python基础-5.条件控制语句

条件判断语句

  • if语句
    。if语句会先对if后面的条件判断式进行求值判断,若为True则执行if后面的代码块,若为False则不执行代码块
    。语法:if条件表达式:
    代码块

    在这里插入图片描述

  • if-else语句
    。if-else语句会先对if后面的条件判断式进行求值判断,若为True则执行if后面的代码块,若为False则不执行代码块
    。语法:
    if条件表达式:
    代码块

    else:
    代码块

    在这里插入图片描述

  • if-elif-else语句

    if-elif-else语句在执行时,会自上向下依次对条件表达式进行求值判断,
    —— 如果表达式的结果为True,则执行当前代码块,然后语句结束
    —— 如果表达式的结果为False,则继续向下判断,直到找到True为止
    —— 如果所有的表达式都是False,则执行else后的代码块

    。语法:
    if 条件表达式 :
    代码块
    elif 条件表达式 :
    代码块
    elif 条件表达式 :
    代码块

    else :
    代码块
    在这里插入图片描述

  • if-elif语句
    。语法:
    if 条件表达式 :
    代码块
    elif 条件表达式 :
    代码块


    在这里插入图片描述

  • input()函数 在这里插入图片描述

while 循环

  • 语法:
    。三大要素:
  1. 设置一个初始值
  2. while后面加上一个判断,对初始值的判断, 也可以是说对初始值进行一个限制
  3. 初始值的自增长在这里插入图片描述
  • while循环嵌套
    在这里插入图片描述

作业

1.九九乘法表。

在这里插入图片描述

  1. 求1000以内所有的水仙花数

  2. 获取用户输入的任意数,判断其是否是质数?

  3. 猜拳游戏:
    • 出拳 玩家:手动输入 电脑:随机输入
    • 判断输赢: 玩家获胜 电脑获胜 平局

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 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