总结： 1、**UNet神经网络与传统神经网络的区别** 传统神经网络通常由一系列全连接层（输入层、中间隐藏层、输出层）组成，卷积神经网络（CNN）引入卷积层和池化层，通过局部连接和共享权重来减少参数数量，增强局部特征提取能力；UNet是编码器-解码器结构，跳跃连接，空间特征和语义特征相结合。 2、**http测试**：功能性、可靠性、易用性、效率、维护性、可移植性 3、**性能测试**：（1）定义测试目标（响应时间、吞吐量、并发用户数、资源利用率）（2）选择性能测试工具：Apache JMeter 4、**top**：查看CPU占用和进程资源占用，P切换回按CPU使用率排序，M按内存使用率排序，N按PID排序，A按命令名称排序 5、**C++强制转换**： static_cast <类型说明符> （变量或表达式） 运行时没有类型检查来保证转换的安全性 用法：1）用于类层次结构中基类和派生类之间指针或引用的转换 上行转换（把派生类的指针或引用转换为基类表示）是安全的；下行转换（把基类的指针或引用转换为派生类表示），因为没有类型检查，所以是不安全的 2）用于基本数据类型之间的转换，也需要开发人员保证安全； 3）把空指针转换为目标类型的空指针； 4）把任何类型表达式转换为void型。 **const_cast <类型说明符>（标量或表达式）** 常量指针或引用转换为非常量，并且仍然指向原来的对象（谨慎使用，因为可能违反常量性原则） **dynamic_cast <类型说明符>（标量或表达式）** 1）其他三种都是编译时完成，而该类型是运行时处理，要进行类型检查； 2）不能用于内置的基本数据类型的强制转换； 3）转换成功返回指向类的指针或引用，转换失败返回NULL； 4）基类**一定要有虚函数**，否则编译不通过（类中有虚函数说明想要将基类指针或引用指向派生类对象，转换才有意义）； 5）类的转换中，上行转换和static_cast效果一样，下行转换具有类型检查的功能，更加安全。 **reinterpret_cast <类型说明符>（标量或表达式）** 改变指针或引用的类型、将指针或引用转换为一个足够长度的整形、将整形转换为指针或引用类型，不进行任何类型检查，使用需小心。