STL库

近容器:char buff[1024] string bitset(操纵位)
这里写图片描述
Vector自定义类型实例化 ——- T()伪构造
Vector内置类型实例化 ——– 0
这里写图片描述
Vector和deque区别:
搜索和中间插入时用vector
在头部插入用deque,vector成倍增长,可能会造成空间浪费。
Vector只有push_back ()和 pop_back()而deque还有push_front()和Pop_front()
容器
这里写图片描述

集合(set)和映射(map)的底层都是一个平衡的二叉树,插入后自动排序
集合:单重集合set,多重集合 multiset
集合中的键和值是等价的
映射:一对一映射:map, 一对多集合 multimap
键和值是对应的,多重集合中可以有多个重复的键值
映射中由于键和值是分开的,便于存储在树的节点中,将其打包为一个数据结构pair<first ,second>
在集合和映射中:成员方法效率比全局方法快。
STL库中没有修改元素这一函数方法,若要实现修改,可进行插入删除来间接完成,因为修改元素会打破红黑树的平衡。
如果集合中的元素是自定义的类型,那就要自己实现排序
STL库中的val_type,是对模板参数类型的typedef重新定义
map在调用[ ]中括号运算符重载的时候,由于只知道key,而不知道对应的值,因此会使用默认构造函数返回对象,所以要给value的类实现一个默认的构造函数。

容器适配器的实质是对标准容器的封装。(源代码见标准库)
Stack 底层调用的是 deque
Queue 底层调用的是 deque
Priority_Queue 底层调用的是 vector

### 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