用c语言实现基本数据结构(二叉树)

用c语言实现基本数据结构(二叉树)

二叉树有两种表示方法,一种是顺序存储,一种是链式存储。顺序存储比较简单,就没写了(其实都比较简单的:- ) ) 。
这次直接放完整代码

#include <stdio.h>
#include <stdlib.h>


typedef struct BTree{
	struct BTree* LChild;
	int data;
	struct BTree* RChild;
}BTNode;

//输入数据,返回一个节点
BTNode* CreateNode(int data){
	BTNode * Node = (BTNode *)malloc(sizeof(Node));
	Node->data = data;
	Node->LChild = NULL;
	Node->RChild = NULL;
	return Node;	
}

//先序遍历, visit为函数指针
void PreOrderBTree(BTNode *BTree, void (*visit)(BTNode *BTree)){
	if(BTree != NULL){
		visit(BTree);
		PreOrderBTree(BTree->LChild, visit);
		PreOrderBTree(BTree->RChild, visit);
	}
}

//中序遍历
void InOrderBTree(BTNode *BTree, void (*visit)(BTNode *BTree)){
	if(BTree != NULL){
		InOrderBTree(BTree->LChild, visit);
		visit(BTree);
		InOrderBTree(BTree->RChild, visit);
	}
}

//后序遍历
void PostOrderBTree(BTNode *BTree, void (*visit)(BTNode *BTree)){
	if(BTree != NULL){
		PostOrderBTree(BTree->LChild, visit);
		PostOrderBTree(BTree->RChild, visit);
		visit(BTree);
	}
}

测试代码如下

#include"myTree.h"
	
void PrintNode(BTNode *node){
	printf("%d ", node->data);
}
int main(){
	BTNode *tree = CreateNode(10);
	printf("---------\n");
	BTNode *p;
	p = tree;
	tree->LChild = CreateNode(20);
	tree->RChild = CreateNode(30);
	p = p->RChild;
	p->LChild = CreateNode(40);
	p->RChild = CreateNode(50);
	p = p->LChild;
	p->LChild = CreateNode(60);
	printf("---------\n");
	PreOrderBTree(tree, &PrintNode);
	printf("\n");
	InOrderBTree(tree, &PrintNode);
	printf("\n");
	PostOrderBTree(tree, &PrintNode);
	printf("\n");
	return 0;
}
### 部署 Stable Diffusion 的准备工作 为了成功部署 Stable Diffusion,在本地环境中需完成几个关键准备事项。确保安装了 Python 和 Git 工具,因为这些对于获取源码和管理依赖项至关重要。 #### 安装必要的软件包和支持库 建议创建一个新的虚拟环境来隔离项目的依赖关系。这可以通过 Anaconda 或者 venv 实现: ```bash conda create -n sd python=3.9 conda activate sd ``` 或者使用 `venv`: ```bash python -m venv sd-env source sd-env/bin/activate # Unix or macOS sd-env\Scripts\activate # Windows ``` ### 下载预训练模型 Stable Diffusion 要求有预先训练好的模型权重文件以便能够正常工作。可以从官方资源或者其他可信赖的地方获得这些权重文件[^2]。 ### 获取并配置项目代码 接着要做的就是把最新的 Stable Diffusion WebUI 版本拉取下来。在命令行工具里执行如下指令可以实现这一点;这里假设目标路径为桌面下的特定位置[^3]: ```bash git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git ~/Desktop/stable-diffusion-webui cd ~/Desktop/stable-diffusion-webui ``` ### 设置 GPU 支持 (如果适用) 当打算利用 NVIDIA 显卡加速推理速度时,则需要确认 PyTorch 及 CUDA 是否已经正确设置好。下面这段简单的测试脚本可以帮助验证这一情况[^4]: ```python import torch print(f"Torch version: {torch.__version__}") if torch.cuda.is_available(): print("CUDA is available!") else: print("No CUDA detected.") ``` 一旦上述步骤都顺利完成之后,就可以按照具体文档中的指导进一步操作,比如调整参数、启动服务端口等等。整个过程中遇到任何疑问都可以查阅相关资料或社区支持寻求帮助。
评论
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