m0_61346642的博客

在我想要在程序运行过程中查看图像时，我遇到了这个bug，这个报错似乎是说没有找到这个.tcl文件，但是我查看了出问题的目录，下面有这个文件，困扰了我很久，受。由于从报错内容来看 系统是从下面的lib里找的，所以就要把dct下面的tcl里的tcl8.6和tk8.6复制到lib里 就可以运行了。这里说缺少init.tcl文件，实际上就是缺少tcl2.6文件夹。

再重新认识一下自适应最大池化adaptivemaxpool2d和最大池化maxpool2d,前者是自适应的，参数可以是一个数字也可以是一个元组（H，W），一个数字表示池化后的大小HW相等，后者的参数相当于每多少个选一个最大的值，比如参数是3，意思就是池化核的大小为3x3，步长也是3。Nonlocal模块，用于捕捉图像中的远程依赖关系，输入主特征图和辅助特征图，输出的是增强后的两个特征图，分别对应主辅特征图，该方法能让网络更加理解物体的整体外观，具有更强的语义特征。来源：dctnet-dctnet.py。

根据不同的os值来设置rates列表的值（这里存疑 我不知道为什么这样设置），然后选择不同的backbone，如果是resnet50或101，则把aspp的输入尺寸改为2048，这是因为50和101是用的bottleneck，而18和34用的是basicblock，二者对输入尺寸的要求不一样，然后定义一个aspp模块，定义一个组合的卷积层。前向过程：input通过网络，得到各层的结果 在经过aspp和最后的卷积层，再恢复到原分辨率，实际上，经过最后的卷积的这个没用上。输入的图像尺寸为512。

根据每一行的性质，将rgb图像 真值 of 深度图的路径读出来，注意如果是那个数据集 因为他的结构不一样 要做特殊处理，将data这个包含了一个图像所有对应关系的字典加入列表，等于说datas_id这个列表里每个元素都是一个字典，这个字典代表一段视频的rgb 真值 of 深度图与其路径的对应关系。随机切割函数 用border定义随机裁剪的窗口大小，label本来是一个array数组，用函数转变为image对象，求出四个角的坐标，再进行裁剪，注意还要将label再变成array。亮度归一化 获取图像尺寸。

虽然这个是rgb的网络，但是和其他两个一样bkb是resnet_aspp，平均池化 激活函数。注意上一步只是用来在pretrain中进行loss计算的 和dctnet中的不一样。定义不同层的卷积层 对应不同的输入通道数 输出的通道数都为64 可以理解为压缩。将img通过backbone，得到不同层的输出，再经过squeeze卷积。再通过双线性插值将不同层的特征图逐个融合，最后得到不同层的输出图。定义不同层的decoder 输出通道数都为128。定义outblock，将64通道压缩成一个通道。

先定义 打印参数个数 构建Depth网络，从指定路径加载预训练模型。trainloader之前和train里的一样。预训练个深度图的网络。

然后给参数分组，调出网络所以参数，name是参数名 param是张量，若一个参数是backbone的参数，就分到base里，backbone是指主干部分，一般是特征提取层，比如resnet vgg，这些已经预训练好的，不需要太大学习率 而分支部分需要高学习率 让他快速学到任务。用优化器访问param_groups，这个东西返回一个字典列表，和上面的用一个列表参数定义一个优化器相对应，并设置不同的学习率。数据处理：随机翻转，随机裁剪，图像标准化（数据来自ImageNet） 转换为张量形式。

加载权重： pretrain_dict加载预训练模型的参数，初始化一个空字典，state_dict返回一个当前模型的权重字典，遍历预训练的权重字典，pretrain_items()返回字典索引和值，权重字典里索引即参数名称，查看预训练的参数在不在当前模型里，若在，将对应的键和值加入空字典中，最后使用update更新当前权重字典，最后加载到模型中。本代码中还有一个可选的降采样器，expansion=1表示这个块不会扩展输出通道数，与下面的bottleneck相比，输出通道数不变。

最重要的是dilation参数，这个模块接收输入通道输出通道和倍率rate作为参数，实际上rate为1时（即dilation也为1）为普通卷积，所以在rate=1时卷积核大小为1，相当于1x1卷积，其他时间卷积核大小为3，且进行padding，这个padding可以保证卷积之后的特征图大小不变。然后定义了一个空洞卷积层，然后进行权重初始化，这里显式调用了权重初始化，保证不会出现初始权重不当导致无法训练的情况。这里是用的是kaiming 初始化。

上面的代码中我读图片的时候没有规定数据格式为uint8，下面的额代码中读图片时就规定了unit8格式，我困惑为什么两个都是uint8，上面的会报错 但是下面的不会，后来我怀疑是数据增强的问题，食物分类代码中使用了数据增强。这个bug意思是说，我输入到神经网络里的输入是char（int），和神经网络的参数float的类型不一样，这是我的代码。今天写minist训练代码和重新看食物分类代码的时候，又碰见了几个没有见过的bug，记录下来。这个函数会自动把数据格式设置为float32，让他和网络中的参数格式相同。

封装：类的私有属性和私有方法 调用私有方法和打印私有属性都会报错，给私有属性赋值不会报错但无效，但是可以被类内的方法使用，使用时用self.__...。私有属性和方法要在前面加上__在构建类对象时自动执行，将传入的参数自动传递给__init()__方法使用。python类可以使用__init__()方法，即构造方法。构造方法是python类的内置方法，其他内置方法还有。面对对象编程三大主要特征：封装 继承 多态。

json数据格式：json是一种轻量级的数据交互格式，可以按照json指定的格式去组织和封装数据，json本质上是一个带有特定格式的字符串。json是一种在各个编程语言中流通的数据格式，负责不同编程语言中的数据传递和交互 中转数据格式。是谁520还要学python？json的格式：字典 或 字典的列表。pyecharts模块。

_init__.py文件为空文件，可以在该文件中定义__all__列表变量，来控制import * 导入的模块。python包：python文件夹，里面有很多模块组合在一起，和一个__init__.py文件，为自动创建。还可以：from 包名 import 模块名 使用时： 模块名.函数名。导入包：import 包名.模块名 使用时：包名.模块名.函数名。python模块：工具包 以.py结尾，是一个python文件。若多个自定义模块有同名，则后面的覆盖。异常的传递性：bug信息层层传递。

文件编码为二进制文件，编码技术：UTF-8 GBK Big5等编码，不同的编码，翻译的内容不一样。文件的追加 ：a模式 其他同写文件。

lambda 传入参数：返回结果 lambda函数作为临时定义的函数，只能使用一次。2、按键值对传参 参数之间的位置不固定，若未指定形参的实参必须按照位置来。lambda匿名函数 区别于def，def定义的函数可以重复使用。函数返回多个返回值，接收多个返回值。3、缺省参数 设置参数默认值。1、按形参位置传入参数。函数作为参数传入函数。

tuple（）转元组 str（）转字符串 列表 元组转字符串时会在括号外加上双引号 字典也会保留value值 set（）转集合 会去重。以上数据类型通用： len() max() min() 找最大最小 字典也只看key list() 字典转列表只看key。元组的操作： t.index() t.count() len(t)元组内有一个列表，列表本身不变，但是列表内元素可变（联想地址）元组：元组一旦定义，不能修改，用小括号，可以为不同的数据类型。列表名后跟【】下标可以取数据，左为0，右为-1。

4. 前向过程函数：将我们的文本输入分词器，分词器的几个参数的意思是：传入的文本，返回为张量，允许截断，最大长度为128，padding成128，即不够的填充，多余的截断，得到Bert需要的三类输入，但其实返回的是一个字典，我们从字典中取出输入，并放在gpu上，然后传入Bert中，得到两种输出，分别是未池化和池化后的，我们只要池化之后的，所谓池化在这里只是取第一个token，然后将这个token通过我们的分类头，得到输出。9. 训练流程和之前的训练流程一样，超参数的定义省略。接下来是main函数里的。

11. 训练函数，也就是说，我们开始训练流程后，若满足上一条的要求，将会调用get_semi_loader来获得semi_loader，在get_semi_loader中又会定义一个semi的Dataset，返回一个类对象，这个类对象的初始化中，就调用了data_pred，将符合要求的数据筛选出来，同时，get_semi_loader中又定义了semi的Dataloader，并返回这个loader，用于在训练流程中取数据。半监督学习即用有标签的数据，和通过我们设定标准准确率的无标签的数据进行训练。

之后初始化两个零矩阵，xi存储取出来的图片信息，yi用来存储取出的类型信息，j为图片名在列表中的下标，each为其图片名，再用字符串相加的方式将文件夹名与图片名相加得到地址，用函数将图片读到img中，此时图片为512*512，要将其改变大小，变为我们需要的224*224，将图片信息存储到xi中，xi第一个参数为个数/下标，后面的参数可代表图片信息，图片信息为224*224*3所以用代码表示方式，…14. 开始训练，每一轮都要定义该轮的训练和验证的loss，acc，还要记录此轮开始的时间。

自己编写一个mseLoss函数，loss即nn的均方差loss函数，定义一个正则项，以下原理解释来自chatgpt：在反向传播过程中，梯度下降算法不仅要考虑原始损失函数的梯度，还要考虑正则化项的梯度。这导致在更新模型参数时，大的参数将受到更大的惩罚，从而限制了模型参数的增长。在初始化中增加if语句，如果要选中所有特征，col idx为所有列（此时已去除第一列），否则选出k列，使用选择函数时，传入参数feature为data的第一列到倒数第二列，label为最后一列，k为初试的维度，column为第一行。