【Golang】Golang学习笔记

hcaptcha逆向实战:从API解析到参数构造的完整链路 本文详细拆解了hcaptcha验证码的逆向实战流程,从环境准备、捕获API与版本号,到解析核心加密逻辑hsw.js,再到构造getcaptcha请求参数,最后完成验证提交。文章重点剖析了motionData、n、c等关键参数的获取与构造方法,为开发者模拟浏览器行为、实现自动化验证提供了清晰的完整链路指南。 阅读详情

1、字符和码值

字符和码值之间有一一对应的关系,即每个字符都对应一个唯一的码值,而每个码值也对应一个唯一的字符。在计算机中,使用数字来表示字符,这个数字就是字符的码值,也称为字符编码或字符集编码。

举个例子,字母"A"在ASCII字符集中的码值是65,这意味着计算机在内存中使用数字65来表示字母"A"。同样,汉字“你”在Unicode字符集中的码值是U+4F60,这意味着计算机在内存中使用16进制数0x4F60(即二进制数0100111101100000)来表示汉字“你”。

当计算机需要将文本显示在屏幕上或者传输到其他计算机时,它会使用相应的字符编码方案将字符的码值转换为二进制码流。接收方可以使用相同的编码方案来解码这个二进制码流并将其转换回字符。这样就可以确保不同的计算机和软件系统之间可以正确地表示和处理文本。

2、ASCII字符集和Unicode字符集

ASCII字符集和Unicode字符集之间有关系,但是它们是两个不同的字符集。ASCII字符集是最初的7位字符编码方案,其中定义了128个字符,包括英文字母、数字和一些特殊字符。ASCII字符集广泛用于计算机和通信领域,它的最大优势在于简单、易于实现和兼容性强。

Unicode字符集则是一种用于表示全球所有符号、字母、数字和标点符号的字符编码方案,其中包含超过137,000个字符。Unicode字符集的设计旨在成为全球通用的字符编码方案,以便不同的计算机系统和软件可以互相通信和显示各种语言和符号。与ASCII字符集相比,Unicode字符集具有更大的容量、更广泛的字符覆盖范围和更好的国际化支持。

Unicode字符集中的一部分字符也被包含在ASCII字符集中,这是因为Unicode字符集的设计者考虑到了ASCII字符集的重要性,并将它作为Unicode字符集的基础部分。ASCII字符集中的字符在Unicode字符集中使用相同的编码方式,因此可以直接转换为Unicode字符集中的编码。

总的来说,Unicode字符集可以看作是ASCII字符集的扩展和超集,它继承了ASCII字符集的部分内容,并添加了更多的字符和功能。

3、Go 字符串 双引号 反引号

双引号字符串是普通的字符串字面量,它支持转义字符和字符串插值,类似于其他编程语言中的字符串表示方式。例如:

fmt.Println("Hello, world!")
fmt.Println("This is a string with a\ttab character.")
fmt.Printf("The value of x is %d.\n", x)

反引号字符串则是原始字符串字面量,它不支持转义字符和字符串插值。反引号字符串可以包含多行文本,而且文本中的空格、制表符、换行符等特殊字符都会被保留。例如:

fmt.Println(`This is a string
with multiple lines
and special characters like\t and \n.`)

下面的代码演示了双引号字符串和反引号字符串输出时的区别:

s := "Hello, \nWorld!"
fmt.Println(s)          // 输出:Hello,
                        //      World!
s = `Hello, \nWorld!`
fmt.Println(s)          // 输出:Hello, \nWorld!

4、占位符

(1)%q是一个格式化字符串占位符,在使用fmt.Printf()或fmt.Sprintf()等函数时可以用来将字符串格式化为带有双引号的字符串字面值,并且将其中的非ASCII字符、不可打印字符和控制字符等转义为对应的转义序列。

str := "Hello, 世界"
fmt.Printf("%q\n", str)

输出:

"Hello, 世界"

(2)其他

%d 整型

%f 字符型

%c 字节

%t:用于输出布尔类型的值,输出格式为 true 或 false。

%T:用于输出值的数据类型。

%v:用于输出变量的值,输出格式根据变量的具体类型而定。可以输出地址。

5、if…else… else不能换行

else 语句可以与 if 语句一起使用,也可以独立使用。当 else 语句与 if 语句一起使用时,它必须紧跟在 if 语句块的右括号 } 之后,而且不能单独成行。示例代码如下:

if x > 10 {
    fmt.Println("x is greater than 10")
} else {
    fmt.Println("x is less than or equal to 10")
}

需要注意的是,当 if 语句包含多个条件时,else 子句仅与与其直接相邻的 if 语句匹配。如果要让 else 与 if 语句中的某个条件匹配,可以使用花括号将条件和执行语句括起来。示例代码如下:

if x > 10 {
    fmt.Println("x is greater than 10")
} else if x == 10 {
    fmt.Println("x is equal to 10")
} else {
    fmt.Println("x is less than 10")
}

6、fmt.Scanf(format string, a …interface{}) (n int, err error) 介绍

fmt.Scanf(format string, a ...interface{}) (n int, err error) 是 Go 语言标准库中 fmt 包提供的一个函数,用于从标准输入中读取格式化数据。

下面是对这个函数各个参数的介绍:

  • format string:这是一个格式化字符串,用于指定输入数据的格式。它可以包含普通字符和格式化动词(例如 %d、%f、%s 等),表示读取不同类型的数据。
  • a ...interface{}:这是一个空接口类型的变量,用于接收读取到的数据。在 format 字符串中,每一个格式化动词都会对应一个参数,因此在函数调用时,必须提供与格式化动词数量相等的参数。
  • (n int, err error):这是函数的返回值,其中 n 表示成功读取的数据个数,err 表示可能出现的错误。如果读取成功,则 err 的值为 nil。

下面是一个简单的示例,演示如何使用 fmt.Scanf 函数读取用户输入的姓名和年龄:

goCopy codepackage main

import "fmt"

func main() {
    var name string
    var age int
    fmt.Printf("Please enter your name and age: ")
    n, err := fmt.Scanf("%s %d", &name, &age)
    if err != nil {
        fmt.Println("Error:", err)
    } else {
        fmt.Printf("Hello, %s, you are %d years old.\n", name, age)
        fmt.Printf("Read %d items from input.\n", n)
    }
}

在运行程序时,会提示用户输入姓名和年龄,程序会将这两个值读取到变量 name 和 age 中,并输出到标准输出。如果读取过程中出现错误,会打印出错误信息。最后,程序还会输出成功读取的数据个数。

7、随机数

在计算机中生成的随机数通常都是伪随机数,也就是通过一个确定的算法产生的看似随机的数列。而这个算法的起点称为随机种子。

在 Go 语言中,使用 math/rand 包中的 Rand 类型生成伪随机数。要让每次程序运行时生成的随机数序列都不同,需要为 Rand 类型提供不同的种子值。一种常见的做法是使用当前时间的纳秒数作为种子值,可以通过 time.Now().UnixNano() 来获取。

以下是一个示例,生成 0 到 100 之间的随机数:

package main

import (
    "fmt"
    "math/rand"
    "time"
)

func main() {
    // 为 rand 类型提供种子
    rand.Seed(time.Now().UnixNano())

    // 生成 0 到 100 之间的随机数
    fmt.Println(rand.Intn(101))
}

每次运行程序时,由于种子值不同,生成的随机数序列也不同。这样做的目的是增加随机性,使得程序生成的随机数更加不可预测。

8、break跳转出不同循环(Continue同理)

//这里演示一下指定标签的形式来使用 break
lable2: 
for i := 0; i < 4; i++ {
	//lable1: // 设置一个标签
	for j := 0; j < 10; j++ {
		if j == 2 {
			//break // break 默认会跳出最近的for循环
			//break lable1 
			break lable2 // j=0 j=1
		}
		fmt.Println("j=", j) 
	}

9、外包访问本包函数方法

如果一个函数的函数名的首字母不是大写的,那么它在 Go 语言中的作用域只限于本包内部。也就是说,其他包无法通过导入本包来直接访问该函数,只能通过导出函数名的方式来调用它。

在 Go 语言中,通过将一个函数名的首字母大写,可以将该函数导出,从而让其他包能够访问到它。被导出的函数可以被其他包直接调用,而不需要通过任何中间层。

举个例子,假设我们有一个名为 myutils 的包,其中包含一个名为 add 的函数,代码如下:

package myutils

func add(a, b int) int {
    return a + b
}

在上面的代码中,函数名 add 的首字母是小写的,因此它只能在本包内部被访问。如果其他包要使用该函数,可以通过将函数名首字母大写的方式将其导出,代码如下:

package myutils

func Add(a, b int) int {
    return a + b
}

现在,其他包就可以通过导入 myutils 包并调用 myutils.Add 函数来使用它了。

为了解决这个问题,我们需要在 mypackage 包中导出一个公开的函数,该函数通过调用 privateFunc 来实现功能。例如:

// mypackage 包
package mypackage

func privateFunc() {
    // 私有函数实现
}

func PublicFunc() {
    privateFunc() // 调用私有函数 privateFunc
}

// otherpackage 包
package otherpackage

import "mypackage"

func main() {
    // 通过公开函数 PublicFunc 来调用 privateFunc
    mypackage.PublicFunc() // 可以正常编译和运行
}

在上面的代码中,我们在 mypackage 包中导出了一个名为 PublicFunc 的公开函数,并在该函数中调用了 privateFunc 函数。在 otherpackage 包中,我们可以通过导入 mypackage 包并调用 mypackage.PublicFunc 函数来使用 privateFunc 函数的功能。这样,我们就成功地在 otherpackage 包中访问了 mypackage 包中的私有函数。

10、数组在函数参数传递时要注意长度

长度是数组类型的一部分,在传递函数参数时需要考虑数组的长度。

11、切片和数组区别

在 Go 中,数组和切片都可以用来表示一系列元素。但是,它们的定义和使用方法有一些区别。

1、定义方式不同:

数组的定义方式如下:

var arr [5]int // 定义一个包含5个整数的数组

切片的定义方式如下:

var slice []int // 定义一个切片

2、大小和容量不同:

数组的大小是固定的,定义时需要指定数组的长度,而且在运行时无法改变数组的大小。比如上面的例子中,arr 的长度是 5,这个长度不能改变。

切片的长度和容量是可以改变的。切片的长度表示切片中元素的个数,而容量表示底层数组中可以容纳的元素个数。切片可以通过 append() 函数来增加元素。比如下面的代码就是创建一个初始长度为0,容量为5的切片,然后通过 append() 函数添加了三个元素:

goCopy codeslice := make([]int, 0, 5)
slice = append(slice, 1, 2, 3)

3、传递方式不同:

当数组作为函数参数传递时,实际上是传递了数组的副本,函数中对数组的修改不会影响原始数组。而切片作为参数传递时,传递的是切片的指针,函数中对切片的修改会影响原始切片。

4、初始化方式不同:

数组可以通过字面量的方式进行初始化,比如:

goCopy code
var arr = [5]int{1, 2, 3, 4, 5}

而切片只能通过 make 函数进行初始化,比如:

goCopy code
var slice = make([]int, 5)

总的来说,数组和切片都是用来表示一系列元素的数据类型,但是它们有着不同的定义和使用方式,需要根据具体的需求来选择使用哪个数据类型。

12、Go面向对象编程与C++比的特点

1、类型系统

在 C++ 中,类型是非常重要的概念,因为它允许你在编译时检查代码。C++ 支持多态,即通过基类指针或引用访问派生类对象,这需要使用虚函数和 RTTI。C++ 还支持模板元编程(template metaprogramming),这是一种在编译时生成代码的技术,可以在一定程度上实现泛型编程。

在 Go 中,类型是一种轻量级的概念,因为它是在运行时动态检查的。Go 支持接口,这是一种描述对象行为的机制,而不是类型本身。Go 中没有继承,但可以通过组合来实现类似的功能。Go 也没有模板元编程,但是有一个基于代码生成的技术,可以使用代码模板来生成重复的代码。

2、内存管理

在 C++ 中,你需要手动管理内存,包括分配和释放对象的内存空间。C++ 有一个 RAII(Resource Acquisition Is Initialization)技术,它允许你使用构造函数和析构函数自动管理内存。C++ 也支持智能指针,它可以自动管理内存并在不再需要时自动释放内存。

在 Go 中,你不需要手动管理内存,因为它具有自动垃圾回收机制。这意味着当你不再需要对象时,Go 会自动释放其内存空间。

3、并发编程

在 C++ 中,你可以使用线程和锁来实现并发编程。C++11 引入了一组标准库,包括原子操作、线程和锁,使并发编程更加容易。

在 Go 中,你可以使用协程(goroutine)和通道(channel)来实现并发编程。协程是一种轻量级的线程,它可以在单个线程中并发执行多个任务。通道是一种用于协程间通信和同步的机制。

4、其他

  • Golang没有类,但是有struct,跟类地位差不多。

与C++语法不同

(1) else { } 不能换行

(2)++、–只能单独使用,没有++i、–i

(3)switch没有break

(4)switch 穿透-fallthrough,可以不断往下执行

(5)Go 没有 while do…whlie 通过for if 组合实现

(6)break可以通过标签选择跳出哪个循环

电路保护设计实战:保险丝选型、I²t计算与多级协同方案 电路保护是电子系统可靠性的基石,其核心原理是在发生过流或过压等异常情况时,及时切断故障回路,防止能量持续灌入导致元器件损坏甚至安全事故。从技术价值看,优秀的保护设计能显著提升产品寿命、安全性和市场口碑,尤其在快充、电动汽车等高功率密度应用中,保护器件已成为不可或缺的安全屏障。在众多保护器件中,保险丝作为最基础的过流保护元件,其正确选型与应用直接关系到保护效果。本文聚焦于保险丝选型的实战细节,深入解析了I²t(电流平方时间积)这一关键参数,它定义了熔断所需的能量阈值,是匹配被保护半导体器件耐受能力、实现有效保 阅读详情

相关推荐

ICESat-2数据下载的两种方法

ICESat-2数据下载

weixin_46341898的博客 2904

自定义工具包的简单案例

python软件包

XAX520_1314的博客 1130

ROS2 DDS中间件(图文并茂+超详细)

DDS 的目标场景在端上,致力于使端上的应用可以更容易的进行通信,由于它的完全分布式架构,可以方便的将端上的应用拆分为多进程架构,从而提高端的容错能力。从产品定位角度来讲,它和 Chromium 中的 mojo 都是端上的通信中间件,只不过 mojo 不强调分布式,内部集成了更多的特定于端上的机制,比如句柄的传输,消息的缓存等。但由于 mojo 生于 Chromium,目前官方并没有把它独立出来,所以用起来比较不方便。而 DDS 或许可以在简单的场景下作为 mojo 的替代品。

weixin_39939185的博客 5287

Windows 下 anaconda安装myutils

打开anaconda prompt 1、第一行 conda install pip 2、第二行 pip install myutils 3、测试代码 4、jupyter notebook 测试代码 安装成功

weixin_46319994的博客 2539

【VAE学习笔记】全面通透地理解VAE(Variational Auto Encoder)

完整笔记:http://www.gwylab.com/note-vae.html 李宏毅老师的教程视频:https://www.bilibili.com/video/av15889450/?p=33 —————————————————————————————————   依据李宏毅老师的讲解,我整理了一番VAE的笔记。先简单介绍一下VAE,VAE作为一个生成模型,其基本思路是很容易理解的:把一堆真...

a312863063的博客 14万+

银河麒麟v10-arm版离线安装Portainer

银河麒麟v10-arm版离线安装Portainer

q_hsolucky的博客 3052

学习记录619@包模块与__init__.py的作用

一个myUtils包,对外界只是暴露utils1模块,即可直接根据包名使用,.py的作用就是指定暴露哪些模块。

教练我想学编程 263

Microsoft AI SDK 与 SAP ABAP:让企业级 AI 能力触手可及的深度整合指南

借助 Microsoft AI SDK,ABAP 开发者无需跳出熟悉的事务码与数据字典,就能把 GPT‑4 的强大语言理解与生成能力深度植入采购、销售、财务等核心业务流程。只要掌握“初始化 SDK → 构造 Prompt → 解析输出”这一范式,未来无论 Azure OpenAI、OpenAI 还是本地化 LLM,都能在同一套代码骨架内快速切换,实现真正的“AI 即服务”。现在,就让我们在下一行 ABAP 里拥抱智能未来。参考链接均于 2025‑07‑22 提取,推荐读者结合实际版本进一步验证。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 438

python自定义包实例

python自定义包实例

weixin_63318044的博客 2775

【数据集4】GSWP3数据集详解

简介GSWP3数据集

WW、forever的博客 1368

【推荐100个unity插件】对话系统插件——YarnSpinner-Unity插件

Yarn Spinner是一款专为游戏对话设计的脚本语言,适用于Unity等引擎。本文介绍了在Unity中安装和使用Yarn Spinner的完整流程:首先通过Package Manager添加仓库并安装插件;然后创建Yarn Script和Project文件,配置对话系统;接着编写Yarn脚本定义对话内容,并展示运行效果;最后讲解了按键控制和多语言本地化设置。该工具采用类似剧本的简洁格式,支持分支对话、条件逻辑等功能,能有效提升游戏叙事的开发效率。

向宇的博客,专注php/web全栈 unity游戏开发,欢迎大家评论纠错 2217

MyUtils 工具类

import android.app.Activity; import android.app.ActivityManager; import android.content.BroadcastReceiver; import android.content.Context; import android.content.Intent; import android.content.pm.PackageManager; import android.net.Uri; import android.s...

xiaoerbuyu1233的博客 684

LLM的MCP协议:初识MCP,搭建第一个MCP Server

MCP(Model Context Protocol),是一个开发的协议,标准化了应用程序如何为大模型提供上下文。MCP提供了一个标准的为LLM提供数据、工具的方式,使用MCP会更容易的构建Agent或者是基于LLM的复杂工作流。

Criss@陈磊 2万+

Golang学习笔记-GO的各种编译-01

Golang学习笔记-GO的各种编译-01 编译go build 使用go build 在项目目录下执行go build 在其他路径下执行go bulid,需要在后面加上项目的路径(项目路径从GOPATH/src后开始写起,编译之后的可执行文件就保存在当前目录下) go build -o hello,exe 可以指定输出文件的名字 go run 像执行脚本文件一样执行Go代码 go install go install分为两步: 先编译得到一个可执行文件 将可执行文件拷贝到GOPATH/bin 跨平

TKXS 404

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

Golang学习笔记(上)

func 函数名(形式参数列表)(返回值列表) {函数体。

weixin_57242378的博客 1878

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

GoLang 微服务学习笔记

介绍了云原生与微服务的构成,值得一看的教程

Unity、UE5开发 1407

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Golang学习笔记--语言入门【Go-暑假学习笔记】

来实现枚举,下面是一个简单的例子。

weixin_51621120的博客 1246

go在方法中修改结构体的值_Golang的学习笔记(11)--Go结构体

Golang的学习笔记(11)--Go结构体目录Go结构体Go的结构体是一种复合类型,它由一系列属性(字段)组成,每个属性(字段)都有自己的类型和值。结构体的字段可以是任何类型,甚至是结构体本身、函数、接口等在Go中没有类的概念,因此结构体经常被用来替代面向对象中的类的操作Go结构体的定义结构体的定义格式如下:type structName struct {field1 type1field2 t...

weixin_39581995的博客 2718

GoLang学习笔记

GoLang学习笔记

kodmoqn的博客 89

【Golang笔记04】Go语言中文件操作的学习笔记

Golang笔记04:文件操作学习笔记;一、文件操作,Go语言中,文件操作的标准类库有很多,例如:os、io等包都可以用于操作文件。1.1、打开文件,Go语言中,可以使用os包中提供的Open()函数来打开文件,另外,还可以使用OpenFile()函数来打开文件。1.1.1、Open()函数,Open(name string)函数:打开指定文件,返回值一个File文件指针,以及err错误。

✅ Java 开发工程师 990

Golang学习笔记_16——Map

在Go语言中,map是一种内置的数据结构,用于存储键值对(key-value pairs)。map提供了快速的查找、插入和删除操作,使得它在处理需要快速访问的数据时非常高效。

LuckyLay的博客 979

Golang学习笔记_26——通道

虽然协程可以并发执行,但有时候我们需要在协程之间传递数据或进行同步。在Go中,这是通过通道(Channel)来实现的。在Go中,协程是通过go关键字来创建的。当你使用go关键字调用一个函数时,该函数会在一个新的协程中执行。通道的类型由通道中传递的元素类型决定。例如,chan int是一个可以传递int类型数据的通道。协程的调度由Go运行时(runtime)管理,开发者不需要关心具体的调度细节。通道是一种类型安全的、多路复用的、在协程之间传递通信的管道。)向通道发送或接收数据。

LuckyLay的博客 871

Golang学习笔记_17——方法

在Go语言中,方法(Method)是一种带有接收者(Receiver)的函数。接收者可以是值接收者(Value Receiver)或指针接收者(Pointer Receiver),并且它允许我们为特定类型定义附加的行为。方法使得我们可以像面向对象编程一样为结构体(Struct)或其他类型定义方法,但Go本身并不是纯面向对象的语言。记住:方法只是个带接收者参数的函数。// 方法体recv:接收者变量名,它是方法作用的对象实例。:接收者的类型,可以是值类型或指针类型。MethodName。

LuckyLay的博客 1200

Golang学习笔记//序

偶然了解到了Golang,一直被C++、JAVA、Python在不同的方面折磨,现在我爱上了Golang------不评判语言孰胜孰劣,仅仅是我个人爱上了Golang。 资料实在是太少了,处于无奈只能让连勉强CET4过的我去啃《The Way to Go》。我想,自己受过的苦,后面的人可以少受一些------至少baidu能搜出一些资料,哪怕很浅显。 这一系列的学习笔记,会

三门一灯 684

golang学习笔记第四节

本文介绍了Go语言中的并发编程基础,重点讲解了Goroutine和Channel的使用。Goroutine是Go语言中并发执行的最小单位,通过go关键字可以轻松创建。文章详细展示了如何创建和退出Goroutine,并通过代码示例说明了Goroutine的执行流程。此外,文章还介绍了Channel的概念,包括无缓冲Channel和有缓冲Channel的区别,以及如何通过Channel在多个Goroutine之间进行通信。最后,文章介绍了select语句的使用,它可以监听多个Channel,并根据就绪的Chan

m0_52952084的博客 1320

Golang学习笔记_13——数组

/ 数组可以通过显式地指定长度和元素类型来定义// 定义时直接初始化数组的元素// 省略数组的长度,编译器会根据提供的初始化值的数量自动推断。

LuckyLay的博客 920
上一篇: Docker简单入门
下一篇: Rust笔记
终成业
博客等级 码龄4年 1粉丝 3原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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