Toriyung

浅拷贝与深拷贝

摘要：浅拷贝是原对象和拷贝对象指向同一块内存空间，即共享内存空间。后果：对于一些数据类型如指针，浅拷贝的后果是当改变被拷贝的内存上的值，拷贝过去的数据也会随之改变，因为指向内存是相同的深拷贝是拷贝对象重新开辟内存空间独立使用，互不干扰。后果：由于是重新开辟内存空间，所以当改变被拷贝的内存上的值，拷贝过去阅读全文

posted @ 2022-08-13 18:01 Toriyung 阅读(18) 评论(0) 推荐(0)

C++新知识点：引用

摘要：讲引用还是绕不开左值右值简单来说左值就是有属于自己的内存地址(持久的值)，可以用来修改操作，但右值就是一个临时的变量(其实还有其他的，如将亡量等，总之就是不是一个持久的值)，没有自己的内存地址 C++11之前只有左引用左引用相当于是指针的别名，编译器编译时会将引用替换成指针，所以不需要有自己的内阅读全文

posted @ 2022-08-11 14:53 Toriyung 阅读(41) 评论(0) 推荐(0)

C++新知识点：类和对象

摘要：学过python，基本差不多的东西 C++中，访问权限分为三类： public：类内外 protected：类内(继承可以访问) private：类内(继承也不可以访问) 定义实例：注意结尾有" ；" class My: { public: int age; }; 和struct的关系：基阅读全文

posted @ 2022-08-09 22:54 Toriyung 阅读(42) 评论(0) 推荐(0)

C++新知识点：函数重载

摘要：个人理解：对于同个函数名，定义不同输入，可以作为不同函数功能使用如： void func1(int a,int b) { //function1 } void func1(float a, float b) { //function2 } 两个同名函数，但是形参不同，功能也不同，当调用时直接调用阅读全文

posted @ 2022-08-09 15:37 Toriyung 阅读(13) 评论(0) 推荐(0)

py文件在pycharm可运行但直接点击py文件运行则闪退的问题解决

摘要：情况：使用pycharm编写py文件，调试中运行没有问题在文件夹下，直接点击py文件使用python.exe运行闪退/一闪而过，使用cmd运行后报错“ModuleNotFoundError: No module named 'xxx” 分析： pycharm中编写程序时我是在虚拟环境下编写的，包阅读全文

posted @ 2022-08-05 16:08 Toriyung 阅读(2625) 评论(0) 推荐(0)

C++新知识点：内存四区

摘要：代码区：存放代码，具有共享性（多次使用的代码只存放一个地方反复使用）；只读性（不可修改）全局区：存放全局变量，静态变量，字符串常量，const全局常量栈区：编译器自动分配释放，存放局部变量和函数形参等，当函数1中调用函数2时，将函数1中函数2后一句代码的地址保存到LR并加入栈区，当函数2结阅读全文

posted @ 2022-08-04 16:48 Toriyung 阅读(40) 评论(0) 推荐(0)

C++新知识点：结构体

摘要：由于之前学过python，结构体可以用类来类比着学习定义 struct MY //Struct是关键字，MY是自己定义的结构体名 { string name; int age; float score; }my1; //my1可以在定义的时候顺便创建变量创建结构体(三种方式) 1. 在定义中顺便阅读全文

posted @ 2022-08-04 16:16 Toriyung 阅读(53) 评论(0) 推荐(0)

C++新知识点：跳转语句goto

摘要： int a = 0; goto FLAG; //FLAG可以是任意名称 a = 1; FLAG: cout << a << endl; 以上代码的结果就是输出a=0 goto语句将跳转到goto后面的标志位，标志位下写入执行程序。看着跟汇编有点像阅读全文

posted @ 2022-07-31 16:09 Toriyung 阅读(109) 评论(0) 推荐(0)

神经网络：学习率衰减

摘要：比较简单的道理：当刚开始进行训练/进行梯度下降时，距离0梯度还有很长一段过程，所以此时可以大胆地提高训练步长，即保持高学习率而当梯度下降到一定程度，差不多在0梯度或目标梯度附近变动时，此时若保持高学习率，会造成无法收敛(如图蓝色曲线)，所以需要降低学习率，以小步长进行梯度下降常见的学习率衰减方阅读全文

posted @ 2022-07-31 16:00 Toriyung 阅读(125) 评论(0) 推荐(0)

神经网络优化：Adam(Adaptive Moment Estimation)

摘要： Adam算法其实就是结合了动量梯度下降法和RMSprop算法，是最广为使用的算法，在大多数情况下都有效果。动量梯度算法和RMSprop算法的复习：动量：https://www.cnblogs.com/toriyung/p/16467289.html RMS：https://www.cnblogs 阅读全文

posted @ 2022-07-31 15:42 Toriyung 阅读(488) 评论(0) 推荐(0)

导航

公告