社区
C++ 语言
帖子详情
分配24*LEN内存,按24为单元实现内存内容倒置(不准使用额外内存)
Rain7758
2011-03-03 08:18:51
写代码,分配24*LEN内存,按24为单元实现内存内容倒置(不准使用额外内存),释放内存。
C++ 的面试题。
面对“不准使用额外内存”的变态要求,我只想到汇编。。。
或者是我理解能力不够,题目另有玄机?囧
(PS:这次的题目来自著名公司,各种不常见各种误导各种变态各种回答不全面总之我是一败涂地。。。囧)
...全文
145
4
打赏
收藏
分配24*LEN内存,按24为单元实现内存内容倒置(不准使用额外内存)
写代码,分配24*LEN内存,按24为单元实现内存内容倒置(不准使用额外内存),释放内存。 C++ 的面试题。 面对“不准使用额外内存”的变态要求,我只想到汇编。。。 或者是我理解能力不够,题目另有玄机?囧 (PS:这次的题目来自著名公司,各种不常见各种误导各种变态各种回答不全面总之我是一败涂地。。。囧)
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
4 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
dooX8086
2011-03-03
打赏
举报
回复
加减法也O
char a=5;
char b=10;
a += b;
b = a - b;
a = a - b;
Rain7758
2011-03-03
打赏
举报
回复
不知为不知,学习了!
第一种方法,大家会借助第三个变量来实现:
如:C=A;A=B;B=C;
这种方法需要借助第三变量来实现;
第二种方法是利用加减法实现两个变量的交换,
如:A=A+B;B=A-B;A=A-B;
第三种方法是得用位异或运算来实现,也是效率最高的一种,在大量数据交换的时候,效率明显优于前两种方法,
如:A=A^B;B=A^B;A=A^B;
pengzhixi
2011-03-03
打赏
举报
回复
int a=5;
int b=10;
a^=b;
b^=a;
a^=b;
pengzhixi
2011-03-03
打赏
举报
回复
额 是让你用异或运算交换2个字节。
LLM研究者周度作战地图:6篇可落地论文精读指南
大语言模型(LLM)技术迭代加速,研究者面临信息过载与落地滞后双重挑战。理解MoE架构、稀疏注意力、4-bit量化微调(QLoRA)、长上下文记忆机制等核心原理,是提升工程响应力的关键。这些技术不仅重构推理引擎、微调工具链与RAG架构,更直接决定模型在客服对话、代码生成、金融文档解析等真实场景的可用性与鲁棒性。本文聚焦‘下周就可用’的硬核论文,结合开源
实现
成熟度、硬件兼容性(如A100 40GB支持)与业务指标提升(如幻觉率下降9.6%),提供从原理验证到生产集成的全链路实践路径。
Spark分布式计算原理与生产调优实战指南
分布式计算是现代大数据处理的基石,其核心在于突破单机瓶颈,通过协同调度
实现
数据与计算的高效匹配。其底层逻辑受制于
内存
、磁盘与网络的三级性能鸿沟,而Spark通过
内存
计算、DAG执行模型和统一API重构了这一范式。相比传统MapReduce,Spark以Shuffle优化、智能缓存(如MEMORY_AND_DISK_SER)和Catalyst优化器显著提升迭代计算与混合负载效率。在电商用户分析、金融反欺诈等PB级场景中,合理配置spark.sql.adaptive.enabled、Kryo序列化与AQE机制,
嵌入式可移植固件设计:从HAL到OSAL的十大核心品质与实战
在嵌入式系统开发中,可移植性是衡量固件设计质量的关键指标,它决定了代码能否在不同硬件平台间高效复用。其核心原理在于通过分层架构与抽象接口,将应用逻辑与底层硬件、编译器及操作系统特性进行解耦。这种设计理念的技术价值在于显著降低因芯片选型变更、产品线扩展或供应链波动带来的重复开发成本和风险,提升项目的长期可维护性。典型的应用场景包括跨厂商MCU(如STM32与GD32)的迁移、不同内核(Cortex-M3/M4)的适配,以及实时操作系统(如FreeRTOS)的切换。为
实现
这一目标,开发者需构建清晰的硬件抽象层(
MoE模型动态路由原理与实战:从千亿参数调度到专家负载均衡
混合专家(MoE)是一种通过稀疏激活提升大模型效率的核心架构,其本质是将传统稠密模型的全量计算,转变为按输入token动态选择Top-k专家的条件计算。该机制依赖轻量级Router
实现
毫秒级路由决策,结合负载均衡损失约束专家
分配
,从而在不增加显存压力的前提下显著提升吞吐量。技术价值体现在计算资源利用率跃升、推理延迟可控、训练可扩展性增强三大维度,广泛应用于GPT-4、DeepSeek-MoE、Qwen2-MoE等千亿级模型的高效部署。本文深入解析Router设计、专家模块化配置及Load Balancing
MCP协议实战:用Rust构建物流AI代理与硬件协同系统
MCP(Model Context Protocol)是一种面向大模型工具调用的语义化行为契约协议,旨在解决AI代理在真实场景中调用外部工具时的参数失控、上下文丢失与结果不可信问题。其核心通过Tool Schema定义接口契约、Context Binding保障执行连贯性、Result Validation
实现
端到端可验证性,显著提升AI驱动硬件系统的可靠性与审计能力。在边缘智能物流等对实时性、安全性和长期稳定性要求严苛的领域,MCP正逐步替代自定义API或MQTT等松散集成方式。本文以树莓派为平台,基于R
C++ 语言
65,213
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