- 博客(151)
- 收藏
- 关注
RSS订阅原创 【深度视觉】第十九章：YOLO预训练模型的使用
save_txt=True时，还可以把检测到的物体的类别编码、bbox都写到一个文件中输出。就相当于帮助我们自动标注了，并且生成了标签文档。conf：默认值是0.25，就是说只要被检测的目标有25%的置信度，就把目标标记出来。2、在anaconda中创建运行yolo的虚拟环境。我们下载的v8是一个预训练模型，就是开箱即用的。stream：就是检测结果是否要打印到终端。1、下载：anaconda+vscode。source: 自然就是你要检测的目标。save：检测结果是否要保存。
2025-04-06 14:33:37
145
原创 【深度视觉】第十八章：YOLO系列原理解读
不胜其烦，下面两个图对这些指标统一描述一下：。一是，重叠的物体检测不到！如果一个网格对应的图像是只狗，是我们要检测的对象，但是这只狗重叠的区域还有一只高度一样的猫，这只猫也是我们要检测的对象，那是不是就无法检测出来了。此外，v8对新手是比较友好的，因为没有太多的源码级别的东西，很多东西直接调用即可：一是你要指定一下配置文件，二是如果你想改动的地方，加到源码文件的683行的位置：。因为我们要检测的目标可能是大的也可能是小的，可能是胖的的也可能是瘦的，v1版本把整个图片平均分词9个区域，岂不是太不合理了。
2025-03-31 22:09:51
777
原创 【GNN】第五章：图神经网络架构中的基础设施——GCN、GAT、GraphSAGE、TopKPooling、GAP、GMP
是它自己理解的方法实现的，是先通过邻接矩阵，把所有有边的节点对儿取出来，然后根据节点对儿，concat两个节点的特征向量，然后在线性变换成一个注意力值，然后再leakyReLU->mask->softmax，我一开始也是照着这个思路coding的，但是死活和pytorch_geometric的结果不一致，就开始怀疑各个环节，甚至怀疑是不是参数没有xavier初始化，又跑去源码找pytorch是怎么初始化的，然后又找不到pytorch的初始化参数，真是搞得晕头转向的。最原始的图卷积层是SUM求和的传递机制；
2025-03-27 21:53:41
999
原创 【GNN】第四章：图卷积层GCN
很多地方讲GCN时一直和图像卷积CNN放一起扯啊扯，我个人认为，二者实在没啥可比性，就好比苹果和橘子，没啥可比的，就各学各的，学GCN就把脑子里面的CNN给清空了，不然越搅越糊。一是，在传统深度学习中，deeper is better, 所以我们一直追求更深更复杂的架构，也就是我们经常说的"在海量的数据上训练巨大的模型",所以现在很多模型动辄就是数亿参数，普通电脑根本没法训练，所以当下就是拼硬件的一个局面。每个节点更新特征的时候，一方面要考虑自身的特征，另一方面要考虑与它相关的点的特征。
2025-03-11 20:24:22
1085
原创 【GNN】第三章：图数据
因为每个点都不是孤立的，它都是和一些别的点有联系的，所以一个点的特征的变化是要受到和它有边相连的点的影响的。比如有的任务是求点的（比如对点进行分类、回归等任务），有的是求边的（比如对边进行分类、回归等任务），有的还是求全局的就是Graph级别的任务(比如设计分子结构等任务)。图是一个全局的概念。vi节点k跳远的邻接节点(neighbors with k-hop)，指的是到节点vi走k步的节点（一个节点的2跳远的邻接节点包含了自身）。比如上图的节点A的邻接节点就是E，而节点E的邻接节点是ABCD四个节点。
2025-03-04 11:02:16
694
原创 【GNN】第二章：图论、及其工具NetworkX
因为每个点都不是孤立的，它都是和一些别的点有联系的，所以一个点的特征的变化是要受到和它有边相连的点的影响的。比如有的任务是求点的（比如对点进行分类、回归等任务），有的是求边的（比如对边进行分类、回归等任务），有的还是求全局的就是Graph级别的任务(比如设计分子结构等任务)。图是一个全局的概念。vi节点k跳远的邻接节点(neighbors with k-hop)，指的是到节点vi走k步的节点（一个节点的2跳远的邻接节点包含了自身）。比如上图的节点A的邻接节点就是E，而节点E的邻接节点是ABCD四个节点。
2025-03-04 10:56:03
1061
原创 【GNN】第一章：图神经网络入门
的PyTorch的扩展库，几何深度学习指的是应用于图和其他不规则、非结构化数据的深度学习。是非常随意的，它不像MLP、CNN、RNN、Transformer那样，必须要数据规整、要resize、要截断填补等，图神经网络要求的数据只要有点有边就行，至于几个点几条边都随意。然而在真实世界中，并不是所有的事物都可以用结构化数据来表示，比如社交网络、知识图谱、电商购物、复杂的文件系统、蛋白质相互作用关系、分子结构等，这些事情就没法用结构化数据来表示，只能以。的深度学习方法，就是将神经网络模型拓展到图数据计算领域。
2025-03-03 11:46:24
648
原创 【NLP】第十一章：隐马尔可夫——前向算法、后向算法、维特比算法、Baum-Welch算法
就是好比我现在知道了观测序列Observations、掩藏序列States，我试着去学一个最优的(π, A, B)，让在这个(π, A, B)下，观测序列Observations、掩藏序列States的概率最大。（2）矩阵B就更好理解了，矩阵B的第一行表示我已经抽取的是盒子1，那我抽取白球的概率就是0.4，抽取黑球的概率就是0.6了，因为第一个盒子只有4白6黑嘛。三是，由于每次抽取的小球的颜色的概率不仅取决于，小球所在的盒子中的黑白球的比例，还取决于你是从哪个盒子中抽的，所以其实观测序列还对应着一个。
2025-02-11 23:50:44
689
原创 【NLP】第十章：Transformer论文解读
因为感受野就像一个滑窗的效果，有的窗口大点，有的窗口小点，但是不管大小，它的本质都是窗口。另外一个理解维度是：卷积网络虽然是独立的小滑窗看序列的，但它是可以有一系列的卷积核组成，就是卷积是多通道看这个序列，那不同通道就会看到不同的数据模式，这是卷积的强大之处。所以多头其实就是为了模拟卷积层的多通道的效果。或者说这个linear层是把embedding后的词向量再映射会到标签编码，所以这个linear层和权重结构和embedding层的权重结构是一样的，而且功能是互逆的，所以，这两个层也是可以共享参数的。
2025-01-23 21:41:40
1193
原创 【NLP】第九章：Transformer原理、计算流程以及代码实现-3
至此我们手动计算的编码器和解码器的计算流程就结束了，和调包pytorch中的Transformer算法的计算结果一样，说明每步我们的原理、计算流程，以及各个细节都理解的没错。一般我们都是将0填充位置的值设置成一个非常小的负数，这样softmax后，这部分的注意力分值就无限趋近0了，也就相当于用0给mask了。所以上图的Linear层就是一个普通的全连接层，这个层的输入就是embedding_dim=6,输出就是tgt_vocab size=12，也所以这个线性层就是一个。
2025-01-15 23:40:18
1110
原创 【NLP】第八章：Transformer原理、计算流程以及代码实现-2
完整的Transformer算法的。因为要确保此后我们手动计算的数据流是正确的,就是至少要和pytorch计算出来的结果一致的,才能证明我们对Transformer的理解是没有偏差的。：这两个类是Transformer编码器的实现和解码器的实现，其中nn.TransformerEncoder包含了多个nn.TransformerEncoderLayer层的堆叠。通常不同的LNP任务上会使用Transformer架构的不同部分，很多更优的模型也是在Transformer的基础上调整改造的。
2024-12-27 14:46:24
1042
原创 【NLP】第七章：Transformer原理、计算流程以及代码实现-1
所以Transformer中的词嵌入是从头开始训练的，所以设置参数的时候，可能不会把单词的语义存储在前几个维度里，这样就避开了位置编码。这也是我的猜想，因为也有人说，即使sinusoidal位置编码本身拥有很好的形式，但位置编码和词嵌入向量相加进入attention模块后，首先进行的是一个线性变换，而这个线性变换就直接导致了。一个有效的、好的位置编码算法是要涉及大量的数学推导的，是要对数学公式有非常敏锐的数感的。一个好的起点意味着一个丝滑的迭代过程，如果你的起点就很糟糕，那你的训练过程势必也会很艰难。
2024-12-20 13:48:38
1298
原创 【NLP】第六章：位置编码Positional Encoding
前面讲RNN时一般都会有一个ht的输出，这个输出就是样本与样本之间的信息，而且RNN是时序循环的，所以RNN本身的结构，在物理上，就自带词的前后顺序信息的。比如词never，不管never本身的词向量是什么，只要你在序列中排第一个位置，你的位置向量就是[0,1,01]，你排第三个位置，你的位置向量就是[0.9,-0,4,0.2,1.0]。也所以，你可以理解为：embedding后的词嵌入，PE按照每个样本在sequence中的位置，把embedding后的词嵌入给扭转后，才送入attention的。
2024-12-18 14:32:01
1366
原创 【NLP】第五章：注意力机制Attention
五、注意力机制Attention在讲Transformer之前，我先把注意力机制Attention单独拿出来先讲一下。一是因为attention是Transformer中非常关键的技术，也是transformer之所以区别其他模型的关键之处。但是transformer本身的架构就非常复杂了，到真正开讲transformer时才讲attention，transformer的篇幅就会又臭又长，所以这里我单独把attention先提出来讲。二是因为attention从2016年被transformer
2024-12-12 16:40:42
1680
原创 【NLP】第四章：门控循环单元GRU
哎，笑一会儿，本来记忆和遗忘就是一体两面，非此即彼的。从上图的公式看，其实这两个门，仅仅是两个门而已，它们两个的计算一模一样，输入一模一样，只是使用了两个不同的矩阵线性变换了一下，而且这两个矩阵都是随机生成的，只有在训练过程中，这两个门才会慢慢迭代成其功能的门。有的资料叫节点，有的叫单元，有的叫循环单元，，，等等各种叫法，所以我们也不用纠结。第二个坑就是上图的C处，我一开始先计算的rt*ht-1，然后再进行线性变换，一看结果对不上，查看GRU的说明文档才发现，pytorch人家是先线性变换后再乘rt的。
2024-11-29 01:15:09
1846
原创 【NLP】第三章：长短期记忆网络LSTM
RNN是一个时序意义上的深度网络，虽然从表达式上t时刻的loss与之前所有时刻的隐含态h都有关系，即按照时序展开，会发现已经有类似Residual Connection直接连接每个输入到当前的loss，但是与ResNet的巨大不同在于，这些连接反复使用的都是同一个W。但是对于RNN的输入来说，并不是必须等步长输入的，就是可以变步长输入，就是没有要求你所有的输入都是等步长，你有几步就循环几次好了，不是说我必须要求都要是比如10步，必须要循环10次，不是的，你有几步循环几次即可。,也是承载着记忆信息。
2024-11-25 23:47:11
1331
原创 【NLP】第二章：循环神经网络RNN、DRNN、 BRNN
如果是普通的DNN架构，那DNN是把这个sequence当作6条样本数据，这6条样本数据作为一个输入矩阵，喂入网络，网络的正向传播也是网络每层神经元的参数矩阵和这个6个样本矩阵的转置相乘，然后输出到下一层，下一层的所有神经元参数矩阵再和这个输出相乘，继续输出到它的下一层，直到最后的输出层，输出的数据矩阵再转置一下显示出来。我画的图就形象太多了，你就立马理解了我前面说的是把6个一模一样的架构竖着排，然后第一个样本从垂直方向的第一层进入，第二个样本从垂直方向的第二层进入，，，依次类推，开始正向传播。
2024-11-16 02:11:01
1055
原创 【NLP】第一章：知识体系框架概览
比如你是简单的数据集，你非得用100层以上的网络跑，或者你是复杂的时序数据，你非得用简单的几层DNN去跑，那都是不合适的，就是你不会取得你想要的效果的。另外，如果你已经有了大量的复杂的原始数据，那你拿这些数据去训练模型时，你还得要掌握很多的数据预处理、数据增强、特征工程等系列技术手段和技术trick,你才能训练出好的模型，就是模型有很强的学习能力和泛化能力。NLP技术的应用领域：机器翻译、文本摘要、问答系统、搜索引擎、推荐系统、语音助手、聊天机器人、自动摘要、情感分析、语言大模型的相关软件和APP。
2024-11-15 13:24:25
1438
原创 【C++】移动语义、移动构造函数、std::move、移动赋值操作符、左值右值、左值引用右值引用
如果我们知道传入的是一个临时对象的话，我们就不需要担心它们是否活着、是否完整、是否拷贝，我们可以简单的偷用它的资源，给到特定的对象，或者在其他地方使用它们，因为我们知道它是暂时的，它不会存在很长时间，比如上面的ln+fn，就是暂时的，我们就可以从这个临时值中偷取资源，这对优化有很大帮助。左值是带地址的数据，就是有存储支持的变量。右值是临时值，可以用右值引用&&来检测。左值引用只能引用(接受)左值，除非加const，就也可以引用(接受)右值了。是有地址的值(located value),就是左值是有地址的。
2024-11-06 19:37:58
435
原创 【C++】C++的单例模式、跟踪内存分配的简单方法
这根本不是和某种对象有关的东西，它们只是C风格的函数，没有类，一点关系都没有。C++不像Java和C#那么多规则限制，C++不对静态函数做这些规则限制，所以C++可以不需要写一个类，可以在某个名称空间中写一些函数，甚至在全局名称空间中，它们不属于任何类的类型。特别是java，所有东西都必须是一个类，你不能在类之外有代码，如果你想要静态的功能，你不需要实例化，但你必须在你的类中创建静态成员。三是，C++可以有完全全局的变量，或者可以有一个静态变量，它被绑定到一个特定的翻译单元，或者一个特定的CPP文件。
2024-11-05 18:37:06
992
原创 【C++】如何让C++字符串更快、C++的小字符串优化
std::string_view是C++17中的一个新类，它的本质是指向现有内存的指针，或者说就是一个const char指针，指向别人拥有的字符串，再加上一个大小size。也就是我创建了一个窗口，一个进入现有内存的小视图，而不是分配一个新的字符串。在C++17之前，人们就是这样做的，不是去创建一个自己的字符串，而是观察一个已有的字符串。如果程序中有很多字符串操作，比如格式化文本(日志记录)，那是非常糟糕的，因为字符串操作是很慢的。说明：重载new操作符，返回malloc(size)，这是基本的内存分配。
2024-11-03 23:48:17
559
原创 【C++】C++17结构化绑定、std::optional、std::variant、std::any
比如我们现在要写一个函数，这个函数的功能是读取一个文件，那这个文件是否存在？数据是否是我们期望的格式？此时这个函数的返回就是一个不确定的数据，可能有返回数据，也可能没有返回数据，也可能需要返回多个数据。所以函数的返回不是很确定的这种场景，就得用std::optional了。std::optional也是C++17标准中新引进的模板类类型，用于处理那些可能存在也可能不存在的数据。当读取不成功时，我们也不知道什么原因，是路径错了还是格式错了，还是路径格式都没错，只是文件里面确实就是没数据，所以啥也没读出来。
2024-10-31 16:46:48
527
原创 【C++】C++预编译头文件、基准测试benchmark
预编译头文件就是让我们提前先整理出一些头文件，比如C++库、标准模板库、windows api类的、这些几乎永远不会改变的、而且几乎都要用到的东西，都放到一个单独的头文件中（通常命名为pch.h或类似名称），然后让编译器提前我这些头文件编译成一个二进制文件(编译器通常默认的是生成.pch或.gch格式的)，以二进制格式存储到磁盘。我们现在已经知道，开发一个项目，里面会有多个.cpp文件，编译这个项目时，先是对每个.cpp文件进行预处理，然后再编译，最后是将这多个文件合并成一个.exe文件。
2024-10-29 12:49:25
507
2
原创 【C++】Type punning类型双关、union联合体、C++中的类型转换casting
可见当你通过指针强制转换一个内存块后，再通过解引用指针去拷贝这个内存块到另外一个地方时，你拷贝的就是没有通过类型解析的纯纯的原始二进制字节流，而且拷贝的长度可能都有问题，因为你强制转化了类型了嘛，类型其中一个重要的信息就是这个数据的长度嘛，所以你长度可能都搞错了。上面的例子都是C++的最原始的内存操作，也正是有了这些任性自如的内存操作，使C++成为最为高效的编程语言。的，因为类型系统绝对是有其存在的理由的，你绕开类型系统，对这块内存随性操作，是非常容易引发很多潜在的风险和问题的。
2024-10-25 14:18:49
1085
原创 【C++】C++中的计时、多维数组、排序
在C++11标准之前，C++在语言层面是没有计时的。如果需要计时就得借助操作系统平台提供的API，比如windows的QueryPerformanceCounter。C++11标准出来后，C++11新标准提供了和日期时间相关的库：chrono标准库。这个库可以实现计时功能，而不必再去使用操作系统平台库。chrono标准库提供的是精度最高为纳秒级的计时接口。由于是C++标准库中提供的功能，所以可以很好地跨平台使用。计时的作用：希望某些事在特定时间发生；计时就是计算完成某个操作或执行某个代码所需要的时间。
2024-10-23 16:35:58
287
原创 【C++】函数指针、lambda表达式、名称空间
1、函数指针这里我们讲的是原始风格的函数指针(raw function pointer)，也就是来自C语言的函数指针，但是这里将展示用C++的方式来使用函数指针。函数指针在【C++】深度理解C++数据类型：常量、变量、数组、字符串、指针、函数_c++ 字符串常量-优快云博客 中的函数部分是有涉及到的，感兴趣的同学可以找找。函数指针是将一个函数赋值给一个变量的方法。所以函数指针的本质是一个指针，这个指针指向的是一个函数。使用函数指针，我们可以轻松的把函数赋值给变量，也可以把一个函数作为参数传递给其他函
2024-09-27 22:08:22
614
原创 【C++】C++中如何处理多返回值、C++中的模板、宏
上述例子中，两个字符串是程序进入main函数后，先开始运行func函数，而运行func函数就先组织参数，组织参数就是在常量区先写入"lyy""liyuanyuan"这两个字符串，然后才开始执行func，func又是在栈内存创建的，而执行func我们是通过引用传参的，这样就少了一次复制。写过python的同学都知道，当你写一个函数的返回时，那是你想返回谁就能返回谁，想返回几个就可以返回几个，几乎是非常的随心所欲了，因为python背后是做了很多很多事情才让你如此肆意的。func函数执行完毕，就是赋值给e。
2024-09-24 16:10:34
660
原创 【C++】C++库：如何链接外部库、静态链接和动态链接，以及如何自建库并使用
下载完毕后打开(上图5处)，5处是C++库的典型组织结构，这里我们先简单介绍一下上图5处的文件：第一个文件夹docs：打开基本都是。
2024-09-20 09:18:23
2132
2
原创 【C++】静态数组array、动态数组vector创建及优化
C++给我们提供一个叫做Vector的类，这个Vector在std命名空间中。Vector不是向量的意思，更为准确的说是ArrayList，因为它的本质是一个动态数组。但与我们之前讲的数组类型不同的是，它可以调整数组的大小。意思就是当你创建一个vector时，它是没有固定大小的(当然你也可以初始化一个特定的大小，但一般我们不这样做)，我们也不需要care它的大小，只要把元素放进去就行。每次你放入一个元素，数组的大小就会增长。
2024-09-13 15:18:48
1272
原创 【C++】理解C++中的复制、复制构造函数
也所以当代码执行到B处，先释放对象b时，就已经调用了析构函数删除了堆上的字符串数组了，再释放对象a时，又得调用析构函数，此时a中的p的值指向的堆内存已经被标记为free状态了,你再调析构函数free那块内存就没法free了，于是报了_UNKOWN_BLOCK。可见，不是任何时候我们都需要拷贝的，上例中的func函数，调用了3次，就拷贝了3次参数，调用完毕还得销毁，所以也销毁了3次。本篇先讲什么是copy，然后手写一个字符串复制的类，揭开拷贝的本质，就是拷贝都做了什么工作，并从中引出什么是浅拷贝、深拷贝。
2024-09-12 16:46:02
1225
原创 【C++】作用域指针、智能指针、共享指针、弱指针
因为虽然Entity是创建在堆内存上的，但是指向Entity的指针e可是创建在栈内存上的，e的作用域是它所在的花括号{}，所以当{}指向完毕，e就销毁了，那指向Entity的指针都销毁了，就是相当于delete e;继续往下执行，就是22行的后花括号}，就从第22行跳到第16行，再从第16行跳到第7行，第7行执行完毕后跳回第16行，执行16行，16行执行完毕后才跳回22行，算是22行执行完毕了，此时所有对象的值都没有了。作用域指针是一个类，是指针的包装器，在构造时用堆分配指针，然后在析构时删除指针。
2024-09-08 11:17:43
1018
原创 【C++】如何用C++创建对象，理解作用域、堆栈、内存分配
而堆是不同的，一旦你在堆中创建一个对象，这个对象就会一直在那里，直到你做出释放它的决定。但是上述在栈上创建的对象和在堆上创建的对象还是有差异的，差异就是小标题1中的四点。即使一个没有类成员的类，就是啥也没有的类，你实例化它创建的对象也是至少要占用1个字节的内存的。正常的情况下，一个类中是有很多类成员的，所以我们需要内存存放类实例的这一堆变量的值。第二个差异是：如果你的对象太大，或者对象太多，你最好也是把你的对象创建在堆上。从上图可见，不管在栈上创建类实例还是在堆上创建类实例，都自动默认的调用了构造函数。
2024-09-05 12:38:49
821
3
原创 【C++】类成员初始化列表、三元运算符、运算符及其重载、箭头操作符
也就是类成员初始化列表。就是我们在构造函数中初始化类成员(变量，有时也叫属性)的一种方式。见mutable关键字。
2024-09-03 16:15:42
324
原创 【C++】C++中的关键字：const、mutable、auto、typedef、using、new、delete、explicit、this、多文件放代码
const是一个限定修饰符，表示承诺某个对象不能改变，是强制开发人员写代码时的一个规则，也就是语法上的一个规则。但是如果这个类方法必须得改变类中的某些变量，而且它还想是个const方法时，就得用mutable关键字来修饰那个被改变得变量。小结：const用在类的方法中，一般都是这个方法声明不改变类的其他东西，就是读读，不修改的。在讲常量部分，有一个叫常变量的，就是就是用const限定一个常量，就变成常变量了。mutable是字面意思是可改变的，immutable是不可改变的、无法改变的。
2024-09-03 16:11:45
973
原创 【C++】深度理解C++数据类型：常量、变量、数组、字符串、指针、函数
用array数组，虽然要增加点开销，但要方便很多，比如计算数组长度.size即可，还有像边界检查等我们都不需要考虑了。数组就是一个变量(数组)中有多个变量(各个元素)数组中的所有元素是连续放在某一块儿内存区域的。数组名就是这个数组在内存中的第一个元素的地址。
2024-06-29 17:15:49
679
原创 【C++】类、静态static、枚举、重载、多态、继承、重写、虚函数、纯需函数、虚析构函数
上面的Log类中的公共变量我用了两次public是因为：我喜欢把类中不同的部分分开来写，比如，public方法写在一部分，public变量又放另一部分，public静态变量又会放其他一部分。类外的函数访问类外的变量，肯定访问不了类内的变量了。说明：上面的步骤只是展示了如何逻辑清晰的写一个类，但事实上上面的代码是非常糟糕的，后面我们将使用更多的概念来改进这个类，使其达到专业生产级水平的代码。唯一的区别就是结构体中的变量默认都是共有的，类中的变量没有public声明就都默认是私有的。静态方法无法访问类的实例。
2024-06-26 12:33:27
1249
原创 【C++】一个极简但完整的C++程序
认真看过编译原理的同学就知道，变量名其实是给程序员看的，程序编译的时候，变量名直接被编译器映射成首地址和长度(长度是从变量的类型上看到的，比如上面的int类型)。某个书店将每本售出的图书的书名和出版社，输入到一个文件中，这些信息以书售出的时间顺序输入，每两周店主会手工计算每本书的销售量、以及每个出版社的销售量。（3a）按出版社排序 （3b）对每个出版社的书，按书名排序 （3c）在每个出版社组中，比较相邻的书名，如果二者匹配，增加第一个的数量，删除第二个。语句是C++中最小的程序单元。上述代码就是3条语句。
2024-06-21 00:09:54
1965
原创 【C++】循环、控制流语句、指针、引用
我们约定成俗是这样使用的：当我们确实是想无限持续循环的，比如游戏，就是想让一帧帧一直循环，我们不在意究竟循环了多少次，循环到哪里，就是不介意是否要去声明i，也不介意i究竟是多少了，就是想无限循环下去，那我们就使用while循环。如果条件是true，就执行循环体，一直执行到for循环的最后的花括号}，跳回到for语句，此时首先执行的是i++，然后再判断条件，条件true就是上面的一套流程；如此循环，直到B不满足条件，也就是B返回false，指令指针跳出for循环，也就是执行E后面的代码行(第12行)。
2024-06-19 16:39:30
864
原创 【C++】数据类型、函数、头文件、断点调试、输入输出、条件与分支、VS项目设置
但你自定义的类型都是在这些基本类型之上创建的。（7）数据转化为指针或引用。指针通过一个*号来声明，引用用&表示。说来话长，这些以后要专门聊。
2024-06-17 10:54:37
1112
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人