学习笔记5-知识点【卷积计算，dim，超参数，torch.zeros，gamma，beta，eps，assert，优化器，groups，// 和/，reshape，isinstance，hasattr

1.python 运行程序出现：“Caught IndexError in DataLoader worker process 0”

解决方法：可能是多进程的原因。查看代码，找到超参数部分，修改num_workers=0即可。

2.卷积神经网络(卷积层，激活函数Relu,池化层，计算公式及API解释)

这位博主介绍的很详细，传送门

3.dim、keepdim

dim (int) – 缩减的维度，dim=0是对0维度上的一个向量求范数（范数定义：每个向量的长度或大小），返回结果数量等于其列的个数，也就是说有多少个0维度的向量， 将得到多少个范数。
keepdim（bool）– 保持输出的维度 。当keepdim=False时，输出比输入少一个维度（就是指定的dim求范数的维度）。
例子在：传送门

4.opt和args是谁的缩写

都指代超参数，不同代码称呼不一样，因此不是固定的。

    opt = parser.parse_args()

    args = parser.parse_args() #1.引用超参数 args.

5.torch.zeros用法

举例：

>>> torch.zeros(2, 3)
tensor([[ 0.,  0.,  0.],
        [ 0.,  0.,  0.]])

6.gamma校正

gamma校正包括：归一化、预补偿、反归一化。
这篇把gamma校正原理解释的很完美传送门

7.beta分布概率密度函数

我理解的beta是，其获取bn分支偏移量，并且beta分布具有多样性。

beta = branch.bn.bias

如果想了解更多，大家可以去看这篇博客。传送门

8.eps是什么？

eps 定义：机器的浮点运算误差限
直接举例：如果我们计算出的数介于这两者之间，系统就会自动把它舍入到离他最近的数。如1+eps3/5≈1+eps；1+eps2/5≈1；1+eps/2≈1；

9.assert函数

assert就是一个断言函数。类似与break。
举例：

assert 1==1    # 条件为 true 正常执行
assert 1==2    # 条件为 false 触发异常

10.优化器

Momentum优化算法：使用梯度的移动指数加权平均，一般取0.9.
RMSProp优化算法：使用微分平方加权平均数。
Adam优化算法：使用类似于物理中的动量来累积梯度。
具体内容见：传送门

11.python中group和groups函数的区别

group：获取取得的字符串整体。
groups：深度可分卷积计算。
groups的具体内容见：传送门

12.Python3中// 和/区别

" / "表示浮点数除法，返回浮点float结果;
" // “表示整数除法,返回一个不大于” / "计算结果的最大整数int。

13.numpy.reshape(-1,1)含义

reshape(m,-1)即行数固定，列数需要计算，reshape(-1, m) 即列数固定，行数需要计算;
具体举例见：传送门

14.isinstance（）函数

用于检查对象是否为指定类的实例，举例：rv是不是str的类型，是为TRUE；

 if isinstance(rv, str): #isinstance（）函数用于检查对象是否为指定类的实例，rv是不是str的类型，是为TRUE
                    y = x
 else:
                    y = _reconstruct(x, memo, *rv)

15.hasattr(object, name)函数

如果对象有该属性返回 True，否则返回 False。举例：

        if hasattr(module, 'switch_to_deploy'):
            module.switch_to_deploy()