qq_六月的古明地觉_0

一年前阅读过关于源码剖析的书, 不过是基于Python2.5的, 很高兴遇到了Python3.x的源码剖析, 正在对着源码一点一点剖析, 感谢老师出了这个专栏。

但还是遇到了一个问题, 记得您说: "那么，被删除的存储单元如何复用呢？Python 压根就没想费这个劲，直接使用新的不就好了吗？"。

不过我隐约记得之前在看那本书的时候, 记得书上画了一张图, 描述entry的unused态、active态、dummy态三者的关系。dummy态无法转为unused态, 但dummy态和active态的entry之间的关系是一个双向箭头。

可不可以这样理解，Python默认是不会管处于dummy态的entry的, 只是做了一个逻辑删除, 但是内存还在占用这。

如果来了一个新的entry, 并且没有发生冲突, 那么Python就存在新的位置上。但如果发生了冲突, 沿着"冲突探测链"查找的时候, 碰巧发现了一个处于dummy态的entry, 那么就把这个处于dummy态的entry给换成新存储的entry。

此时entry由dummy态变成了active态, 只不过此时不一定是同一个entry了。可以这样理解吗

讲师回答 / fasionchan

完全正确。dummy状态其实也是特殊的unused，之所以不能转成直接转成unused是因为需要维护冲突探测链。另外，Python 3内建对象与Python 2相比变化很大，特别是dict、str等对象，学习建议以最新版本源码为准。

Logo
全球具身智能开发者社区

立足具身智能前沿赛道，致力于搭建全球化、开源化、全栈式技术交流与实践共创平台。

更多推荐

[具身智能-1147]：3 维空间的物理的反射光信号到 2 维平面的投影，主动要失去深度信息。本质上是光线到光点的投影，所有光线组成 “面” 上的所有点

3D→2D 投影的本质，是把 "每条光线（3D 中的 1 维直线）" 压成 "每个光点（2D 中的 0 维点）"，所有光点组成图像平面。这个降维过程是多对一的映射，深度信息不可逆地丢失 —— 这不是算法问题，是物理约束。激光雷达通过主动发光给光线打时间戳、双目通过双视点三角约束、单目通过先验推断，都是在用不同方式打破这个多对一性，试图找回丢失的深度维度。

avatar 全球具身智能开发者社区

[具身智能-1148]：三角测距原理

三角测距 = 两个观察点 + 一个物体，构成三角形，通过基线长度和视线角度（或视差），用几何关系算出物体距离。本质是 "用角度换距离"—— 角度差越大，物体越近；角度差越小，物体越远。人眼、双目相机、低成本激光雷达都在用这个原理，但它天生受限于距离和纹理，远距离和无纹理场景会失效。

avatar 全球具身智能开发者社区

[具身智能-1152]：深度相机模组输出是什么？是双目图像，还是混合后的图像？混合的算法是？深度图的格式？

表格维度双目立体视觉结构光ToF代表深度算法立体匹配图案解码 + 三角测距相位 / 时间测量主动发光否（被动）是（红外图案）是（调制红外光）无纹理区域失效（白墙）有效（投射图案）有效有效距离0.3~20m0.3~5m0.3~10m深度图分辨率最高（和红外一致）中中（受 ToF 传感器限制）室外阳光较好（但依赖光照）差（阳光淹没图案）差（阳光干扰）输出深度图 + 左右 IR + 彩色深度图 + IR

avatar 全球具身智能开发者社区