python测试一

vue前端模板 <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <link rel="stylesheet" href="https://unpkg.com/element-ui/lib/theme-chalk/index.css"> <title>home</title> </head> <body> <d 阅读详情

python第一周测评试卷及答案解析

一、单选题(共19题,每题2分)

1.以下哪条语句能够输出:hello,"jerry"( D )

A  str1 = "hello, 'jerry'"

B  str1 = "hello, "jerry""

C  str1 = 'hello, 'jerry''

D  str1 = 'hello, "jerry"'

解析:输出双引号,外面要使用单引号

2.关于Python变量赋值下面表达式写法正确的是(A )

A  x = y = z = 1

B  x, y, z = 1

C  x == 1

D  x += 1

解析:连续赋值在python中是允许的

3.下面哪个是Python的创始人(B )

A  Linus Torvalds

B  Guido van Rossum

C  James Gosling

D  Matin Richards

解析:B为python的创始人

4.Python中对变量描述错误的选项是(D )

A  Python 不需要显式声明变量类型,在第一次变量赋值时由值决定变量的类型

B  变量通过变量名访问

C  变量必须在创建和赋值后使用

D  变量 PI 与变量 Pi 被看作相同的变量

5.以下不是Python支持的类型是(A  )

A char   B int    C float     D complex

6.以下程序的输出结果是( D  )

for num in range(1,4):

    sum *= num

    print(sum)

A 6   B 7   C 5   D TypeError 出错

7.运行以下程序,输出结果的是( C)

str1 = "Nanjing University"

str2 = str1[:7] + " Normal " + str1[-10:]

print(str2)

A  Normal U

B  Nanjing Normal

C  Nanjing Normal University

D  Normal University

8.下列表达式的运算结果是( D )

a = 100

b = False

print(a * b > -1)

A false  B 1  C0   DTrue

9.下面程序执行的结果是(B  )

for x in range(10):

    pass

print(x)

A 10  B 9  C 0  D 出错

10.下列代码的执行结果是(  C )

num1 = 1 and 2

num2 = True or False

result = num1*num2 + 3

print(result)

A 0  B4  C5  D报错

11.下列代码的执行结果肯定不会是( D )

print(int(random.random()*6-3));

A -1  B 0  C2  D3

12.a与b定义如下,下列哪个是正确(  B  )

a = '123'

b = "123"

Aa != b    B a in  b   C  a == 123    D a + b = 246

解析:a与b都是字符串的"123",是相等的 易选错D 

13.下列代码的运行结果是( C  )

print( 'a' < 'b' < 'c')

Ac    Bb     Ctrue    D False

14.以下4组变量名(以逗号分隔)全部正确的是( C )

A  ABC, aBC, a-bc, a_bc         B  _num123, 123num, NUM123, num_123

C print, id, __id__, python         D  ture, False, true1, false0

解析:标识符的命名规则

15.关于Python循环结构,以下选项中描述错误的是 ( A )

A  每个break语句可以跳出任意层次的循环

B  break用来跳出最内层for或者while循环,脱离该循环后程序从循环代码后继续执行

C  遍历循环中的遍历结构可以是字符串、文件、组合数据类型和range()函数等

D  Python通过for、while等关键字提供遍历循环和无限循环结构

解析:contiune不跳出循环,只是结束此次循环继续下一次

16.Python语言中,以下表达式输出结果为 11 的选项是( D )

A  print("1+1")

B  print(1+1)

C  print(("10+1"))

D  print(("1" + "1"))

17.运行以下程序,当从键盘上输入12,运行结果是( A  )

x =input()

print(type(x))

A   <class ‘str‘>

B   <class ‘int‘>

C  出错

D   <class ‘dict‘>

解析:从键盘上获取的是str类型,使用eval转换之后变为int类型

18.以下程序的输出结果是( D  )

cats =["狮子","猎豹","虎猫","花豹","孟加拉虎","美洲豹","雪豹"]

for s in cats:

    if "豹" in s: 

        print(s,end="")     

A  猎豹,花豹,美洲豹,雪豹

B  猎豹

C  雪豹

D  猎豹花豹美洲豹雪豹

19.下列哪个不是Python中的数据类型( C  )

A  bytes

B  int

C  True

D  list

二、多选题(不定项选择)(共6题,每题2分)

1.下面哪句打印的路径结果是正确的(AC )

A  print("c:\\demo\\a.txt")

B  print("c:\demo\a")

C  print(r"c:\demo\a.txt")

D  print(r"c:\\demo\\a.txt")

解析:转义字符串要么使用\\,要么使用r让字符串不进行转义

2.关于Python变量的命名方式说法正确的是( BD)

A  第一个字符必须是字母、下划线或数字

B  大小写敏感

C  可以使用关键字

D  建议使用英文,做到见名知意

解析:标识符的命名规则

3.下面哪个是Python合法的标识符(ACD )

A  int32

B  40xl

C  self

D  name

解析:标识符的命名规则

4.以下关于 Python 的多分支控制结构,正确的是( ABC )

A  每个 if 条件后要使用冒号(:)

B  在 Python 中,没有 switch-case 语句

C  Python 中的 pass 是空语句,一般用作占位语句

D  elif 可以单独使用

解析:elif必须要配合if一起使用

5.下面Python语句语法正确的是( AD )

A  min = x if x<y else y

B  max=x>y?x:y

C  if(x>y)print(x)

D  while True:

解析:A,D都是python允许的写法

6.下列赋值表达式哪个在Python中是非法的(  BD  )

A  x = y = z = 1

B  x = (y = z + 1)

C  x, y = 1,2

D  x += 1

解析:B首先()中是一个赋值等式赋值给x非法,其次,z没有初始化  Dx没有初始化不能直接运算

三、填空题(共17题,每题2分)

1.在Python中表示空类型的是:  None 

2.查看变量内存地址的Python内置函数名称是: id      

3.Python标准库random中的random.choice();choice();choice   方法作用是从序列中随机选择1个元素

4.Python中用于表示逻辑与、逻辑或、逻辑非运算的关键字分别是and、or、not

5.Python内置函数    sum     用来返回数值型序列中所有元素之和

6.表达式 3 ** 2 的值为:    9     ,表达式 3 * 2的值为:    6   

7.Python单行注释使用:    #     , 多行注释使用:   '''''';""""""          

8.Python中用来返回参数中的最小元素的内置函数名是:   min()  

9.Python中用来返回参数中的最大元素的内置函数名是:   max()  

10.表达式 'ab' in 'acbed' 的值为  False     

11.表达式 int('101',2) 的值为:    5        

12.已知 x = 3,那么执行语句 x += 6 之后,x的值为:   9            

13.已知x = 3==3,执行结束后,变量x的值为:  True    

14.定义变量num=1234, 写出下列代码运行的结果

s = str(num);

print(s):  1234  

print(s[1:-1]): 23   

15.表达式 3 or 5 的值为      3      ,表达式 0 or 5 的值为    5      

16.已知a=8,请写出使用  bin()   函数可以获取对应的二进制,使用  hex()  函数可以获取对应的十六进制

17.请写出十进制5的二进制表示 00000101  和十进制-5的二进制表示 11111011       

四、简答题(共10题,每题3分)

1.Python中,如何交换两个变量的值, 请写出至少两种方式?

方法一: a,b = b,a;

方法二: c = a; a = b; b = c;

方法三: a = a ^ b;  b = a ^ b; a = a ^ b;

方法四: a = a + b; b = a - b; a = a - b

2.请简述Python和其他计算机编程语言相比有哪些优点?

1易于学习

2.易于阅读

3.易于维护

4.可扩展

5.可嵌入

6.有丰富的第三方库

3.请简述break,contiune,以及pass三者的使用场景.

break:跳出当前循环体

continue:结束当前循环继续下一次

pass:本身没有任何意义,保证语义的完整性

4.Python内置数据类型有哪些?

1.Number类型  int(整型)  float(浮点型)

2.Str类型

3.Bool类型 True(真) False(假)

4.List列表类型 类似于其他语言的数组 [元素1,元素2,元素3]

5.tuple 元祖类型 (元素1,元素2,元素3)

6.dict 字典类型 类似于其他语言的对象{"key1":"value1","key2":"value2"}

7.Set集合类型 {元素1,元素2,元素3}

8.bytes字节类型 格式:b"文本内容"

5.已知a = "hello ", b = "Jack", 请使用至少2种方式打印a和b拼接后的结果"hello Jack".

1.使用“+”号 

2.使用“%”

3.使用“,”

4.使用"".join()函数

6.布尔值分别有什么?如果将他们转换成整数分别是多少?

布尔值分别有False和True

int(False)

int(True)

7.如何查看变量在内存中的地址?如何判断变量的类型?

查看内存地址:id()

判断变量的类型:type()

8.请简述Python变量的命名规范.

1.只能使用数字字母下划线

2.不能以数字开头 

3.不能使用关键字

4.避免使用函数名 

5.见名知意

9.请简述is和==的区别?

is比较的是地址,

== 比较的是值,

10.列举五个以上的Python内置函数?

print(),

input(),

sum(),

avg(),

max(),

min() 等.

五、编程题(共5题,每题5分)

1.计算矩形面积:用户输入矩形的长和宽,计算其面积并输出,结果四舍五入,保留2位小数。

width = int(input("请输入宽度:")) 

height = int(input("请输入高度:"))

area = width * height 

print(area)

2.编写Python代码,实现求从100到200的所有素数?

count = 0  

for x in range(100,201): 

    for j in range(2,x): 

        if x % j==0:

            break   

    else: 

         count += 1

3.编写Python代码, 实现66乘法表?

for i in range(1,7):

    for j in range(1,i+1):

        print(f"{j}*{i}={i*j}",end="\t")

    print()

4.编写Python代码,实现一个判断用户输入的年份是否是闰年的程序?

year =int( input("请输入一个年份")) 

if year%4 == 0 and year%100 !=0 or year%400 == 0: 

    print("%d为闰年"%year)  

else: 

    print("%d不是闰年"%year)

5.请写Python代码计算从100到1000所有数的和?

sum=0

for i in range(100,1001):

    sum+=i

print(sum)

python pytest测试框架(一) 目录 一、安装 二、第一个测试例子 三、pytest参数 1、-KEXPRESSION 3、--maxfail=num 4、-m MARKEXPR 5、-v, --verbose 6、-q, --quiet 7、--junit-xml=path 8、--result-log=path 四、pytest 用例规则 五、pytest运行方式 1.单独执行某一个py文件里... 阅读详情

相关推荐

基于Python的自动化测试(一)

Robot Framework***:是一个基于关键字驱动的自动化测试框架,它支持多种测试类型,如功能测试、回归测试、验收测试等,广泛应用于 Web 测试、API 测试、数据库测试等领域。Requests***:一个流行的 HTTP 请求库,常用于测试 Web API,掌握如何发送 GET、POST 等请求,解析返回结果,并对接口进行断言。它提供了多种功能,可以用来访问网络资源、发送请求、获取响应内容等。unittest***:Python 的标准测试框架,了解如何编写测试用例、组织测试套件、使用断言等。

XuChaofafa的博客 981

Python int()函数

Python int()函数

m0_51004152的博客 5274

对冲策略与马丁结合ea的编程实践(五)核心是把两个品种合成一个新品种

在外汇、数字货币、期货交易甚至赌博中,马丁策略、网格策略是最常用的策略,也是最容易被理解的策略,但是如何克服单边行情、极端行情,是使用马丁策略最为头疼的事情,如加大间距、加大资金量,只能缓解,并不能根本解决这样的情况,所以使用时大部分时候都心里没底。 有没有一种正确的思路,让行情控制在震荡范围以内呢,这是今天我要向大家分享的一个思路,那就是对冲。大家看下图: 大家可以看到欧美(EURUSD)和镑美(GBPUSD),这两个品种,大部分时候走势是一致的,那么我们有没有可能把他们两个品种进行一下合成,比如买0.

omidsky的博客 3743

Python:基础知识

Python基础知识int函数的使用:-1.取整:int(101.234)-2.进制转换int('101',2)round函数的使用-更改小数保留位数round(101.234,2)序列解包方法一(针对数字)x=input('请输入两边长及其夹角:') a,b,sita=x请输入两边长及其夹角:[1,1,60]或1,1,60都可方法二(针对字符)s=input('x,y,z=') x,y,z=s.s

Vicf95的博客 1043

STM32—时钟树(结合系统时钟函数理解)

时钟树的概念: 我们可以把MCU的运行比作人体的运行一样,人最重要的是什么?是心跳! 心脏的周期性收缩将血液泵向身体各处。心脏对于人体好比时钟对于MCU,微控制器(MCU)的运行要靠周期性的时钟脉冲来驱动,而这个脉冲的始源往往是由外部晶体振荡器提供时钟输入,最终转换为多个外部设备的周期性运作。这种时钟“能量”的传递路径犹如大树的养分由主干流向个分支,因此称为时钟树。 STM32时钟: 在STM32...

肥宅快乐博客 1万+

Word多级标题出现黑块的解决思路(word 数字必须介于1-1638之间)

遇到多级目录出现黑块问题,看到一篇博客完美解决,在此记录。

AI_Optimization的博客 3718

【计算机二级Python】模拟试卷第6套选择题

第六套 1. 算法的时间复杂度是指 A、执行算法程序所需要的时间 B、算法程序的长度 C、算法程序中的指令条数 D、算法执行过程中所需要的基本运算次数 正确答案: D 2. 下列关于栈的叙述中正确的是 A 在栈中只能插入数据 B 在栈中只能删除数据 C 栈是先进先出的线性表 D 栈是先进后出的线性表 正确答案: D 3. 对建立良好的程序设计风格,下面描述正确的是 A 符号名的命名只要符合语法 B 充分考虑程序的执行效率 C 程序的注释可有可无 D程序应简单、清晰、可读性好 正确答案: D 4. 在面向对象

BetterBench的博客 9321

1、JMP脚本编程全面指南:从基础到高级应用

本博客全面介绍了JMP脚本编程的各个方面,从JMP基础和JSL入门,到数据类型、数据结构、编程方法、数据表操作、图形与三维场景脚本,再到应用程序创建与扩展功能。内容涵盖脚本工具使用、常见任务实现、兼容性说明及未来发展趋势,旨在帮助用户掌握JMP脚本语言的强大功能,提升数据分析的自动化与定制化能力。适合从初学者到高级用户的深入学习与实践参考。

flink9streamer的博客 267

python程序设计第一章基础知识 题库及选解

填空 1、 Python安装扩展库常用的是_______工具。(pip) 2、 Python标准库math中用来计算平方根的函数是__________。(sqrt) 3、 Python程序文件扩展名主要有__________和________两种,其中后者常用于GUI程序。(py、pyw) 4、 Python源代码程序编译后的文件扩展名为_________。(pyc) 5、 使用pip工具升级科学计算扩展库numpy的完整命令是_________________。(pip install --upgrade

zimuzi2019的博客 2万+

国产麒麟V10系统命令大全,100个实用命令助你玩转系统!

国产麒麟V10系统命令大全,100个实用命令助你玩转系统!

网络技术联盟站 1915

两点调制原理以及RF DAC和PLL SDM两条输入路径理解

特性数据本质原始数字比特流 (0/1)平滑后的预失真波形数据连接对象Σ-Δ调制器 (SDM)的小数输入RF DAC在系统中的角色主调制路径:通过改变PLL分频比产生频率偏移辅助补偿路径:通过RF DAC产生补偿电压,校正PLL失真可否加入延时可以且必须。用于数字时序对齐,对性能无影响。绝对不可以。会导致补偿失配,严重破坏信号频谱。功能目标实现数字域的频率调制确保模拟域的波形和频谱完美因此,在您所描述的这种先进发射机架构中,2-point数据是数字指令,送给SDM;

m0_49540263的博客 607

python单元测试(一)

这两天在学习单python的单元测试功能,太懒了不想每次都启动服务再

骑着蜗牛向前跑的博客 7406

20、微电网系统的系统框架、建模与控制架构解析

本文详细解析了微电网系统的系统框架、建模方法以及控制架构。文章首先介绍了在系统的系统(SoS)框架下,微电网如何通过微控制器(MC)和微电网中央控制器(MGCC)协调运行,并支持并网与孤岛模式下的高效能量管理。随后,针对微电网的关键组件,包括微涡轮机、光伏太阳能电池和风力涡轮机,提供了详细的数学建模分析。最后,探讨了微电网的控制架构设计,涵盖分层控制和共识控制策略,以实现系统的高效、稳定运行,满足日益增长的能源需求与市场要求。

elastic6hunter的博客 207

Python期末测试及解析一

Python期末测试试卷及解析

少儿编程乔老师 7457

滑模控制算法(SMC)讲解-案例(附C代码)

该文章介绍了滑模控制算法的原理实现步骤,特点及关键问题,最后以车辆控制案例来讲解滑模控制的整个步骤实现

heda3的博客 4112

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。

python自动化测试selenium(一)

自动化测试

锅锅的博客 426

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

python测试用例学习一

测试用例代码: import unittest from test_fk_math import TestCrazyitModule import test_hello test_cases = "TestHello" def whole_suite(): # 创建测试加载器 loader = unittest.TestLoader() # 创建测试包 ...

慕容的博客 1495

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")

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

基于Python脚本进行测试(一)

编写 Python 测试脚本主要用于验证代码的正确性、功能和性能。测试脚本可以用于单元测试、集成测试、功能测试等。以下是编写测试脚本需要学习的 Python 知识点。

XuChaofafa的博客 1102

Python测试(一)

Python测试 PO模型 unittest

Roy的博客 522

python接口自动化测试(一)

接口测试--pytest框架

qq_44895262的博客 1万+

python接口测试一

python 动态添加测试case 静态函数-加setattr 函数添加动态函数 根据参数。 import unittest class TestFkMath(unittest.TestCase): bar = 1 def test_one(self): self.assertEqual(1,1) def action(self,arg1): ...

lzx2766478的博客 153

Python 测试学习指南(一)

在这本书中,您将了解 Python 3 语言中自动化测试的主要工具、技术和技能。您将了解 Python 标准库中包含的工具,如 doctest、unittest 和 unittest.mock。您还将了解如 Nose 和 coverage.py 等有用的非标准工具。在我们讨论这些工具时,我们还将讨论测试的哲学和最佳实践,因此您完成学习后,将准备好在现实世界项目中应用所学知识。这本书是早期书籍《Python 测试:入门指南》,作者丹尼尔·阿巴克勒,出版社 Packt Publishing 的后续作品,该书仅涵

龙哥盟 1788

Python Selenium 测试教程(一)

在 Selenium 出现之前,测试 web 应用的功能是手工完成的,这需要花费很多时间。测试往往依赖于不同的场景。每个场景都被认为是一个测试用例,用来在实现之前制定 web 应用的行为。这些测试用例被部署在各种浏览器上,以确认源代码中的任何问题。它需要一个专门的测试团队来检查所有的测试用例。准确性和时间是 web 开发中的主要约束,这导致了自动化测试用例可以在不同的 web 应用中使用,而无需更改源代码。Selenium 是为了自动化测试用例而开发的。

龙哥盟 1360

Python测试进阶(一)

软件测试框架 pytest 报告生成 Allure

Roy的博客 1209

python测试接口_Python 接口测试(一)

1.概念:接口测试是测试系统组件间接口的一种测试。接口测试主要用于检测外部系统与系统之间以及内部各个子系统之间的交互点。测试的重点是要检查数据的交换,传递和控制管理过程,以及系统间的相互逻辑依赖关系等。2.环境准备:(1.)安装pythonhttps://www.python.org/downloads/ 下载你想用的版本(本文介绍的版本是3.5的版本)。安装后,添加系统环境变量。在cmd中输入p...

weixin_39826080的博客 159
上一篇: python练习题9
下一篇: python笔记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
 
 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