每个存活的对象，强引用有且只有一个。 • 但弱引用可以同时存在多个，也可以没有。 • 强引用销毁时，所有弱引用都会失效。如果强引用销毁以后，仍存 在其他指向该对象的弱引用，访问他会导致程序奔溃（野指针）。 来点小彭老师地狱比喻？ • 强引用就像星巴克老板，弱引用就像来上厕所的张心欣（小彭老师的老板）。 • 假设张心欣他没有眼睛，看不见厕所，只是凭借记忆来老地方上厕所，但是他的记忆力非常好 。 • 之前星巴克为了

char data[64]; • }; • CacheEntry cache[512]; • 当 CPU 读取一个地址时： • 缓存会查找和该地址匹配的条目。如果找到，则给 CPU 返 回缓存中的数据。如果找不到，则向主内存发送请求，等读 取到该地址的数据，就创建一个新条目。 • 在 x86 架构中每个条目的存储 64 字节的数据，这个条目 又称之为缓存行（ cacheline ）。 tmp 对象的副本， 防止多线程调用 func 出错。 • 返回时（或者进入时）调用 tmp.clear() 清除已有数据。 由于 vector 的特性，他只会把 size() 标记为 0 并调 用其成员的解构函数，而不会实际释放内存（ free ）。 • 因此第二次进入的时候，如果 n 不超过上一次的大小 ，就还是用的第一次分配的内存，避免了重新分配的开 销。对 func 需要被重复调用的情况很实用。 了 ，毕竟 16 次加法远远没有超过 membound 的范畴， cpubound 我们已经仁至义尽地尽量 消除了。 • 如果单单采用手动预取，或者单单采用循环分块，那反而还会变慢。这就是性能调优中的一 大难点：某个改动可能对性能没有效果，甚至反而产生负面效果。然而有经验的优化人员会 知道，这不一定意味着这项改动是错的：有可能要配合多个改动一起上，才能有正面效果。 • 性能优化我们需要

用于定义核函数，他在 GPU 上执行，从 CPU 端通过三重尖括号语法调 用，可以有参数，不可以有返回值。 • 而 __device__ 则用于定义设备函数，他在 GPU 上执行，但是从 GPU 上调用的，而 且不需要三重尖括号，和普通函数用起来一 样，可以有参数，有返回值。 • 即： host 可以调用 global ； global 可以调 用 device ； device 可以调用 device 上的函数。 同时定义在 CPU 和 GPU 上 • 通过 __host__ __device__ 这样的双重修 饰符，可以把函数同时定义在 CPU 和 GPU 上，这样 CPU 和 GPU 都可以调 用。 让 constexpr 函数自动变成 CPU 和 GPU 都可以调用 • 这样相当于把 constexpr 函数自动变成修饰 __host__ __device__ ，从而两边都可以调用。 比如这里设置了 RTX3000 系列的架构版 本号 86 ，在 RTX2080 上就运行不出结 果。 • 最坑的是他不会报错！也不输出任何东西 ！就像没有那个 kernel 一样！所以一定 要注意调对你的版本号。否则就会这样 kernel 好像没有执行过一样，只有 CPU 上的代码被执行了。 指定多个版本号 • 可以指定多个版本号，之间用分号分割。 • 运行时可以自动选择最适合当前显卡的版

发现结果不对了……说明 int8_t 太小了（可以容纳 - 128 到 127 ），容纳不下 97*100 这么大的数，发生 了溢出导致结果错误。 试图解决：用 uint8_t 表示，定点数系数调小到 2 • 注意到我们的值始终是正数，因此可以用无符号的 uint8_t （可以容纳 0 到 255 ），然后把刚刚的系数 100 改小到 2 ，成功算对结果了，代价是精度损失了 不少。 uint8_t （范围从 0 到 255 ），着色器在读取的时候才会把他 转换成 float （范围从 0.0 到 1.0 ）。这就是浮点数的 量化，存储时转换成低精度的定点数，读取时再转换 回高精度的浮点数，从而节省 4 倍内存带宽，提升 GPU 性能。 有没有更小的浮点类型？ • 浮点数在接近 0 的时候精度更高，在一些图形学应用中还是很必要的（比如表示粒子的速 度），定点数就做不到。

true 。 • 第二次上锁，由于自己已经上锁，所以失败 了，返回 false 。 只等待一段时间： try_lock_for() • try_lock() 碰到已经上锁的情况，会立即返 回 false 。 • 如果需要等待，但仅限一段时间，可以用 std::timed_mutex 的 try_lock_for() 函数， 他的参数是最长等待时间，同样是由 chrono 指定时间单位。超过这个时间还没 owns_lock() 判断是否上锁成功。 std::unique_lock ：用 std::adopt_lock 做参数 • 如果当前 mutex 已经上锁了，但是之后 仍然希望用 RAII 思想在解构时候自动调 用 unlock() ，可以用 std::adopt_lock 作 为 std::unique_lock 或 std::lock_guard 的第二个参数，这时他们会默认 mtx 已经 上锁。

么程度？探究源代码，岂不有违「黑盒子」初衷？但是，没有办法，他们也同意，不把那些 奇奇怪怪的宏和指令搞清楚，只能生产出玩具来。对付MFC 内部机制，态度不必像对付 MFC 类别一样；你只需好好走过那么一回，有个印象，足矣。至于庞大繁复的整个application framework 技术的铺陈串接，不必人人都痛苦一次，我做这么一次也就够了 。 11 林语堂先生在朱门一书中说过的一句话，适足作为我写作本书的心境，同时也对我与朋友 // 父窗口 (DLGPROC)About // 对话框函数名称 ); 对 话 框 结 束 ， 回 返 对话框內部自有一个消息 回路（由系統维护） DialogBox 打开一个对话框： 1 2 3 4 当使用者按下 [ OK] 钮，产生 WM_COMMAND 命令消息， 识别码为IDOK，于是流往 成员变量不属于对象的一部份，而是类别的一部份，所以程序可以在还没有诞生任 何对象的时候就处理此种成员变量。但首先你必须初始化它。 不要把static 成员变量的初始化动作安排在类别的构造式中，因为构造式可能一再被调 用，而变量的初值却只应该设定一次。也不要把初始化动作安排在头文件中，因为它可 能会被包含许多地方，因此也就可能被执行许多次。你应该在实作档中且类别以外的任 何位置设定其初值。例如在main 之中，或全域函数中，或任何函数之外：

若你是演算法初學者，從未接觸過演算法，或者已經有一些刷題經驗，對資料結構與演算法有模糊的認識， 在會與不會之間反覆橫跳，那麼本書正是為你量身定製的！ 如果你已經積累一定的刷題量，熟悉大部分題型，那麼本書可助你回顧與梳理演算法知識體系，倉庫源程式 碼可以當作“刷題工具庫”或“演算法字典”來使用。 若你是演算法“大神”，我們期待收到你的寶貴建議，或者一起參與創作。 前置條件 你需要至少具備任一語言的程式設計基礎，能夠閱讀和編寫簡單程式碼。 感謝我的女朋友泡泡作為本書的首位讀者，從演算法小白的角度提出許多寶貴建議，使得本書更適合 新手閱讀； ‧ 感謝騰寶、琦寶、飛寶為本書起了一個富有創意的名字，喚起大家寫下第一行程式碼“Hello World!” 的美好回憶； ‧ 感謝校銓在智慧財產權方面提供的專業幫助，這對本開源書的完善起到了重要作用； ‧ 感謝蘇潼為本書設計了精美的封面和 logo ，並在我的強迫症的驅使下多次耐心修改； ‧ 感謝 @squidfunk 和階段三的學習。 第 0 章 前言 www.hello‑algo.com 9 圖 0‑8 演算法學習路線 0.3 小結 ‧ 本書的主要受眾是演算法初學者。如果你已有一定基礎，本書能幫助你系統回顧演算法知識，書中源程 式碼也可作為“刷題工具庫”使用。 ‧ 書中內容主要包括複雜度分析、資料結構和演算法三部分，涵蓋了該領域的大部分主題。 ‧ 對於演算法新手，在初學階段閱讀一本入門書至關重要，可以少走許多彎路。

is Suitable to distribute work across taskSs chunk count = 5 @xe9 昌 xxe9 回回 回回日回 chunk size =5 remainder 回回 chunk count = 5 由remainder 5 quotient chunk size quotient process tile_count tiles 一 t const tile_size = (input_range.size() + tile_count - 1) / tile_countj; 四回回四四回回 tile_count != 6 下 日 0 > Also,fork & join model introduces unnecessary

tring el = xi atring e2 = std:imove(el) ， al: e2 品 回 避 回 mr 上回 dala。 [| "msTvTerg | da 册 EPE 和equivalentto ttatia_castcatringaty el eaass

这样之后如果有一个任务是要基于 eatFood 做文章，比如要重复 eatFood 两遍。 • 就可以封装到一个函数 eatTwice 里，这个函数只需接受他们共同的基类 IObject 作为参数，然后调 用 eatFood 这个虚函数来做事（而不是直接操作具体的猫和狗本身）。 • 这样只需要写一遍 eatTwice ，就可以对猫和狗都适用，实现代码的复用（ dont-repeat-yourself