了解神经网络优化过程，了解不同激活函数。

编写函数计算f（i），其f（i）的计算公式为：f（i）=1/2+2/3+3/4+…+i/(i+1)def f(i):if i<=1:return 1/2return i/(i+1)+f(i-1)if __name__=="__main__":print(f(3))运行结果：

每个神经元与前后相邻的每一个神经元都有连接关系。（可以实现分类和预测）：（前层*后层+后层）如下面构建的这个全连接神经网络，其参数量为28*28*128w+128b+128*10w+10=101770个而上面的代码就是Mnist数据集分类的全连接神经网络模型，而在实际应用中，我们所处理的图像不是灰度图，大部分是彩色图，这样会涉及到更多的参数，虽然全连接网络一般被认为是分类预测的最佳网络，但是当待优

一个很简易的多因素预测电力模型，所用数据量很少，所以效果不是很好，如果数据量大，可能最后的模型精度和效果会不错，看看就行了，写的很乱（数据来源于泰迪杯最先公布的数据）。# -*- coding: utf-8 -*-# @Time : 2022/3/26 15:13# @Author : 中意灬# @FileName: 多变量.py# @Software: PyCharmimport numpy a

企业发放的奖金根据利润（p）提成。利润p低于或等于100 000元时，奖金可提10%；利润高于100,000元，低于200 000（100 000<p<=200 000）元时，低于100 000元的可按照10%提成，高于100 000元的部分，可提成7.5%；200 000<p<=400 000时，高于200 000的部分可按5%提成；400 000<p<=60

def countword(list):listcount={}#创建一个空字典，保存统计值for str in list:#遍历列表for y in str:#遍历每个列表中的元素listcount[y]=str.count(y)#向字典中增加统计的键值对print(listcount)if __name__=="__main__":list=

11-1： 假定一个文本文件中包含未指定个数的考试分数，请编写一个程序，从文件中读取分数，以列表的方式打印输出所有的分数，同时计算分数之和，平均数以及最大分数。文件中的分数用空格分隔，程序运行时应该提醒用户输入一个文件名。代码：# @Time:2021/11/2313:57# @Author:中意灬# @File:11-1.py# @ps:tutu qqnum:2117472285def sorc

光棍节要到了，不给心意的人写个爱心代码？话不多说，上才艺，这里有两种爱心，一种是html，一种是用python编写的，都是动态的先看一下两种效果截图。这两个核心代码都不是自己所编写，都来至于网上，但经过个人修改的。

在图像分类任务中，深度学习方法已经取得了显著的进展，如残差神经网络（ResNet）,Vision Transformer展现了较强的性能。ResNet作为CNN下的网络架构，在局部特征提取方面具有优势，能够有效地捕捉图像中的空间结构信息。而Vision Transformer作为Transformer的变种，在捕捉全局依赖关系和建模长程依赖性方面的具有更好的优势。

def countword(list):listcount={}#创建一个空字典，保存统计值for str in list:#遍历列表for y in str:#遍历每个列表中的元素listcount[y]=str.count(y)#向字典中增加统计的键值对print(listcount)if __name__=="__main__":list=