模块 1 - Python 基础 · 第 02 课
变量、对象与基本类型
理解名称与对象的绑定，掌握 int、float、bool、None，以及 AI 配置中常见的变量写法。
学习目标
- 解释变量名如何绑定到对象；
- 使用
int、float、bool和None； - 区分赋值
=与相等比较==； - 写出清晰、稳定的实验配置变量。
名称绑定到对象
learning_rate = 0.001
batch_size = 64
model_name = "baseline"
更准确的说法是：名称指向对象，而不是创建一个永久类型的盒子。名称可以重新绑定：
batch_size = 64
batch_size = 128
print(batch_size) # 128
Python 会使用最近一次绑定。灵活不等于随意；一个作用域中让一个名称保持一个含义，程序更容易读。
基本类型
examples = 120 # int
learning_rate = 1e-3 # float
shuffle = True # bool
checkpoint = None # NoneType：当前没有值
bool 是真/假值；None 表示缺失或尚未产生的结果，不等于 0。需要区分缺失值时写 checkpoint is None。
命名与运算
名称可以含字母、数字和下划线，但不能以数字开头；Python 区分大小写。配置和数据处理代码优先使用能表达含义或单位的 snake_case：
timeout_seconds = 30
image_width_pixels = 224
num_epochs = 10
表达式会先计算，再绑定结果：
training_steps = 1_200
examples_seen = training_steps * batch_size
print(examples_seen)
重新赋值与累加
epoch = 0
epoch = epoch + 1
total_loss = 0.0
total_loss += 0.42
total_loss += 0.31
print(epoch, total_loss) # 1 0.73
+= 是“计算后重新绑定”的简写。训练循环常用它更新计数器或累积指标。
常见错误
在绑定前使用名称
print(validation_loss)
validation_loss = 0.25
执行顺序是从上到下，因此会产生 NameError。
把赋值写成比较
batch_size = 64 # 赋值
batch_size == 64 # 比较，结果为 True
意外改变含义
num_epochs = 10
num_epochs = "ten"
Python 允许重新绑定为字符串，但后续算术会失败。保持名称语义稳定，比依赖隐式转换更安全。
AI 配置示例
learning_rate = 1e-3
batch_size = 64
num_epochs = 10
run_name = "first-baseline"
training_steps = 1_200
examples_seen = training_steps * batch_size
print(f"{run_name}: {examples_seen} examples")
这些变量以后会流入函数、字典、优化器和 DataLoader。先写清楚名称，改实验时才不会误改含义。
快速检查
预测下面代码的输出，并解释重新绑定发生在哪里：
batch_size = 32
steps = 100
batch_size = batch_size * 2
examples = batch_size * steps
print(examples)
查看答案
输出是 6400。第三行把 batch_size 重新绑定为 64，下一行计算 64×100。
练习
★ 基础
创建 training_settings.py，保存学习率、批大小、epoch 数和模型名，并带标签打印。
★★ 应用
增加 batches_per_epoch，计算单 epoch 和全部 epoch 处理的样本数；改变批大小并验证结果。
★★★ Challenge：内存估算
图像高 224、宽 224、3 个通道，每个值占 4 bytes。计算一个 batch 的 bytes 和 MiB，并用 assert 验证中间总元素数。
参考答案
```python image_height = 224 image_width = 224 channels = 3 bytes_per_value = 4 batch_size = 64 values_per_image = image_height * image_width * channels assert values_per_image == 150528 batch_mib = values_per_image * bytes_per_value * batch_size / (1024 ** 2) print(f"{batch_mib:.2f} MiB") ```小结与速查表
name = value 绑定名称；== 比较相等；int/float/bool/None 是常见基本类型；+= 更新数值；1e-3 是科学计数法；1_000 只是更易读的整数写法。
D2L 衔接
D2L 示例用变量暴露学习率、批大小、层宽、epoch 和 device 等实验决定。理解名称、对象和基本类型后，你可以有意识地修改这些配置，并追踪它们流向函数、集合和 Tensor。