个人对C/C++使用的一些总结

        本人从接触C和C++已经有不少年头了,不过真正在项目中运用C/C++时间并不长,可能还不到2年时间,近期在项目中对C/C++的使用过程中感觉有一些地方容易出问题,所以特写一些总结以供作记录。

 

1. C++中单例类的使用

         单例类,听名字就可以知道在一个程序中,这个类只能存在一个实例。

那么我们怎么保证它在一个程序中只存在一个实例呢?于是乎有人想到用一种比较挫的方法,那就是人为的定规矩,leader跟手下的程序猿说:这个类要用单例模式,你们在程序中只能创建一个实例,要是有人敢多创建我就扣他工资。

比较靠谱的作法是用方法去约束,我定义一个类不管谁用我这个类,他都无法创建多个实例。这个方法不错,不过不是我想出来的,是C++给出来的方法。不过我们在使用这种方法中可能会一不注意被别人钻了空子,下面我们来看一个例子。

 

Class Singleton

{

private:

         Singleton*inst;

public:

         staticSingleton* GetInstance()

 {

if(NULL == inst)

{

         new Singleton();

return inst;

}

};

 

有没有问题?乍一看好像没什么问题,好吧,就当没有问题。项目代码里面不会把类名都定义成这种一看名字就知道是单例的吧,所以光从名字可能看不出来。假如项目组来了一个新员工,他的代码里要使用这个类,于是似他就 Singleton* pInst = new Singleton(); 怎么样?现在会出现什么情况?答案是他会new成功,这个类有了一个新的实例。为什么会这样?因为我们忽略了一个重点,我们没能从方法上约束使用者。不多费话了,下面贴上我认为比较正确的定义方法:

Class Singleton

{

private:

         Singleton();       //构造函数声明成私有成员,使用者无法new出实例,

//保证实例获取只有一个接口

public:

         staticSingleton* GetInstance()

 {

         static Singleton sInst;      //个人比较喜欢用静态变量

return &sInst;

}

};

看了这种定义,大家应该明白了。另外,单例里面如果有必要的话,尽量提供一个重位功能的接口,通过这个接口可以使这个实例还原到初始化状态。

 

2. 数组和字符串操作

         数组和字符串的操作最怕的就是地址越界。我们在使用过程中要尽量去判断数组的下标和字符串的长度。字符串拷贝建议大家使用strncpy函数去代替strcpy函数,前者比后者较安全。还有一点,定义的字符型数组或者malloc回来的空间使用前尽量先初始化。

 

3. 函数入参的判断

         进入函数后的第一步应该是入参有效性的检测,特别是入参包括指针类型的。

 

4. 同步互斥

         在多线程编程过种中,同步互斥特别重要。要注意一些公共资源的访问,一定要上锁,每一个可重入函数的编写都要注意。

 

5. 代码的可读性

         代码不光是只给我们自己看,我们是以团队为单位的,所以写出来的代码要尽量让其他人能看懂。自己写的代码,隔一段时间去看,发现自己看好半天没看懂,有木有?所以代码的结构要尽量简单,不要一味的追求高效率。少用全局变量,少给后人挖点坑。另外我个人认为在代码里面还需要多加注释。

 

         这几点是我暂时能想到的,以后有更多内容我会发出来与大家共享,写的不恰之处请大家批评指正!

 

                                                            安宇俊

                                                          2012-11-7

 

  • 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