python類參數(shù)定義及數(shù)據(jù)擴(kuò)展方式是什么

這篇文章主要介紹“python類參數(shù)定義及數(shù)據(jù)擴(kuò)展方式是什么”，在日常操作中，相信很多人在python類參數(shù)定義及數(shù)據(jù)擴(kuò)展方式是什么問題上存在疑惑，小編查閱了各式資料，整理出簡(jiǎn)單好用的操作方法，希望對(duì)大家解答”python類參數(shù)定義及數(shù)據(jù)擴(kuò)展方式是什么”的疑惑有所幫助！接下來，請(qǐng)跟著小編一起來學(xué)習(xí)吧！

類的參數(shù)定義

將conda環(huán)境設(shè)置為ai，conda activate ai

這個(gè)文件的由來：

由于在yolov1的pytorch實(shí)現(xiàn)的損失函數(shù)中，看到繼承了nn.Module，并且其中兩個(gè)參數(shù)不像c++那里指定類型，那么他們的類型是哪里來的

這里就是在探索這樣一件事

操作邏輯：

• 先在類中定義了構(gòu)造函數(shù)以及一個(gè)自定義函數(shù)；

• 構(gòu)造函數(shù)定義了屬性S、B，自定義函數(shù)引入兩個(gè)參數(shù)，對(duì)兩個(gè)參數(shù)進(jìn)行調(diào)用

• 這里就說明參數(shù)的結(jié)構(gòu)是怎么樣的，取決于參數(shù)被調(diào)用了什么東西，比如這里調(diào)用了N = box1.size(0) M = box2.size(0)說明了它是類似一個(gè)矩陣的東西，對(duì)應(yīng)的box1的定義就是`torch.rand(10,4)

import torch
import torch.nn as nn
import torch.nn.functional as F
from torch.autograd import Variable

#探究屬性S，B是如何產(chǎn)生的，以及box1、box2是如何產(chǎn)生的、如何調(diào)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)  #調(diào)用方式就表示了變量是什么類型，這里是一個(gè)張量，其中每個(gè)元素是一個(gè)tensor，所以是N*4的張量
        M = box2.size(0)
        print(M,N)

yoloLoss1 =yoloLoss(10, 11)
yoloLoss1.compute_iot(torch.rand(10,4),torch.rand(11,4))

數(shù)據(jù)擴(kuò)展

探究unsqueeze以及expand的使用方法，unsqueeze可以增加一個(gè)緯度，但是維度的siz只是1而已，而expand就可以將數(shù)據(jù)進(jìn)行復(fù)制，將數(shù)據(jù)變?yōu)閚

# 獲得一開始的初始化數(shù)值：tensor([[a1,a2,a3]])
nn1=torch.rand(1,3)
print(nn1)
# unsqueeze是解壓的意思，在第i個(gè)維度上進(jìn)行擴(kuò)展，將其擴(kuò)展為tensor([[[a1,a2,a3]]])
nn1=nn1.unsqueeze(0)
print("*"*100)
print(nn1)
#利用expand對(duì)數(shù)據(jù)進(jìn)行擴(kuò)展
nn1=nn1.expand(1,3,3)
print("*"*100)
print(nn1)

到此，關(guān)于“python類參數(shù)定義及數(shù)據(jù)擴(kuò)展方式是什么”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí)，請(qǐng)繼續(xù)關(guān)注億速云網(wǎng)站，小編會(huì)繼續(xù)努力為大家?guī)砀鄬?shí)用的文章！