python零基础入门教程学习Python的第一个 Python 程序

从零开始学Python:第一个Python程序 到此,我们已经把第一个 Python 程序运行起来了,是不是很有成就感?只要你坚持学习下去,再过一段时间,我们就可以用 Python 语言做更多更酷的事情。今时今日,编程就跟英语一样,对很多人来说都是一项必须要掌握的技能。如果你正打算学习Python,这里也为你准备了一套入门必备的学习资源。 阅读详情

目标

  • 第一个 HelloPython程序
  • Python 2.x 与 3.x版本简介
  • 执行Python 程序的三种方式
    • 解释器 —— python / python3
    • 交互式 ——ipython
    • 集成开发环境 ——PyCharm

01. 第一个 HelloPython 程序

1.1 Python 源程序的基本概念
  1. Python 源程序就是一个特殊格式的文本文件,可以使用任意文本编辑软件做 Python 的开发
  2. Python 程序的 文件扩展名 通常都是 .py
1.2 演练步骤
  • 在桌面下,新建 认识Python 目录

  • 在 认识Python 目录下新建 01-HelloPython.py 文件

  • 使用 gedit 编辑 01-HelloPython.py 并且输入以下内容:

print("hello python")
print("hello world")

  • 在终端中输入以下命令执行 01-HelloPython.py
$ python 01-HelloPython.py

print 是 python 中我们学习的第一个 函数
print 函数的作用,可以把 “” 内部的内容,输出到屏幕上

1.3 演练扩展 —— 认识错误(BUG)

关于错误
  • 编写的程序不能正常执行,或者执行的结果不是我们期望的
  • 俗称 BUG,是程序员在开发时非常常见的,初学者常见错误的原因包括:
    a. 手误
    b. 对已经学习过的知识理解还存在不足
    c. 对语言还有需要学习和提升的内容
  • 在学习语言时,不仅要学会语言的语法,而且还要学会如何认识错误和解决错误的方法

每一个程序员都是在不断地修改错误中成长的

第一个演练中的常见错误
  • 1> 手误,例如使用 pirnt(“Hello world”)
NameError: name 'pirnt' is not defined

名称错误:'pirnt' 名字没有定义

  • 2> 将多条 print 写在一行
SyntaxError: invalid syntax

语法错误:语法无效

每行代码负责完成一个动作

  • 3> 缩进错误
IndentationError: unexpected indent

缩进错误:不期望出现的缩进

  • Python 是一个格式非常严格的程序设计语言
  • 目前而言,大家记住每行代码前面都不要增加空格
  • 4> python 2.x 默认不支持中文

目前市场上有两个 Python 的版本并存着,分别是 Python 2.x 和 Python 3.x

  • Python 2.x 默认不支持中文,具体原因,等到介绍 字符编码 时给大家讲解
  • Python 2.x 的解释器名称是 python
  • Python 3.x 的解释器名称是 python3
SyntaxError: Non-ASCII character '\xe4' in file 01-HelloPython.py on line 3, 
but no encoding declared; 
see http://python.org/dev/peps/pep-0263/ for details

语法错误: 在 01-HelloPython.py 中第 3 行出现了非 ASCII 字符 '\xe4',但是没有声明文件编码
请访问 http://python.org/dev/peps/pep-0263/ 了解详细信息

  • ASCII 字符只包含 256 个字符,不支持中文
  • 有关字符编码的问题,后续会讲
单词列表
* error 错误
* name 名字
* defined 已经定义
* syntax 语法
* invalid 无效
* Indentation 索引
* unexpected 意外的,不期望的
* character 字符
* line 行
* encoding 编码
* declared 声明
* details 细节,详细信息
* ASCII 一种字符编码

02. Python 2.x 与 3.x 版本简介

目前市场上有两个 Python 的版本并存着,分别是 Python 2.x 和 Python 3.x

新的 Python 程序建议使用 Python 3.0 版本的语法

  • Python 2.x 是 过去的版本

  • 解释器名称是 python

  • Python 3.x 是 现在和未来 主流的版本

  • 解释器名称是 python3

  • 相对于 Python 的早期版本,这是一个 较大的升级

  • 为了不带入过多的累赘,Python 3.0 在设计的时候 没有考虑向下兼容

  • 许多早期 Python 版本设计的程序都无法在 Python 3.0 上正常执行

  • Python 3.0 发布于 2008 年

  • 到目前为止,Python 3.0 的稳定版本已经有很多年了

  • Python 3.3 发布于 2012

  • Python 3.4 发布于 2014

  • Python 3.5 发布于 2015

  • Python 3.6 发布于 2016

  • 为了照顾现有的程序,官方提供了一个过渡版本 —— Python 2.6

  • 基本使用了 Python 2.x 的语法和库

  • 同时考虑了向 Python 3.0 的迁移,允许使用部分 Python 3.0 的语法与函数

  • 2010 年中推出的 Python 2.7 被确定为 最后一个Python 2.x 版本

提示:如果开发时,无法立即使用 Python 3.0(还有极少的第三方库不支持 3.0 的语法),建议

  • 先使用 Python 3.0 版本进行开发
  • 然后使用 Python 2.6、Python 2.7 来执行,并且做一些兼容性的处理

03. 执行 Python 程序的三种方式

3.1. 解释器 python / python3

Python 的解释器
其他解释器(知道)

Python 的解释器 如今有多个语言的实现,包括:

  • CPython —— 官方版本的 C 语言实现

  • Jython —— 可以运行在 Java 平台

  • IronPython —— 可以运行在 .NET 和 Mono 平台

  • PyPy —— Python 实现的,支持 JIT 即时编译

3.2. 交互式运行 Python 程序

  • 直接在终端中运行解释器,而不输入要执行的文件名

  • 在 Python 的 Shell 中直接输入 Python 的代码,会立即看到程序执行结果

1) 交互式运行 Python 的优缺点
优点
  • 适合于学习/验证 Python 语法或者局部代码
缺点
  • 代码不能保存

  • 不适合运行太大的程序

2) 退出 官方的解释器
1> 直接输入 exit()
>>> exit()

2> 使用热键退出

在 python 解释器中,按热键 ctrl + d 可以退出解释器

3) IPython
  • IPython 中 的 “I” 代表 交互 interactive
特点
  • IPython 是一个 python 的 交互式 shell,比默认的 python shell 好用得多

  • 支持自动补全

  • 自动缩进

  • 支持 bash shell 命令

  • 内置了许多很有用的功能和函数

  • IPython 是基于 BSD 开源的

版本
  • Python 2.x 使用的解释器是 ipython

  • Python 3.x 使用的解释器是 ipython3

  • 要退出解释器可以有以下两种方式:

1> 直接输入 exit
In [1]: exit
2> 使用热键退出

在 IPython 解释器中,按热键 ctrl + d,IPython 会询问是否退出解释器

IPython 的安装
$ sudo apt install ipython

3.3. Python 的 IDE —— PyCharm

1) 集成开发环境(IDE)

集成开发环境(IDE,Integrated Development Environment)—— 集成了开发软件需要的所有工具,一般包括以下工具:

  • 图形用户界面

  • 代码编辑器(支持 代码补全/自动缩进)

  • 编译器/解释器

  • 调试器(断点/单步执行)

  • ……

2)PyCharm 介绍

  • PyCharm 是 Python 的一款非常优秀的集成开发环境

  • PyCharm 除了具有一般 IDE 所必备功能外,还可以在 Windows、Linux、macOS 下使用

  • PyCharm 适合开发大型项目

  • 一个项目通常会包含 很多源文件

  • 每个 源文件 的代码行数是有限的,通常在几百行之内

  • 每个 源文件 各司其职,共同完成复杂的业务功能

3)PyCharm 快速体验

  • 文件导航区域 能够 浏览/定位/打开 项目文件

  • 文件编辑区域 能够 编辑 当前打开的文件

  • 控制台区域能够:
    。 输出程序执行内容
    。跟踪调试代码的执行
    。右上角的 工具栏 能够 执行(SHIFT + F10) / 调试(SHIFT + F9) 代码

Python小白入门:手把手教你安装及运行第一个程序 阅读详情

相关推荐

老王讲IT:第一个Python程序

目前市场上有两个 Python 的版本并存着,分别是Python 2.x和Python 3.x新的 Python 程序建议使用Python 3.0版本的语法Python 2.x 是过去的版本解释器名称是pythonPython 3.x 是现在和未来 主流的版本解释器名称是python3相对于Python的早期版本,这是一个较大的升级为了不带入过多的累赘,Python 3.0在设计的时候没有考虑向下兼容许多早期Python版本设计的程序都无法在Python 3.0上正常执行Python 3.0 发布于。

m0_73193414的博客 1073

Python教程(5)——Python的第一个程序

python的环境以及IDE都准备好之后,我们就可以开始Python之旅了。Python的第一个程序通常是打印输出"Hello, World!",非常简单。

一点 1060

零基础学Python:超简单入门教程

Python是一种功能强大且易于学习的编程语言,适合初学者入门。本文为编程新手提供了从安装Python到编写第一个程序的详细指南。

ranweidaoke的博客 462

python零基础电子书免费下载-零基础学Python

准备自学Python朋友,不放来看看《零基础学Python》吧!小编这里为各位送上的是这本书的全彩PDF版,该书从初学者角度出发,通过通俗易懂的语言、流行有趣的实例,详细地介绍了使用IDLE及Python框架进行程序管理的知识和技术,还有大量实例帮助读者跟好地巩固所学到的内容。欢迎感兴趣的朋友前来西西下载!内容介绍零基础学Python(全彩版)是针对零基础编程学习者研发的Python入门教程。从初...

weixin_37988176的博客 1214

STM32F407通过SMBus协议精准读取BQ40Z50电池电量

本文详细介绍了STM32F407通过SMBus协议精准读取BQ40Z50电池电量的实现方法。从硬件连接到软件驱动开发,再到通信异常排查,提供了完整的解决方案。重点解析了SMBus协议的特殊时序要求、GPIO模拟驱动的关键代码,以及实际调试中的常见问题与对策,帮助开发者高效完成电池管理系统开发。

weixin_29189003的博客 253

STM32G474的HRTIM实战:用CubeMX配置互补PWM驱动全桥电路(附移相算法代码)

本文详细介绍了如何使用STM32G474的HRTIM高分辨率定时器,通过CubeMX配置互补PWM驱动全桥电路,并附移相算法代码。内容涵盖HRTIM硬件架构解析、CubeMX配置全流程、移相控制算法实现及调试技巧,为数字电源和电机控制领域提供实用解决方案。

weixin_27017211的博客 486

Python零基础入门教程

Python零基础入门教程 去发现同类优质开源项目:https://gitcode.com/ 简介 本教程是专为完全零基础的朋友设计,旨在帮助您快速入门Python编程。教程由小翔讲师主讲,内容涵盖了Python编程的基础知识,从环境搭建到基础语法,逐步引导您掌握Python编程的基本技能。 适用人群 完全零基础的编程爱好者 想要入门Python编程的学习者 教程内容 搭建Python开发环...

gitblog_06719的博客 388

多边形裁剪算法

多边形裁剪算法 刚参加工作就跟多边形刚上了,对于多边形的裁剪做一些简单的总结。 多边形裁剪主要有四种算法 Greiner-Hormann裁剪算法 Sutherland-Hodgman算法 Vatti裁剪算法 Weiler-Atherton裁剪算法 作为一名想要成为优秀算法工程师的程序员,我们不能只会使用,而不知道其原理,倘若如此,我们无法做到应用于本身业务上的定制化的修改。 Greiner–H...

papalqi 6729

零基础如何入门Python

编程零基础如何学习Python 如果你是零基础,注意是零基础,想入门编程的话,我推荐你学Python。虽然国内基本上是以C语言作为入门教学,但在麻省理工等国外大学都是以Python作为编程入门教学的。 那么如何学习Python呢? 第一步:先把刀磨好 俗话说得好,磨刀不误砍柴工,这个你不得不信,反正我信了。那么怎么磨刀呢?首先,百度一下Python,对Python...

108

MPU6050 加速度计和陀螺仪传感器与 Arduino 的接口

虽然该模型并不能准确代表现实世界中加速度计传感器的构建方式,但它通常有助于理解为什么加速度计的输出信号通常以 ±g 为单位指定,或者为什么加速度计在静止时在 z 轴上的读数为 1g,或者在不同方向上您可以期望得到什么样的加速度计读数。该模块的核心是低功耗、低成本的 6 轴运动跟踪芯片 MPU6050,它将 3 轴陀螺仪、3 轴加速度计和数字运动处理器 (DMP) 集成到一个 4mm x 4mm 的微型芯片中。小时候,科学博览会上的陀螺仪总是让我们感到惊讶,因为它们以奇怪的方式移动,甚至似乎违背了重力。

sxstj的博客 9936

手把手教你用EG2153搭建开关电源:SOP-8封装驱动芯片的5个设计技巧

本文详细介绍了使用EG2153自振荡半桥驱动芯片搭建开关电源的五个核心设计技巧。内容涵盖从深入理解芯片工作机制、频率编程计算误区、SOP-8封装的热管理方案,到死区时间评估与外部保护电路设计,以及实战调试与故障排查指南,旨在帮助工程师实现稳定可靠的小功率电源设计。

weixin_29200485的博客 380

python入门教程(非常详细),python基础教程 入门教程

本书适合有一定Python编程经验,而且对爬虫技术感兴趣的读者阅读。

m0_59236127的博客 380

python语言下使用opencv接口cv2.VideoCapture()接口调用海康机器人工业相机

文章目录 目录 文章目录 前言 一、opencv接口介绍 二、调用海康机器人工业相机 1.使用海康机器人工业相机的前提 2.调用海康机器人工业相机进行显示 3.调用海康机器人工业相机进行存图 4.调用海康机器人工业相机存视频 5.调用海康机器人工业相机进行简单图像处理 总结 前言 提示:这里可以添加本文要记录的大概内容: 例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。 提示:以下是本篇文章正文内容,下.

qq_39570716的博客 1万+

python脚本编程教程入门_毫无基础的人如何入门 Python ?Python入门教程拿走不谢啦!...

随着人工智能的发展,Python近两年也是大火,越来越多的人加入到Python学习大军,对于毫无基础的人该如何入门Python呢?这里整理了一些个人经验和Python入门教程供大家参考。如果你是零基础入门 Python 的话,建议初学者至少达到两个目标: 会用,理解。会用通过 Python 入门教程,学习 Python 的语法,熟悉 Python 标准库的使用。目前 Python 官方已经发布了中...

weixin_39841709的博客 205

人工智能,不止于模型:四步实现完整工作流

工程师越来越多地致力于将人工智能 (AI) 集成到自己的项目和应用中,同时不断着力提升自己的 AI 技能。面对 AI 问题,工程师首先要了解什么是 AI,以及如何将它纳入当前工作流,这看似简单,实则未必容易。在 Google 中搜索“什么是 AI?”会得到数百万条结果,包括不同程度的技术和相关信息。那么,对工程师而言,AI 意味着什么?人们对 AI 的关注主要集中在 AI 模型上,受此影响,工程师会迅速投入 AI 建模的研究。

r1832644594的博客 2825

本地通知与健康数据的隐私保护方案

随着移动健康(mHealth)应用的普及,本地通知与健康数据的结合为用户提供了更加个性化的健康管理体验。然而,这种便利性也带来了严峻的隐私保护挑战。本文旨在探讨如何在移动应用中实现本地通知功能的同时,确保用户健康数据的隐私安全。本地通知与健康数据结合的技术架构隐私保护的核心技术方案具体算法实现与数学模型实际应用案例分析本文首先介绍背景知识和核心概念,然后深入探讨隐私保护的技术方案,包括算法原理和数学模型。接着提供实际代码实现和应用场景分析,最后讨论未来发展趋势和挑战。

移动开发前沿的博客 1310

python实现炫酷的屏幕保护程序!

今天写了桌面保护程序。先来看看效果吧。其实还可以设置背景图片之类的,感兴趣的伙伴可以继续自行尝试。

Everly_的博客 1067

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

python框架入门教程_毫无基础的人如何入门 Python ?Python入门教程拿走不谢啦!...

随着人工智能的发展,Python近两年也是大火,越来越多的人加入到Python学习大军,对于毫无基础的人该如何入门Python呢?这里整理了一些个人经验和Python入门教程供大家参考。如果你是零基础入门 Python 的话,建议初学者至少达到两个目标: 会用,理解。会用通过 Python 入门教程,学习 Python 的语法,熟悉 Python 标准库的使用。目前 Python 官方已经发布了中...

weixin_30941189的博客 350

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

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零基础不用怕,程序媛轻松教你入门,连安装步骤都给你准备啦

python零基础不用怕,程序媛轻松教你入门,连安装步骤都给你准备啦你还有什么理由不学习!! 大家好,今天带领大家进行Python从入门到提高的学习路程。首先我们先对Python有个基本的了解和清晰的概念,然后再一步一步从基础开始提升,进而全面开启你的Python进修之路。 本篇内容一共分为四个部分: Python语言的背景知识 Python软件包的安装方法 编写的第一个Python程序 良好的编程规定 需要python全套自学资料的,文末有领取方式 Python语言的背景知识 众所周知,在21世纪.

m0_59235508的博客 484

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

Python笔记——零基础学python:超详细的入门教程!python入门教程

Python由吉多·范罗苏姆(Guido van Rossum)于1991年开发而成,至今已经成为世界上最受欢迎的编程语言之一。它的设计哲学强调代码的可读性,特别是其简洁的语法,使得Python非常适合初学者。为什么Python如此受欢迎?以下是一些原因:??简洁易学:Python的语法简单直观,非常适合初学者。强大的社区支持:Python有着庞大的开发者社区,丰富的第三方库和框架。跨平台:Python支持多种操作系统,如Windows、MacOS、Linux等。

G2583690的博客 468

永恒python怎么用_毫无基础的人如何入门 Python ?Python入门教程拿走不谢啦!

随着人工智能的发展,Python近两年也是大火,越来越多的人加入到Python学习大军,对于毫无基础的人该如何入门Python呢?这里整理了一些个人经验和Python入门教程供大家参考。如果你是零基础入门 Python 的话,建议初学者至少达到两个目标: 会用,理解。会用通过 Python 入门教程,学习 Python 的语法,熟悉 Python 标准库的使用。目前 Python 官方已经发布了中...

weixin_39539807的博客 152

【Python3 查询手册学习】,完整版PDF开放下载_python速查手册·模块卷(全彩版) pdf(2)

Python言语有一个特点就是没有什么特别强势的,可是它能够使用都非常的多范畴,并且效率高的可怕,Python的使用范畴非常多,现在据了解国内应该是没有太多人学习Python,而Python的招聘和薪酬确实非常的高,现在有许多大型企业如腾讯,阿里,百度,搜狐,微软,谷歌,华为这些大型互联网公司都是用高薪延聘Python开发人员。当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。

m0_61549740的博客 876

中学生可以这样学python,中学生学python书籍推荐

大家好,小编为大家解答初中生学python有必要花钱去学吗的问题。很多人还不知道中学生可以这样学python.pdf,现在让我们一起来看看吧!

神经网络爱好者 1069

python资源很多,但如何高效的学习python?几个步骤轻松搞定!_python东西太多怎么学(1)

① Python所有方向的学习路线图,清楚各个方向要学什么东西② 600多节Python课程视频,涵盖必备基础、爬虫和数据分析③ 100多个Python实战案例,含50个超大型项目详解,学习不再是只会理论④ 20款主流手游迫解 爬虫手游逆行迫解教程包⑤ 爬虫与反爬虫攻防教程包,含15个大型网站迫解⑥ 爬虫APP逆向实战教程包,含45项绝密技术详解⑦ 超300本Python电子好书,从入门到高阶应有尽有⑧ 华为出品独家Python漫画教程,手机也能学习。

2401_84140112的博客 477

网络安全入门教程(非常详细)从零基础入门到精通,看完这一篇就够了。_网络安全教程(1)

是一种面向对象、直译式电脑编程语言,具有近二十年的发展历史,成熟且稳定。它包含了一组完善而且容易理解的标准库,能够轻松完成很多常见的任务。它的语法简捷和清晰,尽量使用无异义的英语单词,与其它大多数程序设计语言使用大括号不一样,它使用缩进来定义语句块。与Scheme、Ruby、Perl、Tcl等动态语言一样,Python具备垃圾回收功能,能够自动管理内存使用。它经常被当作脚本语言用于处理系统管理任务和网络程序编写,然而它也非常适合完成各种高级任务。Python虚拟机本身几乎可以在所有的作业系统中运行。

2401_84281588的博客 424
上一篇: 十分钟教你入门Python,手写代码,搭建环境
下一篇: Python2与Python3有何区别?
黑客老许
博客等级 码龄8年 6157粉丝 1028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