import settings #读取配置.os.environ获得有关系统的一些信息。from torch.utils.tensorboard import SummaryWriter #完成可视化。logger日志记录工具。 self.feature_generator = nn.DataParallel(self.feature_generator, device_ids=range(settings.num_gpu))。train_params = []。for key, value in opt_model.named_parameters():。 def tensorboard(self, name): self.writers[name] = SummaryWriter(os.path.join(self.log_dir, name + ‘.events’))
return self.writers[name]。定义一个SummaryWriter() 实例。在SummaryWriter()上鼠标ctrl+b我们可以看到SummaryWriter()的参数为:def init(self, log_dir=None, comment=’’, **kwargs)。log_dir为生成的文件所放的目录,comment为文件名称。最后调用writer.close()。writer.add_scalar()的三个参数是保存图的名称,y轴数据,x轴数据。将我们所需要的数据保存在文件里面供可视化使用。 这里是Scalar类型,所以使用writer.add_scalar()。 def write(self, name, out):
for k, v in out.items():
self.writers[name].add_scalar(name + ‘/’ + k, v, self.step)
# write.add_scalar()是将文件里面的数据可视化,参数是保存图名、y轴数据、x轴数据。‘clock’: self.step。obj。torch.save(obj, ckp_path)。原来是这样的。try except FileNotFoundError.self.backbone.load_state_dict(obj[‘backbone’])
train_dataset = SYSU_triplet_dataset(data_folder=settings.data_folder, transforms_list=settings.transforms_list)
data_folder = ‘SYSU-MM01’.class SYSU_triplet_dataset(Dataset):transforms_list=None.self.id_file = ‘train_id.txt’.
self.ids = file.read().splitlines() #splitlines()返回一个列表
for index, id in enumerate(self.ids):
#print(index,id)
self.id_dict[id] =index
self.ids = [int(y) for y in self.ids[0].split(’,’)]
self.ids.sort()
身份
看了实验的数据集,该怎么办呢?再捋一遍。
代码6
最新推荐文章于 2023-03-21 23:41:04 发布