python的一些语句的意思

仅作为记录,大佬请跳过。

from future import

将新版本的特性引进当前版本中

在这里插入图片描述

传送门

.as_matrix()

将其他形式转换成ndarray
在这里插入图片描述

assert

用于设置断点:

在这里插入图片描述
传送门

isinstance

用于判断字符类型:

在这里插入图片描述
传送门

enumerate([scale, crop, composed]):

从数组里面依次选取,进行循环

(依次选取scale, crop, composed)

在这里插入图片描述

.__ name __

应该是取类的名字

在这里插入图片描述
在这里插入图片描述

**transformed_sample中的 **

在这里插入图片描述

好像是使用transformed_sample的字典类型

(或者是将transformed_sample变成字典类型——(1,2,3)→{‘a’:1,‘b’:2,‘c’:3})

在这里插入图片描述

传送门

传送门

image[top: top + new_h,left: left + new_w]

在这里插入图片描述
即image(xstart + xend, ystart: yend)

是对图像的切片选取

ndarrays和Tensors的区别

Tensors是GPU读取,ndarrays是内存读取;
Tensors不可变,ndarrays可变

torch.utils.data.DataLoader

batch_size=4

网络训练使用4组图片-标签,并行训练

在这里插入图片描述

shuffle=True

指每次迭代抽取要洗牌

num_workers=4

开4个线程导入数据

传送门-简书

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

plt.ioff()

关闭plt.show()的阻塞模式(必须关闭图片后,才能继续运行程序)

在这里插入图片描述

传送门

保留

imshow(out, title=[class_names[x] for x in classes])

torchvision.utils.make_grid的作用

作用是将若干幅图像拼成一幅图像

# 获取一批训练数据
inputs, classes = next(iter(dataloaders['train']))

# 批量制作网格
out = torchvision.utils.make_grid(inputs)

传送门
在这里插入图片描述

copy.deepcopy

copy.deepcopy复制后,是独立的,原来的数据如何变化不影响复制到剪切板上的复制——深复制

在这里插入图片描述
传送门

猜你喜欢

转载自blog.csdn.net/weixin_41529093/article/details/112967666