std::vector<cocos2d::Sprite* > m_iDange ;怎么释放内存！

Posted 2023-05-10

Sprite 在cocos中本来就有自动释放池，我在释放m_iDange 时，是需要想常规指针new出对象一样，通过
for(std::vector<__Array*>::iterator it = m_VARpgBase.begin(); it != m_VARpgBase.end(); it++)

delete *it;

这样将指针所指向的内存释放，
还是m_iDange.shrink_to_fit();
释放掉vector 里面指针的内存就行，然后等待自动释放池，自动释放？

参考技术A 你需要手动释放容器里面指针指向的内存，如析构函数

如何将 std::vector<std::vector<double>> 转换为 torch::Tensor？

【中文标题】如何将 std::vector<std::vector<double>> 转换为 torch::Tensor？

【英文标题】：How is it possible to convert a std::vector<std::vector<double>> to a torch::Tensor?

【发布时间】：2020-12-07 12:48:48

【问题描述】：

我有一个 std::vector<std::vector<double>>，我想在 libtorch 中将其转换为 torch::Tensor。但是，torch::tensor() 或 torch::from_blob() 似乎不能用于此目的！

我尝试使用c10::ArrayRef，然后使用它通过c10::ArrayRef<std::vector<std::vector<double>>> res(myvecs) 将数据转换为torch::Tensor，但这似乎也没用，因为我似乎找不到将其转换为torch::Tensor 的方法.

我应该如何在 libtorch 中进行这种转换？除了例如，我还有什么其他选择：

auto tensor = torch::zeros( 46,85 );
for (size_t i = 0; i < 46; i++)

   for (size_t j = 0; j < 85; j++)
   
       tensor[i][j] = probs[i][j];
   

【参考方案1】：

最简单的方法是使用简单的std::vector<double> 而不是向量的向量。您将拥有连续的内存，并且 torch::from_blob 可以工作（如另一个答案中所述）。

如果这不可能/不方便，我建议采用以下解决方法。我假设您的向量是(n,m) 矩阵（即所有n 向量的大小都相同m）：

int n = 5, m = 4;
// Just creating some dummy data for example
std::vector<std::vector<double>> vect(n, std::vector<double>(m, 0)); 
for (int i = 0; i < n; i++)
    for (int j = 0; j < m; j++)
        vect[i][j] = i+j;

// Copying into a tensor
auto options = torch::TensorOptions().dtype(at::kDouble);
auto tensor = torch::zeros(n,m, options);
for (int i = 0; i < n; i++)
    tensor.slice(0, i,i+1) = torch::from_blob(vect[i].data(), m, options);

编辑：您可能需要添加对clone 的调用，以防您无法确保向量的寿命超过张量（因为from_blob 不拥有所有权，因此当向量被销毁时其数据将被删除)

【讨论】：

非常感谢 这与简单的 for 循环相比如何？这里有任何并行化/优化吗？还是他们只是表现相同

谢谢。显然完全忘记了from_blob。非常感谢它

嗯，你需要一个基准来确定这一点，但我相信它应该比手动制作的 for 循环更快。大多数火炬操作都依赖于 BLAS，这比您手动执行的任何操作都高效得多（但是这是一个非常简单的操作：一个向量复制到另一个向量中，因此 BLAS 优化在这里并没有那么大）。除此之外，如果您首先将 2D 向量复制到 1D 向量中然后使用from_blob，则每个元素将被复制两次，而不是在我的答案中只复制一次。

谢谢，非常感谢。顺便说一句，如果我要将您的方法推广到更高维度的向量，例如 shape = (1,2,4,6)。在那种情况下，我应该怎么做？我应该先将它们展平为 1d，然后再使用 from_blob？

在这种情况下，简单的概括是循环前 3 个维度（而不是我这里的 1 个 for 循环）并像我在这里所做的那样切片。但是，我相信使用向量的向量 ... 会很快变得非常丑陋，因此您可能最好考虑使用具有连续内存的另一种数据结构。比如一个平面的一维向量

【参考方案2】：

我没有使用过你提到的任何库，但如果我猜的话，这些库可能需要一个连续的数组，而不是散布在堆周围的小段内存。

所以将std::vector<std::vector<double>> 转换为std::vector<double> 并将vec.data() 指针传递给torch

std::vector<double> linearize(const std::vector<std::vector<double>>& vec_vec) 
    std::vector<double> vec;
    for (const auto& v : vec_vec) 
        for (auto d : v) 
            vec.push_back(d);
        
    
    return vec;

【讨论】：

非常感谢。非常感谢您的时间和善意的回应