dogs-vs-cats pytorch版 代码
.gitignore.文件 将某些文件不要提交到代码仓库
顺便复习vgg16
vgg参考博文
https://www.jianshu.com/p/68ac04943f9e
https://www.jianshu.com/p/74cebed0b4f8
https://www.jianshu.com/p/9e16f69f7814
通过iter()函数获取这些可迭代对象的迭代器。然后我们可以对获取到的迭代器
不断使⽤next()函数来获取下⼀条数据。
read_csv函数将表格型数据读取为DataFrame格式的数据
DataFrame格式的数据
https://blog.csdn.net/u014737138/article/details/80043769
* 函数接收参数为元组
例如
def myfun(*args): #相当于 def myfun(1,2,3) ==> args 就相当于（1,2,3）
for a in args:
print(a)
** 表示函数接收参数为一个字典
def myfun(**args) :#相当于 def myfun({a:1,b:2,c:3}) ==>args 就相当于{a:1,b:2,c:3}
for k,v in args:
print(k,":",v)
with open as 语句的意思：
https://www.cnblogs.com/ymjyqsx/p/6554817.html
isinstance() 函数来判断一个对象是否是一个已知的类型，类似 type()。
Python replace() 方法把字符串中的 old（旧字符串） 替换成 new(新字符串)，如果指定第三个参数max，则替换不超过 max 次。
语法
replace()方法语法：
str.replace(old, new[, max])
python assert断言是声明其布尔值必须为真的判定，如果发生异常就说明表达示为假。 其返回值为假，就会触发异常。
os.environ["CUDA_VISIBLE_DEVICES"] ="1"
有一台服务器，服务器上有多块儿GPU可以供使用，但此时只希望使用第2块和第4块GPU，但是我们希望代码能看到的仍然是有两块GPU，分别编号为0,1，这个时候我们可以使用环境变量CUDA_VISIBLE_DEVICES来解决这个问题。
CUDA_VISIBLE_DEVICES=1只有编号为1的GPU对程序是可见的，在代码中gpu[0]指的就是这块儿GPU
CUDA_VISIBLE_DEVICES=0,2,3只有编号为0,2,3的GPU对程序是可见的，在代码中gpu[0]指的是第0块儿，gpu[1]指的是第2块儿，gpu[2]指的是第3块儿
CUDA_VISIBLE_DEVICES=2,0,3只有编号为0,2,3的GPU对程序是可见的，但是在代码中gpu[0]指的是第2块儿，gpu[1]指的是第0块儿，gpu[2]指的是第3块儿
https://www.cnblogs.com/zknublx/p/6106343.html
raise异常处理
当程序出现错误，python会自动引发异常，也可以通过raise显示地引发异常。一旦执行了raise语句，raise后面的语句将不能执行。
演示raise用法
try:
s = None
if s is None:
print "s 是空对象"
raise NameError #如果引发NameError异常，后面的代码将不能执行
print len(s) #这句不会执行，但是后面的except还是会走到
except TypeError:
print "空对象没有长度"
s = None
if s is None:
raise NameError
print 'is here?' #如果不使用try......except这种形式，那么直接抛出异常，不会执行到这里
vim 关键字匹配
如果您已经用 / 找到了一个词，那么 n N 就分别是向后，向前再找这个词。
创建软链接
ln -s 源文件 目标文件
python中yield iter迭代器
Python List list()方法
list( tup )
list() 方法用于将元组转换为列表。
Python3 List sort()方法
list.sort( key=None, reverse=False)
key -- 主要是用来进行比较的元素，只有一个参数，具体的函数的参数就是取自于可迭代对象中，指定可迭代对象中的一个元素来进行排序。
reverse -- 排序规则，reverse = True降序，reverse = False升序（默认）。
torch.utils.model_zoo.load_url(url, model_dir=None)super() 函数
在给定URL上加载Torch序列化对象。
super()函数多重继承
shutil.copyfileobj(fsrc, fdst[, length])
复制类文件(file-like)对象fsrc的内容到类文件对象fdst
torch.optim.lr_scheduler 中提供了基于多种epoch数目调整学习率的方法.
torch.optim.lr_scheduler.ReduceLROnPlateau :允许基于一些验证测量对学习率进行动态的下降
skimage.io.imread与cv2.imread
保存后的都是numpy格式，但cv2的存储格式是BGR，而skimage的存储格式是RGB。
with关键字
with里面的语句产生异常的话，也会正常关闭文件
https://www.cnblogs.com/Xjng/p/3927794.html
