C++ 智能指针—unique_ptr详解(一)
ztj100 2025-01-21 23:12 18 浏览 0 评论
从C++11起,C++提供了unique_ptr作为独占管理指针对象的一类智能指针,根据RAII原则,它会自动释放对象。
先说构造函数及初始化方法,例如:
#include <cstdio>
#include <iostream>
#include <memory>
class X
{
public:
X(){std::cout<<"X\n";}
~X(){std::cout<<"~X\n";}
std::string data;
};
int main()
{
//构造or初始化方法:
//1.接管已有的指针
{
auto x=new X;
std::unique_ptr<X>a(x);
}
//2.从New构造
{
std::unique_ptr<X> a(new X);
}
//3.利用make_unique C++14开始
{
std::unique_ptr<X>a=std::make_unique<X>();
}
}
这里从C++14开始,推荐使用make_unique;
除了直接构造,还有以下移动赋值方法:
//1.从已有的智能指针移动赋值
{
std::unique_ptr<X>a=std::make_unique<X>();
std::unique_ptr<X>b=std::move(a);
}
//2.从已有资源移动赋值
{
auto a=new X;
std::unique_ptr<X>b=std::move(a);
}
unique_ptr不支持复制赋值,其将复制语句删除了,以下代码会编译NG
{
std::unique_ptr<X>a=std::make_unique<X>();
auto b=a; //编译不过!
}
所以对于形参为unique_ptr<X>的函数,当调用它时,需要使用移动语义
void testFun(std::unique_ptr<X> a)
{
return;
}
//当要调用时,需要使用std::move;
testFun(std::move(a));
//testFun(a); 直接使用编译出错 ;
除此之外,unique_ptr还支持为空,然后利用成员函数reset修改其管理的资源
std::unique_ptr<X> cc;
cc.reset(new X);
如果需要使用被管理的资源,用法与指针一样,采用* 和-> 符号,也可以用get函数
void fun(X &input)
{
}
auto a=std::make_unique<X>();
std::cout<<a->data<<std::endl;
func(*a);
//使用get
std::cout<<a.get()->data<<std::endl;
func(*a.get());
智能指针除了支持自动释放资源,还支持使用release手动释放:
a.release();
除此之外,作为资源智能管理器,为了可以管理除了内存以外的其它资源,unique_ptr还支持自定义资源释放函数例如:
void closeFile(std::FILE* fp)
{
std::cout << "Close File.\n";
std::fclose(fp);
}
std::unique_ptr<std::FILE, void(*)(std::FILE*) > fp(std::fopen("./data.txt", "w"),
closeFile);
//当资源被成功打开时,会自动释放。
//也可以用类的方法实现自定义资源释放函数
class MyOperator
{
public:
MyOperator() = default;
~MyOperator() = default;
void operator()(X* x) const {
std::cout << "operator delete X\n";
delete x;
};
};
std::unique_ptr<X, MyOperator> xm(new X, MyOperator());
//这里还可以用引用的方式;
auto mop = MyOperator();
std::unique_ptr<X, MyOperator&> xm2(new X, mop);
unique_ptr还支持管理动态分配的对象数组:
std::unique_ptr<X[]> a(new X[3]); //注意X[]不能写成具体变量或者值;
以上就是unique_ptr的主要用法,下次具体分析std::unique_ptr 的实现方法,以便结合RAII原则,运用到自己设计的类中,提升Source质量。
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 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...
- 神经网络与传统统计方法的简单对比
-
传统的统计方法如...
- 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...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)