首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

变量类型-Set

教程:     集合是一个无序不重复元素的序列,它的特点是:有的可变,有的不可变,元素无序不可重复! 一:集合的创建     (1)使用花括号         set={value1, values2}         注意创建一个空集合的时候不能用{},此时创建的是一个字典     (2)使用内联函数set()------>可以原地修改的集合         s = set()     注意:    集合是无序的(集合不是序列类型,则集合也不支持索引和切片),         打印结果取决于内部存储结构和输出方式     (3)使用内联函数frozenset()---->hashable 可哈希卡类型 二:集合的索引(不允许)      File "<ipython-input-5-9b6a789630ee>", line 1, in <module>         set_1[1]     TypeError: 'set' object does not support indexing 三:集合的运算     (1)元素与集合之间的关系         'i' in set('ilove')     (2)集合a与集合b之间的关系         a == b            判断是否相等         a < b 或者 a.issubset(b) 判断是否为子集         a 并 b  ---> a|b 或者 a.union(b)         a 交 b  ---> a&b 或者 a.intersection(b)         a 补 b  ---> a-b 或者 a.difference(b)         a 和 b 的对称差集    a^b 或者 a.symmetric_difference(b) 三:集合元素的添加     (1)方法一:    s.add(x)     (2)方法二:      s.update(x)    其中x可以是列表,元组,字典 四:集合元素的删除     (1)方法一:    s.remove(x)    元素不存在发生错误     (2)方法二:      s.discard(x)    元素不存在不会发生错误     (3)方法三:      s.pop()        随机删除一个元素     (4)方法四:      s.clear()    清空集合 五:集合内置函数     len(set)----set元素的总数     set.add()-----添加     set.update()--更新     还包括上面的四个函数 CODE: # -----------------------------------------------------------------------------------------------------# # 集合的创建 # -----------------------------------------------------------------------------------------------------# set_1 = set('abracadabra')  # 创建可变的集合 print("set_1:", set_1) set_1.add('python')         # 元素的添加 print("添加Python后set_1:", set_1) set_2 = set('alacazam') print("set_2:", set_2) set_3 = frozenset('faith')  # 创建不可变的集合验证元素不可添加 print("创建不可变集合set_3:", set_3) # -----------------------------------------------------------------------------------------------------# # 集合的运算 # -----------------------------------------------------------------------------------------------------# print("set_1 - set_2: ", set_1 - set_2) print("set_1 | set_2: ", set_1 | set_2) print("set_1 & set_2: ", set_1 & set_2) print("set_1 ^ set_2: ", set_1 ^ set_2) # ----------------------------

02

A Discriminatively Trained, Multiscale, Deformable Part Model

本文提出了一种训练有素、多尺度、可变形的目标检测零件模型。在2006年PASCAL人员检测挑战赛中,我们的系统在平均精度上比最佳性能提高了两倍。在2007年的挑战赛中,它在20个类别中的10个项目中都取得了优异的成绩。该系统严重依赖于可变形部件。虽然可变形部件模型已经变得相当流行,但它们的价值还没有在PASCAL挑战等困难的基准测试中得到证明。我们的系统还严重依赖于新方法的甄别培训。我们将边缘敏感的数据挖掘方法与一种形式主义相结合,我们称之为潜在支持向量机。隐式支持向量机与隐式CRF一样,存在非凸训练问题。然而,潜在SVM是半凸的,一旦为正例指定了潜在信息,训练问题就变成了凸的。我们相信,我们的训练方法最终将使更多的潜在信息的有效利用成为可能,如层次(语法)模型和涉及潜在三维姿态的模型。

04
领券