博客
关于我
2020.1.29
阅读量:135 次
发布时间:2019-02-27

本文共 348 字,大约阅读时间需要 1 分钟。

唉最近CF真是把人打自闭了,时常会突然意识到自己不过是个编程小白;

在编程时,for循环可是我的老朋友,简单直白,代码量少,适合快速实现需求。而且输入处理时,只要记得在引用时加上&,就能轻松解决问题。

最大值和最小值的寻找工具max_element()和min_element()真的挺实用的,找到最大值或最小值后,只需要减去首地址的值就能得到下标了,这点特别方便。

auto这个关键字实在是太香了,直接代替迭代器,代码简洁得让人心满意足。

至于emplace和push_back、emplace_front和push_front的区别,C++11版本的emplace效率更高,适合在容器初始化时使用,效率比普通的push操作快不少。

其实很多题目看起来都很难,但只要多练练,总能找到解决办法的。

转载地址:http://dfcb.baihongyu.com/

你可能感兴趣的文章
OJ中常见的一种presentation error解决方法
查看>>
OK335xS UART device registe hacking
查看>>
ok6410内存初始化
查看>>
one_day_one--mkdir
查看>>
OpenCV 中的图像转换
查看>>
opencv5-图像混合
查看>>
opencv9-膨胀和腐蚀
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
opencv保存图片路径包含中文乱码解决方案
查看>>
opencv图像分割2-GMM
查看>>
OpenCV(1)读写图像
查看>>