Python 3.0进阶

本文介绍了Python 3.0的高级数据类型和特性,包括列表、元组、字典和集合的操作,以及切片、迭代和列表生成式。此外,还详细讲解了函数的定义、调用、参数类别以及函数作为返回值和参数的使用。文章还探讨了高阶函数map()、reduce()和filter()的应用,以及闭包、匿名函数和装饰器的概念。最后提到了偏函数的使用,展示了如何使用functools.partial创建固定参数的函数。
摘要由CSDN通过智能技术生成

@author:云都小生(Cloudking)


目录

  • 高级数据类型(List、tuple、dict、set)

  • 高级特性

  • 函数

  • 高阶函数

  • 高级数据类型


    List是Python中一种叫列表的数据类型,是一种有序的集合,可以随时添加和删除其中的元素。

    >>> nameList = [“Cloudking”,”Rootkit”,”Sam”] >>> nameList [‘Cloudking’, ‘Rootkit’, ‘Sam’] >>>

    列表有点类似其他语言中的数组,List比普通的数组更灵活,它更像杂货箱,可以存储各种类型的数据。索引方式,跟普通数组的索引方式是一样的。

    >>> nameList[0]
    'Cloudking'
    >>> nameList[1]
    'Rootkit'
    >>> nameList[-1]
    Sam
    >>> len(nameList)
    3

    索引下标是从0开始,可以进行反向索引(-x)。我们还可以通过 len() 函数来计算该List的长度。如果索引超过list的长度,就会出错。

    给指定List插入数据的两个函数,分别是append()、insert() 想删除对应的数据则用pop()

    >>> nameList.append('Yurli')
    >>> nameList
    ['Cloudking', 'Rootkit', 'Sam', 'Yurli']
    >>> nameList.insert(3,"Koke")
    >>> nameList
    ['Cloudking', 'Rootkit', 'Sam', 'Koke', 'Yurli']
    >>> nameList.pop()
    'Yurli'
    >>> nameList
    ['Cloudking', 'Rootkit', 'Sam', 'Koke']
    >>> nameList.pop(3)
    'Koke'
    >>> nameList
    ['Cloudking', 'Rootkit', 'Sam']
    >>>

    我还要告诉你,List内部还能是另一个List。

    >>> dataList = [1,[‘jj怪’,’女’],0] >>> dataList [1, [‘jj怪’, ‘女’], 0]

    tuple在Python中叫元组,跟List类似。但是元组是被锁上的List,直白的说,它的数据一旦定义,就不能被改变。

    >>> dataClass = (1,2,3,4)
    >>> dataClass[0] = "d"
    Traceback (most recent call last):
    dataClass[0] = "d"
    TypeError: 'tuple' object does not support item assignment
    >>> dataClass[0] = 12
    Traceback (most recent call last):
    dataClass[0] = 12
    TypeError: 'tuple' object does not support item assignment
    >>>

    记住,tuple的定义语法跟list的定义方法是有区别的

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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