python函数递归调用时对深度没有限制在Python程序中设置函数最大递归深度在函数调用时，为了保证能够正确返回，必须进行保存现场和恢复现场，也就是被调函数结束后能够回到主调函数中离开时的位置然后继续执行主调函数中的代码。
创新互联专注于企业成都全网营销、网站重做改版、茄子河网站定制设计、自适应品牌网站建设、H5建站、商城网站开发、集团公司官网建设、外贸网站建设、高端网站制作、响应式网页设计等建站业务，价格优惠性价比高，为茄子河等各大城市提供网站开发制作服务。
函数递归调用的条件是什么?
一个含直接或间接调用本函数语句的函数被称之为递归函数，在上面的例子中能够看出，它必须满足以下两个条件：
1，在每一次调用自己时，必须是(在某种意义上)更接近于解；
2，必须有一个终止处理或计算的准则。
基于Python的深度学习库、深度学习方向、机器学习方向、自然语言处理方向的一些网站基本都是通过Python来实现的。
机器学习，尤其是现在火爆的深度学习，其工具框架大都提供了Python接口。Python在科学计算领域一直有着较好的声誉，其简洁清晰的语法以及丰富的计算工具，深受此领域开发者喜爱。
早在深度学习以及Tensorflow等框架流行之前，Python中即有scikit-learn，能够很方便地完成几乎所有机器学习模型，从经典数据集下载到构建模型只需要简单的几行代码。配合Pandas、matplotlib等工具，能很简单地进行调整。
而Tensorflow、PyTorch、MXNet、Keras等深度学习框架更是极大地拓展了机器学习的可能。使用Keras编写一个手写数字识别的深度学习网络仅仅需要寥寥数十行代码，即可借助底层实现，方便地调用包括GPU在内的大量资源完成工作。
值得一提的是，无论什么框架，Python只是作为前端描述用的语言，实际计算则是通过底层的C/C++实现。由于Python能很方便地引入和使用C/C++项目和库，从而实现功能和性能上的扩展，这样的大规模计算中，让开发者更关注逻辑于数据本身，而从内存分配等繁杂工作中解放出来，是Python被广泛应用到机器学习领域的重要原因。
这是递归算法
我们可以先假设函数功能已经实现，left从左子树拿到一个深度值，right从右子树拿到一个深度值，最后，本层的深度为left和right的最大值加1，也就是最大深度值再算上自己这一层。
也可以从停止条件开始思考，什么时候不再递归呢？当root为空时，并返回深度值为0。调用这一层的函数得到返回值就是0，我们假设这是左子树left得到的值，同时假设右子树也为空，所以right也为0。那么返回给上一层的值就是left和right最大值加1，就是1，表示这个节点深度为1。同理，可以得到整棵树深度。
