qq_36249824的博客

import osimport re#检查xml文件和img文件是否匹配img_path=r"D:\dataset\VOCdevkit\VOC2007\JPEGImages"xml_path=r"D:\dataset\VOCdevkit\VOC2007\Annotations"img=os.listdir(img_path)print(len(img))xml=os.listdir(xml_path)if len(img)!=len(xml): print("img xml数量不一.

朋友torch，单独提供了一个sampler模块，用来对数据进行采样，常用的有随机采样器randomsampler,当shuffle的参数为true，系统自动调用这个采样器，实现打乱数据。默认的是sequential sampler,他会按照顺序一个一个进行采样，还有一个WeightRandomSampler,他会根据每个样本的权重选取数据，在样本比例不均衡问题中，可以用它进行重采样。WeightRandomSampler要提供两个参数，每个样本的权重weights，共选取的样本总数num_sample

pytorch中padding=kernel_size//2到底是实现神魔形式的padding？padding=（kernel_size-1）/2若kernel_size是7*7，5*5，3*3，1*1常见的则padding是 3，2 ，1 ，0nn.Conv2d的padding是在卷积之前补0，如果愿意的话，可以通过使用torch.nn.Functional.pad来补非0的内容。四周都补！如果pad输入是一个tuple的话，则第一个参数表示上，下底的padding，第2个参数表示宽..