一、Numpy模块
import numpy as np
np.arange()
生成一维数据
numpy.arange(start, stop, step, dtype=None)
start：开始数字，默认为0
stop：停止数字（不输出该值），必填
step：步长，默认为1
np.reshape()
改变数组或矩阵的形状
numpy.reshape(array,(m,n),order)
array：要改变形状的数组或矩阵
(m,n)：修改为m×n形状
order：设置为行优先还是列优先，order=‘c’为行优先，order=‘f’为列优先，默认为前者
np.transpose()
对输入的张量序列进行维度交换（对于numpy可以多个维度）
output=torch.transpose(input, dim0, dim1)
output=input.transpose(dim0, dim1)
np.expand_dims()
在某一数组的某一维度增加1维
import numpy as np
b=np.expand_dims(a, axis=0)
#在数组a的第0个位置增加一个维度
#eg：a形状为（2，2） 则b的形状为（1，2，2）二、PIL模块
1.Image部分
from PIL import Image
Image.fromarray()
将数组转换为图像
Image.fromarray(array,mode='L')
array：二维numpy数组
mode：表示输出图像的模式，常用的模式有 “L” (灰度图), “RGB” (彩色图), “CMYK”
三、Pytorch模块
import torch
torch.arange()
torch.reshape()
torch.max()
获取最大值
torch.max(input, dim, max=None, max_indices=None，keepdim=False)
input：进行max操作的Tensor变量
dim：需要查找最大值的维度
max：结果张量，用于存储查找到的最大值
max_indices：结果张量，用于存储查找到最大值所处的索引
keepdim=False：返回值与原Tensor的size是否保持一致
torch.cat()
在指定维度上对输入的张量序列进行拼接
outputs = torch.cat(inputs, dim)
input：待连接的张量序列，可以是任意相同Tensor类型的序列
dim：沿此维度连接张量序列，必须在0到 len(inputs[0]) 之间
torch.transpose()
对输入的张量序列进行维度交换（对于torch只能两个维度）
output=torch.transpose(input, dim0, dim1)
output=input.transpose(dim0, dim1)
torch.permute()
对输入的张量序列进行任意维度交换
output=input.transpose(dims)
.contiguous().view()
对进行转置后的张量先进行存储连续，再重新定义其形状
output=input.contiguous().view()
四、String模块
.replace()
可以替换字符串中的内容，不改变原字符串，返回一个新的字符串
字符串名称.replace( old, new, count )
old：需要被替换的字符串内容
new：替换后的字符串内容
count：替换次数，默认全部替换，为负数时全部替换
.lower()
全显示为小写字母
.endswith()
用于判断文件名后缀
五、osgeo.gdal模块
from osgeo import gdal
from osgeo import gdal
dataset = gdal.Open(img)
# 获取影像的宽度、高度和波段数
width = dataset.RasterXSize
height = dataset.RasterYSize
bands = dataset.RasterCount
# 返回第一波段的数据对象
band = dataset.GetRasterBand(1)
# 以band上坐标为(100,100)的点为原点
# 读取5×5大小的数组数据 并放缩至10×10的大小
print(band.ReadAsArray(100,100,5,5,10,10))六、别的一些方法
preprocess_input()
将像素值调整到（0，1）之间，即 像素值 / 255
标签：检测,torch,transpose,张量,目标,np,自用,维度,input From： https://blog.csdn.net/CKWbingo/article/details/139218797