一、基础知识

1 基础知识

  • Go程序通过package来组织的;
  • 只有package名称是main的包可以包含main函数;
  • 一个可执行程序有且仅有一个main包;
  • 通过在函数体外部使用var关键字进行全局变量的声明与赋值;
  • 通过typr关键字来进行struct或者interface的声明;

2 可见性规则

Go 语言中,使用大小写决定该变量、常量、类型、接口、结构或函数是否可以被外部包所调用。

  • 函数名首字母小写 即为 private;
  • 函数名首字母大写即为 public;
package main

//导入其他包
import "fmt"

//常量的定义
const PI = 3.14

//全局变量的声明与赋值
var name = "GOLBAL"

//一般类型的声明
type newType int

//结构的声明
type gopher struct{}

//接口声明
type golang interface{}

//程序入口点
func main() {
    fmt.Println("你好!世界")
}

3 类型与变量

3.1 布尔型bool

  • 长度:1字节;
  • 取值范围:true,false;
  • 不可以用数字代表true或者false;

3.2 整型 int/uint

  • 根据运行平台可能为32或者64位;
  • 8为整型:int8/uint8,长度:1字节,取值范围:-128~127,0~255;
  • 16位整型,int16/uint16;
  • 32位整型,int32/uint32;
  • 64位整型,int64/uint64;

3.2 字节型 byte(uint8别名)

3.3 浮点型float32/float64

  • 4/8字节;
  • 小数位: 精确到 7/15位小数;

3.4 复数complex64/complex128

  • 长度:8/16字节;
  • 足够保存指针的32位或64位整型:uintptr;

3.5 其他值类型

  • array,struct, string

3.6 引用类型

  • slice,map,chan

3.7 类型零值

零值并不对等于空值,而是当变量被声明为某种类型后的默认值,通常情况下值类型的默认值为0,bool为fasle,string为空字符串。

4 单个变量的声明

  • 变量的声明格式:var<变量名称><变量类型>

5 多个变量的声明与赋值

  • 全局变量的声明可以使用var()的方式进行简写;
  • 全局变量的声明不可以省略var,但可以使用并行方式;
  • 所有的变量都可以使用类型推断;
  • 局部变量不可以使用var()的方式简写,只能使用并行方式;
func main() {
    //并行方式
    var a, b, c, d int = 1, 2, 3, 4
}

6 变量的类型转换

  • Go中不存在隐式转换,所有类型必须显式声明;
  • 转换只能发生在两种互相兼容的类型之间;
  • 格式: <valueA> [:]= <TyepeOfValueA>(<ValueB>)
    var a float32 = 100.1
    fmt.Println(a)
    b := int(a)
    fmt.Println(b)
func main() {
    var a int = 65
    b := string(a)
    fmt.Println(b)
}

这里写图片描述

package main

import (
    "fmt"
    "strconv"
)
func main() {
    var a int = 65
    b := strconv.Itoa(a)
    fmt.Println(b)
}

这里写图片描述

7 常量

  • 常量的值在编译时就已经确定
  • 常量的定义格式与变量基本相同
  • 等号右侧必须是常量或者常量表达式
  • 常量表达式中的函数必须是内置函数

7.1 常量的初始化规则与枚举

  • 在定义常量组时,如果不提供初始值,则表示将使用上行的表达式
  • 使用相同的表达式不代表具有相同的值
  • iota是常量的计数器,从0开始,组中每定义1个常量自动递增1
  • 通过初始化规则与iota可以达到枚举的效果
  • 每遇到一个const关键字,iota就会重置为0
const(
    a=1
    b
    c
)

func main() {
    fmt.Println(a)
    fmt.Println(b)
    fmt.Println(c)

}

这里写图片描述

const (
    a = 'A'
    b = iota
    c = 'B'
    d = iota
)

func main() {
    fmt.Println(a)
    fmt.Println(b)
    fmt.Println(c)
    fmt.Println(d)
}

这里写图片描述

8 运算符

  • Go中的运算符均是从左至右结合
    优先级(从高到低)
  • ^ !(一元运算符)
  • * / % << >> & &^
    -+ - | ^ (二元运算符)
    -== != < <= >= >
  • <-(专门用于channel)
  • &&
  • ||

9 指针

Go虽然保留了指针,但与其它编程语言不同的是,在Go当中不支持指针运算以及”->”运算符,而直接采用”.”选择符来操作指针目标对象的成员。

  • 操作符”&”取变量地址,使用”*”通过指针间接访问目标对象;
  • 默认值为 nil 而非 NULL
  • 在Go当中,++ 与 – 是作为语句而并不是作为表达式
func main() {
    a := 1
    a++  //必须放在单独的一行
    var p *int = &a
    fmt.Println(*p)

}
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。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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