pytorch代码实战-关于dict的用法

本文链接：https://blog.csdn.net/danger2/article/details/133690443

文章介绍了Python字典在编程中的基础概念，特别是如何在FasterRCNN的骨干网络设置中作为配置结构，如指定ResNet类型、深度、阶段和归一化选项。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在Python中，dict 是一种内置的数据类型，代表字典（dictionary）。字典是一种无序的数据结构，用于存储一组键值对（key-value pairs）。每个键（key）都唯一，并且与一个值（value）相关联。这种键值对的映射关系使得字典非常适合用于存储和检索数据，因为你可以使用键来快速访问相应的值。

以下是字典的基本特性和解释：

键-值对（key-value pairs）：字典由一系列键值对组成，每个键和值之间使用冒号 : 分隔，而不同的键值对之间使用逗号 , 分隔。例如：{'name': 'Alice', 'age': 30, 'city': 'New York'}。
键的唯一性：字典中的键必须是唯一的，每个键只能出现一次。如果尝试使用相同的键添加一个新的值，它会覆盖已存在的键对应的值。
无序性：字典中的键值对没有固定的顺序，它们不会按照特定的顺序存储或迭代。这意味着你不能依赖字典的顺序来访问元素。
可变性：字典是可变的数据类型，可以通过添加、修改或删除键值对来改变字典的内容。
用途：字典通常用于存储关联性数据，其中每个键表示一个唯一的标识符，而对应的值表示与该标识符相关联的数据。字典适用于许多不同的应用场景，例如配置文件、数据库查询结果的存储、缓存等。

例如
person = {
    'name': 'Alice',
    'age': 30,
    'city': 'New York'
}
print(person['name'])  # 输出: 'Alice'
print(person['age'])   # 输出: 30

在FasterRCNN的骨干网络设置中dict的用法

backbone=dict( type='ResNet', 
# 'type'键，用于指定骨干网络的类型，这里是'ResNet' 
depth=50,
#'depth'：键，用于指定ResNet的深度，这里是50层。 
num_stages=4, 
# 'num_stages'：键，用于指定骨干网络的阶段数量，这里是4个阶段。
out_indices=(0, 1, 2, 3), 
# 'out_indices'：键，用于指定输出特征的阶段索引，这里是一个包含0、1、2和3的元组。 frozen_stages=1, 
# 'frozen_stages'：键，用于指定冻结（不进行训练）的阶段数量，这里是1个阶段。 
#dict中嵌套字典的使用 
norm_cfg=dict(type='BN', requires_grad=True), 
# 这个键值对定义了一个名为norm_cfg的键，它的值是另一个字典。这个字典包含了两个键值对： type='BN': 这个键值对指定了归一化（Normalization）的类型为Batch Normalization（'BN'）。 requires_grad=True: 这个键值对表示要对归一化的参数进行梯度计算（requires_grad=True）。 norm_eval=True, 
# 在评估模式下使用归一化 style='pytorch', # 使用PyTorch风格的网络初始化 init_cfg=dict(type='Pretrained', checkpoint='torchvision://resnet50')) 
# 这个键值对定义了一个名为init_cfg的键，它的值是另一个字典。这个字典包含了两个键值对： type='Pretrained': 这个键值对指定了初始化模型的类型为预训练模型（'Pretrained'）。 checkpoint='torchvision://resnet50': 这个键值对指定了预训练模型的路径，具体是torchvision库中的ResNet-50模型。