孤独症（4）

最新推荐文章于 2025-06-08 01:41:26 发布

人生无根蒂，飘如陌上尘

最新推荐文章于 2025-06-08 01:41:26 发布

阅读量258

点赞数 4

文章标签：神经网络

本文链接：https://blog.youkuaiyun.com/programmer9/article/details/145546147

版权

我已经三天没有学习了，这几天一直在玩炉石传说和跑跑狼，我决不能如此堕落，从今天到2月14号，每天都要学习。
1

class StandardScaler:
    """
    Standard the input
    """

    def __init__(self, mean, std):
        self.mean = mean
        self.std = std

    def transform(self, data):
        return (data - self.mean) / self.std

    def inverse_transform(self, data):
        return (data * self.std) + self.mean

其实我之前没有看懂这个类是干嘛用的，现在我知道了，它是用来将数据标准化的，至于为什么这样处理能够提高算法的性能，我就不知道了。

    scaler = StandardScaler(mean=np.mean(
        final_fc), std=np.std(final_fc))

它配合着这段代码来使用，就可以得到一个标准化器，scaler，里面记录了均值和标准差
2

    pseudo = []
    for i in range(len(final_fc)):
        pseudo.append(np.diag(np.ones(final_pearson.shape[1])))

这一段是生成对角矩阵
3
我之前就一直奇怪，我必须要修改我abide_PLSNet.yaml文件里的atlas，要不然的话矩阵的维度不对。

pseudo = []
for i in range(len(final_fc)):
    pseudo.append(np.diag(np.ones(final_pearson.shape[1])))

我们看这一句，final_person.shape[1]是111啊，这段代码最后生成的是1009个111*111的矩阵
4
这一段就很离谱

if 'cc200' in dataset_config['atlas']:
    pseudo_arr = np.concatenate(pseudo, axis=0).reshape((-1, 200, 200))
elif 'aal' in dataset_config['atlas']:
    pseudo_arr = np.concatenate(pseudo, axis=0).reshape((-1, 116, 116))
elif 'cc400' in dataset_config['atlas']:
    pseudo_arr = np.concatenate(pseudo, axis=0).reshape((-1, 392, 392))
else:
    pseudo_arr = np.concatenate(pseudo, axis=0).reshape((-1, 111, 111))

我先生成1009个111111对角矩阵，然后我再把这些矩阵拼一块，再重构成111111的，如果模型是cc200，那就要重构成200*200的矩阵，那肯定不对，要么多了要么少了
5

final_fc, final_pearson, labels, pseudo_arr = [torch.from_numpy(
    data).float() for data in (final_fc, final_pearson, labels, pseudo_arr)]

我懂这一段是什么意思了，这就涉及到一个问题，numpy就可以处理三维数组，那么为什么还要用pytorch呢，因为数据量太大，cpu处理起来太慢了，所以要用gpu辅助运算，那么自然要把data从numpy数组转化为pytorch的三维数组
6

length = final_fc.shape[0]
train_length = int(length * dataset_config["train_set"])
val_length = int(length * dataset_config["val_set"])

这一段就是划分测试集和验证集的比例
首先这个length是1009，然后abide_PLSNet.yaml中显示train_set为0.7，val_set为0.1。那么train_length就是10090.7即为706.3，int处理之后即为706。val_length即为10090.1,即为100.9，即为100
7

    dataset = utils.TensorDataset(
        final_fc,
        final_pearson,
        labels,
        pseudo_arr
    )

这里改来改去都给我看晕了，追根朔源，final_fc就是timeseires，final_person就是皮尔逊积差相关系数矩阵
8