详细比对15款Python编辑器,请择优选用!

真给力,字节跳动年度首发《音视频开发进阶指南》限时领取,理论与实战齐飞 音视频播放:音视频同步音视频解封和封装:生成一个MP4。 阅读详情

本文介绍了多个 Python IDE,并评价其优缺点

读者可以参考此文列举的 Python IDE 列表,选择适合自己的编辑器

写 Python 代码最好的方式莫过于使用集成开发环境(IDE)了。它们不仅能使你的工作更加简单、更具逻辑性,还能够提升编程体验和效率。

每个人都知道这一点。而问题在于,如何从众多选项中选择最好的 Python 开发环境。初级开发者往往面临这个问题。

本文将概述最受程序员欢迎的 Python IDE,以及其他值得考虑的选项。在此之前,我们先来看看 IDE 是什么。

2f6dcf63b851f5d82e8cccfb10ba0673.png

什么是 IDE?IDE 有什么用?

IDE 是开发者创建程序时使用的软件包。它通过简单的用户界面集成多个高度关联的组件,从而最大化程序员的生产效率。本质上,IDE 是一种改进代码创建、测试和 debug 流程的工具,它使这些工作更加简单。

IDE 使用的工具包括:

  • 文本编辑器

  • 编译器和/或解释器

  • 装配自动化工具(assembly automation tool)

  • 调试器(debugger)

有一个与 IDE 相似的术语——代码编辑器(code editor)。我们先来探讨二者的异同。

什么是代码编辑器?

代码编辑器是一个能够突出显示语法和安排代码版式的文本编辑器。高级代码编辑器可以开发和修改代码。

2b727df0f3c5f7603514fb87c7289e5c.png

IDE 和代码编辑器的显著特征

IDE 和代码编辑器有哪些共同优点?它们均可帮助开发者:

  • 存储和重新打开脚本

  • 运行代码

  • debug

  • 突出显示语法

最受 Python 开发者欢迎的 IDE

PyCharm

下载地址:https://www.jetbrains.com/pycharm/download/

a2c9d84f49c3d3574996f30f8cc95805.png

PyCharm 由著名软件开发公司 JetBrains 开发。在涉及人工智能和机器学习时,它被认为是最好的 Python IDE。最重要的是,Pycharm 合并了多个库(如 Matplotlib 和 NumPy),帮助开发者探索更多可用选项。

兼容性:Windows、MacOS、Linux

主要插件和功能:

  • 内置开发者工具

  • 远程开发能力

  • 实时编辑模式

  • IPython Notebook

优点:

  • PyCharm 支持 web 开发框架,如 Pyramid、Flask 和 Django。

  • 提供智能代码功能,可以执行更精确、快速的 bug 修复。

  • 在 Docker 和 Vagrant 连接和 ssh 终端的帮助下,允许在远程主机上进行程序开发。

缺点:

  • 界面庞杂

  • 其优点的成本高昂

Visual Studio Code

下载地址:https://code.visualstudio.com/Download

1c7ccc2d6fcf5065123ccb406b887aab.png

Visual Studio Code 有时会与 Visual Studio IDE 混淆,后者并非 Python 使用者常用的工具。VS Code 是完整的代码编辑器,具备很多优秀功能,许多程序员称其为最好的 IDE 编辑器。

兼容性:Windows、Linux、Mac OS

主要插件和功能:

  • 内置 git

  • 自定义工具扩展插件

  • 断点调试

  • 交互式控制台

优点:

  • 其 Electron 框架允许开发者在几乎所有平台上使用 VS Code。

  • 在编辑器中直接 debug。

  • 支持多个键盘快捷键,以加速编程。

缺点:

  • debug 功能有限。

  • 没有内置模板。

Sublime Text

下载地址:https://www.sublimetext.com/

0c7bb441d4d5666e3ef30a92c77cd3a8.png

Sublime Text 被认为是最好的 Python 编辑器,因为它简单、通用、方便。它使用广泛,可用于不同的平台。

兼容性:Windows、Linux、Mac OS

主要插件和功能:

  • 简易导航,实现高性能

  • 支持不同包,以自定义编辑器

  • 只需一个关键词,即可复制常见代码段

  • 即时项目切换和分割编辑

优点:

  • 可处理多种标记语言。

  • 允许用户选择想要进行的项目。

  • 具备能够提供类和函数宽索引的重要工具。

  • 提供强大的 API 和组织化的生态系统,以实现高性能。

缺点:

  • 对于新手来说,过于高级。

  • 其 git 插件不是特别强大。

VI/Vim

下载地址:https://www.vim.org/

91e4d76fd8918b8c81beea6806a44515.png

Vim 位列最好的 Python IDE 工具前 5 名。它是一个 modal editor,可以从「文件编辑」中分割文件。相比最初的 Vi,Vim 有了巨大进步,功能更加强大。

兼容性:Windows、Linux、Mac OS、IOS、Android、UNIX、AmigaOS、MorphOS

主要插件和功能:

  • 其脚本允许用 Python 执行几乎所有编程任务。

  • Ctags,帮助实现更好的标记导航。

  • 内置基础词汇补全。

优点:

  • 具备键盘界面,可以提升效率。

  • 支持多个插件(如版本控制工具、文件管理工具)。

  • 通过 .vimrc 文件实现不同扩展功能(如突出显示搜索结果)。

缺点:

  • 界面笨拙,一些开发者认为其不方便使用。

  • 其 modal editor 需要用户花费一定时间学习。

GNU Emacs

下载地址:https://www.gnu.org/software/emacs/emacs.html

1f0dcc2a58a5a7bb9873088ab2cace53.png

GNU Emacs 也是最好 Python 编辑器的有力竞争者。它常被描述为可扩展、自文档化、实时显示。尽管它在业界并非最新,但它经常升级来满足开发者的需求。

兼容性:Windows、Linux、Mac OS、IOS、Android、UNIX、AmigaOS、MorphOS

主要插件和功能:

  • 使用 Lisp 编程语言

  • 语法着色

  • 支持 Unicode

优点:

  • Lisp 作为第二语言,可以帮助程序员更好地编程。

  • Emacs 可与多个不同平台兼容。

  • 提供大量自定义脚本供开发者使用。

缺点:

  • 用户可能需要多花一点时间,来学习该编辑器的复杂自定义过程。

  • 使用上比其他一些 IDE 要复杂一些。

IDLE

下载地址:https://docs.python.org/3/library/idle.html

35acec3d2c231c06c9c4874e9a1f7dc6.png

IDLE 代码编辑器深受学生欢迎,它是 Python 自带编辑器。该编辑器使用简单、通用,且支持不同设备。在使用更复杂工具之前,开发者可以通过 IDLE 学习基础知识。

兼容性:Windows、Linux、Mac OS

主要插件和功能:

  • tkinter GUI 工具包

  • 多窗口界面

  • 具备对话框、浏览器等配置

优点:

  • 允许用户突出显示错误、自动编码,并进行准确识别。

  • 具备轻量级 Python shell。

  • 其内置修正功能可以提升性能。

  • 允许用户在编辑器中搜索和替换文件。

缺点:

  • 不支持复制到库。

  • 脚本不能超过 100 行代码。

对于机器学习、人工智能和大数据,最好的 Python 兼容 IDE

Python 是机器学习、人工智能、大数据等领域中的首选语言之一。这部分将介绍适合这些领域 Python 开发的 IDE。

Atom

下载地址:https://atom.io/

df208158311dff50a89f6bc56e38c099.png

Atom 是一个开源编辑器,可与几乎所有编程语言兼容,如 PHP、Java。它定期更新、可信赖,且具备通用性。Github 为 Atom 开发了强大的功能,以提供良好的编程体验,包括多个插件,如 SQL queries 包、Markdown Preview Plus 包,以及编辑、可视化和渲染 LaTeX 公式的包。

Spyder

下载地址:https://www.spyder-ide.org/

881c9bb8344fe18a5abad7aa9360883d.png

Spyder 是为数据科学而开发的。它是开源工具,能够与大量平台兼容,因而成为 IDE 新手用户的更好选择。为实现完美开发,它合并了多个关键库,如 NumPy、Matplotlib 和 SciPy。

JuPyter/IPython Notebook

下载地址:https://jupyter.org/

de39c1cef11466d14400c725fe91356a.png

Jupyter 是基于 web 的编辑器,它允许开发者构建和运行脚本或 notebook。它相对简单,对用户也更加友好。Jupyter 还使用 Seaborn 和 Matplotlib 执行数据可视化。

其他 Python 开发 IDE

这部分将介绍一些不那么有名和流行但同样值得一看的 IDE。

Eclipse + PyDev

下载地址:

https://www.eclipse.org/

https://www.pydev.org/

0f886904551240880594690fc5ff13d4.png

Eclipse 是一个开源编辑器,也是 Windows 系统首选 Python IDE 之一。其扩展项和插件非常昂贵,足以构建你想构建的一切。Eclipse 辅以 PyDev 扩展项,可实现智能 debug,并改善代码质量。

Eric Python

下载地址:https://eric-ide.python-projects.org/

1f0699074946617f3bb7fa2923c47de0.png

Eric 是另一个不那么流行的 Python IDE,但它功能强大且高效。不管是商业用途还是私人用途,Eric 都能提供合适的功能。它可在所有平台上运行。

Wing

下载地址:https://wingware.com/

a4e87e52d10661be39fd497543a90ccf.png

Wing 是著名的 Python IDE,可实现智能编程。其编辑器简单易用,debugger 强大,支持远程编程、错误检查等功能,值得一试。

PyScripter

下载地址:https://sourceforge.net/projects/pyscripter/files/latest/download

65175f8859d781e85727d8f7c298d7b4.png

PyScripter 以其卓越功能打败了适用于 Windows 系统的其他 Python IDE。它也是 Mac 系统中好用的 Python IDE,其商业版本支持大部分编程语言。PyScripter 具备丰富的功能集,但也很轻量。

Pyzo

下载地址:https://pyzo.org/start.html

9bf3da384368c2f15b3c47469490af17.png

Pyzo 是一个免费开源编程工具,可与任意 Python 解释器一起使用,甚至是 Conda 环境。其最突出的两个特点是简洁性和交互性。简单易用,非常适合新手。

Thonny

下载地址:https://thonny.org/

02d7523352903b5c6ea7ec3d67336b99.png

Thonny 由塔尔图大学开发,适合新手程序员。其界面没有任何复杂或多余功能,很容易上手。另一个适合新手的地方是,你可以看到 Python 在每一步中对你的表达式的评估。

结论

本文概述了大量优秀的 Python IDE 和其他工具。决定使用哪一种工具取决于工具的便利性和对工具的熟练程度。当然,也有大家都喜欢的工具(如 PyCharm),但是你可以多尝试几种工具,看看哪种最适合你

一些 IDE 适合新手,另一些则更加专业,每一个 IDE 都具备独特的功能和设计

本文仅提供一些选项,读者可以从中选择适合自己的 Python IDE

508260c5b24e97235c6a5f0c7db1cf88.gif

Python开发IDE的比较:PyCharm vs. VS Code vs. Jupyter 您可以在代码旁边创建引人入胜的图表和图形,这使它成为与数据分析有关的任何人的优秀选择。它内置的调试器在消除代码中的那些讨厌的错误时是一个救命稻草。凭借其强大的功能集,PyCharm满足了那些需要高效、高性能和全面调试工具的开发人员的需求。此外,VS Code的Python扩展提供了代码检查和调试功能,使您的编码之旅更加顺畅。如果您正在进行需要深度调试和专业级工具的复杂项目,PyCharm可能是您的最佳选择。如果您重视灵活、可自定义和开源的体验,那么VS Code可能是您的完美选择。看动手写些简单的代码。 阅读详情

相关推荐

一文讲透什么是ADC/DAC中的DDC、DUC、采样率以及数据率等概念

摘要:ADC/DAC中的采样率与数据率概念不同,采样率是转换器的时钟速率,而数据率是数字输出的实际速率。抽取通过滤波降低数据速率,提升信噪比但牺牲带宽;内插则通过插零和滤波提高采样率,将镜像信号移远但增加延迟和功耗。JESD204B标准的高速转换器需平衡通道数与串行速率,内插/抽取技术是关键。文章还解析了DDC、DUC的应用及优缺点,为高速数据转换设计提供参考。(150字)

weixin_49761275的博客 4278

六款好用的Python IDE

“工欲善其事,必先利其器”,如果说编程是程序员的手艺,那么IDE就是程序员吃饭的家伙了。 一个优秀的IDE,最重要的就是在普通文本编辑之外,提供针对特定语言的各种快捷编辑功能,让程序员尽可能快捷、舒适、清晰的浏览、输入、修改代码。对于一个现代的IDE来说,语法着色、错误提示、代码折叠、代码完成、代码块定位、重构,与调试器、版本控制系统(C...

weixin_33713503的博客 6072

国产PHY芯片YT8512H替代LAN8742A的实战指南(STM32F407平台)

本文详细介绍了在STM32F407平台上,使用国产PHY芯片YT8512H替代LAN8742A的完整实战过程。文章深入剖析了硬件设计中的关键信号连接差异(如CRS_DV与RXDV复用)、时钟布线要点,并提供了软件驱动修改、PHY配置及调试排错的系统指南,旨在帮助工程师高效完成国产化替代,规避常见陷阱。

defi6farmer的博客 860

10个最好用的Python IDE,总有一款适合你

对于程序员来说,除了日常争论世界上最好的语言是哪一门以外,哪款 IDE 是最好的也是争议颇多,今天我们就来介绍 10 款最好的 Python 编程 IDE,总有一款适合你!

Python966的博客 1万+

国产麒麟系统下用Rider开发C#桌面应用:从环境配置到Avalonia UI实战

本文详细介绍了在国产麒麟系统上使用JetBrains Rider开发C#桌面应用的完整流程,重点讲解了Avalonia UI框架的实战应用。从环境配置、Rider安装到Avalonia项目创建和UI开发技巧,全面覆盖了在非Windows环境下进行C#开发的关键步骤和优化建议,助力开发者高效构建跨平台桌面应用。

weixin_27791839的博客 387

无需SLAM建图,直接生成Gazebo仿真环境的二维代价地图的功能包pgm_map_creator适配ROS Noetic编译报错及解决方法

在ROS Noetic中,使用`pgm_map_creator`功能包直接生成Gazebo仿真环境的二维代价地图时,可能会遇到各种编译和运行错误。本篇博客详细解析了在适配ROS Noetic过程中常见的报错及其解决方法,包括Boost文件结构更新、C++版本兼容性、Gazebo函数名变更、链接库缺失以及protobuf文件加载错误。通过逐步排查和修改,如更换头文件路径、调整C++标准、更新CMakeLists.txt文件等,成功解决了这些问题,使得`pgm_map_creator`功能包能够顺利编译和运行。

慕羽★的博客 2261

八个最佳Python IDE

八个最佳Python IDE作者:chszs,转载需注明。博客主页:http://blog.youkuaiyun.com/chszsPython是一种功能强大、语言简洁的编程语言。本文向大家推荐8个适合Python开发的IDE。1. Eclipse with PyDevhttp://pydev.org/Eclipse+PyDev插件,很适合开发Python Web应用,其特征包括自动代码完成、语法高亮、代码分析

chszs的专栏 22万+

【用unity实现100个游戏之16】Unity程序化生成随机2D地牢游戏1(附项目源码)

关于使用TileMap生成随机2D地图,其实之前已经有做过类似的,感兴趣可以看看 但是随着学习深入,发现之前做的比较粗糙和不够全面,最近又在外网看到

向宇的博客,专注php/web全栈 unity游戏开发,欢迎大家评论纠错 2218

详细比对 15 款 Python 编辑器,请择优选用!

本文介绍了多个 Python IDE,并评价其优缺点读者可以参考此文列举的 Python IDE 列表,选择适合自己的编辑器 写 Python 代码最好的方式莫过于使用集成开发环境(IDE)了。它们不仅能使你的工作更加简单、更具逻辑性,还能够提升编程体验和效率。 每个人都知道这一点。而问题在于,如何从众多选项中选择最好的 Python 开发环境。初级开发者往往面临这个问题。 本文将概述最受程序员欢迎的 Python IDE,以及其他值得考虑的选项。在此之前,我们先来看看 IDE 是什么。 什么是 ID.

mengy7762的博客 1068

Modbus协议介绍及解析

Modbus协议介绍及解析 1.Modbus简介 Modbus是一种广泛应用于工业控制领域串行通信协议,以其开放性、高可靠性、高效简单性、免费等优点,成为了工业领域通信协议的业界标准,是工业现场电子设备之间常用的连接方式。Modbus按其格式可分为Modbus-RTU,Modbus-ASCII,Modbus-TCP,其中前两者适用于串行通信控制网络中,例如RS485,RS232等,而Modbus-TCP主要应用于基于以太网TCP/IP通信的控制网络中。通过此协议,控制器相互之间、或控制器和其它设备之间进行通

逍遥子的博客 1万+

HMC7044调试指南与FPGA开发

最后,我们介绍了在FPGA开发中使用HMC7044的几个常见应用场景,包括时钟分配、时钟同步、高精度时钟生成和时钟域交叉。根据您的应用需求,您可以选择不同的时钟分配方案,例如使用PLL生成特定频率的时钟信号,或者通过分频器生成较低频率的时钟信号。HMC7044可以提供精确的时钟同步功能,确保各个FPGA板之间的时钟信号保持一致,从而实现可靠的数据传输和协同操作。HMC7044可以实现时钟域之间的交叉,通过生成和分配不同频率的时钟信号,使得不同时钟域的模块能够协同工作。FPGA开发中的HMC7044应用。

CqpFsharp的博客 3621

详细比对 15 款 Python 编辑器/ IDE,请择优选用!

????推荐大家关注一个公众号????点击上方 "编程技术圈"关注,星标或置顶一起成长后台回复“大礼包”有惊喜礼包!每日英文It has not been the time yet to give ...

程序员小乐 286

【Unity优化篇】| Unity3D场景 常用优化策略,遮挡剔除、层消隐距离技术 和 LOD多层次细节

本篇文章来简单介绍一下 Unity中几种常用3D场景优化策略 方法 对于整个项目来说,本文中出现的方法也只是冰山一角,慢慢积累学习吧! 内容包括遮挡剔除(Occlusion Culling)、层消隐距离技术 和 LOD多层次细节

努力前行,总会成为自己心中的那道光 1万+

详细比对 15 款 Python 编辑器,请择优选用

本文介绍了多个 Python IDE,并评价其优缺点读者可以参考此文列举的 Python IDE 列表,选择适合自己的编辑器 写 Python 代码最好的方式莫过于使用集成开发环境(IDE)了。它们不仅能使你的工作更加简单、更具逻辑性,还能够提升编程体验和效率。 每个人都知道这一点。而问题在于,如何从众多选项中选择最好的 Python 开发环境。初级开发者往往面临这个问题。 本文将概述最受程序员欢迎的 Python IDE,以及其他值得考虑的选项。在此之前,我们先来看看 IDE 是什么。 什么是 ID.

zihong523的博客 4543

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")

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。

良心推荐5款Python编辑器,请择优选用!

分享5款非常棒的 Python IDE 和文本编辑器。在介绍之前,好学编程来讲一下 IDE 和文本编辑器之间的区别。

weixin_55154866的博客 4437

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

详细比对15款 Python 编辑器,请择优选用

写 Python 代码最好的方式莫过于使用集成开发环境(IDE)了。它们不仅能使你的工作更加简单、更具逻辑性,还能够提升编程体验和效率。

m0_59485658的博客 537

15款android设备上的代码编辑器,超级方便!

如果你希望你的Android设备,如智能手机和平板电脑,在任何时间和任何地方都能够编写代码,那么,不妨看看下面我将介绍的15款Android代码编辑器,它们必将成为你的理想工具。 1.Deuter IDE 一款基于移动开发的文本编辑器,在线编译器,内置支持Android的集成开发环境。它的虚拟按键可提供常用的编程符号和语法高亮功能,并支持超过40种编程语言,从而能让你在旅途中写代码变得从未如此...

weixin_40876133的博客 4万+

15款Python编辑器,你喜欢用哪一款?

IDE 是开发者创建程序时使用的软件包。它通过简单的用户界面集成多个高度关联的组件,从而最大化程序员的生产效率。本质上,IDE 是一种改进代码创建、测试和 debug 流程的工具,它使这些工作更加简单。IDE 使用的工具包括:文本编辑器编译器和/或解释器装配自动化工具(assembly automation tool)调试器(debugger)有一个与 IDE 相似的术语——代码编辑器(code editor)。我们先来探讨二者的异同。...

千锋教育 1万+

有了这 15 款编程游戏,谁都可以学编程!

点击蓝色“五分钟学算法”关注我哟加个“星标”,一起学算法1Coding Games一边玩游戏,一边挑战编程难题。Coding games支持包括PHP、C、JavaScr...

程序员吴师兄的博客 1万+

15 款Python编辑器的优缺点,别再问我“选什么编辑器”啦!

本文介绍了多个 Python IDE,并评价其优缺点。读者可以参考此文列举的 Python IDE 列表,选择适合自己的编辑器。

2401_86168842的博客 1800

15 款Python编辑器的优缺点,别再问我“选什么编辑器”

Github 为 Atom 开发了强大的功能,以提供良好的编程体验,包括多个插件,如 SQL queries 包、Markdown Preview Plus 包,以及编辑、可视化和渲染 LaTeX 公式的包。VS Code 是完整的代码编辑器,具备很多优秀功能,许多程序员称其为最好的 IDE 编辑器。本质上,IDE 是一种改进代码创建、测试和 debug 流程的工具,它使这些工作更加简单。它相对简单,对用户也更加友好。另一个适合新手的地方是,你可以看到 Python 在每一步中对你的表达式的评估。

姜的blog 1620

python用什么编译器较好-15款Python编辑器的优缺点,别再问我“选什么编辑器”啦...

本文介绍了多个 Python IDE,并评价其优缺点。读者可以参考此文列举的 Python IDE 列表,选择适合自己的编辑器。写 Python 代码最好的方式莫过于使用集成开发环境(IDE)了。它们不仅能使你的工作更加简单、更具逻辑性,还能够提升编程体验和效率。每个人都知道这一点。而问题在于,如何从众多选项中选择最好的 Python 开发环境。初级开发者往往面临这个问题。本文将概述最受程序员欢迎...

weixin_37988176的博客 7144
上一篇: 我用YOLOX露了一手,记录一下模型部署、优化及训练的实现全过程
下一篇: 腾讯2022应届生校招总包40W
Wang_AI
博客等级 码龄12年 997粉丝 162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