Go 面试每天一篇(第 112 天)

本文通过两道Golang编程题,深入解析了递归函数中变量地址的变化原理,探讨了栈内存增长、逃逸分析及堆内存的影响,同时对比了println与fmt.Println在变量地址打印上的差异。

点击上方蓝色“Golang来啦”关注我哟

加个“星标”,天天 15 分钟,一起学 Go

你好哇,欢迎来答题,一起来看下昨天题目的解析:

1.下面两处打印的值是否相同?请简要说明。

 1func main() {
 2    var val int
 3    println(&val)
 4    f(10000)
 5    println(&val)
 6}
 7
 8func f(i int) {
 9    if i--; i == 0 {
10        return
11    }
12    f(i)
13}

参考答案及解析:不同。知识点:栈增长、逃逸分析。每个 groutine 都会分配相应的栈内存,比如 Go 1.11 版本是 2Kb,随着程序运行,栈内存会发生增长或缩小,协程会重新申请栈内存块。就像这个题目,循环调用 f(),发生深度递归,栈内存不断增大,当超过范围时,会重新申请栈内存,所以 val 的地址会变化。

这道题还有个特别注意的地方,如果将 println() 函数换成 fmt.Println() 会发现,打印结果相同。为什么?因为函数 fmt.Println() 使变量 val 发生了逃逸,逃逸到堆内存,即使协程栈内存重新申请,val 变量在堆内存的地址也不会改变。

2.下面代码 A 处输出什么?请简要说明。

 1func main() {
 2    var val int
 3
 4    a := &val
 5    println(a)
 6
 7    f(10000)
 8
 9    b := &val
10    println(b)
11
12    println(a == b)  // A
13}
14
15func f(i int) {
16    if i--; i == 0 {
17        return
18    }
19    f(i)
20}
  • A. ture

  • B. false

参考答案及解析:A。这道题和上一道有一定联系,a 是指向变量 val 的指针,我们知道 val 变量的地址发生了改变,a 指向 val 新的地址是由内存管理自动实现的。

 1func main() {
 2    var val int
 3
 4    a := &val
 5    println(a)
 6
 7    f(10000)
 8
 9    b := &val
10    println(a)   // a b 的值相同
11    println(b)
12
13    println(a == b) // A
14}
15
16func f(i int) {
17    if i--; i == 0 {
18        return
19    }
20    f(i)
21}

解析若有不妥之处,欢迎在留言区交流、指正!

一起来看下今天的题目:

1.下面代码输出什么?请简要说明。

1func main() {
2    x := []int{100, 200, 300, 400, 500, 600, 700}
3    twohundred := &x[1]
4    x = append(x, 800)
5    for i := range x {
6        x[i]++
7    }
8    fmt.Println(*twohundred)
9}

2.下面代码输出什么?请简要说明。

1func main() {
2    a := []int{0, 1}
3    fmt.Printf("%v", a[len(a):])
4}

答案以及解析会在下一篇文章中给出,鼓励大家在留言区留下答案,抱团学习,日拱一卒,每天进步一点!

ps:看完文章如果有收获,顺手花 1s 时间帮点下文末右下方的「在看」,感激!

所有学习上的成功,都只依靠两件事 -- 策略和坚持,而坚持本身就是最重要的策略!

推荐阅读:

Go 项目开发中 10 个最常见的错误

如果 map 不是引用变量,那是什么?

如果我的文章对你有所帮助,点赞、转发都是一种支持!

给个[在看],是对四哥最大的支持
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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

打赏作者

Seekload

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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