Pytorch与Np/pd笔记
1.CSV转Matix
import pandas as pd
dat = pd.read.csv('path')
dat_matrix = df.values
2.Matrix切片
dat_m_0 = dat_matrix[:,1] #截取矩阵中第二列所有数据
dat_m_1 = dat_matrix[:,1:5] #截取矩阵中第一至四列所有数据
dat_m_2 = dat_matrix[1,:] #截取矩阵中第二行所有数据
dat_m_3 = dat_matrix[1:5,:] #截取矩阵中第二至四行所有数据
3.Matrix转torch
dat_array = np.array(dat_matrix)
dat_torch = torch.from_numpy(dat_array)
4.torch数据类型更改
dat_t_float = dat_torch.float()
dat_t_long = dat_torch.long()
dat_t_int32 = dat_torch.int()
5.关于神经元数量
- 1.神经元数量需要与输入数据的维数对应
- 2.输出神经元与类别对应
6.对于损失函数
- 1.CrossEntropy(), 要求训练 y 数据必须为 long 型
- 2.MSELoss(), 要求训练 y 数据必须为 float 型
1.Python模块化编程
-
1.模块化编程:
-
1.代码:
if __name__ == "__main__": pass 2.含义: Python代码运行时引入其他模块,
__name__的值变为该模块名称, 若不强制赋值会导致完整运行整个引入模块
-
-
2.模块路径
-
1.自定义模块与主程序在同一目录:
import module_name -
2.自定义模块与主程序在同一工程文件夹
#在每一目录下创建 __init__.py 文件, 内容可为空 #将模块文件放到某文件夹并添加__init__.py空白文件，则文件夹就变成了python包 import 工程文件夹顶级目录.次级目录...file_name from 工程文件夹顶级目录.次级目录...file_name import func_name
-
