PENet深度补全神经网络 ——（四）：

---

1、Numpy 中 arange() 的用法：

Numpy中 arange() 的用法（https://blog.csdn.net/qq_41800366/article/details/86589680）
主要用于生成数组

语法

numpy.arange(start, stop, step, dtype = None)

在给定间隔内返回均匀间隔的值。

值在半开区间 [ start，stop）内生成（换句话说，包括开始但不包括停止的区间），返回的是 ndarray，start 默认为 0

---

2、numpy 中 matmul 的使用：

numpy中matmul的使用（个人笔记）（https://blog.csdn.net/yu_1628060739/article/details/102720385）
numpy.matmul 函数返回两个数组的矩阵乘积。当两个数组都是二维数组的时候，就是数学上的两个矩阵的乘积。

例如

import numpy.matlib 
import numpy as np 
 
a = [[1,0],[0,1]] 
b = [[4,1],[2,2]] 
print (np.matmul(a,b))

输出

[[4  1] 
 [2  2]]

---

3、numpy 矩阵的运算 ：

numpy常用矩阵运算方法【转】（https://www.cnblogs.com/ningskyer/articles/7607457.html#t16）
numpy中的ndarray对象重载了许多运算符，例如：+、-、*、/、%、** 等。

运算符		说明
  +	    矩阵对应元素相加
  -	    矩阵对应元素相减
  *		矩阵对应元素相乘
  /		矩阵对应元素相除，如果都是整数则取商
  %		矩阵对应元素相除后取余数
  **	矩阵每个元素都取n次方，如**2：每个元素都取平方

---

4、Image.fromarray 的用法：

Image.fromarray的用法（实现array到image的转换）（https://blog.csdn.net/weixin_39450145/article/details/103874310）
实现 np.array 到 PIL.Image 的转换

img = Image.fromarray(np.uint8(img))

---

5、Python 图像处理 PIL 中 convert(‘L’) 函数原理：

Python图像处理 PIL中convert(‘L’)函数原理（https://www.cnblogs.com/haifwu/p/12825741.html）
将图像转换为灰度图

---

6、numpy img.transpose(2, 0, 1)、img[:, :, ::-1]：

python 矩阵转置transpose（https://blog.csdn.net/xiuxin121/article/details/79082548）
Python：图像处理中img[:,:,::-1]是什么意思？（https://blog.csdn.net/Felaim/article/details/108868536）
img.transpose((2, 0, 1)：从 opencv 的 H×W×C 格式转换为 Tensor 的 C×H×W 格式。
img[:, :, ::-1]：把BGR转换为RGB，把RGB转换为BGR。

---

7、Python isinstance() 函数：

Python isinstance() 函数（https://www.runoob.com/python/python-func-isinstance.html）
判断一个对象是否是一个已知的类型。

>>>a = 2
>>> isinstance (a,int)
True
>>> isinstance (a,str)
False
>>> isinstance (a,(str,int,list))    # 是元组中的一个返回 True
True

---

8、PIL 调整图像的亮度、对比度和饱和度等：

Python图像处理库PIL的ImageEnhance模块介绍（https://blog.csdn.net/icamera0/article/details/50753705）
Python 图像处理库 PIL 的 ImageEnhance 模块提供了一些用于图像增强的类，可以调整图像的亮度、对比度和饱和度等。

ImageEnhance.Color 类的实例：
颜色增强类用于调整图像的颜色均衡，增强因子为0.0将产生黑白图像；为1.0将给出原始图像。

>>> from PIL import Image, ImageEnhance
>>> im02 =Image.open("D:\\Code\\Python\\test\\img\\test02.jpg")
>>> im_1 = ImageEnhance.Color(im02).enhance(0.1)

ImageEnhance.Brightness 类的实例：
亮度增强类用于调整图像的亮度，增强因子为0.0将产生黑色图像；为1.0将保持原始图像。

>>> from PIL import Image, ImageEnhance
>>> im02 =Image.open("D:\\Code\\Python\\test\\img\\test02.jpg")
>>> im_2 = ImageEnhance.Brightness(im02).enhance(0.2)

ImageEnhance.Contrast 类的实例：
对比度增强类用于调整图像的对比度，增强因子为0.0将产生纯灰色图像；为1.0将保持原始图像。

>>> from PIL import Image, ImageEnhance
>>> im02 =Image.open("D:\\Code\\Python\\test\\img\\test02.jpg")
>>> im_1 = ImageEnhance.Contrast(im02).enhance(0.1)

ImageEnhance.Sharpness 类的实例：
锐度增强类用于调整图像的锐度，增强因子为0.0将产生模糊图像；为1.0将保持原始图像，为2.0将产生锐化过的图像。

>>> from PIL import Image, ImageEnhance
>>> im02 =Image.open("D:\\Code\\Python\\test\\img\\test02.jpg")
>>> im_0 = ImageEnhance.Sharpness(im02).enhance(0.0)

---

9、torch.cuda.empty_cache()：Pytorch 训练模型时释放 GPU 显存：

Pytorch训练模型时如何释放GPU显存 torch.cuda.empty_cache()内存释放以及cuda的显存机制探索（https://blog.csdn.net/qq_43827595/article/details/115722953）
Pytorch训练模型时释放GPU显存。

---

10、pytorch：关于 enumerate，Dataset 和 Dataloader：

pytorch：关于enumerate，Dataset和Dataloader（https://blog.csdn.net/weixin_42402402/article/details/119752593）
pytorch之dataloader，enumerate（https://blog.csdn.net/zouxiaolv/article/details/109530461）
在对Dataloader进行读取时，通常使用enumerate函数，enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标。

例如：

for k, batch in enumerate(loader):

其中，k代表下标值，batch代表可遍历的数据对象，通常，loader里包含很多个数据对象，那么我们应该怎么保证batch就是我们所需要的数据呢？
通过Dataset的定义可以实现我们需要的数据。Dataset是用来定义数据从哪里读取，以及如何读取的问题，通过重写Dataset抽象类的__getitem__() 函数，__ getitem__() 函数有几个return返回值，batch就是相应长度的list。
例如：__ getitem__() 函数的 return 值为

return img, target

相应的batch为长度为2的list。