Python技巧

解包

def func(a, *args, **kargs):
    print('a ', a)
    print('*args ', args)
    print('**kargs ', kargs)

func(1, 2, 3, 4, k1 = 1, k2 = 2, k3 = 3)
#a  1
#*args  (2, 3, 4)
#**kargs  {'k1': 1, 'k2': 2, 'k3': 3}

zip(*A)

def zip(*iterables):
    # zip('ABCD', 'xy') --> Ax By
    sentinel = object()
    iterators = [iter(it) for it in iterables]
    while iterators:
        result = []
        for it in iterators:
            elem = next(it, sentinel)
            if elem is sentinel:
                return
            result.append(elem)
        yield tuple(result)

转置问题:

res0 = [[0] * row] * colum
res = [[0] * row for _ in range(colum)]

python list属性方法:

1.list.append()       #在列表后面追加元素

2.list.extend()       #在列表后面追加另一个列表的元素

3.list.pop(index)  #弹出指定位置的元素

4.list.sort(reverse=False)     #列表元素升序          #reverse=True为降序

5.list.count(data)         #统计列表中出现data的次数

6.list.index(data)        #列表中元素的索引

7.max(list)                #列表中的最大值

8.min(list)                #列表中的最小值

9.list.remove(obj)     #删除列表中指定元素

10.list.reverse()       #列表元素倒序输出

11.list.insert(index,obj)    #向指定位置插入元素 

python常用技巧:
https://www.cnblogs.com/cangshuchirou/p/8678197.html

python集合SET:
  add() 为集合添加元素
  clear() 移除集合中的所有元素
  copy() 拷贝一个集合
  difference() 返回多个集合的差集
  difference_update() 移除集合中的元素,该元素在指定的集合也存在。
  discard() 删除集合中指定的元素
  intersection() 返回集合的交集
  intersection_update() 删除集合中的元素,该元素在指定的集合中不存在。
  isdisjoint() 判断两个集合是否包含相同的元素,如果没有返回 True,否则返回 False。
  issubset() 判断指定集合是否为该方法参数集合的子集。
  issuperset() 判断该方法的参数集合是否为指定集合的子集
  pop() 随机移除元素
  remove() 移除指定元素
  symmetric_difference() 返回两个集合中不重复的元素集合。
  symmetric_difference_update() 移除当前集合中在另外一个指定集合相同的元素,并将另外一个指定集合中不同的元素插入到当前集合中。
  union() 返回两个集合的并集
  update() 给集合添加元素
 参考链接:https://www.cnblogs.com/zjoe-life/p/10526361.html

找出列表出现次数最多的数:

print(max(set(test), key=test.count))

递归次数的上限一般为1000,重置方法如下:

sys.setrecursionlimit(x)

将两数组的对应位置结合起来:

dict (zip(t1,t2))

不用循环创建一个列表:

import more_itertools

test = [[-1, -2], [1, 2, 3, [4, (5, [6, 7])]], (30, 40), [25, 35]]

print(list(more_itertools.collapse(test)))
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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