weixin_62472350的博客

【代码】python基础：sort()函数。

Python 字典(Dictionary) .keys() 函数以列表返回一个字典所有的键，以下统计列表中的所有元素及其个数，以字典的形式返回。统计到最后的结果是该列表中no的元素个数共5个，yes的元素个数共9个。

在pytorch中，tensor的实际数据以一维数组(storage)的形式存储于某个连续的内存中，以”行优先"进行存储，tensor连续(contiquous)是指tensor的storage元素排列顺序与其按行优先时的元素排列顺序相同，tensor不连续会导致某些操作无法进行，比如view()就无法进行。b应该是1 4 7 2 5 8 3 6 9才是连续的，虽然它经过a的转置，但是并没有改变其原先的存储顺序，所以出现的结果就是不连续的。可以发现c已经和b的存储顺序不一样了，是连续的了。

在模型中，利用backward反向传播，可以通讨requires_grad来得到 buffer 和 parameter 的梯度信息，但是利用 optimizer 进行更新的是 parameter ， buffer 不会更新，这也是两者最重要的区别。这两种参数都存在于 model.state_dict()的OrderedDict中，也会随着模型”移动”(model.cuda())。模型保存下来的参数有两种：需要更新的 Parameter ，与是不需要更新的 buffer。

numpy转化为tensor：torch.from_numpy()tensor转化为numpy：numpy()

给出例子：有以下两个列表，可以发现两个列表都是有重复值的，两个列表都是包含多个二元组的。例如doc_couples_all列表，其中的(1,'a')就是一个元组，doc_couples_all跟doc_couples_pred_all都是包含4个二元组的列表。当使用list()函数时，会将doc_couples_all、doc_couples_pred_all集合转换回列表。集合中的元素必须是可哈希的（即不可变的），并且集合本身是可变的，可以添加或删除元素。首先，介绍一下几个基本概念：元组、列表、集合。

显示结果：start:起点值；可忽略不写，默认从0开始stop:终点值；生成的元素不包括结束值step:步长；可忽略不写，默认步长为1dtype:默认为None，设置显示元素的数据类型。

将张量从 GPU 设备移动到 CPU。对于在 GPU 上运行的模型，张量默认存储在 GPU 上，为了使用 NumPy，我们需要将其转移到 CPU。对于一些项目，运行的时候通常是使用GPU运行的，但是Numpy不支持直接处理 GPU 上的数据，所以需要将数据移动到cpu里。属性是 PyTorch 张量的底层数据。方法仅适用于存储在 CPU 上的张量。: 将张量转换为 NumPy 数组。转换为 NumPy 数组。

是一个字符串，表示浮点数需要保留的小数位数，默认值为。这个函数的主要作用是将一个浮点数。，并返回精确后的浮点数。转换为具有指定小数位数的。，因为默认是保留四位小数。精确到指定的小数位数。

一个查看当前工作路径的函数：.getcwd()

pkl格式文件，全程Python中一种用于序列化对象的文件格式。以字典（dict）、数据框（DataFrame）或任何其他数据类型的形式作为数据集使用的时候，可能希望将它们保存到文件中，以便以后可以使用它们或将它们发送给其他人。这就是Python的pickle模块的用途：它将对象序列化，以便将它们保存到文件中，并在以后再次加载到程序中。Pickling允许将python对象保存为硬盘驱动器上的二进制文件。

处理json文件需要先导入json库，然后自定义字典数据内容。要想，需要先定义save_json函数将以上的data数据转化为json文件，之后调用save_json函数，传入参数data=data与file_path=data.json，也就是转化后的文件将以“data.json”命名，成功运行则输出一个句子表示文件成功转化并保存。