常用函数记录整理
记忆力减退,每次用函数都要现查,自己记录一下吧~
C++篇
次方:double=pow(double,int/double)
字符串与整型转换:str=to_string(value)
ASCII码和字符:char(int)、int(char)。字符可以直接和字符串相加,结合在一起。
数组和vector:https://www.cnblogs.com/HL-space/p/10546585.html
动态数组初始化:int* a = new int[最大长度]() //有括号时初始化为0
静态数组:int a[4] = {0, 1, 2, 3}
初始化动态二维数组:初始化一个全0二维数组。
int** dp = new int*[n];
for(int i = 0; i < n; i ++)
dp[i] = new int[m]();
数组长度:
排序:vector:sort(A.begin(), A.end());int[]:Arrays.sort(A)
C++各种头文件包含的方法:http://www.cplusplus.com/reference/
<string>:to_string()、stoi()、stod()、pop_back()、去掉一部分erase(pos, len)
<algorithm>:max()、min()
<vector>:size()、push_back()、pop_back()
<map>:begin()返回指向map头部的迭代器,clear()删除所有元素,count()返回指定元素出现的次数,empty() 如果map为空则返回true, end() 返回指向map末尾的迭代器,erase() 删除一个元素,find() 查找一个元素,插入直接map[key]=value。
注意C++条件判断不能有传递的不等号,不等式要分开写。
python篇
随机数random:
random.randint(1,10) # 产生 1 到 10 的一个整数型随机数
random.random() # 产生 0 到 1 之间的随机浮点数
random.uniform(1.1,5.4) # 产生 1.1 到 5.4 之间的随机浮点数,区间可以不是整数
random.choice('tomorrow') # 从序列中随机选取一个元素
random.randrange(1,100,2) # 生成从1到100的间隔为2的随机整数
random.shuffle([1,2,3,4]) # 将序列中的元素顺序打乱
pyplot:
import cv2
import matplotlib.pyplot as plt
img=cv2.imread("your image path",0)#读入灰度图
plt.imshow(img,cmap='gray',interpolation='bicubic')#显示灰度图
import imutils
im=cv2.imread("your image path")#读入彩色图片
plt.imshow(imutils.opencv2matplotlib(im))#显示彩色图片
numpy:
np.amax() # 整个数组最大值
pytorch篇
张量操作:
去掉大小为1维度
x = torch.squeeze(x)
添加维度
x = torch.unsqueeze(x, 0) # 在第0个维度上扩展
交换多个维度
x = x.permute(1, 2, 3, 0) # 进行维度重组
改变形状
x = x.view(1, 2, -1)
x = x.reshape(1, 2, -1)
张量拼接
torch.cat(a_tuple, dim) # a_tuple为张量的元组,dim为指定拼接的维度
torch.stack(a_tuple, dim) # 与cat不同点在于cat拼接后维度的数量不变,只是其中一维大小变化;而stack是多出一维,如尺寸为[1,2,3]和[1,2,3]stack(dim=0)后变为[2,1,2,3]
张量拆分
torch.chunk(a, chunk_num, dim) # 在指定维度上拆分成指定数目的张量(前n-1个同样大小)
torch.split(a, chunk_size, dim)
张量展平
torch.flatten(x, start_dim, end_dim) #把st到ed的维度展到一维
lstm相关:
input:(seq_len, batch_size, input_dim) # seq_len为序列长度,input_dim为序列中每一节点的维度
lstm(input_dim, hidden_dim) # hidden_dim为隐藏层维度,即隐状态h的维度
output:(seq_len, batch_size, hidden_dim) # 输出所有的隐状态
hn:(1, batch_size, hidden_dim) # 一般取最后一个隐状态继续操作
tensorflow篇
tensorflow与keras对应关系:https://docs.floydhub.com/guides/environments/
检测gpu是否可用
tf.test.is_gpu_available()
tf.test.gpu_device_name()