函数的进阶(三)

匿名函数

匿名函数他没有绑定的名字,使用一次即被回收,加括号可以运行

lambda x,y:x+y

res = (lambda x,y:x+y)(1,2)
print(res)

 # 3

与内置函数联用

匿名函数通常与max()、sorted()、filter()、map()

 # max()
salary_dict = {
    'nick': 3000,
    'jason': 100000,
    'tank': 5000,
    'sean': 2000,
    'z': 1000
}

s= max(salary_dict,key = lambda name: salary_dict[name])
print(list(s))

 # jason'
 # sorted()
def func(item):
    return item

s = sorted([1,4,3,2,6,5],key=item,reverse=True)
print(list(s))
 # filter()
salary_dict = {
    'nick': 3000,
    'jason': 100000,
    'tank': 5000,
    'sean': 2000,
    'z': 1000
}
s = filtet(lambda name:salary_dict[name]>3000,salary_dict)
print(list(s))
 # map
def func(item):
    return item+2
s = map(func,[1,2,3])
print(list(s))

内置函数

  1. bytes

    res = bytes('你好',encoding='utf8')
    print(res)
    
     # b'\xe4\xbd\xa0\xe5\xa5\xbd' 解码字符。
  2. chr/ord

    print(chr(65))
     # A
    print(ord('A'))
     # 65
     # chr()参考ASCII码表将数字转成对应字符;ord()将字符转换成对应的数字。
  3. divmod

    print(divmod(10,3))
     # (3,1)
     # 分栏
  4. enumerate

    lit = ['a','b','c']
    for i in enumerart(lit):
        print(i)
    
     # (0, 'a')
     # (1, 'b')
     # (2, 'c')
  5. eval

    lis = '[1,2,3]'
    
    print(eval(lis))
    
     # 把字符串的引号去掉,留下来的是什么就是什么
  6. hash

    print(hash(123123))  # 不可变类型返回本身
    lis = [1,2,3]
    print(hash(lis))  # 可变类则报错,为不可西哈

异常处理

提前预防

AGE = 10
while True:
    age = input('>>: ').strip()
    if age.isdigit():  # 只有在age为字符串形式的整数时,下列代码才不会出错,该条件是可预知的
        age = int(age)
        if age == AGE:
            print('you got it')
            break
            
 # 如果错误发生的条件是可预知的,我们需要用if进行处理:在错误发生之前进行预防

之后预防

# 基本语法为
try:
    # 被检测的代码块
except 异常类型:
    try #中一旦检测到异常,就执行这个位置的逻辑

 # 如果错误发生的条件是不可预知的,则需要用到try...except:在错误发生之后进行处理

万能异常Exception

s1 = 'hello'
try:
    int(s1)
except Exception as e:
    print(e)

面向过程编程

面向过程编程是解决问题的一种思想,相当于武林门派,武林门派之间没有好坏之分,因此它与我们之后学习的面向对象编程其实没有好坏之分。

面向过程编程,核心是编程二字,过程指的是解决问题的步骤,即先干什么、后干什么、再干什么、然后干什么……

优点:复杂的问题流程化,进而简单化。

缺点:扩展性差

转载于:https://www.cnblogs.com/hj59988326/p/11585711.html

  • 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。 、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