python 函数

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

def foo(x,*args):     print(x)     print(args)   foo(1,2,3,4,5)#其中的2,3,4,5都给了args

执行结果是：

1 2	1 (2, 3, 4, 5)

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

def foo(x,y=1,*args):     print(x)     print(y)     print(args)   foo(1,2,3,4,5)#其中的x为1，y=1的值被2重置了，3,4,5都给了args

　执行结果是：

1 2 3

1 2 (3, 4, 5)

　示例二、（三者顺序是:位置参数、*args、默认参数）

1 2 3 4 5 6

def foo(x,*args,y=1):     print(x)     print(args)     print(y)   foo(1,2,3,4,5)#其中的x为1，2,3,4,5都给了args,y按照默认参数依旧为1

　执行结果是：

1 2 3

1 (2, 3, 4, 5) 1

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

def foo(*args):#其实这一操作相当于def foo（a,b,c,d,e):     print(args) foo(1,2,3,4,5)#其中的1，2,3,4,5都按照位置传值分别传给了a,b,c,d,e

执行结果是：

1	(1, 2, 3, 4, 5)

2、从实参的角度来看：

示例：

1 2 3 4 5 6

def foo(x,y,z):     print(x)     print(y)     print(z)       foo(*(1,2,3))#其中的*（1,2,3）拆开来看就是：foo（1,2,3），都按照位置传值分别传给了x,y,z

执行结果是：

1 2 3

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

def foo(x,**kwargs):     print(x)     print(kwargs) foo(1,y=1,a=2,b=3,c=4)#将y=1,a=2,b=3,c=4以字典的方式给了kwargs

执行结果是：

1 2	1 {'y': 1, 'a': 2, 'b': 3, 'c': 4}

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

def foo(x,*args,**kwargs):     print(x)     print(args)     print(kwargs) foo(1,2,3,4,y=1,a=2,b=3,c=4)#将1传给了x，将2,3,4以元组方式传给了args，y=1,a=2,b=3,c=4以字典的方式给了kwargs

执行结果是：

1 2 3

1 (2, 3, 4) {'y': 1, 'a': 2, 'b': 3, 'c': 4}

错误示例：（由于顺序错误）

1 2 3 4 5

def foo(x,**kwargs,*args):     print(x)     print(args)     print(kwargs) foo(1,y=1,a=2,b=3,c=4,2,3,4)

执行结果就会报错：

1	SyntaxError: invalid syntax

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

def foo(x,y=1,**kwargs):     print(x)     print(y)     print(kwargs) foo(1,a=2,b=3,c=4)#将1按照位置传值给x，y按照默认参数为1，a=2,b=3,c=4以字典的方式给了kwargs

执行结果是：

1 2 3

1 1 {'a': 2, 'b': 3, 'c': 4}

　　

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

def foo(**kwargs):#其实就是相当于def foo(y,a,b,c)     print(kwargs) foo(y=1,a=2,b=3,c=4)

执行结果是：

1	{'y': 1, 'a': 2, 'b': 3, 'c': 4}

2、从实参的角度来看：

示例一：

1 2 3 4 5 6

def foo(a,b,c,d):     print(a)     print(b)     print(c)     print(d) foo(**{"a":2,"b":3,"c":4,"d":5})#**{"a":2,"b":3,"c":4,"d":5}是将字典里的每个值按照关键字传值的方式传给a,b,c,d

执行结果是：

1 2 3 4

2 3 4 5

示例二：

1 2 3 4 5 6

def foo(a,b,c,d=1):     print(a)     print(b)     print(c)     print(d) foo(**{"a":2,"b":3,"c":4})#**{"a":2,"b":3,"c":4}是将字典里的每个值按照关键字传值的方式传给a,b,c；d依旧按照默认参数

执行结果是：

1 2 3 4

2 3 4 1

---

---

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