cv2

cv2.resize()

https://blog.csdn.net/wzhrsh/article/details/101630396

cv2.resize(InputArray src, OutputArray dst, Size, fx, fy, interpolation)

img = cv.imread('test.jpg')
x, y = img.shape[0:2]
cv.imshow('OriginalPicture', img)
img_test1 = cv.resize(img, (int(y / 2), int(x / 2)))#二分之一
img_test2 = cv.resize(img, (0, 0), fx=0.25, fy=0.25, interpolation=cv.INTER_NEAREST)#四分之一

scipy

sio.loadmat

import scipy.io as sio
yFile = 'y2.mat'    #相对路径
datay = sio.loadmat(yFile) #一个字典

---

python内置

ordereddict

https://blog.csdn.net/weixin_42053726/article/details/103374317

序号	函数及描述
1	dict.clear()
删除字典内所有元素
2	dict.copy()
返回一个字典的浅复制
3	dict.fromkeys(seq[, val])
创建一个新字典，以序列 seq 中元素做字典的键，val 为字典所有键对应的初始值
4	dict.get(key, default=None)
返回指定键的值，如果值不在字典中返回default值
5	dict.has_key(key)
如果键在字典dict里返回true，否则返回false
6	dict.items()
以列表返回可遍历的(键, 值) 元组数组
7	dict.keys()
以列表返回一个字典所有的键
8	dict.setdefault(key, default=None)
和get()类似, 但如果键不存在于字典中，将会添加键并将值设为default
9	dict.update(dict2)
把字典dict2的键/值对更新到dict里
10	dict.values()
以列表返回字典中的所有值
11	pop(key[,default])
删除字典给定键 key 所对应的值，返回值为被删除的值。key值必须给出。 否则，返回default值。
12	popitem()
随机返回并删除字典中的一对键和值。

---

json

import json
with open("文件名") as f:
     result=json.load(f)

f = open(json_file)
biwi = json.load(f)['annotations']
random.shuffle(biwi)

---

PyTorch

---

.state_dict()本质上Python字典对象,将每一层的参数映射成tensor张量，需要注意的是torch.nn.Module模块中的state_dict只包含卷积层和全连接层的参数，当网络中存在batchnorm时，例如vgg网络结构，torch.nn.Module模块中的state_dict也会存放batchnorm’s running_mean，关于batchnorm详解可见https://blog.csdn.net/wzy_zju/article/details/81262453。

https://blog.csdn.net/bigFatCat_Tom/article/details/90722261

state_dict = torch.load(snapshot_path)#权重
model_dict = model.state_dict()
# create new OrderedDict that does not contain `module.`
from collections import OrderedDict
#有序dict
new_state_dict = OrderedDict()
for k, v in state_dict.items():
    head = k[:7]
    if head == 'module.':
        name = k[7:]  # remove `module.`
    else:
        name = k
    if name in model_dict:
        new_state_dict[name] = v
model_dict.update(new_state_dict)
model.load_state_dict(model_dict)