首篇

Python学习笔记
本文分享了两种统计文件非注释及非空行数量的方法,并介绍了如何使用Python第三方库gio查询文件的MIME类型。

    最近工作需要学习python,但是平时自己太过偷懒,特此开这么一个分类来督促自己多多学习python,文章基本都会是转帖过来,可能会有一部分自己的整理,权当记事本了。

    

    1. 以最少的代码行数,统计文件的行数以“#”开头的注释行,以及空行都不统计。

第一种:常规方式

  1. count =0   
  2. f =open(fn,"rU").readlines()   
  3. for i in f:   
  4. if i.startswith("#"or i.startswith("\n") :   
  5. count+=1   
  6. return len(f)-count  

第二种:lamba表达式

  1. a=len(list((lambda x: x.startswith('\n'or x.startswith('#'for i in open ('eg','r')))) 
  2. print a 

    2. 使用python去顶文件的MIME类型

使用第三方库gio:

  1. gio_file = gio.File("/your/path/file"
  2. gio_file_info = gio_file.query_info(",".join([ 
  3. gio.FILE_ATTRIBUTE_STANDARD_CONTENT_TYPE,  
  4. gio.FILE_ATTRIBUTE_STANDARD_TYPE, gio.FILE_ATTRIBUTE_STANDARD_NAME, gio.FILE_ATTRIBUTE_STANDARD_DISPLAY_NAME, gio.FILE_ATTRIBUTE_STANDARD_SIZE, gio.FILE_ATTRIBUTE_STANDARD_ICON, gio.FILE_ATTRIBUTE_TIME_MODIFIED, gio.FILE_ATTRIBUTE_TIME_CHANGED,])) 
  5.  
  6. info_attr = gio_file_info.get_attribute_as_string(gio.FILE_ATTRIBUTE_STANDARD_CONTENT_TYPE)  
  7. type_description = gio.content_type_get_description(info_attr) 
  8.  
  9. # 如果是mp3类型的, info_attr="auido/mpeg", type_description="MP3 音频" 

 

 

 

 

### 关于脉冲神经网络的首篇论文 最早的脉冲神经网络研究可以追溯到1943年,当时Warren McCulloch和Walter Pitts发表了开创性的文章《A Logical Calculus of Ideas Immanent in Nervous Activity》,该文提出了第一个形式化的神经元模型——McCulloch-Pitts神经元[^1]。尽管这不是严格意义上的脉冲神经网络(SNN),但奠定了理论基础。 真正意义上描述SNN特性和机制的文章出现在上世纪80年代后期至90年代初期。其中一篇具有里程碑意义的工作是由Eugene Izhikevich等人完成的研究,在这些早期工作中,《Simple Model of Spiking Neurons》被认为是定义现代SNN概念的重要文献之一[^2]。 然而,如果要寻找更早专注于探讨生物逼真度较高的脉冲现象以及其计算属性的具体实现,则需关注Gerstner W. 和Kistler W.M.合著的作品《Spiking Neuron Models: Single Neurons, Populations, Plasticity》中提及的相关历史背景和发展脉络[^3]。 值得注意的是,上述提到的时间节点并非绝对精确地指向某单一“第一篇”论文;实际上,这一领域的发展是一个渐进的过程,涉及多位学者多年来的贡献积累而成。 ```python import numpy as np from sklearn import datasets from sklearn.model_selection import train_test_split # 示例代码仅用于展示如何加载数据集,并不直接关联到脉冲神经网络的历史讨论 dataset = datasets.load_digits() n_samples = dataset.target.size n_classes = 10 target = np.zeros((n_samples, n_classes)) target[np.arange(n_samples), dataset.target] = 1 x_train, x_test, y_train, y_test = train_test_split( dataset.data, target, test_size=0.3 ) ```
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