python 学习笔记

python 学习笔记（update中)

1. argparse

使用方式

import argparse
# 设置说明
parser = argparse.ArgumentParser(description='Train networks')
# 添加参数
parser.add_argument('--train.epochs', type=int, default=100, metavar='NEPOCHS', help='number of epochs to train (default: 100)')
# 激活parser，并利用vars将其化为dict形式，方便后续args直接当作参数调用
args = vars(parser.parse_args())

argparse常用符号

1. type：类型，默认string
2. default：默认值
3. help：帮助信息
4. metavar：参数调用别名
5. action：指示optparser解析参数时候该如何处理。默认是’store’，表示将命令行参数值保存options

2. 文件夹/文件操作

1. 判断文件夹是否存在：

os.path.isdir(path)

2. 创建文件夹：

os.makedirs(path)

4. 打开文件：

# with as相当于try finally
# 用with打开文件代码更简洁，会自动执行关闭文件操作
with open(path,打开方式) as f:
	f操作文件

6. 打开文件方式：

w: 写
a: 追加
r: 只读
w+: 读写
wb：写二进制
rb：读二进制

3. torch常用函数

1. cat函数

cat((tensor1,tensor2,...),dim)  # 待合并的tensor，在哪个维度上合并 

dim=0：竖着合并，其他维度不变，行数加和
dim=1：横着合并，列数加和

2. repeat函数

output.repeat(x,y,z,...)  # 对output做维度处理(repeat的参数数量不能少于output的维数

# 示例：
#output初始维数：[2,3,4]
output = output.repeat(1,2,1,1)
#output维度变为：[1,4,3,4]

3. unsqueeze和sequeeze函数

unsqueeze(a,axis=0,1...）  # 增加一个维度，维数为1，axis索引从0开始
squeeze(a,axis=none,0,1...)  # 去掉一个维度，维数为1，axis索引从0开始
#squeeze不指定axis时，会去掉**所有维数为1**的维度

4. torch.tensor.scatter_函数

根据数据和索引，来更新数组

较为复杂，参考：pytorch中torch.Tensor.scatter用法

# 参数设置
scatter_(dim, index, src)
# dim：待处理的维度
# index：数组，要把原数组src中的数据分配到output数组中的位置
# src：用于更新output的数据

5. gather函数

官方文档解释：

torch.gather(input, dim, index, out=None) → Tensor

Gathers values along an axis specified by dim.

For a 3-D tensor the output is specified by:

out[i][j][k] = input[index[i][j][k]][j][k]  # dim=0
out[i][j][k] = input[i][index[i][j][k]][k]  # dim=1
out[i][j][k] = input[i][j][index[i][j][k]]  # dim=2

Parameters: 

    input (Tensor) – The source tensor
    dim (int) – The axis along which to index
    index (LongTensor) – The indices of elements to gather
    out (Tensor, optional) – Destination tensor

Example:

>>> t = torch.Tensor([[1,2],[3,4]])
>>> torch.gather(t, 1, torch.LongTensor([[0,0],[1,0]]))
 1  1
 4  3
[torch.FloatTensor of size 2x2]

可以看出，gather的作用是这样的，index实际上是索引，具体是行还是列的索引要看前面dim 的指定。
比如对于例子：【1,2,3; 4,5,6,】。
指定dim=1，也就是横向，那么索引就是列号。index的大小就是输出的大小，所以比如index是【1,0; 0,0】，那么看index第一行，1列指的是2， 0列指的是1，同理，第二行为4，4 。这样就输入为【2,1;4,4】，参考这样的解释看上面的输出结果，即可理解gather的含义。

gather用途：在one-hot为输出的多分类问题中，可以把最大值坐标作为index传进去，以此提取到每一行的正确预测结果。

4. torchversion包

1.torchversion.transforms

提供一般的图像转换函数