Convolutional Tensor-Train LSTM (Conv-TT-LSTM)代码学习code/opt模块model_test.py和code模块model_test.py

代码链接如下：

GitHub - NVlabs/conv-tt-lstm at 1220ff4a1248ee48f3c36535f19955dcb35a9d75Contribute to NVlabs/conv-tt-lstm development by creating an account on GitHub.https://github.com/NVlabs/conv-tt-lstm/tree/1220ff4a1248ee48f3c36535f19955dcb35a9d75

code/opt模块model_test.py和code模块model_test.py学习

1，skimage版本不同导致两者之间的差异。

code模块model_test.py
import skimage
该模块对应如下应用：
MSE[t] += skimage.measure.compare_mse(origin_, pred_) / test_size    # 均方误差
PSNR[t] += skimage.measure.compare_psnr(origin_, pred_) / test_size  # 峰值信噪比
SSIM[t] += skimage.measure.compare_ssim(origin_, pred_,
                 multichannel=(args.img_channels > 1)) / test_size   # 结构相似性

code/opt模块model_test.py
import skimage.metrics
对应如下内容：
MSE_[t] += skimage.metrics.mean_squared_error(origin_, pred_)           # 均方误差
PSNR_[t] += skimage.metrics.peak_signal_noise_ratio(origin_, pred_)     # 峰值信噪比
SSIM_[t] += skimage.metrics.structural_similarity(origin_, pred_,
                                 multichannel=args.img_channels > 1)    # 结构相似性

2，为什么args可以引用一些操作，它代表什么？

首先解析如下代码含义

第一，了解argparse库

argparse是一个Python模块：命令行选项、参数和子命令解析器。

使用流程:

主要有三个步骤：

1. 创建 ArgumentParser() 对象。
2. 调用 add_argument() 方法添加参数，定义操作的名称，随后可以采用对象调用。等其他参数。

   参数说明：
   class argparse.ArgumentParser(
       prog=None,                  # 设定程序名称 (defaul: sys.argv[0])
       usage=None,                 # 替换默认的Usage信息
       description=None,           # 程序简要信息说明(参数说明前)
       epilog=None,                # 附加信息说明(参数说明后)
       parents=[],                 # 继承父解析器(parser)
       formatter_class=argparse.HelpFormatter,     # 自定义帮忙信息显示格式(4种)
       prefix_chars='-',           # 参数前缀符号(默认为-,如：-h/--help)
       fromfile_prefix_chars=None, # 从文件中引用参数（与在命令行直接写作用一致，解决参数过多的情况）
       argument_default=None,      # 可设置argparse.SUPPRESS阻止默认参数默认值
       conflict_handler='error',   # 参数冲突处理
       add_help=True,              # 帮助信息中默认添加"-h, --help"描述
       allow_abbrev=True           # 允许参数缩写
   )

3. 使用 parse_args() 解析添加的参数。
4. 如下实例直接明了

   from argparse import ArgumentParser
    
   def get_args():
       parser = ArgumentParser(description="Implementation of SSD")
       parser.add_argument("--data-path", type=str, default="coco",
                           help="the root folder of dataset")
       parser.add_argument("--save-folder", type=str, default="trained_models",
                           help="path to folder containing model checkpoint file")
       parser.add_argument("--log-path", type=str,default="47")
    
       args = parser.parse_args()
       return args
    
   args = get_args()
   print(args)
   print(args.log_path)

   由上可知：args是ArgumentParser的一个对象，所以可以调用ArgumentParser定义的操作