下面代码会将List的files分为List[List[...],...]的样子，每隔1000个就是一个子列表，最后除不尽的那个子列表的元素个数 小于等于 1000。




```
files=[files[i:i + 1000]   for i in range(0, len(files), 1000)]
```

多进程应用，下面的代码使用多进程执行overwrite函数，将所有jpg和png文件重写或者删除。
```python
import multiprocessing
import os
import cv2
def listPathAllfiles(dirname):
    result = []
    for maindir, subdir, file_name_list in os.walk(dirname):
        for filename in file_name_list:
            apath = os.path.join(maindir, filename)
            result.append(apath)
    return result
def overwrite(files1):
    for fname in files1:
        try:
            if fname.endswith(".jpg") or fname.endswith(".png"):
                img = cv2.imread(fname)
                cv2.imwrite(fname, img)
        except:
            os.remove(fname)
            print(fname)
if __name__ == '__main__':
    root = r"/ssd/xd/datasets/multilabel"
    files = listPathAllfiles(root)
    p = multiprocessing.Pool()  # 创建一个包含2个进程的进程池
    # split files to several parts
    for i in range(0, len(files), 1000):
        p.apply_async(func=overwrite, args=(files[i:i + 1000],))  # 往池子里加一个异步执行的子进城
    p.close()  # 等子进程执行完毕后关闭进程池
    p.join()  # 主进程等待
```

【python】优雅列表拆分，列表等分，列表生成子列表

解决办法很简单：





（1）pip uninstall opencv-python或者那些contrib之类的模块。

（2）安装更低的版本，比如4.4。

```
pip install opencv-python==4.5.2.52
pip install opencv-contrib-python==4.5.2.52
```

![在这里插入图片描述](/static/img/images/04806.png)

【Python】Opencv python windows 不提示 不补全 的解决办法

Python





```
AttributeError: partially initialized module 'qrcode' has no attribute 'make' (most likely due to a circular import)
```

不要使用qrcode作为你的文件名即可解决这个问题。

AttributeError: partially initialized module ‘qrcode‘ has no attribute ‘make‘ (most likely due to a

<html>





    <head>

        <title></title>

    </head>

    <body>

        <table>

            <tbody>

                <tr>

                    <th>

                        类别

                    </th>

                    <th>

                        规范

                    </th>

                    <th>

                        示例

                    </th>

                </tr>

                <tr>

                    <td>

                        模块名

                    </td>

                    <td>

                        小写字母，单词之间用_分割

                    </td>

                    <td>

                        ad_stats.py

                    </td>

                </tr>

                <tr>

                    <td>

                        包名

                    </td>

                    <td>

                        小写字母，单词之间用_分割

                    </td>

                    <td>

                        &nbsp;

                    </td>

                </tr>

                <tr>

                    <td>

                        类名

                    </td>

                    <td>

                        单词首字母大写

                    </td>

                    <td>

                        AdStats

                    </td>

                </tr>

                <tr>

                    <td>

                        全局变量名

                    </td>

                    <td>

                        大写字母，单词之间用_分割

                    </td>

                    <td>

                        COLOR_WRITE

                    </td>

                </tr>

                <tr>

                    <td>

                        普通变量

                    </td>

                    <td>

                        小写字母，单词之间用_分割

                    </td>

                    <td>

                        this_is_a_var

                    </td>

                </tr>

                <tr>

                    <td>

                        实例变量

                    </td>

                    <td>

                        以_开头，其他和普通变量一样

                    </td>

                    <td>

                        _instance_var

                    </td>

                </tr>

                <tr>

                    <td>

                        私有实例变量

                    </td>

                    <td>

                        以__开头（两个下划线），其他和普通变量一样

                    </td>

                    <td>

                        __private_var

                    </td>

                </tr>

                <tr>

                    <td>

                        专有变量

                    </td>

                    <td>

                        以__开头，__结尾，一般为python的自有变量

                    </td>

                    <td>

                        __doc__

                    </td>

                </tr>

                <tr>

                    <td>

                        普通函数

                    </td>

                    <td>

                        小写字母，单词之间用_分割

                    </td>

                    <td>

                        get_name()

                    </td>

                </tr>

                <tr>

                    <td>

                        私有函数

                    </td>

                    <td>

                        以__开头（两个下划线），其他和普通变量一样

                    </td>

                    <td>

                        __get_name()

                    </td>

                </tr>

                <tr>

                    <td>

                        文件名

                    </td>

                    <td>

                        全小写，可使用下划线

                    </td>

                    <td>

                        &nbsp;

                    </td>

                </tr>

            </tbody>

        </table>

    </body>

</html>

【Python】命名规范

# 1 对于numpy.ndarray，可以使用shape查看形状





下图形状是（3，2, 1），如何得到的？ 第一层 [ ] 中含有3个元素， 单拿一个元素出来， 有2个元素， blabla…

![在这里插入图片描述](/static/img/images/05004.png)

# 2 axis是如何定义？

从shape上理解更快。

axis=0，相当于拆除第1层 [ ]  ，剩下元素shape会是 （2, 1）。下图中红框叠加sum起来就是这个形状。

![在这里插入图片描述](/static/img/images/05005.png)

axis=1，相当于拆除第2层 [ ]  ，剩下元素shape会是 （3, 1）。

![在这里插入图片描述](/static/img/images/05006.png)

axis=2，相当于拆除第3层 [ ]  ，剩下元素shape会是 （3, 2）。

![在这里插入图片描述](/static/img/images/05007.png)


代码：
```python
import numpy as np
kl = [2, 2, 3, 3, 7, 7]
npa = np.asarray(kl).reshape((3, 2, 1))
print(npa)
print("--------")
print(np.sum(npa, axis=0))
print("--------")
print(np.sum(npa, axis=1))
print("--------")
print(np.sum(npa, axis=2))
```

# 3 方向的含义

**Axis or axes along which a sum is performed.**

这里的along 很关键，在很多库包里，无论叫 Axis 、axes 、dim ， 都是指沿着哪一个dim去计算， 如果用shape去理解，会快一些。

比如在Softmax中：

```python
import torch
from torch import nn
m = nn.Softmax(dim=1)
input = torch.randn(2, 3)
print(input)
output = m(input)
print(output)
```

得到：

```
tensor([[-0.6087, -0.5550, -0.2106],
        [-0.4120,  0.7185, -1.3630]])
tensor([[0.2822, 0.2977, 0.4201],
        [0.2230, 0.6908, 0.0862]])
```

Softmax的那个方向的数字加起来会是1，代码里面是(dim=1)，也就是想形成的shape是（2，），去掉3。

所以是用 [-0.6087, -0.5550, -0.2106] 和 [-0.4120,  0.7185, -1.3630] 在算 Softmax。

结果也正是如此，[0.2822, 0.2977, 0.4201]或者 [0.2230, 0.6908, 0.0862] 加起来就是1 。

【numpy】axis 维度 是什么 Softmax中dim方向是什么

我是一个专注技术分享的博主,尤其爱搞深度学习和单片机电子。你现在看到的是我的个人博客网站。