第五次

元组属于不可变序列,其元素不可改变,即元组一旦组建,不能改变元素的值。如果确实需要修改,只能再创建一个元组。元组的定义形式与列表相似,区别在于定义元组时所有元素放在一对()里。

1.元组的创建: x=(1)
2.读取元素:与列表相同,使用索引可以直接访问元组的元素,方法为:元组名[索引]
3.元组切片:x[star,end]
4.检索元素:使用元组对象的index()方法可以获取指定元素首次出现的下标。x.index(key)使用元组对象的count()方法统计元组中指定元素出现的次数。x.count(key)使用in运算符检索某个元素是否在该元组中。如果元素在元组中,返回true ‘key’ in x
5.删除元组del x列表与元组的区别及转换与列表相比,元组的处理速度比列表快,对不需要修改元素一般使用元组,可以使得代码更安全。元组可以作为字典的键,列表不行,因为列表是可变的。tuple(x) 冻结列表使其不可变list(x) 融化元组使其可变
字典(dict,全称: dictionary )是python内置的一种使用“键值对结构”存储数据的存储模型。在其它语言中也称为map或者是object(对象)
特点
一、字典不具备索引的概念,但可以通过字典的键key操作字典中存储的数据值value
二、字典(dict)内部存放的顺序和键key放入的顺序是没有关系的。
三、字典可以根据键(key)进行数据的添加、删除、修改、查询等操作
四、字典通过键(key)计算位置的算法称为哈希算法(Hash)
五、 要保证hash的正确性, 作为key的对象就不能变。 在Python中, 字符串、整数等不可变类型的数据可作为 字典的键六、字典的key是唯一的且必须是不可变的类型(对象), 如纯元素可以作为字典的key
Python 是面向对象的语言,所以程序抛出的异常也是类。
字典与集合
什么是自字典?
定义:字典是通过键来引用值的数据结构。
注(字典是键值对的无序集合,且字典中的每个元素有两部分组成,键和值)
创建字典
1定义字典的方式是通过花括号{}将所有元素扩起来。其中的元素用冒号分隔键和值。
2也可使用 dict() 函数来创建字典。
删除字典中的元素
实际上,dict 就是 Python 中的字典类型从字典中删除元素 Python字典的pop()方法(删除字典给定键 key 所对应的值,返回值为被删除的值)根据’键’来弹出值,key值必须给出,否则,返回任意值
字典的键和值
键的对象可以是数字字符串元组等,他是不能重复的,也不可以改变。而值是可以重复的。
字典的相关操作
len():统计字典中元素的个数,即有多少键值对。
in:成员测试,用来测试健是否在字典中
for:遍历字典,通过迭代字典的健实现循环
集合
什么是集合
定义:由不同元素组成可变容器的集合,集合(set)的成员通常被称为集合元素。
注:集合中任何元素都不重复并且是无序的 集合的常用方法
set.add()添加元素
set.remove()删除元素
set.pop()弹出第一个元素
set.clear()清空集合
常见的异常类
1.NameError:尝试访问一个没有申明的变量2.ZeroDivisionError:除数为 03.SyntaxError:语法错误4.IndexError:索引超出序列范围5.KeyError:请求一个不存在的字典关键字6.IOError:输入输出错误(比如你要读的文件不存在)7.AttributeError:尝试访问未知的对象属性8.TypeError:传给函数的参数类型不正确,比如给 int 函数传入字符型自定义异常类尽管内建的异常类已经包括大部分情况,但如果需要创建自己的异常类,可以采用下面的方法:class CustomException(Exception): # Exception 为所有异常的基类

  • 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