文章目录
1. model.eval() # 设置为评估模式
让 model 变成测试模式,这主要是对dropout和batch normalization的操作在训练和测试的时候是不一样的
2. numpy 中的 unique() # 去重复元素 np.unique(A)
程序如下:
A_list = [1, 2, 2, 5,3, 4, 3]
A_set = (1, 2, 2,5, 3, 4, 3)
B_list= ['fgfh','asd','fgfh','asdfds','wrh']
print("++++++++++++ 去重复")
print(np.unique(A_list))
print(np.unique(A_set))
print(np.unique(B_list))
print("++++++++++++ 去重复,返回新列表元素在旧列表中的位置")
print(np.unique(A_list, return_index=True))
print(np.unique(A_set, return_index=True))
print(np.unique(B_list, return_index=True))
print("++++++++++++ 去重复,返回新列表元素在旧列表中的位置, 返回旧列表元素在新列表中的位置")
print(np.unique(A_list, return_index=True, return_inverse=True))
print(np.unique(A_set, return_index=True, return_inverse=True))
print(np.unique(B_list, return_index=True, return_inverse=True))
显示结果如下:
++++++++++++ 去重复
[1 2 3 4 5]
[1 2 3 4 5]
['asd' 'asdfds' 'fgfh' 'wrh']
++++++++++++ 去重复,返回新列表元素在旧列表中的位置
(array([1, 2, 3, 4, 5]), array([0, 1, 4, 5, 3]))
(array([1, 2, 3, 4, 5]), array([0, 1, 4, 5, 3]))
(array(['asd', 'asdfds', 'fgfh', 'wrh'], dtype='<U6'), array([1, 3