python 深度學習（感知器）總結

今年想要將深度學習中的cnn加入機械人足球中來，於是在看零基礎入門深度學習課程，準備入門深度學習（大佬們請忽略），以下是連線

但是在親自程式設計時遇到一些問題，首先我的python版本是3.x，這對於源**中有些表達或者模組的引用需要更改。其次就是我的python掌握的並不是非常熟練，對於lambda表示式和一些bif等存在很多問題。下面是我遇到的一些問題總結

一、reduce()

在python2 中，reduce()函式為其bif，但是python 3.x中reduce()函式從全域性名字空間中移除，轉移到了functools模組中，所以在python3中要想使用reduce()函式需要引入functools模組然後去呼叫此函式，如下：

from functools import reduce

reduce()函式語法：

reduce(function, iterable[, initializer])

reduce()函式的作用是運用函式對引數列表的元素進行累計，即用reduce()函式中的function對可迭代物件中的第乙個和第二個元素進行操作，得到結果後再和第三個進行function運算，一直到最後乙個元素。

def f(x,y):
return x*y
>>> reduce(f, range(1,4))
6

二、map()

map()函式是python內建的高階函式，map()函式的語法：

map(function, iterable, ...)

此函式接收乙個function和乙個list，通過函式function作用在list的每個元素上，最終得到乙個新的list並返回。

注意：1.map()函式不改變原有的list，而是生成乙個新的list，因此可以用map()函式將乙個list轉換成另乙個list

2.在python2和python3中，map()函式的返回型別不同，在python2中map()返回的是list型別，但是在python中map()函式返回迭代器iterators型別，想要列印出具體數值需要對map()函式進行list操作，即list(map(...))，否則結果如下：

下面是map()函式應用的乙個例子：

def f(x):
return x*x
>>>print(map(f, [1, 2, 3]))
[1,4,9]

三、zip()

zip()函式接受多個可迭代物件作為引數，將這些物件中對應元素打包成乙個tuple。

注意：在python2和python3中zip()函式的返回物件不同，python2中返回這些元組打包成的listl列表，但在python3為了節省記憶體，返回的是乙個物件，如果想要列印需要對zi()函式進行list操作。

以下分別是python2和python3中使用zip()函式的例子：

>>>a = [1,2,3]
>>>b = [4,5,6]
>>>zip(a,b)     # 打包為元組的列表python2
[(1, 4), (2, 5), (3, 6)]
>>>list(zip(a,b))    #python3
[(1, 4), (2, 5), (3, 6)]

四、匿名函式lambda

lambda函式在python2、3中有很大區別。在python2中lambda函式可以接收多個引數，可以指定作為引數的元素的元組的個數，python2的直譯器會把這個元組「解開」成命名引數，然後在lambda函式中引用。python3中仍然可以傳遞乙個元組為lambda函式的引數，但是直譯器不會把它解析成命名引數，這時需要通過位置索引來引用每個引數python

python 2

python 3

注釋lambda (x,): x + f(x)

lambda x1 : x1[0] + f(x1[0])

注1lambda (x,y): x + f(y)

lambda x_y : x_y[0] + f(x_y[1])

注2lambda (x,(y,z)): x + y + z

lambda x_y_z: x_y_z[0] + x_y_z[1][0]+ x_y_z[1][1]

注3lambda x,y,z: x+y+z

和python2相同

注4注1：如果使用包含乙個元素的元組作為引數，在python3中會用位置索引x[0]來表示，其中x1是自己定義的，不違反命名原則下可以起其它的名字

注2：模擬注1，使用含有兩個元素的元組(x,y)作為引數的lambda函式被轉換為x_y,它有兩個位置引數，即x_y[0]和x_y[1]

注3：可以處理使用巢狀命名引數的元組作為引數的lambda函式，位置引數像二維陣列

注4：使用多個引數的lambda函式。python2和python3相同

最後除錯程式中遇到的手誤的小錯誤：

關於__name__ == 』__main__』

當模組作為主程式執行的時候，__name__屬性的值是「__main__」，當該模組被呼叫匯入到另乙個模組的時候，"__name__"屬性值為模組名稱。注意：是__main__而不是__main()__

python 深度學習（感知器）總結

單層感知器python 深度學習之單層感知器（一）

深度學習PART I 單層感知器

入門深度學習（一）感知器

python 深度學習（感知器）總結

單層感知器python 深度學習之單層感知器（一）

深度學習PART I 單層感知器

入門深度學習（一）感知器

相關推薦