将安卓手机打造成你的python全栈开发利器！

PythonJavaPHP PythonJavaPHP 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 500+累计阅读 550平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄7年
关注
转载 最新推荐文章于 2026-03-05 01:37:49 发布 550 阅读 AI 写同款· GEO 优化 ›
将安卓手机打造成你的python全栈开发利器! 相信多数安卓用户都使用过Qpython这款移动端的Python编辑器吧？之前我也研究过一阵子这个工具，但因为一次简单的爬虫让我对它失望之极。Qpython不支持lxml这个模块，然而python中lxml作为最底层的模块，不管是爬虫还是文档解析，都需要使用它。所以，Termux应运而生…. Termux不仅可以帮助你学习和使用Linux系统，更可以通过安装各种插件，当做我们python全栈开发利... 阅读详情

超神利器…

相信多数安卓用户都使用过Qpython这款移动端的Python编辑器吧？之前我也研究过一阵子这个工具，但因为一次简单的爬虫让我对它失望之极。Qpython不支持lxml这个模块，然而python中lxml作为最底层的模块，不管是爬虫还是文档解析，都需要使用它。 所以， Termux 应运而生….

Termux不仅 可以帮助你学习和使用Linux系统，更 可以 通过安装各种插件， 当做我们python全栈开发利器！今天我就带大家了解下，如何在手机上玩转 Python 爬虫 、 jupyter notebook 、 git代码托管 、 Web开发   等等全套炫酷的功能！

Termux介绍

Termux是一个Android终端的Linux环境仿真器。主要的是它无需root，就可以直接进行安装使用。可以使用apt包管理器或者这个工具推荐的pkg命令来定制安装其他的工具。何为其他工具？Linux下你能想到的工具，都可以去 尝试 ，多数都可以直接安装，但也有部分工具需要你转个弯，比如在手机中安装mysql数据库！

Termux的Wiki官网:https://wiki.termux.com/wiki/Main_Page

Termux的Wiki

 

官网中可以看到推荐的下载方式是Google Play 和F-Droid。Google Play在手机上安装太麻烦了，所以推荐F-Droid，虽然它比较慢…当然你可以离线下载Termux的apk文件，虽然这样没办法获取更新。安装果果橙比较简单，下载F-Droid，完成安装后搜索Termux，下载即可。

Python开发者桌面

刚才说到Termux的简单介绍与下载方式，那么下载完成，安装的只是这个工具，而非我们的 Python开发者桌面 。Termux安装完成首次进入会进行相关的初始化工作，等待1-2分钟即可(此时需要联网下载工具)。截图如下：

安装Termux.png

之后就该进入我们的DIY时间了!

1.

更新源：

为了我们能获取到最新的插件信息，需要更新一下镜像源列表

1pkg update
2pkg upgrade
3pkg install python python-dev

2.

安装python及pip

系统为我们安装了最新的python3.7.4版本，紧追时尚潮流….

1pkg install python python-dev
2pip install --upgrade pip

3.

安装依赖插件

这一步阻塞了很长的时间，可以看到网上针对lxml的安装不管是linux系统还是咱们的Termux，都存在这很多的求助帖。

lxml安装报错

按照很多热心网友的回答去尝试安装插件，和其他解决办法，都没有成功。

多数的报错是提示libxml2插件未安装，可明明安装了，之后查阅资料了解python在使用该插件的使用需要通过clang插件的编译后才能使用，但是安装后有提示conv.h的文件无法获取等等。这个问题断断续续卡了我两天你的时间，光卸载安装Termux就搞了几次，每月20G的流量我就剩5G了…最终找齐了所有插件总结给大家：

1pkg install libxml2 libxml2-dev  libxslt libxslt-dev libiconv libiconv-dev libclang clang libzmq libzmq-dev libc++
2pip install lxml

lxml安装成功

目录说明

首先我们输入 termux-setup-storage 将手机目录共享给termux，完成后会在home目录下多出一个storage的文件夹。

目录说明

了解Linux的朋友应该比较清楚创建链接与挂载点的问题,手机的目录在Termux的 /data/data/com.termux/files/home/storage/shared 内。那么同样的，我们可以将手机的代码目录映射到Termux中。命令如下：

ln -s /data/data/com.termux/files/home/storage/shared/Codes_Repository ~/Codes 

然后，我们将小说下载器的脚本Novels.py丢到手机的Codes_Repository，再去Termux中看看是否同步

目录共享

无意中暴露了我的Mate 20X,哈哈…之所以当时要买7.2英寸的20x就是为了将手机打造成python开发工具。

优化编辑器

大 家 都知道Linux环境下开发python，大神们都推荐的是vi，用其他的工具都显得不高端… 那么如何优化我们的编辑器呢？ 安装vi的哥哥vim，针对vim下开发python安装vim-python 代码

 1# 安装vim vim-python
 2pkg install vim vim-python
 3# 创建vim配置文件
 4vim .vimrc
 5# 添加 vim 配置文件
 6set fileencodings=utf-8,gb2312,gb18030,gbk,ucs-bom,cp936,latin1
 7set enc=utf8
 8set fencs=utf8,gbk,gb2312,gb18030
 9# 保存
10:wq
11# 立即生效
12source .vimrc

来看看vim-python的编码效果：

vim-python

vim-python

手机编程

最后来说说Termux的python开发问题，今天有朋友问到，Termux下写Python代码应该用什么编辑器呢？只用vim没有代码联想，写起来很麻烦…

你可以尝试使用Jupyter Notebook …

如果是按照我之前教程安装的Termux，那么直接 pip install jupyter 即可完成安装…

Termux权限设置

默 认 情况下Termux安装到手机后，是没有后台运行权限的，即如果你离开Termux桌面，那么将无法继续使用相关的web项目。 你需要关闭手机启动管理的自动管理，然后添加上允许后台活动。

Termux设置

之后再输入 jupyter notebook ，即可达到后台运行的效果。

jupyter notebook

成功启动jupyter notebook后，会在命令行生成一个带token的url，复制它到你的手机浏览器上，现在在你的手机上好好练习代码吧…

代码运行

一道Leetcode上的练习题，在jupyter notebook上运行是不是完美….

爬虫代码运行

怎么样，不管是原生的vim还是大家喜爱的 jupyter notebook ，展示效果还算不错吧！再让我们执行一段爬虫代码

模块安装与使用

可以看到，第一次运行提示缺失requests模块，通过pip安装后，再次执行，爬取小说网站，下载了最近5章的小说内容。

Termux下使用git

既然要做成python开发者桌面怎么能少了git工具的使用？

1pkg install git
2git config --global user.name "Usernam"
3git config --global user.email  "email-addr"
4git clone https://github.com/BreezePython/FlaskTests.git

Git

image.png

现在我们从手机上下载代码，进行安装…

 1# 如果为安装pipenv，需要先进行安装操作
 2pip install pipenv
 3# 克隆代码
 4git clone https://github.com/BreezePython/WeatherForecast.git
 5# 进入代码目录
 6cd WeatherForecast
 7# 安装虚拟机及依赖模块
 8pipenv install
 9# 进入虚拟机
10pipenv shell
11# 启动flask
12flask run

因为代码是通过pipenv进行开发的，所以从安装到使用，你无需关注虚拟环境到底涉及什么模块，需要怎么安装，没错pipenv就是这么简单粗暴！放几张图吧：

下载代码与安装虚拟环境

别说，安装的这个小蛇还挺可爱的….

安装插件并启动flask

最终看看手机运行是否正常吧(恩，明天天气不错....)：

手机运行

大家说这样的工具，是不一顿操作猛如虎，看得我自己的害怕啊….

 

收录于
Python

当前文章被收录于：

Python
125 篇文章 5 人学习
订阅专栏 查看详情
标签
#Python
原文链接：http://mp.toutiao.com/preview_article/?pgc_id=6762368627728450059>
利用Python开发App实战！ Python语言虽然很万能，但用它来开发app还是显得有点不对路，因此用Python开发的app应当是作为编码练习、或者自娱自乐所用，加上目前这方面的模块还不是特别成熟，bug比较多，总而言之，劝君莫轻入。 阅读详情

相关推荐

有了这个神器，轻松用 Python 写 APP

Streamlit 联合创始人 Adrien Treuille 撰文介绍其开发的机器学习工具开发框架——Streamlit，这是一款专为机器学习工程师创建的免费、开源 app 构建框架。同时，我们还想保留强大 app 框架的灵活性。以我的经验，每一个不平凡的机器学习项目都是用错误百出、难以维护的内部工具整合而成的。与来自 Uber、Twitter、Stitch Fix、Dropbox 等的工程师一道，我们用一年时间创造了 Streamlit，这是一个针对机器学习工程师的免费开源 app 框架。

python_One1的博客 522

推荐五款在手机上写代码的APP(附下载地址)

一个直接在 Android 设备上开发 Android 应用的集成开发环境 基于原版深度定制、适配本土化的操作习惯，一键快速添加常用的代码，大幅提高开发效率。 实时的语言翻译，帮助不会英文的人快速入门，新增护眼模式，让你沉浸享受深夜编程的乐趣。 更多工具，图标中心、Java/Xml代码转义、Json2Bean、工程转换、系统资源查看及指定类分析等。 更多功能，启用Gradle、SDK、NDK、JDK支持、R资源混淆、Str字符串加密、dex分包、adrt调试等。

私欲日生，如地上尘，一日不扫，便又有一层。着实用功，便见道无终穷，愈探愈深，必使精白无一毫不彻方可。 1万+

将安卓手机打造成你的 Python 开发利器！

超神利器… 相信多数安卓用户都使用过Qpython这款移动端的Python编辑器吧？之前我也研究过一阵子这个工具，但因为一次简单的爬虫让我对它失望之极。Qpython不支持lxml这个模块，然而python中lxml作为最底层的模块，不管是爬虫还是文档解析，都需要使用它。所以，Termux应运而生…. Termux不仅可以帮助你学习和使用Linux系统，更可以通过安装各种插件，当做我们python全栈开发利器！今天我就带大家了解下，如何在手机上玩转Python 爬虫、jupyter ...

爬遍所有网站 1370

Python 写Android App性能：入门到高级

Android性能测试是移动应用开发的关键部分。无论是响应时间，内存使用，CPU占用，还是电池消耗，性能的每个方面都直接影响到用户体验。在这篇文章中，我们将介绍如何使用Python进行Android性能测试，从入门到高级。

伤心的辣条 2161

termux python 爬虫_将安卓手机打造成 Python 全栈开发利器

????“Python猫” ，一个值得加星标的公众号花下猫语：前不久我分享过一篇《Android 手机如何改造成 Linux 服务器？》，不知道有没有爱动手的小伙伴去实验过呢？今天，继续分享一篇相关的文章，推荐安卓党们(有废旧手机的话)，上手体验一下哦~ 《犬夜叉》 |B 站有正版可看超神利器… 相信多数安卓用户都使用过Qpython这款移动端的Python编辑器吧？之前我也研究过一阵子这个工具，但因...

weixin_39631445的博客 1656

实测｜龙虾机器人（OpenClaw）Windows系统部署全攻略（含避坑指南）

先简单科普下：龙虾机器人本质是一款开源AI代理框架，核心优势是“能行动、可本地、高灵活”——它不内置大模型，需要对接第三方AI接口（如GPT、Claude、阿里云百炼等），但能将AI的指令转化为实际的系统操作，相当于给AI配了一个“能动手的身体”，这也是它和普通对话大模型的核心区别。今天就结合自己的实测经历，从环境准备、分步部署、初始化配置，到常见问题排查，写一篇保姆级攻略，不管是新手还是有一定技术基础的同学，都能跟着一步步完成部署，少走弯路～解决方案：检查聊天软件插件是否安装成功，权限是否配置完整；

wohaiweifaju的博客 1万+

将安卓手机打造成你的python全栈开发利器

超神利器…来源：清风Python相信多数安卓用户都使用过Qpython这款移动端的Python编辑器吧？之前我也研究过一阵子这个工具，但因为一次简单的爬虫让我对它失望之极。Qpython...

涛哥聊Python 426

交通流预测爬坑记（一）：交通流数据集，原始数据

常用的交通流数据集，持续更新~~

K_first的博客 4万+

将安卓手机打造成你的 Python 开发利器

点击上方“编程派”，选择设为“设为星标”优质文章，第一时间送达！作者 |王翔来源|清风Python超神利器…相信多数安卓用户都使用过Qpython这款移动端的Python编辑器吧？...

codingpy的博客 1778

contextcapture多区块点云_多源点云数据融合的建筑物精细化建模

本文内容来源于《测绘通报》2020年第8期，审图号：GS(2020)3611号多源点云数据融合的建筑物精细化建模王树臻1, 郑国强1, 王光生1, 胡玉民2, 张德怀2, 亓伟3 ...

weixin_36301639的博客 1824

Hi3516CV610硬件设计避坑指南：从电源模块到DDR布线实战解析

本文深入解析了Hi3516CV610硬件设计中的关键难点与实战技巧。重点剖析了电源架构的选型陷阱与PCB布局要点，详细阐述了DDR3/L高速布线的等长匹配、信号完整性及端接策略，并提供了MIPI接口与时钟电路的隔离设计指南。旨在帮助工程师规避常见设计错误，提升系统稳定性与可靠性。

ooo22的博客 255

将安卓手机打造成你的Python全栈开发利器

超神利器…相信多数安卓用户都使用过Qpython这款移动端的Python编辑器吧？之前我也研究过一阵子这个工具，但因为一次简单的爬虫让我对它失望之极。Qpython不支持lxml这个模块...

程序IT圈 286

【CTF-misc】java盲水印BlindWatermark工具使用

​ 盲水印是一种肉眼不可见的水印方式，对图片资源使用图片盲水印或者文字水印，借此避免数字媒体未经授权的复制和拷贝，可通过对原图进行解码操作，得到水印图来证明版权归属。 题目来源：NewStarCTF 2023 公开赛道 WEEK2|MISC：Jvav

qq_39972370的博客 6444

termux pythonlxml安装_将安卓手机打造成你的python全栈开发利器

原标题：将安卓手机打造成你的python全栈开发利器超神利器 相信多数安卓用户都使用过Qpython这款移动端的Python编辑器吧？之前我也研究过一阵子这个工具，但因为一次简单的爬虫让我对它失望之极。Qpython不支持lxml这个模块，然而python中lxml作为最底层的模块，不管是爬虫还是文档解析，都需要使用它。 所以，Termux应运而生。Termux不仅 可以帮助你学习和使用Linux...

weixin_39520595的博客 757

【冷冻电镜】RELION5.0使用教程总结

对于您自己的数据，您可能希望使用各种倾斜系列对齐方法，然后比较每种方法生成的断层扫描图像的质量（参见下一步）。通过检查 CtfFind job 的 tilt_series 目录中的star文件来检查几个倾斜系列的散焦值。GitHub上也有人反应这个问题，目前我的解决方案是下载了较低版本的CTFFIND的，降级到4.1.10可以成功运行。此外，logfile.pdf 文件包含所有显微照片的有用参数图，例如散焦、像散、估计分辨率等，以及整个数据集中这些值的直方图。的目录，以及指向此目录的符号链接。

进阶中的程序员吃吃的博客 4217

通信算法之334：无人机侦测-DJI 大疆云哨接收机系列

【代码】通信算法之334：DJI 大疆 云哨接收机算法流程。

leegang12的专栏 843

手机python利器能做什么_将安卓手机打造成你的python全栈开发利器

超神利器相信多数安卓用户都使用过Qpython这款移动端的Python编辑器吧？之前我也研究过一阵子这个工具，但因为一次简单的爬虫让我对它失望之极。Qpython不支持lxml这个模块，然而python中lxml作为最底层的模块，不管是爬虫还是文档解析，都需要使用它。所以，Termux应运而生。Termux不仅可以帮助你学习和使用Linux系统，更可以通过安装各种插件，当做我们python全栈开发...

weixin_39766014的博客 213

在hyper-v管理器中修改WSL虚拟交换机后，打开wsl闪退

此次是因为修改了WSL虚拟交换机造成的wsl打不开或闪退，还有一种可能是关闭了hyper-v造成了wsl。

DN金猿的博客 1170

手机python 环境_将安卓手机打造成你的python全栈开发利器

超神利器...相信多数安卓用户都使用过Qpython这款移动端的Python编辑器吧？之前我也研究过一阵子这个工具，但因为一次简单的爬虫让我对它失望之极。首先，Qpython不支持lxml这个模块，而了解python爬虫的都知道很多爬虫的html解析都是依赖该模块的，即便Qpython的文章中，我使用bs4配合html.parser解析插件跳过了lxml的依赖，但只是一个规避方式，我需要从源头上找...

weixin_39725924的博客 301

温度PID控制PLC程序

温度PID稳定控制程序，适用于欧姆龙PLC，对其他PLC也具有很大参考价值

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")

手机python利器能做什么_将安卓手机打造成你的 python 全栈开发利器

相信多数安卓用户都使用过 Qpython 这款移动端的 Python 编辑器吧？之前我也研究过一阵子这个工具，但因为一次简单的爬虫让我对它失望之极。Qpython 不支持 lxml 这个模块，然而 python 中l xml 作为最底层的模块，不管是爬虫还是文档解析，都需要使用它。所以，Termux 应运而生….Termux 不仅可以帮助你学习和使用 Linux 系统，更可以通过安装各种插件，当做...

weixin_39711721的博客 445

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0， 兼容Win7/Win10/WinXP，解压就可用。

怎么安装python_将安卓手机打造成你的Python全栈开发利器

超神利器…相信多数安卓用户都使用过Qpython这款移动端的Python编辑器吧？之前我也研究过一阵子这个工具，但因为一次简单的爬虫让我对它失望之极。Qpython不支持lxml这个模块，然而python中lxml作为最底层的模块，不管是爬虫还是文档解析，都需要使用它。所以，Termux应运而生….Termux不仅可以帮助你学习和使用Linux系统，更可以通过安装各种插件，当做我们pyt...

weixin_39842937的博客 314

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！
上一篇： 用Python进行数据清洗，这7种方法你一定要掌握!
下一篇： 当心啊！仅仅50行Python，就可以在手机端看小姐姐的电脑!
点赞 0
评论 0
书签 书签 2
PythonJavaPHP
PythonJavaPHP
博客等级 码龄7年 116粉丝 76原创
+ 关注 专栏目录 订阅专栏
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
 
表情包 插入表情
表情包 代码片
 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