2 odpowiedzi w tym temacie

[csMaster]

native func(Float:inputs[]);
new num[4], num2[3];
//...

func(Float:{ str_to_float(num), str_to_float(num2) }); // tag mismatch
func({ str_to_float(num), str_to_float(num2) }); // tag mismatch

new Float:fNum[2];
fNum[0] = str_to_float(num);
fNum[1] = str_to_float(num2);

func(Float:{ fNum[0], fNum[1] }); // error
func({ fNum[0], fNum[1] }); // error
func(fNum); // tag mismatch

Jak mam wprowadzić wartość tablic num[] i num2[] do natywu func() jeśli wszystkie powyższe sposoby albo skutkowały errorami albo ostrzeżeniem tag mismatch ?

[Rivit]

#include <amxmodx>

native f2(Float:input[]);

public plugin_init(){
	new str[] = "2.12";
	new Float:asdf[3];
	asdf[0] = str_to_float(str);
	asdf[1] = str_to_float(str);
	asdf[2] = str_to_float(str);
	f(asdf);
	f2(asdf);
}

public f(Float:input[]){

}

//// test.sma
// Header size:            136 bytes
// Code size:              360 bytes
// Data size:               20 bytes
// Stack/heap size:      16384 bytes; estimated max. usage=40 cells (160 bytes)
// Total requirements:   16900 bytes
// Done.
//
// Compilation Time: 0.03 sec
// ----------------------------------------

Więc musisz chyba gdzie indziej błąd mieć. Podaj wiekszy kawałek kodu jak mozesz czy cos

Użytkownik TibacK edytował ten post 04.08.2019 12:14

[csMaster]

Spoiler

public Float:neural_think(Float:inputs[]) {
	static Float:outs[NEURAL_MAX_SIZE];
	outs = neural_output_values(neural_think_raw(neural_input_values(inputs)));

	return outs;
}

public Float:neural_output_values(Float:values[]) {
	static i, layer, Float:_values[NEURAL_MAX_SIZE];

	layer = layers_id - 1;

	for(i = 0; i < layers[layer][N_max_neurons]; i++) {
		_values[i] = (values[i] - layers[layer][N_input_min][i]) / (layers[layer][N_input_max] - layers[layer][N_input_min][i]);
	}

	return _values;
}

public Float:neural_input_values(Float:values[]) {
static i, Float:_values[NEURAL_MAX_SIZE];

for(i = 0; i < neurons[0][0][N_max_inputs]; i++) {
_values[i] = (values[i] - layers[0][N_input_min][i]) / (layers[0][N_input_max] - layers[0][N_input_min][i]);
}

return _values;
} 

Użytkownik csMaster edytował ten post 04.08.2019 23:05