記錄在使用sklearn中趟過的雷

使用sklearn是為了讀取自製資料集中使用一些預處理操作，雖然pytorch的包中含有一些預處理操作，但並不全因此使用到了sklearn。此處記錄一下在使用sklearn使用中趟的雷。

maxabsscaler是將資料歸一化到[-1,1]，然而在此處使用中需要注意的是max操作不能針對二維以上的矩陣，若是需要對三維矩陣進行的話，需要將三維矩陣安排為二維矩陣，自己使用的方法為：

echo_trans = echo.reshape(echo.shape[0]
,-1)
echo_trans = t.maxabsscaler(
).fit_transform(echo_trans)
# 對回波進行歸一化
echo_trans = t.scale(echo_trans)
# 進行中心置零
echo = echo_trans.reshape(echo.shape[0]
,echo.shape[1]
,echo.shape[2]
)

在此處由於我需要其輸出矩陣重新為三維，因此我需要重新reshape

此處使用趟的雷其實是聯絡著maxabsscaler()的，因為在執行的時候報錯typeerror: float() argument must be a string or a number, not 『maxabsscaler』而我原來使用的是maxabsscaler().fit(echo_trans),因此會報錯。報錯原因為：

.fit method returns the standard scalar object. you are using that to train the model. please use fit_transfor or transform after the fit. like below

（fit方法返回標準標量物件。你用它來訓練模型。請使用fit_transfor或轉換後，適合。像下面的）

因此用法應該為：

sc_x.fit(x)
x = sc_x.transform(x)
orx = sc_x.fit_transform(x)

在我的**中其更改方式應為：

t.maxabsscaler(
).fit_transform(echo_trans)

如題這節主要討論在使用sklearn的時候其輸出的矩陣維度問題。至於為什麼討論這個問題主要是因為使用torchivision.transform的時候官方包會自動將你的輸入矩陣的h * w * c轉變為c * h * w,然而當你使用sklearn的時候其輸出與輸入的矩陣維度一致均為h * w * c。然而torch的標準輸入時c * h * w這樣就可能會報錯。因此需要你在自定義資料集裡面將矩陣維度改換過來。在我的程式中我使用的**為：

'''
由於torch的處理是c*h*w,而讀取是h*w*c所以需要調轉維度。
如果使用torchvision的transform則不需要進行這一步
'''echo = echo.transpose(2,
0,1)
label = label.transpose(2,
0,1)

此處由於我的匯入為nparray所以直接使用numpy的轉置矩陣方案。而且由於torch的data.dataloader 會自動將輸入改為tensor所以也不需要額外將nparray轉化為tensor。在此處若是為tensor，建議使用tensor.permute()

data science

記錄在使用sklearn中趟過的雷

記錄 media使過程中趟過的坑

記錄在vue中使用jsx時踩過的坑

QT學習記錄在表盤中畫線

記錄在使用sklearn中趟過的雷

記錄 media使過程中趟過的坑

記錄在vue中使用jsx時踩過的坑

QT學習記錄 在表盤中畫線

相關推薦

QT學習記錄在表盤中畫線