一：dataset自创小测试、zip、*的理解

import torch
from torch.utils.data import Dataset, DataLoader
from tqdm import tqdm

class build_dataset():
    def __init__(self):
        self.imgs = [torch.tensor([1, 2, 3]), torch.tensor([4, 5, 6])]
        self.targets = [{'boxes': torch.tensor([[12, 13, 34, 35], [123, 124, 788, 789]]).reshape(-1, 4),
                         'label': torch.tensor(int(2))},
                        {'boxes': torch.tensor([[112, 113, 314, 315], [103, 104, 720, 799]]).reshape(-1, 4),
                         'label': torch.tensor(int(0))}
                        ]
    def __len__(self):
        return len(self.imgs)
    def __getitem__(self, idx):
        return self.imgs[idx], self.targets[idx]

# 输出一：
train_dataset = build_dataset()
train_dataLoader = DataLoader(train_dataset, batch_size=2, shuffle=True)
for input, label in tqdm(train_dataLoader):
    print(input)
    print(label)
    
# 输出二：

# x = [[0,3,4],[2,3,4],[2,4,1]]
# y = [[1,3,4],[2,3,4],[2,4,1]]
# z = [[2,3,4],[2,3,4],[2,4,1]]
# mm = (x,y,z)
# print(mm)
# print(*mm)
# a,b,c = list(zip(*mm))
# a1,b1,c1 = list(zip(mm))
# print('*mm'.center(100,'-'))
# print(a)
# print(b)
# print(c)
# 
# print('mm'.center(100,'-'))
# print(a1)
# print(b1)
# print(c1)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43

输出一：

输出二：

zip()后面一般都接独立分开的迭代器，而像上面的那种zip(mm)就相当于zip([x,y,z])，可以理解为 zip([x,y,z], [])，那么list后自然会把x,y,z打印出来

二：Yolo3中的技巧（用于知道bbox属于哪儿一个batch）

暗藏玄机：

好文的参考链接

三：关于DETR对coco数据集的预处理方法探讨

继承torchvision.datasets.cocoDectection类，从路径中读取到img、target。对于coco数据集，datasets中的cocoDectection类可以直接完成img和target的提取。