C++中的内存管理,关于堆、栈、全局/static变量区、常量区的实践

C/C++语言存在各种变量,这些变量都是保存在计算机的内存当中,深入的理解各种变量的存储方式有助于写出更好的代码

内容参考http://blog.csdn.net/sunchaohuang/article/details/5842757

1、栈内存。栈内存用来保存需要的时候分配,不需要时释放的变量,例如函数中的一般变量。

#include <iostream>
using namespace std;

int func()
{
    int i = 10;
    cout << i << endl;
    return 0;
}

int main()
{
    func();
    return 0;
}

上述函数中的i就是保存在栈内存,只有函数被调用的时候才会被分配空间,用VS2013单步调试功能监控i变量,可以发现,当没执行到函数时,i显示 未定义标识符 "i"   

当执行到函数体但是未到定义i的语句时,i被分配内存空间,但是并未初始化,所以i的值是内存中的垃圾信息,数值是任意的

我们走到cout<< i << endl;语句,这时i已经被初始化,可以看到i被初始化为10

到了函数结束,i变成了灰色,不再可用。

下图是调用堆栈的过程,可以用VS自带的工具来查看。

2、堆内存。堆内存是我们手机new出来的,编译器不负责管理这些内存,需要程序自己去释放,当然,程序结束时操作系统也会释放,但是有些操作系统中始终运行的程序如果不释放内存就会耗尽内存,这就是内存泄露。下面动手实践一下,现在把程序改这样

#include <iostream>
using namespace std;

int* func()
{
    int *a = new int(5);
    cout << *a << endl;
    return a;
}

int main()
{
    cout<<*func()<<endl;
    return 0;
}

可以看出,程序的输出结果仍然是两个5;其实这并不说明new的内存没有被释放,事实上,如果把a指向栈中的地址,会输出同样的信息。例如下面程序

#include <iostream>
using namespace std;

int* func()
{
    int b = 5;
    int *a = &b;//new int(5);
    cout << *a << endl;
    return a;
}

int main()
{
    cout<<*func()<<endl;
    return 0;
}

同样会输出两个5。这是因为即使是栈,在没有其他变量占用空间的情况下,内存的值仍是原来的,这也是变量要求初始化的原因。下面我们想办法展示堆内存与栈内存的区别。

#include <iostream>
using namespace std;

int* func()
{
    int b = 5;
    int *a = &b;//new int(5);
    cout << *a << endl;
    return a;
}
int func1()
{
    int b = 10;
    cout << b << endl;
    return b;
}
int main()
{    
    int *c = func();
    //func1();//观察加上与去掉这个函数的结果
    cout<<*c<<endl;
    return 0;

可以看出,加上func1()和去年func1()的结果完全不同,因为func1()中的变量把栈内存中的数值改变了。看下面的程序,这次把a指向了堆内存中的地址

#include <iostream>
using namespace std;

int* func()
{
    int *a =new int(5);
    cout << *a << endl;
    return a;
}
int func1()
{
    int b = 10;
    cout << b << endl;
    return b;
}
int main()
{    
    int *c = func();
    //func1();//观察加上与去掉这个函数的结果
    cout<<*c<<endl;
    return 0;
}

 可以看出,这次输出的结果是5,10,5,这就证明了堆内存不会被程序自动释放。如果把func()改在这样,程序就会不能正常运行。

int* func()
{
    int *a =new int(5);
    cout << *a << endl;
    delete a;
    return a;
}

 3、全局/static变量。全局/static变量被分配到同一块内存中,在VS2013中,全局变量在程序开始运行时就会被分配空间。,而static变量测在函数被调用时分配空间。

#include <iostream>
using namespace std;

int var = 16;

int func()
{
    static int b = 25;
    cout << b << endl;
    return b;
}

int main()
{    
    func();
    cout << var << endl;
    return 0;
}

4、我们再来看看常量。常量被分配在一个特殊的内存空间。

转载于:https://www.cnblogs.com/lishuai0214/p/4312646.html

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,它们在神经网络用于添非线性,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