1. // 是Python中数学运算符: 整除(向小取整)
2. warm up策略:
顾名思义就是热身,在刚刚开始训练时以很小的学习率进行训练,使得网络熟悉数据,随着训练的进行学习率慢慢变大,到了一定程度,以设置的初始学习率进行训练,接着过了一些inter后,学习率再慢慢变小;学习率变化:上升——平稳——下降;
详细:https://blog.csdn.net/anshiquanshu/article/details/108209264
3. isFinite() 函数
作用:用于检查其参数是否是无穷大,也可以理解为是否为一个有限数值(finite number)。
4. 列表解析
我遇到的代码:
images = [it[0] for it in data] # 列表解析
gt_boxes = [it[1] for it in data]
im_info = np.array([it[2] for it in data])
根据已有列表,高效创建新列表的方式。
列表解析是Python迭代机制的一种应用,它常用于实现创建新的列表,因此用在[]中。
语法:
[expression for iter_val in iterable]
[expression for iter_val in iterable if cond_expr]
详细:https://www.cnblogs.com/liu-shuai/p/6098227.html
5. X[:,0]
作用:是numpy中数组的一种写法,主要用于获取数组中的元素。
个人理解的是第n列(应该是从0开始)。
比如:
X[:,0]---第一位元素数组
X[:,1]---第二位元素的数组
X[:,2]----第三位元素数组
例子:
import numpy as np
X = np.array([
[2,1,1],
[4,3,2],
[6,5,3],
[1,7,4],
[7,9,5],
[12,11,6],
[16,13,7],
[17,15,8],
[10,17,9],
[0,19,10]]);
print(X[:,0])
#print结果是:[2 4 6 1 7 12 16 17 10 0]
6. zeros() 函数
作用:zeros() 函数是numpy 中用于创建 0 数组的函数。
Python中的 numpy 主要用于处理数值。
语法:
numpy.zeros(shape, dtype=float, order=‘C’)
参数:
shape —— 整型或者整数序列,新数组的大小,比如 (2, 3) 或者 2.
dtype —— 数据类型,可选参数,默认float,
order —— 是否在内存中以 C- 或 Fortran-contiguous(行或列)顺序存储多维数据。可选参数
7. cv2.copyMakeBorder()函数
作用:给图片设置边界框,其在卷积操作、零填充等也得到了应用,并且可以用于一些数据增广操作。
语法:
cv2.copyMakeBorder(src, top, bottom, left, right, borderType, value)
参数:
src : 输入的图片
top, bottom, left, right :相应方向上的边框宽度
borderType:定义要添加边框的类型,它可以是以下的一种:
cv2.BORDER_CONSTANT:添加的边界框像素值为常数(需要额外再给定一个参数)
cv2.BORDER_REFLECT:添加的边框像素将是边界元素的镜面反射,类似于gfedcb|abcdefgh|gfedcba
cv2.BORDER_REFLECT_101 or cv2.BORDER_DEFAULT:和上面类似,但是有一些细微的不同,类似于 gfedcb|abcdefgh|gfedcba
cv2.BORDER_REPLICATE:使用最边界的像素值代替,类似于aaaaaa|abcdefgh|hhhhhhh
cv2.BORDER_WRAP:不知道怎么解释,直接看吧,cdefgh|abcdefgh|abcdefg
value:如果borderType为cv2.BORDER_CONSTANT时需要填充的常数值。
返回值:返回一个图像。
8. python里的self是什么?
在class里面的function叫method;所以,method是和class,instance有关的一种function。
我们注意到
outsourcing_paint(colorful_robot,'red')
colorful_robot.paintarm('red')
详细:https://zhuanlan.zhihu.com/p/95788606
9. Numpy中np.max(即np.amax)的用法
作用:用于从数组中查找最小元素,最大元素,百分位标准差和方差等。
numpy.amin() 用于计算数组中的元素沿指定轴的最小值。
numpy.amax() 用于计算数组中的元素沿指定轴的最大值。
语法:
numpy.amax(a, axis=None, out=None, keepdims=<no value>, initial=<no value>)[source]
参数:
返回数组a的最大值。
常用参数axis,即沿着指定轴。其中,0是一个纵轴,1是横轴(个人理解)。
详细:https://blog.csdn.net/lllxxq141592654/article/details/89852515
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。