【北京大学】1 TensorFlow1.x中Python基础知识

ゝ一纸荒年。 2022-12-29 02:00 226阅读 0赞

### 目录 ###

*  1 tutle模块
 *  2 函数、模块、包
 *  3 类
 *  4 文件的读写
 *  5 Bug总结
 *  相关笔记

[知识来源-bilibili北京大学tensorflow][-bilibili_tensorflow]

# 1 tutle模块 #

小游戏模块

import tutle #导入turtle模块
    t = turtle.Pen() #用turtle模块中Pen类，实例化出一个叫做t的对象
    t.forward(像素点)      # 让t向前走多少个像素点
    t.backward(像素点)     # 让t向后走多少个像素点
    t.left(像素点)      # 让t左转多少角度
    t.right(像素点)         # 让t右转多少角度
    t.reset(像素点)         # 让t复位

# 2 函数、模块、包 #

（1）函数

def hi_name(yourname)
        print "hello %s"%yourname #百分号表示占位

（2）模块  
模块是一个函数的几何，先导入，再使用，用模块.函数名调用

import time
    time.asctime()

（3）包  
包是包含多个模块

from PIL import Image

# 3 类 #

（1）概念  
类：物以类聚人以群分，是函数的几何，可实例化出对象的模具  
实例化：对象 = 类（）  
对象：是类实例化出来的实体，对象实实在在存在的，完成具体的工作  
面向对象：程序员反复修改优化类，类实例化出对象，对象调用类里面的函数具体的操作。

class 类名(父类名)：
        pass# 占位符

（2）规定

*  先用pass占位置，起架构；再用具体的函数替换pass完善类
 *  类里定义函数时，语法规定第一个参数必须是self
 *  \_\_init\_\_函数，在新对象实例化时会自动运动，用于给新对象赋初值
 *  对象调用类里的函数，用对象.函数名
 *  对象调用类的变量，用对象.变量名
 *  类内定义函数时，如调用自身或父类的函数与变量时，必须用self.引导，应写为self.函数名或self.变量名

# pytest.py
    class Animals()
        def breathe(self):
            print "breathing"
        def move(self):
            print "moving"
        def ear(self):
            print "eating food"
    class Mammals(Animals):
        def breastfeed(self):
            print "feeding young"
    class Cats(Mammals):
        def __init__(self,spots):
            self.spots = spots
        def catch_mouse(self):
            print "catch mouse"
        def left_foot_forward(self):
            print "left foot forward"
        def left_foot_backward(self):
            print "left foot backwad"
        def dance(self):
            self.left_foot_forward()
            self.left_foot_backward()
            self.left_foot_forward()
            self.left_foot_backward()
    kitty = Cats(10)
    print kitty.spots
    kitty.dance()
    kitty.breastfeed()
    kitty.move()

# 4 文件的读写 #

import pickle  
开： 文件变量 = open(“文件路径文件名”,“wb”)  
存：pickle.dump(待写入的变量，文件变量)  
关：文件变量.close()  
举例:存储文件

# savedata.py
    imprt pickle
    game_data = { "postition":"N2 E3","pocket":["key","knife"],"money":160}
    save_file = open("save.dat","wb") #打开文件
    pickle.dump(game_data,save_file) # 存储文件
    save_file.close()

举例：读取文件

# readdata.py
    imprt pickle
    load_file = open("save.dat","rb") #打开文件
    load_game_data = pickle.load(load_file) # 存储文件
    load_file.close()
    print load_game_data

# 5 Bug总结 #

linux系统中保存写入带有中文的文件报错：SyntaxError:Non-ASCII character ‘\\xe8’ in file x.py on line 1 ,but no encoding declared  
分析：因为保存的文件编码格式不对，不兼容中文汉字，需要改成UTF-8编码格式  
解决：在文件的第一行加上\#coding:utf-8

# 相关笔记 #

以下所有源码以及更详细PDF笔记请在github下载  
[TensorFolwNotebook-from-Peking-University][]

1.  [【北京大学】1 TensorFlow1.x中Python基础知识][1 TensorFlow1.x_Python]
2.  [【北京大学】2 TensorFlow1.x的张量、计算图、会话][2 TensorFlow1.x]
3.  [【北京大学】3 TensorFlow1.x的前向传播推导与实现][3 TensorFlow1.x]
4.  [【北京大学】4 TensorFlow1.x的反向传播推导与实现][4 TensorFlow1.x]
5.  [【北京大学】5 TensorFlow1.x的损失函数和交叉熵举例讲解及实现][5 TensorFlow1.x]
6.  [【北京大学】6 TensorFlow1.x的学习率、滑动平均和正则化实例及实现][6 TensorFlow1.x]
7.  [【北京大学】7 TensorFlow1.x的神经网络模块设计思想举例及实现][7 TensorFlow1.x]
8.  [【北京大学】8 TensorFlow1.x的Mnist数据集实例实现][8 TensorFlow1.x_Mnist]
9.  [【北京大学】9 TensorFlow1.x的实现自定义Mnist数据集][9 TensorFlow1.x_Mnist]
10. [【北京大学】10 TensorFlow1.x的卷积神经网络(CNN)相关基础知识][10 TensorFlow1.x_CNN]
11. [【北京大学】11 TensorFlow1.x的卷积神经网络模型Lenet5实现][11 TensorFlow1.x_Lenet5]
12. [【北京大学】12 TensorFlow1.x的卷积神经网络模型VGGNet实现][12 TensorFlow1.x_VGGNet]
13. [【北京大学】13 TensorFlow1.x的项目实战之手写英文体识别OCR技术][13 TensorFlow1.x_OCR]
14. [【北京大学】14 TensorFlow1.x的二值神经网络实现MNIST数据集手写数字识别][14 TensorFlow1.x_MNIST]
15. [【北京大学】15 TensorFlow1.x的项目实战之人脸表情识别][15 TensorFlow1.x]
16. [【北京大学】16 TensorFlow1.x的项目实战之图像风格融合与快速迁移][16 TensorFlow1.x]

[-bilibili_tensorflow]: https://www.bilibili.com/video/BV1m7411d7kT?p=1
[TensorFolwNotebook-from-Peking-University]: https://github.com/823316627bandeng/-TensorFolwNotebook-from-Peking-University
[1 TensorFlow1.x_Python]: https://betterbench.blog.csdn.net/article/details/111400935
[2 TensorFlow1.x]: https://betterbench.blog.csdn.net/article/details/111401620
[3 TensorFlow1.x]: https://betterbench.blog.csdn.net/article/details/111407104
[4 TensorFlow1.x]: https://betterbench.blog.csdn.net/article/details/111407700
[5 TensorFlow1.x]: https://betterbench.blog.csdn.net/article/details/111409255
[6 TensorFlow1.x]: https://betterbench.blog.csdn.net/article/details/111410367
[7 TensorFlow1.x]: https://betterbench.blog.csdn.net/article/details/111410935
[8 TensorFlow1.x_Mnist]: https://betterbench.blog.csdn.net/article/details/111414788
[9 TensorFlow1.x_Mnist]: https://betterbench.blog.csdn.net/article/details/111480327
[10 TensorFlow1.x_CNN]: https://betterbench.blog.csdn.net/article/details/111495960
[11 TensorFlow1.x_Lenet5]: https://betterbench.blog.csdn.net/article/details/111499496
[12 TensorFlow1.x_VGGNet]: https://betterbench.blog.csdn.net/article/details/111516848
[13 TensorFlow1.x_OCR]: https://betterbench.blog.csdn.net/article/details/111567501
[14 TensorFlow1.x_MNIST]: https://betterbench.blog.csdn.net/article/details/111590573
[15 TensorFlow1.x]: https://betterbench.blog.csdn.net/article/details/111594356
[16 TensorFlow1.x]: https://betterbench.blog.csdn.net/article/details/111641487