test

1 函数用途 train_test_split()是交叉验证中常用的函数，功能是将数组或矩阵按比例随机划分为训练集和测试集，使用方法为： X_train,X_test, y_train, y_test =cross_validation.train_test_split(train_data,train_target,test_size=0.4, random_state=0, shuffle=True) 2 参数解释： train_data：所要划分的样本特征集 train_target：所要划分的样本结果 test_size：如果为小数则代表样本占比（0到1），如果是整数则代表样本的数量，默认为0.25 random_state：是随机数的种子，默认为None。如果种子相同，则随机数相同，如果种子不同，则随机数不同。在需要重复试验的时候，保证得到一组一样的随机数。比如你每次都填1，其他参数一样的情况下你得到的随机数组是一样的。但填0或不填，则代表随机数的种子是一个随机值，每次结果都不同。 shuffle：划分前是否对数组或矩阵进行洗牌，默认为True。 import numpy as np from sklearn.model_selection import train_test_split X = np.arange(10).reshape((5, 2)) y =

1.返回操作系统类型 ：posix 是linux操作系统，nt 是windows操作系统 import os print(os.name) #>>>nt 2.系统的环境变量 import os print(os.environ)##获取全部环境参数 print(os.environ.get('PATH')) ##获取path环境变量 　3.获取当前路径 import os print(os.getcwd()) #>>>D:\python\test 　4.生成绝对路径的三种方式 import os print(os.path.abspath(__file__)) ##获取本执行脚本的绝对路径 #>>>D:\python\test\test1.py print(os.path.join(os.path.abspath('.'),'file_write_json.txt')) ## .表示当前路径 #>>>D:\python\test\file_write_json.txt print(os.path.join('/home/kiosk','file_write_json.txt')) #>>>/home/kiosk\file_write_json.txt 　5.获取文件或者目录 import os filename = 'D:\python\\test\\test1.py' print

文件目录结构 文件和目录被组织成一颗倒置的树状结构 文件系统从根开始，“/” 文件名称严格区分大小写 隐藏文件以"."开头 路径的分隔符为"/" 文件命名规范 文件字符最长为255个字符 包括路径在内文件名称最长为4095个 颜色表示 蓝色 ---> 文件夹 绿色 --> 可执行文件 红色 --> 压缩文件 蓝绿色 --> 链接文件 灰色-->其他文件 白色 --> 文件 除了斜杠和NULL，其他所有字符都可以使用 对大小写敏感 文件系统结构 /boot 引导文件的存放位置，内核文件、引导加载器都在此目录 /bin 所有的用户都可以使用的命令 /sbin 管理类的命令 /lib 启动时程序使用的基本库文件 .so结尾 /lib64 专门存放X86_64系统上得辅助库文件 /etc 存放配置文件 /home/USERNAME 普通用户的家目录 /root 管理员的家目录 /media 便携式移动设备的挂载点 /mnt 临时文件的挂载点 /dev 设备文件和特殊文件的存放位置 /opt 第三方的应用的安装位置 /tmp 临时文件的存放位置 /usr 存放安装程序 /var 存放经常变化的文件，比如日志 /proc 存放内核启动和进程相关的虚拟文件 /sys 输出当前系统上的硬件相关的文件 /srv 系统上允许的服务用到的数据 linux应用程序的组成 二进制文件 /bin /sbin

##Junit单元测试： *Junit使用：白盒测试 *步骤： 　　1.定义一个测试类（测试用例） 　　　　　　*建议：1.测试名:被测试的类名+ Test CaculatorTest　　2.包名：XXX.XXX.XX.Test 　　　　　　2.定义测试方法：可以独立运行 　　　　　　　*建议：1.方法名：test测试的方法名 　　　　　　　　　　2.返回值：void 3.参数列表：空参数 　　　　　　　　　　4.给方法加@Test(注解) 导入junit依赖（点击右边提示即可） package cn.itcast.junit; import org.junit.Test; public class CaculatorTest { //测试add方法 @Test public void testAdd(){ //创建计算机对象 Caculator ca = new Caculator(); //调用add方法 int result = ca.add(1,2); System.out.println(result); } } 　　3.断言操作 package cn.itcast.junit; import junit.framework.Assert; import org.junit.Test; public class CaculatorTest { //测试add方法

keras使用horovod多gpu训练 Horovod以类似的方式支持Keras和常规TensorFlow。 要使用Horovod，请在程序中添加以下内容。 运行 hvd.init() 。 使用固定服务器GPU，以供此过程使用 config.gpu_options.visible_device_list 。 通过每个进程一个GPU的典型设置，您可以将其设置为 local rank 。 在这种情况下，服务器上的第一个进程将被分配第一GPU，第二个进程将被分配第二GPU，依此类推。 通过工人人数来衡量学习率。 同步分布式培训中的有效批处理规模是根据工人人数来衡量的。 学习率的提高弥补了批量大小的增加。 将优化器包装在中 hvd.DistributedOptimizer 。 分布式优化器将梯度计算委派给原始优化器，使用 allreduce 或 allgather对 梯度 求 平均 ，然后应用这些平均梯度。 添加 hvd.callbacks.BroadcastGlobalVariablesCallback(0) 到播放初始变量状态从0级到所有其他进程。 当使用随机权重开始训练或从检查点恢复训练时，这是确保所有工人进行一致初始化的必要步骤。 修改您的代码以仅在工作程序0上保存检查点，以防止其他工作程序破坏它们。 通过使用来保护模型检查点代码来实现此目的 。 hvd.rank() != 0

1.形参与实参，形参就是变量，实参就是有一个具体的值 位置参数:实参与形参一一对应（x,y,z 1,2,3） 关键字参数:位置不用固定顺序，但是也不能少(x=1,y=2,z=3) 如果混合使用，位置参数必须在关键字参数左边 #test(1,3,z=2) 默认参数：提前给形参赋值,但是之后也可以重新给值 #def test(x,type="mysql") 参数组: 非固定常用参数 # def test(x,*args) 此例中的*args就是一个元组 **字典 *元组 def cast(x,*args): print(args) #注意print的空格 cast(1,5,7,8) (5, 7, 8) cast(1, *[1,5,8]) #可以直接用列表赋值，加*号就是循环赋值，就会一个一个赋值，如果不加*号就是整体赋值 cast(1, **｛"name":"hehe"｝) #可以直接用字典赋值，加**号就是循环赋值，就会一个一个赋值，如果不加**号就是整体赋值test(1,y=2,z=3,z=3) #会报错， 一个参数不能传两个值test(x,*args,**kwargs): #如果都要使用，那么args必须要在kwargs前面 def test(x,*args,**kwargs): print(x) print(args,args[-1]) print(kwargs,kwargs

Pytest -v 或 Pytest -vv 显示具体的详情信息,一般显示错误的位置及错误的详细信息**。Pytest --verbose** 等价于 pytest -v ，如图下 Pytest --collect-only 收集可执行的案例 Pytest -k 案例名称 表示运行指定的案例，例如 pytest -k “_002” 表示指定运行含有002案例的测试案例 在test_file01文件中命名为test_001() 在test_file02文件中命名为test_two_001() ,运行的时候编辑命令 pytest -k “_001” 所以它会运行相关名称下的案例 Pytest -s 等价于 pytest --capture=no 可以捕获print函数的输出 pytest --last-failed 等价于 pytest --lf 可以筛选失败的案例，不会继续运行失败之后的案例，如下一个test_001被deselected而test_file02.py文件则被跳过。 Pytest --ff 等价于 pytest --failed-first 表示可以运行完失败的案例后继续执行后续的案例，如下执行了test_file01.py和test_file02.py两个文件共4个案例 pytest -q 等价于 Pytest --quiet 可以简化输出信息，pytest

题意：n 个题，k 种答案，每个题对应着一个答案，给出每个题的正确答案，求出有多少个 n 个答案的序列 s (1<=si<=k) ，s 统一向右移动一位之后正确的答案会比移动之前更多。 分析：设 dp[i][j] 表示当前在考虑第 i 题，移动之后比移动之前多 j 个正确答案的序列数，则答案就是 分情况讨论： ①若h[i]==h[i+1]，则这一个位置怎么填移动之后都不改变答案相对变化，即 dp[i][j]= dp[i-1][j]*k (可以填 k 种答案) ②若h[i] !=h[i+1]，则要么前面对了，移动之后错了，移动之后相对正确个数-1，要么前面错了，移动之后对了，移动之后相对正确个数+1，除了这两种情况，其余(k-2)种情况都不会改变相对正确个数，即 dp[i][j]=dp[i-1][j-1]+dp[i-1][j+1]+dp[i-1][j]*(k-2); 代码： #include<cstdio> #include<iostream> using namespace std; typedef long long ll; const int N = 2000+5; const int MOD = 998244353; ll dp[N][N<<1],h[N]; int main() { int n,k; cin>>n>>k; for(int i=1;i<=n;i++) cin>

--添加字段 alter table test add (column varchar(10) ) ; --添加备注 COMMENT ON COLUMN table.column IS ' ' ; 示例： alter table test add (EBEP_IS_APPEND varchar(10) ) ; COMMENT ON COLUMN test.EBEP_IS_APPEND IS '是否补收补录' ; alter table test add EBEP_APPLY_DATE date; COMMENT ON COLUMN test.EBEP_APPLY_DATE IS '申请日期' ; 来源： https://www.cnblogs.com/lianyiice/p/12298331.html

aaa class s(): print(hello) 来源： https://www.cnblogs.com/skyan/p/12298050.html