


Detaillierte Erläuterung der Verwendung der Python-Diktfunktion
dict-Funktionsverwendung: 1. Verwenden Sie den Parameter „**kwarg“, um das Wörterbuch zu initialisieren. 2. Verwenden Sie den Parameter „mapping“, um das Wörterbuch zu initialisieren. 3. Verwenden Sie den Parameter „iterable“, um das Wörterbuch zu initialisieren ein leeres Wörterbuch.
Die Funktion dict() in Python wird zum Erstellen eines Wörterbuchobjekts verwendet und kann Schlüssel-Wert-Paare initialisieren. Diese Funktion kann ein iterierbares Objekt als Parameter akzeptieren, wobei jedes Element ein Tupel ist, das Schlüssel-Wert-Paare enthält. In diesem Artikel werden die Verwendung und Beispiele der Funktion dict() im Detail vorgestellt.
dict()-Funktionssyntax
dict()-Funktionssyntax lautet wie folgt:
dict(**kwarg) dict(mapping, **kwarg) dict(iterable, **kwarg)
Parameterbeschreibung:
**kwarg: Schlüssel-Wert-Paar, das zum Initialisieren des Wörterbuchs verwendet wird.
Mapping: Wörterbuch, das zum Initialisieren des Wörterbuchs verwendet wird.
iterierbar: Iterierbares Objekt, jedes Element ist ein Tupel, das Schlüssel-Wert-Paare enthält.
Verwenden Sie den Parameter **kwarg, um das Wörterbuch zu initialisieren
Wenn Sie Schlüssel-Wert-Paare in Form von Schlüsselwortargumenten an die Funktion dict() übergeben, werden diese Schlüssel-Wert-Paare als Initialisierungsdaten des Wörterbuchs verwendet . Zum Beispiel:
d = dict(a=1, b=2, c=3) print(d) # 输出:{'a': 1, 'b': 2, 'c': 3}
Im obigen Code verwenden wir die Schlüsselwortparameter a=1, b=2, c=3, um das Wörterbuch d zu initialisieren.
Initialisieren Sie das Wörterbuch mithilfe des Zuordnungsparameters.
Wenn ein Wörterbuch als Parameter an die Funktion dict() übergeben wird, werden die Schlüssel-Wert-Paare des Wörterbuchs als Initialisierungsdaten des Wörterbuchs verwendet. Zum Beispiel:
m = {'a': 1, 'b': 2, 'c': 3} d = dict(m) print(d) # 输出:{'a': 1, 'b': 2, 'c': 3}
Im obigen Code verwenden wir Wörterbuch m, um Wörterbuch d zu initialisieren.
Initialisieren Sie das Wörterbuch mit iterierbaren Parametern
Wenn ein iterierbares Objekt als Parameter an die Funktion dict() übergeben wird, behandelt sie jedes Element als Tupel mit Schlüssel-Wert-Paaren und verwendet diese Tupel als Initialisierung von die Wörterbuchdaten. Zum Beispiel:
i = [('a', 1), ('b', 2), ('c', 3)] d = dict(i) print(d) # 输出:{'a': 1, 'b': 2, 'c': 3}
Im obigen Code verwenden wir das iterierbare Objekt i, um das Wörterbuch d zu initialisieren.
Andere Verwendungsmöglichkeiten der dict()-Funktion
dict()-Funktion kann auch zum Erstellen eines leeren Wörterbuchs verwendet werden. Beispiel:
d = dict() print(d) # 输出:{}
Wenn die an die dict()-Funktion übergebenen Parameter sowohl Schlüsselwortparameter als auch Wörterbuch- oder iterierbare Objektparameter haben, wird sie zuerst mit den Schlüsselwortparametern initialisiert und dann mit den Wörterbuch- oder iterierbaren Objektparametern. Beispiel:
d = dict(a=1, b=2, c=3, d={'x': 10, 'y': 20}, e=[1, 2, 3]) print(d) # 输出:{'a': 1, 'b': 2, 'c': 3, 'd': {'x': 10, 'y': 20}, 'e': [1, 2, 3]}
Wenn die an die Funktion dict() übergebenen Parameter doppelte Schlüssel enthalten, überschreiben die nachfolgenden Schlüssel-Wert-Paare die vorherigen Schlüssel-Wert-Paare. Zum Beispiel: Die Funktion
d = dict(a=1, b=2, c=3, b=4) print(d) # 输出:{'a': 1, 'b': 4, 'c': 3}
dict() kann auch zum Konvertieren anderer Objekttypen in Wörterbücher verwendet werden. Konvertieren Sie beispielsweise eine Liste von Tupeln, die Schlüssel-Wert-Paare enthalten, in ein Wörterbuch:
t = [('a', 1), ('b', 2), ('c', 3)] d = dict(t) print(d) # 输出:{'a': 1, 'b': 2, 'c': 3}
Summary
Pythons Funktion dict() wird zum Erstellen und Initialisieren von Wörterbuchobjekten verwendet. Es kann Schlüsselwortparameter, Wörterbuchparameter und iterierbare Objektparameter akzeptieren und gemäß verschiedenen Parameterformen initialisieren. Bei der Verwendung der Funktion dict() müssen Sie auf die Duplizierung von Schlüsseln und die Reihenfolge der Schlüssel-Wert-Paare achten. Gleichzeitig kann die Funktion dict() auch zum Konvertieren anderer Objekttypen in Wörterbücher verwendet werden.
Das obige ist der detaillierte Inhalt vonDetaillierte Erläuterung der Verwendung der Python-Diktfunktion. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



PHP und Python haben ihre eigenen Vor- und Nachteile, und die Wahl hängt von den Projektbedürfnissen und persönlichen Vorlieben ab. 1.PHP eignet sich für eine schnelle Entwicklung und Wartung großer Webanwendungen. 2. Python dominiert das Gebiet der Datenwissenschaft und des maschinellen Lernens.

Aktivieren Sie die Pytorch -GPU -Beschleunigung am CentOS -System erfordert die Installation von CUDA-, CUDNN- und GPU -Versionen von Pytorch. Die folgenden Schritte führen Sie durch den Prozess: Cuda und Cudnn Installation Bestimmen Sie die CUDA-Version Kompatibilität: Verwenden Sie den Befehl nvidia-smi, um die von Ihrer NVIDIA-Grafikkarte unterstützte CUDA-Version anzuzeigen. Beispielsweise kann Ihre MX450 -Grafikkarte CUDA11.1 oder höher unterstützen. Download und installieren Sie Cudatoolkit: Besuchen Sie die offizielle Website von Nvidiacudatoolkit und laden Sie die entsprechende Version gemäß der höchsten CUDA -Version herunter und installieren Sie sie, die von Ihrer Grafikkarte unterstützt wird. Installieren Sie die Cudnn -Bibliothek:

Docker verwendet Linux -Kernel -Funktionen, um eine effiziente und isolierte Anwendungsumgebung zu bieten. Sein Arbeitsprinzip lautet wie folgt: 1. Der Spiegel wird als schreibgeschützte Vorlage verwendet, die alles enthält, was Sie für die Ausführung der Anwendung benötigen. 2. Das Union File System (UnionFS) stapelt mehrere Dateisysteme, speichert nur die Unterschiede, speichert Platz und beschleunigt. 3. Der Daemon verwaltet die Spiegel und Container, und der Kunde verwendet sie für die Interaktion. 4. Namespaces und CGroups implementieren Container -Isolation und Ressourcenbeschränkungen; 5. Mehrere Netzwerkmodi unterstützen die Containerverbindung. Nur wenn Sie diese Kernkonzepte verstehen, können Sie Docker besser nutzen.

Python und JavaScript haben ihre eigenen Vor- und Nachteile in Bezug auf Gemeinschaft, Bibliotheken und Ressourcen. 1) Die Python-Community ist freundlich und für Anfänger geeignet, aber die Front-End-Entwicklungsressourcen sind nicht so reich wie JavaScript. 2) Python ist leistungsstark in Bibliotheken für Datenwissenschaft und maschinelles Lernen, während JavaScript in Bibliotheken und Front-End-Entwicklungsbibliotheken und Frameworks besser ist. 3) Beide haben reichhaltige Lernressourcen, aber Python eignet sich zum Beginn der offiziellen Dokumente, während JavaScript mit Mdnwebdocs besser ist. Die Wahl sollte auf Projektbedürfnissen und persönlichen Interessen beruhen.

Minio-Objektspeicherung: Hochleistungs-Bereitstellung im Rahmen von CentOS System Minio ist ein hochleistungsfähiges, verteiltes Objektspeichersystem, das auf der GO-Sprache entwickelt wurde und mit Amazons3 kompatibel ist. Es unterstützt eine Vielzahl von Kundensprachen, darunter Java, Python, JavaScript und Go. In diesem Artikel wird kurz die Installation und Kompatibilität von Minio zu CentOS -Systemen vorgestellt. CentOS -Versionskompatibilitätsminio wurde in mehreren CentOS -Versionen verifiziert, einschließlich, aber nicht beschränkt auf: CentOS7.9: Bietet einen vollständigen Installationshandbuch für die Clusterkonfiguration, die Umgebungsvorbereitung, die Einstellungen von Konfigurationsdateien, eine Festplattenpartitionierung und Mini

Pytorch Distributed Training on CentOS -System erfordert die folgenden Schritte: Pytorch -Installation: Die Prämisse ist, dass Python und PIP im CentOS -System installiert sind. Nehmen Sie abhängig von Ihrer CUDA -Version den entsprechenden Installationsbefehl von der offiziellen Pytorch -Website ab. Für CPU-Schulungen können Sie den folgenden Befehl verwenden: PipinstallTorChTorChVisionTorChaudio Wenn Sie GPU-Unterstützung benötigen, stellen Sie sicher, dass die entsprechende Version von CUDA und CUDNN installiert ist und die entsprechende Pytorch-Version für die Installation verwenden. Konfiguration der verteilten Umgebung: Verteiltes Training erfordert in der Regel mehrere Maschinen oder mehrere Maschinen-Mehrfach-GPUs. Ort

Bei der Installation von PyTorch am CentOS -System müssen Sie die entsprechende Version sorgfältig auswählen und die folgenden Schlüsselfaktoren berücksichtigen: 1. Kompatibilität der Systemumgebung: Betriebssystem: Es wird empfohlen, CentOS7 oder höher zu verwenden. CUDA und CUDNN: Pytorch -Version und CUDA -Version sind eng miteinander verbunden. Beispielsweise erfordert Pytorch1.9.0 CUDA11.1, während Pytorch2.0.1 CUDA11.3 erfordert. Die Cudnn -Version muss auch mit der CUDA -Version übereinstimmen. Bestimmen Sie vor der Auswahl der Pytorch -Version unbedingt, dass kompatible CUDA- und CUDNN -Versionen installiert wurden. Python -Version: Pytorch Official Branch

Die Installation von CentOS-Installationen erfordert die folgenden Schritte: Installieren von Abhängigkeiten wie Entwicklungstools, PCRE-Devel und OpenSSL-Devel. Laden Sie das Nginx -Quellcode -Paket herunter, entpacken Sie es, kompilieren Sie es und installieren Sie es und geben Sie den Installationspfad als/usr/local/nginx an. Erstellen Sie NGINX -Benutzer und Benutzergruppen und setzen Sie Berechtigungen. Ändern Sie die Konfigurationsdatei nginx.conf und konfigurieren Sie den Hörport und den Domänennamen/die IP -Adresse. Starten Sie den Nginx -Dienst. Häufige Fehler müssen beachtet werden, z. B. Abhängigkeitsprobleme, Portkonflikte und Konfigurationsdateifehler. Die Leistungsoptimierung muss entsprechend der spezifischen Situation angepasst werden, z. B. das Einschalten des Cache und die Anpassung der Anzahl der Arbeitsprozesse.
