python小技巧

1. 画图

        import matplotlib.pyplot as plt
        plt.plot(self.activate_distubution_edges.cpu().numpy()[:-1], self.activate_distubution.cpu().numpy())
        if optimal_th is not None:
            plt.plot(optimal_th, 0, 'om')
            plt.annotate('optimal_th', xy=(optimal_th, 0), xytext=(optimal_th+1, 10000), arrowprops=dict(arrowstyle='->'))
        plt.ylabel('activate distubution')
        plt.show()

2. 数字转str

str_cur = '%.2f' % test

可以通过这样设置，统一数字的宽度。

3. 数据库加载

在使用pytorch python代码下载相关数据库时发现下载很慢或者无法成功下载，这时候可以从官网上下载相关包，但不能直接在python中直接使用，可以将python中下载的相关链接修改掉

例如： 'http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz',  修改为：'file:///E:/programing/python/StudyPytorch/StudyPytorch/mnist/t10k-labels-idx1-ubyte.gz',

4. 如何将pytorch中module中的变量跟随module在GPU上移动

在用NEuroSim在线训练时发现占用的GPU内存较多，所以需要将其分散到不同GPU上去，使用模型并行的方法pytorch 模型并行 model parallel_LEILEI18A的博客-CSDN博客，例如：
Class test(module):
          def __init__():
                 self.conv1 = conv1.cuda(0)
                 self.conv2 = conv2.cuda(1)

           def forword():
                  x = self.conv1(x.cuda(0))
                  x = self.conv2(x.cuda(1))
                  x = x.cuda(0)
                  return x

所以在conv在GPU上移动时，内部的变量也会随之移动，但是若是自己定义的一些变量，怎么设置呢？ 可以使用bb = bb.to(aa.device) (aa为内部变量)

5. plt画图坐标显示为科学计数法：

plt.ticklabel_format(style='sci', scilimits=(0,0))

6. numpy过滤

a = np.array([1,2,3,4,5,6])
b = a[a<2 & a>5]