torch.stack((a,b),dim=n)
把tensor按垂直方向堆起来
h1=torch.tensor([1, 1, 1, 1])
h2=torch.tensor([2, 2, 2, 2])
result = torch.stack((h1,h2),dim=0)
result,result.shape
(tensor([[1, 1, 1, 1],
[2, 2, 2, 2]]),
torch.Size([2, 4]))
把tesnsor按水平方向堆起来
h1=torch.tensor([1, 1, 1, 1])
h2=torch.tensor([2, 2, 2, 2])
result = torch.stack((h1,h2),dim=1)
result,result.shape
(tensor([[1, 2],
[1, 2],
[1, 2],
[1, 2]]),
torch.Size([4, 2]))
设置tensor打印小数点几位
torch.set_printoptions(2) # 让pytorch打印张量时,只打印到小数点后两位
将列表转为tensor
import torch
values = [65.94,65.91,66.2,65.8,65.72]
values = torch.Tensor(values)
获取列表中的最大值
values = [65.94,65.91,66.2,65.8,65.72]
max_value = max(values)
解释 torch中的 .clamp(min=0)
在PyTorch中,torch.clamp将张量中的元素限制在指定的范围内。
torch.clamp(min=0)会将张量中的每个元素与0进行比较,并将小于0的元素替换为0。其他大于等于0的元素则保持不变。
clamp函数原理
def clamp(x, lower, upper):
if x < lower:
return lower
elif x > upper:
return upper
else:
return x
torch.full()
torch.full()是PyTorch库中的一个函数,用于创建一个指定形状的张量,并填充指定的值。
函数的语法如下:
torch.full(size, fill_value, dtype=None, device=None, requires_grad=False)
参数说明:
size: 表示要创建的张量的形状,可以是一个整数,也可以是一个元组或列表形式的多个整数。
fill_value: 要填充到张量中的值,可以是任意标量值(如整数、浮点数等)。
dtype: 指定所创建张量的数据类型,默认为None,即使用默认的数据类型。
device: 指定所创建张量所在的设备,默认为None,表示使用当前设备。
requires_grad: 指定是否需要对张量进行自动求导,默认为False,即不进行自动求导。
import torch
# 创建一个形状为(3, 2)的张量,并填充为0.5
x = torch.full((3, 2), 0.5)
print(x)
# 输出结果:
# tensor([[0.5000, 0.5000],
# [0.5000, 0.5000],
# [0.5000, 0.5000]])
torch.nonzero()
torch.nonzero()是PyTorch中的一个函数,用于返回张量中非零元素的索引。它的语法是:
torch.nonzero(input, *, out=None)
参数说明:
input:要检查的张量。
out(可选):输出张量,用于存储结果。
返回值是一个包含所有非零元素的索引的张量。每一行表示一个非零元素的索引,每一列表示一个维度的索引。
下面是一个简单的示例:
import torch
# 创建一个张量
a = torch.tensor([[0, 1, 0],
[2, 0, 3]])
# 使用torch.nonzero()找到非零元素的索引
indices = torch.nonzero(a)
print(indices)
输出结果为:
tensor([[0, 1],
[1, 0],
[1, 2]])
unsqueeze(dim=0) 和 squeeze(0)
unsqueeze(dim=0)
用于在指定维度上给张量添加额外的维度。
在这里,假设anchors是一个PyTorch张量。unsqueeze函数用于扩展张量的维度。dim=0参数指定了要添加额外维度的位置。
例如,如果anchors是一个形状为(N,)的张量,其中N表示张量中的元素个数,那么anchors.unsqueeze(dim=0)将返回一个形状为(1, N)的张量,其中在索引0处添加了额外的维度。
squeeze(0)
是在PyTorch中的一种方法调用,用于去除张量中尺寸为1的维度。
假设anchors是一个PyTorch张量。squeeze函数可以用来去除张量中尺寸为1的维度。参数dim=0指定了要去除的维度位置。
例如,如果anchors是一个形状为(1, N)的张量,其中第一个维度的大小是1,那么anchors.squeeze(0)将返回一个形状为(N,)的张量,去除了原始张量中的第一个维度。
lambda匿名函数
它可以用于简洁地定义一个单行的函数
add = lambda x, y: x + y
print(add(2, 3)) # 输出结果为 5
torch.max(boxes1[:, None, :2], boxes2[:, :2])
import torch # 定义两个张量
boxes1 = torch.tensor([[1, 2, 3, 4], [5, 6, 7, 8]]) # 形状为(2, 4)
boxes2 = torch.tensor([[2, 3,4,5], [6, 7,8,9]])
print(boxes1.shape, boxes2.shape)
torch.Size([2, 4]) torch.Size([2, 4])
print(boxes1[:, None, :2])
print(boxes1[:, None, :2].shape)
tensor([[[1, 2]],
[[5, 6]]])
torch.Size([2, 1, 2]) 变成了两个通道,每个通道有个一行两列的元素
boxes2[:,:2]
tensor([[2, 3],
[6, 7]])
print(torch.max(boxes1[:, None, :2], boxes2[:, :2]))
torch.max(boxes1[:, None, :2], boxes2[:, :2]).shape
tensor([[[2, 3],
[6, 7]],
[[5, 6],
[6, 7]]])
torch.Size([2, 2, 2]) 变成两个通道,每个通道有两行,每行有两列的元素
print(torch.max(boxes1[:, :2], boxes2[:, :2]))
tensor([[2, 3],
[6, 7]])
基于渐进式语义-视觉互适技术的广义零样本学习代码笔记
yacs包
yet another configuration system的缩写,意为:又一个配置系统。是轻量级的、模块化的配置库。旨在有效地处理实现配置和后序调试的结果。
安装方法
pip install yacs
python中的package语法
包是一个包含多个模块的特殊目录,目录下有一个特殊的文件__init__.py
使用包好处:使用import 包名 可以一次性导入包中所有的模块。
包文件下必须有__init__.py文件:如果要在外界使用包中的模块,需要在__init__.py中指定对外界提供的模块列表。
.defaults 是指在当前文件下的defaults文件。从该文件中导入 _C 并重命名为 cfg。