重载函数技术推演

#include <iostream>
using namespace std;
//运算符重载使得用户自定义的数据以一种更简洁的方式工作
class Complex
{
public:
	int a;
	int b;
	Complex(int a=0,int b=0)
	{
		this->a=a;
		this->b=b;
	}
	void printCom()
	{
	   cout<<a<<"+"<<b<<"i"<<endl;
	}
protected:
private:
};
Complex ComAdd(Complex &c1,Complex &c2)
{
	Complex temp;
	temp.a=c1.a+c2.a;
	temp.b=c1.b+c2.b;
	return temp;
}
Complex operator+(Complex &c1,Complex &c2)
{
	Complex temp;
	temp.a=c1.a+c2.a;
	temp.b=c1.b+c2.b;
	return temp;
}
void main()
{
	Complex c1(1,2),c2(3,4);
	//c1=c1+c2;//c1 的类型是Complex ,这种类型,是自定义类型。编译器根本不知道如何加,但是c++ 编译器会提供一个机制,让你实现自定义类型加
	//Complex c3=ComAdd(c1,c2);
	//Complex c3=operator+(c1,c2); 
	Complex c3=c1+c2;
	c3.printCom();
	system("pause");
}




友元函数实现操作符重载

#include <iostream>
using namespace std;
//运算符重载使得用户自定义的数据以一种更简洁的方式工作
class Complex
{
private:
	int a;
	int b;
	friend Complex operator+(Complex &c1,Complex &c2);
	
public:
	void printCom()
	{
	   cout<<a<<"+"<<b<<"i"<<endl;
	}
	Complex(int a=0,int b=0)
	{
		this->a=a;
		this->b=b;
	}
protected:

};

Complex operator+(Complex &c1,Complex &c2)
{
	Complex temp;
	temp.a=c1.a+c2.a;
	temp.b=c1.b+c2.b;
	return temp;
}
//1操作符重载,首先是通过函数实现的
void main()
{
	Complex c1(1,2),c2(3,4);
	//c1=c1+c2;//c1 的类型是Complex ,这种类型,是自定义类型。编译器根本不知道如何加,但是c++ 编译器会提供一个机制,让你实现自定义类型加
	//Complex c3=ComAdd(c1,c2);
	//Complex c3=operator+(c1,c2); 
   //2  + 操作符 有两个参数 左操作数和右操作数  
	//3  
	Complex c3=c1+c2;
	c3.printCom();
	system("pause");
}
#include <iostream>
using namespace std;
//运算符重载使得用户自定义的数据以一种更简洁的方式工作
class Complex
{
private:
	int a;
	int b;
	friend Complex operator+(Complex &c1,Complex &c2);
	
public:
	void printCom()
	{
	   cout<<a<<"+"<<b<<"i"<<endl;
	}
	Complex(int a=0,int b=0)
	{
		this->a=a;
		this->b=b;
	}
	//通过类实现-操作
	Complex operator-(Complex &c2)
	{
		Complex tmp;
		tmp.a=this->a-c2.a;
		tmp.b=this->b-c2.b;
		return tmp;
	}
protected:

};

Complex operator+(Complex &c1,Complex &c2)
{
	Complex temp;
	temp.a=c1.a+c2.a;
	temp.b=c1.b+c2.b;
	return temp;
}
//1操作符重载,首先是通过函数实现的
void main()
{
	Complex c1(1,2),c2(3,4);
	//c1=c1+c2;//c1 的类型是Complex ,这种类型,是自定义类型。编译器根本不知道如何加,但是c++ 编译器会提供一个机制,让你实现自定义类型加
	//Complex c3=ComAdd(c1,c2);
	//Complex c3=operator+(c1,c2); 
   //2  + 操作符 有两个参数 左操作数和右操作数  
	//3  
	Complex c3=c1+c2;
	// 通过类的成员函数,完成操作符重载
	//1,要承认操作符号重载是一个函数,要写函数原型
	//2,写出函数调用语言
	   
	  //c1.operator-(c2);
	
	c3.printCom();

	Complex c4=c1-c2;
	c4.printCom();
	system("pause");
}


前置++ --

#include <iostream>
using namespace std;
//运算符重载使得用户自定义的数据以一种更简洁的方式工作
class Complex
{
private:
	int a;
	int b;
	friend Complex operator+(Complex &c1,Complex &c2);
	friend Complex& operator++(Complex &c2);
public:
	void printCom()
	{
	   cout<<a<<"+"<<b<<"i"<<endl;
	}
	Complex(int a=0,int b=0)
	{
		this->a=a;
		this->b=b;
	}
	//通过类实现-操作
	Complex operator-(Complex &c2)
	{
		Complex tmp;
		tmp.a=this->a-c2.a;
		tmp.b=this->b-c2.b;
		return tmp;
	}
	//前置--
	Complex& operator--()
	{
		this->a--;
		this->b--;
	    return *this;
	}
protected:

};
Complex& operator++(Complex &c2)
{
	c2.a++;
	c2.b++;
	return c2;
}
Complex operator+(Complex &c1,Complex &c2)
{
	Complex temp;
	temp.a=c1.a+c2.a;
	temp.b=c1.b+c2.b;
	return temp;
}
//1操作符重载,首先是通过函数实现的
void main()
{
	Complex c1(1,2),c2(3,4);
	//c1=c1+c2;//c1 的类型是Complex ,这种类型,是自定义类型。编译器根本不知道如何加,但是c++ 编译器会提供一个机制,让你实现自定义类型加
	//Complex c3=ComAdd(c1,c2);
	//Complex c3=operator+(c1,c2); 
   //2  + 操作符 有两个参数 左操作数和右操作数  
	//3  
	Complex c3=c1+c2;
	// 通过类的成员函数,完成操作符重载
	//1,要承认操作符号重载是一个函数,要写函数原型
	//2,写出函数调用语言
	   
	  //c1.operator-(c2);
	
//	c3.printCom();

	Complex c4=c1-c2;
	//c4.printCom();
	//Complex& operator++(Complex &c2);
	++c2;
	c2.printCom();
	--c1;
	c1.printCom();
	system("pause");
}



资源下载链接为: https://pan.quark.cn/s/140386800631 通用大模型文本分类实践的基本原理是,借助大模型自身较强的理解和推理能力,在使用时需在prompt中明确分类任务目标,并详细解释每个类目概念,尤其要突出类目间的差别。 结合in-context learning思想,有效的prompt应包含分类任务介绍及细节、类目概念解释、每个类目对应的例子和待分类文本。但实际应用中,类目和样本较多易导致prompt过长,影响大模型推理效果,因此可先通过向量检索缩小范围,再由大模型做最终决策。 具体方案为:离线时提前配置好每个类目的概念及对应样本;在线时先对给定query进行向量召回,再将召回结果交给大模型决策。 该方法不更新任何模型参数,直接使用开源模型参数。其架构参考GPT-RE并结合相关实践改写,加入上下文学习以提高准确度,还使用BGE作为向量模型,K-BERT提取文本关键词,拼接召回的相似例子作为上下文输入大模型。 代码实现上,大模型用Qwen2-7B-Instruct,Embedding采用bge-base-zh-v1.5,向量库选择milvus。分类主函数的作用是在向量库中召回相似案例,拼接prompt后输入大模型。 结果方面,使用ICL时accuracy达0.94,比bert文本分类的0.98低0.04,错误类别6个,处理时添加“家居”类别,影响不大;不使用ICL时accuracy为0.88,错误58项,可能与未修改prompt有关。 优点是无需训练即可有较好结果,例子优质、类目界限清晰时效果更佳,适合围绕通用大模型api打造工具;缺点是上限不高,仅针对一个分类任务部署大模型不划算,推理速度慢,icl的token使用多,用收费api会有额外开销。 后续可优化的点是利用key-bert提取的关键词,因为核心词语有时比语意更重要。 参考资料包括
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