指针引用 指针的指针 指针 和引用 linux C语言编程

C语言编程的一些参数传递问题

1.指针参数

例子,交换传入两个数

 (1)void swap(int *a,int *b)// right

调用方式,swap(&c,&d);

 (2)void swap(int a,int b)//wrong

调用方式,swap(c,d)

总结:(1)是对的。&c和a指向的内容是相同的,均为c(或者*a),但是&c和a的地址不一样。即,内存为存储c开辟了一个空间S1,而&c和a则是两个指针,内存用另外两个空间(不同)存储二者,这二者均指向S1,即内容c(或者*a)

2.指针的指针

就是说传入的指向指针的指针,作用类似于指针的引用

3.指针的引用,如 Point *&//      windows下可以,linux下不可以

比方说,

(1)调用方式,Point* head;

        initP(&head);

void initP(Point**te)
{
   *te=(Point*)malloc(sizeof(Point));//传入的&head即Point**用一个地址S1存贮,形参te用S2存储,S1和S2指向一个空间,S3,S3为Point*类型的东西,即Point*,即head,而S3指向*head的内容。
   (*te)->a=100;
   (*te)->next=NULL;
}

(2)Point* head;

  initP(head);

void initP(Point*&te)
{
   te=(Point*)malloc(sizeof(Point));//te 等于head,即te就是head,内存地址相同,指向的对象一样。
   te->a=100;
   te->next=NULL;
}

下面讨论一种错误的方式

(3)Point* head;

  initP(head);

void initP(Point* te)//没用引用符号
{
   te=(Point*)malloc(sizeof(Point));
   te->a=100;
   te->next=NULL;
}

解释:指针的传递是对于指针来说是值传递,而对于指针指向的对象可以说成引用传递

之中呢head是指针,内存用一个地址S1存储head,S1指向另一个空间S2,S2中是head指向的内容。调用initP(Point*)函数时,指针其实是值传递,即,内存开辟了一个新的空间S3存储指针,但是S3指向S2。当在函数内部访问*S3时,可以访问到S2,但是,当访问S2或者为S2开辟空间时,S1其实并没有变,即head并没有变。所以导致出错。

4.链表插入时

先创建对象,然后令指针指向该对象。

正确的解说的的例子示范如下:

(1)

Point * pp;

void insertP()
{
 pp=(Point*)malloc(sizeof(Point));
 pp->a=10;
 pp->next=NULL;
 //Point** t=&pp; //t指针指向&pp(Point**),即*t等于pp,用同一内存空间
 //*t=(*t)->next;//修改*t即修改pp,错误

//*t=(Point*)malloc(sizeof(Point));///cuowu错误
 Point *t=(Point*)malloc(sizeof(Point));
 t->a=20;
 t->next=NULL;
 pp->next=t;//正确,先创建t对象,然后将pp-》next指向该对象

}

(2)

调用方式。Point * head;

initP();

insertP(head);

void insertP(Point* pp)
{
 
 Point *tt,*t=pp;
 t=t->next;
 tt=pp;
 t=(Point*)malloc(sizeof(Point));
 t->a=20;
 t->next=NULL;
 //pp->next=t;
 tt->next=t;//bu不要忘记这一句
}//qing请注意,可以用pp或者tt->next的原因是,虽然存储pp和head的地址空间不同,但是,pp指向的对象和head是一样的,所以可以用访问fu符号,->.

但是initP里面不可以用,因为head和te的地址不同,所以新的开辟空间会导致二者的不同,

initP(head)

void initP(Point* te)//没用引用符号
{
   te=(Point*)malloc(sizeof(Point));//处理te,为te开辟空间,不是head,即空间S1(对应te),而head的空间时S2

te指向的a和next是S1的指向的a和next,,不是S2(对应head指针)指向的空间。

//zhuy注意,te没有被开辟空间之前,te和head也是不同的内存,但是他们指向的内容是一样的,即可以通过*te修改访问head指向的内容
   te->a=100;
   te->next=NULL;
}

所以,调用initP后的结果是,head没有被初始化

 

 

 

 

 

转载于:https://www.cnblogs.com/dreamboke/archive/2012/09/15/2686975.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