大模型中的有效库

1.torchsummary

用途与使用方式：
       打印出模型的结构摘要，帮助你确认模型架构是否符合预期，并且可以检查是否有误配的层导致输入输出不匹配的问题.

summary(model, input_size=(3, 224, 224)

结果如下图所示：

感受：使用简单，作用也很强。

2.PIL

用途与使用方式：

        强大的图像处理库，可用于图像处理与图像分析。

1.打开图像

from PIL import Image
image = Image.open('xx.jpg')
image.show()

2.调整图像大小

from PIL import Image

image = Image.open('xx.jpg')
image_resized = img_resize((new_width,new_height))
image_resized.save('img_resized.jpg')

3.argparse

用途与使用方式：
        用于编写用户友好的命令行窗口，定义命令行参数的结构

import argparse

def main():
    parser = argparse.ArgumentParser(description = 'process some integers.')
    # 添加位置参数
    parser.add_argument('integers', metavar='N', type=int, nargs='+',
                 help=' an integer for the accumulator ')
    # 添加可选参数
    parser.add_argument('--sum', dest='accumulate', action='store_const',
                        const=sum, default=max,
                        help='sum')
    args=parser.parse_args()
    print(args.accumulate(args.integers))

if __name__ == "__main__":
    main()