Python 学习笔记

1. import XXX 和from XXX import XXX    ,使用import XXX能避免命名冲突。

例如:import math                               import cmath

            math.sqrt(9)                               cmath.sqrt(-1)

  
            from math import sqrt

            from cmath  import sqrt

2. __future__

3. input 和raw_input的区别

     例如:name=input("what is your name") 

                 如果输入wang则会出错,如果输入“wang”就是正确的,这是因为input会假设用户输入的是合法的表达式。

                 name=input_raw("what is your name")

                 如果输入wang则正确,这是因为input_raw会把用户的输入当做raw data,然后将其保存成字符串。

4. 不显示使用python解释器,像shell脚本一样运行。在UNIX上有个标准的实现方法:在脚本首行加上#!在其后加上用于解释脚本的程序的绝对路径。

    例如:   #!/usr/bin/env  python

    例如:#!/usr/bin/python2

    在运行脚本前,chmod a+x hello.py给脚本可执行权限,脚本名字也可以不加.py

5. 把Python值转换成字符串的三种方式:

    str函数      

     repr函数

     反引号

6. 列表可以修改,元组不能修改

7. 使用索引访问单个元素,使用分片访问一定范围内的元素

    Note:分片操作需要提供两个索引做边界,第一个索引的元素是包含在分片内的,第二个则不包含在分片内

    例如:num=[1, 2, 3, 4, 5,  6, 7, 8, 9,10]

                a=num[0:1]            a=[0]

                a=num[-3:-1]          a=[8,9]

                a=num[-3:]             a=[8,9,10]

                a=num[0:10:2]       a=[1,3,5,7,9]

                a=num[3:6:3]         a=[4]

                a=num[8:3:-1]         a=[9,8,7,6,5]

8.数字x乘以一个序列会生成一个新序列,原来的序列被重复x次

    [10]*5

    [10,10,10,10,10]

9.classmethod

classmethod是用来指定一个类的方法为类方法,没有此参数指定的类的方法为实例方法,使用方法如下:

class C:
    @classmethod
    deff(cls, arg1, arg2, ...): ...

类方法既可以直接类调用(C.f()),也可以进行实例调用(C().f())。

10. 含有一个值的元组,必须加个逗号

       (1,)

11. tuple函数把序列转换成元组



    




    


内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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