Andrey Dugin

Можно воспользоваться одним из алгоритмов кластеризации в scikit-learn, например KMeans:

>>> import numpy as np
>>> from sklearn.cluster import KMeans
>>> notes = [145, 160, 112, 170, 281, 292, 258, 305, 257]
>>> notes = np.array(notes).reshape(-1, 1)
>>> KMeans(n_clusters=2).fit_predict(notes)
array([0, 0, 0, 0, 1, 1, 1, 1, 1], dtype=int32)

Но порядок присвоения номеров кластерам не гарантируется. Кластеризация просто позволяет выборку на N частей, присвоим каждому кластер произвольный порядковый номер. Может быть и так:

>>> KMeans(n_clusters=2).fit_predict(notes)
array([1, 1, 1, 1, 0, 0, 0, 0, 0], dtype=int32)

https://stackoverflow.com/questions/24437009/pytho...

НИКОГДА не храните пароль в коде! Сравнивайте хэш ввода с хэшем пароля (лучше с солью) - например, так:

import hashlib

# hashlib.sha1(b'My_$uper&STRONG^p@ssw0rd').hexdigest()
PASSWORD_HASH = 'b0bda105892b7c25d4eb1e8e5cd36e942465ff69'

password = input("Введите пароль: ")  # raw_input() для Python 2.x

if hashlib.sha1(bytes(password, 'UTF8')).hexdigest() == PASSWORD_HASH:
    print('Password accepted')
else:
    print('Wrong password')

Ваш пример не работет потому, что результат функции input() не записан ни в какую переменную.

tf.tile(), затем tf.reshape()

Используйте enumerate():

with open('text.txt', 'rt') as file:
    for index, line in enumerate(file):
        if pattern in line:
            print(index)

Причем вторым параметром в enumerate можно передать номер начала отсчёта - например, начать с 1, а не с нуля (по умолчанию). В переменной index будет номер текущей строки.

Вариант №1 - просто вставляем значения исходной матрицы в заданные позиции шаблона:

>>> matrix = np.array([[1, 2], [3, 4]])
>>> new_matrix = np.zeros((6, 6), dtype=matrix.dtype)
>>> new_matrix[1::3, 1::3] = matrix
>>> new_matrix
array([[0, 0, 0, 0, 0, 0],
       [0, 1, 0, 0, 2, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 3, 0, 0, 4, 0],
       [0, 0, 0, 0, 0, 0]])

Вариант №2 - с полноценными преобразованиями:

>>> matrix = np.array([[1, 2], [3, 4]])
>>> matrix = matrix.reshape(1, 1, -1)
>>> matrix = np.pad(matrix, ((1, 1), (1, 1), (0, 0)), 'constant', constant_values=0)
>>> matrix = matrix.transpose(2, 0, 1).reshape(2, 2, 3, 3)
>>> matrix = np.hstack(np.hstack(matrix))
>>> matrix
array([[0, 0, 0, 0, 0, 0],
       [0, 1, 0, 0, 2, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 3, 0, 0, 4, 0],
       [0, 0, 0, 0, 0, 0]])

Подозреваю, что можно уменьшить число действий, обойтись без np.stack() и эффективно применить np.lib.stride_tricks.as_strided(), но это лютый мозговынос.

Просто для расширения знаний стандартной библиотеки:

from calendar import Calendar
from itertools import product

cal = Calendar()
url = 'https://www.betexplorer.com/results/soccer/?year={}&month={}&day={}'

with open('dump.txt', 'wt') as file:
    for year, month in product(range(2016, 2020), range(1, 13)):
        for day in filter(None, cal.itermonthdays(year, month)):
            print(url.format(year, month, day), file=file)

Заморозка через layer.trainable - верно. Что значит "достать" свёрточную основу?
Вот веса слоя:

layer.weights
layer.get_weights()

И чем перечислять имена слоёв, проще сделать что-то вроде:

for layer in model.layers[:4]:
    layer.trainable = False

Потому что Python требует корректно сдвигать логические блоки кода.
У вас как минимум эти строки без причины смещены вправо:

pb = ttk.Progressbar(root, orient="horizontal",length=200,mode='determinate').pack()
pb.start()

Ну и вообще ознакомьтесь с PEP8.

from itertools import groupby
from operator import itemgetter

# sid, symbol, rank
data = [
    (36, 'abc', 5158),
    (35, 'aaa', 4023),
    (44, 'aaa', 3756),
    (171, 'alc', 3262),
    (179, 'soc', 701),
    (42, 'abs', 3879),
    (43, 'abs', 531),
]

def max_unique_rank(data):
    _sid, _symbol, _rank = range(3)
    filtered = sorted(data, key=itemgetter(_symbol, _rank), reverse=True)
    filtered = groupby(filtered, key=itemgetter(_symbol))
    filtered = [next(group) for _, group in filtered]
    return filtered

max_unique_rank(data)

Результат:

[(179, 'soc', 701),
 (171, 'alc', 3262),
 (42, 'abs', 3879),
 (36, 'abc', 5158),
 (35, 'aaa', 4023)]

Вариант с сохранением порядка и прозрачной логикой:

cache = {}
for sid, symbol, rank in data:
    _sid, _rank = cache.get(symbol, (sid, rank))
    if _rank <= rank:
        cache[symbol] = (sid, rank)
filtered = [(sid, symbol, rank) for symbol, (sid, rank) in cache.items()]

Одной строкой:

{symbol: (sid, symbol, rank) for sid, symbol, rank in sorted(data, key=itemgetter(2))}.values()

# phrase = input('Введите фразу: ')
phrase = 'А роза упала на лапу Азора'
phrase = list(filter(str.isalpha, phrase.casefold()))
if phrase == phrase[::-1]:
    print('Палиндром')
else:
    print('Не палиндром')

А проблема у вас прежде всего здесь:

for item in text:
  if item == ' ':
    del item

1) Нельзя удалять что-то из набора, по которому итерируетесь;
2) Строка является неизменяемым объектом;
3) В вашем исполнении это в принципе не работает.

print(*[1, 2, 3], sep='*')

linecache — Random access to text lines

linecache.getline('textfile.txt', random.randint(0, 33723))

ex.sort(key=float)

print(text, end='\n', file=file)

from collections import Counter

Counter(pizza) + Counter(salad)

Универсальный способ:

def print_cart(*recipes):
    cart = Counter()
    for recipe in recipes:
        cart.update(recipe)
    for item in sorted(cart.items()):
        print(*item, sep=': ')