概念,深入解析了局部变量和全局变量的作用域规则。通过实例说明了不同作用域下变量的可访问性,并总结了1.局部变量在定义范围内有效;2.全局变量在整个工程范围内可见。最后,介绍了如何在程序中正确使用和区分这两种变量。
摘要由CSDN通过智能技术生成

1.变量定义

在变量的类型后面加上变量名称 我们称为变量的初始化

 

2.变量的作用域

作用域:作用域是程序设计概念,通常来说,一段程序代码中所用到的名字并不总是有效或者可用 的而限定这个名字的可用性的代码范围就是这个名字的作用域。

例如下面这个程序

我们可以看到如果将 i 定义在for循环结构的外面那么这个 i 是可以在发循环内部使用并在其他地方

进行修改的

但是如果在for循环内部定义一个变量

我们可以发现编译器给我们报了一个错误,说 j 是未声明的标识符,那么为什么我们在for循环里

面定义的变量在for循环外面就不能使用了呢

那么我们来看这张图

 

这里我们可以看到 i 的作用域是 main 主函数内部 { } 之间在main 内对 i 进行的修改编译器都是认

识的,在for循环里面定义的变量 在for循环的 { } 内 我们的编译器也是认识的(在修改是变量下方

未报红线)那么我们就很容易的得到结论:我们自己定义的变量只在我们定义的函数里面是可使用

的出了这个函数编译器便不认识这个变量

当然如果我们定义一个全局变量

例如

 

 可以看到用define定义的全局变量在所有的函数中都能使用

那么我们可以进行总结:

1. 局部变量的作用域是变量所在的局部范围。

2. 全局变量的作用域是整个工程。

最后感谢大家的观看,如果文章对你有帮助请点个

  • 2
    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