python学习笔记-day02 运算符

运算符

算术运算符:+ -  /  % // 等

逻辑运算符: not and or  优先级 not >and >or

运算时: and 前为False 后面的不再计算,前为True,输出后面的;

                or 前面为True,后面的也不再计算,否则输出后面的:

 

print(1 or 2)  #1
print(0 or 3)  #3
print(2 and 0) #0
print(0 and 2) #0
print(2 and 3) #3

类比,int 和 str 数据类型可以相互转换,int 和 bool 类型也可以相互转换:

# int --> bool  非零即为True ,只有0 才是False
print(bool(0))  #False
print(bool(1))  #True
print(bool(-1)) #True

#bool -->int True 为1 ,False 为0
print(int(True))   #1
print(int(False))  #0

还有一点需要特别注意:

逻辑运算符(and or) 前后都是数字时,结果是数字;规则按照上面说的输出:

x and y: x为True ,输出y;否则输出x;

x or y: x 为True ,输出x ;   否则输出y;

逻辑运算符(and or )前后都是比较运算符时,输出的才是True  False

print(1 or 2)      #1
print(1 <2 or 2>3) #True
print(1 >2 or 2<3) #True

再来看个复杂的:

print(2 or 100 or 3 or 4)  #2
print(0 or 4 and 3 or 2)   #3  先算and得到3 ==> 0 or 3 or 2 ==>3 

 

最后看一个逻辑运算符前后,数字和比较运算符结合的:

print(2 or 1<3) # 2

print(2 and 1<3) #True

print(2 and 1>3) #False

print(1>2 and 3 or 4 and 3<2) #False

其实规律就是,当 or 和 and的运算规则:

第一行,or 前面的是2就不用管后面的了,也就是后面的结果都不看!

第二行,and 前是数字2 (也可以看做True 因为后面的是比较运算符,结果肯定为True or False),后面1 <3 为True ,所以最终结果为True

第三行,and 前是2(此处看为True)后面比较运算符为False,所以最终结果为False;

第四行, 有两个and  一个or ,所以先算and ,第一个and 是False, 后面的and 是False  所以最终结果是False;

 

下面这个就很简单:(面试题? 23333)

print(2 or 1<3 and 2)  #2

下面这个我竟然出错了!:

print(1<3 and 3 or 2)  #3

其实还是先算and 嘛,and 前面为True ,所以看y 为2 ,所以前面1<3 and 3 结果为3  就不用看后面的2了~

转载于:https://www.cnblogs.com/xuanxuanlove/p/9458639.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。 三、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