学习go语言 我的习题答案 chapter3

这章节主要讲的是go中函数使用 在做习题过程中碰到的几个比较值得纪念的问题是 定义了命名返回函数 但是没有把它放在括号里面 结果一直编译通不过 但是一眼看过去还是不知道怎么错了A

还有一个给我深刻印象的就是go的强类型检查 以及变量的申明方式 和c/c++区别比较明显的就是定义array 之前好像看过c/c++中的指针定义 那个*放在哪里的问题 还有就是数组[]应该放在哪里比较合适 在go中数据类型全都后置 比如:
var test_var int
test_var这个变量的类型是int 这个变量申明如果是在函数体外的 那么var就必不可少 但是在函数内部可以使用 := 来定义 这个和=还是有区别的 定义和赋值完全分开 越写越觉得是c/c++的升级版本 呵呵

package main

import (
        "fmt"
        "strings"
)

func main() {
        /*
        for i := 1; i<=100; i++ {
                fmt.Println(strings.Repeat("A", i))
        }

        for i := 1; i<=100; i++ {
                switch {
                case i%3==0 && i%5==0 :
                        fmt.Println("FizzBuzz")
                case i%5==0:
                        fmt.Println("Buzz")
                case i%3==0:
                        fmt.Println("Fizz")
                default:
                        fmt.Println(i)
                }
        }

        for i := 0; i<10; i++ {
                fmt.Println(i)
        }

        var i int
        LOOP:
            if i < 10 {
                    fmt.Println(i)
                    i += 1
                    goto LOOP
            }

        var arr [10]int
        for i := range arr {
                fmt.Println(i)
        }
        */
}
pengphy@Pengfei-Xue dsproxy_go$ cat chapter3.go 
package main

import (
        "fmt"
)

func getOrderedArg(a,b int) (small, big int) {
        small = a
        big = b

        if a > b {
                small = b
                big = a
        }

        return
}

func float64Mean(data_in []float64) (mean float64) {
        data_in_len := len(data_in)

        if data_in_len == 0 {
            return 0.0
        }

        sum := 0.0
        for _, value := range data_in {
                sum += value
        }

        mean = sum / float64(data_in_len)
        return
}

type Stack []int

func (s Stack) push(value int) Stack {
        if len(s)+1 > cap(s) {
                fmt.Println("stack is full, can not store more")
        }

        s = append(s, value)

        return s
}

func (s Stack) pop() (st Stack, value int) {
        if len(s) == 0 {
                fmt.Println("Stack is empty, can not pop")
        }

        value = s[len(s)-1]
        st = s[:(len(s)-1)]

        return
}


func main() {

        /*
        s := make(Stack, 0, 20)
        fmt.Println(s)

        s = s.push(32)
        fmt.Println(s)

        s, value := s.pop()
        fmt.Println(value)
        fmt.Println(s)

        fmt.Println(getOrderedArg(1,2))
        fmt.Println(getOrderedArg(4,2))

        test_float64_slice := [...]float64{0.0,1.0,2.3232,4e-5,43.00}

        fmt.Println(float64Mean(test_float64_slice[:]))

        for i:= 0; i<10; i++ {
                defer fmt.Println(i)
        }
        */
}

转载于:https://my.oschina.net/pengfeix/blog/107730

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