函数

函数的分类

  • 库函数:IO函数、字符串操作函数、字符操作函数、内存操作函数、时间/日期函数、数学函数、其他函数
  • 自定义函数

函数组成

函数名、返回值类型、函数参数

函数的参数

  • 实际参数(实参)
  • 形式参数(形参),形参实例化是对实参的一份临时拷贝

main函数参数

  • int main (int argc, char* argv[], vhar* envp[]){}
  • argc:整型变量,表示命令行参数个数
  • argv:指针数组,每个元素指向命令行的每一个参数(字符串)
  • envp:指针数组,数组每个元素指向一个环境变量(字符串)

可变参数

  • 函数实现为可变参数,使函数可以接受1个以上的多个参数
  • 可变参数必须从头到尾逐个访问,但可以访问半途中停止
  • 参数列表至少有一个命名参数,否则无法使用va_start
  • 可变参数实现过程是使用宏的封装,这些宏无法直接判断实际存在参数个数和每个参数的类型
  • 如果在va_arg中指定了错误的类型,后果是不可预测的
#include <stdio.h>
#include <stdarg.h>
int average (int n, ...) {
    va_list arg;
    //va_list类型的arg用于访问参数列表未确定部分
    int i = 0, sum = 0;
    va_start(arg, n);
    //调用va_start初始化,将arg设置为指向可变参数的第一个参数
    //va_start的参数是va_list变量名和省略号前最后一个有名字的参数
    for (i = 0; i < n; i++) {
        sum += va_arg (arg, int);
        //调用va_arg访问参数,但会这个参数的值并指向下一个可变参数
        //va_arg的参数是va_list变量和列表中下一个参数的类型
    }
    return sum/n;
    va_end (arg); //结束访问可变参数
}
int main() {
    int a = 1, b = 2, c = 3;
    int avg1 = average(2, a,c);
    int avg2 = average(3, a, b, c);
    printf("avg1 = %d\navg2 = %d\n", avg1, avg2);
    return 0;
}

函数传参

  • 传参方式
  • 传值调用:接受参数的函数获得参数的临时拷贝,不会影响原参数
  • 传址调用:将参数地址传给调用函数,对原参数进行修改

数组传参

  • 一维数组传参:数组名相当于首元素的地址
  • 二维数组传参(int arr[2][3]):利用数组指针接收(void fun (int (*arr)[3]));利用二维数组接收(void fun (int arr[][3]))
  • 多维数组传参:提供除最左边一维之外的其他维度的长度

指针传参

想修改指针变量(*p)需要用二级指针来接收,实参传当前指针的地址

函数的声明和定义

函数的声明

  • 告诉编译器有一个函数叫什么,参数是什么,返回值类型是什么,但不实现
  • 函数声明在函数使用前
  • 一般在头文件中

函数的定义

函数的具体实现

链接属性

  • 外部链接属性:一个标识符,不仅在当前源文件使用,使用extern的声明可以在其他文件使用
  • 内部链接属性:static修饰的标识符
  • 无属性:局部变量

函数递归

程序调用自身的编程技巧称之为递归

条件

  • 存在限制条件,当满足这个条件递归结束
  • 每次递归之后越来越接近这个条件

递归是占用栈空间的,多次递归可能会导致栈溢出

解决方法

  • 改写成非递归
  • 用static对象替代非static局部对象,减少每次递归调用和返回时产生和释放的开销并保存递归调用的中间状态,可为各个调用层访问
  • 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