第 1 模块:这门课用到的 Python
列表,以及在真实数据上的循环
你以前学过这门课程吗?
这样我们只统计你一次。只会发送你的答案,以及你的匿名进度。
为什么重要 一个神经网络大部分就是在数字列表上的循环。如果你能对一个列表求总和、筛选和计数,你就能读懂大部分训练代码。
假设你记录了一周的步数:[4200, 8100, 12000, 3000, 9500, 10100, 7600]。你可能会问两个问题:总共走了多少步,以及有多少天达到了 8,000 步的目标?
看见它
循环一次访问一个项目。你保留一个累计的数字,每访问一次就更新它,就像在纸上记数一样。
total = 0
for s in steps: # s is 4200, then 8100, then 12000 ...
total = total + s
第一次访问之后 total 是 4200,第二次之后是 12300,以此类推。
累计总和:一个从零开始、每次经过循环都往上加的变量。
计数是同样的想法,只是只有在某个条件为真时才加 1:if s >= goal: count = count + 1。
回顾 设定一个数字,循环,更新它。网络就是用这种模式把它在一个数据集上的损失加起来的。
轮到你了
编写两个函数:
total_steps(steps)返回列表的总和。days_at_goal(steps, goal)返回有多少天达到或超过goal。
两个都用循环来写(不用 sum()),这样你就能练习这种模式。
本课已完成。干得好。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。