Итак, я знаю, как определять порядок байтов программно.
Вопрос
Есть ли более стандартный или собственный (закрытый ящик) способ определения порядка следования байтов? предлагает ли WINAPI такое решение?
стандартный способ определения машинного порядка байтов
23.10.2014
- стандартный способ - использовать
ntohl()иhtonl()при преобразовании данных, они знают, какой порядок байтов у машины 23.10.2014 - Поправьте меня, если я ошибаюсь, но, насколько я знаю, все архитектуры, на которых работает Windows, в любом случае имеют обратный порядок байтов. 23.10.2014
- @Michael: ЦП ARM могут загружаться как в режиме с прямым порядком байтов, так и в режиме с прямым порядком байтов, хотя, насколько я знаю, все системы Windows, работающие на процессорах ARM, загружаются в режиме с прямым порядком байтов. Однако я не могу утверждать, что будущие выпуски Windows будут работать на неизвестном оборудовании. Как таковой вопрос актуален. 23.10.2014
Ответы:
1
Стандартная функциональность С++ для определения порядка байтов не предусмотрена. И я, и Беман Доус работаем над тем, чтобы это исправить. Однако успех в таком начинании будет как ледниковым, так и далеко не гарантированным.
Я экспериментировал со следующим заголовком:
https://github.com/HowardHinnant/hash_append/blob/master/endian.h
который, как показано, не переносим в Windows, но, безусловно, может быть легко перенесен в Windows разработчиком std::lib. Механизм очень прост:
// endian provides answers to the following questions:
// 1. Is this system big or little endian?
// 2. Is the "desired endian" of some class or function the same as the
// native endian?
enum class endian
{
native = // unspecified,
little = // unspecified,
big = // unspecified
};
Если вы работаете на машине с прямым порядком байтов, то endian::native == endian::little.
Если вы работаете на машине с обратным порядком байтов, то endian::native == endian::big.
Если вы работаете на машине со смешанным порядком следования байтов (я давно ее не видел), то endian::native имеет значение, отличное от big или little.
Этот файл:
https://github.com/HowardHinnant/hash_append/blob/master/hash_append.h
показаны некоторые примеры использования этого объекта. Например, есть что-то, называемое Hasher, которое может запросить, чтобы предоставленные ему скаляры были представлены в одной из трех форм:
- родной endian, что бы это ни было.
- большой порядок байтов.
- маленький порядок байтов.
И есть небольшая утилита, которая инвертирует (или нет) байты скаляра, в зависимости от пожеланий Hasher и родного endian платформы:
template <class T>
constexpr
inline
void
reverse_bytes(T& t)
{
unsigned char* bytes = static_cast<unsigned char*>(std::memmove(std::addressof(t), std::addressof(t), sizeof(T)));
for (unsigned i = 0; i < sizeof(T)/2; ++i)
std::swap(bytes[i], bytes[sizeof(T)-1-i]);
}
template <class T>
constexpr
inline
void
maybe_reverse_bytes(T& t, std::true_type)
{
}
template <class T>
constexpr
inline
void
maybe_reverse_bytes(T& t, std::false_type)
{
reverse_bytes(t);
}
template <class T, class Hasher>
constexpr
inline
void
maybe_reverse_bytes(T& t, Hasher&)
{
maybe_reverse_bytes(t, std::integral_constant<bool,
Hasher::endian == endian::native>{});
}
23.10.2014
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..
constexprдля платформ со статическим порядком байтов и неconstexprв противном случае? 24.10.2014EXC_BAD_INSTRUCTION. Может быть, я попробую написать расширение ядра и посмотрю, что произойдет... 24.10.2014