2019/03/19 21:12
1.函数：numpy.linspace(start,stop,num=50,endpoint=True,retstep=False,dtype=None)参数：
start：scalar类型（个人理解是标量的意思，这不是一个具体的数据类型，而是指某一些数据类型，比如int,float,bool,long,str等等都属于sclar类型）。这个数参数表示这个序列的开始值。stop：scalar类型。如果endpoint=True。那么stop就是序列的终止数值。当endpoint=False时，返回值中不包含最后一个端点，并且步长会改变。
num：int型，可选参数，默认值为50。表示要生成的样本数，必须是非负值。
endpoint：bool类型。可选参数，默认值为True，这时stop就是最后的样本。为False时，不包含stop的值。
retstep：bool类型。可选参数，默认值为True，这时返回值是(samples,step)，前面的是数组，后面是步长。
dtype：表示输出的数组的数据类型，如果没有给出就从其他输入中推断输出的类型
返回值：samples：ndarray类型。在[start，stop]闭区间，或者[start，stop)半闭合区间中，数量为num，步长相等的样本。至于包不包含stop取决于endpoint参数的取值。step：float类型。可选。只有restep参数取值为True时才会返回这个返回值，表示样本中步长
2.Matplotlib.pyplot.plot()
plot([x], y, [fmt], data=None, **kwargs)
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)
3.Matplotlib.pyplot.figure()语法说明
figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)
num:图像编号或名称，数字为编号 ，字符串为名称
figsize:指定figure的宽和高，单位为英寸；
dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80 1英寸等于2.5cm,A4纸是 21*30cm的纸张
facecolor:背景颜色
edgecolor:边框颜色
frameon:是否显示边框
4.使用PyTorch进行训练和测试时一定注意要把实例化的model指定train/eval，eval（）时，框架会自动把BN和DropOut固定住，不会取平均，而是用训练好的值，不然的话，一旦test的batch_size过小，很容易就会被BN层导致生成图片颜色失真极大！！！！！！