python学习笔记13 生成器 列表推导式及其他推导式

生成器

生成器的本质就是迭代器

生成器的三种生成办法

1 通过生成器函数 函数中包含yield就是生成器函数,生成器函数被执行,获取到的是生成器,而不是函数的执行,(不出函数结果)

2通过生成器表达式  (结果 for 变量 in 可迭代对象 if 筛选) 

3通过数据转换

生成器特点: 1 节省内存 2 惰性机制(不到最后不取值执行) 3 只能向前执行

取值方式: 1 __next__( )  2 send(值) 给上一个yield位置传一个值,第一个和最后一个yield不用传值  3 for循环  4 list(g)

关键字 yield  返回结果,可以让函数分段执行 最后一个yield后通常不写代码,否则执行的时候会报错

__next__() 可以让生成器向下执行一次

send() 也可以让生成器向下执行一次,给上一个yield传一个值,所以第一个位置不能用send(),只能用__next__()

而最后一个位置也不要用send() 传值.

 

列表推导式 

语法:  [最终结果(变量) for 变量 in 可迭代对象(if 条件)]

列表推导式循环写法: 

lst1 = [ i for first in names for i in first if i.count("e") == 2]

传统循环写法: 

for first in names:
    for i in first:
        if i.count("e") == 2:
            lst1.append(i)

 

lst = ["python%s" % i for i in range(1,15)]

字典推导式 {key:value}

lst1 = ["alex",'wusir','taibai','ritian']
lst2 = ['sb','hense','henbai','henniu']
dic = {lst1[i]:lst2[i] for i in range(len(lst1))}

集合推导式 (value) 自动去重

s = {i for i in list}

不存在元组推导式

作业

lst = ['balck','123123','yellow','Blue','ab','D']
lst1 = [i.upper() for i in lst if len(i)>=3]
print(lst1)

lst2 = [(x,y) for x in range(6) for y in range(6) if (x%2==0)&(y%2==1)]
print(lst2)

 

 

 

 

 

 

 

 

 

  • 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
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