“人造太阳”计划

import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data #载入数据集 mnist = input_data.read_data_sets("MNIST_data",one_hot=True) #每个批次的大小 batch_size = 64 #计算一共有多少个批次 n_batch = mnist.train.num_examples // batch_size #定义三个placeholder x = tf.placeholder(tf.float32,[None,784]) y = tf.placeholder(tf.float32,[None,10]) keep_prob=tf.placeholder(tf.float32) # 784-1000-500-10 W1 = tf.Variable(tf.truncated_normal([784,1000],stddev=0.1)) b1 = tf.Variable(tf.zeros([1000])+0.1) L1 = tf.nn.tanh(tf.matmul(x,W1)+b1) L1_drop = tf.nn.dropout(L1,keep_prob) W2 = tf.Variable(tf.truncated

楔子 假如我现在有一个列表l=['a','b','c','d','e']，我想取列表中的内容，有几种方式？ 首先，我可以通过索引取值l[0],其次我们是不是还可以用for循环来取值呀？ 你有没有仔细思考过，用索引取值和for循环取值是有着微妙区别的。 如果用索引取值，你可以取到任意位置的值，前提是你要知道这个值在什么位置。 如果用for循环来取值，我们把每一个值都取到，不需要关心每一个值的位置，因为只能顺序的取值，并不能跳过任何一个直接去取其他位置的值。 但你有没有想过，我们为什么可以使用for循环来取值？ for循环内部是怎么工作的呢？ 迭代器 返回顶部 python中的for循环 要了解for循环是怎么回事儿，咱们还是要从代码的角度出发。 首先，我们对一个列表进行for循环。 for i in [1,2,3,4]: print(i) 上面这段代码肯定是没有问题的，但是我们换一种情况，来循环一个数字1234试试 for i in 1234 print(i) 结果： Traceback (most recent call last): File "test.py", line 4, in <module> for i in 1234: TypeError: 'int' object is not iterable 看，报错了！报了什么错呢？“TypeError: 'int'

ITER 是 International Thermonuclear Experimental Reactor的简写。 主要任务是建造世界上最大的磁约束核聚变装置，为未来聚变堆的关键工程技术进行验证。 历史 1985年，第一次提出 2005年，决定在法国建造 2006年，七方签订协议 2007年，正式创建 ITER 组织 2017年11月，正在建造，宣布距第一次等离子放电实验完成一半，预计 约2021-2024年，基本完成建造 约2025-2028年，实现第一次等离子体放电 约2035-2038年，实现 D-T 聚变实验 目前状况 目前正在建造，预计离第一次等离子放电完成了一半 建造地点 法国，卡达拉奇 参与国家 中国、欧盟、印度、日本、韩国、俄罗斯、美国 预算 ITER已经不断延期和超预算，目前建造总预算约为$22 ~ $28 Billion，欧盟占45.6%，其他六方各占9.1%。实验总预算约为$17 ~ $30 Billion，欧盟占34%，日本和美国13%，其他10% ITER 主要部件 TOKAMAK 电磁线圈 (magnet) 真空容器 (Vacuum Vessel) 包层 (Blanket) 杜瓦 (cryostat) 偏滤器 (Divertor) 原文: 大专栏 ITER简介 来源： https://www.cnblogs.com/chinatrump/p

1.迭代器： 不是函数，只是一个称呼，Python中一切皆对象，可迭代对象：含有 .__iter__ 方法的数据类型叫做可迭代对象 x=10 #不是可迭代对象 s='abc' s.__iter__() lt=[1,2,3] lt.__iter__() tup=(1,) tup.__iter__() dic={'a':1} dic.__iter__() fa=open('test.txt','a+',encoding='utf8') fa.seek(0,0) fa.__iter__() 除了数字类型，所有数据类型都是可迭代对象 s='abc' s_iter=s.__iter__() print(s_iter.__next__()) #s[0] print(s_iter.__next__()) #s[1] print(s_iter.__next__()) #s[2] dic = {'a': 1, 'b': 2, 'c': 3} dic_iter=dic.__iter__() print(dic_iter.__next__()) # 迭代取值 --》 基于上一个值 print(dic_iter.__next__()) print(dic_iter.__next__()) #c 2.迭代器对象： 含有 .__iter__和.__next__ 方法的对象，可迭代对象使用 .__iter__

1. 迭代器 迭代器：他不是函数，只是一个称呼。 python中一切皆是对象（数据类型） 可迭代对象：含有 .__ iter __方法的数据类型就叫做可迭代对象。 除了数字类型，所有数据类型都是可迭代对象。可迭代的对象：Python内置str、list、tuple、dict、set、file都是可迭代对象。 特点： 内置有 __iter__ 方法的都叫可迭代的对象。 x = 10 #则不是可迭代对象 可迭代对象位 .__iter__ s = "adc" s.__iter__ lt = [1,2,3] lt.__iter__ tup = (1,) tup.__iter__() se = {1} se.__iter__() dic ={"a":1} dic.__iter__() fw = open("text","a+",encoding="utf-8") fw.seek(0,0) fw.__iter__() # 除了数字类型，所有数据类型都是可迭代对象 迭代器对象 迭代器对象：含有 .__ iter __ 和 .__ next __方法的对象就是迭代器对象。 概念：可迭代的对象执行 __iter__ 方法得到的返回值。并且可迭代对象会有一个 __next__ 方法。 只有字符串和列表都是依赖索引取值的，而其他的可迭代对象都是无法依赖索引取值的

目录 迭代器 可迭代对象 迭代器对象 for循环原理 三元表达式 列表推导式 字典生成式 zip()方法 生成器 yield关键字 迭代器套迭代器 递归 直接调用 间接调用 如何使用递归 二分法查找 迭代器 可迭代对象 内置有 __iter__ 方法的都叫做可迭代对象,数字类型没有 __iter__ 方法 name = 'tiny'.__iter__ lis = [1, 2].__iter__ dic = {'name': 'tiny', 'age': 18}.__iter__ tup = (1, 2).__iter__ se = {'a', 'b'}.__iter__ fa = open('test.txt', 'a+', encoding='utf8') fa.__iter__ 迭代器对象 可迭代对象执行 __iter__ 方法所得到的返回值就是迭代器对象 只有文件本身是迭代器对象 dic = {'name': 'tiny', 'age': 18} dic_iter = dic.__iter__ print(dic_iter.__next__) print(dic_iter.__next__) name age for循环原理 for循环称为迭代器循环，in后必须是可迭代的对象。 因为迭代器使用 __iter__ 后还是迭代器本身

一. 三元表达式 求2个数的最大值 • 普通方法 x=2 y=3 if x > y: print(x) else: print(y) • 三元表达式 x = 2 y = 3 max = x if x > y else y 二. 可迭代对象与迭代器对象 1. 可迭代对象 • 定义：内置有__iter__方法的都叫可迭代对象 • 属于可迭代对象的数据类型：str, list, tuple, dict, set, file name = 'byx'.__iter__ lis = [1, 2].__iter__ tup = (1, 2).__iter__ dic = {'name': 'nick'}.__iter__ s1 = {'a', 'b'}.__iter__ f = open('49w.txt', 'w', encoding='utf-8') f.__iter__ f.close() 2. 迭代器对象 • 定义：可迭代的对象执行__iter__方法得到的返回值。 • 特点： 1. 内置__next__方法，执行该方法会拿到迭代器对象中的一个值。 2. 内置__iter__方法，执行该方法拿到迭代器本身。 3. 文件本身就是迭代器对象。 • 缺点： 1. 取值麻烦，只能一个个取，并且只能往后取，值取了就没了。 2. 无法使用 len() 方法获取长度。 dic = {'a': 1,

目录 迭代器 可迭代对象 迭代器对象 为什么有迭代器对象 for循环原理 总结 三元表达式 列表推导式 字典生成式 zip()函数 生成器 yield的特性 range函数实现 递归函数 递归条件 迭代器 什么是迭代器？ 迭代器：迭代的工具 可迭代对象 python找那个一切皆对象 对与这一切的对象，但凡有 __iter__ 方法的都是可迭代对象 # x = 1.__iter__ # SyntaxError: invalid syntax # 以下数据类型都是可迭代的对象 name = 'qinyj' lis = [1, 2] tup = (1, 2) dic = {'name': 'nick'} s1 = {'a', 'b'} f = open('49w.txt', 'w', encoding='utf-8') f.__iter__ 除数字数据类型外都是可迭代对象 迭代器对象 对与这一切的对象，但凡有 __iter__ 和 __next__ 方法的都是迭代器对象 # 只有文件才是迭代器对象 f = open("user.txt","r") print(f.__iter__()) print(f.__next__()) 对于可迭代对象，我们可以变成迭代器对象 dic = {'a': 1, 'b': 2, 'c': 3} dic_iter = dic.__iter__() print

前言： 之前在迭代器、可迭代对象这一部分一直有些混淆，结合一些资料，表达我对这些概念的理解，未必都对，但是适合刚开始入手的朋友们从零开始理解 开门见山首先介绍可迭代对象和迭代器的通俗理解 　　迭代器就是能被next()调用得到下一次迭代值的对象，迭代器不直接保存迭代的序列值，而保存得到下一次迭代值的算法 　　可迭代对象就是能被iter()方法调用得到迭代对象的对象，只有可迭代对象才可用于for循环 for循环的底层实现原理： 　　以下是一个for循环的格式 　　for i in 可迭代对象： 循环体 　　实质是调用内建方法iter()得到迭代器对象，然后通过每次调用next(迭代器)得到i的迭代值 　　例如以下的代码： for i in x: print(i) 　　完全可以改写为： iterator = iter(x) while True: i = next(iterator) print(i) 从严格或者底层原理来说 　　迭代器或迭代器对象：实现了__next__()魔法方法的（类所实例化的）对象,该方法返回迭代器下一个值 　　可迭代对象：实现了__iter__()魔法方法的（类所实例化的）对象，该方法返回一个迭代器对象 　　 实际上，next和iter是对__next__和__iter__的进一步封装或者说next和iter在执行的时候又分别调用了内部的__next__和_

1.LeNet模型 LeNet是一个早期用来识别手写数字的卷积神经网络，这个名字来源于LeNet论文的第一作者Yann LeCun。LeNet展示了通过梯度下降训练卷积神经网络可以达到手写数字识别在当时最先进的成果，这个尊基性的工作第一次将卷积神经网络推上舞台 上图就是LeNet模型，下面将对每层参数进行说明 1.1 input输入层 假设输入层数据shape=(32,32) 1.2 C1卷积层 卷积核大小: kernel_size=(5,5) 步幅:stride = 1 输出通道为6 可训练参数为: (5 * 5 + 1) * 6 激活函数：采用relu 输入层数据经过C1卷积层后将得到feature maps形状(6 * 28 * 28),注：28 = 32 -5 + 1 1.3 S2池化层 池化层(Max Pooling)窗口形状均为2 2，步幅度为2，输出feature maps为(6 14 * 14),6为feature map的数量 1.4 C3卷积层 卷积核大小: kernel_size=(5,5) 步幅:stride = 1 输出通道为16 激活函数：采用relu得到feature maps为(16 * 10 * 10),(10*10)为每个feature map形状,16为feature map数量 1.5 S4池化层 池化层(Max Pooling