类的参数定义
将conda环境设置为ai,conda activate ai
这个文件的由来:
由于在yolov1的pytorch实现的损失函数中,看到继承了nn.Module,并且其中两个参数不像c++那里指定类型,那么他们的类型是哪里来的
这里就是在探索这样一件事
操作逻辑:
- 先在类中定义了构造函数以及一个自定义函数;
-
构造函数定义了属性S、B,自定义函数引入两个参数,对两个参数进行调用
-
这里就说明参数的结构是怎么样的,取决于参数被调用了什么东西,比如这里调用了
N = box1.size(0) M = box2.size(0)
说明了它是类似一个矩阵的东西,对应的box1的定义就是`torch.rand(10,4)
-
这里就说明参数的结构是怎么样的,取决于参数被调用了什么东西,比如这里调用了
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
import torch import torch.nn as nn import torch.nn.functional as F from torch.autograd import Variable #探究属性S,B是如何产生的,以及box1、box2是如何产生的、如何调用 class yoloLoss(nn.Module): def __init__( self ,S,B): self .S = S self .B = B def compute_iot( self ,box1,box2): N = box1.size( 0 ) #调用方式就表示了变量是什么类型,这里是一个张量,其中每个元素是一个tensor,所以是N*4的张量 M = box2.size( 0 ) print (M,N) yoloLoss1 = yoloLoss( 10 , 11 ) yoloLoss1.compute_iot(torch.rand( 10 , 4 ),torch.rand( 11 , 4 )) |
数据扩展
探究unsqueeze以及expand的使用方法,unsqueeze可以增加一个纬度,但是维度的siz只是1而已,而expand就可以将数据进行复制,将数据变为n
1
2
3
4
5
6
7
8
9
10
11
|
# 获得一开始的初始化数值:tensor([[a1,a2,a3]]) nn1 = torch.rand( 1 , 3 ) print (nn1) # unsqueeze是解压的意思,在第i个维度上进行扩展,将其扩展为tensor([[[a1,a2,a3]]]) nn1 = nn1.unsqueeze( 0 ) print ( "*" * 100 ) print (nn1) #利用expand对数据进行扩展 nn1 = nn1.expand( 1 , 3 , 3 ) print ( "*" * 100 ) print (nn1) |
到此这篇关于python类参数定义及数据扩展方式unsqueeze/expand的文章就介绍到这了,更多相关python unsqueeze/expand内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家!
原文链接:https://blog.csdn.net/weixin_42295969/article/details/126346660