深度剖析python类参数定义及数据扩展方式unsqueeze/expand

本文为大家深度剖析python类参数定义及数据扩展方式unsqueeze/expand，希望对大家有所帮助，下面一起来看一下。

深度剖析python类参数定义及数据扩展方式unsqueeze/expand

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)

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

# 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)

以上就是关于python类参数定义及数据扩展方式unsqueeze/expand的全部内容，翼速应用平台内有更多相关资讯，欢迎查阅！