turtle库是turtle绘图体系Python的实现，turtle库是python的标准库之一，属于入门级的图形绘制函数库。turtle库绘制原理：有一只海龟在窗体正中心，在画布上游走，走过的轨迹形成了绘制的图形，海龟由程序控制，可以自由改变颜色、方向宽度等。...

4只小鸭子在一个大的圆形水池中，分别随机的出现在圆圈中的任意一点。4只鸭子出现在同一个半圆内的概率是多少?本文将带领大家使用蒙特卡洛方法求解此题。

Python 词云图：wordcloud库。安装，使用，常用函数方法，配置对象参数，蒙版，配色集。水浒传词云图代码实例。

jupyter notebook是我们常用的 Python 编辑环境，但是它的配色风格与字体风格却有些单调，使用久了难免有些厌倦，本文将教大家更改jupyter notebook的主题和字体。jupyterthemes的安装与使用。如何导入自己的字体，自用主题字体分享。

简称BS4（其中 4 表示版本号）是一个 Python 中常用的页面解析库，它可以从 HTML 或 XML 文档中快速地提取指定的数据。相比于之前讲过的lxml库，更加简单易用，不像正则和 XPath 需要刻意去记住很多特定语法，尽管那样会效率更高更直接。对大多数 Python 使用者来说，好用会比高效更重要。库为第三方库，需要我们通过pipBS4解析页面时需要依赖文档解析器，所以还需要一个文档解析器。Python 自带了一个文档解析库， 但是其解析速度稍慢，所以我们结合上篇内容（

CIFAR-10 是一个更接近普适物体的彩色图像数据集。CIFAR-10 是由 Hinton 的学生 Alex Krizhevsky 和 Ilya Sutskever 整理的一个用于识别普适物体的小型数据集。残差神经网络(ResNet) 是由微软研究院的 何恺明、张祥雨、任少卿、孙剑 等人提出的。ResNet 在 2015 年的 ILSVRC（ImageNet Large Scale Visual Recognition Challenge）中取得了冠军。

Fashion-MNIST是一个替代MNIST手写数字集的图像数据集。它是由Zalando（一家德国的时尚科技公司）旗下的研究部门提供。其涵盖了来自 10 种类别的共 7 万个不同商品的正面图片。的大小、格式和训练集/测试集划分与原始的MNIST完全一致。的训练测试数据划分，28x28的灰度图片。AlexNet 是2012年 ImageNet 竞赛冠军获得者 Hinton 和他的学生 Alex Krizhevsky 设计的。AlexNet 中包含了几个比较新的技术点，也首次在 CNN 中成功应用了 ReLU

Matplotlib是一个第三方python 2D绘图库，利用它可以画出许多高质量的图像。只需几行代码即可生成直方图，条形图，饼图，散点图等。Matplotlib库的名字来源于MATLAB，模仿MATLAB构建，语法也十分相似。

Network In Network (NIN) 是由 Min Lin 等人于 2014 年提出，在 CIFAR-10 和 CIFAR-100 分类任务中达到当时的最好水平，其网络结构是由三个多层感知机（NiN块）堆叠而成。NiN 模型论文 《Network In Network》 发表于 ICLR-2014，NIN 以一种全新的角度审视了卷积神经网络中的卷积核设计，通过引入子网络结构代替纯卷积中的线性映射部分，这种形式的网络结构激发了更复杂的卷积神经网络的结构设计，GoogLeNet 的 Inceptio

这里的BOSS战是我自己想的，打不动的砖块实在是没有什么意思，于是这个版本我更新了两场BOSS战，我们终于可以打BOSS（其实目前只是会动的大砖块）了。我打算实现道具，并为第一个BOSS加上技能，同时为游戏添加BGM，最后为了给我其他没学过Python的同学测评，我将其编译成了。那是一个百无聊赖的夜晚，我回顾了自己自大学以来的经历，感觉生活十分平淡，学习了许多计算机知识，但是似乎什么东西都没有用上。游戏诞生的喜悦，使我改变了最开始只是简单复现的计划，我打算写进去更多的东西，更完整地复现功能，最好还能有点。

lxml 是 Python 常用的文档解析库，能够高效地解析 HTML/XML 文档，常用于 Python 爬虫。lxml 为第三方库，需要我们通过pip命令安装。这个爬虫程序爬取了CSDN首页的所有.jpg、.jpeg、.png格式的图片，快来自己尝试一下吧！

VGG-16 网络是14年牛津大学计算机视觉组和 Google DeepMind 公司研究员一起研发的深度网络模型。该网络一共有16个训练参数的网络，它的兄弟版本如下图所示，清晰的展示了每一级别的参数量，从11层的网络一直到19层的网络。VGG-16 网络取得了 ILSVRC 2014 比赛分类项目的第2名，定位项目的第1名。VGGNet 网络结构简洁，迁移到其他图片数据上的泛化性能非常好。VGGNet 现在依然经常被用来提取图像特征，该网络训练后的模型参数在其官网上开源了，可以用来在图像分类任务上进行在训

使用MNIST数据集(Mixed National Institute of Standards and Technology database)。是美国国家标准与技术研究院收集整理的大型手写数字数据库，包含60,000个示例的训练集以及10,000个示例的测试集。本文使用 Pytorch 自动下载。LeNet是由Yann Lecun提出的一种经典的卷积神经网络，是现代卷积神经网络的起源之一。本文使用的LeNet为LeNet-5

残差神经网络(ResNet) 是由微软研究院的 何恺明、张祥雨、任少卿、孙剑 等人提出的。ResNet 在 2015 年的 ILSVRC（ImageNet Large Scale Visual Recognition Challenge）中取得了冠军。残差神经网络 的主要贡献是发现了“退化现象（Degradation）”，并针对退化现象发明了 “快捷连接（Shortcut connection）”，极大的消除了深度过大的神经网络训练困难问题。神经网络的“深度”首次突破了 100 层、最大的神经网络甚至超过

上两期我们讲了 Matplotlib 库的基本语法和基本绘图展示。这期我们来说说如何用 Matplotlib 库绘制常用统计图。用hist()方法来绘制直方图。用boxplot()方法来绘制箱线图。用errorbar()方法来绘制误差条图。用violinplot()方法来绘制小提琴图。用eventplot()方法来绘制尖峰栅格图。用hist2d()方法来绘制二维直方图/散点密度图。用hexbin()方法来绘制Hexbin散点图。用pie()方法来绘制扇形图。

网络爬虫（又称为网页蜘蛛，网络机器人，在FOAF社区中间，更经常的称为网页追逐者），是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。大家可以理解为在网络上爬行的一只蜘蛛，互联网就比作一张大网，而爬虫便是在这张网上爬来爬去的蜘蛛，如果它遇到自己的猎物（所需要的资源），那么它就会将其抓取下来。比如它在抓取一个网页，在这个网中他发现了一条道路，其实就是指向网页的链接，那么它就可以爬到另一张网上来获取数据。

使用开源数据集“鸢尾花数据集”。包含3种类型数据集，共150条数据；数据包含4项特征，花萼长度、花萼宽度、花瓣长度、花瓣宽度；将80%的数据划分为训练集，20%划分为测试集。

requests是 Python 中比较常用的网页请求库，主要用来发送 HTTP 请求，在使用爬虫或测试服务器响应数据时经常会用到，使用起来十分简洁。requests为第三方库，需要我们通过pip方法描述发送 DELETE 请求到指定 url发送 GET 请求到指定 url发送 HEAD 请求到指定 url发送 PATCH 请求到指定 url发送 POST 请求到指定 url发送 PUT 请求到指定 url发送指定的请求方到指定 url每次调用requests请求之后，会返回一个。

使用开源数据集“鸢尾花数据集”。包含3种类型数据集，共150条数据；数据包含4项特征，花萼长度、花萼宽度、花瓣长度、花瓣宽度；将80%的数据划分为训练集，20%划分为测试集。