Python 基礎:
# numpy 將數組打亂順序
np.random.shuffle(array)
super() 函數是用於調用父類(超類)的一個方法。
super 是用來解決多重繼承問題的,直接用類名 調用父類方法在使用單繼
class A:
def add(self, x):
y = x+1
print(y)
class B(A):
def add(self, x):
super().add(x)
b = B()
b.add(2) # 3
# 在指定的數值中選擇其中之一
epoch = random.choice([100,150,200,250])
# 多值輸出
print("in {} path :{}".format(mode, num))
# 隨機產生指定範圍內的數
random.randint(300,320)
# pytorch格式:4張圖片,每張三個通道,每個通道28行28列的像素
a = torch.rand(4, 3, 28, 28)
# 在第一個維度上取後0和1,等同於取第一、第二張圖片 == a[:2]
print(a[:2].shape)
# 在第一個維度上取0和1,在第二個維度上取0 == 等同於取第一、第二張圖片中的第一個通道:
print(a[:2, :1, :, :].shape)
# 使用step隔行採樣, 在第一、第二維度取所有元素,在第三、第四維度隔行採樣; 等同於所有圖片所有通道的行列每個一行或者一列採樣
# 注意:下面的代碼不包括28 (包左不包右)
a[:, :, 0:28:2, 0:28:2].shape # 包 左不包 右 :::起終隔
a[:, :, ::2, ::2].shape # 等同於上面語句
PIL 中 image <--> pytorch.tensor 轉換
Transform = T.Compose([T.ToTensor()])
Img = Transform(Img)
Transform = T.Compose([T.ToPILImage()])
Img = Transform(Img)
np <--> torch.tensor() 轉換
b = a.numpy() #tensor--> numpy
b = torch.from_numpy(a) #numpy-->tensor
b = np.array(a) #矩陣-->numpy
np <--> PIL
image = Image.open(“ponzo.jpg”) # image is a PIL image
array = numpy.array(image) # array is a numpy array PIL--> numpy
image2 = Image.fromarray(array) # image2 is a PIL image numpy-->PIL
map(function, iterable, ...) 會根據提供的函數對指定序列做映射,第一個參數 function 以參數序列中的每一個元素調用 function 函數,
返回包含每次 function 函數返回值的新列表。提供了兩個列表,對相同位置的列表數據進行相加
map(lambda x, y: x + y, [1, 3, 5, 7, 9], [2, 4, 6, 8, 10])
# [3, 7, 11, 15, 19], 前面函數依次調用後面序列中的值
字典:dict
dict(zip(['one', 'two', 'three'],[1, 2, 3])) # 映射函數方式來構造字典
{'three': 3, 'two': 2, 'one': 1}
img = Image.open(path1)
# Image格式圖片,H,W不按比例縮放,應用.resize(), 重新定義圖片尺寸 256*256
resized = img.resize( (256, 256), Image.ANTIALIAS )
img.save(save_img_path)
統計一個序列list中相同元素個數
get() 函數返回指定鍵的值,如果值 不在字典中返回 默認值。
dict.get(key, default=None)
dict = {}
for key in imgs_list:
dict[key] = dict.get(key, 0) + 1
在python中調用print時,事實上調用了sys.stdout.write(obj+'\n'), print 將需要的內容打印到控制檯,然後追加一個換行符
以下兩行代碼等價:
sys.stdout.write('hello' + '\n') == print('hello')
sys.stdin與 input
sys.stdin.readline( ) 會將標準輸入全部獲取,包括末尾的'\n',因此用len計算長度時是把換行符'\n'算進去了的,但是
input( )獲取輸入時返回的結果是不包含末尾的換行符'\n'的。
因此如果在平時使用sys.stdin.readline( )獲取輸入的話,不要忘了去掉末尾的換行符,.strip('\n')
(sys.stdin.readline( ).strip('\n'))或sys.stdin.readline( )[:-1]這兩種方法去掉"\n"
__call__
讓類的實例的行爲表現的像函數一樣,你可以調用他們,將一個函數當做一個參數傳到另外一個函數中等等。這是一個非常
強大的特性讓Python編程更加舒適甜美。
__call__( self, [args...])
允許一個類的實例像函數一樣被調用。實質上說,這意味着 x() 與 x.__call__() 是相同的。
注意 __call__ 參數可變。這意味着你可以定義 __call__ 爲其他你想要的函數,無論有多少個參數。
class Entity:
'''調用實體來改變實體的位置。'''
def __init__(self, size, x, y):
self.x, self.y = x, y
self.size = size
def __call__(self, x, y):
'''改變實體的位置'''
self.x, self.y = x, y
e = Entity(1, 2, 3) // 創建實例
e(4, 5) //實例可以像函數那樣執行,並傳入x y值,修改對象的x y
numpy的ravel()和flatten()函數比較
功能:兩個函數的功能都是將多維數組降爲一維。
用法:
arr = np.array([[1, 2],[3, 4]])
arr.flatten()
arr.ravel() # 降維默認行序有限,傳入參數‘F’表示列序優先
arr.ravel('F')
區別
ravel()返回的是視圖,意味着改變元素的值會影響原始數組;
flatten()返回的是拷貝,意味着改變元素的值不會影響原始數組。
Keras中的圖像處理工具:
keras.preprocessing.image,其中有一個ImageDataGenerator類,可以幫助我們快速創建Python生成器,將硬盤上的圖像文件自動轉換爲預處理好的張量。
from keras.preprocessing.image import ImageDataGenerator
train_datagen = ImageDataGenerator(rescale=1./255)
test_datagen = ImageDataGenerator(rescale=1./255)
這裏直接通過ImageDataGenerator來生成一個數據生成器,其中rescale參數指定將圖像張量的數字縮放。
ImageDataGenerator()是keras.preprocessing.image模塊中的圖片生成器,同時也可以在batch中對數據進行增強,擴充數據集大小,增強模型的泛化能力。比如進行旋轉,變形等。
參數:
featurewise_center: Boolean. 對輸入的圖片每個通道減去每個通道對應均值。
samplewise_center: Boolan. 每張圖片減去樣本均值, 使得每個樣本均值爲0。
featurewise_std_normalization(): Boolean()
samplewise_std_normalization(): Boolean()
zca_epsilon(): Default 12-6
zca_whitening: Boolean. 去除樣本之間的相關性
rotation_range(): 旋轉範圍
width_shift_range(): 水平平移範圍
height_shift_range(): 垂直平移範圍
shear_range(): float, 透視變換的範圍
zoom_range(): 縮放範圍
fill_mode: 填充模式, constant, nearest, reflect
cval: fill_mode == 'constant'的時候填充值
horizontal_flip(): 水平反轉
vertical_flip(): 垂直翻轉
preprocessing_function(): user提供的處理函數
data_format(): channels_first或者channels_last
validation_split(): 多少數據用於驗證集
x = torch.tensor([1, 2, 3, 4])
torch.unsqueeze(x, 0) 插入一個維度 # tensor([[ 1, 2, 3, 4]])
Skimage:
1、改變圖片尺寸resize
函數格式爲:
image: 需要改變尺寸的圖片
output_shape: 新的圖片尺寸
skimage.transform.resize(image, output_shape)
from skimage import transform,data
import matplotlib.pyplot as plt
img = data.camera()
dst=transform.resize(img, (80, 60))
plt.figure('resize')
plt.subplot(121)
plt.title('before resize')
plt.imshow(img,plt.cm.gray)
plt.subplot(122)
plt.title('before resize')
plt.imshow(dst,plt.cm.gray)
plt.show()
Img讀圖片的大小是圖片的(width, height);
而skimage的是(height, width, channel),
Cmd 命令行中,加載tensorboard,進行可視化展示
瀏覽器中輸入:localhost:6006 瀏覽器中顯示
tensorboard.exe --logdir= G:\L-grops\ISIC2018-master\logs