educode习题:基于 Python 的计算思维训练——函数

第6关:使用关键字参数
任务描述
在 Python 中函数的参数有四大类,分别为:位置参数、默认参数、可变参数、关键字参数(也叫键-值参数)。其中位置参数是使用频率最高的,但是其他参数也有很高的使用价值。

本关的主要任务是让学习者掌握位置参数与关键字参数的差别,以及两种参数的使用方法。

相关知识
位置参数
位置参数是最普通的参数,如果在定义函数的时候有位置参数,那么在调用函数的时候一定要对参数进行赋值,而且赋的值与参数位置一一对应。例如:

def method(var1,var2):
print(var1,var2)
调用时语句为:

method(1,2)
此时函数中var1 = 1,var2 = 2

关键字参数
在函数的参数比较多的时候,如果我们按照位置去对参数进行赋值会很容易出现错误,为了让程序不出现错误,我们便使用关键字参数。在关键字参数中我们为参数起一个名字,在调用时便通过这个名字进行赋值。例如:

def method(var1,var2):
print(var1,var2)
method(var1 = 1,var2 = 2)
结果为:

1 2
在调用函数时即使将参数位置调换,结果也不会出错。
关键字参数在定义函数时可以设置关键字参数默认值,例如:

def method(var1,var2 = 2):
print(var1,var2)
method(1)
结果为:

1 2
编程要求
本关的编程任务是补全 src/step6/step6.py 文件中的代码,要求改写上个关卡任务的函数diff。

本关涉及的 src/step6/step6.py 文件的代码框架如下:

coding:utf-8

from math import sin, cos
x = float(input())
#请在此添加代码,自行定义diff函数并实现此函数
#********** Begin #
#
* End **********#
print (“%.6f”%(diff(sin)(x)))
测试说明
本关要求学习者直接填入代码,然后运行程序并根据程序输出的结果判断填入的代码是否正确。

本关测试样例如下:

测试输入:
0.1
预期输出:
0.994988
其实没啥好注意的,就是与上一关的delX不同了,巨脑瘫的操作。。。

def diff(f):
#请在此添加代码,求出函数f的导数
#********** Begin *********#
    f1=lambda x:(f(x+0.01)-f(x-0.01))/(2*0.01)#需要注意与上一关的不同。delX=0.01
    return f1

#**********  End  *********#

  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: 深度学习是一种机器学习技术,可以通过模拟人类大脑的神经网络结构来实现智能决策和预测。Python是一种广泛使用的编程语言,也是深度学习中使用最多的语言之一。 如果你想入门深度学习并使用Python进行实现,可以参考一些经典的教材和资源,例如《Python深度学习》(Francois Chollet著)、《深度学习入门:基于Python的理论与实现》(斋藤康毅著)等。这些教材通常会介绍深度学习的基础理论、Python的基本语法和深度学习框架(如TensorFlow、Keras等)的使用方法,同时也会提供一些实例代码和练习题帮助你快速上手。 此外,你也可以通过在线课程和MOOC平台学习深度学习和Python编程。例如,Coursera、Udacity和edX等平台都提供了相关课程,可以根据自己的需求和兴趣进行选择。 ### 回答2: 深度学习入门:基于Python的理论与实现,是一本介绍深度学习的较为全面的教程。本书主要介绍了人工神经网络,包括基于反向传播算法的多层感知器、卷积神经网络、循环神经网络等基本模型以及它们的实现方法,同时还介绍了一些高级话题,如深度强化学习、生成模型等等。 在本书中,作者通过大量的编程实例来演示深度学习的应用。这些实例包括用深度学习算法进行手写数字识别、图像分类、语音识别和自然语言处理等任务。由于Python是目前流行的机器学习工具之一,因此这本书的实现过程都使用了Python编程语言。 具体来说,本书的主要内容包括人工神经网络基础知识、多层感知器模型、卷积神经网络模型、循环神经网络模型、生成模型、 强化学习、深度学习框架等方面,同时还包括很多深度学习的应用案例。作者采用了基础理论、数学公式、实例程序和实验数据等不同形式的阐释方法,使读者既能够理解深度学习的基本原理,也能够掌握它的实现方法。 此外,本书还提供了大量的参考文献和网上资源,使读者可以进一步深入学习和研究深度学习。在阅读本书的同时,读者可以根据作者提供的代码和数据,通过实际操作来进一步巩固理论知识和应用技能。 总之,深度学习入门:基于Python的理论与实现是一本非常实用的深度学习教材,可以帮助初学者更好地了解深度学习的基本概念和方法,提高实际应用的技能。 ### 回答3: 深度学习是一种人工智能技术,可用于训练计算机识别和理解大量数据。《深度学习入门:基于Python的理论与实现》这本书是入门者学习深度学习的必读之书。以下是本书的内容概述。 本书的第一部分介绍了深度学习的基础概念和理论,包括神经网络、反向传播算法、损失函数等。介绍了基本的深度学习模型,如前馈神经网络、卷积神经网络和循环神经网络。此外,还介绍了优化算法和正则化技术。 在第二部分中,作者使用Python编程语言实现了各种深度学习模型,使用的是许多广泛使用的深度学习框架,如TensorFlow和PyTorch。学习者获得从头开始编写深度学习算法的经验,同时实际应用中必备的PyTorch和TensorFlow经验。 在第三部分中,本书涵盖了几个应用案例,包括图像分类、语音识别和自然语言处理。幸运的是,这些案例通过代码演示展示,确保即使您没有实际应用经验也能操作成功。 总的来说,《深度学习入门:基于Python的理论与实现》是一本适合想要学习深度学习的初学者的绝佳书籍。其提供了深度学习的基本理论和核心技术,同时应用Python编程语言演示了实现技术。由此学习者可以建立深度学习专业的技术栈和能力,在人工智能领域有更广阔的发展空间。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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