python的基本函数使用（持续更新）

1. assert语法：
   1. assert expression 在expression为false的时候终止程序
   2. 等价于

      if not expression:
          raise AssertionError(arguments)

2. isinstance语法：
   1. isinstance(object,classtuple) 判断object是否是classtuple中的类型
3. python staticmethod 返回函数的静态方法。

   1. class C(object):
          @staticmethod
          def f(arg1, arg2, ...):

      以上实例声明了静态方法 f，从而可以实现实例化使用 C().f()，当然也可以不实例化调用该方法 C.f()

4. numpy 和 torch中 切片设置参数None的做法。

   1. 本质上实际上是增加一个维度。与numpy的reshape和torch的view中设置参数-1功能相同

   2. a=np.array([1,2,3,4])  b=a[:,None]  

         b     array([[1], [2], [3], [4]])
5. 图片读入成numpy.array形式。然后用plt.imshow()进行展示。转换方式有以下：
   1. matplotlib方法  matplotlib.image或者 io.imread(path)读取成nparray数据格式 
   2. PIL.Image.open(path) 读取成图片格式。可以直接显示也可以用np.array()处理成nparray格式
   3. opencv方法 cv2.imread(path) 读取出nparray格式。但是注意以下cv2对应于bgr格式。这个大多时候需要转换成rgb格式
6. python中__dict__。对象.__dict__以字典形式存储了self.xxx的名字和对象值
7.  
8. 在实参前面加*号能够将迭代器拆分成一个个的元素。
   1. 实际使用样例（Sequential作为一个容器要么接收orderdict类型的数据要么接收一个个拆分的元素。此处传入的是列表类型，所以前面要加*号传入后将列表中元素拆分出来）：

          def _make_layer(self, block, planes, blocks, stride=1, dilate=False):
              norm_layer = self._norm_layer
              downsample = None
              previous_dilation = self.dilation
              if dilate:
                  self.dilation *= stride
                  stride = 1
              if stride != 1 or self.inplanes != planes * block.expansion:
                  downsample = nn.Sequential(
                      conv1x1(self.inplanes, planes * block.expansion, stride),
                      norm_layer(planes * block.expansion),
                  )
      
              layers = []
              layers.append(block(self.inplanes, planes, stride, downsample, self.groups,
                                  self.base_width, previous_dilation, norm_layer))
              self.inplanes = planes * block.expansion
              for _ in range(1, blocks):
                  layers.append(block(self.inplanes, planes, groups=self.groups,
                                      base_width=self.base_width, dilation=self.dilation,
                                      norm_layer=norm_layer))
      
              return nn.Sequential(*layers)

       

   2. 具体代码实验
      1. 输入。如果输入get_item(*list01)。输出是

         def get_item(*args):
             for i,data in enumerate(args):
                 print('i:{},data:{}'.format(i,data))
         list01=[]
         for i in range(10):
             list01.append(i)

         i:0,data:0
         i:1,data:1
         i:2,data:2
         i:3,data:3
         i:4,data:4
         i:5,data:5
         i:6,data:6
         i:7,data:7
         i:8,data:8
         i:9,data:9

      2. 如果输入是get_item(list01)。输出是

         i:0,data:[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

 

1. 在研究mtcnn的运算过程中有一种比较有趣的写法nonzero（）函数。tensor和numpy中用到，用于返回作为数据结构中值为true的位置信息
2.