【学习笔记】一些基础

• 建立docker 

 

sudo nvidia-docker run -ti --ipc=host --name=xxx --network=host -v /home/data/xxx:/workspace ce893

• numpy的transpose ：https://blog.csdn.net/u012762410/article/details/78912667

比如

import skimage.io as io
image = io.imread(image_dir).astype('float') 

这样得到的image是（h,w,c）的三通道格式

再tensor里默认的是(c,h,w)

需要image = image.transpose（2,0,1）

• np.expand_dims() ：https://www.jianshu.com/p/da10840660cb

维度的扩展作用，比如（1，2，3）可插入的地方就有四个，分别是0，1，2，3。见缝插针的感觉。

• os.listdir()不是乱序的
• 关于结果评价的敏感性、特异性、阳性预测值：http://www.360doc.com/content/18/0210/11/46981363_729106390.shtml
• 图片卷积的尺寸计算问题 https://blog.csdn.net/xuan_zizizi/article/details/78589022
• Image.open读取的数据和skimage.io.imread()读取的图片尺寸区别在于

IIn [44]: path,path_rgb
Out[44]:略


In [47]: img = Image.open(path)

In [48]: imgrgb = Image.open(path_rgb)

In [49]: img,imgrgb #由下面的mode，说明PIL库能识别灰度图和RGB图
Out[49]:
(<PIL.TiffImagePlugin.TiffImageFile image mode=P size=4288x2848 at 0x7F9CE709CB38>,
 <PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=4288x2848 at 0x7F9CE7093FD0>)

In [50]: img.size,imgrgb.size #但是PIL.Image的size只能查看（w,h）
Out[50]: ((4288, 2848), (4288, 2848))

In [51]: img1 = np.array(img)

In [52]: imgrgb1=np.array(imgrgb)

In [53]: img1.shape,imgrgb1.shape #用np.array强制转换成numpy格式后，灰度图就没有通道了分别是（h，w）和（h，w，c）
Out[53]: ((2848, 4288), (2848, 4288, 3))

In [54]: img2 = io.imread(path)

In [55]: imgrgb2 = io.imread(path_rgb)

In [56]: img2.size,imgrgb2.size
Out[56]: (36636672, 36636672)

In [57]: img2.shape,imgrgb2.shape #用io.imread来读取图片，可见无论是灰度还是RGB图片都转换成（h，w，c）的格式
Out[57]: ((2848, 4288, 3), (2848, 4288, 3))

• tensor的加减乘除的重载就是对应位置的元素的加减乘除，如果不一致我遇到的问题是（batch-size,4,512,512）和(batch_size,1,512,512)之间运算，为了算一个f1_score。实验了一下运算就是在对应的batch里，4通道图片的每一个通道和1通道图片相运算（二维对应位置元素的运算）