2、C++ 20 开发环境搭建与入门实践

C++ 20 开发环境搭建与入门实践

1. 准备开发工具

在开始 C++ 开发之前,我们需要准备一些基本的工具,包括文本编辑器、C++ 编译器、链接器和调试器。这些工具可以单独获取,也可以作为集成开发环境(IDE)的一部分打包获取。选择哪种方式取决于你的平台、操作系统和预算。
- 课程或组织环境 :如果你正在参加课程,老师会提供工具或指定使用的工具;如果你在已经使用 C++ 的组织中工作,建议使用该组织的工具,以便熟悉其使用方法。
- 自行获取工具 :可以访问 cpphelp.com/exploring 网站获取最新的工具建议。

2. C++ 版本说明

本文主要涉及 C++ 20,这是 2020 年标准化委员会批准的 C++ 标准的重大更新版本。C++ 20 引入了许多重要特性,但并非所有编译器都能立即支持这些特性。因此,建议使用最新版本的工具,即使如此,也可能无法编译所有示例代码。特别是模块(modules)这一特性,如果开发环境不完全支持,可能无法编译任何代码示例。网站上提供了不使用模块的代码示例副本,保留了其他 C++ 20 特性。

3. 工具选择建议

C++ 是世界上使用最广泛的编程语言之一,因此有许多适用于不同硬件和软件环境、不同价格区间的工具可供选择。
- 命令行工具 :在 UNIX 和类 UNIX 环境中特别受欢迎。
- IDE

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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