numpy to torch.tensor
torch.from_numpy(xxx)
xxx to torch.tensor
tensor=torch.Tensor(xxx)
tensor to numpy
tensor_name.numpy()
numpy数组分割
np.split(x, n) # 等分为n份，返回一个list
复数numpy数组提取实部与虚部
numpy.real(xxx)
numpy.imag(xxx)
将实部和虚部合并为一个复数数组
Data[...,0] + 1j * Data[...,1]
或
result = 1j*Data[...,1];
result += Data[...,0];
将tuple或list转为numpy数组
numpy.array(xxx)
数据类型强制转换（转换为整型为例）
int(xxx)
numpy数组合并
保持原有维度
numpy.concatenate((array1,array2,array3), axis=0)
增添新的维度stack
numpy.stack((array1,array2,array3), axis=0)
numpy数组的升维与降维
升维
np.expand_dims(array, axis=dim)
降维
ravel() # 将多维数组拉平（一维）
flatten() # 将多维数组拉平，并拷贝一份
squeeze() # 除去多维数组中，维数为1的维度，如315降维后3*5
reshape(-1) # 多维数组，拉平
reshape(-1，5) # 其中-1表示我们不用亲自去指定这一维度的大小，理解为n维
numpy矩阵转置
numpy.transpose(matrix)
numpy数组的保存与读取
a=np.array(a)
np.save('a.npy',a) # 保存为.npy格式
a=np.load('a.npy') # 读取
a=a.tolist()
创建空的numpy数组
mat = None
for col in columns:
if mat is None:
mat = col
else:
mat = hstack((mat, col))
判断numpy数组是否全为0
# 判断numpy数组是否全为0
np.all(array == 0)
# 判断numpy数组是否含0
np.any(array == 0)
enumerate() 非常实用的技巧
for i,x in enumerate(xxx):
pass
python读取目录下的所有文件
import os
path = "xxx" # 文件夹目录
files= os.listdir(path) # 得到文件夹下的所有文件名称
for file in files:
file_name = path+"/"+file
# some operations
解压zip文件
import zipfile
def un_zip(file_name):
"""解压zip"""
zip_file = zipfile.ZipFile(file_name)
if os.path.isdir(file_name + "_files"):
pass
else:
os.mkdir(file_name + "_files")
for names in zip_file.namelist():
zip_file.extract(names,file_name + "_files/")
zip_file.close()
list添加obj
list_name.append(obj)
删除list的元素
del listname[start : end]
listname.pop(index)
listname.remove(value) # 删除值为value的元素
大list切割为小list
lst = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
b = [lst[i:i+3] for i in range(0,len(lst),3)] # 每个小list含有3个元素
创建字典
dic = {
'key1' : 'value1',
'key2' : 'value2',
}
python运行时如何清理内存？
import gc # garbage collector
del var
gc.collect()
判断目录是否存在
import os
os.path.isdir('path')
获取字典的键
dict_name.keys()
python 查看GPU显存占用
可以使用pynvml库来查看
pynvml的安装
pip install nvidia-ml-py3
(尝试了一下，conda install似乎行不通)
pynvml的使用
import pynvml
pynvml.nvmlInit()
# GPU的id
handle = pynvml.nvmlDeviceGetHandleByIndex(0)
meminfo = pynvml.nvmlDeviceGetMemoryInfo(handle)
print(meminfo.used)
pynvml文档：https://docs.nvidia.com/deploy/nvml-api/index.html
python中的super(Net, self).__init__()是什么意思？
首先找到Net的父类（比如是类NNet），然后把类Net的对象self转换为类NNet的对象，然后“被转换”的类NNet对象调用自己的__init__函数
如何查看对象的属性和方法?
dir(Obj)
Obj.__dict__
如何用for遍历两个list
for x,y in zip(x_list,y_list):
pass
python调用shell
command = 'ls'
output = os.popen(command)
for text in output.readlines():
print(text)
# output.readlines() 按行读取显示在cmd中的所有文字
if __name__ == '__main__':
__name__是当前模块名，当模块被直接运行时模块名为__main__
所以这句话的意思就是，当模块被直接运行时，以下代码块将被运行；当模块是被导入时，代码块不被运行
__init__.py
该文件的作用是将文件夹变为一个Python模块
python导入模块的方式有
+-- run.py
+-- model.py
import model
+-- run.py
+-- Model
| +-- __init__.py
| +-- model.py # model.py 中有一个函数叫function
form Model import model
from Model.model import function
isinstance()函数
判断一个对象是否是一个已知的类型
isinstance(object, classinfo)
assert expression [, arguments]
等价于
if not expression:
raise AssertionError(arguments)
__str__()与__repr__()
首先，在python的类中，__xxx__()意味着魔术方法
对于__str__()，它重定义了一个类的对象在被print()时应该输出什么，但并不会改变直接输出该对象时的内容
与之功能相类似的还有__repr__()方法，它也重定义了一个类的对象在被print()时应该输出什么，同时还改变了直接输出该对象时的内容
参考：https://www.cnblogs.com/lincappu/p/8312669.html
print()格式化输出
print('epoch:', epoch, ' idx:', idx, '/', length, ' g_adversarial_loss:%.5f d_adversarial_loss:%.5f g_mix_loss:%.5f' % (g_adversarial_loss.item(), d_loss.item(), g_mix_loss.item()))
numpy报ValueError: could not broadcast input array from shape
在使用numpy将list转为array的时候报错
出现这个问题的主要原因是因为list中array的shape不一致造成的
