社区
C++ 语言
帖子详情
谁理解这种格式的c++源码?所有源码放在一个没有后缀名的文件里,之间用nul隔开。
Karrer
2009-04-18 07:49:48
我经常在国外网站上下载到这种格式的源文件,具体该怎么使用呢?难道要手动分开来用?
...全文
98
8
打赏
收藏
谁理解这种格式的c++源码?所有源码放在一个没有后缀名的文件里,之间用nul隔开。
我经常在国外网站上下载到这种格式的源文件,具体该怎么使用呢?难道要手动分开来用?
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
8 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
Karrer
2009-04-18
打赏
举报
回复
[Quote=引用 7 楼 tjltail 的回复:]
把后缀名改为.zip后用WINRAR解压看看
[/Quote]
正解!
tjltail
2009-04-18
打赏
举报
回复
把后缀名改为.zip后用WINRAR解压看看
Karrer
2009-04-18
打赏
举报
回复
再问!
diannaomingong
2009-04-18
打赏
举报
回复
估计是用什么工具编译的,看看说明啊,一般都有说明文档和联系方式的
Karrer
2009-04-18
打赏
举报
回复
这个文件里有所有的.h和.cpp文件,还有makefile,我感觉可能是交给g++之类编译器处理的格式
Karrer
2009-04-18
打赏
举报
回复
[Quote=引用 1 楼 future_fighter 的回复:]
不同的平台,不同的工具,换行符不一样引起的!设置换行符下应该就可以了把!
[/Quote]
我的意思是所有的文件内容都在一个没有后缀名的文件里,之间貌似是用NUL隔开的,这个我见过好多次了,一直没明白。
mengde007
2009-04-18
打赏
举报
回复
貌似没见过……
future_fighter
2009-04-18
打赏
举报
回复
不同的平台,不同的工具,换行符不一样引起的!设置换行符下应该就可以了把!
llama.cpp Android移植实战:端侧大模型推理工程化指南
端侧大模型推理是移动AI落地的核心能力,其本质是将轻量化LLM(如Qwen2、Phi-3)在资源受限的Android设备上实现低延迟、高稳定性的本地运行。技术原理涉及C/
C++
推理引擎(llama.cpp)与Android NDK工具链的深度适配,关键在于ARM64指令集支持、JNI线程安全调用、量化模型(GGUF/Q4_K_M)内存布局优化及沙箱权限绕行。该能力显著提升隐私性、离线可用性与响应实时性,广泛应用于本地聊天助手、智能硬件嵌入式AI、教育类App离线问答等场景。本文聚焦llama.cpp在And
Cosmopolitan Libc:让C/
C++
实现“一次构建,到处运行”的革命性跨平台解决方案
你是否还在为C/
C++
程序的跨平台兼容性问题头疼?不同操作系统、不同架构
之间
的编译差异,让开发者耗费大量时间在适配工作上。Cosmopolitan Libc的出现,彻底改变了这一现状。它让C/
C++
实现了“一次构建,到处运行”,就像Java一样,但不需要解释器或虚拟机。本文将带你深入了解这个革命性的跨平台解决方案,读完你将能够: -
理解
Cosmopolitan Libc的核心原理 - 掌握使用C...
C++
基础
C#/Java是虚拟机型的语言(托管语言),它们都
没有
头
文件
并行堆栈是一种调试工具,用于在多线程环境中可视化每个线程的调用堆栈。它允许开发人员在单一视图中查看所有线程的执行位置,从而更方便地调试多线程应用程序ImGUI(Immediate Mode Graphical User Interface)是
一个
轻量级的、跨平台的、与平台无关的
C++
图形用户界面库,特别适合于游戏开发和其他实时应用程序,允许开发者使用纯
C++
代码快速创建和管理用户界面基准测试是一种性能评估方法,通过标准化的测试用例和工具,可以客观
C++
文件
操作与重定向:从流抽象到工程实践
在
C++
编程中,输入输出流(Stream)是处理数据流动的核心抽象概念,它将数据源与目的地统一为一条连续的“数据管道”。其基本原理是通过封装底层设备操作,为控制台、
文件
乃至内存字符串提供一致的读写接口。这一设计极大地提升了代码的复用性和可维护性,其技术价值在于实现了程序与外部数据源的解耦,使得数据处理逻辑独立于具体的IO设备。在实际应用场景中,无论是需要持久化存储用户配置、记录程序运行日志,还是进行自动化批量测试与数据处理,都离不开对
文件
流的精细控制或对标准输入输出的重定向。本文聚焦于
C++
的**
文件
操作*
llama.cpp中KV Cache设置实战指南:精度、序列长度与Windows11兼容性
KV Cache是Transformer推理中维持上下文连贯性的核心状态存储机制,其本质是各层注意力头的Key/Value向量阵列,空间占用随层数、头数、序列长度和精度线性增长。
理解
bf16与fp16在内存布局、数值稳定性及GPU访存效率上的差异,是优化本地大模型部署的关键;尤其在Windows11环境下,系统级CUDA兼容问题常导致默认精度失效,引发OOM或segmentation fault。合理配置-c(上下文长度)、-ctk/-ctv(KV精度)可显著提升Qwen3、Llama3.2等新模型的长文本
C++ 语言
65,211
社区成员
250,514
社区内容
发帖
与我相关
我的任务
C++ 语言
C++ 语言相关问题讨论,技术干货分享,前沿动态等
复制链接
扫一扫
分享
社区描述
C++ 语言相关问题讨论,技术干货分享,前沿动态等
c++
技术论坛(原bbs)
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
请不要发布与C++技术无关的贴子
请不要发布与技术无关的招聘、广告的帖子
请尽可能的描述清楚你的问题,如果涉及到代码请尽可能的格式化一下
试试用AI创作助手写篇文章吧
+ 用AI写文章