1 split() 通过指定分隔符对字符串进行切片,如果参数 num 有指定值,则分隔 num+1 个子字符串。
语法
split() 方法语法:
str.split(str="", num=string.count(str)).
参数
- str -- 分隔符,默认为所有的空字符,包括空格、换行(\n)、制表符(\t)等。
- num -- 分割次数。默认为 -1, 即分隔所有。
返回值
返回分割后的字符串列表。
实例
以下实例展示了 split() 函数的使用方法:
实例(Python 2.0+)
#!/usr/bin/python # -*- coding: UTF-8 -*- str = "Line1-abcdef \nLine2-abc \nLine4-abcd"; print str.split( ); # 以空格为分隔符,包含 \n print str.split(' ', 1 ); # 以空格为分隔符,分隔成两个
以上实例输出结果如下:
['Line1-abcdef', 'Line2-abc', 'Line4-abcd'] ['Line1-abcdef', '\nLine2-abc \nLine4-abcd']
以下实例以 # 号为分隔符,指定第二个参数为 1,返回两个参数列表。
实例(Python 2.0+)
#!/usr/bin/python # -*- coding: UTF-8 -*- txt = "Google#Runoob#Taobao#Facebook" # 第二个参数为 1,返回两个参数列表 x = txt.split("#", 1) print x
以上实例输出结果如下:
['Google', 'Runoob#Taobao#Facebook']
python函数——形参中的:*args和**kwargs
来自https://www.cnblogs.com/xuyuanyuan123/p/6674645.html 感谢!
多个实参,放到一个元组里面,以*开头,可以传多个参数;**是形参中按照关键字传值把多余的传值以字典的方式呈现
*args:(表示的就是将实参中按照位置传值,多出来的值都给args,且以元祖的方式呈现)
示例:
1 2 3 4 5 |
|
执行结果是:
1 2 |
|
当args与位置参数和默认参数混用的情况下:(注意三者的顺序)
示例一、(三者顺序是:位置参数、默认参数、*args)
1 2 3 4 5 6 |
|
执行结果是:
1 2 3 |
|
示例二、(三者顺序是:位置参数、*args、默认参数)
1 2 3 4 5 6 |
|
执行结果是:
1 2 3 |
|
其中关于*,可以从2个角度来看(需要拆分来看):
1、从形参的角度来看:
示例:
1 2 3 |
|
执行结果是:
1 |
|
2、从实参的角度来看:
示例:
1 2 3 4 5 6 |
|
执行结果是:
1 2 3 |
|
**kwargs:(表示的就是形参中按照关键字传值把多余的传值以字典的方式呈现)
示例:
1 2 3 4 |
|
执行结果是:
1 2 |
|
关于**kwargs与位置参数、*args、默认参数混着用的问题:(注意顺序)
位置参数、*args、**kwargs三者的顺序必须是位置参数、*args、**kwargs,不然就会报错:
示例:
1 2 3 4 5 |
|
执行结果是:
1 2 3 |
|
错误示例:(由于顺序错误)
1 2 3 4 5 |
|
执行结果就会报错:
1 |
|
位置参数、默认参数、**kwargs三者的顺序必须是位置参数、默认参数、**kwargs,不然就会报错:
示例:
1 2 3 4 5 |
|
执行结果是:
1 2 3 |
|
其中关于**,可以从2个角度来看(需要拆分来看):
1、从形参的角度来看:
示例:
1 2 3 |
|
执行结果是:
1 |
|
2、从实参的角度来看:
示例一:
1 2 3 4 5 6 |
|
执行结果是:
1 2 3 4 |
|
示例二:
1 2 3 4 5 6 |
|
执行结果是:
1 2 3 4 |
|
ModelCheckpoint 用法
来自 https://blog.csdn.net/breeze5428/article/details/80875323 ,感谢!
keras.callbacks.ModelCheckpoint(filepath,monitor='val_loss',verbose=0,save_best_only=False, save_weights_only=False, mode='auto', period=1)
参数说明:
filename:字符串,保存模型的路径
monitor:需要监视的值
verbose:信息展示模式,0或1(checkpoint的保存信息,类似Epoch 00001: saving model to ...)
save_best_only:当设置为True时,监测值有改进时才会保存当前的模型( the latest best model according to the quantity monitored will not be overwritten)
mode:‘auto’,‘min’,‘max’之一,在save_best_only=True时决定性能最佳模型的评判准则,例如,当监测值为val_acc时,模式应为max,当监测值为val_loss时,模式应为min。在auto模式下,评价准则由被监测值的名字自动推断。
save_weights_only:若设置为True,则只保存模型权重,否则将保存整个模型(包括模型结构,配置信息等)
period:CheckPoint之间的间隔的epoch数