新闻详情

新闻详情

首页 / 资讯中心 / 详情

C++ auto、decltype 与 decltype(auto):类型推导和引用保留一篇搞懂

发布时间:2026/11/14 2:54:01来源:尧图网络
C++ auto、decltype 与 decltype(auto):类型推导和引用保留一篇搞懂
C auto、decltype 与 decltype(auto)类型推导和引用保留一篇搞懂auto 能让声明更简洁却不是“原样复制表达式类型”。在常见的按值声明中它会去掉顶层 const 与引用decltype 则遵循另一套规则。理解这三者能避免不小心复制对象或返回悬空引用。1. auto按值、按引用分别写#includetype_traitsintmain(){constintvalue42;constintrefvalue;autoaref;// int独立副本autobref;// const int引用原对象constautocref;// const int只读引用static_assert(std::is_same_vdecltype(a),int);static_assert(std::is_same_vdecltype(b),constint);}auto 不等于“永远丢掉 const”这里是按值声明 a所以顶层 const 与引用被去掉显式加 后引用与被引用对象的 const 约束仍在。大型对象循环遍历时这个差别很重要。2. decltype括号也会改变结果#includetype_traitsintmain(){intvalue1;static_assert(std::is_same_vdecltype(value),int);static_assert(std::is_same_vdecltype((value)),int);}未加额外括号的变量名decltype 取它声明的类型(value) 是左值表达式所以得到 int。这不是编译器怪脾气而是 decltype 对未加括号的名字与一般表达式采用不同规则。需要精确类型时一定留意表达式形式。3. decltype(auto)让返回类型跟着表达式走#includevectorstd::vectorintnumbers{10,20};decltype(auto)first(){return(numbers[0]);// int}intmain(){first()99;// 修改 numbers[0]}如果把 first 的返回类型写成 auto返回的是 int 副本不能像上面那样修改原元素。decltype(auto) 常用于通用包装器但要求你真正理解返回值的生命周期。错误示例是返回局部变量的引用decltype(auto)broken(){intlocal1;return(local);// 推导为 int函数结束后悬空切勿这样写}4. 速查写法主要特点auto x expr通常按值可能复制auto x expr引用左值保留底层 constconst auto x expr只读引用可绑定临时值decltype(expr)按 decltype 规则取得类型decltype(auto)声明或返回时保留 decltype 规则结果日常变量先用 auto涉及引用就明确写出 写泛型包装、需要原样返回引用时再考虑 decltype(auto)并把生命周期检查放在第一位。
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 2026/11/13 0:43:49

【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 2026/11/12 23:59:09

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 2026/11/13 10:09:00

【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 ... 2026/11/13 13:31:48

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 2026/11/13 16:11:45

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 2026/11/13 0:02:27

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
📞 ✉