新闻详情

新闻详情

首页 / 资讯中心 / 详情

windows安装go环境

发布时间:2026/11/12 12:27:48来源:尧图网络
windows安装go环境
1.go语言简述GoGolang是谷歌推出的静态编译型编程语言以 “简单、高效、工程化” 为核心设计理念语法极简易上手编译速度快且编译后为跨平台单文件无运行时依赖最突出的优势是原生支持轻量级协程goroutine和通道channel能极低成本实现高并发同时内置丰富的标准库无需过多第三方依赖即可完成后端服务、云原生系统、命令行工具等开发既解决了传统静态语言编译慢、并发开发复杂的问题又兼顾了动态语言的开发效率是云原生、分布式系统、高并发后端服务等场景的优选语言。2.go环境搭建打开官网https://go.dev/dl/这里选择windows环境的msi版本下载。官网下载比较慢可以使用网盘下载(1) 百度网盘通过网盘分享的文件go1.26.1.windows-amd64.msi链接: https://pan.baidu.com/s/1A79KwbF8SyT_BOP_X1APWA?pwdk7mr 提取码: k7mr2夸克网盘我用夸克网盘给你分享了「go1.26.1.windows-amd64.msi」点击链接或复制整段内容打开「夸克APP」即可获取。/96c93b5fmG链接https://pan.quark.cn/s/c27bd3bd6dd1?pwdXycE提取码XycE下载后双击运行遇到这一步点击”Next“下面这一步点击”Next“这一步选择安装位置然后点击”Next“这一步点击”Install“等待安装点击”Finish安装完毕以后验证一下我们按住winR输入cmd然后输入 go version3.代码验证如果没有go语言的编译器可以暂时使用文本文件进行编辑。// 声明当前代码所属的包可执行程序必须以 main 包开头packagemain// 导入 fmt 包用于输入输出importfmt// main 函数是程序的入口必须是 main 包下的 main 函数funcmain(){// 打印输出验证环境fmt.Println(Hello, Go! 环境验证成功)}将文件命名为hello.go。运行方式有两种第一种直接运行。假如把文件放到D盘的根目录然后控制台进入到hello.go的位置。然后输入下面的指令go run hello.go第二种先编译成exe, 再运行。go build hello.go可以看到生成了hello.exe的成绩这里双击hello.exe会一闪而过正常。在cmd中输入hello正常运行。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/11 15:37:39

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉