为了快速上手运用Micro Python调试Open Mv,选择快速学习，挑选了许多视频，其中多是针对考研复试的机器学习深度学习项目班课程，复试本来就只有两三个月的准备时间，肯定是得重心放在项目重要的地方，结果前面单单python基础都讲得磨磨唧唧，起码有二十多个小时（还不包括matplotlib之类的机器学习库的教学），而且就因为冗长，反而听得糊里糊涂的，没有杰哥（bilibili爆肝杰哥）这1个小时的课来得好，那里讲得很多东西后面根本用不到还花这么大篇幅真搞不懂。

（一）我喜欢python（不能随意加空格，开头也不行；和C一样从0开始：0、1、2...）而不喜欢C语言的原因：

1、变量类型动态（类似Matlab)，不需要最初指定数据类型int...，比如整数和浮点数在numpy数组库中才区分。

2、回车代替分号，不用加；

3、

（二）人工智能的一个分支是机器学习，机器学习多种算法中最核心的是神经网络，神经网络的隐藏层足够深就是深层神经网络就是深度学习，深度学习包括深度神经网络（DNN用来处理大数据）、卷积神经网络（CNN用来处理计算机视觉）、循环神经网络（RNN用来做自然语言处理）等。

  深度学习方面:

python没有数组的缺陷用Numpy库解决

Matplotlib库使python有像matlab一样有绘图能力

Pandas、Py Torch、TensorFlow

  机器学习方面：

和数学建模方法一样的Sci-kit learn库

（三）需要掌握的最基本的python基础知识点：

1、变量、数据类型（int、str、bool、list)

     变量：

基本变量类型（1-3）+高级变量类型（3-7）

数据：

转换 

定义变量 “_v”  ，当其他变量类型转换为布尔型时，只有当字符串为空、数字为0、集合为空、其他高级变量为空时，结果才为False。

高级变量类型

（集合{}和字典被pandas库取代，列表[]占空间影响速度被numpy库取代）只剩元组()

Pandas库可以代替的集合，注意集合是无序、不重复的

元组

不用写f+{“”}，用元组替代更简单，有点简化版指针的意味

缺点是元素间多了一个空格

在最后一个元素前加*即可包揽后续所有

列表

字典

dict{  }

2、输入输出（printf）

   类似C语言省去了% ，f+“ {  }”（f仅为输出作用，在深度学习中没有其他用法）

      转义字符只有在printf中才有效

3、条件判断（if、else、elif)

python不用{  }来表示代码块的范围，用缩进（规定为四个空格）

每一个条件的最后有一个冒号，不要遗漏

4、循环（for、while）

for

中括号、小括号、大括号分别代表遍历三种不同不同的遍历

while

5、函数（def）

多了'''  '''解释函数作用 

In2都是第二步要用的自定义函数

In1是def函数，自定义函数

最后一句话与Matlab和C语言一样

一个*接纳所有

6、类

这个图的前提是def都已经编写好了，且Counter这个类已经在上面定义好了，才可创造实例然后调用

继承

父类

子类

加了super（）会继承父类所有的def,自己也可以补充

子改父

掠夺

定义一个掠夺

创建一个实例，并把这个实例赋给self

7、简单异常处理

待续