09 2020 档案

交换key和value
摘要： 阅读全文
posted @ 2020-09-20 17:29 SnailWorks 阅读(130) 评论(0) 推荐(0)
读取csv文件 I/O operation on closed file
摘要：出现I/O operation on closed file一般就是缩进错误造成的，在问题中要将for循环放到with的缩进之内 改后为： 阅读全文
posted @ 2020-09-20 16:45 SnailWorks 阅读(5847) 评论(0) 推荐(1)
pytorch torch.nn.BatchNorm2d(num_features, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
摘要：torch.nn.BatchNorm2d(num_features, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True) 此函数的作用是对输入的每个batch数据做归一化处理,目的是数据合理分布，加速计算过程，函数为： nu 阅读全文
posted @ 2020-09-11 14:46 SnailWorks 阅读(1754) 评论(0) 推荐(0)
nn.ReLU(inplace=True)
摘要：nn.ReLU(inplace=True)inplace=True,用输出的数据覆盖输入的数据；节省空间，此时两者共用内存；import torchfrom torch import nn as nnm0 = nn.ReLU(inplace=True)input = torch.randn(8)pr 阅读全文
posted @ 2020-09-11 14:24 SnailWorks 阅读(1821) 评论(0) 推荐(0)
torch.clamp(input ,min,max,out=None)
摘要：torch.clamp()的作用把input的数据，夹逼到[min,max]之间 input:输入数据 min:最小数据 max:最大数据 如果input中的数据小于min,用min代替input中小于min的数据， 如果input中的数据大于max,用max代替input中大于max的数据 imp 阅读全文
posted @ 2020-09-10 18:36 SnailWorks 阅读(533) 评论(0) 推荐(0)
torch 中的torch.squeeze()和torch.unsqueeze()
摘要：1. torch.squeeze(input, dim=None, out=None) input是输入的参数，dim是指定要合并维度为1的所在维度 当dim=0时原样输出，当dim=1时合并维度为1的行，dim=2 合并维度为1的列，当所在的行和列的维度不为1时原样输出， 例如： import t 阅读全文
posted @ 2020-09-10 17:12 SnailWorks 阅读(2327) 评论(0) 推荐(0)
torch 中的max()与min（）
摘要：torch.max()表示取整个数据中的最大值，torch.min()表示取整个数据的最小值 numpy.max()表示取整个数据的最大值，numpy.min()表示去整个数据的最小值，numpy.maximum(x,y)表示取x,y中对应元素中的最大者，numpy.minimum(x,y)表示取x 阅读全文
posted @ 2020-09-10 15:23 SnailWorks 阅读(2567) 评论(0) 推荐(1)
Python numpy切片处理数据
摘要：对于一维数组[n:]表示从第n列开始取数据 import numpy as np a=np.array([0,1,2,3,4,5,6,7,8]) a[5:] 输出的结果为：array([5, 6, 7, 8]) 对于一位数组[n:m],表示从第n列开始，到m-1列结束 如 a[1;5] 输出的结果为 阅读全文
posted @ 2020-09-10 14:00 SnailWorks 阅读(480) 评论(0) 推荐(0)