8-4 : 分配器概述 8-5 : 迭代器的概念和分类

分配器

 

   一:分配器概述:和容器紧密关联,一起使用    
   每次malloc(),都浪费大量内存。
   确切的说:内存分配器,扮演内存池的角色,通过大量减少对malloc()的调用,来节省内存,甚至还有一定的分配效率的提高;
   经过测试,allocator这个c++标准库提供的缺省的内存分配器压根就没有采用内存池的工作机制。估计底层原封不动的调用了     malloc();

namespace _nmsp1
{		
	void func()
	{	
		//list<int> mylist;
		//list<int, std::allocator<int> > mylist;
		//typename = _Alloc = allocator<....> 一个分配器

		list<int> mylist; //双向链表,内存不要求挨着;
		mylist.push_back(10);
		mylist.push_back(20);
		mylist.push_back(36);
		for (auto iter = mylist.begin(); iter != mylist.end(); ++iter)
		{
			cout << *iter << endl;
			int *p = &(*iter);
			printf("%p\n", p);
		}
		mylist.pop_back(); //干掉36
		//int *psuibian = new int(100);
			   		 	  	  	 
		return;
	}
}

namespace _nmsp2
{
	//二:分配器的使用
	//allocator分配器,是个类模板,我们写代码时极少会直接用到这个allocator这种容器的分配器;
	//但从语法上来讲,allocator分配器是能够被直接编码使用的
	void func()
	{
		//list<int,
		allocator<int> aalloc; //定义一个aalloc对象,为类型为int的对象分配内存
		int *p = aalloc.allocate(3);  //allocate()是分配器中的重要函数,用来分配一段原始的未构造的内存。
		                            //这段内存能保存3个类型为int的对象(12字节);
		int *q = p;
		*q = 1; q++;
		*q = 2; q++;
		*q = 3;

		aalloc.deallocate(p, 3); //deallocate()也是分配器中的重要函数,用于释放内存,你需要记住分配了几个对象,释放时要释放正确数量的对象;

	}
}

namespace _nmsp3
{
	//三:其他的分配器及原理说
	//linux GNU c++(gcc,g++)

	//四:自定义分配器(自己写分配器)
	void func()
	{
		list <int, allocator<int>> mylist1;
		list <double, allocator<double>> mylist2;

	}
}

迭代器的概念和分类

一:迭代器基本概念:
 迭代器到底是个啥:迭代器是一个“课遍历STL容器全部或者部分元素”的对象(行为类似于指针的对象);

迭代器用来表现容器中的某一个位置;迭代器紧密依赖于容器,迭代器是由容器来提供的,也就是说,一般来讲,是容器里边定义着迭代器的具体类型细节;
大家理解成迭代器是和容器紧密相关(绑定);
 int *p; p = ...   printf(*p);   iter指向容器中元素;   *iter :打印迭代器所指向容器中的元素内容;

namespace _nmsp1
{		
	void func()
	{			
		vector<int> iv = { 100,200,300 }; //定义一个容器
		for (vector<int>::iterator iter = iv.begin(); iter != iv.end(); ++iter)
		{
			cout << *iter << endl;
		}
			   		 	  	  	 
		return;	
	}
}

二:迭代器的分类:迭代器是分种类的

分类的依据:依据是 迭代器的移动特性以及在这个迭代器上能够做的操作;


    
    迭代器,行为如指针,到处跳,表示一个位置,我们一般分类是依据他的跳跃能力,每个分类是一个对应的struct定义:

a)输出型迭代器:(Output iterator)
    struct output_iterator_tag;
b)输入型迭代器:(Input iterator)
    struct input_iterator_tag;
c)前向迭代器(Forward iterator)
    struct forward_iterator_tag;
d)双向迭代器(Bidirectional iterator)
    struct bidirectional_iterator_tag
e)随机访问迭代器(Random-access iterator)
    struct random_access_iterator_tag

    这些分类(结构)都有继承关系的:

vector<int>::iterator iter = .......
list<int>::iterator iter = ......
大多数容器里边都有一个::iterator迭代器类型;并不是所有容器里都有迭代器;比如stack,queue这种容器就不提供迭代器;
    
       


    //验证迭代器所属种类的代码:
    //如下这些_display_category()是重载函数;

namespace _nmsp2
{
	
	void _display_category(random_access_iterator_tag mytag)
	{
		cout << "random_access_iterator_tag" << endl;
	}

	void _display_category(bidirectional_iterator_tag mytag)
	{
		cout << "bidirectional_iterator_tag" << endl;
	}

	void _display_category(forward_iterator_tag mytag)
	{
		cout << "forward_iterator_tag" << endl;
	}

	void _display_category(output_iterator_tag mytag)
	{
		cout << "output_iterator_tag" << endl;
	}

	void _display_category(input_iterator_tag mytag)
	{
		cout << "input_iterator_tag" << endl;
	}

	template <typename T>
	void display_category(T ite) {   //T的类型编译器能推导出来
		cout << "---------------begin-------------------" << endl;

		//整个这个类型叫 过滤器(萃取机),用来获取T迭代器类型的种类;
		typename iterator_traits<T>::iterator_category cagy; //相当于获取迭代器种类;
		_display_category(cagy); //编译器会挑选一个最适合的参数的重载_display_category
		cout << "typeid(ite).name() = " << typeid(ite).name() << endl; //第三章10节讲rtti时

		cout << "---------------end-------------------" << endl;
	};
	   

	void func() //主函数:
	{
		display_category(array<int, 100>::iterator());  //这种 类型():代表产生 一个临时对象;
		display_category(vector<int>::iterator());
		display_category(list<int>::iterator());
		display_category(map<int, int>::iterator());
		display_category(set<int>::iterator());
	}
}

完善迭代器能力:
    a)输出型迭代器 struct output_iterator_tag; 一步一步能往前走,并且能够通过这个种类的迭代器来改写容器中的数据;
    b)输入型迭代器:struct input_iterator_tag; 一次一个以向前的方向来读取元素,按照这个顺序一个一个返回元素值;
   c)前向迭代器:struct forward_iterator_tag;因为继承自从Input迭代器,因此它能以向前的方向来读取元素,并且读取时提供额外保证;
    d)双向迭代器:struct bidirectional_iterator_tag:在前向迭代器基础之上增加了往回(反向)迭代,也就是迭代位置可以回退,新增加如下操作:
    e)随机访问迭代器:struct random_access_iterator_tag:在双向迭代器基础上又增加了所谓的随机访问能力:也就是增减某个偏移量,能够计算距离,还支持一些关系运算等等;

 


namespace _nmsp3
{
	void func()
	{
		vector<int> iv = { 100,200,300 };
		for (auto iter = iv.begin(); iter != iv.end(); ++iter)
		{
			cout << *iter << endl;
			*iter = 6;		
		}
		int abc; 
		abc = 0;

	}
}
int main()
{		
	//_nmsp1::func();	
	//_nmsp2::func();
	_nmsp3::func();
	return 1;
}

 

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