python入门基础篇

"Life is short,use python"

解释运行
与C/C++不一样;

  • C/C++将源代码文件转化为可执行文件,再执行
  • python源代码直接由解释器一行一行读取,读一行执行一行

跨平台
基于python解释器执行,只要操作系统/平台上能运行python解释器就可以运行python源代码

可扩展性强
可以调用C/C++语言重构代码

可嵌入
python代码可嵌入到C/C++中执行

丰富的库
非常庞大的第三方库

1.变量和赋值

无需声明,直接定义
(1)使用“=”进行初始化和赋值操作

变量名 =

(2)支持增量赋值

n = n * 10 等价于 n *= 10

(3)不支持自增++、自减–操作

n += 1 
n -= 1

(4)动态类型
同一个变量,可以赋值成不同的类型的值
(5)变量命名规则

  • 字母、数字、下划线开头,但不能数字开头(与C语言一样)
  • 大小写敏感

2.“数字”

(1)没有int、float等关键字,但还是区分数字类型的;

a = 1 
print(type(a))#<type 'int'>

a = 1.0
print(type(a))#<type 'float'>

(2)数字变量取值范围完全取决于机器内存;
(3)”复数“类型

a = 2 + 3j
print(a)#(2+3j)

3.“字符串”

(1)单引号(’)、双引号(")、三引号("’)表示字符串;

a = 'hehe'
b = "hehe"
c = '''hehe'''

(2)字符串索引规则:第一个字符索引是0,最后一个字符索引是-1;

str = 'hello'
print(str[0])#'h'
print(str[-1])#'o'

(3)+用于连接,*用于重复,len获取长度;

a = 'hehe'
b =  'haha'
c = a + b
print(c)#hehehaha

d = a * 4
print(d)#hehehehehehehehe

print(len(a))#4

(4)单个字符也是字符串;

a = 'python'
print(type(a[0]))#<type 'str'>

4.布尔类型

(1)True、False

a = True
print(type(a))#<type 'bool'>

(2)参与整数运算,True=>1,False=>0

a = True
b = a + 1
print(b)#2

5.输入输出

输入:input()
输出:print()

name = input("Enter your name:")
Enter your name:xiaoming
print(name)#xiaoming

num = input("Enter num:")
Enter your name:4
print(int(num) + 1)#5

6.注释

单行注释、多行注释

a = 1#单行注释

'''
a = 1
b = 2
多行注释
'''

7.操作符

(1)’/‘精准除法,’//'整除

a = 1
b = 2
print(a/b)#0.5
print(a//b)#0

(2)**乘方

a = 2
b = 3
print(2**3)#8

(3)支持标准比较运算符> < >= <= == !=
(4)支持逻辑运算符 and or not

print(2 < 4 and 2 == 4)#False
print(2 > 4 or 2 < 4)#True
print(not 6.2 <= 6)#True

(5)字符串使用“== !=”判定内容是否相等

print('haha' == 'hehe')#False
print('hello' != 'hallo')#True

(6)字符串之间比较大小,结果取决于“字典序”

print('haha' < 'hehe')#True

8.列表/元组/集合/字典

(1)表示

列表:[]
元组:()
集合:{}
字典:{}

(2)区分
可变序列:列表、集合、字典
不可变序列:元组

元素可重复:列表、元组
不可重复:集合、字典

除集合和字典属于无序序列之外,列表、元组、字符串等序列类型均支持双向索引,第一个下标为0,最后一个下标为-1。集合的索引方式为单向索引

### mmdetection 使用教程 #### 安装配置 为了顺利使用 `mmdetection`,需先完成环境搭建。推荐通过 Anaconda 创建独立 Python 环境并安装依赖项。具体操作如下: 1. 更新 Conda 和 pip 工具至最新版本。 2. 根据操作系统选择合适的 CUDA 版本来安装 PyTorch 及其相关组件[^2]。 ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` 接着克隆 `mmdetection-mini` 仓库到本地机器上,并按照说明文档中的指引执行必要的编译命令以确保所有自定义算子能够正常工作[^1]。 ```bash git clone https://gitcode.com/gh_mirrors/mm/mmdetection-mini.git cd mmdetection-mini pip install -r requirements/build.txt pip install -v -e . ``` #### 示例代码 下面给出一段简单的实例化检测器并对单张图片进行推理预测的Python脚本: ```python from mmdet.apis import init_detector, inference_detector import mmcv config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py' checkpoint_file = 'checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth' # 初始化模型 model = init_detector(config_file, checkpoint_file, device='cuda:0') img = 'test.jpg' # 或者 img = mmcv.imread(img),这将会读取图像文件 result = inference_detector(model, img) # 显示结果 model.show_result(img, result, out_file="output.png") ``` 这段程序加载了一个预训练好的 Faster R-CNN 模型权重,并利用它对指定路径下的测试图片进行了目标识别处理,最后保存带有标注框的结果图到当前目录下名为 "output.png" 的文件里。 #### 配置文件调整 对于想要深入定制化的开发者来说,在熟悉框架结构的基础上适当编辑配置文件可以实现更灵活的功能扩展。比如可以在 `mmdetection/configs/_base_/models/` 文件夹内找到不同网络架构的基础设定模板;而在实际项目应用时,则通常会新建特定任务场景所需的个性化参数组合方案[^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