C++编程思想----第9章、内联函数

本文深入探讨了C语言中宏与内联函数的使用场景与注意事项,包括宏的效率与缺陷,内联函数的概念、实现及应用场景,以及与编译器交互的细节。通过具体例子解释了宏展开过程中的优先级问题、宏滥用可能导致的意外行为,以及内联函数如何避免函数调用开销并提高代码效率,同时指出了内联函数的局限性,如函数体过大可能导致代码膨胀。

概述

1.c中的宏----保持效率:

(1)宏:直接用“函数体”替换调用(工作由预处理器完成,简单高效,不能像编译器一样做完整的参数检查,不适合大函数:递归,循环,过多调用等等)

(2)函数的调用流程:参入压栈---->调用汇编语言CALL---->返回参数---->执行汇编语言RETURN。对于简单的函数来说这个流程的开销比使用宏大很多。


9.1预处理器的缺陷

1.例一

#define FLOOR(x,b) x>=b?0:1

if(FLOOR(a&0x0f,0x07))

上述展开之后由于优先级的问题得到的并不是我们想要的结果。解决方法,增加尽量多的():

#define FLOOR(x,b) (((x)>=(b))?0:1),这需要编程的时候很仔细。


2.例二

#define BAND(x) (((x)>5 && (x) <10) ? (x):0)

使用方式:BAND(a++),带入表达式之后其实执行了三次a++,这和我们的初衷可能是违背的。

例如在cstdio中putc()和toupper()方法的实现都是用宏,我们在使用的时候一部小心就可能遇上这种情况,如:toupper(*p++)


9.2内联函数:inline

(1)C++的内联函数 实现类似于C中宏的功能,使用的时候直接展开(避免函数调用的开销),内联函数是真正的函数

(2)类中定义的函数自动成为内联函数(只是声明的这是非内联函数)。

(3)普通函数成为内联函数的定义方式:inline + 函数的声明和函数体结合在一起。如:

        inline int plusOne(int x){ return x++;}  

(4)使用内联函数的目的是:减少函数调用的开销。但是如果函数体较大,用于需要在每一处调用出都重复的复制代码,这样会使得代码膨胀,可能会等不到预期的效率。

(5)内联函数用于:访问函数,修改器和访问器


9.4内联函数和编译器:

(1)对于任何函数,编译器在他的符号表里放入函数类型(函数名称、参数类型、函数返回类型)。当编译器看到的是内联函数时,如果检查无误,还会将函数体的代码也放到符号表中。

(2)有两种类型编译器不能执行内联:

          如果函数太复杂,编译器放弃内联方式;

          如果要显示地或隐式地取函数地址,编译器不执行内联。因为这是编译器必须为函数代码分配内存从而产生一个函数的地址。当地址不需要时,编译器仍然可能内联代码。

(3)向前引用。因为C++语言规定:只有在类声明结束后,其中的内联函数才会被计算。

(4)在构造函数和析构函数里的隐藏行为。可能会导致我们这个时候使用内联其实效率很低。



代码转载自:https://pan.quark.cn/s/a4b39357ea24 本文重点阐述了利用 LabVIEW 软件构建的锁相放大器的设计方案及其具体实施流程,并探讨了该设备在声波相位差定位系统中的实际运用情况。 锁相放大器作为一项基础测量技术,其核心功能在于能够精确锁定微弱信号的频率参数并完成相关测量工作。 在采用 LabVIEW 软件开发的锁相放大器系统中,通过计算测量信号与两条参考信号之间的互相关函数,实现对微弱信号的频率锁定,同时输出被测信号的幅值信息。 虚拟仪器技术是一种基于计算机硬件平台的仪器系统,其显著特征在于用户可以根据实际需求自主设计仪器功能,配备虚拟化操作界面,并将测试功能完全由专用软件程序实现。 虚拟仪器系统的基本架构主要由计算机主机、专用软件程序以及硬件接口模块等核心部件构成。 虚拟仪器最突出的优势在于其功能完全取决于软件编程,用户可以根据具体应用场景灵活调整系统功能参数。 在基于 LabVIEW 软件开发的锁相放大器系统中,主要运用 LabVIEW 软件平台完成锁相放大器功能的整体设计。 LabVIEW 作为一个图形化编程环境,能够高效地完成虚拟仪器的开发工作。 借助 LabVIEW 软件,可以快速构建锁相放大器的用户操作界面,并且可以根据实际需求进行灵活调整和功能扩展。 锁相放大器系统的关键构成要素包括测量信号输入通道、参考信号输入通道、频率锁定处理单元以及信号幅值输出单元。 测量信号是系统需要检测的对象,参考信号则用于引导系统完成对测量信号的频率锁定。 频率锁定处理单元负责实现测量信号的锁定功能,信号幅值输出单元则负责输出被测信号的幅值大小。 在锁相放大器的实际实现过程中,系统采用了双路参考信号输入方案来锁定测量信号。 通过分析两路参考信号之间的相...
边缘计算环境中基于启发式算法的深度神经网络卸载策略(Matlab代码实现)内容概要:本文介绍了在边缘计算环境中,利用启发式算法实现深度神经网络任务卸载的策略,并提供了相应的Matlab代码实现。文重点探讨了如何通过合理的任务划分与调度,将深度神经网络的计算任务高效地卸载到边缘服务器,从而降低终端设备的计算负担、减少延迟并提高整体系统效率。文中涵盖了问题建模、启发式算法设计(如贪心策略、遗传算法、粒子群优化等可能的候选方法)、性能评估指标(如能耗、延迟、资源利用率)以及仿真实验结果分析等内容,旨在为边缘智能计算中的模型推理优化提供可行的技术路径。; 适合人群:具备一定编程基础,熟悉Matlab工具,从事边缘计算、人工智能、物联网或智能系统优化方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究深度神经网络在资源受限设备上的部署与优化;②探索边缘计算环境下的任务卸载机制与算法设计;③通过Matlab仿真验证不同启发式算法在实际场景中的性能表现,优化系统延迟与能耗。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注算法实现细节与仿真参数设置,同时可尝试复现并对比不同启发式算法的效果,以深入理解边缘计算中DNN卸载的核心挑战与解决方案。
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