《Python编程:从入门到实践》第八章练习题

《Python编程:从入门到实践》课后练习8-1到8-14 8-1编写一个名为display_message() 的函数,它打印一个句子,指出你在本章学的是什么。调用这个函数,确认显示的消息正确无误。def display_message(): print('I learn function in Chapter 8.')if __name__ == "__main__": display_message()8-2编写一个名为favorite 阅读详情

《Python编程:从入门到实践》第八章练习题

8-1 消息

编写一个名为 display_message() 的函数,它打印一个句子,指出在做什么。调用这个函数,确认显示的消息正确无误。

代码:

def display_message():
    print("In this chapter, I study functions.")


display_message()

8-2 喜欢的图书

编写一个名为 favorite_book() 的函数,其中包含一个名为 title 的形参。这个函数打印一条消息。如One of my favorite books is Alice in Wonderland 。调用这个函数,并将一本图书的名称作为实参传递给它。

代码:

def favorite_book(title):
    print("One of my favorite books is " + title)


favorite_book('Alice in Wonderland')

8-3 T恤

编写一个名为 make_shirt() 的函数,它接受一个尺码及要印到T恤上的字样。这个函数应打印一个句子,概要地说明T恤的尺码和字样。

使用位置实参调用该函数来制作一件T恤,再使用关键字实参来调用这个函数。

代码:

def make_shirt(size, word):
    print("Brief information of this shirt:")
    print("\tSize: " + size)
    print("\tWord: " + word)


make_shirt('large', "MAGA")

8-4 大号T恤

修改函数 make_shirt(),使其在默认情况下制作一件印有“I love Python”字样的大号 T 恤。调用这个函数来制作:一件印有默认字样的 [large] T恤,一件印有默认字样的 [medium] T 恤,以及一件印有其他字样的T恤(尺码无关紧要)。

代码:

def make_shirt(size, word='I love Python'):
    print("\nBrief information of this shirt:")
    print("\tSize: " + size)
    print("\tWord: " + word)


make_shirt('large')
make_shirt('middle')
make_shirt('small', 'MAGA')

8-5 城市

编写一个名为 describe_city() 的函数,它接受一座城市的名字以及该城市所属的国家。

这个函数应打印一个简单的句子,如Reykjavik is in Iceland 。给用于存储国家的形参指定默认值。为三座不同的城市调用这个函数,且其中至少有一座城市不属于默认国家。

代码:

def describe_city(city_name, country='china'):
    print(city_name.title() + " is in " + country.title())


describe_city('shanghai', 'china')
describe_city('new york', 'america')
describe_city('tokyo', 'japan')

8-6 城市名

编写一个名为city_country() 的函数,它接受城市的名称及其所属的国家。这个函数应返回一个格式类似于下面这样的字符串:

“Santiago, Chile”

至少使用三个城市-国家对调用这个函数,并打印它返回的值。

代码:

def city_country(city_name, country):
    return '"' + city_name.title() + ', ' + country.title() + '"'


print(city_country('shanghai', 'china'))
print(city_country('new york', 'america'))
print(city_country('tokyo', 'japan'))

8-7 专辑

编写一个名为 make_album() 的函数,它创建一个描述音乐专辑的字典。这个函数应接受歌手的名字和专辑名,并返回一个包含这两项信息的字典。使用这个函数创建三个表示不同专辑的字典,并打印每个返回的值,以核实字典正确地存储了专辑的信息。

给函数 make_album() 添加一个可选形参,以便能够存储专辑包含的歌曲数。如果调用这个函数时指定了歌曲数,就将这个值添加到表示专辑的字典中。调用这个函数,并至少在一次调用中指定专辑包含的歌曲数。

代码:

def make_album(singer_name, album_name, number=''):
    album = {'singer_name': singer_name, 'album_name': album_name}
    if number:
        album['number'] = number
    return album


albums = []
albums.append(make_album('周杰伦', '八度空间', number=10))
albums.append(make_album('陈奕迅', 'Rice & Shine'))
# print(albums)
for album in albums:
    print(album)

8-8 用户的专辑

在为完成练习8-7编写的程序中,编写一个while 循环,让用户输入一个专辑的歌手和名称。获取这些信息后,使用它们来调用函数 make_album() ,并将创建的字典打印出来。在这个while 循环中,务必要提供退出途径。

代码:

def make_album(s_name, a_name, n=0):
    a = {'singer_name': s_name, 'album_name': a_name}
    if n:
        a['number'] = n
    return a


albums = []
prompt = "\nPlease tell me your favorite albums:"
prompt += "\n(Enter 'quit' to end the program)"

while True:
    print(prompt)

    singer_name = input("Singer name: ")
    if singer_name == 'quit':
        break

    album_name = input("Album name: ")
    if album_name == 'quit':
        break

    sign = input("\nDo you know how many songs in this album (yes/no): ")
    if sign == 'yes':
        number = input("Number of songs: ")
        number = int(number)
        album = make_album(singer_name, album_name, number)
        albums.append(album)
    else:
        print("Do not worry! It does not matter")
        album = make_album(singer_name, album_name)
        albums.append(album)

    print("\nLet's check the album:")
    print(album)

8-9 魔术师

创建一个包含魔术师名字的列表,并将其传递给一个名为 show_magicians() 的函数,这个函数打印列表中每个魔术师的名字。

代码:

def show_magicians(magicians):
    for magician in magicians:
        print(magician.title())


magicians = ['simon', 'jesse', 'lucy']
show_magicians(magicians)

8-10 了不起的魔术师

在你为完成练习8-9而编写的程序中,编写一个名为make_great() 的函数,对魔术师列表进行修改,在每个魔术师的名字中都加入字样“the Great”。调用函数show_magicians() ,确认魔术师列表确实变了。

代码:

def show_magicians(magicians):
    for magician in magicians:
        print(magician)


def make_great(magicians, great_magicians):
    while magicians:
        current_magician = magicians.pop()
        great_magicians.append('the Great ' + current_magician.title())


magicians = ['simon', 'jesse', 'lucy']
great_magicians = []

make_great(magicians, great_magicians)
# print(magicians)
# print(great_magicians)
show_magicians(magicians)
show_magicians(great_magicians)

8-11 不变的魔术师

修改你为完成练习8-10而编写的程序,在调用函数make_great() 时,向它传递魔术师列表的副本。由于不想修改原始列表,请返回修改后的列表,并将其存储到另一个列表中。分别使用这两个列表来调用show_magicians() ,确认一个列表包含的是原来的魔术师名字,而另一个列表包含的是添加了字样“the Great”的魔术师名字。

代码:

def show_magicians(magicians):
    for magician in magicians:
        print("\t" + magician)


def make_great(magicians, great_magicians):
    while magicians:
        current_magician = magicians.pop()
        great_magicians.append('the Great ' + current_magician.title())


magicians = ['simon', 'jesse', 'lucy']
great_magicians = []

make_great(magicians[:], great_magicians)
# print(magicians)
# print(great_magicians)
print("Original magicians:")
show_magicians(magicians)
print("\nGreat magicians:")
show_magicians(great_magicians)

8-12 三明治

编写一个函数,它接受顾客要在三明治中添加的一系列食材。这个函数只有一个形参(它收集函数调用中提供的所有食材),并打印一条消息,对顾客点的三明治进行概述。调用这个函数三次,每次都提供不同数量的实参。

代码:

def make_sandwich(*ingredients):
    print("\nMaking a sandwich with the following ingredients:")
    for ingredient in ingredients:
        print("- " + ingredient)


make_sandwich('mushrooms', 'green peppers', 'cheese')
make_sandwich('eggs')
make_sandwich('bacon', 'apples')

8-13 用户简介

复制前面的程序 user_profile.py,在其中调用 bulid_profile() 来创建有关你的简介。调用这个函数时,指定你的名和姓,以及三个描述你的键-值对。

代码:

def build_profile(first, last, **user_info):
    profile = {'first_name': first, 'last_name': last}

    for key, value in user_info.items():
        profile[key] = value

    return profile


my_profile = build_profile('San', 'Zhang', height='170cm', weight='64kg', locaton='Chengdu')
print(my_profile)

8-14 汽车

编写一个函数,将一辆汽车的信息存储在字典中。这个函数总是接受制造商和型号,还接受任意数量的关键字实参。这样调用该函数:提供必不可少的信息,以及两个名称值对,如颜色和选装配件。这个函数必须能够像下面这样进行调用:

car = make_car('subaru', 'outback', color='blue', 'tow_package=True')

打印返回的字典,确认正确地处理了所有的信息。

代码:

def make_car(manufacturer, model, **car_info):
    car_profile = {'manufacturer': manufacturer, 'model': model}

    for key, value in car_info.items():
        car_profile[key] = value

    return car_profile


car = make_car('subaru', 'outback', color='blue', tow_package=True)
print(car)

8-15 打印模型

将示例print_models.py中的函数放在另一个名为printing_functions.py的文件中;在print_models.py的开头编写一条import 语句, 并修改这个文件以使用导入的函数。

代码:

import printing_funcitons

magicians = ['simon', 'jesse', 'lucy']
great_magicians = []

printing_funcitons.make_great(magicians, great_magicians)
printing_funcitons.show_magicians(magicians)
printing_funcitons.show_magicians(great_magicians)

8-16 导入

选择一个你编写的且只包含一个函数的程序, 并将这个函数放在另一个文件中。
在主程序文件中, 使用下述各种方法导入这个函数, 再调用它:

import module_name
from module_name import function_name
from module_name import function_name as fn
import module_name as mn
from module_name import *

代码:

# 1
import make_car
car = make_car.make_car('subaru', 'outback', color='blue', tow_package=True)
print(car)

# 2
'''
from make_car import make_car
car = make_car('subaru', 'outback', color='blue', tow_package=True)
print(car)
'''

# 3
'''
from make_car import make_car as mc
car = mc('subaru', 'outback', color='blue', tow_package=True)
print(car)
'''

# 4
'''
import make_car as mc
car = mc.make_car('subaru', 'outback', color='blue', tow_package=True)
print(car)
'''

# 5
'''
from make_car import *
car = make_car('subaru', 'outback', color='blue', tow_package=True)
print(car)
'''

8-17 函数编写指南

选择你在本章中编写的三个程序,确保它们遵循了本节介绍的函数编写指南。

略。

Python编程:从入门到实践——练习题答案(第八章) 第8章 函数 8-1 消息:编写一个名为 display_message()的函数,它打印一个句子,指出你在本章学的是什么。调用这个函数,确认显示的消息正确无误。 def display_message(): print("function") display_message() 运行结果: function 8-2 喜欢的图书:编写一个名为 favorite_book()的函数,其... 阅读详情

相关推荐

Python编程:从入门到实践的动手试一试练习答案(第八章)

以下内容非标准答案,是我个人练习内容,仅供参考: 如有不准确,希望指出 #如果希望中文字符可以被Python识别,请在代码内添加如下内容: # coding=gbk # ~ #8-1 def display_message(): print('函数是带名字的代码块,用于完成具体工作') display_message() # ~ #8-2 def favorite_book(book...

CHEN CHAO 遛遛 的博客 1781

python编程从入门到实践第八章习题

    python编程从第八章开始开始指数般地变难了,当然也和作者排版有些关系,在前面不把每一章的难点放出来,而在后面穿插着把前面的难点一起丢出来了。    第八章介绍的函数基本的格式:def function(objecth): pass和C相比,只是多了def一词,并且返回的数据不需要事先定义类型,可以说还是很简便的。    python的参数匹配分为两种,一种是位置匹配,另一种是关键词匹...

冬日晴风 385

Python编程从入门到实践课后答案:第八章

8-1 消息 :编写一个名为display_message() 的函数,它打印一个句子,指出你在本章学的是什么。调用这个函数,确认显示的消息正确无误。 8-2 喜欢的图书 :编写一个名为favorite_book() 的函数,其中包含一个名为title 的形参。这个函数打印一条消息,如One of my favorite books is Alice in Wonderland 。调用这个函数,并...

weixin_41827268的博客 1万+

Python 编程从入门到实践 8-8拓展(有记忆性的存储多个歌手的多个专辑)

原来的要求每调用一次函数,字典就刷新一次,拓展是每一次存储都具有记忆性,更符合现实生活中的实际要求

qq_18837609的博客 468

Lattice CrosslinkNx LIFCL-40实战解析:MIPI D-PHY硬核IP配置与CSI-2数据解析全流程

本文详细解析了Lattice CrosslinkNx LIFCL-40 FPGA中MIPI D-PHY硬核IP的配置与CSI-2数据解析全流程。通过实战案例,介绍了硬件环境搭建、寄存器配置、数据包结构解析及视频流重构技巧,帮助开发者快速掌握高速图像采集系统的设计与优化方法。

weixin_29159613的博客 200

Qt加载百度地图详细流程(附带报错解决方法)

一篇文章看懂Qt如何加载出百度地图......

qq_60018273的博客 1607

8-10 了不起的魔术师

在你为完成练习8-9而编写的程序中,编写一个名为make_great() 的函数,对魔术师列表进行修改,在每个魔术师的名字中都加入字样“the Great”。调用函数show_magicians() ,确认魔术师列表确实变了。 magicians = ['xiao', 'hui', 'dong', 'xi'] def show_magicians(magicians): for magician in magicians: print(magician) show_m.

记录学习历程 936

基于ROS2系统开发机器人

以上是基于ROS 2开发机器人的基本流程和一个简单的发布者-订阅者示例。通过这个流程,你可以逐步扩展和优化你的机器人系统,实现更复杂的功能。

xuweilin的博客 1496

《Python编程:从入门到实践》第八章 函数 练习题答案

个人学习自用,有需者随意取 # 8-1 消息 def display_message(): print("在本章,我学到了如何建立一个函数") display_message() # 8-2 喜欢的图书 def favorite_book(title): print("one of my favorite books is " + title.title...

sinat_40701859的博客 3754

大疆mini 3 pro rtmp推流(带屏遥控器不支持)windows

大疆mini 3 pro无人机rtmp推流(带屏遥控器不支持)至windows电脑

xbsigeibwkouvfcj的博客 3432

【纯实战】C#基于TCP/IP实现三菱PLC MC协议完整通信(含完整源码+通信原理+避坑指南)

MC协议是三菱电机为旗下MELSEC系列PLC量身定制的以太网专用通信协议,本质是一套基于TCP/IP的应用层协议规范,专门用于实现上位机(PC/工控机)与PLC之间的双向数据交互,支持对PLC的软元件(X/Y/M/D/W/T/C等)进行读、写、批量读写等核心操作,同时支持PLC状态查询、程序启停等控制指令。重要:三菱PLC的MC协议默认基于TCP 4999端口通信,部分新版本FX5U/Q系列也支持TCP 5000端口,核心通信逻辑一致。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 897

【《Python编程:从入门到实践》练习题代码实现——第八章】(Geany编写,窗口运行)

第八章 函数 动手试一试代码实现 (1)习题内容 8-1 消息:编写一个名为display_message()的函数,它打印一个句子,指出你在本章学的是什么。调用这个函数,确认显示的消息正确无误。 8-2 喜欢的图书:编写一个名为favorite_book()的函数,其中包含一个名为title的形参。这个函数打印一条消息,如One of my favorite books is Alice i...

weixin_45498948的博客 587

MFC实现简单UDP通信(附完整源码)

MFC实现简单UDP通信(附完整源码)

希望我的博客,能帮上你解决学习中工作中所遇到的问题 1113

《Python 编程:从入门到实践》第八章(函数)练习题答案

# -*- coding: GBK -*- #8-7 def make_album(singer,album,songsnum=''): sing_dict={'singer':singer,'album':album} if songsnum: sing_dict['songsnum']=songsnum return sing_dict print(make_album('sun...

zenmehaichonga_2009的专栏 973

YOLOv5改进 | 多尺度特征提取 | 结合多样分支块及融合的高级设计(CVPR2021)

YOLOv5改进 | 多尺度特征提取 | 结合多样分支块及融合的高级设计(CVPR2021)

qq_44224801的博客 2068

STEP 7-Micro/WIN SMART 编程软件:从入门到精通的使用指南

通过不断实践,熟悉软件的各项功能和操作技巧,工程师可更好地应对工业自动化控制中的各种挑战,开发出高效、稳定的控制程序。项目的基本组件是构成程序的核心元素,包括:程序块(主程序 OB1、子程序和中断程序)、数据块(给 V 存储器赋初值)、系统块(硬件组态和参数设置)、符号表(用符号代替存储器地址,使程序更易理解)以及状态图表(监视、修改和强制变量状态)。下载程序时,单击工具栏上的 “下载” 按钮,在弹出的下载对话框中选择要下载的块(程序块、数据块、系统块),单击 “下载” 即可。

电工 5576

《Python编程 从入门到实践》第八章课后习题

8-1def display_message():     print("we will learn function in this chapter. ") display_message()8-2def favorite_book(title):     print("One of my favorite books is " + title +". ") favorite_book(...

Gosick_Geass_Gate的博客 538

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

《Python编程从入门到实践》第8章习题

8-1 def display_message(profession): print('我的大学专业是'+profession) display_message('电科') 我的大学专业是电科

qq_40523659的博客 344

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")

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

《Python编程:从入门到实践》练习题

《Python编程:从入门到实践》练习题

ProgramNovice的博客 2029

Python编程从入门到实践(基础入门)

Python编程从入门到实践 1、Python中的变量 变量名:大小写英文,数字和下划线的组合,不能以数字开头 2、Python首字母大写使用title()方法,全部大写upper()方法,全部小写lower()方法 name=‘ce shi python’ name.title(); ‘Ce Shi Python’ print(name.upper()) CE SHI PYTHO...

louzhu_lz的博客 1万+

Python编程从入门到实践 学习笔记+练习题答案导航

Python编程从入门到实践 练习题答案导航

Is_Superman的博客 990

【《Python编程: 从入门到实践》习题答案--第八章:<函数>】

【《Python编程: 从入门到实践》习题答案--第八章:<函数>】

YoungfreeFJS的博客 1万+

python从入门到实践第八章课后练习

python从入门到实践第八章课后练习 8-1 消息 编写一个名为 display_message()的函数,它打印一个句子,指出你在本章学的是什么。调用这个函数,确认显示的消息正确无误。 def display_message(): print('定义函数、向函数传递信息以及形参和实参') display_message() 运行结果 定义函数、向函数传递信息以及形参和实参 8-2 喜欢...

weixin_45958024的博客 1871

《Python编程从入门到实践》读书笔记——第八章 函数

现在假设你要编写一个可以问候用户的函数'''向用户打招呼'''print("你好")语句(1)使用def关键字来告诉Python你要定义一个函数greet_users(),这就是函数定义。其中greet_users()为函数名,你可以在括号内传入你想要函数接受到的信息,在这里我们的greet_users()不需要接受任何信息,所以括号内为空**(注意:即使不需要传入信息也不能省略括号)**。最后,定义以冒号":"结尾。紧跟在函数定义后的所有缩进语句(在这里即语句(2)(3))构成了函数体。

2401_89254193的博客 984

《Python编程:从入门到实践》语法知识点总结 这一篇就够了

《Python编程:从入门到实践》语法知识点总结 第二章:变量和简单的数据类型 python可以直接使用变量而不用声明 message="hello!" print(message) 使用方法修改字符串的大小写 name="hello python" print(name.title()) #title()以首字母大写的方式显示每个单词 name="Hello Python" print...

枯木何日可逢春 9397
上一篇: 《Python编程:从入门到实践》第七章练习题
下一篇: 《Python编程:从入门到实践》第九章练习题
UestcXiye
博客等级 码龄8年 9031粉丝 1306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

打赏作者

UestcXiye

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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