Python 学习常见问题汇总

Python 数组维度 大小 形状 dim size shape

PEP 8: W292 no newline at end of file

    结尾需要一个空行

PEP 8: E302 expected 2 blank lines, found 1

    函数和类前后需要两个空行

从外部作用域隐藏名称

    函数内外部变量名称一样导致

字典创建可以作为字典文字进行重写

    字典初始化时为空导致
    
    如dict_name = {} 修改为 dict_name = dict() 或 下一行加pass即可

PEP 8: E731 do not assign a lambda expression, use a def

       Lamba函数转化为def函数即可

Index Error: tensors used as indices must be long, byte or bool tensors

       作为索引/下标的量为多维矩阵

PEP 8: E127 continuation line over-indented for visual indent

       一行内容写不下 换行续写时 需要对齐缩进

PEP 8: E402 module level import not at top of file

       Import模块没有在python文件的最前面

位置实参位于关键字实参后面：

       位置实参：通过参数所在的位置决定其对应的形参

       关键字实参：通过实参关键字和形参的名称对应

       形参：函数定义/声明/实现；实参：函数调用时使用

torch.set_default_tensor_type('torch.cuda.FloatTensor')

       可以设置所有张量默认在GPU上进行运算

Torch张量的形状、大小、长度：tensor.shape 或 tensor.size()

z=numpy.c_[x,y]和numpy.r_[x,y]

       将向量x,y按照列（行数增加）或行（列数增加）连接

Rng=numpy.random.RandomState(z)

       设置随机数种子z，rng.uniform均匀分布，rng.random随机分布

Pyplot.subplot(x,y,z) / (xyz)

       设置子图，一共x行y列，当前第z个，后面再用plot绘图

Numpy.resize和numpy.reshape

    通常是使用resize改变数组的尺寸大小，使用reshape用来增加数组的维度

for i, data in enumerate(datas):

       在循环时获取循环次数

Torch.tensor / from_numpy / as_tensor

       都可以将ndarray转化为tensor

       Tensor和as_tensor不会改变ndarray默认double数据类型，还得加.float()

       From_numpy生成的tensor在cpu上，还得加tensor/as_tensor(device=cuda)

Lstm预测时序序列趋势正确但是数量级不对或者均值方差不一致

       原始数据未归一化、训练epoch不足（error看似收敛其实没有）

if __name__ == '__main__':

       python导入其他模块时，里面的程序都会执行；若加了这一行，则它下面的程序只有运行当前模块才会执行，被其他模块导入运行时不会执行。

这里super一行的作用是继承使用父类nn.Module的初始化方法
    
    class BiGRUnet(nn.Module):
        def __init__(self, ……):
            super(BiGRUnet, self).__init__()

有序无序

    {}是集合，里面的元素没有顺序
    
    []是列表，里面的元素有序
    
    ()是元组，里面的元素不可改变，因此也有序

类的函数类型

    @staticmethod 静态方法 内部没有调用self、clf
    
    @classmethod 类方法 形参第一个为clf 即类对象

       什么都不加 实例方法 形参第一个为self 即实例对象

构建优化器时报错：optimizer got an empty parameter list

       网络中各层没有加上self.前缀

向量反向

    Ndarray反向：x=x[::-1].copy() 或者 x=numpy.filpud(x)
    
    Tensor反向：x=x.flip(dims=?) 或者x=torch.flip(dims=?)

RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same or input should be a MKLDNN tensor and weight is a dense tensor

       输入向量不在cuda上，而网络参数向量都在cuda上

输入向量后加.cuda()即可

RuntimeError: CUDA error: CUBLAS_STATUS_ALLOC_FAILED when calling cublasCreate(handle)`
    
    表明在使用CUDA时，cuBLAS无法为其操作分配所需的内存
    
    网络输出维度与分类标签维度不一致可能会导致这个报错

RuntimeError: Expected a 'cpu' device type for generator but found 'cuda'

    构建迭代器时报错，程序主函数开头加上下面的代码即可：

    torch.set_default_tensor_type('torch.cuda.FloatTensor')

TypeError: can't convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.

       Matplotlib绘图时需要先把tensor放到cpu上 不需要再转化为ndarray

tqdm不可调用
    
    正确引用方法是 from tqdm impor tqdm 而不是 import tdqm
    
    for file in files → for file in tqdm(files)
        
        则在循环进行时生成进度条 每循环一次进度条前进一步

查看list的形状

    先用 numpy.array 转化为 ndarray 再用 size 或者 shape

读取txt文件

    with open ('path') as file:
        
        strings = file.read() 读取所有 视作一整个长字符串
        string = file.readline() 读取第一行 视作一个字符串
        list = file.readlines() 读取所有行存进列表 表每一行是一个字符串
        
        for line in file 读取每一行 line 是每一行对应的字符串
        for line in file.readlines() 和上一行代码效果一样
        for char in file.readline() 读取第一行的每个字符

跳过第一行的三种方法

    with open('file_name', 'r') as f: 
        lines = f.readlines()[1:] # skip the first line. 
        for line in lines: 
            print(line)
    
    with open('file_name', 'r') as f: 
        next(f) # skip the first line. 
        for line in f.readlines(): 
            print(line)
    
    from itertools import islice 
    with open('file_name', 'r') as f: 
        for line in islice(f, 1, None): 
            print(line)

处理空格

    string.strip() 去除前后空格
    string.split() 以空格划分字符串 包含去除前后空格

UnicodeEncodeError: 'latin-1' codec can't encode characters in position 0-4: ordinal not in range(256)

    中文编码问题
    添加`str_2 = str_1.encode(“utf-8”).decode(“latin1”)`解决不了
    文件路径命名使用全英文即可

切片相关问题
    
    x = x [ 0 , : , : ] 和    x = x [ 0 : 1 , : , : ] 的区别
    前者将 x 从三维降维二维
    后者不降维 只是维度一长度为一
    二者取得切片数据相同

路径拼接
    
    file = os.path.join(file_path, file_name)

判断文件是否存在
    
    if os.path.isfile(file)

判断字典中是否存在某个键
    
    if dict.has_key(key)
    if key in dict
    if key in dict.keys()

字符串相加减
    
    相加可以直接用+
    相减需要用replace('.mat', '')（删掉.mat后缀）

Assertion `t >= 0 && t < n_classes` failed.
    
    报错原因：标签数量与网络输出层大小不匹配
    标签数量大于网络输出层大小
    修改为相等即可

AttributeError: 'generator' object has no attribute 'requires_grad'
    
    报错原因：冻结参数时选择了没有参数需要训练的层

PermissionError: [Errno 13] Permission denied: 'E:/Desktop/PYTHON/PGML'
    
    保存预训练好的网络模型时出错，原因跟文件夹是否只读无关
    而是路径名不完整，完整的应该是'E:/Desktop/PYTHON/PGML/model.pth'

ValueError: Classification metrics can't handle a mix of multilabel-indicator and continuous-multioutput targets
    
    计算混淆矩阵时，预测值和目标值的数据类型不同导致，通常预测值为0~1之间的小数
    而目标值为0、1、2之类的表示不同类别的整数，或者独热编码的01向量
    需要将预测值转换为独热编码/或利用argmax转化为表示不同类别的整数