Python random模块

本文详细介绍了Python中的random模块,包括生成随机浮点数、整数、从序列中选择随机元素等常用函数。通过实例展示了random模块在实际编程中的应用。

random是用于生成随机数的,我们可以利用它随机生成数字或者选择字符串。

  • random.random()   用于生成一个随机浮点数:range[0.0,1.0)
import random

random.random()   #输出 0.5487876445645461
  • random.uniform(a,b)   用于生成一个指定范围内的随机浮点数,a,b为上下限,只要a!=b,就会生成介于两者之间的一个浮点数,若a=b,则生成的浮点数就是a
import random


random.uniform(10,20) #输出 15.999997038152358


random.uniform(20,10) #输出 12.718038067741021
random.uniform(10,10) #输出 10.0
  • random.randint(a,b)   用于生成一个指定范围内的整数,a为下限,b为上限,生成的随机整数a<=n<=b;若a=b,则n=a;若a>b,报错
import random


random.randint(10,20) #输出 12


random.randint(10,10) #输出 10
random.randint(20,10) #Error
  • random.randrange([start], stop[,step])   从指定范围内,按指定基数递增的集合中获取一个随机数,基数缺省值为1
import random


random.randrange(10,100) #输出为10到100间的任意数


random.randrange(10,100,4) #输出为10到100内以4递增的序列[10,14,18,22...]
random.choice(range(10,100,4)) #输出在结果上与上一条等效
  • random.choice(sequence)   从序列中获取一个随机元素,参数sequence表示一个有序类型,并不是一种特定类型,泛指list,tuple,字符串等
import random


random.choice(range(10)) #输出0到10内随机整数


random.choice(range(10,100,2)) #输出随机值[10,12,14,16...]


random.choice("I love python") #输出随机字符I,o,v,p,y...


random.choice(("I love python")) #同上


random.choice(["I love python"]) #输出“I love python”
random.choice("I","love","python") #Error


random.choice(("I","love","python")) #输出随机字符串“I”,“love”,“python”
random.choice(["I","love","python"]) #输出随机字符串“I”,“love”,“python”
  • random.shuffle(x[,random])   用于将一个列表中的元素打乱
import random
list=['I','love','python','very','much']


random.shuffle(list)
print list     #输出乱序list
  • random.sample(sequence,k)   从指定序列中随机获取k个元素作为一个片段返回,sample函数不会修改原有序列
import random


a='123456789'


b=[1,2,3,4,5,6,7,8,9]


c=['a','b','c','d','e']


random.sample(a,3)


random.sample(b,3)


random.sample(c,3)  #随机取三个元素最为一个片段返回[6,4,3]


print a


print b


print c    #a,b,c值不变
一、基础信息 数据集名称:Bottle Fin实例分割数据集 图片数量: 训练集:4418张图片 验证集:1104张图片 总计:5522张图片 分类类别: - 类别0: 数字0 - 类别1: 数字1 - 类别2: 数字2 - 类别3: 数字3 - 类别4: 数字4 - 类别5: 数字5 - 类别6: Bottle Fin 标注格式:YOLO格式,包含多边形坐标,适用于实例分割任务。 数据格式:图片格式常见如JPEG或PNG,具体未指定。 二、适用场景 实例分割AI模型开发:数据集支持实例分割任务,帮助构建能够精确识别和分割图像中多个对象的AI模型,适用于对象检测和分割应用。 工业自动化与质量控制:可能应用于制造、物流或零售领域,用于自动化检测和分类物体,提升生产效率。 计算机视觉研究:支持实例分割算法的学术研究,促进目标检测和分割技术的创新。 教育与实践培训:可用于高校或培训机构的计算机视觉课程,作为实例分割任务的实践资源,帮助学生理解多类别分割。 三、数据集优势 多类别设计:包含7个不同类别,涵盖数字和Bottle Fin对象,增强模型对多样对象的识别和分割能力。 高质量标注:标注采用YOLO格式的多边形坐标,确保分割边界的精确性,提升模型训练效果。 数据规模适中:拥有超过5500张图片,提供充足的样本用于模型训练和验证,支持稳健的AI开发。 即插即用兼容性:标注格式直接兼容主流深度学习框架(如YOLO),便于快速集成到各种实例分割项目中。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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