在VB2005中使用零长度数组

简介:

 在实际的编程中,数组是运用很多的对象。象Array,List等都是对数组的一种封装。

  我们看看下面两种的定义方法,能看出他们的区别吗?

    Dim tB1() As Byte

    Dim tB2() As Byte = {}

  这两种都是定义一个字节数组,且数组里都没有元素。

  不过下面两句话就能看出区别了。

    Debug.Print(tB1 Is Nothing)

    Debug.Print(tB2 Is Nothing)

  第一句得到的结果是True,第二局得到的结果是False。说明,tB1是数组但没有初始化过,等价于Nothing,tB2是数组,虽然没有元素,但是初始化过,和Nothing不等价,你可以访问tB2的其他属性,如Length,得到的是0,表明是一个空数组。而访问tB1的其他属性,如Length,就会报错。

  空数组和未初始化的数组在很多地方还是有区别的。

  例如:

  Debug.Print(System.Text.Encoding.Default.GetString(tB1))

  Debug.Print(System.Text.Encoding.Default.GetString(tB2))

  虽然tB1和tB2中都没有元素,但是由于tB1没有初始化,系统会抛出一个异常。而tB2虽然没有元素,但是表示一个0元素的数组,系统不会抛出异常,返回一个空字符串。

  从这个能看出来,Nothing和0元素的数组还是有区别,这个是我们容易忽视的地方。


    本文转自万仓一黍博客园博客,原文链接:http://www.cnblogs.com/grenet/archive/2010/04/01/1701989.html,如需转载请自行联系原作者

相关文章
|
9天前
|
数据采集 人工智能 安全
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
298 164
|
3天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
311 155
|
11天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
857 6
|
5天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
250 113