学习python第一天

                                   学习python第一天(上午)
1算术运算符:
       10  //  8                   等于 1
       10  /   8                   等于1.25
       3.0 //  2                   等于1.0 
       -3 ** 2                     等于-9            
       小结:pyhton3 除法是数学的除法,若要整除则要用 //。
 
 2逻辑运算符:and or not

 3条件表达式(三元操作符)
   语法:x if 条件 else y
   x,y = 4,5                                 改为 small = x if x<y else y
   if x < y:
     small = x
   else:
     small = y
    注意:python对缩进很敏感。如:
      1⃣️if                                             这个else与1⃣️匹配
              2⃣️if                                     c语言则不是 c语言是就近原则 
           else
              
  4断言(assert)
  assert 3<4 :抛出 AssertionError
  
  5 循环(while    for)
     while 条件:
      循环体
   
     for 目标 in 表达式:
     循环体
     range(5)              表示0到4
     range(2,9)          表示2到8
     range(1,10,2)     表示1 3 5 7 9
   
 6 break    continue

7列表
  创建列表:
  普通:     number = [1, 2, 3, 4, 5, 6]
  混合:     mix = [1, 'asd', 3.14, [1,2,3]]
  空:         empty = []

 向列表添加元素:
 member.append(3)
 member.extend(mix).              参数为一个列表
 member.insert(1, 3)                在第一位插入3

从列表删除元素
member.remove(1)
del member[1]                        删除第一位元素  
del member                            删除整个列表
member.pop()                       返回删除的元素
member.pop(1)                     可指定删除元素

列表分片 (slice)
member[1:3] 选第一个和第二个
member[:3] 选到第二个
member[1:] 第一个开始
member[:]

列表的相加
list1 = [123]. list2 = [234]
list3 = list1 + list3
list3 * 3

列表成员关系操作符
123 in list3 只能判断一个层次
666 not in list3 只能判断一个层次

list3.reverse() 列表翻转
list3.sort()

list7 = list6[:] 拷贝
list8 = list6 类似引用

8元组 (逗号是关键)
tuple1 = (1, 2, 3, 4, 5, 6)
tuple1 = (1,) 元组 tuple1=(1) 不是元组
tuple1 = 1, 元组

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    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 1
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