python

字符串find（）

查找成功，返回首index；
查找失败，返回-1；

s = "Hello, World!"
index = s.find("World")
print(index)  # 输出：7

列表操作

lt = [1, 2, 3]
temp = ls[0 : 10] # 不会因为右边界超出最大值，而报错；超出最大值时，取最大值

单元素元组

当我们只有一个元素的元组时，需要在这个元素后面加上逗号，以表示这是一个元组。如果不加逗号，Python就会把这个元素当做其他数据类型，而不是元组。

my_tuple = (3,)

my_tuple = (3)
print(type(my_tuple))   # Output: <class 'int'>

序列化，反序列化，pickle协议

序列化：将数据结构或对象，转换为一系列字节，以便于文件存储，内存存储，网络传输等

在python中，使用pickle协议可以实现序列化和反序列化

os

os.path.splitext()

import os
filename = '/path/to/file.txt'
name, ext = os.path.splitext(filename)
print(name) # /path/to/file
print(ext) # .txt

string = 'a,b,c,d'
substrings = string.split(',')
print(substrings) # ['a', 'b', 'c', 'd']

os.path.basename()

import ospath = "/home/user/documents/file.txt"
filename = os.path.basename(path)
print(filename)

输出

file.txt

多线程

Queue（）

线程安全，适用于多个线程共享的数据结构

创建线程

Process(target=bg_target, args=(self.queue,))

Process(target=bg_target, args=(self.queue,)) 创建了一个新的进程，其中target参数为bg_target函数，args参数为一个元组，包含了bg_target函数所需要的参数。这里将self.queue作为参数传递给了bg_target函数。新创建的进程会运行bg_target函数。

启动线程

        for p in self.process: p.start()

深度学习

使用多块gpu

简单结构深度学习项目，完整代码

import torch
import torch.nn as nn
import torch.optim as optim
import torch.utils.data as data
import torch.nn.functional as F
from torch.nn.parallel import DataParalleldevice = torch.device('cuda' if torch.cuda.is_available() else 'cpu')class MyModel(nn.Module):def __init__(self):super(MyModel, self).__init__()self.conv1 = nn.Conv2d(3, 64, kernel_size=3, stride=1, padding=1)self.conv2 = nn.Conv2d(64, 64, kernel_size=3, stride=1, padding=1)self.fc1 = nn.Linear(64 * 32 * 32, 512)self.fc2 = nn.Linear(512, 10)def forward(self, x):x = F.relu(self.conv1(x))x = F.relu(self.conv2(x))x = x.view(-1, 64 * 32 * 32)x = F.relu(self.fc1(x))x = self.fc2(x)return xclass MyLoss(nn.Module):def __init__(self):super(MyLoss, self).__init__()def forward(self, output, target):loss = F.cross_entropy(output, target)return lossmodel = MyModel().to(device)
loss_fn = MyLoss().to(device)
model = DataParallel(model, device_ids=[0, 1])optimizer = optim.SGD(model.parameters(), lr=0.001, momentum=0.9)# Training loop
for epoch in range(epochs):for inputs, targets in train_loader:inputs, targets = inputs.to(device), targets.to(device)optimizer.zero_grad()outputs = model(inputs)loss = loss_fn(outputs, targets)loss.backward()optimizer.step()# Evaluation loop
model.eval()
with torch.no_grad():for inputs, targets in test_loader:inputs, targets = inputs.to(device), targets.to(device)outputs = model(inputs)loss = loss_fn(outputs, targets)...

默认dtype

numpy的ndarray：uint8
pytorch的tensor：float32

优化器optimizer与学习率调度器scheduler

打卡-2023-4-1相关推荐

English Learning - Day52 作业打卡 2023.2.6 周一
English Learning - Day52 作业打卡 2023.2.6 周一引言 1. -我大衣呢? -就在上次你放的地方. 2. 这所学校是在曾经的影院上建立起来的. cinema VS m ...
English Learning - Day48 作业打卡 2023.2.2 周四
English Learning - Day48 作业打卡 2023.2.2 周四引言 1. 把你知道的都告诉我们. 1) things 可以去掉吗? 2. 没有什么困难是他们不能战胜的. 1) d ...
English Learning - Day35 作业打卡 2023.1.11 周三
English Learning - Day35 作业打卡 2023.1.11 周三引言 1. 从上周日开始,这每天都下雨. 1)用现在完成进行时是否可以? 2)since 还是 from? 2. ...
English Learning - Day41 作业打卡 2023.1.17 周二
English Learning - Day41 作业打卡 2023.1.17 周二引言 1. 能给我留个你的微信号吗? 1)可以用 could 吗? 2)留可以用 leave 么? 2. 她愿意嫁 ...
English Learning - Day34 作业打卡 2023.1.10 周二
English Learning - Day34 作业打卡 2023.1.10 周二引言 1. 他们已经到了. 2. 他刚走. 3. 我从来没听说过他. 1) hear of VS hear abo ...
English Learning - Day59 作业打卡 2023.2.13 周一
English Learning - Day59 作业打卡 2023.2.13 周一引言 1. 我有一些急事要处理. 2. 这个孩子无忧无虑. 3. 那个骑在白马上的姑娘是我姐姐. 4. 对方正在给 ...
English Learning - Day27 作业打卡 2023.1.3 周二
English Learning - Day27 作业打卡 2023.1.3 周二引言 1.我很少吃肉. 2. Those eventful months and years are still v ...
English Learning - Day29 作业打卡 2023.1.5 周四
English Learning - Day29 作业打卡 2023.1.5 周四引言 1. 今年冬天我打算买一件貂皮外套. 2. 看那云,估计要下雨了. 3. 车要翻了! 4. 我会在10分钟后回 ...
入门-EdgeBoard赛事专用卡 2023年智能车竞赛完全模型组赛事专用卡
基本信息 EdgeBoard赛事专用卡,处理器为4核A75@1.8GHz+4核A55@1.8GHz,可支持百度飞奖模型的快速部署.体积小巧高性价比高,IO丰富,预装赛事定制操作系统,实测算力可达3.2 ...
备受瞩目的南卡OE Pro上线！稳坐国内开放式蓝牙耳机TOP1，舒适音质双在线！
4月10号,国内专业资深声学品牌Nank南卡,将推出2023年度旗舰机--南卡OE Pro不入耳开放式蓝牙耳机,致力打造全新不入耳.不伤耳.安全健康佩戴体验,无论是音质体验还是佩戴舒适度,都完胜同行业 ...

打卡-2023-4-1