pytorch 用法小记录

squeeze

unsqueeze

先看torch.squeeze() 这个函数主要对数据的维度进行压缩，去掉维数为1的的维度，比如是一行或者一列这种，一个一行三列（1,3）的数去掉第一个维数为一的维度之后就变成（3）行。squeeze(a)就是将a中所有为1的维度删掉。不为1的维度没有影响。a.squeeze(N) 就是去掉a中指定的维数为一的维度。还有一种形式就是b=torch.squeeze(a，N) a中去掉指定的定的维数为一的维度。

view

相当于 reshape

accuracy

pred = torch.max([-0.1,0.5],1)
意味着 最大的设为1， 小的变0.

(y == pred).sum()   可以用来算最后精度， 加总后 处于总data数量

transform 的 未封包版本

from torchvision.transforms import functional
#  可用函数在下面
to_pil_image

normalize

resize

crop

hflip  vflip

adjust_brightness

rotate     to_grayscale

https://github.com/pytorch/vision/blob/master/torchvision/transforms/functional.py

transform 用在 Dataset 上

class ImageDataset(Dataset):
    def __init__(self, root, transforms_=None, unaligned=False, mode='train'):

		transforms_ = transforms.Compose([
									    transforms.ToTensor(), 
									    transforms.ToPILImage(),
									    transforms.RandomCrop((300,300)),
									    ]
        self.transform = transforms.Compose(transforms_)

    def __getitem__(self, index):
        item_A = self.transform(Image.open(self.files_A[index % len(self.files_A)]))
		
		
)        

        #return {'A': item_A, 'B': item_B}

normalize

channel=（channel-mean）/std