这个表达式 uint8_t array[3][5]; uint8_t** array1; array1 = array; 实际上是不正确的。在 C 语言中，直接将一个二维数组赋值给一个多级指针 (在这个例子中是 uint8_t** 类型) 是不允许的。 为什么

这个表达式之所以不正确，主要有两个原因：

1. **类型匹配问题**：`uint8_t array[3][5]`是一个二维数组，它实际上存储的是一个包含三个元素的一维数组，每个元素都是长度为5的`uint8_t`数组。而`uint8_t**`是一个指向`uint8_t`指针的指针，它期望的是可以直接解引用得到另一个`uint8_t`指针的对象。因此，两者底层的数据结构并不匹配。

2. **数组到指针的转化规则**：在C语言中，二维数组名隐含地转换为指向第一个元素的行指针的指针。例如，`array`实际上是`uint8_t (*)[5]`类型的，表示一个指向`uint8_t`数组的指针。当你试图将其赋值给`array1`，你需要明确地创建这样的指针，并不是简单地复制数组本身。

正确的做法通常是先获取二维数组的第一维指针，然后将其赋值给`array1`，如下面所示：

uint8_t (*array)[5] = array;

或者，如果你需要一个指向指针的指针，你应该手动分配内存并初始化，而不是直接赋值：

uint8_t** array1 = malloc(3 * sizeof(uint8_t*));
for (int i = 0; i < 3; i++) {
    array1[i] = &array[i][0];
}

相关问题

uint8_t array[3][5]; uint8_t** array1； array1 = array； 这个对吗

这个表达式 `uint8_t array[3][5]; uint8_t** array1; array1 = array;` 实际上是不正确的。在 C 语言中，直接将一个二维数组赋值给一个多级指针 (在这个例子中是 `uint8_t**` 类型) 是不允许的。

首先，`array` 是一个 `uint8_t` 类型的二维数组，它在内存中是一维连续存放的，所以它的地址本质上是一个指向一维数组的指针 (`uint8_t (*)[5]`)。而 `array1` 是一个 `uint8_t**`，即 `uint8_t` 指针的指针，它可以指向 `uint8_t` 类型的一维数组。

正确的方式应该是先通过取地址运算符 `&` 获得 `array` 的首行地址，然后赋给 `array1`。示例如下：

uint8_t array[3][5];
uint8_t (*array1)[5]; // 用星号(*)表示这是指针到数组
array1 = &array[0];   // 将首行地址赋给array1

或者如果你需要 `array1` 可以直接访问数组的所有元素，可以初始化一个指向整个数组的指针：

uint8_t (*array1)[3][5] = array;

Eigen::Tensor<uint8_t, 2, Eigen::RowMajor> map_data(const Eigen::Tensor<uint8_t, 3, Eigen::RowMajor>& data_map, const int axis_num){ Eigen::Tensor<uint8_t, 2, Eigen::RowMajor> max_vals = data_map.maximum(Eigen::array<int, 1>{axis_num}).eval(); Eigen::Tensor<uint8_t, 0, Eigen::RowMajor> minval = max_vals.minimum(); Eigen::Tensor<uint8_t, 0, Eigen::RowMajor> maxval = max_vals.maximum(); Eigen::Tensor<uint8_t, 2, Eigen::RowMajor> subtract(max_vals.dimensions()); Eigen::Tensor<uint8_t, 2, Eigen::RowMajor> divide(max_vals.dimensions()); subtract.setConstant(minval.data()[0]); divide.setConstant(maxval.data()[0]); max_vals = max_vals - subtract; Eigen::Tensor<float, 2, Eigen::RowMajor> output_tensor = max_vals.cast<float>().binaryExpr(divide, [](float x, uint8_t y){ if(0 == y) return (float)0.0; return (float)(x/y); }); return (output_tensor*(float)255.0).cast<uint8_t>(); }

这段代码实现了一个名为map_data的函数，使用Eigen库，返回一个二维uint8_t类型的张量。该函数有两个参数：一个三维uint8_t类型的张量data_map和一个整数类型的axis_num，表示需要保留的维度编号。函数的作用是将data_map张量的第axis_num维度切片，然后将所有切片按行依次连接形成一个二维行优先存储的张量，并对该张量进行归一化操作。

具体实现细节如下：

1. 使用maximum函数获取data_map张量的第axis_num维度上的最大值，返回一个二维uint8_t类型的张量max_vals。

2. 使用minimum函数获取max_vals张量中的最小值，并将其存储在一个零维uint8_t类型的张量minval中。

3. 使用maximum函数获取max_vals张量中的最大值，并将其存储在一个零维uint8_t类型的张量maxval中。

4. 定义两个二维uint8_t类型的张量subtract和divide，分别用于存储与minval和maxval相同大小的常数矩阵。使用setConstant函数将subtract和divide分别初始化为minval和maxval的值。

5. 通过减法操作将max_vals中的每个元素都减去minval的值，得到一个新的二维uint8_t类型的张量max_vals。

6. 使用binaryExpr函数将max_vals和divide进行二元运算，函数中的lambda表达式用于处理0除以任何数的情况，避免出现除0错误。将结果存储在一个二维float类型的张量output_tensor中。

7. 将output_tensor中的元素乘以255，然后将结果转换为uint8_t类型，最后返回这个张量。

总的来说，这段代码的功能是将三维uint8_t类型的张量data_map按照指定维度切片后，对每个切片的像素值进行归一化操作，最终返回一个二维uint8_t类型的张量。