- 综合排序
- 最热优先
- 最新优先
- 来自专栏米扑专栏
Python 学习入门（10）—— 时间
Python格式化日期时间的函数为datetime.datetime.strftime()；由字符串转为日期型的函数为：datetime.datetime.strptime()，两个函数都涉及日期时间的格式化字符串 /usr/bin/python # it-homer in 2013 import sys reload(sys) sys.setdefaultencoding("utf-8") import datetime :26:40 if __name__ == "__main__": format_time() 运行结果： 2013-11-20 10:29:26.456640 2013-11-20 10: 29:26 Nov-20-13 10:29:26 Nov-20-2013 10:29:26 Wed Wednesday 46 46 3 Nov November 20 324 Wed Nov 20 10 :29:26 2013 10 10 AM 11/20/13 10:29:26 11/20/13 10:29:26 2013-11-20 09:42:00 2013-11-20 09:42:00 Nov
56530发布于 2019-02-19 - 来自专栏CV学习史
Deep learning with Python 学习笔记（10）
生成式深度学习 机器学习模型能够对图像、音乐和故事的统计潜在空间（latent space）进行学习，然后从这个空间中采样（sample），创造出与模型在训练数据中所见到的艺术作品具有相似特征的新作品 想要学习图像表示的这种潜在空间，GAN 和 VAE 是两种不同的策略。VAE 非常适合用于学习具有良好结构的潜在空间，其中特定方向表示数据中有意义的变化轴。 它是一种现代化的自编码器，将深度学习的想法与贝叶斯推断结合在一起。 但是，VAE 向自编码器添加了一点统计魔法，迫使其学习连续的、高度结构化的潜在空间。 , 10)) plt.imshow(figure, cmap='Greys_r') plt.show() 结果 ?
1.1K20发布于 2019-09-10 - 来自专栏python3
Python自动化开发学习10
多线程的使用场景 上次讲了由于GIL锁的存在，Python的多线程是假的，用的还是CPU的单核。Python的多线程只是利用了CPU的上下文切换，上下分切换也是占用CPU的。那么什么时候用多行程？ 上面起了10个子进程，加上主进程，一个11个python进程。 我是用pycharm执行的代码，主进程的ID是8036，主进程的父进程是pycharm7832。 学习线程的时候也有类似的问题，不过线程占用资源小，不容易导致系统瘫痪，但是一定会导致CPU频繁切换上下文导致效率反而会降低。所以要有信号量。 设定进程池，可以限制一次起的进程的数量。 这里通过学习大概了解一下底层是怎么实现的。剩下的会用模块就好了，现在至少知道模块中是怎么运作的了。 最后就是学一下下面的已经封装的selectors模块，底层都清楚了，学习使用下面的模块已经没有难度了。 selectors 模块 平时直接用已经封装好的模块，简单坑又少。
1.2K30发布于 2020-01-08 - 来自专栏python3
python 学习笔记day10-pyt
12345端口上 2.服务器采用TCP协议进行通信 3.服务器以root身份运行 4.服务器运行文件是/root/PycharmProjects/day10 /example.py server_args = /root/PycharmProjects/day10/example.py } 重启xinetd服务器，并查看/var/log time.sleep(10) print 'child.done.' # watch -n 1 ps a 观测效果。 time.sleep(10) print 'child.done.' 2、不挂起的情况 #! time.sleep(10) print 'child.done.'
1K30发布于 2020-01-15 - 来自专栏北京马哥教育
Python入门学习篇（10）-循环语句
2Python循环语句简介 Python提供了for循环和while循环（在Python中没有do..while循环）: 循环类型 描述 while 循环 在给定的判断条件为 true 时执行循环体，否则退出循环体 Python支持以下循环控制语句： 控制语句 描述 break 语句 在语句块执行过程中终止循环，并且跳出整个循环 continue 语句 在语句块执行过程中终止当前循环，跳出该次循环，执行下一次循环。
38400发布于 2018-07-31 - 来自专栏信数据得永生
Python 元学习实用指南：6~10
以下是每个任务中需要的样本数量（即镜头数量）和数据点数量[k）： self.num_samples = 10 以下是周期数，即训练迭代： self.epochs = 1000 D_test[i]： for i in range(self.num_tasks): XTest, YTest = sample_points(10 number of shots -number of data points (k) we need to have in each task self.num_samples = 10 data points and prepare our test set for meta training XTest, YTest = sample_points(10 因此，对于每个任务，我们仅采样 10 个数据点并训练网络-也就是说，对于每个任务，我们仅采样 10 个(x, y)对。 让我们看一下代码并详细查看它。
90210编辑于 2023-04-24 - 来自专栏机器学习算法与Python学习
最新Python学习项目Top10！
作者 | Mybridge 出品 | AI科技大本营 过去一个月里，我们对近1000个Python 学习项目进行了排名，并挑选出热度前10的项目。 项目主页链接： https://aryaboudaie.com/python/technical/educational/web/flask/2018/10/17/flask.html? 你可以学习到如何使用这两个包，如何用 Python 读取地理空间数据，并绘制飓风的路径图。 ? 项目主页链接： https://treyhunner.com/2018/10/asterisks-in-python-what-they-are-and-how-to-use-them/? v=UyQn0BhVqNU ▌项目9：Michelangelo PyML Michelangelo PyML 是 Uber 开发的一款快速上手的机器学习项目，旨在利用机器学习（ML）进行产品开发及业务的日常管理
62220发布于 2018-12-14 - 来自专栏AI科技大本营的专栏
最新Python学习项目Top10！
作者 | Mybridge 译者 | Linstancy 整理 | Jane 出品 | AI科技大本营 【导读】过去一个月里，我们对近1000个Python 学习项目进行了排名，并挑选出热度前10的项目 /educational/web/flask/2018/10/17/flask.html? 你可以学习到如何使用这两个包，如何用 Python 读取地理空间数据，并绘制飓风的路径图。 项目主页链接： https://treyhunner.com/2018/10/asterisks-in-python-what-they-are-and-how-to-use-them/? v=UyQn0BhVqNU ▌项目9：Michelangelo PyML Michelangelo PyML 是 Uber 开发的一款快速上手的机器学习项目，旨在利用机器学习（ML）进行产品开发及业务的日常管理
71620发布于 2018-12-14 - 来自专栏程序员的知识天地
2019学习Python的10个原因
如果您正在考虑学习Python，但你却不确定为什么要这样做，那么下面我就说说学习Python的十个好处。 不过，这取决于个人。对于一名初学者来说，学习Python很有意义，因为它很简单。 如果你想要学好Python可以加入一个组织，这样大家学习的话就比较方便，还能够共同交流和分享资料，给你推荐一个学习的组织学习有可学习有困难或者想获取Python资料请加Python学习Q群 784758214 ，互相学习，互相分享学习资料 不管怎样，不用再多费吹灰之力，下面是我在2019年学习Python的10个理由。 在我看来，对于初学者来说，在简单化之后，这应该是学习Python最重要的原因。 10、工资 Python开发人员是一些工资最高的开发人员，特别是在数据科学、机器学习和Web开发领域。 以上就是学习Python的10大原因，看了这些，是不是更了解了Python。2019,从Python学起
63640发布于 2019-06-14 - 来自专栏CSDN
Python学习的自我理解和想法（10）
今天是学Python的第10天，学的内容是函数。开学了，时间不多，写得不多，见谅。 总结 这是我今天学Python的自我想法和对其的理解，有不对的地方请同志们多多包涵，谢谢观看！
15310编辑于 2024-11-19 - 来自专栏前端说吧
【python系统学习10】布尔值
python的数据类型有好多个，前边写过字符串、整数和浮点数这三种。 逻辑运算符 and - 与 and的计算逻辑 我自己学习js的并且(&&)时总结的顺口溜，同样适用于python中的并且(and)： # 关于判断规则 真真才为真 有假不算他 # 关于返回结果 真真得末尾 or - 或 or的计算逻辑 同样来一段我学习时的顺口溜： # 关于判断规则 有真即为真 假假才算假 # 关于返回结果 有真返回真 假假返末尾 解释：or左右的条件，只要有一个为真时，总的判断结果就为真 布尔值判断 bool() 虽然我们有python中的假值表, 肉眼就能辨别真假值。 不过python也提供了bool()函数来帮助我们判断数据的真假。 bool({'boolVal': False})) print(7, bool('字符串除了空串都为真')) print(8, bool(-1)) print(9, bool(1.3)) print(10
3K30发布于 2020-03-17 - 来自专栏落雨的专栏
【Python】学习笔记week10-0 循环
【PYTHON】比赛评分计算#循环 题目描述 学校举办新生歌手大赛，输出每个选手的成绩，由评委的评分的平均值得到。 样例输入 10 8.5 9.4 6.7 8 样例输出 该歌手最终成绩为8.5 s=input() sum=0 count=0 while s! ='': count=count+1 sum=sum+eval(s) s=input() print("该歌手最终成绩为{:.1f}".format(sum/count)) 【PYTHON
29.2K87编辑于 2021-12-11 - 来自专栏落雨的专栏
【Python】学习笔记week10-1 循环
【PYTHON】菱形星阵#字符串#循环 题目描述 输入一个n，输出对应的菱形星阵 输入 3 输出 * *** ***** ******* ***** *** * 样例输入 3 )): print (' '*RANGE_12[i] + '*'*RANGE[i]) if __name__ == "__main__": stars5(c) PYTHON 样例输出 letters=10,digits=5,spaces=2,others=4 a=input() isalpha=0 isdigit=0 isspace=0 other=0 for i in a other=other+1 print("letters={},digits={},spaces={},others={}".format(isalpha,isdigit,isspace,other)) 【PYTHON
29.3K87编辑于 2021-12-11 - 来自专栏机器学习与统计学
Python学习 Day 10 str iter getitem getattr call
__repr__ = __str__ __iter__ 如果一个类想被用于for ... in循环，类似list或tuple那样，就必须实现一个__iter__()方法，该方法返回一个迭代对象，然后，Python ): a, b = b, a + b return a 现在，就可以按下标访问数列的任意一项了： >>> f = Fib() >>> f[0] 1 >>> f[10 ] 89 list有个神奇的切片方法： >>> range(100)[5:10] [5, 6, 7, 8, 9] 对于Fib却报错。 总之，通过上面的方法，我们自己定义的类表现得和Python自带的list、tuple、dict没什么区别，这完全归功于动态语言的“鸭子类型”，不需要强制继承某个接口。 def __getattr__(self, attr): if attr=='score': return 99 当调用不存在的属性时，比如score，Python
1.2K30发布于 2019-04-10 - 来自专栏萌海无涯
Python之pygame学习精灵及精灵组（10）
pygame学习精灵及精灵组 ✕ 精灵也就是我们的类操作，定义一个类型的对象，而且pygame封装好了一些对应的操作，方便我们的调用。 ? ? 速度 self.xs = 1 self.ys = 1 # 反弹到一定次数死亡 self.cont = random.randint(10,20
4.4K20发布于 2019-08-20 - 来自专栏李蔚蓬的专栏
第10-11周Python学习周记
&关于计划： 利用课余时间，对python进行三个并发进程式的学习： 1.阅读西瓜书（《机器学习》）； 2.对于python相关库的学习（参考简书文档）； 3.时间允许的话，尽可能了解一些身为程序员必要掌握的知识 &小结时间：第10~11周 &学习内容： 1.阅读了《机器学习》中第一章的《基本术语》部分； 2.关于切片（简化指定索引范围的索引操作）： a. '] d.可以通过切片轻松取出某一段数列： 首先创建一个0-99的数列： >>> L = list(range(100)) >>> L [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 ： >>> L[:10:2] [0, 2, 4, 6, 8] 所有数，每五个取一个： >>> L[::5] [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, array([[0, 0], [1, 1], [2, 2], [3, 3], [4, 4], [5, 5], [6, 6], [7, 7]]) 3.用requests模块从Web下载文件（参考网络资源进行学习
91010发布于 2018-09-13 - 来自专栏信数据得永生
Python 机器人学习手册：6~10
首先，它将触发引脚置于2微秒的LOW状态，并使10微秒的HIGH状态。 在10微秒后，它将再次将引脚恢复为LOW状态。 这是根据时序图。 我们已经看到触发脉冲宽度为 10µs。 在下一章中，我们将看到机器人的完整接口，并学习如何使用 Chefbot 进行自主导航。 问题 什么是 3D 传感器，它们与普通相机有何不同？ ROS 的主要特点是什么？ 在本章中，我们将学习如何使用这些零件组装该机器人。 我们还将研究该机器人与 Tiva-C LaunchPad 的传感器和其他电子组件的最终接口。 连接后，我们将学习如何将机器人与 PC 连接，以及如何在实际机器人中使用 SLAM 和 AMCL 进行自主导航。 重要参数： ~Kp（float ,default: 10）：该参数是 PID 控制器的比例增益。 ~Ki（float, default: 10）：该参数是 PID 控制器的积分增益。
4.2K20编辑于 2023-04-27 - 来自专栏华章科技
Python机器学习库 Top 10，你值得拥有
有许多原因致使Python在众多开发者中如此受追捧，其中之一便是其拥有大量的与机器学习相关的开源框架以及工具库。 本文介绍了其中最受欢迎的10大Python库。 正是由于Python简单易用以及高开发效率，吸引了大量的开发者为其创建更多新的机器学习工具库；而又因为大量的机器学习工具库的出现，使得Python在机器学习领域变得如此流行。 10 Eli5 ? 通常，在机器学习任务中遇到的难题是模型的预测结果不准确。而用Python构建的Eli5机器学习库可以帮助攻克这个难题。 原文： https://hackernoon.com/top-10-libraries-in-python-to-implement-machine-learning-12602cf5dc61 有话要说 10本书，从Python小白进阶数据分析、人工智能大神（建议收藏） 关于数据预处理的7个重要知识点，全在这儿了！
1.4K61发布于 2019-10-31 - 来自专栏算法进阶
10大机器学习聚类算法实现（Python）
来源：尤而小屋 分享一篇关于聚类的文章：10种聚类算法和Python代码。文末提供jupyter notebook的完整代码获取方式。 聚类或聚类分析是无监督学习问题。 在本教程中，你将发现如何在 python 中安装和使用顶级聚类算法。 完成本教程后，你将知道： 聚类是在输入数据的特征空间中查找自然组的无监督问题。 在 Scikit-learn 机器学习库的 Python 中如何实现、适配和使用顶级聚类算法。 聚类是一种无监督学习技术，因此很难评估任何给定方法的输出质量。 —源自：《机器学习页：概率观点》2012。 二、聚类算法 有许多类型的聚类算法。 在 Scikit-learn 机器学习库的 Python 中如何实现、适合和使用10种顶级聚类算法
68520编辑于 2023-08-28 - 来自专栏Python1.0
机器学习必知的 10 个 Python 库
python 的简单性吸引了许多开发人员使用它来开发各种库，这其中自然也少不了机器学习方向。 今天我们就给大家介绍10个在机器学习领域被广泛应用的 python 库。 此机器学习库（python）于 2017 年推出，自其问世以来，该库越来越受欢迎，并吸引了越来越多的机器学习开发人员。 通常，机器学习模型预测的结果并不准确，python 内置的机器学习库 Eli5 有助于克服这一挑战。它是可视化和调试所有机器学习模型的组合，并跟踪算法的所有工作步骤。 10.Pandas 什么是 Pandas？ Pandas 是 Python 中的一个机器学习库，它提供高级的数据结构和各种各样的分析工具。 总结 python 中的 10 大顶级机器学习库的介绍就到这里啦。如果文章对你有帮助，欢迎转发/点赞/收藏~
2.6K30编辑于 2021-12-31
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号