深入理解PHP中赋值与引用

本文详细解析PHP中变量引用与赋值的区别,包括引用如何共享内存空间及赋值如何创建副本,通过代码实例展示两者在内存管理上的差异,并解释PHP引擎如何优化内存使用。

先看下面的问题:

<?php 
$a = 10;//将常量值赋给变量,会为a分配内存空间

$b = $a;//变量赋值给变量,是不是copy了一份副本,b也分配了内存空间呢?

$c = &$a;//引用是不会为c分配空间的,c和a是共用一份空间的。

?>

对于中间的那个问题,你的答案是什么呢?在今天之前,我的答案是会为b分配内存空间。因为我是这么理解的:

&赋值的时候,视为一个变量定义了一个别名,增加了一个对内存空间的引用。改变其中一个,会影响其他的引用。而使用unset()时,只是断开了对变量内存空间的引用,内存空间不会释放。

而 = 赋值则不同,它会重新开辟一份内存空间存储原变量的副本。两者之间的修改不会相互影响。

而下面的程序则印证了这一点:

<?php 
$a = 10;//将常量值赋给变量,会为a分配内存空间

$b = $a;//变量赋值给变量,是不是copy了一份副本,b也分配了内存空间呢?

$c = &$a;//引用是不会为c分配空间的,c和a是共用一份空间的。

$a = 5;
echo $c;//输出5,因为a和c 是指向同一个内存空间
echo PHP_EOL;
echo $b;//由于b是副本,对a的操作不会影响b,输出10
?>

那如果

$b = $a;//之后a  和  b 都不做任何改变,保持一致

有这么一个问题,如果 = 赋值之后,两个变量都不曾改变,如果是两份副本,岂不是太浪费内存?

PHP中实际上避免了这种情况。

PHP中将一个变量赋值给新变量时,不会立即为新变量分配内存空间,只是增加了对内存空间的引用。当原变量或者新变量作出任何改变时,才会为新变量 分配一块内存空间。

<?php 
$a = 1;
$b = $a;

echo $a;
//在此之前,b都是和a共用内存空间的。

$a = 2;//a作出了改变,此时b才会有自己的空间
?>

每个php变量存在一个叫"zval"的变量容器中。一个zval变量容器,除了包含变量的类型和值,还包括两个字节的额外信息。第一个 是"is_ref",是个bool值,用来标识这个变量是否是属于引用集合(referenceset)。通过这个字节,php引擎才能把普通变量和引用 变量区分开来,由于php允许用户通过使用&来使用自定义引用,zval变量容器中还有一个内部引用计数机制,来优化内存使用。第二个额外字节 是"refcount",用以表示指向这个zval变量容器的变量(也称符号即symbol)个数。当"refcount"的值是 1 时,"is_ref"的值总是 FALSE . 

安装xdebug之后,利用xdebug_debug_zval(),可以看到zval结构:

如下:

<?php 
$a = 1;
$b = $a;

echo $a;
//在此之前,b都是和a共用内存空间的。
xdebug_debug_zval('b');
$a = 2;//a作出了改变,此时b才会有自己的空间
xdebug_debug_zval('b');
?>

输出:

b:

(refcount=2, is_ref=0),

int 

b:

(refcount=1, is_ref=0),

int 

由上面的结果可以看到,在a作出改变之前,引用计数是2 ,当a作出改变之后,b的引用计数变为1,是因为b重新分配了空间

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化训练,到执行分类及结果优化的完整流程,并介绍了精度评价通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置结果后处理环节,充分利用ENVI Modeler进行自动化建模参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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