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

python list

同属于一个列表的数据,可以是不同的类型 特色:存储于用一个列表的数据都是以数字来作为索引的,即作为操作存取其中各个元素的依据。 a_list 0 1 2 3 4 int int int int int 1 3 5 7 9 索引分别为 0,1,2,3,4 每个元素可有自已的类型,均为int,内容分别是 1、3、5、7、9 a_list = [ 1,3,5,7,9 ] 数字列表 \>>> a_list=[1,3,5,7,9] \>>> a_list [1, 3, 5, 7, 9] \>>> a_list[0] 1 字符串列表 \>>> str_list=['P','y','t','h','o','n'] \>>> str_list ['P', 'y', 't', 'h', 'o', 'n'] \>>> str_list[2] 't' 字符串split 方法 \>>> str_msg="I Love Pyton" \>>> b_list=str_msg.split() \>>> b_list ['I', 'Love', 'Pyton'] 一个英文句子拆成字母所组成的列表,用list() 函数, \>>> str_msg="I Love Pyton" \>>> c_list=list(str_msg) \>>> c_list ['I', ' ', 'L', 'o', 'v', 'e', ' ', 'P', 'y', 't', 'o', 'n'] \>>> 同一个列表中可以用不同的数据类型,列表中也可以有其他的列表 \>>> k1=['book',10] \>>> k2=['campus',15] \>>> k3=['cook',9] \>>> k4=['Python',26] \>>> keywords=[k1,k2,k3,k4] \>>> keywords [['book', 10], ['campus', 15], ['cook', 9], ['Python', 26]] \>>> keywords[2] ['cook', 9] \>>> keywords[2][0] 'cook' \>>> keywords[2][1] 9 \>>> 可以使用”+“运算把两个列表放在一起,还可以 检测某一个数据是否在列表之中 \>>> "Python" in k4 True \>>> k4 in keywords True \>>> ["Python",26] in keywords True \>>> keywords+k1+k2 [['book', 10], ['campus', 15], ['cook', 9], ['Python', 26], 'book', 10, 'campus', 15] \>>>

03

基于深度卷积神经网络的图像超分辨率重建(SRCNN)学习笔记

目前,单幅图像的超分辨率重建大多都是基于样本学习的,如稀疏编码就是典型的方法之一。这种方法一般先对图像进行特征提取,然后编码成一个低分辨率字典,稀疏系数传到高分辨率字典中重建高分辨率部分,然后将这些部分汇聚作为输出。以往的SR方法都关注学习和优化字典或者建立模型,很少去优化或者考虑统一的优化框架。 为了解决上述问题,本文中提出了一种深度卷积神经网络(SRCNN),即一种LR到HR的端对端映射,具有如下性质: ①结构简单,与其他现有方法相比具有优越的正确性,对比结果如下: ②滤波器和层的数量适中,即使在CPU上运行速度也比较快,因为它是一个前馈网络,而且在使用时不用管优化问题; ③实验证明,该网络的复原质量可以在大的数据集或者大的模型中进一步提高。 本文的主要贡献: (1)我们提出了一个卷积神经网络用于图像超分辨率重建,这个网络直接学习LR到HR图像之间端对端映射,几乎没有优化后的前后期处理。 (2)将深度学习的SR方法与基于传统的稀疏编码相结合,为网络结构的设计提供指导。 (3)深度学习在超分辨率问题上能取得较好的质量和速度。 图1展示了本文中的方法与其他方法的对比结果:

02

基于Huffman编码的压缩软件的Python实现

哈夫曼编码是利用贪心算法进行文本压缩的算法,其算法思想是首先统计文件中各字符出现的次数,保存到数组中,然后将各字符按照次数升序排序,挑选次数最小的两个元素进行连结形成子树,子树的次数等于两节点的次数之和,接着把两个元素从数组删除,将子树放入数组,重新排序,重复以上步骤。为了解压,在压缩时首先往文件中填入huffman编码的映射表的长度,该表的序列化字符串,编码字符串分组后最后一组的长度(编码后字符串长度模上分组长度),最后再填充编码后的字符串。本算法中以一个字节,8位作为分组长度,将编码后二进制字符串一一分

04
领券