打卡2

1.这门语言为什么叫Python,不是pig?

创始人Guido为了打发圣诞节的无趣,决心开发一个新的脚本解释程序,作为ABC 语言的一种继承。之所以选中Python(大蟒蛇的意思)作为该编程语言的名字,是取自英国20世纪70年代首播的电视喜剧《蒙提.派森干的飞行马戏团》(Monty Python’s Flying Circus)。

2.交互式环境干嘛的?怎么用?

(1)交互式环境能进行交互式处理,我理解的是在这种环境下电脑会明白你的指令
(2)打开IDLE

3.数学操作符//和/有什么区别?==和=有什么区别?

(1)//除法取整数,传回的是整数型 /除法取结果,传回的是浮点型
(2)== 是等于,是比较运算符,=是把一个值附给变量,是赋值运算符

4.如何在交互式环境下,实现右边式【也就是求出商和余数】图片: https://uploader.shimo.im/f/XDKdS2dJTzIrK4QK.png

(1)求商:print(10//3)
(2)求余数:print(10%3)

5.如果一个变量名全部是大写,比如COUNTIME,这意味着什么?

全局变量名,其既可以是某对象函数创建,也可以是在本程序任何地方创建。

6.input函数很好用,特别是当你不想要在代码中输入隐私信息,每次执一次性输入的时候!那么input怎么用呢?

i=input(‘输入的内容’)
print(i)

7.我们用缩进表示代码块的层次,那么Python里一个缩进等于几个空格?

4个

8.break和continue区别?

break:退出所在代码块的循环
continue:退出当前循环,结束后重新开始循环

9.如何导入模块?

import 模块名称,模块名称,模块名

10.导入彩蛋

图片: https://uploader.shimo.im/f/oZ1hvVVyFnUgQMaC.png‘’
在这里插入图片描述

11.每一个def定义函数一定要有return么?

不一定

12.在函数中申明的变量可以不可以整个代码中都来使用?

不可以。变量分为局部变量和全局变量,全局变量是可以都使用的,而局部变量要注意局部引用,且注意一般不要和全局变量混淆。

13.自己实猜数字的代码

【要求:将最终数字答案,也就是secrectNumber的值设置为自己的年纪,书上代码是把答案设置为一个1到20随机整数,如果你懂了,你应该知道怎么修改他,然后请你模拟猜数字的过程,直到猜出最后真实数字,(虽然这个数字就是你早就知道是你的年龄哈哈哈哈)】
在这里插入图片描述
在这里插入图片描述

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