ผมได้ทำการเปิด GitHub สำหรับใช้เก็บไฟล์โค้ด python ที่ใช้ประกอบบทความ python ทั้งหมดในบล็อกนี้
GitHub : https://github.com/wannaphongcom/code-python3-blog
ใช้ MIT License

แชร์บทความนี้

  • Facebook
  • Twitter
  • Google Plus
  • Add to favorites
  • Email
  • RSS

บทความนี้จะพาผู้อ่านไปดึงข้อมูล Whois โดเมนด้วย Python กันครับ ...continue reading "ดึงข้อมูล Whois โดเมนด้วย Python"

แชร์บทความนี้

  • Facebook
  • Twitter
  • Google Plus
  • Add to favorites
  • Email
  • RSS

Anaconda เป็นชุดแจกจ่าย Python ที่มีคนนิยมใช้งานกันทั่วโลก โดยมีจุดเด่นที่ติดตั้งง่ายและมีโมดูลพร้อมใช้งานพร้อมติดตั้งได้โดยสะดวกด้วย conda ...continue reading "ใช้ Python ด้วย Anaconda"

แชร์บทความนี้

  • Facebook
  • Twitter
  • Google Plus
  • Add to favorites
  • Email
  • RSS

1

Victor Stinner นักพัฒนาภาษา Python ได้ออกมาทวีตผ่านทวีตเตอร์ส่วนตัวของเขาว่า "การทดสอบ sympy : Python 3.6 เร็วกว่า Python 2.7 อยู่ระหว่าง 8% และ 48%"


นับเป็นสัญญาที่ดีสำหรับผู้ที่กำลังใช้ Python 2.7 และ ต้องการย้ายมาใช้ Python 3
ดูผลการทดสอบประสิทธิภาพ Python รุ่นต่าง ๆ ได้ที่ https://speed.python.org/comparison/

แชร์บทความนี้

  • Facebook
  • Twitter
  • Google Plus
  • Add to favorites
  • Email
  • RSS

ในการเขียนโปรแกรมสำหรับดูแลรักษาระบบ ผู้ดูแลระบบหลายคนคงใช้งาน Linux server และ Unix server โดยที่ไม่ได้ติดตั้ง GUI ...continue reading "สร้างตารางข้อมูลใน terminals ด้วย Python"

แชร์บทความนี้

  • Facebook
  • Twitter
  • Google Plus
  • Add to favorites
  • Email
  • RSS

โลโก้โครงการ pypy
ทาง PyPy ได้ออก PyPy3 5.5.0 แล้ว โดย PyPy3 5.5.0 รุ่นนี้ถูกปรับปรุงให้สนับสนุน Python 3.3.5 สนับสนุนทุก OS ที่รันบน X86 แต่ไม่รองรับ Windows

สามารถโหลด PyPy3 5.5.0 ได้ที่ http://pypy.org/download.html

แชร์บทความนี้

  • Facebook
  • Twitter
  • Google Plus
  • Add to favorites
  • Email
  • RSS

ใน scikit-learn 0.1.18 รุ่นถัดไป จะมีความสามารถใหม่เพิ่มเข้ามา หนึ่งในนั้น คือ Neural network models (supervised)

จาก

>>> from sklearn.neural_network import MLPClassifier
>>> X = [[0., 0.], [1., 1.]]
>>> y = [0, 1]
>>> clf = MLPClassifier(algorithm='l-bfgs', alpha=1e-5, hidden_layer_sizes=(5, 2), random_state=1)
>>> clf.fit(X, y)
MLPClassifier(activation='relu', algorithm='l-bfgs', alpha=1e-05,
       batch_size='auto', beta_1=0.9, beta_2=0.999, early_stopping=False,
       epsilon=1e-08, hidden_layer_sizes=(5, 2), learning_rate='constant',
       learning_rate_init=0.001, max_iter=200, momentum=0.9,
       nesterovs_momentum=True, power_t=0.5, random_state=1, shuffle=True,
       tol=0.0001, validation_fraction=0.1, verbose=False,
       warm_start=False)
>>> clf.predict([[2., 2.], [-1., -2.]])
array([1, 0])

อ่านเอกสารได้ที่ http://scikit-learn.org/stable/modules/neural_networks_supervised.html

แชร์บทความนี้

  • Facebook
  • Twitter
  • Google Plus
  • Add to favorites
  • Email
  • RSS