上一页 1 2 3 4 5 6 7 ··· 12 下一页
摘要: 一、实时编辑器 所创建的脚本不仅可以捕获代码,还可以讲述与人分享的故事。自动化的上下文提示可让您在编程时快速推进,并且将结果与可视化内容和您的代码一起显示。 一般以 为后缀。 二、App Designer App Designer 让您无需成为专业的软件开发人员,即可创建专业的应用程序。拖放可视化组 阅读全文
posted @ 2018-11-04 21:16 xinet 阅读(1388) 评论(0) 推荐(1) 编辑
摘要: 下面的代码改写自 "COCO 官方 API" ,改写后的代码 "cocoz.py" 被我放置在 "Xinering/cocoapi" 。我的主要改进有: 1. 增加对 Windows 系统的支持; 2. 替换 为 ,解决 Windows 的编码问题。 3. 跳过解压这一步骤(包括直接的或间接的解压) 阅读全文
posted @ 2018-11-01 13:26 xinet 阅读(10553) 评论(0) 推荐(0) 编辑
摘要: `class class` 语句是对象的创建者并且是一个隐含的赋值运算——执行时,它会产生类对象,并把引用值存储在前面所使用的变量名。 存储数据 使用类来管理数据: (42, 42) (7, 42) (7, 45) 如果想要同时修改 、 ,你需要这样: (45, 45) False (7, 45) 阅读全文
posted @ 2018-10-30 22:00 xinet 阅读(219) 评论(0) 推荐(0) 编辑
摘要: 函数基础 一个函数就是将一些语句集合在一起的部件,它们能够不止一次地在程序中运行。函数的主要作用: 最大化的代码重用和最小化代码冗余 流程的分解 一般地,函数讲的流程是:告诉你怎样去做某事,而不是让你使用它去做某事。 Python 中的 语句实际上是一个可执行的语句:当它运行时,它会创建一个新的函数 阅读全文
posted @ 2018-10-28 17:26 xinet 阅读(575) 评论(0) 推荐(0) 编辑
摘要: 比较、相等和真值 操作符测试值的相等性 。 表达式测试对象的一致性 。 (True, True) (True, False, False, False) False 4 2 Python 语句 就是告诉你的程序应该做什么的句子。 程序由模块构成。 模块包含语句。 语句包含表达式。 表达式建立并处理对 阅读全文
posted @ 2018-10-27 21:41 xinet 阅读(209) 评论(0) 推荐(0) 编辑
摘要: 类型和运算 (Types and Operations) Introducing Python Object Types 在非正式的意义上, 在 Python 中, 我们用一些东西做事情. "事物" 采取像加法和串联的形式的操作。 "东西" 是指我们执行这些操作的对象。 从更正式的角度来看,在 Py 阅读全文
posted @ 2018-10-22 21:27 xinet 阅读(375) 评论(0) 推荐(0) 编辑
摘要: 翻译自 《Python学习手册(第5版)》 Systems Programming Python 对操作系统服务的内置接口使其非常适合编写可移植、可维护的系统管理工具和实用程序 utilities (有时称为 shell 工具)。Python 程序可以搜索文件和目录树、启动其他程序、使用进程和线程进 阅读全文
posted @ 2018-10-21 22:33 xinet 阅读(2191) 评论(0) 推荐(1) 编辑
摘要: 在多分类问题中,我们可以使用 softmax 函数,对输出的值归一化为概率值。下面举个例子: Press to save figure to "net.svg", to break c:\programdata\anaconda3\lib\site packages\viznet\context.p 阅读全文
posted @ 2018-09-25 18:39 xinet 阅读(796) 评论(0) 推荐(0) 编辑
摘要: 学习资料: 一个神经网络绘图包 latex 自带 Tikz 画图包 Example: Kalman Filter System Model. 基于 Matplotlib 的Viznet 在线生成卷积网络结构图:ConvNetDraw 使用 Viznet 画出神经网络结构图 ''' ''' impor 阅读全文
posted @ 2018-09-25 13:44 xinet 阅读(38205) 评论(1) 推荐(2) 编辑
摘要: 定义一个事件 $X=x$ 的 自信息 为 $$ I(x) = \log P(x) $$ 信息熵 简称 熵 , 是表示随机变量不确定性的度量. 定义为 $$ H(X) = \mathbb{E}_{X \sim P}[I(x)] = \mathbb{E}_{X \sim P} [\log P(x)] $ 阅读全文
posted @ 2018-09-14 14:47 xinet 阅读(586) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 ··· 12 下一页