每日积累,补充类似的作用的函数啦,前两个简单看看,最后一个可以记忆一下。

简介: 每日积累,补充类似的作用的函数啦,前两个简单看看,最后一个可以记忆一下。

补充一:函数-memcmp()

描述:把两个内存区域的前n个字节进行比较。简单来说就是比较,与strncmp作用一样。

格式:memcmp(aim,str,n)

参数:n是比较两个字符串的前几个字符,起限制的作用。就拿每一个字符串的前n个字符进行比较。

该函数返回值如下:

  • 如果返回值小于 0,则表示 aim 小于 str。
  • 如果返回值大于 0,则表示 aim 大于 str。
  • 如果返回值等于 0,则表示 aim 等于 str。


代码摘自自己写的strncmp的代码:

#include<stdio.h>
#include<string.h>
int main()
{
  char aim[]={"I study hard yes"};
  char str[]={"I study hard"}; 
  int retu;
  retu=strncmp(aim,str,7);   //分别拿aim和str前7个字符进行比较
  if(retu<0){
    printf("aim小于str");
  }
  else if(retu==0){
    printf("aim等于str");
  }
  else{
    printf("aim大于str");
  }
  return 0;
}


补充二:函数-memmove()

描述:简单来说是复制函数,类似于memcpy,但内存存储方面,memmove()是比memcpy()更安全。

格式:memmove(aim,str,n)

注:如果aim和str没有重叠区域,则和memcpy()的函数功能相同;如果有重叠,memmove()能够保证str在被覆盖之前将重叠区域的字节拷贝到aim中,复制后str区域的内容会被更改。

代码见真知:

#include<stdio.h>
#include<string.h>
int main()
{
  char aim[]="oldyears";
  char str[]="newyears";
  memmove(aim,str,3);
  printf("复制之后:%s",aim);
  return 0;
}


都看到这里了,不坚持下去?

继续哦!

 


补充三:函数-memset()

描述:此函数的作用是替换或叫覆盖。

格式:memset(aim,c,n)

参数:aim是目标区域;

          c是要存放进目标区域的字符;

          n是放进字符的个数。

代码安排上:

#include<stdio.h>
#include<string.h>
int main()
{
  char aim[]="oldyears";
  char c='@';
  memset(aim,c,3);   //将3个c变量中字符替换掉aim数组的前三个
  printf("替换之后:%s",aim);
  return 0;
}


相关文章
|
1月前
|
机器学习/深度学习 人工智能 算法
模型无关的局部解释(LIME)技术原理解析及多领域应用实践
在当前数据驱动的商业环境中,人工智能(AI)和机器学习(ML)已成为各行业决策的关键工具,但随之而来的是“黑盒”问题:模型内部机制难以理解,引发信任缺失、监管合规难题及伦理考量。LIME(局部可解释模型无关解释)应运而生,通过解析复杂模型的个别预测,提供清晰、可解释的结果。LIME由华盛顿大学的研究者于2016年提出,旨在解决AI模型的透明度问题。它具有模型无关性、直观解释和局部保真度等优点,在金融、医疗等领域广泛应用。LIME不仅帮助企业提升决策透明度,还促进了模型优化和监管合规,是实现可解释AI的重要工具。
78 9
|
17天前
|
机器学习/深度学习 人工智能 程序员
大模型时代的思考:小心陷入ChatLLMs构建的蜜糖陷阱-基于人类反馈的间接(反向)驯化-你是否有注意到?
本文探讨了大模型基于人类反馈训练的原理及其潜在风险,特别是大模型在迎合用户需求时可能带来的“蜜糖陷阱”。通过实际案例分析,强调了理性使用大模型的重要性,提出了保持批判性思维、明确人机协作边界、提升人类判断力和创新能力等建议,旨在让大模型真正为人类服务,而不是限制人类思维。
|
20天前
|
机器学习/深度学习 分布式计算 算法框架/工具
大模型的内部结构复杂,导致其决策过程难以解释,这对于某些应用场景来说是不可接受的。
【10月更文挑战第23天】随着人工智能技术的发展,越来越多的企业开始探索大模型的私有化部署。本文详细介绍了在企业内部实现大模型私有化部署的方法,包括硬件配置、数据隐私保护、模型可解释性提升以及模型更新和维护等方面的解决方案,帮助企业克服相关挑战,提高数据处理的安全性和效率。
31 4
|
1月前
|
机器学习/深度学习 敏捷开发 算法
技术之道:从细节到全局的智慧
【10月更文挑战第12天】 本文将分享一些关于技术感悟的心得,通过具体实例和总结,探讨如何从细节出发,逐步提升技术能力。无论是新手还是资深开发者,都能从中得到启发和指导。
38 1
|
2月前
快速高效率学习一项新技术或者语法并且保持长期记忆的方法
【9月更文挑战第19天】这段内容介绍了高效学习新技术或语法并保持长期记忆的方法。首先,明确学习目标,制定详细计划,合理安排时间和休息。其次,选择优质教材、视频课程和实践项目。接着,采取主动学习、多感官学习、关联记忆和定期复习的方法。最后,通过动手实践、参与社区交流和设定奖励机制,保持学习热情和动力。持续学习的心态将帮助你在实际工作和生活中应用新技能。
|
3月前
|
算法 测试技术 持续交付
技术感悟:代码之外的智慧
【8月更文挑战第14天】在技术的海洋中,我们常常沉浸于代码的编写和调试,追求着更高效的算法和更优雅的解决方案。然而,技术的世界远不止于此。它还包括了对问题的理解、对工具的运用、以及与他人的协作等多个方面。这些看似与代码无关的技能,实际上对我们的技术成长有着深远的影响。本文将分享一些在代码之外的技术感悟,希望能够为大家提供一些新的视角和思考。
|
5月前
|
应用服务中间件 nginx
经验大分享:nginxlocatio作用
经验大分享:nginxlocatio作用
28 0
|
6月前
|
人工智能 自然语言处理 算法
思维链不存在了?纽约大学最新研究:推理步骤可省略
【5月更文挑战第26天】纽约大学研究发现,Transformer模型在处理复杂任务时可能不依赖思维链,而是通过填充符号实现计算。实验显示,填充符号能提升模型在特定任务中的准确率,扩展其表达能力,尤其是在处理嵌套量词问题时。然而,模型有效利用填充符号的学习是个挑战,因填充符号的隐藏层表示不易判断。研究提示,Transformer模型可能通过填充符号并行化解决TC0类问题,但可能使决策过程变得不透明,影响可解释性。该研究为优化语言模型提供了新思路,但也提出了可解释性与计算效率之间平衡的议题。[链接](https://arxiv.org/pdf/2404.15758)
58 1
|
PHP 开发者
|
Python
谈一谈|如何利用函数的各种参数
谈一谈|如何利用函数的各种参数
79 0