2021-05-25

1. zip() 函数

作用：用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。

如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用 * 号操作符，可以将元组解压为列表。

语法：zip([iterable, ...]) #其中，iterable是一个或多个迭代器

例子：

>>> a = [1,2,3]
>>> b = [4,5,6]
>>> c = [4,5,6,7,8]
>>> zipped = zip(a,b)     # 打包为元组的列表
[(1, 4), (2, 5), (3, 6)]
>>> zip(a,c)              # 元素个数与最短的列表一致
[(1, 4), (2, 5), (3, 6)]
>>> zip(*zipped)          # 与 zip 相反，*zipped 可理解为解压，返回二维矩阵式
[(1, 2, 3), (4, 5, 6)]

2. for循环和range() 函数

在使用 for 循环时，最基本的应用就是进行数值循环。比如说，想要实现从 1 到 100 的累加，可以执行如下代码：

print("计算 1+2+...+100 的结果为：") #保存累加结果的变量
result = 0 #逐个获取从 1 到 100 这些值，并做累加操作
for i in range(101):  
    result += iprint(result)

运行结果为：

计算 1+2+...+100 的结果为： 5050

上面代码中，使用了 range() 函数，此函数是 Python 内置的函数，用于生成一系列连续的整数，多用于 for 循环中。

range() 函数的语法格式如下：

range(start,end,step)

此函数中各参数的含义如下：

1. start：用于指定计数的起始值，如果省略不写，则默认从 0 开始。
2. end：用于指定计数的结束值（不包括此值），此参数不能省略。
3. step：用于指定步长，即两个数之间的间隔，如果省略，则默认步长为 1。

总之，在使用 range() 函数时，如果只有一个参数，则表示指定的是 end；

如果有两个参数，则表示指定的是 start 和 end。

出处：https://www.jb51.net/article/173875.htm

3. none是python一个特别的空值常量

4. pytorch中的DateLoader：本质是一个可迭代对象

详细：https://www.cnblogs.com/ranjiewen/p/10128046.html

5. 迭代器(Iterator)：

迭代是Python最强大的功能之一，是访问集合元素的一种方式。

迭代器是一个可以记住遍历的位置的对象。

迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。

详情：https://www.runoob.com/python3/python3-iterator-generator.html

6. 遇到了一个bug：

迭代DataLoader时出现
TypeError: Caught TypeError in DataLoader worker process 0.
TypeError: 'NoneType' obj。

地址：https://blog.csdn.net/qinglingLS/article/details/104411589

7. 从图像中提取特征：

image.shape[0], 图片垂直尺寸

image.shape[1], 图片水平尺寸

image.shape[2], 图片通道数

地址：https://baijiahao.baidu.com/s?id=1646437833421814260&wfr=spider&for=pc

8. __getitem__方法

9. load_state_dict()方法

在 Pytorch 中一种模型保存和加载的方式如下:

# save
torch.save(model.state_dict(), PATH)

# load
model = MyModel(*args, **kwargs)
model.load_state_dict(torch.load(PATH))
model.eval()

10. torch之模型加载load_state_dict

地址：https://blog.csdn.net/yangwangnndd/article/details/100207686

11. pytorch 分布式训练 distributed parallel 笔记

地址：https://blog.csdn.net/m0_38008956/article/details/86559432

12. dict()函数

作用：用于创建一个字典。

语法：

class dict(**kwarg)
class dict(mapping, **kwarg)
class dict(iterable, **kwarg)

参数：

• **kwargs -- 关键字
• mapping -- 元素的容器。
• iterable -- 可迭代对象。

返回值：返回一个字典。

13. pytorch 状态字典:state_dict使用详解

pytorch 中的 state_dict 是一个简单的python的字典对象,将每一层与它的对应参数建立映射关系。

state_dict是在定义了model或optimizer之后pytorch自动生成的,可以直接调用.常用的保存state_dict的格式是".pt"或'.pth'的文件,即下面命令的 PATH="./***.pt"

load_state_dict 也是model或optimizer之后pytorch自动具备的函数,可以直接调用

仅保存学习到的参数,用以下命令

torch.save(model.state_dict(), PATH)

加载model.state_dict,用以下命令

model = TheModelClass(*args, **kwargs)
model.load_state_dict(torch.load(PATH))
model.eval()

详细：https://www.jb51.net/article/178720.htm