百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

深入探讨 C++ 的隐藏利器:std::invoke 的强大与优雅

ztj100 2025-01-14 19:12 38 浏览 0 评论

深入探讨 C++ 的隐藏利器:std::invoke 的强大与优雅

std::invoke 是 C++17 引入的一个工具函数,用于以通用方式调用可调用对象(函数、函数指针、成员函数指针、函数对象、lambda 表达式等)。它的核心功能是屏蔽不同调用方式的差异,为统一的调用接口提供支持。

定义

std::invoke 定义在头文件 <functional> 中,其原型如下:

template <class F, class... Args>
constexpr decltype(auto) invoke(F&& f, Args&&... args);

功能

统一调用接口:

  1. 支持普通函数、函数指针。
  2. 支持成员函数、数据成员指针。
  3. 支持函数对象(如重载 operator() 的类)。
  4. 支持 lambda 表达式。

自动解析调用语法:

  1. 根据传入的 FArgs 类型,std::invoke 自动决定如何调用该可调用对象。

使用场景

std::invoke 通常用于泛型编程或需要处理多种调用对象的场景,例如:

  • 泛型容器中的函数调用。
  • 在模板中处理函数或成员函数。
  • 简化对成员函数和数据成员的访问。

用法示例

1. 调用普通函数

#include <functional>
#include <iostream>

int add(int a, int b) {
    return a + b;
}

int main() {
    auto result = std::invoke(add, 2, 3); // 等价于 add(2, 3)
    std::cout << "Result: " << result << '\n'; // 输出: Result: 5
    return 0;
}

2. 调用成员函数

std::invoke 支持通过对象指针或引用调用成员函数。

#include <functional>
#include <iostream>

struct Calculator {
    int multiply(int a, int b) {
        return a * b;
    }
};

int main() {
    Calculator calc;

    // 通过对象引用调用成员函数
    auto result1 = std::invoke(&Calculator::multiply, calc, 3, 4); // 等价于 calc.multiply(3, 4)

    // 通过对象指针调用成员函数
    auto result2 = std::invoke(&Calculator::multiply, &calc, 3, 4); // 等价于 calc->multiply(3, 4)

    std::cout << "Result1: " << result1 << '\n'; // 输出: Result1: 12
    std::cout << "Result2: " << result2 << '\n'; // 输出: Result2: 12

    return 0;
}

3. 调用数据成员

std::invoke 也可以访问对象的成员变量。

#include <functional>
#include <iostream>

struct Point {
    int x;
    int y;
};

int main() {
    Point pt{10, 20};

    // 通过对象引用访问成员变量
    auto x_value = std::invoke(&Point::x, pt); // 等价于 pt.x

    // 通过对象指针访问成员变量
    auto y_value = std::invoke(&Point::y, &pt); // 等价于 pt->y

    std::cout << "x: " << x_value << ", y: " << y_value << '\n'; // 输出: x: 10, y: 20

    return 0;
}

4. 调用函数对象

std::invoke 也支持调用实现了 operator() 的函数对象。

#include <functional>
#include <iostream>

struct Adder {
    int operator()(int a, int b) const {
        return a + b;
    }
};

int main() {
    Adder adder;

    auto result = std::invoke(adder, 5, 7); // 等价于 adder(5, 7)
    std::cout << "Result: " << result << '\n'; // 输出: Result: 12

    return 0;
}

5. 调用 lambda 表达式

#include <functional>
#include <iostream>

int main() {
    auto lambda = [](int a, int b) {
        return a * b;
    };

    auto result = std::invoke(lambda, 4, 6); // 等价于 lambda(4, 6)
    std::cout << "Result: " << result << '\n'; // 输出: Result: 24

    return 0;
}

与直接调用的对比

在简单场景下,直接调用函数看起来更直观,std::invoke 的优势在于其泛用性和灵活性。例如:

  1. 统一接口: 无需关心是普通函数、成员函数还是函数对象。
  2. 在模板中处理多种可调用对象: std::invoke 避免了手动区分调用方式的麻烦。
  3. 兼容性: 提供了一种标准化方式,用于访问成员变量或函数。

例如在泛型函数中:

template <typename Callable, typename... Args>
decltype(auto) invoke_any(Callable&& callable, Args&&... args) {
    return std::invoke(std::forward<Callable>(callable), std::forward<Args>(args)...);
}

这个模板可以处理任何类型的可调用对象,而无需对调用方式进行区分。


注意事项

  1. 头文件依赖: std::invoke 定义在 <functional> 中,使用时需包含该头文件。
  2. 参数顺序: 如果是成员函数或数据成员,必须先传递对象引用或指针,后传递函数参数。
  3. 与 std::bind 的关系:
  4. std::invoke 是即时调用,直接调用目标函数。
  5. std::bind 则返回一个绑定后的可调用对象,可以延迟调用。

总结

std::invoke 是一个简单而强大的工具,用于统一处理多种可调用对象的调用方式。其主要使用场景包括:

  • 泛型编程。
  • 调用成员函数或访问数据成员。
  • 处理函数对象或 lambda 表达式。
  • 提供一致的调用方式,特别是在模板化或高阶函数中。

尽管在简单场景下可以直接调用,但在泛型代码或复杂场景中,std::invoke 可以显著简化代码逻辑,提高可读性和灵活性。

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: