常用基础函数记录

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()