第二周作业

#day1

list1=[]
for a in range(50,151):
    if a>2:
        for i in range(2,a):
            if a % i == 0:
                c=0
                break
            else:
                c = -1
        if c==-1:
            list1.append(a)
print(f"50~150质数:{list1}")

m=list()
for i in range(100,1000):
    a=i//100;#百
    b=i%100//10#十
    c=i%10
    if a**3+b**3+c**3==i:
        m.append(i)
    else:
        continue
print(f"水仙花数:{m}")

print("输入任意大于9的两位或三位数字")
a=int(input())
if a>=10 and a<100:
    i=a%10
    x=a//10
    if (a-i-x)%9==0:
        print("验证成功")
if a>=100 and a<1000:
    x=a//100
    i=a%100
    y=a%100%10
    z=a%100//10
    if (a-x-y-z)%9==0:
        print("验证成功")

for i in range(10000,100000):
    if (i+700000)/(i*10+7)==5:
        print(i)

a=[10,8,5,3,27,99]
print(f"硬币:{a}")
counT=0
for i in a:
    if i%2==0:
        counT+=i/2
    else:counT+=(i+1)/2
print(f"次数:{int(counT)}")

list1=[]
for a in range(1,101):
    if a>2:
        for i in range(2,a):
            if a % i == 0:
                c=0
                break
            else:
                c = -1
        if c==-1:
            list1.append(a)
    if a<=2:
        list1.append(a)
list1.append(0)
list1.append(0)
list2=[]
for i in range(len(list1)-2):
    a=list1[i]
    b=list1[i+1]
    c=list1[i+2]
    list3=[a,b]
    list4=[a,c]
    list5=[b,c]
    if b-2==2:
        list2.append(list3)
    elif c-a==2:
        list2.append(list4)
    elif c-b==2:
        list2.append(list5)
print("100以内孪生数")
print(list2)

list1=[1,23,12,54,21,77]
maxx=0
minn=list1[0]
counT=0
for i in list1:
    if i>maxx:
        maxx=i
        if i < minn:
            minn = i
for i in list1:
    counT+=i
arge=counT/len(list1)
print(f"最大值{maxx}最小值{minn}和{counT}平均数{arge}")

a=[1,3,5,7,3,8,1]
for i in a:
    count=a.count(i)
    if count>=2:
        a.remove(i)
print(a)

a=set()
for i in range(1,11):
    a.add(i)
print(a)

day2

print("输入一个十进制数")
a=int(input())
count0,count1=0,0
str=str(bin(a))
str=str[2:]
for i in str:
    if int(i)==0:
        count0+=1
    else:
        count1+=1
print(f"转换成二进制-0个数:{count0}  1个数:{count1}")

print("输入姓名和年龄(空格间隔):")
a=[]
i=0
while i<5:
    i += 1
    b = input().split()
    c = {f"name{i}": b[0], f"password{i}:": b[1]}
    a.append(c)
    print("是否继续添加?(Y or N)")
    d=input()
    if d=="Y":
        continue
    else:break
print(a)

a=[]
for i in range(1,101):
    if i%3!=0:
        a.append(i)
print("100以内不能被三整除得数有:")
print(a)
print(f"和为:{sum(a)}")

print("输入一个正整数:")
x=int(input())
list1=[]
for a in range(1,x+1):
    if a>2:
        for i in range(2,a):
            if a % i == 0:
                c=0
                break
            else:
                c = -1
        if c==-1:
            list1.append(a)
    if a<=2 and a>=0:
        list1.append(a)
print(f"1到其所有质数和为:{sum(list1)}")

print("(计算pi)输入循环次数")
a=int(input())
b=0
for i in range(1,a+1):
    if i==1:
        b=1
    if i>1:
        if i%2==1:
            b+=1/(2*i-1)
        elif i%2==0:
            b-=1/(2*i-1)
print(4*b)

arr=[1,3,6,8,23,45,656,34,231,2]
def maopao(arr:list):
    for i in range(len(arr)-1):
        for j in range(len(arr)-1-i):
            if arr[j]>arr[j+1]:
                arr[j],arr[j+1]=arr[j+1],arr[j]
print(arr)
maopao(arr)
print(arr)

print("输入一个整数初始a")
a=int(input())
print("a+aa+aaa...aaaaaaaaa和-输入要加的项数")
n=int(input())
s=0
count=0
for i in range(1,n+1):
    s+=a*10**(i-1)
    count+=s
print(f"和:{count}")

a=[1,2,3,4]
b=[2,5,6,7]
a.extend(b)
a.sort()
print(a)

list1=[1,2,3,4,5,6,7,8]
list2=[9,10,11,12,13,14]
list3=[]
list4=[]
list1.extend(list2)
for i in list1:
    if i%2==0:
        list3.append(i)
    else:
        list4.append(i)
list3.sort()
list4.sort()
list3.extend(list4)
print(list3)

  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
你好!改善深层神经网络的方法有很多,以下是一些常见的方法: 1. 使用更好的激活函数:传统的激活函数如Sigmoid、tanh等可能存在梯度消失或爆炸的问题。可以尝试使用ReLU、Leaky ReLU、ELU等激活函数,以减轻这些问题。 2. 使用批标准化(Batch Normalization):批标准化对网络的输入进行标准化,有助于加快网络的训练速度,并且可以缓解梯度问题,使得更深层的网络也能够训练得更好。 3. 使用残差连接(Residual Connections):残差连接可以帮助信息在网络中更好地流动,从而减轻梯度消失的问题。通过将某些层的输出与输入相加,可以使得网络更易于训练。 4. 使用更好的优化算法:传统的梯度下降算法如随机梯度下降(SGD)可能存在训练速度慢、易陷入局部最优等问题。可以尝试使用更高级的优化算法如Adam、RMSprop等,以加快模型的收敛速度。 5. 添加正则化:过拟合是深层神经网络常见的问题之一。可以通过添加正则化项如L1正则化、L2正则化等来限制模型的复杂度,防止过拟合的发生。 6. 数据增强:通过对训练数据进行一些随机的变换,如平移、旋转、缩放等,可以增加模型的泛化能力,防止过拟合。 这些方法只是改善深层神经网络的一部分,具体的选择和调整需要根据具体问题和数据集来进行。希望对你有所帮助!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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