Python实现进制转换、字符串拼接、字符串倒序输出......

Python用字符串做二进制乘法和Python调用内置进制转换我踩的坑 注意本文加法的思想来源于 https://blog.csdn.net/qiubingcsdn/article/details/82263114 其余为我自己做的 字符串str的末位是实际上计算的首位,所以第一步是翻转字符串 首先弄清楚python的字符串列表有2种取值顺序: 从左到右索引默认0开始的 s = 'ilovepython' s[0]的结果是i 然后从右到左索引默认-1开始... 阅读详情

1.请用代码实现如下进制的转换。

v1 =675 #请将v1转换为二进制(字符串类型)
print(bin(v1))
#0b1010100011
v2 = "0b11000101" #请将二进制v2转换为十进制(整型)
print(int(v2,base=2))
#197
v3 = "11000101" #请将二进制v3转换为十进制(整型)
print(int(v3,base=2))
#197

2.按要求实现

现有v1=123和v2=456,请将这两个值转换为二进制,并将其二进制中的前缀0b去掉,然后将两个二进制拼接起来,最终再转换为整型(十进制)。
例如:
123对应二进制为“0b1111011",去除前缀0b之后的二进制为"11110110"456对应二进制为“0b111001000",去除前缀0b之后的二进制为"11100100"
将两个二进制拼接起来的值为:“1111011111001000”,再将此值转换为整型为:

v1 = 123
v2 = 456

v3 = (bin(v1))
print(v3)

v4 = str(bin(v2))
print(v4)

v5 = v3[2:]+v4[2:]
print(v5)
v6 = int(v5,base=2)
print(v6)
# 0b1111011
# 0b111001000
# 1111011111001000
# 63432

v1 = 123
v2 = 456
data = bin(v1)[2:] + bin(v2)[2:]
result = int(data,base=2)
print(result)

3.按要求实现

现有v1=123和v2=456,请将这两个值转换为二进制,并将其二进制中的前缀0b去掉,再补足为2个字节(16位),然后将两个二进制拼接起来,最终再转换为整型(十进制)。
例如:
123对应二进制为“0b1111011",去除前缀0b之 后的二进制为"1111011",补足16位为"00000000 01111011"
456对应二进制为0b11100100",去除前缀0b之后的二进制为"11100100",,补足16位为"00000000 11100100""
将两个二进制拼接起来的值为:“00000000011110110000000011100100”,再将此值转换为整型为:

v1 = 123
v2 = 456

v3 = str((bin(v1)))[2:].zfill(16)
print(v3)

v4 = str(bin(v2))[2:].zfill(16)
print(v4)

v5 = v3+v4
print(v5)
v6 = int(v5,base=2)
print(v6)

4.列举你了解的那些数据类型的值转换为布尔值为False。

  • 空值
  • 0

5.看代码写结果;

if "" :
    print (123)
else:
    print (456)
#456
    
if 0:
    print (999)
else:
    print (666)
#666
    
if "冬泳怪鸽":
    print (345)
else:
    print (110)
#345
    

6.让用户输入一段文本,请实现将文本中的敏感词 奥利给、我恁爹替换为***,最后并输出替换后的文本。

#奥利给世界上只有一种真正的英雄主义,那就是看清生活的真相之后,依然热爱生活。我恁爹
data = input("请输入:")
value = data.replace("奥利给","***")
value2 = value.replace("我恁爹","***")
print(data)
print(value2)
#奥利给世界上只有一种真正的英雄主义,那就是看清生活的真相之后,依然热爱生活。我恁爹
#***世界上只有一种真正的英雄主义,那就是看清生活的真相之后,依然热爱生活。***

7.有变量name = " Ken Nb "完成如下操作:

  • 移除name变量对应的值两边的空格,并输出处理结果
name = " Ken Nb "
result=name.strip()
print(result)
#Ken Nb
  • 判断name变量是否以"ai”开头,并输出结果(用切片或startswith实现)
name = " Ken Nb "
result=name.startswith("ai")
print(result)
#False
  • 判断name变量是否以"“Nb”"结尾,并输出结果(用切片或ends实现)
name = " Ken Nb "
result=name.endswith("ai")
print(result)
#False
  • 将name变量对应的值中的所有的"n"替换为"p",并输出结果
name = " Keen Nb "
result=name.replace("n","p")
print(result)
# Keep Nb 
  • 将name变量对应的值根据所有的" "分割,并输出结果
name = " Ken Nb "
result=name.strip()
print(result)
#Ken Nb
  • 将name变量对应的值根据第一个" "分割,并输出结果
name = "Ken Nb"
result=name.split(" ")
print(result)
#['Ken', 'Nb']
  • 将name变量对应的值变大写,并输出结果
name = " Ken Nb "
result=name.upper()
print(result)
# KEN NB 
  • 将name变量对应的值变小写,并输出结果
name = " Ken Nb "
result=name.lower()
print(result)
# ken nb 

8.如何实现字符串的翻转?

message = "世界上只有一种真正的英雄主义,那就是看清生活的真相之后,依然热爱生活。"

print(message[len(message)::-1])
print(message[-1::-1])
print(message[::-1])

9.有字符串s = “123a4b5c”

  • 通过对s切片形成新的字符串"123”。
s = "123a4b5c"

result = s[0:3]
print(result)
  • 通过对s切片形成新的字符串"a4b""。
s = "123a4b5c"
result = s[3:6]
print(result)
  • 通过对s切片形成字符串"c"
s = "123a4b5c"
result = s[-1::]
print(result)
  • 通过对s切片形成字符串“ba2"
s = "123a4b5c"
result = s[-3::-2]
print(result)

10.使用while循环实现对字符串message = "伤情最是晚凉天,憔悴厮人不堪言"中每个字符进行输出。

message = "伤情最是晚凉天,憔悴厮人不堪言"
i = 0
while i < len(message):
    print(message[i])
    i+=1

11.使用for循环实现对字符串message ="伤情最是晚凉天,憔悴厮人不堪言”中每个字符进行输出。

message = "伤情最是晚凉天,憔悴厮人不堪言"

for i in range(len(message)):
    print(message[i])

12.使用for循环和range实现对字符串message ="伤情最是晚凉天,憔悴厮人不堪言"中每个字符进行倒序输

出。

message = "伤情最是晚凉天,憔悴厮人不堪言"

for i in range(0,-len(message)-1,-1):
    print(message[i])

13.使用for循环实现输出倒计时效果,例如︰输出内容依次是:“倒计时3秒”“,“倒计时2秒””“倒计时1秒”"。

import time
for i in range(3,0,-1):
    print("倒计时{}秒".format(i))
    time.sleep(1)
print("点火")

14.让用户输入一段文本,请计算文本中"浪”出现的次数,并输入结果。

user_input = input("请输入文本:")
i = 0
j = 0
while i < len(user_input):
    if user_input[i] == "浪":
        j = j+1
    i = i + 1

print("浪存在" + str(j) + "次")

user_input = input("请输入文本:")
i = 0
j = 0
while i < len(user_input):
    if user_input[i] == "浪":
        j = j+1
    i = i + 1

print("浪存在{}次".format(j))

15.获取用户两次输入的内容,并提取其中的数字,然后实现数字的相加(转换为整型再相加)︰

"""
要求:
将num1中的的所有数字找到并拼接起来:1232312
将num2中的的所有数字找到并拼接起来:1218323
然后将两个数字进行相加。
"""
#法1
message1 = input("请输入第一组文本:")
message2 = input("请输入第二组文本:")
v1 = ""
v2 = ""
for item in message1:
    if item.isdecimal():
        v1 = v1 + str(item)

for item in message2:
    if item.isdecimal():
        v2 = v2 + str(item)
result = int(v1) + int(v2)
print(result)
#法2
message1 = input("请输入第一组文本:")

num1_list = []
for i in message1:
    if i.isdecimal():
        num1_list.append(i)
data1 = "".join(num1_list)

message2 = input("请输入第二组文本:")
num2_list = []
for i in message2:
    if i.isdecimal():
        num2_list.append(i)
data2 = "".join(num2_list)

result = int(data1) + int(data2)

print(result)
进制转换通用代码实现与优化实战 本章从二进制的基本构成入手,详细讲解了二进制与十进制之间的相互转换方法,包括加法、减法、乘法、除法等基本运算规则,并通过Python代码展示了多种转换算法的实现方式。此外,还探讨了二进制字符串的优化处理方法,如去前导零、补零、字符串与整数互转等。下一章我们将进入十六进制的讲解,探讨其与二进制和十进制之间的转换关系,以及在现代计算机系统中的实际应用场景。十六进制是一种以16为基数的计数系统,使用数字0~9和字母A~F(或a~f)来表示数值。 阅读详情

相关推荐

Docker网络冲突?手把手教你解决Dify社区版无法访问172.18.0.0网段的问题

本文详细解析了在部署Dify社区版时,因Docker默认网段与局域网冲突导致无法访问172.18.0.0网段的问题。通过剖析Docker网络原理,提供了修改Docker守护进程默认地址池的根治方案,并介绍了在Compose文件中指定自定义网络等备选方法,帮助用户彻底解决网络冲突,保障服务稳定运行。

p8q9r0的博客 484

用Python为我编写一个合并二进制文件的程序

我可以用Python编写一个将两个二进制文件合并为一个文件的程序,代码如下:with open('file1.bin', 'rb') as file1, open('file2.bin', 'rb') as file2, open('output.bin', 'wb') as outfile: outfile.write(file1.read()) outfile.write(fi...

weixin_42588877的博客 415

告别PS串口焦虑:深入解析AXI Uartlite IP核如何将ZYNQ PL任意引脚变成串口(从Vivado约束到驱动文件全解析)

本文深入解析AXI Uartlite IP核如何将ZYNQ PL任意引脚变成串口,从Vivado约束到驱动文件全解析。通过AXI Uartlite IP核,开发者可以突破PS端UART数量限制,实现高效串口通信。文章详细介绍了IP核架构、Vivado工程配置、驱动开发及调试技巧,帮助开发者快速掌握这一技术。

weixin_33736649的博客 468

python“加密和解密”之“字符串转二进制” 和 “二进制转字符串”

def encode(s): #实现字符串转换成二进制表示 #字符串 -> ASCII码数值 -> 二进制表示 ###str_bin = ' '.join([bin(ord(c)).replace('0b', '') for c in s]) 该代码可转换成裁开的for 循环,如下四行代码: tmp = [] for c in s: ...

科研学习笔记! 1万+

K230开发板实战:YOLOv8n模型部署全流程(附常见报错解决方案)

本文详细介绍了在K230开发板上部署YOLOv8n模型的完整流程,包括模型选型、配置文件优化和运行时调优。特别针对常见的'生成部署文件异常'等问题提供了实用解决方案,帮助开发者高效完成嵌入式AI模型的部署与优化。

g8f9d0s1a2的博客 1048

Autodesk激活无无网络选项?许可类型与脱机激活排查修复指南

软件许可激活是保障正版授权正常使用的核心环节,常见的授权模式包括单机版许可和网络版许可,两者在认证机制和应用场景上有所区别。单机版离线授权依托 FlexNet Licensing Service 等底层服务组件,在断网或内网环境下为用户提供可靠的技术支持与授权验证路径。然而在实际部署中,激活窗口并不总是显示“无网络激活方式”入口,这可能与许可类型选择、网络环境干扰、组件安装残留或系统时间偏差有关。理解入口的动态呈现逻辑与排查顺序,有助于在 AutoCAD、Revit 等 Autodesk 产品中高效解决脱机

weixin_28709649的博客 355

Python 将整型数据转换为2进制表示的字符串

【代码】Python 将整型数据转换为2进制表示的字符串。

weixin_42118352的博客 462

百度AI架构师亲授:Agentic智能体在教育领域的落地(附个性化学习案例)

当我们谈论“教育智能化”时,我们真正需要的不是“更聪明的工具”,而是“能懂人的伙伴”——一个能像优秀教师那样主动观察、精准判断、动态调整的“数字助手”。Agentic智能体(智能体)正是这样的存在:它具备“自主性”(主动决策)、“反应性”(感知环境)、“目标导向”(聚焦学习目标)和“社会性”(与人/其他智能体协作),完美匹配教育场景中“个性化、动态化、协同化”的核心需求。本文将从底层逻辑到工程实现为什么Agentic是教育AI的“下一站”?(痛点与价值)Agentic智能体的核心架构是什么?

AI天才研究院 356

python 2进制字符串拼接查找

#! /usr/bin/python2 # coding=utf-8global hex27, hex28, db_27, db_28 hex27 =0 hex28=0 db_27 = 18.5 db_28 = -64 for i in range(0, 0b1110111 + 1): string_num=bin(i).replace('0b','') +"0" ii =

xp5xp6的博客 1691

芒果YOLOv8改进72:动态标签分配策略篇之ATSS:自适应训练样本选择Adaptive Training Sample Selection策略

YOLOv8代码实践|ATSS标签分配策略改进🥭

包括YOLOv5、YOLOv7、YOLOv8等模型改进 2909

科研级YOLOv8 Neck革新:BiFPN双向特征金字塔赋能,让多尺度融合更高效的实战指南

在文件夹下新建BiFPN.py,将上述BiFPNLayer和BiFPN类的代码写入其中。这一步是为了让YOLOv8的代码架构能识别我们的自定义Neck模块。

m0_64661770的博客 153

以下不是python文件读写方法的是-使用Python进行二进制文件读写的简单方法(推荐)...

总的感觉,python本身并没有对二进制进行支持,不过提供了一个模块来弥补,就是struct模块。python没有二进制类型,但可以存储二进制类型的数据,就是用string字符串类型来存储二进制数据,这也没关系,因为string是以1个字节为单位的。import structa=12.34#将a变为二进制bytes=struct.pack('i',a)此时bytes就是一个string字符串,字符...

weixin_37988176的博客 1204

openwrt之luci通信原理(一)

从模板中分离,每个LuCI2子页面也需要一个定义并存放在/www/luci2/view/目录下的一个视图,视图是使用了子页面特定对象的L.ui.view扩展的JavaScript文件。有一点需要注意的是需要提供execute方法,创建视图失败有几种原因,特别是当它需要ubus加载额外的数据使用的时候。所以在execute方法中提供成功或者失败的信息是有意义的。不幸的是在异步方法加载特定数据的时候,不能简单的返回true或false,解决的方法是返回一个Promise对象来运行推迟提供是否成功的信息。

1150

python字符串进阶

字符串进阶一、字符串相关操作1、字符串的拼接(用+拼接)2、字符串的重复(用*进行重复输出)3、字符串的跨行拼接(用\跨行拼接)4、字符串的索引(可通过索引获取对应字符)5、字符串的切片(切片 <-->截取)二、字符串的方法1、*capitalize 字符串首字母大写2、*title 每个单词首字母大写3、*upper 所有字母大写4、*lower 所有字母小写5、*swapcase 字母大小写互换6、len() 计算字符串长度7、*count() 计算字符串中某个字符个数8、*find 寻找字

qq_39787513的博客 1141

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

【Python】案例九 Python在科研中的优势/倒序遍历/进制转换

一、为什么Python中整型不会溢出 在python2时代,整型有 int 类型和 long 长整型,长整型不存在溢出问题,即可以存放任意大小的整数。在python3后,统一使用了长整型。这也是吸引科研人员的一部分了,适合大数据运算,不会溢出,也不会有其他语言那样还分短整型,整型,长整型…因此python就降低其他行业的学习门槛了。 二、【Python】倒序循环 倒序遍历 python倒序遍历 三、Python format 格式化函数 format函数 可以格式化输出数据并且决定输出的顺序 四、pytho

yusihe的博客 9152

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Python基础-字符串

文章目录Python基础-字符串1. 什么是字符串2.字符串的基本操作2.1创建字符串2.2拼接:使用+号(只要是同一种数据类型皆可使用+号进行拼接)2.3重复2.4索引(偏移):[n]n个数从0开始到n-1结束2.5切片:从字符串中取出某一部分,不改变原字符串2.6大小写转换函数2.7字符串格式输出对齐2.8删除指定字符2.9计数2.10字符串搜索和定位2.11字符串条件判断:返回True/Fa...

Last_G的博客 590

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

python 将16进制换成2进制,倒序后换成16进制

1现一串字符串的倒序。如:“abcde" --> "edcba"

weixin_48656896的博客 254

小白入门学进制转换看这篇文章就够了

保姆级教程二进制、八进制、十进制、十六进制之间的转换

weixin_74268353的博客 1906

Python基本数据类型之字符串

摘要:Python基本数据类型之字符串:字符串的性质、字符串的基本操作、字符串的方法、字符串的推导式方法。

Z_qin007的博客 1038

Python容器数据类型(字符串)

代码块和if条件表达式 代码块 什么是代码块 以冒号作为开始,用缩进来划分作用域。 在之后的学习当中,使用if条件语句、for、while循环语句、定义函数、定义类等诸多地方都会涵盖代码的概念。 什么是作用域 代码块作用的区域,作用的范围,在Python中使用空格或者是缩进来进行划分,缩进或空格之后一定要写代码才是一行完整的作用域。 注意事项 同一个作用域的缩进或者是空格的使用要一致,使用的类型、数量都要一致,比如使用空格,整个作用域都要使用空格,如果使用4个空格,那么都要使用4个空格,缩进和空格决不能混合

小可爱的博客 414

6.python进制转换

应该是每个学习计算机相关知识绕不开的话题了,今天这篇文章讲一讲不同进制之间的相互转换。#初次要进行转换的十进制数作为被除数,要转换的进制数作为除数(除数要保持不变)25/2=12...1 #用这一部分所取得的商12作为下一部分的被除数。1/2=0.....1 #直到得到的商为0停止运算。那么其他进制转换也类似,我们依然用25的八进制为例。int('2/8/16进制格式',转换的进制)则11001即为25二进制取值。十进制转换为其他进制的内置函数。余数倒序输出得到11001。31即为25的八进制取值。

weixin_74327171的博客 37

Python学习日记 Day6-同时输入多个变量、join方法输出变量、列表、进制转换器

同时输入多个变量,以逗号分隔 a,b=input().split(',') 如果想统一输入变量的格式,还可应用map()函数。 a,b=map(int,input().split(',')) 输出列表,输出结果间以逗号分隔 难点在于最后一个输出的值末尾不能有逗号,可以运用join()函数实现。 join()方法:返回通过指定字符连接序列中元素后生成的新字符串。 append()方法:将目标元素加入到列表末尾。 extend()方法:将目标列表分别加入到列表末尾。 以输出三位数水仙花数为

Clinnnn的博客 859

[进制转换]用python实现10进制转任意进制的方法

【代码】[进制转换]用python实现10进制转任意进制方法。

Pandas_007的博客 3903

PAT A1027:Colors in Mars(Python 实现 进制转换)

题目内容 People in Mars represent the colors in their computers in a similar way as the Earth people. That is, a color is represented by a 6-digit number, where the first 2 digits are for Red, the middle 2 digits for Green, and the last 2 digits for Blue. The

小猫の博客 193

Python 猜数字 进制转换 回文数

1.猜数字 #引入生成随机数的模块 import random #程序设定生成 1-20 之间的一个随机数,让用户猜 secretNum = random.randint(1,20) print("这是一个位于 1-20 之间的数") #设定用户只能猜 3 次 for number in range(1,4): print("请输入猜测的数:") guess = int(input()) if guess == 0: break if guess &l..

qq_50777680的博客 358

【数制】数的进制转换

本文主要讲述的是二进制、十进制、十六进制三种数制的转换方法,以及其对应的编程实现。

weixin_43264234的博客 3578
上一篇: Python实现让用户输入一段文本,请计算文本中某一字符出现的次数,并输出结果
下一篇: Python中的list列表类型
Akzeptieren
博客等级 码龄8年 65粉丝 79原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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