新闻详情

新闻详情

首页 / 资讯中心 / 详情

C++ lambda 捕获实战:值、引用和 this 的生命周期陷阱

发布时间:2026/11/15 22:05:32来源:尧图网络
C++ lambda 捕获实战:值、引用和 this 的生命周期陷阱
C lambda 捕获实战值、引用和 this 的生命周期陷阱lambda 很方便但“创建时能用”不等于“以后执行仍安全”。当回调被存进容器、交给线程或延迟执行时捕获对象能活多久比捕获列表短不短更重要。最低标准C14。示例使用初始化捕获和 make_unique。1. 按值捕获一份可独立使用的数据#includefunctional#includeiostream#includememory#includestring#includeutilitystd::functionvoid()make_task(){std::string nameAhan;return[name]{std::coutname\n;};}intmain(){autotaskmake_task();task();// name 已离开原作用域但闭包拥有自己的字符串autoownerstd::make_uniqueint(42);automove_task[pstd::move(owner)]{std::cout*p\n;};move_task();}预期输出 Ahan 和 42。第二个 lambda 把 unique_ptr 的所有权移进闭包闭包因此不可复制不能直接把它塞进要求可复制目标的传统 std::function。2. 按引用捕获不会延长寿命如果 make_task 返回的是[name]函数结束后 name 被销毁后续执行回调就会访问悬空引用。同步调用且引用对象明显活得更久时引用捕获可以简洁高效跨越作用域或线程时要重新证明其生命周期安全。按值捕获也不是万能的。如果复制的是裸指针或 string_view复制的只是地址或视图被指向的数据仍可能先被销毁。要判断真正拥有数据的是谁。3. 捕获 this 只是保存指针[this]不会复制整个对象也不会延长对象生命周期。C17 的[*this]会复制对象但复制后的成员仍可能包含非拥有指针并且回调修改的是副本。异步回调可以根据设计捕获 shared_ptr 来延长寿命或捕获 weak_ptr 并在执行时 lock()。不过对象若保存了一个捕获自身 shared_ptr 的回调也可能形成循环引用不能机械套用。4. mutable 改的是闭包内部状态按值捕获的变量在默认调用运算符中不可修改加 mutable 可以修改闭包里的副本不会自动修改外部原变量。多个闭包副本各自有状态共享一个闭包并发调用时也仍要考虑数据竞争。速记同步短回调可以借用延迟执行先检查寿命this 是指针移动捕获可以转交资源重要捕获尽量显式列出让审阅者看得出依赖。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉