parser = argparse.ArgumentParser(description='Process some integers.')
description - 在参数帮助文档之前显示的文本(默认值:无)
使用 argparse 的第一步是创建一个 ArgumentParser 对象。
ArgumentParser 对象包含将命令行解析成 Python 数据类型所需的全部信息。
ArgumentParser.add_argument(name or flags...[, action][, nargs][, const][, default][, type][, choices][, required][, help][, metavar][, dest])
name or flags - 一个命名或者一个选项字符串的列表,例如 foo 或 -f, --foo。
default - 当参数未在命令行中出现时使用的值。
type - 命令行参数应当被转换成的类型。
help - 一个此选项作用的简单描述。
args = parser.parse_args()
把parser中设置的所有"add_argument"给返回到args子类实例当中, 那么parser中增加的属性内容都会在args实例中,使用即可
torch.set_num_threads(int数字)
设定用于并行化CPU操作的OpenMP线程数
os.path.realpath(__file__)
获取当前执行脚本的绝对路径。
os.path.dirname(os,path.realname(__file__))
指的是,获得你刚才所引用的模块 所在的绝对路径,__file__为内置属性。
python os.path.join() , os.path.basename() , os.path.dirname() ,os.path.split() 使用方法
torch详细解答
nn.Conv2d
nn.BatchNorm2d(参数详解)
nn.relu
pytorch系列7 -----nn.Sequential讲解
downsample = nn.Sequential(
nn.Conv2d(self.inplanes, planes * block.expansion,
kernel_size=1, stride=stride, bias=False),
nn.BatchNorm2d(planes * block.expansion),
)
这里可以理解为,建立了一个下采样模块,Sequential为一个有序的容器,神经网络模块将按照在传入构造器的顺序依次被添加到计算图中执行,同时以神经网络模块为元素的有序字典也可以作为传入参数。
Python专题之详解enumerate和zip
在互相关中,用view方法,对输出通道进行reshape
Python–Python中的.view()方法
pytorch 中的view和permute的用法
Pytorch中的contiguous理解
PyTorch中model.zero_grad()和optimizer.zero_grad()
pytorch clip_grad_norm
pytorch里面的Optimizer和optimizer.step()用法
opencv中的cv2.namedWindow()函数使用
opencv中namedWindow( )函数用法总结(02)
dim=0,列拼接 dim=1 行拼接。
torch.cat()函数的官方解释,详解以及例子
什么是RGB模式与BGR模式
torch.matmul()用法介绍
matmul torch 详解_详解torch.Tensor的4种乘法