Python 基础语法 (1)

1、python基础语法1 1、编码 python3中默认的编码格式是utf-8。 1、写法1,较常用 # -*- coding: UTF-8 -*- 2、写法2,带等号的。 #coding=utf-8 2、注释 1、单行注释 #号开头 2、多行注释 可以用多个#号,还有'''和""" 3、特殊注释 用于编码和路径 3、缩进 注:同等级同缩进。 4、单行语句(单行显示多条语句) Pyt... 阅读详情

📑目录

1. 🧮把 Python 当计算器玩:常量和表达式
2. 📦数据收纳盒:变量和数据类型
3. 📝代码里的小纸条:注释怎么写
4. 🔁程序和我对话:输入与输出
5. ➕各种 “算一算”:常用运算符全家桶
6. 📋课后自测小练习

🧮1. 把 Python 当计算器玩:常量和表达式

我们可以直接用 Python 做数学计算,就像手里拿了一个计算器。

核心概念

  • 表达式:像 1+2‑3 这样的算式,运算得到的结果叫返回值
  • 字面值常量:1、2、3这种直接写出来的数字
  • 运算符(操作符):+ - * / () 这些符号,用来做运算
  • 运算优先级:先乘除,后加减,括号优先
  • 💡小提醒:运算符两边建议敲一个空格,代码看着更清爽,不写空格代码也能跑,只是可读性变差。

代码示例 1:基础算术
在这里插入图片描述
在这里插入图片描述
作用:演示加减乘除优先级,注意:Python 中/除法不会截断小数,和 C/Java 不一样,2/3得到小数,而不是 0,更符合我们日常数学直觉。

代码示例 2:计算 4 个分数的平均值

题目:给定分数:67.5,89.0,12.9,32.2,求平均数
在这里插入图片描述在这里插入图片描述
作用:多个数字混合运算,用括号控制计算顺序,避免优先级搞错。

📦2. 数据收纳盒:变量和数据类型

写复杂程序的时候,我们需要保存中间计算结果,这就要用到变量。

🧠类比理解:变量就好比计算器上的 M 存储键。计算器一般只能存 1 个值,但是 Python 可以创建无数个变量,存很多份数据。变量保存在电脑内存中,可以想象成宿舍楼的一个个小房间,每个房间存放一份数据。

2.1 变量语法

①定义 & 赋值变量

语法:变量名 = 数据
=叫做赋值运算符,含义:把等号右边的数据,放到左边变量的空间。
在这里插入图片描述
作用:创建变量a,把数字 10 存进去内存中。

②读取变量的值
在这里插入图片描述
在这里插入图片描述
输出:10
作用:把变量里面保存的数据拿出来打印。

③修改变量的值
在这里插入图片描述
在这里插入图片描述
输出:20
作用:变量可以重新赋值,新数据会覆盖旧的数据。Python 不需要特殊语法,直接再次用=就完成修改。

④把一个变量赋值给另一个变量
在这里插入图片描述
在这里插入图片描述
作用:把 b 里面存放的值复制一份给到 a,两个变量互不干扰,后续修改 a 不会影响 b。

🚨变量命名规则(硬性规则,违反直接报错!)
  1. 只能由数字、字母、下划线组成
  2. 不能用数字开头
  3. 不能使用 Python 内置关键字(比如if、for不能拿来当变量名)
  4. 大小写敏感:num和Num是完全两个不同变量!
✨软性建议(写漂亮代码)
  1. 名字要有描述意义,尽量见名知意,不要随便写 x、y、z,代码多之后自己都忘了存的啥
  2. 多个单词推荐驼峰命名法,例如totalCount、studentScore

案例:计算方差,需要先用变量保存平均值,再做后续计算
方差公式:每项减去平均值,平方,求和,除以 (项数‑1)

在这里插入图片描述
在这里插入图片描述
作用:演示变量保存中间结果,如果不使用变量,就要重复写一大串算式,代码会又臭又长,还容易写错。

2.2 常用数据类型

重点:Python 是动态类型语言,不用手动写类型,赋值什么数据,变量就是什么类型!
使用type(变量)可以查看变量是什么类型。

1)整数 int
在这里插入图片描述
在这里插入图片描述

✅特点:Python 的整数没有大小上限,只要内存够,多大数字都可以存,这点和 C++/Java 不一样。

2)浮点数 float(小数)
在这里插入图片描述
在这里插入图片描述
✅特点:Python 没有单独的 double,float 等价其他语言 double,双精度,大约保留小数点后 15 位。

3)字符串 str,用来保存文本

单引号' '、双引号" "效果完全一样。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
⚠️初学者大坑:字符串只能和字符串相加!不能直接'abc' + 10,会报错!

4)布尔 bool,只有两个取值 True / False,用来表示真假
在这里插入图片描述
在这里插入图片描述
后续做判断、条件分支大量使用布尔类型。

还有 list 列表、dict 字典等类型后面课程学习。

2.3 为什么要有不同的数据类型?

  1. 决定占多少内存空间:例如 float 占 8 字节内存。字节、比特小科普:1 比特 = 1 个 0/1,8 比特 = 1 字节。我们电脑 16GB 就是总内存大小。

  2. 决定你可以对数据做哪些操作:

    • int/float 可以加减乘除;
    • 字符串只能拼接+,不能做减法除法;还可以用len()获取长度。

    - 2.4 动态类型小演示
    同一个变量,运行的时候可以改变它的类型:
    在这里插入图片描述
    在这里插入图片描述

📌初理解:
优点:写小脚本代码简洁省事;
缺点:大型项目,别人读你的代码,不知道变量下一秒变成什么类型,容易出 bug。
对比 C++/Java 静态语言:变量定义之后类型固定死,不能随便改成别的类型。

📝3. 代码里的小纸条:注释怎么写

注释是写给人看的文字,不会被计算机执行,用来解释代码逻辑。

记住一句话:代码第一目标是让人看懂,第二目标才是能跑。写注释既是帮别人,也是帮几个月之后的自己看得懂代码!

①行注释 #

#后面整行内容全部是注释。
在这里插入图片描述
作用:说明这一段代码在干什么,读代码不用猜逻辑。

②文档字符串,三引号"""或者''',支持多行

一般放在文件、函数开头,做说明文档
在这里插入图片描述

✅注释书写规范

  1. 准确:代码改了注释也要同步改,不要注释写的一套,代码做另外一套,误导人
  2. 篇幅合理:不要每一行都写废话注释,复杂逻辑才写
  3. 国内公司一般写中文注释
  4. 不要写负能量吐槽

🔁4. 程序和我对话:输入与输出

输入:用户把信息交给程序;
输出:程序把结果展示给用户。
控制台就是最基础交互窗口。

4.1 输出 print () 函数

示例 1:打印字符串、数字、布尔

在这里插入图片描述
在这里插入图片描述

示例 2:f‑string 格式化字符串,字符串和变量混合输出

语法:f'文字 {变量}',大括号里面写变量或者表达式

在这里插入图片描述
在这里插入图片描述
💡初学者优先学这个格式化,最简单好用!

4.2 输入 input () 函数

⚠️超级大坑!input()拿到的用户输入,永远是字符串类型!就算用户输入数字,拿到手也是文本!
示例 1:简单读取输入
在这里插入图片描述
在这里插入图片描述

❌错误示范:直接拿 input 结果做加法
在这里插入图片描述
用户输入 10,20,输出:a + b = 1020
在这里插入图片描述

不是数字相加!是字符串拼接!!初学者高频踩坑。

✅正确做法:使用int()把输入转整数
在这里插入图片描述
在这里插入图片描述
类型转换小工具:

  • int(x):转为整数
  • float(x):转为小数浮点数
  • str(x):转为字符串
  • bool(x):转为布尔

综合示例:输入 4 个小数,计算平均值
在这里插入图片描述
在这里插入图片描述

➕5. 各种 “算一算”:常用运算符全家桶

5.1 算术运算符 + - * / % ** //

在这里插入图片描述
示例代码:
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

注意:print(10/0)会直接报异常,程序崩溃,除数不能为 0。

5.2 关系运算符(比较大小)< <= > >= == !=

  • == 判断相等;!= 判断不等于;返回结果是布尔 True/False
  • 在这里插入图片描述

在这里插入图片描述

1. 可以比较字符串,按照字典序(词典字母顺序)对比
在这里插入图片描述
在这里插入图片描述
2.🚨大坑:浮点数不要直接用==判断相等!
在这里插入图片描述
在这里插入图片描述
输出False,计算机存储小数存在微小误差,0.1+0.2实际得0.30000000000000004`
在这里插入图片描述
✅正确写法:判断两个数差值小于一个极小误差

在这里插入图片描述
在这里插入图片描述

5.3 逻辑运算符 and /or/not

  • and并且:两边全部 True 才是 True,一假即假
  • or或者:两边只要一个 True,结果就是 True,一真即真
  • not取反:True 变 False,False 变 True

在这里插入图片描述
在这里插入图片描述
✨Python 特有简洁写法 a < b and b < c 等价简写为 a < b < c
在这里插入图片描述

短路求值
  • and:左边已经 False,右边代码不会执行
  • or:左边已经 True,右边代码不会执行
    在这里插入图片描述

在这里插入图片描述
这里10/0没有执行,没有报错,因为发生短路。

5.4 赋值运算符

  1. 普通赋值=,区分开赋值=和判断相等==!初学者超级容易写混!

链式赋值:a = b =10,a 和 b 都等于 10
多元赋值:a,b =10,20

🔥小技巧:交换两个变量的值,不用中间临时变量

在这里插入图片描述
在这里插入图片描述

  1. 复合赋值运算符:+= -= *= /= %=
    a +=1等价a = a + 1
    在这里插入图片描述

⚠️Python没有 ++、‑‑自增自减运算符!想要加 1 写a +=1,不要写 a++,直接报错。

还有身份运算符 is、成员运算符 in、位运算符本次暂时不学。

📋6. 课后自测小练习

(1)【多选】以下关于变量之间加法运算的说法,正确的是:

A. Python 中的字符串之间能够相加。
B. Python 中的字符串可以和整数相加。
C. Python 中的整数可以和浮点数相加。
D. Python 中的整数可以和布尔值相加。

(2)【单选】以下关于类型的说法,正确的是:

A. Python 中既有字符串类型,也有字符类型。
B. Python 中既有 float,也有 double。
C. Python 中既有 int,也有 long
D. Python 中的整数表示范围无上限。

(3)【单选】以下 Python 代码,合法的是

A. int a = 10
B. a = 10;
C. a = true
D. a = ‘aaa’ + 10

在这里插入图片描述

PySide6 vs PyQt6:新手如何根据Python版本选择GUI库?附版本兼容性测试 本文针对Python GUI开发新手,详细对比了PySide6与PyQt6的核心差异,并提供了基于Python 3.8至3.12等不同版本的兼容性实测数据与选择建议。文章重点分析了版本选择策略,帮助开发者根据自身Python环境、项目需求(如与matplotlib集成)及许可证考量,做出最合适的决策,并附有安装验证与避坑指南。 阅读详情

相关推荐

Windows 24H2下eNSP AR_40启动失败的终极修复指南

本文针对Windows 11 24H2更新后eNSP AR_40路由器启动失败的问题,提供了终极修复方案。核心在于解决系统强制虚拟化安全(VBS/Hyper-V)与老版模拟软件的兼容性冲突。指南详细介绍了安装关键系统更新KB5053656、精细调整Windows虚拟化功能以及后续排错步骤,帮助用户在24H2系统上稳定运行eNSP进行网络实验。

weixin_29233333的博客 507

C语言基础丨运算符之赋值运算符(五)

赋值操作是程序设计中最常用的操作之一,C 语言共提供了 11 个赋值运算符,均为二元运算符,其中仅有一个为基本赋值运算符 =,其余 10 个均是复合赋值运算符,即: (1)简单赋值运算符" = " 用法:变量标识符 = 表达式 作用:将一个数据(常量或表达式)赋给一个变量 ,左侧必须是变量,不能是常量或表达式 注意: 1>.在程序中可以多次给一个变量赋值,每赋一次值,与该变量相应的存储单元的数据就被更新一次,内存中当前的数据就是最后一次所赋值的那个数据。即,最左边变量所得到的新值是整个赋值.

Hsuesh的博客 1万+

YOLOv5+Astra Pro Plus深度相机:手把手教你实现实时目标检测(附ROS配置技巧)

本文详细介绍了如何将YOLOv5目标检测算法与Astra Pro Plus深度相机结合,构建实时目标检测系统。内容涵盖从硬件选型、环境搭建、ROS配置到YOLOv5部署与深度信息融合的完整流程,并分享了性能优化、避障算法等实战技巧,帮助开发者在机器人视觉等场景中快速实现智能感知应用。

weixin_28292761的博客 389

知识点总结:赋值运算符

文章目录一、赋值运算符概念二、赋值运算符使用(一)分类说明表(二)注意事项(三)案列演示1、一次对多个变量赋值2、演示复合赋值运算符 一、赋值运算符概念 赋值运算符(Assignment Operator)的作用就是将常量、变量或表达式的值赋给某一个变量。它将运算符右边的值赋给左边的变量。 二、赋值运算符使用 (一)分类说明表 运算符 运算 范例 结果 = 赋值 a = 3;b = 2 a = 3;b = 2 += 加等于 a =3;b = 2 ;a += b; a =5; b =

qq_67308048的博客 6663

STM32基于软件模拟IIC进行AHT21B温湿度采集

通过学习软件IIC来进行实操AHT21B采集温湿度。

Liu-FE的博客 3700

基于51单片机的多功能智能路灯控制系统(仿真+代码+原理图)

智能路灯控制系统主要由51单片机最小系统+1602显示模块+DS1302时钟模块+光强检测模块+按键输入模块+声光报警模块+LED照明模块+状态检测电路+人体车辆红外检测模块组成。能实现以下功能: 1.能够按键设定系统时间、工作时间、光照阈值 2.工作时间内路灯点亮,凌晨12点后路灯关闭,有人或车通过是,路灯点亮10s 3.非工作时间光照强度低于阈值,路灯点亮 4.能够检测系统工作状态,路灯应亮未亮,声光报警 5.具备手动控制,能够切换自动/手动控制功能

u012759563的博客 8178

赋值运算符

赋值运算符 1、通用赋值运算符:= 2、算数赋值运算符: +=、-=、/=、*=、%= 3、位赋值运算符:&=、|=、^=、<<=、>>=、>>>= //通用 int i =5+8; int a,b,c,d; a=b=c=d=10/5; System.out.println(i);//13 System.out....

OurLittleCutie的博客 2839

用RK3588 NPU加速人脸识别:从本地测试到服务器部署的完整流程(含ONNX模型)

本文详细介绍了如何利用RK3588 NPU加速人脸识别系统,从模型优化到高并发服务部署的全流程。通过RetinaFace和FaceNet模型的协同推理,结合ONNX模型转换和NPU特有优化技巧,显著提升识别效率。文章还涵盖了gRPC通信架构设计、性能压测及实际部署经验,为开发者提供了一套完整的解决方案。

weixin_29058331的博客 464

C语言 赋值运算符

文章目录介绍案例演示赋值运算符特点 介绍 赋值运算符就是将某个运算后的值,赋给指定的变量。 赋值运算符一览表 先讲 =、+=、-=、*= 、/=、%= <<=、>>=、&=、^=、|= 和位运算相关, 案例演示 赋值运算符的基本使用。 1)赋值基本案例 [int num1 = 10 + 3] 2)有两个变量,a 和 b,要求将其进行交换,最终打印结果 3)+= 的使用案例 4)代码演示 #include<stdio.h> void main(){

weixin_45417821的博客 1万+

Ubuntu22.04下安装LDAP

在Ubuntu22.04的时候可以使用apt的方式来安装,在安装LDAP的web 服务器的时候可以考虑选择 LDAP 帐户管理器 (LAM)。因为 PHPLDAPadmin 安装时需要 php 的环境依赖,相对来说安装麻烦。此外在 PHPLDAPadmin 中创建组织和用户时与平常的语法有很大不同,对新手来说不友好。

dl_11的博客 3944

DCMM评估报告模板样例

这篇DCMM评估报告对某数据管理公司2020年的数据管理能力进行了全面分析。报告显示,该公司在数据战略方面取得初步进展,但在数据治理和数据架构方面仍存在明显不足,包括缺乏有效治理流程、数据质量监控不足,以及数据标准化和转换灵活性不足等问题。评估报告提出了针对性改进建议,包括完善数据战略、建立治理流程、加强质量监控和提升数据转换灵活性等,为提升数据管理成熟度提供了重要指导。

cdfunlove的博客 166

第二章运算符—赋值运算符

在该程序中,表示商品单价的 price 变量值为 10.25,而现在降了 1.25,在原来的基础上减去 1.25 即可获取现在的单价。不是数学中的等号,它表示一个动作,即将其右侧的值送到左侧的变量中(左侧只允许是变量,不能是表达式或其他形式);例如,在基本的赋值运算符的基础之上,可以结合算术运算符,以及后面要学习的位运算符,组合成复合的赋值运算符。赋值运算符的符号为“=”,它是双目运算符,左边的操作数必须是变量,不能是常量或表达式。赋值运算符还可与其他运算符结合,扩展成功能更加强大的赋值运算符。

weixin_62458944的博客 2298

基于四旋翼模型的火箭型无人机视线角保持控制仿真设计

本文针对火箭型无人机的视线角保持控制问题展开研究。基于四旋翼动力学模型,通过改造设计了一种摄像头朝上安装的特殊无人机系统,用于追踪空中目标。文章详细推导了坐标系定义、运动学和动力学方程,重点分析了摄像头安装与视线几何关系,建立了目标运动模型和视线向量计算方法。通过解算期望姿态角,实现了使机体Z轴始终对准目标的控制目标。仿真结果表明,该系统能有效完成视线角保持任务,为空对空监视等应用场景提供了可行方案。~~~~~

huanghm88的专栏 142

Python基础语法知识1

Python入门基础知识语法 正在学习Python的道路上,无论学习什么知识和技能,基础知识一定是非常重要的,从今天开始分享我的一些学习经验和知识,希望与各位共勉,有什么问题希望大家不吝赐教(* ̄︶ ̄) 在这里我也不介绍Python,相信学习它的人也一定有所了解,我们直接步入正题 print函数 print函数在Python中的可以输出整数(int)、浮点数(float)、字符串(str)、含有运算符的表达式、还可以将数据输到文件中,详情见下述代码: # print可以直接输出整数、浮点数类型 prin

呀嘿哟的博客 5614

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

python3.1:基础语法:变量和简单数据类型

python3.1:基础语法:变量和简单数据类型 最近在复习python语法,希望有空闲时间可以把记过的python笔记都整理出来。 1.变量名命名规则: (1)变量名只能包含字母/数字或下划线,只可以以字母或下划线打头; (2)变量名不能包含空格; (3)python关键字和函数名不能用于变量名; (...

weixin_39504171的博客 240

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")

实验1 - python基础语法

实验目的: 通过python基础语法的学习,掌握python赋值语句和运算符、while循环语句和if语句的使用方法;为进一步使用python语言编程理解物联网安全中的经典加密算法、RSA加密算法等密码学算法,以及编写信息安全程序打下基础。

公子不白的blog、 3204

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

【python】-基础语法1

讲解python的基础语法1

qq_69369227的博客 1176

Python基础语法1

简要安装基础语法 安装 Python的安装过程,在网上可以找到很多的经验文章,这里不再过多阐述. 基础语法 1.编码:Python3.x源码文件默认以 utf-8 编码

Gryffin的博客 212

python基础语法总结-1

Hello,今天写学习的语法前先补充一下布尔类型和比较运算符。小编表达能力有限直接上实例。是一种数据类型,只有True和False。3.if判断语句(敲黑板了,注意)注释:若条件1满足则无需执行条件2。4.if elif else语句。都不满足条件执行的动作。通常用于回答正确与否。

2401_83107533的博客 334

【python基础】(1)基础语法

摘要:基础的python入门语法知识,包含:注释、保留字和标识符、变量、基本数据类型、基本输入输出和运算符与表达式。

weixin_42251052的博客 1893

1.1 python基础语法

1. if语句 # coding=utf-8 #基础语法:首行缩进=大括号 if True: print("正确") else: print("错误") if a>1 and b<2: print("hao") else: print("bu") #小例子 # int()向下取整 age=int(input("input your age:...

qq_40580037的博客 283

Python——语法基础1

菜鸟教程语法。

jtwqwq的博客 1033

(1)python基础语法

一、基础语法 1、缩进:通过缩进来区分代码块 2、换行:换行表示一行代码的结束 3、对齐:同一级代码块要对齐 4、注释:单行注释 # command+/ 多行注释 单双引号三对 5、输出:通过print()输出 单行输出、多行输出 6、代码的格式化:command+option+l 二、变量和标识符 变量 1、变量:计算机中用来存储结果或者值的抽象概念。及代码执行过程中,会变化的数据 2、定义:变量名称 = 变量的值,如nam.

Annlin_的博客 3171

Python的基础语法1

Python是一种简洁易读的动态类型语言,具有自动内存管理、面向对象和函数式编程等特性。其变量命名遵循数字字母下划线组合,区分大小写且避开关键字。Python支持多种数据类型:数值类型包括整数、浮点数和布尔值;字符串是不可变序列;None表示空值;通过type()检查类型,内置函数如int()、float()进行类型转换。Python还提供丰富的标准库和第三方库,支持跨平台运行,适合多种编程范式。

2301_81918488的博客 599

python基础语法 1

本文介绍了Python编程中的基础概念,包括常量、表达式、变量和数据类型。常量是固定不变的值,表达式是数学算式,运算符用于运算。变量是可变化的数据容器,命名需遵循特定规则。Python支持多种数据类型,如整数、浮点数、字符串和布尔值,且具有动态类型特性,变量类型可在运行时改变。文章还对比了Python与C/C++/Java在变量定义和类型处理上的差异,并简要提及了类型标注的改进方法。

yyyzc_的博客 1156

1.2 Python基础语法

1.2 Python基础语法1.2 Python基础语法1.2.1 输入和输出:input()输入:Print()输出:format的格式化函数(了解)1.2.2 注释:Python中的注释有单行注释和多行注释:1.2.3 标识符:1.2.4 变量:多个变量赋值1.2.5 行与缩进:多行语句空行 1.2 Python基础语法 1.2.1 输入和输出: input()输入: input()的小括号...

kzl_knight的博客 1万+
上一篇: linux3进程概念
下一篇: Python 基础语法②
code_whiter
博客等级 码龄2年 289粉丝 50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