Python类和包的介绍

一：
## argparse：

参考：https://blog.csdn.net/yy_diego/article/details/82851661?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-1.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-1.control
argparse是处理命令行操作参数。先创建一个对象；再向对象中参加参数，每个参数有对应的名字和默认值； 最后利用该对象的名字可以进行调用该参数值；

二：
## yaml文件:

参考：https://cloud.tencent.com/developer/article/1569879
yaml是一种直观的能够被电脑识别的的数据序列化格式；首先打开该yaml文件，f = open(’.yaml’)；再生成该yaml对象 yaml.load(f); 最后我们可以输出该对象的所有数据内容（输出的数据是一个字典)
我们也可以用yaml.dump(传入字典数据)，将该字典变成yaml数据

三：

pkl文件：

pkl文件和yaml文件都是用来存储数据的，目的都是为了将文件转换为字典然后进行调用数据； 先打开该文件，然后创建该文件的对象将该文件转换为字典 ；然后用dict.get(key，无key的默认值)方法来获取该键对应的内容。

四：

numpy函数：

1 、np.astype(np.long)：
解析： 是用来强制性更改数据类型的；

2、np.concatenate(np1, np2 , axis =0/1) ：
解析：是用来连接两个numpy的函数；若axis = 1，则对两个数组的行进行连接；若axis=0 ，则对两个数组的列进行连接

3、np.linalg.norm(x , ord , axis):
解析：用来求矩阵numpy x的范数的； ord =2 ,则求第二范数；axis =0 ,则代表对每个行向量求范数，axis =1，则代表对每个列向量求范数

4、numpy.flatten():
解析：将numpy变成一维的；

5、np.array([ 2, 3] , [4 , 5] ) ，生成一个二维数组 ；

6、np.random.rand(3 ,2)生成一个3x2列的随机numpy

7、np.shape 查看维度 ; np . reshape(-1 , 1)是调整维度，-1是自动调整，1代表有1列

8、查看list维度的方法：
现将其转变成numpy，然后在查看其维度
np.array(list).shape;

9：numpy.T : 将numpy的行列倒置；

10:numpy.zero_like(a) :产生一个和a维度一样大小的全0numpy

11：numpy.repeat(np_a , time , axis)
解析：将np_a进行复制time次数，若axis=none ,则按照从行到列复制每个元素，然后在展平该数组 ； 若axis=0;则按照列的顺序，将每个元素复制time次数； 若axis=1，则按照行的顺序，将每个元素复制time次 ；

numpy.round(float , x) ; 返回float的保留两位的四舍五入值 ；

numpy.clip(x , min ,max)#将Numpy x的值控制在min-max之间 ；小于min的值固定在min ；大于Max的值固定在max 中 ；

五：

getattr( )

getattr(obj , 该对象的属性名)，作用是获得该对象的属性值；

六：

pth文件

1：pth文件是用来存储模型的；接下来我们讲解如何获取该模型；
2：直接加载 .pth文件得到模型： model = torch.load(‘文件名’)
3：此时该model就是一个字典，共含有4个键值 对,model,optimizer,scheduler,iteration; 其中每个键对应的值依然可能是字典；可能会有多层的字典叠加；
4：详情参考：https://zhuanlan.zhihu.com/p/84797438
5：注意Ubuntu要把内核更新关上，否则一旦进行自动更新，NVIDIA驱动程序和内核的兼容性就会发生错误；此时NVIDIA就会错误。

七：

state_dict():

1 : model.state_dict(): 返回的是该模型的字典；字典的key是模型参数名，字典的value是模型参数名对应的参数值；
2：model.load_stat_dict(mode_dict) : 将该字典的参数复制到model中；这是更改模型参数名对应的参数值时的必须操作；

八：

torch.backends.cudnn.benchmark = true 代表gpu运行时自动为网络提速；

九：

cv.imread(.png)

1: 读取图片,将图片数据变成tensor，读取后的数据是[h , w, channel ];注意区分transform.Totensor(PIL)，将PIL类型的图片变成tensor ； 此时维度是[channel , h , w ]
2：cv2.imshow(tensor)，是显示该图片；

十：

cv.resize()

进行缩放图片； img = cv.resize(img_resize , 缩放的大小 ， interplation缩放的方式)

十一：

for _ in zip(numpy_a numpy_b)

这是实现并行遍历的 ；

十二：

matplotlib.pyplot as plt 的运用

1 ： plt . figure(num=None, figsize=None)
解析：num是图片的编号或者名称 ； figsize(x , y)是定义输出图片的大小 ；
2：plt.imshow( x)
解析：imshow方法首先将二维数组的值标准化为0到1之间的值，然后根据指定的渐变色依次赋予每个单元格对应的颜色，就形成了热图；热图是并不显示的，只有调用plt.show()才会显示 ； 其中参数x的维度可以是一维的数组，也可以是三维的数组；
3：fig , axes = plt.subplots(2 ,3 )
解析： 创建一个23维的窗口 ；然后在这些子窗口中插入图片；
4：ax1 = plt. add_subplot(2,3,1)
解析：向23维的窗口中的第一个格子添加图片；其中ax1也可以代表这个图片；即ax1可以单独加进网格中
5：plt.subplots_adjust(left , right , top , botomm ,wspace , hspace )
解析：前面调整子图的位置 ; wspace是子图宽之间的距离， hspace 是子图高之间的距离；
6：plt.plot(x , y )：
解析：生成坐标点，其中x和y是两个列表；从而生成坐标点！！
7：plt.axis(‘off’）：
解析：axis是关于坐标系的配置问题；在显示的图片上不显示坐标系；若用plt.axis([0 ,10 , 1 ,15])则是定义x轴的坐标系是0-10 ， y轴的坐标系是1- 15。
8：plt.savefig(path):
解析：保存图片到指定的文件下

十三：

lambda函数

lambda 函数可以接收任意多个参数 (包括可选参数) 并且返回单个表达式的值。
pl：
a = lambda x , y ,z :x+y+z, 则print(a(2,3,4))的值就是9

十四：

list列表的详细说明

首先a 的维度是[3 , 100]

1、list a[0 , x::y]
解析：这是代表在第0行从x开始，每隔y进行隔开取数； 代表在第0行开始进行隔空取数；

2、list a [0 , x:y ]
解析：这是代表在第0行， 在x-y范围中进行取数；

3、list a [0 , 3]
解析：这是代表在第0行，取第三个数；

十六：
torch的用法

torch.cat(tensor1，tensor2 , dim)
解析：若dim=1，则按照行进行连接；若dim = 0 ,则按照列进行连接；

numpy.transform(0 ,2 ,1 )是转换维度的意思；

torch.squeeze(0) :删除第一个维度
torch.unsqueeze(0):在第一个维度前插入一个维度

a = torch.from_numpy(numpy) :
解析：将numpy变成一个tensor，且tensor和numpy共用一个内存空间，改变其中一个数据会改变其他的数据；

isinstance（obj1 , obj2） 是用来判断两个对象的type是否相同的；

十七：

Cv2.addWeighted()

解析：图像融合与叠加方法 ； 将两个图片按照一定的权重进行叠加和融合；参数为cv2.addWeighted(img1 , w1 , img2 , w2 )

cv.add(img1 , img2) ; 将两个图片numpy直接进行相加；

cv2.circle(img , (元组表示圆心) ， 半径 ， 颜色)：
用来画圆圈的 ；

cv2.line(img , top_left , right_left , color , size )：是在img图上画直线的 ；

十八：

.npy文件

npy文件就是存储numpy的文件 ；
用np.save(“path” , arr)来保存numpy
用np.load(arr)来获得该numpy

十九：

.mat文件

.mat，yaml , pkl文件都是用来存储数据的； 目的也是将其变成字典；然后利用方法进行调用 ；
用scipy包来读取.mat文件，获得的是一个字典 ；即
dict = scipy.loadmat(".mat_pth")

二十：

用Python处理视频时，必须安装imagio-ffmpeg ;不安装时，Python是不可以处理视频数据的 ；pip install imagio-ffmpeg ;

str.split(’ , ‘)：按照’,'进行分割字符串，返回的是一个字符串数组 ； [ -1]是代表取该字符串数组的最后一个数据；
https://blog.csdn.net/Anymake_ren/article/details/78753707

from tqdm import tqdm 的用法：
for i in tqdm(是个列表或者是个iterator迭代器) ； 目的就是在迭代的时候生成一个进度条，并显示出来该进度条 ；

二十一：

关于3DMM的说明

对于三维重建问题 ， 得到3DMM的参数 和 bfm模型的数据库中的数据时，我们便可以利用公式重建出三维人脸模型了 ；

关于人脸盒子的说明：人脸盒子就是由四条直线组成的一个方圈，我们可以用
cv2.line(img , tuple(x , y ) , tuple(x , y))来画出直线，其中tuple是直线两个定点的坐标 ；

关于plt.imshow(numpy_image)的说明：生成一个热图，方便在该图上添加东西，但并不显示该图，需要调用plt.show()才会显示该图；其中x是个二维的Numpy，会自动的为其中的每个数值赋予一个颜色代码，若干个颜色组成了一张照片；