新闻详情

新闻详情

首页 / 资讯中心 / 详情

C++20 std::span:用一个参数传递连续内存,别忘了生命周期

发布时间:2026/11/15 2:06:17来源:尧图网络
C++20 std::span:用一个参数传递连续内存,别忘了生命周期
C20 std::span用一个参数传递连续内存别忘了生命周期传统接口常写成“指针加长度”。一旦长度传错调用方和被调用方就可能对数据范围产生不同理解。std::span 把地址和元素数量放在一个轻量视图里适合统一接收数组、std::array 与 vector。最低标准C20。span 是非拥有视图不负责分配或释放元素。1. 数组和 vector 使用同一个接口#includeiostream#includespan#includevectorlonglongsum(std::spanconstintvalues){longlongtotal0;for(intvalue:values)totalvalue;returntotal;}voiddouble_values(std::spanintvalues){for(intvalue:values)value*2;}intmain(){intarray[]{1,2,3};std::vectorintnumbers{4,5,6};std::coutsum(array)\n;double_values(numbers);std::coutsum(numbers)\n;std::spanconstintviewnumbers;std::coutsum(view.subspan(1,2))\n;}预期输出是 6、30、22。span 通常按值传递即可复制视图不等于复制底层所有元素。上面的 subspan 取出从下标 1 开始的两个元素同样没有复制数组内容。2. const 放在哪里很重要std::spanconst int表示不能通过该视图修改元素。const std::spanint则主要限制视图对象本身仍允许通过它修改 int 元素。设计只读接口时应选择前一种写法。span 只适用于连续存储。std::list 不是连续数组std::vector 也不能当成普通 bool 连续区间直接传入。3. 携带长度不等于自动防住所有越界C20 的 span 下标访问和 subspan 都有范围前提不应依赖它们自动抛出越界异常。上例之所以能取 subspan(1, 2)是因为长度确定为 3处理外部输入时要先验证范围。另一个关键问题是生命周期vector 扩容、容器销毁或原数组离开作用域后指向旧内存的 span 会失效。span 不会延长底层对象寿命也不会随着容器自动更新长度。即使 vector 增加元素但没有重新分配旧 span 也仍只覆盖原来的长度。4. 什么时候值得用算法只需要临时访问一段连续元素时span 很合适需要长期保存数据时应明确复制到拥有数据的容器。把 span 看成“带长度的借用”而不是“小型 vector”就不容易用错。接口与构造方式可进一步参考 Microsoft 的 span 文档。C20 std::span用一个参数传递连续内存别忘了生命周期传统接口常写成“指针加长度”。一旦长度传错调用方和被调用方就可能对数据范围产生不同理解。std::span 把地址和元素数量放在一个轻量视图里适合统一接收数组、std::array 与 vector。最低标准C20。span 是非拥有视图不负责分配或释放元素。1. 数组和 vector 使用同一个接口#includeiostream#includespan#includevectorlonglongsum(std::spanconstintvalues){longlongtotal0;for(intvalue:values)totalvalue;returntotal;}voiddouble_values(std::spanintvalues){for(intvalue:values)value*2;}intmain(){intarray[]{1,2,3};std::vectorintnumbers{4,5,6};std::coutsum(array)\n;double_values(numbers);std::coutsum(numbers)\n;std::spanconstintviewnumbers;std::coutsum(view.subspan(1,2))\n;}预期输出是 6、30、22。span 通常按值传递即可复制视图不等于复制底层所有元素。上面的 subspan 取出从下标 1 开始的两个元素同样没有复制数组内容。2. const 放在哪里很重要std::spanconst int表示不能通过该视图修改元素。const std::spanint则主要限制视图对象本身仍允许通过它修改 int 元素。设计只读接口时应选择前一种写法。span 只适用于连续存储。std::list 不是连续数组std::vectorbool也不能当成普通 bool 连续区间直接传入。3. 携带长度不等于自动防住所有越界C20 的 span 下标访问和 subspan 都有范围前提不应依赖它们自动抛出越界异常。上例之所以能取 subspan(1, 2)是因为长度确定为 3处理外部输入时要先验证范围。另一个关键问题是生命周期vector 扩容、容器销毁或原数组离开作用域后指向旧内存的 span 会失效。span 不会延长底层对象寿命也不会随着容器自动更新长度。即使 vector 增加元素但没有重新分配旧 span 也仍只覆盖原来的长度。4. 什么时候值得用算法只需要临时访问一段连续元素时span 很合适需要长期保存数据时应明确复制到拥有数据的容器。把 span 看成“带长度的借用”而不是“小型 vector”就不容易用错。接口与构造方式可进一步参考 Microsoft 的 span 文档。
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 2026/11/14 3:51:47

【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 2026/11/14 3:51:43

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
📞 ✉