能给我介绍一下C++中各种头文件的作用吗（比如说WINDOWS.H，IOSTREAM.H）？

Posted 2023-04-26

比如说想进行输出“cout”就得在前面加上#include <iostream.h>

#include <assert.h> //设定插入点
#include <ctype.h> //字符处理
#include <errno.h> //定义错误码
#include <float.h> //浮点数处理
#include <fstream.h> //文件输入／输出
#include <iomanip.h> //参数化输入／输出
#include <iostream.h> //数据流输入／输出
#include <limits.h> //定义各种数据类型最值常量
#include <locale.h> //定义本地化函数
#include <math.h> //定义数学函数
#include <stdio.h> //定义输入／输出函数
#include <stdlib.h> //定义杂项函数及内存分配函数
#include <string.h> //字符串处理
#include <strstrea.h> //基于数组的输入／输出
#include <time.h> //定义关于时间的函数
#include <wchar.h> //宽字符处理及输入／输出
#include <wctype.h> //宽字符分类

//////////////////////////////////////////////////////////////////////////

标准 C++ （同上的不再注释）

#include <algorithm> //STL 通用算法
#include <bitset> //STL 位集容器
#include <cctype>
#include <cerrno>
#include <clocale>
#include <cmath>
#include <complex> //复数类
#include <cstdio>
#include <cstdlib>
#include <cstring>
#include <ctime>
#include <deque> //STL 双端队列容器
#include <exception> //异常处理类
#include <fstream>
#include <functional> //STL 定义运算函数（代替运算符）
#include <limits>
#include <list> //STL 线性列表容器
#include <map> //STL 映射容器
#include <iomanip>
#include <ios> //基本输入／输出支持
#include <iosfwd> //输入／输出系统使用的前置声明
#include <iostream>
#include <istream> //基本输入流
#include <ostream> //基本输出流
#include <queue> //STL 队列容器
#include <set> //STL 集合容器
#include <sstream> //基于字符串的流
#include <stack> //STL 堆栈容器
#include <stdexcept> //标准异常类
#include <streambuf> //底层输入／输出支持
#include <string> //字符串类
#include <utility> //STL 通用模板类
#include <vector> //STL 动态数组容器
#include <cwchar>
#include <cwctype>

using namespace std;

//////////////////////////////////////////////////////////////////////////

C99 增加

#include <complex.h> //复数处理
#include <fenv.h> //浮点环境
#include <inttypes.h> //整数格式转换
#include <stdbool.h> //布尔环境
#include <stdint.h> //整型环境
#include <tgmath.h> //通用类型数学宏 参考技术A 头文件<iostream.h>封装了库函数以及一些类，将一些复杂的工作由库函数处理，而用户不必把精力放在这些地方。比如说cout<<，为标准输出流，其实说到底还是函数调用，不过这个函数有些特殊，用的是运算符重载，确切地说是重载了“<<”运算符，作用是将键盘输入的在屏幕上打印出来，这个功能要是由我们去写，估计也得学个两三年才有可能。所以就简化了操作。而这一系列的函数都在头文件中包含（是一个函数库）。在调用时包涵后便可直接用。详细参考 http://baike.baidu.com/view/668911.htm?fr=ala0_1_1 当然有些事不常用的，在用到时在了解也行。 参考技术B 你需要使用什么函数，就需要说明它包含在哪个文件之中，cout 是输出函数，所以你就要添加 #include <iostream.h>,

Tensor Flow Lite C++ API 介绍

目录

Class类介绍

tflite::ErrorReporter

头文件路径

类作用

Public API介绍

示例

tflite::FlatBufferModel

头文件路径

类作用

Public Static API介绍

Public API介绍

示例

tflite::Interpreter

头文件路径

类作用

Public 类型

Public Static 属性变量

Friend 类

Public API介绍

示例

tflite::InterpreterBuilder

头文件路径

类作用

Public API介绍

备注

tflite::OpResolver

头文件路径

Public 类型

备注

---

Class类介绍

类名	作用
tflite::ErrorReporter	用于汇报错误，当发生错误时可以通过此类获取错误信息
tflite::FlatBufferModel	用于序列化模型
tflite::Interpreter	从张量输入和输出的节点图的解释器
tflite::InterpreterBuilder	构建一个能够解释模型的解释器
tflite::OpResolver	给定操作码或自定义操作名称返回 TfLiteRegistrations 的抽象接口

tflite::ErrorReporter

头文件路径

#include <error_reporter.h>

类作用

用于汇报错误，当发生错误时可以通过此类获取错误信息

Public API介绍

函数原型	作用	返回值
Report(const char *format, ...)	向错误日志输出一串字符串	VOID
ReportError(void *, const char *format, ...)	将字符串输出到指定位置	VOID

示例

调用类似于 printf。

用法：ErrorReporter foo; foo.Report("测试%d", 5); 或 va_list 参数； foo.Report("test %d", args); // 其中 args 是 va_list

子类 ErrorReporter 以提供另一个报告目标。 例如，如果您有一个 GUI 程序，您可能会重定向到驱动 GUI 错误日志框的缓冲区。

//输出数据
ErrorReporter foo;
foo.Report("测试%d", 5);

tflite::FlatBufferModel

头文件路径

#include <model_builder.h>

类作用

用于序列化模型

Public Static API介绍

函数原型	返回值	作用
FlatBufferModel(const FlatBufferModel &)	void	构造函数
~FlatBufferModel()	void	析构函数
BuildFromAllocation(std::unique_ptr< Allocation > allocation, ErrorReporter *error_reporter)	std::unique_ptr< FlatBufferModel >	直接从分配中构建模型
BuildFromBuffer(const char *caller_owned_buffer, size_t buffer_size, ErrorReporter *error_reporter)	std::unique_ptr< FlatBufferModel >	基于预加载的 flatbuffer 构建模型
BuildFromFile(const char *filename, ErrorReporter *error_reporter)	std::unique_ptr< FlatBufferModel >	基于文件构建模型
BuildFromModel(const tflite::Model *caller_owned_model_spec, ErrorReporter *error_reporter)	std::unique_ptr< FlatBufferModel >	直接从 flatbuffer 指针构建模型调用者保留缓冲区的所有权，并应使其保持活动状态，直到返回的对象被销毁
VerifyAndBuildFromAllocation(std::unique_ptr< Allocation > allocation, TfLiteVerifier *extra_verifier, ErrorReporter *error_reporter)	std::unique_ptr< FlatBufferModel >	验证分配的内容是否合法，然后根据提供的分配构建模型
VerifyAndBuildFromBuffer(const char *caller_owned_buffer, size_t buffer_size, TfLiteVerifier *extra_verifier, ErrorReporter *error_reporter)	std::unique_ptr< FlatBufferModel >	验证缓冲区的内容是否合法，然后根据预加载的 flatbuffer 构建模型
VerifyAndBuildFromFile(const char *filename, TfLiteVerifier *extra_verifier, ErrorReporter *error_reporter)	std::unique_ptr< FlatBufferModel >	验证文件内容是否合法，然后基于文件构建模型

Public API介绍

函数原型	返回值	作用
函数原型	返回值	作用
CheckModelIdentifier() const	bool	如果模型标识符正确则返回真（否则为假并报告错误）
GetMinimumRuntime() const	std::string	获取最小运行时间
GetModel() const	const tflite::Model *	获取序列化的模型指针
allocation() const	const Allocation *	获取分配的内存空间
error_reporter() const	ErrorReporter *	获取错误报告类指针
initialized() const	bool	初始化
operator->() const	const tflite::Model *	->操作符实现
operator=(const FlatBufferModel &)=delete	FlatBufferModel &	=操作符实现

示例

这使用 flatbuffers 作为序列化格式。

注意：当前的 API 要求客户端保持 FlatBufferModel 实例处于活动状态，只要它被任何依赖的 Interpreter 实例使用。 由于 FlatBufferModel 实例在创建后实际上是不可变的，因此客户端可以安全地使用具有多个依赖 Interpreter 实例的单个模型，甚至跨多个线程（但请注意，每个 Interpreter 实例都不是线程安全的）。

using namespace tflite;
StderrReporter error_reporter;
auto model = FlatBufferModel::BuildFromFile("interesting_model.tflite",
                                            &error_reporter);
MyOpResolver resolver;  // 你需要继承 OpResolver 以提供实现
  
InterpreterBuilder builder(*model, resolver);
std::unique_ptr interpreter;
if(builder(&interpreter) == kTfLiteOk) {
  //.. run model inference with interpreter
}

tflite::Interpreter

头文件路径

#include <interpreter.h>

类作用

从张量输入和输出的节点图的解释器

Public 类型

变量名	原型	作用
TfLiteDelegatePtr	using std::unique_ptr< TfLiteDelegate, void(*)(TfLiteDelegate *)>	委托类型

Public Static 属性变量

变量名	返回值	作用
kTensorsCapacityHeadroom = 16	constexpr int	在调用 ops 的准备和调用函数之前 tensors_ 向量的容量余量
kTensorsReservedCapacity = 128	constexpr int	张量预留容量

Friend 类

类名
tflite::InterpreterTest
tflite::delegates::InterpreterUtils
tflite::delegates::test_utils::TestDelegation

Public API介绍

函数原型	返回值	作用
函数原型	返回值	作用
AllocateTensors()	TfLiteStatus	获取TfLiteStatus副本
EnsureTensorDataIsReadable(int tensor_index)	TfLiteStatus	确保 tensor.data 中的数据可读
GetAllowFp16PrecisionForFp32() const	bool	获取半精度标志
GetBufferHandle(int tensor_index, TfLiteBufferHandle *buffer_handle, TfLiteDelegate **delegate)	TfLiteStatus	获取委托缓冲区句柄，以及可以处理缓冲区句柄的委托
GetInputName(int index) const	const char *	返回给定输入的名称
GetOutputName(int index) const	const char *	返回给定输出的名称
GetProfiler()	Profiler *	获取用于操作跟踪的探查器
Invoke()	TfLiteStatus	调用解释器（按依赖顺序运行整个图）
ModifyGraphWithDelegate(TfLiteDelegate *delegate)	TfLiteStatus	允许委托查看图形并修改图形以自行处理图形的某些部分
ModifyGraphWithDelegate(std::unique_ptr<Delegate,Deleter>delegate)	TfLiteStatus	与 ModifyGraphWithDelegate 相同，但此解释器拥有提供的委托的所有权
ModifyGraphWithDelegate(std::unique_ptr< TfLiteDelegate > delegate)=delete	TfLiteStatus	这种超载永远不会好
OpProfilingString(const TfLiteRegistration & op_reg, const TfLiteNode *node) const	const char *	检索操作员对其工作的描述，用于分析目的
ReleaseNonPersistentMemory()	TfLiteStatus	警告：实验界面，可能会发生变化
ResetVariableTensors()	TfLiteStatus	将所有变量张量重置为默认值
ResizeInputTensor(int tensor_index, const std::vector< int > & dims)	TfLiteStatus	改变给定张量的维度
ResizeInputTensorStrict(int tensor_index, const std::vector<int> & dims)	TfLiteStatus	需要调用 AllocateTensors() 来更改张量输入缓冲区
SetAllowBufferHandleOutput(bool allow_buffer_handle_output)	void	设置是否允许缓冲区句柄输出
SetAllowFp16PrecisionForFp32(bool allow)	void	Allow float16 precision for FP32 calculation when possible
SetBufferHandle(int tensor_index, TfLiteBufferHandle buffer_handle, TfLiteDelegate *delegate)	TfLiteStatus	将委托缓冲区句柄设置为张量
SetCancellationFunction(void *data, bool(*)(void *) check_cancelled_func)	void	设置取消函数指针，以便在调用 Invoke() 的过程中取消请求
SetCustomAllocationForTensor(int tensor_index, const TfLiteCustomAllocation & allocation, int64_t flags)	TfLiteStatus	为张量设置自定义位置
SetExternalContext(TfLiteExternalContextType type, TfLiteExternalContext *ctx)	void	设置外部上下文
SetNumThreads(int num_threads)	TfLiteStatus	设置解释器可用的线程数
SetProfiler(Profiler *profiler)	void	将探查器设置为跟踪执行
SetProfiler(std::unique_ptr< Profiler > profiler)	void	与 SetProfiler 相同，但此解释器拥有提供的分析器的所有权
execution_plan() const	const std::vector< int > &	执行计划
input_tensor(size_t index)	TfLiteTensor *	返回一个指向给定输入张量的可变指针
input_tensor(size_t index) const	const TfLiteTensor *	返回一个指向给定输入张量的不可变指针
input_tensor_by_signature_name(const char *signature_input_name, const char *signature_method_name)	TfLiteTensor *	警告：实验性接口，可能会更改返回由“signature_method_name”标识的签名中由“signature_input_name”标识的输入张量
inputs() const	const std::vector< int > &	对输入列表的只读访问权限
node_and_registration(int node_index) const	const std::pair< TfLiteNode, TfLiteRegistration > *	如果在边界内，则获取指向操作和注册数据结构的指针
nodes_size() const	size_t	返回模型中的操作数
operator=(const Interpreter &)=delete	Interpreter &	=重载运算符
output_tensor(size_t index)	TfLiteTensor *	返回一个指向给定输出张量的可变指针
output_tensor(size_t index) const	const TfLiteTensor *	返回一个指向给定输出张量的不可变指针
output_tensor_by_signature_name(const char *signature_output_name, const char *signature_method_name) const	const TfLiteTensor *	警告：实验性接口，可能会更改返回由“signature_method_name”标识的签名中由“signature_output_name”标识的输出张量
outputs() const	const std::vector< int > &	只读访问输出列表
signature_def_names() const	std::vector< const std::string * >	警告：实验性接口，可能会更改返回模型中定义的不同方法签名的所有名称的列表
signature_inputs(const char *method_name) const	const std::map< std::string, uint32_t > &	警告：实验性接口，可能会发生变化返回输入到通过“method_name”指定的签名中的张量索引的映射
signature_outputs(const char *method_name) const	const std::map< std::string, uint32_t > &	警告：实验性接口，可能会发生变化返回输出到通过“method_name”指定的签名中的张量索引的映射
tensor(int tensor_index)	TfLiteTensor *	获取可变张量数据结构
tensor(int tensor_index) const	const TfLiteTensor *	等一个不可变的张量数据结构
tensors_size() const	size_t	返回模型中张量的数量
typed_input_tensor(int index)	T *	将输入量量返回给定输入的数据中
typed_input_tensor(int index) const	const T *	返回一个指向给定输入张量数据的不可变指针
typed_output_tensor(int index)	T *	返回指向给定输出张量数据的可变指针
typed_output_tensor(int index) const	const T *	返回一个指向给定输出张量数据的不可变指针
typed_tensor(int tensor_index)	T *	对适当的张量类型（可变指针版本）执行检查转换
typed_tensor(int tensor_index) const	const T *	对适当的张量类型（不可变指针版本）执行检查转换
variables() const	const std::vector< int > &	只读访问变量张量列表

示例

图的每个节点处理一组输入张量并产生一组输出张量。 所有输入/输出张量都由索引引用

// 从文件创建模型
// 注意，模型实例必须比解释器实例存活时间更长
auto model = tflite::FlatBufferModel::BuildFromFile(...);
if (model == nullptr) {
 // 返回错误
}
// Create an Interpreter with an InterpreterBuilder.
std::unique_ptr interpreter;
tflite::ops::builtin::BuiltinOpResolver resolver;
if (InterpreterBuilder(*model, resolver)(&interpreter) != kTfLiteOk) {
  // 返回失败
}
if (interpreter->AllocateTensors() != kTfLiteOk) {
// 返回失败
}
  
auto input = interpreter->typed_tensor(0);
for (int i = 0; i < input_size; i++) {
  input[i] = ...;  interpreter.Invoke();

tflite::InterpreterBuilder

头文件路径

#include <interpreter_builder.h>

类作用

构建一个能够解释模型的解释器

Public API介绍

AddDelegate(TfLiteDelegate *delegate)	void	任何使用 AddDelegate 添加的委托都将按添加顺序应用于由 operator() 生成的解释器
PreserveAllTensorsExperimental()	InterpreterBuilder &	启用保留中间体以进行调试
SetNumThreads(int num_threads)	TfLiteStatus	设置用于解释器的 CPU 线程数
operator()(std::unique_ptr< Interpreter > *interpreter)	TfLiteStatus	构建一个解释器并将其存储在 *interpreter 中
operator()(std::unique_ptr< Interpreter > *interpreter, int num_threads)	TfLiteStatus	与上面相同，但还设置要使用的 CPU 线程数（覆盖之前对 SetNumThreads 的任何调用）
operator=(const InterpreterBuilder &)=delete	InterpreterBuilder &	=重载运算符

备注

生命周期必须至少与构建器创建的任何解释器一样长的模型。原则上，多个解释器可以由单个模型构成。 op_resolver：实现 OpResolver 接口的实例，它将自定义操作名称和内置操作代码映射到操作注册。提供的 op_resolver 对象的生命周期必须至少与 InterpreterBuilder 一样长；与 model 和 error_reporter 不同， op_resolver 不需要在任何创建的 Interpreter 对象的持续时间内存在。 error_reporter：一个被调用来报告处理 printf var arg 语义的错误的函子。 error_reporter 对象的生命周期必须大于或等于由 operator() 创建的 Interpreter。

成功时返回 kTfLiteOk 并将解释器设置为有效的解释器。注意：用户必须确保模型（和错误报告器，如果提供）的生命周期至少与解释器的生命周期一样长，并且单个模型实例可以安全地与多个解释器一起使用。

tflite::OpResolver

头文件路径

#include <op_resolver.h>

类作用

给定操作码或自定义操作名称返回 TfLiteRegistrations 的抽象接口

Public 类型

变量名	原型	作用
变量名	原型	作用
TfLiteDelegatePtrVector	using std::vector< std::unique_ptr< TfLiteDelegate, void(*)(TfLiteDelegate *)>>	委托 Ptr 向量

Public API介绍

~OpResolver()	void	析构函数
FindOp(tflite::BuiltinOperator op, int version) const =0	virtual const TfLiteRegistration *	通过枚举代码查找内置运算符的操作注册，纯虚函数用户必须继承然后实现这个方法
FindOp(const char *op, int version) const =0	virtual const TfLiteRegistration *	按操作名称查找自定义运算符的操作注册，纯虚函数用户必须继承然后实现这个方法
GetDelegates(int num_threads) const	virtual TfLiteDelegatePtrVector	获取委托

备注

这是在 flatbuffer 模型中引用的操作映射到可执行函数指针 (TfLiteRegistrations) 的机制