ETLCPP项目20.41.0版本发布:新增元组与时间库及多项优化
项目简介
ETLCPP(Embedded Template Library for C++)是一个专为嵌入式系统设计的C++模板库,提供了丰富的数据结构和算法实现。该库以高效、轻量级著称,特别适合资源受限的嵌入式环境使用。最新发布的20.41.0版本带来了多项重要更新和优化,包括新增的元组(tuple)和时间(chrono)库支持,以及对现有功能的改进和错误修复。
核心新增功能
1. etl::tuple实现
20.41.0版本引入了etl::tuple,这是一个轻量级的元组实现,类似于标准库中的std::tuple,但专为嵌入式环境优化。元组是一种可以存储不同类型元素的容器,在需要返回多个不同类型值或传递复合数据时非常有用。
etl::tuple<int, float, char> myTuple(10, 3.14f, 'A');
auto first = etl::get<0>(myTuple); // 获取第一个元素
auto second = etl::get<1>(myTuple); // 获取第二个元素
2. etl::chrono时间日期库
新增的etl::chrono模块提供了时间处理功能,包括时间点和持续时间的表示与计算。这对于需要精确时间管理的嵌入式应用尤为重要,如实时系统、数据采集和设备控制等场景。
using namespace etl::chrono;
seconds s(10);
milliseconds ms = s; // 自动转换
time_point<system_clock> now = system_clock::now();
重要功能增强
1. 字符串处理改进
字符串工具新增了get_token_list函数,用于从字符串中提取多个标记(token)。同时,string类现在支持直接追加string_view类型的字符串,提高了字符串操作的灵活性。
etl::string<50> str = "Hello";
etl::string_view sv = " World";
str.append(sv); // 直接追加string_view
2. 委托(delegate)功能增强
委托类新增了对自由函数(freestanding function)的构造函数支持,简化了回调函数的绑定过程,使API更加直观易用。
void freeFunction(int x) { /*...*/ }
etl::delegate<void(int)> d(freeFunction); // 直接构造
d(42); // 调用自由函数
3. 类型列表替代参数包
etl::parameter_pack已被标记为废弃,推荐使用新的etl::type_list替代。type_list提供了更丰富的类型操作特性,包括类型查询和转换等。
using MyTypes = etl::type_list<int, float, char>;
static_assert(MyTypes::size == 3, "类型数量检查");
性能优化与错误修复
1. 环形缓冲区优化
circular_buffer_ext新增了swap移动语义支持,提高了容器操作的效率。同时修复了pop(N)操作在处理可平凡析构(trivially destructible)类型时的性能问题,避免了不必要的析构调用。
2. 数学运算修正
修复了scaled_rounding中的舍入错误,特别是在缩放因子为1时的特殊情况。现在数值舍入更加精确,确保了数学运算的准确性。
3. 内存使用优化
优化了序列容器(sequence containers)在清空操作时的行为,对于可平凡析构的类型,现在可以跳过不必要的析构调用,提高了性能。同时修复了ETL_DECLARE_DEBUG_COUNT在未启用调试计数时仍会增加RAM使用的问题。
其他改进
- 强类型(Strong Types)新增了'type'别名,提高了代码可读性
- ETL_TYPEDEF宏现在支持完整的数学运算符
- 位流读写器(bit_stream)修复了空状态判断和const指针支持问题
- 数组(etl::array)现在正确处理零大小数组的特殊情况
- 新增了对C++23标准的支持
总结
ETLCPP 20.41.0版本通过新增元组和时间库大大扩展了其功能范围,同时通过多项优化和修复提升了现有功能的稳定性和性能。这些改进使得ETLCPP在嵌入式C++开发中更加全面和可靠,特别是对于需要高效数据结构和精确时间管理的应用程序。开发者在升级到新版本时,应注意废弃的parameter_pack和相关API的变化,以确保代码的兼容性。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07