存储类&作用域&生命周期&链接属性

本文深入解析C语言中变量的存储类别、作用域、生命周期及链接属性,并探讨了不同类型的变量如何在内存的不同区域进行管理。

1、存储类

含义

描述变量空间开辟于内存中什么地方,内存被分为栈、堆、数据段、bss段、text段等管理方法的内存段,变量空间开辟于这些段中。如局部变量(栈)、被显示初始化为非0的全局变量和被初始化为非0的static局部变量(data段)、显示初始化为0和没有显示初始化的全局变量(bss段)

int var1=1;     //数据段
int var2;       //bss段
int var3=0;     //bss段
int main()
{
    int var4=1;//栈
    return 0;
}

2、作用域

C语言变量的作用域规则是代码块的作用域,代码块:{ }括起来的范围,变量的作用域为{ }中变量定义开始往后的部分。

3、生命周期

运行时分配内存空间给变量,使用后收回这个空间,此后内存地址与这个变量无关。

4、链接属性

程序从源代码到最终可执行程序,经历的过程为预编译、编译、汇编和链接。编译是把源代码翻译成xx.o的目标文件,目标文件中有符号(变量名、函数名等)、代码段、数据段、bss段等,运行时变量名、函数名和相应的内存对应起来,靠符号来链接。C语言的符号有三种链接属性:外链接属性、内链接属性、无链接属性。

Linux下C程序的内存映像

rodata段:存储常量数据,又称只读段
文件映射区:进程打开文件后,将文件内容从硬盘读取到进程的文件映射区,直接在内存中操控这个文件,读写完成后保存,再将内存中的文件写到硬盘中区。
内核映射区:将操作系统内核程序映射到这个区域。

存储类相关关键字
(1)auto

作用:修饰局部变量,自动局部变量,分配在栈上,初始化值是随机的,因为栈内存有脏内存的特点(栈和堆内存使用特点

(2)static

用法:1)修饰局部变量,形成静态局部变量
2)修饰全局变量,形成静态全局变量

    静态局部变量与动态局部变量的本质区别:存储类不同
    静态局部变量:data段或bss段; 动态局部变量:栈

    静态局部变量的全局变量的区别:作用域连接属性不同
    静态局部变量:作用域(代码块作用域)链接属性(无链接)
    全局变量:作用域(文件作用域)链接属性(外链接)
(3)register

作用:寄存器变量效率高,寄存器数量有限,要谨慎使用。

下载前可以先看下教程 https://pan.quark.cn/s/a426667488ae 标题“仿淘宝jquery图片左右切换带数字”揭示了这是一个关于运用jQuery技术完成的图片轮播机制,其特色在于具备淘宝在线平台普遍存在的图片切换表现,并且在整个切换环节中会展示当前图片的序列号。 此类功能一般应用于电子商务平台的产品呈现环节,使用户可以便捷地查看多张商品的照片。 说明中的“NULL”表示未提供进一步的信息,但我们可以借助标题来揣摩若干核心的技术要点。 在构建此类功能时,开发者通常会借助以下技术手段:1. **jQuery库**:jQuery是一个应用广泛的JavaScript框架,它简化了HTML文档的遍历、事件管理、动画效果以及Ajax通信。 在此项目中,jQuery将负责处理用户的点击动作(实现左右切换),并且制造流畅的过渡效果。 2. **图片轮播扩展工具**:开发者或许会采用现成的jQuery扩展,例如Slick、Bootstrap Carousel或个性化的轮播函数,以达成图片切换的功能。 这些扩展能够辅助迅速构建功能完善的轮播模块。 3. **即时数字呈现**:展示当前图片的序列号,这需要通过JavaScript或jQuery来追踪并调整。 每当图片切换时,相应的数字也会同步更新。 4. **CSS美化**:为了达成淘宝图片切换的视觉效果,可能需要设计特定的CSS样式,涵盖图片的排列方式、过渡效果、点状指示器等。 CSS3的动画过渡特性(如`transition``animation`)在此过程中扮演关键角色。 5. **事件监测**:运用jQuery的`.on()`方法来监测用户的操作,比如点击左右控制按钮或自动按时间间隔切换。 根据用户的交互,触发相应的函数来执行...
垃圾实例分割数据集 一、基础信息 • 数据集名称:垃圾实例分割数据集 • 图片数量: 训练集:7,000张图片 验证集:426张图片 测试集:644张图片 • 训练集:7,000张图片 • 验证集:426张图片 • 测试集:644张图片 • 分类类别: 垃圾(Sampah) • 垃圾(Sampah) • 标注格式:YOLO格式,包含实例分割的多边形点坐标,适用于实例分割任务。 • 数据格式:图片文件 二、适用场景 • 智能垃圾检测系统开发:数据集支持实例分割任务,帮助构建能够自动识别分割图像中垃圾区域的AI模型,适用于智能清洁机器人、自动垃圾桶等应用。 • 环境监控与管理:集成到监控系统中,用于实时检测公共区域的垃圾堆积,辅助环境清洁治理决策。 • 计算机视觉研究:支持实例分割算法的研究优化,特别是在垃圾识别领域,促进AI在环保方面的创新。 • 教育与实践:可用于高校或培训机构的AI课程,作为实例分割技术的实践数据集,帮助学生理解计算机视觉应用。 三、数据集优势 • 精确的实例分割标注:每个垃圾实例都使用详细的多边形点进行标注,确保分割边界准确,提升模型训练效果。 • 数据多样性:包含多种垃圾物品实例,覆盖不同场景,增强模型的泛化能力鲁棒性。 • 格式兼容性强:YOLO标注格式易于与主流深度学习框架集成,如YOLO系列、PyTorch等,方便研究人员开发者使用。 • 实际应用价值:直接针对现实世界的垃圾管理需求,为自动化环保解决方案提供可靠数据支持,具有重要的社会意义。
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