内容简介:Zig 0.6.0 已发布,这是一门通用编程语言,专为稳定性、可维护性和性能而设计,追求替代 C 语言在系统编程上的最佳地位。Zig 具有以下值得关注的特性: 手动管理内存 与 C 语言竞争而非依赖它,Zig 标准库不依赖于...
Zig 0.6.0 已发布,这是一门通用编程语言,专为稳定性、可维护性和性能而设计,追求替代 C 语言在系统编程上的最佳地位。Zig 具有以下值得关注的特性:
- 手动管理内存
- 与 C 语言竞争而非依赖它,Zig 标准库不依赖于 libc
- 轻量而简单,专注于调试应用而不是调试编程语言的知识
- 新的错误处理方法,与编写良好的 C 语言错误处理类似,但减少了很多冗余
- 调试模式下优化了快速编译时间,并在不确定行为发生时使用堆栈跟踪崩溃
- ReleaseFast 模式和 ReleaseSafe 模式
- 泛型数据结构和函数
- 通过协程实现并发
- 导入 .h 头文件并直接使用 C 语言的类型、变量和函数
- 导出要依赖 C 语言代码的函数,变量和类型,自动生成 .h 头文件
- 可选类型而非空指针
- 交叉编译是主要用例
此版本的开发周期历时 6 个月,有 122 名不同贡献者提交了 2527 次 commit。
Zig 0.6.0 保持与 LLVM 一致的更新节奏,已将 LLVM 升级到最新版 LLVM 10,并且不再兼容 LLVM 9。新的 LLVM 版本主要是修复 Bug,尤其是对 ARM 支持、MIPS 支持、RISC-V 支持等方面的错误修复。
这也是第一个将 Zig 的所有补丁合并到上游的 LLD 版本。因此,Zig 的源码库中不再包含 LLD 源码的 fork,也就意味着源码的 tarball zig-0.6.0.tar.xz 比 zig-0.5.0.tar.xz 小了 0.5MiB,因为删除 LLD 源码比这个发布周期中所有其他的改动加起来还节省了更多的空间。请注意,新的 Bootstrap Tarball 捆绑了 Zig 编译器的所有依赖项,其中包括 LLVM、LLD 和 Clang。
语言特性层面的主要更新包括:
- 类型强制语法(Type Coercion Syntax):类型强制(以前称为"implicit casting")现在通过
@as
内置的方式来执行,而不是通过调用一个类型作为函数来执行。 - Sentinel-Terminated 指针:通过这次修改,Zig 语言既增加了一项特性,同时也删除了一项特性。不再有像
c"hello"
这样的 C语言 字符串字面量。取而代之的是所有字符串字面量的类型从 []const u8 转变为 *const [N:0]u8,其中 N 是字符串字面量的字节数。 - 移除 Array-to-Reference 类型强制转换
- 数值比较:无论类型组合如何,所有数值都可进行比较。例如,小的有符号整数可以和大的无符号整数进行比较,而浮点数也可以和整数进行比较。
- 匿名的结构体字面量(Anonymous Struct Literals):Zig 现在支持省略结构类型的字面量。
- 增加 Tuples,删除 Var Args:与匿名的枚举字面量和匿名的结构体字面量类似,类型也可以从数组字面量中省略。
- SIMD:对 SIMD 的支持还远未完成,但已经取得重大进展。
- 删除 @newStackCall 方法:@newStackCall 最初用于研究安全递归,但现在安全递归计划通过 Async 函数实现。
- 非穷举式枚举:可以通过添加尾部的'_'字段来创建一个非穷举式枚举。它必须指定一个整数标记类型,并且不能消耗每个枚举值。
- Unicode 字符字面量:实现此功能是因为 Zig 被定义为使用 UTF-8 进行源码编码。一个 unicode 字符字面量是一个 comptime_int,其值等于编码点。
详细内容查看发布公告 https://ziglang.org/download/0.6.0/release-notes.html
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- Zig 0.7.0 发布,想要替换 C 的编程语言
- Zig 0.7.1 发布,想要替换 C 的编程语言
- Zig 0.5.0 发布,想要替换 C 的编程语言
- CSS 基础:块级元素、行内元素、替换元素、非替换元素
- Vim 中怎么将目标字符替换成新行以及如何替换换行符
- PowerShell正则替换实战
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
深入理解TensorFlow:架构设计与实现原理
彭靖田、林健、白小龙 / 人民邮电出版社 / 2018-5-1 / 79.00元
本书以TensorFlow 1.2为基础,从基本概念、内部实现和实践等方面深入剖析了TensorFlow。书中首先介绍了TensorFlow设计目标、基本架构、环境准备和基础概念,接着重点介绍了以数据流图为核心的机器学习编程框架的设计原则与核心实现,紧接着还将TensorFlow与深度学习相结合,从理论基础和程序实现这两个方面系统介绍了CNN、GAN和RNN等经典模型,然后深入剖析了TensorF......一起来看看 《深入理解TensorFlow:架构设计与实现原理》 这本书的介绍吧!