本篇文章给大家带来了关于python的相关知识，其中主要介绍了python类参数定义及数据扩展方式unsqueeze/expand，文章通过围绕主题展开详细的内容介绍，下面一起来看一下，希望对大家有帮助。
【相关推荐：python3视频教程 】
类的参数定义将conda环境设置为ai，conda activate ai
这个文件的由来：
由于在yolov1的pytorch实现的损失函数中，看到继承了nn.module，并且其中两个参数不像c++那里指定类型，那么他们的类型是哪里来的
这里就是在探索这样一件事
操作逻辑：
先在类中定义了构造函数以及一个自定义函数；构造函数定义了属性s、b，自定义函数引入两个参数，对两个参数进行调用这里就说明参数的结构是怎么样的，取决于参数被调用了什么东西，比如这里调用了n = box1.size(0) m = box2.size(0)说明了它是类似一个矩阵的东西，对应的box1的定义就是`torch.rand(10,4)import torchimport torch.nn as nnimport torch.nn.functional as ffrom torch.autograd import variable#探究属性s，b是如何产生的，以及box1、box2是如何产生的、如何调用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) #调用方式就表示了变量是什么类型，这里是一个张量，其中每个元素是一个tensor，所以是n*4的张量 m = box2.size(0) print(m,n)yololoss1 =yololoss(10, 11)yololoss1.compute_iot(torch.rand(10,4),torch.rand(11,4))
数据扩展探究unsqueeze以及expand的使用方法，unsqueeze可以增加一个纬度，但是维度的siz只是1而已，而expand就可以将数据进行复制，将数据变为n
# 获得一开始的初始化数值：tensor([[a1,a2,a3]])nn1=torch.rand(1,3)print(nn1)# unsqueeze是解压的意思，在第i个维度上进行扩展，将其扩展为tensor([[[a1,a2,a3]]])nn1=nn1.unsqueeze(0)print("*"*100)print(nn1)#利用expand对数据进行扩展nn1=nn1.expand(1,3,3)print("*"*100)print(nn1)
【相关推荐：python3视频教程 】
以上就是python类参数定义及数据扩展方式unsqueeze/expand的详细内容。