日常代码积累

•  tensor, numpy array, list之间切换

ndarray = np.array(list)  # list 转 numpy数组
list = ndarray.tolist()  # numpy 转 list

tensor=torch.Tensor(list)  # list 转 torch.Tensor
list = tensor.numpy().tolist()  # torch.Tensor 转 list  先转numpy，后转list

ndarray = tensor.cpu().numpy()  # torch.Tensor 转 numpy  *gpu上的tensor不能直接转为numpy
tensor = torch.from_numpy(ndarray)  # numpy 转 torch.Tensor

• 关于Pytorch几种定义网络的方法

关于Pytorch几种定义网络的方法 - 知乎

• pytorch模型的加载方式

碎片篇——Pytorch模型 .pt, .pth, .pkl的区别及模型不同保存加载方式的区别_姜一诚的博客-CSDN博客

• 使用torchvision.models

"""
    如果你需要用预训练模型，设置pretrained=True
    如果你不需要用预训练模型，设置pretrained=False，默认是False，你可以不写
"""
class VGG16GAP(nn.Module):
    def __init__(self):
        super(VGG16GAP, self).__init__()
        self.backbone = torchvision.models.vgg16_bn()
        self.backbone.classifier = nn.Sequential(
            nn.Linear(512 * 7 * 7, 4096),
            nn.ReLU(inplace=True),
            nn.Dropout(),
            nn.Linear(4096,4096),
            nn.ReLU(inplace=True),
            nn.Dropout(),
            nn.Linear(4096,200)
            )

• 库函数方法总结

index_select:pytorch中index_select()的用法_g_blink的博客-CSDN博客，按条件筛选

argsort:Python3：numpy模块中的argsort()函数_WordZzzz-CSDN博客，返回从小到大的索引值。

sorted和sort的区别：https://www.baidu.com/link?url=rtAfC9Ra1TNYP9mJn0UNV-PpuJpf8dp_ZHov0QYe-Rzn6BE6-DQWPWYeS3YcckqPeEecgbZcccPDGR_CSq33aXPeveGlZvcpqX1HP5ybktW&wd=&eqid=95ef2b350000d19c000000065ef4b8bc

distance.cdist:求距离2——distance.cdist()方法，返回距离值_祝鹏辉-CSDN博客，求各种距离。

input():Python3.x 中 input() 函数，默认接收到的是 str 类型。Python2.x 中 input() 相等于 eval(raw_input(prompt)) ，输入纯数字，返回纯数字，输入加引号的字符串，返回字符串。raw_input() 将所有输入作为字符串看待，返回字符串类型。input([prompt])或raw_input([prompt])，其中[prompt]为可选的提示信息。

map(function, iterable, ...):其主要作用，就是对迭代对象中每一个元素，利用function函数做一次运算，然后然后将返回结果为了一个新的可迭代对象。https://www.runoob.com/python/python-func-map.html

• 对list逆序遍历。

lists = [0, 1, 2, 3, 4, 5]
# 输出 5, 4, 3, 2, 1, 0，或者直接lists.reverse(),但会直接对lists操作。
for i in range(5, -1, -1):
    print(lists[i]) # 或lists[::-1]

• Python获取每一位的数字，并返回到列表。Python获取每一位的数字，并返回到列表_bangquanou9433的博客-CSDN博客

def num2str(value):
    return list(map(int, str(value)))#map()中的function为int(),迭代对象为str。

• Python两个字典键同则值相加的几种方法

>>> A = {'a': 1, 'b': 2, 'c': 3}
>>> B = {'b': 4, 'c': 6, 'd': 8}
>>> for key,value in B.items(): # 字典的items()返回可遍历的元组的数组
...     if key in A:
...         A[key] += value # 在A中修改
...     else:
...         A[key] = value
>>> dict(sorted(A.items(), key=lambda d:d[1])) # lambda函数功能是取value值，sorted按此排序
{'a': 1, 'b': 6, 'd': 8, 'c': 9}

• 去尾法保留两位小数:python 保留两位小数方法 - 静静别跑 - 博客园

a = 12.345
str(a).split('.')[0] + '.' + str(a).split('.')[1][:2]
'12.34'

• 在一个字符串中查找所有指定字串的位置：

def find_all(all_str, sub_str):
    '''查找所有子串位置'''
    index_list = []
    index = s.find(sub_str)
    sub_len = len(sub_str)
    while index != -1:
        index_list.append(index) # 记录当前找到的位置
        index = all_str.find(sub_str, index + sub_len) # 改变查找范围，查找下一个

    if len(index_list) > 0:
        return index_list
    else:
        return -1
# str.find(str, beg=0, end=len(string))方法检测字符串中是否包含子字符串 str ，如果指定 beg（开始） 和 end（结束） 范围，则检查是否包含在指定范围内，如果包含子字符串返回开始的索引值，否则返回-1

• [[0]*n]*m 和[[0 for _ in range(n)] for _ in range(m)]

两个表面上结果一致，但[[0]*n]*m这种方式是直接将[0]*n复制了m遍，是=号复制（注意不是浅拷贝，=与浅拷贝的list id是不同的），若[0]*n发生了更改，则m个都发生更改。python创建数组[[0]*n]*m与[[0 for _ in range(n)] for _ in range(m)]的区别_别说话写代码的博客-CSDN博客

• 找到d中非零元素的索引

#d = [1,2,3,0,0,4],找到d中非零元素的索引
for i,e in enumerate(d):
	if e!=0:
		print(i)

• torch.cat和torch.stack的区别：

torch.cat不会产生新的维度，只是相应维度的数值上增加，torch.stack上会增加一个维度。两个二维stack后输出三维torch.cat与torch.stack的区别_沐风大大的博客-CSDN博客

注意：stack()函数在dim=-1时，是将单个元素进行stack，效果就是将多个数组中的每一个元素进行拼接。

torch.stack()的使用_张先生－您好的博客-CSDN博客

• torch中的常见函数

torch中tensor.max()/min() 函数在指定维度dim后返回的是两个数据，一个是最大最小值，一个是最大最小值的索引。

 torch/numpy中的数组索引是支持列表或由range生成的可迭代对象的

torch.as_tensor(boxes)，将boxes从numpy转换为tensor，与torch.from_numpy()一致，和数组共享内存，使用数组创建新的tensor可以使用torch.tensor()。Pytorch张量的主要方法之间的区别（Tensor、tensor、from_numpy、as_tensor）_乐亦亦乐的博客-CSDN博客_torch.as_tensor

type_as()将转换后的tensor再次转换为指定类型的tensor（比如FloatTensor转换为IntTensor）

 

tensor.clone()不提供数据内存共享，但提供梯度追溯功能，而tensor.detach又“舍弃”了梯度回溯功能，虽然提供了共享内存，因此clone.detach()只做简单的数据复制，既不数据共享，也不梯度共享，从此两个张量无关联。Pytorch之clone(),detach(),new_tensor(),copy_()_一个小呀小可爱的博客-CSDN博客

pytorch 两个不同纬度的Tensor相减是怎么实现的?

dim小的会复制到和dim大的一方相同,再相减.

pytorch 两个不同纬度的Tensor相减是怎么实现的?_页页读-CSDN博客

numpy.nan_to_num

使用0代替数组x中的nan元素，使用有限的数字代替inf元素

求二维数组中每一列或者每一行的最大值，最小值

        rowMax = list(map(max, grid))#行最大值
        colMax = list(map(max, zip(*grid)))#列最大值
        rowMax = list(map(min, grid))#行最小值
        colMax = list(map(min, zip(*grid)))#列最小值