Go学习第一天

GO学习第一天

提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加
例如:第一章 Python 机器学习入门之pandas的使用


提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档


一.数据类型

1.按类别分

布尔型
数字型
位的运算采用补码字符串类型:字符串就是一串固定长度的字符连接起来的字符序列,Go 的字符串是由单个字节连接起来。
复数

var name complex128 = complex(x,y)

2.派生类别

指针,数组,结构体(struct),channel,函数,切口,接口,map类型等等

3.基于架构

1.int类型:Uint8,Uint16,Uint32,Uint64
int8,int16,int32,int64
2.浮点型
float32,float64
complex64
complex128
3.Others
byte(uint8的别名,代表了 ASCII 码的一个字符),rune(代表一个UTF-8字符,等价于int32),uint,int
uintptr(无符号整型,放指针)
注:1.有符号整数采用 2 的补码形式表示,也就是最高 bit 位用来表示符号位,一个 n-bit 的有符号数的取值范围是从 -2(n-1) 到 2(n-1)-1。无符号整数的所有 bit 位都用于表示非负数,取值范围是 0 到 2n-1。
2.常量 math.MaxFloat32 表示 float32 能取到的最大数值,大约是 3.4e38。
3.常量 math.MaxFloat64 表示 float64 能取到的最大数值,大约是 1.8e308。
4.float32 和 float64 能表示的最小值分别为 1.4e-45 和 4.9e-324。
5.浮点数在声明的时候可以只写整数部分或者小数部分。

const e = .71828 // 0.71828
const f = 1.     // 1

6.很小或很大的数最好用科学计数法书写,通过 e 或 E 来指定指数部分

const Avogadro = 6.02214129e23  // 阿伏伽德罗常数
const Planck   = 6.62606957e-34 // 普朗克常数

二.关键字

1.常用关键字

break default func interface select case 
defer go map struct chan else goto 
package switch const fallthrough 
if range type continue for import 
return var

2.36个预定义标识符

append bool byte cap close complex complex64 complex128 
uint16 copy false float32 float64 imag int 
int8 int16 uint32 int32 int64 iota len 
make new nil panic uint64 print println 
real recover string true uint uint8 uintptr

三.标识符

标识符即对变量命名,第一个字符必须是字母或下划线而不能是数字

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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