- 浏览: 265614 次
- 性别:
- 来自: 武汉
-
文章分类
最新评论
-
daknife：
谢谢你的这篇文章，让我大概了解了select的一部分底层原理。 ...
Linux-2.6.25 select系统调用源码分析 -
gjlzjb：
非常有用，谢谢哈。另外问下，您是否用过Pheonix Syst ...
Why Map/Reduce? -
zhangyafei_kimi：
canbo 写道请问，我怎么生成安装包，提供给其它用户安装呢？ ...
下载最新的Google Chrome源码并编译 -
canbo：
请问，我怎么生成安装包，提供给其它用户安装呢？
下载最新的Google Chrome源码并编译
本系列全部转载自kuibyshev.bokee.com
1. Boost中的MPL库分析
MPL是由David Abrahams和Aleksey Gurtovoy为方便模板元编程而开发的库，2003年被Boost吸纳为其中的一员，此后又历经一些大幅度修改，目前已经相当完善，其最新版本于2004年11月发布。MPL的出现是C++模板元编程发展中的一大创举，它提供了一个通用、高层次的编程框架，其中包括了序列（Sequence）、迭代器（Iterator）、算法（Algorithm）、元函数（Metafunction）等多种组件，具有高度的可重用性，不但提高了模板元编程的效率，而且使模板元编程的应用范围得到相当的扩展。
1.1. MPL的组织架构
一个库的组织形式有时候甚至比它的功能还重要。MPL的作者聪明地借鉴了已经取得巨大成功的STL，在MPL中保留了许多STL的概念，对函数式的编程方式进行了精巧的包装，使得任何熟悉STL的程序员都可以轻易地理解MPL的使用方法。像STL一样，MPL有一个完整的概念体系，对组件作了精心的划分，组件之间相对独立，接口具有通用性，因此将组件之间的依存度和耦合性降低到最小的限度。
STL和MPL的组件概念对照如下：
|
STL概念 |
MPL对应概念 |
|
容器（Container） |
序列（Sequence） |
|
算法（Algorithm） |
算法（Algorithm） |
|
迭代器（Iterator） |
迭代器（Iterator） |
|
仿函数（Functor） |
元函数类（Metafunction） |
|
配接器（Adaptor） |
有View、Inserter Iterator和相当于仿函数配接器的Binding元函数 |
|
配置器（Allocator） |
无此概念 |
|
标准中没有定义 |
宏（Macro） |
1.2. MPL对其他库的依赖
MPL是一个高层次的库，它的地位和编译期执行的特殊性决定了它需要一些特殊的辅助设施，并对其他库会有所依赖。
1.2.1. Boost的Preprocessor库
Preprocessor库是一个基于宏的元编程库[7]。预处理器的作用发生在编译以前，所以它比MPL所处的地位还要高端，能够真正实现代码生成。它的典型功能是迭代或者枚举相似的代码段，减少重复而易写错的代码段。MPL中不少代码是近似的，比如在vector的原始代码中，就需要定义n个
vectori { … }
其中i从1迭代到n。为了减少重复劳动，MPL的源代码大量使用自定义和Preprocessor库的宏对重复或具有递推性的内容进行迭代。不过，这也导致源代码难以阅读。比如上面一段展开后的源代码首先是定义在vector/aux_/numbered.cpp的：
// Preprocessor的宏，得到目前属于第几次迭代
#define i_ BOOST_PP_FRAME_ITERATION(1)
...
template<
//Preprocessor的宏，枚举参数列表
BOOST_PP_ENUM_PARAMS(i_, typename T)
>
// Preprocessor的宏，拼合vector和当前次数
struct BOOST_PP_CAT(vector,i_)
{ ... }
然后为了迭代n个上面的类模板，另一个文件则需要重复include这个文件，利用Preprocessor的文件迭代能力可以这样写：
// Preprocessor的宏，其中第一个参数3表示后面的参数组有3个
//元素，0和10表示迭代的范围是从0到10，最后一个参数是文件
//迭代的文件名
# define BOOST_PP_ITERATION_PARAMS_1 \
(3,(0, 10, ))
// Preprocessor的宏，要求按照上面的指定的参数进行递归
# include BOOST_PP_ITERATE()
尽管如此，宏还是必需的，它不但避免了重复编写递推式的代码（比如在上述的vector类模板中，n可达50之大，如果完全手写确实是浪费时间），而且还有效控制了代码的生成（比如只需要通过定义迭代次数，即可控制实际生成的类模板个数）。实际上，在使用vector（或其他组件）时，通常我们并不需要每次编译都把这些代码重新生成一次，MPL的作者已经充分考虑到编译效率的问题，所以在MPL的代码中，为每个流行的编译器都建立了一个Processed目录，里面存放着针对编译器特点展开了的代码。仅当定义了BOOST_MPL_CFG_NO_PREPROCESSED_HEADERS时才会强制MPL重新用宏来生成代码。
MPL的作者指出，无论喜欢还是不喜欢，目前宏必须在MPL中扮演着这个不可替代的角色。
1.2.2. Boost的Type Traits库
Type Traits库[9]用于验证传递的参数或参数之间是否符合一定的条件，比如可以判定两个参数是否有继承关系、是否可转换等。
1.2.3. Boost的Static Assert库
Static Assert库[8]用于编译时断言，用法类似于C中常用的断言assert()。如果参数经编译时的静态计算为true，则代码能通过编译，不会有任何效果，反之，则会编译出错，并且在使编译信息里面包含有“STATIC_ASSERTION_FAILURE”的字样。
Static Assert的底层是接受一个bool参数的模板STATIC_ASSERTION_FAILURE，它对true定义一个有成员的特化模板，对false的情况则只有一个特化的声明（无定义）。其接口是一个宏，它产生的代码是sizeof(STATIC_ASSERTION_FAILURE< ... >)，显然当参数的实际结果为false时，编译器无法判断STATIC_ASSERTION_FAILURE的长度，因为它尚未定义。
因为MPL是只在编译时生效的库，用Static Assert来调试程序是非常合适的，它往往与Type Traits库搭配使用。
1.2.4. Boost的Config库
像STL一样，由于编译器对标准支持不同，为了使程序库具有移植性，最好是针对环境进行预先的设置。对于MPL这种先锋性的库来说，编译器问题更加让库作者相当头痛。借助于对环境的侦查，可以对预先发现的问题，比如模板的局部特化能力、已知的一些编译器的bug等等，采取相应的补救措施[4]。
1.3. MPL中的序列
1.3.1. MPL序列概述
序列是MPL中的数据结构的统称，是MPL中处于中心地位的组件，其地位相当于STL中的容器。MPL对序列的性质进行了细致的划分：
|
性质 |
含义 / 主要模型 |
|
前向序列Forward Sequence |
begin和end元函数能够界定其头尾范围的类型序列 / MPL中所有序列 |
|
双向序列Bidirectional Sequence |
迭代器属于双向迭代器的前向序列 / vector，range_c |
|
随机访问序列Random Access Sequence |
迭代器属于随机访问迭代器的双向序列 / vector，range_c |
|
可扩展序列Extensible Sequence |
允许插入和删除元素的序列 / vector，list |
|
前可扩展序列Front Extensible Sequence |
允许在前端插入和删除元素的可扩展序列 / vector，list |
|
后可扩展序列Back Extensible Sequence |
允许在后端插入和删除元素的可扩展序列 / vector，list |
|
关联序列Associative Sequence |
可以用key值来检索元素的前向序列 / set，map |
|
可扩展关联序列Extensible Associative Sequence |
允许插入和删除元素的关联序列 / set，map |
|
整型序列包装器Integral Sequence Wrapper |
存放一系列整型常量类（Integral Constant）的一种类模板 / vector_c，list_c，set_c |
|
不定序列Variadic Sequence |
可以用给定元素个数或用不指定元素个数的形式来定义的序列 / vector，list，map |
部分概念在现阶段的MPL版本中其实存在着一些冗余，但这种以概念驱动的程序库却是很清晰的：每一种概念的背后都指明了它所支持的操作。
1.3.2. vector和deque
（1）概述
MPL中最简单和最常用的序列就是vector。而deque在目前版本的MPL中相当于vector。vector的实质十分类似于前面示例的类型“数组”，逻辑上是连续线性的，由于它属于不定序列，使用时既可以指定长度，以vectornn>来定义，也可以直接用vectorn>来定义。注意n不能超过宏BOOST_MPL_LIMIT_VECTOR_SIZE的定义，目前MPL的默认值是20。vector的特点是支持尾端常数时间的插入和删除操作以及中段和前端线性时间的插入和删除操作。
（2）操作
vector支持的操作无论在命名还是逻辑上基本都与STL 一致，但有一个重大区别，STL的操作函数定义在类的内部，但是限于模板元编程的特殊性，MPL的这些元函数在容器外定义。下表列出它们的用法：
相关推荐
原生js图片圆形排列按钮控制3D旋转切换插件.zip
内含二维数组与三维数组,分别为list2nd,list3rd
原生js颜色随机生成9x9乘法表代码.zip
原生js实现图片叠加滚动切换代码.zip
【Academic tailor】学术小裁缝必备知识点：全局注意力机制（GAM） 注意力机制是深度学习中的重要技术，尤其在序列到序列（sequence-to-sequence）任务中广泛应用，例如机器翻译、文本摘要和问答系统等。这一机制由 Bahdanau 等人在其论文《Neural Machine Translation by Jointly Learning to Align and Translate》中首次提出。以下将详细介绍这一机制的背景、核心原理及相关公式。 全局注意力机制（Global Attention Mechanism, GAM）由 《Global Attention Mechanism: Retain Information to Enhance Channel-Spatial Interactions》提出，是一篇针对计算机视觉任务提出的方法。这篇文章聚焦于增强深度神经网络中通道和空间维度之间的交互，以提高分类任务的性能。与最早由 Bahdanau 等人提出的用于序列到序列任务的注意力机制 不同，这篇文章的重点是针对图像分类任务，并未专注于序
本项目在开发和设计过程中涉及到原理和技术有: B/S、java技术和MySQL数据库等；此文将按以下章节进行开发设计； 第一章绪论；剖析项目背景,说明研究的内容。 第二章开发技术；系统主要使用了java技术， b/s模式和myspl数据库，并对此做了介绍。 第三章系统分析；包罗了系统总体结构、对系统的性能、功能、流程图进行了分析。 第四章系统设计；对软件功能模块和数据库进行详细设计。 第五章系统总体设计；对系统管理员和用户的功能进行描述， 第六章对系统进行测试， 第七章总结心得；在论文最后结束章节总结了开发这个系统和撰写论文时候自己的总结、感想,包括致谢。
1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。
镗夹具总工艺图
原生js树叶数字时钟代码.rar
近代非线性回归分析-韦博成1989
内容概要：本文详细介绍了用 Rust 语言实现冒泡排序算法的具体步骤，以及通过设置标志位来优化算法性能的方法。示例代码包括了函数定义、内外层循环逻辑、标志位的应用，并在主函数中展示了如何调用 bubble_sort 函数并显示排序前后的数组。 适合人群：具有基本 Rust 编程基础的学习者和开发者。 使用场景及目标：适用于想要深入了解 Rust 中冒泡排序实现方式及其优化技巧的技术人员。通过本篇文章，能够掌握 Rust 基本语法以及算法优化的基本思想。 阅读建议：除了仔细阅读和理解每一部分的内容外，还可以尝试修改代码，改变数据集大小，进一步探索冒泡排序的时间复杂度和优化效果。此外，在实际应用时也可以考虑引入并发或其他高级特性以提升性能。
培训课件 -安全隐患分类与排查治理.pptx
中国各地级市的海拔标准差数据集提供了298个地级市的海拔变异性信息。海拔标准差是衡量某地区海拔高度分布离散程度的统计指标，它通过计算各测量点海拔与平均海拔之间的差异来得出。这一数据对于评估地形起伏对网络基础设施建设的影响尤为重要，因为地形的起伏度不仅会增加建设成本，还会影响信号质量。此外，由于地形起伏度是自然地理变量，它与经济社会因素关联性较小，因此被用作“宽带中国”试点政策的工具变量，以研究网络基础设施建设对经济的影响。数据集中包含了行政区划代码、地区、所属省份、所属地域、长江经济带、经度、纬度以及海拔标准差等关键指标。这些数据来源于地理空间数据云，并以Excel和dta格式提供，方便研究者进行进一步的分析和研究。
YOLO算法的原理与实现
视网膜病变是糖尿病和高血压的主要微血管并发症。如果不及时治疗，可能会导致失明。据估计，印度三分之一的成年人患有糖尿病或高血压，他们未来患视网膜病变的风险很高。我们研究的目的是检查糖化血红蛋白 (HbA1c)、血压 (BP) 读数和脂质水平与视网膜病变的相关性。我们的主要假设是，血糖控制不佳（表现为高 HbA1c 水平、高血压和异常脂质水平）会导致视网膜病变风险增加。我们使用眼底照相机筛查了 119 名印度患者的视网膜病变，并获取了他们最近的血压、HbA1c 和血脂谱值。然后，我们应用 XGBoost 机器学习算法根据他们的实验室值预测是否存在视网膜病变。我们能够根据这些关键生物标志物高精度地预测视网膜病变。此外，使用 Shapely Additive Explanations (SHAP)，我们确定了对模型最重要的两个特征，即年龄和 HbA1c。这表明血糖控制不佳的老年患者更有可能出现视网膜病变。因此，这些高风险人群可以成为早期筛查和干预计划的目标，以防止视网膜病变发展为失明。
在强化学习（RL）领域，如何稳定地优化策略是一个核心挑战。2015 年，由 John Schulman 等人提出的信赖域策略优化（Trust Region Policy Optimization, TRPO）算法为这一问题提供了优雅的解决方案。TRPO 通过限制策略更新的幅度，避免了策略更新过大导致的不稳定问题，是强化学习中经典的策略优化方法之一。
1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。
这组数据涵盖了1999至2020年间中国各地区普通小学毕业生的数量。它为我们提供了一个深入了解中国教育领域中普通小学阶段教育水平和教育资源分配情况的窗口。通过分析这些数据，可以为制定科学合理的教育政策提供依据，同时，通过比较不同城市的普通小学毕业生数，也能为城市规划和劳动力市场调查提供参考。数据来源于中国区域统计年鉴和中国各省市统计年鉴，包含了8472个样本，以面板数据的形式呈现。这些数据对于掌握中国教育态势具有重要的参考价值。
原生js制作拖拽排列排序代码.zip
PixPin截图工具,非常好用的一款截图工具