19、C++运算符重载之自定义类型转换

C++运算符重载之自定义类型转换

类型转换有隐式转换和显示转换。

一、隐式转换:

某些不同类型的数据之间自动转换。如:

int x=10;

double y=3.5+x;

x会自动转换成double类型,再与3.5相加。

隐式类型转换主要遵循以下原则:

1、在赋值表达式A=B的情况下,赋值右值B类型需要转换为左值A类型后,进

行赋值。

2、当char或short类型变量与int类型进去运算时,将char或short类型,转换

成int类型。

3、当两个操作对象类型不一致时,在算术运算前,级别低的类型自动转换为级别高

的类型。

二、显式转换

明确地指出将一种数据类型转换成另一种指定的类型。

C中: (类型名)表达式

C++中:类型名(表达式)

三、类类型与系统预定义类型间的转换,通过两种方法共同实现。

也有隐式和显式之分。

1、通过转换构造函数进行类型转换。预定义类型或者类类型---->类类型

2、通过类型转换函数进行类型转换。类类型--------->系统预定义类型

1、转换构造函数

也是构造函数的一种,它具有类型转换的作用,能将其它类型的数据,

转换成该类类型的数据。它只有一个参数。

调用: 类名(参数) 

或者使用转换构造函数创建一个对象: 类名  对象名(参数)

2、类型转换函数

作用:将一个类的对象转换成另一类型的数据。

语法:

operator 目标类型()

{

函数体

}

该函数没有返回类型,因为返回类型,就是目标类型。

注:

1、类型转换函数只能定义为一个类的成员函数,而不能定义为类的友元

函数,可以定义在类内部,也可以定义在类外部

2、类型转换函数既没有参数,也不能在函数名前面指定函数类型。

3、类型函数中必须有return 语句。

4、一个类可以定义多个类型转换函数。

测试程序:

#include <iostream>

using namespace std;

class CComplex

{

private:

    double real;

    double imag;

public:

    CComplex(double r,double i):real(r),imag(i)//普通构造函数

    {

        cout<<"调用基本构造函数"<<endl;

    }

    ~CComplex()

    {

    }

    //转换构造函数

    CComplex(int i)

    {

        real=0;

        imag=i;

        cout<<"调用int型转换构造函数"<<endl;

    }

    CComplex(double r)

    {

        cout<<"调用double型转换构造函数"<<endl;

        real=r;

        imag=0;

    }

    //类型转换函数

    operator double()

    {

        cout<<"调用double类型转换"<<endl;

        return real;

    }

    operator int()

    {

        cout<<"调用int类型转换"<<endl;

        return int(imag);

    }

};

int main()

{

    CComplex com1(1,2);

    double dl=2+double(com1);

    CComplex (3.0);

    CComplex com2(11.5);

    CComplex (3);

    CComplex com3(11);

    int il=(int)com3+10;

    

    return 0;

}


程序输出结果:

调用基本构造函数

调用double类型转换

调用double型转换构造函数

调用double型转换构造函数

调用int型转换构造函数

调用int型转换构造函数

调用int类型转换

Process returned 0 (0x0)   execution time : 1.730 s

Press any key to continue.


### 解决 PP-OCRv4 出现的错误 当遇到 `WARNING: The pretrained params backbone.blocks2.0.dw_conv.lab.scale not in model` 这样的警告时,这通常意味着预训练模型中的某些参数未能匹配到当前配置下的模型结构中[^2]。 对于此问题的一个有效解决方案是采用特定配置文件来适配预训练权重。具体操作方法如下: 通过指定配置文件 `ch_PP-OCRv4_det_student.yml` 并利用已有的最佳精度预训练模型 (`best_accuracy`) 来启动训练过程可以绕过上述兼容的问题。执行命令如下所示: ```bash python3 tools/train.py -c configs/det/ch_PP-OCRv4/ch_PP-OCRv4_det_student.yml ``` 该方案仅解决了参数缺失带来的警告,还能够继续基于高质量的预训练成果进行微调,从而提升最终检测效果。 关于蒸馏的概念,在机器学习领域内指的是将大型复杂网络(teacher 模型)的知识迁移到小型简单网络(student 模型)。这里 student 和 teacher 的关系是指两个同规模或架构的神经网络之间的指导与被指导的关系;其中 teacher 已经经过充分训练并具有良好的性能,而 student 则试图模仿前者的行为模式以达到相似的效果但保持更高效的计算特性。 至于提到的 `Traceback` 错误信息部分,由于未提供具体的跟踪堆栈详情,难以给出针对性建议。过一般而言,这类报错往往涉及代码逻辑错误或是环境配置当等问题。为了更好地帮助定位和解决问题,推荐记录完整的异常日志,并仔细检查最近修改过的代码片段以及确认依赖库版本的一致性。
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