MLR模型代码实现pytorch mlp python

文章目录

• python基础
• 安装过程
• 常见的python解释器
• 性能优化

python基础

环境的搭建：

1. 开发环境：记事本即可，vim sublime
2. 运行环境：安装python官方提供的解释器cpython

python下载：

官方网站：http://www.python.orghttp://www.python.org/ftp/python

在官方ftp下载地址中，可以选择下载任意一个需要的版本

安装过程

我们以最新的3.x为例安装：

1. 双击安装包，出现如下的开始安装界面，选择自定义安装选项：
2. 选项设置，默认全部勾选即可：
3. 高级配置选项，如图勾选即可；
4. 安装过程中…:
5. 安装完成，最后的结束界面中，一定点击disable path length limit，禁用系统的path长度自动限制，能给我们避免很多的麻烦；
6. 安装完成：
   开始菜单中，找到python3.6，然后点击IDLE就可以打开一个python的界面工具啦。
   打开cmd，输入python出现以下界面代表安装成功

• python的历史：

python的应用场景：

• web开发
  网站开发、网站测试、网站部署维护等等
• 网络运维
  网站维护、服务器维护、网络维护等等
• 网络爬虫
  信息收集、数据挖掘等等
• 人工智能
  插件开发、交互开发、AI/VR、嵌入式开发等等

第一个python

print（”hello python！！！“）  #标准输出函数

注意：在python中，单引号，双引号，三引号都是字符串

常见的python解释器

1. 官方网站提供的解释器cpython
2. 基于Java语言的解释器jpython
3. 基于Net平台的解释器ioronpython
4. 一种增强了交换效果的解释器ipthon
5. 专注于执行速度的pypy
   一种使用JIT（just-in-time）技术的编译器，专注于执行速度，对python代码进行动态编译，从而提高了python的执行速度。但是，pypy在处理python代码的过程中，一小部分功能的处理和官方的cpython的执行结果是有差异的，如果项目中要使用pypy来进行执行效率的提升的话，一定要事先了解下pypy和cpython的区别

性能优化

• Psyco：python语言的一个扩展模块，可以即时的对程序的代码进行专业的算法来进行优化，在一定程度上提高了程序的执行速度，这个扩展模块目前已经停止维护，由pypy替代，可以更好的对源代码进行优化处理
• pypy：是python实现的解释器，执行动态的编译（不是解释），可以在不同的操作系统平台上使用
• shed skin：python的编译器，可以将python代码转换成优化的C++代码执行