关于InstanceSize,一个令我困惑的问题

lingice 2003-01-23 10:57:27
最近看到code6431写的一篇文章《Interface Designing》,访问地址是:
http://home.pchome.com.tw/guide/code6421/Interface2.htm

其中我对里面的一个实例的一段代码感到比较困惑,如下:

constructor TptRIO.Create(AOwner:TComponent);
begin
inherited Create(AOwner);

InnerComp1:=TComponent.Create(AOwner);

RP:=GenVTable(InnerComp1);

InnerComp:=Nil;

InnerClass:=Pointer(Integer(RP)+76);

FRefCount:=0;
end;



function TptRIO.GenVTable(obj:TObject):Pointer;
var
P,LP,vmt:Pointer;
begin
vmt:=PPointer(obj)^;

P:=Pointer(Integer(vmt)-76);

GetMem(LP,obj.InstanceSize+76); //??

CopyMemory(LP,P,76+obj.InstanceSize);

Integer(LP^):=Integer(LP); //??

Result:=LP;
end;

文中给出的解释是:GenVTable 函式會複製一份與傳入的obj 相同的VMT Table
其中我对obj.InstanceSize+76感到不理解,obj.InstanceSize+76指的是VMT Table的大小吗?InstanceSize在Delphi的帮助中说的是对象产生的实例的大小吗?VMT表的的大小包括其负向的76位的偏移所指的那些表吗?一个对象实例的大小包括其VMT表的大小吗(我觉得不应该包括)?此处把VMT的大小认定为obj.InstanceSize+76对吗?

还有,Integer(LP^):=Integer(LP)使得VMT表的-76位内存的是指向这块内存空间的起始地址,而这里应该存储的是指向该类VMT的指针(偏移位0),尽管通过InnerClass:=Pointer(Integer(RP)+76)使得InnerClass正确的指向VMT表了,可是VMT的-76位所存的地址并没有发生变化!

他这个实例的代码我没有编译成功!
...全文
306 3 打赏 收藏 转发到动态 举报
写回复
用AI写文章
3 条回复
切换为时间正序
请发表友善的回复…
发表回复
webzhangtao 2003-01-28
  • 打赏
  • 举报
回复
如前所述,还有用户定义的虚方法指针.我试过源代码,可以编译通过,但无法正常运行,会有异常抛出
lingice 2003-01-27
  • 打赏
  • 举报
回复
VMT大小由0到-76的固定的虚方法指针!
VMT就这么大?!
webzhangtao 2003-01-24
  • 打赏
  • 举报
回复
对象的大小显然不包括VMT,但包括指向VMT的指针(固定为4字节, 在对象的起始部分),VMT大小由0到-76的固定的虚方法指针(这是由TOBJECT决定的无法更改)及用户定义的虚方法指针组成,至于这段程序的对错还要仔细研究。
数据集可视化效果可参见下方展示。 【数据集概况】 · 检测类别(中文):[保龄球(bowling)] · 训练集:594 张 · 验证集:75 张 · 测试集:74 张 · 总计:743 张 该数据集聚焦于室内保龄球馆场景,系统性采集了多角度、多姿态下保龄球在不同运动阶段的视觉特征,为保龄球运动过程中的球体识别与轨迹分析提供了高质量标注样本,具有明确的体育训练与智能辅助系统开发价值。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 100 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9938** mAP50-95 | 0.6966 Precision | 0.9740 Recall | 0.9974 train/box_loss | 0.9113 train/cls_loss | 0.2862 val/box_loss | 1.1516 val/cls_loss | 0.3116 【训练过程分析】 100 轮训练后 mAP50 达到 0.9938,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。但 mAP50-95 为 0.6966,和 mAP50 差距 0.30,定位精度仍有优化空间。 【模型性能评估】 Precision 0.9740、Recall 0.9974,精召双高,模型对保龄球的检测能力强。 【预测效果展示】 验证集预测效果较好,检测框基本准确覆盖保龄球,置信度整体偏高。 【改进建议】 1. 丰富场景多样性:补充不同光照、背景和遮挡条件下的样本。 2. 提升输入分辨率:640 ...
PaddleOCR 与YOLO目标检测 HTTP 服务。 项目通过 PaddleOCROnnx 原生库集成 OnnxRuntime加速能力,围绕 ONNX 模型部署, 以统一接口提供图像文字识别、YOLO 目标检测和 Tensor 数据输出。 功能概览 文字识别:支持图片 Base64、multipart/form-data 上传,以及文本和 JSON 结果。 目标检测:支持 YOLO 图片检测,返回检测框 JSON 或原始 Tensor。 浏览器演示:访问服务根地址,上传图片并切换 OCR、YOLO 模式。 健康检查:通过 /health 查看服务及 OCR、YOLO 引擎初始化状态。 并发处理:通过 OCR 引擎实例池处理并发请求,可调整实例数量。 体验与调用 启动后访问: 入口 地址 浏览器演示 http://localhost:5000/ 健康检查 http://localhost:5000/health 原生依赖 Windows:优先从 runtimes/win-x64/native/ 加载原生 DLL;该目录没有 PaddleOCROnnx.dll 时,尝试从可执行文件所在目录加载。主 DLL 与对应后端依赖应放在同一原生目录中,不要将同一组依赖分散到多个目录。 Linux:原生运行时位于 runtimes/linux-x64/native/,程序使用相对于可执行文件的运行时搜索路径查找随包部署的依赖。 后端选择:CoreOCROnnx 支持 ONNX Runtime、OpenVINO、TensorRT 后端。请使用与平台、进程架构、硬件和后端匹配的一整套运行时,不要混用不同后端或版本的依赖。

16,741

社区成员

发帖
与我相关
我的任务
社区描述
Delphi 语言基础/算法/系统设计
社区管理员
  • 语言基础/算法/系统设计社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧