Python语法、注释之数据类型

python基础语法(print、数据类型、变量、注释、输入、条件语句) python基础语法 阅读详情

1.python语法之注释

注释:相当于是对代码的一串解释信息

三种注释的方式
	方式1
    	单行注释	# 注释内容
       ps:shift + #
	方式2
    	多行注释   '''注释内容'''
       ps:回车键左边那个键 英文输入法下 连续按三下
	方式3
    	多行注释   """注释内容"""
       ps:回车键左边那个键 英文输入法下 shift + 连续按三下
  
pycharm中可以使用:
        ctrl+?快速注释和解开注释
        代码缩进使用tab
        代码回退使用shift+tab

2.PEP8规范

"""注意
pycharm中如果出现非红色的波浪线 表明你写的代码有可能不是很规范不影响执行


PEP8该规范定义了一些较为标准的编写格式 可以不遵守但是显得很low!!!

我们在学习的时候不需要死记硬背 可以利用pycharm自动规范
	反向推到规范守则
    	ps: ctrl + alt + L
        
课下也可以自行百度查阅规范详细内容

3.变量与常量

1.变量
	用来记录事物变化(可能会经常改变)的状态
2.常量
	用来记录事物不变(可能不经常改变)的状态
        
ps:变量和常量其实在使用的时候是一样的 所以后面我不做特殊说明的情况下统一称之为变量
 
3.基本使用
	大街上看到了老师立刻脑袋瓜子里面就会有一些信息
    	姓名是小王 性别是男性 职位是程序员 ......
	对于到程序中需要做以下改变
               姓名 = 小王
               性别 = 男性
               职位 = 程序员
	最为正规的写法
                name = '小王'
                age = 18
                job = '讲师'
4.语法结构
	name = '小王'
	'''
	变量名/常量名 赋值符号 数据值
	'''
	使用的时候通过前面的变量名就可以反复查询后面的数据值

4.变量与常量的本质

name = '小王'

遇到赋值符号 先看符号的右侧 再看符号的左侧

1.在内存空间中申请一块内存空间 存储数据值为'小王'
2.给该内存空间绑定一个名字 name
3.通过name就可以访问到内存空间中存储的数据值小王
ps:如果内存中数据值没有绑定名字 那么意味着我们使用不到 也就是垃圾数据!!!


1.一个数据值可以同时被多个名字绑定
	如果赋值符号的右侧也是一个名字 
	那么意思是让左边的名字绑向右边名字绑定的数据值
		a = 123
		b = a
		c = b

2.同一个名字同一时间只能绑定一个数据值
		x = 10
		x = x + 10
		print(x)  # 结果:20
                
	ps:如果右侧是名字和数据值的组合 那么需要先做相应的运算 得出单纯的数据值之后再做绑定

5.变量的命名规范

1.变量里面最多只能出现数字、字母、下划线
2.数字不能开头
3.变量不能与python关键字冲突
4.变量尽量做到见名知意
	真的没办法的时候 才可以临时用一下汉语拼音(尽量不要这样)
ps:前期学习阶段 可以简单的用用字母(仅限于教学)

6.变量的命名风格

1.下划线  # 单词之间下划线隔开	python推荐使用
	user_name_from_others = 'sam'
        
2.驼峰体  # 单词之间首字母大写	javaScript推荐使用
	2.1.小驼峰
    	userNameFromOthers = 'jason'
	3.1.大驼峰
    	UserNameFromOthers = 'jason'
        
ps:有些程序员洁癖很严重 用了一个风格就不准出现其他风格

7.常量


"""君子协定"""
# 常量的其他特性与变量一致!!!

1.在python中没有真正意义上的常量 所有的名字都是变量
	将纯大写的变量名看成是常量
    	HOST = '127.0.0.1'
		print(HOST)  # 127.0.0.1
		HOST = '192.168.1.112'
		print(HOST)  # 192.168.1.112	
  
2.在其他编程语言中存在真正意义上的常量 绑定了关系就不能再修改
	浏览器其实是一个编写js代码的工具
    	let name = 'jason'
          name = 'tony'  变量可以修改
    	const pi = 3.14
		pi = 666  报错 常量不能修改了!!!

8.数据类型的概念

如何理解数据类型
	eg:
            日常生活中 
                        表示姓名用文本 表示年龄用整数 表示体重用小数
                        视频文件 文本文件 表格文件 pdf文件 程序文件
            代码程序中
    		也需要有不同的数据类型来表示不同的数据状态
储备知识
	如何查看数据的数据类型
    	type()
        
ps:数据类型的学习就相当于在学习英语的字母、单词
数据类型先全部混个眼熟 知道谁属于哪个类型以及如何定义出来即可!!!

9.数据类型——整型

其实就是整数!!!
	主要应用场景:年龄 学生人数 年份
	基本使用:
		age = 18
		stu_num = 38
		year = 2022
	表达关键字:int
	核心语法:直接写整数即可

10.数据类型——浮点型

	其实就是小数!!!
	主要应用场景:体重 身高 薪资待遇
	基本使用:
       weight = 76.8
       height = 1.83
       salary = 3.1
	表达关键字:float
	核心语法:直接写小数即可

11.数据类型——字符串/字符型

	其实就是文本信息!!!
	主要应用场景:描述性性质的信息  姓名 住址 爱好
	基本使用:
        name = 'sam'
        addr = "上海"
        hobby = '''读书\写字'''
        info = """你们好呀 准备好起飞了吗"""
	表达关键字:str
	核心语法:引号引起来的部分
	疑问1:为什么定义字符串需要有这么多种方式???,比如一下语句:
		"老师说:"只要下定决心好好学 你肯定不会失望""  # 运行报错
                
  原因:我们在定义字符串的内部可能也需要使用引号 如果冲突了会报错
        所以定义字符串给出了多种方式 避免冲突
        核心:明确定义字符串的符合和内部文本的符号(不冲突即可)
        疑问:三引号前面学习的是注释 为什么又变成了字符串
		  当三引号左边没有赋值符号和变量名的时候 意思是注释
		  当三引号左边有赋值符号和变量名的时候 意思是字符串

12.数据类型——列表(list)

1.本质
	能够存储多个数据 并且能够方便的获取整体或者局部
2.基本使用
	l1 = [1, 2, 3, 4, 5]
3.语言描述
	中括号括起来,里面可以存放多个数据值,数据值与数据值之间逗号隔开
	数据值可以是任意数据类型
    	l2 = [11, 11.11, 'sam', [11, 22, 33]]
4.索引取值
	 # name_list = ['张三', '王二', '李五']
    '''索引取值:在IT领域数字的起始位置通常是从0开始 现实生活中是从1开始'''
     print(name_list)     # 张三, 王二, 李五
     print(name_list[1])  # 王二
     print(name_list[0])  # 张三
     print(name_list[100])  # 索引超出范围直接报错
    
练习题:在以下列表中获取666
    l1 = [11, 22, [111, 222, 333, [123, 321, 666], 444]]
    
    '''遇到复杂构造的数据 先明确整体有几个数据值 然后再一步步拆分'''
    
     # 1.先获取666所在的小列表
     print(l1[2])  # [111, 222, 333, [123, 321, 666], 444]
     l2 = l1[2]  # 将索引取值获取到的数据绑定给l2
     print(l2)  # 之后就可以通过l2获取列表
     # 2.再获取666所在的小小列表
     print(l2[3])  # [123, 321, 666]
     l3 = l2[3]  # 将索引取值获取到的数据绑定给l3
     # 3.变成了最简单的索引取值情况
     print(l3[2])  # 666
    
    '''熟练之后 上述可以简写成一步完成'''
     print(l1[2][3][2]) # 666

13.数据类型——字典(dict)

1.本质
	能够存储多个数据 并且能够方便的获取整体或者局部 并且数据具有对于解释
2.基本使用
	info_dict = {'姓名': 'sam', '年龄': 18, '爱好': 'read'}
3.语言描述
	大括号括起来 里面可以存放多个数据 数据的组织形式是K(key):V(value)键值对
		K是对V的描述性性质的信息 一般是字符串
		V是真实的数据值 可以是任意数据类型
4.按K取值
	 info_dict = {'姓名': 'sam', '年龄': 18, '爱好': 'read'}
    '''字典取值:字典无法使用索引取值(因为字典是无序的) 可以使用按K取值'''
    print(info_dict['姓名'])  # sam
    print(info_dict['年龄'])  # 18
    print(info_dict['家产'])  # K不存在直接报错
    
5.取值练习题,获取值18
data = {'name':'sam','others':[111,222,{'a1':'嘿嘿','a2':'哈哈','a3':[123,{'name':'sam1','age':'18'}]}]}

	'''单纯为了练习取值操作而已'''
        '''按值分开'''
	 data = {
    'name': 'sam',
    'others': [
        111,
        222,{
            'a1': '嘿嘿',
            'a2': '哈哈',
            'a3': [
                123, {
                    'name': 'sam1',
                    'age': 18
                }]}]}
    # 1.先获取大列表
    l1 = data['others']
     print(l1)  # [111, 222, {'a1': '嘿嘿', 'a2': '哈哈', 'a3': [123, {'name': 'sam1', 'age': 18}]}]
     # 2.获取大列表中的字典值
    d1 = l1[2]
     print(d1)  # {'a1': '嘿嘿', 'a2': '哈哈', 'a3': [123, {'name': 'jason1', 'age': 18}]}
     # 3.继续获取字典的值
    l2 = d1['a3']
     print(l2)  # [123, {'name': 'jason1', 'age': 18}]
     # 4.获取列表的数据
    l3 = l2[1]
     print(l3)  # {'name': 'jason1', 'age': 18}
     # 5.按k取值
     print(l3['age'])
    
    """上述可以简写成一步"""
    print(data['others'][2]['a3'][1]['age']) # 18

14.数据类型——布尔值(bool)

1.本质
	用来表示事物是否可行 是否正确 是否合理
	总共就两个值
2.基本使用
	is_right = True  # 真 可以 正确
	is_delete = False  # 假 不可以 错误
3.详细介绍
	布尔值看似很简单 很少见 其实在程序中是最多的 也是使用频率最高的
	存储布尔值的名字一般使用is开头  # 君子协定
4.布尔值类型转换
	程序中所有的数据类型都可以转成布尔值
 	布尔值为False的数据有
    	0 None 空字符串 空列表 空字典 ...
    	除上述之外所有的数据对于的布尔值都是True
5.所有的编程语言都有布尔值 只不过关键字和值可能有变化(了解)
javascript:
    typeof true
    'boolean'  # js中就不一样

15.数据类型——元组(tuple)

1.本质
    能够存储多个数据 并且能够方便的获取整体或者局部
    与列表的区别在于元组内数据值不能"直接修改" 而列表可以
    所以元组有一个小外号>>>:不可变的列表
2.作用
	一般用于存储一些只能看不能改的数据
3.基本使用
	t1 = (111, 222, 333)
4.语言描述
	小括号括起来 里面可以存放多个数据值 数据值与数据值之间逗号隔开
	数据值可以是任意数据类型
5.与列表对比	
     l1 = [11, 22, 33]
     t1 = (11, 22, 33)
     print(l1[0]) # 11
     print(t1[0]) # 11
     l1[0] = 'jason'  # 将列表索引0重新绑定数据值jason
     print(l1)  # ['jason', 22, 33]
    t1[0] = 'tony'  # 将元组索引0重新绑定数据值tony  直接报错!!!
    print(t1)

16.数据类型——集合(set)

1.本质
    集合只用于去重和关系运算
    去重:自动去除重复的数据
    关系运算:判断两个集合之间数据的关系(共同好友 共同点赞)
2.基本使用
	s1 = {1, 2, 3, 4, 5}
3.定义空集合
    d1 = {}
    s1 = {}
    print(type(d1))  # dict
    print(type(s1))  # dict
    ss = set()  # 必须使用关键字才能定义空集合
    print(type(ss))

两相变频交错PFC实战:从论文理论到PSIM仿真的完整避坑指南 本文详细解析了两相变频交错PFC技术从理论到PSIM仿真的完整实现过程,特别针对CRM模式下的BOOST PFC设计挑战提供实用解决方案。涵盖周期值比较法与RS触发器法的对比实施、PSIM仿真中的过零处理与收敛性优化等核心问题,并给出硬件实现的进阶建议,助力工程师高效完成高功率密度PFC设计。 阅读详情

相关推荐

ZYNQ平台上基于PHY芯片的IEEE1588/PTP高效实现方案

本文详细解析了在Xilinx ZYNQ平台上,如何通过选用支持IEEE1588/PTP的专用PHY芯片(如RTL8211FS-VS-CG、DP83640)来实现高精度时间同步的高效方案。文章对比了PS端与PL端MAC连接的优劣,提供了从硬件选型、接口设计、Linux驱动适配到PTP协议栈配置与性能优化的完整实战指南,并总结了关键避坑经验,为工业网络、电力系统等需要纳秒级同步的应用提供了清晰、可靠的实施路径。

kkk56的博客 1092

python的学习

目录pytho的入门1.1pytho语法之注释1.2PEP8规范

m0_72611192的博客 239

手把手教你用RoboTwin训练RDT模型:从环境配置到实战微调(避坑指南)

本文提供了一份详尽的避坑指南,手把手教你如何在RoboTwin开源仿真环境中,从零开始配置环境、采集数据并完成RDT视觉语言动作模型的实战微调。文章涵盖了环境搭建、数据流水线构建、模型配置与训练等关键步骤,旨在帮助研究者和开发者高效利用仿真数据,低成本探索具身智能应用。

weixin_29094979的博客 133

Python笔记----字典

字典 1.创建字典 字典用于存放具有映射关系的数据。以键值对的形式进行保存,程序通过key来访问value。字典使用花括号{}来创建,也可以使用dict()函数来创建字典。例如: 元组可以作为dict的key,但列表不行。 ​ 在使用dict()函数创建字典时,可以传入多个列表或元组作为key-value对,这些列表或元组只能包含两个元素。例如: ​ 还可以通过dict()函数指定关键字参数创建字典,此时字典的key不允许使用表达式。例如: 2.字典基本用法 程序通过key对value进行增删改查等操

qq_43539854的博客 641

时间同步中 TOD 与GPRMC和IRIG-B的区别

时间同步中 TOD 与GPRMC和IRIG-B的区别

ftdlk的博客 1730

TNS-12516及ORA-12516错误解决

在客户端进行sqlplus连接报错如下: ORA-12516: TNS: 监听程序找不到符合协议堆栈要求的可用处理程序 在/home/oracle/product/10.2.0/db_1/network/log/listener.log中查看到错误如下: TNS-12516: TNS:listener could not find available handler with matchin

KEL 2万+

Python 注解字典操作秘籍:从入门到精通

本文全面介绍了 Python 注解字典的操作方法,包括不同版本的访问技巧、字符串注解解析、最佳实践和常见陷阱,并对重点知识点进行了扩展。掌握这些内容,能让你在 Python 编程中更高效地利用注解字典,提升代码质量和开发效率。在实际编程中,要根据 Python 版本选择合适的方法操作注解字典,遵循最佳实践,避免常见陷阱。

Tekin 是深耕技术 20 年的全栈实战派专家,精通 Go/Python/Java 等多语言开发。博客专注技术原理与实战结合,深度解析 Python 高阶编程、Go 语言架构、数据库优化等硬核内容。涵盖并发编程、机器学习、云原生等前沿领域,通过真实案例拆 1117

医疗影像分析实战:肺炎X光片分类与分割

医疗影像分析实战:肺炎X光片分类与分割 ,人工智能,计算机视觉,大模型,AI,在医疗领域,医疗影像分析技术凭借其高效、精准的特点,成为疾病诊断与治疗的重要辅助手段。肺炎作为一种常见的呼吸道疾病,严重威胁人类健康,通过 X 光片对肺炎进行诊断是临床常用方法。利用计算机技术实现肺炎 X 光片的自动分类与分割,不仅能减轻医生的工作负担,还能提高诊断的准确性和效率。本文将深入讲解肺炎 X 光片分类与分割的实战过程,结合大量代码示例和关键概念解析,帮助读者掌握相关技术。

不踩坑,不知道坑有多深;不总结,踩过的坑白踩。 3万+

python注释_Python入门 输出、基础语法、注释、基本数据类型、转换数据类型

一、print 打印输出当你需要查看程序运行时的某个值时使用 print() 输出,他是程序调试之母,当你遇到任何问题,都使用print 打印关键信息, 查看打印结果是否符合预期值。print(输出内容)它可以输出一切内容,当你的程序遇到问题时,可以使用 print() 输出关键位置的值来查找程序错误原因。对于新手来说它也是你看懂别人代码的神器,在别人代码中插入 print() 打印程序特定的运行...

weixin_39759107的博客 110

Cadence PSpice 仿真11:电感型低通滤波器最坏情况分析仿真实战图文教程

在进行蒙特卡罗分析时会将元器件的容差考虑进去,然后通过运行多次的随机仿真,得到电路输出的一个范围。但是多数情况下设计师关注的只是电路的最坏情况是否满足设计要求。PSpice的最坏情况分析是取在容差的边界点元件参数进行仿真以计算出电路输出的最坏情况。所以如果如果电路中有10个元件的话,需要先取10个元件的标准值仿真1次,然后再分别在10个元件的容差边界处各仿真1次,然后再对仿真结果进行统计和计算,再最坏情况下再仿真1次。

fydar的博客 1946

【PINN物理信息网络】基于PINN物理信息网络求解泊松方程(python)

【PINN物理信息网络】基于PINN物理信息网络求解泊松方程(python)

k8291121的博客 2813

【Python_04】Python基础语法(字面量、注释、数据类型、数据类型转换、标识符、运算符)

学习任何一门编程语言,基础语法都是至关重要的。就像建筑一座高楼大厦一样,无论这座楼有多高,都需要从平地开始建造。同样地,想要学好Python这门编程语言,我们必须掌握其基础语法,并将其牢记于心。第一:了解Python的基础语法可以帮助我们建立起对编程的基本概念和思维方式。Python是一种高级、解释型的编程语言,它具有简洁、易读、易学的特点。通过学习Python的基础语法,我们可以熟悉变量、数据类型、运算符、控制流程等基本概念,从而为后续的学习打下坚实的基础。

jastalented的博客 1030

面试问题总结——关于YOLO系列(三)

接着上篇的的YOLO系列面试问题总结,加油,冲! 三.YOLOv3 1.YOLOv3主干网络BackBone——Darknet-53网络结构(因为有53个卷积层) (原论文中Darknet53的尺寸是在图片分类训练集上训练的,所以输入的图像尺寸是256x256,而在YOLOv3中输入尺寸是416×416)   ①上图中,Top-1 Accuracy和Top-5 Accuracy是指什么呢?区别在哪呢?   我们知道ImageNet有大概1000个分类,而模型预测某张图片时,会给出1000个按概率从高.

boss-dog 1万+

Python基础语法、基本数据类型、解释器、注释

Python3 基础语法 编码 默认情况下,Python 3源码文件以 UTF-8 编码,所有字符串都是 unicode 字符串。 当然你也可以为源码文件指定不同的编码: # -*- coding: cp-1252 -*- 标识符 第一个字符必须是字母表中字母或下划线_。 标识符的其他的部分有字母、数字和下划线组成。 标识符对大小写敏感。 在Python 3中,非-ASCII 标...

干饭银的足迹——博客 310

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")

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

keil 快速插入注释_Python入门输出、基础语法、注释、基本数据类型、转换数据类型...

一、print 打印输出当你需要查看程序运行时的某个值时使用 print() 输出,他是程序调试之母,当你遇到任何问题,都使用print 打印关键信息, 查看打印结果是否符合预期值。print(输出内容)它可以输出一切内容,当你的程序遇到问题时,可以使用 print()输出关键位置的值来查找程序错误原因。对于新手来说它也是你看懂别人代码的神器,在别人代码中插入 print() 打印程序...

weixin_31421601的博客 595

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

Python基础语法、python基础数据类型、python解释器、python注释符、python-range()和sum()

前段时间准备考研去了,没什么时间写博客,老师一番教诲,细想我这自考本的身份去考名校,万一没考上在这里白学了,到时候找工作也是个难事.细想自己的环境不容自己这么极端,也是自己把自己想的太美好了,怎么可能有那么聪明!!! 因此为了把以前的东西都捡一捡,每天复习一点,查漏补缺,这次定要这样一路走到黑了,在外面吹了自己一定要拿1.5w的工资,如果没拿到,那可就出丑了. 2018-09-04 Cent...

weixin_42157426的博客 1248

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

Python基本语法(1)注释,基本数据类型

Python 的语法简洁而易懂,也有许多官方和第三方文档与教程。这里仅介绍一些对 OIer 比较实用的语言特性,你可以在和等网页上了解更多关于 Python 的教程。

cyyyyds857的博客 390

一,邂逅Python,搭建python环境,基础语法介绍:python注释,关键字,标识符,变量,数据类型,print()输出,input()输入,数据类型转换等

邂逅Python、搭建Python开发环境; 掌握Python基础语法。(注释,关键字,标识符,变量,数据类型,输入,输出,类型转换)

qq_55006020的博客 2223

dbmsoutputputline输出多个值_Python入门输出、基础语法、注释、基本数据类型、转换数据类型...

一、print 打印输出当你需要查看程序运行时的某个值时使用 print() 输出,他是程序调试之母,当你遇到任何问题,都使用print 打印关键信息, 查看打印结果是否符合预期值。print(输出内容)它可以输出一切内容,当你的程序遇到问题时,可以使用 print()输出关键位置的值来查找程序错误原因。对于新手来说它也是你看懂别人代码的神器,在别人代码中插入 print() 打印程序...

weixin_39817122的博客 314

Python学习笔记-python基础语法-字面量,注释,变量,数据类型,数据类型转换,标识符,运算符,字符串

python学习笔记,基础部分

fushuai优快云的博客 941

2.1Python基础语法(一)之注释与数据类型:

返回总目录 目录: 1.注释 2.乱码 3.变量 4.数据类型 5.数据的转换 6.动态,静态和强类型,弱类型 (一)注释:(编译时是被编译器忽略的) 1.注释的分类: 2.特殊注释: (二)乱码:(主要出现在2.x版本) 对乱码的理解: 其实出现乱码就是不同国家制定的编码规则不一样,然而电脑从文本到010101二进制文件的转换是一样的。美国的Ascall码,中国也有中国的GB标准,国际...

qq_43006346的博客 217

Python入门 输出、基础语法、注释、基本数据类型、转换数据类型

一、print 打印输出当你需要查看程序运行时的某个值时使用 print() 输出,他是程序调试之母,当你遇到任何问题,都使用print 打印关键信息, 查看打印结果是否符合预期值。print(输出内容)它可以输出一切内容,当你的程序遇到问题时,可以使用 print() 输出关键位置的值来查找程序错误原因。对于新手来说它也是你看懂别人代码的神器,在别人代码中插入 print() 打印程序特定的运行值,能快速让你了解程序结构,看懂代码运行原理等等。

weixin_55589668的博客 272

【python】|Python基础语法(字面量、注释、变量、数据类型、数据类型的转换、标识符、运算符、字符串的拓展、数据输入)

Python作为一门编程语言,这门语言的魅力和影响力已经远超C++、C#等编程语言前辈,被程序员誉为“美好的”编程语言。Python可以说是全能的,系统运维、图形处理、数学处理、文本处理、数据库编程、网络编程、web编程、多媒体应用、pymo引擎、黑客编程、爬虫编写、机器学习、人工智能等等,应用无处不在。变量的定义格式变量名称 = 变量的值变量值等号赋值,表示将等号右侧的值,赋予左侧的变量每一个变量都有自己的名称,称之为:变量名,也就是变量本身money = 50。

m0_63501513的博客 1533

03 python语法注释、用户交互、格式化输出、基本数据类型、运算符

03 python语法注释、用户交互、格式化输出、基本数据类型和运算符 1.注释的种类 号和顶头写的‘三引号’ 2.与用户交互 1.什么是与用户交互? 程序员输入一个信息,程序执行完给程序员一个反馈 2.为何要让程序做到交互? 为了让程序替代人,与人交流 3.如何使用? python3中 input将用户输入的所有信息转换为‘字符串’ python2中 用户通过input需要自行指定数据类型...

weixin_30788619的博客 111

Python——基础语法(关于字面量、注释、变量、数据类型、类型转换、标识符、字符串、数据输入input)

Python基本语法:字面量、注释、变量、数据类型、类型转换、标识符、字符串相关定义、拼接、格式化等操作、数据输入(input)详解

2401_83190311的博客 1429
上一篇: 现代化 Java 企业级应用分层开发架构设计最佳实践
下一篇: Java面试题及答案整理( 2025年最新版,持续更新)
程序员职业指南
博客等级 码龄4年 2139粉丝 960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