会员
众包
新闻
博问
闪存
赞助商
HarmonyOS
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
Neal_Pu
博客园
首页
新随笔
联系
订阅
管理
上一页
1
2
3
4
5
下一页
2018年9月1日
c++中NULL和nullptr的区别
摘要: NULL在c++中是一个宏,是一个空指针常量,如果将NULL扩展为常数,那么这个数是0,类型为int。 所以,常数0既是整型常量,也是空指针常量,这就有可能导致二义性问题。因此,c++11新标准引入了 nullptr,将其作为空指针常量。
阅读全文
posted @ 2018-09-01 23:39 Neal_Pu
阅读(2546)
评论(0)
推荐(1)
2018年8月13日
使用两个队列实现栈
摘要: 代码:
阅读全文
posted @ 2018-08-13 14:18 Neal_Pu
阅读(165)
评论(0)
推荐(0)
2018年7月31日
c++基础(十三)——异常处理
摘要: 异常处理的思想与程序实现 异常处理的基本思想 异常处理的语法 异常接口声明 一个函数显式声明可能抛出的异常,有利于函数的调用者为异常处理做好准备 可以在函数的声明中列出这个函数可能抛掷的所有异常类型。 例如:void fun() throw(A,B,C,D); 若无异常接口声明,则此函数可以抛掷任何
阅读全文
posted @ 2018-07-31 11:23 Neal_Pu
阅读(166)
评论(0)
推荐(0)
2018年7月29日
c++基础(十二)——多态性
摘要: 多态性 多态性是指操作接口具有表现多种形态的能力:它能够根据操作环境的不同而采用不同的处理方式,或者一组具有相同语义的方法能够在统一接口下为不同的对象服务。 多态性的实现: 绑定机制:绑定是将一个标识符和存储地址联系在一起的过程; 编译时的绑定通过静态绑定来实现:绑定工作在编译链接阶段完成,函数的重
阅读全文
posted @ 2018-07-29 18:53 Neal_Pu
阅读(441)
评论(0)
推荐(0)
2018年7月28日
RNN学习笔记
摘要: 传统的语言模型在预测序列中的下一个单词时只会考虑到前面的有限个单词,RNN与之不同,RNN网络会根据前面已经出现的所有输入来调整整个网络。下图是RNN网络的典型结构: Xt表示在t时刻的输入,ht表示t时刻的隐藏层状态,yt表示t时刻的输出。每一个隐藏层都有许多的神经元,这些神经元将上一层的输入做线
阅读全文
posted @ 2018-07-28 09:57 Neal_Pu
阅读(8230)
评论(0)
推荐(0)
2018年7月22日
opencv图像轮廓
摘要: 最小外接圆 函数cv2.minEnclosingCircle() 可以帮我们找到一个对象的外切圆。它是所有能够包括对象的圆中面积最小的一个。 案例:现有下面这样一张图片,要求将图片中心的花朵标记出来。 代码: 程序结果: 凸包 凸包与轮廓近似相似,但不同,虽然有些情况下它们给出的结果是一样的。函数c
阅读全文
posted @ 2018-07-22 19:58 Neal_Pu
阅读(1345)
评论(0)
推荐(0)
2018年7月21日
c++基础(十一)
摘要: 类的继承的概念 继承是在保持已有类的基础之上构造新类的过程,而派生是指在已有类的基础之上新增自己的特性而产生新类的过程。二者是对同一个问题的不同描述,继承侧重于保持原有类的特性,而派生侧重于增加新的特性。被继承的类(即原有类)称为基类,派生出的类称为派生类。基类又分为直接基类和间接基类。 继承的目的
阅读全文
posted @ 2018-07-21 22:40 Neal_Pu
阅读(206)
评论(0)
推荐(0)
c++基础(十)
摘要: 第四部分:指针与函数 指针作为函数参数:使用指针作为参数的原因:1、需要数据的双向传递;2、需要传递一组数据,只传首地址运行效率比较高。 案例: 运行结果: 注意:浮点数在c++中是近似存储的,因此,如果要比较两个浮点数的大小,不能直接使用“==”,而可以通过判断两个浮点数的差值是否小于一个足够小的
阅读全文
posted @ 2018-07-21 11:33 Neal_Pu
阅读(349)
评论(0)
推荐(0)
c++基础(九)
摘要: 第三部分:动态存储分配 用指针访问数组元素 数组是一组连续存储的同类型数据,可以通过指针的算术运算,使指针依次指向数组的各个元素,进而可以遍历数组。使用指针来访问数组元素时,需要将数组的首地址赋值给指针变量,形式为: int *p,a[10];p=a(或者p=&a[0])。 经过上述定义及赋值后*p
阅读全文
posted @ 2018-07-21 11:09 Neal_Pu
阅读(183)
评论(0)
推荐(0)
2018年7月18日
CNN学习笔记
摘要: 传统的全连接网络在处理大尺寸图片数据时,由于每层网络与前层都是全连接,所以网络的参数会变得很庞大,这导致网络训练起来速度很慢,而且网络的参数太多会导致过拟合的问题。相比于全连接网络,卷积网络层有3个维度:宽度、高度和深度。卷积层的每一个神经元不是与上层的所有神经元连接,而是与上层网络的部分区域神经元
阅读全文
posted @ 2018-07-18 12:27 Neal_Pu
阅读(193)
评论(0)
推荐(0)
上一页
1
2
3
4
5
下一页
公告