C++——构造函数&析构函数

本文深入探讨了C++中构造函数和析构函数的使用,包括普通构造函数、带参数的构造函数以及初始化列表的使用方法,同时介绍了析构函数在资源回收中的作用。

目录

类的构造函数

普通构造函数

带参数的构造函数

初始化列表来初始化字段

类的析构函数


类的构造函数

类的构造函数是类的一种特殊的成员函数,它会在每次创建类的新对象时执行

构造函数的名称与类的名称是完全相同的,并且不会返回任何类型,也不会返回 void。构造函数可用于为某些成员变量设置初始值。

普通构造函数

#include <iostream>

using namespace std ;

class Line
{
public :
	void SetLenth(int len);

	int  GetLenth(void);

	Line();	// 这是构造函数

private:
	int Lenth ;
};


Line::Line(void)	
{
	cout << "类的对象被建立" << endl ;
}

int Line::GetLenth(void)
{
	return Lenth ;
}

void Line::SetLenth(int len)
{
	Lenth = len ;
}

void main()
{
	Line line ;
	line.SetLenth(2);
	cout << "Lenth is  " <<line.GetLenth()<< endl;

}

/* 输出结果
类的对象被建立
Lenth is  2
*/

带参数的构造函数

默认的构造函数没有任何参数,但如果需要,构造函数也可以带有参数。这样在创建对象时就会给对象赋初始值

#include <iostream>

using namespace std ;

class Line
{
public :
	void SetLenth(int len);

	int  GetLenth(void);

	Line(int len);	// 这是构造函数

private:
	int Lenth ;
};


Line::Line(int len)	
{
	Lenth = len ;
}

int Line::GetLenth(void)
{
	return Lenth ;
}

void Line::SetLenth(int len)
{
	Lenth = len ;
}

void main()
{
	Line line(5) ;
	cout << "Lenth is  " <<line.GetLenth()<< endl;

}

/* 输出结果是
Lenth is  5
*/

初始化列表来初始化字段

还可以使用初始化列表来初始化字段。假设有一个类 C,具有多个字段 X、Y、Z 等需要进行初始化,只需要在不同的字段使用逗号进行分隔。

#include <iostream>

using namespace std ;

class Line
{
public :
	void SetLenth(int len);

	int  GetLenth1(void);

	int  GetLenth2(void);

	int  GetLenth3(void);

	Line(int len1 , int len2 ,int len3);

private:
	int Lenth1 ;
	int Lenth2 ;
	int Lenth3 ;

};

// 使用初始化列表来初始化字段
Line::Line(int len1 , int len2 ,int len3): Lenth1(len1) ,Lenth2(len2) , Lenth3(len3)
{
	cout << "Object is being created "  << endl ;
}

int Line::GetLenth1(void)
{
	return Lenth1 ;
}

int Line::GetLenth2(void)
{
	return Lenth2 ;
}

int Line::GetLenth3(void)
{
	return Lenth3 ;
}


void main()
{
	Line line(2,3,6) ;

	cout << "Lenth1  is  " <<line.GetLenth1()<< endl;
	cout << "Lenth2  is  " <<line.GetLenth2()<< endl;
	cout << "Lenth3  is  " <<line.GetLenth3()<< endl;

}

/* 输出结果是
Object is being created
Lenth1  is  2
Lenth2  is  3
Lenth3  is  6
*/

类的析构函数

类的析构函数是类的一种特殊的成员函数,它会在每次删除所创建的对象时执行

析构函数的名称与类的名称是完全相同的,只是在前面加了个波浪号(~)作为前缀,它不会返回任何值,也不能带有任何参数。析构函数有助于在跳出程序(比如关闭文件、释放内存等)前释放资源。

#include <iostream>

using namespace std ;

class Line
{
public :
	void SetLenth(int len);

	int  GetLenth1(void);

	int  GetLenth2(void);

	int  GetLenth3(void);

	Line(int len1 , int len2 ,int len3);	//  构造函数

	~Line();	// 析构函数

private:
	int Lenth1 ;
	int Lenth2 ;
	int Lenth3 ;

};

// 使用初始化列表来初始化字段
Line::Line(int len1 , int len2 ,int len3): Lenth1(len1) ,Lenth2(len2) , Lenth3(len3)
{
	cout << "Object is being created "  << endl ;
}

Line::~Line()
{
	cout << "Object is being deleted" << endl;
}
int Line::GetLenth1(void)
{
	return Lenth1 ;
}

int Line::GetLenth2(void)
{
	return Lenth2 ;
}

int Line::GetLenth3(void)
{
	return Lenth3 ;
}


void main()
{
	Line line(2,3,6) ;

	cout << "Lenth1  is  " <<line.GetLenth1()<< endl;
	cout << "Lenth2  is  " <<line.GetLenth2()<< endl;
	cout << "Lenth3  is  " <<line.GetLenth3()<< endl;

}

/* 输出结果是
Object is being created
Lenth1  is  2
Lenth2  is  3
Lenth3  is  6
Object is being deleted
*/

部分资料来源于菜鸟教程

 

基于 NSFW Model 色情图片识别鉴黄 后面更新视频检测 项目背景: 随着互联网的快速发展,网络上的信息量呈现出爆炸式的增长。然而,互联网上的内容良莠不齐,其中不乏一些不良信息,如色情、暴力等。这些信息对青少年的健康成长和社会风气产生了不良影响。为了净化网络环境,保护青少年免受不良信息的侵害,我国政府加大了对网络内容的监管力度。在此背景下,本项目应运而生,旨在实现对网络图片和视频的自动识别与过滤,助力构建清朗的网络空间。 项目简介: 本项目基于 NSFW(Not Safe For Work)Model,利用深度学习技术对色情图片进行识别与鉴黄。NSFW Model 是一种基于卷积神经网络(CNN)的图像识别模型,通过学习大量的色情图片和非色情图片,能够准确地判断一张图片是否含有色情内容。本项目在 NSFW Model 的基础上,进一步优化了模型结构,提高了识别的准确率和效率。 项目功能: 色情图片识别:用户上传图片后,系统会自动调用 NSFW Model 对图片进行识别,判断图片是否含有色情内容。如果含有色情内容,系统会给出相应的提示,并阻止图片的传播。 视频检测:针对网络视频,本项目采用帧提取技术,将视频分解为一帧帧图片,然后使用 NSFW Model 对这些图片进行识别。如果检测到含有色情内容的图片,系统会给出相应的提示,并阻止视频的传播。 实时监控:本项目可应用于网络直播、短视频平台等场景,实时监控画面内容,一旦检测到含有色情内容的画面,立即进行屏蔽处理,确保网络环境的纯洁。
### 如何在本地部署 NSFW 模型或服务 要在本地环境中成功部署 NSFW(不适宜工作场合内容)检测模型或服务,以下是详细的说明: #### 准备环境 为了确保能够顺利运行模型和服务,需要安装必要的依赖项。这些工具和库包括但不限于以下几类: - **Python 环境**: 推荐使用 Python 3.7 或更高版本。 - **Transformers 库**: 提供加载预训练模型的功能[^1]。 - **PyTorch/TensorFlow**: 支持深度学习框架的计算需求。 - **Pillow (PIL)**: 处理图像文件并将其转换为适合输入模型的形式。 具体命令如下所示: ```bash pip install transformers torch Pillow ``` #### 加载模型与测试 通过 Hugging Face 的 `transformers` 工具包可以直接访问已有的 NSFW 图片分类模型。例如,可以采用名为 `"Falconsai/nsfw_image_detection"` 的公开模型来完成此任务[^1]。 下面是一个简单的代码片段展示如何加载该模型并对单张图片执行预测操作: ```python from PIL import Image from transformers import pipeline def classify_nsfw(image_path): # 打开指定路径下的图片文件 img = Image.open(image_path) # 初始化 image-classification 流水线对象,并指明使用的特定模型名称 classifier = pipeline("image-classification", model="Falconsai/nsfw_image_detection") # 对传入的图片调用流水线方法得到其类别标签及其置信度分数列表形式的结果 result = classifier(img) return result if __name__ == "__main__": test_img_path = "<your_test_image>" output_results = classify_nsfw(test_img_path) print(output_results) ``` 注意替换 `<your_test_image>` 成实际存在的图片绝对或者相对地址字符串值之前再尝试运行以上脚本。 #### 构建 RESTful API 服务 如果希望进一步扩展功能至 Web 应用程序层面,则可考虑利用 Flask/Django 这样的轻量级 web 开发框架构建起支持 HTTP 请求交互的服务端接口。这里给出基于 FastAPI 实现的一个简单例子作为示范用途: ```python import uvicorn from fastapi import FastAPI, File, UploadFile from PIL import Image from io import BytesIO from typing import List from pydantic import BaseModel app = FastAPI() class Prediction(BaseModel): label: str score: float @app.post("/predict/", response_model=List[Prediction]) async def predict(file: UploadFile = File(...)): try: contents = await file.read() pil_image = Image.open(BytesIO(contents)) clf_pipeline = pipeline('image-classification', model='Falconsai/nsfw_image_detection') predictions = clf_pipeline(pil_image) formatted_preds = [{"label": pred['label'], "score": round(pred['score'], 4)} for pred in predictions] return formatted_preds except Exception as e: raise ValueError(f"Error processing uploaded file {e}") if __name__ == '__main__': uvicorn.run(app, host='0.0.0.0', port=8000) ``` 启动服务器之后即可向 `/predict/` 路径发送 POST 请求附带上传待分析的目标图片获取返回结果了。 ---
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

打赏作者

Lucas_zgp

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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