老韩的python基础知识3--基本语法的学习

本文深入讲解Python的基础语法,包括表达式、语句、程序、函数等核心概念,以及标识符规则、基本数据类型、变量和字符串的使用,适合初学者入门学习。

python基础知识3–基本语法的学习

1.几个概念:

1.1表达式:1+1 或者 1*4 ,表达式,一个类似于数学公式的东西,不会对表达式的结果产生实质性的影响。
例:1+4 print(‘Hello World’) 输出Hello World
例:使用python自带工具IDLE检验
.>>>1+4
.1>>>5
注:表达式用于计算结果。
1.2.语句:在程序中完成某些功能
例:print() input() a=4
1.3程序:由一条条语句和一条条表达式构成
1.4函数:函数就是语句,使用函数时为了完成特定的功能。XXX()
函数的分类分为2类:
内置函数(内建函数):函数自带
自定义函数()
参数:个数可以为1个,也可以多个,逗号隔开
返回值

2.标识符

python语言的组成
1.关键字 2.标识符 3.注释 4.变量和数值 5.运算符 6.语句 7.函数 8.序列

  • 1)概念:
  • 关键字:具有特殊功能的标识符
  • 标识符:开发人员在程序中自己定义的一些符合和名称,如变量名,函数名,类名
  • 2)标识符的规则:
    1.标识符中可以包含字母、数字、_,但是不能使用数字开头 例如:name1(ok) name_1(ok) _name1(ok) 1name(不行)
    2.Python中不能使用关键字和保留字来作为标识符
  • 3)命名方式三种:
    1、第一个字母小写,第二个字母大写,如:useName、aDog
    2、每一个单字的首字母都采用大写字母:如:FirstName、LastName
    3、使用下划线来连接所有的单词,如get_url 、buffer_size

3.基本数据类型

整数
布尔值和空值 fasle、true

4.变量

计算机内存中的一块区域,通俗讲是给数据起个名字。a=3
两个对象相等a=b和两个对象是同一个对象c=a,d=a,则a=d是两个概念。
变量的运算

5.字符串

5.1字符串:由数字、字母、下划线组成的一串字符
注:单引号,双引号的使用
5.2转义字符:一种特殊的字符常量
\t制表符
\n换行符
\反斜杠
’ ’
\ ‘’
5.3长字符串

### Java 中 BGE-M3 的使用方法 BGE-M3 是一种基于向量相似度计算的方法,通常用于自然语言处理中的语义匹配和检索场景。以下是关于如何在 Java 中实现或调用 BGE-M3 的指南。 #### 依赖库引入 为了在 Java 中使用 BGE-M3,需要先集成支持向量运算的相关库。常见的做法是通过 TensorFlow 或 PyTorch 提供的 Java API 来加载预训练模型并执行推理操作。可以使用 Maven 添加以下依赖项: ```xml <dependency> <groupId>org.tensorflow</groupId> <artifactId>tensorflow-core-api</artifactId> <version>2.10.0</version> </dependency> ``` 上述代码片段展示了如何引入 TensorFlow 的核心 API 库来支持后续的操作[^1]。 #### 加载预训练模型 假设已经获取到 BGE-M3 的预训练权重文件(通常是 `.pb` 文件),可以通过如下方式加载模型: ```java import org.tensorflow.Graph; import org.tensorflow.Session; import org.tensorflow.Tensor; public class BGEM3Example { public static void main(String[] args) throws Exception { try (Graph graph = new Graph()) { // 将 .pb 文件加载至图结构中 graph.importGraphDef(Files.readAllBytes(Paths.get("path/to/bge-m3.pb"))); try (Session session = new Session(graph)) { // 准备输入张量数据 Tensor<?> inputTensor = constructInputTensor(); // 执行前向传播 Tensor<?> outputTensor = session.runner() .feed("input_node_name", inputTensor) .fetch("output_node_name") .run().get(0); System.out.println(outputTensor.toString()); } } } private static Tensor<?> constructInputTensor() { // 构建输入张量逻辑... return null; // 返回实际构建好的张量对象 } } ``` 此部分代码演示了如何利用 TensorFlow 的 Java 接口加载外部定义的神经网络模型,并完成基本的数据推断过程[^2]。 #### 向量化文本 对于具体应用场景而言,可能还需要额外编写函数将原始字符串转换成适合喂入模型的形式(比如 tokenization 和 embedding)。这部分工作可以根据官方文档或者社区资源自行扩展实现。 --- ###
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