首页 > 其他分享 >第四章学习 运算符

第四章学习 运算符

时间:2023-05-09 21:13:32浏览次数:39  
标签:学习 10 int fmt 运算符 var Println 第四章

运算符

 

 

package main
import(
    "fmt"
)
func main(){
    1.正数 2.相加操作 3.字符串拼接
    var n1 int = +10
    var n2 int =3+4
    var s1 string = "ab"+ "cd"
    fmt.Println(s1)

  //除号
  fmt.Println(10/3) //两个int类型数据运算,结果一定为整数
  fmt.Println(10.0/3) //浮点类型参与运算,结果为浮点类型

  //取模 等价于 a%b=a-a/b*b

   //++自增操作

   var a int =10

   a++

   fmt.Println(1)

}

赋值运算符

 

关系运算符 

 

 逻辑运算符

 运算符的优先等级

 

标签:学习,10,int,fmt,运算符,var,Println,第四章
From: https://www.cnblogs.com/lisenMiller/p/17386281.html

相关文章

  • 学习JavaScript数据结构与算法 第七章
    7.集合7.4ESMAScript2015---Set类ECMAScript2015新增了Set类作为JavaScriptAPI的一部分。我们可以基于ES2015的Set开发我们的Set类。constset=newSet()set.add(1)console.log(set.values())//@iteratorconsole.log(set.has(1))console.log(set......
  • 中国剩余定理学习笔记
    给定\(n\)组非负整数\(a_i,b_i\),其中\(b_i\)两两互质,求解关于\(x\)的方程组的最小非负整数解。\(\begin{cases}x\equivb_1\({\rmmod}\a_1)\\x\equivb_2\({\rmmod}\a_2)\\...\\x\equivb_n\({\rmmod}\a_n)\end{cases}\)这样的题怎么做呢?首先给出中......
  • 最小表示法 学习笔记
    描述:给出一个字符串s,将s循环移位若干次之后使得字符串的字典序最小。朴素的思路:对于每一个位置为结果字符串的开头去暴力做。显然最坏复杂度O(|S|^2)于是考虑优化这个过程。假设对于不同的两个下表i和j,如果有s[i,i+1,..,i+k-1]=s[j,j+1,..,j+k-1]和s[i+k]>s[j+k],那这个时候i已......
  • 学习日记——HTML入门第一课
    1.了解HTML的定义,基本结构①对于超文本标记语言的理解,是超越文本(不限制于字符,包含视频音频)用“<>”这个特殊字符来书写的语言②基本结构为<!DOCTYPEhtml><html><head><metacharset="UTF-8"><title>网页标题</title></head>......
  • 杨氏矩阵学习小记
    参考资料:IOI2019国家预备队论文:袁方舟《浅谈杨氏矩阵在信息学竞赛中的应用》定义:杨图:一个n*m的矩阵。有些格子上有元素,有些没有。若一个格子没有元素,则它的右边和上边也没有元素。大概是一个锯齿状的东西:杨表:每个位置的元素是一个数字,且是一个排列。每一行的数从左到右递增,每一列的......
  • 深度学习—神经网络优化
    激活函数   作用:增加非线性因素Relu激活函数,含GELUsoftmax激活函数:优势和劣势都无限扩大,每个都是自然数次方sofrmax和sigmoid的区别:sigmoid激活函数:每个神经元激活时只看自己激活前的值,不满足各个神经元激活......
  • 深度学习—损失函数专题
    损失函数概念1、对于监督学习:估量神经网络模型的预测值和真实值的不一致的程度,衡量的是:在神经网络训练阶段,某个或若干个输入样本,在输出层上的预测值和真实值之间不一致的程度。2、广义上(无监督):衡量两个特征向量之间的差异程度/不一致程度/距离3、作用:定义最终的损......
  • 扩展中国剩余定理学习笔记
    给定\(n\)组非负整数\(a_i,b_i\),求解关于\(x\)的方程组的最小非负整数解。\(\begin{cases}x\equivb_1\({\rmmod}\a_1)\\x\equivb_2\({\rmmod}\a_2)\\...\\x\equivb_n\({\rmmod}\a_n)\end{cases}\)首先我们看一下只有1个方程的情况:$x\equivb_......
  • 强化学习的基本概念
    概率密度函数期望(expect)statesactionaagentpolicyΠ(a|s)rewardrstatetransitionp(s'|s,a)return(cumulativefuturereward未来累计回报)discountedreturn(γ折扣回报)Ut是未来获得的奖励总和,Ut是随机变量它依赖于所有未来的随机动作valuefunction(......
  • 如何完整地掌握一个机器学习模型
    如何完整地掌握一个机器学习模型要全面地学习、掌握一个机器学习模型,可以遵循以下步骤:基础理论学习:了解该模型的背后数学原理和推导过程,包括假设、损失函数、优化方法等。学习算法实现:通过查阅论文、教程或开源代码,了解算法的具体实现过程。尝试使用Python等编程语言手动实现算......