go语言入门(流程控制,函数,错误处理)


  • 条件语句

if a<5 {
  todo()
}
else {
}
注意以下几点:
  1. 条件语句不需要使用括号将条件包含起来 () ;
  2. 无论语句体内有几条语句,花括号 {} 都是必须存在的;
  3. 左花括号 { 必须与 if 或者 else 处于同一行;
  4. 在 if 之后,条件语句之前,可以添加变量初始化语句,使用 ; 间隔;
  5. 在有返回值的函数中,不允许将“最终的” return 语句包含在 if…else… 结构中,
    否则会编译失败:如下函数体内的if - else会失败:
func example(x int) int {
    if x == 0 {
        return 5
    } else {
        return x    //失败
    }
}
  • 选择语句
switch i {
    case 0:
        fmt.Printf("0")
    case 1:
        fmt.Printf("1")
    case 2:
        fallthrough
    case 3:
        fmt.Printf("3")
    case 4, 5, 6:
        fmt.Printf("4, 5, 6")
    default:
        fmt.Printf("Default")
}

注意以下几点:
1. 左花括号 { 必须与 switch 处于同一行;
2. 条件表达式不限制为常量或者整数;
3. 单个 case 中,可以出现多个结果选项;
4. 与C语言等规则相反,Go语言不需要用 break 来明确退出一个 case ;
5. 有在 case 中明确添加 fallthrough 关键字,才会继续执行紧跟的下一个 case ;
6. 可 以 不 设 定 switch 之 后 的 条 件 表 达 式 , 在 此 种 情 况 下 , 整 个 switch 结 构 与 多 个
if…else… 的逻辑作用等同。

  • 循环语句
    go只支持for循环语句

  • 函数

    关键字func 函数名 参数列表 返回值 函数体和返回语句

    小写字母开头的函数只在本包内可见,大写开头的函数才能被其他包使用

func Add(a int,b int)(ret int, err error){
    if a < 0 || b < 0{
        err= errors.New("Should be non-negative numbers!")
        return
    }
    return a+b,nil
}


  • 匿名函数与闭包

在Go里面,函数可以像普通变量一样被传递或使用,这与C语言的回调函数比较类似。不同的是,Go语言支持随时在代码里定义匿名函数。匿名函数由一个不带函数名的函数声明和函数体组成,如下所示:
// 定义一个匿名函数
func (a,b int,z float64)bool {
    return a*b < int(z);
}

//匿名函数可以直接赋给一个变量或者直接执行
f := func(x,y int)int {
    return x+y
}
  • 闭包

    基本概念:闭包是可以包含自由(未绑定到特定对象)变量的代码块,这些变量不在这个代码块内或者
    任何全局上下文中定义,而是在定义代码块的环境中定义。要执行的代码块(由于自由变量包含
    在代码块中,所以这些自由变量以及它们引用的对象没有被释放)为自由变量提供绑定的计算环
    境(作用域)。

    闭包的价值:闭包的价值在于可以作为函数对象或者匿名函数,对于类型系统而言,这意味着不仅要表示
    数据还要表示代码。支持闭包的多数语言都将函数作为第一级对象,就是说这些函数可以存储到
    变量中作为参数传递给其他函数,最重要的是能够被函数动态创建和返回。

  • 错误处理

    1. error接口

    2. defer

      • 执行方式类似于c++中的析构函数,在函数体执行结束按照调用顺序的相反顺序逐个执行
      • 即使函数发生严重错误也会执行
      • 支持匿名函数的调用
      • 常用于资源的清理,文件关闭,解锁以及记录时间等操作
      • 通过与匿名函数配合可以在return之后修改函数计算结果
      • 如果函数体内某个变量作为defer时匿名函数的参数,则在定义defer时已经获得拷贝,否则则是引用某个变量的地址
  1. panic()和recover()
    Panic可以在任何地方引发,但recover只有在defer调用的函数中有效
【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值