pytorch初学习小结(一)

本文介绍了Python导入模块的几种方式,深入讲解了argparse模块,探讨了数据预处理,特别是MNIST数据集的标准化处理。接着详细展示了MNIST数据集的下载和读取过程,以及shuffle与permutation的区别。最后,解释了@once_differentiable在PyTorch自动求导中的作用。
摘要由CSDN通过智能技术生成
1、Python导入模块的常用形式

在不同的代码中,我们常会看到模块导入部分也不太一样,下面就总结一下这些常用的形式:
1、import 模块名
在程序中直接通过 模块名.函数名 就可以调用。
Example:

import math
s=math.sqrt(25

2、from 模块名 import *
使用这种方法导入模块,可以直接通过函数名调用模块里的方法,不再需要模块名.函数名。
Example:

from math import *
s=sqrt(5)

注意,使用这种方式导入模块后,如果当前模块与被导入模块有名字相同的函数时,当前模块中的函数会被导入模块中的函数所覆盖。

3、from 模块名 import 函数名
这种方法只能导入模块中的指定函数。
Example:

from math import log 
log(3,9)

4、from 模块名 as 别名
当你导入的模块名字太长,想给它取个别名,以后每次用到它的时候都可以用别名代替它,就可以使用这种方法。
Example:

import datatime as dt
print (dt.datatime.now())

当程序需要导入多个模块时,一般按照python系统标准模块,第三方扩展模块,自定义和开发的本地模块的顺序进行导入。

一些常用的模块

import os
import time
import sys 
import argparse ##argpare 是python标准库里用来处理命令行函数的库
import torch ##pytorch 最基本模块
from torchvision import transforms ##torchvision,该包主要由3个子包组成,分别是:torchvision.datasets、torchvision.models、torchvision.transforms,其中torchvision主要用于数据增强
from torchvision import datasets ##视觉库中,提供了加载数据集的接口
import torch.optim as optim ##优化模块,封装了求解模型的一些优化器
import torch.nn as nn ##pytroch中最重要模块,封装了神经网络的相关模块
from torch.optim.lr_scheduler import StepLR, MultiStepLR ##学习率调整器,在训练过程中合理变动学习率
import torch.nn.functional as F ##提供了一些常用的函数,如softmax
from __future__ import division  ## 导入python未来支持的语言特征division,当我们没有在程序中导入该特征时,“/”执行的是截断除法,导入后执行的是精确除法
2、argparse模块的作用

argparse是python用于解析命令行参数和选项的标准模块。


                
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值