什么是CGO

该文章已生成可运行项目,

#导师想让我跟着做一个go语言的项目,正在学习go语言做个记录#

CGO是Go语言提供的一个功能,允许Go程序与C语言代码进行交互。它是Go语言标准库的一部分,通过import "C"语句启用。


基本概念
1.​​作用​​:CGO让Go程序能够:
        调用C语言函数
        使用C语言的数据类型
        在Go中使用C的库
2.​​实现方式​​:
        通过特殊的注释标记C代码
        使用cgo工具处理这些特殊注释
        生成Go和C之间的桥梁代码

基本语法

/*
#include <stdio.h>
#include <stdlib.h>
*/
import "C"

func main() {
    // 调用C的printf
    C.printf(C.CString("Hello from C\n"))
}

主要功能
1. 调用C函数

/*
int add(int a, int b) {
    return a + b;
}
*/
import "C"

func main() {
    sum := C.add(1, 2)
    fmt.Println(sum) // 输出3
}

2. 使用C数据类型

/*
typedef struct {
    int x;
    int y;
} Point;
*/
import "C"

func main() {
    p := C.Point{x: 10, y: 20}
    fmt.Println(p.x, p.y) // 输出10 20
}

3. 使用C库

/*
#include <math.h>
*/
import "C"

func main() {
    fmt.Println(C.sqrt(2)) // 输出1.4142135623730951
}

数据类型转换
CGO提供了类型转换函数:
        C.CString(): Go字符串 → C字符串(char*)
        C.GoString(): C字符串 → Go字符串
        C.GoBytes(): C内存 → Go字节切片

/*
#include <string.h>
*/
import "C"

func main() {
    cStr := C.CString("Hello")
    defer C.free(unsafe.Pointer(cStr)) // 必须手动释放
    
    length := C.strlen(cStr)
    goStr := C.GoString(cStr)
}

内存管理
        C分配的内存必须手动释放
        使用C.free和unsafe.Pointer

/*
#include <stdlib.h>
*/
import "C"

func main() {
    ptr := C.malloc(100)
    defer C.free(unsafe.Pointer(ptr))
    // 使用ptr...
}

编译要求
使用CGO需要:
1.系统安装有C编译器(gcc/clang)
2.设置CGO_ENABLED=1环境变量
3.可能需要指定CC环境变量


限制与注意事项
1.性能开销​​:Go和C之间的调用有一定开销
2.​​内存管理​​:需要小心处理内存分配和释放
3.类型系统差异​​:Go和C的类型系统不完全兼容
4.​​跨平台问题​​:某些C特性在不同平台表现不同

实际应用场景
1.使用现有的C/C++库
2.性能关键代码用C实现
3.操作系统底层交互
4.与硬件设备交互


CGO是Go语言与现有C生态系统的桥梁,虽然使用它需要额外注意内存管理和类型转换,但它极大地扩展了Go语言的能力范围。

本文章已经生成可运行项目
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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
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