spynet note

仓库：https://github.com/Guillem96/spynet-pytorch
主要介绍spynet的代码实现，参考code
该份code的网络结构写的不是很清晰，可以参考code

下面主要介绍该仓库的代码和一些用到的语法

1.ascontiguousarray函数

将一个内存不连续存储的数组转换为内存连续存储的数组，使得运行速度更快。

比如我们生成一个二维数组，Numpy可以通过.flags熟悉查看一个数组是C连续还是Fortran连续的

利用ascontiguousarray函数，可以将其变为连续的比如：

import numpy as np
arr = np.arange(12).reshape(3,4)
flags = arr.flags
print(arr)
print(flags)

得到结果显示C连续

对数组切片之后，变成C不连续，这样会不方便存取内存，降低效率
对其应用np.ascontiguousarray后，又会变为连续。

arr2 = arr[1:3,1:3]
flags = arr2.flags
print(arr2, flags)

arr2 = np.ascontiguousarray(arr2)
flags = arr2.flags
print(arr2, flags)

代码运行结果

2. if name == “main”

已知__name__ 是当前模块名，当模块被直接运行时模块名为 main 。

这句话的意思就是，当模块被直接运行时，以下代码块将被运行，当模块是被导入时，代码块不会被运行。

if __name__ == "__main__":
    main() # 执行main函数

3. **kwargs 和 *args 再python中的使用方法

参考文章 How to Use *args and **kwargs in Python

在python函数中使用 *args， **kwargs，让函数可以接受不确定数量的参数 和 关键字参数

def main(**kwargs):
    train(**kwargs)

4. click

Click 是 Flask 的开发团队 Pallets 的另一款开源项目，它是用于快速创建命令行的第三方模块。

我们知道，Python 内置了一个 Argparse 的标准库用于创建命令行，但使用起来有些繁琐，Click 相比于 Argparse，就好比 requests 相比于 urllib。

Click 是一个第三方库，因此，在使用之前需要先安装：
pip install click

详细介绍参考 Python–Click

Click 对argparse 的主要改进在易用性，使用Click 分为两个步骤：

• 使用 @click.command() 装饰一个函数，使之成为命令行接口,
• 使用 @click.option() 等装饰函数，为其添加命令行选项等。

代码示例

import click
  
@click.command()
@click.option('--count', default=1, help='Number of greetings.')
@click.option('--name', prompt='Your name', help='The person to greet.')
def hello(count, name):
    """Simple program that greets NAME for a total of COUNT times."""
    for x in range(count):
        click.echo('Hello %s!' % name)
if __name__ == '__main__':
    hello()

5. 设置CPU生成随机数的种子，方便下次复现实验结果

torch.manual_seed(0)

[1]https://blog.csdn.net/qq_42951560/article/details/112174334

6. typing的作用

含义

Python 类型注解是用来对变量和函数的参数返回值类型做注解，帮助开发者写出更加严谨的代码，让调用方减少类型方面的错误。

但是，类型注解语法传入的类型表述能力有限，不能说明复杂的类型组成情况，因此引入了 typing 模块，来实现复杂的类型表达。

用法

典型的用法如下：

from typing import List, Tuple, Dict
# 把类型赋给别名，就可以定义类型别名。本例中，Vector 和 list[float] 相同，可互换
Vector = list[float]

def scale(scalar: float, vector: Vector) -> Vector:
    return [scalar * num for num in vector]

# passes type checking; a list of floats qualifies as a Vector.
new_vector = scale(2.0, [1.0, -4.2, 5.4])

[1]https://docs.python.org/zh-cn/3/library/typing.html